Kayıp Veri Mekanizmaları: MCAR, MAR ve MNAR
Missing Data Mechanisms (MCAR, MAR, MNAR) · Ayrıca şöyle bilinir: Missing Data Typology, Rubin's Missing Data Framework, Missingness Mechanisms, Kayıp Veri Mekanizmaları
Donald Rubin tarafından 1976 yılında tanıtılan kayıp veri mekanizmaları, bir veri setindeki gözlemlerin neden eksik olduğunu sınıflandırmak için resmi bir taksonomi sunar. Üç kategori — Tamamen Rastgele Kayıp (MCAR), Rastgele Kayıp (MAR) ve Rastgele Olmayan Kayıp (MNAR) — kayıp olma olasılığı ile gözlemlenen veya gözlemlenmeyen değerler arasındaki ilişkiyi tanımlar. Doğru mekanizmayı belirlemek esastır çünkü geçerli ve yansız çıkarımı koruyan analitik stratejileri belirler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Herhangi bir kayıp veri işleminden önce bu çerçeveyi bir teşhisin ilk adımı olarak uygulayın. MCAR, Little'ın testi kullanılarak test edilebilirken, MAR ve MNAR yalnızca konu alanına özgü akıl yürütme ve duyarlılık analizleri yoluyla ayırt edilebilir. Teşhisi, uygun çözümü seçmek için kullanın: küçük oranlarda kayıp olan MCAR için tam vaka analizi, MAR için çoklu imputasyon veya tam bilgi maksimum olabilirlik, ve MNAR için seçim veya örüntü-karışım modelleri. Bu çerçeve, bir veri setinde eksik gözlemler olduğunda neredeyse tüm ampirik disiplinlerde uygulanabilir.
Güçlü yönler & sınırlılıklar
- Uygun analitik çözümlerle doğrudan eşleşen titiz, evrensel olarak kabul edilmiş bir tipoloji sağlar
- MCAR ve MAR varsayımları, göz ardı edilebilir olabilirlik tabanlı çıkarıma izin vererek standart yazılım uygulamalarını mümkün kılar
- Veri toplama süreçleri hakkında açık akıl yürütmeyi teşvik eder, liste bazında silme gibi ad hoc kararları azaltır
- Resmi gösterim, çok değişkenli ve boylamsal ayarlara değişiklik yapmadan genelleşir
- MAR, herhangi bir veri seti için test edilemez bir varsayımdır; geçerliliği ampirik kanıttan ziyade araştırmacının bilgisine dayanır
- MNAR mekanizmaları doğru şekilde belirtilmiş parametrik modeller gerektirir ve yanlış belirtim, daha basit yöntemlerden daha büyük yanlılıklar ortaya çıkarabilir
- Little'ın MCAR testinin küçük örneklemlerde gücü düşüktür ve yalnızca küresel bir boş hipotezi test eder
- Taksonomi benzersiz bir imputasyon stratejisi önermez; analistler MAR altında hala birden fazla savunulabilir yaklaşım arasından seçim yapmalıdır
SSS
Verilerimin MNAR yerine MAR olup olmadığını test edebilir miyim?
MAR'ı MNAR'dan ayıran doğrudan bir istatistiksel test yoktur çünkü testin eksik değerlerin kendilerini gözlemlemesi gerekirdi. Analistler, veri üretim sürecinin öznel bilgisine güvenir, farklı MNAR örüntüleri varsayan duyarlılık analizleri arasında sonuçları karşılaştırır ve MNAR'ın neden olduğu potansiyel yanlılığı sınırlamak için örüntü-karışım veya seçim modelleri kullanır.
Çoklu imputasyon MNAR altında geçerli midir?
Standart çoklu imputasyon MAR varsayar. MNAR altında, naif imputasyon yanlı sonuçlar üretir. Örüntü-karışım imputasyonu veya seçim modeli bilgilendirilmiş imputasyon gibi uzantılar, kayıp olma modeli doğru belirtilmişse MNAR'ı ele alabilir, ancak bunlar gözlemlenmeyen sürecin doğası hakkında güçlü ve genellikle doğrulanamayan varsayımlar gerektirir.
Göz ardı edilebilir ve göz ardı edilemez kayıp olma arasındaki fark nedir?
Kayıp olma mekanizmasının geçerli olabilirlik tabanlı çıkarım elde etmek için açıkça modellenmesi gerekmediğinde kayıp olma göz ardı edilebilir. Bu, veri modelini ve kayıp olma modelini yöneten parametreler farklı olduğunda MCAR ve MAR altında geçerlidir. MNAR, göz ardı edilemez kayıp olma anlamına gelir: yanlılığı önlemek için mekanizma, esas modelle birlikte modellenmelidir.
Kaynaklar
- Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581–592. DOI: 10.1093/biomet/63.3.581 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Missing Data Mechanisms (MCAR, MAR, MNAR). ScholarGate. https://scholargate.app/tr/statistics/missing-data-mechanisms
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Beklenti-Maksimizasyon (EM) Algoritmasıİstatistik↔ karşılaştır
- MICEİstatistik↔ karşılaştır
- Çoklu Atamaİstatistik↔ karşılaştır