Betriebliche Forschung und Entwicklung (FuE) gehört zu den Hauptquellen von Innovationen in einer Volkswirtschaft. Aufgrund ökonomischer Besonderheiten im FuE-Bereich, allen voran den von FuE ausgehenden positiven externen Effekten, wird gemeinhin die Möglichkeit eingeräumt, dass eine staatliche Intervention wohlfahrtsfördernd sein kann.
Die vorliegenden empirischen Untersuchungen der staatlichen FuE-Förderung in Deutschland klammern allerdings wohlfahrtsökonomische Betrachtungen aus. Sie sind reine Wirkungsanalysen, die sich ausschließlich auf die Frage konzentrieren, ob die staatlichen Subventionen einen positiven Effekt auf die private FuE-Aktivität haben. Was ist aber die wohlfahrtsökonomische Aussagekraft dieser Wirkungsanalysen?
Im Rahmen einer Modellanalyse wird in dieser Arbeit gezeigt, dass das Vorliegen einer kausalen Beziehung zwischen FuE-Subventionen und höherer privater FuE-Aktivität nur eine notwendige und keine hinreichende Bedingung für einen positiven Wohlfahrtseffekt der FuE-Subventionen ist. Reine Wirkungsanalysen liefern somit keine Grundlage für eine abschließende wohlfahrtsökonomische Beurteilung.
Inhaltsverzeichnis
1 Einleitung
2 Wohlfahrtsökonomische Analyse
2.1 Struktur der FuE-Förderung in Deutschland
2.2 Ökonomische Besonderheiten im Bereich FuE
2.3 Ein wohlfahrtsökonomisches Modell
3 Grundlagen der Treatmenteffektanalyse
3.1 Das Potential-Outcome-Modell und die kausalen Parameter
3.2 Die Stable Unit Treatment Value Assumption
3.3 Der naive Schätzer
3.4 Das experimentelle Ideal
3.5 Matchingverfahren
3.6 OLS-Regressionsverfahren
3.7 Parametrisches Selektionsmodell
4 Methodische Analyse
4.1 Auswahl der relevanten empirischen Studien
4.2 Umsetzung des Matchingverfahrens
4.3 Umsetzung der Selektionsmodelle
5 Schluss
Zielsetzung & Themen
Diese Arbeit untersucht kritisch die wohlfahrtsökonomische Aussagekraft von Wirkungsanalysen staatlicher FuE-Förderung in Deutschland und prüft die methodische Validität dieser Studien durch eine ökonometrische Fundierung.
- Wohlfahrtsökonomische Bewertung von FuE-Subventionen
- Kausale Treatmenteffektanalyse in der empirischen Wirtschaftsforschung
- Methodische Vergleichsverfahren (Matching vs. Regression)
- Identifikation von Selektionsverzerrungen in Förderdaten
Auszug aus dem Buch
3.1 Das Potential-Outcome-Modell und die kausalen Parameter
Die Frage nach der Wirkung deutscher FuE-Förderprogramme ist eine klassische Frage der Treatmenteffektanalyse, die sich mit der Bestimmung kausaler Effekte beschäftigt. Als Analyserahmen wird das Grundmodell des sogenannten Potential-Outcome-Modells herangezogen. Dieses Modell wurde in der Statistik maßgeblich von Rubin entwickelt, hat aber auch Wurzeln in der Ökonomie. Im Grundmodell gibt es eine binäre Treatmentvariable D und eine kontinuierliche abhängige Variable Y. D kann somit nur die Werte 1 und 0 annehmen, wobei 1 für den Erhalt und 0 für den Nichterhalt des Treatments steht. Der Prozess der Treatmentvergabe kann dabei unterschiedliche Ursachen haben. Zum einen können Individuen wählen, in den einen oder anderen Zustand zu gelangen. Es können aber auch Außenstehende wie etwa Behörden die Vergabe des Treatments steuern. Außerdem kann das Treatment zufällig vergeben werden, wie es bei einem Experiment der Fall ist.
Im binären Fall gibt es nun zwei Ergebnis-Zufallsvariablen für alle Individuen der Population: Y^0 und Y^1. y_i^0 ist das potentielle Ergebnis des Individuums i im Zustand ohne Treatment und y_i^1 ist das potentielle Ergebnis von i im Treatmentzustand. Der individuelle kausale Effekt wird meistens als lineare Differenz angegeben: delta_i = y_i^1 - y_i^0. Das Grundproblem bei der Bestimmung von Treatmenteffekten ist nun, dass von jedem Individuum immer nur jeweils y_i^1 oder y_i^0 beobachtet werden kann. Dies liegt daran, dass D=1 und D=0 disjunkte Ereignisse sind. Angenommen es wäre möglich, y_i^1 und y_i^0 beobachten zu können, dann wäre es einfach, delta_i = y_i^1 - y_i^0 für jedes i zu berechnen und damit mittels Aufsummierung alle denkbaren Treatmenteffekte zu bestimmen. Man kann aber von den Individuen der Treatmentgruppe nur deren y_i^1 und nicht deren y_i^0 beobachten. Bei den Individuen der Kontrollgruppe hingegen kann man nur deren y_i^0 beobachten und nicht deren y_i^1. Es fehlen damit die jeweils kontrafaktischen Zustände, weshalb dieses Modell oft auch als Contrafactual-Modell bezeichnet wird.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung motiviert die Fragestellung, indem sie die Diskrepanz zwischen reinen Wirkungsanalysen und einer umfassenden wohlfahrtsökonomischen Bewertung der FuE-Förderung aufzeigt.
2 Wohlfahrtsökonomische Analyse: Dieses Kapitel stellt die Struktur der deutschen FuE-Förderung vor und analysiert die ökonomischen Besonderheiten (Externalitäten, Finanzierungskosten) innerhalb eines theoretischen Modells.
3 Grundlagen der Treatmenteffektanalyse: Hier werden die ökonometrischen Grundlagen kausaler Schätzverfahren (Potential-Outcome-Modell, Matching, OLS, Selektionsmodelle) systematisch dargelegt.
4 Methodische Analyse: In diesem Kapitel werden ausgewählte empirische Studien anhand der theoretischen Grundlagen kritisch auf methodische Mängel und die Eignung ihrer Ansätze hin geprüft.
5 Schluss: Das Fazit fasst die Ergebnisse zusammen und betont die begrenzte Aussagekraft aktueller Wirkungsanalysen hinsichtlich der wohlfahrtsökonomischen Rechtfertigung staatlicher Förderprogramme.
Schlüsselwörter
FuE-Förderung, Wirkungsanalyse, Treatmenteffektanalyse, Potential-Outcome-Modell, Kausalität, Matchingverfahren, Selektionsmodell, Crowding-Out, Wohlfahrtsökonomie, SUTVA, Propensity Score, Endogenität, Innovationspolitik, Deutschland, Ökonometrie.
Häufig gestellte Fragen
Worum geht es in dieser Bachelorarbeit grundsätzlich?
Die Arbeit untersucht kritisch die Effektivität und wohlfahrtsökonomische Begründbarkeit der staatlichen Förderung von Forschung und Entwicklung (FuE) in Deutschland.
Was sind die zentralen Themenfelder?
Die zentralen Felder sind die ökonomische Theorie hinter FuE-Subventionen, die methodischen Standards zur Messung kausaler Effekte sowie die kritische Würdigung empirischer Studien zu diesem Thema.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, herauszufinden, ob existierende empirische Wirkungsanalysen ausreichen, um eine wohlfahrtsökonomische Beurteilung der staatlichen FuE-Förderung vorzunehmen.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit nutzt Literaturanalysen, die formale Herleitung wohlfahrtsökonomischer Modelle sowie die kritische ökonometrische Prüfung von Treatmenteffekt-Schätzverfahren.
Was wird im Hauptteil behandelt?
Im Hauptteil werden zunächst die theoretischen Grundlagen der Kausalanalyse (Potential-Outcome-Modell) und verschiedene Schätzverfahren (Matching, OLS, Selektionsmodelle) erläutert, bevor diese kritisch auf konkrete empirische Studien angewendet werden.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den Kernbegriffen gehören FuE-Förderung, Treatmenteffektanalyse, Kausalität, Matchingverfahren, Selektionsverzerrungen und wohlfahrtsökonomische Aussagekraft.
Was ist die "Stable Unit Treatment Value Assumption" (SUTVA) und warum ist sie wichtig?
SUTVA ist die Annahme, dass der kausale Effekt für ein Individuum nicht davon abhängt, ob andere Individuen das Treatment erhalten. Sie ist eine notwendige Voraussetzung für die Validität der meisten Kausalanalyseverfahren.
Warum sind "naive Schätzer" in der Kausalanalyse problematisch?
Naive Schätzer vergleichen einfache Durchschnittswerte von Treatment- und Kontrollgruppe, ohne Selektionsverzerrungen zu berücksichtigen, was bei nicht-zufälliger Treatmentvergabe zu verzerrten Ergebnissen führt.
Welchen Vorteil bieten Matchingverfahren gegenüber Standard-Regressionsmodellen?
Matchingverfahren erlauben es, "Gleiches mit Gleichem" zu vergleichen, ohne auf starke Annahmen über die funktionale Form des Zusammenhangs angewiesen zu sein, was sie bei heterogenen Treatmenteffekten robuster macht.
- Arbeit zitieren
- Etienne Jungbluth (Autor:in), 2011, Staatliche Förderung unternehmerischer Investitionen in Innovationen in Deutschland, München, GRIN Verlag, https://www.grin.com/document/358678
