Die Wahrscheinlichkeit, dass die USA ihre Ausgaben für Umweltschutz in einem der kommenden zehn Jahre verdoppeln, liegt bei 8 Prozent.
Wie sich das Klima in den kommenden Jahren
verändern wird, hängt davon ab, wieviel Geld Staaten bereit sind, in den
Klimaschutz zu investieren.
Aus der Policy-Forschung wissen wir, dass sich
Staatsausgaben nicht linear entwickeln, sondern heftigen Schwankungen
ausgesetzt sind. Bryan Jones, Frank Baumgartner u. a. beschreiben dies in ihrer
Punctuated Equilibrium Theory und
weisen empirisch nach, dass dies für alle Industriestaaten gilt.[1]
Aufbauend auf diesen Arbeiten ist es nun möglich,
Haushaltsdaten mit Extremwertverteilungen zu analysieren. Dadurch können wir
die Wahrscheinlichkeit für große Politikumbrüche in einzelnen Politikbereichen
stochastisch ermitteln. Methodisch wird eine Gumbel-Verteilung mit
maximum-likelihood-Verfahren geschätzt, aus der sich dann
Wahrscheinlichkeitswerte ableiten lassen.
Im Bereich Klimaschutz sind die Ausgaben für
Forschung und Wissenschaft, Energie und Umweltschutz relevant.
Betrachtet man die prozentualen Veränderungen
des US-Haushalts in diesen Politikfeldern[2],
so sieht man über längere Zeiträume heftige Schwankungen. Die Histogramme
zeigen, dass die empirische Verteilung in etwa einer geschätzten
Gumbel-Verteilung folgt.
Die Wahrscheinlichkeit, dass in einem der
nächsten 10 Jahre die Ausgaben für Forschung und Wissenschaft um 100 Prozent
oder mehr gesteigert werden, liegt bei 12 Prozent. Im Energiebereich kann mit
97 prozentiger Wahrscheinlichkeit von einer Erhöhung um 100 Prozent oder höher
ausgegangen werden. Im Bereich Umweltschutz liegt die Wahrscheinlichkeit eines
solchen Politikwechsels bei immerhin 8 Prozent. Allerdings sind drastische
Haushaltskürzungen ebenfalls wahrscheinlicher als in der Regel angenommen.
Lassen sich diese Überlegungen in die
Klimaforschung einbeziehen?
Und hier der R-Code:
budget <- read.csv("http://www.utexas.edu/cola/_webservices/policyagendas/budget/instances.csv?from=1945&to=2012")
science = subset(budget, TopicCode==250, select=c("Year", "pctChng"))
energy = subset(budget, TopicCode==270, select=c("Year", "pctChng"))
env = subset(budget, TopicCode==300, select=c("Year", "pctChng"))
par(mfrow=c(2,3))
plot(science, type="l", main="US-Budget Science")
plot(energy, type="l", main="US-Budget Energy")
plot(env, type="l", main="US-Budget Environment")
library(VGAM)
fit.science = vgam(science$pctChng~1, family="gumbel")
fit.energy = vgam(energy$pctChng~1, family="gumbel")
fit.env = vgam(env$pctChng~1, family="gumbel")
hist(science$pctChng, freq=F, xlab="", main="US-Budget Science")
curve(dgumbel(x, location = Coef(fit.science)[1], scale = Coef(fit.science)[2]), lty = 3,lwd=2, add=T)
hist(energy$pctChng, freq=F,main="US-Budget Energy", xlab="")
curve(dgumbel(x, location = Coef(fit.energy)[1], scale = Coef(fit.energy)[2]), lty = 3,lwd=2, add=T)
hist(env$pctChng, freq=F, main="US-Budget Environment", xlab="")
curve(dgumbel(x, location = Coef(fit.env)[1], scale = Coef(fit.env)[2]), lty = 3,lwd=2, add=T)
# Mit pgumbel lässt sich nun die Wahrscheinlichkeit ermitteln, dass die prozentuelle
# Veränderung in einem Jahr einen Wert von weniger als 100 einnimmt.
# Die Wahrscheinlichkeit, dass in 10 Jahren immer ein Wert von unter 100% erreicht wird,
# ist dann ^10. Die Gegenwahrscheinlichkeit gibt dann den Wert an, dass in einem
# der nächsten 10 Jahre eine Verdopllung (oder mehr) des Budgets erreicht wird.
1-pgumbel(100, location = Coef(fit.science)[1], scale = Coef(fit.science)[2])^10
1-pgumbel(100, location = Coef(fit.energy)[1], scale = Coef(fit.energy)[2])^10
1-pgumbel(100, location = Coef(fit.env)[1], scale = Coef(fit.env)[2])^10
[1] Siehe u. a.: Baumgartner, Frank und Bryan Jones. 2009. Agendas and Instability in American
politics. Chicago: The University of Chicago Press; Jones, Bryan D.,
Baumgartner, Frank R. und James L. True. 1998. Policy Punctuations: U.S. Budget
Authority, 1947-1995. Journal of Politics 60:1-33; Jones, Bryan D.,
Sulkin, Tracy und Heather A. Larsen. 2003. Policy Punctuations in American
Political Institutions. American Political Science Review 97:151-169;
Jones, Bryan D., Baumgartner, Frank R., Breunig, Christian, Wlezien,
Christopher, Soroka, Stuart, Foucault, Martial, Francois, Abel, Green-Pedersen,
Christoffer, Koski, Chris, John, Peter, Mortensen, Peter B., Varone, Frédéric
und Stefaan Walgrave. 2009. A General Empirical Law of Public Budgets: A
Comparative Analysis. American Journal of Political Science 53:855-873.
[2]
Die Daten stammen von dem Policy Agendas Project
(http://www.policyagendas.org).
Kommentare
Kommentar veröffentlichen