Missing Values (Fehlende Werte) - Einleitung

Fälle mit fehlenden Werten stellen eine wichtige Herausforderung dar, da bei typischen Modellierungsverfahren diese Fälle einfach aus der Analyse gelöscht werden. Wenn es wenige fehlende Werte (grob geschätzt weniger als 5 % der Gesamtzahl an Fällen) gibt und diese Werte als zufällig fehlend betrachtet werden, also das Fehlen eines Werts nicht von anderen Werten abhängt, dann ist die typische Methode des listenweisen Ausschlusses relativ sicher. Die Option "Missing Values" kann Ihnen helfen zu bestimmen, ob der listenweise Ausschluss ausreichend ist, und stellt andernfalls Methoden zur Handhabung fehlender Werte bereit.

Die Analyse fehlender Werte im Vergleich zu Verfahren multipler Imputation

Die Option "Missing Values" stellt zwei Arten von Verfahren für die Handhabung fehlender Werte bereit:

• Die multiple Imputation -Verfahren ermöglichen die Analyse von Mustern fehlender Daten, die auf die letztendliche multiple Imputation fehlender Werte ausgerichtet sind. Es werden mehrere Versionen des Datasets erzeugt, von denen jede ein eigenes Set an imputierten Werten enthält. Wenn statistische Analysen durchgeführt werden, werden die Parameterschätzungen für alle imputierten Datasets gesammelt. Sie stellen Schätzungen bereit, die im Allgemeinen genauer als die einzelner Imputationen sind.
• Die Analyse fehlender Werte stellt eine geringfügig andere Gruppe von beschreibenden Tools für die Analyse fehlender Daten (insbesondere des MCAR-Tests von Little) bereit und enthält eine Vielzahl einzelner Imputationsmethoden. Beachten Sie, dass die multiple Imputation im Allgemeinen als der einzelnen Imputation überlegen betrachtet wird.

Aufgaben fehlender Werte

Sie können mit der Analyse fehlender Wert anhand der folgenden grundlegenden Schritte beginnen:

1. Untersuchen Sie das Fehlen. Verwenden Sie die Analyse fehlender Werte und die Analyse von Mustern, um die Muster der fehlenden Werte in Ihren Daten zu untersuchen und zu bestimmen, ob eine multiple Imputation erforderlich ist.
2. Fehlende Werte imputieren. Verwenden Sie "Fehlende Datenwerte imputieren", um imputierte fehlende Werte zu multiplizieren.
3. Analysieren Sie die "vollständigen Daten". Verwenden Sie ein Verfahren, das Daten aus multipler Imputation unterstützt. Informationen zur Analyse von Multiple-Imputation-Datasets und eine Liste von Prozeduren, die diese Daten unterstützen, finden Sie unter Analysieren von Multiple-Imputation-Daten .