Process / pipelineMissing data

MICE — Πολυμεταβλητή Αναπλήρωση με Αλυσιδωτές Εξισώσεις

Η Πολυμεταβλητή Αναπλήρωση με Αλυσιδωτές Εξισώσεις (MICE) είναι μια επαναληπτική διαδικασία για την αντιμετώπιση ελλειπόντων δεδομένων σε πολυμεταβλητά σύνολα δεδομένων. Εισήχθη από τους Stef van Buuren και Karin Groothuis-Oudshoorn μέσω του πακέτου R mice (2011). Ο αλγόριθμος συμπληρώνει κάθε ελλείπουσα μεταβλητή χρησιμοποιώντας ένα ξεχωριστό μοντέλο παλινδρόμησης, το οποίο εξαρτάται από όλες τις άλλες μεταβλητές, επαναλαμβάνοντας τον κύκλο των μεταβλητών μέχρι οι αναπληρωμένες τιμές να συγκλίνουν. Το αποτέλεσμα είναι m συμπληρωμένα σύνολα δεδομένων που αναλύονται ξεχωριστά και συνδυάζονται χρησιμοποιώντας τους κανόνες του Rubin.

Εφαρμογή με το StatMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 2). Multivariate Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateMICE (Multivariate Imputation by Chained Equations (MICE)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/statistics/mice-imputation · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026