| 缺失数据的结构方程建模:全息极大似然估计时辅助变量的作用 |
| |
| 引用本文： | 王孟成,邓俏文.缺失数据的结构方程建模:全息极大似然估计时辅助变量的作用[J].心理学报,2016(11):1489-1498. |
| |
| 作者姓名： | 王孟成 邓俏文 |
| |
| 作者单位： | 广州大学心理系;广州大学心理测量与潜变量建模研究中心,广州510006 |
| |
| 基金项目： | 国家自然科学基金(31400904)和广州大学“创新强校工程”(2014WQNCX069)项目资助. |
| |
| 摘 要： | 本研究通过蒙特卡洛模拟考查了采用全息极大似然估计进行缺失数据建模时辅助变量的作用。具体考查了辅助变量与研究变量的共缺机制、共缺率、相关程度、辅助变量数目与样本量等因素对参数估计结果精确性的影响。结果表明,当辅助与研究变量共缺时:(1)对于完全随机缺失的辅助变量,结果更容易出现偏差;(2)对于MAR-MAR组合机制,纳入单个辅助变量是有益的;对于MAR-MCAR或MAR-MNAR组合机制,纳入多于一个辅助变量的效果更好;(3)纳入与研究变量低相关的辅助变量对结果也是有益的。
|
| 关 键 词： | 缺失数据 缺失机制 结构方程 全息极大似然估计 辅助变量 蒙特卡洛模拟 |
The mechanism of auxiliary variables in full information maximum likelihood-based structural equation models with missing data |
| |
| Abstract: | |
| |
| Keywords: | missing data missing mechanism SEM full information maximum likelihood auxiliary variable Monte Carlo simulation |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
