常用的缺失數據處理方法有哪些？

本文內容整理自醫咖會《缺失值的處理和常見研究類型的統計分析》專欄，小咖針對缺失數據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。

缺失數據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

直接刪除缺失數據。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。若缺失數據所占的比例特別低，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，即使用前一次的數據填補后面的缺失數據。該方法更適合脫落或失訪后較為穩定的情況，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、最優填補法等。推薦在正文中根據研究對象或研究變量的發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。如性別存在缺失數據時，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變量，比如體重。如果變量分布不滿足正態分布，可以使用中位數填補。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

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

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

研究設計、統計分析、論文投稿難題，快聯系小咖（微信：xys2019ykh）