Stata с множественным вменением

1 товар добавлен в вашу корзину.

Годовая лицензия Stata / MP4 (скачать)

Stata: программное обеспечение для анализа данных и статистики.

Войти Создать учетную запись.

Войти Создать учетную запись.

Множественное вменение недостающих данных.

Команда mi от Stata предоставляет полный набор методов множественного вменения для анализа неполных данных, данных, для которых отсутствуют некоторые значения. mi обеспечивает этапы вменения и оценки. Этап оценки mi включает в себя как оценку отдельных наборов данных, так и объединение в одну простую в использовании процедуру. Предусмотрены функции для изучения структуры пропущенных значений в данных. Также предусмотрены гибкие методы вменения, включая девять методов одномерного вменения, которые можно использовать в качестве строительных блоков для многомерного вменения с использованием связанных уравнений, а также многомерного нормального (MVN).

mi обеспечивает простой импорт уже исчисленных данных и возможности полного управления условно исчисленными данными.

Множественное вменение — оценка.

Мы хотим изучить линейную связь между y и предикторами x1 и x2. Однако наши данные содержат пропущенные значения, и стандартное удаление по регистру приведет к уменьшению размера выборки на 40%! Мы подгоним модель с использованием множественного вменения (MI).

Сначала мы вменяем пропущенные значения и произвольно создаем пять наборов данных для вменения:

После этого мы можем подогнать модель:

оценка mi соответствует указанной модели (здесь линейная регрессия) для каждого из наборов данных вменения (здесь пять), а затем объединяет результаты в один вывод MI.

Множественное вменение — гайки и болты.

mi может импортировать уже рассчитанные данные из NHANES или ice, или вы можете начать с исходных данных и самостоятельно сформировать вмененные данные.

В любом случае работа с множественными копиями данных — это проклятие анализа MI. mi решает эту проблему. mi организует данные в одном из четырех форматов: широкий, млонг, фланг и флангсеп. В формате flongsep каждый набор данных вменения представляет собой отдельный файл. В других форматах данные объединяются в один набор данных. Каждый формат имеет свои преимущества, и mi позволяет легко переключать форматы. Вы можете ввести или щелкнуть одну команду, чтобы переключить данные из одного формата в другой. Вы можете работать с данными, организованными одним способом, продолжить работу с данными, организованными по-другому, и поэтому всегда работать с наиболее удобной организацией..

Все команды mi работают со всеми форматами данных.

Также предоставляется полное управление данными. Вы можете создавать переменные, отбрасывать переменные или создавать и отбрасывать наблюдения, как если бы вы работали с одним набором данных, оставляя mi для правильного дублирования изменений для каждого из наборов данных вменения. Вы можете объединить свои данные MI с другими наборами данных, как обычными, так и MI, или добавить их, или скопировать вмененные значения из одного набора данных в другой. Если вы анализируете данные о выживаемости, вы можете разделить или объединить периоды времени, как обычно. То же самое применимо, если вы работаете с данными панели и хотите изменить форму данных. Тот факт, что действия, которые вы предпринимаете, должны выполняться последовательно над 5, 50 или даже 500 наборами данных, не имеет значения..

Множественное вменение — панель управления.

Панель управления mi проведет вас через все этапы MI.

Панель управления объединяет многие возможности mi в один гибкий пользовательский интерфейс. Он проведет вас с самого начала вашего рабочего сеанса MI — изучения недостающих значений и их шаблонов — до самого конца — выполнения вывода MI..

Используйте инструменты исследования, чтобы проверить закономерности пропущенных значений и определить соответствующий метод вменения..

Перейдите в раздел "Настройка", чтобы настроить данные для использования mi. .

Нужно создать вменения? Использовать вмененный .

Уже есть вменения? Пропустите настройку и перейдите непосредственно к Импорту, чтобы импортировать уже рассчитанные данные..

Чтобы создать новые переменные, объединить или изменить форму ваших данных или использовать другие команды управления данными с данными mi, перейдите в раздел Управление .

Когда вы будете готовы, используйте «Расчет», чтобы выбрать модель для анализа. Набор диалоговых вкладок поможет вам легко построить модель оценки MI..

Панели Test и Predict позволяют завершить анализ, выполнив проверку гипотез и вычислив прогнозы MI..

Множественное вменение — возможности.

Вписать отсутствующие значения одной переменной, используя один из девяти одномерных методов:

линейная регрессия (полностью параметрическая) для непрерывных переменных; соответствие прогнозируемого среднего (полупараметрическая) для непрерывных переменных; усеченная регрессия для непрерывных переменных с ограниченным интервалом регрессии для непрерывных переменных с цензурой; Пуассон для счетных переменных отрицательный бином для сверхдисперсных счетных переменных Вписать пропущенные значения нескольких переменных разных типов с произвольным шаблоном пропущенных значений с использованием связанных уравнений.

Используйте любой из девяти приведенных выше методов для построения гибкой модели вменения. (Вы можете приписать x1 и x2 вместе, используя прогнозирующее среднее соответствие для x1 и упорядоченную логистику для x2.)

Настроить уравнения прогнозирования для вмененных переменных (например, исключить z2 из модели для x1).

Вписать пропущенные значения с использованием различных наблюдений для разных переменных (например, вменять недостающие значения количества сигарет, выкуриваемых за день, используя только текущих курильщиков, с использованием всех наблюдений для вменения веса). Вы можете сделать это, даже если статус курения отсутствует для некоторых наблюдений и приписывается самому себе..

Разрешить общие выражения вмененных переменных в уравнениях для вмененных переменных, которые будут в дальнейшем использоваться (вменять x1 и включать x1 2 в модель вменения x2). Вменять отсутствующие значения нескольких непрерывных переменных с произвольным шаблоном пропущенных значений с использованием модели MVN, что позволяет полностью или условно указать модель. Предусмотрены три предварительных спецификации. Обновляйте отсутствующие значения даже после того, как вы уже вменяли некоторые из них, включая увеличение количества импулированных наборов данных. Вписать пропущенные значения с использованием взвешенных данных и данных, взвешенных по опросу, со всеми вышеперечисленными методами, кроме MVN. Выполните условное вменение со всеми вышеперечисленными методами, кроме MVN (ограничьте вменение количества беременностей женщинами, даже если сама женщина содержит пропущенные значения и поэтому вменяется.) Вменение отсутствующих значений отдельно для разных групп данных. Предварительный расчет.

За один простой шаг выполните как отдельные оценки, так и объединение результатов. Подбирайте модели с большинством команд оценки Stata, включая модели регрессии данных о выживаемости, модели регрессии данных обследований, а также панельные и многоуровневые модели регрессии. Получите оценки MI преобразованных параметров. Получите оценки MI на основе ранее сохраненных индивидуальных результатов оценки. Получите подробную информацию о характеристиках MI, включая относительную эффективность, ошибку моделирования и долю недостающей информации из-за отсутствия ответа. Оцените количество ошибок моделирования в вашей окончательной модели, чтобы вы могли решить, нужны ли вам дополнительные вменения. Оцените с помощью оценщиков, предоставленных сообществом. mi проверяет целостность модели оценки при вменении (согласованность выборок оценок и пропущенных переменных, сходимость модели) и уведомляет вас, если существует проблема. Апостерирование.

Выполняйте тесты одновременно с несколькими коэффициентами. Тесты доступны при предположении о равных и неравных долях недостающей информации. Корректировки малых выборок. Вычисляйте линейные и нелинейные прогнозы после оценки MI.

Узнайте больше о множественном вменении в Stata.

Похожие статьи