Robuste und effiziente multiple Imputation komplexer Datensätze

点击翻译按钮获取中文摘要

Selbst in sorgfältig durchgeführten wissenschaftlichen Umfragen treten fehlende Werte auf. Valide Inferenzen basierend auf unvollständig beobachteten Datensätzen sind aber nur möglich, wenn das Problem fehlender Werte angemessen behandelt wird. Eine zunehmend auch von Bereitstellern öffentlich nutzbarer Datensätze akzeptierte Methode zur Kompensation fehlender Werte ist die Methode der multiplen Imputation. Verfügbare modell-basierte Techniken zur Erzeugung multipler Imputationen sind beschränkt auf parametrische Modelle, die, wenn fehlspezifiziert, zu unnötig ungenauen oder sogar verzerrten Inferenzen führen können. Darüber hinaus sind die verfügbaren Programme nicht zur Imputation großer, komplexer Datensätze mit Clusterstrukturen oder Paneldatensätze vorgesehen. Im beantragten Projekt werden Prozeduren zur Erzeugung multipler Imputationen erweitert um, basierend auf einem approximativen Bayes- sowie einem Bayes-Ansatz, eine effiziente und robuste multiple Imputation komplexer Datensätze und damit valide und genauere Inferenzen zu ermöglichen. Weiterhin sollen, auf der Basis existierender und im Projekt zu entwickelnder Programme, Richtlinien zum Umgang mit der Methode der multiplen Imputation insbesondere im Hinblick auf mögliche, in der Literatur diskutierte Grenzen erarbeitet und veröffentlicht werden. Die Notwendigkeit der zu entwickelnden Erweiterungen wird anhand inhaltlicher Anwendungen und mit Hilfe realer Datensätze illustriert werden. Die Imputations-Programme werden der Scientific Community zur Verfügung gestellt.