Stef van Buuren

Leerstoel

Statistical Analysis of Incomplete Data (Utrecht University).

Onderzoeksgebied

Ontbrekende waarden zijn de data die we niet zien. Door ontbrekende data kan het zijn dat we de wereld verkeerd begrijpen, onjuiste conclusies trekken en slechte beslissingen nemen. In de praktijk zijn data altijd incompleet. Maar hoe kunnen we dan toch zinvolle conclusies trekken?

Nou, door te bedenken hoe de volledige data eruit zouden zien, vast te stellen wat er ontbreekt en waarom, en vervolgens de ontbrekende data te proberen in te vullen op basis van wat we wel weten. Natuurlijk is die invulling nooit perfect; daarom moeten we deze nieuwe synthetische data weergeven als verdelingen in plaats van als puntwaarden. Als we dit idee correct toepassen, kunnen we systematische fouten in onze beoordeling vermijden.

Tijdens mijn carrière bij TNO en binnen de academia heb ik baanbrekende kwantitatieve algoritmes ontwikkeld voor meervoudige imputatie van ontbrekende waarden. Deze methoden leren wat plausibele waarden zijn op basis van de waargenomen data. Het MICE-algoritme (Multivariate Imputation by Chained Equations) is in veel vakgebieden de feitelijke norm geworden voor het invullen en analyseren van data.

Onderzoekers zowel binnen als buiten TNO en in allerlei wetenschappelijke disciplines maken gebruik van MICE. Ik pas MICE en daarmee samenhangende methodes toe bij veel TNO-projecten, bijvoorbeeld over de groei en ontwikkeling van kinderen, gezond leven en in projecten voor de Wereldgezondheidsorganisatie en de Bill & Melinda Gates Foundation.

Belangrijkste publicaties

• van Buuren, S., & Groothuis-Oudshoorn, K. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45(3), 1–67. https://doi.org/10.18637/jss.v045.i03
• van Buuren, S. (2018). Flexible Imputation of Missing Data. Second Edition. Boca Raton, FL: Chapman & Hall/CRC Press. https://stefvanbuuren.name/fimd/
• Weber, A. M., Rubio-Codina, M., Walker, S. P., van Buuren, S., Eekhout, I., Grantham-McGregor, S. M., et al. (2019). The D-score: A metric for interpreting the early development of infants and toddlers across global settings. BMJ Global Health, 4(6). doi: 10.1136/bmjgh-2019-001724.