Empirische Wirtschaftsforschung · 2010-04-12 · 1 französischer Zoll = 2,7 cm. ... In der...

Empirische Wirtschaftsforschung

Prof. Dr. Bernd Süßmuth

Universität LeipzigInstitut für Empirische WirtschaftsforschungVolkswirtschaftslehre, insbesondere Ökonometrie

212.04.2010 2

Unser Lehrstuhl-Team

•

Prof. Dr. Bernd Süßmuth» Sprechstunde: nach Vereinbarung mit dem Sekretariat

•

Sekretariat: Angela Kortenhof» Sprechstunde: Mo. -

Fr., 9.00 -

11.00 und 13.00 -

15.00 Uhr in I 251

•

Dr. Marco Sunder

(Übung Microeconometrics)» Sprechstunde: Mo., 19.00 -

20.00 Uhr

•

Dipl.-Vw. (Int.) Bastian Gawellek» Sprechstunde: Di., 14.00 -

15.00 Uhr in I 248

•

Dipl.-Kfm. Philipp Mandel » Sprechstunde: Di. -

Do., nach Vereinbarung in I 247

•

Dipl.-Vw. Hagen Findeis» Sprechstunde: nach Vereinbarung in I 248

Empirische Wirtschaftsforschung ·


312.04.2010 3

Unser Tutoren-

und Hilfskräfte-Team

•

Philipp Jäger» E-Mail: [email protected]

•

Thomas Köhler» E-Mail: [email protected]

•

Thomas Krause» E-Mail: [email protected]

•

Christopher Krohn» E-Mail: [email protected]

Empirische Wirtschaftsforschung ·


•

Stefanie Najort» E-Mail: [email protected]

•

Marcus Strobel» E-Mail: [email protected]

•

Ina Zimmer» E-Mail: [email protected]

4

Internet

•

www.wifa.uni-leipzig.de/iew

Vorlesungsfolien

Datenmaterial

Videotutorials

(ab Semesterhälfte)

•

EViews-Beispielarbeitsdateien

(*.wf1)

www.principlesofeconometrics.com/eviews.htm

www.wiley.com/college/econ/hill331848/students.html

www.palgrave.com/economics/asteriou/data.htm

www.eviews.com/download/data/studygid.html

www.pearsoned.co.uk/vogelvang

statmath.wu-wien.ac.at/~hackl/#Forschungsinteressen

12.04.2010 4Empirische Wirtschaftsforschung ·


5

Internet



6

Internet

•

Unkonventionell zugängliche Makro-Daten

www.economagic.com

www.fgn.unisg.ch/eumacro/macrodata

www.fgn.unisg.ch/eurmacro/macrodata/datamtrx.html



7

Literatur

•

Ab Juni 2010



8

Ergänzende Literatur

•

Asteriou, D. und S. G. Hall (2007), Applied

Econometrics: A Modern Approach, Palgrave

Macmillan

•

Hackl, P. (2005), Einführung in die Ökonometrie, Pearson Studium



Es lohnt sich auch ein Blick in die englischsprachigen Lehrbücher von

R. C. Hill, W. E. Griffiths und George G. Judge

(Undergraduate…)

R. Pindyck

und D. L. Rubinfeld (Econometric

Models and…)

B. Vogelvang

(Econometrics: Theory

and Applications…)

I G. Ngurah

Agung

(Time Series

Data

Analysis…)

9

Grobgliederung der Vorlesung

•

Teil I: Grundlagen

•

Teil II: Regressionsmodelle

•

Teil III: Qualitativvariablen und Zeitreihen



10

Teil IGrundlagen



11

1. Einführung



Ökonometrie

•

Kernkompetenz, Humankapital, interdisziplinär

•

Vielschichtigkeit

Daten

Statistik

Computertechnologie

Modelle



Ökonometrie

•

Mikroökonometrie

Unternehmen, Haushalte,…

Individualdaten

•

Makroökonometrie

Ökonomien, VGR-Komponenten,…

Aggregatdaten

•

Zeitreihenanalyse

Analyse/Prognose von Makro-/Finanzmarkt-Reihen



Ökonometrie

•

Theoretische Ökonometrie

Axiomatisierung, mathematische Fundierung

•

Angewandte Ökonometrie

= EWF

reine Wissenschaft

Kombination aus

Kreativität

Handwerk

Wissenschaft



Stichproben

•

Repräsentativität

Wen oder was wollen wir erfassen?

•

Verzerrtheit

Wer oder was wurde tatsächlich erfasst?(Selektivitätsproblem, Reaktivität u.v.m.)

•

BeispielKörpergröße französische Männer in der Mitte des 18. Jahrhunderts



Häufigkeitsverteilung der Körpergröße französischer Soldaten, die zwischen 1740 und 1762 rekrutiert wurden

(die Stichprobe hat einen Umfang von N

= 15.400)

Stichproben

0

5

10

15

20

25

Proz

ent

61 63,5 66 68,5 7160

Körpergröße (in französischen Zoll)

1 französischer Zoll = 2,7 cm

Was sagt uns das?



Modelle

Engel’sches Gesetz I:Anteil der Ausgaben für Nahrungsmittel f(x)

Engel’sches Gesetz II:

Gesamtausgaben für Nahrungsmittel F(x)

f(x)

x

Ausgaben (Einkommen abzgl. Steuern und Ersparnis)

x

F(x)

verfügbares Einkommen

1712.04.2010 Empirische Wirtschaftsforschung ·


Modelle

Abweichungen:Systematik oder „Rauschen“?

Grundsätzlich geht es nicht

um exakte Beweise,

sondern

um probabilistische Aussagen, ob eine Hypothese

haltbar ist oder nicht.

f(x)

x

Ausgaben (Einkommen abzgl. Steuern und Ersparnis)

Engel’sches Gesetz III:Anteil der Ausgaben für Nahrungsmittel f(x)



Modelle

Intuition ist unerlässlich bei der•

Auswahl des Datenmaterials

•

Aufstellung der Hypothesen•

Auswahl der zu untersuchenden Modelle

Beispiel IBei N möglichen erklärenden Variablen und einem Modell, das aus 1 zu erklärenden und maximal 2 erklärenden Variablen besteht, ergeben sich (2N

1) mögliche

Kombi-nationen

für ein Modell.



Modelle

0

200000

400000

600000

800000

1000000

1200000

2 4 6 8 10 12 14 16 18 20

Variablen

Zahl der

Variablen Modelle

1 1

5 31

8 255

10 1 023

12 4 095

14 16 383

16 65 535

18 262 143

20 1 048 575



Modelle

Beispiel IIIn der empirischen Makro (Wachstumsempirie) geht es oft darum, Teilgruppen erklärender Variablen, die nur eine beschränkte Variablenanzahl

umfassen, abzuwägen.

Wir erhalten das übliche „6 aus 49“-Problem:

)!(!!

knkn

kn



Modelle

und die „dunkle Seite der Macht“…

Quelle: Süssmuth (2006), Beauty in the

Classroom: Are German students

less

blinded?, Applied

Economics

38, 231-238.

22

2. Vorüberlegungen und Grundbegriffe



2.1. Statistik als Grundlage der EWF

Deskriptive Statistik•

Beschreibung und Aufbereitung empirischer Daten

•

Im Vordergrund: Maße wie Mittelwert, Varianz, Schiefe

Induktive Statistik•

Generalisierung: Stichprobe

Grundgesamtheit

•

Beziehungen zwischen Variablen

23

2.2. Abgrenzung und Parallelen zu den NaWi

a)

Weniger Möglichkeiten zu wiederholten Experimenten

Was natürlich nicht heißt, dass auf dem (vermeintlich jungen) Gebiet der Experimentalökonomik nicht auch Experimente –

durchaus auch in Labors –

durchgeführt

werden.

Frühe experimentalökonomische Studien gingen (auch unter Einsatz von Laborratten) z.B. so spannenden Fragen wie dem Einfluss von Alkohol und Marihuana auf das individuelle Arbeitsangebotsverhalten nach.



24


a)

Weniger Möglichkeiten zu wiederholten Experimenten

Heute untersucht die Experimentalökonomik eine große Bandbreite ökonomischer Probleme. Mit Fragen wie der nach dem „Design“

von Experimenten oder der internen

und externen Validität solcher Experimente werden wir uns hier nicht auseinandersetzen.

Quasi-Experimente: Kontrollgruppe (z.B. Arbeitnehmer, die nicht an einem Weiterqualifizierungsprogramm teil-

genommen

haben) wird mit „Treatment“-Gruppe

(z.B. Arbeitnehmer, die ABM durchlaufen haben) verglichen.



25


b)

Verhältnismäßig kurze Datenreihen

Betrifft insbes. die Makroökonometrie

und die Zeitreihen- analyse

als Teile der EWF (im Unterschied zu bspw. der

Astronomie).

In der quantitativen Ökonomik werden daher zunehmend rechnergestützte Simulationen eingesetzt, wie sie z.B. in der Meteorologie vorherrschen oder bei Simulationen atomarer Explosionen in der Nuklear-Physik durchgeführt werden. Aus traditionellen Gründen werden Simulationen in der Regel aber nicht zum klassischen Instrumentarium der EWF gezählt.



26

2.3. Was ist Ökonometrie?

a)

Was bedeutet „measurement“

in diesem

Kontext?

„measurement

without

theory“

vs.„theory

without

measurement“

Ähnlich wie in der Physik gibt es auch in der Ökonomie einen aus der Theorie deduzierenden (Einstein) oder aus der empirischen Beobachtung induzierenden (Newton) Erkenntnisgewinn.



Econometric analysis is the field of economics that concerns itself with the application of mathematical statistics and the tools of statistical inference to the empirical measurement of relationships postulated by economic theory.

William Greene (New York University)

27




b)

Die Theorie postuliert etwa

Allerdings ist die Theorie nicht in der Lage eine konkrete funktionale Form der Nachfragefunktion oder eine

bestimmte Steigung für die Funktion zu spezifizieren, die ohne weiteres im Einklang mit empirischen Daten steht.

Angewandte Ökonometrie: induktiv wie deduktiv

)( pfQ mit 0pQ

.

.

28




c)

Der Weg der Ökonometrie

zur etablierten Teildisziplin

.

19. Jhd.

Henry L. Moore und William S. Jevons: Vorreiter der ökonometrischen

Bewegung

1930

Gründung

der

Econometric Society (Mitgründer: Ragnar Frisch, Irving Fisher, Jan Tinbergen)

1969

1. Nobelpreis der WiWi: R. Frisch und J. Tinbergen

1989

Nobelpreis an Trygve

M. Haavelmo (theoretische Ökonometrie)

2000

Nobelpreis an James Heckman

und Daniel McFadden (Mikroökonometrie)

2003

Nobelpreis an Clive Granger

und Robert Engle (Zeitreihenanalyse)

29

2.4. Status und Anspruch der EWF

Im Rahmen der EWF geht es uns in erster Linie um die empirische Überprüfung und gegebenenfalls Neu-

oder

Umformulierung von Hypothesen der wirtschaftswissen- schaftlichen

Theorie. Dadurch eröffnet sich uns ein weites

Feld an Anwendungsmöglichkeiten.

Für wissenschaftliches Arbeiten, wie etwa im Rahmen der Bachelor-

oder Masterarbeit, sind das Verstehen und häufig

auch das Anwenden ökonometrischer

Methoden unerläss- lich. Eine Mindestanforderung ist hier oft die Fähigkeit zur

Interpretation ökonometrischer

Ergebnisse.



30

2.5. Grundbegriffe der ökonometrischen

Analyse

Modelle:

Vorgehensweise und Prinzip der Falsifizierbarkeit



Fragestellung

theoretisches Modell

Hypothese formulieren

Fakten / Daten

statistischer Hypothesentest

ablehnen nicht ablehnen

Modellverbessern

Erklärung

nicht möglichmöglich

neues Modell

31


Analyse



Zunächst wird ein Modell unterstellt. Anschließend wird versucht, das Modell auf Grundlage der empirischen Daten abzulehnen. Kann das Modell i.R. statistischer Testverfahren nicht abgelehnt werden, wird es angenommen.

Allerdings ist die Annahme eines Modells immer konditional und nicht etwa gleichzusetzen mit einem Beweis.

Für die Annahme eines Modells ist es entscheidend, dass die Residuen kein systematisches Muster mehr aufweisen.

(Näheres dazu später)

32


Analyse



Privater

Konsum

und verfügbares

Einkommen: USA, 1970-1979 und 1940-1950; Datenquellen: Economic Reports of the President, Council of Economic Advisors

Unsystematische Residuen Systematische Residuen

600

700

800

900

1000

700 800 900 1000 1100

1970

1971

1972

Verfügbares Einkommen

197319741975

1976

1977 19781979

Konsum

200

220

240

260

280

300

320

340

200 250 300 350 400

Verfügbares Einkommen

Konsum

1940 19411942

1943

1944

1945

1946

1947 1948

1949 1950

33


Analyse



Stundenlohn und Bildung, USA im Jahr 1985 (Querschnittsdaten); N

= 534 Individuen

Datenquelle: Current

Population Survey; 1. Linie: Regressionsgerade; 2. Linie: Medianwerte

Einfach linear Komplex nicht-linear

0

10

20

30

40

50

0 5 10 15 20

Bildung (in Jahren)

Stun

denl

ohn

(US-

Dol

lar)

0

10

20

30

40

50

0 5 10 15 20

Bildung (in Jahren)

Stun

denl

ohn

(US-

Dol

lar)

0

10

20

30

40

50

0 5 10 15 20

34

2.5. Grundbegriffe der ökonometrischen Analyse



Mit STATA erstelltes Medianband für den Zusammenhang von Lehrevaluationsnote (Score) und Lehrveranstaltungsteilnehmerzahl (Class Size); N

= 1.449 Veranstaltungen (LMU)

12

34

5S

core

/Med

ian

band

s

0 200 400 600 800Class Size

Score Median bands

35


Analyse

Modelle: Lineare und nicht-lineare Formulierung

Eine

makroökonomische Konsumfunktion kann bspw. in

realen (preisbereinigten) Größen formuliert werden, wobei

C

gesamtwirtschaftlich konsumierte Güter [Geldeinheiten]Y

Volkseinkommen [Geldeinheiten]

R

gesamtwirtschaftliches Zinsniveau



RYC 210

36


Analyse

Satz:

Eine Schätzfunktion ist linear formuliert, wenn sich ihre Koeffizienten, d.h. die Multiplikanden der beeinflus-

senden

Variablen oder Variablenkombinationen, als Summe darstellen lassen.

Man beachte:

• Häufig lassen sich nicht-lineare Modelle linearisieren.

•

Oft besteht die Möglichkeit zur Linearisierung durch Loga- rithmierung

bei Modellen mit exponentiellem Charakter.



37


Analyse

1. Beispiel: Exponentielles BevölkerungswachstumEin Modell unterstellt, dass die Bevölkerung Y exponentiell mit der Zeit t wächst; Y(0) drückt die Größe der Population z.B. zum Zeitpunkt der Staatsgründung aus

graphisch ist

Y(0) damit nichts anderes als der Ordinatenabschnitt.

mit 1 = 0,5;

Y(0) ist konstant (hier = 0,6); 0 = 0,5;ln 0,6 0,5



teYtY 1)0()(

38


Analyse

Die Modellgleichung ist nicht linear, kann aber linearisiert werden. Dazu müssen wir sie logarithmieren



)0(ln)0(ln)(ln 0101 YttYtY mit mit

0

5

10

15

20

25

30

35

1 2 3 4 5 6 7 8t

Y

nicht linear

-1.0

-0.5

0.0

0.5

1.0

1.5

2.0

2.5

3.0

1 2 3 4 5 6 7 8t

ln

Y

linearisiert

39


Analyse

2. Beispiel: PolynomtrendSei Y eine Variable, deren Wert mit der Zeit zunimmt oder abnimmt, so kann man sie als einen

Trend

interpretieren.

Ein einfaches allgemeines Modell ist

• = 1 bezeichnet einen linearen Trend• = 2 bezeichnet einen quadratischen Trend• = n bezeichnet einen Polynom-Trend n-ter

Ordnung



1j

jtY

40


Analyse

Die Vorzeichen der Koeffizienten bezeichnen einen Auf- wärts-

bzw. Abwärtstrend.

Durch Logarithmierung erhalten wir etwa für einen, wie in der Modellglichung

definierten, quadratischen Trend eine

lineare Form der Art

allgemeiner



ttY ln2lnln2ln ;ttY ln2lnln2ln

2;1;ln2lnlnln

210

210

mitttY

mit

41


Analyse

3. Beispiel: Cobb-Douglas-ProduktionsfunktionEine neoklassische CD-Produktionsfunktion (mit den Inputs Arbeit L und Kapital K sowie Technologie-Parameter A) ist

Durch Logarithmierung erhalten wir eine lineare Form



21 LKAY

ALKLKAY

lnlnlnlnlnlnln 21021

0mit

mit

.

.

42


Analyse

Interpretation:

•

Das Absolutglied der linearen Form gibt uns den ln-Wert

des Technologieparameters an.

•

Die Koeffizienten sind als Elastizitäten interpretierbar und ihre Summe erlaubt uns zudem, Aussagen über Skaleneffekte zu treffen.

•

Addieren sich 1 und 2 beispielsweise zu 1, dann liegen konstante Skalenerträge vor (> 1: wachsende SE; < 1: abnehmende SE).

Nicht alle nicht-linearen Modelle sind linearisierbar, z.B.



. )(11

xeP

43


Analyse

Quelle: Kern, M. und B. Süssmuth

(2005), Managerial Efficiency in German Top League Soccer, German Economic Review

6, S. 485-506.



TS HHAY

C

j ijjTi

Sii Qhhy

1 ,210 log-lin

Schießt Geld tatsächlich Tore in der Bundesliga?

Führt eine Verdopplung des Werts der Profimannschaft HS auch zu einer Verdopplung des messbaren Erfolgs Y ?Welche Rolle spielt der Marktwert HT des Trainers?

Ti

Si

Ti

Si

Ti

Sii hhhhhhy 5

24

23210

0,5

44


Analyse

Variablen



a)

Abhängige und Unabhängige

Als

abhängige Variable(n) y wird/werden die Variable(n) bezeichnet, die im Rahmen eines ökonomischen Modells erklärt werden soll(en) und zwar durch die sogenannte(n) unabhängige(n) Variable(n) x.

Synonyme:

Abhängige: linksseitige/left-hand-side

(lhs) Variable,Zu Erklärende, Endogene, Regressand,

Unabhängige:rechtsseitige/right-hand-side (rhs)

Variable, Erklärende, Exogene, Regressor

45


Analyse



b)

Proxyvariablen

Häufig verfügt man in der Realität nicht über Daten- sätze

für theoretische Variablen (z.B. gesamtwirtschaft-

lichen

Zinssatz).Man verwendet dann i.d.R. Indizes zur Approximation;z.B. Index der Renditen festverzinslicher Obligationen, Zentralbanksdiskontsatz

in Quartalsdurchschnitten etc.

Weiteres Beispiel: Grade und Arten der ErziehungHier können Abschlüsse oder Abschlussnoten als Proxy-

variablen für Humankapital verwendet werden.

46


Analyse



c)

Dummyvariablen

Werden insbesondere bei qualitativen Variablen, deren Ausprägungen den Charakter von Attributen

haben,

oder bei Strukturbrüchen

eingesetzt

.

Qualitativvariablen wären z.B. männlich –

weiblich;übliche Kodierung z.B. männlich = 0, weiblich = 1;bei > 2 Attributen spricht man von Kategorialvariablen.

Strukturbrüche = Wechsel in der Datenstruktur;z.B. Wiedervereinigung, Währungswechsel

47


Analyse

Spezifikation einer Schätzform



a)

Störterm oder Fehlerterm

Stochastisches Element, das die zufälligen Abweichungen der Beobachtungen um den systematischen Anteil des beobachteten Wertes ausdrückt. Z.B.

Rechtfertigung• Modelle

perfekt, Spezifikationsfehler (unvollständig)

• Zufällige Ereignisse, erratisches Verhalten, Messfehler

.210 RYC

48


Analyse



b)

Spezifikationsgrad

Ein Modell stellt immer nur eine Approximation der Realität dar, d.h. es können nie

alle beeinflussenden

Variablen berücksichtigt werden; deckt auch zum Teil diesen Einfluss ab.

Bsp. Wählerstimmenanteil Y (%) eines Politikers, der mit dem Umfang der Wahlkampfausgaben X zunimmt

Wahltagswetter, Erfahrung, Partei, Konjunktur etc.

XfY mit 0XY

49


Analyse



Anderes Beispiel Mikro-Konsumfunktion:Primär vom Einkommen abhängiger Lebensmittelkonsum

Potentiell fehlende Determinanten:

Größe des Haushalts oder der Familie,

Berufsgruppenzugehörigkeit, Urbanisierungsgrad,

Verzögerungseffekte: Yt–1 und Ct–1 etc.

YC 10 mit .0

YC

50


Analyse



c)

Begriffspaar Querschnitt --

Zeitreihe

Querschnitte•

Beobachtungszeitpunkt fixiert

•

Untersuchungseinheit –

Personen, Unternehmen, Län- der, Regionen usw. –

variiert

•

Index drückt die Untersuchungseinheiten aus. Bspw. zum Zeitpunkt t = 2010

Ni ,,1

Ni=RYC iiii ,1,mit 210 mit

51


Analyse



Zeitreihen

•



fixiert

•

Beobachtungszeitpunkt variiert •

Index drückt den Beobachtungszeitraum aus. Bspw. für das Bundesland i = 1 (Sachsen)

Tt ,,1

TtRYC tttt ,,1210 mit mit


Analyse



Panel-

oder Longitudinal-Daten

•



variiert

•

Beobachtungszeitpunkt variiert •

Kombination aus Querschnitt-

und Zeitreihendaten;

z.B. 16 Bundesländer für den Zeitraum 1995-2010: N = T = 16

TtNiRYC itititit ,,1,,1210 ; ,


Analyse



Panel-

oder Longitudinal-Daten

Wir können unterscheiden•

Umfrage-Panel; z.B. IWH-Arbeitsmarktmonitor

•

Meldungs-Panel; IAB-Beschäftigungsstichprobe

•

Echte

Panel: Befragung (immer) derselben PersonenBsp. DIW: German Socioeconomic

Panel (GSOEP)

seit 1984 jährlich, 12.000 Privathaushalte

•

Unechte

Panel: Wiederholte QuerschnittsbefragungenBsp. US-Westpoint-Kadetten-Datensatz

Empirische Wirtschaftsforschung · 2010-04-12 · 1 französischer Zoll = 2,7 cm. ... In der...

Documents

Transcript of Empirische Wirtschaftsforschung · 2010-04-12 · 1 französischer Zoll = 2,7 cm. ... In der...