替代早期完全随机缺失状态下longitudinal数据测量结果分析

作者：佟昕

来源：统计与咨询, 2020, (02): 26-28.

DOI：10.19456/j.cnki.tjyzx.2020.02.010

• 数据缺失
• 完全随机缺失MCAR
• longitudinal数据

用相同序列中早期数据做模拟研究,在完全随机缺失MCAR状态下运用不同限定条件预测longitudinal 响应最终结果。由10个重复测量数据生成Logistic模型模拟MCAR缺失机制。用不同方法来计算相关度量并且用没有缺失的原始数据来评估缺失的影响。用偏离率和均方误差来评估影响的程度。结果表明在MCAR机制下,选用AC方法的偏离率和均方误差小于CC方法,即AC方法优于CC方法。