Simulationsstudie zum Vergleich Multipler Imputationen und der Analyse vollständiger Fälle in sozialwissenschaftlichen Daten

Einleitung: Fehlende Werte sind ein allgegenwärtiges Problem in der Analyse sozialwissenschaftlicher Daten. Es ist dabei wahrscheinlich, dass das Fehlen von Werten mit anderen beobachteten (Missing At Random, MAR) oder unbeobachteten (Missing Not At Random, MNAR) Eigenschaften zusammenhängt, statt gänzlich zufällig (Missing Completely At Random, MCAR) zu sein. Bei der Analyse vollständiger Fälle (Complete Cases, CC) führt dies zu deutlich größeren Standardfehlern und teils Verzerrungen in den Schätzern, doch modernere Methoden wie Multiple Imputationen (MI) werden selten genutzt. Am Beispiel einer Analyse aus de…