Get access

Imputation for statistical inference with coarse data

Authors


Abstract

Coarse data is a general type of incomplete data that includes grouped data, censored data, and missing data. The likelihood-based estimation approach with coarse data is challenging because the likelihood function is in integral form. The Monte Carlo EM algorithm of Wei & Tanner [Wei & Tanner (1990). Journal of the American Statistical Association, 85, 699–704] is adapted to compute the maximum likelihood estimator in the presence of coarse data. Stochastic coarse data is also covered and the computation can be implemented using the parametric fractional imputation method proposed by Kim [Kim (2011). Biometrika, 98, 119–132]. Results from a limited simulation study are presented. The proposed method is also applied to the Korean Longitudinal Study of Aging (KLoSA). The Canadian Journal of Statistics 40: 604–618; 2012 © 2012 Statistical Society of Canada

Abstract

Les données brutes sont un type général de données incomplètes qui incluent les données groupées, les données censurées et les données manquantes. Il est difficile d'utiliser l'estimation par le maximum de vraisemblance avec les données brutes parce que la fonction de vraisemblance est sous forme d'intégrale. L'algorithme EM par Monte-Carlo de Wei et Tanner (1990) est adapté pour calculer l'estimateur du maximum de vraisemblance en présence de données brutes. Cette méthode permet aussi l'utilisation des données brutes stochastiques et l'évaluation peut être implantée en utilisant l'imputation fractionnaire paramétrique proposée par Kim (2011). Nous présentons les résultats d'une petite étude de simulation. La méthode proposée est aussi appliquée à des données longitudinales coréennes sur le vieillissement (KLoSA). La revue canadienne de statistique 40: 604–618; 2012 © 2012 Société statistique du Canada

Get access to the full text of this article

Ancillary