İçeriğe atla
Arama sonuçlarına dön

MICE — Zincirleme Denklemlerle Çok Değişkenli Atama

Ortaya koyan
Stef van Buuren & Karin Groothuis-Oudshoorn
Yıl
2011
Tür
Iterative multiple imputation algorithm
Aile
Missing data

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Zincirleme Denklemlerle Çok Değişkenli Atama (MICE), çok değişkenli veri setlerindeki eksik verileri ele almak için kullanılan yinelemeli bir prosedürdür.

Stef van Buuren ve Karin Groothuis-Oudshoorn tarafından R paketi mice (2011) aracılığıyla tanıtılan algoritma, her bir eksik değişkeni, diğer tüm değişkenlere koşullu ayrı bir regresyon modeli kullanarak doldurur ve atanan değerler yakınsayana kadar değişkenler arasında tekrar tekrar döngü yapar. Sonuç olarak, ayrı ayrı analiz edilen ve Rubin kuralları kullanılarak birleştirilen m adet tamamlanmış veri seti elde edilir.

Yöntemin mantığı

Kısmen tamamlanmış bir bulmaca hayal edin: her boş kelime, zaten mevcut olan kesişen harflere bakılarak doldurulur. Yeni doldurulan bir kelime daha fazla harf ortaya çıkarırsa, yeni bilgilerle daha önceki boşluklara geri dönersiniz. MICE aynı şekilde çalışır — bir seferde bir eksik sütunu, diğer tüm sütunları ipucu olarak kullanarak doldurur, ardından her sütunu tekrar ziyaret eder ve birçok aday bulmacada cevaplar stabilize olana kadar yineler.

Tarih

Zincirleme denklemlerle atama kavramsal temeli, 1990'ların başında van Buuren, Boshuizen ve Knook'un eksik sağlık anketi verileri üzerindeki çalışmalarıyla ortaya çıktı. Tamamen Koşullu Spesifikasyon çerçevesi 2000'ler boyunca resmileştirildi ve van Buuren ve Groothuis-Oudshoorn, 2011'de mice R paketini ve Journal of Statistical Software'da on binlerce atıf alan kanonik referans haline gelen kapsamlı bir metodolojik makale yayınladı.

Ne zaman kullanılır?

MICE, verilerin rastgele eksik (MAR) olduğu ve eksikliğin aynı anda birden fazla değişkende meydana geldiği durumlarda uygundur. Esnek değişken başına model spesifikasyonu sayesinde sürekli, ikili, sıralı ve sayım sonuçları için uygundur. Yardımcı modelleme olmaksızın rastgele eksik olmayan (MNAR) veriler için, atama modelinin hantal hale geldiği çok yüksek boyutlu veri setleri için veya anahtar değişkenlerde eksiklik oranlarının %50'yi aştığı durumlarda daha az uygundur. Düşük eksiklik oranlarına sahip MCAR durumunda tek atama veya tam vaka analizi yeterli olabilir.

Sınırlar ve dikkat edilmesi gerekenler

  • Verilerin rastgele eksik (MAR) olduğunu varsayar; ihlaller hassasiyet analizleri veya örüntü-karışım uzantıları gerektirir
  • Hesaplama maliyeti, değişken, yineleme ve atama (m) sayısıyla artar
  • Gibbs benzeri örnekleyicinin yakınsaması, uyumsuz koşullu modeller için matematiksel olarak garanti edilmez
  • Model spesifikasyonu (tahmin edici seçimi, değişken başına atama yöntemi) dikkatli analist yargısı gerektirir

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Uyarlanmış sütun başına modeller aracılığıyla karma değişken türlerini (sürekli, ikili, sıralı, sayım) ele alır
  • Çoklu atanmış veri setleri ve Rubin'in birleştirme kuralları aracılığıyla belirsizliği doğru bir şekilde yayar
  • Esnek tahmin edici spesifikasyonu, alan bilgisinin ve yardımcı değişkenlerin atama kalitesini artırmasına olanak tanır
  • Kapsamlı teşhis ve aktif bakıma sahip, iyi doğrulanmış R uygulaması (mice paketi)

Uygulama alanları

  • Aralıklı takip ölçümleri olan klinik araştırmalar ve epidemiyolojik kohort çalışmaları
  • Farklı anket modüllerinin farklı eksiklik örüntüleri ürettiği anket verisi uyumlaştırması
  • Model eğitimi öncesinde eksiksiz özellik matrisleri gerektiren makine öğrenimi ön işleme boru hatları
  • İdari kayıtları kendi bildirimli anket verileriyle birleştiren sağlık ekonomisi ve politika araştırmaları
  • Birden fazla test dalgasında madde yanıtı eksikliği olan boylamsal eğitim değerlendirmeleri

Nasıl çalışır?

Nasıl çalışır?

1

Herhangi bir döngü başlamadan önce, MICE tüm eksik değerleri hızlı bir yer tutucu ile değiştirir — genellikle sürekli değişkenler için gözlemlenen sütun ortalaması veya kategorik değişkenler için mod. Bu başlangıç doldurma, ilk atama döngüsü başladığında her değişkenin tahmin edici olarak kullanılabilecek en azından bazı değerlere sahip olmasını sağlar.

Formül
X^{(0)}_{\text{mis}} \leftarrow \text{simple imputation}(X_{\text{obs}})
2

Eksik girişleri olan her j değişkeni için MICE, diğer tüm X_{-j} değişkenlerini kovaryat olarak kullanarak tahmin ediciye uygun bir model (doğrusal regresyon, lojistik regresyon, öngörücü ortalama eşleştirme vb.) uydurur. X_j'nin eksik değerleri daha sonra bu modelin sonsal öngörücü dağılımından çekilir, böylece atanan değerler hem uydurulan ilişkiyi hem de parametre belirsizliğini yansıtır.

Formül
\hat{X}_j \sim P\!\left(X_j \mid X_{-j},\, \theta_j\right), \quad j = 1, \ldots, p
3

Tüm p değişkenleri bir kez atandıktan sonra, bir tam döngü tamamlanmış olur. MICE, kullanıcı tanımlı sayıda yineleme (genellikle 5-20) için döngüyü tekrarlar — her değişkenin atama modelini, kovaryatlarının yeni atanan değerleriyle güncelleyerek. Yakınsama, yinelemeler boyunca atanan ortalamaların ve standart sapmaların izleme grafikleri incelenerek izlenir.

Formül
\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)
4

Tüm prosedür (başlatma + döngüleme), m adet tamamlanmış veri seti üretmek için m kez bağımsız olarak tekrarlanır. Her veri seti, amaçlanan istatistiksel yöntemle analiz edilir ve m adet nokta tahmini ve standart hata elde edilir. Rubin'in birleştirme kuralları daha sonra bunları tek bir tahmine ve hem atama içi hem de atamalar arası belirsizliği doğru bir şekilde yayan toplam varyans T'ye birleştirir.

Formül
\bar{Q} = \frac{1}{m}\sum_{l=1}^{m} \hat{Q}_l, \quad T = \bar{U} + \left(1 + \frac{1}{m}\right) B

Sık yapılan hatalar

  • Çok az atanmış veri seti kullanmak (m < 5) standart hataları küçümser ve yanlış pozitif oranlarını artırır
  • Sonuç değişkenini atama modeline dahil etmek esastır; bunu atlamak regresyon katsayılarını sıfıra doğru saptırır
  • Atama modelindeki etkileşim terimlerini veya doğrusal olmayan ilişkileri göz ardı etmek, sonraki analizleri bozabilir
  • İzleme grafikleri aracılığıyla yakınsamayı kontrol etmemek, yakınsamamış zincirlerden sonuçların birleştirilmesine yol açabilir

Sık sorulan sorular

Kaç tane atanmış veri seti (m) oluşturmalıyım?

Yaygın bir varsayılan m = 5'tir, bu eksiklik oranları düşük olduğunda yeterlidir. White, Royston ve Wood (2011), m'yi yaklaşık olarak eksik vakaların yüzdesine eşit ayarlamayı önermektedir. %20-30'un üzerindeki eksiklik oranları için, birleştirilmiş tahminleri ve standart hataları stabilize etmek için m = 20 veya daha fazlası tavsiye edilir.

MICE, rastgele eksik olmayan (MNAR) verileri işleyebilir mi?

Standart MICE, MAR varsayımını yapar. MNAR altında atama modeli yanlış belirtilmiştir ve potansiyel olarak sonuçları saptırabilir. Analistler, MAR varsayımından olası MNAR sapmaları altında sonuçların nasıl değiştiğini değerlendirmek için hassasiyet analizleri — örneğin, delta-ayarlaması veya örüntü-karışım modelleri kullanarak — yapmalıdır.

Her değişken için hangi atama yöntemini seçmeliyim?

mice paketi, değişken sınıfına göre varsayılanları seçer: sürekli değişkenler için öngörücü ortalama eşleştirme (pmm), ikili değişkenler için lojistik regresyon, sıralanmamış faktörler için politomik regresyon ve sıralı faktörler için orantılı oranlar. Bu varsayılanlar çoğu uygulamalı durumda iyi çalışır, ancak analistler karmaşık dağılımlar için rastgele ormanları veya diğer esnek öğrenicileri ikame edebilirler.

İlgili yöntemler

Kaynaklar

  1. van Buuren, S., & Groothuis-Oudshoorn, K. (2011). mice: Multivariate imputation by chained equations in R. Journal of Statistical Software, 45(3), 1–67.

    DOI kaynağını aç
    Kopyalandı.