Neue Studie zur regionalen Impfbereitschaft: Anteil der Corona-Impfgegner in Niedersachsen am größten.

Durch ein neu angewendetes Verfahren hat infas 360 gemeinsam mit dem infas Institut die Befragungsergebnisse zur Impfbereitschaft aus dem Februar und März erstmals bevölkerungsrepräsentativ (ab 18 Jahren) regionalisiert. Im Ergebnis liegen nun fünf Impfgruppen für alle Bundesländer und auf Wunsch pro Kreis bzw. kreisfreier Stadt vor.

Die Corona-Impfgruppen

Bei der Befragung wurde neben der Gruppe der bereits Geimpften (6,5%) die Impfbereitschaft in vier Gruppen mit der Fragestellung: „Würden Sie sich impfen lassen, wenn Ihnen eine Impfung angeboten werden würde?“ unterteilt nach folgenden Antwortmöglichkeiten:

  •  Ja, sobald dieses Angebot besteht (56,2%)
  •  Ja, aber ich warte noch etwas ab (11,9%)
  •  Ich habe noch nicht entschieden, ob ich mich impfen lassen werde (14%)
  •  Nein (11,4%)

In Klammern die jeweils bundesweiten Ergebnisse dazu mit Stand Februar/März. Hinweis: Durch den Befragungszeitraum können hier abweichende Zahlen zur Impfquote / Impfwillige je Bundesland entstehen.  Der Fragebogen kann hier CM_Health_FB_2021_01 eingesehen werden. 

Die Regionalisierung

Durch eine neuartige Kombination des Online-Access-Panels von infas 360 mit über 10.000 Befragten und den Daten aus der monatlich fortlaufenden telefonischen Befragung auf Basis einer ADM-Zufallsstichprobe (Dual Frame) des infas Instituts ist es mittels einer „Blended Calibration“ gelungen, die Ergebnisse repräsentativ auf Bundeslandebene zu regionalisieren. Die Ergebnisse lassen sich nun für alle Impfgruppen wie folgt darstellen (Anm.: Ja in einer Gruppe zusammengefasst als Impfwillige).

Danach ist die Impfbereitschaft (inkl. der bereits Geimpften) in Bremen, Hamburg, Saarland und NRW am größten. Dagegen weisen Niedersachen und Sachsen-Anhalt die meisten Impfverneinenden auf. Die Gruppe der Abwägenden mit ihrer Antwort „Ich habe noch nicht entschieden, ob ich mich impfen lassen werde“ stellen für die Impfstrategie ein wesentliche Kenngröße dar, gilt es diese, noch zu überzeugen und tendieren hin zum NEIN. In Thüringen, Mecklenburg-Vorpommern und Baden-Württemberg ist das rund jeder vierte.

Hier geht‘ zur interaktiven Karte der Impfverneinenden …
Hier geht‘ zur interaktiven Karte der Impfwilligen …
Hier geht‘ zur interaktiven Karte der Impfabwägenden …

Ausblick

Das nun vorliegende „Blended Sample“ von über 12.000 Befragten kann nun in einem nächsten Schritt mittels Small Area Methoden auf Kreisebene für alle 401 Kreise in Deutschland berechnet werden. Unser Consulting-Team gibt Ihnen darüber gerne unter consulting@infas360.de weitere Auskünfte.

Impfverneinde

Klicken Sie auf den unteren Button, um den Inhalt von datawrapper.dwcdn.net zu laden.

Inhalt laden


Impfwillige

Klicken Sie auf den unteren Button, um den Inhalt von datawrapper.dwcdn.net zu laden.

Inhalt laden


Impfabwägende

Klicken Sie auf den unteren Button, um den Inhalt von datawrapper.dwcdn.net zu laden.

Inhalt laden

Small Statistical Areas – Potentiale mikrogeographischer Strukturen und Daten für Wirtschaft und Wissenschaft

Das Statistische Bundesamt und die Deutsche Statistische Gesellschaft veranstalten am 14. und 15. November 2019 ihr 28. gemeinsames wissenschaftliches Kolloquium, in diesem Jahr in Bonn. Das Thema der Veranstaltung lautet „Potentiale und Anwendungen georeferenzierter Daten“. Das Kolloquium als Teil einer fest etablierten Veranstaltungsreihe soll wieder ein Forum für den wissenschaftlichen Dialog zwischen amtlicher Statistik und ihren Nutzern, besonders aus den Bereichen Wissenschaft, Wirtschaft, Politik und Verwaltung bieten.

Ein Vortrag zum Thema lautet: „Small Statistical Areas – Potentiale mikrogeographischer Strukturen und Daten für Wirtschaft und Wissenschaft“ und wird von Michael Herter, Geschäftsführer der infas 360 GmbH, gehalten. Er beschäftigt sich mit seinem Team u.a. mit feinräumigen Gebieten, die statistische Daten enthalten. Sie werden im angelsächsischen Sprachraum auch Small Statistical Areas (SSAs) bezeichnet und gehen Hand in Hand mit sogenannten Small-Area-Methoden (verkürzt SAM), die sich im Wesentlichen für die Verbesserung von Schätzungen eben dieser feinräumigen Daten sorgen. Im Zentrum steht dabei das Regionalisieren, also das „Herunterrechnen“ von vorliegenden Daten auf gröberen Regionen in feinere geographische Einheiten auch wenn diese nur sehr wenige oder gar fehlende (Befragungs-)Werte aufweisen (siehe dazu auch Blogbeitrag „Auf den Hund gekommen“).

Das Abstract zum Vortrag erhalten Sie hier als PDF zum Download Small Statistical Areas-FINAL. Die Präsentation zu „Small Statistical Areas – Potentiale mikrogeographischer Strukturen und Daten für Wirtschaft und Wissenschaft“ ist ab 15.11.2019 über unser Consulting-Team consulting@infas360.de erhältlich.

 

 

 

DataFest 2019: Heute ist Startschuss und wir sind dabei!

Das DataFest ist Wettbewerb und interdisziplinäreres Team Event zugleich, bei dem StudentInnen die einzigartige Möglichkeit haben, große Datenmengen zu bearbeiten und nach ihren Ideen auszuwerten. Die Bachelor- und Master-Studierende aller Fachrichtungen, insbesondere der Sozialwissenschaften, Statistik, Informatik und Wirtschaftswissenschaften formieren sich dabei in Teams von 2 bis 5 Personen.

Daten und Aufgabenstellung werden erst zum Startschuss, am 3. Mai um 18h im Hörsaalgebäude B6 an der Universität Mannheim, bekanntgegeben. Großes Finale ist dann am Sonntag (5.5. um 16h), bei der eine Jury die Auswertungen nach den Kategorien

  • Best Insight
  • Best Visualization
  • Best Use of Outside Data

prämiert. Ein Jury-Mitglied stellt infas 360 mit Dr. Barbara Wawrzyniak, die bereits 2015 die Ergebnisse der Teilnehmer beurteilen durfte. „Es ist ein ganz besonderer Spirit, den alle beim DataFest ausstrahlen.“, kommentiert die Leiterin für Daten und Analysen das Event.

Das DataFest 2019 ist das fünfte Mal in Deutschland und wird von einem Konsortium bestehend aus dem Lehrstuhl für Statistik und sozialwissenschaftliche Methodenlehre an der Universität Mannheim, dem Institut für Statistik der LMU München und der P3 Group organisiert. Unter dem Dach der American Statistical Association finden viele weitere DataFeste in den USA statt.

Für weitere Informationen kontaktieren Sie bitte unser Consulting-Team unter consulting@infas360.de 

 

 

Kostenloses Dokument erhältlich: Einsatzmöglichkeiten der Programmiersprache R für Small Area Methoden (SAM)

(Copyright Foto: infas 360 GmbH)

„Small Area Methods“ (SAM) bzw. die Small Area Estimation (SAE) (dt. feinräumige Schätzung) haben sich als Verfahren für Analysen der Gebietsplanung und des entsprechenden Marktpotenzials durchgesetzt. In diesem Kontext sind regionalisierte Daten zukunftsweisend, da diese zu feinräumigeren und exakteren Analyseergebnissen führen.

Für infas 360 hat Ayhan Doger, Freier Informatiker aus Bonn, die Möglichkeiten beleuchtet wie mit der Programmiersprache R Small Area Methoden angewendet werden können. Im Ergebnis steht nun Interessierten ein kostenloses, wissenschaftliches Dokument von 13 Seiten zur Verfügung, das aufzeigt wie Mithilfe spezieller R-Bibliotheken die Nutzung der Methoden programmiertechnisch unterstützt wird. Nach einer kurzen Einleitung in SAM, R, RStudio und das SAE-Package in R werden Implementierungsmöglichkeiten diskutiert und eine exemplarische Realisierung der SAE in R präsentiert.

Nachfolgend können Sie das Dokument kostenlos bei infas 360 anfordern. Hier aber zur besseren Übersicht das Inhaltsverzeichnis:

1 Einleitung. 
2 Kernbegriffe und -methoden
2.1 Regionalisierung 
2.2 SAE und SAM 
2.3 CRAN-R
3 Methoden und Werkzeuge
3.1 Entwicklungsumgebung RStudio
3.2 SAE-Package – CRAN-R
4 Implementierung
4.1 Installation der SAE-Packages
4.2 Anwendung der „Basic direct and indirect estimators“ im SAE-Package
4.3 Visualisierung per Plot
4.4 Vergleich der Direct Estimates mit den Empirical Bayes (EB)-Estimates
5 Ergebnisse.
6 Next Steps
7 Quellenverzeichnis

Sollten Sie sich für das Dokument interessieren, dann kontaktieren Sie uns. Das Dokument wird Studenten sowie Wissenschaft und Wirtschaft kostenlos zur Verfügung gestellt unter Consulting@infas360.de

 

Aktuell hohes Kaufinteresse für e-Bikes. Marktdurchdringung in Deutschland steht vor Verdopplung.

(Copyright Foto: fotolia.com/studio4pic)

Im Rahmen der Untersuchung energieautarker Haushalte hat infas 360 rund 10.500 Personen umfassend zum aktuellen Besitz und geplanten Kauf energierelevanter Produkte- und Haussysteme befragt.

In diesem Zusammenhang wurde neben Photovoltaikanlagen, Stromspeichern & Smart Home-Techniken auch nach e-Bike, Hybrid- und e-Auto gefragt.

756 von 10.428 Personen (7,25%) gaben an, bereits ein e-Bike zu besitzen. Weitere 3.307 bzw. 31,8% sprachen wie folgt von einem konkreten Interesse

  • 15,3%: „Ich habe davon gehört und interessiere mich für das Produkt.“
  • 10% : „Ich beobachte die Angebote im Markt.“
  • 2,6% : „Ich habe mich zum Produkt bereits beraten lassen.“
  • 2,8% : „Ich plane zu kaufen und hole Angebote ein.“
  • 1% : „Ich habe mich entschieden zu kaufen.“

Neben Kaufinteresse an Energieprodukten wurde zusätzlich in der Studie der geplante Kaufzeitpunkt abgefragt (innerhalb von 12, 12-24 und > 24 Monaten).

Von den o.g. 3.307 planen in den nächsten 12 Monaten 22,8% die Anschaffung eines e-Bikes (754 Personen). Das ist eine gleichgroße Gruppe zu den Besitzern.

Zu Gender und Alter: Frauen interessieren sich deutlich weniger für das Produkt als Männer (63,4% zu 53,23%). Die affinste Altersgruppe als Absatzpotenzial ist Gruppe der 45-64 Jährigen. Aktuell ist noch die Gruppe der 65-74 Jährigen bei den Besitzern überproportional vertreten.

Zur Studie: Der CASA Monitor ist eine Online-Umfrage zu wechselnden Themen wie Energie, Telekommunikation, Kauf- und Freizeitverhalten. Es werden p.a. rund 30.000 Personen bundesweit befragt.  Die Ergebnisse liegen mittels Small Area Methoden feinräumig regionalisiert vor oder werden dazu genutzt, Zielgruppensegmentierungen für Strategie & CRM zu ermitteln. 

Der aktuelle CASA Monitor Energie (07/18) wird so erstmals eine bedürfnisorientierte Zielgruppensegmentierung für energieautarke Haushalte liefern.

Kontakt und weitere Infos unter Consulting@infas360.de

 

Siehe dazu auch: http://www.allgemeine-zeitung.de/lokales/bad-kreuznach/stadt-bad-kreuznach/das-e-bike-startet-voll-durch_18968453.htm

 

Dafür brauchen Sie keinem mehr aufs Dach zu steigen! Ob Flachdach, Sattel- oder Walmdach – alle Dachformen für alle Häuser verfügbar.

(Copyright Foto: Open Data NRW)

Angenommen Sie sind Dachdecker und möchten wissen, welche Form das Dach eines Gebäudes hat, ohne zu der Adresse hinfahren zu müssen – und angenommen Sie möchten jetzt auch noch wissen, wieviel Quadratmeter Fläche dieses Dach hat, ohne auf das Dach steigen zu müssen – dann, ja dann könnte der neue Datensatz der infas 360 genau das richtige sein:

Dank der Open Data Initiative der Länder Berlin, Hamburg, NRW und Thüringen (weitere werden folgen) sind amtliche Daten als 3D-Gebäudedaten im Leven-of-Detail 2 (LoD2) frei verfügbar. Das bedeutet, dass nicht nur Gebäudehöhe zu einem Gebäude bekannt ist (Klötzchenmodell), sondern auch die Dachstrukturen und damit die Dachtypen geometrisch angegeben werden.

Abbildung 1: LoD2 am Beispiel Bonn am Stadthaus, Quelle: Open Data NRW. 

infas 360 bereitet diese Daten nun so auf, dass zu jeder Adresse die Dachform (Flach, Sattel-, Walm-, Zeltdach usw.) und die dazugehörende Dachfläche angegeben werden kann. Beispielhaft wird der o.g. Ausschnitt nachfolgend in Google Maps 3D dargestellt. Hier sieht man graphisch die Verbindung aus 3D-Gebäudedaten und Straßen (Adressen)

Abbildung 2: 3D-Gebäudedaten mit Adressen am Beispiel Bonner Stadthaus, Quelle: Google Maps. 

Damit jedoch nicht genug. Als Spezialist für Small Area Methoden verfügt das Bonner Big Data Unternehmen über moderne statistische Schätzmethoden, um die frei verfügbaren LoD2-Daten der 4 Bundesländer auf die restlichen 12 und damit die gesamte Bundesrepublik zu übertragen.

Sie wollen so z.B. wissen, wieviel Solarfläche in einer bestimmten Adresse in Frankfurt a. M. (Hessen) oder Hannover (Niedersachsen) installierbar wäre? Das lässt sich nun berechnen. Insgesamt für ca. 22 Mio. Gebäude mit einer Adresse und auch für weitere rund 23 Mio. Gebäude ohne postalischer Adresse (z.B. für eine Werkshalle in einem Industriegebiet). Kombiniert man diese Informationen mit der mikrogeographischen Datenbank CASA, die rund 700 weitere Merkmale beinhaltet, ergibt sich ein beliebiges „Gebäude-Tiefenprofil“.

Sie interessieren sich für 3D-Gebäudeinformationen? Dann kontaktieren Sie uns unter Consulting-Team unter Consulting@infas360.de

 

Auf den Hund gekommen: Wie Small Area Methoden einen Hundeanteil für jedes Stadtviertel in Deutschland ermitteln.

(Copyright Foto: fotolia.com/Jenny Sturm)

Noch immer besetzen die Small Area Methoden in der Statistik eine Nische. infas 360 veröffentlicht erstmals die Stärken und Vorteile in einer Praxisstudie am Beispiel von Hundebesitzern.

Zielsetzung der Studie war die Berechnung einer statistisch validen, nachvollziehbaren Kennziffer, die den

  • Hundeanteil bundesweit je Gemeinde und deren Orts- bzw. Stadtteile (ca. 80.000 feinräumige Gebiete) liefert, um auf dieser Basis bessere Standorte planen zu können.

Die Sekundärrecherche amtlicher Daten zeigte, dass eine entsprechende Potenzialszahl bundesweit flächendeckend nicht verfügbar ist (dafür in wenigen Städten z.B. Berlin, was zur Überprüfung des Schätzmodells hilfreich ist).

Aus diesem Grund wurden im CASA-Monitor 10.931 Personen befragt, ob sie einen oder mehrere Hunde besitzen, was 2.412 Fälle mit „Ja“ beantworteten. Die Fälle wurden mit den über 700 mikrogeographischen Informationen der CASA-Datenbank angereichert und mit drei verschiedenen statistischen Modellen analysiert und verglichen:

  1. Klassisches Scoring
  2. Diskriminanzanalyse
  3. Small Area Methoden

Die Daten wurden dann auf die Stadtbezirke von Berlin hochgerechnet und mit den dort vorhandenen amtlichen Daten verglichen mit folgendem Ergebnis:

Stadtbezirk Anteil Hunde
Logistisches Scoring
Anteil Hunde Diskriminan-zanalyse Anteil Hunde
Small Area Methodik
Anteil Hunde
amtlich
Charlottenburg-Wilmersdorf 2,4 2,8 5,0 7,8
Friedrichshain-Kreuzberg 0,2 0,3 2,5 4,3
Lichtenberg 3,5 4,5 5,0 7,9
Marzahn-Hellersdorf 12,3 14,0 10,1 10,4
Mitte 1,1 0,3 3,7 5,6
Neukölln 9,9 8,0 8,5 8,5
Pankow 9,9 8,9 11,0 9,7
Reinickendorf 14,7 14,4 11,5 10,1
Spandau 11,9 11,2 9,4 9,0
Steglitz-Zehlendorf 11,5 10,8 12,7 9,8
Tempelhof-Schöneberg 9,1 8,6 8,9 8,7
Treptow-Köpenick 13,7 16,2 11,9 8,2
Gesamt Berlin 100,0 100,0 100,0 100,0

Die Small Area Methoden (SAM) weisen mit 0,86 die höchste Korrelation zu den amtlichen Daten auf. Auf Gemeindeebene liegt die Korrelation sogar bei 0,98!

Geschätzt wurde SAM bundesweit auf Gebäudeebene für „Hundebesitzer mit 1, 2 oder mehr Hunden“. Folgende Variablen aus der CASA-Datenbank sind in SAM u.a. eingeflossen:

  • Anteil Personen mit Migrationshintergrund und Anzahl Personen „Ledig“
  • Entfernung zur nächsten ÖPNV-Haltest. (in Metern)
  • Kaufkraft je Haushalt in € pro Jahr und Mietspiegel (€/qm)
  • Anteil pro PLZ1 Ebene der Hundehalter aus dem CASA-Monitor mit > 10.000 Fällen
  • Größe des Gartens, Gebäudevolumen und Baudichte
  • durchschnittliche Wohnfläche pro Haushalt
  • Anteile Einwohner  >=10  bis <15 Jahre und  >=45  bis <60 Jahre

Aggregiert in eine bestimmte amtliche Raumebene, entsteht so z.B. Hundeanteil für jede Gemeinde und Stadtviertel. Ein solche Kennziffer eignet sich hervorragend für Planungszwecke, im Geomarketing oder in der Standortplanung.

Hundeanteil je Stadtbezirk in Berlin

Prinzipiell eignet sich SAM (Small Area Methoden) zur Berechnung jeder regionalen oder lokalen Schätzung von Befragungsdaten. Die komplette Studie ist erhältlich unter Consulting@infas360.de

P.S.: Den Anteil gibt es auch für Katzen und Ausgaben für Tiernahrung in EURO (die mit der Kaufkraft für Tiernahrung ins Verhältnis gesetzt werden kann).