吉布斯抽样在数据缺失中的应用和其R实现.pdf

Statistics and Application 统计学与应用, 2016, 5(4), 359-364 Published Online December 2016 in Hans. /journal/sa /10.12677/sa.2016.54038 Application of Gibbs Sampling in Data Missing and Execution in R Xia Ding School of Economics Management, Shanghai Maritime University, Shanghai th th nd Received: Nov. 29 , 2016; accepted: Dec. 12 , 2016; published: Dec. 22 , 2016 Copyright © 2016 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/ Open Access Abstract Data missing is a common problem in statistical research. Based on summarizing the common so- lutions, this paper proposes to solve the problem by Gibbs sampling, and achieve this process through the R language, so as to provide a new method. The experimental results show that Gibbs sampling is an ideal method to deal with missing data. Keywords Gibbs Sampling, Data Missing, R Language 吉布斯抽样在数据缺失中的应用及其R实现 丁 霞 上海海事大学经济管理学院，上海 收稿日期：2016年11月29 日；录用日期：2016年12月12 日；发布日期：2016年12月22 日 摘 要 数据缺失是统计研究中经常遇到的问题，文章在总结常见缺失数据的处理方法的基础上，提出了用Gibbs 文章引用: 丁霞. 吉布斯抽样在数据缺失中的应用及其R 实现[J]. 统计学与应用, 2016, 5(4): 359-364. /10.12677/sa.2016.54038 丁霞 抽样方法来解决数据缺失问题，并通过R语言来实现这一过程，从而为数据缺失提供一种新的解决思路。 实验结果表明，Gibbs抽样是一种效果比较理想的处理缺失数据的方法。 关键词 Gibbs抽样，数据缺失，R语言 1. 引言 在进行统计学研究过程中，一般都要求数据是完整的、及时的、可靠和准确的。但在实践中，由于 客观条件的限制，统计数据的及时、可靠准确问题往往容易解决，但数据完整性问题很难解决，统计数 据往往是有缺失的。如果不对统计数据缺失问题进行处理，容易造成分析结果的偏差，甚至错误，从而 降低统计结果的准确性和效率。所以进行统计分析最重要的一步就是对不完整的统计数据进行预处理， 对缺失数据进行补充，形成一个完整的统计数据集，然后再对补充完整后的统计数据集进行统计分析， 这样的分析结果才能够准确。 2. 传统缺失数据处理方法 最原始的处理缺失数据的方法是直接删除法，它把存在缺失值的样本删掉，那么数据就变成完整数