摘要

总结

当其中一个变量的值缺失时,开发了基于似然的方法来分析两个连续变量上的随机样本。Anderson(1957)推导了值完全随机缺失时的正常最大似然估计。如果缺失数据机制是可忽略的,则它们也是最大可能的,在Rubin(1976)的意义上,该机制仅依赖于观测数据。本文描述了一类新的模式混合模型(Little,1993),假设缺失依赖于两个变量线性组合的任意未指定函数。这类模型的最大似然是直接的,当缺失仅取决于完全观测到的变量时,产生Anderson(1957)的估计,当缺失仅取决于不完全观测到的变量时,产生Brown(1990)的估计。线性组合的另一种选择是通过完整分析得出估计值。描述了该模型的大样本和贝叶斯方法。这些数据没有提供关于控制缺失的线性组合系数比率的信息。如果这个比率没有根据先验知识很好地确定,则可以指定先验分布,然后很容易完成贝叶斯推理。或者,可以显示各种比率选择的推论敏感性。

此内容仅以PDF格式提供。
您当前没有访问此文章的权限。