เทคนิคที่คุณอธิบายเรียกว่าการใส่ความโดยลำดับถดถอยหรือการใส่หลายโดยสมการที่ถูกผูกมัด เทคนิคนี้บุกเบิกโดย Raghunathan (2001) และนำไปใช้ในแพ็คเกจ R ที่ใช้งานได้ดีที่เรียกว่าmice
(van Buuren, 2012)
บทความโดย Schafer and Graham (2002) อธิบายได้ดีว่าเหตุใดค่าเฉลี่ยของการลบและการลบแบบรายการ (สิ่งที่คุณเรียกว่าการแยกบรรทัด) มักจะไม่มีทางเลือกที่ดีสำหรับเทคนิคดังกล่าวข้างต้น ความหมายหลักของการใส่ความไม่เป็นเงื่อนไขและทำให้สามารถมีอคติการกระจายที่ใส่เข้าไปในค่าเฉลี่ยที่สังเกตได้ นอกจากนี้ยังจะลดความแปรปรวนรวมถึงผลกระทบอื่น ๆ ที่ไม่พึงประสงค์ต่อการกระจายที่กำหนดไว้ นอกจากนี้การลบแบบรายการตามความเป็นจริงจะใช้ได้ก็ต่อเมื่อข้อมูลหายไปโดยการสุ่มเช่นเดียวกับการพลิกของเหรียญ นอกจากนี้ยังเพิ่มข้อผิดพลาดในการสุ่มตัวอย่างเนื่องจากขนาดตัวอย่างจะลดลง
ผู้เขียนที่ยกมาข้างต้นมักจะแนะนำให้เริ่มต้นด้วยตัวแปรที่มีค่าน้อยที่สุดที่หายไป นอกจากนี้เทคนิคนี้มักใช้ในแบบเบย์ (เช่นส่วนขยายของข้อเสนอแนะของคุณ) ตัวแปรถูกเยี่ยมชมบ่อยขึ้นในขั้นตอนการใส่ร้ายไม่เพียงครั้งเดียว โดยเฉพาะอย่างยิ่งตัวแปรแต่ละตัวจะเสร็จสมบูรณ์โดยดึงออกมาจากการกระจายการคาดการณ์หลังเงื่อนไขของมันเริ่มต้นด้วยตัวแปรที่มีค่าที่หายไปน้อยที่สุด เมื่อตัวแปรทั้งหมดในชุดข้อมูลเสร็จสมบูรณ์อัลกอริทึมจะเริ่มต้นอีกครั้งที่ตัวแปรแรกจากนั้นทำซ้ำอีกครั้งจนกว่าการบรรจบกัน ผู้เขียนได้แสดงให้เห็นว่าอัลกอริทึมนี้คือกิ๊บส์ดังนั้นจึงมักจะมาบรรจบกับการกระจายตัวแปรหลายตัวแปรที่ถูกต้อง
โดยทั่วไปแล้วเนื่องจากมีข้อสันนิษฐานที่ไม่สามารถทดสอบได้ที่เกี่ยวข้องโดยเฉพาะอย่างยิ่งข้อมูลสุ่มที่หายไป (เช่นข้อมูลถูกสังเกตหรือไม่นั้นขึ้นอยู่กับข้อมูลที่สังเกตเท่านั้นและไม่ได้อยู่ในค่าที่ไม่ได้ถูกสงวนไว้) ขั้นตอนยังสามารถใช้งานร่วมกันไม่ได้บางส่วนซึ่งเป็นสาเหตุที่เรียกว่า PIGS (ตัวอย่าง Gibbs ที่เข้ากันไม่ได้บางส่วน)
ในทางปฏิบัติการใส่ความคิดแบบเบย์หลายวิธียังคงเป็นวิธีที่ดีในการจัดการกับปัญหาข้อมูลที่ขาดหายไปหลายตัวแปรที่ไม่ใช่โมโนโทน นอกจากนี้ส่วนขยายที่ไม่ใช่พารามิเตอร์เช่นการจับคู่ค่าเฉลี่ยทำนายช่วยผ่อนคลายสมมติฐานการสร้างแบบจำลองการถดถอย
Raghunathan, TE, Lepkowski, J. , van Hoewyk, J. , & Solenberger, P. (2001) เทคนิคหลายตัวแปรสำหรับการเพิ่มค่าที่หายไปคูณโดยใช้ลำดับของตัวแบบการถดถอย ระเบียบวิธีสำรวจ, 27 (1), 85–95
Schafer, JL และ Graham, JW (2002) ข้อมูลหายไป: มุมมองของเราเกี่ยวกับศิลปะ วิธีการทางจิตวิทยา, 7 (2), 147–177 https://doi.org/10.1037/1082-989X.7.2.147
van Buuren, S. (2012) Imputation ยืดหยุ่นของข้อมูลที่ขาดหายไป Boca Raton: CRC Press