Regression Trees in the Context of Imputation of Item Non-response: An Experimental Application on Business Data

摘要

Le tecniche di partizione ricorsiva note come alberi di regressione sono comunemente utilizzate per predire valori mancanti di variabili numeriche continue dovuti a fenomeni di mancata risposta. I valori mancanti di un certo item statistico sono predetti sulla base di un insieme di covariate considerate esplicative del fenomeno oggetto di ricostruzione (o target). Diversi modelli per la costruzione di alberi di regressione possono essere utilizzati in combinazione con diverse tecniche di imputazione al fine di ottimizzare l'accuratezza dei risultati finali. Nel lavoro viene presentata un'applicazione sperimentale in cui diversi modelli di alberi di regressione sono utilizzati in combinazione con tradizionali tecniche di imputazione per la ricostruzione di valori mancanti simulati su dati di impresa.%Regression trees are tree-structured methods generally used to predict missing values for continuous variables affected by non response. For a given statistical item (target variable), missing values are predicted on the basis of a set of explanatory variables (covariates). Different regression tree models can be used in combination with different imputation techniques, in order to optimise the accuracy of final results. In the paper an experimental application in which different regression tree algorithms are combined to traditional imputation methods to predict artificial missing values in a business survey is illustrated.