Martin-Luther-Universität Halle-Wittenberg

Weiteres

Login für Redakteure

Dipl.-Kffr. Lisiane Schnegelsberg

Lisiane Schnegelsberg

Lisiane Schnegelsberg

Lisiane Schnegelsberg

Kontakt

E-Mail:

Persönliche Daten

  • 03/2010 - 02/2018 wissenschaftliche Mitarbeiterin am Lehrstuhl für Statistik der Martin-Luther-Universität Halle-Wittenberg
  • 01/2007 - 02/2010 wissenschaftliche Hilfskraft am Lehrstuhl für Statistik der Martin-Luther-Universität Halle-Wittenberg
  • 10/2005 - 02/2010 Studium der Betriebswirtschaftslehre an der Martin-Luther-Universität Halle-Wittenberg mit den Schwerpunkten Statistik, Marketing und Controlling
  • Jahrgang 1985

Forschungsschwerpunkt

Modell-gestützte Bewertung von Verfahren zur Erhebung sensibler Merkmalen

In der Erhebungsmethodik stellt die Formulierung von Fragen eine Herausforderung dar. U.a. müssen Fragen so formuliert werden, dass der interessierende Sachverhalt mit hoher Wahrscheinlichkeit wahrheitsgemäß erhoben werden kann. D.h. eine Frage soll von möglichst vielen Probanden ehrlich beantwortet werden. Besonders schwierig sind diese Anforderungen beim Abfragen von sensiblen Merkmalen wie z.B. Steuerhinterziehung oder Schwarzarbeit zu erfüllen. Bei solchen Merkmalen ist davon auszugehen, dass Individuen einen Anreiz haben, falsche Angaben zu machen oder die Antwort zu verweigern. In der Vergangenheit wurden verschiedene Verfahren entwickelt, um diesem Problem zu begegnen.

Die wohl bekannteste Methode ist die Randomized-Response-Technique [5, Warner 1965]. Diese Methode fördert die ehrliche Beantwortung von sensiblen Fragen dadurch, dass die zu beantwortende Frage über einen Zufallsmechanismus aus einem Set von Fragen (meist nur zwei) ausgewählt wird. Dabei behandelt nur eine der Fragen den interessierenden, sensiblen Sachverhalt. Der Interviewer erfährt nicht, auf welche Frage der Befragte antwortet. Dieser Ansatz wurde seither weiterentwickelt. Z.B. wurden Varianten vorgestellt, die für verschiedene Fragetypen geeignet sind [1, Abul-Ela/Greenberg/Horvitz 1967], und auch Ansätze, die die Erhebung von sensiblen metrischen Merkmalen ermöglichen [2, Greenberg/Abernathy/Horvitz 1969].

Einen alternativen Ansatz zur Erhebung sensibler Fragen stellt die Item-Count-Technique dar [3, Miller 1984]. Hierbei werden zwei Sets von Fragen erstellt. Im Kontroll-Set befinden sich dabei nur Fragen, die unsensible Merkmale erheben. Das sensible Set unterscheidet sich dadurch, dass die interessierende, sensible Frage zusätzlich zu den anderen Fragen in das Set aufgenommen wird. Die Menge der Probanden wird in eine Kontrollgruppe und eine Erhebungsgruppe unterteilt, wobei die Probanden der Kontrollgruppe die Fragen des Kontroll-Sets und die Probanden der Erhebungsgruppe die Fragen des sensiblen Sets zugewiesen bekommen. In beiden Gruppen beantworten die Probanden die Fragen nicht direkt, sondern berichten nur die Anzahl der positiv beantworteten Fragen.

Die allgemeinen Annahmen, die diesen Ansätzen zugrundeliegen, sind dabei ähnlich. Diese betreffen vor allem die kognitiven Fähigkeiten und die Ehrlichkeit der Probanden. Unter diesen Bedingungen führen diese Verfahren zu einer Erhöhung der Beantwortungsquote, d.h., dass die Wahrscheinlichkeit, die sensible Frage wahrheitsgemäß zu beantworten, steigt. Allerdings ist unklar, wie sich eine Verletzung dieser Annahmen auf die Güte dieser Verfahren (d.h. die Beantwortungsquote) auswirkt. In einem Beitrag von 1988 hinterfragen Nathan und Sirken dies bei der Grundform von Randomized-Response. Sie stellen ein Modell auf, das den Prozess der Beantwortung einer solchen Befragung nachbildet [4, Nathan/Sirken 1988]. Dabei werden explizit Wahrscheinlichkeiten für Nichtbeantwortung bzw. unehrliche Beantwortung der verschiedenen Fragen berücksichtigt. Die erwartete Beantwortungsquote ergibt sich dann in Abhängigkeit der modellierten Wahrscheinlichkeiten.

Ziel dieses Projekts ist es, dieses Verhaltensmodell zu verallgemeinern und auf andere Befragungsverfahren für sensible Sachverhalte zu übertragen. Dies soll als Basis für ein Bewertungsverfahren dienen, das es ermöglicht, die unterschiedlichen Befragungsverfahren hinsichtlich ihrer Robustheit gegenüber von Verhaltensannahmen miteinander zu vergleichen.

Basisquellen

[1] Abul-Ela, Abdel-Latif A., Bernard G. Greenberg und Daniel G. Horvitz: A Multi-Proportions Randomized Response Model. Journal of the American Statistical Association, 62(319):pp. 990-1008, 1967.

[2] Greenberg, B.G., J.R. Abernathy und D.G. Horvitz: Application of the randomized response technique in obtaining quantitative data. In: Proceeding of Social Section (JSM), Seiten 40-43. American Statistical Association, 1969.

[3] Miller, J.D.: A new survey technique for studying deviant behavior. Dissertation, The George Washington University, 1984.

[4] Nathan, G und MG Sirken: Cognitive Aspects of Randomized Response. In: Proceedings of the Section on Survey Research Methods, Seiten 173-178. American Statistical Association, 1988.

[5] Warner, Stanley L.: Randomized Response: A Survey Technique for Eliminating Evasive Answer Bias. Journal of the American Statistical Association, 60(309):pp. 63-69, 1965.


Wissenschaftliche Arbeiten

Vorträge

  • Schnegelsberg, L./Becker, C.: A discrete choice model based assessment of privacy protecting survey methods; Statistische Woche 2013, Berlin, 19.09.2013.
  • Cardoso Jacobs, L./Becker, C.: A discrete choice model based assessment of privacy protecting survey methods; ESRA 2013, Ljubljana, 17.07.2013.
  • Cardoso Jacobs, L.: Modellgestützte Bewertung von Verfahren zur Erhebung sensibler Merkmale; SFB 823, Dortmund, 05.06.2012.

Tagungsorganisation


Lehrtätigkeit

  • R-Tutorium (SS 2015)
  • Übung Schätzen und Testen (SS 2013)
  • Übung Erhebungstechniken (WS 2012/13)
  • Übung Multivariate Verfahren (seit SS 2012)
  • Vorlesung Anwendungsprojekte (seit WS 2011/12)
  • Blockseminar Statistik (SS 2010)
  • Bachelor-Seminar "Gründungsmanagement" (SS 2009)
  • Übung Statistik 1 und Statistik 2 (seit WS 2008/09)
  • Tutorium Statistik 2 (SS 2007 bis SS 2009)
  • Tutorium Statistik 1 (WS 2007/08)
  • Zum Seitenanfang