不同缺失機制并存時偏倚校正的模擬研究.pdf

1、目的：本研究主要針對以往醫(yī)療費用調查中的因變量數(shù)據(jù)既存在應就醫(yī)而因貧困等原因未就醫(yī)導致的O截取或選擇性偏倚問題，又存在隨機的無應答造成的因變量缺失現(xiàn)象，提出了針對這兩類重要的無應答偏倚機制并存時的兩階段校正方法，從而為正確估計相對弱勢的人群的醫(yī)療費用及其影響因素提供方法學依據(jù)。
　　 方法：通過統(tǒng)計模擬得出不同程度隨機缺失和非隨機缺失并存時的多個數(shù)據(jù)集。首先利用非缺失數(shù)據(jù)（不包括含有非隨機缺失數(shù)據(jù)的個體觀測值）對單純無應答按照隨

2、機缺失(MAR)機制通過預測均數(shù)匹配法(PMM)、傾向性得分法(PS)、基于Bootstrap的EM算法(EMB)和馬爾科夫鏈蒙特卡洛算法(MCMC)四種填補方法進行多重填補（第一階段）；在此基礎上對選擇性偏倚造成的缺失數(shù)據(jù)進行樣本選擇模型擬合以校正數(shù)據(jù)非隨機缺失造成的偏倚（第二階段）；最后對多個樣本選擇模型擬合結果進行合并。對模擬出的結果以標準偏倚、均方誤差的平方根和可信區(qū)間平均長度作為評價填補方法優(yōu)劣的標準。
　　 結果：通

3、過模擬研究發(fā)現(xiàn)隨著隨機和非隨機缺失率的增加，各項標準的值均不同程度的增加，說明填補方法準確度和精確度也在逐漸降低。在任意一種缺失情況下，由于PS法的標準偏倚絕對值超過了規(guī)定的界值，故該法不可??；而PMM、EMB和MCMC法均得出較好的結果。當非隨機缺失為輕度時，不同程度隨機缺失情況下的填補方法選擇為：在隨機缺失也為輕度時，MCMC法最好；在隨機缺失為中度時，EMB法最好；在隨機缺失為重度時，PMM法最好。當非隨機缺失為中度時，無論隨機缺