作者：陈楠 刘红云追踪研究潜变量增长模型非随机缺失机制极大似然方法
摘要：对含有非随机缺失数据的潜变量增长模型，为了考察基于不同假设的缺失数据处理方法：极大似然（ML）方法与Diggle—Kenward选择模型的优劣，通过MonteCarlo模拟研究，比较两种方法对模型中增长参数估计精度及其标准误估计的差异，并考虑样本量、非随机缺失比例和随机缺失比例的影响。结果表明，符合前提假设的Diggle-Kenward选择模型的参数估计精度普遍高于ML方法；对于标准误估计值，ML方法存在一定程度的低估，得到的置信区间覆盖比率也明显低于Diggle—Kenward选择模型。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
