Implementation panelanalytischer Modelle in die Mikrosimulation unter Berücksichtigung inter-individueller Unterschiede und intra-individueller Dynamiken

Zusammenfassung

Eine zentrale Stärke dynamischer Mikrosimulationen ist die Fortschreibung von sich wechselseitig bedingenden Prozessen, insbesondere auf Individualebene. Zur Realisierung der Fortschreibung werden Übergangsparameter benötigt, welche das Resultat der statistischen Modellierung derartiger Prozesse darstellen. Als besonders vielversprechend erscheint hierfür der Rückgriff auf Modelle, die auf Paneldaten basieren. Denn mithilfe von Paneldaten ist es u. a. möglich, die wechselseitige zeitverzögerte Beeinflussung mehrerer Variablen zu modellieren und dabei zwischen inter-individuellen Niveauunterschieden und der Stabilität von intra-individuellen Entwicklungen zu trennen. Der vorliegende Beitrag konzentriert sich daher auf Ansätze zur Implementation von Ergebnissen panelanalytischer Modelle in die Mikrosimulation. Diese Ansätze werden mithilfe empirischer und fiktiver Daten getestet. Ein Schwerpunkt liegt dabei auf Techniken zur Imputation unbekannter individueller Effekte in Form von Random Intercepts. Hier erscheint vor allem die von Richiardi (2014) entwickelte Rank-Method als aussichtsreich. Ein weiterer Fokus liegt auf dynamischen Panelmodellen. Gerade diese Modelle schöpfen das oben genannte Potential von Paneldaten voll aus, wobei mit ML-SEM ein auf Strukturgleichungsmodellen basierender und sehr flexibler Ansatz besonders hervorsticht. Gleichzeitig sind mit diesen Modellen einige statistische Herausforderungen verbunden und auch die Einbindung in Mikrosimulationsmodelle geht mit speziellen Problemen einher. Die von den AutorInnen zur Lösung dieser Probleme entwickelten und getesteten Vorschläge bieten eine Grundlage für weitere Methodenforschung, von der zukünftige Mikrosimulationsmodelle profitieren könnten.