Bayesian model averaging with missing data
Bayesian Model Averaging with missing data (BMA-MD) simultaneously addresses two sources of uncertainty: which model best describes the data, and what the unobserved values are. Rather than selecting a single imputed dataset and a single model, the approach averages predictions across the full space of candidate models and plausible completions of the missing values, propagating both sources of uncertainty into every estimate and prediction.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. · URL
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. · ISBN 978-0471655749
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.