流行病学研究中的数据缺失及处理方法.pdfVIP

卫生与健康 流行病学研究中的数据缺失及处理方法 贾俊萍 (太阳圣华 (北京)医疗科技有 限公司 医学项 目部 100020) [摘 要]在流行病学研究中，经常会遇到数据缺失，这会对研究结果产生不利影响。针对数据缺失产生的原因及类型，必须采用相应的方法对其进行处理。 但不同方法都有各 自的特点，对数据有不 同的要求，应充分理解各种方法的内涵和外延，对缺失数据进行有效的处理 ，使样本信息得到充分利用。 [关键词]数据缺失 单值插补 多重插补 删除法 中图分类号：F862 文献标识码 ：A 文章编号 ：1009—914X(2015)07—0358—02 在流行病学研究中，数据缺失是一个十分常见的问题 1。造成数据缺失的 为该层内缺失单元的插补值 。 原因很多，数据缺失会导致样本信息减少和统计效能降低，并在～定程度上危 ●回归插补 (regressionimputation)：以有缺失值的不完全变量对完全 害研究结果的有效性 I，增加统计分析的复杂性_3_4】，如何有效地处理缺失数据 变量建立 回归方程 ，用缺失变量的回归预测值代替缺失值[8]。当回归模型拟合 · 直是统计学家关注的焦点之一。为了能够充分利用收集到的数据，国内外很 不好时，可能导致有偏差的估计1。 多学者对缺失数据进行了大量的研究，提出了许多有效的处理方法来补救有缺 ●随机 回归插补(random regressionimputation)：用回归插补值加上 失的调查数据 ，保证研究结果更加有效 。 一 个随机项对缺失值进行借补 ，该随机项反映了预测值的不确定性 。 一 、数据缺失的概念 ●热平台插补(hotdeck)：以 类“似”响应单元的值替代缺失值[101。本法 数据缺失是指在数据收集时应该得到而由于某种原因没有得到的数据 ，在 在完整数据集中找到一个与有缺失的观测最 “相似”的观测，以其相应变量的值 现有数据集中某个或某些变量的值是不完全的。 作为插补值，但 “相似”很难界定，可以用多种方法来界定 1。 二、数据缺失的机制 ●冷平台插Sb(colddeck)：用其它来源的常数值代替某一颂缺失值，比如 数据缺失机制是缺失数据处理方法选择的重要依据，了解数据的缺失机制 用以往相似调查中的某个值 。 非常必要。Lime和Rubin6(]针对缺失数据定义了三种不同的数据缺失机制：① ●指示变量方法：对于每一个有缺失值的变量 ，建立一个缺失值指示变量 完全随机缺失 (MissingCompletelyatRandom，MCAR)：数据的缺失与不 并伴随该变量一起进行分析的方法，如当某变量X缺失时，指示变量M=I，否则 完全变量以及完全变量都是无关的。②随机缺失(A，ⅡngatRandom，MAR)： M=0，然后用缺失值指示变量M和x(1一M)代替x进行分析。 数据的缺失不是完全随机的，数据的缺失仅仅依赖于完全变量 。③非随机缺失 ●哑变量调整法：适用于回归模型中的预测变量的填补，给有缺失值的变 (NotMissingatRandom，NMAR)：不完全变量 中数据的缺失依赖于不完 量x建立哑变量M，当x缺失时，D=I，X=c，c为一常数，如未缺失x的均数；当X 全变量本身。 没有缺失时，D O。将x、D都引入回归模型，进行参数估计。 三 缺失数据处理方法 ●最近邻填补：与热平台填补一样，也是基于匹配变量选择一个供者记录。 (一 )删 除法 但这种方法不一定是非要找出一个和受者记录在匹配变量上完全相同的供者 删除法就是将有缺失单元的记录删除。常用