Du kan slutte sikrere konklusjoner ved å oppdage og fjerne skjulte
avvik i dataene dine. Manglende verdier (missing data) kan
innvirke alvorlig på resultatene. Om du ignorerer manglende
verdier, eller antar at det å fjerne dem er nok, risikerer du
å få ugyldige resultater. SPSS Missing Values er et
viktig redskap for den som er opptatt av data-validitet. Du
kan på en lett måte analysere dataene dine fra ulike vinkler
med seks diagnostiske rapporter for å finne manglende
datamønstre.
Du kan også beregne summeringsstatistikk og beregne manglende verdier gjennom
statistisk
algoritmer. Ved de 6 diagnostiske rapportene kan du finne hva manglende verdier
kan bety for dine konklusjoner og hvordan du bedre kan forstå
det som preger manglende data.
De 6 diagnostiske
rapportene:
1.
Data Patterns Table: Avdekker manglende data og
ekstreme verdier for alle enhetene og alle variabler. Avdekker
tre typer brukerdefinerte manglende verdier og systemmanglende
verdier. Sorterer dem i enten stigende eller synkende
rekkefølge.
Denne rapporten avdekker de faktiske verdier for spesifiserte
variabler.
2.
Missing Patterns Table: Avdekker mønstre av manglende verdier
for alle enheter ved minst en manglende verdi. Like manglende
verdier blir gruppert sammen, sortert ved manglende verdier og
variabler. Denne rapporten avdekker faktiske verdier for
spesifiserte variabler.
3.
Separate Variance t-test
tabel: Bestemmer forskjellen mellom
manglende data og ikke-manglende grupper. Regner t-test,
frihetsgrad, gjennomsnitt og p-verdi.
4.
Distributing of Categorical Variables
Tables: Viser forskjellen
mellom foreliggende data og manglende data for kategoriske
variabler.
5.
Percent Mismatch of Patterns
Table: Vurderer sammenhengen mellom
manglende data for en variabel i forhold til en annen.
Sorterer matriser av manglende verdimønstre eller variabler.
6.
Tabulated Patterns
tabel: Finner alle unike mønstre som summerer
hvert manglende datamønster og avdekker en opptelling av
hvert mønster og gjennomsnitt og frekvenser for hver tabell.
Du kan bedre sjansene for å finne et statistisk signifikant resultat
ved å bruke alle dine data isteden for å begrense analysen.
Du kan bruke regresjonsalgoritme til å predikere manglende
verdier basert på de data du allerede har. Du kan slutte mer
valide konklusjoner med estimater slik at alle grupper er
representert i analysen, til og med de med lite
representativitet.
|
