Костенко, ЯрославЯрославКостенко0000-0003-1944-435XГорбачик, Андрій ПетровичАндрій ПетровичГорбачик2026-06-192026-06-192025-06-27Kostenko, Y., & Gorbachyk, A. (2025). Missing Categorical Data in Sociological Surveys: An Experimental Evaluation of Imputation Techniques. Sociological Studios, 1(26), 85–109. https://doi.org/10. 29038/2306-3971-2025-01-32-32UDC 316.410.29038/2306-3971-2025-01-32-32https://ir.library.knu.ua/handle/15071834/24340Missing categorical data presents a persistent challenge to data quality in quantitative sociological research, where simpler approaches can lead to biased estimates and incorrect conclusions. This article provides an empirically grounded evaluation of multiple imputation (MI) strategies for categorical survey data, specifically focusing on the complex, multi-category nominal variable "party voted for" using European Social Survey data from Sweden and Norway. We developed a simulation framework, introducing missingness under Missing Completely at Random, Missing at Random, derived from patterns of item nonresponse on auxiliary variables, and Missing Not at Random: linked to the undisclosed party choice itself. We systematically compared the performance of six imputation methods (Multinomial Logistic Regression, Random Forest, CART, KNN, Hot Deck, and Mode) across four distinct predictor set sizes, evaluating them using Accuracy, Cohen’s Kappa, and Macro F1-score with m=20 imputations. Results indicate that while imputing party choice is challenging, model-based MI techniques significantly outperform naive approaches. Multinomial Logistic Regression consistently emerged as the most robust and highest-performing method, often benefiting from larger predictor sets within the MI framework. K-Nearest Neighbors showed promise with smaller predictor sets, offering a computationally efficient alternative. The work emphasizes the importance of principled imputation and provides practical recommendations for sociologists regarding method selection, predictor set construction, and consideration of computational costs when addressing missing categorical data.Пропущені категоріальні дані у соціологічних опитуваннях: експериментальна оцінка технік імпутації. Відсутність категоріальних даних залишається актуальною проблемою якості даних у кількісних соціологічних дослідженнях, де прості підходи можуть призвести до зміщень і хибних висновків. У цій статті представлено емпірично обґрунтовану оцінку стратегій множинної імпутації (MI) для категоріальних даних опитувань, фокусуючись на мультикатегоріальну номінальну змінну «партія, за яку проголосував респондент», використовуючи дані European Social Survey зі Швеції та Норвегії. Ми розробили симуляційну схему, генеруючи пропущені дані за механізмами Missing Completely at Random, Missing at Random, на основі патернів відмов респондентів у інших змінних, та Missing Not at Random, що засновується на самому виборі партії. Систематично порівняно ефективність шести методів імпутації (Multinomial Logistic Regression, Random Forest, CART, KNN, Hot Deck і Mode) за чотирьох різних за обсягом наборів предикторів, оцінюючи їх за Accuracy, Cohen’s Kappa та Macro F1-score при m=20 імпутаціях. Результати свідчать, що хоча імпутація партійного вибору є нетривіальною проблемою, MI з використанням предиктивних моделей суттєво перевершує більш прості підходи. Multinomial Logistic Regression послідовно показує найстійкіші й найвищі результати, часто виграючи від більших наборів предикторів у рамках MI. K-Nearest Neighbors демонструє перспективність при менших наборах предикторів, пропонуючи обчислювально ефективну альтернативу. Робота підкреслює важливість принципового підходу до імпутації та надає практичні рекомендації соціологам щодо вибору методу, побудови набору предикторів і врахування обчислювальних витрат під час роботи з пропущеними категоріальними даними.enData QualityMissing DataData ImputationMultiple ImputationLogistic RegressionClusteringякість данихпропущені даніімпутація данихмножинна імпутаціялогістична регресіякластеризаціяСтаття