楼主: dimxu
2334 1

请教下数据缺失机制的识别 [推广有奖]

  • 4关注
  • 1粉丝

讲师

13%

还不是VIP/贵宾

-

威望
0
论坛币
110582 个
通用积分
0.0538
学术水平
2 点
热心指数
3 点
信用等级
2 点
经验
8729 点
帖子
240
精华
0
在线时间
560 小时
注册时间
2005-10-12
最后登录
2025-12-18

20周年荣誉勋章

楼主
dimxu 在职认证  发表于 2009-10-18 23:21:39 |AI写论文
30论坛币
请问下识别数据缺失机制的方法有哪些,我在有些地方看见有人简单提到LittleMCAR检验可以识别,请问哪些书或者参考资料上有关于这个检验的详细内容的。谢谢了

关键词:缺失机制 数据缺失 little 详细内容 emca 数据 请教 机制 缺失

回帖推荐

胖胖小龟宝 发表于2楼  查看完整内容

数据完全随机缺失(Missing Completely At Random,MCAR),表示缺失和变量的取值无关。例如,假设您在研究年龄和收入。如果缺失和年龄或收入数值无关,则缺失值方式为MCAR。要评估MCAR是否为站得住脚的假设,您可以用比较回答者和未回答者的分布来评估观察数据。也可以使用单变量t-检验或Little's MCAR多变量检验来进行更正规的评估。如果MCAR假设为真,可以使用列表删除(listwise deletion)(完整个案分析),无需担 ...

本帖被以下文库推荐

沙发
胖胖小龟宝 发表于 2015-5-24 17:54:04
数据完全随机缺失(Missing Completely At Random,MCAR),表示缺失和变量的取值无关。例如,假设您在研究年龄和收入。如果缺失和年龄或收入数值无关,则缺失值方式为MCAR。要评估MCAR是否为站得住脚的假设,您可以用比较回答者和未回答者的分布来评估观察数据。也可以使用单变量t-检验或Little's                 MCAR多变量检验来进行更正规的评估。如果MCAR假设为真,可以使用列表删除(listwise deletion)(完整个案分析),无需担心估计偏差,尽管可能会丧失一些有效性。如果MCAR不成立,列表删除、均值置换等逼近方法就可能不是好的选择。
http://stat.smmu.edu.cn/COURSE/spssmiss.htm
这个链接可以看看

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2025-12-31 14:47