利用MonteCarlo技术模拟省略方法对完全随机缺失数据的处理效果.pdf

·534 · 20 15 6 32 3 中国卫生统计 年 月第 卷第 期 利用Monte Carlo 技术模拟研究不同缺失值处理方法对 完全随机缺失数据的处理效果 四川大学华西公共卫生学院卫生统计学教研室(61004 1) 武瑞仙 邓子兵 谯治蛟 李晓松△ 【 】 ， 、 、 提 要 目的 以医疗卫生机构年报资料为数据来源 采用成组删除法 极大似然估计法 多重填补法分别对模拟 ， 。 SAS9. 3 ， Monte 的完全随机缺失数据集缺失值进行处理 比较不同缺失率下三种方法的缺失处理效果 方法 运用 采用 Carlo ， 、EM 、MCMC ， 技术模拟完整数据集及不同缺失比例数据集 利用成组删除法 算法 算法对缺失数据进行处理 得到不 ， 。 ， ， 同处理方法后的参数估计结果 与完整数据集参数估计进行比较 结果 对于完全随机缺失数据 不同缺失率下 成组删 ; 10% ， ; 10% ～ 30% ， 除法的准确率均比较好 缺失率小于 三种方法处理效果差异不大 缺失率在 成组删除法精确度逐渐降 ，EM MCMC ， 30% ，MCMC 。 低 与 准确度与精确度较好 缺失率大于 准确度与精确度相对较好 结论 对于不同缺失率的数 ， ， 。 据 综合考虑准确度和精确度 采用不同的方法进行处理 【 】 EM Markov Chain Monte Carlo 关键词 缺失值 算法 模拟 参数 ， 在医学和卫生领域 数据缺失是普遍存在又难以 分别采用相应的缺失处理方法对缺失数据集进行处 ， ， ， ， 避免的现象 传统处理方法中 研究人员往往只是简单 理 并对处理后的数据集拟合多元线性回归模型 获得 ， 。 100 ， 地将有缺失值的对象剔除 仅对完全记录对象进行分 模型各参数的估计值 模拟 次 得到不同缺失率 ［1］ ， ， ， 析 这样可能导致样本信息减少和检验效能降低 下模型的参数的平均值与标准误 与完整数据集相应 ， ， 。 甚至影响统计分析结果 近二十年 缺失处理研究发展 参数进行比较 ， 3. 迅速 最具代表性的两个方法是多