Question

关于乘法估算数据集数量的效用，我有多个问题＆＃34; m＆＃34;。我所理解的是，鼠标将重复数次集中缺失值的插补过程m次。

1）小鼠是否考虑上一步的估算，因此每一步都接近最终收敛，或者每一步是否完全相互独立？

2）如果每个步骤彼此独立，那么为插补目的设置多个估算数据集有什么意义？

在解释鼠标的论文中，有一个方案显示了多个插补步骤

我想我们对推算数据设置越多，最好的是当我们想要汇总结果时，然而分析结果步骤意味着创建一个可能的预测模型：

#build predictive model
fit <- with(data = imp, lm(y ~ x + z))

如果在我的数据集中我没有任何预测列或标签，会发生什么？实际上，我的数据集包含基因组学测量，它们都是独立的。如何汇总结果，或者在不经过预测步骤的情况下组合m个推算数据集？

最佳，

巴巴

Answer 1

很好，您有这些问题。多重插补经常被误解。关于如何对丢失的数据进行分析，这比一个只为您提供一个不丢失值的数据集的算法更完整的概念。

1）小鼠是否考虑了上一步的推定，因此每个步骤最终趋于收敛，或者每个步骤彼此完全独立？

不，没有收敛。 m个估算数据集中没有一个具有“更好”的估算值。

2）如果每个步骤彼此独立，那么为插补目的具有多个插补数据集的意义何在？

重点是为插补过程的不确定性建模。如果在一个估算数据集中将NA值替换为仅仅是5，这绝不是全部事实……更准确的陈述可能是这样的：该值可能在4到6之间...