Relevanz des Themas
Die meisten ökonomischen Studien basieren auf Beobachtungsdaten und nicht auf natürlichen oder Quasi-Experimenten. Dies erschwert die Analyse, da unterschiedliche Individuen häufig ähnliche Reaktionen auf Veränderungen des Umfelds zeigen und Individuen mit identischen beobachtbaren Merkmalen wiederum unterschiedlich auf die gleichen Anreize reagieren. Mithilfe der Maximum-Likelihood- Methode angepasste ökonomische Modelle können in dieser Situation zur Einordnung der beobachteten Daten genutzt werden und wichtige Informationen liefern, mit denen sich die Verteilungseffekte wirtschaftspolitischer Maßnahmen vorhersagen lassen.
Wichtige Resultate
Pro
Maximum-Likelihood-(ML)-Methoden ermöglichen die Messung von Parametern komplexer ökonomischer Modelle auch bei komplexen Stichprobenverfahren.
ML-Methoden eignen sich für Beobachtungs-, experimentelle und quasi-experimentelle Daten gleichermaßen.
Durch die Verwendung aller in einer Stichprobe verfügbaren Informationen ergeben ML-Methoden die für das betreffende Modell „bestmöglichen“ Schätzwerte.
ML-Methoden ermöglichen das Testen sämtlicher überprüfbarer Hypothesen, die ein bestimmtes Modell beschreiben.
Contra
ML-Methoden erfordern die Spezifikation eines ökonomischen Modells, das die Wahrscheinlichkeitsverteilung der Stichprobenbeobachtungen richtig beschreibt.
Die Verwendung von ML erfordert Annahmen über die Verteilung unbeobachteter Komponenten des Modells.
Wenn die Modellannahmen nicht erfüllt sind, sind die Schätzungen anfällig für Verzerrungen und somit weniger robust.
ML-Methoden stützen sich auf numerische Methoden, um die Wahrscheinlichkeit zu evaluieren und zu maximieren.
