Hallo!
Ich hätte zwei Fragen.
1.) Wie prüft man eine MAR Verteilung?
2.) Welche Rolle spielt die Festlegung eines Zufallsgenerators? Ich habe nämlich jetzt mal versuchsweise ohne gerechnet- funktioniert.
Vielleicht kann mir jemand helfen, würde mich echt freuen.
Schönes Wochenende noch!
Hi,
MAR kann man eigentlich nicht prüfen. Da gehen eher ínhaltliche Überlegungen rein, was die Quelle der missingness ist.
Was du mit den Zufallsgenerator meinst, verstehe ich grad nicht. MI basiert natürlich auf einem solchen, aber die sind immer schon in der entsprechenden Prozedur hinterlegt, da musst du eh nix selber machen.
Oder willst du das simulieren…?
Viele Grüße,
JPL
Hi!!
Danke für die Antwort!
Im Prinzip will ich einfach eine „normale“ multiple Imputation machen.
Laut spss- HIlfe kann man dieselben Imputationen wieder errechnen, wenn man einen festen Startwert verwendet- also hier kenne ich mich nun aus.
Leider weiß ich noch nicht, wie man nun die so erhaltenen Daten kombinieren kann- weiß das jemand? Man erhält in der Ausgabe immer fünf Ergebnisse der fünf Daten- Sets- wie kann man das zusammenfassend interpretieren? (Bsp Kolmogorov- Smirnov–> keine Kombination)
Liebe Grüße
Hi,
Im Prinzip will ich einfach eine „normale“ multiple Imputation
machen.Laut spss- HIlfe kann man dieselben Imputationen wieder
errechnen, wenn man einen festen Startwert verwendet- also
hier kenne ich mich nun aus.
nur zur info: das ding nennt man „seed“ - falls es dir mal über den weg läuft.
Leider weiß ich noch nicht, wie man nun die so erhaltenen
Daten kombinieren kann- weiß das jemand? Man erhält in der
Ausgabe immer fünf Ergebnisse der fünf Daten- Sets- wie kann
man das zusammenfassend interpretieren? (Bsp Kolmogorov-
Smirnov–> keine Kombination)
fünf ist eigentlich kein Muss, das kann man auch variieren, je nach effizienz, die erreicht werden soll.
MI und kolmogorov ist mE (habe aber keine Quelle dazu!) genauso wie gehabt: I.a. nutzt man MI zur parameterschätzung, die Kombination der datasets ist dann keine Hexerei in SAS macht das z.B. die MIANALYZE (Methodik siehe hier, Seite 13ff: http://support.sas.com/rnd/app/papers/mianalyzev802.pdf) - man kann das aber auch auf die Teststatistik vom KS-test anwenden. Das im obigen Artikel beschriebene Wald-Konfi ist dann völlig unerheblich, sondern lediglich die adäquate Mittelung der Teststatistik ist dann relevant. Diese vergleicht man dann mit den üblichen kritischen Werten. additional information: http://www.helsinki.fi/~komulain/Tilastokirjat/IBM-S… 41ff beschreibt, dass KS nur mit means uns N supported wird.
HTH,
JPL