Methoden zum Umgang mit fehlenden Werten in der Analyse von kategorialen Daten

Studienarbeit aus dem Jahr 2003 im Fachbereich Statistik, Note: 1,3, Johann Wolfgang Goethe-Universitt Frankfurt am Main (Fachbereich Wirtschaftswissenschaften), Veranstaltung: Seminar "Angewandte Statistik", Sprache: Deutsch, Abstract: Obwohl Methoden fr kategoriale Daten wie z. B. die logistische Regression und das loglineare Modellieren in fast allen bedeutenden Bereichen der statistischen Anwendung alltglich sind, gibt es dennoch kaum Literatur ber grundstzliche Verfahren, wie mit fehlenden Werten in der Analyse von Klassendaten umzugehen ist. In dieser Seminararbeit werden Techniken fr die Parametersimulation und die multiple Imputation von unvollstndigen Klassendaten im saturierten multinomialen Modell entwickelt. Das saturierte multinomiale Modell eignet sich hierfr besonders, da es dreifache und hhere Verbindungen zwischen den Variablen zulsst. In Abschnitt 2 werden die grundlegenden Eigenschaften zweier multivariater Verteilungen, der multinomialen und der Dirichlet-Verteilung, betrachtet. Der elementare EM- und der Vergrerungsalgorithmus fr das saturierte multinomiale Modell werden in Abschnitt 3 entwickelt. Die Darstellungen gehen auf das 7. Kapitel des Buches Analysis of Incomplete Multivariate Data" von J. L. Schafer zurck, das 1997 bei Chapman & Hall erschienen ist.