IRIS – Institutional Research Information System
IRIS è il sistema di gestione della ricerca dell’Università degli Studi di Milano-Bicocca.Il repository BOA è il modulo del sistema dedicato alla raccolta e alla disseminazione della produzione scientifica di Ateneo. Le pubblicazioni sono ricercabili per parola chiave attraverso il box nella barra orizzontale in alto oppure, mediante il pulsante Sfoglia, per "Afferenza", "Autore", "Titolo", "Tipologia" o "Settore scientifico-disciplinare".
IRIS contiene inoltre alcuni moduli dedicati alla registrazione dei progetti e dei contratti, e alla reportistica avanzata per le attività di valutazione della ricerca
EnglishMissing data recurrently affect datasets in almost every field of quantitative research. The subject is vast and complex and has originated a literature rich in very different approaches to the problem. Within an exploratory framework, distance-based methods such as nearest-neighbour imputation (NNI), or procedures involving multivariate data analysis (MVDA) techniques seem to treat the problem properly. In NNI, the metric and the number of donors can be chosen at will. MVDA-based procedures expressly account for variable associations. The new approach proposed here, called Forward Imputation, ideally meets these features. It is designed as a sequential procedure that imputes missing data in a step-by-step process involving subsets of units according to their “completeness rate”. Two methods within this context are developed for the imputation of quantitative data. One applies NNI with the Mahalanobis distance, the other combines NNI and principal component analysis. Statistical properties of the two methods are discussed, and their performance is assessed, also in comparison with alternative imputation methods. To this purpose, a simulation study in the presence of different data patterns along with an application to real data are carried out, and practical hints for users are also provided.
Solaro, N., Barbiero, A., Manzi, G., & Ferrari, P. (2017). A sequential distance-based approach for imputing missing data: Forward Imputation. ADVANCES IN DATA ANALYSIS AND CLASSIFICATION, 11(2), 395-414.
| Citazione: | Solaro, N., Barbiero, A., Manzi, G., & Ferrari, P. (2017). A sequential distance-based approach for imputing missing data: Forward Imputation. ADVANCES IN DATA ANALYSIS AND CLASSIFICATION, 11(2), 395-414. |
| Tipo: | Articolo in rivista - Articolo scientifico |
| Carattere della pubblicazione: | Scientifica |
| Presenza di un coautore afferente ad Istituzioni straniere: | No |
| Titolo: | A sequential distance-based approach for imputing missing data: Forward Imputation |
| Autori: | Solaro, N; Barbiero, A; Manzi, G; Ferrari, P |
| Autori: | |
| Data di pubblicazione: | 2017 |
| Lingua: | English |
| Rivista: | ADVANCES IN DATA ANALYSIS AND CLASSIFICATION |
| Digital Object Identifier (DOI): | http://dx.doi.org/10.1007/s11634-016-0243-0 |
| Appare nelle tipologie: | 01 - Articolo su rivista |
File in questo prodotto:
Copyright © 2020