Suchergebnisse

Aus Felicitas, Adressen & Services GmbH und aus der Datei der Privatkonsumenten des Verbandes der Vereine Creditreform erhält microm die Daten für die Variable "Kinder". Die Variable weist den Anteil der Kinder an allen Personen in einem Privathaushalt aus (microm 2014, S. 81). Dabei handelt es sich hier um die durchschnittliche Anzahl der Kinder je Haushalt.

Die Einwohnerstruktur weist die Absolutzahl der Einwohner pro Gebietsebene aus. 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:V4 erhältlich.

Für Analysen zu Nachbarschaftseffekten mangelt es an Individualdaten, die ausreichend Informationen zur direkten Nachbarschaft der Individuen beinhalten. Auf Ebene der Postleitzahlen soll diese Lücke mit dem DIW-IAB-RWI-Nachbarschaftspanel für Arbeitsmarktdaten geschlossen werden. Auf Grundlage der Integrierten Erwerbsbiografien (IEB) wurden aggregierte Daten zu sozialversicherungspflichtigen Beschäftigten und Arbeitslosen generiert. Diese Daten können an das Sozio-ökonomische Panel und weitere Datensätze der beteiligten FDZ angespielt werden.

Für die Evaluation des Bundesprogramms "Bildungsprämie" wurden Primärerhebungen von geförderten Programmteilnehmern und Nichtteilnehmern, die grundsätzlich einen Anspruch auf Förderung hatten, durchgeführt. Die Befragungen der beiden Zielgruppen hatte die Titel "Erfahrungen mit der Bildungsprämie" respektive "Erwerbstätigkeit heute und morgen". Die Datenerhebung erfolgte im Paneldesign mit Hilfe einer computerunterstützten Telefonbefragung (CATI).
Inhalte der Befragungen: a) Nutzung und Einlösung der Bildungsprämie, Umsetzung des Programms, Erträge der Weiterbildung, b) unterschiedliche Aspekte zur zurückliegenden Weiterbildungsteilnahme, c) Erwerbsstatus und Veränderungen in der Arbeitsmarktpartizipation, d) Beruf, Tätigkeiten, Verantwortlichkeiten und deren Veränderungen, d) Zufriedenheit mit der Arbeit.

Mit dem Panel Arbeitsmarkt und soziale Sicherung (PASS) baut das IAB seit 2007 einen zentralen Datensatz für die Arbeitsmarkt-, Armuts- und SGB-II-Forschung in Deutschland auf. Befragt werden in jährlichem Rhythmus zum einen Haushalte, die Transferleistungen beziehen und zum anderen Haushalte der allgemeinen Wohnbevölkerung. In jedem dieser Haushalte wird zunächst mit einer Person ein Haushaltsinterview und anschließend mit jeder Person ab 15 Jahren ein Personeninterview geführt.Mit Hilfe des PASS können zentrale Forschungsfragen, wie beispielsweise die Dynamik des Bezugs von Arbeitslosengeld II sowie die Auswirkungen des Transferleistungsbezugs auf die wirtschaftliche und soziale Lage der betroffenen Haushalte und Personen untersucht werden. Aber auch über den Kernbereich Beschäftigung und Arbeitslosigkeit hinaus bietet das PASS ein breites Fragenspektrum, das z.B. auch zahlreiche soziodemographische Merkmale oder subjektive Indikatoren (wie Zufriedenheit, Ängste und Sorgen, Erwerbsorientierung) beinhaltet.

Die Studie über Management-Buy-Outs (MBOs) untersucht einen wichtigen Teil des ostdeutschen Unternehmensbestands: Unternehmen, die im Zuge der Privatisierung aus dem Verkauf von Geschäftsanteilen oder Vermögensgegenständen an das vorher angestellte ostdeutsche Management hervorgegangen sind. Sie hatten im Transformationsprozess von der Plan- zur Marktwirtschaft eine hohe Bedeutung.Das IWH hat im Sommer 1995 eine umfassende Untersuchung dieser MBOs durchgeführt. Dabei standen ihre wirtschaftliche Lage, einzelne betriebswirtschaftliche Felder und Problembereiche – wie beispielsweise Absatz, Organisation und Eigenkapital – sowie ihre Zukunftsperspektiven und der wirtschaftspolitische Handlungsbedarf im Mittelpunkt.

Das Micro Data Linking-Panel (MDL-Panel) wurde ursprünglich im Rahmen des EU-Projektes "Micro-data linking of Structural Business Statistics and other business statistics" erstellt. Bei der Erstellung des Projektdatensatzes wurden die folgenden Wirtschaftsstatistiken im Quer- sowie im Längsschnitt miteinander verknüpft:
* Investitionserhebung im Bereich Verarbeitendes Gewerbe, Bergbau und Gewinnung von Steinen und Erden
* Kostenstrukturerhebung im Bereich Verarbeitendes Gewerbe, Bergbau und Gewinnung von Steinen und Erden
* Strukturerhebung für kleine Unternehmen im Bereich Verarbeitendes Gewerbe, Bergbau und Gewinnung von Steinen und Erden
* Investitionserhebung bei Unternehmen der Energieversorgung, Wasserversorgung, Abwasser- und Abfallentsorgung, Beseitigung von Umweltverschmutzungen
* Kostenstrukturerhebung im Bereich Energieversorgung, Wasserversorgung, Abwasser- und Abfallentsorgung, Beseitigung von Umweltverschmutzungen
* Jahreserhebung einschl. Investitionserhebung im Bauhauptgewerbe
* Jahreserhebung einschl. Investitionserhebung bei Unternehmen des Ausbaugewerbes und bei Bauträgern
* Strukturerhebung für kleine Unternehmen im Baugewerbe
* Kostenstrukturerhebung im Bauhauptgewerbe
* Kostenstrukturerhebung im Ausbaugewerbe
* Jahresstatistik im Handel (einschl. Instandhaltung und Reparatur von Kfz)
* Jahresstatistik im Gastgewerbe
* Strukturerhebung im Dienstleistungsbereich
* Intrahandel (Außenhandelsstatistik)
* Extrahandel (Außenhandelsstatistik)
* Unternehmensregister-System (URS)
Bei der Erstellung des MDL-Panels wurden nicht alle in den Einzelstatistiken vorhandenen Unternehmen einbezogen, so dass es zu Abweichungen zwischen den mit dem MDL-Panel generierten und den veröffentlichten Ergebnissen der Einzelstatistiken kommen kann.
Das vollständige Datenmaterial kann mit den Statistikprogrammen SAS oder Stata ausgewertet werden. Aus technischen Gründen kann eine Auswertung in SPSS ausschließlich nach vorheriger Einschränkung der Variablen und Fälle erfolgen. Regional ist der Projektdatensatz maximal auf Ost/West-Ebene auswertbar. Nach erfolgreicher Prüfung des Vorhabens dürfen Anspielungen externer öffentlich zugänglicher Informationen auf tieferer regionaler Ebene erfolgen.
Weitere Auswertungsvariablen sowie weitere Informationen zur Erstellung und Inhalten des Projektdatensatzes können den Metadatenreports entnommen werden: http://www.forschungsdatenzentrum.de/de/sonstige-wirtschaftsstatistiken/mdl

Update des Originaldatensatzes http://dx.doi.org/10.5684/soep.v28. In einigen Fällen wurden die Meldungen von einer zurückliegenden Scheidung nicht bei der Datengenerierung berücksichtigt. Darüber hinaus ist versehentlich zum Teil das angegebene Todesjahr eines ehemaligen Partners mit dem jeweils aktuellen Interviewjahr überschrieben worden. Dies beeinflusst nicht nur die Start- und Enddaten einiger Spells, sondern auch fehlende Informationen und Konsistenzprüfungen in den Datensätzen BIOCOUPLM, BIOCOUPLY, BIOMARSM, BIOMARSY. Das fehlerhafte Überschreiben von Daten bei der Generierung von BIOCOUPL$ beeinflusst die Konsistenzprüfungen im Datensatz $FAMSTD. Die Mehrzahl der zuvor fehlenden Informationen ist jetzt vorhanden. Allerdings ist stattdessen die Zahl der unplausiblen Antworten angewachsen.

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 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 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).

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).

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).

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).

The data product NEPS-SC1-ADIAB is provided cooperatively by the Institute for Employment Research (IAB), Nuremberg, and the Leibniz Institute for Educational Trajectories (LIfBi), Bamberg. NEPS-SC1-ADIAB consists of the survey and test data of Starting Cohort 1 - Newborns "Education from the very beginning" of the National Educational Panel Study (NEPS) and the administrative data of the IAB. The sample of this Starting Cohort includes children born in Germany between February 2012 and July 2012 and their families. The data collection took place on an annual basis from the second wave in 2013 onwards. The initial survey was conducted from August 2012 to March 2013. In general, NEPS aims to study educational trajectories as well as the development of competencies from the very beginning. For this, data are collected on competence development, educational processes as well as on early skills in the familial and non-familial context of the children. By interviewing one parent, the study contains comprehensive information about the parents, the children and their environment. In addition, NEPS asks a broad range of questions, especially on numerous biographical and socio-demographic characteristics.
The NEPS-SC1-ADIAB can be used to investigate research questions that, for instance, require highly accurate income data over the life course. Furthermore, the enrichment of NEPS-SC1 data results in an extension of the observation period as the administrative data of the IAB date back to 1980.