基于SAS对缺失数据的处理——以新药试验为例

作者：谢桃枫; 李宗学sas新药试验缺失数据mcmc算法多重填补法

摘要：通过对新药试验的数据集中缺失数据进行分析，总结缺失数据对新药研究分析结果的影响，进而比较不同补缺方法的优缺点．利用SAS9．4软件对新药试验的数据集进行统计分析，分别采用LOCF补缺法、均值补缺法、分组均值补缺法、MCMC补缺法、FCS补缺法、monotone补缺法六种方法对缺失数据集进行统计分析，并比较数据填补前后的差异及分析结果的稳定性．由于新药试验数据集的病例脱落比例不是很高，故几种处理方法的分析结论都比较接近，但MCMC填补法的效果相对其他几种的填补方法更为稳定．

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社