Weiterentwicklung der amtlichen Haushaltsstatistiken - RatSWD
Weiterentwicklung der amtlichen Haushaltsstatistiken - RatSWD
Weiterentwicklung der amtlichen Haushaltsstatistiken - RatSWD
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
ten Schätzers in dem akzeptablen Bereich liegt. Wird nun <strong>der</strong> Bereich von -0,5<br />
bis 0,5 gewählt, so liegt hier die Wahrscheinlichkeit, den gewünschten Bereich<br />
zu treffen beim designbasierten Schätzer bei etwa 13,2%, beim modellbasierten<br />
Schätzer aber bei etwa 13%. Aufgrund <strong>der</strong> Verzerrung ist die Wahrscheinlichkeit,<br />
dass <strong>der</strong> modellbasierte Schätzer einen Wert im eng gewählten akzeptablen<br />
Bereich einnimmt geringer als für den designbasierten Schätzer. Wird <strong>der</strong> akzeptable<br />
Bereich zum Beispiel zwischen -1 und 1 gewählt, also verlängert, dreht sich<br />
das Ergebnis um. Nun ist die Wahrscheinlichkeit, dass <strong>der</strong> designbasierte Schätzer<br />
in diesem Bereich liegt, bei 26,1%, beim modellbasierten Schätzer dagegen<br />
bei 26.6%. Mit an<strong>der</strong>en Worten, trotz einer Verzerrung kann ein Schätzer mit<br />
höherer Wahrscheinlichkeit in einem akzeptablen Bereich um den wahren Wert<br />
liegen als ein unverzerrter. Gerade bei kleinen Stichprobenumfängen ist ein zu<br />
eng gewählter akzeptabler Bereich nicht realistisch, wodurch ein Schätzer mit<br />
geringerer Variabilität trotz einer möglichen Verzerrung vorzuziehen ist. Somit<br />
empfiehlt es sich, insgesamt eine kompensatorische Norm zwischen Verzerrung<br />
und Variabilität für die Beurteilung <strong>der</strong> Qualität <strong>der</strong> Schätzung zu verwenden.<br />
Üblicherweise wird hierbei <strong>der</strong> MSE genommen, <strong>der</strong> die Summe <strong>der</strong> Variabilität<br />
und <strong>der</strong> quadrierten Verzerrung ist. Die Small Area-Schätzer von Fay-Herriot und<br />
Battese-Harter-Fuller sind per Konstruktion MSE minimale Schätzer, falls das<br />
Modell zutreffend ist.<br />
Die Ausführungen zeigen, dass die Anwendbarkeit von Small Area-Modellen<br />
sehr von <strong>der</strong> Modellierung abhängt. Da die Hilfsinformationen vollständig vorhanden<br />
sein müssen, spielen Registervariablen bei Haushaltsstichproben eine<br />
wesentliche Rolle. Je umfangreicher diese vorhanden sind, desto besser werden<br />
die Modellierungen, desto geringer werden die Verzerrungen und desto präziser<br />
werden die Schätzungen. Im Gegensatz zur klassischen designbasierten Welt, in<br />
<strong>der</strong> insbeson<strong>der</strong>e die Optimierung im Sinne <strong>der</strong> Stichprobenziehung dominierte,<br />
spielt nun Modellauswahl und -validierung eine zentrale Rolle. Ebenso darf nicht<br />
mehr nur von einem zu optimierenden Ziel in einer Gesamtheit ausgegangen<br />
werden. Die Optimierung muss nun simultan in vielen Areas gleichzeitig erfolgen<br />
und möglicherweise sogar bezüglich verschiedener Variablen durchgeführt<br />
werden. Im Rahmen <strong>der</strong> Zensusforschung sind eine Reihe von Möglichkeiten zur<br />
Erreichung dieser Ziele in Münnich et al. (2012) aufgeführt.<br />
Während bei Mittel- und Totalwerten für die Schätzungen in (1) im allgemeinen<br />
die aggregierten Registerinformationen ausreichen, reichen diese bei<br />
nichtlinearen Indikatoren nicht aus. Dies gilt zum Beispiel bei den zuvor erwähnten<br />
Armutsindikatoren <strong>der</strong> EU, insbeson<strong>der</strong>e <strong>der</strong> Armutsgefährdungsquote.<br />
Ein viel versprechen<strong>der</strong> Ansatz wurde von Molina und Rao (2010) entwickelt.<br />
Hierbei wird mit Hilfe eines Small Area-Modells die Verteilung <strong>der</strong> Einkommen<br />
modelliert. Über einen prädiktiven Monte-Carlo-Ansatz lassen sich mit Hilfe des<br />
108