第一章 缺失数据的概念和启发性的例子
1.1 缺失数据问题的回顾
1.2 缺失数据的模式和机制
1.2.1 缺失数据模式
1.2.2 缺失数据机制
1.3 数据示例
1.3.1 改善心情并促进合作的治疗（IMPACT）的研究
1.3.2 美国阿尔茨海默病协调中心（NACC）最小数据集
l.3.3 美国阿尔茨海默病协调中心（NACC）统一数据集
1.3.4 路径研究
1.3.5 维生素A补充剂的随机试验
1.3.6 流感疫苗效果随机试验
第二章 处理缺失数据问题的方法概述
2.1 删除观测值的方法
2.1.1 完全案例方法
2.1.2 加权完全案例方法
2.1.3 移除有大量缺失的变量
2.2 利用所有可用数据的方法
2.2.1 极大似然方法
2.3 填补缺失数据的方法
2.3.1 单一填补方法
2.3.2 多重填补
2.4 贝叶斯方法
第三章 在有缺失数据时的设计考量
3.1 与缺失数据有关的设计因素
3.2 在临床试验设计阶段限制缺失数据的策略
3.3 在临床试验实施阶段限制缺失数据的策略
3.4 最小化缺失数据的影响
第四章 横截面数据方法
4.1 常用方法概述
4.2 数据的例子
4.2.1 模拟研究
4.2.2 NHANES示例
4.3 极大似然方法
4.3.1 缺失协变量为连续型的线性回归的EM算法
4.3.2 缺失协变量为离散型时线性回归的EM算法
4.3.3 二值响应变量有缺失的逻辑回归的EM算法
4.3.4 模拟研究
4.3.5 IMPACT研究
4.3.6 NACC研究
4.4 贝叶斯方法
4.4.1 理论
4.4.2 联合模型以及可忽略的缺失
4.4.3 缺失数据的贝叶斯填补
4.4.4 模拟的例子
4.4.5 IMPACT研究
4.4.6 NHANES示例
4.5 多重填补
4.5.1 理论
4.5.2 渐近性考量和实践准则
4.5.3 多重填补方法的理论解释
4.5.4 当θ为κ维时的多重填补
4.5.5 模拟案例
4.5.6 IMPACT研究
4.6 填补估计方程
4.7 逆概率加权
4.7.1 理论
4.7.2 模拟案例
4.8 双稳健估计
4.8.1 理论
4.8.2 方差估计
4.8.3 NACC研究
4.9 本章使用的代码
4.9.1 第4.3.4节中使用的代码
4.9.2 第4.3.5节中使用的代码
4.9.3 第4.4.4节中使用的代码
4.9.4 第4.4.5节中使用的代码
4.9.5 第4.4.6节中使用的代码
4.9.6 第4.5.5节中使用的代码
4.9.7 第4.5.6节中使用的代码
4.9.8 第4.7.2节中使用的代码
第五章 纵向数据方法
5.1 本章概述
5.2 例子
5.2.l IMPACT研究
5.2.2 NACC UDS数据
5.3 完整数据的纵向回归模型
5.3.1 连续纵向数据的线性混合模型
5.3.2 广义估计方程
5.3.3 广义线性混合模型
5.3.4 依赖于时间的协变量
5.4 缺失数据设置和简单的方法
5.4.1 设定
5.4.2 简单的方法
5.5 似然函数方法
5.5.1 例子：IMPACT研究
5.6 随机缺失失访的逆概率加权广义估计方程方法
5.6.1 为选择概率建模
5.6.2 IPWGEEl和IPWGEE2
5.6.3 模拟研究
5.6.4 例子：IMPACT研究
5.7 向非单调缺失的扩展
5.8 多重填补
5.8.1 联合填补模型
5.8.2 基于链式方程的填补
5.8.3 例子：NACC USD数据
5.8.4 例子：IMPACT研究
5.9 贝叶斯分析
5.10 其他方法
5.10.1 填补估计方程
5.10.2 双稳健估计
5.10.3 缺失结果和协变量
附录5.A：广义线性混合模型近似方法的技术细节和案例的程序代码
5.A.1 PQL和MQL
5.A.2 Laplace近似
5.A.3 Caussian求积法
5.A.4 本章所用代码
第六章 可忽略缺失机制下的生存分析
6.1 本章概述
6.2 介绍
6.2.1 协变量完全观测下的Cox模型回顾
6.2.2 缺失数据
6.3 强化完全案例分析
6.4 加权方法
6.4.1 简单加权估计
6.4.2 增广加权估计
6.4.3 再加权估计
6.5 填补方法
6.5.1 用条件期望填补
6.5.2 多重填补
6.6 非参极大似然估计
6.7 变换模型
6.8 数据实例：路径研究
6.9 总结
第七章 不可忽略缺失
7.1 介绍
7.2 横截面数据：选择模型
7.2.1 响应变量缺失
7.2.2 协变量缺失
7.3 有失访的纵向数据
7.3.1 记号
7.3.2 概述
7.3.3 模式混合模型
7.3.4 选择模型
7.3.5 共享随机效应模型
7.3.6 混合效应混合模型
7.3.7 基于似然方法的比较
7.4 协变量不可忽略缺失的广义线性模型贝叶斯分析
7.4.1 广义线性模型
7.4.2 对协变量分布建模
7.4.3 对缺失机制建模
7.4.4 先验分布
7.4.5 后验计算
7.5 多重填补
7.5.1 贝叶斯分析的正常多重填补
7.5.2 近似贝叶斯自采样热卡填补
7.6 逆概率加权方法
展开
