داده‌های گمشده؛ جایی که حدس وارد علم می‌شود

داده‌های ناقص یک مشکل ساده و حاشیه‌ای در پژوهش‌های علمی نیستند. گاهی چند مقدار گمشده می‌توانند مسیر یک تحلیل آماری را تغییر دهند و حتی روی نتیجه‌گیری نهایی اثر بگذارند. اما وقتی اطلاعاتی در دسترس نیست، آیا باید آن بخش از داده‌ها را کنار گذاشت؟

راه‌حل دانشمندان، حذف ساده داده‌های ناقص نیست. آن‌ها می‌توانند با استفاده از اطلاعات موجود، درباره مقادیر گمشده برآوردهایی انجام دهند. نکته جالب اینجاست که قرار نیست یک حدس را به‌عنوان حقیقت بپذیریم. به‌جای آن، می‌توان چند سناریوی احتمالی ساخت و دید که نتیجه تحلیل در برابر این تغییرات چگونه رفتار می‌کند.

این رویکرد نشان می‌دهد که عدم قطعیت الزاماً دشمن علم نیست. وقتی مقدار واقعی یک داده را نمی‌دانیم، می‌توان این ناآگاهی را وارد محاسبات کرد و اجازه داد نتیجه نهایی نیز میزان این عدم قطعیت را منعکس کند. در چنین شرایطی، هدف پیدا کردن یک جواب قطعی نیست، بلکه رسیدن به برآوردی است که با محدودیت‌های داده‌ها صادقانه برخورد کند.

موضوع زمانی اهمیت بیشتری پیدا می‌کند که نتایج پژوهش قرار است مبنای تصمیم‌های مهم قرار بگیرند.‎ از مطالعات پزشکی و جمعیت‌شناختی گرفته تا تحقیقات اقتصادی و اجتماعی، داده‌های گمشده می‌توانند بخشی جدانشدنی از فرایند پژوهش باشند.‎ بنابراین نحوه برخورد با آن‌ها به اندازه خود داده‌های موجود اهمیت پیدا می‌کند.‎

در این اپیزود به سراغ روشی می‌رویم که به دانشمندان اجازه می‌دهد به‌جای پنهان کردن خلأهای موجود در داده‌ها، آن‌ها را در فرایند تحلیل وارد کنند.‎ داستانی درباره آمار، احتمال و مرز میان حدس و استدلال علمی که نشان می‌دهد گاهی برای رسیدن به نتیجه‌ای بهتر، باید به‌جای یک بار حدس زدن، چند بار حدس زد.‎