Path:
Makroökonomische Wirkungsanalyse

Full text: Makroökonomische Wirkungsanalyse / Hujer, Reinhard

Ergebnisse aus der Projektarbeit des Instituts für Arbeitsmarkt- und Berufsforschung

Nr. 4/2005

Vermittlungsgutscheine
Zwischenergebnisse der Begleitforschung 2004 Teil IV Makroökonomische Wirkungsanalyse
Reinhard Hujer, Christopher Zeiss

Bundesagentur für Arbeit

IABForschungsbericht

Nr. 4/2005

2

Vermittlungsgutscheine
Zwischenergebnisse der Begleitforschung 2004 Teil IV Makroökonomische Wirkungsanalyse
Reinhard Hujer, Christopher Zeiss (Universität Frankfurt am Main)

Mit der Publikation von Forschungsberichten will das IAB der Fachöffentlichkeit Einblick in seine laufenden Arbeiten geben. Die Berichte sollen aber auch den Forscherinnen und Forschern einen unkomplizierten und raschen Zugang zum Markt verschaffen. Vor allem längere Zwischen- aber auch Endberichte aus der empirischen Projektarbeit bilden die Basis der Reihe, die den bisherigen „IAB-Werkstattbericht“ ablöst.

IABForschungsbericht

Nr. 4/2005

3

Abstract Die vorliegende Analyse untersucht die Beschäftigungseffekte von Vermittlungsgutscheinen und Personal-Service-Agenturen mit Hilfe einer makroökonometrischen Evaluation. Neben einer mikroökonometrischen Evaluation, welche die Wirkungen auf individueller Ebene untersucht, kann eine makroökonometrische Analyse Aussagen über die gesamtwirtschaftlichen Effekte der Maßnahmen machen. Die strukturellen Multiplikatorwirkungen im makroökonomischen Kreislaufzusammenhang werden jedoch nicht berücksichtigt. Das ökonometrische Modell zur Analyse der beiden Maßnahmen basiert auf einer Matching-Funktion, die den Suchprozess von Firmen und von Arbeitern nach einem Beschäftigungsverhältnis abbildet. Die empirischen Analysen werden getrennt für Ost- und Westdeutschland sowie für die Strategietypen der Bundesagentur für Arbeit durchgeführt. Sie zeigen, dass die Ausgabe von Vermittlungsgutscheinen nur in „großstädtisch geprägten Bezirken vorwiegend in Westdeutschland mit hoher Arbeitslosigkeit“ (Strategietyp II) einen signifikant positiven Effekt auf den Suchprozess hat. Für die Personal-Service-Agenturen zeigen sich signifikant positive Effekte für Ost- als auch für Westdeutschland. Allerdings fehlt für eine abschließende Bewertung der Ergebnisse für die PersonalService-Agenturen aufgrund der relativ geringen Teilnehmerzahl noch ein Vergleich mit mikroökonometrischen Analysen.

IABForschungsbericht

Nr. 4/2005

4

Vorbemerkung Im Rahmen des IAB-Auftragsprojektes „Begleitforschung zur Vermittlung: Implementation und Evaluierung der Beauftragungen nach § 37(a) SGB III, Vermittlungsgutscheinen (VGS) und Personalserviceagenturen (PSA)“ war für das Jahr 2004 von den Auftragnehmern sinus München und ZEW Mannheim als Schwerpunkt der Vermittlungsgutschein zu evaluieren. Mit dem zweiten Zwischenbericht liegen aussagefähige Zwischenergebnisse zur Implementation des Instruments, zur Einschaltung privater Arbeitsvermittler und zur arbeitsmarktlichen Wirksamkeit der Vermittlungsgutscheine vor. Wegen seines Umfanges wird der Zwischenbericht in sieben Teilen veröffentlicht. Teil I beschreibt das Projektmonitoring mit den verwendeten Daten und liefert deskriptive Auswertungen. Teil II enthält eine Typisierung der Arbeitsagenturen im Hinblick auf die Strategien und Vorgehensweisen beim Einsatz von Vermittlungsgutscheinen. Im Teil III werden die mikroökonometrischen Ergebnisse der Evaluation auf Vergleichsgruppenbasis (mit positiven Arbeitsmarktwirkungen) präsentiert. Teil IV liefert Befunde aus der makroökonomischen Wirkungsanalyse. Eine erste Kosten-Nutzen-Analyse auf noch auszubauender Datenbasis erfolgt im Teil V. Der Teil VI enthält weitere Informationen und Analysen auf der Basis von Statistiken und Befragungen zu den Empfängern und Nutzern von Vermittlungsgutscheinen sowie zur Einschaltung der privaten Arbeitsvermittler. Zur besseren Handhabbarkeit enthält Teil VIa den Text mit integrierten Tabellen, Teil VIb einen umfangreichen Tabellenanhang für vertiefende Informationen. Im Teil VII werden alle bislang vorliegenden Ergebnisse des Projekts zusammengefasst; auf dieser Basis werden Empfehlungen zur Weiterentwicklung des Vermittlungsgutscheins gegeben.

IABForschungsbericht

Nr. 4/2005

5

Inhaltsverzeichnis
1 2 3 4 5 6 Einleitung....................................................................................6 Theoretische Fundierung...............................................................7 Ökonometrische Modellierung ...................................................... 10 Daten und Deskriptionen............................................................. 17 Empirische Ergebnisse ................................................................ 21 Fazit......................................................................................... 26

IABForschungsbericht

Nr. 4/2005

6

1 Einleitung
Vermittlungsfördernde Politikinstrumente wie Maßnahmen nach § 37 SGB III, Personal-Service-Agenturen (PSA) und Vermittlungsgutscheine (VGS) haben die Zielsetzung, aktiv die Vermittlung von Arbeitsuchenden in eine reguläre Beschäftigung zu fördern. Im Hinblick auf die Wirkung solcher Maßnahmen auf makroökonomischer Ebene ergeben sich zwei Fragen. Erstens, sind die vermittlungsfördernden Maßnahmen in der Lage, den Vermittlungsprozess für Arbeitslose zu beschleunigen, d. h. kann die Zahl der Austritte aus Arbeitslosigkeit in reguläre Beschäftigung durch die vermittlungsfördernden Maßnahmen erhöht werden? Zweitens, welche Konsequenzen ergeben sich aus dem Vermittlungsprozess für die Situation am regionalen Arbeitsmarkt? Insbesondere ist dabei von Interesse, ob und inwieweit vermittlungsfördernde Maßnahmen die Arbeitslosenquote senken können. Um die gesamtwirtschaftlichen Effekte einer Maßnahme zu evaluieren, ist eine makroökonometrische Evaluation, d. h. eine Schätzung des kausalen Einflusses der Maßnahme auf ausgewählte Makroindikatoren, wie z. B. die Unterbeschäftigungsquote oder die Übergänge aus Arbeitslosigkeit in Beschäftigung, erforderlich. Anders als bei den mikroökonometrischen Analysen bedarf es dazu grundsätzlich keiner Kontrollregionen. Maßnahmeneffekte werden hier durch die Variation des Maßnahmeneinsatzes über die Regionen und über die Zeit identifiziert. Damit unterscheidet man nicht wie bei der Mikro-Evaluation zwischen Teilnehmern und Nichtteilnehmern, sondern zwischen unterschiedlichen Stärken des regionalen Maßnahmeneinsatzes. In der vorliegenden empirischen Analyse werden die makroökonomischen Effekte von Vermittlungsgutscheinen und PSA untersucht, wobei die Multiplikatoreffekte im makroökonomischen Kreislaufzusammenhang allerdings nicht berücksichtigt werden. Es wird auch untersucht, wie die Maßnahmen in verschiedenen Typen von Regionen wirken. Dies ist besonders wichtig unter dem Aspekt, dass die Agenturbezirke in Deutschland äußerst heterogene Strukturen aufweisen. Weiterhin kann analysiert werden, inwieweit die Effekte der vermittlungsfördernden Maßnahmen von den lokalen Arbeitsmarktbedingungen abhängen.

IABForschungsbericht

Nr. 4/2005

7

2 Theoretische Fundierung
Als theoretische Basis für die makroökonometrische Evaluation der vermittlungsfördernden Maßnahmen wird die Suchtheorie verwendet (siehe z. B. Pissarides, 2000). Zentrales Element der Suchmodelle ist der Matching-Prozess, der den Suchprozess der Firmen und der Arbeitslosen nach einem passenden Beschäftigungsverhältnis beschreibt. Arbeitslose suchen nach unbesetzten Arbeitsplätzen, und Firmen mit offenen Stellen wollen geeignete Arbeitskräfte einstellen. Die Zeit, die benötigt wird, bis ein geeigneter Match zustande kommt, ist dabei von zwei Faktoren abhängig. Zum einem benötigt eine Arbeitsplatzsuche Zeit, da z. B. Anzeigen geschaltet bzw. Vorstellungsgespräche geführt werden müssen, zum anderen sind aber auch geographische und qualifikatorische Unterschiede bedeutsam. Ist beispielsweise das Angebot an Arbeitnehmern mit einer bestimmten Qualifikation sehr gering, wäre die Suchzeit für ein Unternehmen, das diesen Typ von Arbeitskräften sucht, sehr lang. Die Effizienz des Matching-Prozesses wird deshalb vor allem durch die regionalen und qualifikatorischen Unterschiede zwischen Arbeitsangebot und Arbeitsnachfrage bestimmt. Aktive Arbeitsmarktpolitik soll beide Faktoren des Matching-Prozesses beeinflussen. Während beispielsweise Qualifizierungsmaßnahmen das Ziel haben, die Struktur des Arbeitsangebots an die Arbeitsnachfrage anzupassen, streben vermittlungsfördernde Maßnahmen an, den Suchprozess an sich zu beschleunigen. Die vermittlungsfördernden Maßnahmen sollen durch die Einschaltung Dritter in den Vermittlungsprozess die Suchzeit für die Arbeitslosen verkürzen und somit die Matching-Effizienz auf dem Arbeitsmarkt erhöhen, bzw. den Matching-Prozess verbessern. Der Matching-Prozess wird in der Suchtheorie durch eine aggregierte Matching-Funktion approximiert, welche die Zahl der Neueinstellungen als eine Funktion der Arbeitslosen und der offenen Stellen beschreibt. Für die Analyse wird, in Anlehnung an Hujer und Zeiss (2003), die MatchingFunktion um die vermittlungsfördernden Maßnahmen erweitert. Unter Verwendung einer Cobb-Douglas-Spezifikation kann die erweiterte MatchingFunktion wie folgt geschrieben werden:

h = Avβ v (λu)β u ,

(1)

IABForschungsbericht

Nr. 4/2005

8

wobei h die Übergänge von Arbeitslosigkeit in reguläre Beschäftigung, v die offenen Stellen und u die Arbeitslosen, jeweils relativ zu den Erwerbspersonen bezeichnen. Der Skalierungsparameter A kann als MismatchParameter interpretiert werden, der die regionalen und qualifikatorischen Unterschiede zwischen den offenen Stellen und den Arbeitslosen widerspiegelt. Die Arbeitslosen gehen in die erweiterte Matching-Funktion mit ihrer Sucheffizienz λ ein. Die Variable λ u beschreibt dann die Anzahl der Arbeitslosen relativ zu den Erwerbspersonen, die effektiv nach einer Beschäftigung suchen. Lehmann (1995) und Puhani (1999) berücksichtigen im theoretischen Ansatz aktive arbeitsmarktpolitische Maßnahmen, indem der Parameter λ folgendermaßen spezifiziert wird:
J

λ = µ(1 + θ) mit θ = å τ jp j
j=1

(2)

Der Parameter µ beschreibt die Sucheffizienz, die nicht von den Maßnahmen beeinflusst wird, und der Parameter θ beinhaltet den Effekt, der sich durch die Maßnahmen ergibt. Der Effekt der vermittlungsfördernden Maßnahmen kann dann auf die einzelnen Maßnahmen aufgeteilt werden. Dabei ist p j ein Maß für die Stärke des Maßnahmeneinsatzes (z. B. Teilnehmer an einer Maßnahme oder Ausgaben für die Maßnahme) und τ j ist der entsprechende Maßnahmeneffekt. Grundlegende Annahme für die Analyse der vermittlungsfördernden Maßnahmen ist, dass die Maßnahmen die Anzahl der effektiv suchenden Arbeitslosen beeinflussen können. Voraussetzung für einen positiven Effekt der Maßnahmen ist dann, dass der Dritte die Arbeitsplatzsuche effizienter gestalten kann als die Agentur für Arbeit, bzw. der Arbeitslose selbst. Die Analyse der Matching-Funktion kann die Frage beantworten, ob die vermittlungsfördernden Maßnahmen in der Lage sind, den MatchingProzess zu verbessern, d. h. die Suchzeit zu verkürzen. Allerdings können aufgrund der Ergebnisse einer solchen Analyse keine Rückschlüsse auf den Bestand der Arbeitslosen gezogen werden. Im Gegensatz zu einer mikroökonometrischen Analyse berücksichtigt eine aggregierte Wirkungsanalyse mit Hilfe der Matching-Funktion Mitnahme-

IABForschungsbericht

Nr. 4/2005

9

und Substitutionseffekte. Ein Mitnahmeeffekt liegt vor, wenn die beobachtete Einstellung auch ohne die vermittlungsfördernde Maßnahme stattgefunden hätte. Substitutionseffekte liegen vor, wenn die Unternehmen bevorzugt geförderte anstatt ungeförderte Arbeitnehmer einstellen, ohne dass sich die Gesamtzahl an Neueinstellungen ändert. Es erfolgt dabei lediglich eine Umverteilung der Beschäftigungswahrscheinlichkeit. Eine Analyse mit der aggregierten Matching-Funktion berücksichtigt beide Effekte, da in beiden Fällen die aggregierte Zahl der Neueinstellungen konstant bleibt. Allerdings erfasst eine Analyse der aggregierten Matching-Funktion keine Substitutionseffekte, die darauf zurückzuführen sind, dass Arbeitgeber regulär Beschäftigten kündigen, um geförderte Arbeitnehmer einzustellen. Vorrausetzung für beide Formen des Substitutionseffektes ist allerdings, dass eine Vermittlungsförderung als positives Signal hinsichtlich der Leistungsfähigkeit des Arbeitnehmers gewertet wird. Da die Analyse mit der Matching-Funktion die Substitution von bestehenden Beschäftigungsverhältnissen zu Gunsten geförderter Personen nicht berücksichtigen kann, ist die Analyse des Matching-Prozesses partialanalytisch und kann nur eine eingeschränkte Aussage über den Gesamteffekt machen. Im Hinblick auf eine Quantifizierung des Gesamteffektes müssen zusätzlich zu den Effekten auf die Beschäftigungszugänge auch die Abgänge aus der Beschäftigung berücksichtigt werden. Dazu kann man folgende aus der MatchingFunktion resultierende steady-state Bedingung für die Arbeitslosenquote verwenden: Avβ v (λu)β u = q(1 − u) (3)

Hierbei ist q eine als konstant angenommene Rate, mit der eine beschäftigte Person arbeitslos wird. Diese Beziehung, die auch als BeveridgeKurve bezeichnet wird, beschreibt die Arbeitslosenquote als eine Funktion der offenen Stellen, der Parameter der Matching-Funktion und der Abgangsrate q . Haben die vermittlungsfördernden Maßnahmen einen positiven Effekt auf den Matching-Prozess, so ergibt sich bei einer unveränderten Anzahl von Abgängen in Arbeitslosigkeit eine Verschiebung der Beveridge-Kurve nach unten. Dies bedeutet, dass für eine gegebene Anzahl von offenen Stellen eine niedrigere Arbeitslosenquote erreicht wird, d. h. die Arbeitsmarktsituation verbessert wird.

IABForschungsbericht

Nr. 4/2005

10

3 Ökonometrische Modellierung
Als Datenbasis für die empirischen Analyen dienen Regionaldaten für 180 Agenturbezirke1, für die monatliche Zeitreihen für den Zeitraum von Mai 2003 bis Juni 2004 vorliegen. Ein solcher Datensatz, der sowohl Informationen für verschiedene Regionen als auch für verschiedene Zeitpunkte beinhaltet, wird allgemein als Paneldatensatz bezeichnet. Paneldaten haben gegenüber einzelnen Zeitreihen den Vorteil, dass zur Identifikation der Maßnahmeneffekte nicht nur die zeitliche, sondern auch die regionale Variation verwendet wird. Das bedeutet: Es werden sowohl die Längsschnitts- als auch die Querschnittsinformationen für die empirischen Analysen berücksichtigt. Insbesondere für die makroökonometrische Evaluation der vermittlungsfördernden Maßnahmen ist aufgrund der vorliegenden kurzen Zeitreihen eine valide Schätzung des Maßnahmeneffektes nur mit Paneldaten möglich. Die ökonometrische Analyse der Maßnahmeneffekte der vermittlungsfördernden Maßnahmen basiert auf einem log-linearen Modell der erweiterten Matching-Funktion. Eine Schätzung der erweiterten Beveridge-Kurve kann zum jetzigen Zeitpunkt noch nicht präsentiert werden, da die aktuell verfügbaren Daten keine valide Schätzung erlauben. Die relativ geringe Variation der Arbeitslosenquote in den Monatsdaten, welche nur für einen Zeitraum von etwas über einem Jahr vorliegen, erlaubt keine präzise Schätzung der Maßnahmeneffekte. Für eine Schätzung von inhaltlich interpretierbaren Effekten mit Hilfe der erweiterten Beveridge-Kurve wären daher entsprechend längere Zeitreihen nötig. Die Matching-Funktion wird als dynamisches Panelmodell spezifiziert, das im Gegensatz zu einem statischen Panelmodell durch den Einbezug der verzögert endogenen Variable gekennzeichnet ist:
VGS PSA ln h it = α ln h it −1 + β v ln vit-1 + β u ln u it −1 + γ(L)pit + δ(L)pit + x it −1 'ξ + µ i + η t + ε it

(4)

wobei i = 1, 2,L , N als Regionalindex und t = 1, 2,L , T als Zeitindex verwendet wird. hit sind die Abgänge aus Arbeitslosigkeit in sozialversicherungspflich-

1

141 Agenturbezirke in Westdeutschland, 34 Agenturbezirke in Ostdeutschland und 5 Agenturbezirke in Berlin.

IABForschungsbericht

Nr. 4/2005

11

tige Beschäftigung, uit ist der Bestand an Arbeitslosen und vit sind die offenen Stellen, jeweils relativ zu den zivilen Erwerbspersonen. Die Intensität der vermittlungsfördernden Maßnahmen (VGS und PSA) werden durch
VGS PSA pit und pit

erfasst, wobei γ ( L) und δ(L) Lag-Polynome der Form

γ ( L) = γ 1 L + γ 2 L2 + γ 3 L3 und δ ( L) = δ L darstellen. Entsprechend der Argumentation von Calmfors und Skedinger (1995) soll die Maßnahmenintensität durch die Wahrscheinlichkeit dargestellt werden, mit der ein Arbeitsloser einen Vermittlungsgutschein erhält bzw. ein PSA-Arbeitnehmer wird. In der Analyse für die Vermittlungsgutscheine wird die Maßnahmenintensität durch die Anzahl der ausgegebenen Gutscheine relativ zu der Zahl der Anspruchsberechtigten abgebildet. Die Anspruchsberechtigten sind dabei alle Leistungsempfänger, die seit mindestens 3 Monaten arbeitslos sind. Um die Intensität des Einsatzes der PSA zu messen, wird der Bestand an PSAArbeitnehmern relativ zu den Arbeitslosen (ohne Teilnehmer an Maßnahmen der aktiven Arbeitsmarktpolitik) verwendet. Der Maßnahmenindikator für die Vermittlungsgutscheine wird mit 3 Lags aufgenommen, um Zeitverzögerungen zwischen der Ausgabe und der Einlösung der Gutscheine zu berücksichtigen. Der Maßnahmenindikator für PSA wird im Gegensatz dazu nur mit 1 Lag aufgenommen, da dieser auf dem Bestand der PSAArbeitnehmer basiert. Um die Struktur des Arbeitsmarktes besser abzubilden, wird zusätzlich der Anteil der Langzeitarbeitslosen, der jüngeren Arbeitslosen (unter 25 Jahre) und der älteren Arbeitslosen (über 50 Jahre) als erklärende Variablen berücksichtigt. Diese zusätzlichen Variablen sind in dem Vektor xit enthalten. Ökonometrische Modelle mit Paneldaten können in der Regel die zeitliche und die regionale Heterogenität nicht vollständig durch die erklärenden Variablen abbilden. Um dieses Problem zu berücksichtigen, wird die Regressionsgleichung um die Terme µi und ηt erweitert. Der Term µi erfasst die regionalspezifischen und ηt die zeitspezifischen Unterschiede, welche nicht durch die erklärenden Variablen abgebildet werden. Die verbleibende unbeobachtbare Heterogenität wird durch die Störvariable ε it , die über die Zeit und die Regionen variiert, berücksichtigt. Die vorliegenden Zeitreihen ermöglichen es, die erweiterte MatchingFunktion als ein dynamisches Modell zu formulieren, das die verzögerten

IABForschungsbericht

Nr. 4/2005

12

Abgänge aus Arbeitslosigkeit in sozialversicherungspflichtige Beschäftigung hit −1 als erklärende Variable aufnimmt. Diese Spezifikation ermöglicht die Berücksichtigung von Anpassungsprozessen auf dem Arbeitsmarkt. Aufgrund der Verwendung von monatlichen Daten ist es sinnvoll, die Maßnahmen mit jeweils einem Lag aufzunehmen. Die Matching-Funktion ist dann so zu interpretieren, dass die Abgänge in Beschäftigung im aktuellen Monat durch den Bestand an Arbeitslosen und an offenen Stellen am Ende des Vormonats bestimmt werden. Weiterhin lassen sich durch die Einbeziehung von Lags Endogenitäten hinsichtlich der erklärenden Variablen vermeiden. Diese entstehen dadurch, dass der Bestand an Arbeitslosen und an offenen Stellen durch die Abgänge in Beschäftigung sowie durch die jeweiligen Zugänge bestimmt wird. Das methodische Problem der Endogenität besteht auch für die Politikindikatoren, da die Intensität der Maßnahmen der aktiven Arbeitsmarktpolitik durch eine Politikreaktionsfunktion bestimmt wird, in der die aktuelle Arbeitsmarktlage berücksichtigt wird (siehe z. B. Calmfors und Skedinger, 1995). Wichtige Einflussgrößen können dann beispielsweise die Arbeitslosenquote oder die Abgänge aus Arbeitslosigkeit in Beschäftigung sein.2 In diesem Fall ergibt sich für die ökonometrischen Analysen ein Simultanitätsproblem, d. h. die zu erklärende Variable „Abgänge aus Arbeitslosigkeit in Beschäftigung“, wird simultan mit den Politikindikatoren bestimmt. Wird das Simultanitätsproblem bei den empirischen Analysen nicht berücksichtigt, führt das zu inkonsistenten Schätzergebnissen. Im Gegensatz zu dem üblichen Verfahren, in dem die endogenen Politikindikatoren instrumentiert werden (vgl. Hagen, 2003), wird in der Analyse der vermittlungsfördernden Maßnahmen das Endogenitätsproblem durch die Einbeziehung von Lags gelöst. Indem der Politikindikator der Vorperiode verwendet wird, ist sichergestellt, dass dieser in der Regressionsgleichung nicht von der Arbeitsmarktsituation der aktuellen Periode bestimmt ist.

2

Für die Verteilung der Mittel für aktive Arbeitsmarktpolitik auf die Agenturbezirke siehe Blien (2002).

IABForschungsbericht

Nr. 4/2005

13

Zur Schätzung von dynamischen Panelmodellen müssen geeignete Methoden angewendet werden, um konsistente Ergebnisse zu erhalten.3 Für die Schätzungen wird hinsichtlich der unbeobachtbaren Faktoren µi und ηt ein Fixed-Effects-Ansatz verwendet, d. h. wir behandeln µi und ηt als zu schätzende Parameter, deren Verteilung daher nicht spezifiziert werden muss. Bei der Schätzung eines solchen Modells muss berücksichtigt werden, dass die Anzahl der Parameter mit der Anzahl der Regionen N und der Anzahl der Monate T ansteigt. Bezüglich der Regionen repräsentiert der Datensatz die Grundgesamtheit, d.h. die asymptotischen Eigenschaften des Modells gelten für N konstant und T → ∞ , obwohl für die meisten Strategietypen sowie für Ost- und Westdeutschland N > T gilt. Für die Schätzungen wird deshalb ein Within-Schätzer (Least-Squares-Dummy-Variable-Schätzer) verwendet, der die regionen- und zeitspezifischen Effekte eliminiert (siehe Baltagi, 2001). Dieser Schätzansatz ist aufgrund der dynamischen Modellstruktur konsistent für N konstant und T → ∞ . Allerdings können die Schätzwerte innerhalb von Stichproben mit kleinen T insbesondere für den autoregressiven Parameter verzerrt sein. Daher wird zusätzlich zu dem Within-Schätzer der von Arellano und Bond (1991) vorgeschlagene First-Differences-GMM Schätzer verwendet.4 Dieser ist zwar konsistent für
T konstant und N → ∞ , hat allerdings in Monte-Carlo-Simulationen gute

Ergebnisse für Stichproben mit großen N und kleinen T ergeben (siehe Arellano und Bond, 1991). Aufgrund der relativ geringen Größe von N werden für die Analyse nur die einstufigen Schätzer berechnet (siehe Baltagi, 2001). Die konsistenten einstufigen Schätzer sind asymptotisch äquivalent zu den effizienten zweistufigen Schätzern, wenn das Residuum einer unabhängigen identischen Verteilung folgt. Der First-Differences-GMM Schätzer verwendet die Gleichung (4) in der ersten Differenz, um die regionenspezifischen Effekte zu eliminieren. Für die Identifikation der Parameter der Matching-Funktion wurden folgende Momentenbedingungen verwendet:

3

Für eine Anwendung von dynamischen Panelmodellen für eine makroökonometrische Evaluation siehe z. B. Feld und Savioz (2000). GMM: Generalized Method of Moments.

4

IABForschungsbericht

Nr. 4/2005

14

E (∆ε it hit − j ) = 0 für j=2,3,L ,t-k E (∆ε it vit − j ) = 0 für j=2,3,L ,t-k

, ,

E (∆ε it uit − j ) = 0 für j=2,3,L ,t-k

, ,

VGS E (∆ε it pit − j ) = 0 für j=2,3,L ,t-k

PSA E (∆ε it pit − j ) = 0 für j=2,3,L ,t-k

, E (∆ε it ∆xit −1 ) = 0 und E (∆ε it ∆ηt ) = 0 .

Für die Schätzungen werden die differenzierten Variablen ∆hit −1 , ∆uit −1 ,

∆vit −1 , ∆pVGS und ∆pitPSA mit ihrer eigenen Historie in Niveaus instrumentiert. it −1 −1
k bestimmt dabei, wie weit diese Historie in der Zeit zurückreicht. Die

Länge der Historie wurde für die Schätzungen auf den maximalen Wert gesetzt, der noch eine Berechnung des Schätzers erlaubte. Die Variablen in ∆xit −1 sowie die differenzierten Zeitdummies ∆ηt werden mit sich selbst instrumentiert. Damit die Momenten-Bedingungen gültig sind, ist es allerdings notwendig, dass für ∆ε it keine Autokorrelation 2. Ordnung gefunden wird. Der von Arellano und Bond (1991) vorgeschlagene Test auf Autokorrelation 2. Ordnung wird in den Ergebnisstabellen präsentiert. Als Abgrenzung für die Subgruppen innerhalb des Regionenmonitoring wird die im Jahr 2003 gebildete regionale Typisierung der Agenturbezirke (Blien et al., 2004) verwendet (siehe Tabelle 1). Sie wurde im Hinblick auf das im Rahmen der Modernisierung der Arbeitsverwaltung neu entwickelte Zielsystem der Bundesagentur für Arbeit erarbeitet. Um Vergleiche zwischen den Agenturbezirken durchzuführen, wurden 12 regionale Vergleichstypen gebildet, die zu 5 Strategietypen zusammengefasst werden können. Während die Vergleichstypen eine hinreichende Differenzierung für Vergleichszwecke darstellen, soll die gröbere Klassifikation der Strategietypen zum Zwecke der Programmentwicklung eingesetzt werden. Für die ökonometrische Analyse ist jedoch nur die Abgrenzung nach Strategietypen sinnvoll, da eine ausreichende Anzahl von Regionen für die Schätzungen vorliegen muss. Die Effekte der vermittlungsfördernden Maßnahmen werden daher für Ost- und Westdeutschland sowie für die Strategietypen II-V ausgewertet. Der Strategietyp I ist bis auf den Agenturbezirk Dresden identisch zu Ostdeutschland und wird deshalb nicht untersucht. Bezüglich der Fallzahlen muss darauf hingewiesen werden, dass insbesondere für den Strategietyp IV mit 10 Agenturbezirken und den Strategietyp II mit 26 Agenturbezirken die Zahl der Beobachtung relativ gering ist. Zum einen führt die geringe Fallzahl zu einer Reduktion der Signifikanz der

IABForschungsbericht

Nr. 4/2005

15

Schätzungen. Zum anderen beeinträchtigt die geringere Anzahl an Regionen die Aussagekraft des First-Difference-GMM Schätzers. Dies liegt daran, dass die Spalten der Instrumentenmatrix, im Rahmen des FirstDifference-GMM Schätzers nur über die Regionen nicht aber über die Zeit variieren.5 Tabelle 1: Definition der Strategie- und Vergleichstypen
Vergleichs-/ Strategietyp I Ia Kurzbezeichnung Kurzbeschreibung Agenturen für Arbeit

Bezirke in Ostdeutschland mit dominierendem Arbeitsplatzdefizit Bezirke in Ostdeutschland mit schlechtesten Arbeitsmarktbedingungen Bezirke in Ostdeutschland mit schlechten Arbeitsmarktbedingungen Höchste Unterbeschäftigung, unterdurchschnittliche Bevölkerungsdichte, geringste Bewegung am Arbeitsmarkt Sehr hohe Unterbeschäftigung, geringe Bewegung am Arbeitsmarkt Neubrandenburg, Merseburg, Altenburg, Bautzen, Sangershausen Cottbus, Dessau, Halberstadt, Halle, Stendal, Wittenberge, Oschatz, Riesa, Gera, Nordhausen, Rostock, Stralsund, Eberswalde, Frankfurt/O., Neuruppin, Plauen, Erfurt, Zwickau, Chemnitz, Magdeburg, Pirna, Leipzig, Annaberg Schwerin, Jena, Potsdam, Gotha, Suhl

Ib

Ic

Bezirke in Ostdeutschland Hohe Unterbeschäftigung, mit hoher Arbeitslosigkeit, mäßige Bewegung am Arbeitsz. T. Grenzlage zum Westen markt

II IIa

Großstädtisch geprägte Bezirke vorwiegend in Westdeutschland mit hoher Arbeitslosigkeit Großstädtisch geprägte Be- Hohe Unterbeschäftigung, zirke mit hoher Arbeitslosig- höchste Bevölkerungsdichte, keit mäßige Bewegung am Arbeitsmarkt, hoher Anteil Sozialhilfeempfänger/Problemgruppen, überdurchschnittlicher Tertiarisierungsgrad Vorwiegend großstädtisch Durchschnittliche Unterbeschäfgeprägte Bezirke mit mäßig tigung (für Westmaßstäbe überhoher Arbeitslosigkeit durchschnittlich), hohe Bevölkerungsdichte, überdurchschnittliche Bewegung am Arbeitsmarkt, hoher Anteil Sozialhilfeempfänger/Problemgruppen Berlin, Bochum, Duisberg, Dortmund, Gelsenkirchen, Dresden

IIb

Hamburg, Köln, Mönchengladbach, Aachen, Krefeld, Hagen, Oberhausen, Hamm, Bremen, Saarbrücken, Recklinghausen, Hannover, Essen, Solingen, Bielefeld, Wuppertal

5

Vgl. zum Aufbau der Instrumentenmatrix Arellano und Bond (1991).

IABForschungsbericht

Nr. 4/2005

16

III IIIa

Mittelstädtische und ländliche Gebiete in Westdeutschland mit durchschnittlicher Arbeitslosigkeit Mittelstädtische und ländliche Gebiete mit überdurchschnittlicher Arbeitslosigkeit, aber mäßiger Dynamik Überdurchschnittliche Unterbe- Flensburg, Heide, Leer, schäftigung (für Westmaßstäbe Hameln, Lübeck, Uelzen, hoch), mäßige Bewegung am Emden, Göttingen, WilArbeitsmarkt, überdurchschnittli- helmshaven, Goslar, Brecher Anteil an Sozialhilfeempmerhaven, Kiel, Braunfänger/Problemgruppen, Geringe schweig, Kassel, Hof Bevölkerungsdichte Durchschnittliche Unterbeschäftigung (für Westmaßstäbe überdurchschnittlich), wenig Bewegung am Arbeitsmarkt, geringe Bevölkerungsdichte Unterdurchschnittliche Unterbeschäftigung (für Westmaßstäbe durchschnittlich), wenig Bewegung am Arbeitsmarkt, unterdurchschnittliche Bevölkerungsdichte Lüneburg, Celle, Neumünster, Oldenburg, Helmstedt, Hildesheim, Kaiserslautern, Bad Hersfeld, Pirmasens, Paderborn, Bad Kreuznach, Bayreuth, Coburg, Detmold Coesfeld, Hanau, Mayen, Brühl, Bad Oldesloe, Gießen, Neuwied, Wesel, Düren, Limburg, Landau, Verden, Bamberg, Elmshorn, Wetzlar, Trier, Fulda, Nienburg, Ludwigshafen, Stade, Marburg, Korbach, Neuenkirchen, Saarlouis, Ahlen, Nordhorn, Osnabrück, Bergisch-Gladbach, Schweinfurt, Herford, Soest, Siegen, Meschede, Iserlohn Bonn, Wiesbaden, Offenbach, München, Stuttgart, Frankfurt/M., Münster, Nürnberg, Düsseldorf, Mannheim

IIIb

Ländliche Bezirke mit durchschnittlicher Arbeitslosigkeit

IIIc

Vorwiegend ländliche Bezirke mit unterdurchschnittlicher Arbeitslosigkeit und wenig Dynamik

IV IV

Zentren in Westdeutschland mit günstiger Arbeitsmarktlage und hoher Dynamik Zentren mit günstiger Arbeitsmarktlage und hoher Dynamik Unterdurchschnittliche Unterbeschäftigung, Hohe Bevölkerungsdichte, höchste Bewegung am Arbeitsmarkt, hoher Tertiarisierungsgrad, wenig Saisonbeschäftigung, Überdurchschnittlicher Anteil Sozialhilfeempfänger/Problemgruppen Unterdurchschnittliche Unterbeschäftigung, Geringste Bevölkerungsdichte, unterdurchschnittlicher Anteil Sozialhilfeempfänger/ Problemgruppen, höchste Saisonspanne

V Va

Bezirke in Westdeutschland mit guter Arbeitsmarktlage und hoher Dynamik Ländliche Bezirke mit günstiger Arbeitsmarktlage und hoher saisonbedingter Dynamik Ansbach, Weißenburg, Pfarrkirchen, Weiden, Traunstein, Vechta, Deggendorf, Schwandorf, Passau Darmstadt, Montabaur, Rheine, Mainz, Konstanz, Koblenz, Ulm, Aschaffenburg, Augsburg, Ludwigsburg, Göppingen, Reutlingen, Waiblingen, Offenburg, Rastatt, V.-Schwenningen, Lörrach, Heidelberg, Heilbronn, Karlsruhe, Freiburg, Pforzheim, Aalen, Balingen

Vb

Mittelstandsstrukturierte Be- Geringe Unterbeschäftigung, zirke mit günstiger Arbeits- durchschnittliche Bevölkerungsmarktlage dichte, unterdurchschnittlicher Anteil Sozialhilfeempfänger/ Problemgruppen, höchste Saisonspanne

IABForschungsbericht

Nr. 4/2005

17

Vc

Bezirke mit günstigster Arbeitsmarktlage und hoher Dynamik

Günstigste Unterbeschäftigung, unterdurchschnittliche Bevölkerungsdichte, hohe Bewegung am Arbeitsmarkt, geringster Anteil Sozialhilfeempfänger/Problemgruppen, Hohe Saisonspanne

Donauwörth, Nagold, Freising, Weilheim, Rosenheim, Landshut, Ingoldstadt, Würzburg, Kempten, Memmingen, Regensburg, Ravensburg, Rottweil, Schwäbisch Hall, Tauberbischofsheim

Quelle: Blien et al. (2004).

4 Daten und Deskriptionen
Als Datenbasis für die Analyse der Wirkungen der ausgegebenen Vermittlungsgutscheine und den Personal-Service-Agenturen (PSA) werden die Regionaldaten der Bundesagentur für Arbeit verwendet. Die Daten sind verfügbar für 180 Agenturbezirke für den Zeitraum von Mai 2003 bis Juni 2004. Eine deskriptive Analyse findet sich in Tabelle 2. Tabelle 2: Deskriptive Analysen
Westdeutschland Mittelwert Min. 22559 1828 237131 1232 208 12253 128 7117 5062 2392 Max. 5384 103820 351 10616 75121 1178463 201 6360 0 3346 2648 60229 0 1522 789 37820 1172 22679 588 10214 Strategietyp II Standard-Abw. 16137 1502 141714 754 266 9105 132 5882 3680 1436 Mittelwert Min. 44772 1410 206788 2024 647 25742 210 16368 9759 4267 Ostdeutschland Max. 13537 86250 171 4115 55478 390360 268 4980 83 2579 8120 52803 0 979 5215 34425 2853 20000 931 9183 Strategietyp III Max. 6329 35810 351 8819 75121 378282 201 3063 18 1520 2761 20946 0 452 1347 13115 1347 9497 735 4189 Strategietyp V Max. 5384 371 95049 228 3 2648 0 789 1172 588 42605 9784 520239 4039 874 24873 356 13339 9792 5402 StandardAbw. 16710 788 79939 879 395 10221 162 7053 3809 1755 StandardAbw. 6961 1084 70237 426 163 4007 81 2676 1674 721 StandardAbw. 6246 1398 80977 487 97 3410 63 1854 1494 790

Arbeitslose Offene Stellen Zivilen Erwerbspersonen Abgang von Arbeitslosen in Erwerbstätigkeit Ausgegebene Vermittlungsgutscheine Anspruchsberechtigte (VGS) Bestand an PSA-Arbeitnehmern Langzeitarbeitslose Arbeitslose, 50 Jahre und älter Arbeitslose, Jüngere unter 25 Jahren

Arbeitslose Offene Stellen Zivilen Erwerbspersonen Abgang von Arbeitslosen in Erwerbstätigkeit Ausgegebene Vermittlungsgutscheine Anspruchsberechtigte (VGS) Bestand an PSA-Arbeitnehmern Langzeitarbeitslose Arbeitslose, 50 Jahre und älter Arbeitslose, Jüngere unter 25 Jahren

Standard-Abw. Mittelwert Min. Max. 44491 13990 103820 20192 2205 612 10240 1535 319678 141568 874937 143313 1797 388 5863 963 491 0 3346 475 25051 8126 60229 11060 247 0 1522 234 16251 4438 37820 6905 9781 3309 22679 4218 4195 1322 10214 1888 Strategietyp IV Standard-Abw. Mittelwert Min. Max. 37345 11014 77946 19303 3524 383 10616 2405 471705 139309 1178463 293958 2054 467 6360 1351 250 24 646 144 20022 5633 42039 10393 134 0 386 90 10635 3280 18977 4879 9271 1970 19248 5158 3426 868 7572 1816

Mittelwert Min. 17973 1413 187256 1030 189 9871 113 5705 3909 1994

Arbeitslose Offene Stellen Zivilen Erwerbspersonen Abgang von Arbeitslosen in Erwerbstätigkeit Ausgegebene Vermittlungsgutscheine Anspruchsberechtigte (VGS) Bestand an PSA-Arbeitnehmern Langzeitarbeitslose Arbeitslose, 50 Jahre und älter Arbeitslose, Jüngere unter 25 Jahren

Mittelwert Min. 14133 1827 210226 1042 87 7122 85 3487 3255 1786

Um bei den Schätzungen die Effekte auf den ersten Arbeitsmarkt zu erfassen, wurden die Daten zur Arbeitslosigkeit hinsichtlich der größten Maßnahmen der aktiven Arbeitsmarktpolitik korrigiert. Da Teilnehmer an akti-

IABForschungsbericht

Nr. 4/2005

18

ven arbeitsmarktpolitischen Maßnahmen nicht als Arbeitslose erfasst werden, wurde zu dem Bestand an Arbeitslosen die Teilnehmer in Fort- und Weiterbildungsmaßnahmen (ABM), (FBW), Arbeitsbeschaffungsmaßnahmen (SAM) und EingliederungszuStrukturanpassungsmaßnahmen

schüsse (EGZ) hinzugezählt. Der resultierende Indikator gibt dann approximativ die gesamte Arbeitslosigkeit wieder, die sich aus den regulären Arbeitslosen und den Teilnehmern der oben genannten Maßnahmen der aktiven Arbeitsmarktpolitik ergibt.6 Für die Abgänge aus Arbeitslosigkeit in sozialversicherungspflichtige Beschäftigung ergibt sich das Problem, dass die Maßnahmenteilnehmer, die als sozialversicherungspflichtig Beschäftigte erfasst werden, in diesen Daten enthalten sind. Dies betrifft die Arbeitsbeschaffungsmaßnahmen (ABM), Strukturanpassungsmaßnahmen (SAM) und Eingliederungszuschüsse (EGZ). Zur Bereinigung wurde von den Abgängen aus Arbeitslosigkeit in sozialversicherungspflichtige Beschäftigung die Zugänge aus Arbeitslosigkeit in ABM, SAM und EGZ abgezogen. Die verbleibende Variable gibt dann die Abgänge aus Arbeitslosigkeit in Beschäftigungsverhältnisse des ersten Arbeitsmarktes wieder. Die vorgenommenen Korrekturen sind notwendig, um sicherzustellen, dass der Maßnahmeneffekt nicht durch Eintritte in ABM, FbW, SAM und EGZ verzerrt wird. Die Verwendung der gesamten Arbeitslosenquote stellt sicher, dass die Teilnehmer in diesen Programmen in der Matching-Funktion mit berücksichtigt werden, d. h. zum Pool der Job-Sucher hinzugezählt werden. Die oben genannten Maßnahmen der aktiven Arbeitsmarktpolitik wurden nicht zusätzlich in die Matching-Funktion aufgenommen, da in dieser Studie kein Vergleich aller Maßnahmen der aktiven Arbeitsmarktpolitik durchgeführt werden soll, sondern die Evaluation der vermittlungsfördernden Maßnahmen im Vordergrund steht. Darüber hinaus sollen die makroökonometrischen Analyen in erster Line dazu dienen, die mikroökonometrischen Ergebnisse um eventuelle Mitnahme- und Substitutionseffekte zu ergänzen. Einen Überblick über den Einsatz der vermittlungsfördernden Maßnahmen in den verschiedenen Regionen gibt Tabelle 3. Für die Ausgabe von Vermittlungsgutscheinen relativ zu den Anspruchsberechtigten zeigt sich, dass diese vornehmlich in Ostdeutschland, bzw. in Strategietypen mit schlech-

6

Calmfors und Skedinger (1995) bezeichnen diesen Indikator als „Job Seeker Rate“.

IABForschungsbericht

Nr. 4/2005

19

teren Arbeitsmarktbedingungen zum Einsatz kommen. Für den Bestand an PSA-Arbeitnehmern relativ zu den Arbeitslosen ergibt sich diesbezüglich kein einheitliches Bild. Zum einem ist der Einsatz von PSA mit unter 1% über alle Regionen relativ gering, und zum anderen ergeben sich keine deutlichen Unterschiede zwischen den Regionen. Tabelle 3: Maßnahmeneinsatz nach Strategietypen
Westdeutschland Ausgegebene VGS PSA-Arbeitnehmer Ausgegebene VGS PSA-Arbeitnehmer Ausgegebene VGS PSA-Arbeitnehmer 1.67 % 0.65 % Strategietyp II 1.84 % 0.59 % Strategietyp IV 1.42 % 0.46 % Strategietyp V 1.20 % 0.67 % Strategietyp III 2.04 % 0.70 % Ostdeutschland 2.44 % 0.58 %

Abbildung 1 zeigt den zeitlichen Verlauf der Maßnahmenindikatoren für die Strategietypen. Für die Vermittlungsgutscheine zeigt sich für alle Strategietypen eine ansteigende Tendenz für den Untersuchungszeitraum. Für die PSA zeigt sich für alle Strategietypen ein fast identischer Verlauf. Nach einem deutlichen Anstieg bis Dezember 2003 folgt ein starker Rückgang im Januar und Februar, gefolgt von einem relativ konstanten Verlauf in den Monaten März bis Juni 2004. Generell lässt sich für die vermittlungsfördernden Maßnahmen festhalten, dass zwischen den Strategietypen nur relativ geringe Niveauunterschiede bestehen.

IABForschungsbericht

Nr. 4/2005

20

Abbildung 1:

Zeitverlauf der Maßnahmenindikatoren nach Strategietypen
Ausgegebene Vermittlungsgutscheine
relativ zu den Anspruchsberechtigten

3.50% 3.00% 2.50% 2.00% 1.50% 1.00% 0.50% 0.00% Mai 03 Jun 03 Jul 03 Aug 03 Sep 03 Okt 03 Nov 03 Dez 03 Jan 04 Feb 04 Mrz 04 Apr 04 Mai 04 Jun 04 Monat

Prozent

Strategietyp I Strategietyp Iv

Strategietyp II Strategietyp V

Strategietyp III

Bestand an PSA-Arbeitnehmer
relativ zu den Arbeitslosen
1.40% 1.20% 1.00% 0.80% 0.60% 0.40% 0.20% 0.00% Mai 03 Jun 03 Jul 03 Aug 03 Sep 03 Okt 03 Nov 03 Dez 03 Jan 04 Feb 04 Mrz 04 Apr 04 Mai 04 Jun 04 Monat

Prozent

Strategietyp I Strategietyp Iv

Strategietyp II Strategietyp V

Strategietyp III

IABForschungsbericht

Nr. 4/2005

21

5 Empirische Ergebnisse
Die Tabellen 4 bis 9 enthalten die Schätzergebnisse für die erweiterte Matching-Funktion. Für die Matching-Funktion ergibt sich bis auf Strategietyp II ein autoregressiver Parameter von ca. 0,4, wobei die Unterschiede zwischen dem First-Difference-GMM und dem Within-Schätzer bis auf den Strategietyp IV gering sind. Der Einfluss der Arbeitslosigkeit und der offenen Stellen ist durchweg positiv und für die meisten Strategietypen signifikant. Für die Interpretation der Ergebnisse bezüglich der vermittlungsfördernden Maßnahmen muss berücksichtigt werden, dass die Gleichung als semilogarithmiertes Modell spezifiziert ist. Der geschätzte Parameter für eine nicht-logarithmierte unabhängige Variable x gibt in diesem Fall die Veränderung der logarithmierten abhängigen Variable
y

wieder,

d. h.

∂ ln y 1 ∂y = . Aus diesem Grund wird für die Interpretation der Ergebnisse ∂x y ∂x
der marginale Effekt
∂y ∂ ln y =y berechnet. Zur Berechnung des margina∂x ∂x

len Effektes wird der geschätzte Parameter mit dem Mittelwert der abhängigen Variablen multipliziert. Weiterhin muss bei der Interpretation berücksichtigt werden, dass sich in einem dynamischen Modell der Maßnahmeneffekt über die Zeit entwickelt. Diese zeitliche Entwicklung des Maßnahmeneffektes spiegelt sich in dem langfristigen Multiplikator wider, der aus der Summe der einzelnen marginalen Effekte im Zeitverlauf

å
j =0

∞

∂yt + j ∂xt

berechnet wird.7 Der langfristige Multi-

plikator beantwortet damit die Frage, wie sich die abhängige Variable insgesamt aufgrund einer einmaligen, nicht permanenten Veränderung der unabhängigen Variablen verändert. Er kann als langfristiger Effekt interpretiert werden. Die marginalen Effekte und der langfristige Multiplikator für die Matching-Funktion sind in der Tabelle 10 enthalten.

7

Der langfristige Multiplikator kann aus den.

δ /(1 − a ) ,

bzw. aus

γ (1) /(1 − α ) berechnet

wer-

IABForschungsbericht

Nr. 4/2005

22

Für Westdeutschland ergeben sich folgende Befunde: Die Vermittlungsgutscheine haben zwar tendenziell eine positive, jedoch insignifikante Wirkung auf den Matching-Prozess. Dagegen ist der Einfluss der PSA auf den Matching-Prozess signifikant positiv. Wird der Bestand an PSA-Arbeitnehmern relativ zu den Arbeitslosen in Westdeutschland um 1 % erhöht, ergibt sich im folgenden Monat eine Erhöhung der Abgänge aus Arbeitslosigkeit in Beschäftigung relativ zu den zivilen Erwerbspersonen um 0,0196 Prozentpunkte (First-Difference-GMM-Schätzer), bzw. um 0,0136 Prozentpunkte (Within-Schätzer). In absoluten Zahlen bedeutet dies, dass eine Erhöhung des PSA-Bestandes um 100 Arbeitnehmern im folgenden Monat zu ca. 18 bzw. 13 zusätzlichen Abgängen aus Arbeitslosigkeit in sozialversicherungspflichtige Beschäftigung führt.8 Der langfristige Effekt einer einmaligen, nicht permanenten Erhöhung des PSA-Bestandes um 1 % liegt bei 0,03 (First-Difference-GMM-Schätzer), bzw. 0,02 Prozentpunkte (Within-Schätzer). Der langfristige Effekt berücksichtigt, dass sich der positive Maßnahmeneffekt in den folgenden Monaten fortsetzt und somit zu einer weiteren Erhöhung der Abgänge aus Arbeitslosigkeit führt. Dabei liegt aufgrund des positiven Koeffizienten der verzögert endogenen Variable der langfristige Multiplikator über den kurzfristigen Effekten. Für Ostdeutschland ergibt sich für die PSA ein signifikant positiver Effekt auf den Matching-Prozess von 0,0527 für den First-Difference-GMM-Schätzer und von 0,0405 für den Within-Schätzer. Dies bedeutet, dass aufgrund einer Erhöhung des PSA-Bestandes um 100 Arbeitnehmer die Abgänge im folgenden Monat um 50 bzw. 39 Personen steigen. Der langfristige Effekt der PSA liegt bei 0,0829 bzw. 0,0660 und ist ebenfalls signifikant. Die Vermittlungsgutscheine haben auch in Ostdeutschland keinen signifikanten Effekt auf den Matching-Prozess. Vergleicht man den Effekt zwischen West- und Ostdeutschland, zeigt sich, dass der Effekt der PSA in Ostdeutschland mehr als doppelt so stark ist wie in Westdeutschland. Für den Strategietyp II, der die westdeutschen Agenturbezirke mit den schlechtesten Arbeitsmarktbedingungen enthält, zeigt sich, dass die ausgegebenen Vermittlungsgutscheine im folgenden Monat einen positiven

8

Die absoluten Werte gelten exakt nur für den zur Berechnung der marginalen Effekte verwendeten Mittelwert der abhängigen Variablen.

IABForschungsbericht

Nr. 4/2005

23

Effekt von 0,0094 auf die Abgänge in Beschäftigung haben. Für die beiden darauffolgenden Monate ist der Koeffizient insignifikant. Tabelle 4: Matching-Funktion für Westdeutschland
N=141, T=10 Variable Abgänge aus Arbeitslosigkeit (t-1) Arbeitslose (t-1) Offene Stellen (t-1) Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Bestand an PSA-Arbeitnehmern (t-1) Anteil Langzeitarbeitslose (t-1) Anteil ältere Arbeitslose (t-1) Anteil jüngere Arbeitslose (t-1) Wald-Test Autokorrelation 1.Ordnung Autokorrelation 2.Ordnung Sargan Test First-Difference-GMM Within Param. t-Wert Param. t-Wert 0.4136 21.50 0.4071 1.5883 11.52 1.6397 0.0330 1.98 0.0330 -0.0182 -0.05 0.1318 -0.2097 -0.63 -0.1568 0.2920 0.92 0.3892 3.6805 2.37 2.5661 -2.5895 -5.04 -1.7190 -0.6437 -0.67 -1.0879 0.1737 0.27 -0.8963 10486.49 20 11155.00 -16.24 141 -8.86 -2.39 141 -1.62 711.58 368 -

17.88 15.53 2.63 0.55 -0.56 1.40 1.91 -4.46 -1.70 -2.04 20 141 141

Tabelle 5: Matching-Funktion für Ostdeutschland
N=34, T=10 Variable Abgänge aus Arbeitslosigkeit (t-1) Arbeitslose (t-1) Offene Stellen (t-1) Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Bestand an PSA-Arbeitnehmern (t-1) Anteil Langzeitarbeitslose (t-1) Anteil ältere Arbeitslose (t-1) Anteil jüngere Arbeitslose (t-1) Wald-Test Autokorrrelation 1.Ordnung Autokorrrelation 2.Ordnung Sargan Test First-Difference-GMM Within Param. t-Wert Param. t-Wert 0.3642 7.55 0.3857 1.5264 5.12 1.6470 0.0893 3.12 0.0903 -0.1128 -0.10 -0.0515 0.3193 0.26 0.2740 -0.1743 -0.15 -0.0498 5.2767 2.84 4.0573 -2.5464 -3.94 -1.9720 -2.5307 -1.53 -0.9766 -0.7928 -0.66 -0.7466 4899.09 20 8617.76 -8.20 34 -4.62 -0.66 34 -0.53 296.96 263 -

6.64 5.82 4.09 -0.07 0.33 -0.06 2.18 -4.16 -0.63 -0.68 20 34 34

IABForschungsbericht

Nr. 4/2005

24

Tabelle 6: Matching-Funktion für den Strategietyp II
N=26, T=10 Variable Abgänge aus Arbeitslosigkeit (t-1) Arbeitslose (t-1) Offene Stellen (t-1) Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Bestand an PSA-Arbeitnehmern (t-1) Anteil Langzeitarbeitslose (t-1) Anteil ältere Arbeitslose (t-1) Anteil jüngere Arbeitslose (t-1) Wald-Test Autokorrrelation 1.Ordnung Autokorrrelation 2.Ordnung Sargan Test First-Difference-GMM Within Param. t-Wert Param. t-Wert 0.1128 1.80 0.1216 0.3919 1.51 0.3865 0.0808 3.79 0.0831 1.6953 2.66 1.6845 -0.3075 -0.59 -0.3169 0.0948 0.20 0.1026 -1.1521 -0.62 -1.2651 0.3668 0.58 0.2681 -1.3611 -1.39 -1.0647 -0.5437 -0.53 -0.7057 2365.52 20 35990.67 -7.74 26 -4.06 -0.92 26 -1.06 264.14 228 -

2.00 2.31 3.99 3.61 -0.85 0.38 -0.66 0.33 -1.44 -0.78 20 26 26

Tabelle 7: Matching-Funktion für den Strategietyp III
N=63, T=10 Variable Abgänge aus Arbeitslosigkeit (t-1) Arbeitslose (t-1) Offene Stellen (t-1) Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Bestand an PSA-Arbeitnehmern (t-1) Anteil Langzeitarbeitslose (t-1) Anteil ältere Arbeitslose (t-1) Anteil jüngere Arbeitslose (t-1) Wald-Test Autokorrrelation 1.Ordnung Autokorrrelation 2.Ordnung Sargan Test First-Difference-GMM Within Param. t-Wert Param. t-Wert 0.4113 13.11 0.4038 1.8477 8.62 1.7352 0.0341 1.54 0.0341 0.3262 0.83 0.2984 0.2716 0.71 0.2414 -0.0230 -0.06 -0.0510 4.3351 2.16 3.4598 -2.0348 -3.28 -1.7374 -2.1073 -1.69 -2.8798 -0.9907 -1.05 -2.0450 5609.60 20 6695.95 -11.70 63 -5.64 0.69 63 0.77 443.85 368 -

12.24 11.06 1.61 1.22 0.95 -0.14 1.65 -2.82 -2.81 -2.84 20 63 63

IABForschungsbericht

Nr. 4/2005

25

Tabelle 8: Matching-Funktion für den Strategietyp IV
N=10, T=10 Variable Abgänge aus Arbeitslosigkeit (t-1) Arbeitslose (t-1) Offene Stellen (t-1) Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Bestand an PSA-Arbeitnehmern (t-1) Anteil Langzeitarbeitslose (t-1) Anteil ältere Arbeitslose (t-1) Anteil jüngere Arbeitslose (t-1) Wald-Test Autokorrrelation 1.Ordnung Autokorrrelation 2.Ordnung Sargan Test First-Difference-GMM Within Param. t-Wert Param. t-Wert 0.4680 3.65 0.3508 2.1085 3.81 1.6010 0.0518 0.61 0.1129 0.2457 0.14 0.3227 -0.4602 -0.29 -0.7001 -1.6936 -0.92 -0.8464 7.2684 1.73 6.2546 -0.5296 -0.53 -1.1653 -0.7576 -0.32 -3.9157 1.8575 0.76 1.7679 1247.13 20 484.72 -3.44 10 -2.64 -0.40 10 -1.03 37.31 43 -

5.60 4.83 2.29 0.48 -0.71 -1.11 2.54 -2.72 -3.29 1.73 20 10 10

Tabelle 9: Matching-Funktion für den Strategietyp V
N=48, T=10 Variable Abgänge aus Arbeitslosigkeit (t-1) Arbeitslose (t-1) Offene Stellen (t-1) Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Bestand an PSA-Arbeitnehmern (t-1) Anteil Langzeitarbeitslose (t-1) Anteil ältere Arbeitslose (t-1) Anteil jüngere Arbeitslose (t-1) Wald-Test Autokorrrelation 1.Ordnung Autokorrrelation 2.Ordnung Sargan Test First-Difference-GMM Within Param. t-Wert Param. t-Wert 0.3758 12.32 0.3910 1.2879 7.26 1.5261 0.0020 0.09 0.0066 -0.7752 -0.96 -0.2817 -1.5563 -1.80 -1.3261 1.1932 1.47 1.5033 2.9447 1.28 2.7137 -3.1403 -3.79 -1.6384 0.6662 0.48 -0.4822 -0.8194 -0.93 -0.6697 4290.16 20 7265.55 -8.10 48 -5.67 -3.95 48 -2.32 380.11 338 -

11.12 11.29 0.53 -0.52 -1.58 2.01 1.35 -2.63 -0.50 -1.20 20 48 48

Zu interpretieren ist dieses Ergebnis folgendermaßen: Wird im aktuellen Monat die Anzahl der ausgegebenen Vermittlungsgutscheine um 100 Gutscheine erhöht, ergeben sich einen Monat später 3 zusätzliche Abgänge aus Arbeitslosigkeit in sozialversicherungspflichtige Beschäftigung. Der langfristige Effekt ist ebenfalls signifikant und mit 0,0093 nahezu identisch zu dem kurzfristigen Effekt. Für die PSA ergeben sich in dem Strategietyp II keine signifikanten Effekte auf den Matching-Prozess.

IABForschungsbericht

Nr. 4/2005

26

Für die Strategietypen III und IV ergeben sich signifikant positive Effekte für die PSA und insignifikante Effekte für die Vermittlungsgutscheine. Für den Strategietyp III liegt der Effekt bei ca. 0,02 und für den Strategietyp IV liegt der Effekt bei ca. 0,03. Für den Strategietyp V lassen sich keine signifikanten Effekte für die PSA und die Vermittlungsgutscheine finden. Insgesamt lässt sich festhalten, dass die PSA positive Effekte auf den Matching-Prozess in Ost- und Westdeutschland haben. Der positive Effekt in Westdeutschland wird allerdings nur in den Strategietypen III und IV wiedergefunden. Für die Vermittlungsgutscheine lassen sich nur positive Effekte im Strategietyp II feststellen. Die aufgrund der ökonometrischen Modelle ermittelten Ergebnisse für die Wirkungen der PSA sind jedoch noch mit den zu erwartenden mikroökonometrischen Ergebnissen zu konfrontieren, um die politische Relevanz abschließend zu beurteilen. Tabelle 10: Marginale Effekte und langfristige Multiplikatoren
Westdeutschland First-Difference-GMM LSDV Param. t-Wert Param. t-Wert -0.0001 -0.05 0.0007 0.55 -0.0011 -0.63 -0.0008 -0.56 0.0016 0.92 0.0021 1.40 0.0006 0.11 0.0033 1.28 0.0196 2.37 0.0136 1.91 0.0334 2.40 0.0230 1.96 Strategietyp II First-Difference-GMM LSDV Param. t-Wert Param. t-Wert 0.0094 2.66 0.0094 3.61 -0.0017 -0.59 -0.0018 -0.85 0.0005 0.20 0.0006 0.38 0.0093 2.34 0.0093 3.03 -0.0064 -0.62 -0.0070 -0.66 -0.0072 -0.62 -0.0080 -0.66 Strategietyp IV First-Difference-GMM LSDV Param. t-Wert Param. t-Wert 0.0011 0.14 0.0014 0.48 -0.0020 -0.29 -0.0031 -0.71 -0.0074 -0.92 -0.0037 -1.11 -0.0158 -0.60 -0.0083 -0.97 0.0319 1.73 0.0275 2.54 0.0600 1.76 0.0423 2.91 Ostdeutschland First-Difference-GMM LSDV Param. t-Wert Param. t-Wert -0.0011 -0.10 -0.0005 -0.07 0.0032 0.26 0.0027 0.33 -0.0017 -0.15 -0.0005 -0.06 0.0005 0.02 0.0028 0.19 0.0527 2.84 0.0405 2.18 0.0829 2.86 0.0660 2.15 Strategietyp III First-Difference-GMM LSDV Param. t-Wert Param. t-Wert 0.0019 0.83 0.0017 1.22 0.0015 0.71 0.0014 0.95 -0.0001 -0.06 -0.0003 -0.14 0.0055 1.01 0.0047 1.45 0.0246 2.16 0.0197 1.65 0.0418 2.16 0.0330 1.73 Strategietyp V First-Difference-GMM LSDV Param. t-Wert Param. t-Wert -0.0040 -0.96 -0.0015 -0.52 -0.0080 -1.80 -0.0068 -1.58 0.0062 1.47 0.0078 2.01 -0.0094 -1.05 -0.0009 -0.20 0.0152 1.28 0.0140 1.35 0.0243 1.29 0.0230 1.36

Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Langfristiger Multiplikator VGS Bestand an PSA-Arbeitnehmern (t-1) Langfristiger Multiplikator PSA

Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Langfristiger Multiplikator VGS Bestand an PSA-Arbeitnehmern (t-1) Langfristiger Multiplikator PSA

Ausgegebene VGS (t-1) Ausgegebene VGS (t-2) Ausgegebene VGS (t-3) Langfristiger Multiplikator VGS Bestand an PSA-Arbeitnehmern (t-1) Langfristiger Multiplikator PSA

6 Fazit
Um die vermittlungsfördernden Maßnahmen zu evaluieren, ist neben einer mikroökonometrischen Evaluation, welche die individuellen Effekte der Teilnehmer untersucht, auch eine makroökonometrische Evaluation nötig. Eine makroökonometrische Evaluation versucht den Gesamteffekt einer Maßnahme zu messen, der sich aus dem Effekt auf die Teilnehmer und

IABForschungsbericht

Nr. 4/2005

27

dem Effekt auf die Nichtteilnehmer zusammensetzt. Dabei berücksichtigt der Gesamteffekt Mitnahme- und Substitutionseffekte. Für die Analyse wird zwischen dem Effekt der vermittlungsfördernden Maßnahmen auf den Suchprozess und dem Gesamteffekt, gemessen z.B. an der Arbeitslosenquote, unterschieden. Da aufgrund der Datenlage nur die Effekte auf den Suchprozess geschätzt werden können, ist nur eine beschränkte Aussage hinsichtlich des Gesamteffektes möglich. Auch die makroökonomischen Multiplikatorwirkungen bleiben dabei unberücksichtigt. Für die PSA zeigen sich für Ost- und Westdeutschland positive Effekte auf den Suchprozess. Diese positiven Effekte werden auch für den Strategietyp III und IV gefunden, d. h. die PSA verbessern in diesen Regionen die Effizienz des Matching-Prozesses und verkürzen so die durchschnittliche Suchzeit der Arbeitslosen nach einer Beschäftigung. Für die Vermittlungsgutscheine lassen sich nur für den Strategietyp II positive Effekte ermitteln, d. h. in den meisten Regionen hat eine verstärkte Ausgabe von Vermittlungsgutscheinen keinen Einfluss auf den Matching-Prozess. Hinsichtlich der Ergebnisse für die PSA muss allerdings darauf hingewiesen werden, dass endgültige Aussagen nur in Verbindung mit Ergebnissen aus mikroökonometrischen Analysen gemacht werden können. Insbesondere im Hinblick darauf, dass PSA eine relativ kleine Maßnahme der aktiven Arbeitsmarktpolitik ist und somit auch der Einfluss von PSA auf die aggregierten Daten relativ gering ist. Aus diesem Grund sollten die signifikanten Ergebnisse aus dieser Analyse erst mit mirkoökonometrischen Ergebnissen verglichen werden, bevor eine endgültige Aussage bezüglich der Effektivität der PSA gemacht wird.

Literatur
Arellano, M. und Bond, S. (1991): Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations, Review of Economic Studies, 58, 277–297. Baltagi, B. (2001): Econometric Analysis of Panel Data. John Wiley and Sons, Chichester.

IABForschungsbericht

Nr. 4/2005

28

Blien, U. (2002): Ein Arbeitsmarktindikator zur regionalen Mittelverwendung für die aktive Arbeitsmarktpolitik, in Kleinhenz, G. (Hrsg.): IABKompendium Arbeitsmarkt- und Berufsforschung, BeitrAB, Bd. 250, 335-344. Blien, Uwe; Hirschenauer, Franziska; Arendt, Manfred; Braun, Hans Jürgen; Gunst, Dieter-Michael; Kilcioglu, Sibel; Kleinschmidt, Helmut; Musati, Martina; Roß, Hermann; Vollkommer, Dieter; Wein, Jochen (2004): Typisierung von Bezirken der Agenturen für Arbeit. In: Zeitschrift für Arbeitsmarktforschung, Jg. 37, H. 2, S. 146-175. Calmfors, L. und Skedinger, P. (1995): Does Active Labour-Market Policy Increase Employment? Theoretical Considerations and Some Empirical Evidence from Sweden. Oxford Review of Economic Policy, Vol. 11 (1), pp. 91-109. Feld, L.P. und Savioz, M.R. (2000): Cantonal und Regional Unemployment in Switzerland: A Dynamic Macroeconomic Panel Analysis, Zeitschrift für Volkswirtschaft und Statistik, Vol 136(3), 463-483. Franz, W. (2003): Arbeitsmarktökonomik, Springer-Verlag, Berlin, Heidelberg, New York Hagen, T. (2003): Three Approaches to the Evaluation of Active Labour Market Policy in East Germany Using Regional Date, ZEW Discussion Paper: 03-27, Mannheim Hujer, R. und Zeiss, C. (2003): Macroeconomic Impacts of ALMP on the Matching Process in West Germany, IZA Discussion Paper 915, IZA. Lehmann, H. (1995): Active Labour Market Policies in the OECD and in Selected Transition Economies, Working Paper No. 539-96, World Bank Policy Reasearch. Pissarides, C. (2000): Equilibrium Unemployment Theory, MIT Press. Puhani, P. (1999): Evaluating Active Labour Market Policies - Empirical Evidence for Poland.

IABForschungsbericht

Nr. 4/2005

29

In dieser Reihe sind zuletzt erschienen
Nr.

Autor(en) Werner Sörgel, Eberhard Wiedemann

Titel - Zwischenergebnisse aus der Begleitforschung zur Vermittlung IAB-Betriebspanel Ost - Ergebnisse der achten Welle 2003 – Teil I: Entwicklung und Struktur der Betriebe und Beschäftigten, Auszubildende IAB-Betriebspanel Ost - Ergebnisse der achten Welle 2003 – Teil II: Personalpolitik, Betriebliche Flexibilität, Weiterbildung IAB-Betriebspanel Ost - Ergebnisse der achten Welle 2003 – Teil III: Wirtschaftliche Lage der Betriebe, Öffentliche Förderung Mehr Beschäftigung durch längere Arbeitszeiten? Ein Beitrag zu der Diskussion um eine generelle Erhöhung der Arbeitszeit Forschung zum SGB II des IAB: Die neuen Forschungsaufgaben im Überblick

Datum 9/2004

1/2004 Sabine Hagemann, Vermittlungsgutscheine nach § 421g SGB III

2/2004 Lutz Bellmann,

9/2004

Vera Dahms, Jürgen Wahse
3/2004 Lutz Bellmann,

9/2004

Vera Dahms, Jürgen Wahse
4/2004 Lutz Bellmann,

9/2004

Vera Dahms, Jürgen Wahse
5/2004 Eugen Spitznagel,

10/2004

Susanne Wanger
6/2004 IAB-Autoren-

12/2004

gemeinschaft

1/2005 Anja Heinze,

Vermittlungsgutscheine - ZwischenergebnisFriedhelm Pfeiffer, se der Begleitforschung 2004 Alexander SperTeil I: Datenstruktur und deskriptive Analymann, Henrik Win- sen terhager, Amelie Wuppermann Günther Klee, Martin Rosemann Vermittlungsgutscheine - Zwischenergebnisse der Begleitforschung 2004 Teil II: Typisierung der Arbeitsagenturen

3/2005

2/2005 Sabine Dann,

2/2005

3/2005 Anja Heinze,

Vermittlungsgutscheine - ZwischenergebnisFriedhelm Pfeiffer, se der Begleitforschung 2004 Alexander SperTeil III: Mikroökonomische Wirkungsanalyse mann, Henrik Winterhager

3/2005

IABForschungsbericht

Nr. 4/2005

30

Impressum
IABForschungsbericht Nr. 4 / 2005

Rechte
Nachdruck – auch auszugsweise – nur mit Genehmigung des IAB gestattet

Herausgeber
Institut für Arbeitsmarkt- und Berufsforschung der Bundesagentur für Arbeit Weddigenstr. 20-22 D-90478 Nürnberg

Bezugsmöglichkeit
Volltext-Download dieses Forschungsberichtes unter: http://doku.iab.de/forschungsbericht/2005/fb0405.pdf

Redaktion
Regina Stoll, Jutta Palm-Nowak

IAB im Internet
http://www.iab.de

Technische Herstellung
Jutta Sebald

Rückfragen zum Inhalt an
Prof. Reinhard Hujer, Tel. 069/798-23166, oder e-Mail: hujer@wiwi.uni-frankfurt.de
        
Top of page

Note to user

Dear user,

In response to current developments in the web technology used by the Goobi viewer, the software no longer supports your browser.

Please use one of the following browsers to display this page correctly.

Thank you.