Relevanz des Themas
Die Ergebnisse wirtschaftspolitischer Maßnahmen werden häufig anhand von Zählvariablen gemessen. Beispiele sind die Kinderzahl als Indikator für Fertilität, die Anzahl der Arztbesuche als Indikator für die Nachfrage nach Gesundheitsleistungen oder betriebliche Fehltage als Indikator für Absentismus. Für die Analyse solcher Daten stehen mehrere ökonometrische Methoden zur Verfügung, darunter das Poisson-Modell und das Negativ-Binomial-Modell. Sie können wichtige Erkenntnisse liefern, die sich mit linearen Standard-Regressionsmodellen nicht erzielen lassen. Schätzung und Interpretation werden nachfolgend an zwei empirischen Beispielen veranschaulicht.
Wichtige Resultate
Pro
Zähldaten-Regressionen bieten einen umfassenden und flexiblen Modellrahmen für nicht-negative natürliche Zahlen (0, 1, 2 usw.).
Die Poisson-Regression ist ein zentrales Modell zur Schätzung konstanter relativer Effekte von Politikmaßnahmen.
Hürdenmodelle erlauben die Unterscheidung zwischen dem „extensive margin“ (Wahrscheinlichkeit eines Null-Ergebnisses) und dem „intensive margin“ (Wahrscheinlichkeit einer spezifischen Ausprägung von 1 oder mehr).
Mit Zähldaten können Politikmaßnahmen nicht nur auf ihren durchschnittlichen Effekt, sondern auch auf dessen Verteilung hin bewertet werden.
Contra
Sind die parametrischen Annahmen der Zähldatenmodelle unzutreffend, können Politikempfehlungen auf falschen Rückschlüssen basieren.
Während viele Softwarepakete standardisierte Zählmodelle wie das Poisson- und das Negativ-Binomial-Modell beinhalten, bedeuten komplexere Modelle höheren Programmieraufwand für den Forscher.
Der Zähldatenansatz löst nicht das Kernproblem der Politikevaluation: Ohne randomisiertes, kontrolliertes Experiment kann die Identifikation von Politikeffekten aus Beobachtungsdaten durch Selektionsbias verzerrt werden, was eine plausible exogene Variation in Form eines quasi-natürlichen Experiments erfordert.
