Aufsatze zur okonometrischen Analyse diskreter Strukturen in der Arbeitsmarkt- und Entwicklungsokonomie
b'In den hier versammelten Aufs\\xe4tzen werden verschiedene statistische Verfahren zur Analyse diskreter Strukturen auf Fragen der Arbeitsmarkt- und Entwicklungs\\xf6konomie angewandt. \\nIn Teil I wird untersucht, ob Arbeitslosigkeit einen Einfluss auf das Auszugsverhalten junger Menschen in der Bundesrepublik (West) hat. Die Untersuchung wird auf Basis von Daten des sozio\\xf6konomischen Panels f\\xfcr die Geburtsjahrg\\xe4nge von 1968 bis 1981 durchgef\\xfchrt. Es wird ein Hazardratenmodell gesch\\xe4tzt, in welchem die Zielzust\\xe4nde \\u201eSingle-Haushalt\\u201c und \\u201eWohnung mit Partner\\u201c unterschieden werden. Die Auswirkung des Einkommens auf die Auszugswahrscheinlichkeit wird semi-parametrisch modelliert. Es zeigt sich zwar, dass junge M\\xe4nner, die arbeitslos werden, mit einer geringeren Wahrscheinlichkeit einen Haushalt mit einer Partnerin gr\\xfcnden. Dar\\xfcber hinaus hat Arbeitslosigkeit jedoch keinen Einfluss auf die Auszugswahrscheinlichkeit. Die Institution Familie fungiert also f\\xfcr junge Menschen nur in geringem Ma\\xdfe als Versicherung gegen Arbeitslosigkeit.\\nZiel des II. Teil dieser Untersuchung ist, den Einfluss \\xf6konomischer Faktoren auf die Wahrscheinlichkeit zu bestimmen, mit der junge Menschen in Italien das Elternhaus verlassen. Hierzu werden mit den Wellen von 1991 bis 1998 des Householdsurveys der Banca d` Italia mehrere Logit-Modelle gesch\\xe4tzt. Ein Ergebnis ist, dass mit der Beendigung der Schulausbildung die Auszugswahrscheinlichkeit zunimmt. Arbeitslose M\\xe4nner haben gegen\\xfcber Besch\\xe4ftigten eine geringere Auszugswahrscheinlichkeit. \\xd6konomische Faktoren haben in Italien somit einen hohen Einfluss auf das Auszugsverhalten junger Menschen. Die Bedeutung \\xf6konomischer Gr\\xf6\\xdfen deutet auf die Versicherungsfunktion hin, die famili\\xe4re Netzwerke in Italien einnehmen.\\nIm Teil III der Arbeit werden die Bestimmungsfaktoren von Unterern\\xe4hrung und Kindersterblichkeit analysiert. Untersuchungen zu dieser Frage stehen oft vor dem Problem, dass die Datengrundlage in Entwicklungsl\\xe4ndern schlecht ist. Im hier verwendeten Makro-Datensatz fehlen zahlreiche Beobachtungen. Bei einer in solchen Situationen \\xfcblichen Complete-case Analyse gehen viele der vorhandenen Informationen im Datensatz verloren. Mit einem Verfahren der multiplen Imputation der fehlenden Werte wird versucht, dieses Problem zu l\\xf6sen. Hierzu werden mit einem Markov-Chain-Monte-Carlo-Verfahren mehrere vervollst\\xe4ndigte Datens\\xe4tze generiert, welche dann weiter bearbeitet werden. Durch die Auswertung mehrerer vervollst\\xe4ndigter Datens\\xe4tze wird eine h\\xf6here Effizienz der Sch\\xe4tzer erreicht. Ein Vergleich von Regressionsanalysen, die mit dem vervollst\\xe4ndigten Daten durchgef\\xfchrt wurden, mit einer Complete-case-Analyse hat gezeigt, dass sich bestimmte Koeffizienten in ihrer Gr\\xf6\\xdfenordnung ge\\xe4ndert haben. Bei manchen Koeffizienten sind unplausible Vorzeichen aus der Complete-case Analyse verschwunden. Es ist also vorteilhaft, bei Problemen mit fehlenden Werten moderne Imputationsverfahren zu verwenden. Durch die Ersetzung der fehlenden Werte konnten eine Reihe von Variablen zug\\xe4nglich gemacht werden, die bei einer Complete-case Analyse nicht brauchbar sind, da bei deren Verwendung auf noch mehr Beobachtungen h\\xe4tte verzichtet werden m\\xfcssen.'