IHMJ2106 Handling Missing Data (2–3 cr)

Study level:
Postgraduate studies
Grading scale:
Pass - fail
Language:
English, Finnish
Responsible organisation:
Faculty of Education and Psychology
Curriculum periods:
2020-2021, 2021-2022, 2022-2023

Description

Puuttuvat tiedot saattavat olla täysin satunnaisia jolloin ne eivät vaikuta tutkimustulosten yleistettävyyteen. Puuttuva tieto voi olla myös satunnaista jolloin analyysissä on huomioitava puuttuvan tiedon ja mallissa mukana olevien muuttujien välinen yhteys. Jos puuttuva tieto on luonteeltaan täysin satunnaista tai satunnaista voidaan valita analysointi menetelmiä, joilla pystytään hyödyntämään datan käytettävissä oleva informaatio mahdollisimman hyvin. Puuttuva tiedon luonteen ymmärtäminen ja sen analysointi on keskeinen taito oman aineiston oikean analysointi tavan valitsemiseksi.

Puuttuvan tiedon analyysiin IBM SPSS Statistics ohjelma tarjoaa monipuoliset työkalut. Tämä kurssi on tarkoitettu tutkijoille, jotka julkaisevat kvantitatiivisia tutkimuksia ja käyttävät aineiston analysointiin SPSS:ää / Mplussaa. Kurssin seuraaminen edellyttää SPSS:n perusanalyysien hallintaa. Kurssilla käsitellään puuttuvan tiedon käsittelyä Mplus rakenneyhtälömallinnus ohjelmassa.

Learning outcomes

Kurssin jälkeen opiskelija ymmärtää puuttuvan tiedon keskeisen tematiikan, pystyy itsenäisesti SPSS:n ja Mplussan avulla analysoimaan dataa puuttuvan tiedon näkökulmasta välttäen mahdollisuuksien mukaan puuttuvasta tiedosta aiheutuvaa harhaa analyysien tuloksissa ja niiden tulkinnoissa.

Additional information

Suoritustavat: Kurssi pidetään kahden päivän pituisena intensiivikurssina jakautuen päivittäin luentoihin ja harjoituksiin. Ennakkotehtävä: Kirjoita lyhyt kuvaus millaista aineistoa olet työstämässä ja analysoimassa. Lisäksi pohdi seuraavia kysymyksiä: Puuttuuko minun datasta havaintoja ja vaikuttaako puuttuva data analyysien tuloksiin. Kurssin jälkeen opiskelijat kirjoittavat ennakkotehtävän päivityksen: Miten nyt ajattelen ratkaisevani puuttuvan tiedon kysymyksen tutkimuksessani?

Study materials

Craig K. Enders. Applied Missing Data Analysis

Completion methods

Method 1

Evaluation criteria:
sovitaan opintosuorituksittain
Select all marked parts
Parts of the completion methods
x

Participation in teaching (2–3 cr)

Type:
Participation in teaching
Grading scale:
Pass - fail
Language:
English, Finnish
No published teaching