Outputorientierte Evaluierung
Outputorientierte Evaluierung
Outputorientierte Evaluierung
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Output‐orientierte <strong>Evaluierung</strong> öffentlich geförderter FTI‐Programme<br />
Genau diese Forderung stellt Jaffe (2002) und erwähnt z.B. die Randomisierung der Mittelvergabe<br />
als eine Möglichkeit in diesem Zusammenhang. Damit wäre einerseits ein Maximum an<br />
Glaubwürdigkeit bei der Evaluation möglich und andererseits könnten auch Mängel des Peer<br />
Review‐Verfahrens reduziert werden. Bislang fehlt für diesen innovativen Ansatz der<br />
politökonomische „Rückenwind“. In den USA wird das soziale Experiment bereits regelmäßig in<br />
einigen Politikfeldern zur Politikevaluation angewandt. Ein Beispiel für eine FTI‐Evaluation auf Basis<br />
einer randomisierten Selektion ist die Evaluation des niederländischen Innovationsschecks (Cornet<br />
et al. 2006).<br />
Würde es dieses Sample‐Selection‐Problem nicht geben, wäre Evaluation sehr einfach. Während<br />
die randomisierte Zuweisung zur Teilnehmer‐ und Kontrollgruppe keiner weitergehenden<br />
Erörterung bedarf, ist die Unterscheidung von „Selction on observeables“ vs „Selection on<br />
unobservables“ komplexer und wurde bereits im Zusammenhang mit dem Querschnittsvergleich<br />
in Abschnitt 5.2.3 erörtert. Nachdem es sich hier um einen kritischen Punkt der Evaluationsliteratur<br />
handelt, soll der Unterschied in exakter Form dargestellt werden. Hierfür ist ein kurzer formaler<br />
Einschub notwendig (nach Blundell/ Costa Dias 2008).<br />
Tabelle 18: Einteilung mikroökonoemtrischer Evaluationsverfahren<br />
Randomized Assignment Selection on Observables Selection on Unobservables<br />
Soziales Experiment Exaktes Matching<br />
Eigene Darstellung<br />
Matching on the propensity<br />
score<br />
Differenz‐von‐Differenzen‐<br />
Ansatz (Natürliches Experiment)<br />
Regression Discontinuity Design<br />
Hybrides Matching Instrumentenvariablenansatz<br />
Kontrollfunktionsansatz<br />
Wir spezifizieren hierzu folgende allgemeine Gleichung:<br />
Y୧ ൌαβ୧D୧u୧, ሺ14ሻ<br />
wobei Y die Ergebnisgröße und D den Teilnahmeindikator bezeichnen. Demnach bezeichnet β den<br />
Maßnahmeneffekt der Teilnahme. Das Subskript i deutet an, dass grundsätzlich jedes<br />
Unternehmen, welches eine Förderung erhält, einen anderen Maßnahmeneffekt aufweist<br />
(heterogene Maßnahmeneffekte). Der Erwartungswert von β, E(βi) bezeichnet jedoch einen<br />
anderen Evaluationsparameter als den bisher verwendeten MTT. Es handelt sich hierbei um den<br />
„Durchschnittlichen Maßnahmeneffekt“ (Average Treatment Effect, ATE) der definiert ist als<br />
ATE ൌ EሼY୧ሺ1ሻ െY୧ሺ0ሻሽ. ሺ15ሻ<br />
126