Existing Home Sales in the United States increased to 4100 Thousand in October from 4050 Thousand in September of 2025. This dataset provides the latest reported value for - United States Existing Home Sales - plus previous releases, historical high and low, short-term forecast and long-term prediction, economic calendar, survey consensus and news.

Total number of young adults aged 15 to 34 years and total number of young adults aged 20 to 34 years in the UK living with their parents.

This paper examines the effects of real estate transfer taxes (RETT) on property prices using a rich micro dataset of roughly 17 million German properties for the period from 2005 to 2019. Our empirical analysis exploits variation in RETT rate hikes across German states and over time. Our monthly event study estimates indicate a price response that strongly exceeds the change in the tax burden for single transactions. Twelve months after a reform, a one percentage point increase in the tax rate reduces property prices by on average 3%. Price effects are larger for apartments (-4%) than for single-family houses (-2%). Exploring potential mechanisms, we provide evidence that different holding periods are the main driver of the differential price effect between property types. Please note that the main data that we use is proprietary to the firm FuB IGES. The online replication package includes our do-files, a codebook of our main data, and the resulting log files, tables and figures. For the purpose of replication, the data, along with all code, can be accessed at the Economics and Business Data Center (EBDC) of the ifo Institute and the University of Munich. The EBDC offers researchers to use its facilities and access the data stored there at no costs. Further information about the EBDC can be found here: https://www.ifo.de/en/EBDC.

Single Family Home Prices in the United States increased to 415200 USD in October from 412300 USD in September of 2025. This dataset provides - United States Existing Single Family Home Prices- actual values, historical data, forecast, chart, statistics, economic calendar and news.

Housing Starts in the United States decreased to 1307 Thousand units in August from 1429 Thousand units in July of 2025. This dataset provides the latest reported value for - United States Housing Starts - plus previous releases, historical high and low, short-term forecast and long-term prediction, economic calendar, survey consensus and news.

Abstract

During October 1996 Statistics South Africa recorded the details of people living in more than nine million households in South Africa, as well as those in hostels, hotels and prisons. Census 1996 was the first nation wide census since the splitting up of the country under apartheid after 1970 and sought to apply the same methodology to everyone: visiting the household, and obtaining details about all its members from a representative who was either interviewed, or else filled in the questionnaire in their language of choice.

Geographic coverage

The survey had national coverage

Analysis unit

Households and individuals

Universe

The survey covered households and household members in households in the nine provinces of South Africa.

Kind of data

Sample survey data

Sampling procedure

A sample of 1600 Enumerator Areas (EA's) was produced in conjunction with the sample for the 1996 Population Census post-enumeration survey. A two stage sampling procedure was applied in the following manner.

The first stratification was done by province, as well as by type of EA (formal or informal urban areas, commercial farms, traditional authority areas or other non-urban areas). Originally eight hundred EA's were allocated to each strata by province proportionately. Later some adjustments were made to ensure adequate representation of smaller provinces such as the Northern Cape. Independent systematic samples of EA's were drawn for each stratum within each province. The sampling frame that was used was constructed from the preliminary database of EA's which was established during the demarcation and listing phase of the 1996 population census. In the second phase 10 households were drawn from each EA on the western and eastern side of the EA drawn for the post enumeration survey. This meant 10 households per EA in 1600 different EA's, that is 16 000 households in total.

Mode of data collection

Face-to-face [f2f]

Research instrument

The data files in the October Household Survey 1996 (OHS 1996) correspond to the following sections in the questionnaire:

House: Data from FLAP, Section 1 and Section 7 Person: Data from Section 2 Worker: Data from Section 3 Migrant: Data from Section 4 Death: Data from Section 5 Births: Data from Section 6 - This data had a considerable number of problems and will not be published. Income: Data from Section 7 (included in House) Domestic: Data from Section 8

Data appraisal

Questionnaire: The October Household Survey 1996 questionnaire had incorrect FLAP data. No Population Group question was indicated on the FLAP. DataFirst notified Statistics SA who supplied a corrected questionnaire which is the one now available with the dataset.

Household IDs: In the previous version of the 1996 October Household Survey dataset archived by DataFirst the HHID were not unique. This was corrected in the first version disseminated by DataFirst, version 1. Version 1.1 keeps this correction, but data users should check versions not obtained from DataFirst and replace these with the latest version available from DataFirst.

Linking Files: The Metadata for the OHS 1996 provides an explanation for merging the files in the files in the OHS 1996 dataset: "The data from different files can be linked on the basis of the record identifiers. The record identifiers are composed of the first few fields in each file. Each record contains the three fields Magisterial District, Enumeration area, and Visiting point number. These eleven digits together constitute a unique household identifier. All records with a given household identifier, no matter which file they are in, belong to the same household. For individuals, a further two digits constituting the Person number, when added to the household identifier, creates a unique individual identifier. Again, these can be used to link records from the PERSON and WORK files. The syntax needed to merge information from different files will differ according to the statistical package used (October Household Survey 1996: Metadata: General Notes: 2).” According to the above, to generate household IDs it is necessary to use a combination of magisterial district number (mdnumber), enumeration area number (eanumber) and visiting point number (vpnumber). To generate person IDs it is necessary to use the above with the person number (personnu).

These variables are named as such in the OHS 1996 House, OHS 1996 Births, OHS 1996 Migrant, OHS 1996 Deaths, OHS 1996 Household Income Other, OHS 1996 Other, OHS 1996 Domestic and OHS 1996 Flap data files. However, in the OHS 1996 Worker and OHS 1996 Person data files the variable for magisterial district number is “distr”, the variable for Enumeration Area is “ea” and the variable for visiting point number is called "visp”. The variable for person number in these files is called “respno”.

The metadata provided to DataFirst with this dataset does not discuss these changes.

October Household Survey 1996 Births file: Births data was collected by Section 6 of the OHS 1996 questionnaire, completed for all women younger than 55 years who had ever given birth. The metadata for this survey from Statistics SA states that “This data had a considerable number of problems and will not be published” The dataset provided by DataFirst therefore does not include the original “births” file. Those in possession of this file from unofficial versions of the dataset should note the following problems with the data in the OHS 1996 births file:

Variable name: eegender Question 6.2: Is/was (the child) a boy or a girl? Valid range: 1 (boy) - 2 (girl) Data quality issue: There is a third response value of 0 with no description

Variable name: livinghh Question 6.4: If alive: Is (the child) currently living with this household? Valid range: 1 (yes) - 2 (no) Data quality issue: This variable has an additional response value (0), which has no description

Variable name: agealive Question 6.5: If alive: How old is he/she? This question was asked of all women younger than 55 years who have ever given birth to provide the age of their living children. Data quality issue: responses range from 0-77 for age of child (assuming age 99 is for missing responses) which is outside the plausible range.

Variable name: agenaliv Question 6.6: If dead: How old was (the child) when he/she died? Data quality issue: The format of the age at death variable is not clear

Variable name: datebirt Question 6.7: [All children]: In what year and month was (the child) born? Data quality issue: There are problems with the format of the date of birth variable

Variable name: wherebor Question 6.8: [All children]: Where was (the child) born? Data quality issue: There are only three options for the place of birth in the questionnaire (in a hospital, in a clinic and elsewhere), but the data has 10 response values (0-9) with no explanation for this in the metadata.

Variable name: regstere Question 6.9 [All children] Was the birth registered? Valid range: 1(yes) - 2 (no) Data quality issue: There are 4 response values (0-3) for this variable

Income of individuals by age group, sex and income source, Canada, provinces and selected census metropolitan areas, annual.

Comprehensive demographic dataset for New Jersey, US including population statistics, household income, housing units, education levels, employment data, and transportation with year-over-year changes.

Die Daten für die Variable Kinder stammen vor allem aus den Quellen ZDdesign sowie aus der Datei der Privatkonsumenten des Verbandes der Vereine Creditreform. Ausgewiesen wird diese Variable als Anteil von Kindern an allen Personen in einem Privathaushalt (microm 2016, S. 29). Microm receives the data basis for the variable children from ZDdesign Media Services and from the file on private consumers by the Creditrefom Group. The variable specifies the average share of children in a household (microm 2016, p. 29). RWI-GEO-GRID Other Aus Gründen des Datenschutzes werden mehrere zu einem Wohnfeld gehörende Häuser zu einer sogenannten Mikrozelle zusammengeführt. Diese Mikrozellen beinhalten mindestens fünf, durchschnittlich acht Haushalte. Dabei bilden größere Häuser, in denen mehr als fünf Haushalte leben ihr eigenes Segment. Häuser mit weniger als fünf Haushalten werden mit vergleichbaren Häusern in der gleichen Straße zusammengefasst, so dass die Mikrozelle dann mindestens fünf Haushalte umfasst. Die zusammengefassten Häuser weisen eine größtmögliche räumliche Nähe auf. Zudem werden Strukturindikatoren für die jeweilige Mikrozelle verdichtet, und die Information wieder pro Haushalt als Datei aufbereitet (microm 2016, S. 8). Wann immer dies möglich ist, werden die errechneten Daten mit anderen Datenquellen wie beispielsweise amtlichen Daten, die auf einer höheren Aggregationsstufe vorliegen, abgeglichen (microm 2014, S. 2). Zudem ermöglicht die Zusammenarbeit des SOEP und microm eine inhaltliche Beschreibung sowie Validierung der kleinräumigen microm Daten (microm 2016, S. 8). Die Basis des Datensatzes bildet die Variablengruppe microm-Basis. Diese ist in die folgenden vier Unterklassen unterteilt: Anzahl der Haushalte, Anzahl der Gewerbebetriebe, Anzahl der Häuser (inklusive reiner Gewerbehäuser) und Anzahl der Wohngebäude (exklusive reiner Gewerbehäuser) (vgl. microm 2016, S. 26). Die Anzahl der Häuser wird auf Grundlage der Straßenabschnitte für alle übergeordneten Gebietsebenen ermittelt. Basierend auf Unternehmensregistern werden für jedes Haus Aussagen zu der Anzahl der Gewerbebetriebe gemacht. For data privacy reasons, houses within a residential environment are summed up to a "virtual" micro-geographic segment (so-called micro-cell), which on average comprises eight, but at least five households. Houses in which at least five households live become a distinct micro-cell, while houses with less than five households are combined with similar houses on the same street. Combined houses are as close as possible in spatial terms. Structural indicators are aggregated on the micro cell level and subsequently computed household level averages are computed (microm 2016, p.8). If such data exist, the calculated data is made consistent with official data sources (microm 2014, p. 2). Additionally, due to the cooperation with SOEP, it is possible to validate the small scale regional data of microm (microm 2016, p. 8). The dataset is based on the variable group microm-Basis which is comprised of four categories: number of households, number of business enterprises, number of houses (including those purely used for business), and number of residential houses (excluding those purely used for business) (cf. microm 2016, p. 26). The number of houses on the street segment level is the basis for all aggregations to other regional levels. Based on business registers, the number of enterprises in each house is determined. In die Datenerstellung fließen mehr als eine Milliarde Einzelinformationen ein. Diese Daten liegen anonymisiert vor und werden von mehreren Quellen bezogen. Die einfließenden Daten liegen grundsätzlich für sämtliche 40.9 Mio. Haushalte in Deutschland vor und werden für die rund 20 Mio. Häuser ausgewiesen (microm 2016, S. 8). Microm uses more than a billion individual data points for the aggregation of the microm dataset. These are anonymised and stem from various data sources. The data points are available for all 40.9 million households in Germany, while the final data product contains information on approximately 20 million houses (microm 2016, p. 8).

Die Variable Zahlungsindex beschreibt die statistische Wahrscheinlichkeit von Zahlungsausfällen für jedes Haus in Deutschland. Es erfolgt eine Einteilung der Häuser in neun Risikoklassen. Die Klassen werden durch ein Scoringverfahren ermittelt, in das u. a. Negativmerkmale des Verbandes der Vereine Creditreform, sowie Informationen über Alters- und Familienstruktur, Wohnumfeld etc. einfließen. Die wichtigste Grundlage bildet der Anteil der Haushalte mit Zahlungsproblemen (microm 2016, S. 36). Alle Angaben sind gemäß der Vorgaben des Datenschutzes anonymisiert. The variable payment index describes the statistical probability of payment default for each house in Germany. The houses are accordingly grouped in 9 risk groups. Those groups are found by a scoring procedure that is, amongst others, based on negative characteristics obtained from the Creditreform Group as well as on information on the age and family structure and the residential environment. The most important basis is the share of households with payment defaults (microm 2016 p. 42). All information is anonymised according to the rules of data protection. RWI-GEO-GRID Other Aus Gründen des Datenschutzes werden mehrere zu einem Wohnfeld gehörende Häuser zu einer sogenannten Mikrozelle zusammengeführt. Diese Mikrozellen beinhalten mindestens fünf, durchschnittlich acht Haushalte. Dabei bilden größere Häuser, in denen mehr als fünf Haushalte leben ihr eigenes Segment. Häuser mit weniger als fünf Haushalten werden mit vergleichbaren Häusern in der gleichen Straße zusammengefasst, so dass die Mikrozelle dann mindestens fünf Haushalte umfasst. Die zusammengefassten Häuser weisen eine größtmögliche räumliche Nähe auf. Zudem werden Strukturindikatoren für die jeweilige Mikrozelle verdichtet, und die Information wieder pro Haushalt als Datei aufbereitet (microm 2016, S. 8). Wann immer dies möglich ist, werden die errechneten Daten mit anderen Datenquellen wie beispielsweise amtlichen Daten, die auf einer höheren Aggregationsstufe vorliegen, abgeglichen (microm 2014, S. 2). Zudem ermöglicht die Zusammenarbeit des SOEP und microm eine inhaltliche Beschreibung sowie Validierung der kleinräumigen microm Daten (microm 2016, S. 8). Die Basis des Datensatzes bildet die Variablengruppe microm-Basis. Diese ist in die folgenden vier Unterklassen unterteilt: Anzahl der Haushalte, Anzahl der Gewerbebetriebe, Anzahl der Häuser (inklusive reiner Gewerbehäuser) und Anzahl der Wohngebäude (exklusive reiner Gewerbehäuser) (vgl. microm 2016, S. 26). Die Anzahl der Häuser wird auf Grundlage der Straßenabschnitte für alle übergeordneten Gebietsebenen ermittelt. Basierend auf Unternehmensregistern werden für jedes Haus Aussagen zu der Anzahl der Gewerbebetriebe gemacht. For data privacy reasons, houses within a residential environment are summed up to a "virtual" micro-geographic segment (so-called micro-cell), which on average comprises eight, but at least five households. Houses in which at least five households live become a distinct micro-cell, while houses with less than five households are combined with similar houses on the same street. Combined houses are as close as possible in spatial terms. Structural indicators are aggregated on the micro cell level and subsequently computed household level averages are computed (microm 2016, p.8). If such data exist, the calculated data is made consistent with official data sources (microm 2014, p. 2). Additionally, due to the cooperation with SOEP, it is possible to validate the small scale regional data of microm (microm 2016, p. 8). The dataset is based on the variable group microm-Basis which is comprised of four categories: number of households, number of business enterprises, number of houses (including those purely used for business), and number of residential houses (excluding those purely used for business) (cf. microm 2016, p. 26). The number of houses on the street segment level is the basis for all aggregations to other regional levels. Based on business registers, the number of enterprises in each house is determined. In die Datenerstellung fließen mehr als eine Milliarde Einzelinformationen ein. Diese Daten liegen anonymisiert vor und werden von mehreren Quellen bezogen. Die einfließenden Daten liegen grundsätzlich für sämtliche 40.9 Mio. Haushalte in Deutschland vor und werden für die rund 20 Mio. Häuser ausgewiesen (microm 2016, S. 8). Microm uses more than a billion individual data points for the aggregation of the microm dataset. These are anonymised and stem from various data sources. The data points are available for all 40.9 million households in Germany, while the final data product contains information on approximately 20 million houses (microm 2016, p. 8).

Die Arbeitslosenquote ist der Anteil der Arbeitslosen an der Gesamtzahl der zivilen Erwerbspersonen. Sie ist ein Indikator der Bundesagentur für Arbeit für die Arbeitsmarkt- und Beschäftigungslage (microm 2016, S. 44). The unemployment rate is the share of the unemployed in the population of those working or searching for employment. This is an indicator for the state of the labour market, and it is obtained from the Federal Employment Agency (microm 2016, p. 44). RWI-GEO-GRID Other Aus Gründen des Datenschutzes werden mehrere zu einem Wohnfeld gehörende Häuser zu einer sogenannten Mikrozelle zusammengeführt. Diese Mikrozellen beinhalten mindestens fünf, durchschnittlich acht Haushalte. Dabei bilden größere Häuser, in denen mehr als fünf Haushalte leben ihr eigenes Segment. Häuser mit weniger als fünf Haushalten werden mit vergleichbaren Häusern in der gleichen Straße zusammengefasst, so dass die Mikrozelle dann mindestens fünf Haushalte umfasst. Die zusammengefassten Häuser weisen eine größtmögliche räumliche Nähe auf. Zudem werden Strukturindikatoren für die jeweilige Mikrozelle verdichtet, und die Information wieder pro Haushalt als Datei aufbereitet (microm 2016, S. 8). Wann immer dies möglich ist, werden die errechneten Daten mit anderen Datenquellen wie beispielsweise amtlichen Daten, die auf einer höheren Aggregationsstufe vorliegen, abgeglichen (microm 2014, S. 2). Zudem ermöglicht die Zusammenarbeit des SOEP und microm eine inhaltliche Beschreibung sowie Validierung der kleinräumigen microm Daten (microm 2016, S. 8). Die Basis des Datensatzes bildet die Variablengruppe microm-Basis. Diese ist in die folgenden vier Unterklassen unterteilt: Anzahl der Haushalte, Anzahl der Gewerbebetriebe, Anzahl der Häuser (inklusive reiner Gewerbehäuser) und Anzahl der Wohngebäude (exklusive reiner Gewerbehäuser) (vgl. microm 2016, S. 26). Die Anzahl der Häuser wird auf Grundlage der Straßenabschnitte für alle übergeordneten Gebietsebenen ermittelt. Basierend auf Unternehmensregistern werden für jedes Haus Aussagen zu der Anzahl der Gewerbebetriebe gemacht. For data privacy reasons, houses within a residential environment are summed up to a "virtual" micro-geographic segment (so-called micro-cell), which on average comprises eight, but at least five households. Houses in which at least five households live become a distinct micro-cell, while houses with less than five households are combined with similar houses on the same street. Combined houses are as close as possible in spatial terms. Structural indicators are aggregated on the micro cell level and subsequently computed household level averages are computed (microm 2016, p.8). If such data exist, the calculated data is made consistent with official data sources (microm 2014, p. 2). Additionally, due to the cooperation with SOEP, it is possible to validate the small-scale regional data of microm (microm 2016, p. 8). The dataset is based on the variable group microm-Basis which is comprised of four categories: number of households, number of business enterprises, number of houses (including those purely used for business), and number of residential houses (excluding those purely used for business) (cf. microm 2016, p. 26). The number of houses on the street segment level is the basis for all aggregations to other regional levels. Based on business registers, the number of enterprises in each house is determined. In die Datenerstellung fließen mehr als eine Milliarde Einzelinformationen ein. Diese Daten liegen anonymisiert vor und werden von mehreren Quellen bezogen. Die einfließenden Daten liegen grundsätzlich für sämtliche 40.9 Mio. Haushalte in Deutschland vor und werden für die rund 20 Mio. Häuser ausgewiesen (microm 2016, S. 8). Microm uses more than a billion individual data points for the aggregation of the microm dataset. These are anonymised and stem from various data sources. The data points are available for all 40.9 million households in Germany, while the final data product contains information on approximately 20 million houses (microm 2016, p. 8).

Die Geschlechts- und Altersstruktur weist den Anteil der Einwohner pro Gebietsebene aus und liegt unterteilt nach Geschlecht für 17 Altersklassen vor. Dabei wird das Alter zwischen 20 und 75 in Kategorien von je 5 Jahren zusammengefasst. Für das höhere Alter erfolgt eine Zusammenfassung in "75 Jahre und älter". Für Kinder folgt microm den folgenden Altersgruppierungen: Zum einen werden Kleinkinder gesondert betrachtet; dabei handelt es sich um die Altersklasse der 0- bis 3-Jährigen. Eine weitere Klasse umfasst das Kindergartenalter, also Kinder im Alter zwischen 3 und 6 Jahren. Danach folgen Einteilungen in Grundschulkinder (6-10 Jahre) und Kinder in der schulischen Mittelstufenklasse (10-15 Jahre). Mit 15 ist es möglich, die allgemeine Schullaufbahn zu beenden und in eine Ausbildung mit Berufsschule zu wechseln, bzw. die allgemeine Hochschulreife auf der allgemeinen Schule zu erlangen. Auch diese Altersgruppen werden gesondert in der Klasse der 15- bis 18-Jährigen bzw. in der Altersklasse der 18- bis 20-Jährigen erfasst (microm 2016, S. 42). Die Ausprägungen der Altersgruppen liegen als prozentuale Anteile an allen Einwohnern einer Rasterzelle vor. Komplementär zu diesem Datensatz wird die absolute Einwohnerzahl auf Rasterebene als separater Datensatz angeboten und ist unter der DOI 10.7807/microm:einwohner:suf:V7:1 auffindbar. The gender and age structure indicates the share of residents in an area and can be differentiated with respect to sex and 17 age groups. Age between 20 and 75 is divided into categories of 5 years each to build the age groups. For the elderly, the group is “75 years and older”. For children, microm uses the following categories: infants and toddlers in the age range 0-3 years; kindergarteners of the age 3-6 years; primary school children (6-10 years), and middle school children (10-15 years). At 15, it is possible to finish general schooling and start a vocational training, or proceed with school and obtain a high school degree (Abitur). Individuals in this group constitute two further age groups, one ranging from 15-18 years and the other from 18-20 years (microm 2016, p. 42).The age groups are available as percentage shares of all residents in a raster cell. In addition, the absolute number of residents is available as a separate dataset which can be found under DOI 10.7807/microm:einwohner:suf:V5:1. For children, microm uses the following categories: infants and toddlers in the age range 0-3 years; kindergarteners of the age 3-6 years; primary school children (6-10 years), and middle school children (10-15 years). At 15, it is possible to finish general schooling and start a vocational training, or proceed with school and obtain a high school degree (Abitur). Individuals in this group constitute two further age groups, one ranging from 15-18 years and the other from 18-20 years (microm 2016, p. 42). The age groups are available as percentage shares of all inhabitants in a raster cell. In addition, the absolute number of inhabitants is available as a separate dataset which can be found under DOI 10.7807/microm:einwohner:suf:V7:1. RWI-GEO-GRID Other Aus Gründen des Datenschutzes werden mehrere zu einem Wohnfeld gehörende Häuser zu einer sogenannten Mikrozelle zusammengeführt. Diese Mikrozellen beinhalten mindestens fünf, durchschnittlich acht Haushalte. Dabei bilden größere Häuser, in denen mehr als fünf Haushalte leben ihr eigenes Segment. Häuser mit weniger als fünf Haushalten werden mit vergleichbaren Häusern in der gleichen Straße zusammengefasst, so dass die Mikrozelle dann mindestens fünf Haushalte umfasst. Die zusammengefassten Häuser weisen eine größtmögliche räumliche Nähe auf. Zudem werden Strukturindikatoren für die jeweilige Mikrozelle verdichtet, und die Information wieder pro Haushalt als Datei aufbereitet (microm 2016, S. 8). Wann immer dies möglich ist, werden die errechneten Daten mit anderen Datenquellen wie beispielsweise amtlichen Daten, die auf einer höheren Aggregationsstufe vorliegen, abgeglichen (microm 2014, S. 2). Zudem ermöglicht die Zusammenarbeit des SOEP und microm eine inhaltliche Beschreibung sowie Validierung der kleinräumigen microm Daten (microm 2016, S. 8). Die Basis des Datensatzes bildet die Variablengruppe microm-Basis. Diese ist in die folgenden vier Unterklassen unterteilt: Anzahl der Haushalte, Anzahl der Gewerbebetriebe, Anzahl der Häuser (inklusive reiner Gewerbehäuser) und Anzahl der Wohngebäude (exklusive reiner Gewerbehäuser) (vgl. microm 2016, S. 26). Die Anzahl der Häuser wird auf Grundlage der Straßenabschnitte für alle übergeordneten Gebietsebenen ermittelt. Basierend auf Unternehmensregistern werden für jedes Haus Aussagen zu der Anzahl der Gewerbebetriebe gemacht. For data privacy reasons, houses within a residential environment are summed up to a "virtual" micro-geographic segment (so-called micro-cell), which on average comprises eight, but at least five households. Houses in which at least five households live become a distinct micro-cell, while houses with less than five households are combined with similar houses on the same street. Combined houses are as close as possible in spatial terms. Structural indicators are aggregated on the micro cell level and subsequently computed household level averages are computed (microm 2016, p.8). If such data exist, the calculated data is made consistent with official data sources (microm 2014, p. 2). Additionally, due to the cooperation with SOEP, it is possible to validate the small scale regional data of microm (microm 2016, p. 8). The dataset is based on the variable group microm-Basis which is comprised of four categories: number of households, number of business enterprises, number of houses (including those purely used for business), and number of residential houses (excluding those purely used for business) (cf. microm 2016, p. 26). The number of houses on the street segment level is the basis for all aggregations to other regional levels. Based on business registers, the number of enterprises in each house is determined. In die Datenerstellung fließen mehr als eine Milliarde Einzelinformationen ein. Diese Daten liegen anonymisiert vor und werden von mehreren Quellen bezogen. Die einfließenden Daten liegen grundsätzlich für sämtliche 40.9 Mio. Haushalte in Deutschland vor und werden für die rund 20 Mio. Häuser ausgewiesen (microm 2016, S. 8). Microm uses more than a billion individual data points for the aggregation of the microm dataset. These are anonymised and stem from various data sources. The data points are available for all 40.9 million households in Germany, while the final data product contains information on approximately 20 million houses (microm 2016, p. 8).

Die Arbeitslosenquote ist der Anteil der Arbeitslosen an der Gesamtzahl der zivilen Erwerbspersonen. Sie ist ein Indikator der Bundesagentur für Arbeit für die Arbeitsmarkt- und Beschäftigungslage (microm 2016, S. 44). The unemployment rate is the share of the unemployed in the population of those working or searching for employment. This is an indicator for the state of the labour market, and it is obtained from the Federal Employment Agency (microm 2016, p. 44). RWI-GEO-GRID Other Aus Gründen des Datenschutzes werden mehrere zu einem Wohnfeld gehörende Häuser zu einer sogenannten Mikozelle zusammengeführt. Diese Mikozellen beinhalten mindestens fünf, durchschnittlich acht Haushalte. Dabei bilden größere Häuser, in denen mehr als fünf Haushalte leben ihr eigenes Segment. Häuser mit weniger als fünf Haushalten werden mit vergleichbaren Häusern in der gleichen Straße zusammengefasst, so dass die Mikrozelle dann mindestens fünf Haushalte umfasst. Die zusammengefassten Häuser weisen eine größtmögliche räumliche Nähe auf. Zudem werden Strukturindikatoren für die jeweilige Mikrozelle verdichtet, und die Information wieder pro Haushalt als Datei aufbereitet (microm 2016, S. 8). Wann immer dies möglich ist, werden die errechneten Daten mit anderen Datenquellen wie beispielsweise amtlichen Daten, die auf einer höheren Aggregationsstufe vorliegen, abgeglichen (microm 2014, S. 2). Zudem ermöglicht die Zusammenarbeit des SOEP und microm eine inhaltliche Beschreibung sowie Validierung der kleinräumigen microm Daten (microm 2016, S. 8). Die Basis des Datensatzes bildet die Variablengruppe microm-Basis. Diese ist in die folgenden vier Unterklassen unterteilt: Anzahl der Haushalte, Anzahl der Gewerbebetriebe, Anzahl der Häuser (inklusive reiner Gewerbehäuser) und Anzahl der Wohngebäude (exklusive reiner Gewerbehäuser) (vgl. microm 2016, S. 26). Die Anzahl der Häuser wird auf Grundlage der Straßenabschnitte für alle übergeordneten Gebietsebenen ermittelt. Basierend auf Unternehmensregistern werden für jedes Haus Aussagen zu der Anzahl der Gewerbebetriebe gemacht. For data privacy reasons, houses within a residential environment are summed up to a "virtual" micro-geographic segment (so-called micro-cell), which on average comprises eight, but at least five households. Houses in which at least five households live become a distinct micro-cell, while houses with less than five households are combined with similar houses on the same street. Combined houses are as close as possible in spatial terms. Structural indicators are aggregated on the micro-cell level and subsequently computed household level averages are computed (microm 2016, p.8). If such data exist, the calculated data is made consistent with official data sources (microm 2014, p. 2). Additionally, due to the cooperation with SOEP, it is possible to validate the small-scale regional data of microm (microm 2016, p. 8). The dataset is based on the variable group microm-Basis which is comprised of four categories: number of households, number of business enterprises, number of houses (incl. those purely used for business), and number of residential houses (excl. those purely used for business) (cf. microm 2016, p. 26). The number of houses on the street segment level is the basis for all aggregations to other regional levels. Based on business registers, the number of enterprises in each house is determined. In die Datenerstellung fließen mehr als eine Milliarde Einzelinformationen ein. Diese Daten liegen anonymisiert vor und werden von mehreren Quellen bezogen. Die einfließenden Daten liegen grundsätzlich für sämtliche 40.9 Mio. Haushalte in Deutschland vor und werden für die rund 20 Mio. Häuser ausgewiesen (microm 2016, S. 8). Microm uses more than a billion individual data points for the aggregation of the microm dataset. These are anonymised and stem from various data sources. The data points are available for all 40.9 million households in Germany, while the final data product contains information on approximately 20 million houses (microm 2016, p. 8).

Grundlagen für die Variable Ausländeranteil bildet eine Vor- und Nachnamenanalyse hinsichtlich der sprachlichen Herkunft. Die Auswertung der Namen basiert auf Listen, in denen die sprachliche Abstammung der Namen verzeichnet ist. Die Namensanalyse bezieht sich auf den Haushaltsvorstand. Dementsprechend können keinen Aussagen darüber getroffen werden, wie viele Personen tatsächlich eine ausländische Herkunft haben, wie lange die Person bereits in Deutschland lebt, oder wie die soziale Anbindung in Deutschland ist (microm 2016 S. 3). The variable share of foreigners is based on an analysis of fore- and surnames with respect to their linguistic origin. The evaluation is based on lists of names and their origin and only refers to the head of the households. Thus, this does not allow for conclusions about the actual number of persons with a foreign origin, how long the individuals have already been Germany, and how strong the social integration is (microm 2016 p. 3). RWI-GEO-GRID Other Aus Gründen des Datenschutzes werden mehrere zu einem Wohnfeld gehörende Häuser zu einer sogenannten Mikrozelle zusammengeführt. Diese Mikrozellen beinhalten mindestens fünf, durchschnittlich acht Haushalte. Dabei bilden größere Häuser, in denen mehr als fünf Haushalte leben ihr eigenes Segment. Häuser mit weniger als fünf Haushalten werden mit vergleichbaren Häusern in der gleichen Straße zusammengefasst, so dass die Mikrozelle dann mindestens fünf Haushalte umfasst. Die zusammengefassten Häuser weisen eine größtmögliche räumliche Nähe auf. Zudem werden Strukturindikatoren für die jeweilige Mikrozelle verdichtet, und die Information wieder pro Haushalt als Datei aufbereitet (microm 2016, S. 8). Wann immer dies möglich ist, werden die errechneten Daten mit anderen Datenquellen wie beispielsweise amtlichen Daten, die auf einer höheren Aggregationsstufe vorliegen, abgeglichen (microm 2014, S. 2). Zudem ermöglicht die Zusammenarbeit des SOEP und microm eine inhaltliche Beschreibung sowie Validierung der kleinräumigen microm Daten (microm 2016, S. 8). Die Basis des Datensatzes bildet die Variablengruppe microm-Basis. Diese ist in die folgenden vier Unterklassen unterteilt: Anzahl der Haushalte, Anzahl der Gewerbebetriebe, Anzahl der Häuser (inklusive reiner Gewerbehäuser) und Anzahl der Wohngebäude (exklusive reiner Gewerbehäuser) (vgl. microm 2016, S. 26). Die Anzahl der Häuser wird auf Grundlage der Straßenabschnitte für alle übergeordneten Gebietsebenen ermittelt. Basierend auf Unternehmensregistern werden für jedes Haus Aussagen zu der Anzahl der Gewerbebetriebe gemacht. For data privacy reasons, houses within a residential environment are summed up to a "virtual" micro-geographic segment (so-called micro-cell), which on average comprises eight, but at least five households. Houses in which at least five households live become a distinct micro-cell, while houses with less than five households are combined with similar houses on the same street. Combined houses are as close as possible in spatial terms. Structural indicators are aggregated on the micro cell level and subsequently computed household level averages are computed (microm 2016, p.8). If such data exist, the calculated data is made consistent with official data sources (microm 2014, p. 2). Additionally, due to the cooperation with SOEP, it is possible to validate the small-scale regional data of microm (microm 2016, p. 8). The dataset is based on the variable group microm-Basis which is comprised of four categories: number of households, number of business enterprises, number of houses (including those purely used for business), and number of residential houses (excluding those purely used for business) (cf. microm 2016, p. 26). The number of houses on the street segment level is the basis for all aggregations to other regional levels. Based on business registers, the number of enterprises in each house is determined. In die Datenerstellung fließen mehr als eine Milliarde Einzelinformationen ein. Diese Daten liegen anonymisiert vor und werden von mehreren Quellen bezogen. Die einfließenden Daten liegen grundsätzlich für sämtliche 40.9 Mio. Haushalte in Deutschland vor und werden für die rund 20 Mio. Häuser ausgewiesen (microm 2016, S. 8). Microm uses more than a billion individual data points for the aggregation of the microm dataset. These are anonymised and stem from various data sources. The data points are available for all 40.9 million households in Germany, while the final data product contains information on approximately 20 million houses (microm 2016, p. 8).

Due to an increasing variety of the product lines of car manufacturers, brand manufacturers supply cars in almost every segment. The brand of one's car does not allow for conclusions about the socio-economic status. For the car segments, cars have been aggregated to classes that allow for this kind of conclusion. In addition to the car capability, car segments provide information on the intended use of the car. The dataset comprises of 12 car segments: mini cars, compact cars, lower mid-range cars, mid-range cars, upper mid-range cars, top-of-the-range cars, ATVs, cabriolets, estate cars, vans, utility vehicles, other vehicles (microm 2016, p. 96). The following classes are available. Mini cars: Mini cars used to be included in the segment of small cars, but not constitute an own segment due to an increased market share. These vehicles are characterized by an exceptionally small size. Sometimes they only provide two seats (examples: Renault Twingo, Ford Ka, VW Up, Peugeot 107 and smart fortwo) (microm 2016, p. 97). Compact cars: The definition of a compact car is controversial and has changed over time. The general idea is that of a cheap way to be mobile on four wheels with a roof, often with compromises regarding space and comfort (examples: VW Polo, Opel Corsa, Ford Fiesta, Fiat Punto, Peugeot 207 and Renault Clio) (microm 2016, p. 97). Da die Angebotspalette der unterschiedlichen PKW Hersteller immer breiter wird, bieten die Markenhersteller Fahrzeuge in fast allen Segmenten an. Die Marke allein lässt keinen einfachen Rückschluss auf den sozioökonomischen Status des Besitzers zu. Bei den PKW Segmenten sind Fahrzeuge zu Klassen zusammengefasst worden, die wiederum solche Aussagen ermöglichen. Darüber hinaus wird neben dem Leistungsvermögen der Fahrzeuge auch die Nutzungsintention der Fahrzeughalter deutlich. Es liegen Informationen über folgende 12 PKW Segmente vor: Miniwagen, Kleinwagen, Untere Mittelklassewagen, Mittelklassewagen, Obere Mittelklassewagen, Oberklassewagen, Geländewagen, Cabriolets, Kombiwagen, Vans, Utilities, sonstige PKW Segmente (microm 2016, S. 96) Miniwagen: Miniwagen gehörten lange Zeit zu den Kleinwagen und bilden nun aufgrund des gestiegenen Marktanteils ein eigenes Segment. Diese Fahrzeuge zeichnen sich vor allem durch eine ausgesprochen geringe Größe aus. Zum Teil besitzen sie sogar nur zwei vollwertige Sitze (Vertreter dieses Segments sind: Renault Twingo, Ford Ka, VW Up, Peugeot 107 und smart fortwo) (microm 2016, S. 97). Kleinwagen: Die Definition eines Kleinwagens ist umstritten und mit den Zeiten veränderlich. Immer aber geht es um eine preisgünstige Möglichkeit, auf vier Rädern mit einem Dach darüber motorisiert zu sein - sehr häufig jedoch mit Kompromissen gegenüber Platz und Komfort (Vertreter des Segmentes: VW Polo, Opel Corsa, Ford Fiesta, Fiat Punto, Peugeot 207 und Renault Clio) (microm 2016, S. 97). RWI-GEO-GRID Other For data privacy reasons, houses within a residential environment are summed up to a "virtual" micro-geographic segment (so-called micro-cell), which on average comprises eight, but at least five households. Houses in which at least five households live become a distinct micro-cell, while houses with less than five households are combined with similar houses on the same street. Combined houses are as close as possible in spatial terms. Structural indicators are aggregated on the micro cell level and subsequently computed household level averages are computed (microm 2016, p.8). If such data exist, the calculated data is made consistent with official data sources (microm 2014, p. 2). Additionally, due to the cooperation with SOEP, it is possible to validate the small scale regional data of microm (microm 2016, p. 8). The dataset is based on the variable group microm-Basis which is comprised of four categories: number of households, number of business enterprises, number of houses (including those purely used for business), and number of residential houses (excluding those purely used for business) (cf. microm 2016, p. 26). The number of houses on the street segment level is the basis for all aggregations to other regional levels. Based on business registers, the number of enterprises in each house is determined. Aus Gründen des Datenschutzes werden mehrere zu einem Wohnfeld gehörende Häuser zu einer sogenannten Mikrozelle zusammengeführt. Diese Mikrozellen beinhalten mindestens fünf, durchschnittlich acht Haushalte. Dabei bilden größere Häuser, in denen mehr als fünf Haushalte leben ihr eigenes Segment. Häuser mit weniger als fünf Haushalten werden mit vergleichbaren Häusern in der gleichen Straße zusammengefasst, so dass die Mikrozelle dann mindestens fünf Haushalte umfasst. Die zusammengefassten Häuser weisen eine größtmögliche räumliche Nähe auf. Zudem werden Strukturindikatoren für die jeweilige Mikrozelle verdichtet, und die Information wieder pro Haushalt als Datei aufbereitet (microm 2016, S. 8). Wann immer dies möglich ist, werden die errechneten Daten mit anderen Datenquellen wie beispielsweise amtlichen Daten, die auf einer höheren Aggregationsstufe vorliegen, abgeglichen (microm 2014, S. 2). Zudem ermöglicht die Zusammenarbeit des SOEP und microm eine inhaltliche Beschreibung sowie Validierung der kleinräumigen microm Daten (microm 2016, S. 8). Die Basis des Datensatzes bildet die Variablengruppe microm-Basis. Diese ist in die folgenden vier Unterklassen unterteilt: Anzahl der Haushalte, Anzahl der Gewerbebetriebe, Anzahl der Häuser (inklusive reiner Gewerbehäuser) und Anzahl der Wohngebäude (exklusive reiner Gewerbehäuser) (vgl. microm 2016, S. 26). Die Anzahl der Häuser wird auf Grundlage der Straßenabschnitte für alle übergeordneten Gebietsebenen ermittelt. Basierend auf Unternehmensregistern werden für jedes Haus Aussagen zu der Anzahl der Gewerbebetriebe gemacht. Microm uses more than a billion individual data points for the aggregation of the microm dataset. These are anonymised and stem from various data sources. The data points are available for all 40.9 million households in Germany, while the final data product contains information on approximately 20 million houses (microm 2016, p. 8). In die Datenerstellung fließen mehr als eine Milliarde Einzelinformationen ein. Diese Daten liegen anonymisiert vor und werden von mehreren Quellen bezogen. Die einfließenden Daten liegen grundsätzlich für sämtliche 40.9 Mio. Haushalte in Deutschland vor und werden für die rund 20 Mio. Häuser ausgewiesen (microm 2016, S. 8).