文森特·奥迪吉尔;弗朗索瓦·侯松;朱莉·乔西 MIMCA：利用多重对应分析对分类变量进行多重插补。 （英语） Zbl 1505.62485号 统计计算。 27，第2期，501-518（2017）. 摘要：我们提出了一种多重插补方法来处理不完整的分类数据。该方法使用专门用于分类数据的主成分方法：多重对应分析（MCA）来插补缺失条目。插补模型参数的不确定性通过非参数自举法反映出来。由于MCA的降维特性，使用MCA（MIMCA）进行多重插补需要估计少量参数。它允许用户输入大量数据集。特别是，对于MIMCA来说，每个变量的类别数量多、变量数量多或个体数量少都不是问题。通过基于真实数据集的模拟研究，对该方法进行了评估，并与参考方法进行了比较（使用对数线性模型进行多重插补，使用逻辑回归进行多重插拔）以及关于该主题的最新著作（通过随机森林或通过多项分布模型乘积的Dirichlet过程混合进行多重插补）。该方法提供了所考虑分析模型参数的良好点估计，例如主效应logistic回归模型的系数，以及估计值变异性的可靠估计。此外，与其他多重插补方法相比，MIMCA具有在高维数据集上花费更少时间的巨大优势。 引用于6文件 MSC公司： 62H25个 因子分析和主成分；对应分析 62-08 统计问题的计算方法 关键词：缺少值;分类数据;多重插补;多重对应分析;引导数据库 软件：错误MDA;科恩拉布;老鼠;猫;REALCOM公司;乔莫;惯性矩;BaBooN公司;miss森林;SAS/IML公司;阿梅利亚;UCI-毫升;R（右） PDF格式BibTeX公司 XML格式引用 \textit{V.Audigier}等人，《统计计算》。27，第2号，501--518（2017；Zbl 1505.62485） 全文： 内政部 arXiv公司 参考文献： [1] Agresti，A.：分类数据分析。概率统计威利级数。威利，纽约（2013）·Zbl 1281.62022号 [2] Agresti，A.，Coull，B.A.：对于二项式比例的区间估计，近似比“精确”更好。《美国统计》52（2），119-126（1998）。doi:10.2307/2685469·电话：10.2307/2685469 [3] Albert，A.，Anderson，J.A.：关于逻辑回归模型中最大似然估计的存在性。《生物特征》71（1），1-10（1984）。doi:10.2307/2336390·Zbl 0543.62020号 ·doi:10.2307/2336390 [4] Allison，P.D.：通过最大可能性处理缺失数据。摘自：SAS全球论坛，第1-21页（2012年） [5] Allison，P.D.：缺失数据。《千橡树圣人》（2002）·Zbl 1140.62354号 ·数字对象标识代码：10.4135/9781412985079 [6] 应用数学系，Agrocampus O，France（2010）galetas数据集。http://math.agrocampus-ouest.fr/infoglueDeliverLive/digitalAssets/74258_galetas.txt [7] Audigier，V.，Husson，F.，Josse，J.：使用贝叶斯主成分分析对连续变量进行多重插补。J.统计计算。模拟。(2014). doi:10.1080/0949655.2015.1104683·Zbl 1505.62485号 [8] Audigier，V.，Husson，F.，Josse，J.：一种用于插补混合数据缺失值的主成分方法。高级数据分析。分类。7, 1-22 (2014) [9] Barnard，J.，Rubin，D.B.：具有多重插补的小样本自由度。《生物特征》86，948-955（1999）·Zbl 0942.62025号 ·doi:10.1093/biomet/86.4.948 [10] Bartlett，J.W.，Seaman，S.R.，White，I.R.，Carpenter，J.R.：通过完全条件规范对协变量进行多重插补：适应实质模型。统计方法。《医学研究》24，462（2014）·doi:10.1177/0962280214521348 [11] Benzécri，J.P.：《多纳分析》。L'analyse des données酒店。汤姆二世：L'analyse des correspondances。Dunod（1973）·兹比尔0297.62039 [12] Bernaards，C.A.、Belin，T.R.、Schafer，J.L.：不完全二进制数据插补的多元正态近似的稳健性。Stat.Med.26（6），1368-1382（2007）·数字对象标识代码：10.1002/sim.2619 [13] Besag，J.：晶格系统的空间相互作用和统计分析。J.R.统计社会服务。B（方法学）36（2），192（1974）·Zbl 0327.60067号 [14] Brand，J.P.L.，van Buuren，S.，Groothuis Oudshoorn，K.，Gelsema，E.S.：用于评估多种插补方法的sas工具包。内尔统计局。57(1), 36-45 (2003). doi:10.1111/1467-9574.00219·doi:10.1111/1467-9574.00219 [15] Candès，E.J.，Tao，T.：凸松弛的力量：近优矩阵完成。IEEE传输。《信息论》56（5），2053-2080（2009）。doi:10.1109/TIT.2010.2044061·Zbl 1366.15021号 ·doi:10.1109/TIT.2010.2044061 [16] Carpenter，J.R.、Goldstein，H.、Kenward，M.G.：REALCOM-IMPUTE软件，用于混合反应类型的多级多重插补。J.统计软件。45(5), 1-14 (2011), http://www.jstatsoft.org/v45/i05 ·Zbl 1366.15021号 [17] Carpenter，J.，Kenward，M.：多重插补及其应用，第1版。奇切斯特·威利（2013）·兹比尔1352.62008 ·doi:10.1002/9781119942283 [18] 道森，R.J.M.：重新审视了“不寻常事件”数据。统计教育杂志3，1-7，http://www.amstat.org/publications/jse/v3n3/datasets.dawson.html (1995) [19] Demirtas，H.：多重插补二进制数据的舍入策略。生物。J.51（4），677-688（2009）·Zbl 1442.62334号 ·doi:10.1002/bimj.200900018 [20] Dempster，A.P.，Laird，N.M.，Rubin，D.B.：通过em算法获得不完整数据的最大似然。J.R.Stat.Soc.B 39，1-38（1977年）·Zbl 0364.62022号 [21] Doove，L.L.，Van Buuren，S.，Dusseldorp，E.：存在交互效应时缺失数据插补的递归分区。计算。统计数据分析。72, 92-104 (2014). doi:10.1016/j.csda.2013.10.025·Zbl 1506.62056号 ·doi:10.1016/j.csda.2013.10.025文件 [22] Dunson，D.B.，Xing，C.：多元分类数据的非参数Bayes建模。《美国统计协会期刊》104（487），1042-1051（2009）·Zbl 1388.62151号 ·doi:10.1198/jasa.2009.tm08439 [23] Eckart，C.，Young，G.：一个矩阵与另一个低秩矩阵的近似。《心理测量学》1（3），211-218（1936）·doi:10.1007/BF02288367 [24] Gavish，M.，Donoho，D.：奇异值的最佳收缩。arXiv:1405.7511电子版（214）·Zbl 1366.94100号 [25] Gelman，A.、Hill，J.、Su，Y.、Yajima，M.、Grazia Pittau，M.和Goodrich，B.、Si，Y.:mi：缺失数据插补和模型检查。R包版本0.9-93（2013） [26] Gifi，A.：非线性多元分析。D.S.W.O.出版社，莱顿（1981）·Zbl 0697.62048号 [27] 葛兰素史克公司，加拿大安大略省多伦多市：血压数据集。http://www.math.yorku.ca/Who/Faculty/Ng/ssc2003/BMainF.htm (2003) [28] Greenacre，M.J.：对应分析的理论与应用。伦敦学术出版社（1984）·Zbl 0555.62005号 [29] Greenacre，M.J.，Blasius，J.：多重对应分析及相关方法。Chapman&Hall/CRC，博卡拉顿（2006）·Zbl 1277.62156号 ·doi:10.1201/9781420011319 [30] Harding，T.、Tusell，F.、Schafer，J.L.：目录：缺失值的分类变量数据集分析。http://CRAN.R-project.org/package=cat，r包版本0.0-6.5（2012） [31] Honaker，J.、King，G.、Blackwell，M.：Amelia II：缺失数据程序。R包版本1.7.2（2014） [32] Honaker，J.、King，G.、Blackwell，M.：Amelia II：缺失数据程序。J.统计软件。45(7), 1-47 (2011) ·doi:10.18637/jss.v045.i07 [33] Husson，F.，Josse，J.：missMDA：用多元数据分析处理缺失值。http://CRAN.R-project.org/package=missMDA，r包版本1.9（2015）·Zbl 1316.62006年 [34] Ishwaran，H.，James，L.：破胶前期的吉布斯取样方法。《美国法律总汇》第96卷第453页，第161-173页（2001年）·Zbl 1014.62006年 ·doi:10.1198/016214501750332758 [35] Josse，J.，Chavent，M.，Liquet，B.，Husson，F.：用正则化迭代多重对应分析处理缺失值。J.分类。29, 91-116 (2012) ·Zbl 1360.62306号 ·doi:10.1007/s00357-012-9097-0 [36] Josse，J.，Husson，F.：使用交叉验证近似值选择主成分分析中的成分数量。计算。统计数据分析。56(6), 1869-1879 (2011) ·Zbl 1243.62082号 ·doi:10.1016/j.csda.2011.11.012 [37] Josse，J.，Husson，F.：错失了一个处理多元数据分析方法中缺失值的包。J.统计软件。25, 1 (2015) [38] Josse，J.，Sardy，S.：奇异值的自适应收缩。统计计算。71, 1-10 (2015) ·Zbl 1505.62207号 [39] Karatzoglou，A.，Smola，A.，Hornik，K.，Zeileis，A.：内核——R.J.Stat.Softw中内核方法的S4包。11(9):1-20, http://www.jstatsoft.org/v11/i09/ (2004) [40] King，G.，Honaker，J.，Joseph，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。版本95（1），49-69（2001） [41] Lebart，L.，Morineau，A.，Werwick，K.M.：多元描述性统计分析。纽约威利（1984）·Zbl 0658.62069号 [42] Lichman，M.：UCI机器学习库。http://archive.ics.uci.edu/ml (2013) ·Zbl 1506.62056号 [43] Little，R.J.A.，Rubin，D.B.：缺失数据的统计分析。《概率统计中的威利级数》，威利，纽约（19872002）·Zbl 0665.62004号 [44] Meinfelder，F.，Schnapp，T.：BaBooN：贝叶斯自举预测均值匹配——离散数据的多重和单一插补。https://CRAN.R-project.org/package=BaBooN，r包版本0.2-0（2015）·Zbl 1366.15021号 [45] Meng，X.L.，Rubin，D.B.：使用EM获得渐近方差-协方差矩阵：SEM算法。《美国法律总汇汇编》第86（416）、899-909页（1991）·doi:10.1080/01621459.1991.10475130 [46] Nishisato，S.：分类数据分析：双尺度及其应用。多伦多大学出版社，多伦多（1980）·Zbl 0487.62001号 [47] Quartagno，M.，Carpenter，J.：jomo：多级联合建模多重插补软件包。http://CRAN.R-project.org/package=jomo（2015年） [48] R核心团队：R：统计计算的语言和环境。R统计计算基金会，维也纳，网址：http://www.R-project.org/ (2014) ·Zbl 0327.60067号 [49] Rousseauw，J.，du Plessis，J.、Benade，A.、Jordann，P.、Kotze，J.和Jooste，P.，Ferreira，J.：三个农村社区的冠心病风险因素筛查。南非。《医学杂志》64，430-436（1983） [50] 鲁宾，D.B.：调查中无回应的多重插补。威利，纽约（1987）·2007年6月10日 ·数字对象标识代码：10.1002/9780470316696 [51] Schafer，J.L.：不完全多元数据分析。查普曼和霍尔/CRC，伦敦（1997）·Zbl 0997.62510号 ·doi:10.1201/9781439821862 [52] Schafer，J.L.：当插补和分析模型不同时，多变量问题中的多重插补。内尔统计局。57(1), 19-35 (2003) ·doi:10.1111/1467-9574.00218 [53] Seaman，S.R.、Bartlett，J.W.、White，I.R.：具有非线性效应和相互作用的缺失协变量的多重插补：统计方法的评估。BMC医学研究方法。12(1), 46 (2012). doi:10.1186/1471-2288-12-46·doi:10.1186/1471-2288-12-46 [54] Shabalin，A.，Nobel，B.：高斯噪声中低阶矩阵的重建。J.多变量。分析。118, 67-76 (2013) ·Zbl 1280.15022号 ·doi:10.1016/j.jmva.2013.03.005 [55] Shah，A.D.、Bartlett，J.W.、Carpenter，J.、Nicholas，O.、Hemingway，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CALIBER研究。美国流行病学杂志。179(6), 764-774 (2014). doi:10.1093/aje/kwt312·doi:10.1093/aje/kwt312 [56] Si，Y.，Reiter，J.：大规模评估调查中不完全分类变量的非参数贝叶斯多重插补。J.教育。行为。《统计》第38卷，第499-521页（2013年）·数字对象标识代码：10.3102/1076998613480394 [57] Stekhoven，D.J.，Bühlmann，P.：混合型数据的森林非参数缺失值插补。生物信息学28（1），112-118（2012）·doi:10.1093/bioinformatics/btr597 [58] Tenenhaus，M.，Young，F.W.：多重对应分析、最优标度、双重标度、同质性分析和其他量化分类多变量数据方法的分析和综合。《心理测量学》50，91-119（1985）·Zbl 0585.62104号 ·doi:10.1007/BF02294151 [59] Van Buuren，S.，Groothuis-Oudshoorn，K.：老鼠。R程序包版本2.22（2014） [60] Van Buuren，S.、Brand，J.P.L.、Groothuis-Oudshoorn，C.G.M.、Rubin，D.B.：多元插补中的完全条件规范。J.统计计算。模拟。76, 1049-1064 (2006) ·Zbl 1144.62332号 ·网址：10.1080/10629360600810434 [61] Van Buuren，S.：缺失数据的灵活插补（Chapman&Hall/CRC跨学科统计），第1版。查普曼和霍尔/CRC，博卡拉顿（2012）·Zbl 1256.62005年 ·doi:10.1201/b11826 [62] Van Buuren，S.，Groothuis-Oudshoorn，C.G.M.：小鼠：R.J.Stat.Softw中链式方程的多元插补。45（3），1-67（2011）·doi:10.18637/jss.v045.i03 [63] Van der Heijden，P.，Escofier，B.：对应分析：recherches au coeur de l'Analyse des donnees，Presses universitiaes de Rennes，Rennes（法国雷恩出版社），第152-170页（2003） [64] van der Palm，D.，van der Ark，L.，Vermunt，J.：分类数据的不完全数据方法的比较。统计方法医学研究17、33（2014） [65] Verbanck，M.、Josse，J.、Husson，F.：正则主成分分析（Regularized PCA），用于去噪和可视化数据。统计计算。25(2), 471-486 (2013). doi:10.1007/s11222-013-9444-y·Zbl 1331.62298号 ·doi:10.1007/s11222-013-9444-y [66] Vermunt，J.K.，van Ginkel，J.R.，van der Ark，L.A.，Sijtsma，K.：使用潜在类别分析对不完整分类数据进行多重插补。社会学。Methodol公司。38(38), 369-397 (2008) ·文件编号：10.1111/j.1467-9531.2008.00202.x [67] Vidotto，D.、Kapteijn，M.C.、Vermunt，J.：使用潜在类别模型对缺失的分类数据进行多重插补：最新发展水平。心理学。测试评估。模型。57, 542 (2014) [68] Yucel，R.M.，He，Y.，Zaslavsky，A.M.：使用校准改进插补中的四舍五入。《美国统计》第62卷第125-129页（2008年）·doi:10.1198/000313008X300912 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。