STATA-FORUM.DE

Du kannst ja die Basisvariable mit in die Imputation aufnehmen? Bzw. die Interaktion?

Wie meinst du das genau? Die Interaktion bezieht sich auf die Variable incrank, die ich erst nach der Imputation erstelle und pdi (power distance) bzw. idv (individualism), welche Level-2 Variablen sind.

Du könntest ja die untransformiertr Variablen in der Imputation mit den Level2 Vars interagieren, das meinte ich.

OK. Ich habe das mal versucht:

Code: Alles auswählen

gen sa = (stanx1 + stanx2) / 2
gen inc_pdi = inc * pdi
gen inc_idv = inc * idv

mi set mlong
mi register imputed inc sa inc_pdi inc_idv
set seed 46352
mi impute chained (pmm, knn(5)) inc sa inc_pdi inc_idv = pdi idv i.sex i.age i.educ i.empstat i.country, add(2) rseed(46352)

mi passive: egen incrank = xtile(inc), n(100) by(country)
mi passive: gen incrank_pdi = incrank * pdi
mi passive: gen incrank_idv = incrank * idv

mi estimate: mixed sa incrank inc i.educ i.age i.sex i.empstat pdi idv gdp gini_disp incrank_pdi incrank_idv|| country: incrank, mle


Auch hier sind die generierten Werte von incrank_pdi und incrank_idv unstimmig. Es scheint von den genererierten Werten her tatsächlich so, als wäre es am besten incrank, incrank_pdi, und incrank_idv erst nach der Imputation zu erstellen. Allerdings weiß ich nicht, was das für einen Bias in meinem Analysemodel auslösen könnte. Weißt du evtl. einen Weg, wie man so einen Bias diagnostizieren könnte?

Eher nicht, da vlt echt mal in der Literatur schauen, z.B. hier: https://stefvanbuuren.name/fimd/ch-mi.html

Das werde ich definitv tun. Ich danke dir vielmals für deine Zeit und deine hilfreichen Antworten. Ohne deine Hilfe, hätte ich in meiner Masterarbeit wohl keine Imputation durchführen können. In diesem Sinne, vielen Dank und alles gute!