Porovnání alternativních metod práce s chybějícími hodnotami v regresních modelech

Problém, se kterým se setkáváme u předpřípravy dat jsou chybějící hodnoty. Existuje více způsobů jak se v regresní analýze vypořádat s chybějícími hodnotami. Cílem práce je porovnat vybrané techniky práce s chybějícími hodnotami prostřednictvím Monte Carlo experimentů. Data generující procesy použité v simulačních experinetech vychází z~reálného, hojně studovaného datového souboru. Výběr technik práce s chybějícími hodnotami se zaměřuje na porovnání jednodušších konvenčních technik a modernějších postupů využívajících vícenásobné imputace. Jednotlivé techniky srovnáváme pomocí střední čtvercové chyby, vychýlení a pokrytí intervalů spolehlivosti odhadnutých regresních koeficientů. Modely, kterými se zaobíráme obsahují spojitou závislou proměnnou, interakce, čtverce a binární proměnné. Tyhle modely volíme proto, že ve věčšině výskumů se střetáváme s kategoríální závislou proměnnou a jednoduchší strukturou modelu. Cílem práce je prozkoumat možnosti u dat s chybějícími hodnotami, které nebyly v literatuře podrobně rozebrány.

This thesis aims to survey different methods for handling missing data in regression models by Monte Carlo experiments. Data generating processes used in simulation experiments are based on widely used real data set. The choice of missing data techniques aims to compare simpler conventional methods and modern multiple imputations. We compare these approaches according to normalized root mean square deviation, normalized bias and coverage probability of confidence intervals. Fitted regression models contain continuous dependent variable, squares, interactions and binary variables. We chose these models because in surveys we can mostly find categorical dependent variable and model structure is simpler. Nevertheless, the literature on missing data is greatly expanded, we can still find a gap in studies of missing data methods. The thesis aims to survey these methods and their application in regression models.