缺失数据伪期望估计方程中的方差估计
统计方法学
2022-04-22 v1
摘要
缺失数据是生物医学研究中常见的挑战。这一事实，加上现代时期数据集规模的不断增长，使得在计算高效的缺失数据分析具有至关重要的实际意义。一种处理缺失数据的通用计算高效估计框架是伪期望估计方程（PEEE）方法。该方法适用于任何参数模型，只要其估计涉及一组估计方程的解，例如似然得分方程。PEEE方法的一个关键局限是目前没有闭式方差估计量，方差估计需要计算负担沉重的bootstrap方法。在这项工作中，我们填补了这一空白，提供了一个闭式方差估计量，其计算可比bootstrap方法显著更快。我们的方差估计量被证明即使在存在辅助变量以及在不完整变量的错误设定模型下也是一致的。模拟研究表明，我们的方差估计量表现良好，且其计算可比bootstrap快50倍以上。我们提出的方差估计量所带来的计算效率提升在大型数据集或主分析方法计算密集时至关重要。最后，PEEE方法连同我们的方差估计量被用于分析创伤性脑损伤患者的不完整电子健康记录数据。
引用
@article{arxiv.2204.09818,
title = {Variance estimation in pseudo-expected estimating equations for missing data},
author = {Giorgos Bakoyannis and Philani B. Mpofu and Andrea Broyles and Brian B. Dixon},
journal= {arXiv preprint arXiv:2204.09818},
year = {2022}
}