A hybrid approach for regression analysis with block missing data
A hybrid approach for regression analysis with block missing data
复制标题
块缺失数据回归分析的混合方法
DOI：
10.1016/j.csda.2014.02.014
复制
发表时间：
2014-07
影响因子：
1.8
通讯作者：
Li Bo
中科院分区：
文献类型：
--
作者：
Li Zhengbang;Li Qizhai;Han Chien-Pai;Li Bo
在实践中经常出现数据缺失的情况。处理缺失数据的常用方法是插补，当缺失机制已知且数据集中的每个受试者随机缺失时，插补是有效的。然而，经常出现估算不当的情况。由于在这种情况下，一些数据不是随机丢失的，所以一个混合估计，其中贝叶斯和频率论的方法被用来推断参数的先验信息和无先验信息，分别提出。文中还给出了混合估计量的渐近性质。数值结果，包括模拟研究和平均成绩（GPA）的数据分析，以显示所提出的方法的性能。
Missing data often arise in practice. The commonly employed approach to handle the missing data is imputation, which is effective when the missing mechanism is known and each subject in the data set misses at random. However, the situation where the imputation is not appropriate often emerged. Because in that situation, some data are not missing at random, so a hybrid estimate, where the Bayesian and frequentist approaches are used for inferring the parameters with and without prior information respectively, is proposed. The asymptotic properties of the hybrid estimator are also provided. Numerical results including simulation studies and data analysis about grade point average (GPA) are conducted to show the performances of the proposed method.
登录
查看更多内容
DOI：
10.1080/01621459.1966.10480891
发表时间：
1966-09
影响因子：
3.7
作者：
A. Afifi;R. Elashoff
通讯作者：
A. Afifi;R. Elashoff
影响因子：
--
作者：
R. Woolson;W. Clarke
通讯作者：
R. Woolson;W. Clarke
影响因子：
1.9
作者：
Joseph Sexton;P. Laake
通讯作者：
Joseph Sexton;P. Laake
DOI：
10.2307/2532070
发表时间：
1989-03
期刊：
--
影响因子：
--
作者：
D. Rubin
通讯作者：
D. Rubin
DOI：
10.1080/01621459.1957.10501408
发表时间：
1957-12
影响因子：
3.7
作者：
G. Nicholson
通讯作者：
G. Nicholson