IDEAS home Printed from https://ideas.repec.org/a/spr/astaws/v14y2020i1d10.1007_s11943-019-00256-6.html
   My bibliography  Save this article

Qualitätszielfunktionen für stark variierende Gemeindegrößen im Zensus 2021
[Quality measures respecting highly varying community sizes within the 2021 German Census]

Author

Listed:
  • Jan Pablo Burgard

    (Universität Trier)

  • Ralf Münnich

    (Universität Trier)

  • Martin Rupp

    (Universität Trier)

Abstract

Zusammenfassung Am 24. Oktober 2017 wurden beim Bundesverfassungsgericht die Normenkontrollklagen der Länder Berlin und Hamburg im Bezug auf das Zensusgesetz 2011 verhandelt. Ein zentraler Gegenstand der Klagen war eine methodische Ungleichbehandlung von Gemeinden unterschiedlicher Größe bei der Einwohnerzahlermittlung im Zensus 2011, da für Gemeinden kleiner als 10.000 Einwohner eine andere Methodik angewendet wurde als für Gemeinden mit mehr als 10.000 Einwohnern. Diese Grenze wurde im Zensusgesetz für den Zensus 2011 festgeschrieben und ist nach Bekanntwerden der Zensusergebnisse kritisiert worden. Im vorliegenden Beitrag werden verschiedene Möglichkeiten diskutiert, wie beim Zensus 2021 auf einen Methodenwechsel, wie er im Jahr 2011 stattfand, verzichtet werden kann und wie dahingehend die Methodik geeignet angepasst werden muss. Einen besonderen Schwerpunkt nimmt hierbei eine Adjustierung der Qualitätsmessung, die sogenannten Präzisionsvorgaben, ein. Eine Definition dieser für eine stichprobenbasierte Zensuserhebung muss insbesondere im Hinblick auf die Gemeindegröße geeignet gewählt werden. Zudem bedarf es einer Untersuchung der Auswirkung der Qualitätsmessung auf die regionalen Stichprobenumfänge und auf die Qualität der später zu schätzenden Einwohnerzahl. In den Untersuchungen werden methodische und praktische Überlegungen berücksichtigt.

Suggested Citation

  • Jan Pablo Burgard & Ralf Münnich & Martin Rupp, 2020. "Qualitätszielfunktionen für stark variierende Gemeindegrößen im Zensus 2021 [Quality measures respecting highly varying community sizes within the 2021 German Census]," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 14(1), pages 5-65, March.
  • Handle: RePEc:spr:astaws:v:14:y:2020:i:1:d:10.1007_s11943-019-00256-6
    DOI: 10.1007/s11943-019-00256-6
    as

    Download full text from publisher

    File URL: http://link.springer.com/10.1007/s11943-019-00256-6
    File Function: Abstract
    Download Restriction: Access to the full text of the articles in this series is restricted.

    File URL: https://libkey.io/10.1007/s11943-019-00256-6?utm_source=ideas
    LibKey link: if access is restricted and if your library uses this service, LibKey will redirect you to where you can use your library subscription to access this item
    ---><---

    As the access to this document is restricted, you may want to search for a different version of it.

    References listed on IDEAS

    as
    1. Nikos Tzavidis & Li‐Chun Zhang & Angela Luna & Timo Schmid & Natalia Rojas‐Perilla, 2018. "From start to finish: a framework for the production of small area official statistics," Journal of the Royal Statistical Society Series A, Royal Statistical Society, vol. 181(4), pages 927-979, October.
    2. Rendtel, Ulrich, 2015. "Warum im Zensus die Ergebnisse der Stichprobenmethode keine Benachteiligung der großen Gemeinden darstellen: Eine Detektivarbeit," Discussion Papers 2015/24, Free University Berlin, School of Business & Economics.
    3. Siegfried Gabler & Matthias Ganninger & Ralf Münnich, 2012. "Optimal allocation of the sample size to strata under box constraints," Metrika: International Journal for Theoretical and Applied Statistics, Springer, vol. 75(2), pages 151-161, February.
    4. Friedrich, Ulf & Münnich, Ralf & de Vries, Sven & Wagner, Matthias, 2015. "Fast integer-valued algorithms for optimal allocations under constraints in stratified sampling," Computational Statistics & Data Analysis, Elsevier, vol. 92(C), pages 1-12.
    5. Ulrich Rendtel, 2015. "Warum im Zensus die Ergebnisse der Stichprobenmethode keine Benachteiligung der großen Gemeinden darstellen. Eine Detektivarbeit," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 9(3), pages 233-249, December.
    Full references (including those not matched with items on IDEAS)

    Citations

    Citations are extracted by the CitEc Project, subscribe to its RSS feed for this item.
    as


    Cited by:

    1. Timo Schmid & Markus Zwick, 2020. "Vorwort der Herausgeber," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 14(1), pages 1-3, March.

    Most related items

    These are the items that most often cite the same works as this one and are cited by the same works as this one.
    1. Ralf Münnich & Jan Pablo Burgard & Siegfried Gabler & Matthias Ganninger & Jan-Philipp Kolb, 2016. "Small Area Estimation In The German Census 2011," Statistics in Transition New Series, Polish Statistical Association, vol. 17(1), pages 25-40, March.
    2. Wesołowski Jacek, 2019. "Multi-Domain Neyman-Tchuprov Optimal Allocation," Statistics in Transition New Series, Polish Statistical Association, vol. 20(4), pages 1-12, December.
    3. Jacek Wesołowski, 2019. "Multi-Domain Neyman-Tchuprov Optimal Allocation," Statistics in Transition New Series, Polish Statistical Association, vol. 20(4), pages 1-12, December.
    4. Ralf Münnich & Siegfried Gabler & Christian Bruch & Jan Pablo Burgard & Tobias Enderle & Jan-Philipp Kolb & Thomas Zimmermann, 2015. "Tabellenauswertungen im Zensus unter Berücksichtigung fehlender Werte," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 9(3), pages 269-304, December.
    5. Jan Pablo Burgard & Ralf Münnich & Martin Rupp, 2019. "A Generalized Calibration Approach Ensuring Coherent Estimates with Small Area Constraints," Research Papers in Economics 2019-10, University of Trier, Department of Economics.
    6. repec:csb:stintr:v:17:y:2016:i:1:p:25-40 is not listed on IDEAS
    7. M. G. M. Khan & Jacek Wesołowski, 2019. "Neyman-type sample allocation for domains-efficient estimation in multistage sampling," AStA Advances in Statistical Analysis, Springer;German Statistical Society, vol. 103(4), pages 563-592, December.
    8. Sara Bleninger & Michael Fürnrohr & Hans Kiesl & Walter Krämer & Helmut Küchenhoff & Jan Pablo Burgard & Ralf Münnich & Martin Rupp, 2020. "Kommentare und Erwiderung zu: Qualitätszielfunktionen für stark variierende Gemeindegrößen im Zensus 2021 [Comments and rejoinder: quality measures respecting highly varying community sizes within ," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 14(1), pages 67-98, March.
    9. Ralf Thomas Münnich, 2015. "Vorwort des Herausgebers," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 9(3), pages 167-171, December.
    10. Münnich Ralf & Burgard Jan Pablo & Gabler Siegfried & Ganninger Matthias & Kolb Jan-Philipp, 2016. "Small Area Estimation in the German Census 2011," Statistics in Transition New Series, Polish Statistical Association, vol. 17(1), pages 25-40, March.
    11. Patrick Krennmair & Timo Schmid, 2022. "Flexible domain prediction using mixed effects random forests," Journal of the Royal Statistical Society Series C, Royal Statistical Society, vol. 71(5), pages 1865-1894, November.
    12. Natascha Hainbach & Christoph Halbmeier & Timo Schmid & Carsten Schröder, 2019. "A Practical Guide for the Computation of Domain-Level Estimates with the Socio-Economic Panel (and Other Household Surveys)," SOEPpapers on Multidisciplinary Panel Data Research 1055, DIW Berlin, The German Socio-Economic Panel (SOEP).
    13. Martijn H. H. Schoot Uiterkamp & Marco E. T. Gerards & Johann L. Hurink, 2022. "On a Reduction for a Class of Resource Allocation Problems," INFORMS Journal on Computing, INFORMS, vol. 34(3), pages 1387-1402, May.
    14. Allafi, Sabine & Lohn, Alexandra & Nölting, Christopher & Maier, Alexander, 2022. "Die neue Strukturstatistik im Handels- und Dienstleistungsbereich," WISTA – Wirtschaft und Statistik, Statistisches Bundesamt (Destatis), Wiesbaden, vol. 74(5), pages 22-31.
    15. Marchetti Stefano & Tzavidis Nikos, 2021. "Robust Estimation of the Theil Index and the Gini Coeffient for Small Areas," Journal of Official Statistics, Sciendo, vol. 37(4), pages 955-979, December.
    16. Paul A. Smith & Chiara Bocci & Nikos Tzavidis & Sabine Krieg & Marc J. E. Smeets, 2021. "Robust estimation for small domains in business surveys," Journal of the Royal Statistical Society Series C, Royal Statistical Society, vol. 70(2), pages 312-334, March.
    17. Friedrich, Ulf & Münnich, Ralf & de Vries, Sven & Wagner, Matthias, 2015. "Fast integer-valued algorithms for optimal allocations under constraints in stratified sampling," Computational Statistics & Data Analysis, Elsevier, vol. 92(C), pages 1-12.
    18. Nora Würz & Timo Schmid & Nikos Tzavidis, 2022. "Estimating regional income indicators under transformations and access to limited population auxiliary information," Journal of the Royal Statistical Society Series A, Royal Statistical Society, vol. 185(4), pages 1679-1706, October.
    19. Batterham, Deb & Nygaard, Christian & reynolds, margaret & De Vries, Jacqueline, 2021. "Estimating the population at-risk of homelessness in small areas," SocArXiv hkc7y, Center for Open Science.
    20. Ann-Kristin Kreutzmann, 2018. "Estimation of sample quantiles: challenges and issues in the context of income and wealth distributions [Die Schätzung von Quantilen: Herausforderungen und Probleme im Kontext von Einkommens- und V," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 12(3), pages 245-270, December.
    21. Ravichandran Arun & Pashley Nicole E. & Libgober Brian & Dasgupta Tirthankar, 2024. "Optimal allocation of sample size for randomization-based inference from 2K factorial designs," Journal of Causal Inference, De Gruyter, vol. 12(1), pages 1-18, January.

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:astaws:v:14:y:2020:i:1:d:10.1007_s11943-019-00256-6. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    If CitEc recognized a bibliographic reference but did not link an item in RePEc to it, you can help with this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.