Dépendance des données manquantes

Gérer les données manquantes en R

Nicholas Tierney

Statistician

Aperçu

MCAR Missing Completely at Random
MAR Missing At Random
MNAR Missing Not At Random

MCAR : qu'est-ce que c'est ?

L'absence de données n'a aucun lien avec les données observées ou non observées.

test	vacation
NA	TRUE
11.533340	FALSE
10.126115	TRUE
NA	FALSE
NA	TRUE
8.551881	FALSE
NA	FALSE
NA	TRUE
10.608264	TRUE

MCAR : quelles conséquences ?

Conséquences

L'imputation est recommandée
Supprimer des observations réduit la taille d'échantillon, limite l'inférence, mais ne biaise pas
Vous devriez imputer les données

MAR : qu'est-ce que c'est ?

L'absence de données dépend de données observées, mais pas de données non observées.

Conséquences :

Imputer
Supprimer des observations n'est pas idéal ; peut introduire un biais

test	vacation	depression
NA	TRUE	87.93109
11.533340	FALSE	40.02708
10.126115	TRUE	48.62883
NA	FALSE	88.21743
NA	TRUE	90.29282
8.551881	FALSE	44.77343
NA	FALSE	89.48865
NA	TRUE	89.99209
10.608264	TRUE	45.56832

MNAR : qu'est-ce que c'est ?

L'absence de la réponse est liée à une valeur non observée pertinente pour l'évaluation visée.

Conséquences :

Les données seront biaisées après suppression ou imputation
L'inférence peut être limitée ; avancer avec prudence.

test	vacation	depression
NA	TRUE	NA
11.533340	FALSE	11.533340
10.126115	TRUE	10.126115
NA	FALSE	NA
NA	TRUE	NA
8.551881	FALSE	8.551881
NA	FALSE	NA
NA	TRUE	NA
10.608264	TRUE	10.608264

Exemple : MCAR

vis_miss(mt_cars, cluster = TRUE)

Exemple : MAR

oceanbuoys %>% arrange(year) %>% vis_miss()

Exemple : MNAR

vis_miss(ocean, cluster = TRUE)

Passons à la pratique !

Gérer les données manquantes en R

Preparing Video For Download...