Studienarbeit aus dem Jahr 2004 im Fachbereich BWL - Marktforschung, Note: 1,7, Freie Universität Berlin (Marketing-Department), Sprache: Deutsch, Abstract: Die Marktforschung versucht das Entscheidungsproblem des Managements mit den ihr verfügbaren Instrumenten zu lösen und dabei möglichst vollständige Datensätze aus Primärforschung oder Deskresearch zu verwenden. Dies ist jedoch häufig unmöglich, auch wenn dasjenige Untersuchungsdesign verwendet wird, bei dem wenige Ausfälle vermutet werden. Bei der Auswahl des entsprechenden Erhebungsdesigns sollte man sich im Klaren über mögliche Ausfallursachen sein (Herrmann/Homburg, 2000, S.81ff). So kann in einem Interview falsches Verständnis der Frage, die Auskunftsunfähigkeit oder der Unwille zur Beantwortung der Frage zu fehlenden Werten führen. Vor allem Fragen zu Einkommen, Sexualverhalten oder Alkoholkonsum werden oft nicht beantwortet. So gibt es viele Datensätze in der Marktforschung, die unvollständig sind: In einem Panel von Horowitz und Golob (1979) waren bei 60% der 1565 Befragten 1% der Fragen unbeantwortet und bei 10% fehlten sogar 5% der Daten (Lehmann, 1989, S.369). Beim Vorkommen fehlender Werte muss man zunächst Klarheit über die Struktur des Ausfalls gewinnen, um die richtige Lösung, bzw. Korrektur anzuwenden. Im Rahmen der Strukturanalyse muss also zunächst untersucht werden, ob der zu Grunde liegende Ausfallmechanismus zufälliger Natur ist, oder ob ein systematischer Zusammenhang zu befürchten ist. Ein Ignorieren dieses Problems oder die Benutzung einer Ad-hoc-Lösung kann das Ergebnis verzerren. Denn die Anwendung der einfachsten und nicht zuletzt wohl deswegen beliebtesten Methode, der Dateneliminierung, ist nur unter einer sehr strikten Voraussetzung, nämlich dass der Datenausfall vollkommen zufällig ist, richtig. Außer der Dateneliminierung besteht noch u. A. die Möglichkeit der Vervollständigung der Daten mit Schätzwerten oder die direkte Schätzung aus den unvollständigen Daten. Alle diese Methoden setzen allerdings eine zufällige Verteilung der fehlenden Werte voraus. Ein systematisches Fehlen erfordert komplizierte Lösungsschritte und die Kenntnis über die Struktur des Ausfalls. Beim Vorliegen eines vollkommen zufälligen Ausfalls ist man frei in der Auswahl der Korrekturmöglichkeit. Wenn die fehlenden Werte nur innerhalb des Merkmals unsystematisch wegbleiben, fallen die Möglichkeiten der Eliminierung, der Sensitivitätsanalyse und fast alle Methoden der Imputation aus. Sind die Datenausfälle gar systematisch, bleibt praktisch nur die Modellierung des Ausfallmechanismus.