Fehlende Werte in sportwissenschaftlichen Untersuchungen

No Thumbnail Available
Files
There are no files associated with this item.
Date
2012
Authors
Völkle, Manuel
Lämmle, Lena
Editors
Contact
Journal ISSN
Electronic ISSN
ISBN
Bibliographical data
Publisher
Series
URI (citable link)
DOI (citable link)
ArXiv-ID
International patent number
Link to the license
EU project number
Project
Open Access publication
Restricted until
Title in another language
Research Projects
Organizational Units
Journal Issue
Publication type
Journal article
Publication status
Published in
Sportwissenschaft ; 42 (2012), 2. - pp. 126-136. - ISSN 0342-2380. - eISSN 1868-1069
Abstract
Fehlende Werte sind in der empirischen Forschung ein ernstzunehmendes Problem, das gerade in sportwissenschaftlichen Studien oft vernachlässigt wird. Häufig eingesetzte Verfahren wie Regressionsmethode, fallweiser und paarweiser Ausschluss und Mittelwertsersetzungen stellen aus methodischer Sicht keine befriedigende Lösung dar. Neuere Verfahren wie Maximum-Likelihood-Schätzungen (ML) und multiple Imputation (MI) finden nach wie vor zu selten Anwendung. Ziel des vorliegenden Artikels ist es, dem entgegenzuwirken. Basierend auf der statistischen Theorie fehlender Werte nach Rubin (1976) werden verschiedene Verfahren zum Umgang mit fehlenden Werten vorgestellt und kritisch diskutiert. Im Fokus steht dabei das Verfahren der multiplen Imputation (MI). Seit der Implementierung von MI in SPSS Version 17 (SPSS 2009) steht dem routinemäßigen Einsatz durch eine breite Anwenderschaft nichts mehr im Wege. Illustriert wird der Einsatz von MI im letzten Teil des Artikels anhand einer empirischen Studie mit einem für sportwissenschaftliche Untersuchungen typischen Ausfallprozess. Vorteile des MI, aber auch Grenzen und Schwierigkeiten bei der Umsetzung werden anhand dieses Beispiels diskutiert.
Summary in another language
Missing values are a serious statistical problem in empirical studies which tends not to be considered in sport scientific studies. The methods usually applied such as listwise and pairwise deletion, mean and regression imputation do not constitute satisfactory solutions. New methods such as Maximum Likelihood Estimation (ML) and Multiple Imputation (MI) have not yet been widely implemented. The aim of this article is to change this situation. For this purpose, this article provides an overview of the missing data theory stated by Rubin (1976). Based on this approach, different methods for dealing with the problem of missing data will be presented and discussed. Special emphasis is put on new methods, in particular MI. In the past, the application of MI required special software. Since the implementation of MI in SPSS 17 (SPSS 2009) there is no obstacle for a routine usage of this method to handle missing data problems. The implementation of MI will be illustrated with an empirical study with a missing data mechanism typical for sport scientific studies. Using this example, advantages of MI as well as current limitations and practical difficulties will be discussed.
Subject (DDC)
796 Sport
Keywords
Conference
Review
undefined / . - undefined, undefined. - (undefined; undefined)
Cite This
ISO 690JEKAUC, Darko, Manuel VÖLKLE, Lena LÄMMLE, Alexander WOLL, 2012. Fehlende Werte in sportwissenschaftlichen Untersuchungen. In: Sportwissenschaft. 42(2), pp. 126-136. ISSN 0342-2380. eISSN 1868-1069. Available under: doi: 10.1007/s12662-012-0249-5
BibTex
@article{Jekauc2012Fehle-22862,
  year={2012},
  doi={10.1007/s12662-012-0249-5},
  title={Fehlende Werte in sportwissenschaftlichen Untersuchungen},
  number={2},
  volume={42},
  issn={0342-2380},
  journal={Sportwissenschaft},
  pages={126--136},
  author={Jekauc, Darko and Völkle, Manuel and Lämmle, Lena and Woll, Alexander}
}
RDF
<rdf:RDF
    xmlns:dcterms="http://purl.org/dc/terms/"
    xmlns:dc="http://purl.org/dc/elements/1.1/"
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:bibo="http://purl.org/ontology/bibo/"
    xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#"
    xmlns:foaf="http://xmlns.com/foaf/0.1/"
    xmlns:void="http://rdfs.org/ns/void#"
    xmlns:xsd="http://www.w3.org/2001/XMLSchema#" > 
  <rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/22862">
    <dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/35"/>
    <dc:creator>Woll, Alexander</dc:creator>
    <dcterms:issued>2012</dcterms:issued>
    <foaf:homepage rdf:resource="http://localhost:8080/"/>
    <dc:contributor>Völkle, Manuel</dc:contributor>
    <dcterms:rights rdf:resource="https://rightsstatements.org/page/InC/1.0/"/>
    <dc:rights>terms-of-use</dc:rights>
    <dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2013-05-28T10:01:38Z</dc:date>
    <dc:creator>Völkle, Manuel</dc:creator>
    <dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2013-05-28T10:01:38Z</dcterms:available>
    <bibo:uri rdf:resource="http://kops.uni-konstanz.de/handle/123456789/22862"/>
    <void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/>
    <dcterms:bibliographicCitation>Sportwissenschaft ; 42 (2012), 2. - S. 126-136</dcterms:bibliographicCitation>
    <dc:contributor>Woll, Alexander</dc:contributor>
    <dc:language>deu</dc:language>
    <dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/35"/>
    <dc:contributor>Jekauc, Darko</dc:contributor>
    <dcterms:abstract xml:lang="deu">Fehlende Werte sind in der empirischen Forschung ein ernstzunehmendes Problem, das gerade in sportwissenschaftlichen Studien oft vernachlässigt wird. Häufig eingesetzte Verfahren wie Regressionsmethode, fallweiser und paarweiser Ausschluss und Mittelwertsersetzungen stellen aus methodischer Sicht keine befriedigende Lösung dar. Neuere Verfahren wie Maximum-Likelihood-Schätzungen (ML) und multiple Imputation (MI) finden nach wie vor zu selten Anwendung. Ziel des vorliegenden Artikels ist es, dem entgegenzuwirken. Basierend auf der statistischen Theorie fehlender Werte nach Rubin (1976) werden verschiedene Verfahren zum Umgang mit fehlenden Werten vorgestellt und kritisch diskutiert. Im Fokus steht dabei das Verfahren der multiplen Imputation (MI). Seit der Implementierung von MI in SPSS Version 17 (SPSS 2009) steht dem routinemäßigen Einsatz durch eine breite Anwenderschaft nichts mehr im Wege. Illustriert wird der Einsatz von MI im letzten Teil des Artikels anhand einer empirischen Studie mit einem für sportwissenschaftliche Untersuchungen typischen Ausfallprozess. Vorteile des MI, aber auch Grenzen und Schwierigkeiten bei der Umsetzung werden anhand dieses Beispiels diskutiert.</dcterms:abstract>
    <dcterms:title>Fehlende Werte in sportwissenschaftlichen Untersuchungen</dcterms:title>
    <dc:creator>Lämmle, Lena</dc:creator>
    <dc:contributor>Lämmle, Lena</dc:contributor>
    <dc:creator>Jekauc, Darko</dc:creator>
  </rdf:Description>
</rdf:RDF>
Internal note
xmlui.Submission.submit.DescribeStep.inputForms.label.kops_note_fromSubmitter
Contact
URL of original publication
Test date of URL
Examination date of dissertation
Method of financing
Comment on publication
Alliance license
Corresponding Authors der Uni Konstanz vorhanden
International Co-Authors
Bibliography of Konstanz
Yes
Refereed