一种用于一般数据联合插补的灵活高效算法
统计方法学
2021-08-11 v3
摘要
具有一般结构的数据(例如含连续、二值、无序分类和有序变量的数据)的插补通常用完全条件规范 (FCS) 而非联合建模来执行。FCS 的一个关键缺陷是它不调用适当的数据增广机制,因此所得马尔可夫链蒙特卡罗过程的收敛无法保证。使用联合建模的方法缺乏这些缺陷,但尚未在一般结构数据上高效实现。我们通过开发一种新方法,即所谓的 GERBIL 算法,来解决这些问题,该算法从支撑一般结构数据的潜联合多元正态模型中抽取插补值。该模型使用一系列灵活的条件线性模型构造,使得所得过程可在高维数据集上实际高效实现。模拟表明,GERBIL 相较于那些利用 FCS 的方法表现良好。此外,相对于现有 FCS 过程,新方法的计算是高效的。
引用
@article{arxiv.2008.02243,
title = {A flexible and efficient algorithm for joint imputation of general data},
author = {Michael W. Robbins},
journal= {arXiv preprint arXiv:2008.02243},
year = {2021}
}