[논문 리뷰] Efficiency Gains from Using Auxiliary Variables in Imputation

Paul von Hippel, Jamie Lynch|arXiv (Cornell University)|2013. 11. 20.

Statistical Methods and Bayesian Inference인용 수 14

한 줄 요약

이 논문은 주요 분석에 포함되지 않지만 결손 데이터를 예측할 수 있는 보조 변수를 통합함으로써 다중 착수(imputation)에서 추정 효율성이 크게 향상됨을 보여준다. 시뮬레이션과 실제 데이터를 사용하여, 저자들은 결손 데이터가 광범위하고 추정치가 통계적 유의성 기준에 가까운 경우, 표본 크기를 최대 75% 증가시킨 것과 동일한 효율성 향상을 입증한다.

ABSTRACT

Imputation models sometimes use auxiliary variables that, though not part of the planned analysis, can improve the accuracy of imputed values and the efficiency of point estimates. A recent article, using evidence from simulations, argued that the use of auxiliary variables in imputation did not improve efficiency. We review the simulation results and find that the use of auxiliary variables did improve efficiency; under some conditions the efficiency gain was equivalent to increasing the sample size by a quarter. We give an example from our own research where the efficiency gained from auxiliary variables was equivalent to increasing the sample size by three quarters, and pushed some estimates from statistical insignificance to significance. For auxiliary variables to make a difference, there must be a lot of missing data, some estimates must be near the border of significance, and the auxiliary variables must be excellent predictors of the missing values.

연구 동기 및 목표

• 보조 변수가 착수에서 효율성 향상 기여가 없다는 주장을 도전하기 위해.
• 다중 착수에서 보조 변수가 추정 정밀도를 어떻게 크게 향상시키는지 조건을 조사하기 위해.
• 현실적인 결손 데이터 상황에서 보조 변수 사용으로 인한 효율성 향상의 정도를 정량화하기 위해.
• 보조 변수가 실증 연구에서 통계적 유의성에 미치는 실질적 영향을 보여주기 위해.
• 결손 데이터가 상당할 경우 보조 변수가 통계적으로 유의하지 않은 추정치를 유의미하게 바꿀 수 있음을 입증하기 위해.

제안 방법

• 이전 연구에서 보조 변수가 효율성 향상에 기여하지 않는다고 주장한 시뮬레이션 데이터를 재분석하였다.
• 보조 변수 유무에 따라 점 추정치의 분산을 비교하여 효율성 향상을 평가하였다.
• 결손 값과 관련된 상관관계가 있는 보조 변수를 사용한 다중 착수를 수행하고, 추정된 회귀계수의 정밀도를 평가하는 방법을 사용하였다.
• 보조 변수가 통계적 유의성에 미치는 실질적 영향을 설명하기 위해 저자들이 자체 연구에서 확보한 실제 데이터를 사용하였다.
• 효율성 향상을 표본 크기 증가와 동일시하여 정량화하였으며, 공식을 사용하였다: 유효 표본 크기 증가 = (보조 변수 없이 분산 / 보조 변수 있음 분산) - 1.
• 결손 데이터가 많고 p-값이 경계선에 가까운 경우에 집중 분석을 수행하였으며, 이 경우 보조 변수가 결과를 비유의성에서 유의성으로 전환시킬 수 있었다.

실험 결과

연구 질문

• RQ1 착수 모델에 보조 변수를 포함시키면 추정의 효율성이 측정 가능한 수준으로 향상되는가?
• RQ2 보조 변수의 효율성 향상 효과가 가장 두드러지는 조건은 무엇인가?
• RQ3 보조 변수로 인한 정밀도 향상으로 인해 통계적으로 유의하지 않은 추정치가 유의미한 것으로 바뀔 수 있는가?
• RQ4 보조 변수로 얻는 효율성 향상은 실제 표본 크기 증가와 비교해 어떻게 다른가?
• RQ5 보조 변수의 결손 데이터 예측 능력이 효율성 향상 정도에 미치는 영향은 무엇인가?

주요 결과

• 착수에 보조 변수를 사용함으로써 추정 효율성이 뚜렷이 향상되었으며, 이는 이전의 이점이 없다는 주장을 반박한다.
• 일부 시뮬레이션 상황에서 효율성 향상은 표본 크기를 25% 증가시킨 것과 동일했다.
• 실제 데이터 사례에서는 보조 변수로 인한 효율성 향상이 표본 크기 75% 증가와 동일한 효과를 가졌다.
• 결손 데이터가 광범위하고 추정치가 통계적 유의성 기준에 가까운 경우에 가장 큰 향상이 발생했다.
• 결손 값에 강력한 예측력을 지닌 보조 변수일수록 가장 큰 효율성 향상을 가져왔다.
• 한 사례에서는 보조 변수 포함으로 인해 통계적으로 유의하지 않은 추정치(p > 0.05)가 유의미한 것으로 전환되었으며(p < 0.05), 실질적 영향을 입증하였다.