Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Multiple Imputation of Missing Data in Practice: Basic Theory and Analysis Strategies
Contenu du livre :
Imputation multiple des données manquantes dans la pratique : Basic Theory and Analysis Strategies fournit une introduction complète à l'approche de l'imputation multiple pour les problèmes de données manquantes souvent rencontrés dans l'analyse des données. Au cours des quelque 40 dernières années, l'imputation multiple a connu un développement rapide tant au niveau des théories que des applications. C'est aujourd'hui la stratégie la plus polyvalente, la plus populaire et la plus efficace en matière de données manquantes, utilisée par les chercheurs et les praticiens dans différents domaines. La communauté des chercheurs et des praticiens a grand besoin de mieux comprendre l'imputation multiple et d'en apprendre davantage à son sujet.
Accessible à un large public, ce livre explique les concepts statistiques des problèmes de données manquantes et la terminologie associée. Il se concentre sur la manière de traiter les problèmes de données manquantes à l'aide de l'imputation multiple. Il décrit la théorie de base de l'imputation multiple et de nombreux modèles et méthodes couramment utilisés. Ces idées sont illustrées par des exemples tirés d'une grande variété de problèmes de données manquantes. Des données réelles provenant d'études de conception et de caractéristiques différentes (données transversales, données longitudinales, enquêtes complexes, données de survie, études sujettes à l'erreur de mesure, etc. ) sont utilisées pour démontrer les méthodes. Afin que les lecteurs sachent non seulement comment utiliser les méthodes, mais aussi pourquoi l'imputation multiple fonctionne et comment choisir les méthodes appropriées, des études de simulation sont utilisées pour évaluer la performance des méthodes d'imputation multiple. Des ensembles de données et des exemples de code de programmation sont inclus dans le livre ou disponibles sur un site github (https : //github.com/he-zhang-hsu/multiple_imputation_book).
Caractéristiques principales.
⬤ Il fournit une vue d'ensemble des concepts statistiques qui sont utiles pour mieux comprendre les problèmes de données manquantes et l'analyse d'imputation multiple.
⬤ Il fournit une discussion détaillée sur les modèles et méthodes d'imputation multiple destinés à différents types de problèmes de données manquantes (par exemple, les problèmes de données manquantes univariées et multivariées, les données manquantes dans l'analyse de survie, les données longitudinales, les enquêtes complexes, etc. )
⬤ Explore les problèmes d'erreur de mesure avec l'imputation multiple.
) ⬤ Explore les problèmes d'erreur de mesure avec l'imputation multiple ⬤ Discute des stratégies d'analyse pour les diagnostics d'imputation multiple.
⬤ Les problèmes de production de données lorsque l'objectif de l'imputation multiple est de publier des ensembles de données pour un usage public, comme le font les organisations qui traitent et gèrent des enquêtes à grande échelle présentant des problèmes de non-réponse.
⬤ Pour certains exemples, des jeux de données illustratifs et des exemples de code de programmation provenant de progiciels statistiques courants (par exemple SAS, R, WinBUGS) sont inclus dans le livre. Pour d'autres, ils sont disponibles sur un site github (https : //github.com/he-zhang-hsu/multiple_imputation_book).
Autres informations sur le livre :
| ISBN : | 9781498722063 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2021 |
| Nombre de pages : | 476 |
Achat:
Actuellement disponible, en stock.
