具有数据缺失的Greenberg模型的随机插补方法  

Randomized Imputation Method for Greenberg Model with missing data

作　　者：张权[1,2] 崔利荣[3] 关宝玲[1] 李艳君[1] 

机构地区：[1]齐齐哈尔大学理学院,黑龙江齐齐哈尔161006 [2]北京理工大学数学与统计学院,北京100081 [3]北京理工大学管理与经济学院,北京100081

出　　处：《数学的实践与认识》2015年第10期250-255,共6页Mathematics in Practice and Theory

基　　金："十二五"国家科技支撑计划项目(2013BAK12B0803);黑龙江省教育厅项目(12541900)

摘　　要：研究了具有数据缺失的Greenberg模型,充分利用有关辅助信息对总体分层,然后采取对每层有数据丢失的部分进行插补,从而,避免了因数据丢失引起的信息损失,最后用R软件对结果进行数值模拟,通过模拟情况分析,达到了理想的插补效果.This article studies a Greenberg model with missing data, We make full use of the relevant auxiliary information to delaminate the population, and supplement data in each layer. Thus the method avoid the information loss caused by missing data, At last numerical result is simulated by R software, The results show that we achieve an ideal effect.

关 键 词：随机化回答技术(RRT) 敏感问题 随机插补法 Greenberg模型 

分 类 号：O212.1[理学—概率论与数理统计]