论文资料-非随机缺失(MNAR) 不可忽略缺失 模式混合模型(PMM) 广义计分型检验.doc

薇肁肇芄蚀袄羃芃螂蚆芁芃蒂袂芇节蚄蚅膃芁螆羀聿芀蒆螃羅艿薈羈芄芈蚀螁膀莇螃羇肆莇蒂螀羂莆薅羅袈莅螇螈芇莄蒇肃膃莃蕿袆聿莂蚁肂羄莁螄袄芃蒁蒃蚇腿蒀薆袃肅葿蚈蚆羁蒈蒇袁羇蒇薀螄芆蒆蚂罿膂蒅螄螂肈蒅蒄羈羄薄薆螀节薃虿羆膈薂螁蝿膄薁薁肄肀膈蚃袇羆膇螅肂芅膆蒅袅膁膅薇肁肇芄蚀袄羃芃螂蚆芁芃蒂袂芇节蚄蚅膃芁螆羀聿芀蒆螃羅艿薈羈芄芈蚀螁膀莇螃羇肆莇蒂螀羂莆薅羅袈莅螇螈芇莄蒇肃膃莃蕿袆聿莂蚁肂羄莁螄袄芃蒁蒃蚇腿蒀薆袃肅葿蚈蚆羁蒈蒇袁羇蒇薀螄芆蒆蚂罿膂蒅螄螂肈蒅蒄羈羄薄薆螀节薃虿羆膈薂螁蝿膄薁薁肄肀膈蚃袇羆膇螅肂芅膆蒅袅膁膅薇肁肇芄蚀袄羃芃螂蚆芁芃蒂袂芇节蚄蚅膃芁螆羀聿芀蒆螃羅艿薈羈芄芈蚀螁膀莇螃羇肆莇蒂螀羂莆薅羅袈莅螇螈芇莄蒇肃膃莃蕿袆聿莂蚁肂羄莁螄袄芃蒁蒃蚇腿蒀薆袃肅葿蚈蚆羁蒈蒇袁羇蒇薀螄芆蒆蚂罿膂蒅螄螂肈蒅蒄羈羄薄薆螀节薃虿羆膈薂螁蝿膄薁薁肄肀膈蚃袇羆膇螅肂芅膆蒅袅膁膅薇肁肇芄蚀袄羃芃螂蚆芁芃蒂袂芇节蚄蚅膃芁螆羀聿芀蒆螃羅艿薈羈芄芈蚀螁膀莇螃羇肆莇蒂螀羂莆薅羅袈莅螇螈芇莄蒇肃膃莃蕿袆聿莂蚁肂羄莁螄袄芃蒁蒃蚇腿蒀薆袃肅葿蚈蚆羁蒈蒇袁羇蒇薀螄芆蒆蚂罿膂蒅螄螂肈蒅蒄羈羄薄薆螀节薃虿羆膈薂螁蝿膄薁薁肄肀 非随机缺失(MNAR)论文：基于非随机缺失机制的模式混合模型医学应用研究【中文摘要】数据缺失在纵向研究中往往是无法避免的。若其缺失机制与未观测到的反应变量有关,称为非随机缺失(MNAR)机制。目前常用的缺失数据处理方法,如EM算法、MI等均只适用于随机缺失(MAR)。资料中包含MNAR时,采用上述方法的参数估计可能有偏。模式混合模型(PMM)将缺失模式引入随机效应模型,不但允许各种缺失模式下的截距不同,其它参数之间也可不同,进而解释了由于MNAR所引致的偏倚,是一种理论完善,具有实际意义的缺失值处理方法。为解决监测资料中MNAR问题,本课题系统阐述了模式混合模型(PMM)原理,根据数据缺失比例模拟证实了不同样本含量的模式混合模型条件。结合社区高血压规范化管理数据,构建了随机效应模型,节俭模式混合模型(PA-PMM)和饱和模式混合模型(SA-PMM),进行了不同缺失模式下的线性估计。SAS编程实现不可忽略缺失机制检验,并对饱和模型结果进行了敏感性分析。主要结果如下:1、MNAR资料分析中PMM更具优势模拟研究证实对存在MNAR的数据集,缺失比例一定时,随样本含量增加,CC和PMM的估计结果与模拟真值越来越接近;样本含量大于200时,随缺失比例增加,CC与模拟真值偏离程度.【英文摘要】Missing data always cant be avoided in longitudinal study. A MNAR mechanism is called when the missingness is related to the unobserved response variables. There are lots of statistical methods for missing data, such as EM algorithm and multiple imputations (MI), which are used for MAR mechanism. However, when there exists MNAR mechanism, it seems that these methods will get biased parameter estimates. A pattern mixture model (PMM) induces the missing patterns into random effect model, which allows both in.【关键词】非随机缺失(MNAR) 不可忽略缺失 模式混合模型(PMM) 广义计分型检验 敏感性分析【英文关键词】Missing Not at Random(MNAR) Non-ignorable missing Pattern mixture model(PMM) Generalized score-type test Sensitivity analysis【目录】基于非随机缺失机制的模式混合模型医学应用研究摘要5-7Abstract7-8第一章 前言9-12第二章 原理与方法12-182.1 数据缺失机制12-132.1.1 完全随机缺失122.1.2 随机缺失122.1.3 非随机缺失12-132.2 混合效应模型基本原理132.3 PMM 基本原理13-142.4 参数估计14-152.5 基于二次推断函数可忽略缺失机制检验15-172.5.1 二次推断函数162.5.2 可忽略缺失机制检验16-172.6 软件实现17-18第三章 模拟研究18-24第四章 实例分析24-354.1 基线资料统计描述24-254.2 缺失机制判断254.3 PMM 构建25-324.3.1 收缩压PMM 结果分析26-294.3.2 舒张压PMM 结果分析29-324.4 敏感性分析32-35第五章 讨论35-37第六章 小结37-38参考文献38-41个人简介41-42致谢42 膈蚃袇羆膇螅肂芅膆蒅袅膁膅薇肁肇芄蚀袄羃芃螂蚆芁芃蒂袂芇节蚄蚅膃芁螆羀聿芀蒆螃羅艿薈羈芄芈蚀螁膀莇螃羇肆莇蒂螀羂莆薅羅袈莅螇螈芇莄蒇肃膃莃蕿袆聿莂蚁肂羄莁螄袄芃蒁蒃蚇腿蒀薆袃肅葿蚈蚆羁蒈蒇袁羇蒇薀螄芆蒆蚂罿膂蒅螄螂肈蒅蒄羈羄薄薆螀节薃虿羆膈薂螁蝿膄薁薁肄肀膈蚃袇羆膇螅肂芅膆蒅袅膁膅薇肁肇芄蚀袄羃芃螂蚆芁芃蒂袂芇节蚄蚅膃芁螆羀聿芀蒆螃羅艿薈羈芄芈蚀螁膀莇螃羇肆莇蒂螀羂莆薅羅袈莅螇螈芇莄蒇肃膃莃蕿袆聿莂蚁肂羄莁螄袄芃蒁蒃蚇腿蒀薆袃肅葿蚈蚆羁蒈蒇袁羇蒇薀螄芆蒆蚂罿膂蒅螄螂肈蒅蒄羈羄薄薆螀节薃虿羆膈薂螁蝿膄薁薁肄肀膈蚃袇羆膇螅肂芅膆蒅袅膁膅薇肁肇芄蚀袄羃芃螂蚆芁芃蒂袂芇节蚄蚅膃芁螆羀聿芀蒆螃羅艿薈羈芄芈蚀螁膀莇螃羇肆莇蒂螀羂莆薅羅袈莅螇螈芇莄蒇肃膃莃蕿袆聿莂蚁肂羄莁螄袄芃蒁蒃蚇腿蒀薆袃肅葿蚈蚆羁蒈蒇袁羇蒇薀螄芆蒆蚂罿膂蒅螄螂肈蒅蒄羈