Die Datenbereinigung ist der erste und oft unterschätzte Schritt deiner Datenanalyse. Fehlende Werte, Ausreißer und Eingabefehler können deine Ergebnisse verzerren oder im schlimmsten Fall unbrauchbar machen. Hier erfährst du, wie du fehlende Werte systematisch erkennst, die passende Behandlungsstrategie wählst und alles nachvollziehbar dokumentierst.
-
Prüfe zuerst den Anteil und das Muster deiner fehlenden Werte.
-
Bei wenigen zufälligen fehlenden Werten und geringem Fallverlust kann eine Complete-Case-Analyse (listwise deletion) vertretbar sein.
-
Wenn das Fehlen mit beobachteten Variablen zusammenhängt, kommt ein passend spezifiziertes Imputations- oder Maximum-Likelihood-Modell infrage.
-
Dokumentiere Annahmen, Diagnostik und Entscheidungen im Methodenteil.
Hinweis zu Vorgaben: Struktur, Umfang und Formvorgaben variieren je nach Hochschule und Fachbereich. Prüfe deine Prüfungsordnung oder frag deine Betreuung. Hochschulvorgaben haben immer Vorrang.
Inhaltsverzeichnis
Was zählt als fehlender Wert?
Nicht jede Lücke im Datensatz ist ein fehlender Wert im statistischen Sinn. Bevor du mit der Bereinigung startest, musst du unterscheiden, ob Daten tatsächlich fehlen oder ob die Lücke gewollt ist.
Strukturelle Lücken: Entstehen durch Filterfragen oder logische Abhängigkeiten. Beispiel: „Wie viele Stunden arbeiten Sie pro Woche?“ wird nur Erwerbstätigen gestellt. Nicht-Erwerbstätige haben hier keinen fehlenden Wert, sondern die Frage trifft schlicht nicht zu. Diese Fälle werden nicht imputiert, sondern als eigene Kategorie („nicht zutreffend“) oder durch Stichprobenteilung behandelt. Geplant nicht erhobene, aber grundsätzlich sinnvolle Angaben (z. B. zufällig verteilte Fragebogenmodule) sind davon zu unterscheiden und können mit geeigneten Missing-Verfahren analysiert werden.
Echte fehlende Werte: Die Frage war relevant, wurde aber nicht beantwortet. Beispiel: Eine erwerbstätige Person überspringt die Frage nach den Arbeitsstunden. Hier liegt ein fehlender Wert vor, der behandelt werden muss.
„Weiß nicht“ und „Keine Angabe“: Diese Antwortoptionen sind ein Sonderfall. Bei Angaben zur eigenen Person (z. B. Nettoeinkommen) bedeutet „Weiß nicht“ häufig, dass der gesuchte Wert fehlt. Bei Wissensfragen kann die Antwort dagegen inhaltlich wichtig sein, weil sie Nichtwissen ausdrückt; folge hier der Auswertungsregel des Instruments. Auch bei Einstellungsfragen kann „Weiß nicht“ eine eigene Kategorie sein, ist aber nicht automatisch eine neutrale oder ambivalente Antwort. Prüfe die Fragelogik und entscheide begründet, ob du diese Fälle als fehlende Werte oder als eigene Ausprägung behandelst.
Fehlende-Werte-Codes prüfen: Viele Datensätze nutzen Platzhalter wie 99, -1, -9 oder leere Strings für fehlende Werte. Kodiere dokumentierte Missing-Codes in R als NA. In SPSS kannst du sie als benutzerdefiniert fehlend definieren oder bei numerischen Variablen in Systemfehlend umkodieren. Ohne passende Kennzeichnung werden sie als gültige Werte mitgerechnet und verfälschen deine Ergebnisse.
Workflow: Datenbereinigung in 7 Schritten
Ein systematischer Ablauf hilft dir, nichts zu übersehen und deine Entscheidungen nachvollziehbar zu dokumentieren.
-
Codes identifizieren und umkodieren
Prüfe, ob 99, -1, -9, leere Strings oder andere Platzhalter als fehlende Werte gemeint sind. Kodiere sie in R als NA. In SPSS definiere sie als benutzerdefiniert fehlend oder kodiere sie bei numerischen Variablen in Systemfehlend um.
-
Anteil quantifizieren
Berechne den Anteil fehlender Werte pro Variable und pro Fall. Erstelle eine Übersicht (Tabelle oder Heatmap).
-
Muster visualisieren
Nutze Missing-Pattern-Plots (z. B. naniar::vis_miss() in R oder Missing Value Patterns in SPSS). Erkenne, ob bestimmte Variablen oder Fallgruppen betroffen sind.
-
Muster untersuchen
Nutze Musterplots, fachliches Wissen und passende Vergleiche. Der Little's MCAR-Test kann ergänzen, MCAR aber weder beweisen noch MAR von MNAR unterscheiden.
-
Strategie wählen
Entscheide anhand von Fallverlust, plausiblen Missing-Annahmen und Analysemodell (siehe Entscheidungsmatrix unten).
-
Robustheit prüfen
Wenn plausible Missing-Strategien zu unterschiedlichen Ergebnissen führen könnten, vergleiche gezielt geeignete Varianten und erkläre Abweichungen.
-
Dokumentieren
Halte im Methodenteil fest: n vor/nach Bereinigung, gewählte Strategie mit Begründung, bei Imputation m und verwendetes Modell, Ergebnis der Sensitivitätsanalyse.
Fehlende Werte klassifizieren: MCAR, MAR, MNAR
Die Wahl der Behandlungsstrategie hängt davon ab, warum Daten fehlen. Die Statistik unterscheidet drei Muster, die unterschiedliche Konsequenzen für deine Analyse haben.
MCAR (Missing Completely At Random): Das Fehlen ist komplett zufällig und hängt weder von der fehlenden Variable selbst noch von anderen Variablen ab. Beispiel: Eine Frage wird durch einen zufälligen technischen Fehler übersprungen, unabhängig von den Merkmalen und Antworten der Person. Durch den Ausfall entsteht dann keine systematische Auswahl innerhalb der ursprünglichen Stichprobe. Listwise deletion, also der Ausschluss unvollständiger Fälle, verringert die Stichprobe und Präzision, verursacht unter MCAR aber keine zusätzliche Verzerrung.
MAR (Missing At Random): Das Fehlen darf von beobachteten Variablen abhängen. Wenn diese berücksichtigt sind, hängt die Ausfallwahrscheinlichkeit nicht mehr von den fehlenden Werten ab. Beispiel: Jüngere Befragte beantworten eine Frage zum Einkommen seltener als Ältere. Innerhalb derselben Altersgruppe hängt die Ausfallwahrscheinlichkeit dann nicht zusätzlich vom Einkommen ab. Moderne Verfahren wie multiple Imputation oder FIML können unter MAR und bei passend spezifiziertem Modell die beobachteten Zusammenhänge für weniger verzerrte Schätzungen nutzen.
MNAR (Missing Not At Random): Das Fehlen hängt auch nach Berücksichtigung der beobachteten Informationen von nicht beobachteten Werten ab. Beispiel: Personen mit sehr hohem Einkommen verweigern auch innerhalb vergleichbarer beobachteter Gruppen häufiger die Angabe ihres Einkommens. Standardverfahren (listwise, Imputation, FIML) können bei MNAR zu verzerrten Ergebnissen führen. Du brauchst theoretische Argumente und ggf. Sensitivitätsanalysen. Im Diskussionsteil solltest du MNAR-Risiken als Limitation benennen.
In der Praxis lässt sich MCAR mit dem Little's MCAR-Test prüfen. Ein nicht signifikanter Test beweist MCAR allerdings nicht. Er macht es nur plausibel (bei kleinen Stichproben hat der Test wenig Power). Kombiniere den Test daher mit Musterplots und Gruppenvergleichen. Anhand der beobachteten Daten allein lassen sich MAR und MNAR nicht unterscheiden. Hier brauchst du inhaltliche Überlegungen: Warum könnten die Daten fehlen? Sensitivitätsanalysen sind hier der zentrale Robustheitscheck, wenn MNAR fachlich plausibel ist. Dokumentiere deine Einschätzung und begründe, warum du MAR gegebenenfalls für plausibel hältst.
Strategien für den Umgang mit fehlenden Werten
Die richtige Strategie hängt von Fallverlust, plausiblen Missing-Annahmen und Analysemodell ab. Die folgende Matrix hilft dir bei der Entscheidung.
-
Wenig Fallverlust + MCAR plausibel
Eine Complete-Case-Analyse kann vertretbar sein, wenn ihre Annahmen zum Analysemodell passen und Präzision sowie Zusammensetzung der Stichprobe erhalten bleiben. Prüfe das resultierende n und vergleiche ein- und ausgeschlossene Fälle.
-
Relevanter Informationsverlust + MAR plausibel
Multiple Imputation oder FIML können verfügbare Informationen nutzen. Voraussetzung sind ein zum Datentyp und zur späteren Analyse passendes Modell sowie plausible MAR-Annahmen.
-
MNAR plausibel oder zentrale Variable stark betroffen
Vorsicht: Auch Imputation kann verzerrt sein. Prüfe fachlich plausible MNAR-Szenarien, zum Beispiel höhere fehlende Einkommen als unter MAR angenommen, und vergleiche die daraus folgenden Schätzungen. Ein bloßer Vergleich von MI und listwise deletion prüft dieses MNAR-Risiko nicht gezielt. Variablenausschluss ist der letzte Ausweg, nicht die erste Lösung. Bedenke: Ein Ausschluss verändert die Forschungsfrage und muss inhaltlich begründet werden. MNAR-Risiko immer als Limitation benennen.
Wichtig: Entscheidend sind das Analysemodell, plausible Missing-Annahmen und der tatsächliche Informationsverlust. Nicht empfohlen: Mittelwert-Ersetzung, pairwise deletion, single Imputation ohne Unsicherheitsberücksichtigung.
Sensitivitätsanalysen sind besonders wichtig, wenn mehrere vertretbare Annahmen oder Missing-Strategien zu anderen Schlussfolgerungen führen könnten. Vergleiche dann gezielt passende Ansätze, statt routinemäßig beliebige Verfahren gegenüberzustellen. Bleiben die Aussagen stabil, spricht das für Robustheit; ändern sie sich, berichte und erkläre die Unterschiede.
Multiple Imputation: Modelle und Diagnostik
Multiple Imputation (MI) ersetzt jeden fehlenden Wert mehrfach auf Basis der vorhandenen Daten. Die Analysen werden auf allen imputierten Datensätzen durchgeführt und die Ergebnisse nach Rubin's Rules kombiniert. Der Vorteil: Die Unsicherheit der Schätzung wird berücksichtigt.
PMM (Predictive Mean Matching): Eine häufige Option für metrische Variablen. Es zieht beobachtete Werte aus Fällen mit ähnlichen Vorhersagen und kann dadurch plausible Wertebereiche besser erhalten als eine einfache lineare Ersetzung. Ob PMM zum Analysemodell passt, musst du dennoch prüfen.
Logistische Imputation: Für binäre Variablen (0/1, ja/nein). Schätzt die Wahrscheinlichkeit und zieht daraus den imputierten Wert.
Proportional Odds / ordinale logistische Modelle: Für ordinale Variablen (Likert-Skalen als Einzelitems). Berücksichtigt die Rangfolge der Kategorien.
Tipp: In R setzt das mice-Paket Ausgangsmethoden anhand des Variablentyps. Prüfe diese zusammen mit Prädiktoren, Wertebereichen und deinem späteren Analysemodell.
FIML oder Multiple Imputation? FIML (Full Information Maximum Likelihood) ist eine Alternative zu MI und besonders geeignet, wenn dein Hauptmodell ohnehin mit Maximum Likelihood geschätzt wird (z. B. Strukturgleichungsmodelle in lavaan oder Mplus). FIML schätzt Parameter und Missing-Handling in einem Schritt und erfordert keine separaten imputierten Datensätze. MI ist flexibler, wenn du verschiedene Analyseverfahren nutzt oder die Daten vor der Analyse explorativ erkunden willst. Beide Verfahren können unter plausibler MAR-Annahme und bei richtig spezifiziertem Modell konsistente Schätzungen liefern.
Einschränkung: Je nach Software kann FIML bei fehlenden Werten in exogenen Variablen (unabhängige Variablen ohne Residuum im Modell) Probleme bereiten. Prüfe die Dokumentation deines Tools; im Zweifel MI oder eine Modellanpassung (z. B. exogene als endogene Variable modellieren).
Wie viele Imputationen (m)? Wähle m anhand des Informationsverlusts und der benötigten Genauigkeit. Starte für eine einfache Übungsanalyse beispielsweise mit m = 20 und prüfe, ob Schätzungen, Standardfehler und Monte-Carlo-Unsicherheit bei mehr Imputationen stabil bleiben. Mehr Imputationen reduzieren die zusätzliche Simulationsunsicherheit, ersetzen aber kein gutes Imputationsmodell. Dokumentiere die gewählte Zahl und deine Diagnose.
Verteilungen vergleichen: Plotte beobachtete vs. imputierte Werte. Die Verteilungen müssen unter MAR nicht identisch sein. Unerwartete Abweichungen sollten sich aber durch das Modell und die beobachteten Zusammenhänge erklären lassen.
Konvergenz prüfen: Bei MICE sollte die Konvergenz der Kettenplots (trace plots) geprüft werden. Achte auf durchmischte Ketten ohne systematischen Drift statt auf ein einzelnes formales Gütesiegel.
Plausibilität: Liegen die imputierten Werte im sinnvollen Bereich? Ein imputiertes Alter von 150 Jahren deutet auf ein Problem hin.
Imputationsmodell passend aufbauen: Es sollte mit deinem Analysemodell vereinbar sein und relevante Ziel-, Prädiktor- sowie Hilfsvariablen enthalten, die Werte oder Missingness erklären. Interaktionen, Transformationen und die Datenstruktur müssen gegebenenfalls ebenfalls abgebildet werden.
Strukturelle Lücken nicht imputieren: Stelle sicher, dass strukturelle Lücken (Filterfragen, „nicht zutreffend") nicht imputiert werden. In mice steuerst du das über eine where-Matrix. Im folgenden Beispiel ist erwerbstaetig vollständig mit 0 (nein) und 1 (ja) erfasst:
library(mice)
# where-Matrix: TRUE = imputieren, FALSE = nicht imputieren
where_matrix <- is.na(daten)
# Strukturelle Lücken ausschließen (z. B. Arbeitsstunden für Nicht-Erwerbstätige)
where_matrix[daten$erwerbstaetig == 0, "arbeitsstunden"] <- FALSE
ini <- mice(daten, maxit = 0, printFlag = FALSE)
pred <- ini$predictorMatrix
pred[, "arbeitsstunden"] <- 0
imp <- mice(daten, m = 20, where = where_matrix, predictorMatrix = pred, seed = 2026)
Die Maske lässt strukturelle Lücken unverändert. Da Arbeitsstunden dort NA bleiben, werden sie in diesem einfachen Beispiel nicht als Prädiktor anderer Variablen verwendet. Für eine Analyse der Arbeitsstunden ist die Erwerbstätigen-Teilstichprobe maßgeblich.
Ausreißer identifizieren und behandeln
Neben fehlenden Werten gehören Ausreißer zur Datenbereinigung. Ein Ausreißer ist ein Wert, der ungewöhnlich weit vom Rest der Verteilung entfernt liegt. Das kann ein Eingabefehler sein, aber auch ein echter Extremfall.
Identifikation: Boxplots zeigen Werte außerhalb der Whisker als potenzielle Ausreißer. Die Whisker reichen typischerweise bis zum äußersten Wert innerhalb des 1,5-fachen Interquartilsabstands vom jeweiligen Boxrand. Bei Regressionen liefern Cook's Distance und standardisierte Residuen zusätzliche Hinweise. Gängige Richtwerte sind Cook's D > 4/n (n = analysierte Fallzahl) und |standardisiertes Residuum| > 3. Nutze diese Schwellen als Startpunkt, danach immer inhaltlich prüfen und dokumentieren. Ob ein Wert problematisch ist, hängt vom Kontext ab: Ein Alter von 150 Jahren ist offensichtlich ein Fehler, ein Alter von 85 Jahren kann dagegen ein valider Extremfall sein.
Behandlung: Automatisches Löschen von Ausreißern ist keine gute Strategie. Prüfe zunächst, ob ein Eingabefehler vorliegt. Wenn ja, korrigiere den Wert oder setze ihn auf fehlend. Bei echten Extremfällen führst du die Analyse mit und ohne den Ausreißer durch. Wenn die Ergebnisse stabil bleiben, behältst du den Wert. Wenn nicht, dokumentiere beide Varianten und begründe deine finale Entscheidung.
Software-Tools: SPSS und R konkret
Hier findest du konkrete Anleitungen für die gängigsten Tools. Kopiere die Menüpfade bzw. den Code und passe ihn an deine Daten an.
SPSS: Schritt für Schritt
Fehlende Werte definieren: Variablenansicht → Spalte „Fehlend“ → Werte wie 99, -1 als fehlend markieren.
Missing-Analyse: Analysieren → Fehlende Werte → Variablen auswählen → „EM“ aktivieren → OK. Little's MCAR-Test erscheint in der EM-Ausgabe. Die Funktion setzt je nach Lizenz die SPSS-Option „Missing Values“ voraus.
Multiple Imputation: Analysieren → Multiple Imputation → Fehlende Werte imputieren → Variablen und m festlegen → unter „Methode“ automatische oder begründet angepasste Modelle wählen → Ausgabe-Datensatz benennen.
Ausreißer: Analysieren → Deskriptive Statistiken → Explorative Datenanalyse → Diagramme → Boxplots aktivieren.
Für den Methodenteil: Exportiere die EM-Ausgabe und den MCAR-Test (χ², df, p). Bei Imputation: Nenne m und die Methode.
R: Code-Beispiele
library(naniar)
vis_miss(daten) # Heatmap fehlender Werte
gg_miss_var(daten, show_pct = TRUE) # Prozent pro Variable
Little's MCAR-Test: Für dieses separate Beispiel stehen y, x1 und x2 für ausgewählte, geeignete metrische Variablen ohne strukturelle Lücken. Prüfe, ob die Annahmen des multivariaten Normalmodells für den Test angemessen sind; beliebige numerische Kategoriecodes reichen dafür nicht aus.
library(naniar)
analyse_daten <- daten[c("y", "x1", "x2")]
mcar_test(analyse_daten) # gibt chi², df, p aus
Wichtig zur Interpretation: Ein nicht signifikanter Test beweist MCAR nicht. Er macht es nur plausibel. Bei kleinen Stichproben hat der Test wenig Power. Ergänze ihn durch Musterplots, fachliche Argumente und geeignete Vergleiche. Die Funktion ist in der naniar-Dokumentation beschrieben.
library(mice)
ini <- mice(analyse_daten, maxit = 0, printFlag = FALSE)
method <- ini$method # prüfen und fachlich anpassen
imp <- mice(analyse_daten, m = 20, method = method, seed = 2026)
fit <- with(imp, lm(y ~ x1 + x2))
pool(fit) # Ergebnisse kombinieren
Wichtig: mice wählt automatisch passende Ausgangsmethoden nach dem in R hinterlegten Variablentyp. Prüfe method, Prädiktormatrix, Wertebereiche und Modellstruktur vor der eigentlichen Imputation. Ergänze die Auswahl in analyse_daten um relevante Hilfsvariablen, die Werte oder Ausfälle erklären. Die aktuelle mice-Dokumentation beschreibt die Standardmethoden und Optionen.
Dokumentation und Reporting
Eine saubere Dokumentation macht deine Datenbereinigung nachvollziehbar. Im Methodenteil beschreibst du das Vorgehen, im Ergebnisteil berichtest du Sensitivitätsanalysen, in der Diskussion benennst du Limitationen.
Methodenteil (listwise deletion)
„Vor der Analyse wurden die Rohdaten auf Vollständigkeit geprüft (n = [Ausgangsstichprobe]). Der Anteil fehlender Werte lag zwischen [Min] % und [Max] % (M = [Mittelwert] %). Der Little's MCAR-Test war nicht signifikant, χ²([df]) = [Wert], p = [p-Wert]. In Kombination mit den Musterplots und Gruppenvergleichen wurde MCAR als plausibel eingeschätzt. Aufgrund des geringen Fallverlusts wurden [Anzahl] Fälle mit fehlenden Werten auf den Analysevariablen ausgeschlossen (listwise deletion). Die finale Stichprobe umfasst n = [Stichprobengröße].“
Methodenteil (mit Imputation)
„Fehlende Werte (M = [Anteil] %) wurden mittels multipler Imputation behandelt (mice-Paket in R, m = [Anzahl], PMM für metrische, logistische Imputation für binäre Variablen). Der Little's MCAR-Test war signifikant, χ²([df]) = [Wert], p = [p-Wert]. Gruppenvergleiche zeigten, dass [Gruppe] häufiger Angaben zu [Variable] verweigerte. Die zugehörigen beobachteten Merkmale wurden in das Imputationsmodell aufgenommen. MAR wurde unter der Annahme als plausibel bewertet, dass darüber hinaus keine Abhängigkeit des Ausfalls von unbeobachteten Werten bestand.“
Ergebnisteil (Sensitivitätsanalyse)
„Zur Prüfung der Robustheit wurde die Hauptanalyse zusätzlich mit listwise deletion durchgeführt. Die Schätzungen für den Zusammenhang von [UV] und [AV] waren in Richtung und Größenordnung vergleichbar (MI: b = [Wert], 95%-KI [Untergrenze; Obergrenze]; listwise: b = [Wert], 95%-KI [Untergrenze; Obergrenze]). Für diese beiden Analysen ergab sich dieselbe inhaltliche Schlussfolgerung.“ (Alternativ bei divergenten Ergebnissen: beide berichten und diskutieren.)
Diskussion (MNAR-Limitation)
„Eine Einschränkung betrifft die fehlenden [Variable]-Angaben. Obwohl MAR auf Basis der beobachteten Zusammenhänge plausibel erscheint, kann MNAR nicht ausgeschlossen werden: [Beschreibung des möglichen systematischen Ausfalls]. In diesem Fall könnten die unter MAR gewonnenen Schätzungen verzerrt sein. Die Sensitivitätsanalyse mit [Beschreibung des geprüften MNAR-Szenarios] zeigte [robuste/abweichende] Ergebnisse.“
Fiktives Kurzbeispiel
„Von 200 Fällen waren 184 auf allen Analysevariablen vollständig. Für den Zusammenhang zwischen Lernzeit (Stunden pro Woche) und Prüfungsangst (Skala von 0 bis 100) ergab die MI-Analyse b = -0,30 (95%-KI [-0,48; -0,12]), die Complete-Case-Analyse b = -0,28 (95%-KI [-0,47; -0,09]). Richtung und Größenordnung waren ähnlich; ein MNAR-Szenario wurde damit noch nicht geprüft.“
Häufige Fehler vermeiden
-
Missing-Codes nicht kennzeichnen
Problem: Unmarkierte Platzhalter wie 99 oder -1 werden als gültige Daten mitberechnet.
So behebst du es: Dokumentierte Missing-Codes in R als NA kodieren; in SPSS als benutzerdefiniert fehlend definieren oder bei numerischen Variablen in Systemfehlend umkodieren.
-
Muster nicht prüfen
Problem: Listwise deletion kann bei MAR/MNAR Schätzungen verzerren.
So behebst du es: Missing-Pattern, Fallverlust und plausible Ursachen untersuchen; ein einzelner Test reicht nicht.
-
Strukturelle Lücken imputieren
Problem: Filterfragen-Lücken sind keine echten fehlenden Werte.
So behebst du es: Strukturelle Lücken separat behandeln, nicht imputieren.
-
Keine Sensitivitätsanalyse
Problem: Eine einzige Strategie lässt Unsicherheit offen, wenn mehrere Annahmen plausibel sind.
So behebst du es: Dann gezielt passende Varianten vergleichen und berichten.
Nächste Schritte
Wenn deine Daten bereinigt sind, folgt die eigentliche Analyse. Mit sauberen Daten kannst du dich auf die inhaltlichen Fragen konzentrieren, statt dich mit technischen Problemen herumzuschlagen.
Der nächste Schritt ist die Datenanalyse. Dort wählst du das passende Verfahren für deine Forschungsfrage, prüfst die Voraussetzungen und führst die inferenzstatistischen Tests durch.
Falls du mit Statistik noch unsicher bist, hilft dir der entsprechende Ratgeber bei der Auswahl des richtigen Verfahrens. Formulierungsbausteine und Reporting-Checklisten findest du im Ratgeber zur Darstellung der Ergebnisse.
Wenn deine Arbeit inhaltlich fertig ist, kannst du bei BachelorHero alles online konfigurieren und deine Masterarbeit drucken und binden lassen.
Häufig gestellte Fragen
Ab welchem Anteil fehlender Werte wird es problematisch?
Eine feste Grenze gibt es nicht. Entscheidend sind neben dem Anteil das Muster, die betroffenen Variablen, der Fallverlust und dein Analysemodell. Systematische fehlende Werte können schon bei einem kleinen Anteil problematisch sein; ein größerer Anteil kann mit einem passenden Modell dennoch analysierbar sein. Begründe die Strategie und prüfe, wie empfindlich die Ergebnisse darauf reagieren.
Wie erkenne ich, ob meine fehlenden Werte zufällig sind?
Nutze Musterplots, fachliches Wissen und geeignete Vergleiche. Der Little's MCAR-Test (SPSS: Analysieren → Fehlende Werte; R: naniar::mcar_test()) kann ergänzen. Ist er nicht signifikant, macht das MCAR allenfalls plausibel. Beweisen kann er es nicht. MAR und MNAR sind aus den beobachteten Daten nicht sicher trennbar; dafür brauchst du inhaltliche Argumente und gegebenenfalls Sensitivitätsanalysen.
Was mache ich mit Codes wie 99 oder -1 im Datensatz?
Viele Datensätze nutzen Platzhalter wie 99, -1, -9 oder leere Strings für fehlende Werte. Kodiere dokumentierte Missing-Codes in R als NA. In SPSS kannst du sie als benutzerdefiniert fehlend definieren oder bei numerischen Variablen in Systemfehlend umkodieren. Ohne passende Kennzeichnung werden sie als gültige Werte mitgerechnet. Prüfe im Codebuch oder der Dokumentation, welche Codes verwendet wurden.
Wann ist „Weiß nicht“ ein fehlender Wert, wann eine eigene Kategorie?
Das hängt von der Fragelogik ab. Bei Angaben zur eigenen Person, etwa zum Einkommen, fehlt häufig der gesuchte Wert. Bei Wissensfragen kann „Weiß nicht“ dagegen Nichtwissen ausdrücken und nach den Regeln des Instruments ausgewertet werden. Bei Einstellungsfragen kann es eine eigene Kategorie sein, ist aber nicht automatisch eine neutrale oder ambivalente Antwort. Entscheide begründet und dokumentiere deine Entscheidung im Methodenteil.
Wie gehe ich mit Filterfragen und strukturellen Lücken um?
Strukturelle Lücken durch Filterfragen (z. B. Arbeitsstunden nur für Erwerbstätige) sind keine echten fehlenden Werte. Imputiere sie nicht. Kodiere „nicht zutreffend“ getrennt und definiere für die jeweilige Analyse die passende Teilstichprobe. Bei Imputation schützt eine Maske solche Felder (z. B. where in mice). Berücksichtige die dort verbleibenden NA auch bei der Auswahl der Prädiktoren.
Wie wähle ich die Anzahl der Imputationen (m)?
Es gibt keine für alle Datensätze passende Zahl. Wähle m so, dass Schätzungen und Standardfehler bei wiederholter Imputation hinreichend stabil sind; der Informationsverlust, das Modell und die gewünschte Genauigkeit spielen dabei eine Rolle. m = 20 kann ein Startwert für eine Übungsanalyse sein, muss aber diagnostisch geprüft und gegebenenfalls erhöht werden. Dokumentiere und begründe die Wahl.
Wie prüfe ich, ob die Imputation gut funktioniert hat?
Prüfe mindestens drei Ebenen: (1) Lassen sich Unterschiede zwischen beobachteten und imputierten Verteilungen durch das Modell erklären? (2) Zeigen MICE-Kettenplots durchmischte Ketten ohne systematischen Drift? (3) Sind die Werte inhaltlich plausibel? Ein imputiertes Alter von 150 Jahren deutet beispielsweise auf ein Problem hin.
Was ist der Unterschied zwischen listwise und pairwise deletion?
Listwise deletion schließt für eine Analyse alle Fälle aus, bei denen mindestens eine der dafür verwendeten Variablen fehlt. Innerhalb dieser Analyse werden dieselben vollständigen Fälle genutzt; bei anderen Variablen kann sich die Fallauswahl ändern. Pairwise deletion nutzt alle verfügbaren Daten pro Variablenpaar, führt aber zu unterschiedlichen Stichprobengrößen je Analyse. Pairwise deletion kann zu inkonsistenten Ergebnissen führen und wird meist nicht empfohlen.
Qualitative Inhaltsanalyse 
Seitenzahlen richtig einfügen 
Wissenschaftlicher Schreibstil