缺失数据

定　价：¥30.00

作　者：	[美] 保罗·D.埃里森（Paul D.Allison）著，吴晓刚编，林毓玲译
出版社：	格致出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787543228672	出版时间：	2018-06-01	包装：	平装
开本：	32开	页数：	145	字数：

内容简介

　　社会科学研究中经常遇到样本数据缺失的问题，以往研究者倾向于将这种缺失认定为符合完全随机缺失的特性，但实际上这一假设并不一定能完全符合，在对这种数据缺失进行处理时，往往会出现删除大量数据导致影响统计结果的问题。《缺失数据》主要介绍了在有缺失数据时如何进行似然估计的方法，并探寻了多种新的解决缺失数据问题的方法，有很强的实用性。

作者简介

　　保罗 D. 阿利森（Paul D. ALLISON）美国宾州大学社会学教授。于1976年由威斯康辛大学获得博士学位，之后在芝加哥大学及宾州大学作统计学的博士后研究。关于社会科学中的统计方法，他已出版5本书及超过25篇文章。这些作品处理广泛多样的方法，包含线性回归、对数线性分析、logit分析、probit分析、测量误差、不平等测量、缺失数据、Markov processes及事件史分析。

图书目录

序
第1章导论
第2章假设
第1节完全随机缺失的
第2节随机缺失的
第3节可忽略的
第4节不可忽略的
第3章传统的方法
第1节成列删除
第2节成对删除
第3节虚拟变量调整
第4节插补
第5节总结
第4章最大似然
第1节回顾最大似然估计法
第2节有缺失数据的ML
第3节列联表数据
第4节具正态分布数据的线性模型
第5节 EM算法
第6节 EM实例
第7节直接ML
第8节直接ML实例
第9节结论
第5章多重插补：基本原理
第1节单一随机插补
第2节多元随机插补
第3节在参数估计值中考虑随机变异
第4节在多变量正态模型下的多重插补
第5节多变量正态模型的数据扩增法
第6节在数据扩增法中收敛
第7节连续的数据扩增法相对平行的数据扩增法
第8节对非正态或类别数据使用正态模型
第9节探索分析
第10节 MI实例
第6章多重插补：复杂化
第1节 MI中的交互作用和非线性
第2节插补模型和分析模型之适合性
第3节插补中因变量所扮演的角色
第4节在插补过程中使用额外的变量
第5节多重插补的其他参数方法
第6节无参数及部分参数方法
第7节连续的广义回归模型
第8节线性假设检验和最大似然比检验
第9节 MI实例
第10节长期的及其他集群数据的MI
第11节 MI实例
第7章不可忽略的缺失数据
第1节两种模型
第2节 Heckman的样本选择误差模型
第3节形态混合模型的ML估计
第4节形态混合模型的多重插补
第8章总结与结论
注释
参考文献
译名对照表