Multiple imputation of right-censored wages in the German IAB employment sample considering heteroscedasticity

In zahlreichen großen Datensätzen von wissenschaftlichem Interesse sind einige Variablen, wie z. B. die Lohnhöhe, top-coded oder rechtszensiert. Zur Analyse von Löhnen auf der Grundlage der IAB-Beschäftigtenstichprobe muss zunächst das Problem der, an der Beitragsbemessungsgrenze der Sozialversicherung zensierten, Löhne gelöst werden. Dieses Problem wird als Problem fehlender Daten behandelt und es werden Ansätze der multiplen Imputation zensierter Löhne durch Ziehung einer Zufallsvariablen aus einer trunkierten Verteilung auf der Basis der Markov-Chain Monte-Carlo Methode entwickelt. Im Allgemeinen ist die Einkommensvariation in Niedriglohnkategorien geringer als in höheren Kategorien, deshalb ist die Annahme von Homoskedastizität in einem Imputationsmodell fragwürdig. Daher wird hier eine neue Methode multipler Imputation vorgeschlagen, die keine Homoskedastizität voraussetzt. Die Notwendigkeit und die Validität des neuen Ansatzes werden durch einen Vergleich unterschiedlicher Imputationsansätze in einer Simulationsstudie belegt.