在R中生成不同百分比的MAR数据

Question

以下两个R功能来自“缺失数据的灵活插补”（第59页和第63页）。第一个产生完全随机丢失（MCAR）数据，第二个产生随机丢失（MAR）数据。两个函数都提供大约50％的缺失值。

在MCAR功能中，我们可以通过更改p值来生成不同百分比的缺失数据。但在MAR函数中，我不明白我们应该更改哪个参数来生成不同百分比的缺失数据，如10％或30％？

MCAR

makemissing <- function(data, p=0.5){
  rx <- rbinom(nrow(data), 1, p)
  data[rx==0,"y"] <- NA
  return(data)
}

MAR

logistic <- function(x) exp(x)/(1+exp(x))
set.seed(32881)
n <- 10000
y <- mvrnorm(n=n,mu=c(5,5),Sigma=matrix(c(1,0.6,0.6,1),nrow=2))
p2.marright <- 1 - logistic(-5 + y[,1])
r2.marright <- rbinom(n, 1, p2.marright)
yobs <- y
yobs[r2.marright==0, 2] <- NA

Answer 1

对于MCAR函数的每种情况，观察丢失的概率为50％，因为根据定义，缺失是随机的。对于MAR版本，观察缺失的概率对于每个观察是不同的，因为它取决于y[,1]的值。在您的代码中，y[,2]上遗漏的可能性会保存在变量p2.marright中。您可以通过排列数据框中的所有值来更轻松地看到这一点：

df <- data.frame(y1 = y[,1], y2_ori = y[,2], y2_mis = yobs[,2], p2.marright = p2.marright, r2.marright)
head(df)
        y1   y2_ori   y2_mis p2.marright r2.marright
1 2.086475 3.432803 3.432803   0.9485110           1
2 3.784675 5.005584 5.005584   0.7712399           1
3 4.818409 5.356688       NA   0.5452733           0
4 2.937422 3.898014 3.898014   0.8872124           1
5 6.422158 5.032659 5.032659   0.1943236           1
6 4.115106 5.083162 5.083162   0.7078354           1

您可以看到y2上的观察值是否为NA，编码在r2.marright中，p2.marright的概率二进制版本为{更高值{ {1}}，p2.marright更有可能1.要更改总体失踪率，您可以更改r2.marright的计算值，使其偏高或偏低。

您可以通过更改逻辑转换中的常量来操纵p2.marright（示例中为-5）。如果你增加它（使它减少负数，例如-4），那么p2.marright将减少，导致y2上更多的缺失值。如果你减少它（使它更负面，例如-6）那么你最终会减少y2上的缺失值。 （-5导致50％缺失的原因是因为5是被转换的变量p2.marright的平均值。）这是有效的，但机制相当不透明，你可能很难控制它容易。例如，如果你想在y1上有20％的缺失，你应该设置常量是不明显的。