Multiple Imputation
In: Methoden der Politikwissenschaft: neuere qualitative und quantitative Analyseverfahren, S. 205-216
"Die multiple Imputation ist ein Verfahren zum Umgang mit fehlenden Werten bei der Datenanalyse, also dann, wenn die fehlenden Werte bereits entstanden sind. Unter multipler Imputation wird die Ergänzung (Imputation) fehlender Werte durch mehrere (multiple) 'plausible' Werte unter einem für die Daten geeigneten Modell verstanden. Multiple Imputationen können als eine Abfolge von drei Schritten dargestellt werden: Im Imputationsschritt werden für jeden fehlenden Wert D>1 Werte generiert und damit D>1 vervollständigte Datensätze erstellt, die keine fehlenden Werte mehr enthalten. Im Analyseschritt werden die D vervollständigten Datensätze getrennt mit Verfahren zur Analyse kompletter Daten ausgewertet. Im Integrationsschritt werden die Ergebnisse der D Einzelanalysen zu einer gemeinsamen Schätzung (Punktschätzer und Standardfehler) kombiniert. Der theoretisch und rechentechnisch anspruchsvollste Schritt ist die Erzeugung korrekter Imputationen. Wichtig ist, dass es sich bei den ergänzten Werten nicht um ad hoc, beliebig oder willkürliche eingesetzte Werte handelt, sondern um Werte, die unter einem spezifizierten Modell für die Daten auf Basis der beobachteten Werte wahrscheinlich sind. Multiple Imputationen sind dem listenweisen Ausschluss von fehlenden Werten (Listwise Deletion) überlegen, weil letzterer eine restriktivere Annahme über die fehlenden Werte trifft." (Autorenreferat)