fa روش‌های پیشرفته جانهی مقادیر گم‌شده: روش‌های یادگیری ماشین با تاکید بر یک روش ترکیبی برای جانهی چندگانه با استفاده از معادله‌های زنجیره‌ای آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <p>نحوه برخورد با داده‌های گم‌شده یکی از مسائلی است که اغلب محققان با آن روبرو هستند. جانهی چندگانه با استفاده از معادله‌های زنجیره‌ای&nbsp;یکی از رایج‌ترین و انعطاف‌پذیرترین روش‌ها برای جانهی است. &nbsp;از دیدگاه تئوری، هر مدل جانهی می‌تواند &nbsp;برای پیش‌بینی مقادیر داده‌های گم‌شده استفاده شود اما اگر مدل‌های پیشگویی نادرست باشند می‌تواند منجر به برآوردهای اریب و استنباط‌های نامعتبر شود. یکی از جدیدترین راه‌حل‌ها برای برخورد با داده‌های گم‌شده، روش‌ ترکیبی یادگیری ماشین و ابریادگیرنده است.&nbsp;در این مقاله، &nbsp;چند شبیه‌سازی‌ برای نشان دادن رویکرد بهتر این روش از نظر اریبی کمتر و همگرایی بهتر برآورد پارامتر نهایی نسبت به &nbsp;روش‌های جانهی رایج ارائه شده است. &nbsp;همچنین، به پیاده‌سازی برخی روش‌های یادگیری ماشین و یک الگوریتم ترکیبی از ابریادگیرنده، روی داده‌های کارگاه‌های صنعتی &nbsp;پرداخته شده است که در آن جانهی متغیرهای مختلف در داده‌ها به‌طور همزمان صورت می‌گیرد. همچنین به ارزیابی روش‌های مختلف &nbsp;و معرفی روش دارای عملکرد برتر، پرداخته شده است.</p> <p>Researchers often face the problem of how to address missing data. Multiple imputation by chained equations is one of the most common methods for imputation. In theory, any imputation model can be used to predict the missing values. However, if the predictive models are incorrect, it can lead to biased estimates and invalid inferences. One of the latest solutions for dealing with missing data is machine learning methods and the SuperMICE method. In this paper, We present a set of simulations indicating that this approach produces final parameter estimates with lower bias and better coverage than other commonly used imputation methods. Also, implementing some machine learning methods and an ensemble algorithm, SuperMICE, on the data of the Industrial establishment survey is discussed, &nbsp;in which the imputation of different variables in the data co-occurs. Also, the evaluation of various methods is discussed, and the method that has better performance than the other methods is introduced.</p> داده‌های گم‌شده, الگوریتم ترکیبی ابریادگیرنده, جانهی چندگانه با استفاده از معادلات زنجیره‌ای, روش‌های یادگیری ماشین, آمارگیری از کارگاه‌های صنعتی Missing data, Super learner ensemble algorithm, Multiple imputation by chained equations, Machine learning methods, Industrial establishment survey 161 182 http://jss.irstat.ir/browse.php?a_code=A-10-654-6&slc_lang=fa&sid=1 Mehrdad Ghaderi مهرداد قادری mehrdad.qaderi@ut.ac.ir 10031947532846008742 0009-0006-6491-2764 No دانشگاه تهران Zahra Rezaei Ghahroodi زهرا رضائی قهرودی z.rezaeigh@ut.ac.ir 10031947532846008743 10031947532846008743 Yes دانشگاه تهران Mina Gandomi مینا گندمی minagandomi3@gmail.com 10031947532846008744 0009-0002-6241-9264 No مرکز آمار ایران