Paul D. Allison "Missing Data"

Missing Data (Quantitative Applications in the Social Sciences)

欠損値をどう扱うかという内容。

初めに欠損値に対する仮定の類型が示され、次にconventionalな方法の中ではlistwise deletionが最も推定値のバイアスをもたらさないことが示され、そしてMaximum LikelihoodとMultiple Imputationによる欠損値の補正方法が紹介される。

欠損値の仮定について、Completely Missing at RandomはYが欠損値となる確率がXの値ともYの値とも独立であること。Missing at Randomは、Yが欠損値となる確率がXの値とは独立ではないが、Yの値とは独立であること。Ignorableとは、Missing at Randomであり、かつ推定したいパラメーターと欠損値に影響するパラメーターが独立であること。Nonignorableとは、Missing at Randomではない、すなわちYが欠損値となる確率がYの値と独立ではないこと。

実例が紹介されているのは親切だが、SASのコマンドなので分からない。STATAとLEMのレベルをもっと挙げたら、HLMとRに進出したいが、SASはやる予定がない。