参数回归模型中缺失协变量的Monte Carlo EM

我们提出了一种估计具有任意数量缺失协变量的一般参数回归模型参数的方法。我们允许任何形式的缺失数据，并假设缺失数据机制始终可以忽略。当缺失的协变量是分类的时，通过易卜拉欣（1990，美国统计协会杂志 85, 765–769). 我们通过采用Wei和Tanner（1990，美国统计协会杂志 85, 699–704). 此外，我们讨论了在给定观测数据的情况下，从缺失协变量的条件分布中进行采样的Gibbs采样器，并证明了适当的完全条件是对数连续的。条件分布的对数压缩特性将有助于通过Gilks和Wild（1992，应用统计学 41, 337–348). 我们假设给定协变量的响应模型是任意参数回归模型，例如广义线性模型、参数生存模型或非线性模型。我们将协变量的边际分布建模为一维条件分布的乘积。这使我们在建模协变量分布时具有很大的灵活性，并减少了E步骤中引入的干扰参数的数量。我们给出了涉及模拟数据和实际数据的示例。