您当前的位置：
首页 > 文献资料
所属专业：
Markov Chain文献资料
-
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
目的 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.方法 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 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.结论 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.
关键词： 缺失值 EM算法 Markov Chain Monte Carlo 模拟 参数
