多变量缺失数据灵敏度分析：基于多重插补的教程
统计方法学
2025-02-06 v1
摘要
多重插补是处理缺失数据的流行方法，完全条件指定（FCS）是处理多变量缺失的主要插补方法之一。对于标准的多重插补实现而言，无偏估计取决于关于缺失机制（例如数据为“随机缺失”）的假设。这些假设的可行性只能通过主观领域知识来评估，不能仅凭数据本身。因此，进行灵敏度分析以探讨这些假设违反（例如数据实际上是“非随机缺失”）的鲁棒性是非常重要的。在本教程中，我们提供了使用完全条件指定（NARFCS）进行多变量插补灵敏度分析的路线图。我们采用澳大利亚儿童纵向研究中的案例研究，逐步演示了从评估是否需要进行灵敏度分析、指定 NARFCS 模型和灵敏度参数，到在 R 和 Stata 中实现 NARFCS 的步骤。
引用
@article{arxiv.2502.02892,
title = {Sensitivity analysis for multivariable missing data using multiple imputation: a tutorial},
author = {Cattram D Nguyen and Katherine J Lee and Ian R White and Stef van Buuren and Margarita Moreno-Betancur},
journal= {arXiv preprint arXiv:2502.02892},
year = {2025}
}
备注
24 pages, 3 figures, 2 tables