Falta tasas y varios de imputación

Question

Hay un límite que es el menos aceptable cuando se utilizan múltiples imputación (MI)?

Por ejemplo, puedo usar MI si la falta de valores de una variable son el 20% de los casos, mientras que y otras variables tienen valores perdidos, pero no a un nivel tan alto?

Answer 1

A partir de los comentarios, estás seguro de que tu en un MAR o de LA situación. A continuación, varios de imputación es al menos razonable. Entonces, ¿cuánto missingness es manejable? Piénsalo de esta manera:

Básicamente, múltiples imputación hace todo el modelo de estimaciones de los parámetros de menos ciertas como una función de la precisión con la que la falta de datos puede ser predicho con el modelo de imputación, que dependerá, entre otras cosas, sobre la cantidad de desaparecidos que las necesidades de la imputación, y el número de imputaciones de utilizar.

Cuánto es "demasiado" missingness por lo tanto depende de la cantidad de agregado varianza/incertidumbre usted está dispuesto a poner para arriba con. Un dato útil para usted podría ser la relativa eficiencia ($RE$) de MI análisis. Esto depende de la "fracción de la falta de información" (no la simple tasa de missingness), que generalmente se llama $\lambda$, y el número de imputaciones, que generalmente se llama $m$$RE \approx 1/(1+\lambda/m)$.

En lugar de generar las definiciones de la falta de información, etc. aquí, usted puede simplemente leer el MI FAQ que pone las cosas muy claramente. A partir de ahí sabrás si usted desea abordar las fuentes originales: Rubin etc.

Prácticamente hablando, usted debe, probablemente, sólo se trate de una imputación en el análisis y ver cómo funciona.

Answer 2

Usted puede encontrar

Rubin, Donald B. y Nathaniel Schenker. 1986. "Varios De Imputación para el Intervalo de Estimación a partir de Muestras Aleatorias Simples con Ignorable La falta de respuesta." Revista de la Asociación Americana de Estadística 81(394):366-374.

útil.