Monitahinen imputointi — MICE
Monitahinen imputointi (MI), jonka Donald B. Rubin esitteli virallisesti vuonna 1987, on periaatteellinen tilastollinen menettely puuttuvien tietojen käsittelyyn. Sen sijaan, että jokainen puuttuva arvo korvattaisiin kerran, MI täyttää aukot m kertaa — jokaisella kerralla piirtämällä uskottavia arvoja puuttuvan tiedon posteriorisesta ennustejakaumasta — tuottaen m täydellistä aineistoa. Kutakin aineistoa analysoidaan itsenäisesti, ja tulokset yhdistetään yhdeksi estimaattijoukoksi käyttämällä Rubinin yhdistämissääntöjä. MICE-variantti (Multivariate Imputation by Chained Equations), jonka van Buuren ja Groothuis-Oudshoorn (2011) popularisoivat, laajentaa lähestymistapaa sekamuotoisiin muuttujatyyppeihin imputoimalla kunkin muuttujan vuorollaan ehdollisten regressiomallien sarjan kautta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Lähteet
- Rubin, D.B. (1987). Multiple Imputation for Nonresponse in Surveys. Wiley. DOI: 10.1002/9780470316696 ↗
- van Buuren, S. & Groothuis-Oudshoorn, K. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45(3), 1–67. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Multiple Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/fi/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.
- Propensity Score MatchingTutkimuksen tilastomenetelmät↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →