Zitatform

Beste, Jonas, Corinna Frodermann, Mark Trappmann & Stefanie Unger (2023): Case Prioritization in a Panel Survey Based on Predicting Hard to Survey Households by Machine Learning Algorithms: An Experimental Study. In: Survey research methods, Jg. 17, H. 3, S. 243-268., 2023-08-04. DOI:10.18148/srm/2023.v17i3.7988

Abstract

"Panel surveys provide particularly rich data for implementing adaptive or responsive survey designs. Paradata and survey data as well as interviewer observations from all previous waves can be utilized to predict fieldwork outcomes in an ongoing wave. This manuscript contributes to the literature on how to best make use of these data in an adaptive design framework applying machine learning algorithms. In a first step, different models were trained based on past panel waves. In a second step, we assess which model best predicts fieldwork outcomes of the following wave. Finally, we apply the superior model to predict response propensities and base case prioritizations of households at risk of attrition on these predictions. An experimental design allows us to evaluate the effect of these prioritizations on response rates and on nonresponse bias. Increasing prepaid respondent incentives from 10 to 20 euros substantially decreases attrition of low propensity cases in personal as well as telephone interviews and thereby helps reduce nonresponse bias in important target variables of the panel survey." (Author's abstract, IAB-Doku) ((en))

Zitatform

Collischon, Matthias (2023): Identifying supervisory or managerial status in administrative records. In: Jahrbücher für Nationalökonomie und Statistik, Jg. 243, H. 2, S. 183-195., 2022-03-03. DOI:10.1515/jbnst-2022-0035

Abstract

"Informationen darüber, ob Individuen eine Position mit Führungsaufgaben innehaben, sind wichtig für die Arbeitsmarktforschung. Leider ist es nicht einfach möglich, diese Aufgaben in deutschen administrativen Daten zu identifizieren. Dieser Beitrag nutzt Surveyinformationen aus dem Panel Arbeitsmarkt und soziale Sicherung (PASS), um Personen mit Führungsaufgaben in administrativen Daten, zum Beispiel dem SIAB, vorherzusagen. Als Beispiel für die Anwendung untersuche ich Geschlechterunterschiede in der Wahrscheinlichkeit, eine Position mit Führungsaufgaben zu haben." (Autorenreferat, IAB-Doku)

Zitatform

Olbrich, Lukas, Yuliya Kosyakova & Joseph Sakshaug (2022): The reliability of adult self-reported height: The role of interviewers. In: Economics and Human Biology, Jg. 45, S. 1-14., 2022-02-22. DOI:10.1016/j.ehb.2022.101118

Abstract

"Surveys serve as an important source of information on key anthropometric characteristics such as body height or weight in the population. Such data are often obtained by directly asking respondents to report those values. Numerous studies have examined measurement errors in this context by comparing reported to measured values. However, little is known on the role of interviewers on the prevalence of irregularities in anthropometric survey data. In this study, we explore such interviewer effects in two ways. First, we use data from the US National Health and Nutrition Examination Survey and the UK Household Longitudinal Study to evaluate whether differences between reported and measured values are clustered within interviewers. Second, we investigate changes in adult self-reported height over survey waves in two German large-scale panel surveys. Here, we exploit that height should be constant over time for the majority of adult age groups. In both analyses, we use multilevel location-scale models to identify interviewers who enhance reporting errors and interviewers for whom unlikely height changes over waves occur frequently. Our results reveal that interviewers can play a prominent role in differences between reported and measured height values and changes in reported height over survey waves. We further provide an analysis of the consequences of height misreporting on substantive regression coefficients where we especially focus on the role of interviewers who reinforce reporting errors and unlikely height changes." (Author's abstract, IAB-Doku, © 2022 Elsevier) ((en))

Zitatform

Collischon, Matthias (2021): Identifying supervisory or managerial status in administrative records. (IAB-Discussion Paper 20/2021), Nürnberg, 17 S.

Abstract

"Informationen darüber, ob Individuen eine Position mit Führungsaufgaben innehaben, sind wichtig für die Arbeitsmarktforschung. Leider ist es nicht einfach möglich, diese Aufgaben in deutschen administrativen Daten zu identifizieren. Dieser Beitrag nutzt Surveyinformationen aus dem Panel Arbeitsmarkt und soziale Sicherung (PASS), um Personen mit Führungsaufgaben in administrativen Daten, zum Beispiel dem SIAB, vorherzusagen. Als Beispiel für die Anwendung untersuche ich Geschlechterunterschiede in der Wahrscheinlichkeit, eine Position mit Führungsaufgaben zu haben." (Autorenreferat, IAB-Doku)

Zitatform

Schierholz, Malte & Matthias Schonlau (2021): Machine learning for occupation coding - a comparison study. In: Journal of survey statistics and methodology, Jg. 9, H. 5, S. 1013-1034., 2020-07-07. DOI:10.1093/jssam/smaa023

Abstract

"Asking people about their occupation is common practice in surveys and censuses around the world. The answers are typically recorded in textual form and subsequently assigned (coded) to categories, which have been defined in official occupational classifications. While this coding step is often done manually, substituting it with more automated workflows has been a longstanding goal, promising reduced data-processing costs and accelerated publication of key statistics. Although numerous researchers have developed different algorithms for automated occupation coding, the algorithms have rarely been compared with each other or tested on different data sets. We fill this gap by comparing some of the most promising algorithms found in the literature and testing them on five data sets from Germany. The first two algorithms we test exemplify a common practice in which answers are coded automatically according to a predefined list of job titles. Statistical learning algorithms - that is, regularized multinomial regression, tree boosting, or algorithms developed specifically for occupation coding (algorithms three to six) - can improve upon algorithms one and two, but only if a sufficient number of training observations from previous surveys is available. The best results are obtained by merging the list of job titles with coded answers from previous surveys before using this combined training data for statistical learning (algorithm 7). However, the differences between the algorithms are often small compared to the large variation found across different data sets, which we ascribe to systematic differences in the way the data were coded in the first place. Such differences complicate the application of statistical learning, which risks perpetuating questionable coding decisions from the training data to the future." (Author's abstract, IAB-Doku) ((en))

Zitatform

Jesske, Birgit, Sabine Schulz & Sylvia Quandt (2019): Panel Arbeitsmarkt und Soziale Sicherung PASS-Erhebungswelle 12 - 2018 (Haupterhebung). (FDZ-Methodenreport 05/2019 (de)), Nürnberg, 157 S. DOI:10.5164/IAB.FDZM.1905.de.v1

Zitatform

Bach, Ruben L. & Stephanie Eckmann (2018): Participating in a panel survey. Changes respondents' labour market behaviour. In: Journal of the Royal Statistical Society. Series A, Statistics in Society, Jg. 17, H. 3, S. 443-456., 2018-03-01. DOI:10.1111/rssa.12367

Zitatform

Bruckmeier, Kerstin, Katrin Hohmeyer & Stefan Schwarz (2018): Welfare receipt misreporting in survey data and its consequences for state dependence estimates: new insights from linked administrative and survey data. In: Journal for labour market research, Jg. 52, H. 1, S. 1-21., 2018-12-06. DOI:10.1186/s12651-018-0250-z

Abstract

"In many advanced welfare states, welfare recipients often receive benefits for long periods. This persistence of welfare receipt can be caused by two distinct mechanisms: genuine or spurious state dependence. Knowledge of which of the two mechanisms drives the observed state dependence is important because the policy implications are different. Most of the empirical evidence on state dependence relies on survey data. However, survey data on welfare receipt are subject to substantial measurement error (i.e., misreporting of welfare benefit receipt), which may also bias state dependence estimates. This paper uses rich linked survey and administrative data to measure the effect of misreporting in the survey data on the estimated state dependence in welfare receipt in Germany. We find a rate of underreporting of welfare benefits of 8.6%. Recipients with relatively good labour market chances tend to underreport benefits more frequently. Overreporting benefits is less pronounced with a rate of 1.6%. Within the survey data, we observe more transitions into and out of the welfare system. However, our estimates of state dependence in welfare receipt based on a dynamic random effects model reveal that the effect of misreporting on estimated state dependence is small, even when we distinguish between working and non-working recipients in the model." (Author's abstract, © Springer-Verlag) ((en))

Zitatform

Bähr, Sebastian, Georg-Christoph Haas, Florian Keusch, Frauke Kreuter & Mark Trappmann (2018): IAB-SMART-Studie: Mit dem Smartphone den Arbeitsmarkt erforschen. In: IAB-Forum H. 09.01.2018, o. Sz., 2018-01-04.

Abstract

"Smartphones sind mittlerweile für die meisten Menschen selbstverständlicher Bestandteil des Alltags. Erhebliche Teile der täglichen Kommunikation finden damit statt - das gilt nicht nur im Privaten, sondern auch im beruflichen Kontext. Auch Arbeitsplätze werden durch internetfähige Smartphones mehr und mehr mobil. Selbst bei der Jobsuche sind Smartphone und die Nutzung von Apps heute für viele nicht mehr wegzudenken. Für ein Forscherteam des Instituts für Arbeitsmarkt- und Berufsforschung (IAB) Anlass genug, eine neue Studie aufzusetzen, um die Möglichkeiten dieses Mediums für die wissenschaftliche Forschung auszuloten." (Autorenreferat, IAB-Doku)

Zitatform

Felderer, Barbara, Gerrit Müller, Frauke Kreuter & Joachim Winter (2018): The effect of differential incentives on attrition bias. Evidence from the PASS Wave 3 incentive experiment. In: Field Methods, Jg. 30, H. 1, S. 56-69., 2017-03-30. DOI:10.1177/1525822X17726206

Abstract

"Respondent incentives are widely used to increase response rates, but their effect on nonresponse bias has not been researched as much. To contribute to the research, we analyze an incentive experiment embedded within the third wave of the German household panel survey 'Panel Labor Market and Social Security' conducted by the German Institute for Employment Research. Our question is whether attrition bias differs in two incentive plans. In particular, we want to study whether an unconditional EURO10 cash incentive yields less attrition bias in self-reported labor income and other sociodemographics than a conditional lottery ticket incentive. We find that unconditional cash incentives are more effective than conditional lottery tickets in reducing attrition bias in income and several sociodemographic variables." (Author's abstract, IAB-Doku) ((en))

Zitatform

Beste, Jonas (2017): Armut im Lebensverlauf. Messkonzepte in der Armutsforschung. (IAB-Bibliothek 366), Bielefeld: Bertelsmann, 252 S. DOI:10.3278/300956w

Abstract

"Die Armutsforschung arbeitet mit verschiedenen Messkonzepten und Datenquellen. Jonas Beste beleuchtet die am häufigsten verwendeten Ansätze auf Grundlage des Panels 'Arbeitsmarkt und soziale Sicherung' im Vergleich zu anderen Paneldaten. Er benennt Gemeinsamkeiten und Unterschiede bei der Messung von Armut und beschreibt die verschiedenen Erscheinungsformen von Armut. Damit eröffnet er Einblick in folgende Zusammenhänge: Welchen Einfluss hat die verwendete Datenbasis auf das Ergebnis von Armutsanalysen? Wie lässt sich Deprivation im Lebensstandard bestimmen? Wie unterscheidet sich die Armutsdynamik nach verschiedenen Armutskonzepten? Welche Faktoren beeinflussen eine Veränderung des Lebensstandards? Wie erfolgt die Umwandlung von Ressourcen in Lebensstandard und welche Rolle spielen die finanzielle Situation eines Haushalts (Erwerbstätigkeit), individuelle Merkmale einer Person oder regionale Unterschiede?" (Verlagsangaben, IAB-Doku)

Zitatform

Jesske, Birgit, Petra Knerr & Lisa Kraft (2017): Methodenbericht Panel Arbeitsmarkt und Soziale Sicherung PASS. 10. Erhebungswelle - 2016 (Haupterhebung). (FDZ-Methodenreport 09/2017 (de)), Nürnberg, 160 S.

Abstract

"Der vorliegende Methodenbericht für die Welle 10 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 10 in Kapitel 6. Kapitel 7 dieses Methodenberichts enthält eine detaillierte Beschreibung über den eingesetzten Interviewerstab und die Qualitätssicherung während der Feldphase. Die Durchführung der Erhebungen in der Zugangsstichprobe Syrer/Iraker unterlag teilweise besonderen Bedingungen. Um den besonderen Erhebungsbedingungen dieser Gruppe gerecht zu werden, erfolgt in einzelnen Kapiteln eine Darstellung getrennt für Haushalte der üblichen Zugangsstichprobe und der syrischen/irakischen Haushalte. Das betrifft beim Erhebungsinstrument die Kapitel 4.7.1 und 4.8.2, bei der Felddurchführung die Kapitel 5.3.1.2 und 5.4.4, bei den Ergebnissen der Haupterhebung das Kapitel 6.9 sowie beim Interviewereinsatz das Kapitel 7.6.
Der vorliegende Methodenbericht enthält alle Schritte der Haupterhebung der Welle 10. Der Haupterhebung war ein gesonderter Pretest vorgeschaltet. Die Arbeiten und Ergebnisse dieses Pretests sind in einem Pretestbericht gesondert dokumentiert.
Das IAB hat infas im Herbst 2009 mit der Durchführung von PASS ab der vierten Erhebungswelle beauftragt. 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 10 werden im wellenspezifischen Datenreport ausführlich beschrieben und dokumentiert.
Alle verwendeten Erhebungsmaterialien werden im gesonderten Anhang dokumentiert." (Textauszug, IAB-Doku)