Direkt zum Inhalt

School-to-Work Transitions and Labor Market Outcomes

Monographien

Dominik Hügle

2021,

Abstract

"Diese Dissertation befasst sich mit der Ökonomie der postsekundären Bildung in Deutschland. In Anbetracht der Tatsache, dass junge Erwachsene in Deutschland nach dem Abschluss der Sekundarstufe in der Regel entweder ein Studium oder eine Berufsausbildung (oder manchmal auch beides) aufnehmen, werden drei grundlegende Fragen untersucht: (i) ""Lohnt sich ein Hochschulstudium für das Individuum und den Staat?"", (ii) ""Wie stark beeinflussen die Einkommenserwartungen die Entscheidung des Individuums zwischen Studium und Berufsausbildung?"", und (iii) ""Welche Verteilungswirkungen hat die Hochschulfinanzierung?"" Ein wesentlicher Aspekt dieser Dissertation ist, dass diese Fragen aus einer ""Lebenszeitperspektive"" analysiert werden, d.h. der gesamte Lebenszyklus eines Individuums wird betrachtet, und nicht nur ein bestimmter Punkt im Lebenszyklus des Individuums (z.B. zu einem bestimmten Alter). Darüber hinaus liegt dieser Dissertation eine vorausschauende Perspektive zugrunde, in dem Sinne, dass sie die Perspektive der Individuen einer jungen Kohorte und ihrer projizierten Lebenszyklen einnimmt. Während eine vorausschauende Lebenszeitperspektive für die Analyse der genannten Fragen naheliegend erscheint, wurde eine solche Perspektive in der Literatur selten eingenommen. Einer der Hauptgründe dürfte sein, dass für jüngere Kohorten naturgemäß keine tatsächlich beobachtbaren Lebenszyklusdaten (bis zum Renteneintritt beispielsweise) existieren. Um eine Lebenszeitperspektive einer jüngeren Kohorte einnehmen zu können, müssen somit ""künstliche"" Daten generiert werden, die einen plausiblen Lebensverlauf von heute jungen Erwachsenen widerspiegeln. In dieser Dissertation wird dafür ein dynamisches Mikrosimulationsmodell auf Basis des Sozio-oekonomischen Panels (Goebel et al., 2018) entwickelt. Das dynamische Mikrosimulationsmodell simuliert sequentiell den Lebenszyklus eines Individuums in Bezug auf mehrere Schlüsselvariablen wie die Beschäftigung und Haushaltsentscheidungen (Li and O'Donoghue, 2013). Dieses Modell ist die Grundlage für die empirische Arbeit in dieser Dissertation. Das erste Kapitel, The Private and Fiscal Returns to Higher Education - A Simulation Approach for a Young German Cohort, erklärt im Detail, wie das dynamische Mikrosimulationsmodell funktioniert. Im Wesentlichen schätzt es zunächst Übergangsmodelle für die zu simulierenden Variablen und verwendet dann die geschätzten Parameter, um die individuellen Lebenszyklen von einem Jahr zum nächsten zu simulieren. Darüber hinaus enthält es einen Steuer-Transfer-Rechner, der das deutsche Steuer-Transfer-System abbildet und die Berechnung von Steuern, Transfers und Sozialversicherungsbeiträgen ermöglicht. Mit Hilfe des dynamischen Mikrosimulationsmodells werden dann im ersten Kapitel die privaten und fiskalischen Renditen des Hochschulstudiums geschätzt. Bei der Analyse der Renditen unterscheiden wir zwischen Brutto- und Nettoeinkommen und verschiedenen Graden von ""Einkommenspooling"" innerhalb von Haushalten. Für eine typische Biographie finden wir stark positive Renditen (interne Zinsfüße) sowohl für das Individuum als auch für den Staat. Gleichzeitig finden wir aber auch einen beträchtlichen Anteil von Individuen, deren Investition ins Studium einen negativen Kapitalwert aufweist, für die also eine Berufsausbildung finanziell lohnender wäre als ein Studium. Kapitel zwei, The Decision to Enrol in Higher Education, untersucht die Frage, wie stark die Entscheidung, ein Hochschulstudium aufzunehmen, von den Erwartungen an das zukünftige Einkommen abhängt. Unter Verwendung des dynamischen Mikrosimulationsmodells aus Kapitel 1 wird der erwartetete Lebenszyklus eines Individuums bei einer bestimmten Bildungswahl simuliert. Zusätzlich zum dynamischen Mikrosimulationsmodell und den SOEP-Daten nutze ich die Startkohorte 4 des Nationalen Bildungspanels (Blossfeld and Von Maurice, 2011), die Neuntklässler bis nach dem sekundären Schulabschluss verfolgt. Diese Daten ermöglichen mir, ein Modell der Bildungsentscheidung zu schätzen, bei dem Individuen ihren Lebenszeitnutzen maximieren, indem sie zwischen Hochschulstudium und Berufsausbildung wählen. Mit den geschätzten Parametern aus dem Modell simuliere ich anschließend die Einführung von Studiengebühren und Absolventensteuern. Es zeigt sich, dass solche Reformen nur wenige junge Menschen dazu veranlassen würden, ihre Bildungsentscheidungen zu ändern. Das dritte Kapitel, Higher Education Funding in Germany - A Distributional Lifetime Perspective, analysiert die Verteilungswirkungen der Hochschulfinanzierung. Dazu vergleiche ich zunächst die quantitative Bedeutung verschiedener Finanzierungsinstrumente, von kostenloser Hochschulbildung bis zur subventionierten Krankenversicherung für Studierende. Die Analyse zeigt, dass kostenlose Hochschulbildung das mit Abstand wichtigste Instrument ist. Gleichzeitig hängt das Ausmaß, wie sehr Studierende von der kostenlosen Hochschulbildung profitieren, sehr von ihrer Studienrichtung ab. Um einen Zusammenhang zwischen der Höhe des finanziellen Vorteils aus der Hochschulfinanzierung, insbesondere der Studiengebührenfreiheit, und dem erwarteten Lebenseinkommen herzustellen, verwende ich das dynamische Mikrosimulationsmodell und simuliere die individuellen Biografien. Schließlich wird auf das Entscheidungsmodell aus Kapitel 2 zurückgegriffen und für den Fall multipler Alternativen (wobei die verschiedenen Studienfelder und die Berufsausbildung die Alternativen sind) erweitert. Mit den geschätzten Parametern simuliere ich, wie sich die Wahl zwischen den Feldern bei unterschiedlichen Szenarien von Studiengebühren verändern würde. In Übereinstimmung mit den Ergebnissen aus Kapitel 2 zeigt sich, dass die Studiengebühren die Bildungsentscheidungen der Individuen kaum verändern würden.

This dissertation studies the economics of post-secondary education in Germany. Considering that young adults in Germany generally take up either higher education or vocational training (or sometimes both in a sequential manner) after they finish secondary education I focus on three fundamental questions: (i) ""Does higher education pay off for the individual and the state?"", (ii) ""How strongly do earnings expectations influence the individual's choice between higher education and vocational training?"", and (iii) ""What are the distributional effects of higher education funding?"" Importantly, I analyze these questions from a lifetime perspective, i.e. considering the whole life cycle of an individual instead of focusing on one particular point of the life cycle (a certain age, for instance). In addition, the perspective taken in this dissertation is forward looking, in the sense that it takes the perspective of the individuals of a young cohort and their projected life cycles. While it seems self-evident to consider a forward-looking lifetime perspective to answer the questions of interest, such a perspective has rarely been taken in the literature. Most likely a main reason is that, by nature, observable life cycle data (until retirement, for instance) do not exist for younger cohorts. Hence, in order to take a lifetime perspective of a younger cohort one needs to generate ``artificial"" data reflecting a plausible life course of currently young adults. Here, a dynamic microsimulation model on the basis of the German Socio-Economic Panel (Goebel et al., 2018) is developed. The dynamic microsimulation model sequentially simulates an individual's life cycle in terms of several key variables such as employment and family formation (Li and O'Donoghue, 2013). This model is the foundation of the empirical work in this dissertation. The first chapter, ""The Private and Fiscal Returns to Higher Education – A Simulation Approach for a Young German Cohort"", explains in detail how the dynamic microsimulation model works. Essentially, it first estimates transitions models for the variables that are to be simulated and then uses the estimated parameters to simulate the individual life cycles from one year to the next. In addition, it contains a tax-transfer calculator that models the German tax-transfer system and allows to compute taxes, transfers, and social security contributions. Using the dynamic microsimulation model the first chapter then estimates the private and fiscal returns to higher education. We distinguish between gross and net income and different degrees of income pooling within households. For a typical biography, we find large positive internal rates of return (IRR) for both the individual and the state. At the same time, however, we also find that a substantial share of individuals would incur negative net present values (NPV). Chapter two, ""The Decision to Enrol in Higher Education"", studies the question how strongly the choice to enter higher education depends on the expectations of future income. Using the dynamic microsimulation model from chapter 1 I forecast an individual's expected life cycle given a specific educational choice. In addition to the dynamic microsimulation model and the SOEP data, I use the starting cohort 4 of the National Educational Panel Study (Blossfeld and von Maurice, 2011) that follows 9th graders until after secondary school graduation. This allows me to estimate an educational choice model where individuals maximize lifetime utility by choosing between higher education and vocational training. Using the estimated parameters from the decision model I simulate the introduction of tuition fees and graduate taxes. I find that such reforms would only induce few people to change their educational decisions. The third chapter, ""Higher Education Funding in Germany – A Distributional Lifetime Perspective"", analyzes the distributional effects of higher education funding. For this I first compare the quantitative importance of different funding instruments, ranging from free tuition to subsidized health insurance for students. The analysis shows that free tuition is, by far, the most important instrument. However, there is a large heterogeneity by how much a student benefits from free tuition depending on her field of study. To connect the amount of benefits an individual receives from higher education funding, particularly free tuition, to the expected lifetime income of an individual, I use the dynamic microsimulation model and simulate the individual biographies. Finally, I use the decision model of chapter 2 and extend it to the case of multiple alternatives (with fields of study and vocational training being the alternatives). Using the estimated parameters I simulate how the choice between the fields would change under different tuition fee schemes. In line with the results of chapter 2, I find that the tuition fees would barely change the individuals' educational choices."



Keywords: higher education; returns to education; dynamic microsimulation; educational choice; education finance
Externer Link:
https://refubium.fu-berlin.de/bitstream/handle/fub188/31769/Diss_Huegle.pdf?sequence=3&isAllowed=y
DOI:
https://doi.org/10.17169/refubium-31501

keyboard_arrow_up