Die Rolle der institutionellen Kinderbetreuung innerhalb unserer Gesellschaft hat sich in den letzten Jahren bedeutend gewandelt. Bildung, Erziehung und Betreuung unserer Kinder wird vermehrt als gesamtgesellschaftliche Aufgabe und Herausforderung wahrgenommen. In wissenschaftlichen Studien konnte ein starker Einfluss von Kinderbetreuungsstätten auf die kognitiven und sozialen Fähigkeiten der Kinder, die Vereinbarkeit von Familie und Beruf und somit auch auf die Volkswirtschaft im Allgemeinen festgestellt werden. Doch wie können solche Aussagen getroffen werden?
Zu einer fundierten Analyse bedarf es individueller Hintergrundinformationen in Form von Mikrodatensätzen, welche nur durch Stichprobenerhebungen erhalten werden können. Stichprobenerhebungen sind jedoch leider nicht frei von so genannten Errors-of-Observation und Errors-of-Nonobservation. Insbesondere Nonrespone-Fehler - welche als Bestandteil der Errors-of-Nobservation gelten haben einen nachgewiesenen starken Einfluss auf die Schätzung der Parameter der Grundgesamtheit. Es ist jedoch nicht bekannt, inwieweit diese Fehlerquellen die Schätzung von Kinderbetreuungsquoten beeinflussen können. Aus diesem Grund sollte sichergestellt werden, dass es bei der Erfassung der Kinder in Kindertagesstätten zu keinen systematischen Über- oder Unterschätzungen seitens der Stichprobe kommt, da ansonsten die berichteten Effekte womöglich nicht aussagekräftig wären.
In der Bundesrepublik Deutschland können für Analysen über Auswirkungen von Kindertagesstättten derzeit nur zwei Stichproben herangezogen werden: Das Sozio-oekonomische Panel und die Kinderbetreuungsstudie des Deutschen Jugendinstitutes. Das Ziel dieser Diplomarbeit ist die Durchführung eines kleinräumigen, auf Kreisebene angelegten, Vergleiches der Kinderbetreuungsdaten aus diesen beiden Erhebungen mit den offiziellen Betreuungsdaten des Statistischen Bundesamtes.
Anhand dieses Vergleiches werden folgende vier Forschungspunkte analysiert und geklärt:
Erstens wird durch die Gegenüberstellung der Anteilswerte der Kinder in Kindertagesstätten aus den Stichproben und den Betreuungsquoten des Statistischen Bundesamtes geklärt, ob es seitens der Stichproben, über alle Kreise hinweg, zu systematischen Über- oder Unterschätzungen der institutionellen Betreuungsquoten kommt. Zweitens wird anhand der Daten des Sozio-oekonomischen Panels überprüft, inwiefern sich Schätzer, die auf hochgerechneten Daten basieren, welche einer Randanpassung unterliegen, in der Erwartungstreue von den Schätzern unterscheiden, die lediglich designgewichtet in die Berechnung eingehen. Drittens dient der Vergleich auf Kreisebene dazu, mit dem Hierarchical-Bayes-Ansatz, ein Verfahren aus der Small-Area-Estimation hinsichtlich seiner Präzision und der Erwartungstreue seiner Schätzer zu evaluieren. Viertens werden die Ursachen für mögliche Über- oder Unterschätzungen seitens der Stichprobe zunächst theoretisch erörtert und bei Bedarf auch empirisch überprüft.
Während die ersten beiden und der letzte Forschungspunkt auch auf einer höheren Ebene als auf der Kreisebene durchgeführt werden könnten, stellt der dritte Forschungspunkt eine besondere Herausforderung dar, da hierbei eine für die Sozialwissenschaft seltene Schätzmethode evaluiert wird. Für den Vergleich der Kinderbetreuungsquoten mit den offiziellen Betreuungsquoten werden die Konfidenzintervalle der Mittelwerte grafisch dargestellt.
Ergebnisse:
Die Ergebnisse dieser Studie zeigen, dass die Kinderbetreuungsstudie des Deutschen Jugendinstitutes den Anteil der Kinder zwischen drei und unter sechs Jahren signifikant unterschätzt. Diese Unterschätzung kann nicht durch Nonresponse-Theorien in Verbindung mit soziodemografischen Indikatoren für Nichtereichbarkeit oder Verweigerungshaltungen von Haushalten erklärt werden. Aufgrund der kleinen Stichprobenzahl in den Kreisen ist keine Differenzierung bezüglich der Erwartungstreue von designgewichteten Schätzern und Schätzern, die einer Randanpassung unterliegen, möglich. Es ist jedoch möglich präzise Schätzungen auf Basis geringer Fallzahlen mit einem Hierarchical-Bayes-Verfahren durchzuführen, sofern Informationen über die tatsächliche Merkmalsverteilung zur Verfügung stehen. Sind die Daten selbst, aufgrund kleiner Stichprobengrößen, nicht sehr aussagekräftig, kann über informative priori-Informationen sogar die Erwartungstreue der Schätzung verbessert werden. Ist die Besetzungszahl in den Kreisen jedoch relativ groß und die Datengrundlage verzerrt, so kann auch mittels priori-Informationen, die aus der tatsächlichen Verteilung des Merkmals abgeleitet werden, keine erwartungstreue Schätzung des Populationsparameters erfolgen. Für die Praxis bedeutet dies, dass systematische Fehler in der Stichprobenerhebung möglichst vermieden werden sollten, um unverzerrte Rückschlüsse auf die Grundgesamtheiten kleinerer Gebiete vornehmen zu können.

The role of institutional childcare within society has changed over time. Education and supervision of our children is seen as a task and challenge for the whole of society. Studies conducted in this field note a strong impact from the availability of daycare facilities on children's cognitive and social skills, on reconciliation of work and family life, and thus on the national economy. In view of this strong impact on our society, we should carefully consider the basis of the data underpinning these statements.
In-depth analysis requires background information in the form of microdata, which is gained through sample surveys. Unfortunately, such sample surveys are subject to errors of observation and nonobservation. In particular, nonresponse errors - a type of nonobservation error - are known to have a strong impact on the estimation of population parameters. It is unknown how such errors impact the estimation of childcare rates. It is therefore important to assure that conclusions on childcare influences are based on unbiased data.
In the Federal Republic of Germany, there are currently only two samples that allow conclusions about childcare influences: The German Socio-economic Panel Study and the Child Care Study of the German Youth Institute. The aim of this thesis is to conduct a small-area validity check of the childcare rates surveyed in these two samples by comparing rates at the county level with official childcare rates from the German Federal Statistical Office.
This kind of small-area comparison offers the opportunity to analyze four research topics. First, it can be shown whether the two samples systematically overestimate or underestimate the true institutional childcare rates in the German counties released by the German Federal Statistical Office. Second, it can be determined if weighted estimators are unbiased in comparison to unweighted or weighted estimators. Third, it is possible to evaluate whether a method of small-area estimation, namely, the hierarchical Bayesian method, produces unbiased and precise estimators of the population mean. Fourth, it can be shown whether possible underestimation or overestimation of childcare rates interact with causes of nonresponse.
Whereas research on the first two and the last topic can also be conducted on area levels above the county level, the third topic mainly focuses on the county level to evaluate an estimation method that is seldom used in social science research. For comparison of the childcare rates from the samples with the official rates, graphics of confidence intervals of the means are used.
Conclusions:
The results of this study show that the Child Care Study of the German Youth Institute significantly underestimates the childcare rate of children aged three to five. This underestimation cannot be explained by common theories about nonresponse in conjunction with sociodemographic indicators of ease of contact or refusal of households. Due to small sample sizes, it is impossible to make inferences about the level of bias in weighted or unweighted estimators. However, it is possible to make precise estimates on the basis of small sample sizes by using a hierarchical Bayesian approach. If the data is not very meaningful, it is even possible to ameliorate the level of bias of the estimator by using informative prior information. On the other hand, it is impossible to correct the bias of the estimator with informative prior information if sample sizes are comparatively large and the data on-hand is already strongly biased. At the practical level, this leads to the conclusion that systematic errors in sample selection have to be avoided in order to make unbiased inferences on population means of small areas.