İstatistik Sözlüğü → Eksik veri mekanizmaları (MCAR, MAR, MNAR)
Eksik veri mekanizmaları (MCAR, MAR, MNAR)kavram
Bir değerin eksik olma olasılığının verideki gözlenen ve gözlenmeyen değerlerle nasıl ilişkili olduğunu tanımlayan, Rubin'in (1976) üç sınıflı ayrımı.
Tamamen rastgele eksiklikte (MCAR) eksik olma olasılığı hiçbir değişkenle ilişkili değildir; eksik vakalar tam vakalardan rastgele bir alt örneklem gibidir. Rastgele eksiklikte (MAR) eksiklik, gözlenen değişkenlerle açıklanabilir ama eksik değerin kendisine bağlı değildir. Örneğin gelir sorusunu yaşlıların daha sık boş bırakması, yaş biliniyorsa MAR'dır. Rastgele olmayan eksiklikte (MNAR) eksik olma olasılığı, gözlenen değişkenler hesaba katıldıktan sonra bile eksik değerin kendisine bağlıdır; örneğin yüksek gelirlilerin gelirini söylememesi.
Yöntem seçimi mekanizmaya bağlıdır. Liste bazında silme genellikle yalnızca MCAR altında yansızdır ve güç kaybı yaratır. Tam bilgi en çok olabilirlik (FIML), EM ve çoklu atama MAR altında geçerlidir. MNAR'da hiçbir standart yöntem kendiliğinden yansız değildir; seçim modelleri, örüntü-karışım modelleri ya da δ kaydırmalı duyarlılık analizi gerekir. Little'ın MCAR testi MCAR'ı reddedebilir, ama MAR ile MNAR arasındaki ayrım gözlenen veriden sınanamaz. Bu nedenle eksiklikle ilişkili yardımcı değişkenleri modele katmak ve duyarlılık analizi yapmak iyi bir uygulamadır.
Gündelik bir örnek
Bir depresyon çalışmasında bazı hastalar takip görüşmesine gelmiyor. Gelmeme hastaların işlerinin yoğunluğuyla ilgiliyse ve iş durumu kayıtlıysa eksiklik MAR sayılabilir. Ama hastalar tam da depresyonları ağırlaştığı için gelmiyorsa eksiklik MNAR'dır. Bu durumda yalnızca gelenlerle yapılan analiz tedaviyi olduğundan başarılı gösterir.
MerQur'da
Çoklu atamada 'Eksik veri analizi: t testleri ve kategorik tablo' eksiklik göstergesine göre karşılaştırmalar yapar ve Little MCAR satırının altına eklenir. 'MNAR duyarlılık değişkeni ve MNAR δ kaydırmaları' her δ için Rubin havuzlamalı bir duyarlılık (tipping-point) tablosu verir; ana sonuç δ = 0 (MAR) kalır. Gizil sınıf analizinde 'Eksik göstergeler (Liste bazında / FIML)', Doğrulayıcı faktör analizi ve Yapısal eşitlik modelinde 'Eksik veri (Liste bazında silme, FIML)' seçenekleri FIML kestirimini MAR varsayımı altında yapar.
Bu kavramın geçtiği analizler
Gizil Sınıf AnaliziDoğrulayıcı Faktör AnaliziYapısal Eşitlik ModeliÇoklu Atama
İlgili kavramlar
Tam bilgi en çok olabilirlik (FIML)Rubin kuralları (atama sonuçlarını birleştirme)Duyarlılık analizi