31、CHAID方法：填补缺失值的有效途径

CHAID方法：填补缺失值的有效途径

1. 缺失值填补方法概述

在处理数据时，缺失值是一个常见的问题。填补缺失值的方法有多种，各有优缺点。

1.1 现有方法及特点

• CHAID方法 ：使用简单，无需丢弃案例，但当有大量含缺失数据的变量时，分析可能变得难以处理。而且，用零填补缺失值具有随意性，这让一些数据分析师感到不安。
• 均值填补法 ：这是最简单且最常用的填补方法，用感兴趣变量的非缺失值的均值来填补缺失数据。例如，对于某些个体的年龄缺失值，可以用文件中年龄的均值（如40岁，四舍五入自39.6）来替代。该方法的优点是使用方便，可在由与研究相关的其他变量预定义的类别内进行均值计算。
• 基于回归的填补法 ：用回归分析的预测值替换缺失值。因变量Y是需要填补缺失值的变量，预测变量X是匹配变量。如果Y是连续变量，普通最小二乘法（OLS）回归适用；如果Y是分类变量，则使用逻辑回归模型（LRM）。例如，要为某个体的年龄进行填补，可基于完整案例数据集对年龄与性别和收入进行回归分析，得到回归方程 AGE_imputed = 25.8 - 20.5*GENDER + 0.0002*INCOME ，代入该个体的性别和收入值，可得到填补后的年龄。

1.2 缺失数据假设

缺失数据方法假定缺失数据是随机缺失（MAR）的，Rubin将其形式化为两个单独的假设：
1. 随机缺失（MAR） ：缺失的内容不依赖于