Dokumentation zum Konsensworkshop - sofia

5.3.4 Anhang 3.4: Regionale Wirtschaft, Luftverkehr und die Kausalität der Beziehung
Durch das gesamte Gutachten G 19.2 „Baum“ zieht sich die Hypothese, dass es eine Kausalität
in der Weise gebe, dass der Luftverkehr die regionale Wirtschaft (Wirtschaftsniveau,
Wirtschaftsdynamik, Arbeitsplätze, Einkommen) determiniert und nicht umgekehrt.
Diese Kausalität wird im Gutachten mit Regressionsanalysen „bewiesen“. Nun lassen
sich mit Regressionsanalysen nur Korrelationen aber keine Kausalitäten erkennen und
beweisen. Regressionsanalysen können nur indirekt dazu benutzt werden, vermutete Kausalitäten
zu „bestätigen“: Dazu wählt man zwei Variable, deren Kausalität von vornherein
feststeht und bei denen eine umgekehrte Kausalität ausgeschlossen ist. Wenn man nun
eine hohe Korrelationen zwischen diesen Variablen feststellt, dann kann das als Bestätigung
dafür betrachten, dass die eine Variable den vermuteten Einfluss auf die andere
tatsächlich ausübt. Beim Zusammenhang zwischen Luftverkehr und regionaler Wirtschaftskraft
ist die Kausalität aber nicht eindeutig: beide Faktoren könnten sich gegenseitig
auf vielfältige Weise beeinflussen, so dass aus einer hohen Korrelation noch nichts
über die Wirkungsrichtung geschlossen werden kann.
Im Gutachten wird dieser ungeklärten Wirkungsrichtung keine Beachtung geschenkt,
sondern nur die Hypothese getestet, dass der Luftverkehr die Wirtschaftskraft
beeinflusst. Dies kommt in der folgenden – auch in Kasten 2 ausführlich behandelten –
Gleichung zum Ausdruck:
RWN = β * LVN
Wir wollen im Folgenden nun die umgekehrte Hypothese testen, dass die Wirtschaftskraft
den Luftverkehr beeinflusst. Die Gleichung dafür lautet:
LVN = β * RWN
Es ergeben sich nach Regressionsanalyse mit den Daten aus dem Gutachten folgende
Werte:
LVN = 3,03 * RWN
Der Regressor RWN ist signifikant auf dem 1% Niveau. Das bedeutet: die Regression hat
– die Argumentation der Gutachter verwendend – ergeben, dass das regionale Wirtschaftsniveau
einen signifikanten und positiven Einfluss auf das Luftverkehrsniveau ausübt.
Damit wäre mit den Daten aus dem Gutachten und der dort verwendeten Regressionsmethode
genau die umgekehrte Kausalität „bewiesen“ als sie im Gutachten „Baum“
verwendet wird.
Tatsächlich ist die Regressionsmethode aber, wie oben angedeutet, ungeeignet,
irgendeine Kausalität zu beweisen. Die Kausalität muss als ex ante-Annahme über die
Formulierung der Gleichung (wobei man die zu erklärende Variable links und die erklärende
Variable rechts vom Gleichheitszeichen schreibt) in das Modell eingefügt werden.
Um in einem Fall zweideutiger Kausalität ein Urteil über die vermutliche Wirkungsrichtung
fällen zu können, ist die Anwendung anderer Methoden nötig. Die Literatur schlägt
in solchen Fällen vor, bestimmte Kausalitätsüberprüfungen vorzunehmen. Es sind dazu
verschiedene Kausalitätsmaße entwickelt worden.
Eine gängige Methode in den Fällen, in denen man Zeitreihen vorliegen hat, ist es,
zeitliche Abhängigkeiten zu untersuchen. Meist kann angenommen werden, dass die Veränderung
einer Variablen die Veränderung der anderen dann kausal determiniert, wenn
sie ihr zeitlich vorausgeht. Im Gutachten 19.2. „Baum“ finden sich Zeitreihen zu Luftverkehrsniveau
(LVI) und der regionaler Wirtschaftskraft (RWI), so dass man diese Untersuchung
hier durchführen kann. Wir wählen die Werte für Frankfurt (S.96, S.108). Es
ergeben sich folgende zu testende Gleichungen:
(1) ΔLVIt,t-1 = α + β * ΔRWI t-1,t-2
(2) ΔRWIt,t-1 = α + β *Δ LVI t-1,t-2
50