Distribution‑free multiple imputation in incomplete two‑way tables

Detalhes bibliográficos
Autor(a) principal: Arciniegas-Alarcón, Sergio
Data de Publicação: 2014
Outros Autores: Dias, Carlos Tadeu dos Santos, García-Peña, Marisol
Tipo de documento: Artigo
Idioma: por
Título da fonte: Pesquisa Agropecuária Brasileira (Online)
Texto Completo: https://seer.sct.embrapa.br/index.php/pab/article/view/19358
Resumo: The objective of this work was to propose a new distribution‑free multiple imputation algorithm, through modifications of the simple imputation method recently developed by Yan in order to circumvent the problem of unbalanced experiments. The method uses the singular value decomposition of a matrix and was tested using simulations based on two complete matrices of real data, obtained from eucalyptus and sugarcane trials, with values deleted randomly at different percentages. The quality of the imputations was evaluated by a measure of overall accuracy that combines the variance between imputations and their mean square deviations in relation to the deleted values. The best alternative for multiple imputation is a multiplicative model that includes weights near to 1 for the eigenvalues calculated with the decomposition. The proposed methodology does not depend on distributional or structural assumptions and does not have any restriction regarding the pattern or the mechanism of the missing data.
id EMBRAPA-4_525ea5e4619feeda4ecc493d3438dec1
oai_identifier_str oai:ojs.seer.sct.embrapa.br:article/19358
network_acronym_str EMBRAPA-4
network_name_str Pesquisa Agropecuária Brasileira (Online)
repository_id_str
spelling Distribution‑free multiple imputation in incomplete two‑way tablesImputação múltipla livre de distribuição em tabelas incompletas de dupla entradamissing data; singular value decomposition; multi‑environment trials; unbalanced experiments; genotype x environment interaction; plant breedingdados ausentes; decomposição por valores singulares; ensaios multiambiente; experimentos desbalanceados; interação genótipo x ambiente; melhoramento de plantasThe objective of this work was to propose a new distribution‑free multiple imputation algorithm, through modifications of the simple imputation method recently developed by Yan in order to circumvent the problem of unbalanced experiments. The method uses the singular value decomposition of a matrix and was tested using simulations based on two complete matrices of real data, obtained from eucalyptus and sugarcane trials, with values deleted randomly at different percentages. The quality of the imputations was evaluated by a measure of overall accuracy that combines the variance between imputations and their mean square deviations in relation to the deleted values. The best alternative for multiple imputation is a multiplicative model that includes weights near to 1 for the eigenvalues calculated with the decomposition. The proposed methodology does not depend on distributional or structural assumptions and does not have any restriction regarding the pattern or the mechanism of the missing data.O objetivo deste trabalho foi propor um novo algoritmo de imputação múltipla livre de distribuição, por meio de modificações no método de imputação simples recentemente desenvolvido por Yan para contornar o problema de desbalanceamento de experimentos. O método utiliza a decomposição por valores singulares de uma matriz e foi testado por meio de simulações baseadas em duas matrizes de dados reais completos, provenientes de ensaios com eucalipto e cana‑de‑açúcar, com retiradas aleatórias de valores em diferentes percentagens. A qualidade das imputações foi avaliada por uma medida de acurácia geral que combina a variância entre imputações e o viés quadrático médio delas em relação aos valores retirados. A melhor alternativa para imputação múltipla é um modelo multiplicativo que inclui pesos próximos a 1 para os autovalores calculados com a decomposição. A metodologia proposta não depende de pressuposições distribucionais ou estruturais e não tem restrições quanto ao padrão ou ao mecanismo de ausência dos dados.Pesquisa Agropecuaria BrasileiraPesquisa Agropecuária BrasileiraCAPESCNPqTWASArciniegas-Alarcón, SergioDias, Carlos Tadeu dos SantosGarcía-Peña, Marisol2014-10-20info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://seer.sct.embrapa.br/index.php/pab/article/view/19358Pesquisa Agropecuaria Brasileira; v.49, n.9, set. 2014; 683-691Pesquisa Agropecuária Brasileira; v.49, n.9, set. 2014; 683-6911678-39210100-104xreponame:Pesquisa Agropecuária Brasileira (Online)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPAporhttps://seer.sct.embrapa.br/index.php/pab/article/view/19358/12786https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/19358/11678https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/19358/11679info:eu-repo/semantics/openAccess2014-10-20T19:27:26Zoai:ojs.seer.sct.embrapa.br:article/19358Revistahttp://seer.sct.embrapa.br/index.php/pabPRIhttps://old.scielo.br/oai/scielo-oai.phppab@sct.embrapa.br || sct.pab@embrapa.br1678-39210100-204Xopendoar:2014-10-20T19:27:26Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false
dc.title.none.fl_str_mv Distribution‑free multiple imputation in incomplete two‑way tables
Imputação múltipla livre de distribuição em tabelas incompletas de dupla entrada
title Distribution‑free multiple imputation in incomplete two‑way tables
spellingShingle Distribution‑free multiple imputation in incomplete two‑way tables
Arciniegas-Alarcón, Sergio
missing data; singular value decomposition; multi‑environment trials; unbalanced experiments; genotype x environment interaction; plant breeding
dados ausentes; decomposição por valores singulares; ensaios multiambiente; experimentos desbalanceados; interação genótipo x ambiente; melhoramento de plantas
title_short Distribution‑free multiple imputation in incomplete two‑way tables
title_full Distribution‑free multiple imputation in incomplete two‑way tables
title_fullStr Distribution‑free multiple imputation in incomplete two‑way tables
title_full_unstemmed Distribution‑free multiple imputation in incomplete two‑way tables
title_sort Distribution‑free multiple imputation in incomplete two‑way tables
author Arciniegas-Alarcón, Sergio
author_facet Arciniegas-Alarcón, Sergio
Dias, Carlos Tadeu dos Santos
García-Peña, Marisol
author_role author
author2 Dias, Carlos Tadeu dos Santos
García-Peña, Marisol
author2_role author
author
dc.contributor.none.fl_str_mv
CAPES
CNPq
TWAS
dc.contributor.author.fl_str_mv Arciniegas-Alarcón, Sergio
Dias, Carlos Tadeu dos Santos
García-Peña, Marisol
dc.subject.por.fl_str_mv missing data; singular value decomposition; multi‑environment trials; unbalanced experiments; genotype x environment interaction; plant breeding
dados ausentes; decomposição por valores singulares; ensaios multiambiente; experimentos desbalanceados; interação genótipo x ambiente; melhoramento de plantas
topic missing data; singular value decomposition; multi‑environment trials; unbalanced experiments; genotype x environment interaction; plant breeding
dados ausentes; decomposição por valores singulares; ensaios multiambiente; experimentos desbalanceados; interação genótipo x ambiente; melhoramento de plantas
description The objective of this work was to propose a new distribution‑free multiple imputation algorithm, through modifications of the simple imputation method recently developed by Yan in order to circumvent the problem of unbalanced experiments. The method uses the singular value decomposition of a matrix and was tested using simulations based on two complete matrices of real data, obtained from eucalyptus and sugarcane trials, with values deleted randomly at different percentages. The quality of the imputations was evaluated by a measure of overall accuracy that combines the variance between imputations and their mean square deviations in relation to the deleted values. The best alternative for multiple imputation is a multiplicative model that includes weights near to 1 for the eigenvalues calculated with the decomposition. The proposed methodology does not depend on distributional or structural assumptions and does not have any restriction regarding the pattern or the mechanism of the missing data.
publishDate 2014
dc.date.none.fl_str_mv 2014-10-20
dc.type.none.fl_str_mv
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://seer.sct.embrapa.br/index.php/pab/article/view/19358
url https://seer.sct.embrapa.br/index.php/pab/article/view/19358
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://seer.sct.embrapa.br/index.php/pab/article/view/19358/12786
https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/19358/11678
https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/19358/11679
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Pesquisa Agropecuaria Brasileira
Pesquisa Agropecuária Brasileira
publisher.none.fl_str_mv Pesquisa Agropecuaria Brasileira
Pesquisa Agropecuária Brasileira
dc.source.none.fl_str_mv Pesquisa Agropecuaria Brasileira; v.49, n.9, set. 2014; 683-691
Pesquisa Agropecuária Brasileira; v.49, n.9, set. 2014; 683-691
1678-3921
0100-104x
reponame:Pesquisa Agropecuária Brasileira (Online)
instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron:EMBRAPA
instname_str Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron_str EMBRAPA
institution EMBRAPA
reponame_str Pesquisa Agropecuária Brasileira (Online)
collection Pesquisa Agropecuária Brasileira (Online)
repository.name.fl_str_mv Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
repository.mail.fl_str_mv pab@sct.embrapa.br || sct.pab@embrapa.br
_version_ 1793416701649354752

Registros relacionados