การวิจัยนี้เปรียบเทียบประสิทธิภาพของเทคนิคข้อมูลที่ขาดหายไปคือ<br>อัลกอริทึม EM, ดาดฟ้าร้อนโดยเกณฑ์การจับคู่ระยะทาง Mahalanobis<br>ที่ไม่เหมาะสมหลาย imputation, ดาดฟ้าร้อนโดย Mahalanobis เกณฑ์การจับคู่ระยะทางที่เหมาะสมหลาย imputation และกรณีที่สมบูรณ์ใช้กันอย่างแพร่หลาย<br>ขั้นตอนในการจัดการข้อมูลที่หายไป โดยเฉพาะอย่างยิ่งประสิทธิภาพของสิ่งเหล่านี้<br>เทคนิคจะถูกเปรียบเทียบในสถานการณ์ที่มีค่า X ที่หายไปเมื่อ<br>มีตัวแทน covariate Z ในหายไปอย่างสมบูรณ์โดยการสุ่ม,<br>หายไปแบบสุ่มและไม่หายไปในสถานการณ์สุ่มในการประมาณ<br>พารามิเตอร์ความชันในรูปแบบการถดถอยเชิงเส้นอย่างง่าย การหายตัวไป<br>กลไกที่สันนิษฐานในทางปฏิบัติจะถูกจัดประเภทเพิ่มเติมเป็นอย่างใดอย่างหนึ่ง<br>อ่อนโยนรุนแรงหรือรุนแรงขึ้นอยู่กับตัวแปรที่น่าสนใจ การจําแนกประเภทนี้มีประโยชน์ในการทําความเข้าใจพฤติกรรมของการสูญหาย<br>กลไก ในสถานการณ์ที่ขาดหายไปอย่างสมบูรณ์ในการสุ่มทั้งหมดข้างต้น<br>เทคนิคการผลิตการประมาณการที่ดีของพารามิเตอร์ความลาดชันแม้จะมีสูง<br>สัดส่วนของข้อมูลที่หายไปและความสัมพันธ์ต่ําระหว่าง X และตัวแทน<br>Z ในอ่อนหายไปโดยการสุ่มและไม่หายไปในสถานการณ์สุ่มทั้งหมด<br>เทคนิคข้างต้นผลิตประมาณการที่ดีของพารามิเตอร์ความลาดชันแม้<br>ด้วยสัดส่วนที่สูงของข้อมูลที่หายไปและความสัมพันธ์ต่ําระหว่าง X และ <br>ตัวแทน Z. ในสถานการณ์สถานการณ์ที่แข็งแกร่งและขาดการสุ่มการวิเคราะห์ในกรณีที่สมบูรณ์ทําให้เกิดการประมาณการที่ลําเอียงแม้จะมีขนาดเล็ก<br>สัดส่วนของข้อมูลที่หายไป อัลกอริทึม EM, การ Imputation หลายครั้งที่เหมาะสม<br>และ Imputation หลายที่ไม่เหมาะสมปรับปรุงการประมาณการ ในที่แข็งแกร่งและ<br>รุนแรงไม่หายไปในสถานการณ์สุ่มประมาณการโดยการวิเคราะห์กรณีที่สมบูรณ์เท่านั้นจะไม่ลําเอียง แต่พวกเขาไม่น่าเชื่อถือ พบว่าเท่านั้น<br>หากความสัมพันธ์ระหว่าง X และตัวแทน Z เท่ากับหนึ่งสามารถละเว้นกลไกการสูญหายเมื่อใช้อัลกอริทึม EM ใน Strong และ<br>รุนแรงไม่หายไปในสถานการณ์สุ่ม ความสัมพันธ์สูงระหว่าง X<br>และ Z เป็นสิ่งจําเป็นเมื่อสัดส่วนข้อมูลที่ขาดหายไปสูงสําหรับอัลกอริทึม EM เพื่อให้ทํางานได้ดีกว่าการวิเคราะห์ในกรณีที่สมบูรณ์ นอกจากนี้ยังพบ<br>โดยทั่วไปข้อผิดพลาดมาตรฐานของการประเมินจะเพิ่มขึ้นตามสัดส่วน<br>ข้อมูลที่หายไปเพิ่มขึ้น การวิจัยยังประสบความสําเร็จในการอธิบายว่าทําไมเทคนิคข้อมูลที่ขาดหายไปข้างต้นจึงประสบความสําเร็จหรือไม่สามารถแก้ไขปัญหาได้<br>ปัญหาและในการกําหนดเทคนิคข้อมูลที่ขาดหายไปที่เหมาะสมเพื่อ<br>จ้างในการจัดการกับสถานการณ์ข้อมูลที่หายไป สิ่งที่ขาดไปที่แนะนํา<br>เทคนิคข้อมูลสําหรับสถานการณ์ต่างๆที่มีตัวแปรตัวแทนที่มีอยู่คือ<br>เสนอเมื่อสิ้นสุดการทํางาน
การแปล กรุณารอสักครู่..
