On assessing excess mortality in Germany during the COVID-19 pandemic

Coronavirus disease 2019 (COVID-19) is associated with a very high number of casualties in the general population. Assessing the exact magnitude of this number is a non-trivial problem, as relying only on officially reported COVID-19 associated fatalities runs the risk of incurring in several kinds of biases. One of the ways to approach the issue is to compare overall mortality during the pandemic with expected mortality computed using the observed mortality figures of previous years. In this paper, we build on existing methodology and propose two ways to compute expected as well as excess mortality, namely at the weekly and at the yearly level. Particular focus is put on the role of age, which plays a central part in both COVID-19-associated and overall mortality. We illustrate our methods by making use of age-stratified mortality data from the years 2016 to 2020 in Germany to compute age group-specific excess mortality during the COVID-19 pandemic in 2020.

Kernel density smoothing of composite spatial data on administrative area level

Composite spatial data on administrative area level are often presented by maps. The aim is to detect regional differences in the concentration of subpopulations, like elderly persons, ethnic minorities, low-educated persons, voters of a political party or persons with a certain disease. Thematic collections of such maps are presented in different atlases. The standard presentation is by Choropleth maps where each administrative unit is represented by a single value. These maps can be criticized under three aspects: the implicit assumption of a uniform distribution within the area, the instability of the resulting map with respect to a change of the reference area and the discontinuities of the maps at the borderlines of the reference areas which inhibit the detection of regional clusters.In order to address these problems we use a density approach in the construction of maps. This approach does not enforce a local uniform distribution. It does not depend on a specific choice of area reference system and there are no discontinuities in the displayed maps. A standard estimation procedure of densities are Kernel density estimates. However, these estimates need the geo-coordinates of the single units which are not at disposal as we have only access to the aggregates of some area system. To overcome this hurdle, we use a statistical simulation concept. This can be interpreted as a Simulated Expectation Maximisation (SEM) algorithm of Celeux et al (1996). We simulate observations from the current density estimates which are consistent with the aggregation information (S-step). Then we apply the Kernel density estimator to the simulated sample which gives the next density estimate (E-Step).This concept has been first applied for grid data with rectangular areas, see Groß et al (2017), for the display of ethnic minorities. In a second application we demonstrated the use of this approach for the so-called “change of support” (Bradley et al 2016) problem. Here Groß et al (2020) used the SEM algorithm to recalculate case numbers between non-hierarchical administrative area systems. Recently Rendtel et al (2021) applied the SEM algorithm to display spatial-temporal clusters of Corona infections in Germany.Here we present three modifications of the basic SEM algorithm: 1) We introduce a boundary correction which removes the underestimation of kernel density estimates at the borders of the population area. 2) We recognize unsettled areas, like lakes, parks and industrial areas, in the computation of the kernel density. 3) We adapt the SEM algorithm for the computation of local percentages which are important especially in voting analysis.We evaluate our approach against several standard maps by means of the local voting register with known addresses. In the empirical part we apply our approach for the display of voting results for the 2016 election of the Berlin parliament. We contrast our results against Choropleth maps and show new possibilities for reporting spatial voting results.

Die Erforschung der Dynamik der Corona-Pandemie in Deutschland: Survey-Konzepte und eine exemplarische Umsetzung mit dem Sozio-oekonomischen Panel (SOEP)

ZusammenfassungDie Weltgesundheitsorganisation (WHO) hat im Frühjahr 2020 Richtlinien für Bevölkerungsstichproben veröffentlicht, die Basisdaten für gesundheitspolitische Entscheidungen im Pandemiefall liefern können. Diese Richtlinien umzusetzen ist keineswegs trivial. In diesem Beitrag schildern wir die Herausforderungen einer entsprechenden statistischen Erfassung der Corona Pandemie. Hierbei gehen wir im ersten Teil auf die Erfassung der Dunkelziffer bei der Meldung von Corona Infektionen, die Messung von Krankheitsverläufen im außerklinischen Bereich, die Messung von Risikomerkmalen sowie die Erfassung von zeitlichen und regionalen Veränderungen der Pandemie-Intensität ein. Wir diskutieren verschiedene Möglichkeiten, aber auch praktische Grenzen der Survey-Statistik, den vielfältigen Herausforderungen durch eine geeignete Anlage der Stichprobe und des Survey-Designs zu begegnen. Ein zentraler Punkt ist die schwierige Koppelung medizinischer Tests mit bevölkerungsrepräsentativen Umfragen, wobei bei einer personalisierten Rückmeldung der Testergebnisse das Statistik-Geheimnis eine besondere Herausforderung darstellt.Im zweiten Teil berichten wir wie eine der großen Wiederholungsbefragungen in Deutschland, das Sozio-oekonomische Panel (SOEP), für eine WHO-konforme Covid-19-Erhebung genutzt wird, die im Rahmen einer Kooperation des Robert-Koch-Instituts (RKI) mit dem SOEP als „RKI-SOEP Stichprobe“ im September 2020 gestartet wurde. Erste Ergebnisse zum Rücklauf dieser Studie, die ab Oktober 2021 mit einer zweiten Erhebungswelle bei denselben Personen fortgesetzt werden wird, werden vorgestellt. Es zeigt sich, dass knapp fünf Prozent der bereits in der Vergangenheit erfolgreich Befragten aufgrund der Anfrage zwei Tests zu machen die weitere Teilnahme an der SOEP-Studie verweigern. Berücksichtigt man alle in der Studie erhobenen Informationen (IgG-Antikörper-Tests, PCR-Tests und Fragebögen) ergibt eine erste Schätzung, dass sich bis November 2020 nur etwa zwei Prozent der in Privathaushalten lebenden Erwachsenen in Deutschland mit SARS-CoV‑2 infiziert hatten. Damit war die Zahl der Infektionen etwa doppelt so hoch wie die offiziell gemeldeten Infektionszahlen.

Feinstaubbelastung und Lebenserwartung in Deutschland

ZusammenfassungDie Feinstaubbelastung steht immer wieder im Mittelpunkt umwelt- und gesundheitspolitischer Diskussionen. Empirische Analysen, auch solche in diesem Bereich, die nicht auf individuellen Experimentaldaten beruhen, können als ökologische „real life“-Studien kleine Bausteine zum Verständnis der Zusammenhänge von Feinstaubbelastung und deren Gesundheitsfolgen zur Verfügung stellen. In diesem Beitrag wird deskriptiv untersucht, ob in Deutschland eine Korrelation von Feinstaubbelastung und Lebenserwartung zu finden ist. Dazu werden auf Kreisebene nach den Messbereichen Hintergrund und Verkehr differenzierte Daten von Feinstaubmessstationen der Jahre 2002 bis 2016 verwendet. Als weitere Kovariate der Lebenserwartung werden auf Kreisebene das verfügbare Einkommen pro Kopf und die Abiturientenquote berücksichtigt. Darüber hinaus werden Siedlungseigenschaften (städtische bzw. ländliche Gebiete) sowie ein nichtlinearer Zeittrend in die Untersuchung einbezogen. Die Niveauschätzungen ergeben einen negativen Zusammenhang für die Feinstaubbelastung im westdeutschen Hintergrundbereich. Darüber hinaus zeigt sich ein negativer Zusammenhang zwischen der Veränderung von Feinstaubbelastung und der Veränderung der Lebenserwartung für den westdeutschen Verkehrsbereich, der jedoch aufgrund der Datenlage als unsicherer anzusehen ist. Letzteres ist aufgrund der Besonderheiten dieses Bereichs (tages- und jahreszeitlich bedingte Variationen des Verkehrsflusses; Änderung der Feinstaub-Exposition der Bevölkerung innerhalb kurzer Entfernungen u. v. m.) nicht überraschend. Für Ostdeutschland konnten keine statistisch signifikanten Zusammenhänge gefunden werden. Die für Gesamtdeutschland gefundene Korrelation zwischen Feinstaubbelastung im Hintergrundbereich und durchschnittliche Lebenserwartung liegt bei 0,037 Jahre pro 1 $$\upmu$$ μ g/m$${}^{3}$$ 3 PM$${}_{10}$$ 10 .

Emil Julius Gumbel

ZusammenfassungEmil J. Gumbel ist der Namensgeber der jährlichen Gumbel-Vorlesung auf der Statistischen Woche. Leider ist der Namensgeber dieser Vorlesung nur noch wenigen Teilnehmern und Vortragenden bekannt. Dieser Artikel möchten diesem Defizit abhelfen. Denn Gumbel war nicht nur der Namensgeber irgendeiner statistischen Verteilung.Der Aufsatz beschreibt den Lebensweg Gumbels vom Weltkriegsteilnehmer zu einem weithin bekannten Pazifisten, der die politischen Morde in der frühen Weimarer Republik mit statistischen Schlußweisen analysierte. Seine Zahlenwerke legten die Defizite der Rechtssprechung in der Weimarer Republik offen. Die Richter kompromittierten sich mit ihren Urteilen. Seine Statistik-Professur an der Universität Heidelberg verlor er nach Angriffen der NS-Studenten und einer deutsch-nationalistischen Universitätsleitung noch vor Beginn der NS-Herrschaft. Wir schildern Gumbels Emigration erst nach Frankreich und von da in die USA und seine vergeblichen Versuche, wieder an deutschen Universitäten aufgenommen zu werden.Im zweiten Teil skizzieren wir Gumbels wissenschaftliches Werk im Bereich der Statistik der Extremwerte. Gumbel schrieb nicht nur den Klassiker dieses Statistik-Bereichs. Er baute auch vielen Ingenieuren einen fachlichen Zugang mit leicht berechenbaren und gut interpretierbaren Diagrammen.Schließlich schildert einer der Autoren, der Gumbel noch persönlich kannte, seine Erinnerungen an den freundlichen und interessierten Gastprofessor aus den USA.

Pendler Mobil: Die Verwendung von Mobilfunkdaten zur Unterstützung der amtlichen Pendlerstatistik

ZusammenfassungDie Verfügbarkeit von kleinräumigen und aktuellen Pendlerverflechtungen sind für politische wie auch kommunale Entscheidungsfindungen von hoher Bedeutung. Aus dem Pendlerverhalten lassen sich Rückschlüsse auf Arbeitsmarktregionen und die Verteilung der Wohnbevölkerung ziehen, was unter anderem zu einer laufenden Verbesserung der Verkehrsinfrastruktur beiträgt. Die dafür notwendigen Daten veröffentlicht die amtliche Pendlerrechnung. Jedoch weist sie Verbesserungspotenzial im Hinblick auf die zeitliche und räumliche Darstellung der Pendlerverflechtungen von Erwerbstätigen sowie eine fachliche Erweiterung hinsichtlich der Bildungspendler auf.Dieser Artikel beschreibt die mit dem Projekt Pendler Mobil geprüften Erweiterungsmöglichkeiten der amtlichen Pendlerrechnung auf Basis von Quelle-Ziel-Matrizen aus Mobilfunkdaten. Mobilfunkdaten stellen aufgrund ihrer zeitlichen Aktualität und räumlich feinen Auflösung eine robuste Datengrundlage zur flexiblen Abbildung von potenziellen und regelmäßigen Pendlerbewegungen dar. Die potenzielle Leistungsfähigkeit der Mobilfunkdaten ermöglicht damit eine externe Validierung bestehender Pendlerrechnungen oder Pendlerstatistiken sowie eine beiderseitige Ergänzung zur Ermittlung und Darstellungen weiterer Formen des Pendelns der Erwerbsbevölkerung.Am Fallbeispiel des Bundeslandes Nordrhein-Westfalen werden im Folgenden Gemeinsamkeiten und Unterschiede der übereinstimmenden Pendlerverflechtungen auf Basis von Mobilfunkdaten und der amtlichen Pendlerrechnung erörtert. Dabei gehen wir auf die Herausforderungen der Aufbereitung und Definition geeigneter Mobilfunkdaten durch den Datenanbieter sowie weitere Einflüsse auf die Mobilfunkdaten, wie bspw. durch die zurückgelegte Distanz oder die Verweilzeiten mobiler Aktivitäten, ein. Besonders die Unterschätzung der mobilen Pendlerströme im Vergleich zur amtlichen Pendlerrechnung legt nahe, Modifizierungsansätze der Mobilfunkdaten zu diskutieren. Im Ergebnis können die vorliegenden Mobilfunkdaten potenziell die amtliche Pendlerrechnung durch kleinräumige Pendlerbewegungen in Städten in Form einer erweiterten Zielorts-Bestimmung unterstützen und die Identifizierung von stark frequentierten Arbeitsorten in Städten ermöglichen.

Wirtschaftsstatistik im Wandel – Wichtige gesetzliche Neuerungen in der 19. Legislaturperiode

ZusammenfassungDie 19. Legislaturperiode neigt sich dem Ende, was Anlass dazu gibt, einen Rückblick auf die gesetzlichen Neuerungen in dieser Zeit im Bereich der Wirtschaftsstatistik vorzunehmen. Gerade die Corona-Krise hat einmal mehr gezeigt, wie wichtig moderne, zeitnah verfügbare und differenzierte Wirtschaftsstatistiken für die Wirtschaftspolitik sind. Dieser oft (zu) wenig beachtete Politikzweig entwickelt sich seit Jahren äußerst dynamisch. Getrieben von mehreren Großprojekten, die umfassende Reformen bestehender Statistikgesetzgebung anstießen, und stets geprägt von der sich rapide vollziehenden Digitalisierung der amtlichen Statistik waren die gesetzlichen Vorhaben in der Statistikgesetzgebung der 19. Legislaturperiode außergewöhnlich umfangreich und vielschichtig. In diesem Artikel wollen wir die einzelnen Vorhaben in den Blick nehmen und Kontext, Genese sowie besondere Herausforderungen kurz beschreiben.

Ein neues Web-basiertes Verfahren zur Darstellung der Corona-Inzidenzen in Raum und Zeit

ZusammenfassungDie Darstellung der räumlichen und zeitlichen Ausbreitung der Corona-Pandemie ist ein zentrales Anliegen von epidemiologischer Forschung aber auch der öffentlichen Medien. Dieses geschieht meist über Karten, die in vielen Fällen animiert sind. Die hier vorgestellte Web-Applikation benutzt ein alternatives statistisches Konzept zur Darstellung von Corona-Inzidenzen. Statt der üblichen, aber unrealistischen Annahme einer Gleichverteilung über einer Referenzfläche benutzen wir das Verfahren von Groß et al. (2020). Dieses allgemeine statistische Konzept wird hier auf die Schätzung lokaler Corona Inzidenzen angewendet. Es vermeidet die harten Sprünge an den Kreisgrenzen, die bei den üblichen Kartendarstellungen auftreten, durch eine gemeinsame Auswertung benachbarter Kreisgebiete.Der Fokus der Darstellung liegt hier auf der Realisierung dieses Konzepts über eine frei zugängliche Web-Applikation und ihre Nutzung. Anhand von drei Beispielen wird gezeigt, dass während der zweiten Corona-Welle in Deutschland feste, lokale Cluster existieren, die sich über die Zeit auch ausbreiten und miteinander verschmelzen können.