匹配对设计中运用插补方法进行推断的警示性研究
应用统计
2018-08-13 v2
摘要
在生物医学领域，插补程序已成为统计实践，因为后续分析可在忽略先前缺失值存在的情况下进行。特别是，相较于更传统使用的 MICE 程序，随机森林或与随机梯度提升相结合的非参数插补方案表现出更优的插补性能。然而，它们对有效统计推断的影响迄今尚未被分析。本文通过考察其在不完全观测对中抽取均值差异推断的有效性，并将其与一种仅利用手头给定观测值的最新方法相对照，弥补了这一空白。我们的结果表明，用于（多重）插补缺失值的机器学习方案可能会在小型至中等规模匹配对中夸大第一类错误，或导致较低的检验功效，即便使用 Rubin 多重插补规则对检验统计量进行修正后亦然。除广泛的模拟研究外，还考虑了一个来自乳腺癌基因研究的说明性数据实例。
引用
@article{arxiv.1806.06551,
title = {A cautionary tale on using imputation methods for inference in matched pairs design},
author = {Burim Ramosaj and Lubna Amro and Markus Pauly},
journal= {arXiv preprint arXiv:1806.06551},
year = {2018}
}