Missing data in bioarchaeology II: A test of ordinal and continuous data imputation.
Missing data in bioarchaeology II: A test of ordinal and continuous data imputation.
复制标题
DOI：
10.1002/ajpa.24614
复制
发表时间：
2022-11
期刊：
影响因子：
--
通讯作者：
Buikstra, Jane E.
中科院分区：
文献类型：
--
作者：
Wissler, Amanda;Blevins, Kelly E.;Buikstra, Jane E.
之前的研究表明，尽管丢失数据在生物考古研究中很常见，但很少使用统计上严格的方法来处理这些数据。这篇文章的主要目的是评估补偿管理丢失数据的能力，并鼓励在生物考古学和古病理学中使用先进的统计方法。概述了生物人类学中的缺失数据管理，并测试了处理缺失数据的补偿和删除方法。缺失数据是在有序(n=287)和连续(n=369)生物考古数据的完整数据集上模拟的。与成对删除和列表删除相比，使用五种补偿方法(均值、预测均值匹配、随机森林、期望最大化和随机回归)以及每种方法在获得原始数据集的参数时的成功程度来估计缺失值。在所有情况下，列表删除在近似原始参数时最不成功。对连续数据的推算比对顺序数据的推算更有效。总体而言，没有一种方法表现得最好，丢失数据的数量被证明是预测推算成功的更强指标。这些发现支持使用补偿方法而不是删除来处理丢失的生物考古和古病理学数据，特别是在数据连续的情况下。虽然删除方法减少了样本大小，但补偿保持了样本大小，提高了统计能力，防止了偏差被引入到数据集中。
Previous research has shown that while missing data are common in bioarchaeological studies, they are seldom handled using statistically rigorous methods. The primary objective of this article is to evaluate the ability of imputation to manage missing data and encourage the use of advanced statistical methods in bioarchaeology and paleopathology. An overview of missing data management in biological anthropology is provided, followed by a test of imputation and deletion methods for handling missing data. Missing data were simulated on complete datasets of ordinal (n = 287) and continuous (n = 369) bioarchaeological data. Missing values were imputed using five imputation methods (mean, predictive mean matching, random forest, expectation maximization, and stochastic regression) and the success of each at obtaining the parameters of the original dataset compared with pairwise and listwise deletion. In all instances, listwise deletion was least successful at approximating the original parameters. Imputation of continuous data was more effective than ordinal data. Overall, no one method performed best and the amount of missing data proved a stronger predictor of imputation success. These findings support the use of imputation methods over deletion for handling missing bioarchaeological and paleopathology data, especially when the data are continuous. Whereas deletion methods reduce sample size, imputation maintains sample size, improving statistical power and preventing bias from being introduced into the dataset.
登录
查看更多内容
影响因子：
16.6
作者：
Divíšek J;Chytrý M;Beckage B;Gotelli NJ;Lososová Z;Pyšek P;Richardson DM;Molofsky J
通讯作者：
Molofsky J
影响因子：
4.5
作者：
通讯作者：
--
影响因子：
9.8
作者：
Browning, Brian L.;Zhou, Ying;Browning, Sharon R.
通讯作者：
Browning, Sharon R.
影响因子：
5
作者：
Baraldi, Amanda N.;Enders, Craig K.
通讯作者：
Enders, Craig K.
DOI：
10.1080/03610910701418424
发表时间：
2007-01-01
影响因子：
0.9
作者：
Demirtas, Hakan
通讯作者：
Demirtas, Hakan