论文部分内容阅读
目的 描述数据缺失的特征和数据缺失模式 ,对Rubin最早提出的多重填补 (multipleimputation ,MI)的基本概念、填补和分析缺失数据的方法、综合统计推断进行了探讨 ,分析了MI的特点、局限性以及应用MI方法处理不完整数据集时需要注意的地方。方法 通过计算机模拟 ,用MI方法将每一个缺失值用一系列可能的值填补 ,然后使用常规的、针对完全数据集的统计方法对多重填补后得到的若干数据集进行分析 ,并把所得的结果进行综合。结果 多重填补值显示出了缺失数据的不确定性 ,使得已有数据得到了充分利用 ,从而对总体参数做出了更为准确的估计。结论 MI方法为处理存在缺失值的数据集提供了有用的策略 ,并且适用于多种数据缺失的场合