Article

Alterssicherung und Alterseinkünfte im Deutschen Alterssurvey (DEAS).

Authors:
To read the full-text of this research, you can request a copy directly from the authors.

Abstract

Der Deutsche Alterssurvey (DEAS) adressiert Fragen des Alters und des Alterns und liefert einen interdisziplinären Beitrag zur sozial- und verhaltenswissenschaftlichen Alternsforschung sowie zur (Alterns-)Sozialberichterstattung. Alterssicherung, ihre Wirkungen und Potenziale zur Weiterentwicklung stehen im DEAS im Kontext der Lebenssituationen in der zweiten Lebenshälfte vor und nach dem Übergang in den Ruhestand. Der DEAS ermöglicht es damit, Fragen der Alterssicherung nicht nur aus ökonomischer und sozialpolitischer sondern auch aus alternswissenschaftlicher und gerontologischer Perspektive zu betrachten. Der DEAS ist ein quer- und längsschnittlicher Survey mit mittlerweile drei Erhebungswellen (1996, 2002 und 2008) basierend auf einer disproportional geschichteten Einwohnermeldeamtsstichprobe von Personen, die in privaten Haushalten leben und mindestens 40 Jahre alt sind. Er wird seit Beginn der zweiten Projektphase im Jahr 2000 vom Deutschen Zentrum für Altersfragen (DZA) durchgeführt und vom Bundesministerium für Familie, Senioren, Frauen und Jugend (BMFSFJ) gefördert. Der DEAS bietet neben einer umfassenden empirischen Erfassung der Lebenssituation alternder und alter Menschen wesentliche Informationen über Ruhestandsübergänge, (Alters-)Einkünfte und Vermögen, Altersvorsorge, Sparen, private Geld- und Sachtransfers, sowie zu diesbezüglichen Einstellungen, Präferenzen, Erwartungen und Bedarfen. Durch das integrierte Querschnitts- und Paneldesign eröffnen sich Möglichkeiten der Beschreibung von Lebenssituationen im Querschnitt, zur Analyse sozialen Wandels über die drei Erhebungszeitpunkte sowie der individuellen Entwicklung über sechs bzw. zwölf Lebensjahre. Der DEAS ist damit eine wichtige Ergänzung zu den prozessproduzierten Daten der GRV sowie zu anderen Surveys, welche die spezifische Lebenssituation im Alter deutlich eingeschränkter abbilden als der DEAS. Durch eine Verbindung des DEAS mit anderen Befragungs- und Prozessdaten, deren Potenziale derzeit im Rahmen des Projektes „Lebensläufe und Alterssicherung im Wandel“ (LAW) über ein statistisches Matching ausgelotet werden, besteht darüber hinaus die Möglichkeit, die Vorzüge des DEAS mit denen anderer Datenquellen zu kombinieren.

No full-text available

Request Full-text Paper PDF

To read the full-text of this research,
you can request a copy directly from the authors.

... Some of this information missing from the VSKT can be recovered using the German Aging Survey (DEAS). 1 The DEAS is a nationwide representative cross-sectional and longitudinal survey of the German population aged 40 or older that includes comprehensive information on living situations in old age and contains detailed subjective evaluations on the life quality of respondents, thus enabling us to place the analysis of income situations in old age within a broader context (Simonson et al. 2010). It does not give as complete and exhaustive a picture of employment careers as the VSKT, but it does inform us comprehensively on transitions to retirement, the various different sources of old age incomes, private and occupational pension schemes, inheritances, as well as monetary and non-monetary transfers within the family. ...
Article
Full-text available
The paper examines the combination of the German Aging Survey (Deutscher Alterssurvey - DEAS) with the Sample of Active Pension Accounts (Versicherungskontenstichprobe - VSKT), as an example of how survey results may be linked together with administrative data using statistical matching. Statistical matching is a technique increasingly being applied in order to combine information from different data sources where no linkage can be made between records based on any unique identifier. This might be due to confidentiality restrictions or attempts to avoid the high attrition rates connected with informed consent requirements. The aim of this matching is to provide a combined dataset that contains more information than the data sources would on their own. In our paper, we detail some preparatory steps for making this match, such as the definition and adjustment of matching variables. The steps we describe may well be worth challenging on the basis of the divergent characteristics of the two sets of data. We also outline the procedure we used to combine the data sources, based on the Mahalanobis distance vector. Finally, we assess the quality of the matching by comparing the individual pension amounts that we can extract from each of the two matching sources as our external criterion.
ResearchGate has not been able to resolve any references for this publication.