Een dataset heeft één kolom met 30% ontbrekende waarden. U denkt dat andere kolommen kunnen helpen de ontbrekende invoer te reconstrueren, terwijl de integriteit van de dataset behouden blijft. Welke imputatiemethode moet u gebruiken?

Multiple imputation (MI) is de meest geschikte methode omdat het de onzekerheid over de imputatie weerspiegelt en robuustere resultaten oplevert dan single imputation methoden. MI genereert meerdere complete datasets door ontbrekende waarden te schatten op basis van de relaties met andere kolommen, wat de integriteit van de dataset behoudt. Het verwijderen van records (listwise deletion) zou leiden tot een aanzienlijk verlies van 30% van de data, wat de statistische kracht vermindert. Het gebruik van de laatst waargenomen waarde (LOCF) is alleen geschikt voor tijdreeksdata en kan vertekening introduceren. Het vervangen door het kolomgemiddelde (mean imputation) onderschat de variantie en verzwakt de correlaties tussen variabelen, wat de datasetintegriteit schaadt.