Methodik der Variablengewinnung aus

zwei-facher Weise: Zum einen werden im Rahmen der jährlichen Personenbefragung so genannte Kalenderdaten erhoben, die auch den Erwerbsstatus in jedem Monat des Vorjahres umfassen. Sofern eine Person in einem Jahr erfolgreich befragt wurde, liegen diese Daten für das betreffende Vorjahr vor. Kalenderdaten wer-den im rechteckigen Format erfasst, das heißt, jede Variable wird einmalig ver-wendet.⁵⁷ Diese in den files $PKAL gespeicherten Informationen sind in folgende neun Erwerbsstatus untergliedert:

1. Schule/Studium, 2. Lehre/Ausbildung, 3. Wehr-/Zivildienst, 4. Vollzeit berufstätig, 5. Teilzeit berufstätig, 6. arbeitslos,

7. Hausfrau/-mann, 8. im Ruhestand,

9. Sonstiges (u. a. Erziehungsurlaub).

Zum anderen stehen erwerbsbiografische Informationen vom 15. bis zum 65. Le-bensjahr aus dem Biografie-Fragebogen bereit, der – im Gegensatz zu den jähr-lich erhobenen Kalenderdaten – einmalig erhoben wird, und zwar in der Regel zum Zeitpunkt der Erstbefragung der Person.⁵⁸ Die Daten werden im Spell-Format erfasst, d. h. es werden in chronologischer Abfolge Zeitspannen erfasst, innerhalb derer eine Person einen bestimmten Erwerbsstatus innehatte. Beginn und Ende dieser Zeitspannen sind im PBIOSPE-file sowohl mit Jahreszahlen als auch mit dem Lebensalter der Person versehen. Da diese – im Folgenden Spell-Daten ge-nannten – Daten retrospektiv erfragt werden, stehen sie als ausschließliche Daten-quelle nur bis zum Zeitpunkt der Erstbefragung zur Verfügung und werden fortan jährlich um die aus den Kalenderdaten gewonnen Informationen (siehe oben) ergänzt. Auf diese Weise versucht man möglichst korrekte und gegenwartsnahe erwerbsbiografische Informationen zu erhalten.

57 So wird beispielsweise die Anzahl der in Vollzeit tätigen Monate im Jahr 1983 in der Variable ap1a02 erfasst, für dieselbe Information im Jahr 1984 wird dagegen die Variable bp1a02 ver-wendet.

58 Vgl. Frick/Schneider (2005), S. 1.

Um den Einfluss der Erwerbserfahrungsvariablen auf Löhne und Beschäfti-gungswahrscheinlichkeit möglichst exakt schätzen zu können, sind vollständige Erwerbsverläufe unverzichtbar: Es dürfen nur Daten von Personen verwendet werden, deren Erwerbsverläufe zwischen dem 15. Lebensjahr und der Letztbe-fragung keine Lücken aufweisen. Im Sinne einer effizienten Datenausnutzung wurden daher bei der vorgenommenen Variablengenerierung sowohl Spell- als auch Kalender-Daten verwendet. Da Spell-Daten auf Jahresbasis, Kalenderdaten dagegen auf Monatsbasis vorliegen, sind Kalenderdaten prinzipiell zu bevorzu-gen. So wird in PBIOSPE ein Jahr bereits als Vollzeitjahr aufgeführt, wenn nur ein Monat des betreffenden Jahres in Vollzeit gearbeitet wurde. Die Problematik von Mehrfachnennungen von Erwerbsstatus pro Jahr stellt sich daher für Spell-Daten stärker als für Kalenderdaten.

Spell-Daten kamen in der vorliegenden Untersuchung lediglich dann zur Ver-wendung, wenn keine Kalender-Daten für das betreffende Jahr verfügbar waren.

Dies ist der Fall, wenn eine Person im Folgejahr noch nicht erstbefragt wurde, oder wenn die Person zwar bereits erstbefragt wurde, aber dennoch im Folgejahr nicht erfolgreich befragt werden konnte. Das Problem der Panelmortalität wurde somit nicht nur durch die Verwendung eines Unbalanced Panel mit einer über die Person variierenden Anzahl von Beobachtungen, sondern auch durch die Ausnut-zung von Spell-Daten zur Vervollständigung lückenhafter Kalenderinformatio-nen gemindert, um eine möglichst große Beobachtungszahl zu erhalten.

Auf Grund der unterschiedlichen Ausgangsformate der Kalender- und Spell-Daten stellte sich die Aufgabe der Spell-Datenharmonisierung. Weiterhin war neben dem Problem unvollständiger Biografien auch das Problem von Mehrfachnen-nungen zu lösen.

Im Folgenden wird gezeigt, wie die Erwerbserfahrungs-Variablen aus den SOEP-Ursprungsdaten gewonnen wurden. Der Generierungsprozess lässt sich in fünf aufeinander folgende Schritte aufteilen, die im Folgenden dargestellt werden.

Schritt 1: Erwerbserfahrungsvariablen auf Spell-Basis für die Zeitspanne 15. Lebensjahr bis Ende 1982

Zunächst mussten unterschiedliche Erwerbsstatus mit Stand Ende 1982 gebildet werden. Obwohl letztlich bei der Generierung der regressionsrelevanten Variablen nur fünf der neun oben genannten Erwerbsstatus verwendet werden, und zwar „in Vollzeit berufstätig“, „in Teilzeit berufstätig“, „arbeitslos“, „Hausfrau/-mann“ und

„Sonstiges“ (wobei die beiden zuletzt genannten Status zu einem Auszeit-Status zusammengefasst wurden), werden zunächst alle neun Status gebildet. Da bis Ende 1982 erwerbsbiografische Informationen lediglich auf Spell-Basis vorliegen, wurden

die Spells in jahresbezogene Daten umgewandelt.⁵⁹ Um das Problem der Mehrfach-nennungen von Status pro Jahr zu lösen, wurde folgende Prioritätenregel verwendet, die später auch bei der Verarbeitung der Kalenderdaten angewendet wird: Vollzeit dominiert Teilzeit, Teilzeit dominiert Auszeit, Auszeit dominiert Arbeitslosigkeit.

Darüber hinaus zählt ein Jahr generell nur als Vollzeit-, Teilzeit-, Auszeit- oder Ar-beitslosigkeitsjahr, wenn dieses Jahr nicht zugleich als Schul-, Lehr-, Wehr-/Zivildienst- oder Rentenjahr angegeben wird. Diese Festlegung erscheint im Hin-blick auf die Zielsetzung, die Lohnrelevanz von „echten“, um Nebentätigkeiten bereinigten Berufserfahrungsjahren sowie „echten“ Auszeitjahren zu messen, ge-rechtfertigt. Dieser Festlegung gingen mehrere stichprobenartige Datenanalysen voraus, die ergaben, dass durch die Vermeidung von Mehrfachzählungen pro Jahr nur eine geringfügige Verminderung der Beobachtungszahl bewirkt wird.⁶⁰ Nun-mehr war jedem Jahr nur ein einziger der vier oben genannten Status – Vollzeit, Teilzeit, Auszeit oder Arbeitslosigkeit – zugeordnet.

Ausgeschlossen wurden Personen mit zum Stand Ende des Jahres 1982 un-vollständigen Biografien, also jene, bei denen die Summe dokumentierter Jahre niedriger als die zwischen dem 15. Lebensjahr und dem Jahr 1982 verstrichene Zeitspanne war. Weiterhin ausgeschlossen wurden Personen mit positiven Ren-tenjahren oder fehlender Angabe zur Erstgeburt, da für jene Frauen geburtsbezo-gene Erwerbserfahrungsvariablen nicht hätten konstruiert werden können. Nach-dem die Informationen zum Jahr der Erstgeburt aus der BIOBIRTH-Datei den verbleibenden Beobachtungen hinzugefügt worden war, konnten jene

59 So wurde beispielsweise zwei Auszeitjahre erzeugt, wenn zwischen Ende und Beginn eines Spells mit Spell-Typ 7 (Hausfrau/-mann) oder 9 (Sonstiges) eine Einjahresspanne lag (das Jahr des Beginns wurde mitgezählt), unter der Bedingung, dass der Beginn spätestens 1981 erfolgte.

Spells, die das Jahr 1982 überdauerten, wurden entsprechend anteilig berücksichtigt.

60 So ergab die Analyse von Kalenderdaten, dass sich bei jeweils 12-monatiger Vollzeit bzw.

Teilzeit über die Jahre kaum Überschneidungen mit Schul-, Lehr-, Wehrdienst oder Rentenjah-ren ergaben, sodass eine Vollzeit- oder Teilzeitinformation mit hoher Wahrscheinlichkeit eine parallel vorhandene Schul- oder Lehr-Information monatsmäßig nicht überwiegen dürfte und daher das betreffende Jahr nicht als Vollzeit- bzw. Teilzeitjahr gewertet werden soll. Die Beob-achtungen von Wehrdienst- bzw. Zivildienst-Jahren ist aufgrund des weiblichen Samples ver-schwindend gering, und Beobachtungen mit positiven Renteninformationen werden ohnehin vom regressionsrelevanten Sample ausgeschlossen. Die Analyse von Spell-Daten ergab bei-spielsweise für das Jahr 1983, dass rund 11 Prozent der Personen Mehrfachnennungen aufwiesen.

Nach Bereinigung zeigte sich, dass bei 8,03 Prozent der Frauen, die nach Bereinigung keine Auszeit-Information für 1983 hatten, diese auf Grund parallel vorhandener Schul-, Lehr-, Wehr-dienst- oder Renteninformation eingebüßt hatten. Die Anteile der Frauen, die aus demselben Grund eine Vollzeit- bzw. Teilzeit- bzw. Arbeitslosigkeitsinformation für 1983 einbüßten, lagen bei 2,64 Prozent bzw. 1,70 Prozent bzw. 1,74 Prozent. Überschneidungen von Teilzeit- und Vollzeitjahren bis Ende 1982 gab es nur in 1,23 Prozent der Fälle, Überschneidungen von Auszeit- und Ar-beitslosigkeitsjahren sogar nur in 0,4 Prozent der Fälle.

fahrungsvariablen auf Spell-Basis mit Stand Ende 1982 generiert werden, die später mit den Variablen für den Zeitraum 1983-2004 zwecks Bildung der re-gressionsrelevanten Variablen zusammengeführt werden sollten.

Für die Generierung der Erwerbsstatus für die Jahre 1983-2004 als Basis für die spätere Bildung der Erwerbserfahrungsvariablen im genannten Zeitraum liegen im Allgemeinen kalender- und spell-basierte Informationen vor. Im Sinne einer effizienten Datenausnutzung werden Informationen aus beiden Quellen verwendet, Spell-Daten allerdings nur dann, wenn pro Person und Jahr keine Kalenderdaten verfügbar sind. Die Bildung der Erwerbsstatus 1983-2004 ist daher dreigeteilt (Schritte 2-4): Zuerst werden Erwerbsstatus auf Spell-Basis (Schritt 2) und anschließend auf Kalenderbasis (Schritt 3) gebildet, bevor schließlich die so generierten Informationen zu einer einzigen Erwerbsstatus-Information pro Person und Jahr zusammengefügt werden (Schritt 4).

Schritt 2: Bildung der Erwerbsstatus 1983-2004 auf Spell-Basis

Anders als im Zeitraum vor 1983 müssen nun jahresbezogene Erwerbsstatus erzeugt werden, um später mit den ebenfalls ab 1983 vorliegenden Kalenderdaten auf Jahres-basis zusammen geführt werden zu können. Da in PBIOSPE Angaben über Beginn und Ende eines Spells vorliegen, wurde jedem Jahr 1983-2004 zunächst der dort dokumentierte Erwerbsstatus zugeordnet.⁶¹ Die Bereinigung um Mehrfachnennun-gen wurde wiederum dergestalt vorMehrfachnennun-genommen, dass Vollzeit-, Teilzeit-, Auszeit- und Arbeitslosigkeitsjahre nur als solche gewertet wurden, wenn zeitgleich keine Schul-, Lehr-, Wehr-/Zivildienst- oder Rentenjahre verzeichnet waren.

Schritt 3: Bildung der Erwerbsstatus 1983-2004 auf Kalenderbasis, Formierung des Untersuchungs-Samples

Um den Jahren 1983-2004 jeweils einen Erwerbsstatus auf Basis der Kalender-Daten zuweisen zu können, wurden die benötigten Variablen aus den $PKAL-Dateien für die Wellen A (1984) bis V (2005) gezogen. Dabei wurden nur Variablen von Frauen verwendet, die die gewünschten Eigenschaften aufwiesen (vergleiche Kap. 2.2:

Eingrenzung des Untersuchungs-Samples); die übrigen Eigenschaften – die Alters-beschränkung auf 16-55 Jahre sowie das Merkmal der abhängigen Beschäftigung für die in die Schätzung der Lohnfunktion aufzunehmenden Personen – wurden durch spätere Eingrenzungen vorgenommen. Dabei wurde eine über die Personen schwankende Beobachtungszahl zugelassen, um eine höchstmögliche Datenaus-beutung zu gewährleisten und das Problem der Selbstauslese, für das im Rahmen

61 Beispielsweise erhielt das Jahr 1983 zunächst den Vollzeit-Status, wenn ein Spell des Typs 4 spätestens 1983 begann und frühestens 1983 endete.

der Regression kontrolliert werden muss, bereits seitens der Datenkonstruktion zu begrenzen. Nach Hinzufügung der Erstgeburts-Information aus BIOBIRTH und Löschung der Personen ohne Angabe zur Erstgeburt konnten auf Basis der verblei-benden Beobachtungen die kalenderbasierten Erwerbsstatus generiert werden.

Auch hierbei musste das Problem der Mehrfachnennungen gelöst werden. Im Unterschied zur Vorgehensweise bei den Spell-Daten konnte die Prioritätenregel hierbei jedoch differenzierter angewendet werden, da die Statusinformationen in den Kalenderdaten auf (Vorjahres-) Monatsbasis vorliegen: Nur bei Gleichstand der Monatsanzahl wurde ein Jahr beispielsweise als Vollzeit- statt als Teilzeit-jahr gewertet (Vollzeit dominiert Teilzeit, Teilzeit dominiert Auszeit, Auszeit dominiert Arbeitslosigkeit); in allen anderen Fällen wurde der Erwerbsstatus mit der jeweils höchsten Monatsanzahl verwendet. Auch wurden wiederum nur sol-che Jahre gezählt, die nicht zugleich positive Schul-, Lehr-, Wehr-/Zivildienst- oder Rentenmonate aufwiesen.⁶² Beobachtungen von erfolgreich befragten Per-sonen ohne Angabe eines der neun Erwerbsstatus (missings; Variablenwert „-1“) wurden nicht gezählt; dagegen wurden Personen, die in einem Jahr nicht erfolg-reich befragt worden waren (Variablenwert des Vorjahres „-2“) bei allen neun Erwerbsstatus im jeweiligen Vorjahr auf Null gesetzt.

Schritt 4: Bildung der Erwerbserfahrungsvariablen 1983-2004 aus zusammen geführten Informationen der Kalender- und Spell-Daten

Die aus Schritt 3 resultierenden Erwerbsstatus für die Jahre 1983-2004 wurden als die endgültigen angenommen, wenn eine Zuordnung zu einem der neun Status auf Kalenderbasis möglich war. Andernfalls, und nur dann – also wenn eine Frau bei-spielsweise im Folgejahr nicht befragt worden war – kamen die in Schritt 2 gebilde-ten Erwerbsstatus auf Spell-Basis zum Einsatz. Damit wurde konsequent über alle Jahre 1983 bis 2004 den kalenderbasierten, genaueren Informationen der Vorzug gegeben.⁶³ Diese Vorgehensweise hat außerdem den Vorzug, das

62 Datenanalysen für die Stichprobenwellen A, E, L, M, V lassen diese Festlegung wiederum vertretbar erscheinen. So wiesen im Jahr 1983 96,32 Prozent der Personen mit positiven Vollzeit-monaten Null Monate Schule auf; beim Vergleich von Vollzeit mit Lehre, Wehr-/Zivildienst oder Rente waren zwischen 93 und 100 Prozent der Frauen in den genannten Stichprobenjahren über-schneidungsfrei, beim Vergleich von Teilzeit (Auszeit) mit den vier nicht regressionsrelevanten Status 94-100 Prozent (98-100 Prozent). Lediglich der Status Arbeitslosigkeit war in der genannten Weise häufiger von Überschneidungen betroffen: Überschneidungsfrei in den genannten Stichpro-benjahren waren nur 85-100 Prozent der Frauen; allerdings waren die Fallzahlen dieser Kombina-tionen gering, da Arbeitslosenjahre an sich im Sample relativ selten vorkommen.

63 Auf Grund der vorgelagerten Bereinigung um Mehrfachnennungen unter Beteiligung der re-gressionsrelevanten Variablen verbleiben lediglich Überschneidungen von Schul-, Lehr-,

Wehr-Problem bei Retrospektivdaten stark zu entschärfen.⁶⁴ Geht man von einer 38-jährigen Frau aus – also einer Frau im Durchschnittsalter aller Frauen des Lohn-samples –, reduziert sich die Zeitspanne, in der für diese Frau ausschließlich Retro-spektivdaten vorliegen können, selbst dann, wenn die Lohninformation aus der ersten lohnrelevanten Welle 2001 stammt, auf maximal die ersten 22 Lebens-, das heißt, maximal die ersten sieben Erwerbsjahre. Stammt die Lohninformation aus der letzten lohnrelevanten Welle 2005, sind es sogar nur 18 Lebens- bzw. drei Er-werbsjahre. Auf Basis der dergestalt gebildeten Erwerbsstatus für den Zeitraum 1983-2004 wurden die – zu den in Schritt 1 gebildeten Erwerbserfahrungsvariab-len auf Spell-Basis bis Ende 1982 kompatibErwerbserfahrungsvariab-len – KaErwerbserfahrungsvariab-lender-VariabErwerbserfahrungsvariab-len generiert.

Schritt 5: Bildung der regressionsrelevanten Erwerbserfahrungsvariablen für die Zeitspanne zwischen dem 15. Lebensjahr einer Person und dem Jahr 2004

In diesem letzten Schritt galt es, die für die beiden Zeitspannen 15. Lebensjahr bis 1982 einerseits und 1983 bis 2004 andererseits separat gebildeten Erwerbser-fahrungsvariablen zu den in der Lohn- und Beschäftigungsregression verwendeten Variablen zusammen zu führen.

Da der für die Regressionen verwendete Datensatz keine Personen mit unvoll-ständigen Biografien enthalten darf, musste in diesem letzten Schritt eine ent-sprechende Kontrolle des Datensatzes erfolgen. Die Anforderung vollständiger Biografien war vor dem Hintergrund eines Unbalanced Panels so zu interpretieren, dass eine Person zwar nicht jedes Jahr befragt worden sein, dass aber ihre Er-werbsbiografie vom 15. Lebensjahr an bis zum Jahr der Letztbefragung lückenlos, das heißt, Jahr für Jahr nachvollziehbar sein musste. Die Informationen über Erst- und Letztbefragungs- sowie Geburtsjahr wurden aus der PPFAD-Datei gewonnen und dem Datensatz zugespielt. Konnten vor dem Letztbefragungsjahr auftretende Lücken nicht geschlossen werden, war die betreffende Person aus dem für die Lohn- bzw. Beschäftigungsschätzung verwendeten Sample auszuschließen.

Betreffend die Jahre bis einschließlich 1982 wurde die Vollständigkeit der Biogra-fien bereits im ersten Schritt sichergestellt.

Bezüglich der Jahre 1983-2004 wurde anschließend wie folgt vorgegangen: Es wurden jene Beobachtungsjahre ausgeschlossen, in denen die bis dato verstrichene Zeitspanne seit 1983 größer war als die bis dato aufgelaufene Summe von Jahren mit dokumentiertem Erwerbsstatus und diese Lücke nicht mit einem noch nicht erreichten Mindestalter von 16 Jahren erklärt werden konnte. Ferner musste die

Zivildienst- und Rentenjahren untereinander. Da diese Status in die späteren Schätzungen nicht einbezogen werden, sind deren Überschneidungen bedeutungslos.

64 Vgl. zu diesem Fehler beispielsweise Dustmann und Rochina-Barrachina (2007), S. 277.

Erwerbsbiografie bis Ende 1982 komplett sein. Hierbei wurde die diesbezüglich bereits in Schritt 1 gewonnene Information wieder aufgegriffen. Diese Vorgehens-weise hat den Vorteil, dass nicht zwingend Personen mit lückenhaften Erwerbsbio-grafien vollständig von der Lohn- und Beschäftigungsregression ausgeschlossen werden müssen, sondern dass vielmehr Biografien von Personen bis zu dem Zeitpunkt der erstmalig auftretenden Lücke berücksichtigt werden konnten.⁶⁵

Schließlich wurde der Datensatz auf die Beobachtungen der Jahre 2000-2004 reduziert, da für die Regressionen nur die fünf Wellen R bis V (2001-2005) zur Verwendung kamen. Die Unterscheidung zwischen aktuellen und früheren Jah-ren in Vollzeit, Teilzeit etc. machte ein Rechnen in ganzen JahJah-ren notwendig. Da Erwerbserfahrung dem Wesen nach nur im Nachhinein dokumentiert werden kann, bezieht sich die in den Variablen dargestellte Erwerbserfahrung einer Person jeweils auf das Vorjahresende desjenigen Jahres, in dem die Lohn- oder aktuelle Erwerbsstatus-Information mittels Befragung gewonnen wurde. Würde beispiels-weise der Stundenbruttolohn gegen die Variable aktuelle durchgängige Vollzeit regressiert (beide erfragt im Jahr 2005, erstere auf den Vormonat, zweitere auf das Ende des Vorjahres bezogen), würde der gefundene Koeffizient den Einfluss der Ende des Jahres 2004 aufgelaufenen Summe aktueller durchgängiger Vollzeitjahre auf den Lohn des Jahres 2005 verdeutlichen. Der zeitliche Abstand zwischen der Erhebung der endogenen und der exogenen Variable ist jedoch – dank des prak-tizierten Befragungsrhythmus‘, wie weiter oben dargelegt – relativ gering.⁶⁶

Weiterhin wurde der Datensatz auf Beobachtungen von Frauen beschränkt, die zum Befragungszeitpunkt im Zeitraum 2001-2005 zwischen 16 und 55 Jahre alt waren. Somit sind nur noch Beobachtungen von Frauen im Datensatz enthal-ten, die die Eigenschaften des Beschäftigungssamples aufweisen. Die für die Aufnahme in das Lohnsample erforderlichen weitergehenden Einschränkungen wurden dergestalt vorgenommen, dass eine Lohninformation nur bei Erfüllung dieser Anforderungen gewertet wurde.