分类变量缺失数据处理方法有效性的比较研究中国卫生统计.PDFVIP

·１８６· 中国卫生统计２０１６年４月第３３卷第２期 ·论著 · 分类变量缺失数据处理方法有效性的比较研究 哈尔滨医科大学卫生统计教研室（１５００８６）　肖亚明　陈永杰　王玉鹏　刘美娜△ 　　【提　要】　目的　比较删除法（ｄｅｌｅｔｉｏｎｍｅｔｈｏｄｓ，ＤＭ）、基于对数线性模型的多重填补法（ｍｕｌｔｉｐｌｅｉｍｐｕｔａｔｉｏｎｏｆｃａｔｅ ｇｏｒｙｖａｒｉａｂｌｅｓｕｓｉｎｇｌｏｇｌｉｎｅａｒｍｏｄｅｌ，ＭＩＬＬ）及基于潜在类别模型的多重填补法（ｍｕｌｔｉｐｌｅｉｍｐｕｔａｔｉｏｎｂａｓｅｄｏｎｌａｔｅｎｔｃｌａｓｓ ｍｏｄｅｌ，ＭＩＬＣ）处理分类变量缺失数据的效果，并将ＭＩＬＣ应用于实例数据的分析。方法　利用Ｒ语言产生不同缺失机 制、缺失率和样本含量的多变量缺失模拟数据，运用ＤＭ、ＭＩＬＬ和ＭＩＬＣ处理形成完整数据集并进行ｌｏｇｉｓｔｉｃ回归分析，通 过回归系数的偏倚、均方根误差、稳定度和标准误偏倚评价各方法的处理效果。结果　模拟实验表明当缺失率为５％时， 三种方法处理效果均较好；随着缺失率的增大，ＭＩＬＬ和ＭＩＬＣ的各项评价指标均优于ＤＭ，且ＭＩＬＣ的准确度高于ＭＩＬＬ。 三种方法处理效果均表现为完全随机缺失优于随机缺失、样本含量１０００优于样本含量５００。应用ＭＩＬＣ对实例数据填补 后标准误减小，回归系数估计更准确。结论　本文应用ＭＩＬＬ和ＭＩＬＣ两种多重填补方法处理分类变量缺失数据均可减 少缺失导致的参数估计偏倚。当缺失率＞５％、样本含量１０００时，建议应用ＭＩＬＣ处理分类变量缺失数据。 【关键词】　分类变量　缺失数据　多重填补　潜在类别模型　对数线性模型 ＣｏｍｐａｒｉｓｏｎｏｆＭｅｔｈｏｄｓＤｅａｌｉｎｇｗｉｔｈＣａｔｅｇｏｒｙＶａｒｉａｂｌｅｓｗｉｔｈＭｉｓｓｉｎｇＤａｔａ ＸｉａｏＹａｍｉｎｇ，ＣｈｅｎＹｏｎｇｊｉｅ，ＷａｎｇＹｕｐｅｎｇ，ｅｔａｌ．（ＤｅｐａｒｔｍｅｎｔｏｆＢｉｏｓｔａｔｉｓｔｉｃｓ，ＨａｒｂｉｎＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ（１５００８１），Ｈａｒｂｉｎ） 【Ａｂｓｔｒａｃｔ】　Ｏｂｊｅｃｔｉｖｅ　Ｔｏｃｏｍｐａｒｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｄｅｌｅｔｉｏｎｍｅｔｈｏｄ（ＤＭ），ｍｕｌｔｉｐｌｅｉｍｐｕｔａｔｉｏｎｕｓｉｎｇｌｏｇｌｉｎｅａｒ ｍｏｄｅｌ（ＭＩＬＬ）ａｎｄｍｕｌｔｉｐｌｅｉｍｐｕｔａｔｉｏｎｂａｓｅｄｏｎｌａｔｅｎｔｃｌａｓｓｍｏｄｅｌ（ＭＩＬＣ）ｄｅａｌｉｎｇｗｉｔｈｃａｔｅｇｏｒｙｖａｒｉａｂｌｅｓｗｉｔｈｍｉｓｓｉｎｇｄａｔａ， ａｎｄａｐｐｌｙｉｎｇＭＩＬＣｔｏｐｒａｃｔｉｃａｌｄａｔａａｎａｌｙｓｉｓ．Ｍｅｔｈｏｄｓ　Ｓｉｍｕｌａｔｅｄｄａｔａｃｏｎｔａｉｎｉｎｇｍｕｌｔｉｐｌｅｖａｒｉａｂｌｅｓｍｉｓｓｉｎｇｄａｔａｗｉｔｈｄｉｆｆｅｒｅｎｔ ｍｉｓｓｉｎｇｍｅｃｈａｎｉｓｍ，ｍｉｓｓｉｎｇｒａｔｅａｎｄｓａｍｐｌｅｓｉｚｅｗａｓｐｒｏｄｕｃｅｄｕｓｉｎｇＲ．ＤＭ，ＭＩＬＬａｎｄＭＩＬＣｗｅｒｅｅｍｐｌｏｙｅｄｔｏｏｂｔａｉｎｔｈｅ ｃｏｍｐｌｅｔｅｄａｔａｓｅｔ，ｗｈｉｃｈｗｏｕｌｄｂｅａｎａｌｙｚｅｄｕｓｉｎｇｌｏｇｉｓｔｉｃｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ．Ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｅａｃｈｍｅｔｈｏｄｗａｓｅｖａｌｕａｔｅｄｂｙ ｂｉａｓｏｆｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ，ｓｔａｂｉｌｉｔｙａｎｄｔｈｅｂｉａｓｉｎｓｔａｎｄａｒｄｅｒｒｏｒ．Ｒｅｓｕｌｔｓ　Ｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓ ｓｈｏｗｅｄｔｈａｔｗｈｅｎｍｉｓｓｉｎｇｒａｔｅｗａｓ５％，ＤＭ、ＭＩＬＬａｎｄＭＩＬＣａｌｌｐｅｒｆｏｒｍｅｄｗｅｌｌ．Ｗｉｔｈｔｈｅｍｉｓｓｉｎｇｒａｔｅｉｎｃｒｅａｓｉｎｇ，ＭＩＬＬａｎｄ ＭＩＬＣｗｅｒｅｂｅｔｔｅｒｔｈａｎＤＭｆｏｒａｌｌｅｖａｌｕａｔｅｄｉｎｄｉｃａｔｏｒ，ａｎｄＭＩＬＣｗａｓｓｕｐｅｒｉｏｒｔｏＭＩＬＬ．Ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｅａｃｈｍｅｔｈｏｄｗａｓ ｂｅｔｔｅｒｆｏｒｃｏｍｐｌｅｔｅｌｙｍｉｓｓｉｎｇａｔｒａｎｄｏｍｍｅｃｈａｎｉｓｍｒａｔｈｅｒｔｈａｎｍｉｓｓｉｎｇａｔｒａｎｄｏｍｍｅｃｈａｎｉｓｍ，ａｎｄｆｏｒｓａｍｐｌｅｓｉｚｅｏｆ１０００ｒａｔｈｅｒ ｔｈａｎ