Multiple Imputation — MICE

Multiple Imputation (MI), formeel geïntroduceerd door Donald B. Rubin in 1987, is een principiële statistische procedure voor het omgaan met ontbrekende gegevens. In plaats van elke ontbrekende waarde eenmalig te vervangen, vult MI de hiaten m keer op — telkens door plausibele waarden te trekken uit de posterior predictieve verdeling van de ontbrekende gegevens — wat resulteert in m complete datasets. Elke dataset wordt onafhankelijk geanalyseerd en de resultaten worden gecombineerd tot een enkele set schattingen met behulp van Rubin's poolingregels. De MICE-variant (Multivariate Imputation by Chained Equations), gepopulariseerd door van Buuren en Groothuis-Oudshoorn (2011), breidt de aanpak uit naar gemengde variabelentypen door elke variabele op zijn beurt te imputeren via een reeks conditionele regressiemodellen.