Table of Contents

Die Verwaltung fehlender Daten ist eine der allgegenwärtigsten Herausforderungen in großen psychologischen Umfragen. Wenn die Teilnehmer nicht alle Umfragepunkte ausfüllen, sensible Fragen überspringen oder aus den Längsschnittstudien aussteigen, stehen die Forscher vor kritischen Entscheidungen, die die Gültigkeit und Zuverlässigkeit ihrer Ergebnisse erheblich beeinträchtigen können. Der richtige Umgang mit unvollständigen Antworten ist nicht nur eine technische Überlegung - es ist von grundlegender Bedeutung, um sicherzustellen, dass die Forschungsergebnisse die untersuchten Phänomene genau widerspiegeln. Dieser umfassende Leitfaden bietet praktische, evidenzbasierte Strategien für Forscher und Studenten, die sich mit fehlenden Daten in umfangreichen Umfragedatensätzen befassen.

Fehlende Datenmechanismen verstehen

Bevor man eine Strategie für fehlende Daten umsetzt, müssen die Forscher die zugrunde liegenden Mechanismen verstehen, die eine fehlende Daten erzeugen. Rubin (1976) klassifizierte fehlende Datenprobleme in drei Kategorien, jede mit unterschiedlichen Auswirkungen auf die Analyse und Interpretation. Der Mechanismus, der bestimmt, warum Daten fehlen - bekannt als fehlende Datenmechanismus oder Reaktionsmechanismus - bestimmt, welche statistischen Methoden gültige Rückschlüsse erzeugen.

Komplett vermisst bei Random (MCAR)

Wenn die Wahrscheinlichkeit, dass Daten fehlen, in allen Fällen gleich ist, dann wird von einem völlig zufälligen Fehlen der Daten gesprochen, was die restriktivste Annahme über fehlende Daten darstellt. Dies bedeutet im Grunde, dass die Ursachen der fehlenden Daten nichts mit den Daten zu tun haben. In psychologischen Umfragen kann MCAR auftreten, wenn Fragebogenantworten zufällig verloren gehen, weil technische Fehler auftreten, wie z. B. eine Serverstörung, die eine zufällige Teilmenge von Teilnehmern betrifft, oder wenn Umfragematerialien versehentlich während der Datenerhebung beschädigt werden.

Wenn es sich bei den Daten um MCAR handelt, ist die Tatsache, dass die Daten fehlen, unabhängig von den beobachteten und unbeobachteten Daten. Dies bedeutet, dass keine systematischen Unterschiede zwischen Teilnehmern mit fehlenden Daten und solchen mit vollständigen Daten bestehen. Wenn es sich um MCAR handelt, können die verbleibenden Daten als einfache Zufallsstichprobe des gesamten Datensatzes von Interesse betrachtet werden. Während diese Eigenschaft MCAR-Daten relativ einfach zu handhaben macht, wird MCAR in den meisten psychologischen Forschungskontexten allgemein als starke und oft unrealistische Annahme angesehen.

Das Fehlen von Daten ist der einzige fehlende Datenmechanismus, der tatsächlich verifiziert werden kann. Diese Annahme kann durch Trennung der fehlenden und der vollständigen Fälle und durch Untersuchung der Gruppenmerkmale getestet werden.

Vermisst bei Random (MAR)

Ist die Wahrscheinlichkeit, dass ein Datenfehler auftritt, nur innerhalb der durch die beobachteten Daten definierten Gruppen gleich, so fehlen die Daten zufällig (MAR). MAR ist eine viel breitere Klasse als MCAR. Unter MAR kann das Fehlen systematisch mit beobachteten Variablen im Datensatz, nicht aber mit den nicht beobachteten Werten selbst in Beziehung gesetzt werden.

In psychologischen Umfragen tritt MAR häufig auf, wenn bestimmte demografische Gruppen mehr oder weniger wahrscheinlich auf bestimmte Fragen reagieren. Beispielsweise kann ein Register, das Depressionen untersucht, auf Daten stoßen, die MAR sind, wenn männliche Teilnehmer eine Umfrage über den Schweregrad der Depression weniger wahrscheinlich abschließen als weibliche Teilnehmer. Der Hauptunterschied besteht darin, dass die Daten als MAR angesehen werden können, wenn die Wahrscheinlichkeit des Abschlusses der Umfrage mit ihrem Geschlecht zusammenhängt (was vollständig beobachtet wird), aber nicht mit der Schwere ihrer Depression.

Da es sich bei MAR um eine Annahme handelt, die statistisch nicht verifizierbar ist, müssen wir uns auf ihre inhaltliche Angemessenheit verlassen. Forscher müssen ihr Wissen über den Forschungskontext und das Verhalten der Teilnehmer nutzen, um zu beurteilen, ob die MAR-Annahme plausibel ist. Die Plausibilität von MAR wird verbessert, indem in das Imputationsmodell jede Variable aufgenommen wird, die mit der Wahrscheinlichkeit des Fehlens in Zusammenhang stehen könnte.

Nicht bei Zufall fehlen (MNAR)

MNAR bedeutet, dass die Wahrscheinlichkeit des Fehlens aus uns unbekannten Gründen variiert. Wenn Daten MNAR sind, wird die Tatsache, dass die Daten fehlen, systematisch mit den unbeobachteten Daten in Zusammenhang gebracht, d.h. die Abwesenheit bezieht sich auf Ereignisse oder Faktoren, die vom Forscher nicht gemessen werden. Dies stellt das schwierigste Szenario für die Analyse fehlender Daten dar.

Ein Beispiel für MNAR in der öffentlichen Meinungsforschung tritt auf, wenn Personen mit schwächeren Meinungen seltener reagieren. In psychologischen Umfragen tritt MNAR häufig bei sensiblen Themen auf. Das Depressionsregister kann auf Daten stoßen, die MNAR sind, wenn Teilnehmer mit schwerer Depression sich eher weigern, die Umfrage über die Schwere der Depression abzuschließen. In ähnlicher Weise könnten Personen mit höherem Einkommen weniger wahrscheinlich sein, ihre Einnahmen zu melden, oder Personen mit schwereren Drogenmissbrauchsproblemen könnten Fragen zu ihren Nutzungsmustern überspringen.

Da die fehlenden Werte von nicht beobachteten Werten abhängen, kann sie nicht vollständig durch standardisierte statistische Techniken angegangen werden. Die Tatsache, dass die Quellen fehlender Daten selbst nicht gemessen werden, bedeutet, dass dieses Problem (im Allgemeinen) nicht in der Analyse behandelt werden kann und die Abschätzung der Wirkung wahrscheinlich verzerrt sein wird.

Durchführung einer umfassenden fehlenden Datenanalyse

Vor der Auswahl einer Methode zur Behandlung fehlender Daten sollten die Forscher eine gründliche Analyse des Ausmaßes, des Musters und der potenziellen Mechanismen der fehlenden Daten in ihrem Datensatz durchführen, wobei diese Diagnosephase für fundierte methodische Entscheidungen von entscheidender Bedeutung ist.

Quantifizierung fehlender Daten

Beginnen Sie mit der Berechnung des Prozentsatzes der fehlenden Daten für jede Variable in Ihrer Umfrage. Dokumentieren Sie sowohl die fehlenden Daten auf Einzelpunktebene (der Anteil der fehlenden Antworten für einzelne Fragen) als auch die fehlenden Daten auf Fallebene (der Anteil der Teilnehmer mit fehlenden Daten).

Fehlende Datenmuster erstellen, um zu erkennen, ob Fehlstellen in systematischen Kombinationen auftreten. Zum Beispiel, neigen Teilnehmer, die eine sensible Frage überspringen, dazu, andere zu überspringen? Haben bestimmte demografische Gruppen eher unvollständige Daten? Statistische Softwarepakete wie R, SPSS und Stata bieten Visualisierungswerkzeuge, die diese Muster grafisch darstellen können, was es einfacher macht, systematische Trends zu erkennen.

Testen fehlender Datenmechanismen

Während man nicht definitiv beweisen kann, dass es sich bei Daten um MAR oder MNAR handelt, kann man testen, ob es sich um MCAR handelt. Littles MCAR-Test ist ein multivariater Test, der die Untergruppen der Daten auswertet, die das gleiche fehlende Datenmuster teilen. Ein Chi-Quadrat-Verteilungstest wird verwendet, um die Nullhypothese zu testen, dass die Daten MCAR sind. Ein signifikantes Ergebnis legt nahe, dass Daten nicht MCAR sind, was entweder MAR- oder MNAR-Mechanismen anzeigt.

Darüber hinaus sind die Teilnehmer mit vollständigen oder unvollständigen Daten zu allen beobachteten Variablen zu vergleichen; t-Tests für kontinuierliche Variablen und chi-Quadrat-Tests für kategorische Variablen zu verwenden, um festzustellen, ob sich die mit fehlenden Daten systematisch von denen ohne unterscheiden; erhebliche Unterschiede deuten darauf hin, dass es sich bei den Daten nicht um MCAR handelt und dass ausgefeiltere Methoden für fehlende Daten erforderlich sind.

Dokumentation von Missingness Patterns

Führen Sie eine detaillierte Dokumentation Ihrer Analyse der fehlenden Daten, einschließlich des Prozentsatzes der fehlenden Daten für jede Variable, der Ergebnisse der MCAR-Tests und aller beobachteten Muster oder Beziehungen zwischen fehlenden Daten und anderen Variablen. Diese Dokumentation dient mehreren Zwecken: Sie informiert über Ihre Wahl der Methode zur Behandlung fehlender Daten, bietet Transparenz für Peer-Reviewer und Leser und hilft, mögliche Quellen von Verzerrungen in Ihren Ergebnissen zu identifizieren.

Imputationsmethoden für fehlende Daten

Die Imputation umfasst die Ersetzung fehlender Werte durch Schätzwerte auf der Grundlage verfügbarer Informationen.

Einfache Imputationsmethoden

Einfache Imputationsmethoden ersetzen jeden fehlenden Wert durch einen einzigen geschätzten Wert. Obwohl diese Methoden einfach zu implementieren sind, weisen sie erhebliche Einschränkungen auf, die Forscher vor ihrer Verwendung verstehen sollten.

Mittelwert oder Median Imputation ersetzt fehlende Werte durch den Mittelwert (für kontinuierliche Variablen) oder Median (für schiefe Verteilungen) der beobachteten Werte. Diese Methode ist nur dann geeignet, wenn die Daten MCAR sind und die Fehlzahl minimal ist (normalerweise weniger als 5%). Der Hauptnachteil besteht darin, dass die mittlere Imputation die Varianz der imputierten Variablen künstlich reduziert, Korrelationen mit anderen Variablen verzerrt und Standardfehler unterschätzt, was zu zu sicheren statistischen Rückschlüssen führt.

Regressionsimputation verwendet Regressionsmodelle, um fehlende Werte basierend auf anderen Variablen im Datensatz vorherzusagen. Für jede Variable mit fehlenden Daten wird ein Regressionsmodell mit Fällen mit vollständigen Daten angepasst, und dieses Modell wird dann verwendet, um fehlende Werte vorherzusagen. Während die Einzelregressionsimputation anspruchsvoller ist als die mittlere Imputation, unterschätzt die Einzelregressionsimputation immer noch Varianz und Unsicherheit, weil sie die unterstellten Werte so behandelt, als ob sie tatsächlich beobachtet würden.

Hot Deck Imputation ersetzt fehlende Werte durch beobachtete Werte von ähnlichen Befragten (Spendern), wobei die Ähnlichkeit durch Übereinstimmung mit demografischen Merkmalen, Reaktionsmustern oder anderen relevanten Variablen definiert werden kann.

Mehrfachimputation

Die Mehrfachimputation (MI) ist ein nützliches Instrument für den Umgang mit fehlenden Daten, da sie attraktive theoretische Eigenschaften hat, mit fehlenden Daten umgehen kann und zahlreiche Berechnungsplattformen in der Praxis zur Verfügung stehen.

Bei MI werden die fehlenden Werte aus der Bayesschen prädiktiven Verteilung der fehlenden Daten angesichts der beobachteten Daten imputiert, um K unterstellte Datensätze zu erzeugen. In der Regel erstellen Forscher zwischen 5 und 20 unterstellte Datensätze, obwohl neuere Empfehlungen darauf hindeuten, dass mehr Unterstellungen bei hohem Anteil an fehlenden Daten von Vorteil sein könnten. Das substantielle Analysemodell wird dann jeweils nacheinander an jedes dieser Daten angepasst, wodurch K unterschiedliche Schätzungen der Modellparameter erhalten werden. Diese Schätzungen werden dann unter Verwendung der Rubinschen Regeln kombiniert, um endgültige Parameterschätzungen und Standardfehler zu erstellen, die sowohl die Variabilität der Stichprobe als auch die Unsicherheit der Imputation angemessen widerspiegeln.

Vorteile der Mehrfachimputation:

  • Erstellt unvoreingenommene Parameterschätzungen unter MAR-Annahmen
  • Bietet gültige Standardfehler, die die Imputationsunsicherheit berücksichtigen
  • Kann mit komplexen fehlenden Datenmustern umgehen
  • Ermöglicht es Forschern, nach der Imputation Standard-Komplettdatenanalysemethoden zu verwenden
  • Weit verbreitet unterstützt durch statistische Softwarepakete

Trotz der Beliebtheit der Mehrfachimputation von fehlenden Daten hinkt ihre Akzeptanz und Anwendung in groß angelegten Studien mit komplizierten Datensätzen immer noch hinterher.

Implementierung von Multiple Imputation in psychologischen Umfragen

Bei der Implementierung von Mehrfachimputationen für psychologische Umfragedaten sollten die Forscher diese wichtigen Schritte befolgen:

1. Geben Sie das Imputationsmodell an: Fügen Sie alle Variablen ein, die in nachfolgenden Analysen verwendet werden, sowie Hilfsvariablen, die mit fehlenden Daten oder fehlender Daten korreliert sind. Das Imputationsmodell sollte allgemeiner sein als das Analysemodell, und MI ermöglicht abgeschlossene Datenanalysen mit allgemeinen Zwecken. Fügen Sie Variablen hinzu, die die fehlende Daten vorhersagen, auch wenn sie nicht Teil Ihres substantiellen Analysemodells sind.

2. Wählen Sie eine Imputationsmethode: Für Datensätze mit mehreren Variablen, die fehlende Daten enthalten, ist die multivariate Imputation durch verkettete Gleichungen (MICE), auch als sequentielle Regressions-Multiple-Imputation bekannt, oft der flexibelste Ansatz. MICE imputiert fehlende Werte variabel nach Variable unter Verwendung geeigneter Regressionsmodelle für jeden Variablentyp (lineare Regression für kontinuierliche Variablen, logistische Regression für binäre Variablen, multinomielle Regression für kategorische Variablen).

3. Bestimmen Sie die Anzahl der Imputationen: ] Während ältere Richtlinien 5-10 Imputationen als ausreichend ansahen, empfehlen aktuelle Empfehlungen, bei hohem Anteil fehlender Daten mehr Imputationen zu verwenden. Eine praktische Regel ist, mindestens so viele Imputationen zu verwenden wie der Prozentsatz unvollständiger Fälle (z. B. wenn 30% der Fälle fehlende Daten haben, verwenden Sie mindestens 30 Imputationen).

4. Konvergenz überprüfen: Trace-Plots und andere Diagnosen untersuchen, um sicherzustellen, dass der Imputationsalgorithmus konvergiert ist.

5 Validieren von unterstellten Werten: Vergleichen Sie die Verteilungen von unterstellten Werten mit beobachteten Werten, um sicherzustellen, dass sie plausibel sind. Untersuchen Sie, ob unterstellte Werte Beziehungen zwischen Variablen, die in den beobachteten Daten existieren, bewahren.

Überlegungen zu komplexen Erhebungsdaten

Verfahren zur Mehrfachimputation (MI) eignen sich gut für eine Vielzahl von Fehlstellenmustern, sind aber nicht so leicht an komplexe Probenahmedesigns anzupassen. Große psychologische Erhebungen verwenden häufig komplexe Probenahmedesigns mit Schichtung, Clustering und ungleicher Wahrscheinlichkeit der Selektion. Bei der Umsetzung mehrerer Imputationen mit solchen Designs sollten Forscher die Umfragedesignmerkmale in das Imputationsmodell integrieren.

Imputationsmodell sind Designvariablen (Streifenindikatoren, Cluster-Kennungen) und Stichprobengewichte einzufügen, um sicherzustellen, dass die unterstellten Werte die komplexe Erhebungsstruktur widerspiegeln. Einige Softwarepakete bieten spezielle Verfahren für die Mehrfachimputation mit Erhebungsdaten, die diese Merkmale automatisch berücksichtigen.

Vollständige maximale Informationswahrscheinlichkeit (FIML)

Die maximale Wahrscheinlichkeit für vollständige Informationen stellt eine Alternative zu imputationsbasierten Methoden für den Umgang mit fehlenden Daten dar, denn statt fehlende Werte einzugeben, schätzt die FIML Modellparameter direkt unter Verwendung aller verfügbaren Informationen aus jedem Fall.

Wie FIML funktioniert

Die FIML konstruiert für jeden Fall eine Wahrscheinlichkeitsfunktion, die auf den Variablen basiert, die für diesen Fall beobachtet werden. Fälle mit vollständigen Daten tragen Informationen über alle Parameter bei, während Fälle mit fehlenden Daten Informationen über Parameter beitragen, die aus ihren beobachteten Variablen geschätzt werden können. Der Algorithmus maximiert dann die Summe dieser individuellen Wahrscheinlichkeitsbeiträge, um Parameterschätzungen zu erhalten.

Wie die Mehrfachimputation erzeugt FIML unvoreingenommene Parameterschätzungen unter MAR-Annahmen. Unter MAR lieferten die anspruchsvollen MDT Schätzungen, die näher an ihren ursprünglichen Werten lagen, und zwar unter Bezugnahme auf Methoden, die auch FIML einschließen. Die Methode eignet sich besonders gut für die Strukturgleichungsmodellierung und andere modellbasierte Analysen.

Vorteile und Grenzen von FIML

Vorteile:

  • Es ist nicht erforderlich, mehrere Datensätze zu erstellen
  • Erstellt unvoreingenommene Schätzungen unter MAR
  • Recheneffizient für viele Modelle
  • Bietet Standardfehler, die fehlende Daten berücksichtigen
  • Gut integriert in Strukturgleichungsmodellierungssoftware

Grenzen:

  • Erfordert, dass das Analysemodell als Wahrscheinlichkeitsfunktion angegeben werden kann
  • Weniger flexibel als Mehrfachimputation für komplexe Analysemodelle
  • Kann nicht einfach Hilfsvariablen integrieren, die nicht Teil des materiellen Modells sind
  • Kann rechenintensiv für sehr große Datensätze oder komplexe Modelle sein

FIML eignet sich besonders für die Durchführung von Strukturgleichungsmodellen, Wachstumskurvenmodellen oder anderen Analysen, bei denen das substantielle Modell direkt mit maximaler Wahrscheinlichkeit geschätzt werden kann.

Löschmethoden: Wann und wie man sie benutzt

Löschmethoden beinhalten das Entfernen von Fällen oder Variablen mit fehlenden Daten aus der Analyse. Obwohl diese Methoden konzeptionell einfach sind, weisen sie wichtige Einschränkungen auf, die die Forscher verstehen müssen.

Listwise Deletion (Fallanalyse)

Listeweise Löschung entfernt jeden Fall, der fehlende Daten zu einer Variablen in der Analyse enthält. Listeweise Löschung erfordert, dass die Daten MCAR sind, um keine Verzerrung in den Ergebnissen einzuführen. Wenn Forscher Analysen mit dieser "zufälligen Stichprobe" vollständiger Datensätze durchführen, führen die Analysen nicht zu voreingenommenen Parameterschätzungen, obwohl Tests der statistischen Signifikanz aufgrund des Verlusts von Beobachtungen eine verminderte Leistung haben.

In der Praxis sind MCAR-Daten jedoch sehr selten. Aus diesem Grund empfehlen wir keine Löschmethoden - wegen des daraus resultierenden Verlusts der statistischen Leistungsfähigkeit, Einschränkungen der Generalisierbarkeit der Ergebnisse und der Wahrscheinlichkeit, dass die MCAR-Annahme nicht erfüllt wird.

Wenn Listwise Löschung angemessen sein kann:

  • Fehlende Daten sind wirklich MCAR (verifiziert durch statistische Tests)
  • Der Anteil der fehlenden Daten ist sehr gering (in der Regel weniger als 5%)
  • Die Stichprobengröße ist groß genug, dass die Löschung die statistische Leistung nicht wesentlich reduziert.
  • Ausgefeiltere Methoden sind aufgrund von Software- oder Fachkenntnissen nicht möglich

Paarweise Löschung (Verfügbare Fallanalyse)

Bei der paarweisen Löschung werden für jede Analyse alle verfügbaren Daten verwendet, wobei Statistiken auf der Grundlage von Fällen mit vollständigen Daten für die jeweiligen Variablen berechnet werden.

Die paarweise Deletion verwendet zwar mehr Daten als die listweise Deletion, kann jedoch zu inkonsistenten Ergebnissen führen. Unterschiedliche Analysen können auf verschiedenen Teilmengen der Probe basieren, Korrelationsmatrizen sind möglicherweise nicht positiv und Standardfehler können falsch sein. Aus diesen Gründen wird eine paarweise Deletion in der Regel nicht für die psychologische Umfrageforschung empfohlen.

Umgang mit spezifischen Arten von fehlenden Daten in psychologischen Umfragen

Skip Patterns und bedingten Fragen

Viele psychologische Umfragen beinhalten Überspringungsmuster, bei denen bestimmte Fragen nur von Teilnehmern gestellt werden, die bestimmte Kriterien erfüllen. Zum Beispiel sind Fragen zum Elternstress nur für Teilnehmer relevant, die Kinder haben. Überspringungsmustervariablen sind in Umfragen üblich. Wenn Überspringungsmustervariablen mit fehlenden Daten vorliegen, ist bei MI-Modellen besondere Sorgfalt erforderlich.

Bei der Handhabung von Variablen mit überspringenden Mustern ist zwischen struktureller Fehlfunktion (Daten, die aufgrund ihrer Konzeption fehlen, weil die Frage nicht zutrifft) und Item-Nonresponse (Daten, die fehlen, weil ein berechtigter Teilnehmer nicht geantwortet hat) zu unterscheiden; strukturelle Fehlfunktion sollte typischerweise anders als Item-Nonresponse codiert werden und kann eine besondere Behandlung in Imputationsmodellen erfordern.

Sensible Fragen

Fragen zu Einkommen, Drogenkonsum, psychischen Gesundheitssymptomen, Trauma-Anamnese und anderen sensiblen Themen haben oft höhere Raten an fehlenden Daten. Diese fehlenden Daten sind häufig MNAR, da Personen mit extremen Werten möglicherweise weniger wahrscheinlich reagieren.

  • Fügen Sie Variablen hinzu, die sowohl die sensible Variable als auch die Reaktionsbereitschaft in Ihrem Imputationsmodell vorhersagen können
  • Erwägen Sie die Durchführung von Sensitivitätsanalysen, um zu beurteilen, wie sich die Ergebnisse unter verschiedenen MNAR-Annahmen ändern könnten
  • Seien Sie transparent über die Grenzen Ihres fehlenden Datenverarbeitungsansatzes für sensible Variablen
  • Überlegen Sie, ob die hohe Fehlquote auf Probleme mit der Fragestellung oder der Verwaltung von Umfragen hindeutet, die in der zukünftigen Datenerhebung angesprochen werden sollten

Fehlende Längsdaten

Psychologische Langzeiterhebungen sind mit zusätzlichen Problemen beim Fehlen von Daten konfrontiert, einschließlich Wellen-Nonresponse (Teilnehmern fehlen ganze Wellen der Datenerhebung) und Abnutzung (Teilnehmer, die dauerhaft aussteigen).

  • Zeitvariable und zeitinvariante Prädiktoren für die Fehlfunktion in Imputationsmodellen einbeziehen
  • Überlegen Sie, ob die fehlenden zu einem Zeitpunkt Vorhersagen, die fehlende zu späteren Zeitpunkten
  • Verwendung von Methoden, die speziell für longitudinale Daten entwickelt wurden, wie Wachstumskurvenmodelle mit FIML oder Mehrfachimputation, die die zeitliche Struktur der Daten berücksichtigen
  • Untersuchen Sie, ob die Abnutzung mit der Ergebniskurve zusammenhängt, was auf MNAR hindeuten würde

Software und Tools zur fehlenden Datenanalyse

Moderne statistische Softwarepakete bieten umfangreiche Möglichkeiten für die Analyse fehlender Daten. Das Verständnis der Stärken und Grenzen verschiedener Werkzeuge hilft Forschern, geeignete Methoden für ihre spezifischen Bedürfnisse auszuwählen.

R Packungen

R bietet zahlreiche Pakete für die Analyse fehlender Daten. Das mice-Paket (Multivariate Imputation by Chained Equations) wird häufig für die Mehrfachimputation verwendet und bietet Flexibilität bei der Spezifikation von Imputationsmodellen für verschiedene Variablentypen. Das Amelia-Paket implementiert die Mehrfachimputation unter Verwendung eines Erwartungsmaximierungsalgorithmus und ist besonders effizient für große Datensätze. Das missForest-Paket verwendet zufällige Waldalgorithmen für die Imputation und kann komplexe nichtlineare Beziehungen verarbeiten. Die naniar und VIM-Pakete bieten hervorragende Visualisierungswerkzeuge für die Erkundung fehlender Datenmuster.

SPSS

SPSS beinhaltet mehrere Imputationsmöglichkeiten durch das Modul "Missing Values Analysis". Die Software bietet automatische Imputation Modellspezifikation, obwohl Forscher sorgfältig überprüfen und ändern sollten diese Standardwerte auf der Grundlage ihrer Sachkenntnisse. SPSS bietet auch Littles MCAR-Test und verschiedene fehlende Datenmuster Visualisierungen.

Stata

Statas Befehlssuite mi bietet umfassende Funktionen für die Mehrfachimputation, einschließlich der Unterstützung für komplexe Umfragedesigns. Stata integriert die Mehrfachimputation mit vielen Standardanalyseverfahren, wodurch es einfach ist, unterstellte Datensätze zu analysieren.

Mplus und andere SEM-Software

Strukturgleichungsmodellierungssoftware wie Mplus, Lavaan (R) und AMOS implementiert typischerweise FIML als Standardmethode für den Umgang mit fehlenden Daten. Diese Programme machen es einfach, gültige Schätzungen unter MAR zu erhalten, ohne explizit fehlende Werte zu imputieren.

Verhindern fehlender Daten durch Umfragedesign

Während statistische Methoden die Auswirkungen fehlender Daten mildern können, ist Prävention durch durchdachtes Umfragedesign immer vorzuziehen. Forscher sollten Strategien umsetzen, um fehlende Daten während der Planungs- und Datenerhebungsphasen zu minimieren.

Fragebogen-Design-Strategien

Klare Anweisungen und Fragewortlaute: Mehrdeutige oder verwirrende Fragen erhöhen die Wahrscheinlichkeit, dass Teilnehmer Elemente auslassen. Pilot testet alle Umfragefragen mit Mitgliedern Ihrer Zielpopulation, um verwirrende Formulierungen, unklare Antwortoptionen oder andere Probleme zu identifizieren, die zu fehlenden Daten führen könnten.

Geeignete Antwortoptionen: Stellen Sie sicher, dass die Antwortoptionen erschöpfend sind und sich gegenseitig ausschließen. Fügen Sie Optionen wie "bevorzugen Sie, nicht zu antworten" oder "nicht anwendbar" ein, wenn dies angemessen ist, da diese es den Teilnehmern ermöglichen, sinnvolle Antworten zu geben, anstatt Elemente leer zu lassen.

Logical Flow and Skip Patterns: Design skip patterns that are easy for participants to follow. In online surveys implement automatic skip logic so participants only see questions relevant to them. In paper surveys, use clear visual cues and instructions to guide participants through skip patterns.

Fragereihenfolge: Stellen Sie sensible oder potenziell belastende Fragen später in der Umfrage, nachdem ein Rapport erstellt wurde.

User Interface Überlegungen für Online-Umfragen

Bei psychologischen Online-Umfragen hat die Benutzeroberfläche einen erheblichen Einfluss auf die Vollständigkeit der Daten:

  • Fortschrittsindikatoren: Zeigen den Teilnehmern, wie weit sie durch die Umfrage fortgeschritten sind, um die Motivation aufrechtzuerhalten
  • Mobile Optimierung: Stellen Sie sicher, dass Umfragen auf Smartphones und Tablets richtig angezeigt werden, da schlechte mobile Erlebnisse die Abbrecherquoten erhöhen
  • Erforderliche Felder: Verwende die erforderlichen Felder mit Bedacht – das Erzwingen von Antworten auf jede Frage kann den Dropout erhöhen, aber zu viele optionale Fragen zuzulassen erhöht die Nichtantwort von Elementen
  • Speichern und Resume: Ermöglichen Sie den Teilnehmern, ihren Fortschritt zu speichern und später zurückzukehren, insbesondere bei langen Umfragen.
  • Fehlermeldungen: Geben Sie klare, nicht-urteilende Fehlermeldungen an, wenn Teilnehmer die erforderlichen Elemente überspringen oder ungültige Antworten geben

Teilnehmer Engagement und Retention

Die Aufrechterhaltung des Teilnehmerengagements reduziert sowohl die Nicht-Antwort-Elemente als auch den Studienabtrag:

  • Umfragedauer: Halten Sie die Umfragen so kurz wie möglich, während Sie die notwendigen Daten sammeln.
  • Incentives: Bieten Sie eine angemessene Vergütung für die Zeit und den Aufwand der Teilnehmer. Untersuchungen deuten darauf hin, dass Anreize die Ansprechraten verbessern und die Abnutzung in Längsschnittstudien reduzieren können.
  • Kommunikation: In Längsschnittstudien sollten Sie zwischen Datenerhebungswellen regelmäßigen Kontakt zu den Teilnehmern pflegen.
  • Flexibilität: Bieten Sie nach Möglichkeit mehrere Teilnahmemodi an (Online, Telefon, Papier), da dies unterschiedlichen Präferenzen und Umständen der Teilnehmer entspricht.

Sammeln von Hilfsvariablen

Fügen Sie Variablen in Ihre Umfrage ein, die dazu beitragen können, die Fehlfunktion vorherzusagen und die Imputationsmodelle zu verbessern, auch wenn diese Variablen nicht von zentraler Bedeutung für Ihre primären Forschungsfragen sind. Demographische Variablen, verwandte psychologische Konstrukte und Verhaltensindikatoren können alle als Hilfsvariablen dienen, die die Handhabung fehlender Daten stärken.

Fehlende Daten in Forschungspublikationen melden

Die transparente Berichterstattung über fehlende Daten und deren Umgang ist für die Integrität und Reproduzierbarkeit der Forschung unerlässlich. Redakteure, Gutachter und Leser von Zeitschriften benötigen diese Informationen, um die Gültigkeit von Forschungsergebnissen zu bewerten.

Wesentliche Elemente für den Bericht

Ausmaß der fehlenden Daten: Geben Sie den Prozentsatz der fehlenden Daten für jede Variable an, die in Ihren Analysen enthalten ist. Geben Sie sowohl die fehlenden Daten auf Einzelteil- als auch auf Fallebene an. Wenn Sie eine listweise Löschung verwenden, geben Sie an, wie viele Fälle ausgeschlossen wurden und welchen Prozentsatz der ursprünglichen Stichprobe dies darstellt.

Missing Data Patterns: Beschreiben Sie Muster der Fehlstellen. Sind bestimmte Variablen wahrscheinlicher, zusammen zu fehlen? Haben bestimmte demografische Gruppen höhere Raten an fehlenden Daten? Gibt es systematische Unterschiede zwischen Teilnehmern mit vollständigen und unvollständigen Daten?

Missing Data Mechanism: Melden Sie die Ergebnisse von Tests für MCAR (wie den MCAR-Test von Little) und beschreiben Sie Ihre Einschätzung, ob Daten wahrscheinlich MAR oder MNAR sind. Erklären Sie die Gründe für Ihre Schlussfolgerungen über den fehlenden Datenmechanismus.

Missing Data Method: Beschreiben Sie eindeutig die Methode, die verwendet wurde, um fehlende Daten zu verarbeiten. Bei Verwendung mehrerer Imputationen das Imputationsmodell angeben (welche Variablen wurden enthalten, welche Arten von Regressionsmodellen wurden für verschiedene Variablentypen verwendet), die Anzahl der erstellten Imputationen und die verwendete Software. Bei Verwendung von FIML beschreiben Sie, wie das Analysemodell spezifiziert wurde. Bei Verwendung von Löschmethoden begründen Sie, warum dieser Ansatz gewählt wurde.

Sensitivitätsanalysen: Wenn möglich, führen und berichten Sensitivitätsanalysen durch, die untersuchen, ob die Ergebnisse robust gegenüber verschiedenen Annahmen oder Methoden für fehlende Daten sind.

Berichterstattungsleitlinien

Die Leitlinien für die Berichterstattung über fehlende Daten werden in den Leitlinien von STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) empfohlen, die Anzahl der Teilnehmer mit fehlenden Daten für jede Variable von Interesse anzugeben und zu erläutern, wie fehlende Daten behandelt wurden. Die APA Journal Article Reporting Standards (JARS) betonen ebenfalls die Bedeutung der Beschreibung fehlender Daten und der Methoden, mit denen sie behandelt werden.

Fortgeschrittene Themen und besondere Überlegungen

Sensitivitätsanalyse für MNAR-Daten

Wenn es sich bei Daten um MNAR handeln kann, können Standardmethoden wie Multiple Imputation und FIML verzerrte Schätzungen erzeugen. Die Sensitivitätsanalyse beinhaltet die Untersuchung, wie sich Ergebnisse unter verschiedenen Annahmen über den Mechanismus der fehlenden Daten ändern. Mustermischungsmodelle und Auswahlmodelle bieten Rahmenbedingungen für die Durchführung solcher Analysen, obwohl sie nicht überprüfbare Annahmen über die Beziehung zwischen Fehlen und unbeobachteten Werten erfordern.

Ein praktischer Ansatz zur Sensitivitätsanalyse beinhaltet die Durchführung mehrerer Imputationen unter verschiedenen Szenarien. Wenn Sie beispielsweise vermuten, dass Teilnehmer mit schwereren Depressionssymptomen weniger wahrscheinlich einen Depressionsfragebogen ausfüllen, können Sie unterstellte Datensätze erstellen, in denen fehlende Depressionswerte systematisch höher sind als unter MAR vorhergesagt. Der Vergleich der Ergebnisse in diesen Szenarien hilft, die Robustheit Ihrer Schlussfolgerungen zu beurteilen.

Fehlende Daten in Multilevel-Modellen

Psychologische Erhebungen haben oft mehrstufige Strukturen, wie Schüler, die in Schulen verschachtelt sind, oder wiederholte Messungen, die in Individuen verschachtelt sind. Fehlende Daten in mehrstufigen Kontexten können auf verschiedenen Ebenen auftreten (z. B. fehlende Variablen auf individueller Ebene, fehlende Variablen auf Clusterebene oder fehlende ganze Cluster). Mehrfache Imputation für mehrstufige Daten erfordert spezielle Ansätze, die die hierarchische Struktur berücksichtigen. Softwarepakete wie das Mauspaket in R- und Stata-Mi-Befehlen unterstützen Mehrfach-Imputation.

Geplante fehlende Datendesigns

Die Forscher erstellen manchmal absichtlich fehlende Daten durch geplante fehlende Datendesigns. Geplante fehlende Daten sind eine Forschungsdesignstrategie, die in Umfrageforschungen eingesetzt wird, bei der Daten absichtlich nicht von einzelnen Befragten gesammelt werden, um die Belastung zu verringern und gleichzeitig die Fähigkeit zur Schätzung von Parametern für den gesamten Gegenstand, der in der Stichprobe festgelegt ist, zu erhalten. Diese Entwürfe können die Belastung der Teilnehmer und die Umfragekosten senken und gleichzeitig die statistische Leistungsfähigkeit für Schlüsselanalysen beibehalten.

Machine Learning Ansätze zur Imputation

Jüngste Entwicklungen im Bereich des maschinellen Lernens haben neue Imputationsmethoden eingeführt, die komplexe nichtlineare Beziehungen zwischen Variablen erfassen können. Die Ergebnisse zeigen, dass die MissForest-Imputation am besten abgeschnitten hat, gefolgt von MICE in einer vergleichenden Studie von Imputationsverfahren. Random Forest-basierte Imputation, neuronale Netzwerk-Imputation und andere maschinelle Lernmethoden sind vielversprechend, insbesondere für große Datensätze mit komplexen variablen Beziehungen. Diese Methoden sind jedoch möglicherweise schwieriger zu implementieren und zu interpretieren als herkömmliche Ansätze.

Häufige Fehler und wie man sie vermeidet

Fehler 1: Fehlende Daten ignorieren

Einige Forscher gehen mit Analysen fort, ohne fehlende Daten anzuerkennen oder zu adressieren, implizit mit einer listweisen Löschung ohne Begründung. Dieser Ansatz birgt das Risiko voreingenommener Ergebnisse und verminderter statistischer Leistungsfähigkeit. Führen Sie immer eine Analyse fehlender Daten durch und wählen Sie explizit eine Methode zur Behandlung fehlender Daten basierend auf den Eigenschaften Ihrer Daten.

Fehler 2: Einfache Imputation verwenden, ohne Einschränkungen anzuerkennen

Wenn Sie aufgrund von Software- oder Sachzwängen eine einfache Imputation verwenden müssen, erkennen Sie die Einschränkungen in Ihrer Berichterstattung an und interpretieren Sie die Ergebnisse vorsichtig.

Fehler 3: Unterstellt dann löschen

Einige Forscher schreiben fehlende Daten zu, schließen dann aber Fälle mit unterstellten Werten aus bestimmten Analysen aus. Das macht den Zweck der Unterstellung zunichte und kann Verzerrungen einführen. Sobald Sie unterstellte Datensätze erstellt haben, verwenden Sie sie konsistent über alle Analysen hinweg.

Fehler 4: Unzureichende Imputationsmodelle

Die Verwendung von Imputationsmodellen, die nur die Variablen in Ihrem Analysemodell enthalten, ohne Hilfsvariablen, kann die Qualität der Imputationen reduzieren.

Fehler 5: Nicht-Überprüfung der Imputationsqualität

Prüfen Sie immer die Verteilungen der unterstellten Werte und vergleichen Sie sie mit beobachteten Werten. Überprüfen Sie auf unplausible unterstellte Werte (z. B. negative Werte für Variablen, die positiv sein sollten, Werte außerhalb des möglichen Bereichs).

Praktischer Workflow zur Verwaltung fehlender Daten

Hier ist ein Schritt-für-Schritt-Workflow, der die in diesem Artikel diskutierten Strategien integriert:

Schritt 1: Erkunden und Dokumentieren fehlender Daten

  • Berechnung des Prozentsatzes der fehlenden Daten für jede Variable
  • Fehlende Datenmuster mit Visualisierungstools identifizieren
  • Vergleichen Sie die Teilnehmer mit vollständigen und unvollständigen Daten zu beobachteten Variablen
  • Durchführung des MCAR-Tests von Little
  • Dokumentieren Sie alle Ergebnisse in einem Bericht zur Analyse fehlender Daten

Schritt 2: Bewerten Sie den fehlenden Datenmechanismus

  • Bestimmen Sie anhand statistischer Tests und fundierter Kenntnisse, ob Daten wahrscheinlich MCAR, MAR oder MNAR sind
  • Identifizieren Sie Variablen, die das Fehlen vorhersagen
  • Überlegen Sie, ob verschiedene Variablen unterschiedliche fehlende Datenmechanismen haben können

Schritt 3: Wählen Sie eine geeignete Methode für fehlende Daten

  • Wenn die Daten MCAR sind und die fehlende Daten minimal sind (<5%), kann eine listenweise Löschung akzeptabel sein.
  • Wenn es sich bei den Daten um MAR handelt, ist die Mehrfachimputation oder FIML zu verwenden.
  • Wenn es sich um MNAR-Daten handeln kann, Plansensitivitätsanalysen
  • Berücksichtigen Sie die Komplexität Ihres Analysemodells und der verfügbaren Software bei der Auswahl zwischen Multiple Imputation und FIML

Schritt 4: Implementieren Sie die Methode der fehlenden Daten

  • Für Mehrfachimputation: Geben Sie das Imputationsmodell an, bestimmen Sie die Anzahl der Imputationen, führen Sie den Imputationsalgorithmus aus, überprüfen Sie die Konvergenz und validieren Sie die imputierten Werte
  • Für FIML: Geben Sie das Analysemodell an, um alle verfügbaren Daten zu verwenden, und überprüfen Sie, ob die Software FIML korrekt implementiert

Schritt 5: Durchführung von Analysen

  • Führen Sie Ihre geplanten Analysen mit den unterstellten Datensätzen oder FIML-Schätzungen durch
  • Kombinieren Sie die Ergebnisse über die unterstellten Datensätze hinweg mit den Regeln von Rubin
  • Vergleichen Sie die Ergebnisse, um die Fallanalyse abzuschließen, um die Auswirkungen der fehlenden Datenverarbeitung zu bewerten

Schritt 6: Durchführung von Sensitivitätsanalysen

  • Wenn es sich bei den Daten um MNAR handeln könnte, untersuchen Sie, wie sich die Ergebnisse unter verschiedenen Annahmen ändern
  • Versuchen Sie alternative fehlende Datenmethoden, um die Robustheit zu bewerten
  • Untersuchen Sie, ob sich die Ergebnisse für Untergruppen mit unterschiedlichen Mustern der Fehlfunktion unterscheiden

Schritt 7: Ergebnisse transparent melden

  • Beschreiben Sie das Ausmaß und die Muster fehlender Daten
  • Melden Sie Ihre Einschätzung des fehlenden Datenmechanismus
  • Erläutern Sie die verwendete Methode der fehlenden Daten und begründen Sie diese Wahl
  • Aktuelle Ergebnisse von Sensitivitätsanalysen
  • Diskutieren Sie Einschränkungen im Zusammenhang mit fehlenden Daten

Ressourcen für weiteres Lernen

Für Forscher, die ihr Verständnis der fehlenden Datenmethoden vertiefen möchten, stehen mehrere hervorragende Ressourcen zur Verfügung:

Books: "Flexible Imputation of Missing Data" von Stef van Buuren bietet eine umfassende Abdeckung der Mehrfachimputation mit praktischen Beispielen in R. "Statistical Analysis with Missing Data" von Roderick Little und Donald Rubin bietet die theoretische Grundlage für moderne fehlende Datenmethoden. "Applied Missing Data Analysis" von Craig Enders präsentiert zugängliche Erklärungen mit sozialwissenschaftlich relevanten Beispielen.

Online-Ressourcen: Das Flexible Imputation of Missing Data Online-Buch von Stef van Buuren ist frei verfügbar und enthält R-Code-Beispiele. Die Missing Data-Website, die von Forschern der University of Bristol betrieben wird, bietet Tutorials, Software-Guides und aktuelle Forschungsarbeiten.

Software-Dokumentation: Die Dokumentation für das Mäusepaket in R, Statas mi-Befehle und SPSS Missing Values Analysis enthalten Tutorials und Beispiele, die Forschern bei der Implementierung dieser Methoden helfen können.

Workshops und Kurse: Viele Universitäten und Berufsverbände bieten Workshops zur Analyse von fehlenden Daten an. Das Sommerinstitut für Sozialforschungsmethoden der Universität von Michigan, das ICPSR-Sommerprogramm und verschiedene Online-Plattformen bieten Kurse an, die sich speziell auf fehlende Daten konzentrieren.

Schlussfolgerung

Die Verwaltung fehlender Daten in großen psychologischen Erhebungen erfordert eine sorgfältige Aufmerksamkeit sowohl für die statistische Methodik als auch für das Forschungsdesign. Das Verständnis der Mechanismen, die fehlende Daten erzeugen - MCAR, MAR und MNAR - ist von grundlegender Bedeutung für die Auswahl geeigneter Handhabungsmethoden. Während einfache Ansätze wie das listenweise Löschen weiterhin üblich sind, bieten moderne Methoden wie die Mehrfachimputation und die FIML erhebliche Vorteile in Bezug auf die Verringerung von Verzerrungen und die Erhaltung der statistischen Leistungsfähigkeit.

Die Wahl der Methode für fehlende Daten sollte von den Eigenschaften Ihrer Daten, den Annahmen, die Sie bereit sind, und der Komplexität Ihrer Analysen abhängen. Mehrfache Imputation bietet Flexibilität und kann mit komplexen fehlenden Datenmustern umgehen, was sie für die meisten psychologischen Umfrageforschungen geeignet macht. FIML bietet eine effiziente Alternative bei der Durchführung modellbasierter Analysen wie Strukturgleichungsmodellierung. Unabhängig von der gewählten Methode ist Transparenz bei der Berichterstattung darüber, wie fehlende Daten behandelt wurden, für die Integrität der Forschung unerlässlich.

Die beste Strategie für die Verwaltung fehlender Daten ist nach wie vor die Prävention durch durchdachtes Umfragedesign. Klare Frageformulierungen, benutzerfreundliche Schnittstellen, angemessene Anreize und Strategien zur Aufrechterhaltung des Teilnehmerengagements können das Auftreten fehlender Daten erheblich reduzieren. Wenn fehlende Daten auftreten, bieten die in diesem Artikel diskutierten statistischen Methoden Werkzeuge zur Durchführung valider Analysen, die die Unsicherheit angemessen berücksichtigen.

Da die psychologische Forschung zunehmend auf groß angelegte Umfragen angewiesen ist, um komplexe Phänomene zu verstehen, wird die Entwicklung von Fachwissen über Methoden für fehlende Daten immer wichtiger. Durch die Kombination strenger statistischer Ansätze mit sorgfältiger Forschungsgestaltung und transparenter Berichterstattung können Forscher sicherstellen, dass fehlende Daten die Gültigkeit und die Auswirkungen ihrer Arbeit nicht untergraben. Die in diesem Artikel skizzierten Strategien bieten einen umfassenden Rahmen für die Bewältigung dieser allgegenwärtigen Herausforderung in der psychologischen Umfrageforschung.