[
Baur, N. (2009). Measurement and selection bias in longitudinal data: a framework for re-opening the discussion on data quality and generalizability of social bookkeeping data. Historical Social Research, 34(3), 9–50.
]Search in Google Scholar
[
Börsch-Supan, A., Czaplicki, C., Friedel, S., Herold, I., Korbmacher, J. & Mika, T. (2020). SHARE-RV: linked data to study aging in Germany. Jahrbücher für Nationalökonomie und Statistik, 240(1), 121–132.
]Search in Google Scholar
[
BMBF – Bundesministerium für Bildung und Forschung. (2024). Eckpunkte BMBF Forschungsdatengesetz.
]Search in Google Scholar
[
Calderwood, L. & Lynn, P. (2009). Enhancing Longitudinal Surveys by Linking to Administrative Data. In P. Lynn (Hrsg.), Methodology of Longitudinal Surveys (S. 55–72).
]Search in Google Scholar
[
Chaskel, R., Getzner, M., Fürnkranz-Prskawetz, A., Riphahn, R. T. & Schmidheiny, K. (2024). Zugang zu Forschungsdaten in den D-A-CHLändern: eine Vermessung der (Un-)Zufriedenheit. Perspektiven der Wirtschaftspolitik, 25(1), 5–19.
]Search in Google Scholar
[
Czaplicki, C., Frommert, D. & Zanker, D. (2019). Die Studie „Lebensverläufe und Altersvorsorge “(LeA) im Überblick. Deutsche Rentenversicherung, 74(1), 25–50.
]Search in Google Scholar
[
ExpertInnenrat (der Bundesregierung zu COVID-19). (2022). Dringende Maßnahmen für eine verbesserte Datenerhebung und Digitalisie-rung, 4. Stellungnahme des ExpertInnenrates der Bundesregierung zu COVID-19.
]Search in Google Scholar
[
Heien, T. & Krämer, M. (2018). Lebensverläufe und Altersvorsorge der Personen der Geburtsjahrgänge 1957 bis 1976 und ihrer Partner: Forschungsprojekt im Auftrag der Deutschen Rentenversicherung Bund und des Bundesministeriums für Arbeit und Soziales. DRV-Schriften Band, 115; und BMAS-Forschungsbericht, Bd. 519. Deutsche Rentenversicherung Bund & Bundesministerium für Arbeit und Soziales.
]Search in Google Scholar
[
Hochfellner, D., Müller, D., & Wurdack, A. (2012). Biographical data of social insurance agencies in Germany–improving the content of administrative data. Journal of Contextual Economics–Schmollers Jahrbuch, (3), 443–451.
]Search in Google Scholar
[
KVI – Kommission zur Verbesserung der informationellen Infrastruktur zwischen Wissenschaft und Statistik. (2001). Wege zu einer besseren informationellen Infrastruktur. Nomos-Verlag.
]Search in Google Scholar
[
Lüthen, H., Schröder, C., Grabka, M. M., Goebel, J., Mika, T., Brüggmann, D., Elert, S. & Penz, H. (2022). SOEP-RV: linking German socio-economic panel data to pension records. Jahrbücher für Nationalökonomie und Statistik, 242(2), 291–307.
]Search in Google Scholar
[
Müller, D. & Fitzenberger, B. (2025). Forschung und Politikberatung benötigen ein Forschungsdatengesetz: Lehren aus dem IAB. IAB-Forum.
]Search in Google Scholar
[
RatSWD – Rat für Sozial- und Wirtschaftsdaten. (2023a). Nutzung von Registerdaten für Zwecke der Forschung (Positionspapier).
]Search in Google Scholar
[
RatSWD – Rat für Sozial- und Wirtschaftsdaten. (2023b). Vernetzung sozialwissenschaftlicher Forschung in gesellschaftlichen Krisen. Koordinierungsinitiativen und Empfehlungen zur Datenharmonisierung. Output 4a: 7. Berufungsperiode (2020-2023).
]Search in Google Scholar
[
RatSWD – Rat für Sozial- und Wirtschaftsdaten. (2025). Datensilos aufbre-chen: Forschung braucht gute Daten! (Positionspapier).
]Search in Google Scholar
[
Riphahn, R. T., Peichl, A., Raum, B., Schneider, K. & Vorgrimler, D. (2025). Ein Forschungsdatengesetz für Deutschland: Datenzugang, Datenverknüpfung und Datenschutz. Ordnung der Wissenschaft, 3, 139–153.
]Search in Google Scholar
[
Roßbach, G.(2019). Die Relevanz von guten Daten – Zur Studie „Lebensläufe und Altersvorsorge (LeA)“. RVaktuell, 2, 38–42.
]Search in Google Scholar
[
Roßbach, G. (2024). 20 Jahre Forschungsdatenzentrum der Rentenversicherung. Deutsche Rentenversicherung, Heft 4, 239–243.
]Search in Google Scholar
[
Schiersch, A. & Ullrich, H. (2025). Forschungsdatengesetz: Fakten stärken Vertrauen in Politik und Wissenschaft. DIW aktuell, Nr. 115. Sonderausgaben zur Bundestagswahl 2025.
]Search in Google Scholar
[
Stallmann, C., March, S. & Swart, E. (2015). Das Einwilligungsverhalten von Befragten zur Verknüpfung primärer Befragungsdaten mit Sekundär-und Registerdaten – Ergebnisse der lidA-Basiserhebung. Gesundheitsökonomie & Qualitätsmanagement, 20(04), 173–177.
]Search in Google Scholar
[
Statistisches Bundesamt. (2017). Ein Blick in die Registerlandschaft in Deutschland. Beistellung zum Gutachten „Mehr Leistung für Bürger und Unternehmen: Verwaltung digitalisieren. Register modernisieren.“ im Auftrag des Nationalen Normenkontrollrates.
]Search in Google Scholar
[
Stegmann, M. (2015). Statistische Informationen für Experten und Öffentlichkeit. In 40 Jahre Datenstelle der Deutschen Rentenversicherung. Festschrift, S. 64–73.
]Search in Google Scholar
[
SVR – Sachverständigenrat zur Begutachtung der Gesamtwirtschaftli-chen Entwicklung. (2023). Wachstumsschwäche überwinden – in die Zukunft investieren. Jahresgutachten.
]Search in Google Scholar
[
Thiede, R. & Mika, T. (2018). Forschungsdatenzentren. In M. Erlinghagen, K. Hank & M. Kreyenfeld (Hrsg.), Innovation und Wissenstransfer in der empirischen Sozial- und Verhaltensforschung (S. 221–234). Campus.
]Search in Google Scholar
[
Verein für Socialpolitik. (2023). Für einen besseren Datenzugang im Be-reich Arbeitsmarkt und Sozialversicherung. Stellungnahme aus dem Verein für Socialpolitik, Unterarbeitsgruppe Arbeitsmarkt und Sozialversicherung. RatSWD Working Paper Series, 286/2023.
]Search in Google Scholar
[
Werhan, K. & Akremi, L. (2023). Prozessproduzierte Verwaltungsdaten am Beispiel des Forschungsdatenzentrums der Rentenversicherung (FDZRV). In J. Gröber, M. A. Kellert & D. Hofäcker (Hrsg.), Quantitative Daten in Bildungswissenschaftlichen Disziplinen (S. 64–88). Verlag Barbara Budrich.
]Search in Google Scholar
