fa مروری بر داده‌های گم‌شده توانبخشی Rehabilitation مقاله پژوهشی اصیل Original Research Article در این مقاله سعی شده است که مفاهیم گم‌شدگی داده به صورت ساده و کاربردی توضیح داده شود.گم‌شدگی داده در تمامی پژوهش‌های علوم اجتماعی، رفتاری، پزشکی وجود دارد. در آمار ، گم‌شدن داده به وضعیتی گفته می‌شود که بخشی از مجموعه داده‌ها گزارش نشده باشند. گم‌شدگی داده باعث کاهش تطابق جامعه نمونه با جامعه کل شده و می‌تواند منجر به نتیجه‌گیری اشتباه در مورد جمعیت اصلی شود.گم‌شدگی داده یک اتفاق معمول بوده و بسته به میزان آن، می‌تواند اثر قابل توجهی در نتیجه‌گیری به دست آمده از داده‌ها داشته باشد. تمامی روش‌های برآورد پارامترها بر پایه فرض کامل بودن مجموعه داده‌ها استوار است و تحت برقراری این شرایط منجر به برآوردهایی نااریب می‌شوند؛ و البته با افزایش نسبت گم‌شدگی، مقدار اریبی نیز افزایش خواهد یافت.برای دهه‌ها، محققین از روش‌های قدیمی استفاده می‌کرده‌اند، این روش‌ها متکی به تصحیح مجموعه داده‌ها با صرف‌نظر کردن از موردهای دارای مقادیر گم‌شده و یا جایگزینی مقادیری تخمینی با مقادیر گم‌شده بودند. متأسفانه اکثر این روش‌ها وابسته به برقراربودن فرض دلایل گم‌شدگی داده و نوع سازوکار گم‌شدگی است؛ و در صورت عدم برقراری این فرض منجر به اریبی نتایج می‌شود. In this paper, we are presenting the basic concepts of missing data in a very simple but practical approach.<br> Missing data are ubiquitous throughout the social, behavioral, and medical sciences. In Statistics, missing data occur when no data value is stored for the variable in the current observation. Missing data reduce the representativeness of the sample and can therefore distort inferences about the population.<br> Missing data are a common occurrence and can have a significant effect on the conclusions that can be drawn from the data. All the methods of parameters estimation are based on the completion of data set assumption and only in this case the result will be a non- biased one, and with the increase of missing proportion, the rate of biased results increase too.<br> For decades, researchers have relied on a variety of old techniques that attempt to &ldquo;fix&rdquo; the data by discarding incomplete cases or by filling in the missing values. Unfortunately, most of these techniques require a relatively strict assumption about the cause of missing data and are prone to substantial bias. داده گمشده, سازوکار گم‌شدگی کاملاً تصادفی, سازوکار گم‌شدگی تصادفی, سازوکار گم‌شدگی غیر قابل اغماض, سازوکار گم‌شدگی به علت ذات طرح Missing Data, Missing Completely at Random, Missing at Random, Non Ignorable, Missing by Natural Design 47 52 http://jdisabilstud.org/browse.php?a_code=A-10-30-1&slc_lang=fa&sid=1 Elaheh Kazemi الهه کاظمی 100319475328460021187 100319475328460021187 Yes Masoud Karimlo مسعود کریملو mkarimlo@yahoo.com 100319475328460021188 100319475328460021188 No دکترای آمار حیاتی، دانشیار دانشگاه علوم بهزیستی و توانبخشی Mahdi Rahgozar مهدی رهگذر 100319475328460021189 100319475328460021189 No