2
Datenerhebung

In diesem Kapitel .

• werden wir verschiedene Formen der Erhebung statistischer Daten diskutieren,
• werden die erhobenen Daten bestimmten Kategorien zugeordnet.

Die Erhebung statistischer Daten kann als Vollerhebung beziehungsweise als Teilerhebung (Stichprobe) oder in Bezug auf einen bestimmten Zeitpunkt (Querschnitt) beziehungsweise einen bestimmten Zeitraum (Längsschnitt) erfolgen. Die jeweils erhobenen Daten können von ihrer Art her unterschiedlich sein: Es kann sich um qualitative oder um quantitative Daten handeln.

2.1 Form der Datenerhebung

Die Form der Datenerhebung kann man auf verschiedenen Ebenen betrachten:

• Vollerhebung versus Stichprobe,
• Querschnitts- versus Längsschnitterhebung,
• prozessproduzierte versus "wissenschaftliche" Datenerhebung und
• Primär- versus Sekundärdatenerhebung.

Auf diese Begriffspaare wird im Folgenden näher eingegangen.

2.1.1 Vollerhebung versus Stichprobe

Die Summe aller Merkmalsträger bildet die Grundgesamtheit. Werden die Daten der Grundgesamtheit erhoben, handelt es sich um eine Vollerhebung. Werden hingegen nur Teile der Grundgesamtheit bei der Datenerhebung berücksichtigt, sprechen wir von einer Teilerhebung, die man auch Stichprobe nennt.

Es gibt verschiedene Möglichkeiten, eine Stichprobe zu bilden (oder wie Statistiker sagen: zu ziehen). Eine Möglichkeit besteht darin, rein zufällig aus der Grundgesamtheit auszuwählen. Bei einer solchen Zufallsstichprobe könnte man etwa mit geschlossenen Augen in ein Telefonbuch tippen und die entsprechend gefundenen Telefonnummern dann anrufen. In der Praxis werden derartige Auswahlen heutzutage durch entsprechende Computersoftware bewerkstelligt.

Gerade bei freiwilligen Stichproben wird man - um eine ausreichende Repräsentativität sicherzustellen - Gruppen, die üblicherweise an einer freiwilligen Stichprobe nicht in dem gewünschten Maße teilnehmen, überproportional in das Auswahlverfahren einbeziehen, um eine ausreichend große Zahl an Daten der entsprechenden Gruppenmitglieder dann später bei der Datenverarbeitung zur Verfügung zu haben (sogenannte disproportionale Stichprobe). Beispielsweise könnte man die in besonderem Maße von Armut bedrohte Gruppe der Alleinerziehenden über ihren Bevölkerungsanteil hinaus in einer Stichprobe berücksichtigen, um ausreichend viele Fälle für die Analyse der entsprechenden sozialen Lage nutzen zu können.

Eine weitere, verbreitete Methode der Stichprobenziehung ist das Verfahren der Klumpenstichprobe. Bei ihm werden in der Regel für örtlich zusammenhängende statistische Einheiten (in Wohnbezirken, Gemeinden oder Bundesländern) jeweils einzelne Stichproben gezogen, die dann zur Gesamtstichprobe zusammengeführt werden.

In der Regel sind in den Wirtschafts- und Sozialwissenschaften Stichproben als Befragungen konzipiert. Diese können direkt vor Ort bei den Befragten, aber auch mittels Telefon oder online beziehungsweise postalisch durchgeführt werden. Eine weitere Technik der Datengewinnung - im Bereich der experimentellen Wirtschafts- beziehungsweise Sozial(psychologie)forschung - besteht darin, in Laborexperimenten das Verhalten der Stichprobenteilnehmer (der sogenannten Probanden) zu beobachten.

2.1.2 Querschnitt versus Längsschnitt beziehungsweise Panel

Beziehen sich die erhobenen Daten lediglich auf einen bestimmten Zeitpunkt (etwa auf das Jahr 2014), erhält man eine Momentaufnahme eines statistischen Phänomens. Man nennt solche Daten Querschnittsdaten. Ein Beispiel für eine Querschnittsanalyse wäre die Betrachtung der personellen Einkommensverteilung in Deutschland im Jahr 2014, und zwar nach verschiedenen soziodemografischen Merkmalen wie Alter, Geschlecht oder Nationalität differenziert.

Werden Querschnittsdaten über die Zeit hinweg betrachtet (zum Beispiel über den Zeitraum 2000-2014), haben wir es mit einem Längsschnitt zu tun. Ebenfalls unter die Rubrik Längsschnitt fallen Paneldaten. Bei ihnen werden über die Zeit hinweg identische Einheiten in den jeweiligen Erhebungen berücksichtigt und analysiert.

Beispielsweise werden in einem Panel die gleichen Personen zu verschiedenen Zeitpunkten bezüglich bestimmter Merkmale befragt. Auf diese Weise kann man in einer Panelstudie einen Perioden-, einen Alters- und einen Kohorteneffekt voneinander unterscheiden. Der Periodeneffekt bezieht sich wie der Alterseffekt auf die jeweils betrachtete Periode. Im Periodeneffekt spiegeln sich die wirtschaftlichen, sozialen und rechtlich-institutionellen Gegebenheiten der Periode, die alle Erhebungsteilnehmer betreffen. Mit dem Alterseffekt sind Unterschiede zwischen den einzelnen Altersklassen in der betreffenden Periode gemeint. Querschnittsdaten berücksichtigen zwar nicht den nachfolgend behandelten Kohorteneffekt, aber immerhin den Perioden- und den Alterseffekt.

Demgegenüber ist der Kohorteneffekt ein Spezifikum einer Panelanalyse, weil hier untersucht wird, wie gleichaltrige, über die Zeit hinweg identische Untersuchungseinheiten sich in ihrem Verhalten, ihren Ansichten oder dergleichen von anderen, älteren oder jüngeren, aber über die Zeit hinweg ebenfalls identisch zusammengesetzten Altersgruppen (Kohorten) unterscheiden. Betrachtet man also zum Beispiel das Einkommen einer Person über ihr gesamtes Leben hinweg (das heißt das Lebenseinkommen) wäre dies Gegenstand einer Panelbetrachtung.

In der Praxis ist es vielfach schwierig sicherzustellen, dass die einzelnen Untersuchungseinheiten durchgängig in einem Panel verbleiben; sie scheiden zum Teil aus dem Panel aus (man spricht dann von Panelsterblichkeit). Gründe hierfür sind der Tod der Befragten, aber auch eine fehlende Bereitschaft, weiter an der Panelerhebung teilzunehmen. Daher behilft man sich in der Praxis mitunter mit sogenannten Quasi-Panels. Diese kennzeichnen den zeitlichen Verlauf in Bezug auf Eigenschaften von Personen, die im Ausgangsjahr gleich alt waren. Es muss sich dabei in der Folge nicht notwendigerweise in jeder Periode um dieselben Personen handeln; wichtig ist nur, dass in jeder der folgenden Perioden Personen der gleichen Altersklasse aus dem jeweiligen Geburtsjahr des Ausgangsjahrs stammen.

Untersucht man also zum Beispiel in den Jahren 1990-2014 die Einkommen der Gruppe der 1963 Geborenen, so wären diese im Ausgangsjahr 27 Jahre alt und im letzten Beobachtungsjahr 51 Jahre alt. In den einzelnen Jahren kann es sich in den betreffenden Stichproben durchaus um verschiedene Personen handeln, die in die betreffende Einkommensanalyse eingehen. Entscheidend ist in diesem Fall nur, dass eine Person im Jahr 1963 geboren wurde.

2.1.3 Amtliche, prozess- und wissenschaftsproduzierte Daten

Amtliche Daten beruhen - wie in Kapitel 1 dargelegt wurde - auf gesetzlichen Grundlagen. Insofern besteht an ihrer Erhebung ein gesellschaftliches Interesse. Manche dieser Daten werden von Verwaltungen produziert. Diese Daten nennt man im Speziellen prozessproduzierte Daten. Sie sind teilweise für Forschungszwecke nicht geeignet, weil sie eventuell zu sehr auf die zugrunde liegenden Verwaltungszwecke bezogen sind und wenig mit dem konkreten Forschungsinteresse zu tun haben.

Ein Beispiel stellt die Rentenantragsstatistik dar, die von der Deutschen Rentenversicherung erhoben wird. Sie gibt Auskunft über das Verwaltungshandeln der regionalen Rentenversicherungsträger etwa im Hinblick auf deren Bearbeitungszeiten von Rentenanträgen. Dies ist aber eine Fragestellung, die typischerweise außerhalb der Rentenversicherung von eher geringem Interesse ist.

Demgegenüber handelt es sich bei wissenschaftsproduzierten Daten um solche, deren Erhebung von Wissenschaftlern konzipiert und gesteuert wurde. Sie sind daher auf das jeweilige konkrete Forschungsinteresse bezogen. Mit dem Sozioökonomischen Panel ist zu Anfang der 1980er-Jahre aus den Reihen der Wissenschaft eine Paneldatenbasis geschaffen worden. In ihr werden, wie bereits in Kapitel 1 skizziert, Erwerbs- und Familienbiografien, die berufliche Mobilität und Einkommensverläufe, aber auch Daten zu Gesundheit und Lebenszufriedenheit erhoben.

2.1.4 Primär- und Sekundärdaten

Werden für eine spezifische Fragestellung Daten erhoben, handelt es sich bei ihrer Verarbeitung um eine Primärdatenanalyse. Bezieht man sich hingegen in der Analyse auf bereits vorliegende Daten, spricht man von einer Sekundärdatenanalyse. Häufig sind es vergleichsweise hohe Erhebungskosten für eine eigene Erhebung, die dazu führen, dass sich wirtschafts- und sozialwissenschaftliche Betrachtungen auf Sekundärdaten beziehen. Dadurch muss ein Forscher allerdings in Kauf nehmen, dass die nutzbaren Daten nicht vollständig vereinbar mit seinen Forschungsvorstellungen sind.

2.2 Eigenschaften der erhobenen Daten

Man kann die erhobenen Daten nach ihrem Skalenniveau beziehungsweise auch nach ihrem Definitions- und Wertebereich voneinander unterscheiden. Für bestimmte Fragestellungen ist es zudem erforderlich, die Daten zu normieren, etwa um Saisoneffekte zu bereinigen.

2.2.1 Datenarten

Können Größer- beziehungsweise Kleiner-Beziehungen zwischen den...