Suche   SiteMap
Home
A bis Z
BIB-KAT
Andere Bibliothekskataloge
Digitale Medien
Dokumentlieferung
Fachspezifische Informationen
Suchhilfen und Datenbanken
 
Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:hbz:385-10239
URL: http://ubt.opus.hbz-nrw.de/volltexte/2017/1023/


Zum Einfluss von Transformationen schiefer Verteilungen auf die Analyse mit imputierten Daten

On the Influence of Transformation of Skewed Distributions on the Analysis with Imputed Data

Enderle, Tobias

pdf-Format:
Dokument 1.pdf (1.709 KB) (Dissertation_Enderle_Tobias)

Bookmark bei Connotea Bookmark bei del.icio.us
SWD-Schlagwörter: Box-Cox-Transformation, Imputationstechnik, Normalverteilung
Freie Schlagwörter (Deutsch): Transformation, Imputation, Multivariate Normalverteilung
Freie Schlagwörter (Englisch): Transformation, Imputation, Multivariate Normal Distribution
Institut: Wirtschaftswissenschaften
Fakultät: Fachbereich 4
DDC-Sachgruppe: Statistik
Dokumentart: Dissertation
Hauptberichter: Münnich, Ralf (Prof. Dr.)
Sprache: Deutsch
Tag der mündlichen Prüfung: 06.02.2015
Erstellungsjahr: 2015
Publikationsdatum: 17.01.2017
Kurzfassung auf Deutsch: Die korrekte Behandlung fehlender Daten in empirischen Untersuchungen spielt zunehmend eine wichtige Rolle in der anwendungsorientierten, quantitativen Forschung. Als zentrales flexibles Instrument wurde von Rubin (1987) die multiple Imputation entwickelt, welche unter regulären Bedingungen eine korrekte Inferenz der eigentlichen Schätzungen ermöglicht. Eine Reihe von Imputationsmethoden beruht im Wesentlichen auf der Normalverteilungsannahme. In der Empirie wird diese Annahme normalverteilter Daten zunehmend kritisiert. So erweisen sich Variablen auf Grund ihrer sehr schiefen Verteilungen für die Imputation als besonders problematisch. In dieser Arbeit steht die korrekte Behandlung fehlender Werte mit der Intention einer validen Inferenz der eigentlichen Schätzung im Vordergrund. Ein Instrument ist die Transformation schiefer Verteilungen, um mit Hilfe der transformierten und approximativ normalverteilten Daten Imputationen unter regulären Bedingungen durchzuführen. In der Arbeit wird ein multivariater Ansatz eingeführt. Anschließend wird im Rahmen mehrerer Monte-Carlo-Simulationsstudien gezeigt, dass der neue Ansatz bereits bekannte Verfahren dominiert und sich die Transformation positiv auf die Analyse mit imputierten Daten auswirkt.
Kurzfassung auf Englisch: Multiple imputation is a powerful and flexible tool when compensating for missing data. This tool can yield valid inferences of actual estimates under regular conditions. The most established approach is the multivariate normal imputation. Empirical data that are skewed ignore the normality assumption of the approach. Transformation is one possibility to circumvent this issue. This work introduces a transformation approach that allows for multivariate normal imputation of skewed data under regular conditions. The new approach is compared to known methods within several Monte-Carlo simulation studies.

Home | Suchen | Veröffentlichen | Hilfe | Viewer