Zusammenfassung
Durch Dichteschätzer können georeferenzierte Daten effektiv zur Darstellung des Zusammenhangs von Konzentrationsgebieten bestimmter Bevölkerungsgruppen und dem jeweiligen Betreuungsbedarf genutzt werden. Im Gegensatz zu der klassischen Darstellung über Choroplethenkarten bieten Kerndichteschätzer für eine kleinräumige Analyse große Vorteile. Diese vermeiden Sprünge an den Gebietsgrenzen, sie sind flächentreu und bieten die Möglichkeit Konzentrationsgebiete leicht zu erkennen.
Allerdings liefern Open Data nur aggregierte Informationen zu einem Flächenstück. In diesem Aufsatz zeigen wir, wie durch die Anwendung der Methode der simulierten Geokoordinaten von Groß et al. (2017) auch mit Open Data Dichteschätzer erstellt werden können. Dies geschieht hier anhand von vier Beispielen aus dem Bereich der Kinderbetreuung in Berlin. Zum Vergleich benutzen wir die bisher übliche Darstellungsweise über Choroplethenkarten. Im Ergebnis erkennt man auf den Dichtekarten eine angemessene regionale Verteilung von Kitas und Grundschulen, während die Versorgung mit Kinderarztpraxen deutliche Mängel aufweist. Diese Sachverhalte sind anhand der Choroplethenkarten nicht ersichtlich.
Abstract
With density estimators it is possible to illustrate effectively the relation between concentration of different subpopulations living in certain areas and the care which is accordingly needed. In contrast to the conventional plotting method with choropleths, kernel density estimators have the advantage that they also can be used for local analyses. These estimators avoid leaps at the border lines and provide an equivalent map, which offers the opportunity to identify the concentration areas easily.
However, Open Data frequently supplies only aggregated information for each area. In this paper we show that it is even possible to create density estimators with Open Data by using the method of simulated geographic coordinates by Groß et al. (2017). This will be demonstrated by four examples on childcare in Berlin. For comparison, we use the traditional maps based on choropleths. In conclusion, the density maps show that the distribution of kindergartens and primary schools is allocated appropriately, while the allocation of pediatricans is inadequate. These insights are not obvious with the use of choropleth maps.
Notes
Ein Update des Pakets Kernelheaping erlaubt ab der Version 1.9 zudem die Grenzenkorrektion. Mit dieser Korrektur kann die Dichteschätzung auf das relevante Gebiet gestutzt werden und ragt nicht in Bereiche außerhalb der relevanten Gebiete über. Die Grenzkorrektur wurde hier nicht angewandt.
Nach dem Bedarfsatlas 2017, der eine Grundlage zur Einschätzung des bestehenden und prognostischen Platzbedarfs in den Berliner Bezirksregionen gibt, lagen die im Land Berlin am Ende des Jahres 2016 angebotenen Kindertagesbetreuungsplätze bei rund 160.000. Insgesamt lebten nach den gemeldeten Einwohnerdaten zum gleichen Zeitpunkt 179.678 Kinder im Alter von 1 bis 6 Jahren in Berlin.
Aus der Antwort einer kleinen Anfrage an die Senatsverwaltung für Berlin sind die Anmeldezahlen an Grundschulen im Schuljahr 2016/2017 für zehn Bezirke verfügbar (vgl. Anfrage an Abgeordnetenhaus Berlin 2016). Bei den Bezirken Pankow, Charlottenburg-Wilmersdorf, Lichtenberg, Steglitz-Zehlendorf und Tempelhof-Schöneberg bestanden demnach mehr Anmeldungen als Plätze. Bei den anderen Bezirken Marzahn-Hellersdorf, Mitte, Reinickendorf, Neukölln und Spandau war das Gegenteil der Fall. Hier standen mehr Plätze als Anmeldungen zur Verfügung. Das Problem des Zugangs zu öffentlichen Daten zeigt sich bei den beiden fehlenden Bezirken Friedrichshain-Kreuzberg und Treptow-Köpenick: Diese Bezirke machten keine Angaben zu den Anmeldezahlen.
Mit einem Versorgungsgrad von rund 126 % zählt Gesamt-Berlin hinsichtlich der Pädiater als rechnerisch überversorgt. Neben den Bezirken Steglitz-Zehlendorf und Pankow besitzt auch der Bezirk Charlottenburg-Wilmersdorf einen Überschuss an Ärzten. Die Überversorgung mit knapp 70 % über der benötigten Anzahl schlägt sich auch in der obigen Grafik nieder. Die Überversorgung trifft jedoch nicht auf alle Bezirke zu. Die Bezirke Neukölln und Reinickendorf sind als Wohnort hinsichtlich der Abdeckung mit Kinderärzten eher ungünstig. Hier ist der Versorgungsgrad mit knapp über 90 % in Bezug zur Anzahl der Kinder zu niedrig.
Literatur
Abgeordnetenhaus Berlin (2016) Anfrage zu den Anmeldezahlen für Grund- und Oberschulen zum Schuljahr 2016/2017 in den Bezirken. https://kleineanfragen.de/berlin/17/18754-anmeldezahlen-fuer-grund-und-oberschulen-zum-schuljahr-2016-2017-in-den-bezirken. Zugegriffen: 11. Juni 2018
Abgeordnetenhaus Berlin (2017) Unsere Kinder in Berlin – Ärztliche Grundversorgung sichergestellt? https://kleineanfragen.de/berlin/18/10369-unsere-kinder-in-berlin-aerztliche-grundversorgung-sichergestellt. Zugegriffen: 11. Juni 2018
Celeux G, Chauveau D, Diebolt J (1996) Stochastic versions of the em algorithm: an experimental study in the mixture case. J Stat Comput Simul 55(4):287–314
Dempster A, Laird N, Rubin D (1977) Maximum likelihood from incomplete data via the EM algorithm. J R Stat Soc Series B Stat Methodol 39(1):1–38
Fahrmeir L, Hamerle A, Tutz G (1996) Multivariate statistische Verfahren, 2. Aufl. De Gruyter, Berlin
Gemeinsamer Bundesausschuss (2017): Richtlinie über die Bedarfsplanung sowie die Maßstäbe zur Feststellung von Überversorgung und Unterversorgung in der vertragsärztlichen Versorgung, https://www.g-ba.de/downloads/62-492-1408/BPL-RL_2016-12-15_iK-2017-06-01.pdf. Zugegriffen: 15. Januar 2018
Groß M, Rendtel U, Schmid T, Schmon S, Tzavidis N (2017) Estimating the density of ethnic minorities and aged people in Berlin: multivariate kernel density estimation applied to sensitive georeferenced administrative data protected via measurement error. J R Stat Soc Ser A 180(1):161–183
Groß M, Rendtel U, Schmid T, Tzavidis N (2018) Switching between different area systems via simulated geocoordinates: a case study for student residents in Berlin. Diskussionsbeiträge, No. 2018/2. Freie Universität Berlin, Fachbereich Wirtschaftswissenschaft, Berlin
Hall P, Marron S (1987) On the amount of noise inherent in bandwidth selection for a kernel density estimator. Ann Stat 15(1):163–181
Hauptstadtportal Berlin (2018) Kinderärzte. https://berlin.de/special/gesundheit-und-beauty/adressen/kinderarzt/. Zugegriffen: 11. Juni 2018
Nielsen S (2000) The stochastic EM algorithm: estimation and asymptotic results. Bernoulli (Andover) 6(3):457–489
Open Knowledge International (2016) Global open data index. https://index.okfn.org/place/. Zugegriffen: 11. Juni 2018
Senatsverwaltung für Bildung, Jugend und Familie (2017) Bedarfsatlas 2017. http://www.berliner-kitabuendnis.de/downloads/bedarfsatlas.pdf. Zugegriffen: 11. Juni 2018
Senatsverwaltung für Bildung, Jugend und Familie (2018) Kitaverzeichnis. https://berlin.de/sen/jugend/familie-und-kinder/kindertagesbetreuung/kitas/. Zugegriffen: 11. Juni 2018
Sheather S, Jones C (1991) A reliable data-based bandwidth selection method for kernel density estimation. J R Stat Soc Series B Stat Methodol 53(3):683–690
Silverman B (1986) Density estimation for statistics and data analysis. London, Chapman & Hall
Wand M, Jones C (1994) Multivariate plug-in bandwidth selection. Comput Stat 9:97–116
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Rendtel, U., Ruhanen, M. Die Konstruktion von Dienstleistungskarten mit Open Data am Beispiel des lokalen Bedarfs an Kinderbetreuung in Berlin. AStA Wirtsch Sozialstat Arch 12, 271–284 (2018). https://doi.org/10.1007/s11943-018-0235-y
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s11943-018-0235-y