Integrating expertise in inclusive growth

Ziel dieses durch das siebte EU-Forschungsrahmenprogramm geförderten Projektes ist die Integration und Optimierung bestehender europäischer Dateninfrastrukturen und der damit verbundenen Expertise in den Bereichen Armut, Arbeits- und Lebensbedingungen, sowie sozialer Risikolagen.

Die EU2020-Zielsetzung des integrativen Wachstums beinhaltet die Schaffung zusätzlicher und besserer Arbeitsplätze, die Verbesserung sozialer Inklusion, sowie Armutsbekämpfung. Insbesondere angesichts Herausforderungen wie zunehmender sozialer Verwundbarkeit und prekärer Beschäftigungsverhältnisse spielt die wissenschaftliche Gemeinschaft Europas eine Schlüsselrolle für die Umsetzung dieses Bestrebens in evidenzbasierter Politik.

Mittels Wissensaustausch und gemeinsamer Forschung konzentriert sich die Kooperation aus 17 akademischen Partnern auf die Erhebung und das Verständnis von Risikogruppen und die auf diese bezogene staatliche Politik.

Projektbezeichnung InGRID - Inclusive Growth Research Infrastructure Diffusion
Dauer4 Jahre mit Start in 2013
ProjektgeberEuropäische Kommission innerhalb des siebten Rahmengrogramms (7th Framework)
ProjektleitungHIVA - Research Institute for Work and Society (Belgien)
Leitung der Statistik Säule Prof. Dr. Ralf Münnich (Lehrstuhl für Wirtschafts- und Sozialstatistik, Universität Trier)

Projektziele und Forschungsmethoden

Das Projekt verteilt sich auf fünf Säulen:

1. Armut und Lebensbedingungen
Armut als multidimensionales Konstrukt wird in der EU mittels der "Open Method of Coordination on Social Protection and Social Inclusion" bekämpft. Als Grundlage für die Vergleichbarkeit beinhaltet dies auch die Armutsmessung, weshalb der Schwerpunkt dieser Säule auf der Strukturierung bestehender und Generierung neuer Daten, Methoden und Ergebnissen für vergleichende sozialpolitische Forschung liegt.

2. Arbeitsbedingungen und Risikolagen
Auch Verbesserung der Jobqualität braucht Indikatoren zur Kontrolle der Zielsetzung. Hier spielen insbesondere Messungen für gefährdete Gruppen, sowie die Vorhersage zukünftiger Ausbildungsanforderungen seitens des Arbeitsmarktes eine zentrale Rolle. Der Fokus dieser Arbeitseinheit liegt daher auf der Integration bestehender und Entwicklung neuer Daten und Methoden zu Arbeitsbedingungen, -sicherheit und Gesundheit, insbesondere im Hinblick auf Risikogruppen.

3. Sozialpolitikanalyse
Politikevaluation bedarf der Verbindung zwischen Makrodaten auf Personen- und institutioneller Ebene. Neben der Verwendung existierender und Entwicklung neuer Erhebungen zur Sammlung von Daten über institutionelle Maßnahmen wird zur Politikanalyse eine Simulation namens EUROMOD verwendet, bei der die Auswirkungen sozialpolitischer Gegebenheiten auf ein Set typischer Haushalte berechnet werden, um Indikatoren für die Auswirkungen dieser Gegebenheiten zu generieren.

4. Statistisches Qualitätsmanagement
Indikatoren zur Messung von Armut, sozialer Ausgrenzung basieren im Allgemeinen auf komplexen statistischen Methoden. Einerseits müssen diese Schätzwerte die Multidimensionalität von Armut und Risikolagen erfassen. Andererseits sollten sie, selbst für verschiedene Ebenen regionaler Disaggregation, hochgenau sein. Ansätze zur Entwicklung aussagekräftiger Indikatoren auf Basis grundlegender statistischer Informationen beinhalten einerseits die theoretische Konstruktion auf Basis einer angemessenen konsistenten Logik, etwa auf Basis der Fuzzy-Logik, andererseits multivariate statistische Methoden zur Aggregation disperser Informationen.

Die Forschung beinhaltet die Beurteilung der Qualität und Zweckmäßigkeit von Indikatoren auf Basis empirischer Analysen, eine angemessene Definition der Indikatoren für robuste Schätzungen, insbesondere für ungeplante Ebenen starker Disaggregation (small areas), Beiträge zu einer angemessenen Spezifikation und Verwendung von Design-Gewichten zur Berücksichtigung des Designs, sowohl in der Definition als auch in der Schätzung der Indikatoren, die Entwicklung und Schätzung von Genauigkeitsmaßen, hinsichtlich des Stichprobenprozesses (etwa des mittleren quadratischen Fehlers) und Nicht-Stichprobenfehlern (etwa durch fehlende Werte oder Anonymisierungsmethoden), Fallstudien zur Methodenevaluation sowie Best Practice-Empfehlungen und Hinweise auf weiteren Forschungsbedarf

5. Transnationaler Zugang
Eine weitere zentrale Zielsetzung des Projektes ist die Bereitstellung transnationalen Zugangs zur Forschungsinfrastruktur mit Daten und Expertise in den zuvor genannten Bereichen. Dieser Zugang zu einer von 13 Forschungseinrichtungen, begleitet von fachlicher Unterstützung, kann von einer Woche bis hin zu einem Monat dauern und ist Kostenfrei.

Projektteam

An InGRID sind insgesamt 17 Institutionen und Universitäten aus Europa beteiligt. Der Lehrstuhl für Wirtschaft und Sozialstatistik (Universität Trier) ist gemeinsam mit vier Partnern für die Statistiksäule zuständig und hat die Leitung dieser Säule inne. Das Team in Trier umfasst Prof. Dr. Ralf Münnich, Charlotte Articus, Jan Pablo Burgard und Simon Lenau.