欠測データと多重代入

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

今日のゴール

  1. 欠測のしくみ MCAR・MAR・MNAR を説明できる
  2. 完全ケース解析 が偏る場合・偏らない場合を判断できる
  3. 単一代入 の問題と、多重代入・Rubin のルール を説明できる
  4. mice で、代入のモデル・収束・m を適切に決められる
  5. MNAR の 感度分析 と報告ができる

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

1. 欠測のしくみ

黙って減る行

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%)

3 つのしくみ

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
  • MAR は「観測されている変数で条件づければランダム」
  • データから MCAR でないことは分かるが、MAR か MNAR かは区別できない

完全ケース解析:平均と回帰係数

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

2. 代入

単一代入の落とし穴

信頼区間の被覆率(本来 95%)

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

Rubin のルール

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

mice の 3 ステップ

imp <- mice(data, m = 20, maxit = 10, seed = 1)      # 1. 代入(連鎖方程式、pmm)
fit <- with(imp, lm(BPSysAve ~ Age + BMI + Gender))  # 2. m 個それぞれで解析
summary(pool(fit), conf.int = TRUE)                  # 3. Rubin のルールで統合
  • 連続変数は pmm(観測された値から選ぶ → ありえない値が入らない)
  • カテゴリは factor に(logreg / polyreg)
  • 代入したデータを平均したり、1 つだけ使ったりしない

3. 代入のモデルと確認

代入のモデルに入れるもの

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

m は 5 では足りない

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

4. 感度分析と報告

δ 調整法と転換点

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

まとめ:報告に含めるもの

  1. 変数ごとの欠測の人数・割合、完全ケースの人数
  2. 欠測の理由、欠測者と観測者の比較
  3. 仮定した欠測のしくみ(MAR など)とその根拠
  4. 多重代入の方法・代入のモデルの変数・m・乱数の種・収束の確認
  5. 完全ケース解析 との比較
  6. MNAR の 感度分析(δ 調整法・転換点)

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