加载中…
个人资料
Stata连享会
Stata连享会
  • 博客等级:
  • 博客积分:0
  • 博客访问:37,804
  • 关注人气:21
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

Stata数据处理:缺失值类型及应对方法

(2023-04-18 16:20:17)
标签:

stata

数据处理

缺失值处理

分类: Stata数据处理
全文阅读:https://www.lianxh.cn/news/9b410a0bf8051.html

目录

 


1. 数据缺失类型

第一类:随机完全缺失 (MCAR/Missing Completely at Random)

当我们说随机完全缺失时, 我们的意思是缺失量与正在研究的观测因素无关。例如,称重秤电池耗尽、问卷在邮寄时丢失,血液样本在实验室中损坏。MCAR 是一个理想但不合理的假设。

通常来说,当数据因实验设计、设备故障或样品在运输过程中丢失或技术上不符合要求而缺失时,数据被视为 MCAR。 MCAR 数据的统计优势在于分析保持无偏

下面是 MCAR 的图示,其中缺失量与变量 X 或 Y 无关,但与 Z 有关。


0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有