Общая модель:

где каждая строка Data является наблюдением Z.

Предполагается, что каждое наблюдение Z является iid (независимым, идентично распределенным) многомерным нормальным, а отсутствующие значения считаются отсутствующими случайным образом (MAR).

Эта процедура имеет три метода инициализации, которые охватывают большинство случаев, каждый из которых имеет свои преимущества и недостатки.

nanskip способ хорошо работает с небольшими проблемами (менее 10 серий или с монотонно отсутствующими шаблонами данных). Он пропускает любые записи с NaNs и оценивает начальные значения только по записям полных данных. Этот метод инициализации, как правило, обеспечивает быструю сходимость алгоритма ЕСМ. Эта подпрограмма переключается на twostage метод, если он определяет, что значительное количество записей содержит NaN.

twostage метод является лучшим выбором для больших задач (более 10 серий). Он оценивает среднее значение для каждой серии, используя все доступные данные для каждой серии. Затем он оценивает ковариационную матрицу с отсутствующими значениями, обрабатываемыми как равные среднему, а не как NaNЭтот способ инициализации является надежным, но приводит к более медленной сходимости алгоритма ECM.

diagonal метод - это наихудший подход, который касается проблемных данных, таких как непересекающиеся ряды и избыточные отсутствующие данные (более 33% отсутствующих данных). Из трех методов инициализации этот метод вызывает самую медленную сходимость алгоритма ECM.