我对 MCAR、MAR 和 MNAR (NMAR) 数据非常熟悉，但我刚刚遇到了一个新的（对我而言）术语：结构缺失数据 (SMD)。
根据此页面，结构性缺失数据是由于逻辑原因而缺失的数据。他们举了一个例子，他们问人们是否有孩子，然后他们问最小的孩子的年龄。有些人对第一个问题回答“否”，然后将第二个问题留空（因为没有孩子，所以没有年龄）。
但是这里有孩子和最小的年龄之间的关系。由于存在关系，这使得数据为 MAR。
所以，我的问题是，SMD 是 MAR 的一个子集，还是有它不是的原因？
结构性缺失数据是随机数据缺失的子集吗？
机器算法验证
t检验
缺失数据
数据插补
多重插补
2022-03-29 15:29:41
1个回答
不，我认为结构缺失数据是一个单独的类别，在分析中具有不同的处理方法。
它绝对不是随机丢失的。根据定义，它是非随机的，而是在逻辑上与不同变量的特定值相关联。让我们使用链接中示例的轻微修改版本：考虑变量Has_children?(yes/no) 和age_of_youngest_child. 如果一个人没有孩子，age_of_youngest_child则为undefined，而不是省略。的缺失值在age_of_youngest_child逻辑上与 中的特定值相关联Has_children?。
请注意，MAR 和 MCAR 经常通过多重插补来解决，而 Structurally Missing Data 则不能。
编辑（h/t 给 kjetil b halvorsen 以获取评论中的建议）：
至于如何分析这样的数据，关键是把嵌套变量作为交互项放入模型中，没有主效应。这在您如何处理回归模型中的“嵌套”变量？
其它你可能感兴趣的问题