公共卫生

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:金宝搏网站登录技巧 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

关键字:  缺失值 |  | EM算法 |  | Markov | Chain | Monte | Carlo |  | 模拟 |  | 参数 |  

  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Monte Carlo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。

   相关链接:http://c.wanfangdata.com.cn/Periodical-zgwstj.aspx

分享:

相关文章

评论

我要跟帖
发表
回复 小鸭梨
发表

copyright©金宝搏网站登录技巧 版权所有,未经许可不得复制、转载或镜像

京ICP证120392号  京公网安备110105007198  京ICP备10215607号-1  (京)网药械信息备字(2022)第00160号
//站内统计 //百度统计 //谷歌统计 //站长统计
*我要反馈: 姓    名: 邮    箱:
Baidu
map