کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7547711 1489823 2014 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Efficient estimation in a regression model with missing responses
ترجمه فارسی عنوان
برآورد کارایی در یک مدل رگرسیون با پاسخهای گمشده
کلمات کلیدی
بهره وری، گمشده تصادفی، معافیت کامل،
ترجمه چکیده
برای بررسی تأثیر محاسبه بر برآورد میانگین پاسخ، ما روش مقایسه لغوی و روش نمره گرایش (که از همه آنها استفاده نکردن) و دو روش محاسبه را مقایسه می کنیم. ما نشان می دهیم که حذف لیستی و روش نمره گرایش ناکارآمد هستند. محاسبه جزئی، جایی که تنها پاسخهای گمشده محاسبه می شود، به تقلبی کامل مقایسه می شود، جایی که هر دو پاسخ های گم شده و غیرواقعی محسوب می شوند. نتایج ما نشان می دهد که، به طور کلی، تقصیر کامل بهتر از تقلیل جزئی است. با این حال، زمانی که پارامتر رگرسیون تخمین زده می شود بسیار ضعیف است، تقصیر بخشی از تخفیف کامل بهتر خواهد شد. برآوردگر کارآمد برای میانگین پاسخ، برآوردگر کامل محاسبه است که از برآورد کننده کارآیی پارامتر بهره می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
To investigate the imputation's impact on the estimation of the mean response, we compare the listwise deletion method and the propensity score method (which do not use imputation at all), and two imputation methods. We demonstrate that listwise deletion and the propensity score method are inefficient. Partial imputation, where only the missing responses are imputed, is compared to full imputation, where both missing and non-missing responses are imputed. Our results reveal that, in general, full imputation is better than partial imputation. However, when the regression parameter is estimated very poorly, the partial imputation will outperform full imputation. The efficient estimator for the mean response is the full imputation estimator that utilizes an efficient estimator of the parameter.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Statistical Methodology - Volume 16, January 2014, Pages 32-46
نویسندگان
,