Analysis of Incomplete Survey Data - Multiple Imputation via Bayesian Bootstrap Predictive Mean Matching




Professorship/Faculty: Fakultät Sozial- und Wirtschaftswissenschaften: Abschlussarbeiten 
Author(s): Meinfelder, Florian  
By: Koller-Meinfelder, Florian 
Alternative Title: Analyse unvollständiger Befragungsdaten - Multiple Imputation mittels Bayesian Bootstrap Predictive Mean Matching
Publisher Information: Bamberg : opus
Year of publication: 2009
Pages: XVII, 145
Supervisor(s): Rässler, Susanne; Raghunathan, Trivellore E.
Language(s): English
Remark: 
Bamberg, Univ., Diss., 2009
Licence: German Act on Copyright 
URN: urn:nbn:de:bvb:473-opus-2251
Abstract: 
Multiple Imputation (MI) is a general purpose approach to impute partially incomplete data. The proposed method - Bayesian Bootstrap Predictive Mean Matching - is a variant that incorporates the robustifying properties of a nearest neighbour technique (Predictive Mean Matching) into MI.

Multiple Imputation (MI) ist ein allgemeiner Ansatz zur Ergänzung fehlender Daten. Die vorgestellte Methode - Bayesian Bootstrap Predictive Mean Matching - ist eine MI-Variante, welche die robustifizierenden Eigenschaften eines Nearest-Neighbour-Verfahrens (Predictive Mean Matching) integriert.
SWD Keywords: Bayes-Entscheidungstheorie; Bootstrap-Statistik; Imputationstechnik; Online-Publikation
Keywords: Datenergänzung , Multiple Imputation, missing data , multiple imputation , nearest neighbour matching, Datenergänzung, Multiple Imputation, missing data, multiple imputation, nearest neighbour matching
DDC Classification: 510 Mathematics  
RVK Classification: QH 233   QH 235   
Document Type: Doctoralthesis
URI: https://fis.uni-bamberg.de/handle/uniba/213
Year of publication: 25. January 2010
Awards: Promotionspreise der Hans-Löwel-Stiftung 

File Description SizeFormat  
Dokument_1.pdf5.95 MBAdobe PDFView/Open