Process / pipeline
Множинне імпутування — MICE
Множинне імпутування (MI), формально введене Дональдом Б. Рубіним у 1987 році, є принципованим статистичним методом для обробки відсутніх даних, дозволяючи дослідникам моделювати невизначеність, пов'язану з пропущеними значеннями.
Читати метод повністю
Лише для учасників
УвійтиУвійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Multiple Imputation by Chained Equations (MICE). ScholarGate. https://scholargate.app/uk/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.
- Зіставлення за показником схильностіСтатистика досліджень↔ compare
Згадується в
Апроксимаційні Байєсівські обчислення (ABC) з пропущеними данимиБайєсівське усереднення моделей із пропущеними данимиБутстреп-симуляція з пропущеними данимиВибірка Гіббса з пропущеними данимиМодель суміші зростання (GMM)Гамільтонівський Монте-Карло з пропущеними данимиMCMC з пропущеними данимиMetropolis-Hastings з пропущеними данимиMICEМеханізми пропущених даних: MCAR, MAR та MNARМетод Монте-Карло для даних з пропускамиЗважування та калібрування вибіркиГенерація синтетичних даних для контролю розкриття інформації
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →