Process / pipeline

چندگانه سازی — MICE

چندگانه سازی (MI)، که به طور رسمی توسط دونالد بی. روبین در سال ۱۹۸۷ معرفی شد، یک رویه آماری اصولی برای مدیریت داده‌های گمشده است. به جای جایگزینی هر مقدار گمشده یک بار، MI شکاف‌ها را m بار پر می‌کند — هر بار مقادیر محتمل را از توزیع پیش‌بین پسین داده‌های گمشده می‌کشد — و m مجموعه داده کامل تولید می‌کند. هر مجموعه داده به طور مستقل تحلیل می‌شود و نتایج با استفاده از قوانین تجمیع روبین در یک مجموعه واحد از برآوردها ترکیب می‌شوند. نوع MICE (چندگانه سازی چندمتغیره با معادلات زنجیره‌ای)، که توسط ون بورن و گروتهوس-اودهورن (۲۰۱۱) محبوب شد، این رویکرد را با جایگزینی هر متغیر به نوبه خود از طریق دنباله‌ای از مدل‌های رگرسیون شرطی به انواع متغیرهای ترکیبی گسترش می‌دهد.

به‌کارگیری با StatMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

+4 more

منابع

  1. Rubin, D.B. (1987). Multiple Imputation for Nonresponse in Surveys. Wiley. DOI: 10.1002/9780470316696
  2. van Buuren, S. & Groothuis-Oudshoorn, K. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45(3), 1–67. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Multiple Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/fa/statistics/multiple-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

ارجاع‌شده در

ScholarGateMultiple Imputation (Multiple Imputation by Chained Equations (MICE)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/statistics/multiple-imputation · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026