Inferential procedures for estimati

Inferential procedures for estimating and comparing normal correlation coefficients based
on incomplete samples with a monotone missing pattern are considered. The procedures
are based on the generalized variable (GV) approach. It is shown that the GV methods based
on complete or incomplete samples are exact for estimating or testing a simple correlation
coefficient. Procedures based on incomplete samples for comparing two overlapping
dependent correlation coefficients are also proposed. For both problems, Monte Carlo
simulation studies indicate that the inference based on incomplete samples and those
based on samples after listwise or pairwise deletion are similar, and the loss of efficiency by
ignoring additional data is not appreciable. The proposed GV approach is simple, and it can
be readily extended to other problems such as the one of estimating two non-overlapping
dependent correlations. The results are illustrated using two examples.

ผลลัพธ์ (ไทย) 1:

ขั้นตอนการอนุมานสำหรับการประเมินและเปรียบเทียบค่าสัมประสิทธิ์ปกติ
ตามตัวอย่างที่ไม่สมบูรณ์ด้วยรูปแบบที่หายไปจะถือว่าเป็นเสียงเดียว ขั้นตอน
จะขึ้นอยู่กับตัวแปรทั่วไป (GV) วิธีการ มันแสดงให้เห็นว่าวิธีการ GV
ตามตัวอย่างที่สมบูรณ์หรือไม่สมบูรณ์เป็นที่แน่นอนสำหรับการประเมินหรือการทดสอบค่าสัมประสิทธิ์สหสัมพันธ์อย่างง่าย
ขั้นตอนตามตัวอย่างที่สมบูรณ์สำหรับการเปรียบเทียบสองที่ทับซ้อนกัน
ค่าสัมประสิทธิ์สหสัมพันธ์ที่อ้างถึงอยู่นอกจากนี้ยังเสนอ สำหรับปัญหาที่ทั้งสอง Monte Carlo
การศึกษาแบบจำลองแสดงให้เห็นว่าการอนุมานตามตัวอย่างที่ไม่สมบูรณ์และ
ตามตัวอย่างที่เหล่านั้นหลังจากลบ listwise หรือคู่มีความคล้ายคลึงกันและการสูญเสียที่มีประสิทธิภาพโดย
ไม่สนใจข้อมูลเพิ่มเติมจะไม่เห็นวิธี GV เสนอเป็นเรื่องง่ายและสามารถ
จะขยายอย่างรวดเร็วไปสู่​​ปัญหาอื่น ๆ เช่นหนึ่งในการประมาณสองไม่ทับซ้อนกันขึ้นอยู่กับความสัมพันธ์
ผลลัพธ์ที่แสดงให้เห็นถึงการใช้สองตัวอย่าง

ผลลัพธ์ (ไทย) 2:

ขั้นตอนชัดเจนพอประมาณ และเปรียบเทียบค่าสัมประสิทธิ์ความสัมพันธ์ปกติตาม
ในตัวอย่างที่สมบูรณ์มีรูปหายไปแบบทางเดียวจะถือว่า ขั้นตอนการ
ตามวิธีตัวแปรเมจแบบทั่วไป (จีวี) มันแสดงให้เห็นว่า ใช้วิธีจีวี
ในเสร็จสมบูรณ์ หรือไม่สมบูรณ์อย่างแน่นอนสำหรับการประเมิน หรือทดสอบสหสัมพันธ์อย่างง่าย
สัมประสิทธิ์การ ขั้นตอนตามตัวอย่างสมบูรณ์สำหรับเปรียบเทียบซ้อนสอง
ยังเสนอค่าสัมประสิทธิ์ความสัมพันธ์ขึ้น ทั้งสองปัญหา มอนเตคาร์โล
จำลองการศึกษาบ่งชี้ว่า ข้อนี้ตามตัวอย่างไม่สมบูรณ์และผู้
ตามตัวอย่างหลังจากการลบ listwise หรือแพร์ไวส์คล้าย และสูญเสียประสิทธิภาพ
ละเว้นข้อมูลเพิ่มเติมไม่เห็น วิธีจีวีเสนอจะง่าย และมันสามารถ
พร้อมขยายปัญหาอื่นเช่นหนึ่งประมาณสองไม่ซ้อนกัน
ความสัมพันธ์ขึ้น ผลลัพธ์จะแสดงโดยใช้ตัวอย่าง

ผลลัพธ์ (ไทย) 3:

ขั้นตอน Correlation Coefficient สำหรับการประเมินและการเปรียบเทียบ coefficients ความสัมพันธ์กันตามปกติซึ่งใช้
ซึ่งจะช่วยในตัวอย่างไม่สมบูรณ์พร้อมด้วยสีเดียวที่ไม่มีรูปแบบเป็นการพิจารณาให้ ขั้นตอนที่
ซึ่งจะช่วยเป็นไปตามแบบปรับได้หลายระดับโดยทั่วไป( GV )วิธีการนี้ เป็นที่แสดงให้เห็นว่าวิธีการใดวิธีการหนึ่ง GV ซึ่งใช้
ซึ่งจะช่วยในตัวอย่างสมบรูณ์แบบหรือไม่สมบูรณ์เป็นที่แน่นอนสำหรับการประเมินหรือการทดสอบแบบเรียบง่ายความสัมพันธ์
ตัวเลขที่ขั้นตอนที่ใช้ตัวอย่างไม่สมบูรณ์สำหรับการเปรียบเทียบทับซ้อนกันสอง
ขึ้นอยู่กับความสัมพันธ์ coefficients นอกจากนี้ยังมีผู้เสนอ สำหรับปัญหาการศึกษาทั้ง Monte Carlo
ซึ่งจะช่วยการจำลองการแสดงที่ลงความเห็นได้โดยขึ้นอยู่กับข้อมูลตัวอย่างไม่สมบูรณ์และผู้ที่
ตามตัวอย่างหลังจากการลบ listwise หรือแบบคู่:มีความเหมือนและความสูญเสียของ ประสิทธิภาพ โดย
ไม่สนใจข้อมูลเพิ่มเติมได้เตรียมออกซิเจนไม่ได้วิธีการ GV ที่เสนอที่จะสามารถทำได้อย่างง่ายดายและสามารถ
ซึ่งจะช่วยขยายได้อย่างง่ายดายสำหรับปัญหาอื่นๆเช่นหนึ่งในการประเมินสัมพันธ์เชิงสองไม่ทับซ้อนกันขึ้นอยู่กับ
ผลที่ได้คือ ภาพ ประกอบโดยใช้สองตัวอย่างต่อไปนี้คือตัวอย่าง