Estou lendo Multivariable Model Building: Uma Abordagem Pragmática à Análise de Regressão Baseada em Polinômios Fracionários para Modelagem de Variáveis Contínuas de Patrick Royston e Willie Sauerbrei. Até agora, estou impressionado e é uma abordagem interessante que não havia considerado antes.
Mas os autores não lidam com dados ausentes. De fato, na p. 17 eles dizem que a falta de dados "introduz muitos problemas adicionais. Não são considerados aqui".
A imputação múltipla funciona com polinômios fracionários>
O FP é, em alguns aspectos (mas não todos), uma alternativa aos splines. É mais fácil lidar com dados ausentes para regressão de spline?
regression
missing-data
fractional-polynomial
Peter Flom - Restabelece Monica
fonte
fonte
Respostas:
Supondo que o software que você está usando possa fornecer uma estimativa de erro padrão para cada valor exclusivo de x, você pode usar a fórmula de Rubin (Imputação múltipla por não resposta em pesquisas; 1987) para calcular os erros padrão. Existem pequenas e grandes fórmulas de amostra para os graus de liberdade com imputação múltipla. A fórmula de amostra grande (também em Rubin) aceita apenas as mesmas entradas que o erro padrão, portanto também pode ser usada. O pequeno caso de amostra leva os graus de liberdade do modelo como entrada; não é óbvio para mim se esta fórmula pode ser aplicada aqui.
fonte