Skip to main content
SpringerLink
Log in

Der Einsatz von Missing Data Techniken in der Arbeitsmarktforschung des IAB

  • Original Paper
  • Published:
Allgemeines Statistisches Archiv Aims and scope Submit manuscript

Zusammenfassung

Dieser Beitrag gibt einen Überblick über aktuelle Forschungsprojekte des Instituts für Arbeitsmarkt- und Berufsforschung (IAB), die sich alle auf unterschiedliche Weise mit der Behebung von Problemen mit Missing Data befassen. Hierzu gehören einerseits Projekte, die Stichproben verwenden wie das IAB-Betriebspanel, die IAB-Beschäftigtenstichprobe oder die Erhebung der offenen Stellen, die entweder wie alle Stichprobenerhebungen durch Antwortausfälle beeinträchtigt sind oder aber zensierte Beobachtungen aufweisen. Auf der anderen Seite zählen hierzu Forschungsprojekte, die versuchen, unterschiedliche Datengrundlagen vereinbar zu machen, die auf verschiedenen regionalen oder klassifikatorischen Abgrenzungen beruhen. Außerdem wird das Projekt TrEffeR des IAB und der Bundesagentur für Arbeit (BA) vorgestellt, das der oft ausgesprochenen Forderung gerecht wird, die Maßnahmen der aktiven Arbeitsmarktpolitik auf breiter Basis zu evaluieren, und diese Erkenntnisse für das operative Geschäft der BA nutzbar macht.

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

Literatur

  1. Bender, S., et al. (1996): Die IAB-Beschäftigtenstichprobe 1975–1990. Beiträge zur Arbeitsmarkt- und Berufsforschung 197. Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg

    Google Scholar 

  2. Blien, U., Hirschenauer, F. (2005): Regionale Arbeitsmärkte: Welche Arbeitsagenturen sind vergleichbar? IAB-Kurzbericht 18/2005. Institut für Arbeitsmarkt und Berufsforschung, Nürnberg

    Google Scholar 

  3. Caliendo, M., Hujer, R. (2005): The Microeconometric Estimation of Treatment Effects – An Overview. Discussion Paper 1653. Forschungsinstitut zur Zukunft der Arbeit, Bonn

    Google Scholar 

  4. Chib, S. (1992): Bayes Inference in the Tobit Censored Regression Model. Journal of Econometrics 51, 79–99

    Article  MathSciNet  MATH  Google Scholar 

  5. Dehejia, R.H., Wahba, S. (2002): Propensity Score-Matching Methods for Nonexperimental Causal Studies. The Review of Economics and Statistics 84(1), 151–161

    Article  Google Scholar 

  6. Gartner, H., Rässler, S. (2005): Analyzing the Changing Gender Wage Gap Based on Multiply Imputed Right Censored Wages. IAB Discussion Paper 5/2005. Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg

    Google Scholar 

  7. Hartley, H.O., Hocking, R.R. (1971): The Analysis of Incomplete Data. Biometrics 27, 783–808

    Article  Google Scholar 

  8. Holland, P.W. (1986): Statistical and Causal Inference. Journal of the American Statistical Association 81, 945–960

    Article  MathSciNet  MATH  Google Scholar 

  9. Imbens, G.W. (2004): Nonparametric Estimation of Average Treatment Effects Under Exogeneity: A Review. The Review of Economics and Statistics 86(1), 4–29

    Article  MathSciNet  Google Scholar 

  10. Jensen, U. (2001): Robuste Frontierfunktionen, methodologische Anmerkungen und Ausbildungsadäquanzmessung. Peter Lang, Frankfurt

    Google Scholar 

  11. Jensen, U., Rässler, S. (2005): Where Have all the Data Gone? Stochastic Production Frontiers with Multiply Imputed German Establishment Data. IAB Discussion Paper 15/2005. Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg

    Google Scholar 

  12. Jensen, U., Rässler, S. (2006): The Effects of Collective Bargaining on Firm Performance: New Evidence Based on Stochastic Production Frontiers and Multiply Imputed German Establishment Data. IAB Discussion Paper, Nürnberg (im Druck)

  13. Kalton, G. (1983): Compensating for Missing Survey Data. Research Report Series. Institute for Social Research, University of Michigan, Ann Arbor

    Google Scholar 

  14. Kruppe, T. (2006): Die Förderung beruflicher Weiterbildung Arbeitsloser im Spiegel von Monitoring und Evaluation. Zeitschrift für Evaluation 1 (im Druck)

  15. Kölling, A., Rässler (2004): Editing and Multiply Imputing German Establishment Panel Data to Estimate Stochastic Production Frontier Models. Zeitschrift für Arbeitsmarktforschung 3, 306–318

    Google Scholar 

  16. Little, R.J.A. (1976): Inference About Means from Incomplete Multivariate Data. Biometrika 63, 593–604

    Article  MathSciNet  MATH  Google Scholar 

  17. Little, R.J.A., Rubin, D.B. (1987, 2002): Statistical Analysis with Missing Data. Wiley, New York

  18. Madow, W.G., Olkin, I., Rubin, D.B. (1983): Incomplete Data in Sample Surveys. Academic Press, New York

    MATH  Google Scholar 

  19. Rässler, S., Koller, F., Mäenpää, C. (2002): A Split Questionnaire Design Applied to German Media and Consumer Surveys. Proceedings of the International Conference on Improving Surveys, ICIS 2002, Copenhagen

  20. Rässler, S., Riphahn, R. (2006): Survey Item Nonresponse and its Treatment. Allgemeines Statistisches Archiv 90, 213–228

    Google Scholar 

  21. Rosenbaum, P.R., Rubin, D.B. (1983): The Central Role of the Propensity Score in Observational Studies for Causal Effects. Biometrika 70, 41–55

    Article  MathSciNet  MATH  Google Scholar 

  22. Rubin, D.B. (1972): A Non-Iterative Algorithm for Least Squares Estimation of Missing Values in any Analysis of Variance Design. Applied Statistics – Journal of the Royal Statistical Society, Series C 21, 136–141

    Google Scholar 

  23. Rubin, D.B. (1974a): Characterizing the Estimation of Parameters in Incomplete-Data Problems. Journal of the American Statistical Association 69, 467–474

    Article  MATH  Google Scholar 

  24. Rubin, D.B. (1974b): Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies. Journal of Educational Psychology 66, 688–701

    Article  Google Scholar 

  25. Rubin, D.B. (1976): Inference and Missing Data. Biometrika 63, 581–590

    Article  MathSciNet  MATH  Google Scholar 

  26. Rubin, D.B. (1977): Assignment to Treatment Group on the Basis of a Covariate. Journal of Educational Statistics 2, 1–26 (Printer’s correction note 3, 384)

    Article  Google Scholar 

  27. Rubin, D.B. (1978a): Bayesian Inference for Causal Effects: The role of Randomization. The Annals of Statistics 7, 34–58

    Google Scholar 

  28. Rubin, D.B. (1978b): Using Multivariate Matched Sampling and Regression Adjustment to Control Bias in Observational Studies. Journal of the American Statistical Association 74, 318–328

    Article  Google Scholar 

  29. Rubin, D.B. (1978c): Multiple Imputation in Sample Surveys – A Phenomenological Bayesian Approach to Nonresponse. Proceedings of the Survey Research Methods Sections of the American Statistical Association, 20–40

  30. Rubin, D.B. (1980): Discussion of Randomization Analysis of Experimental Data in the Fisher Randomization Test by Basu. Journal of the American Statistical Association 75, 591–593

    Article  Google Scholar 

  31. Rubin, D.B. (1987): Multiple Imputation for Nonresponse in Surveys. Wiley, New York

    MATH  Google Scholar 

  32. Schafer, J.L. (1997): Analysis of Incomplete Multivariate Data. Chapman and Hall, London

    MATH  Google Scholar 

  33. Schafer, J.L. (1999): Multiple Imputation Under a Normal Model. Version 2, Software for Windows 95/98/NT. http://www.stat.psu.edu/∼jls/misoftwa.html. 2006

  34. Stephan, G., Rässler, S., Schewe, T. (2006): Wirkungsanalyse in der Bundesagentur für Arbeit: Konzeption, Datenbasis und ausgewählte Befunde. IAB Discussion Paper, Nürnberg (im Druck)

  35. Tanner, M.A., Wong, W.H. (1987): The Calculation of Posterior Distributions by Data Augmentation (with Discussion). Journal of the American Statistical Association 82, 528–550

    Article  MathSciNet  MATH  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Institut für Arbeitsmarkt- und Berufsforschung, Kompetenzzentrum Empirische Methoden, Regensburger Straße 104, 90478, Nürnberg, Deutschland

    Susanne Rässler

Authors
  1. Susanne Rässler
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Susanne Rässler.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Rässler, S. Der Einsatz von Missing Data Techniken in der Arbeitsmarktforschung des IAB . Allgemeines Statistisches Arch 90, 527–552 (2006). https://doi.org/10.1007/s10182-006-0010-1

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s10182-006-0010-1

Schlagworte

Search

Navigation