缺失数据下一致性系数AC1不同处理方法的比较
李柯柯
徐利珊
于米铼
安胜利
南方医科大学公共卫生学院生物统计学系,广东 广州 510515
摘要：目的 通过模拟研究探讨不同缺失值处理方法对AC1系数(第一阶一致性系数)估计的影响,为实际应用提供参考.方法 使用Monte Carlo模拟生成不同缺失机制下的无序评价数据,模拟参数包括评价者数量、类别数量、样本量、疾病流行率、偶然评价率和缺失比例.比较删除零评价受试者法、删除非完整评价受试者法、评价者众数填补法和受试者众数填补法4种缺失值处理方法,以偏差(bias)和均方误差(MSE)作为评价指标.结果 在疾病流行率均衡或缺失机制为完全随机缺失(MCAR)/随机缺失(MAR)时,删除零评价受试者法表现最佳,在缺失比例低于30%时偏差和MSE近乎为0.而当流行率非均衡且存在非随机缺失(MNAR)时,受试者众数填补法更具优势,其偏差控制在±0.10以内,MSE保持在0.09以下,尤其在样本量充足且缺失比例不超过30%时MSE几乎为0.评价者众数填补法在所有场景中表现最差.删除非完整评价受试者法仅在2评价者2分类、低缺失比例且为MCAR/MAR时误差较小,其他场景下稳定性不足.结论 不存在一种普遍最优的缺失值处理方法.在流行率均衡或可假设数据缺失机制为MCAR和MAR时,推荐删除零评价受试者法;在流行率非均衡且怀疑存在MNAR时,推荐受试者众数填补法.此外,建议研究者同时汇报多种方法下的AC1系数估计值以评估结果敏感性.
关键词：一致性评价无序评价AC1系数缺失数据
资助基金：广东省基础与应用基础研究基金(2022A1515012152)
论文发表日期：2026-02-20
在线出版日期：2026-03-04（本平台首次上网日期，不代表文献的发表时间）
页数：7( 466-472 )
英文信息