본문 바로가기
KERD
논문KCI 등재

종단자료 결측치의 대체방법 비교

A Comparison of Imputation Methods for Incomplete Longitudinal Data

김현철|양수경
한국교육개발원 (KEDI)|2009.04|한국교육 (THE JOURNAL OF KOREAN EDUCATION)|제36권 제1호|pp. 165-190|DOI 10.22804/jke.2009.36.1.008

1

조회

0

다운로드

8

인용

0

참고문헌

키워드

longitudinal studymissing data종단자료imputation method결측값대체방법
주제분류교육학

초록

이 연구에서는 한국교육고용패널(KEEP) 자료의 기준년도 자료와 1차, 2차, 3차 추수조사 자료를 이용하여 결측치에 대한 대체방법들이 연속형과 순서형, 이분형 등 세 가지 종속변수별로 비교되었다. 비교된 대체방법들은 이월대체, 집단내 평균대체, 집단내 확률대체, 회귀대체, 확률 회귀대체, 순차적 평균대체 등의 여섯 가지 단일대체 방법들과 집단내 확률대체, 확률 회귀대체, 순차적 평균대체, PROC MI 등의 네 가지 다중대체 방법들이었으며, 비교의 결과는 종속변수의 특징에 관계없이 PROC MI와 Paik(1997)의 순차적 평균대체를 사용하는 다중대체 방법이 다른 방법들보다 효과적이었다. PROC MI는 순서형 변수와 이분형 변수의 임의 결측유형에서는 사용할 수 없기 때문에 Paik(1997)의 순차적 평균대체를 이용한 다중대체 방법이 대부분의 실험조건에서 전반적으로 효과적인 대체결과를 가지는 것으로 나타났다.

Abstract

This paper compared the Complete Case analysis (CC) method with 10 different imputation methods: the last observation carried forward imputation, the within-class mean imputation, the within-class random imputation, the regression imputation, the stochastic regression imputation, the sequential mean imputation and 4 multiple imputation methods, the within-class random multiple imputation, the stochastic regression multiple imputation, the sequential mean multiple imputation, and PROC MI (SAS procedure). We not only introduced the theoretical principles for each method, but also compared the performance of each method using data generated from the Korean Education and Employment Panel (KEEP) data for continuous, ordinal, and binary outcome variables. When the outcome variable was continuous, the PROC MI method performed better than the other methods based on the bias of population mean estimate and coverage probability. When the outcome variables were ordinal or binary, Paik's (1997) Seq_MI method performed better than the other methods. The results of this research showed that Paik's method, intended to be used under monotone missing pattern conditions, performed well even under arbitrary missing pattern conditions.

참고문헌 (43)

  1. 강민아, "행정학 및 정책학 조사연구에서 결측치 발생과 처리 방법에 대한 고찰", 한국행정학보, 40(2), pp.31~52 (2006), 한국행정학회
  2. 김규성, "무응답 대체방법과 대체효과", 조사연구, 1(2), pp.1~19 (2000)
  3. 김덕준, "행정조사분석에서의 결측치 처리방법: NORM을 활용한 다중대체방법을 중심으로", 현대사회와 행정, 17(1), pp.107~128 (2007), 한국국정관리학회
  4. 김진, "농가경제조사에 대한 대체법 비교", 통계연구, 9(2), pp.133~145 (2004), 통계청
  5. 신형원, "범주형 자료의 결측치 추정방법 성능 비교", 응용통계연구, 15(1), pp.4~44 (2002), 한국통계학회
  6. 심정숙, "한국복지패널에서 패널무응답 대체방법 연구", 제1회 한국복지패널 학술대회 논문집, pp.480~493 (2008)
  7. 한국교육종단연구의 표본설계 자료의 질관리 및 분석방안 연구, "이규민", 한국교육개발원, ~ (2007)
  8. Allison,P.D, "Estimation of Linear Models with Incomplete Data,In Sociological Methodology", pp.71~103 (1987)
  9. Allison,P.D, "Missing Data,Sage University Paper Series on Quantitative Applications inthe Social Sciences", pp.7~136 (2002), Sage Publications.
  10. Ambler,G.,, "A comparison of imputation techniques for handling missingpredictor values in a risk model with a binary outcomes", Statistical Methods in MedicalResearch, 16, pp.277~298 (2007)
  11. Bokossa,M.C., "Imputation of test scores in the National Education Longitudinal Study of 1988, U.S. Department of Education, National Center of Education Statistics" (2001), Government Printing Office
  12. Breiman,L, "Classification and regression tree, Monterey" (1984), Wadsworth and Brooks
  13. Croninger,R.G, "Missing data and institutional research", New Directions for Institutional Research, 127, pp.33~48 (2005)
  14. Davey,A, "Correcting for selective nonresponse in the National Longitudinal Survey of Youth using multiple imputation,", The Journal of Human Resources, 36(3), pp.500~519 (2000)
  15. Demirtas,H, "Modeling incomplete longitudinal data", Journal of Modern Applied Statistical Methods, 3, pp.305~321 (2004)
  16. Diggle,P.J, "Analysis of Longitudinal Data,2nd edition," (2002), Oxford University Press
  17. Engels,J.M, "Imputation of missing longitudinal data:a comparison of methods,", Journal of Clinical Epidemiology, 56, pp.968~976 (2003)
  18. Fichman,M., "Multiple Imputation for Missing Data:Making the most of What You Know,", Organizational Research Methods, 6(3), pp.282~308 (2003)
  19. Gornbein,J.A, "Incomplete data in repeated measures analysis,", Statistical Methods in Medical Research, 1, pp.275~295 (1992)
  20. Hedeker,D, "Longitudinal Data Analysis" (2005), John Wiley and Sons
  21. Hogan,J.W., "Model-based approaches to analysing incomplete longitudinal and failure time data", Statistics in Medicine, 16, pp.239~258 (1997)
  22. Hogan,J.W, "Handling drop-out in longitudinal studies", Statistics in Medicine, 23, pp.1455~1497 (2004)
  23. Hu,M, "A study of Imputation Algorithms", Department of Education Office of Educational Research and Improvement National Center for EducationStatistics., ~ (2001)
  24. Hu, M., "Evaluation of Some Popular ImputationAlgorithms, Proceeding of the Survey Research Methods Section", Journal of the American Statistical Association, pp.308~313 (1998)
  25. 강신수, "Comparison of Five Single Imputation Methods in General Missing Pattern", 한국데이터정보과학회지, 15(4), pp.945~955 (2004), 한국데이터정보과학회
  26. 강신수, "Comparison of EM and Multiple Imputation Methods with Traditional Methods in Monotone Missing Pattern", 한국데이터정보과학회지, 16(1), pp.95~106 (2005), 한국데이터정보과학회
  27. Kalton,G., "The treatment of missing survey data,", Survey Methodology, 12, pp.1~16 (1986)
  28. Little,R.J.A, "Modeling the dropout mechanism in repeated measures studies", Journal of the American Statistical Association, 90, pp.1112~11121 (1995)
  29. Little,R.J.A.,, "Statistical Analysis with Missing Data,2nd edition" (2002), Wiley
  30. Molenberghs, G, "Analyzing incomplete longitudinal clinical trial data", Biostatistics, 5(3), pp.445~464 (2004)
  31. Paik,M.C, "The Generalized estimating equation approach when data are not missing completely at random", Journal of the American Statistical Association, 92, pp.1320~1329 (1997)
  32. Peugh,J.L.,, "Missing data in Educational Research: A review of reporting practices and suggestions for improvement", Review of Education Research, 74(4), pp.525~556 (2004)
  33. Pigott,T.D, "A review of methods for missing data", Educational Research and Evaluation, 7(4), pp.353~383 (2001)
  34. Rubin,D.B, "Inference and missing data", Biomerika, 63, pp.581~592 (1976)
  35. Rubin,D.B, "Multiple Imputation for Nonresponse in Surveys," (1987), John Wiley and Sons
  36. SAS Institute Inc, "SAS", STAT Software,Version, 2003
  37. Saunders,J.A., "Imputing Missing Data: A comparison of Methods for social Work Researchers", Social Work Research, 30(1), pp.19~31 (2006)
  38. Schafer,J.L, "Multiple imputation:a primer,", Statistical Methods in Medical Research, 8, pp.3~15 (1999)
  39. Schafer,J.L, "Missing data:Our view of the State of the Art", Psychological Methods, 7(2), pp.147~177 (2002)
  40. 신택수, "잠재성장 모델 하에서 다양한 결측치 분석 기법 비교", 교육평가연구, 19(3), pp.193~214 (2006), 한국교육평가학회
  41. Twisk,J, "Attrition in longitudinal studies: How to deal with missing data", Journal of Clinical Epidemiology, 55(4), pp.329~337 (2002)
  42. Winglee,M, "Handling item nonresponse in the U.S.Component of the IEA Reading Literacy Study", Journal of Eduational and Behavioral Statistics, 26(3), pp.343~359 (2001)
  43. Yang,S, "comparison of imputation methods for incomplete longitudinal data", 박사, pp.2008

관련 논문AI추천

여과 질문을 포함하는 설문조사의 항목무응답 대체방법 적용사례: 국민노후보장패널 자료를 이용하여안형진, 지희정한국보건의료기술평가학회 · 보건의료기술평가2016 · 제4권 제2호범주형 자료의 결측치 처리 방법김덕준한국비교정부학회 · 한국비교정부학보2011 · 제15권 제2호기계학습방법을 이용한 순서형 결측자료 대체의 성능비교손세림, 안형진한국보건정보통계학회 · 보건정보통계학회지2022 · 제47권 제3호농가경제조사에 대한 대체법 비교김진국가데이터연구원 · 통계연구2004 · 제9권 제2호미세먼지 자료에서의 결측치 대체 방법 비교김연진, 박헌진사)한국빅데이터학회 · 한국빅데이터학회 학회지2019 · 제4권 제2호공분산 구조모형의 적합도 평가에 있어서 결측치 처리 방법 비교: 완전정보최대우도, 다중대체, 베이지안 접근법을 중심으로이태헌한국심리학회 · 한국심리학회지:일반2014 · 제33권 제2호

이 간행물의 다른 논문 (9건)

‘지각된’ 수업 특성이 중학생의 수학 성적 향상에 미치는 영향김기석, 박성호pp. 3-21영재 부모의 양육경험에 대한 현상학적 연구김혜진, 김옥분pp. 23-44형평성의 관점에서 평가한 미국의 협약학교김영화pp. 45-72OECD 원조효과성 논의와 한국 교육ODA의 과제정봉근pp. 73-94교사헌신의 영향 요인에 대한 탐색적 연구정광희, 박상완, 김병찬pp. 95-123
원문 보기