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、學校代碼:學號:10246082102094灌大碩士學位論文數(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)生學院專業(yè):流行病與衛(wèi)生統(tǒng)計學姓名:廖慧敏導師: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、不同缺失機制和缺失類型對逐步回歸篩選結(jié)果的影響。附帶驗證待選變量之間的相關(guān)系數(shù)、待選變量個數(shù)、所設定的模型擬合程度、樣本量(或者EPv)以及逐步回歸變量進

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軟件進行蒙特卡洛數(shù)據(jù)模擬。設置真實模型(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)、完全隨機缺失數(shù)據(jù)、線性隨機缺失數(shù)據(jù)、曲線隨機缺失數(shù)據(jù)、線性非隨機缺失數(shù)據(jù)以及曲線非隨機缺失數(shù)據(jù)。隨后，在所產(chǎn)生的數(shù)據(jù)上進行逐步回歸篩選，并記錄篩選結(jié)果用于評估各個因素的作用。在線性的真實模型的情況下，我們設定了五個評價指標考察不同因素的影響，分別為:l)進入模型

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

4、力，第五個針對系數(shù)估計的準確度。同時，為驗證不同類型的結(jié)局變量模型中相關(guān)因素的影響是否一致，我們設置二分類結(jié)局變量的probit真實模型，探討相關(guān)因素的影響。Probit模型的情況下所設定的評價指標與線性模型情況下的指標一致。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:真實變量進入模型的情況，回歸系數(shù)的估計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制和缺失類型而言更為明顯。缺失比例越大，進入模型的真實變量越少，系數(shù)估計的偏倚越大當缺失比例較小時，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)。對于真實變量進入模型而言:l)完全隨機缺失相對于其他缺失未表現(xiàn)出明顯優(yōu)勢2)在同種缺失機制下，線性缺失類型要優(yōu)于曲線隨機類型的表現(xiàn)3)而在同種缺失類型下，一般隨機缺失要略優(yōu)于非隨機缺失的表現(xiàn)4)表現(xiàn)最差