Diese Arbeit handelt von der Analyse des Datensatzes wage2.
Am 16. April 2018 verkündete Bundesminister für Wirtschaft und Energie Peter Altmaier per Pressemitteilung, dass die berufliche Bildung ein Erfolgsmodell für den deutschen Mittelstand darstellt. Dabei ist gerade das duale Ausbildungssystem weitgehend anerkannt und stellt ein Vorbild für viele weitere Länder dar.
Neben der Berufsausbildung setzt die Bundesregierung auf die Strategie der Weiterbildung. Denn hier wird der Schlüssel zur Fachkräftesicherung und demnach zur Innovations- und Wettbewerbsfähigkeit der Bundesrepublik identifiziert.
Ein Studium kann keine Karrieresprünge oder bedeutende Gehaltserhöhungen garantieren. Daher soll die folgende Ausarbeitung erörtern, wie sich persönliche Attribute auf das künftige Gehalt auswirken und die Relevanz der beruflichen Bildung erörtern. Zu diesem Zweck wird in der folgenden Ausarbeitung ein thematisch passender Datensatz vorerst beschrieben und im Anschluss statistisch ausgewertet. Final werden die Ergebnisse erläutert und die Signifikanz persönlicher Eigenschaften auf das künftige Gehalt konkretisiert.
Inhaltsverzeichnis
1. Einleitung zur Ausarbeitung
2. Deskription des Datensatzes
3. Analyse des Datensatzes
4. Fazit zur Ausarbeitung
5. Anhang
6. Literaturverzeichnis
Zielsetzung & Themen
Die vorliegende Arbeit untersucht anhand des Datensatzes „wage2“, inwiefern persönliche Attribute wie Bildung, Alter, Intelligenzquotient und Berufserfahrung das Einkommen von Angestellten beeinflussen. Das primäre Ziel ist es, die Signifikanz dieser Faktoren statistisch zu prüfen und die Relevanz beruflicher Bildung für die Karriereentwicklung zu erörtern.
- Statistische Deskription des Datensatzes wage2
- Einfluss persönlicher Attribute auf das Gehalt
- Durchführung einer Korrelationsanalyse
- Entwicklung und Prüfung multipler Regressionsmodelle
- Validierung der Ergebnisse mittels Resampling-Verfahren
Auszug aus dem Buch
3. Analyse des Datensatzes
Im Folgenden beschäftigt sich die Ausarbeitung mit der Aufklärung der Forschungsfrage. Demnach soll analysiert werden, welchen Einfluss die Attribute der befragten Personengruppe auf das Gehalt hat. Dazu wird untersucht, inwiefern das Gehalt durch die bisherige Bildung, das Alter, den berechneten Intelligenzquotienten und der Berufserfahrung der befragten Population beeinflusst wird. Hierzu werden, gemäß der bisherigen Visualisierungen, die in Tabelle 7 präsentierten Hypothesen analysiert und geprüft. Zur Hypothesenprüfung wird das Signifikanzniveau auf 0,05 definiert.
Zur Prüfung der Einflusskanäle wird eine Korrelationsanalyse durchgeführt. Dabei beschreibt die Korrelation den mathematischen Zusammenhang zwischen zwei statistisch verteilten Variablen. Hierbei lässt sich beschreiben, dass die relevanten Variablen ´IQ´, ´educ´, ´age´, und ´exper´ in einer positiven Beziehung zum logarithmierten Gehalt ´lwage´ stehen. Zu diesem Zweck genügt es, die rechte Spalte der Auswertung zu betrachten und mit der dementsprechenden Zeile zu vergleichen. Dabei fällt auf, dass die bisherige Berufserfahrung mit 0,05 den geringsten Wert aufweist und das Gehalt kaum beeinflusst.
Zusammenfassung der Kapitel
1. Einleitung zur Ausarbeitung: Diese Einführung thematisiert die Bedeutung beruflicher Bildung und Weiterbildung für die Innovationsfähigkeit und das Gehaltswachstum in der Bundesrepublik Deutschland.
2. Deskription des Datensatzes: Das Kapitel beschreibt den Datensatz „wage2“ sowie die für die statistische Auswertung verwendeten Werkzeuge R und RStudio und führt die relevanten Variablen ein.
3. Analyse des Datensatzes: Hier erfolgt die statistische Hypothesenprüfung mittels Korrelationsanalyse und multiplen Regressionsmodellen, um den Einfluss persönlicher Attribute auf das Gehalt zu quantifizieren.
4. Fazit zur Ausarbeitung: Das Fazit fasst die Ergebnisse zusammen, diskutiert die Aussagekraft der Analyse hinsichtlich der begrenzten Datenlage und bestätigt die positive Bedeutung beruflicher Weiterbildung.
5. Anhang: Der Anhang enthält den vollständigen R-Code zur Datenaufbereitung, deskriptiven Analyse und den statistischen Modellierungen.
6. Literaturverzeichnis: Hier werden alle verwendeten Quellen und Internetquellen, die für die Arbeit herangezogen wurden, aufgelistet.
Schlüsselwörter
Datensatz wage2, Gehaltsanalyse, persönliche Attribute, berufliche Bildung, Intelligenzquotient, Regressionsanalyse, statistische Auswertung, R, Korrelationsanalyse, Einkommenssteigerung, berufliche Erfahrung, Signifikanzniveau, deskriptive Statistik, Humankapital, Ökonometrie.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit analysiert, welche persönlichen Faktoren wie Bildung oder Intelligenz das monatliche Gehalt von Angestellten beeinflussen.
Was sind die zentralen Themenfelder?
Zentrale Themen sind die ökonomische Bedeutung beruflicher Bildung, die statistische Modellierung von Einkommensdaten und die Evaluierung persönlicher Karrierefaktoren.
Was ist das primäre Ziel der Forschungsfrage?
Das Ziel ist es, zu klären, inwieweit Attribute wie Bildungsdauer, Alter und IQ signifikante Prädiktoren für das Gehalt eines Arbeitnehmers darstellen.
Welche wissenschaftliche Methode wird verwendet?
Es werden deskriptive statistische Methoden, bivariate Korrelationsanalysen sowie multiple Regressionsmodelle unter Verwendung der Programmiersprache R angewendet.
Was wird im Hauptteil behandelt?
Im Hauptteil erfolgt die detaillierte statistische Auswertung des „wage2“-Datensatzes, die Hypothesenformulierung sowie die Prüfung der Modelle auf Signifikanz und Robustheit.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit lässt sich am besten durch Begriffe wie Einkommensanalyse, statistische Modellierung, berufliche Bildung und ökonometrische Auswertung beschreiben.
Warum wurde der natürliche Logarithmus des Gehalts (lwage) verwendet?
Der natürliche Logarithmus wurde genutzt, da er eine Verteilung aufweist, die deutlich näher an der Normalverteilung liegt als das unbereinigte Einkommen, was die Modellgüte verbessert.
Wie stark beeinflusst ein zusätzliches Ausbildungsjahr das Gehalt?
Laut der Analyse führt jedes zusätzliche Ausbildungsjahr zu einer durchschnittlichen Gehaltssteigerung von etwa 4,33 %.
Sind die Ergebnisse auf die gesamte Bundesrepublik übertragbar?
Der Autor äußert Zweifel an der direkten Übertragbarkeit auf die Bundesrepublik Deutschland, da der Datensatz auf US-Daten basiert und die Stichprobengröße begrenzt ist.
- Citation du texte
- Daniel Gatz (Auteur), 2021, Analyse des Datensatzes wage2 mit der Programmiersprache R, Munich, GRIN Verlag, https://www.grin.com/document/1011832
