إشكاليات التعامل مع القيم المفقودة (Issues of Dealing with Missing Values)

تعاني العديد من برامج تحليل البيانات من عدم القدرة على التمييز الدقيق بين عدة أنواع من القيم، وأبرزها:

• القيم المفقودة (Missing Values)

• الخانات الفارغة (Blanks)

• القيمة صفر (Zero)

ولا يقتصر هذا القصور على البرامج فحسب، بل يمتد أيضًا إلى بعض محللي البيانات الذين لا يميّزون بين هذه القيم، مما يؤدي إلى عدم التعامل معها بشكل صحيح، وبالتالي إجراء التحليل دون مراعاة الفروق الجوهرية بينها.

قد يعتقد البعض أن هذه الفروق غير مهمة، فيتجاهلونها ويتركون معالجتها لبرامج التحليل، إلا أن ذلك—في كثير من الحالات—يؤدي إلى نتائج كارثية لا ينتبه إليها كثيرون.

وفيما يلي توضيح لهذه الفروق من خلال أمثلة عملية:

مثال 1: تحليل متوسط دخل الأسر

إذا أردنا تحليل متوسط دخل الأسر في دولة تعاني من أزمة، ولوحظ أن نسبة كبيرة من المستجيبين أفادت بعدم وجود أي دخل لديهم، وكانت نسبتهم تتجاوز 40% من الأسر المستهدفة.

عند تعامل محللي البيانات مع هذه الحالات على أنها قيم مفقودة، ستنتج مؤشرات لا تعكس الواقع الاجتماعي والاقتصادي. فقد تُظهر النتائج—على سبيل المثال—أن 10% فقط من الأسر تقع تحت خط الفقر المدقع، بينما الحقيقة أن النسبة تتجاوز 50%.

السبب هو أن من لا يملك أي دخل يجب أن يُسجَّل دخله على أنه صفر لا قيمة مفقودة؛ لأن:

• القيمة المفقودة لا تدخل في الحسابات.

• القيمة صفر تدخل في الحسابات وتؤثر على المتوسطات والنسب.

مثال معاكس: سؤال الراتب الشهري

عند السؤال عن الراتب الشهري، فإن الشخص الذي لا يعمل يجب أن يُسجَّل راتبه كـ قيمة مفقودة وليس صفرًا؛ لأنه عاطل عن العمل ولا يُحتسب له راتب صفري ضمن توزيع الرواتب.

مثال 2: الأسئلة النصية والخانات الفارغة

العديد من البرامج لا تعتبر الخانات الفارغة في الأسئلة النصية قيَمًا مفقودة.

فعلى سبيل المثال، لا يعتبر برنامج SPSS الخلية الفارغة في سؤال نصي قيمة مفقودة، بل يعدّها قيمة صالحة.

في عمود مثل الجنس (Gender)—إذا كان بصيغة نصية—سيقوم البرنامج بحساب القيم الفارغة ضمن التحليل، مما يؤثر بشكل كبير على النتائج مثل النسب المئوية، رغم أن من لم يحدّد جنسه (ذكر/أنثى) يجب اعتباره قيمة مفقودة.

مثال 3: حسابات الأعمدة المشتقة في SPSS

عند إنشاء عمود جديد اعتمادًا على أعمدة أخرى في SPSS، تختلف طريقة التعامل مع القيم المفقودة حسب الصيغة المستخدمة:

• بعض الصيغ تتعامل مع القيم المفقودة بفعالية.

• وبعضها الآخر لا يفعل.

على سبيل المثال، عند حساب إجمالي عدد أفراد الأسرة من خلال جمع عدد الأفراد في كل فئة باستخدام دالة (SUM):

• قد يعطي SPSS نتيجة مجموع حتى لو كانت إحدى الفئات تحتوي على قيمة مفقودة.

• بينما الحساب اليدوي قد يعطي قيمة مفقودة للمجموع إذا وُجدت قيمة مفقودة في أي فئة.

خلاصة وتوصيات

حالات الإشكال في تعريف ومعالجة القيم المفقودة غير محدودة. لذلك:

• لا يُنصح مطلقًا بترك حرية التخمين لبرنامج التحليل أو لمحلل البيانات وحده.

• يجب تحديد التعريف والمعالجة المناسبة للقيمة الفارغة مسبقًا حسب السياق.

كما في الأمثلة السابقة:

• الدخل: عدم وجود دخل = صفر.

• الراتب: عدم وجود وظيفة = قيمة مفقودة.

• عدد أفراد الأسرة حسب الفئات: الخانة الفارغة = صفر.

وأخيرًا، يجب توجيه جامعي البيانات منذ البداية إلى عدم ترك خانات فارغة عند عدم وجود أفراد ضمن فئة معينة، بل تعبئتها بصفر، لضمان دقة التحليل وموثوقية النتائج.