imputatiemethoden

Imputatiemethoden zijn statistische technieken die ontbrekende waarden in datasets vervangen door schattingen. Doel is om verlies aan informatiedichtheid te beperken en bias te verminderen, zodat analyses kunnen worden uitgevoerd op complete datasets of op datasets met minder ontbrekende waarden.

Er bestaan twee hoofdbenaderingen: enkelvoudige imputatie, waarbij één waarde wordt toegewezen, en meervoudige imputatie, waarbij meerdere plausibele waarden worden gegenereerd en de onzekerheid wordt meegenomen.

Bij enkelvoudige imputatie behoort middel- of mediaanvervanging, regressie-imputatie en k-nearest neighbors imputatie. Hot deck imputatie vangt ontbrekende waarden op basis van waarden uit vergelijkbare waarnemingen.

Meervoudige imputatie omvat methoden zoals MICE en het EM-algoritme, die datasets meerdere keren imputeert en Rubin’s regels gebruikt om de resultaten samen te voegen.

Het kiezen van een imputatiemethode hangt af van de aard van de ontbrekende data en het verwachte missingness-mechanisme: MCAR, MAR of MNAR. Meervoudige imputatie is doorgaans robuuster bij MAR en erkent onzekerheid beter dan enkelvoudige imputatie.

Diagnostische stappen omvatten vergelijking van de verdelingen van geobserveerde en geïmputeerde waarden, controle op convergentie en het toetsen van de gevoeligheid van conclusies. Imputatie kan bias introduceren als het model ontoereikend is.

In praktijk verbeteren imputatiemethoden de geldigheid van statistische conclusies, mits correct toegepast en transparant gerapporteerd.