Repräsentation und Stichprobe

Im Bereich Stichprobe erforschen wir, wie man die Zielpopulation möglichst umfassend erreichen kann. Datenqualität bedeutet hier: Angemessene Repräsentation der Zielpopulation durch die Befragten. Wir fokussieren unsere Forschung auf die Stichprobe und Stichprobeziehung sowie auf die Bedingungen der Datenerhebung oder Feldarbeit, die förderlich für eine möglichst repräsentative Datengrundlage sind. Des Weiteren erforschen wir Möglichkeiten, mit Antwortausfällen umzugehen, um trotz fehlender Daten zuverlässige Schlüsse aus den Befragungen ziehen zu können.

Unsere aktuellen Schwerpunkte sind:

• Nonresponse Bias: Wir erforschen, welche Personeneigenschaften oder Eigenschaften der Befragung das Teilnahmeverhalten beeinflussen und wie sich angesichts dessen die Teilnahme an der Befragung erhöhen und eine mögliche Verzerrung reduzieren lässt.
• Gewichtung:  Wir entwickeln Methoden, um Verzerrungen zu reduzieren, die durch einen sehr hohen Ausfall innerhalb bestimmter Bevölkerungsgruppen entstehen. Auch forschen wir an der Berechnung von Designgewichten in Stichproben, für die mehrere Ziehungsrahmen kombiniert werden.
• Imputation: Wir untersuchen, wie sich fehlende Werte in den Befragungsdaten bestmöglich ersetzen lassen. So forschen wir an Imputationen im Bereich modularer Fragebogendesigns, in denen bewusst Items nur einem Teil der Befragten gestellt werden, wodurch geplante fehlende Werte entstehen. Wir forschen außerdem zu Varianzschätzung unter Imputation.
• Rekrutierung von Befragten: Wir untersuchen verschiedene Strategien der Rekrutierung von Befragten in Hinblick auf die erreichte Datenqualität. Ein Beispiel stellt die Rekrutierung von schwer zu erreichenden Gruppen wie Flüchtlingen über soziale Netzwerke wie Facebook oder Instagram dar.