Datenaufbereitung

Data Cleaning: Der wichtigste Schritt vor der Analyse

Datenaufbereitung nimmt oft 60-80% der Analysezeit ein. Saubere Daten sind die Voraussetzung für valide Ergebnisse.

Typische Probleme und Lösungen

Fehlende Werte (Missing Data)

• MCAR: Missing Completely at Random – zufällig verteilt
• MAR: Missing at Random – abhängig von beobachteten Variablen
• MNAR: Missing Not at Random – abhängig von Missing-Wert selbst
• Lösungen: Listwise deletion (nur bei MCAR), Pairwise, Imputation (mittel, multiple), FIML

Ausreißer (Outliers)

• Univariate: Boxplot (1.5 IQR), z-Score (>|3.29|)
• Multivariate: Mahalanobis-Distanz
• Entscheidung: Warum Ausreißer? Datenfehler oder echte Extremwerte?

Plausibilitätsprüfung

• Wertebereiche prüfen (z.B. Alter zwischen 18 und 100)
• Inkonsistenzen identifizieren (z.B. Raucher aber 0 Zigaretten)
• Doppelte Fälle finden
• Speeder und Straight-Liner ausschließen (bei Umfragen)