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

Auteurs
Date de publication
2015
Type de publication
Article de journal
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.
Éditeur
Informa UK Limited
Thématiques de la publication
  • ...
  • Pas de thématiques identifiées
Thématiques détectées par scanR à partir des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr