Auswahlverzerrung in Trinkwasserdaten: Fall 3
Wer fehlt im Datensatz, und was bedeutet das für Ihre Aussage?
Fall 3 von Wasser-Evidenz: Wer fehlt?
Kein Zufall, wer im Datensatz steht
Der Datensatz enthält nur, was veröffentlichte und ausgewertete Prüfberichte nennen. Welche Städte darin stehen, hängt davon ab, welche Versorger Berichte veröffentlichen, wie leicht sie zu finden sind und welche Berichte bisher ausgewertet wurden. Das ist keine Zufallsauswahl.
Städte oder Berichte, die gar nicht im Datensatz stehen, lassen sich aus ihm nicht zählen. Dafür brauchen Sie eine externe Bezugsmenge, zum Beispiel ein amtliches Verzeichnis der Gemeinden oder der Wasserversorger.
Was sich innerhalb der Datei zählen lässt
Nachrechnen lässt sich nur, was die CSV enthält. Die CSV kennt keine Städte ohne Zeilen; die Grundgesamtheit sind deshalb die Städte in der Datei.
| Größe | Städte | Anteil |
|---|---|---|
| Städte in der CSV | 946 | 100 % |
davon mit mindestens einer Zeile pfas | 457 | 48 % |
Nachrechnen. Filter: alle Zeilen mit Wert oder Angabe unter Bestimmungsgrenze; für die zweite Zeile parameter_schluessel = pfas · n = 22.547 Zeilen · Berechnung: Städte = verschiedene stadt_slug; Anteil = Städte mit pfas-Zeile / Städte in der CSV · Datenstand: 07.10.2026, Prüfsumme 33cb9bd2af89 · Spalten: stadt_slug, parameter_schluessel in trinkwasser-messwerte.csv
Welche Stoffe die ausgewerteten Berichte wie oft nicht nennen, steht im Lücken-Register, auch je Bundesland und über die API (/api/v1/gaps). Diese Seite wiederholt die Tabelle nicht.
Das folgt daraus
- Innerhalb der Datei lässt sich zählen, wie viele Städte eine Zeile zu einem Stoff haben.
- Fehlt ein Stoff bei einer Stadt, nennt der ausgewertete Bericht ihn nicht. Das ist eine Lücke im Bericht, keine Messung.
Das folgt daraus nicht
- Ein Stoff, den ein Bericht nicht nennt, ist deshalb nicht „nicht vorhanden“ und nicht „nicht geprüft“.
- Der Anteil der Städte mit einer Zeile ist kein Anteil aller Städte und keine Aussage über die Versorgung insgesamt.
- Städte im Datensatz sind keine repräsentative Auswahl. Verallgemeinerungen über sie hinaus brauchen eine eigene Begründung.
Stichworte für die Literaturrecherche: Selektionsverzerrung (selection bias) · fehlende Daten: MCAR, MAR, MNAR · Repräsentativität und Bezugsmenge · Publikationsverzerrung. Diese Begriffe sind Ausgangspunkte für Ihre Suche, keine geprüften Empfehlungen dieser Seite.
Aufgaben
Basis
- Rechnen Sie den Anteil der Städte mit PFAS-Zeile aus der CSV nach. Welche Grundgesamtheit verwenden Sie?
- Nennen Sie drei Gründe, warum ein Stoff bei einer Stadt im Datensatz fehlen kann. Welche davon lassen sich aus der CSV prüfen?
Vertiefung
- Wählen Sie eine externe Bezugsmenge (zum Beispiel ein Gemeindeverzeichnis eines Bundeslands). Wie würden Sie bestimmen, welche Gemeinden im Datensatz fehlen, und welche Annahmen stecken in der Zuordnung von Gemeinde zu Stadt im Datensatz?
- Diskutieren Sie, ob Versorger, die Berichte veröffentlichen, sich systematisch von anderen unterscheiden könnten. Welche Daten bräuchten Sie, um das zu prüfen?
Limitationen
- Teilen sich mehrere Städte dieselbe Analyse, zählt dieselbe Messung für jede dieser Städte. Ein Anteil der Städte ist deshalb kein Anteil unabhängiger Messungen.
- Ein Stoff kann im Bericht stehen, aber auf einer Seite, die noch nicht ausgewertet ist. Die CSV unterscheidet das nicht.
Mehr dazu: Bekannte Verzerrungen, Datenabdeckung, Glossar: Auswahlverzerrung.