數(shù)據(jù)缺失及相關(guān)因素對逐步回歸變量篩選的影響.pdf

1、學(xué)校代碼:學(xué)號:10246082102094灌大碩士學(xué)位論文數(shù)據(jù)缺失及相關(guān)因素對逐步回歸變量篩選的影響院系:公共衛(wèi)生學(xué)院專業(yè):流行病與衛(wèi)生統(tǒng)計(jì)學(xué)姓名:廖慧敏導(dǎo)師:林隧恒教授數(shù)據(jù)缺失及相關(guān)因素對逐步回歸變量篩選的影響中文摘要目的:主要研究數(shù)據(jù)缺失對逐步回歸變量篩選的影響探討不同缺失比例、不同缺失機(jī)制和缺失類型對逐步回歸篩選結(jié)果的影響。附帶驗(yàn)證待選變量之間的相關(guān)系數(shù)、待選變量個數(shù)、所設(shè)定的模型擬合程度、樣本量(或者EPv)以及逐步回歸變量進(jìn)

2、入和移除的顯著性水平對逐步回歸變量篩選的作用。方法:通過SAS軟件進(jìn)行蒙特卡洛數(shù)據(jù)模擬。設(shè)置真實(shí)模型(分為一般線性模型和Probit模型)，產(chǎn)生六種不同的數(shù)據(jù)集，包括:完整數(shù)據(jù)、完全隨機(jī)缺失數(shù)據(jù)、線性隨機(jī)缺失數(shù)據(jù)、曲線隨機(jī)缺失數(shù)據(jù)、線性非隨機(jī)缺失數(shù)據(jù)以及曲線非隨機(jī)缺失數(shù)據(jù)。隨后，在所產(chǎn)生的數(shù)據(jù)上進(jìn)行逐步回歸篩選，并記錄篩選結(jié)果用于評估各個因素的作用。在線性的真實(shí)模型的情況下，我們設(shè)定了五個評價指標(biāo)考察不同因素的影響，分別為:l)進(jìn)入模型

3、的真實(shí)變量平均個數(shù)2)進(jìn)入模型的噪音變量平均個數(shù)3)綜合指標(biāo)G，衡量真實(shí)變量和噪音變量進(jìn)入模型的綜合情況，G一丫sensitivi如sPec滬。仰，此處sensitivity一(被選入模型的真實(shí)變量個數(shù)備選的真實(shí)變量的個數(shù))，specificity=(l一被選入模型的噪音變量個數(shù)備選噪音變量個數(shù))4)篩選得到真實(shí)模型的比例5)回歸系數(shù)的估計(jì)值與真實(shí)模型中其設(shè)定值的偏差其中前四個指標(biāo)衡量不同條件下的逐步回歸篩選對真實(shí)變量和噪音變量的識別能

4、力，第五個針對系數(shù)估計(jì)的準(zhǔn)確度。同時，為驗(yàn)證不同類型的結(jié)局變量模型中相關(guān)因素的影響是否一致，我們設(shè)置二分類結(jié)局變量的probit真實(shí)模型，探討相關(guān)因素的影響。Probit模型的情況下所設(shè)定的評價指標(biāo)與線性模型情況下的指標(biāo)一致。模擬操作時，每種因素組合條件下模擬1000次，產(chǎn)生模擬結(jié)果用于因素評估。結(jié)果:真實(shí)變量進(jìn)入模型的情況，回歸系數(shù)的估計(jì)在一定程度上受缺失數(shù)據(jù)的影響，但缺失數(shù)據(jù)對于噪音變量進(jìn)入模型的影響很小。我們的結(jié)果顯示，缺失比例所

5、產(chǎn)生的影響相對于缺失機(jī)制和缺失類型而言更為明顯。缺失比例越大，進(jìn)入模型的真實(shí)變量越少，系數(shù)估計(jì)的偏倚越大當(dāng)缺失比例較小時，各種缺失所呈現(xiàn)的差別很小，缺失帶來的影響很大一部分跟樣本量的損失有關(guān)當(dāng)缺失比例增大時，各種缺失情況的差別才開始顯現(xiàn)。對于真實(shí)變量進(jìn)入模型而言:l)完全隨機(jī)缺失相對于其他缺失未表現(xiàn)出明顯優(yōu)勢2)在同種缺失機(jī)制下，線性缺失類型要優(yōu)于曲線隨機(jī)類型的表現(xiàn)3)而在同種缺失類型下，一般隨機(jī)缺失要略優(yōu)于非隨機(jī)缺失的表現(xiàn)4)表現(xiàn)最差