[Skip Global Navigation]

Bienvenue sur le site de SPSS Maghreb
SPSS Valeurs Manquantes

Créer des données de grande valeur et établir de meilleures modèles quand vous estimez les valeurs manquantes


Affinez votre prise de décisions grâce à la détection de vos valeurs manquantes. Les données manquantes peuvent sérieusement affecter vos résultats. Si vous ne prenez pas en compte les données manquante ou si vous estimez que l'exclusion des données manquantes dans vos calculs est suffisante, vous risquez d'obtenir des résultats invalides. SPSS Statistcics Analyse des valeurs manquantes est l'outil idéal pour les personnes qui attachent de l'importance à la validité de leurs données tels que les chercheurs, sociologues, Data Miners et chargés d'études.

Analyse des valeurs manquantes

La procédure de la valeur manquante exécute trois fonctions principales :

  • Elle décrit les caractéristiques des données manquantes : où se trouve les valeurs manquantes, l'importance de leur nombre, et si, pour différentes observations, des paires de variables ont tendance à avoir des valeurs manquantes, si les valeurs des données sont extrêmes et si les valeurs manquent de façon aléatoire.
  • Elle estime la moyenne, l'écart type, les covariances et les corrélations en utilisant une méthode concernant toutes observations incomplètes, seulement les composantes non valides, de régression ou de type EM (prévision-maximisation). La méthode concernant seulement les composantes non valides affiche également l'effectif des observations complètes par paires.
  • Elle attribue (impute) aux valeurs manquantes les prévisions à l'aide des méthodes de régression ou EM.
  • L'analyse des valeurs manquantes vous aide à aborder de nombreux problèmes causés par des données incomplètes. Les observations avec valeurs manquantes qui sont systématiquement différentes des observations sans valeur manquante peuvent biaiser les résultats. De même, les données manquantes peuvent réduire la précision des statistiques calculées car l'information disponible est inférieure à celle initialement prévue. Un autre problème est que les hypothèses effectuées en aval de nombreuses procédures statistiques sont basées sur des observations complètes et que les valeurs manquantes peuvent compliquer la théorie requise.

Exemple:

Lors de l'évaluation d'un traitement contre la leucémie, plusieurs variables sont mesurées. Cependant, toutes les mesures différentes ne sont pas disponibles pour chaque patient. Le patron des données manquantes est affiché, mis en tableau et s'avère être aléatoire. Une analyse EM est utilisée afin d'estimer les moyennes, les corrélations et les covariances. Les valeurs manquantes sont remplacées par des valeurs imputées et enregistrées dans un nouveau fichier de données afin d'être utilisées pour des analyses supplémentaires.

Téléchargement brochure SPSS Valeurs Manquantes