Microsimulation — Modellierung von Politik auf individueller Ebene
- Eingeführt von
- Guy Orcutt (concept, 1957); modern tax-transfer frameworks developed through EUROMOD and related projects
- Jahr
- 1957
- Typ
- Policy simulation / computational social science
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Mikrosimulation ist eine computergestützte Methode, die die Auswirkungen von Politikmaßnahmen simuliert, indem sie direkt auf einer Population von individuellen Mikro-Einheiten – Haushalten, Unternehmen, Patienten – operiert und Regeln für jede Einheit entsprechend ihren demografischen, wirtschaftlichen und verhaltensbezogenen Merkmalen anwendet.
Konzeptionell von Guy Orcutt 1957 entwickelt, ist sie zum Standardwerkzeug für die Bewertung von Steuerreformen, Rentensystemen und Gesundheitspolitik vor der Umsetzung geworden.
Die Intuition hinter der Methode
Die meisten politischen Fragen sind eigentlich Fragen zu heterogenen Menschen, nicht zu Durchschnittswerten. Eine Flat-Tax-Reform wirkt sich auf einen Alleinerziehenden mit geringem Einkommen ganz anders aus als auf ein Paar mit hohem Einkommen, und diese Unterschiede sind wichtig, um zu verstehen, wer gewinnt, wer verliert und was die aggregierten Kosten sein werden. Mikrosimulation erfasst dies, indem sie die Population als Datensatz individueller Datensätze beibehält und die Politikregeln Datensatz für Datensatz ausführt – genau wie eine Steuerbehörde es tun würde –, anstatt aggregierte Summen in ein Makromodell einzuspeisen. Das Ergebnis ist ein detailliertes, einheitliches Bild der Verteilungsfolgen, das aggregierte Modelle nicht liefern können.
Geschichte
Die konzeptionellen Grundlagen der Mikrosimulation wurden von Guy Orcutt in einem Artikel der American Economic Review von 1957 gelegt, in dem er argumentierte, dass Wirtschaftsmodelle auf den einzelnen Haushalten und Unternehmen operieren sollten, die tatsächlich Entscheidungen treffen, anstatt auf aggregierten Mengen. Die statische Steuer-Leistungs-Mikrosimulation entwickelte sich in den 1980er und 1990er Jahren mit staatlichen Modellen in vielen Ländern. Das EUROMOD-Modell (Sutherland & Figari, 2013) etablierte eine länderübergreifende, harmonisierte Steuer-Leistungs-Mikrosimulation für die Länder der Europäischen Union. Die dynamische Mikrosimulation – die die Bevölkerung mithilfe von demografischen und verhaltensbezogenen Übergleichungen durch die Zeit altert – entwickelte sich parallel, mit Modellen wie LIAM2, die eine Open-Source-Infrastruktur bereitstellen. Das Handbook of Microsimulation Modelling (O'Donoghue, 2014) bietet einen umfassenden Überblick über beide Zweige.
Wann wird sie eingesetzt?
Mikrosimulation ist geeignet, wenn Sie eine verteilungsbezogene Analyse auf Einheitsebene einer politischen Änderung benötigen und Zugang zu einem großen, repräsentativen Mikrodatensatz haben (typischerweise mindestens 1.000 Datensätze, oft Zehntausende). Sie ist die natürliche Wahl für Steuer-Leistungs-Analysen, Rentenreformen, Gesundheitsfinanzierung und die Gestaltung von Sozialversicherungen. Ein statisches Modell ist anwendbar, wenn die Reform diskret ist und die Verhaltensreaktion ignoriert oder als Sensitivitätsfall behandelt werden kann; ein dynamisches Modell ist erforderlich, wenn der Zeitverlauf von Alterungs-, Beschäftigungs- oder Gesundheitsübergängen wichtig ist. Die Methode ist nicht geeignet für Situationen, in denen nur aggregierte Daten verfügbar sind, die interessierende Population keine individuelle Datensatzdarstellung hat oder Verhaltensreaktionen theoretisch zentral sind, aber nicht anhand von Beweisen parametrisiert werden können.
Grenzen und Hinweise
- Erfordert einen hochwertigen, groß angelegten Mikrodatensatz; die Ergebnisse sind nur so repräsentativ wie die zugrunde liegenden Daten.
- Verhaltensreaktionen sind schwer zuverlässig zu modellieren; statische Modelle gehen von keiner Reaktion aus, was bei großen Reformen eine starke Annahme sein kann.
- Elastizitätsparameter, die für dynamische Modelle benötigt werden, müssen aus externen Studien importiert werden und führen zu zusätzlicher Unsicherheit.
- Der Aufbau und die Validierung eines Mikrosimulationsmodells sind ressourcenintensiv: Sie erfordern Programmierkenntnisse, tiefes Wissen über die Politikregeln und sorgfältiges Datenmanagement.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Erzeugt vollständige Profile der Verteilungsfolgen – nicht nur durchschnittliche Effekte, sondern wer gewinnt und wer verliert, nach Einkommen, Alter, Geschlecht oder anderen Merkmalen in den Daten.
- Behandelt Politikheterogenität auf natürliche Weise: komplexe, nichtlineare Steuer-Leistungs-Regeln, die in einem Makromodell nicht angenähert werden können, werden auf Einheitsebene exakt angewendet.
- Ergebnisse sind für politische Entscheidungsträger direkt interpretierbar: Fiskalische Kosten, Veränderung der Armutskopfzahl und Verschiebungen des Gini-Koeffizienten werden in vertrauten Einheiten berichtet.
- Dynamische Modelle können die Entwicklung einer Population projizieren und die Nachhaltigkeit von Politikmaßnahmen über lange Zeiträume testen.
Anwendungen
- Schätzung der Verteilungs- und fiskalischen Auswirkungen einer Einkommensteuerreform über Haushalts-Einkommensgruppen hinweg, bevor ein Gesetz verabschiedet wird.
- Prognose der langfristigen Kosten und der Angemessenheit von Leistungen von Rentensystemreformen im Zuge der Alterung der Bevölkerung.
- Bewertung der Auswirkungen von Neugestaltungen von Sozialleistungen, einschließlich Änderungen der Bedürftigkeitsprüfung und Leistungsobergrenzen, auf Armut und Ungleichheit.
- Bewertung von Reformen der Gesundheitsfinanzierung – wie z. B. Änderungen der Zuzahlungen oder Erweiterungen der Versicherungsdeckung – auf die Zuzahlungskosten der Patienten nach demografischer Gruppe.
- Erstellung von Basis-Verteilungsstatistiken für die Forschung zur wirtschaftlichen Ungleichheit mithilfe großer administrativer oder Umfragedatensätze.
So funktioniert es
So funktioniert es
Ein repräsentativer Mikrodatensatz wird zusammengestellt – normalerweise eine groß angelegte Haushaltsbefragung oder ein administratives Register –, und Stichprobengewichte werden beibehalten, um sicherzustellen, dass die synthetische Population die wahre Population repräsentiert. Variablen, die von den Politikregeln benötigt werden (Einkommensbestandteile, Familienstruktur, Beschäftigungsstatus, Gesundheitsindikatoren), werden bereinigt, harmonisiert und validiert. Für dynamische Modelle wird die Population mithilfe von demografischen Übergangswahrscheinlichkeiten 'gealtert', bevor die Politik angewendet wird.
Jedes Politik-Instrument (Steuertarif, Leistungsanspruch, Beitragssatz) wird in explizite rechnerische Regeln übersetzt. In der statischen Mikrosimulation spiegeln die Regeln das aktuelle Gesetz und die kontrafaktische Reform wider, und es wird keine Verhaltensreaktion angenommen. In dynamischen Modellen werden Arbeitsangebotselastizitäten, Sparreaktionen oder gesundheitsbezogenes Verhalten ebenfalls parametrisiert und mit dem Regelwerk verknüpft.
Die Regel-Engine verarbeitet jeden Datensatz im Mikrodatensatz: Sie berechnet die gezahlten Steuern, die erhaltenen Leistungen oder die erlebten Ergebnisse unter Basis- und Reform-Szenarien für jede Einheit. Bei dynamischen Modellen durchläuft die Engine diskrete Zeitperioden, aktualisiert die Merkmale der Einheiten in jeder Periode gemäß den Übergangswahrscheinlichkeiten und wendet die geltenden Regeln an. Stochastische Modelle ziehen Zufallszahlen zur Auflösung von Übergängen; deterministische Modelle wenden Erwartungswertgewichte an.
Einheitliche Ausgaben werden gewichtet und aggregiert, um Schätzungen auf Populationsebene zu erstellen: Verteilungstabellen (nach Einkommensdezil, Altersgruppe, Region), fiskalische Kosten oder Einsparungen, Armuts- und Ungleichheitsindikatoren und – in dynamischen Modellen – prognostizierte Verläufe über die Zeit. Sensitivitätsprüfungen variieren wichtige Verhaltensparameter, um die Unsicherheit in den Schätzungen einzugrenzen.
Häufige Fallstricke
- Das Nichtbeibehalten oder die falsche Anwendung von Stichprobengewichten führt zu Schätzungen, die die wahre Population nicht repräsentieren – Gewichte müssen immer durch jeden Aggregationsschritt weitergegeben werden.
- Behandlung eines statischen Modells, als ob es eine Verhaltensreaktion erfasst: Die 'Morgen danach'-Annahme (keine Verhaltensänderung) ist eine bewusste Vereinfachung, kein Ergebnis; kommunizieren Sie dies in jedem Bericht klar.
- Verwendung von Populationsdaten ohne Überprüfung der Repräsentativität: Umfragen-Nonresponse und Lücken in der administrativen Abdeckung können Verteilungsergebnisse für bestimmte Untergruppen verzerren.
- Vermischung von Modellpräzision mit Modellgenauigkeit – eine Mikrosimulation kann sehr präzise falsche Antworten liefern, wenn die Verhaltensparameter oder Politikregeln falsch spezifiziert sind.
- Bei dynamischen Modellen wird die sich verstärkende Unsicherheit langer Projektionshorizonte ignoriert; berichten Sie immer Sensitivitätsbereiche um zentrale Projektionen.
Häufig gestellte Fragen
Was ist der Unterschied zwischen statischer und dynamischer Mikrosimulation?
Ein statisches Modell wendet neue Politikregeln auf einen Schnappschuss der Population an und berechnet die Verteilungsänderung 'am nächsten Morgen', wobei angenommen wird, dass sich das Verhalten nicht ändert. Ein dynamisches Modell bewegt die Population mithilfe demografischer Übergangswahrscheinlichkeiten (Geburt, Tod, Beschäftigungsänderung, Gesundheitsverschlechterung) durch die Zeit und kann Verhaltensreaktionen wie Anpassungen des Arbeitsangebots einbeziehen. Statische Modelle sind einfacher und weniger datenintensiv; dynamische Modelle werden benötigt, wenn der Zeitverlauf der Änderung wichtig ist, z. B. bei Renten- oder Langzeitpflegeprojektionen.
Wie groß muss der Mikrodatensatz sein?
Das statische Register gibt ein praktisches Minimum von 1.000 Mikro-Einheiten vor, aber eine aussagekräftige Verteilungsanalyse – insbesondere für kleine Untergruppen – erfordert typischerweise Zehntausende von Datensätzen. Administrative Register mit nahezu vollständiger Bevölkerungsabdeckung werden kleinen Haushaltsbefragungen vorgezogen, deren Schätzungen für Untergruppen selbst nach Gewichtung breite Konfidenzintervalle aufweisen können.
Wie werden Verhaltensreaktionen einbezogen?
In statischen Modellen werden sie nicht einbezogen: Der 'Erst-Ordnungs'- oder 'Morgen danach'-Effekt wird ohne Anpassung berichtet. Um Verhaltensreaktionen hinzuzufügen, fügen Analysten Arbeitsangebotselastizitäten, Sparquoten oder Parameter für das Gesundheitsverhalten hinzu, die aus der Literatur oder aus natürlichen Experimenten geschätzt wurden. Jeder Parameter führt zu zusätzlicher Unsicherheit, daher ist eine Sensitivitätsanalyse über plausible Parameterbereiche hinweg unerlässlich.
Ist Mikrosimulation dasselbe wie agentenbasierte Modellierung?
Sie teilen das Prinzip, auf individuellen Einheiten statt auf Aggregaten zu operieren, unterscheiden sich aber in der Betonung. Mikrosimulation verwendet typischerweise eine feste empirische Population und deterministische (oder statistisch kalibrierte) Politikregeln, um Verteilungsergebnisse zu schätzen; agentenbasierte Modelle betonen emergentes kollektives Verhalten, das aus Agenteninteraktionen entsteht, und neigen dazu, stilisierte, nicht empirisch repräsentative Populationen zu verwenden. Für Steuer-Leistungs- und Kostenkalkulationsarbeiten ist die Mikrosimulation der Standardrahmen.
Verwandte Methoden
Quellen
O'Donoghue, C. (Ed.) (2014). Handbook of Microsimulation Modelling. Emerald.
DOI-Referenz öffnenKopiert.Li, J. & O'Donoghue, C. (2013). A Survey of Dynamic Microsimulation Models: Uses, Model Structure and Methodology. International Journal of Microsimulation, 6(2), 3–55.
Publikationsreferenz öffnenKopiert.