Datos ausentes en evaluaciones educacionales: comparación de métodos de tratamiento
DOI:
https://doi.org/10.18222/eae.v0ix.3916Palabras clave:
Tratamiento de Datos Ausentes, Evaluación de la Educación, Desempeño Académico, Simulación.Resumen
Los datos ausentes son comunes en las evaluaciones educacionales. Por ello el uso de métodos adecuados se hace fundamental para reducir el impacto de la pérdida de información. El objetivo de este estudio es comparar el desempeño de cuatro métodos de tratamientos de datos ausentes (imputación por el promedio, listwise deletion, máxima verosimilitud e imputación múltiple), en base al uso de modelos de regresión aplicados a los datos de la evaluación educacional realizada en el estado de Ceará. Se utilizaron informaciones de 7.000 estudiantes, simulando diversos escenarios de acuerdo al porcentual y al tipo de ausencia. La imputación por el promedio presentó el peor desempeño en todos los escenarios simulados y los demás métodos mostraron resultados similares entre ellos. También se verificó que el uso de variables auxiliares en la estimación por máxima verosimilitud e imputación múltiple redujo el sesgo de las estimaciones de parámetros importantes del modelo cuando la ausencia simulada no se debe a la casualidad.Descargas
Citas
BARALDI, Amanda N.; ENDERS, Craig K. An introduction to modern missing data analyses. Journal of School Psychology, Amsterdam, v. 48, p. 5-37, 2010.
BUCK, S. F. A method of estimation of missing values in multivariate data suitable for use with an electronic computer. Journal of the Royal Statistical Society, Series B, London, v. 22, n. 2, p. 302-306, 1960.
CEARÁ. Secretaria da Educação. SPAECE – 2011. Matemática, 3º ano: ensino médio. Fortaleza: SEE, UFJF, 2011. p. 1-22. (Boletim Pedagógico, v. 3).
CHEEMA, Jehanzeb R. A review of missing data handling methods in education research. Review of Educational Research, Thousand Oaks, CA, v. 20, n. 10, p. 1-20, 2014.
COHEN, Jacob; COHEN, Patricia. Applied multiple regression and correlation analysis for the behavioral sciences. Hillsdale, NJ: Erlbaum, 1985.
COLLINS, Linda M.; SCHAFER, Joseph L.; KAM, Chi-Ming. A comparison of inclusive and restrictive strategies in modern missing-data procedures. Psychological Methods, Washington, v. 6, n. 4, p. 330-351, 2001.
COX, Bradley E. et al. Working with missing data in higher education research: a primer and real world. The Review of Higher Education, Baltimore, v. 37, n. 3, p. 377-402, Spring 2014.
CRONINGER, Robert G.; DOUGLAS, Karen M. Missing data and institutional research. In: UMBACH, P. D. (Ed.). Survey research: emerging issues of technology, policy, and analysis. San Francisco: Wiley Interscience Periodicals, 2005. p. 33-49.
ENDERS, Craig K. The performance of the full information maximum likelihood estimator in multiple regression models with missing data. Educational and Psychological Measurement, Thousand Oaks, CA, v. 61, n. 5, p. 713-740, 2001a.
ENDERS, Craig K. The impact of nonnormality on full information maximum-likelihood estimation for structural equation models with missing data. Psychological Methods, Washington, v. 6, n. 4, p. 352-370, 2001b. ENDERS, Craig K. Applied missing data analysis. New York: Guilford, 2010.
FITZMAURICE, Garret et al. Longitudinal data analysis. Boca Raton: Chapman & Hall, 2009.
GRAHAM, John W. Missing data analysis: making it work in the real world. Annual Review of Psychology, Palo Alto, CA, v. 60, p. 549-576, 2009.
GRAHAM, John W.; OLCHOWSKI, Allison E.; GILREATH, Tamika D. How many imputations are really needed? Some practical clarifications of multiple imputation theory. Prevention Science, Berlin, v. 8, p. 206-213, 2007.
LANGKAMP, Diane L.; LEHMAN, Amy; LEMESHOW, Stanley. Techniques for handling missing data in secondary analyses of large surveys. Academic Pediatrics, Amsterdam, v. 10, n. 3, p. 205-210, maio/jun. 2010.3031
MACEDO, Glaucia Alves. Fatores associados ao rendimento escolar de alunos da 5ª série (2000): uma abordagem longitudinal do valor adicionado e da heterogeneidade. 2004. 212f. Dissertação (Mestrado em Demografia) – Faculdade de Ciências Econômicas, Universidade Federal de Minas Gerais, Belo Horizonte, 2004.
MCKNIGHT, Patrick E. et al. Missing data: a gentle introduction. New York: Guilford Press, 2007.
OLIVEIRA, Pedro Rodrigues; BELLUZZO, Walter; PAZELLO, Elaine Toldo. The public–private test score gap in Brazil. Economics of Education Review, Amsterdam, v. 35, p. 120-133, 2013.
PEUGH, James L.; ENDERS, Craig K. Missing data in educational research: a review of reporting practices and suggestions for improvement. Review of Educational Research, Thousand Oaks, CA, v. 74, n. 4, p. 525-556, Winter 2004.
RODRIGUES, Clarissa Guimarães; RIOS-NETO, Eduardo Luiz Gonçalves; PINTO, Cristine Campos de Xavier. Diferenças intertemporais na média e distribuição do desempenho escolar no Brasil: o papel do nível socioeconômico, 1997-2005. Revista Brasileira de Estudos de População, Belo Horizonte, v. 28, n. 1, p. 5-36, jan./jun. 2011.
ROSE, Roderick A.; FRASER, Mark W. A simplified framework for using multiple imputation in social work research. Social Work Research, Oxford, v. 32, n. 3, p. 171-178, 2008.
ROUSSEAU, Michel et al. Reporting missing data: a study of selected articles published from 2003-2007. Quality & Quantity, Berlin, v. 46, n. 5, p. 1393-1406, 2012.
RUBIN, Donald B. Inference and missing data. Biometrika, Oxford, v. 63, n. 3, p. 581-592, 1976.
RUBIN, Donald B. Multiple imputation for nonresponse in surveys. New York: Wiley, 1987.
SAVALEI, Victoria; BENTLER, Peter M. A two-stage approach to missing data: theory and application to auxiliary variables. Structural Equation Modeling, London, v. 16, n. 3, p. 477-497, 2009.
SCHAFER, Joseph L.; GRAHAM, John W. Missing data: our view of the state of the art. Psychological Methods, Washington, v. 7, n. 2, p. 147-177, 2002.
SOARES, José Francisco; ALVES, Maria Teresa Gonzaga. Desigualdades raciais no sistema brasileiro de educação básica. Educação e Pesquisa, São Paulo, v. 29, n. 1, p. 147-165, jan./jun. 2003.
VINHA, Luís Gustavo do Amaral. Estudos longitudinais e tratamento de dados ausentes em avaliações educacionais. 2016. 124f. Tese (Doutorado em Psicologia Social, do Trabalho e das Organizações) – Instituto de Psicologia, Universidade de Brasília, Brasília, 2016.
WILKS, S. S. Moments and distributions of estimates of population parameters from fragmentary samples. The Annals of Mathematical Statistics, New York, v. 3, p. 163-195, 1932. 312
XERXENEVSKY, Lauren Lewis. Programa Mais Educação: avaliação do impacto da educação integral no desempenho de alunos no Rio Grande do Sul. 2012. 143f. Dissertação (Mestrado em Economia do Desenvolvimento) – Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 2012.
YOUNG, Rebekah; JOHNSON, David. Methods for handling missing secondary respondent data. Journal of Marriage and Family, New Jersey, v. 75, n. 1, p. 221-234, 2013.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Estudos em Avaliação Educacional
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
a. Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo licenciado, simultáneamente, bajo la Licencia Creative Commons Attribution (CC BY 4.0) que permite compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
b. Los autores tienen autorización para asumir, separadamente, contratos adicionales, para distribución no exclusiva de la versión del trabajo publicada en esta revista (ej.: publicar en repositorio institucional o como capítulo de libro), con reconocimiento de la autoría y publicación inicial en esta revista.
c. Los autores tienen autorización y son estimulados para publicar y distribuir sus trabajos on-line (ej.: en repositorios institucionales o en su respectiva página personal en la Internet) en cualquier fecha antes o durante el proceso editorial, ya que esto puede generar modificaciones productivas, así como aumentar el impacto y las citas del trabajo publicado (Véase: El Efecto del Acceso Libre).
