Multiple Imputation — MICE

Multiple Imputation (MI) หรือ การแทนค่าหลายครั้ง เป็นกระบวนการทางสถิติที่มีหลักการในการจัดการข้อมูลที่ขาดหายไป ซึ่งถูกนำเสนออย่างเป็นทางการโดย Donald B. Rubin ในปี 1987 แทนที่จะแทนที่ค่าที่ขาดหายไปแต่ละค่าเพียงครั้งเดียว MI จะเติมช่องว่างเหล่านั้นเป็นจำนวน m ครั้ง โดยแต่ละครั้งจะสุ่มค่าที่เป็นไปได้จาก posterior predictive distribution ของข้อมูลที่ขาดหายไป ทำให้ได้ชุดข้อมูลที่สมบูรณ์ m ชุด แต่ละชุดจะถูกวิเคราะห์อย่างอิสระ และผลลัพธ์จะถูกรวมเข้าด้วยกันเป็นชุดประมาณการเดียวโดยใช้ Rubin's pooling rules รูปแบบ MICE (Multivariate Imputation by Chained Equations) ซึ่งได้รับความนิยมโดย van Buuren และ Groothuis-Oudshoorn (2011) ขยายแนวทางนี้ไปยังตัวแปรประเภทผสม โดยการแทนค่าแต่ละตัวแปรตามลำดับผ่านชุดของแบบจำลองการถดถอยแบบมีเงื่อนไข