Suchergebnisse

"Propensity Score Matching bezeichnet eine Klasse nicht- bzw. semiparametrischer Verfahren zur statistischen Abschätzung kausaler Effekte, die ursprünglich im Bereich der Biometrie entwickelt wurden und in den letzten Jahren zunehmend auch in den Sozialwissenschaften Anwendung finden. Neben ihren vergleichsweise sparsamen Modellannahmen und einer methodologisch entsprechend transparenten Vorgehensweise zeichnen sich Matchingverfahren auch dadurch aus, dass die resultierenden Parameterschätzungen leicht interpretierbar sowie direkt auf zentrale Parameter des so genannten Rubin Causal Models bzw. des kontrafaktischen Kausalitätsverständnisses zurückzuführen sind. Die empirische Abschätzung kausaler Effekte mittels Propensity Score Matching erfolgt in drei Analyseschritten: der Entwicklung eines Zuweisungsmodells zur statistischen Kontrolle der antezedierenden Bedingungen des beobachteten Treatmentstatus, die Verwendung eines Matchingalgorithmus zur Balancierung der Hintergrundkovariaten zwischen den Vergleichsgruppen der Untersuchung sowie die eigentliche Schätzung der interessierenden kausalen Effekte durch den Vergleich der Ereignisverteilungen in der Experimental- und Kontrollstichprobe. Für jeden Analyseschritt stehen unterschiedliche statistische Verfahren und Algorithmen zur Verfügung, um die allgemeine Schätzstrategie einer Matchinganalyse im konkreten Einzelfall effektiv umzusetzen. Der vorliegende Überblicksbeitrag kann diese vielfältigen Analysevarianten nicht im Einzelnen darstellen, sondern beschränkt sich darauf, die grundsätzliche Vorgehensweise einer Matchinganalyse anhand der Abschätzung der empirischen Karrierefolgen von Arbeitslosigkeit mittels paarweisem (nearest-neighbor) Propensity score matching beispielhaft zu illustrieren." (Autorenreferat)

Die Mehrzahl der bisherigen empirischen Studien zu den Produktivitätswirkungen der betrieblichen Gewinnbeteiligung gelangt zu dem Ergebnis, dass die Beteiligung der Mitarbeiter am Unternehmenserfolg einen positiven Produktivitätseffekt induziert. Problematisch ist jedoch, dass bisherige Studien häufig nur mit Querschnittsdaten arbeiten und daher unter dem Problem der reverse causality leiden könnten. Die wenigen bisher zu diesem Thema existierenden Panelstudien konzentrieren sich ebenfalls nicht auf die Analyse der Einführungsentscheidung und ihrer Folgewirkungen, da nicht zwischen der Einführung und der Existenz von Gewinnbeteiligungsmodellen unterschieden wird. Die vorliegende Studie verwendet die Wellen 2000 bis 2003 des IABBetriebspanels, um erstmals für Deutschland eine empirische Analyse der kurzfristigen Produktivitätswirkungen der Einführung von Gewinnbeteiligungsmodellen im Rahmen eines Propensity-Score-Matching-Ansatzes kombiniert mit der Differenzen-von-Differenzen-Methode vorzunehmen. Die Besonderheit liegt einerseits in der verwendeten Methodik, andererseits in der bewussten Fokussierung auf die Wirkungen der Einführung einer Gewinnbeteiligung. Insgesamt stellen die Ergebnisse das vermeintliche stilisierte Faktum der positiven Produktivitätswirkungen zumindest für die kurze Frist deutlich in Frage.

Propensity Score Matching (PSM) has become a popular approach to estimate causal treatment effects. It is widely applied when evaluating labour market policies, but empirical examples can be found in very diverse fields of study. Once the researcher has decided to use PSM, he is confronted with a lot of questions regarding its implementation. To begin with, a first decision has to be made concerning the estimation of the propensity score. Following that one has to decide which matching algorithm to choose and determine the region of common support. Subsequently, the matching quality has to be assessed and treatment effects and their standard errors have to be estimated. Furthermore, questions like what to do if there is choice-based sampling? or when to measure effects? can be important in empirical studies. Finally, one might also want to test the sensitivity of estimated treatment effects with respect to unobserved heterogeneity or failure of the common support condition. Each implementation step involves a lot of decisions and different approaches can be thought of. The aim of this paper is to discuss these implementation issues and give some guidance to researchers who want to use PSM for evaluation purposes.

"Der Beitrag untersucht die homogenen und heterogenen Teilnahmeeffekte des Hamburger Kombilohnmodells. Hierfür werden neben dem Verfahren des Propensity Score Matching auch lineare Regressionen durchgeführt. Die so ermittelten Teilnahmeeffekte variieren nur geringfügig zwischen den beiden Evaluierungsmethoden. Jedoch ist die Ermittlung und Interpretation von heterogenen Teilnahmeeffekten mit linearen Regressionen einfacher als mit Matching Methoden. Insgesamt zeigen sich signifikant positive Teilnahmeeffekte, die bei Problemgruppen am Arbeitsmarkt höher ausfallen. Daher scheint das Hamburger Kombilohnmodell neben allgemein positiven Wirkungen auch zielgruppenorientiert zu sein." (Autorenreferat)