基于结构方程模型的缺失数据填补方法比较
目的：对比删除法、多重填补、EM算法、全息极大似然估计四种处理缺失数据的方法在结构方程模型中的应用. 方法：本研究数据来自一项对广东省某医学高校大学新生的学前调查,调查对象共计2503人.本研究先使用四种方法对缺失数据进行填补,并分别建立测量模型.采用标准因子载荷和四个模型拟合指标(CFI,AGFI,SRMR、RMSEA)对四种方法的处理效果进行比较,分析不同方法的优缺点. 结果：多重填补和全息极大似然估计方法对缺失数据处理结果相似,且优于其他两种方法;EM算法获得的标准误最小,删除法的处理效果最差. 结论：不同的缺失数据处理方法各有优缺点,因此在进行缺失数据处理时,可尝试使用多种方法进行比较,选取较为合适的方法.
生物统计学 缺失数据 填补方法 结构方程模型
陈羽 朱蕾 关颖
南方医科大学生物统计学系
国内会议
天津
中文
167-173
2016-07-26（万方平台首次上网日期，不代表论文的发表时间）