گزینه ای جهت برخورد با داده های گمشده در SEM

گزینه های مختلفی برای برخورد با داده های گمشده وجود دارد که دو نوع ان انتساب رگرسیونی یا Regression و حداکثر درست نمایی یا Maximum Likelihood می باشد .

در انتساب رگرسیونی ما مقادیر پیش بینی شده با معادله رگرسیونی را جایگزین داده گمشده می کنیم و در حداکثر احتمال بر اساس حداکثر درستنمایی داده های گمشده را جایگزین می کنند

اما سوالی که پیش می اید این است که چه زمانی از انتساب رگرسیونی استفاده می کنیم و چه زمانی از حداکثر احتمال ؟ انتساب رگرسیونی زمانی ممکن است که بیش از یک متغیر داده ی گمشده دارند . حداکثر درستنمایی بیشتر برای زمانی است که تنها یک متغیر داده گمشده دارد.در واقع حداکثر درست نمایی و Mont Carlo یا MCMC را زمانی استفاده می کنیم که می خواهیم داده تصادفی تولید و جایگزین کنیم .

البته اگر تعداد مقادیر گمشده متوسط بود از رگرسیون و اگر زیاد از حداکثر احتمال استفاده کنیم .

در مطلب بعدی نحوه ی بکارگیری روش حداکثر احتمال در برخورد با داده هی گمشده در LISREL را کاربردی توضیح خواهم داد.