.png){kind=icon}
返回
Multiple Imputation for Missing Data: Fully Conditional Specification Versus Multivariate Normal Imputation
.png){kind=icon}
OA
AI
DOI：10.1093/aje/kwp425.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
流行病学研究中的统计分析经常受到数据丢失的阻碍，并且越来越多地使用多重插补来处理此问题。在一项模拟研究中，作者比较了标准软件中广泛使用的两种插补方法: 完全条件规范 (FCS) 或链式方程和多变量正态插补 (MVNI)。作者创建了1,000个观测值的数据集来模拟队列研究，并在3种缺失数据机制下诱导了缺失数据。在Stata (Stata Corporation，College Station，Texas) 中使用FCS (Royston's ice) 和MVNI (Schafer's NORM) 进行了估算，并使用转换或预测匹配来管理连续变量中的非正态性。在这些方法和完整案例分析之间比较了一组回归参数的推论。正如预期的那样，FCS和MVNI通常比完全案例分析的偏差小，尽管存在明显不遵循正态分布的二元变量和有序变量，但两者都产生了相似的结果。忽略连续协变量中的偏度导致两种方法下相应回归参数的大偏差和差覆盖，尽管其他参数的推论在很大程度上不受影响。这些结果使人们放心，在涉及各种比例变量的标准回归分析中，可以从FCS和MVNI预期类似的结果。
Keyword:
data interpretation
statistical
epidemiologic methods
imputation
incomplete data
missing data
simulations
期刊
IF:
4.8
论文数:
10.0K
被引数:
3.7W
机构
暂无机构信息
引用论文
Fluorographdiyne: A Metal‐Free Catalyst for Applications in Water Reduction and OxidationFluorographdiyne: 一种用于水还原和氧化的无金属催化剂
.png){kind=icon}
PREAI
分享收藏Vibration Serviceability of a Building Floor Structure. I: Dynamic Testing and Computer Modeling
PREAI
分享收藏DFT global optimisation of gas-phase and MgO-supported sub-nanometre AuPd clusters气相和MgO支持的亚纳米AuPd团簇的DFT全局优化
OAAI
OAAI分享收藏分享收藏
查看更多内容