مروری بر داده‌های گم‌شده

در این مقاله سعی شده است که مفاهیم گم‌شدگی داده به صورت ساده و کاربردی توضیح داده شود.گم‌شدگی داده در تمامی پژوهش‌های علوم اجتماعی، رفتاری، پزشکی وجود دارد. در آمار ، گم‌شدن داده به وضعیتی گفته می‌شود که بخشی از مجموعه داده‌ها گزارش نشده باشند. گم‌شدگی داده باعث کاهش تطابق جامعه نمونه با جامعه کل شده و می‌تواند منجر به نتیجه‌گیری اشتباه در مورد جمعیت اصلی شود.گم‌شدگی داده یک اتفاق معمول بوده و بسته به میزان آن، می‌تواند اثر قابل توجهی در نتیجه‌گیری به دست آمده از داده‌ها داشته باشد. تمامی روش‌های برآورد پارامترها بر پایه فرض کامل بودن مجموعه داده‌ها استوار است و تحت برقراری این شرایط منجر به برآوردهایی نااریب می‌شوند؛ و البته با افزایش نسبت گم‌شدگی، مقدار اریبی نیز افزایش خواهد یافت.برای دهه‌ها، محققین از روش‌های قدیمی استفاده می‌کرده‌اند، این روش‌ها متکی به تصحیح مجموعه داده‌ها با صرف‌نظر کردن از موردهای دارای مقادیر گم‌شده و یا جایگزینی مقادیری تخمینی با مقادیر گم‌شده بودند. متاسفانه اکثر این روش‌ها وابسته به برقراربودن فرض دلایل گم‌شدگی داده و نوع سازوکار گم‌شدگی است؛ و در صورت عدم برقراری این فرض منجر به اریبی نتایج می‌شود.