Colloque

Les données manquantes : l'impact des méthodes de traitement

Michel Rousseau

Membre a labase

Michel Rousseau

Résumé du colloque

Malgré toutes les précautions prises lors de la planification et du déroulement d'enquêtes à grande échelle, il n'est pas rare d'observer une certaine proportion de données manquantes dans les banques de données issues de telles enquêtes. La majorité des analyses statistiques étant développées pour traiter des matrices de données complètes, un chercheur doit appliquer une méthode de traitement aux banques de données avant d'être en mesure de procéder aux analyses statistiques désirées. Bien souvent, cette méthode de traitement risque d'avoir des conséquences néfastes sur la validité des inférences statistiques effectuées. Bien que ce problème a été soulevé depuis près de 30 ans, il est encore trop peu abordé dans les divers domaines de recherche en sciences humaines. La facilité d'utilisation de certaines méthodes, telle que la méthode « listwise deletion », nous suggère que les chercheurs se tournent souvent vers ce type de solution. Pourtant, il est reconnu que ce type de méthode de traitement nous procure des estimés de paramètres et des erreur-types biaisés lorsque nos données manquantes ne sont pas manquantes complètement au hasard (Little, & Rubin, 2002). La consistance des résultats obtenus est un problème supplémentaire causé par un traitement inadéquat des données manquantes. Ce problème pourrait même amener deux chercheurs à obtenir des résultats contradictoires à partir d'une même banque de données. Il importe donc d'identifier des méthodes de traitement efficaces, en terme de réduction du biais et de consistance des résultats obtenus. La présentation a pour but de présenter le contexte théorique relié aux données manquantes ainsi que d'explorer certaines pistes de solutions.