杨，舒;Kim，Jae Kwang先生 缺失随机条件下基于似然的缺失数据推理。 （英语） Zbl 1384.62071号 扫描。J.统计。 43，第2期，436-454（2016）。 摘要：基于似然的缺失数据推断具有挑战性，因为观测到的对数似然通常是缺失数据分布的（难处理的）积分，它也依赖于未知参数。通过蒙特卡罗采样近似积分不一定会在整个参数空间中产生有效的可能性，因为蒙特卡罗样本是由具有固定参数值的分布生成的。{}我们考虑基于重要性抽样近似观察到的对数似然。在该方法中，积分对参数的依赖性通过分数权重得到了正确反映。我们讨论了使用剖面似然比检验构造置信区间。采用Newton-Raphson算法寻找区间端点。两个有限的仿真研究表明，Wilks推理在功率、参数空间一致性和计算效率方面优于Wald推理。一个关于蝾螈交配的真实数据示例表明，我们的方法也能很好地处理高维缺失数据。 引用于2文件 MSC公司： 62英尺10英寸 点估计 62层25 参数公差和置信区域 关键词：置信区间;分数填补法;似然比;无响应;剖面似然比 PDF格式BibTeX公司 XML格式引用 \textit{S.Yang}和\textit{J.K.Kim}，扫描。J.Stat.43，No.2，436--454（2016；Zbl 1384.62071） 全文： 内政部 参考文献： [1] Allison，缺失数据（2001） [2] Booth，《使用自动蒙特卡罗EM算法最大化广义线性混合模型可能性》，J.R.Stat.Soc.Ser。B.Stat.Methodol 61第265页–（1999年）·Zbl 0917.62058号 ·doi:10.1111/1467-9868.00176 [3] Dempster，通过EM算法获得不完整数据的最大似然，《皇家统计学会杂志：B辑（统计方法）》，39 pp 1–（1977）·Zbl 0364.62022号 [4] Fisher，统计估计理论，《剑桥哲学学会学报》22页700–（1925）·doi:10.1017/S0305004100009580 [5] Glynn，不可忽略无响应的混合模型中的多重插补，《美国统计协会杂志》88页，984–（1993）·Zbl 0780.62011号 ·doi:10.1080/016214519993.10476366 [6] Hartley，不完全数据的最大似然估计，《生物医学》14页174–（1958）·Zbl 0081.13904号 ·doi:10.2307/2527783 [7] 易卜拉欣，广义线性模型中的不完全数据，美国统计协会杂志85页765–（1990）·网址：10.1080/01621459.1990.10474938 [8] 易卜拉欣，当缺失数据机制不可忽略时，广义线性模型中的缺失协变量，皇家统计学会期刊：B辑（统计方法）61页173–（1999）·Zbl 0917.62060号 ·doi:10.1111/1467-9868.00170 [9] 卡里姆，具有随机效应的广义线性模型：蝾螈交配重访，《生物统计学》48页631–（1992）·doi:10.2307/2532317 [10] Kent，似然比检验的稳健特性，Biometrika 69 pp 19–（1982）·Zbl 0485.62031号 [11] Kim，缺失数据分析的参数分数插补，Biometrika 98第119页–（2011）·Zbl 1214.62024号 ·doi:10.1093/biomet/asq073 [12] Kim，处理不完整数据的统计方法（2013年） [13] 很少，缺少数据的统计分析（2002年）·Zbl 1011.62004号 ·doi:10.1002/9781119013563 [14] Louis，《使用EM算法时发现观测到的信息矩阵》，《皇家统计学会期刊：B辑（统计方法）》44页226–（1982）·Zbl 0488.62018号 [15] McCullagh，广义线性模型（1989）·兹伯利0588.62104 ·doi:10.1007/9781-4899-3242-6 [16] McLachlan，EM算法和扩展（2007） [17] Meng，利用多重估算数据集进行似然比检验，Biometrika 79第103页–（1992）·Zbl 0754.62041号 ·doi:10.1093/biomet/79.1.103 [18] Molenberghs，《临床研究缺失数据》，《热带儿科杂志》53页294–（2007）·doi:10.1093/tropej/fmm053 [19] 尼尔森，《恰当和不当多重插补》，《国际统计评论》71，第593页–（2003年）·Zbl 1114.62323号 ·doi:10.1111/j.1751-5823.003.tb00214.x [20] Oakes，通过EM算法直接计算信息矩阵，《皇家统计学会杂志：B辑（统计方法）》，第61页，479–（1999）·Zbl 0913.62036号 ·doi:10.1111/1467-9868.00188 [21] Owen，经验似然（2001）·doi:10.1201/9781420036152 [22] Pawitan，《所有可能性：使用可能性的统计建模和推断》（2001年）·Zbl 1013.62001号 [23] 秦，缺失数据问题的经验可能性，《美国统计协会杂志》104页1492–（2009）·兹比尔1205.62147 ·doi:10.1198/jasa.2009.tm08163 [24] Rao，缺失响应数据插补下基于经验似然推理，《统计年鉴》30，第896页–（2002）·Zbl 1029.62040号 ·doi:10.1214/aos/1028674845 [25] 鲁宾，《推断和缺失数据》，《生物统计学》63第581页–（1976年）·Zbl 0344.62034号 ·doi:10.1093/biomet/63.3.581 [26] Robins，插补估计器的推断，《生物特征》87第113页–（2000）·Zbl 0974.62016 ·doi:10.1093/biomet/87.1.113 [27] Severini，《统计学中的似然方法》（2001年） [28] Schwarz，估算模型的维度，《统计年鉴》第6卷第461页–（1978年）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [29] Sung，缺失数据模型的蒙特卡洛似然推断，《统计年鉴》38，第990页–（2007）·Zbl 1124.62009年 ·doi:10.1214/00905360000001389 [30] Tanner，《通过数据增强计算后验分布》，J.Amer。统计师。Assoc 82第528页–（1987）·Zbl 0619.62029号 ·doi:10.1080/016214519987.10478458 [31] Venzon，基于轮廓线的置信区间计算方法，《皇家统计学会杂志：C辑（应用统计学）》，37页，87–（1988） [32] Wei，EM算法和穷人数据增强算法的蒙特卡罗实现，《美国统计协会杂志》85页699–（1990）·网址：10.1080/01621459.1990.10474930 [33] Wilks，《检验复合假设的似然比的大样本分布》，《数理统计年鉴》9第1页–（1938）·兹伯利0018.32003 ·doi:10.1214/aoms/1177732360 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。