Imputācijas metožu salīdzināšana, izmantojot zināmus datus

Abstract

Veicot izlases apsekojumus, bieži nākas saskarties ar neatbildētību. Lai novērstu jautājumu neatbildētības radītās problēmas, parasti lieto imputāciju. Darbā salīdzinātas imputācijas metodes, izmantojot zināmus datus, un izdarīti secinājumi par dažādu imputācijas metožu pielietojamību. Imputācija veikta, izmantojot programmu \textbf{R}. Ar dažādām metodēm veikta imputācija 4 dažādiem datu iztrūkumu apjomiem, veikti salīdzinājumi pēc RMSD un MAD, salīdzinātas vidējās vērtības un standartnovirzes atšķirības no reālajiem parametriem, apskatīti sadalījuma blīvuma funkciju grafiki un kastu grafiki.

In sample surveys we often face non-response. To avoid problems caused by item non-response, imputation is usually used. In this work imputation methods have been compared using fully observed data and conclusions about usage of different imputation methods have been drawn. Imputation have been performed by using \textbf{R}. Different imputation methods have been used for 4 different missing data volumes, results have been compared by RMSD and MAD, imputed data mean and standard deviation differences from real parametrs have been compared, distribution density plots and boxplots have been viewed.