Wielokrotna imputacja brakujących danych w praktyce: Podstawowa teoria i strategie analizy

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies

Zawartość książki:

Multiple Imputation of Missing Data in Practice: Podstawowa teoria i strategie analizy stanowi kompleksowe wprowadzenie do podejścia wielokrotnej imputacji do problemów związanych z brakującymi danymi, które są często napotykane w analizie danych. W ciągu ostatnich 40 lat imputacja wielokrotna przeszła gwałtowny rozwój zarówno pod względem teorii, jak i zastosowań. Obecnie jest to najbardziej wszechstronna, popularna i skuteczna strategia uzupełniania brakujących danych, stosowana przez badaczy i praktyków z różnych dziedzin. Istnieje silna potrzeba lepszego zrozumienia i poznania imputacji wielokrotnej w społeczności badawczej i praktycznej.

Książka ta, przystępna dla szerokiego grona odbiorców, wyjaśnia koncepcje statystyczne dotyczące problemów z brakującymi danymi i związaną z nimi terminologię. Koncentruje się ona na sposobach rozwiązywania problemów brakujących danych przy użyciu wielokrotnej imputacji. Opisuje podstawową teorię stojącą za imputacją wielokrotną oraz wiele powszechnie stosowanych modeli i metod. Pomysły te są zilustrowane przykładami z szerokiej gamy problemów z brakującymi danymi. Rzeczywiste dane z badań o różnej konstrukcji i cechach (np. dane przekrojowe, dane podłużne, złożone ankiety, dane dotyczące przeżycia, badania podlegające błędowi pomiaru itp. ) są wykorzystywane do zademonstrowania metod. Aby czytelnicy nie tylko wiedzieli, jak korzystać z metod, ale także rozumieli, dlaczego imputacja wielokrotna działa i jak wybrać odpowiednie metody, do oceny wydajności metod imputacji wielokrotnej wykorzystywane są badania symulacyjne. Przykładowe zestawy danych i przykładowy kod programowania są zawarte w książce lub dostępne na stronie github (https: //github.com/he-zhang-hsu/multiple_imputation_book).

Główne cechy.

⬤ Zapewnia przegląd koncepcji statystycznych, które są przydatne do lepszego zrozumienia problemów związanych z brakującymi danymi i analizą wielokrotnej imputacji.

⬤ Zawiera szczegółową dyskusję na temat modeli imputacji wielokrotnej i metod ukierunkowanych na różne rodzaje problemów związanych z brakującymi danymi (np. problemy z brakującymi danymi jedno- i wielowymiarowymi, brakujące dane w analizie przeżycia, dane podłużne, złożone ankiety itp. )

⬤ Analizuje problemy związane z błędem pomiaru przy wielokrotnej imputacji.

⬤ Omawia strategie analizy dla diagnostyki imputacji wielokrotnej.

⬤ Omówienie kwestii związanych z tworzeniem danych, gdy celem imputacji wielokrotnej jest udostępnienie zbiorów danych do użytku publicznego, tak jak robią to organizacje przetwarzające i zarządzające badaniami na dużą skalę z problemami braku odpowiedzi.

⬤ W przypadku niektórych przykładów, książka zawiera ilustracyjne zestawy danych i przykładowy kod programowania z popularnych pakietów statystycznych (np. SAS, R, WinBUGS). Dla innych są one dostępne na stronie github (https: //github.com/he-zhang-hsu/multiple_imputation_book).