缺失数据均值推断的经验似然方法.pdfVIP

数学年刊 2010，31A(1)：71-80 缺失数据均值推断的经验似然方法术 郁 文1 郑 明1 提要研究了缺失数据的均值推断问题．在随机缺失及半参数模型的假设下，设计了基于影响函数理 论的经验似然推断方法，证明r所构造的对数经验似然比检验统计培具有非参数Wilks性质．此外， 该经验似然方法可以利用辅助协变量中提供的附加信息来提高检验的功效．在近邻备择假设下，计算 了检验统计量的功效，并且通过一些模拟考察r该方法在有限样本下的表现． 关键词随机缺失，插值，半参数模型，经验似然，辅助信息 MR(2000)主题分类62G10，62G20 中图法分类0212 文献标志码A 文章编号1000-8314(2010)01—0071．10 1引 言 在许多实际应用中，收集到的数据常会存在缺失．例如在抽样调查中，一些受访个 体未填写问卷的部分问题，或在临床试验中，有些病人选择中途退出．类似的情形还常 出现在民意测验、社会经济调查以及各类科学试验中． 由于大部分标准统计方法都基于观察数据无缺失的情形，所以缺失现象的存在给统 计推断带来了困难．针对缺失数据，一种简单的处理方法是忽略数据中的缺失部分，对 其中完整观察到的部分应用标准统计方法．然而，这种所谓的完整观察数据分析方法的 有效性取决于缺失机制．如果缺失的发生是完全随机的，那么其中完整观察到的数据仍 是总体的一个随机样本，从而完整观察数据分析方法是有效的，否则，该方法可能会导 致错误的推断结论．事实上，在绝大部分实际应用中，缺失的发生并不是完全随机的． 另一种常用方法是对数据的缺失部分作插值，再对插值后的数据应用标准统计方法． 同样地，插值分析方法的有效性也取决于缺失机制，但与完整观察数据分析方法不同的 是一些精心设计的插值方法无需完全随机缺失的假设，故应用范围更广．有些研究中， 除了感兴趣的变量，数据中还会包括一些辅助协变量的观察值，这些辅助协变量含有与 缺失机制及感兴趣变量相关的信息，这些信息可为插值分析方法所利用． 具体地，记随机变量y为感兴趣变量，推断目标为其均值，y的观察值存在缺失． 记p维随机向量x为辅助协变量，x的观察值无缺失．记R为缺失指标，R=0 (R，y，x)的独立同分布复制，由于缺失的存在，完全样本并不能被观察到，能观察到的 y’x)来描述．仅基 只是(见，见K，咒)，i=1，…，仡缺失机制常用条件概率P(R=1 于观察数据，缺失机制是不可识别的，因此需要对缺失机制添加一些假设．这里我们假 设P(R=lI y，X)=P(R=1x)，即给定x时R与y条件独立，这一假设为缺失数 at 据分析中常用的随机缺失(missing 边际相关，故这一假设弱于完全随机缺失(即假设R与y独立)．随机缺失假设的合理性 在于实际应用中可以认为给定越来越多的辅助协变量时， R与y的相关性越来越弱． 关于随机缺失与相应的统计方法可详见文(1】． 本文2009年4月28日收到． 1复旦大学管理学院统计学系，上海200433．E-maih +国家自然科学基金(No和上海市重点学科建设基金(No．B210)资助的项目． 万方数据 72 数学年刊 31卷A辑 除了缺失机制，我们还对y关于x的条件分布进行了假设．由于参数模型比较高 效但不够稳健，故这里我们假设如下半参数模型： E(YX)=乱(x，卢)， (1．1) 其中p为P维未知参数向量，u(．，．)为x与卢的已知函数．记p的真值为阮．我们将 在随机缺失及模型(1．1)下设计y均值推断的经验似然方法． Owen[2】