TRETMANI NEDOSTAJUĆIH PODATAKA

U radu je dat kritički osvrt na najčešće korišćene tretmane nedostajućih podataka: tradicionalne, kao što su isključivanje nedostajućih podataka i jednostruke imputacije (zamena nedostajućih podataka srednjom vrednošću, imputacija pomoću regresije, slučajna imputacija), moderne, kao što su tretmani zasnovani na maksimalnoj verodostojnosti (npr. EM algoritam i FIML metod) i metodi višestruke imputacije. Ukazano je na prednosti i mane svakog od ovih tretmana i preporuke u vezi sa odabirom tretmana u odnosu na mehanizam nedostajanja podataka, tip i nivo merenja varijable, veličinu uzorka i slično. Takođe, dat je pregled prakse tretmana kategorijalnih i numeričkih nedostajućih podataka u psihologiji u objavljenim radovima u vrhunskim psihološkim časopisima. Zaključeno je da je najčešće korišćen tradicionalni metod izbacivanja slučajeva sa nedostajućim vrednostima, a potom se u nešto manjem broju koristi metod multiple imputacije. S obzirom na to, u radu je dat primer sprovođenja multiple imputacije u SPSS-u.