Ziel dieses Buches ist es, dem Leser eine detaillierte Einführung in die verschiedenen Ansätze zur Generierung von mehrfach imputierten synthetischen Datensätzen zu geben. Es beschreibt alle bisher entwickelten Ansätze, bietet einen kurzen Überblick über die Geschichte synthetischer Datensätze und gibt nützliche Hinweise zum Umgang mit realen Datenproblemen wie Nonresponse, Auslassmustern oder logischen Einschränkungen. Jedes Kapitel ist einem Ansatz gewidmet, wobei zunächst das allgemeine Konzept beschrieben wird, gefolgt von einer detaillierten Anwendung auf einen realen Datensatz, die nützliche Richtlinien zur praktischen Umsetzung der Theorie bietet. Die behandelten Ansätze zur multiplen Imputation umfassen die Imputation bei Nonresponse, die Generierung vollständig synthetischer Datensätze, die Generierung teilweise synthetischer Datensätze, die Generierung synthetischer Datensätze, wenn die Originaldaten von Nonresponse betroffen sind, sowie einen zweistufigen Imputationsansatz, der hilft, die allgegenwärtigen Herausforderungen besser zu bewältigen.