Afhankelijkheid van ontbrekende data

Omgaan met missende data in R

Nicholas Tierney

Statistician

Overzicht

  • MCAR Missing Completely at Random

  • MAR Missing At Random

  • MNAR Missing Not At Random

Omgaan met missende data in R

MCAR: Wat is het?

Ontbreken hangt nergens mee samen: niet met geobserveerde, en niet met niet-geobserveerde data.

test vacation
NA TRUE
11.533340 FALSE
10.126115 TRUE
NA FALSE
NA TRUE
8.551881 FALSE
NA FALSE
NA TRUE
10.608264 TRUE
Omgaan met missende data in R

MCAR: Wat zijn de gevolgen

Gevolgen

  • Imputatie is aan te raden
  • Verwijderen verkleint je steekproef en beperkt inferentie, maar introduceert geen bias
  • Je zou data moeten imputeren
Omgaan met missende data in R

MAR: Wat is het?

Ontbreken hangt af van geobserveerde data, niet van niet-geobserveerde data

Gevolgen:

  • Imputeren
  • Waarnemingen verwijderen is niet ideaal; kan bias geven
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
Omgaan met missende data in R

MNAR: Wat is het?

Het ontbreken van de respons hangt samen met een niet-geobserveerde waarde die relevant is voor de meting.

Gevolgen:

  • Data raakt vertekend door verwijderen én imputeren
  • Inferentie is beperkt; ga voorzichtig te werk.
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
Omgaan met missende data in R

Voorbeeld: MCAR

vis_miss(mt_cars, cluster = TRUE)

Omgaan met missende data in R

Voorbeeld: MAR

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

Omgaan met missende data in R

Voorbeeld: MNAR

vis_miss(ocean, cluster = TRUE)

Omgaan met missende data in R

Laten we oefenen!

Omgaan met missende data in R

Preparing Video For Download...