Wahrscheinlich sind Sie schon einmal auf dieses Problem gestoßen. Regressionsergebnisse, die sich je nach Umgang mit fehlenden Werten in Ihrer abhängigen Variablen ändern. Eine lange Reihe von Fragen, bei denen viele Befragte durchgehend dieselbe Antwortoption auswählen. Eine Itembatterie, die offenbar nicht das von Ihnen beabsichtigte Konzept misst. Oder ein Panel-Datensatz, bei dem im Laufe der Zeit nach und nach ganze demografische Untergruppen verloren gehen. Diese Probleme treten in realen Umfragedaten häufig auf. Sie lösen möglicherweise keine Fehlermeldungen aus und fallen in unseren Analysen nicht sofort ins Auge, aber wenn wir sie ignorieren, können sie unsere Ergebnisse still und systematisch verfälschen.

DOI: 10.34879/gesisblog.2025.114