Missing dataMissing data were handl

Missing data
Missing data were handled using the multiple imputation
approach, which results in less bias than alternative procedures
such as list-wise deletion or mean substitution
[24,25]. Multiple imputation was implemented using a SAS
procedure PROC MI with the Markov Chain Monte Carlo
(MCMC) method [26]. Parameter estimates were combined
and statistical inferences were made using another SAS
procedure, PROC MIANALYZE [26]. Twenty imputed
data sets were generated to ensure a relative efficiency [27].
All results reported below are the average [24,25] of the
results based on 20 imputed data sets.

ผลลัพธ์ (ไทย) 2:

ข้อมูลที่ขาดหายไป
ข้อมูลที่หายไปถูกจัดการโดยใช้การใส่ร้ายหลาย
วิธีซึ่งส่งผลให้มีอคติน้อยกว่าวิธีการทางเลือก
เช่นการลบรายการที่ชาญฉลาดหรือหมายถึงทดแทน
[24,25] ใส่ร้ายหลายได้รับการดำเนินการโดยใช้ SAS
ขั้นตอน PROC MI กับมาร์คอฟเชน Monte Carlo
(MCMC) วิธีการ [26] ประมาณการพารามิเตอร์มารวมกัน
และหาข้อสรุปทางสถิติที่ถูกสร้างขึ้นมาใช้อีก SAS
ขั้นตอน PROC MIANALYZE [26] ยี่สิบนัย
ชุดข้อมูลถูกสร้างขึ้นเพื่อให้แน่ใจว่าประสิทธิภาพญาติ [27].
รายงานผลทั้งหมดด้านล่างนี้มีค่าเฉลี่ย [24,25] ของ
ผลขึ้นอยู่กับข้อมูลชุด 20 รวมอยู่ในตั๋ว

ผลลัพธ์ (ไทย) 3:

The times you meter kaleidoscope.The times you meter kaleidoscope.