Imputation zur maschinellen Behandlung fehlender und unplausibler Werte in der amtlichen Statistik

Marcel Preising, Kerstin Lange and Florian Dumpert

WISTA – Wirtschaft und Statistik, 2021, vol. 73, issue 5, 40-52

Abstract: Fehlende Werte in den Erhebungsdaten stellen für die amtliche Statistik eine Herausforderung dar. Ein falscher Umgang mit ihnen kann die Ergebnisse verzerren. Zudem machen große Datenmengen und hohe Anforderungen an die Aktualität der Daten zunehmend automatisierte Plausibilisierungs- und Imputationsverfahren notwendig. Um eine hohe Qualität der Ergebnisse erreichen zu können ist es daher wichtig, sich mit diesen Themen auseinanderzusetzen. Der Aufsatz beschreibt, warum fehlende Werte ein Problem darstellen können und zeigt einige Behandlungsoptionen auf. Er stellt verschiedene Klassen von Imputationsverfahren und Möglichkeiten zur Evaluation der Imputationsergebnisse vor und ergänzt sie mit Beispielen aus der amtlichen Statistik.

Keywords: Antwortausfall; fehlende Werte; Datenaufbereitung; Imputation; Plausibilisierung; non-response; missing values; data processing; imputation; data editing (search for similar items in EconPapers)
Date: 2021
References: View complete reference list from CitEc
Citations: View citations in EconPapers (1)

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/244708/1/wista-2021-5-040-052.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:wistat:244708

Access Statistics for this article

More articles in WISTA – Wirtschaft und Statistik from Statistisches Bundesamt (Destatis), Wiesbaden Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().