Skip to main content
SpringerLink
Log in

Einsatzmöglichkeiten von Small Area-Verfahren bei Kohortenschätzungen im Zensus 2021

Applicablity of small area estimation methods for demographic cohorts in the Census 2021

  • Originalveröffentlichung
  • Published:
AStA Wirtschafts- und Sozialstatistisches Archiv Aims and scope Submit manuscript

Zusammenfassung

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.

Abstract

Ten years after switching to a register-based census, Germany will conduct a register-based census again in 2021. In this framework, most of the required information are obtained from population registers and other types of administrative data. These data sources are supplemented by survey data such as the household sample. One of the aims of the household sample is to correct the population register by estimates of the number of over- and undercounts to obtain an estimate of the total population in the municipalities. Additionally, the household sample is used to produce estimates for subgroups of the population such as regionally and demographically disaggregated cohorts.

Since it is not possible to allocate sufficiently large sample sizes to all cohorts, design-based estimation methods cannot guarantee reliable estimates for those population cohorts. Hence, we investigate whether small area estimation methods are capable of producing reliable and plausible estimates for the regionally and demographically disaggregated population cohorts in the next German census.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5
Abb. 6

Literatur

  • Agresti A (2013) Categorical data analysis, 3. Aufl. John Wiley & Sons, Hoboken, New Jersey

    MATH  Google Scholar 

  • Bates D, Mächler M, Bolker B, Walker S (2015) Fitting linear mixed-effects models using lme4. J Stat Softw 67(1):1–48. https://doi.org/10.18637/jss.v067.i01

    Article  Google Scholar 

  • Berg A, Bihler W (2011) Das Stichprobendesign der Haushaltsstichprobe 2011. Wirtsch Stat 2011(4):317–328

    Google Scholar 

  • Berg A, Bihler W (2014) Das Hochrechnungsverfahren zur Ermittlung der Einwohnerzahl im Zensus 2011. Wirtsch Stat 2014(4):229–235

    Google Scholar 

  • Brown G, Chambers R, Heady P, Heasman D (2001) Evaluation of small area estimation methods: an application to unemployment estimates from the UK LFS. In: Proceedings of Statistics Canada Symposium

    Google Scholar 

  • Burgard JP, Münnich RT (2012) Modelling over and undercounts for design-based monte carlo studies in small area estimation: an application to the german register-assisted census. Comput Stat Data Anal 56(10):2856–2863

    Article  MathSciNet  MATH  Google Scholar 

  • Chipperfield J, Preston J (2007) Efficient bootstrap for business surveys. Surv Methodol 33(2):167–172

    Google Scholar 

  • Hofmeister K, Fürnrohr M (2014) Das Korrekturverfahren beim Zensus 2011. Bayern Zahl 2014(6):310–318

    Google Scholar 

  • Kaus W, Mundil-Schwarz R (2015) Die Ermittlung der Einwohnerzahlen und der demografischen Strukturen nach dem Zensus 2011. Wirtsch Stat 2015(4):18–38

    Google Scholar 

  • Lehtonen R, Veijanen A (2009) Design-based methods of estimation for domains and small areas. In: Pfeffermann D, Rao C (Hrsg) Handbook of Statistics, Bd. 29 B. Elsevier, New York, S 219–249 (Kap 31)

    Google Scholar 

  • Luna A (2016) Multivariate Structure Preserving Estimation for Population Compositions. Dissertationsschrift. University of Southampton, Southampton (https://eprints.soton.ac.uk/404689/)

    Google Scholar 

  • Luna A, Zhang LC, Whitworth A, Piller K (2016) Small area estimates of the population distribution by ethnic group in England: a proposal using structure preserving estimators. Statistics in transition and. Surv Methodol 16(4):585–602

    Google Scholar 

  • Münnich R, Burgard JP, Vogt M (2013) Small Area-Statistik: Methoden und Anwendungen. AStA Wirtsch Sozialstat Arch 6(3–4):149–191

    Article  Google Scholar 

  • Noble A, Haslett S, Arnold G (2002) Small area estimation via generalized linear models. J Off Stat 18(1):45–60

    Google Scholar 

  • Pfeffermann D, Sverchkov M (2009) Inference under informative sampling. In: Pfeffermann D, Rao CR (Hrsg) Handbook of Statistics, Bd. 29 B. Elsevier, New York, S 455–487 (Kap 39)

    Google Scholar 

  • Purcell NJ, Kish L (1980) Postcensal estimates for local areas (or domains). Int Stat Rev 48(1):3–18

    Article  MATH  Google Scholar 

  • Qiao C (2006) Small area estimates produced using loglinear models in SAS - discussion and implementation. Tech. rep. Centre for Social Research and Evaluation – Ministry of Social Development, Wellington

    Google Scholar 

  • Rao JNK, Molina I (2015) Small Area Estimation Bd. 2. John Wiley & Sons, Hoboken, New Jersey

    Book  MATH  Google Scholar 

  • Tzavidis N, Zhang LC, Luna A, Schmid T, Rojas-Perilla N (2018) From start to finish: A framework for the production of small area official statistics. J Royal Stat Soc Ser A 181(4):927–979

    Article  MathSciNet  Google Scholar 

  • Vereinte Nationen (2017) 2017 revision of world population prospects. https://esa.un.org/unpd/wpp/publications/files/wpp2017_keyfindings.pdf. Zugegriffen: 12. Nov. 2018

    Google Scholar 

  • Zhang LC, Chambers RL (2004) Small area estimates for cross-classifications. J Royal Stat Soc Ser B (statistical Methodol 66(2):479–496

    Article  MathSciNet  MATH  Google Scholar 

Download references

Danksagung

Ich danke den anonymen Gutachtern für hilfreiche Kommentare und Vorschläge. Außerdem bedanke ich mich bei Wolf Bihler und Kai Lorentz für viele Diskussionen über die Thematik.

Author information

Authors and Affiliations

  1. Statistisches Bundesamt, Gustav-Stresemann-Ring 11, 65189, Wiesbaden, Deutschland

    Thomas Zimmermann

Authors
  1. Thomas Zimmermann
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Thomas Zimmermann.

Additional information

Hinweis des Verlags

Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Zimmermann, T. Einsatzmöglichkeiten von Small Area-Verfahren bei Kohortenschätzungen im Zensus 2021. AStA Wirtsch Sozialstat Arch 13, 157–177 (2019). https://doi.org/10.1007/s11943-019-00243-x

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s11943-019-00243-x

Schlüsselwörter

JEL Classification

Search

Navigation