Suchergebnisse

"Die Verknüpfung von Prozess- und Befragungsdaten gewinnt in der empirischen Sozialforschung zunehmend an Bedeutung. Aus Datenschutzgründen können Befragte die Verknüpfung aber ablehnen, weshalb die verbleibende Stichprobe selektiv sein kann. Hier können Missing Data Techniken helfen, eventuelle Selektionsverzerrungen in empirischen Analysen zu korrigieren. Das Papier nutzt eine Befragung, in der unter anderem die Zustimmung zur Verknüpfung erbeten wurde, um den Erfolg ausgewählter Missing Data Techniken bei der Ausfallkorrektur im Rahmen einer Fallstudie zu vergleichen. Bei nicht zustimmenden Befragten werden ihre faktisch gegebenen Antworten auf 'fehlend' gesetzt, um so pseudo-fehlende Werte auf Basis eines empirischen (im Vergleich zu einem statistisch simulierten) Ausfallmechanismus zu erzeugen. Eine KQRegressionsanalyse wird durchgeführt und eventuelle Verzerrungen durch den Datenausfall werden jeweils alternativ durch fallweisen Ausschluss von Beobachtungen mit fehlenden Werten, eine Multiple Imputation (Ergänzung) der fehlenden Werte und durch Selektionskorrektur nach Heckman korrigiert. Die Ergebnisse der Korrekturverfahren werden mit Regressionsanalysen auf Basis der vollständigen Daten verglichen, welche die 'wahren' Regressionskoeffizienten liefern. Es zeigt sich in einer Beispielanalyse mit geringer Selektivität des Datenausfalles, dass hier alle Korrekturverfahren ähnlich gut abschneiden. In einer zweiten Analyse mit starker Selektivität lieferte ausschließlich die Multiple Imputation gute Ergebnisse, jedoch nur, wenn die abhängige Variable keine fehlenden Werte aufwies." (Autorenreferat)

"In studying changes in family formation over time, social researchers and demographers have primarily relied on retrospective and prospective marital and cohabitation histories collected from surveys. With the increasing use of these types of retrospective questions in surveys, social researchers have now begun to pay more attention to the quality of the data and the degree of accuracy with which respondents are able to remember past events. The purpose of this paper is to explore the incidence and demographic and socio-economic correlates of recall error and inaccuracy of reporting of marriage and cohabitation dates. In the first part the authors investigate the degree of precision with which dates are remembered using both descriptive and multivariate analysis. They then compare married and cohabiting partner's reports about when their relationship started in order to check the consistency of with which both partners date the same event." (author's abstract)

Im Kontext der Behandlung von fehlenden Werten werden in der gegenwärtigen Praxis vornehmlich Methoden, die auf der nicht überprüfbaren MAR-Annahme beruhen, angewendet. In vielen Fällen sind jedoch Zweifel an der Plausibilität dieser Annahme berechtigt, so dass die Notwendigkeit besteht, statistische Verfahren zur Behandlung von nicht ignorierbaren Ausfallmechanismen einzusetzen. In der Arbeit werden entsprechende Ansätze diskutiert, die der bestehenden Unsicherheit bezüglich des Ausfallmechanismus durch eine Sensitivitätsbetrachtung Rechnung tragen. Die Pattern-Mixture Modellierung erweist sich dabei als viel versprechender Ansatz, der mit den Erfordernissen der Behandlung von fehlenden Werten unter nicht ignorierbaren Ausfallmechanismen am besten vereinbar ist.

Im Kontext der Behandlung von fehlenden Werten werden in der gegenwärtigen Praxis vornehmlich Methoden, die auf der nicht überprüfbaren MAR-Annahme beruhen, angewendet. In vielen Fällen sind jedoch Zweifel an der Plausibilität dieser Annahme berechtigt, so dass die Notwendigkeit besteht, statistische Verfahren zur Behandlung von nicht ignorierbaren Ausfallmechanismen einzusetzen. In der Arbeit werden entsprechende Ansätze diskutiert, die der bestehenden Unsicherheit bezüglich des Ausfallmechanismus durch eine Sensitivitätsbetrachtung Rechnung tragen. Die Pattern-Mixture Modellierung erweist sich dabei als viel versprechender Ansatz, der mit den Erfordernissen der Behandlung von fehlenden Werten unter nicht ignorierbaren Ausfallmechanismen am besten vereinbar ist.

Fehlende Werte bilden seit jeher eine große methodische Herausforderung für quantitative Analysen in den Sozialwissenschaften. Die Methodenforschung deutet darauf hin, dass sich in einigen Bereichen das Problem fehlender Werte noch verschärfen wird. In dieser Arbeit werden zunächst die wichtigsten Theorien zu Item und Unit Nonresponse zusammengefasst. Anhand von Beispielen aus dem ALLBUS werden anschließend Analysen zu Item und Unit Nonresponse vorgenommen. Im Weiteren werden Korrekturmethoden für fehlende Werte durch ein auf realen Daten basierendes neues Verfahren verglichen. Dabei steht im Zentrum des Methodenvergleichs das Abschneiden der Multiplen Imputation als Korrekturmethode. Die Ergebnisse sprechen bei Item Nonreponse klar für die Anwendung der Multiplen Imputation vor allem bei multivariaten Analysen. Obwohl die Ergebnisse für Unit Nonresponse keine klaren Empfehlungen zulassen, erscheint der Weg, Multiple Imputation auch dort zu verwenden, bei günstiger Datenlage als Alternative zu Gewichtungen.