BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Kwiatkowski Andrzej
Tytuł
Problem wariancji w analizie danych niepełnych - metoda imputacji wielokrotnej
Problem with Variance in Missing Data Analyse - Multiply Imputation.
Źródło
Monografie i Opracowania / Szkoła Główna Handlowa, 2004, nr 533, s. 201-213, tab., bibliogr. 9 poz.
Słowa kluczowe
Badania ankietowe, Analiza danych statystycznych, Metody statystyczne
Questionnaire survey, Statistical data analysis, Statistical methods
Uwagi
streszcz., summ.
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 przedstawione 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. (streszcz. oryg.)

Missing data is the more and more frequent phenomena in surveys, especially questionnaire ones. Standard analytical procedure used in this case is a complete-case analysis, where missing observations are removed and analysis is based only on fully observed records. This strategy leads usually to wrong statistical inferences. The paper presents groups of methods used to analyse missing data. Special attention is paid to methods of imputation, where missing elements in the data file are replaced by their estimates. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Fichmann M., Cummings J. N., Multiple imputation for missing data: Making the most of what you know, Carnegie - Mellon University, Pittsburgh PA, s. 13.
  2. King G., Honaker J., Joseph A., Sheve K., Analyzing Incomplete Science Data: An Alternative Algorithm f or Multiple Imputation [w:] American Political Science Review, Vol. 95, No. l, Marzec 2001, s. 49-69.
  3. 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.
  4. Little R. J. A. I, Rubin D. B. Statistical Analysis with Missing Data, John Willey & Sons, Hoboken, New Jersey, 2002.
  5. Rubin D. B. Multiple imputation after 18+years (with discussion) [w:] Journal of the American Statistical Association 91, 1996, s. 473-489.
  6. 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, s. 20-34.
  7. Schafer J. L., Olsen M. K., Multiple imputation for multivariate missing data problems: a data analyst's perspective, The Pennsylvania State University, 1998, s. 20.
  8. Schulte Nordholt E., Imputation: Methods, Simulation Experiments and Practical Examples [w:] International Statistical Review, Vol. 66, No. 2, 1998, s. 157-180.
  9. Zhang P., Multiple Imputation: Theory and Method [w:] International Statistical Review, Vol. 71, No. 3, 2003, s. 581-592.
Cytowane przez
Pokaż
ISSN
0867-7727
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu