Der Einfluss von Bildungsdauer und Geschlecht auf das Einkommen

Inhaltsverzeichnis

1 Einleitung

2 Theoretische Herleitung

3 Analyse
3.1 Daten
3.2 Deskription
3.3 T-Test
3.4 Regression
3.4.1 Gruppe 1
3.4.2 Gruppe 2

4 Schlussbetrachtung

Literatur

Tabellen und Abbildungen

1 Einleitung

Dass Bildung wichtig ist hört man nahezu täglich und überall. Eltern, Großeltern und Bekannte geben einem diese Kenntnis daher gerne mal mit auf den Weg. Da ist es nicht selten, dass Sätze wie „Lern´ was anständiges“ fallen. Aber warum ist es ihnen eigentlich so wichtig, dass man etwas anständiges lernt, einen guten Schulabschluss erwirbt und anschließend sogar noch studiert? Reicht da nicht ein „normaler“ Schulabschluss und eine solide Ausbildung, um später erfolgreich zu sein und gutes Geld zu verdienen? Um gutes Geld zu verdienen gibt es viele Wege. Das wissen viele Kriminelle, Lottogewinner, Fußballprofis und diverse Musiker oder Promis, die bestimmt nicht die Fleißigsten in der Schule gewesen sind. Dennoch sind dies Ausnahmefälle, zu denen die Mehrheit der Bevölkerung nicht zählt und man eine vergleichbar erfolgreiche Karriere als eher unwahrscheinlich bis sehr unwahrscheinlich einschätzt, sodass man letztendlich doch versucht, den Rat der Eltern und Großeltern umzusetzen.

Das spätere Einkommen ist sicherlich von mehreren Faktoren abhängig. Neben der Bildung bzw. den erworbenen Qualifikationen und Fähigkeiten spielen Alter, Branche, ob Teilzeit oder Vollzeit und Geschlecht ebenfalls eine bedeutende Rolle. Dass jemand, der einen Beruf gerade erst begonnen hat, nicht so viel verdient, wie jemand, der den selben Beruf bereits mehrere Jahrzehnte ausübt, ist trivial. Mit zunehmender Erfahrung und Bedeutsamkeit für ein Unternehmen spiegelt sich die Arbeit natürlich auch auf dem Konto wieder. Und dass die Frau in den meisten Fällen weniger verdient als der Mann, ist ebenfalls nichts neues - dennoch nicht zwangsweise so und von vielen Faktoren abhängig.

Folgende Arbeit prüft mithilfe statistischer Verfahren und Tests, die auf Grundlage der Daten des Allbus 2010 durchgeführt werden, inwieweit die Dauer der Bildungsinvestition einer Person einen Einfluss auf das spätere Einkommen hat. Zusätzlich wird zwischen Mann und Frau unterschieden und untersucht, ob sich das spätere Einkommen – auch bei gleichem Bildungsstand - zwischen den Geschlechtern unterscheidet und wenn ja, wie stark.

2 Theoretische Herleitung

Um die Zusammenhangshypothese dieser Arbeit zu untermauern und dessen Relevanz für die Wissenschaft darzustellen, folgt vorab eine theoretische Herleitung dieser anhand mehrerer wissenschaftlicher Quellen.

Die theoretische Erklärung unterschiedlicher Einkommen ist zunehmend Gegenstand der Ökonomie, Politikwissenschaft und der Soziologie geworden. Höhere Arbeitseinkommen korrelieren erfahrungsgemäß mit höheren Bildungsabschlüssen. Die schulische, universale oder betriebliche Ausbildung ist ein bedeutender Faktor, der den beruflichen Status und das damit zusammenhängende Einkommen bestimmt (Vgl. Hirschel 2004: 136). Zur Bearbeitung der Frage, wie unterschiedliche Arbeitseinkommen zustande kommen und wodurch sie beeinflusst werden, gibt es mehrere Ansätze bzw. Einkommenstheorien (Vgl. Hirschel 2004: 69). Eine dieser Theorien, die der Prüfung der Zusammenhangshypothese dieser Arbeit dienen könnte, ist die Ability-Theorie, welche davon ausgeht, dass Fähigkeiten, Intelligenz usw. in der Bevölkerung normalverteilt sind. Wie das Wort Ability vermuten lässt, wird die spätere Einkommenshöhe „auf die individuelle Ausstattung mit kognitiven und affektiven Fähigkeiten zurückgeführt“ (Hirschel 2004: 76). Eine der Ability-Theorie ähnelnder Ansatz ist die Humankapitaltheorie. Humankapital bezeichnet in der Wirtschaft den „Bestand an ökonomisch verwertbarem Wissen“ (Hirschel 2004: 77). Der Bestand setzt sich in diesem Fall aus Schulbildung, Berufserfahrung, Fähigkeiten und betriebsspezifischen Wissen zusammen. Ausgehend von diesem Humankapitalbestand wird dann die spätere Einkommenshöhe erklärt (Vgl. Hirschel 2004: 77). Letztere Theorie, die den positiven Einfluss der Bildung auf das spätere Einkommen zu erklären versucht, ist das Schooling-Modell. Auch bei dieser Theorie lässt sich bereits vermuten, was den entscheidenden Untersuchungsgegenstand zur Klärung der heterogenen Arbeitseinkommen darstellt. Somit wird das spätere Einkommen in Bezug auf die schulische Ausbildung gesetzt und untersucht, inwieweit die Länge der Schulzeit das Arbeitseinkommen positiv beeinflusst (Vgl. Hirschel 2004: 79). Allen dieser Theorien ist der Oberbegriff Bildung gemein.

Den Zusammenhang zwischen der Bildung und dem späteren Einkommen sehen auch Bäcker et al. (2008), laut denen eine Einkommensdifferenzierung in der Gesellschaft maßgeblich vom schulischen Werdegang und den erworbenen Qualifikationen bedingt ist. Un- und gering qualifizierte sind im deutlich höherem Maße von Arbeitslosigkeit betroffen, was ergo zunächst zu einem Verlust des Einkommens und im Wiedereinstieg in einen Beruf zu einer Absenkung der später zu beziehenden Löhne führt (Vgl. Bäcker et al. 2008: 231).

Eine Studie, die mit konkreten Zahlen argumentiert, ist die Studie des Instituts für Arbeitsmarkt- und Berufsforschung (IAB). Ihr nach zu urteilen, investiert der deutsche Beschäftigte durchschnittlich 14 Jahre in seine Bildung. Rechnerisch betrachtet bringt jedes Jahr Bildungsinvestition 5 % mehr Lohn. Beschäftigte, die 16 Jahre in ihre Bildung investiert haben, haben ihr gesamtes Erwerbsleben über ein im Schnitt um 25% höheres Einkommen als Beschäftigte, die das Bildungssystem bereits nach 11 Jahren verlassen haben (Vgl. Geiling 2012: 6).

Einkommensdifferenzierungen sind aber auch, wie in der Einleitung bereits erwähnt, durch das Geschlecht bedingt. Da diese Arbeit den Einfluss der Bildungsinvestitionsdauer auf das spätere Einkommen unterschieden zwischen Männern und Frauen untersucht, ist es rational, geschlechtsspezifische Lohnunterschiede vorab einmal betrachtet zu haben. Nach Angaben der amtlichen Verdienststatistik bezogen Männer im Jahr 2006 ein um 35,3% höheres Arbeitseinkommen als Frauen, welches einen durchschnittlichen Bruttomonatsverdienst von 2.696 € für den Mann und 1.992 € für die Frau darstellt. Das durchschnittlich geringere Arbeitseinkommen der Frau ist aus ihrem Lebenszusammenhang herzuleiten. Die Beschäftigung der Frau konzentriert sich größtenteils auf Tätigkeiten, „die in der Verdiensthierarchie am unteren Ende stehen“ (Bäcker et al. 2008: 232). Betrachtet man den oberen Teil der Verdiensthierarchie, so ist festzustellen, dass Frauen dort nur schwach vertreten sind. In dem unterem Teil, dem Dienstleistungssektor beispielsweise, dagegen stark. Männer hingegen sind in unteren Leistungsgruppen laut amtlicher Statistik nur zu 8% vertreten (Vgl. Bäcker et al. 2008: 232).

Dennoch sind Lohnunterschiede zwischen Männern und Frauen auch in gemeinsamen Leistungsgruppen vorzufinden. Eine Analyse der Daten des linked Employer-Employee-Datensatzes des IAB bezüglich der Löhne von Männern und Frauen zeigt, dass Frauen, die im selben Beruf und Betrieb arbeiten und zudem die gleiche Humankapitalausstattung wie Männer vorweisen können, immer noch deutlich weniger verdienen (Vgl. Hinz & Gartner 2005: 33).

Dass es Lohnunterschiede bei gleicher Qualifizierung zwischen Männern und Frauen gibt, zeigen auch Leuze & Strauß (2009), die das Einkommen von Akademikerinnen und Akademikern untersuchten. Demnach sind Lohnunterschiede bei Hochqualifizierten zwischen den Geschlechtern oftmals stärker ausgeprägt als bei gering Qualifizierten. Eine Erklärung dafür findet man in der Wahl der Studienfächer. Während Frauen eher Geistes-, Erziehungs- und Sozialwissenschaften studieren, sind Männer überwiegend in Natur- und Ingenieurswissenschaften vorzufinden, welche auch besser bezahlt werden. Mit dieser Erklärung werden jedoch nur 74 bis 76 % des Lohnunterschieds zwischen den Anfangsgehältern von Frauen und Männern bestätigt. Nach fünf bis sechs Jahren nur noch 26 bis 33%. Insofern lässt sich das unterschiedliche Gehalt nicht vollständig auf die Wahl der Studienfächer zurückführen (Vgl. Leuze & Strauß 2009: 264).

Hinzu kommt, dass das Muster eines kontinuierlichen Karriereverlaufs durch die familienbedingte Erwerbsaufgabe bzw. -reduzierung und den darauf folgenden Wiedereinstieg in den Beruf im Vergleich zum Mann erheblich erschwert ist. Diese Diskontinuitäten in der Erwerbsbiographie der Frau spiegelt sich schließlich in einem deutlich geringerem Einkommen bezüglich der gesamten Erwerbsbiographie wieder (Vgl. Bäcker et al. 2008: 231 f.).

3 Analyse

Bevor die statistischen Tests zur Prüfung der Zusammenhangshypothese, inwiefern die Dauer der Bildungsinvestition einen Einfluss auf das spätere Einkommen hat und wie stark die Unterschiede zwischen Männern und Frauen tatsächlich sind, durchgeführt werden, sollte zunächst ein genauer Blick auf den verwendeten Datensatz, auf Grundlage dessen die Analysen basieren, geworfen werden.

3.1 Daten

In der Einleitung wurde bereits kurz erwähnt, dass die Tests auf Grundlage der Daten des Allbus 2010 durchgeführt werden. Die Bezeichnung Allbus steht für Allgemeine Bevölkerungsumfrage der Sozialwissenschaften, welche „Mitte der siebziger Jahre als ein zentrales nationales Datengenerierungsprogramm […] der Sozialwissenschaften konzipiert“ (Terwey & Baltzer 2011: 6) wurde. Die Allbus Umfragen dienen als eine wichtige Datenquelle zur Sammlung und wissenschaftlicher Verwendung erstrangigster Daten über Verhalten, Einstellungen und sozialem Wandel in Deutschland. Das Vorgehen der Allbus Befragungen basiert auf repräsentativ wiederholenden Bevölkerungsumfragen mit teils konstanten und teils neu entwickelten Frageprogrammen. Damit werden die wesentlichen Bereiche der empirischen Sozialforschung abgedeckt (Vgl Terwey & Baltzer 2011: 6). Erhoben wurden die Daten von TNS Infratest Sozialforschung München im Zeitraum von Mai bis November 2010 (Vgl. Terwey & Baltzer 2011: 16). Die Grundgesamtheit bezog sich dabei auf die Bundesrepublik Deutschland. Die Auswahl aus der Grundgesamtheit bildete eine Personenstichprobe, welche aus einer zweistufigen, disproportional geschichteten Zufallsauswahl in West- und Ostdeutschland bestand. Diese Zufallsauswahl erfolgte aus allen zu dem Zeitpunkt der Erhebung in Privathaushalten lebenden Personen, die vor dem 01.01.1992 geboren sind. Somit kam man zu einem Datensatz bestehend aus 2827 Personen und 981 Variablen. Erhoben wurden die Daten anhand mündlicher Befragungen mit standardisiertem Frageprogramm (CAPI – Computer Assisted

Personal Interviewing) und zwei Zusatzbefragungen als CASI (Computer Assisted Self-Interviewing) im Rahmen des ISSP (Splitverfahren). Die Ausschöpfungsquote betrug im Osten 33,4 % und im Westen 34,9 %. Insgesamt betrug die Ausschöpfungsquote somit 34,4 % (Vgl. Terwey & Baltzer 2011: 19 f.).

Die in dieser Arbeit als unabhängige Variable verwendete Variable, von der vermutet wird, dass sie einen Einfluss auf die abhängige Variable hat, ist die Variable V917. Im Datensatz abgekürzt lautet die Variable BEFR.: WIE VIELE SCHULJAHRE? Die in dieser Arbeit verwendete Definition von Bildung bezieht sich hier also auf die Anzahl der Jahre, die eine Person in ihre Bildung bzw. Ausbildung investiert hat. Somit wird davon ausgegangen, dass mehrere Jahre der Bildungsinvestition mit einem höheren Einkommen korrelieren. Unter der Variablenbezeichnung befindet sich im Datenbuch eine genauere Beschreibung, die besagt, dass die Frage auf alle Jahre der Bildungsinvestition insgesamt abzielt. Nämlich, wie lange der Befragte insgesamt in der Schule, Hochschule oder anderen schulischen oder betrieblichen Ausbildungen war. Wiederholte Schuljahre sollten nicht mitgezählt und die Angaben gerundet werden (Vgl. Terwey & Baltzer 2011: 1094). Des weiteren ist es wichtig anzumerken, dass es sich bei der unabhängigen Variable Anzahl der Schuljahre um eine ISSP Zusatzbefragung handelt, also eine Frage, die nicht jeder aus der Stichprobe beantwortet hat. Aufgrund dessen wird es notwendig sein, vor der Durchführung der Tests, die Teilnehmer des ISSP Fragebogens herauszufiltern. Somit ist gewährleistet, dass nur Befragte, die beide Fragen – nämlich nach dem Einkommen und nach der Anzahl der Schuljahre - beantwortet haben, in die Analyse aufgenommen werden. Nur so werden die Ergebnisse der Tests bezüglich des Einkommens sinnvoll und vor allem korrekt.

Die abhängige Variable, V612, lautet im Datensatz BEFR.: NETTOEINKOMMEN, OFFENE ABFRAGE. Die in dem Datenbuch zu findende Erklärung bezüglich dieser Variable erläutert, dass das genaue eigene monatliche Einkommen des Befragten gemeint ist. Das bedeutet, dass die Summe, bei der die Abzüge der Steuern und Sozialversicherungsbeiträge bereits mitberücksichtigt wurden, genannt werden sollte (Vgl. Terwey & Baltzer 2011: 771). Die Gruppierungsvariable bildet die Variable V298, welche im Datensatz GESCHLECHT, BEFRAGTE<R> lautet. Zu dieser Variable gibt es nicht viel zu erklären, außer dass die Befragten einfach ihr Geschlecht im Fragebogen ankreuzen sollten (Vgl. Terwey & Baltzer 2011: 340). Gewichtet wurde mit Variable V977 PERSONENBEZOGENES OST-WEST-GEWICHT. Durch die Gewichtung wird die Überrepräsentation der Befragten aus den neuen Bundesländern aufgehoben und ermöglicht Aussagen über Personenmerkmale in ganz Deutschland, ohne dass eine Trennung zwischen West- und Ostdeutschland nötig ist (Vgl. Terwey & Baltzer 2011: 1196).

3.2 Deskription

Mit Hilfe der deskriptiven Statistik lassen sich unabhängige und abhängige Variable in aufbereiteter Form gut darstellen. Sie bietet unter anderem die Möglichkeit, den Durchschnitt, die Standardabweichung, den Median, ein Histogramm etc. für bestimmte Variablen ermitteln und darstellen lassen zu können. Im Folgenden werden zunächst die soeben genannten Kennzahlen für die unabhängige und abhängige Variable dargestellt. ^[1]

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Deskriptive Statistik

Der Tabelle ist zu entnehmen, dass für die Befragung nach dem Einkommen 989 Fälle und für die Befragung nach der Anzahl der Schuljahre 1267 Fälle gültig sind. Dass bei der Frage nach dem Einkommen nur 989 Fälle gültig sind, hängt mit der Filterführung, die aufgrund der ISSP Zusatzbefragung notwendig war, zusammen. Ohne die Filterführung haben mehr als doppelt so viele die Frage nach dem Nettoeinkommen beantwortet. Des weiteren ist festzustellen, dass das Nettoeinkommen der herausgefilterten Befragten im Schnitt bei 1381,16 € liegt. In ihre Bildung haben unter allen Befragten der ISSP Zusatzbefragung im Schnitt 12 Jahre investiert. Der Median liegt bei der Frage nach dem Nettoeinkommen bei 1200 und bei der Frage nach der Anzahl der Schuljahre bei 11. Das bedeutet, dass die Hälfte der herausgefilterten Befragten ein Nettoeinkommen unter 1200 und die andere Hälfte eins über 1200 € hat. Bei der Frage nach der Anzahl der Schuljahre haben die Hälfte aller Befragten unter 11 Jahre und die andere Hälfte über 11 Jahre in ihre Bildung investiert. Der Modalwert gibt den am häufigsten genannten Wert an. Bei der Nettoeinkommensbefragung ist der häufigste Wert 1500, was bedeutet, dass von den relevanten Befragten bezüglich des Nettoeinkommens die meisten ein Gehalt von 1500 € genannt haben. Bei der Frage nach der Anzahl der Schuljahre haben die meisten die Zahl 10 genannt. Also haben die meisten der Befragten 10 Jahre in ihre Bildung investiert. Die Standardabweichung und die Varianz zeigen an, wie unterschiedlich die Werte in den Variablen sind. Sie geben somit an, wie stark die Streuung der Werte ist. Die Varianz ist nichts anderes als der quadrierte Wert der Standardabweichung und deshalb so groß. Vereinfacht lässt es sich so ausdrücken, dass die Befragten im Schnitt 1381,16 € plus minus 1029,73 € verdienen. Die Befragten der ISSP Zusatzbefragung investierten im Schnitt 12 plus minus 5 Jahre (aufgerundet von 4,63) in ihre Bildung. Minimum und Maximum bezeichnen lediglich die Spannweite der Werte beider Variablen. Somit liegen die Werte der Variable des Nettoeinkommen zwischen 30 und 10000 € und bei der Frage nach der Dauer der Bildungsinvestition zwischen 2 und 70 Jahren.

Um sich ein genaueres Bild der Daten der unabhängigen und abhängigen Variable machen zu können, wird im Folgenden jeweils ein Histogramm zur Visualisierung der beiden Variablen hinzugezogen. ^[2]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Histogramme

Zusammen ergeben die Balken der jeweiligen Histogramme einen guten Eindruck über die gesamte Verteilung der Werte. Jeder Balken in den jeweiligen Histogrammen repräsentiert einen Wertebereich der jeweiligen Variable. Die Höhe der Balken gibt Aufschluss darüber, wie häufig die Werte aus diesem Bereich in der jeweiligen Variable enthalten sind. Die Kennzahlen rechts neben den Histogrammen sind bereits aus der Tabelle 1: Deskriptive Statistik bekannt. So kann man bei der unabhängigen Variable Dauer der Bildungsinvestition gut die Häufung im Bereich von ca. 8 bis 14 Jahren erkennen. Dies bedeutet, dass die meisten Personen der Befragten diese Spannbreite an Jahren in ihre Bildung investiert haben. Besonders hervor sticht dabei der Balken um die 10 plus minus 1 Jahr. Diese Anzahl an Jahren der Bildungsinvestition ist unter den Befragten weitaus am häufigsten genannt wurden. Die Verteilung ist somit linkssteil, was bedeutet, dass der überwiegende Teil der Verteilungsfläche auf der linken Seite konzentriert ist und zur Folge hat, dass die Verteilungskurve nach rechts langsamer fallen würde. Die Balken bis hin zu 20 Jahren Bildungssystem sind von ihrer Höhe her zwar noch deutlich erkennbar, doch ist dort schon zu erkennen, dass die Anzahl an Personen ab diesem Bereich mit allen weiteren Jahren deutlich abnimmt. Je höher die Anzahl der Bildungsjahre wird, desto höher wird also auch die Streuung der Werte. Gleiches gilt auch für die abhängige Variable Einkommen. Je höher das Einkommen wird, desto kleiner werden auch die Wertebereiche. Die Häufung der Werte liegt in diesem Fall zwischen ca. 500 und 1700 € Nettoeinkommen pro Monat, was bedeutet, dass unter den herausgefilterten Befragten das Nettoeinkommen am ehesten in diesem Bereich liegt. Wirft man nochmal einen Blick auf die Tabelle der deskriptiven Statistik, so sieht man, dass auch der Durchschnittswert innerhalb dieses Bereiches liegt. Die Verteilung der abhängigen Variable ist somit auch linkssteil. Ab einem Einkommen über ca. 2500 Euro Netto pro Monat werden die Wertebereiche bzw. Balken deutlich kleiner und es beginnt stark zu streuen. Die Verteilungskurve würde in den höheren Bereichen des Nettoeinkommens also langsamer und weniger steil fallen.

[...]

^[1] /STATISTICS=STDDEV VARIANCE MINIMUM MAXIMUM MEAN MEDIAN MODE /ORDER=ANALYSIS.

^[2] /HISTOGRAM=v917. /HISTOGRAM=v612.