The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 40 of 1443
Back to Result List

Design-Based Methods for Compensating for the Effects of Frame Errors in Business Surveys

  • Official business surveys form the basis for national and regional business statistics and are thus of great importance for analysing the state and performance of the economy. However, both the heterogeneity of business data and their high dynamics pose a particular challenge to the feasibility of sampling and the quality of the resulting estimates. A widely used sampling frame for creating the design of an official business survey is an extract from an official business register. However, if this frame does not accurately represent the target population, frame errors arise. Amplified by the heterogeneity and dynamics of business populations, these errors can significantly affect the estimation quality and lead to inefficiencies and biases. This dissertation therefore deals with design-based methods for optimising business surveys with respect to different types of frame errors. First, methods for adjusting the sampling design of business surveys are addressed. These approaches integrate auxiliary information about the expected structures of frame errors into the sampling design. The aim is to increase the number of sampled businesses that are subject to frame errors. The element-specific frame error probability is estimated based on auxiliary information about frame errors observed in previous samples. The approaches discussed consider different types of frame errors and can be incorporated into predefined designs with fixed strata. As the second main pillar of this work, methods for adjusting weights to correct for frame errors during estimation are developed and investigated. As a result of frame errors, the assumptions under which the original design weights were determined based on the sampling design no longer hold. The developed methods correct the design weights taking into account the errors identified for sampled elements. Case-number-based reweighting approaches, on the one hand, attempt to reconstruct the unknown size of the individual strata in the target population. In the context of weight smoothing methods, on the other hand, design weights are modelled and smoothed as a function of target or auxiliary variables. This serves to avoid inefficiencies in the estimation due to highly scattering weights or weak correlations between weights and target variables. In addition, possibilities of correcting frame errors by calibration weighting are elaborated. Especially when the sampling frame shows over- and/or undercoverage, the inclusion of external auxiliary information can provide a significant improvement of the estimation quality. For those methods whose quality cannot be measured using standard procedures, a procedure for estimating the variance based on a rescaling bootstrap is proposed. This enables an assessment of the estimation quality when using the methods in practice. In the context of two extensive simulation studies, the methods presented in this dissertation are evaluated and compared with each other. First, in the environment of an experimental simulation, it is assessed which approaches are particularly suitable with regard to different data situations. In a second simulation study, which is based on the structural survey in the services sector, the applicability of the methods in practice is evaluated under realistic conditions.
  • Amtliche Unternehmensstichproben bilden die Grundlage einer Vielzahl nationaler und regionaler Unternehmensstatistiken und sind somit von großer Bedeutung für Analysen der Lage und Leistungsfähigkeit der Wirtschaft. Jedoch stellen sowohl die Heterogenität von Unternehmensdaten als auch deren hohe Dynamik eine besondere Herausforderung für die Durchführbarkeit der Stichproben und die Qualität der resultierenden Schätzwerte dar. Ein geeigneter und weithin verwendeter Auswahlrahmen zur Erstellung des Designs einer amtlichen Unternehmensstichprobe ist der Auszug eines amtlichen Unternehmensregisters. Wenn dieser jedoch die Zielgesamtheit nicht genau abbildet, entstehen sogenannte Fehler im Auswahlrahmen. Verstärkt durch die Heterogenität und Dynamik der Unternehmensgesamtheiten können diese Fehler die Schätzgüte erheblich beeinträchtigen und zu Ineffizienzen und Verzerrungen führen. Diese Dissertation behandelt daher designbasierte Methoden zur Optimierung von Unternehmensstichproben im Hinblick auf verschiedene Arten von Fehlern im Auswahlrahmen. Zum einen werden Methoden zur Anpassung des Designs von Unternehmensstichproben behandelt. Diese Ansätze integrieren Hilfsinformationen über die zu erwartenden Strukturen von Fehlern im Auswahlrahmen in das Stichprobendesign. Ziel ist es, dass vermehrt Unternehmen in die Stichprobe gelangen, welche mit hoher Wahrscheinlichkeit entsprechenden Fehlern unterliegen. Diese Wahrscheinlichkeit kann auf der Grundlage von Hilfsinformationen über in vorherigen Stichproben beobachtete Fehler geschätzt werden. Die im Rahmen dieser Arbeit behandelten Ansätze berücksichtigen verschiedene Arten von Fehlern im Auswahlrahmen und lassen sich in vordefinierte Designs mit festen Schichten einbauen. Als zweite wesentliche Säule dieser Arbeit werden Methoden zur Anpassung von Gewichten zur Korrektur von Fehlern im Auswahlrahmen bei der Schätzung erarbeitet und untersucht. Aufgrund dieser Fehler sind die Annahmen, unter denen die ursprünglichen Designgewichte aufgrund des Stichprobendesigns festgelegt wurden, nicht mehr erfüllt. Die entwickelten Methoden korrigieren die Designgewichte unter Berücksichtigung der Fehler, die anhand der Stichprobe identifiziert werden konnten. Fallzahlbasierte Neugewichtungsansätze versuchen dabei, die unbekannte Größe der einzelnen Schichten in der Zielgesamtheit zu rekonstruieren. Im Rahmen einer Gewichteglättung hingegen werden Designgewichte modelliert und in Abhängigkeit von Ziel- oder Hilfsvariablen geglättet. Dies dient dazu, Ineffizienzen aufgrund von stark streuenden Gewichten oder schwachen Korrelationen zwischen Gewichten und Zielvariablen zu vermeiden. Außerdem werden Möglichkeiten der Korrektur von Fehlern im Auswahlrahmen durch Kalibrierungsmethoden erarbeitet. Besonders dann, wenn der Auswahlrahmen eine Über- und/oder Untererfassung aufweist, kann die Einbeziehung externer Hilfsinformationen eine deutliche Verbesserung der Schätzgüte ermöglichen. Für die Methoden, deren Qualität nicht anhand von Standardverfahren messbar ist, wird ein Verfahren zur Schätzung der Varianz auf Basis eines Rescaling Bootstraps vorgestellt. Dieses ermöglicht eine Beurteilung der Schätzgüte bei der Verwendung der Verfahren in der Praxis. Im Rahmen zweier umfangreicher Simulationsstudien werden die in dieser Arbeit vorgestellten Methoden evaluiert und miteinander verglichen. Zunächst wird in der Umgebung einer experimentellen Simulation beurteilt, welche Ansätze im Hinblick auf verschiedene in der Praxis gegebene Situationen besonders geeignet sind. In einer weiteren Simulationsstudie, welche auf der Strukturerhebung im Dienstleistungsbereich basiert, wird die Einsetzbarkeit der Verfahren in der Praxis unter realitätsnahen Bedingungen evaluiert.

Download full text files

Export metadata

Metadaten
Author:Julia Manecke
URN:urn:nbn:de:hbz:385-1-19940
DOI:https://doi.org/10.25353/ubtr-xxxx-4dea-5fa6
Referee:Ralf Münnich, Paul Smith
Advisor:Ralf Münnich
Document Type:Doctoral Thesis
Language:English
Date of completion:2023/03/27
Publishing institution:Universität Trier
Granting institution:Universität Trier, Fachbereich 4
Date of final exam:2022/12/06
Release Date:2023/03/28
Tag:business surveys; frame errors; official statistics; sampling frame; survey statistics
GND Keyword:Frame Mathematik; Stichprobe; Stichprobenfehler; Unternehmen
Number of pages:xxii. 202 Blätter
First page:ii
Last page:202
Institutes:Fachbereich 4
Dewey Decimal Classification:3 Sozialwissenschaften / 31 Statistiken / 310 Sammlungen allgemeiner Statistiken
Licence (German):License LogoCC BY-NC-SA: Creative-Commons-Lizenz 4.0 International

$Rev: 13581 $