Expectation-Maximization-Verfahren

[engl. Erwartung, Maximierung]. [FSE], Methode zur Imputation durch eine stochastische Regressionsimputation (Regressionsersetzung) mithilfe des Expectation-Maximization-Algorithmus (EM-Algorithmus). In zwei Schritten werden die fehlenden Werte ersetzt. Im ersten Expectation-Schritt werden mittels der anderen Variablen des Datensatzes die fehlenden Werte durch eine Regression (Regressionsanalyse) geschätzt. Im zweiten Maximization-Schritt wird die Likelihood-Funktion maximiert. Dieses schrittweise Verfahren wird durchlaufen, bis eine stabile Lösung gefunden ist bzw. der Schätzalgorithmus konvergiert. Vorteil dieses Verfahrens ist, dass Mittelwerte, Varianzen und Kovarianzen des vervollständigten Datensatzes weder unter- noch überschätzt werden. Expectation-Maximization-Verfahren führt auch im Falle von Missing at Random (MAR) (Missing-Data-Prozesse) zu unverzerrten Schätzungen.