Das Multiple-Imputationsverfahren hilft Ihnen, die Muster der fehlenden Daten in Ihrem Dataset zu verstehen, und ermöglicht es Ihnen, fehlende Werte durch plausible Schätzungen zu ersetzen. Es bietet einen vollautomatischen Imputationsmodus, der auf der Grundlage von Merkmalen Ihrer Daten die am besten geeignete Imputationsmethode auswählt und Ihnen gleichzeitig die Anpassung Ihres Imputationsmodells ermöglicht.

Sie können mögliche Werte für fehlende Werte generieren, um mehrere „vollständige“ Datensätze zu erstellen. Analyseverfahren, die mit Multiple-Imputation-Datasets arbeiten, erzeugen eine Ausgabe für jeden „vollständigen“ Datensatz sowie eine gepoolte Ausgabe, die schätzt, wie die Ergebnisse ausgesehen hätten, wenn der ursprüngliche Datensatz keine fehlenden Werte enthalten hätte. Diese zusammengefassten Ergebnisse sind in der Regel genauer als die Ergebnisse von einzelnen Imputationsmethoden.

Mit dem Gesamtbericht über fehlende Werte können Sie schnell feststellen, ob ein ernsthaftes Problem mit fehlenden Daten vorliegt. Der Bericht über das Muster fehlender Werte bietet einen fallbezogenen Überblick über Ihre Daten. Er zeigt eine Momentaufnahme jeder Art von fehlendem Wert und alle Extremwerte für jeden Fall an. Der Bericht „Gesamtübersicht über fehlende Werte“ kann Tortendiagramme anzeigen, die verschiedene Aspekte der fehlenden Werte in den Daten darstellen.