Prediction-based Adaptive Designs for Panel Surveys (PrADePS)
Projektbeschreibung
Adaptive Befragungsdesigns bieten
umfassende Möglichkeiten, Stichprobenausfälle und Verzerrungen durch systematische
Nichtteilnahme in Panelstudien zu reduzieren. Die Forschung zum effektiven
Einsatz solcher Designs ist in zwei zentralen Bereichen bislang unzureichend:
(1) Hinsichtlich der Vorhersagemethoden, die zum Identifizieren von
Stichprobenausfällen angewendet werden, und (2) in Hinblick auf die
Interventionen, die in adaptiven Designs für Gruppen mit hohem erwarteten
Ausfallrisiko zur Anwendung kommen. Dieses Forschungsprojekt kombiniert die
Implementierung und Erprobung innovativer Vorhersagemethoden aus dem Bereich
des maschinellen Lernens mit innovativen Interventionen, die den
Panelteilnehmern mit hohem vorhergesagten Ausfallrisiko zugeordnet werden
können. Die Vorhersagemodelle werden explizit längsschnittlich trainiert und
evaluiert, um möglichst effektiv Panelteilnehmer identifizieren zu können, bei
denen ein erhöhtes Ausfallrisiko in neuen Panelwellen besteht. Auf Basis der
vorhergesagten Ausfallwahrscheinlichkeiten des besten Modells wird in einem
nächsten Schritt die Wirksamkeit verschiedener Interventionen getestet. Dabei
wird neben erhöhten monetären Anreizen insbesondere der Einsatz innovativer
Interventionen untersucht, die darauf abzielen, das Befragungserlebnis zu
verbessern. Das Testen dieser Strategien kann zur Beantwortung der Frage beitragen,
welcher Ansatz am besten zu Erhöhung der Teilnahmebereitschaft und des
Engagements von Befragten geeignet ist. Die Interventionen werden auch unter
Berücksichtigung anderer, potenziell unbeabsichtigter Auswirkungen auf die
Datenqualität verglichen und bewertet. Darüber hinaus wird die Übertragbarkeit
der entwickelten Methodik auf andere Panelstudien untersucht.
01.10.2022 – 30.09.2025
- MZES