7 代入を確かめる・m を決める
多重代入は、mice() を実行すれば何かしらの結果が出ます。その結果を信じてよいか、次の 3 つを確かめます。
- 反復が 収束 しているか
- 代入した値が もっともらしい か
- 代入の数 m は十分か
7.1 収束を確かめる
mice は、欠測のある変数を 1 つずつ順に代入し直す反復を、m 本の 鎖(chain)で別々に行います(第 5 章)。 反復ごとに、代入した値の平均と標準偏差がどう変わったかを描きます。
1 本の線が 1 つの鎖です。収束していれば、
- 線が 上がり続ける・下がり続ける傾向がない
- m 本の線が 互いに混ざり合って いて、どれか 1 本だけ離れていない
この例では、最初の数回のあとは横ばいで、線がよく混ざっています。収束していると考えてよさそうです。
- 線が上がり続ける、鎖ごとに別々の高さで止まる、などの場合は、
maxitを増やして様子を見る - それでも収束しないなら、代入のモデルを見直す。よくある原因は、強く相関する変数(同じものを別の単位で測った変数、合計とその内訳)や、他の変数から計算した変数 を、それぞれ別々に代入していること(第 6 章の passive imputation)
7.2 代入した値を確かめる
代入した値の分布を、観測した値の分布と並べます。
青い線が観測した値、赤い線が代入した値(m 本)の分布です。
0 番目が観測した値、1〜5 番目が代入した値です(赤い点)。
MAR なら、欠測した人は観測できた人と 違う特徴を持っていてよい ので、代入した値の分布が観測した値と少しずれるのは自然です(第 1 章で、MAR の欠測者は若い人に偏っていました)。 確かめたいのは、
- ありえない値 が入っていないか(マイナスの値、範囲外の値)
- 分布が 極端にずれていないか(ずれているなら、その理由を説明できるか)
です。
7.3 m をいくつにするか
かつては「m = 3〜5 で十分」と言われていました。推定値そのものは、m が小さくても安定しやすいからです。 しかし、標準誤差と p 値 を安定させるには、もっと多くの代入が必要です。
full の血圧の 40% を欠測させたデータで、乱数の種だけを変えて mice を 8 回やり直し、平均血圧の推定値と標準誤差がどれくらいぶれるかを、m = 5, 20, 50 で比べます。
| m | 推定値(8 回の範囲) | 標準誤差(8 回の範囲) |
|---|---|---|
| 5 | 121.52〜121.84 | 0.42〜0.78 |
| 20 | 121.59〜121.86 | 0.54〜0.60 |
| 50 | 121.64〜121.81 | 0.54〜0.57 |
m = 5 では、推定値はあまりぶれませんが、標準誤差が 0.42〜0.78 と、2 倍近くぶれます。同じデータ・同じ方法なのに、乱数の種しだいで信頼区間の幅や p 値が大きく変わってしまいます。 代入間分散 B を、5 個の推定値のばらつきから推定しているからです(第 4 章の練習 2)。
- 欠測のある人の割合(%)くらい を m にする(White らの目安)。この例では 40% なので m = 40 程度
- 迷ったら m = 20〜50。今のコンピュータなら、ほとんどの場合すぐに終わる
- 最終的な解析では、乱数の種を変えて結果がほとんど変わらない ことを確かめる
第 5 章のデータでは 21% なので、m = 20 程度で十分です。
7.4 やってみよう
plot(imp)で、Poverty(貧困比)の鎖も確かめてくださいdensityplot()で、Povertyの観測値と代入値の分布を比べてください。pmm で代入しているので、何か特徴がありますか
- ほかの変数と同じように、数回で横ばいになり、鎖がよく混ざっています
- 貧困比は 5 で頭打ちになっていて、5 のところに山があります。pmm は観測された値から選ぶので、代入した値にも 5 の山が再現されています(正規分布の回帰で代入すると、この山は再現されず、5 を超える値も入ります)。代入した値の山が観測値より低いのは、収入が欠測した人が、他の変数から見て収入が低めと予測されるからで、第 1 章で見た「血圧が欠測した人は収入がやや低い」傾向と合っています
plot(imp)で 収束 を確かめる:傾向がなく、鎖が混ざり合っていることdensityplot()・stripplot()で 代入した値 を確かめる:ありえない値がないか、ずれに説明がつくか- m が小さいと 標準誤差が不安定。欠測のある人の割合(%)くらい、迷ったら 20〜50 にする