Los puntos clave no están disponibles para este artículo en este momento.
Resumen La imputación múltiple fue diseñada para manejar el problema de datos faltantes en bases de datos de uso público donde el constructor de la base y el usuario final son entidades distintas. El objetivo es la inferencia frecuentista válida para los usuarios finales que en general solo tienen acceso a software para datos completos y poseen un conocimiento limitado de las razones específicas y modelos para la no respuesta. Para esta situación y objetivo, creo que la imputación múltiple realizada por el constructor de la base de datos es el método preferido. Este artículo primero proporciona una descripción del contexto y objetivos asumidos, y segundo, revisa el marco de imputación múltiple y sus resultados estándar. Estas discusiones preliminares son especialmente importantes porque algunos comentarios recientes sobre la imputación múltiple reflejan malos entendidos sobre los objetivos prácticos de la imputación múltiple o sobre resultados teóricos fundamentales. Luego, se consideran las críticas a la imputación múltiple y, finalmente, se hacen comparaciones con estrategias alternativas.
Building similarity graph...
Analyzing shared references across papers
Loading...
Donald B. Rubin
Journal of the American Statistical Association
Harvard University
Building similarity graph...
Analyzing shared references across papers
Loading...
Donald B. Rubin (sábado) estudió esta cuestión.
www.synapsesocial.com/papers/69eedff2b65c86b636037e6f — DOI: https://doi.org/10.2307/2291635
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: