基于条件QIF的纵向缺失数据的统计推断

发布时间：2017-05-12 22:06

  本文关键词：基于条件QIF的纵向缺失数据的统计推断，由笔耕文化传播整理发布。

【摘要】：近年来,纵向数据在统计研究中得到了很大的发展,但我们得到的数据通常是不完整的,带有缺失数据。对于纵向数据的统计研究,前人已经给出了很多不同的参数估计方法,例如GEE(广义估计方程),PQL(惩罚拟似然)等。对于混合效应的参数模型,通常是假设随机效应服从正态分布,并且忽略观测值之间的相关性,所以这种做法会影响到固定效应的估计效率和偏差。条件QIF对于带有相关系数的混合效应模型完美的弥补了这些不足。我们知道对于缺失数据,大多数的估计方法是采用转换矩阵对其缺失数据进行补零,让其成为完全数据。本文建立带有混合效应的广义混合线性模型,基于条件QIF对于三种缺失机制(LittleRubin[1])的缺失数据进行补值,分别是补零,补均值,补尾值,通过模拟来比较这三种缺失机制的三种补值方法对于参数估计的影响。同时我们也基于条件QIF通过广义得分检验对缺失数据进行了检验,来判断其缺失是否为可忽略缺失。
【关键词】：广义线性混合模型 缺失机制 二次推断函数 惩罚拟似然 条件二次推断函数 拟合优度检验
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O212.1;C81
【目录】：

• 摘要4-5
• ABSTRACT5-7
• 引言7-9
• 第一章 混合模型下的条件QIF9-13
• 1.1 广义线性混合模型9
• 1.2 条件QIF9-13
• 1.2.1 惩罚拟似然PQL10-13
• 第二章 模拟研究13-20
• 2.1 缺失机制和模拟模型介绍13-15
• 2.1.1 缺失机制介绍13-14
• 2.1.2 模拟模型介绍14-15
• 2.2 条件QIF直接处理缺失数据的模拟研究15-16
• 2.3 条件QIF处理三种补值数据的模拟研究16-20
• 第三章 基于条件QIF检验可忽略缺失20-26
• 3.1 检验背景介绍20-21
• 3.2 可忽略缺失的检验21-24
• 3.2.1 条件QIF的检验模型21
• 3.2.2 两类数据缺失模式的检验21-22
• 3.2.3 R类数据缺失模式的检验22-24
• 3.3 模拟研究24-25
• 3.4 讨论25-26
• 结论26-27
• 参考文献27-29
• 致谢29

【参考文献】

中国博士学位论文全文数据库 前2条

1 张涛;含有测量误差的纵向数据的统计推断[D];复旦大学;2011年

2 徐丽丽;带有混合相关结构的纵向数据的统计分析[D];东北师范大学;2011年

  本文关键词：基于条件QIF的纵向缺失数据的统计推断，由笔耕文化传播整理发布。

，

本文编号：360945