Imputieren ja oder nein – und wenn ja, wie?

Fazit für die Praxis

Aus theoretischer Sicht ist MI der CC-Auswertung in den meisten forschungspraktisch relevanten Situationen überlegen. Für den Forscher stellt sich also die Frage: Soll ich MI anwenden? Multiple Imputationen werden seit einigen Jahren in verschiedenen Statistik-Programmen angeboten (R, STATA, SAS, SPSS), teilweise mit wenigen Zeilen ausführbar. Manche Programme suggerieren fälschlicherweise, dass der Benutzer keinerlei Hintergrundkenntnisse benötigt. Das trifft heute leider (noch) nicht zu, der Aufwand erhöht sich beträchtlich und die Entscheidung für oder gegen MI sollte vor dem Hintergrund der hier vorgestellten Empfehlungen gut überlegt werden.

• Literatur

• 1 Rubin DB. Inference and missing data. Biometrica 1976; 63: 581-592
• 2 Little RJ, Rubin DB. Statistical Analysis with Missing Data. New York: Wiley; 2002
• 3 Rabung S. Was tun bei fehlenden Werten?. Psychother Psych Med 2010; 60: 485
• 4 van Buuren S, Boshuizen HC, Knook DL. Multiple imputation of missing blood pressure covariates in survival analysis. Statistics in Medicine 1999; 18: 681-694
• 5 Hardt J, Herke M. Multiple imputation of missing data – a beginner's guide. Berlin: Springer; (in prep)
• 6 Hardt J, Herke M, Leonhart R. Auxiliary variables in multiple imputationin regression with missing X: a warning against including too many in small sample research. BMC Medical Research Methodology 2012; 12 http://www.biomedcentral.com/1471-2288/12/184