Det går inte att förutsäga vilka värden som saknas
Saknade data kan tas bort
MAR
Missing at Random
Saknandet beror på variabler i datamängden
Använd multipel imputation för att skatta saknade värden
MNAR
Missing Not at Random
Varken MCAR eller MAR
Deterministiskt samband mellan variabler
Hantera saknade data i den här kursen
En fullständig behandling av saknade data faller utanför kursens ramar
Vi undersöker om det är rimligt att data är MCAR och tar bort saknade värden
En snabb kontroll för MAR
Koda om en kolumn till ett om data saknas, annars noll
Regressera övriga variabler mot den med logistisk regression
Ett signifikant p-värde indikerar MAR
Upprepa för övriga kolumner med saknade värden
Vissa p-värden kan vara signifikanta av slumpen – justera signifikansgränsen utifrån antalet regressioner
Exempel på MAR-snabbkontroll
# Our dependent variable
is_missing <- rbinom(1000, 1, 0.5)
# Our independent variables
data_matrix <- matrix(rnorm(1000*10), nrow = 1000,
ncol = 10)
# A vector of p-values we'll fill in
p_vals <- rep(NA, ncol(data_matrix))
Exempel på MAR-snabbkontroll
# Perform logistic regression
for (j in 1:ncol(data_matrix)) {
s <- summary(glm(is_missing ~ data_matrix[, j]),
family = binomial)
p_vals[j] <- s$coefficients[2, 4]
}
# Show the p-values
p_vals
Preparing Video For Download...
