声明
缩略词表
摘要
第一章 前言
1.1 研究背景
1.2 研究现状
1.3 研究内容
1.4 课题意义
1.5 研究方法
1.6 论文结构
第二章 比较统计学框架的构建
2.1 比较统计学概述
2.2 资料来源
2.3 框架的制定
2.4 《比较统计学》框架
2.5 本章小结
第三章 多种缺失数据处理方法在重复测量资料中的比较
3.1 缺失数据的来源
3.2 数据缺失的机制和模式
3.21 敦据缺失的机制
3.22 数据缺失的模式
3.3 缺失数据的常用处理方法
3.31 删除法
3.32 单一填补法
3.33 多重填补法
3.4 适合单调缺失模式数据集的多重填补法
3.41 线性回归法
3.42 预测均数匹配法
3.43 趋势得分法
3.44 判别分析法
3.45 logistic回归分析法
3.5 适合任意缺失模式数据集的多重填补方法
3.51 马尔科夫链蒙特卡罗模拟填补法
3.52 通过MCMC法产生单调缺失模式法
3.6 多重填补的综合推断
3.7 多重填补中涉及的几个问题
3.8 各种方法处理效果的模拟比较
3.81 模拟数据集的产生
3.82 任意缺失模式数据集的模拟比较结果
3.83 单调缺失模式致据集的模拟比较结果
3.9 本章小结
第四章 四种稳健回归估计的比较
4.1 稳健回归的背景
4.2 失效点和相对效率
4.3 稳健回归的分类
4.31 L估计
4.32 R估计
4.33 M估计
4.34 S估计
4.35 MM估计
4.4 四种稳健估计和OLS估计稳健性的模拟比较
4.41 误差不服从正态分布
4.42 仅因变量中存在异常点
4.43 仅自变量中存在异常点
4.44 自变量和因变量中都存在异常点
4.5 四种稳健估计和OLS估计效率的模拟比较
4.6 Huber M估计的应用
4.7 本章小结
第五章 多种变量筛选方法的比较及在多重回归分析中的SAS自动化实现
5.1 多重线性回归
5.2 多重logistic回归
5.3 自变量筛选准则
5.31 基于残差平方和的准则
5.32 Cp准则
5.33 AIC准则
5.34 预测残差平方和准则
5.35 统计学意义准则
5.4 六种变量筛选方法的基本原理
5.41 前进法
5.42 后退法
5.43 逐步筛选法
5.44 R2选择法
5.45 校正R2选择法
5.46 Mallow’s Cp选择法
5.5 六种变量筛选方法的原理比较
5.6 应用多种变量筛选法的必要性
5.7 六种变量筛选方法在多重线性回归分析中的SAS自动化实现
5.71 模型拟合效果的比较方法
5.72 SAS自动化实现的编程思路
5.73 实例应用
5.8 四种常用变量筛选法在logistic回归分析中的SAS自动化实现
5.81 SAS自动化实现的编程思路
5.82 实例应用
5.9 Logistic回归分析多种变量筛选方法自动化程序在SFTS死亡危险因素探索中的应用
5.91 发热伴血小板藏少综合征简介
5.92 数据来源
5.93 多种变量筛选方法自动化程序在SFTS死亡危险因素探索中的应用
5.10 本章小结
第六章 交流与合作
6.1 制定邀请函的目的
6.2 中文邀请函
6.3 英文邀请函
6.4 本章小结
第七章 总结与讨论
7.1 本研究的主要工作
7.2 结果和结论
7.3 创新点
7.4 讨论
7.5 课题展望
参考文献
附录
文献综述 关于缺失数据、稳健回归及变量筛选研究的文献综述
代表论著
个人简历
致谢