home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #16 / NN_1992_16.iso / spool / bit / listserv / sasl / 3373 < prev    next >
Encoding:
Text File  |  1992-07-21  |  2.5 KB  |  63 lines
  1. Comments: Gated by NETNEWS@AUVM.AMERICAN.EDU
  2. Path: sparky!uunet!gatech!paladin.american.edu!auvm!BIOSTAT.MC.DUKE.EDU!LHM
  3. Message-ID: <9207211302.AA23969@biostat.mc.duke.edu>
  4. Newsgroups: bit.listserv.sas-l
  5. Date:         Tue, 21 Jul 1992 09:02:37 EDT
  6. Reply-To:     "Lawrence H. Muhlbaier" <lhm@BIOSTAT.MC.DUKE.EDU>
  7. Sender:       "SAS(r) Discussion" <SAS-L@UGA.BITNET>
  8. From:         "Lawrence H. Muhlbaier" <lhm@BIOSTAT.MC.DUKE.EDU>
  9. Subject:      Re: missing data analysis
  10. Comments: To: sas-l%vtvm2.BITNET@ncsuvm.ncsu.edu
  11. Lines: 50
  12.  
  13. From an unidentified requestor on the SAS-L list:
  14.  
  15. > From DEMPO@mc.duke.edu Mon Jul 20 15:47:24 1992
  16.  >
  17. > has anybody out there had any experience doing analysis on missing data?
  18. >
  19. > our dataset will have the following characteristics:
  20. >
  21. > 1) multiple observations per subject
  22. > 2) subjects nested within a large number of groups
  23. > 3) some variables measured on the subjects some measured on the groups
  24. >    (a group would be something like a census tract)
  25. >
  26. > data are missing when:
  27. >
  28. > 1) a subject lacks one or more variable measurements
  29. > 2) a group is lacking the required number of subjects
  30. > 3) a group is lacking one or more variable measurements
  31. >
  32. > has anyone used or developed routines that will estimate the missing
  33. > values (perhaps EM algorithm). BMDP has some routines for missing data
  34. > but don't seem to handle all our types of missingness.
  35. >
  36.  
  37. I am unaware of actual routines that can directly handle the questions
  38. that you are raising.  There are, however, some techniques that may have
  39. some promise.  I am wrestling with some significant missing data problems
  40. myself, so this advice reflects my current study, rather than definitive
  41. answers.
  42.  
  43. I would first look at Don Rubin's book on Multiple Imputation.  It has
  44. some ideas that should work for variables that are missing (in either
  45. cases or groups).
  46.  
  47. Imputing enitre observations is more difficult.  I don't have any ideas
  48. there except to look at this idea of 'hierarchical modeling' that is
  49. an empirical Bayes technique.
  50.  
  51. One final note:  I have had some experience with the EM algorithm
  52. that was not entirely positive -- it would converge to local maxima,
  53. and the only way that I could tell it was 'local' was by using
  54. different starting points and converging to other answers.  It
  55. would  not provide any other indication that there were convergence
  56. problems.
  57.  
  58. Lawrence H. ('Doc') Muhlbaier        muhlb001@mc.duke.edu
  59. Assistant Research Professor        muhlb001@dukemc
  60. Duke University Medical Center        919-286-3322 (office)
  61. DUMC 3865                 919-286-9534 (home)
  62. Durham, NC 27710-7510            919-286-2947 (FAX)
  63.