您当前的位置:
首页 > 文献资料
所属专业:
马尔科夫链蒙特卡罗文献资料
-
类别归因比例的Bayes估计与极大似然估计比较
目的比较类别归因比例的Bayes图模型估计与极大似然估计方法.方法应用Gibbs抽样和迭代蒙特卡罗方法得到参数后验分布,得到类别归因比例的模型法估计,应用婴儿低出生体重资料分析孕妇吸烟状况的类别归因比例.结果类别归因比例的Bayes估计与极大似然估计一致性较好.结论Bayes方法避免了复杂的解析和高维积分运算,对于复杂模型估计,比极大似然估计有更实际的可行性.
-
多重填补的方法及其统计推断原理
目的描述数据缺失的特征和数据缺失模式,对Rubin早提出的多重填补(multiple imputation,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.
关键词: 多重填补 缺失数据 广义线性模型 Logistic回归 马尔科夫链蒙特卡罗