Table of Contents

La gestion des données manquantes est l'un des défis les plus répandus dans les enquêtes psychologiques de grande envergure. Lorsque les participants ne remplissent pas tous les éléments de l'enquête, ne posent pas de questions sensibles ou abandonnent les études longitudinales, les chercheurs doivent prendre des décisions critiques qui peuvent avoir une incidence importante sur la validité et la fiabilité de leurs constatations.

Comprendre les mécanismes de données manquants

Avant de mettre en oeuvre une stratégie de données manquantes, les chercheurs doivent comprendre les mécanismes sous-jacents qui génèrent une absence. Rubin (1976) classait les problèmes de données manquantes en trois catégories, chacune ayant des implications distinctes pour l'analyse et l'interprétation.Le mécanisme régissant les raisons pour lesquelles des données manquent – connu sous le nom de mécanisme de données manquant ou de mécanisme de réponse – détermine quelles méthodes statistiques produiront des inférences valables.

Manquant complètement au hasard (MCAR)

Si la probabilité de manquer est la même pour tous les cas, les données sont considérées comme manquantes au hasard (MCAR), ce qui représente l'hypothèse la plus restrictive à propos des données manquantes, ce qui signifie que les causes des données manquantes ne sont pas liées aux données. Dans les enquêtes psychologiques, MCAR pourrait survenir lorsque les réponses au questionnaire sont perdues au hasard en raison d'erreurs techniques, comme un dysfonctionnement du serveur affectant un sous-ensemble aléatoire de participants, ou lorsque les documents d'enquête sont accidentellement endommagés lors de la collecte de données.

Lorsque les données sont manquantes, le fait que les données sont absentes est indépendant des données observées et non observées, ce qui signifie qu'il n'existe pas de différences systématiques entre les participants qui ont des données manquantes et ceux qui ont des données complètes. Lorsque les données sont manquantes, les données qui restent peuvent être considérées comme un simple échantillon aléatoire de l'ensemble complet de données intéressant.

Il est impossible de vérifier l'existence d'un mécanisme de données manquant au hasard (MCAR) et de le comparer à l'ensemble des cas et d'examiner les caractéristiques du groupe. Si ces groupes diffèrent considérablement sur les variables observées, l'hypothèse MCAR ne tient pas.

Manquant au hasard (MAR)

Si la probabilité de manquer est la même que dans les groupes définis par les données observées, alors les données sont manquantes au hasard (MAR). MAR est une classe beaucoup plus large que MCAR. En vertu de MAR, la non-disponibilité peut être systématiquement liée aux variables observées dans l'ensemble de données, mais pas aux valeurs non observées elles-mêmes.

Dans les enquêtes psychologiques, le MAR se produit souvent lorsque certains groupes démographiques sont plus ou moins susceptibles de répondre à des questions particulières. Par exemple, un registre examinant la dépression peut rencontrer des données qui sont MAR si les participants masculins sont moins susceptibles de remplir une enquête sur la gravité de la dépression que les participantes féminines. La principale distinction est que si la probabilité de remplir l'enquête est liée à leur sexe (ce qui est pleinement observé) mais pas à la gravité de leur dépression, alors les données peuvent être considérées comme MAR.

Comme le MAR est une hypothèse impossible à vérifier statistiquement, nous devons nous fier à son caractère raisonnable. Les chercheurs doivent utiliser leur connaissance du contexte de recherche et du comportement des participants pour évaluer si l'hypothèse du MAR est plausible. La plausibilité du MAR est améliorée en incluant dans le modèle d'imputation toute variable qui pourrait être liée au risque de disparition.

Non-aléatoire (MNAR)

Lorsque les données sont des données du MNAR, le fait que les données sont manquantes est systématiquement lié aux données non observées, c'est-à-dire que la non-conformité est liée à des événements ou à des facteurs qui ne sont pas mesurés par le chercheur, ce qui représente le scénario le plus difficile pour l'analyse des données manquantes.

Dans les enquêtes psychologiques, le MNAR se produit fréquemment avec des sujets sensibles. Le registre de la dépression peut rencontrer des données qui sont du MNAR si les participants souffrant de dépression grave sont plus susceptibles de refuser de remplir l'enquête sur la gravité de la dépression. De même, les personnes ayant un revenu plus élevé pourraient être moins susceptibles de déclarer leurs gains, ou celles qui ont des problèmes plus graves de toxicomanie pourraient sauter les questions sur leurs habitudes d'utilisation.

Le cas le plus complexe est le MNAR. Comme le manque de données dépend de valeurs non observées, il ne peut être entièrement traité au moyen de techniques statistiques normalisées. Le fait que les sources de données manquantes ne soient pas elles-mêmes mesurées signifie que (en général) cette question ne peut pas être traitée en analyse et que l'estimation des effets sera probablement biaisée.

Réalisation d'une analyse complète des données manquantes

Avant de choisir une méthode de traitement des données manquante, les chercheurs devraient procéder à une analyse approfondie de l'étendue, de la structure et des mécanismes potentiels de manque de données dans leur ensemble de données.

Quantification des données manquantes

Commencez par calculer le pourcentage de données manquantes pour chaque variable de votre sondage. Consignez à la fois le manque à gagner au niveau des éléments (la proportion de réponses manquantes pour les questions individuelles) et le manque à gagner au niveau des cas (la proportion de participants ayant des données manquantes).

Par exemple, les participants qui sautent une question sensible ont-ils tendance à sauter d'autres questions? Certains groupes démographiques sont-ils plus susceptibles d'avoir des données incomplètes? Les logiciels statistiques comme R, SPSS et Stata offrent-ils des outils de visualisation qui peuvent les afficher graphiquement, ce qui facilite l'identification des tendances systématiques.

Essais des mécanismes de données manquants

Bien que vous ne puissiez pas prouver définitivement que les données sont MAR ou MNAR, vous pouvez vérifier si les données sont MCAR. Le test MCAR de Little est un test multivarié qui évalue les sous-groupes des données qui partagent le même profil de données manquant. Un test de distribution chi-carré est utilisé pour tester l'hypothèse nulle que les données sont MCAR. Un résultat significatif suggère que les données ne sont pas MCAR, indiquant soit les mécanismes MAR ou MNAR.

En outre, comparez les participants avec des données complètes ou incomplètes sur toutes les variables observées. Utilisez des tests t pour les variables continues et des tests chi carré pour les variables catégorisées pour déterminer si les personnes qui ont des données manquantes diffèrent systématiquement de celles qui n'en ont pas.

Documenter les modèles manquants

Conservez une documentation détaillée de votre analyse des données manquantes, y compris le pourcentage de manque à chaque variable, les résultats des tests MCAR et tout profil ou relation observé entre la non-disponibilité et d'autres variables. Cette documentation sert à plusieurs fins : elle informe votre choix de la méthode de traitement des données manquante, fournit de la transparence aux pairs évaluateurs et lecteurs et aide à identifier les sources potentielles de biais dans vos résultats.

Méthodes d'imputation pour les données manquantes

L'imputation consiste à remplacer les valeurs manquantes par des valeurs estimées basées sur les renseignements disponibles. La sophistication et la pertinence des méthodes d'imputation varient considérablement, ce qui a des répercussions importantes sur la validité des analyses subséquentes.

Méthodes simples d'imputation

Les méthodes d'imputation simples remplacent chaque valeur manquante par une valeur estimée unique. Bien qu'elles soient faciles à mettre en œuvre, ces méthodes ont des limites importantes que les chercheurs devraient comprendre avant de les utiliser.

L'imputation moyenne ou médiane[ remplace les valeurs manquantes par la moyenne (pour les variables continues) ou médiane (pour les distributions biaisées) des valeurs observées. Cette méthode n'est appropriée que lorsque les données sont MCAR et que la non-conformité est minime (généralement inférieure à 5 %).Le principal inconvénient est que l'imputation moyenne réduit artificiellement la variance de la variable imputée, fausse les corrélations avec d'autres variables et sous-estime les erreurs-types, ce qui entraîne des inférences statistiques trop confiantes.

Regression Imputation utilise des modèles de régression pour prédire les valeurs manquantes en fonction d'autres variables de l'ensemble de données. Pour chaque variable avec des données manquantes, un modèle de régression est adapté à l'aide de cas avec des données complètes, et ce modèle est ensuite utilisé pour prédire les valeurs manquantes.

Hot Deck Imputation[ remplace les valeurs manquantes par des valeurs observées de répondants semblables (donateurs). La similitude peut être définie en appariant les caractéristiques démographiques, les profils de réponse ou d'autres variables pertinentes. Cette méthode préserve la distribution de la variable imputée, mais ne tient pas compte de l'incertitude d'imputation.

Imputation multiple

L'imputation multiple (MI) est un outil utile pour traiter les données manquantes, étant donné ses propriétés théoriques attrayantes, sa capacité à gérer n'importe quel modèle de données manquantes, et les nombreuses plateformes de calcul disponibles en pratique. Contrairement aux méthodes d'imputation uniques, l'imputation multiple reconnaît l'incertitude inhérente à l'estimation des valeurs manquantes.

Les données manquantes sont imputées à la distribution prédictive bayésienne des données manquantes, compte tenu des données observées, pour créer des ensembles de données chiffrées K. En règle générale, les chercheurs créent entre 5 et 20 ensembles de données imputées, bien que des recommandations récentes suggèrent que davantage d'imputations peuvent être bénéfiques lorsque la proportion de données manquantes est élevée. Le modèle d'analyse de fond est ensuite adapté à chacun de ces ensembles, donnant ainsi des estimations différentes de K des paramètres du modèle.

Avantages de l'imputation multiple:

  • Produit des estimations de paramètres non biaisées selon les hypothèses de la méthode MAR
  • Fournit des erreurs types valides qui tiennent compte de l'incertitude d'imputation
  • Peut gérer les modèles de données manquants complexes
  • Permet aux chercheurs d'utiliser des méthodes d'analyse des données complètes standard après imputation
  • Largement soutenu par des progiciels statistiques

Malgré la popularité de l'imputation multiple des données manquantes, son acceptation et son application sont toujours en retard dans les études à grande échelle avec des ensembles de données complexes. La régression séquentiele imputation multiple, mise en œuvre dans un logiciel accessible au public, peut traiter la non-réponse dans les enquêtes et construire une base de données centralisée complétée.

Mise en œuvre de l'imputation multiple dans les enquêtes psychologiques

Lors de la mise en oeuvre de l'imputation multiple des données d'enquêtes psychologiques, les chercheurs devraient suivre ces étapes clés :

1. Spécifiez le modèle d'imputation :[ Inclure toutes les variables qui seront utilisées dans les analyses subséquentes, ainsi que les variables auxiliaires qui sont corrélées avec les données manquantes ou manquantes. Le modèle d'imputation devrait être plus général que le modèle d'analyse, et l'IM facilite les analyses de données complétées à des fins générales.

2. Choisissez une méthode d'imputation:[ Pour les ensembles de données comportant plusieurs variables contenant des données manquantes, l'imputation multivariée par équations enchaînées (MICE), également connue sous le nom d'imputation multiple de régression séquentielle, est souvent l'approche la plus flexible. MICE impute des valeurs manquantes variable par variable, en utilisant des modèles de régression appropriés pour chaque type de variable ( régression linéaire pour les variables continues, régression logistique pour les variables binaires, régression multinomiale pour les variables catégoriques).

3. Déterminer le nombre d'imputations :[ Bien que les lignes directrices plus anciennes aient suggéré que les imputations 5 à 10 étaient suffisantes, les recommandations actuelles suggèrent d'utiliser davantage d'imputations lorsque la proportion de données manquantes est élevée. Une règle pratique consiste à utiliser au moins autant d'imputations que le pourcentage de cas incomplets (p. ex., si 30 % des cas ont des données manquantes, utiliser au moins 30 imputations).

4. Vérifier Convergence:[ Examiner les traces de trace et d'autres diagnostics pour s'assurer que l'algorithme d'imputation a convergé. La plupart des progiciels fournissent des outils de diagnostic pour évaluer si le processus d'imputation s'est stabilisé.

5. Valider Valeurs imputées : Comparer les distributions de valeurs imputées aux valeurs observées pour s'assurer qu'elles sont plausibles. Examiner si les valeurs imputées préservent les relations entre les variables qui existent dans les données observées.

Considérations concernant les données d'enquête complexes

Les grandes enquêtes psychologiques utilisent souvent des modèles d'échantillonnage complexes avec stratification, regroupement et probabilité inégale de sélection. Lorsqu'ils mettent en oeuvre des imputations multiples avec de tels modèles, les chercheurs devraient intégrer des caractéristiques de conception d'enquête dans le modèle d'imputation.

Inclure des variables de conception (indicateurs de strates, identificateurs de grappes) et des poids d'échantillonnage dans le modèle d'imputation pour s'assurer que les valeurs imputées reflètent la structure complexe de l'enquête.

Information complète Probabilité maximale (FIML)

Information complète La probabilité maximale représente une alternative aux méthodes fondées sur l'imputation pour traiter les données manquantes. Plutôt que de remplir les valeurs manquantes, la FIML estime les paramètres du modèle en utilisant directement toutes les informations disponibles dans chaque cas.

Fonctionnement de la FIML

Les cas avec des données complètes fournissent des informations sur tous les paramètres, tandis que les cas avec des données manquantes fournissent des informations sur les paramètres qui peuvent être estimés à partir de leurs variables observées. L'algorithme maximise ensuite la somme de ces contributions individuelles de probabilité pour obtenir des estimations de paramètres.

Comme pour les imputations multiples, la FIML produit des estimations de paramètres non biaisées selon les hypothèses de MAR. Sous MAR, les MDT sophistiqués ont renvoyé des estimations plus proches de leurs valeurs originales, en se référant à des méthodes dont la FIML. La méthode est particulièrement adaptée pour la modélisation d'équations structurelles et d'autres analyses basées sur des modèles.

Avantages et limites de la FIML

Avantages:

  • Ne nécessite pas la création de plusieurs ensembles de données
  • Produit des estimations impartiales au titre de la loi MAR
  • Efficacité informatique pour de nombreux modèles
  • Fournit des erreurs standard qui tiennent compte des données manquantes
  • Bien intégré dans le logiciel de modélisation d'équations structurelles

Limitations:[

  • Exige que le modèle d'analyse puisse être spécifié comme fonction de probabilité
  • Moins souple que l'imputation multiple pour les modèles d'analyse complexes
  • Impossible d'intégrer facilement des variables auxiliaires qui ne font pas partie du modèle de fond
  • Peut être intensive en calcul pour des ensembles de données très importants ou des modèles complexes

Pour les chercheurs utilisant des logiciels comme Mplus, lavan en R ou AMOS, la FIML est souvent la méthode par défaut pour traiter les données manquantes et nécessite des spécifications supplémentaires minimales.

Méthodes de suppression: Quand et comment les utiliser

Les méthodes de suppression consistent à retirer les cas ou les variables dont les données sont manquantes de l'analyse. Bien que ces méthodes soient simples sur le plan conceptuel, elles ont d'importantes limites que les chercheurs doivent comprendre.

Suppression par une liste (analyse complète des cas)

La suppression par liste supprime tout cas où des données manquantes sur une variable incluse dans l'analyse. La suppression par liste exige que les données soient MCAR afin de ne pas introduire de biais dans les résultats. Lorsque les chercheurs effectuent des analyses à l'aide de cet « échantillon aléatoire » de dossiers complets, les analyses ne mèneront pas à des estimations biaisées des paramètres, bien que les tests de signification statistique auront diminué la puissance en raison de la perte d'observations.

Cependant, dans la pratique, les données du MCAR sont très rares, ce qui explique pourquoi nous ne recommandons pas de méthodes de suppression, en raison de la perte de puissance statistique qui en résulte, des contraintes sur la généralisabilité des résultats et de la probabilité que l'hypothèse du MCAR ne soit pas respectée.

Lorsque la suppression par voie de liste peut être appropriée:

  • Les données manquantes sont vraiment des MCAR (vérifiées par des tests statistiques)
  • La proportion de données manquantes est très faible (généralement inférieure à 5 %)
  • La taille de l'échantillon est suffisamment grande pour que la suppression ne réduise pas sensiblement la puissance statistique
  • Des méthodes plus sophistiquées ne sont pas réalisables en raison de limites de logiciels ou d'expertise

Suppression par paire (analyse de cas disponible)

La suppression par paires utilise toutes les données disponibles pour chaque analyse, en calculant les statistiques à partir de cas avec des données complètes pour les variables spécifiques concernées. Par exemple, lors du calcul d'une matrice de corrélation, la corrélation entre les variables A et B utilise tous les cas avec des données sur A et B, tandis que la corrélation entre A et C utilise tous les cas avec des données sur A et C.

Bien que la suppression par paires utilise plus de données que la suppression par listes, elle peut produire des résultats incohérents. Différentes analyses peuvent être basées sur différents sous-ensembles de l'échantillon, les matrices de corrélation ne sont pas nécessairement positives et les erreurs types peuvent être incorrectes.

Traitement de types spécifiques de données manquantes dans les enquêtes psychologiques

Sauter les modèles et les questions conditionnelles

Les enquêtes psychologiques portent sur les tendances de la pratique du saut, où certaines questions ne sont posées qu'aux participants qui répondent à des critères précis. Par exemple, les questions sur le stress parental ne sont pertinentes que pour les participants qui ont des enfants.

Lorsqu'on traite des variables de la patte-piss, on distingue entre les lacunes structurelles (données manquantes par la conception parce que la question n'était pas applicable) et les non-réponses (données manquantes parce qu'un participant admissible n'a pas répondu).

Questions sensibles

Les questions sur le revenu, la consommation d'alcool et d'autres drogues, les symptômes de santé mentale, les antécédents de traumatisme et d'autres sujets sensibles ont souvent un taux plus élevé de données manquantes.

  • Inclure des variables qui pourraient prédire la variable sensible et la volonté de répondre dans votre modèle d'imputation
  • Envisager de mener des analyses de sensibilité pour évaluer comment les résultats pourraient changer selon les différentes hypothèses du MNAR
  • Soyez transparent sur les limites de votre approche de traitement des données manquantes pour les variables sensibles
  • Examiner si le taux élevé de manque à l'information suggère des problèmes de conception des questions ou d'administration des enquêtes qui devraient être abordés dans la collecte des données future

Données longitudinales manquantes

Les enquêtes psychologiques longitudinales sont confrontées à d'autres problèmes de données manquantes, notamment la non-réponse des vagues (les participants ne recueillent pas toutes les vagues de données) et l'attrition (les participants abandonnent définitivement les données manquantes longitudinalement).

  • Inclure des prédicteurs de la carence dans les modèles d'imputation, qui varient en fonction du temps et qui sont invariables en fonction du temps
  • Considérer si la disparition à un moment donné prédit la disparition à un moment ultérieur
  • Utiliser des méthodes spécifiquement conçues pour les données longitudinales, telles que les modèles de courbes de croissance avec FIML ou l'imputation multiple qui tient compte de la structure temporelle des données
  • Examiner si l'attrition est liée à la trajectoire de résultat, ce qui suggère que le MNAR

Logiciels et outils pour l'analyse des données manquantes

Les logiciels statistiques modernes offrent de vastes possibilités d'analyse des données manquantes. Comprendre les forces et les limites des différents outils aide les chercheurs à choisir des méthodes appropriées pour leurs besoins spécifiques.

R Emballages

Le paquet missForest[ utilise des algorithmes forestiers aléatoires pour l'imputation et peut gérer des relations complexes non linéaires. Le paquet naniar[ et VIM offrent d'excellents outils de visualisation pour explorer les profils de données manquants.

SPSS

SPSS comprend plusieurs capacités d'imputation via le module d'analyse des valeurs manquantes. Le logiciel fournit des spécifications de modèle d'imputation automatique, bien que les chercheurs devraient examiner attentivement et modifier ces défauts en fonction de leurs connaissances de fond. SPSS offre également le test MCAR de Little et diverses visualisations manquantes de motifs de données.

Statistiques

La suite de commandes mi de Stata offre des capacités d'imputation multiples complètes, y compris le support pour les conceptions d'enquêtes complexes. Stata intègre plusieurs imputations avec de nombreuses procédures d'analyse standard, ce qui rend l'analyse des ensembles de données imputés simple.

Mplus et autres logiciels SEM

Les logiciels de modélisation d'équations structurelles comme Mplus, Lavan (R) et AMOS mettent généralement en œuvre FIML comme méthode par défaut pour traiter les données manquantes. Ces programmes permettent d'obtenir facilement des estimations valides en vertu du MAR sans attribuer explicitement les valeurs manquantes.

Prévenir le manque de données par le biais de la conception des enquêtes

Bien que les méthodes statistiques puissent atténuer l'impact des données manquantes, la prévention par la conception réfléchie d'enquêtes est toujours préférable. Les chercheurs devraient mettre en oeuvre des stratégies pour minimiser les données manquantes pendant les phases de planification et de collecte des données.

Stratégies de conception du questionnaire

Instructions claires et formulation des questions :[ Des questions ambiguës ou confuses augmentent la probabilité que les participants sautent les éléments.

Options de réponse appropriées :[ S'assurer que les options de réponse sont exhaustives et mutuellement exclusives. Inclure des options comme « ne pas répondre » ou « ne pas s'appliquer » lorsque cela est approprié, car elles permettent aux participants de fournir des réponses significatives plutôt que de laisser les éléments en blanc.

Logical Flow and Skip Patterns: Concevoir des modèles de saut faciles à suivre pour les participants. Dans les sondages en ligne, implémenter la logique de saut automatique afin que les participants ne voient que les questions qui leur sont pertinentes.

Ordonnance de questions :[ Placez des questions sensibles ou potentiellement lourdes plus tard dans le sondage, après que le rapport a été établi. Cependant, équilibrez-le par rapport au risque de manque de données liées à la fatigue vers la fin des longs sondages.

Considérations relatives à l'interface utilisateur pour les enquêtes en ligne

Pour les enquêtes psychologiques en ligne, l'interface utilisateur a une incidence significative sur l'exhaustivité des données:

  • Indicateurs de progrès:[ Montrez aux participants jusqu'où ils ont progressé dans le cadre de l'enquête pour maintenir leur motivation
  • Optimisation mobile :[ Veiller à ce que les enquêtes s'affichent correctement sur les smartphones et les tablettes, car les mauvaises expériences mobiles augmentent les taux d'abandon
  • Champs obligatoires: Utiliser les champs obligatoires judicieusement – forcer les réponses à chaque question peut augmenter l'abandon, mais permettre trop de questions optionnelles augmente la non-réponse au point
  • Enregistrer et reprendre:[ Permettre aux participants de sauvegarder leurs progrès et de revenir plus tard, en particulier pour les enquêtes longues
  • Message d'erreur:[ Fournir des messages d'erreur clairs et non fondés lorsque les participants sautent les éléments requis ou fournissent des réponses non valides

Engagement et maintien en poste des participants

Maintenir l'engagement des participants réduit à la fois la non-réponse et l'attrition des études :

  • Longueur de l'enquête:[ Gardez les enquêtes aussi brèves que possible tout en recueillant les données nécessaires.
  • Incitations:[ Fournir une compensation appropriée pour le temps et l'effort des participants.
  • Communication:[ Dans les études longitudinales, maintenir un contact régulier avec les participants entre les vagues de collecte de données.
  • Flexibilité:[ Offrir plusieurs modes de participation (en ligne, par téléphone, sur papier) lorsque cela est possible, car cela tient compte des préférences et des circonstances différentes des participants

Collecte des variables auxiliaires

Inclure des variables dans votre enquête qui peuvent aider à prédire la disparition et améliorer les modèles d'imputation, même si ces variables ne sont pas au cœur de vos questions de recherche primaires. Les variables démographiques, les constructions psychologiques connexes et les indicateurs comportementaux peuvent toutes servir de variables auxiliaires qui renforcent la manipulation des données manquantes.

Rapports sur les données manquantes dans les publications de recherche

La communication transparente des données manquantes et la façon dont elles ont été traitées sont essentielles à l'intégrité et à la reproductibilité de la recherche.

Éléments essentiels à signaler

Extent des données manquantes:[ Indiquer le pourcentage de données manquantes pour chaque variable incluse dans vos analyses. Fournir des statistiques sur les lacunes au niveau des éléments et au niveau des cas. Si l'on utilise la suppression par liste, indiquer le nombre de cas exclus et le pourcentage de l'échantillon original que cela représente.

Modèles de données manquantes:[ Décrivez les modèles de manque. Certaines variables sont-elles plus susceptibles de manquer ensemble? Les groupes démographiques particuliers ont-ils des taux de données manquantes plus élevés? Existe-t-il des différences systématiques entre les participants qui ont des données complètes et incomplètes?

Mécanisme de données manquantes :[ Signaler les résultats des tests pour le MCAR (comme le test de Little's MCAR) et décrire votre évaluation de la probabilité que les données soient MAR ou MNAR. Expliquer le raisonnement qui sous-tend vos conclusions au sujet du mécanisme de données manquant.

Méthode de suppression des données :[ Décrivez clairement la méthode utilisée pour traiter les données manquantes. Si vous utilisez plusieurs imputations, indiquez le modèle d'imputation (les variables incluses, les types de modèles de régression utilisés pour différents types de variables), le nombre d'imputations créées et le logiciel utilisé. Si vous utilisez FIML, décrivez comment le modèle d'analyse a été spécifié.

Analyse de sensibilité:[ Dans la mesure du possible, effectuer et signaler des analyses de sensibilité qui examinent si les résultats sont robustes par rapport à différentes hypothèses ou méthodes de données manquantes, particulièrement lorsque les données peuvent être des données MNAR ou lorsque la proportion de données manquantes est importante.

Suivant les directives concernant la présentation des rapports

Plusieurs lignes directrices sur la déclaration des données manquantes sont en cours de rédaction. Les lignes directrices STROBE (Renforcement de la déclaration des études d'observation en épidémiologie) recommandent de signaler le nombre de participants ayant des données manquantes pour chaque variable d'intérêt et d'expliquer comment les données manquantes ont été traitées.

Sujets avancés et considérations spéciales

Analyse de sensibilité pour les données MNAR

Lorsque les données peuvent être des MNAR, des méthodes standard comme l'imputation multiple et la FIML peuvent produire des estimations biaisées. L'analyse de sensibilité consiste à examiner comment les résultats changent selon différentes hypothèses concernant le mécanisme de données manquant.

Une approche pratique de l'analyse de sensibilité consiste à effectuer plusieurs imputations selon différents scénarios. Par exemple, si vous soupçonnez que les participants présentant des symptômes de dépression plus graves étaient moins susceptibles de remplir un questionnaire de dépression, vous pourriez créer des ensembles de données imputés où les scores de dépression manquants sont systématiquement plus élevés que ce qui serait prédit en vertu du RA.

Données manquantes dans les modèles multiniveaux

Les relevés psychologiques ont souvent des structures à plusieurs niveaux, comme les élèves nichés dans des écoles ou des mesures répétées nichées dans des individus. Les données manquantes dans des contextes à plusieurs niveaux peuvent se produire à différents niveaux (p. ex., les variables de niveau individuel manquant, les variables de niveau de groupe manquant ou les grappes entières manquantes).

Conceptions de données manquantes prévues

Les chercheurs créent parfois intentionnellement des données manquantes au moyen de plans de conception de données manquantes.Le manque prévu est une stratégie de conception de la recherche, employée dans la recherche sur les enquêtes, dans laquelle les données sont intentionnellement laissées non recueillies auprès des répondants individuels afin de réduire le fardeau tout en préservant la capacité d'estimer les paramètres pour l'ensemble de l'élément défini dans l'échantillon. Ces plans peuvent réduire le fardeau des participants et les coûts de l'enquête tout en maintenant la puissance statistique pour les analyses clés.

Approches d'apprentissage automatique pour l'imputation

Les résultats indiquent que l'imputation de MissForest a été la meilleure, suivie par MICE dans une étude comparative des techniques d'imputation. L'imputation aléatoire fondée sur la forêt, l'imputation sur le réseau neuronal et d'autres méthodes d'apprentissage par machine sont prometteuses, en particulier pour les grands ensembles de données présentant des relations variables complexes. Toutefois, ces méthodes peuvent être plus difficiles à mettre en œuvre et à interpréter que les approches traditionnelles.

Erreurs courantes et comment les éviter

Erreur 1: Ignorer les données manquantes

Certains chercheurs procèdent à des analyses sans reconnaître ni traiter les données manquantes, en utilisant implicitement la suppression par liste sans justification. Cette approche risque de fausser les résultats et de réduire la puissance statistique.

Erreur 2: Utiliser une imputation simple sans reconnaître les limites

L'imputation moyenne et d'autres méthodes simples d'imputation sont encore couramment utilisées malgré leurs limites bien documentées. Si vous devez utiliser une imputation simple en raison de contraintes logicielles ou d'expertise, reconnaissez les limites dans votre rapport et interpréter les résultats avec prudence.

Erreur 3: Imputer puis supprimer

Certains chercheurs imputent les données manquantes mais excluent ensuite les cas avec des valeurs imputées de certaines analyses. Cela va à l'encontre de l'objectif de l'imputation et peut introduire un biais. Une fois que vous avez créé des ensembles de données imputés, utilisez-les de façon cohérente dans toutes les analyses.

Erreur 4 : Modèles d'imputation inadéquats

En utilisant des modèles d'imputation qui incluent uniquement les variables de votre modèle d'analyse, sans variables auxiliaires, peut réduire la qualité des imputations. Inclure des variables qui prédisent la disparition et les variables qui sont corrélées avec des variables contenant des données manquantes, même si ces variables auxiliaires ne font pas partie de votre analyse de fond.

Erreur 5 : Non-vérification de la qualité de l'imputation

Vérifier si les valeurs imputées sont invraisemblables (p. ex. valeurs négatives pour les variables qui devraient être positives, valeurs en dehors de la plage possible). Vérifier que les relations entre les variables sont préservées dans les ensembles de données imputés.

Flux de travail pratique pour la gestion des données manquantes

Voici un flux de travail étape par étape qui intègre les stratégies discutées dans cet article:

Étape 1: Explorer et documenter les données manquantes

  • Calculer le pourcentage de données manquantes pour chaque variable
  • Identifier les modèles de données manquants à l'aide d'outils de visualisation
  • Comparer les participants avec des données complètes ou incomplètes sur les variables observées
  • Effectuer le test MCAR de Little
  • Documenter toutes les constatations dans un rapport d'analyse de données manquant

Étape 2 : Évaluer le mécanisme de données manquantes

  • D'après les tests statistiques et les connaissances de fond, déterminer si les données sont susceptibles d'être fournies par le MCAR, le MAR ou le MNAR
  • Identifier les variables qui prédisent une absence
  • Examiner si différentes variables peuvent avoir des mécanismes de données différents manquants

Étape 3: Sélectionnez une méthode appropriée de données manquantes

  • Si les données sont du MCAR et que la déficience est minime (<5), la suppression par liste peut être acceptable.
  • Si les données sont MAR, utilisez une imputation multiple ou FIML
  • Si les données peuvent être des MNAR, des analyses de sensibilité du plan
  • Considérez la complexité de votre modèle d'analyse et du logiciel disponible lors du choix entre l'imputation multiple et la FIML

Étape 4: Mettre en œuvre la méthode des données manquantes

  • Pour l'imputation multiple : spécifiez le modèle d'imputation, déterminez le nombre d'imputations, exécutez l'algorithme d'imputation, vérifiez la convergence et validez les valeurs imputées
  • Pour FIML: spécifiez le modèle d'analyse pour utiliser toutes les données disponibles et vérifiez que le logiciel est correctement mis en œuvre FIML

Étape 5: Analyses de conduite

  • Effectuez vos analyses prévues à l'aide des ensembles de données imputés ou de l'estimation FIML
  • Combiner correctement les résultats sur les ensembles de données imputés en utilisant les règles de Rubin
  • Comparer les résultats pour terminer l'analyse de cas afin d'évaluer l'impact du traitement des données manquantes

Étape 6 : Effectuer des analyses de sensibilité

  • Si les données peuvent être des MNAR, examiner comment les résultats changent selon différentes hypothèses
  • Essayez d'autres méthodes de données manquantes pour évaluer la robustesse
  • Examiner si les résultats diffèrent pour les sous-groupes présentant des profils différents de manque à gagner

Étape 7 : Signaler les résultats de façon transparente

  • Décrire l'étendue et les caractéristiques des données manquantes
  • Signalez votre évaluation du mécanisme de données manquant
  • Expliquer la méthode de données manquante utilisée et justifier ce choix
  • Résultats actuels des analyses de sensibilité
  • Discuter des limites liées aux données manquantes

Ressources pour l'apprentissage continu

Pour les chercheurs qui cherchent à approfondir leur compréhension des méthodes de données manquantes, plusieurs ressources excellentes sont disponibles :

Livres: "L'imputation flexible des données manquantes" par Stef van Buuren fournit une couverture complète de l'imputation multiple avec des exemples pratiques dans R. "L'analyse statistique avec des données manquantes" par Roderick Little et Donald Rubin offre le fondement théorique pour les méthodes modernes de données manquantes. "L'analyse des données manquantes appliquées" par Craig Enders présente des explications accessibles avec des exemples pertinents pour la recherche en sciences sociales.

Ressources en ligne: Le Livre en ligne sur l'imputation des données manquantes de Stef van Buuren est disponible gratuitement et comprend des exemples de code R. Le site Web sur les données manquantes, tenu par des chercheurs de l'Université de Bristol, fournit des tutoriels, des guides logiciels et des documents de recherche récents.

Documentation logicielle : La documentation pour le paquet souris dans R, les commandes mi de Stata et SPSS Missing Values Analysis comprend tous des tutoriels et des exemples qui peuvent aider les chercheurs à mettre en œuvre ces méthodes.

Ateliers et cours: De nombreuses universités et organisations professionnelles offrent des ateliers sur l'analyse des données manquantes. L'Institut d'été en méthodes de recherche sociale de l'Université du Michigan, le Programme d'été de l'ICPSR et diverses plateformes en ligne offrent des cours axés spécifiquement sur les données manquantes.

Conclusion

La gestion des données manquantes dans les grandes enquêtes psychologiques exige une attention particulière à la fois à la méthodologie statistique et à la conception de la recherche. La compréhension des mécanismes qui génèrent des données manquantes — MCAR, MAR et MNAR — est essentielle pour choisir les méthodes de manipulation appropriées.

Le choix de la méthode de données manquantes doit être guidé par les caractéristiques de vos données, les hypothèses que vous êtes prêt à faire et la complexité de vos analyses. L'imputation multiple offre une flexibilité et peut traiter des modèles de données manquants complexes, ce qui le rend adapté à la plupart des recherches d'enquêtes psychologiques. FIML fournit une alternative efficace pour effectuer des analyses basées sur des modèles comme la modélisation d'équations structurelles.

La prévention par la conception réfléchie des enquêtes demeure la meilleure stratégie pour gérer les données manquantes. Le libellé clair des questions, les interfaces conviviales, les mesures incitatives appropriées et les stratégies pour maintenir l'engagement des participants peuvent réduire considérablement la fréquence des données manquantes.

La recherche psychologique étant de plus en plus tributaire d'enquêtes à grande échelle pour comprendre les phénomènes complexes, il est de plus en plus important de développer des connaissances spécialisées sur les méthodes de données manquantes.En combinant des approches statistiques rigoureuses avec une conception rigoureuse de la recherche et des rapports transparents, les chercheurs peuvent s'assurer que les données manquantes ne compromettent pas la validité et l'impact de leurs travaux.