80 likes | 182 Views
2. Univariate Regressionsanalyse Fallbeispiele:. Fragen bei einer Untersuchung der Lohnstruktur z.B.: Gibt es Diskriminierung bestimmter sozialer Gruppen in der Entlohnung? Wie zahlen sich Qualifikationen aus? Wie hoch sind die regionalen Lohnunterschiede?
E N D
2. Univariate Regressionsanalyse Fallbeispiele: Fragen bei einer Untersuchung der Lohnstruktur z.B.: • Gibt es Diskriminierung bestimmter sozialer Gruppen in der Entlohnung? • Wie zahlen sich Qualifikationen aus? • Wie hoch sind die regionalen Lohnunterschiede? naiver Ansatz: Vergleich der Durchschnittslöhne, aber ... deshalb verbesserter Ansatz: Voraussetzung: Analyse der Bestimmungsgründe der Lohnbildung Einflussgrößen je nach Ansatz z.B.: • Qualifikation; Berufserfahrung; Branche; Region Untersuchung der Diskriminierung verlangt Kontrolle dieser Variablen; dies geschieht durch einen Regressionsansatz, der die entsprechenden Variablen enthält;
Ansatz: Lohnfunktion Abhängige Variable: logarithmierter Lohn ln W Erklärende Variablen: • Qualifikation • Berufserfahrung • Branche • Region • Gruppenzugehörigkeit Entscheidende Frage für Diskriminierung: Ist der Koeffizient der Gruppenzugehörigkeit signifikant? Entscheidende Frage für das qualifikatorische Lohndifferenzial: Ist der Koeffizient der Qualifikationsvariable signifikant? Wie groß ist er?
Ansatz: Lohnfunktion (Mincer 1974) Abh. Variable: w:=ln W Erklärende Variablen: • QUAL: Qualifikation gemessen durch Ausbildungsjahre; • EXP: (potentielle) Berufserfahrung gemessen als: Alter- Ausbildungszeit- 6 • Dummy-Variablen z.B. für Region, Geschlecht, Nationalität, Industrie typischer Schätzansatz:
Lohnfunktion: Anwendung, Daten 84-97 reg LRENTD5 EXP EXPQ QUAL DRT1 DRT2 DRT4 TREND Source | SS df MS Number of obs = 2980 -------------+------------------------------ F( 7, 2972) = 2763.95 Model | 121.356096 7 7.3365851 Prob > F = 0.0000 Residual | 18.6415458 2972 .006272391 R-squared = 0.8668 -------------+------------------------------ Adj R-squared = 0.8665 Total | 139.997642 2979 .046994844 Root MSE = .0792 ------------------------------------------------------------------------------ LRENTD5 | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- EXP | .0341658 .0005701 59.93 0.000 .0330479 .0352837 EXPQ | –.0600041 .0013765 –43.59 0.000 –.0627031 –.0573052 QUAL | .0900216 .0007599 118.47 0.000 .0885317 .0915115 DRT1 | .0881445 .0040432 21.80 0.000 .0802168 .0960722 DRT2 | .0747822 .0041023 18.23 0.000 .0667385 .0828259 DRT4 | .0649817 .0041877 15.52 0.000 .0567706 .0731928 TREND | .9540514 .0361382 26.40 0.000 .883193 1.02491 _cons | 8.068232 .0110666 729.06 0.000 8.046533 8.089931 ------------------------------------------------------------------------------
Alternative: Schätzung qualitativer Effekte mit Dummy-Variablen
Alternative: Schätzung qualitativer Effekte mit Dummy-Variablen