Neue Ansätze zur Lösung des Problems fehlender Werte im linearen Regressionsmodell

Bei der konkreten Arbeit mit Daten wird man häufig mit dem Problem fehlender Werte konfrontiert. Die vorliegende Arbeit vermittelt zunächst einen Überblick über die bisher üblichen Methoden zur Bewältigung dieses Problems im linearen Modell. Dann werden neue Verfahren vorgestellt, die a priori-Information über die fehlenden Werte mit der Stichprobeninformation kombinieren und damit die Schätzung des Regressionskoeffizienten verbessern. In einer umfassenden Simulationsstudie werden die Verfahren miteinander verglichen. Dabei zeigt sich, daß die neuen Ansätze bei korrekter Vorinformation den übrigen Verfahren überlegen sind.