Process / pipeline

Višestruka imputacija — MICE

Višestruka imputacija (MI), koju je formalno uveo Donald B. Rubin 1987. godine, predstavlja utemeljenu statističku proceduru za obradu nedostajućih podataka. Umesto da se svaka nedostajuća vrednost zameni samo jednom, MI popunjava praznine m puta — svaki put izvlačeći verodostojne vrednosti iz posteriorne prediktivne distribucije nedostajućih podataka — proizvodeći m kompletnih skupova podataka. Svaki skup podataka se analizira nezavisno, a rezultati se kombinuju u jedinstven skup procena koristeći Rubinova pravila spajanja. MICE varijanta (Multivariate Imputation by Chained Equations), koju su popularizovali van Buuren i Groothuis-Oudshoorn (2011), proširuje pristup na mešovite tipove varijabli imputirajući svaku varijablu redom kroz sekvencu uslovnih regresionih modela.

Primenite uz StatMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Višestruka imputacija

Uskladiivanje rezultata…Aproksimativno Bajesovo…Bajezijansko usrednjavan…Butstrap simulacija sa p…Gibbs Sampling sa nedost…Model rasta mešavina (GM…Hamiltonian Monte Carlo…MCMC sa nedostajućim pod…Metropolis-Hastings sa n…MICE

+4 more

Izvori

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 ↗

Kako citirati ovu stranicu

ScholarGate. (2026, June 1). Multiple Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/sr/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.

Uskladiivanje rezultata sklonostiIstraživačka statistika↔ compare

Compare side by side →

Citirana u

Aproksimativno Bajesovo izračunavanje sa podacima koji nedostaju Bajezijansko usrednjavanje modela sa nedostajućim podacima Butstrap simulacija sa podacima koji nedostaju Gibbs Sampling sa nedostajućim podacima Model rasta mešavina (GMM)Hamiltonian Monte Carlo sa nedostajućim podacima MCMC sa nedostajućim podacima Metropolis-Hastings sa nedostajućim podacima MICE Mehanizmi nedostajućih podataka: MCAR, MAR i MNAR Monte Karlo simulacija sa podacima koji nedostaju Ponderisanje i kalibracija anketnih podataka Generisanje sintetičkih podataka za kontrolu otkrivanja

Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →