Suchergebnisse

In panel studies on sensitive topics, respondent-generated identification codes are often used to link records across surveys. However, usually a substantial number of cases are lost due to the codes. These losses may cause biased estimates. Using more components and linking the codes by the Levenshtein string distance function will reduce the losses. In a simulation study and two field experiments, the proposed procedure outperforms the methods previously applied.

"Die Verknüpfung der Angaben mehrerer Datenbanken über dieselbe Person wird immer häufiger für Forschungszwecke genutzt. Aus Datenschutzgründen müssen die Identifikatoren in vielen Fällen vor der Zusammenführung verschlüsselt werden. Bisher verwendete Techniken sind hierbei ineffizient, da Fälle mit Fehlern in den Identifikatoren fast immer vollständig verloren gehen. Die Autoren haben ein neues Verfahren entwickelt, das trotz starker Verschlüsselung Fehler in den Identifikatoren toleriert. Testergebnisse anhand simulierter und echter Datenbestände zeigen, dass das Verfahren ähnlich gute Ergebnisse erbringt wie unverschlüsselte Identifikatoren. Das Verfahren kann für viele Probleme in der Forschungspraxis der empirischen Sozialforschung verwendet werden." (Autorenreferat)

'Bei wiederholten Befragungen zu sensitiven Themen werden häufig von den Befragten selbst-generierte Codes zur Zusammenführung der Daten über die Wellen hinweg verwendet. Dabei ist aufgrund fehlerhafter Daten der Verlust an Fällen in der Regel beträchtlich. Um den Prozess der Zusammenführung zu beschleunigen und die Zahl verlorener Fälle zu minimieren wird hier die Nutzung automatisierter Record-Linkage-Techniken vorgeschlagen. Bei zwei Simulationsstudien und in einer praktischen Anwendung zeigen sich Techniken des Record-Linkage der bisher verwendeten manuellen Methode überlegen. Die Experimente legen bei Verwendung dieser Techniken den Einsatz deutlich längerer Codes als bisher üblich nahe.' (Autorenreferat)

"In der Praxis der empirischen Sozialforschung werden häufig Datensätze aus verschiedenen
Datenquellen zusammengeführt (Record-Linkage). Solange in unterschiedlichen
Datenquellen gemeinsame fehlerfreie Schlüssel (z.B. Namen oder Matrikelnummern)
existieren, ist die Zusammenführung problemlos. Fehler in den gemeinsamen
Schlüsseln erzwingen fast immer aufwändige manuelle Korrekturen.
Um die Zusammenführung unterschiedlicher Datenbestände trotz fehlerhafter
Schlüssel zu ermöglichen, wurde im Rahmen eines DFG-Projekts ein Computerprogramm
entwickelt, um diese Aufgabe zu erleichtern: Die 'Merge-Toolbox', kurz:
'MTB'." (Autorenreferat)

"Zu den besten Verfahren für die Konstruktion von Migrantenstichproben gehören namensbasierte Stichproben. Hierfür werden bislang entweder ad-hoc-Listen oder namenskundliche Lexika für die Klassifikation von Namen verwendet. In diesem Beitrag wird ein neues Verfahren vorgeschlagen, das auf der automatischen Klassifikation eines Namens anhand der n-Gramme des Namens und der Anwendung des Bayes-Theorems basiert. Das neue Verfahren ist fehlertolerant gegenüber alternativen Schreibweisen und erlaubt auch die Klassifikation von Namen, die sich nicht in den Lexika finden. Das Verfahren wurde anhand der Namen der ca. 1.600 Ausländer im PASS-Panel und einer CATI-Studie in Hessen untersucht." (Autorenreferat)