Fehlende Daten stellen eine Herausforderung für die reale Datenanalyse dar. Einfache Ad-hoc-Fixes wie Deletion oder Mean Imputation funktionieren nur unter sehr restriktiven Bedingungen, die in der Praxis oft nicht eingehalten werden. Bei der Mehrfachimputation wird jeder fehlende Wert durch mehrere plausible Werte ersetzt. Die Variabilität zwischen diesen Ersetzungen spiegelt unsere Unkenntnis des wahren (aber fehlenden) Wertes wider. Jeder der vervollständigten Datensätze wird dann mit Standardmethoden analysiert und die Ergebnisse werden gepoolt, um unverzerrte Schätzungen mit korrekten Konfidenzintervallen zu erhalten. Die multiple Imputation ist ein allgemeiner Ansatz, der auch zu neuartigen Lösungen für alte Probleme inspiriert, indem die anstehende Aufgabe als Problem mit fehlenden Daten umformuliert wird. Dies ist die zweite Auflage eines populären Buches über multiple Imputation, das sich darauf konzentriert, die Anwendung von Methoden anhand detaillierter Arbeitsbeispiele mit dem vom Autor entwickelten MICE-Paket zu erklären. Diese Neuauflage greift die jüngsten Entwicklungen in diesem schnelllebigen Bereich auf. Dieses klassengeprüfte Buch vermeidet mathematische und technische Details so weit wie möglich: Formeln werden von verbalen Aussagen begleitet, die die Formel in verständlichen Begriffen erklären. Das Buch schärft die Intuition des Lesers, wie er über fehlende Daten nachdenken sollte, und bietet alle Werkzeuge, die erforderlich sind, um eine fundierte quantitative Analyse in Gegenwart fehlender Daten durchzuführen. . Sprache: Englisch