[R-br] Como escolher o melhor conjunto de dados imputador no MICE

[Cesar Rabak]

Técnicas de bootstraping têm sido sugeridas para serem usadas *em conjunto* com
imputação (geralmente múltipla como deseja o OP) mas não como uma solução
para os valores inexistentes.

HTH

2017-04-24 9:38 GMT-03:00 Edson Lira <edinhoestat em yahoo.com.br>:

> Não seria o caso de bootstrap?
> Quick-R: Bootstrapping
> <http://www.statmethods.net/advstats/bootstrapping.html>
>
> Quick-R: Bootstrapping
> You can bootstrap a single statistic or a vector (e.g., regression
> weights). This section will get you started w...
> <http://www.statmethods.net/advstats/bootstrapping.html>
>
>
> Prof. Edson Lira, Me
> Estatístico
> Manaus-Amazonas
>
>
> Em Sexta-feira, 21 de Abril de 2017 10:16, Cesar Rabak via R-br <
> r-br em listas.c3sl.ufpr.br> escreveu:
>
>
> Elias,
>
> A imputação é uma técnica que super simplificadamente objetiva colocar
> dados em variáveis cujos valores estão ausentes para não "perturbar" uma
> determinada estatística e permitir analisar as outras variáveis dos casos
> sob estudo.
>
> Um exemplo simples seria colocar a média da variável em todos os casos de
> valores ausentes¹.
>
> No seu caso que você deseja fazer uma pesquisa usando redes bayesianas
> haveria necessidade de ver se a abordagem em si da imputação faria sentido
> e então ver qual (tipo) seria mais apropriada.
>
> Há uma extensa literatura sobre esse tema, que suponho você esteja
> familiarizado e consultando-a, e pelo meu contato com o tema quer me
> parecer que há uma certa preferência (do jeito da imputação) em função do
> domínio do problema.
>
> HTH
> --
> Cesar Rabak
>
>
> [1] Bem simples, vou elidir a discussão sobre vantagens e desvantagens
> dessa específica abordagem e propriedade em função da quantidade de dados
> faltantes.
>
> 2017-04-19 0:34 GMT-03:00 Elias Carvalho via R-br <
> r-br em listas.c3sl.ufpr.br>:
>
> Usando o pacote mice fiz o seguinte teste (imputação de dados):
> imp <- mice(nhanes)
> Isso gerou 5 conjuntos de dados imputados:
> imp$imp$bmi
>
>
> ​​
> Eu gostaria de entender como escolher o melhor dataset imputado
> Por exemplo, para bmi (acima) qual das 5 colunas será a melhor escolha?
> Eu achei vários exemplos usando regressão logistica, mas eu não vou rodar
> uma regressão logistica, vou usar os dados para criar uma rede bayesiana.
> Alguém poderia me ajudar por favor?
> --
>
>
> *In Jesu et Maria*
> *Obrigado*
> *Prof. Elias Carvalho*
>
> "Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)
> "Blessed is he who has been able to understand the cause of things"
>
> ______________________________ _________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/ cgi-bin/mailman/listinfo/r-br
> <https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br>
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br- guia
> <http://www.leg.ufpr.br/r-br-guia>) e forneça código mínimo reproduzível.
>
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forne�a
> c�digo m�nimo reproduz�vel.
>
>
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170424/ee9ad6fa/attachment.html>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: Captura de tela de 2017-04-19 00-30-32.png
Tipo: image/png
Tamanho: 14828 bytes
Descrição: não disponível
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170424/ee9ad6fa/attachment.png>