Nel secondo capitolo, diviso anch’esso per meccanismo generatore dei dati mancanti, presentiamo sei paragrafi riguardanti stimatori di ഥ che utilizzano metodi d’imputazione: i primi due paragrafi ipotizzano l’utilizzo del meccanismo MCAR, mentre gli ultimi quattro ipotizzano un meccanismo MAR. Nel primo paragrafo (2.2.1), presentiamo diversi stimatori che utilizzano metodi di imputazione per media, rapporto e regressione, confrontandone i relativi MSE. Tali stimatori vengono definiti ipotizzando diversi scenari, in relazione alla tipologia del dataset dei dati mancanti. Nel paragrafo 2.2.2, presentiamo alcune metodologie di imputazione nel campionamento stratificato e per cluster. Sotto campionamento stratificato, si è visto lo stimatore basato sull’imputazione multipla; quest’ultimo consiste nel creare un certo numero di valori imputati per ogni valore mancante e nel combinare i diversi dataset, completati separatamente, per ciascuno strato. Abbiamo, infine, descritto alcuni metodi per trattare le non risposte nel caso di campionamento per cluster. Si sono presentati modelli sia per il caso in cui si abbia a disposizione la variabile di studio e le informazioni sull’effetto dei cluster, sia se si dispone della variabile ausiliaria osservata per tutto il campione: in questo caso, si sfrutta l’informazione aggiuntiva per stimare ܻത.
More...
Read more