Braki danych (missing data) – występują wtedy, gdy dla części obserwacji nie są dostępne wartości jednej lub większej liczby zmiennych. W arkuszu danych mogą być reprezentowane jako puste komórki, symbole takie jak NA lub NaN, albo specjalne kody użytkownika.

W programach statystycznych sposób kodowania braków zależy od używanego narzędzia. Przykładowo w IBM SPSS Statistics można zdefiniować wartości takie jak 99 lub 999 jako braki danych. Ważne jest jednak, aby takie kody były jednoznacznie oznaczone, ponieważ w przeciwnym razie program może potraktować je jak zwykłe wartości liczbowe.  Braki danych nie są wyłącznie problemem technicznym – sposób ich powstawania może wpływać na poprawność estymacji i wnioskowania statystycznego. 

Najczęściej wyróżnia się trzy podstawowe mechanizmy braków danych:

• MCAR (Missing Completely At Random) – prawdopodobieństwo braku danych nie zależy ani od obserwowanych, ani od nieobserwowanych wartości,
• MAR (Missing At Random) – brak może zależeć od innych obserwowanych zmiennych, ale po ich uwzględnieniu nie zależy od brakującej wartości,
• MNAR (Missing Not At Random) – prawdopodobieństwo braku zależy od samej brakującej wartości lub od nieobserwowanych czynników.

• usuwanie przypadków (listwise deletion) – z analizy wykluczane są obserwacje z brakami w którejkolwiek z wymaganych zmiennych,
• usuwanie parami (pairwise deletion) – dla każdej analizy wykorzystywane są wszystkie przypadki posiadające wymagane dane,
• imputacja wielokrotna (multiple imputation) – tworzy się kilka wersji zbioru z uzupełnionymi wartościami, a wyniki analiz są następnie łączone,
• metody oparte na pełnej informacji, np. FIML (Full Information Maximum Likelihood) – parametry modelu estymowane są bez konieczności wcześniejszego uzupełniania wszystkich braków.

Proste zastępowanie braków średnią lub medianą jest łatwe, ale zazwyczaj nie jest zalecaną metodą inferencyjną, ponieważ może sztucznie zmniejszać wariancję, osłabiać związki między zmiennymi i zaniżać błędy standardowe. Braki danych mają znaczenie w wielu analizach, np. regresji liniowej, ANOVA, analizie czynnikowej, modelach podłużnych czy modelowaniu równań strukturalnych. W zależności od metody program może automatycznie usuwać niekompletne przypadki albo stosować bardziej zaawansowaną estymację.

PRZYKŁAD RÓŻNIC MIĘDZY MECHANIZMAMI BRAKÓW DANYCH