Exploring, handling, imputing and evaluating missing data in statistical analyses: a review of existing approaches
Décrire, prendre en compte, imputer et évaluer les valeurs manquantes dans les études statistiques : une revue des approches existantes
Résumé
Missing data is strongly connected to statistics that is concerned with the collect and pre-processing of data. In this article, we review the different methods that can be used to diagnose and impute missing data. We also present approaches aiming at evaluating the impact of imputation on subsequent analyses. Finally, we describe available implementations, in R packages, of the presented methods.
Le problème des données manquantes est intimement lié à l'analyse statistique, au fait de collecter et préparer les données pour l'analyse statistique. Nous proposons ici une revue des approches permettant de diagnostiquer et d'imputer les données manquantes, ainsi que de contrôler les conséquences de l'imputation dans les analyses statistiques. Nous décrivons également les implémentations disponibles, dans des packages R, des diverses approches décrites.
Fichier principal
imbert_vialaneix_JSFdS2018_1.pdf (988.93 Ko)
Télécharger le fichier
sources_2 (590.69 Ko)
Télécharger le fichier
Origine | Fichiers éditeurs autorisés sur une archive ouverte |
---|
Origine | Fichiers éditeurs autorisés sur une archive ouverte |
---|
Loading...