Datos faltantes y atípicos
Limpieza de datos en prosa STROBE
Datos faltantes y atípicos
Limpieza de datos en prosa STROBE
Vista previa
Descripción
Cuando introduces el tamaño de la muestra, la tasa y el patrón de datos faltantes (MCAR/MAR/MNAR), el método utilizado para tratar los datos faltantes (eliminación por lista, imputación múltiple, etc.) y el método de detección de valores atípicos (puntuación Z, IQR, Mahalanobis), genera un párrafo académico que puedes añadir directamente a la sección «Preprocesamiento de datos» de tu artículo. Si existe una contradicción metodológica entre el método elegido y el patrón de datos faltantes —por ejemplo, usar la eliminación por lista con un patrón MNAR—, la señala claramente. Es adecuado para estudiantes de posgrado e investigadores que realizan análisis de datos de encuestas o clínicos y quieren redactar de forma rápida y precisa la sección de preprocesamiento de datos.
Recomendado por
Shuting@YouMind
Por qué recomendamos esta habilidad
Convierte la limpieza de datos en una sección de «Preprocesamiento de datos» conforme a STROBE y defendible ante revisores, cuidando especialmente la coherencia metodológica entre los datos faltantes, la imputación, los valores atípicos y la muestra final.
Ideal para
Para estudiantes e investigadores que analizan datos de encuestas o clínicos.
Cómo usar este Skill
Proporciona los datos
Proporciona el tamaño de la muestra, la tasa y el patrón de datos faltantes, el método utilizado, el enfoque para valores atípicos y el tamaño final de la muestra.
Ejecuta el Skill
El asistente evalúa la coherencia metodológica de tu proceso de preprocesamiento de datos y lo transforma en un texto académico.
Revisa el resultado
Recibirás un párrafo de preprocesamiento de datos para añadir a tu artículo, la justificación del método y una advertencia sobre el análisis de potencia.
Habilidades relacionadas
Ver todo
InvestigaciónRedactor estadístico
Convierte los resultados de estadística descriptiva del usuario (media±DE o mediana(RIC), n(%)) en un párrafo académico de «Características de los participantes» listo para añadir directamente a un artículo y en una tabla con formato de Tabla 1. Selecciona la estadística descriptiva adecuada según la normalidad (media±DE frente a mediana(RIC)) y nunca las mezcla. Adecuado para estudiantes de posgrado y académicos que realizan investigación cuantitativa y quieren redactar de forma rápida y precisa la sección «Participantes» de su artículo.
InvestigaciónAsistente de datos faltantes
Al introducir el tamaño de la muestra, la proporción o el patrón de datos faltantes (MCAR/MAR/MNAR), el método utilizado para tratarlos (eliminación por casos completos, imputación múltiple, etc.) y el método de detección de valores atípicos (puntuación Z, IQR, Mahalanobis), genera un párrafo académico que se puede insertar directamente en la sección «Preprocesamiento de datos» de tu manuscrito. Si existe una contradicción metodológica entre el método elegido y el patrón de datos faltantes (por ejemplo, usar la eliminación por casos completos con un patrón MNAR), la señala explícitamente. Adecuado para estudiantes de posgrado e investigadores que realizan análisis de datos de encuestas o clínicos y quieren redactar la sección de preprocesamiento de datos de forma rápida y correcta.
InvestigaciónRedactor de alfa de Cronbach
Convierte las estadísticas de fiabilidad introducidas por el usuario (alfa de Cronbach, número de ítems y subdimensiones) en un párrafo académico de «Análisis de fiabilidad» listo para añadir directamente a un artículo. Ofrece una tabla de aceptabilidad por subdimensión y, si detecta un alfa bajo (<.60), lo señala claramente sin ocultarlo. Adecuado para estudiantes de posgrado e investigadores que utilizan escalas y desean redactar de forma rápida y precisa la sección de método de una tesis o un artículo.
Información
- Versión
- v2
- Última actualización
- Créditos por ejecución
- Según el uso
- Modelos
- Automático
- Casos de uso
- Escritura y contenidoInvestigación y análisis
- Qué obtendrás
- Artículo
