Wovon die Vergütung von ArbeitnehmerInnen abhängt und ob ein Zusammenhang mit der Attraktivität existiert, wird im Folgenden mithilfe des Datensatzes "beauty" und des Programms "R Skript" genauer untersucht.
"Bewundert wurde das Schöne seit eh und je." Es gibt bis heute kaum einen Lebensbereich, in dem das Schöne keine zentrale Rolle spielt. Trotz dieser alltäglichen Aufmerksamkeit ist die Definition des Schönheitsbegriffs nicht eindeutig festgelegt. Schönheit hängt von der subjektiven Wahrnehmung jedes Einzelnen ab, aber die "Beurteilung, die einzelne Personen abgeben, … [ist nur] zur Hälfte individuell, zur anderen Hälfte [ist sie] mit anderen geteilt". Was als schön gilt, hängt eng mit der Attraktivität zusammen, und beides wird stark von der Modeindustrie, Medien und auch der eigenen familiären Umgebung geprägt. Von der Geburt an wird der Mensch mit dem Schönheitsbegriff konfrontiert.
So wurde beispielsweise bei einer Attraktivitätsforschung herausgefunden, dass Mütter stärker und häufiger auf ihre Babys reagieren, wenn diese schön sind. Das hat wiederum positive Auswirkungen auf die Entwicklung des Babys hin zu einem Kind und weiter zu einem Erwachsenen. Denn "hübsche Kinder entwickeln im Laufe ihrer Sozialisation ein höheres Selbstbewusstsein, da sie von klein auf mehr Zuwendung und Aufmerksamkeit erfahren". Nicht nur von den Eltern, auch in der Schule werden hübsche Kinder oftmals besser benotet trotz gleicher Leistungen. Darüber hinaus werden vor allem in den Medien fast ausschließlich schöne Menschen mit einer Vorbildfunktion präsentiert.
In der Folge strebt die Mehrheit der Gesellschaft nach diesen Vorbildern, da mit ihnen Glück, Liebe und Erfolg, assoziiert werden. Zahlreiche Studien zeigen, dass sich der Vorteile schöner Menschen bis in den Arbeitsmarkt ziehen, denn "[s]ie werden als intelligenter, erfolgreicher, zufriedener, sympathischer, und fleißiger eingeschätzt" und deswegen auch besser vergütet.
Inhaltsverzeichnis
1. Einleitung
2. Deskription des Datensatzes beauty
2.1 Beschreibung der Variablen
2.2 Zusammenhänge der Variablen
3. Analyse des Datensatzes beauty
3.1 Hypothesenprüfung H1: wage ~ educ
3.2 Hypothesenprüfung H2: wage ~ exper
3.3 Hypothesenprüfung H3: wage ~ exper + educ + looks
4. Fazit
Anhang
Vorbereitungen
Variable female
Variable looks
Variablen educ und wage
Variablen exper und expersq
Zusammenhänge der Variablen
Untersuchung Hypothese 1: wage ~ educ
Untersuchung Hypothese 2: wage ~ exper
Untersuchung Hypothese 3: wage ~ educ + exper + looks
Voraussetzung lineare Regression
Zielsetzung & Themen
Die Arbeit untersucht den Zusammenhang zwischen verschiedenen sozioökonomischen Faktoren und der Vergütung von Erwerbstätigen. Im Fokus steht dabei die Forschungsfrage, inwieweit Merkmale wie Schulbildung, Berufserfahrung sowie die körperliche Attraktivität einen signifikanten Einfluss auf das Gehalt ausüben.
- Analyse sozioökonomischer Einflussfaktoren auf das Gehalt
- Untersuchung geschlechtsspezifischer Gehaltsunterschiede
- Einfluss der subjektiven Attraktivität auf die Entlohnung
- Anwendung statistischer Verfahren wie Bootstrapping und lineare Regression
- Validierung der Regressionsvoraussetzungen
Auszug aus dem Buch
1. Einleitung
„Bewundert wurde das Schöne seit eh und je.“1 Es gibt bis heute kaum einen Lebensbereich, in dem das Schöne keine zentrale Rolle spielt. Trotz dieser alltäglichen Aufmerksamkeit ist die Definition des Schönheitsbegriffs nicht eindeutig festgelegt. Schönheit hängt von der subjektiven Wahrnehmung jedes Einzelnen ab, aber die „Beurteilung, die einzelne Personen abgeben, … [ist nur] zur Hälfte individuell, zur anderen Hälfte [ist sie] mit anderen geteilt.“2 Was als schön gilt hängt eng mit der Attraktivität zusammen, und beides wird stark von der Modeindustrie, Medien und auch der eigenen familiären Umgebung geprägt. Von der Geburt an wird der Mensch mit dem Schönheitsbegriff konfrontiert. So wurde beispielsweise bei einer Attraktivitätsforschung herausgefunden, dass Mütter stärker und häufiger auf ihre Babys reagieren, wenn diese schön sind.3 Das hat wiederum positive Auswirkungen auf die Entwicklung des Babys hin zu einem Kind und weiter zu einem Erwachsenen. Denn „hübsche Kinder entwickeln im Laufe ihrer Sozialisation ein höheres Selbstbewusstsein, da sie von klein auf mehr Zuwendung und Aufmerksamkeit erfahren.“4 Nicht nur von den Eltern, auch in der Schule werden hübsche Kinder oftmals besser benotet trotz gleicher Leistungen. Darüber hinaus werden vor allem in den Medien fast ausschließlich schöne Menschen mit einer Vorbildfunktion präsentiert. In der Folge strebt die Mehrheit der Gesellschaft nach diesen Vorbildern, da mit ihnen Glück, Liebe und Erfolg, assoziiert werden.5 Zahlreiche Studien zeigen, dass sich der Vorteile schöner Menschen bis in den Arbeitsmarkt ziehen, denn „[s]ie werden als intelligenter, erfolgreicher, zufriedener, sympathischer, .. und fleißiger eingeschätzt“6 und deswegen auch besser vergütet. Wovon die Vergütung abhängt und ob ein Zusammenhang mit der Attraktivität existiert, wird im Folgenden mithilfe des Datensatzes beauty und des Programms R Skript genauer untersucht.
Zusammenfassung der Kapitel
1. Einleitung: Diese führt in die Thematik der Bedeutung von Attraktivität in der Gesellschaft und deren mögliche Auswirkungen auf den Arbeitsmarkt ein.
2. Deskription des Datensatzes beauty: Hier werden die verwendeten Variablen des Datensatzes sowie deren Verteilungen mittels deskriptiver Statistik und Grafiken beschrieben.
3. Analyse des Datensatzes beauty: In diesem Kapitel werden Hypothesen mittels Bootstrapping und linearer Regression geprüft, um den Einfluss von Bildung, Erfahrung und Aussehen auf das Gehalt statistisch zu untermauern.
4. Fazit: Das Fazit fasst die Ergebnisse zusammen, bestätigt den Einfluss der untersuchten Faktoren auf das Gehalt und reflektiert kritisch über die Grenzen der Analyse sowie möglichen Forschungsbedarf.
Schlüsselwörter
Gehalt, Arbeitsmarkt, Attraktivität, Schönheit, Schulbildung, Berufserfahrung, lineare Regression, Bootstrapping, Hypothesentest, Varianzanalyse, Residuenanalyse, Statistik, R, ökonomische Faktoren, Geschlechterunterschiede
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht den Zusammenhang zwischen individuellen Merkmalen von Erwerbstätigen und deren Stundenlohn unter Verwendung eines spezifischen Datensatzes.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind der Einfluss von Bildungsgrad, Berufserfahrung und äußeren Attraktivitätsmerkmalen auf die wirtschaftliche Entlohnung.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, empirisch zu prüfen, ob und in welchem Maße Faktoren wie Schönheit und Bildung das Gehalt statistisch signifikant beeinflussen.
Welche wissenschaftlichen Methoden werden verwendet?
Es werden deskriptive Statistik, Bootstrapping-Verfahren sowie lineare Regressionsanalysen inklusive Hypothesentests eingesetzt.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die deskriptive Datenbeschreibung, die Prüfung einzelner Hypothesen zu Bildung und Erfahrung sowie die multivariate Regressionsanalyse.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den prägenden Begriffen gehören Gehalt, Attraktivität, lineare Regression, Bildung und Berufserfahrung.
Wie unterscheidet sich die Vergütung bei Männern und Frauen im Datensatz?
Die Analyse zeigt, dass Männer in der untersuchten Stichprobe einen deutlich höheren Median-Stundenlohn aufweisen als Frauen.
Welchen Einfluss hat die Variable „Schönheit“ auf das Gehalt?
Die Regressionsergebnisse deuten darauf hin, dass die Attraktivität einen statistisch signifikanten, wenn auch nicht dominierenden, positiven Effekt auf das Gehalt ausübt.
Wurden die Voraussetzungen für eine lineare Regression erfüllt?
Ja, die Arbeit dokumentiert die Überprüfung der Normalverteilung der Residuen sowie der Multikollinearität, um die Validität des Regressionsmodells sicherzustellen.
Warum wird zusätzlich zur Regression ein Bootstrapping-Verfahren genutzt?
Das Bootstrapping wird verwendet, um Konfidenzintervalle zu schätzen und die Robustheit der Ergebnisse gegenüber den Annahmen klassischer statistischer Tests zu untermauern.
- Citar trabajo
- Selina Schneider (Autor), 2020, Analyse von Einflussfaktoren auf das Gehalt anhand des Datensatzes „beauty“, Múnich, GRIN Verlag, https://www.grin.com/document/1045279
