Regression mit Multipler Imputation in R (für fehlende Werte)

[@spill1987]

Super informatives Video und sehr gut erklärt, vielen Dank dafür!

[@dielikerin]

Vielen Dank! Hat geklappt. Meine Dozentin möchte, dass ich die Quelle der verwendeten multiplen Imputation angebe. Weisst du, von welchem Autor bzw. nach wem die Imputation ist?

[@RegorzStatistik]

In so einem Fall wird man bei R Funktionen am ehesten in der pdf-Dokumentation zum entsprechenden Package fündig. Im Falle von mice: cran.r-project.org/web/packages/mice/mice.pdf Darin dann runter zur mice-Funktion scrollen, dort werden ca. 10 Quellen genannt (fast alle vom Programmierer des Moduls) - die Quellen findest du auf S. 83-84 des pdf-Dokuments (ich habe die Quellen dort nicht gelesen, insofern weiß ich leider nicht, in welcher Quelle du am besten nachliest für deinen Zweck).

Sehr gutes Video! Vielen Dank! Wie geht man bei einer hierarchischen multiplen linearen Regression vor?

[@RegorzStatistik]

Dort würde ich dann für jeden der Teilschritte nach der Imputation die Regression durchführen.

[@tofusekte7592]

Richtig informativ - danke! Verrätst Du mit welcher Software das Tutorial aufgenommen wurde?

[@RegorzStatistik]

Mit Camtasia.

[@DylnTofo]

Link für den begleitcode funktioniert leider nicht

[@DylnTofo]

Über den Browser suchen klappt. Da gibt’s das noch

[@RegorzStatistik]

Danke für den Hinweis! Link sollte jetzt funktionieren, ich habe den Fehler im Link korrigiert.

[@jerry49911]

Wie kann ich die Regression für einen Datensatz laufen lassen, der bereits imputiert ist? Ich habe pro Eintrag 5 imputationen. Die vorherigen Schritte im Video habe ich ausgelassen, da der Datensatz bereits imputiert ist. Wenn ich die Regression mit with(..., lm()) laufen lasse, wird mir nur ein Ergebnis angezeigt. Da der Datensatz bereits imputiert ist, sollten da 5 Regressionsergebnisse stehen... Weiß da jemand weiter? Danke im Voraus!

[@RegorzStatistik]

Ich würde mir mal den Datensatz ansehen und vergleichen mit einem Datensatz, der über die Imputation erstellt ist. Gibt es dort irgendwelche Unterschiede von der Struktur her?

[@ahknLoveMusic]

Ich arbeite sonst immer mit SPSS haben von meiner Masterarbiets - Betreuerin ganz nebenbei den Auftrag bekommen entweder eine Multiple Imputation zu machen oder mit der Full Information Maximum Likeliehood Funktion zu arbeiten. Ich habe allerdings auch Mediationshypothesen. Daher überlege ich jetzt mich in R einzuarbeiten, wäre diese MICE Methode hier bei Mediationsanalysen angebracht? Zu MPlus finde ich leider sehr wenige bis garkeine Video Anleitungen. Ich habe eine langschnittliche Studie mit knapp tausend Variablen. Ich würde mich über Ihr Feedback freuen.

[@RegorzStatistik]

Für Mediationshypothesen mit fehlenden Werten würde ich vermutlich eher ein Pfadmodell mit FIML rechnen, sei es mit MPlus oder mit R/lavaan.

[@ahknLoveMusic]

@@RegorzStatistik lieben Dank!

[@patricks.9625]

Wie wende ich die MICE Funktion an, wenn sich meine N/As noch auf Itemlevel befinden und ich eigentlich erst diese Missings schätzen müsste, um dann die Items zu einer Skala zusammenzufassen? Ich dachte nämlich, ich könnte mit der multiplen Imputation einfach meine fehlenden Werte ersetzen und hätte dann einen Datensatz mit dem ich dann die weiteren Analysen berechnen kann.

[@RegorzStatistik]

Gute Frage. Ich kenne es eigentlich so, dass man auf Variablenebene imputiert. Bei Imputation auf Itemebene geht zwar der erste Schritt, die eigentliche Imputation. Aber bei den weiteren Schritten weiß ich nicht, ob/wie das mit der MICE-Funktion geht.

[@patricks.9625]

@@RegorzStatistik Hast du einen alternativen Vorschlag, wie ich hier sinniger fehlende Daten ersetzen könnte? Ich habe jetzt überlegt, einfach einen der 5 generierten Datensätze auszuwählen und einfach damit weiterzurechnen. Meine Missings halten sich auch echt in Grenzen. Es sind von gut 90 Teilnehmern etwa 5 Teilnehmer die im Mittel sowas um die 5 fehlenden Antworten haben.

[@RegorzStatistik]

​@@patricks.9625 Das wäre dann allerdings nicht mehr multiple Imputation, sondern eher single imputation. In R kenne ich wenig einfach umsetzbare Alternativen. Ggf. noch "ipsative mean imputation".

[@patricks.9625]

@@RegorzStatistik ja, ist nicht im Sinne des Erfinders, das stimmt. Aber auf die Schnelle, fällt mir nichts besseres ein. Mean Imputation ist nicht so prickelnd im Sinne der Häufigkeitsverteilung. Aber danke dir, dass du dir die Zeit nimmst. Deine Videos sind super verständlich :)