• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Multiple comparisons using multiple imputation under a two-way mixed effects interaction model.
【24h】

Multiple comparisons using multiple imputation under a two-way mixed effects interaction model.

机译：在双向混合效应交互模型下使用多重插补的多重比较。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Missing data is commonplace with both surveys and experiments. For this dissertation, we consider imputation methods founded in Survey Sampling, and assess their performance with experimental data. With a two-way interaction model, missing data renders Multiple Comparisons Procedures invalid; we seek a resolution to this problem through development of a Multiple Imputation Procedure. By completing an incomplete data set, we obtain a balanced data set for which multiple comparisons of treatment effects may be performed.;We develop an imputation procedure, Repeated Measures Normal Imputation (RMNI), for use with any hierarchical linear model. The advantage of RMNI is that the procedure preserves the underlying variance-covariance matrix structure of the model. The two-way interaction model has a spherical variance-covariance matrix, and the property of sphericity is required for the existence of a valid Multiple Comparisons Procedure. With RMNI, we are assured that the imputed values do not violate assumptions regarding the structure of the variance-covariance matrix of the data. With multiple imputations, we are assured that the imputed values are not treated as real observed data. Through RMNI, we are able to demonstrate the construction of a multiply-imputed confidence interval for each treatment contrast using a standard Tukey procedure, with confidence that the width of the interval is adjusted for uncertainty due to missing data.
机译：数据丢失在调查和实验中都是司空见惯的。在本文中，我们考虑了基于调查抽样的插补方法，并通过实验数据对其性能进行了评估。对于双向交互模型，缺少数据将导致多个比较过程无效；我们通过开发多重插补程序来寻求解决此问题的方法。通过完成不完整的数据集，我们可以获得可以对治疗效果进行多次比较的平衡数据集。我们开发了一种插补程序，即重复测量法普通插补（RMNI），可与任何分层线性模型一起使用。 RMNI的优点是该过程保留了模型的基础方差-协方差矩阵结构。双向交互模型具有球面方差-协方差矩阵，球形度的属性对于有效的多重比较程序的存在是必需的。使用RMNI，我们可以确保估算值不会违反有关数据方差-协方差矩阵的结构的假设。通过多次推算，我们可以确保推算值不会被视为真实的观测数据。通过RMNI，我们能够使用标准的Tukey程序演示针对每种治疗对比的多重插补置信区间的构建，并且可以确信，由于缺少数据，可以针对不确定性调整间隔的宽度。

著录项

  • 作者

    Kosler, Joseph S.;

  • 作者单位

    The Ohio State University.;

  • 授予单位 The Ohio State University.;
  • 学科 Statistics.
  • 学位 Ph.D.
  • 年度 2006
  • 页码 252 p.
  • 总页数 252
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 统计学;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号