Auswirkungen Sozialer Herkunft - Eine Untersuchung am ALLBUS 2000

Inhaltsverzeichnis

TabellenNNNNNNN und  Abbildungsverzeichnis  2

1.  Einleitung  3

  Zur Operationalisierung von Sozialer Herkunft  4

2.  Auswirkungen der Sozialen Herkunft auf Lebenschancen  5

2.1  Auswirkungen auf den Schulabschluss  5

2.2  Auswirkungen sozialer Herkunft auf das Arbeitslosigkeitsrisiko  9

2.3  Effekte von sozialer Herkunft auf die Klassenlage  13

3.  Zusammenfassung  18

  Literaturverzeichnis  20

AnhangAAAAAAA Stata-Dofiles   21

TabellenNNNNNNN und  Abbildungsverzeichnis  

Tabelle 1  : Veränderungen in den Wahrscheinlichkeiten, einen bestimmten Schul  

  abschluss zu erreichen, nach dem ordinalen Logit-Modell  6

Tabelle 2  : Odds Ratios der getrennten Analyse in binären Logitmodellen  8

Tabelle 3  : Wirkungen von sozialer Herkunft und Schulbildung auf Arbeitslosig  

  keit (Odds Ratios)  11

Tabelle 4  : Kreuztabelle der sozialen Herkunft und der aktuellen Arbeitslosigkeit  

  beobachtete und erwartete Häufigkeiten und Zeilenprozente sowie  2

  Statistik  11

Tabelle 5  : Vorhergesagte Wahrscheinlichkeiten, arbeitslos zu sein nach Schul  

  abschluss, Geschlecht und Ost/West-Zugehörigkeit  13

Tabelle 6  : Chancen, eine andere Klassenlage als „ungelernter Arbeiter“ aufzu  

  weisen. (Odds Ratios bzw. „relative risk ratios“)  14

  Abbildung 1 : Die Odds Ratios in graphischer Darstellung  16

Tabelle 7  : Vorhergesagte Wahrscheinlichkeit der Klassenlagen nach Schulab  

  schluss  17

-2-

1. Einleitung

Das Beschreiben Sozialer Ungleichheit und das Erklären ihrer Ursachen und Wirkungen ist seit jeher eines der Hauptgebiete der Soziologie.

Schon beispielsweise bei MAX WEBER und KARL MARX wurde auf die unterschiedliche Verteilung von Lebenschancen zwischen den Klassen hingewiesen. Auch in der neueren Un-gleichheitsforschung wird der unterschiedliche Zugang zu Bildung und Erwerbspositionen für Personen mit unterschiedlichem sozialen Hintergrund dargestellt. In der vorliegenden Arbeit sollen daher drei wesentliche Ungleichheitsdimensionen in das Zentrum der Aufmerksamkeit gerückt werden. Grundlegendes Interesse besteht darin, herauszufinden, inwieweit die oft gehörte Behauptung, Menschen seien von Geburt an gleich, tatsächlich zutrifft, oder ob vielmehr die soziale Herkunft, d.h. die schichten- bzw. klassenmäßige Einbettung der Herkunftsfamilie, eine Auswirkung auf die Verteilung von Lebenschancen hat.

Dazu soll in einem ersten Schritt überprüft werden, inwieweit die soziale Herkunft von Personen deren Erfolg beim Erwerb von formalen Bildungsqualifikationen beeinflusst. Hier soll vorrangig überprüft werden, ob die Schule ihrer Rolle als primäre Statuszuweisungsinstitution, in der „den einzelnen der gesellschaftliche Status zugewiesen werden [soll], der ihnen gemäß ihrer individuellen Leistung zukommt“ (HRADIL 2001: 150; kursiv nicht im Original) gerecht wird, oder ob es sich eher um status-erhaltende Mechanismen handelt. In einem zweiten Schritt soll dann der Einfluss sozialer Herkunft auf das individuelle Arbeitslosigkeitsrisiko überprüft werden. Hier soll die verbreitete Alltagshypothese, dass Angehörige höherer Schichten seltener von Arbeitslosigkeit betroffen seien, überprüft werden. Am Schluss des vorliegenden Textes soll schließlich überprüft werden, inwieweit Klassenlagen gleichsam vererbbar sind, dass heißt ob, und wenn ja wie sich die soziale Herkunft auf die spätere, eigene Klassenzugehörigkeit auswirkt.

Da in dieser Arbeit die (technische) Anwendung von logistischen, ordinalen und multinominalen Regressionsmodellen im Vordergrund steht und nicht die theoretische Behandlung von Themen der Ungleichheitssoziologie, wird vom Leser ein gewisses Grundwissen in diesem Themenbereich vorausgesetzt. Außerdem wird von einer ausgefeilten theoretischen Herleitung der zu testenden Hypothesen sowie einer weitführenden Interpretation der Ergebnisse hier abgesehen, da dies den Rahmen dieser Arbeit sprengen würde.

-3-

Zur Operationalisierung von Sozialer Herkunft

Wie in der Einleitung erwähnt wurde, soll im vorliegenden Text der Einfluss von sozialer Herkunft auf soziale Ungleichheitsstrukturen am Arbeitsmarkt und in der Bildung untersucht werden. Im hier verwendeten Datensatz, dem ALLBUS 2000 ¹ , ist dabei vorrangig die Erfassung des Goldthorpe Klassenschemas des Vaters geeignet, die soziale Herkunft der Befragten zu bestimmen ² . Aus der ursprünglich durch den ALLBUS erhobenen Variablen wurde drei Kategorien von Befragten konstruiert. Die Befragten, deren Vater einfacher Arbeiter, Facharbeiter oder Landarbeiter war, wurden der Kategorie „Arbeiterkind“ zugeordnet (Variable arbkind, 1.075 Befragte). Eine Kategorie „Oberschichtskind“ (Variable obskind, 459 Befragte) wurde aus denjenigen Befragten gebildet, deren Vater in die Goldthorpe Kategorien „obere Dienstklasse“ und „untere Dienstklasse“ eingeordnet wurde. Die dritte, implizite Kategorie schließlich enthält jene Befragten, die weder den Oberschichtskindern noch den Arbeiterschichtskindern zugeordnet worden sind (721 Befragte). Da dies jedoch eine sehr heterogene Kategorie darstellt - die Väter sind hier Angehörige der freien Berufe, Unternehmer, leitende Angestellte aber auch Personen aus der unteren Dienstklasse, Landwirte und andere - wurde diese Kategorie bei den hier vorliegenden Analysen nicht direkt verwendet, spielt aber dennoch implizit eine Rolle, da in vielen der im folgenden Text zu besprechenden Regressionsmodellen Vergleiche zwischen jeweils einer der beiden ersten Kategorien und den beiden jeweils anderen, also auch der dritten Kategorie, eine Rolle spielen werden.

1 Die in diesem Text verwendeten Daten entstammen der "Allgemeinen Bevölkerungsumfrage der Sozialwissenschaften" (ALLBUS 2000). Das ALLBUS-Programm wurde 1980-86, 1991 von der DFG finanziert. Seit 1987 tragen es im übrigen Bund und Länder über die GESIS (Gesellschaft sozialwissenschaftlicher Infrastruktureinrichtungen). ALLBUS wird von ZUMA (Zentrum für Umfragen, Methoden und Analysen e.V., Mannheim) und Zentralarchiv für Empirische Sozialforschung (Köln) in Zusammenarbeit mit dem ALLBUS-Ausschuss realisiert. Die Daten sind beim Zentralarchiv für Empirische Sozialforschung (Köln) erhältlich. Die vorgenannten Institutionen und Personen tragen keine Verantwortung für die Verwendung der Daten in diesem Beitrag.

2 Wenn im Folgenden also von sozialer Herkunft oder Schicht die Rede ist, so ist immer die Klassenlage des Vaters des Befragten gemeint. Die Verwendung dieser Begrifflichkeiten entspricht oft nicht exakt dem Stand der Theoriediskussionen in diesem Bereich; das ist aber im Hinblick auf das Anliegen dieses Textes als nachrangig zu betrachten.

-4-

2. Auswirkungen der Sozialen Herkunft auf Lebenschancen

2.1 Auswirkungen auf den Schulabschluss

Die Schule wird in der Ungleichheitsliteratur oft als Institution beschrieben, in der die Chancen für den späteren Lebensverlauf verteilt werden. So stellt zum Beispiel STEFAN HRADIL (2001: 152) fest, dass nur noch diejenigen Personen eine Aussicht auf „einträgliche und ansehnliche Stellungen“ hätten, die über ausreichend hohe formale Bildungsabschlüsse verfügen. Schulabschlüsse stellen somit eine grundlegende Einflussgröße auf spätere Ungleichheitsstrukturen dar.

Daher soll hier zunächst untersucht werden, wie der Umstand, ob man als Kind eines Arbeiters bzw. Oberschichtsangehörigen geboren wurde oder nicht, auf den Erwerb von Schulabschlüssen einwirkt. BÖTTCHER (1991: 153; zit. nach KLEMM 2000: 156) entnimmt beispielsweise den Daten des Mikrozensus’ des Jahres 1989, dass „von allen Arbeiterkindern […] 58% eine Hauptschule, 26% eine Realschule und nur 11% ein Gymnasium besuchten. Dem stehen […] bei Beamtenkindern gegenüber: Hauptschule 13%, Realschule 24% und Gymnasium 58%“.

In den bildungspolitischen Diskussionen der sechziger Jahre war oft vom „katholischen Arbeitermädchen vom Land“ die Rede, ein Bild, welches das Akkumulat der wesentlichen Ungleichheitsdimensionen, nämlich Klassenzugehörigkeit, Geschlecht, Konfession und regionale Herkunft, in Bezug auf Bildung darstellen sollte (KLEMM 2000: 155). Wenn also im Folgenden mit einem ordinalen Logitmodell überprüft, ob die Schichtzugehörigkeit der Eltern einen Einfluss darauf hat, einen bestimmten Schulabschluss zu erhalten, ist es sinnvoll, die Wirkungen von demographischen Variablen, denen auch ein potentieller Einfluss auf Schulabschlüsse unterstellt werden kann, auszuschalten. Daher wurden das Alter, das Geschlecht, die Nationalität sowie die Ost-/Westzugehörigkeit der Befragten bei der Regression kontrolliert.

Die Ergebnisse der Analyse sind in Tabelle 1 dargestellt. In der vierten Spalte der Tabelle befindet sich der „average absolute discrete change“-Wert (AADC) ³ . Der Blick in diese Spalte be-

3Nach J. SCOTT LONG (1997: 137) ist das „average absolute discrete change“ (AADC) eine brauchbare Messziffer, um die Stärke der Effekte einzelner Variablen in einem ordinalen Logitmodell festzustellen. Diese Mess- ( )

ziffer berechnet sich

Der AADC Wert bezeichnet somit die Summe der absoluten Veränderungen der Wahrscheinlichkeiten der einzelnen Antwortkategorien, die eintritt, wenn man die betrachtete Variable in der bezeichneten Weise verändert, die anderen jedoch konstant hält. Der Absolutbetrag der Veränderungen muss genommen werden, da sonst der Summenterm zwangsläufig Null ergeben würde.

-5-

Tabelle 1: Veränderungen in den Wahrscheinlichkeiten, einen bestimmten Schulabschluss zu erreichen, nach dem ordinalen Logit-Modell

Gesamtmodell ⁵ — 0,011 0,408 0,397 0,057 0,127

0 1 Arbeiterkind 0,44 0,078 0,009 0,187 -0,075 -0,031 -0,089

0 1 Oberschichtskind 4,53 0,127 -0,011 -0,306 0,031 0,057 0,229

Kontrollvariablen

0 1 Geschlecht 0,90 0,010 0,001 0,025 -0,010 -0,004 -0,012

Δ Alter 0,96 0,004 0,000 0,011 -0,004 -0,002 -0,005 1

0 1 Nationalität 1,55 0,043 -0,006 -0,103 0,051 0,016 0,042

0 1 Ost/West 1,40 0,032 -0,003 -0,076 0,028 0,013 0,038

N = 2.229

Bemerkungen: 0 1 bedeutet die Veränderung der Dummy-Variable von 0 auf 1; Δ1 bedeutet die zentrierte Veränderung der Variablen um eine Einheit um den Mittelwert herum; Δ bedeutet die zentrierte Veränderung der Variablen um eine Standardabweichung um den Mittelwert herum; ΔMin-Max ^{bedeutet die Veränderung der Variablen von ihrem Minimum auf ihr Maximum.} Δ ist die durchschnittliche absolute Veränderung die durch die Veränderung der Variable hervorgerufen wird (average absolute discrete change). OR steht für „Odds Ratio“.

Codierungen: Geschlecht: männlich (0); weiblich (1) / Nationalität: nicht deutsch (0); deutsch (1) / Ost/West: Befragungsgebiet West (0); Befragungsgebiet Ost (1)

Alle unabhängigen Variablen außer Geschlecht sind mindestens auf 95% Niveau statistisch signifikant.

legt für das Alter den höchsten Effekt auf die Art des erreichten Schulabschlusses: Ältere

Befragte des ALLBUS 2000 haben etwas häufiger keinen Abschluss als jüngere und sehr viel

häufiger einen Hauptschulabschluss ⁶ . Dies ist mit Blick auf die Bildungsexpansion der 1960er

Jahre in der Bundesrepublik sehr leicht zu erklären (HRADIL 2001: 157). Diese theoretische

Erklärung lässt sich auch empirisch bestätigen, denn wenn man nur Befragte in die Analyse

einbezieht, die 40 Jahre oder jünger sind (also die Personen, die vor der Bildungsexpansion

die Schule durchlaufen hatten), dann verringert sich der Alterseffekt enorm. Das AADC bei

der Veränderung des Alters um eine Einheit um den Mittelwert sinkt von 0,4% auf 0,1%. Da

jedoch durch die Einschränkung der Stichprobe auf Personen bis 40 Jahre auch der

4 Der Übersichtlichkeit wegen werden in diesem Text für die Schulabschlusskategorien Bezeichnungen verwendet, die etwas von den im ALLBUS verwendeten abweichen: „Hauptschule“=„Volks- und Hauptschulabschluss“; „Realschule“=„Mittlere Reife, Realschulabschluss“; „FH-Reife“=„Fachhochschulreife“; „Abitur“=„Abitur; Hochschulreife“

5 Hier wurden für alle Variablen ihre Mittelwerte in das geschätzte Modell eingesetzt.

6 Wenn man alle anderen Variablen des Modells auf ihren Mittelwert setzt, so sagt das Modell für 18-Jährige eine Wahrscheinlichkeit von ca. 16% voraus, einen Volks- oder Hauptschulabschluss zu erzielen; bei den Ältesten Befragten des ALLBUS 2000 (95 Jahre) immerhin 78%.

-6-

Mittelwert sich stark verschoben hat, ist dieser Wert als Vergleich eher ungeeignet. Um eine Vergleichbarkeit herzustellen, wurde der Wert berechnet für die vorhergesagten Wahrscheinlichkeiten, einen bestimmten Schulabschluss zu erreichen bei einer Veränderung des Alters vom Minimum 18 Jahre auf 40 Jahre. Der Wert ist für das ordinale Logitmodell, das für die gesamte Stichprobe geschätzt wurde, ungefähr 8,7% und für das der Teilstichprobe der Jüngeren nur noch 3,9%. Es gibt also gewisse Hinweise darauf, dass der Alterseffekt tatsächlich hauptsächlich über die Bildungsexpansion zurückzuführen ist; von weiteren Tests wurde an dieser Stelle abgesehen, da das Hauptaugenmerk dieser Arbeit auf den Effekten sozialer Herkunft liegt.

Wenn man nun genau diese Effekte genauer untersucht, ergeben sich relativ starke Effekte aus der Schichtzugehörigkeit. Der Effekt ist für die Kinder von Oberschichtsangehörigen allerdings stärker als der der Unterschichtsangehörigen; der AADC Wert ist beinahe doppelt so groß. Auch die Odds Ratios ergeben einen stärkeren Effekt für Oberschichtskinder: Die Chancen, dass ein Oberschichtskind die Schule mit der Fachhochschul- oder Hochschulreife verlässt und nicht mit einem niedrigeren oder keinem Abschluss, liegen viereinhalb mal höher als bei Kindern, deren Eltern der Oberschicht nicht angehörten (wenn man alle anderen Variablen im Modell konstant hält).

Der Effekt, den die Zugehörigkeit der Eltern zur Arbeiterschicht auf den Schulabschluss hat, ist vergleichsweise geringer: Die Chance, einen höheren statt eines niedrigeren Abschlusses zu erzielen, ist nur ca. zwei Fünftel (44%) so groß wie bei Angehörigen anderer Schichten. Anders ausgedrückt ist das Risiko dieser Personen, mit einem niedrigeren statt höheren Abschluss die Schule zu verlassen etwas mehr als doppelt (2,3x) so hoch wie bei den anderen (unter Konstanthaltung aller anderen Variablen).

Der theoretisch antizipierte Effekt der Schichtzugehörigkeit der Eltern auf den Schulerfolg ihrer Kinder ist also durch dieses Modell vorerst bestätigt worden. Allerdings setzt die Verwendung des ordinalen Logitmodells voraus, dass die theoretisch aus dem ordinalen Fall ableitbaren binären logistischen Regressionsmodelle (die als Ergebnis jeweils die beiden Ausgänge „je ein bestimmter Schulabschluss sowie alle niedrigeren“ oder „alle höheren“ haben; in unserem Fall also vier binäre Modelle) parallel verlaufen. Nur bei Aufrechterhaltung dieser Annahme sind die Ergebnisse der ordinalen logistischen Regressionsanalyse (insbesondere die Odds Ratios) sinnvoll zu interpretieren (LONG 1997: 140). Im vorliegenden Fall haben die beiden Tests, die von LONG zur Überprüfung dieser Annahme vorgeschlagen werden (der Wald Test und der Score (bzw. Likelihood-Ratio oder Lagrange Multiplier) Test) übereinstimmend zu dem Ergebnis geführt, dass die Annahme paralleler Regression verworfen werden muss.

-7-

Aus diesem Grunde wurde das ordinale Logitmodell in vier einzelne binäre Logitmodelle „zerlegt“, die getrennt gerechnet wurden. Tabelle 2 enthält die Odds Ratios der vier einzelnen Modelle. In den Modellen gibt es jeweils die 2 Antwortkategorien „einen niedrigeren Schulabschluss als k haben“ (mit 0 kodiert) und „mindestens den Schulabschluss k haben“ (mit 1 kodiert).

Tabelle 2: Odds Ratios der getrennten Analyse in binären Logitmodellen

Variablen des theoretischen Modells

Arbeiterkind 0,48* 0,42*** 0,37*** 0,30*** Oberschichtskind 6,07 5,16*** 4,13*** 3,93*** Kontrollvariablen Geschlecht 1,01 1,00 0,74** 0,73* Alter 0,98** 0,94*** 0,97*** 0,97*** (0,66**) (0,35***) (0,64***) (0,63***) Nationalität 8,38*** 1,42 1,05 1,05

* signifikant auf dem 95% Niveau, ** signifikant auf dem 99% Niveau, *** signifikant auf dem 99,9% Niveau

Die Codierungen der unabhängigen Variablen sind unter Tabelle 1 beschrieben.

In Klammern sind „standardisierte“ Odds Ratios angegeben; die Veränderung der relativen Chance, wenn die

entsprechende unabhängige Variable um eine Standardabweichung steigt.

Schon der Wald Test legte nahe, dass insbesondere die Dummy-Variablen „Oberschichtskind“ und „Arbeiterkind“ signifikant die Parallelitätsannahme verletzen. Die getrennte Betrachtung der Odds Ratios der einzelnen Schulabschlussstufen bestätigt dies und bringt interessante zusätzliche Details.

So ist die Chance eines Oberschichtkindes ca. sechsmal höher als die Chancen der Übrigen, überhaupt einen Abschluss zu erhalten (Modell 1), aber nur noch viermal höher einen über die Mittlere Reife hinausgehenden Abschluss zu erzielen (Modell 3). Und während die Chancen eines Arbeiterkindes, überhaupt einen Schulabschluss zu erwerben (Modell 1) im Vergleich zu den Übrigen immerhin noch 48% so groß sind; betragen ihre Chancen, einen studienbefähigenden Abschluss (Modell 3) zu erzielen, nur noch 37% der Chancen der Vergleichsgruppe.

Für die unabhängige Variable Alter wurden zusätzlich die standardisierten Odds Ratios angegeben. Dadurch fällt die Besonderheit dieser Einflussgröße erst auf: Mit jeder Standard-

-8-

abweichung (16,8 Jahre), die das Alter unter Konstanthaltung der anderen Variablen erhöht wird, sinkt die Chance, mindestens eine Mittlere Reife zu erlangen, um 65%. Wie schon beim ordinalen Logitmodell verschwinden diese Effekte allerdings größtenteils, wenn man die Analyse auf die Teilstichprobe der unter 40-Jährigen beschränkt.

Interessant (aber für diese Arbeit nicht relevant; deshalb wird es hier nur kurz erwähnt) ist weiterhin der Umstand, dass die Nationalität des Befragten nur im ersten Modell signifikant ist und dort auch sehr stark ist. Die Betrachtung der Verteilungen ergibt, dass fast ein Viertel der nicht deutschen Befragten über keinerlei Schulabschluss verfügten, jedoch nur ca. 2% der deutschen Befragten. Diese Feststellung bestätigt auch die Ergebnisse in Tabelle 2. Wenn man für das ordinale Logitmodell die Kategorien „kein Abschluss“ und „Hauptschulabschluss“ zusammenfügt, dann ist der Einfluss der Nationalität auch dort nicht mehr statistisch signifikant. Nationalität hat also nur einen Einfluss darauf, ob überhaupt ein Abschluss erworben wird, kaum jedoch auf die Art des Abschlusses (alle Odds Ratios nahe bei 1 in den Modellen 2 bis 4 der Tabelle 2).

Insgesamt kann festgestellt werden, dass die soziale Herkunft einen relativ starken Einfluss auf die Art des erreichten Schulabschlusses hat, neben dem Alter (dessen Effekt im wesentlichen durch die Bildungsexpansion der 1960er Jahre erklärt werden kann) haben die beiden entsprechenden Variablen den deutlich größten Einfluss.

2.2 Auswirkungen sozialer Herkunft auf das Arbeitslosigkeitsrisiko

Nachdem im vorigen Abschnitt festgestellt wurde, dass die soziale Herkunft einen starken Einfluss auf die Höhe des Schulabschlusses einer Person hat, und da stellvertretend für eine ganze Reihe von Ungleichheitsliteratur beispielsweise bei KLAUS KLEMM (2000: 149) darauf hingewiesen wird, dass „das Bildungssystem der Bundesrepublik […] Menschen unterschiedlichen ‚Bildungsschichten’ und im Anschluß daran […] unterschiedlichen sozialen Schichten“ zuweist, soll nun überprüft werden, ob soziale Herkunft eine Auswirkung darauf hat, ob eine Person arbeitslos wird oder nicht.

Die zu diesem Zweck verwendete dichotome anhängige Variable wurde aus dem ALLBUS 2000 generiert und hat die Ausprägungen „zurzeit hauptberuflich in Voll- oder Teilzeit erwerbstätig“ (0) und „zurzeit arbeitslos“ (1). Befragte, die aus anderen Gründen als Arbeitslosigkeit nicht hauptberuflich erwerbstätig waren, wurden aus der Analyse ausgeschlossen. Diese Befragten (insgesamt 1.296) waren Schüler und Studenten, Rentner, Hausfrauen und

-9-

-männer, Wehr- und Ersatzdienstleistende sowie Befragte, die in keine dieser Kategorien gehören oder keine Angaben machten (112 Befragte) ⁷ .

Neben den theoretisch interessierenden Effekten der sozialen Herkunft auf das Arbeitslosigkeitsrisiko (in diesem Fall auf den derzeitigen Arbeitslosigkeitsstatus eines Befragten), nämlich die soziale Herkunft, wurden Geschlecht, Alter, Nationalität Ost/West-Zugehörigkeit und der Familienstand kontrolliert. Bei letzterem wurden wegen zu geringer Fallzahlen die Kategorien „verwitwet“, „geschieden“ und „verheiratet, getrennt lebend“ zusammengefasst. Außerdem wurde eine metrische Variable „Schuljahre“ generiert, die nach der Art des Abschlusses den Befragten die jeweils typische Anzahl Schuljahre zuweist: angenommen wurden 8 Schuljahre für Befragte ohne Abschluss, 9 Schuljahre für Befragte mit Hauptschulabschluss, 10 Jahre für Realschulabschluss, 12 Jahre für Befragte mit Fachhochschulreife und 13 Jahre beim Erwerb des Abitur. Der Vorteil einer metrischen anstelle einer ordinalen Variable für die Interpretation von Regressionsmodellen liegt auf der Hand; dennoch sollten die theoretischen Probleme, die sich dadurch ergeben, nicht vernachlässigt werden und bei der Interpretation bedacht werden. So weist z.B. HEIKE SOLGA (2002: 7) darauf hin, dass sich Tendenzen klar abzeichnen, wonach schulabschlusslos bleibende Personen gemessen am Median inzwischen (Geburtskohorten 1964/1971) genauso lange die Schule besuchen wie Personen, die die Mittlere Reife erlangen, und länger als Hauptschüler mit Abschluss. Außerdem soll die metrische Variable später verwendet werden, um Interaktionseffekte zwischen sozialer Herkunft und Schulbildung prüfen zu können.

Die Ergebnisse der durchgeführten logistischen Regressionen sind in Tabelle 3 zusammengefasst.

Beim Modell 1 der Tabelle 3 handelt es sich um das theoretische Ausgangsmodell: man stellt fest, dass die Chancen von Oberschichtskindern, arbeitslos zu werden, nur ungefähr halb so groß sind, wie die der übrigen. Auch bei den Arbeiterkindern ist die Chance, arbeitslos zu werden, in der logistischen Regression des Modell 1 geringer, als bei den übrigen Befragten, allerdings ist dieser Koeffizient (der den theoretischen Annahmen widersprechen würde) nicht statistisch signifikant und auch die ² -Statistik der Kreuztabelle Tabelle 4 belegt, dass im Gegenteil die Arbeiterkinder eigentlich signifikant häufiger arbeitslos sind, als die Kinder Oberschichtsangehörigen.

Allerdings ist diese fehlende Signifikanz bereits ein Indikator für den Interventionseffekt, der durch die Modelle 2 und 3 noch deutlicher herausgestellt wird: Wenn man die Schulbildung in das Modell einführt, sind die Koeffizienten beider Variablen der sozialen Herkunft nicht

7 Zur Generierung dieser Variable siehe auch die Kommentare im STATA-Dofile im Anhang dieses Textes.

-10-

Tabelle 3: Wirkungen von sozialer Herkunft und Schulbildung auf Arbeitslosigkeit (Odds Ratios)

Abhängige Variable: Aktuelle Arbeitslosigkeit Unabhängige Variable Modell Nr.

1 2 3 4 5 6 7

Variablen des theoretischen Modells Arbeiterkind 0,92 0,74 0,75 Oberschichtskind 0,49* 0,77 0,79 Schulabschluss (ordinal) 0,48*** 0,47*** 0,47*** Schulbesuch (in Jahren) 0,58*** 0,57*** 0,57*** Kontrollvariablen Geschlecht 1,35 1,45* 1,44 1,42 1,41 1,38* 1,36* Alter 1,02* 1,01 1,02 Nationalität 0,48 0,57 0,54 0,61 0,58 Ost/West 4,31*** 5,20*** 4,84*** 5,05*** 4,69*** 4,51*** 4,15*** Familienstand - ledig 1,67* 1,62 1,63 1,32 1,30

- verwitwet, ge-

N = 1.387

* signifikant auf dem 95% Niveau, ** signifikant auf dem 99% Niveau, *** signifikant auf dem 99,9% Niveau Die Codierungen der unabhängigen Variablen: Schulabschluss: kein Abschluss (1), Hauptschule (2), Realschule (3), FH-Reife (4), Abitur (5) / Familienstand: die angegebenen Variablen sind dummykodiert; die Referenzkategorie ist „verheiratet, zusammen lebend“ / die Ausprägungen der übrigen Variablen sind unter Tabelle 1 beschrieben.

Tabelle 4: Kreuztabelle der sozialen Herkunft und der aktuellen Arbeitslosigkeit; beobachtete und erwartete Häufigkeiten und Zeilenprozente sowie ² -Statistik

Soziale

nicht arbeitslos arbeitslos Total Herkunft

Oberschicht

alles andere

Total 1.248,0 (90,0%) 139,0 (10,0%) 1.387,0 (100,0%) χ χ > ) = 0,044 ^{2 2} Pearsons = 6,2406 ; Pr ( = 2 df

-11-

mehr signifikant von Null verschieden. Zusammen mit der in Abschnitt 2.1 getroffenen Feststellung, dass die Schichtzugehörigkeit zusammen mit dem Alter einen sehr starken Einfluss auf die Art des erworbenen Schulabschlusses hat, deutet dieser Effekt auf eine Intervention hin: der Effekt der sozialen Herkunft und des Alters auf das Arbeitslosigkeitsrisiko ist über die Effekte des Schulabschlusses zu erklären ⁸ .

Aus diesem Grunde wurden in Modell 4 und 5 Alter und soziale Herkunft und in den Modellen 6 und 7 auch Familienstand und Nationalität entfernt. In den beiden letztgenannten Modellen sind somit nur noch statistisch signifikante Koeffizienten enthalten, ohne dass einen Verminderung der Erklärungskraft (das Fehlerreduktionsmaß Pseudo-R ² ist in allen Modellen annähernd gleich) eingetreten wäre.

Im Modell 6 hat die Frage der Ost/West-Zugehörigkeit den größten Einfluss auf die Arbeitslosigkeit: Die Chancen eines Ostdeutschen, arbeitslos und nicht erwerbstätig zu sein, sind 4,15-mal so hoch wie die eines Westdeutschen. Die kreuztabellarische Überprüfung kommt zu einem ähnlichen Ergebnis: von den insgesamt 1.387 Befragten der Analyse sind nur 5,3% der Westdeutschen aber 17,8% der Ostdeutschen arbeitslos; der ² -Test ergibt, dass diese Unterschiede statistisch signifikant sind.

Die Höhe des Abschlusses hat ebenso einen sehr hohen Effekt. Insgesamt ist dieser Effekt sogar noch höher als der der Ost/West-Zugehörigkeit: Die Chancen, arbeitslos statt erwerbstätig zu sein, ist bei schulabschlusslosen Personen (ceteris paribus) 20mal so hoch, wie bei Abiturienten ⁹ .

Um zu überprüfen, ob es einen Interaktionseffekt zwischen der sozialen Herkunft und der Schulbildung bei der Wirkung auf das Arbeitslosigkeitsrisiko gibt, wurden Interaktionsterme aus Klassenlage des Vaters und der aus der Schulbildung generierten Variable „Anzahl der Schuljahre“ errechnet. Diese Interaktionsterme wurden in das Regressionsmodell eingeführt, jedoch lieferten die Koeffizienten keinen Hinweis darauf, dass ein Interaktionseffekt tatsächlich vorliegt.

8 Die Annahme einer Intervention wurde außerdem durch eine lineare Regression gestützt. Hier wurde die Wirkung der unabhängigen Variablen soziale Herkunft und Alter des Befragten auf die Anzahl der Schuljahre getestet. Der R ² -Wert dieses Modells ist mit 0,25 recht hoch und alle Koeffizienten sind auf

99,9%-Niveau signifikant, der stärkste Effekt hat dabei die Variable „obskind“ mit einen standardisierten Regressionskoeffizienten von =0,34***

9 Der Unterschied zu dem in der Tabelle angegebenen Wert für das Odds Ratio von 0,47 erklärt sich dadurch, dass dieser Wert die Unterschiede jeweils zwischen einer „Schulabschlussstufe“ und der nächst höheren (z.B. zwischen Haupt- und Realschule) repräsentiert; ist in diesem Falle 1. Um das Odds Ratio zwischen Abitur (5) und „kein Abschluss“ (1) zu errechnen, ist =-4. Eingesetzt in die Formel für das

Odds Ratio

In Tabelle 5 sind die Chancen dokumentiert, arbeitslos statt erwerbstätig zu sein für alle möglichen Kombinationen von Schulabschlüssen einerseits und Geschlecht und Ost/West-Zugehörigkeit andererseits nach den Koeffizienten von Modell 6. Die jeweils verbleibende Variable wurde auf ihren Mittelwert gesetzt.

Tabelle 5: Vorhergesagte Wahrscheinlichkeiten, arbeitslos zu sein nach Schulabschluss,

Geschlecht und Ost/West-Zugehörigkeit

Ost 48,7% 30,8% 17,3% 8,9% 4,4% West 16,5% 8,5% 4,2% 2,0% 1,0%

Männer 23,3% 12,5% 6,3% 3,1% 1,5% Frauen 30,8% 17,3% 8,9% 4,4% 2,1%

In dieser Tabelle kann man deutlich sehen, dass das „katholische Arbeitermädchen vom Lande“ inzwischen abgelöst worden ist vom Ostdeutschen, der ohne Schulabschluss geblieben ist. Dieser Gruppe wird vom Regressionsmodell 6 aus Tabelle 3 eine Wahrscheinlichkeit, arbeitslos zu sein, von 48,7% vorhergesagt. Wenn man nun noch für die weiblichen Personen dieser Gruppe die Vorhersage errechnet, so ergibt dies sogar einen Wert von 54,2%. Es kann also festgestellt werden, dass soziale Herkunft zwar keinen direkten Einfluss auf das Risiko, arbeitslos zu werden hat, aber dass die Schulbildung, in der sich ja, wie oben gezeigt, die soziale Herkunft niederschlägt, einen äußerst starken Effekt auf diese Variable aufweist.

2.3 Effekte von sozialer Herkunft auf die Klassenlage

Nachdem in den vorangegangenen Abschnitten gezeigt wurde, dass und in welcher Weise die soziale Herkunft Auswirkungen auf die Schulbildung einerseits und (zum großen Teil darüber vermittelt) auf das Arbeitslosigkeitsrisiko von Personen hat, soll im Folgenden der Vermutung nachgegangen werden, ob die soziale Herkunft einen Einfluss auf die Klassenlage der Befragten des ALLBUS 2000 hat. Damit soll die Behauptung überprüft werden, Klassenlagen würden sich gleichsam vererben.

Diese Überprüfung soll mittels eines multinominalen Logit-Modells vorgenommen werden. Diese Vorgehensweise hat gegenüber der Errechnung von mehreren logistischen Regressionen den Vorteil, dass alle Koeffizienten gleichzeitig geschätzt werden (LONG 1997: 149).

-13-

Theoretisch interessant sind neben der sozialen Herkunft auch die Schulbildung der Befragten, sowie ihr Geschlecht, ihr Alter und ihre Nationalität. Der Familienstand der Befragten wurde nicht mit in die Analyse aufgenommen, da eine kreuztabellarische Überprüfung sowie eine getrennte Regressionsanalyse des Alters auf den Familienstand ergab, dass die Effekte des Familienstandes im Wesentlichen über das Alter der Befragten zu erklären ist. Außerdem wurde die Ost/West-Zugehörigkeit nicht mit in die Regressionsanalyse aufgenommen, da auch hier eine kreuztabellarische Überprüfung ergab, dass es keine signifikanten Unterschiede zwischen Ost- und Westdeutschen hinsichtlich der Klassenlage gibt ¹⁰ . Tabelle 6 enthält die Ergebnisse der multinominalen Regressionsanalyse:

Tabelle 6: Chancen, eine andere Klassenlage ¹¹ als „ungelernter Arbeiter“ aufzuweisen. (Odds

Ratios bzw. „relative risk ratios“) Abhängige Variable: Klassenlagen Unabhängige

Variable

Variablen des theoretischen Modells

Arbeiterkind 0,103 0,34*** 0,56 0,26*** 0,97 Oberschichtskind 0,119 6,37*** 2,65 1,56 2,34* Kontrollvariablen Geschlecht 0,158 1,15 2,70** 0,46** 0,14*** Alter (Veränderung um 11) 0,040 1,20 1,00* 1,00** 1,00* Nationalität 0,145 7,50*** 19,41** 3,61** 6,17*** Pseudo-R² = 0,15*** ; N = 1.091

* signifikant auf dem 95% Niveau, ** signifikant auf dem 99% Niveau, *** signifikant auf dem 99,9% Niveau Die Codierungen der unabhängigen Variablen sind unter Tabelle 1 beschrieben.

Die average absolute discrete change Werte (siehe Kommentare zu Tabelle 1) sind für die Veränderung der Dummy-Variablen von 0 auf 1 und für das Alter für die Veränderung um eine Standardabweichung um den Mittelwert herum angegeben. Für das Alter wurde auch das Odds Ratio für die Veränderung um eine Standardabweichung angegeben.

Zur Interpretation dieses Modells soll noch einmal kurz die Kodierung der unabhängigen Variablen „Arbeiterkind“ und „Oberschichtskind“ in Erinnerung gerufen werden: Als Oberschichtskind wird ein Befragter geführt, dessen Vater der Dienstklasse angehört und als Ar-

10Interessant ist gleichwohl der deutlich höhere Anteil an gelernten Arbeitern in Ostdeutschland (35,9% gegenüber 28,2% in Westdeutschland). Dieser Effekt kann durch den hohen Stellenwert beruflicher Bildung in der DDR erklärt werden.

11 Für die Regressionsanalyse wurden folgende Klassenlagen nach dem Goldthorpe-Klassenschema zusammengefasst bzw. umkodiert: „obere Dienstklasse“ und „untere Dienstklasse“ zu „Dienstklasse“; „einfache Büroberufe“ zu „Angestellte“; „Arbeitgeber mit 2-49 Mitarbeitern“, „Selbständige, max. 1 Mitarbeiter“ und „Landwirte“ zu „Selbständig“; „Leitender Arbeiter, Techniker“ und „Facharbeiter“ zu „gelernte Arbeiter“ und „einfache Arbeiter“, „Landarbeiter“ und „sonstige non-manuelle“ zu „ungelernte Arbeiter“. Zum Goldthorpe-Klassenschema im ALLBUS 2000 siehe auch (ALLBUS 2001: 165 und 518)

-14-

beiterkind werden Befragte eingestuft, deren Vater entweder gelernter oder ungelernter Arbeiter (gewesen) ist.

Ein Blick in die Tabelle 6 lässt die Nationalität und das Geschlecht als die gewichtigsten Faktoren erkennen (s. AADC Werte). Dabei kann man feststellen, dass die Chancen eines Deutschen, einer höheren Klasse, als der der ungelernten Arbeiter anzugehören, sehr viel höher sind, als die der Personen mit einer anderen Nationalität; bspw. haben Deutsche eine fast 20mal so große Chance wie Nicht-Deutsche, Angestellte statt ungelernte Arbeiter zu sein. Tatsächlich lässt sich dieser Effekt auch durch eine logistische Regression bestätigen. In einem logistischen Modell mit den gleichen unabhängigen Variablen wie in dem Modell der Tabelle 6 hat sich gezeigt, dass nicht deutsche Befragte über viermal so oft der Klasse der ungelernten Arbeiter als irgendeiner anderen angehören. Auch eine Kreuztabelle zeigt, dass ca. 45% der nicht deutschen aber nur ca. 13% der deutschen Befragten ungelernte Arbeiter sind. Einen weiteren starken Effekt hat das Geschlecht - Frauen sind eher in der Dienstklasse oder Angestellte als ungelernte Arbeiter, allerdings deutlich weniger oft selbständig oder gelernte Arbeiter statt ungelernte Arbeiter. Das kann man dadurch erklären, dass Frauen in handwerklichen Berufen oder in der Industrie (Klassen „gelernte Arbeiter“ und „ungelernte Arbeiter“) seltener anzutreffen sind, als im Dienstleistungssektor oder im öffentlichen Dienst (Klassen „Dienstklasse“ und „Angestellte“). Tatsächlich ist es so, dass Frauen Männer in den beiden letztgenannten Klassen sehr deutlich dominieren; wenn Frauen jedoch der Arbeiterklasse angehören, dann sind sie sehr viel häufiger ungelernte als gelernte Arbeiterinnen. Aber auch die Effekte der sozialen Herkunft sind beachtlich und bestätigen die theoretische Annahme, dass Klassenzugehörigkeiten gleichsam vererbt werden. So sind die Chancen der Kinder von Angehörigen der Dienstklasse 6,4-mal so hoch, selbst zur Dienstklasse statt zur Klasse der ungelernten Arbeiter zu gehören als die Kinder anderer Klassen. Die Chancen von Arbeiterkindern hingegen, zu einer der „höheren“ Klassen statt zu den ungelernten Arbeitern zu gehören, sind (mit Ausnahme der Klasse „gelernter Arbeiter“ - dort sind sie etwa gleich) immer deutlich geringer, als beim Rest der Population. Das Alter schließlich hat beinahe überhaupt keinen Effekt - den Effekt, den es auf die Dienstklasse zu haben scheint, kann man mit nur wenig Aufwand dadurch erklären, dass bei Angehörigen dieser Klasse deutlich längere Bildungszeiten erforderlich sind und die einzigen Alterskategorie, die in der Kreuztabelle hier abweicht, sind denn auch die 18- bis 29-Jährigen, von denen sich der Großteil derjenigen, die zur Dienstklasse gehören werden, zum Zeitpunkt der Befragung noch in der Ausbildung bzw. beim Studium befunden haben wird. Wie auch schon beim Effekt der sozialen Herkunft auf das Arbeitslosigkeitsrisiko soll nun geprüft werden, ob zumindest ein Teil der Effekte sich über den Schulabschluss der Be-

-15-

fragten beziehungsweise über ihre Schulbesuchsdauer (zur Konstruktion dieser Variablen siehe Abschnitt 2.2) erklären lässt. Zu diesem Zwecke wurde zusätzlich zu den unabhängigen Variablen des Modells von Tabelle 6 noch der Schulabschluss ins Modell aufgenommen. Durch diesen Schritt verringert sich in allen Teilmodellen die Erklärungskraft der Variablen „Oberschichtskind“ und „Arbeiterkind“ drastisch. Entfernt man nun in einem nächsten Schritt diese beiden Variablen aus dem Modell, so ist die verbleibende theoretisch interessierende Variable „Schulbildung“ in allen Teilmodellen auf 99,9% Niveau statistisch signifikant und außerdem steigt der Pseudo-R ² -Wert von R ² =0,15*** auf R ² =0,20*** an. Da die Wirkung von sozialer Herkunft auf den Schulabschluss bereits in Abschnitt 2.1 nachgewiesen worden ist, kann also davon ausgegangen werden, dass der Effekt von sozialer Herkunft (also der Klassenzugehörigkeit des Vaters) auf die eigene Klassenzugehörigkeit über die Schulbildung vermittelt wird.

Abbildung 1: Die Odds Ratios in graphischer Darstellung

Abbildung 1 enthält in graphischer Darstellung die Odds Ratios dieses Modells. Wie in der Tabelle 6 ist auch hier die Referenzkategorie „Ungelernter Arbeiter“ (U). Die Buchstaben in der Abbildung sind jeweils die Anfangsbuchstaben der anderen Kategorien (siehe Kopfzeile der Tabelle 6). Die Abbildung zeigt nun die Stärke der Effekte recht eindrucksvoll. Je weiter rechts eine Kategorie steht, desto stärker steigen die Chancen, dieser Kategorie statt der Referenzkategorie anzugehören, wenn man (ceteris paribus) die am Anfang der Zeile jeweils angegebene Variable in der bezeichneten Weise verändert ¹² . Hier wird deutlich, dass die

12 Dabei bedeutet „UnStd Coef“, dass die Variable um eine Einheit (d.h. beim Schulabschluss z.B. von „Hauptschule“ auf „Mittlere Reife“) erhöht wird, „0/1“, dass die Dummy-Variable von 0 auf 1 wechselt (z.B. bei der Nationalität von „nicht deutsch“ auf „deutsch“) und „Std Coef“, dass die Variable um ihre Standardabweichung erhöht wird.

-16-

Schulbildung und die Nationalität die stärksten Effekte haben, dass der Geschlechtereffekt sich im Wesentlichen auf die Zugehörigkeit zum Dienstleistungssektor bzw. öffentlichen Dienst („D“ und „A“) einerseits und dem Sektor Industrie und Handwerk („U“ und „G“) andererseits beschränkt ist und das der Alterseffekt tatsächlich nur in der Dienstklasse und bei Selbständigen einen Niederschlag hat.

In Tabelle 7 sind die erwarteten Wahrscheinlichkeiten einer bestimmten Klasse zuzugehören, wenn man einen bestimmten Schulabschluss hat, dargestellt. Den Variablen Alter, Geschlecht und Nationalität, die neben dem Schulabschluss noch im Modell verblieben sind, wurde jeweils ihr Mittelwert zugewiesen.

Tabelle 7: Vorhergesagte Wahrscheinlichkeit der Klassenlagen nach Schulabschluss

ohne Abschluss 3,1% 3,4% 5,1% 40,8% 47,7% Hauptschule 11,7% 5,9% 9,9% 42,6% 29,9%

32,5% 7,4% 14,0% 32,4% 13,7% Realschule FH-Reife 60,0% 6,3% 13,2% 16,4% 4,2% Abitur 80,2% 3,8% 9,0% 6,0% 0,9%

Wenn man die Ergebnisse von Tabelle 2 mit denen der Tabelle 7 zusammenführt, wird der über die Schulbildung vermittelte Einfluss der Zugehörigkeit des Vaters zur Oberschicht auf eine eigene Zugehörigkeit zur Dienstklasse sehr deutlich. In Tabelle 2 wurde festgestellt, dass die Chancen von Oberschichtskindern, einen studienbefähigenden Abschluss zu erhalten ca. viermal ¹³ so hoch sind, wie die der übrigen Befragten. Und durch Tabelle 7 wird deutlich, dass es gerade diese Abschlüsse sind, die extrem hohe Wahrscheinlichkeiten aufweisen, wiederum zur Dienstklasse zu gehören.

Neben den dargestellten Modellen wurde auch untersucht, ob es einen Interaktionseffekt zwischen sozialer Herkunft und der Schulbildung gibt; ob also ein Schuljahr, was man als Oberschichtskind länger in schulischer Bildung verbringt, sich stärker auf die Chancen, später selbst zu einer höheren Klasse zu gehören, auswirkt, als ein zusätzliches Schuljahr eines Arbeiterkindes. Wie allerdings schon bei der Analyse des Arbeitslosigkeitsrisikos gab es keine Hinweise auf die Existenz eines solches Effektes.

13 Genauer: 4,13mal so hoch, Fachhochschulreife zu erlangen, und 3,93mal so hoch, ein Abitur zu erwerben.

-17-

3. Zusammenfassung

In der vorliegenden Arbeit sollte mit Hilfe von logistischen, ordinalen und multinominalen Regressionsanalysen der Einfluss von sozialer Herkunft im Sinne der Klassenlage des Vaters untersucht werden.

Diese Untersuchung hat am ALLBUS des Jahres 2000 gezeigt, dass der wichtigste Einfluss sozialer Herkunft die Wirkung auf die Art des erreichten Schulabschlusses hat. So erwerben beispielsweise Kinder von Angehörigen der Oberschicht viermal häufiger einen studienbefähigenden Schulabschluss als andere, und erreichen Arbeiterkinder nur halb so oft wie die Vergleichsgruppe überhaupt einen Abschluss.

Diese Wirkung steht der von der Schule geforderten Funktion entgegen, Status nach individuellen Leistungen zu vergeben und zeigt, dass die Bildungsexpansion noch nicht vollendet und die tatsächliche Gleichheit noch nicht gegeben ist.

Allerdings fiel bei dieser Analyse auch der Hauptnachteil des ALLBUS für das Vorhaben am meisten ins Gewicht. Da der Datensatz Befragte im Alter zwischen 18 und 95 Jahren enthält, und dieser Befragten (wegen der sonst zu kleinen Fallzahlen) immer vollständig in die Analysen mit einbezogen wurden, kann nicht festgestellt werden, inwieweit die hier gefundenen Ungleichheiten auf Kohorteneffekten beruhen nicht inzwischen vielleicht schon überholt sind. Bei einer getrennten Analyse der unter 40-Jährigen beispielsweise, verschwanden starke Effekte des Alters auf die Art des erworbenen Schulabschlusses, der sich für die Gesamtstichprobe deutlich zeigt, zu einem erheblichen Teil ¹⁴ . Außer der Wirkung der sozialen Herkunft auf den Schulabschluss ließen sich auch Effekte auf das individuelle Arbeitslosigkeitsrisiko bestätigen. Allerdings wurden hier intervenierende Effekte der Schulbildung nachgewiesen; der Einfluss der sozialen Herkunft ließ sich also über einen Einfluss auf den Schulabschluss einerseits und den Einfluss der Schulbildung auf das Arbeitslosigkeitsrisiko andererseits erklären.

Im Abschnitt 2.3 schließlich wurde bestätigt, dass die Schule neben ihrer statuszuweisenden Funktion durch die Leistung der Schüler auch eine statuserhaltende Funktion hat: Der Effekt, dass Kinder aus der Oberschicht eher wieder selber Oberschichtsangehörige und Kinder aus der Arbeiterklasse eher selbst wieder Arbeiter werden, ließ sich größtenteils auf den Effekt der väterlichen Klassenlage auf den Schulerfolg zurückführen.

14 Für genauere Untersuchungen wäre also ein Datensatz wünschenswert, der nur Personen enthält, die einerseits ihre Bildungsprozess bereits abgeschlossen haben und selbst in berufsfähigem Alter sind, die aber andererseits erst nach der Bildungsexpansion der 1960er Jahre die wesentlichen Abschnitte ihrer Bildungsbiographie erlebt haben. Die Befragten sollten also den Geburtskohorten 1960-1970 angehören.

-18-

Die Wirkungen von sozialer Herkunft auf die spätere Verteilung von Lebenschancen lassen sich also im Wesentlichen auf die Wirkung der sozialen Herkunft auf die Schulbildung von Personen zurückführen; soziale Herkunft und damit verbundene Klassenlagen wird somit über die Schule vermittelt weitervererbt.

Diese Erkenntnis ist für ungleichheitstheoretische Betrachtungen nicht unwichtig, da hier gezeigt wird, dass ein Schulsystem, welches für alle offen ist (aber deshalb nicht notwendigerweise von allen gleichermaßen intensiv genutzt wird), zwar die notwendige aber noch lange nicht hinreichende Voraussetzung für das Überwinden von Benachteiligungen qua Geburt und Herkunft darstellt.

-19-

Literaturverzeichnis

ALLBUS (2001): Zentralarchiv für empirische Sozialforschung Köln; Zentrum für Umfragen, Methoden und Analysen (ZUMA) [Hrsg.]: Allgemeine Bevölkerungsumfrage der Sozialwissenschaften. ALLBUS 2000. Codebuch zum CAPI-Survey. Köln; Mannheim

BÖTTCHER, WOLFGANG (1991): Soziale Auslese im Bildungswesen. In: Die Deutsche Schule 83, S. 151-161

HRADIL, STEFAN (2001): Soziale Ungleichheit in Deutschland. Opladen

KLEMM, KLAUS (2000): Bildung. In: ALLENDINGER, JUTTA; LUDWIG-MEYERHOFER, WOLF- GANG [Hrsg.]:Soziologie des Sozialstaats. Gesellschaftliche Grundlagen, historische Zusammenhänge und aktuelle Entwicklungstendenzen. Weinheim; München

LONG, J. SCOTT (1997): Regression Models for Categorical and Limited Dependent Variables. Advanced Quantitative Techniques in the Social Sciences Series. Volume 7. Thousand Oaks

SOLGA, HEIKE (2002): Ohne Schulabschluss - und was dann? Bildungs- und Berufseinstiegsbiografien westdeutscher Jugendlicher ohne Schulabschluss, geboren zwischen 1930 und 1971. Selbständige Nachwuchsgruppe „Ausbildungslosigkeit: Bedingungen und Folgen mangelnder Berufsausbildung“ Working Paper 2/2002. Berlin

http://www.mpib-berlin.mpg.de/de/forschung/nwg/arbeitsberichte.htm (download: 15.12.2002)

-20-

Anhang - Stata-Dofiles

“define_variables_using_ALLBUS2000.do”

* Definition der verwendeten Variablen

version 7

*cd "P:\Hausarbeit"

cd "H:\Kalter - Fortgeschrittene Regression\__FOLDER_FROM_UNI_SERVER\Hausarbeit\"

clear

set mem 10m use s3451.dta

label define yesno 0 "nein (0)" 1 "ja (1)"

generate arbkind=(v457==8|v457==9|v457==10) replace arbkind=. if v457==0 label variable arbkind "Arbeiterkind ja/nein" label value arbkind yesno generate obskind=(v457==1|v457==2) replace obskind=. if v457==0 label variable obskind "Oberschichtskind ja/nein" label value obskind yesno

generate goldthor=v457

label value goldthor v457

generate klasse2=.

replace klasse2=1 if (arbkind==1) replace klasse2=2 if (obskind==1) replace klasse2=3 if (obskind==0&arbkind==0) label variable klasse2 "Klassenhintergrund des Vaters"

label define klasse2 1 "Arbeiterklasse (1)" 2 "Oberschicht (2)" 3 "alles andere (3)" label value klasse2 klasse2

mvdecode v221, mv (0 6 7 99)

generate schulbild=v221 label value schulbild v221

generate schjahre=schulbild+7

replace schjahre=schjahre+1 if schjahre>10 label variable schjahre "Anzahl der Schuljahre (konstruiert)"

*********************************************************************************** /* Die folgende (deaktivierte) Generierung der Arbeitslosigkeitsvariable entspricht der von Prof. Kalter vorgeschlagenen Vorgehensweise.

IMHO ist diese Generierung jedoch falsch, da "nein, Befragter ist nicht arbeitslos" bedeutete, dass Befragter aus anderen Gruenden als Arbeitslosigkeit nicht erwerbstaetig ist, jedoch nicht, dass Befragter erwerbstaetig ist - Erwerbstaetige sind missing kodiert.

Diese Kodierung macht IMHO keinen theoretischen Sinn, daher wurde eine Variable generiert, die "1" ist, wenn der Befragte arbeitslos ist (Code C in S21B) ; "2", wenn Befragter hauptberuflich erwerbstaetig ist (Codes A und B in S5) und Missing, wenn Befragter aus anderen Gruenden als Arbeitslosigkeit nicht erwerbstaetig ist. *********************************************************************************** generate arblos=.

replace arblos=(v280==1) if (v280>=1&v280<=2) label variable arblos "Arbeitslos ja/nein" label value arblos yesno generate arblos10=arblos replace arblos10=1 if v260==1

label variable arblos10 "Arbeitslos jetzt oder innerhalb der letzten 10 Jahre ja/nein" label value arblos10 yesno */

-21-

* Kodierung der Arbeitslosigkeit als Gegensatzpaar "arbeitslos" vs. "erwerbstaetig" generate arblos=. replace arblos=1 if v280==1 replace arblos=0 if (v234==1|v234==2) label variable arblos "Arbeitslos ja/nein" label value arblos yesno

generate klasse=.

replace klasse=1 if (v246==1|v246==2) replace klasse=2 if (v246==3) replace klasse=3 if (v246==4|v246==5|v246==6) replace klasse=4 if (v246==7|v246==8) replace klasse=5 if (v246==9|v246==10|v246==11)

label variable klasse "Berufliche Stellung nach Goldthorpe-Klassenschema" label define klasse 1 "Dienstklasse (1)" 2 "Angestellte (2)" 3 "selbstaendig (3)" 4 "gelernte Arbeiter (4)" 5 "ungelernte Arbeiter (5)" label value klasse klasse

generate klasse3=.

replace klasse3=1 if (v832==1|v832==2) replace klasse3=2 if (v832==3) replace klasse3=3 if (v832==4|v832==5|v832==6) replace klasse3=4 if (v832==7|v832==8) replace klasse3=5 if (v832==9|v832==10|v832==11)

label variable klasse3 "Klassenlage nach Goldthorpe - Einordnung nach Terwey" label define klasse3 1 "Dienstklasse3 (1)" 2 "Angestellte (2)" 3 "selbstaendig (3)" 4 "gelernte Arbeiter (4)" 5 "ungelernte Arbeiter (5)" label value klasse3 klasse3

generate nation=v4

replace nation=1 if (nation==2) replace nation=0 if (nation==3) replace nation=. if (nation==4|nation==9) label variable nation "Nationalitaet" label define nation 0 "nicht deutsch (0)" 1 "deutsch (1)" label value nation nation

generate ost=v3-1

label variable ost "Erhebungsgebiet Ost/West"

label define ost 0 "Erhebungsgebiet West (0)" 1 "Erhebungsgebiet Ost (1)" label value ost ost

generate frau=v216-1

label variable frau "Geschlecht" label define frau 0 "maennlich (0)" 1 "weiblich (1)" label value frau frau

generate alter=v219

generate alterkat=v220

generate vh_zus=(v285==1)

replace vh_zus=. if v285==9 generate vh_getr=(v285==2) replace vh_getr=. if v285==9 generate vwitw=(v285==3) replace vwitw=. if v285==9 generate gesch=(v285==4) replace gesch=. if v285==9 generate geschget=(v285==4|v285==2) replace geschget=. if v285==9 generate ledig=(v285==5) replace ledig=. if v285==9 generate vwgg=(v285==2|v285==3|v285==4) replace vwgg=. if v285==9

-22-

“teil1.do” - Berechungen für Abschnitt 2.1

* Berechungen zum Abschnitt 2.1 der Arbeit

version 7

*------------------------------------------------------------------------------------* * ordinales Logitmodell: soziale Herkunft auf Schulbildung * (kontrolliert: Geschlecht, Alter, Nationalitaet, Ost-West)

*------------------------------------------------------------------------------------*

* graphische Darstellung der Unterschiede in den Wahrscheinlichkeiten, einen bestimmten * Schulabschluss zu bekommen nach sozialer Herkunft quietly ologit schulbild arbkind frau alter nation ost quietly prgen arbkind, from(0) to (1) generate(olog)

graph ologp1 ologp2 ologp3 ologp4 ologp5 ologx, c(sssss) xlab(0(1)1) ylab(0(.1)1) drop ologx ologp1 ologs1 ologp2 ologs2 ologp3 ologs3 ologp4 ologs4 ologp5 ologs5 more

quietly ologit schulbild obskind frau alter nation ost quietly prgen obskind, from(0) to (1) generate(olog)

graph ologp1 ologp2 ologp3 ologp4 ologp5 ologx, c(sssss) xlab(0(1)1) ylab(0(.1)1) drop ologx ologp1 ologs1 ologp2 ologs2 ologp3 ologs3 ologp4 ologs4 ologp5 ologs5

* das eigentliche Kernmodell incl. Tests auf parallele Regression und * Berechnung der Veraenderungen der Wahrscheinlichkeiten ologit schulbild arbkind obskind frau alter nation ost, or prchange

brant

omodel logit schulbild arbkind obskind frau alter nation ost

prvalue, x(alter=min) r(mean)

prvalue, x(alter=max) r(mean)

* folgende Werte werden berechnet, um sie spaeter mit der Teilstichprobe der * unter 40 Jaehrigen zu vergleichen, um den Alterseffekt auf die Bildungsexpansion * zurueckfuehren zu koennen prvalue, x(alter=18) r(mean) prvalue, x(alter=40) r(mean)

* Test, ob Effekte des Alters teilweise ueber Schichtzugehoerigkeit erklaert * werden koennen oder umgekehrt. Ergibt keine nennenswerten Ergebnisse. logit obskind alter, or prchange logit arbkind alter, or prchange

* O-Logit Modell fuer die Teilstichprobe der unter 40 Jaehrigen

* zum Ergruenden der Alterseffekte preserve drop if alter>40

ologit schulbild arbkind obskind frau alter nation ost prchange prvalue, x(alter=18) r(mean) prvalue, x(alter=40) r(mean) restore

* wegen Verletzung der Parallelitaetsannahme wird schulbild umkodiert und als * binaer aufgefasst, um getrennte logistische Regressionen schaetzen zu koennen recode schulbild (1=0) (2/5=1), gen (schulb1) recode schulbild (1/2=0) (3/5=1), gen (schulb2) recode schulbild (1/3=0) (4/5=1), gen (schulb3) recode schulbild (1/4=0) (5=1), gen (schulb4) logit schulb1 arbkind obskind frau alter nation ost, or logit schulb2 arbkind obskind frau alter nation ost, or logit schulb3 arbkind obskind frau alter nation ost, or logit schulb4 arbkind obskind frau alter nation ost, or

-23-

* zur Berechnung der "standardisierten" odds ratios: preserve

* Befragte, die für die Regression nicht relevant sind werden gedropt, damit sie die * Standardabweichung nicht verfaelschen

drop if arbkind==. | obskind==. | frau==. | alter==. | nation==. | ost==. | schulbild==. summarize arbkind obskind frau alter nation ost logit schulb1 arbkind obskind frau alter nation ost logit schulb2 arbkind obskind frau alter nation ost logit schulb3 arbkind obskind frau alter nation ost logit schulb4 arbkind obskind frau alter nation ost * Test, ob auch hier geringere Effekte fuer juengere Befragte drop if alter>40

logit schulb1 arbkind obskind frau alter nation ost logit schulb2 arbkind obskind frau alter nation ost logit schulb3 arbkind obskind frau alter nation ost logit schulb4 arbkind obskind frau alter nation ost restore

* im folgenden Modell (kein Abschluss und Hauptschulsabschluss zusammengefasst) ist im * Gegensatz zum Urprungsmodell die Nationalitaet nicht mehr signifikant * Nationalitaet hat also nur einen sig. Einfluss darauf, ob UERBERHAUPT ein Abschluss erworben wird.

recode schulbild (1=1) (2=1) (3=2) (4=3) (5=4), gen (schulb5) ologit schulb5 arbkind obskind frau alter nation ost

* "katholisches Arbeitermaedchen vom Land"

generate laendlich=1 replace laendlich=2 if v837>=4 generate katholisch=0 replace katholisch=1 if v619==1 replace katholisch=. if v619==9

ologit schulbild arbkind obskind frau alter nation ost laendlich katholisch, or

*************************************************************************************** more

“teil2.do” - Berechungen für Abschnitt 2.2

version 7

*------------------------------------------------------------------------------------* * Einfluss auf Arbeitslosigkeitsrisiko

*------------------------------------------------------------------------------------*

/* Der folgende Abschnitt enthaelt Berechnungen, die mit der "alten" Arbeitslosigkeitsvariable gemacht worden. Die Gruende fuer das Verwerfen dieser Variable sind im file define_variables_using_ALLBUS2000.do beschrieben preserve

* (alle Faelle werden gedroppt, die nicht in allen der folgenden Analysen verwendet werden koennen) drop if

arblos==.|arbkind==.|obskind==.|frau==.|alter==.|nation==.|ost==.|vh_zus==.|schulbild==. summarize alter /*um standardisierte ORs errechnen zu koennen*/ logit arblos arbkind obskind frau alter nation ost vh_zus vwitw geschget, or *logit arblos10 arbkind obskind frau alter nation ost ledig vh_getr vwitw gesch, or logit arblos arbkind obskind frau alter nation ost, or *logit arblos10 arbkind obskind frau alter nation ost, or logit arblos arbkind obskind frau alter ost, or *logit arblos10 arbkind obskind frau alter ost, or *sort v285

*by v285: logit arblos arbkind obskind frau alter nation ost, or *by v285: logit arblos10 arbkind obskind frau alter nation ost, or logit arblos arbkind obskind frau alter ost schulbild, or *logit arblos10 arbkind obskind frau alter ost schulbild, or logit arblos arbkind obskind frau alter ost schjahre, or logit arblos frau alter ost schjahre, or tab2 klasse2 arblos, row exp chi2 tab2 goldthor arblos

-24-

restore */

preserve

* (alle Faelle werden gedroppt, die nicht in allen der folgenden * Analysen verwendet werden koennen)

drop if arblos==.|obskind==.|frau==.|alter==.|nation==.|ost==.|vh_zus==.|schulbild==. summarize alter /*um "standardisierte" ORs errechnen zu koennen*/ logit arblos arbkind obskind frau alter nation ost ledig vh_getr vwitw gesch, or * Wenn man die Familienstaende zusammenfasst, bekommt man signifikate Werte: verwitwet, * geschieden, in Trennung lebend in eine Kategorie (vwgg) und dann verheiratet und * zusammenlebend als Refenzkategorie

logit arblos arbkind obskind frau alter nation ost ledig vwgg, or logit arblos arbkind obskind schulbild frau alter nation ost ledig vwgg, or logit arblos arbkind obskind schjahre frau alter nation ost ledig vwgg, or logit arblos schulbild frau nation ost ledig vwgg, or logit arblos schjahre frau nation ost ledig vwgg, or logit arblos schulbild frau ost, or logit arblos schjahre frau ost, or

regress schjahre obskind arbkind alter, beta

tab2 klasse2 arblos, row exp chi2

tab2 ost arblos, row chi2

quietly logit arblos schulbild frau ost, or prvalue, x(ost=0 schulbild=1) brief prvalue, x(ost=0 schulbild=2) brief prvalue, x(ost=0 schulbild=3) brief prvalue, x(ost=0 schulbild=4) brief prvalue, x(ost=0 schulbild=5) brief prvalue, x(ost=1 schulbild=1) brief prvalue, x(ost=1 schulbild=2) brief prvalue, x(ost=1 schulbild=3) brief prvalue, x(ost=1 schulbild=4) brief prvalue, x(ost=1 schulbild=5) brief prvalue, x(frau=0 schulbild=1) brief prvalue, x(frau=0 schulbild=2) brief prvalue, x(frau=0 schulbild=3) brief prvalue, x(frau=0 schulbild=4) brief prvalue, x(frau=0 schulbild=5) brief prvalue, x(frau=1 schulbild=1) brief prvalue, x(frau=1 schulbild=2) brief prvalue, x(frau=1 schulbild=3) brief prvalue, x(frau=1 schulbild=4) brief prvalue, x(frau=1 schulbild=5) brief

prvalue, x(frau=1 schulbild=1 ost=1)brief

* Test auf Interaktionseffekte zwischen Klassenlage der Eltern und eigener Schulbildung * auf das eigene Arbeitslosigkeitsrisiko - Interaktionseffekte konnten nicht * festgestellt werden; daher wurde auf eine Erwaehnung im Text verzichtet recode klasse2 (1=1) (3=2) (2=3), gen(klasse2a) generate schjxkla=schjahre*klasse2a generate schjxobs=schjahre*(obskind+1) generate schjxarb=schjahre*(arbkind+1) logit arblos arbkind schjahre schjxarb logit arblos obskind schjahre schjxobs logit arblos klasse2a schjahre schjxkla

restore

-25-

“teil3.do” - Berechungen für Abschnitt 2.3

version 7

*------------------------------------------------------------------------------------* * Einfluss auf die Stellung im Beruf

*------------------------------------------------------------------------------------* set more off

label define klasse 1 "Dienstklasse" 2 "Angestellte" 3 "Selbstaendig" 4 "Gelernte Arb" 5 "Ungel. Arb.", modify

mlogit klasse arbkind obskind frau ost nation alter ledig vwgg, base (5) rrr mlogit klasse arbkind obskind frau ost nation alter ledig vwgg, base (1) rrr tab2 v285 klasse, chi2 row exp mlogit klasse alter mlogit klasse ledig vwgg alter mlogit v285 alter tab2 ost klasse, row exp chi2

mlogit klasse arbkind obskind frau nation alter, base (5) rrr prchange

mlogit klasse arbkind obskind frau nation alter, base (1) rrr preserve

drop if klasse==.|arbkind==.|obskind==.|frau==.|nation==.|alter==. summarize alter /*um Odds Ratio bei der Erhoehung von Alter um eine sd zu errechnen */ restore

* Auswirkungen der Nationalitaet auf die Klassenlage untersuchen

tab2 nation klasse, chi2 row exp generate ungelarb=(klasse==5) recode ungelarb (1=0) (0=1) logit ungelarb arbkind obskind frau nation alter, or

* gelernte und ungelernte Arbeiter in einer Kategorie zusammenfassen gen klasse_=klasse recode klasse_ (5=4)

label define klasse_ 1 "Dienstklasse" 2 "Angestellte" 3 "Selbstaendig" 4 "Arbeiter" label value klasse_ klasse_

label variable klasse_ "Klassenlage nach berufl. Stellung" mlogit klasse_ arbkind obskind frau nation alter, base (4) rrr mlogit klasse_ arbkind obskind frau nation alter, base (1) rrr

* Intervention durch Schulabschluss ?

mlogit klasse arbkind obskind schjahre frau nation alter, base (5) rrr mlogit klasse arbkind obskind schulbild frau nation alter, base (5) rrr

* Wegen Intervention soziale Herkunft raus

mlogit klasse schjahre frau nation alter, base (5) rrr mlogit klasse schulbild frau nation alter, base (5) rrr prvalue , x(schulbild=1) prvalue , x(schulbild=2) prvalue , x(schulbild=3) prvalue , x(schulbild=4) prvalue , x(schulbild=5)

* Test auf Interaktionseffekte zwischen Klassenlage der Eltern mit Schulbildung auf * eigene Klassenlage nach beruflicher Stellung recode klasse2 (1=1) (3=2) (2=3), gen(klasse2a) generate schjxkla=schjahre*klasse2a generate schjxobs=schjahre*(obskind+1) generate schjxarb=schjahre*(arbkind+1) mlogit klasse arbkind schjahre schjxarb, rrr mlogit klasse obskind schjahre schjxobs, rrr mlogit klasse klasse2a schjahre schjxkla, rrr

* Erstellen eines MLogPlot

quietly mlogit klasse schulbild frau nation alter, base (5) rrr label define klasse 1 "Dienstklasse" 2 "Angestellte" 3 "Selbstaendig" 4 "Gelernte Arb" 5 "Ungelernte Arbeiter", modify label variable schulbild "Schulbildung" label variable alter "Alter"

mlogplot schulbild frau nation alter, std(u00s) or labels ntics(7) set more on

-26-