SavedAdd your journal

Journals / Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi / 2014 / Cilt: 14 - Sayı: 1

Examining the Effect of Missing Data Handling Methods on the Parameters of t-Test and Anova

Kayıp Veri Ele Alma Yöntemlerinin T-Testi ve ANOVA Parametreleri Üzerine Etkisinin İncelenmesi

İbrahim Alper KÖSE
Begüm ÖZTEMUR
Pages
400–412
Publication Date
2014-01-01
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Results showed that in different sample sizes and correlations, findings were differentiated.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The purpose of this study was to examine the effect of missing data handling methods on the parameters of t-test and ANOVA.
📊
Key Findings & Data:These data sets were produced in a way that they would have normal distributions in high and low correlation and their sizes were 50, 100, 200, 400 units.
💡
Conclusion & Impact:Results showed that in different sample sizes and correlations, findings were differentiated.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Kayıp Veri Analizi · Atama Yöntemleri · Yerine Ortalamayı Koyma

Abstract

The purpose of this study was to examine the effect of missing data handling methods on the parameters of t-test and ANOVA. The study was conducted with simuated data sets. These data sets were produced in a way that they would have normal distributions in high and low correlation and their sizes were 50, 100, 200, 400 units. Under random conditions, data sets were reduced %5, %10, %20 in the form of MCAR. In the simulated data sets, mean substitution method, regression method, expectation-maximization (EM) method and deletion method were applied. Results showed that in different sample sizes and correlations, findings were differentiated. It is observed that in data sets with low sample sizes, regression and EM application were usefull on the other hand in data sets with larger sample sizes, mean substitution method instead of regression method had more consistent results

Özet

Bu araştırmanın amacı, kayıp veri sorunu giderme yöntemlerinin t-testi ve ANOVA parametreleri üzerine etkisinin incelenmesidir. Araştırma 50, 100, 200, 400 birimlik yapay veri setleri üzerinden yürütülmüştür. Veri setleri düşük ve yüksek korelasyonlu normal dağılıma uygun olarak oluşturulmuştur. %5, %10, %20 kayıp olacak şekilde rastgele koşullar altında eksiltilmiş veriler Tamamıyla Rassal Olarak Kayıp (TROK) yapısına uygun oluşturulmuştur. Türetilen veri setlerine kayıp veri giderme yöntemlerinden silme, yerine ortalama koyma, regresyon ve beklenti maksimizasyonu yöntemleri uygulanmıştır. Çalışma sonucunda kullanılan yöntemlerin ortaya koyduğu değerler farklı korelasyona ve farklı büyüklükteki veri setlerinde oldukça değişiklik göstermiştir. Düşük birimli veri setlerinde regresyon ve Beklenti Maksimizasyonu (BM) yöntemleri en yakın sonuçları verirken, yüksek birimli veri setlerinde regresyon ve yerine ortalama koyma yöntemi tam veri setlerine uygulanan analiz değerleriyle daha tutarlı sonuçlar vermiştir

🔖

Cite This Article

KÖSE, İ. A., ÖZTEMUR, B. (2014). Examining the Effect of Missing Data Handling Methods on the Parameters of t-Test and Anova. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, Cilt: 14 - Sayı: 1, 400–412. https://ajindex.com/articles/811

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (8)

  1. Afiffi A. And Elashoff R. M. (1966). Missing observations in multivariate statistics: ı. review of the literature, Journal of the American Statistical Association, 61(315) 595-604.
  2. Allison P. D. (2001). Missing data, sage university papers series on quantitativ eapplications in the social sciences, ThousandsOaks, CA, Sage. Alpar, R. (2003). Uygulamalı çok değişkenli istatistiksel yöntemlere giriş-1, Nobel Kitabevi.
  3. Bal C. (2003). Çok gruplu veri setlerinde kayıp gözlem sorununun çözümlenmesi ve sağlık alanında bir uygulama, Doktora Tezi,Eskişehir Osmangazi Üniversitesi Sağlık Bilimleri Enstitüsü, Eskişehir. Baygül A, (2007). Kayıp veri analizinde sıklıkla kullanılan etkin yöntemlerin değerlendirilmesi, Yüksek Lisans Tezi, İstanbul Üniversitesi Sağlık Bilimleri Enstitüsü, İstanbul.
  4. Cheema, J. (2012). Handling missing data in educational research using spss. Unpublished doctoral dissertation. George Mason University, USA. Çokluk Ö., Kayrı M., (2011). Kayıp değerlere yaklaşık değer atama yöntemlerinin ölçme araçlarının geçerlik ve güvenirliği üzerindeki etkisi, Kuram ve Uygulamada Eğitim Bilimleri, Kış; 289-309.
  5. Dempster, A. P.,Laird, N. M, and Rubin, D. (1977). Maximum likelihood estimation from incomplete data via the EM algorithm, JournalRoyal Statistical Soc. 39 Enders C. K. (2011). Analyzing Longitudinal Data With Missing Values, USA. EvensandFiona H. (2003). Detecting fishing underwater video using the EM algorithm, Proceeding of the IEEE International Conference on Image Processing, Barcelona. Gildea, L. And Hofmann, T. (1999). Topic-Based language model susing EM, (http://www.cs.brown.edu/people/th/papers/GildeaHofmannEUROSPEECH9 9.pdf, 31. 01. 2013, Erişildi). Iturria, S.J. and Blangero, J. (2000). An EMalgorithmforobtainingmaximumlikelihoodestimatesınthemulti- phenotypevariancecomponents linkage model, Ann. Hum. Genet.,64. Kalaycı Ş. (2008), SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri. Karasar N. (2004), Bilimsel araştırma yöntemleri. Ankara:
  6. Nobel Yayıncılık. Little R. J. A. (1998). A test of missing completely at random for multivariate data with missing values. Journal of the American Statistical Association 38, 1198- 1202. Little R. J. A and Rubin D. R.(2002). Statistical Analysis WithMissing Data, Second Edition,
  7. Wiley, New York. Oğuzlar A. (2001). Alan araştırmalarında kayıp değer problemi ve çözüm önerileri, V. Ulusal Ekonometri ve İstatistik Sempozyumu, Çukurova Üniversitesi İİBF Ekonometri Bölümü, Adana, 19-22
  8. Eylül. Rubin, D. R