Datengewichtung

Was versteht man unter Datengewichtung?

Bei der Datengewichtung wird jeder Beobachtung in einem Datensatz ein numerischer Faktor – das sogenannte Gewicht – zugewiesen. Dieses Gewicht gibt an, wie stark eine Beobachtung in die Berechnung eines Ergebnisses (z. B. eines Mittelwerts oder einer Häufigkeit) einfließt. Formal lässt sich ein gewichtetes arithmetisches Mittel wie folgt ausdrücken:

Dabei steht für den Wert der i-ten Beobachtung und für das ihr zugeordnete Gewicht. Ist jedes Gewicht gleich groß, entspricht das gewichtete Mittel dem einfachen arithmetischen Mittel.

Man unterscheidet grundsätzlich zwei Anlässe für eine Gewichtung:

• Designgewichtung: Korrektur für ein ungleichwahrscheinliches Stichprobendesign (z. B. wenn bestimmte Gruppen absichtlich über- oder unterrepräsentiert wurden).
• Nachträgliche Anpassungsgewichtung: Angleichung der Stichprobenzusammensetzung an bekannte Populationsmerkmale, um Verzerrungen durch Ausfälle oder Selbstselektion zu reduzieren.

Warum ist Datengewichtung für statistische Analysen wichtig?

Viele Erhebungen – von wissenschaftlichen Umfragen bis hin zu Bevölkerungsstudien – liefern keine perfekt repräsentative Stichprobe. Bestimmte Gruppen sind häufiger dabei als andere, weil sie leichter erreichbar sind, häufiger teilnehmen oder gezielt überrepräsentiert wurden. Ohne Gewichtung würden Schätzungen für die Gesamtpopulation verzerrt (biased) sein.

Durch eine korrekte Gewichtung lassen sich folgende Probleme abmildern:

• Stichprobenfehler durch ungleiche Auswahlwahrscheinlichkeiten (z. B. bei geschichteten oder geklumpten Stichproben)
• Nonresponse-Bias: Wenn bestimmte Personengruppen systematisch seltener antworten
• Coverage-Bias: Wenn die Grundgesamtheit im Stichprobenrahmen nicht vollständig abgebildet ist

Gewichtete Daten ermöglichen damit generalisierbare Aussagen über eine Zielpopulation, auch wenn die Stichprobe nicht perfekt proportional zusammengesetzt ist.

Praxisbeispiel zu Datengewichtung

Angenommen, du führst eine Umfrage zur Zufriedenheit mit dem öffentlichen Nahverkehr durch. Du befragst 200 Personen, davon 150 unter 35 Jahren und 50 über 35 Jahren. In der tatsächlichen Bevölkerung deiner Stadt ist das Verhältnis aber 50:50 – beide Altersgruppen sind gleich groß.

Um die Stichprobe an die Bevölkerungsstruktur anzupassen, berechnest du für jede Gruppe ein Gewicht:

Die unter 35-Jährigen sind überrepräsentiert und erhalten daher ein Gewicht kleiner als 1 (sie werden „nach unten“ gewichtet). Die über 35-Jährigen sind unterrepräsentiert und erhalten ein Gewicht größer als 1. Berechnest du anschließend die durchschnittliche Zufriedenheit, fließen die Antworten beider Gruppen nun so ein, als wären sie gleich häufig vertreten – was der tatsächlichen Bevölkerungsstruktur entspricht.