顶部
  1. 首页
  2. 图书产品
  3. 缺失数据统计分析（第三版）
收藏

缺失数据统计分析（第三版）

样章
作者：
Roderick J. A. Little, Donald B. Rubin 著，周晓华、邓宇昊 译
定价：
89.00元
ISBN：
978-7-04-058820-0
版面字数：
480.000千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
重点项目：
暂无
出版时间：
2022-10-20
读者对象：
学术著作
一级分类：
自然科学
二级分类：
统计学
三级分类：
应用统计学
暂无
  • 前辅文
  • 第一部分 回顾与基本方法
    • 第1章 概论
      • 1.1 缺失数据的问题
      • 1.2 缺失模式和缺失机制
      • 1.3 导致缺失数据的机制
      • 1.4 缺失数据方法的分类
      • 问题
    • 第2章 试验中的缺失数据
      • 2.1 引言
      • 2.2 完全数据的精确最小二乘解
      • 2.3 带缺失数据的正确最小二乘分析
      • 2.4 填充最小二乘估计
      • 2.5 Bartlett协方差分析方法
      • 2.6 仅使用完全数据方法由协方差分析获得缺失值的最小二乘估计
      • 2.7 标准误差和单自由度平方和正确最小二乘估计
      • 2.8 多自由度的正确最小二乘平方和
      • 问题
    • 第3章 完全案例和可用案例分析, 包括加权方法
      • 3.1 引言
      • 3.2 完全案例分析
      • 3.3 加权完全案例分析
      • 3.3.4 加权方法的总结
      • 3.4 可用案例分析
      • 问题
    • 第4章 单一填补方法
      • 4.1 引言
      • 4.2 从预测分布中填补均值
      • 4.3 从预测分布中抽取填补值
      • 4.3.1 基于精确模型的抽取
      • 4.3.2 基于非精确模型的抽取: 热卡方法
      • 4.4 结论
      • 问题
    • 第5章 考虑缺失数据的不确定性
      • 5.1 引言
      • 5.2 由单一数据集提供有效标准误差估计的填补方法
      • 5.3 用重抽样的填补数据的标准误差
      • 5.4 多重填补简介
      • 5.5 重抽样方法和多重填补的比较
      • 问题
  • 第二部分 用于缺失数据分析的基于似然的方法
    • 第6章 基于似然函数的推断理论
      • 6.1 完全数据基于似然的估计回顾
      • 6.2 不完全数据基于似然的推断
      • 6.3 极大似然以外一种通常有缺陷的做法:对参数和缺失数据最大化
      • 6.4 粗化数据的似然理论
      • 问题
    • 第7章 当缺失机制可忽略时因子化似然的方法
      • 7.1 引言
      • 7.2 一个变量有缺失的二元正态数据: 极大似然估计
      • 7.3 二元正态单调数据: 小样本推断
      • 7.4 超过两变量的单调缺失
      • 7.5 对特殊的非单调模式的因子化似然
      • 问题
    • 第8章 缺失数据一般模式的极大似然:可忽略不响应的介绍和理论
      • 8.1 另一种可选的计算策略
      • 8.2 期望最大化算法的介绍
      • 8.3 期望最大化的E步和M步
      • 8.4 期望最大化算法的理论
      • 8.5 期望最大化的扩展
      • 8.6 混合最大化方法
      • 问题
    • 第9章 基于极大似然估计的大样本推断
      • 9.1 基于信息矩阵的标准误差
      • 9.2 通过其他方法得到标准误差
      • 问题
    • 第10章 贝叶斯和多重填补
      • 10.1 贝叶斯迭代模拟方法
      • 10.2 多重填补
      • 问题
  • 第三部分 不完全数据分析基于似然的方法: 一些例子
    • 第11章 多元正态例子, 忽略缺失机制
      • 11.1 引言
      • 11.2 正态下有缺失数据时均值向量和协方差矩阵的推断
      • 11.3 带约束协方差矩阵的正态模型
      • 11.4 多重线性回归
      • 11.5 带有缺失数据的一般重复测量模型
      • 11.6 时间序列模型
      • 11.7 测量误差表示为缺失数据
      • 问题
    • 第12章 稳健估计模型
      • 12.1 引言
      • 12.2 通过用长尾分布替换正态分布减少离群值的影响
      • 12.3 倾向性预测的惩罚样条
      • 问题
    • 第13章 未完全分类的列联表模型, 忽略缺失机制
      • 13.1 引言
      • 13.2 单调多项数据的因子化似然
      • 13.3 一般缺失模式下多项样本的极大似然和贝叶斯估计
      • 13.4 未完全分类列联表的对数线性模型
      • 问题
    • 第14章 有缺失值的正态和非正态混合数据, 忽略缺失机制
      • 14.1 引言
      • 14.2 一般位置模型
      • 14.3 带参数约束的一般位置模型
      • 14.4 涉及连续变量和分类变量混合的回归问题
      • 14.5 一般位置模型的进一步推广
      • 问题
    • 第15章 非随机缺失模型
      • 15.1 引言
      • 15.2 已知非随机缺失机制的模型: 分组和归并的数据
      • 15.3 非随机缺失数据的正态模型
      • 15.4 非随机缺失数据的其他模型和方法
      • 问题
    • 参考文献
    • 人名索引
    • 名词索引
    • 译后记

相关图书

基于INLA的贝叶斯回归建模

Xiaofeng Wang, Yu Ryan Yue, Julian J. Faraway 著, 汤银才，周世荣 译

￥0.00 收藏

社会科学的空间回归模型

Guangqing Chi, Jun Zhu 著，王平平 译

￥79.00 收藏

蒙特卡罗方法与随机过程：从线性到非线性

Emmanuel Gobet 著，许明宇 译

￥89.00 收藏

递归划分方法及其应用

Heping Zhang, Burton H.Singer 著，王学钦 译

￥69.00 收藏

量化交易：算法、分析、数据、模型和优化

Xin Guo，Tze Leung Lai，Howard Shek，Samuel Po-Shing Wong 著，冯玉林

￥89.00 收藏