Eksik veri varsa satırı silmeli miyim?
Eksik veriyi sıfırdan ayırın; MCAR, MAR ve MNAR varsayımlarını, satır silme ve çoklu atama seçeneklerini kurgusal örnekle değerlendirin.
AcademicFix Editoryal Ekibi · Kaynak kontrolü:
Kurgusal, 0–10 puanlı örnek. Sıfır gözlenmiş bir sonuçtur. Eksik hücrede ise sonuç bilinmiyor.
Örnek üzerinden karar verinBoş hücreyi gördüğünüz anda satırı silmeyin veya yerine sıfır yazmayın. Önce o hücrenin anlamını, hangi ölçümlerin eksildiğini ve çalışmanın cevaplayacağı soruyu belirleyin. Eksik veri için her araştırmaya uyan tek bir yöntem yoktur. National Research Council, bölüm 4
“100 öğrenciden 20’sinin son puanı yok” örneği üzerinden nicel veriyle çalışanlar için karar ve raporlama adımlarını ele alıyoruz.
Bu rehberde
Önce kodları ayırın
Kod kitabında değişkenin geçerli aralığını ve eksik değer kodlarını bulun. Bir programın “eksik” olarak tanıdığı özel değer, başka bir programa aktarılırken normal sayı olarak okunabilir. UK Data Service’in örneğinde, eksiklik bildiren −9 ve −8 kodlarının analiz öncesinde açıkça dönüştürülmesi gerekir. Bunlar evrensel kodlar değildir. UK Data Service, s. 1–3
Aşağıdaki altı kayıt tamamen kurgusaldır. Puan, 0–10 arasındaki doğru yanıt sayısıdır. Tire, bu gösterimde kaydedilmemiş puanı ifade eder; gerçek analiz dosyasında kullanılan eksik değer biçimi ayrıca tanımlanmalıdır.
| Kayıt | Başlangıç | Son puan | Son ölçümün durumu |
|---|---|---|---|
| 01 | 4 | 6 | Ölçüldü |
| 02 | 6 | — | Son oturuma katılmadı; nedeni bilinmiyor |
| 03 | 2 | 0 | Ölçüldü; doğru yanıt yok |
| 04 | 5 | 8 | Ölçüldü |
| 05 | 7 | — | Kayıt dosyası bulunamadı; neden doğrulanmadı |
| 06 | 3 | 4 | Ölçüldü |
03 numaralı kişinin sıfırını silmek bir gözlemi kaybettirir. 02 ve 05’in boşluğunu sıfır yapmak ise ölçülmemiş bir sonucu “hiç doğru yanıt yok” diye kayda geçirir. Bu örnekte gözlenen dört son puanın toplamı 18, ortalaması 4,5’tir. İki eksik puanı sıfır sayarsanız hesap 3 olur; veri gelmeden sonucu değiştirmiş olursunuz.
Ham dosyayı koruyun; dönüşümü ve eksiklik nedenini ayrıca kaydedin. Bilmediğiniz nedeni tahminle doldurmayın.
MCAR, MAR ve MNAR neyi anlatır?
| Varsayım | Anlamı | Bu öğrenci örneğinde sorulacak soru |
|---|---|---|
| MCAR | Eksik olma olasılığı, ilgili gözlenen ve gözlenmeyen veri değerlerine bağlı değildir. | Son puanın kaybolması, öğrencinin özelliklerinden ve puanından bağımsız mı? |
| MAR | Gözlenen değişkenlere koşullandıktan sonra eksiklik, gözlenmeyen değerlere bağlı değildir. | Kaydedilmiş başlangıç puanı ve ilgili bilgiler dikkate alınınca, eksiklik hâlâ kaydedilmemiş son puanla ilişkili mi? |
| MNAR | Gözlenen değişkenlere koşullandıktan sonra da eksiklik, gözlenmeyen değerlere bağlıdır. | Benzer gözlenen özelliklere sahip öğrenciler arasında, düşük son puanlı olanların sonucu daha sık mı eksik? |
Bu sınıflama, dosyaya bakıp konulan kesin bir teşhis değildir. Özellikle MAR, yalnız gözlenen veriden doğrulanamaz. National Research Council, bölüm 4, s. 50–54
“Dosya bulunamadı” notuyla yetinmeyin: hangi sınıf, cihaz veya tarihte kayboldu? Bilinmiyorsa belirsizliği kaydedin.
Kararı hazırlamak için dört çıktı
- Değişken özeti: Her değişken için geçerli ve eksik kayıt sayısı; kullanılan payda. Tüm hücrelerin tek yüzdesi, son puandaki kaybı gizleyebilir.
- Örüntü tablosu: Eksiklik hangi grup, ölçüm zamanı veya veri toplama oturumunda görülüyor? Tamamen kayıp kişilerle yalnız bir sorusu boş olanları ayırın.
- Süreç notu: Bilinen neden, bilgi kaynağı ve doğrulanamayan açıklamalar. Katılımcının beyanıyla araştırmacının yorumunu aynı alana yazmayın.
- Analiz kararı: Hedeflenen sonuç, seçilen yöntem, dayandığı varsayım ve alternatif değerlendirme. Örneğin “son puan ortalaması” ile “başlangıçtan sona değişim” aynı analiz girdisini gerektirmez.
Bu karar dosyası AcademicFix’in uygulama önerisidir.
Satır silme ile çoklu atama arasında seçim
Tam gözlem analizi, ilgili değişkenleri eksiksiz kayıtları kullanır. Geçerliliği hedefe, modele ve eksiklik sürecine bağlıdır; otomatik olarak doğru veya yanlış değildir. National Research Council, bölüm 4, s. 55–56
Çoklu atamada birkaç olası tamamlanmış veri kümesi oluşturulur; analizler ayrı yürütülür ve sonuçlar birleştirilir. Örneğin mice, değişken türüne göre farklı atama modelleri, yordayıcı seçimi ve tanı grafikleri sunar. Bu seçeneklerin bulunması, varsayımların otomatik sağlandığı anlamına gelmez. mice resmi belgeleri
Yöntem kullanılıyorsa, hangi değişkenlerin modele alındığını, atama yöntemlerini, atama ve yineleme sayılarını, tanı kontrollerini ve birleştirme adımını kaydedin. Yazılımın varsayılan atama sayısını her çalışma için yeterli kabul etmeyin. Tek bir tamamlanmış tabloyu “gerçek veri” diye raporlamayın.
NRC kaynağı klinik araştırmalar bağlamındadır; burada genel istatistik ilkelerinden yararlanılmıştır. Öğrenci örneği klinik düzenleme önerisi değildir.
Duyarlılık: Eksiklerin değeri değişse sonuç ne olur?
Altı kişilik kurgusal tabloya dönelim. İki eksik son puanın ortalamasına x dersek, altı kişinin son puan ortalaması (18 + 2x) / 6 olur. Ölçekte x yalnız 0–10 arasında olabilir; bu yüzden tam grubun ortalaması salt bu bilgilerle 3 ile 38/6 (yaklaşık 6,33) arasında kalır.
Bu aralık güven aralığı değildir; çoklu atama sonucu veya önerilen bir tahmin de değildir. Yalnızca, gözlenmeyen iki değere ilişkin bilginin neden önemli olduğunu gösteren matematiksel sınırdır. Gerçek analizde makul alternatif varsayımlar veri toplama bağlamına göre kurulmalıdır. Duyarlılık analizinin amacı, bu varsayımlar değiştiğinde çıkarımın ne kadar değiştiğini incelemektir. National Research Council, bölüm 5
Yöntem bölümüne hangi bilgileri yazmalı?
Kurgusal başlangıç cümlesi: “Son ölçüm, başlangıç kaydı bulunan 100 öğrencinin 20’sinde eksikti (%20). Eksiklik sayıları grup ve ölçüm zamanına göre sunuldu. Bilinen nedenler ayrıca kaydedildi.”
Ardından gerçek yöntemi, varsayım gerekçesini, kullanılan kayıt sayısını ve duyarlılık değerlendirmesini ekleyin. Yapılmamış analizleri yapılmış gibi yazmayın.
Çalışmanıza dönmeden önce
- Geçerli sıfır ile eksik kodu ayrıldı mı?
- Her eksik oranının paydası belli mi?
- Aynı analizde kaç kişinin kullanıldığı kaydedildi mi?
- Gözlem, açıklama ve varsayım birbirinden ayrıldı mı?
- Yöntem ve alternatif varsayımlar gerekçelendirildi mi?
- Ham veri ve dönüşüm kaydı korunuyor mu?
Sık sorulan sorular
Eksik oranı %5’in altındaysa doğrudan silebilir miyim?
Bu rehber bir “güvenli yüzde” kuralı kullanmaz. Aynı oran farklı değişkenlerde ve farklı araştırma sorularında farklı sonuçlar doğurabilir; karar dosyasını oranla birlikte değerlendirin.
Bir test sonucuyla verinin MAR olduğunu kanıtlayabilir miyim?
Hayır. Gözlenen veriye uyum, gözlenmeyen değerler hakkındaki MAR varsayımını doğrulamaz. Gerekçeyi veri toplama süreciyle birlikte açıklayın. National Research Council, bölüm 5
Boşlukları ortalamayla doldurmak yeterli mi?
Otomatik çözüm değildir. Tek değerle doldurma dağılımın değişkenliğini etkileyebilir; UK Data Service örneğinde ortalama aynı kalırken standart sapma değişir. Çoklu atama da uygun model ve kontroller gerektirir. UK Data Service, s. 7–8
Kaynaklar ve kapsam
Yöntem açıklamalarının dayanakları metindeki ilgili bölümlere bağlanmıştır. Örnek tablolar öğretim amacıyla hazırlanmıştır; gerçek araştırma bulgusu değildir.
- National Research Council: Incomplete data, bölüm 4
- National Research Council: Sensitivity analyses, bölüm 5
- UK Data Service: Missing data (2019)
- mice: Çoklu atama, model seçimi ve tanılar
Konuyu kısaca ele aldığımız Instagram paylaşımı.
Buradan devam edin
- Analiz seçimini araştırma sorusuyla eşleştirin
- Birden fazla sonuç için çoklu test kararları
- Verdiğiniz tabloyu biçimlendiren APA 7 aracı