Dependența datelor lipsă

Gestionarea datelor lipsă în R

Nicholas Tierney

Statistician

Cuprins

  • MCAR Lipsă complet aleatoriu

  • MAR Lipsă aleatoriu

  • MNAR Lipsă non-aleatoriu

Gestionarea datelor lipsă în R

MCAR: Ce este?

Lipsa datelor nu este asociată cu nicio valoare observată sau neobservată.

test vacation
NA TRUE
11.533340 FALSE
10.126115 TRUE
NA FALSE
NA TRUE
8.551881 FALSE
NA FALSE
NA TRUE
10.608264 TRUE
Gestionarea datelor lipsă în R

MCAR: Care sunt implicațiile

Implicații

  • Imputarea este recomandată
  • Ștergerea observațiilor poate reduce dimensiunea eșantionului, limitând inferența, fără a introduce bias
  • Ar trebui să imputați datele
Gestionarea datelor lipsă în R

MAR: Ce este?

Lipsa datelor depinde de valorile observate, nu de cele neobservate

Implicații:

  • Imputați
  • Ștergerea observațiilor nu este ideală și poate introduce bias
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
Gestionarea datelor lipsă în R

MNAR: Ce este?

Lipsa răspunsului este legată de o valoare neobservată, relevantă pentru evaluarea de interes.

Implicații:

  • Datele vor fi influențate de ștergere și imputare
  • Inferența poate fi limitată; procedați cu precauție.
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
Gestionarea datelor lipsă în R

Exemplu: MCAR

vis_miss(mt_cars, cluster = TRUE)

Gestionarea datelor lipsă în R

Exemplu: MAR

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

Gestionarea datelor lipsă în R

Exemplu: MNAR

vis_miss(ocean, cluster = TRUE)

Gestionarea datelor lipsă în R

Să exersăm!

Gestionarea datelor lipsă în R

Preparing Video For Download...