Datadekning

Datadekning innebär hur mycket av ett dataset som faktiskt innehåller information för de relevanta enheterna och variablerna. Det beskriver i vilken utsträckning data är närvarande, snarare än endast antalet observationsenheter.

Datadekning kan delas in i flera dimensioner: observationsdäckning (andel enheter som har någon observerad data), variabel däckning (andel variabler som är observerade för varje enhet) och tidsdäckning (hur täckningen ser ut över tid).

Vanliga mått är andelen icke-missade värden, medelvärden för täckning per variabel och per enhet samt tidsmässig täckning i serier. Vid analys används metoder för saknade data som passar mekanismen bakom bortfallet (MCAR, MAR, MNAR).

Låg datadekning kan ge bias och minska statistisk power, medan hög täckning underlättar robusta slutsatser. Förbättringar sker ofta genom bättre datainsamling, dataintegration och genomförd kvalitetskontroll samt försiktiga imputationer.

Användningsområden inkluderar hälso- och sjukvård, befolkningsforskning, miljö och företagsdata där källor varierar i fullständighet. Att dokumentera datadekning i metadata gör det möjligt för användare att bedöma begränsningar och rätta slutsatser efter datasetets täckning.