Bayesian-Schätzung der Offenlegungsrisiken für mehrfach imputierte, synthetische Daten

Behörden, die öffentliche Mikrodaten zur Verfügung stellen möchten, d.h. Daten zu individuellen Datensätzen, können vertrauliche Werte durch mehrere Ziehungen aus statistischen Modellen ersetzen, die mit den gesammelten Daten geschätzt wurden. Wir präsentieren einen Rahmen zur Bewertung der Offenlegungsrisiken, die mit der Veröffentlichung von mehrfach-imputierten, synthetischen Daten verbunden sind. Die Grundidee besteht darin, einen Eindringling zu imitieren, der die posterioren Verteilungen vertraulicher Werte unter Berücksichtigung der veröffentlichten synthetischen Daten und des vorherigen Wissens berechnet. Wir veranschaulichen die Methodik mit künstlichen vollständig synthetischen Daten und mit teilweiser Synthese der Jugendbefragung in Haft.