230469 UE Basic Techniques of Population Inference with Incomplete Data (2008S)

Diese Lehrveranstaltung setzt sich auseinander mit der Tatsache, dass quantitative Daten in der Regel unvollständig sind, sei es aufgrund von Stichproben, unit- oder item-nonresponse und führt ein in grundlegende Techniken im Umgang mit solchen Daten. Diskutiert werden durchwegs praktische Fragen: Wie ziehe ich eine repräsentative Stichprobe? Warum können Ergebnisse einer Stichprobe von Bevölkerungsverteilungen abweichen ? Wie kann ich trotz einer selektiven Stichprobe unverzerrte Ergebnisse erhalten? Was bedeuten Gewichte für die Signifikanz von statistischen Tests? Warum kommt es zu fehlenden Werten ? Wann sind fehlende Werte ein Problem ? Wie können fehlende Werte bei der Datenauswertung behandelt werden ?
In dieser Lehrveranstaltung werden zunächst Stichprobenverfahren vorgestellt. Dabei lernen Studierende unter welchen Bedingungen quantitative Erhebungen in einem wirtschaftlich vertretbaren Rahmen durchführbar sind. Dabei wird vor allem auf Wahrscheinlichkeitsstichproben eingegangen, für welche die statistische Theorie Regeln entwickelt hat , mit denen Aussagen aus Stichprobenergebnissen für Gesamtheiten verallgemeinerbar sind. In der Praxis sind aber vielfältige Formen von solchen Stichproben möglich, die sich hinsichtlich der Erwartungstreue und Präzision, besonders aber auch der Kosten unterscheiden. In manchen Fällen werden dabei Abweichungen von der Gesamtheit in Kauf genommen oder sind sogar angestrebt. Ein Beispiel wäre die Durchführung von ländervergleichenden Erhebungen, bei denen z.B. jeder EU-Mitgliedsstaat mit einer adäquaten Mindestgröße vertreten ist, unabhängig davon welchen Anteil die Population dieses Staates an der gesamten EU-Bevölkerung hat. In solchen Fällen sind die Ergebnisse verzerrt und die jeweiligen Schätzwerte müssen mittels Korrekturfaktoren (Gewichten) hochgerechnet werden.
Schließlich wird auf ein Problem eingegangen, dass auch dann auftritt wenn alle Elemente in einer Gesamtheit erfasst wurden: fehlende Informationen zu einzelnen Variablen. Dies kann etwa dadurch entstehen wenn Befragte die Auskunft verweigern oder keine Antwort geben können. Solche Lücken erfordern höchste Achtsamkeit und in manchen Fällen wird es sinnvoll sein, im Zuge der Datenaufbereitung plausible Schätzungen (Imputationen) dieser fehlenden Angaben vorzunehmen. In dieser Übung werden sowohl die Voraussetzungen für eine Datenanpassung als auch praktische Lösungsmöglichkeiten vermittelt.

Voraussetzung für die Teilnahme sind Grundkenntnisse in Datenerhebung und -Auswertung mit SPSS.