Interaction Effects in Spatial Regression: The Example of U.S. Smoke Free Air Legislation Christian W. Martin, Universität Hamburg
"When country i chooses its policy, p i, to maximize its own welfare, this alters the optimal policy in country j, and vice versa." Toblers First Law of Geography: Everything is related to everything else, but near things are more related than distant things.
Die Evolution empirischer politikwissenschaftlicher Forschung nach Franzese/Hays (2008): "In short, given any noticeable interdependence, nonspatial OLS is an unmitigated disaster" Franzese/Hays 2007
Der nächste Schritt? -Möglichkeit zur Modellierung unit-spezifischer Faktoren und ihres Einflusses auf die Wirkung der Interdependenz -Möglichkeit zur Modellierung zeit-spezifischer Faktoren und ihrer Interaktion mit der Interdependenz
Bsp: Nichtraucherschutz-Gesetzgebung in den USA Struktur: TSCS 50 Bundesstaaten + DC Jährliche Beobachtungen Abhängige Variable: Smoke Free Air Legislation auf Bundesstaatsebene (aggregiertes Maß für Regulierung in öffentlichen und privaten Räumen) Unabhängige Variablen (Modell 1): Anteil der Raucher (Lag 1) Tabaksteuern auf Bundesstaatsebene Anteil der Tabakwarenproduktion am Staatsprodukt Anteil der Tabakproduktion am Staatsprodukt Durchschnittliche Restriktivität in angrenzenden Staaten (Modell 2) Interaktionseffekt aus Interdependenzvariable und Raucheranteil
Determinanten der Nichtraucherschutz-Gesetzgebung – Empirische Befunde
Grafische Darstellung des Interaktionseffektes (1)
geringer Raucheranteil hoher Raucheranteil Grafische Darstellung des Interaktionseffektes (2)
Conclusion Die Modellierung von Interaktionseffekten erlaubt variierende Interdependenzen zwischen units Diese Interdependenzen können unit-spezifisch oder als Trend gedacht werden Freiheitsgrade ausreichend Problem: konsistenter und unverzerrter ML-Schätzer (noch) relativ kompliziert