Projects
Currently various research projects are anchored within the Chair of Statistics and Econometrics. Below you find an overview of ongoing and completed projects.
Ongoing research projects
Time-consistent Estimates for the Household Finance and Consumption Survey
The main objective of this project is to develop stable estimates across panel waves, i.e. over time, when multiple imputation is conducted and the sample sizes are small. This problem arises in the Household Finance and Consumption Survey (HFCS) but the method will be transferable to other panel surveys, e.g. the German Socioeconomic-Panel (SOEP). The project is an extension of the project QUESSAMI (2016-2018). The HFCS data enable to describe components of wealth, income and consumption of European households. Especially, the behavior of specific subgroups, so called “small domains”, is very important for the understanding of macroeconomic theory. A challenging issue is to deliver reliable estimates on specific domain levels, e.g. across low regional levels. This issue is based on several problems. The following two problems are already solved within the project QUESSAMI:
A third problem is the time dimension of a panel survey:
In the HFCS data, as well as in many other survey data sets, missing values, small sample sizes and a panel structure occur at the same time. Furthermore, the inconsistencies do not only appear for indicators as the mean that is sensitive to outliers but also for more stable indicators as ratios. Hence, the extension of the methodology developed within the project QUESSAMI from the cross-section to the panel context and to other indicators is essential to receive consistent estimates across time and thus, to gain knowledge about changes in important economic variables as private wealth. Up to date, there are no relevant results in the scientific community concerning this issue. Therefore, this project will close this gap by:
The results of this project will guarantee a more valid basis for policy-making in several issues, such as impacts of policy decisions on the regional distribution of income and wealth.
Selected literature:
| Coordination: Scientific staff: Funding:
Duration: |
Internet-Surveys für kleinr?umige 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 sch?tzen will, sowie Internetvariablen, die das Teilnahmeverhalten operationalisieren, und schlie?lich Kontrollvariablen, für die Populationswerte bekannt sind und die zur Kalibration eingesetzt werden k?nnen. Da Online-Umfragen h?ufig zur Prognose von Wahlen eingesetzt werden, sollte der Evaluationsdatensatz Merkmale zur Parteipr?ferenz enthalten. Au?erdem sollte er die H?ufigkeit der Internet-Nutzung erfassen. Diese H?ufigkeit 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 k?nnen auch noch andere Datens?tze, z.B. das Sozio-?konomische Panel (SOEP) für erg?nzende 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 regelm??igen Wiederholungen der Umfrage lassen sich Trends in der Nutzung und der Internet-Abdeckung von privaten Haushalten ermitteln. | Partner: Coordination: Scientific staff: Funding:
Duration: |
VerBindungen
Zu Fu?, mit dem Fahrrad, mit Bus, Bahn oder dem Auto – jeden Tag legen die Menschen in Deutschland mehr als drei Milliarden Kilometer zurück. Wie k?nnen wir die Infrastruktur so gestalten, dass es m?glich ist, unsere Wege sicher, schnell und ressourcenschonend zurückzulegen? Ein Schlüssel dafür ist, das Mobilit?tsverhalten m?glichst gut zu verstehen. Neben den amtlichen Datenquellen und klassischen Verkehrserhebungen, dr?ngt sich die Nutzung von Floating Car Data (FCD) und Mobilfunkdaten auf, denn nach zuverl?ssiger Anonymisierung lassen sich typische Mobilit?ts-strukturen kleinr?umig herleiten. Das Forschungsprojekt ?VerBindung“ will dieses Themenfeld beleuchten und Chancen sowie M?glichkeiten dieser neuen digitalen Daten aufzeigen. Ausgangslage für das Projekt ist der kleinr?umige Datenbedarf des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) im Rahmen des Bundesverkehrswegeplans. Vier Fragestellungen stehen dabei im Vordergrund: 1. Wie viele Personen m?chten bzw. bewegen sich von wo nach wo – also welche Quelle-Ziel-Verflechtungen gibt es? 2. Zu welchem Zweck m?chten bzw. bewegen sich die Personen von wo nach wo? 3. Wie ist die Erreichbarkeit für diese Quelle-Ziel-Verflechtungen im Vergleich PKW und ?PNV? 4. Wo halten sich wann wie viele Personen auf? | Partner: Coordination: Subproject management: Scientific staff: Funding:
Duration: |
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’. | Partners: Coordination: Subproject collaboration: Duration: Funding:
|
Completed research projects
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 R?ume verteilen. Sind die genauen Wohnstandorte der Studierenden bekannt, lassen sich wichtige Fragen nach dem ben?tigten 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 gro?e Berliner Universit?ten/ Hochschulen (u.a. Freie Universit?t, Humboldt Universit?t, Technische Universit?t) für die Jahre 2005, 2010 und 2015 im Vergleich. Weitere Informationen finden Sie hier und hier.
Selected literature:
| Coordination: Funding:
Duration: |
High Quality Estimates for the Household Finance and Consumption Survey
The main objective of this project is to develop an adequate methodology for high quality estimates using the Household Finance and Consumption Survey (HFCS). Therefore, small area estimators and multiple imputation approaches will be combined to a new estimation method. The HFCS is the first attempt to survey wealth data on individual household level on a consistent basis in Europe. These data can describe, for instance, the importance of different wealth components and how liabilities and assets are distributed across households. The statistics out of these data can be used as a basis to analyze the potential impact of fiscal, monetary, and regulatory policies. However, there are examples that the behavior of specific subgroups, so called “small domains”, is very important for the understanding of macroeconomic theory. A challenging issue is to deliver high quality estimates on specific domain levels, e.g. cross-classified groups of age and financial assets in particular countries. This issue is mainly based on two problems:
One solution to handle the first problem is small area estimation. These methods may lead to highly improved accuracy of the estimates of interest. To gain reliable estimates in the case of the second problem, there is a need to impute missing values which can be done by different imputation methods. However, in the HFCS data, missing values and small sample sizes occur at the same time. Hence, the combination of small area estimation and multiple imputation is essential to gain precise results for the analysis of small sub-groups of households in the HFCS data. Up to date, there are no relevant results in the scientific community concerning this issue. Therefore, this project will close this gap by:
The results of this project will guarantee a more valid basis for policy-making in several issues, such as access to credit and credit constraints or wealth effects on consumption.
Selected literature:
| Coordination: Scientific staff: Funding:
Duration: |
Construction of socio-demographic indicators with digital breadcrumbs (Mobile data)
In diesem Projekt wurde ein statistisches Sch?tzverfahren 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 Bev?lkerungsgruppe in ihrem Handy-Nutzungsverhalten niederschl?gt und deshalb beispielsweise alphabetisierte Nutzer ihr Handy anders verwenden als Nutzer, die nicht oder nur bedingt lesen und schreiben k?nnen. 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 Beh?rden im Senegal untersucht, wie diese Daten die Umsetzung von nationalen Entwicklungspl?nen und internationalen Monitoring-Anforderungen unterstützen k?nnen. Weitere Informationen finden Sie ?hier“.
Selected literature:
| Partner: Coordination: Scientific staff: Funding:
Duration: |
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 zuverl?ssige Statistiken ?u?erst wichtig für politikrelevante Forschungen sind. SAE Methoden generieren robuste, verl?ssliche und konsistente Statistiken bei geografischen Ma?st?ben, für welche Survey Daten entweder nicht existieren oder zu dürftig sind, um Sch?tzer von zul?ssiger Pr?zision 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 Ans?tze 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 zug?nglichen Ressourcen zu etablieren. Weitere Informationen finden Sie ?hier“.
Selected literature:
| Partners: Coordination: Subproject management Funding:
Duration: |
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, Armutsgef?hrungsquote oder Quintile Share Ratio) für Gemeinden in Mexiko entwickelt, um Informationen über soziodemografische Merkmale zu erhalten. Die Sch?tzer 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 Sch?tzung der gesamten Verteilung des Einkommens basiert (?Microsimulation via Quantiles“). Eine synthetische Sch?tzung 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 Sch?tzer werden dem statistischen Amt Mexiko (CONEVAL) zur Verfügung gestellt.
Selected literature:
| Partner: Coordination: Subproject management: Funding:
Duration: |
Multidimensional poverty estimation using small area estimation - Two perspectives
The project will develop novel SAE statistical methodologies for resolving the challenges faced by statistical organizations in estimating complex indicators. In recent years there has been growing demand for developing SAE methods suitable for estimating the incidence of income poverty, the quantile share ratio, the Gini coefficient and multidimensional deprivation. This has been at the centre of methodological work at the World Bank (WB), Eurostat or CONEVAL. Estimating non-linear indicators requires the estimation of the distribution function of the outcome variable for example, income. A popular method is the use of Empirical Best Prediction (EBP). The EBP was developed in order to improve what is considered to be the industry standard method the so called World Bank (WB) method. The methodologies mentioned above assume that the outcome of interest is continuous for example, household income. Practitioners, however, are also interested in discrete outcomes. An example is the estimation of deprivation indicators that encompass a number of dimensions such as income, food, health, education and social security. More specifically, the interest is in estimating the proportion of households deprived in each of the dimensions and the average number of combined deprivations (multidimensional deprivation) in small areas. The discrete nature of such indicators means that the methods for continuous data are no longer applicable and models for discrete outcomes are needed. The project will extend the methodologies for continuous data to discrete outcomes as follows:
Selected literature
| Partners: Coordination: Funding:
Duration: |
Deep Mobility
Informierte politische Entscheidungen basieren auf allen Verwaltungsebenen zu einem wesentlichen Teil auf Bev?lkerungsdaten der amtlichen Statistik. Deren Erhebung ist teuer und zeitaufw?ndig und erfolgt daher selbst in entwickelten Industriestaaten nur alle zehn Jahre in Form einer Volksz?hlung bzw. durch stichprobenartige Erhebungen. Damit fehlen in den Industriel?ndern repr?sentative Datens?tze für weite Gegenden oder einzelne Kommunen. In den L?ndern des globalen Südens ist die Datenlage z. B. infolge fehlender finanzieller Mittel oder Bürgerkriegen oftmals veraltet, unvollst?ndig oder mit zu gro?en Informationslücken behaftet. Deep Mobility l?st 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 Mobilit?tsmustern sozio-demografische Schlüsselindikatoren wie z. B. zu Armut oder Alphabetisierungsgrad für kleine geografische Gebiete zu bestimmen. Hierbei wird eine Sch?tzmethode aus der r?umlichen Statistik angewandt, um mit Hilfe von Mobilfunkmetadaten einen h?heren Grad an Regionalisierung vorhandener Befragungsdaten zu erreichen. Eine weitere Besonderheit des Verfahrens besteht in einem rigorosen Datenschutzansatz in Form einer modularen Engine. Dadurch k?nnen insbesondere Stichprobenumfragen pr?zisiert und regionalisiert werden. | Coordination: Scientific staff: Funding:
Duration: |
