部分内容展示

中文摘要：我们在调查研巧中通常要不断地采集数据，然后从大量的数据中提取出对我们有用的信息。但是，一旦采集的数据量越大，导致数据缺失的情况很可能越严重，此时就会产生矛盾。因此，不仅要对大量的数据进行处理分析从而得到正确的结果，而且也要采取适当的填补方法来处理缺失数据，使数据变得更加有意义，最终才能选出重要的变量，获取的信息更有价值。在此基础上，本文研究在缺失数据存在下的变量选择问题，提出基于自助法填补的稳定性变量选择方法，并举例对其应用进行了分析，研究对探索缺失数据的变量选择方法具有重要意义。
关键词：自助法；变量选取；应用；更多范文 随着信息技术的快速发展，迎来了大数据时代，人们可以千分容易地获取海量数据，然而要从大量的数据中如何攫取有价值的信息极为重要。在现实生活中，遇到这样的变量选择问题举不胜举，比如在医学上，某种疾病是由很多因素的共同作用而引发的，这时就要用到变量选择的方法来判断哪些是重要因素而哪些又是不重要的。但是在如今信息瀑炸的时代，要想获取既完整又正确的数据是难之又难。因此，数据缺失现象在统计分析中是普遍存在的。最常见的就是调查问卷，调查者很难得到完整的有效问卷，对于一些涉及到个人隐私方面的问题，比如年龄、薪酬等，一些被调查者通常选择不作答。我们在调查研巧中通常要不断地采集数据，然后从大量的数据中提取出对我们有用的信息。但是，一旦采集的数据量越大，导致数据缺失的情况很可能越严重，此时就会产生矛盾。因此，不仅要对大量的数据进行处理分析从而得到正确的结果，而且也要采取适当的填补方法来处理缺失数据，使数据变得更加有意义，最终才能选出重要的变量，获取的信息更有价值。在此基础上，本文研究在缺失数据存在下的变量选择问题，提出基于自助法填补的稳定性变量选择方法，并举例对其应用进行了分析，研究对探索缺失数据的变量选择方法具有重要意义。