Multiple Imputation
In diesem Beitrag
Was versteht man unter Multipler Imputation?
Multiple Imputation ist ein statistisches Verfahren zum Umgang mit fehlenden Werten in einem Datensatz. Anstatt fehlende Werte einfach zu ignorieren oder durch einen einzigen geschätzten Wert zu ersetzen (sogenannte Einfachimputation), werden beim MI-Verfahren mehrere plausible Ersatzwerte erzeugt. So entstehen mehrere vollständige Datensätze – typischerweise zwischen 5 und 50.
Das Verfahren läuft in drei Schritten ab:
- Imputation: Fehlende Werte werden m-mal durch zufällig gezogene Schätzwerte ersetzt. Dabei wird die Unsicherheit über den wahren Wert berücksichtigt. Es entstehen m vollständige Datensätze.
- Analyse: Die gewünschte statistische Analyse (z. B. Regression) wird auf jeden der m Datensätze separat durchgeführt.
- Zusammenführung (Pooling): Die Ergebnisse der m Analysen werden nach den sogenannten Rubin’s Rules zu einem Gesamtergebnis zusammengefasst. Dabei fließen sowohl die Unterschiede zwischen den imputierten Datensätzen als auch die Schätzunsicherheit innerhalb jedes Datensatzes in die Standardfehler ein.
Warum ist Multiple Imputation für statistische Analysen wichtig?
Fehlende Werte sind in empirischen Studien nahezu unvermeidlich – ob in Befragungen, klinischen Studien oder Sekundärdaten. Der Umgang damit hat erhebliche Konsequenzen für die Validität der Ergebnisse.
Das häufig verwendete listenweise Löschen (Fallausschluss bei fehlenden Werten) reduziert die Stichprobengröße und kann zu verzerrten Schätzungen führen, wenn die Daten nicht vollständig zufällig fehlen. Einfachimputation – etwa das Ersetzen durch den Mittelwert – unterschätzt systematisch die Varianz und erzeugt zu enge Konfidenzintervalle, weil sie die Unsicherheit über den wahren Wert verschweigt.
Multiple Imputation liefert dagegen unter der Annahme von Missing at Random (MAR) – also wenn das Fehlen durch beobachtete Variablen erklärt werden kann – unverzerrte und effiziente Schätzer. Sie nutzt die vorhandenen Informationen im Datensatz optimal aus und gibt die verbleibende Unsicherheit korrekt an die Standardfehler weiter.
Praxisbeispiel zu Multipler Imputation
Eine Forscherin untersucht den Zusammenhang zwischen Schlafdauer und Konzentrationsfähigkeit bei Studierenden (n = 200). Beim Konzentrationstest fehlen 30 Werte, weil einige Teilnehmende den letzten Termin nicht wahrnahmen. Da die Fehlenden tendenziell häufiger Vollzeitstudenten waren – und diese Information im Datensatz vorliegt –, ist MAR eine plausible Annahme.
Statt die 30 Fälle auszuschließen, wendet die Forscherin Multiple Imputation mit m = 20 imputierten Datensätzen an. Auf jedem dieser Datensätze führt sie eine lineare Regression durch. Die Ergebnisse sehen beispielhaft so aus:
| Methode | β (Schlafdauer) | Standardfehler | 95%-KI |
|---|---|---|---|
| Listenweises Löschen (n = 170) | 0.42 | 0.09 | [0.24, 0.60] |
| Multiple Imputation (n = 200) | 0.39 | 0.08 | [0.23, 0.55] |
Nach dem Zusammenführen der 20 Analyseergebnisse via Rubin’s Rules erhält die Forscherin einen gepoolten Schätzer. Die Ergebnisse sind hier ähnlich, aber die Multiple Imputation nutzt alle verfügbaren Fälle, gibt die Unsicherheit realistischer wieder und ist methodisch deutlich besser begründbar – besonders wenn Gutachtende oder Journals explizit nach dem Umgang mit fehlenden Werten fragen.
