Leserbewertungen
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Originaltitel:
Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies
Inhalt des Buches:
Das Buch Multiple Imputation of Missing Data in Practice: Grundlegende Theorie und Analysestrategien bietet eine umfassende Einführung in den Ansatz der multiplen Imputation bei Problemen mit fehlenden Daten, die in der Datenanalyse häufig vorkommen. In den letzten 40 Jahren hat sich die multiple Imputation sowohl in der Theorie als auch in der Anwendung rasant entwickelt. Sie ist heute die vielseitigste, beliebteste und effektivste Strategie für fehlende Daten, die von Forschern und Praktikern in verschiedenen Bereichen eingesetzt wird. In der Forschung und in der Praxis besteht ein großer Bedarf, die multiple Imputation besser zu verstehen und zu erlernen.
Dieses Buch ist für ein breites Publikum zugänglich und erklärt statistische Konzepte für Probleme mit fehlenden Daten und die damit verbundene Terminologie. Der Schwerpunkt liegt auf der Lösung von Problemen mit fehlenden Daten durch multiple Imputation. Es beschreibt die grundlegende Theorie hinter der multiplen Imputation und viele häufig verwendete Modelle und Methoden. Diese Ideen werden anhand von Beispielen aus einer Vielzahl von Problemen mit fehlenden Daten illustriert. Reale Daten aus Studien mit unterschiedlichen Designs und Merkmalen (z. B. Querschnittsdaten, Längsschnittdaten, komplexe Erhebungen, Überlebensdaten, Studien mit Messfehlern usw.) werden zur Demonstration der Methoden verwendet. ) werden zur Demonstration der Methoden verwendet. Damit die Leser nicht nur wissen, wie man die Methoden anwendet, sondern auch verstehen, warum die Mehrfach-Imputation funktioniert und wie man geeignete Methoden auswählt, werden Simulationsstudien verwendet, um die Leistung der Mehrfach-Imputationsmethoden zu bewerten. Beispieldatensätze und Beispielprogrammiercode sind entweder im Buch enthalten oder auf einer Github-Seite verfügbar (https: //github.com/he-zhang-hsu/multiple_imputation_book).
Hauptmerkmale.
⬤ Bietet einen Überblick über statistische Konzepte, die für ein besseres Verständnis von Problemen mit fehlenden Daten und der Analyse der multiplen Imputation nützlich sind.
⬤ Bietet eine ausführliche Diskussion über Modelle und Methoden der multiplen Imputation, die auf verschiedene Arten von Problemen mit fehlenden Daten ausgerichtet sind (z. B. univariate und multivariate Probleme mit fehlenden Daten, fehlende Daten in Überlebensanalysen, Längsschnittdaten, komplexe Erhebungen, usw. )
⬤ Untersucht Messfehlerprobleme mit multipler Imputation.
⬤ Erörtert Analysestrategien für die Diagnose der multiplen Imputation.
⬤ Erörtert Fragen der Datenproduktion, wenn das Ziel der multiplen Imputation die Freigabe von Datensätzen für die öffentliche Nutzung ist, wie es von Organisationen getan wird, die groß angelegte Erhebungen mit Nonresponse-Problemen verarbeiten und verwalten.
⬤ Für einige Beispiele sind illustrative Datensätze und Beispielprogrammiercodes aus gängigen Statistikpaketen (z. B. SAS, R, WinBUGS) im Buch enthalten. Für andere Beispiele sind sie auf einer Github-Seite verfügbar (https: //github.com/he-zhang-hsu/multiple_imputation_book)
Weitere Daten des Buches:
| ISBN: | 9781498722063 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 476 |
Kauf:
Derzeit verfügbar, auf Lager.
