MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Çoklu Atama

Çoklu Atamaanaliz

Eksik değerleri, gözlenen verilere dayanarak birçok kez ve her seferinde biraz farklı tahminlerle dolduran, her tamamlanmış veri setinde analizi tekrarlayıp sonuçları eksikliğin yarattığı belirsizliği de yansıtacak biçimde birleştiren yöntem.

Kavram

Gerçek verilerde eksik değerler kaçınılmazdır: hastalar bazı testleri yaptırmaz, katılımcılar bazı soruları boş bırakır. En yaygın çözüm olan eksik satırları silmek hem örneklemi küçültür hem de eksiklik rastgele değilse sonuçları yanlı yapar. Eksik değerleri tek bir tahminle (ör. ortalamayla) doldurmak ise uydurulan değerleri gerçekmiş gibi gösterir ve standart hataları olduğundan küçük çıkarır. Çoklu atama bu iki sorunu birlikte ele alır.

Yöntem üç adımdan oluşur. (1) Atama: her eksik değer, diğer değişkenlerden kurulan modellere göre, rastgele değişkenlik de katılarak m kez doldurulur ve m tamamlanmış veri seti oluşur. (2) Analiz: istenen model (ör. regresyon) her veri setinde ayrı ayrı kestirilir. (3) Havuzlama: Rubin kurallarına göre ortak kestirim m kestirimin ortalamasıdır; toplam varyans ise veri seti içi ortalama varyans (Ū) ile setler arası varyansın (B) birleşimidir: T = Ū + (1 + 1/m)·B. Setler arası fark, eksik veriden kaynaklanan ek belirsizliği temsil eder.

Temel varsayım, eksikliğin rastgele olmasıdır (MAR): bir değerin eksik olma olasılığı modeldeki gözlenen değişkenlerle açıklanabilir, eksik değerin kendisine bağlı değildir. Bu varsayım veriden kanıtlanamaz; eksikliğin eksik değerin kendisine bağlı olduğu düşünülüyorsa (MNAR) duyarlılık analizleri yapılmalıdır. Atama modeli, analiz modelindeki tüm değişkenleri (sonuç değişkeni dahil) içermelidir; aksi takdirde ilişkiler sıfıra doğru zayıflar.

Ne zaman kullanılır?

  • Analizde kullanılacak değişkenlerde birkaç yüzdeden fazla eksik değer varsa ve eksik satırları silmek örneklemi belirgin biçimde küçültüyor ya da yanlılık yaratabiliyorsa.
  • Eksiklik gözlenen değişkenlerle ilişkiliyse (MAR) çoklu atama uygundur; eksiklik çok küçük ve tamamen rastgeleyse (MCAR) eksik satırları silmek de yansız sonuç verebilir.
  • Model yapısal eşitlik ya da yol modeliyse tam bilgili en çok olabilirlik (FIML) bir alternatiftir; eksikliğin eksik değerin kendisine bağlı olduğu düşünülüyorsa (MNAR) δ kaydırmalı duyarlılık analizi ya da seçim/örüntü karışım modelleri kullanılır.

Gündelik bir örnek

Bir aile sağlığı merkezi, 300 hastada kan basıncının yaş, beden kitle indeksi ve sigara kullanımıyla ilişkisini inceliyor. Ancak hastaların %25'inin beden kitle indeksi, %10'unun sigara bilgisi kayıtlarda yok. Eksik satırlar silinse geriye 200 hasta kalır. Çoklu atama eksik değerleri hastaların yaşı, kan basıncı ve diğer bilgilerine dayanarak 20 kez, her seferinde biraz farklı doldurur; 20 regresyonun sonucu birleştirilir ve standart hatalar, eksik bilginin yarattığı belirsizliği de içerir.

MerQur'da parametreler

Bağımlı değişken (DV), Bağımsız değişkenler

Kavram: Analiz modelinin bağımlı ve bağımsız değişkenleridir. Bu değişkenlerin hepsi, sonuç değişkeni de dahil, atama modelinde de yer alır; böylece aralarındaki ilişkiler doldurulan değerlerde korunur.

Gündelik örnek: Kan basıncı bağımlı değişken; yaş, beden kitle indeksi ve sigara kullanımı bağımsız değişkenlerdir. Eksik beden kitle indeksi doldurulurken kan basıncı da kullanılır; aksi hâlde ikisi arasındaki ilişki zayıflamış görünür.

Ne işe yarar: Analiz modelinin değişkenleri. İkili (0/1) bağımlı değişken ve FCS'de metin (kategorik) bağımsız değişkenler seçilebilir.

Sonuca etkisi: Tüm atama ve havuzlama değişir.

Doğrulama verisinde: nhanes chl ~ age + bmi + hyp; colon lojistik modelinde nodes katsayısı 0.1984 (SH 0.0270); boys için kategorik bağımsız değişken (gen) FCS'de kullanılır.

Yardımcı (auxiliary) değişkenler

Kavram: Yardımcı değişkenler analiz modeline girmez ama eksik değerleri tahmin etmeye yardım eder. Eksiklikle ya da eksik değişkenle ilişkili yardımcı değişkenler eklemek MAR varsayımını daha inandırıcı kılar ve atamaların kesinliğini artırır.

Gündelik örnek: Bel çevresi analizde yer almasa da beden kitle indeksiyle güçlü ilişkilidir. Yardımcı değişken olarak eklendiğinde eksik beden kitle indeksi değerleri çok daha isabetli doldurulur.

Ne işe yarar: Analize girmeyen ama atama modelinde yordayıcı olan değişkenler (MAR varsayımını güçlendirir).

Sonuca etkisi: Atanan değerler ve dolayısıyla havuzlanmış kestirimler değişir.

Doğrulama verisinde: nhanes chl ~ age + bmi, hyp yardımcı: bmi 2.7755 (SH 2.537, λ 0.292).

→ Yardımcı değişkenler (atama modeli)

m (imputation sayısı) (2 ile 100; varsayılan 5)

Kavram: Kaç tamamlanmış veri seti üretileceğidir. m arttıkça setler arası varyans daha kararlı kestirilir ve sonuçlar rastgelelikten daha az etkilenir; eksiklik oranı yüksekse daha büyük m gerekir.

Gündelik örnek: Beden kitle indeksinin %25'i eksikken yalnız 5 atama yapılırsa, analiz her tekrarlandığında katsayı ve standart hatası belirgin biçimde oynayabilir. 20 ya da daha fazla atama bu oynamayı azaltır.

Ne işe yarar: Atama sayısı. Atamalar arası varyans B (m-1 sd ile) ve Rubin toplam varyansı T = Ū + (1 + 1/m)B bu sayıya bağlıdır.

Sonuca etkisi: Havuzlanmış kestirim, SH ve serbestlik derecesi değişir.

Doğrulama verisinde: BayesianRidge, bmi: m = 2: 3.345 (SH 2.465, sd 12.39); 5: 2.651 (2.512, sd 14.08); 20: 4.252 (3.573, sd 7.62); 50: 4.846 (3.402, sd 9.03).

→ Rubin kuralları (atama sonuçlarını birleştirme)

Max iterasyon (varsayılan 10)

Kavram: Zincirleme atamada her eksik değişken diğerlerinden sırayla tahmin edilir ve bu döngü birçok kez tekrarlanır. Yineleme sayısı, zincirin başlangıç değerlerinden bağımsız, kararlı bir duruma (yakınsama) ulaşması için yeterli olmalıdır.

Gündelik örnek: İlk döngüde eksik beden kitle indeksi, henüz kaba doldurulmuş sigara bilgisiyle tahmin edilir; sonraki döngülerde her iki değişken de birbirine göre düzeltilir. 10 döngü çoğu zaman yeterlidir; yakınsama izi düz bir şerit çiziyorsa zincir oturmuştur.

Ne işe yarar: BayesianRidge'de IterativeImputer max_iter; FCS'de zincir uzunluğu.

Sonuca etkisi: Atanan değerler değişir.

Doğrulama verisinde: BayesianRidge, bmi: 1 iterasyonda 5.201 (λ 0.643); 10'da 2.651 (λ 0.178); 30'da 4.726 (λ 0.567). BayesianRidge motorunda tek tohumluk sonuçlar iterasyona ve tohuma çok duyarlıdır.

→ Yakınsama ve en fazla iterasyon

Seed (tohum)

Kavram: Tohum, rastgele atamaların başlangıç noktasıdır. Aynı tohumla aynı atamalar ve aynı sonuçlar yeniden üretilir; tohum değiştiğinde sonuçlar biraz değişir, bu değişimin büyüklüğü m'nin yeterli olup olmadığına da işaret eder.

Gündelik örnek: Raporlanan katsayıların yeniden üretilebilmesi için tohum yazılır. Farklı bir tohumla beden kitle indeksinin katsayısı belirgin biçimde değişiyorsa, daha fazla atama yapmak gerekir.

Ne işe yarar: i. atama için seed + i kullanılır.

Sonuca etkisi: Atanan değerler değişir; havuzlama kuralı değişmez.

Doğrulama verisinde: BayesianRidge: tohum 42: bmi SH 2.512 (λ 0.18); tohum 7: SH 4.811 (λ 0.81). Referanslarla karşılaştırma 30 tohumluk dağılımla yapılır.

→ Rastgele tohum (seed)

Atama yöntemi (IterativeImputer + BayesianRidge (yalnız sayısal) / FCS/MICE - sayısal: PMM; kategorik: logreg/polyreg (varsayılan) / FCS/MICE - sayısal: norm (Bayesçi doğrusal); kategorik: logreg/polyreg)

Kavram: Eksik değerlerin hangi modelle doldurulacağını belirler. Tahmini ortalama eşleştirme (PMM), tahmine en yakın birkaç gözlenen kişiden birinin gerçek değerini ödünç alır ve yalnız gerçekçi değerler üretir; Bayesci doğrusal (norm) yöntem normal dağılımdan çeker; kategorik değişkenler lojistik modellerle doldurulur.

Gündelik örnek: PMM ile eksik bir beden kitle indeksi, benzer yaş ve kan basıncındaki birkaç hastadan birinin gerçek değeriyle doldurulur; böylece 12 gibi gerçek dışı bir değer çıkmaz. Sigara kullanımı (evet/hayır) ise lojistik modelle doldurulur.

Ne işe yarar: Varsayılan FCS PMM'dir (5 aday, tip 1 eşleme). FCS norm Bayesçi doğrusal regresyondur (Rubin 1987). Kategorik değişkenler için logreg/polyreg kullanılır. BayesianRidge seçeneği zincirleme Bayesçi ridge regresyonuyla sonsal örnekleme yapar (yalnız sayısal).

Sonuca etkisi: Atanan değerlerin dağılımı ve katsayılar değişir.

Doğrulama verisinde: nhanes, 30 tohum ortalaması, bmi: BayesianRidge 5.30 ± 1.37 (SH 3.66); FCS norm 6.98 ± 0.67. Varsayılan PMM'de bmi 6.454 (SH 1.900). BayesianRidge küçük örneklemde katsayıları zayıflatır ve SH'yi şişirir.

→ Zincirleme denklemlerle atama (FCS/MICE) ve PMM

Analiz modeli (Doğrusal regresyon (OLS, varsayılan) / Lojistik regresyon (ikili DV) / Poisson regresyon (sayım DV))

Kavram: Her tamamlanmış veri setinde kestirilecek analiz modelidir: sürekli sonuç için doğrusal, ikili sonuç için lojistik, sayım sonucu için Poisson regresyonu.

Gündelik örnek: Sonuç kan basıncının değeri ise doğrusal regresyon, 'hipertansiyon var / yok' ise lojistik regresyon, son bir yıldaki acil başvuru sayısı ise Poisson regresyonu seçilir.

Ne işe yarar: Her tamamlanmış veride kestirilen model.

Sonuca etkisi: Havuzlanan katsayılar değişir.

Doğrulama verisinde: colon lojistik: nodes 0.1984 (SH 0.0270). airquality Poisson ile BayesianRidge birleşiminde atanan Ozone negatif çıkar (en küçük -49.547) ve açık hata verilir; varsayılan PMM'de atananlar gözlenen değerlerden gelir.

→ Dağılım ailesi (GLM)

İmpute değerleri gözlenen aralıkla sınırla (min/maks) ve Tam sayılı değişkenlerin impute değerlerini yuvarla

Kavram: Doldurulan değerleri gözlenen en küçük ve en büyük değerler arasında tutar ve tam sayılı değişkenlerde yuvarlar. Bu, gerçek dışı değerleri engeller; ancak sıkıştırma ve yuvarlama dağılımı biraz bozabileceğinden gerektiğinde kullanılmalıdır.

Gündelik örnek: Normal dağılımdan çekilen bir atama, gözlenen değerler 18 ile 42 arasındayken 8 gibi bir beden kitle indeksi üretebilir. Aralığa sınırlama bunu 18'e çeker; çocuk sayısı gibi tam sayılı bir değişkende 2,4 yerine 2 yazılır.

Ne işe yarar: Atanmış değerleri gözlenen [min, maks] aralığına sıkıştırır (mice post squeeze); gözlenen değerleri tam sayı olan değişkenlerde yuvarlar.

Sonuca etkisi: Atanan değerler değişir. BayesianRidge'de kısıt atamadan sonra, FCS'de her güncellemede uygulanır.

Doğrulama verisinde: Kırpmayla chl [113, 284], bmi [20.4, 35.3], hyp [1, 2] aralıklarında; tüm atanmış hücreler aralık içindedir. Yuvarlamayla chl ve hyp tam sayıdır.

Grafik (Havuzlanmış katsayılar (varsayılan) / Yakınsama izi (FCS: ortalama/SD × iterasyon) / Gözlenen vs impute dağılımlar) ve m tamamlanmış veri setini kaydet (uzun biçim CSV, .imp/.id)

Kavram: Havuzlanmış katsayılar grafiği sonuçları özetler; yakınsama izi zincirin kararlı hâle gelip gelmediğini, gözlenen ve atanan dağılımların karşılaştırması ise doldurulan değerlerin makul olup olmadığını gösterir. Tamamlanmış veri setleri başka programlarda kullanılmak üzere dışa aktarılabilir.

Gündelik örnek: Atanan beden kitle indeksi değerleri gözlenenlerle benzer bir dağılım gösteriyorsa atama makuldür. Atananlar belirgin biçimde daha yüksekse bu bir hata olmayabilir: eksiklik kilolu hastalarda daha sıksa, atananların daha yüksek çıkması beklenir.

Ne işe yarar: Grafik (havuzlanmış katsayılar, yakınsama izi, gözlenen ve atanan dağılımlar); atanmış veri setini CSV olarak dışa aktarma.

Sonuca etkisi: Sayısal sonuçları değiştirmez. Dışa aktarılan CSV (m·n satır) motorun uzun biçimli çıktısıyla birebirdir.

Doğrulama verisinde: Yok.

→ Zincirleme denklemlerle atama (FCS/MICE) ve PMM

Güven Düzeyi (%90 / %95 / %99 / Diğer (özel))

Kavram: Havuzlanmış katsayıların güven aralığının düzeyini belirler. Aralık, hem veri setleri içindeki hem de eksik veriden doğan setler arası belirsizliği içerir ve buna uygun düzeltilmiş serbestlik dereceli t dağılımıyla kurulur.

Gündelik örnek: Beden kitle indeksinin katsayısı için %95 aralık, yalnız tam kayıtlı hastalarla kurulan aralıktan farklı olabilir: daha çok hasta kullanıldığı için daralabilir, ama atamalar arası fark büyükse genişleyebilir.

Ne işe yarar: Havuzlanmış katsayı aralığı (t, Barnard-Rubin sd). Havuzlanmış R² aralığı her zaman %95'tir (metinde yazılı).

Sonuca etkisi: Yalnız aralıklar değişir.

Doğrulama verisinde: bmi GA: %95 [-2.734, 8.037], %90 [-1.772, 7.075], %85.5 [-1.225, 6.528].

→ Güven düzeyi ve güven aralığı

Monoton atama (sıralı regresyon), MNAR duyarlılık değişkeni ve MNAR δ kaydırmaları

Kavram: Monoton eksiklikte değişkenler bir sıraya dizilebilir: bir değişkeni eksik olan kişi sonrakilerin hepsinde de eksiktir; bu durumda atama tek geçişte yapılabilir. MNAR duyarlılık analizinde atanan değerler δ kadar kaydırılır ve sonucun hangi kaydırmada değiştiği (dönüm noktası) incelenir.

Gündelik örnek: Kilolu hastaların tartılmaktan kaçındığı düşünülüyorsa, eksik beden kitle indeksi değerleri gözlenenlerden yüksek olabilir. Atananlara δ = +2, +4 eklenip analiz tekrarlanır; sonuç ancak +6 gibi büyük bir kaydırmada değişiyorsa bulgu MAR varsayımındaki sapmalara dayanıklıdır.

Ne işe yarar: Monoton eksik örüntüde değişkenler eksik sayısına göre sıralanır ve yalnız önceki değişkenlerle tek geçişte atanır; örüntü monoton değilse açık hata verilir. MNAR seçeneğinde seçilen değişkenin atanan değerlerine δ eklenir ve her δ için Rubin havuzlamalı duyarlılık (tipping-point) tablosu verilir; ana sonuç δ = 0 (MAR) kalır. Yalnız FCS motoruyla çalışır.

Sonuca etkisi: Atanan değerler ve δ'ya göre havuzlanmış katsayılar değişir.

Doğrulama verisinde: Tohum 7, m = 5, norm, monoton atama: Intercept 0.736790966554 (SH 1.7424873166054, sd 132.58), x1 0.345351605735 (sd 128.65), x2 0.545344277151 (sd 49.55); Rubin kurallarıyla birleştirilir. δ: son değişkende atanan değerler tam δ kadar kayar.

→ Eksik veri mekanizmaları (MCAR, MAR, MNAR)

Eksik veri analizi: t testleri ve kategorik tablo (SPSS MVA /TTEST /TABULATE)

Kavram: Eksiklik örüntüsünü inceler: bir değişkenin eksik olduğu ve olmadığı kişiler diğer değişkenlerde karşılaştırılır. Belirgin farklar eksikliğin tamamen rastgele (MCAR) olmadığını gösterir; farkın olmaması ise MAR'ı kanıtlamaz.

Gündelik örnek: Beden kitle indeksi eksik olan hastaların yaş ortalaması 62, eksik olmayanlarınki 48 çıkarsa eksiklik yaşla ilişkilidir ve MCAR değildir. Bu durumda yaşı atama modeline koymak özellikle önemlidir.

Ne işe yarar: Eksikliği %5 ve üzeri olan her sayısal değişken için eksiklik göstergesine göre diğer sayısal değişkenlerde Welch t, sd, p, grup n'leri ve ortalamaları; kategorik değişkenler için gösterge başına çapraz tablo. Çıktı Little MCAR satırının altına eklenir.

Sonuca etkisi: Yalnız ek tanı çıktısı ekler.

Doğrulama verisinde: nhanes2: chl için bmi eksikliğine göre t = 0.5002708691, sd = 12.2747293162, p = 0.6257327768; bmi için chl eksikliğine göre t = -0.0657210688, p = 0.9498934334. Tüm çapraz tablo n ve yüzdeleri dört programda aynıdır.

→ Eksik veri mekanizmaları (MCAR, MAR, MNAR)

Gerçek veride örnek

Veri: Schafer 1997, R mice nhanes

Değişkenler: bağımlı chl (kolesterol), bağımsız age (yaş grubu), bmi (beden kitle indeksi), hyp (hipertansiyon)

  • Soru: Eksik veri içeren nhanes örneğinde (n = 25; yalnız 13 vaka eksiksiz) kolesterol (chl) yaş grubu (age), beden kitle indeksi (bmi) ve hipertansiyonla (hyp) ilişkili mi?
  • Eksik veri: chl %40, bmi %36, hyp %32 eksik; Little MCAR testi χ² = 8.000, sd = 9, p = 0.5342. MCAR reddedilmez, ancak bu MAR'ı kanıtlamaz; çoklu atama MAR varsayımına dayanır.
  • Yöntem: FCS (MICE) PMM ile m = 5 tamamlanmış veri seti üretilir, her birinde OLS kestirilir ve sonuçlar Rubin kurallarıyla (Barnard-Rubin sd) havuzlanır.
  • Sonuç: bmi (β = 6.4539, SH = 1.9002, p = 0.0044) ve age (β = 33.70, SH = 11.79, p = 0.0169) kolesterolle anlamlı ve pozitif ilişkilidir; hyp anlamlı değildir (p = 0.7245).
  • Model uyumu: Havuzlanmış R² = 0.5346, %95 GA [0.1506, 0.8033]; tüm eğimler için D1 testi F(3, 14.66) = 5.7418, p = 0.0083.
  • Bilgi kaybı ve karşılaştırma: En büyük λ age'de 0.309 (orta düzey bilgi kaybı, m ≥ 10 düşünülebilir). Liste bazında silme age etkisini 55.21 olarak abartır; atama tüm vakaları kullanarak daha temkinli kestirim verir.
  • APA: Çoklu atamayla (m = 5) havuzlanmış regresyonda bmi, b = 6.45, SH = 1.90, t(13.77) = 3.40, p = .004, ve yaş, b = 33.70, SH = 11.79, t(10.09) = 2.86, p = .017, kolesterolü anlamlı yordamıştır.

İlgili kavramlar

Zincirleme denklemlerle atama (FCS/MICE) ve PMMEksik veri mekanizmaları (MCAR, MAR, MNAR)Rubin kuralları (atama sonuçlarını birleştirme)Yardımcı değişkenler (atama modeli)Koşulsuz kesin testler (Barnard, Boschloo)Yakınsama ve en fazla iterasyonDuyarlılık analiziDağılım ailesi (GLM)

Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.