Analyses of multivariate data are f

Analyses of multivariate data are frequently hampered by missing values. Until recently, the
only missing-data methods available to most data analysts have been relatively ad1 hoc practices
such as listwise deletion. Recent dramatic advances in theoretical and computational statistics,
however, have produced anew generation of flexible procedures with a sound statistical basis.
These procedures involve multiple imputation (Rubin, 1987), a simulation technique that
replaces each missing datum with a set of m > 1 plausible values. The m versions of the
complete data are analyzed by standard complete-data methods, and the results are combined
using simple rules to yield estimates, standard errors, and p-values that formally incorporate
missing-data uncertainty. New computational algorithms and software described in a recent
book (Schafer, 1997a) allow us to create proper multiple imputations in complex multivariate
settings. This article reviews the key ideas of multiple imputation, discusses the software programs currently available, and demonstrates their use on data from the Adolesc:ent Alcohol
prevention Trial (Hansen & Graham, 199 I).

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ข้อมูลหลายตัวแปรมีอุปสรรคบ่อยครั้งโดยค่าที่ขาดหาย จนกระทั่งเมื่อเร็ว ๆ
วิธีการเดียวที่ขาดหาย-ข้อมูลที่มีข้อมูลที่นักวิเคราะห์ส่วนใหญ่ได้รับการปฏิบัติเฉพาะกิจค่อนข้าง AD1
เช่นการลบ listwise ความก้าวหน้าอย่างมากล่าสุดในสถิติทฤษฎีและการคำนวณ
แต่ได้มีการผลิตใหม่รุ่นของขั้นตอนที่มีความยืดหยุ่นที่มีพื้นฐานทางสถิติเสียง.
ขั้นตอนเหล่านี้เกี่ยวข้องกับหลายใส่ร้าย (รูบิน, 1987), เทคนิคการจำลองว่า
แทนที่แต่ละตัวเลขหายไปกับชุดของ M> 1 ค่าที่เป็นไปได้ เมตรรุ่นของ
ข้อมูลที่สมบูรณ์มีการวิเคราะห์โดยวิธีการที่สมบูรณ์แบบข้อมูลมาตรฐานและผลที่จะรวมกัน
โดยใช้กฎง่ายๆที่จะให้ผลผลิตประมาณข้อผิดพลาดมาตรฐานและ P-ค่าที่อย่างเป็นทางการรวม
ความไม่แน่นอนที่ขาดหายไปข้อมูล ขั้นตอนวิธีการคำนวณใหม่และซอฟต์แวร์ที่อธิบายไว้ในล่าสุด
หนังสือ (เชฟเฟอร์ 1997a) ช่วยให้เราสามารถสร้าง imputations หลายหลายตัวแปรที่เหมาะสมในการที่ซับซ้อน
การตั้งค่า บทความนี้จะทบทวนความคิดที่สำคัญของการใส่ร้ายหลายกล่าวถึงโปรแกรมซอฟแวร์ที่มีอยู่ในขณะนี้และแสดงให้เห็นถึงการใช้งานของพวกเขาในข้อมูลจาก Adolesc: Ent แอลกอฮอล์
ทดลองการป้องกัน (Hansen & เกรแฮม, 199 I)

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อมูลหลายตัวแปรมักขัดขวางโดยหายไปค่า จนกระทั่งเมื่อเร็ว ๆ นี้หาข้อมูลให้มากที่สุด วิธีการวิเคราะห์ข้อมูลได้ค่อนข้าง ad1 ปฏิบัติการเฉพาะกิจเช่น listwise ลบ . ล่าสุดความก้าวหน้าอย่างมากในคอมพิวเตอร์และทฤษฎีสถิติอย่างไรก็ตาม ได้มีการผลิตใหม่รุ่นของกระบวนการความยืดหยุ่นเสียงทางสถิติพื้นฐานขั้นตอนเหล่านี้เกี่ยวข้องกับหลายส่วนบุคคล ( Rubin , 1987 ) , จำลองที่แทนที่แต่ละตัวเลขที่หายไปกับชุดของ M > 1 จะเป็นค่า M รุ่นของข้อมูลที่สมบูรณ์มาวิเคราะห์ โดยวิธีมาตรฐานที่สมบูรณ์ของข้อมูล และผลลัพธ์จะรวมกันใช้กฎง่าย ๆเพื่อผลประเมินมาตรฐาน ข้อผิดพลาด และ p-values อย่างเป็นทางการรวมที่คิดถึงความไม่แน่นอนของข้อมูล ใหม่คอมพิวเตอร์อัลกอริทึมและซอฟต์แวร์อธิบายในล่าสุดหนังสือ ( เชเฟอร์ 1997a , ) ช่วยให้เราสามารถสร้างการใส่ความที่เหมาะสมหลายตัวแปรหลายตัวการตั้งค่า บทความนี้ทบทวนความคิดที่สำคัญของหลายการใส่ความ กล่าวถึงโปรแกรมซอฟต์แวร์ในปัจจุบันและแสดงให้เห็นถึงการใช้ข้อมูลจาก adolesc : ใส่แอลกอฮอล์ทดลองการป้องกัน ( Hansen & เกรแฮม ฉัน )