本周我正和一位朋友讨论如何在结构方程模型（SEM）软件中处理具有缺失值的协变量。我的朋友认为某些包中某些SEM的实现能够使用所谓的“完全信息最大可能性”自动适应协变量中的缺失。在下文中，我将描述我后来探索Stata的sem命令如何处理协变量中的缺失。
为了研究如何处理丢失的协变量，我将考虑最简单的情况，其中我们有一个结果Y和一个协变量X，Y遵循给定X的简单线性回归模型。首先我们将模拟一个大数据集，所以我们知道真正的参数值：
gen x = rnormal（） gen y = x + rnormal（）
need-to-insert-img
这里真正的截距参数为0，真实斜率参数为1.残差误差为方差1。接下来，让我们设置一些缺少的协变量值。为此，我们将使用缺失机制，其中缺失的概率取决于（完全观察到的）结果Y.这意味着缺失机制将满足所谓的随机假设缺失。具体来说，我们将根据逻辑回归模型计算观察X的概率，其中Y作为唯一的协变量进入：
gen rxb = -2 + 2 * y gen r =（runiform（）
need-to-insert-img
现在我们可以应用Stata的sem命令来适应SEM：
分享：
网友评论