Missing Value Missing value Missing value Hsieh et

Missing Value

왜 Missing value 가 생겼는가?

Missing value의 영향 출처: Hsieh et al.

Methods £ 좋지 못한 분석 방법 – Listwise Deletion – Single imputation £ 좋은 분석 방법 – EM Algorithm – Multiple imputation (MI) – (Full information) maximum likelihood (ML)

Simple imputation (1)

Simple imputation (2) ID 나이 성별 완벽 주의 우울 불안 1 70 F 4 3. 8 8. 1 2 70 F 6 0. 6 1. 2 3 60 M 5 1. 1 3. 3 4 85 F 6 1. 3 3. 2 5 70 M 3 1. 7 y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 y = 0. 31+ 0. 003 X 1+(-0. 58)X 2+(-0. 25)X 3+0. 25 X 4 – 5번 : 70살, 남, 완벽주의 3, 불안 1. 7, 우울? – (0. 31)+(0. 003)*70+(-0. 58)*1+(-0. 25)*3+(0. 25)*1. 7 = -0. 385

EM Algorithm 16

EM Algorithm 17

Multiple imputation £ single imputation – Variance가 과수 추정될 수 있음 • (10, 20, 30) mean = 20, variance = 100 • (10, 20, 30, 20, 20) mean = 20, variance = 40 – biased 결과 야기 £ EM algorithm – Variance가 과수 추정될 수 있음 – Randomly하게 추정하지 않음 £ Multiple imputation은? – 다수의 후보 값을 구하여 그 중에서 무작위로 대체값을 선정 – 덜 biased 결과 18

Multiple imputation 출처 : 강민아, 김경아(2006) 19

Multiple imputation 20

Multiple imputation 21

Multiple imputation

Multiple imputation

Multiple imputation