Imputation multiple pour les variables continues à l'aide d'une analyse bayésienne en composantes principales.

Résumé Nous proposons une méthode d'imputation multiple pour traiter des données continues incomplètes basée sur l'analyse en composantes principales (ACP). Pour refléter l'incertitude des paramètres d'une imputation à l'autre, nous utilisons un traitement bayésien du modèle ACP. À l'aide d'une étude de simulation, la méthode est comparée à deux approches classiques : l'imputation multiple basée sur une modélisation conjointe et sur une modélisation entièrement conditionnelle. Contrairement aux autres, la méthode proposée peut être facilement utilisée sur des ensembles de données où le nombre d'individus est inférieur au nombre de variables. De plus, elle fournit une bonne estimation ponctuelle du paramètre d'intérêt, une estimation de la variabilité de l'estimateur fiable tout en réduisant la largeur des intervalles de confiance.