Estoy leyendo Construcción de modelos multivariables: un enfoque pragmático para el análisis de regresión basado en polinomios fraccionados para modelar variables continuas de Patrick Royston y Willie Sauerbrei. Hasta ahora, estoy impresionado y es un enfoque interesante que no había considerado antes.
Pero los autores no tratan con datos faltantes. De hecho, en la p. 17 dicen que los datos faltantes "introducen muchos problemas adicionales. No se consideran aquí".
¿La imputación múltiple funciona con polinomios fraccionales>
FP es, en algunos aspectos (pero no todos) una alternativa a las splines. ¿Es más fácil lidiar con los datos faltantes para la regresión de splines?
regression
missing-data
fractional-polynomial
Peter Flom - Restablece a Monica
fuente
fuente
Respuestas:
Suponiendo que el software que está utilizando puede proporcionar una estimación de error estándar para cada valor único de x, puede usar la fórmula de Rubin (imputación múltiple para no responder en encuestas; 1987) para calcular los errores estándar. Existen fórmulas de muestra pequeñas y grandes para los grados de libertad con imputación múltiple. La fórmula de muestra grande (también en Rubin) solo toma las mismas entradas que el error estándar, por lo que también se puede usar. El pequeño caso de muestra toma los grados de libertad del modelo como entrada; No es obvio para mí si esta fórmula se puede aplicar aquí.
fuente