Missing Data

Găsim în acest volum, conceput ca un manual metodologic compact, o resursă esențială pentru cercetătorii care se confruntă cu problema datelor lipsă în analizele statistice. Missing Data se concentrează pe demitizarea proceselor care, dacă sunt gestionate prin metode ad-hoc, pot introduce erori sistematice sau pot reduce eficiența statistică a studiilor. Apreciem în mod deosebit modul în care Paul D Allison reușește să explice concepte complexe fără a recurge la un limbaj excesiv de tehnic, menținând stilul accesibil pe care l-a demonstrat și în Logistic Regression Using the SAS System.

Structura cărții ghidează cititorul de la înțelegerea ipotezelor fundamentale — cum ar fi diferențierea între date lipsă complet la întâmplare (MCAR) și date lipsă la întâmplare (MAR) — până la aplicarea unor soluții moderne. Autorul dedică secțiuni ample tehnicii probabilității maxime (Maximum Likelihood) și imputării multiple, oferind exemple concrete pentru algoritmul EM și modelele liniare. Comparabil cu Applied Missing Data Analysis, Second Edition în ceea ce privește rigoarea, volumul de față se distinge prin concizie, fiind ideal pentru o introducere rapidă și aplicată, spre deosebire de abordările enciclopedice regăsite în Handbook of Missing Data Methodology.

Suntem de părere că această lucrare reprezintă un punct de cotitură pentru cei obișnuiți cu metodele tradiționale de eliminare a cazurilor (listwise deletion). Prin cele 104 pagini, Paul D Allison demonstrează că tranziția către metode statistice superioare este nu doar necesară pentru validitatea științifică, ci și accesibilă prin explicații logice și pași de implementare bine definiți.