1.
1
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
1. Was ist Mikroökonometrie?
Mikroökonometrie
Entwicklung und Anwendung mathematisch-statistischer
Methoden zur empirischen Analyse des ökonomischen
individuellen Verhaltens auf der Basis von Daten über
Personen, Haushalte und Firmen.
Nobelpreis für Wirtschaft im Jahr 2000
an die beiden Wegbereiter der Mikroökonometrie
James Heckman und Daniel McFadden
Heckman: für die Entwicklung von Theorien und Methoden
zur Analyse selektiver Stichproben
McFadden: für die Entwicklung von Theorien und Methoden
zur Analyse diskreter Auswahlentscheidungen

2.
2
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
Überblicksartikel:
• Begründung durch Nobelpreis-Komitee
• WIST-Artikel von Prof. Entorf
(PDF-files auf Bb, course documents, literature)
Zur Vertiefung (für Doktoranden):
• James Heckman, Nobel Lecture: Micro Data, Heterogeneity, and
the Evaluation of Public Policy, Journal of Political Economy,
2001, 109 (4), 673 – 748.
• Daniel McFadden, Nobel Lecture: Economic Choices, American
Economic Review, 2001, 91 (3), 351 – 378.

3.
3
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
1.1 Arten von Mikrodaten
Querschnittsdaten (cross-sections):
Stichprobe von Personen, Haushalten oder Unternehmen in einer
bestimmten Periode
z.B.: Mikrozensus, Einkommens- und Verbrauchsstichprobe
Paneldaten (panel data):
Die gleichen Merkmalsträger können über längeren Zeit-
raum beobachtet werden, bspw. durch jährliche Befragung
z.B.: Wirtschaftszweige (2-, 4-Steller); OECD Länder
Sozioökonomisches Panel des DIW Berlin
Betriebspanel des IAB Nürnberg
Pseudo-Paneldaten:
z.B.: synthetische Kohortenpanels
Stichprobe genetischer Zwillinge

4.
4
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
1.2 Besonderheiten von Mikrodaten
Heterogenität
meist ergibt sich ein relativ großer Teil der Gesamtvariation
auf durch unbeobachtete Heterogenität
Selektivität/Endogenität
durch Strichprobenkonstruktion, Selbstselektion,
Panelsterblichkeit, Messfehler
nicht-metrisches Messniveau oder beschränkter Werte-
bereich der abhängigen Variablen
• Kaufentscheidung, Arbeitsangebot (binär / dichotom)
• Wahl zwischen Verkehrsmitteln (kategorial, ungeordnet)
• Anzahl der angemeldeten Patente, geborenen Kinder
(geordnet kategorial bzw. ordinal)
• Löhne, Dauer der Arbeitslosigkeit (positiv stetig)

5.
5
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
1.3 Vorteile von Mikrodaten
Enge Verbindung zwischen mikroökonomischer Theorie
und empirischem Modell
• Diskrete Entscheidungsmodelle (McFadden)
• Selektionsmodelle (Heckman)
Bessere Möglichkeit zur Identifikation struktureller
Parameter durch Ausnutzung individueller Unterschiede
Stabilere und präzisere Schätzungen möglich
Mit Paneldaten kann auch unbeobachtete Heterogenität
kontrolliert werden Bsp. 1.1
Berücksichtigung von Selektionseffekten Bsp. 1.2
Identifikation „kausaler Effekte“ wirtschaftspolitischer
Maßnahmen Bsp. 1.3

6.
6
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
Bsp. 1.1.: Paneldaten
y it = α i + β ′ xit + ε it
α i := Individualeffekt, variiert über i, aber nicht über t
y
x

7.
7
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
Bsp. 1.2: Löhne und Selektivität
Lohngleichung:
y i = β ′ xi + ε i
Partizipationsgleichung:
⎧ 1, q * > 0
qi* = γ ′wi + ui , qi = ⎨
⎩ 0, q * ≤ 0
Bedingter Erwartungswert des Lohnes, gegeben Partizipation
E ( yi | qi = 1) = β ′xi + E ( ε i | qi = 1)
Bei Vernachlässigung von E ( ε i | qi = 1) und Schätzung der
Lohngleichung mit OLS „omitted variable bias“, falls Cov ( ε i , ui ≠ 0 )
Schätzung selektionskorrigierter Lohnfunktionen nach Heckman (1979)

8.
8
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
Bsp. 1.3: Evaluation des Lohneffekts der Teilnahme an FbW
Für jede Beobachtungseinheit einer Zufallsstichprobe werden zwei
mögliche Zustände:
q = 1: Teilnahme (mit Treatment)
q = 0: keine Teilnahme (ohne Treatment)
mit zugeordneten Werten y0 und y1 der zu erklärenden Variablen
(Ergebnisvariablen, hier: Lohn im neuen Job) y betrachtet.
Zentrales methodisches Problem:
Es kann nur jeweils eines aller möglichen potenziellen Ereignisse
beobachtet werden, „counterfactual“ ist nicht direkt beobachtbar.
Durchschnittlicher Effekt der Teilnahme (Average Treatment
Effect, AT): AT = E ( y1 − y 0 )
AT in der Gruppe der Teilnehmer (Average Treatment Effect
on the Treated, ATE): ATT = E ( y1 − y 0 | q = 1)

9.
9
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
Identifikation und Schätzung von ATT
Beobachtete Ereignisse:
y = (1 − q ) y 0 + qy1 = y0 + q ( y1 − y0 )
E ( y | q = 1) − E ( y | q = 0 ) =
= E ( y 0 | q = 1) − E ( y 0 | q = 0 ) + E ( y1 − y 0 | q = 1)
= ⎡ E ( y 0 | q = 1) − E ( y 0 | q = 0 )⎤ + ATT
⎣
14444 244444 ⎦ 4 3
Selektionsverzerrung, λ
λ = 0, falls y 0 ⊥ q oder (schwächer)
E ( y0 | x, q = 1) = E ( y0 | x, q = 0 ) = E ( y0 | x )
Zentrale Evaluationsfrage bei nicht-experimentellen Daten:
Wie kann durch Kontrolle beobachtbarer und unbeobachtbarer
Faktoren die Selektionsverzerrung vermieden werden?

10.
10
P r o f. D r. V i k t o r S t e i n e r – M I K R O Ö K O N O M E T R I E (SS 09)
1. W a s i s t M i k r o ö k o n o m e t r i e ?
1.4 Probleme bei der Analyse von Mikrodaten
Komplexität der Modellierung
• Selektivität
• Ecklösungen
• Fehler in den Variablen − auch der abhängigen Variablen
Eigenschaften der nicht-linearen Schätzer gelten nur
asymptotisch Konsistenzbetrachtungen
Sensitivität der Schätzer auf Verteilungsannahmen
• Vor allem bei der Maximum-Likelihood Schätzmethode
• Inkonsistenz der geschätzten Parameter bei Heteroskedastie
und Messfehlern, auch bei der abhängigen Variablen!
Validität der Modellannahmen, Güte der Schätzung
• abhängige Variable ist (teilweise) unbeobachtet