Data Spotlight 03/2022 Zwischen 1990 und 2019 ist der Anteil der Haushalte, die in selbst genutztem Wohneigentum leben, um 9 Prozentpunkte von 37% auf 46% angestiegen. Die Mehrheit aber wohnt weiterhin nicht in der eigenen Immobilie. Die Zahlen für diese Monat stammen aus eigenen Berechnungen auf Basis des Sozio-oekonomischen Panels (SOEP). Die volle Zeitreihe für den Zeitraum 1990-2019 sieht dabei wie folgt aus:
DataSpotlight 02/2022 Das DataSpotlight 02/2022 informiert zur aktuellen Diskussion um die weitere Erhöhung des gesetzlichen Mindestlohns in Deutschland: Unterstellt man die Entwicklung der Bruttolöhne und -gehälter für 2022 wie in der aktuellen Prognose der Bundesregierung und berücksichtigt man die bereits beschlossene Erhöhung des gesetzlichen Mindestlohns zum Juli 2022 auf 10,45 EUR, dann ergibt sich die oben dargestellte Entwicklung für den Zeitraum 2015-2022. Die Bruttolöhne und -gehälter sind in diesem Zeitraum um 27.7% gestiegen. Der gesetzliche Mindestlohn ist hingegen nur um 22.9% gestiegen und damit deutlich langsamer verglichen mit der Entwicklung der Bruttolöhne und -gehälter. DataSpotlight 02/2022 - Update Am 23.02.2022 hat das Bundeskabinett die Erhöhung des Mindestlohns zum 01. Oktober 2022 auf 12 EUR beschlossen. Damit ergibt sich im DataSpotlight 02/2022 - Update folgendes Bild: Unterstellt man die Entwicklung der Bruttolöhne und -gehälter für 2022 wie in der aktuellen Prognose der Bundesregierung (die sich natürlich aufgrund der Erhöhung des Mindestlohns ändern könnte) und berücksichtigt man die nun beschlossene Erhöhung des gesetzlichen Mindestlohns zum Oktober 2022 auf 12 EUR, dann ergibt sich die oben dargestellte Entwicklung für den Zeitraum 2015-2022. Die Bruttolöhne und -gehälter sind in diesem Zeitraum um 27.7% gestiegen. Der gesetzliche Mindestlohn ist nun um 41.2% gestiegen und damit stärker, verglichen mit der Entwicklung der Bruttolöhne und -gehälter. Das kann (muss aber nicht) zu einer Reduktion der Lohnungleichheit in der Zukunft führen.
# Data Spotlight 01/2022 Das DataSpotlight 01/2022 informiert zur Diskussion, ob es nicht (einfacher) wäre die Lohnentwicklung in Tarifverträgen einfach an die Entwicklung der Verbraucherpreise zu koppeln: Im Zeitraum seit 2000 sind die durchschnittlichen Tariflöhne im Vergleich mit den Verbraucherpreisen nur in drei Jahren weniger stark gewachsen. In allen anderen Jahren lag das Wachstum mitunter deutlich höher. Die Löhne sind also, im Vergleich zu einer reinen Kopplung, deutlich stärker gestiegen.
Herzlich willkommen zur dritten Ausgabe von „Zahl des Monats“. Diesen Monat beschäftigt sich der Beitrag mit Spielplätzen in Deutschland. Visualisieren werden wir die Daten dieses Indikators ganz klassisch mit horizontalen Barcharts. Zu diesem Beitrag werden für alle drei Abbildungen die R-Codes im Online-Tutorial hinterlegt.Wir wünschen Ihnen auch diesen Monat viel Spaß beim Lesen, (Selbst-)analysieren und (Selbst-) visualisieren.Ihr Innside Statistics TeamDatenquellen: Die Zahlen für die folgende Analyse stammen aus verschiedenen Datenquellen. Die Zahlen zu Spielplätzen sind der Datenbank des OpenStreetMap Projekts entnommen. Hierzu wurden für jedes Bundesland alle Einträge mit dem Attribut „leisure=playground“extrahiert und ausgewertet. Der Datenabruf erfolgte auf Basis standardisierter Syntax via Overpass (www.overpass-turbo.eu). Die Zahlen zu Wohnfläche und Bevölkerung je Bundesland sind dem Online-Angebot des Statistischen Bundesamtes entnommen (https://www-genesis.destatis.de/) und beziehen sich auf den Stichtag 31.12.2018 (Tabellencodes 31231-0003 und 12411-0012). Keine amtliche Statistik zur Spielplatzanzahl in Deutschland verfügbar Kinderspielplätzen kommt, sowohl aufgrund ihrer Unterstützung der körperlichen und geistigen Entwicklung von Kindern als auch als sozialer Treffpunkt für Familien, eine hohe Bedeutung zu. Im Zuge der Diskussionen um Lockerungen der Einschränkungen zur Eindämmung der Covid19-Pandemie wurde Anfang dieses Monats in der Politik und in den Medien intensiv darüber diskutiert ob und wenn ja wann Kinderspielplätze in Deutschland wieder geöffnet werden sollten. Im Zuge dieser Diskussion haben wir uns die Frage gestellt, wie viele Spielplätze es eigentlich in Deutschland gibt und wie diese auf die Bundesländer verteilt sind.Für Deutschland gibt es weder auf der Ebene des Bundes noch auf der Ebene der Länder eine zentrale Spielplatzplanung. Diese ist Aufgabe der Kommunen. Zur Anzahl der bereitzustellenden Spielplätze gibt es hierbei zwar viele Empfehlungen, aber keine bundesweit rechtsverbindlichen Vorschriften. Am einheitlichsten sind hier die entsprechenden Regelungen in den Bauverordnungen der Länder ausgestaltet. Hier gilt in den meisten Fällen, dass bei einem Neubau von mehr als drei Wohneinheiten eine Spielplatzfläche zu erstellen ist (z.B. Art. 7 Nr. 3 BayBO). Die konkrete Ausgestaltung ist dann wieder auf kommunaler Ebene geregelt, z.B. in München mit der Vorgabe einer Fläche von 1,5 Quadratmetern Spielplatzfläche pro 25 Quadratmetern Wohnfläche (§ 5 Freiflächengestaltungssatzung München).Für das Land Berlin existiert ein explizites Spielplatzgesetz, das als Ziel eine Quote von 1 Quadratmeter Spielplatzfläche pro Einwohner vorgibt (§4 Abs. 1 KISpPlG BE). Aufgrund dieses Gesetzes existiert für das Land Berlin auch eine kontinuierliche statistische Erfassung der öffentlichen Spielplätze, auf die wir später noch einmal zurückkommen werden. Eine solche Statistik existiert auf Bundesebene nicht. OpenStreetMap verzeichnet knapp 100.000 Spielplätze in Deutschland Da keine amtliche Statistik über die Anzahl von Spielplätzen existiert, müssen diese Daten aus einer alternativen Quelle kommen. Hier bietet sich das OpenStreetMap (OSM) Projekt an (Link zu OSM). Ziel des OSM Projektes ist es frei nutzbare Geoinformationen zu sammeln und unter einer freien Lizenz zur Verfügung zu stellen. OSM wurde 2004 gegründet und seit 2006 läuft die Erfassung der Daten. Inzwischen ist die Qualität und der Detailgrad der Daten, insbesondere in Europa, sehr hoch und das OSM-Kartenmaterial wird auch in kommerziellen Navigationslösungen verwendet.Für unseren Zweck bietet sich OSM an, da im Kartenmaterial Spielplätze detailliert verzeichnet sind. Über die Abfrageschnittstelle Overpass haben wir…
Herzlich willkommen zur zweiten Ausgabe von „Zahl des Monats“. Diesen Monat beschäftigt sich der Beitrag mit dem LKW-Verkehr in Deutschland. Genauer mit dem LKW-Maut-Fahrleistungsindex den das Bundesamt für Güterverkehr, die Bundesbank und das Statistische Bundesamt aus den Prozessdaten der Erhebung der LKW-Maut bilden und bereitstellen. Visualisieren werden wir die Daten dieses Indikators mit verschiedenen Varianten von Linecharts. Die Informationen auf Monatsbasis sind erst als Slopegraph (erste Abbildung) dargestellt und die lange Zeitreihe der Veränderungen (zweite Abbildung) sowie die tagesgenauen Informationen als klassische Liniendiagramme mit ergänzenden Textelementen. Zu diesem Beitrag werden für alle drei Abbildungen die R-Codes im Tutorial hinterlegt. Wir wünschen Ihnen viel Spaß beim Lesen, (Selbst-)analysieren und (Selbst-) visualisieren. Ihr Innside Statistics Team Datenquelle: Die Zahlen für die folgende Analyse sind dem Online-Angebot des Statistischen Bundesamtes entnommen. Die Daten zu den Monatswerten finden Sie in Tabelle 42191-0001 in der Datenbank des Statistischen Bundesamtes (Link zu den Daten) und die Daten zur Sonderserie mit den täglichen Auswertungen finden Sie hier (Link zu den Daten). In diesem Beitrag wird in allen drei Abbildungen die kalender- und saisonbereinigte (X13 JDemetra+) Zeitreihe genutzt. LKW-Maut-Fahrleistungsindex Im Jahr 2005 wurde in Deutschland eine LKW-Maut für die Nutzung der Autobahnen eingeführt und in den folgenden Jahren schrittweise auf die Bundesstrassen ausgeweitet. Die Erfassung der notwendigen Daten zum Fahraufkommen erfolgt dabei weitgehend automatisiert über GPS sowie Mobilfunk. Aus den hierbei entstehenden Prozessdaten hat das Statistische Bundesamt in Zusammenarbeit mit der Bundesbank und dem Bundesamt für den Güterverkehr einen Indikator entwickelt, der Auskunft über die Entwicklung des LKW-Fahraufkommens gibt. Dieser Indikator zählt zur Gruppe der Konjunkturindikatoren und wird sowohl in Form der Rohdaten als auch als kalender- und/oder saisaonbereinigte Zeitreihe zur Verfügung gestellt. Die Idee hinter diesem Indikator ist, vereinfacht zusammengefasst, dass höhere wirtschaftliche Aktivität, also eine starke Konjunktur, auch zu einem höheren LKW-Fahraufkommen führt und umgekehrt ein Rückgang der wirtschaftlichen Aktivität mit einem Rückgang des LKW-Verkehrs verbunden ist. Die Veröffentlichung der Monatszahlen für den Index erfolgt aktuell mit einem Zeitversatz von etwa 9 Tagen. Der Indikator steht also bereits sehr zeitnah zur Verfügung. Details zur Berechnung und zur Eignung als Konjunkturindikator sind in Cox et al. 2018 (Link zum Artikel) beschrieben. Entwicklung in den ersten drei Monaten 2020 In der ersten Abbildung ist die Entwicklung des Fahrleistungsindex für die ersten drei Monate in 2020 dargestellt (blaue Linie). Als Referenz ist die Entwicklung der Jahre 2018 und 2019 mit angegeben (graue Linien). Basisjahr des Index ist 2015 (=100) und es sind die um Kalender- und Saisoneffekte bereinigten Zahlen dargestellt. Im Januar 2020, also vor der Krise, liegt der Index für 2020 mit 113.5 Indexpunkten zwischen den Januarwerten der Jahre 2018 und 2019. Im Februar steigt der Index dann – im Gegensatz zu den beiden Referenzjahren – auf 116 Basispunkte an. Im März 2020 jedoch sinkt der Index dann um 6.8 Indexpunkte ab auf einen Wert von 109.2 Punkten. Das entspricht einem Rückgang von 5.9% gegenüber dem Vormonat. Dieser Verlauf legt einen deutlichen Rückgang der LKW-Fahrleistungen auf deutschen Autobahnen bereits im März 2020 nahe. Das ist bemerkenswert, da die…
Herzlich willkommen zur ersten Ausgabe von „Zahl des Monats“. In dieser Rubrik werden wir von nun an jeden Monat eine Statistik oder eine Analyse vorstellen, die einen aktuellen Bezug hat und für Sie als Leser interessant sein könnte. Diesen Monat beschäftigt sich der Beitrag aus aktuellem Anlass mit einem Gesundheitsthema: Die Verteilung von Krankenhaus- und Intensivbetten in Deutschland auf die einzelnen Bundesländer. Ein Fokus dieses Blogs liegt auf der Datenanalyse und Datenvisualisierung. Zu jedem „Zahl des Monats“ Beitrag wird nach ein paar Tagen ein kurzes Tutorial freigeschaltet, das sich entweder mit der Analyse oder der Visualisierung des Beitrags beschäftigt und Excel, R oder Stata Beispiele zum jeweiligen Beitrag enthält. Wir wünschen Ihnen viel Spaß beim Lesen, (Selbst-)analysieren und (Selbst-)visualisieren! Wichtiger Hinweis und Quellenangabe: Die Zahlen für die folgende Analyse sind der Statistik „Grunddaten der Krankenhäuser“ des Statistischen Bundesamtes (Link zu den Daten) sowie der Bevölkerungsstatistik des Statistischen Bundesamtes (Link zu den Daten) entnommen. Die Daten für die Krankenhausbetten und Intensivbetten beziehen sich auf das Jahr 2017 und der Bevölkerungsstand auf den Stichtag 31.12.2018. Maßnahmen zur Ausweitung der Bettenkapazitäten der Bundesländer und des Bundes in der aktuellen Covid-19 Epidemie sind hier nicht berücksichtigt. Krankenhausbetten Im Jahr 2017 wurden insgesamt 497.182 verfügbare Betten in den deutschen Kliniken und Krankenhäusern gemeldet. Demgegenüber steht eine Wohnbevölkerung von etwa 83 Millionen Personen. Damit ergibt sich eine Quote von 5.99 Betten pro 1000 Einwohner. Die folgende Abbildung zeigt die Verteilung über die Bundesländer. Die Spanne reicht dabei von 5,04 Betten auf 1000 Einwohner in Baden-Württemberg bis hin zu 7,36 Betten in Thüringen. Quelle: Datenquellen siehe oben, eigene Berechnungen. Das Verhältnis Krankenhausbetten zu Bevölkerung variiert also über die Bundesländer. Allerdings ist eine reine Betrachtung der Quoten nur begrenzt informativ, da sich ja auch die Bevölkerungsstruktur in den einzelnen Ländern unterschiedet. Eine interessante Frage ist daher, wie denn die Anzahl der Betten mit der Altersverteilung in der Bevölkerung zusammenhängt, insbesondere mit dem Anteil an Personen im Alter über 60 Jahren, die für viele Erkrankungen (u.a. auch für Covid-19) eine Risikogruppe darstellen. Die folgende Abbildung gibt eine Antwort auf diese Frage und zeigt die Anzahl der Krankenhausbetten in Relation zur Größe der Bevölkerung im Alter über 60. Die Zahlen zeigen, dass sich nun z.B. die Stadtstaaten Hamburg, Bremen und Berlin in der Rangfolge verbessern. Insgesamt stehen in Hamburg 29,09 Betten je 1000 Einwohner über 60 Jahre zur Verfügung, während es in Niedersachsen lediglich 18,45 Betten sind. Quelle: Datenquellen siehe oben, eigene Berechnungen. Intensivbetten Speziell im Rahmen der Ausbreitung der Covid-19 Epidemie stellt sich aktuell die Frage nach der Anzahl der Intensivbetten je Bundesland. Insgesamt standen im Jahr 2017 etwas mehr als 28.000 Intensivbetten in Deutschland zur Verfügung. Im Schnitt waren das 0.34 Betten pro 1000 Einwohner. Die Bundesländer halten zwischen 0,29 und 0,63 Intensivbetten pro 1000 Einwohner vor. Spitzenreiter ist hierbei Mecklenburg-Vorpommern mit 0,63 Intensivbetten auf 1000 Einwohner.Um diese Zahlen einzuordnen, bietet sich ein internationaler Vergleich an. Nach den Zahlen, die das Statistikportal Statista recherchiert hat, lag die vergleichbare Quote für China (auch hier vor dem Ausbruch der Covid-19…
Herzlich willkommen beim Blog von Innside Statistics. Wir sind ein Beratungsunternehmen und Think Tank für Datenanalyse, volkswirtschaftliche Beratung und Umfragedesign mit Standort in Passau. Der Name Innside Statistics spielt mit der Nähe zum schönen Fluss Inn, dessen Verlauf auch in unserem Logo prominent vertreten ist.Wir unterstützen Unternehmen und öffentliche Auftraggeber in allen Fragen der Datenanalyse, Statistik und ökonomischen Analyse. Wir bieten auch umfangreichen Service im Design von Umfragen, von der einfachen Beratung bei der Erstellung eines Fragebogens bis hin zur kompletten Übernahme des gesamten Prozesses der Umfrage (Design, Durchführung, finale Auswertung). Sprechen Sie uns gerne an, wir freuen uns auf Ihre Anfrage und stehen Ihnen unter office[at]innside-statistics.de zur Verfügung. Weitere Kontaktmöglichkeiten finden Sie auf den jeweiligen Seiten unserer Homepage bzw. auch gesammelt unter Kontakt.Neben unserem Beratungsangebot bieten wir Ihnen auch ein umfangreiches Kurs- und Weiterbildungsangebot im Bereich Datenvisualisierung, Datenanalyse und Statistik. Eine Übersicht über die aktuellen Kurse finden Sie unter Kurse auf unserer Homepage.In diesem Blog soll der Fokus auf Datenanalyse und Datenvisualisierung liegen. Es wird die Kategorie Zahl des Monats geben. Hier werden wir jeden Monat eine Statistik oder eine Analyse aus unserem Arbeitsbereich veröffentlichen, die für Sie interessant sein könnte. Zu jedem „Zahl des Monats“ Beitrag wird nach ein paar Tagen ein kurzes Tutorial freigeschaltet, das sich entweder mit der Analyse oder der Visualisierung beschäftigt und Excel, R oder Stata Beispiele zum jeweiligen Beitrag enthält.Wir wünschen Ihnen viel Spaß beim Erkunden und (Selbst-) Visualisieren und (Selbst-) Analysieren!Ihr Team von Innside Statistics