Missing data og multipel imputation

Missing data og multiple imputation

Missing data skal tages i betragtning i alle undersøgelser. Missing data betyder, at værdien af en variabel mangler. De fleste studier indeholder missing data, og det gælder både prædiktorer ($X$) og udfaldsmål ($Y$). Husk, at hvis værdien mangler for en variabel ($X$ eller $Y$) i en regressionsmodel, vil det individ (som mangler værdien) ikke blive inkluderet i modellen. Det betyder, at modellen mister en observation og dermed power. Alle statistiske modeller bliver bedre, jo flere observationer der indgår i modellen.

Man bør sikre sig, hvor hyppigt missing er (for hver variabel), og undersøge, om de personer, der udelukkes fra modellen, adskiller sig fra dem, der er tilbage i modellen. Det sidstnævnte kan gøres ved at lave en deskriptiv tabel, hvor karakteristika for dem, der henholdsvis indgår i og ekskluderes fra modellen, sammenlignes. Hvis karakteristika ikke adskiller sig nævneværdigt, kan man antage, at missing er missing at random, hvilket betyder, at værdien mangler af ren tilfældighed. Hvis det er tilfældet, påvirker missing ikke modellens validitet. Det er også muligt at imputere missing, hvilket betyder, at man udfylder alle manglende værdier med rimelige værdier. Imputation bør udføres med metoden multipel imputation.