本周我正和一位朋友讨论如何在结构方程模型（SEM）软件中处理具有缺失值的协变量。我的朋友认为某些包中某些SEM的实现能够使用所谓的“完全信息最大可能性”自动适应协变量中的缺失。在下文中，我将描述我后来探索Stata的sem命令如何处理协变量中的缺失。
为了研究如何处理丢失的协变量，我将考虑最简单的情况，其中我们有一个结果Y和一个协变量X，Y遵循给定X的简单线性回归模型。首先我们将模拟一个大数据集，所以我们知道真正的参数值：
gen x = rnormal（） gen y = x + rnormal（）
这里真正的截距参数为0，真实斜率参数为1.残差误差为方差1。接下来，让我们设置一些缺少的协变量值。为此，我们将使用缺失机制，其中缺失的概率取决于（完全观察到的）结果Y.这意味着缺失机制将满足所谓的随机假设缺失。具体来说，我们将根据逻辑回归模型计算观察X的概率，其中Y作为唯一的协变量进入：
gen rxb = -2 + 2 * y gen r =（runiform（）<rpr）
现在我们可以应用Stata的sem命令来适应SEM：
(7270 observations with missing values excluded) Endogenous variables Observed: y Exogenous variables Observed: x Fitting target model: Iteration 0: log likelihood = -6732.1256 Iteration 1: log likelihood = -6732.1256 Structural equation model Number of obs = 2730 Estimation method = ml Log likelihood = -6732.1256 ------------------------------------------------------------------------------ | OIM | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Structural | y <- | x | .6179208 .0179671 34.39 0.000 .582706 .6531355 _cons | .999025 .0200306 49.88 0.000 .9597658 1.038284 -------------+---------------------------------------------------------------- var(e.y)| .6472101 .0175178 .6137707 .6824714 ------------------------------------------------------------------------------ LR test of model vs. saturated: chi2(0) = 0.00, Prob > chi2 = .
在没有缺失值的情况下，sem命令默认使用最大似然来估计模型参数。
但是sem还有另一个选项，它将使我们能够使用来自所有10,000条记录的观察数据来拟合模型。从命令行，我们可以通过以下方式选择它：
*output cut Structural equation model Number of obs = 10000 Estimation method = mlmv Log likelihood = -20549.731 ------------------------------------------------------------------------------ | OIM | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Structural | y <- | x | .9804851 .0156235 62.76 0.000 .9498637 1.011107 _cons | -.0145543 .025363 -0.57 0.566 -.0642649 .0351562 -------------+---------------------------------------------------------------- mean(x)| .0032305 .0257089 0.13 0.900 -.047158 .0536189 -------------+---------------------------------------------------------------- var(e.y)| 1.02696 .0324877 .9652191 1.09265 var(x)| .9847265 .0314871 .924907 1.048415 ------------------------------------------------------------------------------ LR test of model vs. saturated: chi2(0) = 0.00, Prob > chi2 = .
估计现在是无偏的。
因此，我们获得无偏估计（对于此数据生成设置），因为Stata的sem命令（在此正确）假设Y和X的联合正态性，并且缺失满足MAR假设。
非正态X
让我们现在重新运行模拟，但现在让X在一个自由度上遵循卡方分布，通过平方rnormal（）绘制：
clear set seed 6812312 set obs 10000 gen x=(rnormal())^2 gen y=x+rnormal() gen rxb=-2+*y gen rpr=(rxb)/(1+exp(rxb)) gen r=(() rpr) x=. if r==0
使用缺少值选项运行sem，我们获得：
*output cut Structural equation model Number of obs = 10000 Estimation method = mlmv Log likelihood = -25316.281 ------------------------------------------------------------------------------ | OIM | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Structural | y <- | x | .8281994 .0066085 125.32 0.000 .815247 .8411518 _cons | .4792567 .0161389 29.70 0.000 .447625 .5108883 -------------+---------------------------------------------------------------- mean(x)| .5842649 .0224815 25.99 0.000 .5402019 .6283279 -------------+---------------------------------------------------------------- var(e.y)| .7537745 .0157842 .7234643 .7853546 var(x)| 3.073801 .0551011 2.96768 3.183717 ------------------------------------------------------------------------------ LR test of model vs. saturated: chi2(0) = 0.00, Prob > chi2 = .
现在我们再次有偏差估计，因为Y和X的联合常态假设不再成立。因此，如果我们使用此选项，当我们缺少协变量时，我们会发现联合正态假设是至关重要的。
完全随机缺失
让我们最后一次运行模拟，再次使用X卡方形分布，但现在X随机完全丢失（MCAR）：
gen x=(rnormal())^2 gen y=x+rnormal() replace x=if (()<0.5) *output cut Structural equation model Number of obs = 10000 Estimation method = mlmv Log likelihood = -25495.152 ------------------------------------------------------------------------------ | OIM | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Structural | y <- | x | .9985166 .0093366 106.95 0.000 .9802173 1.016816 _cons | -.0092478 .0158659 -0.58 0.560 -.0403445 .0218488 -------------+---------------------------------------------------------------- mean(x)| .9738369 .0158113 61.59 0.000 .9428474 1.004826 -------------+---------------------------------------------------------------- var(e.y)| 1.033884 .020162 .9951133 1.074166 var(x)| 1.83369 .0330307 1.77008 1.899585 ------------------------------------------------------------------------------ LR test of model vs. saturated: chi2(0) = 0.00, Prob > chi2 = .
尽管联合正态性假设被违反，现在我们再次进行无偏估计。我认为这是因为当数据是MCAR时，即使违反了正态性假设，也可以一致地估计均值和协方差结构.
