閱讀提示

使用調(diào)查數(shù)據(jù)對政府和地方組織在城市研究和相關學科發(fā)展中起著至關重要的作用。但是，數(shù)據(jù)缺失對這項研究提出了艱巨的挑戰(zhàn)。本文旨在通過比較和評估三種常用的處理缺失數(shù)據(jù)的方法——刪除元組、單一插補和多重插補——來提高人們對城市研究中缺失數(shù)據(jù)的處理的認識，比較分析使用第二代綜合城市可持續(xù)性數(shù)據(jù)庫（ICSD）來說明這些方法的相對優(yōu)勢。結(jié)果表明，使用基于多重插補的數(shù)據(jù)缺失處理方法的好處是，它使用的理論和統(tǒng)計支持的一組預測變量可以開發(fā)出更完整的樣本。結(jié)果證實了ICSD在研究美國城市的環(huán)境與可持續(xù)性及其他政策方面的有用性。最后，文章對結(jié)果進行了討論，并為城市研究人員提供了一系列建議。

調(diào)查是收集統(tǒng)計分析所需數(shù)據(jù)的一種相對有效的方法。然而，數(shù)據(jù)缺失問題為以調(diào)查為基礎的研究帶來巨大挑戰(zhàn)，常常影響統(tǒng)計分析方法的選擇，甚至決定研究結(jié)果的可靠性。刪除元組是許多統(tǒng)計軟件默認的處理缺失值的方法。文章主要研究缺失值的不同處理方法對研究結(jié)果的影響，以尋求處理缺失值的適當方法，為使用調(diào)查數(shù)據(jù)的城市研究者提供參考。

（一）刪除元組

    將存在遺漏信息屬性值的對象（元組，記錄）刪除，從而得到一個完備的信息表。

（二）單一插補

1.平均值替代法

    將初始數(shù)據(jù)集中的屬性分為數(shù)值屬性和非數(shù)值屬性來分別進行處理。如果空值是數(shù)值型的，就根據(jù)該屬性在其他所有對象的取值的平均值來填充該缺失的屬性值；如果空值是非數(shù)值型的，就根據(jù)統(tǒng)計學中的眾數(shù)原理，用該屬性在其他所有對象的取值次數(shù)最多的值(即出現(xiàn)頻率最高的值)來補齊該缺失的屬性值。

2.回歸替代法

    首先需要選擇若干個預測缺失值的自變量，然后建立回歸方程估計缺失值，即用缺失數(shù)據(jù)的條件期望值對缺失值進行替換。

（三）多重插補

    首先，多重估算技術(shù)用一系列可能的值來替換每一個缺失值，以反映被替換的缺失數(shù)據(jù)的不確定性。然后，用標準的統(tǒng)計分析過程對多次替換后產(chǎn)生的若干個數(shù)據(jù)集進行分析。最后，把來自于各個數(shù)據(jù)集的統(tǒng)計結(jié)果進行綜合，得到總體參數(shù)的估計值。

ICSD包含了關于城市可持續(xù)項目的七個全國性調(diào)查結(jié)果，其中2825個城市至少完成了七項調(diào)查中的一項，但是許多城市并沒有完成所有七項調(diào)查，這意味著ICSD中包含了大量缺失值。

對ICSD缺失值的處理：

（一）回歸替代法

（二）多重插補

使用ICSD調(diào)查數(shù)據(jù)，檢驗處理缺失值三種方法（刪除元組、均值替代、多重插補）的相對表現(xiàn)，實證分析了地方可持續(xù)行為的影響因子。

（一）因變量：

      城市環(huán)境可持續(xù)發(fā)展相關政策與行動數(shù)量的累加指數(shù)（能源、運輸、廢物處理）

（二）自變量：

       ①城市參與可持續(xù)的動機（節(jié)能、建立可持續(xù)共同體的愿望、外部公共壓力）

       ②城市參與可持續(xù)的障礙（能力不足，信息資源匱乏，缺乏政治意愿）

（三）控制變量：

    人口密度、人均收入、政府形式、國際地方環(huán)境倡議委員會成員、少數(shù)民族居民百分比、居民受教育程度

（一）刪除元組

      樣本量由683減少到111。結(jié)果表明，只有“國際地方環(huán)境倡議委員會成員”這一變量顯著。這表明樣本量急劇減少和由此產(chǎn)生的潛在偏差可能導致產(chǎn)生與實施政策的動機和障礙有關的空白結(jié)果。

（二）平均值替代法

     樣本量由683減少到325，回歸結(jié)果比“刪除元組”要好。這說明，“刪除元組”可能導致一些結(jié)果不顯著。但是，由于“平均值替代法”低估了標準差，可能導致變量之間的關系不真實。

（三）多重插補

       樣本量不變，建立可持續(xù)共同體的意愿顯著，與政策指數(shù)密切相關。

三種處理數(shù)據(jù)缺失方法的利弊：

      刪除元組：導致樣本量減少、一些變量不顯著，帶來選擇偏差，限于完全隨機缺失。

       平均值替代：低估標準誤，導致結(jié)果被高估。

      多重插補：盡管更復雜，但不減少樣本量，偏差小，適用于完全隨機缺失和隨機缺失。但不報告標準的描述性統(tǒng)計（比如：變量均值、擬合優(yōu)度等）。

    文章認為，“刪除元組、平均值替代、多重插補”是處理數(shù)據(jù)缺失問題的常用方法，每種方法各有利弊。實際上，選擇何種方法解決數(shù)據(jù)缺失問題應由缺失值的類型決定。