丹尼尔斯,M.J。;C·王。;B.H.马库斯。 在存在辅助协变量的可忽略遗漏下的完全贝叶斯推理。 (英语) Zbl 1419.62333号 生物计量学 70,第1号,62-72(2014)。 小结:为了使随机缺失(MAR)或可忽略性假设成为现实,通常需要辅助协变量。然而,在推理模型中不需要辅助协变量。典型的多重插补方法并不假定插补模型边缘化为推理模型。这被称为“不合情理”[X.-L.孟,“输入来源不一致的多重插补推论”,《统计科学》。9,第4期,538–558(1994年),https://projecteuclid.org/euclid.ss/1177010269]. 为了使这两个模型相吻合(或兼容),我们宁愿不假设辅助协变量的边际分布的参数模型,但我们通常没有足够的数据以非参数方式很好地估计联合分布。此外,当插补模型使用非线性链接函数(例如,二元响应的逻辑链接)时,辅助协变量的边缘化导致推断模型通常难以解释协变量的影响形式。在本文中,我们提出了一种完全贝叶斯方法,通过在插补模型中嵌入一个可解释的推理模型来确保模型与不完整的纵向数据兼容,这也解决了上述两个复杂问题。我们通过模拟评估该方法,并在最近的临床试验中实施。 引用于5文件 MSC公司: 62页第10页 统计学在生物学和医学中的应用;元分析 2015年1月62日 贝叶斯推断 62J12型 广义线性模型(逻辑模型) 关键词:辅助变量MAR;同源插补;边缘化模型;多重插补 PDF格式BibTeX公司 XML格式引用 \textit{M.J.Daniels}等人,《生物统计学70》,第1期,第62-72页(2014年;Zbl 1419.62333) 全文: 内政部 链接 参考文献: [1] Borrelli,B.、Hogan,J.W.、Bock,B.、Pinto,B.、Roberts,M.和Marcus,B.(2002年)。基于诊所的戒烟计划中女性戒烟和辍学的预测因素。成瘾行为心理学16,22-27。 [2] Burns,R.A.、Butterworth,P.、Kiely,K.M.、Bielak,A.A.M.、Luszcz,M.A.、Mitchell,P.,Christensen,H.、Von Sanden,C.和Anstey,K.J.(2011年)。多重插补是一种有效的方法,可以将小型心理状态检查与缺失的项目级数据协调起来。《临床流行病学杂志》64,787-793。 [3] Daniels,M.J.(1999)。层次模型中方差的先验。《加拿大统计杂志》/《加拿大统计评论》27,567-578·Zbl 0942.62026号 [4] Daniels,M.J.和Hogan,J.W.(2008)。纵向研究中的缺失数据:贝叶斯建模和敏感性分析策略。佛罗里达州博卡拉顿:查普曼和霍尔/CRC·兹比尔1165.62023 [5] Gelman,A.和Raghunathan,T.E.(2001年)。使用条件分布进行缺失数据插补。条件指定分布的讨论,Arnold等人,《统计科学》3,268-269。 [6] Heagerty,P.J.(2002)。纵向分类数据的边缘化转移模型和似然推断。生物统计学58,342-351·Zbl 1209.62158号 [7] Ishwaran,H.和Rao,J.S.(2005年)。尖峰和平板变量选择:频繁和贝叶斯策略。《统计年鉴》33,730-773·Zbl 1068.62079号 [8] Kenward,M.G.和Carpenter,J.(2007年)。多重插补:当前观点。医学研究中的统计方法16,199-218·Zbl 1122.62358号 [9] Lavori,P.W.、Dawson,R.和Shera,D.(1995)。截断患者数据的临床试验的多重插补策略。医学统计,1913-1925年。 [10] Little,R.J.A.和Rubin,D.B.(1987年)。缺失数据的统计分析。纽约州纽约市:Wiley·Zbl 0665.62004号 [11] Liu,C.(1995)。使用多元t分布进行缺失数据插补。《多变量分析杂志》53139-158·Zbl 0855.62051号 [12] Marcus,B.H.,Albrecht,A.E.,King,T.K.,Parisi,A.F.,Pinto,B.M.,Roberts,M.,Niaura,R.S.和Abrams,D.B.(1999)。运动帮助女性戒烟的效果:一项随机对照试验。内科学档案1591229-1234。 [13] 孟晓乐(1994)。输入来源不一致的多重插补推断。统计科学9538-558。 [14] Raghunathan,T.E.、Lepkowski,J.M.、Van Hoewyk,J.和Solenberger,P.(2001年)。使用回归模型序列进行多重输入缺失值的多元技术。调查方法27,85-96。 [15] Roy,J.和Daniels,M.J.(2008)。一类具有许多可能的丢失时间的不可忽略丢失的模式混合模型。生物统计学64,538-545·兹比尔1137.62016 [16] Rubin,D.B.(1976年)。推断和缺失数据。生物特征63581-592·Zbl 0344.62034号 [17] Rubin,D.B.(1978年)。抽样调查中的多重插补——对无应答的现象学贝叶斯方法。《美国统计协会调查研究方法汇编》,20-34。 [18] Rubin,D.B.和Schafer,J.L.(1990年)。有效地为不完整的多元正态数据创建多重插补。美国统计协会统计计算部会议记录,83-88。 [19] Schafer,J.L.(1997)。不完全多元数据分析。佛罗里达州博卡拉顿:查普曼和霍尔/CRC·Zbl 0997.62510号 [20] Van Buuren,S.、Boshuizen,H.C.和Knook,D.L.(1999)。生存分析中缺失血压协变量的多重插补。医学统计18,681-694。 [21] Wang,C.、Daniels,M.J.、Scharfstein,D.O.和Land,S.(2010年)。不完全纵向二元数据的贝叶斯收缩模型及其在乳腺癌预防试验中的应用。《美国统计协会杂志》105,1333-1346·Zbl 1388.62336号 [22] Wang,C.、Parmigiani,G.和Dominici,F.(2012)。考虑调整不确定性的贝叶斯效应估计。生物统计学68,661-671·兹比尔1274.62895 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。