Zur Multiplen Imputation bei Item Nonresponse am Beispiel eines Analysemodells zum Abstimmungsverhalten bei Bürgerentscheiden

Abstract

"In diesem Artikel werden Fragestellungen unterschiedlicher Ebenen behandelt. Zum einen befasst sich der Aufsatz mit dem politischen Verhalten bei direktdemokratischen Abstimmungen auf kommunaler Ebene. Konkret wird ein multivariates Logitmodell geschätzt, das themenspezifische Variablen als wichtigste Determinanten eines in Lichtenfels (Oberfranken) stattgefundenen Bürgerentscheids identifiziert. Die zweite Ebene, die zugleich den Kern der Arbeit darstellt, behandelt einen Vergleich von fallreduzierendem Vorgehen gegenüber einer Imputation als Korrekturmethode auf Basis des realwissenschaftlichen Modells der ersten Fragestellungsebene. Die Verknüpfung der realwissenschaftlichen mit einer methodischen Fragestellung führt dabei vor Augen, wie wichtig ein sensibler Umgang mit fehlenden Daten – auch in den Sozialwissenschaften – ist. Der erhobene Datensatz dient als Ausgangspunkt für einen Vergleich der Complete-Cases-Methode und der Multiplen Imputation als Ergänzungsverfahren bei Item Nonresponse. Mit Hilfe eines Verfahrens, das die Vorteile von Simulationen mit denen realer Daten kombiniert, wird eine aussagekräftige Grundlage für den Methodenvergleich geschaffen. An den Ergebnissen, die sowohl grafisch als auch analytisch aufbereitet werden, wird deutlich, dass sich die Multiple Imputation in der vorliegenden Stichprobe zur Korrektur von Item Nonreponse im Vergleich zur Complete-Cases-Analyse empfiehlt." (Autorenreferat)

"In this article, we deal with problems of two different natures. On the first level, the paper handles with direct democratic voting behavior on local level, concretely via logistic regression models which indentify issue oriented variables as the most important determinants. The second level, which is the actual core of this article, discusses two approaches for dealing with missing values: case-reducing versus imputation of the missing data. The linkage between a real scientific and a methodological question shows the importance of a sensitive handling of missing data – not least in social sciences. Our sample is used for the comparison of Completes-Cases-Analyses with Multiple Imputation. By means of a procedure which combines the advantages of a simulation with those of real data we create a valid base for our comparison. The analytical and graphical results show clearly that it's appropriate to use Multiple Imputation instead of using a Complete-Cases- Analysis." (author's abstract)