STATA-FORUM.DE

[nik1998]

Liebes Stata-Forum,

für eine Arbeit untersuche ich die Auswirkung von Steuersatzänderungen auf Lohnsummen in Organschaften, also in einem Unternehmensverbund, wobei der steuerpflichtige Gewinn anhand dieser Lohnsummen auf die einzelnen Unternehmen verteilt wird. D.h. es ist sinnvoll in Gemeinden mit niedrigen Steuersätze auch hohe Lohnsummen zu haben, da dort weniger Steuern gezahlt werden müssen.

Kurz gesagt: Steigen/Fallen die Lohnsummen von Unternehmen A, wenn der Steuersatz in Gemeinde A fällt/steigt und was passiert zeitgleich bei den anderen Unternehmen im Verbund?

Kleines Beispiel: Der Steuersatz von Unternehmen A in Gemeinde A beträgt 10%, der von Unternehmen B in Gemeinde B 8% und der von Unternehmen C in Gemeinde C 10%. Steigt nun zum Beispiel der Steuersatz in Gemeinde A von 10% auf 11%, wäre es wirtschaftlich sinnvoll einen Teil der Lohnsumme in Gemeinde B und ggf. in Gemeinde C zu verschieben, um genauso viele Steuern wie vorher zu zahlen. Für meine Untersuchung muss ich also gucken, ob die Lohnsumme in Unternehmen A sinkt und wenn ja (oder sie gleich bleibt), ob der gegenläufige Effekt (Steigerung der Lohnsummen) in den dazugehörigen Unternehmen zu sehen ist.

Mein Datensatz beinhaltet hierfür deutsche Unternehmen mit je einer ID, wobei Tochtergesellschaften die ID ihres direkten Inhabers in einer extra Variable beinhalten.
Mein Problem ist: Identifizierung aller Unternehmens eines Verbundes (ID-Inhaber = ID) und die dazugehörige Regression.

Hier noch ein kleiner Ausschnitt meines Datensatzes.

Code: Alles auswählen

* Example generated by -dataex-. For more info, type help dataex
clear
input double id int jahr str20 id_owner double(cost taxrate)
12125 2007 "."               13699991 460
12125 2008 "."               12924623 460
12125 2009 "."               12053025 460
12125 2010 "."                9365376 460
12125 2011 "."               12585905 460
12125 2012 "."               12063499 460
12125 2013 "."               13064557 460
12125 2014 "."               13081227 460
12125 2015 "."               12547778 460
12125 2016 "."               10614449 460
12125 2017 "."               13216303 460
12125 2018 "."                8372676 460
12125 2019 "."                7915701 460
12741 2009 "DE2070000543"     5676020 335
12868 2014 "."                1653749 470
12868 2015 "."                1339976 470
12868 2016 "."                1183080 470
12868 2017 "."                 626918 470
12868 2018 "."                 765542 470
12868 2019 "."                1138726 470
12868 2020 "."                1377061 470
13120 2009 "."                      . 460
13120 2010 "."                      . 460
13120 2011 "."                      . 460
13120 2012 "."                      . 460
13120 2013 "."                      . 460
13120 2014 "."                      . 460
13120 2015 "."                      . 460
13120 2016 "."                      . 460
13120 2017 "."                      . 460
13120 2018 "."                      . 460
13120 2019 "."                      . 460
13190 2020 "."                      . 460
13212 2007 "."                6952019 470
13212 2008 "."                6853689 470
13212 2009 "."                4517787 470
13212 2010 "."                1457154 470
13212 2011 "."                1473105 470
13212 2012 "."                      . 470
13212 2013 "."                      . 470
13212 2014 "."                      . 470
13212 2015 "."                      . 470
13212 2016 "."                      . 470
13216 2019 "."                      . 460
14047 2007 "."                      . 450
14047 2008 "."                      . 445
14047 2009 "."                      . 445
14047 2010 "."                      . 445
15517 2007 "52725"             . 410
15517 2008 "52725"             . 410
15517 2012 "52725"             . 410
15517 2013 "52725"             . 410
15517 2014 "52725"             . 410
15517 2015 "52725"      10514000 410
15517 2016 "52725"      10761000 410
15517 2017 "52725"      11243000 410
15517 2018 "52725"      12093000 410
15517 2019 "52725"      12793000 410
15517 2020 "52725"      13416000 410
15668 2007 "."              104936000 360
15668 2008 "."              108869000 360
15668 2009 "."              111387000 360
15668 2010 "."              105874000 360
15668 2011 "."              116412000 360
15668 2012 "."              102493000 360
15668 2013 "."              106203000 360
15668 2014 "."              105964000 360
15668 2015 "."              113457000 360
15668 2016 "."              121847000 360
15668 2017 "."              123245000 360
15668 2018 "."              128039000 360
15668 2019 "."              135717000 360
15668 2020 "."              147971000 360
16571 2007 "17881"      43794107 460
16571 2008 "17881"      37244199 460
16571 2009 "17881"             . 460
16571 2010 "17881"      42769669 460
16571 2011 "17881"      39747546 460
16571 2012 "17881"      34564477 460
16571 2013 "17881"      34801441 460
16571 2014 "17881"      35567573 460
16571 2015 "17881"      36653536 460
16571 2016 "17881"      38817938 460
16571 2017 "17881"      43059493 460
16571 2018 "17881"      47361387 460
16571 2019 "17881"      49864124 460
16571 2020 "17881"      53051354 460
16677 2019 "13216"      47696000 460
16677 2020 "13216"      44422294 460
16697 2007 "110160524765"  26931900 490
16697 2008 "110160524765"  24779800 490
16697 2009 "110160524765"  30694400 490
16697 2010 "110160524765"   3167400 490
16697 2011 "110160524765"   5439300 490
16697 2012 "110160524765"   2916300 490
16697 2013 "110160524765"   3287100 490
16697 2016 "110160524765"   2120900 490
16697 2017 "110160524765"   2114700 490
16697 2018 "110160524765"   2104900 490
16697 2019 "110160524765"   2062000 490
end
format %ty jahr


Vielen Dank vorab und Grüße,
Nik

[Staxa]

Also mir ist nicht klar wie du Unternehmen im gleichen Gebiet mit diesen Daten finden willst. Warum hat id_owner so viele missings? Die Unternehmens ID und das Jahr reichen hierzu doch nicht? Oder ist die taxrate unique? Also gleiche taxtrate, gleiches Gebiet?

[nik1998]

Hi Staxa, danke für deine Antwort.

Ich muss gestehen, dass der Ausschnitt aus den Daten nicht besonders aussagekräftig ist, da das Panel rund 1,6 Mio. Beobachtungen beinhaltet und ja, die id_owner ist missing, wenn das Unternehmen keinen Besitzer hat.

Ja, jedes Gebiet hat nur eine Steuerrate, die sich aber über die Jahre verändern kann.

Ich probiere es noch einmal anders auszudrücken. Wenn ich es richtig verstehe, probiere ich quasi ein Matching im kleinen Stil zu machen. Hierfür muss ich in einem ersten Schritt Unternehmensgruppen identifizieren, wobei zu einer Unternehmensgruppe jeweils immer alle Unternehmen mit der gleichen id_owner und der dazugehörige owner, der diese id besitzt, gehören. Die Unternehmensgruppen sind daher natürlich immer recht klein, aber bestehen immer mindestens aus zwei Unternehmen.
In jeder Unternehmensgruppe habe ich dann jeweils immer eine Treatment-Gruppe (Steuersatzänderung in ihrem Gebiet) und eine Kontrollgruppe (keine Steuersatzänderung).
Am Ende müssen dann die Ergebnisse aller Unternehmensgruppen irgendwie zusammen dargestellt werden.

Macht es eventuell Sinn Propensity Score Matching oder CEM zu nutzen?

[Staxa]

Hier gibt es viele Möglichkeiten aber wie kannst du in diesen Daten eine Unternehmensgruppe identifizieren?

[nik1998]

Mit den Unternehmens IDs. Kurzes Beispiel:

Unternehmen ID ID-Owner
A …… 1 ….. -
B ….. 2 ….. 1
C …… 3 ….. 1
D …… 4 ….. 5
E ….. 5 ….. -
F ….. 6 ….. -

Hier Wären Unternehmen A, B und C ein Verbund, wobei Unternehmen A der Owner ist. Unternehmen 4 und 5 ebenfalls, wobei 5 der Owner ist.

[Staxa]

Wenn du das generieren kannst würde ich einfach starten und einfach den Effekt des Treatments anschauen, etwa

Code: Alles auswählen

reg outcome i.treatment, vce(cluster verbund)

Wobei du hier einfach die Standardfehler nach dem Verbund clustern kannst.

[nik1998]

Ok, danke, das werde ich definitiv so einmal ausprobieren.

Allerdings bin ich gerade noch dabei, die verschiedenen Unternehmensverbunde zu definieren. Ich bräuchte ja quasi pro Verbund eine Nummer, also Verbund 1 = 1, Verbund 2 = 2, usw.

Hast du hierfür eventuell einen Tipp?

Ich bin gerade noch am probieren, wie ich das hinkriege und habe von vmtach bzw. psmatch2 gelesen. Bisher habe ich es aber noch nicht hinbekommen. Hast du hierfür eventuell auch einen Tipp?

[Staxa]

Leider nein, mir ist auch die Erklärung aus Post #5 völlig unklar, warum nun genau diese Firmen zusammen gehören. Es muss irgendeine Art von ID geben, ansonsten sehe ich hier keinen Weg das sauber zuzuordnen. Besonders da es viele Gruppen gibt kann man hier nicht raten oder eine statistische Lösung anbringen.

[nik1998]

Kurz zu deiner Frage: Die Unternehmen gehören zusammen, da die ID und die ID_owner identisch sind.

Mit dem folgenden Code habe ich es geschafft allen Unternehmen, die zusammen gehören eine eigene Gruppen-ID zu geben. Jetzt habe ich rund 13.000 Gruppen mit bis zu 208 Unternehmen pro Gruppe.

Code: Alles auswählen

**Neue Variable im Hauptdatensatz generieren, die die ID des Unternehmens enthält*
gen id_neu = id
save dataset, replace
**Datensatz erstellen, der nur Unternehmen mit einer ID_owner beinhaltet**
drop if id_owner == "."
replace id_neu = id_owner
save subsidiarys, replace
**Jetzt sind die Unternehmen zum Teil doppel (Einmal mit ID und einmal mit ID_owner)**
append using dataset
**Erstellen der Gruppen_ID basierend auf
egen grpid = group(id_neu)
**Löschen aller doppelten Beobachtungen**
duplicates drop id jahr, force

sort grpid jahr
quietly by grpid jahr:  gen dup = cond(_N==1,0,_n)
**Gruppen_ID neu vergeben, sofern mehr als zwei Unternehmen in de Gruppe sind**
egen grp = group(grpid) if dup > 0
drop grpid dup id_neu


Zudem habe ich noch zwei Dummievariablen für Steuererhöhungen und -senkungen generiert.
Mit diesem Code komme ich jetzt aber nicht wirklich weiter...

Code: Alles auswählen

reg outcome i.treatment, vce(cluster verbund)

[Staxa]

Was genau ist das Problem? Alle Vars hast du doch inzwischen gebaut oder? Bekommst du eine Fehlermeldung?