A Goodness-of-Fit Test for the Logistic Propensity Score Model Under Non-Ignorable Missing Data

Logistic regression is widely used to model the propensity score in the analysis of non-ignorable missing data. However, goodness-of-fit testing for this propensity score model has received limited attention in the literature. In this paper, we propose a novel testing procedure for the logistic propensity score model under non-ignorable missing data. We investigate its asymptotic distribution under the null hypothesis and introduce a bootstrap procedure with statistical guarantees for approximation. Additionally, we demonstrate that the proposed test achieves asymptotic power of one as the sample size increases when the true propensity score model deviates from logistic regression. Simulation studies and real data analyses further validate the effectiveness and practical applicability of the proposed method.

Un test d'adéquation pour le modèle logistique de score de propension en présence de données manquantes non ignorables

La régression logistique est largement utilisée pour modéliser le score de propension dans l'analyse des données manquantes non ignorables. Toutefois, les tests d'adéquation de ce modèle de score de propension n'ont reçu qu'une attention limitée dans la littérature. Dans cet article, nous proposons une nouvelle procédure de test pour le modèle logistique de score de propension dans le cas de données manquantes non ignorables. Nous étudions sa distribution asymptotique sous l'hypothèse nulle et introduisons une procédure par bootstrap avec des garanties statistiques pour l'approximation. En outre, nous démontrons que le test proposé atteint une puissance asymptotique d’un à mesure que la taille de l'échantillon augmente lorsque le véritable modèle de score de propension s'écarte de la régression logistique. Des études de simulation et des analyses de données réelles valident l'efficacité et l'applicabilité pratique de la méthode proposée.

Session

Nouvelles frontières de la théorie et des méthodes statistiques

Date and Time