任意缺失模式缺失数据不同填补方法效果比较.pdf

生国里生缠盐垫!!生!Q旦笠!Q鲞筮!翅 任意缺失模式缺失数据不同填补方法效果比较术 张桥1 李 宁2 张秋菊1 刘美娜1△ 【提要】 目的探讨任意缺失模式下缺失数据的填补方法，并对不同方法填补效果进行比较和评价。方法结合 我国北方绝经期妇女钙需要和膳食评估应用研究课题的数据，调用SAS软件中IML模块产生任意缺失模式模拟数据，通 过MI和MIANALYZE过程实现缺失数据的填补，同时应用准确度和稳定度两个评价指标来评价各方法填补的效果。结 果Ps方法填补3次在本文模拟的任意缺失模式的缺失数据中填补效果最佳，MCMC方法填补效果并不理想。结论 法把数据填补成单调缺失后，再用相同方法进行一次填补也是一种可选择的填补方法。 【关键词】 缺失数据任意缺失模式多重填补数据模拟 数据缺失是实验研究和调查研究中一个普遍存在 已观察到的数据无关也与未观察到的数据无关，则该 的问题…，如何正确的处理、分析所缺失的数据在数 缺失数据类型为MCAR；如果缺失数据的发生概率与 据分析中占有重要地位。缺失数据的类型按照不同的 所观察到的变量是有关的，而与未观察到的数据特征 分类方法可划分不同类别，按缺失机制分类和按缺失 无关，则该缺失数据类型为MAR；若数据既不属于完 模式分类两种划分方法心’31。 全随机缺失也不属于随机缺失，那么该缺失数据类型 按照由Little和Rubin在1976年提出的缺失机制就属于NMAR【5J。按照数据缺失模式可以分为单调 com— 缺失模式和任意缺失模式两类哺。7]，为了简单明了可 分类，缺失数据可以分为完全随机缺失(missing at atran— random，MCAR)、随机缺失(missing以通过图1来形象的理解，其中是5个变量，1～5是5 pletely at 个样本，“×”表示数据能观察到，“．”表示数据缺失。 dom，MAR)和非随机缺失(notmissingrandom， NMAR)三类H】。如果所缺失的数据发生的概率既与 ‘ ’ ‘ 5 × × (b)任意缺失模式 (a1单调缺失模式 图1数据缺失模式 单调缺失模式如图1(a)所示，对数据集进行适当填补(mul卸le chainmonte 的行列变换后，可以得到这样一个矩阵，它呈现出一种 洛(markov observa- 层级缺失的模式，矩阵中的元素y，缺失时，则对任意 向数据有时也采用单一填补中的LOCF(1ast carded 的P≥，，元素Y，也是缺失的；任意缺失模式如图1(b)tionforward)方法㈨。本文将探讨AdHoc法、 所示，数据缺失具有随意性，没有任何规律可循，即使LOCF填补、多重填补中的回归方法、预测均数匹配 通过行列变换也无法看出任何规律。 mean (predictive 对于任意缺失模式的数据处理，查阅相关文献发 (propensity 现常用的就是把