Analyse und Behebung von selektivem Bias – EU-SILC Österreich

Chapter
Part of the Schriftenreihe der ASI - Arbeitsgemeinschaft Sozialwissenschaftlicher Institute book series (SASI)

Zusammenfassung

Der vorliegende Beitrag behandelt Verzerrungen von Schätzern aus Stichprobenerhebungen aufgrund von Antwortausfällen bei der Erhebung EUSILC (European Statistics of Income and Living Conditions) in Österreich. Antwortausfälle, d.h. nicht an der Erhebung teilnehmende Erhebungseinheiten, können dann zu verzerrten Schätzern führen, wenn der Ausfall nicht komplett zufällig stattfindet. Formal kann der Antwortausfall dabei als Zufallsvariable betrachtet werden, bei der der Eintritt des Ausfalls einer bestimmten Wahrscheinlichkeit unterliegt (Groves et al. 2004).

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Bethlehem, J. G. (1999). Cross-sectional research. In H. J. Adèr & G. J. Mellenbergh (Hrsg.), Research methodology in the life, behavioural and social sciences (S. 110–142). London: Sage.CrossRefGoogle Scholar
  2. Glaser, T., & Till, M. (2010). Gewichtungsverfahren zur Hochrechnung von EU-SILC-Querschnittergebnissen. Statistische Nachrichten 2010 7, 567–578.Google Scholar
  3. Glaser, T. (2012). Weighting procedures to counter unit nonresponse bias of estimators for sample surveys. Universität Wien, Magisterarbeit.Google Scholar
  4. Groves, Robert M. (2006). Nonresponse Rates and Nonresponse Bias in Household Surveys. Public Opinion Quarterly 70 (5), 646–675.CrossRefGoogle Scholar
  5. Groves, R. M., Fowler Jr., F. J., Couper, M. P., Lepkowski, J. M., Singer, E., & Tourangeau, R. (2004). Survey Methodology. Hoboken: Wiley.Google Scholar
  6. Horvitz, D. G., & Thompson, D. J. (1952). A Generalization of Sampling Without Replacement From a Finite Universe. Journal of the American Statistical Association 47 (260), 663–685.CrossRefGoogle Scholar
  7. Kafka, E. (2012). Armutslagen und die Teilnahme an Längsschnitterhebungen. Universität Wien, Diplomarbeit.Google Scholar
  8. Kish, L. (1995). Survey Sampling. New York: Wiley.Google Scholar
  9. Liang, F., & Kuk, A. Y. C (2004). A finite population estimation study with Bayesian neural networks. Survey Methodology 30 (2), 219–234.Google Scholar
  10. Lamei, N., & Till-Tentschert, U. (2004). Messung von Armutsgefährdung und Deprivation. Statistische Nachrichten 2004, 4, 349–358.Google Scholar
  11. Laurie, H., Smith, R., & Scott, L. (1999). Strategies for Reducing Nonresponse in a Longitudinal Panel Survey. Journal of Official Statistics 15 (2), 269–282.Google Scholar
  12. Little, R. J. A. (1988). Missing-Data Adjustments in Large Surveys. Journal of Business & Economic Statistics 6 (3), 287–296.Google Scholar
  13. Little, R. J. A., & Rubin, D. B. (1987). Statistical Analysis with Missing Data. New York: Wiley.Google Scholar
  14. Richard, M., & Lippmann, R. (1991). Neural Network Classifiers Estimate Bayesian a posteriori Probabilities. Neural Computation 3 (4), 461–483.CrossRefGoogle Scholar
  15. Ripley, B. D. (2004). Pattern Recognition and Neural Networks. Cambridge: Cambridge University Press.Google Scholar
  16. Särndal, C.-E. (2007). The calibration approach in survey theory and practice. Survey Methodology 33 (2), 99–119.Google Scholar
  17. Särndal, C.-E., & Deville, J-C. (1992). Calibration Estimators in Survey Sampling. Journal of the American Statistical Association 87 (418), 376–382.CrossRefGoogle Scholar
  18. Särndal, C.-E., & Lundström, S. (2005). Estimation in Surveys with Nonresponse. West Sussex: Wiley.CrossRefGoogle Scholar
  19. Särndal, C.-E., Swensson, B., & Wretman, J. (2003). Model assisted survey sampling. New York: Springer.Google Scholar
  20. Sautory, O. (2003). Calmar 2: A new version of the Calmar calibration adjustment program. In Statistics Canada International Symposium Series – Proceedings (Hrsg.), Symposium 2003: Challenges in Survey Taking for the Next Decade. Statistics Canada.Google Scholar
  21. Schnell, R. (1997). Nonresponse in Bevölkerungsumfragen: Ausmaß, Entwicklung und Ursachen. Opladen: Leske + Budrich.CrossRefGoogle Scholar
  22. Statistics Austria (2006). Intermediate Quality Report relating to the EUSILC 2005 Operation: Austria. Vienna.Google Scholar
  23. Statistics Austria (2008). Intermediate Quality Report relating to the EUSILC 2007 Operation: Austria. Vienna.Google Scholar
  24. Till, M., Datler, G., Glaser, T., Heuberger, R., Mahidi, M., Skina, M., Kafka, E., & Lamei, N. (2009). Einkommen, Armut und Lebensbedingungen: Ergebnisse aus EU-SILC 2007. Wien: Statistik Austria.Google Scholar
  25. Till-Tentschert, U., Glaser, T., Heuberger, R., Kafka, E., Lamei, N., Skina, M., & Till, M. (2009). EU-SILC 2008. In Bundesministerium für Arbeit, Soziales u. (Hrsg.), Armutsgefährdung in Österreich (S. 17–195). Wien: Bundesministerium für Arbeit, Soziales und Konsumentenschutz.Google Scholar
  26. Till-Tentschert, U., Lamei, N., Heuberger, R., & Bönisch, M. (2007). Einkommen, Armut und Lebensbedingungen: Ergebnisse aus EU-SILC 2005. Wien.Google Scholar
  27. VO (EG) 1982/2003: Verordnung (EG) Nr. 1982/2003 der Kommission vom 21. Oktober 2003 zur Durchführung der Verordnung (EG) Nr. 1177/2003 des Europäischen Parlaments und des Rates für die Gemeinschaftsstatistik über Einkommen und Lebensbedingungen (EU-SILC) im Hinblick auf die Regeln für die Stichprobenauswahl und die Weiterverfolgung. In Amt für Veröffentlichungen der Europäischen Union (Hrsg.), Amtsblatt der Europäischen Union L, 298 (46), 29–33.Google Scholar
  28. Weiss, H., & Till-Tentschert, U. (2008). Armutslagen und Chancen für Eingliederung in Österreich. Arbeitspapier 1. Merkmale deprivierter Lebensführung in Österreich. Wien.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2015

Authors and Affiliations

  1. 1.Statistik AustriaWienÖsterreich

Personalised recommendations