缺失数据处理的期望 极大化算法与 马尔可夫蒙特卡洛方法.pdfVIP

2011, Vol. 19, No. 7, 1083–1090 Advances in Psychological Science DOI: 10.3724/SP.J.1042.2011.0 1083 缺失数据处理的期望-极大化算法与 马尔可夫蒙特卡洛方法 (, 363000) 缺失数据普遍存在于心理学研究中, 影响着统计推断。极大似然估计(MLE)与基于贝叶斯的多重借 补(MI)是处理缺失数据的两类重要方法。期望-极大化算法(EM)是寻求 MLE 的一种强有力的方法。马尔可夫 蒙特卡洛方法(MCMC)可以相对简易地实现 MI, 而且可以适用于复杂情况下的缺失数据处理。结合研究的需 要讨论了实现这两类方法的适用软件。 缺失数据；期望-极大化算法；马尔可夫蒙特卡洛方法；极大似然估计；多重借补 B841.2 1 引言 (imputation), , , , , (Acock, 2005; Allison, 2001; , , , , 2009; Huisman, 2000; , Schafer Olsen, 1998; , , , 2008; , , 2001a, 2001b, 2001c) (Missing Data) (Little Rubin, 2002\ , 2004; , 2005) (Jones, 1996; Rubin, 1987), (Maximum Likelihood Estimator, MLE) , (multiple imputation, MI) , , - (Expectation- Maximization algorithm, EM) , , , (Carter,