Cleansing procedures for overlaps and inconsistencies in administrative data: the case of German labour market data

Abstract

'In den letzten zehn Jahren wurden prozessgenerierte und administrative Daten stetig wichtiger für die Arbeitsmarktforschung. Die größten Vorteile dieser Daten sind große Stichprobenumfänge, das Fehlen von Beobachtungslücken und Totalausfällen. Dennoch bleibt die Qualität und Validität der Informationen unklar. Diese Arbeit greift diesen Punkt auf und richtet den Schwerpunkt auf den Einfluss von alternativen Bereinigungsprozeduren auf Forschungsergebnisse. Insbesondere nutzt die vorliegende Arbeit die von Wunsch/ Lechner (2008) vorgeschlagenen Prozeduren der Datenaufbereitung bei der Evaluation von Programmen der aktiven Arbeitsmarktforschung in Deutschland. Die ersten Ergebnisse sind auf Sensitivitätsanalysen bei der Erstellung von Beobachtungsgruppen beschränkt. Die Ergebnisse zeigen, dass die Zusammensetzung der Gruppen robust gegenüber einer Änderung der Datenaufbereitung ist.' (Autorenreferat)

'Process-generated and administrative datasets have become increasingly important for labor market research over the past ten years. Major advantages of this data are large sample sizes, absence of retrospective gaps and unit nonresponses. Nevertheless, the quality and validity of the information remain unclear. This paper contributes to this subject, focusing on the variation of research results due to alternative data cleansing procedures. In particular, the paper uses the general set up for data cleaning proposed by Wunsch/ Lechner (2008) in evaluating the outcome of training programs in Germany. First results are limited to the sensitivity of the construction of the sample populations used for the counterfactuals analysis. The results emphasize that sample construction seems to be robust to the scenario used for the data cleansing.' (author's abstract)