IHS-Projekte zu CO2-Preisen und Reha-Effekten erhalten OeNB-Zuschuss

Das Institut für Höhere Studien (IHS) freut sich, die Vergabe von Fördermitteln für zwei herausragende Forschungsprojekte durch den Originären Jubiläumsfonds der Oesterreichischen Nationalbank (OeNB) bekannt zu geben.

Die beiden Projekte gehören zu den 13 ausgewählten Vorhaben, die im Rahmen der ersten Zuteilungssitzung 2025 Förderungen in Höhe von insgesamt rund 2,9 Millionen Euro erhalten. Die OeNB unterstreicht damit die Bedeutung der Unterstützung von Forschung und Innovation für den Fortschritt und die wirtschaftliche Entwicklung des Landes.

Projekt 1: Energiepreise, CO2-Grenzausgleich und die Wettbewerbsfähigkeit der europäischen Industrie

Projektleiter: Klaus Weyerstraß

Dieses Forschungsprojekt beabsichtigt, die makroökonomischen Folgen des Anstiegs des CO2-Preises in der EU und der Einführung des CO2-Grenzausgleichssystems (CBAM) zu quantifizieren. Hierfür wird ein agentenbasiertes Mehrebenen- und Multisektor-Modell entwickelt, das alle 27 EU-Mitgliedstaaten sowie die wichtigsten Nicht-EU-Volkswirtschaften umfasst. Mit diesem Modell werden die Auswirkungen auf Wertschöpfung, Produktion, Investitionen, Exporte, Importe, Preise und Beschäftigung in den einzelnen Wirtschaftssektoren ermittelt.


Projekt 2: Effekte und Kosten von Rehabilitationsaufenthalten bei kardiovaskulären Erkrankungen

Projektleiter: Thomas Czypionka

Das Projekt widmet sich der Untersuchung der Auswirkungen von Rehabilitation auf Sekundärereignisse, Therapieadhärenz und Arbeitsmarkterfolgen bei Herzinfarkt und Schlaganfall. Ziel ist es zu zeigen, ob Personen nach einem Rehabilitationsaufenthalt weniger Krankenhausaufenthalte und Arztkontakte haben und ob die Erwerbstätigkeit länger aufrechterhalten werden kann. Darüber hinaus werden Determinanten für die Inanspruchnahme von Rehabilitationsmaßnahmen untersucht, darunter Alter, Geschlecht, Bildung, Gesundheitszustand und der ökonomische Sektor der Erwerbstätigkeit. Das Projekt nutzt verknüpfte Registerdaten von Sozialversicherungsträgern und Arbeitsmarktdaten und wendet Methoden wie generalized linear und generalized additive models sowie Machine-Learning-Verfahren an.