Metody imputacji w analizie danych niepełnych

• Autorzy: Andrzej Kwiatkowski
• Języki publikacji: PL

Abstrakty

Braki odpowiedzi są zjawiskiem coraz powszechniej występującym w badaniach, zwłaszcza kwestionariuszowych. Standardową procedurą używaną w takiej sytuacji jest analiza pełnych obserwacji, czyli usunięcie obserwacji niepełnych i oparcie analiz na pełnych rekordach. Strategia taka zazwyczaj prowadzi do błędnego wnioskowania statystycznego. W pracy przed¬stawione zostały grupy metod stosowanych w analizie danych niepełnych. Wyróżniono wśród nich między innymi tzw. metody imputacji, w której brakujące elementy w zbiorze danych są zastępowane ich oszacowaniami. (abstrakt oryginalny)

Słowa kluczowe

PL

Analiza danych; Statystyka bayesowska

EN

Data analysis; Bayesian statistics

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2004
• Numer: nr 13 Metody badań procesów społeczno-ekonomicznych
• Strony: 69-83

Twórcy

autor

Andrzej Kwiatkowski

Bibliografia

• Agarwal S., Learning from Incomplete Data, University of California, San Diego, 2001.
• Fichmann M., Cummings J.N., Multiple imputation for missing data:making the most of what you know, carnegie-mellon university, pittsburg PA, str. 13.
• King G., Honaker J., Joseph A., Sheve K., Analyzing Incomplete Science Data: An Alternative Algorithm for Multiple Imputation [w:]American Political Science Review, Vol 95, No 1, Marzec 2001, str. 49-69.
• Lee R., Ming-Xiu H., Salvucci S., A study of Imputation Algorithms, Working Paper No.2001-17, U.S.Department of Education, National Center for Education Statistics, Washington, DC:2001.
• Iittle R.J.A., Rubin D.B., Statistical Analysis with Mising Data, John Willey&Sons, Hoboken, New Jersey, 2002.
• Rubin D.B., Multiple Imputation after 18+ years (with discussion) [w:] Journal American Statistical Association 91, 1996, str. 473-489.
• Rubin D.B., Multiple Imputations in Sample Surveys-A Phenomenological Bayesian Approach to Nonresponse [w:] Proceedings of the Survey research Methods Section, American Statistical Association, str. 20-34.
• Schafer J.L., Olsen M.K., Multiple imputation for multivariance missng data problems: a data analyst's perspective, The Pennsylvania State University, 1998, str. 20.
• Schulte N.E., Imputation: Methods, Simulation Exleriments and practical Examples [w:] International StatisticalReview, Vol. 66, No. 2, 1998, str. 157-180.