Tabla de contenido
¿Cómo afectan los datos faltantes al análisis de datos?
Los datos faltantes aleatorios pueden perturbar el análisis de datos dado que disminuyen el tamaño de las muestras y en consecuencia la potencia de las pruebas de contraste de hipótesis. Los datos faltantes no aleatorios ocasionan, además, disminución de la representatividad de la muestra.
¿Cuáles son los datos que faltan en la variable 2?
En la variable 2 faltan los datos de los casos uno, cinco, siete y nueve. En la variable 3 faltan los datos de los casos tres, siete y nueve. Estadísticos descriptivos (Medias) obtenidos excluyendo los casos incompletos (selección por lista): La muestra original ha quedado reducida a cuatro casos.
¿Cuál es el conjunto de datos incompleto?
El siguiente conjunto de datos consta de tres variables y diez casos. El conjunto es incompleto porque en la variable 1 faltan los datos de los casos cinco y ocho. En la variable 2 faltan los datos de los casos uno, cinco, siete y nueve. En la variable 3 faltan los datos de los casos tres, siete y nueve.
¿Cuál es la importancia de los datos faltantes?
Un segundo punto importante es la cantidad: si son pocos los datos faltantes, es probable que su efecto sea menor pero si son muchos su ausencia va comprometiendo progresivamente la validez de las conclusiones.
¿Qué son los datos faltantes no aleatorios?
Los datos faltantes no aleatorios ocasionan, además, disminución de la representatividad de la muestra. Este procedimiento consiste en incluir en el análisis los casos que presentan observaciones completas en todas las variables.
¿Qué es el procedimiento de análisis de datos?
Este procedimiento consiste en incluir en el análisis los casos que presentan observaciones completas en todas las variables. Este método solo debe utilizarse cuando el proceso de recogida de datos es aleatorio, porque en otro caso introduce sesgo.