MPLUS结构方程模型应用:[15]多重插补缺失值
1、多重插补的方法假设在数据随机缺失的情况下,用两个或更多能够反映数据本身概率分布的值来填补缺失值的方法。一个完整的多重填补法包括三步:数据填补,计算和汇总。数据填补是关键一步。
2、下面是第一步插补的语句
title: this is the 4EF multiple imputation first step;
data: file is ptsdmplus文件1.txt;
variable: name are ID EF1_1-EF1_8 ;!定义变量名称
USEVARIABLES= EF1_1-EF1_8 ;!定义需要插补的变量
MISSING=ALL(999);!定义插补的缺失值
CATEGORICAL= EF1_1-EF1_8 ;!定义分类变量(假如是连续变量就不需要进行设定
data imputation:!这一步是生成插补数据
impute= EF1_1-EF1_8(c);!在分类数据后加上(c)
ndatasets=50;!设置插补的次数,默认为5次
save=pstdIMP*.dat;!设置插补后的50个数据集保存文件名,“*”将被数值替代。
analysis: type=basic;
bseed=79566;
chains=1;
3、第二步使用第一步插补的数据集估计并输出汇总结果。
title: this is the MI second step:
data: file is pstdIMPlist.dat;!将上面差生的数据文件名的*号改成list
type=imputation;
variable: name are EF1_1-EF1_8 ;!这个时候是对插补后的数据进行分析,那么就没有ID变量了,此处应注意
CATEGORICAL= EF1_1-EF1_8 ;
analysis:estimator=WLSMV;!对于分类的数据我们采用稳健最大二乘法进行估计,假如是连续型的数据,则无需定义,直接默认为ML就行
INFORMATION=OBSERVED;!标准误基于观测信息矩阵;
MODEL:EF1 BY EF1_1-EF1_8*;
EF2 BY EF2_1-EF2_3*;
EF3 BY EF3_3-EF3_5*;
EF4 BY EF4_1-EF4_4*;
EF1-EF4@1;
OUTPUT: STANDARDIZED;