本文關鍵詞：缺失數(shù)據(jù)的結構方程建模:全息極大似然估計時輔助變量的作用　出處：《心理學報》2016年11期 　論文類型：期刊論文

  更多相關文章： 缺失數(shù)據(jù) 缺失機制 結構方程 全息極大似然估計 輔助變量 蒙特卡洛模擬

【摘要】：本研究通過蒙特卡洛模擬考查了采用全息極大似然估計進行缺失數(shù)據(jù)建模時輔助變量的作用。具體考查了輔助變量與研究變量的共缺機制、共缺率、相關程度、輔助變量數(shù)目與樣本量等因素對參數(shù)估計結果精確性的影響。結果表明,當輔助與研究變量共缺時:(1)對于完全隨機缺失的輔助變量,結果更容易出現(xiàn)偏差;(2)對于MAR-MAR組合機制,納入單個輔助變量是有益的;對于MAR-MCAR或MAR-MNAR組合機制,納入多于一個輔助變量的效果更好;(3)納入與研究變量低相關的輔助變量對結果也是有益的。
[Abstract]:In this study, Monte Carlo simulation is used to examine the role of auxiliary variables in modeling missing data using holographic maximum likelihood estimation. The mechanism, rate and degree of correlation between auxiliary variables and research variables are investigated in detail. The effect of the number of auxiliary variables and sample size on the accuracy of parameter estimation. The results are more prone to deviation; 2) for the MAR-MAR combination mechanism, it is beneficial to include a single auxiliary variable; For the combination mechanism of MAR-MCAR or MAR-MNAR, it is better to include more than one auxiliary variable. 3) inclusion of auxiliary variables associated with low study variables is also beneficial to the results.
【作者單位】： 廣州大學心理系;廣州大學心理測量與潛變量建模研究中心;
【基金】：國家自然科學基金(31400904) 廣州大學“創(chuàng)新強校工程”(2014WQNCX069)項目資助
【分類號】：B841
【正文快照】： 1引言在對心理學等社科調(diào)查的數(shù)據(jù)進行建模時,常常遇到數(shù)據(jù)缺失的情況。例如,研究參與者拒絕接受調(diào)查、不愿意回答或遺漏某些問題。毫不夸張的說,數(shù)據(jù)缺失無法避免,因此如何處理缺失數(shù)據(jù)就成了擺在研究者面前重要而又無法回避的問題。全息極大似然估計(Full Information Maxim

【相似文獻】

相關會議論文 前1條

1 陳美會;王先來;;精選—優(yōu)化輔助變量法閉環(huán)參數(shù)估計的收斂性[A];1994年中國控制會議論文集[C];1994年

相關碩士學位論文 前2條

1 蔡娟;輔助變量選擇在項目無回答插補方法中的應用[D];天津財經(jīng)大學;2013年

2 崔文麗;SRS和RSS下加入輔助變量信息后總體均值的比率估計[D];華中師范大學;2013年

，

本文編號：1434229