Un jeu de données contient une colonne avec 30 % de valeurs manquantes. Vous pensez que d'autres colonnes peuvent aider à reconstituer les entrées manquantes tout en préservant l'intégrité du jeu de données. Quelle méthode d'imputation devriez-vous utiliser ?

L'imputation multiple (Multiple Imputation) est la méthode la plus appropriée car elle permet d'estimer les valeurs manquantes en tenant compte des relations entre les autres colonnes du jeu de données, ce qui préserve l'intégrité et la variance des données. Elle génère plusieurs jeux de données imputés, puis combine les résultats pour obtenir des estimations plus robustes et des intervalles de confiance plus précis. Supprimer les enregistrements (suppression listwise) n'est pas idéal car 30 % de valeurs manquantes représentent une perte significative de données, ce qui réduirait la taille de l'échantillon et pourrait introduire un biais. Reporter la dernière valeur observée (Last Observation Carried Forward) est une méthode simple mais elle ne convient pas si les données ne sont pas séquentielles ou si la valeur précédente n'est pas une bonne approximation. Remplacer par la moyenne est une méthode simple qui réduit la variance et peut biaiser les relations entre les variables, surtout avec un pourcentage élevé de valeurs manquantes.