مدیریت داده های گمشده در نرم افزار SPSS

داده‌های گمشده در نرم افزار spss، غالباً یک مسئله در مطالعات علوم اجتماعی و انسانی به شمار می روند. زیرا در بسیاری از پروژه‌ها داده‌ها از طریق پژوهش های میدانی گردآوری می شوند.

علت ایجاد مقادیر گمشده در پژوهش

این مشکل زمانی رخ می‌دهد که یک پاسخگو عمدی یا غیرعمدی به یک یا چند سؤال پاسخ ندهد. وقتی تعداد داده‌های گمشده(Missing data) در یک پرسشنامه از 15 درصد فراتر رود، مشاهده معمولاً از داده‌ها حذف می‌شود. البته یک مشاهده ممکن است از داده‌ها حذف گردد حتی اگر تمام داده‌های گمشده در پرسشنامه از 15 درصد بیشتر نشود.

مثالی در ارتباط با مقادیر گمشده در نرم افزار SPSS

برای مثال اگر بخش زیادی برای یک سازه، از دست رفته باشند، احتمال دارد تمام مشاهده حذف گردد. وجود تعداد زیادی داده گمشده(Missing data) برای یک متغیر احتمالاً به این دلیل رخ می دهد که متغیر موضوع حساسی مثل نژادپرستی، تمایلات جنسی و یا حتی عملکرد شرکت را ارزیابی می کند.

محاسبه داده های گم شده در spss

در نرم افزار SPSS به راحتی می توانیم داده های گمشده (Missing data) را به راحتی محاسبه کرد. به راحتی می توانیم از منوی تجزیه و تحلیل(Analyze) در نرم افزار SPSS مقدار فراوانی مقادیر گمشده (Missing data) را محاسبه کنیم. تخمین داده های گمشده (Missing data) با استفاده از ابزار Replace Missing Values  از منوی Transform امکان پذیر است.

روش های برخورد با مقادیر گمشده در نرم افزار SPSS

نرم‌افزار SPSS از 5 روش برای برخورد با مقادیر گمشده (Missing data) استفاده می کند. این روش ها عبارتند از:

الف) Series Mean؛

ب) Mean Of Nearby Points؛

ج) Median Of Nearby Points؛

د) Linear Interpolation؛

ی) Linear Trend At Point.

در جانهی مقادیر میانگین، مقادیر گمشده(Missing data) یک گویه با میانگین مقادیر معتبر آن گویه جایگزین می‌شوند. این روش درحالی‌که روش آسانی است، تغییرپذیری درداده‌ها را تقلیل داده و به‌ احتمال‌زیاد یافتن روابط معنادار را کاهش می دهد. از این روش زمانی باید استفاده کرد که داده‌ها دارای سطح پایینی از گمشدگی هستند. به‌عنوان‌مثال یک قاعده سرانگشتی، استفاده از روش جانهی میانگین وقتی‌که گمشدگی داده‌ها کمتر از 5 درصد برای هر معرف باشد، پیشنهاد می‌شود. اگر شما از مجموعه داده‌ای که یک پاسخگو به سؤال خاصی جواب نداده، استفاده می‌کنید، باید عددی را برای نشان دادن مقادیر گمشده(Missing data) وارد کنید. محققان معمولاً از 99- برای نشان دادن مقادیر گمشده(Missing data) استفاده می‌کنند.

الگو های شک‌ برانگیز در پژوهش های میدانی با استفاده از نرم افزار spss

قبل از تجزیه و تحلیل داده، محققان باید الگوهای داده‌ها را بررسی کنند. برای این منظور، آن‌ها باید الگوهایی که اغلب با خط‌کشی مستقیم توصیف می‌شوند، را جستجو کنند. این مشکل زمانی رخ می دهد که پاسخگو برای بخش زیادی از سؤالات پاسخ‌های مشابهی را علامت بزند. برای مثال، اگر از مقیاس هفت نقطه‌ای برای به دست آوردن پاسخ‌ها استفاده‌شده است و الگوی پاسخ‌ها همگی 4 (پاسخ وسطی) است، بنابراین آن پاسخگو در بیشتر موارد باید از مجموعه داده‌ها حذف شود. به‌صورت مشابه، اگر پاسخگو فقط گزینه یک یا هفت را انتخاب کند، آن پاسخگو در بیشتر موارد باید حذف شود. تناقض در پاسخ‌ها نیز گاهی لازم است قبل از تحلیل داده‌ها پیگیری شود. پیمایش‌های زیادی با یک یا چند سؤال غربال‌گری شروع می‌شوند. هدف این سؤالات اطمینان از این مورد است که تنها افرادی که معیارهای تعیین‌شده را دارند، پیمایش را تکمیل کنند.