利用辅助边际通过热卡和序贯插补对调查中不可忽略缺失数据进行插补

调查数据收集常常受到单位无回答和项目无回答的困扰。为了减少对缺失机制强假设的依赖，统计学家可以利用已知的总体边际分布信息，例如来自人口普查或行政数据库的信息。一种实现此目的的方法是“辅助边际缺失数据”（MD-AM）框架，该框架对单位无回答和项目无回答均使用多重插补，使得调查加权估计与已知边际分布一致。然而，该框架依赖于指定和估计调查数据与无回答指标的联合分布，这在包含许多混合类型变量的数据中可能在计算和实践中令人望而却步。我们提出了对MD-AM框架的两种改进以简化插补任务。首先，我们不再为单位回答者的数据指定联合模型，而是使用随机热卡插补，同时仍然利用已知的边际分布。其次，我们不再从联合模型隐含的条件分布中抽样来处理项目无回答导致的缺失数据，而是在对单位无回答进行插补之前，先对项目无回答应用链式方程多重插补。通过使用不可忽略缺失机制的模拟研究，我们证明了所提出的方法比不利用辅助信息的模型能提供更准确的点估计和区间估计。我们使用美国当前人口调查中关于选民投票率的数据说明了该方法。