Outputorientierte Evaluierung
Outputorientierte Evaluierung
Outputorientierte Evaluierung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Output‐orientierte <strong>Evaluierung</strong> öffentlich geförderter FTI‐Programme<br />
den beobachtbaren Merkmalsvektor X, P(X)=P(D=1|X), an. Diese Wahrscheinlichkeit wird mit<br />
nichtlinearen Regressionsmodellen, typischerweise einem Probitmodell geschätzt. Damit sind aber<br />
auch bei diesem grundsätzlich nichtparametrischen Verfahren Verteilungsannahmen notwendig.<br />
In einem zweiten Schritt erfolgt das Matching zwischen diesen beiden Gruppen, d. h. die<br />
Zuordnung von nicht geförderten Unternehmen zu geförderten Unternehmen zwecks Bildung der<br />
Differenz der Ergebnisgrößen, auf Basis der Teilnahmewahrscheinlichkeit.<br />
Es werden also Unternehmen mit ähnlicher Teilnahmewahrscheinlichkeit miteinander verglichen.<br />
Die Identifikationsannahme beim exakten Matching ändert sich beim „Matching on the Propensity<br />
Score“ entsprechend zu<br />
EሺY ୧ሺ0ሻ|PሺXሻ,D ୧ ൌ1ሻ ൌ EሺY ୧ሺ0ሻ|PሺXሻ,D ୧ ൌ0ሻ. (25)<br />
Neben der Identifikationsannahme in (25) gibt es zwei weitere wesentliche Annahmen, die beim<br />
Matchingansatz erfüllt sein müssen, wobei die erste Annahme eine alternative Formulierung der<br />
Identifikationsannahme in Gleichung (25) darstellt.<br />
� Conditional Independence Assumption oder Unconfoundedness Assumption. Dabei handelt es<br />
sich um die kritische Identifikationsannahme beim Matchingansatz. Sie besagt, dass, gegeben<br />
die beobachtbaren Merkmale X, die potenziellen Ergebnisse unabhängig von der<br />
Maßnahmenteilnahme sind. Anschaulich ausgedrückt: Für alle Unternehmen mi den gleichen<br />
Merkmalen X ist das potenzielle Ergebnis bei Förderung oder Nichtförderung identisch:<br />
Y୧ሺ1ሻ,Y୧ ሺ0ሻ ٣ D୧|<br />
X୧ bzw. Y୧ሺ1ሻ,Y୧ ሺ0ሻ ٣ D୧|<br />
PሺX୧ሻ. ሺ24ሻ ሺ26ሻ<br />
Diese Annahme trifft im Wesentlichen die Identifikationsannahme einer Selektion aufgrund<br />
beobachtbarer Merkmale X. Sie ist jedoch – wie die meisten kritischen<br />
Identifikationsannahmen – nicht testbar: „The acceptance of the unconfoundedness<br />
assumption cannot be directly tested, but the availability of ample information is important in<br />
order to define a vector of covariates X that makes the assumption more plausible.“ (Gonzalez/<br />
Pazo 2008:377)<br />
� Comon Support Assumption oder Overlap Assumption. Diese Annahme verlangt dass für jedes<br />
geförderte Unternehmen mit Charakteristika X auch ein nicht gefördertes Unternehmen mit<br />
den gleichen Merkmalsausprägungen bzw. der gleiche Förderwahrscheinlichkeit existiert.<br />
0 ൏ ܲሺD୧<br />
ൌ1|<br />
X୧ሻ<br />
൏1 (27)<br />
Dies ist eine notwendige Annahme, weil ansonsten keine passenden Matchingpartner<br />
gefunden werden können. Diese Annahme wäre verletzt, wenn z.B. alle Unternehmen einer<br />
Branche durch eine branchenspezifische Fördermaßnahme gefördert werden. Trifft dieser Fall<br />
zu, kann kein Matching‐Ansatz angewandt werden. Für die Annahme (27) existieren<br />
Prüfverfahren. Abbildung 30 und Abbildung 31 illustrieren die Erfüllung bzw. Verletzung der<br />
Annahme. Dabei ist auf der Abszisse der Propensity Score aufgetragen, der Werte zwischen 0<br />
und 1 annehmen kann (es handelt sich hierbei um eine Wahrscheinlichkeit). Auf der Ordinate<br />
wird der zugehörige Anteil bzw., weil es sich um stetige Zufallsvariablen handelt, die Dichte<br />
aufgetragen.<br />
130