期刊文献+

绒山羊育种过程中对缺失数据处理的新方法 被引量:1

下载PDF
导出
摘要 缺失数据导致科学研究对数据的利用效率低下,而且降低了统计推断的准确性。通过对缺失数据的产生机制及常规处理方法的阐述,进一步介绍并讨论了SAS9.0多重填补(PROCMI)过程的基本思想、语法、填补效率及该方法在实际应用过程中对数据缺失模式的假设等问题,指出多重填补方法是一种处理并分析缺失数据的较好方法,通过实例说明在绒山羊育种过程中,通过对历史数据模拟计算和适当调试PROCMI过程的参数的前提下,可以用来处理并分析数据,并能够对总体参数得出较准确的统计推断。
出处 《中国草食动物》 2007年第1期8-11,共4页 China Herbivores
基金 内蒙古自治区自然科学基金重大项目(200408020401) 内蒙古自治区重点实验室基金项目(20040804)
  • 相关文献

参考文献7

  • 1Little RJA, Rubin DB. Statistical Analysis with Missing Data[M].New York:Wiley and Sones,Inc.1987.
  • 2Horton MJ,Laird NM.Maximum Likehood Analysis of Generalized Linear Models with Missing Covariates[J].Statist Meth Med Res,1988,8(1):37-50.
  • 3Rubin DB.Multiple Imputation:a primer.Statistical Methods in Medical Research,1999,8(1):3-15.
  • 4Rubin DB.Inference and Missing Data[J].Biometrika,1976,63(3):581-592.
  • 5Tames MR.Inference for Imputation Estimators[J].Biometrika,2000,87(1):113-124.
  • 6Allison.Multiple Imputation for Missing Data:A Cautionary Tale[J].Sociological Methods and Research,2000,28:301-309.
  • 7SAS Institute Inc.SAS/STAT 9.0 User's Guide.North Carolina:SAS Institute Inc,2003.

同被引文献18

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部