首页 > 文献资料
-
基于多重填补法合并广义估计方程的高血糖危险因素评估研究
目的 应用多重填补法合并广义估计方程评估高血糖危险因素.方法 利用多重填补法合并广义估计方程分别处理苏州市相城区第三人民医院老年人2011-2015年(2013年除外)健康管理档案中相关信息的数据缺失和重复测量问题,综合评估高血糖的危险因素.结果 8 325位老年人累计23 195条观测记录中,纳入的指标除性别、年龄为完整变量,其余变量缺失率范围为0.06％ ～ 18.44％,样本实际有效率为76.99％,数据资料呈任意缺失模式.多重填补后,产生10个完整的不同数据集,所有变量填补效率都在0.97以上.高血糖危险因素OR值(95％ CI)评估结果:高血压1.272(1.201～1.361)、超重1.251(1.162～1.341)、肥胖1.649(1.481 ～1.852)、心率过快1.679(1.581 ～1.792)、高胆固醇血症1.178(1.060～1.311)、混合型高脂血症1.170(1.021～1.332)、低密度脂蛋白胆固醇1.112(1.040 ～1.171)、高尿酸血症1.172(1.089～1.271)、丙氨酸氨基转移酶偏高1.180(1.032 ～1.351)、天冬氨酸氨基转移酶偏高1.191(1.032～ 1.391).缺失填补前后,混合型高脂血症和天冬氨酸氨基转移酶偏高的统计学意义发生改变.γ和r值表明缺失对体质指数的参数估计影响大.结论 多重填补法合并广义估计方程能有效解决高血糖危险因素评估时遇到的数据缺失和重复测量问题,公共卫生部门应加强监测可能引起高血糖患病的相关因素,针对高危老年人做好健康指导工作.
-
基于Monte Carlo模拟的四种完全随机双变量缺失数据处理方法的比较
目的 探讨完全随机缺失机制下,成组删除法、均值填补法、回归填补法和多重填补法处理缺失数据的效果及趋势.方法 运用R语言,采用Monte Carlo技术模拟完整数据集、不同缺失比例和相关系数条件下的数据集,比较各种方法处理缺失值的效果.结果 当缺失比例为10%时,4种方法处理效果一致.随着缺失比例增加,4种方法处理后均值变化不大;均值填补法处理后相关系数小于其他方法,多重填补法和标准一致,回归填补法填补后相关系数比其他方法偏高而且呈增加趋势.随着回归系数的增加,回归填补法的相关系数准确性增加.结论 4种方法处理完全随机缺失机制下两个相关变量的效果不同,当缺失比例较低时,建议采用成组删除法或回归填补法.当缺失比例较大时,建议使用多重填补法.
关键词： 缺失值 相关变量 多重填补法 Monte Carlo模拟 -
成组删除法和多重填补法对随机缺失的二分类变量资料处理效果的比较
目的:评价两种随机缺失的二分类变量资料处理方法.方法:以艾滋病中医症候的调查资料为数据来源,利用SAS 9.2对完整数据集随机模拟,构建不同比例的随机缺失数据集,对缺失数据集采用多重填补法中的logistic回归法(MI/logistic)进行填充处理;同时对缺失数据集采用成组删除法进行处理;根据各个数据集建立logistic回归模型,与完整数据集进行比较.结果:缺失10%时,成组删除法处理结果与完整数据集更接近;缺失20%~40%时,MI/logistic填补后常数项和x的回归系数明显偏离完整数据集;缺失50%时,MI/logistic填充2次时x的回归系数和标准误更接近于完整数据集;缺失60%时,MI/logistic填充后x的回归系数严重偏离完整数据集,成组删除后x回归系数的标准误明显偏离完整数据集.结论:缺失较少(缺失率<40%)时,成组删除法处理效果较好;缺失50%时,采用MI/logistic回归法填充效果更好;缺失60%以上时,两处理方法均不理想.
-
多重填补法与Ad Hoc法对模拟纵向数据集缺失值处理的比较
目的:采用多重填补法(multipleimputation,MI)和Ad hoc法分别对模拟的纵向数据集中的缺失值进行处理,比较两种方法的优劣并探讨其适用性.方法:运用SAS9.0,采用数据模拟技术,分别模拟纵向完整数据集和具有各种缺失率的随机缺失数据集,分别用MI和Ad hoc法对各缺失数据集进行处理,对结果进行比较和分析.结果:数据缺失率≤10%时,Ad hoc方法有一定优势;数据缺失率在20%～40%时,经MI处理后的分析结果更接近"真实";数据缺失率≥50%时,两种方法均无效.结论:对不同缺失率的数据集,MI和Ad hoc法对缺失值的处理各有优劣.
