Plausibilitätsprüfung
In diesem Beitrag
Was versteht man unter Plausibilitätsprüfung?
Die Plausibilitätsprüfung ist ein Verfahren zur Überprüfung von Daten auf ihre inhaltliche Glaubwürdigkeit und logische Widerspruchsfreiheit. Sie ist ein zentraler Schritt der Datenbereinigung (Data Cleaning) und wird vor der eigentlichen statistischen Analyse durchgeführt. Dabei wird nicht geprüft, ob ein Wert rechnerisch korrekt erhoben wurde, sondern ob er inhaltlich sinnvoll ist – also im Rahmen des Möglichen und Erwartbaren liegt.
Typische Prüfkriterien sind:
- Wertebereichsprüfung: Liegt ein Wert innerhalb des theoretisch möglichen Bereichs? (z. B. Alter zwischen 0 und 120 Jahren)
- Konsistenzprüfung: Stimmen verschiedene Variablen logisch miteinander überein? (z. B. Geburtsjahr und aktuelles Alter)
- Formatprüfung: Haben die Daten das erwartete Format? (z. B. numerische statt textueller Wert bei einer Skala)
- Ausreißerprüfung: Gibt es extrem abweichende Werte, die auf Eingabefehler hindeuten könnten?
Warum ist die Plausibilitätsprüfung für statistische Analysen wichtig?
Statistische Analysen liefern nur dann verlässliche Ergebnisse, wenn die zugrundeliegenden Daten qualitativ hochwertig sind. Unplausible Werte – etwa durch Tippfehler, Missverständnisse bei der Befragung oder Übertragungsfehler – können Mittelwerte verzerren, Varianzen aufblähen und letztlich zu falschen Schlussfolgerungen führen. Das Prinzip dahinter lautet kurz: Garbage in, garbage out.
Besonders in empirischen Arbeiten wie Bachelorarbeiten, Masterarbeiten oder Dissertationen ist die Plausibilitätsprüfung ein unverzichtbarer Schritt, der im Methodenteil auch dokumentiert werden sollte. Gutachter und Reviewer erwarten, dass Rohdaten nicht ungeprüft in die Analyse einfließen.
Praxisbeispiel zu Plausibilitätsprüfung
Eine Studierende erhebt im Rahmen ihrer Masterarbeit Daten zur Schlafdauer von Studierenden. Nach der Datenerhebung wirft sie einen Blick auf die deskriptiven Statistiken ihrer Variable Schlafdauer in Stunden pro Nacht und stößt auf folgende Auffälligkeiten:
| Beobachtung | Wert | Befund |
|---|---|---|
| Proband 12 | 0,5 | Sehr unwahrscheinlich, aber möglich (z. B. Nachtschicht) |
| Proband 27 | 25 | Unplausibel – ein Tag hat nur 24 Stunden |
| Proband 54 | –3 | Unplausibel – negativer Wert logisch nicht möglich |
| Proband 81 | 7 | Plausibel – liegt im erwartbaren Bereich |
Die Werte von Proband 27 (25 Stunden) und Proband 54 (–3 Stunden) sind eindeutig unplausibel: Ein Tag hat maximal 24 Stunden, und eine negative Schlafdauer ist inhaltlich nicht möglich. Die Studierende markiert diese Werte, recherchiert die Originalfragebögen und stellt fest, dass Proband 27 versehentlich „25″ statt „2,5″ eingetragen hat. Der Wert wird korrigiert. Proband 54 lässt sich nicht klären – der Wert wird als fehlend kodiert und im Methodenteil transparent dokumentiert.
Dieses Beispiel zeigt: Die Plausibilitätsprüfung schützt nicht nur vor verfälschten Ergebnissen, sondern zwingt auch zur kritischen Auseinandersetzung mit den eigenen Daten – eine wichtige Grundlage für saubere wissenschaftliche Arbeit.
