Mechanisms for Dealing with Missing

Mechanisms for Dealing with Missing Data
By knowing what caused the data to be missing, the researcher can select the appropriate missingdata technique and thus avoid introducing bias in subsequent analysis. There are three basic types of missing data: • Data missing completely at random (MCAR)—the probability that a particular variable is missing is NOT dependent on the variable itself and is NOT dependent on another variable in the data set (e.g., a participant inadvertently skips a question). • Data missing at random (MAR)—the probability that a particular variable is missing is NOT dependent on the variable itself but is dependent on another variable in the data set (e.g., the answer to the first question of a branched-question set might cause missing data to the second question within the branched-question set). • Data missing but not missing at random (NMAR)—when missing data are not predictable from other variables in the data set.

Three techniques are used to salvage data sets with missing data:
• Listwise deletion —cases with missing data on one variable are deleted from the sample for all analyses of that variable. • Pairwise deletion —missing data are estimated using all cases that have data for each variable or pair of variables; the estimation replaces the missing data. • Predictive replacement —missing data are predicted from observed values on another variable; the observed value is used to replace the missing data.

Hasil (Bahasa Indonesia) 1:

Mekanisme untuk menangani Data yang hilang Dengan mengetahui apa yang menyebabkan data yang hilang, peneliti dapat memilih teknik sesuai missingdata dan dengan demikian menghindari memperkenalkan bias dalam analisis selanjutnya. Ada tiga jenis dasar data yang hilang: • Data hilang sepenuhnya di acak (MCAR) — probabilitas bahwa variabel tertentu hilang adalah TIDAK bergantung pada variabel itu sendiri dan TIDAK bergantung pada variabel lain di data set (misalnya, peserta secara tidak sengaja melompat pertanyaan). • Data hilang secara acak (MAR) — probabilitas bahwa variabel tertentu hilang adalah TIDAK bergantung pada variabel itu sendiri tetapi bergantung pada variabel lain di data set (misalnya, jawaban atas pertanyaan pertama dari serangkaian pertanyaan bercabang mungkin menyebabkan hilang data pertanyaan kedua dalam set pertanyaan bercabang). • Data hilang tetapi tidak hilang secara acak (NMAR)-ketika data yang hilang tidak dapat diprediksi dari variabel-variabel lainnya di data set. Tiga teknik yang digunakan untuk menyelamatkan data set dengan data yang hilang: • Penghapusan listwise — kasus dengan data pada satu variabel tidak dihapus dari sampel untuk analisis semua variabel. • Penghapusan pairwise — data hilang diperkirakan menggunakan semua kasus yang memiliki data untuk setiap variabel atau sepasang variabel; Estimasi menggantikan data hilang. • Prediktif penggantian — data hilang diperkirakan dari nilai-nilai yang diamati pada variabel lain; nilai diamati digunakan untuk mengganti data hilang.

Hasil (Bahasa Indonesia) 2:

Mekanisme untuk Menghadapi Hilang data
Dengan mengetahui apa yang menyebabkan data yang akan hilang, peneliti dapat memilih teknik missingdata yang tepat dan dengan demikian menghindari memperkenalkan bias dalam analisis selanjutnya. Ada tiga jenis dasar data yang hilang: • Data yang hilang secara acak (MCAR) -yang probabilitas bahwa variabel tertentu yang hilang adalah TIDAK tergantung pada variabel itu sendiri dan tidak tergantung pada variabel lain dalam kumpulan data (misalnya, peserta sengaja melompat pertanyaan). • Data yang hilang secara acak (MAR) -yang probabilitas bahwa variabel tertentu yang hilang adalah TIDAK tergantung pada variabel itu sendiri, tetapi tergantung pada variabel lain dalam kumpulan data (misalnya, jawaban pertanyaan pertama dari serangkaian bercabang-pertanyaan mungkin menyebabkan data yang hilang untuk pertanyaan kedua dalam bercabang-pertanyaan set). • Data yang hilang tapi tidak hilang secara acak (NMAR) -ketika data yang hilang tidak dapat diprediksi dari variabel lain dalam kumpulan data.

Tiga teknik yang digunakan untuk menyelamatkan data set dengan data yang hilang:
• listwise penghapusan -cases dengan data yang hilang pada satu variabel yang dihapus dari sampel untuk semua analisis dari variabel itu. • Berpasangan penghapusan data -missing diperkirakan menggunakan semua kasus yang memiliki data untuk setiap variabel atau sepasang variabel; estimasi menggantikan data yang hilang. Data • pengganti prediktif -missing diperkirakan dari nilai-nilai yang diamati pada variabel lain; nilai yang diamati digunakan untuk mengganti data yang hilang.