Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/294178 
Year of Publication: 
2024
Citation: 
[Journal:] WISTA - Wirtschaft und Statistik [ISSN:] 1619-2907 [Volume:] 76 [Issue:] 2 [Year:] 2024 [Pages:] 83-96
Publisher: 
Statistisches Bundesamt (Destatis), Wiesbaden
Abstract: 
Jährlich veröffentlicht das Statistische Bundesamt Statistiken über die Besteuerung von Rentnerinnen und Rentnern, wegen langer Abgabe- und Einspruchsfristen für Einkommensteuererklärungen allerdings erst etwa 3,5 Jahre nach Ablauf des betref- fenden Statistikjahres. Jedoch liegt ein Teil dieser Einkommensteuerdaten bereits deutlich früher vor. Das Statistische Bundesamt hat in einer Machbarkeitsstudie untersucht, ob Machine-Learning-Modelle geeignet sind, um Daten der Rentenbesteuerung vorherzusagen, bevor sie vollständig vorliegen. Das Ziel ist eine beschleunigte Veröffentlichung dieser Statistiken. Der Artikel erläutert das Vorgehen bei der Suche nach dem besten Schätzalgorithmus und wie die Schätzergebnisse im Hinblick auf Genauigkeit und Robustheit zu evaluieren sind.
Abstract (Translated): 
Every year, the Federal Statistical Office of Germany publishes statistics about the taxation of pensioners. Due to long deadlines for the filing of income tax returns and the lodging of objections, 3.5 years can elapse between the end of the relevant statistical year and the publication of the statistics. However, some of these income tax data are available much earlier. The Federal Statistical Office conducted a feasibility study to examine whether machine learning models are suitable for predicting data on the taxation of pensioners before all the data are available. The goal is to enable the swifter publication of the statistics
Subjects: 
Machine Learning
Renten
Rentenbezugsmitteilungen
Frühschätzungen
Nowcast
Schätzverfahren
machine learning
pensions
pension benefit notifications
early estimates
nowcast
estimation procedure
Document Type: 
Article

Files in This Item:
File
Size
393.61 kB





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.