Projects

Currently various research projects are anchored within the Chair of Statistics and Econometrics. Below you find an overview of ongoing and completed projects.

Ongoing research projects

Time-consistent Estimates for the Household Finance and Consumption Survey

The main objective of this project is to develop stable estimates across panel waves, i.e. over time, when multiple imputation is conducted and the sample sizes are small. This problem arises in the Household Finance and Consumption Survey (HFCS) but the method will be transferable to other panel surveys, e.g. the German Socioeconomic-Panel (SOEP). The project is an extension of the project QUESSAMI (2016-2018).

The HFCS data enable to describe components of wealth, income and consumption of European households. Especially, the behavior of specific subgroups, so called “small domains”, is very important for the understanding of macroeconomic theory. A challenging issue is to deliver reliable estimates on specific domain levels, e.g. across low regional levels. This issue is based on several problems. The following two problems are already solved within the project QUESSAMI:

  1. Small sample sizes: Small subgroup-specific sample sizes can lead to unacceptably large variances and hence, the reliability of the analysis is not given anymore.
  2. Low response rates:  As the HFCS collects sensitive information about households’ finances and wealth, a low unit response rate is expected.

A third problem is the time dimension of a panel survey:

  1. Inconsistencies across panel waves: Differences in the estimates between panel waves seem not always to be due to structural changes but may be driven by methodological reasons. 

In the HFCS data, as well as in many other survey data sets, missing values, small sample sizes and a panel structure occur at the same time. Furthermore, the inconsistencies do not only appear for indicators as the mean that is sensitive to outliers but also for more stable indicators as ratios. Hence, the extension of the methodology developed within the project QUESSAMI from the cross-section to the panel context and to other indicators is essential to receive consistent estimates across time and thus, to gain knowledge about changes in important economic variables as private wealth. Up to date, there are no relevant results in the scientific community concerning this issue. Therefore, this project will close this gap by:

  1. New estimation techniques: Methodology will be developed in order to receive reliable estimates for means and other indicators such as ratios that accounts for small sample sizes, multiple imputation and the time dimension of the panel data.
  2. Application to HFCS: Proposed estimators will be applied on the HFCS data to assess differences between panel waves thoroughly and to ensure a time-consistent analysis of the data.

The results of this project will guarantee a more valid basis for policy-making in several issues, such as impacts of policy decisions on the regional distribution of income and wealth. 

 

Selected literature:

Coordination:
Prof. Dr. Timo Schmid

Scientific staff:
Marina Runge

Funding:
German Research Foundation

Duration:
04/2019 - 04/2023

 

Internet-Surveys für kleinräumige Auswertungen

Das Projekt soll an einem realistischen Datensatz überprüfen, inwieweit ein Bias durch eine Online-Umfrage über die Kontrolle von demographischen Merkmalen reduziert werden kann. Ein solcher Datensatz muss drei Merkmalsgruppen unterhalten: Analysevariablen, deren Populationswerte man schätzen will, sowie Internetvariablen, die das Teilnahmeverhalten operationalisieren, und schließlich Kontrollvariablen, für die Populationswerte bekannt sind und die zur Kalibration eingesetzt werden können. Da Online-Umfragen häufig zur Prognose von Wahlen eingesetzt werden, sollte der Evaluationsdatensatz Merkmale zur Parteipräferenz enthalten. Außerdem sollte er die Häufigkeit der Internet-Nutzung erfassen. Diese Häufigkeit kann zur Operationalisierung der Teilnahme an Online-Umfragen genutzt werden.

Die Daten des European Social Survey (ESS) erfüllen diese Voraussetzung. Zudem ist der Datenzugang leicht und wird über eine Fernabfrage von Tabellen hervorragend unterstützt. Eventuell können auch noch andere Datensätze, z.B. das Sozio-ökonomische Panel (SOEP) für ergänzende Analysen genutzt werden. Eine spezielle Erhebung des Statistischen Bundesamtes, die Umfrage zu Informations- und Kommunikationstechnologie (IKT-Umfrage), erhebt sehr detailliert die Ausstattung von privaten Haushalten mit Informationstechnologie und deren Nutzung. Aufgrund der regelmäßigen Wiederholungen der Umfrage lassen sich Trends in der Nutzung und der Internet-Abdeckung von privaten Haushalten ermitteln.

Partner:
DIW Berlin und Civey

Coordination:
Prof. Dr. Timo Schmid

Scientific staff:
Franz Prücklmair und Angelina Hammon

Funding:
Civey

Duration:
05/2021 - 05/2024

 

VerBindungen

Zu Fuß, mit dem Fahrrad, mit Bus, Bahn oder dem Auto – jeden Tag legen die Menschen in Deutschland mehr als drei Milliarden Kilometer zurück. Wie können wir die Infrastruktur so gestalten, dass es möglich ist, unsere Wege sicher, schnell und ressourcenschonend zurückzulegen? Ein Schlüssel dafür ist, das Mobilitätsverhalten möglichst gut zu verstehen. Neben den amtlichen Datenquellen und klassischen Verkehrserhebungen, drängt sich die Nutzung von Floating Car Data (FCD) und Mobilfunkdaten auf, denn nach zuverlässiger Anonymisierung lassen sich typische Mobilitäts-strukturen kleinräumig herleiten. Das Forschungsprojekt „VerBindung“ will dieses Themenfeld beleuchten und Chancen sowie Möglichkeiten dieser neuen digitalen Daten aufzeigen. Ausgangslage für das Projekt ist der kleinräumige Datenbedarf des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) im Rahmen des Bundesverkehrswegeplans. Vier Fragestellungen stehen dabei im Vordergrund:

1. Wie viele Personen möchten bzw. bewegen sich von wo nach wo – also welche Quelle-Ziel-Verflechtungen gibt es?

2. Zu welchem Zweck möchten bzw. bewegen sich die Personen von wo nach wo?

3. Wie ist die Erreichbarkeit für diese Quelle-Ziel-Verflechtungen im Vergleich PKW und ÖPNV?

4. Wo halten sich wann wie viele Personen auf?

Partner:
Statistisches Bundesamt, Bergische Universität Wuppertal, Bundesagentur für Arbeit, Information und Technik NRW, Intraplan und Teralytics

Coordination:
Prof. Dr. Markus Zwick (Statistisches Bundesamt)

Subproject management:
Prof. Dr. Timo Schmid

Scientific staff:
Michael Mühlbauer

Funding:
Bundesministerium für Digitales und Verkehr

Duration:
12/2020 - 12/2023

 

Extreme Poverty – Building Evidence for Effective Action

The programme will investigate what is driving extreme poverty, and test potential poverty measures and solutions to support the design and implementation of effective policies, programmes and strategies.

The programme will work in eight focus countries: Bangladesh, Ethiopia, India, Madagascar, Mozambique, Myanmar, Nigeria and Tanzania.

Research under the programme is organised into three themes:

1. Identifying and testing better poverty measures for a changing world.

2. Investigating poverty trends and drivers to 2030 including those that may serve to perpetuate or reduce extreme poverty over the next ten years.

3. Explaining what works to tackle extreme poverty through a range of types of research, including a series of impact and operational evaluations.

By 2030, we seek for governments and key decision makers in multiple contexts to have better access to data, diagnostics and resources that will inform and influence policy and practice, hereby accelerating the eradication of extreme poverty. We aim to have a broad influence through drawing-on, engaging with and developing the networks of the consortium partners, FCDO and World Bank to support uptake of our research beyond the ExPov focus countries. 

From a methodological perspective we will experiment with using a range of statistical and analytical techniques and new sources of data to yield measures of poverty that are more granular (available at smaller geographical areas); more frequent and also less dependent on having access to traditional sources of data, particularly census data; so providing new approaches to overcome the ‘data gap problem’.

Partners:
University of Copenhagen, University of Southampton, Oxford Policy Management, Worldbank

Coordination:
Oxford Policy Management

Subproject collaboration:
Prof. Dr. Timo Schmid

Funding:
Worldbank

Duration:
2020 - 2027

 

Completed research projects

Ermittlung der Verteilung studentischen Wohnens in Berlin

Im Rahmen des Projektes „Ermittlung der Verteilung studentischen Wohnens in Berlin“ soll untersucht werden, wie sich die Studierenden der Berliner Hochschulen auf die lebensweltlich orientierten Räume verteilen. Sind die genauen Wohnstandorte der Studierenden bekannt, lassen sich wichtige Fragen nach dem benötigten Wohnraum und der nachgefragten Infrastruktur beantworten, sowie Projekte zugunsten Studierender zielgerichteter umsetzen. Als Datenquellen dienen unter anderem der Zensus 2011, die Belegung der Studentenwohnheime, wie auch die Anzahl der Studierenden nach Wohnort auf der Ebene der Postleitzahlbezirke für große Berliner Universitäten/ Hochschulen (u.a. Freie Universität, Humboldt Universität, Technische Universität) für die Jahre 2005, 2010 und 2015 im Vergleich.

Weitere Informationen finden Sie hier und hier.

 

Selected literature:

Coordination:
Prof. Dr. Timo Schmid

Funding:
Berliner Senatsverwaltung für Stadtentwicklung und Umwelt 

Duration:
01/2016 - 04/2016

 

High Quality Estimates for the Household Finance and Consumption Survey

The main objective of this project is to develop an adequate methodology for high quality estimates using the Household Finance and Consumption Survey (HFCS). Therefore, small area estimators and multiple imputation approaches will be combined to a new estimation method.

The HFCS is the first attempt to survey wealth data on individual household level on a consistent basis in Europe. These data can describe, for instance, the importance of different wealth components and how liabilities and assets are distributed across households. The statistics out of these data can be used as a basis to analyze the potential impact of fiscal, monetary, and regulatory policies. However, there are examples that the behavior of specific subgroups, so called “small domains”, is very important for the understanding of macroeconomic theory. A challenging issue is to deliver high quality estimates on specific domain levels, e.g. cross-classified groups of age and financial assets in particular countries. This issue is mainly based on two problems:

  1. Small sample sizes: Small subgroup-specific sample sizes can lead to unacceptably large variances and hence, the reliability of the analysis is not given anymore.
  2. Low response rates:  As the HFCS collects sensitive information about households’ finance and wealth, a low unit response rate is expected

One solution to handle the first problem is small area estimation. These methods may lead to highly improved accuracy of the estimates of interest. To gain reliable estimates in the case of the second problem, there is a need to impute missing values which can be done by different imputation methods.

However, in the HFCS data, missing values and small sample sizes occur at the same time. Hence, the combination of small area estimation and multiple imputation is essential to gain precise results for the analysis of small sub-groups of households in the HFCS data. Up to date, there are no relevant results in the scientific community concerning this issue. Therefore, this project will close this gap by:

  1. New estimation techniques: New estimation methods which combine multiple imputation and small area estimation will be derived.
  2. Application to HFCS: Proposed estimators will be applied on the HFCS data to derive very precise estimations of the relevant indicators, for instance, the portfolio selection of elder people in different countries or the portfolio selection of the wealthiest households.

The results of this project will guarantee a more valid basis for policy-making in several issues, such as access to credit and credit constraints or wealth effects on consumption. 

 

Selected literature:

Coordination:
Prof. Dr. Timo Schmid

Scientific staff:
Ann-Kristin Kreutzmann

Funding:
German Research Foundation

Duration:
04/2016 - 03/2019

 

Construction of socio-demographic indicators with digital breadcrumbs (Mobile data)

In diesem Projekt wurde ein statistisches Schätzverfahren entwickelt, welches Handy-Metadaten und Zensusinformationen miteinander verknüpft, um Informationen über die aktuelle Situation in Bezug auf Armut, Alphabetisierung und andere soziodemografische Indikatoren im Senegal zu erhalten. Die Analyse basiert auf der These, dass sich die Situation einer Bevölkerungsgruppe in ihrem Handy-Nutzungsverhalten niederschlägt und deshalb beispielsweise alphabetisierte Nutzer ihr Handy anders verwenden als Nutzer, die nicht oder nur bedingt lesen und schreiben können. Da Handy-Metadaten zur Produktion von Indikatoren genutzt werden, wie sie u.a. in der Messung des Erfolgs von Nachhaltigkeitszielen herangezogen werden, wird in Kooperation mit den Mobilfunkanbietern Orange und Sonatel sowie den Behörden im Senegal untersucht, wie diese Daten die Umsetzung von nationalen Entwicklungsplänen und internationalen Monitoring-Anforderungen unterstützen können.

Weitere Informationen finden Sie „hier“.

 

Selected literature:

Partner:
University at Buffalo, USA

Coordination:
Prof. Dr. Timo Schmid

Scientific staff:
Fabian Bruckschen und
Till Koebe

Funding:
Bill & Melinda Gates Foundation

Duration:
06/2015 - 12/2016

 

Innovations in Small Area Estimation Methodologies

Dieses Projekt setzt sich mit Innovationen von Methoden der „Small Area Estimation (SAE)“ auseinander, da diese zunehmend genutzt werden und zuverlässige Statistiken äußerst wichtig für politikrelevante Forschungen sind. SAE Methoden generieren robuste, verlässliche und konsistente Statistiken bei geografischen Maßstäben, für welche Survey Daten entweder nicht existieren oder zu dürftig sind, um Schätzer von zulässiger Präzision zu erhalten. Der Bedarf an komplexen Statistiken steigt, bringt allerdings auch signifikante methodische und angewandte Herausforderungen mit sich. Das Projekt zielt darauf ab, neue SAE Methoden zu entwickeln, welche die Bedürfnisse der Nutzer und Entwickler der SAE besser bedienen, verschiedene methodische Ansätze zur SAE zu überbrücken, SAE für die Beantwortung von stichhaltigen Fragen der Sozialwissenschaften einzusetzen und SAE innerhalb der quantitativen Sozialwissenschaften durch die Erschaffung von methodisch umfassenden und zugänglichen Ressourcen zu etablieren.

Weitere Informationen finden Sie „hier“.

 

Selected literature:

Partners:
8 Partner, insbesondere die Universitäten von Southampton (UK), Liverpool (UK), Sheffield (UK), Portsmouth (UK), Wollongong (Australia), Technology Sydney (Australia), Massey (New Zealand)

Coordination:
Prof. Dr. Nikos Tzavidis, University of Southampton (UK)

Subproject management
Prof. Dr. Timo Schmid

Funding:
National Centre for Research
Methods (NCRM, UK)

Duration:
01/2016 - 12/2018

 

Producing small area estimates of income related indicators for municipalities in Mexico

In diesem Projekt werden für das statistische Amt in Mexiko „small area estimates“ von linearen und nicht-linearen Armutsindikatoren (Gini, Armutsgefährungsquote oder Quintile Share Ratio) für Gemeinden in Mexiko entwickelt, um Informationen über soziodemografische Merkmale zu erhalten. Die Schätzer für die Indikatoren werden erzeugt, indem man zwei modellgestützte Methoden heranzieht: Zum einen den „Empirical Best Prediction“ Ansatz und zum anderen eine Methode, die auf der Schätzung der gesamten Verteilung des Einkommens basiert („Microsimulation via Quantiles“). Eine synthetische Schätzung unter einem multinomialen Modell wird für die Bestimmung der multidimensionalen Armut verwendet, welche sich durch die zwei Dimensionen „Einkommen“ und „soziale Benachteiligung“ definiert. Die in diesem Projekt entwickelten Schätzer werden dem statistischen Amt Mexiko (CONEVAL) zur Verfügung gestellt.

 

Selected literature:

Partner:
University of Southampton, UK

Coordination:
Prof. Dr. Nikos Tzavidis, University of Southampton (UK)

Subproject management:
Prof. Dr. Timo Schmid

Funding:
Statistisches Amt Mexiko (CONEVAL)

Duration:
01/2015 - 12/2015

 

Multidimensional poverty estimation using small area estimation - Two perspectives

The project will develop novel SAE statistical methodologies for resolving the challenges faced by statistical organizations in estimating complex indicators. In recent years there has been growing demand for developing SAE methods suitable for estimating the incidence of income poverty, the quantile share ratio, the Gini coefficient and multidimensional deprivation. This has been at the centre of methodological work at the World Bank (WB), Eurostat or CONEVAL. Estimating non-linear indicators requires the estimation of the distribution function of the outcome variable for example, income. A popular method is the use of Empirical Best Prediction (EBP). The EBP was developed in order to improve what is considered to be the industry standard method the so called World Bank (WB) method.

The methodologies mentioned above assume that the outcome of interest is continuous for example, household income. Practitioners, however, are also interested in discrete outcomes. An example is the estimation of deprivation indicators that encompass a number of dimensions such as income, food, health, education and social security. More specifically, the interest is in estimating the proportion of households deprived in each of the dimensions and the average number of combined deprivations (multidimensional deprivation) in small areas. The discrete nature of such indicators means that the methods for continuous data are no longer applicable and models for discrete outcomes are needed. The project will extend the methodologies for continuous data to discrete outcomes as follows:

  • We will use parametric estimation of the empirical function for discrete outcomes of the multidimensional poverty. In particular, the outcomes will be modelled by using a multilevel model that reflects the discrete nature of the target outcome (German group).
  • We will investigate semi-parametric models based on M-quantile regression with more flexible assumptions that also allow for robust estimation of discrete outcomes (Italian group).

 

Selected literature

Partners:
Università degli Studi di Milano-Bicocca (Italien), Università di Pisa (Italien)

Coordination:
Prof. Dr. Timo Schmid

Funding:
Deutscher Akademischer Austauschdienst

Duration:
05/2016 - 04/2018

 

Deep Mobility

Informierte politische Entscheidungen basieren auf allen Verwaltungsebenen zu einem wesentlichen Teil auf Bevölkerungsdaten der amtlichen Statistik. Deren Erhebung ist teuer und zeitaufwändig und erfolgt daher selbst in entwickelten Industriestaaten nur alle zehn Jahre in Form einer Volkszählung bzw. durch stichprobenartige Erhebungen. Damit fehlen in den Industrieländern repräsentative Datensätze für weite Gegenden oder einzelne Kommunen. In den Ländern des globalen Südens ist die Datenlage z. B. infolge fehlender finanzieller Mittel oder Bürgerkriegen oftmals veraltet, unvollständig oder mit zu großen Informationslücken behaftet.

Deep Mobility löst dieses Problem durch die Auswertung von Mobilfunkmetadaten als Hilfsdaten für die amtliche Statistik. Seit 2014 forscht das Gründerteam zu dem Thema und hat einen neuartigen Ansatz entwickelt, um aus Kommunikations- und Mobilitätsmustern sozio-demografische Schlüsselindikatoren wie z. B. zu Armut oder Alphabetisierungsgrad für kleine geografische Gebiete zu bestimmen. Hierbei wird eine Schätzmethode aus der räumlichen Statistik angewandt, um mit Hilfe von Mobilfunkmetadaten einen höheren Grad an Regionalisierung vorhandener Befragungsdaten zu erreichen. Eine weitere Besonderheit des Verfahrens besteht in einem rigorosen Datenschutzansatz in Form einer modularen Engine. Dadurch können insbesondere Stichprobenumfragen präzisiert und regionalisiert werden.

Coordination:
Prof. Dr. Timo Schmid

Scientific staff:
Fabian Bruckschen, Till Koebe
und Melina Ludolph

Funding:
Bundesministerium für Wirtschaft und Energie

Duration:
04/2018 - 05/2019