Kurzfassung

Multiple Imputationen werden heute benutzerfreundlich in statistischen Software Programmen angeboten, man kann sie mit wenigen „Mausklicks“ ausführen. Die Programme suggerieren, dass man keinerlei Hintergrundkenntnisse benötigt. Zudem werden multiple imputationen auch für kleine Datensätze empfohlen, obwohl sich ihre Theoreme sowie die meisten Simulationen auf große bis sehr große Fallzahlen beziehen. Mit der hier beantragten Simulationsstudie sollen verschiedene für Medizin und...Multiple Imputationen werden heute benutzerfreundlich in statistischen Software Programmen angeboten, man kann sie mit wenigen „Mausklicks“ ausführen. Die Programme suggerieren, dass man keinerlei Hintergrundkenntnisse benötigt. Zudem werden multiple imputationen auch für kleine Datensätze empfohlen, obwohl sich ihre Theoreme sowie die meisten Simulationen auf große bis sehr große Fallzahlen beziehen. Mit der hier beantragten Simulationsstudie sollen verschiedene für Medizin und Sozialwissenschaftliche Studien typische Situationen generiert und die unterschiedlichen Substitutionsmethoden examiniert werden. Dazu werden 4% - 68% fehlende Daten in verschieden großen Datensätzen mit unterschiedlichen Methoden substituiert und Parameter wie Regressionskoeffizienten, erklärte Varianz oder Signifikanz geschätzt. Die fehlenden Werte werden artifiziell als Missing Completely at Random (MCAR), oder als Kombination von MCAR mit Missing at Random (MAR) oder Missing Not at Random (MNAR) eingeführt. Die Simulationen sollen realitätsnah gestaltet werden. Erwartet wird, dass Parameter bestimmt werden können, anhand derer sich bestimmen lässt, ob eine bestimmte Form der multiplen Imputation bei einem Datensatz erfolgversprechend angewendet werden kann oder nicht. » weiterlesen» einklappen