결측 데이터 처리 시 결측 메커니즘에 따른 적절한 방법 선택이 중요하며, 특히 Missing At Random (MAR)과 Missing Not At Random (MNAR) 메커니즘에 대한 이해와 대응이 필요하다.
본 논문에서는 결측 데이터를 imputation 없이 직접 처리하여 LDA 모델의 분류 정확도와 해석력을 향상시키는 새로운 방법론인 WLDA를 제안합니다.
본 논문에서는 비무시 가능한 결측 데이터가 있는 임상시험에서 치료 효과를 평가하기 위해 일반적으로 사용되는 패턴 혼합 모델에 대한 효율적인 직접 가능도 추정 방법을 제안합니다.