Imputazione multipla di dati mancanti nella pratica: Teoria di base e strategie di analisi

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

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

Contenuto del libro:

L'imputazione multipla dei dati mancanti nella pratica: Basic Theory and Analysis Strategies fornisce un'introduzione completa all'approccio dell'imputazione multipla ai problemi di dati mancanti che si incontrano spesso nell'analisi dei dati. Negli ultimi 40 anni circa, l'imputazione multipla ha conosciuto un rapido sviluppo sia nelle teorie che nelle applicazioni. Oggi è la strategia per i dati mancanti più versatile, popolare ed efficace, utilizzata da ricercatori e professionisti in diversi campi. Esiste una forte necessità di comprendere e apprendere meglio l'imputazione multipla nella comunità della ricerca e della pratica.

Accessibile a un vasto pubblico, questo libro spiega i concetti statistici dei problemi di dati mancanti e la terminologia associata. Si concentra su come affrontare i problemi di dati mancanti utilizzando l'imputazione multipla. Descrive la teoria di base dell'imputazione multipla e molti modelli e metodi comunemente utilizzati. Queste idee sono illustrate con esempi tratti da un'ampia varietà di problemi di dati mancanti. Per dimostrare i metodi vengono utilizzati dati reali provenienti da studi con disegni e caratteristiche diverse (ad esempio, dati trasversali, dati longitudinali, indagini complesse, dati di sopravvivenza, studi soggetti a errori di misura, ecc. ) vengono utilizzati per dimostrare i metodi. Affinché i lettori non solo sappiano come usare i metodi, ma capiscano anche perché l'imputazione multipla funziona e come scegliere i metodi appropriati, vengono utilizzati studi di simulazione per valutare le prestazioni dei metodi di imputazione multipla. I dataset di esempio e il codice di programmazione sono inclusi nel libro o disponibili su un sito github (https: //github.com/he-zhang-hsu/multiple_imputation_book).

Caratteristiche principali.

⬤ Fornisce una panoramica dei concetti statistici utili per comprendere meglio i problemi di dati mancanti e l'analisi di imputazione multipla.

⬤ Fornisce una discussione dettagliata sui modelli e sui metodi di imputazione multipla mirati a diversi tipi di problemi di dati mancanti (ad esempio, problemi di dati mancanti univariati e multivariati, dati mancanti nell'analisi della sopravvivenza, dati longitudinali, indagini complesse, ecc. )

⬤ Esplora i problemi di errore di misura con l'imputazione multipla.

⬤ Discute le strategie di analisi per la diagnostica dell'imputazione multipla.

⬤ Discute i problemi di produzione dei dati quando l'obiettivo dell'imputazione multipla è quello di rilasciare set di dati per uso pubblico, come fanno le organizzazioni che elaborano e gestiscono indagini su larga scala con problemi di non risposta.

⬤ Per alcuni esempi, nel libro sono inclusi set di dati illustrativi e codici di programmazione di esempio di pacchetti statistici popolari (ad esempio, SAS, R, WinBUGS). Per altri, sono disponibili su un sito github (https: //github.com/he-zhang-hsu/multiple_imputation_book).