缺失数据的统计处理PDF电子书下载

第一章 导论 1

1 概述 1

1.1 问题的提出 1

1.2　缺失数据产生的原因 2

1.3　缺失数据的模式 3

2　缺失数据机制 4

2.1　完全随机缺失 5

2.2 随机缺失 7

2.3　取决于协变量缺失 8

2.4　非随机缺失 9

2.5　取决于随机影响缺失 10

2.6　取决于前期数据的缺失 10

2.7 总结 11

3　缺失数据研究综述 11

3.1 缺失数据研究的几个阶段 11

3.2　缺失数据问题的前沿性研究 14

4　本书的结构 16

第二章　加权调整方法 20

1　加权调整方法基本思想 20

1.1 应用背景 20

1.2 加权调整法的基本思想 21

2　几种加权调整方法 22

2.1 Politz-Simmons调整法 22

2.2　加权组调整法 24

2.3　再抽样调整法 27

2.4　事后分层调整法 28

2.5　迭代调整法 30

2.6 校准法 32

2.7　双重稳健加权法 40

3 加权调整法中辅助信息的利用 42

3.1　辅助信息的一般问题 42

3.2　利用辅助信息划分调整组 45

3.3　利用辅助信息构造最终权数 47

4 加权调整估计量的偏差及方差 48

4.1 加权组调整估计量的偏差和方差 48

4.2　事后分层调整估计量的偏差和方差 50

4.3　加权调整后估计量方差的控制 50

5 案例分析 52

5.1 数据来源 52

5.2　缺失数据机制分析 52

5.3　加权组调整 53

5.4　再抽样加权调整 55

5.5　加权组调整基础上的事后分层调整 55

5.6　结果比较与分析 56

第三章　插补方法 58

1　插补方法基本思想 58

1.1 应用背景 58

1.2　插补方法的分类 59

1.3　插补方法基本思想 59

2　几种单一插补方法 60

2.1 均值插补 60

2.2 演绎插补 62

2.3 比率插补 63

2.4 回归插补 64

2.5　最近距离插补 64

2.6　热卡插补 66

2.7 冷卡插补 70

2.8 随机插补 73

2.9　双重稳健插补法 75

3　插补法中辅助信息的利用 77

3.1 利用辅助信息划分插补层 78

3.2　利用辅助信息构造插补值 79

3.3　模型中辅助信息的利用 80

4　案例分析 85

4.1 研究方法 85

4.2　一些结论 86

4.3　实证分析 88

第四章　参数似然方法 93

1 MAR下的参数似然分析 93

2 MAR和单调缺失下的估计 95

2.1　一维变量情形 95

2.2　二维变量情形 96

2.3　多维变量情形 98

3 MAR下的EM算法 99

3.1 EM算法的基本思想 99

3.2 收敛性及例子 102

3.3　非单调缺失数据 105

4　信息矩阵和在MAR下的方差估计 108

5　不可忽略缺失机制下的参数似然方法 111

第五章 纵向或层次数据的处理方法 114

1 MAR下的处理方法：单调或依协变量缺失情形 114

2 基于前期数据的非单调缺失的处理方法 116

2.1 三种不同处理方法 116

2.2　基于前期数据的非单调缺失下的插补模型 117

2.3　非参数回归插补 120

2.4 降维 121

2.5　模拟结果 123

3　取决于随机效应的缺失机制下的处理方法 126

3.1　存在的三种方法 127

3.2　整群抽样下的分组方法 129

3.3　汇总统计量 132

3.4　模拟结果 135

4 案例分析 138

4.1 威斯康星糖尿病登记研究 138

4.2 肾脏疾病的饮食调整 139

第六章　方差估计 144

1　直接推导法 144

1.1 近似公式 144

1.2 一般方法 148

1.3　最近距离插补 153

2　多重插补法 155

3 重抽样法 161

3.1 刀切法 161

3.2　平衡半样本方法 166

3.3 自助法 172

4 案例分析 173

4.1　多重插补法 174

4.2 刀切法 176

4.3　平衡半样本法 177

4.4 自助法　 178

5 总结 180

参考文献 182