-
题名二分类数据缺失多重填补分析及应用
被引量：4
- 1
-
-
作者
张耀
陈培翠
张翠仙
罗天娥
刘桂芬
-
机构
山西医科大学公共卫生学院卫生统计教研室
-
出处
《中国卫生统计》
CSCD
北大核心
2014年第3期370-373,共4页
-
基金
国家自然科学基金项目(编号81172774)
国家青年科学基金项目资助(81001294)
太原市大学生创新创业专题(120164023)
-
文摘
目的阐明四种填补方法(multiple imputation,MI)的基本原理,实例介绍纵向研究二分类缺失数据多种填补方法的应用。方法对比分析简单填补、分层填补、考虑个体差异的填补及考虑个体、抽样的多重填补等四种填补方法;模拟证实几种OR取值的敏感性分析。结果进行大样本(N=10000)模拟研究表明:简单多重填补分析会降低检验效能,不能客观反应两样本的差异;考虑先前信息的分层多重填补会扩大I型错误;若只考虑个体变异,仅模拟一个数据集,所得结论不稳定;在考虑个体、抽样和填补差异后模拟的多重填补数据集,当OR≈2时,所得统计量基本接近真值;实例验证,经高血压知晓干预后,尚不能认为两区的吸烟率有差别。结论不考虑前次观察数据以及OR值的影响,一味地把缺失值当作该事件发生处理,会加大I型错误;只有综合考虑个体、抽样和填补差异,多重填补数据集的估计结果才更具稳健性。
-
关键词
多重填补
纵向研究
二分类数据缺失
效果评价
-
Keywords
MI
Longitudinal study
Binary missing data
Evaluation
-
分类号
R195
[医药卫生—卫生统计学]
-
