欠損データのための擬似抽出推定方程式における分散推定【JST・京大機械翻訳】

Bakoyannis Giorgos; Mpofu Philani B.; Broyles Andrea; Dixon Brian B.

プレプリント

J-GLOBAL ID：202202212092488774 整理番号：22P0336029

欠損データのための擬似抽出推定方程式における分散推定【JST・京大機械翻訳】

Variance estimation in pseudo-expected estimating equations for missing data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月20日プレプリントサーバーでの情報更新日： 2022年04月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ミッシングデータは生物医学研究における一般的な課題である。この事実は,現代の時代のデータセット体積の増大とともに,重要な実用的重要性の欠落データによる計算効率の良い解析の課題をなしている。欠測データを扱うための一般的計算効率の良い推定フレームワークは,擬似予想推定方程式(PEEE)アプローチである。この方法は,尤度スコア方程式のような推定方程式集合の解を含む任意のパラメトリックモデルに適用可能である。PEEEアプローチの鍵となる限界は,現在,閉形式分散推定器がなく,分散推定は計算負荷のブートストラップ法を必要とすることである。本研究では,ギャップを扱い,計算がブートストラップ手法よりも著しく高速である閉形式分散推定量を提供した。この分散推定器は,不完全な変数に対して,補助変数および誤指定モデルでも一致することを示した。シミュレーション研究は,著者らの分散推定器が良好に機能して,その計算がブートストラップより50倍以上高速であることを示した。提案した分散推定器からの計算効率利得は,大きなデータセットまたは主要な解析方法が計算的に集約的である場合,重要である。最後に,著者らの分散推定器と共にPEEEアプローチを用いて,外傷性脳損傷患者の不完全な電子健康記録データを分析した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

数値計算 , 統計学

, , , ,

前のページに戻る