وجود داده‌های مفقوده یکی از مسائل عمومی در مطالعات افکارسنجی پانل می‌باشد. این داده‌ها عمدتاً ناشی از افت پاسخگویان در موج‌های مطالعه یا عدم پاسخ به پاره‌ای از سوالات از سوی پاسخگویان می‌باشد. بویژه هنگامی که داده‌های مفقوده ناشی از فرسایش نمونه در مطالعه می‌باشد، چالش‌های اساسی برای قدرت تبیین مطالعه فراهم می‌سازند. بنابراین داده‌های مفقوده بعنوان یک منبع بالقوه اریب برای گردآوری داده‌ها در مطالعات افکارسنجی پانل محسوب می‌شوند که می‌توانند منجر به نتایج گمراه کننده در تحلیل داده‌ها گردند. بویژه هنگامی که میزان داده‌های مفقوده زیاد است، تعیین رهیافت مناسب برای رفتار با داده‌های مفقوده و استفاده از استراتژیهای مناسب بسیار حائز اهمیت است. بر این اساس درک الگوهای داده‌های مفقوده، نخستین قدم در تحلیل داده‌های ناقص است، زیرا درک مکانیزم احتمالی چگونگی ایجاد دادة مفقوده در ترسیم استنباط آماری معتبر در تحلیل داده‌های ناقص کلیدی است. برای این منظور مطالعه حاضر پس از بررسی انواع داده‌های مفقوده در مطالعات افکارسنجی پانل به معرفی انواع مکانیزم‌های داده‌های مفقوده، یعنی MCAR, MAR, NMAR پرداخته و معتقد است که مطالعات افکارسنجی پانل با توجه به وسعت و قلمرو مطالعه با پدیده «تنوع مکانیزم‌های مفقودیت» روبرو هستند. در ادامه با توجه به مکانیزم‌های مفقودیت و سطح داده‌های مفقوده به بررسی انواع روش‌های رفتار با داده‌های مفقوده در مطالعات افکارسنجی پانل پرداخته و نقاط ضعف و قوت هر روش را مورد توجه قرار داده است. یافته های مطالعه نشان می‌دهد که در مطالعات افکارسنجی پانل برای استفاده از حداکثر داده‌ها و جلوگیری از انواع اریب‌های ناشی از وجود داده‌های مفقوده و با توجه به پدیده تنوع مکانیزم‌های مفقودیت، از روش‌هایی استفاده گردد که در تمام سطوح مفقودیت و انواع مکانیزم‌های مفقودیت نتایج دقیق‌تری به همراه داشته باشد. مقاله بعنوان یک روش پیشنهادی، روش FIML بر پایه بیشینة درست‌نمایی را معرفی و به بررسی مزایا و معایب استفاده از این روش در مطالعات افکارسنجی پانل پرداخته است

کلمات کلیدی