缺失數(shù)據(jù)統(tǒng)計(jì)分析

內(nèi)容概要

　　《外國(guó)優(yōu)秀統(tǒng)計(jì)學(xué)教材系列叢書：缺失數(shù)據(jù)統(tǒng)計(jì)分析（第2版）（翻譯版）》分為三部分，第一部分討論了歷史上在三個(gè)重要的統(tǒng)計(jì)領(lǐng)域中缺失值問題的方法；第二部分對(duì)具有缺失值的數(shù)據(jù)的分析給出系統(tǒng)的方法；第三部分給出了這些方法在各個(gè)方面的應(yīng)用，涉及回歸、因子分析、列聯(lián)表分析、時(shí)間序列和抽樣調(diào)查等。

書籍目錄

前言第一部分 回顧與基本方法第一章 概論.1.1 缺失數(shù)據(jù)的問題1.2 缺失數(shù)據(jù)模式1.3 導(dǎo)致缺失數(shù)據(jù)的機(jī)制1.4 缺失數(shù)據(jù)方法的分類第二章 試驗(yàn)中的缺失數(shù)據(jù)2.1 引言2.2 完全數(shù)據(jù)的精確的最小二乘解2.3 缺失數(shù)據(jù)的正確的最小二乘分析2.4 填充最小二乘估計(jì)2.5 Bartlett的ANCOVA方法2.6 僅使用完全數(shù)據(jù)方法由ANCOVA獲得缺失值的2.7 標(biāo)準(zhǔn)差的正確的最小二乘估計(jì)和一個(gè)自由度的平方和2.8多于一個(gè)自由度的最小二乘平方和問題第三章 完全個(gè)體和可用個(gè)體的分析,包括加權(quán)方法3.1 引言3.2 完全個(gè)體分析3.3 加權(quán)的完全個(gè)體分析3.4 可用個(gè)體分析問題第四章 單一借補(bǔ)方法4.1 引言4.2 從預(yù)測(cè)分布借補(bǔ)均值4.3 從預(yù)測(cè)分布中抽取借補(bǔ)值4.4 結(jié)論問題第五章 借補(bǔ)不確定性的估計(jì)5.1 引言5.2 由單一填充數(shù)據(jù)集提供有效的標(biāo)準(zhǔn)誤差的借補(bǔ)方法5.3 用再抽樣的借補(bǔ)數(shù)據(jù)的標(biāo)準(zhǔn)誤差5.4 多重借補(bǔ)的介紹5.5 再抽樣方法和多重借補(bǔ)的比較問題第二部分 用于缺失數(shù)據(jù)分析的基于似然的方法第六章 基于似然函數(shù)的推斷理論6.1 完全數(shù)據(jù)基于似然的估計(jì)的回顧6.2 不完全數(shù)據(jù)基于似然的推斷6.3 極大似然以外通常有缺陷的方法：對(duì)參數(shù)和缺失數(shù)據(jù)極大化6.4 對(duì)粗化數(shù)據(jù)的似然理論問題第七章 因子化似然方法,忽略缺失數(shù)據(jù)機(jī)制7.1 引言7.2 具有一個(gè)變量不響應(yīng)的二元正態(tài)數(shù)據(jù)：ML估計(jì)（極大似然估計(jì)）7.3 二元正態(tài)單調(diào)數(shù)據(jù)：小樣本推斷7.4 兩個(gè)以上變量的單調(diào)數(shù)據(jù)7.5 對(duì)特殊的非單調(diào)模式的因子化問題第八章 缺失數(shù)據(jù)一般模式的極大似然,可忽略不響應(yīng)的介紹和理論8.1 另一種可選用的計(jì)算策略8.2 EM算法的介紹8.3 EM的正步和M步..8.4 EM算法的理論8.5 EM的推廣8.6 混合極大化方法問題第九章 基于極大似然估計(jì)的大樣本推斷9.1 基于信息陣的標(biāo)準(zhǔn)誤差9.2 無需計(jì)算已觀測(cè)信息矩陣的估計(jì)并求逆,產(chǎn)生標(biāo)準(zhǔn)誤差問題第十章 貝葉斯和多重借補(bǔ)10.1 貝葉斯迭代模擬方法10.2 多重借補(bǔ)問題第三部分 不完全數(shù)據(jù)分析的基于似然的方法：一些例子第十一章 多元正態(tài)的例子,可忽略缺失數(shù)據(jù)機(jī)制11.1 引言11.2 正態(tài)下有缺失數(shù)據(jù)時(shí)均值向量和協(xié)差陣的推斷11.3 有限制協(xié)差陣的估計(jì)11.4 多元線性回歸11.5 一個(gè)一般的有缺失數(shù)據(jù)的重復(fù)度量模型11.6 時(shí)間序列模型問題第十二章 穩(wěn)健估計(jì)12.1 引言12.2 一元樣本的穩(wěn)健估計(jì)12.3 均值和協(xié)差陣的穩(wěn)健估計(jì)12.4 t模型的進(jìn)一步擴(kuò)展問題第十三章 未完全分類的列聯(lián)表模型,忽略缺失數(shù)據(jù)機(jī)制13.1 引言13.2 單調(diào)多項(xiàng)數(shù)據(jù)的因子化似然13.3 有一般缺失數(shù)據(jù)模式的多項(xiàng)分布樣本的ML和貝葉斯估計(jì)13.4 不完全分類列聯(lián)表的對(duì)數(shù)線性模型問題第十四章 有缺失值的正態(tài)和非正態(tài)混合數(shù)據(jù),可忽略缺失數(shù)據(jù)機(jī)制14.1 引言14.2 一般的位置模型14.3 有參數(shù)制約的一般的位置模型14.4 連續(xù)和分類變量混合的回歸問題14.5 一般的位置模型的進(jìn)一步擴(kuò)展問題第十五章 不可忽略缺失數(shù)據(jù)模型15.1 引言15.2 不可忽略模型的似然理論15.3 具有已知不可忽略缺失數(shù)據(jù)機(jī)制的模型：分組的和歸并的數(shù)據(jù)15.4 正態(tài)的選擇模型15.5 正態(tài)模式混合模型15.6 正態(tài)重復(fù)測(cè)量數(shù)據(jù)的不可忽略模型15.7 分類數(shù)據(jù)的不可忽略模型問題參考文獻(xiàn)...

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    缺失數(shù)據(jù)統(tǒng)計(jì)分析 PDF格式下載

---