×
李锡百胜

具有不可忽略缺失数据的非线性结构方程模型的贝叶斯分析。 （英语） Zbl 1306.62459号

心理测量学 71，第3期，541-564（2006）.
摘要：开发了一种贝叶斯方法来分析具有不可忽略缺失数据的非线性结构方程模型。不可忽视的缺失机制由逻辑回归模型指定。将Gibbs采样器和Metropolis-Hastings算法相结合的混合算法用于生成不可忽略缺失模型中结构参数、潜在变量、参数的联合Bayes估计及其标准误差估计。引入了一种用于评估假定非线性结构方程模型合理性的拟合优度统计量，并通过路径采样开发了用于模型比较的贝叶斯因子的计算程序。通过仿真研究比较了不同缺失数据模型和不同先验输入的结果。特别地，研究表明，在存在不可忽略的缺失数据的情况下，采用不可忽略缺失数据模型的方法获得的结果明显优于在随机缺失假设下获得的结果。通过一个实例来说明新开发的贝叶斯方法。

引用于19文件

MSC公司：

第62页，共15页 统计学在心理学中的应用

关键词：

贝叶斯因子;吉布斯采样器;Metropolis-Hastings算法;模型比较;不可忽略的缺失数据;路径采样

软件：

贝叶斯DA;R2 WinBUGS软件;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{S.-Y.Lee}，《心理测量学》71，第3期，541--564（2006；Zbl 1306.62459）
全文： 内政部

参考文献：

[1] Ansari，A.、Jedidi，K.和；Dube，L.（2002）。异质因素分析模型：贝叶斯方法。《心理测量学》，67、49–78·Zbl 1297.62133号 ·doi:10.1007/BF02294709
[2] Bayarri，M.J.和；Berger，J.O.（2000）。复合空模型的P值。美国统计协会杂志，951127-1142·Zbl 1004.62022号
[3] A.P.Dempster、N.M.Laird和；鲁宾，D.B.（1977）。通过EM算法获得不完整数据的最大似然（讨论后）。英国皇家统计学会杂志，B辑，39，1-38·Zbl 0364.62022号
[4] DiCiccio，T.J.、Kass，R.E.、Raftery，A.和；Wasserman，L.（1997）。通过结合模拟和渐近近似计算贝叶斯因子。美国统计协会杂志，92903-915·Zbl 1050.62520号 ·doi:10.1080/01621459.1997.10474045
[5] 迪格尔，P.，&amp；Kenward，M.G.（1994年）。纵向数据分析中的信息缺失（讨论）。应用统计学，43，49-93·Zbl 0825.62010号 ·doi:10.2307/2986113
[6] Dunson，D.B.（2000年）。集群混合结果的贝叶斯潜在变量模型。英国皇家统计学会杂志，B辑，62355-366·doi:10.1111/1467-9868.00236
[7] Gelman，A.（1996）。推断和监控收敛。在W.R.Gilks、S.Richardson和；D.J.Speigelhalter（编辑），马尔可夫链蒙特卡罗实践（第131-144页）。伦敦：查普曼；霍尔·Zbl 0839.62020号
[8] Gelman，A.、Carlin，J.B.、Stern，H.S.和；鲁宾，D.B.（1995）。贝叶斯数据分析。伦敦：查普曼；霍尔·Zbl 1279.62004号
[9] Gelman，A.和；Meng，X.L.（1998）。模拟归一化常数：从重要性采样到桥接采样再到路径采样。统计科学，13，163–185·Zbl 0966.65004号 ·doi:10.1214/ss/1028905934
[10] Gelman，A.、Meng，X.L.和；Stern，H.（1996）。通过实现差异对模型适合性进行后验预测评估。中国统计局，6733–807·Zbl 0859.62028号
[11] Gelman，A.、Roberts，G.O.和；吉尔克斯，W.R.（1995）。高效都市跳跃规则。J.M.Bernardo、J.O.Berger、A.P.Dawid和；A.F.M.Smith（编辑），贝叶斯统计，5（第599-607页）。牛津：牛津大学出版社。
[12] Geman，S.和；Geman，D.（1984）。随机松弛、吉布斯分布和图像的贝叶斯恢复。IEEE模式分析和机器智能汇刊，6721-741·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[13] Geyer，C.J.（1992）。实用马尔可夫链蒙特卡罗法。统计科学，7473–511·Zbl 0085.18501号 ·doi:10.1214/ss/117701137
[14] 赫克曼，J.（1976）。截断样本选择和有限因变量统计模型的常见结构，以及此类模型的简单估计。《经济和社会计量年鉴》，5475–492。
[15] 易卜拉欣、J.G.、陈、M.H.和；Lipsitz，S.R.（2001）。当缺失数据机制不可忽略时，广义线性混合模型中的缺失响应。生物特征，88，551-564·Zbl 0984.62047号 ·doi:10.1093/biomet/88.2.551
[16] 易卜拉欣、J.G.和；Lipsitz，S.R.（1996）。当缺失数据力学不可忽略时，二项回归中不完全数据的参数估计。生物统计学，52，1070–1078·Zbl 0875.62334号
[17] Jamshidian，M.和；Bentler，P.M.（1999）。使用完整数据例程对缺失数据的均值和协方差结构进行ML估计。《教育与行为统计杂志》，24，21–41·数字对象标识代码：10.3102/10769986024001021
[18] R.E.卡斯；Raftery，A.E.（1995）。贝叶斯因素。美国统计协会杂志，90773-795·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572
[19] Kenny，D.A.和；Judd，C.M.（1984）。估计潜在变量的非线性和交互效应。《心理公报》，96，201-210·数字对象标识代码：10.1037/0033-2909.96.201
[20] 莱尔德，新墨西哥州；Ware，J.H.（1982）。纵向数据的随机效应模型。生物统计学，38，963–974·Zbl 0512.62107号 ·doi:10.2307/2529876
[21] Lee，S.Y.（1986）。缺失数据的结构方程模型的估计。《心理测量学》，51、93–99·Zbl 0587.62196号 ·doi:10.1007/BF022904002文件
[22] Lee，S.Y.和；Song，X.Y.（2003）。具有可忽略缺失数据的结构方程模型混合物的最大似然估计和模型比较。分类杂志，20，221–255·Zbl 1055.62064号 ·doi:10.1007/s00357-003-0013-5
[23] Lee，S.Y.和；Song，X.Y.（2004）。缺失连续和有序分类数据的非线性潜在变量模型的贝叶斯模型比较。英国数学与统计心理学杂志，57131-150·doi:10.1348/000711004849204
[24] Lee，S.Y.，Song，X.Y.，&amp；Lee，J.C.K.（2003）。具有可忽略缺失数据的非线性结构方程模型的最大似然估计。教育与行为统计杂志，28111-134·Zbl 1055.62064号 ·数字对象标识代码：10.3102/10769986028002111
[25] Lee，S.Y.和；Zhu，H.T.（2000）。具有连续和多模数据的非线性结构方程模型的统计分析。英国数学与统计心理学杂志，53209-232·doi:10.1348/000711000159303
[26] Lee，S.Y.和；Zhu，H.T.（2002）。非线性结构方程模型的最大似然估计。《心理测量学》，67189-210·兹比尔1297.62043 ·doi:10.1007/BF02294842
[27] 利特尔，R.J.A.，&；鲁宾，D.B.（1987）。缺失数据的统计分析。纽约：Wiley·Zbl 0665.62004号
[28] Meng，X.L.和；van Dyk，D.（1997）。EM算法是一首古老的民歌，随着一个快速的新曲调演唱。英国皇家统计学会杂志，B辑，59511-540·Zbl 1090.62518号 ·doi:10.111/1467-9868.00082
[29] R Developmnet核心团队（2004年）。R： 用于统计计算的语言和环境。维也纳：R统计计算基金会。
[30] Raftery，A.E.（1996年）。近似贝叶斯因子和广义线性模型中模型不确定性的解释。生物特征，83，251–266·Zbl 0864.62049号 ·doi:10.1093/biomet/83.2.251
[31] Richarson，S.和；Green，D.J.（1997）。关于成分数目未知的混合物的贝叶斯分析（附讨论）。英国皇家统计学会杂志，B辑，59731-792·Zbl 0891.62020号
[32] Roberts，G.O.（1996年）。与采样算法相关的马尔可夫链概念。在W.R.Gilks、S.Richardson和；D.J.Spiegelhalter（编辑），马尔可夫链蒙特卡罗实践（第45-58页）。伦敦：查普曼和霍尔·Zbl 0839.62078号
[33] 罗森鲍姆，P.R；鲁宾，D.B.（1985）。使用包含倾向得分的多元匹配抽样构建对照组。美国统计学家，39，33-38。
[34] Schines，R.、Hoijtink，H.和；Bromsma，A.（1999）。结构方程模型的贝叶斯估计和测试。《心理测量学》，64，37-52·Zbl 1291.62244号 ·doi:10.1007/BF02294318
[35] R.E.舒马克；马库利德斯，G.A.（编辑）（1998年）。结构方程建模中的相互作用和非线性效应。新泽西州希尔斯代尔：埃尔鲍姆。
[36] Sibylle，S.、Ligges，U.和；Gelman，A.（2005）。R2WinBUGS：一个运行WinBUGS的软件包，来自《统计软件杂志》，12，1-17。
[37] Song、X.Y.和；Lee，S.Y.（2002）。具有可忽略缺失连续数据和多模数据的结构方程模型分析。《心理测量学》，67261-288·Zbl 1297.62241号 ·doi:10.1007/BF02294846
[38] Tanner，文学硕士；Wong，W.H.（1987）。通过数据增强计算后验分布（与讨论）。美国统计协会杂志，82528-550·Zbl 0619.62029号 ·doi:10.1080/01621459.1987.10478458
[39] Wall、M.M.和；Amemiya，Y.（2000）。多项式结构方程模型的估计。美国统计协会杂志，95929-940·Zbl 0999.62094号 ·doi:10.1080/01621459.2000.10474283
[40] 魏国忠（音）；Tanner，M.A.（1990年）。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，85，699–704·网址：10.1080/01621459.1990.10474930
[41] 世界价值观研究小组（1994年）。世界价值观调查，1981-1984年和1990-1993年。ICPSR版本。密歇根州安阿伯：社会研究所[制片人]，1994年。密歇根州安阿伯：大学间政治和社会研究联合会[发行人]，1994年。
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。