想請問在針對有 missing value 的資料作 impute 時， 若我現在有一 impute 的方法， (大概簡述一下，會用這方法的原因是在於這方法考慮比較詳盡的條件及情形， 而且 error rate 也比其它方法較低，較廣為人使用) 它需要 reference data 來對我現有的資料(study sample)作 impute， 但我的 study sample 並非皆能有對應的 reference data， (所謂的對應是指 reference data 和 study data 都有的 predicotrs) 因此，如果我一部分的資料(有對應的 reference data)用此方法， 另一部分無法對應的資料用其它方法，可行嗎？ (我個人是不偏向同一 sample 用不同的方法，很怕之後分析結果會偏向某 imputation 方法所得的結果，也可能是我想太多啦…) 再者，如果 imputation 這部分解決了， 我針對原始資料，踢除有 missing value 的 individuals (仍剩1000多筆)， 作跟 imputation 後的資料同樣的分析，再比對兩種 data 分析的結果， 這樣… 有意義嗎？ (畢竟 imputation 仍會有些 error ，我會比較期望有經過 impute 動作所挑出顯著的 predictors 在沒有 impute 動作下也能看到，是不是多此一舉?) 若您有任何想法，還請告訴我，謝謝!! <(_ _)> --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.109.74.141