Big Observation – Ein Vergleich moderner Beobachtungsformate am Beispiel von amtlicher Statistik und Recommendersystemen

ZusammenfassungDer Beitrag verortet digitale Technologien in der Geschichte moderner Beobachtungsformate. Das Konzept des Beobachtungsformats verhilft dazu, Einrichtungen in einen Zusammenhang zu bringen, die auf den ersten Blick wenig miteinander zu tun haben: die amtliche Statistik, die Meinungs- und Marktforschung, Monitoringsysteme und digitale Beobachtungsinstrumente wie Suchmaschinen, soziale Netzwerke oder Recommendersysteme. Die Gemeinsamkeit liegt darin, dass es sich in allen Fällen um Instanzen handelt, die regelmäßig Daten erheben und in diesen Daten nach Ordnungsmustern suchen. Sie sind markante Beispiele des Quantifizierungsschubs, der die (westlichen) Gesellschaften seit dem 18. Jahrhundert erfasst hat. Der Beitrag greift zwei Beispiele heraus – die Bevölkerungsstatistik als historisch erstes modernes Beobachtungsformat und personalisierte Recommendersysteme als prototypischen Fall digitaler Beobachtungsinstrumente – und vergleicht sie in Hinblick auf ihre Beobachtungstechnik: Wie werden die Zahlen fabriziert, mit deren Hilfe die amtliche Statistik die Gesellschaft beobachtet, und welche Beobachtungsverfahren setzen Recommendersysteme ein, um zu personalisierten Empfehlungen zu gelangen, und welche Rolle spielen dabei Vergleich, Bewertung, Kategorisierung und Quantifizierung? Der Vergleich macht nicht nur sichtbar, wie Statistiken und digitale Technologien beobachten und worin sich ihre Beobachtungstechnik unterscheidet, sondern er gibt auch Aufschluss darüber, wie sich die Praktiken und Prämissen sozialer Beobachtung in den letzten 200 Jahren verändert haben.

Anwendungen des Web Scraping in der amtlichen Statistik

ZusammenfassungIm World Wide Web (kurz „Web“) sind große Datenmengen verfügbar, die auch die amtliche Statistik für sich nutzbar machen kann. Die Extraktion dieser Daten durch Web Scraping bietet vielfältige Potenziale, beispielsweise die Kosten für die Datenerhebung reduzieren, Befragte entlasten, die Qualität amtlicher Daten verbessern oder stichprobenrelevante Einheiten in Befragungen identifizieren. Am Beispiel der Preis‑, Tourismus‑, Arbeitsmarkt- und Unternehmensstatistik wird in diesem Beitrag aufgezeigt, wie die amtliche Statistik in Deutschland bereits Web Scraping nutzt. Viele der hier aufgeführten Anwendungen befinden sich noch in einem frühen Entwicklungsstadium. In anderen nationalen Statistikämtern werden Daten aus dem Web zum Teil bereits in einem größeren Ausmaß für experimentelle Statistiken und im Produktivbetrieb genutzt. Dies ist unter anderem auf eine teils unzureichende rechtliche Grundlage von Web Scraping in der amtlichen Statistik in Deutschland, auf eine für die Methode nicht adäquate IT-Infrastruktur sowie auf einen Mangel an Mitarbeitenden mit den notwendigen Qualifikationen zurückzuführen.

Statistische Krankenhausdaten: Diagnosedaten der Krankenhauspatienten 2018

Zusammenfassung Zusammenfassung Die Diagnosen der Krankenhauspatienten bilden das gesamte vollstationäre Geschehen in den deutschen Krankenhäusern ab. Dieser Beitrag beschreibt die Ergebnisse der Diagnosedaten der Krankenhauspatienten für das Jahr 2018. Diese amtliche Statistik wird seit 1993 jährlich als Vollerhebung durchgeführt, alle Krankenhäuser in Deutschland sind auskunftspflichtig. Erfasst werden alle Patienten, die im Berichtsjahr aus der vollstationären Behandlung eines Krankenhauses entlassen werden. Im Jahr 2018 waren dies knapp 20 Millionen Patienten; damit ist die Fallzahl im Vorjahresvergleich weiter gesunken. Die Ergebnisse der Diagnosen werden nach wichtigen Indikatoren wie Hauptdiagnosen, Alter, Geschlecht und Verweildauer dargestellt. Aufgrund geschlechts- und altersspezifischer Morbiditätshäufigkeiten werden die Ergebnisse teilweise standardisiert und so um den demographischen Effekt bereinigt. Dadurch sind bevölkerungsunabhängige Aussagen möglich.

Die relative Steuerbelastung mittelständischer Kapitalgesellschaften: Evidenz von handelsbilanziellen Mikrodaten

Zusammenfassung:Die amtliche Statistik stellt keine hinreichend disaggregierte Steuerstatistik zur Verfügung, um die relative Steuerbelastung mittelständischer Kapitalgesellschaften in Deutschland zu ermitteln. Aufgrund des Steuergeheimnisses liegen auch keine Mikrodaten zu den Steuererklärungen vor. Jedoch kann auf handelsbilanzielle Daten zurückgegriffen werden, um die effektive Steuerbelastung zu messen. Wir diskutieren die dabei auftretenden methodischen Probleme und verwenden einen vergangenheitsorientierten Ansatz, der den Vorteil hat, für Steueroptimierungsstrategien der Unternehmen und eine möglicherweise unterschiedliche Schärfe der Steuerprüfungen zu kontrollieren. Wir nutzen gewichtete 6 %-trimmed Quantilsschätzungen mit Bootstrapping, um belastbare Ergebnisse für profitable Unternehmen herzuleiten. Auf dieser Basis schätzen wir die effektive Steuerbelastung von kleinen, mittleren und großen Kapitalgesellschaften für die Jahre 1998 bis 2007. Wir finden Evidenz für eine Belastung gemäß einer umgekehrten U-Form: kleine Unternehmen haben eine signifikant geringere Steuerbelastung als mittelgroße Unternehmen, welche wiederum eine signifikant höhere Last als die großen Unternehmen aufweisen. Im betrachteten Zeitraum kann bei Kapitalgesellschaften daher von einem „Mittelstandsgipfel“ der Besteuerung gesprochen werden. Gegeben die empirische Evidenz, dass kleine und mittlere Unternehmen (KMU) Wachstum und Beschäftigung fördern, würde die Körperschaftsteuer in Deutschland die Wachstums- und Beschäftigungsperspektiven beeinträchtigen. Wir finden darüber hinaus Evidenz für einen signifikanten Entlastungseffekt durch die „Steuerreform 2000“, der bei kleinen, mittleren und großen Kapitalgesellschaften unterschiedlich stark ausfiel.

Wirtschaftspolitik und Statistik

Die Welt, in der die amtliche Statistik ihre Aufgaben wahrzunehmen hat, hat sich dramatisch verändert. Die strategische Position der amtlichen Statistik ist schwierig geworden: Die Umorientierung der Wirtschaftspolitik seit den sechziger Jahren hat dieBedeutung zentraler Ergebnisse der amtlichen Statistik (wie etwa der VolkswirtschaftlichenGesamtrechnung) für die heimischen Entscheidungsträger reduziert. Gleichzeitig erfordern die durch den Beitritt Österreichs zur Europäischen Union eingegangenen Verpflichtungen aber eine signifikante Leistungsausweitung der amtlichen Statistik. Der Widerstand der Respondenten wächst. Deregulierung und Liberalisierung erschweren in vielen Fällen dieArbeit der Statistik. Kennzeichen der neuen Wirtschaft wie neue Arten wirtschaftlicherAktivitäten, neue Formen von Beschäftigungsverhältnissen und Arbeitszeitregelungen sind mit traditionellen Instrumenten schwierig in den Griff zu bekommen.Ein erfolgreiches Bestehen der amtlichen Statistik in Österreich setzt voraus, daß die neue Führung bürokratische Hindernisse überwinden und eine Aufwertung der Tätigkeit der Anstalt – auch im Urteil der Öffentlichkeit – erreichen kann.