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!
Sie können die Daten in der 1. Tabelle verändern, indem Sie in die entsprechende Zelle doppelklicken.
Alles zurück setzen
Aktualisieren
Complete Case Analysis:
Best Case Analysis:
Worst Case Analysis:
Test Sie Ihr Wissen: Willkommen zu unserem Quiz!