Le module IBM SPSS Missing Values vous aide à gérer les valeurs manquantes dans votre analyse des données et à tirer des conclusions plus valides.
Ce module est inclus dans les packs SPSS professionnel et premium. Vous pouvez également l’acheter pour l’ajouter aux packs de base et standard. Ce module est inclus dans l’édition professionnelle SPSS pour le déploiement sur site et dans le module complémentaire IBM SPSS Complex Sampling and Testing pour les plans d’abonnement.
Prenez rendez-vous pour discuter de la manière dont SPSS Missing Values peut répondre aux besoins de votre entreprise.
La procédure d’imputation multiple vous aide à comprendre les modèles de données manquantes dans votre jeu de données et vous permet de remplacer les valeurs manquantes par des estimations plausibles. Elle offre un mode d’imputation entièrement automatique qui choisit la méthode d’imputation la plus appropriée en fonction des caractéristiques de vos données, tout en vous permettant de personnaliser votre modèle d’imputation.
Vous pouvez générer des valeurs possibles pour les valeurs manquantes afin de créer plusieurs jeux de données « complets ». Les procédures analytiques qui fonctionnent avec des jeux de données d’imputations multiples produisent un résultat pour chaque jeu de données « complet », plus des résultats regroupés en pool qui estime les résultats si le jeu de données d’origine ne comportait aucune valeur manquante. Ces résultats regroupés en pool sont généralement plus précis que ceux fournis par des méthodes d’imputation unique.
Vous pouvez rapidement diagnostiquer un grave problème de données manquantes à l’aide du récapitulatif global du rapport sur les valeurs manquantes. Le rapport sur le modèle des valeurs manquantes fournit une vue d’ensemble de vos données au cas par cas. Il affiche un échantillonnage de chaque type de valeur manquante et de toute valeur extrême pour chaque cas. Le récapitulatif global du rapport sur les valeurs manquantes peut afficher des graphiques circulaires montrant différents aspects des valeurs manquantes dans les données.
Le récapitulatif des variables est affiché pour les variables ayant au moins 10 % de valeurs manquantes et présente le nombre et le pourcentage des valeurs manquantes pour chaque variable dans une table. Il affiche la moyenne et l’écart type des valeurs valides des variables d’échelle, ainsi que le nombre de valeurs valides pour toutes les variables. Un diagramme de modèles affiche des modèles de valeurs manquantes pour les variables d’analyse. Chaque modèle correspond à un groupe de cas avec le même modèle de données incomplètes et complètes.