5. Datenkontrolle

Question 1

Wann liegt Non Random Missing vor?

Answer 1

Es liegt vor wenn das Fehlen des Wertes nicht von die Variablen des Datensatzes vorhergesehen werden kann

Question 2

Problem bei NRM

Answer 2

Jede Form der Ersetzung ist sehr schwierig

Question 3

Notwendigkeit der Datenkontrolle

Answer 3

• Primäre Aufgabe der Statistik: Datenanalyse

- man muss sich fragen: wie ist diese Datei entstanden?

Question 4

Erhebungsmethoden

Answer 4

1. Befragungsmethode („Standardmethode“)
   • schriftlich —> sehr ökonomisch
   • Interview —> offen, teilstandardisiert und standardisiert
2. Beobachtung
3. Neue Datenquellen (EEG, Blutwerte, Online-Studien)

Question 5

Wofür müssen die Daten vor der Analyse kontrolliert werden?

Answer 5

— Verständnis der VPn
— Fehleingaben
— Plausibilität

Question 6

Umgang mit Ausreißern?

Answer 6

1. mit und ohne Ausreißern rechnen
2. Gibt es Unterschiede?
3. Nur signifikante Ergebnisse mit Ausreißern —> kritische Diskussion

WINSORISIEREN

Question 7

Winsorisieren

Answer 7

alle werte unterhalb der 5% Grenze —> werden durch den wert der unteren Grenze ersetzt

alle Wert oberhal ber 95% Grenze —> werden durch den Wert der oberen Grenze ersetzt

Question 8

Winsorisieren: Vorteil?

Answer 8

SP Größe bleibt erhalten

Question 9

Winsorisieren: Nachteil

Answer 9

keine gute Schaetzung des wahren Werts –> der ersetzte Wert ist falsch

Question 10

Systematischer Dropout

Answer 10

Nur bestimmte Personen fallen raus

• -> die am staerksten belasteten
• -> die “schlechtesten”
• -> die ungeeigneten
• -> die am wenigsten motivierten

VERZERRUNG

Question 11

“Missing Data”

Answer 11

wenn Werte im Datensatz fehlen, obwohl die entsprechenden Merkmalsauspraegungen empirisch vorhanden sind

Question 12

Umgang mit Missing Data

Answer 12

listwise Deletion –> Person wird komplett aus der Analyse geschlossen
Pairwise Deletion –> Person wird teilweise ausgeschlossen
Ersetzung durch den Mittelwert
Regressionsimputation –> Vorhersage

Question 13

Missing Data - Diagnose

Answer 13

• Anzahl fehlende Werte pro Variable und pro Person auftragen lassen

–> mehr als 5%?

• Suche nach Unterschieden zwischen Personen mit und ohne fehlende Werte
• Unterschiede innerhalb des Merkmals?

Question 14

MCAR

Answer 14

Missing Completely at Random

• fehlende Werte sind VOLLKOMMEN ZUFAELLIG verteilt
• VPn mit fehlende Werte = VPn ohne

Question 15

MCAR: Folgen

Answer 15

keine Verzerrung

Question 16

MAR

Answer 16

Missing at Random

• Personen mit fehlenden Werten unterscheiden sich von Personen ohne
• Das Auftreten eines fehlenden Werts kann durch anderen Variablen vorhergesagt werden
• nicht von der untersuchten Variablen selbst

Question 17

MAR: Folgen

Answer 17

Verzerrung

–> Ersetzungsverafhren moeglich

Question 18

NRM

Answer 18

Non-Random Missing

• Personen mit fehlenden Werten unterscheiden sich von Personen ohne
• Das Auftreten von fehlenden Werten steht in Zusammenhang mit der Auspraegung der Person in DIESER Variable selbst

Question 19

NRM: Folgen

Answer 19

Verzerrung

–> keine Ersetzungsverfahren moeglich