In this thesis, we address the macro-economic problem that aggregated micro data from the Household Finance and Consumption Survey (HFCS) of the ECB does not match the macro data from national accounts (NtlA) statistics. Earlier studies have already identified that extremely wealthy households are generally underrepresented in household surveys. In Chapter 2, we present a method proposed by Vermeulen ([22]) to overcome this underrepresentation of very rich households. He suggests to combine the HFCS data with rich lists, enabling an estimation of the upper part of the wealth distribution via a Pareto distribution. After estimating this distribution, it is possible to sample further households of the upper part of the wealth distribution. To justify this method we additionally provide an overview of some wealth accumulation processes that lead to a Pareto distribution for wealth in the long term. Though some parts of the discrepancies between HFCS and NtlA statistics are explained by the missing wealthy, Chakraborty and Waltl ([5]) find that large parts are still unexplained. Therefore, we provide a solution to close the persisting gaps via an optimization problem that aims at preserving the level of inequality. Finally, we compare the findings with an approach that uses a multivariate calibration via a small case study covering household wealth of Germany.     «

In this thesis, we address the macro-economic problem that aggregated micro data from the Household Finance and Consumption Survey (HFCS) of the ECB does not match the macro data from national accounts (NtlA) statistics. Earlier studies have already identified that extremely wealthy households are generally underrepresented in household surveys. In Chapter 2, we present a method proposed by Vermeulen ([22]) to overcome this underrepresentation of very rich households. He suggests to combine th...     »

In dieser Masterarbeit befassen wir uns mit dem makroökonomischen Problem, dass aggregierte Mikrodaten aus der Household Finance and Consumption Survey (HFCS) der EZB nicht mit den Makrodaten aus der Statistik der National Accounts (NtlA) übereinstimmen. Frühere Untersuchungen haben bereits gezeigt, dass extrem wohlhabende Haushalte in Haushaltsbefragungen generell unterrepräsentiert sind. In Kapitel 2 stellen wir eine von Vermeulen ([22]) entwickelte Methode vor, um dieser Unterrepräsentation von sehr reichen Haushalten entgegenzuwirken. Er schlägt vor, die HFCS Daten mit Reichenlisten zu kombinieren, um so den oberen Teil der Vermögensverteilung durch eine Pareto Verteilung zu schätzen. Nach der Schätzung dieser Verteilung ist es möglich, weitere Haushalte für den oberen Teil der Vermögensverteilung zu erzeugen. Um diese Methode zu rechtfertigen, geben wir zusätzlich einen Überblick über einige Prozesse der Vermögensakkumulation, die langfristig zu einer Pareto Verteilung des Vermögens führen. Obwohl ein Teil der Differenzen zwischen der HFCS und der NtlA Statistik durch die sogenannten „missing wealthy“ erklärt werden können, stellen Chakraborty und Waltl ([5]) fest, dass große Teile noch unerklärt sind. Daher schlagen wir vor, die verbleibenden Lücken durch Lösung eines passenden Optimierungsproblems zu schließen, das insbesondere darauf abzielt, das Niveau der Ungleichheit zu erhalten. Abschließend vergleichen wir die Ergebnisse anhand einer kleinen Fallstudie über das Vermögen der privaten Haushalte in Deutschland mit einem Ansatz, der eine multivariate Kalibrierung verwendet.     «

In dieser Masterarbeit befassen wir uns mit dem makroökonomischen Problem, dass aggregierte Mikrodaten aus der Household Finance and Consumption Survey (HFCS) der EZB nicht mit den Makrodaten aus der Statistik der National Accounts (NtlA) übereinstimmen. Frühere Untersuchungen haben bereits gezeigt, dass extrem wohlhabende Haushalte in Haushaltsbefragungen generell unterrepräsentiert sind. In Kapitel 2 stellen wir eine von Vermeulen ([22]) entwickelte Methode vor, um dieser Unterrepräsentation...     »