缺失數(shù)據(jù)

內(nèi)容概要

處理缺失數(shù)據(jù)問題的新策略占用了本專題論著的大部分篇幅。在缺失數(shù)據(jù)的條件下回顧最大似然估計(jì)，即ML估計(jì)，他以一個(gè)仔細(xì)篩選的美國大專院校畢業(yè)率的數(shù)據(jù)為例，解釋了插補(bǔ)法的EM算法。后幾章超越了ML方法，解釋多重插補(bǔ)方法，并討論了不可忽略的缺失數(shù)據(jù)。保羅·D·阿利森所著的《缺失數(shù)據(jù)》是最新的處理缺失數(shù)據(jù)的精心杰作，幾乎所有的統(tǒng)計(jì)書籍都很少涉及這個(gè)主題。保羅·阿利森也睿智地提醒我們，缺失數(shù)據(jù)最佳的解決方法是“沒有任何最佳解決方法”。但如果你也有這個(gè)問題且在尋求補(bǔ)救方法，那么就請閱讀本書的內(nèi)容。

作者簡介

作者:(美)保羅.D. 阿利森(Paul D. Allison)

書籍目錄

序
第1章  導(dǎo)論
第2章  假設(shè)
  第1節(jié)  完全隨機(jī)缺失的
  第2節(jié)  隨機(jī)缺失的
  第3節(jié)  可忽略的
  第4節(jié)  不可忽略的
第3章  傳統(tǒng)的方法
  第1節(jié)  成列刪除
  第2節(jié)  成對刪除
  第3節(jié)  虛擬變量調(diào)整
  第4節(jié)  插補(bǔ)
  第5節(jié)  總結(jié)
第4章  最大似然
  第1節(jié)  回顧最大似然估計(jì)法
  第2節(jié)  有缺失數(shù)據(jù)的ML
  第3節(jié)  列聯(lián)表數(shù)據(jù)
  第4節(jié)  具正態(tài)分布數(shù)據(jù)的線性模型
  第5節(jié)  EM算法
  第6節(jié)  EM實(shí)例
  第7節(jié)  直接ML
  第8節(jié)  直接ML實(shí)例
  第9節(jié)  結(jié)論
第5章  多重插補(bǔ)：基本原理
  第1節(jié)  單一隨機(jī)插補(bǔ)
  第2節(jié)  多元隨機(jī)插補(bǔ)
  第3節(jié)  在參數(shù)估計(jì)值中考慮隨機(jī)變異
  第4節(jié)  在多變量正態(tài)模型下的多重插補(bǔ)
  第5節(jié)  多變量正態(tài)模型的數(shù)據(jù)擴(kuò)增法
  第6節(jié)  在數(shù)據(jù)擴(kuò)增法中收斂
  第7節(jié)  連續(xù)的數(shù)據(jù)擴(kuò)增法相對平行的數(shù)據(jù)擴(kuò)增法
  第8節(jié)  對非正態(tài)或類別數(shù)據(jù)使用正態(tài)模型
  第9節(jié)  探索分析
  第10節(jié)  MI實(shí)例1
第6章  多重插補(bǔ)：復(fù)雜化
  第1節(jié)  MI中的交互作用和非線性
  第2節(jié)  插補(bǔ)模型和分析模型之適合性
  第3節(jié)  插補(bǔ)中因變量所扮演的角色
  第4節(jié)  在插補(bǔ)過程中使用額外的變量
  第5節(jié)  多重插補(bǔ)的其他參數(shù)方法
  第6節(jié)  無參數(shù)及部分參數(shù)方法
  第7節(jié)  連續(xù)的廣義回歸模型
  第8節(jié)  線性假設(shè)檢驗(yàn)和最大似然比檢驗(yàn)
  第9節(jié)  MI實(shí)例2
  第10節(jié)  長期的及其他集群數(shù)據(jù)的MI
  第11節(jié)  MI實(shí)例3
第7章  不可忽略的缺失數(shù)據(jù)
  第1節(jié)  兩種模型
  第2節(jié)  Heckrnan的樣本選擇誤差模型
  第3節(jié)  形態(tài)混合模型的MI。估計(jì)
  第4節(jié)  形態(tài)混合模型的多重插補(bǔ)
第8章  總結(jié)與結(jié)論
注釋
參考文獻(xiàn)
譯名對照表

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    缺失數(shù)據(jù) PDF格式下載

---