การดำเนินการกับข้อมูลขาดหาย
Article Sidebar
Main Article Content
บทคัดย่อ
Dealing with Missing Data
In almost all research, there is the potential for missing data. Missing data can occur for various reasons. Problems associated with missing values are loss of efficiency, complications in handling and analyzing the data, and bias resulting from differences between missing data and complete data. A variety of methods have been developed to attempt to compensate for missing data. The author suggests that listwise deletion, pairwise deletion and mean/mode substitution are poor methods for handling missing data, whereas full information maximumlikelihood, expectation-maximization algorithm, and multiple imputations are recommended alternatives to this approach.
Article Details
ทุกบทความที่ตีพิมพ์ในวารสารมนุษยศาสตร์และสังคมศาสตร์ร่มพฤกษ์เป็นทัศนะและข้อคิดเห็นของผู้เขียนมิใช่ทัศนะของมหาวิทยาลัยเกริกหรือกองบรรณาธิการ การนำบทความส่วนใดส่วนหนึ่งหรือทั้งหมดไปพิมพ์เผยแพร่ต้องอ้างอิงที่มาให้ชัดเจน
