Monte-Carlo-Simulationen zur Evaluation der Leistungsfähigkeit moderner Missing Data Techniken bei Schätzung von Strukturgleichungsmodellen mit latenten Variablen. Eine systematische Analyse verschiedener Varianten der Multiplen Imputation.

• Antragsteller: Professor Dr. Dieter Urban
• Fachliche Zuordnung: Empirische Sozialforschung
• Förderung: Förderung von 2017 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 370960346

In diesem Projekt sollen verschiedene moderne Techniken des Umgangs mit fehlenden Werten (Missing Data Techniken: MDT) bei Strukturgleichungsmodellierungen mit latenten Variablen getestet werden. Dazu gehören neben der Multiplen Imputation (MI-Methode), das Expectation Maximization-Verfahren (EM) sowie die Direct-ML-Methode. Mittels Monte-Carlo-Simulationen sollen diese Techniken auf ihre Leistungsfähigkeit hinsichtlich bestimmter endogener Testkriterien (wie Parameterverzerrung, Konvergenz, Modell-Anpassung u.a.) und unter variierenden exogenen Modellparametern (wie Werteverteilungen, Datenskalierungen, Missing Value-Anteilen, Missingmechanismen, Samplegrößen etc.) evaluiert werden. Im Unterschied zu anderen Monte-Carlo-Studien zur Evaluation von Missing Data Techniken soll neben dem Vergleich der drei genannten MDTs insbesondere die Leistungsfähigkeit verschiedener Techniken der MI-Methode untersucht werden. Es soll insbesondere ermittelt werden, unter welchen Datenbedingungen eine bestimmte MI-Technik bei Schätzung von Strukturgleichungsmodellen anzuwenden ist. Zusätzlich sollen die Ergebnisse der Monte-Carlo-Simulationen an Beispielen mit echten empirischen Daten verdeutlicht werden. Damit soll aufgezeigt werden, welche Auswirkungen eine nicht adäquate empirische Anwendung einer MDT (und im speziellen: eines MI-Typs) in der Forschungspraxis haben kann. Die erzielten Ergebnisse sollen der empirischen Forschungspraxis als Handlungsanleitungen zur Verfügung gestellt werden, mit denen jedem empirischen Datensatz entsprechend seiner Datenstruktur eine bestimmte MDT sowie ein optimaler MI-Typ zugeordnet werden kann.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Dr. Andreas Wahl