|
在離散資料分析處理有關同組資料(panel data)或重複測度類別資料(
repeated categorical measurements data)(有時也稱為縱貫資科(
longitudinal data))，往往對同一組樣本，在相隔不同兩個或兩個以上
的時間點對同一對象做重複觀測。對於這類型的資料通常樣本觀測值的取
得較難掌握，尤其是該資料是以''人"為對象時(human surveys)，則可能
因主客觀因素造成不回答(nonres- ponse)，而得不到反應值，於是產生
了不完整回答的資料(incomplete data)。本文主要將Little (1985)所使
用的一般對數線性模式法予以改進，並且與Conaway (1992)所使用的
Rasch 模式(Rasch, 1960)法，加以整合並採用''期望值－最大化"(
''expectation-maximization"，簡寫EM， Dempster et al., 1977)演算
法來處理此不完整資料。對於其中的不回答資料或說是遺失資料，考慮''
可忽略"(ignorable)以及''不可忽略" (nonignorable)兩種遺失機制(
missing-data mechanism，來自Little and Rubin, 1987)(此兩種遺失機
制即是定義遺失資料的隨機與否)，而其對遺失資料填補(imputing)至完
整回答類別的過程與結果並不相同，且統一的模式處理方法對使用者而言
，只需一個概念即可處理，不需因應不同模式而採不同做法。最後，經由
模式的適合度檢定 (goodness-of-fit tests)，得到一些''統計上"可接
受的模式，並由 ''實務上"對模式的合理選擇，給予此不完整資料之最佳
的解釋模式。
|