Ocena:
Recenzje podkreślają, że książka Paula Allisona jest cennym źródłem informacji na temat rozumienia i rozwiązywania problemu brakujących danych w badaniach z zakresu nauk społecznych. Jest chwalona za przejrzystość, dostępność i praktyczne wskazówki dotyczące różnych technik, w szczególności wielokrotnej imputacji. Niektórzy czytelnicy wyrażają jednak obawy dotyczące etycznych implikacji manipulacji danymi i prostoty prezentowanych metod w porównaniu z bardziej złożonymi zestawami danych.
Zalety:⬤ Przejrzysty i przystępny styl pisania, sprawiający, że złożone koncepcje są zrozumiałe.
⬤ Praktyczne wskazówki dotyczące obsługi brakujących danych, w tym metod takich jak wielokrotna imputacja.
⬤ Zwięzły i łatwy do przenoszenia, przydatny jako szybkie odniesienie.
⬤ Dobra dla początkujących i niespecjalistów szukających intuicyjnego wprowadzenia.
⬤ Wysokiej jakości, przydatne spostrzeżenia, które mogą poprawić wyniki badań naukowych.
⬤ Niektórzy czytelnicy uznają manipulację danymi za wątpliwą etycznie.
⬤ Pragnienie bardziej dogłębnych dyskusji na temat niektórych zaawansowanych technik i ich zastosowania do nietradycyjnych zestawów danych.
⬤ Przypadki braku treści w fizycznych kopiach zgłaszane przez użytkowników.
(na podstawie 15 opinii czytelników)
Missing Data
Korzystając z licznych przykładów i praktycznych wskazówek, książka ta oferuje nietechniczne wyjaśnienie standardowych metod usuwania brakujących danych (takich jak usuwanie z listy lub usuwanie z przypadku), a także dwóch nowszych (i lepszych) metod, maksymalnego prawdopodobieństwa i wielokrotnej imputacji.
Każdy, kto polegał na metodach ad hoc, które są statystycznie nieefektywne lub stronnicze, znajdzie w tej książce mile widziane i przystępne rozwiązanie swoich problemów z obsługą brakujących danych.
