5．多重替代法(Multiple Imputation) 作为简单估算的改进产物。多重估算技术用一系列可能的值来替换每一个缺失值，以反 映被替换的缺失数据的不确定性。
基于40个网页-相关网页
1976年，Rubin［1］提出了处理缺失数据的多重填补（multiple imputation，MI）的方法［2］. 多重填补用一系列可能的值来替换每一个缺失值，以反映被替换的缺失数据的不确定性.
基于36个网页-相关网页
为检验研究结果的稳健性，我们在多元回归分析部分两次使用多重填补法(multiple imputation)，分别将样本数提升至4648人和5231人，并与有效样本的结果进行比较。
基于24个网页-相关网页
Multiple imputation procedure 多归因程序的方法
With Multiple Imputation 随着多种估算
multiple imputation analyze 多重填补分析
Multiple imputation for missing values 多重缺失值的估算
Multiple imputation by chained equations 基于链式方程的多重插补
The method includes using TBapriori algorithm to generate strong association rules, the algorithm of sorting rule groups, multiple imputation, statistics and analysis.
该方法主要包括由TBapriori算法产生强关联规则,、规则组排序,多重填补,统计分析等四部分组成。
参考来源 - 基于关联规则挖掘算法的改进及其应用研究·2,447,543篇论文数据，部分数据来源于NoteExpress
In combination single imputation of missing data with multiple imputation, a new missing data imputation—KNNMI is proposed.
综合数据缺失值的单一填补和多重填补方法，提出一种新的信用指标缺失值填补方法—KNNMI。
RESULTS: The multiple imputation method imputed missing values of the crossover design and generated valid statistical inferences.
结果：多重填补的方法可用于交叉设计中缺失数据的填补并得出正确的统计推断。
Results The multiple imputation method can impute missing values of the crossover design and generate valid statistical inferences.
结果多重填补的方法可用于交叉设计中缺失数据的填补并得出正确的统计推断。
应用推荐