imputatiemethode

Imputatiemethode is een statistische techniek om ontbrekende waarden in een dataset te vervangen door schattingen zodat analyses met een volledig dataset kunnen worden uitgevoerd. Het doel is vertekening door ontbrekende data te verminderen en de onzekerheid die samenhangt met de ontbrekende waarden mee te nemen in de conclusies.

Er bestaan verschillende typen imputation. Bij enkelvoudige imputatie worden de ontbrekende waarden één keer vervangen, bijvoorbeeld met het gemiddelde, de mediaan of via regressie- of hot-deck imputatie. Enkelvoudige imputatie kan de variantie onderschatten en leidt tot vertekende standaardfouten, wat de inferenties beperkt.

Meervoudige imputatie genereert meerdere plausibele waarden voor elke ontbrekende cel, waardoor meerdere volledige datasets ontstaan. Elke dataset wordt apart geanalyseerd en de resultaten worden samengevat volgens Rubin's regels, zodat de onzekerheid door ontbrekende data wordt meegenomen. Meervoudige imputatie gaat meestal uit van Missing at Random (MAR).

Er zijn diverse methoden en modellen voor imputatie, zoals MICE (multivariate imputation by chained equations) of joint modelling. Andere benaderingen zijn deterministische imputatie en via k-nearest neighbors (kNN-imputatie) of machine learning-gebaseerde methoden zoals missForest. De keuze hangt af van de aard van de data en de vermoedelijke ontbrekende-mechanismen, waaronder MNAR.

Diagnostiek en rapportage zijn cruciaal: controleer de plausibiliteit van imputaties, vergelijk de distributies van geïmputeerde en ontbrekende waarden, en voer gevoeligheidsanalyses uit. Bepaal het aantal imputaties (vaak tussen 5 en 20) en documenteer aannames, modellen en diagnosticaties.