ANOVA à mesures répétées avec données manquantes (Statistica

Bonjour à tous,

j'aimerais savoir si quelqu'un savait comment conserver les lignes avec des données manquantes pour réaliser une ANOVA à mesures répétées. Les logiciels de stats ont tendance à supprimer la ligne comportant des trous même si la plupart des répétitions (ou conditions) sont renseignées.
Je possède un tableau avec beaucoup de trous. En supprimant les données manquantes, il ne reste alors plus grand chose de mon échantillon.
Quelqu'un serait-il faire ça sous Statistica (Statsoft) ?

Merci d'avance !

pourquoi ne pas remplacer les trous par les moyennes des variables ?

Merci de ta réponse,

par contre, j'ai des valeurs qui peuvent être assez variables et surtout j'ai beaucoup de trous ! Donc, je ne suis pas sûr que remplacer les trous par la moyenne des valeurs que j'ai soit très carré ...

En fait, je pose la question, parce que j'ai vu faire cette procédure sous SAS, et j'aimerais faire de même sous Statistica.
J'ai beaucoup de jeux de données avec des trous partout. Et forcément, si on me supprime les lignes dès qu'il y a une donnée manquante, le N chute, et souvent, Statistica ne veut même pas me lancer l'ANOVA !

Salut,

perso je suis pas trop pour le fait de remplacer les valeurs manquantes par la moyenne (tout dépend de la situation aussi).
Mais dans ton cas tu as l l'air d'avoir bcp de valeurs manquantes, tu vas resserer ta distribution autour de ta moyenne.
Je ne sais pas dans kel cadre tu utilises tes données répétées mais cela peux etre très genant.

il y a beaucoup de méthode qui tourne autour de ce sujet mais ca peux devenir tres complexe et je ne pourrais pas trop t'aider sur ce point pour le moment. C'est une thématique que je souhaite creuser quand j'aurais un peu de temps.


Hita

oups j' ai oublié, pour ta répétée :

il y a ton nombre d'individus et ton nombre de mesures par individu aussi qui jouent.
Si tu a bcp de mesures cela peux compenser un peu. C'est ton nombre de mesures qui va te permettre d'etre précis dans ta modélisation de l'erreur (corrigez moi si je me trompe).
j'ai vu tourner des mesures répétées sur 12 sujets mais avec 14 mesures
(ou 14 sujets et 12 mesures je ne sais plus c'est pas moi qui m'en suit occupé et cela date) et nous avions un bel effet et de bonne propriétée du modele (de mémoire toujours)

Regarde aussi comment osnt réparties tes données manquantes dans les groupes voir si cela n'est pas déséquilibré

a ++