Polit-ökonomische Modellierung der Agrarpolitik

(1)

Wähler- orientierte

Modelle

Kritik Grundmodell Ideologie 1. Erweite- rung Discrete Choice Modelle 2. Erweite- rung

Polit-ökonomische Modellierung der Agrarpolitik

Modul 71:

Modellierung der Europäischen und Internationalen Agrarpolitik

Prof. Dr. Dr. C. Henning Institut für Agrarökonomie der CAU zu Kiel

Lehrstuhl für Agrarpolitik

25.04.2018

Probabilistische Wählertheorie

(2)

Modelle

Abgrenzung zu deterministischen Modellen

Das Gleichgewicht des Median Voter Modells ist ein Artefakt, das aus der Annahme eindimensionaler Politikräume entsteht.

Es ist unwahrscheinlich, dass die Entscheidung des Wählers eine diskontinuierliche Stufenfunktion ist. Vielmehr kann

angenommen werden, dass die Wahrscheinlichkeit das WählerA für einen Kandidaten stimmt, kontinuierlich ansteigt, wenn der Kandidat Politiken näher an die Idealposition des Wählers vorschlägt.

Bei deterministischen Modellen hängt die Wahlentscheidung nur vom Parteindierential ab. Probabilistische Wählermodelle berücksichtigen jedoch auch stochastische Komponenten, da die Wahlentscheidung aus Sicht des Kandidaten unsicher ist (z.B.

auf ideologischer Nähe beruht)

(3)

Modelle

Notation und Set-up

2 Parteiensystem (g=A,B) Wähleri, i=1,...,n

x_g Politik der Partei g

U_i(x_g)ist der erwartete Nutzen von Wähler i aus der Politik von Parteig, räumlicher Politiknutzen

w_i =U_i(x_A)−U_i(x_B) ist die räumliche

Politiknutzendierenz für Wähler i aus der Politik der beiden Parteien

µist die ideologische Neigung der Wähler

E[S^g] ist die erwartete Stimmenanzahl von Parteig

(4)

Modelle

Notation und Set-up

unidimensionaler Politikraum

opportunistisches Verhalten der Politiker (Sie besitzen kein eigenes Interesse an der Politik, sondern sind einzig daran interessiert mit dem Politikvorschlag das Mandat zu erhalten.)

keine Kooperation, simulatane Bekanntgabe der Wahlprogramme

Die Wahlprogramme sind bindend und werden nach der Wahl von der Gewinnerpartei implementiert.

(5)

Modelle

Probabilistische Nutzenfunktion

Aus Sicht der Kandidaten ist die Stimmabgabe des Wählers stochastisch.

Die Wahrscheinlichkeit, dass Wähleri ParteiAwählt ist eine Funktion des Nutzen aus den Politiken der beiden Parteien.

Der Wähler maximiert seine Wohlfahrt, die durch die Politik bestimmt wird, und evaluiert die ideologische Nähe des Kandidaten.

Der Wähleri wählt ParteiA, wenn gilt:

Ui(xA)>Ui(xB) +µ (1) µbildet die stochastische Komponente der Wahlentscheidung aus Sicht der Parteien. Gleichzeitig kannµals ideologische Komponente des Wählernutzens verstanden werden. Die ideologische Komponente steht in keinem Bezug zu der Politik x, z.B. persönliche Merkmale, Kompetenz.

(6)

Modelle

Die Wahrscheinlichkeit, dass ein Wähler eine Partei wählt, steigt jedoch mit steigendem Nutzen des Wählers, den die Partei für den Wähler generiert.

Dies ist ein bedeutender Unterschied zu deterministischen Wählermodelle, die nicht-stetige Funktion voraussetzen.

Prob[A] =Prob(U_i(x_A)−U_i(x_B)> µ) politik-orientiert: w_i gibt den räumlichen Politiknutzen des

Wählers an. Er macht seine Wahlentscheidung abhängig von dem ökonomische Nutzen, den ihm eine Partei stiftet.

ideologisch-orientiert: µist die ideologische Komponente des Wählens.

(7)

Modelle

Erläuterung zur stochastischen Komponente I

Annahme: µist eine Zufallsvariable mit uniformer Verteilung.

µ >0: Wähler haben eine ideologische Neigung zu Partei B.

Ist Dierenz der politischen Komponenten des Nutzens Ui(xA)−Ui(xB) kleiner alsµ=2, dann wählt der Wähler die ParteiB, weil die Wahrscheinlichkeit für ParteiA kleiner als 0.5 wird

(13)

Modelle

Erwartungswert der Wählerstimmen

Der Erwartungswert der Wählerstimme aus einer Gruppe ergibt sich durch Multiplikation der Gl. 2 mit der Gruppengröÿem_j:

E(S_j^g) =m_j[(w_j(x)−µ_j)φ_j +1

2]. (3)

Der Erwartungswert der gesamten Wählerstimmen über alle Gruppen ergibt sich aus:

E(S^g) =X

j=1

(mj[(wj(x)−µj)φj+ 1

2]) (4)

=X

j=1

(m_jφ_jw_j(x))−X

j=1

m_jµ_jφ_j+ 1

2 (5)

(14)

Modelle

Bentham Wohlfahrtsfunktion

Der supportmaximierende Politiker wählt eine Politik, die den Erwartungswert seiner Wählerstimmen maximiert:

max_xE(S) =X

j=1

(m_jφ_jw_j(x)) +k (6)

mit k =−X

j=1

m_jµ_jφ_j +1 2.

Diese Supportmaximierung impliziert die Maximierung einer Bentham Wohlfahrtsfunktion.

wj(x) : räumliches Politiknutzendierential mjφj :Gewichte der Gruppen

(15)

Modelle

Einuss von Gruppencharakteristika

Ideologische Zusammensetzung der Gruppe:

Die Dichte der Verteilung der ideologischen Zufallsvariablen spiegelt die Schwankungsbreite der ideologischen Neigung in einer Gruppe wieder. Besitzt die Gruppe eine geringe Streuung der Neigung, ist die Dichte groÿ.

heterogen:φist klein, die ideologische Neigung innerhalb einer Gruppe schwankt stark

homogen:φist groÿ, die ideologische Neigung innerhalb einer Gruppe schwankt geringfügig.

Je homogener die Gruppe ist, desto gröÿer wird ihr Gewicht, desto stärker wird die Politik an der Wohlfahrt dieser Gruppe ausgerichtet.

(16)

Modelle

Einuss von Gruppencharakteristika

Gruppengröÿe:

Je gröÿer die Gruppe, desto gröÿer das Gewicht der Gruppe in der SWF, desto stärker wird die Politik an der Wohlfahrt dieser Gruppe ausgerichtet.

(17)

Modelle

Discrete Choice Modelle und empirische Anwendung

Discrete Choice Modelle basieren auf der Annahme, dass ein Wähler diejenige Partei wählt, die seinen Nutzen maximiert

Ein Wähler i wählt die Partei j, nur wenn es gilt:

Ui(j)>Ui(j⁰),∀j 6=j⁰ (7) Die Wahrscheinlichkeit, dass der Wähler i die Parteij wählt, hängt von der Dierenz der beiden Nutzen ab:

P_ij =Prob[U_i(j)>U_i(j⁰)] =Prob[U_i(j)−U_i(j⁰)>0] (8)

(31)

Modelle

Discrete Choice Modelle

In den Zufallsnutzen-Modellen geht man davon aus, dass der Nutzen aus zwei Komponente besteht:

U_i(j) =V_i(j) +_ij (9)

Vi(j)ist eine deterministische Komponente, die auf den beobachteten Charakteristika basiert

ij ist ein stochastischer Fehler (identisch und unabhängig verteilt nach Extremwertverteilung von Typ I [Gumbel])

P(yi =j) = exp(Vi(j)) P

Jexp(V_i(j⁰)) (10)

(32)

Modelle

Discrete Choice Modelle

U_i(j) =V_i(j)+_ij (9)

ij ist ein stochastischer Fehler (identisch und unabhängig verteilt nach Extremwertverteilung von Typ I [Gumbel])

Jexp(V_i(j⁰)) (10)

(33)

Modelle

Discrete Choice Modelle

U_i(j) =V_i(j) +_ij (9)

ij ist ein stochastischer Fehler(identisch und unabhängig verteilt nach Extremwertverteilung von Typ I [Gumbel])

Jexp(V_i(j⁰)) (10)

(34)

Modelle

Beim Anschauen der Odds (Relation von Wahrscheinlichkeiten) wird es klar, dass lediglich die Dierenz zwischen zwei Nutzen aus unterschiedlichen Alternativen für die Wahlentscheidung von Bedeutung ist. Für jedes Alternativenpaarj undh lässt sich folgende lineare Logitform bilden:

P_ij

P_ih =e^(Vⁱ^(j^)−Vⁱ^(h))=e^((αîj^−αîh^)+(γ^jl^−γ^hl^)tîl⁺^Pⁿ^βⁿ^(d^nij^−d^nih⁾⁾ (11) (12)

ln P_ij

P_ih

=V_i(j)−V_i(h) = (α_ij −α_ih)+(γ_jl −γ_hl)t_il+X

n

β_n(d_nij−d_nih)

(35)

(36)

(37)

Modelle

Deterministische Komponente

V_i(j) ist eine lineare Funktion von der ideologischen Konstanteαj und der politikorientierten Komponente P

nβnd_ijⁿ über mehrere betrachtete Dimensionen:

V_i(j) =α_j +X

n

β_nd_ijⁿ (13)

d_ijⁿ ist eine quadrierte Distanz zwischen der Positionw eines Wählersi und der Position v einer Partei j in einem politischen Raumn:

d_ijⁿ= (w_in−v_jn)² (14)

(38)

Modelle

Deterministische Komponente

V_i(j) ist eine lineare Funktion vonder ideologischen Konstanteαj und der politikorientierten Komponente P

V_i(j) =α_j +X

n

β_nd_ijⁿ (13)

(39)

Modelle

Deterministische Komponente

V_i(j) =α_j +X

n

β_nd_ijⁿ (13)

(40)

Modelle

Deterministische Komponente

V_i(j) =α_j +X

n

β_nd_ijⁿ (13)

(41)

Modelle

Es ist möglich auch andere Non-policy Variablen in die Analyse reinzunehmen:

Diese Variablen sind alternativenspezisch, weil die Regressionskoezientenγ_jl über die Alternativen unterschiedlich sind:

U_i(j) =α_ij+X

l

γ_jlt_il+X

n

βn(x_ni−s_nj)²+_ij, (15)

wobeit_il individuellel-Charakteristika von Wähleri ist.

(42)

Modelle

Marginale Eekte

Marginale Eekte der politikorientierten Komponente:

PMEij= ∂Pij

∂PV =Pij(1−Pij)|

N

X

n=1

βn| Marginale Eekte der nicht-politikorientierten (ideologischen) Komponente:

NMEij= ∂Pij

∂NPV =Pij(1−Pij)|αj−αk| wobeiαlj =PJ

j6=1

P_ij P_J

j6=1P_ijαlj

Marginale Eekte der Retro-Komponente: RMEij= ∂Pij

∂RV =Pij(1−Pij)|γj−γ_k| wobeiγ_lj =PJ

j6=1

P_ij P_J

j6=1P_ijγlj

(43)

Modelle

Marginale Eekte

PMEij= ∂Pij

N

X

n=1

NMEij= ∂Pij

j6=1

P_ij P_J

j6=1P_ijαlj

Marginale Eekte der Retro-Komponente:

RMEij= ∂Pij

j6=1

P_ij P_J

j6=1P_ijγlj

(44)

Modelle

Marginale Eekte

PMEij= ∂Pij

N

X

n=1

NMEij= ∂Pij

j6=1

P_ij P_J

j6=1P_ijαlj

Marginale Eekte der Retro-Komponente:

RMEij= ∂Pij

j6=1

P_ij P_J

j6=1P_ijγlj

(45)

Modelle

Relative Komponenten

RK^policy_ij = NME_ij

PMEij +NMEij +RMEij

RK^non−policy_ij = PMEij

PME_ij +NME_ij+RME_ij

RK^retro_ij = RME_ij

PMEij +NMEij +RMEij

(46)

Modelle

Capture

Relative politische Gewichte zeigen die Bedeutung der politikorientierten Wahlmotive für die Regierungspartei:

giG =PiG(1−PiG)|

N

X

n=1

βn|

giG= giG

PI igiG

Capture-Index besagt, wie stark die relativen politischen Gewichte einer Wählergruppe im Vergleich zu einer anderen Wählergruppe von den jeweiligen Gruppenanteilen in der Bevölkerung abweichen:

CAPl_m=

P i∈lg_i P

i∈mg_i S_l S_m

Politische Vorteile für Gruppel (Capture) wenn CAPl_m>1

(47)

Modelle

Capture

Relative politische Gewichte zeigen die Bedeutung der politikorientierten Wahlmotive für die Regierungspartei:

giG =PiG(1−PiG)|

N

X

n=1

βn|

giG= giG

PI igiG

Capture-Index besagt, wie stark die relativen politischen Gewichte einer Wählergruppe im Vergleich zu einer anderen Wählergruppe von den jeweiligen Gruppenanteilen in der Bevölkerung abweichen:

CAPl_m=

P i∈lg_i P

i∈mg_i S_l S_m

Politische Vorteile für Gruppel (Capture) wennCAPl_m>1

(48)

Modelle

Results

(49)

Tabelle: Results from dierent voter model specications for Senegal

Model 1 Model 2 Model 3 Model 7

Coef. p-value Coef. p-value Coef. p-value Coef. p-value afp:intercept 0.136 0.000 -2.066 0.000 -0.426 0.439 -0.145 0.809 pds:intercept 0.106 0.000 -1.541 0.000 2.373 0.000 2.835 0.000 strongvsweakstate 0.118 0.054 -0.226 0.058 -0.195 0.107

agrvsind 0.171 0.073 -0.328 0.057 -0.307 0.080 -0.458 0.015

tpvsma 0.249 0.362 -0.170 0.509 0.167 0.581

foodvscashcrops 0.363 0.401 -0.246 0.507 -0.053 0.893

afp:retro-past 0.000 0.999 0.025 0.853 -0.082 0.569

pds:retro-past -0.367 0.001 -0.296 0.015 -0.289 0.024

afp:retro-present -0.183 0.172 -0.144 0.291

pds:retro-present -0.158 0.135 -0.037 0.757

afp:retro-future -0.068 0.642 0.006 0.969

pds:retro-future -0.283 0.007 -0.056 0.644

afp:approval -0.538 0.003 -0.617 0.001

pds:approval -1.411 0.000 -1.383 0.000

afp:rural -0.476 0.110

pds:rural -0.567 0.023

afp:kaolack 2.152 0.000

pds:kaolack -1.593 0.132

afp:ziguinchor 1.994 0.000

pds:ziguinchor 1.600 0.000

Log-Likelihood -492.980 -481.970 -427.700 -387.400

McFadden R² 0.009 0.031 0.140 0.221

Source: own estimation

(50)

0.0 0.2 0.4 0.6 0.8 1.0

05101520253035

Relative Importance

Density

non policy policy retro

(51)

0.0 0.2 0.4 0.6 0.8 1.0 0.0

0.2 0.4 0.6 0.8 1.0

comulative share of people from lowest to highest weight

comulative share of weight

Gini Coefficient = 0.2877

(52)

Capture Index

30 20 10 0 10 20 30

Poor (335) Rich (332)

Rural (379) Urban (288)

Women (353) Men (314)

less educated (427) well educated (240)

≠Dakar (487) Dakar (180)

≠Wolof (412) Wolof (255)

Class 1 (497) Class 2 (170)

LC−Model 2 MCL−Model 6

(53)

Modelle

(54)

Modelle

Einuss verschiedener Wahlsysteme

Mehrheitswahl mit 1-Personen-Wahlkreisen:

Hier wird das Wahlgebiet in soviel Wahlkreise eingeteilt, wie Mandate zu vergeben sind. Der Kandidat, der die meisten Stimmen erhält, gewinnt den Wahlkreis.

Verhältnisswahl mit einem Wahlkreis:

Hier werden alle Mandate durch Wahlen in einem Wahlkreis vergeben. Die Vergabe wird so durchgeführt, dass jede Partei so viele Mandate bekommt, wie es ihrem Stimmenanteil im

Wahlgebiet entspricht.