MICE — Multivariate Imputation by Chained Equations
Multivariate Imputation by Chained Equations (MICE) är en iterativ procedur för att hantera saknade data i multivariata dataset. Algoritmen, som introducerades av Stef van Buuren och Karin Groothuis-Oudshoorn genom R-paketet mice (2011), fyller i varje saknad variabel med en separat regressionsmodell som är betingad på alla andra variabler, och cyklar genom variablerna upprepade gånger tills de imputeade värdena konvergerar. Resultatet är m kompletterade dataset som analyseras separat och kombineras med hjälp av Rubins regler.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Multivariate Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/sv/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-algoritmenStatistik↔ compare
- MatrisfullständighetMaskininlärning↔ compare
- Multipel imputationStatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →