imputationsmodellen

Imputationsmodellen är en statistisk ram för hantering av saknade observationer i ett dataset genom att generera flera plausibla uppsättningar av saknade värden och därefter analysera varje uppsättning separat. Syftet är att minska bias och öka precisionen i uppskattningar jämfört med enklare metoder som att utesluta saknade fall eller använda en enda imputering.

I praktiken används en imputationsmodell som förutspår saknade värden baserat på de observerade variablerna. Vanliga tekniker inkluderar regressionsbaserad imputering, predictive mean matching, logistisk regression för kategoriska variabler och olika maskinlärningsmetoder. En vanlig ram är multivariat imputering genom kedjade ekvationer (MICE), där varje variabel imputeras i tur baserat på de övriga variablerna och processen upprepas tills konvergens uppnås.

Tillförlitlighet i imputationsmodellen förutsätter att saknade data uppstår under mekanismerna MCAR eller MAR (saknade helt slumpmässiga eller slumpmässiga givet observerade variabler). Vid MNAR (saknade inte slumpmässigt) krävs ofta modellering av saknadeprocessen eller känslighetsanalyser.

Efter imputering analyseras varje komplett dataset separat och resultaten kombineras enligt Rubins regler för att få sammanlagda estimat, samt en sammanfattning av mellan-imputationsvariansen. Denna pooling ger mer tillförlitliga konfidensintervall än enkla imputationsmetoder.

Användningsområden inkluderar enkätstudier, kliniska prövningar och longitudinell forskning, där saknade data är vanligt förekommande. Valet av modell och antal imputationsuppsättningar beror på data och forskningsfrågan.