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.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.