本文關(guān)鍵詞：Logistic回歸模型中缺失數(shù)據(jù)的處理

  更多相關(guān)文章： 缺失數(shù)據(jù) 均值插補法 回歸插補法 EM算法

【摘要】：數(shù)據(jù)缺失的問題在現(xiàn)在的社會調(diào)查和實驗研究領(lǐng)域非常常見。缺失數(shù)據(jù)也被稱作不完全數(shù)據(jù),會給統(tǒng)計分析帶來復(fù)雜性,造成統(tǒng)計偏差,影響調(diào)查結(jié)果。傳統(tǒng)的數(shù)據(jù)缺失處理方法具有局限性,處理技術(shù)的不斷發(fā)展使得應(yīng)用更先進方法成為了可能。本文是針對缺失數(shù)據(jù)的填補方法,通過參數(shù)估計的相對誤差大小和模型擬合效果來比較三種較為常見的缺失數(shù)據(jù)的處理方法。文章采用的案例是Logistic回歸模型,通過模擬缺失率為5%,10%,15%,20%,30%,40%,50%的七種隨機缺失情況,來比較EM算法、回歸插補法和均值插補法三種處理方法。
【關(guān)鍵詞】：缺失數(shù)據(jù) 均值插補法 回歸插補法 EM算法
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：C81
【目錄】：

• 摘要5-6
• Abstract6-7
• 第一章 引言7-11
• 1.1 選題背景及研究意義7
• 1.2 國內(nèi)外研究概況7-9
• 1.2.1 國外研究概況7-9
• 1.2.2 國內(nèi)研究概況9
• 1.3 本文的主要內(nèi)容和創(chuàng)新9-11
• 1.3.1 本文的主要內(nèi)容9-10
• 1.3.2 本文的主要創(chuàng)新10-11
• 第二章 缺失數(shù)據(jù)的介紹及處理方法11-22
• 2.1 缺失數(shù)據(jù)的定義11
• 2.2 缺失數(shù)據(jù)產(chǎn)生的原因11-12
• 2.3 缺失數(shù)據(jù)的缺失機制12-13
• 2.3.1 完全隨機缺失(MCAR)12
• 2.3.2 隨機缺失(MAR)12
• 2.3.3 非隨機缺失(NMAR)12-13
• 2.4 數(shù)據(jù)缺失模式13-15
• 2.5 缺失數(shù)據(jù)處理方法總述15-16
• 2.6 常用統(tǒng)計方法16-22
• 2.6.1 均值插補法16-17
• 2.6.2 回歸插補法17-18
• 2.6.3 EM算法(期望最大化法)18-20
• 2.6.4 多重插補法20-22
• 第三章 Logistic模型極大似然估計的EM算法22-25
• 3.1 Logistic回歸模型定義及其性質(zhì)22
• 3.2 Logistic模型的極大似然估計22-24
• 3.3 不完全數(shù)據(jù)下的Logistic模型24
• 3.4 Logistic模型的EM算法實現(xiàn)24-25
• 第四章 缺失數(shù)據(jù)不同插補法的實證分析25-31
• 4.1 樣本選取25-26
• 4.2 完整數(shù)據(jù)集的Logistic回歸26-27
• 4.3 不同缺失率數(shù)據(jù)集的分析27-31
• 4.3.1 缺失率為5%的數(shù)據(jù)集的分析27
• 4.3.2 缺失率為10%的數(shù)據(jù)集的分析27-28
• 4.3.3 缺失率為15%的數(shù)據(jù)集的分析28
• 4.3.4 缺失率為20%的數(shù)據(jù)集的分析28
• 4.3.5 缺失率為30%的數(shù)據(jù)集的分析28-29
• 4.3.6 缺失率為40%的數(shù)據(jù)集的分析29
• 4.3.7 缺失率為50%的數(shù)據(jù)集的分析29-30
• 4.3.8 不同缺失率下方法比較的總結(jié)30-31
• 第五章 全文總結(jié)與展望31-32
• 參考文獻32-33
• 致謝33-34

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 金勇進;缺失數(shù)據(jù)的加權(quán)調(diào)整(系列之Ⅳ)[J];數(shù)理統(tǒng)計與管理;2001年05期

2 楊金英;崔朝杰;;圖模型方法用于二值變量相關(guān)性分析中缺失數(shù)據(jù)的估計[J];中國衛(wèi)生統(tǒng)計;2012年05期

3 金勇進;缺失數(shù)據(jù)的偏差校正(系列三)[J];數(shù)理統(tǒng)計與管理;2001年04期

4 張朝雄;沈e，

本文編號：961584