hoorcollege 5: omgaan met missing data

Question 1

3 Manieren om met missing values om te gaan?

Answer 1

1. Ontbrekende gegevens verwijderen
2. Ontbrekende gegevens als aparte categorie of aparte variabele opnemen in de analyse
3. Schatting maken voor de missing values + schattingen imputeren

Question 2

Verwijderen van ontbrekende gegevens (2)

Answer 2

1. Listwise deletion: heeft de case een missing verwijder deze dan volledig. Het verliest respondenten dus alleen bij weinig missings
2. pairwise deletion: SPSS laat alleen missing values vallen, minder verlies maar steekproefsamenstelling verschilt per berekening (soms onvergelijkbare rekenproblemen)

Question 3

Stappen methode van Cohen:(3)

Answer 3

1. maak dummie variabele met code 1, als variabele X missing anders code 0
2. Als X missing, neem dan voor X mean van X
3. Neem naast X ook dummie variabele op in het regressiemodel

Question 4

5 manieren om schatting te maken voor de missing values + schatting imputeren

Answer 4

1. Constante waarde (gemiddelde, mediaan, etc.)
2. Hoogste correlerende item uit de meetschaal
3. Regressie- schatting
4. Regressie-schatting met variantie-correctie
5. Meervoudige substitutie

Question 5

Constante waarden

Answer 5

Missing vervangen door vaste waarde per variabele: Realistisch? Bijvoorbeeld bij inkomen kan het vertekend beeld geven

Question 6

Hoogst correlerende item uit de meetschaal

Answer 6

precies wat het zegt, kan alleen als er meerdere uitspraken zijn over zelfde onderwerp

Question 7

Regressieschatting

Answer 7

missing value vervangen door geschatte waarde op basis van regressie-vergelijking (Y=a+bX+e)
voordeel: maximaal gebruik vna beschikbare info
nadeel: je hebt goede predictoren nodig, varianties Y zijn te klein

Question 8

regressieschatting met variantie correctie

Answer 8

hetzelfde als regressieschatting inclusief random component.
voordeel: variantie in Y blijft vrijwel gelijk.
nadeel: toevalsfluctuatie -> goede predictoren nodig

Question 9

Meervoudige substitutie

Answer 9

Niet 1 maar 3,4 of meer substituties. Voor elke substitutie een aparte data analyse: vervang de misssing value door gesubstitueerde waarde, analyseer de complete data. De gemiddelde uitkomst geeft de gewenste schatting. De spreiding in de uikomsten geeft onzekerheid
voordeel: alle beschikbare info wordt gebruikt.
nadeel: variantie onderschat bij sommige, dus eerder significante resultaten. En de structuur in de gegevens wordt overschat.