欠損データの依存性

Rでの欠損データの扱い方

Nicholas Tierney

Statistician

概要

• MCAR 完全ランダム欠損

• MAR ランダム欠損

• MNAR 非ランダム欠損

MCAR: 概要

欠損は、観測済みデータとも未観測データとも関連がない。

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: 影響

影響

• 補完が推奨される
• 観測値の削除はサンプルサイズを減少させるが、バイアスは生じない
• データを補完すべきである

MAR: 概要

欠損は観測済みデータに依存するが、未観測データには依存しない

影響:

• 補完を行う
• 観測値の削除は望ましくなく、バイアスが生じる可能性がある

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: 概要

応答の欠損は、関心のある評価に関連する未観測値と関係している。

影響:

• 削除や補完によってデータにバイアスが生じる
• 推論が制限される可能性があるため、慎重に進めること。

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

例: MCAR

vis_miss(mt_cars, cluster = TRUE)

例: MAR

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

例: MNAR

vis_miss(ocean, cluster = TRUE)

練習しましょう！

Rでの欠損データの扱い方