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