文献

J-GLOBAL ID：202002234698767178   整理番号：20A0969375

混合連続離散共変量を欠く回帰モデルに対するセミパラメトリックBayes多重帰属

Semiparametric Bayesian multiple imputation for regression models with missing mixed continuous-discrete covariates

著者 (3件)： Kato Ryo (Research Institute for Economics and Business Administration, Kobe University, Kobe, Japan) ,  Hoshino Takahiro (Department of Economics, Keio University, Tokyo, Japan) ,  Hoshino Takahiro (RIKEN Center for Advanced Intelligence Project, Tokyo, Japan)
資料名： Annals of the Institute of Statistical Mathematics  (Annals of the Institute of Statistical Mathematics)
巻： 72  号： 3  ページ： 803-825  発行年： 2020年06月 
JST資料番号： W2286A  ISSN： 0020-3157  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 欠測データに関する問題は,観測および実験研究において重大である。最近,混合連続離散変数を有するデータセットに対して,連鎖方程式による多重帰属(MICE)は厳しくバイアスされた推定値をもたらす可能性があるが,MICEは,広く使われてきた。著者らは,連続変数および離散変数を扱うことができる新しいセミパラメトリックBayes多重帰属アプローチを提案した。これによりMICEの欠点を克服できる,すなわち,それらは,得られた推定器の整合性を保証するため強い条件(両立性として知られている)を満たす必要がある。シミュレーション研究により,MICEを用いて計算した95%区間のカバー確率は1%以下であり,一方,提案方法のMSEは1/50以下であることを示した。著者らの方法をアルツハイマー病ニューロイメージングイニシアティブ(ADNI)データセットに適用し,結果はADNIデータベース以外のパネルデータを用いた以前の研究の結果と一致したが,MICEのような既存の方法は矛盾した結果をもたらした。Copyright The Institute of Statistical Mathematics, Tokyo 2019 Translated from English into Japanese by JST.

シソーラス用語： *回帰モデル ,  *統計解析 ,  確率モデル ,  *Bayes推定 ,  測定データ ,  両立性 ,  Alzheimer病
準シソーラス用語： Alzheimer症 ,  セミパラメトリックモデル ,  *共変量 ,  欠測データ

著者キーワード (5件)： 完全条件付き仕様 ,  欠測データ ,  多重補完 ,  プロビット・スティック・ブレーキング・プロセス混合物 ,  セミパラメトリックBayesモデル

分類 (2件)： 統計学  (AB08000H) ,  応用数学  (AB11000P)

タイトルに関連する用語 (3件)： 共変量 ,  回帰モデル ,  多重