MICE — الاستيفاء المتعدد بالمعادلات المتسلسلة
- قدّمه
- Stef van Buuren & Karin Groothuis-Oudshoorn
- السنة
- 2011
- النوع
- Iterative multiple imputation algorithm
- العائلة
- Missing data
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
الاستيفاء المتعدد بالمعادلات المتسلسلة (MICE) هو إجراء تكراري للتعامل مع البيانات المفقودة في مجموعات البيانات متعددة المتغيرات. قدمه ستيف فان بورين وكارين جروثويس-أودشورن من خلال حزمة R المسماة mice (2011)، حيث تقوم الخوارزمية بملء كل متغير مفقود باستخدام نموذج انحدار منفصل مشروط بجميع المتغيرات الأخرى، وتتكرر هذه العملية عبر المتغيرات بشكل متكرر حتى تتقارب القيم المستوفاة. والنتيجة هي m مجموعة بيانات مكتملة يتم تحليلها بشكل منفصل ودمجها باستخدام قواعد روبن.
الفكرة الحدسية وراء الطريقة
تخيل لغز كلمات متقاطعة غير مكتمل جزئيًا: يتم ملء كل كلمة فارغة بالنظر إلى الحروف المتقاطعة الموجودة بالفعل. إذا كشفت كلمة تم ملؤها حديثًا عن المزيد من الحروف، فإنك تعيد النظر في الفراغات السابقة بالمعلومات الجديدة. تعمل MICE بنفس الطريقة — فهي تملأ عمودًا واحدًا مفقودًا في كل مرة باستخدام جميع الأعمدة الأخرى كأدلة، ثم تعيد النظر في كل عمود مرة أخرى، وتتكرر العملية حتى تستقر الإجابات عبر العديد من الألغاز المرشحة.
التاريخ
ظهر الأساس المفاهيمي لاستيفاء المعادلات المتسلسلة في أوائل التسعينيات من عمل فان بورين وبوشويزن وكنوك على بيانات المسح الصحي غير المكتملة. تم إضفاء الطابع الرسمي على إطار المواصفات الشرطية الكاملة خلال العقد الأول من القرن الحادي والعشرين، حيث أصدر فان بورين وجروثويس-أودشورن حزمة mice R في عام 2011 جنبًا إلى جنب مع ورقة منهجية شاملة في مجلة Journal of Statistical Software، والتي أصبحت المرجع الأساسي بعشرات الآلاف من الاستشهادات.
متى تُستخدم
تعد MICE مناسبة عندما تكون البيانات مفقودة عشوائيًا (MAR) ويحدث النقصان عبر متغيرات متعددة في وقت واحد. وهي تناسب النتائج المستمرة والثنائية والترتيبية والعددية من خلال تحديد نموذجها المرن لكل متغير. وهي أقل ملاءمة للبيانات المفقودة ليس عشوائيًا (MNAR) بدون نمذجة مساعدة، أو لمجموعات البيانات عالية الأبعاد جدًا حيث يصبح نموذج الاستيفاء غير عملي، أو عندما تتجاوز معدلات النقصان 50% في المتغيرات الرئيسية. قد يكون الاستيفاء الفردي أو تحليل الحالات الكاملة كافيًا في ظل MCAR مع معدلات نقصان منخفضة.
الحدود والاعتبارات
- تفترض أن البيانات مفقودة عشوائيًا (MAR)؛ تتطلب الانتهاكات تحليلات حساسية أو امتدادات نموذج مزيج الأنماط
- تزداد التكلفة الحسابية مع عدد المتغيرات والتكرارات والاستيفاءات (m)
- التقارب لأخذ العينات الشبيه بـ Gibbs غير مضمون رياضيًا للنماذج الشرطية غير المتوافقة
- تتطلب مواصفات النموذج (اختيار المتنبئات، طريقة الاستيفاء لكل متغير) حكمًا دقيقًا من المحلل
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- تتعامل مع أنواع المتغيرات المختلطة (المستمرة، الثنائية، الترتيبية، العددية) عبر نماذج مصممة خصيصًا لكل عمود
- تنشر عدم اليقين بشكل صحيح من خلال مجموعات بيانات متعددة مستوفاة وقواعد تجميع روبن
- تسمح مواصفات المتنبئات المرنة بمعرفة المجال والمتغيرات المساعدة لتحسين جودة الاستيفاء
- تنفيذ R مُتحقق منه جيدًا (حزمة mice) مع تشخيصات شاملة وصيانة نشطة
التطبيقات
- التجارب السريرية والدراسات الوبائية الجماعية مع قياسات المتابعة المتقطعة
- مواءمة بيانات المسح حيث تنتج وحدات استبيان مختلفة أنماطًا مفقودة مختلفة
- خطوط أنابيب المعالجة المسبقة للتعلم الآلي التي تتطلب مصفوفات ميزات كاملة قبل تدريب النموذج
- اقتصاديات الصحة وبحوث السياسات التي تجمع السجلات الإدارية مع بيانات الاستبيان المبلغ عنها ذاتيًا
- التقييمات التعليمية الطولية مع عدم استجابة البنود عبر موجات اختبار متعددة
كيف يعمل
كيف يعمل
قبل بدء أي تكرار، تستبدل MICE جميع القيم المفقودة بقيمة بديلة سريعة — عادةً ما تكون متوسط العمود المرصود للمتغيرات المستمرة أو المنوال للمتغيرات الفئوية. يضمن هذا الملء الأولي أن كل متغير يحتوي على بعض القيم المتاحة كمتنبئات عند بدء دورة الاستيفاء الأولى.
الصيغة
X^{(0)}_{\text{mis}} \leftarrow \text{simple imputation}(X_{\text{obs}})لكل متغير j يحتوي على إدخالات مفقودة، تقوم MICE بملاءمة نموذج مناسب للمتنبئات (الانحدار الخطي، الانحدار اللوجستي، مطابقة المتوسط التنبئي، إلخ) باستخدام جميع المتغيرات الأخرى X_{-j} كمتغيرات مساعدة. ثم يتم سحب القيم المفقودة لـ X_j من التوزيع التنبئي الخلفي لذلك النموذج، بحيث تعكس القيم المستوفاة العلاقة الملائمة وعدم اليقين في المعلمات.
الصيغة
\hat{X}_j \sim P\!\left(X_j \mid X_{-j},\, \theta_j\right), \quad j = 1, \ldots, pبعد استيفاء جميع المتغيرات p مرة واحدة، تكتمل دورة كاملة. تكرر MICE الدورة — تحديث نموذج استيفاء كل متغير بالقيم المستوفاة حديثًا لمتغيراته المساعدة — لعدد محدد من التكرارات من قبل المستخدم (عادةً 5-20). تتم مراقبة التقارب عن طريق فحص مخططات التتبع للمتوسطات والانحرافات المعيارية المستوفاة عبر التكرارات.
الصيغة
\theta_j^{(t)} = \arg\max_{\theta_j} \prod_{i: x_{ij} \text{ obs}} P\!\left(x_{ij} \mid x_{i,-j}^{(t-1)},\, \theta_j\right)يتم تكرار الإجراء الكامل (التهيئة + التدوير) m مرة بشكل مستقل لإنتاج m مجموعة بيانات مكتملة. يتم تحليل كل مجموعة بيانات باستخدام الطريقة الإحصائية المقصودة، مما ينتج عنه m تقدير نقطي وأخطاء معيارية. ثم تقوم قواعد روبن للدمج بدمج هذه التقديرات في تقدير واحد وتباين كلي T ينشر بشكل صحيح عدم اليقين داخل الاستيفاء وبين الاستيفاء.
الصيغة
\bar{Q} = \frac{1}{m}\sum_{l=1}^{m} \hat{Q}_l, \quad T = \bar{U} + \left(1 + \frac{1}{m}\right) Bالأخطاء الشائعة
- استخدام عدد قليل جدًا من مجموعات البيانات المستوفاة (m < 5) يقلل من تقدير الأخطاء المعيارية ويزيد من معدلات الإيجابية الكاذبة
- يعد تضمين المتغير التابع في نموذج الاستيفاء أمرًا ضروريًا؛ إغفاله يحيز معاملات الانحدار نحو الصفر
- قد يؤدي تجاهل مصطلحات التفاعل أو العلاقات غير الخطية في نموذج الاستيفاء إلى تشويه التحليلات اللاحقة
- قد يؤدي الفشل في التحقق من التقارب عبر مخططات التتبع إلى تجميع النتائج من سلاسل غير متقاربة
الأسئلة الشائعة
كم عدد مجموعات البيانات المستوفاة (m) التي يجب أن أنشئها؟
القيمة الافتراضية الشائعة هي m = 5، وهي كافية عندما تكون معدلات النقصان منخفضة. يوصي وايت ورويستون وود (2011) بتعيين m تقريبًا مساويًا لنسبة الحالات غير المكتملة. بالنسبة لمعدلات النقصان التي تزيد عن 20-30%، يُنصح بـ m = 20 أو أكثر لتثبيت التقديرات المجمعة والأخطاء المعيارية.
هل يمكن لـ MICE التعامل مع البيانات المفقودة ليس عشوائيًا (MNAR)؟
تفترض MICE القياسية MAR. في ظل MNAR، يكون نموذج الاستيفاء خاطئًا، مما قد يؤدي إلى تحيز النتائج. يجب على المحللين إجراء تحليلات حساسية — على سبيل المثال، باستخدام تعديل دلتا أو نماذج مزيج الأنماط — لتقييم كيفية تغير النتائج في ظل انحرافات MNAR المعقولة عن افتراض MAR.
ما هي طريقة الاستيفاء التي يجب أن أختارها لكل متغير؟
تحدد حزمة mice القيم الافتراضية بناءً على فئة المتغير: مطابقة المتوسط التنبئي (pmm) للمتغيرات المستمرة، والانحدار اللوجستي للمتغيرات الثنائية، والانحدار متعدد الحدود للعوامل غير المرتبة، والاحتمالات النسبية للعوامل المرتبة. تعمل هذه القيم الافتراضية جيدًا في معظم التطبيقات، ولكن يمكن للمحللين استبدالها بالغابات العشوائية أو غيرها من المتعلمين المرنين للتوزيعات المعقدة.
طرق ذات صلة
المصادر
van Buuren, S., & Groothuis-Oudshoorn, K. (2011). mice: Multivariate imputation by chained equations in R. Journal of Statistical Software, 45(3), 1–67.
افتح مرجع DOIتم النسخ.