Metoda regresji w szacowaniu braków danych

• Autorzy: Sylwester Białowąs

Warianty tytułu

Regression Method in the Assessment of the Lock of Data

• Języki publikacji: PL

Abstrakty

Zajmując się badaniami marketingowymi, nie sposób ominąć tematu brakujących danych. Każdy z badaczy zdaje sobie sprawę, że niewielki odsetek brakujących danych może w określonych warunkach prowadzić do poważnych problemów z przetworzeniem danych, a co gorsza, do błędnych wniosków. Szczególnie gdy braki danych nie są rozłożone losowo, a zależą od innej zmiennej lub zespołu zmiennych. Nie sposób jednak przed analizą danych ocenić, czy występujące w pliku braki danych obciążą wyniki (rozkład braków danych nie jest losowy), czy też nie (rozkład braków danych jest losowy). Wprawdzie problem braków danych poruszany jest w literaturze w niemal każdym opracowaniu dotyczącym analizy danych, powstało także wiele opracowań na temat postępowania z brakami danych. Nie istnieją jednak sposoby idealne, które wyeliminowałyby ten problem. (fragment tekstu)

EN

The text describes a problem of missing values in the data sets used for statistical analysis. Consequences of working with data sets with missing values as well as some of the most popular methods of data imputation are presented together with an example comparing two simplest methods of imputation of missing values - the average vs. The linear regression. In line with the theory, better results were achieved using the linear regression for data imputation. (original abstract)

Słowa kluczowe

PL

Modele regresji; Luka informacyjna

EN

Regression models; Information gap

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2006
• Numer: nr 1107 Badania marketingowe w przestrzeni europejskiej
• Strony: 562--567

Twórcy

autor

Sylwester Białowąs

• Akademia Ekonomiczna w Poznaniu

Bibliografia

• Cochran W.G., Cox G.M., Experimantal Designs, J. Wiley, New York 1957.
• Missing Data: The Hidden Problem, SPSS White Paper, SPSS Illinois.
• Rubin D.B., Little R.J.A., Statistical Analysis with Missing Data, Wiley Series in Probability and Mathematical Statistics, John Wiley & Sons, New York 1987.
• Sheskin D.J., The Handbook of Parametric and Nonparametric Statistical Procedures, Chapman&Hall CRC.