Humankapital und Wachstum: Empirie

Inhaltsverzeichnis

Abkürzungsverzeichnis

1. Einleitung

2. Kurze theoretische Einführung

3. Mikroökonomische Wachstumsanalyse

4. Makroökonomische Wachstumsanalyse
4.1 Problemfelder der empirischen Analyse
4.1.1 Umgekehrte Kausalität
4.1.2 Datenprobleme
4.2 Ergebnisse empirischer Forschung
4.2.1 Barro
4.2.2 Pritchett

5. Schlussbemerkungen

Literaturverzeichnis

Versicherung

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

Mehr als 1300 Milliarden US-Dollar werden jährlich in der gesamten OECD für Bildungszwecke ausgegeben^[1]. Die intuitiv vermutete Beziehung von höherer Bildung und zunehmendem wirtschaftlichen Wachstum ist in der empirischen Forschung erstaunlicherweise nicht unumstritten. Viele empirisch festgestellte vermeintliche positive Relationen erwiesen sich bei näherer Betrachtung als nicht robust.

Andere Studien schreiben dem Wachstum des Humankapitalstocks sogar negative Auswirkung auf das Volkseinkommen zu. Es wird somit deutlich, dass - zur Vermeidung voreiliger Schlüsse - eine ausführlichere Betrachtung verschiedener Methoden nötig ist.

Das Ziel dieser Arbeit ist deshalb, den gegenwärtigen Stand der Wissenschaft darzulegen, um somit schließlich zu einem klareren Gesamtbild beizutragen.

Dabei wird der Hauptfokus auf den makroanalytischen Ansätzen liegen. Hier versucht man den Nutzen von Bildung auf aggregierter Ebene zu erfassen, um somit auch die Effekte abzubilden, die bei der Mikroanalyse vernachlässigt werden. Um jedoch zu einem umfangreicheren Verständnis des Themas zu gelangen, ist es sinnvoll, auch kurz die Forschungsergebnisse auf Mikroebene zu erwähnen.

Wissenschaftler beschäftigen sich in diesem Teilgebiet mit der allein durch Bildung verursachten Steigerung der Produktivität eines Individuums. Der Zusammenhang zwischen erhöhter Produktivität der Arbeitskräfte und zunehmendem wirtschaftlichen Wachstum ist evident. Darüber hinaus greifen einige makroanalytische Studien auf die Annahmen und Erkenntnisse der Mikroliteratur zurück. Ein Verständnis beider empirischer Vorgehensweisen kann aber vor allem dabei helfen, deren jeweiligen Stärken und Schwächen auszumachen und Problemfelder zu identifizieren, wo der eine oder andere Ansatz erfolgsversprechendere Resultate zu liefern verspricht.

Da das Hauptaugenmerk dieser Arbeit auf der Darlegung empirisch beobachtbarer Zusammenhänge zwischen Humankapital (HK) und Wachstum liegen soll, kann in Kapitel 2 nur kurz auf theoretische Hintergründe eingegangen werden. Kapitel 3 erläutert die Mikroanalyse. In Kapitel 4 werden die Schwierigkeiten der Makroforschung dargelegt und anschließend folgen exemplarisch die Beschreibungen drei jüngerer Studien. Kapitel 5 dient einer kritischen Würdigung der beschriebenen Zusammenhänge.

2. Kurze theoretische Einführung

Als erstes möchte ich kurz die Idee der Uzawa-Lucas-Modelle erläutern. Hier wird die Höhe des wirtschaftlichen Outputs als eine Funktion der HK-Stocks gesehen. Langfristiges volkswirtschaftliches Wachstum ist nur möglich, wenn dementsprechend auch das HK einer Gesellschaft stetig zunehmen kann. Ist dies nicht über eine Steigerung der durchschnittlichen Zeit, die die Individuen einer Gesellschaft im Bildungssystem verbringen, möglich, so kann eine Outputsteigerung dennoch erreicht werden. Nimmt nämlich die Qualität der angebotenen Lehren im Laufe der Zeit zu, so steigt bei gleichbleibender durchschnittlicher Gesamtausbildungsdauer dennoch der HK-Stock. Die durch Bildung vermittelten Kenntnisse und Fähigkeiten werden so von Periode zu Periode immer überlegener und führen zu einer verbesserten Produktivität der Arbeitskräfte^[2].

Dieses Konzept deckt sich nur teilweise mit den Messungen von HK in einer Vielzahl der von mir betrachteten Studien. Viele empirische Untersuchungen^[3] messen den Anstieg des Bildungsniveaus einer Gesellschaft, mangels verfügbarer Daten, anhand der durchschnittlichen Anzahl der Jahre der Arbeitskräfte im Bildungssystem, die durch Einschreibe- und Volkszählungsdaten berechnet werden. Es wird so versucht, ein Zusammenhang zwischen steigenden durchschnittlichen Jahren und steigender Outputmenge nachzuweisen. Dieses Vorgehen ist im Zusammenhang zum Usawa-Lucas-Modell kritisch zu sehen, da so die Qualitätssteigerung der Bildungsangebote vernachlässigt wird. Andererseits ist es für die Forscher problematisch, geeignete Daten zu finden, um zu international vergleichbaren Indikatoren für die Qualität der angebotenen Lehren zu kommen.

Eine zweite Gruppe von Ansätzen zur Klärung der Beziehung zwischen Bildung und Wachstum sind die endogenen Wachstumsmodelle, die sich auf die Untersuchung der Auswirkungen von Forschung und Entwicklung (F&E) stützen. Hier wird das HK als ein bestimmender Faktor zur Hervorbringung neuer Produkte (z.B. bei Romer^[4] ) gesehen. Entscheidend ist, dass, im Gegensatz zum oben beschriebenen Ansatz, eine bestimmte Höhe des HK-Stocks ausreicht, um eine Vielzahl neuer Ideen zu generieren. Die Ausstattung einer Gesellschaft mit HK kann über diesen Weg wirkend, als eine zentrale Determinante des wirtschaftlichen Wachstums gedeutet werden^[5]. In der Empirie ist eine solche Annahme sehr viel schwerer zu überprüfen.

3. Mikroökonomische Wachstumsanalyse

Im mikroökonomischen Ansatz wird versucht, den Zusammenhang von Bildung und Produktivität anhand von geeigneten Einkommensgleichungen zu belegen. Man geht hier davon aus, dass ein höheres Einkommen eines Individuums als ein Zeichen oder vielmehr eine Belohnung für dessen höhere Produktivität angesehen werden kann. Dabei werden die Einkommensunterschiede einer großen Anzahl von Individuen, deren verbrachten Jahre im Schulsystem und weiteren Charakteristika, wie z.B. Berufserfahrung, gegenübergestellt. Es soll so bewiesen werden, dass eine längere Ausbildungszeit mit höheren Einkünften korreliert. Das am weitesten verbreitete Verfahren hierfür, ist eine Regressionsgleichung die auf Mincer (1974) zurückgeht. Mincers Konzept geht davon aus, dass ein Individuum durch ein weiteres Jahr im Bildungssystem seinen Lohn um einen bestimmten konstanten Betrag steigern kann, der über dessen gesamte Lebensdauer bestehen bleibt. Somit bestünde ein linearer Zusammenhang zwischen der Ausbildungsdauer und dem Lohn einer Person^[6]. Die Gleichung hat typischerweise diese Form:

ln wi = a + b0 Si + b1 Ei + b2 Ei2

Hier wird der logarithmierte Lohn wi des Individuums i als endogene Variable mit den erklärenden Variablen Si, für die Anzahl der Jahre im Schulsystem und den Stellvertretervariablen Ei und Ei2 für die Erfahrung des Arbeitnehmers wie z.B. Alter oder Jahre der Berufserfahrung in das Gleichungssystem eingetragen. Über die errechneten Regressionskoeffizienten lässt sich nun auf den Zusammenhang der Ausbildungsdauer auf die spätere Entlohnung und vermutliche Produktivitätseffekte schließen. Die individuelle Ertragsrate der Bildung spiegelt genau diese Relation wieder. Sie wurde durch zahlreiche empirische Forschungen für viele Länder ermittelt und liegt zwischen 5 – 15% , abhängig von Land und betrachtetem Zeitraum^[7]. Hierbei werden allerdings nur pekuniäre Sachverhalte abgebildet. Ob ein Individuum über diese hinaus durch den Konsum von Bildung andere Nutzen ziehen kann, wie z.B. Befriedigung durch Selbstverwirklichung oder ähnliches, wird nicht erfasst^[8].

Sehr viel schwerer und sehr viel interessanter für die Bildungspolitik erweist sich dem gegenüber die Ermittlung des sozialen Ertrags der Bildung. Im Gegensatz dazu, wie sich Bildung für ein einzelnes Individuum auszahlt, steht hier die gesamte Gesellschaft im Mittelpunkt des Interesses. Denkbar wäre es, dass die soziale Ertragsrate oberhalb der individuellen liegt. Das wäre der Fall, wenn beispielsweise Bildung über den individuellen monetären Effekt hinaus, positive Ausstrahlungseffekte aufweist, die zum Wohlstand der gesamten Gesellschaft beitragen. Solche sogenannten Externalitäten würden z.B. dann auftreten, wenn durch ein höheres Bildungsniveau der Gesellschaft der Technische Fortschritt beschleunigt werden könnte. Aber auch verringerte Kriminalitätsraten oder besser informierte Bürger würden eine höhere soziale Ertragsrate vermuten lassen^[9].

Im Gegensatz dazu wäre es durchaus auch vorstellbar, dass die soziale Ertragsrate unterhalb der individuelle Ertragsrate läge. Das wäre z.B. dann der Fall, wenn sich durch Investitionen in Sachkapital höhere Erträge erwirtschaften ließen als Investitionen in HK, und es somit zu einer weniger optimalen Akkumulation von knappen Ressourcen käme^[10] oder wenn lange Ausbildungsdauern lediglich als eine Signal auf Arbeitgeber wirkten. Der letztgenannte Fall ist das Hauptargument gegen die Aussagekraft der oben beschriebenen Einkommensfunktionen und widerspricht somit auch der These, dass durch den Konsum von mehr Bildung eine höhere Produktivität der arbeitenden Bevölkerung erreicht werden kann. Die Idee des sogenannten „Signalling“ ist, dass ein Arbeitgeber, der stets bestrebt sein wird, möglichst produktive Arbeitskräfte einzustellen, aber geringe Informationen über seine künftigen Arbeitnehmer hat, diese anhand deren Zeit im Bildungssystem bewertet und aussucht. Begabtere Schüler streben somit längere Ausbildungszeiten an, um sich abheben zu können. Die längere Ausbildungsdauer wird also lediglich als ein Signal für die Fähigkeiten der sowieso schon produktiveren Arbeitskräfte genutzt^[11]. Bildung würde in diesem Fall nicht zu einem Produktivitätszuwachs führen und gleichzeitig ließe sich die beobachtbare Korrelation mit höheren Einkommen erklären^[12].

Ein weiteres Problem der Zurechenbarkeit betrifft die Auslassung nicht beobachtbarer Variablen, wie z.B. die Erziehung der Eltern oder angeborene Fähigkeiten. Um diesem Problem Rechnung zu tragen, also die Einkommens- bzw. Produktivitätsunterschiede als allein auf erfahrene Bildung zurückführen zu können, bedient man sich der sogenannten „natural experiments“. Hier werden Situationen analysiert, in denen die Schuldauer von Individuen unabhängig von ihren angeborenen Fähigkeit variiert. Es wurden z.B. die Entlohnung von Zwillingen verglichen, die unterschiedlich lange im Schulsystem geblieben waren. Auch die Erreichbarkeit einer Schule diente als ein Instrument für Variationen in der Ausbildungsdauer^[13]. Die Resultate dieser Forschungen sprechen für die Produktivitätseffekte der Bildung. Dennoch sind die Zweifel diesbezüglich, in anbetracht der Signallling -These, hiermit nicht ganz zu widerlegen.

Vor dem Hintergrund der oben beschriebenen Forschungsresultate lässt sich darauf schließen, dass Bildung wohl eher lohnender auf individueller als auf gesellschaftlicher Ebene zu sein scheint^[14]. Gerade aber die sozialen Ertragsraten der Bildung sind für die Politik wichtig. Deshalb wird im folgenden versucht, bei der Beantwortung der Frage, ob wirtschaftliches Wachstum durch Bildung stimuliert werden kann, über den makroökonomischen Ansatz die Schwächen auszugleichen, die die Mikroanalyse hier an den Tag legt.

4. Makroökonomische Wachstumsanalyse

In der makroökonomischen Wachstumsanalyse beschäftigt sich ein Großteil der Forschung mit der sogenannten „Cross-Country-Analyse“. Hier versuchen die Analysten mittels Regression, einen statistisch signifikanten Zusammenhang zwischen den langfristigen Pro-Kopf-Wachstumsraten und einigen variierenden Variablen, herzustellen, um somit ihre vorgeschlagenen Hypothesen bestätigen zu können. Die Größen, die in verschiedenen Studien mit langfristigem volkswirtschaftlichem Wachstum in Verbindung gesetzt worden sind, sind durchaus nicht einheitlich. Levine und Renelt identifizierten in diesem Zusammenhang über 50 Variablen und machen auch deshalb darauf aufmerksam, dass bei der Interpretation solcher Studien eine gewisse Vorsicht geboten sein sollte. Darüber hinaus konnte anhand von Sensitivitätsanalysen die Aussagekraft vorheriger Forschungen angezweifelt werden, da oftmals die vermutete Beziehung zwischen einer betrachteten Variablen und dem volkswirtschaftlichen Wachstum durch leichte Variation der anderen erklärenden Variablen, als nicht mehr statistisch signifikant aufrechterhalten werden konnte oder sogar ins negative umschlug^[15].

Die das Wachstum beeinflussende Variable, die im Mittelpunkt des Interesses dieser Arbeit steht, ist das HK einer Gesellschaft. Erste Schwierigkeiten treten hier schon bei der Suche nach einer passenden Definition und vor allem bei der Auswahl eines geeigneten Indikators und den dazu benötigen Informationen auf. Oftmals wird deshalb mangels bestehender Alternativen auf bereits in anderen Analysen konstruierte Datenbasen zurückgegriffen^[16]. Anhand der Daten verschiedener Länder aus Volkszählungen, diversen Studien und statistischen Jahrbüchern werden hier Informationen über den Stand der Bildung der Bevölkerung im Laufe der Zeit verdichtet. Ein zentrales Problem stellt die Verfügbarkeit und Vergleichbarkeit der Informationen dar, so variiert beispielsweise allein die Länge des Schuljahres von Land zu Land^[17]. Ein weiterer Mangel ist die Verwendung von Einschreibedaten, über die versucht wird, die durchschnittliche Zeit, die ein Individuum eines Landes im Bildungssystem verbracht hat, zu modellieren. Einschreibedaten korrelieren nicht mit der durchschnittlichen Bildungsdauer. Pritchett erklärt diesen Umstand folgendermaßen:

„This is because the growth of educational attainment depends not on the current enrollment rate but on the difference in the enrollment rate between the cohort leaving the labor force and the cohort entering the labor force.” (Pritchett, 1999, S. 13)

Studien, die sich lediglich auf die Einschreibedaten stützen, wie z.B. Mankiw, Romer und Weil (MRW), haben zudem noch das Problem, dass diese Daten erst nach einer gewissen Zeitverzögerung zum durchschnittlichen HK-Bestand beitragen^[18].

Die Probleme nehmen noch zu, möchte der Forscher seine Messung des HK einer Gesellschaft nicht auf die Dauer, die die Individuen im Bildungssystem verbracht haben, stützen, sondern auf die Qualität der ihnen dort angebotenen Lehre. Der Effekt der Bildung auf das Wachstum wäre somit glaubhafter darzustellen, vor allem vor dem Hintergrund der oben angesprochenen Theorie von Lucas. Qualitative Daten aus z.B. international vergleichbaren Tests sind aber noch schwieriger zu erhalten. Deshalb wird in vielen Studien das Bildungsniveau einer Gesellschaft anhand der oben beschriebenen Datensätze geschätzt.

[...]

^[1] Vgl. Temple, Jonathan, Growth Effects of Education and Social Capital, 2000, S. 4

^[2] Vgl. Temple, Jonathan, a.a.O., S. 6

^[3] Z.B. Barro und Lee (1996), Barro (2001), de la Fuente und Donénech (2000)

^[4] Vgl. Barro, Robert J. und Sala-i-Martin, Xavier, Economic Growth, 1995, S. 226 –230

^[5] Vgl. Temple, Jonathan, a.a.O., S.8

^[6] Vgl. Krueger, Alan und Lindahl, Mikael, Education for Growth, 2001, S. 1103.

^[7] Vgl. Temple, Jonathan, a.a.O., S. 9

^[8] Vgl. Temple, Jonathan, a.a.O., S. 5

^[9] Vgl. Krueger, Alan und Lindahl, Mikael, a.a.O., S. 1107

^[10] Vgl. Krueger, Alan und Lindahl, Mikael, a.a.O., S. 1107

^[11] Darüber hinaus bildet die längere Verweildauern im Bildungssystem einen Indikator, der auf Motivation, Ausdauer und Organisationsfähigkeit der Arbeitnehmer schließen lässt (Vgl. Wolf, 2002: 29).

^[12] Vgl. Temple, Jonathan, a.a.O., S. 10

^[13] Vgl. Krueger, Alan und Lindahl, Mikael, a.a.O., S. 1105

^[14] Vgl. Temple, Jonathan, a.a.O., S. 12

^[15] Vgl. Levine, Ross und Renelt, David, Sensitivity Analysis of Cross-Coutry Regressions, 1992, S.942 - 944

^[16] De la Fuente und Donénech identifizierten vier unterschiedliche Datenbasen, die als Grundlage für zahlreiche weitere Regressionen dienten. Vgl de la Fuente und Donénech, How Much Difference Does Data Quality Make?, 2000, S. 7 - 8

^[17] Vgl. Temple, Jonathan, a.a.O., S. 17

^[18] Vgl. Bassanini, Andrea und Scarpetta, Stefano, Evidence from Mean-Group Estimates, 2001, S. 8