使用“MIDAS”对缺失数据进行多重插补的工具,这是一种基于去噪自动编码器神经网络的深度学习方法(见Lall和Robinson,2022<doi:10.1017/pan.2020.49>). 与其他多重插补策略相比,该算法具有显著的准确性和效率优势,尤其是在应用于具有复杂特征的大型数据集时。除了与“Python”接口以运行核心算法外,该软件包还包含用于在模型训练前后处理数据、运行插补模型诊断、生成多个完整数据集以及在这些数据集上估计回归模型的功能。更多信息请参见拉尔和罗宾逊(2023)<doi:10.18637/jss.v107.i09>.
请使用规范形式https://CRAN.R-project.org/package=rMIDAS链接到此页面。