Soluzioni raccomanda di dati mancanti

Non ci sono due metodi per trattare con i dati mancanti che si sono resi disponibili nel software statistico tradizionale negli ultimi anni. Questi due metodi sono grandi miglioramenti rispetto agli approcci tradizionali, come descritto in Limitazioni di approcci comuni ai dati mancanti. Questo articolo descrive questi due metodi.

Entrambi i metodi descritti qui richiedono che il meccanismo di dati mancanti è ignorabile, cioè non legato ai valori mancanti (vedi mancanti Meccanismi di dati). Se il meccanismo è ignorabile, con conseguente stime (vale a dire, i parametri di regressione e errori standard) sarà imparziale senza perdita di potere.

Il primo metodo è Assegnazione multipla (MI). Proprio come i metodi di imputazione discussi in Limitazioni al comune Approcci di dati mancanti, Assegnazione multipla riempie le stime per i dati mancanti. Tuttavia, per catturare l'incertezza tali stime, MI imputa i valori più volte. Perché utilizza un metodo di imputazione con errore integrato, molteplici le stime dovrebbero essere simili, ma non identici. Il risultato è più set di dati con valori identici per tutti i valori non mancanti e valori leggermente diversi per i valori assegnati a ciascun set di dati. L'analisi statistica di interesse, ad esempio ANOVA o regressione logistica, viene eseguita separatamente su ciascun set di dati, ei risultati vengono poi combinati. A causa della variazione dei valori assegnati, ci dovrebbe essere anche variazioni nei stime dei parametri, che porta a stime appropriate su errori standard e adeguate p-value.

Assegnazione multipla è disponibile in SAS, S-Plus, e Solas. In SAS, PROC MI crea i set di dati, che possono poi essere facilmente analizzati separatamente utilizzando procedure statistiche standard. PROC MIANALYZE quindi combinare i risultati di queste analisi separate. Joe Schafer a Penn State ha sviluppato quattro librerie S-Plus per i molteplici imputando, dati misti, e pannelli normali, categoriali. Egli ha fatto la biblioteca per i dati normali disponibili come pacchetto stand-alone gratuito chiamato NORM. Assegnazione multipla è disponibile anche in Solas, ma i suoi algoritmi sono stati interrogati come inadeguato, e non possiamo raccomandare l'uso in questo momento.

Il secondo metodo è quello di analizzare i dati incompleti, set completo con stima di massima verosimiglianza. Questo metodo non imputa alcun dato, ma piuttosto utilizza tutti i dati osservati per ciascun caso per calcolare stime di massima verosimiglianza. La stima di massima verosimiglianza di un parametro è il valore del parametro che è più probabile che hanno portato i dati osservati. Quando i dati sono mancanti, siamo in grado di fattorizzare la funzione di verosimiglianza. La probabilità è calcolata separatamente per i casi con dati completi su alcune variabili e quelli con dati completi su tutte le variabili. Questi due verosimiglianze sono poi massimizzati insieme per trovare le stime. Come assegnazione multipla, questo metodo dà stime dei parametri imparziali e gli errori standard. Un vantaggio è che non richiede l'attenta selezione delle variabili utilizzate per imputare valori che Assegnazione multipla richiede. E ', tuttavia, limitata a modelli lineari.

L'analisi dei dati incompleti, set completo con stima di massima verosimiglianza è disponibile in AMOS. AMOS è un pacchetto di modelli di equazioni strutturali, ma può eseguire più modelli di regressione lineare. AMOS è facile da usare ed è ora integrato in SPSS, ma non produrrà grafici dei residui, statistiche di influenza, e altro output tipico pacchetti di regressione. La mancanza pacchetto di analisi del valore in SPSS farà alcune molto limitate stime di massima verosimiglianza per i mezzi e le correlazioni solo

Riferimenti:.
Schafer, J. Software per Assegnazione multipla
Hox, JJ (1999) Una rassegna di software attuale per la gestione di dati mancanti, Kwantitatieve Methoden, 62, 123-138.
Allison, P. (2000). Assegnazione multipla sui dati mancanti: un ammonimento, metodi sociologici e della Ricerca, 28, 301-309 Hotel ..