PASS-Literatur
Das Panel "Arbeitsmarkt und soziale Sicherung" (PASS) ist eine jährlich stattfindende Haushaltsbefragung. Mit dem PASS baut das IAB einen Datensatz für die Arbeitsmarkt-, Sozialstaats- und Armutsforschung in Deutschland auf. Durch seine Fallzahlen und die jährliche Periodizität ist PASS eine zentrale Quelle für die Untersuchung des Arbeitsmarkts, der Armut und der Situation von SGB-II-Leistungsempfängern in Deutschland.
In dieser Infoplattform finden Sie die mit PASS-Daten erstellte Forschungsliteratur, Daten- und Methodendokumentationen des PASS sowie Veröffentlichungen der methodischen Begleitforschung.
-
Literaturhinweis
Implementierung eines Web-basierten Datenerhebungsmodus in einem bestehenden Panel der Allgemeinbevölkerung: Eine Analyse der Selektions- & Messeffekte (2024)
Zitatform
Mühlbacher, Vanessa & Mark Trappmann (2024): Implementierung eines Web-basierten Datenerhebungsmodus in einem bestehenden Panel der Allgemeinbevölkerung: Eine Analyse der Selektions- & Messeffekte. (FDZ-Methodenreport 01/2024 (de)), Nürnberg, 74 S. DOI:10.5164/IAB.FDZM.2401.de.v1
Abstract
"Dieser Methodenreport untersucht die Selektions- und Messeffekte des ersten Websurveys des Panels Arbeitsmarkt und soziale Sicherung (PASS). Die Modellierung der Selektionseffekte ist Grundlage für die Gewichtung des Websurveys und kann als ergänzende ausführliche Dokumentation hierzu aufgefasst werden. Die Untersuchung der Messeffekte gibt Aufschluss darüber, bei welchen Fragen womöglich nur eine eingeschränkte Vergleichbarkeit zwischen den intervieweradministrierten Modi der Haupterhebung von PASS und dem PASS-Websurvey vorliegt. Web-Befragungen werden immer beliebter. Neben den Vorteilen wie schnellere Verfügbarkeit von Daten und geringeren Kosten gibt es allerdings auch Nachteile. So können Web- Befragungen im Vergleich zu Modi mit Interviewenden oftmals weniger Menschen erreichen (geringere Responserate) und werden dabei bestimmte Gruppen (z.B. Ältere, gering Gebildete) unterrepräsentiert (Nonresponse-Bias). Befragte müssen ein gewisses Maß an Internetaffinität mitbringen und können nicht durch Interviewende zur Teilnahme motiviert werden. Oftmals wird der Web-Modus daher nicht als Ersatz, sondern als Ergänzung zu bestehenden Modi verwendet. Dabei wird darauf abgezielt, dass sich die Selektionseffekte der verwendeten Modi gegenseitig ausgleichen. Gleichzeitig besteht ein Risiko, dass sich die unterschiedlichen Modi zu Unterschieden in der Messung führen. In diesem Methodenreport wird untersucht, welche Selektionseffekte die Einführung eines Web-Modus in einem bestehenden Panel, dem Panel Arbeitsmarkt und Soziale Sicherung (PASS), mit sich bringt. Zudem wird die Möglichkeit, vorhandenen Nonresponse-Bias mittels Gewichtung auszugleichen, geprüft. Dabei wird überprüft, ob die vergleichsweise neue Methode des Random Forests geeigneter ist als die klassisch verwendete Methode der logistischen Regression. Schließlich werden die Messfehler zwischen dem Web- Modus und den bestehenden Modi des PASS (CAPI und CATI) verglichen. Konkret wird dabei auf Item-Nonresponse, Akquieszenz, Recency sowie sozial erwünschtes Antworten eingegangen. Es zeigt sich, dass der Web-Modus Randgruppen systematisch ausschließt. Vor allem ökonomisch Schwächere, Menschen mit Migrationshintergrund sowie Personen mit niedrigem Bildungsniveau sind im Web-Survey unterrepräsentiert. Das Ausgleichen dieses Bias mittels Gewichtung funktioniert insgesamt gesehen mit der Methode der logistischen Regression besser als mit jener des Random Forests. Es können teilweise große Unterschiede bei den Messfehlern in den verschiedenen Modi gefunden werden, wobei diese nicht immer in die erwartete Richtung gehen." (Autorenreferat, IAB-Doku)
-
Literaturhinweis
Measurement error in minimum wage evaluations using survey data (2020)
Zitatform
Bossler, Mario & Christian Westermeier (2020): Measurement error in minimum wage evaluations using survey data. (IAB-Discussion Paper 11/2020), Nürnberg, 49 S.
Abstract
"Wir analysieren den Einfluss von Messfehlern in Mindestlohnevaluationen, wenn die Treatmentvariable, also der 'Bite', aus einer befragungsbasierten Lohnverteilung stammt. In Monte- Carlo-Simulationen überprüfen wir die Verzerrtheit der Schätzer sowohl mit simulierten als auch empirischen Verteilungen von Messfehlern. Die empirischen Messfehler stammen aus einem Link von Befragungsdaten und administrativen Daten. Auf der individuellen Beobachtungsebene werden die Treatmenteffekte über 30 Prozent unterschätzt. Eine Aggregation der Treatmentinformation auf der Ebene von Haushalten, Firmen oder Regionen löst das Problem nicht vollständig. In Fällen einer sehr stark segregierten Verteilung von betroffenen Beschäftigten auf nur wenige Firmen oder Regionen kann es sogar zu einer Überschätzung des wahren Effekts kommen. Wir diskutieren zwei Lösungsansätze: Die Verwendung einer kontinuierlichen Treatmentvariable und das Löschen von Observationen, die in der Lohnverteilung nahe der Mindestlohnschwelle liegen." (Autorenreferat, IAB-Doku)
-
Literaturhinweis
Benefit underreporting in survey data and its consequences for measuring non-take-up: new evidence from linked administrative and survey data (2019)
Zitatform
Bruckmeier, Kerstin, Regina T. Riphahn & Jürgen Wiemers (2019): Benefit underreporting in survey data and its consequences for measuring non-take-up: new evidence from linked administrative and survey data. (IAB-Discussion Paper 06/2019), Nürnberg, 40 S.
Abstract
"Eine Vielzahl von Studien untersucht die Nicht-Inanspruchnahme von Sozialleistungen, um die Wirksamkeit staatlicher Programme zu bewerten. Eine große Herausforderung in dieser Literatur besteht darin, dass die Messung der Inanspruchnahme in den verwendeten Daten fehlerbehaftet ist. Der Messfehler wird typischerweise durch strukturelle Annahmen in der statistischen Modellierung adressiert. In unseren Daten beobachten wir hingegen sowohl den tatsächlichen Leistungsbezug als auch die Angaben der Befragten zu ihrem Leistungsbezug. So können wir die Messfehler, die üblicherweise geschätzt werden müssen, direkt beobachten. Wir berichten das Ausmaß von falschen Angaben bezüglich des Leistungsbezugs in den von uns verwendeten Surveydaten und untersuchen, wie diese falschen Angaben Schätzungen zu den Determinanten der Inanspruchnahme leistungsberechtigter Haushalte verzerren. Unsere Ergebnisse deuten darauf hin, dass das Ausmaß der Messfehler erheblich sein kann, sodass survey-basierte Analysen des Inanspruchnahmeverhaltens wahrscheinlich mit beträchtlichen Verzerrungen behaftet sind." (Autorenreferat, IAB-Doku)
-
Literaturhinweis
On omitted variables, proxies and unobserved effects in analysis of administrative labour market data (2018)
Zitatform
Du, Shihan, Pia Homrighausen & Ralf A. Wilke (2018): On omitted variables, proxies and unobserved effects in analysis of administrative labour market data. (FDZ-Methodenreport 06/2018 (en)), Nürnberg, 38 S. DOI:10.5164/IAB.FDZM.1806.en.v1
Abstract
"Empirical research addresses omitted variable bias in regression analysis by means of various approaches. We present a framework that nests some of them and put it to German linked administrative labour market data. We find evidence for sizable omitted variable bias in a wage regression, while a labour market transition model appears to be less affected. Additional survey variables contribute only to the wage model, while the use of work history variables and panel models lead to changes in coefficients in the two models. Overall, unobserved effects panel data models with a restricted regressor set are found to control for more information than cross sectional analysis with an extended variable set." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Patterns and impact of longitudinal measurement error for welfare receipt (2016)
Eggs, Johannes;Zitatform
Eggs, Johannes (2016): Patterns and impact of longitudinal measurement error for welfare receipt. (IAB-Bibliothek 362), Bielefeld: Bertelsmann, 136 S. DOI:10.3278/300923w
Abstract
"Diese Arbeit beschäftigt sich mit Messfehlern in Längsschnittdaten. Messfehler können in besonderem Maße die Messung von Übergängen und Veränderungen über die Zeit beeinflussen. Die Messung von Veränderungen ist jedoch einer der Hauptgründe für das Erheben von Längsschnittdaten. Allerdings werden Messfehler in Längsschnittdaten selten analysiert.
Durch die Verknüpfung von Paneldaten mit Registerdaten auf der individuellen Ebene werden in dieser Arbeit Messfehler für den Bezug von Arbeitslosengeld II für fünf aufeinanderfolgende Panelwellen untersucht. Dabei zeigt sich, dass die Messfehler für den Bezug nicht zufällig verteilt sind, sondern mit der Zeit und persönlichen Charakteristiken korrelieren." (Autorenreferat, IAB-Doku)Weiterführende Informationen
E-Book Open Access -
Literaturhinweis
Methodenbericht Panel Arbeitsmarkt und Soziale Sicherung PASS: 9. Erhebungswelle - 2015 (Haupterhebung) (2016)
Jesske, Birgit; Knerr, Petra; Schulz, Sabine;Zitatform
Jesske, Birgit, Petra Knerr & Sabine Schulz (2016): Methodenbericht Panel Arbeitsmarkt und Soziale Sicherung PASS. 9. Erhebungswelle - 2015 (Haupterhebung). (FDZ-Methodenreport 04/2016 (de)), Nürnberg, 148 S.
Abstract
"Das IAB hat infas im Herbst 2009 mit der Durchführung von PASS ab der vierten Erhebungswelle beauftragt. Der vorliegende Methodenbericht für die Welle 9 beschreibt die Zusammensetzung der Stichprobe aus Bestands- und Auffrischungsadressen (Kapitel 3), die Befragungspersonen der Studie (Kapitel 2) und geht auf die Erhebungsinstrumente ein, die neben den Hauptinstrumenten für Haushalts- und Personen- bzw. Seniorenfragen auch einen Kontaktierungsfragebogen und eine Matrix zur Erfassung der Haushaltszusammensetzung umfassen (Kapitel 4). In Kapitel 5 erfolgt eine ausführliche Beschreibung der Durchführung der Erhebungen sowie eine Dokumentation der Feldergebnisse der Erhebungswelle 9 in Kapitel 6. Kapitel 7 dieses Methodenberichts enthält eine detaillierte Beschreibung über den eingesetzten Interviewerstab und die Qualitätssicherung während der Feldphase.
Der vorliegende Methodenbericht enthält alle Schritte der Haupterhebung der Welle 9. Der Haupterhebung war ein gesonderter Pretest vorgeschaltet. Die Arbeiten und Ergebnisse dieses Pretests sind in einem Pretestbericht gesondert dokumentiert.
Neben der Durchführung der Felderhebungen hat das IAB infas mit der Datenaufbereitung und der Gewichtung beauftragt. Die weiteren Schritte für Datenaufbereitung und Gewichtung der Welle 9 werden im wellenspezifischen Datenreport ausführlich beschrieben und dokumentiert." (Autorenreferat, IAB-Doku) -
Literaturhinweis
Dependent interviewing and sub-optimal responding (2015)
Eggs, Johannes; Jäckle, Annette;Zitatform
Eggs, Johannes & Annette Jäckle (2015): Dependent interviewing and sub-optimal responding. In: Survey research methods, Jg. 9, H. 1, S. 15-29., 2015-02-16. DOI:10.18148/srm/2015.v9i1.5860
Abstract
"With proactive dependent interviewing respondents are reminded of the answer they gave in the previous interview, before being asked about their current status. We examine the risk that respondents falsely confirm the answers from the previous interview as still applying, using data from a panel survey in which preload data about receipt of welfare benefit contained errors. A large proportion of respondents confirmed the false preload. Respondents with a more complex history of receipt, according to linked administrative records, were more likely to confirm. Personality also seemed to matter. Predictors of satisficing and characteristics of the survey and interviewer were not predictive of confirming the false preload." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
The effect of events between waves on panel attrition (2015)
Zitatform
Trappmann, Mark, Tobias Gramlich & Alexander Mosthaf (2015): The effect of events between waves on panel attrition. In: Survey research methods, Jg. 9, H. 1, S. 31-43., 2014-11-28. DOI:10.18148/srm/2015.v9i1.5849
Abstract
"Panel surveys suffer from attrition. Most panel studies use propensity models or weighting class approaches to correct for non-random dropout. These models draw on variables measured in a previous wave or from paradata of the study. While it is plausible that they affect contactability and cooperativeness, panel studies usually cannot assess the impact of events between waves on attrition. The amount of change in the population could be seriously underestimated if such events had an effect on participation in subsequent waves. The panel study PASS is a novel dataset for labour market and poverty research. In PASS, survey data on (un)employment histories, income and education of participants are linked to corresponding data from respondents' administrative records. Thus, change can be observed for attritors as well as for continued participants. These data are used to show that change in household composition, employment status or receipt of benefits has an influence on contact and cooperation rates in the following wave. A large part of the effect is due to lower contactability of households who moved. Nevertheless, this effect can lead to biased estimates for the amount of change. After applying the survey's longitudinal weights this bias is reduced, but not entirely eliminated." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Dependent interviewing and sub-optimal responding (2014)
Eggs, Johannes; Jäckle, Annette;Zitatform
Eggs, Johannes & Annette Jäckle (2014): Dependent interviewing and sub-optimal responding. (ISER working paper 2014-32), Colchester, 26 S.
Abstract
"With proactive dependent interviewing respondents are reminded of the answer they gave in the previous interview, before being asked about their current status. We examine the risk that respondents falsely confirm the answers from the previous interview as still applying, using data from a panel survey in which preload data about receipt of welfare benefit contained errors. A large proportion of respondents confirmed the false preload. Respondents with a more complex history of receipt, according to linked administrative records, were more likely to confirm. Personality also seemed to matter. Predictors of satisficing and characteristics of the survey and interviewer were not predictive of confirming the false preload." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Measurement error for welfare receipt and its impact on fixed-effects models (2014)
Eggs, Johannes;Zitatform
Eggs, Johannes (2014): Measurement error for welfare receipt and its impact on fixed-effects models. In: Statistics Canada (Hrsg.) (2014): Beyond traditional survey taking : adapting to a changing world. Proceedings of Statistics Canada Symposium 2014, S. 1-7.
Abstract
"Measurement error is one source of bias in statistical analysis. However, its possible implications are mostly ignored. One class of models that can be especially affected by measurement error are fixed-effects models. By validating the survey response of five panel survey waves for welfare receipt with register data, the size and form of longitudinal measurement error can be determined. It is shown, that the measurement error for welfare receipt is serially correlated and non-differential. However, when estimating the coefficients of longitudinal fixed effect models of welfare receipt on subjective health for men and women, the coefficients are biased only for the male subpopulation." (Author's abstract, IAB-Doku) ((en))
Weiterführende Informationen
Program and proceedings -
Literaturhinweis
A note on mechanisms leading to lower data quality of late or reluctant respondents (2014)
Zitatform
Kreuter, Frauke, Gerrit Müller & Mark Trappmann (2014): A note on mechanisms leading to lower data quality of late or reluctant respondents. In: Sociological Methods and Research, Jg. 43, H. 3, S. 452-464., 2013-08-07. DOI:10.1177/0049124113508094
Abstract
"Survey methodologists worry about trade-offs between nonresponse and measurement error. Past findings indicate that respondents brought into the survey late provide low-quality data. The diminished data quality is often attributed to lack of motivation. Quality is often measured through internal indicators and rarely through true scores. Using administrative data for validation purposes, this article documents increased measurement error as a function of recruitment effort for a large-scale employment survey in Germany. In this case study, the reduction in measurement quality of an important target variable is largely caused by differential measurement error in subpopulations and respective shifts in sample composition, as well as increased cognitive burden through the increased length of recall periods among later respondents. Only small portions of the relationship could be attributed to a lack of motivation among late or reluctant respondents." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Is the collection of interviewer observations worthwhile in an economic panel survey?: new evidence from the German Labor Market and Social Security (PASS) Study (2014)
Zitatform
West, Brady T., Frauke Kreuter & Mark Trappmann (2014): Is the collection of interviewer observations worthwhile in an economic panel survey? New evidence from the German Labor Market and Social Security (PASS) Study. In: Journal of Survey Statistics and Methodology, Jg. 2, H. 2, S. 159-181., 2013-12-30. DOI:10.1093/jssam/smu002
Abstract
"While interviewer observations have good potential as auxiliary sources of information on key survey variables, questions about their quality temper enthusiasm for their use in survey estimation and responsive survey design. This study considers the utility of two interviewer observations (household income and household receipt of unemployment benefits) collected in a panel survey: the German Labor Market and Social Security (PASS) study. We find that the ability of the interviewer observations to accurately indicate these household features is not as high as that of prior-wave survey reports on these features, but that the observations do tend to capture accurate information for households with changing socio-economic status over time (where prior-wave reports may be inconsistent with current-wave reports). The observations add modest predictive power to models for key survey variables that also account for survey reports on related variables in prior waves, but this predictive power may be limited by relatively high error rates and variance in observation quality among interviewers. Finally, estimates based on panel households only improve slightly when including the observations in nonresponse adjustments, which is likely due to the inability of the observations to also predict response propensity (given a relatively low attrition rate for the panel households). Implications for practice and directions for future research in this area are discussed in conclusion." (Author's abstract, IAB-Doku) ((en))
-
Literaturhinweis
Assessing the magnitude of non-consent biases in linked survey and administrative data (2012)
Zitatform
Sakshaug, Joseph & Frauke Kreuter (2012): Assessing the magnitude of non-consent biases in linked survey and administrative data. In: Survey research methods, Jg. 6, H. 2, S. 113-122., 2012-03-26.
Abstract
"Administrative records are increasingly being linked to survey records to highten the utility of the survey data. Respondent consent is usually needed to perform exact record linkage; however, not all respondents agree to this request and several studies have found significant differences between consenting and non-consenting respondents on the survey variables. To the extent that these survey variables are related to variables in the administrative data, the resulting administrative estimates can be biased due to non-consent. Estimating non-consent biases for linked administrative estimates is complicated by the fact that administrative records are typically not available for the non-consenting respondents. The present study can overcome this limitation by utilizing a unique data source, the German Panel Study 'Labour Market and Social Security' (PASS), and linking the consent indicator to the administrative records (available for the entire sample). This situation permits the estimation of non-consent biases for administrative variables and avoids the need to link the survey responses. The impact of non-consent bias can be assessed relative to other sources of bias (nonresponse, measurement) for several administrative estimates. The results show that non-consent biases are present for few estimates, but are generally small relative to other sources of bias." (Author's abstract, IAB-Doku) ((en))