数据缺失及其填补方法综述PPT.pptVIP

LOGO * LOGO * LOGO * 目录页 CONTENTS PAGE LOGO * TRANSITION PAGE 过渡页 LOGO * 引言 Part 1 LOGO * 数据缺失简介 Part 2 LOGO * Part 3 数据缺失的处理方法 LOGO * Part 4 处理方法的选择与评价 LOGO * 总结 Part 5 数据缺失及其填补方法综述 报告人：邵宏赡 日 期：2013.4 一 二 三 引言 数据缺失简介 数据缺失的处理方法 主要内容 四 处理方法评价 五 总结 一 二 三 引言 数据缺失简介 数据缺失的处理方法 四 处理方法的选择与评价 五 总结 在社会调查资料中，最为常见的问题就是 。造成数据缺失的原因有：失访、无响应或是回答问题不合格等等。统计学上，将含有缺失数据的记录称为不完全观测。缺失数据或不完全观测对调查研究的影响是很大的。所以在统计学中，为了能够更加充分地利用已经搜集到的数据，国内外很多学者都对缺失数据的处理提出了自己独到的见解，来挽救有缺失的调查数据，以保证研究工作顺利进行。 数据缺失 一 二 三 引言 数据缺失简介 数据缺失的处理方法 四 处理方法的选择与评价 五 总结 Little和Rubin针对缺失数据，探讨缺失数据与目标变量是否有关，定义了3种不同的缺失机制。 产生机制（ Mechanism ） MCAR MAR MNAR 完全随机缺失(Missing Completely At Random) ：数据的缺失与不完全变量以及完全变量都是无关的。 随机缺失(Missing At Random)：数据的缺失仅仅依赖于完全变量。 非随机缺失(Not Missing At Random)：不完全变量中数据的缺失，依赖于不完全变量本身。这种缺失是不可忽略的。 产生机制（ Mechanism ） 缺失模式（ Pattern） 数据缺失模式主要研究哪些变量缺失，更确切的说，关注的是缺失数据矩阵R的分布。当一维目标变量出现缺失数据时，我们在数据处理过程中首先要考虑缺失数据产生机制，而对于多维目标变量而言，除了考虑缺失数据产生机制外，还要判断数据的缺失模式。 缺失模式（ Pattern） 假设完全数据资料阵 y 是由m个观测、 n个变量组成的m×n矩阵，通过分析这个矩阵的特点，可以推断出数据缺失模式。 一 引言 四 处理方法的选择与评价 五 总结 二 数据缺失简介 三 数据缺失的处理方法 基本方法 基于完整观测单位的方法 单一填补法 基于填补的方法 人工填补法 删除法 不处理 加权调整法 列表删除 个案删除（配对删除） 多重填补法 均值填补法 回归填补法 热平台填补法（Hot deck 填补法、就近补齐法） 冷平台填补法 期望最大化法 极大似然估计 马尔科夫链蒙特卡罗法（MCMC） 趋势得分法 随机回归填补法（PMM法） K最近距离邻法 贝叶斯网络 人工神经网络 C4.5方法 这种方法简便易行。在被调查对象出现多个变量的缺失, 并且被删除的含缺失的数据量在整个数据集中的数据量占的比例非常小的情况下, 是非常简单而有效的。 它的不足之处在于，删除缺失数据的过程中减少了原始的数据，导致了信息的损耗。因此, 当缺失数据所占比例较大,特别当缺失数据非随机分布时, 这种方法可能导致数据发生偏离, 从而引出错误的结论。 基于完整观测单位的方法 删除法 加权调整法 列表删除 个案删除（配对删除） 加权是一个减少偏差的比较简单的措施, 但是由于丢弃不完整单位的信息, 并且没有提供一个内在的方差控制, 所以在样本量较大时, 易出现错误的结果。 多重填补法1977年由Rubin首先提出，经过Meng和Schafer等人不断的完善和综合已形成一个比较系统的理论，该法有以下优点：①多重插补过程产生多个中间插补值，可以利用插补值之间的变异反映无回答的不确定性，包括无回答原因已知情况下抽样的变异性和无回答原因不确定造成的变异性。②多重插补通过模拟缺失数据的分布，较好地保持变量之间的关系。③多重插补能给出衡量估计结果不确定性的大量信息，单一插补给出的估计结果则较为简单。 单一插补的优点 1、标准的完全数据分析方法 2、对公众应用数据库，程序运行一次 缺点—低估估计量的方差 改进—校正估计量的方差，主要利用Jackknife、Bootstrap 等工具，给出方差的相合估计。 单一填补法 基于填补的方法 人工填补法 多重填补法 均值填补法