Beschreibung

In diesem Beitrag wird die Validität einer Data Fusions Prozedur in vier Ebenen strukturiert. Es zeigt sich, dass die erste Ebene bedeutungslos ist und nur die vierte Ebene kontrolliert ist, wenn traditionelle Techniken des statistischen Matchings angewendet werden. Die Erhaltung der Joint Distribution und die Korrelationsstruktur der nicht verbundenen Variablen kann mit der nicht-iterativen multiplen Imputationsprozedur NIBAS evaluiert werden. Eine Simulationsstudie zeigt, dass der Ansatz der multiplen Imputation den traditionellen Matchingtechniken überlegen ist. Zusätzliche Daten können leicht und effizient mittels Standard-MI-Prozeduren wie NORM von Schäfer (1997) genutzt werden. Schließlich wird, um Identifizierungsprobleme zu vermeiden, empfohlen, split questionnaire survey (SQS) Entwürfe anzuwenden, wie von Raghunathan und Grizzle (1995) vorgeschlagen. Für den SQS-Entwurf werden spezielle Muster von 'Nichtvorhandensein' kreiiert. Die fehlenden Daten können dann recht erfolgreich vielfach zugerechnet werden. (IAB)