サンプルサイズが小さいときの予測平均マッチングによる多重代入

要約。予測平均マッチング（PMM）は、最先端のホットデック多重代入（MI）手法です。その結果の質は、適切なドナーケースの利用可能性に依存します。心理学や医学研究でよく見られる小さなサンプルシナリオにPMMを適用することは、データセットに適切なドナーケースが多くない（またはまったくない）ため、問題となる可能性があります。これまで、サンプルサイズが小さいときのPMMの性能を調べた系統的な研究はありませんでした。本研究では、サンプルサイズ、欠損データの割合、回帰係数のサイズ、およびPMMのドナー選択戦略を系統的に変化させたさまざまな多重回帰シナリオにおけるPMMを評価しました。その結果、PMMはほとんどのシナリオで使用できることが示されましたが、結果はドナー選択戦略に依存しました：全体として、ドナーの自動距離支援選択（Gaffert, Meinfelder, & Bosch, 2016）または最近傍を使用するPMMが最良の結果を出しました。