Maisto ir mitybos saugumo duomenų spragų užpildymas: koks metodas yra geriausias Afrikos maisto ir mitybos saugumui?
Šiame tyrime pristatomi metodai, naudojami siekiant parinkti tikslesnes procedūras priskiriant reikš\-mes trūkstamiems Afrikos maisto saugumo ir mitybos (MSM) duomenims. Pagrindinis dėmesys skiriamas šiems penkiems trūkstamųjų reikšmių duomenyse priskyrimo metodams: vidurkio priskyrimas; kartotinis priskyrimas naudojant grandininę lygtį (Multiple Imputation using a Chained Equation, MICE); priskyrimas su diagnostika, pagrįstas kintamojo sąlyginiu skirstiniu (mi); adityvioji regresija ir vidurkio prognozės atitikimas (Hmisc); bei priskyrimas naudojant atsitiktinius miškus (MissForest). Aprašant kiekvieną metodą aptariama, kaip jis veikė atsitiktinai trūkstamųjų (Missing At Random, MAR) ir neatsitiktinai trūkstamųjų (Missing Not At Random, MNAR) reikšmių atvejais naudojant vidutinės kvadratinės paklaidos kvadratinę šaknį ir vidutinę absoliučiąją paklaidą kaip tikslumo matą. Ištyrus, ar nėra įvertinių tikslumo ir nepaslinktumo prasme MSM analizėje neignoruotinų trūkstamųjų reikšmių, buvo nustatatyta, kad MissForest metodas efektyviau ir su mažesniu poslinkiu priskyrė trūkstamąsias reikšmes tuo pagerindamas duomenų kokybę. Vadinasi, MissForest metodas yra tinkamiausia alternatyva Afrikos MSM duomenų trūkstamosioms reikšmėms priskirti. Šis tyrimas papildo dabartines žinias apie maisto ir mitybos nesaugumą ir suteikia naudingos informacijos politikos formuotojams, ypač apie galimas trūkstamųjų reikšmių priskyrimo MSM duomenyse ekonomines ir socialines pasekmes Afrikoje.