| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究发展及现状 | 第10-12页 |
| 1.3 课题的研究目标和内容 | 第12-14页 |
| 第二章 连续结果变量下比值比的可压缩性 | 第14-22页 |
| 2.1 辛普森悖论 | 第14页 |
| 2.2 连续结果变量下比值比的可压缩性 | 第14-22页 |
| 2.2.1 比值比 | 第14-16页 |
| 2.2.2 比值比的可压缩性 | 第16-18页 |
| 2.2.3 比值比具备强可压缩性的充要条件 | 第18-22页 |
| 第三章 几个相关性测度及它们的可压缩性 | 第22-30页 |
| 3.1 logisti回归模型 | 第22-23页 |
| 3.1.1 logistic回归模型简介 | 第22页 |
| 3.1.2 logistic回归模型的主要用途 | 第22-23页 |
| 3.1.3 logistic回归模型与多元线性回归模型 | 第23页 |
| 3.1.4 logistic回归系数 | 第23页 |
| 3.2 logistic回归系数的可压缩性 | 第23-26页 |
| 3.3 logistic回归系数的有序可压缩性 | 第26-30页 |
| 3.3.1 有序可压缩性的定义 | 第26-28页 |
| 3.3.2 简单可压缩性、强可压缩性、有序可压缩性之间的关系 | 第28-29页 |
| 3.3.3 有序可压缩性的充要条件 | 第29-30页 |
| 第四章 缺失数据下的统计推断 | 第30-49页 |
| 4.1 缺失数据的问题 | 第30-32页 |
| 4.1.1 缺失数据的原因 | 第30页 |
| 4.1.2 缺失数据模式 | 第30-31页 |
| 4.1.3 导致缺失数据的机制 | 第31-32页 |
| 4.1.4 缺失数据方法的分类 | 第32页 |
| 4.2 主分层简介 | 第32-35页 |
| 4.2.1 主分层的模型框架 | 第34-35页 |
| 4.3 纵向数据分析中缺失数据的统计推断 | 第35-44页 |
| 4.3.1 纵向研究中的生命质量数据 | 第36-38页 |
| 4.3.2 因果效应 | 第38页 |
| 4.3.3 关于因果效应的几个假设 | 第38-40页 |
| 4.3.4 模型的识别估计 | 第40页 |
| 4.3.5 gT(tx,W)，p_T~*(W)，q_T~*(W)和h_(T,tx)(k)的估计 | 第40-44页 |
| 4.4 “部分依从”下利用主分层进行因果推断 | 第44-49页 |
| 4.4.1 “部分依从”下主分层框架 | 第44-45页 |
| 4.4.2 标准假设 | 第45-46页 |
| 4.4.3 “部分依从”下的几个假设 | 第46-47页 |
| 4.4.4 模型的识别估计 | 第47-49页 |
| 第五章 总结与展望 | 第49-50页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间发表的学术论文目录 | 第55页 |
