Small Area-Methode zur Schätzung von durchschnittlichen Bestandsmieten auf Gemeindeebene

Ziel des Projekts

 

Valide Informationen zu durchschnittlichen Bestandsmieten können zu einer Versachlichung der häufig kontroversen und emotional geführten Debatte um die Entwicklung der Mietpreise in Deutschland beitragen. Verlässliche Daten für die lokalen Mietmärkte liegen auf kleinräumiger Ebene jedoch häufig nicht in ausreichender Qualität vor. Amtliche Daten zur Bestandsmiete werden in Nordrhein-Westfalen bislang nur auf Ebene der Kreise und kreisfreien Städte im Rahmen des Mikrozensus veröffentlicht, da für viele Gemeinden nur geringe Stichprobenumfänge vorliegen.

 

Anhand von geokodierten Daten des Mikrozensus 2018 wird die Nutzung einer Small Area-Methode erprobt, um seitens der amtlichen Statistik perspektivisch auch eine Veröffentlichung von durchschnittlichen Bestandsmieten auf Gemeindeebene anbieten zu können.

Methodisches Vorgehen

 

Die Nutzung einer Small Area-Methode kann zielführend sein, wenn Auswertungen für kleine regionale Einheiten generiert werden sollen, entsprechende Informationen aus einer Stichprobe jedoch nur auf einer höheren hierarchischen Ebene vorliegen. Zudem müssen Hilfsinformationen auf der zu modellierenden Ebene zur Verfügung stehen.

 

Für dieses Projekt liegen Stichprobeninformationen zu haushaltsspezifischen Bestandsmieten pro Quadratmeter vor. Die Stichprobe wird im Rahmen des Mikrozensus auf Ebene der Kreise und kreisfreien Städte gezogen, dementsprechend werden die Ergebnisse auch lediglich bis zu dieser regionalen Ebene veröffentlicht. Für eine Veröffentlichung von durchschnittlichen Bestandsmieten auf Gemeindeebene fallen die Stichprobenumfänge für die einzelnen Gemeinden teilweise jedoch viel zu gering aus, um verlässliche Schätzungen durchführen zu können.

 

Um den Nachteil geringer Stichprobenumfänge auszugleichen, werden neben den vorliegenden Daten aus dem Mikrozensus weitere Merkmale aus der Landesdatenbank als sogenannte Hilfsinformationen herangezogen, die jeweils auf Gemeindeebene vorliegen. Hierbei handelt es sich um 37 verschiedene Merkmale u. a. zur Bevölkerungsstruktur, zu vergangenen Wahlergebnissen oder zum sozioökonomischen Status. Small Area-Methoden gehen von der Annahme aus, dass zwischen dem interessierenden Merkmal (durchschnittliche Bestandsmiete pro Quadratmeter) und bestimmten Hilfsvariablen ein Zusammenhang besteht, der gemeindeübergreifend (und damit nicht nur lokal für einzelne Gemeinden) gültig ist. Dieser Zusammenhang wird mittels eines Regressionsmodells geschätzt und als zusätzliche Information für die Berechnung der durchschnittlichen Bestandsmiete auf Gemeindeebene verwendet. In einem zweiten Schritt werden Koeffizienten geschätzt, die den Einfluss der vorliegenden Stichprobeninformationen aus dem Mikrozensus und der aus den Hilfsvariablen generierten Informationen individuell für jede Gemeinde gewichten.

 

Die hier verwendete Small Area-Methode, das sogenannte Fay-Herriot-Modell, wird sowohl in seiner Grundform als auch in einer räumlichen Erweiterung erprobt, welche zusätzlich mögliche Nachbarschaftseffekte zu angrenzenden Gemeinden berücksichtigt.
 

Ergebnisse

 

 

 

IT.NRW

 

Das Projekt zeigt, dass mittels der verwendeten Small Area-Methode Ergebnisse auf Gemeindeebene in guter Qualität erzeugt werden. Die Schätzunsicherheit kann im Vergleich zur ausschließlichen Nutzung der – für manche Gemeinden teilweise sehr wenigen – Stichprobeninformationen aus dem Mikrozensus insgesamt deutlich verringert werden. Diesbezüglich liefert die Erweiterung des Modells um die Berücksichtigung von Nachbarschaftseffekten (sogenanntes Spatial Fay-Herriot-Modell) die besten Ergebnisse.

 

Auch für Gemeinden, für die überhaupt keine Stichprobeninformationen aus dem Mikrozensus vorliegen, können sogenannte vollsynthetische Schätzer berechnet werden (rot umrandete Gemeinden), deren Werte allein auf Basis der Hilfsinformationen modelliert werden. Gemeinden, deren Ergebnisse eine (im Vergleich zu anderen Gemeindeergebnissen) relativ hohe Unsicherheit aufweisen, können bei Bedarf mit anderen Gemeinden zusammengelegt werden (beispielhaft für die gelb umrandeten Gemeinden vorgenommen). Bei diesem Vorgehen muss der Zugewinn an Schätzsicherheit gegenüber dem Verlust von Informationen für einzelne Gemeinden im spezifischen Fall abgewogen werden.

 

Insgesamt zeigt das Projekt, dass Small Area-Methoden vielversprechende Ergebnisse liefern und perspektivisch auch in anderen Statistiken genutzt werden könnten, um z. B. das kleinräumige Datenangebot in der amtlichen Statistik auszuweiten.