Umgang mit missing values - Imputationsverfahren

[Gini]

Hallo zusammen!

Ich suche für meine Abschlussarbeit eine Lösung für folgendes Problem: Ich habe einen Online-Studie erstellt mit insgesamt 5 Fragebögen.
Leider habe ich bei einem der 5 Fragebögen statt den eigentlichen 23 Items nur 22 Items eingefügt. Da der Fragebogen 4 Subskalen hat, kann ich 3 der 4 Subskalen uneingeschränkt auswerten. Aber wie würdet ihr mit der vierten Subskala umgehen, um evtl. sogar auf eine Gesamtausprägung schließen zu können?
Nach meinen Recherchen wäre ein Imputationsverfahren am ehesten passend, wobei sich hier die Frage stellt, ob ich den fehlenden Werte durch den Mittelwert der Subskala ersetzen sollte. Dieses Verfahren ist ja durchaus kritisch...

Vielen Dank schon mal und viele Grüße!
Gini

P.S. Leider finde ich kein Manual zu dem Fragebogen, sonst hätte ich dort natürlich nachgeschaut

[dutchie]

Hallo,

wenn ich richtig verstehe, fehlt ein Item komplett.

Wie willst du das denn sinnvoll Imputieren ?
quatsch!

Aber wie würdet ihr mit der vierten Subskala umgehen,

Die Skala hat halt jetzt ein Item weniger, shit happens, das ignorierst du einfach,
üblicherweise sind die Items einer Subskala inhaltlich homogen!

durch den Mittelwert der Subskala ersetzen sollte

Woher soll der Mittelwert kommen? Pro Person aus den anderen Items?
Mittelwert gemäß Manual?
Deine Stichprobe generiert doch keinen Mittelwert des Items.

gruß
dutchie

[Gini]

Hi dutchie,

Danke für deine Antwort!

Ja genau, die Idee war, orientiert an anderen Fragebögenmanualen, den fehlenden Wert des Items durch den Mittelwert der übrigen Items der entsprechenden Subskala zu berechnen.
Da ich grundsätzlich in meiner Abschlussarbeit keine absoluten Ausprägungen, sondern "nur" Zusammenhänge anschauen möchte, sind die Werte durch das fehlende Item über alle Personen hinweg ja auch gleichermaßen verzerrt. Deshalb kam ich eigentlich auch zu dem Schluss das fehlende Item ignorieren zu können. Leider fehlt mir nur irgendeine repräsentative Quelle, um mein Vorgehen rechtzufertigen ... diesen doofen Fehler machen wohl nicht viele...

Viele Grüße
Gini

[dutchie]

Hallo Gini,

diesen doofen Fehler machen wohl nicht viele.

..doofe Fehler macht jeder, und ein Fehler ist es erst, wenn du versucht was zu vertuschen.

Erzähl es deinem Betreuer und dann brauchst du das in der Arbeit nicht an die große Glocke hängen.

Das mit dem Mittelwert klappt nicht!
Wenn du aus dem x gegeben items und einmal einem imputierten Mittelwert wiederum einen Mittelwert ausrechnest,
nun mit "vollständigen Daten" x+1, kommt ja wieder der imputierte Mittelwert raus! Insofern ändert das nichts.
Imputation rettet Personen (Variablen), mit unvollständigen Daten, sodass sie nicht gänzlich eliminiert werden müssen,
aber keine Variablen, die vollständig fehlen. Denk dir Person x mit gänzlich fehlenden Daten, da könntest du die Daten andere Personen auch nicht nehmen, um diese zu retten, damit ließe sich die Stichprobe beliebig erweitern??

Die Konsequenz des fehlenden Items ist, wohl eine reduzierte Reliabilität der Skala,
und die inhaltliche Validität ist eine andere. Insofern leidet die Vergleichbarkeit mit anderen Studien,
in denen diese Skala verwendet wurde. Das müsste man jedem Buch zur Testtheorie entnehmen können,
aber nur indirekt, über die Anzahl der Items, gedacht im Sinne einer Testverkürzung.
Also hast du keinen Fehler gemacht, sondern den Test verkürzt. Du kannst deine Trennschärfen und
dein Cronbachs ALPHA mit dem vollständigen Test vergleichen, um feststellen,
dass deine verküzte Version nicht gelitten hat, zumindest bezüglich Reliabilität.

Aber es ist also nicht so, dass das ganze unbrauchbar wäre.

gruß
dutchie

[Gini]

Vielen Dank, das hat mir sehr weitergeholfen!