Simultanität
In diesem Beitrag
Was versteht man unter Simultanität?
Simultanität bezeichnet ein Problem in der Regressionsanalyse, das entsteht, wenn die abhängige Variable (Y) und eine oder mehrere erklärende Variablen (X) sich gegenseitig beeinflussen – also nicht nur X auf Y wirkt, sondern gleichzeitig auch Y auf X. Man spricht dann von einer wechselseitigen Kausalität oder einem simultanen Gleichungssystem.
Formell bedeutet dies, dass die erklärende Variable X nicht unabhängig vom Fehlerterm ε des Modells ist:
Kernbedingung: Verletzung der Exogenität
Diese Verletzung der sogenannten Exogenitätsbedingung ist typisch für Simultanität. Sie führt dazu, dass der OLS-Schätzer (Ordinary Least Squares) verzerrt und inkonsistent wird – man spricht vom Simultanitätsbias.
Warum ist Simultanität für statistische Analysen wichtig?
Simultanität ist eine der wichtigsten Ursachen für Endogenität in Regressionsmodellen. Wenn sie ignoriert wird, liefert die Regression verzerrte Koeffizientenschätzungen – und damit falsche Schlussfolgerungen über kausale Zusammenhänge. Das Problem tritt besonders häufig in den Wirtschafts- und Sozialwissenschaften auf, weil viele Variablen in der Realität in Wechselbeziehungen stehen.
Typische Konsequenzen einer ignorierten Simultanität:
- Die geschätzten Regressionskoeffizienten sind verzerrt (Bias) und inkonsistent.
- Hypothesentests und Konfidenzintervalle verlieren ihre Gültigkeit.
- Kausale Interpretationen sind nicht mehr zulässig.
Um Simultanität zu beheben, werden in der Praxis häufig Instrumentalvariablen (IV) eingesetzt, insbesondere die Zwei-Stufen-Kleinste-Quadrate-Schätzung (2SLS, Two-Stage Least Squares). Dabei wird die endogene Variable durch ein Instrument ersetzt, das mit X korreliert, aber nicht direkt mit Y oder dem Fehlerterm zusammenhängt.
Praxisbeispiel zu Simultanität
Ein klassisches Beispiel aus der Wirtschaftswissenschaft ist der Zusammenhang zwischen Preis und Nachfrage auf einem Markt:
- Ein hoher Preis senkt die Nachfrage (Wirkung des Preises auf die Nachfrage).
- Eine hohe Nachfrage treibt den Preis in die Höhe (Wirkung der Nachfrage auf den Preis).
Wenn nun eine Forscherin untersucht, wie der Preis (X) die nachgefragte Menge (Y) beeinflusst, und eine einfache OLS-Regression schätzt, liegt ein Simultanitätsproblem vor: Der Preis ist nicht exogen, weil er selbst von der Nachfrage abhängt.
| Gleichung | Abhängige Variable | Erklärende Variable | Interpretation |
|---|---|---|---|
| Nachfragegleichung | Nachfragemenge (Q) | Preis (P) | Höherer Preis → geringere Nachfrage |
| Angebotsgleichung | Preis (P) | Nachfragemenge (Q) | Höhere Nachfrage → höherer Preis |
Da Preis und Menge sich gleichzeitig bestimmen, wäre eine einfache OLS-Schätzung verzerrt. In der Praxis würde man ein Instrument für den Preis suchen – zum Beispiel die Produktionskosten des Anbieters. Diese beeinflussen den Preis, hängen aber nicht direkt von der Nachfragemenge ab.
