Missing Values

Jobb modellek létrehozása a hiányzó értékek megbecslésével

A hiányzó adatok erőteljesen befolyásolhatják kapott eredményeit. Ha nem veszi figyelembe a hiányzó adatokat vagy feltételezi, hogy a hiányzó értékek kizárása elegendő, akkor érvénytelen és megbízhatatlan eredményeket kaphat. Az adatelőkészítés fázisban gondoskodjon arról, hogy az adatelemzés során olyan adatokat használ, amelyek figyelembe veszik a hiányzó értékeket.

Az SPSS Missing Values (korábbi nevén SPSS Missing Value Analysis), az SPSS Statistics Base egyik kiegészítő modulja, ami kritikus eszköz mindazon kutatók, szociológusok, adatbányászok és piackutatók számára, akik törődnek adataik érvényességével. 

Hiányzó adatok beillesztése az elvárt eredményt maximalizáló algoritmussal

Az SPSS Missing Values moduljában, hat diagnosztikai riport bármelyikével több különböző szempontból vizsgálhatja adatait és rátalálhat a hiányzó adat mintákra. Ezután értékelheti a kapott statisztikákat és megbecsülheti a hiányzó értékeket regressziós vagy az elvárt eredményt maximalizáló (Expectation Maximalization) algoritmusok révén. Az SPSS Missing Values segítségével:

  • Megállapíthatja a hiányzó értékekből adódó probléma súlyosságát.
  • A hiányzó értékeket helyettesítheti becslésekkel, például regresszió vagy EM algoritmus segítségével.

A hiányzó adatok gyors és egyszerű meghatározása

Az adatmintázat-riport használatával - ami lehetővé teszi az adatok egyenkénti áttekintését - gyorsan megvizsgálhatja a súlyos hiányzó értékeket. A riport segítségével meghatározhatja a hiányzó adatok mértékét, továbbá a hiányzó értékek minden fajtáját és extrém értékeit megjelenítheti. 

Az SPSS Missing Values a kérdőív azon kérdéseinek javítására is használható, melyek valószínűleg problémásak vagy összezavaróak lehetnek. Az adat-minta százalékos nem-megfelelési táblázatában megvizsgálhatja, hogy az egyik változó hiányzó értéke nem kapcsolódik-e egy másik változó hiányzó értékéhez. Például, azok a válaszadók akik a jövedelem kérdésre nem válaszoltak, előfordulhat, hogy az iskolai végezettségre vonatkozó kérdést is kihagyták. Ezen információ segítségével, a kérdések átgondolásával, javíthatja kérdőíve minőségét. 

Hitelesebb összefoglaló statisztikák készítése

Mivel az összefoglaló statisztikák gyakran további elemzések kiindulópontjai, az SPSS Missing Values modul lehetővé teszi, hogy munka közben rendezze a hiányzó adatokat. Négy módszer közül választhat: listaszerű törlés, páronként törlés, EM algoritmus, kovariancia mátrix.

Javítsa a szignifikáns eredmények megtalálási valószínűségét

Használja az összes adatot, ahelyett, hogy elemzését csak a teljes esetekre korlátozná. Egyszerűen helyettesítse a hiányzó adatokat becslésekkel és növelje a  statisztikailag szignifikáns eredmények megtalálási valószínűségét. Vonjon le megalapozottabb következtetéseket a hiányzó értékek okozta rejtett kiegyensúlyozatlanság eltávolításával és a hiányzó adatok becsült adatokkal való helyettesítésével, ezáltal minden csoport megjelenik elemzésében - még a kevésbé érzékenyek is. Válasszon a regressziós és EM algoritmusok közül a hiányzó értékek előrejelzésére.

Ha szeretne többet megtudni az  SPSS Missing Values modulról

Havi rendszerességgel megrendezésre kerülő ingyenes szemináriumainkon megismerkedhet az SPSS Statistics programcsomag használatával, valamint szakértőnk segít Önnek meghatározni, hogy mely modulokra lehet szüksége munkája során. A részvételhez csupán egy regisztrációra van szükség.