Dynamik des Verkehrsverhaltens im Jahresvergleich Analyse ......Projektnummer 70.557/98 Im...

Projektnummer 70.557/98

Im Forschungsprogramm Stadtverkehr desBundesministeriums für Verkehr, Bau- undWohnungswesen

Jutta KloasHartmut KuhfeldUwe Kunert

DIW Berlin

Dynamik des Verkehrsverhaltens im JahresvergleichAnalyse des deutschen Mobilitätspanels1994 bis 1999

Endbericht

Berlin, Juli 2001

Dynamik des Verkehrsverhaltens im JahresvergleichAnalyse des deutschen Mobilitätspanels

1994 bis 1999

Bearbeitet vonJutta KloasHartmut KuhfeldUwe Kunert

TextverarbeitungAnja GarbeEdeltraud Martin

StatistikKlaus HilgeThorsten Szutzkus

Inhaltsübersicht

1 Einleitung ...................................................................................................................................... 11.1 Untersuchungsgegenstand ................................................................................................................... 1

1.2 Ziel der Untersuchung ......................................................................................................................... 3

1.3 Untersuchungskonzept: Querschnitt- versus Längsschnittbetrachtung ................................................ 5

1.4 Gliederung des Berichtes..................................................................................................................... 10

2 Datenaufbereitung, Darstellung und Gewichtung......................................................................... 112.1 Datenübernahme.................................................................................................................................. 12

2.2 Betrachtung der Kohorten und Wellen ................................................................................................ 12

2.2.1 Haushaltskennziffern................................................................................................................ 12

2.2.2 Mobilitätskennziffern ............................................................................................................... 19

2.3 Regionale Verteilung........................................................................................................................... 24

2.4 Plausibilitätsprüfung und Imputation................................................................................................... 27

2.5 Visualisierung...................................................................................................................................... 29

2.6 Zweckzuordnung für die Heimwege.................................................................................................... 31

2.6.1 Wegezweck .............................................................................................................................. 31

2.6.2 Wege und Wegeketten ............................................................................................................. 33

2.6.3 Charakteristik der Wegeketten ................................................................................................. 34

2.6.4 Ableitung der Charakteristik der Wegeketten für das Mobilitätspanel..................................... 35

2.7 Fallzahlen und Datenorganisation ....................................................................................................... 40

2.8 Ausfallanalyse ..................................................................................................................................... 43

2.9 Gewichtung für Längsschnittbetrachtungen......................................................................................... 49

3 Strukturwerte, Kenngrößen und Übergangshäufigkeiten ausgewählter Variablen im Sozio-oekonomischen Panel (SOEP)....................................................................................................... 513.1 Merkmale des Sozio-oekonomisches Panels ....................................................................................... 51

3.2 Aufbereitung des SOEP für die mit dem Mobilitätspanel vergleichbare Grundgesamtheit�deutschsprachige Privathaushalte in Westdeutschland�..................................................................... 53

3.3 Übergangshäufigkeiten ausgewählter Variablen des SOEP im Längsschnitt- undQuerschnittvergleich............................................................................................................................ 55

3.3.1 Haushaltsgröße......................................................................................................................... 56

3.3.2 Wohnungswechsel.................................................................................................................... 61

3.3.3 Pkw-Verfügbarkeit von Haushalten ......................................................................................... 63

3.3.4 Personen nach sozio-demografischen Bevölkerungsgruppen................................................... 67

3.4 Schlussfolgerung ................................................................................................................................. 70

4 Deskriptive Analyse des Mobilitätspanels .................................................................................... 71

Verzeichnisse II

4.1 Haushaltsmerkmale.............................................................................................................................. 71

4.1.1 Motorisierung der Haushalte .................................................................................................... 71

4.1.2 Haushaltsgröße......................................................................................................................... 73

4.1.3 Umzüge .................................................................................................................................... 75

4.2 Personengebundene Determinanten des Verkehrsverhaltens............................................................... 75

4.2.1 Alter und Geschlecht ................................................................................................................ 75

4.2.2 Stellung im Lebenszyklus......................................................................................................... 76

4.2.3 Arbeitsplatz- oder Ausbildungsplatzwechsel............................................................................ 80

4.2.4 Persönliche Pkw-Verfügbarkeit und Wegehäufigkeit............................................................... 80

4.2.5 Zeitkartenbesitz und Verkehrsverhalten................................................................................... 82

4.3 Siedlungsstruktur, Verkehrserschließung ............................................................................................ 85

4.3.1 Parkprobleme am Wohnort ...................................................................................................... 85

4.3.2 Qualität der Anbindung der Wohnung an öffentliche Verkehrsmittel ...................................... 86

4.3.3 Raumtyp, Siedlungsstruktur ..................................................................................................... 88

4.4 Situative Merkmale.............................................................................................................................. 89

4.5 Unterschiede in den Rahmengrößen der Mobilität im Vergleich zwischen zwei Erhebungsjahren..... 90

5 Quer- und Längsschnittanalyse an ausgewählten Beispielen........................................................ 945.1 Methodische Ansätze, Einführung....................................................................................................... 94

5.1.1 Statistische Verfahren .............................................................................................................. 98

1.1.2 Methodenstudie von IVT und Steinbeis-TZ............................................................................. 100

1.2 Die Quer- und Längsschnittanalyse im Vergleich ............................................................................... 101

1.2.1 Bestimmungsgrößen der wöchentlichen Wegehäufigkeit......................................................... 101

1.2.2 Bestimmungsgrößen der Nutzung öffentlicher Verkehrsmittel ................................................ 110

1.2.3 Bestimmungsgrößen der persönlichen Verkehrsleistung.......................................................... 117

6 Ergebnisse und Empfehlungen ...................................................................................................... 1376.1 Methodische Ergebnisse ...................................................................................................................... 138

6.2 Inhaltliche Ergebnisse.......................................................................................................................... 139

6.3 Empfehlungen zur Erhebungsdurchführung ........................................................................................ 142

6.4 Vorschlag für eine ausgebaute Datenbereitstellung............................................................................. 142

7 Literaturverzeichnis....................................................................................................................... 144

AnhangA Beispiele aus den WegetagebüchernB Liste der Variablen und KurzbezeichnungenC Stata � Listing der Analyse der Verkehrsleistung

Verzeichnisse III

Verzeichnis der Übersichten

1-1: Haushalte des Mobilitätspanels nach Kohorten und Wellen................................................................... 2

1-2: Querschnitt versus Längsschnitt ............................................................................................................. 6

1-3: Sozialökologischer Rahmen für die Erklärung von Mobilitätsverhalten ................................................ 8

1-4: Typologie von Variablen........................................................................................................................ 10

2-1: Haushalte nach der Personenzahl (ungewichtet)..................................................................................... 13

2-2: Haushaltskennziffern nach Kohorte, Welle und Teilnahmehäufigkeit.................................................... 14

2-3: Dreifachteilnehmende Haushalte des Mobilitätspanels 1994-1997 nach der Zahl der Personen imAlter ab 10 Jahren................................................................................................................................... 15

2-4: Dreifachteilnehmende Haushalte des Mobilitätspanels 1994-1997 nach der Zahl der Kinder im Alterbis unter 10 Jahren.................................................................................................................................. 16

2-5: Dreifachteilnehmende Haushalte: Anteil der Haushalte mit Angaben zu jeder Person (ab 10 Jahren)nach Haushaltsgröße und Erhebungsjahr................................................................................................ 17

2-6: Dreifachteilnehmende Haushalte: Anteil der Haushalte mit Angaben zu allen Kindern (bis zu 10Jahren) .................................................................................................................................................... 18

2-7: Haushaltsmotorisierung nach Kohorte, Welle und Teilnahmehäufigkeit................................................ 21

2-8: Personenkennziffern nach Kohorte, Welle und Teilnahmehäufigkeit..................................................... 22

2-9: Verkehrsbeteiligung nach Kohorte, Welle und Teilnahmehäufigkeit ..................................................... 23

2-10: Haushalte des Mobilitätspanels 1994 bis 1999 nach Bundesländern im Vergleich zum Mikrozensus1997 (Haushalte in %) ............................................................................................................................ 24

2-11: Räumliche Verteilung der Haushaltskohorten ........................................................................................ 25

2-12: Räumliche Verteilung der Haushalte des Mobilitätspanels mit dreimaliger Teilnahme ......................... 26

2-13: Anteil der dreifachteilnehmenden Haushalte an allen Haushalten des Mobilitätspanels 1994 bis 1997nach Bundesländern................................................................................................................................ 27

2-14: Änderungen von Datensätzen in den Wegedateien (Beispiele) .............................................................. 29

2-15: Visualisierung - Personenvergleich über drei Jahre................................................................................ 30

2-16: Wege (ungewichtet) nach Zweckcodierung............................................................................................ 33

2-17: Wegeketten nach Anzahl der Wege je Kette .......................................................................................... 34

2-18: Zweckcodierung, Wegekettenende und Zweckhierarchie....................................................................... 36

2-19: Wege (ungewichtet) 1997 nach Zweckcodierung und Charakteristik..................................................... 37

2-20: Heimwege (ungewichtet) nach DIW-Zwecken....................................................................................... 38

2-21: Wege insgesamt (ungewichtet) nach DIW-Zwecken .............................................................................. 39

2-22: Fallzahlen des Mobilitätspanels nach Kohorten und Wellen.................................................................. 41

2-23: Konzepte der Anordnungen von Beobachtungen bei Paneldaten I ......................................................... 42

2-24: Konzepte der Anordnungen von Beobachtungen bei Paneldaten II ....................................................... 43

2-25: Entwicklung der Fallzahlen der Ursprungsstichprobe des Sozio-oekonomischen Panels ...................... 44

3-1: Eckwerte des Sozio-oekonomischen Panels ........................................................................................... 54

3-2: Privathaushalte 1995 bis 1997 nach Haushaltsgröße - Ergebnisse des Mikrozensus � .......................... 57

3-3: Privathaushalte 1995 bis 1997 nach Haushaltsgröße - Ergebnisse des SOEP -..................................... 58

Verzeichnisse IV

3-4: Privathaushalte nach Haushaltsgröße - Querschnittergebnisse 1995, 1996 und 1997 -.......................... 59

3-5: Privathaushalte nach Haushaltsgröße - Längsschnittergebnisse - ........................................................... 60

3-6: Wohnungswechsel von Privathaushalten - Quer- und Längsschnittergebnisse 1996 und 1997 -............ 62

3-7: Hauptsächlicher Grund für den Wohnungswechsel ................................................................................ 62

3-8: Motorisierung von Privathaushalten und Anzahl der vorhandenen Pkw - Querschnittergebnisse1995 und 1996 -...................................................................................................................................... 64

3-9: Privathaushalte nach Haushaltsgröße und Motorisierung - Querschnittergebnisse 1995 und 1996 - ..... 64

3-10: Privathaushalte nach Haushaltsgröße und Motorisierung - Längsschnittergebnisse 1995 und 1996 -.... 65

3-11: Anzahl der Pkw in Privathaushalten - Längsschnittergebnisse 1995 und 1996 -.................................... 66

3-12: Personen im Alter ab 10 Jahren in deutschsprachigen Privathaushalten Westdeutschlands nach sozio-demografischen Gruppen - Querschnittergebnisse 1996 und 1997 - ...................................................... 67

4-1: Änderung der Haushaltsmotorisierung (Übergänge) .............................................................................. 72

4-2: Übergänge in der Haushaltsgröße - Vergleich mit dem SOEP ............................................................... 74

4-3: Anzahl der Wege in der Woche nach Altersklassen ............................................................................... 76

4-4: Anzahl der Personenkilometer in der Woche nach Altersklassen........................................................... 76

4-5: Übergänge in der beruflichen Stellung - Vergleich mit dem SOEP........................................................ 77

4-6: Anzahl der Wege in der Woche nach der beruflichen Stellung .............................................................. 78

4-7: Anzahl der Personenkilometer in der Woche nach der beruflichen Stellung.......................................... 78

4-8: Anzahl der Personenkilometer in der Woche nach der beruflichen Stellung (Übergänge)..................... 79

4-9: Änderung der Pkw-Verfügbarkeit und der Wegehäufigkeit (Übergänge) .............................................. 81

4-10: Angaben zum Zeitkartenbesitz im Längsschnitt ..................................................................................... 83

4-11: Zeitkartenbesitz und Mobilität im Längsschnitt ..................................................................................... 84

4-12: Haushalte nach der Zufriedenheit mit der Anbindung an öffentliche Verkehrsmittel............................. 87

4-13: Haushalte nach der Erreichbarkeit öffentlicher Verkehrsmittel.............................................................. 88

4-14: Anzahl der Personenkilometer in der Woche nach dem Raumtyp.......................................................... 89

4-15: Krankheitstage und Mobilität (Personenkilometer) bei Wiederholern ................................................... 90

4-16: Ereignisse auf Haushaltsebene zwischen den Erhebungsjahren ............................................................. 91

4-17: Ereignisse auf Personenebene zwischen den Erhebungsjahren .............................................................. 92

5-1: Wöchentliche Wegehäufigkeit - Haupteffektenmodell...........................................................................103

5-2: Effekte auf die wöchentliche Wegehäufigkeit ........................................................................................104

5-3: Wöchentliche Wegeanzahl der Mehrfachteilnehmer im Mobilitätspanel ...............................................107

5-4: Änderung der wöchentlichen Wege - Haupteffektenmodell Längsschnitt ..............................................108

5-5: Effekte auf die Veränderung der wöchentlichen Wege - Haupteffektenmodell......................................110

5-6: Wöchentliche Wege mit dem ÖV - Haupteffektenmodell ......................................................................111

5-7: Effekte auf die wöchentliche Wegehäufigkeit mit öffentlichen Verkehrsmitteln ...................................111

5-8: Deskriptive Längsschnittanalyse der Wegehäufigkeiten mit dem ÖV zu zwei Zeitpunkten...................113

5-9: Änderung der wöchentlichen Wege mit dem ÖV - Haupteffektenmodell Längsschnitt .........................115

5-10: Effekte auf die Veränderung der wöchentlichen Wege mit dem ÖV � Haupteffektenmodell ................116

5-11: Varianzzerlegung für Wege und Personenkilometer ..............................................................................117

Verzeichnisse V

5-12: Quer- und Längsschnittmodelle zur Erklärung der Verkehrsleistung: Test der Varaiblen .....................118

5-13: Verteilung der in der Woche zurückgelegten Personenkilometer und Normalverteilung.......................121

5-14: Intrapersonelle Effekte auf die wöchentliche Verkehrsleistung (Modell 5)............................................123

5-15: Effekte auf die wöchentliche Verkehrsleistung (Modell 6) ....................................................................124

5-16: Grafik zur Verkehrsleistung im Vorjahr - Plot der Residuen Modell 7 ..................................................125

5-17: Einflußgrößen auf die Verkehrsleistung und ihre Signifikanz ................................................................126

5-18: Zusammenfassung: Einflußgrößen auf die wöchentliche Verkehrsleistung............................................129

5-19: Regressionen zur Dynamik der Verkehrsleistung: Test der Variablen ...................................................130

5-20: Effekte auf die wöchentliche Verkehrsleistung (Modell 9) ....................................................................131

5-21: Regressionen zur Dynamik der Verkehrsleistung: Koeffizienten ...........................................................132

Mobilitätspanel � Dynamik des Verkehrsverhaltens im Jahresvergleich 1

1 Einleitung

1.1 Untersuchungsgegenstand

Mit dem Mobilitätspanel wird seit 1994 im Auftrag des BMV bzw. des BMVBW das Ver-

kehrsverhalten der westdeutschen Bevölkerung durch Befragung bei privaten Haushalten

gemessen. Ab 1999 ist die Befragung um Haushalte aus den neuen Bundesländern und aus

Berlin erweitert. Jeweils im Herbst werden alle ab 10 Jahre alten Haushaltsmitglieder der

Stichprobe gebeten, eine Woche lang ein Wegetagebuch zu führen. Neu für die Erhebung

des Verkehrsverhaltens in Deutschland ist die wiederholte Befragung derselben Personen

über einen Zeitraum von bis zu drei Jahren. Die Verkehrsbeteiligung von Personen in pri-

vaten Haushalten wird in der Form von Wegeprotokollen erfragt. Zu jedem Verlassen eines

Aufenthaltortes bis zum Erreichen eines Ziels ist eine Fragebogenspalte mit Angaben zu

den benutzten Verkehrsmitteln, Wegedauer usw. auszufüllen. Personenverkehr ist somit

durch eine Ortsveränderung unter Inanspruchnahme öffentlicher Verkehrsinfrastruktur

(Straßenraum, Verkehrsmittel) gekennzeichnet. Die Stichprobenentwicklung (Haushalts-

zahlen) bis 1999 stellt die Übersicht 1-1 dar. Verschiedene Kennziffern des Personenver-

kehrs lassen sich aus den erhobenen Daten ermitteln:

• Wie oft wird täglich das Haus / die Wohnung verlassen?

Messgrößen: Außer-Haus-Anteil, Zahl der Ausgänge, Zahl der Wege, Wegeketten.

• Welche Verkehrsmittel werden benutzt?

Messgrößen: Zahl der Wege nach Verkehrsmitteln, Verkehrsmittelkombinationen (Inter-

modalität).

• In welchem Umfang wird der Verkehrsraum genutzt?

Messgrößen: Personen- und Fahrzeugkilometer, durchschnittliche Wegelängen.

• Wie hoch ist der Zeitaufwand?

Messgrößen: Zeit der Verkehrsbeteiligung, durchschnittliche Wegedauer.


Übersicht 1-1:Haushalte des Mobilitätspanels nach Kohorten und Wellen

239

239

1994

140

245

385

199569

116

563

748

1996

764

99

423

242

1997

746

321

170

255

1998

132

210

431

240

1013

1999

1994

1995

1996

1997

1998

1999

1994

1995

1996

1997

1998

1999

W e l l e n

Kohorten

insgesamt

Quellen: Mobilitätspanel 1994-1999.

Alle Messgrößen beziehen sich auf einen Zeitraum (Tag, durchschnittlicher Wochentag, Wo-

che) und werden zur Beschreibung des Personenverkehrs i.a. nach den Motiven der Ver-

kehrsteilnahme (Wege- oder Fahrtzwecken) und den benutzten Verkehrsmitteln weiter diffe-

renziert. Neben den Größen, die den Personenverkehr beschreiben, ist für Erklärungsmodelle

oder Prognosen der Zusammenhang zu erklärenden Merkmalen (Stellung der Person im Le-

benszyklus, Wohnumfeld etc.) mit einzubeziehen. Einige Größen, wie z.B. der Pkw-Besitz,

können sowohl als Verkehrsverhalten beschreibend als auch erklärend verstanden werden.

Gegenüber bisherigen Erhebungen bietet das Mobilitätspanel ganz erhebliche Vorteile. Ne-

ben einer besseren Erfassung des Umfelds des Verkehrsverhaltens als bisher (z.B. Park-

möglichkeit für Pkw, Erreichbarkeit von Einrichtungen) wird die Mobilität im Wochenver-

lauf betrachtet. Vor allem bietet sich die Möglichkeit, Kennziffern zum Personenverkehr

(z.B. ÖV-Nutzung) und zu den Erklärungsgrößen (z.B. Zahl der Arbeitslosen) von Jahr zu

Jahr nicht nur als Saldo der Änderungen zu verfolgen, sondern auch die Brutto-

Veränderungen im Einzelnen nachzuvollziehen. Während wiederholte Querschnittserhe-


bungen Netto-Veränderungen über die betrachtete Zeitperiode ermitteln, kann ein Panel die

dahinter stehenden spezifischen Bruttoströme identifizieren, die sich teilweise oder gänzlich

kompensieren können.

Verschiedene Ebenen kommen als Grundgesamtheit, die das Mobilitätspanel abbilden soll, in

Betracht: die deutschsprachigen privaten Haushalte, die darin lebenden Personen, die Perso-

nentage (die den Wegeprotokollen für einen Tag entsprechen), oder alle durchgeführten We-

ge. Die Summe aller Wege für Westdeutschland liegt bei rd. 75 Mrd. jährlich. 1998 wurden

im Mobilitätspanel hiervon 37 000 Wege erfasst. Trotz des geringen Stichprobenumfangs

ergibt sich für das Mobilitätspanel eine relativ gute Übereinstimmung mit Kennziffern zur

Verkehrsentwicklung, wie sie z.B. in Verkehr in Zahlen ausgewiesen werden.1 Das Mobili-

tätspanel ist auf Repräsentativität bezüglich der Bevölkerungsstruktur und dem Raumtyp an-

gelegt. Zur saisonalen Verteilung kann das Panel keine Aussagen machen, jedoch ist als Be-

fragungsperiode der als �durchschnittlich� bekannte Herbstzeitraum gewählt worden.

1.2 Ziel der Untersuchung

Der vorliegende Forschungsbericht ist Teil von vier zusammenhängenden Projekten:

• Beim Institut für Verkehrswesen der Universität Karlsruhe (IfV) erfolgen die Aufberei-

tung, die Gewichtung und Hochrechnung und die laufende Berichterstattung der von In-

fratest Burke erhobenen Daten. Das IfV stellt die Paneldateien den anderen Instituten zur

Verfügung.

• Das IVT Heilbronn und das Steinbeis-Transferzentrum setzen Modelle der Statistik und

der Künstlichen Intelligenz als Instrumente zur Analyse des Mobilitätspanels ein.

• Die Prognos AG untersucht mit Hilfe des Mobilitätspanels die Konstanz bzw. Variabilität

von Verhaltensmustern im Wochenablauf.

• Das DIW hat den Forschungsschwerpunkt Stabilität und Veränderung des Verkehrsver-

haltens bei identischen Personen im Jahresvergleich.

1 Vgl. IfV (1998), S. 70.


Die Untersuchung des DIW verfolgt drei Fragestellungen:

• Die vergleichende Einordnung der Ergebnisse des Mobilitätspanels mit anderen Informa-

tionen. Es wird die Repräsentativität im Vergleich zum Mikrozensus und zum Sozio-

oekonomischen Panel (SOEP) betrachtet.

• Die Wirkung der Veränderungen struktureller Variablen auf das Mobilitätsverhalten. Hier

sind insbesondere die sozio-demographischen Eigenschaften der Personen und Haushalte

angesprochen, für die in Querschnittanalysen mit unterschiedlichen Merkmalsausprägun-

gen auch Differenzen im Mobilitätsverhalten einhergehen. Welche Bedeutung hat also

z.B. ein tatsächlich beobachteter Wechsel im Berufsstatus für die Mobilität der mehrfach

befragten Personen.

• Die Quantifizierung der Reaktionen der Personen und Haushalte auf einen Wandel von

Angebotsbedingungen. Hier sind z.B. die denkbaren Anpassungs- und Ausweichprozesse

infolge von Preiserhöhungen oder nach Verbesserungen oder Verschlechterungen der

Verkehrsbedienung zu betrachten.

Fragestellungen zur Stabilität und Veränderung des Verkehrsverhaltens bei identischen Perso-

nen im Jahresvergleich können lauten:

• Welchen Einfluss hat eine Änderung der Pkw-Verfügbarkeit auf das Verkehrsverhalten bei

identischen Personen?

• Wie entwickelt sich die zur Verkehrsteilnahme aufgewendete Zeit?

• Erhöht sich der Radius für Aktivitäten durch die zunehmende Motorisierung und den Aus-

bau der Verkehrsinfrastruktur?

• Gibt es �verhaltenskonstante� Bevölkerungsgruppen?

• Welche Segmente (etwa Freizeit- Wochenendverkehr) haben eine hohe Variabilität?

• Ändert sich die Struktur der regelmäßigen Wege (etwa zur Arbeit)?

• Wie wirken sich �seltene Ereignisse� - wie ein Umzug des Haushalts, ein Arbeitsplatz-

wechsel, die Geburt eines Kindes - auf das Verkehrsverhalten aus?

Im Rahmen dieser Untersuchung konnte nur ein kleiner Teil der angesprochenen Themen

vertieft untersucht werden. Auf den projektbegleitenden Sitzungen wurden die Inhalte mit

dem Auftraggeber und den anderen Projektbeteiligten abgestimmt.


1.3 Untersuchungskonzept: Querschnitt- versus Längsschnittbetrachtung

Die Verkehrs- und Mobilitätsforschung basiert bislang, zumindest was die Analyse von Mi-

krodaten betrifft, auf Querschnittdaten. Querschnittdaten werden mit einmaligen Erhebungen

gewonnen, sie bieten Informationen über Zustände und Zusammenhänge zu einem Zeitpunkt

oder innerhalb des engen Zeitraumes der Durchführung der Erhebung. Für analytische, plane-

rische und prognostische Studien sind Querschnittdaten die Grundlage von Schlussfolgerun-

gen, mit denen gewöhnlich nicht explizit genannte Annahmen verbunden sind und aus denen

sich die Notwendigkeit ableiten lässt, auch Panelanalysen in dieser Forschungsdisziplin zu

verfolgen. Unseres Erachtens sind vier wichtige Voraussetzungen für zahlreiche Interpretatio-

nen von Querschnittdaten zu hinterfragen:

1. Können die im Querschnitt gefundenen Strukturen zeitlich extrapoliert werden? Aussagen,

die einen Befund zeitlich fortschreiben, findet man vor allem häufig bezüglich von Alter-

seffekten. Im oberen Teil der Übersicht 1-2 sind die pro Woche durchgeführten Wege für

vier Altersgruppen angegeben (Auswertung gepoolter Datenbestand des Mobilitätspanel

1994 � 1998). Über die vier Altersgruppen betrachtet ist die durchschnittliche Zahl aller

Wege bei höherem Alter geringer aber die Zahl der Wege mit dem ÖV größer. Ein derarti-

ger Befund wird häufig als Verhaltensänderung � hier also mit zunehmendem Alter � in-

terpretiert. Tatsächlich sind jedoch nur Unterschiede zwischen Kategorien und keine Ver-

änderungen im Zeitablauf mit diesen Daten belegt. Falsche Begrifflichkeiten (�Zunahme

der ÖV-Wege mit steigendem Alter�) können leicht zu falschen Schlussfolgerungen füh-

ren (vgl. Goodwin, 1989).

2. Sind die im Querschnitt gefundenen Zusammenhänge reversibel und symmetrisch? Der

zweite Block der Übersicht 1-2 stellt den Zusammenhang von Pkw-Ausstattung im Haus-

halt und der Wegehäufigkeit insgesamt sowie mit dem ÖV für die befragten Personen dar.

Der deutliche Effekt: mehr Pkw im Haushalt � mehr Wege insgesamt � aber weniger

Wege mit den öffentlichen Verkehrsmitteln � und umgekehrt. Stellen sich entsprechende

Unterschiede auch bei einer Verringerung oder Erhöhung der Zahl der Pkw in ein und dem

selben Haushalt oder im Durchschnitt für viele Haushalte ein, wie sie die Differenzen zwi-

schen den ausgewiesenen Kategorien nahe legen? (vgl. Blase, 1979 und 1980)


3. Mit einer Querschnitterhebung erfassen wir die heutigen Verhaltensmerkmale y sowie die

das Verhalten beeinflussenden Größen x. In der Analyse spezifizieren wir die Beziehung f

zwischen dem Verhalten und den vermeintlichen Ursachen (Block 3 der Übersicht 1-2).

Aber wie weit ist das Verhalten der Personen tatsächlich von den gleichzeitig beobachtba-

ren Merkmalen der Personen, der Haushalte, des Verkehrssystems etc. geprägt? Welche

Rolle spielen Erfahrungen, Gewohnheiten und Einstellungen, die von zeitlich zurücklie-

genden Ursachen geformt sind? Gibt es strukturelle Abhängigkeiten aktueller Entschei-

dungen von früheren wegen deren Effekte auf die Präferenzen oder das Choice-Set der

Personen (vgl. Johnson und Hensher, 1982; McFadden, 2000).

4. Ähnlich stellt sich die Frage auf der Systemebene: Erfassen wir einen Gleichgewichtszu-

stand des Systems? Es kann bezweifelt werden, dass in den beobachteten Verhaltensaus-

prägungen y die konsolidierten Anpassungen an alle Stimuli x berücksichtigt sind. Viel-

mehr ist zu vermuten, dass viele Reaktionen erst verzögert eintreten, z.B. wenn bestimmte

Schwellenwerte überschritten werden oder wenn situative Faktoren eine Anpassung erlau-

ben oder anregen (vgl. Johnson und Hensher, 1982; Goodwin, 1989 und 1997).

Übersicht 1-2:Querschnitt versus Längsschnitt

Alter 35-54 55-64 65-74 75+ÖV-Wege 1,17 1,37 1,46 1,49Wege 26,11 23,11 20,00 17,87

� Extrapolation über Zeit��

Alter und ÖV-Nutzung

Pkw im HH 0 1 2+ Insg.ÖV-Wege 5,2 1,3 0,7 1,4Wege 21,00 24,10 26,30 24,70

� Zusammenhänge reversibelund symmetrisch? ��

Pkw-Ausstattung und ÖV-Nutzung

� Erfahrungen von Bedeutungfür Verhalten?

� Gleichgewicht des Systems? ��

Früher

?

Heute

yt = f (xt)��

Zukunft

?��


Im Grunde steht hinter diesen Fragestellungen die nach der Kausalität, nach der Richtung und

der zeitlichen Abfolge von Ursache-Wirkungs-Beziehungen. Paneldaten erlauben uns, bessere

Einblicke in kausale Strukturen zu finden und Antworten zu den aufgeworfenen Fragen zu

finden (vgl. Davies und Pickles, 1985).

Für die Erforschung des Verkehrsverhaltens sind zwei Grundgedanken leitend: (1) Die indivi-

duelle Mobilität ist eine abgeleitete Nachfrage, ursächlich ist die Durchführung von Aktivitä-

ten, die Wege sind integraler Bestandteil einer Folge von Ereignissen in Raum und Zeit. (2)

Das Bedürfnis zur Teilnahme an verschiedenen Aktivitäten wird mitbestimmt durch die Si-

tuation einer Person und die Mobilitätsdurchführung wird teils möglich gemacht, teils einge-

schränkt durch das Sachsystem. Als konzeptioneller Rahmen für die Analyse und Erklärung

von zeit-räumlichen Verhalten kann der Sozialökologische Ansatz nach Heidemann (1981)

herangezogen werden, der die Aktivitätsausübung und die Mobilität privater Haushalte als

Budgetverwendung unter Regimebedingungen versteht (Übersicht 1-3). Die auf der Angebots-

seite herrschenden Regime umfassen u.a. die räumliche Verteilung von Einrichtungen, deren

Öffnungs- und Betriebszeiten, die Fahrpläne der Verkehrsmittel u.v.a.m. Dem stehen als

Nachfrager die Haushalte mit ihren Budgets an Zeit, Geld und Informationen gegenüber. Wel-

cher Aktivitätenbedarf und welche Rahmenbedingungen die Mobilität der einzelnen Personen

beeinflussen, kann mit Hilfe der Konzepte der Rolle und des Lebenszyklus innerhalb dieses

Rahmens schematisiert werden. Nach diesen Konzepten lassen sich Personengruppen mit den

normalerweise erhobenen soziodemographischen Variablen inhaltlich abgrenzen.

So wie dieses Konzept zum Verständnis von Verhaltensunterschieden in der Querschnittana-

lyse beiträgt, kann es auch die Suche nach Erklärungsmustern für Verhaltensänderungen bei

Personen im Zeitablauf leiten. Allerdings finden sich in der Analyse von Querschnittdaten die

erklärenden Merkmale (z.B. Alter oder Erwerbsstatus der befragten Personen) in der Regel in

ausreichender Fallzahl und Varianz. Für die Analyse im Längsschnitt nehmen die Variablen

jedoch einen anderen Charakter an, der anhand der Darstellung 1-4 erläutert werden soll. Die-

se Typologie unterscheidet Variablen, die wir im Datensatz vorfinden und solche, die nicht

erhoben worden sind aber die dennoch im Zusammenhang zur Ausübung von Aktivitäten und

zur Mobilität stehen. Des Weiteren sind die Variablen nach ihrer zeitlichen Stabilität gruppiert

(Darstellung nach Bradley, 1997).


Übersicht 1-3:Sozialökologischer Rahmen für die Erklärung von Mobilitätsverhalten

Nachfrage

Optionen Intentionen

Einwohner

Haushalte

Bedürfnisse

Angebot

Infrastruktur

Einrichtungen

Gelegenheiten

Zeit

Mittel

Information

Mobilität

Aktivitäten

Zeit

Mittel

Information

Quelle: nach Heidemann, 1981.

Die auf der Seite der Nachfrage stehenden Personen mit ihren Budgets werden durch Varia-

blen beschrieben, von denen einige zeitlich stabil, also einer Längsschnittanalyse ihrer Wir-

kung nicht oder kaum zugänglich sind. So ändert sich z.B. der Ausbildungsstatus oder der

Führerscheinbesitz für erwachsene Personen praktisch nicht. Bezüglich des Alters wäre die

Erwartung der Konstanz reines Wunschdenken, denn die Variable Alter ist perfekt korrelliert

mit der Zeit. Daher ist in einer Längschnittanalyse ihre Wirkung nicht von den Wirkungen

anderer zeitabhängiger Ereignisse zu trennen.

Die nächste Gruppe erhobener Variablen stehen in dieser Untersuchung � wie bereits ange-

merkt � als strukturelle Merkmale, deren Veränderung das Mobilitätsverhalten beeinflussen

dürfte, im Mittelpunkt. Jedoch ändern sich die Ausprägungen dieser Merkmale auf Personen-

oder Haushaltsebene nur selten, was in den Kapiteln 4 und 5 mit entsprechenden Auswertungen

belegt wird. Höhere Häufigkeiten der Veränderungen in diesen Variablen könnten durch eine

größere Stichprobe oder durch eine größere Anzahl von Befragungswellen erreicht werden.


Häufig ändern sich andererseits die interessierenden Mobilitätskenngrößen, jedenfalls so wie

sie im Mobilitätspanel als Tages- oder Wochenwerte faktischen Verhaltens protokolliert und

gemessen werden. In dieser Varianz drückt sich zum einen eine �natürliche� individuelle Ver-

haltensvielfalt von Tag zu Tag aus (intraindividuell), weshalb ja u.a. die Befragung über sie-

ben aufeinander folgende Tage geführt wird. Zum anderen sind Unterschiede in den Verhal-

tensmerkmalen durch die - bezogen auf die Befragten - zufällige Lage der jeweiligen wieder-

holten Erhebungswochen und damit einhergehende Ereignisse bedingt (Krankheit, Urlaub,

Wetter, etc.). Zwei Alternativen für die Erhebungsweise der Verhaltensmerkmale sind ihrer-

seits mit Problemen verbunden: (1) Die Erfassung der Mobilität in Form des Protokolls über

noch längere Zeiträume als eine Woche erscheint mit einer nennenswerten repräsentativen

Stichprobe kaum praktikabel (vgl. die Erhebung über sechs Wochen in dem Projekt Mo-

bidrive [Mobidrive, 2001]) und (2) die Frage nach dem gewöhnlichen Verhalten unterdrückt

die intraindividuelle Verhaltensvarianz so weit gehend, dass von Befragungswelle zu Befra-

gungswelle eintretende Veränderungen � etwa als Reaktion auf Änderung einer strukturellen

Variablen und damit hier im Untersuchungsinteresse � nicht gemessen werden.

Viele potentielle Einflussgrößen der individuellen Mobilität sind in den zur Verfügung ste-

henden Daten wie auch in anderen Erhebungen nicht erfasst, einige sind in der Übersicht 1-4

aufgelistet. Dazu gehören z.B. situative und soziale Zwänge, die sich aus den Arrangements

der Arbeitswelt und des Haushalts ergeben ebenso, wie Eigenschaften des Sachsystems (z.B.

Angebotsparameter wie Reisezeiten). Zusätzlich unbeobachtet bleibt die zeitliche Variation,

die in den erhobenen Variablen auftritt - hier als Messfehler bezeichnet. Je öfter sich eine Va-

riable ändert, umso wahrscheinlicher ist es, dass der gemessene Wert für die formale Ver-

knüpfung mit den anderen zu diesem Zeitpunkt gemessenen Variablen nicht adäquat ist.

Mit den in dieser Studie zu untersuchenden Veränderungen sind also drei Probleme verbun-

den, die eine empirische Umsetzung im Längsschnitt weitaus schwieriger als im Querschnitt

machen: Es handelt sich dabei um relativ seltene Ereignisse, mit dem Auftreten derartiger

Ereignisse (z.B. Umzug eines Haushalts) dürfte eine höhere Wahrscheinlichkeit des Ausfalls

aus der Stichprobe verbunden sein und nicht alle interessierenden Variablen sind in den Daten

enthalten. Schon allein der erste Grund führt zu geringen Fallzahlen. Da zudem zu derartigen

Daten und Fragestellungen in der Verkehrsforschung noch wenig Erfahrungen vorliegen (zu-

mindest in Deutschland), hat die vorliegende DIW-Studie Pilotcharakter.


Übersicht 1-4:Typologie von Variablen

Stabil Selten ändernd Häufig ändernd

Erhoben

NichtErhoben

GeschlechtAlterAusbildungFührerscheinbesitz

HaushaltstypBerufEinkommensniveauPkw-BesitzPkw-VerfügbarkeitArbeitsplatzWohnort

AktivitätenmusterReise - Zeiten - Kosten - Routen - ZieleAbfahrts-/ AnkunftszeitenVerkehrsmittel

PersönlichkeitHandicaps

Messfehler

EinstellungenSoziale ZwängeOptionen

Messfehler

ErfahrungenSituative ZwängeInformationenEigenschaften desSachsystemsMessfehler

Quelle: nach: Bradley, 1997

1.4 Gliederung des Berichtes

Der Bericht umfasst vier Teile. Vorgelagert zu den eigentlichen Analysen zur Dynamik im

Verkehrsverhalten ist die allgemeine Datenaufbereitung, etwa die Generierung zusätzlicher

Variablen und die Herstellung von für die Analyse von Mehrfachteilnehmern geigneten Da-

tenstrukturen. Dies wird im folgenden Kapitel 2 dokumentiert.

Im Mittelpunkt der Untersuchung stehen die �echten� Panelteilnehmer, die sich mehrfach an

der Erhebung beteiligen. Zur vorbereitenden Datenanalyse gehört somit auch die Prüfung der

Repräsentativität für diese Mehrfachteilnehmer. Um Fehlschlüsse aus den Vergleichen zu

vermeiden, muss geprüft werden, ob und ggf. wie sich die Mehrfachteilnehmer am Mobili-

tätspanel von der Gesamtbevölkerung unterscheiden. Diejenigen Personen, die dreimal Aus-

kunft über ihr Verkehrsverhalten erteilen, haben eine mehrfache Filterung durchlaufen: Zu-

nächst wird schon von Infratest der Kreis der möglichen Teilnehmer am Mobilitätspanel aus

einem Pool von Adressen auskunftsbereiter Bürger gewählt. Von diesen erklärt sich wiederum

nur ein Teil zur Teilnahme an der Befragung bereit. Und nur ein Teil hiervon nimmt wirklich


einmal oder mehrfach an der Erhebung teil.2 Neben den Zufallsfehlern, die in der statistischen

Analyse berücksichtigt werden, sind bei der Interpretation bzw. Verallgemeinerung der Er-

gebnisse stets die möglichen systematischen Verzerrungen zu berücksichtigen, die aus dem

Design der Befragung und (teilweisem) Non-Response herrühren können. Der inhaltlichen

Analyse des Verkehrsverhaltens ist daher die Analyse der Datenkonsistenz vorgeschaltet

(ebenfalls Kapitel 2).

Mit den Daten des Mobilitätspanels selbst, etwa durch den Vergleich von Einmal- mit Mehr-

fachteilnehmern, ist die Prüfung der Repräsentativität nur begrenzt möglich. Ein Teil des Ar-

beitsinhalts in diesem Projekt ist daher ein Vergleich der Strukturen aus dem Mobilitätspanel

mit denen anderer statistischer Erhebungen, insbesondere aus dem sozio-oekonomischen Pa-

nel. Ein solcher Vergleich ist bereits durch das Institut für Verkehrswesen3 durchgeführt wor-

den, vom DIW sind weitere Variablen und zusätzliche Aspekte, die sich aus der unterschiedli-

chen Anlage von SOEP und Mobilitätspanel ergeben, einbezogen worden (Kapitel 3).

Die eigentlichen Analysen zur Beschreibung und Erklärung des Verkehrsverhalten gliedern

sich in zwei Teile. In Kapitel 4 werden deskriptiv in Tabellenform Verhaltensänderungen in

Querschnitt- und Längsschnittbetrachtung gegenübergestellt. Für ausgewählte Themen wur-

den vertiefende statistische Analysen durchgeführt (Kapitel 5).

Das Kapitel 6 fasst die wichtigsten Befunde der einzelnen Kapitel zusammen und gibt Emp-

fehlungen für weitere Untersuchungen mit den Paneldaten und für die Fortführung der Erhe-

bung.

2 Datenaufbereitung, Darstellung und Gewichtung

Die hier dargestellte Datenaufbereitung ist der erste Arbeitsschritt, der als Vorbereitung der

inhaltlichen Auswertungen erforderlich ist. Im tatsächlichen Arbeitsablauf sind die z.T. sehr

zeitintensiven Prüfungen und Datenkorrekturen ein laufender Prozess gewesen, da sich erst

bei der konkreten Einzelbetrachtung immer wieder Notwendigkeiten und Möglichkeiten zur

weiteren Verbesserung des Datenbestandes zeigten.

2 Ein besonders Problem ergibt sich noch daraus, dass z.T. nur einzelne Tage der Befragungswoche nicht be-richtet werden.3 IfV (1998).


2.1 Datenübernahme

Die Datenbestände sind dem DIW vom IfV (sehr gut aufbereitet und dokumentiert) sowohl im

SAS- und im SPSS-Format als auch als ASCII-Dateien zur Verfügung gestellt worden. Ab

1999 unterscheidet sich die Datenstruktur etwas von der der Vorjahre.

Ergänzt wurde die Zweckcodierung, um den Heimwegen Zwecke zuzuordnen. Das Vorgehen

wird im nächsten Abschnitt dargestellt. Weitere Zusatzcodierungen sind aus technischen

Gründen erfolgt (z.B. Teilnahmehäufigkeit, erstes Teilnahmejahr), oder es sind Zusammen-

fassung mehrerer Variablenausprägungen gebildet worden, um bei Veränderungen zwischen

den Jahren ausreichende Fallzahlen zu erhalten. Hierauf wird von Fall zu Fall in Kapitel 4

eingegangen.

2.2 Betrachtung der Kohorten und Wellen

In diesem Abschnitt werden im Schwerpunkt die Unterschiede betrachtet, die sich zwischen

Grundgesamtheit, Panelstichprobe insgesamt und Mehrfachteilnehmern ergeben.

2.2.1 Haushaltskennziffern

Der unterschiedliche Charakter der Wellen des Mobilitätspanels - bis 1996 in der Pilotpha-

se - wird bereits an der Entwicklung der Fallzahlen der beteiligten Haushalte deutlich

(Übersicht 2-2). In 1996 wurde, nachdem der Anteil der Mehrfachteilnehmer aus den 1995

angeworbenen Haushalten unter 50 % lag, das Panel um 563 Haushalte aufgestockt; zu-

gleich wird seither vorab von den Haushalten eine Bereitschaftserklärung erbeten, mehrere

Jahre an der Befragung teilzunehmen. Mit dadurch bedingt dürfte die Mehrfachteilnehmer-

quote auf über drei Viertel bei den 1996 angeworbenen Haushalten gestiegen sein. 1997 und

1998 kamen dann wieder jeweils rd. 250 Haushalte neu in das Mobilitätspanel, mit einer

Mehrachteilnehmerquote von 70 % in der Kohorte von 1997. Damit nehmen seit 1996 ins-

gesamt jährlich rd. 750 Haushalte am Mobilitätspanel teil, womit die Querschnittsgewichte

nicht mehr so stark schwanken wie zuvor. Eine Stabilisierung der Teilnahmestruktur nach

Erst-, Zweit- und Drittteilnehmern ist aber erst ab 1999 mit dem Ausscheiden der Kohorte

von 1996 zu erwarten. Für 1998 ergibt sich eine Struktur von 34 % Erst-, zu 23 % Zweit-

und 43 % Drittteilnehmerhaushalten.


Auffällig ist der Rückgang der durchschnittlichen Haushaltsgröße von 2,7 in 1994 auf 2,2 in

1995 bei den neu teilnehmenden Haushalten. Wegen der geringen Antwortbereitschaft wurden

1995 gezielt Einpersonenhaushalte in das Mobilitätspanel aufgenommen (mit 77 Haushalten

mehr als doppelt so viele wie 1994 und 1997), um eine der Haushaltsstruktur in West-

deutschland proportionale Verteilung zu erreichen (S.14). In den Folgejahren 1996 und 1997

verzerren die Wiederholer aus dieser Gruppe die Stichprobe. Bei den Erstteilnehmern 1996

bis 1998 bleibt der Anteil der Einpersonenhaushalte wieder weit unter der Zielgröße von ei-

nem Drittel. Bei der Gewichtung wird dies zwar wieder ausgeglichen, für die Längsschnittbe-

trachtung sind diese Querschnittsgewichte aber nicht zu verwenden.

Übersicht 2-1:Haushalte nach der Personenzahl (ungewichtet)

Personen im Haushalt 1994 1995 1996 1997 1998 1999Alle Haushalte Anteile in %

12345

6 und mehrGesamt

14402020

61

100

25391516

41

100

24391219

41

100

22381517

61

100

21391418

61

100

29431310

41

100Erstteilnehmer – Haushalte Anteile in %

12345

6 und mehrGesamt

14402020

61

100

31381313

41

100

23381320

41

100

14411817

81

100

23391316

72

100

344411

830

100Mehrfachteilnehmer – Haushalte Anteile in %

12345

6 und mehrGesamt

14411822

41

100

27431014

41

100

26371418

51

100

20391519

51

100

29431310

41

100Quellen: Mobilitätspanel, Berechnungen des DIW.


Übersicht 2-2:Haushaltskennziffern nach Kohorte, Welle und Teilnahmehäufigkeit

Haushalte (ungewichtet)Welle

Kohorte 1994 1995 1996 1997 1998 19991994 239 dar. Einmalteilnehmer 97 Mehrfachteilnehmer 142 140 691995 245 dar. Einmalteilnehmer 129 Mehrfachteilnehmer 116 116 991996 563 dar. Einmalteilnehmer 135 Mehrfachteilnehmer 428 423 3211997 242 dar. Einmalteilnehmer 72 Mehrfachteilnehmer 170 170 132

1998 255 dar. Einmalteilnehmer 45 Mehrfachteilnehmer 210 2101999 670

Gesamt 239 385 748 764 746 1012Personen in den Haushalten (ungewichtet)

Kohorte 1994 1995 1996 1997 1998 19991994 637 dar. Einmalteilnehmer 263 Mehrfachteilnehmer 374 366 1871995 548 dar. Einmalteilnehmer 313 Mehrfachteilnehmer 235 236 2091996 1391 dar. Einmalteilnehmer 326 Mehrfachteilnehmer 1065 1056 790 7901997 645 dar. Einmalteilnehmer 184 Mehrfachteilnehmer 461 457 352

1998 640 dar. Einmalteilnehmer 129 Mehrfachteilnehmer 511 503

1999 1353

Gesamt 637 914 1814 1910 1889 2208durchschnittliche Haushaltsgröße

Kohorte 1994 1995 1996 1997 1998 19991994 2,7 dar. Einmalteilnehmer 2,7 Mehrfachteilnehmer 2,6 2,6 2,71995 2,2 dar. Einmalteilnehmer 2,4 Mehrfachteilnehmer 2,0 2,0 2,11996 2,5 dar. Einmalteilnehmer 2,4 Mehrfachteilnehmer 2,5 2,5 2,5 2,51997 2,7 dar. Einmalteilnehmer 2,6 Mehrfachteilnehmer 2,7 2,7 2,71998 2,5 dar. Einmalteilnehmer 2,9 Mehrfachteilnehmer 2,4 2,41999 2,0Gesamt 2,7 2,4 2,4 2,5 2,5 2,2Quellen: Mobilitätspanel, Berechnungen des DIW.


Ein Aspekt der Mehrfachteilnahme von Haushalten ist die Frage der Vollständigkeit in Bezug

auf die Teilnahme der Haushaltsmitglieder.4 Im Folgenden geht es um den Vergleich der Zahl

der Personen im Haushalt (wie sie vom Haushaltsvorstand genannt wurde) mit der Zahl vor-

liegender Angaben, differenziert nach Personen ab 10 Jahren und bis unter 10 Jahren. Be-

zugsgröße sind die dreifachteilnehmenden Haushalte. In Übersicht 2-3 und Übersicht 2-4 ist

die Verteilung dieser 614 Haushalte nach der Personenzahl (ab 10 Jahren bzw. bis unter 10

Jahren) ausgewiesen. In gut 20 % der dreifach teilnehmenden Haushalte lebt mindestens ein

Kind im Alter bis zu 10 Jahren.

Übersicht 2-3:Dreifachteilnehmende Haushalte des Mobilitätspanels 1994-1997

nach der Zahl der Personen im Alter ab 10 Jahren

0

50

100

150

200

250

300

350

1 2 3 4 5

Anzahl der Personen im Alter ab 10 Jahren im Haushalt

Quellen: Mobilitätspanel 1994-97, dreifach teilnehmende Haushalte im ersten Jahr; Berechnungen des DIW.

4 Im Haushaltsfragebogen wird u.a. die Haushaltsgröße insgesamt und die Zahl der Kinder im Alter bis zu 10Jahren erhoben. Für die vier ältesten Personen (ab 1999 die fünf ältesten Personen) sollen darüber hinaus Anga-ben zur Soziodemografie gemacht werden, ein persönliches Wegetagebuch soll von jeder Person ab 10 Jahrenausgefüllt werden.


Übersicht 2-4:Dreifachteilnehmende Haushalte des Mobilitätspanels 1994-1997

nach der Zahl der Kinder im Alter bis unter 10 Jahren

0

50

100

150

200

250

300

350

400

450

500

0 1 2 3 4

Anzahl der Kinder (im Alter bis unter 10 Jahren) im Haushalt

Quellen: Mobilitätspanel 1994-97, dreifach teilnehmende Haushalte im ersten Jahr; Berechnungen des DIW.

Die Vermutung, dass mit zunehmender Haushaltsgröße der Anteil der Haushalte, in denen

sich alle Personen beteiligen, geringer wird, bestätigt sich nur teilweise (vgl. Übersicht 2-5).

Während der Anteil der Haushalte, in denen drei Personen ab 10 Jahren leben die sich auch an

der Erhebung beteiligt haben 77 % beträgt (und damit um zwölf Prozentpunkte geringer ist als

bei den Haushalten, in denen zwei Personen ab 10 Jahren leben) liegt bei den Haushalten mit

vier Personen ab 10 Jahren der Anteil derjenigen mit vollständiger Teilnahme mit 91 % deut-

lich darüber.

Bei allen Haushaltsgrößen zeigt sich eine rückläufige Teilnahmebereitschaft im zweiten Jahr

der Erhebung. Der vergleichsweise geringe Anteil großer Haushalte mit 5 Personen ab 10 Jah-

ren und vollständiger Teilnahme resultiert wahrscheinlich auch daher, dass das Erhebungsin-

strumentarium normalerweise nur auf die vier ältesten Personen ausgerichtet ist.5 Die Teil-

nahmebereitschaft im dritten Erhebungsjahr entspricht, abgesehen von den ganz großen Haus-

halten, der im Jahr zuvor.


Übersicht 2-5:Dreifachteilnehmende Haushalte:

Anteil der Haushalte mit Angaben zu jeder Person (ab 10 Jahren)nach Haushaltsgröße und Erhebungsjahr

0

10

20

30

40

50

60

70

80

90

100

1 2 3 4 5

Anzahl der Personen im Alter ab 10 Jahren im Haushalt

Jahr 1Jahr 2Jahr 3

Quellen: Mobilitätspanel 1994-97, dreifach teilnehmende Haushalte; Berechnungen des DIW.

Die Bereitschaft, Angaben zu den im Haushalt lebenden Kindern (im Alter bis zu 10 Jahren)

zu machen, beträgt bei den Haushalten mit ein oder zwei Kindern im ersten Erhebungsjahr

rund 80 % (vgl. Übersicht 2-6). Im zweiten Jahr geht die Ausfüllbereitschaft etwas zurück.

Angaben für das dritte Kind finden sich hingegen nur bei einem geringen Anteil der Haushalte

und nur im dritten Erhebungsjahr. Hier dürfte der Effekt des Erhebungsinstrumentariums

durchschlagen, das im Normalfall auf die Angaben von nur vier Personen (ab 1999

5 Personen) im Haushalt gerichtet ist.

Im Mobilitätspanel gibt es zu wenige Haushalte ohne Pkw. Dies ist u.a. ein Effekt der Un-

tererfassung von Einpersonen- und Rentnerhaushalten. Bei der Gewichtung wird daher auch

auf die Motorisierung der Haushalte abgestimmt. In Übersicht 2-7 (S.21) sind die Anteile

nach gewichteten und ungewichteten Haushalten getrennt ausgewiesen. Die Untererfassung

war in den Kohorten jedoch nicht gleichmäßig. Mit 18,8 % nähert sich der Anteil lediglich

5 Die Haushaltsgröße ist aus dem Anwerbeverfahren bekannt und kann beim Versand der Fragebögen


Übersicht 2-6:Dreifachteilnehmende Haushalte:

Anteil der Haushalte mit Angaben zu allen Kindern (bis zu 10 Jahren)

0

10

20

30

40

50

60

70

80

90

1 2 3

Anzahl der Kinder (im Alter bis unter 10 Jahren) im Haushalt

Jahr1Jahr 2Jahr 3

Quellen: Mobilitätspanel 1994-97, dreifach teilnehmende Haushalte; Berechnungen des DIW.

bei der Kohorte 1995 dem Gesamtdurchschnittswert von 26 %. Bei den Kohorten 1994 und

1997 wird mit 13 bzw. 18 Haushalten nur ein Fünftel bzw. ein Drittel der notwendigen Zahl

erreicht. Die tatsächliche Motorisierungsentwicklung wird dadurch bei den ungewichteten

Zahlen auch in der Richtung nicht zutreffend abgebildet. Der Anteil der nicht motorisierten

Haushalte ist von 26,1 % in 1994 auf 21,5 % in 1998 zurückgegangen, wie bei den gewichte-

ten Zahlen im mittleren Teil der Tabelle in der Gesamtzeile für die Wellen ausgewiesen. Die

übrigen Werte dieses Tabellenteils (nach Kohorten) sind wegen der Querschnittgewichtung

nicht sinnvoll zu interpretieren. Die unten ausgewiesenen sich ergebenden durchschnittlichen

Gewichte sollen dies verdeutlichen. Erneut zeigt sich damit, dass bei Betrachtung der unge-

wichteten Zahlen Fehlschlüsse zur zeitlichen Entwicklung möglich sind und die Querschnitts-

gewichtung für die Längsschnittbetrachtung nicht verwendbar ist.

Insgesamt zeigt sich, dass die einzelnen Kohorten der Haushalte und insbesondere der Wie-

derholerhaushalte bislang designbedingt sehr unterschiedlich strukturiert sind. Beim Vergleich


zwischen den Jahren ist, wenn die Fallzahlen dies zulassen, daher überwiegend auf die Haus-

halte ab 1996 abzustellen.

2.2.2 Mobilitätskennziffern

Es ist zu vermuten, dass die seit 1996 erforderliche Bereitschaftserklärung zur Mehrfachteil-

nahme die Teilnehmerstruktur gegenüber den Vorjahren verändert hat. Zwischen den tatsächlich

mehrfach Teilnehmenden und den trotz Bereitschaftserklärung doch nur einmal Antwortenden

ähneln sich die Strukturen nun eher, da der Auswahlprozess ab 1996 in die Anwerbephase vor-

verlegt ist. Die Änderung der Teilnehmerstruktur legt z.B. ein Vergleich der Mobilitätsteilnah-

me, des Anteils mobiler Personen je Tag, nahe. Sie weist insgesamt von 1995 zu 1996 einen

Niveauanstieg von 90,8 % auf 92,9 % aus, zwischen den Kohorten 1995 (92,1 % Außer-Haus-

Anteil) und 1996 (93,1 %) besteht ein Unterschied von einem Prozentpunkt (Übersicht 2-8).

Eine ähnliche Zunahme ergibt sich bei der durchschnittlichen Wegehäufigkeit je mobiler Person

am Tag. Das IfV zieht, auch aus der Analyse nach Bevölkerungsgruppen und aus der Gewich-

tung, das Fazit, �dass das gesamte Panel sich tendenziell eher aus einer Bevölkerung rekrutiert,

die gegenüber dem Durchschnitt eher überdurchschnittlich gebildet, eher suburban lebend und

offensichtlich ökonomisch erfolgreicher als der Durchschnitt ist.�6

Mit der Einführung der �Einverständniserklärung� tritt auch verstärkt das Phänomen auf, dass

Personen erst in einem auf das Anwerbejahr folgenden Berichtszeitraum zum ersten Mal ant-

worten. In der Kohorte 1997 sind es 18 Personen, die erst im Folgejahr 1998 zum ersten Mal

berichten (Vgl. Übersicht 2-8, S.22). Darunter sind 2 Kinder aus dem Geburtsjahr 1988, die

mit dem 10. Geburtstag in das Mobilitätspanel hineingewachsen sind, überwiegend sind es

aber Personen, die ohne Angabe von Gründen im Vorjahr nicht berichtet haben.7 Für minde-

stens drei Haushalte der Kohorte 1997 fehlen in 1997 die Datensätze, sie treten erst 1998 mit

Haushalts- und Wegedaten auf. Wünschenswert wären für Längsschnittbetrachtungen Haus-

halts- und Personendateien zum Teilnahmeverlauf, die, ähnlich wie beim SOEP, eine Verfol-

gung der Teilnahme ermöglichen.

6 IfV (1998), S.34.7 Aus dem im Teilnahmejahr berichteten Verkehrsverhalten lassen sich die unterschiedlichsten Gründe für dieVerweigerung im Erstjahr vermuten (Von Immobilität wegen Alter und Krankheit bis zum Nichtberichten wegenhoher Mobilität als Berufskraftfahrer / Taxifahrer).


Eine Unterscheidung nach Immobilität der Befragten an einem Tag und non-response ist nur

ausnahmsweise bei Einzelfallbetrachtung möglich. Wünschenswert wäre eine Erweiterung des

Erhebungsbuches8 um eine Frage zur täglichen Mobilitätsteilnahme.

In Übersicht 2-9 (S.23) sind die wichtigsten Kennziffern zur Verkehrsbeteiligung nach Kohorten

und Wellen zusammengestellt. Es sind ungewichtete und zunächst unbereinigte Werte zum di-

rekten Vergleich. Die Kohorte 1997 liegt bei der Wegehäufigkeit mit 3,8 an der Spitze. Es wer-

den mehr kurze Wege als in den Kohorten anderer Jahre berichtet; die durchschnittlich am Tag

zurückgelegte Wegstrecke erhöht sich etwa im Vergleich zu 1996 nicht entsprechend.

Bei den Mehrfachteilnehmern ist überwiegend die Wegehäufigkeit im Folgejahr niedriger als im

ersten Jahr der Teilnahme. Dies vor allem auf eine Berichtsmüdigkeit zurückzuführen und als De-

signeffekt über eine Gewichtung auszugleichen, wie vom IfV vorgeschlagen,9 dürfte der Komple-

xität des Paneldesigns nicht gerecht werden, auch wenn die Unterschiede statistisch signifikant

sind. Neben den unterschiedlichen Verzerrungen der Kohorten ist auch zu berücksichtigen, dass

sich die Kohorte von Jahr zu Jahr wandelt. Bei der ersten Teilnahme können auch neugegründete

Haushalte mit hohem Bedarf an Anschaffungskäufen und sonstiger Mobilität enthalten sein. In den

Folgejahren kann dies nicht der Fall sein, denn es sind Haushalte, die schon mindestens ein Jahr

bestehen. Überdies sind alle Personen ein Jahr älter10 (und gesetzter?). Bei den Wegelängen und -

zeiten zeigt sich innerhalb der Kohorten bei den Wiederholern ebenfalls überwiegend ein leichter

Rückgang, während bei den Wellen insgesamt und bei den Erstteilnehmern kein Trend erkennbar

ist. Die aktuellen Werte von 1998 weisen einen leichten Rückgang aus.

Der Vergleich des Verhaltens derselben Personen erfolgt zunächst für die ungewichteten

Fallzahlen. Da die ungewichteten Wiederholerstichproben (nach Kohorten unterschiedlich) ver-

zerrt sind, ist eine vereinfachte Längsschnittgewichtung durchgeführt worden (Abschnitt 2.9).

8 So könnte dort, wo nach Besonderheiten (Krankheit, Auto in Werkstatt ...) zu jedem Wochentag gefragt wird,vorab die Mobilitätsteilnahme, etwa durch

�Unterwegs: ❒ ja, Wege ausgefüllt; ❒ nein, ❒ ganzer Tag zu Haus, ❒ ganzer Tag außer Haus (Ferien-, Krankenhaus)�

erhoben werden.9 IfV (1998), S.37 f.10 Kinder in der Kohorte, die 10 Jahre alt werden und zum ersten Mal berichten, werden als Erstteilnehmer imWiederholungsjahr der Kohorte berücksichtigt.


Übersicht 2-7:Haushaltsmotorisierung nach Kohorte, Welle und Teilnahmehäufigkeit

Anteil der Haushalte (ungewichtet) ohne Pkw in %Welle

Kohorte 1994 1995 1996 1997 1998 19991994 5,4 dar. Einmalteilnehmer 4,1 Mehrfachteilnehmer 6,3 6,4 7,21995 18,8 dar. Einmalteilnehmer 15,5 Mehrfachteilnehmer 22,4 19,8 19,21996 10,3 dar. Einmalteilnehmer 9,6 Mehrfachteilnehmer 10,5 9,0 9,31997 7,4 dar. Einmalteilnehmer 9,7 Mehrfachteilnehmer 6,5 6,5 7,61998 12,9 dar. Einmalteilnehmer 11, Mehrfachteilnehmer 13,3 12,41999 12,4Gesamt 5,4 14,3 11,5 9,8 9,9 11,8

Anteil der Haushalte (gewichtet) ohne Pkw in %Welle

Kohorte 1994 1995 1996 1997 1998 19991994 26,1 dar. Einmalteilnehmer 20,5 Mehrfachteilnehmer 29,7 12,6 17,31995 33,4 dar. Einmalteilnehmer 29,6 Mehrfachteilnehmer 37,1 40,4 39,31996 21,5 dar. Einmalteilnehmer 21,4 Mehrfachteilnehmer 21,5 21,6 20,61997 18,0 dar. Einmalteilnehmer 23,9 Mehrfachteilnehmer 15,6 14,3 14,51998 27,2 dar. Einmalteilnehmer 26,4 Mehrfachteilnehmer 27,4 24,31999 27,6Gesamt 26,1 26,0 24,4 23,3 21,5 24,9

durchschnittliche Gewichtung je Haushalt [tsd]Welle

Kohorte 1994 1995 1996 1997 1998 19991994 123,4 dar. Einmalteilnehmer 119,0 Mehrfachteilnehmer 126,4 72,2 44,31995 75,3 dar. Einmalteilnehmer 71,7 Mehrfachteilnehmer 79,4 45,0 48,01996 37,7 dar. Einmalteilnehmer 37,2 Mehrfachteilnehmer 37,9 38,7 40,41997 36,6 dar. Einmalteilnehmer 35,2 Mehrfachteilnehmer 37,2 37,9 42,41998 40,9 dar. Einmalteilnehmer 38,8 Mehrfachteilnehmer 41,3 41,51999 35,5Gesamt 123,4 74,2 39,4 39,2 40,0 37,6

Quellen: Mobilitätspanel, Berechnungen des DIW.


Übersicht 2-8:Personenkennziffern nach Kohorte, Welle und Teilnahmehäufigkeit

Berichtende Personen (ungewichtet)Welle

Kohorte 1994 1995 1996 1997 1998 19991994 517 297 161 dar. Einmalteilnehmer 216 1 3 Mehrfachteilnehmer 301 296 1581995 447 197 169 dar. Einmalteilnehmer 251 0 1 Mehrfachteilnehmer 196 197 1681996 1129 841 632 dar. Einmalteilnehmer 281 9 3 Mehrfachteilnehmer 848 832 6291997 513 364 296 dar. Einmalteilnehmer 167 18 3 Mehrfachteilnehmer 346 346 2931998 504 402 dar. Einmalteilnehmer 110 8 Mehrfachteilnehmer 394 3941999 1189Gesamt 517 744 1487 1523 1500 1887

Mobilitätsteilnahme (Anteil mobiler Pers. je Tag, ungewichtet) in %Welle

Kohorte 1994 1995 1996 1997 1998 19991994 90,9 89,0 91,7 dar. Einmalteilnehmer 90,3 71,4 95,2 Mehrfachteilnehmer 91,3 89,0 91,61995 92,1 92,6 91,1 dar. Einmalteilnehmer 92,2 71,4 Mehrfachteilnehmer 91,9 92,6 91,21996 93,1 92,0 91,1 dar. Einmalteilnehmer 93,2 92,1 95,2 Mehrfachteilnehmer 93,1 92,0 91,11997 92,8 90,3 91,5 dar. Einmalteilnehmer 93,2 87,3 90,5 Mehrfachteilnehmer 92,7 90,4 91,51998 91,6 90,7 dar. Einmalteilnehmer 90,6 98,2 Mehrfachteilnehmer 91,8 90,51999 92,7Gesamt 90,9 90,8 92,9 92,2 91,1 92,1

Wege je mobiler Person und Tag (ungewichtet)Welle




Übersicht 2-9:Verkehrsbeteiligung nach Kohorte, Welle und Teilnahmehäufigkeit

Wege je Person und Tag (ungewichtet)Welle


Wegelänge je Person und Tag (ungewichtet) [km]Welle


Wegezeit je Person und Tag (ungewichtet) [Min.]Welle

Kohorte 1994 1995 1996 1997 1998 19991994 81 77 78 dar. Einmalteilnehmer 81 30 84 Mehrfachteilnehmer 81 77 781995 84 81 82 dar. Einmalteilnehmer 82 21 Mehrfachteilnehmer 86 81 831996 83 82 79 dar. Einmalteilnehmer 83 109 212 Mehrfachteilnehmer 83 82 791997 84 76 76 dar. Einmalteilnehmer 89 73 64 Mehrfachteilnehmer 81 76 761998 81 83 dar. Einmalteilnehmer 82 117 Mehrfachteilnehmer 81 831999 86Gesamt 81 81 82 83 79 84



2.3 Regionale Verteilung

Eine Ursache für verzerrte Ergebnisse könnte in regional unterschiedlich hohen Ausfallraten

liegen. Auf der Übersicht 2-11 und der Übersicht 2-12 sind daher zum einen alle Haushalts-

kohorten des Mobilitätspanels 1994-99, zum anderen die dreifachteilnehmenden Haushalte

nach der Lage des Wohnorts auf Kreisebene ausgewiesen. Dargestellt ist, ob ein Kreis in der

Erhebung vertreten ist und die Anzahl der auf ihn entfallenden Haushalte. Es zeigt sich, dass

in Bezug auf die Teilnahmezuverlässigkeit kein Nord-Süd-Gefälle oder andere räumliche

Strukturunterschiede erkennbar sind.

Während in den Übersichten 2-10 und 2-11 nur die generelle räumliche Verteilung der Stichpro-

be zum Ausdruck kommt, weist Übersicht 2-10 die mengenmäßige Verteilung der Stichprobe

1994 bis 1999 im Raum - in diesem Fall nach Bundesländern - aus. Der Vergleich zu den Er-

gebnissen des Mikrozensus (Bezug: 1997) zeigt hier keine gravierenden Abweichungen.

Übersicht 2-10:Haushalte des Mobilitätspanels 1994 bis 1999 nach Bundesländern

im Vergleich zum Mikrozensus 1997(Haushalte in %)

0

5

10

15

20

25

30

MZ 1997MOP 94-99

Quellen: Mikrozensus 1997, Mobilitätspanel 1994-99, Berechnungen des DIW.


Übersicht 2-11:Räumliche Verteilung der Haushaltskohorten

Quelle: Mobilitätspanel 1994-1999

Haushalte je Kreis13 und mehr7 bis 124 bis 6bis 3keine


Übersicht 2-12:Räumliche Verteilung der Haushalte des Mobilitätspanels mit dreimaliger Teilnahme

Quelle: Mobilitätspanel 1994-1999

Haushalte je Kreis4 und mehrgenau 3genau 2genau 1keine

Der Anteil derjenigen Haushalte, die sich dreimal an der Erhebung beteiligt haben, beträgt im

Durchschnitt rund 50 %. Von drei Ausnahmen abgesehen (Hamburg, Bremen und Saarland)


entspricht der Anteil der dreifach teilnehmenden Haushalte der übrigen Länder in etwa diesem

Durchschnitt (vgl. Übersicht 2-13). Angesichts der geringen Fallzahlen für die beiden Stadt-

staaten (Hamburg 41, Bremen 19 Haushalte) und das Saarland (10 Haushalte) dürfte der hier

jeweils deutlich vom Durchschnitt abweichende Anteil der Dreifachteilnehmer eher zufällig

sein.

Übersicht 2-13:Anteil der dreifachteilnehmenden Haushalte an allen Haushalten

des Mobilitätspanels 1994 bis 1997 nach Bundesländern

0

10

20

30

40

50

60

70

Quellen: Mobilitätspanel 1994-99 dreifach teilnehmende Haushalte; Berechnungen des DIW.

2.4 Plausibilitätsprüfung und Imputation

In einem ersten Durchgang sind die unveränderten Daten ausgezählt worden, um die Eckwerte

mit den Auszählungen von IfV vergleichen zu können und um einen Überblick zur Häufigkeit

von Ausreißern und Sonderfällen zu bekommen. Die Ergebnisse sind oben dargestellt worden.

Als laufender Prozess hat parallel die Korrektur von offensichtlichen Fehlern im Datenbestand

stattgefunden. Da für diese Untersuchung die Fallzahlen sich dadurch reduzieren, dass über-

wiegend nur die Mehrfachteilnehmer einbezogen werden können, musste eine gezielte Plausi-

bilitätsprüfung dieser Teilnehmer im jeweiligen Haushaltskontext durchgeführt werden. Dabei


konnten nur eindeutige Korrekturen erfolgen (z.B. Ergänzung eines Heimwegs, wenn sich

dies aus dem Kontext der Wege der anderen Haushaltsmitglieder eindeutig ergibt), um jede

Verfälschung des Datenbestandes zu vermeiden. Einige Änderungen in den Wegedateien sind

als Beispiele in der Übersicht 2-14 dokumentiert.

Stellt man die für den einzelnen Haushalt erhobenen Daten mehrerer Jahre nebeneinander,

fallen gelegentliche Vertauschungen der Personenreihenfolge auf. Soweit dies anhand des

Geschlechts und Geburtsjahres eindeutig korrigierbar war, sind die Datensätze angepasst wor-

den. Weitere Probleme ergeben sich daraus, dass wahrscheinlich in einigen Fällen die Haus-

haltsvariablen zu subjektiven Einschätzungen (z.B. Parksituation) und die Personenmerkmale

der anderen Personen im Haushalt (z.B. Schulabschluss) in den drei Teilnahmejahren von

verschiedenen Personen des Haushalts unterschiedlich ausgefüllt worden sind. Dadurch schei-

nen in den Daten Änderungen auf, die real gar nicht vorhanden sind. Es ist zu prüfen, ob in

den Wiederholungsbefragungen künftig dieselbe Person angesprochen werden sollte, oder ob

dem Haushalt die Vorjahresangaben übermittelt werden können.

Schließlich stellen für Längsschnittuntersuchungen fehlende Angaben (k.A.-Codierung) ein un-

gleich höheres Problem dar, als in Querschnittuntersuchungen. Wenn in einem der drei Befra-

gungsjahre zu einem Item eine Angabe fehlt, kann für Auswertungen der ganze Datensatz dieser

Beobachtung unbrauchbar werden. Dieses allgemeine Problem von Paneluntersuchungen hat zu

einer ganzen Reihe von Verfahren geführt, einzelne fehlende Zwischenwerte durch Schätzwerte

zu ersetzen (Imputation). Für das Mobilitätspanel sind zwei Strategien benutzt worden.

Wenn aus anderen Angaben plausible Schlüsse möglich waren wurde ein plausibler Wert ein-

gesetzt. Wenn z.B. in einem von drei Jahren die Angabe zum Führerscheinbesitz fehlt, aber

der Pkw als Fahrer im gleichen Umfang wie in den anderen Jahren benutzt wurde, ist unter-

stellt worden, dass die Angabe lediglich vergessen worden ist.

Die zweite benutzte Strategie ist das Einsetzen von Mittelwerten. Dies ist bei fehlenden Wet-

terangaben angewendet worden; bei der Interpretation von Ergebnissen bezüglich solcher Va-

riablen ist natürlich zu beachten, dass es z.T. keine echten empirischen Messungen sind und

die Varianz unterschätzt wird.


Ein weiter gehender Ausschluss unplausibler oder unzutreffender Angaben (z.B. nicht zu-

sammenpassende Wegelänge und Zeitaufwand) ist von Fall zu Fall im Zusammenhang mit der

konkret untersuchten Fragestellung erfolgt.

Übersicht 2-14:Änderungen von Datensätzen in den Wegedateien (Beispiele)

id persn

rwn

rtwo

tag

abze

it

zwec

k

vm anze

it

km daue

r

vmdiw

km_g

ew

Weg

_gew

w96 ALT 99 1 4 2 1210 7 19999 1210 .5 10000 1 .940w96 NEU 99 1 4 2 1210 7 19999 1220 .5 10 1 .940w96 ALT 3008 2 2 3 1550 7 99499 1610 6.0 20 99 .940w96 NEU 3008 2 2 3 1550 7 49499 1610 6.0 20 4 .940w96 ALT 5653 2 2 4 2100 5 49999 2100 7.0 10000 4 1.033w96 NEU 5653 2 2 4 2100 5 49999 2105 7.0 10 4 1.033w96 ALT 5653 2 3 4 2340 7 49999 2340 4.0 10000 4 .920w96 NEU 5653 2 3 4 2340 7 49999 2350 4.0 10 4 .920w96 ALT 5710 1 6 5 100 7 59999 120 12.0 20 5 .984w96 NEU 5710 1 1 6 100 7 59999 120 12.0 20 5 .984w96 ALT 5710 1 1 6 1800 4 49999 1805 2.0 5 4 .970w96 NEU 5710 1 2 6 1800 4 49999 1805 2.0 5 4 .970w96 ALT 5710 1 2 6 1830 7 49999 1835 2.0 5 4 .970w96 NEU 5710 1 3 6 1830 7 49999 1835 2.0 5 4 .970w98 ALT 5524 2 1 6 1000 77 19999 1200 15.0 120 1 1.096 1.060w98 NEU 5524 2 1 6 1000 78 19999 1200 15.0 120 1 1.096 1.060w98 ALT 5612 1 3 3 1655 4 19999 1651 0.1 1 1 0.985 1.060w98 NEU 5612 1 3 3 1650 4 19999 1651 0.1 1 1 0.985 1.060w98 ALT 5627 1 1 4 827 6 49999 830 1.0 3 4 0.985 1.060w98 NEU 5627 1 1 4 827 76 49999 830 1.0 3 4 0.985 1.060w98 ALT 5627 1 2 4 1054 6 49999 1058 1.0 4 4 0.985 1.060w98 NEU 5627 1 2 4 1054 76 49999 1058 1.0 4 4 0.985 1.060

2.5 Visualisierung

Vom IfV ist zur Darstellung des Wochenverlaufs der Aktivitäten und der Mobilität einer Per-

son ein Visualisierungs-Werkzeug entwickelt worden. Das Programm GRADIV zeigt Aufent-

haltsorte und Wegezeiten der Befragungswoche grafisch auf dem Bildschirm an. Jeder Tag

wird als ein nach Aktivitäten und Verkehrsmitteln unterschiedlich eingefärbter waagrechter

Streifen dargestellt. Diese Darstellungsform ist vom DIW übernommen und so erweitert wor-

den, dass die Wochenverläufe von bis zu drei Jahren dargestellt werden können. Das Pro-


gramm VERGL zeigt außerdem die besonderen Bedingungen für einzelne Tage an (z.B.

Krankheit), soweit sie in den Personendateien codiert sind.

Übersicht 2-15:Visualisierung - Personenvergleich über drei Jahre

Zum Vergleich der Jahre, aber auch der einzelnen Mitglieder eines Haushalts ist das Pro-

gramm ein wertvolles Hilfsmittel. Die Übersicht zeigt beispielhaft das Verkehrsverhalten ei-

ner 1984 geborenen Schülerin aus Hessen mit hoher Verhaltensübereinstimmung in zwei Jah-

ren, einschließlich des Abendunterrichts am Mittwoch. 1998 fiel der Befragungszeitraum da-

gegen in die Herbstferien (vom 12.10.98 - 17.10.98) und die Freizeitwege dominieren in der

gesamten Woche. Ein Vergleich mit den Bildern der anderen Haushaltsmitglieder zeigt un-

mittelbar, dass die Schülerin 1996 von der Mutter im Pkw zur Schule gebracht wurde.


2.6 Zweckzuordnung für die Heimwege

Rund 40 % der Wege des Mobilitätspanels sind Heimwege. Für Erklärungs- und Prognose-

modelle fehlt diesen Wegen der inhaltliche Bezug. Daher werden auf der Analyseebene die

Heimwege dem �verursachenden� Motiv zugeordnet. Bei Wegeketten, die nur aus einem

Hin- und Rückweg bestehen, kann für den Heimweg der Wegezweck des Hinwegs zugewie-

sen werden. Bei Wegeketten, die aus einer Folge mehrerer Wege zu unterschiedlichen

Zwecken bestehen, müssen Kriterien dafür festgelegt werden, welchem Zweck der Heim-

weg zugerechnet werden soll. Im Folgenden wird vorgeschlagen, die Zweckzuweisung des

Heimwegs aus der Charakteristik der Wegekette, d.h., dem wichtigsten Zweck der Wege-

kette, abzuleiten.

Um die Zahl der Wegezwecke zu reduzieren, werden weiterhin Vorschläge für die inhaltliche

Zuordnung von Sonderkategorien (z.B. Rundwege, Wege ins Hotel) gemacht.

2.6.1 Wegezweck

Im Mobilitätspanel wird der Wegezweck nach sieben vorgegebenen Zwecken (u.a. Heimweg)

und einer offenen Kategorie erhoben. Der Ausgangspunkt eines Weges wird nicht explizit

erfragt. Wenn den Antworten des Wegetagebuches entnommen werden konnte, dass es sich

um Wege z.B. zum Hotel oder der Ferienwohnung (ZWECK=9) oder zum 2. Wohnsitz

(ZWECK=10)11 handelte, so wurden diese gesondert codiert. Weiterhin wurden fehlende

Heimwege (ZWECK=71 - 76,78)12 ergänzt.

Übersicht 2-1 zeigt die Verteilung der Zweckcodierung für die ungewichteten Wege. Je nach

Erhebungsjahr sind demnach 55-57 % der Wege unmittelbar einem Zweck zuordenbar

(ZWECK=1-6).

Für alle übrigen Wege, mit Ausnahme der Rundwege, die als Freizeit gewertet werden kön-

nen, ist der Zweck nicht unmittelbar ersichtlich. Bei Heimwegen (ZWECK=71-76,78,79) ist

zu entscheiden, welchem der vorangegangenen Wege sie zuzurechnen sind.

11 Erst ab Erhebungsjahr 1999.12 Im jetzigen Codeplan für die Wegedateien, der für die Erhebungen 1994-97 gleichermaßen gilt, taucht dieAusprägung �79� (Rückweg zum zweiten Wohnsitz) für die Variable ZWECK nicht mehr auf, in der Wegedatei1994 gibt es jedoch 18 Wege mit dieser Ausprägung.


Der ZWECK=9,10 gibt zwar das jeweilige Ziel (z.B. Hotel, 2. Wohnsitz) nicht jedoch den

Wegezweck an. Dieser kann in manchen Fällen mehr mit der Aktivität zusammenhängen, die

von dem neuen Ausgangspunkt (z.B. Hotel, Zweitwohnung) aus startet. So könnte z.B. die

Fahrt einer Person zum Hotel, in dem sie am nächsten Tag an einem Seminar teilnimmt, als

Geschäftsweg gewertet werden. Wird die Ferienwohnung aufgesucht, wäre dieser Weg als

Freizeitweg anzusehen wenn eine entsprechende Aktivität anschließend stattfindet. Gleiches

gilt für den Weg zum zweiten Wohnsitz. Der Weg dorthin könnte als Berufsweg gerechnet

werden, wenn Berufstätigkeit die nächste Aktivität ist. Obwohl eine derartige Zuordnung des

Wegezwecks (orientiert an der Charakteristik der nachfolgenden Wegekette) für die Wege mit

der Zweckcodierung 9,10 sinnvoll wäre, wurde aus Zeitgründen hier ebenso verfahren wie bei

den Hinwegen und den Restkategorien, d.h., der Zweck wurde aus der Charakteristik der ak-

tuellen Wegekette abgeleitet.

Wegeketten, die im Hotel oder der Ferienwohnung beginnen, dürften teilweise dort auch wie-

der enden. Die Codierung des Wegezwecks 78 (zurück zum Hotel) wurde in den einzelnen

Erhebungsjahren offensichtlich sehr unterschiedlich gehandhabt, 1999 gibt es sie gar nicht.

Auch sind in 1999 keine Rückwege zum 2. Wohnsitz vorhanden, obwohl erstmals entspre-

chende Hinwege codiert wurden. Die Art des Rückwegs ergibt sich entweder aus der offenen

Antwort bei der Frage nach dem Wegezweck/-ziel oder aus dem Gesamtzusammenhang des

Weges; er sollte künftig entsprechend einheitlich codiert werden.


Übersicht 2-16:Wege (ungewichtet) nach Zweckcodierung

1994 1995 1996 1997 1998 1999 1)

1 Beruf 1303 1855 3659 3668 3282 2918 2 Geschäft 417 525 1220 1249 1161 1160 3 Ausbildung 364 439 991 1029 995 654 4 Einkauf 1937 2828 6490 6544 6508 6657 5 Freizeit 2201 2771 6841 7361 7011 7029 6 Service 610 861 1815 1878 1938 1572 7 Heimweg 5006 7088 14936 15458 14854 13805 8 Sonst.,Fehler 12 41 69 13 1 6 9 nach zB Fewo/Hotel 371 254 390 44610 nach 2. Wohnsitz 2971 Heimweg (ergänzt) 12 7 172 Heimweg (ergänzt) 8 173 Heimweg (ergänzt) 574 Heimweg (ergänzt) 64 40 775 Heimweg (ergänzt) 65 19 1076 Heimweg (ergänzt) 25 19 1 277 Rundkurs 264 292 831 681 626 54178 zurück nach zB. Fewo/Hotel (ergänzt) 69 31 11 104 179 zurück, 2.Wohnsitz (ergänzt) 2) 1899 Keine Angabe 1 6Gesamt 12380 16816 37235 38259 36769 34823

1) Westdeutschland. - 2) lt. Codeplan nicht vorhanden.Quellen: Mobilitätspanel, Auswertung des DIW.

2.6.2 Wege und Wegeketten

Zu einer Wegekette (häufig auch mit �Reise� oder �Ausgang� bezeichnet) gehören alle Wege

vom Ausgangspunkt (i.d.R. die Wohnung) bis zum Rückweg zu diesem Ausgangspunkt.

Übersicht 2-17 zeigt ein relativ ähnliches Muster der Verteilung der Wegeketten nach deren

Länge (Wegezahl) in den Erhebungsjahren. Zu berücksichtigen ist, dass die hier ausgewiesene

Zahl der Wegeketten mit nur einem Weg überhöht ist, da hierin auch Rückwege enthalten

sind, die zur Wegekette des Tages zuvor gehören. Der Anteil dieser Wege an den Wegeketten

der Länge eins beträgt je nach Erhebungsjahr zwischen 16 % und 23 %; die durchschnittliche

Wegezahl je Wegekette wäre unter Abzug dieser Wege um etwa 2 % höher.


Übersicht 2-17:Wegeketten nach Anzahl der Wege je Kette

1994 1995 1996 1997 1998 1999 1)

Wege je Kette Wegeketten (ungewichtet)1 614 669 1595 1542 1303 10992 4095 5844 11403 11863 11327 103623 584 713 1984 1941 2042 19794 268 305 891 919 821 8565 73 97 295 316 279 3546 30 35 136 153 141 1347 9 25 50 57 85 658 8 17 27 32 33 419 5 4 28 18 11 12

10 u. mehr 3 5 19 16 19 16Gesamt 5689 7714 16428 16857 16061 14918

Durchschnittl.Wegezahl je Kette

2,18 2,18 2,27 2,27 2,29 2,33

Wege je Kette Wegeketten in %1 10.8 8.7 9.7 9.1 8.1 7.42 72.0 75.8 69.4 70.4 70.5 69.53 10.3 9.2 12.1 11.5 12.7 13.34 4.7 4.0 5.4 5.5 5.1 5.75 1.3 1.3 1.8 1.9 1.7 2.46 0.5 0.5 0.8 0.9 0.9 0.97 0.2 0.3 0.3 0.3 0.5 0.48 0.1 0.2 0.2 0.2 0.2 0.39 0.1 0.1 0.2 0.1 0.1 0.1

10 und mehr 0.1 0.1 0.1 0.1 0.1 0.1Gesamt 100 100 100 100 100 100

1) Westdeutschland.Quellen: Mobilitätspanel, Auswertung des DIW.

2.6.3 Charakteristik der Wegeketten

Eine Wegekette besteht aus einem oder mehreren Wegen. Jeder dieser Wege hat einen Zweck;

die Aufeinanderfolge dieser Zwecke ist das Wegemuster der Wegekette.

Die Charakteristik einer Wegekette soll Aufschluss über den hauptsächlichen Grund der Mo-

bilität geben. Da dieser nicht direkt abgefragt wird, müssen im Nachhinein Kriterien festgelegt

werden, anhand derer dieser hauptsächliche Grund abgeleitet werden kann. Er bestimmt sich


aus dem wichtigsten Zweck des Wegemusters, der über eine Prioritätenliste der Zwecke defi-

niert werden muss. Dem Wegemuster Service - Beruf - Einkauf - Heimweg würde z.B. nach

unserer Definition (vgl. Hierarchieliste in Übersicht 2-18) die Charakteristik Beruf zugewie-

sen werden, da der Weg zum Arbeitsplatz von uns als der wichtigste angesehen wird.

Auf diese Art und Weise kann für jeden Weg der übergeordnete Kontext, d.h., die Charakteri-

stik des Wegemusters bzw. der Wegekette, zu der er gehört, festgestellt werden. In Abhängig-

keit von dieser Charakteristik der Wegekette können Heimwege und andere sonst nicht zuor-

denbare Wege strukturiert werden. Dem Heimweg aus obigem Beispiel würde somit der

Zweck Beruf (ranghöchster Zweck der Wegekette=Charakteristik) zugewiesen werden.

2.6.4 Ableitung der Charakteristik der Wegeketten für das Mobilitätspanel

Um die Charakteristiken der Wegeketten des Mobilitätspanels bestimmen zu können, sind

zwei Dinge zu tun: Erstens ist festzulegen, welche Zweckcodierungen das Ende einer Wege-

kette markieren. Zweitens muss eine Hierarchie der Zwecke festgelegt werden, da die Cha-

rakteristik einer Wegekette sich aus dem jeweils ranghöchsten Zweck der Wegekette be-

stimmt.

Die Ausprägungen der Variablen ZWECK, die wir als Ende einer Wegekette interpretiert.

haben, sind in Übersicht 2-18 mit E markiert. Rundkurse (ZWECK=77) sind Wegeketten mit

nur einem Weg. Weiterhin haben wir die Festlegung getroffen, dass mit Auftauchen eines

neuen Haushalts, einer neuen Person oder eines neuen Tages immer auch eine neue Wegekette

beginnt. In den Fällen, in denen der Rückweg erst am nächsten Tag erfolgt (z.B. Samstag-

abend zu Freunden, in der Nacht zum Sonntag wieder nach Hause) wird mit dieser Festlegung

die Zahl der Wegeketten überschätzt. Derartigen Rückwegen wurde die Charakteristik der

nicht beendeten Wegekette des Vortages zugewiesen.

Die Ausprägungen 1-8 der Variablen CHARAKTERISTIK entsprechen denen der Variablen

ZWECK.13 Die Position der Zwecke in der Hierarchie (je kleiner die Nummer, desto ranghö-

her der Zweck) ist Übersicht 2-18 ausgewiesen. Um nicht noch eine neunte Hierarchiestufe

einzuführen, wurde den Rundkursen implizit der Zweck �Freizeit�, d.h., die Hierarchiestufe 6

13 Ausprägung �8� einschl. �99� (Keine Angabe).


zugeordnet. Da Rundkurse per Definition nur aus einem Weg bestehen, ist damit gleichzeitig

auch deren Zweck auf Freizeit gesetzt.

Auch den Wegen nach außer Haus (ZWECK=9,10) wurde die Hierarchiestufe 6 (Freizeit)

unterstellt. Diese Wege erhalten dann den Zweck Freizeit, wenn kein ranghöherer Weg in der

Wegekette auftaucht.

Übersicht 2-18:Zweckcodierung, Wegekettenende und Zweckhierarchie

Wegezweck ZWECK Ende derWegekette

Zweck-Hierarchie1)

Arbeit 1 1Geschäfts- u. Dienstreise 2 3Ausbildung 3 2Einkauf 4 5Freizeit 5 6Service 6 4Heimweg 7 E 7Sonst.Weg oder Fehler 8 8Weg nach außer Haus(z:B. FeWo, Hotel) 9 6Weg zum 2. Wohnsitz 10 6ergänzter Nachhauseweg von der Arbeit 71 E 7ergänzter Nachhauseweg von Geschäft 72 E 7ergänzter Nachhauseweg von Ausbildung 73 E 7ergänzter Nachhauseweg von Einkauf 74 E 7ergänzter Nachhauseweg von Freizeit 75 E 7ergänzter Nachhauseweg von Service 76 E 7Weg von zu Hause nach Hause (Rundkurs) 77 E 2) 6Rückweg in z.B. FeWo Hotel, etc 78 E 7Rückweg zum zweiten Wohnsitz3) 79 E 7Keine Angabe 99 8

1) Je kleiner die Nummer, desto wichtiger der Zweck für die Charakterisierung. - 2) Beginn und Ende einer Wegekette. -3) Nur für 1994 relevant, vgl. Fußnote 13.Quellen: Mobilitätspanel, Auswertung des DIW.


Ausgehend von den o.a. Festlegungen ergeben sich z.B. für das Jahr 1997 die in Übersicht

2-19 ausgewiesenen Zuordnungen zwischen Zweckcodierungen und Charakteristika.

Übersicht 2-19:Wege (ungewichtet) 1997 nach Zweckcodierung und Charakteristik

CHARAKTERISTIK===>ZWECK 1 2 3 4 5 6 7 Summe

1 Beruf 3668 36682 Geschäft 619 611 19 12493 Ausbildung 19 1010 10294 Einkauf 655 101 83 5334 371 65445 Freizeit 339 59 108 630 5847 378 73616 Service 239 15 29 1595 18787 Heimweg 3244 411 959 4461 4548 1370 465 154588 Sonst., Fehler 1 1 3 8 139 nach Fewo/Hotel 25 21 11 42 144 11 25471 Heimweg (ergänzt) 1 172 Heimweg (ergänzt) 1 174 Heimweg (ergänzt) 7 775 Heimweg (ergänzt) 1 2 7 1076 Heimweg (ergänzt) 1 177 Rundweg 681 68178 Heimweg (ergänzt) 3 11 45 8 37 104Gesamt 8813 1220 2219 10487 11273 3737 510 38259

Quellen: Mobilitätspanel, Auswertung des DIW.

Lesehilfe: Von den 6544 Einkaufswegen (ZWECK=4), gehören 655 zu jeweils einer Wegekette mit der Charak-teristik Beruf (CHARAKTERISTIK=1). Rundwege haben definitionsgemäß die Charakteristik 5 (Freizeit).


Wird nun den Heimwegen und den sonst nicht zuordenbaren Wegen (d.h., Wege mit

ZWECK=7 oder ZWECK>7 aber nicht Rundweg) die Charakteristik der jeweiligen Wege-

kette als Zweck zugeordnet, so ergibt sich die in Übersicht 2-20 dargestellte Verteilung dieser

Wege auf die DIW-Zwecke.

Übersicht 2-20:Heimwege1) (ungewichtet) nach DIW-Zwecken

1994 1995 1996 1997 1998 1999 1)

DIW-Zweck Wege (ungewichtet)1 Beruf 1202 1749 3386 3355 3076 26972 Geschäft 172 194 379 442 458 5003 Ausbildung 346 423 920 970 928 6124 Einkauf 1360 2058 4548 4529 4555 46325 Freizeit 1586 2073 4619 4921 4628 45116 Service 493 655 1373 1405 1472 11797 Rest3) 125 93 163 227 131 132Gesamt 5284 7245 15388 15849 15248 14263

DIW-Zweck Wege (in %)1 Beruf 22.7 24.1 22.0 21.2 20.2 18.92 Geschäft 3.3 2.7 2.5 2.8 3.0 3.53 Ausbildung 6.5 5.8 6.0 6.1 6.1 4.34 Einkauf 25.7 28.4 29.6 28.6 29.9 32.55 Freizeit 30.0 28.6 30.0 31.0 30.4 31.66 Service 9.3 9.0 8.9 8.9 9.7 8.37 Rest 2) 2.4 1.3 1.1 1.4 0.9 0.9Gesamt 100 100 100 100 100 100

1) Westdeutschland. - 2) Wege mit ZWECK=7,71-76,78,79 und ZWECK=8,9,99. -3) keinem der Zwecke 1-6 zuordenbar.Quellen: Mobilitätspanel, Auswertungen des DIW.


Wird die Zweckzuordnung der Heimwege nach diesem Verfahren (d.h.. in Abhängigkeit von

der Charakteristik der Wegekette) vorgenommen und den Rundwegen der Zweck Freizeit zu-

gewiesen so ergibt sich für die Wege der Erhebungsjahre 1994-99 insgesamt jeweils die in

Übersicht 2-21 dargestellte Aufteilung auf die DIW-Zwecke.

Übersicht 2-21:Wege insgesamt (ungewichtet) nach DIW-Zwecken

1994 1995 1996 1997 1998 1999 1)

DIW-Zweck Wege (ungewichtet)1 Beruf 2505 3604 7045 7023 6358 56212 Geschäft 589 719 1599 1691 1619 16603 Ausbildung 710 862 1911 1999 1923 12664 Einkauf 3297 4886 11038 11073 11063 113055 Freizeit 4051 5136 12291 12963 12265 120836 Service 1103 1516 3188 3283 3410 27567 Rest2) 125 93 163 227 131 132Gesamt 12380 16816 37235 38259 36769 34823

DIW-Zweck Wege (in %)1 Beruf 20.2 21.4 18.9 18.4 17.3 16.12 Geschäft 4.8 4.3 4.3 4.4 4.4 4.83 Ausbildung 5.7 5.1 5.1 5.2 5.2 3.64 Einkauf 26.6 29.1 29.6 28.9 30.1 32.55 Freizeit 32.7 30.5 33.0 33.9 33.4 34.76 Service 8.9 9.0 8.6 8.6 9.3 7.97 Rest2) 1.0 0.6 0.4 0.6 0.4 0.4Gesamt 100 100 100 100 100 100

1) Westdeutschland. - 2) Keinem der Zwecke 1-6 zuordenbar.Quellen: Mobilitätspanel, Auswertung des DIW.

In allen vier Erhebungsjahren gibt es jeweils eine geringe Anzahl von Wegen, die sich keinem

der aufgeführten Zwecke zuordnen lassen (Rest). Es sind dies u.a. Heimwege, die ohne Hin-

weg alleine in der Wegedatei stehen, teilweise auch Wege mit dem Zweck 78 (nach Hause,

aber nicht in eigene Wohnung), die wir als Wegekettenende interpretiert haben, deren Funkti-

on (d.h., Beginn oder Ende einer Wegekette) aber nicht eindeutig ist.


Ein Teil der mit dem beschriebenen Vorgehen nicht weiter zuordenbaren Heimwegen dürfte

�unterbrochenen� Wegeketten, z.B.:

Hinweg zum Ferienhaus (Beginn der 1. Wegekette)

Hinweg zum Supermarkt (Beginn der 2. Wegekette)

Weg ins Schwimmbad (zugehörig zur 2. Wegekette)

Rückweg ins Ferienhaus (Ende der 2. Wegekette)

Rückweg vom Ferienhaus in die Wohnung (Ende der 1. Wegekette)

zuzurechnen sein. Da bei der Ableitung der Wegekettencharakteristik davon ausgegangen

wurde, dass alle zu einer Wegekette gehörenden Wege zeitlich unmittelbar aufeinander fol-

gen, wurden hierarchisch angeordnete Wegekettenanordnungen nicht als solche erkannt und

als zwei einzelne und unvollständige Wegeketten behandelt.

2.7 Fallzahlen und Datenorganisation

Für die Auswertungen in diesem Bericht stehen die Daten zur Alltagsmobilität der ersten

sechs Wellen des Mobilitätspanels von 1994 bis 1999 zur Verfügung. In der Übersicht 1-1 ist

der Aufbau der Stichprobe für die Wellen und Kohorten (die jeweils im selben Jahr beginnen-

den Haushalte) ersichtlich. Seit 1996 stehen danach je Welle die Informationen von ca. 750

Haushalten bereit und in der Welle 1999, mit der Einbeziehung Ostdeutschlands in die Erhe-

bung (240 Haushalte), insgesamt über 1 000 Haushalte. In ähnlicher Darstellung zeigt die

Übersicht 2-22 die Fallzahlen für Personen, Personen-Tage, Wege und Übergänge. Da die an

der Erhebung teilnehmenden Personen jeweils für sieben aufeinander folgende Tage ihre Mo-

bilität berichteten, kann die Anzahl Personen gleichgesetzt werden mit Personen-Wochen

bzw. es ergibt sich die siebenfache Anzahl an Personen-Tagen.

Die insgesamt zur Untersuchung verfügbaren Fallzahlen zeigt der Block der kumulierten

Werte in Übersicht 2-22. Der Begriff Übergänge bezeichnet die Möglichkeit des Vergleichs

jeder zweifachen Beobachtung einer Person. Ist eine Person in drei Wellen befragt worden,

ergeben sich folglich zwei einfache Übergänge (Übergänge 1) sowie ein doppelter Übergang

(Übergänge 2). Bis zur Welle 1999 sind also etwa 3 280 einfache Übergänge auf Personene-

bene erhoben worden.


Für die Auswertung der Paneldaten sind verschiedene Zielsetzungen, inhaltliche Konzepte und

eine entsprechende Organisation der Daten möglich. Die vorliegende Studie betrachtet im de-

skriptiven Kapitel 4 u.a. verschiedene Strukturmerkmale und Mobilitätskennziffern (je Person

und Tag oder Woche) der Stichprobe. Für die Modellierungsansätze im Kapitel 5 werden die je

Person und Welle erhobenen Informationen als Einheit analysiert und also auch die Verhaltens-

merkmale zu Mobilitätskennziffern einer Woche zusammengefasst. Eine Alternative besteht in

der Betrachtung der einzelnen Personen-Tage, was bei Dreifach-Teilnehmern an der Erhebung

zur wiederholten Messung der Verhaltensgrößen an 21 Tagen führt (vgl. Hautzinger, 2001).

Übersicht 2-22:Fallzahlen des Mobilitätspanels nach Kohorten und Wellen

294

450198

826621

531

354

296

525

402

687

502

517156 166

1.133

1994 1995 1996 1997 1998 1999

12 380 29196 66 429 104 688 141 457 187 869Wege

517 744 1 487 1 523 1 500 1 385 + 502Personen3 619 5 208 10 409 10 661 10 500 9 695 + 3 514Pers.- tage

WegeKumulierte

PersonenPers.- tage

12 380 16 816 37 233 38 259 36 769 34 827 + 11 585

517 1 261 2 748 4 271 5 771 7 6583 619 8 827 19 236 29 897 40 397 53 606

Übergänge 1 — 294 641 1 633 2 585 3 283— — 149 315 913 1 209Übergänge 2

Personen

Für die Analyse der Daten auf der Ebene von Personen-Wochen stellen die Übersicht 2-23

und die Übersicht 2-24 vier Fälle der Datenorganisation der sechs Erhebungswellen dar.

(1) Steht die Analyse der Mehrfachteilnehmer im Mittelpunkt und kann ein Trend oder ein

Periodeneffekt (ein zeitlich fixierter exogener Einfluss wie z.B. ein Preissprung) nicht ausge-

schlossen werden, so ist die zeitechte Anordnung der Daten angemessen und es ergibt sich

eine Fallzahl von 1188 dreifach erhobenen Personen-Wochen der Wellen 1994 bis 1999.


(2) Existiert kein Trend in den Daten, können diese rechteckig angeordnet werden und es er-

höht sich die je Übergang effektive Fallzahl bei gleichem Datenbestand. Diese Darstellung

lässt noch die Berücksichtigung von Adaptionsprozessen zu, d.h. dass eine Veränderung von

Einflussgrößen zwischen der ersten und zweiten Beobachtung sich erst in den Verhaltensgrö-

ßen der dritten Beobachtung auswirken könnte.

(3) Unter Einschränkung der genannten Untersuchungsziele (Trend, Periodeneffekt, Verzö-

gerte Reaktion) lassen sich alle einfachen Übergänge gepoolt auswerten, hier werden also

Dreifach-Teilnehmer doppelt gezählt, die Fallzahl erhöht sich auf 3 269 zweifach erhobene

Personen-Wochen.

(4) Schließlich ergibt sich die letzte Stufe des Poolens � des Zusammenfassens der Informa-

tionen im Datenbestand � wenn alle Beobachtungen wie ein einziger Querschnitt betrachtet

werden und mithin 7658 Personen-Wochen zur Auswertung zur Verfügung stehen.

Übersicht 2-23:Konzepte der Anordnungen von Beobachtungen bei Paneldaten I

1994 1995 1996149

166

598

275

Personen-wochen

1995 1996 1997

1996 1997 1998

1997 1998 1999

ZWEI ÜBERGÄNGE, GEPOOLT, N = 1188

1994 1995 1996 1997 1998 1999Personen-wochen 149

166

598

275

ZWEI ÜBERGÄNGE, ZEITECHT, N = 1188


Übersicht 2-24:Konzepte der Anordnungen von Beobachtungen bei Paneldaten II

347

952

684

294

992

1994 1995Personen-wochen

1995 1996

1996 1997

1997 1998

1998 1999

ALLE ÜBERGÄNGE, GEPOOLT, N = 3269

Kohorte 94

814

1181

927

967

2580

1189

Kohorte 95

Kohorte 96

Kohorte 97

Kohorte 98

Kohorte 99

ALLE BEOBACHTUNGEN, GEPOOLT, N = 7658

In den Auswertungen des Kapitels 5 werden die beiden letztgenannten Datenkonzepte genutzt,

u.a. um mit größeren Fallzahlen arbeiten zu können. Damit gehen in die Analyse teilweise

voneinander nicht unabhängige Beobachtungen ein, was zu verringerten Varianzen aber kon-

sistenten Schätzungen von Parametern führt. Zu den statistischen Eigenschaften gepoolter

Paneldaten vgl. Allison (1982), Johnson und Hensher (1982), van der Eijk (1987), Kim und

Mannering (1997) sowie Yee und Niemeier (2000).

2.8 Ausfallanalyse

Bei der Durchführung von Panelerhebungen treten feldbedingte Ausfälle auf, weil Haushalte

(bzw. Personen) in der folgenden Panelwelle nicht mehr erreicht werden oder weil sie die

weitere Teilnahme an der Erhebung verweigern. Diese Ausfälle werden auch als �Panelmor-

talität� bzw. als �Panel-Attrition� bezeichnet. Sie reduzieren zum einen die für Auswertungen

im Längsschnitt zur Verfügung stehenden Fallzahlen. Zum anderen können durch Ausfälle


von Untersuchungseinheiten Verzerrungen in der Zusammensetzung der verbleibenden Stich-

probe entstehen, wenn sie nicht neutral über die Merkmale der Befragten auftreten.

In der Methodenforschung werden die Gründe für die Verweigerung der Teilnahme an einer

Erhebung in der Befragungssituation selbst oder in den Merkmalen der Befragten gesehen und

dies im Prinzip ähnlich für Querschnitt- wie für Längsschnittsurveys. Anders als bei Quer-

schnitterhebungen sind jedoch in einem Panel viele Merkmale auch für die Nichtantworter

bekannt. Dies sind alle Informationen aus der vorhergehenden Panelwelle sowie die Feldin-

formationen aus der laufenden Welle. Damit können Aussagen über die Gründe und die Ver-

zerrungswirkungen von Ausfällen gemacht werden (vgl. Rendtel 1995, S. 16 ff; Porst und

Briel 1995). Dieser Gedanke wird für die Ausfallanalyse und für die Längsschnittgewichtung

des Sozio-oekonomischen Panels genutzt.

Übersicht 2-25:Entwicklung der Fallzahlen der Ursprungsstichprobe des Sozio-oekonomischen Panels

All first wave persons (subsample A+B), Development until wave 16

Whereabout of the 16205 Persons

Quelle: Pannenberg, 2000.

Übersicht 2-25 zeigt den Verlauf der 1984 rekrutierten Ursprungsstichprobe des SOEP (ent-

nommen aus Pannenberg, 2000). Deutlich wird die hohe Stabilität der Stichprobe, die sich u.a.

mit der aufwendigen Kontaktpflege zwischen dem Erhebungsinstitut und den Befragten er-

klärt. Die Entwicklung der Attrition im Längsschnitt wird für das SOEP mit zwei Logit-


Modellen je Übergang analysiert. Das eine modelliert den Ausfall durch Kontaktverlust, das

zweite den Ausfall durch Verweigerung (vgl. Pannenberg, 2000). Bezogen auf den Kontakt-

verlust zeigen die Variablen Großstadt, Umzug und Single einen positiven Effekt. In den 14

analysierten Übergängen erweisen sich über 20 Variable signifikant für den Ausfall durch

Verweigerung.

Im Mobilitätspanel sind mit den Mehrfachbefragungen der in der Pilotphase angeworbenen

Haushalte zunächst Wiederholungsquoten von 59 % in 1995 und 48 % in 1996 erreicht wor-

den. Die 1995 angeworbene Kohorte zeigt jedoch schon einen deutlich abklingenden Verlauf

der Ausfälle. Mit dem ab 1996 veränderten Anwerbeverfahren stabilisierte sich der Stichpro-

benverlauf, so dass für die 1996 und 1997 angeworbenen Kohorten in der dritten Befragung

noch 56 % der Erstteilnehmer antworteten (vgl. Übersicht 1-1). Ab 1997 liegen die Anteile

der wiederholenden Haushalte von Welle zu Welle zwischen 70 und 80 % der Haushalte, die

überhaupt wiederholen können.

Um die Bedeutung der Ausfallanalyse für ein Verständnis der Stichprobenentwicklung und als

notwendige Voraussetzung für eine Längsschnittgewichtung zu verdeutlichen, wird hier der

Einfluss von Merkmalen des Haushalts bzw. der ältesten Person im Haushalt (als Haushalts-

vorstand) auf die Wahrscheinlichkeit, in der Folgebefragung wieder zu antworten, analysiert.

Eingesetzt wird ein dichotomes Logitmodell, die Befunde sind in der Übersicht 2-26 tabel-

liert. Genannt werden im Weiteren nur die Variablen, die einen Einfluss auf die Ausfallwahr-

scheinlichkeit zeigten. Getestet wurden auch weitere Merkmale des Haushaltsvorstandes (z.B.

Geschlecht) und des Haushalts (z.B. räumliche Lage) sowie die mittlere Wegehäufigkeit aller

berichtenden Personen des Haushalts.

Nur die Variablen Beruf und Alter bzw. Geburtsjahr zeigen für alle vier untersuchten Über-

gänge einen signifikanten Einfluss auf die Ausfallwahrscheinlichkeit der Haushalte. Für alle

Übergänge ist eine mit dem Alter des Haushaltsvorstandes deutlich abnehmende Ausfallwahr-

scheinlichkeit gegeben. So wird für die Übergänge nach 1997 und 1998 für die ältesten nen-

nenswert in der Stichprobe besetzten Jahrgänge (1920 bis 1930) eine Ausfallwahrscheinlich-

keit von unter 20 % geschätzt. Für die jüngeren Jahrgänge (ab 1960) liegt die Ausfallwahr-

scheinlichkeit eher bei 30 %. Dabei dürfte das Alter selbst nicht ursächlich für diese Unter-

schiede sein. Da ältere Haushalte sesshafter sind, ist eher zu vermuten dass daher ein Kon-

taktverlust durch einen Umzug des Haushalts seltener auftritt (vgl. Frick 1996).


In den Stufen der Variable Beruf sinkt die Ausfallwahrscheinlichkeit im Übergang zu 1998 in

der Reihenfolge �in Ausbildung, arbeitslos, Hausfrau� (Ausfall 36 %), �teilzeitbeschäftigt�

(32 %), �voll berufstätig� (28 %) und �Rentner� (20 %). Diese Relationen gelten ähnlich für

die anderen Übergänge.

Der Schulabschluss des Haushaltsvorstandes weist nur im ersten Übergang einen signifi-

kanten Effekt auf den Ausfall der Haushalte aus der Befragung auf. Mit steigendem forma-

len Bildungsstand sinkt die Ausfallwahrscheinlichkeit des Haushalts (von 63 % bis auf

31 %).

Im Datensatz gibt die Variable �Normal� an, ob die Berichtswoche für den Befragten mehr

oder weniger wie immer verlief oder ob Besonderheiten auftraten. Daneben wird für die

einzelnen Wochentage gezielt nach dem Auftreten von Besonderheiten gefragt. Für diese

Ausfallanalyse wurde in einer Variablen �Anormal� das Vorkommen einer tagesspezifi-

schen Besonderheit als Flag vermerkt. Zu erwarten war, dass für Personen mit dem Auftre-

ten von Abweichungen von der normalen Routine die weitere Teilnahme an der Erhebung

eher mühsam oder irrelevant erscheint und daher ein Ausfall wahrscheinlicher wird. Diese

Variablen sind in den ersten drei Übergängen ein signifikanter Prädiktor für die Ausfall-

wahrscheinlichkeit der Haushalte, allerdings mit dem gegenteiligen Effekt. So beträgt im

Übergang von 1996 auf 1997 für die 473 Haushalte deren Vorstand eine �normale� Woche

berichtet der Ausfall 25 %, für die 206 Fälle mit dem Bericht �unnormal� und der Angabe

von Gründen hingegen nur 17 %. Hier ist also zu vermuten, dass sich in diesen Variablen

eher eine Sorgfalt der Berichtenden beim Ausfüllen der Erhebungsunterlagen zeigt und dies

mit einer höheren Motivation und höheren Wahrscheinlichkeit der weiteren Teilnahme in

Verbindung steht.

Nur in jeweils einem Übergang wirkten die Variablen �Lage der Wohnung� und �Haus-

haltstyp� signifikant auf die Ausfallwahrscheinlichkeit. Von 1996 auf 1997 ist der Ausfall

von Haushalten in inneren Stadtbereichen mit 30 % höher als der von solchen in Kleinstäd-

ten oder ländlichen Gebieten (23 %) oder von Stadtrandbewohnern (18 %). Auch dieser

Effekt dürfte von der Umzugshäufigkeit beeinflusst sein. In dem folgenden Übergang ist für

den Haushaltstyp 1 (Kleinhaushalt mit Berufstätigen) der Ausfall mit 32 % deutlich höher

als für den Haushaltstyp 2 und 4 mit 22 % (Kleinhaushalt ohne Berufstätige, Haushalt ohne

Kinder).


Für die drei aktuelleren Übergänge ist getestet worden, ob die Teilnahme der Haushalte an

der Tankbucherhebung im Frühjahr im Zusammenhang zur weiteren Beteiligung an der

Mobilitätserhebung im Herbst steht. Die Auswahl der Haushalte und das Anschreiben zur

Tankbucherhebung sind in dieser Hinsicht weitgehend neutral. Die tatsächliche Teilnahme

und Rücksendung der Tankbücher zeigt hingegen eine hohe Bereitschaft zur weiteren Mo-

bilitätserhebung an. In den beiden letzten Übergängen ist der Ausfall der Haushalte, die an

der Tankbucherhebung teilnahmen mit ca. 15 % nur halb so hoch wie der der übrigen Haus-

halte.

Im Übergang zu 1997 erwies sich auch die Zugehörigkeit des Haushalts zu einer Kohorte

als signifikantes Merkmal auf die Ausfallwahrscheinlichkeit. Durch die im Befragungsver-

lauf tendenziell abnehmende Ausfallwahrscheinlichkeit der Haushalte gehen in diesem

Übergang nur 15 % der 1995 angeworbenen Haushalte, aber 24 % der erstmals teilnehmen-

den Haushalte verloren. In keinem anderen Übergang ist diese Differenz zwischen den bei-

den jeweiligen Kohorten so groß. Der geschilderte Effekt der Teilnahme an der Tank-

bucherhebung ist nicht unabhängig von dem Kohorteneffekt: Im Übergang zu 1997 zeigt die

Teilnahme an der Tankbucherhebung nur für die 96er Kohorte eine erhöhte weitere Teil-

nahmebereitschaft an.

Will man die Ergebnisse der Ausfallanalyse für eine Längsschnittsgewichtung (als Inverse

der Ausfallwahrscheinlichkeit) nutzen, so dürfen die Effekte der Variablen nicht redundant

sein, d.h. es muss ein Ausfallmodell unter Ausschluss korrelierender Variablen geschätzt

werden. Für die drei Übergänge im Mobilitätspanel ab 1995 ergeben sich Modelle mit zwei,

drei, und vier der in Übersicht 2-26 angegebenen Variablen. Vertreten sind die Variablen

Alter, Beruf, Normal, Tankbuch, Kohorte und Lage.

Mobilitätspanel � D

ynamik des V

erkehrsverhaltens im Jahresvergleich

48

Übersicht 2-26:Signifikante Effekte auf die Ausfallwahrscheinlichkeit der Haushalte

der ersten fünf Wellen des Mobilitätspanels

Merkmal(Stufen)

94/95N = 239

W = 59%

95/96N = 385

W = 48%

96/97N = 679

W = 77%

97/98N = 665

W = 73%

Alter (5/6) n.s. D, h.s. D, s. n.s.

Geburtsjahr n.s. D, h.s. D, s. D, s.

Beruf (4) s. s. h.s. s.

Schulabschluss (4) h.s. n.s. n.s. n.s.

Anormal (2) s. s. h.s. n.s.

Normal (3/2) n.s. s. h.s. n.s.

Tankbuch (2) - h.s. h.s. h.s.

Kohorte (2) - n.s. h.s. n.s.

Lage (3) n.s. n.s. s. n.s.

Haushaltstyp (4) n.s. n.s. n.s. s.

N : Anzahl Haushalte im Test; W : Anteil Wiederholer; s. : signifikant (0,01< Prob ≤ 0,05); n.s. : nicht signifikant (Prob > 0,05); h.s. : hochsignifikant (Prob ≤ 0,01); D : Merkmal als stetige unabhängige Variable.

Quellen: Mobilitätspanel (1994-1998), Berechnungen des DIW.


2.9 Gewichtung für Längsschnittbetrachtungen

Die jährlichen Grundauswertungen des Instituts für Verkehrswesen der Universität Karlsru-

he (IfV) sind querschnittsorientiert. Insbesondere wird die Gesamtheit aller befragten Perso-

nen eines Jahres (Welle) auf die Eckwerte der westdeutschen Bevölkerung hochgerechnet. Die

mehrfach teilnehmenden Personen erhalten jährlich

unterschiedliche Gewichte. Die nebenstehende Gra-

fik zeigt im Schema der Übersicht 2-7 (S.21) in den

Zeilen die Kohorten und in den Spalten die Wellen

der Befragungsjahre und verdeutlicht damit das Ge-

wichtungsschema. Der unterste Block von Übersicht

2-7 zeigt die unterschiedlichen Gewichtungsfaktoren.

Für den jährlichen Vergleich derselben Personen sind

diese Hochrechnungsfaktoren nicht verwendbar, da

die Personen sehr unterschiedlich gewichtet werden. Zumindest gilt dies für die Daten aus der

Pilotphase 1994 bis 1996, als Befragungsdesign und Stichprobenziehung noch wesentlich

variiert wurden und zugleich der Stichprobenumfang (insbesondere von 1995 auf 1996) er-

heblich anstieg. Bei der Betrachtung der ungewichteten Stichproben ist zu beachten, dass er-

hebliche Verzerrungen im Vergleich zur Gesamtbevölkerung vorhanden sind. So sind kleine

Haushalte (Ein- und Zweipersonenhaushalte) nur unterproportional vertreten.

Die in dieser Untersuchung vorzunehmende Längsschnittsbetrachtung identischer Personen ist

natürlich nur für Mehrfachteilnehmer möglich. Zur Disproportionalität der Kohorten der Aus-

gangsstichproben kann damit bei den Wiederholern noch eine Verzerrung kommen, die sich

daraus ergibt, dass die weniger Motivierten, zwischendurch Aussteigenden, nicht dem Panel-

durchschnitt entsprechen, sondern dass überproportional �Befragungsfreaks� dabeibleiben.

Schließlich ist nicht zu unterschätzen, dass bei den Mehrfachteilnehmern �Haushaltsspaltun-

gen�14 unberücksichtigt bleiben. Bei den SOEP-Auswertungen (s. nächstes Kapitel) zeigte

sich aber, dass gerade aus einer Kohorte entstehende neue Haushalte z.B. eine besonders hohe

Motorisierungsquote besitzen.

14 Bei Ehescheidung etwa bleibt offen, welcher Ehepartner das Panel weiterführt, der ausscheidende Partner (undggf. Kinder) geht jedenfalls verloren.

Querschnittgewichtung

BevölkerungBevölkerungaltealteBundesländerBundesländer


Daher sind vom DIW zusätzliche Längsschnittgewichte gebildet worden. Sie orientieren sich an

den Kohorten. Für die Analysen von Dreifachteilnehmern werden die Dreifachteilnehmer aus

jeder Kohorte auf die Grundgesamtheit des An-

fangsjahres dieser Kohorte hochgerechnet (Siehe

nebenstehende Skizze). Der Eckwert ist somit

die Summe der Einwohnerzahlen von drei Jah-

ren. Entsprechend werden Kohortengewichte für

alle Mehrfachteilnehmer gebildet und Hoch-

rechnungsfaktoren zur Abbildung eines Jahres

durch alle Teilnehmer einer Kohorte. Die Ge-

wichtungsfaktoren sind also keine Längsschnitt-

gewichte, wie sie üblicherweise aus einer Aus-

fallanalyse abgeleitet werden, sondern nur für die speziellen Datensätze dieser Untersuchung

gebildet.

Die Gewichtungsfaktoren wurden, ausgehend von den Querschnittgewichten, zweistufig be-

stimmt. Zunächst wurden Anpassungsfaktoren nach Haushaltsgröße (Ein-, Zwei- und Mehr-

personenhaushalte) berechnet. Anschließend wurden die Gewichte weiter nach Geschlecht

und Altersgruppen der Personen differenziert. Auf die weiter gehende Abstimmung nach

Pkw-Besitz und Ortsgrößenklasse (wie in der Querschnittsgewichtung) musste wegen der

kleineren Fallzahlen der mehrfach Teilnehmenden verzichtet werden.

LängsschnittgewichtungDreifachteilnehmer

BevölkerungBevölkerungaltealteBundesländerBundesländer


3 Strukturwerte, Kenngrößen und Übergangshäufigkeiten ausgewählter Variablenim Sozio-oekonomischen Panel (SOEP)

Anhand des Mobilitätspanels wird im Rahmen dieses Gutachtens u.a. untersucht, ob und wel-

chen Einfluss Veränderungen von Rahmenbedingungen (z.B. Anschaffung eines Pkw) auf das

Verkehrsverhalten haben. Die Zahl der Haushalte und Personen, für die im Mobilitätspanel

derartige Veränderungen beobachtet werden können, ist jedoch aufgrund der vergleichsweise

kleinen jährlichen Stichprobe gering. Um die Bedeutung von Kontextveränderungen auf

Haushalts- und Personenebene deutlich zu machen, sollen die Ergebnisse des Mobilitätspanels

daher den repräsentativen Übergangshäufigkeiten des SOEP gegenübergestellt werden. Es

gilt, die mengenmäßige Bedeutung derartiger Übergänge festzustellen und mit den Strukturen

des Mobilitätspanels zu vergleichen.

3.1 Merkmale des Sozio-oekonomisches Panels

Die Methode und der Inhalt des SOEP sind ausführlich in einem Handbuch dokumentiert (vgl.

Haisken-De New und Frick, 1998; Wagner et al. 1994, SOEP Group 2001). Die folgenden

Ausführungen sollen lediglich einen groben Überblick über die Eigenschaften dieser Erhe-

bung geben.

Das SOEP, eine jährliche Haushaltserhebung zur Sammlung repräsentativer Mikrodaten über

die Lebenssituation bundesdeutscher Haushalte und Familien, findet seit 1984 statt. Die in-

haltliche Organisation und Betreuung des SOEP liegt beim Deutschen Institut für Wirtschafts-

forschung (DIW Berlin), die Feldarbeit wird von Infratest durchgeführt.

Die ursprünglich aus zwei Samples (Sample A=Deutsche und Sample B=Ausländer)15 zusam-

mengesetzte Stichprobe wurde um zwei weitere Samples (seit 1990 Sample C=Ostdeutschland

und seit 1994/95 Sample D=Zuwanderer)16 erweitert. Im Jahr 1999 schließlich wurde eine gene-

relle Auffrischung des SOEP (Sample E) vorgenommen.

15 Ausländerhaushalte sind definiert als Haushalte deren Haushaltsvorstand die türkische, griechische jugoslawis-che, spanische oder italienische Staatsangehörigkeit besitzt. Die Auswahl wurde orientiert an den in Deutschlandam häufigsten vertretenen Nationalitäten. Zum Sample A gehören alle Haushalte, deren Haushaltsvorstand nichteine der genannten Staatsangehörigkeiten besitzt.16 In Haushalten des Sample C muss der Haushaltsvorstand ehemaliger DDR-Bürger sein; in Haushalten desSamples D muss mindestens eines der Haushaltsmitglieder nach 1984 aus dem Ausland nach Westdeutschlandeingewandert sein.


Der Stichprobenumfang des SOEP betrug zu Beginn (d.h., im Jahr 1984) 5924 Haushalte

(netto), die hier verwendete letzte Welle (1997) umfasst 6810 Haushalte (netto).

Die Erhebung wird von Interviewern als face-to-face Befragung durchgeführt. Befragt wird jede

Person ab 16 Jahren zur persönlichen Lebens- und Erwerbssituation, sowie zu Wünschen und

Meinungen. Darüberhinaus werden vom Haushaltsvorstand17 Angaben zu Sachverhalten, die

den Haushalt in seiner Gesamtheit betreffen und zur Situation nicht selbst berichtender Kinder

erbeten. Jede Welle des SOEP ist zusätzlich auf einen thematischen Schwerpunkt ausgerichtet.

Im SOEP wird eine umfangreiche Weiterverfolgungsstragegie angewendet. Alle Personen, die

an der ersten Welle eines Samples teilgenommen haben (einschließlich der Kinder), werden

von da an jedes Jahr einbezogen. Personen, die den Haushalt verlassen (z.B. junge Menschen,

die einen eigenen Haushalt gründen; Personen, die sich vom Partner trennen) werden in nach-

folgenden Wellen ebenso berücksichtigt wie Personen, die in einen bestehenden SOEP Haus-

halt hineinziehen. Auch Personen, die in ein Heim übersiedeln, werden weiterverfolgt. Nicht

mehr verfolgt werden dagegen Personen, die ins Ausland umziehen. Naturgemäß verliert das

Panel Personen durch Tod. Ein Haushalt wird dann als Verweigerer angesehen, wenn in zwei

aufeinander folgenden Jahren ein Komplettausfall, d.h. Verweigerung sämtlicher Haushalts-

mitglieder, festgestellt wird.

Die Weiterfolgungsstrategie des SOEP ist damit erheblich breiter angelegt als die des Mobili-

tätspanels, denn Personen, die den Haushalte verlassen, fallen hier automatisch aus der Stich-

probe herraus. Neugegründete Haushalte können nur im Zuge der jährlichen Aufstockung in

das Mobilitätspanel gelangen. Für eine Prüfung, ob junge Haushalte systematisch untererfasst

sind, fehlen jedoch geeignete Informationen zur Ableitung des Haushaltsalters.

Für die Hochrechnung der Zahl der Haushalte und Personen werden im SOEP getrennte Fak-

toren für Privathaushalte und Anstaltshaushalte gebildet. Für die Privathaushalte wird der

Hochrechnungsrahmen aus den Ergebnissen des Mikrozensus abgeleitet,18 für den Bereich der

Anstaltshaushalte wird eine freie Hochrechnung vorgenommen. Mit der Hochrechnung wer-

den selbstverständlich die in der Stichprobe verzerrten Proportionen der Samples zueinander

ausgeglichen.

17 Die Person, die am besten über die Bedingungen Bescheid weiß, in denen der Haushalt lebt und agiert.


3.2 Aufbereitung des SOEP für die mit dem Mobilitätspanel vergleichbare Grund-gesamtheit �deutschsprachige Privathaushalte in Westdeutschland�

Das Mobilitätspanel wurde bis einschließlich 1998 nur in Westdeutschland durchgeführt. Die

Erhebung bezieht sich auf deutschsprachige Privathaushalte. Alle Personen ab 10 Jahren sol-

len ein Mobilitätstagebuch ausfüllen; der Haushaltsvorstand wird zusätzlich zu generellen

Haushaltsmerkmalen befragt. Die Ergebnisse werden auf die gesamte Bevölkerung (im Alter

ab 10 Jahren), bzw. auf sämtliche Privathaushalte Westdeutschlands hochgerechnet.

Für die Ableitung der Übergangshäufigkeiten von Kontextvariablen aus dem SOEP musste

eine mit dem Mobilitätspanel vergleichbare Grundgesamtheit definiert werden. Es wurde ent-

schieden, diese nicht am Hochrechnungsrahmen19 sondern an der Auswahlgrundlage des Mo-

bilitätspanels (deutschsprachige Privathaushalte in Westdeutschland) zu orientieren, da dies

auch die Abgrenzung ist, in der die zu analysierenden Informationen zum Verkehrsverhalten

zur Verfügung stehen.

Für die Entscheidung, ob ein SOEP-Haushalt zu dieser Grundgesamtheit gehört oder nicht,

wurden folgende Kriterien herangezogen:

• Der Wohnort des Haushalts ist in Westdeutschland,

• der Haushalt ist ein Privathaushalt20 und

• der Haushalt ist deutschsprachig, d.h., es lebt mindestens eine Person mit deutscherStaatsangehörigkeit im Haushalt.

Nur solche SOEP-Haushalte, die alle drei Kriterien erfüllen, wurden als zu der genannten

Grundgesamtheit gehörig angesehen. Die Grundgesamtheit auf Personenebene setzt sich aus

den Mitgliedern dieser Haushalte (im Alter ab 10 Jahren) zusammen.

Als aktuellste Daten standen aus dem SOEP zum Zeitpunkt der Bearbeitung die Ergebnisse

der Welle 1997 zur Verfügung. Für die Ableitung von Übergangshäufigkeiten wurden somit

18 Die Ergebnisse des Mikrozensus werden dafür um Doppelzählungen aufgrund von Mehrfachwohnsitzen vonHaushalten bereinigt.19 Lt. Erläuterung des Codeplans der Haushaltsdateien zum Faktor GEWHH ist dies die gesamte Bevölkerung inWestdeutschland. Diese setzt sich zusammen aus Deutschen und Ausländern in Privat- und Anstaltshaushalten.20 Die 1997er Welle des SOEP umfasst hochgerechnet 783 Tsd. Anstaltshaushalte (z.B. in Studenten-wohnheimen, Berufstätigenheimen, Altenheimen). Ihr Anteil an allen Haushalten betrug 1997 im SOEP 2 %. DaAnstaltshaushalte nicht von Beginn an erhoben wurden sondern erst allmählich durch das Hineinwechseln der


die Jahre 1996/1997 und -soweit möglich- auch die Jahre 1995/1996 betrachtet. In Übersicht

3-1 sind die ungewichteten und die hochgerechneten Fallzahlen des SOEP auf Haushalts- und

Personenebene insgesamt und für die Teilmenge �deutschsprachige Privathaushalte in West-

deutschland� ausgewiesen. Zu berücksichtigen ist, dass die für das Jahr 1995 ermittelten Häu-

figkeiten nicht vollständig mit denen von 1996 und 1997 vergleichbar sind, da hier aufgrund

der Datensituation ein etwas anderes Vorgehen bei der Abgrenzung angewendet werden

musste.21 Für die Längsschnittbetrachtungen spielt dies keine Rolle, da als Basisjahr für die

Übergangshäufigkeiten immer das jeweils zweite Jahr genommen wurde (vgl. Kap. 3.3).

Übersicht 3-1:Eckwerte des Sozio-oekonomischen Panels

1995 1996 1997

Nettowerte der Stichprobe

Haushalte insgesamt 6968 6894 6810

dar. deutschsprachige Privathaushalte 1) in Westdeutschland 39812) 4155 4136

dar. Haushaltsneugründungen von einem Jahr zum anderen 181 184

Bevölkerung insgesamt 17927 17504 17126

dar. in deutschsprachigen Privathaushalten1) in Westdeutschland 98712) 10159 10089

dar. im Alter ab 10 Jahren 8641 8598

in 1000

Haushalte insgesamt 37560 37967 38240

dar. deutschsprachige Privathaushalte 1) in Westdeutschland 262592) 28749 28951

dar. Haushaltsneugründungen von einem Jahr zum anderen 1998 1553

Bevölkerung insgesamt 81551 81784 82117

dar. in deutschsprachigen Privathaushalten1) in Westdeutschland 568332) 60851 61421

dar. im Alter ab 10 Jahren 52294 524621) Haushalte, in denen mindestens eine Person mit deutscher Staatsangehörigkeit lebt.2) Aufgrund anderer Methoden der Abgrenzung nur bedingt mit den Folgejahren vergleichbar.Quellen: SOEP, Berechnungen des DIW.

SOEP Population in diese Wohnform in die Stichprobe gelangen, ist erst nach vielen Jahren mit ihrer repräsenta-tiven Erfassung zu rechnen.21 Während 1996 und 1997 die Personen nach ihrer Nationalität gefragt wurden, war dies in 1995 nicht der FallDas Kriterium �Mindestens eine Person im Haushalt mit deutscher Staatsangehörigkeit� wurde im Jahr 1995dann als erfüllt angesehen, wenn in einem Haushalt eine Person lebte, die 1996 die deutsche Staatsangehörigkeithatte.


3.3 Übergangshäufigkeiten ausgewählter Variablen des SOEP im Längsschnitt- undQuerschnittvergleich

Die Auswahl konzentriert sich auf solche im SOEP enthaltenen Variablen, für die ein enger Zu-

sammenhang mit dem Verkehrsverhalten von Personen und Haushalten vermutet werden kann.

Für diese Kontextvariablen werden Ergebnisse im Längsschnitt- und Querschnittvergleich zwei-

er aufeinander folgender Jahre dargestellt. Während der Querschnittvergleich die Verände-

rung/Konstanz der Verteilung einer Variablen in der jeweiligen Grundgesamtheit aufzeigt (z.B.

�Wie viele Haushalte sind 1995 motorisiert und wie viele sind es in 1996?� ), lässt die Längs-

schnittbetrachtung Aussagen über die Ausprägung von Variablen im Vorher/Nachher Vergleich

für die untersuchte Population zu; es können z.B. Fragen wie �In wie vielen, zuvor unmotori-

sierten Haushalten wurde 1996 ein Pkw angeschafft?� beantwortet werden.

Die Längsschnittbetrachtung umfasst naturgemäß nur eine Teilmenge der Grundgesamtheit

des jeweiligen Jahres, und zwar nur diejenigen Haushalte bzw. Personen, die gleichermaßen

in beiden Jahren existierten.22 Haushalte bzw. Personen, die von einem zum anderen Jahr ent-

fallen (z.B. durch Tod oder Verlassen der Bundesrepublik aber auch durch Antwortverweige-

rung) oder neu hinzukommen (z.B. durch Auszug aus dem Elternhaus), sind zwar Teil des

jeweiligen Querschnitts, jedoch nicht einer Längsschnittbetrachtung. Der Übersicht 3-1 ist zu

entnehmen, dass knapp 7 % der Haushalte 199623 im Jahr zuvor nicht existierten, 1997 betrug

dieser Anteil gut 5 %.

22 Jeder Haushalt des SOEP ist u.a. mit einer Haushaltsnummer gekennzeichnet. Diese bleibt dem ursprünglichenHaushalt erhalten, solange er besteht, unabhängig von der Haushaltsgröße in den einzelnen Wellen, d.h., unab-hängig davon, ob einzelne Personen ausziehen oder dazukommen. Personen, die den Haushalt verlassen, erhalteneine neue Haushaltsnummer. Die Identifizierung der Längsschnittgrundgesamtheit wurde anhand dieserHaushaltsnummer vorgenommen.In der Realität gilt folgendes: Verlässt eine Person einen bestehenden Haushalt, so gibt es zwei Möglichkeiten fürihren Verbleib: Entweder die Person gründet selbst einen Haushalt oder sie zieht in einen bereits vorhandenenHaushalt ein. Im ersten Fall erhöht sich die Zahl der Haushalte, im zweiten Fall bleibt sie unverändert. In derSOEP-Stichprobe werden diese Entwicklungen dadurch abgebildet, dass Haushaltsabspaltungen grundsätzlichals neue Haushalte gerechnet werden, unabhängig davon, ob ein neuer Haushalt gebildet wurde oder nicht.Zuzüge in bestehende SOEP-Haushalte werden unter der bereits vorhandenen Haushaltsnummer integriert.In den Text- und Tabellendarstellungen dieses Berichts werden SOEP-Haushalte, die im Vorjahr noch nicht inder Stichprobe waren, als Haushaltsneugründungen oder neu hinzugekommene Haushalte bezeichnet. Sie setzensich aus tatsächlichen Neugründungen und Einzügen in vorhandene Haushalte zusammen.23 Deutschsprachige Privathaushalte in Westdeutschland.


Aus der Längsschnittbetrachtung abgeleitete Ergebnisse können somit immer nur die Ent-

wicklung in einem Teil der Grundgesamtheit erklären, denn Eigenschaften und Verhalten der

neugegründeten Haushalte sind nicht erfasst, haben aber Anteil an der Gesamtsituation.

Für die Ableitung der Übergangshäufigkeiten muss festgelegt werden, welches der beiden

aufeinander folgenden Jahre das Basisjahr für die Längsschnittbetrachtung sein soll; d.h., ob

nach vorne ins nächste Jahr oder zurück in das vergangene Jahr geschaut werden soll. Die

Bildung der Längsschnittgrundgesamtheit, d.h. das Herauslösen der in beiden Jahren glei-

chermaßen vorhandenen Haushalte führt in der hier durchgeführten Untersuchung zu gering-

fügigen Unterschieden in den Ergebnissen. Dies liegt daran, dass sich bei einigen Haushalten

eines oder mehrere der drei Merkmale, die für die Zuordnung �deutschsprachiger Privathaus-

halt in Westdeutschland� herangezogen wurden, von einem zum anderen Jahr änderte. Je

nachdem, welches Jahr dann als Basisjahr gewählt wird, ist dadurch ein Haushalt einbezogen

oder nicht. Da die Übergangshäufigkeiten z.T. aus retrospektiv gestellten Fragen abgeleitet

werden, wurde entschieden, als Basisjahr jeweils das zweite der beiden aufeinander folgenden

Jahre zu nehmen.

Die Längsschnittgrundgesamtheit für Personen setzt sich im Prinzip aus den Mitgliedern der

für den Längsschnitt ausgewählten Haushalte zusammen. Tatsächlich werden jedoch nur die

Personen berücksichtigt, die an beiden betrachteten Wellen teilgenommen haben.24

3.3.1 Haushaltsgröße

Veränderungen in der Personenzahl eines bestehenden Haushalts können verschiedene Ursa-

chen haben: Haushalte werden größer durch die Geburt eines Kindes oder den Zuzug einer

anderen Person, Haushalte werden kleiner durch Tod oder Auszug eines Haushaltsmitgliedes.

Eine Veränderung der Haushaltsgröße trifft häufig noch mit anderen Ereignissen zusammen

(z.B. Unterbrechung der Erwerbstätigkeit der Mutter nach der Geburt eines Kindes), so dass

sich in vielen Fällen das Aktivitätsspektrum und Verkehrsverhalten zumindest dieser Haus-

haltsmitglieder verändern dürfte.

24 Die Identität von Personen ist über eine unveränderliche Personennummer gegeben. Haushaltsmitglieder, die indas Befragungsalter hineingewachsen sind, werden mithilfe dieser Personennummer als identische Personenerkannt.


Im ersten Schritt wurde die Variable �Haushaltsgröße� des SOEP ausgewertet. Grundsätzlich

ist festzustellen, dass die Haushaltsgrößenstruktur des SOEP von der des Mikrozensus ab-

weicht (vgl. Übersicht 3-2 und Übersicht 3-3). Da der Mikrozensus auch Zweitwohnungs-

haushalte enthält, ist es plausibel, dass der Anteil kleiner Haushalte im SOEP geringer ist.

Wichtiger noch ist der methodische Einfluss: Die Interviewer des Mikrozensus wurden nach

der Anzahl der befragten Haushalte bezahlt. Sie haben damit einen Anreiz, in einer Wohnung

(dies ist die Erhebungseinheit des Mikrozensus) möglichst viele Haushalte zu identifizieren.

Übersicht 3-2:Privathaushalte 1995 bis 1997 nach Haushaltsgröße

- Ergebnisse des Mikrozensus �

0

2000

4000

6000

8000

10000

12000

14000

1 2 3 4 5 und mehr

Haushaltsgröße in Personen

Hau

shal

te in

100

0

199519961997

Quelle: Statistisches Bundesamt., Berechnungen des DIW.


Übersicht 3-3:Privathaushalte 1995 bis 1997 nach Haushaltsgröße

- Ergebnisse des SOEP -

0

2000

4000

6000

8000

10000

12000

14000

16000

1 2 3 4 5 und mehr

Haushaltsgröße in Personen

Hau

shal

te in

100

0

199519961997

Quellen: SOEP, Berechnungen des DIW.

95%

Vertrau-

ensbe-

reich

Die in Übersicht 3-3 ausgewiesenen Fehlerindikatoren für das 95 % Vertrauensintervall ma-

chen deutlich, dass die Schwankungen der Haushaltsgrößen des SOEP für die drei Jahre zu-

fallsbedingt sind und nicht überinterpretiert werden dürfen.

Im Längsschnitt zeigt sich, dass die Personenzahl in über 90 % der Haushalte (1995/96:

91,8%; 1996/97: 90,6 %) jeweils gleich geblieben ist.25 Diese Anteile sind als Obergrenze zu

interpretieren, denn in Einzelfällen kann eine unveränderte Haushaltsgröße auch der Saldo aus

dem Zugang und dem Weggang von Personen sein; dies wurde jedoch nicht weiter untersucht.

Die größte Konstanz in der Zahl der Haushaltsmitglieder weisen naturgemäß Einpersonen-

haushalte auf (1996/95: 95 %; 1997/96: 97,2 %), da Veränderungen im Längsschnitt hier ja

nur in einer Richtung nachvollziehbar sind. Von den Haushalten des Jahres 1996 haben sich

25 Einschließlich der nach oben offenen Haushaltsgrößenklasse �6 Personen und mehr�.


rund 4 % im Vergleich zum Vorjahr vergrößert und ein ebenso großer Anteil der Haushalte ist

kleiner geworden.26

Die Verteilung der Haushaltsgrößen insgesamt zeigt für die Haushalte 1996 im Vergleich zum

Vorjahr nur marginale Veränderungen. Die im Querschnittvergleich sichtbare deutliche Zu-

nahme der Einpersonenhaushalte ist folglich der Haushaltsgrößenstruktur der neu hinzuge-

kommenen Haushalte geschuldet. Ein etwas anderes Bild ergibt sich für die Haushalte 1997

im Vergleich zum Vorjahr. Die Veränderung der Haushaltsgrößenstruktur im Längsschnitt

folgt hier - in abgeschwächter Form - der Querschnittsentwicklung.

Übersicht 3-4:Privathaushalte1) nach Haushaltsgröße

- Querschnittergebnisse 1995, 1996 und 1997 -

Personen im Haushalt 19952) 1996 1997Haushalte in 1000

1 8 820 10 048 9 2432 8 406 8 981 9 8903 4 138 4 554 4 2904 3 330 3 652 4 0045 1 175 1 120 1 122

6 und mehr 392 393 401Gesamt 26 259 28 749 28 951

Haushalte in %1 33,6 35,0 31,92 32,0 31,2 34,23 15,8 15,8 14,84 12,7 12,7 13,85 4,5 3,9 3,9

6 und mehr 1,5 1,4 1,4Gesamt 100 100 100

1) Deutschsprachige Privathaushalte in Westdeutschland. Aufgrund einer anderen Abgren-zungsmethode ist das Jahr 1995 nur bedingt mit den Folgejahren vergleichbar.2) Aufgrund anderer Methode der Abgrenzung nur bedingt mit den Folgejahren vergleichbar.Quellen: SOEP, Berechnungen des DIW.

26 1997 wurden 5,6 % der Haushalte im Vergleich zum Vorjahr kleiner und 3,8 % größer.


Übersicht 3-5:Privathaushalte 1) nach Haushaltsgröße - Längsschnittergebnisse -

Übergänge 1995/1996Anzahl Personen Anzahl Personen im Jahr 1996

im Jahr 1995 1 2 3 4 5 6 u. mehr GesamtHaushalte in 1000

1 8542 370 18 11 5 0 89472 368 7846 417 6 4 0 86413 76 373 3613 178 0 0 42424 6 24 148 3164 47 0 33895 1 5 4 64 1034 23 1130

6 und mehr 0 0 3 12 17 370 404Gesamt 8994 8618 4203 3436 1107 393 26751

Haushalte in %1 31,9 1,4 0,1 0,0 0,0 0,0 33,42 1,4 29,3 1,6 0,0 0,0 0,0 32,33 0,3 1,4 13,5 0,7 0,0 0,0 15,94 0,0 0,1 0,6 11,8 0,2 0,0 12,75 0,0 0,0 0,0 0,2 3,9 0,1 4,2

6 und mehr 0,0 0,0 0,0 0,0 0,1 1,4 1,5Gesamt 33,6 32,2 15,7 12,8 4,1 1,5 100

Übergänge 1996/1997

Anzahl Personen Anzahl Personen im Jahr 1997

im Jahr 1996 1 2 3 4 5 6 u. mehr Gesamt

Haushalte in 10001 8 484 658 35 1 2 3 9 1832 228 8 025 292 14 3 0 8 5623 13 502 3 575 405 0 0 4 4954 6 7 172 3 384 96 0 3 6655 0 0 11 71 983 24 1 089

6 und mehr 0 0 7 11 13 374 404Gesamt 8 731 9 193 4 091 3 886 1 096 401 27 398

Haushalte in 10001 31,0 2,4 0,1 0,0 0,0 0,0 33,52 0,8 29,3 1,1 0,1 0,0 0,0 31,33 0,0 1,8 13,0 1,5 0,0 0,0 16,44 0,0 0,0 0,6 12,4 0,3 0,0 13,45 0,0 0,0 0,0 0,3 3,6 0,1 4,0

6 und mehr 0,0 0,0 0,0 0,0 0,0 1,4 1,5Gesamt 31,9 33,6 14,9 14,2 4,0 1,5 100

1) Deutschsprachige Privathaushalte in Westdeutschland, jeweils ohne Haushaltsneugründungen von einem Jahr zum ande-ren.Quellen: SOEP, Berechnungen des DIW.


3.3.2 Wohnungswechsel

Eine wichtige Kontextvariable zur Erkärung von Veränderungen des Verkehrsverhaltens ist

der Umzug von Haushalten. Je größer die Unterschiede zwischen altem und neuem Wohn-

standort (z.B. bezüglich der Entfernungen zum Arbeitsplatz) sind, umso mehr dürfte sich auch

das Verkehrsverhalten (z.B. die Wahl des Verkehrsmittels) der Haushaltmitglieder verändern.

Im Mobilitätspanel wird die Variable Umzug des Haushalts nicht explizit erhoben.

Im SOEP wurde u.a. in den Wellen 1996 und 1997 der Tatbestand Wohnungswechsel erho-

ben. Im Haushaltsfragebogen wurde dazu retrospektiv jeweils folgende Frage gestellt:

„Haben Sie bei unserer letzten Befragung, also vor ungefähr einem Jahr, schon in dieser

Wohnung gelebt?“

Ja ❐Nein ❐

Haushalte, die die Frage verneinten, sollten darüber hinaus angeben, seit wann sie in der jetzi-

gen Wohnung leben (gefragt wurde nach Monat und Jahr) und welches die Gründe für den

Wohnungswechsel waren.27 Für die Feststellung der Häufigkeit von Wohnungswechseln wur-

de die o.a. Frage (ohne Berücksichtigung der konkreten Zeitangabe) herangezogen. Es wurde

davon ausgegangen, dass sich die Differenzen zwischen dem jeweils aktuellen Befragungs-

monat und dem der vorherigen Welle zwischen den befragten Haushalten in etwa ausgleichen.

Im Jahr 1996 bewohnten demnach 10 % der Haushalte eine andere Wohnung als im Jahr zu-

vor, 1997 betrug dieser Anteil 12 % (vgl. Übersicht 3-6).

Zu berücksichtigen ist, dass in diesen Werten auch Wohnungswechsel innerhalb desselben

Gebäudes und damit ohne Veränderung des Wohnstandortes enthalten sein dürften. Betrachtet

man die Wohnungswechsel im Längsschnitt, d.h., die Wohnungswechsel bestehender Haus-

halte, so reduziert sich die Zahl der umgezogenen Haushalte 1996 um ein Drittel und ihr An-

teil geht auf gut 7 % zurück. Ähnliche Tendenzen zeigen sich in der Längsschnittbetrachtung

1997 im Vergleich zum Vorjahr.

27 Die Gründe für den Wohnungswechsel wurden 1997 anhand einer Liste von 14 Kategorien und einer offenenAntwortmöglichkeit erhoben; erwünscht war die Angabe von maximal drei Gründen. 1996 wurde dagegen derHauptgrund des Wohnungswechsels anhand acht vorgegebener Kategorien (zuzügl. einer offenen Frage) erho-ben.


Übersicht 3-6:Wohnungswechsel von Privathaushalten

- Quer- und Längsschnittergebnisse 1996 und 1997 -

Vor ungefähr einem Jahr Haushalte1) Haushalte1) 2)

schon in dieser Wohnung gelebt? - Querschnitt - - Längsschnitt -

1996 1997 1996 1997in 1000 in 1000

Ja 25 756 25 474 24 801 24 953 Nein 2 993 3 477 1 950 2 444

Gesamt 28 749 28 951 26 751 27 398in % in %

Ja 89,6 88,0 92,7 91,1 Nein 10,4 12,0 7,3 8,9

Gesamt 100,0 100,0 100,0 100,01) Deutschsprachige Privathaushalte in Westdeutschland. - 2) Ohne Haushaltsneugründungen von einem Jahr zumanderen.Quellen: SOEP, Berechnungen des DIW.

Übersicht 3-7:Hauptsächlicher Grund für den Wohnungswechsel

Haushalte 1996 mit Woh-nungswechsel1)2)

Haushalts-neugründungen 19961)3)

Grund für den Wohnungswechsel in 1000 in % in 1000 in %

Kündigung durch den Vermieter 75 3,8 30 2,9Vorherige Mietwohnung wurde inEigentumswohnung umgewandelt

3 0,1 0 0

Erwerb eines Eigenheims/einer Ei-gentumswohnung

338 17,3 31 3,0

Berufliche Gründe 233 11,9 82 7,9Familiäre Gründe (z.B. Heirat, Erb-schaft, Trennung/Scheidung, Fort-zug aus dem Elternhaus)

342 17,6 579 55,6

Größe der Wohnung 422 21,6 230 22,1Andere Gründe im Zusammenhangmit der Wohnung (z.B. günstigereMiete, bessere Lage, Ausstattung)

413 21,2 39 3,7

Sonstiger Grund 116 6,0 3 0,3Keine Angabe 9 0,5 47 4,5

Insgesamt 1950 100 1042 1001) Deutschsprachige Privathaushalte in Westdeutschland.2) Ohne Haushaltsneugründungen.3) Neu hinzugekommene Haushalte.

Quellen: SOEP, Berechnungen des DIW.


Da der Tatbestand Umzug/Wohnungswechsel häufig zusammentrifft mit der Neugründung

eines Haushalts, ist es sehr plausibel, dass der Anteil umgezogener Haushalte in der Längs-

schnittbetrachtung jeweils deutlich geringer ausfällt. Die angegebenen Gründe für einen Woh-

nungswechsel, differenziert nach bestehenden und neu hinzugekommenen Haushalten, bestä-

tigen dies:

3.3.3 Pkw-Verfügbarkeit von Haushalten

Die aktuellsten Informationen zur Pkw-Verfügbarkeit zweier aufeinander folgender Jahre sind

den Wellen 1995 und 1996 des SOEP zu entnehmen. Sie beruhen auf folgender Frage im

Haushaltsbogen:28

„Gehören zu Ihrem Haushalt folgende Dinge? Pkw ❐ und zwar...........Anzahl Pkw Motorrad ❐ Telefon ❐ Fernsehgerät ❐ Waschmaschine ❐ PC (Personalcomputer). ❐ Im Jahr 1995 haben bei dieser Frage 74 % der Haushalte angegeben, über mindestens einen

Pkw zu verfügen; im Jahr darauf betrug dieser Anteil 75 % (vgl. Übersicht 3-8). Die weiter

gehende Frage nach der Zahl der Pkw im Haushalt wurde in beiden Jahren leider von vielen

Haushalten nicht beantwortet. Für diese Haushalte ist dann lediglich bekannt, dass sie motori-

siert sind, aber nicht, wie viele Pkw im Haushalt vorhanden waren.29 Bis zur Haushaltsgröße

mit 4 Personen nimmt die Motorisierung zu. Der vergleichsweise geringen Motorisierung von

Einpersonenhaushalten ist im Rahmen der bisherigen Arbeiten noch nicht weiter nachgegan-

gen worden.

28 Die Frage wurde in beiden Jahren identisch gestellt; 1995 enthielt der Vorgabenkatalog zusätzlich noch eineweitere Kategorie aus dem Haushaltsgerätebereich.29 Die hier und im Folgenden ausgewiesenen Anteile motorisierter Haushalte sind durchweg höher als die imvorläufigen Schlussbericht des Haushaltspanels (vgl. IfV (1998)) für das SOEP dargestellten Werte. Die Motor-isierung wurde dort aus der Angabe der Pkw-Anzahl abgeleitet, wobei die Haushalte, die hierzu keine Angabemachten, als nichtmotorisiert gerechnet wurden. Es wurde formuliert, dass der Anteil unmotorisierter Haushalteaufgrund vieler KA-Fälle systematisch überschätzt ist. Freilich müssen diese KA-Fälle jedoch als motorisiertgerechnet werden, da es sich um Haushalte handelt, die zwar die Angabe der Anzahl verfügbarer Pkw unter-ließen, aber zuvor angaben, dass es einen Pkw im Haushalt gibt.


Übersicht 3-8:Motorisierung von Privathaushalten1) und Anzahl der vorhandenen Pkw

- Querschnittergebnisse 1995 und 1996 -

Privathaushalte1)

1995 1996 in 1000 in % in 1000 in %

Pkw im HH Ja 19 550 74,4 21 476 74,7 Nein 6 710 25,6 7 273 25,3

Gesamt 26 259 100 28 749 100

Anzahl Pkw im HH 0 6 710 25,6 7 296 25,41 11 822 45,0 13 260 46,12 4 873 18,6 5 399 18,83 470 1,8 501 1,7

4 und mehr 77 0,3 85 0,3unbekannt 2 307 8,8 2 207 7,7

Gesamt 26 259 74 28 749 751) Deutschsprachige Privathaushalte in Westdeutschland. Aufgrund anderer Methode der Abgrenzung sind die Abso-lutwerte des Jahres 1995 nicht vollständig mit dem Folgejahr vergleichbar.Quellen: SOEP, Berechnungen des DIW.

Übersicht 3-9:Privathaushalte1) nach Haushaltsgröße und Motorisierung

- Querschnittergebnisse 1995 und 1996 -

Haushalte 1995 Haushalte 1996Personen im HH insgesamt dar. mit Pkw insgesamt dar. mit Pkw

in 1000 in 1000 in % in 1000 in 1000 in %

1 8 820 4 085 46,3 10 048 4 921 49,02 8 406 6 980 83,0 8 981 7 374 82,13 4 138 3 836 92,7 4 554 4 257 93,54 3 330 3 206 96,3 3 652 3 536 96,85 1 175 1 064 90,6 1 120 1 009 90,0

6 und mehr 392 379 96,5 393 380 96,6Gesamt 26 259 19 550 74,4 28 749 21 476 74,7

1) Deutschsprachige Privathaushalte in Westdeutschland. Aufgrund anderer Methode der Abgrenzung sind die Absolutwerte desJahres 1995 nicht vollständig mit dem Folgejahr vergleichbar.Quellen: SOEP, Berechnungen des DIW.


Betrachtet man die Motorisierungsentwicklung im Längsschnitt so zeigt sich eine große Kon-

stanz im Motorisierungsstatus der Haushalte 1996 (Pkw im Haushalt vorhanden oder nicht)

im Vergleich zum Vorjahr (vgl. Übersicht 3-10).

Übersicht 3-10:Privathaushalte1) nach Haushaltsgröße und Motorisierung

- Längsschnittergebnisse 1995 und 1996 -

Haushalte 1996

Haushalte 1995 ohne Pkw mit Pkw Gesamt ohne Pkw mit Pkw Gesamt

in 1000 in %

1-Personenhaushalteohne Pkw 4 521 312 4 834 50,3 3,5 53,7

mit Pkw 332 3 828 4 160 3,7 42,6 46,3Gesamt 4 853 4 141 8 994 54,0 46,0 100

2-Personenhaushalteohne Pkw 1 318 147 1 465 15,3 1,7 17,0

mit Pkw 261 6 892 7 153 3,0 80,0 83,0Gesamt 1 578 7 039 8 618 18,3 81,7 100

3-Personenhaushalteohne Pkw 236 102 337 5,6 2,4 8,0

mit Pkw 54 3 812 3 866 1,3 90,7 92,0Gesamt 290 3 913 4 203 6,9 93,1 100

4-Personenhaushalteohne Pkw 93 40 132 2,7 1,2 3,9

mit Pkw 23 3 281 3 304 0,7 95,5 96,1Gesamt 116 3 320 3 436 3,4 96,6 100

Haushalte mit 5 Personen und mehrohne Pkw 112 17 128 7,5 1,1 8,6

mit Pkw 13 1 359 1 372 0,9 90,6 91,4Gesamt 125 1 375 1 500 8,3 91,7 100

Haushalte insgesamtohne Pkw 6 279 617 6 897 23,5 2,3 25,8

mit Pkw 683 19 172 19 855 2,6 71,7 74,2Gesamt 6 962 19 789 26 751 26,0 74,0 100

1) Deutschsprachige Privathaushalte in Westdeutschland ohne Haushaltsneugründungen.Quellen: SOEP, Berechnungen des DIW.

72 % der Haushalte haben nach wie vor mindestens einen Pkw, 24 % sind nach wie vor un-

motorisiert. Bezogen auf die Haushalte, die ihren Motorisierungsstatus änderten, war der An-

teil der Haushalte, die ihren (bzw. ihre) Pkw abschafften etwas höher als der Anteil derjenigen


Haushalte, die sich neu motorisierten (2,6 % versus 2,3 %). Im Längsschnitt ergibt sich somit

ein minimaler Rückgang des Anteils motorisierter Haushalte. Der in der Querschnittentwick-

lung festgestellte gegenläufige Trend kommt durch den hohen Motorisierungsgrad (von 84 %)

neu hinzugekommener Haushalte zustande.

Die im Längsschnitt festgestellte vergleichsweise große Konstanz der Haushaltsmotorisierung

von einem Jahr zum anderen zeigt sich für Haushalte aller Größenklassen. Die insgesamt

leicht rückläufige Motorisierung liegt an dem Verhalten der kleinen Haushalte, insbesondere

den Zweipersonenhaushalten. Der Anteil derer, die 1996 im Vergleich zum Vorjahr nicht

mehr motorisiert sind, ist hier deutlich größer als der Anteil der neu motorisierten Haushalte.

Veränderungen der Pkw-Anzahl in motorisierten Haushalten 1996 im Vergleich zum Vorjahr

können aufgrund der häufigen Antwortausfälle nur eingeschränkt untersucht werden

(vgl. Übersicht 3-11).

Übersicht 3-11:Anzahl der Pkw in Privathaushalten1)


Anzahl Pkw 1996Anzahl Pkw 1995 0 1 2 3 4 und mehr unbekannt Gesamt

Haushalte in 10000 6 279 472 34 0 4 107 6 8971 519 9 611 678 36 11 1 092 11 9482 14 786 3 892 135 0 182 5 0093 3 29 121 289 23 11 475

4 und mehr 0 17 3 8 46 3 78unbekannt 147 1 332 293 27 0 547 2 346

Gesamt 6 962 12 248 5 021 494 85 1 941 26 751Haushalte in %

0 23,5 1,8 0,1 0,0 0,0 0,4 25,81 2,0 35,9 2,5 0,1 0,0 4,0 44,72 0,1 2,9 14,5 0,5 0,0 0,7 18,73 0,0 0,1 0,5 1,1 0,1 0,0 1,8

4 und mehr 0,0 0,1 0,0 0,0 0,2 0,0 0,3unbekannt 0,6 5,0 1,1 0,1 0,0 2,0 8,8

Gesamt 26,1 45,8 18,8 1,8 0,3 7,2 1001) Deutschsprachige Privathaushalte in Westdeutschland ohne Haushaltsneugründungen.Quellen: SOEP, Berechnungen des DIW.


Gut drei Viertel der im Jahr 1996 einfach motorisierten Haushalte hatten auch im Vorjahr nur

einen Pkw, Gleiches gilt für die Haushalte mit zweifacher Ausstattung.30 Diese Konstanz der

Motorisierung ist bei den Haushalten mit drei oder gar vier Pkw naturgemäß geringer.

3.3.4 Personen nach sozio-demografischen Bevölkerungsgruppen

Eine wichtige Kontextvariable, die Einfluss auf das Verkehrsverhalten hat, ist der Erwerbs-

und/oder Ausbildungsstatus einer Person. Im Hinblick auf die Abgrenzungen des Mobili-

tätspanels wurde zunächst die Grundgesamtheit �Personen im Alter ab 10 Jahren� aus den

Befragten und den für Kinder vorliegenden Angaben des SOEP gebildet. Die Personen wur-

den dann in sieben soziodemografische Gruppen eingeteilt (vgl. Übersicht 3-12), die weitge-

hend mit der im Mobilitätspanel vorgenommenen Differenzierung vergleichbar sind.31

Übersicht 3-12:Personen im Alter ab 10 Jahren in deutschsprachigen Privathaushalten Westdeutschlands

nach sozio-demografischen Gruppen- Querschnittergebnisse 1996 und 1997 -

Bevölkerungsgruppe 1996 1997

Personen Personen

in 1000 in % in 1000 in %

Erwerbstätige (vollzeit) 19 309 36,9 19 248 36,7

Erwerbstätige (teilzeit) 4 121 7,9 4 363 8,3

Arbeitslose 2 373 4,5 2 350 4,5

Schüler/Studenten 6 430 12,3 6 914 13,2

Personen in Berufsausbildung1) 975 1,9 1 038 2,0

Nichtwerwerbstätige (- unter 65 Jahre) 8 495 16,2 8 308 15,8

Personen im Alter ab 65 Jahre 10 590 20,3 10 241 19,5

Gesamt 52 294 100 52 462 1001) Auszubildende sowie Personen in Fortbildung oder Umschulung.Quellen: SOEP, Berechnungen des DIW.

30 Diese Werte sind Untergrenzen, da die Haushalte mit unbekannter Pkw-Anzahl nicht berücksichtigt sind.31 Da die Kategorie Hausfrau/mann aus den Daten des SOEP allenfalls als Restgröße bestimmbar ist, wurde aufeine Differenzierung der nichtwerbstätigen und nicht in Ausbildung befindlichen Personen in die KategorienHausfrauen und Rentner verzichtet. Stattdessen wurden diese Nichterwerbstätigen nach dem Alter(bis unter 65J./ab 65J.) unterschieden. Die Personen des Mobilitätspanels konnten dieser Einteilung problemlosangepasst werden.


Während sich im Mobilitätspanel der Ausbildungs- und Erwerbsstatus der Personen unmittel-

bar aus den Antwortvorgaben einer einzigen Frage bestimmen lässt, müssen im SOEP dafür

mehrere Fragen herangezogen werden. Da jede Person nur einer der genannten Gruppen zuge-

ordnet werden darf, sind Prioritäten für Überschneidungsfälle festzulegen (z.B. Person ist ar-

beitslos gemeldet und ist teilzeit erwerbstätig), die dann in allen Jahren gleichermaßen anzu-

wenden sind.

Während die Querschnittbetrachtung nur auf die Veränderungen in der Zusammensetzung der

Bevölkerung nach sozio-demografischen Gruppen hinweist, macht die Längsschnittbetrach-

tung auch die Wechselbeziehungen zwischen diesen Gruppen deutlich. Für 87 % der Bevölke-

rung des Jahres 1997 hat es demnach keine Änderung im Erwerbs- bzw. Ausbildungsstatus im

Vergleich zum Vorjahr gegeben.32

Die geringste Konstanz findet sich dabei plausiblerweise in denjenigen Kategorien, die sich

auf solche Phasen der Erwerbs- und Ausbildungssituation beziehen, in denen man sich nor-

malerweise nur vorübergehend oder für kürzere Zeiträume befindet. So wiesen 1997 nur 48 %

der Arbeitslosen und 59 % der in beruflicher Ausbildung befindlichen Personen einen mit

dem Vorjahr identischen Status auf. Die vergleichsweise geringen Wechselbeziehungen in der

Gruppe der Schüler/Studenten erklären sich aus der inhaltlichen Breite dieser Kategorie und

der Tatsache, dass es bei den jüngeren Personen zu diesem Status keine Alternative gibt.

Abgesehen von den Übergangshäufigkeiten zeigt die Längsschnittbetrachtung auch die Hete-

rogenität dieser sozio-demografischen Gruppen, die bei inhaltlichen Interpretationen von

Sachverhaltsänderungen von einem zum anderen Jahr berücksichtigt werden muss. So dürfte

z.B. die Motorisierungsentwicklung der Arbeitslosen stark von denjenigen Personen geprägt

sein, die in diesen Status gewechselt sind.

32 Dieses Ergebnis stimmt gut mit den von IfV (1998) ausgewiesenen Werten für die Übergänge 1995/96 überein.Abweichungen in der Aufteilung nach Gruppen dürften in erster Linie durch unterschiedliche Vorgehensweisenbei der Abgrenzung nach Gruppen zu erklären sein.

Mobilitätspanel � D

ynamik des V

erkehrsverhaltens im Jahresvergleich

69

Übersicht 3-13:Personen im Alter ab 10 Jahren in deutschsprachigen Privathaushalten Westdeutschlands nachsozio-demografischen Gruppen


Bevölkerungsgruppen 1997Bevölkerungsgruppen 1996 Erwerbstätige

(vollzeit)Erwerbstätige(teilzeit)

Arbeitslose Schüler/Studenten

Personen inBerufsausb.1)

Nichtwer-werbst.(-u. 65 Jahre)

Personen imAlterab 65 Jahren

Gesamt

Personen in 1000Erwerbstätige (vollzeit) 16534 209 638 218 24 568 37 18229Erwerbstätige (teilzeit) 311 3014 154 12 17 490 3998Arbeitslose 539 142 1029 59 57 436 2263Schüler/Studenten 308 9 52 6202 191 74 6836Personen in Berufsausbildung 1) 154 6 80 30 532 2 804Nichtwerwerbstätige (-u65 Jahre) 250 533 188 60 84 6496 459 8071Personen im Alter ab 65 Jahren 9402 9402Gesamt 18095 3914 2142 6580 906 8067 9898 49603

Personen in %Erwerbstätige (vollzeit) 33.3 0.4 1.3 0.4 0.0 1.1 0.1 36.7Erwerbstätige (teilzeit) 0.6 6.1 0.3 0.0 0.0 1.0 0.0 8.1Arbeitslose 1.1 0.3 2.1 0.1 0.1 0.9 0.0 4.6Schüler/Studenten 0.6 0.0 0.1 12.5 0.4 0.2 0.0 13.8Personen in Berufsausbildung 1) 0.3 0.0 0.2 0.1 1.1 0.0 0.0 1.6Nichtwerwerbstätige (-u65 Jahre) 0.5 1.1 0.4 0.1 0.2 13.1 0.9 16.3Personen im Alter ab 65 Jahren 0.0 0.0 0.0 0.0 0.0 0.0 19.0 19.0Gesamt 36.5 7.9 4.3 13.3 1.8 16.3 20.0 1001) Auszubildende sowie Personen in Fortbildung oder Umschulung. Quellen: SOEP, Berechnungen des DIW.


3.4 Schlussfolgerung

In diesem Abschnitt wurden Kontextvariablen analysiert, für die ein enger Zusammenhang

zum Verkehrsverhalten von Personen und Haushalten vermutet werden kann. Im Längsschnitt

zeigt sich, dass jeweils bei etwa einem Zehntel der Haushalte im Jahresabstand eine verän-

derte Anzahl von Personen oder von Pkw zu verzeichnen ist oder die Wohnung gewechselt

wurde. Für gut ein Zehntel der Personen ändert sich im Jahresabstand die Einstufung in eine

sozio-demografische Gruppe. Anhand dieser Ergebnisse wird die Häufigkeit der Veränderung

von Kontextvariablen im Mobilitätspanel überprüft. Zugleich zeigen die Befunde, dass die

Kontextvariablen damit zwar eine nennenswerte Dynamik aufweisen, in Verbindung mit den

Fallzahlen des Mobilitätspanels aber dennoch geringe Häufigkeiten für die Längsschnittanaly-

se zu erwarten sind.


4 Deskriptive Analyse des Mobilitätspanels

Im Folgenden werden zunächst die in die statistischen Analysen einbezogenen Merkmale, die

als mögliche Erklärungsgrößen des Verkehrsverhaltens und der Dynamik des Verhaltens die-

nen, kurz charakterisiert. Dabei wird unterschieden nach haushalts- und personenbezogenen

Merkmalen, die die Lebenssituation allgemein und damit auch das Verkehrsverhalten be-

stimmen können, sowie nach Merkmalen der zur Verfügung stehenden Verkehrsinfrastruktur.

Des Weiteren werden situative Kenngrößen einbezogen, wie z.B. das Wetter oder Krankheit

der Befragten, die die Ergebnisse der jährlichen Wiederholungsbefragungen beeinflussen

können. Stets wird hierbei mit den ungewichteten Fallzahlen gearbeitet.

4.1 Haushaltsmerkmale

4.1.1 Motorisierung der Haushalte

Ein Vorteil von Paneluntersuchungen wie dem Mobilitätspanel liegt darin, dass nicht nur die

Salden von Veränderungen sondern auch die Übergänge im Einzelnen beobachtet werden

können. So ist bei der Motorisierung der Haushalte zum Beispiel die Zahl der Haushalte ohne

Auto von 1994 bis 1998 im Anteil und absolut um jährlich 3 bis 8 % zurückgegangen.33 Auch

bei den ungewichteten Zahlen der Wiederholerhaushalte zeigt sich dieses Bild (Übersicht 4-1,

oberer Teil). Im Folgejahr sind 7 Haushalte (5 %) weniger ohne Pkw als im Vorjahr. Tatsäch-

lich haben sich sogar 9 % der Haushalte (13 Haushalte oberhalb der Diagonalen, Zunahme

hell schraffiert) neu motorisiert, 6 Haushalte (unterhalb der Diagonalen, Abnahme dunkel

schraffiert) haben ihr Auto dagegen abgeschafft, so dass sich die genannten 5 % als Saldo

ergeben. In dieser Betrachtung sind alle Wiederholerhaushalte zusammen betrachtet. Verfolgt

man eine einzelne Kohorte, ergeben sich schnell kleine Fallzahlen. Selbst bei der Kohorte

1996 mit 563 Haushalten insgesamt und 423 Wiederholerhaushalten (gegenüber 170 in der

Kohorte 1997) treten Zufallsschwankungen auf, wie die Übersicht zeigt. So sinkt die Zahl der

Haushalte ohne Pkw von 1996 zu 1997 um 16 %, sie steigt in 1998 dann wieder auf den An-

teilswert von 1996.

33 IfV (1998), S. 61.


Übersicht 4-1:Änderung der Haushaltsmotorisierung (Übergänge)

Haushalte nach Pkw-BesitzBasis: Alle Wiederholerhaushalte.von Haush. mit .. Pkw in Haushalt mit ..... Pkw gesamt gesamt Änderg.

im Vorjahr 0 1 2 3 4 Vorjahr Jahr %0 129 12 1 0 0 142 135 -51 6 757 46 0 0 809 809 02 0 39 282 12 0 333 339 23 0 1 9 31 1 42 46 104 0 0 1 3 1 5 2 -60

Gesamt Jahr 135 809 339 46 2 1331 1331Übergang von 1996 nach 1997

Basis: Wiederholerhaushalte der Kohorte 1996 Änderg.von Haush. mit .. Pkw in Haushalt mit ... Pkw in 1997 97/96

in 1996 0 1 2 3 4 1996 1997 %0 37 7 1 0 0 45 38 -161 1 241 11 0 0 253 258 22 0 10 90 7 0 107 105 -23 0 0 3 12 0 15 21 404 0 0 0 2 1 3 1 -67

Gesamt 1997 38 258 105 21 1 423 423Übergang von 1997 nach 1998

Basis: Wiederholerhaushalte der Kohorte 1996 Änderg.von Haush. mit .. Pkw in Haushalt mit ... Pkw in 1998 98/97

in 1997 0 1 2 3 4 1997 1998 %0 26 1 0 0 0 27 30 111 4 181 9 0 0 194 190 -22 0 7 70 3 0 80 81 13 0 0 2 11 0 15 14 -74 0 0 0 0 1 0 1

Gesamt 1998 30 190 81 14 1 316 316Übergang von 1995 nach 1996

Basis: Alle Wiederholerhaushalte Änderg.von Haush. mit ... Pkw in Haushalt mit ... Pkw in 1996 96/95

in 1995 0 1 2 3 4 1995 1996 %0 27 3 0 0 0 30 28 -71 1 109 6 0 0 116 119 32 0 7 27 1 0 35 35 03 0 0 2 0 0 2 1 -504 0 0 0 0 0 0 0

Gesamt 1996 28 119 35 1 0 183 183



Der Vergleich dieser Übergänge mit den Zahlen aus dem SOEP ist nur bedingt möglich, da

• im Mobilitätspanel nichtmotorisierte Haushalte untererfasst sind und damit auch zu wenig

Übergänge in/aus dieser Gruppe stattfinden;

• im SOEP viele Haushalte nur den Besitz, nicht aber die Zahl der Pkw angegeben haben

und nur für den Übergang 1995 - 1996 Daten vorliegen.

Im untersten Zahlenblock der Übersicht sind die entsprechenden Fallzahlen aus dem Mobili-

tätspanel ausgewiesen. Sowohl nach dem Mobilitätspanel wie nach dem SOEP sind es etwa

10 % der Haushalte die mehr oder weniger Pkw als im Jahr zuvor besitzen. Die im SOEP aus-

gewiesene leichte Zunahme der nichtmotorisierten Haushalte in der Längsschnittbetrachtung

Übersicht 3-11 (S.66) findet sich im Mobilitätspanel so nicht wieder.

4.1.2 Haushaltsgröße

Bei der Betrachtung der Übergänge in der Haushaltsgröße (Übersicht 4-2) sind zwei Effekte

zu beachten. Zum einen sind im Mobilitätspanel zu wenig kleine Haushalte enthalten. Damit

gibt es in dieser Gruppe natürlich auch zu wenig Übergänge.

Zum anderen ist die designbedingte Besonderheit der Panel-Längsschnittbetrachtung zu be-

rücksichtigen. Während Zugänge durch Geburt, Heirat und sonstige Zuzüge in der Über-

gangsmatrix als Haushaltsvergrößerungen (oberhalb der Diagonalen) i.a. im Längsschnitt

vollständig erfasst werden, sind Haushaltsverkleinerungen (unterhalb der Diagonalen) im Mo-

bilitätspanel nur dann vollständig enthalten, wenn keine Teilung des Haushalts erfolgt ist. Bei

Scheidung z.B. wird nur der verbleibende Teil weiter befragt. Eine Haushaltsneugründung,

etwa durch Auszug eines Kindes, wird nicht als Zugang eines Kleinhaushalts erfasst. Mit zu-

nehmender Verweildauer im Panel entfernt sich die Verteilung der Haushalte damit von der in

der Grundgesamtheit der westdeutschen Bevölkerung.


Übersicht 4-2:Übergänge in der Haushaltsgröße - Vergleich mit dem SOEP

Haushalte nach der PersonenzahlBasis: Alle Wiederholerhaushaltevon Hsh. mit ... Pers. in Haushalt mit ... Personen gesamt gesamt Änderg.

im Vorjahr 1 2 3 4 5 + Vorjahr Jahr %1 286 11 1 0 0 298 303 22 16 480 16 5 1 518 519 03 1 23 154 17 1 196 188 -44 0 5 16 212 4 237 243 3

5 und mehr 0 0 1 9 72 82 78Gesamt Jahr 303 519 188 243 78 1331 1331

Übergang von 1996 nach 1997Basis: Alle Wiederholerhaushalte Änderg.von Hsh. mit ... Pers. in Haushalt mit ... Personen in 1996 96/95

in 1995 1 2 3 4 5 + 1995 1996 %1 124 5 1 0 0 130 134 32 10 183 6 2 1 202 193 -43 0 3 59 5 1 68 72 64 0 2 6 85 2 95 92 -3

5 und mehr 0 0 0 0 27 27 31Gesamt 1996 134 193 72 92 31 522 522

Übergang von 1996 nach 1997 Struktur in %Basis: Alle Wiederholerhaushaltevon Hsh. mit ... Pers. in Haushalt mit ... Personen in 1997

in 1996 1 2 3 4 5 + 1996 19971 23,8 1,0 0,2 0,0 0,0 24,9 25,72 1,9 35,1 1,1 0,4 0,2 38,7 37,03 0,0 0,6 11,3 1,0 0,2 13,0 13,84 0,0 0,4 1,1 16,3 0,4 18,2 17,6

5 und mehr 0,0 0,0 0,0 0,0 5,2 5,2 5,9Gesamt 1997 25,7 37,0 13,8 17,6 5,9 100,0 100,0

Übergang von 1996 nach 1997 Struktur SOEP in %Basis: Längsschnittbetrachtung

in Hsh. mit ... Pers. von Haushalt mit ... Personen in 1997in 1996 1 2 3 4 5 + 1996 1997

1 31,0 2,4 0,1 0,0 0,0 33,5 31,92 0,8 29,3 1,1 0,1 0,0 31,3 33,63 0,0 1,8 13,0 1,5 0,0 16,4 14,94 0,0 0,0 0,6 12,4 0,3 13,4 14,2

5 und mehr 0,0 0,0 0,0 0,3 5,1 5,5 5,5Gesamt 1997 31,9 33,6 14,9 14,2 5,5 100,0 100,0

Quellen: SOEP, Mobilitätspanel; Berechnungen des DIW.

Im Vergleich mit dem SOEP weist das Mobilitätspanel keine signifikanten Unterschiede be-

züglich Haushaltsverkleinerungen aus (etwa 4 % aller Haushalte). Auch bei der Zunahme der

Zahl der Haushaltsmitglieder ergeben sich ähnliche Werte (etwa 5 % der Haushalte).


4.1.3 Umzüge

Deutlich zu niedrig im Vergleich zum SOEP ist im Mobilitätspanel die Zahl der Umzüge von

Haushalten. Sie wird im Mobilitätspanel leider nicht direkt erfasst. Über die Änderung der

Postleitzahl lassen sich 1996, 1997 und 1998 nur 2, bzw. 11, bzw. 3 Haushalte identifizieren,

die umgezogen sind. Von Infratest ist eine vorläufige Liste mit zusätzlichen Haushalten zur

Verfügung gestellt worden; dennoch bleiben die Umzugsquoten mit 1 bis 3 % weit unter de-

nen des SOEP. Dies weist Anteile von 7 bis 9 % bei vergleichbarer Abgrenzung (Längsschnitt

ohne Haushaltsteilungen) und von über 10 % in der Querschnittsbetrachtung aus.

Die geringen Umzugsquoten im Mobilitätspanel dürften sich i.W. durch Rekrutierung der

Haushalte aus einem Adresspool beim Erhebungsinstitut erklären. Mit den geringen Fallzah-

len zu Umzügen im Mobilitätspanel konnten keine damit im Zusammenhang auftretenden

Änderungen des Verkehrsverhaltens explizit analysiert werden.

4.2 Personengebundene Determinanten des Verkehrsverhaltens

4.2.1 Alter und Geschlecht

Zu den unveränderlichen Merkmalen der Person gehören das Geburtsjahr und in aller Regel

auch das Geschlecht der Person. Tatsächlich sind im gepoolten Datenbestand jedoch 88 Per-

sonen (knapp 3 % der wiederholt Teilnehmenden) mit unterschiedlichen Geburtsjahren bzw.

unterschiedlicher Angabe zum Geschlecht codiert. Ursachen hierfür können zum einen direkte

Codierungsfehler sein, möglicherweise auch tatsächlich unterschiedliche Angaben der Be-

fragten. Zum anderen ist im Zwei- und Dreijahresvergleich die Vertauschung der Reihung der

Personen eines Haushalts bei der Codierung erkennbar. Im Fragebogen wird die Reihenfolge

der Personen nur über das Alter vorgegeben. Soweit möglich, wurden derartige Codier- und

Angabefehler im DIW-Datensatz korrigiert.

Während sich die wöchentliche Wegehäufigkeit mit knapp 25 Wegen (rd. 3,5 Wege am Tag)

zwischen Männern und Frauen nicht signifikant unterscheidet, ist die Verkehrsleistung bei

Frauen mit 210 km / Woche rd. ein Viertel niedriger als die der Männer (280 km). Im Jahres-

vergleich sind beide Verkehrskennziffern sowohl bei Frauen als auch bei Männern konstant.

Die Differenzierung nach Altersgruppen zeigt für die wiederholt teilnehmenden Personen bei

der Wegehäufigkeit keine Entwicklung im Jahresvergleich. Die zurückgelegten Kilometer-


zahlen steigen dagegen bei den Altersgruppen bis zum 35. Lebensjahr, während sie bei den

Älteren rückläufig sind.

Übersicht 4-3:Anzahl der Wege in der Woche nach Altersklassen

Altersklasse Fallzahl erstes zweitesBefragungsjahr

letztes

Personenkilometer10-17 208 25,5 25,3 25,618-25 142 29,7 28,4 28,326-35 389 27,7 26,7 26,536-60 175 24,0 23,5 23,661-70 158 21,6 21,1 20,6>70 63 18,7 18,7 18,7

Summe 1.082 25,6 24,9 24,6

Quellen: Mobilitätspanel 1994 bis 1999 (Dreifachteilnehmer), Berechnungen des DIW.

Übersicht 4-4:Anzahl der Personenkilometer in der Woche nach Altersklassen

Altersklasse Fallzahl erstes zweitesBefragungsjahr

letztes

Personenkilometer10-17 208 208 214 21918-25 142 270 279 28926-35 389 270 276 27436-60 175 254 242 24261-70 158 206 195 184>70 63 155 169 144

Summe 1.082 242 241 243


4.2.2 Stellung im Lebenszyklus

Zur allgemeinen Lebenssituation sind im Panel die Variablen Schulabschluss und Stellung im

Beruf enthalten. Auch unter Berücksichtigung der in Abschnitt 0 dargestellten Korrekturen

ergeben sich für die Angaben zum Schulabschluss im Jahresvergleich z.T. unplausible Werte.

Ursache dürfte neben Codierfehlern auch hier sein, dass eine Person des Haushalts für alle

Personen diese Angaben macht. Als Änderungsvariable konnte der Schulabschluss daher nicht

einbezogen werden.


Der Vergleich zwischen den Personen im Mobilitätspanel und im SOEP in Bezug auf den

Erwerbsstatus zeigt eine gute Übereinstimmung. Der Hauptunterschied liegt in der Randver-

teilung bei Arbeitslosen und Teilzeitbeschäftigten. Der Anteil der Teilzeitbeschäftigten ist im

Mobilitätspanel höher, der der Arbeitslosen niedriger. In beiden Erhebungen handelt es sich

um eine Selbsteinschätzung. Im Mobilitätspanel kann nur eine Angabe zur beruflichen Stel-

lung angekreuzt werden. Im SOEP wurde die Stellung im Lebenszyklus aus einer Kombinati-

on verschiedener Variablen gebildet. Arbeitslosigkeit im SOEP bedeutet arbeitslos gemeldet.

Da jede Person nur einer Kategorie zugeordnet werden kann, wurde beim Zusammentreffen

mehrerer Situationen (z.B. Umschulung und arbeitslos, teilzeitbeschäftigt und arbeitslos) der

Person die Kategorie Arbeitslosigkeit zugeordnet. Dies mag die Unterschiede zwischen dem

SOEP und dem Mobilitätspanel erklären.

Übersicht 4-5:Übergänge in der beruflichen Stellung - Vergleich mit dem SOEP

nach 1997Schul- Berufs-

von 1996 Vollzeit Teilzeit Arbeitslos ausbildung Hausfrau Rentner SummeMobilitätspanel (ungewichtet) in %

Vollzeit 35,02 1,01 0,51 0,10 0,00 0,51 0,40 37,55Teilzeit 0,91 11,44 0,30 0,40 0,10 1,11 0,71 14,98

Arbeitslos 0,51 0,20 1,32 0,00 0,20 0,10 0,61 2,94Schulausbildung 0,61 0,51 0,00 10,22 0,61 0,00 0,00 11,94

Berufsausbildung 0,81 0,10 0,00 0,00 0,81 0,00 0,00 1,72Hausfrau 0,51 0,61 0,10 0,10 0,00 9,41 0,61 11,34

Rentner(in) 0,00 0,81 0,00 0,00 0,00 0,40 18,02 19,23Summe 38,36 14,68 2,33 10,83 1,82 11,64 20,34 100

nach 1997Schul- Berufs- Nichterwerbstätige

von 1996 Vollzeit Teilzeit Arbeitslos ausbildung unter 65 J. ab 65 J. SummeSOEP in %

Vollzeit 33,33 0,42 1,29 0,44 0,05 1,15 0,07 36,75Teilzeit 0,63 6,08 0,31 0,02 0,03 0,99 0,00 8,06

Arbeitslos 1,09 0,29 2,07 0,12 0,12 0,88 0,00 4,56Schulausbildung 0,62 0,02 0,11 12,50 0,38 0,15 0,00 13,78

Berufsausbildung 0,31 0,01 0,16 0,06 1,07 0,00 0,00 1,62Nichterwerbst. -65J. 0,50 1,07 0,38 0,12 0,17 13,10 0,93 16,27

Nichterw. ab 65 J. 0,00 0,00 0,00 0,00 0,00 0,00 18,95 18,95Summe 36,48 7,89 4,32 13,27 1,83 16,26 19,95 100

Quellen: SOEP, Mobilitätspanel; Berechnungen des DIW.


Die Angaben zum Beruf wurden zu sieben Gruppen zusammengefasst, für die sich deutliche

Unterschiede in der Mobilität zeigen.

Übersicht 4-6:Anzahl der Wege in der Woche nach der beruflichen Stellung

Wege in der WocheBerufl. Stellung

im letztenBefragungsjahr

Fallzahl erstes zweitesBefragungsjahr letztes

Schüler/in 124 25,1 24,3 24,3in Lehre 29 28,3 28,1 26,4Voll-Berufstätig 364 27,6 26,6 25,8Teilzeit 154 29,1 27,7 27,5Arbeitslos 20 28,2 25,9 23,9Hausfrau 138 23,9 23,7 23,7Rentner/in 253 21,3 20,9 21,1Summe 1.082 25,6 24,9 24,6


Übersicht 4-7:Anzahl der Personenkilometer in der Woche nach der beruflichen Stellung

Personenkilometer in der WocheBerufl. Stellung

im letztenBefragungsjahr

Fallzahl erstes zweitesBefragungsjahr letztes

Schüler/in 124 184 183 191in Lehre 29 297 288 313Voll-Berufstätig 364 315 311 316Teilzeit 154 225 230 241Arbeitslos 20 240 260 224Hausfrau 138 178 171 176Rentner/in 253 206 203 187Summe 1.082 242 241 243


Um in den Übergängen ausreichende Fallzahlen berücksichtigen zu können, waren weitere Zu-

sammenfassungen von Kategorien notwendig (Übersicht 4-8). Für diese Kategorien können

dann Vergleiche der Verhaltensmerkmale zwischen Wechslern und Verbleibenden vorgenom-

men werden. Dabei zeigt sich u.a., dass der Unterschied in der Verkehrsleistung zwischen Voll-


zeit- und Teilzeitbeschäftigten aus der Querschnittsbetrachtung sich beim Wechsel der Personen

zwischen diesen Kategorien nicht realisiert.34 Die Wechsler von der Voll- in die Teilzeittätigkeit

bzw. Arbeitslosigkeit hatten schon vorher eine geringere Verkehrsleistung als die Voll-

Berufstätigen insgesamt und haben diese auch mit dem Tätigkeitswechsel nicht weiter verrin-

gert. Beim umgekehrten Wechsel, zu dem 39 Beobachtungen vorliegen, zeigt sich schon vor der

Aufnahme der Vollzeittätigkeit eine weit überdurchschnittliche Verkehrsleistung, die dann auf

den Durchschnittswert aller Voll-Berufstätigen zurückgeht. Ähnlich ist die Situation bei denen,

die von der Schul-, Hochschulausbildung in die Berufstätigkeit wechseln. Bereits vor dem

Wechsel liegt ihre Verkehrsleistung höher als der Durchschnitt der Schüler / Studentinnen, um

dann auf das Niveau der Voll-Berufstätigen anzusteigen. Deutliche Rückgänge der Verkehrslei-

stung zeigen sich beim Wechsel aus der Berufstätigkeit in den Renten- bzw. Hausfrauenstatus.

Dieser Wechsel ist auch bei den statistischen Analysen signifikant (s. Abschnitt 5.2).

Übersicht 4-8:Anzahl der Personenkilometer in der Woche nach der beruflichen Stellung (Übergänge)

Berufstätigkeit N PkmVorjahr Befragungsjahr Vorjahr Befragungsjahr

11 Voll-Berufstätig Voll-Berufstätig 1.054 312 31012 Voll-Berufstätig Teilzeit/arbeitslos 44 286 28814 Voll-Berufstätig Rentner(in)/Hausfrau 25 348 27721 Teilzeit/arbeitslos Voll-Berufstätig 39 336 30922 Teilzeit/arbeitslos Teilzeit/arbeitslos 397 237 23924 Teilzeit/arbeitslos Rentner(in)/Hausfrau 64 208 14031 In Ausbildung Voll-Berufstätig 38 234 33433 In Ausbildung In Ausbildung 352 177 19042 Rentner(in)/Hausfrau Teilzeit/arbeitslos 57 179 18644 Rentner(in)/Hausfrau Rentner(in)/Hausfrau 1.003 187 183

3.108 241 239

Quellen: Mobilitätspanel 1994 bis 1999 (Wiederholer), Berechnungen des DIW.

34 Diese und die folgenden Aussagen beziehen sich auf die zweidimensionale Brechung nach Verkehrsleistungund Wechsel der Berufssituation. Die Zahlen sind natürlich Salden aus weiteren Einflussfaktoren auf dieVerkehrsleistung, wie Geschlecht, Bildungsniveau usw., die simultan in der später folgenden statistischen Mod-ellierung (vgl. Kapitel 5) einbezogen werden. Im Gegensatz zu IVT (1999), halten wir auch die Betrachtung nureinzelner Einflussgrößen für durchaus sinnvoll und glauben, dass sich die Leser durchaus der Bedingtheit derformulierten Schlussfolgerungen bewusst sind. Die Ergebnisse der dynamischen Regressionsanalysen bestätigenim Übrigen (oft, aber nicht immer) die in der aggregierten Tabelle aufscheinenden Zusammenhänge.


4.2.3 Arbeitsplatz- oder Ausbildungsplatzwechsel

Ein Wechsel des Arbeits- oder Ausbildungsplatzes gehört zu den Änderungsgrößen, die nicht

aus dem Vorjahresvergleich bestimmt werden können, sondern (ab 1996) direkt abgefragt

werden, so dass die Angaben nicht nur für Wiederholer vorliegen. Etwa 10 % der Berufstäti-

gen geben an, den Arbeitsplatz im letzten Jahr gewechselt zu haben. Bei den ungewichteten

Fällen hat dies keine Veränderung der Verkehrsleistung zur Folge. Nach der DIW-

Längsschnitt-Gewichtung (s. Abschnitt 2.9) zeigt sich eine Zunahme der zurückgelegten Per-

sonenkilometer bei Arbeitsplatzwechsel um 7 % von 274 auf 295 km in der Woche. Bei den

statistischen Analysen zur Dynamik der Verkehrsleistung war diese Variable sowohl im ge-

wichteten wie im ungewichteten Datenbestand nie signifikant.

4.2.4 Persönliche Pkw-Verfügbarkeit und Wegehäufigkeit

Die Frage nach der persönlichen Pkw-Verfügbarkeit mit den drei Antwortmöglichkeiten - ja,

regelmäßig; ja, gelegentlich; nein - wurde von einem Viertel der Befragten nicht beantwortet.

Unter Zuhilfenahme des für die Erhebungswoche berichteten Verhaltens dieser Nichtantwor-

ter wurden die fehlenden Angaben einer der oben genannten Kategorie zugeordnet.35

Als ein Beispiel zur Veränderung der Mobilität bei Übergängen wird in Übersicht 4-9 für die

Wiederholerkohorte von 1996 die Änderung der Wegehäufigkeit in Abhängigkeit von einer

Änderung der Verfügbarkeit über einen Pkw ausgewiesen. Im obersten Block der Tabelle sind

die Fallzahlen ausgewiesen, z.B. haben 29 Personen, denen 1996 nur bedingt ein Fahrzeug zur

Verfügung stand, 1997 eine regelmäßige Verfügbarkeit angegeben. Die Werte unterhalb der

Diagonalen (hell schraffiert) weisen Personen mit steigender, oberhalb der Diagonalen (dun-

kel schraffiert) mit sinkender Verfügbarkeit über einen Pkw aus.

35 Für die Auflösung der Kategorie �Keine Angabe� wurden folgende Kriterien angewendet: unter der Voraus-setzung, dass die Person über einen Pkw-Führerschein verfügt und der Anteil ihrer Wege als Pkw-Fahrer in derWoche >50 % war, wurde ständige Pkw-Verfügbarkeit unterstellt, ansonsten wurde bedingte Pkw-Verfügbarkeitangenommen. Personen ohne Pkw-Fahrerlaubnis wurde die Kategorie �nein� (keine Pkw-Verfügbarkeit) zugewi-esen.


Übersicht 4-9:Änderung der Pkw-Verfügbarkeit und der Wegehäufigkeit (Übergänge)

Pkw-Verfügbarkeit in 1997Ja,regelm Ja bedingt Nein k.A Summe

Pkw-Verfügbar 1996 Personen (ungewichtet)Ja,regelm 307 20 2 7 336Ja bedingt 29 54 7 2 92

Nein 5 3 14 7 29k.A 20 9 3 109 141

Summe 361 86 26 125 598Pkw-Verfügbar 1996 Wege je Woche 1996 (ungewichtet)

Ja,regelm 27,1 24,8 25,5 19,6 26,8Ja bedingt 28,0 28,9 26,3 33,0 28,5

Nein 17,8 21,3 24,5 22,6 22,6k.A 28,7 23,2 19,3 22,3 23,2

Summe 27,2 27,1 24,5 22,4 26,0Pkw-Verfügbar 1996 Wege je Woche 1997 (ungewichtet)


Nein 19,6 16,3 25,1 20,9 22,2k.A 26,0 18,6 25,0 22,0 22,4

Summe 25,7 25,3 23,3 22,2 24,8Pkw-Verfügbar 1996 Wege je Woche 1998 (ungewichtet)


Nein 22,0 23,3 24,9 16,9 22,3k.A 25,0 20,6 19,7 21,9 22,2

Summe 25,2 25,2 24,6 21,7 24,5Basis: Personen aus Dreifachteilnehmerhaushalten der Kohorte 1996.Quellen: Mobilitätspanel, Berechnungen des DIW.

In den Tabellenblöcken ist für diese Personen die Wegehäufigkeit für 1996 (vor der Änderung

der Motorisierung), für 1997 (nach einer eventuellen Änderung der Motorisierung) und für das

Folgejahr 1998 ausgewiesen. Insgesamt, d.h. für alle Personen, zeigt sich der Effekt der (ins-

besondere zwischen erster und zweiter) Befragung rückläufigen Wegehäufigkeit von 26 auf

24,8 und 24,5 Wegen je Person in der Befragungswoche. Die höchste Wegehäufigkeit haben

nicht die Pkw-Besitzer, sondern die Personen, die nur bedingt über den/die Haushalts-Pkw

verfügen können. Es zeigt sich, dass bei den Personen, deren Verfügbarkeit über einen Pkw

steigt, die Wegehäufigkeit niedriger ist und bleibt, als bei den Werten der �motorisierungssta-

bilen� Gruppen in der Diagonalen. Bei den dunkel schraffierten Gruppen mit abnehmender


Pkw-Verfügbarkeit ist die durchschnittliche Wegehäufigkeit zwar geringfügig niedriger, die

Änderung der Wegehäufigkeit ist aber auch hier nur schwach ausgeprägt.

4.2.5 Zeitkartenbesitz und Verkehrsverhalten

Während der Pkw-Besitz inzwischen als Teil der persönlichen Ausstattung mit Konsumgütern

angesehen werden kann, dürfte der Erwerb einer Zeitkarte für den öffentlichen Nahverkehr

stärker mit den unmittelbaren Verkehrsbedürfnissen verknüpft sein. Zum einen hat die ÖV-

Zeitkarte nicht den gleichen Status, zum anderen ist die Entscheidung i.a. höchstens für einen

Monat zu treffen und damit schnell zu revidieren, wenn sich die persönlichen Rahmenbedin-

gungen zum Verkehrsverhalten ändern.

Bevor der Zusammenhang zwischen Zeitkartenbesitz und Verkehrsverhalten dargestellt wird,

soll zunächst an dieser Variablen die Bedeutung der Datenkorrektur für Längsschnittbetrach-

tungen verdeutlicht werden. Übersicht 4-10 umfasst alle Dreifachteilnehmer des Datenbestan-

des 1994 bis 1998,36 911 Personen. Für 132 (knapp 15 %) war beim dritten Berichtsjahr zum

Zeitkartenbesitz �keine Angabe� codiert, dies entspricht dem allgemeinen Durchschnitt aller

Teilnehmer. Für eine Querschnittsanalyse mag der Ausfall von 15 % noch vertretbar sein. Bei

der Betrachtung der Dreifachteilnehmer aber kommen noch diejenigen als Ausfall hinzu, bei

denen in den Vorjahren �k.A.� codiert ist. Die Zahl der Ausfälle würde sich auf 286, mehr als

ein Viertel aller Dreifachbeobachtungen erhöhen.

Von Einzelfällen abgesehen trifft die �9� in den codierten Daten, also die fehlende Angabe,

mit einem niedrigen ÖV-Nutzungsgrad (Modal-Split) zusammen. Daher ist generell �9� durch

�kein Zeitkartenbesitz� ersetzt worden. Damit reduziert sich die Vielfalt der Übergänge er-

heblich. Die Ergebnisse im Längsschnitt zeigt Übersicht 4-11.

36 Die Daten zur Welle 1999 lagen bei Erstellung dieser Tabelle noch nicht vor, ändern aber nichts amgeschilderten Sachverhalt.


Übersicht 4-10:Angaben zum Zeitkartenbesitz im Längsschnitt

Muster Fälle Anteil in % Personenkilometer (Woche) Anteil ÖPNV an Wegen in %Zeitk im

3.Jhr1) Zeitk im

3.JhrGesamt 1.Jhr 2.Jhr 3.Jhr 1.Jhr 2.Jhr 3.Jhr

Ja 111 88 64,2 9,7 242 241 274 28,5 32,5 29,4121 2 1,5 0,2 389 138 344 33,3 55,3 32,7191 2 1,5 0,2 106 111 134 51,4 34,9 47,1211 15 10,9 1,6 220 188 190 6,3 19,7 23,8221 20 14,6 2,2 275 223 207 5,2 6,6 19,3291 3 2,2 0,3 126 287 240 17,9 21,6 20,0911 3 2,2 0,3 348 420 342 27,4 36,4 35,9921 2 1,5 0,2 84 117 106 17,6 2,9 6,0991 2 1,5 0,2 29 36 34 15,0 11,9 26,3

Ja ..1 137 100,0 15,0 239 229 249 22,1 26,5 26,9Nein 112 16 1,8 244 286 317 28,2 27,5 21,9

122 25 2,7 377 371 394 3,4 4,1 3,3192 4 0,4 156 120 113 25,5 22,5 14,3212 11 1,2 328 535 435 3,5 5,8 1,3222 448 49,2 345 419 304 1,9 2,1 1,8292 47 5,2 337 241 271 1,4 1,6 0,8912 1 0,1 52 72 164 0,0 20,0 0,0922 64 7,0 347 280 233 2,1 1,5 1,1992 26 2,9 316 301 231 2,4 1,8 0,4

Nein ..2 642 70,5 340 382 296 2,7 2,9 2,2 kA 119 3 0,3 378 485 161 42,0 41,7 35,6

129 2 0,2 48 62 130 42,4 30,8 17,2199 2 0,2 402 220 717 64,3 35,1 35,6219 2 0,2 258 247 286 0,0 3,2 0,0229 66 7,2 275 281 264 1,1 2,4 1,1299 28 3,1 547 527 188 3,7 2,3 2,4919 2 0,2 79 116 77 18,8 17,0 31,8929 13 1,4 448 277 343 0,0 0,5 1,8999 14 1,5 302 340 289 1,0 2,5 0,9

kA ..9 132 14,5 350 336 258 3,8 4,1 3,3

Gesamt 911 100,0 326 352 284 5,5 6,3 5,9

1) 1-Ja, 2-Nein, 9-keine Angabe im 1.,2. und 3. Jahr.Quellen: Mobilitätspanel (Dreifachteilnehmer 1994 – 1998), Berechnungen des DIW.


Übersicht 4-11:Zeitkartenbesitz und Mobilität im Längsschnitt

Zeitkarte Anteil anFallzahlen den Mobilitätsanteil je Tag

im im Zeitkarten- (Außer-Haus-Anteil) 3.Jhr 1.2.3.Jhr gesamt besitzern 1.Jhr 2.Jhr 3.Jhr

Ja JJJ 88 9,7 64,2 0,91 0,95 0,93JNJ 4 0,4 2,9 0,96 1,00 0,96NJJ 18 2,0 13,1 0,88 0,89 0,89NNJ 27 3,0 19,7 0,94 0,90 0,94

..J 137 15,0 100,0 0,91 0,93 0,93Nein JJN 19 2,1 0,95 0,97 0,95

JNN 33 3,6 0,92 0,88 0,91NJN 16 1,8 0,88 0,89 0,89NNN 706 77,5 0,93 0,92 0,91

..N 774 85,0 0,93 0,92 0,91Gesamt ... 911 100,0 0,92 0,92 0,91

Zeitkarte Anteil der Wegeim im Wege je Person mit öff. Verkehrsmitteln in % 3.Jhr 1.2.3.Jhr 1.Jhr 2.Jhr 3.Jhr 1.Jhr 2.Jhr 3.Jhr

Ja JJJ 22,8 21,8 23,0 28,5 32,5 29,4JNJ 21,3 22,5 22,3 41,2 45,6 38,2NJJ 24,7 22,2 22,2 9,2 22,0 25,0NNJ 24,1 23,1 23,9 8,6 8,3 18,4

..J 23,2 22,1 23,0 22,1 26,5 26,9Nein JJN 22,9 24,1 24,5 31,0 30,1 24,9

JNN 25,7 26,0 27,3 10,4 8,9 6,6NJN 21,1 23,2 20,6 4,2 7,5 3,0NNN 26,0 24,5 24,5 1,8 2,0 1,5

..N 25,8 24,6 24,6 2,9 3,1 2,4Gesamt ... 25,4 24,2 24,3 5,5 6,3 5,9

Zeitkarte Personenkilometer Wegezeitenim im je Person je Personenwoche in Min. 3.Jhr 1.2.3.Jhr 1.Jhr 2.Jhr 3.Jhr 1.Jhr 2.Jhr 3.Jhr

Ja JJJ 242 241 274 489 595 661JNJ 247 124 239 480 645 769NJJ 241 227 216 467 498 505NNJ 226 208 190 439 491 497

..J 239 229 249 476 563 611Nein JJN 265 317 292 528 696 610

JNN 332 313 363 503 640 631NJN 271 418 355 517 679 641NNN 303 278 271 494 548 530

..N 303 284 277 496 558 539Gesamt ... 293 275 273 493 559 550

Quellen: Mobilitätspanel (Dreifachteilnehmer 1994 – 1998), Berechnungen des DIW.


Es zeigt sich, dass diejenigen Personen mit konstantem Zeitkartenbesitz über die drei Jahre

(Zeile JJJ) im Vergleich zu den konstant ÖV-Abstinenten (Zeile NNN) im dritten Befra-

gungsjahr nahezu die gleichen Aufkommens- und Verkehrsleistungswerte aufweisen. Bei den

Nicht-Zeitkartenbesitzern ergibt sich dies allerdings aus einem deutlichen Mobilitätsrückgang

(Ermüdung ?), wie der Vergleich mit den Vorjahren zeigt, während die ständigen Zeitkarten-

besitzer in Bezug auf die Wegezahl beständiger sind und ihre berichteten Verkehrsleistungen

und vor allem die im Verkehr zugebrachte Zeit sogar steigern. Hier deutet sich an, dass weite-

re Einflussfaktoren (Alter, Ausbildung) mit zur Erklärung herangezogen werden sollten.

4.3 Siedlungsstruktur, Verkehrserschließung

4.3.1 Parkprobleme am Wohnort

Die Parkprobleme am Wohnort, die ursprünglich in 3 Variablen (PARKSTR, PARKGAR,

PARKPROB) codiert sind, werden vom DIW in einer Variablen zusammengefasst, die sich aus

einer Erweiterung der Variablenausprägungen von PARKPROB ergibt. Die Ausprägungen

1 Sehr schwierig

2 Schwierig

3 Nicht besonders schwierig

4 überhaupt nicht schwierig

9 keine Angabe

werden ergänzt durch

5 wenn Privatparkplatz vorhanden und

6 wenn kein Pkw im HH.

d.h. je größer der Wert umso weniger spielen Parkprobleme eine Rolle. Informationsverluste

bzw. Verfälschungen könnten für die HH eintreten, in denen mehrere Pkw vorhanden sind

(26 % aller Haushalte im gepoolten ungewichteten Bestand) und deren private Parkmöglich-

keiten nicht für alle Fahrzeuge ausreichen.37 Es sind jedoch nur 4,5 % der Haushalte, die

mehrfach motorisiert sind und berichten, sowohl am Straßenrand als auch privat zu parken.

37 Ab 1999 werden im Mobilitätspanel diese Informationen für bis zu drei Fahrzeuge im Haushalt getrennt erho-ben. In diese Längsschnitt-Untersuchung konnte dies noch nicht einbezogen werden.


Hiervon haben wiederum nur rd. 10 % angegeben (19 Haushalte), dass die Möglichkeit zum

Parken am Straßenrand als schwierig oder sehr schwierig anzusehen ist.

Generell ist der Anteil der Haushalte, die ihr Auto am Straßenrand parken, mit 10 % in 1994

und rd. 20 % in den übrigen Jahren relativ gering. Hiervon geben etwa ein Drittel unter-

schiedliche Schwierigkeitsgrade der Parkplatzsuche in den Befragungsjahren an. Die Fallzah-

len mit einer Änderung der Parksituation am Straßenrand sind daher sehr niedrig und dürften

darüber hinaus dadurch verzerrt sein, dass sie die subjektive Einschätzung der jeweils ausfül-

lenden Person darstellen, die nicht in allen Jahren identisch sein muss. Bei den Übergangshäu-

figkeiten mit einer Änderung der Parkprobleme ergaben sich somit wegen der geringen

Fallzahlen der Haushalte, die nicht über einen privaten Parkplatz oder eine Garage verfügen

können, und den eher subjektiv bedingten Schwankungen keine in der statistischen Analyse

verwendbaren Ergebnisse.

4.3.2 Qualität der Anbindung der Wohnung an öffentliche Verkehrsmittel

Die Erschließung des Wohnungsstandortes durch öffentliche Verkehrsmittel wird im Mobili-

tätspanel umfangreich erhoben. Insgesamt 10 Variablen zur Erreichbarkeit von Haltestellen

der öffentlichen Verkehrsmittel und eine Frage zur Zufriedenheit mit der ÖV-Anbindung wer-

den codiert. Die letztgenannte Bewertungsvariable weist eine bemerkenswert stetige Ent-

wicklung aus. Die Zufriedenheit mit der Anbindung der Wohnung an öffentliche Verkehrs-

mittel nimmt von 1994 bis 1998 kontinuierlich von unter 50 % auf über 75 % zu, umgekehrt

sinkt der Anteil derer, die meinen, die Anbindung �sollte verbessert werden� von 50 auf 23 %.

Diese Entwicklung verläuft entgegengesetzt zu der des Kundenmonitors Deutschland 2000,

der die Globalzufriedenheit mit dem Öffentlichen Personennahverkehr erhebt. Die auf einer 5-

er Skala (von 1=vollkommen zufrieden bis 5=unzufrieden) ermittelten Branchenmittelwerte

weisen für die Jahre 1994 bis 1998 konstante bis rückläufige Zufriedenheit aus.38 Hier stellt

sich die Frage, ob in dieser Divergenz eine Selektivität der Stichprobe des Mobilitätspanels

zum Ausdruck kommt.

38 Für die Jahre 1994 bis 1998 wurden folgende Werte ermittelt: 2,78 � 2,91 � 2,97 � 2,95 � 3,01; vgl.http://www.servicebarometer.de (März 2001).


Übersicht 4-12:Haushalte nach der Zufriedenheit mit der Anbindung an öffentliche Verkehrsmittel

HaushalteZufriedenheit mit der

Anbindung an öffentliche Verkehrsmittel1994 1995 1996 1997 1998 Gesamt

absolut

Im Großen und Ganzen zufrieden 116 240 512 557 565 1990

Sollte verbessert werden 118 141 222 193 173 847

keine Angabe 5 4 14 14 8 45

Gesamt 239 385 748 764 746 2882

Anteile in %

Im Großen und Ganzen zufrieden 48,5 62,3 68,4 72,9 75,7 69,0

Sollte verbessert werden 49,4 36,6 29,7 25,3 23,2 29,4

Quellen: Mobilitätspanel (Haushalte 1994 – 1998), Berechnungen des DIW.

Kreuztabellen der Bewertungsvariablen mit den Entfernungs-, bzw. Erreichbarkeitsvariablen

der Verkehrsmittel zeigen, dass die Erreichbarkeit einer Straßenbahn-, U-, oder S-Bahn-

Haltestelle in angemessener Zeit (10 - 20 Min. zu Fuß) zu über 90 % mit Zufriedenheit mit

der Erschließung zusammentrifft. Diese Ergebnisse sind plausibel, denn die genannten Schie-

nenverkehrsmittel verkehren nur in ausgebauten Netzen und weisen einen vergleichsweise

hohen Bedienungsstandard auf. Die Entfernung zur Bushaltestelle39 dagegen sagt noch nichts

über die Qualität der Bedienung aus, entsprechend gering ist der Zusammenhang mit der Be-

wertungsvariablen. In den statistischen Analysen wird daher nur die Variable zur Zufrieden-

heit mit dem ÖV verwendet. Sie korreliert stark mit der Wohnlage.

39 Auf die Fragen zur Erreichbarkeit von Bushaltestellen ohne Angaben zur Qualität der Bedienung könnte u.E.verzichtet werden.


Übersicht 4-13:Haushalte nach der Erreichbarkeit öffentlicher Verkehrsmittel

Erreichbarkeit

öffentlicher Verkehrsmittel 1994 1995 1996 1997 1998 GesamtAnteil an allen Haushalten in %

Bushaltestelle zu Fuss erreichbar: Ja 92,5 89,6 93,9 95,0 95,0 93,8

in bis zu 10 Min. 79,9 79,7 85,4 87,8 89,1 85,8

In bis zu 20 Min. 88,3 87,5 92,5 94,0 94,4 92,4

Strassenbahnhaltest. z.F. erreichbar: Ja 5,4 15,1 13,6 14,7 14,2 13,6

in bis zu 10 Min. 3,3 10,9 9,8 11,8 11,0 10,2

In bis zu 20 Min. 4,2 13,8 13,0 13,9 13,3 12,7

U-Bahn-Haltestelle zu Fuss erreichbar: Ja 3,3 7,3 8,6 8,2 7,9 7,7

in bis zu 10 Min. 2,1 4,9 6,3 6,3 5,0 5,4

In bis zu 20 Min. 2,5 6,2 8,2 7,7 7,0 7,0

S-Bahn-Haltestelle zu Fuss erreichbar: Ja 7,1 14,8 14,2 16,8 15,4 14,7

in bis zu 10 Min. 2,1 4,2 5,6 7,1 7,0 5,9

In bis zu 20 Min. 4,6 8,8 11,0 14,1 12,5 11,4

Bahnhof zu Fuss erreichbar: Ja 42,7 43,6 39,6 36,0 37,5 38,9

in bis zu 10 Min. 13,0 11,7 13,2 11,1 12,6 12,3

In bis zu 20 Min. 32,2 28,1 27,7 24,2 25,2 26,5

Quellen: Mobilitätspanel (Haushalte 1994 – 1998), Berechnungen des DIW.

4.3.3 Raumtyp, Siedlungsstruktur

Das Wohnumfeld, d.h., die zur Verfügung stehende Verkehrsinfrastruktur und die Erreichbar-

keit von Zielen wie Einkaufsgelegenheiten und Freizeiteinrichtungen, hat unmittelbaren Ein-

fluss auf das Verkehrsverhalten, d.h. die Verkehrsmittelwahl, die Zahl der Wege und die Ver-

kehrsleistung. Im Panel wird die Situation daher durch zahlreiche Einzelfragen zur Erreich-

barkeit von Einrichtungen, durch eine Einschätzungsfrage zur Lage der Wohnung und durch

die Codierung des Raumtyps der Wohnung (als eher objektiv zu sehendes Merkmal) einbezo-

gen. In den Längsschnittauswertungen konnten nur die beiden letztgenannten Variablen


berücksichtigt werden. Als Beispiel sind in Übersicht 4-14 die Personenkilometer nach dem

Raumtyp ausgewiesen. Wie zu erwarten, ist die Verkehrsleistung der Einwohner kleinerer

Gemeinden höher als die von Innenstadtbewohnern.

Übersicht 4-14:Anzahl der Personenkilometer in der Woche nach dem Raumtyp

Raumtyp 1)

Einwohner (1000) / Lage Fallzahlerstes zweites

BefragungsjahrLetztes

>100.000 / Stadtkern 410 211 211 213

>100.000 / Stadtrand 170 217 235 237

20-100.000 141 264 251 249

5-20.000 220 253 261 265

bis unter 5.000 141 329 320 306

Gesamt 1.082 243 244 2441) zusammengefasste BIK-Typen.

Quellen: Dreifachteilnehmer Mobilitätspanel 1994-1999, Berechnungen des DIW.

4.4 Situative Merkmale

Als situative Einflussvariablen sind Wetter, Ferien, Urlaub und Krankheit berücksichtigt wor-

den. Als Beispiel wird der Einfluss von Krankheitstagen auf die Änderung der Verkehrslei-

stung dargestellt. Deutlich wird, dass bei Personen, die im ersten Jahr keinen Krankheitstag

haben, und im Folgejahr bis zu drei Krankheitstagen aufweisen, kaum eine Veränderung der

Verkehrsleistung auftritt. Bei mehr als drei Krankheitstagen liegt die Differenz hingegen bei

rd. 70 km in der Woche.


Übersicht 4-15:Krankheitstage und Mobilität (Personenkilometer) bei Wiederholern

Krankheitstage im Befragungsjahr0 1 2 3 4 5 6 7 TotalKrankheitstage

im Vorjahr Personenkilometer im BefragungsjahrPersonenkilometer im Vorjahr

Anzahl Fälle0 245 227 208 181 138 174 149 106 242

245 228 227 183 231 270 247 213 2432.792 39 37 21 15 14 5 25 2.948

1 215 190 240 216228 118 263 227

41 1 2 442 163 60 272 54 161

190 173 139 62 18334 2 2 1 39

3 237 34 144 29 216131 80 50 44 122

21 1 1 1 244 214 25 201

133 61 12813 1 14

5 295 8 40 254220 37 36 191

11 1 1 136 195 195

123 1235 5

7 252 152 206 242204 42 371 222

23 1 4 28Total 244 214 205 181 138 173 131 115 240

242 220 224 169 231 255 212 223 2402.940 43 40 25 15 15 6 31 3.115


4.5 Unterschiede in den Rahmengrößen der Mobilität im Vergleich zwischen zweiErhebungsjahren

Für die Längsschnittbetrachtungen und -erklärungen des Mobiblitätsverhaltens sind insbeson-

dere Veränderungen solcher Variablen von Bedeutung, die Einfluss auf das Verkehrsverhalten

haben können. In Übersicht 4-16 ist ausgewiesen, bei wie vielen Haushalten (Wiederholer)

von einem Erhebungsjahr zum nächsten Änderungen in den Rahmenbedingungen stattgefun-

den haben und wie viele Personen davon jeweils betroffen waren.


Übersicht 4-16:Ereignisse auf Haushaltsebene zwischen den Erhebungsjahren

Haushalte1) Personen ab 10 Jahren2)

in diesen Haushalten

Variable3) absolut % absolut %

(1) Haushaltsgrössse größer kleiner

1466383

8,73,84,9

284114170

8,63,55,2

(2) Haushaltszusammensetzung Person (ab 10 Jahren) weg Person (ab 10 Jahren) hinzu Kind (bis unter 10 Jahren) hinzu

140782735

8,34,61,62,1

269156

4568

8,14,71,42,1

(3) Haushaltstyp 145 8,6 260 7,9

(4) Geburt4) 30 1,8 57 1,7

(5) Umzug4) 31 1,8 49 1,5

(6) Raumtyp größere Gemeinde kleinere Gemeinde

1910

9

1,10,60,5

331518

1,00,50,5

(7) Pkw im Haushalt angeschafft abgeschafft mehr weniger

16515

66975

9,80,90,44,14,5

35722

7180148

10,80,70,25,44,5

Ohne Änderungen 1309 78,0 2555 77,4

1) Wiederholer, n=1680. - 2) n=3301. 3) Für die Variablen und deren Ausprägungen vgl. Anhang B.4) generierte Variable


Die Ergebnisse zeigen, wie dynamisch sich die Rahmenbedingungen im Verlauf eines Jahres

entwickeln. Veränderungen in Bezug auf mindestens eine der in der Übersicht genannten Va-

riablen hat es bei gut 20 % der Haushalte (Wiederholer) gegeben. Da die Zahl der Umzüge

nicht vollständig bekannt ist, dürfte dieser Anteil noch höher sein. Die ausgewiesenen Sach-

verhalte sind natürlich nicht unabhängig voneinander. Die Geburt eines Kindes führt z.B. zur

Zunahme der Haushaltsgröße und evtl. auch zur Veränderung des Haushaltstyps.

Bei fast der Hälfte der 75 Haushalte, deren Motorisierung von einem zum anderen Jahr gerin-

ger wurde, traf dies zusammen mit einer Verringerung der Zahl der Haushaltsmitglieder. Im


Falle von Haushaltsspaltungen wird der Pkw wahrscheinlich mitgenommen, sodass die bei

dem verbliebenen Haushalt gemessene Anzahl der Pkw dann keine Reduzierung im Sinne des

Bestands bedeutet.

Übersicht 4-17:Ereignisse auf Personenebene zwischen den Erhebungsjahren

Personen1)

Variable2) Absolut %

(1) Stellung im Lebenszyklus 426 12,9

(2) Arbeits- und Ausbildungsplatz 222 6,7

(3) Erwerb Pkw-Führerschein 94 2,8

(4) ÖV-Zeitkarte angeschafft abgeschafft

20699

107

6,23,03,2

(5) Pkw-Verfügbarkeit mehr weniger

347169178

10,55,45,1

(6) Krankheitstage mehr weniger

331170161

10,05,24,9

(7) Urlaubstage mehr weniger

715356359

21,710,810,9

(8) Anormale Tage mehr weniger

941455486

28,513,814,7

(9) Tage mit dem Auto in der Werkstatt mehr weniger

1004852

3,01,51,6

(10) Ferientage mehr weniger

20591128

931

62,434,228,2

Ohne Änderungen (1) bis (5) 1736 52,6Ohne Änderungen (6) bis (9) 1597 48,4

1) Wiederholer, n=3301. - 2) Für die Variablen und deren Ausprägungen vgl. Anhang B.


Während Übersicht 4-16 sich auf Rahmenbedingungen bezieht, von denen der ganze Haushalt

und die Haushaltsmitglieder betroffen sind bzw. sein können, sind in Übersicht 4-17 Ände-


rungen in der persönlichen Situation der Bin Bezug auf Unterschiede in bezug auf situative

Merkmale der Berichtswoche ausgewiesen. Auch hier gilt, dass die dargestellten Variablen

teilweise miteinander zusammenhängen. Einige der Variablen können sich nur für Teilgrup-

pen der Befragten ändern, da sie nicht auf alle Personen zutreffen (z.B. Erwerb eines Pkw-

Führerscheins).

Generell zeigt sich, dass für Personen Änderungen der situativen Bedingungen in Bezug auf

die Berichtswoche häufiger sind als Änderungen personenbezogener Merkmale. Für 13 % der

Befragten hat sich von einem Jahr zum anderen die Stellung im Lebenszyklus verändert, bei

11 % der Befragten gab es Unterschiede in der persönlichen Pkw-Verfügbarkeit.

Bei 30 % der Befragten wies mindestens eine der beiden Berichtswochen anormale Tage auf.

Die Frage nach solchen Tagen wurde gesondert gestellt, d.h., sie leitet sich nicht aus den übri-

gen situationsbezogenen Angaben ab. Bei 22 % der Befragten unterschied sich die Zahl der in

der Berichtswoche vorhandenen Urlaubstage.

Die Berichtswoche trifft ebenfalls häufig mit Schulferien zusammen. Ferientage dürften in

erster Linie einen Einfluss auf die Mobilität von Schülerinnen und Schülern haben. 416 der

befragten Personen (Wiederholer) sind dieser Gruppe (einschl. Studenten) zuzurechnen. Bei

immerhin 56 % von ihnen gab es im Verlauf der Berichtswochen Ferientage.

Zusammengefasst ergeben sich folgende Unterschiede zwischen zwei Erhebungsjahren: In

Bezug auf die situationsbedingten Variablen (6) bis (9) gab es Unterschiede bei 52 % der Be-

fragten, die persönlichen Rahmenbedingungen (1) bis (5) waren für 47 % der Befragten ver-

schieden. Keine der aufgeführten Veränderungen gab es für nur ein Viertel der Befragten.


5 Quer- und Längsschnittanalyse an ausgewählten Beispielen

In Abschnitt 5.1 wird die zur Analyse verwendete Methodik erläutert und in Abschnitt 5.2

werden die Rechnungen und Ergebnisse zu den ausgewählten drei Beispielgrößen (Wegehäu-

figkeit, Nutzung öffentlicher Verkehrsmittel und Verkehrsleistung) dargestellt. Abschnitt

5.1.1 gibt eine kurze, eher formale Beschreibung des statistischen Ansatzes. Zuvor werden die

den Modellansätzen zugrundeliegenden Gedanken und das Vorgehen bei der Interpretation

der Ergebnisse erläutert. Angesprochen werden auch die Probleme und die erweiterten Mög-

lichkeiten der Analyse bei den vorliegenden komplexen Panelstrukturen. Wenn man mit den

Methoden der Varianzanalyse vertraut ist, kann der folgende Abschnitt übersprungen werden.

5.1 Methodische Ansätze, Einführung

In Kapitel 4 (deskriptive Analyse) wurden nur isolierte Einflüsse von Merkmalen auf das Ver-

kehrsverhalten aufgezeigt. Dabei bleibt offen, ob hinter den Ergebnissen, z.B. dass Teilzeitbe-

schäftigte mehr Wege, aber weniger Personenkilometer, als Vollbeschäftigte zurücklegen,

weitere Ursachen verborgen sind. Dies könnte z.B. damit zusammenhängen, dass Teilzeitbe-

schäftigte überwiegend Frauen sind, die vielfach noch Kinder zu betreuen haben, hier also

zusätzliche Einflussfaktoren bestimmend auf das Verkehrsverhalten wirken. Welcher Einfluss

überwiegt, lässt sich letztlich nur entscheiden, wenn alle in Frage kommenden Erklärungsgrö-

ßen simultan herangezogen werden.

Das Grundprinzip der hierzu eingesetzten Verfahren besteht darin, eine Zielgröße (Indikator

zum Verkehrsverhalten) möglichst genau durch eine Kombination von Einflussfaktoren zu

erklären. Im Kern bedeutet �erklären�, dass die Abweichungen (die Varianz) vom Mittelwert

der Zielgröße als Ergebnis �erklärender� Einflussgrößen dargestellt werden. Die auch nach

Berücksichtigung dieser erklärenden Variablen noch verbleibenden Abweichungen von den

Ist-Werten, die nicht erklärte Varianz, sollte als unsystematischer Zufall, als �weißes Rau-

schen� anzusehen sein.

Im gepoolten Datenbestand aller Jahre (vgl. Abschnitt 2.7 zur Datenorganisation) etwa beträgt

der Mittelwert der Wegehäufigkeit je Person 24,6 Wege in der Woche. Die für 7 357 Perso-

nenwochen berichteten Werte liegen zwischen 2 und 80 Wegen in der Woche, sie weichen im

Mittel (Standardabweichung) um 9,8 Wege von dem genannten Mittelwert ab. Dies charakte-


risiert den durchschnittlichen Fehler, der gemacht wird, wenn man für eine beliebige Person

die Wegehäufigkeit von 24,6 Wegen unterstellt. Frauen liegen im Mittel mit 24,3 Wegen un-

ter dem Gesamtmittelwert von 24,6 Wegen, Männer mit 24,9 Wegen darüber. Es bietet sich

damit an, an Stelle des einfachen Mittelwerts von 24,6 als Schätzwert für die wöchentliche

Wegehäufigkeit, den Wert von 24,9 für Männer und 24,3 für Frauen zu verwenden. Der

durchschnittliche Schätzfehler für eine unbekannte Person wird dadurch verringert; mit ande-

ren Worten: Das Geschlecht erklärt einen Teil der Varianz der wöchentlichen Wegehäufigkeit.

Die Differenz der Schätzwerte von 0,6 zwischen den Ausprägungen der erklärenden Varia-

blen, im Beispiel �Männer / Frauen� der Variablen Geschlecht, wird als der Effekt dieser Va-

riablen auf die zu erklärende Variable, im Beispiel Wegehäufigkeit, bezeichnet. Die Darstel-

lung des Effektes des Geschlechts auf die Wegehäufigkeit kann aus unterschiedlichen Blick-

winkeln erfolgen: Entweder im Vergleich zu einer Ausprägung als Bezugsgröße (Männer +0,6

im Vergleich zu Frauen bzw. Frauen �0,6 im Vergleich zu Männern) oder in einer Darstellung

als zentrierte Effekte (Männer +0,3, Frauen �0,3 im Vergleich zum Wert ohne Berücksichti-

gung des Geschlechts als Einflussvariable). Die zentrierten Effekte ergeben in der Summe

Null. Dies gilt auch bei mehr als zwei Ausprägungen. Bei Variablen mit mehreren Ausprä-

gungen (z.B. berufstätig, Rentner, arbeitslos, etc. für eine Variable zur Stellung im Erwerbsle-

ben) wird in der Regel für jede Ausprägung ein jeweiliger Effekt bestimmt. Dieser Effekt gibt

die Wirkung entweder in Relation auf eine Bezugs-Ausprägung oder auf den Mobilitätswert

ohne Einbeziehung dieser Variablen an. Wenn die Ausprägungen in gleichen Schritten auf die

zu erklärende Variable wirken, lässt sich die Rechnung vereinfachen. Es ist nur ein Koeffizi-

ent zu bestimmen, der angibt, wie sich die abhängige Größe (z.B. die Wegezahl) ändert, wenn

sich die unabhängige Variable (z.B. Zahl der Urlaubstage in der Woche) um eine Einheit än-

dert.

Bei nur einer Variablen (Geschlecht der Person) und nur zwei Ausprägungen (männ-

lich/weiblich) ergibt sich der Effekt von 0,6 unmittelbar aus den beiden Mittelwerten. Bei

mehreren Ausprägungen und/oder mehreren erklärenden Variable lassen sich die Effekte als

die Koeffizienten einer linearen Regression berechnen.40 Dabei müssen zunächst alle potenti-

ellen Erklärungsgrößen mit einbezogen werden, da die Effekte davon abhängen, welche weite-

ren Variablen mit welchen Ausprägungen im Modell enthalten sind. So ist zu vermuten, dass


der genannte Effekt des Geschlechts auf die Wegezahl sich verringert, wenn andere Einflüsse

(z.B. Teilzeitarbeit) einbezogen werden, deren Einfluss gewissermaßen versteckt enthalten ist,

wenn allein das Geschlecht als Erklärungsvariable betrachtet wird. Die Koeffizienten sind also

stets nur im Kontext des jeweiligen Erklärungsmodells zu interpretieren. Man spricht auch

davon, dass der um die anderen im Modell enthaltenen Einflussgrößen bereinigte Effekt (etwa

des Geschlechts) ausgewiesen wird.

Im Anschluss an die Ausgangsrechnung mit allen sinnvoll möglichen Variablen können die

Einflussfaktoren, deren Paramenter sich nicht signifikant von Null unterscheiden, ausgeson-

dert werden; es wird dann das reduzierte Modell betrachtet. Bei den Methoden der künstlichen

Intelligenz (KI) wird dieser Schritt als Pruning bezeichnet. Bei den statistischen Verfahren

wird unter Zugrundelegung einer Verteilungsannahme und einer Irrtumswahrscheinlichkeit

die Hypothese getestet, dass der Parameter des Einflussfaktors signifikant von Null verschie-

den ist. Was �Signifikanz� bedeutet, wird im Folgenden etwas vertieft, da bei Paneldaten die

zu ihrer Beurteilung normalerweise getroffenen Annahmen i.a. nicht erfüllt sind.

Die Grundidee bei der regressionsanalytischen Bestimmung der Signifikanz von Variablen be-

steht darin, zu quantifizieren, wie die (i.a. nach der Methode der kleinsten Fehlerquadrate, ordi-

nary least squares, OLS) geschätzten Koeffizienten aussehen könnten, wenn man weitere Stich-

proben ziehen würde, also aus der gleichen Grundgesamtheit nicht ein, sondern viele Mobili-

tätspanel in Deutschland hätte. Die vermutete Schwankungsbreite für die Koeffizienten bei sol-

chen Rechnungen liefert das Kriterium, ob mit einer angenommenen Irrtumswahrscheinlichkeit

der Wert Null nicht enthalten sein wird. Die in den Ergebnissen ausgewiesenen Kriterien zur

Signifikanz beruhen alle auf solchen Schwankungsbreiten. Im Anhang sind im Ausdruck des

Statistik-Programms die Konfidenzintervalle jedes Koeffizienten ausgewiesen. Wenn die Gren-

zen dieser Intervalle ein unterschiedliches Vorzeichen haben, ist der Wert Null enthalten: Die

Variable (oder Variablenausprägung) ist nicht signifikant von Null verschieden. Eine andere

Darstellungsform der gleichen Prüfung der Signifikanz unter Annahme der verschiedenen ver-

teilungen ist der t- oder F-Wert, bzw. Chi-Quadrat-Test. Hier wird unter Annahme des Vorlie-

gens einer der genannten Verteilungsformen geprüft, wie häufig die berechneten Koeffizienten

auftauchen könnten, obwohl der Wert in der Grundgesamtheit eigentlich Null ist. In der Spalte

40 Vgl. z.B. Kohler, Kreuter (2001), S. 175 ff.


�p-Wert� bzw. �P>|t|� wird die Wahrscheinlichkeit ausgewiesen, einen solchen Wert ungleich

Null auszuweisen, d.h. Werte unter 0,05 bzw. 0,01 sind als signifikant zu akzeptieren. Die Dar-

stellung mit einem oder zwei Sternchen ist eine übliche verkürzte weitere Form der Kennzeich-

nung der Signifikanz.

Als eine Kennziffer für die Güte eines Modells wird das Bestimmtheitsmaß R2 verwendet. Es

ist definiert als Eins minus dem Quotienten, der aus der Summe der quadrierten Abweichun-

gen der Modellwerte von den Ist-Mobilitätswerten der Stichprobe im Zähler und den qua-

drierten Abweichungen zum Mittelwert ohne Berücksichtigung von erklärenden Variablen im

Nenner gebildet wird. Dieser Quotient ist also der Anteil der verbleibenden Varianz; R2 als 1

minus diesem Quotienten der Anteil der �erklärten� Varianz.

Die Gültigkeit des üblicherweise berechneten Konfidenzintervalls und des Bestimmtheitsma-

ßes beruht u.a. auf der Annahme, dass zwischen den verbleibenden Abweichungen von den

Ist-Werten, den Residuen, kein systematischer Zusammenhang besteht und der Annahme ei-

ner einfachen Zufallsstichprobe. Bei Panel-Daten sind diese Annahmen nicht erfüllt: Man hat

hier zwei Fehlerarten, zum einen die Varianz im Verkehrsverhalten zwischen unterschiedli-

chen Personen/Haushalten und zum Zweiten die Verhaltensunterschiede derselben Personen

bei den mehrfachen Befragungen. Daher werden andere Berechnungsmethoden für die Vari-

anzschätzung eingesetzt. Eine Möglichkeit ist der Ersatz der OLS-Parameterschätzung durch

andere Verfahren, eine andere der Einsatz �robuster� Varianzschätzungsverfahren. Bei der

Betrachtung der Verkehrsleistung werden unterschiedliche Möglichkeiten in ihrer Relevanz

für die vorliegenden Mobilitätspanel-Daten verglichen.

Das bisher dargestellte gilt sowohl für Querschnittsbetrachtungen, die bei Panelanalysen am

Anfang einer Untersuchung zu stehen haben und für Analysen zur Dynamik gleichermaßen,

die im Mittelpunkt dieser Arbeit stehen. Darüber hinaus ermöglichen Paneldaten weiter ge-

hende Analysen, wie z.B. die Zerlegung in intrapersonelle und interpersonelle Komponenten

der Verhaltensvarianz. In Variante 5 der Modelle zur Verkehrsleistung wird ein Beispiel zur

Analyse des intrapersonellen Verhaltens gegeben. Hier wird nicht vom Mittelwert der Perso-

nenkilometer der Gesamtstichprobe ausgegangen, sondern es werden die Abweichungen vom

jeweiligen persönlichen Mittelwert gebildet, die es zu erklären gilt.


5.1.1 Statistische Verfahren

Die möglichen statistischen Verfahren zur Erkennung von Bestimmungs- oder Einflussgrößen

für eine zu erklärende Größe lassen sich als Erweiterungen der klassischen linearen Regressi-

on als generalisierte lineare Modelle (Generalized Linear Models, GLMs) interpretieren.41

Im linearen Modell einer einfachen multiplen Regression wird der Erwartungswert µµµµ = E(y)

des Vektors von Beobachtungen einer abhängigen Variablen y durch Multiplikation der Ma-

trix X der Beobachtungswerte der verschiedenen Einflussgrößen mit dem Vektor der Regres-

sionskoeffizienten β β β β dargestellt:

(1) µµµµ = Xββββ

Unter den Annahmen, dass die yi normalverteilt mit der Varianz σ und unabhängig sind, wer-

den die ββββ durch Minimierung der Fehlerquadratsummen (y - µµµµ)T(y - µµµµ) bestimmt.

In der Verallgemeinerung dieser Modelle werden die zu erklärenden Größen durch eine mo-

notone Funktion g (die sogen. Link-Funktion) transformiert, das Modell also erweitert:

(2) g(µµµµ) = Xββββ

Neben der logarithmischen Transformation, die die Einflussgrößen multiplikativ als Faktoren

statt als additive Komponenten einbezieht, ist insbesondere ist die Logit-Transformation von

Prozentwerten in eine unbeschränkte Variable von Bedeutung.

g(µ) = log[ µ / (1-µ) ] für 0 < µi < 1.

Zusätzlich wird eine Varianz-Funktion eingeführt, denn wenn z.B. y beschränkt ist (Prozent-

werte wie beim Modal-Split oder nur positive Werte wie bei Verkehrsaufkommen und -

leistung), ist die Varianz nicht konstant. Wenn etwa µ dicht am Grenzwert von y ist, kann die

Varianz var(y) nur klein sein. Bei höheren Werten einer positiven empirischen Funktion steigt

i.a. auch die Streuung. Daher wird für GLM zusätzlich eine Varianz-Funktion V( ) passend zu

den Daten vorgegeben.

(3) var(y) = φ V(µ)

41 Quelle der folgenden Darstellung: http://www.statdem.sdu.dk/~gks/research/glm/intro.html. Gordon Smyth,Department of Mathematics, University of Queensland. Copyright © 1997. Vgl. auch Mc Cullagh und Nelder(1983).


In der nichtlinearen Regressionsgleichung (2) werden daher die Beobachtungen mit den

Kehrwerten entsprechend den Varianz-Funktionen V(µi) gewichtet. Dies ist äquivalent zu

einer Maximum-Likelihood-Schätzung (Maximum Likelihood Estimation MLE).

Grundprinzip dieser Weiterentwicklungen der linearen Regression sind also Transformationen

(über sogen. Link-Funktionen) bzw. Gewichtungen der beobachteten Werte. Die Notwendig-

keit solcher Datentransformationen ergibt sich aus sonst fehlenden Eigenschaften, die für

Tests unterstellt werden müssen (z.B. konstante Varianz unabhängig vom Mittelwert). Die

Transformationen sind auch inhaltlich begründet (z.B. dass Änderungen der erklärenden Va-

riablen prozentual, abhängig vom Ausgangswert und nicht unabhängig hiervon mit dem Ab-

solutbetrag auf die zu erklärende Grösse wirken sollen),42 oder aus der Abbildung unter-

schiedlicher Skalenniveaus auf eine stetige Variablenfunktion bedingt.

Bei binominalen abhängigen Variablen ist die Kategorienanalyse ein gängiges Verfahren (z.B.

CATMOD in SAS). Es werden die einzelnen Messungen / Stichprobenwerte in Häufigkeits-

gruppen zusammengefasst, so dass sich hierfür Häufigkeiten oder �Wahrscheinlichkeiten� für

das Auftreten einer der beiden Variablenausprägungen bilden lassen. Auf diese können die

vorher beschriebenen Schätzverfahren (MLE) angewendet werden.43

Darüber hinaus sind die besonderen Datenstrukturen eines Panel zu berücksichtigen. Durch

die wiederholte Befragung derselben Personen ergeben sich für Paneldaten besonders kom-

plexe Fehlerstrukturen. Die Unabhängigkeit der Messungen ist nicht gegeben. Andererseits

bestehen neue Analysemöglichkeiten, da die vorherigen Messungen der abhängigen Größe y

mit einbezogen werden können. Es existiert umfangreiche Literatur zu den Methoden der Pa-

nelanalyse, darunter in deutscher Sprache Engel und Reinecke (1994), siehe des Weiteren den

Sammelband von Engel und Reinecke (1996) und das Standardwerk von Hsiao (1986) sowie

einzelne in der Literaturliste aufgeführte Artikel.

42 D.h. z.B. es wird erwartet, dass eine Einkommensveränderung um 100 DM bei einem Basiseinkommen von1000 DM höhere Reaktionen bewirkt, als bei einem Einkommen von 10000 DM.43 Durch die Effektkodierung der kategorischen Einflussgrößen ist die Summe der Parameter der MerkmalsstufenNull bzw. es erübrigt sich die Angabe eines Parameters, vgl. Tutz (2000).


5.1.2 Methodenstudie von IVT und Steinbeis-TZ

In der Methodenstudie von IVT Heilbronn und Steinbeis-TZ Angewandte Systemanalyse

Stuttgart44 werden zwei Ansätze zur Analyse der Paneldaten verfolgt.

Vom Steinbeis-Transferzentrum Angewandte Systemanalyse sind Modelle der künstlichen

Intelligenz zur Fragestellung, welche Einflussgrößen die wöchentlich für Verkehr aufgewen-

dete Zeit bestimmen, eingesetzt worden. Neuronale Netze haben im Vergleich zu den klassi-

schen statistisch-ökonometrischen Modellen der linearen Regressions- und Varianzanalyse

den Vorteil, nichtlineare Zusammenhänge zu berücksichtigen. Der große Nachteil liegt jedoch

(derzeit noch) in der fehlenden Standardsoftware und darin, dass die Modellbildung, wie die

Ausgestaltung des Lernverfahrens und der zusätzlichen Parameter, z.B. Zahl der verdeckten

Neuronen, großer Erfahrung mit den Verfahren bedarf. Für dieses Projekt konnten diese Mo-

delle vom DIW noch nicht eingesetzt werden.

Das von IVT an den Beispielen

• Erklärung der Dauer der Verkehrsbeteiligung (Variable DAU_SUM) als metrischer Varia-

blen und

• Erklärung der Nutzung des Pkw als Fahrer am Befragungstag (Variable NUTZPKW) als

Beispiel einer kategorialen abhängigen Größe

eingesetzte statistische Modell ist dagegen in Standardsoftwarepaketen SAS bzw. LIMDEP

implementiert. Das vorgeschlagene Verfahren lässt sich � wie oben dargestellt � als eine Er-

weiterung der klassischen linearen Regressions- und Varianzanalyse interpretieren. Es unter-

scheidet sich hiervon durch die Möglichkeit, Variable mit zufälligen Effekten einzubeziehen,

sowie durch die Schätzmethode für die Modellparameter. Die für die Modelle mit metrischer

abhängiger Variablen eingesetzte Prozedur MIXED des SAS-Programmpakets nimmt nach

der �Feasible Generalized Least Squares (FGLS)�-Methode eine �Restricted Maximum-

Likelihood (REML)�-Schätzung vor. Die Zerlegung der Einflussgrößen der Schätzgleichung

in solche mit festen Effekten (den eigentlich gesuchten erklärenden Variablen) und �zufälli-

gen Effekten�, die in den speziellen Einstellungen und Verhaltensweisen der (zufällig ausge-

wählten) wiederholt befragten Haushalte und Personen liegen, erfolgt über die entsprechende

Einbeziehung der Haushalts- und der Personennummer in die Analyse. Dies ermöglicht die

44 Vgl. IVT und Steinbeis -TZ Angewandte Systemanalyse (1999).


Aufteilung der nach Berücksichtigung der festen Effekte verbleibenden Residuen in ein als

rein zufallsabhängiges unterstelltes �Weißes Rauschen� und in eine �Varianzkomponente�,

die sich aus den Erklärungsbeiträgen der wiederholten Befragung der gleichen Person/des

gleichen Haushalts mit seinen Eigenheiten ergibt.

5.2 Die Quer- und Längsschnittanalyse im Vergleich

In diesem Abschnitt werden exemplarisch einige inhaltliche Zusammenhänge herausgegriffen,

um die Analyseansätze und Ergebnisse bei der Quer- und Längsschnittbetrachtung zu verglei-

chen. Zur Analyse sind am DIW die statistischen Programmpakete SAS und Stata eingesetzt

worden. Sowohl in SAS als auch in Stata stehen unterschiedliche Möglichkeiten zur Verfü-

gung, um die Komplexität der Paneldaten angemessen zu berücksichtigen. Als Verhaltensin-

dikatoren werden in den folgenden Analysen Wochenwerte der gesamten Wegehäufigkeit und

der Anzahl Wege mit öffentlichen Verkehrsmitteln sowie die Summe der jeweils zurückge-

legten Entfernungen herangezogen. Zwei Datensätze werden für die Analysen genutzt: Der

gepoolte Bestand aller Teilnehmer unabhängig von der Teilnahmehäufigkeit (N ca. 7 500,

Mehrfachteilnehmer werden mehrfach einbezogen) und der Bestand aller Wiederholer mit

Variablenwerten für jeweils zwei Beobachtungsjahre (N ca. 3 200, Dreifachteilnehmer werden

doppelt einbezogen). In einigen Analyseschritten wird die Stichprobe in Untergruppen seg-

mentiert.

Zunächst werden für die Wegehäufigkeit - ein zentraler Indikator für die Mobilität � die Er-

klärungsgrößen in einem Quer- und einem Längsschnittansatz ermittelt und bewertet. Der

Befund leitet dann zur Analyse der ÖV-Nutzung über, einem Verhaltensindikator, von dem

erwartet werden kann, dass er sensibler im Zusammenhang mit der Veränderung struktureller

Variablen reagiert als die Wegehäufigkeit insgesamt. Schließlich wird die persönliche Ver-

kehrsleistung der Befragten modelliert.

5.2.1 Bestimmungsgrößen der wöchentlichen Wegehäufigkeit

Die Wegehäufigkeit ist ein wesentlicher Indikator für die Mobilität von Personen und war

Gegenstand zahlreicher Analysen. Die Anzahl der durchgeführten Wege hängt unmittelbar mit

der Anzahl der Aktivitäten außer Haus zusammen und ist deshalb im Aggregat eine relativ

stabile Größe in zeitlichen oder räumlichen Vergleichen. Im Folgenden werden alle in der


Berichtswoche von den befragten Personen angegebenen Wege in die Analyse einbezogen,

damit sind alle Wochentage gleichermaßen in der Analyse repräsentiert. Dies wird Unter-

schiede in den Wegezahlen und in den Bestimmungsgrößen gegenüber anderen Untersuchun-

gen bewirken, wenn diese z.B. auf Daten für Werktage basieren und / oder sich auf Wege (je

Person und Tag) beziehen.

Ziel der Querschnittanalyse ist es nicht, den vorhandenen Untersuchungen noch eine weitere

hinzuzufügen. Es geht vielmehr darum,

• die bei einer normalen Querschnittbetrachtung in diesem Datenbestand vorhandenen Er-

klärungsmuster offen zu legen,

• daraus Hypothesen für die Bedeutung der Veränderung von Einflussgrößen im Übergang

(im Längsschnitt) abzuleiten und

• diese Hypothesen in einer Längsschnittanalyse zu überprüfen.

Die Querschnittsanalysen werden mit dem gepoolten Datenbestand der Wellen 1994 bis 1998

oder 1999 durchgeführt. Damit stehen bis zu ca. 7 650 Beobachtungen (Personenwochen) für

die Analyse zur Verfügung (vgl. Übersicht 2-17) Die abhängige Variable �Wegehäufigkeit�

ist annähernd normalverteilt mit einem Mittelwert von 24,6 Wegen je Person und Woche. Zur

Auswahl der relevanten Einflussgrößen wird zunächst die Signifikanz aller siebzehn in Frage

kommenden Variablen in einem varianzanalytischen Haupteffektenmodell geprüft.45 Fünf

Variablen erweisen sich bei einer Grenze für die Irrtumswahrscheinlichkeit von 1 % als nicht

signifikant (aus der Variablenliste: Anzahl Pkw im Haushalt, Geschlecht, Haushaltstyp, Park-

situation an der Wohnung, Parksituation am Arbeits-/Ausbildungsplatz). Die im Erklärungs-

modell für die wöchentliche Wegehäufigkeit verbleibenden 12 Variablen sind in der Übersicht

5-1 mit den Freiheitsgraden (DF), dem F-Wert und der Irrtumswahrscheinlichkeit ausgewie-

sen. Das Haupteffektenmodell (ohne Interaktionen) erreicht eine Varianzaufklärung von 14 %,

alle Variablen sind hochsignifikant. Sieben der signifikanten Variablen messen Personen-

merkmale (Alter, etc.) oder andere Angaben der Personen (Erreichbarkeit, Zufriedenheit),

zwei Variablen sind Haushaltsmerkmale und die Variable Raumtyp ist eine auf fünf Stufen

zusammengefasste Typisierung nach BIK.

45 Geschätzt mit der Prozedur GLM (General Linear Models) des Statistikpaketes SAS (vgl. SAS Institute Inc.,1994), Release 6.12.


Übersicht 5-1:Wöchentliche Wegehäufigkeit - Haupteffektenmodell

Variable DF F-Wert p-WertKohorte 5 4,15 0,0009Jahr 5 3,57 0,0032

Modell 43 29,58 0,0001

R2 = 0,14 N = 7618

Alter 6 20,29 0,0001Schulabschluß 3 43,19 0,0001Beruf 6 9,16 0,0001Pkw-Verfügung 1 30,47 0,0001Führerschein Pkw 1 39,25 0,0001Erreichbarkeit Arbeitsplatz/ 5 6,63 0,0001

Ausbildungsplatz mit ÖVZufriedenheit mit ÖV 2 10,86 0,0001

HH-Größe 3 19,86 0,0001Kinder bis 10 Jahre 2 9,05 0,0001

Raumtyp 4 6,96 0,0001

Quellen: Mobilitätspanel 1994-1999; Berechnungen des DIW.

Es ist zu vermuten, dass die zwei weiteren Variablen �Kohortenzugehörigkeit der befragten

Person� und �Jahr der Befragung oder Welle� methodische Einflüsse der Stichprobenent-

wicklung messen. Da sie signifikant sind und hier methodische Aspekte ebenso interessieren

wie inhaltliche, müssen sie in einem Erklärungsmodell enthalten sein. Die Darstellung der

Effekte der einzelnen Ausprägungen der Variablen in der Übersicht 5-2 zeigt eine von der

Kohorte 1994 bis zur Kohorte 1997 ansteigende Wegezahl. Die Differenz beträgt immerhin

1,5 Wege und ist damit größer als die Unterschiede zwischen den Effekten einiger inhaltlich

relevanter Variablen. Für die Kohorten 1998 und 1999 liegt die Wegezahl niedriger als für die

1997er Kohorte, aber noch über denen der älteren Kohorten.


Übersicht 5-2:Effekte auf die wöchentliche Wegehäufigkeit

Kohorte

Jahr

Pkw-Verf.

Schulabschl.

Beruf

Alter

HH-Größe

FS PkwPers. unter 10

Raumtyp

Öff. Err.

Öff. Zuf.

-6 -5 -4 -3 -2 -1 0 1 2 3 4

949596979899949596979899

VH ohne LehreVH mit LehreMittlere ReifeAbi+vollzeitteilzeitarbeitslosSchuleAzubiHausRentner

bis 24bis 34bis 54bis 64bis 7475 +

bis 18

1234 und mehrneinja

>100 Kern>100 Rand20-1005-20<5zügig, direktlangsam, direkt1x umsteigen2x umsteigenkeinek.A.zufriedenverbesserungsfähigk.A.

keine12 und mehr

neinja

-6 -5 -4 -3 -2 -1 0 1 2 3 4Wege

Wege



Für die Interpretation ist zu bedenken, dass der Zielwert �Wegehäufigkeit� für eine hypotheti-

sche Person mit bestimmten Merkmalen nur durch die Linearkombination aller einzelnen 12

Effekte bestimmt werden kann (z.B. Person der Kohorte 1996, in der Welle 1997, ohne Pkw-

Verfügung, mit mittlerem Schulabschluss, etc.). Bezüglich des Kohorteneffektes heißt dies

zum Beispiel, dass mit der Zugehörigkeit zur Kohorte 1997 eine deutlich höhere Wegezahl

verbunden ist, gegeben (oder kontrolliert für) die anderen 11 Effekte. Weitere Einflüsse, die

sich in der Variablen Kohorte niederschlagen, da sie nicht mit den angegebenen anderen Va-

riablen kontrolliert werden, könnten also eine Rolle spielen. Ebenso schwierig ist die Inter-

pretation des Einflusses des Befragungsjahres, die Effekte sind springend und klein. Beide

Variablen können als Stellvertreter (Proxy) für andere, nicht gemessene Einflüsse stehen.

Die isolierte Wirkung der 10 inhaltlichen Einflussgrößen sei nur kurz charakterisiert:

• mit voller Pkw-Verfügung sind etwa 1,5 mehr wöchentliche Wege verbunden;

• mit steigendem Bildungsniveau nimmt die Wegehäufigkeit deutlich zu;

• in den Berufs- oder Lebenszyklus-Kategorien weisen Teilzeitbeschäftigte die höchsten

Wegezahlen auf, gefolgt von den Rentnern;

• mit höherem Alter sinkt die Wegezahl � diese Variable hat die größten Effekte mit einer

Differenz von 8,7 Wegen zwischen den bis 18-jährigen und den über 75-jährigen Perso-

nen;

• Befragte in Haushalten mit zwei oder drei Personen haben eine geringere, die in Haushal-

ten mit vier oder mehr Personen höhere Wegezahl;

• die Personen mit Pkw-Führerschein weisen systematisch 2,4 Wege wöchentlich mehr auf;

• mit Kindern im Haushalt der befragten Personen liegt die Wegezahl höher;

• im ländlichen Raum sind die Wegezahlen geringer als in den anderen Raumtypen;

• die Personen mit schlechter Erreichbarkeit des Arbeits- oder Ausbildungsplatzes mit dem

ÖV und

• die Personen, die sich eine bessere ÖV-Anbindung ihrer Wohngegend wünschen, berich-

ten weniger Wege.

Aus diesem Erklärungsmuster können nun Hypothesen über die Wirkung der Veränderung

von Einflussgrößen im Übergang auf die Wegehäufigkeit abgeleitet werden. So legt der Un-

terschied in der Wegezahl für die zwei Kategorien der Pkw-Verfügung nahe, dass mit einem

Wechsel zwischen den Kategorien eine Veränderung um etwa 1,5 Wege verbunden sein


könnte. Entsprechendes gilt für die weiteren �faktischen� Einflussgrößen. Mit Änderungen in

den �weicheren� Angaben zur Erreichbarkeit und Zufriedenheit können wohl weniger eindeu-

tige Wirkungen erwartet werden, wie schon die schwer interpretierbaren Effekte der Quer-

schnittsanalyse zeigen.

Die Variable Alter ist perfekt korreliert mit der Zeit � also den Wellen der Befragung � und

daher können in einer Längsschnittanalyse Alterseffekte innerhalb der Personen nicht von

anderen zeitabhängigen Effekten getrennt werden. Alterseffekte können also nur in einer

Querschnittsanalyse gemessen werden � wie es mit dem oben geschilderten Querschnittsmo-

dell geschehen ist. Andere Einflussgrößen - wie das Ausbildungsniveau und der Besitz eines

Führerscheins � ändern sich bei fast allen Personen nicht mehr sobald sie das Erwachsenenal-

ter erreicht haben, sind also auch invariant über der Zeit (vgl. Bradley, 1997, S. 283).


Übersicht 5-3:Wöchentliche Wegeanzahl der Mehrfachteilnehmer im Mobilitätspanel

Wegehäufigkeit in jeweils zwei Folgebeobachtungen

Anzahl derFälle

0

10

20

30

40

50

60

0 10 20 30 40 50 60

Wegeanzahl in erster Beobachtung

Weg

eanz

ahl i

n zw

eite

r Beo

bach

tung

bis 45 bis 89 bis 1213 bis 1617 bis 20

Quellen: Mobilitätspanel 1994-1999,Berechnungen des DIW.

In der Übersicht 5-3 ist die doch beachtliche Streuung der Wegezahlen zwischen erster und

zweiter Beobachtung aufgetragen. Diese Graphik vermittelt nicht das Bild einer konstanten

Anzahl der Wege auf individueller Ebene. Der hier gewählte Ansatz für die Längsschnittana-

lyse in einem Übergang will die Wegeanzahl in der zweiten Beobachtung (WEGE2) erklären

mit derjenigen in der ersten Beobachtung (WEGE1) und weiteren Variablen, die eine Verän-

derung in den auch im Querschnittsmodell genutzten Einflussgrößen messen. Zusätzlich zu

den genannten Variablen steht für eine Längsschnittbetrachtung die Information �Wechsel des

Arbeits- oder Ausbildungsplatzes im letzten Jahr� zur Verfügung. Mit WEGE1 stehen damit

zwölf Variable im Modell, von denen sich allerdings nur drei als signifikant erweisen. Nicht

signifikant auf die Veränderung der Wegezahl wirken in diesem Modell Änderungen der An-

zahl Pkw, des Schulabschlusses, der Kategorie im Lebenszyklus, der Haushaltsgröße, des


Führerscheinbesitzes, der Anzahl Kinder im Haushalt, des Raumtyps und der Erreichbarkeit

des Arbeits- oder Ausbildungsplatzes mit öffentlichen Verkehrsmitteln.

Übersicht 5-4:Änderung der wöchentlichen Wege - Haupteffektenmodell Längsschnitt

Modell 6 341,06 0,0001

R2 = 0,41 N = 2969

Wege 1 1 1777,83 0,0001

Delta PKW-Verfügung 3 3,37 0,0178

Arbeits-/Ausbildungsplatz 2 12,96 0,0001-Wechsel

Variable DF F-Wert p-Wert


Als signifikant verbleiben die Änderung der Pkw-Verfügung und der Wechsel des Arbeits-

oder Ausbildungsplatzes neben der Wegezahl in der ersten Beobachtung im Modell

(Übersicht 5-4), das damit eine Varianzaufklärung von 41 % erreicht. Diese wird fast aus-

schließlich von der Wegezahl in der ersten Beobachtung abgedeckt, d. h. obwohl die beiden

weiteren Variablen signifikant sind ist ihr Erklärungsbeitrag für die abhängige Variable sehr

bescheiden. Dies wird auch an der Größe der geschätzten Effekte deutlich: Bei einem Abso-

lutglied von 7,75 und einem geschätzten Parameter für WEGE 1 von 0,62 ergibt sich für einen

mittleren Fall (Mittelwert WEGE1 = 24,9, Variationskoeffizient 39 %) ein Basiseffekt von

23,2 Wegen, der von beiden weiteren Variablen nur noch geringfügig modifiziert werden

kann. Bedeutender als bei der Querschnittsmodellierung (dort sollen nur generelle Erklärungs-

strukturen aufgezeigt werden, einzelne Effekte innerhalb signifikanter Variablen sollten u.U.

nicht �überinterpretiert� werden) ist im Längsschnitt die Frage der Signifikanz einzelner Ef-


fekte. Eine vierstufige Variable kann z.B. signifikant im Modell vertreten sein, obwohl nur

einer der vier Effekte signifikant verschieden von Null ist.

In der Übersicht 5-5 sind die für die einzelnen Ausprägungen der Veränderungsvariablen ge-

schätzten Effekte veranschaulicht. Als Vorgabe wird der Effekt für die Fälle auf Null gesetzt,

die in der ersten und der zweiten Beobachtung nicht uneingeschränkt über einen Pkw verfügen

(N = 1043). Relativ dazu wird für die Personen, die unverändert über einen Pkw verfügen, ein

positiver Effekt von 0,71 geschätzt. Für die 203 Personen, die die volle Pkw-Verfügung zwi-

schen erster und zweiter Beobachtung verlieren, ergibt sich eine systematische Verringerung

der Wegezahl um 0,77. Die geschätzte Wirkung auf die Wegezahl bei Erlangen der vollen

Pkw-Verfügung (224 Personen) liegt nahe Null (+0,09). Hingegen legt die Querschnittsanaly-

se nahe, dass mit einer Veränderung der Pkw-Verfügung eine entsprechende Veränderung der

Wegezahl um 1,5 verbunden sein könnte. Die hier bestimmten Effekte sind weitaus geringer

und deutlich unsymmetrisch.

Für die Variable �Wechsel des Arbeits- oder Ausbildungsplatzes im letzten Jahr� ist der Ef-

fekt für die 1 138 Personen auf Null gesetzt, für die die Frage nicht zutrifft, weil sie weder

berufstätig noch in Ausbildung sind. Relativ dazu wird ein Effekt von +1,52 Wegen für die

Personen ohne und von +0,92 für diejenigen mit Wechsel des Arbeits-/Ausbildungsplatzes

geschätzt. Mit der Wirkung dieser Einflussgröße ist nicht von vornherein eine Hypothese ver-

bunden, da ein Arbeitsplatzwechsel neutral, positiv oder negativ mit der Wegezahl einer Per-

son verbunden sein kann. Daher scheint es, dass diese Wechsel-Variable hier das höhere

Wegeniveau der Personen in Ausbildung und Berufstätigkeit misst und nicht eine Verände-

rung im Übergang.


Übersicht 5-5:Effekte auf die Veränderung der wöchentlichen Wege - Haupteffektenmodell

nein ja trifft nichtzu

N 1629 203 1138

Arbeits-/Ausbildungsplatz-Wechsel

unverändertnein

unverändertja

ja →→→→ nein

1043 1500 203

Pkw-Verfügung

nein →→→→ ja

224

Basiseffekt 7,75 + 0,62 * Wege 1

Mittelwerte Wege 1 = 24,9

→→→→ Wege 2 = 24,5

0,92 0,71

-0,77

0,090,01,52 0,0

Wege

0,0

-1,0

1,0

2,0


Obwohl dies interessante Erkenntnisse sind, ist der Befund aus diesem Ansatz insgesamt

spärlich. Dies könnte zahlreiche Ursachen haben, u. a könnte der Modellansatz ungeeignet

und die Zielgröße Wegezahl könnte tatsächlich zu träge sein. Daher werden im Folgenden mit

der ÖV-Nutzung und der Verkehrsleistung sensiblere Indikatoren des Verkehrsverhaltens be-

trachtet.

5.2.2 Bestimmungsgrößen der Nutzung öffentlicher Verkehrsmittel

Die signifikant zur Erklärung der wöchentlichen Wege mit dem ÖV beitragenden Variablen

werden wiederum mit einem varianzanalytischen Haupteffektenmodell ermittelt.46 Von den

46 Geschätzt mit der Prozedur GLM des Statistikpaketes SAS (vgl. SAS Institute Inc., 1994), Release 6.12. Andie Prüfung der Mittelwertsunterschiede mit dem F-Test sind einige Voraussetzungen gebunden, die für dieWegehäufigkeit nicht erfüllt sind. Allerdings gilt die Varianzanalyse gegen die Verletzung der Voraussetzungenals robust, insbesondere bei dem hier gegebenen großen Stichprobenumfang. Bei Verletzung der Normalität neigtder F-Test zu konservativen Entscheidungen (vgl. Bortz, 1985, S. 300, S. 344 und S. 346f). Kodiert man die


17 getesteten Einflussgrößen erweisen sich drei räumliche Merkmale und fünf Merkmale der

Personen als bedeutsam (Übersicht 5-6). Für die einzelnen Merkmalsausprägungen sind die

Effekte in der Übersicht 5-7 dargestellt. So ist mit höherem Schulabschluss eine stärkere Nut-

zung des ÖV verbunden und in den Kategorien der Berufsstellung zeigen sich für Schüler die

höchsten und für Hausfrauen die geringsten Effekte auf die ÖV-Nutzung.

Übersicht 5-6:Wöchentliche Wege mit dem ÖV - Haupteffektenmodell

Modell 32 105,60 0,0001

R2 = 0,31 N = 7617

Arbeit/ AusbildungErreichbarkeit ÖV 5 60,65 0,0001Parkraumsituation 4 40,74 0,0001

Raumtyp 4 46,81 0,0001

VariableVariable DFDF F-WertF-Wert p-Wertp-Wert

Alter 6 11,24 0,0001Schulabschluß 3 12,85 0,0001Beruf 6 7,31 0,0001Pkw-Verfügung 1 121,89 0,0001Pkw im Haushalt 3 171,26 0,0001


Übersicht 5-7:Effekte auf die wöchentliche Wegehäufigkeit mit öffentlichen Verkehrsmitteln

wöchentliche ÖV-Nutzung als zweistufige kategoriale Variable (Nutzer des ÖV/Nichtbenutzer des ÖV) undschätzt sie als abhängige in einem Logit-Modell (Prozedur CATMOD in SAS), so ergibt sich eine Struktur derParameter, die der hier präsentierten sehr ähnlich ist.


Wege-1,5 -1,0 -0,5 0 0,5 1,0 1,5 2,0 2,5 3,0

Alter

Schulabschl .

Beruf

Pkw-Verf .

Pkw im HH

Err. ÖV

Parkplatz

Raumtyp

bis 24bis 34bis 54bis 64bis 7475 +

VH ohne LehreVH mit LehreMittlere ReifeAbi+vollzeitteilzeitarbeitslosSchuleAzubiHausRentnerneinja0123 und mehrzügig, direktlangsam, direkt1x umsteigen2+ umsteigenkeinek.A.sehr schwierigschwierignicht bes. schw.nicht schwierigk.A.>100 Kern>100 Rand20-1005-20<5

bis 18

Wege-1,5 -1,0 -0,5 0 0,5 1,0 1,5 2,0 2,5 3,0


Als rein deskriptive Längsschnittanalyse präsentiert die Übersicht 5-8 die Nutzungshäufigkeit

des ÖV für die AEinflussgrößeder wichtigen Einflußgröße Pkw-Verfügbarkeit in den Über-

gängen. Die Personen, die jeweils volle Pkw-Verfügbarkeit angegeben haben, berichten im


Mittel 0,76 bzw. 0,67 Wege mit dem ÖV. Wer zu beiden Befragungszeitpunkten keinen vol-

len Zugriff auf ein Auto hatte, trug im Durchschnitt gut 3,4 ÖV-Wege in das Wegeprotokoll

ein. Bei den 232 Personen, die den Zugriff auf ein Auto zwischen dem ersten und dem zwei-

ten Befragungszeitpunkt verloren, steigt die Inanspruchnahme des ÖV von 0,98 auf 1,29 We-

ge. Deutlicher geht jedoch die Zahl der Wege mit dem ÖV bei den 242 Personen zurück, die

die volle Verfügung über ein Auto erlangen: ihre ÖV-Inanspruchnahme sinkt von 1,50 auf

0,90 Wege je Woche. In dieser Grafik wird offenbar, dass die Personen mit einem Wechsel -

in diesem Fall der Pkw-Verfügung - in der ersten und in der zweiten Beobachtung ein anderes

Niveau der ÖV-Nutzung aufweisen als wir es bei den Personen ohne eine derartige Verände-

rung vorfinden.

Übersicht 5-8:Deskriptive Längsschnittanalyse der Wegehäufigkeiten mit dem ÖV zu zwei Zeitpunkten

ÖV-Wege

Zeitpunkt

Pkw-Verfügbarkeit

N

1 2

jeweils ja

1640

1 2

jeweils nein

1150

1 2


232

1 2


242

0,76

3,44

0,98

1,50

0,67

3,41

1,29

0,90

0

0,5

1

1,5

2

2,5

3

3,5

4


Wie in der Modellierung im Querschnitt mehrere Variable eine abhängige Größe simultan

beeinflussen, ist auch eine mehrschichtige Kausalität im Längsschnitt für die Veränderung

entsprechender Verhaltensgrößen zu vermuten. Daher wird wie in dem Modellierungsansatz

für die gesamte Wegehäufigkeit versucht, die Anzahl der ÖV-Wege in der zweiten Beobach-

tung zu erklären durch die Zahl der ÖV-Wege in der ersten Beobachtung (als Niveau-


Variable) und die Veränderung aller infrage kommenden Erklärungsvariablen zwischen den

zwei Beobachtungen (als Anpassungs-Variablen). Dabei erweisen sich jedoch die Verände-

rungen aller sozio-demographischen Variablen als nicht signifikant. Neben der ÖV-Wegezahl

in der ersten Beobachtung können sich nur die Veränderung der Pkw-Verfügung der Person

und die Veränderung der Angabe zur Erreichbarkeit des Arbeits- oder Ausbildungsplatzes mit

dem ÖV als signifikante Erklärungsgrößen behaupten (in Übersicht 5-9 als Delta-Variable

bezeichnet). Dabei ist der Anteil an Aufklärung der Varianz, den die Delta-Variablen beitra-

gen, sehr bescheiden (s. F-Werte in Übersicht 5-9).

In der hier analysierten Stichprobe liegt für die wöchentliche Zahl der Wege mit dem ÖV ein

Mittelwert in der ersten Beobachtung von 1,78 und in der zweiten Beobachtung von 1,69 vor.

Als Ergebnis des Modells setzt sich die Wegezahl in der zweiten Beobachtung additiv aus drei

Effekten zusammen:

• der Summe aus dem Absolutterm (1,1) und dem geschätzten Effekt des Niveaubeitrags der

Wegezahl in der ersten Beobachtung (0,66 * ÖV-Wegezahl 1) als Basiseffekt von 2,2 im

Mittel der Stichprobe,

• einem Effekt für die drei Ausprägungen der Veränderung der Erreichbarkeit (unverändert,

besser, schlechter),

• einem Effekt für die vier Ausprägungen der Veränderung der Pkw-Verfügung der be-

fragten Person (unverändert nein, unverändert ja, erst ja � dann nein, erst nein � dann ja).

Die für die zwei Delta-Variablen geschätzten Effekte veranschaulicht die Übersicht 5-10. Hat

sich bei einer Person zwischen den zwei Beobachtungen die Angabe zur Erreichbarkeit nicht

verändert (Effekt 0,0) und hat die Person selbst nach wie vor keinen regelmäßigen Zugriff auf

einen Pkw (Effekt 0,0), so ist die Schätzung für die ÖV-Wegezahl in der zweiten Beobach-

tung identisch mit dem Basiseffekt. Für vier der fünf weiteren möglichen Merkmalskombina-

tionen ergibt sich eine geringere Inanspruchnahme des ÖV im zweiten Zeitraum, insbesondere

bei denjenigen, die zwischen erster und zweiter Befragung den Zugriff auf ein Auto erlangt

haben (Effekt �1,22) und denen, die unverändert einen Pkw zur Verfügung haben (Effekt �

0,95). Bemerkenswert ist, dass die Personen, die den Zugriff auf ein Auto verloren haben,

danach eine geringere ÖV-Nutzung aufweisen als die Vergleichskategorie für den Zustand in

der zweiten Beobachtung. Somit zeigen sich auch hier unsymmetrische jedoch für diese


zweiten Beobachtung. Somit zeigen sich auch hier unsymmetrische jedoch für diese einzelnen

Merkmalsausprägungen nicht signifikante - Effekte in den Übergängen.

Dieser Modellierungsansatz erscheint jedoch noch formal unbefriedigend, u.a. weil er allen

Personen die gleiche Bedeutung des Basiseffektes trotz sehr verschiedener Verhaltensausprä-

gung in der ersten Beobachtung zuweist. Außerdem gelten einige Einschränkungen bezüglich

der Erfüllung statistischer Voraussetzungen. Es sollten daher weitere Formen von so genann-

ten Link-Modellen erprobt werden, die z.B. mit Lag- oder Lead-Variablen die Informationen

verschiedener Erhebungswellen miteinander verknüpfen (vgl. Johnson und Hensher, 1982).

Übersicht 5-9:Änderung der wöchentlichen Wege mit dem ÖV - Haupteffektenmodell Längsschnitt

Modell 6 619,11 0,0001

R2 = 0,53 N = 3263

Wege ÖV 1 1 2843,88 0,0001

Delta PKW im Haushalt 2 3,03 0,0484

Delta Erreichbarkeit 3 35,10 0,0001Arbeit / Ausbildung mit ÖV

Variable DF F-Wert p-Wert



Übersicht 5-10:Effekte auf die Veränderung der wöchentlichen Wege mit dem ÖV � Haupteffektenmodell

Wege

unverändert besser schlechter

N 2235 483 546

Erreichbarkeit Arbeit/Ausbildungsplatz mit ÖV

unverändertnein

unverändertja


1150 1640 232

Pkw-Verfügung


242

-0,16

-0,95

-0,47

-1,22

0,000,00

0,22

-1,50

-1,00

-0,50

0,00

0,50 Basiseffekt 1,10 + 0,67 * WegeÖV1

Mittelwerte WegeÖV 1 = 1,78→ WegeÖV 2 = 1,69



5.2.3 Bestimmungsgrößen der persönlichen Verkehrsleistung

Die Verkehrsleistung wird hier als die in der Befragungswoche insgesamt zurückgelegten Di-

stanz in Kilometern betrachtet. Sie hat eine weit höhere Varianz (Variationskoeffizient V =

83 %) als die Wegezahl (V = 40 %). Dies gilt sowohl im Gesamtvergleich, als auch zwischen

den Personen (between) und für dieselben Personen (within) zwischen den einzelnen Jahres-

werten.47

Übersicht 5-11:Varianzzerlegung für Wege und Personenkilometer

Variable Varianzq. Mittelwert Std. Abweichung FälleWege Wege

Wege overall 24,6 9,8 N = 7357between 9,3 n = 4248

within 4,0km km

Pkm overall 243,4 202,1 N = 7357between 187,1 n = 4248

within 98,7Erläuterung im Text.Quelle: .Mobilitätspanel, gepoolt 1994-99, ungewichtet, Berechnungen des DIW.

Die Analysen zur Verkehrsleistung sind nicht mit SAS sondern mit dem Programmpaket Stata48

durchgeführt worden. Stata bietet Routinen zur Analyse von Paneldaten an, die auch unvollstän-

dige Beobachtungen einbeziehen. Dies betrifft im Mobilitätspanel Datensätze, die nicht für alle

drei Jahre Beobachtungen aufweisen. Die komplexen Fehlerstrukturen von Paneldaten werden in

den Modellen berücksichtigt.

Wie bei der Wegehäufigkeit wurden zunächst in Querschnittregressionen im gepoolten Da-

tenbestand die Variablen isoliert, die Einfluss auf die Verkehrsleistung haben. Anschließend

wurden dynamische Modelle getestet, die zusätzlich definierte Änderungsvariablen umfassen.

47 Stata bietet für Paneldaten die Zerlegung der Varianz auch für Daten an, die unvollständig (unbalanced) sind,im Mobilitätspanel also nicht generell für alle drei Befragungsjahre Antworten enthalten. In der Tabelle beziehtsich die Standardabweichung für Insgesamt auf den Gesamt-Mittelwert. Bei der Zerlegung wird die Variable itx

(i für die Person und t für das Jahr) in die interpersonellen Varianz ix (between) und die intrapersonelle (within)

Varianz xxx iit +− (der globale Mittelwert x wird zurückaddiert, um die Ergebnisse vergleichbar zu ma-chen) aufgeteilt.48 StataCorp. (2001).


Es sind aus methodischen und inhaltlichen Gründen eine Reihe von unterschiedlichen Ansät-

zen getestet worden. Im Ergebnis stützt das Testen der von Stata angebotenen unterschiedli-

chen Verfahren, die sich vor allem auf die Schätzung der Varianz und damit auf die Beurtei-

lung der Signifikanz der unabhängigen Variablen auswirken, die Vorgehensweise bei den

vorher mit SAS durchgeführten Rechnungen zur Erklärung der Wegezahl. Die Besonderheiten

der Panel-Daten (keine Unabhängigkeit zwischen den Beobachtungswerten des gleichen

Haushalts) erfordern keine Modifikation der Modellansätze.

Übersicht 5-12:Quer- und Längsschnittmodelle zur Erklärung der Verkehrsleistung:

Test der Varaiblen

( 1 ) ( 2 ) ( 3 ) ( 4 ) ( 5 ) ( 6 ) ( 7 )Term Frei-

heits-grade

F stat P>F F stat P>F Waldchi2

P>chi2

Waldchi2

P>chi2

F stat P> F Waldchi2

P>chi2

Waldchi2

P>chi2

PkmVorjahr 1 — — — — — 66,8 ** 0,00 85,0 ** 0,00Kohorte 4 0,6 0,66 1,0 0,39 5,4 0,36 3,4 0,64 . . 5,4 0,25 3,3 0,51JAHR 4 1,4 0,21 0,9 0,49 4,0 0,55 5,7 0,34 1,4 0,21 7,3 0,12 6,6 0,16nTemp 1 13,4 ** 0,00 3,2 0,07 1,6 0,20 11,5 ** 0,00 2,8 0,09 1,5 0,22 3,3 0,07nReg 1 2,3 0,13 3,5 0,06 3,0 0,08 1,4 0,23 1,8 0,19 4,4 * 0,04 4,9 * 0,03KRANK 1 31,6 ** 0,00 12,6 ** 0,00 12,3 ** 0,00 30,3 ** 0,00 14,7 ** 0,00 25,7 ** 0,00 53,0 ** 0,00WERK 1 0,0 0,88 0,8 0,37 2,0 0,15 0,7 0,40 2,9 0,09 0,0 0,98 0,4 0,00FERIEN 1 4,0 * 0,05 0,0 0,90 0,0 0,88 2,3 0,13 0,0 0,90 1,1 0,29 0,2 0,67URLAUB 1 91,7 ** 0,00 22,7 ** 0,00 26,2 ** 0,00 110,8 ** 0,00 85,3 ** 0,00 74,4 ** 0,00 25,9 ** 0,00ANORM 1 1,6 0,21 0,8 0,38 1,6 0,21 3,7 0,05 4,8 * 0,03 0,0 0,86 3,4 0,07SEX 1 68,4 ** 0,00 19,0 ** 0,00 13,1 ** 0,00 57,4 ** 0,00 1,8 0,18 11,9 ** 0,00 13,4 ** 0,00ALTKL 5 5,6 ** 0,00 3,5 ** 0,00 18,4 ** 0,00 27,4 ** 0,00 0,7 0,59 8,1 0,15 22,6 ** 0,00SCHULAB 4 21,1 ** 0,00 9,9 ** 0,00 45,1 ** 0,00 86,8 ** 0,00 3,5 ** 0,01 44,4 ** 0,00 34,3 ** 0,02diwBERUF 3 16,4 ** 0,00 8,3 ** 0,00 25,4 ** 0,00 47,9 ** 0,00 3,8 ** 0,01 15,6 ** 0,00 13,7 ** 0,00HHGRO 5 4,5 ** 0,00 3,7 ** 0,00 19,9 ** 0,00 22,6 ** 0,00 1,8 0,12 11,2 * 0,05 11,1 * 0,05P0_10 4 0,9 0,47 3,8 ** 0,01 7,6 0,11 1,8 0,77 0,9 0,47 1,0 0,92 0,6 0,96RAUMTYP 4 26,5 ** 0,00 10,7 ** 0,00 38,6 ** 0,00 79,2 ** 0,00 2,8 * 0,03 17,2 ** 0,00 12,2 * 0,01PKWVERF3 2 5,5 ** 0,00 8,3 ** 0,00 15,4 ** 0,00 7,8 * 0,02 0,4 0,68 3,9 0,14 10,4 ** 0,00FSPKW 1 6,5 * 0,01 1,9 0,17 2,3 0,13 6,7 ** 0,01 0,5 0,48 1,3 0,26 1,7 0,19PKWHH 3 27,8 ** 0,00 18,0 ** 0,00 55,6 ** 0,00 71,5 ** 0,00 2,8 * 0,04 46,6 ** 0,00 66,9 ** 0,00OEFFERR 5 29,6 ** 0,00 15,2 ** 0,00 64,9 ** 0,00 104,3 ** 0,00 1,0 0,40 34,6 ** 0,00 26,5 ** 0,00ZEITOV 1 12,8 ** 0,00 3,0 0,09 2,9 0,09 9,7 ** 0,00 0,2 0,69 9,2 ** 0,00 15,8 ** 0,54OEFFZUF 1 2,4 0,12 1,4 0,24 0,5 0,47 0,5 0,46 9,2 ** 0,00 0,4 0,55 0,9 0,35Fallzahl n 7357 7357 7357 7357 7357 3115 3115 R2 0,20 0,23 - - 0,06 0,26 0,31 * signifikant auf 5 %-Niveau; ** signifikant auf 1 %-Niveau.(1) Lineare Regression,(2) Lineare Regression, gewichtet,(3) xtreg-Panelregression gewichtet, population averaged,(4) xtreg-Panelregression ungewichtet, population averaged,(5) xtreg-Panelregression ungewichtet, fixed effects,(6) xtreg-Panelregression, random effects, mit Pkm im Vorjahr als zusätzlicher Erklärungsgröße,(7) ln(Pkm) – xtreg-Panelregression, random effects, mit Pkm im Vorjahr als zusätzlicher Erklärungsgröße.Quelle: Mobilitätspanel 1994-1999, Berechnungen des DIW.


In den Querschnittsanalysen werden als erklärende Größen die panelspezifischen Variablen

Kohortenjahr und Befragungsjahr einbezogen. Als situative Einflussgrößen werden zwei

Variablen zum Wetter und die Zahl der Krankheits-, der Ferien- der Urlaubstage in der Be-

fragungswoche sowie die Zahl der Tage mit sonstigen Besonderheiten (Variable ANORM)

und der Tage mit �Auto in der Werkstatt� berücksichtigt. Geschlecht, Alter, Schulab-

schluss, Berufsstatus, Führerscheinbesitz, Pkw-Verfügbarkeit und Zeitkartenbesitz sind die

die Person beschreibenden Kenngrößen; Anzahl der Kinder, Haushaltsgröße und die Zahl

der Pkw im Haushalt sind die vertretbaren Haushaltsmerkmale. Als Kennziffern, die das

Verkehrsangebot abbilden sollen, sind der Raumtyp und die Erreichbarkeit von Arbeits-

bzw. Ausbildungsplatz mit öffentlichen Verkehrsmitteln (OEFFERR) angegeben. Schließ-

lich sind noch die Angaben zur subjektiven Zufriedenheit mit der ÖV-Anbindung in die

Analyse einbezogen worden.

Im Einzelnen wurden zur Analyse im Querschnitt sieben methodisch unterschiedliche Mo-

delle betrachtet:

(1) Eine (klassische) lineare Regression, die methodisch der Analyse der Wegehäufigkeit

vergleichbar ist.49

(2) Die gleiche Rechnung wie (1), jedoch mit DIW-gewichteten Fallzahlen. Die ersten

Jahre vor der Aufstockung 1996, im gepoolten Datenbestand unterdurchschnittlich

vertreten, erhalten mit der Gewichtung eine höhere Bedeutung. Durch die in den

Startjahren des Mobilitätspanels unterschiedlichen Ausfallhäufigkeiten verschieben

sich die Häufigkeiten bei den Ausprägungen einzelner Variablen.

(3) Von Stata werden eine Reihe von speziell für Panel-Daten entwickelte Analyserouti-

nen angeboten, die die unterschiedlichen Varianzstrukturen von unabhängigen Beob-

achtungen und von denen derselben Personen berücksichtigen. Die in Variante (3) ein-

gesetzte Stata-Prozedur �xtreg ,pa� entspricht weitgehend der SAS-Prozedur MIXED.

Stata bietet weitere Verfahren für Panel-Daten an, die wegen der angewandten Trans-

formationen aber nicht zusätzlich die Angabe von Gewichten vorsehen.

49 Die bei (1) und (2) durch die Mehfachbefragung derselben Personen verletzte Bedingung der Unabhängigkeitder Messungen kann bei Stata durch die Angabe der Cluster-Option berücksichtigt werden. Es wird dabei die vonHuber und White entwickelte �Sandwich-Formel� zur Berechnung robuster Varianz-Schätzer verwendet.


(4) Aus Vergleichszwecken ist als Rechnung (4) eine (3) vergleichbare Schätzung ohne

Gewichtung durchgeführt worden.

(5) Stata bietet die Möglichkeit, gezielt auf die intrapersonelle Varianz zu optimieren (fi-

xed effects): Das allgemeine Panel-Modell yit = α + xitβ + νi + εit mit i als Index für die

Personen und t für die Jahre hat die Residuen νi + εit. Für die Mittelwerte zu jeder Per-

son über die betrachteten Jahre gilt yi = α + xiβ + νi + εi . In der Optimierung nach den

festen Effekten wird nun das Modell (yit � yi) = (xit - xi) β + (εit - εi) betrachtet, d.h. es

werden Erklärungsgrößen für die intrapersonelle Varianz gesucht. In Spalte (5) sind

die Ergebnisse dieser Rechnung ausgewiesen.

(6) Schließlich sind Regressionen unter Einbeziehung der Verkehrsleistung der Person im

Vorjahr gerechnet worden. Damit wird bereits der Übergang zu den dynamischen Mo-

dellen begonnen. Durch die Hinzunahme der Verkehrsleistung des Vorjahres als Er-

klärungsgröße steigt die Erklärungsgüte des Modells, wenn auch nicht so deutlich wie

erwartet. Die Modelle (6) und (7) sind mit der �Random effects�-Option gerechnet

worden, die ebenfalls wie Modell (3) die unterschiedlichen intra- und interpersonellen

Varianzstrukturen berücksichtigt, aber weniger rechenzeitaufwendig ist.

(7) Modell (7) hat die Struktur wie (6) erklärt aber die logarithmierten Werte der Ver-

kehrsleistung [ln(Pkm)]. Aus dem additiven wird damit ein multiplikatives Modell. In

Übersicht 5-17 sind die Koeefizienten bereits in Faktorwerte umgerechnet worden.

Die in der Woche zurückgelegten Personenkilometer bilden eine asymetrische Verteilung, so

dass eine Transformation der bhängigen Variablen zur Annäherung an die Normalverteilung

für die statistischen Tests eigentlich notwendig ist. Da die bei den anderen, additiven Model-

len überwiegend verwendeten robusten Varianzschätzer aber eine der Transformation entspre-

chende Gewichtung der Beobachtungen mit großer Verkehrsleistung vornehmen, sind die Er-

gebnisse vergleichbar.

Die in der Spalte (7) der Übersicht 5-15 ausgewiesenen Koeffizienten sind als Faktoren zu

interpretieren. So wird die Verkehrsleistung von Frauen im Durchschnitt um 14 km (Modell

6) bzw. 6 % (Faktor 0,94 in Modell 7) niedriger geschätzt als der Mittelwert; mit Zeitkarten-

besitz steigt die Verkehrsleistung um 16 km (Modell 6) bzw. ein Zehntel (Modell 7), ohne

Zeitkartenbesitz ist sie um die genannten Werte niedriger.


Übersicht 5-13:Verteilung der in der Woche zurückgelegten Personenkilometer und Normalverteilung50

%

Pkm5 1000

0

0,12

%

Pkm5 1000

0

0,12

Pkm ln ( Pkm )


Die Ergebnisse für die sieben Modelle sind in Übersicht 5-12 bezüglich der Signifikanz der

Variablen und in Übersicht 5-17 im Detail ausgewiesen. Die in der Übersicht 5-17 darge-

stellten Ergebnisse wurden ohne die Variablen Kohorte und Befragungsjahr gerechnet, da

diese in allen Querschnitts-Modellen zur Verkehrsleistung nicht signifikant waren. Bevor

auf die inhaltlichen Ergebnisse weiter eingegangen wird, sollen kurz die methodischen Er-

gebnisse, wie sie im Vergleich der Modellvarianten deutlich werden, dargestellt werden.

Im Vergleich der Modelle (2) zu (1) und (3) zu (4) lässt sich die Wirkung der Gewichtung

ablesen. Die ersten Befragungsjahre 1994 und 1995 erhalten mit der Gewichtung eine höhere

Bedeutung. Durch die in den Startjahren des Mobilitätspanels unterschiedlichen Ausfallhäu-

figkeiten verschieben sich die Häufigkeiten bei den Ausprägungen einzelner Variablen. Den-

noch ergibt sich nahezu die gleiche Signifikanzstruktur für die gewichteten und die unge-

wichteten Rechnungen. So haben das Befragungs- und Kohortenjahr hier, wie auch in den

weiteren Rechnungen, keinen Einfluss. Lediglich die ohnehin sehr unsichere Angabe zur

Temperatur51 verliert durch die Gewichtung die Signifikanz, ebenso die Variablen Führer-

schein- und Zeitkartenbesitz.

50 Zum Vergleich ist eine Normalverteilung mit gleichem Mittelwert und gleicher Varianz eingezeichnet.51 Für mehr als ein Viertel aller Pesonentage liegt keine Wetterangabe vor.


Die Varianten (3) und (4) unterscheiden sich von den ersten beiden Varianten in der Raffi-

nesse der Bewertung der Signifikanz, durch die unterschiedliche Berücksichtigung der Va-

rianzverzerrung. Bei den Modellen (3) und (4) sind die Varianzen i.a. größer als in den Mo-

dellen (1) und (2), da berücksichtigt wird, dass voneinander nicht unabhängig Messwerte

für dieselben Personen vorliegen. Die Ergebnisse von (3) und (4) unterscheiden sich in den

Aussagen kaum von denen der einfachen linearen Regressionen mit robuster Varianzschät-

zung. Bei der den Paneldaten adäquaten Schätzung mit xtreg verliert beim Vergleich der

ungewichteten Daten (Modell 4 und 1) lediglich die Zahl der Ferientage ihre schwache Si-

gnifikanz; bei den Modellen mit Gewichtung (3 und 2) die Variable Zahl der Kinder bis zu

10 Jahren.

In (6) und (7) wird die Panelstruktur ebenfalls adäquat berücksichtigt. Zusätzlich wird die

Verkehrsleistung der Person im Vorjahr als erklärende Variable aufgenommen. Hier wird

erneut die hohe intrapersonelle Varianz der Verkehrsleistung deutlich: Die im Vorjahr zu-

rückgelegten Personenkilometer gehen nur mit dem Faktor 0,15 in die Erklärungsgleichung

ein. Fast alle in den Vergleichsrechnungen (1) und (4) ohne Einbeziehung der Verkehrslei-

stung des Vorjahres signifikanten Erklärungsgrößen sind auch in diesem Modell vertreten,

obwohl die Erklärungsmerkmale der Person ja überwiegend implizit im Vorjahreswert ent-

halten sind. Lediglich der Führerscheinbesitz und die Pkw-Verfügbarkeit (in Modell 6) ver-

lieren ihre Signifikanz. Dagegen wird die Regenmenge, die in den anderen Modellen keine

Berücksichtigung findet, jetzt schwach signifikant. Mit der Einbeziehung der individuellen

Verkehrsleistung des Vorjahres wird bereits der Übergang zu den dynamischen Modellen

begonnen.

Das Modell (7) ist methodisch, wie dargestellt, sicher am überzeugendsten. Im Vergleich zu

Modell (6) ergeben sich aber keine neuen Erkenntnisse.


Übersicht 5-14:Intrapersonelle Effekte auf die wöchentliche Verkehrsleistung (Modell 5)

-80 -40 0 40 80 120

Anzahl Tage KrankAnzahl Tage mit UrlaubAnzahl Tage mit -Anormal-SCHULAB ohne

ohneLehremitLehremittlSchuleAbiturk.A.

diwBERUF VollberufstätigTeilzeit/ArblosinAusbildgHausfrauRentner

RAUMTYP InnenstadtStadtrand20-100tsd Einw5-20tsd0-5tsd

PKWHH 0123

Pkm je Woche


Auch inhaltliche interessante Ergebnisse zeigt das Modell (5). Erklärt werden die �fixed ef-

fects�, also die intrapersonelle Varianz. Bei maximal drei Beobachtungen je Person ist klar,

dass die gesamte Varianzaufklärung mit einem R2 von 0,06 sehr niedrig ist, dennoch sind

viele Variablen signifikant (Übersicht 5-17). Die unveränderlichen persönlichen Variablen

wie das Geschlecht, die in den Vergleichsmodellen (4) und (6) Bedeutung haben, fallen na-

türlich als Erklärungsgrößen aus. Andere personen- bzw. haushaltsbezogene Vaiablen sind

nicht signifikant, weil in den Beobachtungen nur wenige intrapersonelle Änderungen zu ver-

zeichnen sind. Die personenbezogenen Erklärungsgrößen Beruf, Schulabschluss und Zufrie-

denheit mit dem ÖV-Anschluss haben auch in dieser Modellvariante einen statistisch gesi-

cherten Zusammenhang mit der Verkehrsleistung. Den höchsten Effekt hat ein Wechsel des

Raumtyps. Dies bestätigt sich bei den dynamischen Modellen mit der Einführung von Ände-

rungsvariablen. Signifikant von Null verschieden bleiben auch situationsbezogene Variable.

So erhöht ein Urlaubstag in der Woche die Verkehrsleistung um 20 km, ein Krankheitstag

verringert sie um 12 km. Keinen nachweisbaren Einfluss haben die Variablen Schulferien


oder �Auto in der Werkstatt�, was sicher auch darin begründet ist, dass Wochendaten analy-

siert werden.

Übersicht 5-15:Effekte auf die wöchentliche Verkehrsleistung (Modell 6)

-120 -80 -40 0 40 80

PkmvAnzahl RegentageAnzahl Tage KrankAnzahl Tage mit UrlaubSEX M

WSCHULAB ohne

ohne Lehremit Lehremittlere ReifeAbitur

diwBERUF VollberufstätigTeilzeit/Arblosin AusbildgHausfrau Rentner

HHGRO 123456

RAUMTYP InnenstadtStadtrand20-100tsd Einw5-20tsd0-5tsd

PKWHH 0123

OEFFERR schnell direktlangsam direkteinmal umsteigenmehrmals umsteigenkeine ÖV-Verbindung

ZEITKARTE neinJa

Pkm je Woche


Insgesamt zeigt sich zur Methodik, dass kaum unterschiedliche Ergebnisse zwischen �norma-

ler�, aber testtheoretisch unzulässiger Regression in Modellen (1) und (2) und den verfeiner-

ten, die Panelstruktur ausnutzenden und auch formal einwandfrei abgesicherten Rechnungen

zu verzeichnen sind. Die prinzipiell durchaus gegebenen Verletzungen der theoretischen An-


nahmen, die als Voraussetzungen in die Tests auf Signifikanz der Parameter eingehen, wirken

sich bei dem hier betrachteten Datenbestand des Mobilitätspanels (zusammengefasste Wo-

chenwerte) kaum aus. Eine Ursache hierfür dürfte darin liegen, dass bei dem vorliegenden

Datensatz mit maximal drei Teilnahmejahren die intrapersonelle Varianz nur sehr bedingt in

den weiter entwickelten Modellen berücksichtigt werden kann.

Die Betrachtung der Residuen zeigt, dass bei allen untersuchten Modellen die Anpassung un-

befriedigend ist, selbst wenn die logarithmierten Werte der Verkehrsleistung als abhängige

Variable analysiert werden. Die Abweichungen sind nicht unsystematisch, im Bereich beson-

ders niedriger Personenkilometer in der Woche überschätzen die Modelle. In allen Modellva-

rianten ist die Konstante sehr hoch, so dass die anderen Parameter eine vergleichsweise gerin-

ge Bedeutung haben.

Weitere, hier nicht dokumentierte Testrechnungen zeigen, dass die hohen Anteile nicht er-

klärter Varianz nicht überwiegend auf das Wochenende, das von Jahr zu Jahr in der Ver-

kehrsleistung sehr unterschiedlich sein mag, oder generell auf den Freizeitverkehr zurückge-

führt werden können. Ähnliche methodische Schlussfolgerungen ergeben sich auch, wenn

beispielsweise nur der Einkaufsverkehr an Werktagen als zu erklärende Größe betrachtet wird.

Übersicht 5-16:Grafik zur Verkehrsleistung im Vorjahr - Plot der Residuen Modell 7

Pkm

Pkm0 600

0

600

resi

d

Pkmpredict0 600

-400

400

Vergleich Pkm - Pkm Vorjahr Residuenplot Modell 7



Übersicht 5-17:Einflußgrößen auf die Verkehrsleistung und ihre Signifikanz1)

Modellvariante( 1 ) ( 2 ) ( 3 ) ( 4 ) ( 5 ) ( 6 ) ( 7 )

Variable Merkmal Koeff. Koeff. Koeff. Koeff. Koeff. Koeff. exp2)

PkmVorjahr — — — — — 0,147 ** 1,00 **durchschn,Temperatur je Tag 0 ** 0 0 0 ** 0 * 0 1,00Anzahl Regentage 0 0 0 0 0 0 1,00 *Anzahl Tage Krank -13 ** -11 ** -11 ** -13 ** -12 ** -17 ** 0,89 **Anzahl Tage mit Urlaub 17 ** 15 ** 16 ** 17 ** 20 ** 20 ** 1,05 **SEX M 20 ** 18 ** 17 ** 20 ** -16 14 ** 1,07 **

W -20 ** -18 ** -17 ** -20 ** 16 -14 ** 0,94 **ALTKL 10-17 30 30 29 29 26 36 1,28 **

18-25 19 ** 21 * 25 * 24 ** -15 7 1,0926-35 -1 -3 -3 0 -21 -2 1,0036-60 4 1 1 4 15 2 1,0361-70 -13 -11 -13 -14 1 -22 0,87 **>70 -39 ** -38 ** -39 ** -42 ** -7 -23 0,81 **

SCHULAB ohne -47 -52 -44 -41 -35 -47 0,78 *ohneLehre -2 8 6 -1 50 ** 14 1,04mitLehre 1 8 6 -2 8 -7 1,00mittlSchule 8 14 12 6 -33 * -7 0,98Abitur 51 ** 55 ** 52 ** 49 ** 10 47 ** 1,22 **

diwBERUF Vollberufst. 34 31 33 36 32 34 1,16 *Teilzeit/Arblos -2 -13 -11 1 21 7 1,05Schül.Stud. -13 3 0 -17 -35 -31 0,84 *Hausf.Rentner -19 ** -21 -22 -20 ** -18 -11 0,98

HHGRO 1 27 26 31 31 75 45 1,21 **2 17 ** 9 14 21 ** 45 * 15 1,063 -4 -12 -7 0 5 -4 0,974 -14 * -26 ** -25 ** -13 * 9 -4 1,035 -19 * -18 -19 -20 * -18 -17 0,986 -7 21 7 -19 -116 * -34 0,80 *

P0 10 0 22 39 29 12 -21 -7 0,951 12 24 * 18 4 -23 0 0,962 25 38 ** 30 * 16 -37 6 1,013 12 3 -4 -1 -51 17 0,974 -71 -104 ** -73 * -31 132 -15 1,12

RAUMTYP Innenstadt -32 -30 -29 -30 31 -20 0,94 *Stadtrand -11 * -10 -9 -8 -13 -9 0,9620-100tsd Einw -12 * 4 3 -14 * -80 -12 0,955-20tsd 17 ** 12 11 16 ** -51 15 1,08 *0-5tsd 38 ** 24 ** 24 ** 36 ** 114 * 26 ** 1,09 *

PKWVERF3 ja 14 22 20 12 -6 6 1,09 **bedingt -6 -2 1 -4 -2 -13 0,96nein -7 -20 * -21 * -8 8 6 0,95

FSPKW ja -13 * -8 -8 -14 ** -5 -10 -0,95nein 13 * 8 8 14 ** 5 10 1,05

PKWHH 0 -57 -65 -64 -58 -82 -89 0,60 **1 -14 ** -10 -12 * -13 ** 11 -4 1,042 28 ** 27 ** 26 ** 27 ** 31 * 36 ** 1,26 **3 42 ** 47 ** 49 ** 44 ** 39 57 ** 1,26 **

OEFFERR 0 -27 -31 -30 -25 -8 -36 0,89 **1 -23 ** -26 * -22 * -21 ** -15 -11 0,992 8 14 12 7 3 9 1,09 *3 69 ** 70 ** 61 ** 59 ** 4 42 ** 1,18 **1 -9 -8 -4 -5 17 4 0,952 -18 ** -19 * -17 * -16 * -2 -8 0,92

ZEITOV Nein -12 ** -8 -7 -11 ** -2 -16 ** 0,91 **Ja 12 ** 8 7 11 ** 2 16 ** 1,10 **

OEFFZUF Nein 4 4 2 2 -14 ** -2 1,02Ja -4 -4 -2 -2 14 ** 2 0,98

const. 195 ** 185 ** 193 ** 201 ** 202 ** 183 ** 119 **1) * signifikant auf 5 %-Niveau; ** signifikant auf 1 %-Niveau. 2) Der Koeffizient der Exponentialfunktion wurde bereits umgerechnet,d.h. die ausgewiesenen Werte zeigen die relative Änderung der Pkm bei zutreffender Ausprägung (Kategoriale Variable) bzw. einerVariation der Erklärungsgröße um 1 (stetige Variable).

Quelle: Mobilitätspanel, Berechnungen des DIW.


Inhaltliche Ergebnisse bezüglich der gefundenen verkehrsbestimmenden Variablen können

dann als gesichert angesehen werden, wenn sie stabil in allen Varianten gleichermaßen auf-

treten. Von den die Verkehrsleistung im Querschnittsmodell potentiell erklärenden Variablen

sind die personenbezogenen Merkmale Geschlecht, Altersgruppe, Schulabschluss und Beruf

stets signifikant. Von den Haushaltsvariablen behaupten sich die Anzahl der Personen und die

Motorisierung. Die Anzahl der Fahrzeuge im Haushalt hat den größten Effekt, sie kann auch

als Variable zur Beschreibung des sozialen Status angesehen werden. Von den situationsbe-

schreibenden Erklärungsgrößen haben die Zahl der Krankheitstage und die Zahl der Urlaub-

stage einen eindeutigen Zusammenhang mit der Verkehrsleistung. Jeder Urlaubstag mehr er-

höht im Vergleich zwischen den Personen die Verkehrsleistung um 15 bis 20 km. Bei den die

Lage und die Verkehrsinfrastruktur charakterisierenden Variablen zeigt sich beim Raumtyp

ein eindeutiger Zusammenhang zur Verkehrsleistung, ebenso bei der Erreichbarkeit der re-

gelmäßigen Ziele (Arbeits- bzw. Ausbildungsplatz) mit öffentlichen Verkehrsmitteln. Diese

Variable dürfte als Proxy für die Siedlungsstruktur anzusehen sein. Die niedrigste Verkehrs-

leistung ergibt sich für Personen, denen eine schnelle Direktverbindung zur Verfügung steht.

Die meisten Kilometer in der Woche legen Personen zurück, die angeben, ihr regelmäßiges

Arbeits- oder Ausbildungsziel nur mit mehrmaligem Umsteigen erreichen zu können.

Für eine über die Modelle (5) bis (7) hinausgehende Untersuchung der Dynamik im individu-

ellen Verkehrsverhalten sind Änderungsvariablen definiert und explizit in die Regressions-

rechnungen eingeführt worden. Diese geben das Ergebnis des Vergleichs zwischen den Aus-

prägungen von Variablen in zwei aufeinander folgenden Wellen an. Dreifache Beobachtungen

einer Person sind in dem Datensatz durch zwei zweimalige Beobachtungen vertreten.

Definiert werden:

Vier binäre situative Änderungsvariablen

wärmer wahr, wenn die Temperatur mindestens 2 Grad höher als im Vorjahr ist,

feuchter wahr, wenn die Anzahl der Regentage größer ist,

kränker wahr, wenn die Anzahl der Krankheitstage höher als im Vorjahr ist,

gesünder wahr, wenn die Anzahl der Krankheitstage niedriger als im Vorjahr ist;

Fünf personenbezogene Übergangsvariablen (Kombination von vorher und nachher)

Entwicklung in Berufsstellung bzw. Lebenszyklus,

Entwicklung der Pkw-Verfügbarkeit,


Entwicklung der Zufriedenheit mit dem ÖV,

Entwicklung des Zeitkartenbesitzes;

Entwicklung der Erreichbarkeit des Arbeits. bzw. Ausbildungsplatzes mit öffentlichen

Verkehrsmitteln;

Drei binäre Änderungsvariablen zur Haushaltssituation

Randwanderung wahr, wenn Nr. des Raumtyps höher ist als im Vorjahr,

Stadtwanderung wahr, wenn Nr. des Raumtyps kleiner ist als im Vorjahr,

Kind wahr, wenn Zahl der Kinder unter 10 J. höher ist als im Vorjahr.

Von den getesteten Modellen werden folgende Rechnungen52 dokumentiert:

(8) Log-lineare Regression mit den genannten zusätzlichen Variablen,

(9) lineare Regression mit den genannten zusätzlichen Variablen,

(10) lineare Regression mit den genannten zusätzlichen Variablen, durchgeführt nur für

Frauen,

(11) lineare Regression der Personenkilometer von Fahrradnutzern53 mit dem Fahrrad,

(12) lineare Regression der Personenkilometer von Fahrradnutzern mit dem Fahrrad,

durchgeführt nur für Frauen,

(13) lineare Regression der Personenkilometer von Fahrradnutzern mit dem Fahrrad,

durchgeführt nur für Männer.

Die Varianten 8 und 9 sind die Grundvarianten in Erweiterung der statischen Modelle zur

Einbeziehung der dynamischen Variablen. Die Variante 10 (nur Frauen) ist eingefügt worden,

um den geschlechtsspezifischen Effekt der Zunahme der Kinderzahl (i.a. Geburt) zu zeigen.

Die Varianten 11 bis 13 zeigen die Unterschiede, die sich ergeben, wenn nur die mit einem

Verkehrsmittel (hier das Fahrrad) zurückgelegte Kilometer erklärt werden sollen.

Signifikant ist stets der Einfluss der Verkehrsleistung des Vorjahres. Kohorte und Befra-

gungsjahr bleiben auch bei den dynamischen Modelle ohne Einfluss.

52 In allen Modellen wurde die DIW-Gewichtung benutzt, siehe auch den Stata-Output in Anhang C.53 Betrachtet wurden alle Personen, die in der aktuellen Woche wenigstens drei Kilometer mit dem Fahrradzurückgelegt haben,.


Übersicht 5-18:Zusammenfassung: Einflußgrößen auf die wöchentliche Verkehrsleistung

Variable Signifikanz mittl. Effekt in km je WocheBefragungsjahrKohorte

TemperaturRegenmengeKrankheitstageAuto in WerkstattSchulferienUrlaubAnormale TageArbeitsplatzwechsel

GeschlechtAlterSchulabschlussBeruf

RaumtypAnzahlPkw im HaushaltÖV-ZeitkartenbesitzFührerscheinbesitzErreichbarkeit Arb.Ausb.platz mit ÖV

HaushaltsgrößeKinderzahl

––

++

++––

++––

++++++++

++++++

++

++

-12 je Krankheitstag

+20 je Urlaubstag

+30 Mann vs Frau+70 bis 17 J. vs über 70 J.+95 Abitur vs ohne Abschl.-70 Rentner vs VollBerufst.

+50 kl.Gem. vs Stadtkern+100 drei Pkw vs ohne Besitz

+90 bei mehrm. Umsteigen vs Direkt-verbindung

– nie signifikant+ teilweise signifikant++ stets signifikant


Übersicht 5-19:Regressionen zur Dynamik der Verkehrsleistung: Test der Variablen

( 8 ) ( 9 ) ( 10 ) ( 11 ) ( 12 ) ( 13 )ln(Pkm) Pkm Pkm|Frau PkmRad PkmRad|Frau PkmRad|Mann

Variable

Frei-heits-grade Fstat. P>F F stat. P>F F stat. P>F F stat. P>F F stat. P>F F stat. P>F

Pkmv 1 107,2 ** 0,00 81,7 ** 0,00 31,6 ** 0,00 38,4 ** 0,00 19,3 ** 0,00 31,4 ** 0,00Kohorte 4 0,4 0,83 0,7 0,59 1,2 0,32 0,2 0,95 0,1 0,97 0,2 0,96JAHR 4 0,9 0,49 1,1 0,37 0,2 0,95 0,6 0,67 0,6 0,67 0,4 0,79nTemp 1 5,2 * 0,02 8,0 ** 0,01 0,3 0,60 1,2 0,28 1,4 0,24 0,0 0,88waermer 1 2,8 0,10 6,1 * 0,01 0,0 0,93 1,4 0,24 0,0 0,96 1,9 0,17nReg 1 10,0 ** 0,00 9,7 ** 0,00 2,7 0,10 3,6 0,06 3,7 0,06 2,4 0,12feuchter 1 0,0 0,94 0,8 0,38 0,0 0,91 1,8 0,18 1,6 0,21 0,2 0,69KRANK 1 14,7 ** 0,00 9,9 ** 0,00 5,3 * 0,02 1,1 0,29 1,3 0,26 0,5 0,48kraenker 1 5,0 * 0,03 1,1 0,30 0,8 0,38 3,0 0,08 4,1 * 0,05 0,2 0,69gesuender 1 0,1 0,74 0,3 0,61 0,4 0,55 0,2 0,69 1,4 0,24 2,9 0,09WERK 1 0,3 0,56 0,1 0,80 0,2 0,68 0,9 0,36 36,9 ** 0,00 0,1 0,72FERIEN 1 0,0 0,97 2,3 0,13 7,5 ** 0,01 1,3 0,25 0,0 0,85 1,4 0,24URLAUB 1 1,7 0,20 12,6 ** 0,00 16,3 ** 0,00 0,1 0,75 0,4 0,51 0,7 0,41ANORM 1 2,3 0,13 0,6 0,45 0,3 0,59 0,1 0,80 1,1 0,30 1,0 0,31SEX 0 6,0 * 0,01 5,0 * 0,03 . . 8,5 ** 0,00 . . . .ALTKL 5 4,9 ** 0,00 2,9 * 0,01 1,3 0,28 1,4 0,23 1,9 0,09 0,9 0,47SCHULAB 4 3,2 * 0,01 5,0 ** 0,00 2,1 0,08 1,5 0,19 1,4 0,22 0,7 0,60eBERUF 13 1,3 0,21 2,3 ** 0,00 2,7 ** 0,00 2,5 ** 0,00 1,0 0,41 3,9 ** 0,00HHGRO 5 2,0 0,07 1,1 0,34 2,1 0,06 2,7 * 0,02 1,8 0,12 2,3 * 0,04P0_10 4 1,4 0,24 1,4 0,25 1,2 0,31 1,5 0,19 3,1 * 0,02 0,9 0,44zusätzl.Kind 1 2,8 0,09 2,2 0,14 9,3 ** 0,00 5,0 * 0,03 5,8 * 0,02 1,9 0,17RAUMTYP 4 2,9 * 0,02 2,4 * 0,05 1,6 0,18 1,4 0,23 1,6 0,19 1,0 0,38randwanderung 1 16,0 ** 0,00 4,6 * 0,03 1,8 0,18 2,8 0,09 1,3 0,26 0,6 0,44stadtwanderung 1 3,3 0,07 2,0 0,16 0,4 0,52 1,8 0,18 6,6 * 0,01 0,0 0,87ePKWVERF 8 10,7 ** 0,00 5,3 ** 0,00 2,6 ** 0,01 1,9 0,06 1,3 0,24 1,1 0,33eZKarte 3 2,1 0,10 0,9 0,42 1,3 0,28 2,6 0,05 2,8 * 0,04 1,5 0,23eÖVZufr 3 5,0 ** 0,00 5,7 ** 0,00 4,2 ** 0,01 0,9 0,47 0,3 0,82 1,5 0,22eÖVErr. 33 2,0 ** 0,00 2,6 ** 0,00 1,8 ** 0,00 1,8 ** 0,00 2,6 ** 0,00 1,4 0,07Fallzahl n 3115 3115 1640 846 419 427R 2 0,38 0,33 0,33 0,47 0,49 0,58 * signifikant auf 5 %-Niveau; ** signifikant auf 1 %-Niveau.Quellen: Mobilitätspanel, Berechnungen des DIW


Übersicht 5-20:Effekte auf die wöchentliche Verkehrsleistung (Modell 9)

-120 -80 -40 0 40 80

Pkm VorjahrwaermerAnzahl RegentageAnzahl Tage KrankAnzahl Tage mit UrlaubSEX M

WALTKL 10-17

18-2526-3536-6061-70>70

SCHULAB ohneohne Lehremit Lehremittlere ReifeAbitur

eBERUF Vollberufst.-Vollb.Vollberufst.-TeilzeitVollb.-Hausfr.RentnerTeilzeit-Vollb.Teilzeit-TeilzeitTeilzeit-Hausfr.RentnerAusbildg.-Vollb.Ausbildg.-TeilzeitAusbildg.-Ausbildg.Hausfr.Rentn.-Hausfr.Rentner

Randwanderung neinja

Stadtwanderung neinja

ePKWVERF Ja-JaJa-bedingtBedingt-JaBedingt-bedingtbedingt-NeinNein-JaNein-Nein

eZufriedenheit Nein-Neinmit ÖV Nein-Ja

Ja-NeinJa-Ja

eErreichbarkeit zügig,direkt-zügig,direktArb.Ausb.platz zügig,direkt-mehrm.Umst.mit öffentl. langsam,direkt-zügig,direktVerkehrsmitteln langsam,direkt-langsam,direkt

1xUmsteigen-langsam,direkt1xUmsteigen-1xUmsteigenmehrm.Umst.-langsam,direktmehrm.Umst.-mehrm.Umst.keineVerbindg-zügig,direktkeineVerbindg-keine Verbindg

Pkm je Woche



Übersicht 5-21:Regressionen zur Dynamik der Verkehrsleistung: Koeffizienten 1)

Modellvarianteln(Pkm) Pkm Pkm|Frau PkmRad Rad|Frau Rad|M.

( 8 ) ( 9 ) ( 10 ) ( 11 ) ( 12 ) ( 13 )Variable Ausprägung exp2) Koeff. Koeff. Koeff. Koeff. Koeff.const 113 ** 149 ** 155 * -4 -31 ** 10PkmVorj. 1,00 ** 0,27 ** 0,23 ** 0,51 ** 0,29 ** 0,57 **durchschn,Temperatur je Tag 1,00 0,2 0 0 0 * 0waermer Nein 1,01 11 * 3 -1 0 -3

Ja 0,99 -11 * -3 1 0 3Anzahl Regentage 1,00 ** 0,07 ** 0 0 * 0 * 0Anzahl Tage Krank 0,88 ** -19 ** -21 * 4 3 -5kraenker Ja 1,13 * 9 14 -11 -8 * -4gesuender Ja 1,02 4 -6 2 -1 9 *Anzahl Tage Auto in Werkst, 1,03 -1 9 4 5 ** 2Anzahl Tage mit Schulferien 1,00 -2 -5 * 0 0 -1Anzahl Tage mit Urlaub 1,02 13 ** 23 ** 0 1 -1SEX M 1,06 * 9 * 0 5 ** 0 0

W 0,95 * -9 * 0 -5 ** 0 0ALTKL 10-17 1,37 ** 55 ** 40 3 -1 0

18-25 1,10 10 6 6 9 ** -526-35 0,96 -12 -15 1 0 -136-60 1,04 1 1 -3 -4 -161-70 0,85 * -30 * -20 1 1 10>70 0,79 * -24 -11 -9 -6 -3

SCHULAB Ohne 1,32 -57 -70 -7 -9 -4OhneLehre 1,06 29 * 23 2 6 -9MitLehre 1,02 0 21 2 0 5MittlSchule 1,02 -3 8 -1 0 2Abitur 1,13 ** 30 ** 18 4 3 6

Entw.BERUF Vollberufst.-Vollb. 1,15 37 ** 81 ** 3 3 5Vollberufst.-Teilzeit 1,22 63 101 * -3 -8 -6Vollb.-Hausfr.Rentner 1,21 20 74 23 ** 9 35 *Teilzeit-Vollb. 1,20 60 42 12 -5 29Teilzeit-Teilzeit 1,09 11 27 8 2 33Teilzeit-Ausbildg. 1,25 61 -106 -20 * -9 -54 *Teilzeit-Hausfr.Rentner 0,89 -45 -33 0 4 0Ausbildg.-Vollb. 1,08 44 103 * -10 2 -21Ausbildg.-Teilzeit 0,87 -63 * -84 -7 2 -8Ausbildg.-Ausbildg. 0,98 -10 23 -1 8 0Ausbildg.-Hausfr.Rentner 0,58 -74 -172 * 0 0 0Hausfr.Rentn.-Vollb. 0,90 -29 27 -15 -11 3Hausfr.Rentn.-Teilzeit 1,23 7 15 -21 ** -6 -50 **Hausfr.Rentn.-Hausfr.Rentner 1,00 4 7 -11 * -3 -17

RAUMTYP Innenstadt 0,93 -8 -11 0 0 0Stadtrand 1,00 -1 -3 -4 * -3 -8 *20-100tsd Einw 0,95 -10 -12 1 0 25-20tsd 1,17 ** 23 ** 23 * 2 5 * 20-5tsd 0,96 -4 4 0 -2 6

randwanderg Nein 0,77 ** -69 * -56 -15 4 -9Ja 1,30 ** 69 * 56 15 -4 9

stadtwanderg Nein 1,22 * 35 18 4 11 * 1Ja 0,82 * -35 -18 -4 -11 * -1

zusätzl. Kind Nein 1,11 20 40 ** 7 * 6 ** 7Ja 0,90 -20 -40 ** -7 * -6 ** -7

fortgesetzt.


noch Übersicht 5-21Modellvariante

ln(Pkm) Pkm Pkm|Frau PkmRad Rad|Frau Rad|M.( 8 ) ( 9 ) ( 10 ) ( 11 ) ( 12 ) ( 13 )

Variable Ausprägung exp2) Koeff. Koeff. Koeff. Koeff. Koeff.PKW- Ja-Ja 1,39 47 ** 45 ** -3 -3 -4Verfügbar Ja-bedingt 1,03 -12 25 2 -2 1keit Ja-Nein 1,12 1 -7 -7 -2 -12

Bedingt-Ja 1,23 ** 25 18 3 1 8Bedingt-bedingt 1,06 5 4 2 1 4bedingt-Nein 0,84 -15 -18 -5 4 -3Nein-Ja 0,99 -28 -50 -3 2 -8Nein-Bedingt 0,76 -3 -19 0 -6 1Nein-Nein 0,76 ** -20 1 10 * 5 * 13

Zeitkarten- Nein-Nein 0,88 * -7 -16 4 2 6besitz Nein-Ja 1,15 27 19 0 0 -3

Ja-Nein 1,01 -14 17 2 5 1Ja-Ja 0,98 -5 -20 -6 * -7 ** -3

zufrieden Nein-Nein 1,06 2 3 -1 -1 -6mit Nein-Ja 1,09 41 ** 32 -2 -1 -2ÖV-Anbindg Ja-Nein 0,97 -23 -2 4 2 8

Ja-Ja 0,90 ** -20 ** -32 ** -1 -1 0Erreichbarkeit zügig,direkt-zügig,direkt 1,04 -4 -23 -5 -1 -6Arb.Ausb.- zügig,direkt-langsam,direkt 0,99 -5 -11 4 -10 9platz mit zügig,direkt-1xUmsteigen 1,08 -3 -38 1 6 -8öff. zügig,direkt-mehrm.Umst. 0,93 -30 -43 -22 -19 ** -31Verk.mitteln zügig,direkt-keine Verbindg 1,11 -17 11 -8 5 -21 *

langsam,direkt-zügig,direkt 0,87 -57 -75 11 * 8 12langsam,direkt-langsam,direkt 0,85 -31 -31 -6 -5 -9langsam,direkt-1xUmsteigen 1,15 4 -1 -6 -14 ** 4langsam,direkt-mehrm.Umst. 1,04 -27 -46 1 0 10langsam,direkt-keine Ver- 0,97 -9 23 -14 -41 ** 01xUmsteigen-zügig,direkt 0,84 5 -35 12 9 191xUmsteigen-langsam,direkt 1,32 67 116 12 -1 361xUmsteigen-1xUmsteigen 1,16 19 -16 -2 6 21xUmsteigen-mehrm.Umst. 1,17 17 -22 22 10 43 *1xUmsteigen-keine Verbindg 1,22 77 56 -6 -7 01xUmsteigen-k.A. 0,98 -17 47 1 15 -21mehrm.Umst.-zügig,direkt 1,00 -56 -63 25 32 ** 10mehrm.Umst.-langsam,direkt 1,27 * 52 30 0 0 0mehrm.Umst.-1xUmsteigen 1,31 * 35 38 -3 -2 2mehrm.Umst.-mehrm.Umst. 1,18 * 57 ** 43 28 5 41 *mehrm.Umst.-keine Verbindg 1,49 ** 190 ** 202 ** -25 -11 -28mehrm.Umst.-k.A. 1,32 101 * 140 6 10 -9keineVerbindg-zügig,direkt 0,59 ** -120 ** -104 ** 4 4 -7keineVerbindg-langsam,direkt 0,97 -5 13 4 5 -3keineVerbindg-1xUmsteigen 1,01 -28 82 5 -5 10keineVerbindg-mehrm.Umst. 1,18 44 -18 -8 20 -6keineVerbindg-keine Verbindg 0,87 * -31 * -29 -2 0 -5

HHGRO 1 0,84 ** -21 -41 * 9 -2 212 0,95 -6 -11 -4 2 -93 0,94 -10 -7 -6 * -3 -74 1,02 -9 -13 1 4 * -55 1,10 10 30 -7 -1 -116 1,20 38 42 7 0 11

P0_10 0 1,15 26 1 4 3 91 1,02 16 1 2 -1 22 1,14 40 * 42 -7 -10 ** 13 0,98 0 -7 1 -2 54 0,76 -83 * -38 0 9 -16

1) * signifikant auf 5 %-Niveau; ** signifikant auf 1 %-Niveau. 2) Der Koeffizient der Exponentialfunktion wurde bereitsumgerechnet, d.h. die ausgewiesenen Werte zeigen die relative Änderung der Pkm bei zutreffender Ausprägung (Katego-riale Variable) bzw. einer Variation der Erklärungsgröße um 1 (stetige Variable).

Quellen: Mobilitätspanel (Wiederholer 1994-1999), Berechnungen des DIW.


Mit einem R2 von 0,38 zeigt die logarithmische Regression (8) wiederum eine bessere Anpas-

sung als die lineare Regression mit R2 = 0,33. Kaum Bedeutung haben die zugefügten Varia-

blen zur Änderung beim Wetter. Insbesondere bei den Regressionen (11) bis (13) zur Erklä-

rung der Veränderung der mit dem Fahrrad zurückgelegten Kilometer ist ein Einfluss des

Wetters nicht zu erkennen.

Bei den Variablen zur Krankheit zeigt sich die Problematik der Autokorellation. Die Variable

�Anzahl der Krankheitstage� enthält die intra- und die interpersonellen Effekte eines zusätzli-

chen Krankheitstages. Mit einer Minderung der Verkehrsleistung um 19 km bzw. 12 % sind

die Koeffizienten zwar hochsignifikant aber kaum größer als in den Rechnungen (6) und (7)

ohne die Änderungsvariablen. Von den zusätzlich eingeführten intrapersonellen Variablen

�kränker� und �gesünder� ist nur erstere in (8) auf dem 5 %-Niveau schwach signifikant. Es

ergibt sich ein positiver Wert von +13 %. Die isolierte Interpretation dieses Koeffizienten ist

nicht sinnvoll, der Effekt der Variablen �Anzahl der Krankheitstage� mit einzubeziehen ist.

Ohne diese Variable würde sich auch für die intrapersonelle Variable �kränker� wie erwartet

ein negativer Einfluss auf die Verkehrsleistung zeigen. Als Ergebnis lässt sich somit lediglich

festhalten, dass der interpersonelle verkehrsleistungsmindernde Einfluss von Krankheitstagen

etwas höher ist als der intrapersonelle Effekt.

Bei der Entwicklungsvariablen zur beruflichen Stellung ergeben sich in mehreren Modellen

statistisch abgesicherte Ergebnisse (Modell 9 10 11 13). Der höchste Kontrast besteht zwi-

schen Personen, die von Voll- in die Teizeitbeschäftigung wechseln (+63 km) zu denen, die

von ihrer Ausbildung in eine Teilzeitbeschäftigung kommen (-63 km). Die Fallzahlen sind

jedoch sehr niedrig und die Ergebnisse dürfen daher nicht überinterpretiert werden.54 Werden

nur Frauen betrachtet (Variante 10), sind ein Anstieg der Verkehrsleistung um 103 km beim

Wechsel von der Ausbildung in die Vollzeit-Tätigkeit signifikant und ein Rückgang um

172 km in der Woche beim Wechsel von der Ausbildung in den Hausfrauenstatus.

Umgekehrt als bei der Variablen �Krankheitstage� zeigt sich beim Raumtyp eine höhere Wir-

kung der intrapersonellen Veränderung als sie in den statischen Unterschieden der Koeffizi-

54 In einem auf Berufstätige und in Ausbildung befindliche reduzierten Datenbestand ist auch der Einfluss derVariablen WARB getestet worden. Für diese direkt erfragte Variable, die angibt, ob im Vorjahr Arbeits- oderAusbildungsort gewechselt haben, ergab sich jedoch kein signifikanter Einfluss auf die gesamte Verkehrsleistungder Woche.


enten der Raumtyp-Variablen in den Querschnitts-Modellen (4) und (6) zum Ausdruck

kommt. Während generell in Modell (6) die Verkehrsleistung in kleinen Gemeinden nur

46 km höher ist als in der Innenstadt,55 steigt sie bei denen, die aus verdichteten Gebieten um-

gezogen sind um rd. 60 % bzw. 140 km (Modell 8 und 9). Der Einfluss ist trotz der geringen

Fallzahl von 15 Personen signifikant. Bei 18 Personen ist eine entgegengesetzte Wanderung in

verdichtete Räume codiert. Für diese ergibt sich eine Verringerung der Verkehrsleistung um

40 % bzw. 70 km. Es zeigt sich also eine deutliche Asymmetrie (Abnahme um 70 km in der

Woche bei Stadtwanderung gegenüber einer Zunahme um 140 km bei Randwanderung). Be-

reits in der Variante 5 des intrapersonellen Vergleichs zeigte sich, dass eine Veränderung des

Raumtyps eine stärkere Bedeutung hat, als es in Querschnittsbetrachtungen sichtbar wird.

Einen deutlichen Einfluss auf die Verkehrsleistung hat die Verfügbarkeit über einen Pkw. Die

konstanten Pkw-Besitzer haben die höchsten Verkehrsleistungen. Personen, die konstant nur

bedingt über einen Pkw verfügen können, legen 42 km bzw. 32 % weniger zurück. Personen,

die in beiden Jahren nicht über einen Pkw verfügen konnten, legen sogar 67 km bzw. 58 %

weniger Pkm zurück als die Bezugsgruppe. Die wechselnden Gruppen bleiben eher auf ihrem

vorherigen Mobilitätsniveau: Die 55 Personen, die von den Nicht-Pkw-Besitzern in den Pkw-

Besitz gewechselt haben legen nicht mehr Kilometer zurück, als diejenigen, die weiterhin oh-

ne Pkw sind.

Die Entwicklungsvariable zur Zufriedenheit mit der ÖV-Anbindung zeigt plausible signifi-

kante Werte in Modell 9. Steigende Zufriedenheit führt zu höherer Verkehrsleistung, sinkende

zu einem (geringeren) Rückgang. Dagegen bringt die eingeführte Entwicklungsvariable zum

Zeitkartenbesitz keine Ergebnisse; sie ist nicht signifikant. Sehr uneinheitlich und z.T. unplau-

sibel sind die Ergebnisse zur Variablen �Erreichbarkeit von Arbeits- bzw. Ausbildungsplatz�.

Die Ausprägungen dieser Variablen müssten stärker zusammengefasst und konkreter kontra-

stiert werden.

Nicht signifikant ist zunächst auch die zugefügte Variable �zusätzliches Kind im Haushalt�,

die in der Regel die Geburt eines Kindes kennzeichnet. Nur in der logarithmischen Regression

ist sie schwach signifikant, nicht bei der linearen Regression. Dies ändert sich, wenn nur

55 Unter Einbeziehung der sonstigen in den anderen Variablen berücksichtigten Unterschiede (Pkw-Verfügbarkeitetc.).


Frauen betrachtet werden (Modell 10). Die Verkehrsleistung von Frauen verringert sich um

wöchentlich 80 km, wenn ein zusätzliches kleines Kind zu versorgen ist.

Bei den mit dem Fahrrad zurückgelegten Personenkilometern ist diese Entwicklungs- bzw.

Änderungsvariable ebenfalls schwach signifikant. In (11) zeigt sich ein signifikanter Einfluss

des Geschlechtes, daher sind als Rechnungen (12) und (13) noch getrennte Regressionen für

Frauen und Männer durchgeführt worden. Betrachtet wurden alle Personen, die in der aktuel-

len Woche wenigstens drei Kilometer mit dem Fahrrad zurückgelegt haben. Nur wenige der

eingeführten Änderungsvariablen sind signifikant. Die dafür geschätzten Effekte sind plausi-

bel. So steigt die Fahrradnutzung, wenn das Auto in der Werkstatt steht. Mit dem Übergang

von der Vollbeschäftigung zum Hausfrauen- bzw. Rentnerstatus wird das Fahrrad ebnfalls

stärker benutzt. Insgesamt ist der Regressionskoeffizient bei den Modellen zur Verkehrslei-

stung mit dem Fahrrad deutlich höher als bei den Modellen zur gesamten Verkehrsleistung

und erreicht R2 = 0,58 (Modell 13).


6 Ergebnisse und Empfehlungen

Anlass für das zunehmende Interesse an Längsschnittuntersuchungen ist die Erkenntnis, dass

viele kausale Zusammenhänge nur durch die Erfassung von auslösenden Faktoren und darauf

im Zeitablauf erfolgende Verhaltensänderungen der reagierende Personen verstanden werden

können (vgl. Golob, Kitamura, Long, 1997). Im Kapitel 1 dieser Untersuchung ist ferner ein-

leitend dargelegt worden, dass der Verwendung von Querschnittdaten für planerische und

prognostische Aussagen meist nicht explizit gemachte Annahmen zugrunde liegen (Extrapo-

lation, Symmetrie, Habit, Gleichgewicht), deren empirische Gültigkeit nur mit Paneldaten

überprüft werden kann. Aus der in zeitlichen Abständen erfolgenden Befragung derselben

Erhebungseinheiten (Panel-Design) entstehen Längsschnittdaten, die von Erhebungswelle zu

Erhebungswelle sukzessiv reichere Informationen zu Prozessen von Veränderung oder Kon-

stanz bieten und z.B. den Test dieser Annahmen ermöglichen.

Die vorliegende Untersuchung betrachtet die Stabilität und Veränderung des Verkehrsverhal-

tens bei identischen Personen im Jahresvergleich und hat zwei Schwerpunkte:

• Die vergleichende Einordnung der Ergebnisse des Mobilitätspanels mit anderen Informa-

tionen. Es wird die Repräsentativität im Vergleich zum Mikrozensus und zum Sozio-

oekonomischen Panel betrachtet.

• Die Wirkung der Veränderungen struktureller Variablen auf das Mobilitätsverhalten. Hier

sind insbesondere die sozio-demographischen Eigenschaften der Personen und Haushalte

angesprochen, für die in Querschnittanalysen mit unterschiedlichen Merkmalsausprägun-

gen auch Differenzen im Mobilitätsverhalten einhergehen. Welche Bedeutung hat also

z.B. ein tatsächlich beobachteter Wechsel im Berufsstatus für die Mobilität der mehrfach

befragten Personen.

Vor diesem Hintergrund sind Gehalt und Struktur der Daten des deutschen Mobilitätspanels

dargestellt worden. Zunächst wurde mit dem Sozialökologischen Ansatz ein konzeptioneller

Rahmen für die Analyse von Mobilität herangezogen und dessen mögliche Operationalisie-

rungen im Längsschnitt mit den vorliegenden Daten anhand einer Typologie von Variablen

veranschaulicht. Da die Veränderungen relevanter Einflussgrößen zwischen den Beobachtun-

gen relativ seltene Ereignisse sind, wurden verschiedene Möglichkeiten des Poolens der Be-

obachtungen aufgezeigt.


Im Kapitel 2 werden neben datentechnischen Arbeitsschritten (Plausibilitätsprüfungen,

Zweckcodierung der Wege) grundlegende Fallzahlen, die regionale Verteilung und Verhal-

tensmerkmale in der Stichprobe differenziert nach Kohorten, Wellen, einmaligen und mehr-

maligen Teilnehmern präsentiert. Aus den in Kapiteln 2 bis 5 dargestellten Auswertungen

werden im Folgenden die wichtigsten methodischen und inhaltlichen Befunde zusammenge-

fasst.

6.1 Methodische Ergebnisse

Die methodischen Ergebnisse lassen sich in die Datenebene und die Analysemethodik tren-

nen. Auf der Datenebene kann unseres Erachtens die Bedeutung der Datenqualität und �aufbe-

reitung des Mobilitätspanlels gar nicht überschätzt werden. Durch die mehrfache Befragung

derselben Personen werden stellenweise Fehler in den Variablen offensichtlich, die in einem

Querschnittdatensatz verborgen bleiben. Teilweise sind diese Fehler durch Plausibilitätsprü-

fungen mit anderen Variablen und durch einen Vergleich zwischen den Wellen korrigierbar.

Ein Teil der erfolgten Korrekturen ist im Kapitel 2 beispielhaft dokumentiert.

Die hohe Bedeutung der Datenaufbereitung hängt unmittelbar mit der Natur der Betrachtung

im Längsschnitt zusammen: mehrfach erhobene Merkmale und gebildete Variablenkombina-

tionen müssen zueinander passen, Veränderungen in den Übergängen sollen dokumentiert

aber auch sinnvoll sein. Die relativ geringe Zahl sinnvoller Änderungen in den Ausprägungen

der interessierenden Einflussgrößen führt dazu, dass man bestrebt ist, um jede Verbesserung

der Fallzahl zu ringen. Damit wird auch die Relevanz der im Kapitel 2 geschilderten Imputa-

tionen höher, allerdings sind mit einem Längsschnittdatensatz auch die Möglichkeiten der

Datenergänzung erweitert.

Im Kapitel 2 ist, vorbereitend für die inhaltlichen Auswertungen, die Problematik der Ge-

wichtung angesprochen worden, die gewissermaßen zwischen der Datenebene und den reprä-

sentativen Auswertungen angesiedelt ist. Der vorliegende Datensatz ist je Welle querschnitts-

gewichtet, wodurch sich die Gewichtungen der Einheiten � insbesondere bei schwankenden

Stichprobengrößen � im Befragungsverlauf teilweise stark ändern. Als eine Alternative dazu

ist eine Längsschnittgewichtung konstruiert und in einigen Analysen genutzt worden. Freilich

lässt sich über den Stellenwert der Gewichtung für die Auswertung der Daten des Mobili-


tätspanels streiten, da man Analysen auch ausschließlich mikroanalytisch betreiben kann und

Ergebnisse dann nur in einem engen Kontext verallgemeinert.

Bewusst ist das Design des Mobilitätspanels als rotierend mit maximal dreimaliger Teilnah-

memöglichkeit angelegt worden. Damit könnten verzögerte Reaktionen über ein bis zwei Jah-

re betrachtet werden. Modelle hierzu konnten aus Gründen des begrenzten möglichen Auf-

wandes vom DIW im Rahmen dieses Projektes nicht entwickelt werden.

Die repräsentativen Strukturwerte und Häufigkeiten von Kontextveränderungen aus dem So-

zio-oekonomischen Panel werden im Kapitel 3 präsentiert und im Kapitel 4 zur Beurteilung

der Daten des Mobilitätspanels herangezogen. Die ungewichteten Daten zeigen Schiefen be-

züglich der Haushaltsgröße, der Motorisierung und der Umzugshäufigkeit, für die beiden erst-

genannten Variablen kann dies durch Gewichtung korrigiert werden. Die Selektion der Stich-

probe in der Anwerbephase und im Stichprobenverlauf führt bisher leider dazu, dass die Um-

züge von Haushalten in der Panelstichprobe deutlich unterrepräsentiert sind. Ein Vergleich

des Erwerbsstatus (Stellung im Lebenszyklus) der Personen im Mobilitätspanel und im SOEP

zeigt eine gute Übereinstimmung. Die regionale Verteilung der Stichprobe auf Raumtypen

und Bundesländer ist gut.

Die inhaltliche und methodische Forschung zu Panelanalysen ist selbst in einer sehr dynami-

schen Entwicklung begriffen. Vom DIW sind daher unterschiedliche Programmpakete und

Analysemethoden parallel eingesetzt worden. Mit den in dieser Studie zu untersuchenden

Veränderungen im Längsschnitt sind empirische Probleme verbunden, die eine Umsetzung

weitaus schwieriger als eine Querschnittsauswertung machen: Es handelt sich dabei um relativ

seltene Ereignisse und mit dem Auftreten derartiger Ereignisse (z.B. Umzug eines Haushalts)

dürfte eine höhere Wahrscheinlichkeit des Ausfalls aus der Stichprobe verbunden sein. Wei-

terhin sind nicht alle interessierenden Variablen in den Daten enthalten. Schon allein der erste

Grund führt zu geringen Fallzahlen. Da zudem zu derartigen Daten und Fragestellungen in der

Verkehrsforschung noch wenig Erfahrungen vorliegen (zumindest in Deutschland), hat die

vorliegende DIW-Studie Pilotcharakter.

6.2 Inhaltliche Ergebnisse

Aus den empirischen Ergebnissen der Analyse von zehn verschiedenen Panel-Surveys an der

Transport Studies Unit der University of Oxford zieht Goodwin unter anderem das Fazit: �We


have had the opportunity to work on a number of panel data sets, and find that there are in-

sights to be gained that simply are not available from other forms of data. In particular, con-

sideration of the process of change in travel behavior offers the chance of treating as testable

hypotheses some of the basic assumption of classical cross-section-based analysis. This is not

just a question of testing how many of a models predicted mode transfers are really correctly

classified (interesting though that is), but more generally of investigating what it means to say

that a base data set demonstrates relationships that can be described as �equilibrium�, and what

follows if it cannot. There is a prima facie case that we shall need to recast both modelling

tools and policy preconceptions. Responses seem bigger, more complex, but slower, than we

had tended to assume.� (Goodwin, 1997, S.93)

Von der Fülle der Fragestellungen, die mit dem Mobilitätspanel untersucht werden könnten,

konnte in diesem Forschungsprojekt nur eine Auswahl umgesetzt werden. Selbst die darge-

stellten Analysen sind aus Gründen des zeitlichen Aufwandes in der Breite der einbezogenen

Aspekte beschränkt.56 Die Analysen wurden deskriptiv und mit verschiedenen Modellansät-

zen der Programmpakete SAS und Stata durchgeführt. Im Ergebnis zeigt sich auch in der vor-

liegenden Untersuchung � wie von Goodwin ausgeführt � dass die Befunde der Längsschnit-

tanalyse komplexer sind als es die auf Querschnittdaten basierenden Erfahrungen erwarten

lassen.

Zunächst ist bemerkenswert, dass in den Kontextvariablen, die potentiell Einfluss auf das

Verkehrsverhalten haben, eine beachtliche und mit Querschnittdaten nicht zu belegende Dy-

namik auf der Mikroebene von Personen und Haushalten herrscht (Kapitel 4). So verändert

sich zwischen zwei Erhebungsjahren bei fast 9 % der Haushalte die Anzahl der Personen, bei

annähernd 10 % ändert sich die Zahl der Pkw. Bei jeder achten Person ändert sich im Jahres-

vergleich die Berufskategorie (bzw. Stellung im Lebenszyklus) und bei jeder zehnten die

Pkw-Verfügbarkeit.

Für die Variablen berufliche Stellung, Pkw-Verfügbarkeit und Zeitkartenbesitz wird im Ka-

pitel 4 deskriptiv der Zusammenhang von Änderungen in der Merkmalsausprägung und Mo-

bilitätsindikatoren dargelegt. Die modellbasierten inhaltlichen Analysen (Kapitel 5) befassen

56 In den Erklärungmodellen zur Verkehrsleistung wurde z.B. nur der RAUMTYP als wahrscheinlich �objektive�Größe als Variable zur Siedlungsstruktur benutzt. Ergänzend hätte auch die Wechselwirkung mit der VariablenLAGE (Einschätzung der Befragten zur Lage der Wohnung) berücksichtigen werden können.


sich mit der Wirkung erklärender Variablen und ihrer Änderungen auf die Wegehäufigkeit,

die ÖV-Nutzung und die Verkehrsleistung der befragten Personen in der Quer- und der

Längsschnittbetrachtung. In der Querschnittanalyse wurde deutlich, dass schon eine relativ

einfache Modellbildung nur unter Berücksichtigung der Haupteffekte ein wesentlich differen-

zierteres Bild der Zusammenhänge liefert, als dies tabellarische Analysen leisten können.

Würde man zusätzlich Interaktionen und indirekte Effekte zulassen, die die direkten Effekte

verstärken oder negieren können, so würden die Zusammenhänge noch feingliedriger heraus-

gearbeitet.

Die tabellarische und modellgestützte Längsschnittanalyse zeigt teilweise deutlich andere Ef-

fekte, die zudem auf unterschiedlichen Niveaus der abhängigen Variablen angesiedelt sind.

Das bedeutet, dass Verhaltensänderungen nicht - wie es Querschnittanalysen nahe legen -

symmetrisch reversibel ablaufen. Die im Querschnitt belegten Unterschiede zwischen Katego-

rien sind also nicht identisch mit sich einstellenden Veränderungen bei einem tatsächlichen

Wechsel von einer Kategorie zur anderen. Dass sich die Verhaltensänderungen obendrein auf

unterschiedlichen Niveaus zutragen, lässt parallele Habit- oder Kohorteneffekte vermuten.

Hier müssen weiterführende Methoden herangezogen werden, die es besser erlauben Ursache-

Wirkungs-Beziehungen sichtbar zu machen und die z.B. eine Trennung von Struktureffekten

und Reaktionen im Zeitablauf zulassen.

Da Querschnittdaten verfügbar bzw. leichter generierbar sind wird die Verkehrsplanung und -

forschung auch weiterhin vornehmlich mit dieser Datenart arbeiten. Auch die Analyse zeitli-

cher Entwicklungen ist mit den Daten wiederholter Querschnitterhebungen möglich � aller-

dings mit einigen bedeutsamen Einschränkungen der Aussagemöglichkeiten (vgl. Kloas und

Kunert, 1994; Kunert, 1998). Von den Längsschnittanalysen sind nicht nur zusätzliche und

erweiterte kausale Ergebnisse zu erwarten, es sind auch Verbesserungen und gegebenenfalls

Korrekturen von Zusammenhängen möglich, die bisher mit Querschnittdaten nur unzurei-

chend analysiert werden konnten. Die zunächst noch eher auf der Forschungsebene angesie-

delten Panelstudien können somit zu einem informierteren Gebrauch der Querschnittdaten

beitragen.


6.3 Empfehlungen zur Erhebungsdurchführung

In den Übergängen von einer Erhebungswelle zur folgenden sind insbesondere Umzüge der

Haushalte untererfasst, hier wären unseres Erachtens verbesserte Regeln für die Anlage der

Stichprobe und die Nachverfolgung von Haushalten zu diskutieren. Eventuell könnte auch

eine Frage nach einem erfolgten Umzug gestellt werden. Wünschenswert sind zudem Infor-

mationen im Datensatz auch zu ausfallenden Haushalten (die noch nicht dreimal befragt wur-

den, aber dennoch nicht im Datensatz der Folgebefragung vertreten sind), z.B. ob hier eine

Verweigerung der weiteren Teilnahme oder ein Kontaktverlust vorlag.

Bezüglich des Erhebungsinstruments erscheinen uns zwei Anregungen bedenkenswert: Es

wäre eine Angabe wünschenswert, warum einzelne Haushaltsmitglieder in einer Welle nicht

antworten (z.B. wegen Urlaub, Verweigerung, etc.). Eine derartige Frage kann auch genutzt

werden, um den Teilnehmern zu verdeutlichen, dass Immobilität auch Erhebungsgegenstand

ist. Damit hat dieser Vorschlag auf der Ebene von Personen und von Tagen Relevanz.

Für die Beurteilung und Verbesserung der Datenqualität wäre die Information hilfreich, wel-

ches Haushaltsmitglied jeweils den Haushaltsbogen und damit auch Angaben für andere Per-

sonen ausgefüllt hat. Wir vermuten, dass die im Haushaltsbogen berichteten Personenmerk-

male durch den Wechsel berichtender Personen in Verbindung mit mangelnder Kenntnis der

wahren Werte teilweise nicht sinnvolle Änderungen aufweisen (z.B. Schulabschluss). In der

wechselnden Zuständigkeit der Haushaltsmitglieder für diese Ausfüllaufgabe dürfte auch eine

Ursache für unplausibel schwankende Angaben auf der Haushaltsebene liegen (z.B. zur

Wohnlage).

6.4 Vorschlag für eine ausgebaute Datenbereitstellung

Die Aufbereitung der Daten durch das Institut für Verkehrswesen der Universität Karlsruhe,

die sich bewährt hat, sollte mit zwei Zielrichtungen fortgesetzt und ausgebaut werden:

• Die erste Zielsetzung sollte es sein, den Panel-Datenbestand einem breiteren Nutzerkreis

zugänglich zu machen. Der kumulierte Panel-Datenbestand ist inzwischen so groß, dass

differenzierte Querschnittsaussagen möglich sind, die bis zur Vorlage der Ergebnisse der

KONTIV 2001 von keiner anderen Informationsquelle geliefert werden. Daher sollte ein

Zugriff auf die Daten für zusätzliche Nutzer ohne spezielle Kenntnisse der Erhebungs-


techniken und der Statistik möglich sein. So z.B. wenn Verkehrsingenieure für Planungs-

aufgaben den Anteil des Wochenend-Freizeitverkehrs an der gesamten Verkehrsleistung

im ÖV benötigt. Eine Voraussetzung hierfür wäre die Ausarbeitung von Hinweisen zur

Datennutzung, z.B. welche Segmente des Verkehrs schlecht erfasst sind und welche me-

thodischen Probleme und Lösungsmöglichkeiten beim Umgang mit den Paneldaten exi-

stieren (z.B. Autokorrellation im gepoolten Datensatz).

• Die zweite Überlegung zielt auf einen leichteren Zugang zu den Daten für die Längs-

schnittanalyse. Eine nahe liegende Zielvorstellung könnte sich am Sozio-oekononomische

Panel orientieren, für das Newsletter, Nutzerschulungen und Online-Dokumentationen

existieren. Zumindest sollten Hinweise auf die Literatur, Techniken für Auswertungen und

entsprechende Software gegeben werden. Auch könnte überlegt werden, leicht handhabba-

re Datensätze zu erstellen (z.B 1. Alle Teilnahmen gepoolt; 2. Wiederholer: Vorjahr | Jahr;

3. Dreifachteilnehmer: 1.Jahr | 2.Jahr | 3.Jahr).


7 Literaturverzeichnis

Alecke, B. (1997) Regressionsanalyse mit Panel-Daten: Eine Einführung, in: Zentralarchiv fürEmpirische Sozialforschung an der Universität zu Köln (Hrsg.) ZA-Information 40.

Allison, P.D. (1982) Discrete-Time Methods for the Analysis of Event Histories, in: Leinhardt, S. (Hg.)Sociologied Methodology, San Francisco: Jossey Bass Inc.

Baanders, A., Garden, J.M., Brög, W. (1982) Panels: Attractions and Pitfalls, PTRC Summer AnnualMeeting, Warwick.

Baanders, A., Slootman, K.C.P. (1983) A Panel for Longitudinal Research into Travel Behaviour, in:Carpenter, S. Joares, P. (Hrsg.) Recent Advances in Travel Demand Analysis, Aldershot.

Blase, J.H. (1979) Hysteresis and Catastrophe Theory: empirical identification in transportationmodelling, in: Environment and Planning A, Vol.11, S. 675-680.

Blase, J.H. (1980) Hysteresis in Travel Demand, in: Transportation Planning and Technology, Vol. 6, S.109-116.

Bortz, J. (1985) Lehrbuch der Statistik. Für Sozialwissenschaftler, Springer, Berlin.

Bradley, M. (1997) A Practical Comparison of Modeling Approaches for Panel Data, in: Golob, T.F.,Kitamura, R., Long, L. (eds.) Panels for Transportation Planning, Methods and Applications,Boston, Dordrecht, London.

Brownstone, D., Chu, X. (1997) Multiply-imputed Sampling Weights for Consistent Inference withPanel Attrition, in: Golob, T.F., Kitamura, R., Long, L. (eds.) Panels for TransportationPlanning, Methods and Applications, Boston, Dordrecht, London.

Clarke, M., Dix, M., Goodwin, P. (1982) Some Issues of Dynamics in Forecasting Travel Behaviour -A Discussion Paper, in: Transportation, S. 153-172.

Dargay, J.M., Vythoulkas, P.C. (1999) Estimation of a Dynamic Car Ownership Model. A Pseudo-Panel Approach, in: Journal of Transport Economics and Policy, September 1999, Vol. 33, S.287-302.

Davies, R.B. (1984) A generalised beta-logistic model for longitudinal data with an application toresidential mobility, in: Environment and Planning A, S. 1375-1386.

Davies, R.B., Pickles, A.R. (1985) Longitudinal versus cross-sectional methods for behaviouralresearch: a first-round knockout, in: Environment and Planning A, S. 1315-1329.

Deaton, A. (1985) Panel Data from Time Series of Cross-Sections, in: Journal of Econometrics 30(1985), S. 109-126.

Deloucas, A. (1990) Macro-Micro Relationships and In-Depth Research into Activity/TravelBehaviour, in: Jones, P. (ed.) Developments in Dynamic and Activity-Based Approaches toTravel Analysis, Aldershot.

Dix, M.C., Layzell, A.D. (1986) Behaviour Changes in Changing Populations: problems and proposalsfor policy-directed longitudinal studies, in: Behavioural Research for Transport Policy, Utrecht.


Duncan, G.J., Juster, F.T., Morgan, J.N. (1987) The role of panel studies in research on economicbehavior, in: Transportation Research A, No. 4/5.

Eijk, C. van der (1987) Wave-Pooling: An Approach to strengthen the Validity of Causal Inferences inthe Analyses of Multy-Wave Panels, in: Ministerie van Verkeer en Waterstaat (1987) Analysesof Panel Data - Proceedings of the Round Table Conference on the Longitudinal Travel Study,The Hague.

Engel, U., Reinecke, J. (1994) Panelanalyse. Grundlagen - Techniken � Beispiele, de Gruyter, Berlin,New York.

Engel, U., Reinecke, J. (Hrsg.) (1996) Analysis of Change: Advanced Techniques in Panel DataAnalysis, Walter de Gruyter.

Fienberg, S.E., Mason, W.M (1985) Specification and Implementation of Age, Period and CohortModels, in: W.M. Mason, S.E. Fienberg (eds.) Cohort Analysis in Social Research, Springer.

Frick, J. (1996) Lebenslagen im Wandel - Determinanten kleinräumlicher Mobilität inWestdeutschland, Frankfurt und New York.

Gärling, T. (1998) Behavioural Assumptions Overlooked in Travel Choice Modelling, in: Ortúzar, J. deD., Hensher, D., Jara-Diaz, S. (eds.) Travel Behaviour Research: Updating the State of Play,Elsevier.

Giuliano, G., Wachs, M. (1997) An Employer Panel for Evaluating the Effectiveness of Trip ReductionIncentives, in: Golob, T.F., Kitamura, R., Long, L. (eds.) Panels for Transportation Planning,Methods and Applications, Boston, Dordrecht, London.

Golob T.F. (1990 a) The Dynamics of Household Travel Time Expenditures and Car OwnershipDecisions, in: Transportation Research A, Vol. 24A, No.6, S. 443-463.

Golob, T.F. (1990 b) Structural Equation Modelling of Travel Choice Dynamics, in: Jones, P. (ed.)Developments in Dynamic and Activity-Based Approaches to Travel Analysis, Aldershot.

Golob, T.F., Kitamura, R., Long, L. (1997) Panels for Transportation Planning, Methods andApplications, Boston, Dordrecht, London.

Golob, T.F., Kitamura, R., Supernak, J. (1997) A Panel-Based Evaluation of the San Diego I-15Carpool Lanes Project, in: Golob, T.F., Kitamura, R., Long, L. (eds.) Panels for TransportationPlanning, Methods and Applications, Boston, Dordrecht, London.

Golob, T.F., Meurs, H. (1986) Biases in response over time in a seven-day travel diary, in:Transportation, S. 163-181.

Golob, T.F., Meurs, H. (1987) A Structural Model of Temporal Change in Multi-Modal TravelDemand, in: Transportation Research A, Heft 6, S. 391-400.

Golob, T.F., Meurs, H. (1988) Modelling the dynamics of passenger travel demand by using structuralequations, in: Environment and Planning A, S. 1197-1218.

Golob, T.F., Recker W.W. (1987) Dynamic Analyses of Complex Travel Behaviour Using aSubsample of the Dutch National Mobility Panel, in: Ministerie van Verkeer en Waterstaat


(1987) Analyses of Panel Data - Proceedings of the Round Table Conference on theLongitudinal Travel Study, The Hague.

Golob, T.F., Van Wissen, L., Meurs, H. (1986) A Dynamic Analysis of Travel Demand, in:Transportation Research A, Heft 5, S. 401-414.

Goodwin, P.B. (1989) Family changes and public transport use 1984-1987: A dynamic analysis usingpanel data, in: Transportation, S. 121-154.

Goodwin, P.B. (1997) Have Panel Surveys Told Us Anything New?, in: Golob, T.F., Kitamura, R.,Long, L. (eds.) Panels for Transportation Planning, Methods and Applications, Boston,Dordrecht, London.

Goodwin, P.B., Layzell, A.D. (1985) Longitudinal Analysis for Public Transport Policy Issues, in:G.R.M. Janssen, P. Nijkamp and C.J. Ruijgrok (eds.) Transportation and Mobility in an Era ofTransition, Studies in Regional Science and Urban Economics, Volume 13, Elsevier.

Goodwin, P.B., Dix, M.C., Layzell, A.D. (1987) The case for heterodoxy in logitudinal analysis, in:Transportation Research A, No. 4/5.

Goodwin, P.B., Kitamura, R., Meurs, H. (1990) Some Principles of Dynamic Analysis of TravelBehaviour, in: Jones, P. (ed.) Developments in Dynamic and Activity-Based Approaches toTravel Analysis, Aldershot.

Goulias, K.G. (1999) Longitudinal analysis of activity and travel pattern dynamics using generalizedmixed Markov latent class models, in: Transportation Research Part B, S. 535-557

Goulias, K.G., Kitamura, R. (1997) A Dynamic Microsimoulation Model System for Regional TravelDemand Forecasting, in: Golob, T.F., Kitamura, R., Long, L. (eds.) Panels for TransportationPlanning, Methods and Applications, Boston, Dordrecht, London.

Goulias, K.G., Pendyala, R.M., Kitamura, R. (1993) Weighting Methods for Choice-Based Panelswith Correlated Attrition and Initial Choice, Forschungsbericht an das Puget Sound RegionalCouncil, Seattle.

Haisken-De New, J., Frick J.R. (Hrsg.) (1998) DTC, Desktop Companion to the German Socio-Economic Panel Study, (updated to wave 14 [N]), Berlin.

Hautzinger, H. (2001) Auswertung des Mobilitätspanels mittels statistisch-ökonometrischer Panel-modelle, in: Dynamische und statische Elemente des Verkehrsverhaltens � Das Deutsche Mo-bilitätspanel, Schriftenreihe der Deutschen Verkehrswissenschaftlichen Gesellschaft, Band B234, Bergisch Gladbach.

Havens, J.J. (1981) New Approaches to Understanding Travel Behaviour: Role, Life-Style andAdaptation, in: Stopher, P.R., Meyburg, A.H., Brög, W. (Hrsg.) New Horizons in Travel-Behavior Research, Lexington.

Heckman, J.J. (1981) Statistical models for discrete panel data, in: Manski, C.F., Mc Fadden D. (Hg.)Structural Analysis of Discrete Data with Econometric Applications, Cambridge, Mass.: MITPress, S. 114-178.

Heidemann, C. (1981) Spatial Behavior Studies: Concepts and Contexts, in: Stopher, P.R., Meyburg,A.H., Brög, W. (Hrsg.) New Horizons in Travel-Behavior Research, Lexington.


Hensher, D.A. (1985 a) An Overview of the Theoretical, Methodological, Empirical and Policy Basesof the Dimensions of Automobile Demand Project, Dimensions of Automobile Demand Project,Working Paper No. 12A, Macquarie University.

Hensher, D.A. (1985 b) Longitudinal Surveys in Transport: An Assessment, in: Ampt, E.S., Richardson,A.J., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht.

Hensher, D.A. (1987) Issues in the Pre-Analysis of Panel Data, in: Transportation Research A, Nr. 4/5.

Hensher, D.A. (1997) The Timing of Change: Discrete and Continuous Time Panels in Transportation,in: Golob, T.F., Kitamura, R., Long, L. (eds.) Panels for Transportation Planning, Methods andApplications, Boston, Dordrecht, London.

Hensher, D.A. (1998) The Timing of Change for Automobile Transactions: Competing Risk MultispellSpecification, in: Ortúzar, J. de D., Hensher, D., Jara-Diaz, S. (eds.) Travel Behaviour Research:Updating the State of Play, Elsevier.

Hensher, D.A., Smith, N.C. (1990) Estimating Automobile Utilisation with Panel Data: AnInvestigation of Alternative Assumptions for the Initial Conditions and Error Covariances, in:Transportation Research A, Vol. 24A, No.6, S. 417-426.

Hensher, D.A., Smith, N.C., Milthorpe, F.M., Barnard, P.O. (1992) Dimensions of AutomobileDemand: A Longitudinal Study of Automobile Ownership and Use, Amsterdam, North Holland.

Hensher, D.A., Wrigley, N. (1984) Statistical Modelling of Discrete Choices with Panal Data,Dimensions of Automobile Demand Project, Working Paper Nr. 16, Macquarie University.

Honoré, B.E., Kyriazidou, E. (2000) Panel Data Discrete Choice Models with Lagged DependentVariables, in: Econometrica, Journal of Econometric Society, Vol. 68, No. 4, S. 839-874.

Hsiao, C. (1986) Analysis of panel data, Cambrigde University Press.

Huff, J., Hanson, S. (1990) Measurement of Habitual Behaviour: Examining Systematic Variabilityin Repetitive Travel, in: Jones, P. (ed.) Developments in Dynamic and Activity-BasedApproaches to Travel Analysis, Aldershot.

Infratest Burke Verkehrsforschung (1999) Haushaltspanel zum Verkehrsverhalten, Endbericht zumPaneljahr 1998/1999, München.

IfV Institut für Verkehrswesen, Universität Karlsruhe (1998) Haushaltspanel 1997 / 1998 -Auswertung. Vorläufiger Schlussbericht. Karlsruhe.

IVT Heilbronn und Steinbeis-Tranferzentrum Stuttgart (1999) Erprobung und Evaluierung vonModellen der Statistik und der Künstlichen Intelligenz als Instrumente zur Analyse desMobilitätspanels, Pilotstudie, Heilbronn und Stuttgart.

Jansson, J.O. (1990) Car Ownership Entry and Exit Propensities of Different Generations � A KeyFactor for the Development of the Total Car Fleet, in: Jones, P. (ed.) Developments inDynamic and Activity-Based Approaches to Travel Analysis, Aldershot.

Johnson, L., Hensher D. (1982) Application of Multinomial Probit to a Two-period Panel Data Set, in:Transportation Research A, Vol. 16A, No.5-6, S. 457-464.


Jones, P.M., Clarke, M. (1986) The Significance and Measurement of Variability in Travel Behaviour,PTRC Summer Annual Meeting, Warwick.

Kalter, F. (1994) Pendeln statt Migration? Die Wahl und Stabilität von Wohnort-Arbeitsort-Kombinationen, in: Zeitschrift für Soziologie, Jg. 23, Heft 6.

Kampmann, C. und Wagner, G. (1996) Autofahren und Mineralölsteuererhöhungen - Einempirischer Ost-West-Vergleich zur Wirkung und Akzeptanz, in: Zeitschrift für angewandteUmweltforschung, 9 (2), S. 188-199.

Kim, S.-G., Mannering, F.L. (1997) Panel Data and Activity Duration Models: EconometricAlternatives and Applications, in: Golob, T.F., Kitamura, R., Long, L. (eds.) Panels forTransportation Planning, Methods and Applications, Boston, Dordrecht, London.

Kitamura, R. (1989 a) Guest editorial, in: Transportation, S. 97-99.

Kitamura, R. (1989 b) A causal analysis of car ownership and transit use, in: Transportation, S. 155-174.

Kitamura, R. (1990) Panel Analysis in Transportation Planning: An Overview, in: TransportationResearch A, Vol. 24A, No.6, S. 401-415.

Kitamura, R. (1992) Longitudinal Surveys, in: Ampt, E.S., Richardson, A.J., Meyburg, A.H. (eds.)Selected Readings in Transport Survey Methodology, Eucalyptus Press, Melbourne.

Kitamura, R., Bovy, P.H.L. (1987) Analysis of Attrition Biases and Trip Reporting Errors for PanelData, in: Transportation Research A, No. 4/5.

Kitamura, R., Van der Hoorn, T. (1987) Regularity and irreversiblity of weekly travel behaviour, in:Transportation, Vol. 14, S. 227-251.

Kloas, J. (1988) Sonderauswertung des Sozio-oekonomischen Panels zum Themenbereich Verkehr,Gutachten im Auftrag des Bundesministers für Verkehr, Berlin.

Kloas, J., Kuhfeld, H., Kunert, U. (1999) Konstanz bzw. Variabilität des Verkehrsverhaltens beigleichen Personen, Analyse des Mobilitätspanels 1994 bis 1998, 1. Zwischenbericht, Berlin.

Kloas, J., Kunert, U. (1993) Vergleichende Auswertungen von Haushaltsbefragungen zumPersonennahverkehr (KONTIV 1976, 1982, 1989), Gutachten im Auftrag des Bundesministersfür Verkehr, Berlin.

Kloas, J., Kunert, U. (1994 a) Über die Schwierigkeit, Verkehrsverhalten zu messen. Die dreiKONTIV-Erhebungen im Vergleich, in: Verkehr und Technik, Heft 3 und 5.

Kloas, J., Kunert, U. (1994 b) Die zeitliche Entwicklung der Bedeutung von Personenmerkmalen fürdas Verkehrsverhalten, in: Verkehr und Technik, Heft 11 und 12.

Kloas, J., Recke, C. (1988) Verkehr, in: Krupp, H.-J., Schupp, J. (Hrsg.) Lebenslagen im Wandel:Daten 1987, Campus Verlag, Frankfurt (Main).


Knippenberg van, C., Kockelkoren, M., Korsten, N. (1990) Travel Behaviour of Non-TraditionalHouseholds, in: Jones, P. (ed.) Developments in Dynamic and Activity-Based Approaches toTravel Analysis, Aldershot.

Kohler, U., Kreuter, F. (2001) Datenanalyse mit Stata, Oldenbourg Verlag, München.

Kunert, U. (1992) Individuelles Verkehrsverhalten im Wochenverlauf, DIW-Beiträge zurStrukturforschung, Heft 130, Berlin.

Kunert, U. (1994 a) Konzeption einer Panel-Erhebung für die Verkehrsplanung in Berlin undBrandenburg. Gutachten im Auftrag des Ministeriums für Stadtentwicklung, Wohnen undVerkehr des Landes Brandenburg und der Senatsverwaltung für Verkehr und Betriebe desLandes Berlin.

Kunert, U. (1994 b) Weekly Mobility of Life Cycle Groups, in: Transportation, Vol. 21, S. 271-288.

Kunert, U. (1998) Detecting Long Term Trends in Travel Behaviour: Problems Associated withRepeated National Personal Travel Surveys, in: Ortuzar, J., Hensher, D., Jara-Diaz, S. (eds.)Travel Behaviour Research: Updating the State of Play, Elsevier, Amsterdam.

Kunert, U. (2001) Die Quer- und Längsschnittanalyse des Mobilitätspanels im Vergleich, in: Dyna-mische und statische Elemente des Verkehrsverhaltens � Das Deutsche Mobilitätspanel,Schriftenreihe der Deutschen Verkehrswissenschaftlichen Gesellschaft, Band B 234, BergischGladbach.

Loop, H. van der (1990) Panel Analysis of Travel Behaviour for Policy Applications: Methods Usedand Results Available, in: Jones, P. (ed.) Developments in Dynamic and Activity-BasedApproaches to Travel Analysis, Aldershot.

Ma, J., Goulias, K.G. (1997) A dynamic analysis of person and household activity and travel patternsusing data from the first two waves in the Puget Sound Transportation Panel, in:Transportation, Vol. 24 (3), S.309-331.

Maddala, G.S. (1987) Recent developments in the econometrics of panel data analysis, in:Transportation Research A, 21A, No. 4/5.

Madré, J.-L. (1990) Long-Term Forecasting of Car Ownership and Car Use, in: Jones, P. (ed.)Developments in Dynamic and Activity-Based Approaches to Travel Analysis, Aldershot.

Mason, W.M., Fienberg, S.E. (1985) Introduction: Beyond the Identification Problem, in: W.M.Mason, S.E. Fienberg (eds.) Cohort Analysis in Social Research, Springer.

McCullagh, P., Nelder, J.A. (1983) Generalized Linear Models (second edition), Chapman and Hall.

McFadden, D. (2000) Disaggregate Behavioral Travel Demand´s RUM Side, A 30-yearRetrospective, Paper presented at the International Association for Travel Behaviour (IATB)Conference, Australia, July 2000.

Meurs, H. (1990) Dynamic Analysis of Trip Generation, in: Transportation Research A, Vol. 24A,No.6, S. 427-442.


Meurs, H., Ridder, G. (1997) Attrition and Response Effects in the Dutch National Mobility Panel, in:Golob, T.F., Kitamura, R., Long, L. (eds.) Panels for Transportation Planning, Methods andApplications, Boston, Dordrecht, London.

Meurs, H., Van Eijk, T., Goodwin, P. (1990) Dynamic Estimation of Public Transport DemandElasticities, in: Jones, P. (ed.) Developments in Dynamic and Activity-Based Approaches toTravel Analysis, Aldershot.

Meurs, H., Van Wissen, L., Visser, J. (1989) Measurement biases in panel data, in: Transportation, S.175-194.

Mobidrive (2001) Forschungsprojekt dokumentiert unter http://www.ptv.de/mobidrive.

Murakami, E., Ulberg, C. (1997) The Puget Sound Transportation Panel, in: Golob, T.F., Kitamura, R.,Long, L. (eds.) Panels for Transportation Planning, Methods and Applications, Boston,Dordrecht, London.

Murakami, E., Watterson, W.T. (1992) The Puget Sound Transportation Panel after two waves, in:Transportation, Vol. 19.

Ortúzar, J. de D., Willumsen, L.G. (1994) Modelling Transport, Wiley Publishers, London.

Paaswell, R.E. (1997) Why Panels for Transportation Planning?, in: Golob, T.F., Kitamura, R.,Long, L. (eds.) Panels for Transportation Planning, Methods and Applications, Boston, Dordrecht,London.

Pannenberg, M. (2000) Documentation of Sample Sizes and Panel Attrition in the German SocioEconomic Panel (GSOEP) 1984 until 1999, in: DIW Discussion Papers, No. 232, Berlin.

Parnes, H.S. (1972) Longitudinal surveys: prospects and problems, in: Monthly Labor Review, Februar.

Pas, E. (1990) Is Travel Demand Analysis and Modelling in the Doldrums? in: Jones, P. (ed.)Developments in Dynamic and Activity-Based Approaches to Travel Analysis, Aldershot.

Pendyala, R.M. (1998) Causal Analysis in Travel Behaviour Research: A Cautionary Note, in: Ortúzar,J. de D., Hensher, D., Jara-Diaz, S. (eds.) Travel Behaviour Research: Updating the State ofPlay, Elsevier.

Pendyala, R.M., Kitamura, R. (1997) Weighting Methods for Attrition in Choice-Based Panels, in:Golob, T.F., Kitamura, R., Long, L. (eds.) Panels for Transportation Planning, Methods andApplications, Boston, Dordrecht, London.

Pendyala, R.M., Pas, E.I. (1997) Multiday and Multiperiod Data, in: Transport Surveys: Raising theStandard, Paper for the International Conference on Transport Survey Quality and Innovation,Grainau.

Pickles, A.R., Davies, R.B., Crouchley, R. (1984) Individual and geographical variation in longitudinalvoting data for England 1964-1970, in: Environment and Planning A, S. 1237-1247.

Pol, F. van de (1987) Panel Sampling Designs, in: Ministerie van Verkeer en Waterstaat (1987)Analyses of Panel Data - Proceedings of the Round Table Conference on the LongitudinalTravel Study, The Hague.


Porst, R., Briel, C.v. (1995) Wären Sie vielleicht bereit, sich gegebenenfalls noch einmal befragen zulassen? Oder: Gründe für die Teilnahme an Panelbefragungen. ZUMA � Arbeitsbericht Nr.95/04, Mannheim.

Purvis, C.L. (1997) Planning for Panel Suveys in the San Francisco Bay Area, in: Golob, T.F.,Kitamura, R., Long, L. (eds.) Panels for Transportation Planning, Methods and Applications,Boston, Dordrecht, London.

Raimond, T., Hensher, D.A. (1997) A Review of Empirical Studies and Applications, in: Golob, T.F.,Kitamura, R., Long, L. (eds.) Panels for Transportation Planning, Methods and Applications,Boston, Dordrecht, London.

RDC, The Transportation Futures Group (1993) Puget Sound Transportation Panel: ModelDevelopment and Testing, San Francisco.

Rendtel, U. (1995) Lebenslagen im Wandel: Panelausfälle und Panelrepräsentativität, (Hrsg.:Projektgruppe �Das Sozio-oekonomische Panel� im Deutschen Institut fürWirtschaftsforschung) Frankfurt a. M., New York.

Rostek, K. (2000) Die Rolle des Mobilitätspanels in der deutschen Verkehrsstatistik, Vortrag auf demKolloquium Dynamische und statische Elemente des Verkehrsverhaltens � Das Deutsche Mo-bilitätspanel, Deutsche Verkehrswissenschaftliche Gesellschaft, Karlsruhe.

Rudinger, G., Rietz, C. (1993) Und mal wieder: Reliabilität & Stabilität in Panelmodellen, in: ZUMA-Nachrichten, 32. Jg, 17.Mai 1993, S. 60-75.

Ryder, N.B. (1985) The Cohort as a Concept in the Study of Social Change, in: W.M. Mason, S.E.Fienberg (eds.) Cohort Analysis in Social Research, Springer.

SAS Institute Inc. (1994) SAS/STAT User�s Guide Vol.1, Version 6, Fourth Edition, Cary.

Sauer, A. (2001) Die Methodik der Feldarbeit für das deutsche Mobilitätspanel, in: Dynamische undstatische Elemente des Verkehrsverhaltens � Das Deutsche Mobilitätspanel, Schriftenreiheder Deutschen Verkehrswissenschaftlichen Gesellschaft, Band B 234, Bergisch Gladbach.

SOEP Group (2001) The German Socio-Economic Panel (GSOEP) after more than 15 years � Over-view. In: Elke Holst, Dean R. Lillard und Thomas A. DiPrete (Hrsg.) Proceedings of the 2000Fourth International Conference of German Socio-Economic Panel Study Users(GSOEP2000), Vierteljahrshefte zur Wirtschaftsforschung, Jg. 70, Nr. 1, S. 7-14

Schräpler, J.-P. (2001) Respondent Behavior in Panel Studies � A Case Study of the German Socio �Economic Panel, in: DIW Discussion Papers, No. 244, Berlin.

Schupp, J., Wagner, G. (1998) Das sozio-oekonomische Panel - Eine sozial- undwirtschaftswissenschaftliche Längsschnittsstudie für die Bundesrepublik Deutschland, in:planung&analyse 3/98, S. 22-25.

Smith N.C., Hensher D.A., Wrigle, N. (1991) A Discrete Choice Sequence Model: Method and anIllustrative Application to Automobile Transactions, in: International Journal of TransportEconomics, Vol. XVIII, No. 2, S. 123- 150.

StataCorp (2001) Stata Statistical Software: Release 7.0, College Station, TX: Stata Corporation.


Supernak, J. (1990) A Dynamic Interplay of Activities and Travel: Analysis of Time of Day UtilityProfiles, in: Jones, P. (ed.) Developments in Dynamic and Activity-Based Approaches toTravel Analysis, Aldershot.

Terzis, G. (1990) Panel Analysis: An Application to Public Transport Policies in London, in: Jones,P. (ed.) Developments in Dynamic and Activity-Based Approaches to Travel Analysis,Aldershot.

Tourangeau, R., Zimowski, M., Ghadialy, R. (1997) An Introduction to Panel Surveys inTransportation Studies, Research Report for the Federal Highway Administration, Chicago.

Tutz, G. (2000) Die Analyse kategorialer Daten, Anwendungsorientierte Einführung in Logit-Modellierung und kategoriale Regression, Oldenbourg Wissenschaftsverlag, München.

Vermunt, J.K., Georg, W. (1995) Die Analyse kategorialer Panel-Daten mit Hilfe von log-linearenKausalmodellen mit latenten Variablen: Eine Anwendung am Beispiel der Skala�Jugendzentrismus�, in: Zentralarchiv für Empirische Sozialforschung an der Universität zuKöln (Hrsg.) ZA-Information 36.

Voß, W. (Hrsg.) (2000) Taschenbuch der Statistik, Leipzig.

Wagner, G. et al. (1994) Das sozio-oekonomische Panel (SOEP) � Methoden der Datenproduktion und�aufbereitung im Längsschnitt. In: Hauser, R. et al. (Hrsg.) Mikroanalytische Grundlagen derGesellschaftspolitik, Bd. 2, Akademie Verlag, Berlin S. 70-112.

Wegener, M., Gnad, F., Vannahme, M. (1986) The Time Scale of Urban Change, in: Hutchinson, B.,Batty, M. (Hrsg.) Advances in Urban Systems Modelling, North-Holland.

Wissen, L.J.G. van, Meurs, H.J. (1989) The Dutch mobility panel: Experiences and evaluation, in:Transportation, S. 99-120.

Wrigley, N., Dunn, R. (1984) Stochastic panel-data models of urban shopping behaviour: Theinteraction of store choice and brand choice, in: Environment and Planning A, S. 1221-1236.

Yee, J.L., Niemeier, D. (1996) Advantages and Disadvantages: Longitudinal vs. Repeated Cross-Section Surveys, Project Battelle 94-16, FHWA, HPM-40, http://ntl.bts.gov/ntl/data/bat.pdf.

Yee, J.L., Niemeier, D.A. (2000) Analysis of activity duration using the Puget sound transportationpanel, in: Transportation Research Part A 34, S. 607-624.

Zumkeller, D. (1997) Begleitung und Auswertung der laufenden Erhebungen zum Mobilitätsverhaltensowie zu Fahrleistungen und Benzinverbrauch, Schlussbericht, Karlsruhe.

Zumkeller, D. et al. (1993) Paneluntersuchungen zum Verkehrsverhalten, in: Bundesministerium fürVerkehr (Hrsg.), Forschung Straßenbau und Straßenverkehrstechnik, Heft 688, Bonn-BadGodesberg.

Zumkeller, D., Chlond, B., Lipps, O. (1999) Das Mobilitäts-panel (MOP), Konzept und Realisierungeiner bundesweiten Längsschnittbetrachtung, in: Schriftenreihe der DeutschenVerkehrswissenschaftlichen Gesellschaft e.V., Reihe B, S. 33-72.


Zumkeller, D., Lipps, O., Chlond, B. (1997) The German Mobility Panel: Options, Limitations and thecomplementary Use of secondary Data, Transport Surveys: Raising the Standard, Paper for theInternational Conference on Transport Survey Quality and Innovation, Grainau.

Zumkeller, D. (2001) Eigenschaften von Paneluntersuchungen � Anwendungen und Einsatzmöglich-keiten im Verkehrsbereich, in: Dynamische und statische Elemente des Verkehrsverhaltens �Das Deutsche Mobilitätspanel, Schriftenreihe der Deutschen Verkehrswissenschaftlichen Ge-sellschaft, Band B 234, Bergisch Gladbach.

Mobilitätspanel – Dynamik des Verkehrsverhaltens im Jahresvergleich 1

Anhang A

Beispiele aus den Wegetagebüchern

Die folgenden Darstellungen zeigen z.T. Beispiele für die Vielfalt des Verkehrsverhaltens, die

in den Auswertungen mit Durchschnittswerten leicht untergehen, z.T. illustrieren sie die

Auswertungsprobleme.

1. Teilerfassung des Geschäfts-, Dienstreiseverkehrs, Überschneidung mit Wirtschafts-

verkehr.

Im Jahr 1995 legt die Person geschäftlich/dienstlich Dienstag bis Freitag in einer Fahrt mit

„sonstigen Verkehrsmitteln“ jeweils 520 bis 570 km zurück.


2. Langer Weg zum Abeitsplatz

In 1994 legt die Person den Weg zur und von der Arbeitsstelle (12 km Entfernung) in je zwei

Stunden zu Fuss zurück. Im Folgejahr beträgt die Entfernung Wohnung – Arbeitsplatz 90 km.

Der Zeitaufwand beträgt mit Bahn und Fussweg zweimal 100 Minuten.


3. Inplausible Wege 1994 / 1995

1994 werden Donnerstag und Freitag lange Fusswege mit der Zweckcodierung „Dienstreise“

angegeben. In 10 bzw. 8 Stunden werden angeblich 385 bzw. 190 km zurückgelegt. Am

Samstag fehlt die Rückfahrt zu einer mittäglichen Autofahrt zu Einkauf/Besorgung.

In den Folgejahren treten solche inplausiblen Wegetagebücher nicht mehr auf.


4. Unterschiedliche Angabesorgfalt bei Besonderheiten

Abgesehen von der Interpretationsfähigkeit der Codierung „andere Besonderheit“ am

Befragungstag sind diese und die übrigen zum Befragungstag erhobenen Besonderheiten

(Krankheit, Urlaub, Auto in Werkstatt) subjektiv von den Befragten unterschiedlich bewertet

bzw. unterschiedlich sorgfältig ausgefüllt worden. Hier z.B. kann nur für 1996 zu einer

Bahnreise Mittwoch und Donnerstag „andere Besonderheit“ ausgewiesen werden. Weder

1997 noch 1998 hat die Person einen Wechsel des Arbeitsplatzes oder andere Begründungen

angegeben, dennoch unterscheiden sich die Wochen in der Berufswegezeit extrem.

5. Zwillinge

Die folgenden Wegetagebücher der 1985 geborenen Brüder unterscheiden sich nur am

2.10.1997 (Krankheit) und (geringfügig) am 9.10.1996.


6. Auswärtige Unterbringung

Zum Haushalt gehörende, aber i.a. nicht in dem erhobenen Wohnumfeld (Wohnlage, Ein-

kaufsgelegen, ÖV-Angebot etc.) lebende Personen (Wochenendpendler), lassen sich identi-

fizieren. Eine Zusatzcodierung, die es ermöglichen würde, z.B. solche Fälle von statistischen

Analysen zu Wohnumfeld und Verkehrsverhalten auszuschließen, oder sie gezielt zu

untersuchen, ist aber noch nicht erfolgt.

7. Immobilität oder Non-Response?

Die nächste Grafik mit dem Haushalt 5226 zeigt deutlich die Problematik des Abbruchs im

Protokoll: Erster Befragungstag ist Sonntag. In 1997 hat die erste Person offensichtlich (nach

einem besonderen beruflichen Ereignis?) am Dienstag abgebrochen, Mittwoch bis Sonnabend

zählen (vermutlich fälschlich) als Tage mit Immobilität. Die zweite Person im Haushalt

berichtet dagegen, wie auch die erste Person wieder im Folgejahr, vollständig.


8. Grenzen der Erhebung des Mobilitätskontextes

Die folgende 1971 geborene Frau, die im elterlichen Haushalt lebt und sich im ersten

Befragungsjahr als teilzeitbeschäftigt und in den Folgejahren als arbeitslos charakterisiert hat,

weist gerade im letzten Befragungsjahr die meisten, sehr langen Arbeitswege aus, da sie

offenbar einen Job bekommen hat.


9. Auswärtige Unterbingung

Bei auswärtiger Ausbildung / Arbeit bzw. Wehrdienst kann die Angabe „Urlaub“ bedeuten:

Jetzt ist die Person im Wohnumfeld (ein 1977 geborener Jugendlicher aus Bayern).

Mobilitätspanel – ANHANG B B-1

1 Datei Haushaltsdaten (1994 - 1998)

Variable Inhalt

ID Identitätsnummer des Haushalts

0001-1999: Teilnehmer Beginn 19943000-3999: Aufstockung in 1995.5000-5999: Aufstockung in 1996.6000-6999: Aufstockung in 1997.7000-7999: Aufstockung in 1998.

JAHR Durchführungsjahr der Befragung der Haushalte

LAGE Lage der Wohnung des HH nach Einschätzung und Angabe der HH selbst

im inneren Stadtbereich einer Großstadtam Stadtrand / in einem Vorort einer Großstadtim inneren Stadtbereich einer mittelgroßen Stadtam Stadtrand / in einem Vorort einer mittelgroßen Stadtin einer Kleinstadt / in einer großen Gemeindeauf dem Land / in einer kleinen Landgemeindekeine Angabe

HHGRO Anzahl der im Haushalt lebenden Personen

keine Angabe

P0_10 Anzahl der im Haushalt lebenden Kinder unter 10 Jahren

keine Angabe

PKWHH Anzahl der im Haushalt vorhandener PKW

keine Angabe

PARKSTR Angabe, ob am Straßenrand geparkt wird

jakeine Angabe

PARKGAR Angabe, ob eine Garage oder ein privater Parkplatz vorhanden ist.

jakeine Angabe


PARKPROB Wenn Variable PARKSTR = 1: Angabe bezüglich der Schwierigkeit, einenParkplatz zu finden

Sehr schwierigSchwierigNicht besonders schwierigüberhaupt nicht schwierigkeine Angabe

HALTBUS Angabe, ob eine Bushaltestelle zu Fuß zu erreichen ist

nein (nur 1994)jakeine Angabe

HALTBUSZ Dauer des Fußwegs von Wohnung zur Bushaltestelle in Minuten (wenn:HALTBUS =2); sonst:

keine Angabe

HALTSTR Angabe, ob eine Straßenbahnhaltestelle zu Fuß zu erreichen ist


HALTSTRZ Dauer des Fußwegs von Wohnung zur Straßenbahnhaltestelle in Minuten(wenn: HALTSTR =2); sonst:

keine Angabe

HALTU Angabe, ob eine U-Bahn Haltestelle zu Fuß zu erreichen ist


HALTUZ Dauer des Fußwegs von Wohnung zur U-Bahn Haltestelle in Minuten.(wenn: HALTU =2); sonst:

keine Angabe

HALTS Angabe, ob eine S-Bahn Haltestelle zu Fuß zu erreichen ist


HALTSZ Dauer des Fußwegs von Wohnung zur S-Bahn Haltestelle in Minuten(wenn: HALTS =2); sonst:

keine Angabe


HALTZUG Angabe, ob ein Bahnhof zu Fuß zu erreichen ist


HALTZUGZ Dauer des Fußwegs von Wohnung zu Bahnhof in Minuten, (wenn:HALTZUG = 1); sonst :

keine Angabe

OEFFZUF Zufriedenheit mit der Anbindung an öffentliche Verkehrsmittel

im großen und ganzen zufriedensollte verbessert werdenkeine Angabe

EINK1 Besteht in der näheren Umgebung der Wohnung (1-2 km entfernt bzw. 15-20 Minuten Fußweg) eine Einkaufsmöglichkeit für den täglichen Bedarf(Lebensmittel u. ä.)

janeinkeine Angabe

EINK1KM wenn Variable EINK1 = 2, dann:

Entfernung in km zur nächsten Möglichkeitkeine Angabe

EINK2 Besteht in der näheren Umgebung der Wohnung (1-2 km entfernt bzw. 15-20 Minuten Fußweg) eine Einkaufsmöglichkeit für andere Dinge wie z. B.Kleidung

janeinkeine Angabe

EINK2KM wenn Variable EINK2 = 2, dann:


KNEIPE Gibt es in der näheren Umgebung der Wohnung (1-2 km entfernt bzw. 15-20 Minuten Fußweg) eine Kneipe / Café oder ähnliches

janeinkeine Angabe

KNEIPEKM wenn Variable Kneipe = 2, dann:



KINO Gibt es in der näheren Umgebung der Wohnung (1-2 km entfernt bzw. 15-20 Minuten Fußweg) Ausgehmöglichkeiten (Kino / Theater oder ähnliches)

janeinkeine Angabe

KINOKM wenn Variable Kino = 2, dann:


SPORT Gibt es in der näheren Umgebung der Wohnung (1-2 km entfernt bzw. 15-20 Minuten Fußweg) Sportstätten oder ähnliches

janeinkeine Angabe

SPORTKM wenn Variable Sport = 2, dann:


BIK Raumtyp nach BIK: Einw.-Zahl näherungsweise

mehr als 500.000 Einw., Wohnung im Ortskern gelegenmehr als 500.000 Einw., Wohnung am Ortsrand100.000 – 500.000 Einw., Wohnung im Ortskern100.000 – 500.000 Einw., Wohnung am Ortsrand 50.000 - 100.000 Einw., Wohnung im Ortskern 50.000 - 100.000 Einw., Wohnung am Ortsrand 20.000 - 50.000 Einw. 5.000 - 20.000 Einw. 2.000 - 5.000 Einw.unter 2.000 Einw.

RAUMTYP Raumtyp nach BIK (s. BIK), zusammengefasst:

mehr als 100.000 Einw., Lage im Kernmehr als 100.000 Einw., Lage am Rand20.000 - 100.000 Einw. 5.000 - 20.000 Einw.unter 5.000 Einw.

HHTYP Kleinhaushalt mit Berufstätigen (1-2 Personen)Kleinhaushalt ohne Berufstätige (1-2 Personen, Rentner)Haushalt mit Kindern unter 18 JahrenHaushalt ohne Kinder, 3 und mehr Erwachsenekeine Angabe / zur Berechnung fehlte ein Wert (1995)

GEWHH Dieser Gewichtungsfaktor zur Hochrechnung auf die gesamte Bevölkerungder alten BRD wurde in Abhängigkeit des Verdichtungsraums (binär), derHHgröße (1, 2, 3+) und des PKW-Besitzes (0, 1, 2+) errechnet.


BFLR Typisierung der 17 Gemeindetypen der BFLR (Bundesanstalt fürLandeskunde und Raumordnung) in 4 Raumkategorien :

GroßzentrenOberzentrenMittelzentrensonstige Gemeinden

Achtung: Seit 1997 gelten neue siedlungsstrukturelle Regionstypen; eineunmittelbare Vergleichsmöglichkeit der 1997er Daten mit den Vorjahren istnicht mehr gegeben !Die Variable BFLR ist ab der 97er Haushaltsdatei nicht mehr ausgewiesen.Bzgl. der Zuordnung vgl. Beiblatt „Siedlungsstrukturelle Gebietstypen“(Mitt. Infratest v. 4.2.98)

REGION Regionstypen nach BFLR

Regionen mit großen VerdichtungsräumenRegionen mit VerdichtungsansätzenLändlich geprägte Regionenkeine Angabe (für 1996)

Achtung: Seit 1997 gelten neue siedlungsstrukturelle Regionstypen; eineunmittelbare Vergleichsmöglichkeit der 1997er Daten mit den Vorjahren istnicht mehr gegeben !Die Variable Region ist ab der 97er Haushaltsdatei in differenzierter Formausgewiesen (7 Ausprägungen). Bzgl. der Zuordnung vgl. Beiblatt„Siedlungsstrukturelle Gebietstypen“ (Mitt. Infratest v. 4.2.98)

KREIS Kreistypzuordnung gem. BFLR

falls Variable REGION = 1:Kernstädtehochverdichtete Kreiseverdichtete Kreiseländliche Kreisefalls Variable REGION = 2:Kernstädteverdichtete Kreiseländliche Kreisefalls Variable REGION = 3:verdichtete Kreiseländliche Kreisekeine Angabe (für 1996)


GEMEINDE Gemeindetypzuordnung gem. BFLRfalls Variable REGION = 1 und Variable KREIS = 1:Kernstädte > 500.000 Einw.Kernstädte < 500.000 Einw.falls Variable REGION = 1 und Variable KREIS = 2:Ober- / Mittelzentrensonstige Gemeindefalls Variable REGION = 1 und Variable KREIS = 3:Ober- / Mittelzentrensonstige Gemeindefalls Variable REGION = 1 und Variable KREIS = 4:Ober- / Mittelzentrensonstige Gemeindefalls Variable REGION = 2 und Variable KREIS = 5:Kernstädtefalls Variable REGION = 2 und Variable KREIS = 6:Ober- / Mittelzentrensonstige Gemeindefalls Variable REGION = 2 und Variable KREIS = 7:Ober- / Mittelzentrensonstige Gemeindefalls Variable REGION = 3 und Variable KREIS = 8:Ober- / Mittelzentrensonstige Gemeindefalls Variable REGION = 3 und Variable KREIS = 9:Ober- / Mittelzentrensonstige Gemeinde

WETTER Zuordnung des HH-Wohnortes in den Wetterbereich der Wetterstationen:

Wetterbereich 1: Wetterstation HamburgWetterbereich 2: Wetterstation Essen-BredeneyWetterbereich 3: Wetterstation Flughafen Frankfurt/MainWetterbereich 4: Wetterstation Ulm / Münsterhausen

PLZ Postleitzahlkeine Angabe


2 Datei Personendaten (1994 - 1998)

Variable Inhalt


PERSNR Personennummer zur Identifizierung der einzelnen Personen einesHaushalts

WELLE Die Befragungswelle, aus der die Daten stammen (bis 1997)

JAHR Durchführungsjahr der Befragung der Haushalte

SEX Angabe des Geschlechts der befragten Person

männlichweiblich

GEBJAHR Geburtsjahr der befragten Person

keine Angabe

SCHULAB Höchster Schulabschluß der befragten Person

Volks / Hauptschule ohne LehreVolks / Hauptschule mit LehreMittlerer Schulabschluß, Mittlere ReifeAbitur, Fachhochschule, Hochschule(Noch) kein Abschlußkeine Angabe

BERUF Angabe der befragten Person bzgl. seiner Berufstätigkeit

voll berufstätigTeilweise berufstätig / teilzeitbeschäftigtZur Zeit arbeitslosNoch in Ausbildung:in der Schule bzw. Hochschulein der Berufsausbildung ( Lehre etc.)Nicht erwerbstätig:HausfrauRentner(in)Kleinkind och im Kindergartenkeine Angabe

WECHSARB (ab 1996) Arbeits- oder Ausbildungsplatz hat im letzten Jahr gewechseltnicht gewechseltkeine Angabe


LAGEARB Lage des Arbeitsplatzes / Ausbildungsplatzes / der Schule / Hoch-schule bzw. des Kindergartens

im inneren Stadtbereich einer Großstadt (100.000 und mehr Einw.)am Stadtrand / in einem Vorort einer Großstadtim inneren Stadtbereich einer mittelgroßen Stadt (20.000 - 100.000 Einw.)am Stadtrand / in einem Vorort einer mittelgroßen Stadtin einer Kleinstadt / einer großen Gemeinde (5.000 - 20.000 Einw.)auf dem Land / in einer kleinen Landgemeindekeine Angabe

OEFFERR Erreichbarkeit des Arbeitsplatzes / Ausbildungsplatzes / derSchule / Hochschule bzw. des Kindergartens mit öffentlichenVerkehrsmitteln

zügige Direktverbindunglangsame DirektverbindungVerbindung mit einmaligem UmsteigenVerbindung mit mehrmaligem Umsteigenkeine Verbindung mit öffentlich Verkehrsmittelnkeine Angaben

FUSSMIN Fußweg von der Haltestelle bis zum Arbeitsplatz / Ausbildungs-platz / Schule / Hochschule / Kindergarten

kürzer als 10 Minuten10 bis 20 Minutenlänger als 20 Minutenkeine Angabe

PARKP Parkplatzsituation am Arbeitsplatz / Ausbildungsplatz

sehr schwierigschwierignicht besonders schwierigüberhaupt nicht schwierigkeine Angabe

FSPKW Hat Person einen Führerschein Klasse 2 oder 3

neinja

FSMOT Hat Person einen Führerschein Klasse 1, 4 oder 5

neinja

PKWVERF Angabe, ob im allgemeinen ein PKW zur Verfügung steht

ja, regelmäßigja, gelegentlich auch Abspracheneinkeine Angabe


ZEITOPNV Besitz einer Zeitkarte (Wochen-, Monats- oder Jahreskarte) für dieöffentlichen Verkehrsmittel

janeinkeine Angabe

ZWEIRAD Zweiradbesitz der Person

Mofa / Moped / MotorradFahrrad falls kein Mopedbesitzkeine Angabe bzw. nein

ANFTAG Wochentag, an dem der Bericht zu beginnen war

MontagDienstagMittwochDonnerstagFreitagSamstagSonntag

DATANF Datum des Beginns des Berichts

NORMAL Angabe, ob es in den sieben Berichtstagen mehr oder wenigerBesonderheiten gab

mehr oder weniger wie immernicht wie immerkeine Angabe

KRANKMO Person war am Montag krank

janein

KRANKDI Person war am Dienstag krank

janein

KRANKMI Person war am Mittwoch krank

janein

KRANKDO Person war am Donnerstag krank

janein

KRANKFR Person war am Freitag krank

janein


KRANKSA Person war am Samstag krank

janein

KRANKSO Person war am Sonntag krank

janein

WERKMO PKW war am Montag in der Werkstatt

janein

WERKDI PKW war am Dienstag in der Werkstatt

janein

WERKMI PKW war am Mittwoch in der Werkstatt

janein

WERKDO PKW war am Donnerstag in der Werkstatt

janein

WERKFR PKW war am Freitag in der Werkstatt

janein

WERKSA PKW war am Samstag in der Werkstatt

janein

WERKSO PKW war am Sonntag in der Werkstatt

janein

URLAUBMO Person war am Montag im Urlaub

janein

URLAUBDI Person war am Dienstag im Urlaub

janein


URLAUBMI Person war am Mittwoch im Urlaub

janein

URLAUBDO Person war am Donnerstag im Urlaub

janein

URLAUBFR Person war am Freitag im Urlaub

janein

URLAUBSA Person war am Samstag im Urlaub

janein

URLAUBSO Person war am Sonntag im Urlaub

janein

ANORM1MO Andere Besonderheiten am Montag: erste Nennung

janein

ANORM2MO Andere Besonderheiten am Montag: zweite Nennung

janein

ANORM1DI Andere Besonderheiten am Dienstag: erste Nennung

janein

ANORM2DI Andere Besonderheiten am Dienstag: zweite Nennung

janein

ANORM1MI Andere Besonderheiten am Mittwoch: erste Nennung

janein

ANORM2MI Andere Besonderheiten am Mittwoch: zweite Nennung

janein


ANORM1DO Andere Besonderheiten am Donnerstag: erste Nennung

janein

ANORM2DO Andere Besonderheiten am Donnerstag: zweite Nennung

janein

ANORM1FR Andere Besonderheiten am Freitag: erste Nennung

janein

ANORM2FR Andere Besonderheiten am Freitag: zweite Nennung

janein

ANORM1SA Andere Besonderheiten am Samstag: erste Nennung

janein

ANORM2SA Andere Besonderheiten am Samstag: zweite Nennung

janein

ANORM1SO Andere Besonderheiten am Sonntag: erste Nennung

janein

ANORM2SO Andere Besonderheiten am Sonntag: zweite Nennung

janein

ALTER Alterseinteilung in Klassen zur Auswertung

Klasse: Person unter 10 Jahre alt (nicht befragt)Person zwischen 10 und 17 Jahre altPerson zwischen 18 und 25 Jahre altPerson zwischen 26 und 35 Jahre altPerson zwischen 36 und 50 Jahre altPerson zwischen 51 und 59 Jahre altPerson zwischen 60 und 69 Jahre altPerson 70 Jahre und älter

GEWHHP kombinierter Gewichtungsfaktor zur Hochrechnung: Gewicht auf HH-Ebene wird für die Personen - Ebene nach Alter und Geschlecht korrigiert.Faktor bezieht sich auf das Gebiet der alten BRD als Grundgesamtheit.


3 Datei Wegedaten (1994 - 1998)

Variable Inhalt


PERSNR Personennummer zur Identifizierung der einzelnen Personen eines Haushalts

WNRT Ordnungszahl des Weges an einem Tag

WOTAG Wochentag

MontagDienstagMittwochDonnerstagFreitagSamstagSonntag

ABZEIT Uhrzeit, zu der der Weg begonnen wurde

keine Angabe und keine Ergänzungsmöglichkeit

ZWECK Zweck des Weges, der zurückgelegt wurde

Arbeitsweg, Weg zur Arbeitsstättedienstlicher Weg (z.B. Dienstreise, Handwerker fährt von einem Kunden zumnächsten, Tour eines Briefträgers)Ausbildungsweg, Weg zur AusbildungsstätteEinkaufswegFreizeitwegServiceweg (jemanden, etwas bringen oder holen)Heimwegsonstiger Weg oder FehlerWeg nach außer Haus, z.B. Ferienwohnung oder HotelFolgende Wegzwecke wurden als Übercode vergeben:reiner Nachhauseweg ohne nähere InformationNachhauseweg von der Arbeit, wenn angegebener Zweck desHinwegs Arbeit istNachhauseweg von Dienstreise, wenn angegebener Zweck dienstlich oder aberfür den gesamten Weg, wenn Weg und Aktivität identisch sind (z.B. "Fahrer")Nachhauseweg von Ausbildung, wenn ang. Zweck AusbildungNachhauseweg von Einkauf, wenn ang. Zweck EinkaufNachhauseweg von Freizeit, wenn ang. Zweck FreizeitHeimweg von einem ServicewegWeg geht von Zuhause nach Zuhause, "Rundkurs" oder Spazierweg, meistensGeschwindigkeit gering, Verkehrsmittel sind zu Fuß oder Fahrrad, in seltenenFällen auch PKW möglich (kleine Spritztour, Probefahrt o.ä.)Weg führt nach Hause, aber nicht in "normale Wohnung": Personübernachtetauswärts (z.B. Ferienwohnung, zu Gast auswärts, Hotel, bei Freund/Freundin)keine Angabe


VM1 Erstes auf dem Weg benutztes Verkehrsmittel

zu FußFahrradMofa, Moped, MotorradPKW als FahrerPKW als MitfahrerBusStraßenbahnU- und / oder S-BahnZugsonstigeFlugzeug (kommt 1994 nicht vor)keine Angabe

VM2 Zweites auf dem Weg benutztes Verkehrsmittel


VM3 Drittes auf dem Weg benutztes Verkehrsmittel



VM4 Viertes auf dem Weg benutztes Verkehrsmittel

zu FußFahrradMofa, Moped, MotorradPKW als FahrerPKW als MitfahrerBusStraßenbahnU- und / oder S-BahnZugsonstigeFlugzeugkeine Angabe

VM5 Fünftes auf dem Weg benutztes Verkehrsmittel


ANZEIT Uhrzeit, zu der der Weg beendet wurde

keine Angabe und keine Ergänzungsmöglichkeit

KM von der befragten Person angegebene oder geschätzte Entfernung in km (eineNachkommastelle). Wege über 1000 km Länge wurden gemäß demTerritorialprinzip =1000 gesetzt

keine Angabe

DAUER Wegdauer in Minuten; die errechnete Differenz zwischen Anfangs- und Endzeitdes Weges

keine Berechnung möglich


VMDIW hauptsächlich benutztes Verkehrsmittel eines Weges, ermittelt nach DIW-Empfehlung


KM_GEW Gewicht zum Ausgleich der designbedingten Verzerrung derWeglängenverteilung (3 Nachkommastellen)

GEWV Gewicht zum Ausgleich der Berichtsmüdigkeit („Verkehrsbeteiligung“)innerhalb der Welle (3 Nachkommastellen)

WEG_GEW Gewicht zum Ausgleich der Berichtsmüdigkeit von Wegen zwischen Wellen (3Nachkommastellen)

Mobilitätspanel – ANHANG C C-1

. * Anhang C Modelle zur Verkehrsleistung

. *Parameter für Desmat

. global D_SIGSEP 1

. global D_CON "dev(99)"

. * Gruppen- und Zeitvariable

. iis idp

. tis JAHR

. *Panelbeschreibung

. xtdesidp: 11, 12, ..., 99962 n = 4242

JAHR: 94, 95, ..., 99 T = 6Delta(JAHR) = 1; (99-94)+1 = 6(idp*JAHR uniquely identifies each observation)

Distribution of T_i: min 5% 25% 50% 75% 95% max1 1 1 1 3 3 3

Freq. Percent Cum. | Pattern---------------------------+---------

1156 27,25 27,25 | .....1537 12,66 39,91 | ..111.389 9,17 49,08 | ....11286 6,74 55,82 | ..1...258 6,08 61,90 | ...111249 5,87 67,77 | .1....244 5,75 73,53 | ..11..205 4,83 78,36 | 1.....181 4,27 82,63 | ...1..737 17,37 100,00 | (other patterns)

---------------------------+---------4242 100,00 | XXXXXX

. xtsum PkmVariable | Mean Std. Dev. Min Max | Observations-----------------+--------------------------------------------+----------------Pkm overall | 243,3949 202,0868 5 1000 | N = 7357

between | 186,7197 5 1000 | n = 4242within | 99,13507 -265,2718 823,7282 | T-bar = 1,73432

. * Neue Variablen generieren

. by idp: gen ePKWVERF = PKWVERF3 + 10*PKWVERF3[_n-1](4242 missing values generated). by idp: gen eBERUF = diwBERUF + 10*diwBERUF[_n-1](4242 missing values generated). by idp:gen byte kraenker = KRANK > KRANK[_n-1] if KRANK[_n-1] ~=.(4242 missing values generated). by idp:gen byte gesuender = KRANK < KRANK[_n-1] if KRANK[_n-1] ~=.(4242 missing values generated). by idp:gen byte randwanderung = RAUMTYP > RAUMTYP[_n-1] if RAUMTYP[_n-1] ~=.(4242 missing values generated). by idp:gen byte stadtwanderung = RAUMTYP < RAUMTYP[_n-1] if RAUMTYP[_n-1] ~=.(4242 missing values generated). by idp: gen byte Kind = P0_10 > P0_10[_n-1] if P0_10[_n-1] ~=.(4242 missing values generated). by idp:gen eOEFF =10* OEFFZUF[_n-1]+ OEFFZUF if OEFFZUF[_n-1] ~=.(4242 missing values generated). by idp:gen eOEFA =10* OEFFERR[_n-1]+ OEFFERR if OEFFERR[_n-1] ~=.(4242 missing values generated). by idp:gen eZKarte=10* ZEITOV[_n-1]+ ZEITOV if ZEITOV[_n-1] ~=.(4242 missing values generated). by idp: gen byte waermer = nTemp > nTemp[_n-1] +2 if nTemp[_n-1] ~=.(4242 missing values generated). by idp: gen byte feuchter = nReg > nReg[_n-1] +1 if nReg[_n-1] ~=.(4242 missing values generated).

. * (1) erste Regression

. quiet desmat: reg Pkm JAHR J0 @nTemp @nReg @KRANK @WERK @FERIEN @URLAUB @AN


> ORM SEX ALTKL SCHULAB diwBERUF HHGRO P0_10 RAUMTYP PKWVERF3 FSPKW PKWHH OEFF> ERR ZEITOV OEFFZUF. destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------JAHR 1,426 5 7299 0,211J0 0,646 5 7299 0,664nTemp 13,355 ** 1 7299 0,000nReg 2,287 1 7299 0,130KRANK 31,582 ** 1 7299 0,000WERK 0,023 1 7299 0,879FERIEN 4,014 * 1 7299 0,045URLAUB 91,731 ** 1 7299 0,000ANORM 1,610 1 7299 0,205SEX 68,376 ** 1 7299 0,000ALTKL 5,597 ** 5 7299 0,000SCHULAB 21,074 ** 5 7299 0,000diwBERUF 16,385 ** 3 7299 0,000HHGRO 4,528 ** 5 7299 0,000P0_10 0,885 4 7299 0,472RAUMTYP 26,502 ** 4 7299 0,000PKWVERF3 5,542 ** 2 7299 0,004FSPKW 6,464 * 1 7299 0,011PKWHH 27,760 ** 3 7299 0,000OEFFERR 29,639 ** 5 7299 0,000ZEITOV 12,815 ** 1 7299 0,000OEFFZUF 2,372 1 7299 0,124-------------------------------------------------------------------------------* p < .05** p < .01

. desmat: reg Pkm @nTemp @nReg @KRANK @WERK @FERIEN @UR> LAUB @ANORM SEX ALTKL SCHULAB diwBERUF HHGRO P0_10 RAUMTYP PKWVERF3 FSPKW PK> WHH OEFFERR ZEITOV OEFFZUF-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 7357F statistic: 39,809Model degrees of freedom: 47Residual degrees of freedom: 7309R-squared: 0,204Adjusted R-squared: 0,199Root MSE 180,899Prob: 0,000

-------------------------------------------------------------------------------nr Effect Coeff s.e.-------------------------------------------------------------------------------1 durchschn.Temperatur je Tag 0,183 ** 0,0512 Anzahl Regentage 0,011 0,0083 Anzahl Tage Krank -13,298 ** 2,3464 Anzahl Tage Auto in Werkst. -0,758 7,2095 Anzahl Tage mit Schulferien -1,557 0,9386 Anzahl Tage mit Urlaub 16,510 ** 1,7227 Anzahl Tage mit -Anormal- 2,925 2,108

SEX8 M 20,255 ** 2,439

ALTKL9 10-17 29,575 ** 9,83210 18-25 19,232 ** 6,22411 26-35 -0,747 5,15312 36-60 4,482 5,52413 61-70 -13,263 6,943

SCHULAB14 ohne kA -47,164 ** 12,82315 ohneLehre -1,673 9,53916 mitLehre 0,913 7,74817 mittlSchule 8,035 7,710


18 Abitur 50,893 ** 7,772diwBERUF

19 Lehre/Vollberufst 34,447 ** 5,14720 Teilzeit/Arblos -2,104 5,68121 inAusbildg -13,465 10,766

HHGRO22 1 26,612 ** 7,86423 2 17,370 ** 5,90224 3 -4,415 5,71025 4 -13,528 * 5,41526 5 -19,289 * 7,919

P0_1027 0 21,823 15,63328 1 12,471 15,56129 2 24,976 16,05030 3 12,112 19,531

RAUMTYP31 stadtkern -31,543 ** 3,85832 Stadtrand -10,630 * 4,85233 20-100tsd Einw -12,227 * 4,91234 5-20tsd 16,841 ** 4,709

PKWVERF335 Ja 13,501 ** 4,39036 bedingt -6,101 4,908

FSPKW37 0 -13,241 * 5,162

PKWHH38 0 -56,605 ** 8,60539 1 -13,713 ** 4,13140 2 27,927 ** 4,881

OEFFERR41 1 -27,299 ** 5,23542 2 -22,658 ** 7,17443 3 8,136 6,18644 4 68,980 ** 6,05645 5 -9,149 5,035

ZEITOV46 Nein -11,737 ** 3,288

OEFFZUF47 Nein 3,894 2,56148 _cons 194,741 ** 17,198-------------------------------------------------------------------------------* p < .05** p < .01

. * (2)

. quiet desmat: reg Pkm JAHR J0 @nTemp @nReg @KRANK @WERK @FERIEN @URLAUB @AN> ORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFERR ZEITOV> OEFFZUF HHGRO P0_10 [pweight=PG1] , cluster(idp). destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------diwBERUF 8,255 ** 3 4241 0,000RAUMTYP 10,722 ** 4 4241 0,000PKWVERF3 8,253 ** 2 4241 0,000FSPKW 1,913 1 4241 0,167PKWHH 18,016 ** 3 4241 0,000OEFFERR 15,209 ** 5 4241 0,000ZEITOV 2,965 1 4241 0,085OEFFZUF 1,388 1 4241 0,239HHGRO 3,653 ** 5 4241 0,003P0_10 3,765 ** 4 4241 0,005JAHR 0,883 5 4241 0,492J0 1,043 5 4241 0,390nTemp 3,225 1 4241 0,073nReg 3,450 1 4241 0,063KRANK 12,636 ** 1 4241 0,000WERK 0,796 1 4241 0,372FERIEN 0,016 1 4241 0,900


URLAUB 22,688 ** 1 4241 0,000ANORM 0,763 1 4241 0,382SEX 18,984 ** 1 4241 0,000ALTKL 3,532 ** 5 4241 0,003SCHULAB 9,888 ** 5 4241 0,000-------------------------------------------------------------------------------* p < .05** p < .01. desmat: reg Pkm @nTemp @nReg @KRANK @WERK @FERIEN @U> RLAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFERR> ZEITOV OEFFZUF HHGRO P0_10 [pweight=PG1] , cluster(idp)-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 7357pweight: PG1Cluster variable: idpNumber of clusters: 4242Type of standard error RobustF statistic: 27,329Model degrees of freedom: 47Residual degrees of freedom: 4241R-squared: 0,228Adjusted R-squared: 0,223Root MSE 179,976Prob: 0,000

-------------------------------------------------------------------------------nr Effect Coeff s.e.-------------------------------------------------------------------------------1 durchschn.Temperatur je Tag 0,099 0,0822 Anzahl Regentage 0,017 0,0103 Anzahl Tage Krank -11,182 ** 3,1094 Anzahl Tage Auto in Werkst. -4,500 5,2675 Anzahl Tage mit Schulferien -0,350 1,6576 Anzahl Tage mit Urlaub 15,495 ** 3,2917 Anzahl Tage mit -Anormal- 3,050 3,258

SEX8 M 17,981 ** 4,163

ALTKL9 10-17 29,755 * 15,06010 18-25 21,417 * 10,29111 26-35 -3,205 7,61812 36-60 0,998 7,48513 61-70 -11,240 9,960

SCHULAB14 ohne kA -51,783 ** 18,20315 ohneLehre 7,768 10,79416 mitLehre 8,329 9,04117 mittlSchule 14,074 8,07118 Abitur 54,619 ** 8,573

diwBERUF19 Lehre/Vollberufst 31,098 ** 10,15620 Teilzeit/Arblos -13,155 9,83921 inAusbildg 2,634 24,677

RAUMTYP22 stadtkern -30,265 ** 5,56023 Stadtrand -10,143 6,27724 20-100tsd Einw 4,198 8,43225 5-20tsd 12,349 6,388


FSPKW28 0 -8,003 5,410

PKWHH29 0 -64,666 ** 10,67530 1 -9,590 5,87231 2 26,870 ** 6,378

OEFFERR32 1 -30,729 ** 7,51633 2 -25,819 * 10,106


34 3 14,177 8,57035 4 69,658 ** 8,78136 5 -8,479 7,539

ZEITOV37 Nein -7,590 4,450

OEFFZUF38 Nein 3,781 3,431

HHGRO39 1 26,116 * 11,94040 2 8,657 8,55341 3 -11,769 7,98042 4 -26,117 ** 7,34843 5 -17,718 10,274

P0_1044 0 38,533 ** 11,66445 1 23,975 * 11,62946 2 38,204 ** 11,38147 3 3,045 15,72648 _cons 185,314 ** 13,395-------------------------------------------------------------------------------* p < .05** p < .01

. * (3)

. quiet desmat: xtreg Pkm JAHR J0 @nTemp @nReg @KRANK @WERK @FERIEN @URLAUB @> ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFERR ZEITO> V OEFFZUF HHGRO P0_10 [pweight=PG1] , pa. destestTesting all model terms ...-------------------------------------------------------------------------------Term Wald chi2 df P > chi2-------------------------------------------------------------------------------diwBERUF 25,443 ** 3 0,000RAUMTYP 38,619 ** 4 0,000PKWVERF3 15,372 ** 2 0,000FSPKW 2,336 1 0,126PKWHH 55,562 ** 3 0,000OEFFERR 64,864 ** 5 0,000ZEITOV 2,896 1 0,089OEFFZUF 0,529 1 0,467HHGRO 19,887 ** 5 0,001P0_10 7,645 4 0,105JAHR 4,013 5 0,548J0 5,442 5 0,364nTemp 1,619 1 0,203nReg 2,977 1 0,084KRANK 12,340 ** 1 0,000WERK 2,047 1 0,152FERIEN 0,023 1 0,879URLAUB 26,222 ** 1 0,000ANORM 1,582 1 0,208SEX 13,108 ** 1 0,000ALTKL 18,367 ** 5 0,003SCHULAB 45,105 ** 5 0,000-------------------------------------------------------------------------------* p < .05** p < .01. desmat: xtreg Pkm @nTemp @nReg @KRANK @WERK @FERIEN @> URLAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFER> R ZEITOV OEFFZUF HHGRO P0_10 [pweight=PG1] , pa-------------------------------------------------------------------------------

xtgee-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 7357Type of standard error Semi-robustDeviance: 18326487560,

> 703Deviance dispersion: 32215,860df 568865Wald chi square: 1234,550Model degrees of freedom: 47


Prob: 0,000-------------------------------------------------------------------------------nr Effect Coeff s.e.-------------------------------------------------------------------------------1 durchschn.Temperatur je Tag 0,076 0,0842 Anzahl Regentage 0,015 0,0103 Anzahl Tage Krank -11,087 ** 3,1164 Anzahl Tage Auto in Werkst. -9,412 6,3155 Anzahl Tage mit Schulferien -0,541 1,5476 Anzahl Tage mit Urlaub 16,456 ** 3,2727 Anzahl Tage mit -Anormal- 4,161 3,219

SEX8 M 17,368 ** 4,850

ALTKL9 10-17 28,677 14,77210 18-25 24,888 * 10,56811 26-35 -2,717 7,58512 36-60 1,122 7,28713 61-70 -12,887 9,583

SCHULAB14 ohne kA -44,348 * 17,85915 ohneLehre 6,400 10,67716 mitLehre 6,123 9,10817 mittlSchule 12,121 7,99918 Abitur 52,106 ** 8,484

diwBERUF19 Lehre/Vollberufst 33,012 ** 10,37020 Teilzeit/Arblos -11,073 9,80721 inAusbildg -0,362 24,997

RAUMTYP22 stadtkern -28,870 ** 5,75123 Stadtrand -8,582 6,35724 20-100tsd Einw 2,527 8,51225 5-20tsd 11,353 6,452

PKWVERF326 Ja 20,061 ** 5,12427 bedingt 0,771 7,418

FSPKW28 0 -8,250 5,292

PKWHH29 0 -63,784 ** 10,89730 1 -11,598 * 5,91431 2 26,168 ** 6,318

OEFFERR32 1 -30,237 ** 7,39133 2 -21,804 * 10,25934 3 12,196 8,16035 4 61,067 ** 8,37036 5 -4,340 7,622

ZEITOV37 Nein -7,309 4,461


HHGRO39 1 30,697 ** 11,88640 2 13,921 8,26241 3 -6,822 7,94842 4 -25,412 ** 7,28143 5 -19,479 10,302

P0_1044 0 29,162 * 11,97045 1 17,632 11,65046 2 29,811 * 11,76847 3 -3,848 15,18548 _cons 193,453 ** 13,881-------------------------------------------------------------------------------* p < .05** p < .01

. * (4) xtreg,pa

. quiet desmat: xtreg Pkm JAHR J0 @nTemp @nReg @KRANK @WERK @FERIEN @URLAUB @> ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFERR ZEITO


> V OEFFZUF HHGRO P0_10 , pa. destestTesting all model terms ...-------------------------------------------------------------------------------Term Wald chi2 df P > chi2-------------------------------------------------------------------------------JAHR 5,673 5 0,339J0 3,379 5 0,642nTemp 11,540 ** 1 0,001nReg 1,415 1 0,234KRANK 30,280 ** 1 0,000WERK 0,708 1 0,400FERIEN 2,275 1 0,132URLAUB 110,756 ** 1 0,000ANORM 3,728 1 0,053SEX 57,401 ** 1 0,000ALTKL 27,415 ** 5 0,000SCHULAB 86,815 ** 5 0,000diwBERUF 47,884 ** 3 0,000RAUMTYP 79,215 ** 4 0,000PKWVERF3 7,772 * 2 0,021FSPKW 6,673 ** 1 0,010PKWHH 71,513 ** 3 0,000OEFFERR 104,302 ** 5 0,000ZEITOV 9,698 ** 1 0,002OEFFZUF 0,541 1 0,462HHGRO 22,643 ** 5 0,000P0_10 1,838 4 0,765-------------------------------------------------------------------------------* p < .05** p < .01. desmat: xtreg Pkm @nTemp @nReg @KRANK @WERK @FERIEN @> URLAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFER> R ZEITOV OEFFZUF HHGRO P0_10 , pa-------------------------------------------------------------------------------

xtgee-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 7357Deviance: 239485211,31

> 3Deviance dispersion: 32552,020df 7357Wald chi square: 1518,928Model degrees of freedom: 47Prob: 0,000

-------------------------------------------------------------------------------nr Effect Coeff s.e.-------------------------------------------------------------------------------1 durchschn.Temperatur je Tag 0,166 ** 0,0482 Anzahl Regentage 0,008 0,0083 Anzahl Tage Krank -12,628 ** 2,2724 Anzahl Tage Auto in Werkst. -5,468 6,8245 Anzahl Tage mit Schulferien -1,114 0,8966 Anzahl Tage mit Urlaub 17,327 ** 1,6467 Anzahl Tage mit -Anormal- 4,091 * 2,028

SEX8 M 20,390 ** 2,679

ALTKL9 10-17 29,360 ** 10,43810 18-25 23,818 ** 6,72611 26-35 -0,499 5,58412 36-60 3,591 6,01813 61-70 -14,428 7,479

SCHULAB14 ohne kA -40,759 ** 13,03615 ohneLehre -1,495 9,93116 mitLehre -2,464 7,93917 mittlSchule 5,594 7,88718 Abitur 48,963 ** 7,995

diwBERUF19 Lehre/Vollberufst 36,185 ** 5,390


20 Teilzeit/Arblos 0,718 5,88421 inAusbildg -17,201 10,949

RAUMTYP22 stadtkern -29,963 ** 4,28523 Stadtrand -8,495 5,44624 20-100tsd Einw -13,701 * 5,48325 5-20tsd 16,345 ** 5,331


FSPKW28 0 -13,599 ** 5,249

PKWHH29 0 -57,539 ** 9,30630 1 -13,455 ** 4,46031 2 27,104 ** 5,191

OEFFERR32 1 -25,010 ** 5,33433 2 -20,684 ** 7,16834 3 6,791 6,29635 4 59,274 ** 6,21336 5 -4,851 5,180

ZEITOV37 Nein -10,532 ** 3,428


HHGRO39 1 31,381 ** 8,58840 2 21,353 ** 6,46041 3 -0,285 6,21842 4 -13,266 * 5,92143 5 -20,129 * 8,700

P0_1044 0 11,616 16,76745 1 4,209 16,65046 2 16,226 17,08447 3 -0,998 20,30548 _cons 201,015 ** 18,151-------------------------------------------------------------------------------* p < .05** p < .01

. * (5) xtreg, fixed effects

. quiet desmat: xtreg Pkm JAHR J0 @nTemp @nReg @KRANK @WERK @FERIEN @URLAUB @> ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFERR ZEITO> V OEFFZUF HHGRO P0_10 , fe. destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------JAHR 1,435 5 3064 0,208J0 . 0 3064 .nTemp 2,838 1 3064 0,092nReg 1,760 1 3064 0,185KRANK 14,716 ** 1 3064 0,000WERK 2,882 1 3064 0,090FERIEN 0,015 1 3064 0,903URLAUB 85,268 ** 1 3064 0,000ANORM 4,842 * 1 3064 0,028SEX 1,796 1 3064 0,180ALTKL 0,748 5 3064 0,588SCHULAB 3,473 ** 4 3064 0,008diwBERUF 3,820 ** 3 3064 0,010RAUMTYP 2,750 * 4 3064 0,027PKWVERF3 0,387 2 3064 0,679FSPKW 0,496 1 3064 0,481PKWHH 2,842 * 3 3064 0,036OEFFERR 1,024 5 3064 0,402ZEITOV 0,165 1 3064 0,685OEFFZUF 9,196 ** 1 3064 0,002


HHGRO 1,770 5 3064 0,116P0_10 0,897 4 3064 0,465-------------------------------------------------------------------------------* p < .05** p < .01. desmat: xtreg Pkm @nTemp @nReg @KRANK @WERK @FERIEN @U> RLAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFERR> ZEITOV OEFFZUF HHGRO P0_10 , fe-------------------------------------------------------------------------------

xtreg-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 7357Initial log likelihood: -44254,958Log likelihood: -44013,484F statistic: 4,527Model degrees of freedom: 4287Residual degrees of freedom: 3069R-squared: 0,064Adjusted R-squared: -1,245Root MSE 148,524Prob: 0,000

-------------------------------------------------------------------------------nr Effect Coeff s.e.-------------------------------------------------------------------------------1 durchschn.Temperatur je Tag 0,135 * 0,0662 Anzahl Regentage 0,005 0,0223 Anzahl Tage Krank -12,087 ** 3,0954 Anzahl Tage Auto in Werkst. -13,814 8,1245 Anzahl Tage mit Schulferien -0,405 1,1846 Anzahl Tage mit Urlaub 19,722 ** 2,1247 Anzahl Tage mit -Anormal- 5,546 * 2,617

SEX8 M -16,241 12,379

ALTKL9 10-17 26,452 39,54710 18-25 -15,025 23,03011 26-35 -20,666 19,12112 36-60 15,186 19,29213 61-70 0,795 24,753

SCHULAB14 ohne kA 0,000 .15 ohneLehre 85,727 * 35,82816 mitLehre 43,593 33,49617 mittlSchule 2,019 29,87518 Abitur 44,814 32,270

diwBERUF19 Lehre/Vollberufst 31,712 ** 12,16420 Teilzeit/Arblos 21,199 11,97021 inAusbildg -35,315 21,364

RAUMTYP22 stadtkern 31,181 53,29223 Stadtrand -13,483 42,01624 20-100tsd Einw -80,445 46,49125 5-20tsd -50,927 44,496

PKWVERF326 Ja -5,887 7,93127 bedingt -2,304 7,954

FSPKW28 0 -5,091 9,899

PKWHH29 0 -81,587 * 32,24430 1 10,786 13,67431 2 31,413 * 13,751

OEFFERR32 1 -8,129 9,15333 2 -14,881 11,10034 3 3,037 10,55635 4 4,024 10,75636 5 17,461 9,144

ZEITOV37 Nein -2,420 6,606


OEFFZUF38 Nein -13,591 ** 4,715

HHGRO39 1 75,367 * 35,80140 2 44,519 * 22,51841 3 5,090 19,49142 4 9,014 19,00243 5 -17,512 26,699

P0_1044 0 -21,436 33,99545 1 -22,658 29,89746 2 -37,193 30,39447 3 -51,043 33,28248 _cons 167,429 ** 43,853-------------------------------------------------------------------------------* p < .05** p < .01

. * (6)

. quiet desmat: xtreg Pkm @Pkmv JAHR J0 @nTemp @nReg @KRANK @WERK @FERIEN @UR> LAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFERR> ZEITOV OEFFZUF HHGRO P0_10 , re. destestTesting all model terms ...-------------------------------------------------------------------------------Term Wald chi2 df P > chi2-------------------------------------------------------------------------------SCHULAB 44,360 ** 4 0,000diwBERUF 15,554 ** 3 0,001RAUMTYP 17,185 ** 4 0,002PKWVERF3 3,930 2 0,140FSPKW 1,288 1 0,256PKWHH 46,576 ** 3 0,000OEFFERR 34,612 ** 5 0,000ZEITOV 9,209 ** 1 0,002OEFFZUF 0,365 1 0,546HHGRO 11,249 * 5 0,047Pkmv 66,767 ** 1 0,000JAHR 7,305 4 0,121J0 5,380 4 0,250nTemp 1,480 1 0,224nReg 4,388 * 1 0,036KRANK 25,693 ** 1 0,000WERK 0,001 1 0,975FERIEN 1,137 1 0,286URLAUB 74,381 ** 1 0,000ANORM 0,033 1 0,855SEX 11,922 ** 1 0,001ALTKL 8,050 5 0,154P0_10 0,950 4 0,917-------------------------------------------------------------------------------* p < .05** p < .01. desmat: xtreg Pkm @Pkmv @nTemp @nReg @KRANK @WERK @F> ERIEN @URLAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH> OEFFERR ZEITOV OEFFZUF HHGRO P0_10 , re-------------------------------------------------------------------------------

xtreg-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 3115Wald chi square: 755,619Model degrees of freedom: 47Prob: 0,000

-------------------------------------------------------------------------------nr Effect Coeff s.e.-------------------------------------------------------------------------------

ALTKL1 10-17 36,161 * 17,1262 18-25 7,455 10,4873 26-35 -1,507 8,5084 36-60 2,006 9,143


5 61-70 -21,540 11,476SCHULAB

6 ohne kA -61,148 * 26,9857 mitLehre -20,820 14,2298 mittlSchule -20,738 14,5799 Abitur 32,643 * 15,293

diwBERUF10 Lehre/Vollberufst 34,170 ** 8,59411 Teilzeit/Arblos 7,189 9,63812 inAusbildg -30,565 18,665

RAUMTYP13 stadtkern -19,941 ** 6,55214 Stadtrand -8,872 8,18715 20-100tsd Einw -11,984 8,51916 5-20tsd 15,195 7,855

PKWVERF317 Ja 6,442 7,05218 bedingt -12,546 7,724

FSPKW19 0 -10,290 8,712

PKWHH20 0 -89,151 ** 14,82921 1 -4,355 6,84822 2 36,149 ** 8,014

OEFFERR23 1 -36,283 ** 8,31724 2 -10,730 11,07925 3 8,640 9,61326 4 42,050 ** 9,56727 5 3,973 8,155

ZEITOV28 Nein -16,104 ** 5,326

OEFFZUF29 Nein -2,128 4,06330 Pkmv 0,147 ** 0,01831 durchschn.Temperatur je Tag 0,085 0,07032 Anzahl Regentage 0,023 0,02033 Anzahl Tage Krank -17,356 ** 3,39034 Anzahl Tage Auto in Werkst. 0,127 9,17935 Anzahl Tage mit Schulferien -1,321 1,31236 Anzahl Tage mit Urlaub 19,777 ** 2,27837 Anzahl Tage mit -Anormal- 0,203 2,816

SEX38 M 14,332 ** 4,136

HHGRO39 1 45,133 ** 13,46040 2 14,822 9,82441 3 -4,475 9,36342 4 -4,177 8,86343 5 -16,811 12,911

P0_1044 0 -7,351 20,92245 1 -0,447 20,44146 2 5,605 21,86047 3 16,921 28,32548 _cons 197,076 ** 25,445-------------------------------------------------------------------------------* p < .05** p < .01

. * (7)

. quiet desmat: xtreg Pkmln @Pkmv JAHR J0 @nTemp @nReg @KRANK @WERK @FERIEN @> URLAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWHH OEFFER> R ZEITOV OEFFZUF HHGRO P0_10 , desrep(exp) re. destestTesting all model terms ...-------------------------------------------------------------------------------Term Wald chi2 df P > chi2-------------------------------------------------------------------------------SCHULAB 34,282 ** 4 0,000diwBERUF 13,679 ** 3 0,003RAUMTYP 12,223 * 4 0,016


PKWVERF3 10,376 ** 2 0,006FSPKW 1,717 1 0,190PKWHH 66,941 ** 3 0,000OEFFERR 26,537 ** 5 0,000ZEITOV 15,757 ** 1 0,000OEFFZUF 0,884 1 0,347HHGRO 11,099 * 5 0,049Pkmv 85,019 ** 1 0,000JAHR 6,648 4 0,156J0 3,267 4 0,514nTemp 3,264 1 0,071nReg 4,902 * 1 0,027KRANK 52,977 ** 1 0,000WERK 0,377 1 0,539FERIEN 0,182 1 0,669URLAUB 25,907 ** 1 0,000ANORM 3,353 1 0,067SEX 13,433 ** 1 0,000ALTKL 22,555 ** 5 0,000P0_10 0,615 4 0,961-------------------------------------------------------------------------------* p < .05** p < .01. desmat: xtreg Pkmln @Pkmv @nTemp @nReg @KRANK @WERK @> FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB diwBERUF RAUMTYP PKWVERF3 FSPKW PKWH> H OEFFERR ZEITOV OEFFZUF HHGRO P0_10 , desrep(exp) re-------------------------------------------------------------------------------

xtreg-------------------------------------------------------------------------------

Dependent variable PkmlnNumber of observations: 3115Wald chi square: 1002,928Model degrees of freedom: 47Prob: 0,000

-------------------------------------------------------------------------------nr Effect Coeff s.e.(exponential parameters)-------------------------------------------------------------------------------

SEX1 M 1,070 ** 0,020

ALTKL2 10-17 1,277 ** 0,0983 18-25 1,086 0,0514 26-35 1,003 0,0385 36-60 1,029 0,0426 61-70 0,865 ** 0,044

SCHULAB7 ohne kA 0,779 * 0,0958 mitLehre 0,970 0,0629 mittlSchule 0,948 0,06210 Abitur 1,175 * 0,080

diwBERUF11 Lehre/Vollberufst 1,155 ** 0,04512 Teilzeit/Arblos 1,052 0,04613 inAusbildg 0,842 * 0,071

RAUMTYP14 stadtkern 0,935 * 0,02715 Stadtrand 0,960 0,03516 20-100tsd Einw 0,948 0,03617 5-20tsd 1,080 * 0,038

PKWVERF318 Ja 1,094 ** 0,03519 bedingt 0,961 0,033

FSPKW20 0 0,949 0,037

PKWHH21 0 0,603 ** 0,04022 1 1,044 0,03223 2 1,256 ** 0,045

OEFFERR24 1 0,894 ** 0,03325 2 0,994 0,050


26 3 1,091 * 0,04727 4 1,175 ** 0,05128 5 0,950 0,035

ZEITOV29 Nein 0,910 ** 0,022

OEFFZUF30 Nein 1,017 0,01931 Pkmv 1,001 ** 0,00032 durchschn.Temperatur je Tag 1,001 * 0,00033 Anzahl Regentage 1,000 0,00034 Anzahl Tage Krank 0,893 ** 0,01435 Anzahl Tage Auto in Werkst. 1,028 0,04336 Anzahl Tage mit Schulferien 0,999 0,00637 Anzahl Tage mit Urlaub 1,054 ** 0,01138 Anzahl Tage mit -Anormal- 0,976 0,012

HHGRO39 1 1,206 ** 0,07340 2 1,062 0,04741 3 0,972 0,04142 4 1,025 0,04143 5 0,976 0,056

P0_1044 0 0,952 0,08945 1 0,960 0,08846 2 1,006 0,09947 3 0,973 0,12448 _cons 123,498 ** 14,098-------------------------------------------------------------------------------* p < .05** p < .01

. * (8) Regression zur Dynamik lnPkm

. quiet desmat: reg Pkmln @Pkmv JAHR J0 @nTemp waermer @nReg feuchter @KRANK> kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBERUF HHG> RO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte eOEFF> eOEFA [pweight=PG2] , desrep(exp). destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------FERIEN 0,001 1 3004 0,974URLAUB 1,666 1 3004 0,197ANORM 2,268 1 3004 0,132SEX 5,988 * 1 3004 0,014ALTKL 4,908 ** 5 3004 0,000SCHULAB 3,195 * 4 3004 0,013eBERUF 1,276 15 3004 0,208HHGRO 2,026 5 3004 0,072P0_10 1,362 4 3004 0,244Kind 2,805 1 3004 0,094RAUMTYP 2,854 * 4 3004 0,022Pkmv 107,209 ** 1 3004 0,000JAHR 0,861 4 3004 0,487J0 0,374 4 3004 0,828nTemp 5,196 * 1 3004 0,023waermer 2,772 1 3004 0,096nReg 10,039 ** 1 3004 0,002feuchter 0,006 1 3004 0,940KRANK 14,663 ** 1 3004 0,000kraenker 5,039 * 1 3004 0,025gesuender 0,111 1 3004 0,739WERK 0,333 1 3004 0,564randwanderung 15,989 ** 1 3004 0,000stadtwanderung 3,345 1 3004 0,067ePKWVERF 10,717 ** 8 3004 0,000eZKarte 2,079 3 3004 0,101eOEFF 5,006 ** 3 3004 0,002eOEFA 1,974 ** 35 3004 0,001-------------------------------------------------------------------------------* p < .05


** p < .01. desmat: reg Pkmln @Pkmv @nTemp waermer @nReg feuchter> @KRANK kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB e> BERUF HHGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKar> te eOEFF eOEFA [pweight=PG2] , desrep(exp)-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------

Dependent variable PkmlnNumber of observations: 3115pweight: PG2Type of standard error RobustF statistic: 62,550Model degrees of freedom: 102Residual degrees of freedom: 3012R-squared: 0,383Adjusted R-squared: 0,362Root MSE 0,790Prob: 0,000

-------------------------------------------------------------------------------nr Effect Coeff s.e.(exponential parameters)-------------------------------------------------------------------------------1 Anzahl Tage Auto in Werkst. 1,031 0,0442 Anzahl Tage mit Schulferien 1,002 0,0083 Anzahl Tage mit Urlaub 1,020 0,0164 Anzahl Tage mit -Anormal- 0,972 0,021

SEX5 M 1,054 * 0,024

ALTKL6 10-17 1,369 ** 0,1117 18-25 1,098 0,0588 26-35 0,960 0,0469 36-60 1,039 0,05410 61-70 0,848 * 0,062

SCHULAB11 ohne kA 0,753 0,11112 mitLehre 0,957 0,10013 mittlSchule 0,953 0,09514 Abitur 1,072 0,109

eBERUF15 11 1,145 0,08316 12 1,223 0,16517 13 0,852 0,18018 14 1,212 0,24319 21 1,201 0,21520 22 1,085 0,08921 23 1,303 0,61022 24 0,888 0,13023 31 1,086 0,14024 32 0,858 0,12825 33 0,984 0,12026 34 0,582 0,20227 41 0,892 0,17328 42 1,229 0,14329 43 0,784 0,245

HHGRO30 1 0,837 ** 0,05631 2 0,948 0,04432 3 0,940 0,04533 4 1,015 0,04734 5 1,105 0,061

P0_1035 0 1,157 0,09636 1 1,026 0,08437 2 1,144 0,10738 3 0,993 0,147

Kind39 0 1,109 0,064

RAUMTYP40 stadtkern 0,933 0,04041 Stadtrand 1,005 0,041


42 20-100tsd Einw 0,954 0,04143 5-20tsd 1,166 ** 0,05544 Pkmv 1,001 ** 0,00045 durchschn.Temperatur je Tag 1,001 0,001

waermer46 0 1,012 0,02747 Anzahl Regentage 1,000 ** 0,000

feuchter48 0 1,020 0,02549 Anzahl Tage Krank 0,874 ** 0,030

kraenker50 0 0,882 * 0,053

gesuender51 0 0,983 0,045

randwanderung52 0 0,765 ** 0,055

stadtwanderung53 0 1,223 * 0,120

ePKWVERF54 11 1,396 ** 0,06855 12 1,028 0,08556 13 1,128 0,09957 21 1,232 ** 0,09058 22 1,060 0,06659 23 0,841 0,11960 31 0,987 0,09361 32 0,756 0,165

eZKarte62 0 0,877 * 0,04663 1 1,145 0,10664 10 1,015 0,075

eOEFF65 0 1,057 0,04266 1 1,087 0,06767 10 0,973 0,054

eOEFA68 11 1,032 0,07169 12 1,004 0,11470 13 1,077 0,12771 14 0,963 0,14872 15 1,111 0,13873 19 0,839 0,13974 21 0,863 0,16675 22 0,849 0,10076 23 1,164 0,13977 24 1,038 0,18178 25 0,951 0,15579 29 0,946 0,28980 31 0,831 0,14881 32 1,333 0,28782 33 1,154 0,09083 34 1,165 0,15284 35 1,211 0,36785 39 0,998 0,19486 41 0,991 0,17487 42 1,244 0,13988 43 1,330 ** 0,14189 44 1,173 * 0,08090 45 1,489 ** 0,22691 49 1,301 0,20592 51 0,589 ** 0,08793 52 0,969 0,12594 53 0,999 0,13595 54 1,191 0,11696 55 0,874 * 0,05197 59 0,753 0,14798 91 0,838 0,11299 92 0,800 0,151100 93 0,693 0,138101 94 1,240 0,185102 95 0,796 0,100103_cons 121,061 ** 25,406


-------------------------------------------------------------------------------* p < .05** p < .01

. * (9) Regression zur Dynamik Pkm

. quiet desmat: reg Pkm @Pkmv JAHR J0 @nTemp waermer @nReg feuchter @KRANK k> raenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBERUF HHGRO> P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte eOEFF eO> EFA [pweight=PG2] ,cluster(idp). destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------FERIEN 2,348 1 2032 0,126URLAUB 12,629 ** 1 2032 0,000ANORM 0,573 1 2032 0,449SEX 4,992 * 1 2032 0,026ALTKL 2,914 * 5 2032 0,013SCHULAB 4,972 ** 4 2032 0,001eBERUF 2,314 ** 15 2032 0,003HHGRO 1,135 5 2032 0,340P0_10 1,359 4 2032 0,246Kind 2,209 1 2032 0,137RAUMTYP 2,411 * 4 2032 0,047Pkmv 81,712 ** 1 2032 0,000JAHR 1,074 4 2032 0,368J0 0,711 4 2032 0,585nTemp 8,009 ** 1 2032 0,005waermer 6,120 * 1 2032 0,013nReg 9,709 ** 1 2032 0,002feuchter 0,765 1 2032 0,382KRANK 9,850 ** 1 2032 0,002kraenker 1,087 1 2032 0,297gesuender 0,256 1 2032 0,613WERK 0,064 1 2032 0,800randwanderung 4,640 * 1 2032 0,031stadtwanderung 2,006 1 2032 0,157ePKWVERF 5,321 ** 8 2032 0,000eZKarte 0,934 3 2032 0,423eOEFF 5,722 ** 3 2032 0,001eOEFA 2,624 ** 35 2032 0,000-------------------------------------------------------------------------------* p < .05** p < .01. desmat: reg Pkm @Pkmv @nTemp waermer @nReg feuchter @> KRANK kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBER> UF HHGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte> eOEFF eOEFA [pweight=PG2] ,cluster(idp)-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 3115pweight: PG2Cluster variable: idpNumber of clusters: 2033Type of standard error RobustF statistic: .Model degrees of freedom: 101Residual degrees of freedom: 2032R-squared: 0,330Adjusted R-squared: 0,307Root MSE 163,251Prob: .


Kind1 0 20,870 13,002

RAUMTYP


2 stadtkern -7,936 7,1333 Stadtrand -1,200 7,9414 20-100tsd Einw -10,530 8,7155 5-20tsd 23,087 ** 7,499

randwanderung6 0 -69,461 * 32,549

stadtwanderung7 0 35,137 22,711

ePKWVERF8 11 47,154 ** 8,7569 12 -12,025 14,82310 13 2,039 19,41411 21 25,023 15,70412 22 5,494 11,78113 23 -16,650 22,41514 31 -29,404 24,57115 32 -1,844 23,478

eZKarte16 0 -7,420 8,45417 1 27,189 16,07418 10 -14,283 13,916

eOEFF19 0 1,584 8,25320 1 40,342 ** 12,08721 10 -21,912 12,405

eOEFA22 11 -3,514 15,19223 12 -5,567 21,35924 13 -2,593 24,30125 14 -32,217 35,57726 15 -13,077 29,17327 19 -35,978 21,07228 21 -56,120 37,84529 22 -31,921 22,75430 23 4,761 31,93731 24 -28,508 39,13832 25 -10,957 58,71333 29 -19,793 49,36034 31 5,094 47,88035 32 65,510 62,26236 33 20,588 18,85137 34 18,766 27,41038 35 75,941 57,66039 39 -22,347 54,37240 41 -54,308 39,63941 42 53,738 49,17142 43 34,398 29,21543 44 56,923 ** 17,07544 45 189,553 ** 44,22345 49 98,050 50,57946 51 -121,084 ** 24,23147 52 -5,424 28,64048 53 -26,460 34,73949 54 46,342 31,56950 55 -30,481 * 12,26251 59 -33,093 29,22952 91 -51,808 * 24,33153 92 -76,250 * 30,34754 93 -27,790 35,63655 94 68,502 41,17756 95 -26,197 23,733

gesuender57 0 -4,021 8,49258 Anzahl Tage Auto in Werkst. -0,736 8,53359 Anzahl Tage mit Schulferien -2,698 1,64360 Anzahl Tage mit Urlaub 13,461 ** 3,76561 Anzahl Tage mit -Anormal- 3,307 4,086

SEX62 M 9,400 * 4,256

ALTKL63 10-17 55,352 ** 19,50764 18-25 9,876 11,559


65 26-35 -12,595 9,39566 36-60 1,006 9,83867 61-70 -30,141 * 12,443

SCHULAB68 ohne kA -85,937 ** 29,16469 mitLehre -28,910 15,08570 mittlSchule -31,501 * 14,49271 Abitur 1,825 17,084

eBERUF72 11 36,975 * 15,94773 12 62,023 35,60974 13 -28,323 49,10775 14 20,078 36,57576 21 62,565 36,91677 22 10,684 17,09078 23 62,552 122,08079 24 -44,909 25,35680 31 42,851 38,61881 32 -64,919 * 27,78982 33 -10,751 25,54283 34 -71,617 63,99184 41 -28,213 26,43785 42 9,850 22,12886 43 -63,386 53,441

HHGRO87 1 -21,884 12,22288 2 -6,757 9,57589 3 -10,839 8,58890 4 -9,657 8,81591 5 9,430 12,158

P0_1092 0 27,648 16,40193 1 17,346 15,68394 2 42,207 * 18,08395 3 1,230 28,64796 Pkmv 0,265 ** 0,03097 durchschn.Temperatur je Tag 0,212 0,111

waermer98 0 10,072 * 5,13699 Anzahl Regentage 0,089 ** 0,028

feuchter100 0 6,910 4,495101Anzahl Tage Krank -18,874 ** 6,010

kraenker102 0 -9,785 10,635103_cons 172,340 ** 50,865-------------------------------------------------------------------------------* p < .05** p < .01

. * (10) Regression zur Dynamik Pkm Frauen

. quiet desmat: reg Pkm @Pkmv JAHR J0 @nTemp waermer @nReg feuchter @KRANK k> raenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBERUF HHGRO> P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte eOEFF eO> EFA [pweight=PG2] if SEX == 2 ,cluster(idp). destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------FERIEN 7,530 ** 1 1088 0,006URLAUB 16,266 ** 1 1088 0,000ANORM 0,298 1 1088 0,585SEX . 0 1088 .ALTKL 1,257 5 1088 0,280SCHULAB 2,075 4 1088 0,082eBERUF 2,705 ** 15 1088 0,000HHGRO 2,134 5 1088 0,059P0_10 1,188 4 1088 0,314Kind 9,338 ** 1 1088 0,002RAUMTYP 1,575 4 1088 0,179


Pkmv 31,593 ** 1 1088 0,000JAHR 0,182 4 1088 0,948J0 1,178 4 1088 0,319nTemp 0,277 1 1088 0,599waermer 0,008 1 1088 0,931nReg 2,731 1 1088 0,099feuchter 0,013 1 1088 0,909KRANK 5,281 * 1 1088 0,022kraenker 0,760 1 1088 0,384gesuender 0,363 1 1088 0,547WERK 0,175 1 1088 0,676randwanderung 1,781 1 1088 0,182stadtwanderung 0,420 1 1088 0,517ePKWVERF 2,575 ** 8 1088 0,009eZKarte 1,286 3 1088 0,278eOEFF 4,232 ** 3 1088 0,006eOEFA 1,818 ** 35 1088 0,003-------------------------------------------------------------------------------* p < .05** p < .01. desmat: reg Pkm @Pkmv @nTemp waermer @nReg feuchter @> KRANK kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBER> UF HHGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte> eOEFF eOEFA [pweight=PG2] if SEX == 2 ,cluster(idp)-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------

Dependent variable PkmNumber of observations: 1640pweight: PG2Cluster variable: idpNumber of clusters: 1089Type of standard error RobustF statistic: .Model degrees of freedom: 99Residual degrees of freedom: 1088R-squared: 0,329Adjusted R-squared: 0,285Root MSE 151,866Prob: .


Kind1 0 39,431 ** 12,525

RAUMTYP2 stadtkern -11,552 9,2853 Stadtrand -3,125 10,6914 20-100tsd Einw -12,384 10,7845 5-20tsd 23,020 * 10,363

randwanderung6 0 -54,961 39,757


ePKWVERF8 11 44,962 ** 10,5859 12 24,371 20,33710 13 -6,918 22,11311 21 17,422 16,66512 22 4,934 12,87213 23 -18,181 19,36114 31 -49,010 31,19415 32 -18,361 25,273

eZKarte16 0 -16,316 11,67617 1 20,435 21,69818 10 16,664 17,805

eOEFF19 0 2,613 10,74020 1 31,435 17,73721 10 -2,062 18,838

eOEFA


22 11 -22,142 18,94423 12 -13,416 29,08324 13 -37,712 30,90225 14 -41,322 85,50826 15 11,594 55,41427 19 -25,408 28,21328 21 -74,849 50,57729 22 -32,963 42,75430 23 -2,477 48,93931 24 -44,774 41,92732 25 22,996 56,45733 29 15,485 58,97234 31 -34,664 43,56435 32 113,750 92,30836 33 -14,740 25,58237 34 -20,828 42,78538 35 56,667 103,40939 39 45,038 78,24940 41 -63,014 47,45541 42 31,138 52,60142 43 35,692 38,30143 44 42,783 26,65944 45 200,732 ** 74,53545 49 140,766 73,87946 51 -104,991 ** 28,48247 52 13,212 44,96148 53 83,308 61,43549 54 -16,838 40,07150 55 -28,808 19,01851 59 -61,533 * 29,93852 91 -61,741 * 29,63353 92 -65,096 36,03054 93 -69,818 * 28,41855 94 78,289 50,07356 95 -43,341 28,342

gesuender57 0 6,118 10,82458 Anzahl Tage Auto in Werkst. 8,878 15,69259 Anzahl Tage mit Schulferien -5,187 * 2,07860 Anzahl Tage mit Urlaub 22,554 ** 5,72561 Anzahl Tage mit -Anormal- 2,939 5,506

SEX62 M 0,000 .

ALTKL63 10-17 39,996 30,47964 18-25 6,001 15,24765 26-35 -15,081 11,98366 36-60 0,919 13,08067 61-70 -20,186 16,122

SCHULAB68 ohne kA -92,585 * 37,02969 mitLehre -2,189 16,82370 mittlSchule -15,318 15,19371 Abitur -4,843 18,313

eBERUF72 11 81,419 ** 19,38673 12 101,333 * 45,29774 13 -30,402 91,40375 14 73,477 44,43776 21 42,263 28,43177 22 27,200 19,28378 23 -108,899 * 54,26379 24 -32,936 25,23580 31 103,920 * 52,01081 32 -82,920 65,19782 33 22,041 31,77283 34 -171,274 * 80,49184 41 26,490 35,33085 42 16,269 22,75886 43 -75,444 64,951

HHGRO87 1 -40,715 * 16,104


88 2 -11,101 13,49789 3 -7,641 12,23690 4 -13,609 12,69091 5 29,995 17,694

P0_1092 0 1,669 21,07893 1 1,811 19,63994 2 42,453 22,51795 3 -6,831 28,99396 Pkmv 0,225 ** 0,04197 durchschn.Temperatur je Tag 0,112 0,145

waermer98 0 2,622 6,79899 Anzahl Regentage 0,052 0,034

feuchter100 0 1,231 5,870101Anzahl Tage Krank -20,887 * 8,211

kraenker102 0 -13,686 13,936103_cons 174,967 ** 63,956-------------------------------------------------------------------------------* p < .05** p < .01

. * Pkm mit Verkehrsmittel Fahrrad im Vorjahr

. by idp: gen PkmvRv = PkmvR[_n-1](4242 missing values generated)

. * (11) Regression zur Dynamik Pkm Fahrrad

. quiet desmat: reg PkmvR @PkmvRv JAHR J0 @nTemp waermer @nReg feuchter @KRAN> K kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBERUF H> HGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte eOEF> F eOEFA [pweight=PG2] if PkmvR > 3 ,cluster(idp). destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------FERIEN 1,345 1 642 0,247URLAUB 0,104 1 642 0,747ANORM 0,066 1 642 0,798SEX 8,501 ** 1 642 0,004ALTKL 1,386 5 642 0,227SCHULAB 1,541 4 642 0,189eBERUF 2,500 ** 14 642 0,002HHGRO 2,694 * 5 642 0,020P0_10 1,530 4 642 0,192Kind 5,013 * 1 642 0,026RAUMTYP 1,411 4 642 0,229PkmvRv 38,414 ** 1 642 0,000JAHR 0,590 4 642 0,670J0 0,183 4 642 0,947nTemp 1,192 1 642 0,275waermer 1,399 1 642 0,237nReg 3,583 1 642 0,059feuchter 1,824 1 642 0,177KRANK 1,142 1 642 0,286kraenker 3,017 1 642 0,083gesuender 0,155 1 642 0,694WERK 0,856 1 642 0,355randwanderung 2,842 1 642 0,092stadtwanderung 1,809 1 642 0,179ePKWVERF 1,858 8 642 0,064eZKarte 2,600 3 642 0,051eOEFF 0,852 3 642 0,466eOEFA 1,800 ** 34 642 0,004-------------------------------------------------------------------------------* p < .05** p < .01


. desmat: reg PkmvR @PkmvRv @nTemp waermer @nReg feuchte> r @KRANK kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB> eBERUF HHGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKa> rte eOEFF eOEFA [pweight=PG2] if PkmvR > 3 ,cluster(idp)-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------

Dependent variable PkmvRNumber of observations: 846pweight: PG2Cluster variable: idpNumber of clusters: 643Type of standard error RobustF statistic: .Model degrees of freedom: 97Residual degrees of freedom: 642R-squared: 0,478Adjusted R-squared: 0,408Root MSE 23,158Prob: .


Kind1 0 7,013 * 2,773

RAUMTYP2 stadtkern 0,624 2,3663 Stadtrand -4,236 * 1,9804 20-100tsd Einw 1,399 2,1485 5-20tsd 2,514 1,960



ePKWVERF8 11 -3,072 2,8379 12 1,729 3,25210 13 -7,231 9,76611 21 3,016 3,32812 22 2,117 2,60313 23 -4,461 3,66114 31 -3,673 4,10215 32 1,237 6,136

eZKarte16 0 3,654 2,22917 1 -0,423 2,36418 10 2,385 3,046

eOEFF19 0 -1,050 2,40220 1 -2,153 2,52221 10 4,142 2,237

eOEFA22 11 -4,799 2,94023 12 4,374 7,81124 13 0,739 6,65125 14 -19,417 16,86526 15 -7,237 4,66327 19 -9,326 5,38228 21 10,554 5,72429 22 -5,388 5,25930 23 -5,617 7,95931 24 -0,332 9,50832 25 -14,777 10,20933 29 1,952 9,30934 31 12,046 8,94935 32 10,738 8,86536 33 -1,678 4,21637 34 21,209 13,35638 35 -2,815 8,46139 39 -0,757 12,46240 41 25,999 15,78241 42 0,000 .


42 43 -1,793 3,54943 44 27,369 14,99444 45 -22,838 20,99045 49 5,293 6,97746 51 3,462 4,75147 52 4,920 4,58248 53 4,550 5,86849 54 -7,649 5,76550 55 -1,820 2,96551 59 -8,426 * 3,87552 91 3,429 5,49153 92 -32,119 ** 7,98754 93 -10,566 8,01955 94 0,058 4,23956 95 7,800 6,541

gesuender57 0 -1,451 2,19058 Anzahl Tage Auto in Werkst. 3,923 4,19659 Anzahl Tage mit Schulferien -0,213 0,41160 Anzahl Tage mit Urlaub 0,145 0,88461 Anzahl Tage mit -Anormal- 0,422 1,423

SEX62 M 5,259 ** 1,821

ALTKL63 10-17 2,748 5,68464 18-25 5,974 3,26065 26-35 1,495 4,20266 36-60 -2,355 2,67067 61-70 1,471 5,048

SCHULAB68 ohne kA -10,490 6,81069 mitLehre -0,877 5,03570 mittlSchule -3,699 4,79571 Abitur 1,430 6,854

eBERUF72 11 2,698 3,29073 12 -2,644 4,98774 13 3,802 16,09475 14 22,955 ** 8,44876 21 11,626 14,04577 22 7,928 6,37978 23 -18,007 10,44079 24 -0,480 5,68080 31 -9,663 8,82281 32 -7,441 8,38082 33 0,267 6,50283 34 0,000 .84 41 -16,324 8,81985 42 -20,496 ** 5,88286 43 36,335 20,700

HHGRO87 1 8,087 6,72188 2 -3,765 2,97389 3 -6,216 * 2,99790 4 0,358 2,42691 5 -6,888 3,677

P0_1092 0 4,713 3,32993 1 2,270 2,82794 2 -5,999 3,69795 3 1,324 3,65096 PkmvRv 0,512 ** 0,08297 durchschn.Temperatur je Tag 0,055 0,033

waermer98 0 -1,775 1,32899 Anzahl Regentage 0,034 * 0,014

feuchter100 0 2,684 * 1,216101Anzahl Tage Krank 4,117 3,748

kraenker102 0 10,447 5,813103_cons -2,202 16,349


-------------------------------------------------------------------------------* p < .05** p < .01


. quiet desmat: reg PkmvR @PkmvRv JAHR J0 @nTemp waermer @nReg feuchter @KRAN> K kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBERUF H> HGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte eOEF> F eOEFA [pweight=PG2] if SEX == 2 & PkmvR > 3 ,cluster(idp). destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------FERIEN 0,035 1 325 0,852URLAUB 0,432 1 325 0,511ANORM 1,097 1 325 0,296SEX . 0 325 .ALTKL 1,943 5 325 0,087SCHULAB 1,441 4 325 0,220eBERUF 1,043 13 325 0,410HHGRO 1,754 5 325 0,122P0_10 3,105 * 4 325 0,016Kind 5,801 * 1 325 0,017RAUMTYP 1,552 4 325 0,187PkmvRv 19,317 ** 1 325 0,000JAHR 0,591 4 325 0,669J0 0,128 4 325 0,972nTemp 1,382 1 325 0,241waermer 0,003 1 325 0,960nReg 3,720 1 325 0,055feuchter 1,607 1 325 0,206KRANK 1,290 1 325 0,257kraenker 4,053 * 1 325 0,045gesuender 1,361 1 325 0,244WERK 36,906 ** 1 325 0,000randwanderung 1,279 1 325 0,259stadtwanderung 6,602 * 1 325 0,011ePKWVERF 1,298 8 325 0,244eZKarte 2,781 * 3 325 0,041eOEFF 0,312 3 325 0,817eOEFA 2,597 ** 32 325 0,000-------------------------------------------------------------------------------* p < .05** p < .01. desmat: reg PkmvR @PkmvRv @nTemp waermer @nReg feuchte> r @KRANK kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB> eBERUF HHGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKa> rte eOEFF eOEFA [pweight=PG2] if SEX == 2 & PkmvR > 3 ,cluster(idp)-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------


-------------------------------------------------------------------------------nr Effect Coeff s.e.-------------------------------------------------------------------------------1 Anzahl Tage Auto in Werkst. 5,120 ** 0,8992 Anzahl Tage mit Schulferien 0,190 0,5733 Anzahl Tage mit Urlaub 0,635 1,154


4 Anzahl Tage mit -Anormal- -0,969 1,060SEX

5 M 0,000 .ALTKL

6 10-17 -1,212 4,8607 18-25 9,156 ** 3,3148 26-35 0,245 2,4319 36-60 -3,783 2,98710 61-70 1,201 3,969

SCHULAB11 ohne kA -15,523 9,75712 mitLehre -6,469 6,36513 mittlSchule -6,129 5,94914 Abitur -2,424 5,704

eBERUF15 11 3,464 3,49416 12 -6,776 5,39217 13 11,968 13,64018 14 9,295 9,19919 21 -6,689 8,40720 22 0,948 3,04121 23 -6,213 7,47622 24 3,082 5,68023 31 1,780 5,87624 32 0,721 8,54125 33 9,172 5,43226 34 0,000 .27 41 -11,750 7,44328 42 -5,943 5,18529 43 0,000 .

HHGRO30 1 -2,611 3,37831 2 2,028 2,42332 3 -3,748 2,16633 4 4,019 2,15134 5 -0,900 2,400

P0_1035 0 4,102 2,87536 1 -0,596 2,55637 2 -9,232 ** 3,16538 3 -3,506 3,955

Kind39 0 6,382 ** 2,133

RAUMTYP40 stadtkern 0,678 2,20941 Stadtrand -2,770 1,98242 20-100tsd Einw 0,411 2,38243 5-20tsd 4,391 * 1,89344 PkmvRv 0,294 ** 0,06845 durchschn.Temperatur je Tag 0,067 * 0,029

waermer46 0 0,135 1,20647 Anzahl Regentage 0,030 ** 0,011

feuchter48 0 1,896 1,05749 Anzahl Tage Krank 3,618 2,708

kraenker50 0 8,854 * 4,090

gesuender51 0 1,769 1,811

randwanderung52 0 3,621 3,225

stadtwanderung53 0 13,042 * 5,289

ePKWVERF54 11 -2,171 2,77555 12 -1,597 4,07156 13 -3,711 3,21457 21 1,559 3,43458 22 0,888 2,42759 23 3,817 3,88860 31 0,638 3,987


61 32 -5,179 4,821eZKarte

62 0 2,295 2,06563 1 -1,164 3,25664 10 5,559 3,234

eOEFF65 0 -1,329 2,15866 1 -0,668 3,18667 10 2,817 2,711

eOEFA68 11 -1,446 2,60569 12 -7,737 8,35870 13 7,807 6,26171 14 -15,928 * 6,39172 15 4,246 5,11673 19 -6,396 8,03874 21 6,897 6,16675 22 -4,732 4,43676 23 -14,863 * 5,82977 24 0,000 .78 25 -44,918 ** 12,79379 29 2,694 9,05380 31 7,980 6,63781 32 -1,464 5,92082 33 4,919 5,62983 34 8,309 5,42484 35 -4,603 7,84085 39 11,606 12,82886 41 32,030 ** 9,71887 42 0,000 .88 43 -1,605 4,42689 44 4,403 5,92290 45 -8,543 7,60991 49 9,580 5,54492 51 4,044 8,36393 52 5,464 6,32894 53 -7,217 9,10195 54 20,872 14,01196 55 1,633 3,30097 59 -5,849 4,10198 91 1,575 5,02699 92 0,000 .100 93 -4,174 4,570101 94 -7,758 6,556102 95 -0,551 5,006103_cons -28,951 ** 10,339-------------------------------------------------------------------------------* p < .05** p < .01


. quiet desmat: reg PkmvR @PkmvRv JAHR J0 @nTemp waermer @nReg feuchter @KRAN> K kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB eBERUF H> HGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKarte eOEFF> eOEFA [pweight=PG2] if SEX == 1 & PkmvR > 3 ,cluster(idp). destestTesting all model terms ...-------------------------------------------------------------------------------Term F statistic Model Residual Prob > F

df df-------------------------------------------------------------------------------FERIEN 1,414 1 324 0,235URLAUB 0,676 1 324 0,412ANORM 1,038 1 324 0,309SEX . 0 324 .ALTKL 0,925 5 324 0,465SCHULAB 0,693 4 324 0,597eBERUF 3,867 ** 13 324 0,000HHGRO 2,323 * 5 324 0,043P0_10 0,942 4 324 0,440Kind 1,878 1 324 0,171RAUMTYP 1,049 4 324 0,382


PkmvRv 31,422 ** 1 324 0,000JAHR 0,432 4 324 0,786J0 0,155 4 324 0,961nTemp 0,023 1 324 0,878waermer 1,901 1 324 0,169nReg 2,428 1 324 0,120feuchter 0,156 1 324 0,693KRANK 0,490 1 324 0,484kraenker 0,159 1 324 0,691gesuender 2,921 1 324 0,088WERK 0,129 1 324 0,719randwanderung 0,592 1 324 0,442stadtwanderung 0,026 1 324 0,872ePKWVERF 1,145 8 324 0,333eZKarte 1,458 3 324 0,226eOEFF 1,494 3 324 0,216eOEFA 1,423 33 324 0,067-------------------------------------------------------------------------------* p < .05** p < .01. desmat: reg PkmvR @PkmvRv @nTemp waermer @nReg feucht> er @KRANK kraenker gesuender @WERK @FERIEN @URLAUB @ANORM SEX ALTKL SCHULAB> eBERUF HHGRO P0_10 Kind RAUMTYP randwanderung stadtwanderung ePKWVERF eZKa> rte eOEFF eOEFA [pweight=PG2] if SEX == 1 & PkmvR > 3 ,cluster(idp)-------------------------------------------------------------------------------

regress-------------------------------------------------------------------------------



Kind1 0 6,879 6,125

RAUMTYP2 stadtkern -0,755 3,7823 Stadtrand -7,619 * 3,3854 20-100tsd Einw 1,623 3,5575 5-20tsd 2,256 2,712



ePKWVERF8 11 -3,508 4,5219 12 0,598 6,54010 13 -14,959 14,19311 21 7,123 6,03412 22 3,485 6,61013 23 -1,205 7,35714 31 -8,575 10,97215 32 3,318 9,261

eZKarte16 0 5,480 3,72317 1 -2,632 4,94518 10 0,407 5,555

eOEFF19 0 -5,549 3,72520 1 -1,836 4,33121 10 7,929 4,795

eOEFA


22 11 -5,312 5,20223 12 9,526 9,45624 13 -7,072 13,22125 14 -27,403 28,12626 15 -17,859 9,71227 19 -14,485 9,13328 21 12,765 14,14829 22 -7,325 7,60030 23 4,231 13,14031 24 2,699 20,90032 25 0,922 10,18433 29 -21,086 32,81134 31 19,860 14,06835 32 36,537 19,23136 33 3,297 6,14237 34 41,103 21,79938 35 0,000 .39 39 -33,533 26,56240 41 10,585 29,04141 42 0,000 .42 43 1,512 8,89643 44 40,536 * 16,24844 45 -27,041 32,08645 49 -12,294 6,65346 51 -5,964 10,38847 52 0,676 8,64448 53 11,458 9,64049 54 -5,083 8,33650 55 -3,480 5,22951 59 1,319 6,76152 91 2,953 6,90253 92 -37,834 ** 12,59954 93 -16,112 10,94355 94 5,293 10,16056 95 24,513 * 11,354

gesuender57 0 -8,475 * 4,30358 Anzahl Tage Auto in Werkst. 2,689 6,31259 Anzahl Tage mit Schulferien -0,846 0,85660 Anzahl Tage mit Urlaub -0,919 0,93561 Anzahl Tage mit -Anormal- 2,859 3,197

SEX62 M 0,000 .

ALTKL63 10-17 -2,010 9,27364 18-25 -5,063 5,90965 26-35 -0,947 7,62166 36-60 -0,307 4,82867 61-70 11,006 6,712

SCHULAB68 ohne kA 3,739 11,95269 mitLehre 14,568 9,98170 mittlSchule 11,119 10,18171 Abitur 15,027 12,914

eBERUF72 11 4,575 6,66573 12 -6,979 13,63174 13 0,000 .75 14 37,424 ** 13,86376 21 27,656 16,66577 22 34,081 18,31078 23 -53,532 * 21,89479 24 -1,939 12,37980 31 -17,901 10,32081 32 -4,442 19,25582 33 0,696 10,90083 34 0,000 .84 41 1,344 15,70285 42 -50,882 ** 11,49086 43 47,883 35,059

HHGRO87 1 18,565 11,332


88 2 -9,130 4,96389 3 -7,059 4,26190 4 -4,225 3,90391 5 -10,201 5,660

P0_1092 0 9,388 6,08493 1 3,155 4,66894 2 2,206 5,73095 3 3,855 7,28296 PkmvRv 0,579 ** 0,10697 durchschn.Temperatur je Tag 0,007 0,063

waermer98 0 -3,603 2,57599 Anzahl Regentage 0,031 0,016

feuchter100 0 2,816 2,122101Anzahl Tage Krank -5,384 6,984

kraenker102 0 3,656 9,745103_cons 3,063 26,531-------------------------------------------------------------------------------* p < .05** p < .01

. log close

Dynamik des Verkehrsverhaltens im Jahresvergleich Analyse ......Projektnummer 70.557/98 Im...

Documents

Transcript of Dynamik des Verkehrsverhaltens im Jahresvergleich Analyse ......Projektnummer 70.557/98 Im...