Fehlende Werte in der Marktforschung Problembehandlung und Diskussion

Studienarbeit aus dem Jahr 2004 im Fachbereich BWL - Marktforschung, Note: 1,7, Freie Universität Berlin (Marketing-Department), 17 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Die Marktforschung versucht das Entscheidungsproblem des Managements mit den ihrverfügbaren Instrumenten zu lösen und dabei möglichst vollständige Datensätze ausPrimärforschung oder Deskresearch zu verwenden. Dies ist jedoch häufig unmöglich,auch wenn dasjenige Untersuchungsdesign verwendet wird, bei dem wenige Ausfällevermutet werden. Bei der Auswahl des entsprechenden Erhebungsdesigns sollte man sichim Klaren über mögliche Ausfallursachen sein (Herrmann/Homburg, 2000, S.81ff). Sokann in einem Interview falsches Verständnis der Frage, die Auskunftsunfähigkeit oder derUnwille zur Beantwortung der Frage zu fehlenden Werten führen. Vor allem Fragen zuEinkommen, Sexualverhalten oder Alkoholkonsum werden oft nicht beantwortet. So gibtes viele Datensätze in der Marktforschung, die unvollständig sind: In einem Panel vonHorowitz und Golob (1979) waren bei 60% der 1565 Befragten 1% der Fragenunbeantwortet und bei 10% fehlten sogar 5% der Daten (Lehmann, 1989, S.369). BeimVorkommen fehlender Werte muss man zunächst Klarheit über die Struktur des Ausfallsgewinnen, um die richtige Lösung, bzw. Korrektur anzuwenden. Im Rahmen derStrukturanalyse muss also zunächst untersucht werden, ob der zu Grunde liegendeAusfallmechanismus zufälliger Natur ist, oder ob ein systematischer Zusammenhang zubefürchten ist. Ein Ignorieren dieses Problems oder die Benutzung einer Ad-hoc-Lösungkann das Ergebnis verzerren. Denn die Anwendung der einfachsten und nicht zuletzt wohldeswegen beliebtesten Methode, der Dateneliminierung, ist nur unter einer sehr striktenVoraussetzung, nämlich dass der Datenausfall vollkommen zufällig ist, richtig. Außer derDateneliminierung besteht noch u. A. die Möglichkeit der Vervollständigung der Daten mitSchätzwerten oder die direkte Schätzung aus den unvollständigen Daten. Alle dieseMethoden setzen allerdings eine zufällige Verteilung der fehlenden Werte voraus. Einsystematisches Fehlen erfordert komplizierte Lösungsschritte und die Kenntnis über dieStruktur des Ausfalls. Beim Vorliegen eines vollkommen zufälligen Ausfalls ist man frei in der Auswahl der Korrekturmöglichkeit. Wenn die fehlenden Werte nur innerhalb des Merkmals unsystematisch wegbleiben, fallen die Möglichkeiten der Eliminierung, der Sensitivitätsanalyse und fast alle Methoden der Imputation aus. Sind die Datenausfälle gar systematisch, bleibt praktisch nur die Modellierung des Ausfallmechanismus.