MICE — Multivariate Imputation by Chained Equations
Multivariate Imputation by Chained Equations (MICE) is een iteratief procedure voor het omgaan met ontbrekende gegevens in multivariate datasets. Geïntroduceerd door Stef van Buuren en Karin Groothuis-Oudshoorn via het R-pakket mice (2011), vult het algoritme elke ontbrekende variabele met een afzonderlijk regressiemodel dat geconditioneerd is op alle andere variabelen, waarbij herhaaldelijk door variabelen wordt gelust totdat de geïmputeerde waarden convergeren. Het resultaat is m voltooide datasets die afzonderlijk worden geanalyseerd en gecombineerd met behulp van Rubin's regels.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Multivariate Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/nl/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.
- EM-algoritmeStatistiek↔ compare
- Matrix CompletionMachine learning↔ compare
- Multiple ImputationStatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →