Fehlende Daten — Daten, 14–17 Jahre

Leere Antworten gehören zum Datensatz und sind kein unsichtbares Detail. Zu verstehen, warum Werte fehlen, hilft dabei, die Zuverlässigkeit einer Schlussfolgerung einzuschätzen.

Idee

Fehlende Daten liegen vor, wenn ein Wert erwartet wurde, aber nicht aufgezeichnet, verweigert oder nicht gemessen werden konnte. Die Lücke selbst enthält Information: Sie kann auf eine übersprungene Frage, einen defekten Sensor oder eine unerreichbare Person hinweisen. Fehlende Werte sollte man zählen und beschreiben, nicht stillschweigend ignorieren.

Warum

Analysten nehmen fehlende Werte ernst, weil ihr Entfernen die untersuchte Gruppe verändern kann. Antworten Menschen mit niedrigerem Einkommen seltener auf eine Geldfrage, können die übrigen Antworten zu positiv wirken. Entscheidend ist nicht nur, wie viel fehlt, sondern warum es fehlt.

Beispiel

Eine Umfrage fragt 100 Personen, ob sie mit dem Fahrrad zur Schule fahren. Achtzig antworten, 48 davon mit Ja. Unter den Antwortenden beträgt der Anteil 48 ÷ 80 = 60 %. Wir dürfen nicht ohne Weiteres 48 % aller Schülerinnen und Schüler melden, solange wir nicht wissen, ob die 20 Nichtantwortenden den anderen ähneln; sonst kann die Schätzung verzerrt sein.

Typischer Fehler

Ein häufiger Fehler ist, jede Lücke durch null zu ersetzen. Das wirkt ordentlich, weil eine leere Stelle wie „keiner“ aussehen kann, aber so wird „unbekannt“ zu einem gemessenen Wert. Eine fehlende Temperatur ist nicht 0 °C, und ein fehlendes Einkommen bedeutet nicht kein Einkommen; der Ersatz braucht eine Begründung.

Anwendung

Prüfungen auf fehlende Daten werden in Gesundheitsakten, Schulumfragen, Klimasensoren und Onlineformularen eingesetzt. Ein Krankenhaus kann feststellen, dass eine Klinik ein Feld viel häufiger leer lässt als andere; das weist auf ein Schulungs- oder Softwareproblem hin. Angaben zur Menge und zum Muster fehlender Daten machen Entscheidungen sicherer.

Weiter erkunden

Andere Sprachen

MyLeoNes™ wird geladen…