Einkommensrenditen beruflicher Weiterbildung: Kausal- oder ... · Überblick Forschungsstand Daten & Methoden Ergebnisse Diskussion Forschungsstand • Einkommenseffekte beruflicher

Einkommensrenditen beruflicher Weiterbildung:

Kausal- oder Selektionseffekt?

Empirische Analysen mit dem Mikrozensus-Panel 1996–1998

6. NutzerkonferenzForschung mit dem Mikrozensus:

Analysen zur Sozialstruktur und zum sozialen Wandel

Mannheim, 15. – 16. Oktober 2009

Felix Wolter und Jürgen Schiener

Institut für SoziologieJohannes Gutenberg-Universität Mainz

Überblick Forschungsstand Daten & Methoden Ergebnisse Diskussion

Gliederung

1. Überblick

– Problemstellung

– Selektionsproblem

2. Forschungsstand

3. Daten und Methoden

– Datenbasis Mikrozensus-Panel

– Fixed- und Random-Effects-Modelle

4. Ergebnisse

– Einkommenseffekte beruflicher Weiterbildung

5. Diskussion


Problemstellung

• These: „Lebenslanges Lernen“ gewinnt zunehmend an Bedeutung

– erforderliche Qualifikationen können immer weniger durch Erstausbildung bereitgestellt werden

– kontinuierliche Weiterbildung erforderlich

• Soziologische Ungleichheitsforschung:

– betont und bestätigt ausgeprägte Ungleichheiten beim Zugang zu Weiterbildung (z.B. Hubert/Wolf 2007, Schömann/Leschke 2004)

– These: Weiterbildung verstärkt soziale Ungleichheiten (Becker/Hecken 2005)

• Problem:

– Weiterbildung verstärkt Ungleichheiten nur, wenn Weiterbildung Effekte auf wichtige Statusdimensionen hat

– Einkommenseffekte beruflicher Weiterbildung?

• Ziel: Ermittlung des kausalen Weiterbildungseffektes auf das Einkommen


Problemstellung: Selektionseffekt

Selektion in Treatment-Gruppe (Weiterbildungsteilnehmer) erfolgt nicht randomisiert.

Unbeobachtete Merkmale beeinflussen sowohl Weiterbildung, als auch Einkommen

Weiterbildungsteilnehmer hätten u.U. auch ohne Weiterbildung ein höheres Einkommen

Überschätzung der Weiterbildungserträge in konventionellen Modellen

Einkommen

Qualifikation

Alter etc.

Weiterbildung Motivation

Begabung etc.

= unbeobachtet


Problemstellung

• Lösungen des Selektionsproblems:

– Experiment mit Randomisierung: bzgl. Weiterbildung nicht möglich

– Kontrolle der unbeobachteten Heterogenität auf statistischem Weg

• Paneldaten

• Fixed- und Random-Effects-Modelle

• Vorgehensweise:

– empirische Analysen mit Daten des Mikrozensus-Panels (vgl. zu SOEP?)

– Untersuchung der Bedeutung des Selektionseffekts: Methodenvergleich

– Weiterbildungserträge in verschiedenen Gruppierungen

• Landesteil

• Alter

• allgemeine und berufliche Erstausbildung


Forschungsstand

1. Überblick

– Problemstellung


2. Forschungsstand




4. Ergebnisse


5. Diskussion


Forschungsstand: Konzeptionelles

• Definition Weiterbildung:– „Fortsetzung oder Wiederaufnahme organisierten Lernens nach Abschluss

einer unterschiedlich ausgedehnten ersten Ausbildungsphase“ (DeutscherBildungsrat 1970).

• Berufliche Weiterbildung

• Allgemeine Weiterbildung

• Informelles Lernen

• Dimensionen/Messung von Weiterbildung– reine Teilnahme (ja/nein)

– Dauer / Volumen der Maßnahmen

– Ort: on the job, off the job

– Finanzierung: individuell, betrieblich, AFG/SGBIII

– u.v.m.

• Operationalisierung, Messung und quantitative empirische Analyse des Weiterbildungsgeschehens schwierig


Forschungsstand

• Einkommenseffekte beruflicher Weiterbildung: Befundlage uneinheitlich

• Ergebnisse differieren nach Zeitraum, Untersuchungspopulation und v.a. nach der Methode der Selektionskorrektur (vgl. Fitzenberger/Prey 1998)

• tendenziell geringe oder keine Einkommenseffekte

Quelle Datenbasis Selektionskontrolle Effekt

Büchel/Pannenberg 2004 SOEP Fixed Effects/Fixed Growth +

Pischke 2001 SOEP Fixed Effects/Fixed Growth n.s.

Lechner 1999 SOEP Matching +

Pannenberg 1998 SOEP Fixed Effects +

Jürges/Schneider 2006 SOEP Fixed Growth/Matching n.s.


Forschungsstand

1. Überblick

– Problemstellung


2. Forschungsstand




4. Ergebnisse


5. Diskussion


Daten

• Mikrozensus-Panel 1996–1999:

– aufbauend auf Rotationsprinzip der MZ-Stichprobe (Flächenstichprobe!)

– zentrales Problem: Mobilitätsbias

• Mobilitätsgewichte im Datensatz vorhanden

• Daten werden allerdings ungewichtet analysiert

– Softwaretechnische Probleme

– Zweifel an Sinn von Gewichtungsvariablen in multivariaten Modellen

– Fixed-Effects-Prozedur kontrolliert möglichen Bias nach Einkommenshöhe und Weiterbildungsteilnahme


Daten

• Untersuchungspopulation:

– abhängig Beschäftigte

– zwischen 20 und 64 Jahren

– keine Schüler/Studenten

– Lebensunterhalt primär aus Erwerbstätigkeit

– balanciertes Panel 1996–1998

• Themenkomplex Weiterbildung läuft in der „Ergänzungsstichprobe“ des Mikrozensus

– Auswahlsatz = 45%

– über die Hälfte der Fälle kann nicht genutzt werden

– Ergänzungsstichprobe ist nicht für 1999 enthalten (Anonymisierung)

• resultierende Fallzahl: 6340 Personen = 19020 Beobachtungen


Daten

Bildung der Untersuchungspopulation

0

20000

40000

60000

80000

100000

120000

140000

160000

180000

200000

Fa

llza

hl

keine Unterstichprobe

Alter < 20 und > 64

Schüler/Studenten

Bevölkerung am Nebenwohnsitz

Ausfälle in 1996, 1997 oder 1998

Nichterwerbstätige, Selbständige,kein Erwerbseinkommen

fehlende Werte (item non-response)

Untersuchungspopulation

Quelle: Mikrozensus-Panel 1996–1998 (ungewichtet), eigene Auswertungen.


Variablen

• Einkommen:

– Gesamtnettoeinkommen im Berichtsmonat, logarithmiert

– inflationsbereinigt, in Euro

• Weiterbildung

– Teilnahme an beruflicher Weiterbildung in der aktuellen oder mindestens einer der vorangegangenen Befragungsperioden (ja/nein)

– Dauer/Volumen der Maßnahmen in Monaten

• Kontrollvariablen

– Periodendummies

– Alter, Bildung, Geschlecht, Angaben zur Erwerbstätigkeit


Fixed- und Random-Effects-Modelle

• Ziel: Kontrolle unbeobachteter zeitkonstanter Merkmale

• Ausgangsspezifikation („Error Components-Model“):

(1)

– µi = individuenspezifisches, zeitkonstantes Residuum– εit = „gewöhnliches“, idiosynkratisches Residuum– µi enthält unbeobachtete zeitkonstante Heterogenität bzgl. yit

• zwei Möglichkeiten:1. Schätzung von µi im Random-Effects-Modell

Annahme: Unterschiede µi sind zufällig (Cov(Xit, µi) = 0)

2. Eliminierung von µi im Fixed-Effects-ModellAnnahme: Unterschiede µi sind nicht zufällig, Cov(Xit, µi) ≠ 0

itiiitit ZXy 21



• Random-Effects-Modell:

– µi wird als Zufallsvariable behandelt und geschätzt

– verzerrte Schätzer, wenn Annahme Cov(Xit, µi) = 0 verletzt

• Fixed-Effects-Modell:

– µi wird aus der Gleichung eliminiert

– Bildung der Mittelwerte der Variablen für jede Person i über T:

(2)

– Gleichung (2) von Gleichung (1) subtrahieren:

(3)

itiiitit ZXy 21

iitiitiit XXyy 1



• Fixed-Effects-Spezifikation:

– immer konsistent, allerdings ineffizienter als Random-Effects-Modell

– nur Fälle mit intraindividueller Streuung in X und y gehen in die Schätzung ein

– Effekte zeitkonstanter Merkmale können nicht geschätzt werden

• Welches Modell bzgl. Weiterbildung wählen?

– inhaltliche Argumente:

• Selektionseffekt aufgrund unbeobachteter Heterogenität ist höchstwahrscheinlich individuenspezifisch und korreliert mit Weiterbildung

• Fixed-Effects die adäquate Spezifikation

– methodisch-statistische Argumente:

• Emprische Gegenüberstellung: Unterscheiden sich die geschätzten Effekte?

• Hausman-Test: Unterscheiden sich die Effekte signifikant?


Forschungsstand

1. Überblick

– Problemstellung


2. Forschungsstand




4. Ergebnisse


5. Diskussion


Einkommenseffekte beruflicher Weiterbildung

OLS (total) Random Effects Fixed Effects

Modell 1 Modell 2 Modell 1 Modell 2 Modell 1

Weiterbildung 0,203*** 0,080*** 0,090*** 0,065*** 0,030**

Betriebswechsel 0,032* 0,024* 0,018 0,001

Berufswechsel -0,033 -0,020 -0,020 -0,010

Arbeitszeit 0,020*** 0,013*** 0,012*** 0,005***

Betriebszugehörigkeit 0,011*** 0,012*** 0,008*** 0,004**

Betriebszugehörigkeit2 -0,000*** -0,000*** -0,000*** -0,000*

1997 -0,022*** -0,007+ -0,020*** 0,001

1998 -0,025*** -0,002 -0,021*** 0,012**

Zeitkonstante Kontrollvariablen

ja ja

Konstante 7,116*** 5,539*** 6,531*** 5,788*** 6,920***

F (χ2 für Random Eff.) 365,15*** 657,84*** 1,9×106*** 4×106*** 14,29***

Fallzahl 19020 19020 6340 6340 6340

Unstandardisierte Regressionskoeffizienten. Abhängige Variable: logarithmiertes inflationsbereinigtes Nettoeinkommen. Signifikanzniveaus: +: p < 0,1; *: p < 0,05; **: p < 0,01; ***: p < 0,001 (robuste Standardfehler).Quelle: Mikrozensus-Panel 1996–1998 (ungewichtet), eigene Auswertungen.


Einkommenseffekte beruflicher Weiterbildung

• Geschätzter Einkommenseffekt im Fixed-Effects-Modell: 3 %

• Alle anderen Modelle liegen darüber

• Fixed-Effects-Spezifikation einzige Wahl

• Entscheidung zwischen FE und RE kann überprüft werden

– Hausman-Test

– Unterschiede sind signifikant

RE-Schätzung ist inkonsistent

• Alle folgenden Analysen sind Fixed-Effects-Modelle


Einkommenseffekte nach Landesteil / Alter

West Ost

Gesamt 20–44 Jahre 45–64 Jahre Gesamt 20–44 Jahre 45–64 Jahre

Weiterbildung 0,024* 0,039** -0,015 0,058* 0,063 0,053

Betriebswechsel 0,005 0,006 0,012 -0,009 -0,004 -0,017

Berufswechsel -0,007 -0,008 -0,022 -0,022 -0,013 -0,027

Arbeitszeit 0,005*** 0,004*** 0,006*** 0,004** 0,003+ 0,004*

Betriebszugehörigkeit 0,004* 0,001 0,008** 0,005 0,010 0,006

Betriebszugehörigkeit2 -0,000+ -0,000 -0,000* -0,000 -0,000 -0,000

1997 0,002 0,010+ -0,006 -0,007 -0,003 -0,009

1998 0,011* 0,021** 0,002 0,010 0,014 0,005

Konstante 6,958*** 6,955*** 6,965*** 6,748*** 6,727*** 6,745***

F 11,61*** 7,15*** 5,95*** 3,09** 1,95* 1,67

N (Beobachtungen) 15495 9305 6190 3525 2159 1366

N (Personen) 5165 3265 2223 1175 759 499

Fixed-Effects-Modelle. Unstandardisierte Regressionskoeffizienten. Abhängige Variable: logarithmiertes inflationsbereinigtes Nettoeinkommen. Signifikanzniveaus: +: p < 0,1; *: p < 0,05; **: p < 0,01; ***: p < 0,001 (robuste Standardfehler).Quelle: Mikrozensus-Panel 1996–1998 (ungewichtet), eigene Auswertungen.


Einkommenseffekte nach Qualifikation

CASMIN 1a–1c CASMIN 2a–2cvoc CASMIN 3a, 3b

Modell 1 Modell 2 Modell 1 Modell 2 Modell 1 Modell 2

Weiterbildung 0,050* 0,046* 0,031+ 0,035+ 0,028 0,009

Weiterbildungsvolumen 0,004 -0,002 0,011*

Betriebswechsel -0,001 -0,002 -0,018 -0,018 0,031 0,030

Berufswechsel 0,009 0,009 -0,010 -0,010 -0,034 -0,032

Arbeitszeit 0,006*** 0,006*** 0,005*** 0,005*** 0,004*** 0,004***

Betriebszugehörigkeit 0,003 0,003 0,003 0,003 0,011* 0,010*

Betriebszugehörigkeit2 -0,000 -0,000 -0,000 -0,000 -0,000* -0,000*

1997 0,001 0,001 0,005 0,005 -0,007 -0,008

1998 0,011+ 0,011+ 0,013* 0,013* 0,010 0,007

Konstante 6,805*** 6,804*** 6,835*** 6,835*** 7,311*** 7,307***

F 5,81*** 5,17*** 5,72*** 5,09*** 3,94*** 4,08***

N (Beobachtungen) 7831 7831 7959 7959 3230 3230

N (Personen) 2807 2807 2884 2884 1164 1164

Fixed-Effects-Modelle. Unstandardisierte Regressionskoeffizienten. Abhängige Variable: logarithmiertes inflationsbereinigtes Nettoeinkommen. Signifikanzniveaus: +: p < 0,1; *: p < 0,05; **: p < 0,01; ***: p < 0,001 (robuste Standardfehler).Quelle: Mikrozensus-Panel 1996–1998 (ungewichtet), eigene Auswertungen.


Diskussion

• Wie vermutet: Hohe Bedeutung des Selektionseffektes durch unbeobachtete Heterogenität

• Insgesamt geringe oder keine Einkommenseffekte beruflicher Weiterbildung

• Ergebnisse tendenziell im Einklang mit SOEP

• Effekte variieren nach betrachteter Gruppe/Population

• Im Vergleich zu Ungleichheiten durch Erstausbildung insgesamt eher geringe Statuseffekte von Weiterbildung

• Statusallokation erfolgt primär (noch?) durch Erstausbildung

• Bildungsinduzierte Ungleichheiten:

– werden tendenziell durch den stark selektiven Zugang zu Weiterbildung reproduziert…

– aber nicht maßgeblich verstärkt, da geringe Effekte der Weiterbildung


Offene Fragen

• Endogenitätsprobleme: Selektionseffekte nach zeitveränderlichen Variablen (z.B. Einkommensdynamik) werden nicht kontrolliert

– Fixed-Growth-Modelle

– Random Growth-Modelle

– Instrumentalvariablen

– Matchingverfahren

– Time-Lag-Variablen (Heckman/Hotz 1987)

• Behandlung des Mobilitätsbias

• Erweiterung / Replikation mit Mikrozensus-Panel 2001–2004

– Mit SUF (leider) nicht möglich, da Unterstichprobe nur für zwei Wellen


Vielen Dank!

[email protected]


Literatur

• Becker, Rolf/Hecken, Anna 2005: Berufliche Weiterbildung – arbeitsmarktsoziologische Perspektiven und empirischeBefunde, in: Abraham, Martin/Hinz, Thomas (Hrsg.): Arbeitsmarktsoziologie. Probleme, Theorien, empirische Befunde,Wiesbaden: VS Verlag für Sozialwissenschaften: S. 133–168.

• Brüderl, Josef 2005: Panel Data Analysis (Working Paper), Mannheim: University of Mannheim.

• Büchel, Felix/Pannenberg, Markus 2004: Berufliche Weiterbildung in West- und Ostdeutschland. Teilnehmer, Struktur undindividueller Ertrag, in: Zeitschrift für Arbeitsmarktforschung 37 (2): S. 73–126.

• Deutscher Bildungsrat (Hrsg.) 1970: Empfehlungen der Bildungskommission. Strukturplan für das Bildungswesen, 2. Auflage,Stuttgart: Klett.

• Fitzenberger, Bernd/Prey, Hedwig 1998: Beschäftigungs- und Verdienstwirkungen von Weiterbildungsmaßnahmen imostdeutschen Transformationsprozeß: Eine Methodenkritik, in: Pfeiffer, Friedhelm/Pohlmeier, Winfried (Hrsg.): Qualifikation,Weiterbildung und Arbeitsmarkterfolg (ZEW Wirtschaftsanalysen Bd. 31), Baden-Baden: Nomos: S. 39–95.

• Hubert, Tobias/Wolf, Christof 2007: Determinanten der beruflichen Weiterbildung Erwerbstätiger. Empirische Analysen aufBasis des Mikrozensus 2003, in: Zeitschrift für Soziologie 36 (6): S. 473–493.

• Jürges, Hendrik/Schneider, Kerstin 2006: Dynamische Lohneffekte beruflicher Weiterbildung. Eine Längsschnittanalyse mitden Daten des SOEP, in: Weiß, Manfred (Hrsg.): Evidenzbasierte Bildungspolitik: Beiträge der Bildungsökonomie, Berlin:Duncker & Humblot: S. 131–149.

• Lechner, Michael 1999: The Effects of Enterprise-Related Training in East Germany on Individual Employment and Earnings,in: Annales d'Économie et de Statistique 55/56: S. 97–128.

• Pannenberg, Markus 1998: Weiterbildung, Betriebszugehörigkeit und Löhne: Ökonomische Effekte des "timings" vonInvestitionen in die berufliche Weiterbildung, in: Pfeiffer, Friedhelm/Pohlmeier, Winfried (Hrsg.): Qualifikation, Weiterbildungund Arbeitsmarkterfolg (ZEW Wirtschaftsanalysen Bd. 31), Baden-Baden: Nomos: S. 257–278.

• Pischke, Jörn-Steffen 2001: Continuous Training in Germany, in: Journal of Population Economics 14 (3): S. 523–548.

• Schömann, Klaus/Leschke, Janine 2004: Lebenslanges Lernen und soziale Inklusion - der Markt alleine wird's nicht richten, in:Becker, Rolf/Lauterbach, Wolfgang (Hrsg.): Bildung als Privileg? Erklärungen und Befunde zu den Ursachen derBildungsungleichheit, Wiesbaden: VS Verlag für Sozialwissenschaften: S. 353–391.


Anhang

• Berichtswochen / -monatskonzept:

€ € €

April 1996

April 1997

April 1998

Weibi? Weibi?Weibi?

26

„nein“ „ja“ „nein“

0 1 1

0 Monate 0,5 Monate 2 Monate

0 0,5 2,5

Erhoben:

Kodiert:

Erhoben:

Kodiert:


Anhang

• Geschlechtsspezifische Einkommenseffekte:

– keine Hinweise auf geringere Weiterbildungsrenditen für Frauen

– Aber: abhängig Beschäftigte mit Lebensunterhalt aus Erwerbseinkommen = hochselektive Gruppe

– detailliertere Untersuchung in künftigen Arbeiten angebracht


Anhang

0

1000

2000

3000

4000

5000

Ein

kom

men (

Euro

)

1 2 3 4 5 6Zeit

vor Weiterbildung nach Weiterbildung

Quelle: In Anlehnung an Brüderl 2005.

Documents

Einkommensrenditen beruflicher Weiterbildung: Kausal- oder ... · Überblick Forschungsstand Daten & Methoden Ergebnisse Diskussion Forschungsstand • Einkommenseffekte beruflicher