Berechnung von Armutsgefährdungsquoten und Ungleichheitsindikatoren aus gruppierten Daten

May 29, 2018, 1pm

GESIS, Mannheim, B2,8

Paul Walter

Abstract

Zur Bekämpfung von Ungleichheit und Armut ist es notwendig, Wissen über ihre räumliche Verteilung zu haben. Indikatoren, die Armut und Ungleichheit beschreiben, basieren häufig auf einer Einkommensvariable. Wenn die Einkommensvariable, wie im Mikrozensus, nur in gruppierter Form vorliegt, können viele statistische Methoden zur Schätzung von Indikatoren nicht genutzt werden. Daher schlagen wir zwei Verfahren vor, die die Schätzung von Armuts- und Ungleichheitsindikatoren bei gruppierten Variablen ermöglichen.

Der GRSST (Groß et al. 2016) Schätzer, ist ein Kerndichteschätzverfahren, dass die direkte Berechnung (ohne Kovariate) von Ungleichheits- und Armutsindikatoren aus gruppierten Daten ermöglicht. Die Schätzung der Standardfehler der berechneten Ungleichheits- und Armutsindikatoren erfolgt mit Hilfe eines nicht-parametrischen Bootstraps. Die Ergebnisse des vorgeschlagenen Verfahrens werden im Rahmen einer Simulationsstudie mit den Ergebnissen, die mit Hilfe von herkömmlichen Schätzmethoden erzielt wurden, verglichen.

Bei kleinen Stichprobengrößen ist die direkte Schätzung jedoch häufig unpräzise. In diesen Fällen können Small Area Estimation (SAE) Verfahren genutzt werden. Ein häufig verwendetes SAE Verfahren für die Schätzung von linearen und besonders nicht-linearen Indikatoren ist der Empirical Best Predictor (EBP) von Molina und Rao (2010).  Im Rahmen des Vortrags wird ein Ausblick gegeben, wie der EBP Ansatz mit gruppierten Daten genutzt werden kann, um valide Schätzergebnisse in Gebieten mit kleiner Stichprobengröße zu erzielen.

About the Speaker

Paul Walter studierte Wirtschaftsinformatik (B Sc.) an der HWR-Berlin und schloss 2014 seinen Master in Statistik (M Sc.) an der Humboldt-Universität zu Berlin mit der Masterarbeit "Estimation of Location Values Using Adaptive Weights Smoothing" ab. Während dieser Zeit sammelte er erste Praxiserfahrung bei der Landesbank Berlin im Bereich Enterprise Application Integration und am Deutschen Institut für Wirtschaftsforschung in der Forschungsinfrastruktureinrichtung "Sozio-oekonomisches Panel". Außerdem arbeitete er an der HWR-Berlin als Dozent für Statistik. Seit August 2015 ist er wissenschaftlicher Mitarbeiter am Lehrstuhl für Statistik am Fachbereich der Wirtschaftswissenschaft und bei der statistischen Beratungseinheit fu:stat und Doktorand bei Prof. Timo Schmid und Prof. Ulrich Rendtel.