J'utilise un modèle de décalage distribué pour analyser les données d'une série chronologique. La durée de la période d'étude est de 18 ans, et l'observation est des données annuelles. Lorsqu'on inclut un effet de décalage d'un an, la première année de la variable de décalage devient manquante. Ensuite, un effet de décalage de 2 ans fait disparaître les deux premières données de la variable de décalage, et ainsi de suite.
Je vais analyser cinq effets de décalage dans mes études, mais cinq variables de décalage ont causé 5 données manquantes. Je suppose que l'imputation multiple peut m'aider à surmonter la perte d'information dans ces variables de décalage, mais le résultat de l'imputation n'est pas raisonnable.
Y a-t-il une meilleure idée pour imputer les données manquantes dans les variables de retard?
la source
Réponses:
Vous ne pouvez pas vous empêcher de perdre des informations lorsque vous utilisez des décalages. Je ne vois aucun moyen de contourner cela, sauf pour utiliser des décalages plus courts.
la source