German Register Data for Regression Estimation in Survey Sampling – A Study on the German Microcensus Respecting for Data Protection / Stichproben-Regressionsschätzungen im deutschen Mikrozensus mit Registerdaten unter Berücksichtigung des Datenschutzes
Notice bibliographique
Résumé
Summary Modern survey sampling methods generally deal with improving estimators with respect to available prior information. An increasingly important source of prior information is data from registers. In some countries, e.g. Canada, The Netherlands, and the Scandinavian countries, personal identification numbers in registers generally make it possible to improve estimation processes mainly due to the exact match of units between register and estimation variable. In many other countries, this exact matching of information is not possible, e.g. for legal reasons. In the German Microcensus, however, the variable unemployed refers to the register data of the Bundesanstalt fur Arbeit in Nuremberg which are not permitted to be matched to each other for legal reasons. This article deals with an improvement of estimators with respect to available auxiliary information within the survey to enable an appropriate use of aggregated register information. A Monte Carlo simulation study will allow for the comparison of the estimators with different information or matching levels. This will be achieved in a practical environment using the data of the German Microcensus which is a 1 % survey sample of the German population. The given example yields recommendations on applying the methodology to similar cases that are influenced by data protection in order to allow for improved estimates in practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».