Questo video ci mostra cosa sono le informazioni mancanti e perché è necessario gestirle quando si analizzano dei dati.

​

I dati mancanti possono influenzare le proprietà degli stimatori (es. medie, percentuali, percentili, varianze, rapporti, parametri di regressione etc.).

Non solo, possono anche influenzare le inferenze, cioè le proprietà dei test e gli intervalli di confidenza.

​

Obiettivo della presentazione è di addentrarci nell’argomento con un esempio pratico che mostrerà la semplicità e la praticità di utilizzo di Statistics for Data Analysis, soluzione per l’analisi dei dati che include SPSS.

​

In particolare, questi sono i punti discussi:

• Principali tipologie di dati mancanti

• Metodi che possono essere utilizzati per gestirli

• Pro e contro di ciascun metodo