Dados em falta na investigação: como identificar e tratar
Resumo: Aprende a descrever valores ausentes, distinguir MCAR, MAR e MNAR e escolher uma análise com pressupostos e sensibilidade documentados.
O que são dados em falta
Dados em falta são valores que seriam relevantes para a análise mas não estão disponíveis. Podem resultar de não resposta, desistência, falha técnica ou problemas de ligação entre ficheiros. Não são equivalentes a zero, a ausência do acontecimento ou a uma resposta não aplicável. Antes de decidir qualquer tratamento, distingue estes estados no dicionário e mantém uma versão original dos dados. Uma célula vazia sem significado definido impede compreender o que aconteceu durante a recolha.
Começar pela prevenção e pelo registo
Testa questionários, filtros, equipamentos e exportações antes da recolha principal. Em seguimento, planeia contactos e regista razões de perda sem pressionar participantes a responder. A obrigação de preencher todas as perguntas pode aumentar respostas inventadas e não resolve a qualidade. Guarda códigos distintos para recusa, desconhecido, falha e não aplicável quando o instrumento o permitir. Documenta o momento em que cada problema foi identificado e as correções feitas à base.
Descrever quantidade e padrões
Calcula ausências por variável, participante, grupo e momento, distinguindo percentagem de células ausentes de percentagem de pessoas incompletas. Num exemplo fictício, 20 de 100 estudantes sem classificação final significam 20% de ausência nesse resultado. Isso não descreve, por si só, a situação das outras variáveis. Examina também se faltam sempre os mesmos itens ou se diferentes participantes têm lacunas diferentes, porque o padrão condiciona o número disponível em cada análise.
MCAR: ausência completamente ao acaso
Sob MCAR, a probabilidade de um valor estar ausente não depende dos dados observados nem dos valores que faltam. Uma falha de leitura atribuída aleatoriamente poderia aproximar este cenário, mas o nome do incidente não prova o mecanismo. Compara padrões e considera o processo de recolha. Um teste que não encontra diferenças entre participantes completos e incompletos não demonstra MCAR: pode faltar informação ou precisão para detetar dependências relevantes.
MAR: ausência explicável pelos dados observados
Sob MAR, depois de condicionar nas variáveis observadas relevantes, a ausência não depende dos valores em falta. Por exemplo, a falta de classificação pode relacionar-se com assiduidade já registada, sem dependência adicional da classificação desconhecida após considerar essas informações. A plausibilidade depende das variáveis disponíveis e do modelo. O pressuposto não significa ausência aleatória em sentido comum nem autoriza ignorar os preditores de ausência quando se constrói a análise.
MNAR: dependência dos valores que não observaste
Há MNAR quando a ausência continua relacionada com o próprio valor desconhecido, mesmo após considerar os dados observados. Pode acontecer se estudantes com classificações muito baixas evitam divulgar o resultado por razões não captadas nas variáveis disponíveis. A distinção entre MAR e MNAR não pode ser resolvida apenas olhando para a base observada. Usa conhecimento do contexto, documentação da recolha e análises de sensibilidade para investigar consequências de pressupostos alternativos.
Exemplo: o que a média observada pode esconder
Imagina 80 classificações observadas com média 70, num total previsto de 100 estudantes. Se as 20 em falta tivessem média 50, a média completa seria (80 x 70 + 20 x 50) / 100 = 66. Se tivessem média 80, seria 72. Estes cenários fictícios não estimam os valores ausentes; mostram como pressupostos diferentes mudam a conclusão. Preencher todas as lacunas com 70 conservaria a média observada e ocultaria essa incerteza.
Analisar apenas casos completos
Excluir linhas incompletas reduz a amostra e pode alterar a população efetivamente analisada. A validade depende do modelo, do parâmetro e do processo de ausência; não existe uma percentagem universal abaixo da qual a exclusão é sempre segura. Descreve quantas pessoas ficam na análise e compara características disponíveis. Se várias variáveis têm lacunas em pessoas diferentes, a perda conjunta pode ser muito superior à percentagem ausente em qualquer variável isolada.
Porque a substituição simples pode falhar
Substituir pela média, por zero ou pelo último valor observado impõe pressupostos específicos e pode distorcer variâncias, associações e erros padrão. Uma aparente base completa não significa informação recuperada. Em escalas com regras próprias de pontuação para itens ausentes, verifica o manual e relata a regra usada; isso é diferente de aplicar uma solução genérica a todas as variáveis. Nunca apresentes valores preenchidos como respostas efetivamente dadas pelos participantes.
Imputação múltipla e outras estratégias
A imputação múltipla cria várias versões plausíveis dos dados ausentes, analisa cada conjunto e combina estimativas e variâncias segundo regras adequadas. Exige um modelo compatível com tipos de variável, relações relevantes e análise final. Não consiste em escolher a versão com melhor resultado nem garante validade sob MNAR. Métodos baseados em verosimilhança ou ponderação também podem ser apropriados conforme o desenho e os pressupostos. Escolhe com apoio metodológico quando a análise for complexa.
Análises de sensibilidade e reprodutibilidade
Planeia como a conclusão pode mudar sob pressupostos plausíveis sobre os valores ausentes. Compara estratégias justificadas e mostra cenários que afetem direção, magnitude ou decisão prática, sem selecionar só os mais favoráveis. Guarda código, opções, variáveis incluídas, número de imputações e parâmetros de reprodução quando aplicável. Verifica diagnósticos e restrições dos valores gerados. A sensibilidade complementa a análise principal e torna explícita a parte da conclusão que depende de suposições não verificáveis.
Como relatar no trabalho académico
Apresenta quantidade e motivos de ausência, padrão por grupo ou momento, amostra analisada, mecanismo considerado plausível e método escolhido. Se houver imputação, descreve o modelo, a combinação de resultados e os diagnósticos. Explica diferenças entre o plano e a execução e resume a sensibilidade. No exemplo das classificações, distingue a média observada de 70 dos cenários de 66 e 72. Uma redação transparente permite avaliar o alcance da evidência sem confundir valores estimados com dados recolhidos.
Fontes
- Sterne et al.: Multiple imputation for missing data, potential and pitfalls
- University of Bristol: registo da publicação sobre imputação múltipla
Perguntas frequentes
Posso substituir dados em falta por zero?
Só quando zero corresponde efetivamente ao significado da observação. Usá-lo como preenchimento genérico altera os dados e pode enviesar a análise.
Uma percentagem pequena de ausências pode ser ignorada?
Não automaticamente. O impacto depende do padrão, do mecanismo, das variáveis e da análise, e não apenas da percentagem global.
A imputação múltipla elimina o problema?
Não. Depende da adequação do modelo e dos pressupostos sobre a ausência, exigindo diagnósticos e análise de sensibilidade.
Formata as fontes que consultaste no gerador de bibliografia.