运用SAS对多重填补数据集进行综合统计推断.pdfVIP

运用 SAS 对多重填补数据集进行综合统计推断 SAS 9 中的多重填补及其统计分析过程 (二) 第二军医大学卫生统计学教研室(200433) 曹 阳 贺 佳 在 SAS 9 中，根据用户的设置的m 值，MI 对总体参数θ的缺失部分信息的估计是： 过程将对原来不完整的数据集填补 m 次(m1) ， r + ν + γ 2 /( 3) (公式 7) 产生 m 个完整数据集，然后可以用任何针对完 r +1 整数据集的标准 SAS 过程对它们进行分析。 公式7 中的r 是由于数据缺失造成的方差的相对 设我们感兴趣的总体参数为θ和σ2 ，它们的 增量，其计算公式为： 2 −1 2 点估计值分别是 ˆ 和 ˆ ，用相同的过程对每个填 (1+m )σ θ σ r B (公式 8) ˆ 2 2 补数据集分别进行分析，会得到( , ˆ ) 、 σ θ1 σ1 w ( ˆ , ˆ 2 ) 、…、( ˆ , ˆ 2 ) ，结合这 m 组参数对θ的 γ与 r 都是很有用的诊断指标，揭示了θ的估 θ σ θ σ 2 2 m m 计在多大程度上受到了数据缺失的影响。应该注 估计为： 意的是，当填补次数m 趋向无穷大时，总方差σ2 T 1 m ˆ ˆ (公式 1) 等于 2 与 2 之和，θ的可信区间的估计是基于 θ ∑θi σW σB m i 1 考虑到填补后的数据的变异来自两个地方， 正态分布(ν=∞) 。自由度ν同时受到填补次数和 一是填补数据集间的变异，二是填补数据集内的 σ2 与σ2 的相对大小的影响，当σ2 远远大于σ2 ， 变异。因此方差的估计由两部分组成，一是填补 W B B W 内方差： 自由度趋向于最小值m-1，当σ2 远远大于σ2 时，