换一批不同缺失机制并存时应答偏倚校正方法在医保学生医疗费用调查中的应用
Study on correction of data bias caused by different missing mechanisms in survey of medical expenditure among students enrolling in Urban Resident Basic Medical Insurance
摘要流行病学调查中常会出现数据缺失,目前对此有多种处理方法,但这些方法对数据的缺失机制均有严格要求.Rubin[1]认为缺失机制主要包括完全随机缺失(missing completely at random,MCAR)、随机缺失(missing at random,MAR)和非随机缺失(not missing at random,NMAR)三类.MCAR数据缺失的概率与任何观测到或未观测到的变量值均无关,完全观测个体使用任何分析方法均有效;MAR数据缺失的概率与其他变量有关,但与该变量本身取值无关,一般是采用多重填补(multiple imputation,MI)技术[2-3];而NMAR则对于数据缺失的概率与其他变量及该变量本身均有关,可采用样本选择模型(sample selection model)给予校正[4-5].
更多相关知识
关键词
随机缺失多重填补样本选择模型两阶段校正方法Missing at randomMultiple imputationHeckman selection modelTwo-stage method of bias correction
栏目名称
DOI
10.3760/cma.j.issn.0254–6450.2015.05.024
发布时间
2015-06-04（万方平台首次上网日期，不代表论文的发表时间）
- 浏览84
- 被引2
- 下载36
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
