MICE — Multivariate Imputation by Chained Equations
Multivariate Imputation by Chained Equations (MICE) er en iterativ procedure til håndtering af manglende data i multivariate datasæt. Algoritmen, der blev introduceret af Stef van Buuren og Karin Groothuis-Oudshoorn via R-pakken mice (2011), udfylder hver manglende variabel ved hjælp af en separat regressionsmodel betinget af alle andre variabler, og cykler gennem variablerne gentagne gange, indtil de imputerede værdier konvergerer. Resultatet er m komplette datasæt, der analyseres separat og kombineres ved hjælp af Rubins regler.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- van Buuren, S., & Groothuis-Oudshoorn, K. (2011). mice: Multivariate imputation by chained equations in R. Journal of Statistical Software, 45(3), 1–67. DOI: 10.18637/jss.v045.i03 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Multivariate Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/da/statistics/mice-imputation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- EM-algoritmenStatistik↔ compare
- Matrix CompletionMaskinlæring↔ compare
- Multiple ImputationStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →