Informationen für Auftraggeber und Nutzer der Studie · eine Studie des: durchgeführt von: in Kooperation mit: Small Area-Schätzung bundesweiter Regionaldaten . Marcus Bäumer,

Mobilität in Deutschland

eine Studie des:

durchgeführt von:

in Kooperation mit:

Informationen für Auftraggeber und Nutzer der Studie Small Area-Schätzung bundesweiter Regionaldaten

MiD Abschlussveranstaltung 14./15. November 2018, Berlin

eine Studie des:

durchgeführt von:

in Kooperation mit:

Small Area-Schätzung bundesweiter Regionaldaten

Marcus Bäumer, Manfred Pfeiffer (IVT)

Small Area-Verfahren Hintergrund

3 MiD 2017 | Abschlussveranstaltung 14./15. November 2018, Berlin

• Meist werden Stichproben so angelegt, dass für das anvisierte Gebiet (z.B. ein Landkreis) Schätzungen mit einer hinreichenden Genauigkeit resultieren.

• Bei Auswertungen für Untereinheiten dieses Gebiets (z.B. Gemeinden) stellt sich oft das Problem geringer Stichprobenumfänge; daraus resultieren ungenauere Schätzungen oder interessierende „kleine“ Gebietseinheiten gelangen überhaupt nicht in die Stichprobe.

• Durch den Einsatz von Small Area-Schätzmethoden

− kann die Genauigkeit der Schätzung von - im vorliegenden Fall - Mobilitätskennzahlen für kleine Gebietseinheiten verbessert werden

− können auch Schätzwerte für kleine Gebietseinheiten generiert werden, bei denen der Stichprobenumfang Null ist

• Small Area-Schätzmethoden sind nicht nur bei räumlichen, sondern auch bei sachlichen Merkmalen anwendbar (Small Domain-Schätzung).

Small Area-Verfahren Methodischer Ansatz


Solche Genauigkeitsverbesserungen lassen sich erreichen, wenn Hilfsmerkmale zur Verfügung stehen, die mit dem Analysemerkmal - hier also einem Merkmal des individuellen Verkehrs-verhaltens – korreliert sind. Die Schätzung bedient sich also geeigneter Hilfsinformationen, um die effektiv vorliegende Stichprobe anzureichern und somit die Schätzgenauigkeit zu erhöhen. Beispiele für Hilfsmerkmale:

- Bevölkerung nach Erwerbstätigkeit (Anzahl bzw. Anteil)

- Haushalte nach Haushaltsgröße (Anzahl bzw. Anteil)

- Kfz-Bestand Die Daten für jede „Area“ können z.B. aus der amtlichen Statistik stammen.

Small Area-Verfahren Modellierung


• Small Area-Schätzmethoden liegen gewisse Modellvorstellungen zugrunde. Die neueren (expliziten) Small Area-Methoden basieren auf speziellen Regressionsmodellen (sog. gemischte statistische Modelle) mit festen und zufälligen Effekten. Hilfsmerkmale dienen im Modell als Einflussgrößen.

• Für jede kleine Gebietseinheit resultiert ein „synthetischer“ Schätzwert für das Analysemerkmal. Der endgültige Schätzer („EBLUP“) lässt sich als gewogenes arithmetisches Mittel aus direkter Schätzung und synthetischer Schätzung darstellen. Je größer der Stichprobenumfang in der kleinen Gebietseinheit, desto mehr Gewicht hat die direkte Schätzung.

• Eine Modellierung lässt sich mit etablierter statistischer Software durchführen (z.B. SAS-Prozedur MIXED).

• Je nach Datenverfügbarkeit werden Hilfsvariable auf der Ebene der Gebietseinheiten („area level“) oder der Ebene der Analyseeinheiten („unit level“) im statistischen Modell verwendet.

Small Area-Verfahren Area Level-Modell


− Die direkten Schätzer für die kleinen Gebietseinheiten (Stichprobendaten) werden in einem statistischen Modell mit kleinräumigen Hilfsvariablen (exogene Daten) verknüpft.

− Beispiel: Ausnutzung des statistischen Zusammenhangs zwischen der mittleren täglichen Wegstrecke in km pro Einwohner und Tag (= direkte Mittelwertschätzung auf Stichprobenbasis) und dem Erwerbstätigenanteil (= Hilfsvariable) z.B. auf Kreisebene.

Datenebene Analysemerkmal Hilfsmerkmale

Individualdaten - -

Aggregierte Daten (Area)

z.B. mittlere tägliche Wegstrecke (HT)

z.B. Anteil Erwerbs-tätige Regressionsmodell

synthetischer Schätzer für die mittlere tägliche Wegstrecke

endgültiger Schätzer für die mittlere tägliche Wegstrecke

Stichprobendaten

exogene Daten

Small Area-Verfahren Unit Level-Modell


− Auf der Ebene der individuellen Analyseeinheiten (Haushalte, Personen) wird ein Zusammenhang zwischen der Analysevariablen und entsprechenden erklärenden Variablen hergestellt.

− Als Hilfsmerkmale kommen nur Variablen in Betracht, die in analoger Form in der Stichprobe enthalten sind − Beispiel: Ausnutzung des statistischen Zusammenhang zwischen der täglichen Wegstrecke (in km) und

der Erwerbstätigkeit (1 = erwerbstätig, 0 = nicht erwerbstätig) von Personen.

Datenebene Analysemerkmal Hilfsmerkmale

Individualdaten z.B. tägliche Wegstrecke

z.B. erwerbstätig (ja/ nein)

Aggregierte Daten (Area)

mittlere tägliche Wegstrecke (GREG)

Anteil Erwerbs-tätige

Regressionsmodell

synthetischer Schätzer für die mittlere tägliche Wegstrecke

endgültiger Schätzer für die mittlere tägliche Wegstrecke

Stichprobendaten

exogene Daten

Small Area-Verfahren Small Area-Schätzungen in der MiD 2017


Unit Level-Modell auf Personenebene

• Areas: 402 Landkreise und kreisfreie Städte (Gebietsstand 2016)

• Modelliert wurden:

− Mittlere tägliche Zahl der Wege pro Person des Kreises X

− Mittlere Tagesstrecke pro Person des Kreises X

− Mobilitätsquote im Kreis X

− Anteile der verschiedenen Verkehrsmittel am Personenverkehrsaufkommen des Kreises X („Modal Split“)

− Anteile der verschiedenen Verkehrsmittel an der Personenverkehrsleistung des Kreises X

Small Area-Verfahren Hilfsmerkmale des Unit-Level-Modells in MiD (Kreisebene)


Hilfsvariable der Small-Area-Schätzung

Stichprobenvariable (Personenebene)

Aggregierte Variablenwerte (Kreisebene) und Datenquelle

Alter Alter in Jahren mittleres Alter (StB-RDB)

Geschlecht 1 = weiblich 0 = männlich

Anteil weibliche Personen an Gesamtbevölkerung (StB-RDB)

Erwerbstätigkeit 1 = berufstätig 0 = nicht berufstätig

Anteil Erwerbstätige an Gesamtbevölkerung (StB-Z)

Haushaltsgröße 1 = Person lebt in Einpersonenhaushalt 0 = sonst

Anteil Personen in Einpersonenhaushalten an Gesamtbevölkerung (StB-Z)

Pkw-Ausstattung Anz. Pkw im Haushalt / Anzahl Personen im Haushalt

Pkw-Bestand / Bevölkerung („Pkw-Dichte“) (StB-RDB)

Raumtyp Zugehörigkeit der Gemeinde, in der die Person wohnt, zum Raumtyp (RegioStaR 4) (jeweils 0/1-Variable)

Verteilung der Bevölkerung nach Raumtyp RegioStaR 4 (BMVI) (metropolitane Stadtregion, regiopolitane Stadtregion, stadtregionsnahe ländliche Region, periphere ländliche Region); Anteilswerte

Hilfsvariable der Small-Area-Schätzung

Stichprobenvariable (Personenebene)

Aggregierte Variablenwerte (Kreisebene) und Datenquelle

Wochentagstyp des Stichtags

1 = Stichtag Mo bis Fr 0 = Stichtag Sa oder So

Anteil Werktage (Mo bis Fr) an allen Tagen der Woche (5/7 = 71,43 %)

Quartal des Stichtags

Quartal des Berichtstages der Person (jeweils 0/1-Variable)

Verteilung der Tage des Jahres nach Quartal (Anteil jeweils 25 %)

Haushalts-einkommen

Haushaltseinkommen / Anzahl Personen im Haushalt

durchschnittliches Haushalts-einkommen in € je Einwohner (INKAR)

Eigentümerquote 1 = Person lebt in Eigentümerhaushalt 0 = Person lebt in Mieterhaushalt bzw. „anderes“

Anteil Personen in Eigentümerhaushalten an Gesamtbevölkerung (geschätzt aus Anz. Wohnungen (StB-Z) x mittlere Anz. Personen in Mieter- bzw. Eigentümerhaushalten (Mikrozensus))

INKAR = Indikatoren und Karten zur Raum- und Stadtentwicklung des BBSR StB-RDB = Regionaldatenbank Deutschland StB-Z = Zensus 2011

Small Area-Verfahren Ergebnisse - Schätzung der mittleren täglichen Wegehäufigkeit


Erläuterungen: Für die Schätzung des Mittelwerts der täglichen Weghäufigkeit von Personen für die einzelnen Landkreise und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf der vorherigen Folie dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [2.91 3.40] Rohdaten [1.20 5.27]

Small Area-Verfahren Ergebnisse - Schätzung der mittleren Tagesstrecke


Erläuterungen: Für die Schätzung der mittleren Tagesstrecke für die einzelnen Landkreise und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [31.55 48.77] Rohdaten [ 6.73 87.06]

Small Area-Verfahren Ergebnisse - Schätzung der Mobilitätsquote


Erläuterungen: Für die Schätzung der Mobilitätsquote für die einzelnen Landkreise und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [83.3 90.3] Rohdaten [57.1 100.0]

Erläuterungen: Für die Schätzung des Anteils des Verkehrsmittels ÖV am gesamten Personenverkehrsaufkommen in den einzelnen Landkreisen und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [ 5.35 22.78] Rohdaten [ 0.00 21.73]

Small Area-Verfahren Ergebnisse - Schätzung des Anteils des Verkehrsmittels ÖV


Erläuterungen: Für die Schätzung des Anteils des Verkehrsmittels ÖV an der gesamten Personenverkehrsleistung in den einzelnen Landkreisen und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [10.79 36.57] Rohdaten [ 0.00 49.57]

Small Area-Verfahren Ergebnisse - Schätzung des Anteils des Verkehrsmittels ÖV (2)


Erläuterungen: Für die Schätzung des Anteils des Verkehrsmittels MIV (Fahrer) am gesamten Personenverkehrsaufkommen in den einzelnen Landkreisen und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [23.53 58.83] Rohdaten [25.00 67.12]

Small Area-Verfahren Ergebnisse - Schätzung des Anteils des Verkehrsmittels MIV (Fahrer)


Erläuterungen: Für die Schätzung des Anteils des Verkehrsmittels MIV (Mitfahrer) am gesamten Personenverkehrsaufkommen in den einzelnen Landkreisen und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [ 9.44 16.96] Rohdaten [ 0.00 33.33]

Small Area-Verfahren Ergebnisse - Schätzung des Anteils des Verkehrsmittels MIV (Mitfahrer)


Erläuterungen: Für die Schätzung des Anteils des Verkehrsmittels Fahrrad am gesamten Personenverkehrsaufkommen in den einzelnen Landkreisen und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [2.56 30.15] Rohdaten [0.00 31.65]

Small Area-Verfahren Ergebnisse - Schätzung des Anteils des Verkehrsmittels Fahrrad


Erläuterungen: Für die Schätzung des Anteils des Verkehrsmittels zu Fuß am gesamten Personenverkehrsaufkommen in den einzelnen Landkreisen und kreisfreien Städte der Bundesrepublik Deutschland wurde ein Unit-Level-Modell mit den auf Folie 9 dargestellten Hilfsmerkmalen verwendet. Die Grafik zeigt die gebietsspezifischen Schätzwerte (EBLUP_A). Spannweite der Kreis-Ergebnisse: SAE [15.22 30.40] Rohdaten [ 0.00 50.00]

Small Area-Verfahren Ergebnisse - Schätzung des Anteils des Verkehrsmittels zu Fuß


Small Area-Verfahren Fazit und Ausblick


• Small Area Verfahren bieten im Rahmen der MiD die Möglichkeit, auch für Regionen (Kreise), in denen nur wenige primär erhobene, empirische Daten vorliegen, Aussagen zu Verkehrskennzahlen treffen zu können. Voraussetzung ist, dass für diese Regionen entsprechende Daten zu den benötigten Hilfsmerkmalen vorliegen. Die Aussagekraft der Modelle und damit der Ergebnisse hängt dabei entscheidend von der richtigen Auswahl der herangezogenen Hilfsmerkmale sowie der Verfügbarkeit und der Qualität der zugehörigen Daten ab.

• In einem weiteren Schritt könnten die Modelle auf kleinräumigere Einheiten (z.B. Prognoseräume, welche für die BVWP-Verkehrsprognosen relevant sind), angewendet werden. Eine Herausforderung hierbei ist, dass je kleinräumiger modelliert werden soll, desto komplizierter ist natürlich auch die Bereitstellung von Daten für die Hilfsmerkmale dieser Gebietseinheiten.

• Weitere Informationen finden sich im Paper „Mobilität in Deutschland 2017 - Regionalisierung von MiD-Ergebnissen: Small-Area-Methoden zur Schätzung von Verkehrskennzahlen in kleinräumiger Gliederung“.

20

Robert Follmer Bereichsleiter Tel. 0228/38 22-419 Fax 0228/31 00 71 E-Mail [email protected] Dana Gruschwitz Senior-Projektleiterin Tel. 0228/38 22-431 Fax 0228/31 00 71 E-Mail [email protected] Johannes Eggs Projektleiter Tel. 0228/38 22-525 Fax 0228/31 00 71 E-Mail [email protected]

Claudia Nobis Gruppenleiterin Tel. 030/670 55-233 Fax 030/670 55-283 E-Mail [email protected]

Marcus Bäumer Geschäftsführer Tel. 0621/15 03 08 30 Fax 0621/15 03 08 22 E-Mail [email protected]

Michael Herter Geschäftsführer Tel. 0228/74 887-361 Fax 228/74 887-399 E-Mail [email protected]

Ansprechpartner


Documents

Informationen für Auftraggeber und Nutzer der Studie · eine Studie des: durchgeführt von: in Kooperation mit: Small Area-Schätzung bundesweiter Regionaldaten . Marcus Bäumer,