Zum Hauptinhalt springen Zur Suche springen Zur Hauptnavigation springen
Datensätze in den Sozialwissenschaften weisen häufig fehlende Beobachtungen (Missing Data) auf. Nach einer Charakterisierung unterschiedlicher Mechanismen, die zu fehlenden Daten führen, gibt der vorliegende Beitrag einen Überblick über die in der Literatur zu (Missing Data) diskutierten Verfahren, wobei drei Gruppen von Verfahren unterschieden werden: Klassische Verfahren (z.B. fallweiser Ausschluss), imputationsbasierte Verfahren, bei denen fehlende Werte ersetzt (imputiert) werden und modellbasierte Vorgehensweisen, in denen die Schätzung des Modells und die Behandlung der fehlenden Werte in einem Schritt vorgenommen werden. Die Umsetzung der verschiedenen Verfahren wird an einem artifiziellen Datenbeispiel illustriert. Des Weiteren werden spezielle Herausforderungen (z.B. Mehrebenenstruktur, latente Variablen) diskutiert, mit denen empirische Bildungsforscher beim Umgang mit fehlenden Werten in der Forschungspraxis konfrontiert sind, für die es aber häufig noch kein allgemein akzeptiertes Vorgehen gibt. Abschließend wird ein kurzer Ausblick auf zukünftige Forschung gegeben.



Inhalt:

1. Einleitung

2. Grundlagen

3. Verfahren zum Umgang mit fehlenden Werten

4. Spezielle Herausforderung

5. Ausblick

Literatur
Inhalte werden geladen ...
Inhalte werden geladen ...