Verbesserung der Datenqualität von Online-Panels mittels Schätzung von Teilnahmewahrscheinlichkeiten

Die Qualität der Daten aus Befragungen hängt auch davon ab, ob es einen Bias gibt und wie stark dieser ist. Die Arbeit untersucht, ob es möglich ist, mit Hilfe der Schätzung der Teilnahmewahrscheinlichkeiten eine Reduktion des Bias vorzunehmen. Das Verfahren ist in der Literatur als Propensity Score Adjustment bekannt und kann mit verschiedenen Spezifikationen vorgenommen werden. In der Arbeit werden verschiedene Variationen verglichen. Dies geschieht anhand einer experimentellen Befragung und mit Hilfe von Monte-Carlo-Simulationen, die auf diese Befragung aufbauen. Das Verfahren wird weiterhin mit etablierten Alternativen, wie den Generalized Regression Estimators, verglichen.
Um die Teilnahmeneigung modellieren zu können, ist es notwendig, das Teilnahmeverhalten anhand geeignet Variablen beschreiben zu können. Die Arbeit geht daher auch auf einige Theorien zur Beschreibung des Teilnahmeverhaltens ein und leitet aus diesen geeignete Variablen ab.
Ausserdem wird beschrieben, wie es möglich ist, aus dem Teilnahmeverhalten Indikatoren für die Repräsentativität einer Studie abzuleiten. Diese können verwendet werden zu entscheiden, ob überhaupt eine Biaskorrektur bei einer gegebenen Untersuchung notwendig ist.