Sviluppare modelli migliori per il calcolo dei dati mancanti

 

Statistics Missing Values viene utilizzato per ricerche di survey, scienze sociali, data mining e ricerche di mercato per convalidare i dati. Questo modulo consente di esaminare i dati per identificare quelli mancanti, stimare le statistiche di riepilogo e imputare i valori mancanti utilizzando gli algoritmi statistici.

Con Statistics Missing Values, è possibile imputare i dati mancanti, arrivare a conclusioni migliori ed eliminare le influenze nascoste.

 

• Diagnosticare rapidamente i problemi di imputazione dei dati mancanti utilizzando i report di diagnostica.

• Sostituire i valori dei dati mancanti con delle stime utilizzando un modello di imputazione multiplo.

• Visualizzare e analizzare i modelli per ottenere informazioni dettagliate e migliorare la gestione dei dati.

 

 

Diagnosticare rapidamente i problemi di imputazione dei dati mancanti

 

• Esaminare i dati da punti di vista differenti utilizzando sei report di diagnostica.

• Diagnosticare i dati mancanti utilizzando il report dei modelli dei dati che offre una panoramica specifica dei dati.

• Determinare la portata dei dati mancati e dei valori estremi per ogni singolo caso.

 

Sostituire i valori dei dati mancanti con delle stime

 

• Comprendere i modelli mancanti del dataset e sostituire i valori mancanti con stime plausibili.

• Beneficiare di un modello di imputazione automatico che seleziona il metodo migliore in base alle caratteristiche dei dati oppure personalizzare il modello di imputazione.

• Modellare i singoli dataset creati, utilizzando tecniche quali la regressione lineare o gli algoritmi di massimizzazione delle aspettative per produrre stime specifiche dei parametri.

• Ottenere le stime dei parametri finali, raggruppando le stime e le statistiche inferenziali di computazione che considerano le variazioni nelle e tra le imputazioni.

 

Visualizzare e analizzare i modelli

 

• Visualizzare i dati mancanti dei casi e tutte le variabili utilizzando la tabella dei modelli dei dati.

• Determinare le differenze tra gruppi mancanti e non mancanti per una variabile associata con la tabella t-test separata.

• Valutare la percentuale di associazione dei dati mancanti per una variabile ai dati mancanti di un'altra variabile, utilizzando la corrispondenza errata della percentuale della tabella dei modelli.