BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Zmyślona Beata
Tytuł
Zastosowanie bayesowskiej metody iteracyjnego dopasowania proporcjonalnego do uzupełniania brakujących danych
The Application of Bayesian Iterative Proportional Fitting Algorithm to Imputation Missing Data
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 2005, nr 1097, s. 147-158, tab., bibliogr. 12 poz.
Tytuł własny numeru
Statystyka ekonomiczna
Słowa kluczowe
Modele logarytmiczno-liniowe
Log-linear models
Uwagi
summ.
Abstrakt
W artykule przedstawiono przykład dotyczący badania zależności między zmiennymi kategorialnymi za pomocą modeli hierarchicznych w razie wystąpienia braku odpowiedzi. W omawianym przykładzie skupiono głównie uwagę na prezentacji metody generowania próbek pseudolosowych z warunkowego rozkładu brakujących danych za pomocą bayesowskiej metody iteracyjnego dopasowania proporcjonalnego. (fragment tekstu)

The study of associations among categorical features requires using some techniques, for example a loglinear model. The Bayesian iterative proportional fitting algorithm (Bayesian IPF) is the simulation Monte Carlo technique of estimation of loglinear model parameters in case of incomplete data sets. In this technique we create pseudorandom draws from the posterior distribution of parameters and from the conditional distribution of missing values. The main aim of using this approach is to improve statistical inference through elimination of estimator bias and to correct estimation of standard errors.
In this paper we present the theoretical background of Bayesian IPF and its application to impute missing data through generating values from conditional distribution.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. Agrestii A., Categorical Data Analysis, John Wiley & Sons, New York 1990.
  2. Berger J.O., Statistical Decision Theory and Bayesian Analysis, Springer-Verlag, New York 1985.
  3. Fairclough D.L., Design and Analysis of Quality of Life Studies in Clinical Trials, Chapman Hall/CRC, Washington 2002.
  4. Rao J.N.K., On Variance Estimation with Imputed Survey Data, JASA 91(1996), s. 499-506.
  5. Rao J.N.K., Shao J., Jackknife Variance Estimation with Survey Data under Hot Deck Imputation. "Biometrika" 79 (1992), s. 811-822.
  6. Rubin D., Schenker N., Multiple Imputation for Interval Estimation From Simple Random Samples With Ignorable Nonresponse, JASA 81 (1986), s. 366-380.
  7. Rubin D., Bayesianly Justifiable and Relevant Frequency Calculations for the Applied Statistician, The Annals of Statistics 12 (1984), s. 1151-1172.
  8. Rubin D., Multiple Imputation after 18+Years, JASA 91 (1996), s. 473-520.
  9. Rubin D., Multiple Imputation for Nonresponse in Surveys, John Willey & Sons, New York 1987.
  10. Schafer J., Analysis of Incomplete Multivariate Data, Chapman & Hall, New York 2000.
  11. Sobolewski M., Analiza logarytmiczno-liniowa w eksploracji wielowymiarowych tabel kontyngencji, [w:] Metodologia pomiaru jakości życia. Materiały ogólnopolskiej konferencji, red. W. Ostasiewicz, Karpacz: 22, 23 listopada 2001.
  12. Tanner M., Wong W., The Calculation of Posterior Distributions by Data Augmentation, JASA 82 (1987), s. 528-540.
Cytowane przez
Pokaż
ISSN
0324-8445
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu