計量経済分析の質問（説明変数の欠損によるサンプル数
Stataを使った計量分析をしています。
ある基本となるデータシートAに、追加的に別のシート(B, C, D, ...)をjoinbyコードを使って接合しながら分析をしています。
サンプル数を仮に1,000とします。
基本となるデータシートAには、世帯ID、個人ID、性別の3種類の情報が入っているとします。
世帯ID 個人ID 性別
1 1 1 (1人目）
1 2 2 (2人目）
1 3 1 (3人目）
2 1 1 (4人目）
・
・
250 4 1 (1,000人目）
これとデータBをjoin byコードを使って接合するとします。データBには、世帯IDと個人ID、年齢、最終学歴年数が入っているとします。世帯IDと個人IDを使ってjoinするとします。(join by hhid personid データ名) ただし、年齢には欠損値があって、仮に250人の年齢は欠損しているとします。教育は1,000人分あるとします。
世帯ID 個人ID 性別 年齢 教育
1 1 1 45 10 (1人目）
1 2 2 # 7 (2人目）
1 3 1 12 5 (3人目）
2 1 1 39 8 (4人目）
・
・
250 4 1 # 6 (1,000人目）
つまり、世帯1個人2さんのように欠損している(#マーク)人が250人と考えます。
もしここで教育年数を、年齢と性別で説明する回帰モデルを考えたとします。
Y=a+b(年齢)+c(性別)+u
そうすると、説明変数の「性別」と被説明変数の「教育」は1,000人フルにあるのに対し、説明変数の「年齢」は750人しかいないために、この回帰分析はn=750になり、250人分のデータが使えずに死んでしまい、データを非効率に使っていることになります。
もし、「年齢」が欠損が250人いたとしても、それ以外の情報はそろっているとしたら、不完全ながらもその250人を回帰分析に使い、サンプルnを1,000人のままにしたいと考えます。
このような場合、年齢についてはどのような処理をしたらいいでしょうか?
