Der Klimawandel wirkt sich zunehmend auf die wirtschaftliche Entwicklung in aller Welt aus. Ärmere Haushalte sind dabei den Auswirkungen des Klimawandels stärker ausgesetzt und verletzlicher, sodass der Klimawandel die Ungleichheit wahrscheinlich noch verstärken wird. Politische Maßnahmen zur Verringerung der Treibhausgasemissionen können eine Verschärfung des Klimawandels verhindern, schaffen aber auch ökonomische Gewinner und Verlierer. In diesem Beitrag werden die kombinierten Auswirkungen des Klimawandels und ausgewählter politischer Maßnahmen zur Verringerung der Treibhausgasemissionen auf die wirtschaftliche Ungleichheit untersucht. Die Bewertung erfolgt anhand von acht Modellen für die integrierte Analyse von Klimawandel und wirtschaftlicher Entwicklung, die von verschiedenen Forscherteams unter Verwendung unterschiedlicher Annahmen und Methoden entwickelt wurden. Die Ergebnisse basieren auf historischen Daten und Zukunftsszenarien für zehn Länder in unterschiedlichen Entwicklungsstadien. Die Umsetzung einer ehrgeizigen Klimapolitik im Einklang mit dem Pariser Abkommen führt demnach zu einer geringeren Ungleichheit in der Zukunft als der Verzicht auf Maßnahmen zur Milderung des Klimawandels, auch wenn die Ungleichheit aufgrund der Kosten für die Reduzierung der Treibhausgasemissionen kurzfristig zunimmt. Die Verwendung der Einnahmen aus der Kohlenstoffbepreisung kann dazu beitragen, die Verteilungseffekte der Klimapolitik zu dämpfen und die Ungleichheit kurzfristig sogar zu verringern. Diese Ergebnisse unterstreichen die Rolle von Ausgleichsmechanismen bei der Gestaltung einer fairen und politisch durchsetzbaren Klimapolitik.

How do beliefs on admission probability influence application choices? In this study, we empirically investigate whether and how admission probability is reflected in application choices in a centralized admission system. We exploit a novel setting of a dynamic deferred acceptance mechanism as employed in Croatia with hourly information updates and simultaneous application choices. This setting allows us to explore within-applicant strategic adjustments as a reaction to changing signals on admission probability. We show in an RDD analysis that applicants react to negative signals on admission probability with an increased propensity to adjust their application choices by 11-23%. Additionally, we show how application strategies evolve over time, while applicants learn about their admission probability. The group most-at-risk to remain unmatched improves their application choices by applying to programs with a higher admission probability towards the application deadline. Yet, we also identify a popular and potentially harmful strategy of applying to safer programs before applying to more risky “reach” programs. About a quarter of applicants have the potential to improve their application choices by resorting their application choices.

Accurate macroeconomic forecasts are essential for effective policy decisions, yet their precision depends on the accuracy of the underlying assumptions. This paper examines the extent to which assumption errors affect forecast accuracy, introducing the average squared assumption error (ASAE) as a valid instrument to address endogeneity. Using double/debiased machine learning (DML) techniques and partial linear instrumental variable (PLIV) models, we analyze GDP growth forecasts for Germany, conditioning on key exogenous variables such as oil price, exchange rate, and world trade. We find that traditional ordinary least squares (OLS) techniques systematically underestimate the influence of assumption errors, particularly with respect to world trade, while DML effectively mitigates endogeneity, reduces multicollinearity, and captures nonlinearities in the data. However, the effect of oil price assumption errors on GDP forecast errors remains ambiguous. These results underscore the importance of advanced econometric tools to improve the evaluation of macroeconomic forecasts.

Using data from the European Central Bank's Survey of Professional Forecasters and ECB/Eurosystem staff projections, we analyze the role of ex-ante conditioning variables for macroeconomic forecasts. In particular, we test to which extent the updating and ex-post performance of predictions for inflation, real GDP growth and unemployment are related to beliefs about future oil prices, exchange rates, interest rates and wage growth. While oil price and exchange rate predictions are updated more frequently than macroeconomic forecasts, the opposite is true for interest rate and wage growth expectations. Beliefs about future inflation are closely associated with oil price expectations, whereas expected interest rates are related to predictions of output growth and unemployment. Exchange rate predictions also matter for macroeconomic forecasts, albeit less so than the other variables. With regard to forecast errors, wage growth and GDP growth closely comove, but only during the period when interest rates are at the effective zero lower bound.