Um conjunto de dados tem uma coluna com 30% de valores ausentes. Você acredita que outras colunas podem ajudar a reconstruir as entradas ausentes, preservando a integridade do conjunto de dados. Qual método de imputação você deve usar?

A imputação múltipla é a melhor abordagem porque ela cria várias versões preenchidas do conjunto de dados, cada uma com diferentes estimativas para os valores ausentes, e então combina os resultados. Isso preserva a variabilidade e a incerteza dos dados, resultando em estimativas mais precisas e menos viesadas, especialmente quando uma grande porcentagem de dados está ausente (30% é um valor significativo). Excluir registros (exclusão listwise) descartaria 30% dos dados, levando a uma perda substancial de informações e potencial viés. Levar o último valor observado (LOCF) é inadequado para dados não sequenciais e pode introduzir viés. Substituir pela média da coluna ignora as relações entre as colunas e subestima a variância, tornando-a uma técnica simplista e muitas vezes imprecisa para grandes volumes de dados ausentes.