Review of Methods for Data Sets with Missing Values and Practical Applications

• Autorzy: Adam Korczyński

Warianty tytułu

Przegląd metod analizy niekompletnych zbiorów danych wraz z przykładami zastosowań

• Języki publikacji: EN

Abstrakty

EN

The aim of this paper is to revise the traditional methods (complete-case analysis, available-case analysis, single imputation) and current methods (likelihood-based methods, multiple imputation, weighting methods) for handling the problem of missing data and to assess their usefulness in statistical research. The paper provides the terminology and the description of traditional and current methods and algorithms used in the analysis of incomplete data sets. The methods are assessed in terms of the statistical properties of their estimators. An example is provided for the multiple imputation method. The review indicates that current methods outweigh traditional ones in terms of bias reduction, precision and efficiency of the estimation.(original abstract)

Celem opracowania jest przegląd tradycyjnych (usuwanie wierszy, usuwanie wierszy parami, imputacja pojedyncza) i współczesnych (metoda największej wiarygodności, imputacja wielokrotna, metody wagowe) metod stosowanych wobec niekompletnych zbiorów danych oraz ocena ich użyteczności z punktu widzenia analiz statystycznych. W opracowaniu podano podstawowe pojęcia, a także opis podstawowych metod i algorytmów. Metody oceniono, uwzględniając własności estymatorów otrzymywanych na ich podstawie. Wybrana metoda (imputacja wielokrotna) zilustrowana została przykładem. Przegląd wskazuje na to, że metody współczesne mają przewagę nad metodami tradycyjnymi pod względem redukcji obciążenia, precyzji, a także efektywności estymatorów.(abstrakt oryginalny)

Słowa kluczowe

EN

Statistical analysis; Statistical methods; Statistics

PL

Analiza statystyczna; Metody statystyczne; Statystyka

• Czasopismo: Śląski Przegląd Statystyczny
• Rocznik: 2014
• Numer: nr 12 (18)
• Strony: 83--103

Twórcy

autor

Adam Korczyński

• Warsaw School of Economics, Poland

Bibliografia

• Allan F.E., Wishart J., A method of estimating the yield of a missing plot in field experiment work, "Journal of Agricultural Science" 1930, Vol. 20, No. 3, pp. 399-406.
• Allison P., Missing data, [in:] R.E. Millsap, A. Maydeu-Olivares (eds.), The SAGE Handbook of Quantitative Methods in Psychology, SAGE Publications, London 2009, pp. 72-89.
• Allison P., Multiple imputation for missing data: A cautionary tale, "Sociological Methods Research" 2000, Vol. 28, No. 3, pp. 301-309.
• Balicki A., Metody imputacji braków danych w badaniach statystycznych, "Wiadomości Statystyczne" 2004, No. 9, pp. 1-19.
• Bracha C., Metoda reprezentacyjna w badaniu opinii publicznej i marketingu, Efekt, Warszawa 1998.
• Carpenter J.R., Kenward M.G., Multiple Imputation and its Application, John Wiley & Sons, Chichester 2013.
• Carpenter J.R., Kenward M.G., Vansteelandt S., A comparison of multiple imputation and doubly robust estimation for analyses with missing data, "Journal of the Royal Statistical Society: Series A" 2006, Vol. 169, No. 3, pp. 571-584.
• Fisher R.A., The Design of Experiments, Hafner Press, New York 1971.
• Graham J.W., Missing Data. Analysis and Design, Springer, New York 2012.
• GUS (Polish Central Statistical Office), Consumer Price Index, http://www.stat.gov.pl/ gus/5840_1638_PLK_HTML.htm (21.02.2013).
• Heitjan F., Little R.J., Multiple imputation for the fatal accident reporting system, "Applied Statistics" 1991, Vol. 40, No. 1, pp. 13-29.
• Kalecki M., On the Gibrat Distribution, "Econometrica" 1945, no 13(2), pp. 161-170.
• Laurens J.P., Development, Implementation and Evaluation of Multiple Imputation Strategies for the Statistical Analysis of Incomplete Data Sets, Partners Ispkamp, Enschede 1999.
• Little J.A., Rubin D., Statistical Analysis with Missing Data, John Wiley & Sons, Hoboken 2002.
• Molenberghs G., Kenward M.G., Missing Data in Clinical Studies, John Wiley & Sons, Chichester 2007.
• Paradysz J., Szymkowiak M., Imputacja i kalibracja jako remedium na braki odpowiedzi w badaniu budżetów gospodarstw domowych, "Taksonomia" 2007, No. 14, pp. 74-81.
• Rubin D.B., Multiple Imputation for Nonresponse in Surveys, John Wiley & Sons, Hoboken 1987.
• Schafer J.L., Analysis of Multivariate Incomplete Data, Chapman & Hall, London 1997.
• Social Diagnosis 2000-2013, http://www.diagnoza.com/index-en.html (2.01.2012).
• Szymkowiak M., Badanie możliwości wykorzystania informacji pochodzących z rejestrów administracyjnych do kalibracji w krótkookresowej i rocznej statystyce przedsiębiorstw, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Poznaniu 227, Poznań 2012, pp. 140-156.
• Tian L., Inferences on the mean of zero-inflated lognormal data: The generalized variable approach, "Statistics in Medicine" 2005, Vol. 24, pp. 3223-3232.
• Van Buuren S., Flexible Imputation of Missing Data, Taylor & Francis Group, Boca Raton 2012.
• White I., Handling missing outcome data in randomised trials. Lecture 3: Multiple imputation, unpublished course materials (14-15.03.2013), MRC Biostatistics Unit, Cambridge 2013.
• Zdobylak J., Zmyślona B., Analiza niepełnych danych w badaniach ankietowych, [in:] W. Ostasiewicz (ed.), Ocena i analiza jakości życia, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 2004, pp. 269-323.
• Zmyślona B., Uwagi na temat własności estymatorów wyznaczanych na bazie niepełnych danych, "Ekonometria" 2011, no 30, pp. 83-93.
• Zmyślona B., Zastosowanie modeli hierarchicznych w bayesowskim wnioskowaniu statystycznym w przypadku danych niepełnych, "Ekonometria" 2006, nr 17, pp. 30-41.

Identyfikatory

DOI

10.15611/sps.2014.12.05