Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/237402 
Autor:innen: 
Erscheinungsjahr: 
2021
Quellenangabe: 
[Journal:] WISTA – Wirtschaft und Statistik [ISSN:] 1619-2907 [Volume:] 73 [Issue:] 4 [Publisher:] Statistisches Bundesamt (Destatis) [Place:] Wiesbaden [Year:] 2021 [Pages:] 76-86
Verlag: 
Statistisches Bundesamt (Destatis), Wiesbaden
Zusammenfassung: 
Zur Beurteilung des sozialen und wirtschaftlichen Lebensstandards in der Europäischen Union (EU) strebt die amtliche Statistik an, Einkommen und Konsumausgaben privater Haushalte gemeinsam zu betrachten. Hierfür existiert derzeit keine einheitliche Datengrundlage. Die Einkommensangaben sind detailliert in der europaweiten EU-SILC-Erhebung, die Konsuminformationen wiederum im Household Budget Survey erfasst. Beide Datenbestände sollen fusioniert werden, um eine gemeinsame Analyse von Einkommen und Konsumausgaben privater Haushalte zu ermöglichen. Der vorliegende Beitrag vergleicht den von Eurostat vorgeschlagenen Random Hot-Deck-Ansatz mit einer alternativen Datenfusionsmethode, dem Predictive Mean Matching. Er evaluiert die Performance beider Verfahren in einer Simulationsstudie.
Zusammenfassung (übersetzt): 
In order to assess the social and economic living standards in the European Union (EU), official statistics seek to provide joint information on income and consumption expenditures of private households. Currently, no uniform data basis exists for this purpose. While income is measured across the EU in great detail by EU-SILC, information on consumption is reported in the household budget survey. Both stocks of data are to be fused in order to enable a joint analysis of household income and consumption expenditure. This article compares the random hot deck approach proposed by Eurostat with predictive mean matching, an alternative data fusion method. It evaluates the performance of both methods in a simulation study.
Schlagwörter: 
Statistisches Matching
fehlende Daten
Imputationsverfahren
Missing-By-Design-Pattern
Predictive Mean Matching
statistical matching
missing data
imputation techniques
Dokumentart: 
Article

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.