Beschreibung

"Die Verknüpfung von Daten aus verschiedenen Quellen kann das Analysepotenzial deutlich erhöhen. Voraussetzung ist, dass im Zuge der Verknüpfung keine Fehlerquellen auftreten, die den positiven Effekt der Verknüpfung zunichte machen. Der Beitrag untersucht vor diesem Hintergrund, inwiefern solche Fehler bei der Verknüpfung von personenbezogenen Prozessdaten der Bundesagentur für Arbeit (BA) und Befragungsdaten festzustellen sind. Die Möglichkeit, personenbezogene Prozess- und Befragungsdaten auf individueller Ebene zu verknüpfen, ist aus datenschutzrechtlichen Gründen von der Zustimmung der betroffenen Personen abhängig. Daher ist nicht auszuschließen, dass es bei Analysen mit Daten, die nur die der Verknüpfung Zustimmenden enthalten, zu verzerrten Ergebnissen kommt. Anhand einer Erhebung, in der diese Zustimmung erfragt wurde, analysieren wir die Selektivität der Zustimmungsbereitschaft von Befragungsteilnehmern im Hinblick auf eine Reihe von Einflussfaktoren, welche sich in vielen Untersuchungen als relevant für das Befragtenverhalten gezeigt haben. Wir verwenden dabei ein Mehrebenen-Probit-Modell. Es zeigt sich, dass nur zwischen wenigen Merkmalen und der Zustimmungsbereitschaft ein Zusammenhang besteht: Nichtdeutsche, Frauen, Westdeutsche und Personen mit niedrigem Einkommen stimmen seltener der Verknüpfung zu. Um die Auswirkung eventueller Selektivitäten der Datenverknüpfung auf die Ergebnisse konkreter Analysen zu überprüfen, schlagen wir einen einfachen Test auf Basis einer 'Seemingly Unrelated Estimation' vor und setzen diesen exemplarisch in zwei Beispielen um." (Autorenreferat, IAB-Doku)