缺失值處理統(tǒng)計方法的模擬比較研究及應用.pdf

1、目的：通過數據模擬技術比較MI和其它缺失值填補方法的優(yōu)劣，探討各自的適用性。將適用于本研究資料的填補方法應用于缺失值填補，為進一步的數據分析及相關因素研究奠定基礎。 方法：橫斷面資料單調缺失模式連續(xù)變量的處理：采用Adhoc法和條件均數填補法(conditionalmeanimputation)進行處理，并采用MI中的趨勢得分法(propensityscore，PS)和預測均數匹配法(predictivemeanmatching

2、，PMM)進行填補并做比較。橫斷面資料單調缺失模式分類變量的處理：采用Adhoc法和MI中的logistic回歸方法進行處理并做比較。橫斷面資料任意缺失模式連續(xù)變量的處理：采用Adhoc方法處理并與MI中的馬爾可夫鏈蒙特卡羅(MarkovChainMonteCarlo,MCMC)方法填補結果進行比較?？v向資料缺失數據的處理：采用Adhoc方法、LOCF法處理并與MI方法中的MCMC模型填補結果進行比較。最后，采用MI中的MCMC模型進行

3、了實例應用。 結果：當數據缺失率低于10％時，用Adhoc方法即可處理；橫斷面單調缺失數據缺失率低于20％時，條件均數填補法結果較優(yōu)；縱向數據缺失率低于20％時，LOCF填補結果較優(yōu)；當數據缺失超過20％時，MI填補效果較優(yōu)；其中，當分類變量缺失率超過40％時MI填補無效；對于橫斷面連續(xù)變量，缺失率不超過60％時，MI結果較優(yōu)；而對于縱向資料連續(xù)變量的處理，MI的優(yōu)勢范圍相對狹窄，缺失率在20％～40％.不管是橫斷面資料還是縱向