换一批基于R软件的缺失数据MICE填补效果研究
A Study on Effects of Multivariate Imputation by Chained Equation Based on R Software
摘要目的 研究不同缺失率、不同缺失机制下,MICE(multivariate imputation by chained equations)多重填补的效果,探讨该填补方法的适用情况.方法 依托某现况调查的完全数据,使用R软件构造不同缺失率、不同缺失机制的缺失数据.计算列表删除和MICE多重填补后分析结果的标准偏倚,并进行比较.单独对分类变量计算多重填补后的平均错分率.结果 在单变量缺失率分别为10％、20％和30％的随机缺失三种情况下,MICE多重填补表现优良;其他模拟情况下,MICE多重填补相比于列表删除并未表现出明显的优势.对于分类变量,MICE填补后的平均错分率均超过60％.结论 对于随机缺失数据,且单变量缺失率不超过30％时,建议采用MICE多重填补进行处理;但对于资料中的分类变量,不建议直接引用MICE填补后的具体数值.
更多相关知识
- 浏览101
- 被引21
- 下载51
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
