AStA Wirtschafts- und Sozialstatistisches Archiv最新文献

Die Volkswirtschaftlichen Gesamtrechnungen (VGR) sind die wichtigste Grundlage für makroökonomische Analysen. Für Deutschland werden diese vom Statistischen Bundesamt vierteljährlich veröffentlicht. Die erste Veröffentlichung basiert noch auf unvollständigen Daten, so dass die Angaben in der Folgezeit mehrfach revidiert werden, bis etwa dreieinhalb Jahre nach Ende eines Jahres endgültige Werte vorliegen. Überlagert werden diese laufenden Revisionen von sogenannten Generalrevisionen, mit denen systematische Änderungen in den VGR umgesetzt werden. Beobachten lassen sich nur die Revisionen insgesamt, während mit Blick auf die Arbeit der statistischen Ämter und den Gesetzgeber eher das Ausmaß der laufenden Revisionen von Interesse ist. Der vorliegende Beitrag isoliert mit Hilfe eines einfachen Ansatzes die laufenden Revisionen und untersucht deren Ausmaß sowie, ob sie statistische Regelmäßigkeiten aufweisen. Dabei lassen sich für eine Reihe preisbereinigter Verwendungsaggregate der VGR wie auch für die Erwerbstätigkeit Systematiken wie Verzerrung, Autokorrelation der Revisionen und Korrelation zwischen der Revision und der Veränderungsrate der betreffenden Variablen finden. Dies weist auf Möglichkeiten hin, durch bessere Datennutzung die datenbedingt notwendigen Revisionen der VGR zu verringern. Dies ist auch mit Blick auf die Genauigkeit von Prognosen wünschenswert, denn die Arbeit zeigt, dass die Treffsicherheit von im Herbst veröffentlichten Prognosen wesentlich durch Revisionen der Daten für das erste Halbjahr des betreffenden Jahres beeinflusst wird.

Wir alle benötigen ein grundlegendes Verständnis von Statistik, um mit der wachsenden Menge an verfügbaren statistischen Daten, Analysen und Ergebnissen, die uns täglich begegnen, umgehen zu können. Auf dieser Basis können Entscheidungen fundiert getroffen und Fehlschlüsse reduziert werden. Der Arbeitsmarkt gehört zu den Themenfeldern, die für viele Menschen wichtig und in ihrem Alltag präsent sind. Die Daten dazu sind umfänglich und die Konzepte mitunter komplex. Die Statistik der Bundesagentur für Arbeit unterbreitet ihren Nutzern daher verschiedene Angebote, um das Verständnis für Statistik generell, aber natürlich speziell für die Daten und Zusammenhänge hinsichtlich des Arbeitsmarkts zu verbessern. Im nachfolgenden wird zunächst die Aufgabe der Statistik der Bundesagentur für Arbeit als Teil des Systems amtlicher Statistik dargestellt. Es geht auch darum zu erfahren, welche Aufgaben die Statistik der Bundesagentur für Arbeit hat. Im Anschluss werden zwei häufig auftretende Missverständnisse bezüglich zentraler Arbeitsmarktfragen erläutert: Die Zusammenhänge von Arbeitslosigkeit, Verfügbarkeit am Arbeitsmarkt, Arbeitsuche und den Bezug von Leistungen der Grundsicherung. Bei bestimmten Personengruppen und Status zeigen sich Überschneidungen, andere schließen sich dagegen aus – bekannt ist das in der Öffentlichkeit nur zum Teil. Deshalb wird auch dargestellt, welche Ansätze die Statistik der Bundesagentur für Arbeit verfolgt, um einem möglichst breiten Kreis von Interessenten jeweils adressatengerecht Daten, Kontextinformationen und Analysen zur Verfügung zu stellen und die Nutzer bei der Interpretation von Arbeitsmarktdaten zu unterstützen.

Wie schon 2011 wird auch 2021 in Deutschland wieder ein registergestützter Zensus durchgeführt. Dabei werden die benötigten Informationen soweit wie möglich aus Melderegistern und anderen Verwaltungsdaten zusammengetragen und um weitere Informationen aus Primärerhebungen ergänzt. Eine jener Erhebungen ist die Haushaltsstichprobe, deren wichtigster Zweck die Korrektur der Register um Karteileichen und Fehlbestände zur Schätzung der Einwohnerzahl ist. Darüber hinaus wird mit Hilfe der Haushaltsstichprobe eine Vielzahl von weiteren regional und inhaltlich tief gegliederten Zensusergebnissen ermittelt, wie zum Beispiel für regional und demographisch differenzierte Bevölkerungskohorten.

Da es nicht möglich ist für alle Kohorten einen ausreichend großen Stichprobenumfang sicherzustellen, können design-basierte Schätzverfahren keine verlässlichen Schätzwerte für jene Kohorten garantieren. Im vorliegenden Beitrag untersuchen wir daher, inwiefern geeignete Small Area-Schätzverfahren verlässliche und plausible Ergebnisse für regional und demographisch differenzierte Bevölkerungskohorten im Zensus liefern können.

Die Erfassung regionaler Krankheitsverteilungen ist ein zentrales Element in der Planung und Gestaltung adäquater Gesundheitsversorgung. In der öffentlichen Gesundheitsberichtserstattung liegen Schätzungen kleinräumiger Krankheitshäufigkeiten in der Regel nicht vor. Aufgrund begrenzter Ressourcen und zu wenigen ortsspezifischen Beobachtungen ist es meist nicht möglich regionale Krankheitsverteilungen mit hinreichender Genauigkeit zu quantifizieren. Hier repräsentieren Krankenkassendaten eine wichtige Alternative. Der Versichertenstamm einer Krankenkasse ist meist viel größer als der Stichprobenumfang einer Gesundheitserhebung. Zusätzlich handelt es sich bei den Daten einer Krankenkasse um Abrechnungsdaten, welche automatisch erfasst und nicht aufwändig erhoben werden müssen. Doch wenn regionale Krankheitshäufigkeiten anhand von Krankenkassendaten geschätzt werden, muss beachtet werden, dass der Versichertenstamm einer Krankenkasse keine zufällige Teilpopulation der Gesamtbevölkerung darstellt. Aufgrund verschiedener Eigenschaften des deutschen Gesundheitssystems ist die Kassenzugehörigkeit einer Person informativ für ihre Morbidität hinsichtlich verschiedener Krankheiten. Folglich muss eine Bias-Korrektur bei der Schätzung erfolgen, um valide Ergebnisse zu erhalten. Im Zuge des AOK-internen Projekts Gesundheitsatlas des Wissenschaftlichen Instituts der AOK (WIdO) wurde zusammen mit der Universität Trier eine Methodik entwickelt, welche diese Problematik behandelt. Sie ermöglicht die Quantifizierung kleinräumiger Krankheitshäufigkeiten anhand von anonymisierten Krankenkassendaten mit einer Multi-Source-Schätzung. Durch multivariate Analyseverfahren sowie modellbasierte Inferenz werden die anonymisierten AOK-Routinedaten und stationäre Behandlungshäufigkeiten aller Krankenhausfälle zu einer Bias-korrigierenden Schätzmethodik kombiniert. In dem vorliegenden Beitrag wird diese Methodik beschrieben und ihre Effektivität am Beispiel von Diabetes Mellitus Typ 2 demonstriert. Ausgehend vom Versichertenstamm der AOK – die Gesundheitskasse sowie deren Leistungsdaten werden alters- und geschlechtsreferenzierte Krankheitshäufigkeiten auf Kreisebene für die gesamte deutsche Bevölkerung geschätzt. Es kann gezeigt werden, dass der Ansatz plausible Ergebnisse auf regionalen Ebenen liefert und somit die Darstellung der gesundheitlichen Lage in bisher nicht erreichter Detailtiefe ermöglicht.