Adorei seu video. Dicas preciosas. Vou ter que revisar várias coisas que fiz. Sobre a observação de uma forista, sim parece que houve uma pequena confusão na explicação da Ho e >0,05.....
PARABENS pelo conteúdo!! Não consegui realizar o EM para dados categóricos. O botão de analisar não fica a habilitado quando seleciono a coluna que desejo verificar.
Ótimo vídeo! Parabéns! Mas como fazer a maximização esperada com variáveis categóricas? Não aparece disponível a opção EM na estimativa quando seleciono variáveis categóricas! Obrigado!
Parabéns pelo vídeo! Bastante útil e aplicável! Por se tratar de uma escala Likert, há algum problema dos dados missing aparecerem em números decimais após a maximização?
Muito bom! vou passar aos colegas Tenho uma dúvida: quando na escala, parte dos itens estão formulados num sentido e a outra parte noutro sentido [sendo necessario reverter, para fazer o score final], como pode fazer a Expected Maximization? Separadamente para o grupo que formula negativamente e depois para o outro grupo que formula positivamente? Muito obrigada. Foi mesmo muito util
Excelente aula. Parabéns!!!! Agora uma pequena dúvida: Imagine que existam dados perdidos em um banco de dados decorrente de uma estrutura Crossover 2x2. Como obter/simular os dados perdidos neste caso já que para este tipo de estrutura a resposta depende da sequência de repetição, do período, do tratamento administrado e do sujeito aninhado na sequencia. Imagino que a reposta não seja nada simples mas pela sua competência do canal você vai ficar curioso e buscar a resposta. Se puder compartilhar posta aqui pois vai ajudar muita gente da área experimental. grande abraço
Muito obrigada pelo seu vídeo, super didático. Agora me ajude, eu estou com dados categóricos e ao fazer a seleção das variáveis após selecionar o campo "analisar" e em seguida o campo analise de "valor omisso", o campo "estimação" não é habilitado. Então não consigo fazer a imputação. Neste caso tem relação pelo número de categorias de algumas variáveis? Obrigada!
Olá, me surgiu uma dúvida. Você falou no vídeo que para testar se os missing cases são completamente aleatórios, o valor de "p" precisa ser maior que 0,05 e que a hipótese nula é "os dados NÃO são completamente aleatórios", então se o p for < 0,05 rejeita-se a hipótese nula, ou seja eu não aceito a hipótese de que os "não são completamente aleatórios". Mas o valor de "p" demonstrado no vídeo foi de 0,7 , ou seja >0,05 então eu aceitaria a H0. Mas no vídeo foi comentado que aceitaria a hipótese alternativa que era "os dados são completamente aleatórios". Poderia me esclarecer melhor. Adorei seu vídeo, super simples e instrutivo.
Parabéns, mas só faltou reler o Comparison of Methods of Handling Missing Data: A Case Study of KDHS 2010 Data. Imputação múltipla supera o Expectation Maximization Algorithm .
Oi, Paula. Obg pelo feedback. Não cheguei a ver esse estudo em específico. E sim, a IM supera a EM. Por isso eu comento que ela é um "avanço" da EM. A desvantagem, ao meu ver, é apenas que na imputação múltipla do SPSS você não fica com o banco "pooled".... ao contrário, ele te salva um banco com todas as imputações feitas, uma abaixo da outra, sendo que não são essas imputações individuais que você usará para interpretar os seus dados. Já na EM, você fica com seu banquinho todo preenchido na mão :)
Boa tarde! Em primeiro lugar, parabéns pelo vídeo! Me ajudou bastante. Só gostaria de confirmar aqui então, no caso da IM não tem como ver o banco pooled completo, correto? O pooled é uma média das imputações, então no caso fazendo a média temos o pooled em banco único? Abraços e obrigado
Oii, eu tenho uma dúvida: e quando eu identifico os missings na janela "variable view" como sendo um número específico (por exemplo: discrete missing values = 888)? Ao rodar o teste o SPSS faz alguma análise específica com esses dados? Obrigada :*
