Layered Stacking verbessert Imputation fehlender Werte in großen Datensätzen

Forscher haben ein neues Verfahren zur Imputation fehlender Werte vorgestellt, das insbesondere bei umfangreichen Datensätzen zu präziseren Schätzungen führen soll. Das Verfahren trägt den Namen Layered Stacking und zielt darauf ab, die Genauigkeit kontinuierlicher Schätzungen zu erhöhen.

Hintergrund der Imputation

Fehlende Daten stellen in der statistischen Analyse ein häufiges Problem dar. Das bloße Entfernen unvollständiger Fälle reduziert die Stichprobengröße und kann die Validität von Schätzungen beeinträchtigen. Alternative Verfahren ersetzen fehlende Werte durch plausible Schätzungen, um die Vollständigkeit des Datensatzes zu wahren.

Beschreibung des Layered Stacking‑Verfahrens

Der vorgeschlagene Ansatz kombiniert mehrere Lernalgorithmen in einer gestuften Architektur, um fehlende Werte schrittweise zu rekonstruieren. Durch die Integration verschiedener Modelle soll die Methode robust gegenüber unterschiedlichen Datenstrukturen und Fehlermustern sein.

Simulationsdesign

Zur Bewertung des Verfahrens wurden umfassende Simulationen mit vier unterschiedlichen Daten­generierungs‑prozessen durchgeführt. Die Simulationen umfassten Stichprobengrößen von 500, 1,000, 5,000 und 10,000 sowie Fehlerraten von 10 %, 20 %, 30 % und 40 %. Alle Szenarien folgten dem Missing‑at‑Random‑Mechanismus.

Vergleich mit etablierten Verfahren

Layered Stacking wurde mit fünf verbreiteten Imputationsmethoden verglichen: k‑Nearest‑Neighbors, Support‑Vector‑Regression, Entscheidungsbaum, Random‑Forest und Extreme‑Gradient‑Boosting. Bewertet wurden der mittlere quadratische Imputationsfehler (MSIE) und der mittlere absolute prozentuale Imputationsfehler (MAPIE) inklusive Standardabweichung und 95 %‑Konfidenzintervall über alle Wiederholungen.

Ergebnisse der Simulationen

Die Ergebnisse zeigen, dass das Layered Stacking‑Verfahren in den meisten Szenarien niedrigere MSIE‑Werte liefert als die Vergleichsmodelle, insbesondere bei den größeren Stichproben von 5,000 und 10,000 Beobachtungen. Auch die MAPIE‑Werte lagen häufig unter denen der Benchmarks.

Anwendung auf reale Datensätze

Zusätzlich wurden zwei reale Datensätze analysiert, um die praktische Leistungsfähigkeit zu prüfen. Auch hier erzielte das neue Verfahren geringere Imputationsfehler im Vergleich zu den etablierten Methoden.

Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.