題目
解答
由于題目要求需要重復三次類似的操作，故首先載入所需要的包，構造生成數據的函數以及繪圖的函數：
library(tidyr) # 繪圖所需
library(ggplot2) # 繪圖所需
# 生成數據
GenerateData <- function(a = 0, b = 0, seed = 2018) {
set.seed(seed)
z1 <- rnorm(100)
z2 <- rnorm(100)
z3 <- rnorm(100)
y1 <- 1 + z1
y2 <- 5 + 2 * z1 + z2
u <- a * (y1 - 1) + b * (y2 - 5) + z3
m2 <- 1 * (u < 0)
y2_na <- y2
y2_na[u < 0] <- NA
# y2_na[as.logical(m2)] <- NA
dat_comp <- data.frame(y1 = y1, y2 = y2)
dat_incomp <- data.frame(y1 = y1, y2 = y2_na)
dat_incomp <- na.omit(dat_incomp)
return(list(dat_comp = dat_comp, dat_incomp = dat_incomp))
}
# 展現缺失出具與未缺失數據的分布情況
PlotTwoDistribution <- function(dat) {
p1 <- dat_comp %>%
gather(y1, y2, key = "var", value = "value") %>%
ggplot(aes(x = value)) +
geom_histogram(aes(fill = factor(var), y = ..density..),
alpha = 0.3, colour = 'black') +
stat_density(geom = 'line', position = 'identity', size = 1.5,
aes(colour = factor(var))) +
facet_wrap(~ var, ncol = 2) +
labs(y = '直方圖與密度曲線', x = '值',
theme(plot.title = element_text(hjust = 0.5)) +
guides(color = FALSE)
p2 <- dat_incomp %>%
gather(y1, y2, key = "var", value = "value") %>%
ggplot(aes(x = value)) +
geom_histogram(aes(fill = factor(var), y = ..density..),
alpha = 0.3, colour = 'black') +
stat_density(geom = 'line', position = 'identity', size = 1.5,
aes(colour = factor(var))) +
facet_wrap(~ var, ncol = 2) +
labs(y = '直方圖與密度曲線', x = '值',
theme(plot.title = element_text(hjust = 0.5)) +
guides(color = FALSE)
return(list(p_comp = p1, p_incomp = p2))
}
下面考慮三種情況：
1. a = 0, b = 0
a) 生成數據并繪圖展示
# 生成數據并查看數據樣式 dat <- GenerateData(a = 0, b = 0) dat_comp <- dat$dat_comp dat_incomp <- dat$dat_incomp head(dat_comp) head(dat_incomp)
# 繪圖展示 p <- PlotTwoDistribution(dat) p$p_comp p$p_incomp
缺失數據與未缺失數據的分布如上圖所示。可以發現，對于完整數據與缺失數據之間的 Y1?的分布與 Y2?的分布與期望相差不大。并且在采用 a=0,b=0這種構造時，從構造的公式可以看出， Y2?中樣本的缺失情況與 Y1?,Y2?兩者都無關（因為 Z 3 與 Y 1 , Y 2 均獨立），所以這種缺失機制是：MCAR。
b) 進行t檢驗
題設條件中說的是Y1?的均值,所以考慮完整數據與缺失數據（這里的缺失指的是若 Y2?有缺失，Y1?也會進行相應地缺失處理）
t.test(dat_comp$y1, dat_incomp$y1)
這里進行t檢驗（其實不是非常嚴謹，因為不一定滿足正態假設），比較缺失與否 Y1?的均值，這里p-value = 0.8334。在顯著性水平為0.05的前提下，并不能斷言有缺失與無缺失兩個Y1?之間的均值有差異，也就是說其實MCAR, MAR, NMAR三種情況都有可能，并不能斷言哪種不可能發生。
2. a = 2, b = 0
a) 生成數據并繪圖展示
# 生成數據并查看數據樣式 dat <- GenerateData(a = 2, b = 0) dat_comp <- dat$dat_comp dat_incomp <- dat$dat_incomp head(dat_comp) head(dat_incomp)
# 繪圖展示 p <- PlotTwoDistribution(dat) p$p_comp p$p_incomp
缺失數據與未缺失數據的分布如上圖所示。可以發現，兩個數據的期望以及分布（無論 Y1?還是 Y2?），整體都有一定差異。在采用 a = 2 , b = 0 這種構造時，從構造的公式可以看出， Y2?中樣本的缺失情況與 Y1?有關，所以這種缺失機制是：MAR。
b) 進行t檢驗
t.test(dat_comp$y1, dat_incomp$y1)
3. a = 0, b = 2
a) 生成數據并繪圖展示
# 生成數據并查看數據樣式 dat <- GenerateData(a = 0, b = 2) dat_comp <- dat$dat_comp dat_incomp <- dat$dat_incomp head(dat_comp) head(dat_incomp)
# 繪圖展示 p <- PlotTwoDistribution(dat) p$p_comp p$p_incomp
缺失數據與未缺失數據的分布如上圖所示。可以發現與上一種情況一樣，兩個數據的期望以及分布（無論 Y1?還是 Y2?），整體都有一定差異。在采用 a = 0 , b = 2 這種構造時，從構造的公式可以看出，Y2?中樣本的缺失情況與 Y2?本身有關，所以這種缺失機制是：NMAR。
b) 進行t檢驗
t.test(dat_comp$y1, dat_incomp$y1)
以上就是R語言刷題檢驗數據缺失類型過程詳解的詳細內容，更多關于R語言檢驗數據缺失類型的資料請關注服務器之家其它相關文章！
原文鏈接：https://kanny.blog.csdn.net/article/details/82814292
