Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

Listwise of analysis by analysis: hoe weet je welke je moet gebruiken?

0 leuk 0 niet-leuks
Of is dat een keuze die je zelf maakt? Is listwise niet 'duidelijker'? Zo heb je alleen complete data. En ik neem aan dat je deze keuze dan wel moet verantwoorden in je rapportage?
gevraagd 26 maart 2017 in Experimenteel Onderzoek (PB0402 en S05281) door Ivonne Lipsch (2,210 punten)

1 Antwoord

0 leuk 0 niet-leuks
Er zijn helaas geen harde regels. De vuistregel is: nooit zonder goede reden data weggooien.

Over het algemeen heeft het weinig zin om data te behouden zodra er een missing is op de afhankelijke variabele. Bij predictoren wordt het wat lastiger. Het kan eigenlijk nooit kwaad om analysis by analysis te verwijderen; zo behoud je zo veel mogelijk de data. Listwise is een beetje een paardenmiddel, maar als je N voldoende groot is, en de N-missings voldoende klein, dan is er geen merkbaar verschil tussen de missing-data-handling.

Deletion van missing data zul je op termijn, na wat meer statistiekervaring op zak, ook niet zo snel meer doen, en langzaamaan vervangen met geavanceerdere technieken, zoals het imputeren van missing data, e.d.

In de context van het onderwijs zal het niet uitmaken welke methode je kiest, als je je er maar bewust van bent wat je hebt gekozen. Mochten er dan grote problemen zijn (je neemt bijvoorbeeld een zeer grote reductie in N waar in je output), dan weet je dat listwise misschien te hard gesnoeid heeft, en dat analysis by analysis hopelijk meer data behoud.
beantwoord 27 maart 2017 door Ron Pat-El (41,340 punten)
...