Aggregationsebene

Aggregationsebene bezeichnet in Statistik, Datenwissenschaft und verwandten Feldern die Ebene, auf der Daten summiert oder aggregiert werden. Sie gibt den Grad der Granularität an, zum Beispiel Einzelpersonen, Haushalte, Stadtviertel, Regionen, Länder oder zeitliche Intervalle wie Tage, Monate oder Jahre. Die Aggregationsebene beeinflusst die Vergleichbarkeit von Kennzahlen, die Robustheit von Schätzungen sowie den Umfang der verfügbaren Details und den Schutz sensibler Informationen.

Typische Anwendungen finden sich in Wirtschaftsforschung, Raumplanung, Energie- und Verkehrsanalysen, Demografie und Sozialwissenschaften. Beispiele: Analysen auf regionaler Ebene statt auf individueller Ebene; aggregierte Energieverbräuche nach Stadtteilen oder Bundesländern; demografische Berichte auf nationaler oder kommunaler Ebene.

Vor- und Nachteile: Höhere Aggregation reduziert Rauschen, Datenvolumen und Datenschutzrisiken, kann aber wichtige Heterogenität verbergen. Die Wahl der Aggregationsebene kann zu Verzerrungen führen (Modifiable Areal Unit Problem, MAUP) und falsche Schlüsse begünstigen (ökologischer Fehlschluss). Deshalb sind Transparenz über die gewählte Ebene, Begründung der Ebene und Tests auf MAUP-Empfindlichkeiten wichtig.

Bei der Datenanalyse ist es oft sinnvoll, die Aggregationsebene je nach Frage zu variieren oder mehrstufige Modelle zu verwenden, die Ergebnisse auf mehreren Ebenen zulassen. Das Konzept verbindet Prinzipien der Aggregation, Granularität, Datenschutz und räumlicher Statistik.