Metody imputacji brakujących danych w badaniach statystycznych

• Authors: Andrzej Balicki

Title variants

Methods of Imputation of Missing Data in Statistical Surveys

• Languages of publication: PL

Abstracts

W artykule przedstawiono podstawowe pojęcia i rodzaje brakujących danych, charakter brakujących danych, a także sposoby traktowania brakujących danych, najszerzej - imputację i imputację wielokrotną. Przedstawiono też problem imputacji w badaniach marketingowych.

EN

Missing data is a troublesome problem of many statistical surveys. Since it is unavoidable we have to treat missing data in one of two more advanced ways: filling up records with missing data or using special methods of estimation. Before we decide which remedy can be applied it is necessary to specify the degree of randomness of missing data, whether they are missing completely at random (MCAR) or missing at random (MAR). Among approaches to handling missing data the most effective one is imputation, which can take many forms. Eight of them as well as multiple imputation were presented in the article.

Keywords

PL

Analiza danych statystycznych; Metody statystyczne

EN

Statistical data analysis; Statistical methods

• Publisher: Główny Urząd Statystyczny
• Journal: Wiadomości Statystyczne. The Polish Statistician
• Year: 2004
• Issue: nr 9
• Pages: 1-19

Contributors

author

Andrzej Balicki

References

• 1. Balicki A. (1998), Statystyka w badaniach ochrony środowiska, GUS, Warszawa
• 2. Dalenius T. (1983), Informed Consent or R.S. V.P, w: Madow W.G., Olkin I., Incomplet Data in Sample Surveys, vol. 3, Proceedings of the Symposium, Academic Press, New York
• 3. Dalenius T. (1985), Elements of Survey Sampling, The Swedish Agency for Research Cooperation with Developing Countries
• 4. David M, Little R.J.A., Samuhel M.E., Triest R.K. (1986), Alternative Methods for CPS Income Imputation, Journal of the American Statistical Association, vol. 81, no. 393
• 5. Everitt B.S., Dunn G. (1991), Applied Multivariate Data Analysis, Edward Arnold, London
• 6. Frankel L.R., Dutka S. (1983), Survey Design in Anticipation of Nonresponse and Imputation, w: Madow W.G., Olkin I., Incomplet Data in Sample Surveys, vol. 3, Proceedings of the Symposium, Academic Press, New York
• 7. Greenless J.S., Reece W.S., Zieschang K.D. (1982), Imputation of Missing Values when the Probability of Response Depends on the Variable Being Imputed, Journal of the American Statistical Association, vol. 77, no. 378
• 8. Hair J.F., Anderson R.E., Tatham R.L., Black W.C. (1995), Multivariate Data Analysis with Readings, Prentice Hall International, Inc., London (4-th ed.)
• 9. Kalton G., Kasprzyk D. (1986), The Treatment of Missing Survey Data, Survey Methodology, vol. 12, no. l, s. 1-16
• 10. Kordos J. (1987), Dokładność danych w badaniach społecznych, "Biblioteka Wiadomości Statystycznych", tom 35, GUS, Warszawa
• 11. Little R.J.A. (1982), Models for Nonresponse in Sample Surveys, Journal of the American Statistical Association, vol. 77, no. 378
• 12. O'Muircheartaigh C.A., Payne C. (1977), The Analysis of Survey Data, vol. I: Exploring Data Structure, John Wiley & Sons
• 13. Płatek R., (1989), Incomplete data, adjustment and effects (tłumaczenie na polski), w: Problemy badań statystycznych metodą reprezentacyjną, "Biblioteka Wiadomości Statystycznych", tom 36, GUS, Warszawa, s. 30-49
• 14. Rubin D.B. (1976), Inference and missing data, Biometrika, vol. 63, s. 581-592
• 15. Rubin D.B. (1986), Basic Ideas of Multiple Imputation for Nonresponse, Survey Methodology, vol. 12, no. 1
• 16. Sande I.G. (1979), A Personal View of Hot-Deck Imputation, Survey Methodology, no. 5(2), s. 238-258
• 17. Szreder M. (1993), Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji, Zeszyty Naukowe Uniwersytetu Gdańskiego, seria: Rozprawy i Monografie, Gdańsk 1994
• 18. Zasępa R. (1972), Metoda reprezentacyjna, PWE, Warszawa