Suchergebnisse

Die Geschlechts- und Altersstruktur weist den Anteil der Einwohner pro Gebietsebene aus und liegt unterteilt nach Geschlecht für 17 Altersklassen vor. Dabei wird das Alter zwischen 20 und 75 in Kategorien von je 5 Jahren zusammengefasst. Für das höhere Alter erfolgt eine Zusammenfassung in "75 Jahre und älter". Für Kinder folgt microm den folgenden Altersgruppierungen: Zum einen werden Kleinkinder gesondert betrachtet; dabei handelt es sich um die Altersklasse der 0- bis 3-Jährigen. Eine weitere Klasse umfasst das Kindergartenalter, also Kinder im Alter zwischen 3 und 6 Jahren. Danach folgen Einteilungen in Grundschulkinder (6-10 Jahre) und Kinder in der schulischen Mittelstufenklasse (10-15 Jahre). Mit 15 ist es möglich, die allgemeine Schullaufbahn zu beenden und in eine Ausbildung mit Berufsschule zu wechseln, bzw. die allgemeine Hochschulreife auf der allgemeinen Schule zu erlangen. Auch diese Altersgruppen werden gesondert in der Klasse der 15- bis 18-Jährigen bzw. in der Altersklasse der 18- bis 20-Jährigen erfasst (microm 2016, S. 42). Die Ausprägungen der Altersgruppen liegen als prozentuale Anteile an allen Einwohnern einer Rasterzelle vor. Komplementär zu diesem Datensatz wird die absolute Einwohnerzahl auf Rasterebene als separater Datensatz angeboten und ist unter der DOI 10.7807/microm:einwohner:V7 auffindbar.

The variable house type indicates the size of a house and is based on the sum of the households and the number of firms in a house. Houses with particularly many commercial addresses are categorised as commercially used houses. Single- and two-family homes are distinguished according whether the house type in that road (section) is homogenous or not. There are 7 house types in the data: single- and two-family homes in homogenous road sections, single- and two-family homes in heterogeneous road sections, 3-5 family homes, 6-9 family homes, blocks of flats with 10-19 households, multi-storey buildings with 20 and more households, mainly commercially used houses. The house type allows for conclusions on geographical information, such as the location in an urban area: while cities predominantly consist of multi-family houses, the countryside is shaped by single- and two-family homes (microm 2016, p. 32).

Der Haustyp gibt die Größe des einzelnen Hauses an und basiert auf der Summe der Haushalte und der Anzahl der Firmen pro Haus. Bei besonders vielen gewerblichen Adressen im Haus wird der Haustyp als extrem gewerblich genutztes Haus eingestuft. Ein- bis Zweifamilienhäuser werden zusätzlich danach unterschieden, ob die Bebauung in der Straße bzw. dem Straßenabschnitt homogen ist oder nicht. Es wird zwischen folgenden sieben Haustypen unterschieden: 1-2 Familienhäuser in homogen bebautem Straßenabschnitt; 1-2 Familienhäuser in nicht homogen bebautem Straßenabschnitt; 3-5 Familienhäuser; 6-9 Familienhäuser; Wohnblocks mit 10-19 Haushalten; Hochhäuser mit 20 und mehr Haushalten; überwiegend gewerblich genutzte Häuser. Anhand des Bebauungstyps können in Analysen bereits Rückschlüsse auf geografische Informationen gezogen werden, wie die Lage im Raum bzw. Stadtgebiet. Während in Städten vornehmlich Mehrfamilienhäuser stehen, ist das Bebauungsbild in ländlichen Regionen von Ein- und Zweifamilienhäusern geprägt (microm 2016, S. 32).

Die Variablengruppe Haushaltsstruktur ist in drei Variablen untergliedert und
unterscheidet die Lebensformen Single, Paare und Familie. Für die Haushalts- bzw.
Familienstruktur ist die Haushaltsgröße und die Anzahl der Kinder ein entscheidendes
Kriterium (microm 2016, S.74). Zusätzlich fließen die Angaben der Fernsprechteilnehmer
sowie die Angaben aus der Datei der Privatkonsumenten des Verbandes der Vereine
Creditreform mit ein.

The purchasing power reflects the household income. It comprises information on labour supply, capital wealth, rental and leasing income minus taxes and social security contributions, including social transfers such as unemployment benefits, child-allowances and pensions. Regular payments, e.g. for rent, electricity or insurance premiums are not subtracted from the purchasing power. Microm computes the purchasing power in cooperation with Michael Bauer Research GmbH. The computation is based on statistical models on a small regional scale. This allows for small-scale purchasing power information on the street segment and postcode (PLZ8) level. As explanatory variables for the econometric models, many microm variables are used, such as typology, age, status and the car variables. Due to persistent differences between East and West Germany, the purchasing power was modelled separately for both parts (microm 2016, p. 106).

Die Kaufkraft spiegelt das Haushaltsnettoeinkommen wider. Sie beinhaltet alle Einkünfte aus Arbeit, Kapitalvermögen, Vermietung und Verpachtung nach Abzug von Steuern und Sozialabgaben, jedoch zzgl. Transferleistungen wie Arbeitslosen- und Kindergeld oder Renten. Regelmäßige Zahlungen für z.B. Miete, Strom oder Beiträge für Versicherungen sind nicht abgezogen und demnach noch in der Kaufkraft enthalten. Microm berechnet in Kooperation mit der Michael Bauer Research GmbH die Kaufkraft mittels statistischer Modelle auf kleinräumiger Ebene. Dies ermöglicht es, Aussagen zur Kaufkraft auf Straßenabschnitts- bzw. PLZ8- Ebne zu treffen. Ausgangspunkt der Berechnung ist die Kaufkraft auf Gemeinde- und PLZ- Ebene. Zur Berechnung der Kaufkraft auf kleinräumiger Ebene werden verschiedene erklärende Variablen des microm Portfolios herangezogen, wie beispielsweise microm Typologie, Alter, Status und PKW Variablen. Zudem wird die Berechnung der Kaufkraft für die Alten und Neuen Bundesländer getrennt voneinander vorgenommen, da bis heute erhebliche Unterschiede in der Kaufkraft dieser Regionen bestehen (microm 2016, S. 106).

Die Daten für die Variable Kinder stammen vor allem aus den Quellen ZDdesign sowie aus der Datei der Privatkonsumenten des Verbandes der Vereine Creditreform. Ausgewiesen wird diese Variable als Anteil von Kindern an allen Personen in einem Privathaushalt (microm 2016, S. 29).

Die Daten für die Variable Kinder stammen vor allem aus den Quellen ZDdesign sowie aus der Datei der Privatkonsumenten des Verbandes der Vereine Creditreform. Ausgewiesen wird diese Variable als Anteil von Kindern an allen Personen in einem Privathaushalt (microm 2016, S. 29).

The car brand's market share indicates the relative market share of a brand compared to others within a geographic area. The dataset comprises information on 14 brands: Audi, BMW (including Alfa Romea and Lanica), Ford, Mazda, Mercedes, Nissan, Opel, Peugeot (including Citroёn), Renault, other Asian car brands, other brands, Toyota (including Lexus), VW. All car indicators are based on the central car register of the Federal Motor Transport Authority (Kraftfahrt-Bundesamt, KBA) in Flensburg (microm 2016, p. 94).

Due to an increasing variety of the product lines of car manufacturers, brand manufacturers supply cars in almost every segment. The brand of one's car does not allow for conclusions about the socio-economic status. For the car segments, cars have been aggregated to classes that allow for this kind of conclusion. In addition to the car capability, car segments provide information on the intended use of the car. The dataset comprises of 12 car segments: mini cars, compact cars, lower mid-range cars, mid-range cars, upper mid-range cars, top-of-the-range cars, ATVs, cabriolets, estate cars, vans, utility vehicles, other vehicles (microm 2016, p. 96). The following classes are available.
Mini cars: Mini cars used to be included in the segment of small cars, but not constitute an own segment due to an increased market share. These vehicles are characterized by an exceptionally small size. Sometimes they only provide two seats (examples: Renault Twingo, Ford Ka, VW Up, Peugeot 107 and smart fortwo) (microm 2016, p. 97).
Compact cars: The definition of a compact car is controversial and has changed over time. The general idea is that of a cheap way to be mobile on four wheels with a roof, often with compromises regarding space and comfort (examples: VW Polo, Opel Corsa, Ford Fiesta, Fiat Punto, Peugeot 207 and Renault Clio) (microm 2016, p. 97).

Die Variable Zahlungsindex beschreibt die statistische Wahrscheinlichkeit von
Zahlungsausfällen für jedes Haus in Deutschland. Es erfolgt eine Einteilung der Häuser in
neun Risikoklassen. Die Klassen werden durch ein Scoringverfahren ermittelt, in das u. a.
Negativmerkmale des Verbandes der Vereine Creditreform, sowie Informationen über Alters-
und Familienstruktur, Wohnumfeld etc. einfließen. Die wichtigste Grundlage bildet der
Anteil der Haushalte mit Zahlungsproblemen (microm 2016, S. 36). Alle Angaben sind gemäß
der Vorgaben des Datenschutzes anonymisiert.

Die Variable Zahlungsindex beschreibt die statistische Wahrscheinlichkeit von
Zahlungsausfällen für jedes Haus in Deutschland. Es erfolgt eine Einteilung der Häuser in
neun Risikoklassen. Die Klassen werden durch ein Scoringverfahren ermittelt, in das u. a.
Negativmerkmale des Verbandes der Vereine Creditreform, sowie Informationen über Alters-
und Familienstruktur, Wohnumfeld etc. einfließen. Die wichtigste Grundlage bildet der
Anteil der Haushalte mit Zahlungsproblemen (microm 2016, S. 36). Alle Angaben sind gemäß
der Vorgaben des Datenschutzes anonymisiert.

Die Arbeitslosenquote ist der Anteil der Arbeitslosen an der Gesamtzahl der zivilen Erwerbspersonen. Sie ist ein Indikator der Bundesagentur für Arbeit für die Arbeitsmarkt- und Beschäftigungslage (microm 2016, S. 44).

Grundlagen für die Variable Ausländeranteil bildet eine Vor- und Nachnamenanalyse hinsichtlich der sprachlichen Herkunft. Die Auswertung der Namen basiert auf Listen, in denen die sprachliche Abstammung der Namen verzeichnet ist. Die Namensanalyse bezieht sich auf den Haushaltsvorstand. Dementsprechend können keinen Aussagen darüber getroffen werden, wie viele Personen tatsächlich eine ausländische Herkunft haben, wie lange die Person bereits in Deutschland lebt, oder wie die soziale Anbindung in Deutschland ist (microm 2016 S. 3).

Die Einwohnerstruktur weist die Absolutzahl der Einwohner pro Gebietsebene aus
(microm 2016, S. 42). Komplementär zu diesem Datensatz liegt auch die Alters- und
Geschlechtsstruktur der Einwohner als separater Datensatz vor und ist unter der DOI
10.7807/microm:einwGeAl:suf:V6:1 erhältlich.