Statistical Analysis with Missing Data

\"یک سهم مهم در ادبیات آمار کاربردی .... من به کتاب امتیاز بالایی برای یکپارچه سازی و در دسترس قرار دادن بسیاری از کارهای گذشته و فعلی در این زمینه مهم می دهم. .\"
—ویلیام ای. استرادرمن، دانشگاه راتگرز

\"این کتاب...نمونه‌های جالب زندگی واقعی، تمرین‌های تحریک‌کننده پایان فصل، و مراجع به‌روز را ارائه می‌کند. این کتاب باید در قفسه کتاب هر آماردان کاربردی باشد. مجله آمار رسمی

تجزیه و تحلیل آماری مجموعه‌های داده‌ای با مقادیر گمشده یک مشکل فراگیر است که روش‌های استاندارد برای آن ارزش محدودی دارند. اولین ویرایش از تجزیه و تحلیل آماری با داده های گمشده مرجع استانداردی در مورد روش های داده های از دست رفته بوده است. اکنون، با منعکس‌کننده پیشرفت‌های گسترده در روش‌های بیزی برای شبیه‌سازی توزیع‌های پسین، این ویرایش دوم توسط دو متخصص شناخته‌شده در این زمینه، بررسی کاملاً به‌روز و سازمان‌دهی‌شده‌ای از روش‌شناسی فعلی برای رسیدگی به مشکلات داده‌های گمشده ارائه می‌دهد.

تئوری ترکیبی و Roderick Little و Donald Rubin نویسندگان، رویکردهای تاریخی به موضوع را مرور کرده و روش‌های دقیق و در عین حال ساده را برای تحلیل چند متغیره با مقادیر گمشده توصیف می‌کنند. آنها سپس یک نظریه منسجم برای تجزیه و تحلیل مشکلات بر اساس احتمالات به دست آمده از مدل های آماری برای داده ها و مکانیسم داده های گمشده ارائه می دهند و این نظریه را برای طیف گسترده ای از مسائل مهم داده های گمشده به کار می برند.

ویرایش جدید اکنون آن را بزرگ می کند. پوشش شامل موارد زیر است:

• پوشش گسترده روش بیزی، هم نظری و هم محاسباتی، و هم انتساب چندگانه
• تجزیه و تحلیل داده‌های دارای مقادیر گمشده که در آن استنتاج‌ها بر اساس احتمالات ناشی از مدل‌های آماری رسمی برای تولید داده‌ها است. و مکانیسم‌های داده‌های گمشده
• کاربردهای رویکرد در زمینه‌های مختلف از جمله رگرسیون، تحلیل عاملی، تجزیه و تحلیل جدول احتمالی، سری‌های زمانی و استنتاج نمونه‌ای از نظرسنجی
• مرجع، مثال‌ها و تمرین‌های گسترده

Amstat News از سه ویراستار نظر خواست تا به پنج کتاب برتر مورد علاقه خود در شماره سپتامبر 2003 امتیاز دهند. تجزیه و تحلیل آماری با داده های از دست رفته در میان کسانی بود که انتخاب شدند.

"An important contribution to the applied statistics literature.... I give the book high marks for unifying and making accessible much of the past and current work in this important area."
—William E. Strawderman, Rutgers University

"This book...provide[s] interesting real-life examples, stimulating end-of-chapter exercises, and up-to-date references. It should be on every applied statistician’s bookshelf."
—The Statistician

"The book should be studied in the statistical methods department in every statistical agency."
—Journal of Official Statistics

Statistical analysis of data sets with missing values is a pervasive problem for which standard methods are of limited value. The first edition of Statistical Analysis with Missing Data has been a standard reference on missing-data methods. Now, reflecting extensive developments in Bayesian methods for simulating posterior distributions, this Second Edition by two acknowledged experts on the subject offers a thoroughly up-to-date, reorganized survey of current methodology for handling missing-data problems.

Blending theory and application, authors Roderick Little and Donald Rubin review historical approaches to the subject and describe rigorous yet simple methods for multivariate analysis with missing values. They then provide a coherent theory for analysis of problems based on likelihoods derived from statistical models for the data and the missing-data mechanism and apply the theory to a wide range of important missing-data problems.

The new edition now enlarges its coverage to include:

• Expanded coverage of Bayesian methodology, both theoretical and computational, and of multiple imputation
• Analysis of data with missing values where inferences are based on likelihoods derived from formal statistical models for the data-generating and missing-data mechanisms
• Applications of the approach in a variety of contexts including regression, factor analysis, contingency table analysis, time series, and sample survey inference
• Extensive references, examples, and exercises

Amstat News asked three review editors to rate their top five favorite books in the September 2003 issue. Statistical Analysis With Missing Data was among those chosen.