결측치 처리: 어떤 방법이 최선인가? (Handling Missing data: What is the most effective method?)

서지정보

· 발행기관 : 한국체육학회
· 수록지 정보 : 한국체육학회지 / 44권 / 1호 / 385 ~ 398페이지
· 저자명 : 박재현, 이진오, 강상조, 강민수

초록

그동안 결측치 처리 문제와 관련해서 다양한 방법들이 소개되어 왔지만 스포츠과학 분야의 연구자들이 어떤 결측치 처리방법을 사용하는 것이 최선일까에 대한 답을 주는 실험적 증거와 정보가 부족했었다. 이 연구는 20개 사례로 수집된 자료의 결측치 비율이 5%, 10%, 15% 그리고 20%로 다른 경우 어떤 처리방법이 실제자료를 가장 근접하게 추정하는지를 컴퓨터 시뮬레이션 방법으로 분석하였다.
이 연구에서 비교한 결측치 처리방법은 윈도우용 SPSS 11.0 버전에서 제공하는 사례제거와 대응쌍제거의 제거방법과 대체방법 중 평균대체, 회귀대체, EM대체의 방법을 대상으로 하였으며, 각각의 방법으로 결측치를 처리했을 때 실제자료와의 어떠한 차이가 발생되는지를 구명하였다. 이때 실제값과 각 방법별 추정치간의 RMSD를 산출하여 원자료의 왜곡정도를 비교하였다. 실제자료와 결측치 처리된 자료의 비교대상은 평균과 분산의 추정치와 그리고 첨도와 왜도의 분포정보를 비교대상으로 하였다. 각 실험조건별 모의실험은 50회 반복 수행하였다. 이 연구에서 얻어진 결론은 다음과 같다.
첫째, 5%의 자료결측시 회귀대체와 EM대체가 최선이며, 둘째, 10% 자료결측시 회귀대체와 EM대체가 최선이고, 셋째, 15% 자료결측시 EM대체가 최선이다. 그리고 넷째, 20% 자료결측시 EM대체가 최선이다. 다섯째, 결측치 비율이 높을수록 실제값과 추정치간의 차이가 커진다. 따라서 이 연구의 결론을 근거로 스포츠과학 분야의 연구자들은 결측치 처리의 제거방법과 평균대체방법의 사용은 지양하고 회귀대체와 EM대체방법을 사용할 것을 추천한다.
그러나 이 연구는 사례수 20명, 3개의 변인으로써 변인간 상관계수가 약 .85이상의 비교적 높으며 결측치 기전(형태)이 MCAR인 경우의 연구조건에서 얻어진 결론이기 때문에 이 연구조건에 한정하여 해석할 것을 제안한다.

영어초록

Missing data can potentially threaten the validity of a research. The need for a suitable missing data method has been a focus of many researchers, and many methods have been developed for handling missing data, including listwise and pairwise deletion, mean substitution, regression imputation, and expectation-maximization (EM). Most of the research in the past, however, focused on the large sample, which makes it difficult to generalize the findings to the case with a small sample. The purpose of this study was to determine the most effective method to handle missing data with a small sample size of 20. A Monte-Carlo simulation was used to compare the effectiveness of missing data methods. Different proportions of missing values in the data were also examined. The effectiveness of missing data methods was compared at 5%, 10%, 15%, and 20% of missing values in the data and determined by RMSD (Root Mean Square Difference) index on the mean, variance, skewness, and kurtosis. A smaller RMSD represents a more accurate method in handling missing data. The results showed that EM is the most effective method for handling missing data, and the accuracy of handling missing data is better with the smaller number of missing values in the data.

참고자료

· 없음