常用的缺失數(shù)據(jù)處理方法有哪些？

本文內(nèi)容整理自醫(yī)咖會《缺失值的處理和常見研究類型的統(tǒng)計分析》專欄，小咖針對缺失數(shù)據(jù)處理的核心方法進行了整理，可點擊左下角“閱讀原文”查看完整視頻。

缺失數(shù)據(jù)的處理方法主要分為三大類：基于完整觀測單位的方法、基于填補的方法、基于人工智能的方法。結合臨床實踐和臨床科研的多年經(jīng)驗，常用的6種處理方法為：直接刪除法、單一填補法、虛擬變量法、均值填補法、回歸填補法、多重填補法。前5種方法具體情況如下：

問

直接刪除法

直接刪除缺失數(shù)據(jù)。如RCT中忽略未完成治療的患者，進行符合研究方案分析（per protocol），這種PP分析容易導致高估療效。若缺失數(shù)據(jù)所占的比例特別低，對結果的影響可以忽略時，也可以直接刪除。直接刪除法簡單易行，好操作，但損失了部分信息，甚至可能得出錯誤結果，所以使用前必須評估可行性。

問

單一填補法

使用單一的原則進行填補。與PP分析相對應的是意向性（ITT）分析，將未完成治療的兩組設定為未發(fā)生陽性結局，即無療效。這種方法易縮小兩組的差距，低估試驗結果。

有些研究中會使用末次填補法，即使用前一次的數(shù)據(jù)填補后面的缺失數(shù)據(jù)。該方法更適合脫落或失訪后較為穩(wěn)定的情況，當隨訪指標隨時間變化較快時，則不適合使用該方法。此外，常用的單一填補法還有基線填補法、最差填補法、最優(yōu)填補法等。推薦在正文中根據(jù)研究對象或研究變量的發(fā)展趨勢選擇最適宜的方法，并在敏感性分析中選擇不同填補方法比較二者結果趨勢的一致性。

問

虛擬變量法

針對分類變量，可以將缺失值分為單獨的一類。如性別存在缺失數(shù)據(jù)時，可以在原有分類0、1的基礎上增加分類2。這種方法簡單、易理解，且保留了變量和樣本的信息，但自變量取值增加，可能對估計精度存在影響。

問

均值填補法

文獻中常見均值填補法處理連續(xù)變量，比如體重。如果變量分布不滿足正態(tài)分布，可以使用中位數(shù)填補。這種方法簡單、便于操作理解，且保留了變量和樣本的信息，但沒有考慮不同樣本間的差異，容易減少樣本間的變異。所以可以通過其他協(xié)變量進行一定的改進，比如缺失值為男性的體重，就可以選擇男性體重的均值。

問

回歸填補法

隨著統(tǒng)計學發(fā)展，更推薦使用回歸填補法對連續(xù)變量進行填補，比如身高和體重相關性較強，可以據(jù)此構建回歸方程，通過身高預測缺失的體重值。即在某一列變量存在缺失時，根據(jù)臨床經(jīng)驗建立從其他變量到該變量的回歸方程，根據(jù)其他變量計算缺失變量的預測值。該方法同樣比較簡單，且計算出來的數(shù)值接近真實值，優(yōu)于均值填補，但仍舊可能低估標準誤。

上文內(nèi)容摘自醫(yī)咖會專欄課程《缺失值的處理和常見研究類型的統(tǒng)計分析》，請點擊左下方的“閱讀原文”，觀看完整視頻內(nèi)容。

研究設計、統(tǒng)計分析、論文投稿難題，快聯(lián)系小咖（微信：xys2019ykh）