2  完全ケース解析

R の lm() や glm() は、使う変数のどれかに欠測がある行を 黙って除いて 解析します。これを 完全ケース解析(complete case analysis、listwise deletion)と呼びます。 いちばん手軽な方法ですが、いつ偏り、いつ偏らないのでしょうか。

2.1 黙って行が減る

adults(実際の欠測を含む)で、収縮期血圧を年齢・BMI・性別・収入・コレステロールで説明する回帰をします。

10990 人のうち、解析に使われたのは 8662 人です。summary(fit) の最後に小さく「2328 observations deleted due to missingness」と出るだけで、警告もありません。 解析に使った人数を必ず確かめ、報告する 習慣をつけましょう。

2.2 平均は偏りやすい

第 1 章で見たとおり、観測できた人だけの平均は、MAR や MNAR で偏ります。 ここでは、同じ母集団から 2000 人を選び、血圧の 30% を欠測させる実験を 500 回繰り返して、平均的に どれくらいずれるかを見ます(new_sample() は、full と同じしくみで新しい標本を作る関数です)。

平均血圧は、MAR で約 2.6 mmHg 高すぎ、MNAR で約 5.9 mmHg 低すぎます。

2.3 回帰係数は偏らないことがある

ところが、回帰係数 は様子が違います。

  • MAR(年齢で欠測):年齢・BMI・性別の係数は、本当の値と ほぼ同じ
  • MNAR(血圧で欠測):係数がすべて 小さくなる(年齢の係数は 0.46 → 0.37)

MAR では、欠測するかどうかは年齢で決まっていて、その年齢はモデルに入っています。同じ年齢の人どうし で見れば、観測できた人と欠測した人の血圧の分布は同じなので、回帰係数は偏りません。

平均血圧は、年齢を考えずに全員をまとめた値なので、若い人が抜けると偏ります。

2.4 説明変数が欠測するとき

今度は、血圧ではなく BMI(説明変数) を 30% 欠測させます。

  • BMI の欠測が 年齢(説明変数)で決まるなら、係数は偏らない
  • BMI の欠測が 血圧(目的変数)で決まるなら、係数は偏る
重要完全ケース解析の回帰係数が偏らない条件

欠測するかどうかが、モデルの説明変数だけで決まり、目的変数によらない なら、完全ケース解析の回帰係数は偏りません(モデルが正しい場合)。 これは MCAR より広い条件で、MAR とも一致しません。

欠測するかどうかが決まるもの 平均 回帰係数
何にもよらない(MCAR) 偏らない 偏らない
モデルの 説明変数 偏る 偏らない
目的変数(観測されている他の変数経由でも) 偏る 偏る

逆に、目的変数と関係する変数(例えば家庭血圧)で欠測が決まっていて、その変数がモデルに入っていなければ、MAR であっても完全ケース解析は偏ります。多重代入なら、そうした変数を 補完のモデルにだけ 入れて使えます(第 6 章)。

2.5 偏らなくても、精度は落ちる

MCAR で偏りがなくても、人数が減るので標準誤差は大きくなります。

30% を失うと、年齢の係数の標準誤差は約 1.2 倍(≈ \(\sqrt{1/0.7}\))になります。 欠測のある変数が多いほど、どれか 1 つでも欠けた人 が除かれるので、失う人数は大きくなります(adults では 21%)。

2.6 完全ケース解析を使ってよいとき

ヒント目安
  • 欠測が 少なく(例えば 5% 未満)、欠測の理由から偏りが小さいと考えられる
  • 欠測が 目的変数によらない と考えられる(説明変数だけで決まる)
  • ランダム化試験で、ベースラインの共変量 が欠測している(目的変数とは別の理由で欠測していることが多い)

どの場合も、使った人数と除いた人数、除いた人の特徴を報告し、多重代入などの結果と比べる 感度分析 を添えます。

2.7 やってみよう

ノート練習
  1. adults で、lm(BPSysAve ~ Age + Gender, data = adults) に使われる人数を確かめてください。説明変数を減らすと、人数はどう変わりますか
  2. 血圧の欠測が 性別 で決まる(男性 45%、女性 15%)とき、平均血圧と回帰係数はどうなりますか
  1. 10164 人。血圧の欠測だけで除かれるので、5 つの説明変数を使ったとき(8662 人)より多くなります
  2. 平均血圧は少し低くなります(血圧の高い男性が抜けやすいので)。回帰係数は、性別がモデルに入っているので、ほぼ偏りません
重要この章のまとめ
  • lm() は欠測のある行を 黙って除く。解析に使った人数を確かめて報告する
  • 平均(全体の要約)は、MCAR でなければ偏る
  • 回帰係数は、欠測が 説明変数だけで決まる なら偏らない。目的変数で決まる なら偏る
  • 偏らなくても、人数が減って精度は落ちる