追踪数据的损耗偏误调整 | Stata

发表于： 分类于：
字数： 2027 阅读：≈ 5分钟 浏览：
Kocar, S. (2020). Attrition. In P. Atkinson, S. Delamont, A. Cernat, J.W. Sakshaug, & R.A. Williams (Eds.), SAGE Research Methods Foundations. https://www.doi.org/10.4135/9781526421036926973
  • 损耗（attrition）
    • 指研究中的数据丢失（loss），又称为数据损耗（data attrition）
    • 主要出现在纵观研究、队列研究和面板研究中，又称为面板损耗（penal attrition）
    • 包括单位无响应（unit-nonresponse）和项目无响应（item-nonresponse）
    • 在纵观调查中，面板损耗主要是单位无响应，而且通常是永久性无响应
      • 被调查者退出研究
      • 难以追踪到：流动人口
      • 由于疾病或死亡无法继续参与调查
    • 减少损耗的办法
      • 提供奖励
      • 面板管理：与跟踪样本成员保持联系
      • 优化调查设计、问卷设计和数据收集频率
  • 损耗带来的问题
    • 导致样本量的累积减少，导致统计检定力下降，进而导致损耗偏误（attrition bias）
    • 损耗偏误可能与人口学、社会经济学、心理学、态度、行为或者其他特征相关联
    • 随机损耗只会降低样本的效率（efficiency），非随机损耗会在估计中引入额外的偏误
  • 量化评估样本损耗
    • Peter Lynn（2005）:面板调查的响应率
      • RR是响应率，R是该轮调查中的单位响应，E是单位样本合格
      • 条件响应率（conditional response rate）
      • Rjn是第j轮的单位响应，Rin是第i轮的单位响应，Ejn是第j轮的单位资格
      • 损耗率为1-RR
    • Charles DiSogra 和 Mario Callegaro (2016)提出计算面板设计的损耗率
      • Rbase是第1轮的响应者人数，Rwt是时点t的响应者人数，该公式可以计算第一轮和后续轮次之间的累积损耗率
      • 连续损耗率则可计算为
      • Rwt是特定轮次中的响应人数，Rwt+1是下一轮次中的响应者人数。
  • 样本损耗的事后调整
    • 考虑单位退出概率的面板数据加权
      • 为提高估计的准确度，要为加权模型选择正确的变量
      • Vandecasteele, L., & Debels, A. (2007). Attrition in panel data: The effectiveness of weighting. European Sociological Review, 23(1), 81–97.
    • Heckman两步法
      • 计算损耗的发生概率，创建可以纠正偏差的系数 λ (Miller & Wright，1995)
      • Miller, R. B., & Wright, D. W. (1995). Detecting and correcting attrition bias in longitudinal family research. Journal of Marriage and the Family, 57(4), 921–929.

Salkind, N. J. (2007). Attrition Bias, Encyclopedia of measurement and statistics (Vols. 1-0). Thousand Oaks, CA: Sage Publications, Inc. doi: 10.4135/9781412952644
  • 损耗偏误
    • 在追踪调查中，当退出研究的人与留在研究中的人有系统性差异，那么原始样本的损耗就是一种潜在的损耗偏误威胁
  • 损耗偏误的两种造成研究偏误的方式
    • 损耗偏误会影响研究的外部信度，如果某些群体频繁地退出研究，那么随后的纵向样本不再像研究中的原始样本，剩余的样本对于取样的原始总体是不可推广的
    • 系统性损耗会改变原研究中变量之间的相关性，从而对研究的内部效度产生负面影响。当子样本以较高速率退出研究，在纵向样本中的代表性不足，可能导致变量之间的相关性不同于原始样本中的真实相关性
  • 检测损耗偏差（detecting attrition bias）
    • 过早退出研究中的人（droppers）和留在样本中的人（stayers）之间的差异可以通过logistic回归模型来评估
      • 因为两组都参加了第一轮调查，第一轮数据信息可以构造自变量
        • 人口学变量：种族、收入、年龄、教育程度
        • 研究中的实质性变量：抑郁症、药物滥用或婚姻质量
      • 因变量是是否在第二轮调查中损耗
    • 损耗偏误对内部效度的威胁可以通过比较整个样本（overall sample）和追踪样本（longitudial sample）中第一轮的相关矩阵（correlation matrices）来测试
      • 第一种方法
        • 计算整个样本中年龄与抑郁症之间的相关系数
        • 计算追踪样本中年龄与抑郁症之间的相关系数
        • 用Fisher's Statistical Test来检验两个系数之间是否存在显著差异（损耗改变了变量之间的相关性）
      • 第二种方法
        • 构建结构方程模型，检验两个相关矩阵之间是否不相关
  • 对损耗偏误的纠正（correcting attrition bias）
    • 已知损耗机制时的数据纠正
      • 建立一个同时计算研究问题和缺失数据机制的模型
        • 第一个模型是解决研究问题的回归模型，通过对研究问题中的关键自变量和因变量进行回归
        • 第二个模型是损耗模型，加入引起损耗的变量，因变量是第二轮损耗与否的二分类变量
        • 两个模型中的误差项之间的显著相关表明存在损耗偏误
        • 如果误差项相关性显著，则将第二个模型的自变量包含在内，为第一个实质性回归模型提供校正后的回归系数
    • 不知损耗机制时的数据纠正
      • 纠正方法是Heckman两步法
        • 首先创建一个logistic模型来解释损耗的原因，自变量是可能引起损耗的因素，可以预测损耗
        • 基于第一个模型创建一个结果变量 λ (lambda)，它是一个损耗因素的代理变量
        • 将每个参与者的λ值合并到数据集中，加入实质性研究问题的模型，可以修正损耗偏误，使回归系数更准确
      • 虽然Heckman模型已经被研究者使用很多年，但有研究者对此方法可行度提出质疑
        • Stolzenberg 和 Relles认为Heckman模型计算了不准确的估计结果，并且指出使用改模型时的注意事项
        • Stolzenberg, R. M., & Relles, D. A. (1997). Tools for intuition about sample selection bias and its correction. American Sociological Review, 494-507.