Please use this identifier to cite or link to this item:
Kruppe, Thomas
Matthes, Britta
Unger, Stefanie
Year of Publication: 
Series/Report no.: 
IAB-Discussion Paper No. 15/2014
The use of process-produced data plays a large and growing role in empirical labor market research. To address data problems, previous research have developed deductive correction rules that make use of within-person information. We test data reliability and the effectiveness of different correction rules for information about educational degrees as reported in German register data. Therefore we use the unique dataset ALWA-ADIAB, which combines interview data and process-produced data from exactly the same individuals. This approach enables us to assess how effective the existing correction rules are and whether they manage to eliminate structural biases. In sum, we can state that simple editing rules based on logic assumptions are suitable for improving the quality of process-produced data, but they are not able to correct for structural biases.
Abstract (Translated): 
Prozessproduzierte Daten spielen eine große und wachsende Rolle in der empirischen Arbeitsmarktforschung. Um Datenprobleme zu verringern, wurden in der bisherigen Forschung deduktive Regeln zur Korrektur entwickelt, die übergreifende Information en zu einer Person nutzen. Wir testen die Datenreliabilität und die Effektivität verschiedener solcher Korrekturregeln anhand der in deutschen Registerdaten erfassten Bildungsinformation. Dazu nutzen wir den einmaligen Datensatzes ALWA-ADIAB, in dem Interviewdaten und prozessproduzierte Daten von ein und derselben Person kombiniert sind. Aufgrund der hohen Realibilität der Interviewdaten messen wir daran sowohl die unkorrigierten als auch die korrigierten Registerdaten. Dieses Vorgehen erlaubt es uns zum einen, die Effektivität der Korrekturregeln zu bewerten. Zum anderen können wir prüfen, ob durch die Anwendung der Korrekturen strukturelle Verzerrungen behoben werden. Im Ergebnis zeigt sich, dass einfache, auf logischen Annahmen beruhende Datenaufbereitungen zwar geeignet sind, die Qualität der prozessproduzierten Daten zu verbessern, strukturelle Verzerrungen aber verbleiben.
measurement error
data quality
process-produced data
register data
interview data
data correction
missing values
structural bias
educational degrees
labor market research
Document Type: 
Working Paper

Files in This Item:
457.18 kB

Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.