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.

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.

Mikrozensus 2018 (Wohnmodul) sowie ausgewählte Merkmale (u. a. zur Bevölkerungsstruktur, zu Wahlergebnissen oder zum sozioökonomischen Status) aus der Landesdatenbank