6  代入のモデルに何を入れるか

多重代入が正しく働くかどうかは、代入のモデル(欠測した値を何から予測するか)で決まります。 この章では、代入のモデルに入れるべき変数を、3 つの例で確かめます。

6.1 原則 1:目的変数を必ず入れる

説明変数(BMI)が欠測していて、それを代入するとき、目的変数(血圧)を予測に使ってよいのか と迷う人がいます。「答えをカンニングしているようだ」と感じるからです。 実際に、使った場合と使わない場合を比べます。BMI の 50% を、ランダムに(MCAR で)欠測させます。

血圧を使わずに代入すると、BMI の係数は約 半分 になりました。 代入した BMI は、血圧と 無関係に 作られるので、代入した人の分だけ BMI と血圧の関係が薄まるからです。

重要目的変数は、代入のモデルに必ず入れる

カンニングではありません。代入のモデルは、変数どうしの関係を保ったまま 欠測を埋めるためのものです。 目的変数を入れないと、欠測した説明変数と目的変数の関係が 0 に向かって弱まります。mice の既定(全変数を使う)は、この意味で正しい設定です。

6.2 原則 2:欠測と関係する変数(補助変数)を入れる

血圧の欠測が、家庭血圧 で決まっているとします(家庭血圧が正常な人ほど、健診で血圧を測らない)。 家庭血圧は、解析したいモデル(血圧 ~ 年齢 + BMI + 性別)には入っていません。このような、解析には使わないが、代入には役立つ変数 を 補助変数 と呼びます。

  • 補助変数なしの多重代入は、完全ケース解析とほとんど同じように 偏っています。年齢・BMI・性別だけでは、欠測のしくみ(家庭血圧)を説明できないからです。欠測のしくみは、年齢・BMI・性別から見れば MNAR です
  • 家庭血圧を補助変数として入れると、偏りがほぼなくなります。家庭血圧で条件づければ、欠測はランダム(MAR)になるからです
ヒント補助変数の選び方
  • 欠測するかどうかと関係する 変数(来院の頻度、健康状態、社会経済状態…)
  • 欠測した変数の値と関係する 変数(同じものを別の方法・別の時点で測った値)。偏りを減らすだけでなく、精度も上がる
  • 欠測と値の 両方 に関係する変数がいちばん大事
  • 目安として、欠測する変数と相関 0.4 以上の変数を入れる。変数が多すぎると代入が不安定になるので、数十個までに絞る
  • 研究の計画の段階で、補助変数になりそうな変数を測っておく ことが、いちばん強力な欠測対策

6.3 原則 3:解析で使う関係を、代入のモデルにも入れる

解析で 交互作用(例えば、年齢と血圧の関係が男女で違うか)を調べるなら、代入のモデルも交互作用を含んでいる必要があります。 ここでは、年齢の傾きが男性で 0.30 大きい血圧(BP2)を作り、その 40% を欠測させます。

mice の既定では、交互作用が 小さく 推定されます。代入のモデルは「年齢の傾きは男女で同じ」と仮定して値を埋めるので、代入した人の分だけ、男女の違いが薄まるからです。 交互作用を変数として加えるか、男女別に代入すれば、欠測させる前の推定値に近づきます(この例の欠測は MCAR なので、完全ケース解析も偏りません)。

警告代入のモデルと解析のモデルを合わせる
  • 解析に 交互作用・2 乗の項・変換(対数など)を使うなら、代入のモデルにも入れる
  • グループ別の解析をするなら、グループ別に代入 するのが簡単で確実
  • BMI のように 他の変数から計算する変数 は、身長と体重を代入してから計算する(mice では method に "~ I(Weight / (Height / 100)^2)" のように書く passive imputation)か、BMI そのものを 1 つの変数として代入する
  • 代入のモデルは、解析のモデルより 広く(多くの変数・関係を含む)てよい。狭いと偏る

6.4 やってみよう

ノート練習
  1. 原則 1 の例で、BMI の欠測が 年齢で決まる(MAR)場合も、血圧を使わずに代入すると係数が弱まるか確かめてください
  2. 原則 2 の例で、補助変数ありとなしで、平均の標準誤差はどう違いますか
  1. MAR でも、血圧を使わずに代入すると BMI の係数は弱まります。欠測のしくみにかかわらず、目的変数は代入のモデルに入れます
  2. 補助変数ありのほうが、標準誤差が少し小さくなります。家庭血圧が欠測した血圧をよく予測するので、代入の不確かさ(代入間分散 B)が小さくなるからです
重要この章のまとめ
  • 目的変数 は、説明変数を代入するときのモデルに必ず入れる。入れないと関係が弱まる
  • 欠測と関係する 補助変数 を入れると、偏りが減り、精度も上がる。研究の計画の段階で測っておく
  • 解析に使う 交互作用・非線形の関係 は、代入のモデルにも入れる(変数として加える、グループ別に代入する)
  • 代入のモデルは、解析のモデルより広くてよい