Estimativas De Parâmetro Pooled

Esta mesa é bastante grande, mas o pivotar nos dará um par de diferentes visões úteis da produção.

1. Ative (clique duas vezes) a tabela, em seguida, selecione Trays de Pivoque no menu de contexto.

   

2. Mova Número de Imputação da Linha para a Camada.
3. Selecione Pooled a partir da lista de dropdown Número da Imputação.

   

   Essa visão mostra todas as estatísticas para os resultados em conjunto. Você pode usar e interpretar esses coeficientes da mesma forma que você usaria esta tabela para um dataset sem valores ausentes.

   A tabela de estimativas de parâmetros resume o efeito de cada preditor. A razão entre o coeficiente a seu erro padrão, ao quadrado, é igual à estatística Wald. Se o nível de significância da estatística de Wald for pequeno (menor que 0.05), o parâmetro será diferente de 0.

   • Os parâmetros com coeficientes negativos significativos diminuem a probabilidade de essa categoria de resposta com relação à categoria de referência.
   • Os parâmetros com coeficientes positivos aumentam a probabilidade de essa categoria de resposta.
   • Os parâmetros associados à última categoria de cada fator é redundante dado o termo de interceptação.

   Há três colunas adicionais na tabela que fornecem mais informações sobre a saída em conjunto. A fração de informações ausentes é uma estimativa da proporção de informações ausentes para informações "completas", com base no aumento relativo de variância devido a não resposta, que por sua vez é uma relação (modificada) da entre-imputação e média de subimputação da taxa de reposição do coeficiente de regressão. A eficiência relativa é uma comparação desta estimativa a uma estimativa (teórica) computada usando um número infinito de imputações. A eficiência relativa é determinada pela fração de informações ausentes e pelo número de imputações utilizadas para obter o resultado em conjunto; quando a facção de informações ausentes é grande, um maior número de imputações é necessário para aproximar a eficiência relativa de 1 e a estimativa agrupada mais próxima da estimativa idealizada.

   

4. Agora reative (clique duas vezes) a tabela, em seguida, selecione Trays de Pivoque no menu de contexto.
5. Mova Número de Imputação da Camada para a Coluna.
6. Mova Estatísticas da Coluna para a Camada.
7. Selecione B a partir da lista de dropdown de Estatísticas.

Esta visão da tabela é útil para comparar valores através de imputações, para obter uma verificação visual rápida da variação do coeficiente de regressão estimativas da imputação à imputação, e até mesmo contra os dados originais. Em particular, alternando a estatística na camada para Std. Erro permite que você veja como a imputação múltipla reduziu a variabilidade nas estimativas de coeficiente versus exclusão listwise (dados originais).

No entanto, neste exemplo, o dataset original realmente causa um erro, o que explica as estimativas de parâmetros muito grandes para o intercepto Plus service e níveis não redundantes de ed (Level of education) na coluna de dados original da tabela.

Próximo