非随机缺失机制下基于模型的参数似然估计方法研究  

Research on Model-based Parameter Likelihood Estimation Methods under Nonignorable Missing Mechanism

作　　者：于力超 YU Li-chao(College of Science,Minzu University of China,Beijing 100081.China)

机构地区：[1]中央民族大学理学院

出　　处：《数理统计与管理》2019年第6期977-985,共9页Journal of Applied Statistics and Management

基　　金：国家社会科学基金青年项目(18CTJ011);全国统计科学研究项目重点项目(2017LZ01)的资助

摘　　要：在纵向抽样调查活动中,常出现变量数据缺失的情况,如何对含缺失的数据集进行总体参数估计是一个热点话题。目前已有方法主要适用于随机缺失机制下的缺失数据分析问题,常采用插补法生成完整数据集,基于此进行参数估计。本文在非随机数据缺失机制下,研究了几种基于模型的参数似然估计方法,包括模式混合模型法和选择模型法,对单调缺失模式下含缺失纵向调查数据给出了参数估计范例,进而引入随机效应参数,将两种方法加以推广。Missing data is a major issue in longitudinal survey programs.How to estimate the parameters of interest when there are some missing data in the survey dataset is a hot topic.Most of the related research work assumed the missing data mechanism is ignorable,then often use imputation method to get the complete dataset.In this paper,we consider the model-based parameter estimation methods when the missing mechanism is nonignorable.We use selection model and pattern mixture model to deal with parameter estimation problems.The models are proposed with examples for longitudinal survey data with nonignorable dropout.We also add random effect into these models to extend these methods.

关 键 词：非随机缺失 选择模型 模式混合模型 纵向抽样调查 极大似然估计 

分 类 号：C811[社会学—统计学] O212[理学—概率论与数理统计]