Arbeitsmarktökonomie. Fragestunde. Universität Basel HS 2014 Christoph Sajons, Ph.D.

Transkript

1 Arbeitsmarktökonomie Fragestunde Universität Basel HS 2014 Christoph Sajons, Ph.D. 1

2 Heute A. Ganz kurz: Empirie Migration B. Allgemeines zur Klausur C. Fragen 2

3 A. Empirie Migration Siehe Do- und Log-file 12_Migration 3

4 B. Allgemeines zur Klausur Stoff: Nicht beschränkt auf die zweite Hälfte Vor allem: Probleme bei der Schätzung kausaler Effekte Kenntnisse über die verschiedenen Methoden Interpretation von statistischen Ergebnissen Nicht: Schreiben von eigenen Stata-Codes Hintergrundliteratur Einsicht von Gruppenarbeit und Klausur: Ende Januar/Anfang Februar Benachrichtigung per 4

5 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 5

6 Allgemein Hauptziel: Bestimmung des kausalen Effekts Problem: Selektion von Individuen in ein Treatment, die besonders großen Nutzen davon haben Daten nicht ausreichend gut, um für diese Selektion zu kontrollieren Verzerrung des Schätzers in Richtung stärkerer Effekt Verschiedene Methoden dies zu umgehen: Experimente Regression Discontinuity Design (RDD) Differenzen in Differenzen (DiD) Instrumentenvariablen (IV) 6

7 1. Der Regression Discontinuity Ansatz Idee: Institutionelle Regelungen beinhalten häufig relativ willkürlich gesetzte Grenzwerte Beispiele: Über 0,5 Promille nicht Autofahren Über 40 Einschreibungen Klassen teilen Staatsbürgerschaft für Migrantenkinder ab in Deutschland ab Unter gewissen Umständen können diese Grenzwerte benutzt werden, um kausale Effekte zu schätzen 7

8 Voraussetzungen für den RD Ansatz 1. Exogen festgelegte Grenzwerte 2. Keine genaue Manipulation möglich 3. Überschreiten des Grenzwerts hat handfeste Folgen 4. Keine anderen Folgen ausgelöst durch Überschreitung Wenn erfüllt, dann: Verteilung der Beobachtungen um den Grenzwert wie zufällig Situation wie in einem kontrollierten Experiment 8

9 Sharp vs. fuzzy RDD Unterschied: Sprung in der Intensität des Treatments unterschiedlich stark Genauer: Sharp RDD = Intensität des Treatments geht am Grenzwert von 0 auf 100% Fuzzy RDD = Treatment-Intensität steigt am Grenzwert sprunghaft nach oben, aber nicht von 0 auf 100% 9

10 Graphische Darstellung Unterschiede im Sprung der Treatment-Intensität Führerscheinentzug Kleine Klassen (unter 25 Schülern) ,5 Promille Einschreibungen Sharp RDD Fuzzy RDD 10

11 Graphische Intuition fuzzy RDD Scharfer Sprung in der Berechtigung zum Erhalt des Treatments Deutlich kleinerer Sprung im reellen oder gemeldeten Bezug des Treatments Recht auf Zuschuss zur Diät Tatsächliche Teilnahme ,5 Gewicht 0 88,5 Gewicht 11

12 Beispiel: Klassengröße Überschreiten der Grenze von 40 Einschreibungen führt nur zu einem Sprung im Anteil von kleinen Klassen von 36.17% auf 70.79%. Fuzzy RDD 12

13 Graphische Intuition: Ergebnisse RDD Gewichtsveränderung in 5 Monaten [in kg] ,5 Gewicht Diskontinuität in der Ergebnisvariablen 13

14 Kontrolle Auswirkungen der Diskontinuität auf Kontrollvariablen? Durchschn. Alter ,5 Gewicht Optimal: Kein Sprung bei Kontrollvariablen keine Selektion, keine anderen Wirkungskanäle 14

15 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 15

16 2. EITC und Einkommens- und Subst.effekt Earned Income Tax Credit: = Abzug von der Steuer, der bei geringerer Steuer beim Lohnsteuerjahresausgleich auch ausgezahlt wird 16

17 Fiktive Beispiele Beispiel 1: Einkommen: 10,000 Nachzuzahlende ESt: 500 Auszahlung von EITC: 3,500 3,000 Beispiel 2: Einkommen: 20,000 Nachzuzahlende ESt: 2,000 EITC: 700 Nur 1,300 nachzuzahlen 17

18 Einkommens- und Substitutionseffekt Wichtig: Beide definiert im Hinblick auf ihre Effekte auf das Arbeitsangebot! Einkommenseffekt: (durch Veränderung im Einkommen) Mehr verfügbares Einkommen bei geg. Zahl von Arbeitsstunden Wunsch nach mehr Konsum und mehr Freizeit Arbeits-AT sinkt negativer Effekt Substitutionseffekt: (durch Veränderung der relativen Preise) Änderung des Reallohns (w/p) Veränderte relative Preise der zwei Güter Konsum und Freizeit Substitution vom dann teureren Gut weg zum dann billigeren 18

19 EE und SE beim EITC 19

20 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 20

21 3. EITC und DiD Definitionen: Vorher-Nachher-Schätzer: Vergleich der Durchschnitte in der Treatmentgruppe vor und nach dem Treatment Differenzenschätzer: Vergleich der Durchschnitte von Treatment- und Kontrollgruppe nach dem Treatment Differenzen in Differenzen: Vergleich der Entwicklungen von Treatment- und Kontrollgruppe von vor dem Treatment zu danach 21

22 Schätzungen des Effekts der EITC-Erhöhung 1. Vorher-Nachher:. reg empl after secondary tertiary age age2 stat1-stat6 stat8-stat51 if kid1==1, rob Linear regression Number of obs = F( 55, 15345) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after secondary tertiary age Ergebnis: Nach 1996 haben alleinerziehende Mütter mit einem Kind etwas mehr gearbeitet als vor 1996 (Referenzgruppe) (+2.7%p höhere Beschäftigungsrate) Aber: Kausaler Effekt der EITC-Erhöhung? 22

23 Schätzungen des Effekts der EITC-Erhöhung (2) 2. Differenzen:. reg empl kid1 kids secondary tertiary age age2 stat1-stat6 stat8-stat51 if after==1, rob Linear regression Number of obs = F( 56, 27806) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] kid kids secondary Ergebnisse: Nach 1996 gab es keinen Unterschied in der Beschäftigungsrate von alleinerziehende Mütter mit einem Kind und alleinstehenden Müttern (Referenzgruppe) Alleinerziehenden Müttern mit mehr als einem Kind hatten eine um 4.7%p niedrigere Beschäftigungsrate Aber: Kausaler Effekt der EITC-Erhöhung? 23

24 Robustheitstests = Sinnvolle Variationen der Analyse, die mehr oder weniger das gleiche Ergebnis ermitteln (gleiches Vorzeichen, gleiche Größenordnung, Signifikanz) Verschiedene Möglichkeiten, z.b.: 1. Verschiedene Gruppen anschauen (z.b. nur geringe Einkommen, Schwarze) Sollte im Vergleich zur Basisanalyse eher stärker Ergebnisse liefern 2. Verschiedene Jahre für die Zeit davor und danach verwenden Sollte die Ergebnisse nicht stark verändern 24

25 Robustheitstests: EITC Basisanalyse: (1988, 1990, 1993, 1999, 2003) reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-st > at51, rob Linear regression Number of obs = F( 59, 65777) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids vs. 1999:. reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-stat51 if year==1993 year==1999, rob Linear regression Number of obs = F( 59, 23599) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids

26 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 26

27 Placebo-Experimente = Möglichkeit zur Überprüfung der Validität der gewählten Untersuchungsmethode Was machen wir? Gleiche Analyse zu einem anderen Zeitpunkt, für eine andere Gruppe, etc. Aber: Für diesen Zeitpunkt oder diese Gruppe gab es kein Treatment Unser Placebo-Test sollte also keinen Effekt ermitteln, wo es keine Veränderung gab 27

28 Beispiel 1: EITC Placebo 1: (1988 vs. 1990). reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-stat51 if year==1988 year==1990, rob Linear regression Number of obs = F( 59, 25104) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids Placebo 2: (1999 vs. 2003). reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-stat51 if year==1999 year==2003, rob Linear regression Number of obs = F( 59, 27803) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids

29 Beispiel 2: Mariel boatlift Ergebnis: Kein Effekt, wo einer hätte sein können Effekt, wo es gar kein Treatment gab Was messen wir eigentlich? 29

30 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 30

31 5. Mindestlöhne und DiD Berechnung des DiD-Effekts: 31

32 Mindestlöhne und DiD (2) Regression ohne Kovariate: 32

33 Mindestlöhne und DiD (3) 33