用预测替换SAS中的缺失数据：回归估算

Question

我有一个SAS数据集，多列中缺少数据。我想用基于数据集中其他数据的预测替换丢失的数据。 Here一个描述该方法的链接，但没有告诉我如何操作。如何用预测替换缺失值？

编辑： 我想到的方法只是使用Proc Reg然后将系数应用于缺失的数据以生成估计。这是否回答了你的问题？

Answer 1

PROC STDIZE，PROC EXPAND和PROC MI都能够对您的数据执行不同类型的估算，具体取决于您确定如何确定“预测”。

对于简单的事情，例如用均值替换，PROC STDIZE是要走的路。 PROC MI是最先进的 - 它会执行多次插补。如果您有时间序列数据，PROC EXPAND是合适的，因为它会尝试计算时间序列中该点的正确值。

Answer 2

如果您在多列中缺少数据，则需要多次回归。这可能不是一个很好的方法，但要回答这个问题 - 您要求的内容称为对数据集进行评分，您可以使用PROC SCORE。

另一种方法是在您的回归过程中请求OUTPUT数据集，其中包含该回归的预测值。

output out=predicted1 p=pred_var_missing;

作为方法论问题，我推荐使用@ Joe的方法。

Answer 3

添加@Joe的回答，如果你告诉我们你为什么要这样做，我们可以提供更好的建议。我写了一篇名为How to Ask a Statistics Question的博客文章可能有所帮助。

然而，通常，单一插补是一种不好的方法。更具体地说，如果您要对此数据进行进一步分析（使用插补值），则单个插补将低估数据的可变性并给出错误的结果。

PROC MI通常是一种更好的方法。