EconStor >
Ludwig-Maximilians-Universität München (LMU) >
Sonderforschungsbereich 386: Statistische Analyse diskreter Strukturen, Universität München (LMU) >
Discussion papers, SFB 386, LMU München >

Please use this identifier to cite or link to this item:

http://hdl.handle.net/10419/23880
  

Full metadata record

DC FieldValueLanguage
dc.contributor.authorGartner, Hermannen_US
dc.contributor.authorScheid, Sandroen_US
dc.date.accessioned2009-01-30T12:07:04Z-
dc.date.available2009-01-30T12:07:04Z-
dc.date.issued2003en_US
dc.identifier.piurn:nbn:de:bvb:19-epub-1703-0-
dc.identifier.urihttp://hdl.handle.net/10419/23880-
dc.description.abstractIn dieser Arbeit werden die Auswirkungen einer Ersetzung von fehlenden Werten auf das Ergebnis einer Regressionsanalyse untersucht. Grundlage ist eine Untersuchung von Klasen (2000) über die Unterschiede im Zusammenhang zwischen Unterernährung und Kindersterblichkeit in Afrika und Südasien. In dem Makro-Datensatz, welcher 101 Entwicklungsländer umfasst, fällt etwa ein Drittel der 273 Beobachtungen weg, da für verschiedene verwendete Variablen die Werte fehlen. Die so verloren gegangenen Informationen sollen in dieser Untersuchung genutzt werden um die Schätzergebnisse zu verbessern. Hierzu wird ein Verfahren zur multiplen Imputation verwandt, in welchem mit einem Data-Augmentation-Verfahren mehrere vervollständigte Datensätze generiert werden, mit welchen dann getrennt Schätzungen durchgeführt werden. Die Ergebnisse der Schätzungen werden dann miteinander kombiniert. Durch die Auswertung mehrerer vervollständigter Datensätze wird eine höhere Effizienz der Schätzer erreicht. Ein Vergleich von Regressionsanalysen, die mit dem vervollständigten Daten durchgeführt wurden, mit einer Complete-case-Analyse hat gezeigt, dass sich bestimmte Koeffizienten in ihrer Größenordnung geändert haben. Bei manchen Koeffizienten sind unplausible Vorzeichen aus der Complete-case Analyse verschwunden. Es ist also vorteilhaft, bei Problemen mit fehlenden Werten moderne Imputationsverfahren zu verwenden. Die wesentlichen Ergebnisse aus der Untersuchung von Klasen (2000) konnten dennoch bestätigt werden. Durch die Ersetzung der fehlenden Werte konnten noch eine Reihe von Variablen zugänglich gemacht werden, die in den bisherigen Untersuchungen nicht verwendet wurden, da dadurch auf noch mehr Beobachtungen hätte verzichtet werden müssen.en_US
dc.language.isogeren_US
dc.publisheren_US
dc.relation.ispartofseriesDiscussion papers / Sonderforschungsbereich 386 der Ludwig-Maximilians-Universität München 322en_US
dc.subject.jelC15en_US
dc.subject.jelO11en_US
dc.subject.ddc330en_US
dc.subject.stwUnterernährungen_US
dc.subject.stwKindersterblichkeiten_US
dc.subject.stwSchätzungen_US
dc.subject.stwNichtparametrisches Verfahrenen_US
dc.subject.stwRegressionen_US
dc.subject.stwStatistische Methodeen_US
dc.subject.stwTheorieen_US
dc.subject.stwAfrikaen_US
dc.subject.stwSüdasienen_US
dc.subject.stwEntwicklungsländeren_US
dc.subject.stwimputation techniqueen_US
dc.subject.stwmissing dataen_US
dc.titleMultiple Imputation von fehlenden Werten mit Daten über Unterernährung und Kindersterblichkeiten_US
dc.typeWorking Paperen_US
dc.identifier.ppn477770037en_US
dc.rightshttp://www.econstor.eu/dspace/Nutzungsbedingungen-
Appears in Collections:Discussion papers, SFB 386, LMU München

Files in This Item:
File Description SizeFormat
paper322.pdf463.86 kBAdobe PDF
No. of Downloads: Counter Stats
Show simple item record
Download bibliographical data as: BibTeX

Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.