欠落データの無作為かつ系統的なモデル化：アドホック、最尤法、および多重代入技術のシミュレーション

個人変化に関する組織研究において、欠落データは縦断的サンプルサイズを大幅に削減し、パラメータ推定に偏りを生じさせる可能性があります。この構造方程式モデリングの枠組みの中で、本論文は6つの欠落データ技術（MDT）を比較します：リストワイズ除去、ペアワイズ除去、確率回帰代入、期待値最大化（EM）アルゴリズム、完全情報最大化尤度（FIML）、および多重代入（MI）。各技術の合理性を検討し、組織的コミットメントと離職意図に関する三波のシミュレーションに基づくモンテカルロ分析を行います。各MDTに対するパラメータ推定値と標準誤差を、完全データの推定値と比較し、欠落メカニズム（完全無作為、無作為、非無作為の3種類）および欠落のレベル（25%、50%、75%；すべて単調欠落）において評価します。結果は最尤法とMIアプローチを支持しており、特に多くの回収事例を含むパラメータに対するリストワイズ除去よりも優れた成果を示しています。FIMLおよびMI技術から得られる標準誤差の推定値もより良好です。すべてのMDTは、データが非無作為的に欠落している場合にはパフォーマンスが低下します。