Simulationsrelevante Schätzverfahren und

Was die Schätzverfahren betrifft, kamen nur Modelle mit Selektionskorrektur in Frage, da Modelle ohne dieselbe nachweislich fehlspezifiziert gewesen wären.

Pooled OLS schied wegen der Existenz der Individualeffekte als Schätzverfahren aus. Was die Wahl zwischen einem Fixed und einem Random Effects-Schätzer angeht, hatten beide Verfahren ihre Vor- und Nachteile. Der Random Effects-Schätzer basiert auf der Annahme nicht mit den erklärenden Variablen korrelierter Individualeffekte. Diese Vermutung konnte der Hausman-Test weder stichhaltig be- noch widerlegen. Mit dem Random Effects-Schätzer wird eine stärkere Krümmung des Lohnprofils bei durchgängiger Beschäftigung erzielt als mit dem Within-Schätzer, da die Lohninformationen der im Querschnitt vorhan-denen hohen Ausprägungsspanne aktueller (durchgängiger) Vollzeit voll ausge-beutet wird. Die im interpersonellen Vergleich ebenfalls hohe Variation in den

Ausprägungen der Auszeitvariablen bewirkt, dass auch die Lohnstrafen von Unter-brechungen schneller abschreiben, d. h. die Löhne nach Wiedereinstieg stärker bzw. schneller aufholen als im Fixed Effects-Modell. Beides führt dazu, dass die auf Basis einer Random Effects-Schätzung simulierten Lohnverluste tendenziell unterzeichnet werden. Im Within-Schätzer können Lohnstrafen hingegen kaum verjähren, Lohnprämien zusätzlicher Erfahrung kaum abschmelzen – beides führt dazu, dass die berechneten Lohnverluste eher überschätzt werden: Das Fixed Effects-Modell bildet gewissermaßen die obere, das Random Effects-Modell die untere Grenze des Korridors, in dem sich die tatsächlichen Lohnverluste vermut-lich bewegen.

Hinsichtlich des Sets der Erwerbserfahrungsvariablen kamen für die im nächsten Schritt anzustellenden Lohnsimulationen grundsätzlich die Variablen-sets der Gliederungsebenen 3 bis 5, jeweils ohne und mit Interaktionsvariablen, in Betracht. Allerdings rückten an dieser Stelle die Häufigkeitsverteilungen der Variablen im Datensatz in den Vordergrund. In den Schätzungen hatten die Gliederungsebenen dazu gedient, den Informationsfortschritt durch eine sukzessi-ve Verfeinerung der Variablen zu dokumentieren; dabei war es zunächst nicht dar-auf angekommen, dar-auf welchen zeitlichen Horizont – kurz-, mittel- oder langfristig – sich der belegte Lohneinfluss bezog. Für die Eignung einer Variable – bzw. des betreffenden Parameters – für die Simulationen war nun aber von zentraler Bedeu-tung, ob sich der Informationsgewinn für den angestrebten Simulationshorizont sinnvoll extrapolieren lässt. Zu guter Letzt wurde daher ein auf den Simulations-rahmen maßgeschneidertes Modell (3/5) ohne Interaktionsvariablen sowie ein Modell (3/5a) mit Interaktionsvariablen sowohl in der Fixed Effects- als auch in der Random Effects-Spezifikation geschätzt, das die Variable mit Geburtsbezug aus Modell (5) sowie einige hinsichtlich ihrer Eignung für die Simulationen unpro-blematische Variablen aus Modell (4) aufgreift und in Modell (3) integrierte.²²¹

Die Schätzergebnisse zu den Modellen ohne bzw. mit Interaktionsvariablen finden sich in den Tabellen 14 bzw. 15 im Anhang.

Erläuterungen zu den Schätzergebnissen von Modell (3/5) gemäß Tabelle 14 im Anhang

Bezüglich des Modells (3/5) zeigt sich sowohl für das Fixed-Effects- als auch für das Random-Effects-Modell, dass die Parameter der Ausbildungsvariablen im

221 Genau genommen werden aus Modell (5) die Variable aktuelle geburtsbedingte Auszeit samt quadriertem Term und aus Modell (4) die Variablen aktuelle durchgängige Vollzeit samt Quadrie-rung, frühere Vollzeit vor Auszeit sowie frühere Vollzeit vor Teilzeit aufgenommen. Aktuelle durchgängige Vollzeit kommt in einer Ausprägungsspanne von 1-35 Jahren in 30 Prozent aller Lohnbeobachtungen vor. Eine frühere Vollzeitperiode vor Auszeit liegt in 44 Prozent aller posi-tiven Lohnbeobachtungen vor, frühere Vollzeit vor Teilzeit immerhin noch in 17 Prozent.

Wesentlichen jenen aus den bisherigen Panelschätzungen ähneln.²²² Auch bezüg-lich der Parameter der Erwerbserfahrungsvariablen wiederholen sich die Ergeb-nisse der vorangegangenen Panelschätzungen: Die separate Lohnprämie durch-gängiger aktueller Vollzeit tritt nun noch deutlicher hervor; auch ist sie höher als die Prämie, die ein früheres Teilzeitjahr während einer anschließenden Vollzeit-phase generiert.²²³ Das heißt, auch im simulationsrelevanten Modell (3/5) lohnt sich der Verzicht auf Unterbrechungen der Vollzeittätigkeit.

Frühere Vollzeit vor einer Auszeit hat heute einen sehr viel geringeren Lohn-einfluss als frühere Vollzeit, der eine Teilzeitperiode nachfolgte. Dies bestätigt die bereits aus den OLS-Ergebnissen bekannten Befunde. Aktuelle Teilzeit wirkt sich wiederum kaum lohnerhöhend aus, während frühere Teilzeit einen starken Restaurationseffekt nach sich zieht. Die Effekte allgemeiner und geburtsbedingter Auszeit stimmen mit den bisherigen Ergebnissen überein: Frauen, die eine Aus-zeit im Aus-zeitlichen Zusammenhang zur Erstgeburt nehmen, erleiden im ersten Wiedereinstiegsjahr einen deutlichen zusätzlichen Lohnabschlag gegenüber Frauen, denen dieser Geburtsbezug fehlt. Dabei schmilzt die Lohnstrafe eines zusätzlichen geburtsbedingten Auszeitjahres mit zunehmender Länge der Auszeit wiederum viel schneller ab als jene eines allgemeinen Auszeitjahres; auch dieser Befund ist bereits bekannt. Auszeit hat jetzt sowohl im Fixed Effects- als auch im Random Effects-Modell eine höhere Lohnstrafe als Arbeitslosigkeit, zumal, wenn es sich um geburtsbedingte Auszeit handelt. Unterschiede zwischen den Modellspezifikationen treten wiederum bei der Verjährung der Lohnstrafen auf:

In der Random Effects-Spezifikation verschwindet der Lohnabschlag eines Aus-zeitjahres mit zunehmender Distanz zur Gegenwart schneller als in der Fixed Effects-Spezifikation. Auch die Parameter der Arbeitslosigkeitsvariablen weisen die bekannten Unterschiede auf.

Erläuterungen zu den Schätzergebnissen von Modell (3/5a) gemäß Tabelle 15 im Anhang

Entgegen den Ergebnissen aus Modell (3a) ergibt sich in der Random-Effects-Spezifikation des Modells (3/5a) nun mit 4,1 Prozent die höchste Ertragsrate

222 Im Fixed-Effects-Modell wird ein niedriger Schulabschluss im Lohn etwas stärker abgestraft als im vorangegangenen Modell (5), im Random-Effects-Modell sind die Parameter der Ausbil-dungsvariablen generell etwas schwächer ausdifferenziert als in Modell (5).

223 Im Fixed Effects-Modell wird die Lohnprämie aktueller Vollzeit nach einer Teilzeitunterbre-chung vom Koeffizient früherer Teilzeit aufgenommen. Dies liegt daran, dass intrapersonell bei aktueller durchgängiger Vollzeit immer auch aktuelle Vollzeit in gleicher Anzahl von Jahren vorliegt, sodass die letztgenannte Variable im Modell (3/5) keinen eigenständigen Erklärungs-wert hat.

aktueller Vollzeit für Frauen ohne berufsbildenden Abschluss; die Akademikerin-nen fallen mit 3,9 Prozent auf Rang zwei zurück. Damit wird das Ergebnis von Modell (4a) im Wesentlichen bestätigt, das hinsichtlich der Variable durchgän-gige aktuelle Vollzeit zwischen den Bildungstypen unterschied und die Lohnrele-vanz des Verzichts auf Unterbrechungen insbesondere für niedrig gebildete Frauen betonte. Bei den Parameterwerten der übrigen Variablen ergeben sich durch die Aufnahme der Interaktionsvariablen weder in der Random Effects-, noch in der Fixed-Effects-Spezifikation nennenswerte Unterschiede zu Modell (3/5).