Im Bereich Survey Statistics werden unterschiedliche Aspekte der Qualität von Erhebungen erforscht. Das Stichprobendesign, insbesondere Stichprobenumfang und –zusammensetzung wirken sich unmittelbar auf die Repräsentativität der Studienergebnisse aus. Nichtteilnahme (unit nonresponse) und das Auslassen einzelner Fragen einer Befragung (item nonresponse) stellen weitere Herausforderungen an die Datenqualität dar. Die mit der Ziehung von Zufallsstichproben verbunden Problemstellungen und Lösungen sind daher Fokus der Forschungsaktivitäten im Bereich Survey Statistics. Diese werden auch in einigen drittmittelgeförderten Projekten erforscht.
Unsere Forschungsschwerpunkte im Bereich Survey Statistics
- Ziehungsverfahren für komplexe Stichprobendesigns
- Nonresponse (bias) Analyse
- Gewichtungsverfahren für Umfrageerhebungen
- Imputation fehlender Werte
- Varianzschätzung unter komplexen Stichprobendesigns und Imputation fehlender Werte
- Anwendung von Machine Learning-Verfahren in der Erhebungsstatistik
Erfahren Sie mehr über unsere Beratungsangebote und Serviceleistungen:
-
ONBound
A tool for cumulation and harmonization of data on national identities and religion
-
Question Link
Ein Tool zur Harmonisierung deutscher Messinstrumente bekannter Umfrageprogramme
-
Stichproben
Bestellen Sie Telefonstichproben oder komplexe Stichproben für Ihr Forschungsprojekt
- Felderer, Barbara, Ludwig Bothmann, Lydia Repke, Jonas Schweisthal, and Wiebke Weber. 2023. "Predicting survey quality in SQP 3.0." European Survey Research Association (ESRA) 2023 Conference, Università degli Studi di Milano-Bicocca, Milano, 2023-07-17.
- Felderer, Barbara, and Jessica M. E. Herzing. 2023. "What about the Less IT Literate? A Comparison of Different Postal Recruitment Strategies to an Online Panel of the General Population." Field Methods 35 (3): 219–235. doi: https://doi.org/10.1177/1525822X221132940.
- Felderer, Barbara, Jannis Kück, and Martin Spindler. 2023. "Using Double Machine Learning to Understand Nonresponse in the Recruitment of a Mixed-Mode Online Panel." Social Science Computer Review 41 (2): 461-481. doi: https://doi.org/10.1177/08944393221095194.
- Friedel, Sabine, Barbara Felderer, Ulrich Krieger, Carina Cornesse, and Annelies Blom. 2023. "The Early Bird Catches the Worm! Setting a Deadline for Online Panel Recruitment Incentives." Social Science Computer Review 41 (2): 370-389. doi: https://doi.org/10.1177/08944393221096970.
- Bruch, Christian, and Barbara Felderer. 2022. "Prior Choice for the Variance Parameter in the Multilevel and Poststratification Approach for Highly Selective Data: A Monte Carlo Simulation Study." Austrian Journal of Statistics 51 (4): 76-95. doi: https://doi.org/10.17713/ajs.v51i4.1361.