Publisher's Synopsis
Im Mittelpunkt der Betrachtung steht das einfache additive Modell g = f(x) + I mit fehlenden Werten in x. Das Ziel besteht im Vergleich von aus der linearen Regressionsrechnung bekannten Verfahren mit der nearest neighbor imputation. Neben einer ausfuehrlichen Einfuehrung in die Problematik fehlender Daten, in die Schaetzung nichtparametrischer Regressionsmodelle und in einige Imputationsverfahren werden die Struktur und die Resultate der Simulationsexperimente ausfuehrlich diskutiert. Dabei stehen insbesondere die Ergebnisse unter missing at random (MAR) im Vordergrund, was hier einer Abhaengigkeit des Fehlens vom Response g entspricht. Waehrend unter missing completely at random (MCAR) die Analyse der vollstaendigen Faelle noch als geeignet anzusehen ist, sind unter MAR die deutlichen Vorteile der nearest neighbor imputation bzw. einer neu entwickelten Version ersichtlich. Dieser Zusammenhang ist sowohl bei nichtmonotonem f(x) wie auch bei einer monotonen Funktion f zu erkennen.
