使用有向无环图确定多重插补或子样本多重插补估计的暴露-结局关联是否无偏
统计方法学
2025-04-14 v2
摘要
缺失数据是流行病学中的普遍问题，多重插补(MI)是常用的数据分析方法。MI在数据缺失为随机缺失(MAR)时才有效。然而，多变量缺失情形下的MAR定义难以解释，图模型条件对应用研究者而言也不易获取。先前文献表明，MI即使在完整数据集中无效，在子样本中也可能有效。针对多变量缺失情形下的MI应用实践指导方面缺乏指南。我们提出一种基于有向无环图(DAG)的算法，用于确定MI将估计暴露-结局系数而无偏的条件。我们将该算法扩展到评估在子样本中进行MI——即其中一些变量完整，剩余变量进行插补——是否对同一系数有效且无偏。我们将算法应用于几个简单实例，并在一个较为复杂的真实案例中突出表明，只有对结局变量进行子样本MI才是有效的。我们的算法为研究者提供了在存在多个不完整变量时决定是否（以及如何）在实践中使用MI的工具。进一步的工作可聚焦于偏差的可能大小和方向，以及不同缺失数据模式的影响。
引用
@article{arxiv.2503.24035,
title = {Using directed acyclic graphs to determine whether multiple imputation or subsample multiple imputation estimates of an exposure-outcome association are unbiased},
author = {Paul Madley-Dowd and Rachael A. Hughes and Maya B. Mathur and Jon Heron and Kate Tilling},
journal= {arXiv preprint arXiv:2503.24035},
year = {2025}
}
备注
Manuscript: 23 pages, 5 Figures; Supplement: 22 pages