Projektbeschreibung

Die Daten, die über Smartphone-Sensoren und -Logs gesammelt werden, ermöglichen Forschenden einen detaillierten Einblick in verschiedene Aspekte des Alltags der Menschen, die für Arbeitsmarktoutcomes bestimmend sein können, darunter Informationen zu sozialen Interaktionen, körperlicher Aktivität, Mobilität und Arbeitssuche. Um Zugriff auf diese Daten zu erhalten, besteht eine Möglichkeit darin, Einzelpersonen zu bitten, eine Forschungs-App auf ihr Smartphone herunterzuladen, die dann passiv Daten auf dem Gerät erhebt. In der IAB-SMART-Studie im Jahr 2018 haben wir Teilnehmende der Panelstudie Arbeitsmarkt und soziale Sicherung (PASS) eingeladen, eine Forschungs-App auf ihr Smartphone herunterzuladen und Daten über einen Zeitraum von 6 Monaten erhoben (Kreuter et al. 2020). Der RatSWD bespricht die Studie in seinen Empfehlungen ausführlich als Best-Practice-Beispiel für die datenschutzkonforme Erhebung digitaler Verhaltendaten (RATSWD 2020) Die Ergebnisse von IAB-SMART verdeutlichen sowohl die Vorteile, als auch die Herausforderungen des Forschungs-App-Ansatzes. Während wir in der Lage waren, über einen längeren Zeitraum detaillierte Informationen von den Teilnehmenden zu erheben, stellten wir fest, dass der Ansatz Einschränkungen in Bezug auf die Abdeckung (die IAB-SMART-App funktionierte nur auf Android-Smartphones), die Nichtteilnahme (rund 16 % der eingeladenen PASS-Mitglieder luden die App herunter und stellten Daten zur Verfügung), und Messung (fehlende Informationen darüber, was die Teilnehmer in einer App getan haben) hat. Ein kürzlich entwickelter Ansatz zur Erhebung von Daten von Smartphones ist die Datenspende (Boeschoten et al. 2022), die das Recht der betroffenen Personen in der EU-DSGVO nutzt, die Daten, die ein für die Datenverarbeitung Verantwortlicher (z. B. Smartphone-App oder Social-Media-Plattform) über sie gespeichert hat, in einem strukturierten, gängigen und maschinenlesbaren Format zu erhalten und an andere für die Datenverarbeitung Verantwortliche (z. Forschende) zu spenden. Der Ansatz der Datenspende hat den Vorteil, dass keine Installation einer App erforderlich ist und die Teilnehmenden nur vorhandene Daten mit Forschenden teilen, wodurch sie ein höheres Maß an Kontrolle darüber ausüben, welche Daten für welchen Zeitraum geteilt werden. Es ist jedoch noch sehr wenig darüber bekannt, wie die Datenspende am besten datenschutzkonform in die bestehende Infrastruktur der Befragungsdatenerfassung implementiert werden kann und wie Repräsentations- und Messfehler durch das Design der Datenspendestudie beeinflusst werden. Mit diesem Projekt werden wir diese Lücke schließen, indem wir die Datenspende in bestehende Befragungsinfrastrukturprojekte des Instituts für Arbeitsmarkt- und Berufsforschung (IAB) implementieren. Wir planen, Teilnehmende aus dem PASS-Panel sowie einem kommerziellen Online-Access-Panel zu bitten, ausgewählte Daten über ihre Nutzung und ihr Verhalten auf Social-Media-Plattformen (einschließlich allgemeiner Social-Media-Plattformen wie Facebook oder X, aber auch arbeitsbezogene Social-Media-Plattformen wie LinkedIn oder Jobportale) zu spenden. Dabei werden Extraktionsskripte verwendet, die sicherstellen, das ausschließlich Informationen erhoben werden, die für noch näher zu definierende inhaltliche Projekte der Arbeitsmarkt- und Berufsforschung (z.B. zu Arbeitssuchwegen und Sucherfolg, sozialen Netzwerken und Erwerbseinkommen) erforderlich sind. Aufbauend auf unserer methodischen Arbeit zur Datenqualität, die im Rahmen der IAB-SMART-Studie durchgeführt wurde und planen wir, Forschungsfragen zu Abdeckung, Nichtteilnahme und Messqualität des Datenspendeansatzes zu beantworten. Das Projekt besteht aus vier Arbeitspaketen, von denen nur Arbeitspaket 2 in Verantwortung des IAB liegt: Um Best Practices für die Kontaktaufnahme mit Teilnehmern zu etablieren, testet AP1 verschiedene Umfragedesignstrategien (z. B. Anreize, Formulierung der Datenspendeanfrage) in einem Non-Probability Sample. In AP2 replizieren und erweitern wir identifizierte Best Practices in einer Wahrscheinlichkeitsstichprobe aus der Panelstudie Arbeitsmarkt und soziale Sicherheit (PASS) und prüfen, was unter den besonderen Bedingungen des Sozialdatenschutzes datenschutzrechtlich machbar und technisch umsetzbar ist. Darüber hinaus stützen wir uns auf die probabilistische Natur der PASS-Stichprobe, um systematisch Fehler zu identifizieren, die aufgrund von Nichtabdeckung und Nichtteilnahme auftreten können. AP3 wird sich dann auf Daten beider Studien stützen, um Methoden zur Integration von Daten aus wahrscheinlichkeitsbasierten und nicht-wahrscheinlichkeitsbasierten Stichproben als Mittel zur Behebung dieser Fehler zu entwickeln, während AP4 dies für messbezogene Fehler tut.

Projektbeschreibung

Methodical research has identified demographics, the timing of the day and week, paradata, past wave survey responses, employment characteristics, personality, health status, and many other aspects as predictors of nonresponse in interviewer-administered survey modes. However, other (unstudied) variables may influence the likelihood of nonresponse. One understudied and essential example could be the weather.Most studies analyze weather as a daily or even more long-term influence. We argue that the immediate weather conditions at the time of the contact attempt should substantially influence (non) response. Past research has shown that the weather affects daily activities and the time spent at home. More precisely, fair weather (e.g., higher temperatures, no rain) provides an opportunity for many outdoor activities (e.g., swimming, concerts, camping, and outdoor sports). Thus, weather conditions affect the opportunity costs of participating in the survey. Contact attempts could be more successful during lousy weather compared to good weather.In addition, the weather could influence the decision to participate in the survey by affecting the mental and physical health and life satisfaction. For instance, individuals could be more likely to reject a survey request during lousy weather than moderate weather conditions. The present study addresses this research gap by analyzing the effect of different weather conditions on the probability of contact and response (given successful contact). We prepared a unique longitudinal data set, combining detailed contact data from a large-scale interviewer-administered German panel study with spatially and temporally fine-grained open-source weather information. With this data, we can study weather effects at the respondent’s precise location and at the time of the contact attempt. By factoring in the weather for survey field work, our results can help increase interviewer-administrated data collection efficiency.

Projektbeschreibung

Interviewer-administrative Befragungen gelten häufig als der Goldstandard unter den Befragungen. Interviewer spielen häufig eine entscheidende Rolle um hohe Datenqualität zu erzielen in dem sie beispielsweise die Befragten kontaktieren und rekrutieren, auf deren (Nach-)Fragen eingehen und für einen standardisierten Ablauf sorgen. In selten Fällen weichen Interviewer jedoch absichtlich von den standardisierten Regeln ab und fälschen im schlimmsten Fall (Teile des) Interviews. Solche Fälschungen können teilweise zu Datenverzerrungen führen und somit die Datenqualität erheblich reduzieren. Deshalb wurden in der Literatur verschiedene Methoden vorgeschlagen, insbesondere um vollständige Fälschungen aufzudecken. Allerdings werden dabei zwei wichtige Punkte vernachlässigt: (1) Wie können Teilfälschungen, bei denen lediglich ein geringer Teil der Daten gefälscht ist, identifiziert werden? und (2) Wie können verschiedene Fälschungsformen im spezifischen Fall von Panel Befragungen identifiziert werden? Beide Forschungslücken soll im Rahmen dieses Projekt geschlossen werden. Genutzt werden hierzu Daten aus der Panelstudie „Arbeitsmarkt und soziale Sicherung“ (PASS), für die verifizierte Fälle von Interviewerfehlverhalten und Teilfälschungen vorliegen. In einem ersten Schritt wird überprüft, ob etablierte statistische Erkennungsmethoden und Fälschungsindikatoren auch bei der Identifizierung von Teilfälschungen erfolgreich sind. In einem zweiten Schritt wird getestet, in wie weit Fälscher im Längsschnitt auffällige Korrelationen verursachen. Insgesamt soll das Projekt dazu beitragen, die Qualitätskontrollen in den verschiedenen IAB-Panelerhebungen zu verbessern.

Projektbeschreibung

Das Projekt beschäftigt sich mit den sozioökonomischen Rahmenbedingungen, dem wirtschaftlichen Handeln und den Alltagspraktiken von Haushalten. Die Studie geht zum einen den Fragen nach, wie die Praktiken von Haushalten aussehen und in welchem Umfang sie je nach ökonomischer Lage der Haushalte genutzt werden. Zum anderen interessiert, ob Haushalt durch die Alltagspraktiken die negativen subjektiven Konsequenzen von ökonomischen Belastungen zumindest ein Stück weit abfedern, sich wirtschaftlich stabilisieren und finanzielle Einschnitte mildern können. Um diesen Fragen nachzugehen, wurde im Projekt ein Befragungsmodul zum wirtschaftlichen Alltagshandeln von Haushalten für die Erhebung im Rahmen des Panels Arbeitsmarkt und soziale Sicherung (PASS) entwickelt.

Projektbeschreibung

Um die individuellen und sozialen Folgen der Einführung der Grundsicherung für Arbeitsuchende adäquat untersuchen zu können, müssen die Haushaltskontexte von Leistungsempfängern berücksichtigt werden. Die Strategie einer aktivierenden Arbeitsmarktpolitik trifft auf haushaltstypische Lebensumstände und entfaltet deshalb kontextabhängige Wirkungen. Das IAB Haushaltspanel soll eine Datengrundlage bereitstellen, die es erlaubt, auch soziale Prozesse und nicht intendierte Nebeneffekte der Arbeitsmarktreform empirisch zugänglich zu machen.
Die Fokussierung der Untersuchungsperspektive auf Kontexte und Dynamiken von Armutshaushalten erfordert ein längsschnittlich angelegtes Untersuchungsdesign. Dies gestattet nicht nur eine ereignisbezogene Untersuchung der Ein- und Austritte in den Leistungsbezug und deren Relation zu sozial- und arbeitsmarktpolitischen Maßnahmen des SGB II. In den Blick geraten somit individuelle wie auch haushaltstypische Verfestigungen von Bedürftigkeit und mittel- bis langfristig deren mögliche Marginalisierungsfolgen, die im negativen Falle in einer intergenerationalen Reproduktion von Armutslagen enden können. Ebenfalls kenntlich werden jene in der Intention des SGB II erwünschten Pfade aus der Hilfebedürftigkeit und der (Re-)Integration ins Erwerbsleben, deren Beförderung oder (Nicht-) Beförderung durch die im SGB II vorgesehenen Maßnahmepakete im Kontext unterschiedlicher Haushaltskonstellationen. Ebenso ist die Frage nach den geschlechtsspezifischen Wirkungen und der Bedeutung von Berufs- und Erwerbsorientierungen von Frauen und Männern ohne Rückgriff auf die sozialen und ökonomischen Binnenstrukturen von Haushalten kaum hinreichend zu beantworten. Die forschungsleitenden Fragen eines IAB – Niedrigeinkommenspanels können zu folgenden Themenkomplexen gebündelt werden:

• Welche Wege führen in die Abhängigkeit von staatlichen Transferleistungen?
• Wie verändert sich die soziale Lage der betroffenen Personen und Haushalte?
• Wie wird Langzeitarbeitslosigkeit und Abhängigkeit von staatlichen Transferleistungen subjektiv/kognitiv bewältigt? Verändern sich handlungsrelevante Orientierungen der Befragten im Zeitverlauf?
• Wie gestaltet sich der Kontakt zu den Trägern der Grundsicherung? Was kennzeichnet die institutionelle Handlungspraxis zur Eingliederung der Arbeit im zeitlichen Verlauf?
• Welche Wege/Faktoren führen aus dem Hilfebezug?

Die forschungsleitenden Fragen sind in ihrer Gesamtheit nicht allein mit einer Stichprobe der SGBII-Leistungsempfängern zu beantworten. Zur Analyse von Zugangsprozessen, zur Konstruktion von Kontrollgruppen, zur Einschätzung relativer Lebenslagen werden Informationen auch über andere Bevölkerungsgruppen benötigt. Das Haushaltspanel arbeitet daher mit einer disproportional geschichteten Bevölkerungsstichprobe mit Schwerpunkt im unteren Einkommensbereich.

Projektbeschreibung

Gefälschte Interviews können die Datenqualität erheblich negativ beeinträchtigen. Hierdurch können komplexe multivariate Analysen, Ergebnisse sowie daraus abgeleitete Prognosen erheblichen Verzerrungen unterliegen. Insbesondere für die Forschung und daran angegliederte Politikberatung können solche Ergebnisse problematische Folgen haben, da sie im schlimmsten Fall zu einer Fehlallokation von Steuergeldern führen können. Daher wurden im Rahmen verschiedener Projekte statistische Methoden und Prüfroutinen zur Identifikation von potentiell gefälschten Interviews entwickelt und evaluiert. Diese effizienten sowie kostengünstigen Strategien zur Qualitätssicherung werden nun für das Panel Arbeitsmarkt und Soziale Sicherung (PASS) implementiert.

Projektbeschreibung

Der Ausfall von Teilnehmenden einer Längsschnittbefragung im Studienverlauf ist ein schwerwiegendes Hindernis für den Aufbau unverzerrter Längsschnittdatensätze. Daher müssen Maßnahmen ergriffen werden, um solche Ausfälle zu reduzieren und ihre Selektivität zu vermindern. Dafür werden in diesem Projekt die Teilnehmenden mit dem höchsten Ausfallrisiko mithilfe von Methoden maschinellen Lernens identifiziert und anschließend in der Feldarbeit priorisiert. Die Priorisierung erfolgt über erhöhte Anreize für die Befragten und eine erhöhte Interviewerprämie. Im Projekt wird evaluiert, wie wirksam diese Priorisierungsmaßnahmen zur Verminderung der Ausfälle aus dem Panel sind. Der Nutzen für die Praxis entsteht wie in den meisten Projekten mit methodischem Schwerpunkt indirekt. Das Projekt führt langfristig zu einer höheren Datenqualität und damit zu einer höheren Verlässlichkeit der vielen Befunde die jährlich auf Basis der Daten des PASS publiziert werden.

Projektbeschreibung

Bisherige Analysen zur Dynamik im SGB-II-Leistungsbezug basieren fast ausschließlich auf Befragungsdaten. Auszählungen der Befragungsdaten des Panels „Arbeitsmarkt- und Soziale Sicherung (PASS)“ zeigen auf, dass ein nicht unerheblicher Anteil der Grundsicherungsempfänger angibt keine Leistungen zu empfangen obwohl anhand der verknüpften administrativen Daten gegenteiliges hervorgeht. Aus einer Längsschnittperspektive heraus soll mit Hilfe der einzigartigen Datengrundlage Ausmaß und Struktur des Unterberichtens von SGB-II-Leistungen im PASS bestimmt werden. Dazu wird zunächst untersucht, ob Haushalte permanent unterberichten oder dies eher zufällig über die Zeit geschieht. Anschließend sollen die Erkenntnisse genutzt werden um die Effekte des Unterberichtens auf Analysen zur Dynamik im Leistungsbezug, die üblicherweise ausschließlich auf Befragungsdaten basieren, zu bestimmen.

Projektbeschreibung

Soziale Netzwerke stellen eine bedeutende Quelle von Unterstützungsressourcen bei der Bewältigung von Leistungsbezugsphasen und der Wiedereingliederung ins Erwerbsleben dar. Das Forschungsvorhaben „Veränderung sozialer Beziehungsnetze im Grundsicherungsbezug“ analysiert die Veränderungen in der sozialen Einbettung von Befragten während verschiedener kritischer Übergangsschwellen der Erwerbsbiographie (Erwerbstätigkeit –> (ALG 1-Bezug) –> ALG2 Bezug –> Erwerbstätigkeit). Bisherige Forschungsergebnisse gehen von heterogenen Anpassungsstrategien der Akteure aus, die von sozialer Isolation der von Langzeitarbeitslosigkeit Betroffenen bis zu einem kompletten Umbau des sozialen Netzwerks reichen. Viele dieser Ergebnisse beziehen sich auf jedoch ausschließlich auf qualitative Daten, kleine Fallzahlen, Querschnittuntersuchungen oder Arbeitslosigkeit vor Einführung der Hartz-Reformen. Im Rahmen dieses Projekt wird auf Basis reichhaltiger Daten zu sozialen Beziehungsnetzen, die in den ersten acht Wellen des Panels Arbeitsmarkt und soziale Sicherung erhoben wurden, eine für Deutschland repräsentative Untersuchung zu den Wirkungen der Übergänge in und aus Arbeitslosigkeit bzw. Grundsicherung auf Größe und Struktur von Beziehungsnetzen durchgeführt.

Projektbeschreibung

Gegenstand des Projektes ist das Unterberichten von Sozialleistungen in Befragungsdaten. Aufbauend auf vorangegangenen Analysen zum Ausmaß und den Determinanten des Unterberichtens werden die Auswirkungen auf die gemessene Dynamik im Leistungsbezug und ihre Erklärung basierend auf Befragungsdaten untersucht. Dazu werden mit administrativen Daten zum Bezug von Leistungen nach dem SGB II mit Daten des Panels Arbeitsmarkt und soziale Sicherung (PASS) verknüpft.
 

Projektbeschreibung

folgt

Projektbeschreibung

Panel conditioning is an important source of measurement error unique to panel surveys. It refers to changes in survey responses due to respondents’ participation in a panel study in which they are interviewed multiple times over several waves. Previous research on panel conditioning has shown a relationship between the number of times respondents were interviewed and their responses. However, a major weakness of (and challenge to) the existing research is its inability to distinguish between changes to respondents’ true behaviors and changes in reports of the true behaviors. Thus, the existing studies are heavily reliant on assumptions and models when examining changes over time. This paper studies panel conditioning effects using data from five waves of a large German panel survey on labor market outcomes (PASS). Because administrative data on employment and unemployment are available for nearly all respondents, we can tease apart panel conditioning caused by changes to true values and panel conditioning due to changes in self-report without depending on assumptions. Our results are, as a result, more robust than those provided in earlier studies.

Projektbeschreibung

Among survey researchers, there is the hope that paradata or auxiliary variables describing interviewer observations and other measurements about the data collection process, would be suitable candidates for performing nonresponse adjustments to survey estimates. Such paradata are available for both respondents and nonrespondents, can be tailored to key survey outcome variables and capture information about the survey data collection process. Specifically, interviewer observations have been shown to have weak-to-moderate relationships with response propensity , establishment of contact, and key survey variables. This study aims to generalize the results of West (2010b) by embedding a randomized experiment in a new wave of data collection from a nationally representative area probability sample of households in Germany (the PASS survey). The experiment is designed to test whether providing interviewers with predictive information for variables that they are attempting to observe will improve the accuracy of their observations on two key auxiliary variables: household income, and whether anyone in a sampled household is currently receiving unemployment benefits. Specifically, a random subsample of addresses will have predictive information on income and receipt of unemployment benefits provided to interviewers on their address lists, and a random (control) subsample of addresses will not have this information provided. Given that these observations can be validated using respondent reports and administrative data (for unemployment benefit recipient cases), comparisons of the accuracy of interviewer observations in the two random subsamples of addresses will be performed, in addition to estimation of interviewer variance in both the accuracy of the observations and the effect of the predictive intervention on accuracy.

Projektbeschreibung

Survey methodologists are increasingly concerned with the interaction of multiple error sources. Particularly prominent are discussions about nonresponse and measurement error. One hypothesis that is often found among practitioners is that sample cases that are brought into the survey only after repeated attempts and alternated recruitment strategies, are more likely to provide low quality data. Data quality is often internally assessed through proportion of missing items, proportion of don t knows and the like. Rarely are external data available to evaluate the quality of respondents answers. The panel study PASS is a novel dataset in the field of labour market, welfare state and poverty research in Germany. In PASS survey data on the employment and unemployment history, income and education of participants can be linked to corresponding data from repondents adminstrative records. Furthermore the distributions of these variables in the sampling frame are known so that the total absolute bias can be assessed and decomposed into contributions due to nonresponse bias and measurement error bias. Based on this study we give an assessment of data quality as a function of contactability and response propensity. We are able to show that while internal indicators for data quality show no differences by contactability or response propensity measurement error is increased with decreasing contactability and response propensity of the target persons. This finding leads us to the question what the effect of repeated attempts and alternated recruitment startegies on total survey error is.
 

Projektbeschreibung

[coming soon]