×
Tacksoo胫骨;杰弗里·D·朗。;马克·戴维森。

潜在变量交互分析中处理缺失数据的方法评估：多重插补、最大似然和随机森林算法。 （英语） Zbl 1499.62062号

日本。统计数据科学杂志。 5，第2号，629-659（2022）.
摘要：本研究的目的是检验两种最流行的缺失数据方法（即多重插补和最大似然），以及新开发的基于随机森林算法的机器学习框架在各种研究条件下对缺失数据的性能。模拟研究的设计包括随机和非随机缺失（即MCAR、MAR和MNAR）、小样本和不同水平的缺失率。所有统计推断均采用潜在变量交互作用模型进行调查。与缺失数据文献一致，小样本、高缺失率、不可忽视的缺失以及复杂的建模结构共同影响了统计推断的准确性。尽管存在参数过高的可能性，但就收敛性而言，选择MI是一种好方法。如果研究的主要目标是像许多研究一样调查变量之间的关系，那么ML将很有吸引力。在所有研究条件下，MF表现出与MI和ML相似的性能，并且在估计参数估计的可变性时表现出色。还讨论了与缺失数据方法有关的其他实际问题。

MSC公司：

62D10号 缺少数据

关键词：

缺少数据;多重插补;最大似然估计;随机森林算法;潜在交互模型

软件：

SAS公司;miss森林;Mplus公司;随机森林;GeneSrF公司;Mplus自动化;资源集
PDF格式BibTeX公司 XML格式引用
\textit{T.Shin}等人，Jpn。统计数据科学杂志。5，编号2，629--659（2022；Zbl 1499.62062）
全文： 内政部

参考文献：

[1] 艾肯，LS；West，SG，《多元回归：测试和解释相互作用》（1991），Sage
[2] Aittokallio，T.，《处理大规模研究中的缺失值：微阵列数据插补及其以外》，《生物信息学简报》，第2期，第253-264页（2009年）
[3] Ajzen，我。；Berkowitz，L.，态度、特质和行动：人格和社会心理学中行为的倾向预测，实验社会心理学进展，1-63（1987），学术出版社
[4] Algina，J。；Moulder，BC，关于使用LISREL 8.3估计潜在变量交互作用的Jöreskog-Yang模型的注释，结构方程建模，8，40-52（2001）
[5] Alkasawneh、Pan和Green。（2007）缺失数据的多重插补。一个警示故事。社会学方法与研究，28（3），301-309。
[6] Allison，PD，结构方程模型的缺失数据技术，《异常心理学杂志》，112545-557（2003）
[7] Allison，P.D.（2006年）。多元正态模型下分类变量的多重插补。2006年8月11日，在加拿大魁北克省蒙特利尔市蒙特利尔会议中心举行的美国社会学协会年会上提交的论文。
[8] Allison，PD；赖特，法学博士；Marsden，PV，《缺失数据》，调查研究手册，631-657（2010），Emerald Group Publishing Ltd
[9] JC安德森；Gerbing，DW，《抽样误差对收敛性、不恰当解和最大似然验证性因子分析的优良指数的影响》，《心理测量学》，49，2，155-173（1984）
[10] Anderson，TW，《缺少某些观测值时多元正态分布的最大似然估计》，美国统计协会杂志，52，200-203（1957）·Zbl 0086.35304号
[11] Arbuckle，J.，AMOS-力矩结构分析（1996），小水务公司·Zbl 0850.62042号
[12] 阿明格·G。；Sobel，ME，缺失数据下均值和协方差结构的伪最大似然估计，美国统计协会杂志，85，195-203（1990）
[13] Asparouhov，T.&Muthén，B.（2010年）。使用Mplus的贝叶斯分析：技术实现。http://statmodel.com/download/Bayes3.pdf
[14] Asparouhov，T。；Muthén，B.，预测缺失数据的辅助变量。技术附录（2008年），穆森和穆森
[15] 安大略省巴拉迪；恩德斯，CK，《现代缺失数据分析导论》，《学校心理学杂志》，48,5-37（2010）
[16] 安大略省巴拉迪；恩德斯，CK；Little，TD，缺失数据方法，牛津心理学图书馆。牛津定量方法手册：统计分析，635-664（2013），牛津大学出版社
[17] 黑色，AC；O.哈雷。；McCoach，DB，《多级数据的缺失数据技术：模型错误指定的影响》，《应用统计学杂志》，38，9，1845-1865（2011）·Zbl 1511.62032号
[18] Boomsma，A.，《LISREL最大似然估计中的非收敛性、不当解和起始值》，《心理测量学》，50，229-242（1985）
[19] 布兰德，J.（1999）。为不完整数据集的统计分析制定、实施和评估多种插补策略。鹿特丹医学中心大学。
[20] Breiman，L.（2003）。设置、使用和理解随机林4.0版的手册。https://www.stat.berkeley.edu/breiman/Using_random_forests_v4.0.pdf
[21] Breiman，L.，打包预测，机器学习，24，2，123-140（1996）·Zbl 0858.68080号
[22] Breiman，L.，《随机森林，机器学习》，45，1，5-32（2001）·Zbl 1007.68152号
[23] Breiman，L.和Cutler，A.（2002年）。建立、使用和理解随机森林手册V3.1。伯克利：加州大学伯克利分校。http://oz.berkeley.edu/users/breiman/Using_random_forests_V3.1.pdf
[24] 查姆·H。；巴拉尔迪，AN；Enders，CK，将最大似然估计和多重插补应用于不完全预测变量的调节回归模型，多变量行为研究，45，153-154（2013）
[25] Chiarella，C.、Kang，B.、Meyer，G.和Ziogas，A.（2014年）。具有早期练习特征的衍生品的计算方法。K.Schmedders和K.L.Judd（编辑），《计算经济学手册》（第三版，第5章）。爱思唯尔。
[26] 赵，SJ；Rabe-Hesketh，S.，交叉随机效应模型的交替插补后验估计，计算统计与数据分析，55，12-25（2011）·Zbl 1247.62188号
[27] 科恩德斯，G。；巴蒂斯塔·福格特，JM；Saris，WE，复杂结构方程模型中交互效应的简单、高效和无分布方法，质量与数量，42，369-396（2008）
[28] 科恩，J。；Cohen，P.，《行为科学应用多元回归/相关分析》（1975年），埃尔鲍姆
[29] 柯林斯，LM；谢弗，JL；Kam，C.，《现代缺失数据程序中包容性和限制性策略的比较》，《心理学方法》，6，4，330-351（2001）
[30] Copas，J.B.和Li，H.G.（1997年）。非随机样本推断（讨论）。英国皇家统计学会杂志（b辑），59，55-96·Zbl 0896.62003号
[31] LJ Cronbach；斯诺，RE，能力与教学方法：互动研究手册（1977），欧文顿
[32] 克罗伊，CD；丹麦诺文斯，《精神病和发育研究中缺失数据的处理方法》，《美国儿童和青少年精神病学学会杂志》，441230-1240（2005）
[33] 阿联酋登普斯特；新墨西哥州莱尔德；Rubin，DB，通过EM算法从不完整数据中进行的最大似然估计（带讨论），英国皇家统计学会杂志（b系列），39，1-38（1977）·Zbl 0364.62022号
[34] Díaz Uriarte，安德烈斯研究所，A.（2006年）。使用随机森林对微阵列数据进行基因选择和分类。BMC生物信息学，7（1），3。检索自http://www.biomedcentral.com/1471-2105/7/3
[35] Didelez，V.，不完全协变量数据下logistic模型的ML-和半参数估计，Statistica Neerlandica，56，330-345（2002）
[36] Dong，F.和Yin，G.（2017年）。基于weaver算法的不完全多项式数据的最大似然估计。统计与计算（在线发布）·Zbl 1406.62059号
[37] Dong，Y。；Peng，C-YJ，研究人员的原则性缺失数据方法，Springer plus，2222（2013）·doi:10.1186/2193-1801-2-222
[38] Doove，L.公司。；Van Buuren，S。；杜塞尔多普，E.，《存在交互效应时缺失数据插补的递归分区》，计算统计与数据分析，72，92-104（2014）·Zbl 1506.62056号
[39] EF杜博；Ullman，DG，《评估小学儿童的社会支持：儿童社会支持调查》，《临床儿童心理学杂志》，18，1，52-64（1989）
[40] 邓肯，S。；Duncan，T.，使用潜在变量增长曲线方法模拟不完整的纵向物质使用数据，多变量行为研究，29313-338（1994）
[41] Edwards，S.L.、Berzofsky，M.E.和Biemer，P.P.（2018年）。使用潜在GOLD 5.0的完整信息最大似然解决分类数据项的无响应问题。RTI新闻出版物编号MR-0038-1809。RTI出版社。
[42] Enders，CK，《可用于缺失数据的最大似然算法入门》，结构方程建模，8128-141（2001）
[43] Enders，CK，缺失数据结构方程模型的非正态性对全信息最大似然估计的影响，心理学方法，6352-370（2001）
[44] 恩德斯，CK；希腊汉考克；穆勒，RO，《用缺失数据分析结构方程模型》，《结构方程建模：第二门课程》，313-342（2006），信息时代出版社
[45] Enders，CK，《应用缺失数据分析》（2010），吉尔福德出版社
[46] 恩德斯，CK；Bandalos，DL，结构方程模型中缺失数据的全信息最大似然估计的相对性能，结构方程建模，8430-457（2001）
[47] Finkbeiner，C.，《数据缺失时多因素模型的估计》，《心理测量学》，44，409-420（1979）·Zbl 0427.62036号
[48] Ganzach，Y.，误导互动和曲线术语，心理学方法，2235-247（1997）
[49] Gelman，A。；鲁宾，D。；贝纳多，JM；JO伯杰；达维德，美联社；Smith，AFM，吉布斯采样器的单个系列提供了虚假的安全感，贝叶斯统计学，625-631（1992），牛津大学出版社
[50] 金，MS；Bentler，PM，缺失数据的处理：RBHDI的蒙特卡罗比较，迭代随机回归插补和期望最大化，结构方程建模，7319-355（2000）
[51] 金，MS；项目经理Bentler；Kim，KH，处理不完全非正态数据的最大似然法和渐近无分布法的比较，结构方程建模，10，1，47-79（2003）
[52] 格雷厄姆，JW；霍弗，山猫；MacKinnon，DP，用计划缺失值模式获得的数据的效用最大化：最大似然程序的应用，多元行为研究，31197-218（1996）
[53] 格雷厄姆，JW；奥尔乔夫斯基，AE；Gilreath，TD，真正需要多少指责？《多重插补理论的一些实际澄清》，《预防科学》，8206-213（2007）
[54] 明尼苏达州哈尔奎斯特；Wiley，JF，MplusAutomation:在Mplus中促进大规模潜在变量分析的R包，结构方程建模，25，4，621-638（2017）
[55] Hapfelmeier，A.（2012年）。用随机森林分析缺失数据（德国慕尼黑路德维希·马克西米利安大学博士论文）。检索自https://edoc.ub.uni-muenchen.de/15058/ ·Zbl 1301.62004号
[56] HO哈特利；Hocking，R.，《不完整数据的分析》，《生物统计学》，27783-808（1971）
[57] Herzog，W。；Boomsma，A.，基于非中心性和增量模型拟合的小样本稳健估计，结构方程建模，16，1，1-27（2009）
[58] Ho，P。；Silva，M。；Hogg，T.，《港口老化研究中不完全多元数据的多重插补和最大似然主成分分析，化学计量学和智能实验室系统》，55，2，1-11（2001）
[59] Ishioka，T.（2013）。使用随机森林中的接近度对无监督数据的缺失值进行插补。第五届移动、混合和在线学习国际会议（第30-36页）。国家大学入学考试中心。
[60] Ishwaran，H。；乌兰巴托州科加卢；爱荷华州黑石集团；Lauer，MS，《随机生存森林》，《应用统计年鉴》，2841-860（2008）·Zbl 1149.62331号
[61] Jaccard，J.、Turrisi，R.和Wan，C.K.（1990年）。多元回归中的相互作用效应（Sage大学论文系列。社会科学中的定量应用；第07-072卷）。Sage出版物。
[62] Jackman，S.，通过贝叶斯模拟进行估计和推理：马尔可夫链蒙特卡洛导论，美国政治科学杂志，44，2375-404（2000）
[63] 詹森，I。；Hens，N。；Molenberghs，G。；阿尔茨，M。；韦贝克，G。；Kenward，MG，非随机模型中单调缺失敏感性的本质，计算统计与数据分析，50830-858（2006）·Zbl 1431.62497号
[64] Jeon，M。；Rijmen，F.，分类数据MTMM模型最大似然估计的最新发展，心理学前沿，5，1，1-7（2014）
[65] 纪磊。；周，S-M；谢尔梅霍恩，AC；北卡罗来纳州雅各布森；EM Cummings，《密集纵向数据建模中缺失数据的处理》，结构方程建模，25，5，715-736（2018）
[66] 约雷斯科格，KG；杨，F。；佐治亚州马库利德斯；Schumaker，RE，《非线性结构方程模型：具有交互效应的Kenny-Judd模型》，《高级结构方程建模：问题和技术》，57-87（1996），劳伦斯·埃尔鲍姆协会·Zbl 0923.62072号
[67] Kang，J。；Shin，T.，《青少年压力对自杀意念的影响：关注抑郁和社会支持的调节和中介作用》，《韩国青年研究杂志》，22，5，27-51（2015）
[68] 卡拉塞克，RA，《工作需求、工作决策自由度和精神紧张：对工作重新设计的影响》，《行政科学季刊》，第24期，第285-308页（1979年）
[69] Kelava，A.（2009）。非线性结构方程模型中的多重共线性。（德国法兰克福歌德大学博士论文）。检索自http://publikationen.ub.uni-frankfurt.de/volltexte/2009/6336/
[70] Kelava，A。；Brandt，H.，使用扩展无约束方法估计非线性潜在结构方程模型，《心理学评论》，第16期，第123-131页（2009年）
[71] Kelava，A。；沃纳，CS；Schermelleh-Engel，K。；Moosburger，H。；扎普夫，D。；马云（Ma，Y.）。；查姆·H。；艾肯，LS；West，SG，高级非线性潜在变量建模：交互作用和二次效应的分布分析LMS和QML估计，结构方程建模，18，3，465-491（2011）
[72] Kenny，D。；Judd，CM，估计潜在变量的非线性和交互影响，《心理公报》，96，201-210（1984）
[73] MG Kenward；Carpenter，J.，《多重插补：当前视角》，医学研究统计方法，161199-218（2007）·兹比尔1122.62358
[74] 金·G。；Honaker，J。；约瑟夫，A。；Scheve，K.，《分析不完整的政治科学数据：多重插补的替代算法》，《美国政治科学评论》，95，1，49-69（2001）
[75] 克莱因公司；Moosburger，H.，使用LMS方法对潜在交互作用影响的最大似然估计，《心理测量学》，65，457-474（2000）·Zbl 1291.62221号
[76] 克莱因公司；Muthén，BO，具有多重交互作用和二次效应的结构方程模型的准最大似然估计，多元行为研究，42，647-674（2007）
[77] 克莱因公司；Schermelleh Engel，K。；Moosburger，H。；Kelava，A。；特奥·T。；Khine，MS，评估虚假交互效应，教育研究中的结构方程建模：概念和应用，13-28（2009），Sense
[78] 韩国青年政策研究所。(2007). 韩国儿童和青年小组调查，世宗寺。
[79] Kovacs，M.（1983年）。儿童抑郁量表：学龄青少年自测抑郁量表。匹兹堡大学医学院精神科、西方精神病研究所和诊所。
[80] 科罗尔，中国；Stedinger，JR，使用删失数据估计矩和分位数，水资源研究，32，4，1005-1012（1996）
[81] Larsen，R.，《缺失数据插补与二级依赖的完全信息最大似然》，结构方程建模，18649-662（2011）
[82] Lee，LE，带有奇异信息矩阵的随机前沿函数模型的最大似然估计量的渐近分布，计量经济学理论，9413-430（1993）
[83] 李，SY；Song，XY，缺失连续和有序数据的非线性结构方程模型的贝叶斯模型比较，英国数学与统计心理学杂志，57131-150（2004）
[84] 廖，SG；Lin，Y。；Kang，D。；Chandra，D。；Bon，J。；北卡罗来纳州卡明斯基。；西尔巴，FC；Tseng，GC，高维现象数据中的缺失值插补：不可变与否，以及如何？，BMC Bioniformatics，5，15，346（2014）·doi:10.1186/s12859-014-0346-6
[85] Liaw，A。；Wiener，M.，《随机森林分类与回归》，R News，2，3，18-22（2002）
[86] 林，G-C；温，Z。；马什，H。；Lin，H-S，《潜在交互作用的结构方程模型：正交化和双均值中心策略的澄清》，结构方程建模，17，3，374-391（2010）
[87] Little，RJA，《缺失X的回归：综述》，《美国统计协会杂志》，第87期，第1227-1237页（1992年）
[88] 小，RJ；Rubin，DB，缺失数据的统计分析（2002），Wiley·Zbl 1011.62004号
[89] 小，TD；博瓦尔德，JA；Widaman，KF，《正交化和产品术语的优点：潜在变量之间相互作用建模的含义》，结构方程建模，13，4，497-519（2006）
[90] 卢，波兰；Wainwright，MJ，《含噪声和缺失数据的高维回归：非凸性的可证明保证》，神经信息处理系统进展，242726-2734（2011）
[91] 光泽，RF；Brown，JR，营销渠道中的相互依赖、契约和关系行为，《市场营销杂志》，60，19-38（1996）
[92] 沼泽，HW；温，Z。；Hau，KT，《潜在交互作用的结构方程模型：替代估计策略和指标构建的评估》，《心理学方法》，9275-300（2004）
[93] 沼泽，HW；温，Z。；Hau，KT；希腊汉考克；Mueller，RO，潜在相互作用和二次效应的结构方程模型，结构方程建模：第二门课程，225-265（2006），信息时代
[94] Miccéri，T.，《独角兽、正常曲线和其他不可思议的生物》，《心理公报》，105，156-166（1989）
[95] Moosburger，H。；Schermelleh-Engel，K。；Kelava，A。；克莱因公司；特奥·T。；Khine，M.，《测试结构方程建模中的多重非线性效应：替代估计方法的比较》，《教育研究中的结构方程建模：概念和应用》，103-136（2009），Sense Publishers
[96] Moosburger，H。；Schermelleh-Engel，K。；Klein，AG，估计潜在交互作用的方法学问题，《在线心理研究方法》，295-111（1997）
[97] Muthén，B。；Kaplan，D.，《非正态Likert变量因子分析的一些方法比较》，《英国数学与统计心理学杂志》，38，171-189（1985）
[98] Muthén，L.K.，&Muthán，B.O.（2018年）。Mplus 8.2版[计算机软件]。穆森和穆森。
[99] 奥巴，S。；佐藤，M。；竹马，I。；蒙登，M。；松原，K。；Ishii，S.，基因表达谱数据的贝叶斯缺失值估计方法，生物信息学，19，162088-2096（2003）
[100] Pantanowitz，A.和Marwala，T.（2008）。通过使用随机森林算法评估缺失数据插补的影响。威特沃特斯兰德大学电子和信息工程学院私人包x3。智慧。2050.南非共和国。检索自http://arxiv.org/ftp/arxiv/papers/0812/0812.2412.pdf
[101] 彭振英；Zhu，J.，逻辑回归中处理缺失协变量的两种方法的比较，教育和心理测量，68，1，58-77（2008）
[102] Peugh，JL；Enders，CK，《教育研究中的缺失数据：报告实践和改进建议综述》，《教育调查综述》，74，525-556（2004）
[103] Pigott，TD，《缺失数据方法综述》，教育研究与评估，7，453-383（2001）
[104] Raghunathan，TE，我们该如何处理丢失的数据？分析不完整数据的一些选择，《公共卫生年度回顾》，2599-117（2004）
[105] Rotnitzky，A。；考克斯，DR；博泰，M。；Robins，J.，基于Likelihood的奇异信息矩阵推理，Bernouilli，6243-284（2000）·Zbl 0976.62015号
[106] Rubin，DB，调查中无应答的多重插补（1987），Wiley·2007年6月10日
[107] Rubin，DB，18年以上的多重插补（有讨论），《美国统计协会杂志》，91，473-489（1996）·Zbl 0869.62014年
[108] Rubin，DB，调查中无应答的多重插补（2004），Wiley·2007年6月10日
[109] Satorra，A.和Bentler，P.M.（1988年）。协方差结构分析中chi-square统计量的标度校正。在ASA商业和经济部分的会议记录中（第308-313页）。
[110] 萨瓦莱，V。；Bentler，PM，不完全非正态数据的一种统计上合理的成对ML方法：与直接ML和成对ADF的比较，结构方程建模，12183-214（2005）
[111] 萨瓦莱，V。；Bentler，PM，《缺失数据的两阶段方法：辅助变量的理论和应用》，结构方程建模，16，3，477-497（2009）
[112] 萨瓦莱，V。；Rhemtulla，M.，关于从完全信息最大似然中获得缺失信息部分的估计，结构方程建模，19，3，37-62（2012）
[113] Schafer，JL，《不完全多元数据分析》（1997），Chapman&Hall·Zbl 0997.62510号
[114] Schafer，JL，《多重插补：引物》，《医学研究中的统计方法》，8，3-15（1999）
[115] Schafer，JL公司；Graham，JW，《缺失的数据：我们对最新技术的看法》，心理学方法，7147-177（2002）
[116] 谢弗，JL；Olsen，MK，《多元缺失数据问题的多重插补：数据分析师的视角》，《多元行为研究》，33545-571（1998）
[117] Schmitt，M.，Konsistenz als Persönlichkeitseigenschaft？Persönlichkeits-und Einstellungsforschung中的Moderatorvariablen[作为一种人格特质的一致性？人格和态度研究中的调节变量]（1990），Springer
[118] 斯科滕，RM；Lugtig，P。；Vink，G.，《为模拟目的生成缺失值：多元截肢程序》，《统计计算与模拟杂志》，88，15，2909-2930（2018）·Zbl 07192695号
[119] 沙阿，AD；巴特利特，JW；卡彭特，J。；O.尼古拉斯。；海明威，H.，《使用MICE插补缺失数据的随机森林和参数插补模型的比较：一项口径研究》，《美国流行病学杂志》，179,6764-774（2014）
[120] Shin，T。；马里兰州戴维森；Long，JD，用非正态纵向数据进行结构方程建模中缺失数据方法的影响，结构方程建模，16，70-98（2009）
[121] Shin，T。；马里兰州戴维森；Long，JD，非正态小样本纵向缺失数据的最大似然与多重插补，心理学方法，22，3，426-449（2017）
[122] Sinharay，S。；斯特恩，HS；Russell，D.，《使用多重插补分析缺失数据》，《心理学方法》，6317-329（2001）
[123] 斯奈德，M。；Tanke，ED，行为和态度：一些人比其他人更一致，《个性杂志》，44，501-517（1976）
[124] Stekhoven，J.D.（2016）。missForest：使用随机森林的非参数缺失值插补。R包版本1.4。
[125] DJ斯特霍芬；Bühlmann，P.，MissForest-混合型数据的非参数缺失值插补，生物信息学，28，1，112-118（2012）
[126] Tang，F.（2017）。随机森林缺失数据方法。开放存取论文。检索自https://schoolryrepository.miami.edu/oa_dissertations/1852
[127] 唐，F。；Ishwaran，H.，《随机森林缺失数据算法》，统计分析和数据挖掘，10，363-377（2017）·Zbl 07260721号
[128] 泰勒，L。；Zhou，XH，随机临床试验中治疗依从性和无反应的多重插补方法，生物计量学，65，188-95（2009）·兹比尔1159.62082
[129] van Brand，J。；Buuren，S。；Groothuis-Oudshoorn，C.，SAS中用于评估多重插补方法的工具包，Neerlandica统计，57，1，36-45（2003）
[130] van Burren，S.，《缺失数据的灵活插补》（2012年），查普曼和霍尔/CRC·Zbl 1256.62005年
[131] van Buuren，S。；品牌，JPL；Groothuis-Audshoorn，K。；Rubin，DB，《多元插补的完全条件规范》，《统计计算与模拟杂志》，76，12，1049-1064（2006）·Zbl 1144.62332号
[132] von Hipple，P.，缺失y的回归：分析多重估算数据的改进方法，社会学方法论，3783-117（2007）
[133] Von Hipple，P.，新的置信区间和偏差比较表明，在小样本中，最大似然可以是多重插补，结构方程建模，23，3，422-437（2016）
[134] 阿拉斯加州沃尔吉；穆克吉，A。；Singal，AG公司；Zhang，Y。；沃伦，J。；巴利斯，美国。；Marrero，J。；朱，J。；Higgins，PDR，《医学中缺失实验室数据插补方法的比较》，《英国医学杂志公开》，3，1-7（2013）
[135] 墙壁，MM；Amemiya，Y.，多项式结构方程模型的估计，美国统计协会杂志，95929-940（2000）·Zbl 0999.62094号
[136] Wilks，SS，《零星样本人口参数估计值的矩和分布》，《数理统计年鉴》，第3期，第163-195页（1932年）·Zbl 0005.07301号
[137] 沃特克，W。；小，TD；密苏里州施纳贝尔；Baumert，J.，《缺失数据的纵向和多组建模》，《纵向和多分组数据建模：实际问题、应用方法和具体示例》，219-240（2000），埃尔巴姆
[138] 元，KH；Bentler，PM，结构方程建模中基于正态理论的测试统计，英国数学与统计心理学杂志，51，289-309（1998）
[139] 元，KH；Bentler，PM，用非正态缺失数据进行均值和协方差结构分析的三种相似方法，社会学方法，30，165-200（2000）
[140] 元，KH；范，Y。；Bentler，PM，ML与MI关于违反分布条件的缺失数据的比较，社会学方法与研究，41，4，598-629（2012）
[141] 元，KH；杨华伦，F。；Bentler，PM，ML与MI关于违反分布条件的数据缺失的比较，社会方法研究，4，41598-629（2012）
[142] 袁，KH；唐，X。；Zhang，Z.，缺少数据和辅助变量的SEM的偏差和效率：两阶段稳健方法与两阶段ML，结构方程建模，22，2，178-192（2015）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。