Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/32715 
Erscheinungsjahr: 
2008
Schriftenreihe/Nr.: 
IAB-Discussion Paper No. 44/2008
Verlag: 
Institut für Arbeitsmarkt- und Berufsforschung (IAB), Nürnberg
Zusammenfassung: 
In zahlreichen großen Datensätzen von wissenschaftlichem Interesse sind einige Variablen, wie z. B. die Lohnhöhe, top-coded oder rechtszensiert. Zur Analyse von Löhnen auf der Grundlage der IAB-Beschäftigtenstichprobe muss zunächst das Problem der, an der Beitragsbemessungsgrenze der Sozialversicherung zensierten, Löhne gelöst werden. Dieses Problem wird als Problem fehlender Daten behandelt und es werden Ansätze der multiplen Imputation zensierter Löhne durch Ziehung einer Zufallsvariablen aus einer trunkierten Verteilung auf der Basis der Markov-Chain Monte-Carlo Methode entwickelt. Im Allgemeinen ist die Einkommensvariation in Niedriglohnkategorien geringer als in höheren Kategorien, deshalb ist die Annahme von Homoskedastizität in einem Imputationsmodell fragwürdig. Daher wird hier eine neue Methode multipler Imputation vorgeschlagen, die keine Homoskedastizität voraussetzt. Die Notwendigkeit und die Validität des neuen Ansatzes werden durch einen Vergleich unterschiedlicher Imputationsansätze in einer Simulationsstudie belegt.
Schlagwörter: 
top coding
missing data
censored wage data
Markov chain Monte Carlo
JEL: 
C24
C15
Dokumentart: 
Working Paper

Datei(en):
Datei
Größe
255.51 kB





Publikationen in EconStor sind urheberrechtlich geschützt.