论文部分内容阅读
数据缺失是一个在当代许多进行的实验研究和调查研究领域中普遍存在的问题。缺失数据会增加分析任务的复杂性，造成结果的偏倚，降低统计工作的效率，而这一问题处理的得当与否，直接关系到估计的结果。因此，寻找在缺失数据条件下对不完全数据的处理进行科学、有效的分析方法，现已成为统计分析的一个十分重要的领域。
本文主要研究的是基于非线性指数族下的缺失数据的统计分析，分别讨论了极大似然估计和贝叶斯估计。极大似然估计分析中，首先介绍了EM算法，然后分别对具有缺失数据的响应变量和具有缺失数据的协变量的极大似然估计进行研究和分析。贝叶斯估计分析中，首先介绍MCMC方法，然后分别再以响应变量具有缺失数据和响应变量与协变量都具有缺失数据的贝叶斯估计进行研究分析。