Jana Emmenegger

• Income is one of the key indicators to measure regional differences, individual opportunities, and inequalities in society. In Germany, the regional distribution of income is a central concern, especially regarding persistent East-West, North-South, or urban-rural inequalities. Effective local policies and institutions require reliable data and indicators on regional inequality. However, its measurement faces severe data limitations: Inconsistencies in the existing microdata sources yield an inconclusive picture of regional inequality. While survey data provide a wide range of individual and household information but lack top incomes, tax data contain the most reliable income records but offer a limited range of socio-demographic variables essential for income analysis. In addition, information on the long-term evolution of the income distribution at the small-scale level is scarce. In this context, this thesis evaluates regional income inequality in Germany from various perspectives and embeds three self-contained studies in Chapters 3, 4, and 5, which present different data integration approaches. The first chapter motivates this thesis, while the second chapter provides a brief overview of the theoretical and empirical concepts as well as the datasets, highlighting the need to combine data from different sources. Chapter 3 tackles the issue of poor coverage of top incomes in surveys, also referred to as the ’missing rich’ problem, which leads to severe underestimation of income inequality. At the regional level this shortcoming is even more eminent due to small regional sample sizes. Based on reconciled tax and survey data, this chapter therefore proposes a new multiple imputation top income correction approach that, unlike previous research, focuses on the regional rather than the national level. The findings indicate that inequality between and within the regions is much larger than previously understood with the magnitude of the adjustment depending on the federal states’ level of inequality in the tail. To increase the potential of the tax data for income analysis and to overcome the lack of socio-demographic characteristics, Chapter 4 enriches the tax data with information on education and working time from survey data. For that purpose, a simulation study evaluates missing data methods and performant prediction models, finding that Multinomial Regression and Random Forest are the most suitable methods for the specific data fusion scenario. The results indicate that data fusion approaches broaden the scope for regional inequality analysis from cross-sectional enhanced tax data. Shifting from a cross-sectional to a longitudinal perspective on regional income inequality, Chapter 5 contributes to the currently relatively small body of literature dealing with the potential development of regional income disparities over time. Regionalized dynamic microsimulations provide a powerful tool for the study of long-term income developments. Therefore, this chapter extends the microsimulation model MikroSim with an income module that accounts for the individual, household, and regional context. On this basis, the potential dynamics in gender and migrant income gaps across the districts in Germany are simulated under scenarios of increased full-time employment rates and higher levels of tertiary education. The results show that the scenarios have regionally differing effects on inequality dynamics, highlighting the considerable potential of dynamic microsimulations for regional evidence-based policies. For the German case, the MikroSim model is well suited to analyze future regional developments and can be flexibly adapted for further specific research questions.
• Das Einkommen ist einer der wichtigsten Indikatoren zur Messung regionaler Unterschiede, individueller Chancen und gesellschaftlicher Ungleichheiten. In Deutschland ist die regionale Einkommensverteilung ein zentrales Thema, insbesondere im Hinblick auf die andauernden Ost-West-, Nord-Süd- oder Stadt-Land-Unterschiede. Eine wirksame Kommunalpolitik und funktionsfähige regionale Institutionen benötigen zuverlässige Daten und Indikatoren zur regionalen Ungleichheit. Die Messung dieser Ungleichheit unterliegt jedoch erheblichen Datenbeschränkungen: Unstimmigkeiten in den vorhandenen Mikrodatenquellen führen zu uneinheitlichen Aussagen über regionale Ungleichheit. Während Befragungsdaten ein breites Spektrum an Informationen liefern, aber die Spitzeneinkommen unzulänglich erfassen, enthalten Steuerdaten zwar zuverlässige Einkommensdaten, bieten aber nur eine begrenzte Auswahl an soziodemografischen Merkmalen, die für die Einkommensanalyse wichtig sind. Darüber hinaus fehlt es an Informationen über die langfristige Entwicklung der Einkommensverteilung auf der regionalen Ebene. Vor diesem Hintergrund wird in dieser Arbeit, welche in den Kapiteln 3, 4 und 5 drei in sich geschlossene Studien einbettet, die regionale Einkommensungleichheit in Deutschland aus verschiedenen Blickwinkeln und anhand unterschiedlicher Ansätze der Datenintegration analysiert. Im ersten Kapitel wird die Motivation für diese Arbeit dargelegt, während im zweiten Kapitel ein kurzer Überblick über die theoretischen und empirischen Konzepte sowie die verwendeten Datensätze gegeben wird, wobei insbesondere auf die Notwendigkeit der Kombination von Daten aus verschiedenen Quellen hingewiesen wird. Kapitel 3 behandelt die unzureichende Erfassung von Spitzeneinkommen in Befragungsdaten, die auch als Problem der "fehlenden Reichen" bezeichnet wird und zu einer erheblichen Unterschätzung der Einkommensungleichheit führt. Aufgrund des geringen Stichprobenumfangs auf regionaler Ebene ist diese Herausforderung dort größer. Auf der Grundlage harmonisierter Steuer- und Befragungsdaten wird in diesem Kapitel daher ein neuer Ansatz zur Korrektur des Spitzeneinkommens durch multiple Imputation vorgeschlagen, der sich im Gegensatz zu früheren Untersuchungen auf die regionale und nicht auf die nationale Ebene fokussiert. Die Ergebnisse deuten darauf hin, dass die Ungleichheit zwischen und innerhalb der Regionen viel größer ist als bislang angenommen, wobei das Ausmaß der regionalen Anpassung vom Grad der Ungleichheit am oberen Rand der Einkommensverteilung der Bundesländer abhängt. Um das Analysepotenzial der Steuerdaten zu steigern und das Problem der mangelnden Informationen über soziodemografische Merkmale und Prozesse zu überwinden, werden die Steuerdaten in Kapitel 4 mit Angaben über Bildung und Arbeitszeit aus Haushaltsbefragungen angereichert. Zu diesem Zweck werden in einer Simulationsstudie Imputationsmethoden für fehlende Daten und leistungsfähige Vorhersagemodelle verglichen und bewertet. Dabei stellt sich heraus, dass die Multinomiale Regression und der Random Forest die am besten geeigneten Methoden für das spezifische Datenfusionsszenario sind. Die Ergebnisse zeigen, dass mit Hilfe von Datenfusionsansätzen die Möglichkeiten zur Analyse regionaler Ungleichheiten auf der Basis von erweiterten Steuerdaten im Querschnitt ausgebaut werden können. Im Kapitel 5 werden die regionalen Einkommensungleichheiten nicht mehr aus einer Querschnitts-, sondern aus einer Längsschnittperspektive analysiert. Damit erweitert Kapitel 5 die bisher relativ überschaubare Literatur, die sich mit der Entwicklung regionaler Einkommensunterschiede im Zeitverlauf befasst. Regionalisierte dynamische Mikrosimulationen bieten ein leistungsfähiges Instrument für die Untersuchung langfristiger möglicher Einkommensentwicklungen. Daher wird in diesem Kapitel das Mikrosimulationsmodell MikroSim um ein Einkommensmodul erweitert, welches den individuellen, den Haushalts- und den regionalen Kontext berücksichtigt. Auf dieser Grundlage wird die potenzielle Dynamik der geschlechts- und zuwanderungsbedingten Einkommensungleichheit in den Kreisen und kreisfreien Städten Deutschlands analysiert. Dafür werden die Szenarien einer höheren Vollzeiterwerbsquote und einer steigenden Hochschulbildungsquote simuliert. Die Ergebnisse zeigen, dass die Szenarien regional unterschiedliche Auswirkungen auf die Ungleichheitsdynamik haben. Dies unterstreicht das erhebliche Potenzial dynamischer Mikrosimulationen für eine evidenzbasierte Regionalpolitik. Für die Analyse zukünftiger regionaler Entwicklungen in Deutschland, ist das MikroSim-Modell gut geeignet und kann flexibel an weitere spezifische Forschungsfragen angepasst werden.