基于分层模型的缺失数据插补方法研究

摘要：

大规模抽样调查多采用复杂抽样设计,得到具有分层嵌套结构的调查数据集,其中不可避免会遇到数据缺失问题,针对分层结构含缺失数据集的插补策略目前鲜有研究.本文将Gibbs算法应用到分层含缺失数据集的多重插补过程中,分别研究了固定效应模型插补法和随机效应模型插补法,进而通过理论推导和数值模拟,在不同组内相关系数、群组规模、数据缺失比例等情形下,从参数估计结果的无偏性和有效性两方面,比较不同方法的插补效果,给出插补模型的选择建议.研究结果表明,采用随机效应模型作为插补模型时,得到的参数估计结果更准确,而固定效应模型作为插补模型操作相对简便.在数据缺失比例较小、组内相关系数较大、群组规模较大等情形下,可以采用固定效应插补模型,否则建议采用随机效应插补模型.

关键词：分层结构数据、多重插补法、Gibbs算法、固定效应模型、随机效应模型

所属期刊栏目：35

分类号：O212(概率论与数理统计)

资助基金：国家社会科学基金青年项目“基于小域估计的民族地区贫困和不平衡发展程度测度研究”18CTJ011;国家社会科学基金项目“大数据背景下非概率抽样的统计推断问题研究”15BTJ014;全国统计科学研究重点项目“相依抽样调查数据模型的统计推断及在民族人口和教育领域的应用”2017LZ01

在线出版日期：2019-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：93-104