| 変数 | 欠測 (%) |
|---|---|
| Age | 0.0 |
| Gender | 0.0 |
| BMI | 4.1 |
| BPSysAve | 7.5 |
| TotChol | 9.5 |
| PhysActive | 0.0 |
| Poverty | 9.3 |
欠測のしくみから、完全ケース解析・単一代入の落とし穴、mice と Rubin のルール、感度分析まで
ヒント
詳しい解説・ブラウザで動く R・演習は ハンズオンブック にあります
NHANES 20〜79 歳 10990 人
| 変数 | 欠測 (%) |
|---|---|
| Age | 0.0 |
| Gender | 0.0 |
| BMI | 4.1 |
| BPSysAve | 7.5 |
| TotChol | 9.5 |
| PhysActive | 0.0 |
| Poverty | 9.3 |
1 つひとつは 4〜10% でも、全変数がそろうのは 8662 人(79%)
| しくみ | 欠測するかどうかが | 例(血圧) |
|---|---|---|
| MCAR | 何にもよらない | 機器がランダムに故障 |
| MAR | 観測されている 変数で決まる | 若い人ほど健診に来ない |
| MNAR | 欠測した値そのもの で決まる | 血圧が高い人ほど測らない |
本当の値が分かるデータで、血圧の 30% を欠測(500 回の平均)
| 本当 | MCAR | MAR(年齢) | MNAR(血圧) | |
|---|---|---|---|---|
| 平均血圧 | 122.0 | 122.0 | 124.6 | 116.2 |
| 年齢の係数 | 0.46 | 0.46 | 0.46 | 0.37 |
欠測が 説明変数だけで決まる なら、回帰係数は偏らない。目的変数で決まる なら偏る
500 人を選び、血圧の 40% を欠測させる実験を 500 回
| 方法 | 偏り | 被覆率 |
|---|---|---|
| 完全ケース | +3.5 mmHg | 7% |
| 平均値代入 | +3.5 mmHg | 1% 未満 |
| 回帰代入 | ほぼなし | 75% |
| 確率的回帰代入 | ほぼなし | 79% |
| 多重代入(係数を引き直さない) | ほぼなし | 90% |
| 多重代入(適切) | ほぼなし | 96% |
単一代入は 代入の不確かさを無視 → 標準誤差が小さすぎる
m 個の推定値 \(\hat{Q}_i\) と分散 \(U_i\) から
\[ \bar{Q} = \frac{1}{m}\sum \hat{Q}_i, \qquad T = W + \left(1 + \frac{1}{m}\right) B \]
\(W = \frac{1}{m}\sum U_i\):代入内分散(1 つのデータの中の不確かさ)
\(B = \frac{1}{m-1}\sum (\hat{Q}_i - \bar{Q})^2\):代入間分散(代入で結果がどれくらい変わるか)
推定値は 平均 するだけ
標準誤差は、ふつうの不確かさ W に 代入の不確かさ B を上乗せ
| 原則 | 入れないと |
|---|---|
| 目的変数 | 説明変数との関係が 半分に(BMI の係数 0.24 → 0.12) |
| 補助変数(欠測・値と関係) | MAR が成り立たず偏る(平均 128.3 → 入れると 122.1、本当 122.0) |
| 交互作用・非線形 | 交互作用が小さく推定される(0.27 → 0.21) |
代入のモデルは、解析のモデルより 広く てよい
乱数の種だけ変えて 8 回やり直したときの、平均血圧の 標準誤差 の範囲
| m | 標準誤差(8 回の範囲) |
|---|---|
| 5 | 0.42〜0.78 |
| 20 | 0.54〜0.60 |
| 50 | 0.54〜0.57 |
目安:m ≈ 欠測のある人の割合(%)。迷ったら 20〜50。収束は plot(imp) で確かめる
新薬群の脱落者の代入値に δ mmHg を上乗せ(本当の効果 −5 mmHg の試験)
δ = 13 で有意でなくなる(転換点)。それが臨床的にありそうかを判断する
ヒント
演習とチェックリストはハンズオンブックの第 9 章へ