A Method of Estimation of Missing Values in Multivariate Data Suitable for Use with an Electronic Computer
适于计算机实现的多元数据缺失值估计方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用缺失值处理与协方差估计，未明确涉及因果效应或其他所列方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
适于计算机实现的多元数据缺失值估计方法
- 研究问题
- 多元数据存在缺失时，如何避免整行删除造成的信息浪费，以及分别利用可用观测计算方差和相关带来的矩阵问题？
- 方法与思路
- 作者用回归技术估计缺失值，再计算修订后的方差协方差矩阵，并讨论协方差的无偏性与方差的偏差修正。
- 材料陈述的贡献
- 摘要称，该方法所得协方差无偏，方差则需要偏差修正，并给出数值例子；这些性质所需条件未在摘要展开。
- 阅读关注点
- 应核对缺失机制、回归填补步骤、无偏性结论的条件和方差修正式，并查看数值例子如何体现矩阵问题。
- 阅读边界
- 仅据所给 Crossref 摘要；缺失机制及模型条件未说明，不能把所述无偏性推广为任意回归填补方法的保证。
原文摘要
SUMMARY Estimation of statistical parameters from multivariate data results in wasted information, if units with incomplete data are rejected entirely, and perhaps in inconsistencies in the variance–covariance matrix if the variances and correlation coefficients are estimated from all available data on individual variates and pairs of variates respectively. An alternative is to estimate the missing values by regression techniques and to calculate a revised variance–covariance matrix. This method is suitable for use with an electronic computer. It is shown that with this method the resultant covariances are unbiased, but that the variances require correction for bias. A numerical example is given.