Moniimputointi puuttuvien tietojen osalta on houkutteleva menetelmä puuttuvien tietojen käsittelemiseksi monimuuttuja-analyysissä. Ajatus useita imputointi puuttuvat tiedot oli ensimmäinen ehdotti Rubin (1977).

menettely

seuraava on Rubinin vuonna 1987 luoma menettely puuttuvien tietojen moniimputoinnissa:

• puuttuvien tietojen moniimputoinnissa ensimmäinen vaihe on imputoida puuttuvat arvot käyttämällä sopivaa mallia, joka sisältää satunnaisvaihtelun.
• puuttuvan tiedon moniimputoinnin toinen vaihe on toistaa ensimmäinen vaihe 3-5 kertaa.
• kolmas vaihe, jossa puuttuvia tietoja imputoidaan useita kertoja, on suorittaa haluttu analyysi jokaisesta tietojoukosta käyttäen standardoituja, täydellisiä datamenetelmiä.
• puuttuvien tietojen moniimputoinnin neljäs vaihe on parametrin estimaattien arvojen keskiarvo puuttuvien arvonäytteiden kesken, jotta saadaan yksi piste-estimaatti.
• puuttuvien tietojen moninkertaisen imputoinnin viides vaihe on keskivirheiden laskeminen laskemalla puuttuvien arvoestimaattien keskivirheiden neliö. Tämän jälkeen tutkijan on laskettava puuttuvan arvoparametrin varianssi eri näytteiden välillä. Lopuksi tutkijan on yhdistettävä nämä kaksi suuretta useassa imputaatiossa puuttuvien tietojen laskemiseksi keskivirheiden laskemiseksi.

ominaisuudet

usean imputaation puuttuvalle tiedolle on useita toivottavia piirteitä:

• puuttuvien tietojen Moniimputaation avulla tutkija voi saada satunnaisvirheestä suunnilleen puolueettomia arvioita kaikista parametreista. Tutkija ei voi saavuttaa tätä tulosta deterministisellä imputaatiolla, minkä puuttuvan datan moniimputaatio voi tehdä.
• tämän puuttuvan tiedon moniimputaation avulla tutkija voi saada hyviä arvioita keskivirheistä. Puuttuvan tiedon moniimputaatio on toisin kuin yksittäinen imputaatio, koska se ei salli tutkijan tuomaa lisävirhettä.
• tutkija voi suorittaa puuttuvan tiedon monimittauksen millä tahansa datalla minkälaisessa analyysissä tahansa, ilman hyvin varustettuja ohjelmistoja.

on kuitenkin olemassa tiettyjä ehtoja, joiden tulee täyttyä ennen puuttuvien tietojen monimittausta.

ehdot

ehdot, joiden tulee täyttyä ennen puuttuvien tietojen moniimputointia:

• puuttuvien tietojen moniimputoinnin ensimmäinen ehto on, että tiedot puuttuvat satunnaisesti. Toisin sanoen puuttuvan datan moniimputaation ensimmäinen ehto toteaa, että tietyn muuttujan puuttuvan tiedon todennäköisyys voi riippua muista havaituista muuttujista, mutta ei voi riippua itsestään.
• toinen ehto puuttuvan tiedon monimittaukselle on, että tutkijan käyttämän mallin arvojen laskennassa tulee olla asianmukainen.
• kolmas ehto puuttuvan tiedon moniimputoinnille on, että tutkijan käyttämän mallin tulee vastata toista mallia, jota käytetään puuttuvan tiedon moniimputoinnille.

ongelmana on kuitenkin se, että tutkijan on melko helppo rikkoa tällaisia ehtoja suorittaessaan useita imputaatioita puuttuville tiedoille. Tämä johtuu siitä, että puuttuvien tietojen kohdalla on useita imputaatioita, joissa tiedot eivät puutu sattumanvaraisesti.

tämän ongelman ratkaisemiseksi tutkija arvioi mallin aineistolle, joka ei satunnaisesti puutu. Mutta tällaiset mallit ovat monimutkaisia ja testaamattomia, ja siksi ne vaativat joitakin hyvin varustettuja ohjelmistoja suorittamaan.

toinen asia, joka tutkijan tulisi pitää mielessä, on se, että jos ”sattumanvaraisesti puuttuva” on tyydytetty, niin monivaiheisella imputoinnilla saatuja puolueettomia arvioita puuttuvasta datasta ei ole aina helppo tulkita.

aiheeseen liittyviä sivuja:

• puuttuvia arvoja aineistosta