Multiple Imputation – MICE

Multiple Imputation (MI), 1987 von Donald B. Rubin formal eingeführt, ist ein prinzipiengeleitetes statistisches Verfahren zum Umgang mit fehlenden Daten. Anstatt jeden fehlenden Wert einmal zu ersetzen, füllt MI die Lücken m-mal – wobei jedes Mal plausible Werte aus der posterioren prädiktiven Verteilung der fehlenden Daten gezogen werden – und erzeugt so m vollständige Datensätze. Jeder Datensatz wird unabhängig analysiert, und die Ergebnisse werden mithilfe von Rubins Pooling-Regeln zu einem einzigen Satz von Schätzungen zusammengeführt. Die MICE-Variante (Multivariate Imputation by Chained Equations), popularisiert von van Buuren und Groothuis-Oudshoorn (2011), erweitert den Ansatz auf gemischte Variablentypen, indem jede Variable nacheinander durch eine Sequenz von bedingten Regressionsmodellen imputiert wird.