Introduction aux données manquantes

[3.5 heures] - [Français]

Votre base de données contient des valeurs manquantes ?

De très nombreuses bases de données contiennent des valeurs manquantes pour certaines variables d’intérêt. Les ignorer lors de l’analyse (en n’incluant que les lignes sans valeurs manquantes) peut, dans de nombreux cas, mener à des résultats biaisés. Des méthodes existent pour tenir compte de la présence de valeurs manquantes dans les analyses d’intérêt et ainsi corriger les résultats obtenus.

Objectifs de la formation
L'objectif de cette formation est de comprendre les conséquences possibles quand on ignore la présence de valeurs manquantes dans une analyse ou quand on utilise des solutions trop simples (telles que l'imputation par la moyenne). Il s'agira également de découvrir de meilleures solutions, disponibles dans les logiciels statistiques courants (tels que R et SPSS).

Prérequis
Cette formation suppose des connaissances de base en statistiques descriptives et régression linéaire.

Contenu

• Informations générales sur les données manquantes : mécanismes et schémas
• Vue d'ensemble des solutions courantes mais sous-optimales et de leurs conséquences possibles
• Analyse exploratoire des données manquantes
• Brève introduction à deux solutions courantes qui peuvent être utilisées avec un large éventail d'analyses statistiques (telles que la régression linéaire et les modèles d'équations structurelles) : la méthode d'estimation FIML (Full Information Maximum Likelihood) et l'imputation multiple.

Tarif
Cette formation est reconnue par l'IABE et permet de ce fait aux participant·es d'obtenir des points CPD.
(Ceci est d'ailleurs vrai pour l'entièreté de l'offre de formations du SMCS.)

Méthodes et familles de méthodes abordées
Outils essentiels de la statistique
Préparation des données