講座內(nèi)容：對處理不在隨機原理下缺失的數(shù)據(jù)在統(tǒng)計學(xué)中仍然是一個具有挑戰(zhàn)性的問題。在這篇文章中，對不可忽略的缺失數(shù)據(jù)，我們提出了一種基于半?yún)?shù)模型的一般分類的傾向得分的非參數(shù)估算法。與現(xiàn)有的估算法相比，我們所提出的估算法更靈活，對于傾向得分，它不要求模型規(guī)范化，并且對含有未知參數(shù)的一般的參數(shù)模型可以得到它的一致估計。為得到參數(shù)一致估計的傾向得分，提出了兩種方法：效度樣本和半經(jīng)驗似然法。在MNAR的假設(shè)下，通過在一些校準條件中添加輔助信息，我們得到了基于SEL的有效并顯著的估計。我們研究了基于已知或者估計的傾向得分參數(shù)估計的漸進性.實證研究表明錯定的響應(yīng)模估計具有穩(wěn)健性。并運用隨機模擬和實例分析來評估以上方法對于有限樣本的可適用性。