Welche Ursachen gibt es für die steigende Arbeitslosigkeit? Welche Determinanten üben einen Einfluss auf den Anstieg der Arbeitslosigkeit aus?
In einem ersten Schritt wird in der thematischen Einleitung sowohl die nationale als auch die internationale Variante der Arbeitslosigkeit vorgestellt und es werden die wichtigsten Typen beziehungsweise Arten der Arbeitslosigkeit genannt. Anschließend wird kurz die Arbeitslosenquote vorgestellt, die in dieser Arbeit als abhängige Variable fungiert. Später wird die Entwicklung der Arbeitslosenquote graphisch aufgezeigt. Danach werden einige Determinanten der Arbeitslosigkeit vorgestellt. Im darauf folgendem Kapitel wird eine multivariate Regressionsanalyse erfolgen, anhand derer überprüft wird, ob die zuvor vorgestellten Annahmen mit den Ergebnissen der multivariaten Auswertung korrespondieren.
Inhaltsverzeichnis
1. Einleitung
2. Was sind PCSTS-Daten?
3. Analyse mit eigenen Daten
3.1 Thematische Einleitung
3.2 Graphische Darstellungen
3.3 Determinanten der Arbeitslosigkeit
3.4 Multivariate Auswertung
4. Fazit
Abbildungsverzeichnis
Abbildung 1: Variation der Arbeitslosenquote in ausgewählten OECD-Ländern 1974 bis 2014
Abbildung 2: Multiples Liniendiagramm der abhängigen Variable
Tabellenverzeichnis
Tabelle 1: Fixed-Effects-Modell (13 OECD-Länder, 1974-2014)
1. Einleitung
In nahezu allen Industrieländern lässt sich ein deutlicher Anstieg der Arbeitslosenquote seit den 1960er Jahren beobachten. Die Steigung der Arbeitslosenquote kann zum Teil durch den Ölpreisschock des Jahres 1973 und die drastische Erhöhung der Rohstoffpreise sowie die hohen Realzinsen in den 1980er Jahren erklärt werden. (Rottmann/Flaig 2009: 2) Der Anstieg der Arbeitslosenquote lässt sich zudem auch durch den „Rückgang der Produktivitätswachstumsraten oder durch die Verwerfungen im Zuge des Globalisierungsprozesses“ erklären. (Rottmann/Flaig 2009: 2)
Doch neben den schwierigen und krisenhaften Wirtschaftslagen existieren noch weitere Faktoren, die für einen Anstieg der Arbeitslosenquote sozusagen „verantwortlich“ zu sein scheinen.
Welche weiteren Ursachen gibt es für die steigende Arbeitslosigkeit? Welche weiteren Determinanten üben einen Einfluss auf den Anstieg der Arbeitslosigkeit aus? Im Folgenden wird versucht, Antworten auf die hier gestellten Fragen zu geben.
Die folgende Arbeit gliedert sich in zwei Teile: Im ersten Teil wird es darum gehen, zu erklären, was PCSTS-Daten sind und welche Besonderheiten sie aufweisen. Der zweite Teil bezieht sich auf die Analyse mit eigenen Daten1. In einem ersten Schritt wird in der thematischen Einleitung sowohl die nationale als auch die internationale Variante der Arbeitslosigkeit vorgestellt und es werden die wichtigsten Typen bzw. Arten der Arbeitslosigkeit genannt. Anschließend wird kurz die Arbeitslosenquote vorgestellt, die in dieser Arbeit als abhängige Variable fungiert. Später wird die Entwicklung der Arbeitslosenquote graphisch aufgezeigt. Danach werden einige Determinanten der Arbeitslosigkeit vorgestellt. Im darauf folgendem Kapitel wird eine multivariate Regressionsanalyse erfolgen, anhand derer überprüft wird, ob die zuvor vorgestellten Annahmen mit den Ergebnissen der multivariaten Auswertung korrespondieren.
2. Was sind PCSTS-Daten?
PCSTS-Daten, die Zeit- und Ländereffekte modellieren, stellen gegenwärtig den Stand der quantitativen Datenanalyse dar. Der Vorteil von PCSTS-Daten liegt zum einen in der „Erhöhung der Fallzahl.“ (Jahn 2006: 395) Untersucht man beispielsweise 15 Länder über einen längeren Zeitraum - z.B. 25 Jahre - erhält man 375 Beobachtungen. Zum anderen erfassen PCSTS-Daten sowohl „Veränderungen auf der Zeitdimension als auch zwischen den Ländern [...], was isolierten Zeitreihen- und Querschnittsanalysen“ nicht gelingt. (Jahn 2006: 395)
PCSTS-Daten weisen also eine gruppierte Struktur auf, die über zwei Dimensionen variiert: es lässt sich eine Variation der metrischen abhängigen Variable sowohl über den Raum bzw. über Länder (in dieser Arbeit werden beispielsweise 13 Länder untersucht) als auch über die Zeit (hier über 9 Jahre (1974-2014 im 5-Jahr-Schritt)) beobachten. Die einzelnen Beobachtungen, bei denen es sich also um Kombinationen aus einzelnen Ländern und den einzelnen Jahren handelt, werden sozusagen als Länderjahre (oder Jahreländer) bezeichnet. (Wenzelburger/Jäckel/König 2014: 120) Eine solche Datenstruktur kann sich aber als problematisch erweisen, insofern als sie zum Teil mit den Annahmen eines normalen OLS Modells nicht vereinbar ist. Bei OLS Modellen werden Fälle zufällig ausgewählt und „alle Beobachtungen werden so behandelt, als seien sie völlig unabhängig voneinander.“ (Wenzelburger/Jäckel/König 2014: 125) Im Gegensatz dazu werden bei PCSTS-Daten die Fälle nicht zufällig ausgewählt und auch „die Beobachtungen, die durch das Poolen von Ländern und Jahren zu Länderjahren entstanden sind“, weisen nicht mehr eine wechselseitige Unabhängigkeit auf. (Wenzelburger/Jäckel/König 2014: 124)
Als erste Besonderheit von gepoolten Zeitreihendaten wäre die Heterogenität der Einheiten zu nennen. „Heterogene Einheiten liegen dann vor, wenn einzelne Länder sehr unterschiedliche y-Achsenabschnitte aufweisen.“ (Wenzelburger/Jäckel/König 2014: 124) Anders gesagt: Aufgrund eines differenten Niveaus der abhängigen Variable (aV), ist die y- Variable auf einem unterschiedlichen y-Achsenabschnitt situiert. Des Weiteren liegt ein Länderunterschied zum einen in der zeitlichen Dynamik und zum anderen ist auch ein Unterschied der Länder in der Effektstärke beobachtbar. Als Lösung für die Heterogenität, wird der Fehlerterm einerseits in einen einheitsspezifischen Fehler, der für jedes Land separat geschätzt wird und konstant ist und andererseits in ein Residuum für die übriggebliebene Variation, zerlegt. (Wenzelburger/Jäckel/König 2014: 125) Die länderspezifische Heterogenität lässt sich durch den sogenannten Fixed-Effects -Schätzer absorbieren. Wird in das Fixed-Effects -Modell für „jedes [einzelne] Land im Sample [...] ein[e] [Dummy-Variable] in die Schätzung aufgenommen, [...] [die] die einheitsspezifische Heterogenität absorbiert“, so bezeichnet man das Modell als Least-Squares-Dummy- Variables -Ansatz oder kurz als LSDV-Ansatz. (Wenzelburger/Jäckel/König 2014: 126)
Der Vorteil des LSDV-Modells besteht darin, dass „man sehr plastisch über die Koeffizienten für die Länderdummies sieht, wie relevant die Einflüsse der jeweiligen Länder auf die Regressionsschätzung sind.“ Nachteilig bei diesem Ansatz ist, „dass für jeden Staatendummy ein Freiheitsgrad verbraucht wird.“ (Wenzelburger/Jäckel/König 2014: 126127) Fixed-Effects-ModeWe lassen sich - alternativ zum LSDV-Modell - auch über das sogenannte Demeaning berechnen. Hierbei werden „Länderjahr-Beobachtungen als Abweichung vom länderspezifischen Mittelwert“ ausgedrückt. (Wenzelburger/Jäckel/König 2014: 127)
Ergänzend sei hinzugefügt, dass oftmals ein Unterschied zwischen der Between-Schätzung und der Within-Schätzung gemacht wird. (Wenzelburger/Jäckel/König 2014: 130) Während sich die Within-Schätzung auf die Fixed-Effects -Modelle bezieht, „bei denen die länderspezifische Heterogenität komplett ausgeschaltet wird [...] und die Aussagen über Zusammenhänge daher alleine auf der Varianz innerhalb eines Landes beruhen“, erfasst die Between-Schätzung hingegen „die Unterschiede im Querschnitt“. (Wenzelburger/Jäckel/König 2014: 130)
Between-Schätzungen beziehen sich beispielsweise auf das Random-Effects -Modell und erfassen hauptsächlich die Varianz zwischen den Ländern.
Eine weitere Besonderheit gepoolter Zeitreihendaten besteht in der Nicht-Stationarität. Allgemein werden Zeitreihen als stationär bezeichnet, wenn ihre grundlegenden Eigenschaften wie beispielsweise der Erwartungswert und die Varianz im Zeitverlauf unverändert bleiben. Bei nicht-stationären Zeitreihen hingegen, sind sowohl der Erwartungswert als auch die Varianz im Zeitverlauf änderbar. (Auer/ Rottmann 2011: 574) Anders gesagt: der Effekt von x auf y ist nicht immer identisch, sondern erweist sich als veränderbar. So führt z.B. die Arbeitslosigkeit nicht immer zu einer höheren Armut. Die Nicht- Stationarität könnte beispielsweise dadurch beseitigt werden, indem die Korrelation für einzelne Werte geprüft wird.
Hinzu kommt, dass PCSTS-Daten oft seriell autokorreliert sind, d.h. das Vorjahr übt einen Einfluss auf das Folgejahr aus und ein Jahr hängt mit dem Folgejahr kausal zusammen. (Wenzelburger/Jäckel/König 2014: 123) Man kann also sagen, dass im Falle einer Autokorrelation ein Fehlerterm einer bestimmten Periode eine Verbindung zu dem Fehler der vorherigen Periode aufweist. (In diesem Zusammenhang spricht man auch von first-order autocorrelation).
Erwähnenswert ist außerdem, dass auch wenn eine serielle Autokorrelation - im Gegensatz zur Nicht-Stationarität - zu ineffizienten Schätzergebnissen führen kann, bringt sie in einer gewissen Hinsicht keine verzerrten Koeffizienten mit sich. (Wenzelburger/Jäckel/König 2014: 133) Die Autokorrelation lässt sich in Stata anhand von den xt-Befehlen sozusagen „rausrechnen.“ So berücksichtigt der Stata-Befehl für das Random-Effects -Modell (xtreg) mit der re-Option (xtreg y x, re) die Ähnlichkeit der Daten für ein Land über die Zeit hinweg. Eine weitere Modellvariation wäre die Regression mit panel corrected standard error (pcst y x1 x2 x3). Der Befehl lässt sich außerdem noch mit der Option corr() anwenden, mit der ein Random-Effects -Modell spezifiziert werden kann: xtgee y x1 x2 x3, corr(exchangeable). Eine weitere Variation sehe wie folgt aus: xtgee y x1 x2 x3, corr(a1) independent. (Kohler/Kreuter 2012: 323)
Neben der Heterogenität, der Nicht-Stationarität und der seriellen Autokorrelation kann auch die Heteroskedastizität als ein besonderes Merkmal gepoolten Zeitreihendaten gesehen werden, da sie eine ineffiziente Regressionsschätzung nach sich zieht, d.h. „den Standartfehlern und Konfidenzintervallen der Regression kann nicht mehr vertraut werden.“ (Wenzelburger/Jäckel/König 2014: 137) Eine Möglichkeit die Heteroskedastizität zu beseitigen, wäre beispielsweise Mehrebenenmodelle zu verwenden, die dazu führen, dass „Heteroskedastizität [...] durch die Mehrebenenstruktur modelliert wird.“ (Wenzelburger/Jäckel/König 2014: 137)
3. Analyse mit eigenen Daten
3.1 Thematische Einleitung
Dem Problem der Arbeitslosigkeit wird eine große gesellschaftspolitische Bedeutung zugemessen. (Beckert 2007: 462) Allgemein kann Arbeitslosigkeit „als Diskrepanz zwischen Arbeitsangebot und Arbeitsnachfrage auf dem Arbeitsmarkt“ beschrieben werden. (Becknert 2007: 466) Es lassen sich allerdings Unterschiede zwischen der nationalen Erfassung der Arbeitslosigkeit und der internationalen Variante feststellen, denn während die Arbeitslosigkeit im nationalen Kontext „weitgehend von sozialrechtlichen Definitionen bestimmt“ ist, bevorzugen internationale Konzepte eher eine einheitliche „Erfassung von Erwerbstätigen und Erwerbslosen.“ (Konle-Seidl 2009: 1)
Die Anzahl der Personen, die keine Arbeit haben fällt auch von Land zu Land unterschiedlich groß aus. So werden beispielweise in Großbritannien „nur die Empfänger von Arbeitslosenunterstützung in den nationalen Statistiken als arbeitslos geführt.“ (Konle-Seidl 2009: 3)
In Deutschland werden „amtliche Zahlen über den Arbeitsmarkt“ von der Bundesagentur für Arbeit (BA) und dem Statistischen Bundesamt zur Verfügung gestellt. (Konle-Seidl 2009: 1) Als registrierte Arbeitslose gelten nach dem Konzept der BA Personen, die „ohne Beschäftigung bzw. in einem Arbeitsverhältnis mit weniger als 15 Stunden pro Woche“ stehen, „bei einer Agentur für Arbeit oder einem Träger der Grundsicherung“ als arbeitslos gemeldet sind, aktiv auf der Suche nach einer „versicherungspflichtige[n] Beschäftigung von mindestens 15 Stunden pro Woche“ sind und „nicht in einer Maßnahme der aktiven Arbeitsmarktpolitik“ sind. (Konle-Seidl 2009: 3)
Im Gegensatz dazu zielt das internationale ILO-Konzept - welches sich international „aufgrund unterschiedlicher Abgrenzungskriterien und sozialrechtlicher Besonderheiten“ (Konle-Seidl 2009: 3) durchgesetzt hat - darauf ab, „international und intertemporal vergleichbare Arbeitsmarktdaten zu liefern, die unabhängig von nationalen sozialgesetzlichen Reglungen sind.“ (Konle-Seidl 2009: 3) So gelten nach dem ILO-Labour- Force-Konzept als erwerbslos „Personen ab 15 Jahren, die im Beobachtungszeitraum keine[r] Erwerbstätigkeit von mindestens 1 Stunde pro Woche [nachgehen]“ und die folgende Bedingungen erfüllen: sie haben keine Arbeit, stehen „gegenwärtig bzw. innerhalb der nächsten zwei Wochen für eine Beschäftigung zur Verfügung“ und haben „in den vergangenen vier Wochen Arbeit gesucht.“ (Konle-Seidl 2009: 2)
Es lässt sich also ein Unterschied zwischen der Erwerbslosenstatistik und dem ILO-Konzept „sowohl in den Erhebungsmethoden und Begriffsabgrenzungen als auch in der zugrunde liegenden Konzeption von Beschäftigungslosigkeit“, erkennen. (Konle-Seidl 2009: 2) Während nach dem ILO-Konzept unter Erwerbslosigkeit „das totale Fehlen von Arbeit“ verstanden wird, hängt nach der BA festgelegten Definition die Erwerbslosigkeit vom „Grad der Integration einer Person in das Beschäftigungssystem“ ab. (Konle-Seidl 2009: 2) So gelten „Personen in einem Arbeitsverhältnis von weniger als 15 Stunden pro Woche als arbeitslos.“ (Konle-Seidl 2009: 2)
Bemerkenswert ist außerdem, dass auch wenn beide Konzepte die Kriterien „aktive Suche“ und „Verfügbarkeit“ in einer vergleichbaren Art und Weise konzeptualisieren, sind sie dennoch „unterschiedlich operationalisiert.“ (Konle-Seidl 2009: 2)
An dieser Stelle soll nun auf die unterschiedlichen Typen der Arbeitslosigkeit kurz eingegangen werden, da diese differente Problematiken beleuchten, „aus denen sich völlig verschiedene Maßnahmen zur Bekämpfung der Arbeitslosigkeit ableiten“ lassen. (Beckert 2007: 466) Nachfolgend werden 5 Arten der Arbeitslosigkeit näher in den Blick genommen.
Die Friktionelle- oder Fluktuationsarbeitslosigkeit ist von kurzfristiger Natur und „gilt insofern als ,normal', als dies eine Begleiterscheinung der Arbeitsvertragsfreiheit und der Anpassungsprozesse am Arbeitsmarkt ist.“ (Lachmann 1990: 162) Sie liegt z.B. bei einem Arbeitsplatzwechsel vor. So kann es beispielsweise „bei der Beendigung eines Arbeitsverhältnisses zu einem Übergang kommen, bis die nächste Arbeitstätigkeit beginnt.“ (Beckert 2007: 466)
Die strukturelle Arbeitslosigkeit „äußert sich in qualitativen Beschäftigungsungleichgewichten, [...] [die sich darin erkennen lassen], dass im wirtschaftlichen Strukturwandel Arbeitsplätze in bestimmten Sektoren (bspw. Textilindustrie, Bergbau) abgebaut werden.“ (Lachmann 1990: 162) Die strukturelle Arbeitslosigkeit kann sowohl regional sein, als auch in bestimmten Wirtschaftszweigen auftreten. (Lachmann 1990: 162)
Die technologische Arbeitslosigkeit tritt auf, wenn Beschäftigte aufgrund vom technischen Fortschritt ihren Arbeitsplatz verlieren. Dies kann beispielsweise durch Automaten und Computer bedingt sein.
Die konjunkturelle Arbeitslosigkeit ist bedingt „durch zyklische Nachfrageschwankungen bzw. durch den mit einer Rezession verbundenen generellen Nachfragerückgang.“ (Lachmann 1990: 162) Bei einer schwächer werdenden Konjunktur wird weniger produziert, es wird weniger Arbeit benötigt und es kommt zu einem Abbau von Arbeitsplätzen. „In Phasen eines stärkeren Wirtschaftswachstums“ hingegen, wird mehr produziert und das Beschäftigungsniveau steigt wieder an. (Beckert 2007: 466)
Die saisonale Arbeitslosigkeit lässt sich durch die Abhängigkeit von bestimmten Arbeitsplätzen von den jahreszeitlichen Schwankungen der Arbeitsnachfrage, erklären. So sind beispielsweise die folgenden Beschäftigungsfelder regelmäßig von der saisonalen Arbeitslosigkeit betroffen: Tourismus, Hotelgewerbe, Landwirtschaft. (Beckert 2007: 466)
Als abhängige Variable wird in dieser Arbeit die Arbeitslosenquote verwendet. Aufgrund von einer bedeutsamen Diskrepanz zwischen der „Zahl der national erfassten Arbeitslosen und jener der Erwerbslosen nach dem ILO-Konzept“ (Konle-Seidl 2009: 3), soll deshalb die international standardisierte Arbeitslosenquote2 verwendet werden. Die Arbeitslosenquote, die einerseits als ein wichtiges „Maßstab des Kapazitätsübergangs am Arbeitsmarkt“ gesehen werden kann und andererseits auch als ein bedeutsamer „Indikator des wirtschaftlichen und gesellschaftlichen Wohlstands“ betrachtet werden kann, wird definiert als „die Zahl der Arbeitslosen in Prozent der Erwerbsbevölkerung, die sich aus den Arbeitslosen und den Erwerbstätigen zusammensetzt.“ (OECD 2012: 166)
3.2 Graphische Darstellungen
Abbildung 1 verschafft einen Eindruck von der langfristigen Entwicklung der Arbeitslosigkeit - gemessen anhand der Arbeitslosenquote - in 13 OECD-Ländern. Die Angaben beschränken sich dabei auf Werte in Fünf-Jahres-Intervallen. In Abbildung 2 wir anhand eines multiplen Liniendiagramms der Verlauf der Arbeitslosenquote für jedes Land separat angegeben.
[...]
1 Datenbasis : die in dieser Arbeit verwendeten Daten wurden im Zeitraum von 1974 bis 2014 im 5-Jahres-Schritt erhoben und beziehen sich auf 13 OECD-Länder (Österreich, Belgien, Kanada, Großbritannien, Dänemark, Deutschland, Finnland, Frankreich, Italien, Japan, Niederlande, Norwegen und USA).
2 Quelle: OECD, ALFS Summary tables: Annual labour force statistics, Rate of Unemployment as % of Civilian Labour Force
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.