快捷導(dǎo)航

R語言刷題檢驗數(shù)據(jù)缺失類型過程詳解

更新時間：2021年11月10日 08:58:28 作者：Kanny廣小隸

這篇文章主要為大家介紹了R語言刷題中檢驗數(shù)據(jù)缺失類型的過程示例分析詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步

題目

解答

由于題目要求需要重復(fù)三次類似的操作，故首先載入所需要的包，構(gòu)造生成數(shù)據(jù)的函數(shù)以及繪圖的函數(shù)：

library(tidyr)    # 繪圖所需
library(ggplot2)  # 繪圖所需
# 生成數(shù)據(jù)
GenerateData <- function(a = 0, b = 0, seed = 2018) {
  set.seed(seed)
  z1 <- rnorm(100)
  z2 <- rnorm(100)
  z3 <- rnorm(100)
  y1 <- 1 + z1
  y2 <- 5 + 2 * z1 + z2
  u <- a * (y1 - 1) + b * (y2 - 5) + z3
  m2 <- 1 * (u < 0)
  y2_na <- y2
  y2_na[u < 0] <- NA
  # y2_na[as.logical(m2)] <- NA
  dat_comp <- data.frame(y1 = y1, y2 = y2)
  dat_incomp <- data.frame(y1 = y1, y2 = y2_na)
  dat_incomp <- na.omit(dat_incomp)
  return(list(dat_comp = dat_comp, dat_incomp = dat_incomp))
}
# 展現(xiàn)缺失出具與未缺失數(shù)據(jù)的分布情況
PlotTwoDistribution <- function(dat) {
  p1 <- dat_comp %>%
    gather(y1, y2, key = "var", value = "value") %>%
    ggplot(aes(x = value)) +
    geom_histogram(aes(fill = factor(var), y = ..density..),
                   alpha = 0.3, colour = 'black') +
    stat_density(geom = 'line', position = 'identity', size = 1.5,
                 aes(colour = factor(var))) +
    facet_wrap(~ var, ncol = 2) +
    labs(y = '直方圖與密度曲線', x = '值',
         title = '完整無缺失數(shù)據(jù)', fill = '變量') +
    theme(plot.title = element_text(hjust = 0.5)) +
    guides(color = FALSE)
  p2 <- dat_incomp %>%
    gather(y1, y2, key = "var", value = "value") %>%
    ggplot(aes(x = value)) +
    geom_histogram(aes(fill = factor(var), y = ..density..),
                   alpha = 0.3, colour = 'black') +
    stat_density(geom = 'line', position = 'identity', size = 1.5,
                 aes(colour = factor(var))) +
    facet_wrap(~ var, ncol = 2) +
    labs(y = '直方圖與密度曲線', x = '值',
         title = '有缺失數(shù)據(jù)', fill = '變量') +
    theme(plot.title = element_text(hjust = 0.5)) +
    guides(color = FALSE)
  return(list(p_comp = p1, p_incomp = p2))
}

下面考慮三種情況：

1. a = 0, b = 0

a) 生成數(shù)據(jù)并繪圖展示

# 生成數(shù)據(jù)并查看數(shù)據(jù)樣式
dat <- GenerateData(a = 0, b = 0)
dat_comp <- dat$dat_comp
dat_incomp <- dat$dat_incomp

head(dat_comp)
head(dat_incomp)

# 繪圖展示
p <- PlotTwoDistribution(dat)
p$p_comp
p$p_incomp

缺失數(shù)據(jù)與未缺失數(shù)據(jù)的分布如上圖所示?？梢园l(fā)現(xiàn)，對于完整數(shù)據(jù)與缺失數(shù)據(jù)之間的 Y1的分布與 Y2的分布與期望相差不大。并且在采用 a=0,b=0這種構(gòu)造時，從構(gòu)造的公式可以看出， Y2中樣本的缺失情況與 Y1,Y2兩者都無關(guān)（因為 Z 3 與 Y 1 , Y 2 均獨立），所以這種缺失機制是：MCAR。

b) 進行t檢驗

題設(shè)條件中說的是 Y1的均值,所以考慮完整數(shù)據(jù)與缺失數(shù)據(jù)（這里的缺失指的是若 Y2有缺失，Y1也會進行相應(yīng)地缺失處理）

t.test(dat_comp$y1, dat_incomp$y1)

這里進行t檢驗（其實不是非常嚴(yán)謹(jǐn)，因為不一定滿足正態(tài)假設(shè)），比較缺失與否 Y1的均值，這里p-value = 0.8334。在顯著性水平為0.05的前提下，并不能斷言有缺失與無缺失兩個Y1之間的均值有差異，也就是說其實MCAR, MAR, NMAR三種情況都有可能，并不能斷言哪種不可能發(fā)生。

2. a = 2, b = 0

a) 生成數(shù)據(jù)并繪圖展示

# 生成數(shù)據(jù)并查看數(shù)據(jù)樣式
dat <- GenerateData(a = 2, b = 0)
dat_comp <- dat$dat_comp
dat_incomp <- dat$dat_incomp

head(dat_comp)
head(dat_incomp)

# 繪圖展示
p <- PlotTwoDistribution(dat)
p$p_comp
p$p_incomp

缺失數(shù)據(jù)與未缺失數(shù)據(jù)的分布如上圖所示?？梢园l(fā)現(xiàn)，兩個數(shù)據(jù)的期望以及分布（無論 Y1還是 Y2），整體都有一定差異。在采用 a = 2 , b = 0 這種構(gòu)造時，從構(gòu)造的公式可以看出， Y2中樣本的缺失情況與 Y1有關(guān)，所以這種缺失機制是：MAR。

b) 進行t檢驗

t.test(dat_comp$y1, dat_incomp$y1)

3. a = 0, b = 2

a) 生成數(shù)據(jù)并繪圖展示

# 生成數(shù)據(jù)并查看數(shù)據(jù)樣式
dat <- GenerateData(a = 0, b = 2)
dat_comp <- dat$dat_comp
dat_incomp <- dat$dat_incomp

head(dat_comp)
head(dat_incomp)

# 繪圖展示
p <- PlotTwoDistribution(dat)
p$p_comp
p$p_incomp

缺失數(shù)據(jù)與未缺失數(shù)據(jù)的分布如上圖所示?？梢园l(fā)現(xiàn)與上一種情況一樣，兩個數(shù)據(jù)的期望以及分布（無論 Y1還是 Y2），整體都有一定差異。在采用 a = 0 , b = 2 這種構(gòu)造時，從構(gòu)造的公式可以看出，Y2中樣本的缺失情況與 Y2本身有關(guān)，所以這種缺失機制是：NMAR。

b) 進行t檢驗