Die folgenden Daten zeigen das BIP jedes Landes pro Jahr. Jedes Jahr von 1960 bis 2024 wird als Spalte (Variable) dargestellt. Jede Zeile repräsentiert somit die Veränderung des BIP eines Landes.
Wenn man sich die Daten ansieht, kann man feststellen, dass stellenweise Werte fehlen .
Datenquelle: Weltbank ( https://www.worldbank.org/ ) Erfassungsdatum: 16.12.2025
Mögliche Gründe für fehlende Werte in diesen Daten sind Probleme mit dem statistischen Datenerfassungssystem oder noch nicht durchgeführte Erhebungen und Auswertungen. Um die BIP-Entwicklung einzelner Länder zu verstehen oder später Länder zu vergleichen, ist es wichtig, zunächst den Status der fehlenden Werte in den Daten zu ermitteln.
Um fehlende Werte in Ihren Daten zu finden, bietet JMP eine Plattform namens „Check for Missing Values“ an, mit der Sie nach Mustern in den fehlenden Werten suchen und eine Imputation durchführen können.
Aber zuerst
- Wie viele fehlende Werte gibt es?
- In welchem Muster tritt es auf?
Wenn Sie Folgendes schnell überprüfen möchten, können Sie andere Funktionen verwenden.
Dieser Artikel stellt drei Möglichkeiten vor, um schnell und effektiv nach fehlenden Daten zu suchen.
Wir empfehlen, in folgender Reihenfolge zu prüfen: 1 → 2 → 3.
- Verwenden Sie den Spaltenmanager: Ermitteln Sie die Anzahl der fehlenden Werte für jede Variable.
- Verwendung der „Anzeige von Mustern fehlender Werte“: Trends bei fehlenden Daten verstehen
- Verwendung von „Zellendiagrammen“: Fehlende Datenmuster im Verhältnis zur Datenreihenfolge verstehen
Schauen wir uns die Punkte 1 bis 3 einzeln an.
1. Verwenden des Spaltenmanagers
In JMP 18 und späteren Versionen können Sie sofort zusammenfassende Statistiken für jede Spalte anzeigen lassen, indem Sie im Spaltenbereich (Mitte links in der Datentabelle) auf die Schaltfläche „Spaltenmanager “ klicken. Dadurch können Sie die Anzahl der fehlenden Werte in jeder Spalte sehen.
Die Daten zeigen, dass in allen Jahren fehlende Werte vorhanden sind, wobei die Anzahl der fehlenden Werte von 1960 bis 1964 besonders hoch ist und danach allmählich abnimmt.
2. Verwendung der Anzeige des Fehlwertmusters
In Schritt 1 haben wir die Anzahl der fehlenden Werte für jede Variable überprüft. Es könnten jedoch Muster bei den fehlenden Daten auftreten, wie zum Beispiel „Daten wurden in zwei aufeinanderfolgenden Jahren nicht erhoben“.
Die Funktion „Muster fehlender Werte anzeigen“ ermöglicht es Ihnen, zu prüfen, ob in einer Datentabelle ein Muster bei den fehlenden Werten vorliegt. Sie kann auch verwendet werden, um Zeilen zu extrahieren, die keine fehlenden Werte enthalten.
Wenn Sie „Tabelle > Fehlende Werte anzeigen“ für die Spalten von 1960 bis 2024 (insgesamt 65 Spalten) auswählen, wird eine neue Datentabelle erstellt. Hier werden die Ergebnisse absteigend nach Häufigkeit sortiert angezeigt.
Bei den Werten in der Ausgabetabelle bedeutet 0, dass kein Wert fehlt, und 1 bedeutet, dass ein Wert fehlt.
Die Spalte „Muster“ gibt an, ob in der jeweiligen Spalte fehlende Werte vorhanden sind (0/1). Die Spalte „Häufigkeit“ gibt die Anzahl der Zeilen an, die diesem Muster fehlender Werte entsprechen.
Die erste Zeile hat das Muster „000000…000“, was bedeutet, dass alle Spalten keine fehlenden Werte enthalten, also für alle Jahre Werte vorliegen. Die Daten enthalten 110 solcher Zeilen.
Die fünfte Zeile zeigt ein Muster, bei dem in den ersten fünf Spalten (1960-1964) Daten fehlen, ab 1965 jedoch keine Daten mehr fehlen, und wir können sehen, dass es sechs solcher Zeilen gibt.
Die von „Fehlende Wertemuster anzeigen“ ausgegebene Tabelle ist mit den Originaldaten verknüpft. Wenn Sie beispielsweise die erste Zeile auswählen, wird die entsprechende Zeile in der Originaldatentabelle ausgewählt.
In diesem Zustand können Sie über Tabelle > Teilmenge nur Daten extrahieren, die keine fehlenden Werte enthalten.
3. Verwendung von „Zellendiagramm“
Es ist außerdem wichtig zu verstehen, wo fehlende Werte auftreten: am Anfang, in der Mitte oder am Ende der Daten. Bei chronologisch erfassten Prozessdaten möchte man beispielsweise wissen, ob in der ersten oder in der zweiten Hälfte der Daten mehr fehlende Werte vorhanden sind.
In solchen Fällen ermöglicht die Verwendung von „Zellendiagrammen“ die intuitive Visualisierung der Verteilung fehlender Werte in einer reduzierten Zellendarstellung der Daten.
In diesem Beispiel sortieren wir die Länder in absteigender Reihenfolge anhand des durchschnittlichen BIP der fünf Jahre von 2020 bis 2024 und untersuchen den Zusammenhang zwischen den aktuellen BIP-Werten und den fehlenden Daten.
Klicken Sie auf „Diagramm“ > „Zellendiagramm“ und geben Sie „Jahr“ als Y-Wert, „Zielvariable“ und „Land“ als Beschriftung an. Der Zellendiagramm-Bericht wird anschließend angezeigt.
Ein Zellendiagramm ist ein Graph, der jede Zelle einer Datentabelle als farbiges Rechteck visualisiert.
Beachten Sie, dass anstelle der Zellfarbe ein „X“ in der Zelle angezeigt wird , was bedeutet, dass die Zelle einen fehlenden Wert enthält.
Betrachtet man die Verteilung der „x“-Werte, so zeigt sich, dass Länder mit einem niedrigeren BIP (diejenigen am unteren Ende der Daten) tendenziell mehr fehlende Daten aufweisen und dass es mehrere Länder gibt, für die Daten für die Jahre 2023 und 2024 fehlen.
Ein Grund dafür dürfte sein, dass Länder mit einem höheren BIP über bessere Systeme verfügen, um solche Wirtschaftsstatistiken stabil zu erfassen und zu veröffentlichen.
Fehlende Werte sind ein wichtiger Punkt, der vor Beginn jeder Datenanalyse überprüft werden sollte.
Durch das frühzeitige Erkennen fehlender Daten und möglicher Trends können nachfolgende Analysen und Interpretationen angemessen durchgeführt werden.
von Naohiro Masukawa (JMP Japan)
Naohiro Masukawa – JMP-Benutzergemeinschaft
