缺失数据的依赖性

在 R 中处理缺失数据

Nicholas Tierney

Statistician

提要

• MCAR 完全随机缺失

• MAR 随机缺失

• MNAR 非随机缺失

MCAR：是什么？

缺失与已观测或未观测的数据均无关联。

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：影响是什么

影响

• 建议进行插补
• 删除观测会减少样本量、限制推断，但不致偏
• 应进行插补

MAR：是什么？

缺失取决于已观测数据，但不取决于未观测数据

影响：

• 进行插补
• 不宜删除观测，可能导致偏差

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：是什么？

响应的缺失与评估相关的未观测值有关。

影响：

• 删除或插补会导致偏差
• 推断受限，需谨慎处理。

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

示例：MCAR

vis_miss(mt_cars, cluster = TRUE)

示例：MAR

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

示例：MNAR

vis_miss(ocean, cluster = TRUE)

Passons à la pratique !

在 R 中处理缺失数据