不得不读：缺失数据处理.pptVIP

缺失数据的插补方法 中国科学院系统科学研究所 杨 军 联系方式：tomyj2001@163.com 报告提纲 缺失数据 为什么进行插补 单一插补 多重插补 几何插补 问题与挑战 缺失数据 在许多实际问题的研究中，有一些数据无法获得或缺失。当缺失比例很小时，可直接对完全记录进行数据处理，舍弃缺失记录。 但在实际数据中，往往缺失数据占有相当的比重，尤其是多元数据。这时前述的处理将是低效率的，因为这样做丢失了大量信息，并且会产生偏倚，使不完全观测数据与完全观测数据间产生系统差异。 什么是插补 给每一个缺失数据一 些替代值，如此得到“完全数据集”后，再使用完全数据统计分析方法分析数据并进行统计推断。 80年代以后，人们开始重视数据缺失问题，着力研究插补方法。迄今为 止，提出并发展了30多种的插补方法。在抽样调查中应用的主要是单一插补和多重插补。 为什么进行插补 允许应用标准的完全数据分析方法 能融合数据收集者的知识 数据缺失使数据结构复杂化，需要使用更复杂的统计工具进行分析，而插补可以缓解这一困难 能够防止删除不完全记录造成的信息丢失 在一些情形下，插补能够减少无回答偏倚 特别注意：插补的目的并不是预测单个缺失值，而是预测缺失数据所服从的分布 单一插补 单一插补指对每个缺失值，从其预测分布中取一个值填充缺失值后，使用标准的完全数据分析