Weiterentwicklung der amtlichen Haushaltsstatistiken - RatSWD

Segmentierung
Um zudem sicherzustellen, dass die „gespendete“ Information des „Donors“ zu
der des „empfangenden“ „Rezipienten“ konsistent ist, kann die Fusion in Segmenten
(Unterstichproben) vollzogen werden. Aus der Perspektive eines Matchingverfahrens,
bei dem über die gemeinsamen Merkmale gematcht wird, ist
dies gleichbedeutend mit einem unendlich hohen Gewicht für die in die Segmentierung
einbezogenen X-Variablen, da bei diesen eine perfekte Zuordnung
erzwungen wird. Auch wenn eine Segmentierung aus Konsistenzgründen sinnvoll
sein kann und den Rechenaufwand bei matchingbasierten Fusionsmethoden
verringert, sollte auf ein übermäßiges Segmentieren verzichtet werden, da
es einen Eingriff in die vom Algorithmus auf Gesamtebene optimierte Lösung
bedeutet. Im Beispiel des Mahalanobisdistanz-Matchings ist die Segmentierung
gleichbedeutend mit der Vergabe eines unendlich hohen Gewichts für die in die
Segmentierung einbezogenen X-Variablen.
Fusionsdurchführung
Bei der Fusionsdurchführung selbst ist im Grunde nur zu unterscheiden, ob Y
(bzw. Z) oder beide Gruppen Y und Z der spezifischen Merkmale ergänzt werden,
ob die Fusion mit einem MI-Verfahren durchgeführt wurde und ob ein (zeilenweises)
Nearest-Neighbour-Verfahren zum Einsatz kam, da diese Faktoren auf die
Datenhaltung Einfluss haben. Beispielsweise wäre das konkrete Ergebnis einer
Fusion mit Nearest-Neighbour-Verfahren, bei der multipel in beide Richtungen
ergänzt wird, m×2 Paarlisten. Über diese Paarlisten können – wie bereits im vorangegangenen
Abschnitt erwähnt – weitere Variablen übertragen werden, die im
Fusionsmodell selbst keine Rolle gespielt haben. Diese mit Nearest-Neighbour-
Verfahren mögliche „passive“ Datenfusion ist insbesondere bei der Fusion von
komplexen Datenstrukturen sinnvoll. Beispielsweise lassen sich die sekundengenau
gemessenen Umschaltvorgänge im AGF/GfK Fernsehpanel zu Aggregaten
verdichten (z. B. durchschnittliche Gesamt-TV-Nutzung in Sekunden pro Tag
über einen bestimmten Zeitraum errechnet), die einfacher in die Modellierung
einbezogen werden können als die Rohdaten. Mit einer rein modellbasierten
Fusionsmethode (z. B. Regression) wäre dies nicht möglich. Des Weiteren lassen
sich über diese Paarlisten im Falle einer Fusion von Paneldaten in eine andere
Stichprobe auch aktualisierte Daten ohne Durchführung einer erneuten Fusion
überführen – sofern sich alle Donoren der Vorperiode noch im Panel befinden.
Ansonsten besteht die Möglichkeit einer kompletten Neufusion oder einer
Fusion für die Rezipienten, deren Donor sich nicht mehr in der Stichprobe befindet.
Ist die Rezipientenstudie ebenfalls ein Panel, so muss dort umgekehrt der
Fall berücksichtigt werden, dass Neurekrutrierungen noch keinen Donor haben.
92