×
弗雷德里科·波列托。;朱利奥·M·辛格。;卡洛斯·丹尼尔·保利诺

用于缺失响应的分类数据分析的产品多项式框架。 （英语） Zbl 1426.62012年

钎焊。J.遗嘱认证。斯达。 28，第1期，109-139（2014）。
小结：为了分析缺少答案的分类数据，我们扩展了第三作者[REBRAPE 5，No.1，1-42（1991；Zbl 0729.62638号)]到一个允许包含解释变量的产品-多项式框架。我们考虑了最大似然（ML）和加权最小二乘（WLS）以及混合ML/WLS方法，以在可忽略和不可忽略的缺失数据机制下拟合线性、对数线性和更一般的函数线性模型。我们用统一的矩阵表示法表示结果，这种方法可以方便地用于计算实现，并在R中开发了这样一组子程序。我们用两个数据集的分析来说明程序，并进行仿真以评估估计量的特性。

引用于4文件

MSC公司：

62-08 统计问题的计算方法
62甲12 多元分析中的估计
62层30 约束条件下的参数化推理

关键词：

EM算法;不完整的数据;缺少数据;缺失机制;选择模型

引文：

Zbl 0729.62638号

软件：

R（右）
PDF格式BibTeX公司 XML格式引用
\textit{F.Z.Poleto}等人，巴西。J.概率。Stat.28，No.1，109--139（2014；Zbl 1426.62012）
全文： 内政部 欧几里得

参考文献：

[1] Agresti，A.（2002年）。分类数据分析，第二版，纽约：Wiley·Zbl 1018.6202号
[2] Azzalini，A.（1994年）。应用于重复测量的自相关数据的Logistic回归。生物特征81767-775·Zbl 0825.62852号 ·doi:10.1093/biomet/81.4.767
[3] 贝克·S·G（1994）。缺失数据：不完整多项式数据的复合线性模型。医学统计学13609-622。
[4] Baker，S.G.和Laird，N.M.（1988年）。分类变量的回归分析，结果受不可忽视的无反应影响。美国统计协会杂志83，62-69；勘误表1232。
[5] Berndt，E.R.、Hall，B.H.、Hall，R.E.和Hausman，J.A.（1974年）。非线性结构模型中的估计和推断。《经济和社会计量年鉴》3，653-666。
[6] Blumenthal，S.（1968年）。部分分类数据的多项式抽样。《美国统计协会杂志》，第63/542-551页·Zbl 0159.48403号 ·doi:10.2307/2284025
[7] Chen，T.T.和Fienberg，S.E.（1974年）。包含完全和部分交叉分类数据的二维列联表。生物统计学30，629-642·Zbl 0294.62073号 ·doi:10.2307/2529228
[8] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977年）。通过EM算法获得不完整数据的最大可能性（带注释）。皇家统计学会杂志。乙39，1-38·Zbl 0364.62022号
[9] Fuchs，C.（1982）。缺失数据列联表中的最大似然估计和模型选择。《美国统计协会杂志》77270-278。
[10] Grizzle，J.E.、Starmer，C.F.和Koch，G.G.（1969年）。用线性模型分析分类数据。生物统计学25，489-504·Zbl 1149.62317号 ·doi:10.2307/2528901
[11] Hocking，R.R.和Oxspring，H.H.（1971）。不完全多项式数据的最大似然估计。美国统计协会杂志66，65-70·Zbl 0219.62004号 ·doi:10.2307/2284849
[12] Imrey，P.B.、Koch，G.G.、Stokes，M.E.、Darroch，J.N.、Freeman，D.H.Jr.和Tolley，H.D.（1981）。分类数据分析：对对数线性模型和逻辑回归的一些思考。第一部分：历史和方法概述。《国际统计评论》49，265-283·兹伯利0478.62003 ·doi:10.2307/1402613
[13] Imrey，P.B.、Koch，G.G.、Stokes，M.E.、Darroch，J.N.、Freeman，D.H.Jr.和Tolley，H.D.（1982）。分类数据分析：对对数线性模型和逻辑回归的一些思考。第二部分：数据分析。《国际统计评论》50，35-63·Zbl 0508.62005号 ·doi:10.2307/1402458
[14] Kenward，M.G.和Molenberghs，G.（1998年）。当数据随机丢失时，基于可能性的频率学家推断。统计科学13236-247·Zbl 1099.62503号 ·doi:10.1214/ss/1028905886
[15] Kenward，M.G.、Goetghebeur，E.和Molenberghs，G.（2001年）。不完整分类数据的敏感性分析。统计建模1，31-48·Zbl 0983.62078号 ·doi:10.1191/147108201128078
[16] Koch，G.G.、Imrey，P.B.和Reinfurt，D.W.（1972年）。不完全响应向量分类数据的线性模型分析。生物统计学28，663-692。
[17] Landis，J.R.、Stanish，W.M.、Freeman，J.L.和Koch，G.G.（1976年）。使用加权最小二乘法对分类数据进行广义齐方分析的计算机程序（GENCAT）。生物医学中的计算机方法和程序6196-231。
[18] Lipsitz，S.R.和Fitzmaurice，G.M.（1996）。缺失数据的列联表的独立性得分测试。生物统计学52，751-762·Zbl 0875.62234号 ·doi:10.2307/2532915
[19] Lipsitz，S.R.、Laird，N.M.和Harrington，D.P.（1994年）。重复分类测量的加权最小二乘分析，结果无反应。生物统计学50，11-24·Zbl 0826.62082号 ·doi:10.2307/2533193
[20] Little，R.J.A.和Rubin，D.B.（2002年）。缺失数据的统计分析，第二版，纽约：Wiley·Zbl 1011.62004号
[21] Molenberghs，G.、Beunckens，C.、Sotto，C.和Kenward，M.G.（2008年）。每个非随机缺失模型都有一个匹配度相等的随机缺失对应物。皇家统计学会杂志。乙70，371-388·Zbl 1148.62046号 ·doi:10.1111/j.1467-9868.2007.00640.x
[22] Molenberghs，G.和Goetghebeur，E.（1997年）。不完全分类数据的简单拟合算法。皇家统计学会杂志。B 59，401-414·Zbl 0886.62062号
[23] Molenberghs，G.、Goetghebeur，E.、Lipsitz，S.R.和Kenward，M.G.（1999年）。分类数据中的非随机缺失：优势和局限性。美国统计学家53，110-118。
[24] Paulino，C.D.（1991）。不完全分类数据的分析：条件最大似然法和加权最小二乘法的调查。巴西概率统计杂志5，1-42·Zbl 0729.62638号
[25] Paulino，C.D.和Silva，G.L.（1999）。分类数据中一般线性模型的最大似然分析。计算统计与数据分析30197-204·Zbl 1061.62544号
[26] Paulino，C.D.和Soares，P.（2003）。不完全泊松数据中的速率分析。统计学家52，87-99。
[27] Poleto，F.Z.（2006）。缺失的分类数据分析。圣保罗大学理科硕士论文（葡萄牙语）。
[28] Poleto，F.Z.、Singer，J.M.和Paulino，C.D.（2011年a）。缺失数据机制及其对分类数据分析的影响。统计与计算21，31-43·Zbl 1274.62652号
[29] Poleto，F.Z.、Paulino，C.D.、Molenberghs，G.和Singer，J.M.（2011年b）。过度参数化的推理含义：不完全分类数据的案例研究。《国际统计评论》79，92-113。
[30] R开发核心团队（2012年）。R： 统计计算语言和环境。维也纳：R统计计算基金会。
[31] Rubin，D.B.（1976年）。推断和缺失数据。生物特征63，581-592·Zbl 0344.62034号 ·doi:10.1093/biomet/63.3.581
[32] Rubin，D.B.（1987）。调查中无应答的多重插补。纽约：Wiley·2007年6月10日
[33] Schafer，J.L.（1997）。不完全多元数据分析。博卡拉顿：查普曼和霍尔·Zbl 0997.62510号
[34] Vansteelandt，S.、Goetghebeur，E.、Kenward，M.G.和Molenberghs，G.（2006年）。在敏感性分析中，无知和不确定性区域作为推断工具。中国统计局16，953-979·Zbl 1108.62005号
[35] Williamson，G.D.和Haber，M.（1994年）。具有完全和部分交叉分类数据的三维列联表模型。生物统计学49，194-203·Zbl 0825.62493号 ·doi:10.2307/2533209
[36] Woolson，R.F.和Clarke，W.R.（1984）。分类不完整纵向数据分析。英国皇家统计学会期刊，Ser。A 14787-99。
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。