應用填補方法在缺失資料處理上之因素分析研究

A study of Factor Analysis for Incomplete data through Imputation Methods

范家菱(JIA-LING, FAN)

指導教授 ： 王鴻龍

國立臺北大學/商學院/統計學系/碩士(2010年)

摘要

在許多調查研究中，資料收集的不完整性一直是個問題，在資料收集上常常可能因為人為的疏失、調查方法有誤或是受訪者不願意接受調查...等等的原因而導致缺失值(missing data)的產生，此時若不經處理而直接將缺失資料刪去，這樣可能將會流失掉一些重要的資訊，對原始資料的判斷可能也因此出現偏差，導致調查結果失真，此時勢必需要對不完整資料(Incomplete data)進行一些處理。

本研究資料將取自「台灣教育長期追蹤資料庫」 (Taiwan Education Panel Survey，簡稱TEPS) 之第二波高中、高職、五專學生樣本資料調查中，有關高中生基本資料與心理健康題之態度問項資料。針對在不同缺失比例資料之下，進行多種不同的處理方法，包含：整筆刪除(List-wise delete,LD)、使用可用資料(Available case,AC)、Logistic regression逐一填補法、馬可夫鍊-蒙地卡羅演算法(Markov Chain Monte Carlo method，MCMC)以及同時使用馬可夫鍊-蒙地卡羅演算法與Logistic regression法來進行填補...等等7種不同對於缺失值的處理方法進行比較，我們主要將進行因素分析(Factor analysis)，比較這些不同處理方法之下的特徵值(Eigenvalue)、因素負荷量(Factor loading)的表現。並且觀察在不同缺失比例資料之下、填補資訊的多寡之下，各種不同處理方法的的優劣。

關鍵字

不完整資料 ； 缺失值填補 ； 因素分析 ； 特徵值 ； 因素負荷量

並列摘要

無資料

並列關鍵字

Missing data ； Imputation method ； Factor analysis ； Eigenvalue ； Factor loading

參考文獻

王鴻龍,雷淑儀,姚偉哲 (2009).應用加權方法處理缺失資料之因素分析-以「台灣教育長期追蹤資料庫」之第二波高中、高職、五專學生樣本資料為例。發表於「調查研究方法與應用學術研討會」，中央研究院 調查專題 研究中心。

A.P. Dempster, N. M. Laird and D.B. Rubin.(1976). Maximum Likelihood from Incomplete Data via the EM Algorithm

Schafer, J. L., and Graham, J. W. (2002). Missing data: our view of the state of the art. Psychological Methods, 7(2), 147–177.

Schafer, J. L., and Olsen, Maren K(1998).Multiple imputation for multivariate missing-data problems: A data analyst’s perspective. Multivariate Behavioral Research, Vol. 33, No. 4. P 545-571

Zoubin Ghahramani Geoffrey E. Hinton. The EM Algorithm, for Mixtures of Factor Analysis.