Logistic模型缺失协变量的半参数方法研究及其应用

发布时间：2024-04-11 04:21

　　缺失数据的存在比较普遍.合理的处理缺失数据能更好的利用数据中的信息来做决策,缺失数据处理方法的研究就变得很有现实意义.本文采用经验似然方法对缺失部分的条件分布函数进行估计,并对具有缺失协变量的Logistic模型进行参数化建模.本文在符合Logistic模型的实际数据中应用半参数方法和其他几种方法并分析验证半参数方法性能,其内容可分为两点:1.通过模拟得到缺失数据,一种方式是完全可观测数据,在MAR机制下针对协变量模拟不同的缺失率得到协变量缺失数据.完全可观测数据一个是太平洋保险理赔数据,设定2个缺失协变量,模拟的缺失率分别为5%、10%、15%、20%、25%、30%、35%、40%.另一个是德国信用评估数据,设定8个缺失协变量,模拟的缺失率分别为5%、10%、15%、20%、25%、30%.另一种方式通过模拟与原缺失数据相近的全数据,设定3个缺失协变量,在全数据的基础上模拟三种缺失机制:MAR机制、MCAR机制、改进的NI机制下的协变量缺失数据.2.在模拟协变量带缺失的太平洋保险和德国信用评估数据中,采用了半参数方法和CC、均值插补、MI、EM方法来做缺失处理,这几种方法的性能采用...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 国内外研究现状对比分析
    1.3 主要研究内容和技术线路
第二章 缺失数据相关知识概述
    2.1 缺失数据产生的原因
    2.2 缺失数据的缺失模式
        2.2.1 单变量缺失和多变量缺失
        2.2.2 单调缺失和非单调缺失
        2.2.3 文件匹配缺失
        2.2.4 因子分析缺失
    2.3 缺失数据的缺失机制
        2.3.1 随机缺失(MAR)
        2.3.2 完全随机缺失(MCAR)
        2.3.3 非完全随机缺失(NMAR)
    2.4 缺失数据的几种常见处理方法
        2.4.1 完全案例分析法(CC)
        2.4.2 均值插补
        2.4.3 回归插补
        2.4.4 EM算法
        2.4.5 多重插补(MI)
    2.5 本章小结
第三章 Logistic模型和缺失协变量半参数方法研究
    3.1 Logistic模型
        3.1.1 Logistic模型的定义
        3.1.2 Logistic模型的估计
    3.2 缺失协变量的半参数方法
    3.3 本章小结
第四章 半参数方法的应用
    4.1 半参数方法在保险数据中的应用
        4.1.1 数据的选取说明
        4.1.2 半参数方法的应用
    4.2 半参数方法在信用评估数据中的应用
        4.2.1 数据的选取说明
        4.2.2 半参数方法的应用
    4.3 半参数方法在医学数据中的应用
        4.3.1 模拟研究
        4.3.2 数据的选取说明及应用
    4.4 本章小结
第五章 结论与展望
致谢
参考文献
攻读硕士学位期间取得的研究成果



本文编号：3950867