如何使用`blavaan`处理缺失数据？贝叶斯SEM缺失值处理实践问询

所有方案均基于*缺失随机（MAR）*假设，这也是FIML、多重插补等主流缺失值处理方法的通用前提。

方案1：优先选择JAGS后端（零额外预处理成本） #

• 直接保留数据中的NA值，调用bsem()时指定参数backend = "jags"即可
• 底层逻辑：JAGS会自动将缺失值作为额外的模型参数进行抽样，属于开发者推荐的「缺失值与模型联合建模」方案，效果等价于lavaan的missing = "FIML"，不需要做任何额外的数据处理。

方案2：必须使用Stan后端时的两种落地方法 #

方法A：使用blavaan内置全信息似然方案 #

• 该方案的似然逻辑与lavaan FIML完全一致，效果有理论保障
• 预处理操作步骤：
  1. 统计所有样本的缺失数据模式，按模式对样本排序，提升Stan的计算效率
  2. 为每个样本生成观测变量的位置索引，标记哪些变量是有观测值的
  3. 将处理后的数据、索引参数一同传入bsem()，指定backend = "stan"即可

开发者官方说明：我们的Stan模型采用“全信息”似然法（如Wothke 2000），该似然函数与lavaan等采用最大似然估计的SEM软件处理缺失数据时所用的似然函数完全一致。使用该方案时向Stan传输前的数据预处理环节会增加额外工作量：需要对每个样本的观测值建立索引，同时按缺失数据模式对样本排序以提升计算效率。理论上Stan也可直接对缺失值进行抽样（即“插补”），但目前该功能暂未实现。

方法B：前置多重插补 #

• 如果不想自己写预处理代码，可以先使用mice、Amelia等包对原始数据做多重插补，生成5-10套完整的插补数据集
• 对每套插补数据集分别运行bsem()，最后按照贝叶斯参数合并规则合并多套模型的结果即可，可靠性与前两种方案无显著差异。

不推荐的操作 #

• 除了列表删除外，也不推荐使用单值插补（比如均值插补、中位数插补），会低估参数标准误，影响结果可靠性。

内容的提问来源于stack exchange，提问作者Michael Wu