Niveaux de signification pour grands échantillons à partir de données imputées plusieurs fois utilisant des statistiques basées sur les moments et une distribution de référence F

Résumé Nous présentons une procédure pour calculer les niveaux de signification à partir de jeux de données dont les valeurs manquantes ont été imputées plusieurs fois. Cette procédure utilise des statistiques basées sur les moments, m ≤ 3 imputations répétées, et une distribution de référence F. Lorsque m = ∞, nous montrons d'abord que notre procédure est essentiellement la même que la procédure idéale dans des cas d'importance pratique et, deuxièmement, que ses écarts par rapport à l'idéal dépendent essentiellement du coefficient de variation des rapports canoniques d'information complète par rapport à l'information observée. Pour de petits m, la performance de notre procédure est en grande partie gouvernée par ce coefficient de variation et la moyenne de ces rapports. En utilisant des techniques de simulation avec de petits m, nous comparons les niveaux de signification réels et nominaux de notre procédure pour grands échantillons et concluons qu'elle est essentiellement calibrée et représente donc une amélioration certaine par rapport aux procédures précédemment disponibles. De plus, nous comparons la puissance pour grands échantillons de la procédure en fonction de m et d'autres facteurs, tels que la dimensionnalité de l'estimand et la fraction d'information manquante, afin de fournir des indications sur le choix du nombre d'imputations ; généralement, nous constatons que la perte de puissance due à un petit m est assez modeste dans des cas susceptibles de se produire en pratique.