Effects of changes in data collection mode on data quality in administrative data: the case of participation in programmes offered by the German employment agency

Abstract

'Bis administrative Daten als Forschungsdatensätze zur Verfügung stehen, haben sie oft einen Weg durch zahlreiche organisatorische Einheiten hinter sich und wurden in vielerlei Datenformaten gespeichert. Die Transformationen operativ erfasster Daten in ein Data Warehouse und weiter die Integration von Daten aus verschiedenen operativen Verfahren in einem Forschungsdatensatz beinhalten viele Abbildungen von Identifikatoren und Variablen. Eine besondere Herausforderung entsteht, wenn eines der Zwischenprodukte sich in der Struktur ändert. Die sich ergebenden Probleme sind nicht nur technischer Natur, sondern liegen auch in Fragen der Einordnung bestimmter Konzepte in einen wissenschaftlichen Theoriezusammenhang. Für Langzeituntersuchungen ist es entscheidend. die Vergleichbarkeit zwischen verschiedenen Versionen eines Datenprodukts sicherzustellen. So ist es eine Hauptaufgabe nach strukturellen Veränderungen der Datenquellen oder des Transformationsprozesses der Daten zu einem Forschungsdatensatz für die Identifizierbarkeit von einzelnen Fällen aus einem früheren Datensatz in einer neuen Version zu sorgen. Eine Fallstudie der Integrierten Erwerbsbiografien (IEB) des Instituts für Arbeitsmarkt- und Berufsforschung (IAB) wird als Beispiel dieser Problemlage vorgestellt. In einem ersten Schritt werden Ursachen für Veränderungen in den Quellen und methodische Probleme der Datenqualität beleuchtet. In einem zweiten Schritt werden einige exemplarische Prüfungen grundlegender Variablen für die Erstellung von Stichproben und wissenschaftliche Analysen erörtert.' (Autorenreferat)

'Until administrative data are available as research datasets, they are passed through many organizational units and stored in different formats. The transformations of collected data to a data warehouse and further the integration of data from several operational sources to an integrated dataset for research projects include various mappings of identifiers and variables. A particular challenge arises, whenever one of the intermediate products changes. The resulting difficulties are not only technical in nature, but may well lie in aspects of the theoretical interpretation in a particular research context. For long-term research projects, it is essential to ensure comparability between several versions of this dataset. So the main task resulting from changes in the data sources is to ensure that observations of a former version of a research dataset can be identified after these changes. A case study of the Integrated Employment Biographies (IEB) is presented as an example of these problems. In a first step reasons for changes in the data sources and the methodological problems of transformation between several versions of a research dataset are highlighted. In a second step some tests of variables fundamental for research analysis and stratification are presented.' (author's abstract)