الانتقال إلى المحتوى
العودة إلى نتائج البحث

الاستيفاء المتعدد — MICE

قدّمه
Donald B. Rubin
السنة
1987
النوع
Missing-data handling procedure

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

الاستيفاء المتعدد (MI)، الذي قدمه دونالد بي. روبين رسميًا في عام 1987، هو إجراء إحصائي منهجي للتعامل مع البيانات المفقودة. بدلاً من استبدال كل قيمة مفقودة مرة واحدة، يملأ الاستيفاء المتعدد الفجوات m مرة — في كل مرة يتم سحب قيم معقولة من التوزيع التنبؤي البعدي للبيانات المفقودة — مما ينتج عنه m مجموعة بيانات كاملة. يتم تحليل كل مجموعة بيانات بشكل مستقل، ويتم دمج النتائج في مجموعة واحدة من التقديرات باستخدام قواعد روبين للدمج. يوسع متغير MICE (الاستيفاء المتعدد بالمعادلات المتسلسلة)، الذي شاعته فان بورين وجروثويس-أودشورن (2011)، النهج ليشمل أنواع المتغيرات المختلطة عن طريق استيفاء كل متغير بدوره من خلال سلسلة من نماذج الانحدار الشرطية.

الفكرة الحدسية وراء الطريقة

تخيل القيم المفقودة كمدخلات فارغة في استبيان. بدلاً من التخمين مرة واحدة والأمل في الأفضل، يقوم الاستيفاء المتعدد بإجراء m تخمينًا مدروسًا — كل منها مختلف قليلاً، مما يعكس عدم اليقين الحقيقي حول ما كان يمكن أن تكون عليه القيمة الحقيقية. ينتقل التباين بين هذه التخمينات إلى التحليل، بحيث تكون الأخطاء المعيارية النهائية صادقة بدلاً من أن تكون ضيقة بشكل مصطنع. إذا كنت قد خمنت مرة واحدة فقط، لكنت قد تظاهرت بمعرفة أكثر مما تعرفه حقًا؛ من خلال التخمين m مرة ودمج النتائج، يتم الحفاظ على عدم اليقين الناتج عن النقص في التقديرات المبلغ عنها.

التاريخ

تم تطوير الإطار الإحصائي الرسمي للاستيفاء المتعدد بواسطة دونالد بي. روبين وقدم في دراسته عام 1987 بعنوان Multiple Imputation for Nonresponse in Surveys. اشتق روبين قواعد الدمج — التي تسمى الآن عالميًا قواعد روبين — التي تجمع التقديرات عبر مجموعات البيانات المستوفاة بطريقة تأخذ في الاعتبار بشكل صحيح عدم اليقين الناتج عن النقص. اكتسب النهج زخمًا عمليًا مع تطوير خوارزمية MICE، التي توسع إطار عمل روبين ليشمل مجموعات البيانات ذات المتغيرات من الأنواع المختلطة عن طريق استيفاء كل متغير بالتتابع من خلال سلسلة من النماذج الشرطية. جعل تطبيق البرنامج الرائد mice لـ R، الذي نشره فان بورين وجروثويس-أودشورن في مجلة Journal of Statistical Software في عام 2011، الطريقة متاحة للباحثين التطبيقيين في جميع المجالات وأرسى MICE كاستراتيجية تنفيذ مهيمنة.

متى تُستخدم

الاستيفاء المتعدد مناسب عندما تحتوي مجموعة البيانات على قيم مفقودة وتكون آلية النقص من المحتمل أن تكون MAR أو MCAR. ينطبق على المتغيرات المستمرة، الفئوية، الثنائية، الترتيبية، والمختلطة، ويتناسب مع هياكل البيانات المقطعية، الطولية، واللوحية. يتطلب حجم عينة لا يقل عن 30 تقريبًا. تناسب الطريقة أغراض البحث الوصفي، التنبؤي، والعلاقاتي. عندما يكون النقص MNAR، فإن الاستيفاء المتعدد القياسي غير كافٍ ويجب استكماله بتحليل حساسية أو نموذج اختيار. الحذف حسب القائمة (تحليل الحالات الكاملة) مقبول فقط عندما تكون البيانات MCAR ونسبة البيانات المفقودة صغيرة جدًا؛ وإلا فإن MI هو النهج المفضل.

الحدود والاعتبارات

  • يتطلب افتراض MAR أو MCAR؛ لا يمكنه تصحيح النقص MNAR بدون نمذجة إضافية.
  • أكثر تطلبًا من الناحية الحسابية من الاستيفاء الفردي أو الحذف حسب القائمة، خاصة مع m كبير أو مجموعات بيانات كبيرة.
  • تعتمد جودة القيم المستوفاة على نموذج الاستيفاء — حذف المتنبئات القوية للنقص من نموذج الاستيفاء يؤدي إلى تحيز النتائج.
  • مع نسب عالية من البيانات المفقودة (أكثر من ~50%)، حتى الاستيفاء المتعدد المحدد بشكل صحيح قد ينتج فترات ثقة واسعة.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • ينتج تقديرات غير متحيزة تحت MAR، على عكس الحذف حسب القائمة الذي يتطلب افتراض MCAR الأقوى.
  • ينشر عدم اليقين من البيانات المفقودة إلى الأخطاء المعيارية وفترات الثقة من خلال قواعد روبين للدمج، متجنبًا الدقة الزائفة للاستيفاء الفردي.
  • يتعامل مع أنواع المتغيرات المختلطة — المستمرة، الثنائية، الترتيبية، الاسمية — ضمن إطار عمل MICE نفسه.
  • متوافق مع أي نموذج تحليل لاحق تقريبًا، ولا يتطلب أي تعديل للتحليل المقصود.
  • مدعوم جيدًا في برامج الإحصاء القياسية (R mice، SPSS MULTIPLE IMPUTATION، Python IterativeImputer / miceforest).

التطبيقات

  • التعامل مع عدم الاستجابة للبنود في مجموعات بيانات المسح واسعة النطاق في العلوم الاجتماعية والصحية.
  • إعداد بيانات التجارب السريرية للتحليل عندما تكون قياسات المتابعة مفقودة.
  • الدراسات الطولية واللوحية حيث يتسرب المشاركون بمرور الوقت.
  • النمذجة الاقتصادية باستخدام السجلات الإدارية التي تحتوي على حقول غير مكتملة.
  • خطوة المعالجة المسبقة في أي مسار تحليل حيث تتطلب النماذج اللاحقة بيانات كاملة.

كيف يعمل

كيف يعمل

1

قبل الاستيفاء، يتم فحص نمط النقص لتقييم ما إذا كانت الآلية من المحتمل أن تكون مفقودة تمامًا بشكل عشوائي (MCAR) أو مفقودة بشكل عشوائي (MAR). تعني MCAR أن احتمال النقص لا يعتمد على أي بيانات مرصودة أو غير مرصودة. تعني MAR أنها قد تعتمد على القيم المرصودة ولكن ليس على القيم المفقودة غير المرصودة نفسها. إذا كانت الآلية مفقودة ليس بشكل عشوائي (MNAR) — حيث يعتمد احتمال فقدان قيمة على تلك القيمة نفسها — فإن الاستيفاء المتعدد البسيط لا يكفي ويتطلب تحليل حساسية. يحدد جزء البيانات المفقودة عدد مجموعات البيانات المستوفاة m المطلوبة؛ المبدأ التوجيهي الشائع هو m ≥ 100 × (جزء مفقود).

2

تتكرر خوارزمية MICE عبر كل متغير غير مكتمل وتناسب نموذج انحدار يتنبأ بهذا المتغير من جميع المتغيرات الأخرى (بما في ذلك القيم المستوفاة سابقًا). يتم استخدام سحب من التوزيع البعدي لهذا النموذج لملء الإدخالات المفقودة. تتكرر الدورة لجميع المتغيرات غير المكتملة ويتم تكرارها حتى تستقر التوزيعات المستوفاة — عادةً 50 تكرارًا أو أكثر. ينتج عن هذا مجموعة بيانات واحدة مكتملة. تتكرر العملية بأكملها من البداية m مرة مع بذور عشوائية مختلفة، مما ينتج عنه m مجموعات بيانات كاملة مستوفاة بشكل مستقل. يعتمد اختيار نموذج الاستيفاء (مطابقة المتوسط التنبؤي، الانحدار اللوجستي، أشجار التصنيف، إلخ) على نوع المتغير: مستمر، ثنائي، ترتيبي، أو اسمي.

3

يتم تحليل كل مجموعة من مجموعات البيانات المكتملة m باستخدام أي نموذج إحصائي قصده الباحث في الأصل — الانحدار، ANOVA، نمذجة المعادلة الهيكلية، وما إلى ذلك. تنتج هذه الخطوة m مجموعة من تقديرات المعلمات والأخطاء المعيارية، وكلها مختلفة قليلاً لأن مجموعات البيانات m تختلف في كيفية ملء القيم المفقودة.

4

يتم دمج مجموعات التقديرات m في مجموعة واحدة باستخدام قواعد روبين. التقدير النقطي المدمج هو المتوسط الحسابي للتقديرات الفردية m. يحتوي التباين المدمج على مكونين: متوسط التباين داخل الاستيفاء (ما كان سيعطيه التحليل بدون نقص) والتباين بين الاستيفاء (عدم اليقين الإضافي الناتج عن عدم معرفة القيم المفقودة). نسبة التباين بين الاستيفاء إلى التباين الكلي هي جزء المعلومات المفقودة، وهو تشخيص مفيد. يتم تعديل درجات الحرية وفقًا لذلك. والنتيجة هي جدول واحد من التقديرات وفترات الثقة التي تعكس بصدق كل من تباين العينة وعدم اليقين الناتج عن البيانات المفقودة.

الأخطاء الشائعة

  • تعيين m منخفض جدًا — القاعدة الشائعة هي m ≥ 5، ولكن مع نسب مفقودة غير تافهة، يلزم m أعلى بكثير (على سبيل المثال، m ≥ 100 × جزء مفقود) لتحقيق تقديرات مستقرة وقابلة للتكرار.
  • حذف المتغير التابع أو المتنبئات المهمة الأخرى من نموذج الاستيفاء ينتج استيفاءات متحيزة؛ يجب أن يكون نموذج الاستيفاء غنيًا على الأقل مثل نموذج التحليل.
  • تطبيق الاستيفاء المتعدد عندما تكون الآلية MNAR بدون تحليل حساسية تكميلي يعطي نتائج تبدو صحيحة ولكنها قد تكون متحيزة بشكل كبير.
  • يفترض دمج النتائج بقواعد روبين أن نموذج التحليل هو نفسه لجميع مجموعات البيانات m وأن تقارب خوارزمية MICE قد تم التحقق منه — افحص رسوم التتبع للمتوسطات والتباينات المستوفاة للتحقق من التقارب.

الأسئلة الشائعة

كم عدد مجموعات البيانات المستوفاة (m) التي أحتاجها؟

الحد الأدنى التقليدي m = 5 غالبًا ما يكون منخفضًا جدًا. المبدأ التوجيهي العملي الشائع هو m ≥ 100 × (نسبة البيانات المفقودة معبرًا عنها كنسبة مئوية)، بحيث تتطلب نسبة 10% من النقص m = 10 على الأقل، وتتطلب نسبة 30% من النقص m = 30 على الأقل. يزيد m الأعلى من تقليل خطأ مونت كارلو في التقديرات المدمجة وهو مهم بشكل خاص لقابلية التكرار.

ما الفرق بين MCAR و MAR و MNAR؟

MCAR (مفقودة تمامًا بشكل عشوائي) تعني أن احتمال فقدان قيمة لا يرتبط بأي بيانات، مرصودة أو غير مرصودة — البيانات مفقودة بالصدفة البحتة. MAR (مفقودة بشكل عشوائي) تعني أن احتمال النقص يمكن أن يعتمد على القيم المرصودة ولكن ليس على القيمة المفقودة غير المرصودة نفسها — بمجرد أن تشترط على ما لاحظته، يكون النقص عشوائيًا. MNAR (مفقودة ليس بشكل عشوائي) تعني أن احتمال النقص يعتمد على القيمة المفقودة نفسها. الاستيفاء المتعدد صالح تحت MCAR و MAR؛ تحت MNAR لا يزال من الممكن تشغيله ولكن يجب استكماله بتحليل حساسية.

هل ينشئ الاستيفاء المتعدد بيانات حقيقية؟

لا. ينشئ الاستيفاء المتعدد قيمًا معقولة مستمدة من نموذج توزيع البيانات المفقودة؛ هذه ليست القيم المفقودة الحقيقية. الغرض من الطريقة ليس استعادة البيانات الأصلية ولكن إنتاج تقديرات وأخطاء معيارية لنموذج التحليل تأخذ في الاعتبار بشكل صحيح عدم اليقين الناتج عن النقص.

هل يمكنني استخدام الاستيفاء المتعدد مع المتغيرات الفئوية أو الترتيبية؟

نعم. يتعامل إطار عمل MICE مع أنواع المتغيرات المختلطة عن طريق ملاءمة نموذج شرطي مناسب للنوع لكل متغير: مطابقة المتوسط التنبؤي أو الانحدار الخطي للمتغيرات المستمرة، الانحدار اللوجستي للمتغيرات الثنائية، الانحدار اللوجستي متعدد الحدود أو الانحدار الترتيبي للمتغيرات الاسمية أو الترتيبية، وأشجار التصنيف والانحدار كخيار غير بارامتري مرن. يتم استيفاء كل متغير بدوره باستخدام النماذج المناسبة لنوعه.

طرق ذات صلة

المصادر

  1. Rubin, D.B. (1987). Multiple Imputation for Nonresponse in Surveys. Wiley.

    افتح مرجع DOI
    تم النسخ.
  2. 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 المنشور
    تم النسخ.