Atribuição média distorce relacionamentos entre variáveis Mas a imputação média também distorce relacionamentos multivariados e afeta estatísticas como correlação. Por exemplo, a seguinte chamada para PROC CORR calcula a correlação entre a variável Orig_Height e as variáveis Weight e Age.
Por que usar uma média para dados ausentes é uma má ideia?
Média reduz uma variância dos dados Indo mais fundo na matemática, uma variância menor leva a um intervalo de confiança mais estreito na distribuição de probabilidade[3]. Isso não leva a nada além de introduzir um viés em nosso modelo.
Por que os valores ausentes são um problema?
Os dados ausentes apresentam vários problemas. Primeiro, a ausência de dados reduz o poder estatístico, que se refere à probabilidade de o teste rejeitar a hipótese nula quando ela for falsa. Em segundo lugar, os dados perdidos podem causar viés na estimativa dos parâmetros. Terceiro, pode reduzir a representatividade das amostras.
Por que a imputação média é ruim?
Problema 1: A média imputação não preserva as relações entre as variáveis. É verdade que a imputação da média preserva a média dos dados observados. Portanto, se os dados estiverem ausentes completamente ao acaso, a estimativa da média permanece imparcial.
Você deve substituir os dados ausentes pela média?
Pontos de dados atípicos terão um impacto significativo na média e, portanto, nesses casos, não é recomendável usar a média para substituir os valores ausentes. Usar valores médios para substituir valores ausentes pode não criar um ótimo modelo e, portanto, é descartado.
