文献类型：期刊文章

作　　者：于力超[1] 金勇进[2,3,4]

Yu Lichao;Jin Yongjin

机构地区：[1]中央民族大学理学院统计学系 [2]中国人民大学应用统计科学研究中心 [3]中国人民大学统计学院 [4]湖北经济学院

出　　处：《统计研究》

基　　金：国家社会科学基金青年项目“基于小域估计的民族地区贫困和不平衡发展程度测度研究”(18CTJ011);国家社会科学基金项目“大数据背景下非概率抽样的统计推断问题研究”(15BTJ014);全国统计科学研究重点项目“相依抽样调查数据模型的统计推断及在民族人口和教育领域的应用”(2017LZ01)的资助.

年　　份：2018

卷　　号：35

期　　号：11

起止页码：93-104

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2017_2018、JST、NSSD、RCCSE、RWSKHX、SKJJZZ、ZGKJHX、核心刊

摘　　要：大规模抽样调查多采用复杂抽样设计,得到具有分层嵌套结构的调查数据集,其中不可避免会遇到数据缺失问题,针对分层结构含缺失数据集的插补策略目前鲜有研究。本文将Gibbs算法应用到分层含缺失数据集的多重插补过程中,分别研究了固定效应模型插补法和随机效应模型插补法,进而通过理论推导和数值模拟,在不同组内相关系数、群组规模、数据缺失比例等情形下,从参数估计结果的无偏性和有效性两方面,比较不同方法的插补效果,给出插补模型的选择建议。研究结果表明,采用随机效应模型作为插补模型时,得到的参数估计结果更准确,而固定效应模型作为插补模型操作相对简便。在数据缺失比例较小、组内相关系数较大、群组规模较大等情形下,可以采用固定效应插补模型,否则建议采用随机效应插补模型。

关 键 词：分层结构数据  多重插补法  Gibbs算法  固定效应模型 随机效应模型

分 类 号：O212]