换一批
换一批纵向研究缺失数据多重填补及混合效应模型分析
Using multiple imputation and mixed-effects model on missing data:a longitudinal study
摘要目的阐明马尔可夫链蒙特卡罗（MCMC）多重填补与重复测量资料混合效应线性模型分析的原理，完成纵向监测数据缺失模型的软件实现。方法根据222例高血压患者纵向监测的完全数据，产生缺失比例为18.92％的随机缺失数据集。应用MCMC多重填补方法，进行缺失值填补的模拟研究以及实例分析，并实现重复测量混合效应线性模型分析。结果模拟研究和实例分析表明，样本例数200，缺失比例20％，MCMC法多重填补5次所得结果最稳健；填补前缺失数据与完全数据的混合效应模型分析结果不同，填补后完整数据与完全数据的混合效应模型分析结果相同。结论 MCMC多重填补可以充分利用缺失资料信息，是处理缺失数据模型分析的有效方法之一；针对出现缺失的重复测量资料，结合应用混合效应模型与MCMC多重填补2种方法，从而得出更为符合客观实际的结果。
更多相关知识
栏目名称
论著
DOI
10.11655/zgywylc2015.07.001
发布时间
2015-08-19
基金项目
国家自然科学基金
- 浏览177
- 被引11
- 下载76
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
