Обоснованные методы работы с пропущенными данными для исследователей

Влияние пропущенных данных на количественные исследования может быть существенным: оно приводит к смещённым оценкам параметров, потере информации, снижению статистической мощности, увеличению стандартных ошибок и уменьшению обобщаемости результатов. В статье рассмотрены и продемонстрированы на реальном наборе данных три обоснованных метода работы с пропусками: множественная импутация, полноинформационный метод максимального правдоподобия и алгоритм ожидание–максимизация. Полученные результаты сопоставлены с результатами анализа полного набора данных и методом удаления наблюдений с пропусками. Отмечены относительные преимущества каждого метода и их общие характеристики. В заключение подчёркивается важность статистических предпосылок и сформулированы рекомендации для исследователей. Качество исследований повысится, если исследователи будут: (а) явно указывать на наличие проблем с пропущенными данными и описывать условия их возникновения; (б) применять обоснованные методы обработки пропусков; (в) учитывать корректную обработку пропущенных данных при разработке критериев рецензирования рукописей, представленных для публикации.