文献

J-GLOBAL ID：201902250022178513   整理番号：19A2233884

逐次ペナルティ回帰による多重補完【JST・京大機械翻訳】

Multiple imputation with sequential penalized regression

著者 (3件)： Zahid Faisal M (Department of Statistics, Government College University, Faisalabad, Pakistan) ,  Zahid Faisal M (Department of Statistics, Ludwig Maximilians University Munich, Munich, Germany) ,  Heumann Christian (Department of Statistics, Ludwig Maximilians University Munich, Munich, Germany)
資料名： Statistical Methods in Medical Research  (Statistical Methods in Medical Research)
巻： 28  号： 5  ページ： 1311-1327  発行年： 2019年 
JST資料番号： W5397A  ISSN： 0962-2802  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 欠落データは,生物医学,疫学および社会研究における推定および推論における問題を引き起こすことができる一般的な問題である。複数の障害は,欠落したデータを扱うためのますます一般的なアプローチである。欠測データを有する多数の共変量の場合,既存の複数の不正確なソフトウェアパッケージは,適切に働くことができず,しばしば誤差を発生させる可能性がある。著者らは,逐次的なペナルティ化回帰モデルに基づくmisprと呼ばれる複数の衝突アルゴリズムを提案した。欠測値を持つ各変数は異なる分布形式を持つと仮定し,リッジペナルティを用いてそれ自身の衝突モデルを用いた。サンプルサイズに関する多数の予測子の場合,二次ペナルティの使用はパラメータに対するユニークな推定を保証し,バイアスと分散間の良好な妥協を伴う通常の最大尤度推定(MLE)よりも良好な予測をもたらす。結果として,提案したアルゴリズムは良く機能し,小さなサンプルを持つ多数の共変量に対してさえも良好な不正確な値を提供する。結果を,シミュレーション研究における既存のソフトウェアパッケージマウス,VIMおよびAmeliaと比較した。ランダム機構における欠落は,シミュレーション研究における主要な仮定であった。提案したアルゴリズムの衝撃性能を,平均二乗衝突誤差と平均絶対誤差で評価した。平均二乗誤差([数式:原文を参照]),それらの標準誤差と信頼区間によるパラメータ推定も,回帰コンテキストにおける性能を比較するために計算した。提案したアルゴリズムは,既存のアルゴリズムに対する良好な競争者であることが観察され,より小さい平均二乗衝突誤差,平均絶対衝突誤差,および平均二乗誤差がある。アルゴリズムの性能は,特に予測子の数がサンプルサイズよりも近いか,またはより大きい場合に,共変数の増加に伴う既存のアルゴリズムの性能よりもかなり良くなる。2つの実生活データセットも用いて,シミュレーションを用いて提案アルゴリズムの性能を調べた。Copyright The Author(s) 2018 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パラメータ ,  *多重化 ,  疫学 ,  アルゴリズム ,  パラメータ推定 ,  衝撃 ,  *ペナルティ ,  回帰モデル ,  プログラムパッケージ ,  バイアス ,  計算機シミュレーション ,  信頼区間 ,  最尤法
準シソーラス用語： 平均二乗誤差 ,  予測子 ,  共変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 条件付き分布 ,  高次元データ ,  欠測データ ,  多重補完 ,  正則化

分類 (4件)： 数値計算  (JE02000J) ,  システム同定  (IA02040O) ,  分子・遺伝情報処理  (JE15040B) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： ペナルティ ,  多重 ,  補完