Ökonomische Wirkungsanalyse mit Big Data
Autor
Prof. Michael Lechner
Universität St. Gallen
Gespräch mit dem Verantwortlichen des NPF75-Projekts «Ökonomische Wirkungsanalyse mit Big Data».
Welche Ziele verfolgen Sie mit Ihrem Projekt, und was haben Sie bereits realisiert?
Ziel unseres Projekts ist die Verbesserung von Entscheidungen in Politik und Industrie mithilfe der Kombination so genannter Machine-Learning-Methoden und kausaler Inferenz. Diese Methoden wenden wir im Rahmen dieses Projekts in den Bereichen Arbeitsmarkt, Sport und Umweltökonomie an. Die erste Pilotstudie mit anonymisierten Schweizer Arbeitsmarktdaten zeigte, dass die Teilnehmer an einem aktiven Arbeitsmarktprogramm sehr unterschiedlich von dieser Teilnahme profitierten. Mit den im Rahmen dieses Projekts erweiterten Methoden haben die Entscheidungsträger ein neues Instrument, mit dem sie die Teilnehmer der Programme besser auswählen können, um die Effizienz der Programme zu erhöhen.
Worauf sind Sie und Ihr Team besonders stolz?
Wir vergleichen bestehende und entwickeln neue Machine-Learning-Methoden für volkswirtschaftliche Studien. Mit unserer Forschung sind wir methodisch und praktisch auf dem neusten Stand der Forschung der kausalen Effekte und damit international unter den Vorreiter in der empirischen Wirtschaftsforschung.
Welche Veränderungen bewirkt Ihr Projekt?
Wir überprüfen, vergleichen und erhöhen den praktischen Nutzen existierender Methoden und werden dadurch Empfehlungen abgeben können, die sinnvollerweise zum Werkzeugkasten der empirischen Wirtschaftsforschung hinzugefügt werden sollten. Mit den neuen Methoden liefern wir neue Möglichkeiten zur disaggregierten Analyse der Effekte von wirtschaftlichen Entscheidungen.
Was bedeutet das NFP 75 für Sie?
Das NFP75 ist die Möglichkeit vertieft in die Methoden einzusteigen, diese weiter zu entwickeln, und das Know-how in der Schweiz gemeinsam mit den anderen NFP-Projekten aufzubauen und dieses in der volkswirtschaftlichen Lehre und Forschung weiterzugeben.
Was würde fehlen, wenn es Ihr Projekt nicht gäbe?
In unserem NFP75-Projekt verknüpfen wir die neusten kausalen Machine-Learning-Methoden mit wirtschaftswissenschaftlicher Forschung. Dadurch ermöglichen wir eine tiefere Analyse der Effekten von wirtschaftlichen Entscheidungsprozessen. Ohne diese detaillierteren Analysen könnten wir nur grobe Empfehlungen anhand von Durchschnitteffekten geben. Mit neuen Methoden können wir die Effekte tiefer analysieren und wirtschaftliche Entscheidungen gezielter treffen.