Multiple Imputation for Bounded Variables.
Multiple Imputation for Bounded Variables.
复制标题
DOI：
10.1007/s11336-018-9616-y
复制
发表时间：
2018-12
期刊：
影响因子：
3
通讯作者：
McLain A
中科院分区：
文献类型：
--
作者：
Geraci M;McLain A
缺失数据是统计分析中常见的问题。多重插补是一种已在无数研究中应用的技术，具有强大的理论基础。大多数关于多重插补的统计文献都集中在无界连续变量上，对于有界支持度的变量，大多数都有特别的补救措施。这些方法在应用于有界变量时可能不令人满意，因为它们可能产生误导性的推论。在本文中，我们提出了一个灵活的基于分位数的插补模型，适用于定义在单或双有界区间上的分布。适当的支持的估算值，确保通过应用一个家庭的转换与单或双有界的范围。仿真研究表明，我们的方法是能够处理偏态，双峰，异方差，并具有上级性能相比，竞争的方法，如对数正态插补和预测均值匹配。我们证明了应用程序的建议插补程序分析数据的数学发展分数在儿童的千年队列研究，英国。我们还显示了我们的方法使用一个小的精神病数据集的具体优势。我们的方法与许多领域相关，包括教育和心理学。
Missing data are a common issue in statistical analyses. Multiple imputation is a technique that has been applied in countless research studies and has a strong theoretical basis. Most of the statistical literature on multiple imputation has focused on unbounded continuous variables, with mostly ad hoc remedies for variables with bounded support. These approaches can be unsatisfactory when applied to bounded variables as they can produce misleading inferences. In this paper, we propose a flexible quantile-based imputation model suitable for distributions defined over singly or doubly bounded intervals. Proper support of the imputed values is ensured by applying a family of transformations with singly or doubly bounded range. Simulation studies demonstrate that our method is able to deal with skewness, bimodality, and heteroscedasticity and has superior properties as compared to competing approaches, such as log-normal imputation and predictive mean matching. We demonstrate the application of the proposed imputation procedure by analysing data on mathematical development scores in children from the Millennium Cohort Study, UK. We also show a specific advantage of our methods using a small psychiatric dataset. Our methods are relevant in a number of fields, including education and psychology.
登录
查看更多内容
影响因子：
2.3
作者：
Geraci, Marco
通讯作者：
Geraci, Marco
影响因子：
2
作者：
Kiernan, Kathleen E.;Mensah, Fiona K.
通讯作者：
Mensah, Fiona K.
DOI：
10.1002/cjs.11240
发表时间：
2015-03-01
影响因子：
0.6
作者：
Geraci, Marco;Jones, M. C.
通讯作者：
Jones, M. C.
影响因子：
1.5
作者：
He, Yulei;Raghunathan, Trivellore E.
通讯作者：
Raghunathan, Trivellore E.
影响因子：
6.1
作者：
KOENKER, R;BASSETT, G
通讯作者：
BASSETT, G