BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Kwiatkowski Andrzej
Tytuł
Metody imputacji w analizie danych niepełnych
Źródło
Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, 2004, nr 13, s. 69-83, bibliogr. 9 poz.
Tytuł własny numeru
Metody badań procesów społeczno-ekonomicznych
Słowa kluczowe
Statystyka bayesowska, Analiza danych
Bayesian statistics, Data analysis
Uwagi
streszcz.
Abstrakt
Braki odpowiedzi są zjawiskiem coraz powszechniej występującym w badaniach, zwłaszcza kwestionariuszowych. Standardową procedurą używaną w takiej sytuacji jest analiza pełnych obserwacji, czyli usunięcie obserwacji niepełnych i oparcie analiz na pełnych rekordach. Strategia taka zazwyczaj prowadzi do błędnego wnioskowania statystycznego. W pracy przed¬stawione zostały grupy metod stosowanych w analizie danych niepełnych. Wyróżniono wśród nich między innymi tzw. metody imputacji, w której brakujące elementy w zbiorze danych są zastępowane ich oszacowaniami. (abstrakt oryginalny)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Agarwal S., Learning from Incomplete Data, University of California, San Diego, 2001.
  2. Fichmann M., Cummings J.N., Multiple imputation for missing data:making the most of what you know, carnegie-mellon university, pittsburg PA, str. 13.
  3. King G., Honaker J., Joseph A., Sheve K., Analyzing Incomplete Science Data: An Alternative Algorithm for Multiple Imputation [w:]American Political Science Review, Vol 95, No 1, Marzec 2001, str. 49-69.
  4. Lee R., Ming-Xiu H., Salvucci S., A study of Imputation Algorithms, Working Paper No.2001-17, U.S.Department of Education, National Center for Education Statistics, Washington, DC:2001.
  5. Iittle R.J.A., Rubin D.B., Statistical Analysis with Mising Data, John Willey&Sons, Hoboken, New Jersey, 2002.
  6. Rubin D.B., Multiple Imputation after 18+ years (with discussion) [w:] Journal American Statistical Association 91, 1996, str. 473-489.
  7. Rubin D.B., Multiple Imputations in Sample Surveys-A Phenomenological Bayesian Approach to Nonresponse [w:] Proceedings of the Survey research Methods Section, American Statistical Association, str. 20-34.
  8. Schafer J.L., Olsen M.K., Multiple imputation for multivariance missng data problems: a data analyst's perspective, The Pennsylvania State University, 1998, str. 20.
  9. Schulte N.E., Imputation: Methods, Simulation Exleriments and practical Examples [w:] International StatisticalReview, Vol. 66, No. 2, 1998, str. 157-180.
Cytowane przez
Pokaż
ISSN
1232-4671
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu