After Work Statistics - Fehlende Information? Umgang mit fehlenden Daten.


Kurze Wiederholung:


  • Parameter mit fehlenden Werten, können nicht wie geplant ausgewertet werden. Ergebnisse werden ungenauer und können verzerrt sein.
  • Fehlende Daten können folgende Strukturen aufweisen:
    • Missing Completely at Random (MCAR).
      -> Fehlen der Daten ist zufällig, z.B. Fragebögen gehen in der Post verloren...
      Konsequenz: kein Bias (Verzerrung), nur Fallzahl/ Power Verlust
    • Missing at Random (MAR.)
      -> Fehlen unabhängig vom wahren (fehlenden) Wert, aber abhängig von Werten anderer, beobachteter Variablen, z.B. Fehlen von Angaben zum Einkommen unabhängig von der Höhe des Einkommens, aber abhängig vom Geschlecht...
      Konsequenz: Verzerrung (Bias) möglich.
    • Missing not at Random (MNAR).
      -> Fehlen abhängig vom wahren (fehlenden) Wert, z.B. Fehlen von Angaben zum Einkommen abhängig von der Höhe des Einkommens ...
      Konsequenz: Bias!


This Shiny app is hosted by

Sie können die Daten in der 1. Tabelle verändern, indem Sie in die entsprechende Zelle doppelklicken.


Complete Case Analysis:



Best Case Analysis:



Worst Case Analysis:

Test Sie Ihr Wissen: Willkommen zu unserem Quiz!