23.06.2022 quantitative Forschung#

quantitative Forschung: Aufdecken von generellen Zusammenhängen, oft kausaler Art, und Überprüfung von Hypothesen

empirische Wirtschaftsforschung#

in ökonomischer Forschung: quantitativ / ökonometrisch ist vorherrschend!

viele ökonomische Fragen lassen sich rein theoretisch nicht abschließend beantworten (Bsp.: Mindestlohn) => Untersuchung der Empirie

Kausalität und Korrelation#

Korrelation: zwei Variablen bewegen sich gemeinsam in gleiche Richtung, hängen aber nicht zusammen

kausaler Zusammenhang: eine Veränderung einer Variable führt zu Veränderungen in zweiter Variable

Unterscheidung ist wesentliches Ziel der empirischen Forschung!

Korrelation zw. zwei Variablen A und B kann 3 Gründe haben:

  1. A führt zu B

  2. B führt zu A

  3. dritte Variable treibt A und B

Goldstandard zur Messung von Kausalität: RCT (Randomised Control Trial)

Randomisierte Kontroll Studie RCT#

Aufteilung von Probanden in zwei Gruppen

  • Behandlungsgruppe: Gruppe die Treatment erhält

  • Kontrollgruppe: Gruppe, die Placebo bekommt

kommt aus Medizin, wird aber in Sozialwissenschaften verwendet

Gründe für RCT

  • zufällige Zuteilung zu Gruppen => keine statistischen Unterschiede (bei großen Gruppen)

  • mittlere Unterschiede lassen sich auf Treatment zurückführen

Nobelpreis 2019 ging an Forscher von experimentellen Ansätzen zur Armutsbekämpfung (Duflo, Banerjee, Kremer)

Schwierigkeiten:

  • teuer und aufwendig

  • Übertragbarkeit auf andere Personengruppen => geringe externe Validität

  • Ausscheiden von Teilnehmer:Innen vor Beginn (Attrition) => geringe interne Validität

Natürliche Experimente#

da RCTs in Ökonomie oft schwer durchzuführen => Forschung mit Beobachtungsdaten

Beobachtungsdaten: Daten, die nicht im Rahmen eines Experiments erhoben wurden, sondern aus „realer“ Welt

Problem der starken Variation und Zuordnung der Kausalität

Ansätze:

  • Zeitreihenanalyse

  • Querschnittsanalyse

  • natürliche Experimente

Natürliche Experimente: Messung der Veränderungen in einem realen Umfeld, bei denen ähnliche Gruppen betroffen bzw. nicht betroffen sind

daraus Effekt der Veränderung extrahieren

Beispielsweise unterschiedliche Mindestlöhne in ähnlichen US-Bundesstaaten (Card and Krueger 1994):

2022-06-23_15.29.44

dann Analyse mit Difference in Difference Ansätzen

2022-06-23_15.30.49

Problem:

  • Bias (Verzerrungen, die nicht ausgeschlossen werden können)

  • Generalisierbarkeit aufgrund Repräsentativität der Gruppen / Situation

  • eine Studie zu Situation reicht nicht

Nobelpreis 2021 zu natürlichen Experimenten (Card, Angrist, Imbens)