文献详情
基于倾向得分匹配的缺失数据插补方法
外文标题：The Missing Data Imputation Method Based on Propensity Score Matching
文献类型：期刊
作者：刘展^[1]金勇进^[2]韩显男^[3]
机构：中国人民大学 统计学院,北京,100872;中国人民大学 应用统计科学研究中心,北京,100872

年：2016
期刊名称：数学的实践与认识
卷：46
期：12
页码范围：193-201
增刊：正刊
收录情况：中文核心期刊要目总览中国科技核心期刊
所属部门：统计学院
语言：中文
ISSN：1000-0984
链接地址：http://d.g.wanfangdata.com.cn/Periodical_sxdsjyrs201612026.aspx
关键词：倾向得分 匹配 缺失数据 插补 propensity score matching missing data imputation
摘要：针对预测均值匹配中相近性刻画较为单一的问题,考虑多种相近性刻画方法,同时结合倾向得分可将多个协变量降维的特点,提出采用倾向得分匹配来对缺失数据进行插补的新方法:首先估计倾向得分,然后可选择最近邻、卡钳与半径、分层或区间等多种匹配方法进行匹配,最后利用匹配单元的目标变量来对数据缺失单元进行插补.进一步采用蒙特卡罗模拟和实际数据证实方法是有效的,且在均值插补、回归插补、随机插补、最近邻倾向得分匹配插补、卡钳与半径倾向得分匹配插补、分层或区间倾向得分匹配插补方法中分层或区间倾向得分匹配插补效果最好.
作者其他论文



解决小域估计的一种新思路:样本外推.胡丹丹;金勇进;艾小青.调研世界.2014,44-46.
对我国人口普查数据质量评估的若干思考.陈培培;金勇进.现代管理科学.2014,3-5.
缺失数据插补方法探讨--基于最近邻插补法和关联规则法.于力超;金勇进;王俊.统计与信息论坛.2015,35-39,40.
抽样调查中的权数问题研究.金勇进;张喆.统计研究.2014,31(9),79-84.
基于因子分析和DEA模型的科技创新投入产出效率研究--以河南省为例.刘展;屈聪.河南科学.2014,2132-2137.