Vereinfachtes Verfahren zur interaktiven Schätzung des Erfüllungsaufwands mittels maschinellen Lernens

Bogdan Levagin, Kerstin Lange, Sylvana Walprecht, Fabian Gerls and Daniel Kuehnhenrich

WISTA – Wirtschaft und Statistik, 2022, vol. 74, issue 3, 53-67

Abstract: Der Erfüllungsaufwand umfasst den Zeitaufwand und die Kosten, die den betroffenen Normadressaten (Bürgerinnen und Bürger, Wirtschaft sowie Verwaltung) durch die Befolgung einer gesetzlichen Vorgabe entstehen. Im Zuge der Einführung neuer rechtlicher Regelungen ist die Bundesregierung verpflichtet, den veränderten Erfüllungsaufwand zu ermitteln. Das vereinfachte Verfahren ist eine Berechnungshilfe für den jährlichen Erfüllungsaufwand der Wirtschaft bei Vorgaben mit einem Aufwand von voraussichtlich weniger als 100000 Euro je Jahr. Um die Genauigkeit der Ergebnisse des vereinfachten Verfahrens zu verbessern, hat das Statistische Bundesamt ein neues Schätzmodell durch den Einsatz von maschinellem Lernen trainiert. Dadurch erhöht sich künftig die Qualität von Schätzungen des Erfüllungsaufwands.

Keywords: Erfüllungsaufwand; maschinelles Lernen; Bürokratiekostenmessung; vereinfachtes Verfahren; Ex-ante-Schätzung; compliance costs; machine learning; bureaucracy cost measurement; simplified procedure; ex-ante estimation (search for similar items in EconPapers)
Date: 2022
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/260632/1/wista-2022-3-053-067.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:260632

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 ().