Missing-Data-Diagnostik

 

(= M.) [engl. missing data diagnostics], [FSE], Verfahren zur Identifikation systematischer Missing-Data-Strukturen in Datensätzen. Bei mehr als fünf Prozent fehlenden Werten sollte stets eine M. erfolgen. Mittels einfacher deskriptiver Auswertung (z. B. Korrelation des Fehlens von Angaben mit Personenmerkmalen wie z. B. Alter oder Teilnahmemotivation) können Besonderheiten und Verzerrungen im Datensatz ermittelt werden, die Hinweise auf Missing-Data-Prozesse geben können. Die Anzahl der fehlenden Werte pro Person und Variablen sollte best. werden (z. B. mit dem M. Modul von SPSS), so dass evtl. auf best. Pbn oder Variablen in der weiteren, eigentlichen Analyse dokumentiert ausgeschlossen werden. Zudem sollten Muster von Fehlangaben identifiziert werden. Zwar sind versch. Hypothesen zur Ursache der fehlenden Werte nicht stat. prüfbar, aber der Analysierende erhält Hinweise auf systematische Ausfallstrukturen. Zudem können Variablen entdeckt werden, welche mit dem Fehlen best. Werte in Zusammenhang stehen, welche bei einer Imputation berücksichtigt werden können.

Referenzen und vertiefende Literatur

Sie sind schon registriert? Zur Anmeldung
Erstellen Sie einen Account um das komplette Literaturverzeichnis einzusehen.