LesezeichenAbonnierenRSS-Feed abonnieren
SMartin_82
Fluorite | Level 6

Hallo,

 

ich habe ein Dataset mit fehlenden Werten und möchte diese durch multiple Imputation ersetzen.

 

Das Prozedere mit proc mi (Pattern anschauen, imputation phase, analysis phase and pooling phase) habe ich bereits im Internet nachgelesen. Mir ist nur nicht ganz klar, was dann danach kommt.

 

Ich habe nun auf der einen Seite mein Dataset mit den Missings und auf der anderen Seite ein 10-fach imputiertes Dataset ohne Missings. Wie bekomme ich nun die Missings in meinem Ursprungsdatensatz ersetzt oder arbeite ich bei meinen weiteren Analysen mit dem imputierten Set weiter??

 

Viele Grüße,

Silke

 

2 ANTWORTEN 2
mfab
Quartz | Level 8

Hallo Silke,

 

da hier noch niemand geschrieben hat, antworte ich einfach mal.

 

Natürlich können die Werte aus der Ergebnis-Tabelle entsprechend wieder an die Eingangs-Tabelle gejoined werden. Das ist vielleicht auch praktisch, wenn man in einer zusätzlichen Spalte markieren möchte, wo missings ersetzt wurden.

 

Ansonsten würde ich mit der Ergebnis-Tabelle weiterarbeiten. Diese kann ja mit einem "out"-Statement definiert werden. Man kann dort auch mit weiteren Optionen auf eine bestimmte Imputation eingrenzen, z.B.:

out=ergebnistabelle (where=(_imputation_ = 5))

 

Ich hoffe, das hilft weiter.

 

Viele Grüße

Michael

SMartin_82
Fluorite | Level 6
Danke für deine Antwort!

Ich habe leider noch das weitere Problem, dass ich mit dem imputierten DS nicht weiter rechnen kann, weil ich bei SAS in eine Begrenzung des Workspace laufe...

Habe das Problem jetzt eigentlich mit einer Mean-Imputation gelöst. Ich habe den Mittelwert der imputierten Daten errechnet und diesen in die fehlenden Werte eingesetzt - nicht schön, aber reichte für's Erste...

Viele Grüße,
Silke