Die t\u00e4glichen Entscheidungen der \u00f6ffentlichen Verwaltung beeinflussen die wirtschaftliche und gesellschaftliche Entwicklung eines Landes: Welches Mittel wirkt am besten gegen Steuerhinterziehung? Welche Massnahmen f\u00fchren dazu, dass Vorschriften besser eingehalten werden? Wie reagieren Firmen auf Steueranreize, und wann funktioniert die Unfallpr\u00e4vention am besten?
Die Wirkung solcher Massnahmen zu messen, ist in der Realit\u00e4t allerdings nicht […]<\/p>","protected":false},"author":4916,"featured_media":19044,"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":4916,"seco_co_author":null,"author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"Assistenzprofessorin f\u00fcr angewandte \u00d6konomie am Institut f\u00fcr Volkswirtschaftslehre der Universit\u00e4t Z\u00fcrich","seco_author_post_occupation_fr":"Professeure assistante d\u2019\u00e9conomie appliqu\u00e9e, Institut des sciences \u00e9conomiques, universit\u00e9 de Zurich","seco_co_authors_post_ocupation":null,"short_title":"Empirische Revolution in der Verwaltung","post_lead":"Datenbasierte Wirkungsanalysen halten weltweit Einzug in der \u00f6ffentlichen Verwaltung. In der Schweiz geh\u00f6rt unter anderem die Direktion f\u00fcr Entwicklung und Zusammenarbeit (Deza) zu den Vorreiterinnen.","post_hero_image_description":"Die Verwaltung besitzt unz\u00e4hlige Daten. Digitale Tools vereinfachen die Wirkungsanalysen.","post_hero_image_description_copyright_de":"Shutterstock","post_hero_image_description_copyright_fr":"Shutterstock","post_references_literature":"
\nBei jeder statistischen Analyse ist es zentral, dass die gew\u00e4hlte Methode an die zu analysierende Frage angepasst ist. Soll die Wirkung einer Reform oder eines Programms auf bestimmte Ergebnisse (Outcomes) untersucht werden, dann sind Methoden gefragt, die kausale Effekte verl\u00e4sslich messen. Wie wirkt sich beispielsweise ein Mahnbrief auf die Steuerzahlungen aus? Oder was ist der Effekt von Lohnerh\u00f6hungen f\u00fcr Lehrpersonen auf die Anzahl neuer Lehrkr\u00e4fte?
\n
\nUm solche kausalen Wirkungsanalysen durchzuf\u00fchren, stehen mehrere Methoden zur Verf\u00fcgung. Allen gemeinsam ist, dass sie untersuchen, was eine Reform, ein Programm, eine Intervention oder eine Politik ausgel\u00f6st haben. Dabei besteht die grundlegende Herausforderung jeweils darin, dass in der Realit\u00e4t nicht beobachtet werden kann, was ohne die Reform geschehen w\u00e4re. Diese hypothetische Situation dessen, was ohne die Intervention geschehen w\u00e4re, wird als \u00abKontrafakt\u00bb bezeichnet (siehe Abbildung<\/em>).
<\/p>\nWas w\u00e4re ohne Intervention passiert?<\/h3>\n
\n![\"\"](\"https:\/\/dievolkswirtschaft.ch\/content\/uploads\/2019\/09\/Pomeranz_DE.png\")
<\/a>
\n
\nAnmerkung: Die Grafik stellt die grundlegende Herausforderung der Wirkungsmessung dar, bei der versucht wird, den Unterschied zwischen dem tats\u00e4chlich eingetretenen Ergebnis (hellblau) und dem Kontrafakt (dunkelblau) zu messen.<\/span>
\n
\nDa der Kontrakfakt in der Realit\u00e4t nicht direkt beobachtet werden kann, wird bei jeder Wirkungsanalyse explizit oder implizit versucht, diesen so gut wie m\u00f6glich einzusch\u00e4tzen. Je pr\u00e4ziser die Einsch\u00e4tzung, umso besser die Qualit\u00e4t der Wirkungsmessung. Normalerweise wird dazu eine Kontroll- oder Vergleichsgruppe beigezogen.[1]<\/a>
\n
\nEine Kontrollgruppe besteht aus Personen oder Firmen, die nicht vom Programm oder der Reform betroffen waren. Um die Wirkung zu messen, werden die Ergebnisse der betroffenen Gruppe mit den Ergebnissen der Kontrollgruppe verglichen. Je st\u00e4rker die Eigenschaften der Personen der Kontrollgruppe mit denjenigen der Betroffenen \u00fcbereinstimmen, desto verl\u00e4sslicher sind die Ergebnisse der Wirkungsstudie. Sprich: Wenn beide Gruppen ohne Intervention gleich w\u00e4ren und sich gleich verhielten, k\u00f6nnte der Unterschied in den Ergebnissen auf das zu evaluierende Programm oder die Reform zur\u00fcckgef\u00fchrt werden.
<\/p>\nSelbstselektion verzerrt Resultate<\/strong><\/h2>\n
\nWarum ist die Konstruktion einer guten Vergleichsgruppe so schwierig? Oft unterscheiden sich die Teilnehmenden eines Programms oder die Betroffenen einer Politik auf eine Art und Weise vom Rest der Bev\u00f6lkerung, die einen Vergleich schwierig macht. Nehmen wir zum Beispiel eine Massnahme im Arbeitslosenbereich, die darauf abzielt, die Chancen bei der Stellensuche zu erh\u00f6hen. In diesem Fall k\u00f6nnte man die Arbeitslosengruppen in zwei Gruppen einteilen: Die erste Gruppe hat sich entschieden, bei der Massnahme mitzumachen, die zweite nicht.
\n
\nWenn sich nun herausstellt, dass Erstere schneller eine Stelle finden, ist unklar, ob dies aufgrund der Massnahme oder aus anderen Gr\u00fcnden geschah. Waren die Teilnehmenden vielleicht motivierter und haben deshalb teilgenommen? M\u00f6glicherweise fanden sie aufgrund der h\u00f6heren Motivation \u2013 und nicht wegen der Massnahme \u2013 eine Stelle. Eine Selbstselektion kann somit die Messung verzerren und zu falschen Schlussfolgerungen f\u00fchren.
\n
\nDie wohl ber\u00fchmteste Methode, die zum Ziel hat, solche Selektionseffekte zu vermeiden, ist die randomisierte Feldstudie: \u00c4hnlich wie bei medizinischen Studien f\u00fcr neue Medikamente werden Individuen, Firmen, Schulklassen oder andere Gruppen nach dem Zufallsprinzip verschiedenen Bedingungen ausgesetzt. Wenn die Gruppe der Teilnehmenden gross genug ist, l\u00e4sst sich die Wirkung der verschiedenen Bedingungen verl\u00e4sslich messen. So kann man beispielsweise analysieren, wie sich unterschiedliche Mahnbriefe der Steuerbeh\u00f6rde auf die Steuermoral auswirken oder wie verschiedene Integrationsmassnahmen die gesellschaftliche und wirtschaftliche Teilnahme von Zugewanderten beeinflussen. Damit randomisierte Feldstudien funktionieren, m\u00fcssen sie sorgf\u00e4ltig im Voraus geplant werden.
\n
\nEine weitere, ebenfalls h\u00e4ufig angewandte Methode ist die Regressions-Diskontinuit\u00e4ts-Analyse (Regression Discontinuity Design, RDD). Dieses Verfahren bietet sich an, wenn die Teilnahme an einem Programm oder die Betroffenheit von einer Reform von einer klaren numerischen Eintrittsgrenze abh\u00e4ngt. Ein Beispiel: Eine Steuerbeh\u00f6rde w\u00e4hlt nach dem Abgabetermin der Steuererkl\u00e4rung Steuerzahlende mit Abz\u00fcgen von \u00fcber 15 Prozent f\u00fcr eine zus\u00e4tzliche Steuerpr\u00fcfung aus. Steuerzahlende mit Abz\u00fcgen von 15,1 Prozent sind also dieser zus\u00e4tzlichen \u00dcberpr\u00fcfung ausgesetzt, diejenigen mit 14,9 Prozent nicht.
\n
\nDie Regressions-Diskontinuit\u00e4ts-Analyse erlaubt es, die Wirkung der Pr\u00fcfung zu analysieren, indem Steuerzahlende knapp \u00fcber der 15-Prozent-Schwelle mit denjenigen knapp darunter verglichen werden. \u00c4hnlich k\u00f6nnte man zum Beispiel die Wirkung eines bestimmten Uni-Abschlusses messen, wenn Studierende \u00fcber einer gewissen Punktzahl im Eintrittsexamen zugelassen w\u00fcrden.
\n
\nDaneben gibt es noch einige weitere relevante Methoden wie die \u00abEvent Study Difference in Differences\u00bb-Analyse oder synthetische Kontrollgruppen. Bei der ersteren Methode wird analysiert, ob sich zwei \u00e4hnliche Gruppen nach einer Reform anders entwickeln, wenn eine Gruppe der Reform ausgesetzt ist und die andere nicht. Bei der zweiten wird eine \u00absynthetische\u00bb Kontrollgruppe aus einer Kombination anderer Vergleichsgruppen konstruiert. Diese Methode kann man zum Beispiel anwenden, wenn man einen bestimmten Kanton betrachtet und eine Vergleichsgruppe braucht: Die Vergleichsgruppe k\u00f6nnte sich hier aus einer Kombination anderer Kantone zusammensetzen.
<\/p>\n\u00abImpact-Award\u00bb der Deza<\/strong><\/h2>\n
\nSolche kausalen Evaluationsmethoden haben sich international schnell verbreitet. Viele Verwaltungen haben interne Beratungsstellen geschaffen.[2]<\/a> Auch in der Schweiz sind entsprechende Bestrebungen im Gange. So hat die Direktion f\u00fcr Entwicklung und Zusammenarbeit (Deza) einen \u00abImpact-Award\u00bb eingef\u00fchrt, der schweizerische Nichtregierungsorganisationen motiviert, eigene Wirkungsanalysen durchzuf\u00fchren. Zudem gab sie eine externe Studie in Auftrag, die untersuchte, wie wissenschaftliche Evidenz bei der Deza noch weiter eingebunden und gest\u00e4rkt werden kann.[3]<\/a>
\n
\nAuch viele Firmen und internationale Organisationen f\u00fchren Wirkungsanalysen durch, um ihr Vorgehen auf die bestm\u00f6gliche Evidenz zu basieren. Sie k\u00f6nnen dabei auch viel von bereits existierenden Studien aus anderen L\u00e4ndern lernen: Das Forschungsnetzwerk Poverty Action Lab (J-PAL)<\/a>, welches auf die Armutsbek\u00e4mpfung im weiteren Sinn fokussiert, stellt beispielsweise auf seiner Website Hunderte von Analysen zur Verf\u00fcgung. Daneben haben sich auch spezialisierte Organisationen entwickelt, die Beh\u00f6rden und Organisationen beim Erarbeiten und Nutzen von Evidenz behilflich sind. Auf internationalem Niveau ist dies etwa Evidence Action<\/a> und in der Schweiz Policy Analytics<\/a>.
\n
\nAlles in allem stellt die neue empirische Revolution im \u00f6ffentlichen Sektor eine grosse Chance dar. Die neuen Werkzeuge erlauben es den Institutionen, ihre Entscheidungen aufgrund von zunehmend verl\u00e4sslicheren, evidenzbasierten Grundlagen zu f\u00e4llen. Es ist zu erwarten, dass sich dieser Trend in den n\u00e4chsten Jahren noch verst\u00e4rken wird, wenn sowohl die Verf\u00fcgbarkeit der Daten wie auch die Expertise in den neuen Methoden weiter zunehmen wird.<\/p>\n
\n \t