Imputoinnissa

Imputointi on tilastollinen menetelmä puuttuvien tietojen käsittelyyn. Imputoinnissa puuttuvat arvot korvataan todennäköisiin tai mallinnettuihin arvoihin siten, että aineiston analysoinnista voidaan hyödyntää koko otos. Puuttuvien arvojen mekanismeja kuvataan yleisesti MCARilla (poissa olevat arvot eivät liity mihinkään havaittuihin arvoihin), MARilla (puuttuvuus riippuu havainnoiduista arvoista) ja MNARilla (puuttuvuus riippuu todellisista, mutta ei havaituista arvoista).

Menetelmät jaotellaan yksittäiseen imputointiin ja moninkertaiseen imputointiin. Yksittäinen imputointi voi olla esimerkiksi keskiarvo- tai mediaanimputointi, regressionimputointi tai hot-deck -menetelmä. Moninkertainen imputointi tuottaa useita plausibiliteettisesti erilaisia täydennettyjä aineistoja ja analyysit voidaan suorittaa jokaisella datasetillä erikseen; tulokset yhdistetään Rubin-Ruokalukujen (Rubin’s pooling) avulla. Tunnettuja tekniikoita ovat MICE (imputation by chained equations), Bayesian-imputointi sekä EM-algoritmi (Expectation-Maximization).

Imputointiprosessi sisältää määrittely- ja mallintamiskierroksia: valitaan sopivat imputointimalleja, tuotetaan useita täydennettyjä datasetteja, suoritetaan analyysit ja yhdistetään tulokset. Tavoitteena on ottaa huomioon epävarmuus puuttuvien arvojen vuoksi ja välttää harhaanjohtavaa päätöksentekoa.

Edut ja rajoitteet. Imputointi voi parantaa estimointitehoa ja vähentää harhaa sekä mahdollistaa monimutkaisten mallien käytön. Se kuitenkin riippuu oikeasta mekanismin arvioinnista ja mallien kohdalleen asettamisesta; virheellinen malli tai suuri puuttuvuusaste voi johtaa vinoumiin tai aliperskmettelyyn.

Käyttökohteita ovat muun muassa terveystieteet, sosiaali- ja käyttäytymistieteet sekä taloustiede. Hyvä käytäntö edellyttää läpinäkyvää raportointia, herkkyysanalyysiä ja asianmukaisten imputointimalleja.