- Startseite
- Aktuelles
- Regionaldaten für das DeZIM.panel
Regionaldaten für das DeZIM.panel:
Regionaldaten des DeZIM.panel ermöglichen Verknüpfung mit Kontextdaten.
Ab sofort können Forscher*innen die aufbereiteten Regionaldaten des DeZIM.panels (v6) nutzen. Die Daten werden als Scientific Use File (SUF) für Remote-Zugang veröffentlicht und können über das Forschungsdatenzentrum beantragt werden. Das DeZIM.panel untersucht durch wiederholte, repräsentative Bevölkerungsbefragungen das gesellschaftliche Leben in Deutschland.
Das DeZIM.panel umfasst knapp 7.000 Panelisten aus der Bevölkerung in Deutschland, welche alle drei Monate befragt werden. Von diesen sind Menschen mit Migrationsgeschichte überrepräsentiert. Insgesamt sind bisher 15 reguläre Wellen sowie vier Kurzbefragungen veröffentlicht.
Mit Release der Regionaldaten ermöglichen wir erstmals die Verknüpfung der Befragungsdaten mit regionalen Kontextinformationen – etwa vom Bundesinstitut für Bau-, Stadt- und Raumforschung, vom Bundesamt für Kartographie und Geodäsie, vom Statistischen Bundesamt und von vielen mehr. Zu den angebotenen Verknüpfungsmöglichkeiten zählen gebräuchliche Standards wie die Gemeindekennziffer, Kreiskennziffer, Regierungsbezirkskennziffer, NUTS-1 bis NUTS-3, Wahlkreiskennziffer und fünfstellige Postleitzahl.
Die Verknüpfung der Panelbefragung mit Regionaldaten erweitert die Analysedaten substanziell, um kurz- und langfristige Veränderungen auch auf regionaler Ebene für Personen mit und ohne Migrationsgeschichte nachzuzeichnen.
Analysepotenzial
Die Einbindung regionaler Kontextdaten in die Analyse von Befragungsdaten eröffnet in der empirischen Sozialforschung erhebliches methodisches Potenzial. Während klassische Befragungsdaten häufig Wahrnehmungen, Einstellungen und Verhaltensabsichten abbilden, bleiben sie häufig ohne direkten Bezug zur strukturellen Umwelt, in der diese Einstellungen entstehen. Durch die Verknüpfung mit kleinräumigen Kontextinformationen, etwa Kriminalitätsraten auf Kreis- oder Gemeindeebene, lassen sich individuelle Wahrnehmungen in ihren sozialen und räumlichen Kontext einbetten.
Für quantitative Modelle bedeutet dies einen substanziellen Erkenntnisgewinn: Kontextvariablen ermöglichen es, Mehrebenenstrukturen abzubilden, umweltbedingte Einflüsse zu kontrollieren und die Varianz individueller Einstellungen und Verhalten besser zu erklären. Insbesondere in Mehrebenenmodellen kann so untersucht werden, inwieweit individuelle Unterschiede durch regionale Rahmenbedingungen mitgeprägt werden, anstatt diese ausschließlich auf individuelle Merkmale der Befragungspersonen zurückzuführen. Darüber hinaus wird die Analyse von Wahrnehmungsverzerrungen und Kontext-Effekt-Mechanismen überhaupt erst systematisch möglich.
Analyse Beispiel 1: Sorgen vor Kriminalität
Beispielsweise kann nun untersucht werden, ob Befragungspersonen des DeZIM.panels, die in Landkreisen mit höherer registrierter Kriminalität leben, häufiger Sorgen aufgrund von Kriminalität berichten.
Abbildung 1: Wohnungseinbruchdiebstahl 2022 je 100.000 Einwohner nach Landkreisen und kreisfreien Städten. Datenquelle: Laufende Raumbeobachtung des BBSR – INKAR, Ausgabe 07/2025. Hrsg.: Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR), Bonn https://www.inkar.de/
Die genutzten, öffentlich zugänglichen Daten basieren auf der polizeilichen Kriminalstatistik und zeigen deutliche regionale Unterschiede bei der Häufigkeit von erfassten Wohnungseinbruchdiebstählen je 100.000 Einwohner im Jahr 2022. Auffällig ist zunächst ein ausgeprägtes West-Ost- und Nord-Süd-Gefälle. Besonders hohe Werte finden sich in zahlreichen Großstädten und Ballungsräumen in Nordrhein-Westfalen sowie in den Stadtstaaten. Den höchsten Wert weist Bremerhaven mit 275,2 Einbrüchen je 100.000 Einwohner auf, gefolgt von Duisburg (226,2), Köln (216,1), Krefeld (212,3) und Bremen (200,9). Demgegenüber liegen die niedrigsten Einbruchsraten überwiegend in ländlichen Regionen Süddeutschlands. Besonders geringe Werte finden sich beispielsweise in Regen (3,9), Eichstätt (7,5), Greiz (7,4), Bayreuth (6,8) oder Freyung-Grafenau (7,7).
Insgesamt verdeutlichen die Daten eine erhebliche räumliche Heterogenität der erfassten Einbruchskriminalität in Deutschland. So lässt sich untersuchen, ob Personen in Regionen mit einer objektiv höheren Einbruchskriminalität tatsächlich stärkere Sorgen vor Kriminalität äußern.
Anwendungsbeispiele: Was Regionaldaten für die Analyse leisten
Beispiel 1: Sorge, selbst Opfer von Kriminalität zu werden
Abbildung 2: eigene Auswertungen basierend auf den Daten des DeZIM.panels (Welle 19/ew3), und INKAR. Logit Modell mit Average Marginal Effects, N= 3.098, gewichtet.
Die Abbildung vergleicht zwei Modelle zur Sorge, selbst Opfer einer Straftat zu werden, mit (grün) und ohne (gelb) regionalen Kontextinformationen. Beide Modelle zeigen die Veränderung der Wahrscheinlichkeit, „einige/große Sorgen“ zu berichten, in Prozentpunkten. Auf individueller Ebene zeigt sich das Muster: Personen mit hoher Bildung und mit hohem Haushaltseinkommen berichten deutlich seltener Kriminalitätssorgen, während Einwanderer und Ihre direkten Nachfahren (beide Eltern sind eingewandert) häufiger besorgt sind.
Der Mehrwert der Regionaldaten wird sichtbar, wenn Daten zur Einbruchsbelastung des Wohnkreises berücksichtigt werden: Im Vergleich zu Kreisen mit den wenigsten Wohnungseinbrüchen (bis 40 je 100.000 Einwohner) steigt die Sorgenwahrscheinlichkeit in stärker belasteten Regionen durchgängig und signifikant an, von rund +11 Prozentpunkten in der zweiten Belastungsstufe bis zu +15 Prozentpunkten in den am stärksten betroffenen Kreisen (160 Einbrüche je 100.000 Einwohner oder mehr).
Bemerkenswert ist zugleich, dass sich die individuellen Effekte zwischen beiden Modellen kaum verändern: Die regionale Einbruchsbelastung liefert einen eigenständigen Erklärungsbeitrag, der nicht bereits durch die Sozialstruktur der Befragten abgedeckt ist. Die subjektive Kriminalitätsfurcht spiegelt damit auch die objektive regionale Kriminalitätslage wider. Dies stellt einen Zusammenhang dar, der sich erst durch die Verknüpfung von Befragungs- und Regionaldaten sichtbar machen lässt.
Beispiel 2: Sorge um die eigene wirtschaftliche Situation
Abbildung 3: eigene Auswertungen basierend auf den Daten des DeZIM.panels (Welle 19/ew3), und INKAR. Logit Modell mit Average Marginal Effects, gewichtet.
In der zweiten Abbildung wird die Sorge um die eigene wirtschaftliche Situation über sozialstrukturellen Merkmalen erklärt (gelb) und einmal erweitert um die regionale Arbeitslosenquote des Wohnkreises (grün). Mit steigendem Haushaltseinkommen sinkt die Sorgenwahrscheinlichkeit stark, ältere Generationen sind deutlich seltener besorgt, und Personen mit Migrationsgeschichte berichten über alle Generationen hinweg häufiger wirtschaftliche Sorgen. Auch in diesem Fall zeigt sich ein Effekt nach der Berücksichtigung regionaler Kontextfaktoren. In Kreisen mit höherer Arbeitslosigkeit sind die Sorgen tendenziell größer, in der höchsten Kategorie um rund +8 Prozentpunkte, allerdings fällt dieser Kontexteffekt schwächer aus und ist statistisch nicht signifikant.
Der Vergleich dieser beiden einfachen Anwendungsbeispiele zeigt damit, wofür Regionaldaten besonders wertvoll sind: Sie ermöglichen es zu evaluieren, ob und wie stark der räumliche Kontext über die individuellen Merkmale der Befragten hinauswirkt. Auf diesem Weg können regionale Kontexteffekte erkennbar werden.
Dollmann, Jörg; Jacobsen, Jannes; Lietz, Almuth; Siegel, Madeleine; Zimmermann, Stefan; Köhler, Jonas; Schmälzle, Michaela; Boerschmann, Vivian; Mayer, Sabrina J.; Chouaibi, Doreen; Kalter, Frank (2026): DeZIM.panel Regiofile Release 6.0.0. Dataset. Version: 6.0.0. Berlin: Deutsches Zentrum für Integrations- und Migrationsforschung (DeZIM). DOI: htps://doi.org/10.34882/dezim.panel.remote-svd.6.0.0
Die Daten sind über das DeZIM.fdz ausschließlich für Forschungszwecke zugänglich. Die Anonymität der Befragungsteilnehmer*innen ist dabei stets gewährleistet. Das DeZIM.fdz bietet Forschungsdaten über verschiedene Zugangswege an: Derzeit sind Scientific Use Files (SUF) via Download, Remote Access sowie On-Site in den Räumlichkeiten des DeZIM-Instituts verfügbar.
Der Zugang zu den DeZIM-Daten ist gesetzlich geregelt. Um einen SUF zu nutzen, müssen ein wissenschaftlicher Forschungszweck sowie die Anstellung an einer wissenschaftlichen Einrichtung vorliegen. Außerdem muss dafür ein Datennutzungsvertrag abgeschlossen werden.
Hintergrundinformationen zum DeZIM.panel
Die Grundgesamtheit des DeZIM.panels umfasst alle in Deutschland lebenden Personen mit und ohne Migrationsgeschichte, die 2004 oder früher geboren worden sind (Bevölkerung ab 18 Jahren). Es handelt sich dabei um eine Zufallsstichprobe auf Basis der Einwohnermeldeämter, mit der aktuelle Stimmungen und Trends in der deutschen Bevölkerung im Längsschnitt abgebildet werden können. Die Stichprobe des DeZIM.panels basiert auf einer zweistufig geschichteten Stichprobenziehung mit dem Ziel, bestimmte Bevölkerungsgruppen überproportional häufig in der Stichprobe zu berücksichtigen; insbesondere Menschen aus der Türkei, aus anderen mehrheitlich muslimischen Ländern, aus Staaten mit Gastarbeiter*innenanwerbeabkommen sowie Aussiedler*innen aus der ehemaligen Sowjetunion und Rumänien. Dadurch liefert das DeZIM.panel genügend Fälle für Vergleiche und Analysen innerhalb dieser Subgruppen im Quer- und Längsschnitt.