Saya membaca Multivariable Model Building: Pendekatan Pragmatis untuk Analisis Regresi Berdasarkan Polinomial Fraksional untuk Pemodelan Variabel Berkelanjutan oleh Patrick Royston dan Willie Sauerbrei. Sejauh ini, saya terkesan dan ini pendekatan yang menarik yang belum saya pertimbangkan sebelumnya.
Tetapi penulis tidak berurusan dengan data yang hilang. Memang, pada hal. 17 mereka mengatakan bahwa data yang hilang "menimbulkan banyak masalah tambahan. Tidak dipertimbangkan di sini."
Apakah imputasi ganda bekerja dengan polinomial pecahan>
FP, dalam beberapa hal (tetapi tidak semua) merupakan alternatif untuk splines. Apakah lebih mudah untuk menangani data yang hilang untuk regresi spline?
regression
missing-data
fractional-polynomial
Peter Flom - Pasang kembali Monica
sumber
sumber
Jawaban:
Dengan asumsi perangkat lunak yang Anda gunakan untuk dapat memberikan estimasi kesalahan standar untuk setiap nilai unik x, Anda dapat menggunakan rumus Rubin (Multiple imputasi untuk nonresponse dalam survei; 1987) untuk menghitung kesalahan standar. Ada formula sampel kecil dan besar untuk derajat kebebasan dengan imputasi ganda. Rumus sampel besar (juga di Rubin) hanya mengambil input yang sama dengan kesalahan standar, jadi juga dapat digunakan. Kasing sampel kecil mengambil derajat kebebasan model sebagai input; tidak jelas bagi saya jika formula ini dapat diterapkan di sini.
sumber