• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Health services & outcomes research methodology >Using AIC in multiple linear regression framework with multiply imputed data
【24h】

Using AIC in multiple linear regression framework with multiply imputed data

机译：在具有多重插补数据的多元线性回归框架中使用AIC

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

Many model selection criteria proposed over the years have become common procedures in applied research. However, these procedures were designed for complete data. Complete data is rare in applied statistics, in particular in medical, public health and health policy settings. Incomplete data, another common problem in applied statistics, introduces its own set of complications in light of which the task of model selection can get quite complicated. Recently, few have suggested model selection procedures for incomplete data with varying degrees of success. In this paper we explore model selection by the Akaike Information Criterion (AIC) in the multivariate regression setting with ignorable missing data accounted for via multiple imputation.
机译：多年来提出的许多模型选择标准已成为应用研究中的通用程序。但是，这些过程是为完整数据而设计的。完整的数据在应用统计中很少见，尤其是在医疗，公共卫生和卫生政策环境中。不完整的数据是应用统计中的另一个常见问题，它引入了自己的一系列复杂性，因此选择模型的任务可能会变得非常复杂。最近，很少有人建议针对成功程度不同的不完整数据选择模型的程序。在本文中，我们探讨了Akaike信息准则（AIC）在多元回归设置中的模型选择，其中可忽略的缺失数据通过多次插补得到解决。

著录项

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