缺失数据处理的期望-极大化算法与马尔可夫蒙特卡洛方法

被引：14

作者：

沐守宽

周伟

机构：

[1] 漳州师范学院教育系

来源：

心理科学进展 | 2011年 / 19卷 / 07期

关键词：

缺失数据; 期望-极大化算法; 马尔可夫蒙特卡洛方法; 极大似然估计; 多重借补;

D O I：

暂无

中图分类号：

B841.2 [数理心理学、心理统计法];

学科分类号：

040201 ;

摘要：

缺失数据普遍存在于心理学研究中,影响着统计推断。极大似然估计(MLE)与基于贝叶斯的多重借补(MI)是处理缺失数据的两类重要方法。期望-极大化算法(EM)是寻求MLE的一种强有力的方法。马尔可夫蒙特卡洛方法(MCMC)可以相对简易地实现MI,而且可以适用于复杂情况下的缺失数据处理。结合研究的需要讨论了实现这两类方法的适用软件。

引用

页码：1083 / 1090

页数：8

共 24 条

[1] 基于EM和贝叶斯网络的丢失数据填充算法 [J].