Erwerbsarbeit, Einkommen und Geschlecht: Studien zum Schweizer Arbeitsmarkt

Ben Jann Erwerbsarbeit, Einkommen und Geschlecht Ben Jann Erwerbsarbeit, Einkommen und Geschlecht Studien zum Schwei...

Author: Ben Jann

91 downloads 1136 Views 1MB Size Report

This content was uploaded by our users and we assume good faith they have the permission to share this book. If you own the copyright to this book and it is wrongfully on our website, we offer a simple DMCA procedure to remove your content from our site. Start by pressing the button below!
Report copyright / DMCA form

DOWNLOAD PDF

Ben Jann Erwerbsarbeit, Einkommen und Geschlecht

Ben Jann

Erwerbsarbeit, Einkommen und Geschlecht Studien zum Schweizer Arbeitsmarkt

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

1. Auflage 2008 Alle Rechte vorbehalten © VS Verlag für Sozialwissenschaften | GWV Fachverlage GmbH, Wiesbaden 2008 Lektorat: Katrin Emmerich / Marianne Schultheis VS Verlag für Sozialwissenschaften ist Teil der Fachverlagsgruppe Springer Science+Business Media. www.vs-verlag.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg Druck und buchbinderische Verarbeitung: Krips b.v., Meppel Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in the Netherlands ISBN 978-3-531-16252-2

Inhaltsverzeichnis

Vorwort

7

1 Einleitung

9

2 Erosion der Normalarbeit. Eine Analyse der strukturellen Veränderungen auf den Arbeitsmärkten in der Schweiz und in Deutschland Mit Andreas Diekmann 2.1 Ende der Normalarbeit? . . . . . . . . . . . . . . . . . . . . . . . 2.2 Entwicklung der Normalarbeit in der Schweiz . . . . . . . . . . . 2.3 Entwicklung der Normalarbeit in Deutschland . . . . . . . . . . . 2.4 Resümee: Parallelität statt Sonderweg . . . . . . . . . . . . . . . 3 Halbe Kraft voraus? Arbeitseinsatz, berufliche Segregation und Löhne von Frauen auf dem Schweizer Arbeitsmarkt Mit Henriette Engelhardt 3.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Theorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Hypothesen und Modelle . . . . . . . . . . . . . . . . . . . . 3.4 Daten und Operationalisierung der Variablen . . . . . . . . . . 3.5 Empirische Ergebnisse . . . . . . . . . . . . . . . . . . . . . 3.5.1 Arbeitsanstrengung und Motivation . . . . . . . . . . 3.5.2 Berufliche Segregation und Löhne . . . . . . . . . . . 3.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . .

15 15 19 29 34

39 . . . . . . . .

. . . . . . . .

4 Geschlechtsspezifische Lohnungleichheit und berufliche Segregation in der Schweiz, 1991 – 2006 Mit Henriette Engelhardt 4.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Theorie und Hypothesen . . . . . . . . . . . . . . . . . . . . . . 4.3 Daten und einige deskriptive Ergebnisse zu Löhnen und Segregation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4 Zerlegungsmethoden und Operationalisierung . . . . . . . . . . .

39 40 43 45 48 48 55 58

61 61 63 69 80

6

Inhaltsverzeichnis

4.5

. . . .

. . . .

88 91 99 104

5 Lohngerechtigkeit und Geschlechterdiskriminierung. Evidenz aus einem Vignetten-Experiment 5.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Daten und Methode . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5 Anhang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . .

107 107 110 112 123 124

6 Old-Boy Network: Militärdienst und ziviler Berufserfolg in der Schweiz 6.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Daten und Methode . . . . . . . . . . . . . . . . . . . . . . 6.3 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5 Anhang . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . .

. . . . .

. . . . .

127 127 130 133 145 148

7 Statistische Inferenz für die Blinder-Oaxaca-Zerlegung 7.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . 7.2 Die Blinder-Oaxaca-Zerlegung . . . . . . . . . . . . 7.3 Varianzschätzer für die Zerlegungskomponenten . . . 7.4 Monte-Carlo-Simulation . . . . . . . . . . . . . . . 7.5 Evaluation anhand empirischer Daten . . . . . . . . 7.6 Diskussion . . . . . . . . . . . . . . . . . . . . . . . 7.7 Anhang: Beweis für Gleichung (7.10) . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

149 149 151 153 156 160 163 165

4.6

Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.1 Zerlegung der Lohndiskrepanz in den einzelnen Jahren 4.5.2 Zerlegung der Veränderung der Lohndiskrepanz . . . . Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

8 Zusammenfassung der zentralen Ergebnisse

167

Tabellenanhang

171

Literaturverzeichnis

231

Vorwort

Das vorliegende Buch vereint eine Reihe von Studien, die während meiner bislang rund zehnjährigen Beschäftigung mit arbeitsmarktsoziologischen Themen entstanden sind. Den Anstoss zu den Studien gab das vom Schweizerischen Nationalfonds (SNF) im Rahmen des Schwerpunktprogrammes „Zukunft Schweiz“ geförderte Projekt „Working conditions, work orientation, and labor market participation“ (Projekt Nr. 5004-47887), in dem ich zuerst als Hilfskraft und nach meinem Lizenziat in Soziologie als wissenschaftlicher Mitarbeiter beschäftigt war. Kapitel 2, 3 und 6 berichten Resultate aus diesem Projekt. Die weiteren Studien entstanden nach Ablauf des Projekts im Rahmen meiner Dissertation. Das Buch enthält viele neue, bisher unveröffentlichte Ergebnisse wie beispielsweise die sehr ausführlichen Analysen zu den Lohnunterschieden zwischen Frauen und Männern in Kapitel 4 oder die aufschlussreichen experimentellen Befunde zu den Einkommensbewertungen in Kapitel 5. Einige Teile des Buches erschienen jedoch bereits auch an anderer Stelle. So handelt es sich bei Kapitel 3 um einen nur geringfügig veränderten Wiederabdruck eines Artikels von Henriette Engelhardt und mir in der Sozialen Welt (Jg. 55, Heft 2, 2004, S. 205–224) und Kapitel 6 ist ein ebenfalls nur geringfügig modifizierter Wiederabdruck eines Artikels von mir in der Zeitschrift für Soziologie (Jg. 32, Heft 2, 2003, S. 139–155). Weiterhin liegt von Kapitel 2 eine in Kriesi et al. (2005: 190–217) publizierte englischsprachige Fassung vor, in der die Resultate einer früheren, auf kürzeren Beobachtungszeiträumen beruhenden Version der Analysen berichtet werden. Die Studien in diesem Buch stützen sich auf Befragungsdaten, die aus unterschiedlichen Quellen stammen. In Kapitel 3 und 6 werden die im Rahmen des oben genannten Nationalfonds-Projekts erhobenen Daten des „Schweizer Arbeitsmarktsurveys 1998“ (Diekmann et al. 1999, Jann 2003) verwendet. Kapitel 5 bezieht sich auf die Daten der Befragung „Ungleichheit und Gerechtigkeit 2001“ (Jann 2001), die im Rahmen eines von Andreas Diekmann und mir geleiteten Forschungspraktikums an der Universität Bern realisiert wurde. In den Kapiteln 2, 4 und 7 werden Daten der Schweizerischen Arbeitskräfteerhebung (SAKE) analysiert, die mir freundlicherweise vom Bundesamt für Statistik der Schweiz zur Verfügung gestellt wurden. Weiterhin werden in Kapitel 2 ebenfalls vom Bundesamt für Statistik gelieferte Daten der eidgenössischen Volkszählungen sowie vom

8

Vorwort

Deutschen Institut für Wirtschaftsforschung (DIW Berlin) bereitgestellte Daten des Sozio-oekonomischen Panels (SOEP) verwendet. Sämtliche statistischen Analysen wurden mit Stata (StataCorp 2007) durchgeführt. Die Analyseskripts stelle ich auf Wunsch gerne zur Verfügung. In Ergänzung zur offiziellen Version von Stata wurden die folgenden nicht-kommerziellen Zusatzkomponenten eingesetzt: „catplot“ (Cox 2004), „center“ (Jann 2004a), „duncan“ (Jann 2004b), „erepost“ (Jann 2007a), „estout“ (Jann 2005e, 2007c), „estsave“ (Blasnik 2001), „estwrite“ (Jann 2005b), „fre“ (Jann 2007b), „jmpierce2“ (Jann 2005c), „kdens“ (Jann 2005d), „marktouse“ (Jann 2007d), „mgen“ (Jann 2004c), „moremata“ (Jann 2005f), „oaxaca“ (Jann 2005g), „omodel“ (Wolfe und Gould 1998), „relrank“ (Jann 2005h), „svmat2“ (Cox 2000), „tabstatmat“ (Nichols 2003) und „wgttest“ (Jann 2004d). Bedanken möchte ich mich an erster Stelle bei Andreas Diekmann für seine langjährige und bedingungslose Unterstützung und bei Henriette Engelhardt für die fruchtbare Zusammenarbeit. Für Anregungen und kritische Hinweise zu Kapitel 6 bedanke ich mich bei Jürg Arpagaus, Axel Franzen, Thomas Gautschi, Christoph Kopp, Peter Preisendörfer, Werner Raub und Stefan Wehrli. Für wertvolle Hinweise und Kommentare zu Kapitel 7 bedanke ich mich bei Stefan Sacchi und Werner Stahel. Zürich, Juli 2008

Ben Jann

1 Einleitung

In der Schweiz wie auch in anderen westlichen Zivilisationen spielen Frauen und Männer nach wie vor stark unterschiedliche Rollen auf dem Arbeitsmarkt. Noch immer ist die Erwerbsquote von Frauen geringer als die Erwerbsquote von Männern (75 gegenüber 88 Prozent Nettoerwerbsquote), leisten Frauen viel häufiger Teilzeitarbeit (57 gegenüber 12 Prozent Teilzeitquote) und sind Frauen deutlich seltener in Führungspositionen anzutreffen (22 gegenüber 37 Prozent Angestellte mit Vorgesetztenfunktion oder in der Unternehmensleitung), um nur einige Beispiele zu nennen.1 Zwar haben sich die Familienformen wegbewegt vom traditionellen Modell mit dem Mann als Alleinversorger, aber der Trend geht eindeutig (noch) nicht in Richtung eines gleichberechtigten Nebeneinanders von Mann und Frau in Haushalt und Beruf, sondern vielmehr in Richtung „Versorgerehe mit zuverdienender Ehefrau“ (Holst und Maier 1998: 515), also einem Modell mit einem Vollzeit oder annähernd Vollzeit erwerbstätigen Mann und einer Teilzeit erwerbstätigen Frau (Zahlen dazu finden sich für die Schweiz z. B. in Strub et al. 2005). Diese Fakten und die damit in Wechselwirkung stehenden Rollenbilder spiegeln sich auch darin wider, dass der Schweizer Arbeitsmarkt einer starken beruflichen Segregation nach Geschlecht unterworfen ist (Deutsch et al. 2005) und dass Frauen und Männer für Erwerbsarbeit im Durchschnitt ungleich entlöhnt werden. Obwohl eine gewisse Angleichung stattgefunden hat, betragen die auf Vollzeitäquivalente hochgerechneten Löhne von Frauen auch heute noch nur knapp mehr als 80 Prozent der Löhne von Männern (Bundesamt für Statistik 2007; man erinnere sich auch an die Kampagne mit der 39-Franken-Note des Schweizerischen Gewerkschaftsbundes). Wohl lässt sich ein Teil der Diskrepanz auf geschlechtsspezifische Unterschiede in objektiven, lohnrelevanten Faktoren wie Bildung, Berufserfahrung oder Wirtschaftssektor zurückführen. Es verbleibt aber eine Restdifferenz, die sich so nicht „erklären“ lässt und üblicherweise als Ausmass der „Lohndiskriminierung“ interpretiert wird (neuere Schätzungen dieses Diskriminierungsanteils belaufen sich auf 40 Prozent der totalen Lohndifferenz, vgl. Bundesamt für Statistik 2006c). Dies steht natürlich in Widerspruch zur gesellschaftlich vereinbarten, in der Verfassung und im Gesetzt verankerten Norm der Gleichbehandlung der Geschlechter, insbesondere des Grundsatzes gleicher Entlöhnung 1

Alle Zahlen für 2007 (gemäss Bundesamt für Statistik, http://www.bfs.admin.ch/, 31. März 2008).

10

1. Einleitung

für vergleichbare Arbeit. Diskriminierung kann dabei in verschiedenen Variationen auftreten, zum Beispiel offen und direkt, wenn Frauen und Männer im gleichen Betrieb für den gleichen Job unterschiedliche Gehälter erhalten und sich die Differenz nicht zum Beispiel durch unterschiedliche Seniorität rechtfertigen lässt. Neben dieser eindeutigen (und heute illegalen) Form der Diskriminierung, die seit den entsprechenden Gesetzesänderungen eher nicht mehr zu beobachten sein dürfte, gibt es aber auch subtilere Arten der Diskriminierung. Gleichwertige Tätigkeiten können zum Beispiel mit unterschiedlichen Berufsbezeichnungen versehen sein, was Möglichkeiten zu Lohndifferenzierungen eröffnet, da sich die Gleichwertigkeit nicht immer so einfach feststellen lässt. Es kann aber durchaus auch sein, dass Berufe, in denen als „weiblich“ konnotierte Tätigkeiten ausgeübt werden, unabhängig von zum Beispiel Produktivität oder Arbeitsbelastung ganz allgemein gesellschaftlich abgewertet werden, also als weniger „wert“ gelten und in der Folge geringere marktübliche Löhne erreichen (siehe dazu etwa Kilbourne et al. 1994, Liebeskind 2004). Weiterhin kann Geschlechterdiskriminierung auch bereits als selektives Vorgehen bei Stellenbesetzungen auftreten (wie etwa Fibbi et al. 2003 im Zusammenhang der Diskriminierung von Ausländern zeigen) oder sich in unterschiedlichen Promotionschancen äussern, wenn Frauen systematisch der Zugang zu höheren beruflichen Positionen verwehrt bleibt. Andererseits kann aber auch argumentiert werden, dass der „nicht erklärbare“ Teil der Lohnunterschiede zwischen Frauen und Männern nicht vollständig auf Diskriminierung beruht, sondern unter Umständen auch noch andere Mechanismen der Differenzierung am Werk sein könnten (z. B. Becker 1985). Im vorliegenden Buch wird versucht, mit verschiedenen Studien zur Erforschung des Themenbereichs „Erwerbsarbeit, Einkommen und Geschlecht“ beizutragen. Das Ziel ist nicht eine systematische Abhandlung, bei der alle wichtigen Punkte einbezogen werden – das würde den Rahmen des Buches aufgrund der Breite des Themas sprengen. Vielmehr werden einzelne Aspekte herausgegriffen und mit in sich mehr oder weniger geschlossenen Studien zu beleuchten versucht. Ein erster Beitrag (Kapitel 2), um einen kurzen Überblick zu geben, befasst sich mit den strukturellen Veränderungen der Beschäftigungsformen auf dem Arbeitsmarkt. In den 1980er und 1990er Jahren kam zunehmend Besorgnis über den Schwund der Vollzeitbeschäftigung und die Konsequenzen des Rückgangs so genannter Normalarbeit auf (z. B. Kommission für Zukunftsfragen 1998, Hoffmann und Walwei 1998). Die Vorstellung ist, dass Individualisierung und Flexibilisierung zu grundlegenden Veränderungen im Erwerbsleben, Restrukturierungen auf den Arbeitsmärkten und einer Destandardisierung von Lebensläufen führe, und dadurch zum Beispiel eine Abnahme von Transfereinkommen, eine Verschlechterung der sozialen Sicherheit vieler Gesellschaftsmitglieder oder eine Spreizung der Löhne zu befürchten sei. Zwar gibt es viele aufschlussreiche Studien, die

1. Einleitung

11

sich mit dem Aufkommen von sogenannt „atypischen“ Arbeitsverhältnissen wie Teilzeitarbeit oder geringfügiger Beschäftigung, Temporärarbeit oder neuen Formen der Selbständigkeit beschäftigen. Die Frage, ob tatsächlich eine Erosion der Normalarbeit stattgefunden hat in dem Sinne, dass moderne Beschäftigungsverhältnisse die traditionellen Erwerbsformen verdrängt haben, oder ob sich nicht vielmehr einfach nur eine Expansion von atypischer Arbeit bei gleichzeitiger Erhaltung der Anzahl Normalarbeitsverhältnisse abspielte, wurde bisher jedoch nicht befriedigend beantwortet. In dem Kapitel wird deshalb der Frage nach dem Rückgang der Normalarbeit in der Schweiz und in Deutschland anhand der Daten der Schweizerischen Arbeitskräfteerhebung, der eidgenössischen Volkszählungen 1970 bis 2000 und des deutschen Sozio-oekonomischen Panels genauer nachgegangen, wobei die Entwicklungen auf den Arbeitsmärkten aufgrund der stark unterschiedlichen Beschäftigungsmuster von Frauen und Männern getrennt nach Geschlechtern verfolgt werden. Kapitel 3 unterzieht ein bestimmtes theoretisches Argument, das Lohnunterschiede zwischen Frauen und Männern erklären soll, einer empirischen Prüfung. Trotz der steigenden Erwerbsbeteiligung von Frauen existieren nach wie vor grosse Differenzen in der Verantwortlichkeit für Haushaltsarbeit (Strub et al. 2005). Diese Verantwortlichkeit drückt sich nicht nur in der Diskontinuität der Beschäftigung im Lebenslauf aus, sondern auch in der Berufswahl und – so Becker (1985) in einer Erweiterung der Humankapitaltheorie – einer ungleichen Arbeitsanstrengung („work effort“) von Frauen und Männern. Obwohl die Humankapitaltheorie für viele Wirtschafts- und Sozialwissenschaftler die dominante Theorie zur Erklärung von Einkommensungleichheit ist, wird diese weitreichenden Annahme des ungleichen Arbeitseinsatzes von Frauen und Männern in der Regel nicht weiter thematisiert. Eine Studie von Bielby und Bielby (1988) kommt jedoch zum Ergebnis, dass die Annahme nicht haltbar sei. In Kapitel 3 soll diese Studie mit Daten des „Schweizer Arbeitsmarktsurveys 1998“ (Diekmann et al. 1999, Jann 2003) repliziert und der Frage nachgegangen werden, inwiefern die Arbeitsanstrengung tatsächlich eine Determinante geschlechtsspezifischer Lohnunterschiede und beruflicher Segregation darstellt. Ebenfalls mit der Erklärung von Lohnunterschieden zwischen Männern und Frauen, bzw. genauer mit der Erklärung der temporalen Veränderung dieser Unterschiede, befasst sich Kapitel 4. Mit der Aufnahme des Grundsatzes „gleicher Lohn für gleichwertige Arbeit“ in die Bundesverfassung im Jahr 1981, der Einrichtung des Gleichstellungsbüros 1988, und der Verabschiedung des Gleichstellungsgesetzes 1996 wurden signifikante öffentliche Anstrengungen zur Reduktion der Einkommensunterschiede zwischen Frauen und Männern unternommen. Eine Abnahme der Lohnungleichheit ist auch tatsächlich über die letzten Jahrzehnte festzustellen, trotzdem besteht aber noch immer eine nicht unbeträchtliche

12

1. Einleitung

Einkommens-Lücke zwischen den Geschlechtern, die auch nur zum Teil durch geschlechtsspezifische Unterschiede bezüglich produktivitätsrelevanter Merkmale gerechtfertigt werden kann. Kapitel 4 hat zum Ziel, die Faktoren zu analysieren, die hinter der Veränderung der Lohnunterschiede zwischen Frauen und Männern in der Schweiz stehen. Während bisherige Studien sich in erster Linie darauf konzentrierten, zu einem gegebenen Zeitpunkt zu evaluieren, welcher Teil der Lohndifferenz auf Unterschiede in den geschlechtsspezifischen Mittelwerten der einkommensrelevanten Merkmale zurückzuführen ist und welcher Teil unter Umständen der Diskriminierung zugeschrieben werden muss, liegt der Fokus in Kapitel 4 auf der Analyse der Entwicklung der verschiedenen konzeptionellen Teile der Lohn-Lücke. Verwendet werden dazu die Daten der Schweizerischen Arbeitskräfteerhebung (SAKE) von 1991 bis 2006. Neben den üblichen Humankapitalmerkmalen als erklärende Faktoren werden dabei auch Indikatoren der vertikalen und horizontalen Segregation in die Betrachtung eingeschlossen. Ein innovativer Aspekt der Studie besteht zudem darin, dass in Anlehnung an eine von Juhn et al. (1991) vorgeschlagene Analysemethode der Einfluss von Veränderungen der allgemeinen, nicht direkt mit Geschlecht zusammenhängenden Lohnstruktur zu messen versucht wird. Während in Kapitel 3 und Kapitel 4 Einkommensunterschiede mit objektiven Daten untersucht werden, befasst sich Kapitel 5 mit den subjektiven Einstellungen bezüglich der angemessenen Löhne für Frauen und Männer. Rein aufgrund der nach wie vor dominanten Rollenteilung mit dem Mann als Haupternährer und der Frau als „Zuverdienerin“ könnte es zum Beispiel sein, dass die Erwerbstätigkeit von Frauen allgemein als weniger „wichtig“ angesehen wird und so auch die als angemessen aufgefasste Vergütung für Arbeit von Frauen tiefer ausfällt als für Männer. Gemäss empirischen Arbeiten zur ökonomischen Erklärung von Lohnungleichheiten in der Schweiz, die auf die Humankapitaltheorie abstützen und die Lohnunterschiede auf produktivitätsrelevante Faktoren zurückzuführen versuchen, ist die Annahme nicht von der Hand zu weisen, dass die Lohndiskrepanz zwischen Frauen und Männern zumindest teilweise aufgrund von Diskriminierung zustande kommt. Gleichzeitig besteht, wie bereits angesprochen, in der Schweiz die auf Verfassungs- und Gesetzesebene festgeschriebene Norm der Gleichbehandlung von Frauen und Männern. Wörtlich: „Mann und Frau haben Anspruch auf gleichen Lohn für gleichwertige Arbeit“ (Auszug aus Art. 8 Abs. 3 BV). Es scheint also eine Diskrepanz zu bestehen zwischen der empirischen Realität und dem normativen Sollzustand. Das wirft die Frage auf, wie diese Diskrepanz zu erklären und interpretieren ist. Man könnte zum Beispiel argumentieren, dass überhaupt keine Diskriminierung vorliegt, es der empirischen Forschung aber lediglich nicht gelingt, dies nachzuweisen. Obwohl nicht sehr wahrscheinlich, hat das Argument doch seine Berechtigung, denn Diskriminie-

1. Einleitung

13

rung wird in den meisten empirischen Arbeiten nur indirekt als Residualgrösse, also als nicht erklärbarer Rest identifiziert, aber nicht direkt beobachtet. Gehen wir aber einmal davon aus, dass Frauen für „gleichwertige“ Arbeit tatsächlich durchschnittlich schlechter bezahlt werden als Männer. Die Verfassungsnorm wäre dann verletzt und es bestünde entsprechender öffentlicher Handlungsbedarf. Was aber könnten die Gründe sein dafür, dass die Norm trotz klarer gesetzlicher Richtlinien nicht oder nur unvollständig umgesetzt wird? Eine mögliche Erklärung ist, dass die Arbeitsleistung von Frauen und Männern implizit nach unterschiedlichen Massstäben bewertet wird und sich somit das als angemessen oder „gerecht“ betrachtete Einkommen nach dem Geschlecht des Empfängers unterscheidet. In Kapitel 5 soll deshalb versucht werden zu überprüfen, ob die Verfassungsnorm der Gleichberechtigung im subjektiven Gerechtigkeitsempfinden der Gesellschaftsmitglieder eine Entsprechung findet, oder ob Frauen und Männer bezüglich des ihnen normativ zustehenden Einkommens trotz gegenteiliger öffentlicher Meinung unterschiedlich bewertet werden. Es wird dabei eine Variation des von Rossi (1979) entwickelten faktoriellen Surveys eingesetzt, bei der, um Effekte sozialer Erwünschtheit auszuschliessen, den Versuchspersonen jeweils nur eine Vignette zur Bewertung vorgelegt wird. Weiter wird in Kapitel 6 eine Fragestellung untersucht, die nur indirekt mit Geschlecht zu tun hat, aber trotzdem für den Themenbereich des Buches von Bedeutung ist. Untersucht wird in diesem Kapitel der Zusammenhang zwischen milizmilitärischer Karriere und zivilem Berufserfolg. Der Beitrag ist insofern relevant, als dass er sich mit einem Prozess beschäftigt, von dessen positiven Effekten in der Regel nur Männer profitieren können, was einen Teil der geschlechtsspezifischen Unterschiede auf dem Arbeitsmarkt erklären mag. Das militärische Milizsystem in der Schweiz sieht für Männer bekanntlich über eine längere Dauer des Erwachsenenlebens eine allgemeine Wehrpflicht mit internen Karrieremöglichkeiten vor, und da Berufsoffiziere äusserst selten sind, der Grossteil des militärischen Kaders also einem zivilen Beruf nachgeht, stellt sich die Frage nach der Verflechtung von militärischer Laufbahn und ziviler Karriere. Die allgemeine Meinung dazu ist, obwohl der Prestigewert einer milizmilitärischen Karriere in letzter Zeit abgenommen hat, dass sich das Militär vorteilhaft auf die zivilberuflichen Möglichkeiten auswirkt („Gold am Hut tut der Karriere gut!“). Über anekdotische Hinweise und Fallstudien hinaus scheint es aber keine stichhaltige Evidenz zu diesem Thema zu geben. In Kapitel 6 soll der zu erwartende positive Einfluss der militärischen Karriere auf den beruflichen Erfolg deshalb auf Grundlage von Daten aus dem „Schweizer Arbeitsmarktsurvey 1998“ (Diekmann et al. 1999, Jann 2003) geprüft werden. Weiterhin wird der Frage nachgegangen, wie ein solcher Effekt zu erklären wäre. Es könnte sich zum Beispiel um ein Phänomen der Selbstselektion handeln in dem Sinne, dass Personen, die eine Karriere

14

1. Einleitung

im Militär anstreben, auch mehr Wert auf eine zivile Karriere legen oder für beide Bereiche von vornherein besser ausgestattet sind. Weiter könnte ein Effekt dadurch zustande kommen, dass Führungskräfte im Militär unter anderem marktnahes Humankapital erwerben, das ihnen im Zivilberuf einen komparativen Vorteil verschafft. Schliesslich ist auch denkbar, dass sich die im Militär geknüpften sozialen Kontakte, die in den Offiziersgesellschaften sogar ihre institutionalisierte Verwirklichung finden, in befördernder Weise für die zivile Laufbahn – beispielsweise bei der Stellensuche – ausnützen lassen. Das letzte Kapitel schliesslich ist methodischer Natur und beschäftigt sich mit statistischen Eigenschaften eines im Rahmen der Erforschung von Lohnunterschieden zwischen Männern und Frauen häufig eingesetzten Verfahrens (Kapitel 7). Gegeben eine Reihe von Individualmerkmalen ist die Frage, welcher Teil der zwischen zwei Gruppen beobachteten durchschnittlichen Differenz einer Ergebnisvariablen auf Gruppenunterschiede in den Individualmerkmalen zurückgeführt werden kann. Die Antwort erhält man durch Verrechnung der Gruppenunterschiede der Merkmale mit Regressionskoeffizienten, die die Einflüsse der Merkmale auf die Ergebnisvariable bemessen (Blinder 1973, Oaxaca 1973). Eine Einkommensdifferenz zwischen Männern und Frauen wird so beispielsweise zerlegt in einen Teil, der durch Geschlechterdifferenzen bezüglich Bildung, Berufserfahrung, usf. „erklärt“ wird, und einen residualen Teil, der auf Unterschieden „in den Koeffizienten“ beruht. Dieser residuale Teil kann zum Beispiel Ausdruck von Diskriminierung sein, erfasst aber auch die Einflüsse von Gruppendifferenzen in unbeobachteten Merkmalen. Weiterhin ist im Rahmen des Verfahrens auch die Identifikation der individuellen Erklärungsbeiträge der einzelnen Merkmale möglich. Da das Verfahren üblicherweise auf Befragungsdaten angewendet wird, die anhand von Zufallsstichproben gewonnen werden, sind die berechneten Werte als Schätzer zu betrachten und somit einem Zufallsfehler unterworfen. Dies wird offensichtlich vielfach vergessen, denn die meisten Studien, in denen die Methode verwendet wird, berichten lediglich die Dekompositionsresultate ohne Angabe zu statistisch zu erwartenden Unsicherheitsbereichen. In Kapitel 7 werden deshalb einfach zu berechnende Formeln zur Schätzung der Varianzen bzw. Standardfehler der Zerlegungskomponenten hergeleitet und mittels Monte-CarloSimulation und empirischer Anwendung anhand von Daten aus der Schweizerischen Arbeitskräfteerhebung 2000 evaluiert. Ein besonderes Augenmerk wird dabei auf die Konsequenzen der Annahme fixer Regressoren gerichtet, die routinemässig getroffen wird, aber in den meisten Anwendungsfällen als unrealistisch einzustufen ist.

2 Erosion der Normalarbeit. Eine Analyse der strukturellen Veränderungen auf den Arbeitsmärkten in der Schweiz und in Deutschland Mit Andreas Diekmann

2.1 Ende der Normalarbeit? Ende der 1990er Jahre formulierte die deutsche Kommission für Zukunftsfragen einige prägnante Thesen, mit denen die Besorgnis über den Schwund der Vollzeitbeschäftigung und die Konsequenzen des Rückgangs so genannter Normalarbeit, das heisst im Wesentlichen dauerhafter Vollzeitbeschäftigung, zum Ausdruck gebracht wurde.2 Nach dem Kommissionsbericht zeichnet sich in Deutschland eine dramatische Entwicklung ab, die bereits in den 1970er Jahren begonnen hatte. Als Diagnose und Prognose wurde festgehalten: „Noch Anfang der siebziger Jahre standen . . . einem Nicht-Normbeschäftigten fünf Normbeschäftigte gegenüber. Anfang der achtziger Jahre lag das Verhältnis bei eins zu vier, Mitte der achtziger Jahre bereits bei eins zu drei. 1996 lag es bei eins zu zwei. . . . Bei Fortschreibung dieses Trends wird das Verhältnis von Norm- und Nicht-Normarbeitsverhältnissen in wenigen Jahren bei eins zu eins liegen“ (Kommission für Zukunftsfragen 1998: 43/48). Dieser Trend, so wird befürchtet, hat unter anderem eine Spreizung der Einkommensverteilung zur Folge. Zudem wird ein Teil der Arbeitsplätze kein Existenz sicherndes Einkommen mehr erbringen und die Transfereinkommen, vor allem Altersrenten, werden bei einem wachsenden Teil der Bevölkerung unter das Existenzminimum fallen. Die von der Kommission für Zukunftsfragen in ihrem Bericht aufgegriffenen Fragen wurden in den letzten zwei Jahrzehnten rege diskutiert und haben auch viel Anlass zu Spekulation gegeben. Die grundlegende Vorstellung ist, dass die Individualisierung und Flexibilisierung, die mit der Modernisierung und Globalisierung von post-industrialisierten westlichen Gesellschaften einhergehe, zu ausgeprägten Veränderungen im Arbeitsleben, Restrukturierungen auf den Arbeitsmärkten und einer Destandardisierung der Lebensverläufe führe (z. B. Beck 1986, Sennett 1998). So gibt es einerseits viele Forschungsarbeiten mit Fokus auf neue, moderne Formen von Arbeit, die zwar flexibler sind als traditionelle Arbeitsverhältnisse, 2

Die Kommission für Zukunftsfragen wurde von den Ländern Sachsen und Bayern eingerichtet mit dem Auftrag u. a. die Erwerbstätigkeit und Arbeitslosigkeit zu analysieren.

16

2. Erosion der Normalarbeit

jedoch auch unsicherer und ungeschützter. Diese Studien befassen sich mit dem Aufkommen von so genannten atypischen Beschäftigungsformen wie Teilzeitarbeit und geringfügige Beschäftigung, Temporär- und Leiharbeit, neue Formen der Selbständigkeit, und so fort (z. B. Rodgers und Rodgers 1989, Walwei und Werner 1995, O’Reilly 1996, Blossfeld und Hakim 1997, De Grip et al. 1997, Smith 1997, Lind und Møller 1999, Kalleberg 2000, Giesecke und Groß 2003, Muehlberger 2007). Andererseits wurden die Vorstellungen über die Restrukturierung der Arbeitsmärkte auch vom Gesichtspunkt der Auflösung traditioneller Formen von Arbeit diskutiert, also dem „Ende“, der „Krise“ oder „Erosion der Normalarbeit“, oder sogar der „Zerstörung des Normalarbeitsverhältnisses“ (z. B. Mückenberger 1985, Zachert 1988, Roy 1989, Burgess und Watts 1999, Dombois 1999, Bernhardt und Marcotte 2000, Wagner 2000, Kaiser 2001a, Appelbaum 2002, Moulin 2003).3 Obwohl kein Zweifel daran besteht, dass neue Formen von Arbeit wie Teilzeitanstellungen über die letzten Jahrzehnte an Bedeutung gewonnen haben, ist nicht zwingend klar, dass dieser Prozess, wie vielfach angenommen, auch automatisch zu einem Schwund von traditionellen Arbeitsformen führt. Die These von der Erosion der Normalarbeit suggeriert, dass Vollzeitarbeitsplätze in wachsendem Masse durch atypische Beschäftigungen verdrängt werden. Die Kommission für Zukunftsfragen spricht von der „Ersetzung von Norm- durch Nicht-Normarbeitsverhältnisse“ (1998: 23). Es wäre jedoch auch denkbar, dass die Normalarbeit zwar relativ zurückgeht, die Anzahl von Normalarbeitsplätzen aber dennoch konstant bleibt oder sogar ansteigt. Dies wäre der Fall, wenn zum Beispiel Teilzeitarbeit, geringfügige Beschäftigungen und andere „atypische“ Tätigkeiten überproportional wachsen, jedoch nicht auf Kosten der Vollzeitarbeitsplätze. Im ersten Fall erfolgt die Erosion der Normalarbeit durch Substitution, im zweiten Fall durch Expansion von Nicht-Normarbeitsverhältnissen. Hinsichtlich des Rückgangs der Normalarbeit lassen sich also zwei Hypothesen formulieren: (1) Die Substitutions- und Verdrängungsthese, nach der die Anzahl Normalarbeitsverhältnisse auch in einem absoluten Sinne abnimmt, und (2) die Expansionsthese eines überproportionalen Wachstums atypischer Beschäftigungen, nach der die Normalarbeitsverhältnisse nur relativ gesehen an Bedeutung verlieren. Welcher Prozess sich auf dem Arbeitsmarkt vollzieht, ist eine empirisch zu klärende Frage. Aus empirischer Sicht wurden auch einige Einwände gegen die These einer weitgehenden Erosion der Normalarbeit vorgebracht. Hoffmann und Walwei (1998) haben den Wandel der Beschäftigungsmuster mit deutschen Mikrozen3

Weiterhin gibt es eine grosse Menge an Literatur, die sich mit den Veränderungen in den Berufsund Lebensverläufen beschäftigt. Beispiele sind Osterland (1990), Berger et al. (1993), Mutz et al. (1995), Bernhardt et al. (2001), oder für die Schweiz Widmer et al. (2005), um nur einige wenige zu nennen. Dieses Thema soll hier allerdings nicht explizit behandelt werden.

2.1 Ende der Normalarbeit?

17

susdaten analysiert. Sie berichten insbesondere für die 1990er Jahre zwar einen Rückgang des Anteils unbefristet vollzeitbeschäftigter Arbeiter und Angestellter. Im Gegensatz zu den Analysen der „Zukunftskommission“ oder anderen Proponenten der Erosionsthese (vgl. Beck 1986; siehe auch den Überblick in Kress 1998) vollziehe sich der Prozess aber relativ langsam. Kritik wird auch an der Verdrängungsthese geübt. So weisen Untersuchungen des Deutschen Instituts für Wirtschaftsforschung zwar darauf hin, dass die Normalarbeit zurückgegangen sei (Wagner 1998, Kaiser 2001b; zu ähnlichen Resultaten siehe auch Oschmiansky und Schmid 2000). Der Grund sei aber vor allem, dass die Erwerbsquote insgesamt gestiegen ist und vormals Nichterwerbstätige in wachsendem Masse Teilzeitbeschäftigungen ausüben. Insbesondere habe die Erwerbsquote der Frauen zugenommen und damit die Anzahl von Teilzeitarbeitsplätzen. Schon deshalb wäre ein relativer Rückgang der Normalarbeit zu erwarten, was eher für die oben formulierte Hypothese 2 spricht als für Hypothese 1. Ein weiterer Gesichtspunkt (gemäss Wagner) ist die Entwicklung am Anfang und am Ende der Berufskarriere. Wenn jüngere Personen ihren Eintritt in den Arbeitsmarkt aufgrund zunehmender Bildungsbeteiligung immer mehr hinausschieben und sich ältere Personen früher pensionieren lassen, wird ceteris paribus auch ein Schwund von Vollzeitarbeit zu verzeichnen sein (Wagner 1998). Allerdings muss man hierbei auch die Jahrgangsstärken berücksichtigen. So wird zwar bei den jungen Erwachsenen eine Vollzeitbeschäftigung vermehrt durch Ausbildung ersetzt, gleichzeitig sinkt aber aus demografischen Gründen der Anteil der jüngeren Jahrgänge. Um die genannten Effekte auszuschliessen, empfiehlt Wagner (1998) die Entwicklung der Vollzeitarbeit für die Altersgruppe von 25 bis 55 Jahren zu untersuchen. In der vorliegenden Arbeit gehen wir der Frage nach dem Rückgang der Normalarbeit in der Schweiz und in Deutschland genauer nach. Uns interessieren zum einen Unterschiede in der Geschwindigkeit des Prozesses in den beiden Ländern. Darüber hinaus stellt sich die Frage, ob die beobachtete Entwicklung auf dem Arbeitsmarkt eher für die Expansionsthese oder für das Szenario der Verdrängung von Vollzeitarbeitsplätzen spricht. Die unterschiedlichen Beschäftigungsmuster von Frauen und Männern sowie die Altersabhängigkeit des Erwerbsverhaltens legen es zudem nahe, die Entwicklung auf dem Arbeitsmarkt nach Geschlechtern und Altersgruppen getrennt zu verfolgen. Die beiden Länder zu vergleichen, kann auch zu einem besseren Verständnis der Entwicklung verhelfen. So liefert die komparative Betrachtung Hinweise, ob und in welchem Ausmass die Flexibilität von Arbeitsmärkten den Strukturwandel der Beschäftigung beschleunigt. Eine solche Wirkung ist allerdings nicht zwingend gegeben: Flexibilität oder Rigidität bedeuten nur, dass mehr oder minder grosse Spielräume der Vertragsgestaltung bestehen. Inwieweit diese Spielräume genutzt werden, hängt von den Interessen und der Macht der Vertragsparteien

18


ab. Die Einführung neuer Organisationsstrukturen (Kosteneinsparung durch Outsourcing, Konzentration auf das „Kerngeschäft“ etc.) kann auf Unternehmensseite ein Interesse am Abbau von Normalarbeit begründen. Aber auch bei einzelnen Arbeitnehmergruppen besteht eine Präferenz für Erwerbstätigkeit unterhalb der Schwelle zur Vollzeitarbeit. So hat die Nachfrage nach Teilzeitarbeit insbesondere bei Frauen mit Kindern zugenommen (vgl. Kress 1998 zu den vermuteten Ursachen der Erosion von Normalarbeit). Das Interesse eines Teils der Unternehmen und einzelner Arbeitnehmergruppen wird aber bessere Realisierungschancen haben, wenn Staat und Verbände die Vertragsfreiheit der Parteien auf dem Arbeitsmarkt weniger stark regulieren. Zu erwarten wäre demnach, dass rigide Arbeitsmärkte einen Trend zur Erosion der Normalarbeit bremsen. Auf flexiblen Arbeitsmärkten wird sich dagegen der Wandel der Arbeitsverhältnisse leichter Bahn verschaffen. Der Vergleich der Schweizer mit der deutschen Entwicklung ist ein Prüfstein für diese These über den Effekt der Arbeitsmarktflexibilität. Obwohl bezüglich gesellschaftlichem Entwicklungsgrad und Modernisierung sehr ähnlich, weisen die Arbeitsmarktregelungen in den beiden Nachbarstaaten erhebliche Unterschiede auf. Diese Differenzen sind eingebettet in ein generelles Muster unterschiedlicher Arbeitsmarktbedingungen in industrialisierten Ländern: Nach einem OECD-Bericht sind die Arbeitsmärkte am restriktivsten in Südeuropa, Frankreich und Deutschland (OECD 1999). Am wenigsten restriktiv sind sie in den englischsprachigen Staaten wie Kanada, Grossbritannien und den USA. Die Schweiz liegt nahe am angelsächsischen Pol der Flexibilitäts-Rangskala, die auf den drei Indikatoren „Vorschriften bei regulären Arbeitsverträgen“ (z. B. Kündigungsschutz), „Regulierung der Zeitarbeit“ (befristete Arbeitsverträge, Temporärbüros) und „Vorschriften bei Betriebsschliessungen“ basiert (OECD 1999). Im Vergleich mit Deutschland ist der Schweizer Arbeitsmarkt bei den ersten beiden Indikatoren eindeutig flexibler, nur bei den Betriebsschliessungen kennt die Eidgenossenschaft mehr Einschränkungen als Deutschland. Insgesamt nimmt der Schweizer Arbeitsmarkt im Vergleich von 28 OECD-Staaten einen vorderen Rangplatz in der Flexibilitäts-Skala ein (je nach Messverfahren Platz 5 bzw. 7; Zahlen für 2003, siehe OECD 2004: 117). Seit den 1980er Jahren hat sich zudem der Schweizer Skalenwert nicht verändert (Wert 1.1 bzw. 1.6 je nach Messverfahren auf einer Skala von 0 bis 6) und der Rangplatz ist mehr oder weniger konstant geblieben. Deutschland lag dagegen in den späten 80er Jahren auf Platz 14 (von 20) und heute auf Platz 20 (von 28; der Skalenwert für 2003 beträgt 2.2 bzw. 2.5 je nach Messverfahren). Obwohl sich in den 1990er Jahren die Regulierung der Temporärarbeit in Deutschland gelockert hat, stellt sich die Frage, ob das deutlich unterschiedliche Profil der Regulierung von Arbeitsbeziehungen in der Schweiz und in Deutschland auch im Tempo

2.2 Entwicklung der Normalarbeit in der Schweiz

19

und Ausmass des Strukturwandels der Beschäftigungsverhältnisse zum Ausdruck kommt.

2.2 Entwicklung der Normalarbeit in der Schweiz Betrachtungen über Entwicklung und Ausmass von Normalarbeit hängen zunächst einmal von der Definition, der Eingrenzung der Stichprobe nach Altersgruppen und – bei Anteilen – auch von der Bezugsgrösse (d. h. dem Nenner) ab. Wir bezeichnen in Übereinstimmung mit der vorliegenden Literatur (z. B. Kress 1998, Hoffmann und Walwei 1998, Kommission für Zukunftsfragen 1998, Kalleberg 2000) als Normalarbeit (a) eine abhängige Beschäftigung, die (b) auf einem unbefristeten Arbeitsvertrag basiert, (c) als Vollzeittätigkeit ausgeübt wird und (d) der Sozialversicherungspflicht untersteht.4 Datengrundlage ist die Schweizerische Arbeitskräfteerhebung (SAKE), die seit 1991 jährlich vom Bundesamt für Statistik durchgeführt wird (vgl. Feusi Widmer 2004). Die SAKE-Daten werden mit telefonischen Interviews bei einer Zufallsstichprobe von rund 16 000 bis 18 000 Personen erhoben (mit einer einmaligen Aufstockung der Stichprobe auf 33 000 Interviews im Jahr 1995, einer Erhöhung der Stichprobe auf 40 000 ab 2002 und einem Ausländer-Zusatzsample von 15 000 Personen ab 2003), wobei die Ausschöpfungsquote mit rund 70 Prozent relativ hoch ist.5 Analysiert werden hier die gewichteten Daten, um für unterschiedliche Auswahlwahrscheinlichkeiten zu kontrollieren (wobei die SAKE-Gewichte allerdings auch eine Korrektur für Panelauszehrung und Post-Stratifikation beinhalten; vgl. Comment et al. 1996).6 Da 4

5

6

Feste Arbeitszeiten und/oder die räumliche Trennung von Arbeitsplatz und Privathaushalt werden manchmal als weitere Kriterien zur Definition von Normalarbeit herangezogen (z. B. Beck 1986, Seifert 1993), bleiben hier aber unberücksichtigt. Die Ausschöpfungsquote von 70 Prozent bezieht sich allerdings nur auf die Basisstichprobe der jährlich neu zu befragenden Personen. Da es sich bei der SAKE um ein rotierendes Panel handelt (mit 5-jähriger Laufzeit, d. h., die Befragungspersonen verbleiben 5 Jahre im Panel bzw. jedes Jahr wird ein fünftel der Stichprobe ersetzt), vermittelt diese Zahl eigentlich ein zu optimistisches Bild. Werden die jährlichen Ausfallquoten der verschiedenen Panelkohorten voll in die Berechnung miteinbezogen, ergibt sich ab dem 5. Jahr der Durchführung der SAKE eine Ausschöpfung von schätzungsweise 55 Prozent (Ausnahmen bilden die Jahre mit Stichproben-Aufstockungen, in denen je nach Umfang der Aufstockung Ausschöpfungsquoten von bis zu schätzungsweise 65 Prozent erreicht werden). Zudem ist darauf hinzuweisen, dass bei der SAKE auch „Stellvertreterinterviews“ zugelassen sind, falls eine Befragung der Zielperson aus alters- oder krankheitsbedingten Gründen nicht möglich ist. In der in Kriesi et al. (2005) erschienenen Version der vorliegenden Analysen wurden speziell beim Bundesamt für Statistik angeforderte Gewichte verwendet, bei denen nur die durch das Stichprobendesign bedingten Auswahlwahrscheinlichkeiten und die Panel-Korrektur berücksichtigt werden, nicht aber die Post-Stratifikation (zu einer Kritik an der Post-Stratifikation siehe

20


Abbildung 2.1: Erwerbsklassifikation Bevölkerung Nichterwerbspersonen

Erwerbspersonen Erwerbstätige

Arbeitslose

Abhängig Erwerbstätige

Selbständige

Auszubildende

Vollzeit

Teilzeit

Geringfügig

Normalarbeit

Befristet

die SAKE-Daten nur über die Entwicklung seit Beginn der 1990er Jahre Auskunft geben, ziehen wir zusätzlich Volkszählungsdaten seit 1970 heran. Für die Bestimmung des Anteils Normalarbeitsverhältnisse orientieren wir uns an einer hierarchischen Klassifikation, die mehr oder weniger die oben gegebene Definition von Normalarbeit abbildet. Die Bevölkerung wird zunächst einmal in Personen, die auf dem Arbeitsmarkt aktiv sind (Erwerbspersonen, d. h. Erwerbstätige und Arbeitslose), sowie Personen, die nicht am Arbeitsmarkt partizipieren (Nichterwerbspersonen), geteilt (Abbildung 2.1). Die Erwerbstätigen werden dann getrennt in Selbständige, Auszubildende (Lehrlinge) und abhängig Erwerbstätige, wobei letztere weiter nach dem Beschäftigungsgrad (Vollzeit, Teilzeit, geringfügig beschäftigt) differenziert werden. Die Kategorie der Normalarbeitsverhältnisse umfasst schliesslich alle Vollzeit beschäftigten abhängig Erwerbstätigen mit unbefristetem Arbeitsvertrag. Eine weitere Differenzierung nach Sozialversicherungspflicht ist nicht nötig, da sie in der Schweiz für Arbeitnehmer mit unbefristetem Vollzeit-Pensum ausnahmslos gegeben ist.7 Bei der SAKE

7

Schnell 1993). Aufgrund von Inkompatibilitäten mit den neueren Wellen verzichten wir hier auf dieses Vorgehen und verwenden die Standardgewichte der SAKE. Probleme ergeben sich bei der Einteilung bezüglich unvollständiger Angaben für einzelne Personen. Da fehlende Werte an verschiedenen Stellen der Klassifikation auftreten können, würden durch Ausschluss von betroffenen Fällen zum Teil gravierende Verzerrungen entstehen. Angenommen, es werden beispielsweise alle Vollzeit-Arbeitnehmer mit fehlenden Angaben zur Befristung der Arbeitsstelle weggelassen. Der Anteil Vollzeit-Arbeitnehmer an der Bevölkerung würde dann verglichen mit anderen Kategorien wie etwa Selbständigen oder Nichterwerbspersonen systematisch unterschätzt, da bei letzteren fehlende Werte bezüglich der Befristung gar nicht auftreten können. Es ist somit nicht möglich die Verteilung der Arbeitsverhältnisse mit einer einzigen Klassifikationsvariable abzubilden. Das Problem wird hier mit Hilfe von Indikator-


21

werden Personen mit einem Arbeitspensum von mindestens einer Stunde pro Woche als Erwerbstätige erfasst (inklusive unentgeltlich Mithelfende im Familienbetrieb). Die Einteilung in Selbständige bzw. Arbeitnehmer sowie Voll- bzw. Teilzeiterwerbstätige erfolgt weitgehend nach Selbsteinschätzung der Befragten. Gehen wir zunächst von der Bevölkerung im erwerbsfähigen Alter aus (16 bis 64 Jahre). Tabelle A.1 im Anhang (S. 172ff.) informiert über die Anteilswerte in den einzelnen Beschäftigungskategorien für den Zeitraum 1991 bis 2006. Betrachten wir erst einmal den Anteil der Normalarbeit unter den abhängig Beschäftigten, der durch eine einfache Umrechnung der Tabellenwerte abgeleitet werden kann (Abbildung 2.2).8 Bei den Männern beträgt der Anteil der Normalarbeit 90.6 Prozent im Jahr 1991, 88.0 Prozent im Jahr 1992 und 83.1 Prozent im Jahr 2006. Bei den Frauen sind es 46.3 Prozent (1991), 43.1 Prozent (1992) und 35.4 Prozent (2006). Die relativ starke Veränderung zwischen 1991 und 1992 ist möglicherweise ein statistisches Artefakt, das auf das Konto von Anlaufschwierigkeiten bei der ersten Befragungswelle der SAKE geht. Wir wählen daher das Jahr 1992 als Ausgangspunkt. Es zeigt sich deutlich, dass Normalarbeit 1992 mit einem Anteil von fast 90 Prozent unter den abhängig beschäftigten Männern klar die dominierende Beschäftigungsform darstellt. Weiterhin ist der Anteil in den 1990er Jahren fast konstant geblieben, wenn man das Jahr 1992 als Startpunkt nimmt. Dieses Resultat stimmt gut mit den Ergebnissen von Widmer et al. (2005) überein, die die Hypothese einer extremen Individualisierung in der Schweiz verwerfen und berichten, dass die Lebensverläufe von 85 % der Männer sehr homogenen, durch Vollzeit-Berufstä-

8

variablen gelöst, die auf jeder Stufe der Klassifikation den entsprechenden Status erfassen. Durch Multiplikation der Mittelwerte verschiedener Indikatorvariablen kann dann die Verteilung der Arbeitsverhältnisse konsistent hergeleitet werden, obwohl fehlende Werte in systematische Weise auf den verschiedenen Stufen der Klassifikation auftreten. Bei diesem Verfahren wird allerdings angenommen, dass fehlende Angaben jeweils zufällig (d. h. in Proportion zu den vorliegenden gültigen Antworten) über die in Frage kommenden Kategorien einer betroffenen Stufe verteilt sind. Das gleiche Verfahren wird bei den nachfolgenden Analysen der Daten der Volkszählungen und des Sozi-oekonomischen Panels angewendet. Als Anhaltspunkt zur Beurteilung der statistischen Präzision der Resultate sind in den Grafiken Vertrauensbereiche eingezeichnet (gepunktete Linien). Es handelt sich um punktweise 95%Konfidenzintervalle für die Werte der einzelnen Jahre. Merkmale des SAKE-Stichprobendesigns – Stratifikation und nicht-konstante Auswahlwahrscheinlichkeiten – wurden bei der Berechnung der den Konfidenzintervallen zugrunde liegenden Varianzschätzern berücksichtigt (mit Hilfe von Taylor-Linearisierung für komplexe Stichproben, siehe z. B. Lohr 1999: 290ff., Lee et al. 1989: 37ff., Levy und Lemeshow 1999: 366ff.). Wegen den in Fussnote 7 angesprochenen Problemen mit fehlenden Werten wurde ein indirektes Verfahren eingesetzt, in dem in einem ersten Schritt die Stichproben-Varianzen der Anteilswerte der Kategorien der beteiligten Variablen geschätzt werden (jeweils mit fehlenden Werten als separate Kategorie), um dann in einem zweiten Schritt mittels der so genannten „Delta“-Methode die Varianzen der aus den Anteilswerten berechneten Quoten herzuleiten (Oehlert 1992).

22


Abbildung 2.2: Normalarbeit in der Schweiz, 1991 – 2006 (Personen im Alter von 16 bis 64 Jahren) a) Männer

b) Frauen 100

100 90

90.6 88.0 83.1

80

80 70

66.4 63.8

70 60

Prozent

60 50

90

55.8

50

40

40

30

30

20

20

10

10

46.3 43.1 35.4 26.2 23.9

21.0

0

0 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06

an abhängig Erwerbstätigen

91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06

an Bevölkerung

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Anzahl dauerhaft Vollzeit abhängig Beschäftigte geteilt durch das Total an abhängig Erwerbstätigen bzw. die Bevölkerung im Alter von 16 bis 64 Jahren. Gepunktete Linien: Approximatives 95%-Konfidenzintervall (siehe Fussnote 8).

tigkeit gekennzeichneten Bahnen folgen. Bei den Frauen ist dagegen der Anteil der Normalarbeit – wiederum bezogen auf die abhängig beschäftigten Frauen – deutlich zurückgegangen. Inzwischen wird der Anteil Vollzeit beschäftigter Frauen durch Teilzeitangestellte weit übertroffen. „Normalarbeit“ bei den Frauen ist eher Teilzeitarbeit (siehe auch Baumgartner 2003). Die Beschränkung auf abhängig Beschäftigte kann aber auch den Blick verstellen, wenn Verschiebungen zwischen dieser Gruppe und anderen Kategorien stattgefunden haben. Um ein differenzierteres Bild zu erhalten, sollten deshalb auch die Anteile betrachtet werden, die sich auf die Gesamtbevölkerung im erwerbsfähigen Alter beziehen. Die detaillierten Zahlen dazu sind in Tabelle A.1 im Anhang (S. 172ff.) ausgewiesen. Da es klar ist, dass die Beschäftigungsentwicklung für Frauen und Männer unterschiedlich verläuft, konzentrieren wir uns direkt auf nach Geschlecht getrennt ausgewiesene Werte. Es zeigt sich sowohl bei


23

den Frauen als auch bei den Männern ein Rückgang der Normalarbeit um drei beziehungsweise acht Prozentpunkte, wenn 1992 als Ausgangswert gewählt wird (siehe auch Abbildung 2.2, jeweils untere Kurve). Geht man von der Erhebung von 1991 aus, dann beträgt der Rückgang fünf beziehungsweise zehneinhalb Prozentpunkte. Festzuhalten ist, dass die Abnahme der Normalarbeit insgesamt nicht nur durch die Zunahme weiblicher Teilzeitarbeit erklärbar ist. Vielmehr zeigt sich bezogen auf die Gesamtbevölkerung sowohl bei Frauen als auch bei Männern ein Rückgang der Normalarbeit. Wie ist diese Abnahme der Normalarbeit erklärbar? Die Betrachtung der Veränderungen in den anderen Beschäftigungskategorien kann darüber Aufschluss geben. Die entsprechenden Zahlenreihen sind ebenfalls in Tabelle A.1 im Anhang ersichtlich, als Interpretationshilfe weist Tabelle 2.1 jedoch zudem die Änderung der Anteile über den gesamten Beobachtungszeitraum ab 1992 aus. Die Differenzen sind in Prozentpunkten ausgedrückt. Beispielsweise bedeutet ein Wert von −8.0 für die Normalarbeit bei den Männern, dass der Anteil Normalarbeit (bezogen auf alle Männer in der entsprechenden Altersspanne) zwischen 1992 und 2006 um acht Prozentpunkte abgenommen hat. Zur Bezifferung der statistischen Unsicherheit sind zudem Konfidenzintervalle für die Differenzen ausgewiesen (Berechnung analog zu dem in Fussnote 8 umrissenen Verfahren). Nach den Zahlen in Tabelle 2.1 ist die Abnahme der Normalarbeit eindeutig nicht durch ein Wachstum befristeter Beschäftigungsverhältnisse zu erklären. Ganz im Gegensatz zu den Erwartungen ist der relativ geringe Anteil befristeter Tätigkeiten konstant oder sogar eher rückläufig. Bei den Männern ist aber vor allem der Anteil der Teilzeit Beschäftigten und der Nichterwerbstätigen angewachsen. Bei den Frauen haben in erster Linie die Teilzeitbeschäftigungen stark zugelegt. Dies ist zu einem grossen Teil der Expansion der weiblichen Erwerbspartizipation zuzuschreiben, es hat aber auch eine gewisse Verlagerung von Vollzeit- zu Teilzeitarbeit stattgefunden. Verlängern wir jetzt die Zeitachse von 1991 in die Vergangenheit mit Hilfe der Daten der schweizerischen Volkszählungen. Die Volkszählungsdaten erfassen die Tätigkeitsmerkmale mit anderen Kategorien und Methoden als die SAKE, so dass die absoluten Werte nicht direkt vergleichbar sind. Beispielsweise gelten Personen mit ein bis fünf Arbeitsstunden pro Woche nicht in allen Wellen der Volkszählung als Erwerbstätige, während in der SAKE die gleichen Personen als Teil der Erwerbspopulation betrachtet werden. Aus Konsistenzgründen werden diese Personen in den vorliegenden Berechnungen für alle Volkszählungen als nicht erwerbstätig behandelt. Weiterhin lassen sich mit den Volkszählungsdaten befristete Arbeitsverträge nicht gesondert ausweisen. Die grundlegenden Trends sind aber dennoch anhand der Daten ablesbar. Im Zeitraum von dreissig Jahren von 1970 bis 2000 ist bei den Männern ein Rückgang der Normalarbeit von 73.2 auf 59.5, bei den Frauen von 30.5 auf 27.0 Prozent beobachtbar (bezogen auf die

24


Tabelle 2.1: Veränderung der Anteile der Beschäftigungsverhältnisse in der Schweiz, 1992 – 2006 (Differenz in Prozentpunkten) Männer Differenz

Frauen

95%-Konfidenzintervall

Differenz


Im Alter von 16 bis 64 Jahren Normalarbeit Vollzeit befristet Teilzeit – 15 Std./Woche oder mehr – 1–14 Std./Woche Selbständig – Vollzeit – Teilzeit Lehrlinge Arbeitslos Nicht erwerbstätig

−8.0 −1.1 3.7 2.9 0.8 1.3 0.4 0.9 0.1 1.0 3.0

[ [ [ [ [ [ [ [ [ [ [

−9.7 , −6.3 ] −1.8 , −0.3 ] 2.9 , 4.5 ] 2.3 , 3.6 ] 0.3 , 1.2 ] 0.1 , 2.5 ] −0.8 , 1.5 ] 0.5 , 1.2 ] −0.8 , 0.9 ] 0.5 , 1.5 ] 2.0 , 4.1 ]

−2.9 0.1 6.6 7.0 −0.4 −0.2 −0.3 0.1 0.6 1.1 −5.4

[ [ [ [ [ [ [ [ [ [ [

−4.3 , −1.5 ] −0.4 , 0.7 ] 5.1 , 8.1 ] 5.7 , 8.4 ] −1.5 , 0.6 ] −1.2 , 0.8 ] −1.0 , 0.3 ] −0.7 , 0.9 ] −0.1 , 1.3 ] 0.6 , 1.6 ] −6.8 , −3.9 ]

Im Alter von 25 bis 55 Jahren Normalarbeit Vollzeit befristet Teilzeit – 15 Std./Woche oder mehr – 1–14 Std./Woche Selbständig – Vollzeit – Teilzeit Lehrlinge Arbeitslos Nicht erwerbstätig

−5.9 −1.3 3.7 3.3 0.5 0.4 −0.3 0.7 −0.2 0.8 2.5

[ [ [ [ [ [ [ [ [ [ [

−7.8 , −4.0 ] −2.1 , −0.4 ] 2.9 , 4.6 ] 2.5 , 4.1 ] 0.1 , 0.8 ] −1.1 , 1.9 ] −1.8 , 1.2 ] 0.3 , 1.1 ] −0.5 , 0.0 ] 0.3 , 1.4 ] 1.8 , 3.2 ]

0.3 −0.0 5.9 7.8 −1.9 −0.8 −0.2 −0.6 0.1 0.9 −6.3

[ [ [ [ [ [ [ [ [ [ [

−1.3 , 1.9 ] −0.6 , 0.5 ] 4.0 , 7.8 ] 6.1 , 9.4 ] −3.2 , −0.5 ] −2.0 , 0.5 ] −1.0 , 0.6 ] −1.6 , 0.4 ] −0.1 , 0.2 ] 0.3 , 1.6 ] −8.0 , −4.7 ]

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet.

Bevölkerung im erwerbsfähigen Alter; Abbildung 2.3; Tabelle A.2 im Anhang). Weiterhin zeigt sich mit diesen Daten, dass die Erosion in erster Linie in den 1990er Jahren stattgefunden hat. Die Volkszählungsdaten erlauben eine Aufschlüsselung nach den einzelnen Altersjahrgängen und lassen somit eine detaillierte Analyse der Verteilung der Beschäftigungverhältnisse in Abhängigkeit des Alters zu. Abbildung 2.4 zeigt die altersspezifischen Normalarbeitsraten über die vier Wellen der Volkszählung (die Kurven repräsentieren je eine Welle und zeigen den Normalarbeitsanteil für jeden

25


Abbildung 2.3: Normalarbeit in der Schweiz, 1970 – 2000 a) Männer im Alter von 16 bis 64 Jahren 100 90

97.8

97.1

96.2 93.5

80

Prozent

70

73.2

71.1

60

69.0 59.5

50 40 30 20 10 0 1970

1980

1990

2000

b) Frauen im Alter von 16 bis 64 Jahren 100 90 80

Prozent

70

75.3

60

67.4 60.1

50

52.0

40 30

30.5

28.9

29.3

27.0

1970

1980

1990

2000

20 10 0


an Bevölkerung

Quelle: Harmonisierte Personendaten der eidgenössischen Volkszählungen 1970, 1980, 1990 und 2000. Anmerkungen: Anzahl Vollzeit abhängig Beschäftigte geteilt durch das Total an abhängig Erwerbstätigen bzw. die Bevölkerung im Alter von 16 bis 64 Jahren.

26


Abbildung 2.4: Normalarbeitsquoten nach Alter in der Schweiz, 1970 – 2000 a) Männer 100 90 80

Prozent

70 60 50 40 30 20 10 0 15

20

30

40

50 Alter

60

70

80

60

70

80

b) Frauen 100 90 80

Prozent

70 60 50 40 30 20 10 0 15

20

30 1970

40

50 Alter 1980

1990

2000

Quelle: Harmonisierte Personendaten der eidgenössischen Volkszählungen 1970, 1980, 1990 und 2000. Anmerkungen: Anzahl Vollzeit abhängig Beschäftigte geteilt durch das Bevölkerungstotal des jeweiligen Altersjahrgangs.


27

Altersjahrgang). Man erkennt, dass sich die altersabhängige Normalarbeitskurve bei den Männern insbesondere in den 1990er Jahren auch für alle „aktiven“ Jahrgänge abwärts bewegt hat. Bei den Frauen verhält es sich anders. Hier ist eine Rechtsverschiebung und Absenkung des ersten Teils der Kurve für die Volkszählung 2000 bis zum Alter von Mitte dreissig beobachtbar. Dies bedeutet, dass Normalarbeit in den 1990er Jahren bei den jüngeren Frauen abgenommen hat, bei Frauen Mitte zwanzig bis Mitte dreissig ist sie hingegen angestiegen. Sowohl Frauen als auch Männer übten im Jahr 2000 hingegen in jüngerem Alter und gegen Ende der Erwerbskarriere weniger Vollzeitbeschäftigungen aus als 1970. Die Gründe liegen auf der Hand: Eine höhere Bildungsbeteiligung der Jüngeren; ein früherer Pensionseintritt der Älteren. Diese Resultate werden durch eine Analyse der SAKE-Daten bestätigt. Auch hier kann ein steiler Abfall der Normalarbeit bei den jüngeren Personen beobachtet werden. Für 16- bis 24-jährige Männer fiel die Rate von 35.2 Prozent im Jahr 1992 auf 23.4 Prozent im Jahr 2006, für Frauen in diesem Alterssegment von 38.4 auf 20.4 Prozent (Tabelle A.1 im Anhang). Diese Entwicklung, die durch erhöhte Teilzeitarbeit, aber vor allem auch durch einen steigenden Anteil junger Leute in einer Berufslehre zustande kommt, zeigt sich also für beide Geschlechter. Weil allerdings auch der Umfang der Altersgruppe der 16- bis 24-Jährigen abgenommen hat, ist der Anteil der Lehrlinge in der Bevölkerung im erwerbsfähigen Alter insgesamt konstant geblieben. Betrachtet man die Altersgruppe von 55 bis 64 Jahren, so hat sich hier nur die Normalarbeit der Männer vermindert (bei den Frauen in dieser Altersgruppe ist sogar ein leichter Zuwachs zu verzeichnen). Die Veränderung um rund 14 Prozentpunkte, spiegelt sich zum Teil in vermehrter Selbständigkeit, dürfte vor allem aber auch mit einer Tendenz zu früheren Pensionseintritten zusammenhängen, wie der deutlich angestiegene Anteil an Nichterwerbspersonen in dieser Altersgruppe vermuten lässt (vgl. zu ähnlichen Resultaten Bundesamt für Statistik 2008a). Ungeachtet der Veränderungen bei den jüngeren und älteren Personen hat sich aber auch die Vollzeitarbeitsquote der Männer im Alter von 25 bis 55 Jahren vermindert, und zwar von 77.0 in der Volkszählung 1990 auf 68.2 Prozent in der Volkszählung 2000 (Tabelle A.2, S. 186ff.). Der Rückgang der männlichen Normalarbeit in der Schweiz kann nach den Ergebnissen der Volkszählung also höchstens teilweise durch die Veränderung „an den Rändern“ (Wagner 1998) der altersabhängigen Normalarbeitsquoten, das heisst durch eine Verlängerung der Ausbildungsphase junger Erwachsener und die Vorverlegung der Pensionierung älterer erklärt werden. Für Frauen zeigt sich ein etwas anderes Bild. Der ohnehin schon eher schwache Rückgang des Anteils Normalarbeitsverhältnisse verschwindet, wenn nur 25- bis 55-jährige Frauen betrachtet werden, und kehrt sich sogar eher um. Im Jahr 2000 waren gemäss der Volkszählung geringfügig

28


Abbildung 2.5: Normalarbeit in der Schweiz, 1991 – 2006 (Personen im Alter von 25 bis 55 Jahren) a) Männer 100

92.0 89.7

90 80

b) Frauen 100 86.1

74.9

90 80

72.3

Prozent

70

66.4

70

60

60

50

50

40

40

30

30

20

20

10

10

0

42.1 37.9

34.9

26.0 23.1

23.4

0 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06


91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06

an Bevölkerung

Quelle: Bundesamt für Statistik, Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Anzahl dauerhaft Vollzeit abhängig Beschäftigte geteilt durch das Total an abhängig Erwerbstätigen bzw. die Bevölkerung im Alter von 25 bis 55 Jahren. Gepunktete Linien: Approximatives 95%-Konfidenzintervall (siehe Fussnote 8, S. 21).

mehr Frauen im Alter von 25 bis 55 Jahren Vollzeit abhängig beschäftigt als in den Jahren zuvor (28.9 Prozent im Jahr 2000, verglichen mit 28.7 Prozent im Jahr 1990 und 26.3 Prozent in den Jahren 1980 und 1970). Wiederum werden diese Resultate auch durch die SAKE-Daten bestätigt. Lässt man die Altersgruppen an den Rändern ausser Betracht, das heisst, untersucht man die Entwicklung für die 25- bis 55-jährige Bevölkerung, so zeigt sich zwar eine weniger deutliche Erosion der Normalarbeit als in der Gesamtstichprobe, der Rückgang ist aber für die Männer immer noch substanziell. Die Anteile sind 72.3 Prozent im Jahr 1992 (bzw. 74.9 im Jahr 1991) und 66.4 Prozent im Jahr 2006 (siehe Abbildung 2.5). Bei den Frauen hingegen ist mit Anteilen von 23.1 Prozent im Jahr 1992 (bzw. 26.0 Prozent im Jahr 1991) und 23.4 Prozent im Jahr 2006 kein oder höchstens ein geringer Rückgang zu beobachten.

2.3 Entwicklung der Normalarbeit in Deutschland

29

Kritisch anzumerken ist, dass verglichen mit den Resultaten aus den schweizerischen Volkszählungen der Rückgang der Normalarbeit bei den Männern gemäss den SAKE-Daten in der Zeitspanne von 1991 bzw. 1992 bis 2000 eher moderat ausfällt (der Rückgang für 16- bis 64-Jährige beträgt 7.0 bzw. 3.4 Prozentpunkte in der SAKE versus 9.4 Prozentpunkte in den Volkszählungen, für 25- bis 55Jährige sind die Zahlen 6.0 bzw. 3.5 versus 8.9 Prozentpunkte). Obwohl das allgemeine Muster grundsätzlich gleich ist – ein Rückgang des Anteils Normalarbeit bei den Männern, Stabilität bei den Frauen –, ist nach der Volkszählung der Trend zur Erosion der männlichen Normalarbeit deutlich stärker ausgeprägt als bei der SAKE. Die Differenzen zwischen den Resultaten aus den beiden Datenquellen sind wahrscheinlich grösstenteils auf Unterschiede in Messung und Operationalisierung der Beschäftigungstypen zurückzuführen. Insbesondere können Angestellte mit einem befristeten Arbeitsvertrag in den Volkszählungen nicht separat ausgewiesen werden, was den beobachteten Trend inflationieren dürfte, da der Anteil befristeter Vollzeitarbeitnehmer in der Periode eher abgenommen hat. Die Resultate der Volkszählungen überschätzen deshalb die Erosion der Normalarbeit wahrscheinlich zu einem gewissen Grad.

2.3 Entwicklung der Normalarbeit in Deutschland Zur Analyse des Wandels der Normalarbeit in Deutschland greifen wir auf die Daten des Sozio-oekonomischen Panels (SOEP) zurück (SOEP Group 2001, Wagner et al. 2007; verwendet werden die „Scientific Use Files“, die aus datenschutzrechtlichen Gründen nur eine 95%-Stichprobe der Originaldaten enthalten, vgl. Frick et al. 2007). Die SOEP-Daten werden seit 1984 bei einer Zufallsstichprobe von anfänglich 6000 Haushalten erhoben. Alle Haushaltsmitglieder im Alter von 16 oder mehr Jahren werden in jährlichen Abständen befragt (anfänglich rund 12 000 Personen). Im Verlauf der Jahre wurde die ursprüngliche Stichprobe des SOEP mehrfach durch weitere Stichproben ergänzt oder aufgestockt, zum Beispiel 1990 mit gut 2000 ostdeutschen Haushalten oder im Jahr 2000 mit einer Zusatzstichprobe von nochmals 6000 Haushalten (siehe Wagner et al. 2007 für eine Übersicht). Für die vorliegenden Analysen werden gewichtete Daten verwendet. Wie bei der SAKE kompensieren die Gewichte die durch das Stichprobendesign bedingten unterschiedlichen Auswahlwahrscheinlichkeiten und beinhalten eine Korrektur für Panel-Auszehrung sowie Post-Stratifikation. Weiterhin beschränkt sich die Analyse auf die alten Bundesländer (Westdeutschland) aus folgenden Gründen: Erstens beginnen die Datenreihen für die neuen Bundesländer erst 1990 und zweitens waren die neuen Bundesländer in den 1990er Jahren einem radikalen Übergang von der Plan- zur Marktwirtschaft unterwor-

30


fen, was sie schwer vergleichbar macht mit den neuen Bundesländern oder der Schweiz. In den Analysen für Deutschland werden wiederum Erwerbspersonen (Erwerbstätige und Arbeitslose) von Nichterwerbspersonen unterschieden und die Erwerbstätigen in Selbständige, Auszubildende und abhängig Erwerbstätige eingeteilt. Eine weitere Differenzierung ergibt sich durch den Beschäftigungsgrad in Vollzeit-, Teilzeit- und geringfügig Beschäftigte (nach Selbsteinschätzung), sowie nach der Befristung des Arbeitsverhältnisses. Als Normalarbeit bezeichnen wir auch hier unbefristete Vollzeit-Arbeitsstellen in abhängigem Beschäftigungsverhältnis (ähnlich wie bei den Analysen für die Schweiz scheint sich eine weitere Unterscheidung nach Sozialversicherungspflicht zu erübrigen). Beim SOEP erfolgt die Einteilung in Erwerbstätige und Nichterwerbstätige primär nach Selbsteinschätzung der Befragten. Um die Vergleichbarkeit mit der Analyse für die Schweiz zu gewährleisten, werden aber auch Personen als erwerbstätig gezählt, die sich zwar als nicht erwerbstätig bezeichneten, an einer späteren Stelle im Fragebogen jedoch angaben, einen regelmässigen Nebenerwerb (im Umfang von mindestens einer Stunde pro Woche) auszuüben. Zunächst betrachten wir wieder die Stichprobe aus der 16- bis 64-jährigen Bevölkerung. Im Zeitraum 1990 bis 2005 geht die Normalarbeit der Männer in Westdeutschland (alte Bundesländer) um 8.2 Prozentpunkte von 61.5 auf 53.2 Prozent zurück (Abbildung 2.6; Tabelle A.3 im Anhang, S. 190).9 Die Normalarbeit der Frauen blieb dagegen in den 1990er Jahren ungefähr auf dem gleichen Niveau und erfuhr erst in den frühen 2000er Jahren einen kleinen Abwärtstrend (1990: 26.9 Prozent, 2005: 24.2 Prozent). Anders als Hoffmann und Walwei (1998) finden wir also eine nicht unerhebliche Schrumpfung der männlichen Normalarbeitsquote. Der Unterschied lässt sich vielleicht zum Teil dadurch erklären, dass Hoffmann und Walwei ihre Analysen mit anderen Daten (Mikrozensusdaten) durchführten, der Hauptgrund wird aber darin liegen, dass Sie sich auf einen anderen Zeitraum (1985 bis 1995) beziehen. Hoffmann und Walwei berichten eine Verminderung der Normalarbeit der Männer um nur einen Prozentpunkt von 66 Prozent im Jahr 1985 auf 65 Prozent im Jahr 1995 (siehe Hoffmann und Walwei 1998, Tabelle 1, S. 416, und Abbildung 7, S. 421). Tatsächlich stimmen unsere SOEP-Auswertungen mit ihren Angaben gut überein, da zwischen 1985 und 1995 auch die SOEP-Daten kaum Hinweise auf 9

Die Berechnung der Konfidenzintervalle in Abbildung 2.6 (gepunktete Linien) folgt dem in Fussnote 8 (S. 21) beschriebenen Verfahren unter Berücksichtigung der Klumpenstruktur und Disproportionalität des SOEP-Stichprobendesigns. Die Stratifikation des SOEP wurde bei den Varianzschätzungen vernachlässigt, da es Probleme mit Schichten mit nur einem Klumpen gibt. Kontrollrechnungen zeigten, dass die Berücksichtigung der Stratifikation die Ergebnisse kaum ändert (die Schätzer für die Konfidenzintervalle werden marginal kleiner).

31


Abbildung 2.6: Normalarbeit in Deutschland, 1985 – 2005 (Personen im Alter von 16 bis 64 Jahren; alte Bundesländer) a) Männer

b) Frauen 100

100 90.6

89.9

90

85.9

80

80

70

70 59.8 Prozent

60

90

61.5 53.2

60

57.2

54.5 44.3

50

50

40

40

30

30 24.6

20

20

10

10

26.9 24.2

0

0 85 87 89 91 93 95 97 99 01 03 05


85 87 89 91 93 95 97 99 01 03 05

an Bevölkerung

Quelle: Deutsches Sozio-oekonomisches Panel (SOEP), gewichtet. Anmerkungen: Anzahl dauerhaft Vollzeit abhängig Beschäftigte geteilt durch das Total an abhängig Erwerbstätigen bzw. die Bevölkerung im Alter von 16 bis 64 Jahren. Gepunktete Linien: Approximatives 95%-Konfidenzintervall (Berechnung analog zum Verfahren in Fussnote 8, S. 21).

eine Erosion männlicher Normalarbeit liefern (59.8 Prozent 1985, 59.3 Prozent 1995). Die von Hoffmann und Walwei berichteten Prozentanteile sind höher als bei uns, da Hoffmann und Walwei die Anteile nur auf Erwerbstätige beziehen. Rechnet man die SOEP-Resultate auf Anteile an den Erwerbstätigen um, erhält man für den Vergleich 1985/1995 die gleichen Tendenzen wie bei Hoffmann und Walwei: Höchstens eine leichte Abnahme der Normalarbeit bei den Männern, ein etwas stärkerer Rückgang bei den Frauen. Der Grund für die Diskrepanz zwischen den Ergebnissen für die Zeiträume 1985 – 1995 und 1990 – 2005 besteht in der umgekehrt u-förmigen Entwicklung. Die Normalarbeitsquote hat bis Ende der 1980er Jahre sogar eher zugenommen. Erst in den 1990er Jahren ist ein deutlicher Rückgang zu beobachten (Abbildung 2.6; Tabelle A.3 im Anhang). Wodurch ist die Erosion der Normalarbeit in Deutschland erklärbar? Wie in der Schweiz ist auch in Westdeutschland der Rückgang nicht auf eine Auswei-

32


Tabelle 2.2: Veränderung der Anteile der Beschäftigungsverhältnisse in Deutschland, 1990 – 2005 (Differenz in Prozentpunkten) Männer Differenz

Frauen


Differenz


Im Alter von 16 bis 64 Jahren Normalarbeit −8.2 Vollzeit befristet −1.2 Teilzeit/geringfügig 3.0 – Teilzeit 1.4 – Geringfügig 1.6 Selbständig 1.7 – Vollzeit 1.8 – Teilzeit −0.1 Auszubildende −1.6 Arbeitslos 5.2 Nicht erwerbstätig 1.2

[ [ [ [ [ [ [ [ [ [ [

−11.2 , −2.4 , 1.7 , 0.3 , 0.9 , −0.3 , 0.1 , −0.9 , −2.8 , 3.6 , −1.1 ,

−5.2 ] 0.0 ] 4.3 ] 2.4 ] 2.4 ] 3.6 ] 3.5 ] 0.7 ] −0.3 ] 6.7 ] 3.4 ]

−2.6 −1.3 9.3 3.6 5.7 −1.2 −0.0 −1.2 −1.1 3.8 −6.9

[ [ [ [ [ [ [ [ [ [ [

−5.2 , −2.4 , 6.9 , 1.6 , 4.3 , −2.6 , −0.9 , −2.3 , −2.3 , 2.5 , −9.5 ,

−0.0 ] −0.2 ] 11.8 ] 5.7 ] 7.1 ] 0.3 ] 0.9 ] −0.0 ] −0.0 ] 5.1 ] −4.2 ]

Im Alter von 25 bis 55 Jahren Normalarbeit −9.5 Vollzeit befristet −0.7 Teilzeit/geringfügig 2.6 – Teilzeit 2.0 – Geringfügig 0.5 Selbständig 2.7 – Vollzeit 2.5 – Teilzeit 0.2 Auszubildende −0.5 Arbeitslos 5.1 Nicht erwerbstätig 0.4

[ [ [ [ [ [ [ [ [ [ [

−13.0 , −2.3 , 1.2 , 0.9 , −0.1 , 0.1 , 0.1 , −0.8 , −1.1 , 3.4 , −1.2 ,

−6.1 ] 0.8 ] 3.9 ] 3.2 ] 1.1 ] 5.3 ] 4.9 ] 1.2 ] 0.0 ] 6.9 ] 2.0 ]

−0.8 −0.5 8.7 2.8 5.8 −0.4 0.5 −0.9 −0.1 3.8 −10.7

[ [ [ [ [ [ [ [ [ [ [

−4.1 , −1.5 , 5.4 , −0.2 , 4.2 , −2.3 , −0.6 , −2.4 , −0.5 , 2.2 , −13.8 ,

2.5 ] 0.5 ] 12.0 ] 5.9 ] 7.5 ] 1.5 ] 1.7 ] 0.6 ] 0.4 ] 5.4 ] −7.7 ]

Quelle: Deutsches Sozio-oekonomisches Panel (SOEP), gewichtet.

tung befristeter Arbeitsverhältnisse zurückzuführen (Tabelle 2.2). Denn auch in Deutschland besteht wider Erwarten eher eine Tendenz zur Verringerung befristeter (Vollzeit-) Tätigkeiten. Der Schwund unbefristeter Vollzeitarbeit der Männer geht vielmehr auf das Konto von mehr Teilzeit- oder geringfügiger Arbeit, mehr Selbständigkeit, mehr Arbeitslosigkeit und eventuell mehr Nichterwerbstätigkeit. Bei den Frauen ist gegenläufig zu der Entwicklung bei den Männern die Erwerbsquote insgesamt angestiegen (Rückgang der Nichterwerbstätigkeit von 37.7 im

33


Abbildung 2.7: Normalarbeit in Deutschland, 1985 – 2005 (Personen im Alter von 25 bis 55 Jahren; alte Bundesländer) a) Männer 100

94.0

93.1

b) Frauen 100 90.0 90

90 80

Prozent

70

74.3

76.7

80 67.1

70

60

60

50

50

40

40

30

30

20

20

10

10

53.1

51.5 44.4

29.5 26.6

28.7

0

0 85 87 89 91 93 95 97 99 01 03 05


85 87 89 91 93 95 97 99 01 03 05

an Bevölkerung

Quelle: Deutsches Sozio-oekonomisches Panel (SOEP), gewichtet. Anmerkungen: Anzahl dauerhaft Vollzeit abhängig Beschäftigte geteilt durch das Total an abhängig Erwerbstätigen bzw. die Bevölkerung im Alter von 25 bis 55 Jahren. Gepunktete Linien: Approximatives 95%-Konfidenzintervall (Berechnung analog zum Verfahren in Fussnote 8, S. 21).

Jahr 1990 auf 30.9 Prozent im Jahr 2005). Zugenommen haben Teilzeittätigkeiten, geringfügige Beschäftigungen und Arbeitslosigkeit. Um die Veränderungen am Anfang und am Ende der Erwerbskarriere auszublenden, untersuchen wir auch für Westdeutschland wieder die Altersgruppe der 25- bis 55-Jährigen. Auch hier zeigt sich eine deutlicher Rückgang der Normalarbeit der Männer um 9.5 Prozentpunkte von 76.7 Prozent im Jahr 1990 auf 67.1 Prozent im Jahr 2005, wobei der Rückgang zur Hauptsache auf die erste Hälfte der 1990er Jahre entfällt (Abbildung 2.7). Die Normalarbeit der Frauen dieser Altersgruppe ist zwischen 1990 und 2005 mit 29.5 bzw. 28.7 Prozent praktisch konstant geblieben. Deutlich zugenommen – um 10.7 Prozentpunkte seit 1990 und um 17.9 Prozentpunkte seit 1985 – hat die Erwerbsbeteiligung der 25- bis 55-jährigen Frauen.

34


Wir können also weder die von Hoffmann und Walwei (1998), noch die von Wagner (1998) und Kaiser (2001b) aufgezeigten Tendenzen und Thesen bestätigen. Für die 1990er Jahre ist vielmehr eine nicht unerhebliche Erosion der Normalarbeit zu beobachten. Zwar hat bei den Frauen gleichzeitig die Erwerbstätigkeit, die Teilzeitarbeit und die geringfügige Beschäftigung zugenommen. Zudem ist ein Rückgang der Erwerbsquote bei den jüngeren Frauen und Männern (16bis 24-jährige) und bis 2003 bei den älteren Männern (55- bis 64-jährige) zu beobachten (nach 2003 dreht sich der Trend bei den älteren Männern zugunsten von mehr Erwerbstätigkeit um; bei den älteren Frauen steigt die Erwerbsquote mehr oder weniger kontinuierlich über den gesamten Beobachtungszeitraum). Die drei Tendenzen – mehr Bildung bei den Jüngeren, vorgezogenes Rentenalter bei den Älteren und mehr Teilzeitarbeit der Frauen – können aber keineswegs den Rückgang männlicher Normalarbeit erklären. Denn auch bei den 25- bis 55-jährigen Männern zeigt sich, wie erläutert, im Zeitraum 1990 bis 2005 eine Abnahme der Normalarbeit in einer Grössenordnung von fast 10 Prozentpunkten.

2.4 Resümee: Parallelität statt Sonderweg Vergleicht man die Entwicklungen auf den Arbeitsmärkten der beiden Länder in den 1990er und frühen 2000er Jahren, so zeigt sich deutlich, dass die gemeinsamen Tendenzen überwiegen. In beiden Ländern steigt die Erwerbstätigkeit der Frauen, während die Erwerbstätigkeit der Männer leicht rückläufig ist. Gründe für eine rückläufige Erwerbstätigkeit der Männer sind unter anderem längere Ausbildungszeiten und ein früheres Pensionsalter. In beiden Ländern wächst der Anteil von Teilzeitbeschäftigungen bei Männern und Frauen. Die Zunahme weiblicher Teilzeitbeschäftigung ist allerdings stärker ausgeprägt und erfolgt auf höherem Niveau. Im Gegensatz zu den Erwartungen hat der Anteil befristeter (Vollzeit-) Verträge in (West-) Deutschland und der Schweiz nicht zugenommen. Normalarbeit ist immer noch der hauptsächliche Typ der Erwerbstätigkeit der Männer. Der Anteil männlicher Normalarbeit geht aber in beiden Ländern zurück. Gründe sind mehr Teilzeitarbeit, mehr Selbständigkeit, höhere Arbeitslosigkeit und ein Rückgang der Erwerbsbeteiligung. Der Prozess, falls zuvor überhaupt schon wirksam, hat in der Schweiz und in Deutschland in den 1990er Jahren an Intensität gewonnen. Unter den 25- bis 55-jährigen Männern ist in der Schweiz nach Volkszählungsdaten von 1990 bis 2000 ein Rückgang der Normalarbeit um 8.9 Prozentpunkte zu beobachten. Nach den SAKE-Daten sind es 8.5 Prozentpunkte für den Zeitraum von 1991 bis 2006 (bzw. 5.9 Prozentpunkte für 1992 bis 2006). Übersetzt zu Populationsgrössen bedeutet diese Veränderung, dass heute wohl rund 100 000 bis 150 000 mehr Männer der Altersgruppe

2.4 Resümee: Parallelität statt Sonderweg

35

der 25- bis 55-Jährigen in einer unbefristeten Vollzeitanstellung beschäftigt wären, läge die Normalarbeitsquote noch auf dem Niveau von Anfang 1990er Jahre. In Deutschland beträgt der Rückgang der Normalarbeit in dieser Altersgruppe 9.5 Prozentpunkte von 1990 bis 2005, was einer „Lücke“ von gut einer Million Normalarbeitsstellen entspricht. Die hoch aggregierten Quoten der Frauen sind weniger aussagekräftig, da sich die Erwerbstätigkeit im Lebens- und Familienzyklus in den letzten beiden Dekaden stark verändert hat. Wie die Volkszählungsdaten der Schweiz demonstrieren, ergibt erst der Verlauf der altersabhängigen Normalarbeitsquoten ein genaueres Bild (vgl. die Kurven in Abbildung 2.4). Veränderungen der aggregierten Grössen resultieren hier zum Teil aus gegenläufigen Effekten. So hat die Normalarbeit in den 1990er Jahren bei den jüngeren Frauen abgenommen, bei Frauen Mitte zwanzig bis Mitte dreissig ist sie hingegen angestiegen. Ähnliches gilt für Deutschland: Bei jüngeren Frauen ist ein starker Rückgang der Normalarbeit zu verzeichnen, bei Frauen nach der (möglicherweise ausgedehnteren) Ausbildungsphase sind die Quoten jedoch relativ konstant geblieben. Die Erwerbsquote, das heisst der Anteil Personen an der Bevölkerung im erwerbsfähigen Alter, die erwerbstätig sind oder aktiv eine Stelle suchen, hat in den 1990er Jahren in Deutschland und in der Schweiz um rund ein bis zwei Prozentpunkte zugelegt. Dieser Anstieg geht auf das Konto wachsender weiblicher Beschäftigung, in der Regel in Form von Teilzeitarbeit, was aber natürlich nicht den Rückgang der Normalarbeitsquote der Männer erklären kann. Auch bei separater Analyse der Männer der Altersgruppen 16 bis 64 oder 25 bis 55 ist ein Rückgang der Normalarbeit zu beobachten. Abhängige Vollzeitbeschäftigung der Männer wurde daher seit Anfang 1990er Jahre tatsächlich durch andere Tätigkeitsarten substituiert.10 Zumindest seit den 1990er Jahre sprechen die Resultate also für die Substitutions- und Verdrängungsthese (Hypothese 1; siehe Einleitung). Der Prozess kann etwa wie folgt umschrieben werden: Über die letzten Jahrzehnte stieg die weibliche Arbeitsmarktpartizipation stark an, der Anteil Normalarbeitsverhältnisse bei den Frauen blieb aber absolut gesehen (d. h. als Anteil an der gesamten weiblichen Bevölkerung im erwerbsfähigen Alter) mehr oder weniger stabil. Die Expansion der Arbeitsmarktpartizipation der Frauen erfolgte also in erster Linie via zusätz10 Wobei zu bemerken ist, dass nicht jede Substitution negativ zu bewertende Folgen heraufbeschwören muss. Wenn sich ein Angestellter selbständig macht und in seinem neuen Kleinunternehmen eine Teilzeitstelle schafft, geht dies statistisch auf Kosten der Normalarbeit. Gleiches gilt für eine Vollzeitstelle, die im Rahmen von „job sharing“ in zwei Teilzeitstellen aufgeteilt wird. In beiden Fällen kann es trotz Verlust einer Normalarbeitsstelle durchaus zu Wohlfahrtsgewinnen kommen. Anders verhält es sich wahrscheinlich, wenn Angestellte zu „Scheinselbständigen“ mit schlechten beruflichen und sozialen Sicherheiten ausgelagert werden (zu Schätzungen für die Schweiz vgl. Bundesamt für Statistik 2006a).

36


liche Teilzeitstellen. Bis Ende der 1980er Jahre blieb auch bei den Männern der Anteil Normalarbeitsverhältnisse stabil. Eine „Erosion der Normalarbeit“ erfolgte in dieser Periode demnach nur in relativem Sinne (Hypothese 2). In den 1990er und frühen 2000er Jahren schliesslich stieg nicht nur die Teilzeitarbeit der Frauen weiter an, sondern es setzte in Einklang mit Hypothese 2, die von einer „realen“ Erosion ausgeht, auch eine Verringerung der Normalarbeitsquote der Männer ein. Ein Hauptergebnis der vorliegenden Studie ist folglich, dass seit Anfang 1990er Jahre in beiden Ländern eine klare Verschiebung von Normalarbeit zu so genannt „atypischen“ Beschäftigungsformen stattgefunden hat, wobei aber wohlgemerkt keine Verschiebung zu Gunsten von befristeter Vollzeitarbeit erfolgte. Trotz dieses Trends einer Erosion der Normalarbeit, ist das Normalarbeitsverhältnis allerdings nach wie vor die dominante Beschäftigungsform unter den männlichen Arbeitskräften. Wie verhält es sich nun mit den unterschiedlichen Arbeitsmarktregelungen in den beiden Nachbarländern? Auffallend ist, dass die Entwicklung verschiedener Dimensionen der Erwerbstätigkeit und insbesondere der Rückgang der Normalarbeit in den beiden Nachbarländern trotz unterschiedlicher Arbeitsmarktregime weitgehend parallel verlief. Natürlich gibt der Vergleich keinen eindeutigen Aufschluss über kausale Einflüsse wie bei einem kontrollierten Experiment. Deutschland und die Schweiz unterscheiden sich nicht nur bezüglich der Flexibilität des Arbeitsmarktes. So ist zum Beispiel die Arbeitslosigkeit in Deutschland wesentlich höher als in der Schweiz. Arbeitslosigkeit könnte aber gemäss der Hypothese von Hoffmann und Walwei (1998) ein „Push-Faktor“ sein, der zur Erosion der Normalarbeit beiträgt. Man könnte also argumentieren, dass der flexible Arbeitsmarkt zur Erosion der Normalarbeit in der Schweiz beigetragen hat, während die Erosion in Deutschland – trotz einer rigideren Arbeitsmarktregulierung – auf das Konto der hohen Arbeitslosigkeit geht. Diesen Einwand können wir allerdings an den vorliegenden Daten nicht überprüfen. Auch andere Mechanismen sind denkbar wie zum Beispiel, dass in Deutschland trotz allgemein strikterer Regulierung die speziellen Regeln für geringfügige Beschäftigungen einen zusätzlichen Anstieg atypischer Arbeitsformen gefördert haben. Offensichtlich ist die Arbeitsmarktflexibilität nicht der einige Faktor, der die Erosion der Normalarbeit in Deutschland und der Schweiz seit den 1990er Jahren beeinflusst hat. Man könnte auch einen Schritt weiter gehen und behaupten, dass die allgemeine Arbeitsmarktflexibilität nur einen geringen oder überhaupt keinen Effekt auf das Ausmass der Verlagerung von Normalarbeit zu anderen Arbeitsformen hatte (Kress 1998). So gibt es die These, dass im Gegenteil Arbeitsmarktrigidität atypische Arbeitsformen sogar fördert. Der Grund ist, dass Arbeitgeber in rigiden Arbeitsmärkten die strikten Regeln (und die damit verbundenen hohen Arbeitskosten) zu umgehen versuchen, indem sie ihre Beschäftigtenstruktur zu

2.4 Resümee: Parallelität statt Sonderweg

37

einer Belegschaft mit einem kleineren Anteil regulärer Arbeitsverträge verlagern (Appelbaum 2002). In beiden Ländern gibt es wohl Kräfte auf der Angebots- wie auch auf der Nachfrageseite des Arbeitsmarktes, die die Erosion der Normalarbeit vorantreiben. Zum Beispiel hat die grössere Kapitalmobilität die Verhandlungsmacht der Arbeitgeber erhöht. Restrukturierung, Kostenabbau, Personalkürzung und Auslagerung von Aktivitäten, die nicht zum Kerngeschäft des Unternehmens gehören, sind in beiden Ländern bekannte Phänomene. Der Blickwinkel sollte jedoch nicht ausschliesslich auf die Arbeitgeberstrategien beschränkt werden. Ein Teil des Wandels könnte auch durch sich verändernde Präferenzen auf der Angebotsseite des Arbeitsmarktes zustande gekommen sein. Es ist klar, dass viele atypische Arbeitsverhältnisse zur Kategorie der schlecht bezahlten und unsicheren Stellen gehören und dass viele insbesondere weniger gut qualifizierte Arbeitnehmer keine andere Wahl haben, als sich auf solche „bad jobs“ zu bewerben. Wie Kalleberg et al. (2000) für die Vereinigten Staaten zeigen, korrelieren atypische Beschäftigungen tatsächlich mit unvorteilhaften Arbeitsplatzmerkmalen. Allerdings handelt es sich nur um eine Korrelation und nicht jeder Teilzeit-Job ist unsicher oder unterdurchschnittlich bezahlt. Dass die zunehmende Arbeitsmarktpartizipation von Frauen mit einer Zunahme der Anzahl Teilzeitstellen einherging, ist ein klarer Hinweis dafür, dass der Wandel zu mehr atypischer Arbeit auch angebotsseitig getrieben sein kann. Die Arbeitsmarktpartizipation von verheirateten Frauen hat sich über die letzten Jahrzehnte drastisch verändert. Obwohl Frauen nach wie vor in fast allen Fällen die Hauptverantwortung für den Haushalt behalten, haben viele verheiratete Frauen begonnen, auch Arbeitsmöglichkeiten ausserhalb der Familie wahrzunehmen. Um Familienverpflichtungen und bezahlte Arbeit erfolgreich unter einen Hut zu bringen, üben die meisten dieser Frauen aber keine Vollzeiterwerbstätigkeit aus. Möglicherweise gibt es zudem auch einen kleineren Anteil von männlichen Arbeitskräften mit familiären Pflichten, die ein reduziertes Arbeitspensum präferieren (vgl. Bundesamt für Statistik 2006b). Arbeitgeber sind diesen Erwartungen mit einer Erhöhung des Anteils Teilzeitstellen entgegengekommen – ein Prozess der wohl unabhängig vom Ausmass an Arbeitsmarktflexibilität stattgefunden hat.

3 Halbe Kraft voraus? Arbeitseinsatz, berufliche Segregation und Löhne von Frauen auf dem Schweizer Arbeitsmarkt Mit Henriette Engelhardt

3.1 Einleitung In den letzten Jahrzehnten haben sich Frauen in vielen arbeitsmarktrelevanten Bereichen wie Schulbildung, Berufsbildung und Studium den Männern angenähert. Trotz der damit einhergehenden steigenden Erwerbsbeteiligung von Frauen existieren nach wie vor grosse Differenzen in der Verantwortlichkeit für Haushaltsarbeit (Bundesamt für Statistik 1993: 31ff., Bundesamt für Statistik 1996b, Bundesamt für Statistik 1997: 12.ff, Strub et al. 2005). Auch US--amerikanische Studien zeigen etwa, dass verheiratete erwerbstätige Frauen ungefähr die doppelte Menge an Haushaltsarbeit verrichten wie Männer (Geerken und Gove 1983, Goldschneider und Waite 1991, Lennon und Rosenfield 1994, Pleck 1985, Ross 1987). Diese Verantwortlichkeit drückt sich nicht nur in der (Dis-)Kontinuität der Beschäftigung im Lebenslauf aus, sondern auch in der Berufswahl und in der Arbeitsorientierung (Polachek 1979, Becker 1985, Mincer 1985) und somit in den Löhnen. So sind in der Schweiz wie in den meisten anderen westlichen Industriegesellschaften die Berufe noch immer stark geschlechtsspezifisch segregiert (Müller et al. 1997) und die Frauenlöhne liegen knapp 20 Prozent unter dem Einkommensniveau der Männer (Bundesamt für Statistik 2000, 2003a, 2007; die Zahl bezieht sich auf den auf 40 Wochenstunden standardisierten Bruttolohn). Zur Erklärung dieser Einkommensungleichheit greifen Becker (1985, 1991) und Mincer (1985) in einer Erweiterung der Humankapitaltheorie auf die Annahme einer ungleichen Arbeitsanstrengung („work effort“) von Frauen und Männern selbst bei gleicher Arbeitszeit zurück. Die Ursache für die ungleiche Bemühung liegt nach den Autoren in der nach wie vor bestehenden Hauptverantwortlichkeit der Frauen im Haushalt. Die Berufssegregation ergibt sich bereits in Antizipation dieser familialen Situation. Trotz dieser weitreichenden Annahme des ungleichen Arbeitseinsatzes von Frauen und Männern ist die Humankapitaltheorie für viele Wirtschafts- und Sozialwissenschaftler die dominante Theorie zur Erklärung von Einkommensungleichheit. Die Annahme wird dabei in der Regel nicht weiter thematisiert. Bislang existiert u. W. mit der Studie von Bielby und Bielby (1988) „She Works Hard

40

3. Halbe Kraft voraus?

for the Money“ nur ein Versuch, diese mittels Surveydaten zu prüfen. Die Autoren kommen in ihrer Analyse von US-amerikanischen Daten mit multivariaten Regressionsanalysen zu dem Ergebnis, dass die Annahme nicht haltbar ist. In der vorliegenden Arbeit wird diese Studie mit Daten des „Schweizer Arbeitsmarktsurveys 1998“ (Diekmann et al. 1999, Jann 2003) repliziert und es wird zudem überprüft, inwiefern die Arbeitsanstrengung tatsächlich eine Determinante der Lohnunterschiede und beruflichen Segregation darstellt. In Abschnitt 2 werden zunächst das Argument des geringeren Arbeitseinsatzes der Humankapitaltheoretiker und die damit verbundenen Implikationen näher erläutert. Daran anschliessend werden in Abschnitt 3 Hypothesen über die Determinanten der Arbeitsanstrengung und des Lohnes formuliert. Abschnitt 4 enthält eine Beschreibung der Daten und der Operationalisierung von „work effort“, beruflicher Segregation und Lohn, sowie deren Determinanten. Die empirischen Ergebnisse werden in Abschnitt 5 vorgestellt. Abschnitt 6 fasst zusammen.

3.2 Theorie In einer jüngeren Version der Humankapitaltheorie äussert Becker die Annahme, dass aufgrund der empirisch nachweisbaren Mehrbelastung von erwerbstätigen Frauen durch Kinderbetreuungsaufgaben und sonstige Haushaltstätigkeiten Frauen im Vergleich zu Männern weniger Energie oder „effort“ in die Erwerbsarbeit pro Stunde einbringen (Becker 1985, Becker 1991: 54ff., Mincer 1985: S3). Dimensionen dieses „efforts“ sind nach Becker etwa der physische und mentale Einsatz sowie die Ambition und Motivation (1985: S49). So will Becker selbst bei gleichem Arbeitsangebot unterschiedliche Löhne durch die geringere Anstrengung und Mühe verheirateter Frauen bei der Arbeit begründen. Becker (1985: S33) fasst seine Argumentation in „Human Capital, Effort, and the Sexual Division of Labor“ wie folgt zusammen: Increasing returns from specialized human capital is a powerful force creating a division of labor in the allocation of time and investments in human capital between married men and married women. Moreover, since child care and housework are more effort intensive than leisure and other household activities, married women spend less effort on each hour of market work than married men working the same number of hours. Hence, married women have lower hourly earnings than married men with the same market human capital, and they economize on the effort expended on market work by seeking less demanding jobs. The responsibility of married women for child care and housework has major implication for earnings and occupational differences between men and women.

3.2 Theorie

41

Im Wissen um die Doppelbelastung von Familie und Beruf wählen Frauen weniger anspruchsvolle Tätigkeiten, was nach Becker die unterschiedliche Verteilung von Frauen und Männer auf die Berufe erklärt. Im Gegensatz zu BeckGernsheim (1981), die „weibliches Arbeitsvermögen“ (und damit die Berufssegregation) durch sozialisationsbedingte Präferenzen begründet, muss Becker zur Erklärung der Berufssegregation nicht auf die Annahme geschlechtsspezifischer Präferenzen zurückgreifen.11 Da sich Frauen nun nach Becker – ungeachtet der ausgeübten Tätigkeit – weniger bei der Erwerbsarbeit anstrengen als die Männer, sammeln sie selbst bei gleicher Arbeitszeit weniger berufsund betriebsspezifisches Humankapital. In Kombination mit einem geringeren Arbeitsangebot von Frauen kann Becker so erklären, dass sich im Laufe des Erwerbslebens das Lohngefälle zwischen Frauen und Männern vergrössert (Becker 1991: 53). Ferner impliziert Beckers Modell selbst bei gleichem Arbeitsangebot und identischem marktspezifischen Humankapital höhere Stundenlöhne lediger Frauen im Vergleich zu verheirateten. Die Begründung hierfür liegt wiederum in vermehrten Haushaltsverpflichtungen verheirateter Frauen, die deshalb weniger anstrengende Tätigkeiten ausüben und insgesamt weniger Energie für die Marktarbeit aufwenden. In der Literatur findet sich empirische Evidenz für die von Becker postulierten Einkommensverläufe von Frauen und Männern (z. B. Diekmann und Engelhardt 1995a, Lorenz und Wagner 1993) sowie für die ungleichen Löhne von verheirateten und ledigen Frauen (Diekmann und Engelhardt 1995b).12 Bezüglich der Arbeitsteilung im Haushalt nimmt Becker an, dass selbst geringfügige Benachteiligungen von Frauen auf dem Arbeitsmarkt, zum Beispiel aufgrund Diskriminierung durch Arbeitgeber (Becker 1971) oder geringerer Entlohnung durch diskontinuierliche Beschäftigungskarrieren, den Männern komparative Vorteile bei der Marktarbeit verleihen. Darüber hinaus verfügen Frauen laut Becker beim Grossziehen von Kindern über gewisse natürliche biologische Vorteile, woraus sich ein komparativer Vorteil bei der Hausarbeit ergibt. Das eine und/oder andere führt nun gemäss Becker (1985: S40ff.) zu einer extremen Spezialisierung in der Aneignung von spezifischem Humankapital und in der Allokation von Arbeitsanstrengungen: Während sich Männer im Erwerb marktspezifischen Humankapitals spezialisieren, konzentrieren sich die Investitionen und Anstrengungen von Frauen auf die Hausarbeit. Kleine geschlechtsspezifische Unterschiede in der Anfangszeit der Berufslaufbahn gepaart mit Diskriminierung durch 11 Nach Polachek (1976, 1981) dürften Frauen in jenen haushaltsnahen Berufen seltener anzutreffen sein, in denen Berufsunterbrechungen mit hohen Humankapitalverlusten verbunden sind. 12 Die Annahme der ungleichen Arbeitsmühe steht allerdings im Gegensatz zu älteren Versionen der Humankapitaltheorie, in der Einkommensdifferenzen nur auf ungleiche Ausstattungen in der Schul- und Berufsausbildung zurückgeführt wurden (Becker 1993).

42


die Arbeitgeber führen so zu den wohlbekannten Folgen im weiteren Lebenslauf: Arbeitsteilung im Haushalt, berufliche Segregation und Lohnungleichheit. Ist es nun aber tatsächlich so, dass Frauen mit Familienverpflichtungen weniger Anstrengung und Mühe in die Erwerbsarbeit einbringen, um damit Energie für die anfallende Haushaltsarbeit aufzusparen? In der ökonomischen und soziologischen Forschung finden sich zwar zahlreiche Arbeiten darüber, wie Männer und Frauen ihre verfügbare Zeit zwischen Haushalts- und Marktaktivitäten aufteilen (z. B. Shelton 1992, Blanke et al. 1996, Durán et al. 1998). Diese Zeitbudgetstudien sagen aber nichts darüber aus, wie Männer und Frauen mit gleicher Erwerbsarbeitszeit ihre Energiereserven einbringen. Experimentelle sozialpsychologische Studien zur so genannten „Equity“Theorie, welche sich primär auf die Beurteilung von Arbeitsleistung beziehen, konnten implizit Beckers These widerlegen (siehe hierzu die bei Bielby und Bielby 1988 zitierte Literatur). Major et al. (1984) fanden etwa durch Messungen des objektiven Arbeitseinsatzes und der Arbeitseffizienz, dass Frauen im Mittel ausdauernder, korrekter und effizienter arbeiten als Männer. Trotz der besseren Leistung der Frauen unterscheiden sich die Geschlechter aber nicht bei der Selbsteinschätzung ihrer Arbeitsleistung. Obwohl die objektiv grössere Arbeitsleistung von Frauen in verschiedenen experimentellen Studien nachgewiesen wurde, bestehen dennoch Zweifel hinsichtlich dieser im Labor gewonnenen Resultate. So ist fraglich, inwieweit Laborexperimente mit vorwiegend studentischen Versuchspersonen ein geeignetes Instrumentarium zur Analyse des Einflusses von Familienverantwortlichkeit auf die tatsächliche Leistung bei der Erwerbsarbeit sind. Ein adäquates experimentelles Design zur Überprüfung von Beckers Annahme müsste vielmehr von einer Zufallsaufteilung männlicher und weiblicher Probanden auf unterschiedliche Haushaltstypen ausgehen und dann die Arbeitsleistung untersuchen. Da ein solches Verfahren in der Realität kaum umsetzbar ist, scheinen nicht-experimentelle Untersuchungsdesigns besser geeignet (vgl. Bielby und Bielby 1988). Entgegen der Annahme, dass Frauen aufgrund der höheren Belastung im Haushalt allgemein weniger Energie in Erwerbsarbeit investieren, kommen Bielby und Bielby (1988) anhand von Sekundäranalysen des „Quality of Employment Surveys“ von 1973 und 1977 zum Ergebnis, dass Frauen nicht weniger „work effort“ erbringen als Männer und sich bei vergleichbarer Familiensituation und Haushaltsverpflichtung sowie vergleichbarem Humankapital und Einkommen sogar signifikant mehr bei der Erwerbsarbeit bemühen. „Work effort“ wurde dabei auf einer additiven Skala gemessen, die sich aus den Selbstauskünften dreier Fragen zusammensetzt. Die Fragen bzw. Items waren: (1) „My job requires that I work very hard.“ (2) „Altogether, how much effort, either physical or mental, does your job require?“ (3) „And how much effort do you put into your job beyond

43

3.3 Hypothesen und Modelle

what is required?“ (Bielby und Bielby 1988: 1040). Zur Kontrolle, ob Frauen ihren Arbeitseinsatz aufgrund der familialen Mehrbelastungen höher bewerten, replizierten Bielby/Bielby ihre Analyse ausschliesslich mit Item 3 als Mass für „work effort“. Auch diese Resultate stehen in Widerspruch zu Beckers These der Kräfteschonung von Frauen bei der Erwerbsarbeit.13 Zwei Jahrzehnte nach Erscheinen der Studie gilt – bis auf diese Ausnahme – noch immer: „The assertion that women seek less demanding jobs and exert less effort on the job is simply a widely held but untested assumption of human capital models“ (Bielby und Bielby 1988: 1033). Weder die Arbeiten von Becker (1985, 1991) noch die von Mincer (1985) beruhen bislang auf systematischer empirischer Evidenz über die Allokation von Mühe und Anstrengung zwischen Haus- und Marktarbeit. Allerdings gibt es verschiedene Studien, in denen die Hypothese durch die Analyse des Effekts der Haushaltsarbeit auf die Löhne indirekt zu testen versucht wird. Während zum Beispiel Stratton (2001) und Hersch und Stratton (2002) den Effekt der Haushaltsarbeit bestätigt sehen, liefert McLennan (2000) Befunde dagegen. Weitere Studien befassen sich mit der Bedeutung von Kindern für die Löhne von Frauen (Waldfogel 1997, 1998, Trappe und Rosenfeld 2000, Budig und England 2001, Budig 2002). Auch wenn aber vom Ausmass an Haushaltsarbeit bzw. Vorhandensein von Kindern tatsächlich Lohn vermindernde Effekte für Frauen ausgehen sollten, sagt dies über die Richtigkeit von Beckers These reichlich wenig aus.

3.3 Hypothesen und Modelle Fassen wir die obigen Ausführungen zusammen, so kann in Anlehnung an Bielby und Bielby (1988: 1037) die Beziehung zwischen der Arbeitsanstrengung und ihren Determinanten wie folgt symbolisiert werden: E = f (S , F, H, J) wobei E ein Mass für die Arbeitsanstrengung bezeichnet und S eine binäre Variable für das Geschlecht darstellt. F ist ein Vektor weiterer demographischer Merkmale und der familialen Situation bzw. der Haushaltsverpflichtungen, während H marktspezifisches Humankapital und Arbeitsangebot bezeichnet und J die Arbeitssituation repräsentiert. 13 Mit der gleichen Datenbasis finden Glass und Camarigg (1992) ferner, dass sich erwerbstätige Mütter mit einem Arbeitspensum von über 30 Wochenstunden nicht häufiger in jenen Tätigkeiten finden, die besonders gut mit familialen Verpflichtungen vereinbar sind.

44


Gemäss Beckers Theorie ist zu erwarten, dass Frauen im Durchschnitt weniger Anstrengung bei der Erwerbsarbeit aufbringen als Männer. Diese Beziehung wird durch familiale Merkmale bzw. Haushaltsverpflichtungen und marktspezifisches Humankapital vermittelt. Unter Kontrolle dieser Faktoren sollte der Geschlechtereffekt denn auch verschwinden. Demographie und Familie. Mit Rhodes (1983) sowie Bielby und Bielby (1988) nehmen wir einen zunächst ansteigenden, dann aber abflachenden und gegen Ende der Erwerbskarriere abfallenden Effekt des Lebensalters auf die Arbeitsanstrengung an. Bezüglich der Haushaltsverpflichtungen gehen wir davon aus, dass mit zunehmenden Stunden, die pro Woche für Haushaltsarbeit aufgewendet werden, die Arbeitsanstrengung im Beruf sinkt. Einen ähnlichen Effekt erwarten wir, wenn jemand die Hauptverantwortung für die Kindererziehung trägt. In der Studie von Bielby und Bielby (1988) wurden einige weitere Merkmale der familialen Situation wie etwa das Vorhandensein eines erwerbstätigen Gatten oder kleiner Kinder untersucht. Wir verzichten hier auf diese Variablen, da die beiden erstgenannten Merkmale (Stunden Haushaltsarbeit, Kinderbetreuung) das Ausmass an Belastung durch Haushaltsverpflichtungen direkter messen und unter deren Kontrolle die zusätzlichen Variablen keinen nennenswerten Einfluss mehr aufweisen. Humankapital und Arbeitsangebot. Nach Beckers Humankapitaltheorie bevorzugen Frauen Teilzeitstellen, da diese relativ einfach mit Haushaltsverpflichtungen vereinbar sind. Personen mit Vollzeitstellen akkumulieren mehr marktspezifisches Humankapital und haben daher einen komparativen Vorteil bei der Marktarbeit. Gemäss Becker (1985: S49) sollten diese Personen denn auch mehr Arbeitsanstrengung bei der Erwerbsarbeit zeigen als Personen mit Teilzeitstellen. Die gleiche Argumentation gilt für Personen, die Überzeit zu Hause arbeiten: auch hier ist eine erhöhte Arbeitsanstrengung zu erwarten. Ähnlich sollten Personen mit höherer Bildung mehr marktspezifisches Humankapital ansammeln und daher auch mehr Anstrengung ausserhalb des Haushalts zeigen. Das Haushaltseinkommen ist ein Mass für die dem Haushalt insgesamt zur Verfügung stehenden Ressourcen. Je höher das Haushaltseinkommen abzüglich des eigenen Einkommens ist, desto geringer ist der Nutzen jeder zusätzlich verdienten Geldeinheit und desto eher sollte eine Konzentration auf Haushaltsarbeit beobachtbar sein. Folglich sollte die individuelle Arbeitsanstrengung mit zunehmendem Einkommen der anderen Haushaltsmitglieder sinken. Arbeitssituation. Schliesslich ist noch die Arbeitssituation zu beachten, da davon ausgegangen werden kann, dass attraktive Arbeitsplätze nicht nur mehr Arbeitsanstrengung erfordern, sondern umgekehrt über motivationsfördernde Bedingungen der Arbeitssituation und -tätigkeit auch mehr Arbeitseinsatz produzieren (Ulich 1994: 89f.). So ist zu erwarten, dass sich Personen mit Leitungsfunktion

3.4 Daten und Operationalisierung der Variablen

45

sowie selbstständig Erwerbstätige mehr einsetzen als ausführende und abhängig Beschäftigte. Ferner ist zu erwarten, dass verschiedene Berufsgruppen einen unterschiedlichen Arbeitseinsatz zeigen. Beckers Theorie impliziert aufgrund der Selbstselektion der Frauen in bestimmte Berufe, dass Berufe mit einem hohen Frauenanteil weniger Arbeitsanstrengung erfordern als männerdominierte Berufsgruppen und dies unabhängig davon, ob ein bestimmter Beruf von einem Mann oder einer Frau ausgeübt wird. Bezüglich der Erklärung des Lohnes halten wir uns an die Standardmodelle aus der Humankapitaltheorie (z. B. Mincer 1974, Franz 1996, Willis 1992). Unser Modell lautet ln(W) = β0 + β1 B + β2 X + β3 X 2 + β4 T + β5 T 2 + γ1 E + γ2 Q wobei ln(W) dem logarithmierten Stundenlohn, B den Bildungsjahren, X der Berufserfahrung und T der Firmentreue entspricht. Die Berufserfahrung fliesst parabolisch ein, um dem Phänomen abnehmender Grenzraten gerecht zu werden. Die Koeffizienten der Gleichung können näherungsweise als Prozenteffekte auf den erwarteten Stundenlohn interpretiert werden. Ein Jahr mehr Bildung würde den Stundenlohn also um ca. β1 ·100 Prozent verändern (genauer um [exp(β1 )−1]·100 Prozent). Für Bildung und Firmentreue sind positive Einflüsse zu erwarten, für Berufserfahrung ein positiver, jedoch mit der Zeit kleiner werdender Effekt (d. h. β2 > 0 und β3 < 0). Gemäss Beckers Theorie ist zudem für die Arbeitsanstrengung (E) von einem positiven Einfluss auf den Lohn auszugehen (γ1 > 0). Um eine mögliche indirekte Wirkungsweise über die berufliche Segregation zu testen, berücksichtigen wir den Frauenanteil im Beruf (Q), von dem ein negativer Effekt zu erwarten wäre (γ1 < 0).

3.4 Daten und Operationalisierung der Variablen Die vorliegende Arbeit basiert auf dem „Schweizer Arbeitsmarktsurvey 1998“ (SAMS 98), einer Primärerhebung, die unter anderem auf eine Replikation der Studie von Bielby und Bielby (1988) ausgerichtet war.14 Bei dieser Umfrage wurden mit einem standardisierten telefonischen Interview von durchschnittlich 40 14 Die Befragung war ein Gemeinschaftsprojekt des Instituts für Politikwissenschaft und des Instituts für Soziologie der Universität Bern und wurde im Rahmen des Schwerpunktprogramms „Zukunft Schweiz“ vom Schweizerischen Nationalfonds zur Förderung der wissenschaftlichen Forschung finanziert. Zur Untersuchungsmethodik und Durchführung siehe Diekmann et al. (1999) und Jann (2003). Die Daten sind beim Schweizerischen Informations- und Daten-Archivdienst für die Sozialwissenschaften (SIDOS) in Neuenburg sowie beim Zentralarchiv für empirische Sozialforschung (ZA) in Köln erhältlich.

46


Minuten Dauer insgesamt 3028 Personen aus der ständigen (deutsch-, französisch- oder italienischsprachigen) Wohnbevölkerung der Schweiz im Alter von 18 bis 70 Jahren befragt. Die Ausschöpfungsquote betrug 63 %. Ein Vergleich mit korrespondierenden Daten aus der amtlichen Statistik und der Schweizerischen Arbeitskräfteerhebung (SAKE) zeigt eine recht gute Anpassung des haushaltswie auch des personenspezifischen Datensatzes (vgl. Diekmann et al. 1999: 9f.). Berücksichtigt werden bei den folgenden Analysen ausschliesslich Personen im Alter von 18 bis 62 Jahren. Ausländer werden berücksichtigt sofern sie Ausweis C (ständige Aufenthaltsbewilligung) oder B (Jahresaufenthalter) besitzen. Gelegenheitsmässig Beschäftigte bzw. erwerbstätige Personen mit einem Arbeitspensum von weniger als 6 Stunden pro Woche werden ausgeschlossen. Zudem werden nur Fälle berücksichtigt, die bei den zu Grunde liegenden Variablen keine fehlenden Werte aufweisen. Obwohl sich die Auswahlwahrscheinlichkeiten der einzelnen Zielpersonen des SAMS 98 stichprobenplanbedingt unterscheiden (Personen, die in kleinen Haushalten leben, wurden mit grösserer Wahrscheinlichkeit in die Stichprobe aufgenommen), verzichten wir im Folgenden auf eine Gewichtung der Daten. Wie Winship und Radbill (1994) zeigen, sind ungewichtete Regressionsschätzungen in der Regel konsistent und unverzerrt und aufgrund höherer Effizienz einer gewichteten Schätzung vorzuziehen.15 Zur Messung der „Arbeitsanstrengung“ (work effort) wird ein additiver Index aus vier Items gebildet, die jeweils auf einer vierstufigen ordinalen Skala gemessen wurden. Die Items lehnen sich an Bielby und Bielby (1988) an und wurden wie folgt erfragt: (1) „Inwieweit stimmen Sie folgender Aussage zu: Meine Tätigkeit erfordert, dass ich sehr hart arbeite.“ („lehne stark ab“ bis „stimme stark zu“), (2) „Wie viel körperliche Anstrengung erfordert Ihre Arbeit im Allgemeinen?“ („keine“ bis „viel“), (3) „Wie viel geistige Anstrengung erfordert Ihre Beschäftigung im allgemeinen?“ („keine“ bis „viel“). (4) „Bemühen Sie sich im Beruf mehr zu leisten als das, was von Ihnen gefordert wird?“ („nein“ bis „ja, viel“). Die Items 2 und 3 werden zusammengefasst und fliessen als arithmetischer Mittelwert ein. Der resultierende Index nimmt Werte im Bereich von 0 bis 3 an, wobei 0 „kleine Anstrengung bei der Arbeit“ bedeutet und 3 für „grosse Anstrengung bei der Arbeit“ steht. Bei der Betrachtung der Items fällt auf, dass die ersten drei Items stärker auf die erforderte Arbeitsanstrengung abheben, während das vierte Item die Arbeitsmotivation misst. Wir bilden daher zudem eine um das vierte Item verkürzte Skala der „Arbeitsanforderung“ und benennen das vierte Item „Arbeitsmotivati15 Ob dennoch eine Gewichtung angezeigt ist, kann mit einem Test nach DuMouchel und Duncan (1983) einfach geprüft werden. In unserem Fall finden sich keine Hinweise für die Notwendigkeit einer gewichteten Analyse.

3.4 Daten und Operationalisierung der Variablen

47

on“. Wie der Index der „Arbeitsanstrengung“ nehmen auch diese beiden Skalen Werte von 0 bis 3 an. Die in Abschnitt 3 beschriebenen Determinanten der Arbeitsanstrengung werden wie folgt operationalisiert: – Geschlecht als binäre Variable „Frau“. – „Alter“ in Jahren sowie „Alter2 /100“. – „Haushaltsarbeit“ in Stunden pro Woche geteilt durch 10. – Hauptverantwortlichkeit für die Kinderbetreuung als Indikatorvariable „Kinderbetreuung“. – Beschäftigungsgrad als Indikatorvariable „Vollzeit“. – Indikator „Überzeit“ für Personen, die zu Hause Überzeit leisten. – „Schulbildung“ in Jahren beruhend auf den Angaben zum höchsten Ausbildungsabschluss gemäss folgender Zuordnung (gestützt auf Bundesamt für Statistik 1999a,b): ohne Abschluss 8 Jahre; obligatorische Schule 9 Jahre; Anlehre 9.75 Jahre; Handelsschule/Haushaltslehrjahr 10 Jahre; Berufslehre 10.5 Jahre; Diplommittelschule 11.5 Jahre; Vollzeitberufsschule, Berufsmaturität, Meisterdiplom/Fachausweis 12 Jahre; gymnasiale Maturität, Techniker-/Fachschule 12.5 Jahre; höhere Fachschule/HTL/HWV 15 Jahre; Uni/Hochschule 17.5 Jahre; andere Ausbildungen 9 Jahre. – Indikator „Leitungsfunktion“, falls andere Mitarbeiter angeleitet oder beaufsichtigt werden. – „log. Haushaltseinkommen“ als der natürliche Logarithmus des monatlichen Nettoeinkommens aller Haushaltsmitglieder abzüglich des persönlichen Nettoeinkommens. – Indikator „Selbständig“ für Selbständige und Mithelfende. – „Frauenanteil im Beruf“ als Frauenanteil in den verschiedenen Berufsgattungen (4-Steller) der ISCO-88 (vgl. International Labour Organization 1990), wegen der höheren Fallzahl basierend auf der Schweizerischen Arbeitskräfteerhebung des Jahres 1998 (SAKE, vgl. Bundesamt für Statistik 1996a). Berücksichtigt werden bei der Berechnung nur Personen im Alter von 18 bis 62 Jahren. Ferner kommen zur Analyse der Löhne und der Berufssegregation folgende Variablen zur Anwendung: – „Frauenanteil im erlernten Beruf“ (analog zum „Frauenanteil im Beruf“).

48


– „log. Stundenlohn“ als der natürliche Logarithmus des persönlichen monatlichen Nettoeinkommens geteilt durch die wöchentlichen Arbeitsstunden mal 3.64 (der Faktor 3.64 ergibt sich aus der Anzahl Wochen pro Monat, einem 13. Monatslohn und einem Monat bezahlten Urlaubs pro Jahr; als wöchentliche Arbeitsstunden werden die Angaben zu den gewöhnlich pro Woche für den Beruf gearbeiteten Stunden verwendet, bei Fehlen dieser Angaben die vertraglich vereinbarten Wochenarbeitsstunden). – „Berufserfahrung“ in Jahren und „Berufserfahrung2/100“ abgeleitet aus den Angaben zur persönlichen Berufsbiografie (aufsummierte Dauer sämtlicher Erwerbsphasen seit dem Abschluss der Erstausbildung). – „Firmentreue“ in Jahren (Anzahl Jahre seit dem letzten Stellenwechsel). – „Arbeitsmotivation 0/1“ als dichotomisierte Arbeitsmotivation (die Variable ist gleich 1, falls die ordinale Skala der „Arbeitsmotivation“ einen Wert von 2 oder 3 annimmt).

3.5 Empirische Ergebnisse 3.5.1 Arbeitsanstrengung und Motivation Betrachten wir zunächst die geschlechtsspezifischen Unterschiede in der Arbeitsanstrengung. Wie Tabelle 3.1 zu entnehmen ist, unterscheiden sich die männlichen und weiblichen Befragten systematisch. Während sich für die Männer eine durchschnittliche Arbeitsanstrengung von 2.129 berechnet, weisen Frauen mit 2.069 Skalenpunkten einen signifikant geringeren Wert auf. Dieses Resultat steht klar im Widerspruch zu den Ergebnissen von Bielby und Bielby (1988), die beim Mittelwertsvergleich mit dem gleichen Index keine geschlechtsspezifischen Unterschiede finden; im Gegenteil berichten Frauen in ihrer Stichprobe sogar einen geringfügig höheren Arbeitseinsatz, wobei die Autoren allerdings die Mittelwertsdifferenzen nicht auf signifikante statistische Unterschiede testen. Ein differenzierteres Bild erhält man durch die Aufteilung der Skala in die beiden Komponenten der „Arbeitsanforderung“ und der „Arbeitsmotivation“. Wie man erkennen kann, ist die Geschlechterdifferenz in der Gesamtskala auf unterschiedliche Werte in der Arbeitsanforderung zurückzuführen. Die befragten Frauen verrichten also Arbeiten, die gemäss Selbstauskunft weniger Anstrengung erfordern, bezüglich des Arbeitsengagements sind jedoch keine Unterschiede feststellbar. Schon diese einfachen bivariaten Resultate zeigen, dass es sinnvoll ist, die beiden Komponenten auseinander zu halten.

49

3.5 Empirische Ergebnisse

Tabelle 3.1: Mittelwerte der Variablen in den Tabellen 3.2 bis 3.4 Arbeitsanstrengung (0 – 3) Arbeitsanforderung (0 – 3) Arbeitsmotivation (0 – 3) Alter in Jahren Haushaltsarbeit (Std. pro Woche/10) Kinderbetreuung (0/1) Vollzeit (0/1) Überzeit zu Hause (0/1) Bildungsjahre log. Haushaltseinkommen Leitungsfunktion (0/1) Selbständig (0/1) Frauenanteil im Beruf Frauenanteil im erlernten Beruf Frau (0/1) Fallzahl

Total

Frauen

Männer

Differenz

2.102 (0.507) 2.051 (0.538) 2.204 (0.821) 39.444 (10.776) 1.624 (1.803) 0.111 0.734 0.090 11.609 (2.362) 3.972 (4.076) 0.598 0.100 0.453 (0.325) 0.459 (0.340) 0.447

2.069 (0.528) 2.006 (0.589) 2.195 (0.816) 39.772 (10.605) 2.273 (2.157) 0.228 0.483 0.066 11.281 (2.202) 4.699 (4.176) 0.478 0.074 0.673 (0.256) 0.705 (0.229)

2.129 (0.488) 2.087 (0.489) 2.212 (0.826) 39.179 (10.911) 1.099 (1.227) 0.016 0.936 0.110 11.874 (2.453) 3.384 (3.897) 0.694 0.120 0.275 (0.260) 0.261 (0.279)

*

1758

786

972

** n.s. n.s. *** *** *** ** *** *** *** ** *** ***

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Standardabweichungen in Klammern (für metrische Merkmale); Auswahl: Erwerbstätige im Alter von 18 – 62 Jahren, inkl. Ausländer B und C, ohne geringfügig Erwerbstätige. n.s. = nicht signifikant, * p < 0.05, ** p < 0.01, *** p < 0.001 (zweiseitig)

Die gefundenen geschlechtsspezifischen Unterschiede in der erforderten Anstrengung bei der Erwerbsarbeit spiegeln sich in den Indikatoren der Haushaltsverpflichtungen wider. Erwerbstätige Frauen verrichten mit knapp 23 Stunden pro Woche mehr als doppelt so viel Haushaltsarbeit wie die erwerbstätigen Männer. Noch deutlicher sind die Unterschiede bezüglich der Hauptverantwortung für die Kinderbetreuung: Während nur knapp 2 Prozent der befragten Männer diese Verantwortung tragen, sind es bei den erwerbstätigen Frauen 23 Prozent.

50


Ferner entsprechen die Ergebnisse bezüglich des marktspezifischen Humankapitals und des Arbeitsangebots Beckers Annahme des komparativen Nachteils der Frauen bei der Marktarbeit: Erwerbstätige Frauen sind mit ca. 48 Prozent signifikant seltener Vollzeit beschäftigt als die Männer (94 %) und leisten signifikant seltener Überzeit zu Hause (knapp 7 % im Vergleich zu 11 %). Weiter können Frauen in der Schweiz im Schnitt nach wie vor signifikant weniger Bildungsjahre vorweisen und berichten über ein signifikant höheres Haushaltseinkommen der anderen Haushaltsmitglieder. Auch bezüglich der Arbeitssituation finden wir die altbekannten Muster: Frauen nehmen seltener Positionen mit Leitungsfunktion ein und sind weniger häufig selbständig. Darüber hinaus ist der Arbeitsmarkt stark nach Geschlecht segregiert. Betrachten wir vor diesen ersten Ergebnissen, ob die signifikant geringere Arbeitsanstrengung der Frauen durch die grösseren Haushaltsverpflichtungen und durch komparative Nachteile bei der Marktarbeit erklärbar ist, oder ob sich eventuell die unterschiedliche Arbeitssituation für die Differenz verantwortlich zeichnet. Dazu schätzen wir OLS-Regressionsmodelle, deren Koeffizienten in Tabelle 3.2 ausgewiesen sind. In einem ersten Modell schätzen wir den Geschlechtereffekt unter Kontrolle des Alters und der Haushaltsverpflichtungen (Modell 1). Neben dem erwarteten – allerdings nicht signifikanten – parabolischen Einfluss des Alters auf den Arbeitseinsatz zeigt sich in Einklang mit Beckers These ein signifikanter negativer Effekt der Haushaltsverpflichtungen. Allerdings ist es nicht einfach der zeitliche Aufwand für Haushaltsarbeiten, von dem der Effekt ausgeht, sondern die Hauptverantwortung für die Kinderbetreuung (die Haushaltsarbeitszeit hat nur dann einen signifikanten Effekt, wenn die Variable der Kinderbetreuung weggelassen wird). Wichtig erscheint hier vor allem, dass der negative Einfluss des Geschlechts auf die Arbeitsanstrengung unter Kontrolle der Haushaltsverpflichtungen deutlich abnimmt und nicht mehr signifikant ist. Betrachtet man die getrennten Rechnungen nach Geschlecht (Modell 3 und Modell 5 in Tabelle 3.2), erkennt man, dass das gefundene Zusammenhangsmuster nur für die Frauen zu gelten scheint. Für die Männer hat die Kinderbetreuung sogar einen tendenziell positiven Effekt auf die Arbeitsanstrengung, was aber ein Artefakt der vorliegenden Daten sein könnte (wir erinnern uns, dass nicht einmal 2 Prozent der Männer die Hauptlast bei der Kinderbetreuung tragen). Im nächsten Analyseschritt führen wir die Indikatoren für Humankapital, das Arbeitsangebot und die Arbeitssituation ein (Modelle 2, 4 und 6 in Tabelle 3.2). Der im bivariaten Fall signifikant negative Geschlechtereffekt dreht sich nun um, das heisst, unter Kontrolle dieser zusätzlichen Merkmale weisen Frauen sogar eine signifikant höhere Arbeitsanstrengung auf. Zudem verringert sich der Effekt der Haushaltsverpflichtungen und ist nicht mehr signifikant. Er wird zumin-

51


Tabelle 3.2: Determinanten der Arbeitsanstrengung Total (N = 1758) Modell 1 Frau (0/1) Alter in Jahren Alter2 /100 Haushaltsarbeit (Std. pro Woche/10) Kinderbetreuung (0/1) Vollzeit (0/1) Überzeit zu Hause (0/1) Bildungsjahre log. Haushaltseinkommen Leitungsfunktion (0/1) Selbständig (0/1) Frauenanteil im Beruf Konstante Korrigiertes R-Quadrat

Modell 2

−0.028 0.078∗ (−1.06) (2.43) 0.011 0.004 (1.35) (0.52) −0.012 −0.004 (−1.21) (−0.42) −0.006 0.009 (−0.71) (1.09) −0.130∗∗ −0.059 (−2.75) (−1.25) 0.218∗∗∗ (6.39) 0.138∗∗∗ (3.36) −0.007 (−1.45) 0.003 (0.85) 0.178∗∗∗ (7.19) 0.158∗∗∗ (4.00) 0.016 (0.34) 1.900∗∗∗ 1.735∗∗∗ (11.74) (10.26) 0.009∗∗

0.078∗∗∗

Frauen (N = 786)

Männer (N = 972)

Modell 3

Modell 4

0.021 (1.59) −0.029+ (−1.75) −0.008 (−0.72) −0.186∗∗∗ (−3.31)

0.018 0.005 (1.38) (0.47) −0.022 −0.002 (−1.38) (−0.14) 0.009 0.007 (0.84) (0.55) −0.107+ 0.217+ (−1.87) (1.74) 0.237∗∗∗ (5.51) 0.175∗ (2.36) −0.002 (−0.28) 0.003 (0.69) 0.158∗∗∗ (4.28) 0.096 (1.35) 0.154∗ (2.12) 1.432∗∗∗ 1.952∗∗∗ (5.22) (9.48)

1.772∗∗∗ (6.97) 0.022∗∗∗

0.089∗∗∗

Modell 5

0.006∗

Modell 6

−0.004 (−0.39) 0.007 (0.52) 0.014 (1.13) 0.205+ (1.69) 0.141∗ (2.21) 0.136∗∗ (2.78) −0.010 (−1.59) 0.003 (0.90) 0.189∗∗∗ (5.59) 0.185∗∗∗ (3.94) −0.091 (−1.54) 1.995∗∗∗ (9.23) 0.069∗∗∗

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: OLS-Regressionen; t-Werte in Klammern; Auswahl: Erwerbstätige im Alter von 18 – 62 Jahren, inkl. Ausländer B und C, ohne geringfügig Erwerbstätige. + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

dest teilweise über das Arbeitsangebot vermittelt (wie Kontrollrechungen zeigen). In Einklang mit Beckers Theorie besteht ein positiver Effekt von Vollzeitarbeit auf die Arbeitsanstrengung und auch zu Hause geleistete Überzeit geht einher mit einem signifikant erhöhten Arbeitseinsatz. Entgegen unserer Erwartungen zeigen sich aber für den Bildungsgrad und die Höhe des Haushaltseinkommens keine erwähnenswerten Einflüsse. Bezüglich der Arbeitssituation bestätigen die Schätzresultate die eingangs formulierten Hypothesen: Die Arbeitsanstrengung ist signifi-

52


kant höher für Personen mit Leitungsfunktion sowie für selbständig Erwerbende. Allerdings hat der Frauenanteil im Beruf wider Erwarten keinen Einfluss. Beim Vergleich der getrennten Modelle für Frauen und Männer (Modell 4 und Modell 6 in Tabelle 3.2) fällt zunächst einmal wiederum die unterschiedliche Wirkungsweise der Kinderbetreuung auf. Bemerkenswert ist aber zudem, dass vom Frauenanteil im Beruf entgegengesetzte Effekte ausgehen. Während Männer, die Berufe mit hohem Frauenanteil ausüben, tendenziell weniger Arbeitsanstrengung zeigen, liegen die Verhältnisse bei den Frauen gerade umgekehrt, was Beckers Annahme widerspricht. Ansonsten sind die getrennten Modelle im Grossen und Ganzen übereinstimmend. Trotz kleinerer Unstimmigkeiten kann an dieser Stelle zusammenfassend festgehalten werden, dass unsere Ergebnisse – im Gegensatz zu den Resultaten von Bielby und Bielby (1988) – Beckers These über den Zusammenhang zwischen Arbeitsanstrengung und Haushaltsarbeit zu unterstützen scheinen: Frauen zeigen bivariat betrachtet signifikant weniger Arbeitsanstrengung als die Männer, der Effekt verschwindet aber, wenn für die Haushaltsverpflichtungen kontrolliert wird. Unsere bisherigen Analysen beruhen auf der Annahme, dass die dem Index der Arbeitsanstrengung zugrunde liegenden Fragen von Männern und Frauen in der gleichen Art und Weise beantwortet werden. Reagieren Frauen und Männer allerdings systematisch unterschiedlich bezüglich der Beurteilung der Arbeitsleistung, dann wären unsere Ergebnisse ein statistisches Artefakt. Dies hätte einen Niveaueffekt, so dass die Arbeitsanstrengung von Frauen insgesamt nach oben oder unten korrigiert werden müsste. Die Differenz zu den Männern würde dann unter Umständen verschwinden. Eine völlige Kontrolle solcher Attribuierungstendenzen ist mittels Surveydaten allerdings nicht zu leisten. Der in unserer Analyse verwendete Index der „Arbeitsanstrengung“ vereint ferner zwei recht unterschiedliche Dimensionen des Arbeitseinsatzes miteinander, wodurch eine überzeugende Interpretation der Resultate erschwert wird. Der erste Teil – die „Arbeitsanforderung“ (Fragen 1 bis 3) – ist hauptsächlich eine Eigenschaft der Arbeitsstelle bzw. der zu verrichtenden Arbeit, der zweite Teil – die „Arbeitsmotivation“ (Frage 4) – ist hingegen eine Einstellung der befragten Person. Wir replizieren deshalb unsere Analysen mit den beiden gesonderten Skalen der „Arbeitsanforderung“ und der „Arbeitsmotivation“. Die Ergebnisse sind in den Tabellen 3.3 und 3.4 dargestellt. Da es sich bei der „Arbeitsmotivation“ um eine vierstufige Ordinalskala handelt, verwenden wir in diesem Fall eine Ordered-Probit-Schätzung (vgl. z. B. Long 1997: 114ff.) anstelle der linearen Regression.16 16 Dieses Modell trägt dem ordinalen Skalenniveau der abhängigen Variablen Rechnung: Erstens wird nicht wie bei der OLS-Regression die restriktive Annahme getroffen, dass die Abstände zwischen den Kategorien identisch sind. Zweitens sind die Schätzer robuster, wenn – wie im

53


Tabelle 3.3: Determinanten der Arbeitsanforderung Total (N = 1758) Modell 1 Frau (0/1) Alter in Jahren Alter2 /100 Haushaltsarbeit (Std. pro Woche/10) Kinderbetreuung (0/1) Vollzeit (0/1) Überzeit zu Hause (0/1) Bildungsjahre log. Haushaltseinkommen Leitungsfunktion (0/1) Selbständig (0/1) Frauenanteil im Beruf Konstante Korrigiertes R-Quadrat

Modell 2

−0.048+ 0.036 (−1.75) (1.04) 0.009 0.003 (1.01) (0.38) −0.011 −0.005 (−1.03) (−0.45) −0.003 0.009 (−0.30) (1.06) −0.145∗∗ −0.085+ (−2.90) (−1.68) 0.164∗∗∗ (4.46) 0.061 (1.38) −0.015∗∗ (−2.84) −0.001 (−0.18) 0.170∗∗∗ (6.39) 0.171∗∗∗ (4.02) 0.007 (0.15) 1.928∗∗∗ 1.912∗∗∗ (11.23) (10.53) 0.010∗∗∗

0.056∗∗∗

Frauen (N = 786) Modell 3

Modell 4

Männer (N = 972) Modell 5

0.024 0.020 −0.002 (1.60) (1.35) (−0.15) −0.033+ −0.026 0.004 (−1.79) (−1.41) (0.29) −0.007 0.008 0.015 (−0.61) (0.64) (1.11) −0.195∗∗ −0.121+ 0.185 (−3.11) (−1.88) (1.47) 0.193∗∗∗ (3.95) 0.082 (0.98) −0.010 (−1.09) 0.000 (0.06) 0.182∗∗∗ (4.36) 0.082 (1.02) 0.198∗ (2.41) 1.674∗∗∗ 1.450∗∗∗ 2.066∗∗∗ (5.88) (4.67) (9.98) 0.019∗∗∗

0.065∗∗∗

0.001

Modell 6

−0.008 (−0.73) 0.009 (0.72) 0.019 (1.49) 0.169 (1.38) 0.067 (1.04) 0.075 (1.51) −0.017∗∗ (−2.59) 0.001 (0.14) 0.148∗∗∗ (4.33) 0.213∗∗∗ (4.48) −0.147∗ (−2.46) 2.252∗∗∗ (10.30) 0.051∗∗∗

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: OLS-Regressionen; t-Werte in Klammern; Auswahl: Erwerbstätige im Alter von 18 – 62 Jahren, inkl. Ausländer B und C, ohne geringfügig Erwerbstätige. + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

Wie bereits gezeigt, unterscheiden sich Männer und Frauen im bivariaten Vergleich nur bezüglich der „Arbeitsanforderung“, nicht aber bezüglich der „Arbeitsmotivation“. Wie verhält es sich aber nun mit den für die Gesamtskala gefundenen Zusammenhängen zu den Variablen der Hauhaltsbelastung, des Arbeitsangebots usf.? Die Annahme, dass es auch da beträchtliche Unterschiede zwischen den beiden Teilskalen gibt, wird durch den Vergleich der Ergebnisse in den Tabellen 3.3 vorliegenden Fall – die diskrete abhängige Variable sehr schief verteilt ist (vgl. Winship und Mare 1984).

54


Tabelle 3.4: Determinanten der Arbeitsmotivation Total (N = 1758) Modell 1 Frau (0/1) Alter in Jahren Alter2 /100 Haushaltsarbeit (Std. pro Woche/10) Kinderbetreuung (0/1)

0.011 (0.19) 0.022 (1.20) −0.020 (−0.88) −0.017 (−0.94) −0.123 (−1.19)

−1.078∗∗ (−3.01) −0.575 (−1.61) 0.752∗ (2.11) 10.54+ 0.003

112.82∗∗∗ 0.029

Überzeit zu Hause (0/1) Bildungsjahre log. Haushaltseinkommen Leitungsfunktion (0/1) Selbständig (0/1) Frauenanteil im Beruf

τ2 τ3 Likelihood-Ratio χ2 McFadden R-Quadrat

Frauen (N = 786)

Männer (N = 972)

Modell 3

Modell 4

Modell 5

Modell 6

0.030 (1.05) −0.038 (−1.09) −0.010 (−0.46) −0.226+ (−1.90)

0.030 (1.03) −0.034 (−0.94) 0.017 (0.73) −0.107 (−0.86) 0.479∗∗∗ (4.97) 0.628∗∗∗ (3.51) 0.011 (0.58) 0.013 (1.25) 0.160+ (1.93) 0.243 (1.47) 0.056 (0.35) −0.432 (−0.71) 0.105 (0.17) 1.503∗ (2.45)

0.019 (0.79) −0.011 (−0.35) −0.013 (−0.43) 0.383 (1.28)

−1.002∗ (−2.12) −0.513 (−1.09) 0.807+ (1.71)

−0.001 (−0.05) 0.009 (0.31) 0.004 (0.12) 0.373 (1.23) 0.403∗∗ (2.71) 0.405∗∗∗ (3.29) 0.003 (0.22) 0.013 (1.35) 0.362∗∗∗ (4.51) 0.230∗ (1.98) 0.029 (0.21) −0.725 (−1.41) −0.220 (−0.43) 1.146∗ (2.22)

56.25∗∗∗ 0.033

12.80∗ 0.006

63.43∗∗∗ 0.030

0.236∗∗ (3.14) 0.009 (0.48) −0.005 (−0.20) 0.011 (0.61) −0.002 (−0.02) 0.469∗∗∗ (5.97) 0.476∗∗∗ (4.72) 0.009 (0.73) 0.012+ (1.79) 0.269∗∗∗ (4.71) 0.244∗∗ (2.58) 0.029 (0.28) −0.502 (−1.29) 0.015 (0.04) 1.392∗∗∗ (3.56)

Vollzeit (0/1)

τ1

Modell 2

−1.136∗ (−2.09) −0.612 (−1.13) 0.736 (1.36) 6.91 0.004

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Ordered-Probit-Regressionen; z-Werte in Klammern; Auswahl: Erwerbstätige im Alter von 18 – 62 Jahren, inkl. Ausländer B und C, ohne geringfügig Erwerbstätige. + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

und 3.4 bestätigt. Die Haushaltsverpflichtungen scheinen sich nur auf die „Arbeitsanforderung“ auszuwirken, nicht aber so sehr auf die „Arbeitsmotivation“. Dies bedeutet, dass sich Frauen, die die Hauptlast der Kinderbetreuung tragen, Arbeitsstellen suchen, die weniger Arbeitsanstrengung erfordern – der Arbeitsmotivation wird dadurch aber kein Abbruch getan. Auch wird zum Beispiel das


55

Leisten von Überzeit zu Hause nicht als zusätzlich erforderte Arbeitsanstrengung wahrgenommen, sondern erfolgt wohl weitgehend freiwillig aufgrund eines ausgeprägteren Arbeitseifers. Plausibel ist auch, dass sich besser ausgebildete Personen (wohl vor allem körperlich) weniger anstrengende Arbeitsstellen leisten können und einen positiven Effekt würden wir nur für die Arbeitsmotivation erwarten (der hier allerdings nicht signifikant ist). Schliesslich macht es auch Sinn, dass sich der Frauenanteil im Beruf nur auf die erforderte Arbeitsanstrengung auswirkt und nicht auf die Arbeitsmotivation, da es sich um Berufe mit unterschiedlichen Anforderungsprofilen handelt. Vollzeiterwerbstätigkeit, Selbständigkeit und Führungstätigkeit werden als zusätzliche Arbeitsanforderung empfunden, gehen aber auch mit erhöhter Arbeitsmotivation einher. Wie schon bei der „Überzeit zu Hause“ muss hier allerdings davon ausgegangen werden, dass nicht nur die Arbeitsmotivation durch diese Merkmale befördert wird, sondern eine ausgeprägte Arbeitsmotivation auch die Wahrscheinlichkeit erhöht, selbständig erwerbend zu werden, zu Hause Überzeit zu leisten und eine Vollzeitstelle oder eine Stelle mit Führungsaufgaben anzunehmen. In Anbetracht dieser differenzierteren Analysen kann festgehalten werden, dass unsere Ergebnisse nur für einen Teil aus Beckers Zitat sprechen, nämlich: „. . . married women . . . economize on the effort expended on market work by seeking less demanding jobs“ (Becker 1985: S33). Die These, dass Frauen mit Doppelbelastung in Beruf und Haushalt weniger „work effort“ im Sinne von Motivation in die Erwerbsarbeit einbringen, kann nicht aufrecht gehalten werden.

3.5.2 Berufliche Segregation und Löhne Zu bedenken ist, dass der Effekt der Haushaltsverpflichtungen auf die erforderte Arbeitsanstrengung im Beruf gemäss unseren Analysen hauptsächlich über die Wahl des Beschäftigungsgrades (Vollzeit/Teilzeit) vermittelt wird. Becker geht aber davon aus, dass ein direkter, das heisst vom Beschäftigungsgrad unabhängiger Effekt besteht: „married women spend less effort on each hour of market work than married men working the same number of hours“ (Becker 1985: S33; Hervorhebung nicht im Original). Ein solcher direkter Effekt müsste sich auch in der beruflichen Segregation niederschlagen. Wir testen also, ob sich Personen mit vielen Haushaltsverpflichtungen stärker auf Berufe mit hohem Frauenanteil konzentrieren bzw. ob die Geschlechtersegregation des Arbeitsmarktes teilweise auf unterschiedliche Haushaltsverpflichtungen zurückzuführen ist (Tabelle 3.5). Tatsächlich sind Personen, die die Hauptlast bei der Kinderbetreuung tragen, auch unter Kontrolle des Geschlechts in Berufen mit einem durchschnittlich um knapp 3 Prozentpunkte höheren Frauenanteil beschäftigt, wie Regressionsmo-

56


Tabelle 3.5: Haushaltsverpflichtungen und berufliche Segregation Total (N = 1758) Modell 1 Frau (0/1) Haushaltsarbeit (Std. pro Woche/10) Kinderbetreuung (0/1) Frauenanteil im erlernten Beruf Konstante Korrigiertes R-Quadrat

0.390∗∗∗ 0.001 0.028

(29.22) (0.33) (1.16)

0.273∗∗∗

(29.16)

∗∗∗

0.370

Modell 2 0.171∗∗∗ 0.003 0.003 0.500∗∗∗ 0.141∗∗∗

(11.59) (0.97) (0.16) (24.08) (14.38)

0.526∗∗∗

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Abhängige Variable ist der Frauenanteil im ausgeübten Beruf; OLS-Regressionen; tWerte in Klammern; Auswahl: Erwerbstätige im Alter von 18 – 62 Jahren, inkl. Ausländer B und C, ohne geringfügig Erwerbstätige. + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

dell 1 in Tabelle 3.5 zeigt. Der Effekt ist allerdings nicht signifikant und verschwindet vollends, wenn zusätzlich für den Frauenanteil im erlernten Beruf kontrolliert wird. Das heisst, diese Personen wurden nicht durch die zunehmenden Verpflichtungen im Haushalt in die frauendominierten Berufe getrieben, sondern liessen sich bereits für einen solchen Beruf ausbilden.17 Die unterschiedlichen Haushaltsverpflichtungen von Frauen und Männern scheinen die berufliche Segregation also nicht direkt zu fördern. Allerdings könnte die Segregation im erlernten Beruf bereits in Antizipation der späteren familialen Situation geschehen sein, was sich mit den vorliegenden Daten aber nicht klären lässt. Wie wir gesehen haben, sprechen unsere Ergebnisse also nicht eindeutig für oder wider Beckers Annahme. Ein direkter Test der Hypothese, dass die Einkommensdiskrepanz zwischen Frauen und Männern teilweise auf Unterschiede im „work effort“ zurückgeführt werden kann, ist indes, ob überhaupt eine Einkommenswirkung von dieser Variable ausgeht. Tabelle 3.6 zeigt die Schätz-Ergebnisse der Lohngleichungen gemäss Abschnitt 3.3. Den Einfluss des „work effort“ testen wir durch Aufnahme der Skala der „Arbeitsanforderung“ einerseits und der „Arbeitsmotivation“ andererseits.18 Einen allfälligen indirekten Effekt über die berufliche Segregation prüfen wir durch Aufnahme des Frauenanteils im Beruf 17 Aufgrund weitgehend übereinstimmender Resultate verzichten wir hier eine Darstellung getrennter Modelle für Frauen und Männer. 18 Die ordinalskalierte „Arbeitsmotivation“ fassen wir dabei vorgängig zusammen zu einer Gruppe mit tiefer Arbeitsmotivation (0) und eine Gruppe mit hoher Arbeitsmotivation (1). Gemäss Vergleichsrechnungen ist die Zusammenfassung der ursprünglichen Werte 0 und 1 (Personen die sich nicht oder nur etwas mehr als gefordert zu leisten bemühen) zur ersten Gruppe sowie 2 und

57


Tabelle 3.6: Einkommensregressionen Total (N = 1583)

Bildungsjahre Berufserfahrung in Jahren Berufserfahrung2 /100 Firmentreue in Jahren Arbeitsanforderung (0 – 3)

Modell 1

Modell 2

0.072∗∗∗ (15.68) 0.034∗∗∗ (10.19) −0.075∗∗∗ (−8.43) 0.009∗∗∗ (5.46) −0.031 (−1.58)

0.071∗∗∗ 0.076∗∗∗ 0.075∗∗∗ (15.55) (9.44) (9.27) 0.033∗∗∗ 0.033∗∗∗ 0.033∗∗∗ (10.10) (5.65) (5.60) −0.074∗∗∗ −0.074∗∗∗ −0.074∗∗∗ (−8.32) (−4.46) (−4.43) 0.008∗∗∗ 0.002 0.002 (5.30) (0.61) (0.68) −0.050+ (−1.73) 0.096∗∗ 0.078 (3.24) (1.61) −0.097∗∗∗ (−3.65) −0.018 0.076 0.062 (−0.46) (1.11) (0.91) 2.205∗∗∗ 2.222∗∗∗ 2.077∗∗∗ (32.48) (16.67) (16.49)

Arbeitsmotivation (0/1) Frau (0/1) Frauenanteil im Beruf Konstante Korrigiertes R-Quadrat

Frauen (N = 728)

−0.098∗∗∗ (−3.69) −0.019 (−0.47) 2.338∗∗∗ (30.45) 0.222∗∗∗

0.225∗∗∗

Modell 3

0.133∗∗∗

Modell 4

0.132∗∗∗

Männer (N = 855) Modell 5

Modell 6

0.071∗∗∗ 0.070∗∗∗ (13.21) (13.17) 0.037∗∗∗ 0.036∗∗∗ (9.56) (9.43) −0.083∗∗∗ −0.082∗∗∗ (−8.27) (−8.10) 0.012∗∗∗ 0.012∗∗∗ (6.98) (6.74) −0.019 (−0.75) 0.100∗∗ (2.81) −0.064 −0.059 (−1.35) (−1.25) 2.298∗∗∗ 2.183∗∗∗ (24.99) (28.34) 0.287∗∗∗

0.293∗∗∗

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Abhängige Variable ist der logarithmierte Stundenlohn; OLS-Regressionen; t-Werte in Klammern; Auswahl: Abhängig Erwerbstätige im Alter von 18 – 62 Jahren, inkl. Ausländer B und C, ohne geringfügig Erwerbstätige. + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

als zusätzliche Kovariate. Aufgrund der schlecht vergleichbaren Einkommenssituation schliessen wir Selbständige von den Berechnungen aus. Mit einer Erhöhung des Stundenlohnes um gut 7 Prozent pro zusätzliches Bildungsjahr und um anfänglich rund 3.5 Prozent pro zusätzliches Jahr Berufserfahrung liegen unsere Ergebnisse im Bereich der üblichen Resultate für den Schweizer Arbeitsmarkt (vgl. Kugler 1988, Brüderl et al. 1993, Diekmann und Engelhardt 1995a, Bonjour 1997, Henneberger und Sousa-Poza 1999, Falter und Ferro Luzzi 2000). Gemessen am geometrischen Mittelwert liegen die Stundenlöhne der Männer knapp 17 Prozent über den Löhnen der Frauen (Tabelle 3.7). Weder der „work effort“ noch der Frauenanteil im Beruf vermögen aber einen substanziellen Teil dieser Diskrepanz zu erklären. Die „Arbeitsanforderung“ hat sogar einen negativen (nicht signifikanten) Effekt auf den Stundenlohn. Eine Er3 (Personen die sich einiges oder viel mehr als gefordert zu leisten bemühen) zur zweiten Gruppe am sinnvollsten.

58


Tabelle 3.7: Mittelwerte der Variablen in Tabelle 3.6 Total (N = 1583) log. Stundenlohn Bildungsjahre Berufserfahrung in Jahren Firmentreue in Jahren Arbeitsanforderung (0 – 3) Arbeitsmotivation (0/1) Frauenanteil im Beruf Frau (0/1)

3.369 11.579 13.569 8.110 2.033 0.855 0.462 0.460

(0.469) (2.329) (10.099) (8.261) (0.536) (0.329)

Frauen (N = 728) 3.285 11.276 12.380 6.800 2.001 0.854 0.678

(0.494) (2.199) (8.576) (6.951) (0.586) (0.256)

Männer (N = 855) 3.441 11.838 14.581 9.225 2.060 0.855 0.278

(0.435) (2.406) (11.139) (9.087) (0.488) (0.267)

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Standardabweichungen in Klammern (für metrische Merkmale); Auswahl: Abhängig Erwerbstätige im Alter von 18 – 62 Jahren, inkl. Ausländer B und C, ohne geringfügig Erwerbstätige.

höhung der „Arbeitsanforderung“ der Frauen auf das Niveau der Männer würde die Lohndiskrepanz somit sogar noch vergrössern. Bezüglich der „Arbeitsmotivation“ besteht zwar ein positiver Lohneffekt, wie bereits besprochen verfügen die Frauen aber nicht über ein geringeres durchschnittliches Mass an Arbeitsmotivation. Schliesslich kann auch eine indirekte Wirkungsweise über den Frauenanteil im Beruf ausgeschlossen werden, da diese Variable unter Kontrolle der übrigen Faktoren praktisch keinen Effekt auf den erzielten Lohn zu haben scheint.19 An diesen Ergebnissen ändert sich auch nichts, wenn in der Gleichung der Frauen zusätzlich eine Selektionskorrektur erfolgt.20

3.6 Zusammenfassung In einer neueren Version der Humankapitaltheorie über die Aufteilung von Mühe und Anstrengung auf die Markt- und Haushaltsarbeit trifft Becker (1985) die zentrale Annahme, dass Frauen weniger Mühe auf die Erwerbsarbeit verwenden als Männer. Die geringere Anstrengung der Frauen führt Becker dabei auf ei19 Dies steht in Einklang mit einer Studie von Sousa-Poza (2002) nach der in der Schweiz auch nach Berücksichtigung der Segregation grosse unerklärte Diskrepanzen zwischen den Löhnen von Frauen und Männern verbleiben (zu anderen Ergebnissen für Schweden, Norwegen und die USA kommen jedoch Meyersson Milgrom et al. 2001). Zum Zusammenhang zwischen Segregation und Löhnen siehe auch Kapitel 4. 20 Das Ausmass der Selektionsverzerrung kann nach der Methode von Heckman (1976, 1979) geschätzt werden. Die Anwendung des Verfahrens führt im vorliegenden Fall zu einem knapp nichtsignifikanten negativen Selektionsterm, die Ergebnisse bezüglich der interessierenden Variablen bleiben davon aber unberührt (zur Erklärung des Erwerbsstatus verwendeten wir die Bildungsjahre, das Alter, die Anzahl Kinder in verschiedenen Altersgruppen, das Einkommen der übrigen Haushaltsmitglieder und den Zivilstand).

3.6 Zusammenfassung

59

ne grössere Haushaltsverantwortlichkeit und auf ein geringeres marktspezifisches Humankapital zurück. Folgen sind berufliche Segregation, eine geringere Akkumulation marktspezifischen Humankapitals und schliesslich Lohnunterschiede selbst bei gleichem Arbeitsangebot. In einer viel beachteten und oft zitierten Studie kommen Bielby und Bielby (1988) mit Daten des „Quality of Employment Survey“ aus den Jahren 1973 und 1977 zu dem Ergebnis, dass die Annahme des geringeren Arbeitseinsatzes von Frauen nicht haltbar ist. Die Autoren finden vielmehr, dass Frauen sogar einen grösseren Einsatz bei der Erwerbsarbeit berichten als Männer. In der vorliegenden Arbeit haben wir die Studie von Bielby und Bielby (1988) mit den Daten des „Schweizer Arbeitsmarktsurveys 1998“ repliziert und erweitert. Mit dem von Bielby und Bielby eingeführten additiven Index zur Messung der Arbeitsanstrengung zeigen unsere Resultate eine signifikant geringere Arbeitsanstrengung von Frauen. Dies steht klar im Widerspruch zu den Ergebnissen von Bielby und Bielby. Unsere multivariaten Analysen zeigen ferner, dass in Einklang mit Beckers Annahme die Arbeitsanstrengung vom Ausmass an Haushaltsverpflichtungen (Hauptverantwortung für die Kinderbetreuung), vom Arbeitsangebot (Beschäftigungsgrad, Überzeit zu Hause) und von der Arbeitssituation (Leitungsfunktion, Selbständig) abhängt. Unsere Ergebnisse scheinen somit Beckers These zumindest teilweise zu unterstützen. Allerdings haben einige weitere Variablen wider Erwarten keinen (Bildung, Haushaltseinkommen) oder einen inkonsistenten (Frauenanteil in der Berufsgruppe) Einfluss. Da unser Mass für die Arbeitsanstrengung auf subjektiven Auskünften der Befragten über ihren Arbeitseinsatz beruht, besteht natürlich die Gefahr systematisch verzerrter Antworten durch – in der Sozialpsychologie wohlbekannte – unterschiedliche Attribuierungstendenzen der Arbeitsleistung bei Männern und Frauen. Obwohl es plausibel wäre, dass Frauen mit doppelter Belastung bei der Markt- und Haushaltsarbeit ihren Arbeitseinsatz ausserhalb des Haushalts überbewerten, weist die empirische Evidenz aus Laborstudien darauf hin, dass Frauen selbst objektiv gleiche Arbeitsleistung geringer bewerten als Männer. Falls Frauen nun tatsächlich ihren Arbeitseinsatz im Vergleich zu den Männern unterbewerten, wäre unser Ergebnis der geringeren durchschnittlichen Arbeitsanstrengung von Frauen unter Umständen zu revidieren. Mit den vorliegenden Daten sehen wir allerdings keine Möglichkeit, dies zu prüfen. Problematisch an unserem Indikator für Arbeitsanstrengung ist auch, dass zwei unterschiedliche Konzepte – nämlich einerseits die durch die berufliche Tätigkeit erforderte Arbeitsanstrengung und andererseits die Arbeitsmotivation – in einem Mass vereint werden. Getrennte Analysen für die beiden Teilskalen zeigen denn auch, dass sich Frauen und Männer nur in der erforderten Arbeitsanstrengung unterscheiden, nicht aber in der Arbeitsmotivation. Zudem wirken sich die

60


Haushaltsverpflichtungen ebenfalls nur auf die erforderte Arbeitsanstrengung aus. Wir können Beckers Annahme insofern unterstützen, als dass Frauen mit Doppelbelastung in Beruf und Familie weniger anstrengenden beruflichen Tätigkeiten nachgehen bzw. Arbeitsstellen suchen, die weniger Arbeitseinsatz erfordern. Zweifel an Beckers These entstehen allerdings dadurch, dass der Effekt der Haushaltsverpflichtungen hauptsächlich über das Arbeitsangebot vermittelt wird, während Becker von einem direkten Effekt auch bei gleicher Arbeitszeit ausgeht. Bei Kontrolle des Beschäftigungsgrades (Vollzeit/Teilzeit) verringert sich der Einfluss der Haushaltsverpflichtungen auf die erforderte Arbeitsanstrengung substanziell und ist nicht mehr signifikant. Zusammenfassend können wir aufgrund der Analyse zur Arbeitsanstrengung, Arbeitsanforderung und Arbeitsmotivation der Gültigkeit von Beckers Annahme nur beschränkt zuzustimmen. Auch der Test der Hypothese, dass die unterschiedlichen Haushaltsverpflichtungen die berufliche Segregation zwischen Männern und Frauen fördern, fällt negativ aus. Ebenso lassen sich die geschlechtsspezifischen Lohnunterschiede weder direkt über die Arbeitsanstrengung noch indirekt über die berufliche Segregation erklären. Wie schon Bielby und Bielby (1988) kommen wir – wenn auch aufgrund teilweise anderer Analysen und leicht unterschiedlicher Resultate – zu dem Schluss, dass Beckers Annahme über die aufgrund grösserer Haushaltsverpflichtungen geringere Arbeitsanstrengung von Frauen und die damit verbundene geringere Entlohnung auf dem Arbeitsmarkt nicht haltbar ist.

4 Geschlechtsspezifische Lohnungleichheit und berufliche Segregation in der Schweiz, 1991 – 2006 Mit Henriette Engelhardt

4.1 Einleitung Mit der Verankerung des Grundsatzes gleichen Lohns für gleichwertige Arbeit in der Bundesverfassung 1981 und der Verabschiedung des Gleichstellungsgesetzes im Jahr 1996 hat die Reduktion der Lohnungleichheit zwischen Frauen und Männern in der Schweiz gesetzliche Notwendigkeit erhalten. Obwohl zwar der relative Lohnunterschied seit den 1960er Jahren deutlich abgenommen hat, betragen die Stundenlöhne von Frauen noch immer nur gut 80 % der Löhne der Männer (Abbildung 4.1).21 Die Schweiz ist hier kein Sonderfall. Auch in den meisten anderen westlichen industrialisierten Ländern kann eine schrumpfende geschlechtsspezifische Lohndiskrepanz beobachtet werden, wobei allerdings das Ausmass der Diskrepanz beträchtlicher Variation zwischen den Ländern ausgesetzt ist (Blau und Kahn 2003). Aus theoretischer Sicht können Veränderungen in den Lohnunterschieden zwischen Frauen und Männern über die Zeit durch drei Prozesse beeinflusst werden (vgl. Blau und Kahn 1992, 1996a,b, 1997, 2003): Erstens kann es sein, dass sich geschlechtsspezifische Faktoren wie etwa Differenzen in beruflichen Qualifikationen von Männern und Frauen, berufliche Segregation oder Segregation bezüglich Wirtschaftszweigen verändern. Die Verringerung von Qualifikationsunterschieden kann dabei zum Beispiel Ergebnis einer erhöhten Arbeitsmarkterfahrung von Frauen sein. Änderungen in horizontaler und vertikaler Segregation mögen Folge sein von veränderten beruflichen Präferenzen und verbessertem Zugang für Frauen zu einem breiteren Feld von Berufen und zu höheren Positionen. Zweitens kann sich die Behandlung von gleichwertig qualifizierten Frauen und Männern ändern, beispielsweise aufgrund von Anpassungen der gesetzlichen Rahmenbedingungen oder von sich verändernden diskriminierenden Praktiken auf dem Arbeitsmarkt. Drittens kann auch die Ausgestaltung der allgemeinen Lohnstruktur einen substanziellen Einfluss auf die Höhe der Lohndiskrepanzen zwischen Frauen und Männern haben. 21 Bemerkenswert erscheint zudem, dass sich trotz des Rückgangs des relativen Unterschieds die absolute Differenz der Reallöhne sogar eher ausgeweitet hat.

62

4. Geschlechtsspezifische Lohnungleichheit und berufliche Segregation

6000

1.00 0.95

5000

0.90 0.85

4000

0.80 0.75

3000

Relativer Lohn

Standardisierter monatlicher Bruttoreallohn (Zentralwert zu Preisen von 2006)

Abbildung 4.1: Entwicklung der Löhne von Frauen und Männern in der Schweiz, 1960–2006

0.70 0.65

2000

0.60 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 Brottoreallohn Männer Brottoreallohn Frauen

Lohnverhältnis

Quelle: Berechnet aus den vom Bundesamt für Statistik publizierten Reallohnindizes (Jeanloz 2007, Tabelle T1.39) und den geschlechtsspezifischen Zentralwerten der standardisierten BruttoMonatslöhne (in Vollzeitäquivalenten basierend auf 4 1/3 Wochen zu 40 Arbeitsstunden) gemäss Schweizerischer Lohnstrukturerhebung 2006 (Bundesamt für Statistik 2007, Tabelle TA3).

Mit „Lohnstruktur“ sind dabei die „Preise“ für die verschiedenen arbeitsmarktrelevanten Fertigkeiten sowie „Prämien“ für die Beschäftigung in bestimmten Wirtschaftssektoren oder Berufen gemeint. Forschung über geschlechtsspezifische Faktoren, die einen Einfluss auf die Unterschiede in den Löhnen haben, zeigt, dass Männer und Frauen tendenziell unterschiedlich ausgeprägte arbeitsmarktrelevante Fähigkeiten besitzen und tendenziell in unterschiedlichen Sektoren und Berufen beschäftigt sind. Dies impliziert eine potenziell wichtige Rolle der allgemeinen Lohnstruktur für die Ausgestaltung des durchschnittlichen Lohnunterschieds zwischen Frauen und Männern (Blau und Kahn 1996b). So wurde die Lohnstruktur etwa als relevanter Faktor für die Trends in den Lohndiskrepanzen zwischen Schwarzen und Weissen oder zwischen Immigranten und Einheimischen in den USA identifiziert (Juhn et al. 1991, LaLonde und Topel 1992) sowie für die Erklärung von internationalen Unterschieden in geschlechtsspezifischen Lohndiskrepanzen herangezogen (Blau und Kahn 1992, 1996b).

4.2 Theorie und Hypothesen

63

Ziel der vorliegenden Studie ist, die Faktoren hinter der abnehmenden geschlechtsspezifischen Lohnungleichheit in der Schweiz zu analysieren. Bestehende Studien für die Schweiz haben sich bislang hauptsächlich darauf konzentriert, Einkommensgleichungen für Frauen und Männer zu schätzen und mit traditionellen Techniken (Blinder 1973, Oaxaca 1973) zu ermitteln, welcher Anteil des durchschnittlichen Lohnunterschiedes durch Differenzen in beobachtbaren Eigenschaften erklärt werden kann und welcher Teil als Unterschied in den mit diesen Eigenschaften und mit Geschlecht verknüpften Koeffizienten verbleibt. Letzterer Teil wird üblicherweise der Diskriminierung zugeschrieben (für die Schweiz z. B. Kugler 1988, Brüderl et al. 1993, Diekmann und Engelhardt 1995a, Bonjour und Gerfin 1995, Bonjour 1997, Ferro Luzzi et al. 1998, Henneberger und Sousa-Poza 1999, Ramirez und Flückiger 2001, Sousa-Poza 2002, 2004). In der vorliegenden Studie hingegen wird die Entwicklung dieser beiden Grössen unter spezieller Berücksichtigung horizontaler und vertikaler Segregation untersucht. Ein weiterer Fokus besteht in der Ermittlung der Rolle der Lohnstruktur als zusätzlicher Faktor im Prozess der Angleichung der Löhne von Frauen und Männern, wobei ein von Juhn et al. (1991) entwickelter Ansatz zur Analyse von Trends in gruppenspezifischen Lohndiskrepanzen zum Einsatz kommt. Der Aufbau des Kapitels ist wie folgt: Der zweite Abschnitt befasst sich mit einer etwas ausführlicheren Diskussion der möglichen Gründe für die Veränderung der Lohndiskrepanz zwischen Frauen und Männern. Der dritte Abschnitt präsentiert die Daten und die deskriptiven Resultate zu den geschlechtsspezifischen Lohnverteilungen sowie zur Segregation bezüglich Berufen und Wirtschaftszweigen. Die verschiedenen Methoden zur Zerlegung der Lohnunterschiede und deren Veränderung und die verwendeten Kontrollvariablen werden im vierten Abschnitt beschrieben. Abschnitt fünf präsentiert die empirischen Ergebnisse der Dekompositionen und Abschnitt sechs fasst zusammen.

4.2 Theorie und Hypothesen Traditionell haben sich theoretische und empirische Analysen von geschlechtsspezifischen Lohnunterschieden hauptsächlich auf Geschlechterdifferenzen in Qualifikationen und auf die unterschiedliche Behandlung (Diskriminierung) von ähnlich Qualifizierten auf dem Arbeitsmarkt konzentriert. In Anschluss an die Arbeit von Juhn et al. (1991) zur Analyse von Trends in der Lohndiskrepanz zwischen Schwarzen und Weissen erweiterte sich der Blickwinkel in jüngerer Zeit, indem die geschlechtsspezifischen Lohnunterschiede auch im Kontext von Veränderungen in der allgemeinen, das heisst nicht direkt mit Geschlecht zusammenhängenden Lohnstruktur betrachtet wurden. Unter Lohnstruktur werden dabei,

64


wie erwähnt, die „Preise“ für die verschiedenen arbeitsmarktrelevanten Fähigkeiten und Fertigkeiten (d. h. das Ausmass, in welchem diese „Skills“ Lohnwirksam sind) sowie die unterschiedlichen Lohnniveaus – sei es aus Gründen der Produktivität oder sonstigen Gründen – in den verschiedenen Branchen und Berufen verstanden. Geschlechterdifferenzen in Qualifikationen werden primär im Rahmen des Modells der Humankapitaltheorie analysiert (Mincer und Polachek 1974). Gegeben die traditionelle Arbeitsteilung in der Familie haben Frauen tiefere Anreize als Männer, in arbeitsmarktorientierte Ausbildung und betriebliche Weiterbildung zu investieren, weil die antizipierten beruflichen Karrieren kürzer und stärker durch Unterbrechungen geprägt sind. Die daraus resultierenden geringeren Investitionen in Humankapital senken die zu erwartenden Einkünfte der Frauen im Vergleich zu denen der Männer, da – so die Ökonomen – eine Verbindung besteht zwischen Humankapital und Produktivität. Eine weitere Hypothese ist, dass die stärkere Auslastung von Frauen im Haushalt im Vergleich zu den Männern auch ihren „Effort“ in der Berufsarbeit reduziert (pro Arbeitsstunde), was wiederum die Produktivität und somit den Lohn verringert (Becker 1985).22 Ökonomen verwenden die gleiche Argumentation um geschlechtsspezifische Unterschiede in beruflicher Spezialisierung und der Berufswahl zu erklären (Polachek 1978, 1981). Weil Frauen ein kürzeres und stärker unterbrochenes Arbeitsleben antizipieren, so die Argumentation, meiden sie berufliche Felder, in denen die Geschwindigkeit technologischen Wandels hoch ist, und konzentrieren sich eher auf Bereiche mit langsamerem Veränderungstempo und folglich tieferen „Kosten“ von Erwerbsunterbrechungen. Die Vorstellung ist also, dass Frauen Berufe wählen, in denen die Benachteiligung durch Diskontinuitäten in der Arbeitsmarktbeteiligung weniger gross ist. Diese Berufe benötigen weniger Investitionen in firmenspezifische Ausbildung und betriebliche Weiterbildung, was zwar mit höheren Einstiegslöhnen, jedoch weniger steilen Lohnentwicklungen über die Zeit verbunden sein dürfte. Es handelt sich auch um Berufe, in denen der durch eine Auszeit vom Arbeitsmarkt verursachte Rückgang des erzielbaren Lohnniveaus minimiert wird. Als ein Resultat dieser Selbstselektion in Berufe, die Erwerbsunterbrüche in unterschiedlichem Masse erlauben, konzentrieren sich Frauen eher in Berufen mit (zumindest im Durchschnitt über den gesamten Berufsverlauf) tieferen Löhnen. Die Lohnunterschiede zwischen Männern und Frauen spiegeln dann weniger Geschlechterdiskriminierung wider, sondern der (negative) Zusammenhang zischen dem Frauenanteil in einem Beruf und dem durchschnittlichen Lohn ist vielmehr eine Differenzierung, die Frauen in Kauf nehmen, um in Berufen zu 22 Für die Schweiz ist allerdings keine klare Evidenz dafür zu finden, das Frauen aufgrund von Familienverpflichtungen tatsächlich weniger Mühe für ihre berufliche Arbeit aufwenden als Männer (siehe Kapitel 3).


65

arbeiten, die hinsichtlich der Gestaltung des Arbeitslebens mehr Flexibilität erlauben (Rosen 1986). Aber auch Arbeitsmarktdiskriminierung kann natürlich einen Einfluss auf Löhne und die Berufswahl von Frauen haben. Verschiedene Spielarten von Diskriminierung sind dabei denkbar. In Beckers (1971) Modell der Diskriminierung beruht diese darauf, dass Arbeitgeber, Mitarbeiter oder Kunden direkten Nutzen aus der Diskriminierung beziehen („taste for discrimination“). Neoklassische Ökonomen haben aber auch argumentiert, dass Diskriminierung durch die Existenz monopsonistischer Arbeitgeber und der damit verbundenen Verringerung des Wettbewerbs auf den Arbeitsmärkten entstehen kann (Madden 1973). Weiterhin gibt es die neoklassischen Modelle der statistischen Diskriminierung. Die Modelle beruhen auf dem Gedanken, dass Arbeitgeber aufgrund asymmetrischer Information zu arbeitsmarktrelevanten Eigenschaften einer Person Erwartungen über diese Eigenschaften bilden, und die Erwartungen dabei auf Gruppenzugehörigkeiten und die in den Gruppen durchschnittlich zu beobachtenden Ausprägungen der Eigenschaften abstützen. So kann es sein, das Frauen rein dadurch weniger verdienen als Männer, dass sie statistisch gesehen eine höhere Wahrscheinlichkeit haben, die Firma frühzeitig wieder zu verlassen (z. B. um eine Kind gross zu ziehen), auch wenn das im Einzelfall nicht zutreffen mag. Durch die undifferenzierte Anwendung von Populationseigenschaften auf einzelne Individuen kann so eine Form der Diskriminierung entstehen (siehe z. B. Aigner und Cain 1977). Institutionalisten argumentieren weiterhin, dass der Arbeitsmarkt nach Geschlecht segmentiert sei, und die beiden Teilarbeitsmärkte weitgehend unabhängig voneinander funktionieren. Es gäbe deshalb – aus institutionalistischer Perspektive – keinen ersichtlichen Grund, warum der Markt gleiche Produktivität von Frauen und Männern auch mit gleichem Lohn honorieren sollte (z. B. Cain 1977). Ein Mangel an Wettbewerb mag also (in neoklassischen wie auch institutionalistischen Modellen) einen Einfluss auf das Ausmass an Diskriminierung und damit möglicherweise die Grösse der geschlechtsspezifischen Lohnunterschiede haben. Die allgemeine Lohnstruktur schliesslich ist ein Faktor, der nicht direkt mit Geschlecht zusammenhängt, aber trotzdem einen Einfluss auf das Ausmass an Lohnunterschieden zwischen den Geschlechtern haben kann. Die Humankapitaltheorie wie auch Modelle der Diskriminierung implizieren, dass die allgemeine Lohnstruktur potenziell eine wichtige Rolle für die Erklärung der geschlechtsspezifischen Lohnunterschiede spielen kann. Wenn Frauen, wie die Humankapitaltheorie nahe legt, zum Beispiel tendenziell weniger Berufserfahrung vorweisen können als Männer, dann wird der durchschnittliche Lohnunterschied zwischen den Geschlechtern umso grösser sein, je höher die Renditen sind, die die Arbeitnehmer unabhängig von Geschlecht aus zusätzlicher Berufserfahrung beziehen. Wenn Frauen aufgrund von Diskriminierung oder anderen Faktoren tendenziell

66


in anderen Berufen, Branchen und Berufspositionen als Männer arbeiten, wird ähnlich der durchschnittliche Abstand der Löhne von Frauen und Männern umso grösser sein, je höher die „Prämien“ sind, die Männer wie auch Frauen für die Tätigkeit in einem „männlichen“ Bereich des Arbeitsmarkt erhalten (Blau und Kahn 2003).23 Bisherige Forschung lässt vermuten, dass zumindest in einer internationalen Perspektive alle vier Faktoren – Diskriminierung, unterschiedliche Niveaus arbeitsmarktrelevanter Qualifikationen, horizontale und vertikale berufliche Segregation sowie die allgemeine Lohnstruktur – einen Einfluss auf die Entwicklungen der relativen Löhne von Frauen hatten (Blau und Kahn 1997). Wie bereits angemerkt, gab es in der Schweiz mit der Aufnahme des Gleichstellungsartikels in der Bundesverfassung von 1981, der Einrichtung des Eidgenössischen Büros für die Gleichstellung von Frau und Mann im Jahr 1988 und der Einführung der Gleichstellungsgesetzes im Jahr 1996 beträchtliche öffentliche Anstrengungen zur Reduktion von Lohndiskriminierung. Weiterhin mag die zunehmende Verpflichtung von Schweizer Frauen auf Erwerbsarbeit (Buchmann et al. 2003) zu einer Reduktion statistischer Diskriminierung gegenüber Frauen beigetragen haben. Ein weiterer Grund für eine allfällige Abnahme von Diskriminierung gegenüber Frauen kann sein, dass sich wandelnde gesellschaftliche Einstellungen diskriminierende Präferenzen zunehmend inakzeptabel gemacht haben.24 Insgesamt besteht somit die Erwartung, dass der nicht durch Unterschiede in beobachtbaren Variablen erklärte Teil der geschlechtsspezifischen Lohnunterschiede, der üblicherweise zumindest teilweise auf Diskriminierung zurückgeführt wird, über den hier betrachteten Zeitraum abgenommen hat. Wie in den meisten industrialisierten Ländern haben die Frauen auch in der Schweiz bezüglich arbeitsmarktrelevanter Qualifikationen und Fähigkeiten in den letzten Jahrzehnten deutlich aufgeholt (Bundesamt für Statistik 1997, 2003b, 2005, 2008b). Vielleicht am wichtigsten erscheint, dass aufgrund der erhöhten weiblichen Erwerbsbeteiligung auch eine relative Zunahme der Berufserfahrung von Frauen stattgefunden haben dürfte. Es kann also eine Reduktion der Lohnunterschiede zwischen Frauen und Männern aufgrund der relativen Zunahme des Humankapitals der Frauen erwartet werden. Weiterhin ist auch plausibel anzunehmen, dass sich Frauen im Vergleich zu Männern nicht nur bezüglich der gemessenen Indikatoren für arbeitsmarktrelevante Fähigkeiten verbessert haben, sondern auch bezüglich weiterer, ungemessener „Skills“ eine Angleichung stattgefunden 23 Der Zusammenhang zwischen dem Lohnniveau und der Geschlechterzusammensetzung in einem Beruf kann dabei ökonomische (Spezialisierungsgrad, Produktivität) aber auch kulturelle Gründe (Entwertung typisch weiblicher Berufe) haben (vgl. z. B. Kilbourne et al. 1994, Liebeskind 2004, Polavieja 2008). 24 Obwohl allerdings die experimentellen Resultate in Kapitel 5 dies nicht vermuten lassen.


67

hat (Blau und Kahn 2003). Beispielsweise könnten Frauen durch die stärkere Bindung an den Arbeitsmarkt veranlasst worden sein, in zunehmenden Masse auch betriebliche Weiterbildung in Anspruch zu nehmen. Die Beziehung zwischen Arbeitsmarktsegregation und geschlechtsspezifischen Lohnunterschieden wurde für die USA und andere Länder in verschiedenen Studien analysiert (z. B. Groshen 1991, Macpherson und Hirsch 1995, Fields und Wolff 1995, Petersen und Morgan 1995, Carrington und Troske 1998, Bayard et al. 2003, Kumlin 2007) und auch für die Schweiz gibt es einige Arbeiten zu dem Thema (z. B. Ferro Luzzi et al. 1998, Sousa-Poza 2002, 2004). Der Fokus der Studien liegt in erster Linie auf der Bestimmung des Effekts von Segregation bezüglich Berufen, Branchen, oder Betrieben auf die Lohnunterschiede. Für die Schweiz ist ein Ergebnis, dass die horizontale Segregation nur einen geringen Teil der Lohnunterschiede zwischen den Geschlechtern zu erklären vermag. Der Effekt der vertikalen Segregation wurde für die Schweiz von Bonjour (2000) untersucht. Auch sie kommt zum Ergebnis, dass nur ein kleiner Teil der geschlechtsspezifischen Lohnunterschiede durch die unterschiedlichen Positionen der Geschlechter in den Firmen erklärt werden kann. Eine simultane Analyse der Einflüsse von horizontaler und vertikaler Segregation sowie der Veränderung der Einflüsse über die Zeit liegt bislang für die Schweiz nicht vor. Bezüglich der Entwicklung der beruflichen Segregation ist zu erwarten, dass erhöhte Bildung der Frauen und ein Abbau der Zugangsbarrieren zu verschiedenen Berufen und beruflichen Positionen einen verringernden Einfluss ausübten. Allerdings gilt es auch beachtliche arbeitsmarktstrukturelle Veränderungen zu berücksichtigen, wie zum Beispiel die Zunahme des Dienstleistungssektors (Diekmann et al. 2000) oder die Ausweitung von atypischen Beschäftigungsformen wie etwa Teilzeitarbeit (vgl. Kapitel 2), die eher für eine Zunahme der Segregation sprechen (Charles 1998, 2005). Der Nettoeffekt ist somit unklar, wobei aber Sousa-Poza (2004) für die 1990er Jahre auf Grundlage der Daten der Schweizerischen Arbeitskräfteerhebung bemerkenswert konstante berufliche Segregationswerte berichtet. Die vertikale Segregation hingegen hat gemäss Charles (2005) eher abgenommen. Die zunehmende Einkommensungleichheit, die in den USA und in Grossbritannien in den 1980er und 1990er Jahren beobachtet werden konnte, wird vor allem mit veränderten „Preisen“ für arbeitsmarktrelevante Fähigkeiten, veränderter Arbeitsnachfrage und dem abnehmenden Einfluss lohnbestimmender Institutionen in Verbindung gebracht.25 Zunehmende Preise für (gemessene und ungemessene) arbeitsmarktrelevante Qualifikationen sind Folge einer zunehmenden 25 Veränderungen im Arbeitsangebot werden weniger diskutiert in der Literatur zu Einkommensungleichheit. Als diesbezügliche Faktoren, die sich auf die Lohnungleichheit auswirken, werden zuweilen Kohortengrösse, Bildung, Geschlecht oder Nationalität genannt (Katz und Murphy 1992).

68


Tabelle 4.1: Hypothesen zu den Bestimmungsfaktoren der Veränderung geschlechtsspezifischer Lohnunterschiede Entwicklung über die Zeit

Effekt auf Lohnunterschiede

Diskriminierung

−

−

Ausstattung: – Humankapital von Frauen – Vertikale Segregation – Horizontale Segregation

+ − ?

− − ?

Allgemeine Lohnstruktur: – Humankapital – Vertikale Segregation – Horizontale Segregation

+ + +

+ + +

Nachfrage nach diesen Fähigkeiten (Katz und Murphy 1992, Juhn et al. 1993), was vor allem auf den technologischen Wandel (Bound und Johnson 1992) und den zunehmenden internationalen Handel zurückgeführt wird (Murphy und Welch 1991, Borjas und Ramey 1995). Gewisse empirische Forschung stellt auch eine Verbindung her zwischen zunehmender Ungleichheit und dem abnehmenden gewerkschaftlichen Organisationsgrad der Arbeiter (Freeman 1993, Card 1996, 2001, Gosling und Lemieux 2001, Addison et al. 2007). Für die USA sehen Blau und Kahn (1992, 1997) jedoch höhere Renditen auf beobachteten wie auch unbeobachteten „Skills“ als primären Grund für die zunehmende Einkommensungleichheit. Überträgt man die angelsächsischen Trends auf die Schweiz, so würde man auch hierzulande eine zunehmende Lohnungleichheit erwarten. Zudem ist die Schweiz wie die meisten anderen industrialisierten Länder geprägt von einer Abnahme des industriellen Sektors und Expansion der Dienstleistungsberufe und damit einhergehend einer Zunahme moderner und flexibler Arbeitsformen (Kapitel 2, Diekmann et al. 2000). Diese ökonomische Restrukturierung, so wird angenommen, hat viele Tieflohnstellen im Dienstleistungssektor erzeugt und allgemein für Frauen die Partizipation am Arbeitsmarkt vereinfacht. Die Expansion von weiblich dominierten „bad jobs“ sei allerdings begleitet worden von einer Zunahme von hoch bezahlten Dienstleistungsstellen, die vor allem von Männern besetzt werden (Morris und Western 1999). Die Entwicklung könnte also zu zunehmenden Löhnen in männlich dominierten Bereichen und höheren hierarchischen Positionen und abnehmenden Löhnen in weiblich dominierten Bereichen und tieferen hierarchischen Stufen geführt haben. Zusammengenommen sollten

4.3 Daten und einige deskriptive Ergebnisse zu Löhnen und Segregation

69

also die zunehmenden Renditen für Bildung und die Beschäftigung in männlich dominierten Wirtschaftszweigen, Berufen und hierarchischen Positionen einen ausweitenden Effekt auf die geschlechtsspezifischen Lohnunterschiede gehabt haben. Tabelle 4.1 fasst die Hypothesen für die vorliegende Studie zusammen. Diskriminierung, so die Annahme, hat abgenommen und somit die Lohnunterschiede reduziert. Zudem haben sich Frauen im Vergleich zu Männern bezüglich Humankapital verbessert und der Zugang zu höheren beruflichen Positionen hat sich für Frauen vereinfacht, was beides ebenfalls die Lohnunterschiede verringerte. Für horizontale Segregation ist die Entwicklung und folglich der Effekt auf die Lohnunterschiede unklar. Bezüglich der allgemeinen Lohnstruktur ist anzunehmen, dass die Renditen auf Humankapital und die Prämien für die Beschäftigung in männlich dominierten Sektoren, Berufen und hierarchischen Stufen eher zugenommen haben und einen ausweitenden Effekt auf die Lohnunterschiede zwischen Männern und Frauen ausübten.

4.3 Daten und einige deskriptive Ergebnisse zu Löhnen und Segregation Die in der vorliegenden Studie verwendeten Daten stammen von der Schweizerischen Arbeitskräfteerhebung (SAKE) der Jahre 1991 bis 2006 des Bundesamts für Statistik (siehe Feusi Widmer 2004). Die SAKE-Daten werden mit Hilfe von computerunterstützten Interviews (CATI) bei einer Zufallsstichprobe aus der ständigen Wohnbevölkerung der Schweiz erhoben. Die Zielpopulation beschränkt sich auf Personen im Alter von 15 Jahren oder älter und die Adressen werden aus dem schweizerischen Telefonverzeichnis gezogen. Die SAKE ist als rotierendes Panel angelegt, bei dem jedes Jahr ein fünftel der Stichprobe ersetzt wird (d. h., das Panel hat eine fünfjährige Laufzeit); die Teilnahmequote unter den jeweils erstmalig zu befragenden Personen beträgt rund 70 Prozent. Die Netto-Stichprobengrössen betragen je rund 16 000 bis 18 000 in den Jahren 1991 bis 1994 und 1996 bis 2001, 33 000 im Jahr 1995 (einmalige kantonale Aufstockungen) und zirka 40 000 ab Jahr 2002.26 Für die vorliegenden Analysen werden die Daten auf Angestellte im Alter von 20 bis 62 Jahren beschränkt, die in einem Umfang von mindesten 6 Stunden pro Woche erwerbstätig sind. Selbständige, Lehrlinge und Rekruten mit Arbeitsstelle werden ausgeschlossen. Ebenfalls ausgeschlossen werden Personen mit mehr als einer Arbeitsstelle, da für Personen mit mehreren Stellen die Einkommens26 Ab 2003 wurde zudem ein Ausländer-Zusatzsample von 15 000 Personen beigefügt (Stichprobe aus dem Zentralen Ausländerregister ZAR). Diese Daten werden hier nicht verwendet.

70


daten über die Jahre eventuell nicht vergleichbar sind (in den Jahren 1991 bis 1995 wurden die Befragten angewiesen, die Einkünfte aller Stellen zusammen zu deklarieren, ab 1996 beziehen sich die Einkommensangaben nur auf die „Haupttätigkeit“).27 Weiterhin beschränken sich die Analysen auf Personen mit Schweizer Staatsbürgerschaft, weil auf dem Schweizer Arbeitsmarkt noch immer beträchtliche Diskriminierung gegenüber Ausländern zu bestehen scheint (siehe Fibbi et al. 2003; entsprechend kann in den vorliegenden Modellen ein negativer Effekt der Nationalität festgestellt werden, wenn Ausländer in die Berechnungen aufgenommen werden). Schliesslich werden Personen mit Stundenlöhnen ausserhalb des Intervalls von 3 bis 300 Franken (zu Preisen von 2006; Berechnung siehe unten) ausgeschlossen (weniger als 1 Prozent der Fälle), da es sich dabei aller Wahrscheinlichkeit nach um Kodierungsfehler handelt.28 Da die nachfolgenden Dekompositionsmethoden auf konsistente Schätzer der unkonditionalen Mittelwerte der erklärenden Variablen nach Geschlecht angewiesen sind, werden in allen Analysen die Standardgewichte der SAKE verwendet, die für unterschiedliche Auswahlwahrscheinlichkeiten und Panelmortalität kontrollieren sowie eine Korrektur aufgrund von Post-Stratifikation enthalten (zu den Gewichtungsverfahren in der SAKE siehe Comment et al. 1996). Betrachten wir zunächst einige deskriptiven Resultate zur Lage und Veränderung der Lohnverteilungen von Frauen und Männern in den SAKE-Daten. Die Stundenlöhne werden hier in Anlehnung an Henneberger und Sousa-Poza (1999) ausgehend von den in den SAKE-Daten enthaltenen Angaben zum jährlichen Bruttoerwerbseinkommen (X) berechnet als Yi =

Xi 252−Ui Hi 5

(4.1)

mit H als der Anzahl „normalerweise“ pro Woche gearbeiteter Stunden und U als der Abzahl bezahlter Ferientage pro Jahr.29 Der Wert 252 in der Formel ergibt sich aus dem Total potenzieller Arbeitstage pro Jahr (52 Wochen zu 5 Arbeitstagen) abzüglich 8 eidgenössischer Feiertage. Alle folgenden Resultate beruhen zudem 27 Man beachte, dass der Anteil Erwerbstätige mit mehr als einer Stelle von rund 5 Prozent in den frühen 1990er Jahren auf gut 6.5 Prozent gegen Ende des Beobachtungszeitraums leicht zugenommen hat. 28 Ausgeschlossen werden ebenfalls Personen mit fehlenden Werten bezüglich des Lohnes oder weiterer verwendeter Variablen. 29 Werte für die Anzahl Ferientage von 100 oder grösser, die ausschliesslich in Mehrfachen von 5 vorkommen, wurden durch 5 geteilt, da es sich um fehltransformierte Angaben zu den Ferien in Wochen handelt. Die Variable für die Anzahl Ferientage wird in der SAKE aus Originalangaben entweder in Tagen oder in Wochen erzeugt, und der maximal mögliche Wert in der Maske für die Angabe in Tagen ist 99. Natürlich wird es auch einige umgekehrt fehlcodierte Fälle geben.

71


Abbildung 4.2: Einkommensverteilung nach Geschlecht, 1991 und 2006 Frauen

Männer

Stundenlohn zu Preisen von 2006

110 100 90 80 70 60 50 40 30 20 1992 2006

10 0 .04

.02

0 Dichte

.02

.04

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Kerndichte-Schätzer (Epanechnikov) mit automatischer Bandbreite nach Sheather und Jones (1991; Jann 2005d).

auf inflationsbereinigten Daten (d. h. auf Stundenlöhnen in Schweizerfranken zu Preisen von 2006). Abbildung 4.2 zeigt die Verteilungen der Stundenlöhne von Frauen und Männern für 1992 und 2006 (Kerndichteschätzer; 1992 wird hier als Ausgangspunkt gewählt, da die Daten von 1992 als verlässlicher anzusehen sind als die Daten der vielleicht noch von Kinderkrankheiten geplagten ersten SAKE-Welle 1991). Die Verteilungen weisen für Männer wie auch für Frauen die typische rechtsschiefe Form auf (man beachte, dass die Kurven aus Gründen der Darstellung bei 120 Franken abgeschnitten wurden). Eine Charakteristik solcher Verteilungen ist, dass mehr als die Hälfte der Personen weniger als den durchschnittlichen Stundenlohn verdient und somit der Mittelwert über den Median liegt. Bei den Frauen ist besonders auch im Bereich der tiefsten Löhne ein deutliches Reallohnwachstum zu erkennen, wobei aber die Verteilungsform insgesamt von 1992 bis 2006 recht ähnlich geblieben ist. Bei den Männern sind nur geringe Veränderungen feststellbar. Ein Reallohnwachstum scheint nur in den oberen Einkommensbereichen stattgefunden zu haben, was die Verteilung von 2006 verglichen mit 1992 etwas auseinander zieht.

72


Abbildung 4.3: Entwicklung der durchschnittlichen Stundenlöhne nach Geschlecht, 1991 – 2006 50

Stundenlohn (zu Preisen von 2006)

45 40 35 30 25 20 15 10 Mittelwert: Median:

5

Männer Männer

Frauen Frauen

0 91

92

93

94

95

96

97

98

99

00

01

02

03

04

05

06


Abbildung 4.3 zeigt die Entwicklung der Durchschnittsstundenlöhne (Median und Mittelwert) für die beiden Geschlechter über den gesamten Beobachtungszeitraum. Für Frauen finden wir bis 2003 einen relativ kontinuierlichen Anstieg der mittleren Reallöhne. Ab 2003 flacht sich der Trend ab und es ist kein weiterer Zuwachs mehr zu verzeichnen. Für Männer ist insgesamt auch ein Realwachstum der Stundenlöhne zu erkennen, das Entwicklungsmuster ist aber anders als bei den Frauen. In den 1990er Jahren sind die Löhne der Männer praktisch konstant geblieben, mit Ausnahme eines anfänglichen Anstiegs zwischen 1991 und 1992, was auch ein Artefakt mangelnder Datenqualität in der ersten SAKE-Welle sein kann. Von 1999 oder 2000 bis 2002 findet dann ein Anstieg statt und ab 2002 herrscht wieder mehr oder weniger Konstanz. Das Lohnwachstum über den ganzen Beobachtungszeitraum beträgt für Männer gut 7 % (von 46.0 Franken 1991 auf 49.3 Franken 2006) bzw. 3.6 %, wenn 1992 (47.6 Franken) als Ausgangspunkt gewählt wird.30 Bei den Frauen sind die Realstundenlöhne zwischen 1991 und 2006 um gut 15 % von 33.5 auf 38.7 Franken gestiegen, bzw. um 12.6 % seit 30 Auf Basis der Medianlöhne ergeben sich ähnliche Zahlen: Anstieg um 7.1 % zwischen 1991 und 2006 von 41.4 auf 44.3 Franken, bzw. um 3.0 % seit 1992 (43.0 Franken).

73


Abbildung 4.4: Verhältnis der Durchschnittslöhne von Frauen und Männern, 1991 – 2006 1.00 am Mittelwert am Median

0.95

Relativer Stundenlohn

0.90 0.85 0.80 0.75 0.70 0.65 0.60 91

92

93

94

95

96

97

98

99

00

01

02

03

04

05

06


1992 mit 34.4 Franken.31 Bei den Frauen ist der Reallohnanstieg also deutlich ausgeprägter als bei den Männern. Dieser Unterschied spiegelt sich natürlich auch in den relativen Löhnen von Frauen und Männern wider, die in Abbildung 4.4 aufgeführt sind. Wie man erkennen kann, hat vor allem in den 1990er Jahren ein deutlicher Anstieg der durchschnittlichen relativen Frauenlöhne stattgefunden. Während 1991 die Frauenlöhne nach den vorliegenden Berechnungen 72.8 % der Männerlöhne betrugen, lag das Verhältnis im Jahr 2000 bei 77.9 %. Von 2000 bis 2006 (78.4 %) ist nur noch ein geringer weiterer Anstieg zu beobachten. Ein ähnlicher Trend ergibt sich beim Verhältnis der Medianstundenlöhne: Zwischen 1991 und 2000 stieg das Verhältnis der Medianlöhne von Frauen und Männern von 74 % auf 79 %; 2006 lag das Verhältnis bei 81 %. Das Resultat einer Abnahme der Lohnunterschiede zwischen den Geschlechtern wird auch durch eine Analyse der relativen Positionen der Frauen in der Lohnverteilung der Männer bestätigt. Relative Positionen (bzw. relative Ränge) 31 Für die Medianlöhnen sind die Wachstumswerte 16.7 % von 1991 (30.7 Franken) bis 2006 (35.8 Franken) bzw. 11.7 % seit 1992 (32.1 Franken).

74


Abbildung 4.5: Relative Position der Frauen in der Lohnverteilung der Männer, 1991 – 2006 0.50 0.45 0.40

Relative Position

0.35 0.30 0.25 0.20 0.15 0.10 mittlerer Rang Medianrang

0.05 0.00 91

92

93

94

95

96

97

98

99

00

01

02

03

04

05

06


werden durch Anwendung der beobachteten empirischen Verteilungsfunktion der Männer auf die Lohndaten der Frauen berechnet, also 1 rˆ = Fˆ M (YF ) = wiM W M Y ≤Y iM

(4.2)

F

wobei mit YF und Y M die Löhne der Frauen und Männer bezeichnet werden, wi die Gewichte der einzelnen Beobachtungen symbolisiert und W der Summe der Gewichte entspricht.32 Wie in Abbildung 4.5 illustriert, hat die durchschnittliche Position wie auch die Medianposition der Frauen in der Lohnverteilung der Männer über den ganzen Beobachtungszeitraum stetig zugenommen. Der Median der relativen Positionen nahm von 16.5 im Jahr 1991 auf 26.1 im Jahr 2006 zu. Die Interpretation dieser Zahlen ist wie folgt: Im Jahr 1991 hatten nur 16.5 Prozent der Männer einen Lohn, der tiefer war als der Medianlohn der Frauen. Bis zum Jahr 2006 stieg 32 Der Summenausdruck bedeutet, dass über alle i summiert wird, die die angegebene Bedingung erfüllen.


75

dieser Wert auf 26 Prozent. Frauen holen also allmählich auf, wobei aber der verbleibende Unterschied noch immer beträchtlich ist (bei Gleichheit wäre der Median der relativen Ränge 50 %). Abbildungen 4.4 und 4.5 sagen etwas darüber aus, wie sich die Unterschiede zwischen den durchschnittlichen Frauen- und Männerlöhnen entwickelt haben. Dies ist sicherlich informativ, ist aber eine zu starke Vereinfachung, wenn sich an verschiedenen Stellen der Lohnverteilung unterschiedlich starke oder gar gegenläufige Trends abgespielt haben. Unterschiede über die gesamte Lohnverteilung können zum Beispiel visualisiert werden, indem man die Dichtefunktion der relativen Ränge (siehe Formel 4.2) abträgt. Die Dichte der relativen Ränge wird als die „relative Dichte“ bezeichnet, da sie sich als das Verhältnis der Dichten der Frauen- und Männerlöhne (an den Quantilen der Lohnverteilung der Männer) interpretieren lässt (zum Konzept der relativen Dichte bzw. relativen Verteilung siehe Handcock und Morris 1998, 1999, Handcock und Janssen 2002; Anwendungen finden sich z. B. in Morris et al. 1994, Bernhardt et al. 1995).33 Die oberen zwei Diagramme in Abbildung 4.6 zeigen die relativen Dichtekurven für 1992 und 2006.34 Man erkennt deutlich, wie Frauen in den unteren Regionen der Verteilung stark über- und in den oberen Regionen stark untervertreten sind (die eingezeichnete Gerade markiert die theoretisch Referenz der Gleichverteilung). Der Zusammenhang hat sich zwischen 1992 und 2006 jedoch deutlich abgeschwächt. Um Unterschiede in den Verteilungsformen von Effekten der unterschiedlichen Lage der Verteilungen zu trennen, zeigen die unteren beiden Diagramme in Abbildung 4.6 die relativen Dichten für 1992 und 2006 unter Kontrolle der geschlechtsspezifischen Mittelwerte.35 Der überwiegende Teil der Verteilungsdifferenzen ist offensichtlich durch Unterschiede in der zentralen Lage 33 Eine Eigenschaft dieser Darstellungsweise ist, dass die Ergebnisse unabhängig sind von monotonen Transformationen der Ausgangsdaten. Es ergibt sich also das gleiche Bild unabhängig davon, ob man logarithmierte Stundenlöhne oder die Originalwerte in Schweizerfranken verwendet. 34 Zur Schätzung der relativen Dichte werden zuerst die relativen Daten gemäss Formel (4.2) berechnet, worauf die Anwendung eines Kerndichte-Verfahrens folgt. Die Schätzung der Dichte ist nicht ganz trivial, da die relativen Daten einen von 0 bis 1 begrenzten Wertebereich aufweisen, was bei Standard-Kerndichteschätzern zu einer starken Verzerrung an den Rändern des Intervalls führt. Die in Abbildung 4.6 dargestellten Dichten wurden deshalb mittels Renormalisierung korrigiert (siehe Jann 2007e). Im übrigen beruhten die Schätzungen auf dem Epanechnikov-Kern mit automatischer Bandbreite nach Sheather und Jones (1991; inkl. Korrektur für quasi-relative Daten im Stil der Vorschläge von Cwik und Mielniczuk 1993). Eingezeichnet sind zudem punktweise 95%-Konfidenzintervalle (gepunktete Linien), die mittels Bootstrap-Verfahren gewonnen wurden (z. B. Davison und Hinkley 1997; vgl. weiter unten). 35 Genauer: Unter Kontrolle der Mittelwerte auf der logarithmierten Skala, um Konsistenz mit den folgenden multivariaten Analysen zu wahren. Die relativen Dichten in den unteren Diagrammen F = exp(ln YF + ln Y M − ln YF ) abgepassten Frauenlöhne werden also aufgrund der gemäss Y berechnet.

76


Abbildung 4.6: Verteilung der Frauenlöhne relativ zur Verteilung der Löhne der Männer, 1992 und 2006 1992

Relative Dichte

1025 30

35

40

45

2006 50

60

75 100

1025 30

7

7

6

6

5

5

4

4

3

3

2

2

1

1

0

35

40

45

50

60

75 100

0 0.0

0.1

0.2

0.3 0.4 0.5 0.6 0.7 0.8 Kumulativer Anteil Männer

0.9

1.0

0.0

0.1


0.9

1.0

0.9

1.0

6 5 2 1 0

0

1

2

3

4

Relative Dichte 3 4 5

6

7

Unter Kontrolle der zentralen Lage

7

Unter Kontrolle der zentralen Lage

0.2

0.0

0.1

0.2


0.9

1.0

0.0

0.1

0.2


Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Berechnung siehe Fussnote 34. Gepunktete Linien: Approximatives 95%-Konfidenzintervall. Die Werte am oberen Rand markieren die Stundenlöhne auf der Originalskala.

bedingt. Nach Kontrolle der Mittelwerte verbleiben nur noch vergleichsweise geringe Abweichungen. Die Gegenüberstellung der Kurven für 1992 und 2006 weist zwar darauf hin, dass, wie schon aufgrund von Abbildung 4.2 vermutet wurde, die Verbesserung der Löhne der Frauen im Verhältnis zu den Männerlöhnen am unteren Ende der Verteilung besonders ausgeprägt war. Da diese Formeffekte aber im


77

Vergleich zum Haupteffekt eher vernachlässigbar erscheinen, konzentrieren wir uns in den folgenden multivariaten Analysen nur noch auf die Unterschiede der mittleren Löhne.36 Zuerst aber noch ein kurzer Blick auf die Entwicklung der allgemeinen Lohnungleichheit sowie die Entwicklung der Geschlechtersegregation bezüglich Beruf und Branche. Aussagen über Erstere lassen sich beispielsweise mit Hilfe des Gini-Koeffizienten oder der mittleren logarithmischen Abweichung („Mean Log Deviation“, MLD) treffen. Der Gini-Koeffizient misst auf Basis der Lorenzkurve das Ausmass, in dem die beobachtete Verteilung der Löhne von der perfekten Gleichverteilung abweicht, und kann wie folgt berechnet werden: G=

n 2 ¯ i∗ − F ∗ ) wi (Yi − Y)(F W Y¯ i=1

mit Fi∗

1 = W

⎡ ⎤ ⎢⎢⎢ wi ⎥⎥⎥⎥⎥ ⎢⎢⎢ w j − ⎥⎥⎦ ⎢⎣ 2 Y ≤Y j

(4.3)

(4.4)

i

wobei W der Summe der Gewichte entspricht (Lerman und Yitzhaki 1989). Ein Wert von Null bedeutet perfekte Gleichverteilung, ein Wert von (fast) Eins perfekte Ungleichheit. Die mittlere logarithmische Abweichung ist ein Entropie-Mass und wie folgt definiert:

n Y¯ 1 wi ln . (4.5) MLD = W i=1 Yi Wiederum bedeutet Wert Null perfekte Gleichverteilung. Der Maximalwert von MLD hingegen ist plus unendlich (Übersichten zu Ungleichheitsmassen geben z. B. Jenkins 1999, Cowell 2000, Engelhardt 2000). Die Ergebnisse für den Gini-Koeffizienten und die mittlere logarithmische Abweichung mit den vorliegenden Daten sind in Abbildung 4.7 dargestellt. Die Werte werden getrennt nach Geschlecht ausgewiesen, um die Veränderung der Unterschiede zwischen den Geschlechtern auszublenden. Während es für Frauen eine leichte Abnahme der Lohnungleichheit zu geben scheint, sind die Ver36 Vorschläge für Methoden zur Dekomposition von Lohndiskrepanzen an verschiedenen Stellen der Verteilung bzw. zur Dekomposition der Differenz gesamter Lohnverteilungen finden sich z. B. in Juhn et al. (1993), DiNardo et al. (1996), Fortin und Lemieux (1998), Bonjour und Gerfin (2001), Lemieux (2002) oder Machado und Mata (2005). Auch Matchingverfahren (Ñopo 2004) oder der Ansatz der relativen Verteilung (Handcock und Morris 1999) könnten sich in diesem Zusammenhang als interessant erweisen. Zu einer Anwendung des Verfahrens nach Machado und Mata (2005) für die Schweiz siehe Strub et al. (2006).

78


Abbildung 4.7: Gini-Koeffizient und mittlere logarithmische Abweichung (MLD) der Stundenlöhne von Frauen und Männern, 1991 – 2006 Frauen

Männer

0.30

0.30

0.25

0.25

0.20

0.20

0.15

0.15

0.10

0.10

0.05

0.05

0.00

0.00

Gini 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06

MLD

91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06


hältnisse bei den Männern praktisch konstant geblieben.37 Entgegen den Erwartungen bzw. entgegen den angelsächsischen Trends scheint die Lohnungleichheit unter Schweizer Arbeitnehmern also nicht zugenommen und unter Arbeitnehmerinnen sogar eher abgenommen zu haben. Zu bemerken ist allerdings, dass hier die unkonditionalen Verteilungen betrachtet werden. Konstanz in der unkonditionalen Verteilung heisst nicht unbedingt, dass sich die dahinter liegenden Prozesse nicht verändert hätten. Genauere Resultate dazu werden die weiter unten folgenden multivariaten Analysen liefern. Zur Messung der Segregation der Geschlechter nach Berufen und Wirtschaftszweigen bietet sich der Dissimilaritätsindex nach Duncan und Duncan (1955) an, der den minimalen Anteil Frauen (oder Männer) angibt, die ihre Stelle wechseln 37 Küng Gugler und Blank (1999, 2000) berichten für 1992 bis 1997 ebenfalls auf Grundlage von SAKE-Daten eine leichte Zunahme der MLD für Männer wie auch für Frauen (nur Vollzeiterwerbstätige). Weder Niveau noch Trend der von Küng Gugler und Blank berichteten Zahlen konnten hier reproduziert werden, wobei sich allerdings eine genaue Replikation aufgrund fehlender Detailinformationen als schwierig erwies. Bolzani und Abul Naga (2002) finden in Kontrast zu Küng Gugler und Blank ebenfalls mit den SAKE-Daten von 1992 und 1997 eher eine Abnahme der Einkommensungleichheit unter Vollzeiterwerbstätigen.

79


Abbildung 4.8: Segregation von Frauen und Männern in Berufen und Branchen, 1991 – 2006 0.70 0.60

Dissimilarität

0.50 0.40 0.30 0.20 0.10

Beruf Branche

0.00 91

92

93

94

95

96

97

98

99

00

01

02

03

04

05

06


müssten, so dass die Geschlechterverhältnisse in allen Berufen bzw. Branchen ausgeglichen wären. Die Berechnung erfolgt gemäss D=

K 1 nkM nkF − 2 k=1 n M nF

(4.6)

mit nkM und nkF als der Anzahl Männer und der Anzahl Frauen in Beruf bzw. Branche k und mit n M und nF als Anzahl Männer und Anzahl Frauen insgesamt. Das Mass variiert zwischen Null im Fall der Gleichverteilung in allen Berufen bzw. Branchen und Eins im Fall perfekter Segregation. Der Dissimilaritätsindex aufgrund der in der SAKE verwendeten fünfstelligen Codes der Schweizerischen Berufsnomenklatur (mit je nach Jahr rund 300 bis 350 beobachteten Kategorien) fiel von 0.596 in Jahr 1991 bzw. 0.630 im Jahr 1992 auf 0.558 im Jahr 2006 (Abbildung 4.8).38 Das heisst, 1991 hätten mindestens 60 Prozent aller Frauen den Beruf wechseln müssen, um eine ausgeglichene 38 Der verhältnismässig grosse Sprung zwischen 2001 und 2002 könnte u. U. auch mit der Einführung der revidierten Fassung der Berufsnomenklatur im Jahr 2002 zusammenhängen.

80


Verteilung der Geschlechter über die Berufe zu erreichen. Bis 2006 fiel dieser Wert auf 56 Prozent. Ein klarer Rückgang zwar, das Ausmass der Segregation ist aber auch 2006 immer noch enorm. Bei der Segregation bezüglich Branchen (dreistellige Codes gemäss der Allgemeinen Systematik der Wirtschaftszweige; rund 200 Kategorien) gab es über den Beobachtungszeitraum praktisch keine Veränderung: Für eine Gleichverteilung müssten zirka 40 Prozent der Frauen die Branche wechseln (1991: 40.0 %, 1992: 41.9 %, 2006: 41.5 %).39 Zusammenfassend finden wir also auf deskriptiver Ebene eine Angleichung der Löhne zwischen den Geschlechtern und konstante bzw. für Frauen eher abnehmende allgemeine Lohnungleichheit. Die berufliche Segregation scheint leicht rückläufig, während sich an der Segregation bezüglich Wirtschaftszweigen nicht viel geändert hat.

4.4 Zerlegungsmethoden und Operationalisierung Wie in der Einleitung angesprochen, gibt es für die Schweiz bereits verschiedene Studien, in denen das Ausmass der Lohndiskrepanz zwischen den Geschlechtern zu messen und zu erklären versucht wurde. Ausgangspunkt der meisten Studien ist eine Mincer’sche Spezifikation der Lohngleichung für Frauen und Männer (Mincer 1974). Die Lohngleichung zu Zeitpunkt t wird dabei repräsentiert als ln Yi jt = Xijt β jt + i jt ,

E(i jt ) = 0,

j ∈ {M, F}

(4.7)

mit ln Y als dem logarithmierten Bruttostundenlohn, X als dem Vektor der beobachteten Merkmale (Bildung, Berufserfahrung, etc.), β j als dem geschlechtsspezifischen Vektor der Regressionskoeffizienten, dem Fehlerterm, j dem Index für das Geschlecht und i dem Individualindex. Das Standardverfahren zur Analyse von geschlechtsspezifischen Lohndiskrepanzen ist, die Lohngleichung zu einem gegebenen Zeitpunkt t für Männer (M) und Frauen (F) separat zu schätzen und die durchschnittliche Lohndifferenz auf Basis der von Blinder (1973) und Oaxaca (1973) populär gemachten Dekompositionstechnik in einen Teil zu zerlegen, der durch Unterschiede in den Mittelwerten der X-Variablen zustande kommt, und einen Teil, der auf Unterschieden in den Koeffizienten (inklusive Achsenabschnitt) beruht. Letzterer Teil reflektiert Unterschiede in den „unbeobachteten“ Merkmalen sowie diskriminierende, von Produktivität unabhängige Lohngebungspraktiken. Um die Komponenten der Blinder-Oaxaca-Dekomposition zu identifizieren, muss eine Annahme über die unbekannte, nicht-diskriminierende Lohnstruktur 39 Man beachte, dass die Systematik der Wirtschaftszweige (NOGA) im Beobachtungszeitraum zweimal überarbeitet wurde (1996 und 2002).

4.4 Zerlegungsmethoden und Operationalisierung

81

gemacht werden. In verschiedenen Varianten der Technik, werden die Koeffizienten der Männer, der Frauen, oder eine Kombination der beiden Vektoren als die nicht-diskriminierenden Referenzkoeffizienten verwendet (vgl. Kapitel 7). Weiterhin schlagen Neumark (1988) und Oaxaca und Ransom (1988, 1994) vor, die nicht-diskriminierenden Koeffizienten anhand eines „gepoolten“ Modells zu schätzen, das heisst durch Ermittlung der Lohnfunktion auf Grundlage der zusammengefassten Daten über beide Geschlechter. Mit Hilfe der geschätzten Koeffizienten kann dann die mittlere Lohndifferenz zwischen Frauen und Männern zu einen bestimmten Zeitpunkt – unter Weglassung des Indexes t – zerlegt werden als

ˆ ˆ + X¯ F (βˆ − βˆ F ) ln Y M − ln YF = (X¯ M − X¯ F ) βˆ + X¯ M (β M − β) (4.8) wobei βˆ dem Schätzer für den nicht-diskriminierenden Koeffizientenvektor entspricht, βˆ M und βˆ F den geschlechtsspezifischen Koeffizientenschätzern, ln Y M und ln YF den Mittelwerten der logarithmierten Stundenlöhne und X¯ M und X¯ F den Vektoren der geschlechtsspezifischen Mittelwerte der unabhängigen Variablen. Der erste Term in (4.8) erfasst, wie gesagt, den Teil der Gesamtdifferenz, der durch Unterschiede in den beobachteten Eigenschaften „erklärt“ wird, der zweite Term steht für den „unerklärten“ Teil, das heisst den Teil, der auf Unterschieden in den Koeffizienten (inklusive Achsenabschnitt) beruht. Die Verwendung eines „gepoolten“ Modells erscheint in Ermangelung spezifischer inhaltlicher Argumente, die für eine andere Lösung sprechen würden, ein sinnvoller Ansatz zur Bestimmung der Referenzkoeffizienten. Auch in den folgenden Analysen soll deshalb dieser Weg eingeschlagen werden. Ein bislang in der Literatur kaum erkanntes Problem des Verfahrens nach Neumark (1988) und Oaxaca und Ransom (1994) ist allerdings, dass ein Teil des unerklärten Teils der Dekomposition unzulässigerweise in den erklärten Teil der Dekomposition transferiert wird, wenn es zwischen den Geschlechtern einen Lohnunterschied sowie auch einen Unterschied bezüglich der erklärenden Variablen gibt.40 Betrachten wir das folgende einfache Lohnmodell mit geschlechtsspezifischen Konstanten aufgrund von Diskriminierung gegenüber Frauen: ⎧ ⎪ ⎪ ⎨α M + γZ + falls männlich ln Y = ⎪ ⎪ ⎩αF + γZ + falls weiblich (4.9) = α + γZ + δG + mit α M = α, und αF = α + δ. G ist eine Indikatorvariable für das Geschlecht mit Wert Eins für Frauen und Wert Null für Männer und δ < 0 ist der Diskriminierungsparameter. Z sei ein positiv mit Einkommen korrespondierendes Merkmal 40 Die einzige mir bekannte Ausnahme, in der dieses Problem angesprochen wird, ist Fortin (2006).

82


wie beispielsweise Bildung. Wird nun γ∗ aus einem „gepoolten“ Modell gemäss E(ln Y|Z) = α∗ + γ∗ Z

(4.10)

in die Dekomposition eingesetzt, erhalten wir als Erwartungswert für den ersten Term der Zerlegung

Cov(Z, G) (Z¯ M − Z¯F )γ∗ = (Z¯ M − Z¯ F ) γ + δ (4.11) Var(Z) mit Cov(Z, G) als der Kovarianz zwischen Z und G und Var(Z) als der Varianz von Z (dies folgt aus der Theorie der weggelassenen Variablen; vgl. z. B. Gujarati 2003: 510f.). Wenn nun Männer im Schnitt einen höheren Z-Wert haben als Frauen, dann ist die Kovarianz zwischen Z und G negativ und der erklärte Teil der Dekomposition wird überschätzt (gegeben γ > 0 und δ < 0). Um das angesprochene Problem zu vermeiden, werden wir in den folgenden Analysen jeweils ein „gepooltes“ Modell verwenden, in dem als zusätzliche Variable das Geschlecht aufgenommen wird. Das verwendete „gepoolte“ Modell ist also jeweils: ln Yit = Xit βt + δt Git + υit , E(υit ) = 0 (4.12) Neben der Dekomposition der geschlechtsspezifischen Lohnunterschiede zu einzelnen Zeitpunkten steht hier auch die Analyse der Veränderung der Lohndiskrepanz und deren Zusammensetzung über die Zeit im Vordergrund. Zur Zerlegung der Veränderung der Lohnunterschiede über die Zeit orientieren wir uns an dem von Juhn et al. (1991) vorgeschlagenen Verfahren (siehe auch Blau und Kahn 1992, 1996b, 1997, OECD 2002).41 Lohngleichung (4.7) kann alternativ notiert werden als ln Yi jt = Xijt β jt + F −1 (4.13) jt (ri jt ) mit

ri jt = F jt (i jt ) = F jt (ln Yi jt − Xijt β jt )

wobei F(x) der Verteilungsfunktion und F −1 (x) der inversen Verteilungsfunktion der Fehler entspricht. ri ∈ [0, 1] ist die relative Position in der Fehlerverteilung, also i = F −1 (ri ). Ausgehend von dieser (zirkulären) Formulierung ergibt sich die Querschnittsdekomposition (4.8) für einen Zeitpunkt t als ln Y Mt − ln YFt = (X¯ Mt − X¯ Ft ) βˆ t + Fˆ t−1 (ˆr Mt ) − Fˆ t−1 (ˆrFt ) (4.14) 41 Einige weitere Ansätze für Trend-Dekompositionen von gruppenspezifischen Lohndiskrepanzen, die hier jedoch nicht weiterverfolgt werden sollen, findet man in Blau und Beller (1988), Smith und Welch (1989; siehe auch Heckman et al. 2000), Wellington (1993), O’Neill und Polachek (1993), oder Lee (2000).

83


mit

n jt

1 −1 ˆ wi jt Fˆ t−1 Fˆ t ln Yi jt − Xijt βˆ t = ln Y jt − X¯ jt βˆ t Ft (ˆr jt ) = W jt i=1

für j ∈ {M, F}. βˆ t stammt wiederum aus einem „gepoolten“ Modell (Gleiˆ chung 4.12) und F(x) ist ein Schätzer der allgemeine Fehlerverteilung zu Zeitpunkt t. Sei Δln Yt = (ln Y Mt − ln YFt ) und ΔX¯ t = (X¯ Mt − X¯ Ft ). Wenn nun Gleichung (4.14) zu zwei Zeitpunkten t = 1, 2 betrachtet wird, so lässt sich beispielsweise die folgende Zerlegung der „Differenz der Differenzen“ formulieren: Δln Y2 − Δln Y1 = (ΔX¯ 2 − ΔX¯ 1 ) βˆ 2 + ΔX¯ 1 (βˆ 2 − βˆ 1 ) + Fˆ 2−1 (ˆr M2 ) − Fˆ 2−1 (ˆrF2 ) − Fˆ 2−1 (ˆr M1 ) − Fˆ 2−1 (ˆrF1 ) + Fˆ 2−1 (ˆr M1 ) − Fˆ 2−1 (ˆrF1 ) − Fˆ 1−1 (ˆr M1 ) − Fˆ 1−1 (ˆrF1 ) wobei

n j1

1 wi j1 Fˆ 2−1 Fˆ 1 ln Yi j1 − Xij1 βˆ 1 Fˆ 2−1 (ˆr j1 ) = W j1 i=1

(4.15)

(4.16)

Die Schätzer βˆ 1 und βˆ 1 stammen aus den „gepoolten“ Modellen für die beiden Zeitpunkte und die zur Berechnung von Ausdruck (4.16) benötigten Verteilungsfunktionen der Fehler werden mit Hilfe der Residuen der geschlechtsspezifischen Modelle geschätzt, also 1 wi jt (4.17) Fˆ t (x) = Wt ˆ ≤x i jt

j∈{M,F}

mit wi j als den Gewichten der individuellen Fälle, W der Summe der Gewichte über alle Fälle beider Geschlechter, und î j , j ∈ {M, F}, als den Residuen aus den geschlechtsspezifischen Lohngleichungen. Ausdruck (4.16) entspricht dem Durchschnitt der „hypothetischen“ Residuen von Männern bzw. Frauen, die man erhält, wenn man die individuellen relativen Positionen in der Fehlerverteilung zu Zeitpunkt 1 mit der Fehlerverteilung zu Zeitpunkt 2 bewertet. Die Differenz des Ausdrucks für Frauen und Männer entspricht also der durchschnittlichen residualen Diskrepanz der logarithmierten Löhne, die man zu Zeitpunkt 2 erhalten würde, wenn die relativen Positionen der Frauen und Männer in der Fehlerverteilung den Positionen zu Zeitpunkt 1 entsprächen, bzw. der hypothetischen Diskrepanz, die sich zu Zeitpunkt 1 ergeben würde, wenn Form und Streuung der Fehler mit den Verhältnissen zu Zeitpunkt 2 übereinstimmten.

84


Die vier Summanden in Zerlegung (4.15) können wie folgt interpretiert werden: Der erste Term entspricht dem Anteil der Veränderung der mittleren Lohndiskrepanz zwischen Frauen und Männern, der auf Veränderungen in geschlechtsspezifischen Unterschieden bezüglich beobachteter Merkmale zurückzuführen ist (beispielsweise auf eine Reduktion der Unterschiede in Berufserfahrung und Bildung). Der zweite Term entspricht dem Einfluss der Veränderung der allgemeinen „Preise“ (i. e. der Koeffizienten), die mit den beobachteten Merkmalen verknüpft sind. Der dritte Term misst den Effekt der Veränderung der relativen Positionen von Frauen und Männern in der residualen Lohnverteilung. Solche Veränderungen der relativen Positionen können auf Veränderungen der Geschlechterunterschiede bezüglich unbeobachteter Merkmale, aber auch auf einer Veränderung der Diskriminierung beruhen. Der vierte Term schliesslich spiegelt die Entwicklung der allgemeinen residualen Lohnungleichheit wider. Angenommen Frauen nehmen etwa aufgrund von Unterschieden bezüglich unbeobachteter Qualifikationen tendenziell tiefere Positionen ein in der residualen Lohnverteilung als Männer. Je höher dabei die „Prämien“ für diese unbeobachteten Merkmale, desto grösser ist die resultierende Lohndiskrepanz zwischen den Geschlechtern. Weiterhin ist hervorzuheben, dass sich die vier Terme der Zerlegung nach ihrem Bezug zu Geschlecht gruppieren lassen. Der Einfluss der geschlechtsspezifischen Faktoren, das heisst der Effekt von Veränderungen der Diskriminierung und der Geschlechterdifferenzen in beobachteten und unbeobachteten Qualifikationen und sonstigen Merkmalen entspricht der Summe des ersten und dritten Terms. Der Einfluss der Entwicklung der allgemeinen Lohnstruktur, das heisst der Veränderung der „Renditen“ auf beobachteten und unbeobachteten Merkmalen wird durch den zweiten und vierten Term erfasst (vgl. Blau und Kahn 1992, 1997). Zur Schätzung der in den beschriebenen Zerlegungen eingesetzten Lohngleichungen werden Merkmale des Humankapitals (Bildung, Berufserfahrung, Firmentreue, Übereinstimmung von gelerntem und ausgeübtem Beruf) sowie Indikatoren für vertikale Segregation (Vorgesetztenfunktion, Mitglied der Geschäftsleitung) und Segregation bezüglich Branchen, Betrieben, und Berufen (Firmengrösse, Frauenanteil in Beruf und Branche) verwendet. Die Variablen sind wie folgt definiert: – Bildung als kategoriale Variable mit den Ausprägungen „Sekundar I oder tiefer“ (Kein Schulabschluss, nur obligatorische Schule, Anlehre, Haushaltslehrjahr, 1 Jahr Handelsschule u. ä.), „Sekundar II beruflich“ (Berufslehre, Vollzeitberufsschule) „Sekundar II allgemeinbildend“ (2 – 3 Jahre allgemeinbildende Schule, Gymnasium, Lehrerseminar u. ä.), „Tertiär ausseruniversitär“ (Meisterdiplom, höherer Fachausweis, Technik- oder Fachschule, Fachhochschule, Höhere Fachschule u. ä.) „Tertiär universitär“


85

(Universität, ETH). „Sekundar II beruflich“ wird in den Regressionsmodellen als Referenzkategorie verwendet, da es sich um die grösste Bildungsgruppe handelt. Bildungskategorien werden an Stelle von Bildungsjahren verwendet, um willkürliche Entscheidungen bei der Umrechnung der Bildungsabschlüsse zu Bildungsjahren und Annahmen über die spezifische funktionale Form des Zusammenhangs zwischen Bildung und Lohn zu vermeiden.42 – Berufserfahrung als die Anzahl Jahre, seit denen die befragte Person gemäss Selbstauskunft „ohne längeren Unterbruch“ erwerbstätig ist (mit der Intervieweranweisung, dass als längerer Unterbruch ein Unterbruch von mehr als 6 Monaten gelte). Der Zusammenhang zwischen Berufserfahrung und logarithmierten Löhnen wird parabolisch modelliert durch Aufnahme der Berufserfahrung im Quadrat (geteilt durch 100 aus Gründen der Skalierung des Koeffizienten). – Firmentreue als die Anzahl Jahre, seit denen die befragte Person gemäss Selbstauskunft im aktuellen Betrieb arbeitet. Der Effekt der Firmentreue wird ebenfalls parabolisch modelliert. – Erlernter Beruf als eine Indikatorvariable dafür, dass der zurzeit ausgeübte Beruf dem erlernten Beruf entspricht. Der Vergleich der Berufe erfolgt aufgrund der in der SAKE verwendeten 5-stelligen Berufscodes. – Vorgesetztenfunktion als Indikatorvariable, die angibt, ob die befragte Person im Betrieb eine Vorgesetztenfunktion wahrnimmt. – Unternehmensleitung als Indikatorvariable für die Mitgliedschaft in der Geschäftsleitung.43 – Log. Betriebsgrösse als der Logarithmus der Anzahl Personen (inklusive die befragte Person), die gemäss Selbstauskunft im gleichen Betrieb arbeiten. Für Werte über 10, die nur in Form von Intervallen vorliegen (11–19, 42 Eine zusätzliche Auffächerung in die elf, zum Teil schwach besetzten Originalkategorien der Bildungsvariable in der SAKE bringt keine wirklich substantielle Verbesserung der Erklärungskraft der Modelle mit sich. Modelle mit einem linearen Effekt einer zu Jahren umgerechneten Bildungsvariable erwiesen sich hingegen als deutlich schlechter. 43 Die den Variablen „Vorgesetztenfunktion“ und „Unternehmensleitung“ zugrunde liegenden Fragen wurden im Jahr 1996 einer Änderung unterzogen, die die gemessenen Quoten substantiell erhöht hat (vgl. die deskriptiven Werte in Tabelle A.4 im Anhang). Vor 1996 wurden die Befragten zuerst gefragt „Gehören Sie zur Unternehmensleitung?“ und dann „Sind Sie in ihrer Tätigkeit angestellt ohne Vorgesetztenfunktion oder mit Vorgesetztenfunktion?“. Ab 1996 waren die Fragen „Wieviele Personen sind Ihnen direkt oder indirekt insgesamt unterstellt?“ und dann „Sind Sie Mitglied der Geschäftsleitung oder haben Sie einen Posten mit ähnlicher Verantwortung?“.

86


20–49, 50–99, 100 oder mehr), werden die Intervallmitten verwendet (mit Wert 150 für das letzte, nach oben offene Intervall). – Frauenquote als der Anteil Frauen unter den Befragten, die den gleichen Beruf ausüben und in der gleichen Branche arbeiten. Die Berechnung der Quoten erfolgt für jeder Jahr getrennt aufgrund von 5-stelligen Berufscodes (rund 300 bis 350 Kategorien) und 3-stelligen Branchencodes (rund 200 Kategorien). Bei dieser detaillierten Betrachtungsweise gibt es viele Zellen, in denen es nur sehr wenig Beobachtungen gibt oder sogar nur eine Beobachtung. Um Endogenitätsprobleme bei der Schätzung des Einflusses des Frauenanteils auf die Lohndiskrepanzen zu vermeiden, werden bei der Bestimmung des Werts der Frauenquote für einen gegebenen Fall nur die anderen Beobachtungen in der jeweiligen Beruf-Branche-Zelle in die Berechnung einbezogen.44 Würde der Fall selbst auch in die Berechnung aufgenommen, dann hinge der Schätzer der Frauenquote vom Geschlecht dieser Person ab und die Frauenquote würde aufgrund dieses Einflusses für Frauen über- und für Männer unterschätzt (wobei sich die Verzerrungen im Aggregat gegenseitig aufheben), bzw. der Zusammenhang zwischen Frauenquote und Geschlecht würde überschätzt. Wird nun im Kontext der Dekomposition von geschlechtsspezifischen Lohndiskrepanzen eine unkorrigierte Frauenquote als erklärende Variable herangezogen, bedeutet dies im Prinzip, dass die Unterschiede zwischen den Geschlechtern mit dem Geschlecht der betrachteten Person erklärt werden, da die Variable „Frauenquote“ ja teilweise durch das Geschlecht einer Person bestimmt ist. Der Einfluss der Frauenquote auf die Lohndiskrepanz wird folglich systematisch überschätzt. Wenn die Gruppen, aufgrund derer die Frauenquoten bestimmt werden, gross sind, dann ist der Einfluss einer einzelnen Beobachtung gering und die Verzerrung vernachlässigbar. Im vorliegenden Fall sind die Gruppen aber sehr klein, so dass massive Verzerrungen resultieren, wie separate Analysen mit der „falschen“ Frauenquote zeigen (nicht dargestellt; die Lohndiskrepanz wird fast vollständig erklärt). Um sinnvolle Ergebnisse zu erhalten, sollte also die korrigierten Frauenquoten verwendet werden. Ein Problem bei der Berechnung dieser „Jackknife“-Frauenquote ergibt sich dadurch, dass sie für Zellen von Grösse Eins (d. h., wenn eine Person eine in den Daten einmalige Beruf-Bran44 Das Verfahren ist verwandt mit den statistischen Konzepten des Jackknife oder der Kreuzvalidierung (z. B. Mosteller und Tukey 1977) oder auch mit den studentisierten Residuen in der Regressionsdiagnostik (vgl. Belsley et al. 1980). Man beachte, dass der Durchschnitt aus den korrigierten individuellen Schätzern in einer Beruf-Branche-Zelle jeweils dem naiven (i. e. unkorrigierten) Schätzer des Frauenanteils für diese Zelle entspricht; im Aggregat führen also beide Schätzer zum gleichen Ergebnis.


87

che-Kombination aufweist) nicht definiert ist. Das Problem wird hier gelöst indem in diesen Fällen die Komplexität der Klassifikation schrittweise reduziert wird, bis sich die Quote schätzen lässt. Das heisst, für einen Teil der Fälle wird die Quote zum Beispiel aufgrund von 4-stelligen Berufsund 3-stelligen Branchencodes bestimmt oder etwa aufgrund von 4-stelligen Berufs- und 2-stelligen Branchencodes etc. (die Abfolge ist 5/3, 4/3, 4/2, 3/2, 2/2, 2/1, 1/1). In den nachfolgenden Modellen wird die so berechnete korrigierte Frauenquote verwendet. Zudem wird ein quadratischer Term in die Modelle aufgenommen, da explorative Analysen auf einen parabolischen Zusammenhang zwischen Frauenquote und Löhnen hinweisen. Bezüglich der verwendeten Operationalisierung der horizontalen Segregation ist zu sagen, dass sie auch eine vertikale Komponente enthält, da Berufsklassifikation zum Teil hierarchische Positionierungen widerspiegeln. In den folgenden Analysen wird die hierarchische Komponente der beruflichen Segregation aber zumindest teilweise durch die Aufnahme von expliziten Indikatoren für vertikale Segregation kontrolliert. Die deskriptiven Statistiken der Variablen finden sich in Tabelle A.4 im Anhang. Die geschlechtsspezifische Differenz der durchschnittlichen logarithmierten Stundenlöhne beträgt 0.343 im Jahr 1991 und 0.247 im Jahr 2006. Das geometrische Mittel der Stundenlöhne lag also 1991 für Männer (e0.343 − 1) · 100 = 41 Prozent höher als für Frauen; 2006 betrug die Differenz der geometrischen Mittel 28 Prozent (die entsprechenden Zahlen sind 37 und 28 % für das arithmetische Mittel und 35 und 24 % für den Median der Stundenlöhne). Unterschiede zwischen den Geschlechtern bestehen auch bezüglich der meisten anderen Variablen. So haben Frauen eine durchschnittlich tiefere Bildung (einen höheren Anteil Sekundar I und tieferen Anteil Tertiärausbildung), eine geringere Berufserfahrung und eine geringere Firmentreue als Männer. Überraschenderweise stimmt bei Frauen der aktuelle Beruf etwas häufiger mit dem erlernten Beruf überein als bei Männern. Dieses Resultat entspricht allerdings auch den Befunden von Sheldon (1995, 2005), der auf Grundlage der Volkszählungen 1970 – 2000 für Männer eine höhere berufliche Mobilität findet. Bezüglich vertikaler Segregation sind die Ergebnisse erwartungsgemäss, dass Frauen deutlich seltener in Führungspositionen vertreten sind. Weiterhin weisen die Unterschiede in der durchschnittlichen Firmengrösse – Frauen arbeiten eher in kleineren Betrieben – und in der Frauenquote in Beruf und Branche in Übereinstimmung mit den Resultaten in Abschnitt 4.3 auf eine ausgeprägte horizontale Segregation hin. Bezüglich der Entwicklung der erklärenden Variablen über die Zeit lässt sich für Männer wie auch Frauen eine Erhöhung der Bildung feststellen (deutliche

88


Zunahme tertiärer Ausbildungen).45 Berufserfahrung und Firmentreue haben für Frauen ebenfalls zugenommen, für Männer sind diese Zahlen jedoch mehr oder weniger konstant geblieben. Den Befunden von Sheldon (2005) entsprechend ist über den Beobachtungszeitraum ein Trend zu mehr beruflicher Mobilität erkennbar (d. h., der Anteil Personen, die den erlernten Beruf ausüben, hat tendenziell abgenommen), wobei aber die Entwicklung für Männer etwas ausgeprägter zu sein scheint also für Frauen. Für die Variablen „Vorgesetztenfunktion“ und „Unternehmensleitung“ lassen sich abgesehen vom bereits in Fussnote 43 angesprochenen, durch Änderungen am Erhebungsinstrument bedingten Sprung zwischen 1995 und 1996 keine bedeutenden Trends feststellen. Entgegen der in Abschnitt 4.2 formulierten Hypothese und in Kontrast zu Charles (2005) kann also zumindest bezüglich der hier verwendeten Indikatoren keine Abnahme der vertikale Segregation erkannt werden. Hingegen hat aber eine leichte Angleichung der Werte für Betriebsgrösse und Frauenquote stattgefunden. Für die Männer ist die durchschnittliche (logarithmierte) Betriebsgrösse mit Ausnahme einer leichten Erhöhung zwischen den ersten beiden Datenwellen etwa konstant geblieben, für Frauen ist auch danach aber ein leichter Aufwärtstrend zu verzeichnen. Die geschlechtsspezifische Diskrepanz im Anteil Frauen, die den gleichen Beruf ausüben und in der gleichen Branche beschäftigt sind wie die befragte Person, hat sich über den Beobachtungszeitraum leicht verringert, wobei aber das Ausmass des Unterschieds und somit das Ausmass an beruflicher Segregation auch 2006 noch beträchtlich ist.

4.5 Ergebnisse Bevor wir uns den Ergebnissen der Querschnitts- und Trenddekompositionen der geschlechtsspezifischen Lohndifferenzen zuwenden, sollen zunächst kurz die Resultate der Lohngleichungen besprochen werden (Tabelle A.5 im Anhang, S. 208). Die Koeffizienten wurden mittels Kleinste-Quadrate-Methode (OLS) unter Berücksichtigung der SAKE-Gewichte geschätzt. Bei den Standardfehlern (in Klammern) handelt es sich um Schätzer, die die Effekte des Stichprobendesigns der SAKE (Stratifizierung und Disproportionalität) einkalkulieren (mittels Taylor-Linearisierung für komplexe Stichproben, vgl. z. B. Lohr 1999: 290ff.). Abhängige Variable ist der Bruttostundenlohn in Schweizerfranken (zu Preisen von 2006; vgl. 45 Die markante Verschiebung der Anteile zwischen den beiden Sekundar-II-Kategorien zwischen 1995 und 1996 hat mit Änderungen am Erhebungsinstrument zu tun. Insbesondere hat der ausgewiesene Wert für den Anteil „Diplommittelschule“, der der Kategorie „Sekundar II allgemeinbildend“ angerechnet wird, zwischen 1995 und 1996 zugunsten des Anteils „Berufslehre“ stark abgenommen.

4.5 Ergebnisse

89

die Definition auf Seite 70). Die Details zur Operationalisierung der erklärenden Variablen finden sich in Abschnitt 4.4. Gemäss den Schätzungen in Tabelle A.5 steigen die Löhne mit höherer Ausbildung für beide Geschlechter (Referenzkategorie ist „Sekundar II beruflich“, was in erster Linie die Berufslehren umfasst). Die Stärke der Bildungseffekte entspricht in etwa den von Bonjour (2000) berichteten Resultaten (obwohl dort eine leicht andere Bildungsklassifikation verwendet wurde). Bezüglich Berufserfahrung zeigt sich das bekannte konkave Zusammenhangsmuster – im Jahr 2006 mit einem maximalen Lohn bei 34 Jahren Berufserfahrung für Männer und 28 Jahren für Frauen (bzw. 34 und 33 Jahren in 1991 oder 33 und 29 Jahren in 1992). Gemäss den Schätzungen für 2006 sind die Effekte eines zusätzlichen Jahres Berufserfahrung am Anfang der Karriere 2.1 % für Männer und 1.5 % für Frauen (bzw. 2.7 % und 1.7 % in 1991 und 2.8 % und 2.4 % in 1992). Die Männer haben somit eine etwas steilere Lohnentwicklung zu Beginn der Karriere als Frauen (die Differenz ist in allen betrachteten Jahren positiv und in den meisten auch statistisch signifikant).46 Wie bei der Berufserfahrung hat auch die Firmentreue einen umgekehrt u-förmigen Einfluss (wobei der quadratische Term nicht in allen Jahren signifikant ist). Erstaunlicherweise sind die Effekte der Firmentreue vor allem gegen Ende des Beobachtungszeitraums für Frauen eher etwas stärker als für Männer (signifikant ab 2002). Der Effekt der Übereinstimmung des erlernten und ausgeübten Berufs ist sehr heterogen. Für Frauen ist der Koeffizient generell deutlich positiv, das heisst, Frauen können offenbar aus den gesammelten berufsspezifischen Fähigkeiten Kapital schlagen. Für Männer hingegen ist der Koeffizient zumindest im zweiten Teil des Beobachtungszeitraums signifikant negativ. Eine ad hoc Interpretation dieses Ergebnisses ist, dass für Frauen ein Berufswechsel mehrheitlich horizontal erfolgt, wodurch das berufsspezifische Humankapital seinen Wert verliert. Bei Männern, so die ad hoc Interpretation, handelt es sich jedoch eher um vertikale (aufwärts gerichtete) Wechsel mit einer entsprechenden Akkumulation berufsspezifischen Humankapitals. Bezüglich der Effekte der Indikatoren vertikaler und horizontaler Segregation lässt sich folgendes sagen: Vorgesetztenfunktion und Mitgliedschaft in der Geschäftsleitung haben für Männer einen tendenziell stärkeren lohnwirksamen 46 Die Differenz der Koeffizienten für Frauen und Männer kann mit Hilfe der in Tabelle A.5 aufgeführten Zahlen einfach getestet werden. Eine approximativ standardnormalverteilte Prüfgrösse für die Differenz zwischen zwei geschlechtsspezifischen Koeffizienten β M und βF ist im vorliegenden Fall gegeben als β M − βF T = SE2M + SE2F wobei mit SE M und SEF die Standardfehler von β M und βF bezeichnet sind (in Tabelle A.5 in Klammern).

90


Einfluss als für Frauen (obwohl die Differenzen nicht immer signifikant sind). Der Grund mag sein, dass die beiden Masse nur ungenau sind, und zum Beispiel Männer mit Vorgesetztenfunktion tendenziell höhere Positionen einnehmen als Frauen mit Vorgesetztenfunktion. Der Effekt der (logarithmierten) Betriebsgrösse ist hingegen für beide Geschlechter ähnlich. Inhaltlich lässt sich der Effekt als Elastizität interpretieren. Bei Erhöhung der Betriebsgrösse um ein Prozent erhöht sich der gemäss dem Modell vorhergesagte Lohn also um gut 0.04 Prozent. Eine Verdopplung der Betriebsgrösse entspricht einer Erhöhung des erwarteten Lohnes um rund 3 Prozent (Berechnung: [2β − 1] · 100). Für die Frauenquote schliesslich ergibt sich ein konkaver Effekt, wobei die Krümmung bei den Männern stärker ausgeprägt ist als bei den Frauen. Trotz der zum Teil nicht signifikanten Parameter in den Modellen für die Frauen, ist der Effekt für beide Geschlechter recht stark. Bei den Frauen könnte der Effekt aber ohne grösseren Präzisionsverlust linear modelliert werden (es würde sich dann ein negativer Koeffizient ergeben).47 Der Grund für die unterschiedlichen Ergebnisse für Männer und Frauen ist, dass sich Männer eher in einem Wertebereich konzentrieren, in dem der Effekt eine hohe Krümmung aufweist, und dass Männer zudem allgemein stärker über den Wertebereich der Frauenquote verteilt sind als Frauen, so dass sich die Parameter mit grösserer Präzision schätzen lassen. Für die Koeffizienten der Humankapitalindikatoren Bildung, Berufserfahrung und Firmentreue können über die einzelnen Jahre abgesehen von einer leichten Reduktion des Parameters für „Sekundar II allgemein“ (Gymnasium u. ä.) keine massgeblichen Veränderungen beobachtet werden (man betrachte dazu vielleicht am besten die über Frauen und Männer zusammengefassten Modelle).48 Die Entwicklung des Koeffizienten für die Übereinstimmung von gelerntem und ausgeübtem Beruf ist nicht ganz klar. Bei den Frauen scheint der Koeffizient eher Rückläufig zu sein, was einerseits als eine Tendenz zur Angleichung an die Situation der Männer (also z. B. als ein allmählicher Wechsel von horizontaler zu vertikaler Mobilität) interpretiert werden kann, jedoch auch ein Zeichen des zunehmenden Mobilitätsdrucks auf dem Arbeitsmarkt sein könnte (Sheldon 2005). 47 Aufgrund der Linearität des Effekts, können die beiden Parameter separat nicht präzise geschätzt werden, der „gemeinsame“ Effekt wird aber trotzdem korrekt wiedergegeben. Die folgenden Zerlegungsresultate sind somit mehr oder weniger unabhängig davon, ob in den Modellen für die Frauen die quadrierte Frauenquote aufgenommen wird oder nicht. 48 Die Reduktion des Parameters für „Sekundar II allgemein“ ist statistisch Signifikant. Unterschiede in den Koeffizienten über die Jahre können für mindestens fünf Jahre auseinander liegende Modelle analog zu Fussnote 46 getestet werden. Liegen die beiden zu vergleichenden Zeitpunkte näher als fünf Jahre zusammen, werden die Berechnungen etwas komplizierter, da sich die Stichproben aufgrund des Designs der SAKE (rotierendes Panel) überschneiden und somit die Koeffizientenschätzer nicht unabhängig sind (d. h., in der Formel der Prüfgrösse muss zusätzlich die Kovarianz zwischen den Koeffizienten berücksichtigt werden).

4.5 Ergebnisse

91

Bei den Männern ist die Entwicklung des Koeffizienten vor allem durch grosse Sprünge zwischen 1991 und 1992 bzw. zwischen 1996 und 1997 gekennzeichnet, ansonsten herrscht jedoch eher Konstanz. Zumindest für 1991 – 1992 ist die starke Veränderung wahrscheinlich auf methodische Effekte zurückzuführen, da eine analoge Verschiebung auch bei den Frauen stattgefunden hat. Die Ursache der starken Veränderungen des Koeffizienten zwischen 1996 und 1997 ist jedoch unklar. Über den gesamten Beobachtungszeitraum betrachtet ist der Rückgang des Koeffizienten für die Übereinstimmung von gelerntem und ausgeübtem Beruf allerdings nur dann statistisch signifikant (im Total wie auch für Männer und Frauen getrennt), wenn 1991 als Ausgangspunkt gewählt wird. Es ist somit zweifelhaft, ob überhaupt eine systematische Veränderung stattgefunden hat. Die Entwicklung der Koeffizienten für vertikale Segregation (Führungsposition, Geschäftsleitung) scheint keinem eindeutigen Muster zu folgen, das heisst, die Differenzen über den Beobachtungszeitraum von 1991 bis 2006 sind nicht signifikant. Falls überhaupt von einer Veränderung gesprochen werden kann, so ist der Koeffizient für die Variable „Führungsposition“ der Tendenz nach eher rückläufig (signifikant z. B. für 1992 bis 2005). Der Koeffizient der Betriebsgrösse ist eher zunehmend, aber nicht signifikant. Über die Entwicklung der Koeffizienten der Frauenquote lässt sich ebenfalls nichts Eindeutiges sagen, wobei hier die Vorzeichen eher auf Abnahme stehen. Insgesamt lassen sich die in Abschnitt 4.2 formulierten Erwartungen über eine Erhöhung der „Preise“ für Humankapital und zunehmende Lohneffekte der Merkmale vertikaler und horizontaler Segregation somit für die Schweiz nicht bestätigen.

4.5.1 Zerlegung der Lohndiskrepanz in den einzelnen Jahren Tabelle A.8 (im Anhang, S. 219) präsentiert die Resultate der Anwendung der Blinder-Oaxaca-Dekomposition auf die Lohngleichungen der einzelnen Jahre. Neben den Zerlegungskomponenten sind zur Abschätzung der statistischen Unsicherheit der Resultate auch Standardfehler aufgeführt (in Klammern).49 Approxi49 Obwohl für die Blinder-Oaxaca-Zerlegung eine analytische Berechnung der Standardfehler möglich ist (vgl. Kapitel 7), werden hier mittels der Bootstrap-Methode gewonnene Standardfehler berichtet (zum Bootstrap-Verfahren siehe z. B. Stine 1990, Efron und Tibshirani 1993, Mooney und Duval 1993, Davison und Hinkley 1997, Casella 2003). Dies hat vor allem praktische Gründe, da für einige der folgenden Analysen zum Teil keine analytischen Schätzer zur Verfügung stehen. Zu bemerken ist, dass die Verwendung der Bootstrap-Technik in Zusammenhang mit komplexen Stichproben manchmal als problematisch Angesehen wird. Die Probleme ergeben sich aber vor allem dann, wenn die durchschnittliche Anzahl PSU („primary sampling units“) pro Strata klein ist (vgl. Shao 1996, 2003), was für die SAKE-Daten nicht zutrifft.

92


mative 95 %-Konfidenzintervalle für die berichteten Zerlegungsresultate ergeben sich jeweils durch Abziehen bzw. Hinzufügen von 1.96 Standardfehlern. Nach den Werten in Tabelle A.8 werden 1991 50 % der durchschnittlichen Differenz der logarithmierten Löhne durch die berücksichtigten Variablen erklärt, wobei der Löwenanteil (37 % der Gesamtdifferenz) auf Unterschiede im Humankapital entfällt und vertikale und horizontale Segregation nur gerade mit 9 bzw. 3 % zu Buche schlagen. Im Jahr 2006 wurden 57 % der Lohndiskrepanz erklärt mit Werten von 40, 12, und 5 % für Humankapital, vertikale und horizontale Segregation. Der nicht erklärte Teil der Diskrepanz der logarithmierten Löhne hat sich von 0.178 im Jahr 1991 (50 %) auf 0.107 im Jahr 2006 (43 %) verringert. Die Zahlen lassen sich approximativ als Prozenteffekte interpretieren:50 Selbst nach Kontrolle von Humankapital und Segregation hatten die Männer also knapp 20 Prozent höhere Löhne als Frauen (das 95-Prozent-Konfidenzintervall beträgt rund 15 bis 24 %). Im Jahr 2006 war der Unterschied zirka 11 Prozent (Konfidenzintervall zirka 9 bis 14 %). Abbildung 4.9 zeigt die Zahlen von Tabelle A.8 in der Übersicht. Wie bereits erläutert, hat der geschlechtsspezifische Lohnunterschied zwischen 1991 und 2006 deutlich abgenommen (von 0.343 auf 0.247 auf der logarithmierten Skala). Man erkennt, dass die Lohnunterschiede auch nach Kontrolle von Humankapital rückläufig sind, wobei aber der Trend aufgrund des tendenziell abnehmenden Effekts der Humankapitaldifferenzen etwas abgeschwächt ist. Weiterhin erkennt man, dass der Einfluss der geschlechtsspezifischen Differenzen bezüglich der Indikatoren für vertikale Segregation etwa konstant geblieben ist. Am auffallendsten ist jedoch, dass die Erklärungskraft der horizontalen Segregation (bezüglich Betriebsgrösse, Beruf und Branche) insgesamt recht marginal ausfällt. Dies ist mit Blick auf die sehr ausgeprägte Segregation der Geschlechter auf dem Arbeitsmarkt doch eher erstaunlich. Es stellt sich die Frage, ob vielleicht die gewählte Modellierung mit der Verwendung einer Variablen für den Frauenanteil in Beruf und Branche nicht flexibel genug ist, um den Einfluss der Segregation adäquat abzubilden. Es empfiehlt sich deshalb, die Resultate mit den Ergebnissen eines flexibleren Ansatzes zu vergleichen. Die anpassungsfähigste Methode, um Lohnniveauunterschiede zwischen Branchen und Berufen zu kontrollieren, ist für jede Beruf-Branche-Zelle einen eigenen Parameter in die Lohngleichung aufzunehmen. Vergleiche zwischen Männern und Frauen werden dann nur noch innerhalb dieser Zellen angestellt, da die 50 Die genaue Interpretation ist wie folgt: Der Mittelwert von logarithmierten Löhnen ist gleich dem Logarithmus des geometrischen Mittels der Löhne auf der Originalskala. Eine Differenz der mittleren logarithmierten Löhne von 0.178 entspricht also einer relativen Differenz der geometrischen Mittel der nicht-logarithmierten Löhne von (e0.178 − 1) · 100 = 19.5 Prozent.

93

4.5 Ergebnisse

Abbildung 4.9: Blinder-Oaxaca-Dekompositionen der geschlechtsspezifischen Lohnunterschiede, 1991 – 2006 0.35 0.30

Differenz

0.25 0.20 0.15 0.10 0.05 0.00 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 Differenz Total Nach Kontrolle von Humankapital ... und vertikaler Segregation ... und horizontaler Segregation


zusätzlichen Parameter die Varianz zwischen Berufen und Branchen komplett herauspartialisieren. Abbildung 4.10 (bzw. Tabelle A.9 im Angang, S. 221) zeigt die Ergebnisse der Zerlegung der Lohnunterschiede unter Verwendung solcher „fixer Effekte“ für Branchen und Berufe. Die geschlechtsspezifischen Parametervektoren für die Dekomposition werden anhand der Gleichung Yi = Xi (1 − Gi )β M + XiGi βF + νk[i] + i ,

E(i ) = 0

(4.18)

bestimmt, wobei X wiederum die erklärenden Variablen plus Konstante enthält (nun jedoch exklusive Frauenquote), G ein Indikator für das Geschlecht ist (weiblich), und νk[i] den fixen Effekt für die Beruf-Branche-Zelle k symbolisiert, in

94


Abbildung 4.10: Blinder-Oaxaca-Dekompositionen mit fixen Effekten für Berufe und Branchen, 1991 – 2006 0.35 0.30

Differenz

0.25 0.20 0.15 0.10 0.05 0.00 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 Differenz Total Nach Kontrolle von Humankapital ... und vertikaler Segregation ... und horizontaler Segregation


der sich Individuum i befindet.51 Gleichung (4.18) wird indirekt durch Anwendung der Kleinste-Quadrate-Methode auf die an den Mittelwerten der Beruf-Branche-Zellen zentrierten Daten geschätzt (siehe z. B. Wooldridge 2002: 265ff.). Die nicht-diskriminierenden Referenzparameter schliesslich werden in ähnlicher Weise wiederum mit einem gepoolten Modell ermittelt (Modell 4.12 plus die fixen Effekte für die Beruf-Branche-Zellen). Gegeben die Parameterschätzer unter Berücksichtigung der fixen Effekte für die Berufe und Branchen lässt sich nun wieder die Blinder-Oaxaca-Zerlegung gemäss Gleichung (4.8) berechnen, wobei sich aber aufgrund des Einflusses der 51 Notation k[i] ist bei Gelman und Hill (2007) entlehnt.

95

4.5 Ergebnisse

fixen Effekte noch ein dritter Term ergibt, also

ˆ ˆ + X¯ F (βˆ − βˆ F ) ln Y M − ln YF = (X¯ M − X¯ F ) βˆ + X¯ M (β M − β) ⎡ ⎤ ⎢⎢⎢ ⎥⎥⎥ + ⎢⎢⎣⎢ νˆ k[i] − νˆ k[i] ⎥⎥⎦⎥ Gi =0

(4.19)

Gi =1

Die Ergebnisse dieser Variante der Dekomposition (Abbildung 4.10, Tabelle A.9) scheinen sich auf den ersten Blick ziemlich von den bisherigen Resultaten zu unterscheiden. Die Effekte von Humankapital und vertikaler Segregation sind kleiner, hingegen sind die Effekte der horizontalen Segregation (fixe Effekte plus der Effekt der Betriebsgrösse) jetzt deutlich grösser. In der Summe sind die Erklärungsbeiträge aber etwa gleich gross wie in der ersten Dekomposition, das heisst, der verbleibende nicht erklärte Teil der Differenz ist bei beiden Verfahren im Schnitt praktisch gleich gross (als Interpretationshilfe ist in Abbildung 4.10 der nicht erklärte Anteil gemäss der ersten Dekomposition als gepunktete Linie eingezeichnet). Nur wenn insgesamt mit der Methode der fixen Effekte ein deutlich kleinerer nicht erklärter Teil übrig bliebe, wäre dies ein Hinweis für die unzureichende Flexibilität der ersten Modellierung mit der Variable für den Frauenanteil in Beruf und Branche. Die Effekte der horizontalen Segregation sind also in der ersten Zerlegung nicht deshalb so klein, weil das Modell nicht anpassungsfähig genug wäre.52 Ein weiteres, im Rahmen von Lohnanalysen häufig angesprochenes Problem ist die Möglichkeit, dass die beobachteten Daten eine Selektionsverzerrung aufweisen, die dadurch zustande kommt, dass nur ein Teil der Personen im erwerbsfähigen Alter überhaupt auf dem Arbeitsmarkt aktiv ist. Das Problem besteht vor allem bei Frauen, die weniger häufig erwerbstätig sind als Männer. Wir präsentieren hier deshalb zusätzlich noch Resultate unter Berücksichtigung einer Selektionskorrektur für Frauen nach dem klassischen Verfahren von Heckman (1976, 52 Der Grund für die Verschiebung der Erklärungsanteile zugunsten der horizontalen Segregation in der zweiten Dekomposition liegt darin, dass ein Teil der Effekte der erklärenden Variablen durch die fixen Effekte absorbiert wird. Wie erläutert, werden durch die fixen Effekte bei der Schätzung der Regressionsmodelle alle Unterschiede zwischen den Beruf-Branche-Zellen ausgeblendet. Wenn also zum Beispiel Bildung einen Zusammenhang zu den Berufen aufweist, was anzunehmen ist, so wird dieser Teil des Bildungseffekts in der Dekomposition den fixen Effekten zugeschlagen. Man bedenke auch, dass für einen grossen Teil der Beruf-Branche-Zellen nur gerade eine Beobachtung vorliegt und diese Fälle im Modell mit den fixen Effekten somit nichts zur Schätzung des Bildungseffekts beitragen. (In der Dekomposition werden diese Fälle allerdings bei der Berechnung der geschlechtsspezifischen Differenzen der X-Mittelwerte dann wieder berücksichtigt, was aber auf die Resultate keine substanziellen Einflüsse hat, wie alternative, hier nicht weiter dokumentierte Dekompositionsergebnisse zeigen, bei denen Beruf-Branche-Zellen mit nur einer Beobachtung von der Berechnung der X-Mittelwerte ausgeschlossen wurden.)

96


1979; vgl. z. B. Winship und Mare 1992, Engelhardt 1999). Bei dem Verfahren wird zuerst eine Selektionsgleichung geschätzt, also eine Gleichung für die Wahrscheinlichkeit, erwerbstätig zu sein. Dazu wird i. d. R. ein Probit-Modell verwendet, also (4.20) Pr(Di = 1|Zi ) = Φ(Zi α) wobei Di ein Indikator für den Erwerbsstatus ist (1 bei Erwerbstätigkeit, 0 bei Nichterwebstätigkeit). Zi ist ein Vektor mit erklärenden Variablen, und α der zu schätzenden Parametervektor. Φ(x) symbolisiert die Standardnormalverteilungsfunktion. Mit Hilfe der Ergebnisse für (4.20) wird dann eine Lohngleichung geschätzt, die einen Term zur Kontrolle der Selektion enthält, und zwar Yi = Xi β + γλˆ i + i , mit λˆ i =

E(i ) = 0

φ(−Zi α) ˆ 1 − Φ(−Zi α) ˆ

(4.21)

(4.22)

wobei φ(x) die Dichte der Standardnormalverteilung symbolisiert. Die Formel für λi (bezeichnet als inverse Mills’-Ratio) folgt aus der Annahme einer bivariaten Normalverteilung der Fehler der Selektionsgleichung und der Lohngleichung, was hier aber nicht näher besprochen werden soll.53 Die für Selektion korrigierten β-Koeffizienten aus (4.21) können dann wie gewohnt in der Blinder-OaxacaDekomposition verwendet werden, wobei der Selektionseffekt als dritter additiver Term in der Zerlegungsformel erscheint, also

ˆ ˆ + X¯ F (βˆ − βˆ F ) − γˆ λˆ ln Y M − ln YF = (X¯ M − X¯ F ) βˆ + X¯ M (β M − β)

(4.23)

(vgl. Neuman und Oaxaca 2004). Aus praktischen Gründen verwenden wir nicht direkt die Ergebnisse von (4.21) für die Dekomposition, sondern generieren zuerst für Frauen eine um den Selektionseffekt korrigierte Lohnvariable Yi∗ = Yi − γˆ λˆ i

(4.24)

und wenden dann das Standardprozedere gemäss Abschnitt 4.4 auf die modifizierten Daten an (was zu identischen Resultaten führt). Der Vorteil dieser Vorgehensweise liegt vor allem darin, dass sie problemlos auch auf die im nächsten Abschnitt folgende Trenddekomposition übertragen werden kann. 53 Gleichungen (4.20) und (4.21) lassen sich zwar simultan schätzen, wir verwenden hier aber aus praktischen Gründen das (statistisch weniger effiziente aber dafür auf schwächeren Annahmen beruhende) zweistufige Verfahren, bei dem die Werte der Koeffizienten der Gleichungen sequenziell ermittelt werden.

4.5 Ergebnisse

97

Die verwendeten Variablen und die Modellschätzungen für die Selektionsgleichung sind in den Tabellen A.6 und A.7 dokumentiert. Die zu erklärende Variable ist die Arbeitsmarktpartizipation von Frauen, wobei in den Vergleich nur abhängig erwerbstätige Frauen und nicht erwerbstätige Frauen einbezogen werden (d. h., Selbständige, Lehrlinge und Arbeitslose werden ausgeschlossen; weiterhin bleiben auch erwerbstätige Frauen, die keine Angabe über ihr Einkommen machten, unberücksichtigt). Als erklärende Variablen fungieren das Alter, die Bildung, der Zivilstand, und Angaben zu Kindern, wobei der Alterseffekt als lineare SplineFunktion modelliert wird und diverse Interaktionseffekte aufgenommen werden, um das Modell genügend anpassungsfähig zu halten. Auf eine weitere Variable, die mit Referenz zur Arbeitsangebotstheorie (Killingsworth 1983) häufig in Gleichungen zur Erklärung der Arbeitsmarktpartizipation auftaucht, – das Einkommen der anderen Haushaltsmitglieder – verzichten wir hier. Das durch die anderen Haushaltsmitglieder erwirtschaftete Einkommen hängt endogen von der Arbeitsmarktpartizipationsentscheidung der befragten Person ab. Die Information, die eigentlich interessieren würde – die Einkommenschancen bzw. die (potenziellen) Stundenlöhne der anderen Haushaltsmitglieder – ist leider in den Daten nicht verfügbar. Die Dekompositionsergebnisse mit Selektionskorrektur sind in Abbildung 4.11 und Tabelle A.10 (im Anhang) dargestellt. Auffallend ist in erster Linie, dass der anfänglich negative Selektionseffekt54 gegen Ende des Beobachtungszeitraums verschwindet. In Anbetracht der steigenden Erwerbsbeteiligung der Frauen macht dieses Ergebnis durchaus Sinn. Ein Teil des Rückgangs der Lohndiskrepanz zwischen Männern und Frauen ist demnach auf eine Abnahme der Selektion zurückzuführen. Die Erklärungsbeiträge von Humankapital und Segregation verändern sich dabei im Vergleich zur Dekomposition ohne Selektionskorrektur nicht massgeblich, für den Anteil der nicht erklärten Differenz ergibt sich aber nun nach einem anfänglichen Rückgang mit einem Tiefpunkt in den Jahren 1999 bis 2001 ein deutlicher Anstieg gegen Ende der Beobachtungszeitraums. Das Gleiche gilt auch für die Lohndiskrepanz im Total: Nach Korrektur der Selektion haben die Lohnunterschiede zwischen Männern und Frauen seit 2000 eher zugenommen! Da das Heckman-Verfahren auf relativ restriktiven Annah54 Ein negativer Selektionseffekt bedeutet, dass eher Frauen mit verhältnismässig schlechten Löhnen erwerbstätig sind. Die Lohndiskrepanz zwischen Frauen und Männern wird folglich aufgrund der beobachtbaren Löhne überschätzt bzw. durch die Berücksichtigung der Selektionseffekte nach unten korrigiert. Die Zahlen für den Selektionsterm in Tabelle A.10 lassen sich als Mass für die ungefähre prozentuale Unterschätzung der Frauenlöhne in der Stichprobe interpretieren. Der Wert von 0.056 für 1991 bedeutet also, dass der durchschnittliche Frauenlohn in der Stichprobe ohne Selektionskorrektur um zirka 5.5 % zu tief ausgewiesen wird. Einen negativen Selektionseffekt für Frauen in den 1990er Jahren (oder früher) finden auch andere Studien für die Schweiz (vgl. z. B. Kugler 1988, Diekmann und Engelhardt 1995a, Henneberger und Sousa-Poza 1999).

98


Abbildung 4.11: Blinder-Oaxaca-Dekompositionen mit Selektionskorrektur, 1991 – 2006 0.35 0.30

Differenz

0.25 0.20 0.15 0.10 0.05 0.00 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 Differenz Total Nach Selektionskorrektur ... und Kontrolle von Humankapital ... und vertikaler Segregation ... und horizontaler Segregation


men fusst und auch recht sensitiv reagiert auf die Spezifikation der Selektionsgleichung, sind diese Ergebnisse jedoch mit gewisser Vorsicht zu geniessen. Es wird aber auf jeden Fall interessant sein zu beobachten, wie sich der Trend in den nächsten Jahren fortsetzt. Unabhängig davon, ob man nun den selektionskorrigierten Ergebnissen Vertrauen schenkt oder nicht, so ist doch auch bei der Betrachtung der anderen Resultate folgendes auffällig: Während bis Ende 1990er Jahre ein kontinuierlicher Rückgang der Lohndiskrepanz sowie des unerklärten Teils zu beobachten ist, scheint sich der Trend ab 2000 zumindest abzuflachen. Diese Ergebnisse strafen alle Hoffnungen auf eine baldige Angleichung der Positionen der Geschlechter auf dem Arbeitsmarkt Lügen.

4.5 Ergebnisse

99

4.5.2 Zerlegung der Veränderung der Lohndiskrepanz Wenden wir uns nun der Dekomposition der Veränderung der Lohndiskrepanz zwischen den Geschlechtern über die Zeit zu, deren Resultate in Tabelle A.11 (im Anhang, S. 225) zu finden sind. Wie in Abschnitt 4.4 dargelegt wird in Anlehnung an Juhn et al. (1991) und Blau und Kahn (1997) die Gesamtveränderung der durchschnittlichen geschlechtsspezifischen Lohndiskrepanz zerlegt in (1) Effekte der Veränderung der geschlechtsspezifischen Unterschiede in den beobachteten Merkmalen, (2) Effekte der Veränderung der mit diesen Merkmalen verbundenen Koeffizienten, (3) Effekte der sich verändernden relativen Positionen von Männern und Frauen im nicht erklärten Teil der Lohnverteilung, sowie (4) Effekte der sich verändernden allgemeinen Ungleichheit der residualen Löhne. Die Dekomposition wird für jedes Jahr im Vergleich zu 2006 durchgeführt, es wird also für 1991 bis 2005 jeweils die Veränderung der Lohndiskrepanz bis 2006 betrachtet, so dass die Entwicklung der Komponenten über die Zeit verfolgt werden kann.55 Vergleiche zwischen anderen Jahren erhält man, indem man die in Tabelle A.11 enthaltenen Werte für diese Jahre voneinander subtrahiert.56 Über den gesamten Zeitraum von 1991 bis 2006 hat sich die durchschnittliche Differenz der logarithmierten Löhne zwischen Frauen und Männern um 0.095 Skalenpunkte verringert. Gut 40 Prozent dieser Veränderung (0.040/0.096) gehen auf das Konto der Reduktion der Unterschiede zwischen den Geschlechtern bezüglich beobachteter Faktoren wie Humankapital oder Segregation. Der Effekt steigt im Verlauf der weiteren Jahre zuerst noch an und nimmt dann graduell ab, bleibt aber bis 2003 signifikant. Ausgedrückt als Anteil an der Gesamtveränderung nimmt der Einfluss der Veränderung der geschlechtsspezifischen Unterschiede der beobachteten Merkmale kontinuierlich zu und erreicht um die Jahrtausendwende einen Wert von 100 % oder sogar mehr. Ganz deutlich kann also ein die geschlechtsspezifischen Lohndiskrepanzen reduzierender Einfluss der Angleichung der Ge-

55 Man beachte, dass den Formeln in Abschnitt 4.4 entsprechend bei den einzelnen Vergleichen jeweils die Koeffizienten und die Residualverteilung aus dem Jahr 2006 zur Bewertung der Veränderung der Geschlechterdifferenzen bezügliche beobachteter und unbeobachteter Merkmale verwendet wird (d. h., Jahr 2006 entspricht jeweils Zeitpunkt 2 in den Formeln). Alternative Berechnungen mit Koeffizienten und Residuen, die aus Modellen auf Grundlage der zusammengefassten Daten über alle Jahre stammen (mit fixen Jahreseffekten, um für Zeittrends zu kontrollieren, und unter Berücksichtigung der durch das rotierende Panel verursachten Klumpenstruktur der Daten), ergaben praktisch identische Resultate (nicht dargestellt). 56 Wobei sich allerdings die Standardfehler dieser zusätzlichen Vergleiche aus den Werten in Tabelle A.11 nicht bestimmen lassen. Da in Tabelle A.11 jeweils der Vergleich zu 2006 gemacht wird, sind die Resultate nicht unabhängig, so dass zur Berechnung der Standardfehler von Differenzen zwischen den Resultaten für verschiedene Jahre auch Kovarianzen benötigt werden.

100


schlechter bezüglich der Merkmale für Humankapital und Segregation festgestellt werden. Für die Entwicklung der mit diesen Merkmalen zusammenhängenden Koeffizienten ergibt sich für den Vergleich 1991 bis 2006 umgekehrt eher ein die Lohndifferenz ausweitender Effekt. Der Wert des Effekts ist aber mit 0.011 eher gering und auch nicht signifikant von Null verschieden. Zudem ist er über die weiteren Jahre nicht konsistent positiv sondern wechselt öfters das Vorzeichen (und ist in keinem der betrachteten Jahre weder in die eine noch in die andere Richtung signifikant). Die Hypothese einer positiven Beeinflussung der geschlechtsspezifischen Lohndiskrepanz durch steigende „Preise“ für die beobachteten Merkmale kann also für die Schweiz nicht bestätigt werden. Der Effekt der geschlechtsspezifischen unbeobachteten Faktoren hat im Vergleich 1991 – 2006 zu etwa 50 % (0.048/0.095) zur Reduktion der geschlechtsspezifischen Lohnungleichheit beigetragen. Dies kann ein Hinweis sein auf eine Reduktion der Diskriminierung von Frauen, kann aber auch mit einer Angleichung der Geschlechter bezüglich unbeobachteter produktivitätsrelevanter Merkmale zusammenhängen. Interessanterweise ist der Effekt nur in den ersten beiden Jahren signifikant. Danach ist kein einheitliches Muster mehr feststellbar. Da sich in den ersten Jahren spiegelbildlich der Erklärungsbeitrag der beobachteten geschlechtsspezifischen Faktoren erhöht hat, liegt die Annahme nahe, dass der Effekt nicht auf einer Reduktion von Diskriminierung beruht, sondern vielleicht eher etwas mit einer schlechteren Datenqualität (i. e. einer weniger präzisen Messung der beobachteten Merkmale) in den ersten Wellen der SAKE zu tun hat. Insgesamt finden sich somit über den betrachteten Zeitraum keine stichhaltigen Hinweise für eine Reduktion der Diskriminierung von Frauen. Schliesslich bleibt noch der Effekt der Entwicklung der allgemeinen residualen Lohnungleichheit, der zumindest bei Betrachtung der ersten Jahre ebenfalls einen verringernden Einfluss auf die geschlechtsspezifischen Lohndiskrepanzen hatte. Wie erläutert wirkt sich eine Abnahme der residualen Lohnungleichheit derart aus, dass – bei gleich bleibender Ordnung der Geschlechter über die Verteilung – die beiden Gruppen absolut gesehen näher zusammenrücken. Die Zahlen in Tabelle A.11 weisen darauf hin, dass ein solcher Prozess stattgefunden hat. Für die Interpretation dieser Resultate ist es allerdings wichtig, sich zu vergegenwärtigen, dass die Residualverteilung in dem Zerlegungsverfahren aufgrund der Residuen von beiden Geschlechtern zustande kommt. In den deskriptiven Resultaten in Abschnitt 4.3 wurde gezeigt, dass sich die Ungleichheit der Lohnverteilung über den Beobachtungszeitraum für Frauen verringert hat, für Männer jedoch etwa konstant geblieben ist. Die Vermutung liegt deshalb nahe, dass die in der Trenddekomposition ermittelten Effekte hauptsächlich auf eine Veränderung der Residualverteilung der Frauen zurückzuführen sind. Zusätzliche Analysen (nicht dargestellt),

4.5 Ergebnisse

101

bei denen wahlweise entweder die Koeffizienten und die residuale Lohnverteilung der Männer oder der Frauen als Referenz verwendet wurden, bestätigen diese Vermutung. Die Effekte der residualen Lohnstruktur zeigen sich nur in letzterem Fall, während sie bei Verwendung der Residuen der Männer als Bezugsgrösse verschwinden bzw. sich zum Teil in die Komponente der geschlechtsspezifischen unbeobachteten Faktoren verschieben.57 Die Ergebnisse könnten unter Umständen Folge sein von den Bemühungen zur Gewährleistung von Bruttolöhnen von mindestens 3000 Schweizerfranken pro Monat für eine Vollzeitstelle und der damit verbundenen Besserstellung der Frauen im Tieflohnsegment (aufgrund ihrer insgesamt schlechterer Stellung auf dem Arbeitsmarkt dürften überproportional oft Frauen die „Nutzniesser“ solcher Massnahmen gewesen sein; vgl. Strub et al. 2006: 47). Werden die vier besprochenen Hauptkomponenten der Zerlegung nach ihrem Bezug zu Geschlecht beziehungsweise zur allgemeinen Lohnstruktur zusammengefasst, so ergibt sich ein sehr klares Bild. Insgesamt überwiegen die geschlechtsspezifischen Faktoren bei weitem (Abbildung 4.12). Praktische die gesamte Veränderung ist den vorliegenden Resultaten nach auf geschlechtsspezifische Faktoren zurückzuführen. Die allgemeinen lohnstrukturellen Einflüsse scheinen nur eine marginale Rolle zu spielen und sind in keinem Jahr auch nur annähernd signifikant (vgl. die unterste Zeile in Tabelle A.11, S. 225). Ferner ist die Aufteilung des Erklärungsbeitrags innerhalb der geschlechtsspezifischen Faktoren interessant. Erstens sind es (einmal abgesehen von 1991 und 1992) hauptsächlich die Veränderungen bezüglich beobachteter Merkmale, die einen Einfluss haben. Unter diesen beobachteten geschlechtsspezifischen Faktoren entfällt der Löwenanteil des Effekts auf die Humankapitalvariablen. Eine Verringerung der Lohnungleichheiten aufgrund einer Angleichung der Geschlechter bezüglich der Indikatoren für vertikale Segregation (Vorgesetztenfunktion, Mitgliedschaft in Geschäftsleitung o. ä.) ist nicht zu erkennen, was äusserst bemerkenswert erscheint. Hingegen ist aber die Abnahme der horizontalen Segregation ganz deutlich für einen (wenn auch eher kleinen) Teil des Rückgangs der geschlechtsspezifischen Lohnunterschiede verantwortlich.58 57 Ansonsten ergeben sich in diesen zusätzlichen Analysen verglichen mit den hier berichteten Ergebnissen auf Grundlage der „gepoolten“ Koeffizienten und Residuen kaum Unterschiede. 58 Zusätzliche Analysen (nicht dargestellt), bei denen die Erklärungsbeiträge weiter in die Anteile der einzelnen Indikatoren aufgeteilt wurden, zeigen, dass Angleichungen der Geschlechterdifferenzen bezüglich Bildung, Berufserfahrung und Firmentreue in ähnlichem Masse für den Rückgang der Lohndifferenzen verantwortlich sind, während vom Indikator für die Übereinstimmung des erlernten und ausgeübten Berufs keine Einflüsse ausgehen. Der Einfluss der horizontalen Segregation geht vor allem auf das Konto der Betriebsgrösse. Der Effekt einer Reduktion der Segregation bezüglich Beruf und Branche ist, falls überhaupt ein systematischer Einfluss besteht, nur gering.

102


Abbildung 4.12: Dekomposition der Veränderung der geschlechtsspezifischen Lohnunterschiede, 1991 – 2006 0.05

Differenz

0.00

−0.05

−0.10 91

92

93

94

95

96

97

98

99

00

01

02

03

04

05

Veränderung Total Veränderung aufgrund geschlechtsspezifischer Faktoren Veränderung aufgrund lohnstruktureller Faktoren

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkung: Abgebildet sind die Veränderungen bis 2006.

Die Resultate zu den Querschnittsdekompositionen im letzten Abschnitt weisen darauf hin, dass ein Teil der beobachteten Angleichung der Löhne von Männern und Frauen möglicherweise auf eine mit der zunehmenden weiblichen Erwerbspartizipation einhergehende abnehmende Selektivität der Daten für die Frauen zurückzuführen ist. Tabelle A.12 zeigt deshalb die Resultate der Trenddekomposition aufgrund selektionskorrigierter Frauenlöhne (vgl. die Erläuterungen im letzten Abschnitt). Ein Ergebnis ist, dass der aufgrund geschlechtsspezifischer Faktoren erklärte Teil der Veränderung der Lohnunterschiede durch die Selektionskorrektur abnimmt, während die Effekte der allgemeinen Lohnstruktur praktisch gleich bleiben (Abbildung 4.13). Das ist durchaus erwartet, da ja der Selektionseffekt selbst auch als ein geschlechtsspezifischer Faktor angesehen werden kann, der mit der allgemeinen Lohnstruktur nur indirekt zu tun hat. Ferner zeigt sich, dass

103

4.5 Ergebnisse

Abbildung 4.13: Dekomposition der Veränderung der geschlechtsspezifischen Lohnunterschiede mit Selektionskorrektur, 1991 – 2006 0.05

Differenz

0.00

−0.05

−0.10 91

92

93

94

95

96

97

98

99

00

01

02

03

04

05

Veränderung Total Veränderung Total mit Selektionskorrektur Veränderung aufgrund geschlechtsspezifischer Faktoren Veränderung aufgrund lohnstruktureller Faktoren

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkung: Abgebildet sind die Veränderungen bis 2006.

die Selektionskorrektur hauptsächlich bei den unbeobachteten geschlechtsspezifischen Faktoren ansetzt. Die Befunde für die beobachteten geschlechtsspezifischen Faktoren bleiben hingegen uneingeschränkt bestehen.59 Nach Korrektur der Veränderung der Selektivität der Daten der Frauen, ist praktisch kein Beitrag der unbeobachteten Faktoren auf die Abnahme der Lohndiskrepanz mehr zu erkennen. Auch dies ist ein Hinweis dass sich an der Diskriminierung, wie auch immer diese ausgestaltet ist, über den betrachteten Zeitraum nicht viel geändert hat. Zu bemer59 Zwischen den in Tabelle A.11 und Tabelle A.12 berichteten Werten für die Einflüsse der beobachteten geschlechtsspezifischen Faktoren lassen sich keine Unterschiede festzustellen (ausser für die Standardfehler, die aufgrund des Bootstrap-Verfahrens einen kleinen Zufallsfehler aufweisen). Es handelt sich nicht um einen Übertragungsfehler (die Differenzen zwischen den Werten sind lediglich zu klein, um bei der in den Tabellen verwendeten Präzision noch sichtbar zu sein).

104


ken ist allerdings, dass die Notwendigkeit der Berücksichtigung des Einflusses der Änderung der Selektion nicht sehr zwingend erscheint, da der Einfluss selbst nur teilweise signifikant ist. Die Resultate liefern somit zwar gewisse Hinweise, lassen aber kaum eindeutige Schlüsse zu.

4.6 Fazit In diesem Kapitel wurden auf Grundlage der Daten der Schweizerischen Arbeitskräfteerhebung (SAKE) 1991 – 2006 drei Hypothesen zu den Hintergründen der Abnahme der geschlechtsspezifischen Lohnunterschiede in der Schweiz geprüft. Eine erste Hypothese besagt, dass die Abnahme durch sich verändernde geschlechtsspezifische Faktoren verursacht wird wie zum Beispiel eine Verkleinerung der Qualifikationsunterschiede zwischen Frauen und Männern oder durch eine Abnahme der horizontalen und vertikalen Segregation. Eine zweite Hypothese bezieht sich auf die Möglichkeit, dass sich die „Preise“ für die verschiedenen arbeitsmarktrelevanten Fähigkeiten und Qualifikationen sowie die „Prämien“ für die Beschäftigung in gewissen Branchen, Berufen und hierarchischen Positionen über die Zeit verändert haben. Die Erwartung war, dass sich diese lohnstrukturellen Faktoren eher in eine die Lohnungleichheiten vergrössernde Richtung bewegen und somit einer Abnahme der geschlechtsspezifischen Lohnunterschiede entgegenwirken. Die dritte Hypothese ist, dass die Lohnunterschiede aufgrund einer Abnahme der Diskriminierung rückläufig sind. Tatsächlich zeigen die Resultate von Zerlegungen der Lohnunterschiede zu den einzelnen Zeitpunkten, dass sich der unerklärte Teil der Diskrepanz verkleinert hat. Ob diese Entwicklung wirklich mit abnehmender Diskriminierung in Verbindung gebracht werden kann, ist aber unklar, da im unerklärten Teil der Zerlegung auch die Effekte von unbeobachteten arbeitsmarktrelevanten Merkmalen enthalten sind. Tabelle 4.2 fasst die Ergebnisse bezüglich der Hypothesen zusammen. Entgegen den Erwartungen kann keine zunehmende Ungleichheit der allgemeinen Lohnstruktur festgestellt werden. Weder scheinen sich die „Renditen“ auf Qualifikationen erhöht zu haben, noch hat eine massgebliche Veränderung der „Prämien“ für die Beschäftigung in eher männlich dominierten Berufen, Branchen, oder Positionen stattgefunden. Der einzige Hinweis für eine allgemeine lohnstrukturelle Veränderung, die allerdings in eine der Hypothese entgegengesetzte Richtung zeigt, findet sich in einem leichten Trend zur Kompression der Verteilung der durch die beobachteten Merkmale nicht erklärten Teile der Löhne der Frauen. Ein sehr deutlicher Einfluss wurde jedoch für die Humankapital-Variablen (Bildung, Berufserfahrung, Firmentreue) gefunden. Frauen haben sich bezüglich

105

4.6 Fazit

Tabelle 4.2: Zusammenfassung der Resultate bezüglich der Hypothesen zu den Bestimmungsfaktoren der Veränderung geschlechtsspezifischer Lohnunterschiede Entwicklung über die Zeit

Effekt auf Lohnunterschiede

Diskriminierung

?

?

Ausstattung: – Humankapital von Frauen – Vertikale Segregation – Horizontale Segregation

+ ≈ +

+ ≈ +

Allgemeine Lohnstruktur: – Humankapital – Vertikale Segregation – Horizontale Segregation

≈ ≈ ≈

≈ ≈ ≈

dieser Merkmale relativ zu den Männern substanziell verbessert, was sich entsprechend in einer Reduktion der geschlechtsspezifischen Lohnunterschiede niedergeschlagen hat. Ebenfalls zeigt sich eine leicht rückläufige horizontale Segregation (in Bezug auf Beruf, Branche und Betriebsgrösse) mit entsprechendem, die Lohnunterschiede verringerndem Einfluss (wobei der Effekt allerdings zur Hauptsache mit der Betriebsgrösse zusammenzuhängen scheint). Etwas überraschend, gibt es für die vertikale Segregation keine analogen Resultate zu berichten. Die Geschlechterdifferenzen sind hier offenbar – zumindest bei Betrachtung mit zugegebenermassen recht undifferenzierten Indikatoren für die berufliche Position – stabil geblieben. Betreffend der Entwicklung der Diskriminierung sind die Resultate unschlüssig. Einerseits können auch nach Kontrolle geschlechtsunabhängiger Veränderungen der residualen Lohnverteilung noch Hinweise für eine Verringerung des unerklärten Teils der Lohndiskrepanz zwischen den Geschlechtern gefunden werden, die möglicherweise mit einem Rückgang der Diskriminierung zusammenhängt. Die Verringerung verschwindet aber, wenn die durch die selektive Teilnahme am Arbeitsmarkt verursachte Verzerrung der Stichprobe der Frauen in Rechnung gestellt wird. Diesem Ergebnis nach ist die Verringerung des unerklärten Teils der geschlechtsspezifischen Lohndiskrepanz eine Folge der zunehmenden Arbeitsmarktpartizipation und nicht eine Folge abnehmender Diskriminierung. Allem Anschein nach erreichten die Frauen die beobachtete Reduktion der geschlechtsspezifischen Lohndifferenzen „aus eigener Kraft“ – durch Investition in marktnahes Humankapital und erhöhte Arbeitsmarktpartizipation – und nicht

106


etwa weil die Diskriminierung substanziell abgenommen oder sich die allgemeine Lohnstruktur günstig entwickelt hätte. Von der allgemeinen Lohnstruktur dürften allerdings auch keine hemmenden Effekte ausgegangen sein, also weder „swimming upstream“ (Blau und Kahn 1997) noch „floating downstream“ (Datta Gupta et al. 2003).

5 Lohngerechtigkeit und Geschlechterdiskriminierung. Evidenz aus einem Vignetten-Experiment

5.1 Einleitung Empirische Arbeiten zur ökonomischen Erklärung von Einkommensungleichheiten in der Schweiz weisen darauf hin, dass Frauen und Männer auch heute noch ungleich für Erwerbsarbeit entlöhnt werden. Die Arbeiten stützen auf die Humankapitaltheorie ab (Becker 1993, Mincer 1974, zusammenfassend z. B. Franz 1996, Willis 1992), die Einkommen in erster Linie als Funktion von Bildung, Berufserfahrung und sonstigen produktivitätsrelevanten Merkmalen darstellt. Je nach Daten und Berechnungsart besteht auch unter Kontrolle dieser Grössen (und ggf. einiger weiterer Variablen) eine mehr oder minder grosse unerklärte Diskrepanz zwischen den Löhnen von Frauen und Männern (vgl. z. B. Kapitel 4, Kugler 1988, Diekmann und Engelhardt 1995a, Bonjour 1997, Henneberger und SousaPoza 1999, Bundesamt für Statistik 2000). Die Annahme ist nicht von der Hand zu weisen, dass die Diskrepanz zumindest teilweise aufgrund diskriminierender Praktiken auf dem Arbeitsmarkt zustande kommt. Gleichzeitig besteht aber in der Schweiz die auf Verfassungsebene festgeschriebene Norm der Gleichbehandlung von Frauen und Männern. So steht in der Bundesverfassung der Schweizerischen Eidgenossenschaft vom 18. April 1999 (Art. 8 Abs. 3 BV; Hervorhebung nicht im Original):60 Mann und Frau sind gleichberechtigt. Das Gesetz sorgt für ihre rechtliche und tatsächliche Gleichstellung, vor allem in Familie, Ausbildung und Arbeit. Mann und Frau haben Anspruch auf gleichen Lohn für gleichwertige Arbeit.

Unterschiedliche Löhne für Frauen und Männer sind also laut Verfassung (und dem 1996 verabschiedeten Gleichstellungsgesetz) nur gerechtfertigt, wenn verschiedenartige Arbeit geleistet wird, das heisst ökonomisch ausgedrückt, wenn 60 Ein entsprechender Absatz wurde bereits 1981 in die Bundesverfassung vom 29. Mai 1874 eingefügt (Art. 4 Abs. 2). Es handelte sich um den Gegenvorschlag des Bundesrats zur Ende 1976 eingereichten Initiative „Gleiche Rechte für Mann und Frau“, der am 14. Juni 1981 durch Volk und Stände mit einem Ja-Stimmen-Anteil von 60.3 % (und 14 3/2 zu 6 3/2 Ständen) angenommen wurde (vgl. Müller 1996). Die Initiative wurde nach Unterbreitung des Gegenvorschlags zurückgezogen.

108

5. Lohngerechtigkeit und Geschlechterdiskriminierung

sich die Produktivität unterscheidet. Dies wäre zum Beispiel gegeben, wenn bei gleichem Anforderungsprofil unterschiedliche Arbeitsleistung erbracht würde. Produktivitätsunterschiede können aber auch über berufliche Segregation vermittelt sein, das heisst, wenn sich das eine Geschlecht stärker auf Berufe mit geringeren Anforderungen konzentrieren würde. Es wäre dann allerdings zu überlegen, ob und inwieweit schon bei der Berufswahl diskriminierende Prozesse wirksam sein könnten. Das Nebeneinander von empirischen Befunden der Geschlechterdiskriminierung und dem Verfassungsgrundsatz der Gleichbehandlung wirft die Frage auf, wie diese Diskrepanz zu erklären und interpretieren ist. Zum Beispiel könnte argumentiert werden, dass gar keine Diskrepanz besteht. Danach würden Frauen bei der Entlöhnung (und Berufswahl) nicht benachteiligt, die empirischen Modelle wären einzig nicht fortgeschritten genug, um die eine differenzierte Bezahlung begründenden Produktivitätsunterschiede adäquat abzubilden. Obwohl dies nicht sehr wahrscheinlich erscheint, hat das Argument gewisse Berechtigung, denn Diskriminierung wird in den meisten empirischen Arbeiten nur indirekt als Residualgrösse, also als nicht erklärbarer Rest identifiziert, aber nicht direkt beobachtet. Ein Ansatz, der in die Richtung dieses Arguments geht, wird von Becker (1985) verfolgt. Becker argumentiert, dass der Arbeitseinsatz („work effort“) von Frauen im Erwerbsleben aufgrund der tendenziell grösseren Verpflichtungen im Haushalt geringer sein könnte, was sich in einer geringeren Arbeitsleistung und einer stärkeren Konzentration auf Berufe mit tiefem Anforderungsprofil äussern würde. Handfeste empirische Befunde, die diese These unterstützen würden, liegen allerdings bisher keine vor (vgl. Kapitel 3, Bielby und Bielby 1988). Laborexperimente zur Messungen des objektiven Arbeitseinsatzes und der Arbeitseffizienz weisen sogar darauf hin, dass Frauen im Mittel ausdauernder, korrekter und effizienter arbeiten als Männer, sich aber bezüglich der Selbsteinschätzung ihrer Arbeitsleistung nicht von den Männern unterscheiden (z. B. Major et al. 1984). Gehen wir aber einmal davon aus, dass Frauen für „gleichwertige“ Arbeit tatsächlich durchschnittlich schlechter bezahlt werden als Männer. Die Norm der Gleichbehandlung ist dann verletzt und es besteht öffentlicher Handlungsbedarf, um diesen Missstand zu beheben. Was aber könnten die Gründe sein dafür, dass die Norm trotz klarer gesetzlicher Richtlinien nicht oder nur unvollständig umgesetzt wird? Eine mögliche Erklärung ist, dass die Arbeitsleistung von Frauen und Männern (explizit oder implizit) nach unterschiedlichen Massstäben bewertet wird und sich somit das als angemessen oder „gerecht“ betrachtete Einkommen nach dem Geschlecht des Empfängers unterscheidet. Frauen werden also zwar in Widerspruch zur Verfassungs- und Gesetzesnorm für gleichwertige Arbeit tatsächlich schlechter bezahlt als Männer, dies wird aber nicht oder nur bedingt als ungerecht empfunden. Die Aufnahme des Gleichberechtigungsartikels in die Bun-

5.1 Einleitung

109

desverfassung erfolgte nach formalem Mehrheitsentscheid der stimmberechtigten Bevölkerung. Man sollte somit davon ausgehen können, dass der Gleichbehandlungsgedanke von der Bevölkerung im Allgemeinen unterstützt wird. Immerhin wurde die Vorlage zum Abstimmungszeitpunkt jedoch auch von rund 40 Prozent der Stimmenden abgelehnt. Zudem besteht die Möglichkeit einer systematischen Verzerrung der Zustimmungsquote aufgrund der äusserst tiefen Stimmbeteiligung (die Annahme der Vorlage erfolgte bei einer Stimmbeteiligung von 33 Prozent faktisch aufgrund der Zustimmung von nur gerade 20 Prozent der Stimmberechtigten). Die Abstimmungsergebnisse lassen somit nicht zwingend den Schluss zu, dass die Gleichstellungsnorm in der Bevölkerung tatsächlich breit abgestützt wäre. Unabhängig von diesen Bedenken gilt es auch Folgendes zu berücksichtigen: Kognitive oder geäusserte Gerechtigkeitsvorstellungen müssen nicht unbedingt mit dem Gerechtigkeitsempfinden übereinstimmen. Auch wenn jemand im direkten Vergleich eine Einkommensdiskrepanz zwischen Frauen und Männern verurteilt, können sich die durch diese Person in getrennter Betrachtung als angemessen oder gerecht empfundenen Löhne für Frauen und Männer unterscheiden (was indirekt in einer als „gerecht“ angesehenen Einkommensdiskrepanz zwischen den Geschlechtern resultiert). Es kann dann höchsten von einer „scheinbaren“ Unterstützung der Gleichberechtigungsnorm gesprochen werden. Zwar wird der Norm vielleicht kognitiv zugestimmt, implizit werden aber trotzdem für Frauen und Männer unterschiedliche Bewertungsmassstäbe angewendet, das heisst, die Norm ist nicht oder nur teilweise internalisiert. Es ist dann auch nicht weiter erstaunlich, wenn sie nicht konsequent umgesetzt wird. Zusammenfassend: Die empirischen Einkommensdiskrepanzen zwischen Frauen und Männern könnten möglicherweise damit zusammenhängen, dass (1) ein bedeutender Teil der Bevölkerung der Gleichstellungsnorm gar nicht zustimmt oder (2) die Gleichberechtigungsnorm nicht vollständig internalisiert ist, das heisst, Frauen und Männer noch immer implizit nach unterschiedlichen Bewertungsmassstäben beurteilt werden. In der vorliegenden Arbeit steht die zweite dieser Möglichkeiten im Zentrum des Interesses. Es soll also versucht werden zu überprüfen, inwieweit die Verfassungsnorm der Gleichberechtigung im subjektiven Gerechtigkeitsempfinden der Gesellschaftsmitglieder eine Entsprechung findet, das heisst, ob Frauen und Männer bezüglich ihres normativ zustehenden Einkommens unterschiedlich bewertet werden. Nach der Erläuterung der Untersuchungsmethode im nächsten Abschnitt werden im dritten Abschnitt die empirischen Resultate präsentiert. Im vierten Abschnitt folgt eine kurze Diskussion der Ergebnisse.

110


5.2 Daten und Methode Normen werden häufig mit Hilfe klassischer Einstellungsfragen zu ermitteln versucht. Es wird dabei erfragt, inwieweit man bestimmten Aussagen, die sich direkt (normative Aussagen) oder indirekt (Verhaltensaussagen) auf Normen und deren Eigenschaften beziehen, zustimmt oder nicht. Der Erfolg dieser Methode ist fragwürdig, da sie von den Befragten ein beträchtliches Mass an Reflexion über ihre Meinung verlangt. Zudem verbleiben die Einstellungsfragen oft auf relativ allgemeiner und abstrakter Ebene. Sinnvoller erscheint es, normative Bewertungen direkt vornehmen zu lassen und dann Rückschlüsse auf die aktivierten Normen zu ziehen. Eine Methode, die diesem Ansatz folgt, ist die von Peter H. Rossi entwickelte „Vignetten-Analyse“ (Rossi 1979; auch bezeichnet als der „faktorielle Survey“, vgl. Rossi und Nock 1982, Beck und Opp 2001). Bei dem Verfahren wird den Versuchspersonen eine Anzahl Situationsbeschriebe (Vignetten) vorgelegt, die auf einer spezifischen Bewertungsskala beurteilt werden müssen. Einige Charakteristika der beschriebenen Situation werden dabei variiert. Es kann dann geprüft werden, ob diese Variationen einen Einfluss auf die Bewertungen ausüben, und es lassen sich Eigenschaften der bei der Bewertung aktivierten Normen ableiten. Um dem in der SurveyForschung üblichen Problem der Scheinkorrelation entgegenzuwirken, werden die Vignetten (z. B. mit Hilfe eines Zufallsprozesses) so zusammengestellt, dass die Vignetten-Variablen weder untereinander noch mit Eigenschaften der Bewertungspersonen systematisch korrelieren. Der Ansatz der Vignetten-Analyse mag für viele Fragestellungen angemessen sein und wurde auch auf des Thema der Einkommensgerechtigkeit bereits verschiedentlich angewendet (beispielsweise Jasso und Rossi 1977, Alves und Rossi 1978, Jasso und Webster 1997, 1999). Vor allem im Rahmen der Diskriminierungsforschung stellt sich aber ein zusätzliches Problem, das es auch bei der Vignetten-Analyse zu beachten gilt: Die klassische Methode der Einstellungsskalen wie auch die Vignetten-Analyse sind nicht robust gegen Effekte der sozialen Erwünschtheit. Dass bei der Vignetten-Analyse jeweils einer Versuchsperson mehrere Vignetten mit variierenden Elementen vorgelegt werden, eröffnet die Möglichkeit, Alternativen zu vergleichen und die Bewertungen mit einem sozial erwünschten oder politisch korrekten Antwortverhalten abzustimmen (abgesehen davon, dass es für die Befragten sehr ermüdend sein muss, nacheinander eine ganze Reihe ähnlicher Situationen zu beurteilen). Angenommen, es soll die Einkommenssituation einer Person bewertet werden, wobei unter anderem das Geschlecht der Person variiert wird. Liegt nun einer Bewertungsperson eine „weibliche“ und eine „männliche“ Vignette vor, kann sie ein politisch korrektes Urteil abgeben, indem sie die beiden Bewertungen einander vorsätzlich angleicht. Das Problem wird

111

5.2 Daten und Methode

Abbildung 5.1: Eine Vignette aus der Befragung „Ungleichheit und Gerechtigkeit 2001“ 11. Stellen Sie sich die folgende Situation vor:

Frau Meier, 32 jährig, ist kaufmännische Angestellte. Sie ist alleinerziehende Mutter von zwei Kindern. Finanziell kommt sie nur knapp über die Runden. Sie arbeitet engagiert und ihre Aufgaben und Pflichten erfüllt sie zur vollen Zufriedenheit ihres Arbeitgebers. Ihr monatliches Bruttoeinkommen beträgt SFr. 4000.– Wie stufen Sie das Einkommen der beschriebenen Person ein? viel zu niedrig

-5

gerade richtig

-4

-3

-2

-1

0

viel zu hoch

+1

+2

+3

+4

+5

vielleicht aufgrund der üblichen Komplexität der Vignetten abgeschwächt: Zwei einer Bewertungsperson vorliegende Vignetten unterscheiden sich in der Regel in mehreren Dimensionen, was einen Abgleich der Bewertungen erschwert. Trotzdem erachte ich es als zweckmässig, das Verfahren zu modifizieren und jeder Person nur eine einzige Vignette vorzulegen. Effekte der sozialen Erwünschtheit sollten so weitgehend ausgeschlossen werden. Eine entsprechende Vignetten-Studie zum Thema Einkommen und Geschlecht wurde im Rahmen der schriftlichen Befragung „Ungleichheit und Gerechtigkeit 2001“ am Institut für Soziologie der Universität Bern realisiert (siehe Jann 2001; die Daten wurden von Mai bis Juni 2001 erhoben).61 Dem Survey liegt eine Brutto-Zufallsstichprobe im Umfang von 1600 Personen der deutschschweizerischen Wohnbevölkerung ab Alter 18 zu Grunde. Es wurde ein zweistufiges Verfahren mit einfacher Zufallsauswahl von Haushalten auf der ersten Stufe und Auswahl der Zielpersonen nach der Geburtstagsmethode auf der zweiten Stufe angewandt. Dies impliziert theoretisch eine Gewichtung mit der Haushaltsgrösse für Analysen auf Personenebene. Vergleichsrechungen zeigen jedoch, dass diese Gewichtung für die nachfolgend präsentierten Ergebnisse weitgehend irrelevant ist. Ich verzichte deshalb in den Auswertungen auf die Gewichtung. Insgesamt konnten 531 gültige Interviews realisiert werden, was nach Abzug einiger stichprobenneutraler Ausfälle einer Ausschöpfungsquote von 34 Prozent entspricht. Gemäss Vergleich mit der amtlichen Statistik sind Ausländer in der Stichprobe deutlich 61 Die Befragung wurde im Rahmen eines von Andreas Diekmann und mir geleiteten Forschungspraktikums zum Thema „Fairness und Gerechtigkeit“ im Wintersemester 2000/2001 und Sommersemester 2001 an der Universität Bern realisiert. Mein Dank gebührt den Teilnehmern und Teilnehmerinnen des Forschungspraktikums für ihre engagierte Mitarbeit.

112


untervertreten und es liegt ein übermässig hohes Bildungsniveau vor, was darauf zurückzuführen sein dürfte, dass die Befragung schriftlich und nur auf Deutsch durchgeführt wurde. Zu den Details der Datenerhebung siehe Jann (2001). Abbildung 5.1 zeigt eine Vignette, wie sie in der Studie verwendet wurde. Es wird eine Person mit einem bestimmten Monatseinkommen beschrieben, wobei die Einkommenshöhe auf einer Skala von −5 „viel zu niedrig“ bis 5 „viel zu hoch“ bewertet werden soll. Die Vignette weist die folgenden Komponenten auf, die zwischen den Befragten variiert wurden: – Geschlecht: „weiblich“ (Frau Meier) vs. „männlich“ (Herr Meier) – Bedürftigkeit: „tief“ (verheiratet in kinderloser Ehe, keine finanziellen Sorgen) vs. „hoch“ (alleinerziehend, knappe Finanzen) – Leistung: „tief“ (mangelhaftes berufliches Engagement, erfüllt Leistungsanforderungen nur knapp) vs. „hoch“ (arbeitet engagiert, erfüllt Leistungsanforderungen zur vollen Zufriedenheit des Arbeitgebers) Es liegen also drei Vignetten-Variablen bzw. Faktoren mit je zwei Ausprägungen vor, was 2 × 2 × 2 = 8 mögliche Vignetten-Konstellationen ergibt (die unterschiedlichen Vignetten sind im Anhang aufgelistet). Alter, Beruf und Einkommen wurden in den Vignetten konstant gehalten. Die Bruttostichprobe wurde per Zufall in acht Experimentalgruppen zu je 200 Personen aufgeteilt. Jeder dieser Gruppen wurde dann eine der acht möglichen Vignetten zugewiesen. Es ist hervorzuheben, dass mit diesem Design sämtliche Anforderungen an eine experimentelle Versuchsanordnung erfüllt werden (mehr als eine Experimentalgruppe, Zufallsaufteilung der Versuchspersonen, Variablen werden durch die Forschenden manipuliert; vgl. Diekmann 2007: 337). Die Daten besitzen also experimentelle Eigenschaften, soweit nur die Vignetten-Faktoren in Betracht gezogen werden. Das heisst, die Faktoren hängen nicht systematisch mit Eigenschaften der Versuchspersonen zusammen und sind auch untereinander nicht systematisch korreliert. Die bivariaten Effekte der Vignetten-Faktoren auf die Bewertung können abgesehen von Zufallsvariationen und unter dem Vorbehalt, dass anders als in einem Laborexperiment nicht alle Rahmenbedingungen kontrolliert wurden, als kausal interpretiert werden (keine Scheinkorrelationen, die Einflüsse sämtlicher Drittvariablen sind neutralisiert).

5.3 Ergebnisse Betrachten wir erst einmal die univariate Verteilung der Einkommensbewertungen. Wie man in Abbildung 5.2 erkennen kann, wurde die Einkommenshöhe in

113

5.3 Ergebnisse

Abbildung 5.2: Verteilung der Einkommensbewertungen 0.3

Anteil

0.2

0.1

0.0

−5 −4 viel zu niedrig

−3

−2

−1

0 1 gerade richtig

2

3

4

5 viel zu hoch

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“, ungewichtet.

der Vignette eher etwas zu tief angesetzt. Zwar hat ein Anteil von 27 Prozent der Befragten das spezifizierte Einkommen als „gerade richtig“ bezeichnet und 17 Prozent stuften das Einkommen sogar als zu hoch ein, in der Mehrheit der Fälle fiel die Bewertung jedoch negativ aus. Das heisst, das beschriebene Einkommen wurde im Schnitt als etwas zu tief empfunden. Um welchen Betrag das Einkommen erhöht werden müsste, um eine ausgeglichene Verteilung zu erhalten, lässt sich mit den vorliegenden Daten nicht beantworten. Dies gilt auch für die nachfolgenden Analysen: Um Bewertungsdifferenzen in Einkommenseinheiten ausdrücken zu können, hätte auch das Einkommen zwischen den Vignetten variiert werden müssen. Zwecks einfacherer Interpretation pole ich die Bewertungsskala für die folgenden Analysen um (die für die weiteren Auswertungen verwendete Skala erstreckt sich also von –5 = „viel zu hoch“ bis 5 = „viel zu niedrig“). Positive Effekte bedeuten dann, dass das Einkommen stärker als zu tief eingestuft wurde (bzw. schwächer als zu hoch), dass also ein höheres Einkommen angemessen wäre. Kurz: Positive Effekte lassen sich als eine Erhöhung des angemessenen Einkommens interpretieren. Aufgrund des experimentellen Charakters (d. h. der Randomisierung der Versuchsgruppen) können die Einflüsse der drei Vignetten-Faktoren mit einfachen Mittelwertsvergleichen analysiert werden. Bezüglich aller Variablen sind deutli-

114


Tabelle 5.1: Mittelwertsdifferenzen nach Geschlecht, Bedürftigkeit und Leistung Faktoren

Mittelwert

Standardabweichung

Fallzahl

Differenz

t-Wert

Korrelation

Geschlecht – weiblich – männlich

0.68 1.43

2.15 1.98

271 258

0.76∗∗∗

4.23

0.18

Bedürftigkeit – tief – hoch

0.42 1.67

2.08 1.93

263 266

1.25∗∗∗

7.15

0.30

Leistung – tief – hoch

0.19 2.00

1.97 1.81

280 249

1.81∗∗∗

11.03

0.43

Total

1.05

2.10

529

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“, ungewichtet. Anmerkungen: Abhängige Variable ist die umgepolte Einkommensbewertung (–5 = „viel zu hoch“ bis 5 = „viel zu niedrig“). + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

che und hochsignifikante Effekte festzustellen (Tabelle 5.1). Einerseits wird Männern mit einer Mittelwertsdifferenz von 0.76 ein höheres Einkommen zugestanden (der Effekt entspricht einer Erhöhung um rund ein Drittel einer Standardabweichungen auf der Bewertungsskala bzw. einer punkt-biserialen Korrelation von 0.18). Das beschriebene Einkommen wird also für Männer auch bei Konstanthalten von Alter, Ausbildung/Beruf, familiärer und finanzieller Situation sowie Leistungsmotivation und Produktivität eher als zu tief eingestuft. Dies widerspricht ganz klar dem in der Verfassung verankerten Grundsatz der Gleichbehandlung der Geschlechter. Andererseits zeigen sich für die Variablen „Bedürftigkeit“ und „Leistung“ erwartungsgemässe Effekte. So sollen Alleinerziehende mit knapper Finanzlage ein deutlich höheres Einkommen erhalten als Kinderlose ohne finanzielle Probleme (Mittelwertsdifferenz 1.25, Erhöhung um 0.6 Standardabweichungen auf der Bewertungsskala, punkt-biseriale Korrelation von 0.30). Andererseits soll auch hohe Leistungsmotivation bzw. Produktivität entsprechend honoriert werden (Mittelwertsdifferenz 1.81, Erhöhung um 0.86 Standardabweichungen auf der Bewertungsskala, punkt-biseriale Korrelation von 0.43). Sofern ein Vergleich überhaupt sinnvoll ist, kann man den Leistungseffekt als mit Abstand am stärksten bezeichnen. Dies steht in Einklang mit dem in unserer Gesellschaft relativ stark verankerten Prinzip der Leistungsgerechtigkeit so-

5.3 Ergebnisse

115

wie auch der ökonomischen Theorie, die den Lohn eng an die Produktivität einer Arbeitskraft knüpft. Es ist jedoch bemerkenswert, dass trotz des wachsenden Liberalismus der 1990er Jahre auch das Ausmass an Bedürftigkeit als einkommensrelevantes Kriterium angesehen wird. Der Einfluss der familiären und finanziellen Situation ist in dem Experiment zwar schwächer als der Leistungseffekt, er ist aber dennoch deutlich vorhanden. Es stellt sich hier natürlich die Frage nach der Zulässigkeit des Vergleichs: ersten wurden die Variablen „Bedürftigkeit“ und „Leistung“ in dem Experiment nicht genau quantifiziert, zweitens müsste man sich auch bei einer exakten Quantifizierung Gedanken darüber machen, in welcher Art und Weise überhaupt sinnvolle vergleichende Aussagen bezüglich der beiden Dimensionen gemacht werden können. Es erscheint hier deshalb wenig angebracht, von stärkeren und schwächeren Effekten zu sprechen.62 Für den Leistungs- und den Bedürftigkeitseffekt können leicht legitimierende Begründungen gefunden werden. Mit Bezug auf den Verfassungsgrundsatz der Gleichbehandlung von Frauen und Männern muss aber der Geschlechtseffekt als diskriminierend im Sinne einer willkürlichen (d. h. nicht legitimierten) Bevorzugung von Männern bzw. Benachteiligung von Frauen bezeichnet werden. Wir wollen uns deshalb hier etwas näher mit diesem Effekt beschäftigen. Angesichts der traditionellen Rollentrennung von Frauen und Männern könnte man argumentieren, dass der Effekt hauptsächlich als statistische Diskriminierung in Situationen auftritt, in denen überhaupt eine Rollentrennung möglich ist (d. h., wenn beide Geschlechter im Haushalt vertreten sind). Tabelle 5.2 zeigt die Mittelwertsvergleiche getrennt nach Vignetten-Konstellationen. Der deutlichste Geschlechtseffekt ist in der Vignette mit tiefer Bedürftigkeit (verheiratet in kinderloser Ehe) und tiefer Leistung zu verzeichnen. In der Vignette mit hoher Bedürftigkeit (alleinerziehend) und hoher Leistung ist der Effekt hingegen nur noch klein (und knapp nicht signifikant). Der Vergleich der ersten Zeile mit der dritten sowie der zweiten mit der vierten liefert nun tatsächlich gewisse Hinweise für den angesprochenen Rollentrennungseffekt: Für Verheiratete sind die Geschlechterdifferenzen jeweils etwas grösser als für Alleinstehende. Das heisst, die nach Meinung der Befragten angemessenen Einkommen für Frauen und Männer liegen weiter auseinander, wenn ein Partner vorhanden ist, und man könnte vermuten, dass die Befragten bei ihrer Bewertung im Falle der verheirateten Personen implizit von einer gewissen Rollentrennung ausgegangen sind. Rein statistisch gesehen ist ja auch die Wahrscheinlichkeit, dass der Ehepartner bzw. die Ehepartnerin der beschriebenen Person einen weiteren substanziellen Beitrag zum Haushaltseinkommen leistet, 62 Nicht zuletzt ist der Bedürftigkeitseffekt in Anbetracht des genauen Wortlauts der VignettenFrage kritisch zu betrachten: Eventuell kann der Effekt nicht als „Anspruch“ auf ein höheres Einkommen interpretiert werden, sondern eher im Sinne, dass das beschriebene Einkommen „zu wenig um zu überleben“ sei.

116


Tabelle 5.2: Der Geschlechtseffekt nach Subgruppen Mittelwerte nach Geschlecht

Faktoren Bedürftigkeit tief tief hoch hoch

Leistung tief hoch tief hoch

weiblich −1.04 0.96 0.47 2.26

männlich 0.01 1.95 1.38 2.80

N 142 121 138 128

Differenz ∗∗∗

1.06 0.99∗∗ 0.92∗∗ 0.54+

t-Wert 3.59 3.00 2.99 1.80

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“ , ungewichtet. Anmerkungen: Abhängige Variable ist die umgepolte Einkommensbewertung (–5 = „viel zu hoch“ bis 5 = „viel zu niedrig“); N = Fallzahl. + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

im Falle der „weiblichen“ Vignette grösser (da Männer häufiger und tendenziell zu höherem Beschäftigungsgrad erwerbstätig sind und im Allgemeinen besser bezahlt werden). Es erfolgt somit eine Vermischung des Geschlechts- und Bedürftigkeitseffekts, denn die Höhe des weiteren Haushaltseinkommens verändert das Ausmass an Bedürftigkeit. Die Bewertungen der Vignetten sind also asymmetrisch in dem Sinne, dass für verheirateter Frauen implizit von einer geringeren Bedürftigkeit ausgegangen wird als für verheiratete Männer. Es zeigt sich zudem eine weitere Asymmetrie: Im Falle hoher Leistungsorientierung sind die Geschlechtsdifferenzen jeweils geringer als im Falle tiefer Leistungsorientierung (man vergleiche dazu die Effekte in der ersten und zweiten bzw. dritten und vierten Zeile von Tabelle 5.2). Dies könnte so interpretiert werden, dass Frauen für geringe Leistung stärker „bestraft“ werden als Männer. Es bestehen somit Hinweise, dass Frauen und Männer auch bezüglich der Leistungshonorierung unterschiedlich bewertet werden (Männern wird eine geringe Leistungsorientierung eher „verziehen“). Die beiden beschriebenen Prozesse können allerdings höchstens als Tendenzen gedeutet werden. Erstens bleibt der Geschlechtseffekt auch bei Alleinstehenden bzw. bei Personen mit hoher Leistungsorientierung bestehen (zumindest wenn die entsprechenden Gruppen jeweils zusammengelegt werden). Zweitens sind die Unterschiede zwischen den Effekten in Tabelle 5.2 nicht signifikant. Dies wird durch das saturierte Regressionsmodell in Tabelle 5.3 verdeutlicht. Sämtliche Interaktionseffekte sind nicht signifikant, weder einzeln noch zusammen (der pWert eines simultanen Tests über alle Interaktionsparameter beträgt p = 0.56).63 63 Genau genommen müssen die folgenden Null-Hypothesen je simultan getestet werden: „Geschlecht × Bedürftigkeit“ = 0 und „Geschlecht × Bedürftigkeit“ + „Geschlecht × Bedürftigkeit

117

5.3 Ergebnisse

Tabelle 5.3: Regressionsschätzung der Effekte der Vignetten-Variablen Lineare Regression (OLS) Fallzahl = 529 Haupteffekte: – Geschlecht (1 = männlich) – Bedürftigkeit (1 = hoch) – Leistung (1 = hoch)

Model 1 0.886∗∗∗ 1.274∗∗∗ 1.801∗∗∗

(5.82) (8.38) (11.85)

Interaktionen: – Geschlecht × Bedürftigkeit – Geschlecht × Leistung – Bedürftigkeit × Leistung – Geschlecht × Bedürftigkeit × Leistung Konstante Korrigiertes R-Quadrat

−0.875∗∗∗ 0.310∗∗∗

(−5.77)

Model 2 1.058∗∗∗ 1.510∗∗∗ 2.009∗∗∗

(3.61) (5.13) (6.41)

−0.139 −0.069 −0.215 −0.310

(−0.33) (−0.16) (−0.50) (−0.51)

−1.044∗∗∗

(−4.93)

0.308∗∗∗

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“, ungewichtet. Anmerkungen: t-Werte in Klammern; abhängige Variable ist die umgepolte Einkommensbewertung (–5 = „viel zu hoch“ bis 5 = „viel zu niedrig“). + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

Inferenzstatistisch betrachtet kann also nicht davon ausgegangen werden, dass sich der Geschlechtseffekt zwischen den verschiedenen Vignetten-Konstellationen tatsächlich unterscheidet, auch wenn die besprochenen Tendenzen sehr plausibel erscheinen. Ob die durch die Daten angedeuteten Effekte tatsächlich existieren, müsste durch weitere Studien, ggf. mit grösseren Fallzahlen oder modifiziertem Design, geprüft werden. In den Analysen in Tabelle 5.3 wird implizit davon ausgegangen, dass die Bewertungen metrisches Skalenniveau aufweisen, das heisst, die Abstände zwischen je zwei benachbarten Positionen auf der Skala werden als konstant angesehen. Es ist natürlich fragwürdig, ob dies eine zulässige Interpretation ist. Man könnte zum Beispiel vermuten, dass Unterschiede an den Extremen der Skala anders zu bewerten sind als Unterschiede in der Mitte. Um die Auswirkungen der Annahme konstanter Abstände auf die Ergebnisse zu evaluieren, werden in Tabelle 5.4 die Schätzungen mit Modellen für geordnete Daten (Ordered-Logit und OrderedProbit) repliziert, die auf die Annahme konstanter Abstände verzichten (zu den × Leistung“ = 0 für den Test einer geringereren Geschlechterdifferenz im Falle hoher Bedürftigkeit (p = 0.57); „Geschlecht × Leistung“ = 0 und „Geschlecht × Leistung“ + „Geschlecht × Bedürftigkeit × Leistung“ = 0 für den Test einer geringeren Geschlechterdifferenz im Falle hoher Leistung (p = 0.67).

118


Tabelle 5.4: Schätzung der Effekte der Vignetten-Variablen mit Modellen für ordinale Daten Ordered-Probit Fallzahl = 529 Haupteffekte: – Geschlecht (1 = männlich) – Bedürftigkeit (1 = hoch) – Leistung (1 = hoch)

Model 3

Model 4

Model 5

Model 6

0.527∗∗∗ (5.79) 0.767∗∗∗ (8.27) 1.089∗∗∗ (11.30)

0.595∗∗∗ (3.42) 0.878∗∗∗ (5.00) 1.198∗∗∗ (6.34)

0.960∗∗∗ (6.03) 1.346∗∗∗ (8.23) 2.004∗∗∗ (11.39)

0.991∗∗ (3.28) 1.451∗∗∗ (4.64) 2.108∗∗∗ (6.21)

Interaktionen: – Geschlecht × Bedürftigkeit

−0.017 (−0.07) −0.005 (−0.02) −0.101 (−0.40) −0.242 (−0.67)

– Geschlecht × Leistung – Bedürftigkeit × Leistung – Geschl. × Bed. × Leist. Likelihood-Ratio χ2 McFadden R-Quadrat

Ordered-Logit

204.5∗∗∗ 0.094

207.3∗∗∗ 0.095

0.061 (0.14) 0.070 (0.16) −0.088 (−0.20) −0.413 (−0.66) 216.9∗∗∗ 0.099

218.5∗∗∗ 0.100

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“, ungewichtet. Anmerkungen: z-Werte in Klammern; abhängige Variable ist die umgepolte Einkommensbewertung (–5 = „viel zu hoch“ bis 5 = „viel zu niedrig“); Schwellenwerte der Modelle nicht dargestellt. + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

Verfahren vgl. z. B. Long 1997). Man erkennt sofort, dass sich eine explizite Berücksichtigung des ordinalen Charakters der abhängigen Variablen kaum auf die Schätzergebnisse auswirkt (von Interesse sind hier weniger die genauen Beträge der Koeffizienten, sondern eher die z-Werte, die im vorliegenden Fall für die signifikanten Koeffizienten jeweils praktisch identisch sind zu den t-Werten aus der linearen Regression).64 Für die weiteren Analysen verbleibe ich deshalb bei der einfacher zu interpretierenden Methode der linearen Regression. Da es keine Interaktionseffekte zwischen den Vignetten-Variablen zu geben scheint, gehe ich 64 Weiterhin lassen sich in den geordneten Modellen keine Hinweise finden, die für eine Verletzung der Annahme konstanter Koeffizienten über die Kategorien der Bewertungsskala sprechen würden (Tests gemäss Long und Freese 2006: 197ff.).

119

5.3 Ergebnisse

Tabelle 5.5: Schätzung des Einflusses des Geschlechts der befragten Person Fallzahl = 497 Vignetten-Faktoren: – Geschlecht (1 = männlich) – Bedürftigkeit (1 = hoch) – Leistung (1 = hoch) Personenvariablen: – Geschlecht (1 = männlich)

Modell 1

Modell 2

Modell 3

0.814∗∗∗ (5.28) 1.289∗∗∗ (8.34) 1.810∗∗∗ (11.75)

0.641∗∗ (2.63) 1.284∗∗∗ (8.30) 1.813∗∗∗ (11.77)

0.679∗∗ (2.78) 1.535∗∗∗ (6.25) 1.593∗∗∗ (6.53)

−0.022 (−0.14)

−0.162 (−0.74)

−0.108 (−0.34)

0.287 (0.91)

0.245 (0.78) −0.436 (−1.38) 0.389 (1.24)

Vignette × Person: – Geschlecht × Geschlecht – Befürftigkeit × Geschlecht – Leistung × Geschlecht Konstante Korrigiertes R-Quadrat

−0.854∗∗∗ (−4.82)

−0.769∗∗∗ (−3.84)

0.314∗∗∗

0.314∗∗∗

−0.802∗∗ (−3.30) 0.316∗∗∗

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“, ungewichtet. Anmerkungen: OLS-Regressionen (t-Werte in Klammern); abhängige Variable ist die umgepolte Einkommensbewertung (–5 = „viel zu hoch“ bis 5 = „viel zu niedrig“). + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

zudem für die weiteren Analysen von einem konstanten Geschlechtseffekt bezüglich der unterschiedlichen Vignetten aus. Es soll nun versucht werden zu ermitteln, ob der Effekt des Geschlechts in der Vignette mit Merkmalen der bewertenden Person zusammenhängt. Eine nahe liegende Hypothese ist in diesem Kontext, dass der Effekt unterschiedlich ausfällt je nach Geschlecht der Person, die die Vignette bewerten muss. Sind es nur die Männer, die ihrem eigenen Geschlecht höhere Einkommen zugestehen, oder diskriminieren sich auch die Frauen selbst? Tabelle 5.5 zeigt die Schätzergebnisse für den Einfluss des Geschlechts der bewertenden Person. Zu bemerken ist, dass durch die Aufnahme personenspezifischer Merkmale die Ergebnisse ihre experimentellen Eigenschaften verlieren.

120


Zwar wurden die Befragten den verschiedenen Vignetten per Zufall zugewiesen, das heisst, die Vignetten-Faktoren sind unabhängig von den Merkmalen der Versuchspersonen, letztere (z. B. Geschlecht und Bildung der bewertenden Personen) können aber untereinander sehr wohl korreliert sein. Dies kann zumindest teilweise mit Hilfe von multivariaten Modellen berücksichtigt werden. Trotzdem lassen sich die Ergebnisse bezüglich des Einflusses der Merkmale der bewertenden Person weniger klar interpretieren als die Effekte der Vignetten-Variablen. In Modell 1 in Tabelle 5.5 wird neben den Vignetten-Faktoren lediglich der Haupteffekt des Geschlechts der befragten Person modelliert. Wie man erkennen kann, haben Frauen und Männer das in der Vignette beschriebene Einkommen im Durchschnitt etwa gleich bewertet. Es besteht also keine allgemeine Tendenz bezüglich des Geschlechts der Versuchspersonen. Modell 2 geht der Frage nach, ob der besprochene Effekt des Vignetten-Geschlechts vom Geschlecht der bewertenden Person abhängt (Interaktionseffekt zwischen Vignetten-Faktor und Personenmerkmal). Der Interaktionseffekt ist erwartungsgemäss positiv, das heisst, die Einkommensbegünstigung der Männer tritt bei den männlichen Versuchspersonen etwas deutlicher auf als bei den weiblichen, der Interaktionseffekt ist aber ganz klar nicht signifikant. Wichtiger noch: Der Haupteffekt des Vignetten-Geschlechts (d. h. der Geschlechtseffekt bei weiblichen Bewertungspersonen) bleibt erhalten. Auch Frauen gestehen also den Männern ein höheres Einkommen zu als den Frauen, das heisst, Frauen diskriminieren sich offensichtlich selbst. In Modell 3 werden der Vollständigkeit halber noch die Interaktionseffekte zu den weiteren Vignetten-Faktoren aufgenommen. Die Effekte sind zwar nicht signifikant, weisen aber tendenziell auch hier in eine Richtung, die man erwarten würde: Frauen betonen die Bedürftigkeit etwas stärker, während Männer etwas grösseren Wert auf die Honorierung der Leistung legen. Der besprochene Diskriminierungseffekt hängt also nicht signifikant vom Geschlecht der bewertenden Person ab, das heisst, Männer wie auch Frauen wenden unterschiedliche, geschlechtsspezifische Bewertungsmassstäbe zuungunsten der Frauen an. Wichtig erscheint nun die Frage, ob der Effekt eventuell durch andere Merkmale der Versuchspersonen beeinflusst wird. Vermutet werden könnte etwa ein Zusammenhang zur Geburtskohorte: Der Gedanke der beruflichen Gleichstellung von Frauen und Männern wurde zumindest in der Schweiz erst in der zweiten Hälfte des zwanzigsten Jahrhunderts zunehmend politisiert und dürfte erst in jüngerer Zeit zu einer wichtigen Komponente in der Sozialisation geworden sein (der Gleichstellungsartikel wurde erst vor ca. 20 Jahren in die Bundesverfassung aufgenommen; vgl. Fussnote 60). Mit Blick auf die traditionelle Rollentrennung zwischen Frauen und Männern ist zudem zu überlegen, ob der Effekt nur bei Personen mit allgemein traditionalistischer Werthaltung auftritt. Weiterhin dürfte auch ein Zusammenhang zum Bildungsniveau der Versuchspersonen bestehen, würde man

5.3 Ergebnisse

121

doch von Personen mit höherer Bildung im Allgemeinen eine grössere Sensibilität bezüglich Gleichstellungsfragen erwarten. Um den Einfluss der Geburtskohorte zu messen, modelliere ich einen linearen Haupt- und Interaktionseffekt des Lebensalters der Versuchspersonen, wobei ein positiver Interaktionsterm bezüglich dem Vignetten-Geschlecht erwartet wird (d. h. zunehmende Diskriminierung mit zunehmendem Alter).65 Die Ergebnisse in Tabelle 5.6 (Modell 1) deuten einen solchen Effekt an, er ist jedoch nicht sehr stark und auch nicht signifikant (Zunahme um 0.11 Punkte pro 10 Jahre bei einem mittleren Diskriminierungseffekt von rund 0.8 Punkten). Auffallender ist der signifikant negative Haupteffekt der Alters: Ältere Personen empfinden im Durchschnitt ein tieferes Lohnniveau als angemessen. Dies könnte vielleicht dadurch begründet werden, dass Personen ihr als gerecht empfundenes Referenzeinkommen über die Zeit nicht oder nur teilweise dem generellen Anstieg des nominalen Lohnniveaus anpassen (u. a. da der Effekt auch bei Kontrolle der eigenen ökonomischen Situation erhalten bleibt, wie Zusatzberechnungen zeigen). Da die politische Rechte stärker an den traditionellen Rollenbildern von Frauen und Männern festhält als die Linke, kann weiterhin erwartet werden, dass sich die politische Orientierung der bewertenden Personen auf die Ausprägung des Diskriminierungseffektes auswirkt: Je stärker jemand mit dem politischen Programm der Rechten sympathisiert, desto deutlicher sollte der Effekt auftreten. Auch hier weisen die empirischen Resultate in die erwartete Richtung (Modell 2 in Tabelle 5.6). Ähnlich wie beim Alter ist allerdings lediglich der negative Haupteffekt signifikant. Die Daten liefern also keine schlüssigen Hinweise, dass die politische Orientierung tatsächlich einen Einfluss auf die Diskriminierungskomponente ausübt. Mit stärkerer politischer Rechts-Orientierung scheint sich lediglich das angemessene Einkommensniveau tendenziell zu senken, wobei die Begründung hierfür unklar ist. Schliesslich bleibt noch der Einfluss der Bildung der Versuchspersonen zu prüfen. Zu erwarten ist hier eine negativer Interaktionseffekt, das heisst, mit zunehmender Bildung sollte der Diskriminierungseffekt abnehmen. Die Resultate in Tabelle 5.6 unterstützen diese Erwartung (Modell 3). Das Bildungsniveau der bewertenden Personen verändert das durchschnittlich als angemessen betrachtete Einkommen kaum, wirkt sich aber in signifikanter Weise auf den Diskriminierungseffekt aus. Mit zunehmender Bildung wird die Bewertungsdiskrepanz zwischen der „weiblichen“ und „männlichen“ Vignette kleiner und verschwindet für Personen mit einem Abschluss auf höchster Bildungsstufe (18 Jahre) ganz. 65 Zu bemerken ist hier, dass mit den vorliegenden Daten nicht zwischen Kohorten- und Lebenszykluseffekten unterschieden werden kann. Ein Alterseffekt könnte ggf. also auch als Lebenszykluseffekt interpretiert werden.

122


Tabelle 5.6: Schätzung der Einflüsse von Alter, politischer Orientierung und Bildung Fallzahl = 497 Vignetten-Faktoren: – Geschlecht (1 = männlich) – Bedürftigkeit (1 = hoch) – Leistung (1 = hoch) Personenvariablen: – Geschlecht (1 = männlich) – Alter/10a

Modell 1

Modell 2

Modell 3

0.684∗∗ (2.82) 1.252∗∗∗ (8.12) 1.792∗∗∗ (11.61)

0.693∗∗ (2.87) 1.230∗∗∗ (8.07) 1.811∗∗∗ (11.86)

0.607∗ (2.49) 1.197∗∗∗ (7.84) 1.805∗∗∗ (11.87)

−0.087 (−0.40) −0.182∗∗ (−2.67)

0.023 (0.11) −0.128+ (−1.85) −0.203∗∗ (−3.24)

−0.028 (−0.13) −0.118+ (−1.70) −0.200∗∗ (−3.21) 0.040 (1.01)

0.215 (0.69) 0.111 (1.13)

0.163 (0.52) 0.080 (0.80) 0.096 (1.10)

0.291 (0.92) 0.068 (0.69) 0.086 (0.99) −0.136∗ (−2.37)

−0.788∗∗∗ (−3.94)

−0.838∗∗∗ (−4.23)

−0.790∗∗∗ (−3.94)

0.322∗∗∗

0.338∗∗∗

0.344∗∗∗

– Rechts-Orientierunga – Bildung (in Jahren)a Vignette × Person: – Geschlecht × Geschlecht – Geschlecht × Alter/10a – Geschlecht × Rechtsa – Geschlecht × Bildunga Konstante Korrigiertes R-Quadrat

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“, ungewichtet. Anmerkungen: OLS-Regressionen (t-Werte in Klammern); abhängige Variable ist die umgepolte Einkommensbewertung (–5 = „viel zu hoch“ bis 5 = „viel zu niedrig“). a Zentriert (X z = X − X). ¯ i i + p < 0.1, ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

5.4 Diskussion

123

5.4 Diskussion Trotz des auf Verfassungs- und Gesetzesebene verankerten Grundsatzes der Gleichbehandlung von Frauen und Männern hat das Geschlecht auch heute noch einen Einfluss auf die Höhe des als angemessen betrachteten Einkommens einer Person. Ein gegebenes Einkommen wurde im vorgestellten Vignetten-Experiment unabhängig von Alter, Beruf, Bedürftigkeit und Leistung eher als zu tief beurteilt, wenn die in der Vignette beschriebene Person männlich war. Das heisst, die Einkommenshöhe in der weiblichen Vignette hätte tiefer angesetzt werden müssen als in der männlichen, um zu einer ausgeglichenen Bewertung zu gelangen. Der Verfassungsgrundsatz des Anspruchs auf gleichen Lohn scheint somit nicht vollumfänglich von den Gesellschaftsmitgliedern getragen zu werden. Bemerkenswerterweise gilt dies sogar unabhängig vom Geschlecht der bewertenden Person. Auch Frauen erachteten das Einkommen in der männlichen Vignette signifikant stärker als zu tief, das heisst, auch aus Sicht der Frauen sollen Männer ein höheres Einkommen erhalten als vergleichbare Frauen. Über die Gründe für diese Geschlechterdiskriminierung kann hier nur spekuliert werden. Die Annahme liegt nahe, dass Sie zumindest Teilweise als statistische Diskriminierung aufgrund der Überlieferung traditioneller Rollenbilder mit dem Mann als Haupternährer zustande kommt. Diese Rollenbilder können offensichtlich nur schwer abgeworfen werden, da sie ja auch heute noch häufig der Realität entsprechen. Gegen diese These spricht allerdings, dass kein Zusammenhang zwischen dem Alter bzw. der Geburtskohorte und dem Diskriminierungseffekt nachgewiesen werden konnte, und sich auch für die politische Rechts-Orientierung als Indikator für eine traditionalistische Werthaltung kein signifikanter Einfluss finden liess. Einzig die Bildung der Versuchspersonen scheint sich auf die Bewertungsdiskrepanz auszuwirken: Mit zunehmendem Bildungsniveau nimmt die Geschlechterdiskriminierung ab. Diese Abhängigkeit des Diskriminierungseffekts vom Bildungsniveau der bewertenden Personen ist ein Hinweis darauf, dass die Verankerung des Verfassungsgrundsatzes der Gleichberechtigung mit zusätzlicher Aufklärungs- und Sensibilisierungsarbeit oder unter Umständen generell durch eine Anhebung des Bildungsniveaus weiter gefördert werden kann. Interessant wäre in diesem Zusammenhang, ob auch auf Aggregat-Ebene, beispielsweise im Ländervergleich, ein Zusammenhang zwischen Bildungsstand und Geschlechterdiskriminierung festgestellt werden kann. Aus methodischer Sicht ist die Studie als Erfolg zu bewerten. Aufgrund des experimentellen Charakters ist die Vignetten-Analyse in der Lage, Zusammenhänge in einer für die Surveyforschung ungewohnten Schärfe zu identifizieren. So konnten neben der angesprochenen Geschlechterdiskriminierung deutliche Effekte der Bedürftigkeits- und Leistungs-Faktoren nachgewiesen werden. Besonders

124


auch im Rahmen der Diskriminierungsforschung erscheint die Methode viel versprechend und eine vermehrte Anwendung wäre zu begrüssen.

5.5 Anhang Die deskriptiven Statistiken der in den Regressionsmodellen in den Tabellen 5.5 und 5.6 verwendeten Variablen sind in Tabelle 5.7 aufgeführt. Die Variable „Rechts-Orientierung“ entspricht der Selbsteinschätzung über die politischen Orientierung auf einer Skala von 1 = „ganz links“ bis 10 = „ganz rechts“ (die ursprüngliche Frage lautete: „Wie würden Sie Ihre politische Einstellung auf einer Skala von 1 = ,ganz links‘ bis 10 = ,ganz rechts‘ einstufen?“). Die Variable „Bildung“ operationalisiert die Anzahl Bildungsjahre aufgrund der angegebenen höchsten abgeschlossenen Ausbildung gemäss folgender Zuordnung: „Keine oder nur obligatorische Schule“ 9 Jahre, „Anlehre, Berufslehre, BMS, Vollzeitberufsschule oder Berufsmaturität“ 10.5 Jahre, „Maturitätsschule, Lehrerseminar, Diplommittelschule, allgemeinbildende Schule, Handelsschule oder Haushaltslehrjahr“ 12 Jahre, „Höhere Berufsausbildung mit Meisterdiplom, Eidgenössischer Fachausweis, Techniker- oder Fachschule“ 12 Jahre, „Höhere Fachschule/Fachhochschule“ 15 Jahre, „Universität, ETH (Lizentiat, Doktorat, Nachdi-

Tabelle 5.7: Deskriptive Statistiken der in Tabelle 5.5 und Tabelle 5.6 verwendeten Variablen Fallzahl = 497

Mittelwert

Standardabweichung

Umgepolte Einkommensbewertung

1.024

2.067

Vignetten-Faktoren: – Geschlecht (1 = männlich) – Bedürftigkeit (1 = hoch) – Leistung (1 = hoch)

0.487 0.505 0.467

Personenvariablen: – Geschlecht (1 = männlich) – Alter/10a – Rechts-Orientierunga – Bildung (in Jahren)a

0.600 0.000 0.000 0.000

1.569 1.801 2.701

Minimum

Maximum

−5

5

0 0 0

1 1 1

0 −3.040 −3.966 −3.263

1 4.093 5.034 5.737

Quelle: Befragung „Ungleichheit und Gerechtigkeit 2001“, ungewichtet. a Zentriert (die ursprünglichen Mittelwerte sind 4.873 für „Alter/10“, 4.966 für „Rechts-Orientierung“ und 12.263 für „Bildung“).

5.5 Anhang

125

plom)“ 18 Jahre, „Andere Ausbildung“ 9 Jahre. Um die Interpretation der Regressionsmodelle zu vereinfachen, wurden die Personenmerkmale „Alter/10“, „Rechts-Orientierung“ und „Bildung“ zentriert, das heisst, von den einzelnen Werten wurde jeweils der Mittelwert über alle Fälle abgezogen. Bei der Modellierung von Interaktionseffekten entsprechen die Haupteffekte der Vignetten-Faktoren so jeweils dem Effekt am Mittelwert dieser Personenmerkmale. Nachfolgend weiterhin noch der genaue Wortlaut der acht in der Studie verwendeten Vignetten: Version A (Geschlecht: männlich; Bedürftigkeit: hoch; Leistung: hoch): Herr Meier, 32 jährig, ist kaufmännischer Angestellter. Er ist alleinerziehender Vater von zwei Kindern. Finanziell kommt er nur knapp über die Runden. Er arbeitet engagiert und seine Aufgaben und Pflichten erfüllt er zur vollen Zufriedenheit seines Arbeitgebers. Sein monatliches Bruttoeinkommen beträgt SFr. 4000.–

Version B (Geschlecht: männlich; Bedürftigkeit: tief; Leistung: hoch): Herr Meier, 32 jährig, ist kaufmännischer Angestellter. Er ist verheiratet in kinderloser Ehe. Finanzielle Sorgen kennt er keine. Er arbeitet engagiert und seine Aufgaben und Pflichten erfüllt er zur vollen Zufriedenheit seines Arbeitgebers. Sein monatliches Bruttoeinkommen beträgt SFr. 4000.–

Version C (Geschlecht: männlich; Bedürftigkeit: hoch; Leistung: tief): Herr Meier, 32 jährig, ist kaufmännischer Angestellter. Er ist alleinerziehender Vater von zwei Kindern. Finanziell kommt er nur knapp über die Runden. Sein berufliches Engagement lässt zu Wünschen übrig und die Anforderungen an seine Leistung erfüllt er nur knapp. Sein monatliches Bruttoeinkommen beträgt SFr. 4000.–

Version D (Geschlecht: männlich; Bedürftigkeit: tief; Leistung: tief): Herr Meier, 32 jährig, ist kaufmännischer Angestellter. Er ist verheiratet in kinderloser Ehe. Finanzielle Sorgen kennt er keine. Sein berufliches Engagement lässt zu Wünschen übrig und die Anforderungen an seine Leistung erfüllt er nur knapp. Sein monatliches Bruttoeinkommen beträgt SFr. 4000.–

Version E (Geschlecht: weiblich; Bedürftigkeit: hoch; Leistung: hoch): Frau Meier, 32 jährig, ist kaufmännische Angestellte. Sie ist alleinerziehende Mutter von zwei Kindern. Finanziell kommt sie nur knapp über die Runden. Sie arbeitet engagiert und ihre Aufgaben und Pflichten erfüllt sie zur vollen Zufriedenheit ihres Arbeitgebers. Ihr monatliches Bruttoeinkommen beträgt SFr. 4000.–

126


Version F (Geschlecht: weiblich; Bedürftigkeit: tief; Leistung: hoch): Frau Meier, 32 jährig, ist kaufmännische Angestellte. Sie ist verheiratet in kinderloser Ehe. Finanzielle Sorgen kennt sie keine. Sie arbeitet engagiert und ihre Aufgaben und Pflichten erfüllt sie zur vollen Zufriedenheit ihres Arbeitgebers. Ihr monatliches Bruttoeinkommen beträgt SFr. 4000.–

Version G (Geschlecht: weiblich; Bedürftigkeit: hoch; Leistung: tief): Frau Meier, 32 jährig, ist kaufmännische Angestellte. Sie ist alleinerziehende Mutter von zwei Kindern. Finanziell kommt sie nur knapp über die Runden. Ihr berufliches Engagement lässt zu Wünschen übrig und die Anforderungen an ihre Leistung erfüllt sie nur knapp. Ihr monatliches Bruttoeinkommen beträgt SFr. 4000.–

Version H (Geschlecht: weiblich; Bedürftigkeit: tief; Leistung: tief): Frau Meier, 32 jährig, ist kaufmännische Angestellte. Sie ist verheiratet in kinderloser Ehe. Finanzielle Sorgen kennt sie keine. Ihr berufliches Engagement lässt zu Wünschen übrig und die Anforderungen an ihre Leistung erfüllt sie nur knapp. Ihr monatliches Bruttoeinkommen beträgt SFr. 4000.–

6 Old-Boy Network: Militärdienst und ziviler Berufserfolg in der Schweiz

6.1 Einleitung Das militärische Milizsystem in der Schweiz sieht für Männer über eine längere Dauer des Erwachsenenlebens eine allgemeine Wehrpflicht vor. Nach einer mehrmonatigen Grundausbildung (Rekrutenschule) im 20. Lebensjahr werden die Wehrpflichtigen je nach Dienstgrad während 20 bis 30 Jahren i. d. R. zweijährlich zu einem dreiwöchentlichen Wiederholungskurs einberufen. Hinzu kommen weitere Kurse und Einsätze für höhere Dienstgrade. Da Berufsoffiziere äusserst selten sind, der Grossteil des militärischen Kaders also einem zivilen Beruf nachgeht, stellt sich die Frage nach der Verflechtung von militärischer und ziviler Karriere. Auch heute noch wird in weiten Teilen der Bevölkerung die Meinung vertreten, dass sich eine militärische Karriere vorteilhaft auf die zivile berufliche Laufbahn auswirkt (Haltiner et al. 2001), was sich in Sprichwörtern wie „Gold am Hut tut der Karriere gut!“ (Hochstrasser 1989: 1) niedergeschlagen hat. Auch liefern Befragungen von Führungskräften in der Schweizer Wirtschaft deutliche Hinweise. So schreibt etwa Spälti (1995: 23), „. . . dass überdurchschnittlich viele Führungskräfte von Schweizer Unternehmen auch in der Armee Kaderfunktionen einnehmen. Ein tradiertes Klischee besagt sogar, dass in Schweizer Unternehmen nur Karriere machen könne, wer auch im Militär Offizier geworden sei.“ Oder Staffelbach (1994: 9): „Mehr als die Hälfte der (männlichen) Schweizer Führungskräfte sind Offiziere.“ Und: „Drei Viertel der (Miliz-)Generalstabsoffiziere sind im Topmanagement“ (vgl. zu ähnlichen Angaben Hollenstein 1987 und Hochstrasser 1989). Dass die militärische Position ein Kriterium bei der Stellenbesetzung sein kann, zeigen zudem Befragungen von Personalchefs. So etwa die Befunde von Berner (1994: 79): „Bei der Besetzung von oberen und mittleren Führungspositionen wird in fast zwei Dritteln der Fälle nach dem militärischen Grad des Stellenbewerbers gefragt“ (vgl. auch Bertossa et al. 1994, Zimmermann et al. 1992). Weiterhin ist bekannt, dass Personen in höheren Positionen der öffentlichen Verwaltung und in der politischen Elite häufig auch eine militärische Karriere vorweisen können. So Ambühl (1998): „In Basel . . . verfügen auffällig viele höhere Staatsdiener gleichzeitig auch über ein Offizierspatent“, oder Kriesi (1980: 533):

128

6. Old-Boy Network

„Eine militärische Karriere ist also für Akteure im inneren Kreis der politischen Elite, wenn nicht Voraussetzung, so doch üblich.“ In neuerer Zeit regen sich allerdings bezüglich der Vorteilhaftigkeit einer höheren militärischen Position durchaus auch kritische Stimmen („Die Wirtschaft pfeift immer lauter auf militärische Führungsqualifikationen“, Lutz 1998, vgl. auch z. B. Vontobel 1992, Lichtsteiner 1997, Erb 1997, Staffelbach 1998, Schmitt 1992, Keller 1995). Insbesondere die häufigen, durch militärische Verpflichtungen bedingten Absenzen von Milizoffizieren seien für Unternehmen eine Belastung (Oester 1996: 55). So schreibt etwa die Neue Zürcher Zeitung (27. Januar 1999: 67), dass „. . . bei höheren Offizieren vor allem die langen Abwesenheiten ab dem 35. Altersjahr negativ ins Gewicht [fallen]. Für solche Absenzen zeigen namentlich multinationale Firmen wenig Verständnis.“ Zu einem ähnlichen Schluss kommen Bertossa et al. (1994: 65) in einer Befragung von Personalchefs: „Negativ ins Gewicht fallen – verstärkt als früher – die mit der Weiterbildung verbundenen absenzbedingten Kosten.“ So hat auch der Prestigewert einer milizmilitärischen Karriere gemäss Bevölkerungsumfragen in den 1990er Jahren deutlich abgenommen. Haltiner et al. (2001: 147) schreiben: „Eines der bis heute nachgewiesenermassen wichtigsten Karrieremotive – der zivile Nutzen des Weitermachens66 – steht im Begriffe, weiter an Zugkraft zu verlieren. Der Rückgang von 85 % Zustimmung im Jahre 1983 auf 60 % in diesem Jahr [2001] spricht eine deutliche Sprache.“67 Obwohl dieser Rückgang wohl zumindest teilweise die tatsächliche Veränderung des Einflusses einer militärischen Karriere auf das zivile Berufsleben widerspiegelt, muss weiterhin mit der Existenz eines entsprechenden Effekts – evtl. neuerdings in abgeschwächter Form – gerechnet werden. Hinzu kommt, dass sich im Querschnitt ein grosser Anteil der erwerbstätigen Personen in einem mehr oder weniger fortgeschrittenen Stadium der beruflichen Karriere befindet und sich die befördernde Wirkung des militärischen Rangs schon vor einiger Zeit eingestellt haben dürfte. Ein positiver Effekt der militärischen Karriere auf den beruflichen Erfolg sollte also – so er denn überhaupt je existiert hat – in einer Querschnittsbetrachtung auch heute noch nachgewiesen werden können. Zu bemerken ist allerdings, dass aufgrund des retrospektiven Charakters der Analyse mit einem solchen Ergebnis nur eingeschränkt auf die zukünftige Wirkungsweise 66 „Weitermachen“ ist ein in der Schweiz gebräuchlicher Begriff und meint: sich zum Unteroffizier oder Offizier ausbilden lassen. 67 Gemeint ist der Anteil Personen, die sich mit der Aussage „Eine militärische Führungserfahrung bringt auch im Zivilen berufliche Vorteile“ sehr oder eher einverstanden erklärten. Neben den angesprochenen Werten wurden für die Jahre 1995 und 1998 Anteile von 73 % beziehungsweise 66 % gemessen. Gleichzeitig wurde für die Jahre 1998 und 2001 allerdings auch ein leichter Rückgang der Zustimmung zur Aussage registriert, dass sich eine militärische Karriere nachteilig auf die Arbeitsmarktchancen auswirke (Haltiner et al. 2001: 147).

6.1 Einleitung

129

bei den eher am Anfang ihrer Berufskarriere stehenden Generationen geschlossen werden kann. Über anekdotische Hinweise und Fallstudien hinaus ist mir keine Untersuchung mit landesweit repräsentativen Daten bekannt, die den erwähnten Zusammenhang systematisch erforscht hätte. In diesem Beitrag soll also der gemäss den eingangs zitierten Befunden zu erwartende positive Einfluss der militärischen Karriere auf den beruflichen Erfolg statistisch geprüft werden. Sollte sich auch unter Kontrolle der üblichen Bestimmungsgrössen tatsächlich ein positiver Effekt zeigen, so bieten sich drei Erklärungsalternativen an. Erstens kann es sich um ein Phänomen der Selbstselektion handeln. Das heisst, Personen sind aus den gleichen Gründen beruflich erfolgreich, wie sie eine militärische Karriere einschlagen, und zwar weil sie (1) eine erfolgreiche Karriere im Allgemeinen (also sowohl in Militär wie auch Beruf) als wichtiger erachten als andere oder (2) von vornherein mit für beide Bereiche günstigeren Eigenschaften ausgestattet sind. Zum Beispiel weisen Mueller und Mazur (1996) darauf hin, dass das physische Erscheinungsbild einer Person – in ihrer Studie ein dominanter versus unterwürfiger Gesichtsausdruck – einen Einfluss auf die militärische Karriere haben kann. Ähnlich ist bekannt, dass auch bei der Rekrutierung von Führungskräften physische Eigenschaften wie etwa die Körpergrösse eine Rolle spielen (Hartmann 1996: 118ff.). Die Möglichkeit von Selektionseffekten durch das äussere Erscheinungsbild oder auch durch weitere Eigenschaften wie Charaktermerkmale u. ä. muss hier allerdings mangels geeigneter Daten ausser Betracht gelassen werden. Es verbleibt die unter (1) aufgeführte Erklärung mit Hilfe der Karrieremotivation. Gemäss der Selbstselektionshypothese kommt der Effekt der militärischen Position also dadurch zustande, dass Personen, die eine militärische Karriere einschlagen, auch mehr in den zivilen Berufserfolg investieren. Als Brückenhypothese nehme ich an, dass das Ausmass an Arbeitseinsatz oder -anstrengung etwas über die subjektive Wichtigkeit einer erfolgreichen Karriere aussagt. Zweitens könnte der Karriereeffekt auf spezielle, im Rahmen der militärischen Weiterbildung und Praxis erworbene Fähigkeiten zurückzuführen sein, also auf zusätzliche Investitionen in das Humankapital (Becker 1993), die zu einem komparativen Vorteil im Beruf verhelfen. Besonders von militärischer Seite wird oft betont, dass die militärische Führungsausbildung und -erfahrung auch im zivilen Erwerbsleben nützlich sei und von der Wirtschaft nachgefragt werde: „Synergien zwischen ziviler und militärischer Führung sind offensichtlich“ (Staffelbach 1994: 9; vgl. auch Spälti 1990, 1995, Keller und Wigger 1998, Brunner 1997, Fopp 1992). Ähnliches fördert eine Befragung von Personalchefs zu Tage: „Positiv gewertet werden die potentiellen Führungserfahrungen . . . “ (Bertossa et al. 1994: 65). Die Humankapitalhypothese besagt also, dass die Milizoffiziere in der

130

6. Old-Boy Network

militärischen Ausbildung und Praxis besondere Führungskompetenzen erwerben, die im Wirtschaftsleben gefragt sind und somit zu höheren Arbeitsmarktchancen führen. Die These ist allerdings nur bedingt plausibel, da, wie bereits erwähnt, vor allem in neuerer Zeit die häufigen, mit dem Militärdienst einhergehenden Absenzen vom Arbeitsplatz den Nutzen der militärischen Führungskompetenzen schmälern dürften und zuweilen auch die Vereinbarkeit militärischer und ziviler Führungsgrundsätze angezweifelt wird. Zudem muss man bedenken, dass Personen, die keine militärische Führungsausbildung absolvieren, ähnliche Kompetenzen anderweitig erwerben können. Ein dritter Erklärungsansatz stützt sich schliesslich auf das Konzept des Sozialkapitals (Bourdieu 1983, Coleman 1988). Was in den Vereinigten Staaten das Old-Boy Network von Hochschulabsolventen – so die These –, sind in der Schweiz die sozialen Kontakte, die sich während des Militärdienstes entwickeln. Besonders mit dem Aufstieg in das militärische Kader ergeben sich viele Möglichkeiten zu Bekanntschaften, die sich – obwohl eigentlich nicht als enge Freundschaften zu charakterisieren – durch ein hohes Mass an Loyalität und Vertrauen auszeichnen (Oester 1996: 58ff., vgl. auch Ambühl 1998) und während der Dienstpflicht bis in ein relativ hohes Alter regelmässig aufgefrischt werden. Die so entstehenden Netzwerke finden in den Offiziersgesellschaften sogar ihre institutionalisierte Verwirklichung. Die Annahme liegt nahe, dass über diese Beziehungen unter anderem auch wertvolle Informationen bezüglich des Wirtschaftslebens (z. B. über offene Stellen) transportiert werden (Granovetter 1973). Gemäss der Sozialkapitalhypothese ist der begünstigende Effekt der militärischen Karriere für den zivilen Beruf also mit dem Zugang zu einem besonderen sozialen Netzwerk zu erklären, das im Kontext der Stellensuche und -besetzung Erfolg versprechend aktiviert werden kann. Im nächsten Abschnitt wird kurz auf die Datengrundlage und einige methodische Aspekte eingegangen, worauf in Abschnitt drei die empirische Überprüfung der Hypothesen folgt. Den Abschluss bildet eine kritische Diskussion und Zusammenfassung der zentralen Ergebnisse.

6.2 Daten und Methode Die Grundlage für die folgenden Analysen bilden die Daten des „Schweizer Arbeitsmarktsurveys 1998“ (SAMS 98) – einer durch den Schweizerischen Nationalfonds geförderten Bevölkerungsumfrage im Rahmen eines Gemeinschaftsprojekts der Institute für Soziologie und Politikwissenschaft der Universität Bern. Dem Survey liegt eine Zufallsstichprobe der Schweizer Wohnbevölkerung des Jahres 1998 im Alter von 18 bis 70 Jahren zugrunde (N = 3028). Die Daten

131

6.2 Daten und Methode

Tabelle 6.1: Militärdienst und Verteilung militärischer Ränge Prozent leistet(e) Militärdienst

79.3

als: – Soldat/Hilfsdienst – Unteroffizier – Leutnant, Oberleutnant – Hauptmann oder höher Total

leistet(e) keinen Militärdienst

20.7

weil: – untauglich – verweigert – noch nicht ausgehoben Total

Total

Prozent

Sollbestand 2001a

74.5 17.8 4.3 3.4

75.5 15.7

100.0

8.8 100.0

78.1 5.4 16.5 100.0

100.0

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Auswahl: Männer mit Schweizer Staatsbürgerschaft im Alter von 18 – 70 Jahren; N = 1201. a Prozentuale Anteile am Sollbestand der Schweizer Armee (Stand 2001) gemäss VBS (Eidgenössisches Departement für Verteidigung, Bevölkerungsschutz und Sport; Quelle: http://www.vbs-ddps.ch/ internet/vbs/de/home/publikationen/zahlen.html, 13.08.2002).

wurden mit Hilfe eines standardisierten Telefoninterviews und einer schriftlichen Nachbefragung erhoben (zu den Details der Befragung siehe Diekmann et al. 1999 und Jann 2003).68 Der Survey enthält eine Vielzahl von Informationen vor allem in Zusammenhang mit dem Erwerbsleben. Unter anderem wurden aber auch Fragen bezüglich der militärischen Karriere gestellt. Von der betroffenen Teilpopulation (Männer mit Schweizer Staatsbürgerschaft) haben insgesamt 79 % angegeben, Militärdienst zu leisten beziehungsweise geleistet zu haben (Tabelle 6.1). Entsprechend der hierarchischen Organisationsstruktur des Militärs treten höhere militärische Ränge relativ selten auf. So machen in der Stichprobe der Wehrpflichtigen und Entlassenen (also der Personen, die Militärdienst leisten bzw. geleistet haben) die Offiziere69 nur knapp 8 % aus. Der Löwenanteil entfällt auf Soldaten und Unteroffiziere. Dies liegt etwa im Rahmen des Sollbestandes der Armee, der für das Jahr 68 Der SAMS 98 kann für Sekundäranalysen bei SIDOS in Neuchâtel bezogen werden (http://www. sidos.ch/, Referenznummer 5306). 69 Zu den Offizieren zählen in absteigender Rangfolge: höhere Stabsoffiziere (Korpskommandant, Divisionär, Brigadier), Stabsoffiziere (Oberst, Oberstleutnant, Major), Hauptmann, Subalternoffiziere (Oberleutnant, Leutnant).

132

6. Old-Boy Network

2001 einen Offiziersanteil von knapp 9 % ausweist (vgl. ebenfalls Tabelle 6.1; wobei sich diese Zahl natürlich nur auf aktuell Wehrpflichtige bezieht). Bei den Befragten, die keinen Militärdienst leisten bzw. geleistet haben, handelt es sich – abgesehen von Frauen und Ausländern – zur Hauptsache um Ausgemusterte („Untaugliche“). Berufserfolg hat viele Facetten. Um der Frage des Einflusses des militärischen Rangs auf den Berufserfolg nachzugehen, wäre z. B. die Analyse der erreichten beruflichen Position nahe liegend. Leider wurde diese in den verwendeten Daten nur grob erfasst, was die Aussagekraft einer solchen Analyse stark einschränkt. In Betracht gezogen wurde weiterhin eine Operationalisierung des Berufserfolgs über das mit dem Beruf verbundene soziale Prestige (nach Ganzeboom und Treiman 1996). Es zeigt sich jedoch auch hier, dass gerade in den höheren Positionen erhebliche Unschärfen bestehen (was in erster Linie auf die in diesem Bereich relativ ungenaue Berufsklassifikation des SAMS 98 zurückzuführen ist). Ich beschränke mich deshalb auf die Analyse des persönlichen Erwerbseinkommens. Das erzielte Einkommen ist sicherlich einer der wichtigsten Aspekte beruflichen Erfolgs und erlaubt zudem eine detaillierte Differenzierung. Nicht zuletzt besteht der Vorteil einer vergleichsweise einfachen Messung. Als Grundlage für die Analysen dient das folgende, aus der Humankapitaltheorie abgeleitete Regressionsmodell (vgl. Mincer 1974, zusammenfassend z. B. Franz 1996, Willis 1992): ln w = β0 + β1 s + β2 x + β3 x2 + Der logarithmierte Stundenlohn w wird in Abhängigkeit der Schulbildung s und der Berufserfahrung x gesetzt. Um dem Phänomen abnehmender Zuwachsraten gerecht zu werden, wird der Einfluss der Berufserfahrung parabolisch modelliert. Durch die Logarithmierung der abhängigen Variablen lassen sich die Koeffizienten näherungsweise als Prozenteffekte auf den Stundenlohn interpretieren. Eine Erhöhung der Schulbildung um eine Einheit würde also mit einer Veränderung des erwarteten Stundenlohnes um ca. β1 · 100 Prozent einhergehen (genauer: [exp(β1 ) − 1] · 100 Prozent). Als Ausgangsgrösse zur Bildung der abhängigen Variablen w (Stundenlohn) dient das von den Befragten angegebene monatliche Nettoeinkommen,70 welches durch 3.64-mal die wöchentlichen Arbeitsstunden geteilt wird.71 Als wöchentliche Arbeitsstunden werden die Angaben zu den gewöhnlich pro Woche für den 70 Das persönliche Monatseinkommen abzüglich Sozialversicherungsbeiträge aber vor Abzug der Steuern. Zu bemerken ist, dass es sich beim Nettoeinkommen bereits um eine konstruierte Variable handelt, da ein Teil der Befragten die Einkommenshöhe in anderer Form angegeben hat (z. B. monatliches Bruttoeinkommen, jährliches Nettoeinkommen, etc.). Zur genauen Bildung der Variable vgl. Diekmann et al. (1999). 71 Der Faktor 3.64 ergibt sich aus der Anzahl Wochen pro Monat (4.3), einem 13. Monatslohn und einem Monat bezahlten Urlaubs pro Jahr. Der Faktor ist hier mangels genauerer Angaben

6.3 Ergebnisse

133

Beruf gearbeiteten Stunden verwendet, bei Fehlen dieser Angaben die vertraglich vereinbarten Wochenarbeitsstunden. Die Schulbildung wird aus den Angaben der Befragten über ihren höchsten Ausbildungsabschluss abgeleitet (Bildungsjahre).72 Die Berechnung der Anzahl Jahre Berufserfahrung erfolgt nach der Formel „Alter – Bildungsjahre – 6.5“. Bei dieser aus der Literatur bekannten Schätzung (z. B. Mincer 1974) wird vereinfachend angenommen, dass alle Befragten nach Abschluss der Ausbildung durchgehend erwerbstätig waren (was, solange nur Männer betrachtet werden, zu keinen grösseren Verzerrungen führen sollte). Der Einfluss des militärischen Rangs wird schliesslich durch Aufnahme weiterer additiver Komponenten in die Humankapitalgleichung analysiert. Die entsprechenden Variablen werden weiter unten erläutert.

6.3 Ergebnisse Bevor ich mich den Ergebnissen der Regressionsschätzungen zuwende, sollen die Befragten selbst über den subjektiv wahrgenommenen Einfluss der militärischen Position auf die zivile Karriere berichten (Tabelle 6.2).73 In scheinbarem Widerspruch zur verbreiteten Meinung des Nutzens der militärischen Karriere gibt die grosse Mehrheit der Befragten an, dass die militärische Position überhaupt keinen Einfluss auf die zivile Berufskarriere hatte. Werden die Ergebnisse jedoch nach militärischen Positionen der Befragten differenziert, zeigt sich ein deutlicher, mit der These des positiven Effekts der militärischen Karriere in Einklang stehender Zusammenhang: Mit zunehmendem militärischen Rang steigt der Anteil der Befragten, die von einem begünstigenden Einfluss berichten, stark an. So beträgt dieser Anteil in der Kategorie der Hauptleute und Stabsoffiziere fast 40 % (gegenüber 5 % in der Kategorie der Soldaten). Die Frage ist hier natürlich, inwieweit dieser Zusammenhang in messbaren Grössen des Berufserfolgs eine zu Ferientagen und Anzahl Monatslöhnen konstant und hat somit nur kosmetischen Charakter (für die Zwecke der vorliegenden Studie würde es auch reichen, den Monatslohn nur durch die Wochenarbeitsstunden zu teilen). 72 Gemäss der folgenden Zuordnung (gestützt auf die Beschreibung der Ausbildungsgänge in Bundesamt für Statistik 1999a,b): ohne Abschluss 8 Jahre; obligatorische Schule 9 Jahre; Anlehre 9.75 Jahre; Handelsschule/Haushaltslehrjahr 10 Jahre; Berufslehre 10.5 Jahre; Diplommittelschule 11.5 Jahre; Vollzeitberufsschule, Berufsmaturität, Meisterdiplom/Fachausweis 12 Jahre; gymnasiale Maturität, Techniker-/Fachschule 12.5 Jahre; höhere Fachschule/HTL/HWV 15 Jahre; Uni/Hochschule 17.5 Jahre; andere Ausbildungen 9 Jahre. 73 Die genaue Frage lautete: „Was meinen Sie, hat Ihre militärische Position Ihre berufliche Karriere stark begünstigt, begünstigt, teils/teils, behindert oder stark behindert oder hatte sie gar keinen Einfluss?“ Die Kategorien „stark begünstigt“ und „begünstigt“ sowie „stark behindert“ und „behindert“ wurden für die Analyse zusammengefasst.

134

6. Old-Boy Network

Tabelle 6.2: Selbst berichteter Einfluss der militärischen Position auf die zivile berufliche Karriere Militärischer Rang Einfluss auf Karriere Begünstigt Teils/teils Behindert Kein Einfluss Total

Soldat/ Hilfsdienst

Unteroffizier

(Ober-) Leutnant

Hauptmanna

Total

5 4 8 82

14 10 4 72

20 29 2 49

39 23 3 35

9 7 7 77

100

100

100

100

100

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Dargestellt sind Spaltenprozente; Auswahl: Männer mit Schweizer Staatsbürgerschaft im Alter von 18 – 70 Jahren, die Militärdienst leiten bzw. geleistet haben; N = 940; χ2 (9) = 123.6, p = 0.000. a Hauptmann oder höher.

Entsprechung findet. Zudem informieren die Resultate nicht über die Gründe der positiven Beeinflussung. Da zur Schätzung der Regressionsmodelle ein persönliches Erwerbseinkommen vorhanden sein muss, beschränke ich die Stichprobe in der Folge auf erwerbstätige Personen. Zudem schliesse ich beruflich Selbständige, Lehrlinge sowie noch nicht ausgehobene (rekrutierte) Personen als selektive und nur schwer vergleichbare Gruppen von den Analysen aus.74 Tabelle 6.3 gibt eine erste bivariate Übersicht über die durchschnittliche Einkommenshöhe nach militärischem Rang. Während zwischen Personen, die keinen Militärdienst leisten (bzw. geleistet haben), Soldaten und Unteroffizieren kaum gravierende Unterschiede bestehen, heben sich die Leutnants und besonders die Hauptleute und Stabsoffiziere deutlich ab. So verfügen die Leutnants im Schnitt über ein um 28 % höheres Monatseinkommen als die Soldaten (bzw. einen um 18 % höheren Stundenlohn), die Hauptmänner und Stabsoffiziere gar über ein um 85 % höheres Einkommen (bzw. einen um gut 50 % höheren Stundenlohn).75 Da nicht-experimentelle Daten vorliegen, darf kaum davon ausgegangen werden, dass die Unterschiede in den Löhnen tatsächlich in diesem Umfang auf den Einfluss des militärischen Ranges zurückzuführen sind. Bekanntermassen ist mit 74 Weiterhin entfallen 94 Fälle mit unbekannten Werten für mindestens eine der im Folgenden verwendeten Variablen. Es handelt sich zur Hauptsache um Fälle mit fehlenden Einkommensangaben. 75 Die relativen Unterschiede treten beim Monatseinkommen deutlicher zu Tage als bei den Stundenlöhnen, weil Personen mit hohem Stundenlohn tendenziell mehr Stunden pro Woche arbeiten.

135

6.3 Ergebnisse

Tabelle 6.3: Monatseinkommen und Stundenlohn nach militärischem Rang Monatsnettoeinkommen

Kein Militärdienst Soldat/Hilfsdienst Unteroffizier (Ober-)Leutnant Hauptmann oder höher Total

Netto-Stundenlohn

Mittela

Median

Mittela

Median

5384 5606 5739 7178 10367

5000 5200 5200 7200 10500

32.8 34.5 35.9 40.6 52.3

29.5 32.5 33.2 39.6 54.9

123 424 112 25 18

5767

5200

35.1

32.7

702

N

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Auswahl: Abhängig erwerbstätige Männer mit Schweizer Staatsbürgerschaft im Alter von 18 – 70 Jahren, ohne Lehrlinge und noch nicht Ausgehobene; zudem Ausschluss von Fällen mit fehlenden Werten für mindestens eine der in den nachfolgenden Regressionsmodellen verwendeten Variablen. a Arithmetisches Mittel.

zunehmendem Alter (bzw. zunehmender Berufserfahrung) ein höheres Einkommen zu erwarten, aber auch der militärische Rang ist vom Alter abhängig. Zudem sind Einkommen und militärische Ränge beide mit Bildung assoziiert. Um die Einflüsse von Berufserfahrung und Bildung zu kontrollieren, wird im Folgenden die aus der Humankapitaltheorie abgeleitete Regressionsgleichung verwendet. Die Tabellen 6.4, 6.5 und 6.6 zeigen die Ergebnisse.76 Im Anhang befinden sich zudem deskriptive Statistiken zu den verwendeten Variablen. Modell 1 in Tabelle 6.4 repliziert den bivariaten Zusammenhang aus Tabelle 6.3, wobei hier vereinfachend und aufgrund der geringen Fallzahlen bei den militärischen Rängen nur noch zwischen Soldaten bzw. Hilfsdienstleistenden, Unteroffizieren und Offizieren unterschieden wird. Da der Effekt des militärischen Ranges im Zentrum des Interesses steht, weniger aber ein Effekt des Militärdienstes an sich, werden Personen, die keinen Militärdienst leisten bzw. geleistet haben, vorerst ausgeschlossen. Verglichen mit der Referenzgruppe der Soldaten verfügen die Offiziere gemäss Modell 1 über einen fast 30 % höheren Stundenlohn. Wird 76 Obwohl sich die Auswahlwahrscheinlichkeiten der einzelnen Zielpersonen des SAMS 98 durch den Stichprobenplan bedingt je nach Haushaltsgrösse unterscheiden (vgl. Diekmann et al. 1999: 8f.), verzichte ich bei der Schätzung der Regressionsmodelle auf eine entsprechende Gewichtung der Daten. Wie Winship und Radbill (1994) zeigen, sind ungewichtete Regressionsschätzungen i. d. R. konsistent und unverzerrt und aufgrund höherer Effizienz einer gewichteten Schätzung vorzuziehen (die Standardfehler bei gewichteten Modellen können nach der Methode von White 1980 konsistent geschätzt werden, womit aber ein Effizienzverlust einhergeht). Ob eine Gewichtung trotzdem angezeigt ist (d. h., ob die ungewichtete Schätzung verzerrt ist), kann mit einer einfachen Methode nach DuMouchel und Duncan (1983) getestet werden. Die Anwendung dieses Tests liefert im vorliegenden Fall keine Hinweise auf die Notwendigkeit einer Gewichtung.

136

6. Old-Boy Network

Tabelle 6.4: Einkommensregressionen

Militärischer Rang (Ref.: Soldat): – Unteroffizier – Offizier

Model 1

Model 2

Model 3

Model 4

0.037 (0.96) 0.258∗∗∗ (4.46)

0.026 (0.83) 0.117∗ (2.38) 0.054∗∗∗ (10.03) 0.046∗∗∗ (10.21) −0.068∗∗∗ (−7.24)

0.025 (0.79) 0.111∗ (2.26) 0.054∗∗∗ (9.99) 0.046∗∗∗ (10.22) −0.068∗∗∗ (−7.27) 0.033 (1.31)

0.025 (0.80) 0.111∗ (2.25) 0.054∗∗∗ (9.99) 0.045∗∗∗ (10.00) −0.067∗∗∗ (−7.08)

Bildungsjahre Berufserfahrung Berufserfahrung2 /100 Arbeitsanstrengung Führungsposition Konstante Korrigiertes R-Quadrart

3.482∗∗∗ (198.09)

2.265∗∗∗ (27.89)

2.257∗∗∗ (27.72)

0.032 (1.16) 2.253∗∗∗ (27.51)

0.030

0.350

0.351

0.350

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Abhängige Variable ist der logarithmierte Netto-Stundenlohn; OLS-Regressionen; tWerte in Klammern; Auswahl: Abhängig erwerbstätige Männer mit Schweizer Staatsbürgerschaft im Alter von 18 – 70 Jahren, die Militärdienst leisten bzw. geleistet haben, ohne Lehrlinge; N = 579. ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

nun für Bildung und Berufserfahrung kontrolliert (Modell 2), schrumpft der „Offizierseffekt“ auf rund 12 %. Er ist aber nach wie vor signifikant. Auch unter standardmässiger Kontrolle von Humankapital erzielen also die Offiziere einen höheren Stundenlohn als die Soldaten. Die Effekte von Bildung (Rendite von gut 5 % pro Jahr) und Berufserfahrung (abnehmende Rendite von anfänglich gut 4 % pro Jahr; maximaler Stundenlohn bei rund 34 Jahren Berufserfahrung) liegen dabei im Rahmen der Erfahrungswerte für Schweizer Männer (vgl. z. B. Kugler 1988, Diekmann und Engelhardt 1995a, Bonjour 1997, Henneberger und Sousa-Poza 1999, Falter und Ferro Luzzi 2000, Franzen 2001). Die Hypothese, dass Personen in höheren militärischen Rängen beruflich erfolgreicher sind bzw. besser bezahlte Arbeit ausüben, scheint sich zu bewähren.77 77 Wobei man der Prüfung der Hypothese natürlich noch mit weiteren Instrumenten wie etwa Propensity-Score-Matching nachgehen könnte (vgl. zusammenfassend Winship und Morgan 1999).

6.3 Ergebnisse

137

Aber wie kann dieser Effekt erklärt werden? In den Modellen 3 und 4 in Tabelle 6.4 wird getestet, ob Selbstselektion oder Investitionen in das Humankapital (Führungskompetenzen) zu dem Einkommensbonus führen. Zur Prüfung der Selbstselektionshypothese wird ein Indikator verwendet, der über das Ausmass an Arbeitsanstrengung Auskunft gibt.78 Wenn man argumentiert, dass Personen aus dem gleichen Grund beruflich erfolgreicher sind, wie sie in höhere militärische Ränge vorstossen, nämlich weil ihnen eine gelungene Karriere im Militär wie auch Beruf wichtig ist und sie sich deshalb in beiden Gebieten mehr anstrengen als andere, müsste der Offizierseffekt unter Berücksichtigung dieses Indikators verschwinden. Wie man in Modell 3 sieht, ist dies nicht der Fall: Der Offizierseffekt bleibt bei rund 12 % bestehen. Zugegebenermassen ist der Indikator für die Arbeitsanstrengung in dem Modell nicht besonders erklärungskräftig, was Zweifel an der Validität des Masses aufkommen lassen mag. Der Effekt weist zwar in die erwartete Richtung, ist aber nicht signifikant. Zu einem ähnlichen Schluss kommt man bei der Betrachtung von Modell 4 (Tabelle 6.4): Auch wenn berücksichtigt wird, ob eine Person im Erwerbsleben eine Führungsposition einnimmt, bleibt der Offizierseffekt praktisch unberührt erhalten. Er kommt also offenbar nicht dadurch zustande, dass Personen aufgrund der militärischen Führungsausbildung eher in Führungspositionen gelangen und diese (unter Kontrolle von Bildung und Berufserfahrung) besser entlohnt werden als andere Arbeitsstellen.79 Es bleibt die dritte Hypothese zu testen, die besagt, dass Personen in höheren militärischen Rängen aufgrund des militärischen sozialen Beziehungsnetzes zu besser bezahlten Jobs gelangen. Dazu soll ein Indikator in das Modell aufgenommen werden, der angibt, ob die aktuelle Stelle über soziale Kontakte gefunden wurde (gegenüber der Stellenfindung via formelle Wege).80 Die Ergebnisse sind in Modell 5 (Tabelle 6.5) dargestellt und zeigen deutlich, dass auch nicht 78 Die entsprechende Frage lautete: „Bemühen Sie sich im Beruf mehr zu leisten als das, was von Ihnen gefordert wird?“ mit den Antwortkategorien „nein“, „ja, nur wenig“, „ja, einiges“ und „ja, viel“. Aufgrund der schiefen Verteilung der Antworten fasse ich die ersten drei Kategorien zusammen. Der Indikator der Arbeitsanstrengung nimmt also den Wert 1 an für Personen, die viel mehr als gefordert zu leisten angegeben haben, und ist sonst gleich null. 79 Der Indikator wurde aus der Frage „Gehört es zu Ihren Aufgaben, andere Mitarbeiter anzuleiten oder ihre Arbeit zu beaufsichtigen?“ abgeleitet, die mit „ja“ oder „nein“ beantwortet werden konnte. 80 Die entsprechende Frage lautete: „Wie genau sind Sie auf Ihren Arbeitsplatz gestossen?“ Die Antworten „fragte eine mir bekannte Person“, „wurde von einer mir bekannten Person darauf aufmerksam gemacht, die wusste, dass ich Arbeit suche“, „wurde von einer mir bekannten Person darauf aufmerksam gemacht, die nicht wusste, dass ich Arbeit suche“ und „durch eine mir bis dahin unbekannte Person“ werte ich als Stellenfindung über soziale Kontakte, die Antworten „Anzeige in Zeitung“, „Arbeitsamt“, „Stellenvermittlungsfirma“, „Head Hunter“, „direkt bei Unternehmen beworben“ und „anderes“ als Stellenfindung über formelle Wege.

138

6. Old-Boy Network

Tabelle 6.5: Einkommensregressionen (Fortsetzung)

Militärischer Rang (Ref.: Soldat): – Unteroffizier – Offizier Bildungsjahre Berufserfahrung Berufserfahrung2 /100

Model 5

Model 6

Model 7

Model 8

0.026 (0.84) 0.117∗ (2.37) 0.054∗∗∗ (9.99) 0.046∗∗∗ (10.20) −0.068∗∗∗ (−7.23)

0.022 (0.69) 0.117∗ (2.39) 0.055∗∗∗ (10.19) 0.047∗∗∗ (10.37) −0.069∗∗∗ (−7.37)

0.021 (0.67) 0.064 (1.18) 0.056∗∗∗ (10.25) 0.046∗∗∗ (10.40) −0.069∗∗∗ (−7.36)

0.019 (0.61) 0.056 (1.01) 0.055∗∗∗ (10.18) 0.046∗∗∗ (10.22) −0.068∗∗∗ (−7.25) 0.030 (1.17) 0.024 (0.90)

0.044 (1.23) −0.079 (−1.92)

0.040 (1.11) −0.116∗∗ (−2.69) 0.047 (0.29) 0.407∗∗ (2.76) 2.232∗∗∗ (26.99) 0.362

Arbeitsanstrengung Führungsposition Stellenfindung über soziale Kontakte Stellenfindung (Ref.: formell): – starke soziale Kontakte

−0.007 (−0.25)

2.268∗∗∗ (27.63)

2.248∗∗∗ (27.37)

0.040 (1.12) −0.115∗∗ (−2.68) 0.036 (0.23) 0.423∗∗ (2.88) 2.250∗∗∗ (27.50)

0.349

0.354

0.361

– schwache soziale Kontakte Starke Kontakte × Offizier Schwache Kontakte × Offizier Konstante Korrigiertes R-Quadrart

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Abhängige Variable ist der logarithmierte Netto-Stundenlohn; OLS-Regressionen; tWerte in Klammern; Auswahl: Abhängig erwerbstätige Männer mit Schweizer Staatsbürgerschaft im Alter von 18 – 70 Jahren, die Militärdienst leisten bzw. geleistet haben, ohne Lehrlinge; N = 579. ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

6.3 Ergebnisse

139

die Stellenfindung über soziale Kontakte den Offizierseffekt zu erklären vermag. Hält man sich an Mark Granovetters These der „Stärke der schwachen Beziehungen“ (1973), würde man das auch nicht zwingend erwarten. Nach Granovetter (1973, 1974, 1983; vgl. auch Liu und Duff 1972) sind es nämlich nicht unbedingt soziale Kontakte allgemein, die sich günstig auswirken, sondern besonders die „schwachen“ Beziehungen („weak ties“). Denn Personen, zu denen man eine eher lose Beziehung pflegt, verbinden häufig unterschiedliche soziale Welten und machen dadurch neue Informationsquellen zum Beispiel über offene Arbeitsstellen zugänglich (vgl. auch Feld 1997; Beziehungen dieser Art werden i. d. R. als „bridging ties“ bezeichnet). Aufgrund der Organisationsstruktur der Armee sollten solche Beziehungsmuster gerade in der Führungsriege des Militärs verstärkt vorliegen. Auf den untersten hierarchischen Stufen richtet sich die Armeeeinteilung grundsätzlich nach dem Jugendwohnort, was eine Durchmischung von Personen aus sozial fernen Netzwerken zumindest behindert. Mit dem Aufstieg in höhere Ränge nimmt die Reichweite der militärischen Kontakte (d. h. die Anzahl „bridge“-artiger Verbindungen) insbesondere in Form von Beziehungen zu hierarchisch Gleichgestellten jedoch kontinuierlich zu. Zudem schafft die hierarchische Abgrenzung nach unten eine gemeinsame Identität. Das persönliche multiplexe Netzwerk aus Freundschafts-, Arbeits- und sonstigen Beziehungen wird mit höherem militärischem Rang also zunehmend um die für andere Personen nicht zugängliche Ebene der militärischen Kontakte erweitert. Diese Kontakte sind, zumindest was die Kontakthäufigkeit und die Überschneidung mit den zivilen Netzwerken anbelangt, i. d. R. als „schwache“ Beziehungen zu bezeichnen (vgl. Oester 1996). Sie werden aber – so die zentrale Besonderheit des Milizsystems in der Schweiz – während der Dienstpflicht bis in ein relativ hohes Alter regelmässig aufgefrischt. Hinzu kommen zum Teil auch private Zusammenkünfte bei Veranstaltungen der Offiziersgesellschaften. Für die weitere Analyse soll daher zwischen der Stellenfindung über „starke“ versus „schwache“ soziale Kontakte unterschieden werden, um zu ermitteln, ob sich der Offizierseffekt durch häufigeren Rückgriff auf schwache soziale Kontakte erklären lässt.81 Die Ergebnisse (Modell 6 in Tabelle 6.5) fallen auch hier negativ aus. Nicht nur dass der Offizierseffekt unberührt erhalten bleibt, die Effekte 81 Den Personen, die angaben, ihre Arbeitsstelle über soziale Kontakte gefunden zu haben, wurde zusätzlich die Frage „Wie intensiv war Ihr Kontakt zu der Person zum Zeitpunkt Ihrer Stellensuche?“ gestellt (mit geringfügigen Modifikationen übernommen von Preisendörfer und Voss 1988). Ich werte die Antworten „wir sahen uns oft und regelmässig“ und „wir hatten recht oft und regelmässig brieflichen oder telefonischen Kontakt“ als starke Kontakte, die Antworten „wir trafen uns nur bei bestimmten Gelegenheiten oder hatten gelegentlich brieflichen oder telefonischen Kontakt“, „wir trafen uns zufällig“, „wir kannten und kaum bzw. gar nicht und wurden durch gemeinsame bekannte, dritte Personen zusammengebracht“ und „nichts trifft zu“ als schwache Kontakte. Dies ist zugegebenermassen eine etwas vereinfachende Kategorisierung, die sich in

140

6. Old-Boy Network

der sozialen Kontakte weisen sogar tendenziell in eine den Erwartungen entgegengesetzte Richtung: Die Stellenfindung über schwache soziale Kontakte wirkt sich verglichen mit der Stellenfindung über formelle Wege eher negativ auf den Stundenlohn aus (nicht signifikant). Das Ergebnis, dass Personen in höheren militärischen Positionen im zivilen Beruf einen höheren Lohn erzielen, kann demnach auch nicht mit Granovetters Theorie der Stärke der „weak ties“ erklärt werden. Zieht man allerdings einige neuere Überlegungen und Befunde zu Granovetters Ansatz in Betracht, muss von einem etwas komplexeren Zusammenhangsmuster ausgegangen werden. Verschiedene Autoren weisen darauf hin, dass der Nutzen sozialer Kontakte – seien es nun schwache oder starke – von Rahmenbedingungen wie der Netzwerkstruktur (Montgomery 1991, 1992, Podolny und Baron 1997, Flap und Völker 2001), der eigenen sozialen Position im Netzwerk (Lin et al. 1981a, Wegener 1987, 1989, 1991), bzw. der sozialen Position der Kontaktperson (Lin et al. 1981a,b, De Graaf und Flap 1988) abhängt. So zeigt Wegener (1991), dass sich die Stellenfindung über schwache soziale Kontakte vor allem für Personen in beruflichen Positionen mit hohem Prestigewert bezahlt macht, während Personen in tieferen beruflichen Positionen eher von starken sozialen Kontakten profitieren können. Kurz: Es besteht ein Interaktionseffekt zwischen der eigenen Position und der Wirkung sozialer Kontakte. Die Erklärung hierfür bezieht sich auf die Überlegung, dass vor allem Kontakte zu statushöheren Personen für die Stellenfindung nützlich sind, und auch Netzwerke starker Beziehungen zu einem gewissen Grad heterogen sein können bezüglich des Status ihrer Mitglieder (vgl. Wegener 1991). Nach der Standardtheorie der Stärke der schwachen Beziehungen können Verbindungen zu statushöheren Personen hauptsächlich als schwache soziale Kontakte realisiert werden („bridging ties“ zu statushöheren Netzwerken). Ein positiver Effekt auf die berufliche Mobilität wird daher nur von den schwachen sozialen Kontakten erwartet. Lässt man jedoch Statusheterogenität innerhalb der Netzwerke starker Beziehungen zu, erweisen sich für Personen, die innerhalb eines solchen Netzwerks einen relativ niedrigen Status einnehmen, auch starke soziale Kontakte als nützlich. Nur die Personen, die sich eher am oberen Ende der Hierarchie befinden, sind mangels starker Kontakte zu statushöheren Personen im eigenen Netzwerk zu einer Orientierung nach aussen gezwungen. Übertragen auf den hier zu erklärenden Sachverhalt lassen sich zum Teil ähnliche Überlegungen anstellen. Aus der Annahme einer traditionellen Verflechtung der militärischen Elite mit anderen gesellschaftlichen Eliten zum Beispiel in Wirtschaft, Politik und Verwaltung folgt, dass Männer, wenn sie in höhere militärische erster Linie auf die Häufigkeit des Kontaktes stützt. Zu Vorschlägen für differenziertere Operationalisierungen vgl. etwa Marsden und Campbell 1984).

6.3 Ergebnisse

141

Ränge vorstossen, ihr Netzwerk mit sozialen Verbindungen zu Personen anreichern können, die in verschiedener Hinsicht einen hohen Status aufweisen. Es wird also der Zugang zu einer Gruppe an gesellschaftlich vorteilhaft positionierten Personen hergestellt, die sich als besonders geeignete Informationsträger im Rahmen der Stellensuche erweisen können. Männer in unteren militärischen Rängen oder Personen, die keinen Militärdienst leisten, mögen vielleicht in ähnlichem Ausmass über schwache soziale Kontakte verfügen. Die Qualität dieser Kontakte wird sich aber insofern unterscheiden, dass tendenziell eine geringere Konzentration an statushohen Kontaktpersonen vorliegt. Zu erwarten ist somit ein Interaktionseffekt zwischen der militärischen Position und der Wirkung sozialer Kontakte: Die Stellenfindung über schwache soziale Kontakte sollte sich besonders für Personen in höheren militärischen Rängen bezahlt machen.82 Zusammenfassend nochmals die für die Sozialkapitalhypothese relevanten Argumente: (1) Die Teilnahme am Militärdienst schafft zusätzliche schwache soziale Kontakte, die unterschiedliche soziale Welten verbinden und den Zugriff auf alternative Informationsquellen ermöglichen. (2) Die militärischen Kontakte werden aufgrund der langen Wehrpflicht über eine bedeutende Dauer des zivilen Erwerbslebens aufrechterhalten. (3) Aus strukturellen Gründen nehmen die Möglichkeiten zur Schaffung solcher Kontakte mit höheren militärischen Rängen zu: Die Reichweite und der (informelle) Organisationsgrad der Kontakte steigt. Auch wird die Dauer der formellen Aufrechterhaltung sowie die Häufigkeit der Kontakte durch die zeitliche Ausweitung der Wehrpflicht und die zusätzlichen Diensttage erhöht. (4) Gemäss Annahme nimmt mit dem militärischen Rang die Dichte an Personen mit hohem Status in weiteren Sozialbereichen wie Wirtschaft, Politik oder Verwaltung zu. Der Aufstieg in höhere militärische Positionen ermöglicht somit den Zugang zu einer gesellschaftlichen Elite, das heisst zu Personen, die sich für die eigene berufliche Promotion als besonders nützlich erweisen können. Aus den Punkten (1) bis (3) folgt, dass Personen in höheren militärischen Positionen in der Regel über ein ausgeprägtes Netzwerk an schwachen sozialen Kontakten verfügen, was in Anlehnung an Granovetters These der Stärke der schwachen Beziehungen ihren grösseren beruflichen Erfolg erklären könnte. Wie erläutert, wird die Wirkung schwacher sozialer Kontakte allerdings kaum per se vorteilhaft sein, sondern von weiteren Bedingungen wie etwa dem beruflichen Status der Kontaktperson abhängen. Gemäss Punkt (4) erfüllt das Beziehungsnetz der militärischen Führungskräfte diese Bedingungen in besonderem Masse, was einen 82 Diese Erklärung mag auf den ersten Blick zirkulär erscheinen. Zu bedenken ist allerdings, dass die Verflechtung der militärischen mit anderen gesellschaftlichen Eliten organisatorisch (und historisch) bedingt sein kann. Zudem wird die Konzentration an statushohen Personen in militärischen Führungsrängen auf weiteren Zusammenhängen wie z. B. dem Einfluss von Bildung beruhen. Der erläuterte Netzwerkeffekt darf höchstens als Verstärkereffekt gesehen werden.

142

6. Old-Boy Network

positiven Interaktionseffekt zwischen dem militärischen Rang und der Wirkung schwacher sozialer Kontakte erwarten lässt. Von Interesse erscheint an dieser Stelle der Hinweis, dass die Unterscheidung in starke und schwache Kontakte für die theoretische Argumentation nicht unbedingt zentral ist. Sie wird hier hauptsächlich durch die spezifische Operationalisierung der Beziehungsstärke als Kontakthäufigkeit bedingt, denn unter dieser Betrachtungsweise sind die militärischen Kontakte in der Regel als schwache Kontakte zu bezeichnen. Der theoretisch wichtige Aspekt ist vielmehr, ob die Beziehungen unterschiedliche soziale Welten verbinden, was zwar für schwache soziale Kontakte und insbesondere für die Beziehungen zwischen militärische Führungspersonen mit hoher Wahrscheinlich zutrifft, unter Umständen aber auch für starke soziale Kontakte der Fall sein kann. Tatsächlich gibt es Hinweise, dass gerade die Beziehungen zwischen höherrangigen Militärs häufig als starke Verbindungen zu charakterisieren sind, wenn als Dimension der Beziehungsstärke zum Beispiel das gegenseitige Vertrauen in Betracht gezogen wird (vgl. Einleitung). Unter der plausiblen Annahme, dass zusätzliches Vertrauen in einer Beziehung bei sonst gleich bleibenden Bedingungen den Informationsfluss begünstigt, ist dies neben dem unter Punkt (4) aufgeführten Argument des hohen Status der Kontaktpersonen eine weitere Begründung für die besondere Wirkungsweise des sozialen Netzwerks von Männern in höheren militärischen Rängen. Schwache soziale Kontakte – wenn wir die Kontakthäufigkeit als Mass für die Beziehungsstärke beibehalten – sollten sich also besonders für Personen in höheren militärischen Rängen bezahlt machen, nicht aber unbedingt für andere. Die Ergebnisse der empirischen Prüfung dieser Hypothese fallen überaus deutlich aus (Modell 7 in Tabelle 6.5). Wie erwartet ist der Interaktionsterm zwischen der militärischen Position (Offizier) und der Stellenfindung über schwache Kontakte stark positiv und signifikant. Der Haupteffekt der schwachen Beziehungen ist dabei signifikant negativ. Dies bedeutet, dass sich die Stellenfindung über schwache soziale Kontakte für Nicht-Offiziere eher negativ auf den erzielten Stundenlohn auswirkt, für Offiziere jedoch positiv (der Netto-Effekt für Offiziere ergibt sich aus der Addition der beiden Koeffizienten, also 0.308, und ist mit p = 0.029 signifikant von null verschieden). Noch wichtiger erscheint hier allerdings, dass sich in Modell 7 erstmals der Offizierseffekt substantiell verändert: Er fällt von der signifikanten, rund 12-prozentigen Lohnrendite auf deutlich nicht-signifikante 6 %. Das heisst, der Einkommensvorteil von Offizieren stellt sich anscheinend nur für diejenigen ein, die mit Hilfe von schwachen sozialen Kontakten zu ihrer aktuellen Stelle gelangt sind. Der Grund für den Offizierseffekt ist gemäss der Analyse somit im sozialen Beziehungsnetz dieser Personen zu suchen. Das berichtete Zusammenhangsmuster bleibt auch bestehen, wenn die beiden Variablen

6.3 Ergebnisse

143

zur Prüfung der Selbstselektions- und Humankapitalhypothese wieder aufgenommen werden (Modell 8; Netto-Offizierseffekt: p = 0.040). Gestützt auf die Ergebnisse von Wegener (1991) könnte argumentiert werden, dass der gemessene Netzwerkeffekt nur auftritt, weil die betrachteten Offiziere schon bei ihrer letzten Anstellung eine relativ hohe berufliche Position eingenommen haben und Personen in hohen beruflichen Positionen allgemein von schwachen sozialen Kontakten profitieren. Der Netzwerkeffekt wäre dann nicht eine Funktion des militärischen Ranges, sondern eine Funktion der vor der aktuellen Stelle zuletzt eingenommen beruflichen Position (deren Erreichen sich möglicherweise durch andere Gründe wie etwa Selbstselektion oder Humankapital erklären liesse). Diese Argumentation legt auch eine Ausweitung der betrachteten Population auf alle abhängig erwerbstätigen Männer nahe (also auch auf Personen, die keinen Militärdienst leisten bzw. leisteten). Es soll so geprüft werden, ob sich tatsächlich ein spezieller Netzwerkeffekt nur für die oberen Militärs einstellt, oder ob es sich nicht einfach allgemein um die nach Wegener (1991) zu erwartende Abhängigkeit des Vorteils schwacher Beziehungen von der beruflichen Statushöhe handelt. Die Berechnung eines Modells, das auch Personen, die keinen Militärdienst leisten, berücksichtigt und die Abhängigkeit des Netzwerkeffektes von der letzten beruflichen Stellung modelliert, bestätigt die bisherigen Ergebnisse (Modell 9 in Tabelle 6.6). Der Effekt der letzten beruflichen Stellung ist zwar insgesamt positiv und zumindest tendenziell zeigt sich der erwartete positive Interaktionsterm zwischen der letzten beruflichen Stellung und der Stellenfindung über schwache soziale Kontakte, der positive Einfluss schwacher Beziehungen für Offiziere bleibt jedoch uneingeschränkt bestehen (Netto-Effekt: p = 0.037). Die Variable der letzten beruflichen Stellung, d.h. der vor der aktuellen Anstellung zuletzt eingenommenen beruflichen Position, unterscheidet dabei zwischen höheren oder leitenden Angestellten einerseits und Arbeitern, einfachen und mittleren Angestellten, beruflich Selbständigen sowie Personen ohne letzte Stelle andererseits. Zu bemerken ist in diesem Zusammenhang, dass auch die Kontrastierung nach weiteren Ausprägungen der letzten Stelle (z. B. zusätzliche Aufnahme eines Indikators für mittlere Angestellte) den Netzwerkeffekt für Offiziere nicht zu beeinträchtigen vermag (nicht dargestellt; auf eine genauere Status-Messung der letzten beruflichen Position z. B. mit Hilfe von Prestige-Skalen oder dem zuletzt erzielten Einkommen musste mangels geeigneter Daten leider verzichtet werden). Weiterhin zeigt sich der begünstigende Effekt einer militärischen Karriere auch im Vergleich mit Personen, die keinen Militärdienst leisten (bzw. geleistet haben), zumal diese durchschnittlich sogar ein signifikant geringeres Einkommen aufweisen als die Soldaten.

144

6. Old-Boy Network

Tabelle 6.6: Einkommensregressionen (Fortsetzung) Modell 9

Militärischer Rang (Ref.: Soldat): – kein Militärdienst – Unteroffizier – Offizier Bildungsjahre Berufserfahrung Berufserfahrung2 /100 Arbeitsanstrengung Führungsposition Stellenfindung (Ref.: formell): – starke soziale Kontakte – schwache soziale Kontakte Starke Kontakte × Offizier Schwache Kontakte × Offizier Letzte Stelle: höherer Angestellter Starke Kontakte × höherer Angestellter Schwache Kontakte × höherer Angest. Betriebsgrösse/10 Branchen (Ref.: Industrie): – Land-/Forstwirtschaft – Industrie – Gastgewerbe/Handel/Reparatur – Verkehr/Nachrichten – Banken/Finanzgesellschaften – Versicherung/Beratung – sonstige Dienstleistungen – öffentliche Verwaltung Konstante Korrigiertes R-Quadrart

Modell 10

Koeffizient

t-Wert

Koeffizient

t-Wert

−0.072∗ 0.021 0.055 0.052∗∗∗ 0.042∗∗∗ −0.061∗∗∗ 0.036 0.029

(−2.32) (0.65) (0.99) (10.23) (10.04) (−7.01) (1.51) (1.12)

−0.054 0.022 0.045 0.046∗∗∗ 0.039∗∗∗ −0.056∗∗∗ 0.044 0.040

(−1.80) (0.70) (0.82) (9.08) (9.56) (−6.66) (1.91) (1.61)

−0.006 −0.090∗ 0.077 0.391∗∗ 0.046 0.035 0.217

(−0.19) (−2.18) (0.47) (2.62) (0.99) (0.33) (1.48)

0.008 −0.059 0.088 0.351∗ 0.057 0.036 0.213 0.006∗∗

(0.24) (−1.47) (0.56) (2.43) (1.27) (0.36) (1.51) (3.19)

−0.211∗∗ −0.009 −0.159∗∗∗ 0.053 0.123∗ 0.075 −0.011 0.089∗ 2.355∗∗∗

(−2.97) (−0.22) (−3.64) (0.99) (2.33) (1.51) (−0.34) (2.20) (30.02)

2.309∗∗∗ 0.345

(29.87)

0.391

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Abhängige Variable ist der logarithmierte Netto-Stundenlohn; OLS-Regressionen; tWerte in Klammern; Auswahl: Abhängig erwerbstätige Männer mit Schweizer Staatsbürgerschaft im Alter von 18 – 70 Jahren, ohne Lehrlinge und noch nicht Ausgehobene; N = 702. ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

6.4 Diskussion

145

In Modell 10 (Tabelle 6.6) wird schliesslich noch nach Betriebsgrösse und Branche kontrolliert. Diese Variablen beeinflussen bekanntlich das Lohnniveau. Der Einkommensvorteil von Offizieren könnte also nur dadurch zustande kommen, dass sich Offiziere – aus welchen Gründen auch immer – beruflich stärker auf Hochlohnsektoren konzentrieren. Verglichen mit ihren Kollegen aus ähnlichen Betrieben, wären die Offiziere dann nicht mehr als beruflich erfolgreicher zu bezeichnen. Erst eine genauere Analyse der Prozesse, die zur Segregation bezüglich Branche und Betriebsgrösse führen, würde Aufschluss darüber geben, ob trotzdem von einem positiven Einfluss des militärischen Rangs auf die zivile Berufskarriere gesprochen werden könnte. Entgegen diesen Überlegungen zeigen die Ergebnisse in Tabelle 6.6 (Modell 10), dass das bisherige Zusammenhangsmuster auch unter Kontrolle dieser Segregation mehr oder weniger erhalten bleibt.83 Die Betriebsgrösse wie auch die Branche nehmen zwar beide hoch signifikanten Einfluss auf die abhängige Variable (simultaner Test über alle Branchen-Parameter: p < 0.001), für Offiziere besteht aber noch immer ein positiver Netto-Effekt der Stellenfindung über schwache soziale Kontakte (p = 0.036).

6.4 Diskussion Die präsentierten Analysen und Ergebnisse demonstrieren, dass sich bei der Erklärung von sozioökonomischem Status Gedanken über Sozialkapital und insbesondere über Granovetters Ansatz der Stärke der schwachen Beziehungen trotz auch teilweise kontroverser Befunde (z. B. Murray et al. 1981, Bridges und Villemez 1986, Marsden und Hurlbert 1988, Preisendörfer und Voss 1988) als lohnenswert erweisen. Zusammenfassend lässt sich festhalten, dass der – in Übereinstimmung mit der allgemeinen Meinung über den zivilen Nutzen einer militärischen Karriere und der durch die Befragten berichteten, subjektiven Wahrnehmung – empirisch anhand einer Querschnittsstichprobe gemessene Einkommensvorteil von Milizoffizieren weder auf Selbstselektion noch auf Investitionen in das Humankapital zurückzuführen ist. Die Resultate deuten vielmehr darauf hin, dass sich das besondere militärische Beziehungsnetz für den Effekt verantwortlich zeichnet. Es ist anzunehmen, dass der Vorstoss in höhere militärische Ränge den Zugang zu einem wirkungsvollen Kreis an sozialen Kontakten eröffnet, das heisst 83 Die Werte für Betriebsgrösse und Branche beruhen auf Selbstauskünften der Befragten. Betriebsgrösse: 1 bis 10 kontinuierlich, ab 11 Personen in Klassen (für die Analyse verwendete Werte: 15 für die Antwortvorgabe „11 bis 19 Personen“, 30 für „20 bis 49 Personen“, 75 für „50 bis 99 Personen“ und 150 für „100 und mehr“). Branche: Die ursprüngliche Einteilung in 14 vorgegebene Wirtschaftszweige wurde aus Gründen von zum Teil geringen Fallzahlen zu 9 Kategorien zusammengefasst.

146

6. Old-Boy Network

zu einem Netzwerk von gesellschaftlich – also sozioökonomisch aber zum Beispiel auch politisch – günstig positionierten Männern, die bezüglich der Stellensuche wertvolle Informationen transportieren können und unter Umständen sogar über Entscheidungsgewalt über zu besetzende Positionen verfügen. Die Aktivierung dieser Kontakte bei der Stellensuche führt dann zu der beobachteten besseren Positionierung, und die so aufgestiegenen Personen werden schliesslich wiederum zu den Mentoren der nachrückenden Generationen. Am besten kann man sich ein solches Offiziersnetzwerk wohl im Sinne einer „Seilschaft“ (Ambühl 1998) vorstellen, deren Teilnehmer sich abwechslungsweise bzw. in der Abfolge von Generationen gegenseitig in die Höhe ziehen. An dieser Interpretation bleibt wohlgemerkt teilweise der Charakter einer Spekulation haften, weil unsere Daten keine Auskunft darüber geben, ob die fraglichen sozialen Kontakte tatsächlich in Zusammenhang mit dem Militärdienst stehen. Gegeben das Ergebnis, dass Personen in höheren militärischen Rängen nur und gerade dann ein höheres Einkommen erzielen, wenn sie ihre aktuelle Stelle über schwache soziale Kontakte gefunden haben, fällt es allerdings schwer, eine plausible alternative Erklärung zu finden. Ein gewichtigeres Problem der vorgelegten Analysen sind die geringen Fallzahlen. So handelt es sich bei den Offizieren, die ihre Stelle über schwache Kontakte gefunden haben um nicht mehr als eine Handvoll Personen. Für die berichteten Ergebnisse spricht allerdings, dass die Schätzer für die Koeffizienten und Standardfehler auch nach Ausschluss einflussreicher Datenpunkte mehr oder weniger stabil bleiben.84 Zudem führt eine alternative Modellierung der Einkommensgleichung mit dem logarithmierten Monatseinkommen als abhängige Variable und den logarithmierten Arbeitsstunden als zusätzliche Kovariate (vgl. z. B. Brüderl et al. 1993, Diekmann und Engelhardt 1995a) zu den gleichen Schlüssen (die Ergebnisse fallen sogar noch etwas deutlicher aus, weil aufgrund des Endogenitätsproblems dieser Modellierung – das Arbeitsangebot hängt gemäss ökonomischer Theorie vom Lohn ab, vgl. Killingsworth 1983, Bonjour und Gerfin 1995 – die Koeffizienten tendenziell etwas inflationiert werden). Trotzdem: Die Datenlage ist eher dünn und es wäre voreilig, einen endgültigen Schluss zu ziehen. Die Resultate sollten möglichst mit weiteren Studien validiert werden, die sich erstens auf grössere Fallzahlen stützen und zweitens genauere Informationen über die sozialen Netze der Befragten und die Charakteristika der stellenvermittelnden Kontakte bergen. Auch wäre eine genauere theoretische Mo84 Dies zeigen Replikationen der Modelle unter Ausschluss von Fällen, die gemäss der Statistik DFBETAS als besonders einflussreich anzusehen sind (als Kriterien für den Ausschluss wurde |DFBETAS| > 2/N 0.5 sowie |DFBETAS| > 1 verwendet; zum Verfahren siehe Belsley et al. 1980, Bollen und Jackman 1990). Darüber hinaus scheinen auch Multikollinearität und Heteroskedastizität keine Probleme zu bereiten.

6.4 Diskussion

147

dellierung der Wirkungsweise des militärischen Beziehungsnetzwerks – oder verwandter Netzwerke im Allgemeinen – wünschenswert. Dies insbesondere auch in einem weiteren Zusammenhang der Forschung zur Geschlechterdiskriminierung auf dem Arbeitsmarkt: Es ist durchaus denkbar, dass ein Teil der nach wie vor bestehenden Unterschiede der Arbeitsmarktchancen von Frauen und Männern auf die Funktionstüchtigkeit von Männernetzwerken wie zum Beispiel Studentenverbindungen, Service Clubs oder Offiziersgesellschaften, die den Zugang zu Personen in Elite-Positionen ermöglichen, zurückzuführen ist (vgl. Oester 1996, Ibarra 1992, Moore und White 2001). Hierbei stellt sich zudem die Frage, inwieweit die präsentierten Ergebnisse auf andere Länder übertragen werden können. Zwar wird auch etwa in Deutschland die Vorteilhaftigkeit einer Laufbahn als Zeitoffizier für den Zivilberuf hervorgehoben (z. B. Hallerbach 1988), dass aber ein entsprechender Einfluss der in der Armee gebildeten sozialen Netzwerke besteht, darf bis auf weiteres angezweifelt werden. Ist doch die lange Dienstzeit bis in ein Alter von 42 bis 52 Jahren und die damit verbundene regelmässige Auffrischung der sozialen Kontakte eine Besonderheit des schweizerischen Milizsystems. Nicht zuletzt muss darauf hingewiesen werden, dass hier als Mass für den beruflichen Erfolg lediglich das erzielte Einkommen berücksichtigt wurde. Ob die gefundenen Zusammenhänge auch für weitere Dimensionen wie etwa das Arbeitslosigkeitsrisiko, innerbetriebliche Beförderungschancen, das sozioökonomische Prestige oder die Arbeitszufriedenheit gelten, bleibt offen. Weitere interessante Aspekte, die in diesem Beitrag hauptsächlich aufgrund der beschränkten Datenlage ausser acht gelassen wurden, sind, ob der gefundene Offizierseffekt einer zeitlichen Entwicklung unterworfen ist, ob er sich nach den regionalen, durch die Sprache geprägten kulturellen Rahmenbedingungen in der Schweiz unterscheidet, und wie sich der militärische Rang auf den Erfolg von beruflich Selbständigen auswirkt.

148

6. Old-Boy Network

6.5 Anhang Kennzahlen der Variablen in den Regressionsmodellen: arithmetisches Mittel Variable Netto-Stundenlohn (logarithmiert) Militärischer Rang (Ref.: Soldat): – kein Militärdienst – Unteroffizier – Offizier Bildungsjahre Berufserfahrung Arbeitsanstrengung Führungsposition Stellenfindung über soziale Kontakte Stellenfindung (Ref.: formell): – starke soziale Kontakte – schwache soziale Kontakte Letzte Stelle: höherer Angestellter Betriebsgrösse/10 Branchen (Ref.: Industrie): – Land-/Forstwirtschaft – Industrie – Gastgewerbe/Handel/Reparatur – Verkehr/Nachrichten – Banken/Finanzgesellschaften – Versicherung/Beratung – sonstige Dienstleistungen – öffentliche Verwaltung

Min.

Max.

Modelle 1 – 8 (N = 579)

Modelle 9/10 (N = 702)

3.509 (0.368)

3.493 (0.368)

1.1

4.8

0.193 0.074 11.977 (2.399) 21.055 (11.321) 0.401 0.699 0.245

0.175 0.160 0.061 11.921 (2.375) 21.136 (11.296) 0.415 0.708 0.258

0.0 0.0 0.0 8.0

1.0 1.0 1.0 17.5

0.0

55.5

0.0 0.0 0.0

1.0 1.0 1.0

0.158 0.100 0.091 6.115 (5.922)

0.0 0.0 0.0 0.1

1.0 1.0 1.0 15.0

0.027 0.115 0.087 0.050 0.051 0.061 0.248 0.105

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

0.145 0.100

Quelle: Schweizer Arbeitsmarktsurvey 1998, ungewichtet. Anmerkungen: Standardabweichung in Klammern (für metrische Merkmale); Auswahl: Abhängig erwerbstätige Männer mit Schweizer Staatsbürgerschaft im Alter von 18 – 70 Jahren, ohne Lehrlinge und noch nicht Ausgehobene; Modelle 1 – 8: nur Personen, die Militärdienst leisten bzw. geleistet haben.

7 Statistische Inferenz für die Blinder-Oaxaca-Zerlegung

7.1 Einleitung Eine häufig verwendete Methode zur Analyse von gruppenspezifischen Einkommensdiskrepanzen (bezüglich Geschlecht, Rasse, etc.) besteht in der kontrafaktischen Dekomposition der Mittelwertsdifferenz logarithmierter Löhne auf Grundlage von Regressionsmodellen und ist als die Blinder-Oaxaca-Dekomposition in die Literatur eingegangen (Blinder 1973, Oaxaca 1973; vgl. z. B. die Übersicht in Bonjour 1997). Bei der Methode wird die Geschlechterdifferenz zerlegt in eine „erklärte“ Komponente, das heisst einen Teil, der durch Unterschiede in den lohnrelevanten Merkmalen wie etwa Bildung und Berufserfahrung zustande kommt, und eine residuale, „unerklärte“ Komponente, die als Mass zur Abschätzung der Lohndiskriminierung dienen soll. Die beiden Komponenten werden dann in der Regel noch weiter zerlegt in die jeweiligen Anteile, die den einzelnen Merkmalen oder auch Gruppen von Merkmalen zugeschrieben werden können (vgl. auch Kapitel 4). Die kontrafaktische Zerlegung von Gruppendifferenzen im Stile des von Blinder (1973) und Oaxaca (1973) vorgeschlagenen Verfahrens bzw. diverser Varianten desselben ist prominent in der ökonomischen und sozialwissenschaftlichen Literatur vertreten. Zur Veranschaulichung sei erwähnt, dass der Social Sciences Citation Index (SSCI) für Oaxaca (1973) bis heute rund 900 Zitationen aufweist, für Blinder (1973) sind es zirka 550 Zitationen. Ein Grossteil dieser Zitationen stammt aus Studien, in denen die Methode in der einen oder anderen Version auch tatsächlich verwendet wurde (für die Schweiz z. B. Kugler 1988, Brüderl et al. 1993, Diekmann und Engelhardt 1995a, Bonjour 1997, Henneberger und SousaPoza 1999, Sousa-Poza 2004; eine 263 internationale Arbeiten umfassende MetaStudie liefern Weichselbaumer und Winter-Ebmer 2005). Ob dieser Vielzahl an Anwendungen ist es erstaunlich, dass bis dato fast alle Arbeiten nur deskriptive Resultate für die einzelnen Komponenten (i. e. Punktschätzer) berichten, jedoch keine Angaben zu den Varianzen bzw. Standardfehlern dieser Schätzer machen (Ausnahmen sind z. B. Oaxaca und Ransom 1994, 1998, Silber und Weber 1999, Yun 2005, Fortin 2006, Lin 2007; weiterhin schlagen Shrestha und Sakellariou 1996 einen statistischen Test für Diskriminierung vor). Dies ist umso problematischer, als die Varianzen der Komponenten der Dekomposition unerwartet hoch

150

7. Statistische Inferenz für die Blinder-Oaxaca-Zerlegung

sein können. Es wäre somit nicht weiter erstaunlich, wenn sich unter Berücksichtigung inferenzstatistischer Kriterien viele bisherige Ergebnisse als Artefakte herausstellen würden. Ein Vorschlag zur Schätzung asymptotischer Varianzen der Dekompositionskomponenten wurde von Oaxaca und Ransom (1998) gemacht, allerdings nur für Spezialfälle und in fast kryptischer Weise formuliert. Zudem besteht der Verdacht, dass die von Oaxaca und Ransom vorgeschlagenen Formeln die tatsächlichen Varianzen unterschätzen, wenn die verwendeten Regressoren (die „unabhängigen“ Variablen) selbst auch einem Stichprobenzufallsfehler unterworfen sind, wenn es sich also um stochastische Regressoren handelt und nicht um fixe Faktoren wie beispielsweise in einem experimentellen Design. Die Folgen der Unterschätzung sind zu kleine Konfidenzintervalle und anti-konservative Tests, das heisst Tests, in denen die Nullhypothese zu oft verworfen wird. Die Vermutung steht in Kontrast zur allgemeinen Lehrbuchmeinung, dass im Rahmen von Regressionsanalysen der Einfluss stochastischer Prädiktoren auf die Varianzen vernachlässigt werden kann (da der Einfluss asymptotisch verschwindet), ist aber mit der Einsicht begründet, dass in der Blinder-Oaxaca-Dekomposition Prädiktoren-Mittelwerte mit geschätzten Regressionskoeffizienten verrechnet werden und diese Mittelwerte ebenfalls nur Schätzer sind, wenn es sich bei den Prädiktoren um Zufallsvariablen handelt. Die Mittelwertsschätzer, die ja selbst auch als Regressionskoeffizienten konzeptualisiert werden können (i. e. als die „Konstanten“ aus separaten Modellen mit dem jeweiligen Prädiktor als abhängige Variable), dürften im Vergleich zu den Regressionskoeffizienten in der Praxis eine nicht unbeträchtliche Varianz aufweisen, die zudem asymptotisch erhalten bleibt (i. e. bei wachsendem Stichprobenumfang mit gleicher Geschwindigkeit gegen Null strebt wie die Varianzen der Regressionskoeffizienten). Da das Vorliegen stochastischer Regressoren in der sozialwissenschaftlichen Diskriminierungsforschung auf Grundlage von Umfragedaten der Normalfall sein dürfte (alle Variablen, deren Daten mit Hilfe von Stichproben gewonnen werden, sind Zufallsvariablen), präsentiere ich hier allgemeine Formeln zur Schätzung der Varianzen und Standardfehler der Komponenten der Blinder-Oaxaca-Dekomposition, die eine Berücksichtigung der Unsicherheit in den Mittelwertsschätzern der unabhängigen Variablen zulassen. Im nächsten Abschnitt wird eine kurze Übersicht zur Dekompositionsmethode nach Blinder (1973) und Oaxaca (1973) gegeben, worauf im dritten Abschnitt die Herleitung der Formeln für die Varianzen folgt. Im vierten und fünften Abschnitt werden die Schätzer mit Hilfe klassischer Monte-Carlo-Simulation evaluiert und in einer empirischen Anwendung mit den Ergebnissen von Replikationsmethoden (Bootstrap und Jackknife) verglichen. Abschnitt sechs fasst zusammen und spricht einige Erweiterungen an.

151

7.2 Die Blinder-Oaxaca-Zerlegung

7.2 Die Blinder-Oaxaca-Zerlegung Gegeben ist ein lineares Regressionsmodell Y = X β + ,

E( ) = 0

(7.1)

für die zwei Gruppen ∈ {A, B}. Y ist der Vektor mit den Ergebnissen (i. e. die abhängige Variable), X die Datenmatrix mit den unabhängigen Variablen (inklusive Konstante), β der Vektor mit den Regressionskoeffizienten und der Vektor mit den Zufallsfehlern. Die gruppenspezifischen Parametervektoren βA und βB werden mit der Kleinste-Quadrate-Methode anhand der beobachteten Stichprobendaten von Umfang nA und nB für die beiden Gruppen geschätzt. Von Interesse beim Vergleich der beiden Gruppen kann sein zu ermitteln, welcher Anteil einer allfälligen Differenz der beobachteten durchschnittlichen Gruppenergebnisse nA nB 1 1 YAi und Y¯ B = YBi Y¯ A = nA i=1 nB i=1 auf Unterschiede in den Werten der X-Variablen zurückzuführen ist. Gegeben die OLS-Schätzer βˆ A und βˆ B , lässt sich die Differenz zwischen Y¯ A und Y¯ B formulieren als R = Y¯ A − Y¯ B = X¯ A βˆ A − X¯ B βˆ B

(7.2)

wobei X¯ A und X¯ B den gruppenspezifischen Vektoren der Stichprobenmittelwerte der Regressoren entsprechen (inklusive Konstante),85 und kann mit einigen Umstellungen beispielsweise wie folgt zerlegt werden: R = (X¯ A − X¯ B ) βˆ B + X¯ B (βˆ A − βˆ B ) + (X¯ A − X¯ B ) (βˆ A − βˆ B )

(7.3)

(siehe z. B. Winsborough und Dickinson 1971, Jones und Kelley 1984, Daymont und Andrisani 1984). Die erste Komponente der Zerlegung, (X¯ A − X¯ B ) βˆ B , wird als „Ausstattungseffekt“ bezeichnet und entspricht dem Teil der Differenz, der durch die Gruppenunterschiede in die Mittelwerte der X-Variablen bedingt ist. Die zweite Komponente entspricht dem Effekt der Unterschiede in den Koeffizienten 85 Gleichung (7.2) gilt, weil die Residuen ˆ = Y − X βˆ einer OLS-Schätzung zu Null summieren. Folglich: n n n n 1 ˆ 1 ˆ 1 1 Yi = (Xi β + î ) = Xi β + î = X¯ βˆ Y¯ = n i=1 n i=1 n i=1 n i=1 mit Xi = (1, Xi1 , Xi2 , . . . ) und X¯ = (1, X¯ 1 , X¯ 2 , . . . ) .

152


(inklusive Unterschiede im Achsenabschnitt) und die dritte Komponente ist ein Interaktionsterm, der dadurch zustande kommt, dass die Unterschiede in den XMittelwerten und Koeffizienten gemeinsam auftreten. Zerlegung (7.3) ist aus Sich von Gruppe B formuliert. Sie beantwortet also die Frage, wie sich die Diskrepanz R verändern würde, wenn Gruppe B bei gleich bleibenden Koeffizienten die „Ausstattung“ von Gruppe A hätte (erster Term), bzw. bei gleich bleibenden X-Werten die Koeffizienten von Gruppe A (zweiter Term). Selbstverständlich lässt sich die Gleichung analog auch aus Sicht von Gruppe A formulieren, also: R = (X¯ A − X¯ B ) βˆ A + X¯ A (βˆ A − βˆ B ) − (X¯ A − X¯ B ) (βˆ A − βˆ B )

(7.4)

In der Literatur zur Diskriminierungsforschung findet man weiterhin oft die Vorstellung, dass es einen nicht-diskriminierenden Koeffizientenvektor β∗ gibt, der zur Bewertung der Differenzen in den X-Werten herangezogen werden sollte. Unter Verwendung dieses nicht-diskriminierenden Koeffizientenvektors vereinfacht sich die Zerlegung zu zwei Termen:

R = (X¯ A − X¯ B ) β∗ + X¯ A (βˆ A − β∗ ) + X¯ B (β∗ − βˆ B ) (7.5) Der erste Term wird als der durch die Unterschiede in den Ausstattungen „erklärte“ Teil der Differenz bezeichnet, der zweite Term ist der „unerklärte“ Teil, der in der Analyse von gruppenspezifischen Lohndiskrepanzen normalerweise als Mass für Diskriminierung interpretiert wird.86 Bei Zerlegung (7.5) stellt sich die Frage, wie β∗ zu wählen ist. Abhängig vom Kontext wurden verschiedene Vorschläge gemacht, so zum Beispiel β∗ = βˆ A oder β∗ = βˆ B (Oaxaca 1973, der vom einem „index number problem“ spricht), β∗ = 0.5βˆ A + 0.5βˆ B (Reimers 1983), oder β∗ als OLS-Koeffizientenschätzer, den man durch Zusammenlegen der beiden Gruppen erhält (i. e. β∗ wird anhand der gesamten Stichprobe ohne Unterscheidung der beiden Gruppen geschätzt; Neumark 1988). Wie durch Oaxaca und Ransom (1994) und auch andere hervorgehoben, kann Gleichung (7.5) alternativ formuliert werden als R = (X¯ A − X¯ B ) [W βˆ A + (I − W)βˆ B ] + [(I − W) X¯ A + W X¯ B ] (βˆ A − βˆ B )

(7.6)

was den Zusammenhang zwischen (7.3), (7.4) und (7.5) illustriert. W ist eine Matrize mit den relativen Gewichten, die den Koeffizienten von Gruppe A gegeben werden, bzw. (I − W) enthält die Gewichte der Koeffizienten von Gruppe 86 Der „unerklärte“ Teil lässt sich zudem weiter zerlegen in (positive) Diskriminierung gegenüber Gruppe A (erster Summand) und (negative) Diskriminierung gegenüber Gruppe B (zweiter Summand).

7.3 Varianzschätzer für die Zerlegungskomponenten

153

B (I symbolisiert die Identitätsmatrize). So entspricht zum Beispiel W = I dem Fall mit β∗ = βˆ 1 , W = 0 dem Fall mit β∗ = βˆ 2 oder W = 0.5I dem Fall mit β∗ = 0.5βˆ 1 + 0.5βˆ 2 . Weiterhin zeigen Oaxaca und Ransom (1994), dass W = Ω = (XA XA + XB XB )−1 XA XA

(7.7)

der Situation mit β∗ als dem Kleinste-Quadrate-Schätzer aus der „gepoolten“ (i. e. über beide Gruppen zusammengefassten) Stichprobe entspricht.

7.3 Varianzschätzer für die Zerlegungskomponenten Die Berechnung der Zerlegungskomponenten im letzten Abschnitt ist einfach und unproblematisch. Wenn man mit Stichprobendaten arbeitet, ist es aber auch wichtig, als Mass für die statistische Präzision die Standardfehler bzw. Stichprobenvarianzen der Terme zu bestimmen. Diese Varianzen können wie folgt hergeleitet werden. Man betrachte den Ausdruck Y¯ = X¯ βˆ

(7.8)

der sich aus den Eigenschaften des Kleinste-Quadrate-Verfahrens ergibt (vgl. Fussnote 85), wobei βˆ wiederum dem OLS-Koeffizientenvektor und X¯ dem Vektor der Kovariatenmittelwerte entspricht. Wenn X¯ nicht-stochastisch ist, wenn es sich also bei X um eine fix gegebene Matrize handelt, die nicht das Ergebnis eines Zufallsprozesses ist, dann ist (7.8) lediglich eine lineare Transformation von ˆ Die Varianz von (7.8) kann somit nach den üblichen Regeln für Zufallsvariable β. lineare Transformationen von Zufallsvariablen (z. B. Jann 2005a: 116) geschrieben werden als ˆ X¯ ˆ = X¯ V(β) V(X¯ β) (7.9) ˆ ˆ wobei V(β) der Varianz-Kovarianz-Matrix von β entspricht. Man beachte, dass (7.9) ganz einfach die Varianz des Modell-Vorhersagewerts für ein gegebenes Set von X-Werten ist (vgl. z. B. Gujarati 2003: 941). In den meisten Anwendungen kann jedoch die X-Datenmatrix nicht als fix ¯ > 0 impliziert. Es erscheint offensichtlich, dass angenommen werden, was V(X) diese zusätzliche Variation auch die Varianz von (7.8) erhöhen wird. Unter der üblichen Annahme der Orthogonalität von X und dem Fehlerterm folgt aus dem Ergebnis der Erwartungstreue von βˆ (vgl. Greene 2003: 47–48), dass bei stochastischen Regressoren auch βˆ und X¯ unkorreliert sind. Die Varianz von (7.8) ist bei stochastischen Regressoren somit gegeben als

ˆ X) ¯ + E(β) ˆ V(X)E( ¯ β) ˆ + tr V(X)V( ¯ β) ˆ ˆ = E(X) ¯ V(β)E( V(X¯ β) (7.10)

154


¯ und E(β) ˆ den Erwartungswerten von X¯ und βˆ entsprechen (Beweis wobei E(X) im Anhang). Durch Einsetzen von Schätzern für die Erwartungswerte und (Ko-) Varianzen von X¯ und βˆ erhält man den Varianzschätzer

ˆ = X¯ ˆ X¯ + βˆ ¯ βˆ + tr ¯ ˆ V(X¯ β) V(β) V(X) V(X) V(β) (7.11) ˆ kann die Varianz-Kovarianz-Matrix, die standardmässig als ErgebFür V(β) nis des Kleinste-Quadrate-Verfahrens anfällt, verwendet werden. Alternativ ist auch die Verwendung des heteroskedastizitätskonsistenten Schätzers nach White (1980) oder eines mittels Replikationsverfahrens gewonnenen Schätzers (Bootstrap, Jackknife; siehe z. B. Davison und Hinkley 1997, Casella 2003) denkbar. ¯ ist Ein nahe liegender Schätzer für V(X) ¯ = V(X)

X X n(n − 1)

(7.12)

wobei X die zentrierte Datenmatrix ist (d. h. die Matrix der Abweichungen von den Mittelwerten, also X = X − 1X¯ mit 1 als Identitätsmatrize) und n der Stichprobengrösse entspricht. Verglichen mit dem ersten und zweiten Term ist der letzte Summand in (7.11) übrigens in der Regel vernachlässigbar (während sich bei steigendem Stichprobenumfang die beiden ersten Terme mit n−1 verringern, schrumpft der dritte Term mit n−2 ). Wenden wir uns nun wieder der Dekomposition von Gruppendifferenzen zu, die sich aus Termen im Stil von (7.8) zusammensetzt. Mit Hilfe von Resultat (7.11) kann der Varianzschätzer für die Differenz (7.2) formuliert werden als V(R) = V(X¯ A βˆ A − X¯ B βˆ B ) = V(X¯ A βˆ A ) + V(X¯ B βˆ B )

V(βˆ A )X¯ A + βˆ A V(X¯ A )βˆ A + tr V(X¯ A ) V(βˆ A ) = X¯ A

+ X¯ B V(βˆ B )X¯ B + βˆ B V(X¯ B )βˆ B + tr V(βˆ B ) V(X¯ B )

(7.13)

wenn davon ausgegangen wird, das die beiden Teilstichproben unabhängig sind (was bei einfacher Wahrscheinlichkeitsauswahl gegeben ist). Die entsprechenden Schätzer für die drei Komponenten in (7.3) lassen sich in analoger Weise herleiten als V([X¯ A − X¯ B ] βˆ B ) = (X¯ A − X¯ B ) V(βˆ B )(X¯ A − X¯ B )

V(X¯ B ) βˆ B + βˆ B V(X¯ A ) + + tr V(X¯ A ) + V(X¯ B ) V(βˆ B )

(7.14)

7.3 Varianzschätzer für die Zerlegungskomponenten

155

V(βˆ B ) X¯ B V(βˆ A ) + V(X¯ B [βˆ A − βˆ B ]) = X¯ B + (βˆ B − βˆ B ) V(X¯ B )(βˆ B − βˆ B )

+ tr V(βˆ B ) V(X¯ B ) V(βˆ A ) +

(7.15)

und

V([X¯ A − X¯ B ][βˆ A − βˆ B ]) = (X¯ A − X¯ B ) V(βˆ B ) (X¯ A − X¯ B ) V(βˆ A ) +

+ (βˆ A − βˆ B ) V(X¯ B) (βˆ A − βˆ B ) V(X¯ A ) + + tr V(X¯ A ) + V(X¯ B ) V(βˆ B ) V(βˆ A ) +

(7.16)

Die Varianzschätzer für die beiden Terme der Dekomposition (7.5) bzw. (7.6) sind

V (X¯ A − X¯ B ) [W βˆ A + (I − W)βˆ B ] V (X¯ A − X¯ B ) β∗ =

= (X¯ A − X¯ B ) W V(βˆ A )W + (I − W) V(βˆ B )(I − W) (X¯ A − X¯ B ) (7.17)

+ W βˆ A + (I − W)βˆ B V(X¯ A ) + V(X¯ B) W βˆ A + (I − W)βˆ B + tr V(X¯ B ) W V(βˆ A )W + (I − W) V(βˆ B )(I − W) V(X¯ A ) + und V [(I − W) X¯ A + W X¯ B ] (βˆ A − βˆ B ) V X¯ A (βˆ A − β∗ ) + X¯ B (β∗ − βˆ B ) =

V(βˆ A ) + = (I − W) X¯ A + W X¯ B V(βˆ B ) (I − W) X¯ A + W X¯ B (7.18)

+ (βˆ A − βˆ B ) (I − W) V(X¯ A )(I − W) + W V(X¯ B )W (βˆ A − βˆ B ) + tr (I − W) V(βˆ A ) + V(βˆ B ) V(X¯ A )(I − W) + W V(X¯ B )W wobei hier allerdings angenommen wird, dass W nicht-stochastisch ist. Diese Annahme trifft im Fall W = Ω in (7.7) nicht zu, da aber W nur indirekt als relatives Gewicht in die Komponenten einfliesst, dürfte der Einfluss der Varianz von W eher vernachlässigbar sein. Wenn einzelne Regressoren nicht-stochastischer Natur sein sollten (z. B. wenn in einer Befragung durch kontrollierte Variation des Befragungsinstruments auch experimentelle Faktoren implementiert sind), kann dies in den präsentierten Schätzern berücksichtigt werden, indem die entsprechenden Zeilen und Spalten von V(X¯ A ) und V(X¯ B ) auf Null gesetzt werden (wie auch bei der Konstante). Wenn alle X-Variablen fix sind, folgt V(X¯ A ) = V(X¯ B ) = 0 und die Terme, die V(X¯ A ) und V(X¯ B ) enthalten, entfallen. Man erhält dann Formeln, die äquivalent sind zu den Vorschlägen von Oaxaca und Ransom (1998) und Greene (2003: 53–54). Zu

156


beachten ist aber, dass aus der Vernachlässigung der stochastischen Natur der Regressoren eine beträchtliche, abwärts gerichtete Verzerrung der Varianzschätzer resultieren kann, und dass diese Verzerrung mit zunehmender Stichprobengrösse auch nicht verschwindet, wie in den beiden folgenden Abschnitten illustriert wird.

7.4 Monte-Carlo-Simulation Die Eigenschaften der vorgeschlagenen Schätzer können evaluiert werden, indem man die Schätzer mit den Varianzen vergleicht, die man durch wiederholte Erzeugung von den Annahmen entsprechenden Daten erhält (Monte-Carlo-Simulation; vgl. z. B. Mooney 1997). Die Simulationsergebnisse liefert erstens Hinweise dafür, ob die Schätzer überhaupt korrekt sind. Zweitens ist hier von Interesse, wie stark die Verzerrung ausfällt, die man sich durch Annahme nicht-stochastischer Regressoren einhandelt. Drittens soll der Einfluss der Stichprobengrösse auf diese Verzerrung evaluiert werden. In den einzelnen Replikation der Simulation werden jeweils zuerst n Realisierungen einer Zufallsvariablen mit zwei möglichen Ausprägungen generiert, um die Gruppen zu definieren. Die Wahrscheinlichkeiten der beiden Ausprägungen entsprechen den relativen Gruppengrössen. Danach werden für die beiden Gruppen zwei normalverteilte Variablen X1 und X2 mit gruppenspezifischen Mittelwerten und (Ko-)Varianzen generiert. Ausgehend von diesen Daten werden dann gemäss Modell Y = β0 + β1 X1 + β2 X2 + ,

∼ N(0, σ ), ∈ {A, B}

die Werte der abhängigen Variablen erzeugt. Tabelle 7.1 gibt eine Übersicht über die verwendeten Parameterwerte. Die Evaluation der Auswirkungen unterschiedlicher Parameterkonstellationen steht hier nicht im Vordergrund und so wurden in

Tabelle 7.1: Populationswerte für die Monte-Carlo-Simulation Gruppe A X1

Mittelwert Varianz Mittelwert X2 Varianz Kovarianz (X1 , X2 ) Populationsanteil

1.0 1.0 1.0 1.0 −0.5 0.6

Gruppe B 0.5 2.0 0.7 1.5 −0.3 0.4

β0 β1 β2 σ

Gruppe A

Gruppe B

1.0 1.0 1.0 1.0

0.5 0.5 1.3 2.0

7.4 Monte-Carlo-Simulation

157

allen Replikationen die gleichen Parameterwerte verwendet. Variiert wurde hingegen die Stichprobengrösse. Die Simulationsergebnisse für Stichprobengrösse n = 1000 (bzw. Gruppengrössen von ca. 600 und 400) findet man in Tabelle 7.2. Dargestellt sind die Mittelwerte und Varianzen über 10 000 Replikationen sowie die durchschnittlichen Werte der Varianzschätzer mit bzw. ohne Annahme stochastischer Regressoren. Die berichteten Ergebnisse beziehen sich auf die gruppenspezifischen Mittelwerte von Y, die Differenz der Mittelwerte, und verschiedene Versionen von Dekomposition (7.5) bzw. (7.6). Man erkennt unmittelbar, dass die Varianzen bei Annahme fixer Regressoren zum Teil deutlich unterschätzt werden. Für die erklärten Teile der Dekompositionen betragen die geschätzten Varianzen beispielsweise nur rund 10 bis 20 % der tatsächlich beobachteten Varianzen. Die Vernachlässigung der stochastischen Natur der X-Variablen hat in der Simulation also substanzielle Konsequenzen. Anders die Schätzer, bei denen die Variabilität der X-Werte in Rechnung gestellt wird: Hier lässt sich (mit einer Ausnahme; mehr dazu weiter unten) keine über Zufallsschwankungen hinausgehende Verzerrung feststellen. Beim Vergleich der Ergebnisse erkennt man zunächst einmal, dass interessanterweise die Dekomposition mit W = 0.5I durch die Mittelung der beiden gruppenspezifischen Koeffizientenschätzer geringere Varianzen aufweist als die Dekompositionen, in denen entweder der Koeffizientenvektor von Gruppe A oder der Vektor von Gruppe B als Referenz verwendet wird. Dies macht intuitiv Sinn, da die Mittelung über (unabhängige) Zufallsvariablen statistische Unsicherheit reduziert. Von besonderem Interesse sind weiterhin die Ergebnisse für die letzte Version der Dekomposition mit W = Ω gemäss Formel (7.7), weil hier auch die Schätzer mit stochastischen Regressoren eine Quelle von Unsicherheit ausser Acht lassen. Die Behandlung von W als nicht-stochastisch schlägt sich hier zumindest für den „erklärten“ Teil der Dekomposition in einer leichten Unterschätzung der Varianz nieder. Die Verzerrung hält sich allerdings mit einer rund 10-prozentigen Abweichung in Grenzen. Weiterhin stellt sich die Frage, ob der Grad der Verzerrung, den man sich durch Annahme fixer Regressoren einhandelt, mit steigendem Stichprobenumfang kleiner wird bzw. asymptotisch verschwindet, was allerdings aufgrund der Formeln im letzten Abschnitt nicht zu erwarten ist. Die Ergebnisse in Tabelle 7.3, die für Stichprobengrössen n ∈ {500, 1000, 5000} die relativen Abweichungen der Varianzschätzer von den in den Simulationsdaten tatsächlich beobachteten Varianzen zeigt, bestätigen diese theoretische Vermutung. Die Relationen bleiben unabhängig vom Stichprobenumfang mehr oder weniger konstant.

158


Tabelle 7.2: Ergebnisse der Monte-Carlo-Simulation mit Stichprobengrösse 1000 beobachtete Werte

Varianzschätzer

Mittelwert

Varianz

fixa

stochastischb

Mittelwert Gruppe A

3.000

0.00337

0.00167 (−0.505)

0.00335 (−0.007)

Mittelwert Gruppe B

1.658

0.0165

0.0100 (−0.392)

0.0167 (0.015)

Differenz

1.342

0.0202

0.0117 (−0.421)

0.0201 (−0.005)

Dekomposition mit W = 0: – erklärt

0.642

0.0110

0.00232 (−0.790)

0.0112 (0.016)

– unerklärt

0.700

0.0148

0.0140 (−0.057)

0.0149 (0.001)

Dekomposition mit W = I: – erklärt

0.802

0.0100

0.00113 (−0.888)

0.0101 (0.007)

– unerklärt

0.540

0.0149

0.0128 (−0.140)

Dekomposition mit W = 0.5I: – erklärt

0.722

0.00899

0.000862 (−0.904)

– unerklärt

0.620

0.0133

0.0125 (−0.059)

0.0132 (−0.006)

Dekomposition mit W = Ω: – erklärt

0.746

0.0106

0.00103 (−0.903)

0.00963 (−0.088)

– unerklärt

0.596

0.0116

0.0108 (−0.076)

0.0115 (−0.010)

0.0148 (−0.009) 0.00909 (0.011)

Anmerkungen: Relative Abweichungen zu den beobachteten Varianzen in Klammern; Beruhend auf 10 000 Replikationen. a Schätzer unter Annahme fixer Regressoren. b Schätzer unter Annahme stochastischer Regressoren.

−0.783 −0.056

−0.886 −0.112

−0.902 −0.044

−0.902 −0.067

Dekomposition mit W = 0: – erklärt – unerklärt

Dekomposition mit W = I: – erklärt – unerklärt

Dekomposition mit W = 0.5I: – erklärt – unerklärt

Dekomposition mit W = Ω: – erklärt – unerklärt

b

−0.086 0.004

0.012 0.012

0.010 0.032

0.030 0.005

−0.021 0.022 0.023

stochastisch

n = 500

Anmerkungen: Beruhend auf 10 000 Replikationen. a Varianzschätzer unter Annahme fixer Regressoren. b Varianzschätzer unter Annahme stochastischer Regressoren.

−0.514 −0.391 −0.407

Mittelwert Gruppe A Mittelwert Gruppe B Differenz

fix

a

−0.903 −0.076

−0.904 −0.059

−0.888 −0.140

−0.790 −0.057

−0.505 −0.392 −0.421

fix

a

b

−0.088 −0.010

0.011 −0.006

0.007 −0.009

0.016 0.001

−0.007 0.015 −0.005

stochastisch

n = 1000

−0.907 −0.069

−0.910 −0.050

−0.892 −0.132

−0.802 −0.048

−0.505 −0.413 −0.430

fix

a

−0.118 −0.006

−0.020 0.001

−0.010 −0.007

−0.023 0.008

−0.009 −0.023 −0.025

stochastischb

n = 5000

Tabelle 7.3: Relative Abweichungen der Varianzschätzer zu den beobachteten Varianzen für verschiedene Stichprobengrössen (Monte-Carlo-Simulation)

7.4 Monte-Carlo-Simulation

159

160


7.5 Evaluation anhand empirischer Daten Simulationen im Stil der Analysen im letzten Abschnitt sind sicherlich nützlich, um Eigenschaften von Schätzern unter genau kontrollierten Bedingung festzumachen, sind aber immer auch etwas artifiziell. Das heisst, es ist manchmal schwierig, die Relevanz unterschiedlicher Simulationsergebnisse für die angewandte Forschung zu bestimmen bzw. die Simulationsergebnisse auf praktische Anwendungen zu übertragen, in denen die idealen Bedingungen der Simulation nicht unbedingt gegeben sind. Im vorliegenden Fall ist zum Beispiel nicht unmittelbar klar, wie bedeutend die in den Simulationen festgestellte Unterschätzung der Varianzen bei Annahme fixer Regressoren ist. Ich präsentiere hier deshalb zusätzlich die Ergebnisse einer Anwendung der Blinder-Oaxaca-Dekomposition anhand realer Daten. Table 7.4 zeigt zwei einfache Einkommensregressionen für Männer und Frauen auf Grundlage der Daten der Schweizerischen Arbeitskräfteerhebung (SAKE) aus dem Jahr 2000. Die SAKE ist eine jährliche Personenbefragung der Bundesamts für Statistik zur Ermittlung verschiedenster Arbeitsmarktindikatoren für die Schweiz. Die Stichprobengrösse im Jahr 2000 betrug knapp 18 000 Personen (eine Übersicht zur SAKE gibt z. B. Feusi Widmer 2004). Für die vorliegenden Zwecke begrenze ich die Stichprobe auf Vollzeit angestellte Frauen und Männer mit Schweizer Staatsbürgerschaft, die nur eine Stelle haben und zwischen 20 und 62 Jahre alt sind. Die abhängige Variable ist der logarithmierte Bruttostundenlohn (zu Preisen von 2000; zur Berechnung vgl. Kapitel 4). Als Prädiktoren fungieren die Bildung (Anzahl institutionalisierte Bildungsjahre, die notwendig sind, um den höchsten angegeben Bildungsabschluss zu erreichen), die Berufserfahrung (Dauer der Erwerbstätigkeit ohne längeren Unterbruch in Jahren), die Firmentreue (in Jahren) und eine Variable, die angibt, ob die Person eine Vorgesetztenfunktion wahrnimmt. Alle Effekte in den Modellschätzungen entsprechen in etwa den Erwartungen und sollen hier nicht weiter Besprochen werden. Neben den Regressionskoeffizienten sind in Table 7.4 auch die Mittelwerte der unabhängigen Variablen enthalten. Durch Verrechnung der Koeffizienten mit den Mittelwerten bzw. Mittelwertsdifferenzen, lassen sich die Dekompositionsergebnisse ermitteln (mit Ausnahme der Dekomposition mit W = Ω für die noch zusätzliche Informationen benötigt werden). Die Resultate der Anwendung der Zerlegungsverfahren auf Grundlage der berichteten Regressionsergebnisse sind in Tabelle 7.5 dargestellt. Die Tabelle enthält zudem verschiedene Schätzer für die Standardfehler (i. e. Quadratwurzeln der Varianzen) der Dekompositionskomponenten. Es werden je zwei Versionen der Standardfehler mit Annahme fixer bzw. stochastischer Regressoren berichtet. Bei der ersten Version wird der klassische Kleinste-Quadrate-Schätzer für die

161

7.5 Evaluation anhand empirischer Daten

Tabelle 7.4: Regressionskoeffizienten und Mittelwert der Regressoren Männer

Frauen

Koeffizient

Mittelwert

Koeffizient

Mittelwert

Bildungsjahre

0.0770 (0.0028)

12.17 (0.042)

0.0768 (0.0051)

11.73 (0.056)

Berufserfahrung (in Jahren)

0.0216 (0.0018)

19.59 (0.23)

0.0289 (0.0034)

14.35 (0.29)

Berufserfahrung2 /100

−0.0305 (0.0040)

5.279 (0.10)

−0.0540 (0.0084)

3.154 (0.12)

Firmentreue (in Jahren)

0.00260 (0.00077)

10.62 (0.18)

0.00650 (0.0015)

7.651 (0.22)

Vorgesetztenfunktion

0.139 (0.012)

0.558 (0.0093)

0.0482 (0.021)

0.386 (0.014)

Konstante

2.504 (0.039)

2.353 (0.067)

R-Quadrat Fallzahl

0.316 2825

0.238 1287

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE) 2000, ungewichtet. Anmerkungen: Abhängige Variable ist der logarithmierte Bruttostundenlohn; Standardfehler in Klammern; Auswahl: Vollzeitarbeitnehmer (mit nur einer Stelle) im Alter von 20 bis 62 Jahren, ohne Ausländer.

Varianz-Kovarianz-Matrix der Regressionskoeffizienten verwendet (die Standardfehler der Koeffizienten gemäss diesem Schätzer sind in Tabelle 7.4 dargestellt), bei der zweiten Version wird auf den gegen Heteroskedastizität (nicht-konstante Fehlervarianz) robusten Schätzer nach White (1980) zurückgegriffen. Anders als bei einer Simulationsstudie sind die wahren Varianzen der Zerlegungskomponenten hier nicht bekannt. Ich verwende als Richtwert zur Bewertung der analytischen Varianzschätzer deshalb die Standardfehler, die mit Hilfe von Replikationsverfahren (Bootstrap und Jackknife) gewonnen werden und von denen angenommen werden kann, dass sie im vorliegenden Fall zumindest konsistente Resultate liefern (vgl. z. B. Efron und Tibshirani 1993, Davison und Hinkley 1997). Beim Bootstrap-Verfahren werden die Regressionen und Zerlegungen anhand von Stichproben aus den Originaldaten berechnet und die Varianzschätzer ergeben sich aus der über diese Stichproben beobachteten Varianz. Die Bootstrap-Stichproben sind gleich gross wie die Originalstichprobe, werden aber mit Zurücklegen gezogen. Beim Jackknife-Verfahren werden die Berechnungen

0.0976 0.143 0.113 0.128 0.105 0.135 0.119 0.121

Dekomposition mit W = 0: – erklärt – unerklärt

Dekomposition mit W = I: – erklärt – unerklärt

Dekomposition mit W = 0.5I: – erklärt – unerklärt

Dekomposition mit W = Ω: – erklärt – unerklärt 0.00304 0.0112

0.00380 0.0123

0.00359 0.0123

0.00669 0.0135

0.00605 0.0100 0.0117

klassisch

fix

a

0.00346 0.0113

0.00410 0.0124

0.00418 0.0125

0.00705 0.0136

0.00605 0.0100 0.0117

robust

d

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE) 2000, ungewichtet. Anmerkungen: Siehe Tabelle 7.4. a Schätzer unter Annahme fixer Regressoren. b Schätzer unter Annahme stochastischer Regressoren. c 10 000 Replikationen. d Basierend auf heterokedastizitätskonsistenten Varianz-Schätzern nach White (1980).

3.808 3.568 0.241

Mittelwert Männer Mittelwert Frauen Differenz

Punktschätzer

0.00801 0.0114

0.00787 0.0124

0.00792 0.0124

0.00962 0.0136

0.00732 0.0115 0.0136

klassisch

d

0.00818 0.0114

0.00802 0.0124

0.00820 0.0126

0.00987 0.0136

0.00732 0.0115 0.0136

robust

stochastischb

Standardfehler

Tabelle 7.5: Dekompositionen und Standardfehler

0.00867 0.0112

0.00816 0.0123

0.00821 0.0125

0.0101 0.0135

0.00729 0.0116 0.0137

Bootstrapc

0.00860 0.0114

0.00813 0.0124

0.00815 0.0126

0.0101 0.0137

0.00731 0.0115 0.0136

Jackknife

162 7. Statistische Inferenz für die Blinder-Oaxaca-Zerlegung

7.6 Diskussion

163

n Mal durchgeführt, wobei bei jeder Berechnung eine Beobachtung weggelassen wird, und die Varianzschätzer ergeben sich wiederum (nach geringfügiger Umrechnung) aus der beobachteten Variation in den Ergebnissen. Die Zahlen in Tabelle 7.5 sprechen eine klare Sprache.87 Vor allem für die „erklärten“ Teile der Dekompositionen sind durch Vernachlässigung der stochastischen Natur der X-Variablen verglichen mit den Bootstrap- oder Jackknife-Schätzern bedeutende Unterschätzungen zu verzeichnen. Zum Beispiel beträgt der „fixe“ Standardfehler für den „erklärten“ Teil in der Dekomposition, in der über die beiden Koeffizientenvektoren gemittelt wird, rund 0.004. Verglichen mit einem durch Replikationstechniken berechneten Standardfehler von gut 0.008 entspricht dies einer Unterschätzung um zirka 50 % (bzw. 75 % auf Ebene der Varianzen). Das ist für die praktische Forschung sicherlich inakzeptabel, zumal dieser Fehler auch von der Stichprobengrösse mehr oder weniger unabhängig ist und sich mit grösseren Fallzahlen nicht verringert. Für die „unerklärten“ Teile der Dekompositionen ist hingegen keine Verzerrung zu beobachten. Dass die Verzerrung für den „unerklärten“ Teil viel geringer ausfällt als für den „erklärten“ Teil (bzw. u. U. wie hier aus praktischer Sicht sogar verschwindet), macht Sinn, wenn man bedenkt, dass die Stichprobenvarianzen der Regressoren im Varianzschätzer für letzteren Teil mit den Referenzkoeffizienten gewichtet werden, im Varianzschätzer für ersteren aber lediglich mit den Differenzen der gruppenspezifischen Koeffizienten (und es sich mit den Varianzen der Koeffizienten genau umgekehrt verhält; vgl. Formeln 7.17 und 7.18). Im Gegensatz zu den „fixen“ Standardfehlern werden mit den Schätzern für stochastische X-Variablen durchgängig und insbesondere unter Verwendung der robusten Koeffizientenvarianzen gute Resultate erzielt. Einzig bei den Ergebnissen für den „erklärten“ Teil in der letzten Dekomposition (W = Ω) ist aus oben besprochenen Gründen eine systematische Abweichung von den replikationsbasierten Schätzern zu verzeichnen, wobei die Unterschätzung des Standardfehlers mit rund 5 % (bzw. etwa 10 % auf Varianzen-Ebene) wiederum verhältnismässig gering ausfällt.

7.6 Diskussion In den vorangegangenen Abschnitten wurden analytische Schätzer für die Varianzen bzw. Standardfehler der Komponenten verschiedener Varianten der so ge87 Man beachte, dass in Tabelle 7.5 in Einklang mit der Praxis in der angewandten Forschung Standardfehler anstatt Varianzen berichtet werden. Die Ergebnisse können also nicht direkt mit den Ergebnissen der Simulationen im letzten Abschnitt verglichen werden. Für einen Vergleich wären die Standardfehler in Tabelle 7.5 zu quadrieren.

164


nannten Blinder-Oaxaca-Zerlegung hergeleitet und es wurde hervorgehoben, wie wichtig die Berücksichtigung der zusätzlichen Variabilität der Dekompositionsergebnisse ist, die durch stochastische Regressoren erzeugt wird. Werden die Regressoren in der Dekomposition als fix angenommen, resultieren vor allem für den durch gruppenspezifische Unterschiede in den Regressoren erklärten Teil der Zerlegung massive Unterschätzungen der Standardfehler. Die vorgestellten Schätzer sind einfach zu berechnen und decken einen gossen Teil der Bedürfnisse in der praktischen Datenanalyse ab. Trotzdem sind noch einige Erweiterungen und auch Beschränkungen anzusprechen. So werden Zerlegungsergebnisse beispielsweise häufig auf Ebene von einzelnen Variablen oder Gruppen von Regressoren berichtet. Die hier präsentierten Formeln können problemlos auch zur Schätzung der Standardfehler dieser „detaillierten“ Dekompositionen verwendet werden, indem man einfach jeweils nur die entsprechenden Variablen betreffenden Zeilen und Spalten der involvierten Matrizen berücksichtigt. Weiterhin werden in Anwendungen mit logarithmierten Löhnen die Dekompositionsergebnisse manchmal durch Anwendung der Exponentialfunktion in die ursprüngliche Währungsskala rücktransformiert. Die Varianzen dieser transformierten Ergebnisse können ausgehend von den Schätzern für die nicht transformierten Resultate allgemein mit Hilfe der Delta-Methode (Oehlert 1992) approximiert werden als ˆ ≈ exp(θ) ˆ 2 ˆ V(exp(θ)) V(θ) (7.19) ˆ als dem mit θˆ als der interessierenden Dekompositionskomponente und V(θ) Schätzer der Varianz der Komponente (vgl. auch Oaxaca und Ransom 1998). Übrigens können alternativ zu den hier präsentierten exakten Herleitungen die Varianzen der Zerlegungskomponenten in grösseren Stichproben auch direkt mit der Delta-Methode für nichtlineare Transformationen von Zufallsvariablen approximiert werden. Sei θˆ die interessierende Komponente, die eine (nichtlineare) Funktion eines Parametervektors γˆ ist, also θˆ = h(γˆ ). γˆ enthält die Koeffizienten der gruppenspezifischen Regressionsmodelle sowie die gruppenspezifischen Mittelwerte der unabhängigen Variablen, das heisst γˆ = (βˆ A , X¯ A , βˆ B , X¯ B ) . Für die Varianz von θˆ gilt dann

∂h(γˆ ) ∂h(γˆ ) ˆ V(γˆ ) V(θ) ≈ ∂γˆ ∂γˆ

(7.20)

mit ∂h/∂γˆ als dem Vektor der partiellen Ableitungen von h(γˆ ) und V(γˆ ) als der V(X¯ A ), V(βˆ B ) Varianz-Kovarianz-Matrix von γˆ . Wird V(γˆ ) aus Blöcken mit V(βˆ A ), und V(X¯ B ) zusammengestellt und werden die einzelnen Kovarianzen zwischen

7.7 Anhang: Beweis für Gleichung (7.10)

165

den Blöcken auf null gesetzt, erhält man gerade die hier präsentierten Formeln, jedoch ohne den letzten, asymptotisch vernachlässigbaren Term. Die Verwendung der Delta-Methode empfiehlt sich vor allem auch in etwas komplexeren Situationen, wo die exakte Herleitung zu komplizierten Ergebnissen führt. Ein Beispiel liefert die Variante der Dekomposition, in der der nicht-diskriminierende Koeffizienten-Vektor anhand der zusammengefassten Stichprobe über beide Gruppen geschätzt wird und bei dieser Schätzung für die Gruppenzugehörigkeit kontrolliert wird (vgl. Kapitel 4). Für den nicht erklärten Teil der Dekomposition (zweiter Summand in 7.5) ergeben sich nun komplizierte Ausdrücke, da die Kovarianzen zwischen βˆ ∗ und βˆ A bzw. βˆ B berücksichtigt werden müssen. Die Schätzung der gemeinsamen Varianzmatrix von βˆ A , βˆ B und βˆ ∗ (Weesie 1999) und dann Anwendung der Delta-Methode kann hier eine Lösung sein. Ein weiteres Beispiel ist die Schätzung der Varianzen der Dekomposition in komplexen Stichproben (Lohr 1999). Zwar ist eine Verallgemeinerungen der präˆ sentierten Formeln für komplexe Stichproben problemlos möglich indem für V(β) ¯ und V(X) einfach die entsprechenden Survey-Schätzer eingesetzt werden. Eine Voraussetzung für die Zulässigkeit dieser Vorgehensweise ist allerdings, das die beiden Teilstichproben unabhängig sind. Diese Voraussetzung ist verletzt, wenn es sich um eine Klumpenstichprobe handelt und die einzelnen Klumpen Mitglieder beider Gruppen enthalten können. Ein Lösungsansatz ist auch hier, die Varianzmatrix des gesamten Systems zu schätzen, um dann mit Hilfe der Delta-Methode die Varianzen der Dekomposition zu berechnen. Schliesslich bleibt noch darauf hinzuweisen, dass in all diesen Situationen immer auch mit Replikationsmethoden (Bootstrap oder im Falle komplexer Stichproben Jackknife) befriedigende Resultate erlangt werden können (vgl. Abschnitt 7.5 und auch Kapitel 4). Der Vorteil analytischer Lösungen ist allerdings, dass sie normalerweise bedeutend schneller zu berechnen sind. Eine Software-Implementierung der präsentierten Methoden wird von Jann (2005g) bereitgestellt.

7.7 Anhang: Beweis für Gleichung (7.10) Lemma: Die Varianz der Produkts von zwei unkorrelierten Zufallsvektoren u1 und u2 kann geschrieben werden als V(u1 u2 ) = μ1 Σ2 μ1 + μ2 Σ1 μ2 + tr[Σ1 Σ2 ]

(7.21)

wobei μ , = 1, 2, der Vektor der Erwartungswerte der Zufallsvariablen in u ist and Σ der Matrix der Varianzen und Kovarianzen entspricht, also Σ = E[(u − μ )(u − μ ) ].

166


Beweis: Die Erwartungswerte von Summe und Produkt von zwei Zufallsvariablen x und y sind E(x + y) = E(x) + E(y) (7.22) und E(xy) = E(x)E(y) + Cov(x, y)

(7.23)

(vgl. Papoulis und Pillai 2002: 209–211). Folglich E(u1 u2 ) = μ1 μ2 E(u u ) = μ μ + Σ ,

(7.24)

= 1, 2

(7.25)

und, wenn u1 und u2 unkorreliert sind, E([u1 u2 ]2 ) = E(u1 u2 u2 u1 ) = tr E(u1 u1 u2 u2 ) = tr E(u1 u1 )E(u2 u2 ) = tr (μ1 μ1 + Σ1 )(μ2 μ2 + Σ2 ) = tr μ1 μ1 μ2 μ2 + tr μ1 μ1 Σ2 + tr Σ1 μ2 μ2 + tr[Σ1 Σ2 ]

(7.26)

= (μ1 μ2 )2 + μ1 Σ2 μ1 + μ2 Σ1 μ2 + tr[Σ1 Σ2 ] Schliesslich V(u1 u2 ) = E([u1 u2 ]2 ) − [E(u1 u2 )]2

= (μ1 μ2 )2 + μ1 Σ2 μ1 + μ2 Σ1 μ2 + tr[Σ1 Σ2 ] − (μ1 μ2 )2 =

μ1 Σ2 μ1

+

μ2 Σ1 μ2

(7.27)

+ tr[Σ1 Σ2 ]

Einen ähnlichen Beweis findet man in Mood et al. (1974: 180) für die Varianz des Produkts von zwei unabhängigen univariaten Zufallsvariablen.

8 Zusammenfassung der zentralen Ergebnisse

Verschiedene Aspekte aus dem Themenbereich „Erwerbsarbeit, Einkommen und Geschlecht“ wurden im vorliegenden Buch herausgegriffen und mit in sich mehr oder weniger geschlossenen Studien analysiert. Ein erster Beitrag (Kapitel 2) befasste sich mit der Erosion der so genannten Normalarbeit und, damit verbunden, den Rollen der Geschlechter auf den Arbeitsmärkten in der Schweiz und in Deutschland. Seit mehr als 20 Jahren hält sich in der deutschsprachigen sozialwissenschaftlichen Literatur die These der Erosion des Normalarbeitsverhältnisses, welches im Wesentlichen als dauerhafte Vollzeitbeschäftigung mit Sozialversicherungspflicht charakterisiert wird. Die These besagt, dass Normalarbeitsverhältnisse schrittweise durch „atypische“ Arbeitsformen – das heisst neue, flexible und moderne, aber auch prekäre und ungeschützte, nicht am traditionellen Leitbild ausgerichtete Formen von Arbeit – abgelöst werden. Ob und inwieweit diese These der Erosion der Normalarbeit empirisch zutreffend ist und mit welcher Geschwindigkeit sich die Prozesse der Veränderung auf dem Arbeitsmarkt vollziehen, wurde bislang nur unzureichend beantwortet. In dem Kapitel wurde deshalb anhand von Daten der Schweizerischen Arbeitskräfteerhebung 1991 bis 2006, der schweizerischen Volkszählungen ab 1970 und des deutschen Sozio-oekonomischen Panels 1985 bis 2005 untersucht, welche Formen von Arbeit in welchem Umfang heute auf den Arbeitsmärkten in der Schweiz und in Deutschland existieren und wie sich die Arbeitsmarktstrukturen über die Zeit verändert haben. Gemäss den Analysen ist tatsächlich eine Tendenz zur Verdrängung von Normalarbeitsverhältnissen durch andere Arbeitsformen festzustellen. Der Trend besteht in beiden Ländern gleichermassen – trotz der deutlich rigideren Arbeitsmarktregulierung in Deutschland, von der man eine hemmende Wirkung hätte erwarten können. Speziell für Männer kann eine Erosion der Normalarbeit über alle Altersgruppen hinweg beobachtet werden und nicht nur an den „Rändern“ der Altersverteilung. Bemerkenswert ist allerdings, dass der Prozess erst in den 1990er Jahren einzusetzen scheint. In den Jahren zuvor kann von einem Rückgang der Normalarbeitsverhältnisse höchstens in einem relativen Sinne gesprochen werden. Die „vermeintliche“ Erosion in diesen Jahren ist gemäss den präsentierten Resultaten hauptsächlich auf eine Ausweitung der weiblichen Arbeitsmarktpartizipation und dem damit verbundenen disproportionalen Zuwachs von atypischen (i. d. R. Teilzeit-) Arbeitsformen zurückzuführen. Weiterhin zei-

168

8. Zusammenfassung der zentralen Ergebnisse

gen die Analysen, dass sich die Rollen von Frauen und Männern über die letzten Dekaden zwar etwas angeglichen haben, nach wie vor aber massive Unterschiede in Ausmass, Art und Verlaufsmuster der Erwerbstätigkeit bestehen. In Kapitel 3 wurde dann ein kontroverses theoretisches Argument zum Zusammenhang zwischen Löhnen und Geschlecht einer empirischen Prüfung unterzogen. In einer Variante der Humankapitaltheorie erklärte Becker (1985) Lohnunterschiede zwischen Frauen und Männern mit der zentralen Annahme, dass Frauen wegen der grösseren Haushaltsverantwortlichkeit selbst bei gleicher Arbeitszeit und gleichem marktspezifischem Humankapital weniger Mühe auf die Erwerbsarbeit verwenden als Männer. Beckers Annahme wurde bislang nur in einer Studie von Bielby und Bielby (1988) empirisch analysiert und als nicht haltbar befunden. In Kapitel 3 wurde deshalb die Studie von Bielby und Bielby mit Daten aus dem „Schweizer Arbeitsmarktsurvey 1998“ repliziert und erweitert. Die Ergebnisse sind, dass Frauen zwar im bivariaten Vergleich tatsächlich ein geringeres Mass an Arbeitseinsatz berichten, die Abhängigkeit von den Haushaltsverpflichtungen allerdings eher gering ist. Es zeigte sich denn auch, dass Unterschiede im Arbeitseinsatz weder geschlechtsspezifische Lohndifferenzen noch berufliche Segregation zu erklären vermögen. Insgesamt erscheint Beckers Annahme über die durch grössere Haushaltsverpflichtungen verursachte geringere Arbeitsanstrengung von Frauen und die damit verbundene geringere Entlohnung auf dem Arbeitsmarkt als nicht haltbar. Die Zusammenhänge zwischen der Entwicklung der allgemeinen Lohnstruktur, der Geschlechtersegregation und geschlechtsspezifischen Lohnunterschieden über die Zeit waren Gegenstand von Kapitel 4. Empirische Grundlage lieferten die 16 Wellen der Schweizerischen Arbeitskräfteerhebung von 1991 bis 2006. Bei der Analyse der Lohndiskrepanzen wurden mit Hilfe von Querschnitts- und TrendZerlegungen geschlechtsspezifische Unterschiede in Humankapital und horizontaler bzw. vertikaler beruflicher Segregation sowie die Veränderung dieser Grössen über die Zeit in Betracht gezogen. Anders als in der Studie von Sousa-Poza (2004) zeigte sich ein ganz klarer Trend der Angleichung der Löhne von Frauen und Männern. Die Abnahme der Lohndiskrepanz, so der Befund, ist hauptsächlich auf Angleichungen bezüglich Humankapital (Bildung, Berufserfahrung und Firmentreue) zurückzuführen und, in geringerem Ausmass, auf rückläufige horizontale Segregation. Für einen Einfluss der Veränderung der allgemeinen Lohnstruktur oder für eine Abnahme der Diskriminierung finden sich – zumindest nach Berücksichtigung der durch eine steigende weibliche Arbeitsmarktbeteiligung verursachten abnehmenden Selektivität der beobachteten Frauenlöhne – jedoch keine Hinweise. Das Thema der Lohndiskriminierung wurde anschliessend in Kapitel 5 aus dem Blickwinkel gesellschaftlicher Normen nochmals aufgegriffen. Von den auch


169

heute noch bestehenden, empirisch nachweisbaren Lohnungleichheiten zwischen Frauen und Männern muss angenommen werden, dass sie zumindest teilweise aufgrund diskriminierender Praktiken zustande kommen. Eine solche Lohndiskriminierung ist in der Schweiz Verfassungs- und Gesetzeswidrig. Unklar ist dabei aber, inwieweit vielleicht eine Diskrepanz besteht zwischen der öffentlichen, im Gesetzt verankerten Meinung und den internalisierten Normen in der Gesellschaft. Anhand eines Vignetten-Experiments, bei dem den Respondenten in einer schriftlichen Befragung Personenbeschriebe zur Bewertung vorgelegt wurden, konnte in Kapitel 5 gezeigt werden, dass unter Kontrolle der beruflichen und familiären Situation für Frauen tendenziell ein geringerer Lohn als angemessen betrachtet wird als für Männern. Bemerkenswerterweise ist dieses Resultat unabhängig vom Geschlecht der bewertenden Person, das heisst, auch Frauen haben der weiblichen Person in der Vignette weniger Einkommen zugestanden als der männlichen Person. Unterschiedliche Bewertungsmassstäbe für Frauen und Männer sind offenbar so stark in unserer Gesellschaft verankert, dass sie selbst von Frauen immer noch getragen werden. Kapitel 6 befasste sich mit einer weiteren Fragestellung, die in Beziehung steht zu den unterschiedlichen Chancen von Frauen und Männern auf dem Arbeitsmarkt. Eine in der Schweiz viel zitierte Ansicht lautet, dass eine Karriere in der Armee den beruflichen Erfolg im zivilen Leben befördere. Da das Militär eine fast ausschliesslich männliche Domäne ist, erzeugt dies, wenn solche Effekte tatsächlich bestehen, für Männer einen komparativen Vorteil gegenüber Frauen auf dem Arbeitsmarkt. Obwohl militärische und berufliche Karriere als Besonderheit des schweizerischen Milizsystems im biografischen Verlauf eng miteinander verschränkt sind, wurde ein Einfluss der militärischen Karriere auf den Berufserfolg bislang empirisch noch nicht nachgewiesen. Zudem ist auch die Frage nach den möglichen Gründen zu stellen. Ziel der Analyse in Kapitel 6 war also erstens, den vermeintlichen positiven Effekt der militärischen Karriere auf den Berufserfolg empirisch zu prüfen. Zweitens sollten mögliche Ursachen gegenübergestellt werden. Als solche wurden insbesondere Selbstselektion, der Erwerb von marktnahem Humankapital (Führungskompetenzen) und der Aufbau eines wirkungsvollen Beziehungsnetzes, analog dem „Old-Boy Network“ von Hochschulabsolventen in den Vereinigten Staaten, in Betracht gezogen. Die Analysen mit Daten aus dem „Schweizer Arbeitsmarktsurvey 1998“ zeigten, dass höhere militärische Ränge auch bei Kontrolle von Bildung und Berufserfahrung mit erhöhtem Erwerbseinkommen einhergehen. Ein weiteres Resultat war, dass dieser Einkommensbonus allem Anschein nach weder auf Mechanismen der Selbstselektion noch auf dem Erwerb besonders gewinnbringenden Humankapitals beruht. Vielmehr ist zu vermuten, dass der grössere Berufserfolg von Milizoffizieren mit deren an „wertvollen“ Beziehungen reicheren sozialen Netzwerk zusammenhängt.

170


Beim letzten Kapitel handelt es sich um eine Methdodenstudie zu einer im Rahmen der Analyse von geschlechtsspezifischen Lohndiskrepanzen häufig verwendeten statistischen Technik. Mit der Technik, die als die Blinder-OaxacaDekomposition in die Literatur eingegangen ist, lässt sich die durchschnittliche Lohndiskrepanz zwischen Männern und Frauen zerlegen in eine Komponente, die aufgrund von Unterschieden in produktivitätsrelevanten Merkmalen zustande kommt, und einen „unerklärten“ Teil, der unter Umständen auf Diskriminierung beruht. Trotz der grossen Beliebtheit des Verfahrens wurde dem Thema der statistischen Inferenz bisher relativ wenig Aufmerksamkeit geschenkt. In Kapitel 7 wurden deshalb für verschiedene Varianten der Technik analytische Schätzer für die Stichprobenvarianzen bzw. die Standardfehler der Dekompositionsterme hergeleitet. Anhand von Simulationen und einem Anwendungsbeispiel wurde ferner illustriert, dass entgegen der allgemeinen Auffassung stochastische Regressoren die Standardfehler der Zerlegungskomponenten substanziell erhöhen können.

Tabellenanhang

Tabellen zu Kapitel 2 Tabelle A.1

Beschäftigungsverhältnisse in der Schweiz, 1991 – 2006 . . . 172

Tabelle A.2

Beschäftigungsverhältnisse in der Schweiz, 1970 – 2000 . . . 186

Tabelle A.3

Beschäftigungsverhältnisse in Deutschland, 1985 – 2005 (alte Bundesländer) . . . . . . . . . . . . . . . . . . . . . . 190

Tabellen zu Kapitel 4 Tabelle A.4

Mittelwerte der in den Lohngleichungen verwendeten Variablen, 1991 – 2006 . . . . . . . . . . . . . . . . . . . . . 204

Tabelle A.5

Lohngleichungen, 1991 – 2006 . . . . . . . . . . . . . . . . 208

Tabelle A.6

Mittelwerte der in den Selektionsgleichungen verwendeten Variablen, 1991 – 2006 . . . . . . . . . . . . . . . . . . . . 214

Tabelle A.7

Selektionsgleichungen, 1991 – 2006 . . . . . . . . . . . . . 216

Tabelle A.8

Blinder-Oaxaca-Dekompositionen der geschlechtsspezifischen Lohnunterschiede, 1991 – 2006 . . . . . . . . . . . . 219

Tabelle A.9

Blinder-Oaxaca-Dekompositionen mit fixen Effekten für Berufe und Branchen, 1991 – 2006 . . . . . . . . . . . . . . 221

Tabelle A.10 Blinder-Oaxaca-Dekompositionen mit Selektionskorrektur, 1991 – 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . 223 Tabelle A.11 Trend-Dekompositionen der geschlechtsspezifischen Lohnunterschiede, 1991 – 2006 . . . . . . . . . . . . . . . . . . 225 Tabelle A.12 Trend-Dekompositionen mit Selektionskorrektur, 1991 – 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228

(Fortsetzung auf der nächsten Seite)

Befristet

1–14

1.15 1.29 1.45 1.15 1.08 1.20 1.29 1.40 1.41 1.59 1.97 1.47 1.58 1.50 1.66 2.04

Unbefr.

Männer im Alter von 16 bis 64 Jahren 1991 66.40 2.87 2.83 1992 63.78 4.55 2.89 1993 62.03 3.91 3.12 1994 61.45 3.85 3.10 1995 61.20 3.80 3.64 1996 60.08 3.18 3.34 1997 58.50 2.72 4.05 1998 59.11 3.07 3.83 1999 58.83 3.06 4.00 2000 59.42 2.06 4.25 2001 59.66 2.28 4.62 2002 58.17 2.62 4.62 2003 56.54 2.77 5.08 2004 56.53 2.92 5.25 2005 55.84 3.22 5.52 2006 55.78 3.46 5.82

≥15

Teilzeit b

Vollzeit

Abhängig beschäftigt

a

Jahr

12.61 12.16 13.05 12.37 13.48 14.79 14.86 14.64 14.84 14.85 14.07 13.83 14.14 13.22 12.98 12.55

Vollzeit

0.68 0.80 0.78 1.08 1.05 1.09 1.20 1.28 1.55 1.67 1.69 1.73 1.49 1.64 1.49 1.69

Teilzeit

Selbständig

4.28 4.63 4.48 4.33 4.29 4.33 4.15 4.58 4.43 4.56 4.58 4.86 4.45 4.43 4.44 4.69

Lehrling

1.11 2.04 2.88 3.27 2.61 3.09 3.84 2.94 2.42 2.06 1.55 2.51 3.46 3.55 3.47 3.06

Arbeitslos

8.06 7.87 8.30 9.41 8.85 8.91 9.40 9.15 9.46 9.54 9.59 10.19 10.50 10.95 11.39 10.91

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

Tabelle A.1: Beschäftigungsverhältnisse in der Schweiz, 1991 – 2006

2263560 2295923 2314825 2329325 2340825 2341741 2359195 2364105 2364677 2371852 2380563 2410105 2440170 2460841 2479974 2493477

Population

5910 6260 6638 6619 11791 5937 6049 6115 6539 6453 6688 14531 22240 20299 19012 17648

Fallzahl

172 Tabellenanhang


Befristet

1–14

10.83 11.29 10.99 11.18 10.85 10.14 10.86 10.92 11.30 10.56 11.08 11.05 11.28 10.96 10.80 10.84

Unbefr.

Frauen im Alter von 16 bis 64 Jahren 1991 26.24 2.17 17.38 1992 23.94 2.13 18.17 1993 22.81 1.64 18.33 1994 22.60 1.90 18.77 1995 22.28 2.07 19.58 1996 23.21 1.82 19.79 1997 22.09 1.74 20.22 1998 23.04 1.56 20.87 1999 22.40 1.63 21.33 2000 22.13 2.01 21.77 2001 21.73 2.14 23.30 2002 22.30 2.08 23.65 2003 21.23 1.91 23.66 2004 21.32 1.89 24.94 2005 20.91 1.96 25.27 2006 21.04 2.28 25.21

≥15

Teilzeit b

Vollzeit


a

Jahr

(Fortsetzung von Tabelle A.1)

4.08 3.68 4.02 3.52 3.86 4.20 4.50 4.27 4.25 4.07 3.90 3.91 3.89 3.31 3.59 3.36

Vollzeit

4.31 5.57 5.80 5.66 5.19 5.81 6.02 6.02 6.13 6.04 5.85 5.84 6.14 5.52 5.46 5.71

Teilzeit

Selbständig

2.45 3.13 3.81 2.84 3.07 3.14 3.12 3.08 3.37 3.68 3.57 3.65 3.62 3.53 3.54 3.73

Lehrling

1.77 2.49 3.23 3.09 2.74 2.96 2.85 3.03 2.58 2.24 2.58 2.35 3.41 3.63 3.85 3.60

Arbeitslos

30.76 29.60 29.36 30.43 30.36 28.93 28.61 27.21 27.02 27.51 25.86 25.17 24.86 24.91 24.61 24.24

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

2265638 2286130 2299081 2329387 2333265 2340395 2344642 2346800 2353265 2365064 2383776 2406071 2425323 2445233 2467247 2489702

Population

6902 7238 7665 7616 13103 6658 6616 6682 7214 7237 7569 16673 23169 21841 20828 19225

Fallzahl

Tabellenanhang

173


Befristet

1–14

0.62 0.59 0.63 0.55 0.55 0.62 0.83 0.70 0.54 0.92 1.08 0.78 0.78 0.80 0.84 1.06

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


14.65 14.41 15.07 14.33 15.24 16.49 16.90 16.79 17.00 17.05 15.94 15.82 15.98 15.02 14.63 14.11

Vollzeit

0.65 0.64 0.55 0.51 0.76 0.77 1.00 1.03 1.27 1.42 1.33 1.43 1.16 1.32 1.17 1.33

Teilzeit

Selbständig

0.07 0.36 0.21 0.13 0.19 0.21 0.19 0.14 0.27 0.34 0.26 0.12 0.25 0.29 0.24 0.13

Lehrling

0.79 1.77 2.22 3.02 2.27 3.10 3.87 2.71 2.07 1.61 0.96 2.05 3.16 3.32 3.04 2.58

Arbeitslos

2.39 2.22 2.51 2.79 2.57 2.78 3.10 3.07 2.90 3.36 3.89 4.14 4.60 4.46 4.58 4.73

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

1557793 1575246 1612990 1631930 1642098 1652428 1666817 1661045 1655277 1659331 1654683 1669786 1677797 1685834 1691660 1696179

Population

4287 4576 4910 4892 8651 4359 4460 4505 4820 4741 4846 10357 15858 14401 13546 12438

Fallzahl

174 Tabellenanhang


Befristet

1–14

12.93 13.50 12.63 12.85 12.49 11.52 12.25 12.06 12.21 11.49 11.87 12.12 12.43 11.90 11.88 11.64

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


4.81 4.17 4.42 3.97 4.43 4.42 4.93 4.72 5.15 4.68 4.64 4.62 4.49 3.83 4.11 4.00

Vollzeit

4.87 6.78 6.91 6.60 6.03 6.76 6.83 6.63 6.57 6.64 6.89 6.35 6.77 6.23 6.07 6.19

Teilzeit

Selbständig

0.09 0.12 0.27 0.16 0.11 0.16 0.10 0.14 0.11 0.30 0.26 0.17 0.09 0.19 0.17 0.19

Lehrling

1.93 2.71 3.37 3.03 2.93 3.25 3.16 3.10 2.51 2.41 2.62 2.54 3.20 3.68 3.74 3.63

Arbeitslos

26.51 25.23 26.18 26.23 25.33 23.95 23.29 21.60 22.31 22.11 20.66 19.62 19.62 19.32 18.91 18.89

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

1519564 1548827 1579081 1600309 1620044 1633972 1639456 1648122 1648273 1648110 1656973 1665956 1671084 1677005 1681856 1690443

Population

4833 5178 5480 5515 9409 4816 4830 4830 5207 5199 5416 11758 16529 15478 14704 13608

Fallzahl

Tabellenanhang

175


Befristet

1–14

2.94 3.66 4.93 3.41 2.84 4.24 3.25 3.72 4.43 4.69 5.68 4.06 4.55 4.24 5.06 5.81

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


2.97 2.26 1.01 1.34 2.74 3.74 2.65 2.51 2.31 2.98 2.41 1.71 2.61 2.48 1.96 2.14

Vollzeit

0.36 0.96 0.85 2.17 1.51 1.37 1.94 1.63 2.21 1.69 2.94 2.15 1.98 1.63 1.42 1.59

Teilzeit

Selbständig

23.00 24.33 24.59 24.74 24.95 25.98 24.49 27.32 26.39 27.17 27.76 30.06 26.56 26.19 26.41 28.71

Lehrling

2.14 3.17 5.37 4.08 3.55 3.65 5.01 3.46 4.07 3.92 4.14 5.16 6.08 5.66 5.84 5.95

Arbeitslos

24.36 23.49 25.00 28.92 27.38 26.76 27.96 26.13 27.87 24.92 25.93 24.72 24.98 27.31 27.90 23.34

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

417012 414081 408440 398762 390550 376399 387457 387347 380222 377004 377590 383097 393038 397664 401020 399574

Population

888 890 893 867 1562 759 772 756 767 735 752 1619 2796 2560 2330 2235

Fallzahl

176 Tabellenanhang


Befristet

1–14

5.12 4.54 6.21 6.06 5.17 5.69 6.05 7.10 7.85 7.95 8.41 8.78 8.07 8.85 7.57 8.56

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


2.22 1.11 1.05 0.29 0.63 1.26 1.13 0.98 0.32 1.31 0.58 0.95 0.93 0.47 0.88 0.90

Vollzeit

1.54 1.14 1.96 2.52 2.24 0.99 1.88 2.43 3.23 2.82 1.29 1.98 2.09 1.36 1.60 2.27

Teilzeit

Selbständig

13.39 17.27 21.17 16.42 18.48 18.88 19.02 19.36 21.23 22.38 21.63 22.54 22.93 21.91 21.90 22.78

Lehrling

2.53 2.82 4.09 4.53 3.62 2.90 2.71 4.81 4.14 2.48 4.03 2.81 6.41 5.30 6.18 5.34

Arbeitslos

23.62 25.35 22.14 27.14 30.38 29.97 30.80 31.29 25.77 28.81 27.57 26.28 25.88 27.34 29.12 27.08

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

404283 403577 393938 387538 377789 374799 375832 361968 365391 366581 372746 376959 375832 379394 385837 394185

Population

985 938 949 866 1532 738 729 750 816 771 775 1621 2465 2368 2348 2136

Fallzahl

Tabellenanhang

177


Befristet

1–14

1.20 1.11 1.09 1.14 0.96 1.06 1.80 0.75 0.78 1.69 1.04 1.25 1.40 1.54 1.65 1.98

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


10.58 9.23 9.51 9.16 9.86 10.97 10.33 9.70 10.61 11.10 10.19 11.30 10.62 9.10 8.67 8.82

Vollzeit

0.37 0.35 0.47 0.50 0.47 0.76 1.04 1.02 1.35 1.92 1.25 1.14 0.76 0.99 1.19 0.95

Teilzeit

Selbständig

0.19 0.98 0.60 0.35 0.39 0.54 0.43 0.42 0.44 0.50 0.61 0.31 0.72 0.79 0.68 0.37

Lehrling

1.00 2.75 3.15 3.63 3.32 4.12 5.29 3.21 2.63 2.02 0.78 3.35 4.63 4.18 3.76 3.53

Arbeitslos

3.69 2.85 3.71 4.52 3.59 3.86 3.36 3.62 2.54 4.47 5.81 4.45 5.02 4.87 5.03 5.02

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

578490 574419 564047 574240 579311 579370 576746 562324 530754 504689 467603 513627 507787 499338 496205 497702

Population

1755 1815 1846 1796 3168 1559 1617 1591 1645 1476 1372 2757 4241 3695 3569 3238

Fallzahl

178 Tabellenanhang


Befristet

1–14

10.51 11.46 10.45 9.97 10.94 9.85 10.48 10.70 10.43 9.57 9.98 10.04 10.28 10.26 9.59 9.97

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


3.29 2.79 2.16 1.85 3.03 2.86 3.40 3.39 3.08 2.84 2.42 2.83 3.10 1.91 2.36 2.60

Vollzeit

4.22 5.37 4.74 4.85 4.57 5.24 5.02 4.19 4.03 4.63 4.32 4.29 4.38 3.64 3.19 3.94

Teilzeit

Selbständig

0.25 0.26 0.68 0.46 0.32 0.45 0.25 0.40 0.32 0.84 0.34 0.46 0.24 0.50 0.50 0.57

Lehrling

2.33 2.65 3.95 3.74 3.27 4.32 3.71 3.84 2.54 2.59 2.65 3.04 4.21 4.86 4.88 4.36

Arbeitslos

27.42 27.39 28.59 28.48 24.42 23.40 20.79 19.10 20.99 21.14 21.69 20.45 19.24 18.27 17.71 17.74

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

557127 570121 564001 568132 560968 564248 560764 550622 540302 524172 502677 524074 515243 508842 500307 490791

Population

1908 2036 2088 2071 3577 1768 1712 1676 1744 1641 1626 3298 4907 4466 4286 3790

Fallzahl

Tabellenanhang

179


Befristet

1–14

0.41 0.47 0.36 0.30 0.32 0.35 0.41 0.70 0.45 0.69 0.98 0.47 0.46 0.46 0.47 0.58

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


17.66 17.98 16.95 16.47 17.15 18.48 19.29 19.71 18.75 18.14 16.32 16.27 17.02 16.13 15.04 14.84

Vollzeit

0.49 0.65 0.28 0.66 0.97 1.02 0.96 0.75 0.65 0.96 1.13 1.46 1.12 1.22 0.97 1.15

Teilzeit

Selbständig

0.00 0.00 0.00 0.02 0.14 0.08 0.12 0.00 0.34 0.50 0.21 0.07 0.07 0.15 0.09 0.06

Lehrling

0.74 1.31 1.69 2.18 1.65 2.75 3.20 2.54 1.92 1.45 1.06 1.51 2.49 2.70 2.57 1.93

Arbeitslos

1.10 1.44 1.66 1.50 1.88 2.11 3.31 2.40 2.61 2.15 2.55 3.23 3.29 3.24 3.25 3.17

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

494801 516844 535434 548449 552916 564150 560952 588254 613881 640640 668198 610221 616565 621518 618397 615086

Population

1363 1538 1687 1719 3070 1562 1581 1667 1845 1873 1973 4236 6529 6014 5561 5104

Fallzahl

180 Tabellenanhang


Befristet

1–14

15.39 15.31 14.88 15.26 13.57 12.81 14.51 13.99 13.62 13.96 14.41 15.51 15.59 15.05 14.05 14.29

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


4.59 3.94 5.20 4.98 4.48 4.68 4.98 4.74 5.63 5.06 5.23 4.66 4.47 3.89 4.04 3.82

Vollzeit

5.67 8.19 8.25 7.68 6.84 8.56 9.13 8.34 7.47 7.90 7.54 7.38 7.65 6.85 6.83 6.74

Teilzeit

Selbständig

0.00 0.07 0.07 0.00 0.01 0.02 0.04 0.00 0.00 0.09 0.44 0.06 0.03 0.05 0.05 0.06

Lehrling

2.01 3.12 3.81 2.44 2.83 3.56 2.58 2.89 2.88 2.34 2.64 2.55 3.13 3.23 3.55 3.74

Arbeitslos

26.06 24.98 26.02 25.84 27.11 25.07 25.95 22.91 22.97 21.95 20.03 18.42 19.14 20.26 20.24 20.20

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

502400 501975 512750 528419 538465 538059 535493 555868 565980 581596 601223 590321 602820 610911 620921 624106

Population

1584 1663 1789 1846 3164 1635 1649 1686 1838 1891 1995 4520 6527 6223 5897 5559

Fallzahl

Tabellenanhang

181


Befristet

1–14

0.16 0.13 0.44 0.16 0.30 0.46 0.25 0.67 0.43 0.40 1.34 0.71 0.55 0.52 0.46 0.72

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


16.92 16.91 19.25 18.40 19.53 20.86 22.13 21.19 21.26 21.06 20.78 19.40 19.62 19.19 19.11 17.82

Vollzeit

1.18 0.99 0.87 0.39 0.89 0.53 0.96 1.37 1.86 1.43 1.50 1.82 1.63 1.75 1.42 1.90

Teilzeit

Selbständig

0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.01 0.01 0.03 0.01

Lehrling

0.64 1.09 1.59 3.10 1.62 2.18 2.85 2.44 1.81 1.18 1.00 1.52 2.63 3.24 2.90 2.52

Arbeitslos

2.03 1.98 1.81 1.95 1.72 2.08 2.36 3.07 3.72 3.65 3.68 4.67 5.51 5.23 5.37 5.91

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

441961 455747 470336 467780 473907 474130 481093 465311 468926 468162 475415 500469 507386 514961 526512 533116

Population

1063 1147 1271 1264 2235 1152 1146 1134 1219 1264 1367 3078 4667 4296 4052 3768

Fallzahl

182 Tabellenanhang


Befristet

1–14

13.65 14.42 12.97 13.29 13.11 11.81 11.16 11.53 11.98 10.51 11.04 10.46 11.12 9.95 11.13 10.05

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


6.76 5.86 6.21 5.41 6.08 5.97 6.64 6.43 6.99 6.28 5.95 6.50 5.76 5.46 5.93 5.32

Vollzeit

5.14 7.09 8.43 7.52 6.68 6.52 6.33 6.93 7.82 7.43 8.40 7.15 8.11 7.99 7.94 7.62

Teilzeit

Selbständig

0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.01 0.06 0.00 0.00

Lehrling

1.38 2.28 2.32 3.04 2.81 1.78 3.40 2.58 2.07 2.40 2.71 2.18 2.43 3.12 2.97 2.82

Arbeitslos

25.13 22.38 22.25 23.26 23.38 23.18 23.11 22.31 23.18 22.98 19.92 19.38 20.06 18.91 17.86 18.14

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

427991 443282 462120 464733 480081 491666 504215 495395 496088 498700 502957 501216 506192 509652 514420 526080

Population

1233 1363 1465 1473 2436 1288 1348 1330 1489 1515 1610 3528 4642 4354 4127 3900

Fallzahl

Tabellenanhang

183


Befristet

1–14

1.29 1.53 0.97 1.24 1.60 0.57 1.14 2.00 2.02 1.42 2.01 1.78 1.89 1.62 1.70 2.37

Unbefr.


≥15

Teilzeit b

Vollzeit


a

Jahr


14.97 14.00 18.74 15.61 17.42 18.78 18.67 18.65 19.08 18.42 17.95 17.97 18.33 16.59 17.65 16.55

Vollzeit

1.27 1.38 1.91 2.59 1.96 2.27 1.36 2.05 2.33 2.79 2.24 2.41 2.35 2.91 2.71 3.09

Teilzeit

Selbständig

0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Lehrling

1.17 1.82 3.11 3.71 3.27 2.54 2.54 3.26 2.05 2.36 1.46 1.65 1.99 2.45 2.91 2.16

Arbeitslos

13.60 15.10 15.34 17.83 17.69 18.35 18.14 18.38 19.09 20.67 17.54 21.08 20.28 20.92 22.22 22.94

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

331296 334832 336568 340094 344141 347691 352947 360869 370894 381357 391757 402691 415394 427360 437840 447998

Population

841 870 941 973 1756 905 933 967 1063 1105 1224 2841 4007 3734 3500 3303

Fallzahl

184 Tabellenanhang

3.55 4.92 5.65 4.91 4.61 6.18 5.97 5.16 4.02 4.04 4.30 3.76 4.41 4.05 3.98 3.39

Vollzeit

4.67 5.33 4.80 5.02 4.80 6.61 6.80 7.53 7.69 6.38 6.29 7.53 7.40 6.60 6.60 6.97

Teilzeit

Selbständig

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. a Teilzeit mit 15 oder mehr Arbeitsstunden pro Woche. b Teilzeit mit 1 bis 14 Stunden pro Woche.

Befristet

8.18 9.14 9.03 9.97 9.66 8.96 10.61 9.58 11.48 9.34 10.03 8.75 9.39 9.05 10.06 9.93

Unbefr.


Teilzeit 1–14b

Vollzeit


≥15a

Jahr


0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Lehrling

0.25 1.24 1.52 1.64 0.83 1.65 1.30 0.99 1.34 1.20 0.87 0.98 1.38 1.90 2.12 1.95

Arbeitslos

56.23 52.77 51.99 51.85 52.79 49.49 49.69 47.59 47.55 48.70 45.54 46.76 44.57 44.04 42.31 41.43

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

373837 367176 366271 380565 375962 371623 368339 382947 385503 394016 404174 413501 425236 436434 445762 454540

Population

1192 1238 1374 1360 2394 1229 1178 1240 1327 1419 1563 3706 4628 4430 4170 3840

Fallzahl

Tabellenanhang

185

TZ ≥ 25

3.12 3.75 4.29 5.84

Frauen im Alter von 25 bis 55 Jahren 1970 26.29 6.44 5.30 1980 26.31 5.67 11.88 1990 28.71 8.15 16.22 2000 28.90 12.10 18.04


14.78 13.87 15.11 17.71

Männer im Alter von 25 bis 55 Jahren 1970 81.24 0.55 0.84 1980 80.64 0.88 0.97 1990 77.04 1.55 1.20 2000 68.15 2.83 1.44

Vollzeit

3.87 3.19 4.07 5.12

0.42 0.54 0.71 1.53

3.20 2.58 3.23 4.29

0.57 0.63 0.73 1.56

Teilzeit

Selbständig

2.81 3.17 3.60 5.18

TZ 6–24

b

Frauen im Alter von 16 bis 64 Jahren 1970 30.45 5.56 4.44 9.31 1980 28.89 4.66 1990 29.34 6.59 12.91 2000 27.00 9.96 14.92

a

13.34 12.02 13.19 15.76

Vollzeit



Jahr

0.04 0.06 0.11 0.21

0.03 0.10 0.14 0.25

2.29 3.37 3.47 3.45

4.56 5.49 4.80 4.54

Lehrling

0.08 0.35 1.71 3.87

0.13 0.61 1.51 2.63

0.11 0.48 1.65 3.58

0.15 0.70 1.60 2.82

Arbeitslos

54.87 48.79 36.73 25.91

2.02 2.39 2.75 5.44

51.15 47.54 39.21 31.61

6.48 7.95 7.98 11.62

Nicht erwerbstätig

Tabelle A.2: Beschäftigungsverhältnisse in der Schweiz, 1970 – 2000

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

Total

1257238 1344511 1535819 1673730

1288132 1363497 1615084 1697669

1995687 2076787 2285526 2407303

2004668 2082729 2364289 2433588

Population

186 Tabellenanhang

TZ ≥ 25

2.00 2.78 3.22 4.88



9.29 10.24 10.93 12.77


Vollzeit

2.61 2.36 2.84 3.08

0.21 0.49 0.57 1.17

0.71 0.44 0.39 0.51

0.20 0.25 0.22 0.53

Teilzeit

Selbständig

1.56 1.19 1.20 2.78

TZ 6–24

b


a

4.63 3.47 3.39 4.47

Vollzeit



Jahr


0.10 0.15 0.25 0.39

0.07 0.26 0.34 0.51

10.50 15.83 18.04 20.56

20.49 24.85 24.39 27.00

Lehrling

0.11 0.54 2.34 4.66

0.14 0.86 2.30 3.18

0.26 1.14 2.37 4.01

0.21 1.13 2.48 3.75

Arbeitslos

52.90 46.37 35.09 23.06

2.61 3.38 4.32 6.24

29.61 30.06 28.39 32.99

17.70 22.17 23.09 28.09

Nicht erwerbstätig

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

Total

468622 484340 561653 539602

502846 500684 608552 540696

429929 437399 426746 376445

443974 454804 455799 392327

Population

Tabellenanhang

187

TZ ≥ 25

4.27 4.70 5.26 6.92



20.37 17.42 18.37 21.51


Vollzeit

4.89 3.75 4.74 6.17

0.74 0.70 0.82 1.87

4.40 3.60 4.85 6.07

0.35 0.43 0.73 1.52

Teilzeit

Selbständig

3.34 3.94 4.63 5.77

TZ 6–24

b


a

16.33 14.63 16.95 18.66

Vollzeit



Jahr


0.00 0.00 0.02 0.09

0.00 0.00 0.00 0.09

0.00 0.02 0.05 0.15

0.00 0.02 0.03 0.17

Lehrling

0.05 0.22 1.11 3.09

0.14 0.45 0.88 2.37

0.06 0.27 1.60 3.91

0.09 0.48 1.18 2.39

Arbeitslos

55.76 51.12 37.63 26.80

2.19 2.37 2.10 5.90

56.04 48.79 37.04 27.03

1.01 1.16 1.42 4.09

Nicht erwerbstätig

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

Total

353661 384930 432339 497662

341995 373907 439538 503461

403542 438213 503432 589703

413492 455180 529183 605661

Population

188 Tabellenanhang

TZ ≥ 25 Vollzeit

0.00 0.00 0.00 0.04

0.00 0.00 0.00 0.05

Lehrling

0.04 0.12 0.43 1.88

0.18 0.39 0.74 2.66

Arbeitslos

Quelle: Harmonisierte Personendaten der eidgenössischen Volkszählungen 1970, 1980, 1990 und 2000. a Teilzeit mit 25 oder mehr Arbeitsstunden pro Woche (1970: 20 oder mehr). b Teilzeit mit 6 bis 24 Stunden pro Woche (1970: 6 – 19).

3.97 3.01 3.20 4.68

1.83 1.67 1.56 2.81

Teilzeit

Selbständig

3.37 3.54 3.65 5.02

TZ 6–24

b


a

20.85 17.28 17.88 19.35

Vollzeit



Jahr


65.39 66.48 63.33 54.35

8.77 11.32 12.23 21.57

Nicht erwerbstätig

100.00 100.00 100.00 100.00

100.00 100.00 100.00 100.00

Total

339933 331905 361356 403891

302361 298154 331217 391443

Population

Tabellenanhang

189

Unbefr.

Befristet

Vollzeit

Teilzeit



Männer im Alter von 16 bis 64 Jahren 1985 59.82 4.65 0.75 1986 58.38 5.63 1.49 1987 59.93 4.65 0.82 1988 61.35 3.73 0.77 1989 61.75 4.52 0.98 1990 61.46 4.41 1.52 1991 61.06 4.56 1.12 1992 61.52 3.88 1.25 1993 60.11 4.47 1.25 1994 57.75 5.28 0.75 1995 59.27 3.10 1.14 1996 58.13 3.57 1.74 1997 56.17 4.08 2.49 1998 56.55 3.80 2.75 1999 55.48 5.01 2.20 2000 56.15 3.77 2.37 2001 55.24 3.38 3.14 2002 55.03 3.50 2.33 2003 53.64 3.43 2.54 2004 52.46 3.57 2.17 2005 53.23 3.20 2.88

Jahr

0.78 0.88 1.33 1.23 0.77 1.00 1.50 1.81 1.41 1.96 2.31 2.39 2.44 2.38 3.08 2.81 2.66 2.96 2.29 2.44 2.63

Gering

8.04 7.90 7.42 7.41 6.68 6.92 7.12 7.44 7.39 7.62 7.04 7.04 7.44 7.42 8.46 8.04 8.74 8.67 8.65 9.59 8.70

Vollzeit

0.41 0.69 1.08 0.71 0.91 1.02 0.79 0.58 0.73 1.14 0.69 1.28 0.99 0.98 0.85 0.98 0.58 0.57 0.90 1.05 0.90

Teilzeit

Selbständig

3.97 4.15 5.20 4.89 4.87 4.85 5.13 3.91 3.59 3.28 3.43 3.15 3.02 3.40 3.48 3.00 3.11 3.20 3.23 2.94 3.29

Auszubildende

5.57 4.48 5.06 4.78 3.88 3.67 3.38 4.26 5.45 7.04 7.18 7.09 7.81 7.24 5.93 5.41 5.88 5.97 7.80 8.41 8.86

Arbeitslos

16.00 16.40 14.50 15.13 15.63 15.15 15.34 15.34 15.59 15.19 15.85 15.61 15.55 15.48 15.51 17.46 17.27 17.76 17.52 17.37 16.31

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

20276291 20523309 20801191 20715197 20858954 21386300 21855899 21750913 21825972 21690870 21907024 21968452 22056684 21814068 21849482 21904974 21660986 21248896 21229098 20890857 20526635

Population

Tabelle A.3: Beschäftigungsverhältnisse in Deutschland, 1985 – 2005 (alte Bundesländer)

4750 4601 4534 4301 4147 4047 4023 3938 3911 3771 3996 3860 3774 4207 4025 7249 6454 6052 5757 5540 5232

Fallzahl

190 Tabellenanhang

Unbefr.

Befristet

Teilzeit


Vollzeit


Frauen im Alter von 16 bis 64 Jahren 1985 24.64 2.89 13.06 1986 24.24 2.94 10.85 1987 24.34 2.89 13.11 1988 25.59 1.67 13.67 1989 27.33 2.46 13.94 1990 26.88 3.30 15.91 1991 27.09 2.97 16.49 1992 27.64 2.60 17.24 1993 27.22 3.02 17.15 1994 25.51 3.41 16.31 1995 27.44 1.98 16.65 1996 27.14 1.60 17.49 1997 26.02 2.06 16.61 1998 26.20 2.18 16.73 1999 26.99 2.20 15.93 2000 25.54 2.42 18.56 2001 26.27 2.15 19.28 2002 25.96 2.08 19.61 2003 25.09 2.45 20.05 2004 24.80 2.53 19.21 2005 24.25 1.97 19.56

Jahr


2.46 4.47 3.05 3.10 3.12 3.22 4.07 2.44 3.10 4.38 4.91 5.05 4.83 4.90 6.91 6.39 5.98 6.48 8.10 8.23 8.92

Gering

2.71 3.24 3.17 3.15 2.77 2.45 2.36 2.47 2.82 2.60 2.66 2.59 3.17 2.71 2.93 2.67 2.82 2.41 2.23 2.68 2.43

2.58 3.50 3.68 3.32 3.03 3.74 3.13 2.86 3.14 2.62 2.70 3.31 2.23 2.49 2.50 2.60 2.53 2.44 2.48 2.27 2.57

Teilzeit

Selbständig Vollzeit

2.54 3.08 4.20 4.69 4.23 3.80 3.93 3.53 3.32 2.56 2.25 2.19 2.66 2.27 2.45 2.18 3.26 2.90 2.59 3.05 2.66

Auszubildende

4.30 4.55 3.95 4.02 3.68 2.98 2.51 3.31 3.98 5.47 5.79 6.61 6.51 5.93 4.81 3.83 4.70 5.63 5.72 6.71 6.78

Arbeitslos

44.81 43.12 41.61 40.79 39.45 37.72 37.45 37.91 36.26 37.13 35.63 34.02 35.91 36.59 35.28 35.82 33.01 32.50 31.29 30.53 30.87

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

20824089 21070585 20899574 21060010 21128817 21410446 21134422 21514891 21809682 21964527 21949524 21977265 22079837 22226005 22450195 22546969 22634925 22522767 22767787 22797273 23190433

Population

4682 4498 4402 4202 4067 3961 3938 3911 3862 3811 4043 3936 3844 4311 4124 7547 6788 6404 6121 5913 5650

Fallzahl

Tabellenanhang

191

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


0.79 0.29 0.66 0.63 0.15 0.57 0.79 0.76 0.65 1.45 1.77 2.07 1.75 1.55 2.20 1.71 1.07 1.49 0.78 0.93 1.08

Gering

9.73 9.26 9.14 8.64 8.27 8.59 8.90 9.15 9.37 9.63 8.85 8.85 9.52 9.67 11.20 10.12 11.13 10.68 10.68 12.03 11.10

0.29 0.58 0.67 0.31 0.60 0.71 0.44 0.52 0.33 0.95 0.58 1.30 0.94 0.80 0.39 0.65 0.34 0.44 0.86 0.84 0.93

Teilzeit


0.37 0.27 0.41 0.49 0.38 0.71 1.51 0.48 0.49 0.43 0.72 0.41 0.31 0.79 0.35 0.22 0.23 0.22 0.19 0.25 0.19

Auszubildende

5.94 4.86 5.34 4.67 3.49 3.02 3.28 3.75 5.20 6.77 6.73 6.20 7.86 6.96 4.52 5.01 5.52 5.40 7.90 7.58 8.15

Arbeitslos

4.59 4.96 4.40 4.86 4.38 4.61 4.66 5.49 5.14 5.38 6.20 5.10 4.30 3.89 4.50 5.36 5.57 5.34 4.86 5.35 4.99

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

12907195 13105931 13173777 13311840 13535965 14201836 14407322 14638336 14885088 14968996 15080048 14952271 14893206 14761581 14615794 14630332 14526894 14261686 14241719 14062689 13782199

Population

3131 2984 2917 2759 2680 2672 2667 2646 2644 2596 2780 2696 2612 2886 2767 4955 4405 4124 3931 3813 3587

Fallzahl

192 Tabellenanhang

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


2.94 5.74 3.19 3.42 3.40 3.23 4.66 2.71 3.83 5.38 5.55 5.29 4.77 4.75 7.14 6.44 6.17 6.29 8.00 8.46 9.06

Gering

3.12 3.98 3.97 4.05 3.75 2.72 2.94 2.81 3.12 3.15 3.37 3.04 4.02 3.58 3.99 3.54 3.82 3.28 2.95 3.60 3.24

3.19 4.31 4.56 4.43 3.45 4.09 3.68 3.33 3.55 2.84 2.65 3.81 2.12 2.56 3.02 2.90 2.47 2.59 3.11 2.80 3.17

Teilzeit


0.10 0.04 0.15 0.15 0.17 0.29 0.55 0.45 0.50 0.47 0.30 0.36 0.18 0.42 0.57 0.15 0.29 0.46 0.32 0.26 0.20

Auszubildende

4.03 4.25 3.84 4.09 3.35 3.27 2.38 3.37 3.75 5.49 5.40 6.56 6.32 5.32 4.54 3.60 4.65 5.69 6.25 6.93 7.09

Arbeitslos

39.52 38.43 36.92 35.12 35.04 32.40 31.08 31.80 31.16 30.54 28.47 26.74 27.43 27.87 25.44 26.10 23.65 23.90 21.90 22.01 21.67

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

12939961 13044326 12949519 13187288 13423273 13828139 13963654 14237154 14680421 14888182 14871162 14844505 14977778 15099940 14883189 14885509 14980411 14995196 15314794 15444571 15598350

Population

3058 2942 2867 2715 2633 2589 2603 2612 2599 2579 2778 2718 2680 2989 2841 5173 4650 4376 4237 4116 3931

Fallzahl

Tabellenanhang

193

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


1.21 2.25 3.15 3.51 2.45 2.89 3.77 4.51 4.64 3.52 5.42 5.79 7.07 5.17 7.83 7.46 9.24 9.74 8.26 8.06 7.54

Gering

1.72 2.19 1.14 1.88 1.88 0.81 0.97 1.41 0.52 0.58 0.92 0.69 2.07 0.74 0.31 0.80 0.68 1.05 0.48 0.85 0.85

0.40 0.51 0.98 1.24 0.51 1.38 1.00 0.59 0.48 0.84 0.69 1.26 0.42 1.62 1.04 1.33 0.64 0.43 0.87 1.91 0.28

Teilzeit


16.50 17.90 22.07 21.66 21.96 22.56 21.40 19.70 18.70 18.05 19.42 18.48 18.86 19.25 21.68 19.36 20.78 21.31 20.99 18.46 21.30

Auszubildende

5.78 3.76 4.18 3.90 3.75 2.86 2.19 2.41 5.18 8.11 5.66 4.64 5.05 6.80 6.87 4.03 4.65 6.07 7.89 10.24 10.87

Arbeitslos

31.16 31.63 27.58 28.57 29.32 29.64 28.92 31.33 30.76 29.55 31.67 32.62 32.81 35.31 31.63 36.12 33.05 35.52 35.48 38.59 37.77

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4624632 4599174 4666212 4419101 4376326 4236258 4253803 3948109 3819104 3609832 3363960 3389150 3281215 3219703 3281497 3228338 3138501 3060051 3158002 3140533 3042156

Population

1107 1117 1097 1036 973 890 855 791 772 680 661 615 598 648 613 1048 951 898 877 854 824

Fallzahl

194 Tabellenanhang

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


2.37 2.44 3.44 3.01 2.76 3.22 2.94 3.07 1.60 2.85 3.24 6.33 6.81 6.28 9.50 7.70 8.53 8.99 11.04 9.11 9.32

Gering

0.77 0.81 0.40 0.07 0.00 0.42 0.10 0.03 0.05 0.45 0.72 1.01 0.33 0.33 0.27 0.41 0.31 0.36 0.40 0.18 0.34

1.07 0.97 1.00 0.33 0.85 0.92 0.56 0.33 0.57 1.10 0.71 0.41 0.83 0.61 0.58 0.92 1.68 0.97 0.63 1.16 0.61

Teilzeit


12.18 14.70 19.69 22.80 20.90 18.89 20.30 19.80 18.74 14.97 13.40 13.50 17.50 14.68 14.33 14.41 21.43 18.27 16.17 19.10 16.11

Auszubildende

7.41 7.90 4.69 4.92 4.69 2.52 2.63 3.24 5.07 6.21 6.84 8.80 8.89 6.69 3.24 3.35 3.87 5.75 4.21 6.25 7.99

Arbeitslos

31.14 29.39 28.80 30.62 25.94 28.34 30.62 31.17 31.23 37.25 37.20 34.96 35.69 44.19 42.13 41.66 35.12 35.93 37.82 36.57 40.46

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4225091 4357788 4344562 4218653 4139444 4073619 3683887 3499929 3462287 3304270 3324553 3188710 3198676 2982868 3243462 3280761 3309210 3218905 3360330 3435631 3643869

Population

1021 989 977 943 926 873 847 798 774 732 749 708 649 673 653 1097 1011 974 925 888 865

Fallzahl

Tabellenanhang

195

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


1.51 0.58 0.83 1.24 0.29 1.56 1.74 1.78 1.54 3.38 2.75 3.97 3.41 3.48 5.38 3.62 2.75 2.96 1.98 2.39 2.52

Gering

6.49 7.05 6.82 5.84 6.04 6.31 6.07 5.49 6.11 7.88 6.62 6.30 6.61 6.04 6.64 5.66 7.71 8.02 7.71 8.18 8.42

0.61 0.43 0.81 0.37 0.42 1.33 0.81 0.42 0.52 1.19 0.69 1.18 0.82 0.32 0.31 1.03 0.56 0.72 0.51 1.00 0.74

Teilzeit


0.76 0.50 1.21 1.30 1.06 1.43 2.69 1.09 1.28 0.92 1.56 1.06 0.67 1.93 0.83 0.43 0.54 0.45 0.20 0.31 0.71

Auszubildende

5.46 4.37 4.92 2.98 2.44 2.70 3.72 4.24 6.12 6.76 6.19 6.36 6.79 4.94 5.26 4.51 4.39 5.54 7.58 7.49 10.13

Arbeitslos

5.68 6.53 5.61 7.62 6.24 6.28 7.18 8.45 7.37 7.82 8.01 7.00 5.52 5.06 4.11 7.56 7.11 5.89 5.21 7.22 5.01

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4136941 4430819 4451432 4720216 4820375 5185913 5240243 5371382 5418822 5459915 5766074 5472803 5268109 5252729 5042370 4938353 4598727 4268646 3923053 3730535 3625596

Population

987 963 962 914 930 977 991 1012 1016 1053 1179 1143 1104 1175 1103 1660 1393 1224 1105 1047 936

Fallzahl

196 Tabellenanhang

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


2.68 4.72 2.94 3.49 3.73 3.39 5.49 3.16 2.52 4.71 5.29 5.65 4.81 6.73 7.82 8.01 6.27 6.21 9.10 9.22 10.50

Gering

2.46 3.21 2.31 3.09 2.81 2.72 2.16 2.03 3.07 3.37 4.68 3.90 4.57 3.86 3.45 2.78 1.80 1.94 0.61 1.97 1.15

3.20 3.01 3.83 3.17 2.28 2.75 2.22 1.35 3.10 2.98 1.39 2.98 1.96 1.29 3.18 2.94 1.95 1.72 2.12 2.24 1.74

Teilzeit


0.29 0.00 0.23 0.30 0.49 0.84 0.69 0.56 0.72 1.14 0.72 0.69 0.39 0.50 0.95 0.35 0.40 1.02 0.54 0.59 0.61

Auszubildende

4.70 4.88 4.58 4.56 3.45 4.15 3.41 4.64 5.90 6.30 5.36 4.89 5.84 4.82 3.51 4.49 5.71 6.53 5.78 5.90 6.69

Arbeitslos

36.03 34.62 34.88 35.55 33.46 27.18 28.50 32.75 31.72 30.06 27.63 26.29 29.25 31.02 27.74 28.46 28.24 27.91 24.67 23.08 23.75

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4314183 4359868 4245923 4497800 4625646 4738539 4662693 4952094 5190365 5144904 5320145 5153974 5096954 5305517 4954903 5028704 4823221 4715629 4574325 4428973 4571955

Population

1072 1021 977 929 915 919 938 968 978 1007 1132 1100 1086 1195 1115 1803 1526 1369 1281 1213 1140

Fallzahl

Tabellenanhang

197

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


0.21 0.00 0.53 0.20 0.05 0.00 0.03 0.05 0.21 0.11 0.49 0.39 0.38 0.41 0.49 0.41 0.37 0.97 0.39 0.37 0.43

Gering

10.18 10.35 10.92 11.55 11.74 12.78 12.97 12.99 15.11 13.42 12.05 10.65 10.31 12.49 14.08 12.09 12.88 12.50 11.71 13.19 11.73

0.00 0.36 0.63 0.33 0.67 0.16 0.02 0.41 0.06 1.62 0.03 1.71 1.32 0.37 0.29 0.60 0.00 0.00 0.58 0.62 0.78

Teilzeit


0.41 0.34 0.00 0.11 0.00 0.29 1.84 0.27 0.09 0.32 0.43 0.07 0.22 0.31 0.00 0.22 0.16 0.22 0.27 0.39 0.03

Auszubildende

6.39 5.96 6.11 6.09 4.71 2.74 3.08 2.19 2.61 4.34 4.67 3.88 7.62 6.91 2.46 4.49 5.05 4.45 8.84 6.91 8.77

Arbeitslos

1.76 1.14 1.83 0.70 1.42 1.54 1.37 2.26 1.14 2.31 3.42 1.85 1.80 1.66 2.23 2.39 2.27 2.82 2.44 1.80 2.39

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4112564 3833411 3944908 3792747 3905831 3895793 4226637 4304426 4429709 4504414 4356590 4821298 4923819 4874410 4995842 5174446 5290895 5427942 5546914 5508181 5501353

Population

1075 948 917 845 791 766 789 770 774 739 789 787 792 911 916 1824 1637 1617 1559 1512 1459

Fallzahl

198 Tabellenanhang

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


4.18 6.64 4.60 3.97 2.94 2.80 4.30 2.68 4.09 5.52 5.00 5.21 5.29 4.50 8.30 6.04 7.31 7.09 8.23 8.87 9.82

Gering

2.35 2.19 3.04 2.34 3.14 2.87 3.26 3.54 3.94 3.13 3.96 3.09 5.43 4.60 5.22 4.61 5.65 4.80 4.59 4.25 4.09

3.01 4.81 4.70 4.33 4.19 3.99 3.07 4.23 2.94 3.30 4.15 4.76 2.52 4.71 3.18 3.43 2.67 2.98 3.46 2.85 4.14

Teilzeit


0.00 0.13 0.00 0.18 0.00 0.00 1.05 0.82 0.19 0.23 0.06 0.32 0.15 0.68 0.68 0.07 0.41 0.36 0.35 0.18 0.05

Auszubildende

4.53 4.51 3.46 3.33 1.99 2.77 1.74 2.21 2.19 4.87 5.49 5.62 5.68 5.30 5.59 2.73 2.93 4.96 5.67 7.53 6.31

Arbeitslos

38.15 38.94 35.32 34.02 35.45 33.17 32.24 28.89 28.51 27.07 26.41 26.17 26.62 24.43 22.35 24.23 21.93 22.75 20.56 21.24 19.94

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4075147 3942116 3882629 3824648 4111104 3998417 4264990 4418941 4545953 4812590 4836626 4938600 5022999 4924908 5197919 5205014 5356069 5412647 5561101 5677434 5724825

Population

1026 981 952 872 852 817 835 860 842 811 882 864 860 961 947 1875 1754 1685 1620 1568 1512

Fallzahl

Tabellenanhang

199

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


0.65 0.29 0.67 0.40 0.00 0.00 0.48 0.31 0.10 0.60 1.99 1.68 1.13 0.50 0.36 1.10 0.20 0.49 0.28 0.36 0.75

Gering

11.53 10.55 9.84 8.85 7.18 7.49 8.86 9.42 8.08 8.70 9.14 11.11 12.58 10.95 13.27 13.33 12.72 10.52 12.10 14.22 12.82

0.28 0.57 0.61 0.27 0.65 0.13 0.43 0.71 0.00 0.00 1.05 1.16 0.73 2.01 0.65 0.24 0.44 0.70 1.58 1.07 1.38

Teilzeit


0.00 0.00 0.00 0.00 0.00 0.34 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.22 0.00 0.00 0.00 0.11 0.05 0.00

Auszubildende

6.07 3.91 4.49 4.93 3.65 3.60 3.15 4.80 6.63 8.65 7.64 8.98 9.14 8.62 6.17 5.40 6.85 6.48 6.96 8.94 5.43

Arbeitslos

5.77 6.09 5.26 4.28 4.86 4.31 4.74 4.26 5.69 4.76 5.41 4.94 5.04 4.43 5.49 6.06 6.94 7.90 7.04 6.72 8.23

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4297827 4382789 4430459 4441615 4502280 4758220 4579971 4576052 4553352 4461427 4421555 4023136 4329501 4144521 4135443 4129471 4300452 4251048 4460070 4391134 4184303

Population

987 985 975 935 896 860 824 802 764 713 721 672 657 730 681 1360 1281 1190 1184 1142 1074

Fallzahl

200 Tabellenanhang

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


1.99 5.90 2.01 2.56 3.75 3.44 3.96 2.28 5.32 5.86 6.90 4.93 4.69 2.53 5.17 5.42 4.74 5.41 7.04 7.63 7.26

Gering

4.60 6.68 6.52 6.69 4.62 2.43 3.74 3.15 2.50 3.08 1.11 1.87 2.25 2.52 3.44 3.45 3.91 2.82 3.51 4.41 4.37

3.42 5.13 5.09 5.95 3.41 5.84 6.35 4.42 4.26 1.85 2.32 3.88 1.86 1.82 2.62 2.38 2.84 3.08 3.56 3.39 3.57

Teilzeit


0.00 0.00 0.22 0.00 0.00 0.00 0.00 0.00 0.60 0.00 0.06 0.06 0.00 0.08 0.06 0.03 0.05 0.05 0.08 0.07 0.00

Auszubildende

3.22 2.91 3.53 4.09 4.62 2.95 1.91 3.00 2.78 4.99 5.65 9.16 6.68 4.50 3.91 3.58 5.74 5.65 7.51 7.01 7.48

Arbeitslos

43.07 39.62 39.21 34.88 35.84 35.21 31.46 33.53 33.44 32.54 30.56 25.54 24.81 27.06 26.57 23.63 20.81 20.41 20.68 21.98 21.66

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4148668 4327459 4397844 4552366 4346333 4739501 4407564 4496972 4573560 4389132 4142802 4341130 4249897 4341755 4333925 4189593 4392316 4581566 4772218 4970452 4932107

Population

876 857 869 861 808 794 755 720 709 682 688 684 661 751 717 1374 1280 1246 1232 1233 1184

Fallzahl

Tabellenanhang

201

Unbefr.

Befristet

Teilzeit


Vollzeit



Jahr


0.10 1.19 1.29 0.55 1.13 0.41 1.59 2.96 0.97 2.21 1.46 0.53 1.40 2.96 2.40 2.92 3.16 3.14 2.79 3.18 3.96

Gering

11.87 10.67 9.55 10.31 7.35 7.90 6.77 7.66 6.20 5.63 4.91 5.12 4.08 4.95 5.69 6.34 6.55 8.05 7.92 7.75 6.51

0.89 1.84 2.71 1.57 2.81 2.43 1.91 0.85 3.07 2.13 1.00 1.03 1.54 1.03 2.15 1.80 1.40 1.14 1.00 0.99 1.16

Teilzeit


0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Auszubildende

3.65 4.69 5.99 6.78 5.47 7.40 4.98 8.41 6.77 7.83 12.13 11.88 10.09 9.44 9.70 8.48 8.41 7.78 7.45 9.28 9.83

Arbeitslos

40.10 39.91 36.00 38.87 42.90 41.85 41.20 39.42 42.17 40.62 39.09 39.20 41.26 39.70 41.12 43.08 45.21 45.92 47.00 42.56 36.95

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

3104327 3277116 3308179 3341518 3254143 3310115 3555246 3550944 3604985 3655282 3998844 4262066 4254039 4322706 4394329 4434367 4332412 4241209 4141059 4120474 4173226

Population

594 588 583 571 557 554 564 563 585 586 646 643 623 743 712 1357 1192 1123 1032 985 939

Fallzahl

202 Tabellenanhang

Unbefr.

Befristet

Teilzeit


Vollzeit

1.11 2.74 2.37 2.54 2.22 3.16 3.31 0.94 1.45 2.39 3.69 3.33 3.03 4.56 4.23 5.06 3.61 5.34 5.86 6.33 7.62

Gering

3.47 3.35 3.54 3.24 3.23 3.87 2.22 3.12 3.99 2.26 1.65 2.30 1.97 1.12 1.20 1.31 1.37 1.09 0.96 1.32 1.11

2.22 3.76 3.92 2.72 4.67 5.13 3.11 3.60 4.36 3.39 4.70 3.60 3.55 3.33 2.25 2.66 3.23 2.91 1.85 1.10 1.88

Teilzeit


Quelle: Deutsches Sozio-oekonomisches Panel (SOEP), gewichtet.


Jahr


0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Auszubildende

1.55 2.38 3.40 2.99 3.54 2.28 2.82 3.28 3.95 5.09 5.99 5.67 6.32 8.70 7.21 4.87 5.28 5.40 4.93 6.46 5.66

Arbeitslos

76.54 74.88 71.52 71.16 69.72 68.69 65.81 65.01 58.65 61.23 60.04 60.35 64.38 59.91 60.68 62.51 60.13 58.32 57.67 55.60 55.33

Nicht erwerbstätig

100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

Total

4061001 4083353 4028615 3966542 3906290 3860370 4115287 4146955 4037517 4313631 4325398 4354851 4511311 4670957 4719985 4842897 4754108 4594020 4499813 4284784 4317676

Population

687 650 627 597 566 558 563 565 559 579 592 580 588 731 692 1398 1217 1130 1063 1011 949

Fallzahl

Tabellenanhang

203


Fallzahl

Frauenquote in Beruf und Branche

Erlernter Beruf Vorgesetztenfunktion Unternehmensleitung Log. Betriebsgrösse


Bildung: – Sekundar I oder tiefer – Sekundar II beruflich – Sekundar II allgemeinbildend – Tertiär ausseruniversitär – Tertiär universitär Berufserfahrung (in Jahren)

Log. Stundenlohn

2076

0.147 0.606 0.140 0.069 0.038 12.009 (9.916) 6.742 (7.180) 0.551 0.228 0.049 3.099 (1.535) 0.682 (0.321)

3.402 (0.484)

1991

2455

0.135 0.600 0.154 0.063 0.049 12.180 (9.861) 6.614 (7.122) 0.488 0.221 0.050 3.269 (1.547) 0.686 (0.323)

3.433 (0.478)

1992

2517

0.159 0.579 0.149 0.066 0.047 12.509 (10.049) 6.773 (7.123) 0.476 0.213 0.044 3.361 (1.495) 0.688 (0.325)

3.444 (0.491)

1993

2600

0.150 0.573 0.155 0.067 0.055 12.467 (9.953) 6.821 (6.883) 0.488 0.230 0.050 3.346 (1.508) 0.699 (0.320)

3.453 (0.487)

1994

1995

4131

0.148 0.582 0.158 0.057 0.055 12.817 (9.810) 7.180 (6.998) 0.504 0.219 0.050 3.393 (1.486) 0.691 (0.303)

3.465 (0.485)

Frauen

2249

0.157 0.610 0.112 0.068 0.053 12.269 (9.931) 6.699 (6.642) 0.524 0.283 0.130 3.382 (1.473) 0.693 (0.307)

3.473 (0.435)

1996

2299

0.145 0.622 0.104 0.065 0.064 12.113 (9.572) 6.946 (6.853) 0.495 0.292 0.137 3.413 (1.469) 0.679 (0.312)

3.480 (0.442)

1997

Tabelle A.4: Mittelwerte der in den Lohngleichungen verwendeten Variablen, 1991 – 2006

2349

0.143 0.616 0.106 0.069 0.066 12.565 (9.991) 7.321 (7.228) 0.492 0.320 0.149 3.434 (1.438) 0.683 (0.302)

3.500 (0.416)

1998

204 Tabellenanhang


Fallzahl





Log. Stundenlohn


2588

0.133 0.607 0.114 0.080 0.065 12.826 (10.044) 7.328 (7.156) 0.467 0.328 0.151 3.436 (1.434) 0.687 (0.306)

3.519 (0.424)

1999

2640

0.121 0.593 0.132 0.082 0.072 12.783 (9.971) 7.574 (7.497) 0.466 0.315 0.135 3.430 (1.444) 0.686 (0.310)

3.517 (0.436)

2000

2804

0.129 0.556 0.142 0.100 0.072 13.242 (10.375) 7.865 (7.982) 0.465 0.306 0.134 3.441 (1.399) 0.678 (0.313)

3.541 (0.437)

2001

5890

0.120 0.564 0.142 0.102 0.072 12.922 (10.284) 7.620 (7.927) 0.462 0.306 0.132 3.467 (1.403) 0.685 (0.291)

3.558 (0.426)

2002

2003

6265

0.115 0.560 0.134 0.111 0.081 13.111 (10.306) 7.879 (8.001) 0.459 0.297 0.124 3.475 (1.390) 0.678 (0.285)

3.572 (0.425)

Frauen

5702

0.112 0.556 0.129 0.114 0.089 13.215 (10.333) 7.967 (7.952) 0.455 0.309 0.131 3.506 (1.374) 0.676 (0.288)

3.585 (0.396)

2004

5146

0.106 0.551 0.131 0.120 0.092 13.347 (10.388) 8.126 (7.940) 0.466 0.303 0.125 3.547 (1.374) 0.679 (0.290)

3.577 (0.403)

2005

4650

0.104 0.536 0.135 0.127 0.098 13.477 (10.655) 8.227 (8.154) 0.454 0.312 0.130 3.562 (1.389) 0.678 (0.290)

3.568 (0.429)

2006

Tabellenanhang

205


Fallzahl





Log. Stundenlohn


2419

0.059 0.609 0.077 0.177 0.078 19.657 (12.185) 10.534 (10.292) 0.456 0.456 0.150 3.620 (1.355) 0.249 (0.323)

3.744 (0.427)

1991

2869

0.056 0.585 0.084 0.184 0.092 20.042 (12.300) 10.802 (10.348) 0.398 0.482 0.152 3.757 (1.355) 0.229 (0.311)

3.782 (0.409)

1992

2992

0.050 0.556 0.091 0.207 0.096 20.069 (12.201) 10.634 (9.784) 0.365 0.483 0.153 3.810 (1.317) 0.237 (0.313)

3.774 (0.420)

1993

3031

0.046 0.574 0.083 0.200 0.097 20.361 (12.076) 10.672 (9.558) 0.379 0.477 0.146 3.768 (1.345) 0.235 (0.317)

3.791 (0.416)

1994

1995

5203

0.047 0.573 0.085 0.203 0.092 20.346 (12.140) 10.795 (9.600) 0.413 0.463 0.138 3.849 (1.323) 0.230 (0.310)

3.785 (0.423)

Männer

2791

0.053 0.587 0.048 0.212 0.099 19.943 (12.296) 10.479 (9.586) 0.405 0.536 0.253 3.772 (1.309) 0.252 (0.328)

3.781 (0.407)

1996

2802

0.060 0.585 0.060 0.202 0.094 19.328 (12.380) 10.451 (9.693) 0.389 0.519 0.259 3.768 (1.302) 0.260 (0.330)

3.764 (0.401)

1997

2822

0.057 0.567 0.058 0.219 0.099 19.393 (12.497) 10.522 (9.730) 0.355 0.531 0.262 3.807 (1.295) 0.261 (0.330)

3.776 (0.402)

1998

206 Tabellenanhang

2994

0.062 0.558 0.057 0.212 0.111 19.241 (12.194) 10.657 (9.598) 0.340 0.541 0.280 3.757 (1.311) 0.267 (0.331)

3.776 (0.403)

1999

2906

0.061 0.540 0.063 0.230 0.106 19.582 (12.349) 10.756 (9.979) 0.326 0.542 0.254 3.779 (1.311) 0.256 (0.324)

3.783 (0.401)

2000

3073

0.061 0.532 0.058 0.234 0.115 19.950 (12.317) 11.230 (10.199) 0.339 0.531 0.259 3.803 (1.301) 0.270 (0.330)

3.817 (0.387)

2001

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Standardabweichungen in Klammern (für metrische Merkmale).

Fallzahl





Log. Stundenlohn


6314

0.065 0.526 0.061 0.230 0.117 20.048 (12.458) 11.077 (10.288) 0.335 0.539 0.274 3.798 (1.317) 0.267 (0.319)

3.828 (0.407)

2003

6524

0.060 0.520 0.063 0.233 0.124 19.868 (12.557) 11.008 (10.217) 0.346 0.536 0.269 3.814 (1.296) 0.278 (0.316)

3.831 (0.398)

Männer 2002

5707

0.053 0.508 0.055 0.257 0.127 19.888 (12.683) 11.072 (10.388) 0.335 0.526 0.259 3.778 (1.293) 0.270 (0.314)

3.827 (0.391)

2004

5117

0.050 0.500 0.061 0.249 0.139 19.776 (12.705) 10.918 (10.273) 0.333 0.518 0.240 3.810 (1.292) 0.281 (0.321)

3.827 (0.399)

2005

4683

0.056 0.487 0.062 0.258 0.138 19.445 (12.795) 10.854 (10.239) 0.324 0.527 0.242 3.844 (1.273) 0.278 (0.318)

3.815 (0.415)

2006

Tabellenanhang

207


R-Quadrat Fallzahl

Konstante

Frau

Frauenquote2


Log. Betriebsgrösse

Unternehmensleitung


Erlernter Beruf

Firmentreue2 /100




– Tertiär universitär

– Tertiär ausseruniversitär

– Sekundar II allgemeinbildend

Bildung: – Sekundar I oder tiefer

0.386 4495

−0.18 (0.028) 0.24 (0.025) 0.29 (0.019) 0.45 (0.032) 0.022 (0.0023) −0.030 (0.0051) 0.0086 (0.0024) −0.020 (0.0071) 0.070 (0.014) 0.089 (0.015) 0.11 (0.029) 0.038 (0.0050) 0.37 (0.068) −0.38 (0.070) −0.17 (0.019) 3.09 (0.031)

1991

0.398 5324

−0.19 (0.022) 0.26 (0.023) 0.24 (0.018) 0.41 (0.028) 0.024 (0.0022) −0.037 (0.0049) 0.012 (0.0034) −0.028 (0.012) 0.034 (0.013) 0.099 (0.014) 0.12 (0.021) 0.041 (0.0054) 0.23 (0.071) −0.24 (0.075) −0.16 (0.018) 3.09 (0.029)

1992

0.397 5509

−0.19 (0.023) 0.24 (0.024) 0.22 (0.019) 0.43 (0.024) 0.025 (0.0022) −0.037 (0.0047) 0.013 (0.0021) −0.028 (0.0062) 0.033 (0.013) 0.083 (0.013) 0.15 (0.022) 0.041 (0.0049) 0.31 (0.060) −0.33 (0.064) −0.12 (0.017) 3.05 (0.030)

1993

0.403 5631

−0.18 (0.025) 0.23 (0.021) 0.24 (0.016) 0.44 (0.021) 0.023 (0.0023) −0.036 (0.0053) 0.012 (0.0023) −0.021 (0.0061) 0.032 (0.013) 0.10 (0.013) 0.12 (0.019) 0.049 (0.0049) 0.32 (0.063) −0.34 (0.066) −0.14 (0.017) 3.06 (0.030)

1994

0.393 9334

−0.20 (0.022) 0.23 (0.019) 0.25 (0.013) 0.44 (0.018) 0.025 (0.0019) −0.039 (0.0043) 0.012 (0.0018) −0.021 (0.0052) 0.034 (0.010) 0.075 (0.010) 0.13 (0.016) 0.038 (0.0042) 0.36 (0.053) −0.37 (0.055) −0.14 (0.014) 3.07 (0.025)

1995

Männer und Frauen

Tabelle A.5: Lohngleichungen, 1991 – 2006

0.414 5040

−0.18 (0.023) 0.32 (0.025) 0.25 (0.017) 0.42 (0.022) 0.020 (0.0018) −0.030 (0.0037) 0.011 (0.0019) −0.022 (0.0059) 0.027 (0.012) 0.050 (0.013) 0.11 (0.018) 0.043 (0.0045) 0.19 (0.059) −0.22 (0.060) −0.12 (0.015) 3.12 (0.023)

1996

0.418 5101

−0.18 (0.022) 0.29 (0.027) 0.24 (0.015) 0.47 (0.018) 0.020 (0.0019) −0.029 (0.0040) 0.012 (0.0019) −0.017 (0.0056) 0.012 (0.011) 0.064 (0.012) 0.098 (0.015) 0.038 (0.0040) 0.12 (0.054) −0.13 (0.058) −0.11 (0.015) 3.13 (0.024)

1997

0.417 5171

−0.19 (0.020) 0.29 (0.025) 0.24 (0.014) 0.47 (0.019) 0.015 (0.0017) −0.020 (0.0037) 0.013 (0.0018) −0.021 (0.0055) 0.0014 (0.011) 0.065 (0.011) 0.099 (0.015) 0.045 (0.0044) 0.21 (0.052) −0.23 (0.055) −0.11 (0.016) 3.15 (0.024)

1998

208 Tabellenanhang


R-Quadrat Fallzahl

Konstante

Frau

Frauenquote2



Unternehmensleitung


Erlernter Beruf

Firmentreue2 /100









0.402 5582

−0.20 (0.024) 0.24 (0.023) 0.26 (0.014) 0.46 (0.019) 0.018 (0.0017) −0.026 (0.0038) 0.010 (0.0017) −0.014 (0.0051) −0.0020 (0.011) 0.052 (0.012) 0.12 (0.014) 0.048 (0.0042) 0.22 (0.056) −0.25 (0.058) −0.086 (0.014) 3.13 (0.025)

1999

0.372 5546

−0.20 (0.021) 0.18 (0.026) 0.23 (0.014) 0.42 (0.018) 0.020 (0.0017) −0.029 (0.0037) 0.0083 (0.0017) −0.011 (0.0051) 0.012 (0.011) 0.050 (0.013) 0.12 (0.015) 0.045 (0.0043) 0.22 (0.056) −0.26 (0.060) −0.098 (0.014) 3.15 (0.026)

2000

0.408 5877

−0.21 (0.020) 0.21 (0.021) 0.24 (0.013) 0.43 (0.018) 0.016 (0.0016) −0.022 (0.0036) 0.0075 (0.0015) −0.0061 (0.0045) −0.0067 (0.010) 0.071 (0.011) 0.12 (0.014) 0.047 (0.0038) 0.20 (0.051) −0.26 (0.054) −0.10 (0.013) 3.20 (0.023)

2001

0.397 12204

−0.22 (0.016) 0.18 (0.017) 0.24 (0.0089) 0.43 (0.013) 0.020 (0.0012) −0.032 (0.0026) 0.0081 (0.0011) −0.0098 (0.0031) 0.0063 (0.0073) 0.061 (0.0080) 0.11 (0.0099) 0.042 (0.0029) 0.17 (0.037) −0.21 (0.037) −0.10 (0.0093) 3.19 (0.017) 0.398 12789

−0.21 (0.014) 0.21 (0.014) 0.24 (0.0097) 0.43 (0.012) 0.019 (0.0011) −0.029 (0.0025) 0.0093 (0.0011) −0.013 (0.0030) 0.011 (0.0071) 0.051 (0.0077) 0.12 (0.0095) 0.046 (0.0029) 0.16 (0.035) −0.20 (0.036) −0.097 (0.0091) 3.19 (0.016)

2003

Männer und Frauen 2002

0.420 11409

−0.18 (0.013) 0.23 (0.015) 0.26 (0.0089) 0.43 (0.012) 0.019 (0.0011) −0.027 (0.0024) 0.0097 (0.0011) −0.016 (0.0030) 0.0037 (0.0069) 0.051 (0.0077) 0.12 (0.0099) 0.043 (0.0028) 0.16 (0.036) −0.19 (0.036) −0.092 (0.0093) 3.18 (0.016)

2004

0.433 10263

−0.17 (0.014) 0.21 (0.018) 0.26 (0.0089) 0.44 (0.012) 0.017 (0.0012) −0.024 (0.0025) 0.011 (0.0012) −0.018 (0.0033) 0.019 (0.0074) 0.052 (0.0082) 0.12 (0.011) 0.048 (0.0029) 0.15 (0.039) −0.20 (0.040) −0.094 (0.0094) 3.17 (0.016)

2005

0.408 9333

−0.19 (0.018) 0.16 (0.021) 0.25 (0.0099) 0.45 (0.013) 0.018 (0.0013) −0.027 (0.0029) 0.010 (0.0014) −0.013 (0.0038) 0.022 (0.0087) 0.074 (0.0095) 0.12 (0.012) 0.044 (0.0034) 0.18 (0.044) −0.20 (0.045) −0.11 (0.011) 3.15 (0.018)

2006

Tabellenanhang

209


R-Quadrat Fallzahl

Konstante

Frauenquote2



Unternehmensleitung


Erlernter Beruf

Firmentreue2 /100









0.239 2076

−0.13 (0.035) 0.28 (0.037) 0.28 (0.050) 0.46 (0.049) 0.017 (0.0042) −0.026 (0.010) 0.016 (0.0050) −0.047 (0.018) 0.15 (0.026) 0.054 (0.029) 0.097 (0.054) 0.032 (0.0080) 0.46 (0.15) −0.51 (0.12) 2.93 (0.053)

1991

0.209 2455

−0.18 (0.029) 0.27 (0.034) 0.22 (0.052) 0.33 (0.065) 0.024 (0.0039) −0.042 (0.0092) 0.0087 (0.0042) −0.019 (0.013) 0.10 (0.024) 0.085 (0.023) 0.085 (0.046) 0.039 (0.0082) 0.25 (0.15) −0.26 (0.13) 2.94 (0.056)

1992

0.249 2517

−0.17 (0.030) 0.30 (0.038) 0.20 (0.062) 0.52 (0.040) 0.024 (0.0039) −0.043 (0.0096) 0.012 (0.0042) −0.024 (0.013) 0.10 (0.023) 0.060 (0.026) 0.016 (0.054) 0.035 (0.0080) 0.24 (0.13) −0.27 (0.12) 2.95 (0.054)

1993

0.233 2600

−0.17 (0.034) 0.24 (0.032) 0.27 (0.044) 0.47 (0.034) 0.020 (0.0041) −0.040 (0.011) 0.013 (0.0045) −0.023 (0.014) 0.11 (0.021) 0.075 (0.026) 0.026 (0.048) 0.048 (0.0079) 0.22 (0.13) −0.27 (0.12) 2.96 (0.054)

1994

Frauen

0.239 4131

−0.20 (0.029) 0.24 (0.025) 0.30 (0.034) 0.42 (0.035) 0.023 (0.0029) −0.038 (0.0069) 0.011 (0.0035) −0.012 (0.012) 0.10 (0.018) 0.051 (0.019) 0.053 (0.038) 0.027 (0.0066) 0.17 (0.13) −0.24 (0.10) 3.03 (0.048)

1995

0.296 2249

−0.18 (0.030) 0.36 (0.031) 0.27 (0.038) 0.41 (0.048) 0.017 (0.0028) −0.026 (0.0066) 0.011 (0.0037) −0.017 (0.013) 0.086 (0.019) 0.037 (0.024) 0.078 (0.032) 0.041 (0.0069) 0.057 (0.11) −0.12 (0.097) 3.05 (0.042)

1996

0.300 2299

−0.17 (0.030) 0.35 (0.032) 0.29 (0.038) 0.48 (0.034) 0.013 (0.0034) −0.016 (0.0085) 0.017 (0.0038) −0.035 (0.013) 0.10 (0.019) 0.036 (0.023) 0.053 (0.030) 0.041 (0.0060) −0.021 (0.11) −0.0039 (0.096) 3.02 (0.040)

1997

0.299 2349

−0.20 (0.024) 0.35 (0.033) 0.23 (0.034) 0.50 (0.033) 0.010 (0.0026) −0.016 (0.0063) 0.016 (0.0034) −0.039 (0.012) 0.064 (0.018) 0.038 (0.019) 0.031 (0.029) 0.045 (0.0069) 0.099 (0.096) −0.13 (0.088) 3.08 (0.041)

1998

210 Tabellenanhang


R-Quadrat Fallzahl

Konstante

Frauenquote2



Unternehmensleitung


Erlernter Beruf

Firmentreue2 /100









0.284 2588

−0.20 (0.030) 0.29 (0.029) 0.28 (0.028) 0.48 (0.038) 0.013 (0.0028) −0.017 (0.0068) 0.0091 (0.0032) −0.0059 (0.011) 0.053 (0.017) 0.046 (0.020) 0.049 (0.027) 0.039 (0.0063) 0.20 (0.10) −0.26 (0.094) 3.11 (0.039)

1999

0.271 2640

−0.21 (0.026) 0.24 (0.032) 0.24 (0.028) 0.42 (0.032) 0.020 (0.0028) −0.034 (0.0069) 0.012 (0.0030) −0.021 (0.0098) 0.071 (0.018) 0.033 (0.021) 0.075 (0.029) 0.045 (0.0064) 0.13 (0.096) −0.19 (0.093) 3.03 (0.038)

2000

0.285 2804

−0.21 (0.028) 0.24 (0.026) 0.26 (0.024) 0.45 (0.031) 0.014 (0.0026) −0.025 (0.0061) 0.0089 (0.0028) −0.0050 (0.0092) 0.041 (0.017) 0.044 (0.020) 0.094 (0.027) 0.042 (0.0057) 0.076 (0.090) −0.16 (0.085) 3.15 (0.037)

2001

0.290 5890

−0.23 (0.018) 0.19 (0.023) 0.25 (0.015) 0.42 (0.020) 0.019 (0.0018) −0.033 (0.0047) 0.011 (0.0019) −0.015 (0.0065) 0.057 (0.011) 0.046 (0.013) 0.074 (0.017) 0.041 (0.0044) 0.0011 (0.067) −0.092 (0.060) 3.14 (0.027)

2002

Frauen

0.275 6265

−0.19 (0.018) 0.23 (0.019) 0.25 (0.019) 0.41 (0.020) 0.015 (0.0017) −0.029 (0.0041) 0.013 (0.0018) −0.015 (0.0056) 0.071 (0.011) 0.034 (0.012) 0.076 (0.018) 0.049 (0.0043) −0.082 (0.071) −0.0064 (0.062) 3.14 (0.027)

2003

0.312 5702

−0.19 (0.017) 0.26 (0.018) 0.28 (0.016) 0.40 (0.021) 0.016 (0.0016) −0.026 (0.0039) 0.014 (0.0018) −0.026 (0.0056) 0.051 (0.010) 0.032 (0.013) 0.085 (0.018) 0.041 (0.0038) −0.0091 (0.074) −0.049 (0.063) 3.14 (0.028)

2004

0.311 5146

−0.17 (0.018) 0.21 (0.022) 0.26 (0.015) 0.43 (0.019) 0.012 (0.0017) −0.019 (0.0040) 0.016 (0.0021) −0.027 (0.0061) 0.076 (0.011) 0.031 (0.013) 0.077 (0.018) 0.046 (0.0041) 0.017 (0.066) −0.093 (0.062) 3.12 (0.025)

2005

0.294 4650

−0.18 (0.024) 0.17 (0.025) 0.27 (0.016) 0.44 (0.022) 0.015 (0.0020) −0.027 (0.0049) 0.017 (0.0024) −0.028 (0.0070) 0.075 (0.014) 0.064 (0.014) 0.059 (0.021) 0.041 (0.0050) 0.083 (0.080) −0.12 (0.071) 3.07 (0.030)

2006

Tabellenanhang

211


R-Quadrat Fallzahl

Konstante

Frauenquote2



Unternehmensleitung


Erlernter Beruf

Firmentreue2 /100









0.378 2419

−0.20 (0.048) 0.19 (0.032) 0.28 (0.019) 0.45 (0.040) 0.027 (0.0028) −0.040 (0.0057) 0.0052 (0.0026) −0.010 (0.0075) 0.027 (0.017) 0.10 (0.016) 0.10 (0.033) 0.040 (0.0060) 0.25 (0.083) −0.20 (0.092) 3.06 (0.042)

1991

0.417 2869

−0.17 (0.037) 0.23 (0.029) 0.24 (0.018) 0.46 (0.028) 0.028 (0.0025) −0.043 (0.0056) 0.013 (0.0042) −0.032 (0.015) −0.012 (0.015) 0.10 (0.016) 0.12 (0.023) 0.041 (0.0068) 0.21 (0.093) −0.23 (0.11) 3.06 (0.037)

1992

0.410 2992

−0.18 (0.033) 0.17 (0.028) 0.20 (0.017) 0.40 (0.029) 0.028 (0.0025) −0.042 (0.0052) 0.012 (0.0023) −0.030 (0.0067) −0.011 (0.015) 0.097 (0.013) 0.18 (0.023) 0.046 (0.0056) 0.38 (0.068) −0.40 (0.079) 3.01 (0.037)

1993

Männer

0.435 3031

−0.15 (0.028) 0.18 (0.027) 0.22 (0.016) 0.44 (0.026) 0.029 (0.0028) −0.045 (0.0060) 0.011 (0.0024) −0.021 (0.0063) −0.022 (0.016) 0.11 (0.013) 0.15 (0.020) 0.047 (0.0054) 0.35 (0.080) −0.35 (0.094) 3.02 (0.040)

1994

0.412 5203

−0.15 (0.033) 0.20 (0.028) 0.22 (0.014) 0.45 (0.020) 0.029 (0.0025) −0.046 (0.0055) 0.013 (0.0021) −0.024 (0.0059) −0.011 (0.012) 0.090 (0.012) 0.15 (0.017) 0.048 (0.0050) 0.38 (0.064) −0.37 (0.073) 3.00 (0.031)

1995

0.386 2791

−0.13 (0.033) 0.26 (0.040) 0.23 (0.019) 0.42 (0.024) 0.024 (0.0023) −0.036 (0.0047) 0.011 (0.0023) −0.024 (0.0067) −0.015 (0.015) 0.057 (0.016) 0.12 (0.021) 0.045 (0.0059) 0.24 (0.077) −0.26 (0.087) 3.09 (0.029)

1996

0.433 2802

−0.15 (0.032) 0.20 (0.042) 0.21 (0.016) 0.46 (0.022) 0.025 (0.0022) −0.040 (0.0046) 0.0080 (0.0021) −0.0080 (0.0060) −0.061 (0.014) 0.086 (0.014) 0.12 (0.016) 0.036 (0.0050) 0.21 (0.068) −0.24 (0.080) 3.13 (0.030)

1997

0.434 2822

−0.14 (0.037) 0.19 (0.037) 0.23 (0.015) 0.44 (0.022) 0.022 (0.0023) −0.032 (0.0047) 0.010 (0.0022) −0.014 (0.0059) −0.049 (0.014) 0.081 (0.014) 0.13 (0.017) 0.043 (0.0052) 0.31 (0.066) −0.34 (0.079) 3.09 (0.031)

1998

212 Tabellenanhang

0.418 2994

−0.16 (0.038) 0.16 (0.036) 0.24 (0.015) 0.45 (0.021) 0.022 (0.0022) −0.033 (0.0047) 0.010 (0.0020) −0.017 (0.0058) −0.045 (0.014) 0.059 (0.015) 0.15 (0.016) 0.055 (0.0056) 0.22 (0.070) −0.24 (0.077) 3.07 (0.033)

1999

0.364 2906

−0.16 (0.035) 0.087 (0.043) 0.22 (0.016) 0.42 (0.021) 0.020 (0.0021) −0.029 (0.0044) 0.0057 (0.0021) −0.0059 (0.0060) −0.044 (0.014) 0.069 (0.016) 0.14 (0.017) 0.045 (0.0058) 0.29 (0.072) −0.35 (0.083) 3.16 (0.036)

2000

0.415 3073

−0.17 (0.027) 0.16 (0.034) 0.23 (0.015) 0.42 (0.023) 0.018 (0.0019) −0.026 (0.0042) 0.0059 (0.0018) −0.0050 (0.0052) −0.046 (0.013) 0.092 (0.013) 0.12 (0.016) 0.052 (0.0051) 0.26 (0.068) −0.32 (0.078) 3.16 (0.030)

2001

Männer

0.387 6314

−0.19 (0.028) 0.15 (0.024) 0.23 (0.011) 0.43 (0.017) 0.022 (0.0016) −0.035 (0.0033) 0.0060 (0.0013) −0.0060 (0.0037) −0.038 (0.0095) 0.077 (0.010) 0.13 (0.012) 0.043 (0.0037) 0.22 (0.048) −0.24 (0.055) 3.18 (0.023)

2002

0.423 6524

−0.21 (0.022) 0.17 (0.021) 0.23 (0.011) 0.44 (0.014) 0.022 (0.0014) −0.034 (0.0032) 0.0056 (0.0013) −0.0071 (0.0036) −0.042 (0.0090) 0.072 (0.0097) 0.13 (0.011) 0.042 (0.0039) 0.28 (0.044) −0.34 (0.051) 3.18 (0.021)

2003

0.430 5707

−0.13 (0.018) 0.16 (0.027) 0.24 (0.011) 0.45 (0.015) 0.022 (0.0015) −0.032 (0.0031) 0.0065 (0.0013) −0.0099 (0.0036) −0.039 (0.0092) 0.071 (0.0096) 0.13 (0.012) 0.045 (0.0040) 0.26 (0.046) −0.31 (0.053) 3.15 (0.022)

2004

0.455 5117

−0.15 (0.024) 0.18 (0.032) 0.25 (0.011) 0.45 (0.016) 0.022 (0.0016) −0.032 (0.0034) 0.0073 (0.0015) −0.011 (0.0039) −0.033 (0.0098) 0.071 (0.011) 0.14 (0.013) 0.049 (0.0039) 0.21 (0.052) −0.28 (0.059) 3.13 (0.022)

2005

0.432 4683

−0.18 (0.028) 0.13 (0.035) 0.24 (0.013) 0.46 (0.016) 0.021 (0.0017) −0.031 (0.0036) 0.0057 (0.0016) −0.0034 (0.0044) −0.029 (0.011) 0.090 (0.013) 0.14 (0.015) 0.046 (0.0046) 0.24 (0.058) −0.26 (0.064) 3.13 (0.024)

2006

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Abhängige Variable: logarithmierter Bruttostundenlohn in Schweizerfranken zu Preisen von 2006; OLS-Regressionen; Standardfehler unter Berücksichtigung des Stichprobendesigns in Klammern.

R-Quadrat Fallzahl

Konstante

Frauenquote2



Unternehmensleitung


Erlernter Beruf

Firmentreue2 /100









Tabellenanhang

213

0.310 0.179 0.055 0.190

0.311 0.172 0.049 0.182 3647

Fallzahl


0.249 0.630 0.121

0.242 0.637 0.121

4017

0.194 0.559 0.152 0.057 0.038

0.580 39.936 (12.354)

0.215 0.559 0.131 0.064 0.031

0.542 40.274 (12.400)

1992

Bildung: – Sekundar I oder tiefer – Sekundar II beruflich – Sekundar II allgemeinbildend – Tertiär ausseruniversitär – Tertiär universitär Zivilstand: – ledig – verheiratet – geschieden/getrennt/verwitwet Kinder im Alter von 0 bis 14 Jahren: – ein Kind oder mehr – zwei Kinder oder mehr – drei Kinder oder mehr Kinder im Alter von 0 bis 6 Jahren: – ein Kind oder mehr

Arbeitsmarktpartizipation Alter

1991

4174

0.196

0.326 0.198 0.055

0.253 0.629 0.118

0.209 0.549 0.146 0.059 0.038

0.577 39.943 (12.118)

1993

4258

0.195

0.317 0.192 0.060

0.253 0.623 0.124

0.197 0.545 0.156 0.058 0.044

0.583 40.115 (12.128)

1994

7058

0.186

0.315 0.196 0.055

0.253 0.623 0.124

0.197 0.551 0.156 0.049 0.046

0.577 40.459 (11.994)

1995

3649

0.184

0.326 0.201 0.056

0.252 0.616 0.132

0.202 0.590 0.111 0.053 0.044

0.598 40.405 (11.866)

1996

3651

0.182

0.317 0.198 0.056

0.265 0.600 0.135

0.196 0.589 0.112 0.052 0.050

0.611 40.615 (11.849)

1997

Tabelle A.6: Mittelwerte der in den Selektionsgleichungen verwendeten Variablen, 1991 – 2006

3633

0.172

0.308 0.192 0.051

0.267 0.594 0.140

0.195 0.586 0.114 0.054 0.052

0.625 40.951 (11.823)

1998

214 Tabellenanhang

0.285 0.577 0.138 0.304 0.195 0.056 0.174

0.283 0.584 0.133 0.306 0.188 0.055 0.171 3898

Fallzahl

4167

0.171

0.303 0.192 0.048

0.289 0.572 0.138

0.175 0.547 0.142 0.080 0.056

0.654 41.375 (11.844)

2001

8810

0.166

0.301 0.178 0.044

0.297 0.569 0.134

0.164 0.552 0.142 0.083 0.058

0.672 41.455 (12.017)

2002

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Nur Frauen; Standardabweichungen in Klammern (für metrische Merkmale).

3957

0.175 0.572 0.131 0.064 0.058

0.647 41.299 (11.860)

2000

0.180 0.585 0.122 0.061 0.053

0.647 40.936 (11.812)

1999

Bildung: – Sekundar I oder tiefer – Sekundar II beruflich – Sekundar II allgemeinbildend – Tertiär ausseruniversitär – Tertiär universitär Zivilstand: – ledig – verheiratet – geschieden/getrennt/verwitwet Kinder im Alter von 0 bis 14 Jahren: – ein Kind oder mehr – zwei Kinder oder mehr – drei Kinder oder mehr Kinder im Alter von 0 bis 6 Jahren: – ein Kind oder mehr

Arbeitsmarktpartizipation Alter


9264

0.158

0.301 0.183 0.044

0.299 0.563 0.137

0.156 0.549 0.137 0.092 0.066

0.688 41.619 (11.935)

2003

8439

0.159

0.304 0.183 0.044

0.301 0.555 0.144

0.151 0.547 0.136 0.093 0.073

0.692 41.647 (11.957)

2004

7616

0.160

0.304 0.174 0.043

0.311 0.541 0.149

0.144 0.543 0.141 0.096 0.076

0.694 41.582 (12.033)

2005

6835

0.164

0.306 0.176 0.041

0.318 0.532 0.151

0.141 0.531 0.141 0.104 0.083

0.701 41.666 (12.027)

2006

Tabellenanhang

215

216

Tabellenanhang

Tabelle A.7: Selektionsgleichungen, 1991 – 2006 Alter (lineare Spline): – 20 bis 24 – 25 bis 29 – 30 bis 34 – 35 bis 39 – 40 bis 44 – 45 bis 49 – 50 bis 54 – 55 bis 59 – 60 bis 62 Bildung: – Sekundar I oder tiefer – Sekundar II allgemein – Tertiär ausseruniversitär – Tertiär universitär Bildung × Kinder: – Sekundar I oder tiefer – Sekundar II allgemein – Tertiär ausseruniversitär – Tertiär universitär Zivilstand: – verheiratet – verheiratet × Kinder – geschieden o.ä. Kinder im Alter 0–14: – eins oder mehr – zwei oder mehr – drei oder mehr Kinder im Alter 0–6: – eins oder mehr Konstante McFadden R-Quadrat Fallzahl

1991

1992

1993

1994

1995

1996

0.20 (0.044) −0.016 (0.034) 0.039 (0.032) −0.042 (0.033) −0.061 (0.034) −0.034 (0.036) −0.095 (0.034) −0.073 (0.035) −0.39 (0.11)

0.23 (0.049) −0.035 (0.036) 0.0036 (0.032) −0.038 (0.033) −0.062 (0.034) 0.011 (0.034) −0.12 (0.034) −0.094 (0.035) −0.24 (0.098)

0.23 (0.046) −0.089 (0.035) 0.070 (0.031) −0.046 (0.031) −0.068 (0.033) 0.014 (0.033) −0.097 (0.033) −0.10 (0.033) −0.33 (0.096)

0.22 (0.048) −0.012 (0.033) 0.018 (0.027) 0.0024 (0.028) −0.063 (0.031) −0.048 (0.032) −0.036 (0.031) −0.13 (0.034) −0.40 (0.10)

0.18 (0.036) 0.063 (0.028) −0.029 (0.023) 0.0055 (0.024) −0.095 (0.026) −0.016 (0.027) −0.075 (0.026) −0.065 (0.028) −0.55 (0.086)

0.15 (0.049) 0.073 (0.035) −0.023 (0.027) −0.036 (0.029) −0.041 (0.033) −0.059 (0.034) −0.025 (0.031) −0.11 (0.034) −0.43 (0.11)

−0.50 (0.089) −0.34 (0.11) −0.13 (0.13) −0.25 (0.20)

−0.65 (0.090) −0.44 (0.10) −0.15 (0.14) −0.27 (0.24)

−0.49 (0.086) −0.41 (0.10) −0.014 (0.14) −0.33 (0.21)

−0.48 (0.084) −0.50 (0.099) 0.022 (0.15) −0.40 (0.18)

−0.53 (0.068) −0.42 (0.083) 0.29 (0.14) −0.47 (0.15)

−0.32 (0.084) −0.54 (0.12) 0.35 (0.18) −0.073 (0.19)

0.14 (0.17) 0.41 (0.17) 0.20 (0.22) 0.83 (0.29)

0.62 (0.15) 0.41 (0.17) 0.59 (0.22) 1.13 (0.33)

0.57 (0.15) 0.62 (0.16) 0.034 (0.22) 1.08 (0.29)

0.45 (0.14) 0.80 (0.15) 0.31 (0.22) 1.34 (0.27)

0.41 (0.12) 0.76 (0.13) −0.24 (0.21) 1.32 (0.22)

−0.0031 (0.15) 0.98 (0.18) 0.16 (0.27) 0.84 (0.28)

−0.85 (0.094) −0.11 (0.17) −0.024 (0.11)

−0.78 (0.10) −0.13 (0.17) −0.013 (0.12)

−0.72 (0.090) −0.61 (0.18) −0.082 (0.12)

−0.77 (0.087) −0.45 (0.16) −0.11 (0.11)

−0.73 (0.071) −0.59 (0.14) −0.16 (0.093)

−0.82 (0.087) −0.079 (0.14) −0.095 (0.11)

−0.51 (0.19) −0.31 (0.10) −0.16 (0.14)

−0.76 (0.18) −0.11 (0.097) −0.27 (0.13)

−0.18 (0.19) −0.33 (0.094) −0.13 (0.13)

−0.34 (0.17) −0.36 (0.092) −0.19 (0.12)

−0.13 (0.15) −0.45 (0.077) −0.21 (0.096)

−0.33 (0.16) −0.29 (0.093) −0.52 (0.12)

−0.82 (0.11) −3.34 (0.99)

−0.84 (0.10) −3.80 (1.11)

−0.73 (0.10) −3.89 (1.07)

−0.62 (0.095) −3.75 (1.09)

−0.61 (0.080) −3.03 (0.83)

−0.81 (0.097) −2.36 (1.13)

0.259 3647

0.275 4017

0.253 4174

0.238 4258

0.227 7058

0.223 3649


217

Tabellenanhang

(Fortsetzung von Tabelle A.7) Alter (lineare Spline): – 20 bis 24 – 25 bis 29 – 30 bis 34 – 35 bis 39 – 40 bis 44 – 45 bis 49 – 50 bis 54 – 55 bis 59 – 60 bis 62 Bildung: – Sekundar I oder tiefer – Sekundar II allgemein – Tertiär ausseruniversitär – Tertiär universitär Bildung × Kinder: – Sekundar I oder tiefer – Sekundar II allgemein – Tertiär ausseruniversitär – Tertiär universitär Zivilstand: – verheiratet – verheiratet × Kinder – geschieden o.ä. Kinder im Alter 0–14: – eins oder mehr – zwei oder mehr – drei oder mehr Kinder im Alter 0–6: – eins oder mehr Konstante McFadden R-Quadrat Fallzahl

1997

1998

1999

2000

2001

0.24 (0.047) 0.016 (0.036) −0.014 (0.027) −0.024 (0.028) −0.053 (0.034) −0.072 (0.034) −0.052 (0.031) −0.094 (0.034) −0.54 (0.10)

0.25 (0.047) 0.040 (0.036) −0.021 (0.027) −0.0076 (0.029) −0.062 (0.034) −0.11 (0.034) −0.022 (0.030) −0.085 (0.034) −0.52 (0.11)

0.22 (0.047) 0.021 (0.035) 0.016 (0.027) −0.066 (0.029) 0.00047 (0.032) −0.10 (0.033) −0.032 (0.030) −0.11 (0.031) −0.45 (0.11)

0.14 (0.048) 0.098 (0.037) 0.035 (0.031) −0.098 (0.028) 0.0044 (0.030) −0.068 (0.032) −0.042 (0.029) −0.10 (0.029) −0.44 (0.095)

0.17 (0.045) 0.11 (0.034) 0.049 (0.028) −0.041 (0.028) −0.054 (0.030) −0.068 (0.031) −0.028 (0.027) −0.11 (0.027) −0.41 (0.090)

−0.45 (0.085) −0.68 (0.12) 0.23 (0.18) 0.031 (0.17)

−0.53 (0.084) −0.68 (0.11) 0.24 (0.18) 0.015 (0.19)

−0.52 (0.083) −0.68 (0.11) 0.34 (0.16) 0.14 (0.16)

−0.45 (0.083) −0.35 (0.10) 0.49 (0.16) 0.27 (0.16)

−0.48 (0.079) −0.26 (0.097) 0.26 (0.13) 0.28 (0.18)

0.19 (0.15) 0.90 (0.17) 0.18 (0.25) 0.69 (0.24)

0.22 (0.15) 0.95 (0.18) 0.26 (0.26) 0.74 (0.27)

0.28 (0.15) 0.89 (0.16) 0.62 (0.24) 0.50 (0.25)

−0.096 (0.15) 0.55 (0.16) 0.16 (0.22) 0.29 (0.23)

0.26 (0.15) 0.40 (0.15) 0.26 (0.19) 0.48 (0.26)

−0.59 (0.090) −0.19 (0.15) 0.076 (0.11)

−0.49 (0.086) −0.22 (0.15) 0.20 (0.10)

−0.60 (0.086) −0.30 (0.15) −0.011 (0.10)

−0.72 (0.085) −0.29 (0.14) −0.15 (0.10)

−0.73 (0.082) 0.10 (0.13) −0.055 (0.095)

−0.57 (0.15) −0.26 (0.091) −0.29 (0.11)

−0.50 (0.16) −0.51 (0.096) −0.24 (0.12)

−0.43 (0.16) −0.39 (0.093) −0.31 (0.11)

−0.31 (0.15) −0.20 (0.095) −0.37 (0.11)

−0.58 (0.14) −0.44 (0.091) −0.24 (0.11)

−0.60 (0.094) −4.30 (1.07)

−0.48 (0.097) −4.62 (1.08)

−0.37 (0.095) −3.75 (1.07)

−0.35 (0.096) −2.27 (1.09)

−0.33 (0.093) −3.04 (1.04)

0.230 3651

0.221 3633

0.216 3898

0.197 3957

0.182 4167


218

Tabellenanhang

(Fortsetzung von Tabelle A.7) Alter (lineare Spline): – 20 bis 24 – 25 bis 29 – 30 bis 34 – 35 bis 39 – 40 bis 44 – 45 bis 49 – 50 bis 54 – 55 bis 59 – 60 bis 62 Bildung: – Sekundar I oder tiefer – Sekundar II allgemein – Tertiär ausseruniversitär – Tertiär universitär Bildung × Kinder: – Sekundar I oder tiefer – Sekundar II allgemein – Tertiär ausseruniversitär – Tertiär universitär Zivilstand: – verheiratet – verheiratet × Kinder – geschieden o.ä. Kinder im Alter 0–14: – eins oder mehr – zwei oder mehr – drei oder mehr Kinder im Alter 0–6: – eins oder mehr Konstante McFadden R-Quadrat Fallzahl

2002

2003

2004

2005

2006

0.18 (0.033) 0.031 (0.026) 0.0046 (0.020) −0.019 (0.020) −0.047 (0.021) −0.055 (0.021) −0.047 (0.019) −0.14 (0.019) −0.27 (0.056)

0.20 (0.036) 0.032 (0.028) −0.015 (0.021) 0.013 (0.019) −0.077 (0.019) −0.050 (0.020) −0.038 (0.018) −0.13 (0.018) −0.25 (0.054)

0.17 (0.036) 0.072 (0.032) −0.011 (0.022) −0.035 (0.019) −0.022 (0.020) −0.065 (0.021) −0.071 (0.019) −0.10 (0.019) −0.28 (0.057)

0.20 (0.034) 0.089 (0.031) −0.036 (0.024) −0.033 (0.021) −0.027 (0.021) −0.071 (0.023) −0.076 (0.021) −0.060 (0.021) −0.26 (0.057)

0.19 (0.041) 0.046 (0.034) −0.042 (0.026) −0.0090 (0.023) −0.030 (0.023) −0.034 (0.025) −0.053 (0.022) −0.11 (0.022) −0.18 (0.060)

−0.48 (0.055) −0.36 (0.068) 0.29 (0.088) 0.14 (0.11)

−0.51 (0.053) −0.41 (0.067) 0.20 (0.084) 0.22 (0.10)

−0.52 (0.057) −0.46 (0.072) 0.26 (0.10) 0.095 (0.11)

−0.52 (0.061) −0.48 (0.072) 0.34 (0.094) 0.13 (0.10)

−0.59 (0.065) −0.43 (0.078) 0.24 (0.11) 0.15 (0.12)

0.11 (0.10) 0.55 (0.11) 0.20 (0.13) 0.60 (0.17)

0.25 (0.099) 0.60 (0.11) 0.37 (0.13) 0.52 (0.15)

0.26 (0.11) 0.68 (0.11) 0.35 (0.14) 0.76 (0.16)

0.14 (0.12) 0.75 (0.12) 0.29 (0.14) 0.67 (0.15)

0.28 (0.13) 0.73 (0.13) 0.18 (0.16) 0.51 (0.16)

−0.47 (0.058) −0.086 (0.098) 0.12 (0.068)

−0.41 (0.058) −0.089 (0.099) 0.14 (0.068)

−0.37 (0.060) −0.21 (0.10) 0.12 (0.069)

−0.37 (0.064) −0.074 (0.10) 0.046 (0.072)

−0.43 (0.067) −0.18 (0.11) 0.031 (0.075)

−0.31 (0.10) −0.37 (0.063) −0.28 (0.079)

−0.44 (0.11) −0.37 (0.061) −0.27 (0.075)

−0.41 (0.11) −0.38 (0.064) −0.31 (0.081)

−0.53 (0.11) −0.25 (0.068) −0.43 (0.087)

−0.25 (0.11) −0.26 (0.073) −0.51 (0.093)

−0.53 (0.064) −3.11 (0.77)

−0.48 (0.061) −3.52 (0.82)

−0.47 (0.065) −2.80 (0.81)

−0.60 (0.070) −3.66 (0.78)

−0.51 (0.075) −3.17 (0.92)

0.176 8810

0.172 9264

0.179 8439

0.172 7616

0.160 6835

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Abhängige Variable: Arbeitsmarktpartizipation (0/1); nur Frauen; Probit-Regressionen; Standardfehler unter Berücksichtigung des Stichprobendesigns in Klammern.

0.343 (0.017)

Differenz Total

0.0113 (0.010)

0.170 (0.015)

0.173 (0.018)

– horizontale Segregation

– Total

Unerklärt


0.0312 (0.0041)

– vertikale Segregation

0.127 (0.0096)

3.402 (0.013)

Erwartungswert Frauen

Erklärt: – Humankapital

3.744 (0.010)

Erwartungswert Männer

1991

0.163 (0.018)

0.186 (0.013)

0.0154 (0.011)

0.0379 (0.0042)

0.132 (0.010)

0.349 (0.015)

3.433 (0.012)

3.782 (0.0090)

1992

0.121 (0.016)

0.209 (0.013)

0.0198 (0.0099)

0.0391 (0.0044)

0.150 (0.0091)

0.330 (0.015)

3.444 (0.012)

3.774 (0.0088)

1993

0.139 (0.017)

0.198 (0.013)

0.0185 (0.0098)

0.0367 (0.0040)

0.142 (0.0084)

0.337 (0.015)

3.453 (0.011)

3.791 (0.0092)

1994

0.139 (0.015)

0.181 (0.011)

0.00738 (0.0080)

0.0297 (0.0031)

0.144 (0.0075)

0.320 (0.013)

3.465 (0.0096)

3.785 (0.0077)

1995

0.123 (0.015)

0.185 (0.013)

0.0224 (0.0081)

0.0260 (0.0035)

0.136 (0.0087)

0.308 (0.014)

3.473 (0.010)

3.781 (0.0087)

1996

0.115 (0.015)

0.169 (0.011)

0.0115 (0.0070)

0.0266 (0.0032)

0.131 (0.0079)

0.284 (0.014)

3.480 (0.010)

3.764 (0.0086)

1997

0.110 (0.016)

0.166 (0.012)

0.0174 (0.0075)

0.0249 (0.0030)

0.123 (0.0076)

0.276 (0.013)

3.500 (0.0095)

3.776 (0.0091)

1998

Tabelle A.8: Blinder-Oaxaca-Dekompositionen der geschlechtsspezifischen Lohnunterschiede, 1991 – 2006

Tabellenanhang

219

0.258 (0.013)

Differenz Total

0.0202 (0.0067)

0.171 (0.011)

0.0862 (0.014)


– Total

Unerklärt

0.0984 (0.015)

0.168 (0.011)

0.0264 (0.0071)

0.0259 (0.0031)

0.115 (0.0075)

0.266 (0.013)

3.517 (0.0096)

3.783 (0.0088)

2000

0.102 (0.013)

0.174 (0.0097)

0.0322 (0.0064)

0.0304 (0.0029)

0.111 (0.0064)

0.275 (0.013)

3.541 (0.0097)

3.817 (0.0078)

2001

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Bootstrap-Standardfehler in Klammern (500 Replikationen).

0.0262 (0.0029)


0.125 (0.0080)

3.519 (0.0096)

Erwartungswert Frauen


3.776 (0.0084)

1999

Erwartungswert Männer


0.101 (0.0090)

0.169 (0.0074)

0.0214 (0.0050)

0.0304 (0.0022)

0.117 (0.0052)

0.269 (0.0084)

3.558 (0.0064)

3.828 (0.0057)

2002

0.0966 (0.0094)

0.162 (0.0069)

0.0272 (0.0047)

0.0294 (0.0022)

0.105 (0.0045)

0.259 (0.0087)

3.572 (0.0064)

3.831 (0.0057)

2003

0.0916 (0.0094)

0.151 (0.0075)

0.0160 (0.0051)

0.0261 (0.0020)

0.109 (0.0049)

0.242 (0.0083)

3.585 (0.0056)

3.827 (0.0062)

2004

0.0942 (0.0093)

0.156 (0.0078)

0.0257 (0.0051)

0.0255 (0.0022)

0.105 (0.0057)

0.250 (0.0090)

3.577 (0.0065)

3.827 (0.0068)

2005

0.107 (0.011)

0.140 (0.0090)

0.0116 (0.0057)

0.0289 (0.0026)

0.0995 (0.0062)

0.247 (0.011)

3.568 (0.0078)

3.815 (0.0072)

2006

220 Tabellenanhang

0.0139 (0.0037)

0.145 (0.011)

0.0499 (0.022)

0.148 (0.024)

– Betriebsgrösse

– Total

Beruf und Branche (fixe Effekte)

Unerklärt


0.0302 (0.0046)

0.100 (0.0094)

0.343 (0.017)



Differenz Total

1991

0.153 (0.022)

0.0550 (0.021)

0.141 (0.0099)

0.00809 (0.0035)

0.0361 (0.0046)

0.0966 (0.0090)

0.349 (0.016)

1992

0.105 (0.020)

0.0827 (0.020)

0.143 (0.010)

0.00703 (0.0029)

0.0422 (0.0048)

0.0933 (0.0093)

0.330 (0.014)

1993

0.142 (0.021)

0.0376 (0.020)

0.158 (0.0094)

0.0158 (0.0034)

0.0354 (0.0044)

0.106 (0.0083)

0.337 (0.014)

1994

0.148 (0.018)

0.0237 (0.016)

0.149 (0.0080)

0.00817 (0.0026)

0.0352 (0.0036)

0.106 (0.0068)

0.320 (0.013)

1995

0.145 (0.018)

0.0228 (0.018)

0.140 (0.0089)

0.0109 (0.0027)

0.0254 (0.0040)

0.104 (0.0076)

0.308 (0.013)

1996

0.130 (0.020)

0.0275 (0.017)

0.127 (0.0085)

0.00746 (0.0023)

0.0265 (0.0034)

0.0926 (0.0076)

0.284 (0.014)

1997

1998

0.0916 (0.020)

0.0528 (0.017)

0.131 (0.0084)

0.00962 (0.0024)

0.0229 (0.0034)

0.0988 (0.0072)

0.276 (0.013)

Tabelle A.9: Blinder-Oaxaca-Dekompositionen mit fixen Effekten für Berufe und Branchen, 1991 – 2006

Tabellenanhang

221

0.0106 (0.0021)

0.126 (0.0084)

0.0315 (0.015)

0.0998 (0.016)

– Betriebsgrösse

– Total

Beruf und Branche (fixe Effekte)

Unerklärt

0.124 (0.018)

0.0218 (0.016)

0.120 (0.0080)

0.00973 (0.0021)

0.0244 (0.0035)

0.0857 (0.0069)

0.266 (0.013)

2000

0.106 (0.016)

0.0485 (0.015)

0.121 (0.0077)

0.00904 (0.0021)

0.0268 (0.0033)

0.0853 (0.0064)

0.275 (0.013)

2001


0.0233 (0.0035)

0.0924 (0.0073)

0.258 (0.013)

1999



Differenz Total


0.105 (0.011)

0.0349 (0.0098)

0.130 (0.0050)

0.0111 (0.0014)

0.0273 (0.0023)

0.0914 (0.0041)

0.269 (0.0086)

2002

0.117 (0.0100)

0.0244 (0.0088)

0.118 (0.0045)

0.0107 (0.0014)

0.0291 (0.0023)

0.0779 (0.0041)

0.259 (0.0087)

2003

0.0964 (0.011)

0.0272 (0.0093)

0.119 (0.0051)

0.00800 (0.0012)

0.0280 (0.0024)

0.0828 (0.0043)

0.242 (0.0085)

2004

0.102 (0.012)

0.0364 (0.010)

0.112 (0.0059)

0.00799 (0.0014)

0.0259 (0.0024)

0.0777 (0.0049)

0.250 (0.0092)

2005

0.118 (0.011)

0.0179 (0.011)

0.112 (0.0061)

0.00940 (0.0017)

0.0287 (0.0026)

0.0735 (0.0048)

0.247 (0.011)

2006

222 Tabellenanhang

0.0101 (0.0100)

0.167 (0.015)

0.120 (0.024)


– Total

Unerklärt


0.0307 (0.0044)


0.126 (0.011)

0.0559 (0.019)

Selektionskorrektur


0.343 (0.017)

Differenz Total

1991

0.130 (0.021)

0.183 (0.014)

0.0141 (0.011)

0.0375 (0.0043)

0.132 (0.011)

0.0361 (0.017)

0.349 (0.015)

1992

0.100 (0.021)

0.207 (0.013)

0.0186 (0.010)

0.0389 (0.0044)

0.150 (0.0088)

0.0226 (0.018)

0.330 (0.015)

1993

0.123 (0.021)

0.196 (0.013)

0.0179 (0.0098)

0.0365 (0.0037)

0.142 (0.0089)

0.0177 (0.016)

0.337 (0.014)

1994

0.0992 (0.018)

0.177 (0.011)

0.00550 (0.0081)

0.0294 (0.0029)

0.142 (0.0077)

0.0441 (0.014)

0.320 (0.012)

1995

0.107 (0.019)

0.184 (0.013)

0.0219 (0.0081)

0.0259 (0.0033)

0.136 (0.0089)

0.0175 (0.014)

0.308 (0.013)

1996

0.0891 (0.019)

0.167 (0.012)

0.0101 (0.0071)

0.0265 (0.0032)

0.130 (0.0087)

0.0282 (0.015)

0.284 (0.014)

1997

Tabelle A.10: Blinder-Oaxaca-Dekompositionen mit Selektionskorrektur, 1991 – 2006

0.0907 (0.019)

0.164 (0.011)

0.0167 (0.0073)

0.0247 (0.0031)

0.122 (0.0079)

0.0211 (0.012)

0.276 (0.013)

1998

Tabellenanhang

223

0.0190 (0.0074)

0.169 (0.012)

0.0646 (0.018)


– Total

Unerklärt

0.0662 (0.019)

0.165 (0.011)

0.0253 (0.0076)

0.0255 (0.0031)

0.114 (0.0077)

0.0348 (0.014)

0.266 (0.012)

2000

0.0652 (0.017)

0.170 (0.010)

0.0308 (0.0067)

0.0300 (0.0030)

0.109 (0.0067)

0.0403 (0.014)

0.275 (0.012)

2001


0.0259 (0.0030)


0.124 (0.0077)

0.0237 (0.013)

Selektionskorrektur


0.258 (0.012)

1999

Differenz Total


0.0775 (0.013)

0.167 (0.0077)

0.0203 (0.0051)

0.0302 (0.0022)

0.116 (0.0051)

0.0250 (0.011)

0.269 (0.0087)

2002

0.0892 (0.014)

0.161 (0.0071)

0.0269 (0.0048)

0.0293 (0.0022)

0.105 (0.0046)

0.00806 (0.011)

0.259 (0.0087)

2003

0.0962 (0.013)

0.151 (0.0077)

0.0163 (0.0050)

0.0261 (0.0020)

0.0992 (0.013)

0.157 (0.0079)

0.0260 (0.0050)

0.0255 (0.0023)

0.105 (0.0052)

−0.00557 (0.010)

−0.00510 (0.0095) 0.109 (0.0050)

0.250 (0.0089)

2005

0.242 (0.0086)

2004

0.107 (0.015)

0.140 (0.0091)

0.0116 (0.0058)

0.0289 (0.0025)

0.0995 (0.0061)

−0.00033 (0.012)

0.247 (0.010)

2006

224 Tabellenanhang

225

Tabellenanhang

Tabelle A.11: Trend-Dekompositionen der geschlechtsspezifischen Lohnunterschiede, 1991 – 2006 1991

1992 ∗∗∗

1993

1994 ∗∗∗

1995

−0.095 (0.020)

−0.10 (0.019)

−0.083 (0.017)

−0.090 (0.019)

−0.073∗∗∗ (0.017)

−0.029∗∗∗ (0.0085)

−0.034∗∗∗ (0.0075)

−0.046∗∗∗ (0.0082)

−0.040∗∗∗ (0.0081)

−0.033∗∗∗ (0.0075)

0.00038 (0.0026)

−0.0022 (0.0026)

−0.0036 (0.0026)

−0.00045 (0.0024)

0.00066 (0.0023)

◦ horizontale Segregation

−0.012∗∗∗ (0.0030)

−0.011∗∗∗ (0.0030)

−0.0100∗∗∗ (0.0028)

−0.0084∗∗ (0.0028)

−0.0075∗∗ (0.0024)

◦ Total

−0.040∗∗∗ (0.010)

−0.047∗∗∗ (0.0092)

−0.060∗∗∗ (0.0096)

−0.049∗∗∗ (0.0097)

−0.040∗∗∗ (0.0087)

0.0010 (0.0079)

0.0011 (0.0083)

−0.0047 (0.0078)

−0.0028 (0.0076)

−0.011 (0.0065)

−0.0026 (0.0046)

−0.0068 (0.0040)

−0.0066 (0.0044)

−0.0073 (0.0039)

−0.0014 (0.0032)


0.012 (0.011)

0.0069 (0.012)

0.0019 (0.012)

0.0015 (0.011)

0.012 (0.0098)

◦ Total

0.011 (0.014)

0.0012 (0.013)

−0.0095 (0.014)

−0.0086 (0.013)

−0.00031 (0.011)

−0.030 (0.017)

−0.046∗∗ (0.016)

−0.069∗∗∗ (0.016)

−0.058∗∗∗ (0.016)

−0.041∗∗ (0.014)

−0.048∗ (0.021)

−0.043∗ (0.020)

−0.0051 (0.018)

−0.023 (0.020)

−0.023 (0.016)

– allgemeine Lohnstruktur

−0.017∗∗ (0.0059)

−0.013∗ (0.0056)

−0.0087 (0.0049)

−0.0093 (0.0055)

−0.0092∗ (0.0045)

– Total

−0.066∗∗ (0.021)

−0.056∗∗ (0.021)

−0.014 (0.018)

−0.032 (0.020)

−0.032 (0.017)

Geschlechtsspezifisch total

−0.089∗∗∗ (0.024)

−0.090∗∗∗ (0.023)

−0.065∗∗ (0.020)

−0.072∗∗ (0.023)

−0.064∗∗ (0.020)

Lohnstruktur total

−0.0069 (0.016)

−0.012 (0.015)

−0.018 (0.015)

−0.018 (0.015)

−0.0095 (0.012)

Gesamtdifferenz zu 2006

∗∗∗

∗∗∗

Beobachtete Faktoren: – geschlechtsspezifisch ◦ Humankapital ◦ vertikale Segregation

– allgemeine Lohnstruktur ◦ Humankapital ◦ vertikale Segregation

– Total Unbeobachtete Faktoren: – geschlechtsspezifisch


226

Tabellenanhang

(Fortsetzung von Tabelle A.11) 1996

1997

1998

1999

2000

−0.061∗∗∗

−0.037∗

(0.018)

(0.018)

−0.029 (0.017)

−0.011 (0.016)

−0.019 (0.016)

−0.043∗∗∗ (0.0084)

−0.026∗∗ (0.0084)

−0.025∗∗ (0.0079)

−0.022∗∗ (0.0079)

−0.016∗ (0.0076)

◦ vertikale Segregation

−0.0039 (0.0027)

−0.0020 (0.0029)

0.00026 (0.0028)

−0.0017 (0.0026)

−0.0015 (0.0026)


−0.0049 (0.0026)

−0.0030 (0.0026)

−0.0031 (0.0025)

−0.0020 (0.0025)

−0.0035 (0.0025)

◦ Total

−0.052∗∗∗ (0.010)

−0.031∗∗ (0.0099)

−0.028∗∗ (0.0094)

−0.025∗∗ (0.0094)

−0.021∗ (0.0092)

0.0060 (0.0072)

−0.0055 (0.0062)

0.0011 (0.0062)

−0.0039 (0.0063)

0.00017 (0.0065)

0.0068∗ (0.0034)

0.0043 (0.0032)

0.0038 (0.0030)

0.0044 (0.0028)

0.0046 (0.0030)

−0.0058 (0.0094)

0.0032 (0.0087)

−0.0027 (0.0093)

−0.0066 (0.0090)

−0.011 (0.0094)

0.0070 (0.011)

0.0020 (0.011)

0.0023 (0.012)

−0.0060 (0.011)

−0.0065 (0.011)

−0.045∗∗ (0.015)

−0.029∗ (0.015)

−0.026 (0.015)

−0.031∗ (0.014)

−0.027 (0.014)

−0.021 (0.019)

−0.013 (0.019)

−0.0096 (0.021)

0.017 (0.019)

0.0074 (0.018)

0.0035 (0.0034)

0.0012 (0.0035)

Gesamtdifferenz zu 2006 Beobachtete Faktoren: – geschlechtsspezifisch ◦ Humankapital

– allgemeine Lohnstruktur ◦ Humankapital ◦ vertikale Segregation ◦ horizontale Segregation ◦ Total – Total Unbeobachtete Faktoren: – geschlechtsspezifisch – allgemeine Lohnstruktur

0.0049 (0.0043)

0.0056 (0.0042)

0.0065 (0.0039)

– Total

−0.016 (0.018)

−0.0076 (0.018)

−0.0031 (0.019)

0.021 (0.018)

0.0086 (0.017)


−0.073∗∗ (0.022)

−0.045∗ (0.022)

−0.037 (0.023)

−0.0081 (0.022)

−0.014 (0.020)

0.012 (0.013)

0.0076 (0.013)

0.0088 (0.014)

−0.0025 (0.013)

−0.0053 (0.012)

Lohnstruktur total


227

Tabellenanhang


2002

2003

2004

2005

−0.028 (0.017)

−0.022 (0.013)

−0.012 (0.013)

0.0047 (0.014)

−0.0032 (0.013)

−0.017∗ (0.0078)

−0.018∗∗ (0.0066)

−0.011 (0.0063)

−0.012 (0.0069)

−0.0081 (0.0069)


−0.0021 (0.0026)

−0.0046∗ (0.0022)

−0.0055∗ (0.0021)

−0.0020 (0.0022)

−0.00028 (0.0023)


−0.0042 (0.0024)

−0.0020 (0.0020)

−0.0023 (0.0019)

0.00088 (0.0021)

0.00081 (0.0020)

◦ Total

−0.023∗ (0.0094)

−0.024∗∗ (0.0080)

−0.019∗∗ (0.0073)

−0.013 (0.0084)

−0.0076 (0.0084)

0.0056 (0.0057)

0.00022 (0.0052)

0.0053 (0.0048)

0.0028 (0.0048)

0.0028 (0.0044)

0.00066 (0.0030)

0.0032 (0.0026)

0.0050∗ (0.0026)

0.0049∗ (0.0024)

0.0038 (0.0024)


−0.016 (0.0084)

−0.0078 (0.0079)

−0.013 (0.0070)

−0.0053 (0.0073)

−0.015∗ (0.0073)

◦ Total

−0.010 (0.010)

−0.0044 (0.0094)

−0.0030 (0.0080)

0.0023 (0.0089)

−0.0084 (0.0086)

−0.033∗ (0.014)

−0.029∗ (0.012)

−0.022∗ (0.010)

−0.011 (0.012)

−0.016 (0.012)

−0.0019 (0.018)

0.0040 (0.015)

0.0077 (0.013)

0.0075 (0.015)

0.0069 (0.015)

Gesamtdifferenz zu 2006 Beobachtete Faktoren: – geschlechtsspezifisch ◦ Humankapital


– Total Unbeobachtete Faktoren: – geschlechtsspezifisch – allgemeine Lohnstruktur

0.0069 (0.0039)

0.0025 (0.0027)

0.0027 (0.0024)

0.0079∗∗ (0.0027)

0.0059∗ (0.0027)

– Total

0.0050 (0.017)

0.0065 (0.014)

0.010 (0.013)

0.015 (0.014)

0.013 (0.014)


−0.025 (0.021)

−0.020 (0.017)

−0.011 (0.016)

−0.0056 (0.017)

−0.00065 (0.017)

Lohnstruktur total

−0.0033 (0.012)

−0.0019 (0.010)

−0.00030 (0.0086)

0.010 (0.010)

−0.0025 (0.0098)

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Veränderungen bis 2006; Bootstrap-Standardfehler in Klammern (500 Replikationen). ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)

228

Tabellenanhang

Tabelle A.12: Trend-Dekompositionen mit Selektionskorrektur, 1991 – 2006 1991

1992

1993

1994

1995

−0.095∗∗∗

−0.10∗∗∗

−0.083∗∗∗

−0.090∗∗∗

(0.020)

(0.019)

(0.019)

(0.018)

−0.073∗∗∗ (0.016)

−0.056∗ (0.023)

−0.036 (0.022)

−0.023 (0.022)

−0.018 (0.020)

−0.044∗ (0.020)

−0.029∗∗∗ (0.0087)

−0.034∗∗∗ (0.0078)

−0.046∗∗∗ (0.0078)

−0.040∗∗∗ (0.0079)

−0.033∗∗∗ (0.0076)

0.00038 (0.0026)

−0.0022 (0.0026)

−0.0036 (0.0025)

−0.00045 (0.0024)

0.00066 (0.0023)


−0.012∗∗∗ (0.0031)

−0.011∗∗∗ (0.0028)

−0.0100∗∗∗ (0.0029)

−0.0084∗∗ (0.0029)

−0.0075∗∗ (0.0025)

◦ Total

−0.040∗∗∗ (0.011)

−0.047∗∗∗ (0.0095)

−0.060∗∗∗ (0.0094)

−0.049∗∗∗ (0.0097)

−0.040∗∗∗ (0.0089)

0.0027 (0.0084)

0.0017 (0.0082)

−0.0042 (0.0079)

−0.0023 (0.0075)

−0.0090 (0.0070)

−0.0021 (0.0042)

−0.0064 (0.0043)

−0.0064 (0.0043)

−0.0071 (0.0038)

−0.0011 (0.0032)


0.013 (0.011)

0.0082 (0.013)

0.0030 (0.012)

0.0022 (0.011)

0.014 (0.010)

◦ Total

0.014 (0.014)

0.0035 (0.014)

−0.0076 (0.014)

−0.0072 (0.013)

0.0036 (0.012)

−0.026 (0.017)

−0.043∗∗ (0.016)

−0.067∗∗∗ (0.016)

−0.056∗∗∗ (0.016)

−0.037∗ (0.014)

−0.00052 (0.028)

−0.012 (0.027)

0.014 (0.027)

−0.0077 (0.025)

0.014 (0.025)


−0.012∗ (0.0055)

−0.011 (0.0055)

−0.0072 (0.0046)

−0.0080 (0.0049)

−0.0056 (0.0037)

– Total

−0.013 (0.029)

−0.022 (0.028)

0.0072 (0.028)

−0.016 (0.025)

0.0081 (0.025)


−0.041 (0.030)

−0.058 (0.030)

−0.045 (0.030)

−0.057∗ (0.027)

−0.027 (0.026)

0.0017 (0.016)

−0.0070 (0.015)

−0.015 (0.015)

−0.015 (0.014)

−0.0021 (0.013)

Gesamtdifferenz zu 2006 Selektionskorrektur Beobachtete Faktoren: – geschlechtsspezifisch ◦ Humankapital ◦ vertikale Segregation



Lohnstruktur total


229

Tabellenanhang


1997

1998

1999

2000

−0.061∗∗∗

−0.037∗

(0.017)

(0.018)

−0.029 (0.016)

−0.011 (0.016)

−0.019 (0.017)

−0.018 (0.018)

−0.029 (0.019)

−0.021 (0.018)

−0.024 (0.018)

−0.035 (0.019)

−0.043∗∗∗ (0.0077)

−0.026∗∗∗ (0.0078)

−0.025∗∗ (0.0079)

−0.022∗∗ (0.0077)

−0.016∗ (0.0079)


−0.0039 (0.0026)

−0.0020 (0.0028)

0.00026 (0.0027)

−0.0017 (0.0027)

−0.0015 (0.0027)


−0.0049 (0.0028)

−0.0030 (0.0025)

−0.0031 (0.0026)

−0.0020 (0.0024)

−0.0035 (0.0026)

◦ Total

−0.052∗∗∗ (0.0093)

−0.031∗∗ (0.0096)

−0.028∗∗ (0.0095)

−0.025∗∗ (0.0090)

−0.021∗ (0.0094)

0.0066 (0.0079)

−0.0042 (0.0066)

0.0020 (0.0068)

−0.0031 (0.0062)

0.0013 (0.0063)

0.0069∗ (0.0035)

0.0044 (0.0032)

0.0040 (0.0029)

0.0047 (0.0029)

0.0050 (0.0031)

−0.0053 (0.010)

0.0045 (0.0092)

−0.0020 (0.0089)

−0.0054 (0.0086)

−0.010 (0.0096)

0.0083 (0.013)

0.0048 (0.012)

0.0040 (0.012)

−0.0038 (0.011)

−0.0039 (0.012)

−0.043∗∗ (0.015)

−0.027 (0.015)

−0.024 (0.015)

−0.029∗ (0.014)

−0.025 (0.015)

−0.0050 (0.025)

0.013 (0.027)

0.011 (0.026)

0.039 (0.025)

0.040 (0.026)

Gesamtdifferenz zu 2006 Selektionskorrektur Beobachtete Faktoren: – geschlechtsspezifisch ◦ Humankapital

– allgemeine Lohnstruktur ◦ Humankapital ◦ vertikale Segregation ◦ horizontale Segregation ◦ Total – Total Unbeobachtete Faktoren: – geschlechtsspezifisch – allgemeine Lohnstruktur

0.0051 (0.0039)

0.0055 (0.0036)

0.0059 (0.0035)

0.0035 (0.0030)

0.0013 (0.0029)

– Total

0.000091 (0.025)

0.018 (0.026)

0.017 (0.025)

0.043 (0.024)

0.041 (0.025)

−0.057∗ (0.028)

−0.019 (0.029)

−0.017 (0.028)

0.014 (0.027)

0.019 (0.029)

0.013 (0.014)

0.010 (0.013)

0.0099 (0.013)

−0.00030 (0.012)

−0.0026 (0.014)

Geschlechtsspezifisch total Lohnstruktur total


230

Tabellenanhang


2002

2003

2004

2005

Gesamtdifferenz zu 2006

−0.028 (0.016)

−0.022 (0.014)

−0.012 (0.014)

0.0047 (0.013)

−0.0032 (0.014)

Selektionskorrektur

−0.041∗ (0.020)

−0.025 (0.016)

−0.0084 (0.017)

0.0048 (0.016)

0.0052 (0.016)

−0.017∗ (0.0075)

−0.018∗∗ (0.0066)

−0.011 (0.0067)

−0.012 (0.0067)

−0.0081 (0.0071)


−0.0021 (0.0026)

−0.0046∗ (0.0022)

−0.0055∗∗ (0.0021)

−0.0020 (0.0022)

−0.00028 (0.0023)


−0.0042 (0.0023)

−0.0020 (0.0019)

−0.0023 (0.0020)

0.00088 (0.0019)

0.00081 (0.0023)

◦ Total

−0.023∗ (0.0091)

−0.024∗∗ (0.0080)

−0.019∗ (0.0077)

−0.013 (0.0078)

−0.0076 (0.0086)

0.0073 (0.0065)

0.00093 (0.0048)

0.0055 (0.0046)

0.0026 (0.0047)

0.0025 (0.0047)

0.0010 (0.0032)

0.0034 (0.0026)

0.0051 (0.0027)

0.0048∗ (0.0024)

0.0037 (0.0025)


−0.015 (0.0084)

−0.0067 (0.0074)

−0.013 (0.0074)

−0.0055 (0.0078)

−0.015∗ (0.0072)

◦ Total

−0.0066 (0.011)

−0.0023 (0.0090)

−0.0024 (0.0087)

0.0019 (0.0092)

−0.0089 (0.0087)

−0.030∗ (0.013)

−0.027∗ (0.012)

−0.021 (0.011)

−0.011 (0.012)

−0.016 (0.012)

0.036 (0.024)

0.027 (0.021)

0.016 (0.021)

0.0030 (0.021)

0.0020 (0.021)


0.0062 (0.0034)

0.0023 (0.0024)

0.0026 (0.0023)

0.0081∗∗ (0.0029)

0.0061∗ (0.0026)

– Total

0.042 (0.023)

0.030 (0.020)

0.018 (0.020)

0.011 (0.020)

0.0081 (0.020)


0.013 (0.026)

0.0031 (0.023)

−0.0034 (0.023)

−0.010 (0.023)

−0.0056 (0.023)

0.010 (0.010)

−0.0027 (0.0096)

Beobachtete Faktoren: – geschlechtsspezifisch ◦ Humankapital



Lohnstruktur total

−0.00040 (0.012)

0.0000011 (0.0098)

0.00024 (0.0095)

Quelle: Schweizerische Arbeitskräfteerhebung (SAKE), gewichtet. Anmerkungen: Veränderungen bis 2006; Bootstrap-Standardfehler in Klammern (500 Replikationen). ∗ p < 0.05, ∗∗ p < 0.01, ∗∗∗ p < 0.001 (zweiseitig)


Addison, John T., Ralph W. Bailey, W. Stanley Siebert. 2007. The Impact of Deunionisation on Earnings Dispersion Revisited. Research in Labor Economics 26:337–363. Aigner, Dennis, Glen Cain. 1977. Statistical Theories of Discrimination in Labor Markets. Industrial and Labor Relations Review 30:175–187. Alves, Wayne M., Peter H. Rossi. 1978. Who Should Get What? Fairness Judgments of the Distribution of Earnings. American Journal of Sociology 84:541–564. Ambühl, Iso. 1998. Muntere Seilschaft. Armeefilz in Basel: Auffällig viele höhere Staatsdiener verfügen über ein Offizierspatent. SonntagsZeitung 31. Mai 1998:8. Appelbaum, Eileen. 2002. Transformation of Work and Employment and New Insecurities. In: The Future of Work, Employment and Social Protection. The Search for New Securities in a World of Growing Uncertainties, herausgegeben von Peter Auer und Christine Daniel, S. 17–37. Geneva: International Labor Organization. Baumgartner, A. Doris. 2003. Teilzeitarbeit – Auf dem Weg zu einem neuen Normalarbeitsverhältnis? Unterschiedliche Teilzeiterwerbstypen am Beispiel der Schweiz. Schweizerische Zeitschrift für Soziologie 29:7–34. Bayard, Kimberly, Judith Hellerstein, David Neumark, Kenneth Troske. 2003. New Evidence on Sex Segregation and Sex Differences in Wages from Matched Employer-Employee Data. Journal of Labor Economics 21:887–922. Beck, Michael, Karl-Dieter Opp. 2001. Der faktorielle Survey und die Messung von Normen. Kölner Zeitschrift für Soziologie und Sozialpsychologie 53:283–306. Beck, Ulrich. 1986. Risikogesellschaft. Auf dem Weg in eine andere Moderne. Frankfurt am Main: Suhrkamp. Beck-Gernsheim, Elisabeth. 1981. Der geschlechtsspezifische Arbeitsmarkt. Zur Ideologie und Realität von Frauenberufen. Frankfurt: Aspekte Verlag, 2. Aufl. Becker, Gary S. 1971. The Economics of Discrimination. Chicago: University of Chicago Press, 2. Aufl. Becker, Gary S. 1985. Human Capital, Effort, and the Sexual Division of Labor. Journal of Labor Economics 3 (Supplement):S33–S58. Becker, Gary S. 1991. A Treatise on the Family. Cambridge, MA: Harvard University Press, 2. Aufl. Becker, Gary S. 1993. Human Capital: A Theoretical and Empirical Analysis with Special Reference to Education. Chicago: University of Chicago Press, 3. Aufl. Belsley, David A., Edwin Kuh, Roy E. Welsch. 1980. Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. New York: Wiley. Berger, Peter A., Peter Steinmüller, Peter Sopp. 1993. Differentiation of Life-Courses? Changing Patterns of Labour-Market Sequences in West Germany. European Sociological Review 9:43–65. Berner, Sämi. 1994. Einstellungs- und Beförderungsaussichten von Milizoffizieren in multinationalen Unternehmen in der Schweiz – heutiger Stand und absehbare Veränderungen im Zusammenhang mit der „Armee 95“. Diplomarbeit an der Hochschule St. Gallen (erhältlich bei der Eidgenössischen Militärbibliothek). Bernhardt, Annette, David E. Marcotte. 2000. Is “Standard Employment” Still What It Used to Be? In: Nonstandard Work: The Nature and Challenge of Changing Employment Arrangements, herausge-

232


geben von Françoise Carré, Marianne A. Ferber, Lonnie Golden, und Stephen A. Herzenberg, S. 21–40. Champaign, IL: Industrial Relations Research Association (IRRA). Bernhardt, Annette, Martina Morris, Mark S. Handcock. 1995. Women’s Gains or Men’s Losses? A Closer Look at the Shrinking Gender Gap in Earnings. American Journal of Sociology 101:302– 328. Bernhardt, Annette, Martina Morris, Mark S. Handcock, Marc A. Scott. 2001. Divergent Paths. Economic Mobility in the New American Labor Market. New York: Russel Sage Foundation. Bertossa, Luca, Daniel Binzegger, Stefan Bühler. 1994. Das Gewicht der militärischen Ausbildung und Karriere. Schweizerische Arbeitgeber-Zeitung 89(3):65–69. Bielby, Denise D., William T. Bielby. 1988. She Works Hard for the Money: Household Responsibilities and the Allocation of Work Effort. American Journal of Sociology 93:1031–1059. Blanke, Karen, Manfred Ehling, Norbert Schwarz. 1996. Zeit im Blickfeld: Ergebnisse einer repräsentativen Zeitbudgeterhebung. Stuttgart: Kohlhammer. Blasnik, Michael. 2001. estsave: Stata module to save estimation results with current dataset. Statistical Software Components S435601. Boston College Department of Economics. Erhältlich unter http://ideas.repec.org/c/boc/bocode/s435601.html. Blau, Francine D., Andrea H. Beller. 1988. Trends in Earnings Differentials by Gender, 1971-1981. Industial and Labor Relations Review 41:513–529. Blau, Francine D., Lawrence M. Kahn. 1992. The Gender Earnings Gap: Learning from International Comparisons. American Economic Review 82:533–538. Blau, Francine D., Lawrence M. Kahn. 1996a. International Differences in Male Wage Inequality: Institutions versus Market Forces. Journal of Political Economy 104:791–837. Blau, Francine D., Lawrence M. Kahn. 1996b. Wage Structure and Gender Earnings Differentials: an International Comparison. Economica 63:S29–S62. Blau, Francine D., Lawrence M. Kahn. 1997. Swimming Upstream: Trends in the Gender Wage Differential in the 1980s. Journal of Labor Economics 15:1–42. Blau, Francine D., Lawrence M. Kahn. 2003. Understanding International Differences in the Gender Pay Gap. Journal of Labor Economics 21:106–144. Blinder, Alan S. 1973. Wage Discrimination: Reduced Form and Structural Estimates. The Journal of Human Resources 8:436–455. Blossfeld, Hans-Peter, Catherine Hakim (Hrsg.). 1997. Between Equalization and Marginalization. Women Working Part-Time in Europe and the United States of America. Oxford: Oxford University Press. Bollen, Kenneth A., Robert W. Jackman. 1990. Regression Diagnostics: An Expository Treatment of Outliers and Influential Cases. In: Modern Methods of Data Analysis, herausgegeben von John Fox und J. Scott Long, S. 257–291. Newbury Park, CA: Sage. Bolzani, Enrico, Ramses H. Abul Naga. 2002. La Distribution des Salaires en Suisse: Quelques Observations sur la Récession des Années 90. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 138:115–136. Bonjour, Dorothe. 1997. Lohndiskriminierung in der Schweiz. Eine ökonometrische Untersuchung. Bern: Haupt. Bonjour, Dorothe. 2000. Are civil servants paid too much? A distributional analysis of the publicprivate wage gap in Switzerland. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 136:557–578. Bonjour, Dorothe, Michael Gerfin. 1995. Einkommensungleichheit zwischen Frauen und Männern. Eine ökonometrische Analyse der Schweizer Arbeitskräfteerhebung: Kommentar. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 131:701–710. Bonjour, Dorothe, Michael Gerfin. 2001. The Unequal Distribution of Unequal Pay – An Empirical Analysis of the Gender Wage Gap in Switzerland. Empirical Economics 26:407–427.


233

Borjas, George, Valerie Ramey. 1995. Foreign Competition, Market Power, and Wage Inequality. Quarterly Journal of Economics 110:1075–1110. Bound, John, George Johnson. 1992. Changes in the Structure of Wages in the 1980’s: An Evaluation of Alternative Explanations. American Economic Review 82:371–392. Bourdieu, Pierre. 1983. Ökonomisches Kapital, kulturelles Kapital, soziales Kapital. Soziale Welt 34:183–198. Bridges, William P., Wayne J. Villemez. 1986. Informal Hiring and Income in the Labor Market. American Sociological Review 51:574–582. Brüderl, Josef, Andreas Diekmann, Henriette Engelhardt. 1993. Einkommensunterschiede zwischen Frauen und Männern in der Schweiz. Schweizerische Zeitschrift für Soziologie 19:573–588. Brunner, Dominique. 1997. Sind militärische Führungsgrundsätze in der Wirtschaft noch anwendbar? Allgemeine Schweizerische Militärzeitschrift 163(11):12. Buchmann, Marlis, Irene Kriesi, Stefan Sacchi. 2003. Labor-Market Structures and Women’s Paid Work: Opportunities and Constraints in the Swiss Labor Market. Advances in Life Course Research 8:165–188. Budig, Michelle J. 2002. Male Advantage and the Gender Composition of Jobs: Who Rides the Glass Escalator? Social Problems 49:258–277. Budig, Michelle J., Paula England. 2001. The Wage Penalty for Motherhood. American Sociological Review 66:204–225. Bundesamt für Statistik. 1993. Auf dem Weg zur Gleichstellung? Frauen und Männer in der Schweiz aus statistischer Sicht. Bern: BFS. Bundesamt für Statistik. 1996a. Die Schweizerische Arbeitskräfteerhebung (SAKE). Konzepte, methodische Grundlagen, praktische Ausführung. Bern: BFS. Bundesamt für Statistik. 1996b. Ein langer Weg zur Gleichstellung der Geschlechter. Pressemitteilung 55/1996. Bern: BFS. Bundesamt für Statistik. 1997. Auf dem Weg zur Gleichstellung? Aktualisierung der zentralen Indikatoren 1997. Bern: BFS. Bundesamt für Statistik. 1999a. Bildungsabschlüsse 1997. Neuchatel: BFS. Bundesamt für Statistik. 1999b. Schülerinnen, Schüler und Studierende 1997/98. Neuchatel: BFS. Bundesamt für Statistik. 2000. Der Weg zur Gleichstellung von Frau und Mann ist noch lang. Pressemitteilung 19/00. Neuchâtel: BFS. Bundesamt für Statistik. 2003a. Schweizerische Lohnstrukturerhebung 2002. Pressemitteilung 03500311-70. Neuchâtel: BFS. Bundesamt für Statistik. 2003b. Sozialberichterstattung Schweiz: Auf dem Weg zur Gleichstellung? Frauen und Männer in der Schweiz – Dritter statistischer Bericht. Neuchâtel: BFS. Bundesamt für Statistik. 2005. Eidgenössische Volkszählung: Fortschritte und Stagnation in der Gleichstellung der Geschlechter 1970–2000. Neuchâtel: BFS. Bundesamt für Statistik. 2006a. BFS Aktuell: Selbständige Erwerbstätigkeit in der Schweiz. Eine Untersuchung zu den Ergebnissen der Schweizerischen Arbeitskräfteerhebung. Neuchâtel: BFS. Bundesamt für Statistik. 2006b. BFS Aktuell: Teilzeitarbeit in der Schweiz. Neuchâtel: BFS. Bundesamt für Statistik. 2006c. Die Schweizerische Lohnstrukturerhebung 2004. Resultate auf nationaler Ebene. Neuchâtel: BFS. Bundesamt für Statistik. 2007. BFS Aktuell: Schweizerische Lohnstrukturerhebung 2006. Erste Ergebnisse. Neuchâtel: BFS. Bundesamt für Statistik. 2008a. BFS Aktuell: Erwerbstätigkeit der Personen ab 50 Jahren. Eine Untersuchung zu den Ergebnissen der Schweizerischen Arbeitskräfteerhebung und der Lohnstrukturerhebung. Neuchâtel: BFS. Bundesamt für Statistik. 2008b. BFS Aktuell: Gleichstellung von Frau und Mann: Die Schweiz im internationalen Vergleich. Eine Auswahl von Gleichstellungsindikatoren in den Bereichen Bildung, Arbeit und Politik. Neuchâtel: BFS.

234


Burgess, John, Martin Watts. 1999. Labour Market Reform, the End of the Standard Employment Model and Workforce Polarisation in Australia. University of Newcastle, Australia. Erhältlich unter http://www.kua.uni-bremen.de/news/iwp/burgess.pdf. Cain, Glen G. 1977. The Challenge of Segmented Labor Market Theories to Orthodox Theory: A Survey. Journal of Economic Literature 14:1215–1257. Card, David. 1996. The Effect of Unions on the Structure of Wages: A Longitudinal Analysis. Econometrica 64:957–979. Card, David. 2001. The Effect of Unions on Wage Inequality in the U.S. Labor Market. Industrial and Labor Relations Review 54:296–315. Carrington, William J., Kenneth R. Troske. 1998. Sex Segregation in U.S. Manufacturing. Industrial and Labor Relations Review 51:445–464. Casella, George (Hrsg.). 2003. Silver Anniversary of the Bootstrap. Statistical Science 28(2). Charles, Maria. 1998. Structure, Culture, and Sex Segregation in Europe. In: Research in Social Stratification and Mobility, herausgegeben von Kevin T. Leicht, Band 16, S. 89–116. Stanford: Jai Press. Charles, Maria. 2005. Demos: Entwicklung der beruflichen Segregation nach Geschlecht und nach Staatsangehörigkeit in der Schweiz, 1970–2000. Neuchâtel: BFS. Coleman, James S. 1988. Social Capital in the Creation of Human Capital. American Journal of Sociology 94 (Supplement):S95–S120. Comment, Tamara, Beat Hulliger, Andrea Ries. 1996. Gewichtungsverfahren für die Schweizerische Arbeitskräfteerhebung (1991–1995). SAKE-News 4/96. Bern: BFS. Cowell, F. A. 2000. Measurement of Inequality. In: Handbook of Income Distribution, herausgegeben von A. B. Atkinson und F. Bourguignon, Band 1, S. 87–166. Amsterdam: Elsevier. Cox, Nicholas J. 2000. dm79: Yet more matrix commands. Stata Technical Bulletin 56:4–8. Cox, Nicholas J. 2004. Speaking Stata: Graphing categorical and compositional data. The Stata Journal 4:190–215. Cwik, Jan, Jan Mielniczuk. 1993. Data-dependent bandwidth choice for a grade density kernel estimate. Statistics & Probability Letters 16:397–405. Datta Gupta, Nabanita, Ronald L. Oaxaca, Nina Smith. 2003. Swimming Upstream, Floating Downstream: Comparing Women’s Relative Wage Positions in the United States and Denmark. Industrial and Labor Relations Review 59:243–266. Davison, Anthony C., David V. Hinkley. 1997. Bootstrap methods and their application. Cambridge: Cambridge University Press. Daymont, Thomas N., Paul J. Andrisani. 1984. Job Preferences, College Major, and the Gender Gap in Earnings. The Journal of Human Resources 19:408–428. De Graaf, Nan Dirk, Hendrik Derk Flap. 1988. “With a Little Help from My Friends”: Social Resources as an Explanation of Occupational Status and Income in West Germany, The Netherlands, and the Unites States. Social Forces 67:452–472. De Grip, Andries, Jeroen Hoevenberg, Ed Willems. 1997. Atypical employment in the European Union. International Labour Review 136:49–71. Deutsch, Joseph, Yves Flückiger, Jacques Silber. 2005. Les ségrégations sur le marché suisse du travail. Analyse des inégalités selon le sexe, la nationalité et l’âge, de 1970 à 2000. Neuchâtel: BFS. Diekmann, Andreas. 2007. Empirische Sozialforschung. Grundlagen, Methoden, Anwendungen. Reinbek bei Hamburg: Rowohlt, 18. Aufl. Diekmann, Andreas, Henriette Engelhardt. 1995a. Einkommensungleichheit zwischen Frauen und Männern. Eine ökonometrische Analyse der Schweizer Arbeitskräfteerhebung. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 131:57–83. Diekmann, Andreas, Henriette Engelhardt. 1995b. Geschlechtsspezifische Einkommensungleichheit und die Rolle des Familienstandes. SAKE-News 1/95. Bern: BFS.


235

Diekmann, Andreas, Henriette Engelhardt, Ben Jann. 2000. Expansion of the Service Sector. A Comparison of the Labor Markets in the USA, West Germany and Switzerland. University of Berne. Erhältlich unter http://www.socio.ethz.ch/people/jannb/wp/services.pdf. Diekmann, Andreas, Henriette Engelhardt, Ben Jann, Klaus Armingeon, Simon Geissbühler. 1999. Der Schweizer Arbeitsmarktsurvey 1998. Codebuch. Universität Bern. Erhältlich unter http://www. socio.ethz.ch/people/jannb/publications/SAMS98.pdf. DiNardo, John E., Nicole Fortin, Thomas Lemieux. 1996. Labour Market Institutions and the Distribution of Wages, 1973-1992: A Semiparametric Approach. Econometrica 64:1001–1046. Dombois, Rainer. 1999. Der schwierige Abschied vom Normalarbeitsverhältnis. Aus Politik und Zeitgeschichte B 37/99:13–20. DuMouchel, William H., Greg J. Duncan. 1983. Using Sample Survey Weights in Multiple Regression Analyses of Stratified Samples. Journal of the American Statistical Association 78:535–543. Duncan, Otis Dudley, Beverly Duncan. 1955. A Methodological Analysis of Segregation Indexes. American Sociological Review 20:210–217. Durán, Maria-Angeles, Jens Bonke, Alicia Garrido, Margaret Maruani, Heloisa Perista, Dina Vaiou. 1998. The Future of Work in Europe. Gendered Patterns of Time Distribution. European Commission, Directorate-General for Employment, Industrial Relations and Social Affairs, Brussels. Efron, Bradley, Robert J. Tibshirani. 1993. An introduction to the bootstrap. New York: Chapman & Hall. Engelhardt, Henriette. 1999. Lineare Regression mit Selektion: Möglichkeiten und Grenzen der Heckman-Korrektur. Kölner Zeitschrift für Soziologie und Sozialpsychologie 51:706–723. Engelhardt, Henriette. 2000. Modelle zur Messung und Erklärung personeller Einkommensverteilungen. In: Handbuch der Demographie, herausgegeben von Ulrich Mueller, Bernhard Nauck, und Andreas Diekmann, Band 2. Berlin: Springer. Erb, Walter. 1997. Will die Wirtschaft keine Offiziere mehr? AOG-Mitteilungen (Allgemeine Offiziersgesellschaft von Zürich und Umgebung) 65(1):12–14. Falter, Jean-Marc, Giovanni Ferro Luzzi. 2000. Public–Private Sector Wage Differentials in Switzerland. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 136:319–339. Feld, Scott L. 1997. Network analysis using the method of path lists: testing the weak ties hypothesis. Social Networks 19:97–111. Ferro Luzzi, Giovanni, Yves Flückiger, Jacques Silber. 1998. Der Einfluss der beruflichen Segregation auf die Lohndifferenz zwischen Frauen und Männern – eine ökonomische Analyse. In: Grenzverschiebungen: Zum Wandel des Geschlechterverhältnisses in der Schweiz, herausgegeben von Eva Nadai und Than-Huyen Ballmer-Cao, S. 217–242. Chur: Rüegger. Feusi Widmer, Roswitha. 2004. Die Schweizerische Arbeitskräfteerhebung (SAKE). Konzepte – Methodische Grundlagen – Praktische Ausführung. Neuchâtel: BFS. Fibbi, Rosita, Bülent Kaya, Etienne Piguet. 2003. Le passeport ou le diplôme? Etude des discriminations à l’embauche des jeunes issus de la migration. Neuchâtel: Schweizerisches Forum für Migrations- und Bevölkerungsstudien (SFM). Fields, Judith, Edwards N. Wolff. 1995. Interindustry Wage Differentials and the Gender Wage Gap. Industrial and Labor Relations Review 49:105–120. Flap, Henk, Beate Völker. 2001. Goal specific social capital and job satisfaction. Effects of different types of networks on instrumental and social aspects of work. Social Networks 23:297–320. Fopp, Adrian. 1992. Die Bedeutung der schweizerischen Generalstabsausbildung für die Problemlösungsfähigkeit ziviler Führungskräfte. Diplomarbeit an der Hochschule St. Gallen (erhältlich bei der Eidgenössischen Militärbibliothek). Fortin, Nicole, Thomas Lemieux. 1998. Rank Regressions, Wage Distributions, and the Gender Gap. The Journal of Human Resources 33:610–643. Fortin, Nicole M. 2006. Greed, Altruism, and the Gender Wage Gap. University of British Columbia. Erhältlich unter http://www.econ.ubc.ca/nfortin/Fortinat8.pdf.

236


Franz, Wolfgang. 1996. Arbeitsmarktökonomik. Berlin, Heidelberg: Springer, 3. Aufl. Franzen, Axel. 2001. Wages and the Use of New Technologies: An Empirical Analysis of the Swiss Labor Market. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 137:505–523. Freeman, Richard B. 1993. How Much has De-unionization Contributed to the Rise in Male Earnings Inequality? In: Uneven Tides: Rising Inequality in America, herausgegeben von Sheldon Danziger und Peter Gottschalk, S. 133–163. New York: Sage. Frick, Joachim R., Stephen P. Jenkins, Dean R. Lillard, Oliver Lipps, Mark Wooden. 2007. The CrossNational Equivalent File (CNEF) and its Member Country Household Panel Studies. Journal of Applied Social Science Studies (Schmollers Jahrbuch) 127:626–654. Ganzeboom, Harry B. G., Donald J. Treiman. 1996. Internationally Comparable Measures of Occupational Status for the 1988 International Standard Classification of Occupations. Social Science Research 25:201–239. Geerken, Michael, Walter R. Gove. 1983. At Home and At Work: The Family’s Allocation of Labor. Beverly Hills, CA: Sage. Gelman, Andrew, Jennifer Hill. 2007. Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge: Cambridge University Press. Giesecke, Johannes, Martin Groß. 2003. Temporary Employment: Chance or Risk? European Sociological Review 19:161–177. Glass, Jennifer, Valerie Camarigg. 1992. Gender, Parenthood, and Job-Family Compatibility. American Journal of Sociology 98:131–151. Goldschneider, Frances K., Linda J. Waite. 1991. New Families, no Families? The Transformation of the American Home. Berkeley and Los Angeles, CA: University of California Press. Gosling, Amanda, Thomas Lemieux. 2001. Labour Market Reforms and Changes in Wage Inequality in the United Kingdom and the United States. NBER Working Paper 8413. Erhältlich unter http: //ideas.repec.org/p/nbr/nberwo/8413.html. Granovetter, Mark. 1983. The Strength of Weak Ties: A Network Theory Revisited. Sociological Theory 1:201–233. Granovetter, Mark S. 1973. The Strength of Weak Ties. American Journal of Sociology 78:1360–1380. Granovetter, Mark S. 1974. Getting A Job. A Study of Contacts and Careers. Cambridge, MA: Harvard University Press. Greene, William H. 2003. Econometric Analysis. Upper Saddle River, NJ: Pearson Education, 5. Aufl. Groshen, Erica L. 1991. The Structure of the Female/Male Wage Differential: Is it Who You Are, What You Do, or Where You Work. The Journal of Human Resources 26:457–472. Gujarati, Damodar N. 2003. Basic Econometrics. New York: McGraw-Hill, 4. Aufl. Hallerbach, Rolf. 1988. Erfahrungen eines Großunternehmens. Aufstieg im Zivilberuf für Zeitoffiziere der Bundeswehr. Europäische Wehrkunde 37:330–331. Haltiner, Karl W., Andreas Wenger, Jonathan Bennet, Tibor Szvircsev. 2001. Sicherheit 2001. Aussen-, Sicherheits- und Verteidigungspolitische Meinungsbildung im Trend. Zürich: ETH Zürich. Handcock, Mark S., Paul L. Janssen. 2002. Statistical Inference for the Relative Density. Sociological Methods and Research 30:394–424. Handcock, Mark S., Martina Morris. 1998. Relative Distribution Methods. Sociological Methodology 28:53–97. Handcock, Mark S., Martina Morris. 1999. Relative Distribution Methods in the Social Sciences. New York: Springer. Hartmann, Michael. 1996. Topmanager. Die Rekrutierung einer Elite. Frankfurt am Main/New York: Campus. Heckman, James J. 1976. The Common Structure of Statistical Models of Truncation, Sample Selection and Limited Dependent Variables and a Simple Estimator for Such Models. Annals of Econometrics and Social Measurement 5:475–492. Heckman, James J. 1979. Sample Selection Bias as a Specification Error. Econometrica 47:153–161.


237

Heckman, James J., Thomas M. Lyons, Petra E. Todd. 2000. Understanding Black-White Wage Differentials. American Economic Review 90:344–349. Henneberger, Fred, Alfonso Sousa-Poza. 1999. Geschlechtsspezifische Lohndiskriminierung: Neueste Evidenz von den Mikrodaten aus der Schweizerischen Arbeitskräfteerhebung. Schweizerische Zeitschrift für Soziologie 25:259–279. Hersch, Joni, Leslie S. Stratton. 2002. Housework and Wages. The Journal of Human Resources 37:217–229. Hochstrasser, Jean-Marc. 1989. Die berufliche Situation der Offiziere der Felddivision 6. Historisches Seminar der Universität Zürich (erhältlich bei der Eidgenössischen Militärbibliothek). Hoffmann, Edeltraut, Ulrich Walwei. 1998. Normalarbeitsverhältnis: ein Auslaufmodell? Überlegungen zu einem Erklärungsmodell für den Wandel der Beschäftigungsformen. Mitteilungen aus der Arbeitsmarkt- und Berufsforschung 31:409–425. Hollenstein, Hans. 1987. Spitzenmanager in der Schweiz. Herkunft, Ausbildung, Werdegang, Stellung in der Gesellschaft. Bern: Haupt. Holst, Elke, Friederike Maier. 1998. Normalarbeitsverhältnis und Geschlechterordung. Mitteilungen aus der Arbeitsmarkt- und Berufsforschung 31:506–518. Ibarra, Herminia. 1992. Homophily and Differential Returns: Sex Differences in Network Structure and Access in an Advertising Firm. Administrative Science Quarterly 37:422–447. International Labour Organization. 1990. ISCO-88, International Standard Classification of Occupations. Genf: ILO. Jann, Ben. 2001. Ungleichheit und Gerechtigkeit 2001. Codebuch und Dokumentation. Universität Bern. Erhältlich unter http://www.socio.ethz.ch/people/jannb/publications/SUGS01.pdf. Jann, Ben. 2003. The Swiss Labor Market Survey 1998 (SLMS 98). Journal of Applied Social Science Studies (Schmollers Jahrbuch) 123:329–335. Jann, Ben. 2004a. center: Stata module to center (or standardize) variables. Statistical Software Components S4444102. Boston College Department of Economics. Erhältlich unter http://ideas.repec. org/c/boc/bocode/s444102.html. Jann, Ben. 2004b. duncan: Stata module to calculate dissimilarity index. Statistical Software Components S447202. Boston College Department of Economics. Erhältlich unter http://ideas.repec. org/c/boc/bocode/s447202.html. Jann, Ben. 2004c. mgen: Stata module to apply generate to a matrix. Statistical Software Components S437902. Boston College Department of Economics. Erhältlich unter http://ideas.repec.org/c/boc/ bocode/s437902.html. Jann, Ben. 2004d. wgttest: Stata module to test the impact of sampling weights in regression analysis. Statistical Software Components S4444104. Boston College Department of Economics. Erhältlich unter http://ideas.repec.org/c/boc/bocode/s444104.html. Jann, Ben. 2005a. Einführung in die Statistik. München: Oldenbourg, 2. Aufl. Jann, Ben. 2005b. estwrite: Stata module to store estimates in a Stata dataset on disk. Statistical Software Components S450201. Boston College Department of Economics. Erhältlich unter http://ideas.repec.org/c/boc/bocode/s450201.html. Jann, Ben. 2005c. jmpierce2: Stata module to compute trend decomposition of outcome differentials. Statistical Software Components S444804. Boston College Department of Economics. Erhältlich unter http://ideas.repec.org/c/boc/bocode/s448804.html. Jann, Ben. 2005d. kdens: Stata module for univariate kernel density estimation. Statistical Software Components S456410. Boston College Department of Economics. Erhältlich unter http://ideas. repec.org/c/boc/bocode/s456410.html. Jann, Ben. 2005e. Making regression tables from stored estimates. The Stata Journal 5:288–308. Jann, Ben. 2005f. moremata: Stata module (Mata) to provide various functions. Statistical Software Components S455001. Boston College Department of Economics. Erhältlich unter http://ideas. repec.org/c/boc/bocode/s455001.html.

238


Jann, Ben. 2005g. oaxaca: Stata module to compute decompositions of outcome differentials. Statistical Software Components S450604. Boston College Department of Economics. Erhältlich unter http://ideas.repec.org/c/boc/bocode/s450604.html. Jann, Ben. 2005h. relrank: Stata module to generate relative data (grade transformation). Statistical Software Components S455001. Boston College Department of Economics. Erhältlich unter http: //ideas.repec.org/c/boc/bocode/s455001.html. Jann, Ben. 2007a. erepost: Stata module to repost the estimation results. Statistical Software Components S456850. Boston College Department of Economics. Erhältlich unter http://ideas.repec. org/c/boc/bocode/s456850.html. Jann, Ben. 2007b. fre: Stata module to display one-way frequency table. Statistical Software Components S456835. Boston College Department of Economics. Erhältlich unter http://ideas.repec. org/c/boc/bocode/s456835.html. Jann, Ben. 2007c. Making regression tables simplified. The Stata Journal 7:227–244. Jann, Ben. 2007d. marktouse: Stata module to mark the observations to be used. Statistical Software Components S456846. Boston College Department of Economics. Erhältlich unter http://ideas. repec.org/c/boc/bocode/s456846.html. Jann, Ben. 2007e. Univariate kernel density estimation. ETH Zürich. Erhältlich unter http://fmwww. bc.edu/RePEc/bocode/k/kdens.pdf. Jasso, Guillermina, Peter H. Rossi. 1977. Distributive Justice and Earned Income. American Sociological Review 42:639–651. Jasso, Guillermina, Murray Webster, Jr. 1997. Double Standards in Just Earnings for Male and Female Workers. Social Psychology Quarterly 60:66–78. Jasso, Guillermina, Murray Webster, Jr. 1999. Assessing the Gender Gap in Just Earnings and Its Underlying Mechanisms. Social Psychology Quarterly 62:367–380. Jeanloz, Thérèse. 2007. Lohnentwicklung 2006. Kommentierte Ergebnisse und Tabellen. Neuchâtel: BFS. Jenkins, Stephen P. 1999. sg104: Analysis of income distributions. Stata Technical Bulletin 48:4–18. Jones, F. L., Jonathan Kelley. 1984. Decomposing Differences Between Groups. A Cautionary Note on Measuring Discrimination. Sociological Methods and Research 12:323–343. Juhn, Chinhui, Kevin M. Murphy, Brooks Pierce. 1991. Accounting for the Slowdown in Black-White Wage Convergence. In: Workers and Their Wages, herausgegeben von Marvin Kosters, S. 107–143. Washington, DC: AEI Press. Juhn, Chinhui, Kevin M. Murphy, Brooks Pierce. 1993. Wage Inequality and the Rise in Returns to Skill. Journal of Political Economy 101:410–442. Kaiser, Lutz C. 2001a. Standard and Non-Standard Employment Patterns across Europe. EPAG Working Paper 25. University of Essex. Erhältlich unter http://www.iser.essex.ac.uk/epag/pubs/ workpaps/pdf/2001-26.pdf. Kaiser, Lutz C. 2001b. Unbefristete Vollzeitbeschäftigung nach wie vor dominierende Erwerbsform in Europa. DIW Wochenbericht 68. Kalleberg, Arne L. 2000. Nonstandard Employment Relations: Part-time, Temporary and Contract Work. Annual Review of Sociology 26:341–365. Kalleberg, Arne L., Barbara F. Reskin, Ken Hudson. 2000. Bad Jobs in America: Standard and Nonstandard Employment Relations and Job Quality in the United States. American Sociological Review 65:256–278. Katz, Lawrence F., Kevin M. Murphy. 1992. Changes in Relative Wages, 1963-87: Supply and Demand Factors. Quarterly Journal of Economics 107:35–78. Keller, Daniel. 1995. Manager ohne Offiziershut. Diplomarbeit an der ETH Zürich (erhältlich bei der Eidgenössischen Militärbibliothek). Keller, Roland, Bernhard Wigger. 1998. Umfrage in Armee und Wirtschaft: Die höhere Kaderausbildung im Wandel. Forum – Magazin für das Instruktionskorps 30:19–21.


239

Kilbourne, Barbara Stanek, George Farkas, Kurt Beron, Dorothea Weir, Paula England. 1994. Returns to Skill, Compensating Differentials, and Gender Bias: Effects of Occupational Characteristics on the Wages of White Women and Men. The American Journal of Sociology 100:689–719. Killingsworth, Mark R. 1983. Labor Supply. Cambridge: Cambridge University Press. Kommission für Zukunftsfragen der Freistaaten Bayern und Sachsen. 1998. Erwerbstätigkeit und Arbeitslosigkeit in Deutschland. Entwicklung, Ursachen, Maßnahmen. Leitsätze, Zusammenfassung und Schlußfolgerungen der Teile I, II und III des Kommisionsberichts (sic). München: Olzog. Kress, Ulrike. 1998. Vom Normalarbeitsverhältnis zur Flexibilisierung des Arbeitsmarktes. Ein Literaturbericht. Mitteilungen aus der Arbeitsmarkt- und Berufsforschung 31:488–505. Kriesi, Hanspeter. 1980. Entscheidungsstrukturen und Entscheidungsprozesse in der Schweizer Politik. Frankfurt am Main: Campus. Kriesi, Hanspeter, Peter Farago, Martin Kohli, Milad Zarin-Nejadan (Hrsg.). 2005. Contemporary Switzerland: Revisiting the Special Case. Hampshire: Palgrave Macmillan. Kugler, Peter. 1988. Lohndiskriminierung in der Schweiz: Evidenz von Mikrodaten. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 124:23–47. Kumlin, Johanna. 2007. The Sex Wage Gap in Japan and Sweden: The Role of Human Capital, Workplace Sex Composition, and Family Responsibility. European Sociological Review 23:203–221. Küng Gugler, Anne, Susanne Blank. 1999. Lohndisparitäten in der Schweiz. Keine erhebliche Zunahme in der Schweiz. Die Volkswirtschaft – Magazin für Wirtschaftspolitik 5/99:52–55. Küng Gugler, Anne, Susanne Blank. 2000. Inégalité des salaires en Suisse: pas d’augmentation sensible durant les années 90. Schweizerische Zeitschrift für Volkswirtschaft und Statistik 136:307–317. LaLonde, Robert J., Robert H. Topel. 1992. The Assimilation of Immigrants in the U.S. Labor Markets. In: Immigration and the Work Force. Economic Consequences for the United States and Source Areas, herausgegeben von George J. Borjas und Richard B. Freeman, S. 61–75. Chicago: University of Chicago Press. Lee, Eun Sul, Ronald N. Forthofer, Ronald J. Lorimor. 1989. Analyzing Complex Survey Data. Newbury Park, CA: Sage. Lee, Sang-Hyop. 2000. On Decomposing Changes in Male-Female Wage Gap. Working Paper No. 00-12. University of Hawaii at Manoa. Erhältlich unter http://ideas.repec.org/p/hai/wpaper/200012. html. Lemieux, Thomas. 2002. Decomposing changes in wage distributions: a unified approach. Canadian Journal of Economics 35:646–688. Lennon, Mary Clare, Sarah Rosenfield. 1994. Relative Fairness and the Division of Housework: The Importance of Options. American Journal of Sociology 100:506–531. Lerman, Rober I., Shlomo Yitzhaki. 1989. Improving the accuracy of estimates of Gini coefficients. Journal of Econometrics 42:43–47. Levy, Paul S., Stanley Lemeshow. 1999. Sampling of Populations: Methods and Applications. New York: Wiley, 3. Aufl. Lichtsteiner, René. 1997. Vom Nutzen der militärischen Kaderausbildung für ein international tätiges Industrieunternehmen. AOG-Mitteilungen (Allgemeine Offiziersgesellschaft von Zürich und Umgebung) 65(1):9–11. Liebeskind, Uta. 2004. Arbeitsmarktsegregation und Einkommen. Vom Wert „weiblicher“ Arbeit. Kölner Zeitschrift für Soziologie und Sozialpsychologie 56:630–652. Lin, Eric S. 2007. On the standard errors of Oaxaca-type decompositions for inter-industry gender wage differentials. Economics Bulletin 10:1–11. Lin, Nan, Walter M. Ensel, John C. Vaughn. 1981a. Social Resources and the Strength of Ties: Structural Factors in Occupational Status Attainment. American Sociological Review 46:393–405. Lin, Nan, John C. Vaughn, Walter M. Ensel. 1981b. Social Resources and Occupational Status Attainment. Social Forces 59:1163–1181.

240


Lind, Jens, Iver Hornemann Møller (Hrsg.). 1999. Inclusion and Exclusion: Unemployment and Nonstandard Employment in Europe. Aldershot: Ashgate. Liu, William T., Robert W. Duff. 1972. The Strength in Weak Ties. Public Opinion Quarterly 36:361– 366. Lohr, Sharon L. 1999. Sampling: Design and Analysis. Pacific Grove: Duxbury Press. Long, J. Scott. 1997. Regression Models for Categorical and Limited Dependent Variables. Thousand Oaks, CA: Sage. Long, J. Scott, Jeremy Freese. 2006. Regression Models for Categorical Dependent Variables Using Stata. College Station, Texas: Stata Press, 2. Aufl. Lorenz, Wilhelm, Joachim Wagner. 1993. A Note on Returns to Human Capital in the Eighties: Evidence from Twelve Countries. Jahrbücher für Nationalökonomik und Statistik 211:60–72. Lutz, Nico. 1998. Ende einer amour fou. GSoA-Zitig 74:6. Machado, José A. F., José Mata. 2005. Counterfactual decomposition of changes in wage distributions using quantile regression. Journal of Applied Econometrics 20:445–465. Macpherson, David A., Barry T. Hirsch. 1995. Wages and Gender Composition: Why Do Women’s Jobs Pay Less. 13: 426-471. Journal of Labor Economics 13:426–471. Madden, Janice F. 1973. The Economics of Sex Discrimination. Lexington, Mass.: D.C. Heath and Company. Major, Brenda, Dean B. Mcfarlin, Diana Gagnon. 1984. Overworked and Underpaid: On the Nature of Gender Differences in Personal Entitlement. Journal of Personality and Social Psychology 47:1399–1412. Marsden, Peter V., Karen E. Campbell. 1984. Measuring Tie Strength. Social Forces 63:482–501. Marsden, Peter V., Jeanne S. Hurlbert. 1988. Social Resources and Mobility Outcomes: A Replication and Extension. Social Forces 66:1038–1059. McLennan, Michelle C. 2000. Does Household Labor Impact Market Wages? Applied Economics 32:1541–1557. Meyersson Milgrom, Eva M., Trond Petersen, Vermund Snartland. 2001. Equal Pay for Equal Work? Evidence from Sweden and a Comparison with Norway and the U.S. Scandinavian Journal of Economics 103:559–583. Mincer, Jacob. 1974. Schooling, Experience and Earnings. New York and London: Columbia University Press. Mincer, Jacob. 1985. Intercountry Comparisons of Labor Force Trends and of Related Developments: An Overview. Journal of Labor Economics 3 (Supplement):S1–S32. Mincer, Jacob, Solomon Polachek. 1974. Family Investments in Human Capital: Earnings of Women. Journal of Political Economy 82:S76–S108. Montgomery, James D. 1991. Social Networks and Labor-Market Outcomes: Toward an Economic Analysis. The American Economic Review 81:1408–1418. Montgomery, James D. 1992. Job Search and Network Composition: Implications of the Strength-OfWeak-Ties Hypothesis. American Sociological Review 57:586–596. Mood, Alexander M., Franklin A. Graybill, Duane C. Boes. 1974. Introduction to the Theory of Statistics. New York: McGraw-Hill. Mooney, Christopher Z. 1997. Monte Carlo Simulation. Thousand Oaks, CA: Sage. Mooney, Christopher Z., Robert D. Duval. 1993. Bootstrapping. A Nonparametric Approach to Statistical Inference. Newbury Park, CA: Sage. Moore, Gwen, Deborah White. 2001. Geschlechterungleichheit und Elite-Netzwerke in vierundzwanzig Industriegesellschaften. In: Geschlechtersoziologie. Sonderheft 41 der Kölner Zeitschrift für Soziologie und Sozialpsychologie, herausgegeben von Bettina Heintz, S. 136–151. Wiesbaden: Westdeutscher Verlag. Morris, Martina, Annette D. Bernhardt, Mark S. Handcock. 1994. Economic Inequality: New Methods for New Trends. American Sociological Review 59:205–219.


241

Morris, Martina, Bruce Western. 1999. Inequality in Earnings at the Close of the Twentieth Century. Annual Review of Sociology 25:623–657. Mosteller, Frederick, John W. Tukey. 1977. Data Analysis and Regression: A Second Course in Statistics. Reading, MA: Addison Wesley. Moulin, Stéphane. 2003. Decline of the Permanent and Full-Time Employment Model and Gender Discrimination in France. Laboratoire d’Economie et de Sociologie du Travail (LEST). Mückenberger, Ulrich. 1985. Die Krise des Normalarbeitsverhältnisses. Zeitschrift für Sozialreform 31:415–475. Muehlberger, Ulrike. 2007. Dependent Self-Employment. Workers on the Border between Employment and Self-Employment. Houndmills: Palgrave Macmillian. Mueller, Ulrich, Alan Mazur. 1996. Facial Dominance of West Point Cadets as a Predictor of Later Military Rank. Social Forces 74:823–850. Müller, G. 1996. Art. 4. In: Kommentar zur Bundesverfassung der Schweizerischen Eidgenossenschaft vom 29. Mai 1874, herausgegeben von J.-F. Aubert et al. Basel: Helbing & Lichtenhahn. Müller, Walter, Susanne Steinmann, Reinhard Schneider. 1997. Bildung in Europa. In: Die westeuropäischen Gesellschaften im Vergleich, herausgegeben von Stefan Hradil und Stefan Immerfall, S. 177–245. Opladen: Leske + Budrich. Murphy, Kevin M., Finis Welch. 1991. The Role of International Trade in Wage Differentials. In: Workers and Their Wages, herausgegeben von Marvin Kosters, S. 39–69. Washington, DC: AEI Press. Murray, Stephen O., Joseph H. Rankin, Dennis W. Magill. 1981. Strong Ties and Job Information. Sociology of Work and Occupations 8:119–136. Mutz, Gerd, Wolfgang Ludwig-Mayerhofer, Elmar J. Koenen, Klaus Eder, Wolfgang Bonß. 1995. Diskontinuierliche Erwerbsverläufe. Analysen zur postindustriellen Arbeitslosigkeit. Opladen: Leske + Budrich. Neuman, Shoshana, Ronald L. Oaxaca. 2004. Wage decompositions with selectivity-corrected wage equations: A methodological note. Journal of Economic Inequality 2:3–10. Neumark, David. 1988. Employers’ Discriminatory Behavior and the Estimation of Wage Discrimination. The Journal of Human Resources 23:279–295. Nichols, Austin. 2003. tabstatmat: Stata module to save matrices saved by tabstat to single named matrix. Statistical Software Components S435001. Boston College Department of Economics. Erhältlich unter http://ideas.repec.org/c/boc/bocode/s435001.html. Ñopo, Hugo. 2004. Matching as a Tool to Decompose Wage Gaps. IZA Discussion Paper No. 981. Erhältlich unter http://ideas.repec.org/p/iza/izadps/dp981.html. Oaxaca, Ronald. 1973. Male-Female Wage Differentials in Urban Labor Markets. International Economic Review 14:693–709. Oaxaca, Ronald L., Michael Ransom. 1998. Calculation of approximate variances for wage decomposition differentials. Journal of Economic and Social Measurement 24:55–61. Oaxaca, Ronald L., Michael R. Ransom. 1988. Searching for the Effect of Unionism on the Wages of Union and Non-union Workers. Journal of Labor Research 9:139–148. Oaxaca, Ronald L., Michael R. Ransom. 1994. On discrimination and the decomposition of wage differentials. Journal of Econometrics 61:5–21. Oehlert, Gary W. 1992. A Note on the Delta Method. The American Statistician 46:27–29. Oester, Esther B. 1996. Listen der Macht: Vom Männerbund zum Old Boy’s Network. Schriftenreihe Nr. 0996.1. Bern: Institut für Soziologie der Universität Bern. O’Neill, June, Solomon Polachek. 1993. Why the Gender Gap in Wages Narrowed in the 1980s. Journal of Labor Economics 11:205–228. O’Reilly, Jacqueline. 1996. Labour Adjustments through Part-time Work. In: International Handbook of Labour Market Policy and Evaluation, herausgegeben von Günther Schmid, Jacqueline O’Reilly, und Klaus Schömann, S. 566–593. Cheltenham: Edward Elgar.

242


Organisation for Economic Co-operation and Development (OECD). 1999. Employment protection and labour market performance. In: OECD Employment Outlook 1999, S. 48–132. Paris. Organisation for Economic Co-operation and Development (OECD). 2002. Women at work: who are they and how are they faring? In: OECD Employment Outlook 2002, S. 61–125. Paris. Organisation for Economic Co-operation and Development (OECD). 2004. Employment Protection Regulation and Labour Market Performance. In: OECD Employment Outlook 2004, S. 61–125. Paris. Oschmiansky, Heidi, Günther Schmid. 2000. Wandel der Erwerbsformen. Berlin und die Bundesrepublik im Vergleich. Discussion Paper FS I 00 - 204. Wissenschaftszentrum Berlin für Sozialforschung (WZB). Erhältlich unter http://skylla.wzb.eu/pdf/2000/i00-204.pdf. Osterland, Martin. 1990. „Normalbiographie“ und „Normalarbeitsverhältnis“. In: Lebenslagen, Lebensverläufe, Lebensstile, herausgegeben von Peter A. Berger und Stefan Hradil, S. 351–362. Göttingen: Otto Schwartz. Papoulis, Athanasios, S. Unnikrishna Pillai. 2002. Probability, Random Variables, and Stochastic Processes. New York: McGraw-Hill. Petersen, Trond, Laurie A. Morgan. 1995. Separate and Unequal: Occupation-Establishment Sex Segregation and the Gender Wage Gap. American Journal of Sociology 101:329–365. Pleck, Joseph H. 1985. Working Wives/Working Husbands. Beverly Hills, CA: Sage. Podolny, Joel M., James N. Baron. 1997. Resources and Relationships: Social Networks and Mobility in the Workplace. American Sociological Review 62:673–693. Polachek, Solomon W. 1976. Occupational Segregation: An Alternative Hypothesis. Journal of Contemporary Business 5:1–12. Polachek, Solomon W. 1978. Sex Differences in College Major. Industrial Labor Relations Review 31:498–508. Polachek, Solomon W. 1979. Occupational Segregation among Women: Theory, Evidence, and a Prognosis. In: Women in the Labor Market, herausgegeben von Cynthia B. Lloyd, Emily S. Andrews, und Curtis L. Gilroy, S. 137–157. New York: Columbia University Press. Polachek, Solomon W. 1981. Occupational Self-Selection: A Human Capital Approach to Sex Differences in Occupational Structure. The Review of Economics and Statistics 63:60–69. Polavieja, Javier G. 2008. The Effect of Occupational Sex-Composition on Earnings: JobSpecialization, Sex-Role Attitudes and the Division of Domestic Labor in Spain. European Sociological Review 24:199–213. Preisendörfer, Peter, Thomas Voss. 1988. Arbeitsmarkt und soziale Netzwerke. Die Bedeutung sozialer Kontakte beim Zugang zu Arbeitsplätzen. Soziale Welt 39:104–119. Ramirez, José, Yves Flückiger. 2001. Analyse comparative des salaires entre les hommes et les femmes sur la base de la LSE 1994 et 1996. Observatoire Universitaire de l’Emploi, Université de Genève. Reimers, Cordelia W. 1983. Labor Market Discrimination Against Hispanic and Black Men. The Review of Economics and Statistics 65:570–579. Rhodes, Susan R. 1983. Age-related Differences in Work Attitudes and Behavior: A Review and Conceptual Analysis. Psychological Bulletin 93:328–367. Rodgers, Gerry, Janine Rodgers (Hrsg.). 1989. Precarious Jobs in Labour Market Regulation: The Growth of Atypical Employment in Western Europe. Genf: ILO. Rosen, Sherwin. 1986. The Theory of Equalizing Differences. In: Handbook of Labor Economics, herausgegeben von Orley C. Ashenfelter und Richard Layard, Band 1, S. 641–692. Amsterdam: North-Holland. Ross, Catherine E. 1987. The Division of Labor at Home. Social Forces 65:816–833. Rossi, Peter H. 1979. Vignette Analysis: Uncovering the Normative Structure of Complex Judgments. In: Qualitative and Quantitative Social Research, herausgegeben von Robert K. Merton, James S. Coleman, und Peter H. Rossi, S. 176–186. New York/London: The Free Press.


243

Rossi, Peter H., Steven L. Nock. 1982. Measuring Social Judgments. The Factorial Survey Approach. Beverly Hills: Sage. Roy, Klaus-Bernhard. 1989. Erosion des Normalarbeitsverhältnisses und die Konsequenzen für den Sozialstaat. Sozialer Fortschritt 38:273–279. Schmitt, Pierre André. 1992. Militär als Karrierehilfe: Helm ab zum Aufstieg. Bilanz 7/92:89–92. Schnell, Rainer. 1993. Die Homogenität sozialer Kategorien als Voraussetzung für RRepresentativitätünd Gewichtungsverfahren. Zeitschrift für Soziologie 22:16–32. Seifert, Hartmut (Hrsg.). 1993. Jenseits der Normalarbeitszeit. Perspektiven für eine bedürfnisgerechtere Arbeitszeitgestaltung. Köln: Bund Verlag. Sennett, Richard. 1998. The Corrosion of Character. The personal consequences of work in the new capitalism. New York: W.W. Norton & Company. Shao, Jun. 1996. Resampling Methods in Sample Surveys. Statistics 27:203–254. Shao, Jun. 2003. Impact of the Bootstrap on Sample Surveys. Statistical Science 18:191–198. Sheather, S. J., M. C. Jones. 1991. A Reliable Data-Based Bandwidth Selection Method for Kernel Density Estimation. Journal of the Royal Statistical Society. Series B (Methodological) 53:683– 690. Sheldon, George. 1995. Die berufliche Flexibilität im Spiegel der Zeit. Bern: BFS. Sheldon, George. 2005. Der berufsstrukturelle Wandel der Beschäftigung in der Schweiz 1970–2000. Ausmass, Ursachen und Folgen. Neuchâtel: BFS. Shelton, Anne Beth. 1992. Women, Men and Time. Gender Differences in Paid Work, Housework and Leisure. Westport, CT: Greenwood Press. Shrestha, Keshab, Chris Sakellariou. 1996. Wage discrimination: a statistical test. Applied Economics Letters 3:649–651. Silber, Jacques, Michal Weber. 1999. Labor market discrimination: are there dignificant differences between the various decomposition procedures? Applied Economics 31:359–365. Smith, James P., Finis R. Welch. 1989. Black Economic Progress After Myrdal. Journal of Economic Literature 27:519–564. Smith, Vicki. 1997. New Forms of Work Organization. Annual Review of Sociology 23:315–339. SOEP Group. 2001. The German Socio-Economic Panel (GSOEP) after more than 15 years – Overview. Vierteljahrshefte zur Wirtschaftsforschung 70:7–14. Sousa-Poza, Alfonso. 2002. Labor Market Segmentation and the Gender Wage Gap: An Analysis of Selected Industries in Switzerland. Cahiers Èconomiques de Bruxelles 45:91–118. Sousa-Poza, Alfonso. 2004. The Gender Wage Gap and Occupational Segregation in Switzerland, 1991-2001. Schweizerische Zeitschrift für Soziologie 29:399–415. Spälti, Peter. 1990. Führen in Armee und Wirtschaft. Allgemeine Schweizerische Militärzeitschrift 156(11):679–684. Spälti, Peter. 1995. Militärische Weiterausbildung vs. zivile Karriere? Allgemeine Schweizerische Militärzeitschrift 161(7/8):23–24. Staffelbach, Bruno. 1994. Zivile und militärische Karriere? Allgemeine Schweizerische Militärzeitschrift 160(10):9–12. Staffelbach, Bruno. 1998. Nachfragekonkurrenz zwischen Wirtschaft und Armee. Neue Zürcher Zeitung 219(135):11. StataCorp. 2007. Stata Statistical Software: Release 10. College Station, TX: StataCorp LP. Stine, Robert. 1990. An Introduction to Bootstrap Methods. Examples and Ideas. In: Modern Methods of Data Analysis, herausgegeben von John Fox und J. Scott Long, S. 325–373. Newbury Park, CA: Sage. Stratton, Leslie S. 2001. Why Does More Housework Lower Women’s Wages? Testing Hypotheses Involving Job Effort and Hours Flexibility. Social Science Quarterly 82:67–76. Strub, Silvia, Michael Gerfin, Aline Buetikofer. 2006. Vergleichende Analyse der Löhne von Frauen und Männern anhand der Lohnstrukturerhebungen 1998 bis 2002/2004. Untersuchung im Rahmen

244


der Evaluation der Wirksamkeit des Gleichstellungsgesetzes. BASS und Univerität Bern. Erhältlich unter http://www.buerobass.ch/pdf/2008/bericht_lohnanalysen_LSE1998-2004_d.pdf. Strub, Silvia, Eveline Hüttner, Jürg Guggisberg. 2005. Arbeitsteilung in Paarhaushalten. Aufteilung von bezahlter und unbezahlter Arbeit in der Schweiz. Neuchâtel: BFS. Trappe, Heike, Rachel A. Rosenfeld. 2000. How Do Children Matter? A Comparison of Gender Earnings Inequality for Young Adults in the Former East Germany and the Former West Germany. Journal of Marriage and the Family 62:489–507. Ulich, Eberhard. 1994. Arbeitspsychologie. Stuttgart: Schäfer Pöschel, 3. Aufl. Vontobel, Hans-Dieter. 1992. Der Nutzen militärischer Führungstätigkeit für den zivilen Beruf. Neue Zürcher Zeitung 213(244):23. Wagner, Alexandra. 2000. Krise des „Normalarbeitsverhältnisses“? Über eine konfuse Debatte und ihre politische Instrumentalisierung. In: Geringere Löhne – mehr Beschäftigung? NiedriglohnPolitik, herausgegeben von Claus Schäfer, S. 200–246. Hamburg: VSA-Verlag. Wagner, Gert. 1998. Teilzeitbeschäftigung zu Lasten der Vollzeiterwerbstätigkeit? DIW Wochenbericht 65. Wagner, Gert G., Joachim R. Frick, Jürgen Schupp. 2007. The German Socio-Economic Panel Study (SOEP) – Scope, Evolution and Enhancements. Journal of Applied Social Science Studies (Schmollers Jahrbuch) 127:139–169. Waldfogel, Jane. 1997. The Effect of Children on Women’s Wages. American Sociological Review 62:209–217. Waldfogel, Jane. 1998. Understanding the “Family Gap” in Pay for Women with Children. The Journal of Economic Perspectives 12:137–156. Walwei, Ulrich, Heinz Werner. 1995. Entwicklung der Teilzeitbeschäftigung im internationalen Vergleich. Ursachen, Arbeitsmarkteffekte und Konsequenzen. Mitteilungen aus der Arbeitsmarkt- und Berufsforschung 28:365–382. Weesie, Jeroen. 1999. sg121: Seemingly unrelated estimation and the cluster-adjusted sandwich estimator. Stata Technical Bulletin 52:34–47. Wegener, Bernd. 1987. Vom Nutzen entfernter Bekannter. Kölner Zeitschrift für Soziologie und Sozialpsychologie 39:278–301. Wegener, Bernd. 1989. Soziale Beziehungen im Karriereprozess. Kölner Zeitschrift für Soziologie und Sozialpsychologie 41:270–297. Wegener, Bernd. 1991. Job Mobility and Social Ties: Social Resources, Prior Job, and Status Attainment. American Sociological Review 56:60–71. Weichselbaumer, Doris, Rudolf Winter-Ebmer. 2005. A Meta-Analysis of the International Gender Wage Gap. Journal of Economic Surveys 19:479–511. Wellington, Allison J. 1993. Changes in the Male/Female Wage Gap, 1976–85. The Journal of Human Resources 28:383–411. White, Halbert. 1980. A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica 48:817–838. Widmer, Eric, Jean Kellerhals, René Levy. 2005. What pluralization of the life course? An analysis of personal trajectories and conjugal interactions in contemporary Switzerland. In: Contemporary Switzerland: Revisiting the Special Case, herausgegeben von Hanspeter Kriesi, Peter Farago, Martin Kohli, und Milad Zarin-Nejadan, S. 38–60. Hampshire: Palgrave Macmillan. Willis, Robert J. 1992. Wage Determinants: A Survey and Reinterpretation of Human Capital Earnings Functions. In: Handbook of Labor Economics, herausgegeben von Orley C. Ashenfelter und Richard Layard, Band 1, S. 525–602. Amsterdam: North-Holland, 2. Aufl. Winsborough, H. H., Peter Dickinson. 1971. Components of Negro-White Income Differences. In: Proceedings of the Social Statistics Section, S. 6–8. Washington, DC: American Statistical Association.


245

Winship, Christopher, Robert D. Mare. 1984. Regression Models with Ordinal Variables. American Sociological Review 49:512–525. Winship, Christopher, Robert D. Mare. 1992. Models for Sample Selection Bias. Annual Review of Sociology 18:327–350. Winship, Christopher, Stephen L. Morgan. 1999. The Estimation of Causal Effects from Observational Data. Annual Review of Sociology 25:659–706. Winship, Christopher, Larry Radbill. 1994. Sampling Weights and Regression Analysis. Sociological Methods and Research 23:230–257. Wolfe, Rory, William Gould. 1998. sg76: An approximate likelihood-ratio test for ordinal response models. Stata Technical Bulletin 42:24–27. Wooldridge, Jeffrey M. 2002. Econometric Analysis of Cross Section and Panel Data. Cambridge, MA: The MIT Press. Yun, Myeong-Su. 2005. Hypothesis tests when decomposing differences in the first moment. Journal of Economic and Social Measurement 30:295–304. Zachert, Ulrich. 1988. Die Zerstörung des Normalarbeitsverhältnisses. Arbeit und Recht 36(5):129– 137. Zimmermann, Gerald, Urs Meyer, Georg Rub, Markus Capaul. 1992. Miliär & Karriere. Höhere Wirtschafts- und Verwaltungsschule (erhältlich bei der Eidgenössischen Militärbibliothek).

Erwerbsarbeit, Einkommen und Geschlecht: Studien zum Schweizer Arbeitsmarkt

Fundamenta Judaica. Studien zum antiken Judentum und zum Neuen Testament

Geschlecht und Charakter

Geschlecht und digitale Medien

Geschlecht und Männlichkeit, 2. Auflage

Entscheidungsmacht und Handlungskontrolle am Lebensende: Eine Untersuchung bei Schweizer Ärztinnen und Ärzten zum Informations- und Sterbehilfeverhalten

Studien zum hexastylen Prostylos archaischer und klassischer Zeit

Von Geschlecht zu Geschlecht

Arbeitsmarkt und Sozialpolitik: Kontroversen um Effizienz und soziale Sicherheit

Geschlecht und Macht: Analysen zum Spannungsfeld von Arbeit, Bildung und Familie

Zuwanderung und Arbeitsmarkt: Deutschland und Dänemark im Vergleich

Einkommen fur alle

Kinderlieben: Studien zum Wissen des 19. Jahrhunderts und zum deutschsprachigen Realismus von Stifter, Keller, Storm und anderen (Studien Und Texte Zur Sozialgeschichte Der Literatur)

Gottes Selbsterniedrigung in der Theologie der Rabbinen (Studien zum Alten und zum Neuen Testament 17)

Biografie, Schule und Geschlecht: Bildungschancen von SchülerInnen

Transzendenz und Negativität: Religionsphilosophische und Asthetische Studien

Theorie und Praxis: sozialphilosophische Studien

Geschlecht und Männlichkeit: Soziologische Theorie und kulturelle Deutungsmuster. 3. Auflage

Skepsis und Zustimmung. Philosophische Studien

Paradoxien und Widerspruche der Fuhrungskrafterekrutierung: Personalauswahl und Geschlecht

Individuum und Gewaltenteilung. Philosophische Studien

Geschlecht und Charakter. Eine prinzipielle Untersuchung

Simone de Beauvoir und das andere Geschlecht

Studien

Schweizer Briefmarken Katalog 2003

Studien

Alt und schön: Geschlecht und Körperbilder im Kontext neoliberaler Gesellschaften

Ein criminelles Geschlecht

Studien

Studien

Erwerbsarbeit, Einkommen und Geschlecht: Studien zum Schweizer Arbeitsmarkt

Fundamenta Judaica. Studien zum antiken Judentum und zum Neuen Testament

Geschlecht und Charakter

Geschlecht und digitale Medien

Geschlecht und Männlichkeit, 2. Auflage

Entscheidungsmacht und Handlungskontrolle am Lebensende: Eine Untersuchung bei Schweizer Ärztinnen und Ärzten zum Informations- und Sterbehilfeverhalten

Studien zum hexastylen Prostylos archaischer und klassischer Zeit

Von Geschlecht zu Geschlecht

Arbeitsmarkt und Sozialpolitik: Kontroversen um Effizienz und soziale Sicherheit

Geschlecht und Macht: Analysen zum Spannungsfeld von Arbeit, Bildung und Familie

Zuwanderung und Arbeitsmarkt: Deutschland und Dänemark im Vergleich

Einkommen fur alle

Kinderlieben: Studien zum Wissen des 19. Jahrhunderts und zum deutschsprachigen Realismus von Stifter, Keller, Storm und anderen (Studien Und Texte Zur Sozialgeschichte Der Literatur)

Gottes Selbsterniedrigung in der Theologie der Rabbinen (Studien zum Alten und zum Neuen Testament 17)

Biografie, Schule und Geschlecht: Bildungschancen von SchülerInnen

Transzendenz und Negativität: Religionsphilosophische und Asthetische Studien

Theorie und Praxis: sozialphilosophische Studien

Geschlecht und Männlichkeit: Soziologische Theorie und kulturelle Deutungsmuster. 3. Auflage

Skepsis und Zustimmung. Philosophische Studien

Paradoxien und Widerspruche der Fuhrungskrafterekrutierung: Personalauswahl und Geschlecht

Individuum und Gewaltenteilung. Philosophische Studien

Geschlecht und Charakter. Eine prinzipielle Untersuchung

Simone de Beauvoir und das andere Geschlecht

Studien

Schweizer Briefmarken Katalog 2003

Studien

Alt und schön: Geschlecht und Körperbilder im Kontext neoliberaler Gesellschaften

Ein criminelles Geschlecht

Studien

Studien

Recommend Documents