Kurzbeschreibung

Die meisten empirischen Evaluationen nationaler Mindestlöhne nutzen ein Bite-Maß, das Variationen in der Mindestlohnbetroffenheit zeitkonstant erfasst. Bei Schätzungen mit diesem Betroffenheitsmaß besteht das Problem der dynamischen Selektion. Das bedeutet, dass der Bite im Zeitverlauf auch ohne einen Mindestlohn variieren kann. Wir wenden Methoden des maschinellen Lernens an, um den zeitvarianten Bite des gesetzlichen Mindestlohns in Deutschland vorherzusagen und dabei unbeobachtete dynamische Selektion zu berücksichtigen. In einer empirischen Evaluation zeigen durch LASSO-Regression vorhergesagte Bite-Maße signifikante Verbesserungen gegenüber konventionellen zeitkonstanten Maßen. Bei der Schätzung kontemporärer Lohneffekte der Einführung des deutschen Mindestlohns sind die Lohneffekte positiv, aber kleiner im Vergleich zur konventionellen Schätzung.