期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
LGM模型中缺失数据处理方法的比较:ML方法与Diggle-Kenward选择模型
被引量：
3
1
作者
张杉杉
陈楠
刘红云
《心理学报》
CSSCI
CSCD
北大核心
2017年第5期699-710,共12页
追踪研究中缺失数据十分常见。本文通过Monte Carlo模拟研究,考察基于不同前提假设的Diggle-Kenward选择模型和ML方法对增长参数估计精度的差异,并考虑样本量、缺失比例、目标变量分布形态以及不同缺失机制的影响。结果表明:(1)缺失机...
追踪研究中缺失数据十分常见。本文通过Monte Carlo模拟研究,考察基于不同前提假设的Diggle-Kenward选择模型和ML方法对增长参数估计精度的差异,并考虑样本量、缺失比例、目标变量分布形态以及不同缺失机制的影响。结果表明:(1)缺失机制对基于MAR的ML方法有较大的影响,在MNAR缺失机制下,基于MAR的ML方法对LGM模型中截距均值和斜率均值的估计不具有稳健性。(2)DiggleKenward选择模型更容易受到目标变量分布偏态程度的影响,样本量与偏态程度存在交互作用,样本量较大时,偏态程度的影响会减弱。而ML方法仅在MNAR机制下轻微受到偏态程度的影响。
展开更多
关键词
潜变量增长模型
非随机缺失机制
Diggle-Kenward选择模型
极大似然方法
在线阅读
下载PDF
职称材料
题名
LGM模型中缺失数据处理方法的比较:ML方法与Diggle-Kenward选择模型
被引量：
3
1
作者
张杉杉
陈楠
刘红云
机构
首都经济贸易大学劳动经济学院
北京师范大学心理学院应用实验心理北京市重点实验室
艾美
仕
市场调研
咨询
(
上海
)
有限公司
出处
《心理学报》
CSSCI
CSCD
北大核心
2017年第5期699-710,共12页
基金
国家自然科学基金项目(31571152)
北京市与中央在京高校共建项目(019-105812)
+1 种基金
未来教育高精尖创新中心
中央高校基本科研业务费专项资金资助
文摘
追踪研究中缺失数据十分常见。本文通过Monte Carlo模拟研究,考察基于不同前提假设的Diggle-Kenward选择模型和ML方法对增长参数估计精度的差异,并考虑样本量、缺失比例、目标变量分布形态以及不同缺失机制的影响。结果表明:(1)缺失机制对基于MAR的ML方法有较大的影响,在MNAR缺失机制下,基于MAR的ML方法对LGM模型中截距均值和斜率均值的估计不具有稳健性。(2)DiggleKenward选择模型更容易受到目标变量分布偏态程度的影响,样本量与偏态程度存在交互作用,样本量较大时,偏态程度的影响会减弱。而ML方法仅在MNAR机制下轻微受到偏态程度的影响。
关键词
潜变量增长模型
非随机缺失机制
Diggle-Kenward选择模型
极大似然方法
Keywords
latent growth model
missing not at random
Diggle-Kenward selection model
maximum likelihood approach
分类号
B841 [哲学宗教—基础心理学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
LGM模型中缺失数据处理方法的比较:ML方法与Diggle-Kenward选择模型
张杉杉
陈楠
刘红云
《心理学报》
CSSCI
CSCD
北大核心
2017
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
