Strategie di Imputazione in Ambiti Complessi: Studio Comparativo tra Modelli MICE e modelli di Machine Learning

Questa tesi esplora l'efficacia dei modelli MICE e delle tecniche di machine learning nell'imputazione di dati mancanti in contesti complessi. Attraverso l'analisi di metriche specifiche e l'applicazione su dati reali, la ricerca evidenzia differenze significative nelle performance di entrambi gli approcci. I risultati forniscono indicazioni preziose per la scelta di metodologie adeguate in scenari complessi, migliorando la gestione di dati incompleti nelle analisi.