Robuste Schätzung regionaler Indikatoren auf Basis unsicherer Daten durch regularisierte Regression

Joscha Krause

WISTA – Wirtschaft und Statistik, 2022, vol. 74, issue 1, 25-33

Abstract: Small Area Estimation erlaubt die Schätzung regionaler Indikatoren anhand kleiner Stichproben. Hierfür werden Survey-Daten mehrerer Regionen in statistischen Modellen kombiniert. Aufgrund der Digitalisierung der Gesellschaft entstehen immer mehr zusätzliche Datenquellen, wie etwa Website- und Social-Media-Daten, welche die Modelle weiter verbessern könnten. Bei der Verwendung dieser Daten ist jedoch zu beachten, dass ihre Eigenschaften sich deutlich von Stichprobendaten unterscheiden. Sie sind unter anderem mit einer generellen Unsicherheit assoziiert, welche sich nicht quantifizieren lässt. Klassische Schätzverfahren können dies nicht antizipieren, was zu ungenauen Ergebnissen führt. Dieser Artikel zeigt, dass die Schätzung regionaler Indikatoren gegen Unsicherheit mithilfe von Regularisierung robustifiziert werden kann.

Keywords: Internetdaten; Messfehler; regularisierte Regression; robuste Statistik; Small Area Estimation; internet data; measurement errors; regularised regression; robust statistics; small area estimation (search for similar items in EconPapers)
Date: 2022
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/250083/1/wista-2022-1-025-033.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:wistat:250083

Access Statistics for this article

More articles in WISTA – Wirtschaft und Statistik from Statistisches Bundesamt (Destatis), Wiesbaden Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().