平衡 $k$-最近邻插补
统计方法学
2022-02-09 v1
摘要
为了克服项目无响应问题,通常使用随机插补方法,因为它们倾向于保持插补变量的分布。在随机插补方法中,随机热卡具有使用观测值进行插补的有趣性质。提出了一种新的随机热卡插补方法。该方法的关键创新在于将供体选择视为一个抽样问题,并使用校准和平衡抽样。这种方法使得可以选择供体,使得如果辅助变量被插补,其估计总量不会改变。因此,可以获得非常精确和稳定的总量估计。此外,该方法基于非参数过程。供体在受体的邻域中被选择。通过这种方式,受体的缺失值被替换为相似单元的观测值。这种新方法非常灵活,可以显著提高估计质量。此外,该方法在不同的模型下都是无偏的,因此对模型误设具有鲁棒性。最后,新方法使得在插补的同时可以引入编辑规则。
引用
@article{arxiv.1501.07622,
title = {Balanced $k$-nearest neighbor imputation},
author = {Caren Hasler and Yves Tillé},
journal= {arXiv preprint arXiv:1501.07622},
year = {2022}
}