Missing-Data-Analyse
In diesem Beitrag
Was versteht man unter Missing-Data-Analyse?
Als Missing-Data-Analyse bezeichnet man die systematische Untersuchung fehlender Werte in einem Datensatz – also Beobachtungen, für die keine Messung vorliegt. Ziel ist es, das Muster und den Mechanismus der fehlenden Daten zu verstehen, bevor man entscheidet, wie man damit umgeht.
In der Statistik unterscheidet man drei grundlegende Fehlend-Mechanismen, die von Rubin (1976) formalisiert wurden:
- MCAR (Missing Completely At Random): Das Fehlen eines Wertes ist völlig zufällig und hängt weder von den beobachteten noch von den fehlenden Werten ab. Beispiel: Ein Fragebogenbogen geht zufällig verloren.
- MAR (Missing At Random): Das Fehlen hängt von anderen beobachteten Variablen ab, aber nicht vom fehlenden Wert selbst. Beispiel: Ältere Personen lassen eine Frage häufiger aus, aber das Alter ist bekannt.
- MNAR (Missing Not At Random): Das Fehlen hängt vom Wert selbst ab, der fehlt. Beispiel: Personen mit sehr niedrigem Einkommen geben dieses seltener an.
Die Unterscheidung ist entscheidend, weil sie bestimmt, welche Methoden zur Behandlung fehlender Werte zulässig und sinnvoll sind – etwa listwise Deletion, Mean Imputation, Multiple Imputation oder Full Information Maximum Likelihood (FIML).
Warum ist Missing-Data-Analyse für statistische Analysen wichtig?
Fehlende Werte sind in der Praxis fast unvermeidlich – ob in Umfragedaten, klinischen Studien oder administrativen Datensätzen. Das Problem: Werden sie ignoriert oder falsch behandelt, können die Ergebnisse verzerrt und die Schlussfolgerungen einer Studie schlicht falsch sein.
Die häufigste Reaktion auf fehlende Daten ist der sogenannte vollständige Fallausschluss (listwise deletion), bei dem alle Beobachtungen mit mindestens einem fehlenden Wert aus der Analyse entfernt werden. Das ist nur dann unproblematisch, wenn MCAR vorliegt – also das Fehlen wirklich zufällig ist. Liegt hingegen MAR oder MNAR vor, führt dieser Ansatz zu verzerrten Schätzungen und einem Verlust statistischer Power.
Eine sorgfältige Missing-Data-Analyse umfasst deshalb mehrere Schritte:
- Quantifizierung: Wie viele Werte fehlen – insgesamt und pro Variable?
- Musteranalyse: Gibt es systematische Muster im Fehlen (z. B. durch Heatmaps oder Missing-Pattern-Tabellen)?
- Mechanismus-Prüfung: Gibt es Hinweise auf MCAR, MAR oder MNAR – z. B. durch Little’s MCAR-Test oder logistische Regressionen auf den Fehlend-Indikator?
- Methodenwahl: Welche Imputations- oder Schätzmethode ist unter dem identifizierten Mechanismus angemessen?
Praxisbeispiel zu Missing-Data-Analyse
Eine Psychologiestudentin untersucht in ihrer Masterarbeit den Zusammenhang zwischen Stresserleben und Schlafqualität bei 150 Studierenden. Nach der Datenerhebung stellt sie fest, dass bei der Skala zur Schlafqualität 18 Werte fehlen.
Sie führt eine Missing-Data-Analyse durch und schaut sich zunächst das Muster an: Wer hat diese Frage nicht beantwortet? Eine logistische Regression zeigt, dass Personen mit sehr hohem Stresswert die Schlaffrage signifikant häufiger übersprungen haben. Das deutet auf einen MNAR-Mechanismus hin – ausgerechnet jene, die vermutlich am schlechtesten schlafen, haben die Frage ausgelassen.
| Stressniveau | n gesamt | Fehlende Schlafwerte | Fehlend-Anteil |
|---|---|---|---|
| Niedrig | 60 | 2 | 3,3 % |
| Mittel | 55 | 4 | 7,3 % |
| Hoch | 35 | 12 | 34,3 % |
Das Muster ist eindeutig: Je höher der Stress, desto häufiger fehlen die Schlafwerte. Ein einfacher Fallausschluss würde die Hochstress-Gruppe stark unterrepräsentieren und den Zusammenhang zwischen Stress und Schlaf abschwächen. Die Studentin entscheidet sich daher für eine sensitivitätsanalytische Vorgehensweise und diskutiert die Einschränkungen ihrer Ergebnisse im Methodenteil transparent.
