导读:本文包含了缺失纵向数据论文开题报告文献综述及选题提纲参考文献，主要关键词:部分线性模型,经验似然,缺失数据,纵向数据
缺失纵向数据论文文献综述
公徐路,李幸福[1]（2019）在《响应变量缺失时纵向数据下部分线性模型的广义经验似然推断》一文中研究指出文章对响应变量缺失时纵向数据下部分线性模型的兴趣参数估计问题借助经验似然方法,基于二次推断函数提出了回归系数和基准函数的广义经验似然比函数,得到了相应的极大经验似然估计。证明了所提出的经验对数似然比渐进于χ~2分布,由此构造了相应的置信域和逐点置信区间。(本文来源于《统计与决策》期刊2019年14期）
檀佳欣[2]（2019）在《在有信息中途退出缺失机制下的纵向数据的一个稳健联合建模方法》一文中研究指出在这篇论文中,我们提出了一种通过多元t分布来分析在有信息中途退出缺失机制下以及存在潜在异常值的纵向连续数据的稳健联合建模方法。在对纵向数据分析时,解释其相关结构是非常重要的。不同于现有的方法主要关注回归均值和中途退出缺失机制的推断,我们提出通过同时对位置函数和相依结构建模的方法去揭示位置函数和边际尺度函数的动态变化。因为观测似然求解困难,所以采用EM算法求解极大似然估计,又由于E步计算复杂,于是使用蒙特卡洛算法近似计算。但是MCEM计算效率太低且在样本量固定时收敛性不能得到保证。针对有信息中途退出缺失机制,我们提出一个参数分数插值算法(PFI)来加速用于求解极大似然估计的EM算法的计算速度。所得的估计被证明是相合的和渐近正态的。实际数据和模拟也证实了提出方法的有效性。(本文来源于《中国科学技术大学》期刊2019-05-01）
韩红娟,葛晓燕,刘龙,杨林,余红梅[3]（2018）在《几种纵向缺失数据填补方法的比较及在阿尔茨海默病随访数据中的应用》一文中研究指出目的针对纵向缺失数据,比较几种适用的填补方法并从中选择最佳方法用于阿尔茨海默病随访资料的数据缺失填补。方法针对随机缺失机制且缺失变量为连续变量的纵向缺失资料,模拟缺失比例分别为10%、20%、30%、40%和50%的随机数据集,结合末次观察值结转(Last Observation Carried Forward, LOCF)填补方法、马尔可夫链蒙特卡罗填补法(Markov Chain Monte Carlo, MCMC)、全条件定义法(Fully Conditional Specification, FCS)进行填补,采用无偏性和有效性评价指标,比较填补效果,选取最理想的填补方法,并将该方法应用于阿尔茨海默病随访研究中收缩压和蒙特利尔认知评估量表(Montreal Cognitive Assessment, Mo CA)得分的填补。结果 (1)纵向缺失资料中若不考虑时间变量,在处理几个连续性的缺失变量时,MCMC法在各缺失率下填补均优势明显,LOCF填补法在缺失率较低时具有一定的效果,且方法简单,而FCS法的填补结果均不太好。当数据缺失比较严重,缺失率高于40%时,各种填补方法的填补结果均不佳。(2)将MCMC法用于填补阿尔茨海默病的随访缺失数据,当填补次数为3时,收缩压和Mo CA得分两指标的填补效果最佳。结论为了得到最理想的结果,在处理缺失数据时填补方法和适当的填补次数都需要考虑。(本文来源于《现代预防医学》期刊2018年22期）
刘新乐[4]（2016）在《缺失纵向数据下半参数回归模型的CC估计法》一文中研究指出缺失数据模型问题和纵向数据模型问题一直是统计学的热点之一,但对于纵向数据缺失情况的模型研究较少.本文针对纵向数据缺失情况提出了缺失纵向数据下的半参数回归模型,使用CC(Complete-Case)方法将所有含数据缺失的项删除,仅对余下的"完全"样本按二阶段估计的方法进行统计推断,得到了参数向量和非参数向量的二阶段估计的最终估计βr和gr(t),并证明这些估计量满足渐近正态性质.并且通过数据模拟形式说明了这个估计方法的可行性.(本文来源于《安阳师范学院学报》期刊2016年05期）
周敏林,章海涛,陆梦洁,钟伟华,刘玉秀[5]（2016）在《临床纵向数据缺失的随机效应模式混合模型及SAS实现》一文中研究指出目的:临床纵向研究经常发生数据缺失,但处理起来较为棘手。本研究欲阐明一种随机效应模式混合模型用于纵向数据缺失的分析方法。方法:介绍随机效应模式混合模型的原理,给出构建缺失模式变量的方法,借助一个临床试验实例介绍方法的应用和SAS实现过程,并与随机效应模型方法进行比较。结果:随机效应模式混合模型引入缺失模式变量,考虑了缺失的发生特点,其拟合效果优于随机效应模型。结论:随机效应模式混合模型可灵活、有效处理具有缺失数据的纵向研究数据,为敏感性分析提供了新的方法学支持。(本文来源于《中国临床药理学与治疗学》期刊2016年09期）
刘娟芳,薛留根,胡玉琴[6]（2016）在《纵向非单调缺失数据下部分线性模型的广义经验似然推断》一文中研究指出为了研究纵向非单调缺失数据下部分线性模型的估计问题,基于二次推断函数提出了回归系数和基准函数的广义经验似然比函数,得到了相应的极大经验似然估计.证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应的置信域和逐点置信区间,模拟研究比较了广义经验似然与正态逼近方法的有限样本性质.(本文来源于《北京工业大学学报》期刊2016年10期）
张燕[7]（2016）在《带有时间相依协变量的纵向缺失数据的一种压缩经验似然推断方法》一文中研究指出在纵向数据中,常常出现缺失数据和时间相依协变量问题,直接采用传统的分析方法往往导致估计值结果有偏或有效性低。在随机缺失机制下,我们首先通过加权改进估计方程,然后建立时间相依协变量下压缩经验似然方法。这种方法的参数估计有效性高于传统独立相关性结构下的广义估计方程方法,原因在于其可以有效结合独立假设下的估计方程和及其他被丢失的有用信息。其他被丢弃的估计方程通过其所携带的信息量和是否有偏被给予适当的权重。我们证明了估计的渐近正态分布性质,经验似然比及其剖面统计量的渐近卡方分布性质。模拟实验和真实数据分析证实了我们的方法的可行性。(本文来源于《中国科学技术大学》期刊2016-05-01）
鲍晓蕾,高辉,胡良平[8]（2016）在《多种填补方法在纵向缺失数据中的比较研究》一文中研究指出目的比较多种方法对纵向缺失数据的处理效果。方法运用SAS软件通过蒙特卡罗模拟产生最常见的含一个分组因素和一个重复测量因素的纵向资料,对其进行混合效应模型分析,将结果作为标准对照。分别构建任意缺失模式(AMP)和单调缺失模式(MMP)下完全随机缺失(MCAR)、随机缺失(MAR)和非随机缺失(NMAR)六种缺失数据集,并使缺失率分别为10%、20%、30%、40%和50%,运用删除法、单一填补法、多重填补法和EM算法进行处理。结果在AMP下,当MCAR和MAR时,低缺失率(≤10%)下所有方法的效果均较好;随着缺失率的增大,只有多重填补法的效果令人满意。在MMP下,当MCAR和MAR时,只有线性回归法和预测均数匹配法的效果较好。多重填补法的缺点是在一定程度上高估系数的变异程度。另一方面,填补方法对结果的影响远超过填补次数对结果的影响。当NMAR时,所有方法都无法取得较好的处理效果。结论对于纵向缺失资料,多重填补法仍是一种较为理想的处理方法。(本文来源于《中国卫生统计》期刊2016年01期）
于力超,金勇进[9]（2015）在《美国纵向调查中缺失数据的应对方法及对我国的启示》一文中研究指出大数据时代市场调查中缺失数据的处理问题引起越来越多的关注。文章透过威斯康星纵向调查,总结了美国纵向调查中缺失数据的处理方法,重点介绍了采用多变量序贯回归的方法进行多重插补的方法及IVEware软件的应用情况,研究了多重插补法处理纵向缺失数据的优势所在。作者总结了国外先进经验,结合中国实际,提出研究大数据背景下纵向缺失数据处理方法的思路和几点建议。(本文来源于《现代管理科学》期刊2015年09期）
张明峰,柳泽慧,周小双[10]（2015）在《响应变量缺失时纵向数据下变系数部分线性测量误差模型的经验似然推断》一文中研究指出将经验似然方法应用于响应变量缺失时纵向数据下变系数部分线性测量模型中兴趣参数置信域,构造了关于参数分量纠衰的分块经验对数似然比函数,进而推导出参数分量纠衰的分块经验似然比统计量及其渐近分布。数据模拟结果表明所提出的经验似然方法在置信区间长度和覆盖率方面要优于正态逼近方法。(本文来源于《山东大学学报(理学版)》期刊2015年11期）
缺失纵向数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在这篇论文中,我们提出了一种通过多元t分布来分析在有信息中途退出缺失机制下以及存在潜在异常值的纵向连续数据的稳健联合建模方法。在对纵向数据分析时,解释其相关结构是非常重要的。不同于现有的方法主要关注回归均值和中途退出缺失机制的推断,我们提出通过同时对位置函数和相依结构建模的方法去揭示位置函数和边际尺度函数的动态变化。因为观测似然求解困难,所以采用EM算法求解极大似然估计,又由于E步计算复杂,于是使用蒙特卡洛算法近似计算。但是MCEM计算效率太低且在样本量固定时收敛性不能得到保证。针对有信息中途退出缺失机制,我们提出一个参数分数插值算法(PFI)来加速用于求解极大似然估计的EM算法的计算速度。所得的估计被证明是相合的和渐近正态的。实际数据和模拟也证实了提出方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
缺失纵向数据论文参考文献
[1].公徐路,李幸福.响应变量缺失时纵向数据下部分线性模型的广义经验似然推断[J].统计与决策.2019
[2].檀佳欣.在有信息中途退出缺失机制下的纵向数据的一个稳健联合建模方法[D].中国科学技术大学.2019
[3].韩红娟,葛晓燕,刘龙,杨林,余红梅.几种纵向缺失数据填补方法的比较及在阿尔茨海默病随访数据中的应用[J].现代预防医学.2018
[4].刘新乐.缺失纵向数据下半参数回归模型的CC估计法[J].安阳师范学院学报.2016
[5].周敏林,章海涛,陆梦洁,钟伟华,刘玉秀.临床纵向数据缺失的随机效应模式混合模型及SAS实现[J].中国临床药理学与治疗学.2016
[6].刘娟芳,薛留根,胡玉琴.纵向非单调缺失数据下部分线性模型的广义经验似然推断[J].北京工业大学学报.2016
[7].张燕.带有时间相依协变量的纵向缺失数据的一种压缩经验似然推断方法[D].中国科学技术大学.2016
[8].鲍晓蕾,高辉,胡良平.多种填补方法在纵向缺失数据中的比较研究[J].中国卫生统计.2016
[9].于力超,金勇进.美国纵向调查中缺失数据的应对方法及对我国的启示[J].现代管理科学.2015
[10].张明峰,柳泽慧,周小双.响应变量缺失时纵向数据下变系数部分线性测量误差模型的经验似然推断[J].山东大学学报(理学版).2015