Antrittsvorlesung PD Kristian Kleinke

Fehlende Werte gehören zu den hartnäckigsten Herausforderungen in der sozialwissenschaftlichen Forschung. Kaum ein Datensatz ist vollständig, und genau hier beginnt ein methodisches Problem, das weitreichende Folgen für Analysen und Interpretation haben kann.

In seiner Antrittsvorlesung „Applied Multiple Imputation“ widmet sich PD Kristian Kleinke einem der zentralen Verfahren im Umgang mit dieser Problematik: der Mehrfachimputation, die auf der Theorie von Donald Rubin basiert. Dieses Verfahren ermöglicht es, fehlende Daten nicht einfach zu ignorieren oder durch einfache Ersatzwerte zu ersetzen, sondern sie auf statistisch fundierte Weise zu rekonstruieren – und dabei die Unsicherheit dieser Schätzungen explizit zu berücksichtigen.

Die Vorlesung gibt einen Überblick über aktuelle Ansätze und zeigt zugleich, dass es „die eine richtige Lösung“ nicht gibt. Stattdessen hängt die Wahl des Imputationsverfahrens stark vom jeweiligen Anwendungskontext ab: kleine Stichproben stellen andere Anforderungen als komplexe Paneldaten, und nicht-lineare Zusammenhänge bringen zusätzliche methodische Herausforderungen mit sich.

Damit richtet sich der Blick nicht nur auf technische Verfahren, sondern auch auf ihre Grenzen – und auf die Frage, wie belastbar Forschungsergebnisse eigentlich sind, wenn Daten unvollständig bleiben.

PD Kristian Kleinke lädt mit seiner Antrittsvorlesung dazu ein, einen genaueren Blick hinter die Kulissen moderner Datenanalyse zu werfen und die Möglichkeiten, aber auch die Fallstricke der Mehrfachimputation kritisch zu beleuchten.