375. Braki danych jako założenie analityczne
Braki danych nie są wyłącznie problemem technicznym. Ich mechanizm wpływa na dobór analizy, ryzyko błędu i interpretację wyników.
-
-
254. Wielokrotna imputacja – intuicja i zastosowanie
Wielokrotna imputacja pozwala uwzględnić niepewność wynikającą z braków danych, zamiast udawać, że każda uzupełniona wartość jest pewna.
-
253. Imputacja prosta – dlaczego średnia często nie jest dobrym rozwiązaniem?
Wyjaśnienie, czym jest imputacja średnią, dlaczego zniekształca wariancję i zależności oraz kiedy można ją zastosować ostrożnie.
-
252. Analiza kompletnego przypadku – zalety i ograniczenia
Complete-case analysis jest prostą metodą postępowania z brakami danych, ale może zmniejszać liczebność próby i prowadzić do obciążenia wyników.
-
251. Jak kodować brakujące wartości w praktyce?
Praktyczna lekcja o kodowaniu braków danych: wartości systemowe, kody specjalne, słowniki, walidacja, dokumentacja i przygotowanie do analizy.
-
250. Braki danych – MCAR, MAR i MNAR wprowadzenie
Wprowadzenie do mechanizmów braków danych MCAR, MAR i MNAR: definicje, wzory, przykłady kliniczne oraz zasady planowania analizy.
-
208. Opcja „nie wiem” i „nie dotyczy” – kiedy jest potrzebna?
Opcje „nie wiem” i „nie dotyczy” mogą poprawić jakość danych, ale tylko wtedy, gdy odpowiadają rzeczywistej sytuacji respondenta i są właściwie analizowane.
-
197. Poprawka na przewidywane braki danych i utratę uczestników
Jak zwiększyć planowaną liczebność próby, aby przewidywane braki danych i utrata uczestników nie obniżyły mocy badania? Wzory, przykłady i najczęstsze błędy.
-
135. Kodowanie braków danych – czego nie robić?
Brak danych nie jest zwykłą kategorią liczbową. Sprawdź, jak kodować wartości brakujące, aby nie zniekształcić analiz i interpretacji wyników.