不同缺失機(jī)制并存時(shí)偏倚校正的模擬研究.pdf

1、目的：本研究主要針對(duì)以往醫(yī)療費(fèi)用調(diào)查中的因變量數(shù)據(jù)既存在應(yīng)就醫(yī)而因貧困等原因未就醫(yī)導(dǎo)致的O截取或選擇性偏倚問題，又存在隨機(jī)的無(wú)應(yīng)答造成的因變量缺失現(xiàn)象，提出了針對(duì)這兩類重要的無(wú)應(yīng)答偏倚機(jī)制并存時(shí)的兩階段校正方法，從而為正確估計(jì)相對(duì)弱勢(shì)的人群的醫(yī)療費(fèi)用及其影響因素提供方法學(xué)依據(jù)。
　　 方法：通過統(tǒng)計(jì)模擬得出不同程度隨機(jī)缺失和非隨機(jī)缺失并存時(shí)的多個(gè)數(shù)據(jù)集。首先利用非缺失數(shù)據(jù)（不包括含有非隨機(jī)缺失數(shù)據(jù)的個(gè)體觀測(cè)值）對(duì)單純無(wú)應(yīng)答按照隨

2、機(jī)缺失(MAR)機(jī)制通過預(yù)測(cè)均數(shù)匹配法(PMM)、傾向性得分法(PS)、基于Bootstrap的EM算法(EMB)和馬爾科夫鏈蒙特卡洛算法(MCMC)四種填補(bǔ)方法進(jìn)行多重填補(bǔ)（第一階段）；在此基礎(chǔ)上對(duì)選擇性偏倚造成的缺失數(shù)據(jù)進(jìn)行樣本選擇模型擬合以校正數(shù)據(jù)非隨機(jī)缺失造成的偏倚（第二階段）；最后對(duì)多個(gè)樣本選擇模型擬合結(jié)果進(jìn)行合并。對(duì)模擬出的結(jié)果以標(biāo)準(zhǔn)偏倚、均方誤差的平方根和可信區(qū)間平均長(zhǎng)度作為評(píng)價(jià)填補(bǔ)方法優(yōu)劣的標(biāo)準(zhǔn)。
　　 結(jié)果：通

3、過模擬研究發(fā)現(xiàn)隨著隨機(jī)和非隨機(jī)缺失率的增加，各項(xiàng)標(biāo)準(zhǔn)的值均不同程度的增加，說(shuō)明填補(bǔ)方法準(zhǔn)確度和精確度也在逐漸降低。在任意一種缺失情況下，由于PS法的標(biāo)準(zhǔn)偏倚絕對(duì)值超過了規(guī)定的界值，故該法不可??；而PMM、EMB和MCMC法均得出較好的結(jié)果。當(dāng)非隨機(jī)缺失為輕度時(shí)，不同程度隨機(jī)缺失情況下的填補(bǔ)方法選擇為：在隨機(jī)缺失也為輕度時(shí)，MCMC法最好；在隨機(jī)缺失為中度時(shí)，EMB法最好；在隨機(jī)缺失為重度時(shí)，PMM法最好。當(dāng)非隨機(jī)缺失為中度時(shí)，無(wú)論隨機(jī)缺