Fehlende Daten beim Record Linkage von Prozess- und Befragungsdaten: Ein empirischer Vergleich ausgewue4hlter Missing Data Techniken

摘要

Zum Vergleich ausgewue4hlter Missing Data Techniken nutzt dieses Papier eine Befragung, in der u. a. die Zustimmung zum Record Linkage der Befragungs- mit administrativen Prozessdaten abgefragt wurde. Bei nicht zustimmenden Befragten, werden ihre gegebenen Antworten auf 'fehlend' gesetzt, um so pseudo-fehlende Werte auf Basis eines empirischen (im Vergleich zu einem statistisch simulierten) Ausfallmechanismus zu erzeugen. Eine OLS Regression wird durchgefufchrt und dem Datenausfall wird jeweils durch eine Complete Case Analyse (CCA), Multiple Imputation (MI) und zwei Varianten des Heckmans Sample Selection Models (SSM) begegnet. Die Ergebnisse werden mit einer Regression auf Basis der vollstue4ndigen Daten verglichen, welche die 'wahren' Regressionsergebnisse liefert (Benchmark). Alle Verfahren fufchren zu nur wenigen Abweichungen vom Benchmark. Wenn nur eine unabhue4ngige Variable fehlende Werte aufweist, liegt die MI nue4her zum Benchmark, wenn die abhue4ngige ausfallbelastet ist, die CCA gefolgt von der Two-Step Variante des SSM. Bei fehlenden Werten in vielen oder allen unabhue4ngigen Variablen zeigen sich alle Verfahren ue4hnlich geeignet zur Korrektur der Ausfue4lle, mit Ausnahme der Maximum Likelihood Variante des SSM.