Heterogeneous Rebound Effects: Comparing Estimates from Discrete-Continuous Models
Diskret-stetige Modelle sind zu einer gängigen Methode geworden, um mit Selektionsverzerrungen in Datensätzen mit endogen partitionierten Beobachtungseinheiten umzugehen. LEE (1983), DUBIN und MCFADDEN (1984) und DAHL (2002) schlugen dafür verschiedene zweistufige Ansätze vor. Dabei wird die auf der ersten Stufe getroffene diskrete Entscheidung zum Automobilbesitz mit einem multinomialen Logit-Modell spezifiziert und die zweite Stufe wird mit der Methode der kleinsten Quadrate geschätzt. Die marginalen Effekte ergeben sich als eine nichtlineare Kombination aus den Koeffizienten der ersten und der zweiten Stufe, ein Fakt, der von der angewandten Literatur größtenteils vernachlässigt wird. Nach der mathematischen Herleitung der Formeln für die marginalen Effekte, die aus diesen Ansätzen zur Korrektur der Selektionsverzerrung gewonnen werden, wird ein gemeinsames Modell des Automobilbesitzes und der Fahrleistung geschätzt, um damit den Rebound-Effekt zu schätzen. Dieser beschreibt die Zunahme der Fahrleistung als Folge effizienterer Kraftstoffnutzung. Es zeigt sich, dass die Größe der Rebound-Effekte je nach der zur Korrektur der Selektionsverzerrung angewandten Methode erheblich variiert.