Multiple imputation for missing values through conditional Semiparametric odds ratio models.
Multiple imputation for missing values through conditional Semiparametric odds ratio models.
复制标题
DOI：
10.1111/j.1541-0420.2010.01538.x
复制
发表时间：
2011-09
期刊：
影响因子：
1.9
通讯作者：
Qian Y
中科院分区：
文献类型：
--
作者：
Chen HY;Xie H;Qian Y
多重插补是统计分析中处理不完全观测数据的一种实用方法。利用Rubin的结果组合规则，简化了基于输入的全部数据的参数估计和推断。然而，在实践中创建适当的插补以适应灵活的统计分析模型可能非常具有挑战性。我们提出了一个插补框架，使用条件半参数比值比模型来插补缺失值。与基于正态模型的估算方法相比，本文提出的估算框架具有更好的灵活性和鲁棒性。与基于完全条件指定模型的方法相比，它是一个兼容的框架。所提出的算法通过蒙特卡罗马尔可夫链抽样方法的多重填补可以直接进行。仿真研究表明，所提出的方法比现有的，常用的插补方法的性能更好。所提出的方法适用于填补骨折数据中的缺失值。
Multiple imputation is a practically useful approach to handling incompletely observed data in statistical analysis. Parameter estimation and inference based on imputed full data have been made easy by Rubin's rule for result combination. However, creating proper imputation that accommodates flexible models for statistical analysis in practice can be very challenging. We propose an imputation framework that uses conditional semiparametric odds ratio models to impute the missing values. The proposed imputation framework is more flexible and robust than the imputation approach based on the normal model. It is a compatible framework in comparison to the approach based on fully conditionally specified models. The proposed algorithms for multiple imputation through the Monte Carlo Markov Chain sampling approach can be straightforwardly carried out. Simulation studies demonstrate that the proposed approach performs better than existing, commonly used imputation approaches. The proposed approach is applied to imputing missing values in bone fracture data.
登录
查看更多内容
DOI：
10.1198/016214504000001727
发表时间：
2004-12-01
影响因子：
3.7
作者：
Chen, HY
通讯作者：
Chen, HY
影响因子：
4.5
作者：
ANTONIAK, CE
通讯作者：
ANTONIAK, CE
影响因子：
4.5
作者：
BLACKWELL, D;MACQUEEN, JB
通讯作者：
MACQUEEN, JB
影响因子：
4.5
作者：
FERGUSON, TS
通讯作者：
FERGUSON, TS
影响因子：
4.4
作者：
DUANE, S;KENNEDY, AD;ROWETH, D
通讯作者：
ROWETH, D