缺失数据分析在健康科学中的应用（翻译版）

　　《缺失数据分析在健康科学中的应用（翻译版）》的主要内容就是描述缺失数据分析的统计方法和模型，这在健康科学应用中有很强的实践性。《缺失数据分析在健康科学中的应用（翻译版）》共分为八章，第1章介绍了缺失数据机制的概念和一些实例，第2章概述了处理缺失数据的方法，第3章描述了一些使缺失数据影响小化的设计策略，第4章和第5章分别介绍了横向研究和纵向研究中处理缺失数据问题的方法，第6章详细论述了在生存分析中缺失的数据问题。第3-6章都是讨论可忽略的缺失数据问题，在第7章中提出了如何处理不可忽略的缺失数据问题的方法。最后，第8章讨论了处理因果推断中缺失数据的方法。

暂缺《缺失数据分析在健康科学中的应用（翻译版）》作者简介

第一章 缺失数据的概念和启发性的例子
1．1 缺失数据问题的回顾
1．2 缺失数据的模式和机制
1．2．1 缺失数据模式
1．2．2 缺失数据机制
1．3 数据示例
1．3．1 改善心情并促进合作的治疗（IMPACT）的研究
1．3．2 美国阿尔茨海默病协调中心（NACC）最小数据集
1．3．3 美国阿尔茨海默病协调中心（NACC）统一数据集
1．3．4 路径研究
1．3．5 维生素A补充剂的随机试验
1．3．6 流感疫苗效果随机试验
第二章 处理缺失数据问题的方法概述
2．1 删除观测值的方法
2．1．1 完全案例方法
2．1．2 加权完全案例方法
2．1．3 移除有大量缺失的变量
2．2 利用所有可用数据的方法
2．2．1 极大似然方法
2．3 填补缺失数据的方法
2．3．1 单一填补方法
2．3．2 多重填补
2．4 贝叶斯方法
第三章 在有缺失数据时的设计考量
3．1 与缺失数据有关的设计因素
3．2 在临床试验设计阶段限制缺失数据的策略
3．3 在临床试验实施阶段限制缺失数据的策略
3．4 最小化缺失数据的影响
第四章 横截面数据方法
4．1 常用方法概述
4．2 数据的例子
4．2．1 模拟研究
4．2．2 NHANES示例
4．3 极大似然方法
4．3．1 缺失协变量为连续型的线性回归的EM算法
4．3．2 缺失协变量为离散型时线性回归的EM算法
4．3．3 二值响应变量有缺失的逻辑回归的EM算法
4．3．4 模拟研究
4．3．5 IMPACT研究
4．3．6 NACC研究
4．4 贝叶斯方法
4．4．1 理论
4．4．2 联合模型以及可忽略的缺失
4．4．3 缺失数据的贝叶斯填补
4．4．4 模拟的例子
4．4．5 IMPACT研究
4．4．6 NHANES示例
4．5 多重填补
4．5．1 理论
4．5．2 渐近性考量和实践准则
4．5．3 多重填补方法的理论解释
……
第五章 纵向数据方法
第六章 可忽略缺失机制下的生存分析
第七章 不可忽略缺失
第八章 带非依从的随机化临床试验分析
参考文献