Empirische (Wirtschafts-) Forschung: Ziele und Beschreibung
Ziel: Testen & Quantifizierung ökonomischer Theorien
Herausragende Bedetung für Evidenzbasiertes Managament und Data Science!
Ökonomische Theorien treffen Aussagen oder stellen Hypothesen auf, die empirischer Überprüfung bedürfen:
Hypothese 1: Mehr Training am Arbeitsplatz führt zu höherer Leistung
Hypothese 2: Kleinere Klassen in Schulen führen zu besseren Testergebnissen
Hypothese 3: HR-Praktiken haben komplementäre Effekte auf Unternehmensleistung (HR Maßnahmen müssen aufeinander abgestimmt sein als Set von Maßnahmen)
Hypothese 4: Ein Bonus führt zu höherer Anstrengung in incentivierten Aufgabenbereichen
Hypothese 5: Plakate in Lidl-Filiale haben einen größeren Nutzen, wenn sie einen QR-Code haben (Methode zu testen: 50/50 Plakate aufhängen und Anzahl an Bewerbungen auswerten)
Kann man eine Theorie beweisen? & Was ist eine gute Theorie?
Nein, Theorien kann man nicht beweisen, denn selbst wenn ein/e Forscher/in bisher nur Beobachtungen gesammelt hat, die darauf hinweisen, dass die Theorie gilt…
… so kann es immer sein, dass eine Beobachtung getätigt wird, die zeigt, dass sie nicht gilt. Dann ist eine Theorie “falsifiziert”.
-> Schwan-Beispiel
Deshalb kann die Geltung von Theorien auch durch Beobachtung und Analysen nur bestärkt, aber nicht bewiesen werden. (Das Sammeln von Evidenz kann nur eine Theorie bestärken, sie jedoch nicht beweisen)
Besonders nützlich sind deswegen Studien, die neue Hypothesen testen und auf neue Zusammenhänge hinweisen.
Replication crisis (Psychologie): Einflussreiche Theorie, die man nicht replizieren konnte -> Daten wurden gefälscht (Power Pose)
Gesucht: das richtige Experiment
Wie wirkt sich eine Maßnahme (eine Behandlung, eine Intervention) auf ein bestimmtes Ergebnis aus, an dem wir interessiert sind?
-Verbessert ein Medikament die Gesundheit der Menschen?
-> (Behandlungs- und Vergleichsgruppe, die möglichst identisch sind)
-Führen höhere Bußgelder für Geschwindigkeitsüberschreitungen zu weniger Unfällen?
Klinische Forschung Vorteil: Kontrolle über die Testgruppen
Soziale Forschung Nachteil: Keine Kontrolle über die Testgruppen
-Erhöhen Anreize den Output der Arbeitnehmer?
Gesucht: das richtige Experiment - Definitionen
Was ist ein Modell? (2 Stück)
Wichtige Unterscheidung: mathematische Modelle vs. ökonometrische Modelle
Ein mathematisches Modell:
-Macht explizite Annahmen (z.B. über das Verhalten von Menschen), um eine Theorie prägnant zu formulieren
-Erzeugt aus diesen Annahmen Aussagen (Propositionen) unter der Anwendung von Logik und Mathematik, also “Wenn A gilt, dann folgt: wann immer B, dann C”
Ein ökonometrisches Modell:
-Übersetzt eine Theorie und ihr Modell in messbare Daten
Empirische (Wirtschafts-)Forschung: Schritte
Beginn der empirischen Analyse:
Formulierung der Forschungsfrage oder Verwendung einer bestehenden Theorie
Aufstellen eines ökonometrischen Modells
Beispiel: Training und Leistung
Bedingt eine höhere Trainingsintensität eine bessere Leistung / Arbeitsproduktivität?
Simples ökonomisches Modell:
Ökonometrisches Modell (Stichprobe aus einem Sales Call Center):
-> Kann etwas aussagen, aber muss aufgrund von Selektionseffekten keine kausale Aussage treffen
Beobachtbar und verborgen: das Identifikationsproblem
Ereignis A das eintritt ist häufig nicht exogen.
Identifikationsproblemgsbezogene Boni bekommen steigt ihre Leistung. Problem. Identifikationsproblem: Problem mit der Identifikation des Kausalzusammenhangs. Wenn man sich Korrleationszusammenhänge anschaut, gibt es nicht notwendigerweise einen kausalen Zusammenhang. Identifikationsproblem: Korrelation ist ungleich Kausalität
Extra Effekt besteht aus zwei Teilen:
1. Kausaler Effekt (Wollen wir messen)
2. Selektionseffekt (Die Leute, die einen Bonus bekommen, sind nicht die Gleichen z.B. in einer anderen Firma -> Wenn eine Firma einen Bonus hat, gehen die produktiven Leute in die Firma mit Bonus. Selektionseffekt)
Die klinischen Studien sorgen dafür, dass der Selektionseffekt nicht besteht, indem sie die Gruppen einteilen können.
Kontrollierte Experimente eliminieren die Selektionsverzerrung
Wenn die Behandlungsgruppe randomisiert ist, dann ist die Behandlung D unabhängig von der erwarteten Produktionsmenge (oder. i.a., von Y)
Dann gilt:
Exkurs:
Identifikationsstrategien: Lassen uns kausale Aussagen machen, obwohl wir das Experiment selbst nicht designed haben
Zuletzt geändertvor 3 Monaten