带有不可忽略缺失数据的结构方程模型的统计分析及应用研究

结构方程模型已经被广泛地应用于市场学、管理学、社会学等学科。直到目前为止，大部分的应用都是基于完全观测的数据。但是在实际应用中，我们经常会碰到缺失数据问题。对于这些缺失数据进行不恰当的处理会导致不正确的统计推断和错误的结论。因此发展一种可靠的统计方法来分析带有缺失数据的结构方程模型是非常重要的。近年来，基于MCMC技术的带有缺失数据的结构方程模型的研究已经受到关注。但是他们研究的缺失数据机制都是随机缺失的(MAR)。也就是说，一个数据的缺失与否，它的概率只与观测到的数据有关，与缺失的数据无关，但这种假设通常是不成立的。本项目就是要去建立一种新的方法来处理带有非随机缺失(NMAR)不可忽略的缺失数据的结构方程模型，并为此类模型做出细致的统计分析，包括参数估和模型选择等问题。