利用Monte Carlo技术模拟研究不同缺失值处理方法对完全随机缺失数据的处理效果
作者：杨俊岭 整理 来源： 日期：2016-01-27
导读
近期，四川大学华西公共卫生学院卫生统计学教研室研究人员发表论文，旨在以医疗卫生机构年报资料为数据来源，采用成组删除法、极大似然估计法、多重填补法分别对模拟的完全随机缺失数据集缺失值进行处理，比较不同缺失率下三种方法的缺失处理效果。研究指出，对于不同缺失率的数据，综合考虑准确度和精确度，采用不同的方法进行处理。该文发表在2015年第3期《中国卫生统计》杂志上。 运用SAS9.3，采用Mon
近期，四川大学华西公共卫生学院卫生统计学教研室研究人员发表论文，旨在以医疗卫生机构年报资料为数据来源，采用成组删除法、极大似然估计法、多重填补法分别对模拟的完全随机缺失数据集缺失值进行处理，比较不同缺失率下三种方法的缺失处理效果。研究指出，对于不同缺失率的数据，综合考虑准确度和精确度，采用不同的方法进行处理。该文发表在2015年第3期《中国卫生统计》杂志上。
运用SAS9.3，采用MonteCarlo技术模拟完整数据集及不同缺失比例数据集，利用成组删除法、EM算法、MCMC算法对缺失数据进行处理，得到不同处理方法后的参数估计结果，与完整数据集参数估计进行比较。
结果显示， 对于完全随机缺失数据，不同缺失率下，成组删除法的准确率均比较好；缺失率小于10%，三种方法处理效果差异不大；缺失率在10%～30%，成组删除法精确度逐渐降低，EM与MCMC准确度与精确度较好，缺失率大于30%，MCMC准确度与精确度相对较好。
分享：
相关文章
评论
我要跟帖
发表
回复
小鸭梨：
发表
