در آمار، داده های گم شده یا مقدارهای گم شده زمانی رخ می دهد؛ که هیچ مقدار داده ای برای یک متغیر در یک مشاهده ذخیره نشده باشد. داده های گم شده اتفاقی رایج است و می تواند اثر معنی داری از نتایج حاصل از داده ها داشته باشد.
داده های گم شده می توانند به دلیل بی پاسخی آماری رخ دهند: یعنی هیچ اطلاعاتی برای یک یا چند مورد در کل واحد ( «موضوع» ) به دست نیامده باشد. بعضی موارد به احتمال بیشتری بی پاسخی تولید می کنند: برای مثال مواردی که در مورد مسائل خصوصی مانند درآمد هستند. ساییدگی نوعی از دست رفتن که در مطالعات جغرافیایی رخ دهد. برای نمونه مطالعهٔ توسعه که اندازه گیری بعد از دوره ای از زمان تکرار شده است. ازدست رفتگی زمانی که یکی از شرکت کنندگان قبل از پایان مطالعه را ترک می کند، یا یک یا چند اندازه گیری از دست می رود، رخ می دهد.
داده ها اغلب در تحقیقات اقتصادی، جامعه شناسی و علوم سیاسی از بین می روند، زیرا دولت یا نهادهای خصوصی گزارش های حساس را ناقص ارائه دهند، یا کلاً ارائه ندهند، [ ۱] یا به این علت که داده ها در دسترس نیستند ارائه داده نمی شود. بعضی مواقع گم شده بودن داده ها به خاطر خود محقق است، برای مثال، هنگامی که جمع آوری داده ها نامناسب است یا به اشتباه وارد می شوند. [ ۲]
این شکل های بسته به نوع اثری که بر صحت نتیجه گیری های یک تحقیق می گذارند، انواع مختلفی دارند که عبارت اند از: به طور کامل ازدست رفته و به طور تصادفی ازدست رفته. می توان با داده های گم شده همانند داده های سانسورشده رفتار کرد.
فهمیدن دلیل این که چرا داده ها گم شده اند برای مدیریت صحیح سایر داده ها مهم است. اگر داده ها کاملاً به تصادف گم شده باشند، نمونهٔ داده ها احتمالاً هنوز نماینده ای جامعه خواهد بود. اما اگه داده ها به شکل سیستماتیک گم شده باشند. تحلیل ممکن است اریب باشد. برای مثال، در مطالعهٔ ارتباط بین IQ و درآمد، اگر شرکت کنندگان با IQ متوسط به بالا تمایل به پاسخ ندادن به سؤال «درآمد شما چقدر است؟» نداشته باشند، تحلیلی که این مسئله را به عنوان یک الگوی گم شدن به صورت تصادفی ( الگوی MAR ) در نظر نمی گیرد، ممکن است در پیدا کردن همبستگی بین حقوق و IQ شکست بخورد. به خاطر این مشکلات، روش شناسان به طور معمول به محققان توصیه می کنند مطالعات را طراحی کنند تا وقوع داده های گم شده را به حداقل برسانند. مدل های گرافیکی می توانند با جزییات، سازوکار داده های گم شده را توصیف کنند. [ ۳]
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفداده های گم شده می توانند به دلیل بی پاسخی آماری رخ دهند: یعنی هیچ اطلاعاتی برای یک یا چند مورد در کل واحد ( «موضوع» ) به دست نیامده باشد. بعضی موارد به احتمال بیشتری بی پاسخی تولید می کنند: برای مثال مواردی که در مورد مسائل خصوصی مانند درآمد هستند. ساییدگی نوعی از دست رفتن که در مطالعات جغرافیایی رخ دهد. برای نمونه مطالعهٔ توسعه که اندازه گیری بعد از دوره ای از زمان تکرار شده است. ازدست رفتگی زمانی که یکی از شرکت کنندگان قبل از پایان مطالعه را ترک می کند، یا یک یا چند اندازه گیری از دست می رود، رخ می دهد.
داده ها اغلب در تحقیقات اقتصادی، جامعه شناسی و علوم سیاسی از بین می روند، زیرا دولت یا نهادهای خصوصی گزارش های حساس را ناقص ارائه دهند، یا کلاً ارائه ندهند، [ ۱] یا به این علت که داده ها در دسترس نیستند ارائه داده نمی شود. بعضی مواقع گم شده بودن داده ها به خاطر خود محقق است، برای مثال، هنگامی که جمع آوری داده ها نامناسب است یا به اشتباه وارد می شوند. [ ۲]
این شکل های بسته به نوع اثری که بر صحت نتیجه گیری های یک تحقیق می گذارند، انواع مختلفی دارند که عبارت اند از: به طور کامل ازدست رفته و به طور تصادفی ازدست رفته. می توان با داده های گم شده همانند داده های سانسورشده رفتار کرد.
فهمیدن دلیل این که چرا داده ها گم شده اند برای مدیریت صحیح سایر داده ها مهم است. اگر داده ها کاملاً به تصادف گم شده باشند، نمونهٔ داده ها احتمالاً هنوز نماینده ای جامعه خواهد بود. اما اگه داده ها به شکل سیستماتیک گم شده باشند. تحلیل ممکن است اریب باشد. برای مثال، در مطالعهٔ ارتباط بین IQ و درآمد، اگر شرکت کنندگان با IQ متوسط به بالا تمایل به پاسخ ندادن به سؤال «درآمد شما چقدر است؟» نداشته باشند، تحلیلی که این مسئله را به عنوان یک الگوی گم شدن به صورت تصادفی ( الگوی MAR ) در نظر نمی گیرد، ممکن است در پیدا کردن همبستگی بین حقوق و IQ شکست بخورد. به خاطر این مشکلات، روش شناسان به طور معمول به محققان توصیه می کنند مطالعات را طراحی کنند تا وقوع داده های گم شده را به حداقل برسانند. مدل های گرافیکی می توانند با جزییات، سازوکار داده های گم شده را توصیف کنند. [ ۳]
wiki: داده های گم شده