Auf den Hund gekommen: Regionalisierung von Befragungsdaten

(Copyright Foto: fotolia.com/Jenny Sturm)

Oft fehlt es an Daten, um für spezifischere Themen Erkenntnisse zu gewinnen. Hier helfen Small Area Methoden, um von Gebieten, für die diese Informationen vorliegen, auf größere Gebiete Rückschlüsse zu ziehen. infas 360 macht die Stärken dieser Methode am Beispiel der Hundepopulation deutlich.

Folgendes Beispiel-Szenario: Ein Händler für Tierbedarf möchte eine weitere Filiale eröffnen und seine Standortwahl nach dem Bereich „Retail Hundenahrung“ treffen. Sein Ziel ist es dabei, den Absatz für Hundefutter zu steigern. Um den Bedarf für Hundefutter sicher bestimmen zu können, benötigt er eine statistisch valide, nachvollziehbare und flächendeckende Kennziffer, die sich für die rund 70.000 Orts- und Stadtteile, die für eine Filiale in Frage kämen, bestimmen lässt. Noch gibt es keine flächendeckenden und kleinräumigen Daten bezüglich der Hundepopulation, daher braucht es ein eigenes Modell.

Unser Vorgehen

Um dieses zu erstellen, nutzte infas 360 seine eigene CASA Monitor-Umfrage. Unsere hauseigene Befragung erfolgt repräsentativ mit 10.000 Befragten und kann zu unterschiedlichen Themenbereichen erstellt werden. Sie bietet auch die Möglichkeit, kundenspezifische Fragen in der Befragung zu platzieren und somit auf individuelle Interessen anzupassen.

1. Sekundärdatenrecherche

Zunächst erfolgte eine Recherche von bereits vorhandenen Quellen, die Daten zum Tierfutterbedarf und der Hundepopulation bereitstellen. Dabei fiel auf, dass es zum Hundefutterbedarf gar keine Daten gibt und zur Hundepopulation nur für vereinzelte Städte. Zu diesen Städten gehört z.B. Berlin, die durch die Erfassung der Hundesteuer eine verlässliche Datengrundlage aufweist. Diese Daten werden später zur Überprüfung der Güte des Schätzmodells genutzt.

2. Befragung und Anreicherung

Um die benötigten Daten zu erheben, wurde eine Befragung im Rahmen des CASA Monitors durchgeführt, bei der 10.931 Befragte Angaben zu der Frage, ob sie einen oder mehrere Hunde besitzen, machten. Von großer Bedeutung ist auch die freiwillige Angabe der Wohnadresse, die durch Geocodierung zu einer anonymisierten Anreicherung der IGI Datenbank führt. Die Anreicherung erfolgte u.a. durch diese Variablen:

• Kaufkraft
• Gartengröße
• Durchschnittliche Wohnfläche
• Entfernung zur nächsten ÖPNV-Haltestelle
• Baudichte im Siedlungsblock
• Gemeindetyp
• u.v.m.

3. Datenanalyse

Bei der Befragung gaben 22 % aller Befragten (2.412) an, einen, zwei, drei oder mehr Hunde zu halten. Hier kommt nun die Diskriminanzanalyse ins Spiel, durch die die trennenden Merkmale auf verschiedenen räumlichen Ebenen herausgefiltert werden. Auf Grundlage dieser Ergebnisse werden Profile für Hundebesitzer entwickelt. So lässt sich feststellen, dass Hundebesitzer an Grenzgebieten von Städten in Häusern mit großem Garten wohnen und diese Regionen eine hohe Kaufkraft und einen geringen Migrationsanteil aufweisen.

4. Small Area Methoden

Um diese Erkenntnisse regional zu übertragen, erfolgt eine sogenannte Zwillingssuche mittels Small Area Methoden. Es werden deutschlandweit flächendeckend Gebäude (Haushalte) identifiziert, die dem vorher definierten Profil eines Hundebesitzers entsprechen. Somit kann ein geschätzter Wert für die Anzahl der Hunde je Haushalt auf Adressebene ermittelt werden. Anschließend wird dieser über alle Adressen je Zielgebiet (z.B. Ortsteil oder Gemeinde) aggregiert. Hundebesitzer können nun flächendeckend aufs Haus genau identifiziert werden.

Nachfolgend finden Sie beispielhafte Variablen aus der IGI Datenbank, die in das Modell mit eingeflossen sind:

• Anzahl Personen „Ledig“ in 1km-Raster
• Entfernung zum nächsten Bahnhof (in Metern)
• Kaufkraft je Haushalt in Euro pro Jahr
• Anteil pro PLZ1-Ebene der Hundehalter aus dem CASA Monitor mit > 10.000 Fällen
• Größe des Gartens / der nicht bebauten Grundstückfläche
• Anteile Einwohner >=10 bis <15 Jahre je Siedlungsblock
• Anteile Einwohner >=45 bis <60 Jahre je Siedlungsblock
• Anteil an Personen mit Religion „evangelische Kirche“ je Siedlungsblock

5. Qualitätscheck

Um den Erfolg der Small Area Methode zu überprüfen, werden die Daten nun mit den Regionen, für die bereits Daten vorlagen, verglichen. Beim direkten Vergleich mit Berlin konnte eine sehr hohe und signifikante  Korrelation der amtlichen Daten zu den geschätzten Werten in Höhe festgestellt werden, sodass die Ergebnisse sehr realitätsnah sind. Eine weitere Kontrollschätzung der Hundeanteile je Gemeinde liegt mit einer Korrelation von 0,98 sehr nah an der amtlichen Statistik zur Hundesteuer des Landes Nordrhein-Westfalen

Aggregiert in eine bestimmte amtliche oder freibestimmbare Raumebene, lässt sich so der Hundeanteil für jede Gemeinde, jedes Stadtviertel oder Vertriebsgebiet bestimmen. Eine solche Kennziffer eignet sich hervorragend für Planungszwecke, im Geomarketing oder, wie in unserem Beispiel, in der Standortplanung.

Kontaktieren Sie uns bei Fragen oder Interesse an der gesamten Studie gerne unter Consulting@infas360.de.