缺失数据

✍ dations ◷ 2025-08-23 22:05:18 #统计学,抽样

在统计调查的过程中,由于受访者对问题的遗漏、拒绝,或是调查员与调查问卷本身存在的一些疏忽,使得记录经常会出现 缺失数据 (Missing Data) 的问题。但是,几乎所有标准统计方法都假设每个个案具有可用于分析的所有变量信息,因此缺失数据就成为进行统计研究或问卷调查的工作人员所必须解决的一个问题。

Paul D. Allison在其2011年出版的Missing Data一书中,提到了许多解决缺失数据问题的方案,而它们各有利弊。

在介绍缺失数据的解决方案之前,需要明确几个相关的统计概念:

假设一个特殊变量Y有缺失数据。如果Y缺失数据的概率与Y本身的值或在该数据组中任何其他变量的值都无关的话,那么Y的数据就是完全随机缺失的(MCAR)。

如果在分析中控制了其他变量后,Y缺失数据的概率与Y值无关,则称Y的数据为随机缺失(MAR)的,即:Pr(Y missing|Y,X)=Pr(Y missing|X)。

如果数据位MAR且管制缺失数据过程的参数与要估计的参数无关,则缺失数据的机制是可忽略的。在某些情况下,MAR和可忽略性可以视为相等的条件。

如果数据不是MCAR或MAR,则说缺失数据机制是不可忽略的。

解决缺失数据问题的方法主要有:成列删除、成对删除、虚拟变量调整、插补、多重插补和最大似然。

成列删除的思想是:在分析中当某个案的任何变量有缺失数据时,便简单地将该个案从分析中排除。也称为个案删除。

成列删除方法的优点有:

成列删除方法的缺点有:

成对删除的原理是:通过所有可得的个案来计算这些描述统计的每一个。成对删除又称可得个案分析。

成对删除方法的优点是:如果数据为MCAR,成对删除就产生一致的参数估计值(在大样本中接近无偏误),且有比成列删除更少的抽样变异(较小的真实标准误),而当变量间相关性普遍较低时,成对删除会产生更有效的估计值。

成对删除方法的缺点有:

虚拟变量调整或缺失指标方法:假设某变量X有一些缺失数据,X为回归分析中数个自变量的其中一个,那么可以建立一个虚拟变量D,如果X存在数据缺失则D=1,否则D=0。同时建立一个变量X',使得当不存在数据缺失时X'=X,否则X'等于一个任意常数c。回归因变量Y于X'、D及其他在预设模型中的所有变量。

虚拟变量调整方法的优点是:它使用了所有可用的关于缺失数据的信息。

虚拟变量调整方法的缺点是:它通常会产生有偏误的系数估计值。

插补方法的基本原理是:以某些合理的猜测插补或替代缺失值,然后再接着按没有缺失数据的情况进行分析。但是,按照完整数据的情况分析插补数据会低估标准误、高估检验统计量。

多重插补法(MI)具有与最大似然法相同的最适特性,但却排除了某些局限性。特别是当数据为MAR时,正确使用多重插补会产生一致的、渐近有效且渐近正态的估计值。多重插补的另一个优势是,它几乎可以被任何一种数据或模型所使用,且分析可以利用未修改的、传统的软件执行。不过,多重插补也有缺点,它的执行可能很麻烦也很容易出错,最严重的是每次使用多重插补时,都会产生不同的估计值。

最大似然是一个有效且实用的处理随机缺失数据的方法,且对于大样本来说是最合适的,但它有一个限制条件:它需要包含所有缺失变量的联合概率的模型。因此比较适合于线性模型和对数线性模型。

任何有关不可忽略的缺失数据的方法都应伴随一个敏感性分析,因为根据假设的模型,结果可能变化很大,故试验一貌似有理范围的模型并看它们是否产生相同的结果是很重要的。


相关

  • 西兰岛西兰岛(丹麦语:Sjælland)是丹麦本土第一大岛(7031平方公里,世界第95名),分别被大贝尔特海峡和厄勒海峡将其与菲英岛和斯科讷地区分隔。借由大贝尔特桥与菲英岛相连结,和厄勒海峡大
  • 单性生殖单性生殖又称为孤雌生殖(Parthenogenesis),是动物或植物的卵子,不经过受精过程,而单独发育成后代的生殖方式,与一般无性生殖稍有区别。单性生殖一般发生在多种植物和无脊椎动物
  • 高飞狗高飞(英语:Goofy,此英文单字“愚蠢的,傻傻的”意思)是迪士尼经典动画人物之一,首次出现于1932年5月25日米奇老鼠卡通片《米奇的时事讽刺剧》(Mickey's Revue) 一片中扮演观众角色,当
  • 阿尔卑斯山区阿尔卑斯山(德语:Alpen;意大利语:Alpi;斯洛文尼亚语:Alpe)是欧洲最高及横跨范围最广的山脉,它覆盖了意大利北部边界、法国东南部、瑞士、列支敦士登、奥地利、德国南部及斯洛文尼亚
  • 艾菲尔期艾菲尔期(英语:Eifelian)是泥盆纪的第四个时期,年代大约位于393.3–387.7百万年前。
  • 兰州市兰州市,简称兰,别称金城,是中华人民共和国甘肃省省会,国务院批复确定的中国西北地区重要的工业基地和综合交通枢纽,西部地区重要的中心城市之一,位于甘肃省中部。市境西北界武威市
  • 蒋友仁米歇尔·班诺伊(法语:Michel Benoist,1715年10月8日-1774年10月23日),汉名蒋友仁,字德翊,法国第戎人,天主教耶稣会传教士。蒋友仁于1737年进入南锡的耶稣会院学习,三年之后被批准前往
  • 泽兰泽兰省(荷兰语:Zeeland),又依英语译作西兰省,是荷兰的一个省份。该省位于该国的西南部,主要由岛屿组成,与其邻近的省份北有南荷兰省,东连北布拉班特省,西面靠海,南与比利时接壤。其省
  • 瑷珲瑷珲(满语:ᠠᡳ᠌ᡥᡡᠨᡥᠣᡨᠣᠨ,穆麟德:aihūn hoton,太清:aihvn hoton)是中国东北的黑龙江省黑河市的旧地名,所指是清代的军事重镇——瑷珲新城,汉语亦称“黑龙江城”,在今黑龙江
  • 抗SSA抗体人体解剖学 - 人体生理学 组织学 - 胚胎学 人体寄生虫学 - 免疫学 病理学 - 病理生理学 细胞学 - 营养学 流行病学 - 药理学 - 毒理学 抗SSA抗体(也称Anti-Ro,或抗SS-A抗体)