Z dopolnjenimi podatki do zanesljivejših modelov

V kolikor zanemarite manjkajoče podatke (missing data), tvegate pristranskost in neznačilnost vaših rezultatov. S pomočjo modula IBM SPSS Missing Values lahko dopolnite manjkajoče podatke in pridete do veljavnih zaključkov. IBM SPSS Missing Values je ključno orodje za vse, ki jim je bistvena veljavnost podatkov.

Multipla imputacija vam ponuja popolnoma avtomatično nadomestitev manjkajočih vrednosti in izbere najprimernejšo imputacijsko metodo na osnovi značilnostih vaših podatkov, a vam hkrati dovoljuje, da model imputacije priredite po svoji meri. Manjkajoče vrednosti se nadomestijo z ocenami in tako se vam poveča možnost, da so vaši rezultati statistično značilni. Z nadomeščanjem manjkajočih vrednosti z ocenami zmanjšate odstopanja, saj lahko v analizo vključite vse skupine, tudi tiste pri katerih je bil odziv slabši in ste imeli malo veljavnih vrednosti.

Z IBM SPSS Mising Values lahko hitro diagnosticirate, ali je obseg manjkajočih vrednosti v bazi kritičen ali ne, ter ali vam bo povzročal težave pri analizah. S pomočjo T testa in križnih tabel kategoričnih spremenljivk je mogoče odkriti, ali obstajajo značilne razlike med respondenti in nerespondenti.

S pomočjo različnih modelov vam orodje napravi nabor različnih baz (običajno 3 do 5), vsako z drugačnimi nadomestnimi vrednostmi pri spremenljivkah pri katerih ste se odločili za nadomestitev manjkajočih vrednosti z izračunanimi ocenami. Nato lahko modelirate različne skupine podatkov z uporabo običajnih tehnik, kot je na primer linearna regresija in napravite ocene parametrov za vsako skupino podatkov ter končno oceno parametrov.

Analiza vzorca - Tabela vzorcev v podatkih, na osnovi katere se lažje odločimo, pri katerih spremenljivkah bomo nadomestili manjkajoče vrednosti z ocenami in pri katerih ne.
Statistične analize - Univariatne, listwise in pairwise.
Multiple imputacije - Avtomatična, monotona in FCS (določena s pogoji).
Pooling - Sestavljanje končne rešitve imputiranih podatkov sestavljene iz različnih rešitev imputiranih podatkov.
Analize:

• Deskriptivne: frekvence, deskriptivna analiza, križne tabele, korelacije, neparametrične korelacije, parcialne korelacije.
• Primerjava povprečij: povprečna vrednost, t-test, neparametrični testi, one-way ANOVA, univariatna ANOVA.
• Modeli: splošni linearni modeli (GLM), linearna regresija, multinominalna logistična regresija, binarna logistična regresija, ordinalna regresija, linearni mešani modeli.
• Coxova regresija