Regional structures

Since its foundation, infas has been conducting regional research and helping local actors to identify new challenges and developments at an early stage onthe basis of empirical surveys, in order to derive measures for the future on this basis. The challenges for cities and municipalities are diversifying and becoming more complex. Climate change and corona pandemic as global phenomena interweave with structural change, the design of sustainable mobility systems, housing market requirements at regional or municipal level. Interactions and interdependencies are harder to assess and project into the future. infas has 60 years of experience in researching complex challenges and developing and designing solutions. To this end, data from various sources is drawn on, evaluated and condensed into differentiated findings. In doing so, infas works closely with its corporate sister infas 360 GmbH, which has access to a comprehensive stock of market and geodata.

For infas studies in regional research, cross-cutting analyses combining these diverse data sets are carried out as needed. This procedure enables precise microgeographic evaluations and regional location and mobility analyses. Regularly, infas regional research conducts:

  • Empirical projects on urban and regional development,
  • Analyses for regions, cities and municipalities on the topics of structural change, home office, (mobility) infrastructure,
  • Target group analyses and segmentations for real estate and neighborhood projects,
  • Potential and acceptance tests based on empirical studies for new living concepts and new home technology (smart home),
  • further projects on the housing market, including the preparation of qualified and reliable rent indices.

Application of Small Area Statistics

In addition, infas regional research regularly employs modeling using the Small Area Statistics method. This is also done in cooperation with the company’s sister company infas 360. Current examples of this represent estimates of the home office situation and the distribution of Corona vaccinations.

In einigen Untersuchungen werden Datensätze benötigt oder erzeugt, die einen Adressbezug bzw. eine Adressinformation aufweisen.  Unabhängig davon, ob damit ein Haushalt, ein Unternehmensstandort oder sonstige Daten mit Ortsbezug zu verstehen sind, können aufgrund der klar definierten räumlichen Lage weitere Informationen verknüpft werden. 

Die Zuordnung einer Adresse zu einer räumlichen Koordinate wird als Geocodierung bezeichnet. Diese Lageinformation ermöglicht es, auf verschiedenen Ebenen weitere wertvolle Daten mit Raumbezug anzureichern. Dabei ist es dem jeweiligen Anwendungszweck überlassen, welche Sachdaten verknüpft werden. Als konkrete Beispiele sind die Anbindung an MIV/ÖPNV, Gebäudemerkmale, Kaufkraft, Nahversorgung, soziodemographische Strukturen oder Wohnlage zu nennen.

Das Resultat einer Geocodierung kann in rein tabellarischer Form weiterverarbeitet werden. Vielfach ist es jedoch sinnvoll, das Resultat (in Verbindung mit angereicherten Daten) auch visuell darzustellen. Hierfür kommen Geoinformationssysteme (GIS) zum Einsatz. Eine weit verbreitete Form der Darstellung von aggregierten bzw. verarbeiteten Daten stellen Choroplethenkarten dar. Dabei werden die zugrundliegenden Flächen (z.B. Gemeinden) entsprechend ihrer Ausprägung mittels sequentiellen bzw. divergierenden Farbverläufen oder einem qualitativen Farbschema abgebildet.

Für statistische Auswertungen bieten sich für gewöhnlich Geodaten an, die im Vektorformat vorliegen. Diese können von ihrer Eigenheit punkt- (z.B. Adresse oder Ortsmittelpunkt), linien- (z.B. Straßen- oder Gewässerverläufe), oder flächenartig (z.B. administrative Einheiten, landschaftliche Abgrenzungen oder Flurstücke) ausgestaltet sein. Die betreffenden Daten verfügen meistens über eine eindeutige Zuordnung (“ID“, z.B. Gemeindeschlüssel) und können tabellarisch verknüpft werden. Kontinuierliche Daten wie Temperatur, Windgeschwindigkeit, Geländehöhe oder Lärm werden grundsätzlich in Form von Rasterdaten (z.B. 100 m x 100 m) dargestellt und weisen keine Zuordnungsmöglichkeit über einen Schlüssel auf, sie sind lediglich durch ihre Lage räumlich bestimmt. Die Umwandlung von Raster in Vektordaten zwecks weiterer Verarbeitung und Verknüpfung ist mittels GIS-Methoden gegeben.

Zu beachten ist, dass der Begriff „Raster“ auch in einem anderen Kontext Anwendung findet, nämlich für die ebenso schachbrettartige Darstellung von Vektordaten, deren Form durch gleichgroße Quadrate beschrieben wird. Ein anderer, etwas präziserer, Begriff, sind „geographische Gitter bzw. Gitterzellen“.

Diese verfügen über eine eindeutige ID/Schlüssel und werden unter anderem für die räumliche Darstellung von Zensus-Daten verwendet.

Insbesondere Daten aus Befragungen, deren Raumbezug essentiell für den Untersuchungsgegenstand ist, erfordern große Sorgfalt bei der weiteren Verarbeitung und Datenhaltung. Dies wird vornehmlich durch die Aggregation auf bestimmte Raumebenen, wie Gemeindegebiete, gewährleistet. Für einige Fragestellungen ist dieser Maßstab jedoch zu ungenau und erfordert eine andere Handhabung. Abhängig von der Größe und Struktur eines Kommunalgebiets kommen dafür kleinteiligere Einheiten wie Ortsteile oder statistische Bezirke in Frage. Aufgrund der unterschiedlichen Größe von Gemeinden (einwohner- und flächenbezogen) und letztlich der kommunalen Selbstverwaltung herrscht hier eine große Heterogenität. Für vergleichende Betrachtungen mit größerem räumlichen Bezug und gleichzeitigem Fokus auf kleinräumige Bereiche bieten sich daher geographische Einteilungen mit homogener Struktur an. Dies kann zum Beispiel in Form von quadratischen Gitterzellen erfolgen.

Für die europaweit einheitliche Darstellung von Geodaten wurde daher ein hierarchisches Gitterzellensystem definiert(INSPIRE-Richtlinie). Gitterzellen, gestaffelt von 1 m bis 100.000 m Kantenlänge, werden anhand eines Zellencodes eindeutig identifiziert. Bei der Aggregation von Adresspunkten (bzw. derer Daten) zu einer Gitterzelle wird durch eine hinreichend große Anzahl von Fällen bzw. Einwohnern eine Re-Identifikation ausgeschlossen.  Um dieses Kriterium durchweg zu erfüllen, wird bei Notwendigkeit auf eine größere Gitterzelle der nächsten Hierarchiestufe aggregiert.

Anwendung von Small Area Statistics

Darüber hinaus setzt die infas-Regionalforschung regelmäßig Modellierungen nach dem Small Area Statistics-Verfahren ein. Dies erfolgt auch in Kooperation mit der Unternehmensschwester infas 360. Aktuelle Beispiele dafür stellen Schätzungen der Homeoffice-Situation sowie der Verteilung der Corona-Impfungen dar.

Publications on regional research