缺失数据的贝叶斯模型处理

《缺失数据的贝叶斯模型处理》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号UDC原创性声明Ⅷ㈣洲删㈣㈣舢Y1914332⋯本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名：麴盔当日期：j垒址年上月盟日关于学位论文使用授权说明本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容

2、，可以采用复印、缩印或其它手段保存学位论文。学校可根据国家或湖南省有关部门规定送交学位论文。作者签名：妇必导师签名螂期：址年』月卫目硕士学位论文摘要在医疗研究中，研究人员利用病人的医疗记录经常会遇到一些数据缺失问题。这些缺失的数据中蕴含着对医疗诊断和研究有很大价值的信息，那么如何处理医疗数据的缺失问题就成为一项重要的研究课题。在现实环境中，产生数据缺失的原因有很多。不同的背景下，采用不同缺失数据处理方法对统计分析工作有很重要的影响。传统的处理方法是直接删除含有缺失数据的医疗记录，或默认值处理，或完全不处理，得到的分析结果往往不是很满意。针

3、对不同的缺失数据问题，Little和Rubin定义了以下三种不同的数据缺失机制：完全随机缺失(missingcompletelyatrandom，MCAR)；随机缺失(missingatrandom，MAR)，及信息缺失(informationmissing，IM)。本文主要目的是研究信息缺失(IM)机制下的医疗数据缺失问题。通过马尔科夫随机数据模拟来探讨三种贝叶斯模型处理缺失数据的方法，即先赋予含缺失数据的变量一个简单的先验分布，再进行缺失数据填补的方法。不失一般性，同时探讨两种多变量结构的logistic回归模型的数据填补方法。最后作

4、为对比，检验完全观测数据分析模型和对条件的缺失进行缺失数据处理模型的数据填补情况。结果表明每一种方法的偏差和均方误差与变量的缺失率及缺失机制有关，且没有任何一种方法有很好的填补效果。但是，假设先赋予缺失变量一个简单的先验分布，且分布参数服从一致的先验分布，在大多数情况下都可以相对降低偏差，对于医疗研究有非常重要的意义。最后，以分析影响心脏病患者死亡率的危险因素做一个实证分析。关键词缺失数据，医疗记录，马尔科夫模拟，贝叶斯分析硕士学位论文AbstractInthemedicalstudy，theissueofmissingdatafrequ

5、entlyconfrontstheresearcherswhentheyabstracteddatafromthepatient’Smedicalrecords．Theclinicalmissingdataimplicateinformationofgreatvalueofamedicaldiagnosisandstudy，SOhowtodealwiththemissingofmedicaldataproblembecomesanimportantresearchsubject．Intherealistic．thephenomenonof

6、missingdatacomesfrommanyreasons．Towardthedifferentbackground，takingdifferentmethodsofdealingwithmissingdatawillhaveagreatimpactonstatisticalanalysiswork．Thetraditionalmethodsofrepairingmissingdatavaluearetodeletethemedicalrecordsthatcontainingthemissingdata，andtoreplaceal

7、lmissingdataby“zero’’，andreplacemissingnumericdatabythemeanvalueofthecompletedata．However，italwaysCan’tgetthesatisfiedanalysisresults．Inviewofthedifferentmissingdataproblems，LittleandRubindefinedthreedifferentkindsofmissingdatamechanismasfollowing：First，missingdatacomplet

8、elyatrandom(ideally，MCAR)；second，Missingdataatrandom(ideally，MAR)；Third，themissingofinformation(