Key points are not available for this paper at this time.
Ao usar imputação múltipla na análise de dados incompletos, uma diretriz proeminente sugere que mais de 10 valores de dados imputados raramente são necessários. Este artigo questiona o otimismo dessa diretriz e ilustra que quantidades importantes (por exemplo, valores de p, larguras de intervalo de confiança e frações estimadas de informação faltante) sofrem de imprecisão substancial com um pequeno número de imputações. Substantivamente, um pesquisador pode tirar conclusões categoricamente diferentes sobre rejeição da hipótese nula, precisão da estimativa e informação faltante em diferentes execuções de imputação múltipla para os mesmos dados e análise com poucas imputações. Este artigo explora os fatores associados a essa imprecisão, demonstra que a precisão melhora ao aumentar o número de imputações e fornece diretrizes práticas para escolher um número razoável de imputações para reduzir a imprecisão para cada uma dessas quantidades.
Todd Bodner (qui,) estudou esta questão.