链式方程多重插补中的有监督降维
统计方法学
2023-11-01 v2 统计计算
摘要
链式方程多重插补（MICE）是解决数据集中缺失值最流行的方法之一。该方法需要为每一个待插补变量指定一个单变量插补模型。在这些单变量插补模型中应包含哪些预测变量是一项艰巨的任务。主成分分析（PCA）可用少数概括其方差的组分替代所有潜在的插补模型预测变量，从而简化这一过程。在本文中，我们将 PCA 与 MICE 的使用扩展为包含有监督方面，即将待插补变量的信息纳入主成分估计中。我们进行了广泛的模拟研究，以评估带有不同版本有监督降维的 MICE 的统计性质，并将其作为更简单的降维技术与经典无监督 PCA 的使用进行比较。
引用
@article{arxiv.2309.01608,
title = {Supervised dimensionality reduction for multiple imputation by chained equations},
author = {Edoardo Costantini and Kyle M. Lang and Klaas Sijtsma},
journal= {arXiv preprint arXiv:2309.01608},
year = {2023}
}