Wie der Ölpreis die Wirtschaft beeiflusst: Über Kausalität on der Ökonometrie
UniHeidelberg
https://www.youtube.com/watch?v=KmYoFJ8KMy8

Transkript (automatisch erstellt)

0:14 vielen dank für die einleitung und die einladung wie gesagt mein vortrag wird sich beschäftigen mit dem effekt oder den
0:24 auswirkungen des ölpreises auf die wirtschaft und soll illustrieren wie wir in der ökonometrie uns mit der frage der kausalität beschäftigen
0:35 vielleicht zunächst eine kleine definition von dem begriff ökonometrie ökonometrie ist ein teilgebiet aus den wirtschaftswissenschaften und
0:46 beschäftigt sich damit methoden zu entwickeln und methoden anzuwenden die dazu dienen können ökonomische ökonomische theorien zu testen zu
0:58 schätzen und das anhand von beobachtbaren daten und hier sieht man auch gleich die verbindung zur mathematik bzw er zur statistik also die
1:08 methoden die wir verwenden da sind in der regel statistische methoden die speziell zugeschnitten werden auf anwendungen in der
1:16 wirtschaftswissenschaft wenn ich von kausalen perfekt rede dann habe ich diese beispiele jetzt im kopf also wir können uns fragen wie
1:27 wirkt sich eigentlich die einführung eines mindestlohns auf die beschäftigung aus was passiert wenn die zentralbank den leitzins erhöht oder wenn der
1:37 ölpreis steigt wie wirkt sich das auf das beispielsweise in den usa aus das sind alles fragen mit denen man sich auch in der theorie in der ökonomie
1:48 beschäftigt aber die theorie gibt einem oft nur zusammenhänge und vielleicht vorzeichen von zusammenhängen aber kann uns in der regel nicht qualitative
1:59 effekte geben und das sind dinge die wir versuchen in der ökonometrie zu schätzen und wir verwenden recht spezielle sprache also typischerweise betrachten
2:10 wir eine variable y die wir bezeichnen als abhängige variable in unserem beispiel wäre das das bip- wachstum was wir erklären
2:16 möchten und dann haben wir eine erklärende variable an dem beispiel der ölpreis und das wäre das nix
2:23 und bevor wir jetzt dieses beispiel einsteigen habe ich ein beispiel das aus der mikro ökonometrie kommt und mikroökonomie heißt bei uns dass wir uns
2:36 mit querschnitts daten beschäftigen das heißt wir beobachten zu einem zeitpunkt viele haushalte viele unternehmen oder ganz allgemein ganz viele einheiten ja
2:46 und das ist ein beispiel ein datensatz aus den usa wo man eine befragung gemacht hat unter verheirateten paaren nach ihrem gesundheitszustand also das
3:00 ist das was hier als held index bezeichnet wird die männer und frauen wurden jeweils befragt wie gesund fühlen sie sich und
3:09 konnten das angeben auf einer skala von 1 bis 5 5 beste gesundheit 1 die niedrigste und gleichzeitig wurden sie danach befragt ob sie eine
3:19 krankenversicherung haben oder nicht und was man hier sehen kann zum beispiel diese 4,1 das ist der mittelwert über alle angaben von den männern die eine
3:32 krankenversicherung haben ja und die zahl hier drüben die 3,7 wäre der mittelwert über die gesundheit wenn man keine krankenversicherung hat und
3:43 die differenz davon wäre jetzt diese 0 3 1 für die männer die 0,39 für die frauen die ist positiv und auf den ersten blick könnte man verleitet seien diese zahlen
3:56 zu interpretieren als kausalen effekt von der krankenversicherung ja dass ich zugang habe zur krankenversicherung das ist aber irreführend weil wenn man
4:09 sich jetzt die übrigen charakteristiken von diesen personen anschaut dann wird man sehen dass die sich auch in anderen dimensionen unterscheiden
4:16 also wenn man zum beispiel hier schaut auf die ausbildung dann sieht man dass diejenigen die eine krankenversicherung haben 14 drei jahren ausbildungszeit
4:24 haben die ohne aber nur 11,5 noch dramatischer ist es aber hier aus einkommen schaut nur da ist man hier bei 106 tausend dollar hier nur bei 45.000
4:34 dollar ja das heißt diese individuen unterscheiden sich nicht nur in bezug auf krankenversicherungen ja nein
4:41 sondern auch in bezug auf andere charakteristiken und wenn man sich jetzt überlegt dass ein hohes einkommen oder höheres maß an ausbildung wahrscheinlich
4:54 damit korreliert dass man eine krankenversicherung hat und gleichzeitig auch einen einfluss hat auf meinen gesundheitsstatus weil ich nicht die
5:02 bessere ausbildung habe oder höheres einkommen vielleicht bewusster lebe mich besser ernähren sport betreibe dann kann man
5:10 davon ausgehen dass diese 0,31 haben den effekt von der krankenversicherung überschätzt ja das heißt was ich eigentlich hier mache ist sozusagen
5:21 äpfel mit birnen vergleichen ja was ich gerne machen würde ist menschen vergleichen die die gleichen charakteristiken haben und dann schauen
5:28 was passiert wenn man krankenversicherung bekommt das kann man aber in diesem datensatz hier nicht führt aber zu unserer definition von dem
5:37 was wir unter einem kausalen effekt verstehen also was wir gerne hätten in der theorie ist ein kontrolliert randomisierte experiment das können wir
5:48 uns so vorstellen dass wir aus der gesamten population einheiten zufällig rausziehen und dann diese einheiten wieder zufällig zu teilen in eine treten
5:58 und gruppen und eine kontrollgruppe und die treatment gruppe das sind die die die das treatment bekommen also in dem fall die krankenversicherung die in der
6:05 kontrollgruppe bekommen müssen nicht und durch diese zufällige auswahl und zuteilung würde man sicherstellen dass das treatment iks unabhängiges von den
6:17 sonstigen charakteristiken die diese individuen aufweisen ja und das heißt man würde nicht in eine solche situation wie hier kommen mehr sondern man würde
6:27 erwarten dass man vielleicht unterschied hat im gesundheitsstatus aber nicht in bezug auf education und verdienen kann und das ist dann auch unsere definition
6:40 von kausalen effekt haben wir würden also betrachten exogene variationen ickx und betrachten uns was es einmal so zu sagen der mittlere wert von
6:48 variable y wenn ich gleich eins ist und einmal wenn ich gleich null ist das ist jetzt ein beispiel gewesen motivierend aus dem mikro ökonometrie
6:59 das eigentliche thema für den vortrag ist einst aus der makroökonomie hier würden wir beobachtungen über die zeit anschauen und die beiden
7:08 beobachtungen die wir betrachten das ist einmal der ölpreis und einmal das wachstum in den usa und wenn sich der ölpreis verändern
7:18 würde aufgrund von solchen exogenen variationen dann könnten wir im prinzip anschauen wie hoch war das wachstum in den usa
7:26 wenn der ölpreis hoch war und wie hoch war das wachstum wenn der ölpreis niedrig war und könnten die differenz aus kasan effekt betrachten ja und es
7:37 gab anfang der 80er jahre in der vwl eine literatur die versucht hat den ölpreis zu betrachten als eine variable deren niveau sich ändert weil es exogene
7:52 veränderung gibt und zwar im öl angebot und das kann man ganz gut motivieren wenn man hier auf die grafik schaut sieht man einmal den ölpreis und die
8:02 vertikalen striche hier sind jeweils die zeitpunkt zu den in den usa rezessionen begonnen haben und im prinzip kennt man diese zeitpunkt also
8:14 das ist hier einmal 73 der die erste ölpreiskrise 79 die zweite ölpreiskrise hier hat man die die invasion von kuwait durch den irak- und man sieht es gab
8:27 immer krisen kriege politische ereignisse im nahen osten die haben dazu geführt dass es zu einer verknappung kam im öl an gewohnt das hat
8:37 dazu geführt dass der ölpreis steigt und man hat scheinbar gesehen dass es dann in reaktion in den usa in eine rezession gegeben hat ja und das wäre ein argument
8:48 für hohe ölpreis führt zu schwächeren wachstum das ganze fußball auf dieser annahme dass die veränderung im ölpreis exogenen
9:00 sind und das können wir uns jetzt etwas genauer anschauen also das standardmodell wird dem wir in der ökonometrie arbeiten ist so genanntes
9:13 lineares rezessions modell also würden sagen es gibt diese variable für die wir uns interessieren es gibt das ixs dass das verhalten von
9:20 dem ypsilon erklären soll und dann gibt es ein exelon das präsidium und im prinzip fast das y alle anderen faktoren zusammen die wir nicht
9:30 in unserem modell drin haben ja und die idee wäre dann wenn wir daten vorliegen haben in unserem beispiel daten für das bip- wachstum daten für den ölpreis und
9:41 das über viele jahre können wir versuchen die parameter in dieser gleichung also das beta 1 und 2 zu schätzen das habe ich ja schon dach
9:49 drüber gemacht das sind geschätzte werte und die können uns dann die möglichkeit geben dass wir über thesen testen also beispielsweise die prothese beta 2 ist
9:58 gleich null wäre in unserem fall die hypothese der ölpreis hat keinen einfluss auf das wachstum vorhin haben wir aber gesehen es gibt
10:07 dieses problem mit der expo genäht und auch hier gibt es jetzt eine bedingung also die bedingung dafür dass diese schätze von dem beta 2 tatsächlich gute
10:17 schätzer ist für den kausalen effekt kann man so ausdrücken und uns vielleicht wissen intuitiver zu machen kann man sagen die bedingung wird immer
10:27 dann verletzt sein wenn xy miteinander korreliert sind ja das heißt in unserem beispiel der ölpreis werk korreliert mit faktoren die in dem exelon drin stehen
10:39 und auch einen effekt haben auf das wachstum in den usa und jetzt die frage ja wie wahrscheinlich ist dass das was hier passiert ganz allgemein kann man
10:51 vielleicht sagen in den wirtschaftswissenschaften können wir in der regel nicht mit experimentellen daten arbeiten hat das
10:59 heißt diese frage exogen oder nicht nur die enkel immer davon ab welchen datensatz wir betrachten
11:07 und ich habe hier ein zitat das ist schon von 1897 macht aber genau den richtigen punkt sagt nämlich das ja die analyse von kausalen beziehungen in der
11:18 ökonomie gibt hier viele möglichkeiten für fehlschlüssen ja und der punkt ist genau der dass man eben keine typischerweise keine exogene variation
11:29 sieht und wodurch würde jetzt endogen i tät entstehen also integrität wäre der fall klicks und y sind korreliert ein beispiel ist simultan itc und ein
11:43 zweites beispiel wäre ausgelassene aber relevante variablen in dieser schätze gleichung also um das ein bisschen plastischer zu machen
11:52 was würde sie mentalität bedeuten simultan i tät würde bedeuten nicht nur der ölpreis hatten effekt auf die us wirtschaft sondern gleichzeitig würden
12:03 entwicklungen in den usa auch den ölpreis beeinflussen ja das ist nicht unplausibel dass wenn das wachstum in den usa sehr hoch ist
12:12 und entsprechend die nachfrage nach öl hoch ist das dann der ölpreis steigt und damit der ölpreis vom wachstum in den usa beeinflusst ist der zweite punkt das
12:22 wäre die ausgelassene variable wäre globale ökonomische aktivität ja wenn global das wachstum in china sehr viel öl nachfragt und deshalb der ölpreis
12:33 hoch ist dann wird auch china gleichzeitig viel importieren aus den usa und damit den direkten effekt auf das wachstum in den usa haben ja und
12:43 damit wäre in unserem fall dass y und das ixs korreliert und ein beispiel dafür könnte diese periode sein also zwischen 2003 und 2006 ist der ölpreis
12:54 enorm gestiegen man hat aber keine rezession in den usa gesehen und die erklärung ist der anstieg im ölpreis war getrieben durch
13:03 sehr starke nachfrage in schwellenländern das hat den ölpreis nach oben getrieben aber gleichzeitig erstmal zumindest
13:10 positiv auch für die us wirtschaft gut also hier wer das ganze noch mal ein bisschen formaler wenn ich jetzt eine
13:17 regression machen würde von wachstum auf den ölpreis bräuchte ich dass apple das y und der ölpreis und korreliert sind wenn aber gleichzeitig gelten würde der
13:28 ölpreis wird beeinflusst vom bildblog wachstum dann ist der ölpreis ende gehen und ich kann den kausalen effekt so nicht
13:34 schätzen ja jetzt gibt es gewisse empirische evidenz dass der ölpreis zwar reagiert auf wachstum in den usa aber mit einer
13:44 gewissen verzögerung und solange man sagen kann die sind kontemporären korreliert wäre es erst mal in ordnung die gleichung
13:52 hier oben zu schätzen so wie sie da steht jetzt gibt es auch noch ein anderes problem und das ist man muss sich ja wirklich überlegen warum
14:02 eigentlich der ölpreis steigt oder fällt diese motivation aus den 70er jahren hat nur angebotsschock betrachtet verknappung
14:13 angebot die zu höheren ölpreis geführt haben und was man jetzt eigentlich machen muss ist man müsste den ölpreis zerlegen in strukturelle schocks oder
14:23 das ist unser begriff dafür das heißt zum einen angebotsschock zum anderen dem nachfrage schocks und dann gibt es praktisch wieder so eine art riesige um
14:33 das ist das was noch übrig bleibt und wir nennen das spezifische nachfrageschock und zerlegen kann man den ölpreis jetzt in dem man so ein
14:44 simultanes gleichung system schätzt wir nennen das strukturelle shrek der autor aggressives modell und hier kommt jetzt auch wieder die
14:52 mathematik mit rein weil hier immer die frage ist wie kann man eigentlich diese strukturellen schocks identifizieren setzen wird man am ende diese zweite
15:02 gleichung und die enthält schocks die wir als reduced form schocks bezeichnen et und die identifikation kommt dann wieder aus der ökonomischen theorie also
15:14 unsere theorie würde uns folgendes sagen wir würden hier unterstellen das ölangebot reagiert kontemporären weder auf veränderung
15:24 globale aktivität noch auf schocks im ölpreis selbst globale aktivität wird getrieben von eigenen shops und von angebots foxconn temporär und der
15:38 ölpreis wird von allen drei shops getrieben also das wäre eine art identifikation hier herzustellen das modell wurde was seit 80 von
15:48 christopher sims entwickelt und und er hat 2011 dafür nobelpreis erhalten und ich zeige ihnen jetzt im folgenden einfach nur noch ein paar grafiken ich
15:55 glaube ich bin schon etwas spät ihnen derzeit also wenn man diese zerlegung macht vom ölpreis dann sieht man zunächst das folgende gibt es einen
16:04 angebotsschock das ist jetzt hier negative angebotsschock das heißt es kommt tatsächlich so wie den 70er jahren zu einer verknappung des angebots was
16:13 passiert ist der ölpreis steigt also das jetzt was wir nennen eine impuls antwortfunktion das heißt nach soundsoviel perioden reagiert der
16:23 ölpreis in dieser form und die durchgezogene linie ist die reaktion das andere sind noch confident bender die sind nicht so wichtig für uns also
16:32 der ölpreis steigt erst mal und wenn man jetzt auf die nachfrageschock schaut die hohe nachfrage aus china dann sieht man auch hier steigt der
16:42 ölpreis das ist erstmal so wie man es erwarten würde beide schocks sorgen für einen steigenden ölpreis wenn man jetzt diese
16:50 regression macht das bild wachstums auf diese beiden arten von schocks dann bekommt man jetzt ein differenzierteres bild nämlich hier oben sieht man das ist
17:00 glaube ich schlecht zu sehen in der grafik aber der effekt ist da man sieht bei seinem negativen angebotsschock einen negativen effekt auf das bip
17:08 wachstum das ist genau das was man in den 70er jahren gesehen hat wenn man dagegen einen demand schock also nachfrageschock karten positiven
17:17 dann steigt zunächst mal das bip in den usa ja weil die positive auswirkung der höheren nachfrage aus der ganzen welt
17:27 sich erstmal positiv aus das auf das usb auswirkt und dann erst verlangsamt kommt der negative effekt was vielleicht aktuell ganz interessant das ist in der
17:38 zerlegung des preises in die unterschiedlichen arten von schocks gerade anfang des jahres gab es sehr große diskussion über den ölpreis und
17:47 und das niedrige niveau des ölpreises und hier kann man sehen was eigentlich passiert ist also seid 2014 hat man rückgang im ölpreis und der wird zum
18:00 einen getrieben durch rückgang auf der nachfrageseite dass er diese blauen balken hier zum anderen wird aber getrieben durch
18:10 angebots schocks ja und das ist genau die auswirkung von zusätzlichem ölangebot dass man hat aufgrund von fracking in den usa und ja vielleicht
18:23 als letzten punkt nur die grafiken hier man kann sich genauso überlegen wie wirkt sich der ölpreis auf den us aktienmarkt aus auch da zwei quellen
18:35 hier von diesem jahr also hier oben das ist ein grafik aus dem hospital und das argument war hier ölpreis und aktienmarkt bewegt sich genau in die
18:46 gleiche richtung hatte im januar 2016 praktisch eine korrelation von 1 ja das könnte einen jetzt auf den ersten blick verwundern
18:57 weil beide gefallen sind der punkt ist aber der folgenden immer sieht sozusagen diesen gleichschritt ölpreis und aktienmarktentwicklung weil
19:08 der niedrige ölpreis widerspiegelt ängste in bezug auf schwache weltweite konjunktur und das ist auch gleichzeitig eine schlechte nachricht für den us
19:18 aktienmarkt und deshalb fallen sowohl die aktien als auch der ölpreis hier unten ist ein neueres zitat aus der wirtschaftswoche und das ist genau das
19:28 gleiche argumenten fallende ölpreis gilt vor allem als indikator für die schwäche des haupt nachfrage aus china und wird deshalb gar nicht so sehr als positive
19:37 positives ereignis wahrgenommen ich habe zwar noch eine grafikkarte dass ich glaube ich lieber weg damit wir noch etwas zeit für fragen haben also
19:47 zusammenfassend wenn man sich interessiert für den kausalen effekt vom ölpreis ist es wichtig dass man zerlegt den preis in die unterschiedlichen
19:55 schocks die ihn treiben insbesondere in den 70er jahren gab es diese dominanz von den angebots schocks und da hat man gesehen hohe ölpreis
20:03 gleich niedriges wachstum später hat er die nachfrageseite dominiert und das heißt es kann durchaus ein höherer ölpreis mit positive
20:15 konjunkturelle entwicklung einher gehen typischerweise wird negative ölpreis oder niedrige ölpreis als symptom für schwache konjunktur wahrgenommen und
20:26 klar aktuell ist sicherlich interessant sich zu überlegen wie gut funktionieren diesem modell eigentlich noch aufgrund der anpassung oder strukturellen
20:35 veränderungen die es gegeben hat besten dank für ihre aufmerksamkeit [Applaus]