Projekte
Am Lehrstuhl für Statistik und Ökonometrie sind aktuell verschiedene Forschungsprojekte verankert. Die Seite liefert einen Überblick zu aktuellen und abgeschlossenen Projekten.
Aktuelle Forschungsprojekte
Zeitstabile Schätzverfahren für die Household Finance and Consumption Survey
Im Mittelpunkt dieses Projekts steht die Entwicklung geeigneter Methoden für die Schätzung von Indikatoren basierend auf Daten verschiedener Panelwellen des Household Finance and Consumption Survey (HFCS), wenn multiple imputiert wurde und der Stichprobenumfang klein ist. Das Projekt ist die Fortsetzung des Projekts QUESSAMI (2016-2018). Die HFCS-Daten beschreiben u.a. Vermögenskomponenten, Einkommen und Konsum der europäischen Haushalte. Besonders das Verhalten von Subgruppen, so genannter „Small Domains“, kann für das Verstehen makroökonomischer Theorien von großer Bedeutung sein Eine Herausforderung liegt darin, verlässliche Schätzer auf Domainebene zu erhalten, wie etwa tief regional gegliederte Ebenen. Die folgenden zwei Probleme (Querschnitt) wurden bereits innerhalb des Projekts QUESSAMI gelöst:
Ein drittes Problem ist die Zeitdimension (Längsschnitt) einer Panelbefragung:
Der HFCS Datensatz ist eine Panelbefragung in der fehlende Werte und kleine Stichprobenumfänge in der Analyse beachtet werden müssen. Zeitliche Inkonsistenzen in der Analyse erscheinen nicht nur bei Indikatoren wie dem Mittelwert, der sensibel gegenüber Ausreißern ist, sondern auch bei robusteren Indikatoren wie dem Anteilswert. Daher ist die Erweiterung der Methode, die in dem Projekt QUESSAMI entwickelt wurde, für Panelbefragungen (Längsschnitt) und weitere Indikatoren essenziell, um genaue Ergebnisse über die Zeit zu erhalten, und dadurch strukturelle Veränderungen von ökonomischen Variablen wie dem Privatvermögen beobachten zu können. Nach heutigem Stand gibt es zu diesem Thema noch keine relevanten Resultate, so dass dieses Projekt diese Lücke wie folgt schließen möchte:
Die Ergebnisse dieses Projekts bieten der Politik valide Daten als Entscheidungsgrundlage für verschiedenste Fragestellungen, wie etwa die Auswirkungen von politischen Entscheidungen auf die regionale Verteilung von Vermögen.
Ausgewählte Literatur:
| Koordination: Projektmitarbeiter/-innen: Förderer:
Projektlaufzeit: |
Internet-Surveys für kleinräumige Auswertungen
Das Projekt soll an einem realistischen Datensatz überprüfen, inwieweit ein Bias durch eine Online-Umfrage über die Kontrolle von demographischen Merkmalen reduziert werden kann. Ein solcher Datensatz muss drei Merkmalsgruppen unterhalten: Analysevariablen, deren Populationswerte man schätzen will, sowie Internetvariablen, die das Teilnahmeverhalten operationalisieren, und schließlich Kontrollvariablen, für die Populationswerte bekannt sind und die zur Kalibration eingesetzt werden können. Da Online-Umfragen häufig zur Prognose von Wahlen eingesetzt werden, sollte der Evaluationsdatensatz Merkmale zur Parteipräferenz enthalten. Außerdem sollte er die Häufigkeit der Internet-Nutzung erfassen. Diese Häufigkeit kann zur Operationalisierung der Teilnahme an Online-Umfragen genutzt werden. Die Daten des European Social Survey (ESS) erfüllen diese Voraussetzung. Zudem ist der Datenzugang leicht und wird über eine Fernabfrage von Tabellen hervorragend unterstützt. Eventuell können auch noch andere Datensätze, z.B. das Sozio-ökonomische Panel (SOEP) für ergänzende Analysen genutzt werden. Eine spezielle Erhebung des Statistischen Bundesamtes, die Umfrage zu Informations- und Kommunikationstechnologie (IKT-Umfrage), erhebt sehr detailliert die Ausstattung von privaten Haushalten mit Informationstechnologie und deren Nutzung. Aufgrund der regelmäßigen Wiederholungen der Umfrage lassen sich Trends in der Nutzung und der Internet-Abdeckung von privaten Haushalten ermitteln. | Partner: Koordination: Projektmitarbeiter/-innen: Förderer:
Projektlaufzeit: |
VerBindungen
Zu Fuß, mit dem Fahrrad, mit Bus, Bahn oder dem Auto – jeden Tag legen die Menschen in Deutschland mehr als drei Milliarden Kilometer zurück. Wie können wir die Infrastruktur so gestalten, dass es möglich ist, unsere Wege sicher, schnell und ressourcenschonend zurückzulegen? Ein Schlüssel dafür ist, das Mobilitätsverhalten möglichst gut zu verstehen. Neben den amtlichen Datenquellen und klassischen Verkehrserhebungen, drängt sich die Nutzung von Floating Car Data (FCD) und Mobilfunkdaten auf, denn nach zuverlässiger Anonymisierung lassen sich typische Mobilitäts-strukturen kleinräumig herleiten. Das Forschungsprojekt „VerBindung“ will dieses Themenfeld beleuchten und Chancen sowie Möglichkeiten dieser neuen digitalen Daten aufzeigen. Ausgangslage für das Projekt ist der kleinräumige Datenbedarf des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) im Rahmen des Bundesverkehrswegeplans. Vier Fragestellungen stehen dabei im Vordergrund: 1. Wie viele Personen möchten bzw. bewegen sich von wo nach wo – also welche Quelle-Ziel-Verflechtungen gibt es? 2. Zu welchem Zweck möchten bzw. bewegen sich die Personen von wo nach wo? 3. Wie ist die Erreichbarkeit für diese Quelle-Ziel-Verflechtungen im Vergleich PKW und ÖPNV? 4. Wo halten sich wann wie viele Personen auf? | Partner: Koordination: Teilprojektleitung: Projektmitarbeiter/-innen: Förderer:
Projektlaufzeit: |
Extreme Poverty – Building Evidence for Effective Action
The programme will investigate what is driving extreme poverty, and test potential poverty measures and solutions to support the design and implementation of effective policies, programmes and strategies. The programme will work in eight focus countries: Bangladesh, Ethiopia, India, Madagascar, Mozambique, Myanmar, Nigeria and Tanzania. Research under the programme is organised into three themes: 1. Identifying and testing better poverty measures for a changing world. 2. Investigating poverty trends and drivers to 2030 including those that may serve to perpetuate or reduce extreme poverty over the next ten years. 3. Explaining what works to tackle extreme poverty through a range of types of research, including a series of impact and operational evaluations. By 2030, we seek for governments and key decision makers in multiple contexts to have better access to data, diagnostics and resources that will inform and influence policy and practice, hereby accelerating the eradication of extreme poverty. We aim to have a broad influence through drawing-on, engaging with and developing the networks of the consortium partners, FCDO and World Bank to support uptake of our research beyond the ExPov focus countries. From a methodological perspective we will experiment with using a range of statistical and analytical techniques and new sources of data to yield measures of poverty that are more granular (available at smaller geographical areas); more frequent and also less dependent on having access to traditional sources of data, particularly census data; so providing new approaches to overcome the ‘data gap problem’. | Partner: Koordination: Teilprojektmitarbeit: Förderer:
Projektlaufzeit: |
Abgeschlossene Forschungsprojekte
Ermittlung der Verteilung studentischen Wohnens in Berlin
Im Rahmen des Projektes „Ermittlung der Verteilung studentischen Wohnens in Berlin“ soll untersucht werden, wie sich die Studierenden der Berliner Hochschulen auf die lebensweltlich orientierten Räume verteilen. Sind die genauen Wohnstandorte der Studierenden bekannt, lassen sich wichtige Fragen nach dem benötigten Wohnraum und der nachgefragten Infrastruktur beantworten, sowie Projekte zugunsten Studierender zielgerichteter umsetzen. Als Datenquellen dienen unter anderem der Zensus 2011, die Belegung der Studentenwohnheime, wie auch die Anzahl der Studierenden nach Wohnort auf der Ebene der Postleitzahlbezirke für große Berliner Universitäten/ Hochschulen (u.a. Freie Universität, Humboldt Universität, Technische Universität) für die Jahre 2005, 2010 und 2015 im Vergleich. Weitere Informationen finden Sie hier und hier.
Ausgewählte Literatur:
| Koordination: Förderer:
Projektlaufzeit: |
Präzise Schätzverfahren für die Household Finance and Consumption Survey
Im Mittelpunkt dieses Projektes steht die Entwicklung geeigneter Methoden für qualitativ hochwertigeSchätzer auf der Basis der Household Finance and Consumption Survey (HFCS). Hierfür werden multiple Imputationsmethoden mit Small-Area-Schätzern kombiniert, um neue Schätzmethoden herzuleiten. Die Erhebung des HFCS-Netzwerkes ist der erste Versuch, Vermögensdaten auf Haushaltsebene für einige europäische Länder zu erhalten. Die HFCS-Daten beschreiben unter anderem verschiedene Vermögenskomponenten sowie die Verteilung von Verbindlichkeiten und vorhandenem Kapital (Geldvermögen) unter den europäischen Haushalten. Die Statistiken dieser Daten können beispielsweise herangezogen werden, um potenzielle Einflüsse der Fiskal-, Geld- und Regulierungspolitik zu analysieren. Darüber hinaus kann das Verhalten von Subgruppen, so genannter „Small Domains“, für das Verstehen makroökonomischer Theorien von großer Bedeutung sein. Die Herausforderung liegt hierbei darin, hochwertige Schätzer auf Domainebene zu erhalten, wie etwa für Altersgruppen kreuzklassifiziert mit den teilnehmenden europäischen Staaten. Dieser Herausforderung liegen zwei Probleme zugrunde:
Eine Möglichkeit zur Lösung des ersten Problems sind Small-Area-Methoden, welche zu einer größeren Genauigkeit in den Schätzungen der interessierenden Parameter führen. Im zweiten Fall besteht ein dringender Bedarf fehlende Werte zu ergänzen, um verlässliche Schätzungen zu erhalten. Dies kann mit verschiedenen Imputationsmethoden realisiert werden. Die Kombination von multipler Imputation und Small-Area-Schätzung ist essenziell, um genaue Ergebnisse für Haushaltssubgruppen auf Basis der HFCS-Daten zu erhalten, da wir hier sowohl mit dem Problem der kleinen Stichprobenumfänge, als auch dem der niedrigen Antwortrate konfrontiert sind. Nach heutigem Stand gibt es zu diesem Thema noch keine relevanten Resultate, so dass dieses Projekt diese Lücke wie folgt schließen möchte:
Die Ergebnisse dieses Projektes bieten der Politik valide Daten als Entscheidungsgrundlage für verschiedenste Fragestellungen, wie etwa von Kreditzugang und -beschränkungen oder von Vermögenseffekten auf den Konsum.
Ausgewählte Literatur:
| Koordination: Projektmitarbeiter/-innen: Förderer:
Projektlaufzeit: |
Construction of socio-demographic indicators with digital breadcrumbs (Mobile data)
In diesem Projekt wurde ein statistisches Schätzverfahren entwickelt, welches Handy-Metadaten und Zensusinformationen miteinander verknüpft, um Informationen über die aktuelle Situation in Bezug auf Armut, Alphabetisierung und andere soziodemografische Indikatoren im Senegal zu erhalten. Die Analyse basiert auf der These, dass sich die Situation einer Bevölkerungsgruppe in ihrem Handy-Nutzungsverhalten niederschlägt und deshalb beispielsweise alphabetisierte Nutzer ihr Handy anders verwenden als Nutzer, die nicht oder nur bedingt lesen und schreiben können. Da Handy-Metadaten zur Produktion von Indikatoren genutzt werden, wie sie u.a. in der Messung des Erfolgs von Nachhaltigkeitszielen herangezogen werden, wird in Kooperation mit den Mobilfunkanbietern Orange und Sonatel sowie den Behörden im Senegal untersucht, wie diese Daten die Umsetzung von nationalen Entwicklungsplänen und internationalen Monitoring-Anforderungen unterstützen können. Weitere Informationen finden Sie „hier“.
Ausgewählte Literatur:
| Partner: Koordination: Projektmitarbeiter/-innen: Förderer:
Projektlaufzeit: |
Innovations in Small Area Estimation Methodologies
Dieses Projekt setzt sich mit Innovationen von Methoden der „Small Area Estimation (SAE)“ auseinander, da diese zunehmend genutzt werden und zuverlässige Statistiken äußerst wichtig für politikrelevante Forschungen sind. SAE Methoden generieren robuste, verlässliche und konsistente Statistiken bei geografischen Maßstäben, für welche Survey Daten entweder nicht existieren oder zu dürftig sind, um Schätzer von zulässiger Präzision zu erhalten. Der Bedarf an komplexen Statistiken steigt, bringt allerdings auch signifikante methodische und angewandte Herausforderungen mit sich. Das Projekt zielt darauf ab, neue SAE Methoden zu entwickeln, welche die Bedürfnisse der Nutzer und Entwickler der SAE besser bedienen, verschiedene methodische Ansätze zur SAE zu überbrücken, SAE für die Beantwortung von stichhaltigen Fragen der Sozialwissenschaften einzusetzen und SAE innerhalb der quantitativen Sozialwissenschaften durch die Erschaffung von methodisch umfassenden und zugänglichen Ressourcen zu etablieren. Weitere Informationen finden Sie „hier“.
Ausgewählte Literatur:
| Partner: Koordination: Teilprojektleitung: Förderer:
Projektlaufzeit: |
Producing small area estimates of income related indicators for municipalities in Mexico
In diesem Projekt werden für das statistische Amt in Mexiko „small area estimates“ von linearen und nicht-linearen Armutsindikatoren (Gini, Armutsgefährungsquote oder Quintile Share Ratio) für Gemeinden in Mexiko entwickelt, um Informationen über soziodemografische Merkmale zu erhalten. Die Schätzer für die Indikatoren werden erzeugt, indem man zwei modellgestützte Methoden heranzieht: Zum einen den „Empirical Best Prediction“ Ansatz und zum anderen eine Methode, die auf der Schätzung der gesamten Verteilung des Einkommens basiert („Microsimulation via Quantiles“). Eine synthetische Schätzung unter einem multinomialen Modell wird für die Bestimmung der multidimensionalen Armut verwendet, welche sich durch die zwei Dimensionen „Einkommen“ und „soziale Benachteiligung“ definiert. Die in diesem Projekt entwickelten Schätzer werden dem statistischen Amt Mexiko (CONEVAL) zur Verfügung gestellt.
Ausgewählte Literatur:
| Partner: Koordination: Teilprojektleitung: Förderer:
Projektlaufzeit: |
Multidimensional poverty estimation using small area estimation - Two perspectives
Mehr und mehr setzt sich in der Internationalen Entwicklungszusammenarbeit die Erkenntnis durch, dass sich „Armut“ durch ein monetäres Armutsmaß wie etwa das Pro-Kopf-Einkommen nur unzureichend beschreiben lässt. Andere Dimensionen wie z.B. Gesundheit, Bildung, Ernährung etc. spielen eine mindestens ebenso wichtige Rolle und sind nur bedingt mit den monetären Armutsmaßen korreliert. In diesem Projekt werden statistische Methoden der Small Area Estimation (SAE) entwickelt, um mehrdimensionale Armut auf regionaler Ebene effizient zu schätzen. Dabei werden parametrische und semi-parametrische Schätzverfahren zur Modellierung der kategorialen abhängigen Variablen verwendet.
Ausgewählte Literatur:
| Partner: Koordination: Förderer:
Projektlaufzeit: |
Deep Mobility
Informierte politische Entscheidungen basieren auf allen Verwaltungsebenen zu einem wesentlichen Teil auf Bevölkerungsdaten der amtlichen Statistik. Deren Erhebung ist teuer und zeitaufwändig und erfolgt daher selbst in entwickelten Industriestaaten nur alle zehn Jahre in Form einer Volkszählung bzw. durch stichprobenartige Erhebungen. Damit fehlen in den Industrieländern repräsentative Datensätze für weite Gegenden oder einzelne Kommunen. In den Ländern des globalen Südens ist die Datenlage z. B. infolge fehlender finanzieller Mittel oder Bürgerkriegen oftmals veraltet, unvollständig oder mit zu großen Informationslücken behaftet. Deep Mobility löst dieses Problem durch die Auswertung von Mobilfunkmetadaten als Hilfsdaten für die amtliche Statistik. Seit 2014 forscht das Gründerteam zu dem Thema und hat einen neuartigen Ansatz entwickelt, um aus Kommunikations- und Mobilitätsmustern sozio-demografische Schlüsselindikatoren wie z. B. zu Armut oder Alphabetisierungsgrad für kleine geografische Gebiete zu bestimmen. Hierbei wird eine Schätzmethode aus der räumlichen Statistik angewandt, um mit Hilfe von Mobilfunkmetadaten einen höheren Grad an Regionalisierung vorhandener Befragungsdaten zu erreichen. Eine weitere Besonderheit des Verfahrens besteht in einem rigorosen Datenschutzansatz in Form einer modularen Engine. Dadurch können insbesondere Stichprobenumfragen präzisiert und regionalisiert werden. | Koordination: Projektmitarbeiter/-innen: Förderer:
Projektlaufzeit: |
