数据缺失时部门线性模型的经验似然推断.pdfVIP

JlJlJJJfl；lJJJllJlflJJJJJJlJJJlJJJJJJlJJIIJJ Y2326531 摘要 现实生活中，由于各种人为的或其它不可知的因素，往往会有大 量缺失数据的产生．譬如在一些民意调查、市场研究等社会领域中， 由于调查者不愿提供完整的数据，从而造成数据缺失，同样在医学诊 断研究中也经常会出现数据缺失，因此，在实际应用中缺失数据问题 越来越引起人们的关注。在现实中有着广泛应用背景的部分线性模型 在缺失数据时的统计推断也就成为了研究的焦点。数据缺失时如果直 接用通常的诊断方法往往会致使数据偏差增大及效率损失。在数据缺 失的情况下，我们需要对数据进行必要的处理，处理带有缺失数据的 不完全样本时可以对缺失值进行填补，继而得到“完全样本”，再按通 常的方法进行统计推断。部分线性模型中的数据缺失包括响应变量的 缺失以及协变量的缺失。响应变量缺失是最常见的数据缺失，已有大 量文献对响应变量缺失情形下部分线性模型的统计推断进行了研究， 并有了很好的研究成果，但协变量缺失情形下部