A nonparametric multiple imputation approach for data with missing covariate values with application to colorectal adenoma data.
A nonparametric multiple imputation approach for data with missing covariate values with application to colorectal adenoma data.
复制标题
DOI：
10.1080/10543406.2014.888444
复制
发表时间：
2014
影响因子：
1.1
通讯作者：
Jacobs E
中科院分区：
文献类型：
--
作者：
Hsu CH;Long Q;Li Y;Jacobs E
提出了一种基于最近邻的多重插值方法，利用预测协变量恢复缺失的协变量信息，同时估计结果与协变量之间的相关性。为了进行输入，对两个工作模型进行拟合以定义输入集。期望这种方法对数据的底层分布具有鲁棒性。我们在模拟和结肠直肠数据集上证明，与完整案例分析和改进的逆概率加权方法相比，所提出的方法可以提高效率并减少随机缺失情况下的偏差。
A nearest neighbor-based multiple imputation approach is proposed to recover missing covariate information using the predictive covariates while estimating the association between the outcome and the covariates. To conduct the imputation, two working models are fitted to define an imputing set. This approach is expected to be robust to the underlying distribution of the data. We show in simulation and demonstrate on a colorectal data set that the proposed approach can improve efficiency and reduce bias in a situation with missing at random compared to the complete case analysis and the modified inverse probability weighted method.
登录
查看更多内容
影响因子：
2
作者：
Hsu, Chiu-Hsieh;Taylor, Jeremy M. G.;Commenges, Daniel
通讯作者：
Commenges, Daniel
影响因子：
5.7
作者：
MENG, XL
通讯作者：
MENG, XL
影响因子：
1.4
作者：
Long, Qi;Hsu, Chiu-Hsieh;Li, Yisheng
通讯作者：
Li, Yisheng
影响因子：
3.7
作者：
Scharfstein, DO;Rotnitzky, A;Robins, JM
通讯作者：
Robins, JM
影响因子：
1.8
作者：
ROSENBAUM, PR;RUBIN, DB
通讯作者：
RUBIN, DB