缺失数据

✍ dations ◷ 2025-04-26 12:45:32 #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

  • 生态经济学生态经济学是一个跨学科的学术研究领域,旨在了解在不同时间和空间下,人类经济与自然生态间的共同演化和互相依存的关系。有别于环境经济学,环境经济学是对环境的主流经济分析,生
  • 东方计划东方计划(俄语:Восто́к)是一个意图首次将人成功地送入地心轨道的苏联载人航天计划。这一计划从泽尼特间谍卫星出发,设计了东方号飞船,并从SS-6洲际弹道导弹改造成东方号火
  • 俄罗斯政治俄罗斯联邦实行的政治体制是联邦制,以俄罗斯联邦宪法和法律为基础,根据立法、司法、行政三权分立又相互作用、相互制约、相互平衡的原则行使职能。总统是国家元首,任期6年,可以
  • 贝尔法斯特坐标:54°35′50″N 5°55′48″W / 54.5973°N 5.9301°W / 54.5973; -5.9301贝尔法斯特(英语:Belfast /ˈbɛlfɑːst, -fæst/;爱尔兰语:Béal Feirste)位于爱尔兰岛东北沿海的
  • 超音速燃烧冲压发动机超音速燃烧冲压发动机(英语:Supersonic combustion Ramjet,缩写为Scramjet,中文简称超燃冲压发动机)是一种进气流速超过音速的航空用冲压发动机,属进气式喷气发动机的一类。超音速
  • 财子寿福禄寿在中国神话中,是福星、禄星、寿星三位星君的合称。又称“财子寿”、“三星”、“三仙”,象征财富、功名、长寿。在传统的雕刻和绘画中,福禄寿三星的排列由左至右依序是寿
  • 地藏菩萨地藏菩萨(梵语:क्षितिगर्भ Kṣitigarbha),佛教菩萨之一,音译为“乞叉底蘗婆”,因其“安忍不动如大地,静虑深密如秘藏”而得名。又因其发有‘众生度尽、方证菩提;地狱不空
  • 食蚁兽侏食蚁兽科 Cyclopedidae 食蚁兽科 Myrmecophagidae食蚁兽,在生物分类学上属于哺乳纲贫齿总目披毛目下的蠕舌亚目,共有两科四种。除了吃蚁之外,它们也吃白蚁。 本亚目最大的品
  • 阿非利加行省阿非利加行省(拉丁语:Africa)是罗马共和国及其继承者罗马帝国在今北非的一个行省,范围约在今日的突尼斯北部及利比亚西部靠地中海沿岸的地区。阿非利加行省是好几个罗马帝国时代
  • 地域大国地域大国或称区域强权,指在国际关系中,一个在某个地理区域内拥有较大影响力的国家。这些国家被认为是控制某个地区安全性的关键国家,所掌握的影响力与实力能够让它们成为一地区