Kostenko, YaroslavYaroslavKostenko2025-10-082025-10-082024-12-30Kostenko, Y. (2024). Impact of Missing Data on Data Quality in Social Research. Sociological Studios, (2), 58–69. https://doi.org/ 10.29038/2306-3971-2024-02-31-31UDC 316.410.29038/2306-3971-2024-02-31-31https://ir.library.knu.ua/handle/15071834/8087Missing data is a common issue in quantitative social research that negatively affects the data quality. This article explores the consequences of missing data, outlining the potential issues it may pose and emphasizing the importance of properly addressing the missingness. It outlines the patterns of missing data, with a focus on the need to distinguish data that's Missing at Random and data that's Missing Not at Random, explaining how these patterns may affect the choice of handling methods. The article illustrates various approaches to managing missing data through a combination of hypothetical scenarios and case studies from actual research in order to showcase the application and effectiveness of various methods. It showcases the traditional methods of handling missing data, such as complete case analysis and simple imputation methods, and their limitations. Emphasizing the importance of advanced statistical techniques, the article advocates for the use of multiple imputation as a main method of choice when dealing with missing data. By providing a methodological comparison and a strategic framework for social scientists facing missing data challenges, this work provides a strategy to be employed by social scientists when dealing with missing data in order to ensure the proper data quality.Костенко Ярослав. Вплив відсутніх даних на якість результатіву соціологічних дослідженнях. Від-сутні дані –це поширена проблема у кількісних соціологічних дослідженнях, що негативно впливає на якість результатів. У статті описаноключові проблеми, що виникають унаслідок пропущених даних, задля розвʼязанняяких пропущені дані мають бути коректно адресовані. Розглядаються патерни пропущених данихз акцентомна відмінностіміж патернами «Missing at Random»та «Missing Not at Random», оскільки ці відмінностівпливають на методологію роботи з пропущеними даними. У статтівикористаногіпотетичні приклади йкейси реальних досліджень для ілюстрації застосування методів роботи з пропущенимиданими. Розглянутонайбільш поши-рені методи роботи з пропущеними даними, як-отаналіз повного кейсу та одинарна імпутація, та наголошено нанедолікахзастосуваннятаких методів. Закликаєтьсядо використання множинної імпутації як основного методу роботи з пропущеними даними та пропонуєтьсязагальнастратегіядля роботи з ними, що дає можли-вість дослідникам-соціологам забезпечувати якість даних у кількісних соціологічних дослідженнях.enMissing DataData QualityData ImputationMultiple Imputationропущені даніякість данихімпутаціяданихмножинна імпутаціяСтаття