Bei der statistischen Betrachtung von Datensätzen ist die eigentliche Analyse oft erst der zweite Schritt. Zunächst müssen die betrachteten Daten derart vorbereitet werden, dass sie sich für die Zielanalyse eignen. Dieser erste Schritt kann unter Umständen sehr arbeitsaufwändig sein, zeigt sich aber als hilfreich und teilweise unumgänglich für eine präzise Auswertung. Dieses Buch befasst sich mit zwei dieser vorbereitenden Datenaufbereitungsmethoden. Zum einen wird auf das Problem fehlender Werte eingegangen, welches in vielen Datensätzen vorliegt. Ein unvollständiger Datensatz kann nicht mit den Standardmethoden analysiert werden. Mit der Multiplen Imputation wird eine Methode vorgestellt, die den zu behandelnden Datensatz vervollständigt, ohne die Daten zu verzerren, und gleichzeitig die Unsicherheit über die anfangs fehlenden Werte berücksichtigt. Ein zweites Problem, vor welches man vor einer Datenanalyse gestellt werden kann, ist das der Datenfusion. Wenn die Information von Interesse nicht in einem, sondern in zwei Datensätzen mit unterschiedlichen Items vorliegt, müssen diese zunächst (z.B. per Statistical Matching) miteinander fusioniert werden. In diesem Buch wurde ein Datensatz zum Thema "Religiosität" mit einem zum Thema "Gesundheit" fusioniert, um eventuelle Zusammenhänge zwischen diesen beiden Themengebieten analysieren zu können.