鲍晓蕾 高 辉 胡良平

多种填补方法在纵向缺失数据中的比较研究

鲍晓蕾1高 辉2胡良平3

目的 比较多种方法对纵向缺失数据的处理效果。方法 运用SAS软件通过蒙特卡罗模拟产生最常见的含一个分组因素和一个重复测量因素的纵向资料，对其进行混合效应模型分析，将结果作为标准对照。分别构建任意缺失模式（AMP）和单调缺失模式（MMP）下完全随机缺失（MCAR）、随机缺失（MAR）和非随机缺失（NMAR）六种缺失数据集，并使缺失率分别为10%、20%、30%、40%和50%，运用删除法、单一填补法、多重填补法和EM算法进行处理。结果 在AMP下，当MCAR和MAR时，低缺失率（≤10%）下所有方法的效果均较好；随着缺失率的增大，只有多重填补法的效果令人满意。在MMP下，当MCAR和MAR时，只有线性回归法和预测均数匹配法的效果较好。多重填补法的缺点是在一定程度上高估系数的变异程度。另一方面，填补方法对结果的影响远超过填补次数对结果的影响。当NMAR时，所有方法都无法取得较好的处理效果。结论 对于纵向缺失资料，多重填补法仍是一种较为理想的处理方法。

纵向缺失资料 缺失模式 缺失机制 多重填补

缺失数据是生物医学科研中经常碰到的一个问题，在调查研究和临床试验研究中尤为常见。目前对缺失数据的常用处理方法包括直接删除含缺失数据的观测（以下简称删除法）、单一填补法、多重填补法、EM算法等［1］。以往的研究认为，多重填补法考虑了数据缺失的不确定性，相对其他方法具有较大优势，因此在应用中很受研究者的青睐［2-3］。……