> Pairwise: calcule frequência, média, variância, matriz de covariância e matriz de correlação

> Algoritmo de estimação-maximização (EM)

> Estime as médias, matriz de covariância e matriz de correlação de variáveis quantitativas com valores ausentes, assumindo distribuição normal, distribuição t com graus de liberdade ou distribuição mista-normal com qualquer mescla de proporção e qualquer razão do desvio padrão

> Impute dados ausentes e salve os dados completos como um arquivo

> Algoritmo Regressão

> Estime médias, matriz de covariância e matriz de correlação das variáveis configuradas como dependentes, configure o numero de variáveis preditoras, configure elementos aleatórios como normal, t, residuais ou nenhum

O IBM SPSS Missing Values também tem funcionalidades que permitem analisar padrões e gerenciar os dados, incluindo a capacidade de:

> Exibir dados ausentes e casos extremos para todos os casos e todas as variáveis usando a tabela de padrão de dados
> Determinar diferenças entre grupos ausentes e não ausentes para uma variável relacionada com a tabela de teste t separado

Estimar o quanto os dados ausentes de uma variável se relacionam com dados ausentes de outra variável usando a tabela de padrões de porcentagens desiguais.

A tabela acima define dois grupos de casos: aqueles com informações sobre renda (income) e aqueles com dados ausentes na variável renda (income). Através da tabela testamos se esses dois grupos são diferentes entre si em uma série de variáveis. Essa tabela mostra que pessoas com dados ausentes na renda (income) estão mais propensos a ter uma ocupação não-profissional, mais chances de serem do sexo feminino, mais propensas a serem casadas e ter uma família maior do que as pessoas que forneceram informações sobre a renda familiar.

Descubra Padrões em Dados Ausentes

Com o IBM SPSS Missing Values, você pode facilmente explorar os dados de diversos ângulos, utilizando um dos seis relatórios de diagnóstico para descobrir padrões em dados ausentes. Você pode então estimar estatísticas de resumo e imputar valores ausentes através de regressão ou algoritmos EM.

O IBM SPSS Missing Values te ajuda a:

> Diagnosticar se você tem um problema sério de dados ausentes
> Substituir valores ausentes por estimativas - por exemplo, imputando seus dados ausentes com regressão ou algoritmos EM

Faça o diagnóstico de Dados Ausentes Rápida e Facilmente

Rapidamente faça o diagnóstico de problemas sérios de dados ausentes usando um relatório padrão de dados que oferece uma visão geral dos seus dados, caso a caso. Esse relatório ajuda a determinar a extensão dos dados ausentes, exibindo uma prévia de cada tipo de valor ausente e qualquer valor extremo para cada caso.

Obtenha conclusões mais válidas

Substitua valores ausentes por estimativas e melhore as chances de receber resultados estatisticamente significantes. Remova os erros ocultos dos seus dados substituindo valores ausentes por estimativas para incluir todos os grupos em sua análise - mesmo aqueles com baixas respostas.

Utilize imputação múltipla para substituir valores de dados ausentes

O procedimento de múltipla imputação do IBM SPSS Missing Values ajudará a entender padrões de “ausência” no seu conjunto de dados e permite substituir valores ausentes por estimativas plausíveis. Ele oferece um modo de imputação totalmente automatizada que escolhe os métodos mais adequados baseando-se nas características dos seus dados, enquanto também permite customizar seu modelo de imputação.

Vários conjuntos de dados são gerados (geralmente três de cinco), cada um com um conjunto diferente de valores de reposição. Em seguida, você pode modelar os conjuntos de dados individuais, usando técnicas como regressão linear, para produzir estimativas de parâmetros para cada conjunto de dados. Depois você pode obter estimativas de parâmetros finais. Isso envolve juntar as estimativas de parâmetros individuais obtidas no segundo passo e calcular estatísticas inferenciais que levam em conta a variação dentro e entre as imputações.

A análise de conjuntos de dados individuais e o agrupamento dos resultados são suportados por procedimentos já existentes no IBM SPSS Statistics como Regressão. Quando estiver operando em conjuntos de dados com valores imputados, os procedimentos existentes automaticamente produzirão estimativas de parâmetros agrupadas.

Preencha os espaços em branco para um melhor gerenciamento de dados

O IBM SPSS Missing Values tem as estatísticas que você precisa para preencher dados ausentes:

> Univariada: calcule frequências, médias, desvio padrão e erro padrão da média para todos os casos excluindo aqueles que contêm valores ausentes, frequências e percentuais de valores ausentes e valores extremos para todas as variáveis.

> Listwise: calcule médias, matriz de covariância e matriz de correlação para todas as variáveis quantitativas para todos os casos excluindo valores ausentes