DRESDEN BERICHTET - ifo Institut
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
DRESDEN 02
2021
BERICHTET
März/April
28. Jahrgang
AK TUELLE AK TUELLE FORSCHUNGSERGEBNISSE
FORSCHUNGSERGEBNISSE
Die Resilienz deutscher Welche Faktoren
Kreise gegenüber der Natur-
katastrophe Sturm „Lothar“
Mona Förtsch, Xenia Frei und Anna Kremer
begünstigen die
Landesweite Lockdowns, Erholung der
wirtschaftliche Wahrnehmung
und politische Einstellungen deutschen Kreise
in der Bevölkerung
Marcel Thum von der Finanzkrise?
Entwicklung der Mobilität in Mona Förtsch, Xenia Frei und Anna Kremer
Deutschland und Sachsen im
zweiten Corona-Lockdown
Joachim Ragnitz
Wie man wirtschaftliche Un-
sicherheit empirisch messen
kann – Eine Darstellung am
Beispiel von Deutschland
Niels Gillmann und Alexander Hilgenberg
IM BLICKPUNK T
Deutscher Arbeitsmarkt ist
lokal widerstandsfähig
Mona Förtsch, Xenia Frei und Anna Kremer
DATEN UND PROGNOSEN
ifo Konjunkturumfragen
Ostdeutschland und Sachsenifo Dresden berichtet
ISSN 0945-5922
28. Jahrgang (2021)
Herausgeber: ifo Institut – Leibniz-Institut für Wirtschaftsforschung an der Universität München e. V.,
Niederlassung Dresden, Einsteinstraße 3, 01069 Dresden
Telefon: 0351 26476-0, Telefax: 0351 26476-20
E-Mail: dresden@ifo.de
Redaktion: Joachim Ragnitz
Technische Leitung: Katrin Behm
Vertrieb: ifo Institut, Niederlassung Dresden
Erscheinungsweise: zweimonatlich
Bezugspreis jährlich: 25,00 Euro
Preis des Einzelheftes: 5,00 Euro
Preise einschl. Mehrwertsteuer, zzgl. Versandkosten
Grafik Design: © ifo Institut München
Satz und Druck: Neue Druckhaus Dresden GmbH
Nachdruck und sonstige Verbreitung (auch auszugsweise): Nur mit Quellenangabe und gegen Einsendung
eines Belegexemplars
Im Internet:
http://www.ifo-dresden.de
Die Niederlassung Dresden des ifo Instituts wird mitfinanziert mit Steuermitteln auf Grund-
lage des von den Abgeordneten des Sächsischen Landtags beschlossenen Haushaltes.ifo Dresden
berichtet 02/2021
AKTUELLE FORSCHUNGSERGEBNISSE
Welche Faktoren begünstigen die Erholung der deutschen Kreise von der Finanzkrise? 3
Mona Förtsch, Xenia Frei und Anna Kremer
Infolge der globalen Finanzkrise brach das Bruttoinlandsprodukt je Einwohner der deutschen Kreise im Jahr 2009 im Vergleich
zum Vorjahr deutlich ein. Dieser Beitrag untersucht auf Kreisebene, welche Faktoren dazu beitrugen, dass sich das reale Brutto-
inlandprodukt je Einwohner vollständig und relativ schnell wieder erholte. Unsere Ergebnisse zeigen, dass vor allem eine breit
aufgestellte Wirtschaftsstruktur sowie ein stabiler Arbeitsmarkt ausschlaggebend zu sein scheinen.
Die Resilienz deutscher Kreise gegenüber der Naturkatastrophe Sturm „Lothar“ 9
Mona Förtsch, Xenia Frei und Anna Kremer
Dieser Artikel untersucht die wirtschaftliche Resilienz der deutschen Kreise gegenüber einer Naturkatastrophe. Hierfür betrachten
wir die Auswirkungen des Sturms Lothar, welcher zum Ende des Jahres 1999 besonders in Süddeutschland wütete. Unsere
Untersuchung zeigt, dass die deutschen Regionen gegenüber dem Sturm Lothar recht resilient waren. Nur in besonders stark
betroffenen Orkanregionen hatte Lothar einen negativen Einfluss auf das Bruttoinlandsprodukt je Einwohner. Kreise, in denen die
Windstärken geringer ausfielen, waren demgegenüber weniger anfällig. Auch in den stark betroffenen Kreisen kam es aber zu
einer sehr schnellen wirtschaftlichen Erholung, in der Regel innerhalb eines Jahres.
Landesweite Lockdowns, wirtschaftliche Wahrnehmung und politische Einstellungen
in der Bevölkerung 15
Marcel Thum
Die Covid-19-Pandemie hat die Lebensumstände der Menschen weltweit verändert. Möglicherweise haben sich durch die Pan-
demie selbst wie auch durch die tiefgreifenden Politikinterventionen die politischen und ökonomischen Wahrnehmungen der
Bürger*innen verschoben. Dieser Beitrag fasst einige Ergebnisse aus einer großangelegten Befragung in Deutschland, Frankreich,
Spanien und dem Vereinigten Königreich zu politischen Einstellungen und ökonomischen Wahrnehmungen aus dem März 2020
zusammen, als in diesen vier Ländern zu unterschiedlichen Zeitpunkten erhebliche Kontakt- und Mobilitätsbeschränkungen
eingeführt wurden. Insgesamt hat sich die wirtschaftliche Unsicherheit vor allem bei jüngeren Menschen erhöht, populistische
Tendenzen haben nicht zugenommen. Überraschend können wir eine leicht positivere Haltung gegenüber Globalisierung
registrieren. Ebenfalls zu beobachten war allerdings auch ein Anstieg der autoritären Tendenzen.
Entwicklung der Mobilität in Deutschland und Sachsen im zweiten Corona-Lockdown 19
Joachim Ragnitz
Ein wesentlicher Bestandteil der politischen Maßnahmen gegen die Ausbreitung des Coronavirus in Deutschland ist die Ver-
meidung von Kontakten. Als unterstützende Maßnahme hierfür wird dabei die Einschränkung der Mobilität angesehen. Im
vorliegenden Beitrag wird vor diesem Hintergrund dargestellt, wie sich die Mobilität in Deutschland im zweiten Lockdown ab
Anfang November 2020 entwickelt hat. Ein besonderes Augenmerk wird dabei auf die Entwicklung im Freistaat Sachsen gelegt,
wo die Infektionszahlen in den Wintermonaten besonders hoch waren. Es zeigt sich – wenig überraschend –, dass die Mobilität
insbesondere mit der weitgehenden Schließung von Einzelhandelsgeschäften und vermehrter Nutzung von Homeoffice deutlich
abgenommen hat. Ein enger räumlicher oder zeitlicher Zusammenhang zwischen Mobilität und Infektionszahlen lässt sich indes
nicht feststellen.
ifo Dresden berichtet 2/2021 1Wie man wirtschaftliche Unsicherheit empirisch messen kann – Eine Darstellung am Beispiel
von Deutschland 24
Niels Gillmann und Alexander Hilgenberg
In wirtschaftlichen Krisen steigt auch die Unsicherheit über die weitere Wirtschaftsentwicklung. Die empirische Messung dieser
Unsicherheit ist allerdings schwierig, da diese nicht direkt beobachtet werden kann, sondern anhand von anderen verfügbaren
Variablen abgeleitet werden muss. Deswegen gibt es viele verschiedene Ansätze, um Unsicherheit messbar zu machen. In diesem
Artikel stellen wir die bekanntesten Ansätze anhand von Beispielen für Deutschland vor und überprüfen, welcher Ansatz am
vielversprechendsten für die Messung von Unsicherheit erscheint. Die Ansätze unterscheiden sich teils deutlich voneinander.
Insgesamt scheinen allerdings die Unsicherheitsmaße basierend auf Unternehmensbefragungen am besten für die Quantifi-
zierung von Unsicherheit in Deutschland geeignet zu sein.
IM BLICKPUNKT
Deutscher Arbeitsmarkt ist lokal widerstandsfähig 30
Mona Förtsch, Xenia Frei und Anna Kremer
Selbst in Zeiten einer florierenden Wirtschaft, wie wir sie in den zehn Jahren vor Ausbruch der Corona-Pandemie beobachten
konnten, kommt es immer wieder zu lokal begrenzten Einbrüchen am Arbeitsmarkt, bspw. aufgrund der Insolvenz eines lokal
großen Unternehmens oder einer Werksschließung. Wir nutzen diese Einbrüche, gemessen an dem Anstieg der lokalen Arbeits-
losigkeit, um zu untersuchen, wie schnell sich die regionalen Arbeitsmärkte in Deutschland hiervon wieder erholen. Unsere
Ergebnisse zeigen, dass der deutsche Arbeitsmarkt in guten Zeiten widerstandsfähig ist. Selbst große lokale Arbeitsmarktschocks
erhöhen die Arbeitslosigkeit kaum und sind nach acht Monaten vollständig verarbeitet.
DATEN UND PROGNOSEN
ifo Konjunkturumfragen Ostdeutschland und Sachsen 34
Niels Gillmann und Jannik A. Nauerth
AUS DEM ifo DRESDEN
ifo Veranstaltungen 37
ifo Veröffentlichungen 37
ifo Vorträge 38
ifo in den Medien 38
ifo Team 38
2 ifo Dresden berichtet 2/2021Ak tuelle Forschungsergebnisse
Mona Förtsch, Xenia Frei und Anna Kremer*
Welche Faktoren begünstigen die Erholung
der deutschen Kreise von der Finanzkrise?
Infolge der globalen Finanzkrise brach das Bruttoinlandsprodukt je Einwohner der deutschen Kreise im
Jahr 2009 im Vergleich zum Vorjahr deutlich ein. Dieser Beitrag untersucht auf Kreisebene, welche Faktoren
dazu beitrugen, dass sich das reale Bruttoinlandprodukt je Einwohner vollständig und relativ schnell
wieder erholte. Unsere Ergebnisse zeigen, dass vor allem eine breit aufgestellte Wirtschaftsstruktur sowie
ein stabiler Arbeitsmarkt ausschlaggebend zu sein scheinen.
Die globale Finanzkrise, die in den USA begann, führte in nologisch) wissensbasierte Beschäftigungsstruktur und einen
Deutschland in 2009 und den darauffolgenden Jahren zu einer hohen Anteil an qualifizierter Arbeitskraft aufweisen, resilienter
Rezession. Das durchschnittliche reale Bruttoinlandsprodukt sind als Regionen, in denen das nicht der Fall ist. Der direkte
(BIP) je Einwohner lag 2009 um mehr als 5% unterhalb des Einfluss von Forschungs- und Entwicklungsausgaben scheint
Wertes von 2008. Doch nicht alle Kreise waren gleichermaßen dagegen kurzfristig sogar negativ mit dem Wirtschaftswachs-
von der Krise betroffen. Abbildung 1 zeigt, dass es Kreise gab, tum zusammenzuhängen (Crescenzi und Milio 2016). Hinsicht-
die ohne einen negativen Einfluss auf das BIP je Einwohner lich geografischer Faktoren finden die meisten Studien, dass
durch die Krise kamen (rund 7% der Kreise). In den meisten Städte resilienter sind als ländliche Regionen und begründen
Kreisen (rund 87%) brach das reale BIP je Einwohner zwar ein, dies etwa durch die Erreichbarkeit oder Verfügbarkeit von
jedoch erholten sich die Kreise vollständig von dem Einbruch Produktionsfaktoren (Martin und Gardiner 2019).
und erreichten oder übertrafen ihr Vorkrisenniveau in den
Folgejahren. In nur wenigen Kreisen (rund 6%) brach das reale DATEN
BIP je Einwohner so tief ein, dass die Wirtschaft auch im Jahr
2017 das Vorkrisenniveau noch nicht wieder erreicht hatte. Um zu untersuchen, warum die deutschen Kreise unterschied-
Dieser Beitrag fasst wesentliche Ergebnisse der ifo Dresden lich stark auf die Finanzkrise reagierten, verwenden wir Regio-
Studie 86 (vgl. Foertsch et al. 2021) zusammen. In der Studie naldaten auf Kreisebene von 2008 bis 2017.1 Die Hauptdaten-
untersuchen wir, welche Faktoren dazu beitragen, dass sich die quelle ist die INKAR-Datenbank des Bundesamtes für Bau-,
deutschen Kreise gegenüber der Finanzkrise in 2009 resilient Stadt- und Raumforschung (BBSR), welche wir durch zusätzli-
zeigten. Resilienz bezeichnet die Fähigkeit eines Wirtschafts- che Daten des Arbeitskreises Volkswirtschaftliche Gesamt-
systems, nach einem exogenen Schock auf sein Vorkrisen- rechnungen der Länder (AK VGRdL) sowie der Statistischen
niveau zurückzukehren. Sie gliedert sich in die Komponenten Ämter des Bundes und der Länder ergänzen.
Vulnerabilität und Regenerationsfähigkeit. Als Vulnerabilität Wir messen die Erholung der deutschen Kreise von der
wird die Verwundbarkeit eines Wirtschaftssystems bezeichnet, Finanzkrise im Jahr 2009 anhand von zwei Maßen, welche auf
sprich, wie stark die Wirtschaftskraft in Folge eines Schocks dem preisbereinigten BIP je Einwohner basieren.2 Dazu unter-
einbricht. Regenerationsfähigkeit bezeichnet die Geschwindig- suchen wir sowohl die Erholungsintensität als auch die Erho-
keit und Intensität, in der ein Wirtschaftssystem nach einem lungsdauer. Die Erholungsintensität ist der Prozentwert des
Einbruch auf sein Vorkrisenniveau zurückkehrt. Dieser Beitrag realen BIP je Einwohner des Vorkrisenniveaus zu einem be-
fokussiert sich auf die Regenerationsfähigkeit, sprich die Er- stimmten Zeitraum. Wir wählen zwei unterschiedlich lange
holung nach einem exogenen Schock am Beispiel der Finanz- Erholungsperioden, da ein zu kurzer Zeitraum langfristige
krise. Unsere Ergebnisse zeigen, dass sich vor allem Kreise mit Auswirkungen der Finanzkrise auf die Wirtschaft oder Effekte
einer vielseitigen Wirtschaftsstruktur als auch einem stabilen von ergriffenen Gegenmaßnahmen eventuell nicht vollständig
Arbeitsmarkt gut und schnell von der Krise erholten. erfasst. Ein zu langer Zeitraum könnte hingegen dazu führen,
Welche Faktoren die Resilienz von Regionen und Ländern dass andere Einflüsse die Effekte der Finanzkrise verzerren.
gegenüber externen Einflüssen beeinflussen, wurde in der Wir untersuchen die Erholungsintensität daher einmal nach
Forschungsliteratur bereits vielfach untersucht. Die meisten fünf Jahren, ein weiteres Mal nach neun Jahren. Die Erho-
Studien stellen eine höhere Resilienz bei einer vielseitigen Wirt- lungsdauer ist die Dauer (in Jahren) bis zur Rückkehr auf das
schaftsstruktur im Vergleich zu sehr spezialisierten Regionen Niveau vor der Krise. Sie erlaubt keinen Rückschluss auf den
fest. Spezialisierung wirkt sich allerdings in sehr dynamischen Verlauf der Erholung. Es ist möglich, dass einige Kreise die Er-
Sektoren (definiert durch eine überdurchschnittliche Entwick- holungsphase nutzten, um bspw. ihre Wirtschaftsstruktur zu
lung vor der Krise) positiv aus (z. B. Sensier und Artis 2016,
* Mona Förtsch, Xenia Frei und Anna Kremer sind Doktorandinnen an der
Cuadrado-Roura und Maroto 2016, Xiao et al. 2018). Andere Niederlassung Dresden des ifo Instituts – Leibniz-Institut für Wirtschafts
Studien zeigen wiederum, dass Regionen, die eine stark (tech- forschung an der Universität München e. V.
ifo Dresden berichtet 2/2021 3Ak tuelle Forschungsergebnisse
Abb. 1
Auswirkungen der Finanzkrise auf das reale Bruttoinlandsprodukt je Einwohner in den deutschen Kreisen
1a) Entwicklung des realen BIP je Einwohner 1b) Dauer in Jahren, bis das Vorkrisenniveau
2008 bis 2009 wiederhergestellt ist
-15 bis -20% 9+ Jahre
-10 bis -15% 6-8 Jahre
-10 bis -5% 3-5 Jahre
-5 bis 0% 2 Jahre
0 bis +5% 1 Jahr
Anmerkungen: Panel 1a) zeigt die Entwicklung des realen BIP je Einwohner in Euro in den deutschen Kreisen von 2008 bis 2009. Panel 1b) zeigt
die Dauer in Jahren, bis das reale BIP je Einwohner das Vorkrisenniveau von 2008 wieder erreicht hat. Für Kreise, deren reales BIP je Einwohner
im Jahr 2009 über dem des Jahres 2008 lag, nehmen wir eine Erholungsdauer von einem Jahr an, da wir aufgrund der Jahresdaten nicht be-
obachten können, wie sich deren BIP je Einwohner in den Monaten direkt nach dem Beginn der Krise verhielt.
Quelle: Arbeitskreis Volkswirtschaftliche Gesamtrechnungen der Länder (2020), Darstellung des ifo Instituts. © ifo Institut
ändern. Derartige Anpassungen könnten helfen, die Krise lang- Erholungsdauer als Maße für regionale Erholung der Kreise
fristig nachhaltiger zu überwinden. Dies könnte allerdings die von der Finanzkrise.
hier untersuchte Erholungsdauer erhöhen. In 23 Kreisen war das reale BIP je Einwohner einige Jahre
Wir können auf eine Vielzahl an möglichen Einflussfakto- nach der Krise größer als das Vorkrisenniveau, lag im Jahr 2017
ren aus verschiedenen Bereichen zugreifen und deren Einfluss allerdings unterhalb des Wertes von 2008 (Erholungsintensität
auf die Erholung betrachten, deren Bedeutung bereits in der < 1, Erholungsdauer < 9 Jahre). Das BIP je Einwohner dieser
wissenschaftlichen Literatur herausgestellt wurde. Dazu zählen Kreise ist also nicht unmittelbar im Jahr nach der Finanzkrise
Informationen zur Branchen- und Bevölkerungsstruktur, Inno- abgesackt, sondern erst einige Jahre später. Da davon ausge-
vationskraft, zu Wanderungsbewegungen, kommunalen Finan- gangen werden kann, dass das geringere BIP je Einwohner im
zen und zum Arbeitsmarkt. Jahr 2017 andere Ursachen als die Finanzkrise hat, verwenden
wir für die Erholungsdauer die Anzahl an Jahren, bis das reale
JE LÄNGER DIE ERHOLUNG DAUERTE, BIP je Einwohner das erste Mal wieder das Vorkrisenniveau
DESTO SCHLECHTER WAR SIE erreichte bzw. überschritt. Für Kreise, deren reales BIP je Ein-
wohner in allen Jahren von 2009 bis 2017 unterhalb des Vor-
Abbildung 2 zeigt einen negativen Zusammenhang zwischen krisenniveaus lag, legen wir eine Erholungsdauer von zehn
der Erholungsintensität nach neun Jahren und der Erholungs- Jahren fest, um diese bei unserer Analyse nicht auszuschließen.
dauer des BIP je Einwohner. Je schlechter sich ein Kreis erholte, In 30 Kreisen lag das reale BIP je Einwohner im Jahr 2009
umso länger brauchte er, um auf das Vorkrisenniveau zurück oberhalb des Wertes von 2008 (Erholungsintensität > 1, Erho-
zu gelangen. Die Korrelation der beiden Größen beträgt -0,54. lungsdauer ≤ 1 Jahr). Es ist durchaus möglich, dass es dort zu
Aufgrund dieses eher mittleren empirischen Zusammenhangs keinem BIP-Einbruch kam oder dieser nur für einige Monate
betrachten wir sowohl die Erholungsintensität als auch die auftrat. Da uns auf Kreisebene lediglich jährliche Daten zum
4 ifo Dresden berichtet 2/2021Ak tuelle Forschungsergebnisse
Abb. 2
Negativer Zusammenhang zwischen Erholungsintensität und Erholungsdauer
1,8
Erholungsintensität nach 9 Jahren
1,6
1,4
1,2
1,0
0,8
0 1 2 3 4 5 6 7 8 9 10
Erholungsdauer in Jahren
Anmerkungen: Die Abbildung zeigt den Zusammenhang zwischen der Erholungsintensität (neun Jahre nach der Krise) und der Erholungsdauer
des realen BIP je Einwohner in Deutschland. Kreise, deren reales BIP je Einwohner im Jahr 2017 unter dem des Jahres 2008 lag, wurden zu einer
Restkategorie mit einer Erholungsdauer von zehn Jahren zusammengefasst und sind nicht in der Abbildung enthalten. Die graue Linie stellt
den negativen Zusammenhang dar.
Quelle: Arbeitskreis Volkswirtschaftliche Gesamtrechnungen der Länder (2020), Darstellung des ifo Instituts. © ifo Institut
BIP je Einwohner vorliegen, können wir keine Aussage über Infobox 1: Regressionsanalyse
die Anfälligkeit dieser Kreise treffen. Wir gehen in der Analyse
davon aus, dass auch diese Kreise (zumindest kurzfristig) von Wir verwenden Kleinste-Quadrate-Schätzungen (KQ), um zu
der Finanzkrise betroffen waren und berücksichtigen diese in erklären, welche Faktoren mit der Erholung der Kreise zu-
den Berechnungen.3 sammenhängen. Dazu schätzen wir folgende Spezifikation:
yi = xi‘β + εi mit i = 1,..,n
Die abhängige Variable yi hängt linear von mehreren unab-
BRANCHENSTRUKTUR UND ARBEITSMARKT
hängigen Variablen xi‘ ab. Als abhängige Variable nutzen wir
HÄNGEN MIT DER ERHOLUNG ZUSAMMEN
sowohl die Erholungsintensität als auch die Erholungsdauer.
Diese regressieren wir auf Informationen zur Branchen-
In diesem Abschnitt führen wir Querschnittsanalysen durch
struktur, dem Arbeitsmarkt, der Bevölkerungsstruktur so-
und regressieren sowohl die Erholungsintensität als auch die
wie der Bildung. Da nicht alle Faktoren, die mit der abhängi-
Erholungsdauer auf die jeweiligen Werte der erklärenden Va-
gen Variablen in Verbindung stehen, richtig gemessen oder
riablen von 2008, um statistische Zusammenhänge aufzeigen
beobachtet werden können, enthält die Gleichung den
zu können.
Fehlerterm εi. Bei der KQ-Schätzung wird die Summe der
Mittels der Regionaldaten und der dargestellten Methodik
quadrierten Fehlerterme minimiert, um so den interessie-
versuchen wir zu erklären, warum sich manche Regionen
renden Koeffizienten β möglichst genau schätzen zu kön-
besser und andere schlechter vom exogenen Schock der Fi-
nen. Da diese lineare Gleichung keine kausalen Effekte,
nanzkrise erholten. Die Ergebnisse stellen allerdings keinen
sondern lediglich Korrelationen zeigt, sehen wir im Weiteren
kausalen Zusammenhang dar, sondern lediglich Korrelationen,
davon ab, die genaue Größe der Koeffizienten zu interpre-
da auch unbeobachtete Größen die Entwicklung des BIP beein-
tieren. Wir werden lediglich das Vorzeichen sowie die sta-
flussen können. Infobox 1 erläutert Details zur Methodik.
tistische Signifikanz bewerten.
Die Ergebnisse der Regression mit der Erholungsintensität
als abhängiger Variable sind in Tabelle 1 dargestellt. Die ab-
hängige Variable in Spalte (1) ist die Erholungsintensität fünf am Arbeitsmarkt scheint die Erholung zu begünstigen, wäh-
Jahre nach der Krise relativ zum Vorkrisenjahr. In Spalte (2) ist rend ein hoher Anteil an Personen in der Qualifikationsphase
die abhängige Variable genauso definiert, allerdings neun sowie außerhalb des Erwerbslebens eher negativ zur Erholung
Jahre nach der Krise. beiträgt. Während eine hohe Bruttowertschöpfung in der
Die Erholungsintensität der deutschen Kreise korreliert Land-, Forstwirtschaft und Fischerei positiv, aber statistisch
mit der Vielseitigkeit der Branchenstruktur. Eine gute Situation nicht signifikant, mit der Erholungsintensität eines Kreises
ifo Dresden berichtet 2/2021 5Ak tuelle Forschungsergebnisse
Tab. 1
Einflussfaktoren auf die Erholungsintensität und die Erholungsdauer
Abhängige Variable: Erholungsintensität Erholungsdauer
Nach fünf Jahren Nach neun Jahren
(1) (2) (3)
Branchenstruktur
Bruttowertschöpfung (BWS) Land-, Forstwirtschaft 0,01294 0,00794 -0,35903
und Fischerei (in Mill. Euro je Einwohner) (0,01606) (0,01837) (0,39775)
BWS Produzierendes Gewerbe (in Mill. Euro je Einwohner) -0,02305*** -0,02367*** 0,38425***
(0,00425) (0,00402) (0,11363)
BWS Baugewerbe (in Mill. Euro je Einwohner) -0,02695** -0,03569*** -0,01715
(0,01231) (0,01248) (0,23747)
BWS Dienstleistungsbereiche (in Mill. Euro je Einwohner) -0,02727*** -0,02951*** 0,37544***
(0,00499) (0,00406) (0,11796)
Arbeitsmarkt
Arbeitnehmerentgelt (in Mill. Euro je Einwohner) 0,01519*** 0,01663*** -0,31085***
(0,00289) (0,00342) (0,09398)
Arbeitslosenquote (in %) 0,00174 0,00332 -0,07772
(0,00179) (0,00210) (0,07082)
Selbstständige je 1 000 Erwerbstätige 0,00090*** 0,00132*** -0,01539**
(0,00028) (0,00037) (0,00767)
Bevölkerungsstruktur
Bevölkerungsdichte (Einwohner je Quadratkilometer) -0,00003*** -0,00004*** 0,00029
(0,00001) (0,00001) (0,00029)
Durchschnittsalter -0,01034*** -0,01366*** 0,06409
(0,00390) (0,00476) (0,11153)
Bildung/Qualifikation
Studenten je Einwohner -0,17644* -0,21999* 0,30900
(0,10604) (0,12042) (0,38900)
Sonstiges
Neuerrichtete Gewerbebetriebe je 1 000 Einwohner -0,00786*** -0,01228*** 0,33666***
(0,00265) (0,00336) (0,09878)
Durchschnittliches reales BIP je Einwohner 2004-2008 0,00002*** 0,00002*** -0,00022**
(in Mill. Euro) (0,00000) (0,00000) (0,00010)
Mittelwert der abhängigen Variablen 1,069 1,124 3,277
Beobachtungsanzahl 401 401 401
R² 0,520 0,532 0,295
Anmerkungen: Die Tabelle zeigt die Ergebnisse einer KQ-Schätzung mit drei verschiedenen abhängigen Variablen: der Erholungsintensität
nach fünf Jahren (Spalte (1)) und nach neun Jahren (Spalte (2)), sowie der Erholungsdauer (Spalte (3)). In der Schätzung sind zusätzliche Bundes-
landdummies und eine Konstante enthalten. Angabe robuster Standardfehler in Klammern. Signifikanzniveaus: *0,1; **0,05; ***0,01.
Quelle: Darstellung des ifo Instituts. © ifo Institut
einhergeht, ist der Zusammenhang mit der Bruttowertschöp- niveau wieder erreicht hat. Die Dauer der Erholung korreliert
fung des Produzierenden Gewerbes, des Baugewerbes sowie vor allem mit der Branchenstruktur sowie dem Arbeitsmarkt.
der Dienstleistungsbereiche negativ. Hinsichtlich des Arbeits- Hinsichtlich der Bruttowertschöpfung der Branchen zeigen
marktes scheinen der Anteil der Selbstständigen sowie ein sich ähnliche Implikationen wie zuvor bei der Erholungsinten-
höheres Arbeitnehmerentgelt je Einwohner mit einer höheren sität. Je höher die Bruttowertschöpfung im Produzierenden
Erholungsintensität einherzugehen. Dazu kommt ein negativer Gewerbe, im Baugewerbe sowie bei verschiedenen Dienst-
Zusammenhang des Studentenanteils mit der Erholungsinten- leistungen, desto länger dauerte die Erholung. Eine gute Situa-
sität. Zudem scheint eine jüngere Bevölkerung die Erholungs- tion am Arbeitsmarkt trägt zu einer schnelleren Erholung bei:
intensität zu begünstigen. Je mehr Gewerbebetriebe neu er- Ein höheres Arbeitnehmerentgelt sowie ein größerer Anteil
richtet wurden, desto geringer war die Erholungsintensität. Selbstständiger gehen mit einer schnelleren Erholung einher.
In Spalte (3) von Tabelle 1 ist die abhängige Variable die Jedoch dauerte die Erholung umso länger, je mehr neue Be-
Dauer in Jahren, bis das reale BIP je Einwohner das Vorkrisen- triebe errichtet wurden.
6 ifo Dresden berichtet 2/2021Ak tuelle Forschungsergebnisse
Die Ergebnisse der empirischen Analyse ändern sich nicht, FAZIT
wenn man als Vorkrisenniveau anstelle des realen BIP je Ein-
wohner im Jahr 2008 den Fünfjahresdurchschnitt von 2004 Die Finanzkrise führte in Deutschland ab dem Jahr 2009 zu
bis 2008 verwendet, um zu berücksichtigen, dass in manchen einem deutlichen Einbruch der Wirtschaft, gemessen am realen
Kreisen das BIP im Jahr 2008 unverhältnismäßig hoch oder BIP je Einwohner. Die deutschen Kreise erholten sich auf unter-
niedrig war. schiedliche Weise von diesem externen Einfluss. Dies unter-
suchen wir anhand der Erholungsintensität und der Erholungs-
NOCH NICHT VOLLSTÄNDIG ERHOLTE KREISE geschwindigkeit. Positiv korreliert mit einer schnellen und
vollständigen Erholung sind eine breit aufgestellte Wirtschafts-
Wie bereits erwähnt, lag das reale BIP je Einwohner im Jahr struktur und ein großer Anteil an hochqualifizierten Arbeit-
2017 in 23 Kreisen noch immer unter dem jeweiligen Vorkrisen- nehmern. Zudem erholten sich vor allem Kreise mit einem
niveau des Jahres 2008. Aus der empirischen Analyse kann höheren Anteil an Selbstständigen und einer geringeren Ar-
man nicht erkennen, ob diese Kreise Gemeinsamkeiten auf- beitslosenquote schnell und vollständig. Interessant ist zudem,
weisen oder sie die Ergebnisse verzerren. Deskriptiv erkennt dass es sich bei denjenigen Kreisen, die auch im Jahr 2017 noch
man jedoch, dass es sich dabei vorwiegend um kreisfreie Städte unter ihrem Vorkrisenniveau zurückblieben, vorwiegend um
in Westdeutschland (vor allem in Nordrhein-Westfalen und kreisfreie Städte in Westdeutschland handelt, die vor der Krise
Hessen) handelt, die vor der Krise ein höheres Niveau des BIP ein höheres Niveau des BIP je Einwohner aufwiesen als dieje-
je Einwohner hatten als die Gruppe, die ihr Vorkrisenniveau nigen Kreise, die ihr Vorkrisenniveau bereits wieder erreichen
wieder erreichte bzw. steigerte, was mit einem verhältnismäßig oder steigern konnten, und durch die Finanzkrise einen wesent-
tieferen Einbruch einherging (vgl. Abb. 3). Die Entwicklung des lich stärkeren Einbruch zu verzeichnen hatten.
realen BIP je Einwohner der vollständig und der nicht voll-
ständig erholten Kreise 2009 zeigt zudem, dass der Unterschied
im BIP-Niveau vor allem in den letzten Jahren abgenommen LITERATUR
hat. Die Gruppe der Kreise, die ihr Vorkrisenniveau wieder er-
AK VGRdL – Arbeitskreis Volkswirtschaftliche Gesamtrechnungen der Länder
reicht hat, schließt zu der anderen auf, was zur innerdeutschen (Hrsg.) (2020), Bruttoinlandsprodukt, Bruttowertschöpfung in den kreisfreien
Konvergenz beiträgt. Städten und Landkreisen der Bundesrepublik Deutschland 1992 und 1994
bis 2017, Download unter http://www.vgrdl.de/, zuletzt abgerufen am
1. September 2020.
Abb. 3
Entwicklung des Bruttoinlandsprodukts je Einwohner von erholten und noch nicht erholten Kreisen
über Vorkrisenniveau
Bruttoinlandsprodukt je Einwohner unter Vorkrisenniveau
50 000
45 000
40 000
35 000
30 000
25 000
2000 2005 2010 2015
Anmerkungen: Die Abbildung zeigt den Verlauf des durchschnittlichen realen BIP je Einwohner in Deutschland zwischen 2000 und 2017. Dunkel-
grün: BIP nicht wieder auf Vorkrisenniveau. Hellgrün: BIP auf/über Vorkrisenniveau. Die vertikale graue Linie markiert das Jahr der Finanzkrise
2009.
Quelle: Arbeitskreis Volkswirtschaftliche Gesamtrechnungen der Länder (2020), Darstellung des ifo Instituts. © ifo Institut
ifo Dresden berichtet 2/2021 7Ak tuelle Forschungsergebnisse
BBSR – Bundesamt für Bau-, Stadt- und Raumentwicklung (Hrsg.) (2020), Statistische Ämter des Bundes und der Länder (Hrsg.) (verschiedene
INKAR – Indikatoren und Karten zur Raum- und Stadtentwicklung, Download Jahrgänge), Regionaldatenbank Deutschland, verschiedene Indikatoren,
unter https://www.inkar.de, zuletzt abgerufen am 1. September 2020. Download unter https://www.regionalstatistik.de, zuletzt abgerufen am
1. September 2020.
Crescenzi, R., Luca, D. und S. Milio (2016), „The Geography of the Economic
Crisis in Europe: National Macroeconomic Conditions, Regional Structural Xiao, J., Boschma, R. und M. Andersson (2018), „Resilience in the European
Factors and Short-term Economic Performance”, Cambridge Journal of Union: The Effect of the 2008 Crisis on the Ability of Regions in Europe to
Regions, Economy and Society, 9(1), S. 13–32. Develop New Industrial Specializations”, Industrial and Corporate Change,
27(1), S. 15–47.
Cuadrado-Roura, J. R. und A. Maroto (2016), „Unbalanced Regional Resilience
to the Economic Crisis in Spain: A Tale of Specialisation and Productivity”,
Cambridge Journal of Regions, Economy and Society, 9(1), S. 153–178,
Download unter https://doi.org/10.1093/cjres/rsv034
Foertsch, M., Frei, X., Kremer, A. und J. Ragnitz (2021), Analyse regionaler
Risiko- und Resilienzfaktoren in Deutschland, ifo Dresden Studie, 86, 1 Die meisten Daten sind für den gesamten betrachteten Zeitraum verfügbar,
ifo Institut, München/Dresden. jedoch nicht immer für alle Kreise.
Martin, R. und B. Gardiner (2019), „The Resilience of Cities to Economic Shocks: 2 Wir nutzen einen Deflator auf Bundeslandebene, um das reale BIP je
A Tale of Four Recessions (and the Challenge of Brexit)”, Papers in Regional Einwohner eines Kreises zu berechnen.
Science, 98(4), S. 1 801–1 832, Download unter https://doi.org/10.1111/
pirs.12430 3 Geht man davon aus, dass diese Kreise doch nicht von der Krise betroffen
waren und vernachlässigt diese bei den Berechnungen, ändert sich nichts
Sensier, M. und M. Artis (2016), „The Resilience of Employment in Wales: an der Interpretation (Vorzeichen und Signifikanz) der Ergebnisse.
Through Recession and Into Recovery”, Regional Studies, 50(4), S. 586–599.
8 ifo Dresden berichtet 2/2021Ak tuelle Forschungsergebnisse
Mona Förtsch, Xenia Frei, Anna Kremer und Lisa-Marie Müller*
Die Resilienz deutscher Kreise gegenüber
der Naturkatastrophe Sturm „Lothar“
Dieser Artikel untersucht die wirtschaftliche Resilienz der deutschen Kreise gegenüber einer Naturkata-
strophe. Hierfür betrachten wir die Auswirkungen des Sturms Lothar, welcher zum Ende des Jahres 1999
besonders in Süddeutschland wütete. Unsere Untersuchung zeigt, dass die deutschen Regionen gegen-
über dem Sturm Lothar recht resilient waren. Nur in besonders stark betroffenen Orkanregionen hatte
Lothar einen negativen Einfluss auf das Bruttoinlandsprodukt je Einwohner. Kreise, in denen die Wind-
stärken geringer ausfielen, waren demgegenüber weniger anfällig. Auch in den stark betroffenen Kreisen
kam es aber zu einer sehr schnellen wirtschaftlichen Erholung, in der Regel innerhalb eines Jahres.
Der Jahrhundertsturm Lothar fegte am 26. Dezember 1999 wirkungen haben können. So zeigt eine Untersuchung der
über Mitteleuropa hinweg. Den Südwesten Deutschlands traf Auswirkungen des Elbe-Hochwassers im Jahr 2002 in Sachsen
er besonders stark: Die Höchstgeschwindigkeit von 272 km/h kurzfristige, positive Wachstumseffekte (Berlemann und Vogt
wurde auf dem Hohentwiel bei Singen, Baden-Württemberg, 2008). Bedingt sind diese zum einen durch Aufwendungen für
gemessen. Auch in vielen anderen Regionen kam es zu Strom- den Wiederaufbau. Zum anderen werden Infrastrukturzerstö-
ausfällen, Häuser wurden zerstört und der Verkehr wurde groß- rungen bei der Berechnung des Bruttoinlandsprodukts (BIP)
flächig beeinträchtigt. Der gesamtwirtschaftliche Verlust durch nicht eingerechnet.
den Sturm betrug laut einer Schätzung der Munich RE 11,5 Mrd. Die bestehende Literatur verdeutlicht, dass die Möglichkeit
Euro.1 Wie stark der Sturm die deutsche Wirtschaft tatsächlich verschiedener Reaktionen der Wirtschaft nach einem Sturm
beeinträchtigt hat, soll im Folgenden untersucht werden. Wir besteht. Kurz nach der Katastrophe kann diese aufgrund von
untersuchen zu diesem Zweck die Resilienz deutscher Kreise Produktionsausfällen oder bspw. Stoppen des Verkehrs einen
nach dem Sturm. Der Beitrag fasst wesentliche Ergebnisse von negativen Einfluss auf die Wirtschaft haben. Ein weiterer Aspekt,
Förtsch et al. (2021) zusammen. der in der Literatur thematisiert wird, ist der des Wiederauf-
Resilienz bezeichnet die Fähigkeit eines Wirtschaftssys- baus nach der Katastrophe. Die dafür benötigten Aufwendun-
tems, nach einem exogenen Schock auf sein Vorkrisenniveau gen gehen positiv in die Berechnung des BIP ein.
zurückzukehren. Sie gliedert sich in die Komponenten Vulnera- Aufgrund der Gegebenheit, dass der Sturm Lothar in unse-
bilität und Regenerationsfähigkeit. Als Vulnerabilität wird die rem Beispiel erst zum 26. Dezember des Jahres 1999 auftrat
Verwundbarkeit eines Wirtschaftssystems bezeichnet, sprich und dies darüber hinaus in die Zeit zwischen Weihnachten und
wie stark die Wirtschaftskraft in Folge eines Schocks einbricht. Neujahr fällt, erwarten wir hier keine starken Effekte im Jahr
Regenerationsfähigkeit bezeichnet die Geschwindigkeit und 1999 direkt nach dem Auftreten des Sturmes. Es besteht aller-
Intensität, mit der ein Wirtschaftssystem nach einem Einbruch dings die Möglichkeit, dass Lothar einen negativen Effekt zu
auf sein Vorkrisenniveau zurückkehrt. Beginn des Jahres 2000 hatte, da es möglicherweise weiterhin
Resilienz sowie die wirtschaftlichen Auswirkungen von Einschränkungen gab. Je stärker ein Gebiet von der Katastro-
Naturkatastrophen auf die Wirtschaft wurden in der Literatur phe betroffen war, umso länger und stärker könnten die Aus-
bereits vielfältig diskutiert. Eine Studie von Cavallo et al. (2013) wirkungen ausfallen. Gleichzeitig gab es aber auch Wiederauf-
betrachtet wirtschaftliche Auswirkungen von Katastrophen bau. Daher ist es ebenfalls möglich, dass der negative Schock zu
in mehreren Ländern, wie etwa Tsunamis, Hurrikans und Erd- einer Steigerung des BIP-Wachstums im Jahr 2000 geführt hat.
beben. Sie kommt zu dem Schluss, dass sich lediglich extreme Ungeachtet der verschiedenen Mechanismen besteht aber
Natur- und Wetterereignisse kurz- und langfristig negativ auf auch die Möglichkeit, dass es Folgen von Lothar gab, diese
das Wirtschaftswachstum auswirken. Ursächlich dafür sind u. a. aber bei jährlicher Betrachtung nicht ausreichend sichtbar
eine erhöhte Staatsverschuldung, um die Kosten für den Wieder- sind, da im Jahresdurchschnitt auch andere wichtige Ereignisse
aufbau tragen zu können, und eine durch die Katastrophe indu- auf die Konjunktur wirken. Ein spezifisches Problem ist hier
zierte Arbeitsmigration. Barone und Mocetti (2014) untersuchen das Platzen der Dotcom-Blase im März 2000.
die wirtschaftlichen Auswirkungen von zwei Erdbeben Ende der Insgesamt ist es unklar, ob der Sturm Lothar kurz- oder
1990er Jahre in Italien. In der kurzen Frist finden Barone und langfristige positive oder negative wirtschaftliche Effekte in
Mocetti kaum Veränderungen des Wirtschaftswachstums. Die den betroffenen deutschen Regionen hatte oder ob es mögli-
Autoren argumentieren, dass dies auf staatliche finanzielle
Unterstützung der betroffenen Regionen zurückzuführen ist. * Mona Förtsch, Xenia Frei und Anna Kremer sind Doktorandinnen und Lisa-
Marie Müller war zum Zeitpunkt der Erstellung des Artikels Praktikantin an
Andere Studien zeigen, dass Naturkatastrophen in der langen der Niederlassung Dresden des ifo Instituts – Leibniz-Institut für Wirtschafts
Frist sowohl positive als auch negative wirtschaftliche Aus- forschung an der Universität München e. V.
ifo Dresden berichtet 2/2021 9Ak tuelle Forschungsergebnisse
cherweise auch positive Effekte der Zerstörung gab. Um diese Abb. 1
Frage zu beantworten, gehen wir wie folgt vor: Im ersten Gemessene Windstärken des Sturms Lothar (in m/s) in den deutschen
Schritt werden die vom Sturm heimgesuchten Regionen auf Kreisen (Jahr 1999)
ihre Vulnerabilität überprüft. In einem zweiten Schritt schluss-
folgern wir, ob es sich bei Lothar um einen wirtschaftlichen
Schock gehandelt hat.
DATEN
Als Datenquelle für die quantitative Untersuchung werden
die INKAR-Datenbank des Bundesamtes für Bau-, Stadt- und
Raumforschung (BBSR) sowie als Ergänzung die Regionalda-
tenbank der Statistischen Ämter und die Daten des Arbeits-
kreises Volkswirtschaftlichen Gesamtrechnungen der Länder
(AK VGRdL) auf Kreisebene genutzt. Für den betrachteten
Zeitraum in den 1990er Jahren liegen die Daten allerdings nur
lückenhaft vor. Da mögliche Einflussfaktoren des Wirtschafts- Windstärke in m/s
wachstums und der Resilienz betrachtet werden, orientiert 0
sich die Auswahl der Variablen an dem Erkenntnisstand der
- 24,4
wissenschaftlichen Literatur.
Für die Ermittlung der Resilienz gegenüber extremen 24,5 - 28,4
Wetterereignissen und Naturkatastrophen kann auf verschie- 28,5 - 32,6
dene Kennzahlen zur Approximation der wirtschaftlichen Lage 32,7 -
zurückgegriffen werden. Das BIP sowie die Beschäftigtenquote
werden in der Literatur regelmäßig verwendet (u. a. Crescenzi
et al. 2016, Martin und Gardiner 2019). Es ist davon auszugehen, Anmerkungen: Die Karte zeigt die gemessenen Windstärken in m/s
während des Sturms „Lothar“ in Deutschland. Je dunkler die Farbe,
dass der potenzielle Schock, der von der Naturkatastrophe
desto höher war die gemessene Windstärke.
Lothar ausging, eine eher kurzzeitige Wirkung hatte und die
Quelle: Mareshot (2014), Darstellung des ifo Instituts. © ifo Institut
Wirtschaft nicht nachhaltig beeinflusste. Da strukturelle Ver-
änderungen eher unwahrscheinlich sind, nehmen wir zudem
an, dass es lediglich geringe Auswirkungen auf die Beschäfti- Visuell sind keine unterschiedlichen Reaktionen von
gungszahl gibt. Aus diesen Gründen greifen wir in dieser Ana- betroffenen und nicht betroffenen Kreisen auf den Schock
lyse nur auf das preisbereinigte BIP je Einwohner 2 als Resili- Lothar zu erkennen. In betroffenen wie in nicht betroffenen
enzindikator zurück. Als Basis- bzw. Ausgangsniveau vor der Kreisen ist eine positive Entwicklung des BIP je Einwohner
Naturkatastrophe ziehen wir das preisbereinigte BIP je Ein- über alle betrachteten Jahre zu verzeichnen. Es ist auffällig,
wohner des Jahres 1998 heran. dass die von Lothar betroffenen Regionen eine stärkere Wirt-
Mögliche kurzfristige wirtschaftliche Folgen des Sturms schaft haben. Dennoch folgen sowohl die betroffenen als auch
könnten sich sowohl in den Daten des Jahres 1999 als auch die nicht betroffenen Kreise dem selben Trend.
2000 zeigen. Dies liegt vor allem daran, dass Lothar „zwischen Um festzustellen, ob die unterschiedlich starke Betroffen-
den Jahren“ 1999 wütete. heit vom Sturm die Regionen auch unterschiedlich beein-
trächtigt hat, nutzen wir eine weitere, deutlichere Abgrenzung.
STÄRKERE BETROFFENHEIT IN SÜDDEUTSCHLAND Damit soll ausgeschlossen werden, dass Lothar nur in den
stark betroffenen Regionen zu Wirtschaftseinbrüchen geführt
Eine Quantifizierung der Stärke der Naturkatastrophe nehmen hat und unsere Ergebnisse von den weniger stark betroffenen
wir durch die Erfassung der Windgeschwindigkeit in Meter pro Regionen verzerrt werden. Wir ziehen daher die Beaufort-Skala
Sekunde von Lothar vor. Es wurden Werte in der Spanne von heran, um das Ausmaß der Windstärken zu klassifizieren. Die
21,25 m/s bis 38,75 m/s festgestellt (vgl. Abb. 1). Viele Kreise Beaufort-Skala unterscheidet „Sturm“ (20,8 – 24,4 m/s), „schwe-
im Nordosten Deutschlands blieben vom Sturm verschont. rer Sturm“ (24,5 – 28,4 m/s), „orkanartiger Sturm“ (28,5 – 32,6
Für diese Regionen wurde der Wert 0 erfasst. Zudem gehen m/s) und „Orkan“ (ab 32,7 m/s). Wir fassen „Sturm“ und „schwe-
wir davon aus, dass Kreise, welche von der geringsten Wind- rer Sturm“ zu einer Gruppe sowie „orkanartiger Sturm“ und
stärkenklasse (bezeichnet als „Sturm“ mit einer Windstärke „Orkan“ zu einer weiteren Gruppe zusammen, da die Beob-
24,4 m/s) oder nicht (WindstärkeAk tuelle Forschungsergebnisse
Abb. 2 Abb. 3
Bruttoinlandsprodukt in von Lothar betroffenen und nicht betrof- Bruttoinlandsprodukt in den Sturm- und Orkanregionen
fenen Kreisen
betroffen von Lothar nicht betroffen kein Wind Sturm Orkan
29 000 29 000
27 000 27 000
25 000 25 000
23 000 23 000
21 000 21 000
19 000 19 000
17 000 17 000
15 000 15 000
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
Anmerkungen: Die Abbildung zeigt das durchschnittliche BIP je Ein- Anmerkungen: Die Abbildung zeigt das durchschnittliche BIP je Ein-
wohner in Euro in den Regionen, welche stark (Windstärke >24,4 m/s) wohner in Euro in den Regionen welche nicht (28,4 m/s) betroffen waren.
Quelle: Arbeitskreis Volkswirtschaftliche Gesamtrechnungen der Länder (2020), Quelle: Arbeitskreis Volkswirtschaftliche Gesamtrechnungen der Länder (2020),
Darstellung des ifo Instituts. © ifo Institut Darstellung des ifo Instituts. © ifo Institut
ein ähnlicher Trend in allen Gruppen zu erkennen und dass in sichtlich, dass es auch in den Schockjahren ein bundesweites
den stärker von Lothar betroffenen Gebieten die Wirtschafts- Wirtschaftswachstum gab, dieses aber statistisch keine rele-
kraft am höchsten ist. vante Abweichung darstellt.
Mit der Unterscheidung zwischen Kreisen ohne Wind,
„LOTHAR“ – EIN WIRTSCHAFTSSCHOCK? Kreisen mit Sturm und Kreisen mit Orkan – also zwei anstelle
von einer Treatmentgruppe – wird zudem geprüft, ob Lothar
Da eine visuelle Analyse der Auswirkungen Lothar auf das BIP einen Wirtschaftsschock in den besonders stark betroffenen
nicht ausreichend ist, um die Resilienz der Kreise zu bewerten, Orkanregionen ausgelöst hat, während die weniger stark be-
schätzen wir im Folgenden den Effekt statistisch. Dabei nutzen troffenen Sturmregionen die Folgen gut abfedern konnten
wir einen Differenz-von-Differenzen-Ansatz (Diff-in-Diff), um (Spalten (3)-(5)). Für das Jahr 2000 kann für Orkanregionen
einen kausalen Effekt zu identifizieren. (die am stärksten betroffenen Kreise) ein negativer Wachstums-
Als Kontrollvariablen verwenden wir in der Literatur häufig effekt nachgewiesen werden. Der Koeffizient ist auf dem
genutzte Determinanten wie die Branchenstruktur (vgl. Cre- 10%-Niveau statistisch signifikant von Null verschieden. Daher
scenzi et al. 2016, Groot et al. 2011), Arbeitsmarktsituation und wird auch das Jahr 2001 betrachtet, um die Wirkungsdauer
Qualifikation der Beschäftigten (vgl. Duschl 2014, Crescenzi abzuschätzen. Bereits im Jahr 2001 ist jedoch kein Effekt von
et al. 2016) sowie die Bevölkerungsstruktur (vgl. Capello et al. Lothar in Orkanregionen mehr messbar. Das verdeutlicht, dass
2015). Lothar nur einen kurzfristigen negativen Effekt auf die Wirt-
In Spalten (1) und (2) von Tabelle 1 sind die Ergebnisse schaft hatte und bereits im nächsten Jahr kein Effekt mehr
der Diff-in-Diff-Schätzungen für die Unterscheidung zwischen nachgewiesen werden kann.
den betroffenen (größere Windstärken >24,4 m/s) und nicht Zusammenfassend zeigt sich in den Schätzungen, dass die
betroffenen Kreisen (keine bzw. geringe WindstärkenAk tuelle Forschungsergebnisse
Tab. 1
Betroffene gegenüber nicht betroffenen Kreisen sowie nicht betroffene Kreise gegenüber Sturm- und Orkanregionen
Abhängige Variable: Betroffene vs. Nicht betroffene Kreise,
nicht betroffene Kreise Sturm- vs. Orkanregionen
BIP je Einwohner 1999 2000 1999 2000 2001
(1) (2) (3) (4) (5)
Dummy Schockjahr 97,62 81,65 153,4 125,7 716,9***
(146,2) (93,45) (200,6) (122,9) (137,2)
Dummy Schockbetroffenheit 63,50 113,5
(Interaktion Jahr x Region) (92,18) (81,05)
Dummy Sturmbetroffenheit -29,57 -14,19 -26,18
(Interaktion Jahr x Region) (119,5) (106,1) (133,0)
Dummy Orkanbetroffenheit -108,2 -235,6* -136,8
(Interaktion Jahr x Region) (139,5) (129,4) (180,6)
Kontrollvariablen ja ja ja ja ja
Kreisfixe Effekte ja ja ja ja ja
Beobachtungsanzahl (Panel) 802 1 203 802 1 203 1 604
Korrigiertes R² 0,357 0,359 0,357 0,362 0,471
Anmerkungen: Die Tabelle zeigt die Ergebnisse einer Diff-in-Diff -Schätzung zwischen 1998-1999, 1998-2000 bzw. 1998-2001. Angabe robuster
Standardfehler in Klammern. Signifikanzniveaus: *0,1; **0,05; ***0,01.
Quelle: Darstellung des ifo Instituts. © ifo Institut
Möglich ist, dass der Schock in den Daten unterschätzt klar, ob der Effekt, der gefunden wurde, die gesamten Auswir-
wird, da ein Wiederaufbau nach den Schäden das BIP je Ein- kungen darstellt oder ob positive und negative Folgen sich
wohner stärkt und so die Wirtschaftseinbrüche verdecken teilweise gegenseitig aufgehoben haben.
könnte. Im Folgenden versuchen wir daher zu ermessen, ob Um herauszufinden, wie stark der Wiederaufbau als posi-
Vulnerabilität und Erholung sich gegenseitig ausgeglichen tive Folge auf das BIP je Einwohner in den betroffenen Regionen
haben und die Regionen im Jahresschnitt resilient(er) ge- gewirkt hat und ggf. die negativen Folgen aufgehoben hat,
macht haben. wird die Auswirkung der Naturkatastrophe auf den Anteil des
Bauhauptgewerbes am BIP je Einwohner mittels eines Diff-in-
UNTERSCHÄTZUNG DES EINBRUCHS DURCH Diff-Ansatzes untersucht (vgl. Infobox 1). Da davon auszugehen
GEGENSÄTZLICH WIRKENDE EFFEKTE? ist, dass Schäden und Wiederaufbau am deutlichsten in den
Orkanregionen auftraten, untersuchen wir, ob sich die Orkan-
Wie bereits ausgeführt, kann sich eine Naturkatastrophe in regionen in ihrer Bautätigkeit von den anderen Regionen unter-
zweierlei Hinsicht auf die Wirtschaft auswirken. Daher ist un- scheiden. Da im Jahr 1999 lediglich fünf Tage „zwischen den
Infobox 1: Differenz-in-Differenzen
Das Konzept des Diff-in-Diff-Ansatzes beruht darauf, dass in Zur Umsetzung werden hierfür drei verschiedene Dummy-
zwei Dimensionen Differenzen gebildet werden können. Die Variablen aufgenommen. Eine die anzeigt, ob man sich in dem
erste bezieht sich auf das Ausgangsniveau der betrachteten Jahr des Schocks bzw. im Folgejahr befindet. Als Schockjahre
Größe. Hierbei wird die Abweichung zwischen den beiden werden sowohl 1999 als auch 2000 definiert. Dies beruht auf
Gruppen festgestellt. Im nächsten Schritt wird die durch- der Überlegung, dass der Orkan um die Jahreswende herum
schnittliche Veränderung über die Zeit für jede der Gruppen sowohl in 1999 als auch in 2000 Schaden anrichtete. Die zweite
ermittelt. Dies ist die zweite Differenz. Grundlage der Metho- Dummy-Variable gibt an, ob es sich bei dem Kreis um einen
dik und der Schlussfolgerung auf einen kausalen Effekt ist die von Lothar betroffenen Kreis handelt. Diese kontrolliert, ob
Annahme, dass sich beide Gruppen ohne Außeneinwirkung es generelle Unterschiede zwischen den Gruppen gibt. Da wir
gleich entwickelt hätten. Dass dies bei den vorliegenden kreisfixe Effekte nutzen, werden diese Unterschiede in dieser
Gruppen zutrifft, kann aufgrund der parallelen Trends argu- Variablen abgefangen und der Dummy fällt weg. Der dritte
mentiert werden (vgl. Abb. 2 und Abb. 3). Von Interesse ist Dummy ist das Produkt aus den beiden vorhergehenden,
schlussendlich die Änderung der betrachteten Variablen, die und damit ein Interaktionsterm. Dieser nimmt nur dann den
auf den externen Schock zurückzuführen ist. Ersichtlich wird Wert 1 an, wenn ein von Lothar betroffener Kreis vorliegt
die Wirkung, da die Gruppe „mit Maßnahme“ mit der Gruppe und die Daten das Jahr 1999 oder 2000 betreffen. Der dazu-
„ohne Maßnahme“ verglichen wird. Die betrachtete Wirkung gehörige Koeffizient ist bei der Auswertung der Schätzung
ist in unserem Fall die Änderung des BIP je Einwohner der von Interesse. Er umfasst die Wirkung des exogenen Schocks
betroffenen Kreise. Sturm Lothar.
12 ifo Dresden berichtet 2/2021Ak tuelle Forschungsergebnisse
Jahren“ blieben, um Windschäden zu beheben, bezieht sich stellt werden konnten. Zudem kann in dieser Zeit von einer
die Schätzung ausschließlich auf das Jahr 2000, da davon aus- grundsätzlich niedrigeren wirtschaftlichen Aktivität ausge-
zugehen ist, dass erst dann der wesentliche Wiederaufbau gangen werden. So pendeln bspw. weniger Menschen in dieser
stattfand. Die Ergebnisse sind in Tabelle 2 dargestellt. Zeit, welche von einer Verkehrseinschränkung hätten betroffen
Der Koeffizient des Interaktionsterms, ist positiv und sig- sein können.
nifikant von Null verschieden. Lothar hatte demnach einen Es ist anzunehmen, dass der Fakt, dass die betroffenen
relevanten Einfluss auf das Bauhauptgewerbe. Dies zeigt, Regionen grundsätzlich wirtschaftlich stark sind und die zu-
dass der negative Effekt auf das BIP je Einwohner durch den grundeliegenden Strukturen hierfür nicht zerstört wurden, zu
Orkan zu einem gewissen Grad unterschätzt wird, da der po- einer schnellen Erholung beigetragen hat. Fast alle Regionen
sitive Effekt des Orkans auf die Baubranche dem negativen haben im Jahr nach dem Wirtschaftseinbruch wieder das ur-
Effekt entgegenwirkt. sprüngliche BIP je Einwohner erreicht.
FAZIT
LITERATUR
Der Sturm Lothar, welcher zum Ende des Jahres 1999 be-
Barone, G. und S. Mocetti (2014), „Natural Disasters, Growth and Institutions:
sonders in Süddeutschland wütete, hatte in besonders stark A Tale of Two Earthquakes”, Journal of Urban Economics, 84, S. 52–66.
betroffenen Orkanregionen einen negativen Einfluss auf das Berlemann, M. und G. Vogt (2008), „Kurzfristige Wachstumseffekte von Natur-
BIP je Einwohner pro Kopf. Dies zeigt gleichzeitig, dass die be- katastrophen. Eine empirische Analyse der Flutkatastrophe vom August 2002
in Sachsen“, Zeitschrift für Umweltpolitik & Umweltrecht 31 (02), S. 209-232.
troffenen Kreise gegenüber einem (starken) Sturm mit gerin-
geren Windstärken resilient waren. Capello, R., Caragliuy, A. und U. Fratesi (2015), „Spatial Heterogeneity in
the Costs of the Economic Crisis in Europe: Are Cities Sources of Regional
Naturkatastrophen wie Orkane wirken über mehrere Ka- Resilience?”, Journal of Economic Geography, 15(5), S. 951–972, Download
näle auf das BIP je Einwohner. So sind Produktionsausfälle unter https://doi.org/10.1093/jeg/lbu053
und -beeinträchtigungen negative Faktoren, während der Cavallo, E., Galiani, S., Noy, I. und J. Pantano (2013), Catastrophic Natural
Wiederaufbau zur Schadensbeseitigung das BIP je Einwohner Disasters and Economic Growth, Review of Economics and Statistics, 95(5),
S. 1 549-1 561.
steigert. In unserer Analyse finden wir einen signifikanten
Crescenzi, R., Luca, D. und S. Milio (2016), „The Geography of the Economic
Nachweis, dass letzteres auch für das BIP je Einwohner in den
Crisis in Europe: National Macroeconomic Conditions, Regional Structural
Orkanregionen nach dem Sturm relevant war. Factors and Short-term Economic Performance”, Cambridge Journal of
Die Ergebnisse zur Resilienz deutscher Kreise werden aller- Regions, Economy and Society, 9(1), S. 13–32.
dings von einem sehr speziellen Schock abgeleitet und sind Duschl, M. (2014), Regional Resilience and Fat Tails: A Stochastic Analysis
of Firm Growth Rate Distributions of German Regions, Working Papers on
daher nur bedingt übertragbar. Zum einen ist ein Sturm nur Innovation and Space, Nr. 01.14.
ein recht kurzzeitig auftretendes Ereignis, welches nur sehr
Förtsch, M., Frei, X., Kremer, A. und J. Ragnitz (2021), Analyse regionaler Risiko-
begrenzt Produktionsmittel vernichtet, anders als etwa bei und Resilienzfaktoren in Deutschland, ifo Dresden Studie, 86, ifo Institut,
einem Hochwasser. Zum anderen wurden die wirtschaftlich München/Dresden.
besonders starken Regionen, welche geografisch vor allem Groot, S. P. T., Möhlmann, J. L., Garretsen, J. H. und H. L. F. de Groot (2011),
im Süden des Landes konzentriert sind, von Lothar stärker „The Crisis Sensitivity of European Countries and Regions: Stylized Facts and
Spatial Heterogeneity”, Cambridge Journal of Regions, Economy and Society,
getroffen. In den erfolgreichen Kreisen war die Erholung ver- 4(3), S. 437–456.
mutlich einfacher, da diese in ihrer Struktur gut aufgestellt sind.
Marescot, L. (2014), Location, Location, Location: What Makes a Windstorm
Wären vorwiegend die wirtschaftlich schwächeren Regionen Memorable?, Download unter https://www.rms.com/blog/2014/12/04/location-
von der Naturkatastrophe betroffen gewesen, so hätte die location-location-what-makes-a-windstorm-memorable
Vulnerabilität größer und die Erholung langsamer ausfallen Martin, R. und B. Gardiner (2019), „The Resilience of Cities to Economic Shocks:
A Tale of Four Recessions (and the Challenge of Brexit)”, Papers in Regional
können. Zudem fiel Lothar in die Zeit „zwischen den Jahren“, Science, 98(4), S. 1 801–1 832, Download unter https://doi.org/10.1111/
weshalb die Effekte sich auf die Jahre 1999 und 2000 aufge- pirs.12430
teilt haben könnten, so dass statistisch keine Folgen festge-
Tab. 2
Wiederaufbau in Orkanregionen
Abhängige Variable: Bau als Anteil am BIP je Einwohner in 2000
Dummy Schockjahr -6 751,719***
(722,452)
Dummy Schockbetroffenheit 7 155,426***
(Interaktion Jahr x Region) (808,611)
Kreisfixe Effekte ja
Beobachtungsanzahl (Panel) 1 097
Korrigiertes R² 0,176
Anmerkungen: Die Tabelle 2 zeigt die Ergebnisse einer Diff-in-Diff-Schätzung 1996 bis 2000. Angabe robuster Standardfehler in Klammern.
Signifikanzniveaus: *0,1; **0,05; ***0,01.
Quelle: Darstellung des ifo Instituts. © ifo Institut
ifo Dresden berichtet 2/2021 13Ak tuelle Forschungsergebnisse
1 Vgl. https://www.stuttgarter-zeitung.de/inhalt.rueckblick-auf-
das-sturmtief-lothar-im-jahr-1999-der-15-minuten-jahrhundert-
orkan.1ed1af12-0580-4c4b-a65d-5020a0ecccb0.html und
http://www.planat.ch/fileadmin/PLANAT/planat_pdf/alle_2012/2001-2005/
Munich_Re_Group_2001_-_Winterst%C3%BCrme_in_Europa_II.pdf
2 Wir nutzen einen Deflator auf Bundeslandebene, um das reale BIP eines
Kreises zu berechnen.
14 ifo Dresden berichtet 2/2021Sie können auch lesen
