In ambito statistico i valori mancanti non sono tutti uguali. Con Statistics for Data Analysis powered by IBM SPSS abbiamo capito in questo webinar del 3/12/2025 come distinguere ciò che si può ignorare da ciò che cambierà le conclusioni della tua analisi.​

​

Un webinar pratico per smettere di trattare i missing value come un fastidio tecnico e iniziare a vederli per quello che sono: informazione nascosta sui tuoi fenomeni.

​

A partire da un caso applicativo molto semplice, abbiamo mostrato come fare un’analisi sui dati disponibili attraverso specifici algoritmi testati dalla comunità scientifica per dedurre il valore mancante.

​

🔴 Le ragioni per cui alcuni valori mancano possono essere ignorabili o non ignorabili: insieme visto come riconoscere la differenza e cosa fare in ciascun caso.

​

🔴 Se il meccanismo che genera i valori mancanti è ignorabile rispetto al fenomeno che stai studiando, la loro presenza è neutra per le tue conclusioni (abbiamo esaminato test, logiche e criteri pratici per verificarlo).

​

🔴 Se non è ignorabile, i missing values non sono neutrali, ma parte integrante del fenomeno che vuoi capire, e devono entrare nella parametrizzazione del tuo modello.

Abbiamo condiviso esempi concreti e strategie di gestione avanzate.​​​

​

Continua a esplorare le funzionalità di Statistics for Data Analysis e segui i nostri webinar.

​