Missing Data - Kai Arzheimer

kai.arzheimer.com

Missing Data - Kai Arzheimer

Wiederholung

Missing Data

Typen von Missingness

Traditionelle Ansätze

(Full Information) Maximum Likelihood

Multiple Imputation

Fazit

Wie kommt man zu Ergebnissen

◮ Analyse jedes einzelnen Datensatzes in Standardprogramm

◮ Parameterschätzung: Arithmetischen Mittelwert über acht

Einzelschätzungen bilden

◮ Standardfehler: Anwendung der ”

Rubin-Regel“

Regressionsmodelle für Politikwissenschaftler Missing Data (23/30)

Wiederholung

Missing Data

Typen von Missingness

Traditionelle Ansätze

(Full Information) Maximum Likelihood

Multiple Imputation

Fazit

Wie werden die Standardfehler berechnet


V(¯r) =

√ √√√

1

M

M∑

sj 2 +

j=1

(

1 + 1 ) ( ) 1 ∑ M

(r j − ¯r) 2

M M − 1

j=1



V(¯r): Korrigierter Standardfehler des Parameters

◮ M: Zahl der imputierten Datensätze

◮ s 2 j

: Schätzung für Varianz des Parameters auf Basis der j-ten

Imputation

◮ 1

M−1

∑ M

j=1 (r j − ¯r) 2 : Varianz der Parameterschätzungen

◮ 1 + 1 M : Korrekturfaktor

Regressionsmodelle für Politikwissenschaftler Missing Data (24/30)

Weitere Magazine dieses Users
Ähnliche Magazine