{"id":103700,"date":"2019-09-23T11:00:51","date_gmt":"2019-09-23T11:00:51","guid":{"rendered":"https:\/\/dievolkswirtschaft.ch\/2019\/09\/huber-10-2019fr\/"},"modified":"2023-08-23T22:56:56","modified_gmt":"2023-08-23T20:56:56","slug":"huber-10-2019","status":"publish","type":"post","link":"https:\/\/dievolkswirtschaft.ch\/de\/2019\/09\/huber-10-2019\/","title":{"rendered":"Politikevaluation profitiert von Datenflut"},"content":{"rendered":"

Wie wirken sich Weiterbildungen auf die Wiederbesch\u00e4ftigung von Arbeitslosen aus? Welchen Effekt haben Kinderbetreuungsangebote auf die Besch\u00e4ftigung der Eltern? Wie beeinflusst eine Rentenreform das Pensionsalter? Mit solchen Fragen besch\u00e4ftigt sich die Politikevaluation. Sie untersucht datenbasiert, welche Wirkung eine bestimmte Massnahme (zum Beispiel eine Weiterbildung) auf ein interessierendes Ergebnis (Wiederbesch\u00e4ftigung) hat. In der Wirtschaftspolitik bilden Politikevaluationen oft die Grundlage von Kosten-Nutzen-Analysen staatlicher Interventionen.
\n
\nUm die Wirkung einer Massnahme zu messen, m\u00fcssen andere Merkmale, die das Ergebnis beeinflussen, f\u00fcr Gruppen mit und ohne Massnahme konstant gehalten werden. Zum Beispiel entspricht ein Vergleich der Durchschnittsl\u00f6hne von Gruppen mit und ohne Weiterbildung nur dann dem Massnahmeneffekt, wenn beide Gruppen hinsichtlich arbeitsmarktrelevanter Merkmale (wie Alter, Bildung, Arbeitsmarkterfahrung) vergleichbar sind. Ansonsten werden \u00c4pfel mit Birnen verglichen, sodass der Massnahmeneffekt mit der Wirkung der Merkmale vermischt wird. In Experimenten wird die Vergleichbarkeit gew\u00e4hrleistet, indem eine Massnahme zuf\u00e4llig (also unabh\u00e4ngig von Merkmalen) zugewiesen wird. Im nicht experimentellen Kontext ist dies in der Regel nicht m\u00f6glich. Beispielsweise unterscheiden sich Personen, die eine Weiterbildung besuchen, von jenen, die dies nicht tun, weil individuelle Merkmale die Teilnahmeentscheidung beeinflussen.
\n
\nDie Politikevaluation hat diverse kausale Methoden entwickelt, unter anderem basierend auf sogenannten Quasi-Experimenten, die dem Kontext eines Experiments nahekommen. Anhand einer solchen Methode hat eine Lausanner Studie im Jahr 2008 beispielsweise untersucht, wie sich die verl\u00e4ngerte Arbeitslosenunterst\u00fctzung von Personen ab 50 Jahren in \u00d6sterreich auf die Dauer der Arbeitslosigkeit auswirkt.[1]<\/a> Bei einem Vergleich der Ergebnisse (wie der Arbeitslosendauer) von Personen knapp \u00fcber und unter der Altersgrenze, zum Beispiel von 50- und 49-J\u00e4hrigen, erscheint es unter bestimmten Annahmen plausibel, dass beide Gruppen aufgrund des geringen Altersunterschieds vergleichbare Merkmale aufweisen. Somit l\u00e4sst sich der Massnahmeneffekt f\u00fcr Personen nahe der Altersgrenze \u00e4hnlich einem Experiment evaluieren, was als Regressions-Diskontinuit\u00e4ts-Analyse (\u00abregression discontinuity\u00bb) bekannt ist. <\/p>\n

Auslosung von Weiterbildungsprogrammen<\/strong><\/h2>\n


\nIn einer weiteren Methode wird nicht die Massnahme selbst, sondern ein sogenanntes Instrument \u00abquasi-zuf\u00e4llig\u00bb zugeteilt, welches das Ergebnis einzig \u00fcber den Effekt auf die Massnahme beeinflusst. Ein Beispiel daf\u00fcr ist die Analyse des amerikanischen \u00abJob Corps\u00bb- Programms aus dem Jahr 2008: Anhand einer Auslosung wurden benachteiligte Jugendliche in den USA eingeladen, eine Weiterbildung zu besuchen.[2]<\/a> Die Einladung (Instrument) hat einen Effekt auf die Massnahme (Weiterbildung), weil sie bestimmte Personen zur Teilnahme bewegt. Ferner beeinflusst sie das Ergebnis, beispielsweise den Lohn, annahmegem\u00e4ss einzig \u00fcber die Teilnahmeentscheidung. Der Effekt einer Massnahme auf den Lohn l\u00e4sst sich hier ermitteln, indem man den Einfluss der Einladung auf den Lohn durch den Einfluss der Einladung auf die Massnahme dividiert.
\n
\nEin anderer Ansatz ist die sogenannte Differenz-in-Differenzen-Methode. Sie basiert auf der Annahme, dass sich die Durchschnittsergebnisse zweier Gruppen mit und ohne Massnahme \u00fcber die Zeit gleich ver\u00e4ndert h\u00e4tten, wenn keine Gruppe die Massnahme erhalten h\u00e4tte. Als Illustration dient eine aktuelle Studie zur Einf\u00fchrung eines Mindestlohns in manchen Schweizer Regionen und dessen Effekt auf die Besch\u00e4ftigung.[3]<\/a> Hier entspricht ein naiver Vergleich der Besch\u00e4ftigung zwischen Regionen mit und ohne Mindestlohn nicht dem Massnahmeneffekt, wenn Unterschiede in besch\u00e4ftigungsrelevanten Merkmalen wie der Branchenstruktur bestehen. Auch ein Vergleich innerhalb der Regionen mit einem Mindestlohn \u00fcber die Zeit, das heisst vor und nach der Einf\u00fchrung der Massnahme, scheitert, wenn die Konjunktur \u00fcber die Zeit schwankt: Die Vorher-nachher-Differenz in der Besch\u00e4ftigung vermischt den Massnahmeneffekt mit dem konjunkturellen Trend. Falls aber Regionen mit und ohne Mindestlohn im Durchschnitt dem gleichen Trend unterliegen, so kann dieser durch die Vorher-nachher-Differenz in Regionen ohne Mindestlohn ermittelt werden. Folglich kann der Massnahmeneffekt als Differenz der Vorher-nachher-Differenz der Regionen mit Mindestlohn (Massnahmeneffekt plus Trend) und der Vorher-nachher-Differenz der Regionen ohne Mindestlohn (Trend) berechnet werden. Nach diesem Prinzip funktioniert die Differenz-in-Differenzen-Methode.
\n
\nDer Ansatz der \u00abSelektion aufgrund beobachteter Merkmale\u00bb wiederum nimmt an, dass alle Merkmale, die sowohl die Massnahme als auch das Ergebnis beeinflussen, in den Daten beobachtet werden. In diesem Fall wird die Massnahme unter Personen mit vergleichbaren beobachteten Merkmalen \u00abquasi-experimentell\u00bb zugeteilt und h\u00e4ngt nicht von unbeobachteten Merkmalen ab, die gleichzeitig das Ergebnis beeinflussen. Der Massnahmeneffekt l\u00e4sst sich somit identifizieren, indem man Gruppen mit und ohne Massnahmen formt, die ansonsten vergleichbare beobachtete Merkmale aufweisen. <\/p>\n

Mehr Flexibilit\u00e4t dank neuer Verfahren<\/strong><\/h2>\n


\nDie Politikevaluation hat sich in den letzten Jahrzehnten dynamisch weiterentwickelt \u2013 nicht nur hinsichtlich konzeptioneller Ans\u00e4tze zur Messung von Kausalit\u00e4t, sondern auch hinsichtlich deren Umsetzung in statistischen Verfahren.[4]<\/a> Traditionellere Verfahren unterstellen, dass der Zusammenhang zwischen Ergebnis und beobachtbaren Merkmalen und\/oder der Massnahme einer bestimmten, zum Beispiel linearen Funktion entspricht, wodurch etwa ein zus\u00e4tzliches Jahr an Arbeitsmarkterfahrung immer denselben Lohneffekt aufweisen muss, egal wie hoch die Arbeitsmarkterfahrung bereits ist: Derartige Annahmen sind in neueren Verfahren der Politikevaluation wie dem sogenannten Matching \u00fcberfl\u00fcssig.
\n
\nDie Matching-Methode findet Paare von Personen mit und ohne Massnahme in den Daten, die sich hinsichtlich beobachtbarer Merkmale m\u00f6glichst \u00e4hnlich sind. Somit k\u00f6nnen Gruppen mit und ohne Massnahme generiert werden, deren Merkmale vergleichbar sind. Beispielsweise wurde die Matching-Methode bereits 2002 zur Evaluation von Arbeitsmarktprogrammen in der Schweiz eingesetzt.[5]<\/a> Damals fanden sich positive Besch\u00e4ftigungseffekte von tempor\u00e4ren Lohnsubventionen.
\n
\nEin weiteres Verfahren gewichtet Personen basierend auf ihrer Wahrscheinlichkeit, die Massnahme zu erhalten, sodass die gewichteten Gruppen mit und ohne Massnahme wiederum vergleichbar in den beobachteten Merkmalen sind. Die Gewichtung kann zudem mit einer (dem Matching verwandten) Regression kombiniert werden. Da es ausreicht, wenn zumindest eines der beiden Verfahren korrekt funktioniert, wird diese Methode als doppelt robuste Sch\u00e4tzung bezeichnet. Eine Studie aus dem Jahr 2016 wies beispielsweise mit der doppelt robusten Sch\u00e4tzung in der Schweiz einen Zusammenhang zwischen den Direktverk\u00e4ufen von Medikamenten durch \u00c4rzte und dem Anstieg der Medikamentenpreise nach.[6]<\/a> <\/p>\n

Maschinelles Lernen im Kommen<\/strong><\/h2>\n


\nVor dem Hintergrund der wachsenden Verf\u00fcgbarkeit von digitalen Daten hat die Politikevaluation mit dem Kausalen Maschinellen Lernen (KML) eine weitere Innovation erfahren[7]<\/a>: Maschinelle Lernalgorithmen lernen datengetrieben, eine Massnahme oder ein Ergebnis bestm\u00f6glich als Funktion beobachteter Merkmale vorherzusagen. Dies ist insbesondere dann hilfreich, wenn die Anzahl an Merkmalen so gross ist, dass sie ein Mensch kaum oder nicht mehr analysieren kann. Unter einer Selektion aufgrund beobachteter Merkmale wird KML deshalb zur datenbasierten Wahl der wichtigsten Merkmale benutzt, hinsichtlich derer Gruppen mit und ohne Massnahme vergleichbar zu machen sind. Ferner erlaubt die Methode, datengetrieben Subgruppen zu finden, f\u00fcr die der Massnahmeneffekt besonders gross oder klein relativ zu anderen Subgruppen ist. Dies ist wichtig, um politikrelevante Effektheterogenit\u00e4ten zu finden und gegebenenfalls die Zielgruppe einer Massnahme anzupassen. Eine KML-Analyse von Stellensuchprogrammen in der Schweiz hat beispielsweise gezeigt, dass der Besch\u00e4ftigungseffekt bei Arbeitslosen mit geringer Arbeitsmarkterfahrung und Bildung gr\u00f6sser ist als bei Personen mit besseren arbeitsmarktrelevanten Merkmalen.[8]<\/a> Letzteren schadet die Massnahme generell sogar.
\n
\nDar\u00fcber hinaus erm\u00f6glicht diese Methode das Lernen der optimalen Zuteilung einer (typischerweise begrenzt verf\u00fcgbaren) Massnahme, damit sie ihre gr\u00f6sstm\u00f6gliche Wirkung entfaltet.[9]<\/a> Zum Beispiel maximiert ein optimal zugeteiltes Arbeitsmarktprogramm die Wiederbesch\u00e4ftigung unter Arbeitssuchenden. Auch in der Privatwirtschaft l\u00e4sst sich optimales Politiklernen (\u00aboptimal policy learning\u00bb) anwenden \u2013 etwa indem Detailh\u00e4ndler bestimmten Konsumenten gezielt Rabatte anbieten, um den Umsatz zu maximieren. Es ist deshalb nicht verwunderlich, dass nicht nur \u00f6ffentliche und internationale Institutionen, sondern auch Technologieunternehmen verst\u00e4rkt \u00d6konomen mit quantitativem Fokus f\u00fcr die Optimierung ihrer Prozesse einstellen. Diese Entwicklung wird vermutlich weitere wirtschaftliche Bereiche erfassen. Auch Hochschulen reagieren zusehends auf das neue Anforderungsprofil einer \u00f6konomischen Ausbildung gepaart mit modernen quantitativen Methoden. So hat die Universit\u00e4t St. Gallen j\u00fcngst die Masterausbildung \u00abQuantitative Economics and Finance\u00bb neu strukturiert, und die Universit\u00e4t Freiburg bietet ab Herbst 2020 einen Master in \u00abData Analytics and Economics\u00bb an.<\/p>\n

  1. Lalive (2008). [<\/span>]<\/a><\/li>
  2. Schochet et al. (2008). [<\/span>]<\/a><\/li>
  3. Berger und Lanz (2019). [<\/span>]<\/a><\/li>
  4. Siehe Imbens und Wooldridge (2009) f\u00fcr einen \u00dcberblick. [<\/span>]<\/a><\/li>
  5. Gerfin und Lechner (2002). [<\/span>]<\/a><\/li>
  6. Kaiser und Schmid (2016). [<\/span>]<\/a><\/li>
  7. Chernozhukov et al. (2018). [<\/span>]<\/a><\/li>
  8. Knaus et al. (2018). [<\/span>]<\/a><\/li>
  9. Athey und Wager (2018). [<\/span>]<\/a><\/li><\/ol>","protected":false},"excerpt":{"rendered":"

    Wie wirken sich Weiterbildungen auf die Wiederbesch\u00e4ftigung von Arbeitslosen aus? Welchen Effekt haben Kinderbetreuungsangebote auf die Besch\u00e4ftigung der Eltern? Wie beeinflusst eine Rentenreform das Pensionsalter? Mit solchen Fragen besch\u00e4ftigt sich die Politikevaluation. Sie untersucht datenbasiert, welche Wirkung eine bestimmte Massnahme (zum Beispiel eine Weiterbildung) auf ein interessierendes Ergebnis (Wiederbesch\u00e4ftigung) hat. In der Wirtschaftspolitik bilden Politikevaluationen […]<\/p>","protected":false},"author":4437,"featured_media":18834,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"ep_exclude_from_search":false,"footnotes":""},"post__type":[69,66],"post_opinion":[],"post_serie":[],"post_content_category":[154],"post_content_subject":[],"acf":{"seco_author":4437,"seco_co_author":null,"author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"Professor f\u00fcr \u00d6konometrie und Politikevaluation, Departement f\u00fcr Volkswirtschaftslehre, Universit\u00e4t Freiburg","seco_author_post_occupation_fr":"Professeur d\u2019\u00e9conom\u00e9trie appliqu\u00e9e et d\u2019\u00e9valuation des politiques publiques, D\u00e9partement d\u2019\u00e9conomie politique, universit\u00e9 de Fribourg","seco_co_authors_post_ocupation":null,"short_title":"Politikevaluation profitiert von Datenflut","post_lead":"Die zunehmende Verf\u00fcgbarkeit von digitalen Daten bringt neue methodische M\u00f6glichkeiten wie das maschinelle Lernen. Dies hilft, die Wirksamkeit von wirtschaftspolitischen Massnahmen zu messen.","post_hero_image_description":"Wie misst man die Wirksamkeit eines Sprachkurses f\u00fcr Stellensuchende?","post_hero_image_description_copyright_de":"Keystone","post_hero_image_description_copyright_fr":"Keystone","post_references_literature":"

      \n \t
    • Athey S. and S. Wager (2018). E\ufb03cient Policy Learning, Diskussionspapier, Stanford University.<\/li> \n \t
    • Berger M. und B. Lanz (2019). Adjusting to Minimum Wage Regulation: Evidence from a Direct-Democracy Experiment in Switzerland, Diskussionspapier, Universit\u00e4t Neuenburg.<\/li> \n \t
    • Chernozhukov V., D. Chetverikov, M. Demirer, E. Duflo, C. Hansen, W. Newey und J. Robins (2018). Double\/Debiased Machine Learning for Treatment and Structural Parameters, Econometrics Journal, 21: C1-C68.<\/li> \n \t
    • Gerfin M. und M. Lechner (2002). A Microeconometric Evaluation of the Active Labour Market Policy in Switzerland, in: The Economic Journal, 112: 854\u2013893.<\/li> \n \t
    • Imbens G. W. und J. M. Wooldridge (2009). Recent Developments in the Econometrics of Program Evaluation, in: Journal of Economic Literature, 47: 5\u201386.<\/li> \n \t
    • Kaiser B. und C. Schmid (2016). Does Physician Dispensing Increase Drug Expenditures? Empirical Evidence from Switzerland, in: Health Economics, 25: 71\u201390.<\/li> \n \t
    • Knaus M., M. Lechner und A. Strittmatter (2018). Heterogeneous Employment Effects of Job Search Programmes: A Machine Learning Approach, Diskussionspapier, Universit\u00e4t St. Gallen.<\/li> \n \t
    • Lalive R. (2008).\u00a0 How Do Extended Bene\ufb01ts A\ufb00ect Unemployment Duration?\u00a0 A Regression Discontinuity Approach, in: Journal of Econometrics, 142: 785\u2013806.<\/li> \n \t
    • Schochet P. Z., J. Burghardt und S. McConnell (2008). Does Job Corps Work? Impact Findings from the National Job Corps Study, in: American Economic Review, 98: 1864\u20131886.<\/li> \n<\/ul>","post_kasten":null,"post_notes_for_print":"","first_teaser_header_de":"","first_teaser_header_fr":"","first_teaser_text_de":"","first_teaser_text_fr":"","second_teaser_header_de":"","second_teaser_header_fr":"","second_teaser_text_de":"","second_teaser_text_fr":"","kseason_de":"","kseason_fr":"","post_in_pdf":103703,"main_focus":[156079,156862],"serie_email":null,"frontpage_slider_bild":103707,"artikel_bild-slider":null,"legacy_id":"88248","post_abstract":"Die datenbasierte Politikevaluation zur Messung des kausalen Effekts einer Massnahme (zum Beispiel eines Qualifizierungsprogramms f\u00fcr Arbeitssuchende) auf ein interessierendes Ergebnis (zum Beispiel die Wiederbesch\u00e4ftigung) hat in den letzten Jahrzehnten bedeutende Innovationen erfahren. Dies betrifft sowohl die Neu- und Weiterentwicklung von statistischen Verfahren zur Messung von Kausalit\u00e4t als auch die Verf\u00fcgbarkeit und Verwendung von informativeren und umfangreicheren Daten. Der Beitrag gibt einen methodischen \u00dcberblick zu g\u00e4ngigen Ans\u00e4tzen der Politikevaluation, illustriert anhand praktischer Beispiele auch aus der Schweiz. Ferner wird auf neue Methoden im Kontext der exponentiell wachsenden Datenverf\u00fcgbarkeit eingegangen, die es erlauben, die Politikevaluation mit dem sogenannten maschinellen Lernen, einem Teilbereich der k\u00fcnstlichen Intelligenz, zu kombinieren.","magazine_issue":"20191001","seco_author_reccomended_post":null,"redaktoren":[4127,0],"korrektor":4139,"planned_publication_date":"20190924","original_files":null,"external_release_for_author":"20190831","external_release_for_author_time":"23:30:00","link_for_external_authors":"https:\/\/dievolkswirtschaft.ch\/exedit\/5d19d29053e62"},"_links":{"self":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/103700"}],"collection":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4437"}],"replies":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/comments?post=103700"}],"version-history":[{"count":1,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/103700\/revisions"}],"predecessor-version":[{"id":125928,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/103700\/revisions\/125928"}],"acf:user":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4139"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/0"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4127"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4437"}],"acf:post":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/main_focus_post\/156862"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/main_focus_post\/156079"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/media\/18834"}],"wp:attachment":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/media?parent=103700"}],"wp:term":[{"taxonomy":"post__type","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post__type?post=103700"},{"taxonomy":"post_opinion","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_opinion?post=103700"},{"taxonomy":"post_serie","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_serie?post=103700"},{"taxonomy":"post_content_category","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_content_category?post=103700"},{"taxonomy":"post_content_subject","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_content_subject?post=103700"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}