Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/330765 
Erscheinungsjahr: 
2025
Quellenangabe: 
[Journal:] WISTA - Wirtschaft und Statistik [ISSN:] 1619-2907 [Volume:] 77 [Issue:] 5 [Year:] 2025 [Pages:] 69-81
Verlag: 
Statistisches Bundesamt (Destatis), Wiesbaden
Zusammenfassung: 
Fehlende eindeutige Identifikatoren erschweren die Verknüpfung von Verwaltungsdaten mit dem statistischen Unternehmensregister. Der Beitrag präsentiert einen überwachten Machine-Learning-Ansatz, der eindeutige Matches als Trainingsbasis nutzt: Nach Normalisierung von Namens- und Adressdaten werden optimierte StringÄhnlichkeitsmaße mit numerischen Merkmalen in einem Random-Forest-Modell kombiniert. Durch Datenbereinigung, Balanced Sampling und Negativmatches entsteht ein robuster Workflow für die Datenverknüpfung. Der Ansatz übertrifft klassische Matching-Verfahren und bietet eine praktikable Methodik für ähnliche Herausforderungen - etwa bei anderen Datenverknüpfungsaufgaben in der amtlichen Statistik.
Zusammenfassung (übersetzt): 
The absence of unique identifiers makes it difficult to link administrative data with data in the German statistical business register. This paper presents a supervised machine learning approach that uses exact matches as a training basis. After normalising name and address data, optimised string similarity metrics are combined with numerical features in a random forest model. Data cleaning, balanced sampling, and negative matches create a robust workflow for record linkage. The approach outperforms traditional matching methods and provides a practical methodology for similar challenges such as other data linkage tasks in official statistics.
Schlagwörter: 
Mikrodatenverknüpfung
überwachtes Maschinelles Lernen
String-Ähnlichkeitsmaße
Random Forest
Verwaltungsdatenverknüpfung
record linkage
supervised machine learning
string similarity metrics
random forest
administrative data linkage
Dokumentart: 
Article

Datei(en):
Datei
Größe
302.08 kB





Publikationen in EconStor sind urheberrechtlich geschützt.