數(shù)據(jù)缺失及其填補(bǔ)方法綜述(編輯修改稿)
2025-02-14 18:51 本頁面
【文章內(nèi)容簡介】 這個矩陣的特點(diǎn) ， 可以推斷出數(shù)據(jù)缺失模式 。 LOGO 12 TRANSITION PAGE 過渡頁 一 引言 四 處理方法的選擇與評價 五 總結(jié) 二 數(shù)據(jù)缺失簡介 三 數(shù)據(jù)缺失的處理方法 LOGO 13 Part 3 數(shù)據(jù)缺失的處理方法 基本方法 基于完整觀測單位的方法 單一填補(bǔ)法 基于填補(bǔ)的方法 人工填補(bǔ)法 刪除法 不處理 加權(quán)調(diào)整法 列表刪除 個案刪除（配對刪除） 多重填補(bǔ)法 均值填補(bǔ)法 回歸填補(bǔ)法 熱平臺填補(bǔ)法（ Hot deck 填補(bǔ)法、就近補(bǔ)齊法） 冷平臺填補(bǔ)法 期望最大化法 極大似然估計 馬爾科夫鏈蒙特卡羅法（ MCMC） 趨勢得分法 隨機(jī)回歸填補(bǔ)法（ PMM法） K最近距離鄰法 貝葉斯網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò) LOGO 14 Part 3 數(shù)據(jù)缺失的處理方法 這種方法簡便 易行 。 在被調(diào)查對象出現(xiàn)多個變量的缺失 , 并且被刪除的含缺失的數(shù)據(jù)量在整個數(shù)據(jù)集中的數(shù)據(jù)量占的比例非常小的情況下 , 是非常簡單而有效的。 它的不足之處在于，刪除缺失數(shù)據(jù)的過程中減少了原始的數(shù)據(jù)，導(dǎo)致了信息的損耗。因此 , 當(dāng)缺失數(shù)據(jù)所占比例較大 ,特別當(dāng)缺失數(shù)據(jù)非隨機(jī)分布時 , 這種方法可能導(dǎo)致數(shù)據(jù)發(fā)生偏離 , 從而引出錯誤的結(jié)論。 基于完整觀測單位的方法 刪除法 加權(quán)調(diào)整法 列表刪除 個案刪除（配對刪除） 加權(quán)是一個減少偏差的比較簡單的措施 , 但是由于丟棄不完整單位的信息 , 并且沒有提供一個內(nèi)在的方差控制 , 所以在樣本量較大時 , 易出現(xiàn)錯誤的結(jié)果。 LOGO 15 Part 3 數(shù)據(jù)缺失的處理方法 多重填補(bǔ)法 1977年由 Rubin首先提出，經(jīng)過 Meng和 Schafer等人不斷的完善和綜合已形成一個比較系統(tǒng)的理論，該法有以下 優(yōu)點(diǎn) ：①多重插補(bǔ)過程產(chǎn)生多個中間插補(bǔ)值，可以利用插補(bǔ)值之間的變異反映無
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1