De ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2014 – 2015

De ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar

Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Economische Wetenschappen

Hanne Van de veire onder leiding van Prof. Dr. Dirk Van de gaer

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2014 – 2015

De ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Economische Wetenschappen

Hanne Van de veire onder leiding van Prof. Dr. Dirk Van de gaer

PERMISSION

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.

Hanne Van de veire

Woord vooraf

Deze masterproef vormt het slotstuk van mijn opleiding tot het bekomen van het diploma van Master in de Economische Wetenschappen aan de faculteit Economie en Bedrijfskunde aan de Universiteit van Gent. Nu het einde van mijn academische carrière in zicht komt, wil ik van de gelegenheid gebruik maken om een aantal mensen te bedanken voor hun steun doorheen deze periode. In de eerste plaats wil ik mijn promotor, professor Dirk Van de gaer, bedanken voor de uitstekende begeleiding tijdens dit onderzoek. Zijn kennis en hulp hebben me enorm geholpen bij het schrijven van dit eindwerk. Vervolgens wil ik graag mijn ouders bedanken voor de mogelijkheid die ze me gegeven hebben om deze opleiding succesvol af te ronden. Ze zijn me altijd blijven steunen, ook in periodes met tegenvallende resultaten. Dit laatste geldt ook voor vrienden, vriendinnen en studiegenoten. Door hun goede raad, steun en ontspanning die ze me gaven, werd dit allemaal een stuk aangenamer. Bij deze wil ik hen ook allen bedanken.

I

Inhoudsopgave

Woord vooraf ................................................................................................................................................. I Lijst van de tabellen en figuren .................................................................................................................... III Lijst van de bijlagen ..................................................................................................................................... IV 1. Inleiding .................................................................................................................................................... 1 2. Literatuurstudie ......................................................................................................................................... 2 2.1 Ongelijkheid bij de geboorte en de ontwikkeling van menselijk kapitaal ........................................ 2 2.2 Ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar ...................................................... 5 2.3 Ontwikkeling van menselijk kapitaal tijdens de jeugd en de adolescentie ...................................... 8 2.4 Invloed van menselijk kapitaal op het loon ...................................................................................10 3. De invloed van menselijk kapitaal op het loon – een agent based model benadering ..........................12 3.1 Technische relaties .......................................................................................................................12 3.2 Bepaling loonvergelijking ..............................................................................................................15 3.3 Investering in scholing ..................................................................................................................16 4. Resultaten ...............................................................................................................................................19 4.1 Elementair model ..........................................................................................................................19 4.2 Gezondheidsschokken ...................................................................................................................20 4.2.1

Elementair model .............................................................................................................20

4.2.2

Aangepast model .............................................................................................................22

4.2.3

Geavanceerd model ..........................................................................................................23

4.3 Discussie.........................................................................................................................................30 5. Besluit ......................................................................................................................................................32 6. Referentielijst ..........................................................................................................................................34 7. Bijlagen ....................................................................................................................................................37 8. Appendix..................................................................................................................................................43

II

Lijst van de tabellen en figuren Tabel 1: Simulatie elementair model 100000x............................................................................................19 Tabel 2: Simulatie elementair model 100000x met storingsterm in loonvergelijking ................................19 Tabel 3: Simulatie 100000x model met aangepaste Tabel 4: Simulatie 100000x model met geavanceerde

..............................................................................22 ..........................................................................24

Tabel 5A: Gemiddelde cognitieve vaardigheden op 25 jaar elementair model .........................................25 Tabel 5B: Gemiddelde cognitieve vaardigheden op 25 jaar aangepast model ...........................................25 Tabel 5C: Gemiddelde cognitieve vaardigheden op 25 jaar geavanceerd model .......................................25 Tabel 6A: Gemiddeld aantal scholingsjaren elementair model .................................................................26 Tabel 6B: Gemiddeld aantal scholingsjaren aangepast model ...................................................................26 Tabel 6C: Gemiddeld aantal scholingsjaren geavanceerd model ...............................................................26 Tabel 7A: Gemiddeld inkomen elementair model ......................................................................................27 Tabel 7B: Gemiddeld inkomen aangepast model .......................................................................................27 Tabel 7C: Gemiddeld inkomen geavanceerd model ...................................................................................27 Tabel 8A: % onder armoedegrens elementair model .................................................................................28 Tabel 8B: % onder armoedegrens aangepast model ..................................................................................28 Tabel 8C: % onder armoedegrens geavanceerd model ..............................................................................28 Tabel 9A: Investeringsbeslissing elementair model ....................................................................................29 Tabel 9B: Investeringsbeslissing aangepast model .....................................................................................29 Tabel 9C: Investeringsbeslissing geavanceerd model .................................................................................29

Figuur 1: Correlatie tussen early childhood condities en loon ...................................................................... 4 Figuur 2: Gemiddelde testscore op cognitieve ontwikkeling per inkomenskwartiel .................................... 7 Figuur 3: Schema van de technische relaties in het model ........................................................................13 Figuur 4: Bepaling van het loon

.............................................................................................................15

Figuur 5: Invloeden op de investeringsbeslissing en het educatieniveau ...................................................16 III

Lijst van de bijlagen Bijlage 1: Verdeling vermogen

elementair model .................................................................................37

Bijlage 2: Verdeling vermogen

elementair model .................................................................................37


aangepast model ..................................................................................38


aangepast model ..................................................................................38


geavanceerd model ..............................................................................39


geavanceerd model ..............................................................................39

Bijlage 7: Broncode Matlab .........................................................................................................................40

IV

1. Inleiding In onze huidige kenniseconomie wordt menselijk kapitaal, dat de kennis, informatie, ervaring, ideeën en vaardigheden van een individu omvat, beschouwd als het meest belangrijke kapitaal. Investeringen in personen, meer dan in fysiek kapitaal, zijn dus meer dan ooit van onschatbaar belang (Huggett, Ventura, & Yaron, 2004). Menselijk kapitaal wordt echter niet enkel op de schoolbanken ontwikkeld door middel van educatie en opleidingen. Uit onderzoek is gebleken dat de vorming van menselijk kapitaal al in een veel eerder stadium plaats vindt. De ontwikkeling hiervan wordt reeds deels voor de geboorte bepaald door de omgeving waar het ongeboren kind zich in bevindt. Ook de gezondheidstoestand bij de geboorte, de achtergrond van de ouders en de mogelijkheden geboden voor de ontwikkeling van cognitieve en niet-cognitieve vaardigheden spelen hierbij een grote rol.

Het menselijk kapitaal dat een individu ontwikkelt tijdens zijn jeugd en adolescentie heeft ongetwijfeld enige invloed op het potentieel loon dat dit individu zal verdienen wanneer deze gaat werken. Investeren in de toekomst gaat dus onlosmakelijk samen met investeren in menselijk kapitaal. Echter, niet alle ouders kunnen of willen evenveel investeren in hun kind. Hierdoor ontstaan verschillen in menselijk kapitaal en bijgevolg dus ook inkomensverschillen.

In dit onderzoek willen we nagaan welke invloed de ontwikkeling van menselijk kapitaal heeft op het loon dat een individu later zal ontvangen. Meer bepaald willen we te weten komen in hoeverre de ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar bepalend is voor deze uitkomst. Dit gaan we na door gezondheidsschokken in verschillende situaties te simuleren. Hiervoor zullen we een economisch model opstellen dat zal werken vanuit een agent based perspectief.

Deze masterproef begint met een literatuurstudie die achtereenvolgens gaat over de ongelijkheid bij de geboorte en de ontwikkeling van menselijk kapitaal, de ontwikkeling van kapitaal voor de leeftijd van 6 jaar, de ontwikkeling van menselijk kapitaal tijdens de jeugd en de adolescentie en de invloed van menselijk kapitaal op het loon. Vervolgens worden de technische relaties, coëfficiënten en vergelijkingen die deel uitmaken van het model bepaald. Daarna worden de resultaten van het model geanalyseerd en bediscussieerd en op basis hiervan wordt een besluit geformuleerd.

1

2. Literatuurstudie 2.1 Ongelijkheid bij de geboorte en de ontwikkeling van menselijk kapitaal

Elk individu dat ter wereld komt, start zijn leven met erg verschillende kenmerken en eigenschappen, meegekregen tijdens de negen maanden dat het gedragen werd door de moeder. Er werd aangetoond dat deze kenmerken en eigenschappen voorspellend zijn voor de resultaten die als volwassene behaald worden evenals voor resultaten behaald door volgende generaties (Currie, 2011). Het genetisch materiaal op zich is echter minder bepalend voor de verdere ontwikkeling dan eerst gedacht. Feuk, Carson en Scherer (2006) constateerden dat het DNA van ongerelateerde individuen ongeveer 99% gelijk is. Daarbovenop verklaarden de verschillen die geïdentificeerd werden in de genen weinig van de geobserveerde verschillen in de populatie. Experimenten op muizen (Cooney, Dave, & Wolff, 2002) suggereren dat complexe interacties tussen genen en de omgeving zorgen voor variatie in menselijke kenmerken. Belangrijker dan het genetische is dus de omgeving voor, tijdens en na de geboorte van het kind. Deze omgeving zal een primaire rol spelen bij de ontwikkeling van menselijk kapitaal.

Almond en Currie (2010) gaan uit van drie belangrijke omgevingsfactoren die invloed hebben op de ontwikkeling van menselijk kapitaal bij het ongeboren kind. Een eerste aandachtspunt in de omgeving van het ongeboren kind is de gezondheidstoestand van de moeder en het geboortegewicht. Uit een studie van Currie en Moretti (2007) blijkt dat vrouwen die zelf een laag geboortegewicht (minder dan 2500 gram) hadden meer kans hebben om een kind te baren met een laag geboortegewicht. De reden hiervoor is niet puur genetisch. Ook de socio-economische status speelt een rol. Vrouwen met een laag geboortegewicht hadden meer kans geboren te zijn in een minder gestelde buurt. Bij kinderen met een zwarte moeder die geen diploma secundair onderwijs behaalde, is de kans op een laag geboortegewicht meer dan drie keer groter dan bij kinderen met een blanke moeder die een hoger diploma behaalde (Currie, 2011). Hoynes, Page en Stevens (2009) stelden wel vast dat de oprichting van sociale hulpprogramma’s zoals het WIC1 (Women, Infants and Children) ervoor zorgde dat het aantal kinderen die geboren werden met een laag geboortegewicht afnam met 2,5% zowel bij moeders die geen diploma behaalden, als bij moeders in ontwikkelingslanden. Conley en Bennett (2001) stelden in hun onderzoek een negatieve relatie vast tussen laag geboortegewicht en opleidingsniveau, vooral in combinatie met armoede. Dat er wel degelijk een verband is tussen een laag geboortegewicht en de ontwikkeling van menselijk kapitaal blijkt ook uit een onderzoek tussen broers en zussen. Zo zou er een relatie zijn tussen verschillen in geboortegewicht tussen broers en zussen en de vervolmaking van school 1

Het WIC programma biedt hulp aan moeders, zuigelingen en kinderen tot 5 jaar die een voedingsrisico lopen. Dit doen ze door voeding en supplementen te voorzien, informatie te bieden over gezonde voeding, borstvoeding te promoten en hen te informeren over gezondheidszorg.

2

(Currie & Hyson, 1999). Een tweede aandachtspunt vestigt zich op economische schokken. Echter, een minder eenduidig verband is vastgesteld bij de invloed van economische schokken rond de periode van de geboorte op de gezondheid, en dus de ontwikkeling van menselijk kapitaal. Enkele auteurs, waaronder Van Den Berg, Lindeboom en Portrait (2006), concludeerden uit hun onderzoek lagere overlevingskansen voor zij die geboren werden tijdens een recessie maar Cutler, Miller en Norton (2007) vonden dan weer geen enkel verband tussen sterfte en crisisperioden. Als derde aandachtspunt wordt het effect van luchtvervuiling op het ongeboren kind onderzocht. Wanneer moeders in de omgeving van vervuiling wonen, heeft het kind veel meer kans op een laag geboortegewicht of zelfs sterfte (Currie, Neidell, & Schmieder, 2009). Currie (2011) wijst er wel op dat de verschillen in mate waarin foetussen blootgesteld worden aan vervuiling vaak gecorreleerd is met andere determinanten die invloed hebben op de gezondheid van de foetus. Zo zal een foetus die weinig blootgesteld wordt aan vervuiling vaak toegang hebben tot medische zorg van hogere kwaliteit. Families met een hoog inkomen trekken dan ook vaak weg uit vervuilde regio’s terwijl arme gezinnen juist in deze gebieden terechtkomen (Banzhaf & Walsh, 2008). Ook roken is een ernstige vorm van luchtvervuiling en het verbaast dus niet dat een ongeboren kind dat blootgesteld werd aan een rokende moeder ook meer kans heeft op een lager geboortegewicht (Currie et al. 2009). Uit deze analyse blijkt dus dat vooral de gezondheid bij de geboorte, waarbij het geboortegewicht vaak als maatstaf genomen wordt, heel bepalend is voor de verdere ontwikkeling van menselijk kapitaal. Uit het Brits Nationaal onderzoek voor de ontwikkeling van het kind blijkt dat kinderen met een laag geboortegewicht 25% minder kans hadden om te slagen voor O-level testen voor Engels en wiskunde. O-level testen zijn testen die Britse studenten afleggen voor het bekomen van ‘The General Certificate of Education (GCE), Ordinary level qualification’. Ook hadden ze minder kans om op volwassen leeftijd tewerkgesteld te worden (Currie & Hyson, 1999). Eerder werd aangetoond door o.a. Barker (1998) dat er een verband bestaat tussen de gezondheid bij de geboorte en de toekomstige gezondheid. Nu kan ook aangetoond worden dat de gezondheid bij de geboorte voorspellend kan zijn voor latere resultaten. Figuur 1 toont aan, zoals Currie en Thomas (2001), Case en Paxson (2008, 2010), Cunha en Heckman (2008) en Cunha, Heckman en Schennach (2010) ook hebben aangetoond, dat indicatoren voor menselijk kapitaal die gemeten worden in vroege stadia van het leven, ook die voorspellende factor bezitten. Meer nog, de relatie tussen geboortegewicht en gemiddeld inkomen op de leeftijd van 24 tot 27 jaar is zelfs zeer gelijkaardig aan de relatie tussen testscores en gemiddeld inkomen op die leeftijden.

3

Figuur 1 Correlatie tussen early childhood condities en loon

Bron: Currie (2011)

In figuur 1 a en b worden de correlaties weergegeven tussen enerzijds de gemiddelde lonen en anderzijds de logaritme van de gemiddelde lonen, en de gemiddelde testscores. Voor de lonen zijn de resultaten op de leeftijd van 24, 25, 26 en 27 jaar gebruikt. De gemiddelde testscores zijn afkomstig van PPVT (peabody picture vocabulary test), Piat Math en Piat Reading Recognition testen. In figuur 1 c en d worden dan enerzijds de gemiddelde en anderzijds de logaritme van de gemiddelde lonen weergegeven ten opzichte van het geboortegewicht uitgedrukt in pond. Elk punt geeft de gemiddelde uitkomst voor alle observaties in deze bin weer. De omvang van het punt is proportioneel met het aantal observaties binnen deze bin. De stippellijn geeft de OLS regressie weer van deze data. Alle data zijn afkomstig uit het National Longitudinal Survey of Youth 79 (NLSY79), en hebben betrekking op individuen geboren tussen 1980 en 1988 (Currie, 2011).

4

2.2 Ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar

Individuen, dus ook kinderen, hebben heel uiteenlopende capaciteiten. Deze vaardigheden nemen een aanzienlijk deel van de variatie in sociaaleconomische successen tussen mensen voor hun rekening. Familie speelt hierbij een belangrijke rol tijdens de ontwikkeling van deze capaciteiten. Enerzijds door het genetisch materiaal en de omgeving waarin het kind opgroeit, anderzijds door de investeringen die de ouders willen of kunnen maken. Hierdoor ontstaan al verschillen tussen kinderen uit verschillende sociaaleconomische groepen nog voor ze starten met school (Cuhna & Heckman, 2008). In dit stadium speelt gezondheid ook een heel prominente rol. Een slechte gezondheidstoestand van het kind zal ongetwijfeld effect hebben op de ontwikkeling van menselijk kapitaal. Terwijl Currie (2011) zich focust op het geboortegewicht om de gezondheidstoestand bij de geboorte en de invloed hiervan op het verdere leven te bepalen, gebruiken Case en Paxson (2010) de lengte van het kind als kenmerk voor de gezondheid tijdens de kinderjaren. Hiermee trachten ze na te gaan wat de invloed is van gezondheid tijdens de kinderjaren op resultaten op economisch vlak als volwassene. Uit hun onderzoek blijkt dat grotere mensen gemiddeld hogere opleidingsgraden behaalden. Ook wordt lengte positief geassocieerd met gezondheid en ontwikkeling van cognitieve vaardigheden. Dit blijkt onder meer ook uit werk van Lynn (1990), die het verband tussen voeding en intelligentie onderzocht. Personen die toegang hebben tot degelijke voeding zijn gezonder en dit wordt weerspiegeld in de lengte van deze personen. Personen met een grotere lengte werden ook intelligenter bevonden. Betere voeding heeft over de jaren heen geleid tot een toename van de lengte van individuen, en zo ook tot meer intelligentie. Hieruit kunnen we concluderen dat hulpprogramma’s zoals het WIC, die voeding voorzien, geen verspilde moeite zijn.

De gezondheidstoestand tijdens de kinderjaren kan dus de economische status op latere leeftijd beïnvloeden doordat kinderen met een slechte gezondheidstoestand minder kans hebben op een degelijke educatie en daardoor hun potentieel loon lager kan uitvallen. De mentale gezondheid is evenzeer belangrijk. Zo zal het veel voorkomende ADHD een negatieve invloed hebben op de vorming van menselijk kapitaal, ook al heeft men daar vaak geen last meer van wanneer men volwassen is (Almond & Currie, 2010).

Mede bepalend voor de gezondheidstoestand van het kind is het inkomen van de familie. Case, Lubotsky en Paxson (2002) leidden uit cross-sectionele data uit de VS af dat er een verband bestaat tussen het gezinsinkomen en de gezondheidstoestand van het kind. De gezondheid van kinderen uit gezinnen met lagere inkomens wordt sneller aangetast en deze kinderen zullen op volwassen leeftijd zowel een lagere sociaaleconomische status als een slechtere gezondheidstoestand hebben. Dit sluit

5

ook aan bij de bevindingen uit de vorige sectie, waarbij gezinnen met lagere inkomens vaak in vervuilde regio’s terechtkomen en minder toegang hebben tot gezondheidszorg..

Tevens zal de omgeving waarin het kind opgroeit bepalend zijn. Opnieuw spelen drie factoren daarin een belangrijke rol volgens Almond en Currie (2010), namelijk: de mentale gezondheidstoestand van de moeder, het feit of de moeder tewerkgesteld is en of er sprake is van kindermisbruik. Gedragsproblemen komen vaker voor bij kinderen waarvan de moeder lijdt aan een depressie. Ook zal dit de huiselijke sfeer niet ten goede komen, waardoor kinderen zich minder ontwikkelen. Bij nader inzicht zal tewerkstelling van de moeder toch niet zo’n grote invloed hebben op latere prestaties en inkomen van het kind. Het enige argument dat gevonden werd is dat wanneer de moeder gaat werken, er minder tijd overblijft voor het kind. Kinderen die misbruikt werden ondervinden hier wel bepalende gevolgen van. Een studie van Currie en Widom (2009), die misbruikte kinderen volgde tot ze midden de 40 waren, toont aan dat men als volwassene minder kans heeft tewerkgesteld te zijn en dat men vaker een laag loon heeft. Na verloop van tijd ontwikkelt een kind cognitieve en niet-cognitieve vaardigheden. Cognitieve vaardigheden zijn vaardigheden die betrekking hebben op het denken, het intellectuele en het kennisvermogen. De term niet-cognitieve vaardigheden omvat het geheel van houdingen, gedragingen en strategieën die worden verondersteld om het succes op school en op het werk te onderbouwen, zoals onder meer motivatie, volharding, zelfbeheersing en voorkeur voor vrije tijd (Gutman & Schoon, 2013). Empirische studies van Heckman (1995) en Murnane, Willett en Levy (1995) tonen aan dat de cognitieve vaardigheden die iemand ontwikkelt zeer bepalend zijn voor onder andere scholing, lonen en succes in het sociaal en economisch leven. Meer recent werd echter aangetoond dat ook non-cognitieve vaardigheden een direct effect hebben op diezelfde aspecten (Heckman, Stixrud, Urzua, 2006). Zoals eerder vermeld ontstaan al vroeg verschillen tussen kinderen, te wijten aan een verschil in de sociaaleconomische status van de familie waarin ze opgroeien. Dit wordt verduidelijkt in onderstaande figuur 2 waarin de testresultaten van cognitieve testen bij kinderen uit verschillende inkomensklassen worden weergegeven. Deze testresultaten werden bekomen door voor elk individu de positie in de verdeling van de testscores op elke leeftijd te berekenen. Elk individu werd dan onderverdeeld in een bepaald kwartiel gebaseerd op het permanent gezinsinkomen. De schaal van de testscores werd wel arbitrair bepaald waardoor een analyse van de testscores enkel kan bepalen in welke mate de bestudeerde factoren verschuiven in de algemene verdeling van de bekwaamheid.

6

Figuur 2 Gemiddelde testscore op cognitieve ontwikkeling per inkomenskwartiel

Bron: Cunha, Heckman, Lochner, & Masterov (2006).

In deze figuur is te zien dat een kind afkomstig uit een familie die zich in het laagste inkomenskwartiel bevindt al start met een achterstand op vlak van ontwikkeling van cognitieve vaardigheden en dat deze achterstand alleen maar verder toeneemt naarmate het kind ouder wordt. Het niveau van de vaardigheden van kinderen is namelijk gecorreleerd met de factoren gerelateerd aan de achtergrond van de familie zoals het opleidingsniveau van de ouders (Cunha, Heckman, Lochner, & Masterov, 2006). Het inkomen van de ouders heeft dus niet alleen een belangrijke invloed op de gezondheidstoestand van het kind, maar ook op de ontwikkeling van cognitieve vaardigheden. Deze factoren blijken bepalend voor het opleidingsniveau en het niveau van menselijk kapitaal, en hebben dus ook invloed op het latere loon. Rol van de overheid Hierboven werd aangetoond dat er al verschillen ontstaan tussen kinderen nog voor ze naar school gaan en dat dit gedeeltelijk te wijten is aan hun sociaaleconomische achtergrond. Om deze verschillen weg te werken zodat benadeelde kinderen hun vaardigheden kunnen verbeteren en om zo op een meer gelijk niveau met school te kunnen starten, werden in de Verenigde Staten verschillende voorschoolse educatieprogramma’s opgericht. Ze hebben vooral als doel de sociale en cognitieve vaardigheden van kinderen te verbeteren en ze klaar te stomen voor het onderwijs (Currie, 2001). Dit doen ze door bijvoorbeeld in het Perry Preschool Program dagelijks activiteiten te voorzien voor kinderen van 3 en 4 jaar, zowel in grote en kleine groepen. Ook worden klaslokalen zo ingericht dat kinderen op eigen 7

initiatief allerhande dingen kunnen leren en ontdekken. Verder helpen de leerkrachten de kinderen ook bij het plannen en uitvoeren van creatieve en sociale activiteiten (Barnett et al., 2005). Uit de resultaten blijkt dat op korte termijn het IQ van de behandelde groep hoger ligt dan dat van de controlegroep. Op de leeftijd van 15 jaar is er echter geen positief verschil meer op het vlak van IQ, maar haalden kinderen die een voorschools programma genoten hogere testscores, vooral op taaltesten. Ook stelden de verschillende projecten allemaal positieve effecten vast op de scholingsgraad, wat erop kan wijzen dat het verhogen van het IQ niet de enige manier is om later betere resultaten te behalen. Zo behaalde 68% van de behandelde groep een diploma en slechts 52% van de controlegroep (Currie, 2001). Deze programma’s, die vaak gekoppeld worden aan huisbezoeken om de situatie van het kind op te volgen, tonen aan dat niet de verbetering van de cognitieve vaardigheden maar wel een boost van de nietcognitieve vaardigheden bijdraagt tot succes (Heckman, 2005). De investeringen in dergelijke voorschoolse educatieprogramma’s zouden zichzelf terugverdienen omdat deze later de kosten voor de maatschappij zouden verminderen. Ze kunnen namelijk zorgen voor betere scholing, hogere lonen en vermindering van criminaliteit, tienerzwangerschappen, etc. (Currie, 2001). 2.3 Ontwikkeling van menselijk kapitaal tijdens de jeugd en de adolescentie

Naast de evolutie van de gezondheidstoestand en de verdere ontwikkeling van cognitieve en nietcognitieve vaardigheden, zal in het stadium van de jeugd en adolescentie educatie mede bepalend zijn voor het niveau van menselijk kapitaal en het later potentieel loon. Vanaf de leeftijd van 6 jaar starten kinderen met onderwijs, maar aan het einde van de rit zal niet iedereen een diploma van hetzelfde niveau behalen. Ook in deze fase speelt namelijk het inkomen van de ouders weer een rol. Het educatieniveau zal niet alleen afhangen van de hierboven vermeldde gezondheidstoestand, cognitieve en niet-cognitieve vaardigheden maar volgens Flouri en Buchanan (2004) ook van hoeveel ouders bereid zijn te investeren in hun kind en hoe betrokken ze zijn bij hun kind. Ho Sui-Chu en Willms (1996) stellen dat ouders met een hoge sociaaleconomische status meer betrokken zijn bij de educatie van hun kind, wat te wijten is aan de grotere vertrouwdheid met het onderwijssysteem en de instellingen. Deze kinderen genieten dus niet alleen meer van de financiële voordelen, maar hebben ook het voordeel ouders te hebben die vertrouwd zijn met educatie. Deze hogere betrokkenheid van de ouders verhoogt de kans op betere testscores voor wiskunde en lezen in het middelbaar onderwijs. Volgens Flouri en Bunchanan (2004) is het vooral de betrokkenheid van de moeder op de leeftijd van 7 die een sterkere impact zal hebben op het latere educatieniveau van het kind. De studie van Harris en Marmer (1996) wijst dan weer uit dat in welgestelde families de betrokkenheid van de vader het meest bepalend is voor het scholingsniveau en dat in arme gezinnen de betrokkenheid van de moeder het belangrijkst is. Meer betrokkenheid van de ouders zal ook leiden tot betere relaties, wat het sociaal kapitaal van het kind ten 8

goede komt. Dit sociaal kapitaal heeft ook een invloed op het menselijk kapitaal, dus op die manier wordt onrechtstreeks ook geïnvesteerd in het menselijk kapitaal van het kind (Coleman, 1988). Ook bij benadeelde kinderen, die opgroeien in armoede, zou meer betrokkenheid van de ouders leiden tot betere resultaten. Volgens Baron en Kenney (1986) is enkel betrokkenheid van de ouders echter niet voldoende om de negatieve associatie tussen armoede en scholing ongedaan te maken. Dit omdat deze betrokkenheid niet op alle leeftijden dezelfde invloed heeft en het ook afhankelijk is of de betrokkenheid van de vader of van de moeder komt.

Dat bereidheid tot het investeren in scholing deels afhangt van het vermogen van de ouders, spreekt voor zich. Maar ouders zullen hun investeringen ook aanpassen aan de vaardigheden en capaciteiten van hun kind. De verdere ontwikkeling van cognitieve en niet-cognitieve vaardigheden is daarom uiterst belangrijk. Zoals eerder vermeld zijn zowel de cognitieve als de niet-cognitieve vaardigheden van belang voor sociaal en economisch succes. Ondanks het feit dat cognitieve vaardigheden meer van de variantie in lonen verklaren, zullen hun effecten op de lonen vergelijkbaar zijn aan de effecten van niet-cognitieve vaardigheden op de lonen (Heckman, Stixrud & Urzua, 2006). Veel studenten zetten hun studie stop terwijl ze weten dat het later financieel opbrengt om deze studies af te maken. In de verklaring hiervoor hechten Cunha, Heckman en Navarro (2005) veel belang aan de cognitieve vaardigheden. Ook Heckman, Stixrud en Urzua (2006) erkennen dit belang, maar voegen eraan toe dat niet-cognitieve vaardigheden zoals motivatie en doorzettingsvermogen hierin ook een substantiële rol spelen. Dit laatste verklaart dan ook waarom voorschoolse educatieprogramma’s succesvol zijn. De doelstelling van deze programma’s was feitelijk het verhogen van de cognitieve vaardigheden. Uiteindelijk blijken deze programma’s het IQ niet te verhogen maar zorgen ze wel voor een boost van de niet-cognitieve vaardigheden, wat ook leidt tot meer succes in het sociaal en economisch leven.

Aan de hand van resultaten over investeringen van ouders en de resultaten die de kinderen behaalden uit het ‘National Longitudinal Survey of Youth’, probeerden Cunha, Heckman en Schennach (2010) te achterhalen wat substitutie tussen investeringen in cognitieve en niet-cognitieve vaardigheden in een vroeger of later stadium van de jeugd teweegbrengt. Ze vinden veel minder bewijs van aanpassingsvermogen en substitueerbaarheid voor cognitieve vaardigheden in latere stadia van de levenscyclus van een kind, terwijl het aanpassingsvermogen voor niet-cognitieve vaardigheden ongeveer hetzelfde is in beide stadia. Om benadeelde kinderen een succesvolle toekomst te kunnen bieden ligt bij hen de focus dus best op het verbeteren van de niet-cognitieve vaardigheden. Investeringen die gemaakt worden tijdens de eerste levensjaren zijn vooral belangrijk voor de vorming van de cognitieve vaardigheden op volwassen leeftijd. Deze resultaten zijn ook consistent met de bevindingen van Cunha, Heckman, Lochner en Masterov (2006). 9

2.4 Invloed van menselijk kapitaal op het loon

Reeds lange tijd proberen economisten te achterhalen wat de oorzaken zijn van inkomensverschillen tussen individuen. Educatie speelt een grote rol in het ontstaan van deze verschillen, dus het verbaast niet dat er een verband bestaat tussen het menselijk kapitaal en het loon. Eenvoudig gezegd, met een veelvoorkomend diploma moet een individu concurreren met een groot aanbod van mensen met hetzelfde niveau van menselijk kapitaal op de arbeidsmarkt. Daardoor heeft dit individu meer kans op een lager inkomen. Wanneer het niveau van de gevraagde vaardigheden stijgt, zal het aanbod van mensen die deze vaardigheden bezitten, afnemen. Dit zorgt voor een kleiner aanbod tegenover een grotere vraag naar mensen met een hoger niveau, en bijgevolg liggen de lonen hoger voor deze mensen. Is dus het aanbod van bepaalde vaardigheden groter dan de vraag, dan zullen inkomens laag zijn. Is daarentegen de vraag naar bepaalde vaardigheden groter dan het aanbod, dan zullen inkomens hoog zijn. Daaruit volgt dat in het algemeen het menselijk kapitaal positief gecorreleerd is met het potentieel inkomen (Dutt, 2014).

Mincer (1958) en Becker (1975) stelden het verband tussen menselijk kapitaal en het loon enkele decennia geleden al vast. In hun werken “Investment in human capital and personal income distribution” en “Age, earnings, wealth and human capital” ontwikkelden beiden een model om dit verband aan te tonen. Menselijk kapitaal omvat de kennis, informatie, ervaring, ideeën en vaardigheden van een individu. Mincer (1958) drukt de verschillen in opleiding uit in termen van tijd die gespendeerd is aan formele scholing om het menselijk kapitaal uit te drukken. Het leren van een beroep eindigt echter niet bij de formele scholing. Ervaring is misschien wel het belangrijkste in het opleidingsproces, maar deze kan later nog aan het model toegevoegd worden onder ‘tijd gespendeerd aan de job’. Het is duidelijk dat wanneer na verloop van tijd meer vaardigheden en ervaring vereist worden voor een bepaald beroep, het inkomen zal toenemen. Verder stelde Mincer vast dat de verschillen in inkomens voor mensen die aan het begin van hun carrière staan en deze die hun piek bereikt hebben, groter zijn voor mensen met een hoger diploma. Dit komt doordat verschillen in inkomens klein zijn in de groepen die een lagere opleiding genoten. Scholing blijkt dus een zeer bepalende factor in de ontwikkeling van menselijk kapitaal en de invloed daarvan op het loon.

10

Door deze vaststellingen is het duidelijk dat verschillen in menselijk kapitaal inkomensongelijkheid met zich meebrengt. Castello en Doménech (2012) bestudeerden data die de ongelijkheid van menselijk kapitaal meten. Hieruit blijkt dat deze ongelijkheid tussen 1950 en 2010 een enorme daling kende. Dit was hoofdzakelijk te wijten aan een enorme afname van het aantal ongeletterde mensen. De daling van ongelijkheid in menselijk kapitaal zorgde echter niet voor een gelijkaardige daling in de inkomensongelijkheid. In vele landen ging een daling van de ongelijkheid in de verdeling van scholing zelfs samen met een stijging van de inkomensongelijkheid. Variatie in de scholingsverdeling heeft dus niet bijgedragen tot een daling van de ongelijkheid in de inkomensverdeling. Dit toont aan dat een stijgend

aandeel

van

geletterde

mensen

dus

geen

voldoende

voorwaarde

is

om

de

inkomensongelijkheid te verminderen. Deze bevindingen zijn ook consistent met het systeem van onderwijs met een lage kwaliteit (Hanushek & Woessmann, 2012). Dit onderwijs leidt wel tot hogere geletterdheid, maar draagt niet bij tot verdere ontwikkeling van vaardigheden. Een eerste verklaring voor het feit dat de inkomensongelijkheid niet afgenomen is, kan zijn dat opbrengsten van investeringen in scholing stijgen wanneer het opleidingsniveau stijgt (Castello & Doménech, 2012). Dus wanneer opbrengsten van basisonderwijs laag zijn, zal een grote daling van het aantal ongeletterde mensen er niet voor zorgen dat de lonen van mensen die zich op de bodem van de inkomensverdeling bevinden, enorm zal stijgen. Opbrengsten voor iemand met een tertiair scholingsniveau zijn dan ook veel hoger dan voor iemand met een secundair of primair scholingsniveau. Volgens Castello en Doménech (2012) is een andere verklaring voor het feit dat de inkomensongelijkheid niet afneemt wanneer de ongelijkheid van menselijk kapitaal afneemt, kan zijn dat lonen in bevolkingslagen met een hogere scholingsgraad ook gestegen zijn. In veel ontwikkelingslanden hebben overheden grote inspanningen gedaan om de ongeletterdheid terug te dringen, maar dat zorgde dus niet voor een meer evenredige verdeling van inkomens. Ondanks het feit dat hogere scholing niet geleid heeft tot afgenomen inkomensongelijkheid zijn er toch veel mensen nu beter vanaf en is de armoede ook verminderd. Betere scholing is zelfs cruciaal om de gemiddelde lonen per individu te laten toenemen en de afname van ongeletterdheid is nodig om toegang tot hogere scholingsniveaus te verzekeren. Hieruit kunnen we concluderen dat kwaliteitsvol onderwijs, en bijgevolg een toename van het menselijk kapitaal, zeer belangrijk is voor een betere inkomensverdeling.

11

3. De invloed van menselijk kapitaal op het loon – een agent based model benadering In deze masterproef willen we onderzoeken wat de invloed is van de ontwikkeling van menselijk kapitaal van een individu op zijn latere loon. Meer bepaald, hoe belangrijk de ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar is voor dit resultaat. Hiervoor zullen we een model ontwikkelen dat werkt vanuit een agent based perspectief.

In dit model stellen we een loonvergelijking op die de typische structuur van een Mincer loonvergelijking2 zal hebben. Het model is deels gebaseerd op literatuur, vooral voor de bepaling van de coëfficiënten. Daarnaast maken we, zoals eerder vermeld, ook gebruik van agent based modelling technieken. Deze agent based modelling technieken bieden het voordeel dat verschillende situaties gemakkelijk gesimuleerd kunnen worden. Het model dat hier ontwikkeld wordt kan niet gezien worden als een volledig agent based model. Zo maakt een agent based model bijvoorbeeld veelvuldig gebruik van interacties tussen agenten, iets wat we in dit model enkel terug zullen vinden bij de investeringsbeslissing van de ouders.

Voor we deze invloed kunnen achterhalen moeten eerst de relaties en vergelijkingen bepaald worden die deel zullen uitmaken van het model. Deze zullen bestaan uit de technische relaties, de bepaling van de loonvergelijking van het kind en de investeringsbeslissing van de ouders in scholing.

3.1 Technische relaties

Onderstaande figuur geeft een schematische weergave van de technische relaties die exogeen in het model opgenomen worden. Wanneer een individu geboren wordt, op de leeftijd van 0 jaar, bezit het een bepaalde gezondheidstoestand

, die gemeten zal worden aan de hand van de lengte bij de

geboorte. Deze gezondheidstoestand zal een effect hebben op de cognitieve en niet-cognitieve vaardigheden (respectievelijk

en

) die het kind ontwikkelt tegen de leeftijd van 6 jaar, alsook op

het gezondheidsniveau op die leeftijd. Op hun beurt zullen deze elementen dan een invloed hebben op de gezondheidstoestand, cognitieve en niet-cognitieve vaardigheden op 25 jarige leeftijd (respectievelijk ,

2

en

).

Mincer loonvergelijking: werkervaring x

met w(s,x) het loon op scholingsniveau S en

12

Figuur 3 Schema van de technische relaties in het model 0 jaar

6 jaar

25 jaar

Gezondheidstoestand In het model wordt de gezondheidstoestand bij de geboorte

exogeen bepaald en zal deze normaal

verdeeld zijn. Zoals je kan zien in bovenstaand schema oefent

een invloed uit op

beurt dan een invloed uitoefenen op

en die zal op zijn

.

,

(1) .

(2)

Aangezien we uitgaan van een standaard normale verdeling zullen we de variantie van de storingstermen

en

aanpassen zodanig dat de variantie van

en

. De uitwerking hiervan

is te vinden in appendix A.1 en we vinden dat , . De invloeden van de gezondheidstoestand op jonge leeftijd op de gezondheidstoestand op latere leeftijd worden berekend op basis van een jaarlijkse persistentie van 0,95. De berekening gebeurt in appendix A.6 en dit geeft ons , .

13

Cognitieve en niet-cognitieve vaardigheden op leeftijd 6 jaar De bepaling van de cognitieve en niet-cognitieve vaardigheden op de leeftijd van 6 jaar is gelijkaardig aan die van de gezondheidstoestand. We willen terug een standaard normale verdeling.

en

komen als volgt tot stand:

Op hun beurt zal de variantie van de storingstermen

,

(3)

.

(4)

en

gelijk zijn aan , .

Zoals je kan zien in vergelijkingen (3) en (4) ontstaat er een relatie tussen de vaardigheden ( de gezondheidstoestand (

en

) en

). Deze relatie voor de cognitieve vaardigheden wordt uitgedrukt als .

De motivering hiervoor is te vinden in appendix A.5. Voor de eenvoud van het model gebruiken we deze waarde ook voor de relatie tussen gezondheid en niet-cognitieve vaardigheden: .

Cognitieve en niet-cognitieve vaardigheden op leeftijd 25 jaar Ook de relaties van de cognitieve en niet-cognitieve vaardigheden op de leeftijd van 25 jaar dienen bepaald te worden. We specificeren deze als volgt: ,

(5) .

(6)

Ook hier willen we terug een standaard normale verdeling. In appendix A.3 is de uitwerking weer te vinden van de variantie van de storingstermen

en

. We bekomen , .

14

Hier dient ook weer rekening gehouden te worden met de onderlinge relaties tussen gezondheid en vaardigheden enerzijds en de jaarlijkse persistentie anderzijds. Uit de bewerkingen in appendix A.5 en A.6 verkrijgen we dat , .

3.2 Bepaling loonvergelijking

De eerder bepaalde relaties potentieel loon van 25 jaar (

,

en

zullen dan uiteindelijk een invloed uitoefenen op het

dat het individu later kan verdienen, aangevuld met het educatieniveau op de leeftijd ). Deze laatste is echter afhankelijk van de investering in scholing door de ouders en dit

wordt dan ook verder uitgewerkt in de volgende sectie.

Figuur 4 Bepaling van het loon

De loonvergelijking is gebaseerd op de structuur van een Mincer loonvergelijking. In deze loonvergelijking wordt ervaring echter buiten beschouwing gelaten omdat we uitgaan van slechts één periode waarin er inkomen gegenereerd wordt. Het loon

is het arbeidsinkomen verdiend tijdens het

leven van het individu. De algemene vergelijking ziet er als volgt uit: .

(7)

Hetgeen tussen 0 en 6 jaar gebeurt zal dus tot op zekere hoogte bepalend zijn voor het latere loon aangezien er onrechtstreekse verbanden bestaan met de verschillende determinanten uit de loonvergelijking. Merk op dat deze loonvergelijking deterministisch is, er is geen storingsterm aanwezig. De bepaling van de coëfficiënten in deze loonvergelijking wordt gemotiveerd in appendix A.4. Dit geeft ons de volgende vergelijking waar we ook verder zullen mee werken: .

15

3.3 Investering in scholing

Het niveau van de educatie zal afhankelijk zijn van de investeringen die hierin gemaakt worden door de ouders. Een belangrijke vraag hierbij is wat de maximale investeringen in educatie

door de ouders

zullen zijn ten voordele van het kind. Die investeringsbeslissing maken de ouders wanneer het kind de leeftijd van 6 jaar bereikt. Dit is de leeftijd waarop het kind start met primair onderwijs. De ouders geven om het loon

van het kind, maar naargelang hun eigen inkomen zullen ze een afweging moeten

maken tussen eigen consumptie en investeringen in de opleiding van hun kind.

Figuur 5 Invloeden op de investeringsbeslissing en het educatieniveau

Bovenstaande figuur toont aan dat het educatieniveau op 25 jarige leeftijd investering in educatie gezondheidstoestand

afhankelijk zal zijn van de

gemaakt door de ouders. Deze beslissing zal echter afhangen van de , de cognitieve

en niet-cognitieve vaardigheden

van het kind op de

leeftijd van 6 jaar evenals van de intrestvoet r en het beschikbaar inkomen van de ouders Het beschikbaar inkomen

.

zal gespendeerd worden aan consumptie over 2 periodes, dit zijn

periode waarin het kind studeert) en

(de

(de periode waarin het kind werkt), en aan de investering in

educatie van het kind. Deze investering zal dan een invloed hebben op het loon

dat het kind later zal

verdienen. Hoeveel nu geïnvesteerd zal worden wordt bepaald door het optimalisatieprobleem

.

met

16

Met

de tijdsvoorkeur voor consumptie in de tweede periode,

een preferentieparameter voor het

loon van het kind en een efficiëntieparameter voor de investering in scholing. Om dit probleem op te lossen bepalen we de Lagrange functie:

zodat de eerste orde voorwaarden voor een maximum gegeven worden door

   . Gebruiken we de eerste drie eerste orde voorwaarden in de laatste, dan vinden we

 

Hieruit bepalen we

en

in functie van

:

(8)

De berekening van de waarden van deze coëfficiënten is terug te vinden in appendix A.9. We zijn vooral geïnteresseerd in de investeringsbeslissing door vergelijking (8). Zoals je kan zien zal

van de ouders, die wordt weergegeven

een vast aandeel van het vermogen

van de ouders zijn.

Voor dit vermogen veronderstellen we een lognormale verdeling. De uitwerking hiervan staat in appendix A.8. Als we ervan uitgaan dat de ouders 45% van hun vermogen consumeren in

en nog eens

17

45% in

, dan zal het aandeel dat ze investeren in educatie 10% van hun vermogen bedragen. Dit

betekent dat we ervoor moeten zorgen dat

.

18

4. Resultaten 4.1 Elementair model Om de verdeling van het loon van het kind te bepalen, werd het model gesimuleerd voor 100 000 trekkingen. Aangezien het loon van het kind deels bepaald wordt door het vermogen van de ouders en de gezondheidstoestand, en deze gezondheidstoestand ook weer deels afhangt van het vermogen van de ouders, verwachten we dat de verdeling van verdeling van

sterk lijkt op de verdeling van

. De lognormale

bestaat uit een gemiddelde van 6,4304 en variantie 0,9113. Na 100 000 simulaties

stellen we vast dat de verdeling van

inderdaad in deze buurt ligt, althans wat het gemiddelde betreft.

Tabel 1 geeft deze resultaten weer. Tabel 1 Simulatie elementair model 100000x

Gemiddelde Variantie Mediaan

0,0007 0,9982

0,0021 0,9981

0,0052 14,9992 1,0014 15,4548

Ln( 673,7296 978,4617 6,4305 0,1657 81988,5599 1445189,6290 619,5029 619,8264

0,10

Voor de variantie merken we wel een groot verschil. Dit ligt aan het feit dat de loonvergelijking van het kind (7) deterministisch is, ze heeft geen storingsterm. Om dit verschil in variantie te beperken zullen we ervoor opteren een storingsterm toe te voegen in de loonvergelijking. De bepaling hiervan is terug te vinden in appendix A.11. Na opnieuw 100 000 simulaties, nu met storingsterm in de loonvergelijking, vinden we de volgende resultaten. Tabel 2 Simulatie elementair model 100000x met storingsterm in loonvergelijking

Ln( Gemiddelde Variantie Mediaan

0,0049 1,0036

0,0022 0,9983

984,4890 0,0003 15,0174 6,4303 980,845 1,0009 15,5447 0,9157 1445900,3307 1469491,3797 623,7403 618,2543

0,10

Nu stellen we vast dat de verdeling van het vermogen van de kinderen wel overeenkomt met die van de ouders. Dit wordt ook bevestigd door de gemiddelde inkomens van

en

die respectievelijk met

984,49 en 980,85 heel dicht bij elkaar in de buurt liggen. En een gemiddeld scholingsniveau van 15 jaar op 25-jarige leeftijd is wat we mochten verwachten volgens de calibratie van de investeringsvergelijking

19

(8). We constateren verder een positieve correlatie tussen de cognitieve vaardigheden cognitieve vaardigheden

en niet-

. Deze bedraagt 0,14. Tussen scholing en vermogen vinden we een positieve

correlatie van 0,32. Wanneer we het verder hebben over het elementair model, dan hebben we het over het elementair model met de storingsterm in de loonvergelijking. 4.2 Gezondheidsschokken Om na te gaan wat nu precies de invloed is van de ontwikkeling van menselijk kapitaal op het latere loon, en meerbepaald hoe belangrijk hetgeen gebeurd is voor de leeftijd van 6 jaar, zullen we situaties met verschillende gezondheidsschokken simuleren. Deze schokken variëren van 2 standaardafwijkingen onder het gemiddeld gezondheidsniveau van 0 (negatieve gezondheidsschokken) tot schokken van 2 standaardafwijkingen boven het gemiddeld gezondheidsniveau van 0 (positieve gezondheidsschokken). Zoals in figuur 3 te zien is, zijn in het model de ontwikkelingen van de gezondheidstoestand, de cognitieve en niet-cognitieve vaardigheden op de leeftijd van 6 jaar afhankelijk van de gezondheidstoestand

bij de geboorte. Door in verschillende situaties na te gaan wat het effect van

zowel positieve als negatieve gezondheidsschokken is op het loon, trachten we te achterhalen hoe belangrijk de gebeurtenissen voor de leeftijd van 6 jaar zijn. We gaan niet enkel na wat de gevolgen van gezondheidsschokken bij verschillende vermogensklassen van de ouders op het latere loon zijn. Om de resultaten op een andere manier te interpreteren zullen we ook nagaan hoe groot de kans is dat een individu onder de armoedegrens terechtkomt. De armoedegrens bepalen we door de standaardwaarde van 60% van het mediaaninkomen te nemen. 4.2.1 Elementair model In de simulatie van het elementair model werden voor

100 000 willekeurig trekkingen genomen uit

een normale verdeling met gemiddelde 0 en variantie 1. Dit leverde een mediaaninkomen van 618, 25. De armoedegrens ligt op 60% van dit mediaaninkomen en bedraagt dus 370,95. Van de 100 000 resultaten zijn er 29 509 kleiner of gelijk aan deze waarde. Hieruit kunnen we afleiden dat de kans dat een individu onder de armoedegrens terechtkomt 29,51% is volgens de simulatie van het elementair model. Aangezien

de

cognitieve

vaardigheden

op

25-jarige

leeftijd

bepaald

worden

door

de

gezondheidstoestand en cognitieve vaardigheden op de leeftijd van 6 jaar, en deze beide afhankelijk zijn van

(zie vergelijking (1) en (3)), verbazen de resultaten in tabel 5A niet. Negatieve

gezondheidsschokken hebben een negatieve invloed op de ontwikkeling van cognitieve vaardigheden, terwijl positieve schokken een positieve invloed uitoefenen.

20

Het vermogen van de ouders speelt een belangrijke rol bij de bepaling van het scholingsniveau en heeft dus ook een invloed op het latere loon. Wanneer we nu situaties simuleren met negatieve en positieve gezondheidsschokken in combinatie met vermogens van ouders uit verschillende inkomensklassen, dan merken we dat het aantal scholingsjaren stijgt wanneer het vermogen van de ouders stijgt. Dit is te zien in tabel 6A. Dit is ook geheel volgens de verwachtingen wanneer we de investeringsvergelijking (8) bekijken. Maar schokken in volgens figuur 5

,

en

hebben geen invloed op dit aantal scholingsjaren. Nochtans zouden , die allen deels bepaald worden door

(zie vergelijking (1), (3) en (4)),

een invloed uitoefen op het scholingsniveau op 25-jarige leeftijd. Wederom zien we in vergelijking (8) dat dit in het elementair model niet het geval is. Hier zijn bijvoorbeeld het aantal scholingsjaren op 25jarige leeftijd bij de 10% laagste vermogens, zowel bij een negatieve gezondheidschok van 2 standaardafwijkingen onder het gemiddeld gezondheidsniveau van 0 als bij een positieve schok van 2 standaardafwijkingen boven het gemiddeld gezondheidsniveau van 0, gelijk aan 9,97. Bij de top 10% hoogste vermogens wordt dit 20,05 jaar, opnieuw bij zowel negatieve als positieve schokken. Dit komt doordat in dit model de investeringsbeslissing een vast aandeel van het vermogen van de ouders bedraagt. Dit aandeel is 10% (tabel 9A). Hieruit volgt dat in dit model het aantal scholingsjaren uitsluitend afhankelijk zijn van het vermogen van de ouders en dat de ontwikkelingen van het kind op 6jarige leeftijd hier geen rol spelen. Dit leiden we ook weer af uit de investeringsvergelijking (8). Ongeacht de gezondheidsschok is het aantal scholingsjaren dus gelijk per inkomensklasse van de ouders. We stellen hierdoor vast dat dit model niet volledig voldoet aan de vereisten. In tabel 7A laten we terug het vermogen van de ouders variëren en kijken we welke invloed dit heeft op het latere loon wanneer er zich in elke situatie negatieve en positieve gezondheidsschokken voordoen. Hier zien we dat ondanks het feit dat het educatieniveau per inkomensklasse gelijk is, de lonen toch verschillen. Hieruit kunnen we afleiden dat het later loon van een individu niet enkel afhangt van het scholingsniveau maar dat gezondheidsschokken wel degelijk een rol spelen. Dit volgt ook uit de loonvergelijking (7). De resultaten in tabel 8A geven de kans weer dat het individu onder de armoedegrens terechtkomt gegeven het vermogen van de ouders en een bepaalde gezondheidsschok. Wanneer je ouders een vermogen hebben dat bij de laagste 10% hoort en een negatieve gezondheidsschok van -2 doet zich voor, dan heb je 50,80% kans dat je onder de armoedegrens terechtkomt. Hebben je ouders daarentegen een vermogen dat hoort bij de hoogste 10% en er doet zich een positieve gezondheidsschok van 2 voor, heb je nog 11,38% kans dat je onder deze armoedegrens terechtkomt. De percentages tussen de verschillende vermogensklassen kennen grote verschillen. Het vermogen van de ouders blijkt dus zeer bepalend voor de toekomst van het kind. De verschillen tussen de gezondheidsschokken binnen een bepaalde vermogensklasse zijn eerder beperkt. Bij het 21

mediaaninkomen gaat dit van 29,05% bij een zeer positieve schok naar 26,66% bij een zeer negatieve schok. Dit is een verschil van slechts 2,39%. Over de 5 inkomensklassen is deze variatie gemiddeld 2.26%. Gezondheidsschokken hebben in dit model dus eerder een beperkte invloed op het latere loon van een individu. 4.2.2 Aangepast model Om ervoor te zorgen dat het scholingsniveau niet enkel afhankelijk is van het vermogen van de ouders passen we

zo aan dat deze varieert naargelang de hoogte van de cognitieve en niet-cognitieve

vaardigheden. Deze

moet er dan, als coëfficiënt van

en als onderdeel van de

investeringsbeslissing in scholing, voor zorgen dat er variatie optreedt in het scholingsniveau die niet enkel afhankelijk is van het vermogen van de ouders. Omdat deze

ook deel uitmaakt van de

investeringsbeslissing in scholing, zal deze beslissing geen constante meer zijn van het vermogen van de ouders. De investering zal nu ook afhangen van de ontwikkeling van cognitieve en niet-cognitieve vaardigheden op de leeftijd van 6 jaar. De uitwerking van deze aangepaste

is terug te vinden in

appendix A.12. Wanneer we dit nieuwe model simuleren voor 100 000 trekkingen krijgen we de resultaten die zijn weergegeven in tabel 3. Deze resultaten zijn vrij gelijkaardig aan die van het elementair model. Wat wel opvalt is dat het gemiddeld inkomen van de kinderen inkomen van de ouders

toch wel een stuk hoger ligt dan het gemiddeld

. Met 1256,40 tegenover 979,36 is dit een groot verschil vergeleken met het

elementair model. Dit kan te wijten zijn aan enkele grote uitschieters die het gemiddelde sterk omhoog trekken. We hebben dus te maken met een grotere variatie van de lonen. Dit volgt logischerwijs uit het feit dat de toegenomen variatie in de vergelijking van investeringsvergelijking variantie in

(9) zal zorgen voor een grotere variatie in de

(7) en bijgevolg ook in de loonvergelijking (8). In tabel 3 zien we dat de

ongeveer 4 maal zo groot is als die in

, terwijl die variantie in het elementair model

nog ongeveer gelijk was tussen beide. Hier bedraagt de correlatie tussen scholing en vermogen 0,34. Tabel 3 Simulatie 100000x model met aangepaste


0,0066 -0,0039 0,9999 1,0034

Ln( 0,0032 15,1101 6,4735 1256,3995 979,3550 0,1065 1,0035 16,8509 1,2649 5542583,5578 1415072,5089 630,4396 623,7290

Opnieuw hebben we verschillende situaties gesimuleerd. Dit zijn situaties waarin negatieve en positieve gezondheidsschokken gecombineerd worden met vermogens van de ouders die variëren van de 10% 22

laagste tot de 10% hoogste. Door de aanpassing van

is de investeringsbeslissing niet enkel meer

afhankelijk van het vermogen van de ouders, maar spelen de cognitieve en niet-cognitieve vaardigheden op 6-jarige leeftijd ook een rol. De resultaten in tabel 9B tonen dit ook aan. We merken dat die investeringsbeslissing varieert naargelang de gezondheidsschok. Ouders zijn bereid meer te investeren in de scholing van een kind dat gezond is, en bijgevolg betere vaardigheden ontwikkelt. Dit wijst erop dat hetgeen voor de leeftijd van 6 gebeurt een invloed zal hebben op het scholingsniveau en bijgevolg op het toekomstig loon. De resultaten van het scholingsniveau zijn terug te vinden in tabel 6B. Hier zien we dat er inderdaad een lichte variatie optreedt binnen een vermogensklasse van de ouders, wat erop wijst dat gezondheidsschokken nu wel degelijk een invloed hebben op het scholingsniveau. Al blijft die invloed wel eerder beperkt. In dit nieuwe model hebben we te maken met een grotere variatie in de lonen van de individuen. Dit zien we ook terug in tabel 7B. In vergelijking met het elementair model, liggen de gemiddelde lonen nu een stuk hoger. Wanneer we tabel 8B bekijken, valt ook hier op dat de gezondheidsschokken nu wel enige rol van betekenis hebben. Gaan we in de laagste inkomensklasse van een negatieve gezondheidsschok van -2 naar een positieve gezondheidsschok van +2 dan daalt de kans dat een individu onder de armoedegrens terechtkomt met 6,43%. Over alle klassen is deze variatie gemiddeld 5,87% wat een stuk hoger is dan de 2,26% van het elementair model. Wat wel opvalt is het feit dat de percentages veel hoger liggen. Hadden we in het elementair model een individu met een positieve gezondheidsschok van +2 en ouders met een vermogen dat behoort tot de hoogste 10%, dan had deze persoon 11,38% kans om onder de armoedegrens terecht te komen. In het nieuw model heeft een individu dat zich in dezelfde situatie bevindt 15,66% kans om in de armoede terecht te komen. Deze opvallende resultaten zijn ook te wijten aan de grotere variatie in de lonen van de kinderen (vergelijk ook bijlage 4 met bijlage 2). Hadden gezondheidsschokken in het elementair model eerder een beperkt effect, dan merken we nu wel duidelijk een invloed hiervan op de resultaten. 4.2.3 Geavanceerd model Willen we dat de gezondheid en vaardigheden op 6-jarige leeftijd nog meer doorwegen in de investeringsbeslissing in scholing, dan passen we onze opnieuw

aan. Dit hebben we gedaan in

appendix A.13. Simuleren we dit nieuw model 100 000 keer dan krijgen we de resultaten weergegeven in tabel 4.

23

Tabel 4 Simulatie 100000x model met geavanceerde


0,0007 0,9980

Ln( 2409,7124 978,2137 0,1036 0,0013 0,0034 12,9361 6,5422 0,9953 0,9985 62,3817 2,2824 53327790,0212 1490424,6483 631,0235 619,8264

Dit model is vrij gelijkaardig aan het vorige. Gezondheidsschokken hebben nu wel een nog grotere impact, zowel op scholing (tabel 6C) als op de lonen (tabel 7C). Hieruit kunnen we afleiden dat hetgeen voor de leeftijd van 6 jaar gebeurt, wel degelijk bepalend is voor het individu op latere leeftijd. Wel hebben we te maken met een nog grotere variatie van de lonen. De variantie van in het geavanceerd model is ongeveer 10 keer groter dan die in het aangepast model en bijgevolg zijn de gemiddelde lonen nu nog een stuk hoger. Ook het percentage dat onder de armoedegrens terechtkomt (tabel 8C) is weer gestegen door deze grotere variatie in de lonen van de kinderen (vergelijk ook bijlage 6 met bijlage 4).

24

Tabel 5A Gemiddelde cognitieve vaardigheden op 25 jaar elementair model

Gezondheidsschokken H0 -2 -1 0 1 2

Laagste 10% -0,0769 -0,0419 0,0007 0,0401 0,0909

Welvaartsverdeling vermogens ouders Laagste Mediaan Top 25% 25% -0,0870 -0,0856 -0,0900 -0,0410 -0,0458 -0,0395 -0,0020 -0,0028 -0,0014 0,0440 0,0430 0,0387 0,0871 0,0876 0,0814

Top 10% -0,0924 -0,0482 -0,0001 0,0448 0,0862

Tabel 5B Gemiddelde cognitieve vaardigheden op 25 jaar aangepast model


Laagste 10% -0,0825 -0,0436 0,0060 0,0433 0,0877

Welvaartsverdeling vermogens ouders Laagste Mediaan Top 25% 25% -0,0925 -0,0892 -0,0848 -0,0425 -0,0468 -0,0457 -0,0017 0,0037 0,0007 0,0437 0,0434 0,0428 0,0835 0,0886 0,0890

Top 10% -0,0809 -0,0387 0,0037 0,0429 0,0866

Tabel 5C Gemiddelde cognitieve vaardigheden op 25 jaar geavanceerd model


Laagste 10% -0,0881 -0,0423 -0,0072 0,0449 0,0870

Welvaartsverdeling vermogens ouders Laagste Mediaan Top 25% 25% -0,0836 -0,0852 -0,0836 -0,0445 -0,0453 -0,0433 -0,0006 0,0005 0,0003 0,0438 0,0381 0,0437 0,0796 0,0800 0,0871

Top 10% -0,0876 -0,0442 -0,0003 0,0450 0,0910

25

Tabel 6A Gemiddeld aantal scholingsjaren elementair model


Laagste 10% 9,9715 9,9715 9,9715 9,9715 9,9715

Welvaartsverdeling vermogens ouders Laagste Mediaan Top 25% 25% 12,3464 15,0244 17,6797 12,3464 15,0244 17,6797 12,3464 15,0244 17,6797 12,3464 15,0244 17,6797 12,3464 15,0244 17,6797

Top 10% 20,0528 20,0528 20,0528 20,0528 20,0528

Tabel 6B Gemiddeld aantal scholingsjaren aangepast model


Laagste 10% 9,9614 10,0306 10,0966 10,1527 10,2271


Top 10% 20,0215 20,0818 20,1469 20,2116 20,2813

Tabel 6C Gemiddeld aantal scholingsjaren geavanceerd model


Laagste 10% 7,3398 7,6395 7,9397 8,2115 8,4508


Top 10% 17,3525 17,7532 18,0200 18,3026 18,5348

26

Tabel 7A Gemiddeld inkomen elementair model


Laagste 10% 529,9879 538,2443 546,9272 553,5230 567,4138


Top 10% 1456,859 1475,856 1501,364 1527,432 1556,103

Tabel 7B Gemiddeld inkomen aangepast model


Laagste 10% 588,8167 609,7178 631,9309 654,2361 687,1213


Top 10% 1854,7279 1945,0509 2063,7653 2185,3644 2308,5060

Tabel 7C Gemiddeld inkomen geavanceerd model


Laagste 10% 784,9512 829,1854 877,2339 925,4995 973,7851


Top 10% 3795,6497 4155,9405 4427,8359 4757,1276 5167,3404

27

Tabel 8A % onder armoedegrens elementair model


Laagste 10% 50.80 50.19 49.62 49.08 48.23

Welvaartsverdeling vermogens ouders Laagste Mediaan Top 25% 25% 40.03 29.05 19.45 39.37 28.19 18.94 38.72 27.67 18.47 38.30 27.10 17.89 37.24 26.66 17.31

Top 10% 12.81 12.47 11.95 11.86 11.38

Tabel 8B % onder armoedegrens aangepast model


Laagste 10% 51,63 50,26 48,69 46,93 45,20


Top 10% 20,68 19,62 18,17 17,01 15,66

Tabel 8C % onder armoedegrens geavanceerd model


Laagste 10% 51,63 49,91 47,85 46,21 44,07


Top 10% 30,71 28,82 26,93 25,4 23,88

28

Tabel 9A Investeringsbeslissing elementair model


Laagste 10% 0,10 0,10 0,10 0,10 0,10


Top 10% 0,10 0,10 0,10 0,10 0,10

Tabel 9B Investeringsbeslissing aangepast model


Laagste 10% 0,1036 0,1052 0,1068 0,1081 0,1099


Top 10% 0,1037 0,1051 0,1066 0,1082 0,1098

Tabel 9C Investeringsbeslissing geavanceerd model


Laagste 10% 0,0979 0,1007 0,1038 0,1065 0,1095


Top 10% 0,0975 0,1012 0,1040 0,1067 0,1097

29

4.3 Discussie Door een model op te stellen en dit dan te simuleren over diverse situaties met positieve en negatieve gezondheidsschokken en variërende vermogens van de ouders, trachtten we na te gaan wat de invloed van menselijk kapitaal op het latere potentieel loon is. Wanneer we het elementair model 100 000 keer simuleren, vallen de resultaten op het eerste zicht allemaal binnen de verwachtingen. Met een verdeling van vermogen van de kinderen dat in de lijn van het vermogen van de ouders ligt en een gemiddeld aantal scholingsjaren van 15, worden de verwachtingen ingelost. Na de toepassing van dit model over de verschillende gezondheidsschokken, verbazen de resultaten van de cognitieve vaardigheden op 25-jarige leeftijd ook niet. Hetgeen Lynn (1990) vaststelde, dat de ontwikkeling van cognitieve vaardigheden gecorreleerd is aan de lengte van een individu, vinden we ook terug in onze resultaten. Uit onderzoek van Cunha et al. (2006) blijkt echter dat de ontwikkeling van cognitieve vaardigheden ook afhangt van het vermogen van de ouders. Aangezien in ons model de ontwikkeling van cognitieve vaardigheden uitsluitend afhangt van de gezondheidstoestand bij de geboorte en een storingsterm, vinden we in onze resultaten geen verband tussen de ontwikkeling van cognitieve vaardigheden en het vermogen van de ouders. In dit elementair model is de investeringsbeslissing in scholing een vast aandeel van het vermogen van de ouders. Hierdoor is het scholingsniveau per vermogenscategorie van de ouders ook een constante, ondanks de verschillende gezondheidsschokken. Toch stellen we vast dat de potentiële lonen geen constante zijn, wat erop wijst dat de gezondheidsschokken ook een rol spelen bij de bepaling van het loon. Deze bevindingen sluiten aan bij onderzoek van onder meer Case en Paxson (2008) dat de gezondheidstoestand bepalend is voor het inkomen op latere leeftijd. Als laatste zijn we dan nagegaan hoe groot de kans is dat een individu onder de armoedegrens terechtkomt. Uit de simulatie van het elementair model (zonder gezondheidsschokken) stellen we vast dat 29,51% in armoede leeft. Dit is toch een hoog percentage in vergelijking met België, waar 15,3% onder de armoedegrens terechtkomt. Bij de simulaties van het aangepaste en geavanceerde model doen we deels dezelfde vaststellingen als bij het elementair model. Aangezien er geen aanpassingen gebeurd zijn bij de bepaling van de vaardigheden, zijn de resultaten van de cognitieve vaardigheden op 25-jarige leeftijd opnieuw gecorreleerd met de gezondheidsschokken en is er geen verband tussen deze vaardigheden en het vermogen van de ouders. In deze modellen hangt de opbrengst van investeringen in scholing af van de cognitieve en niet-cognitieve vaardigheden van het kind, waardoor de investeringsbeslissing in scholing van de ouders nu ook afhangt van de ontwikkeling van cognitieve en niet-cognitieve vaardigheden. Dit heeft toch enkele gevolgen voor de resultaten. Gezondheidsschokken hebben nu wel een invloed op het scholingsniveau. Dit sluit beter aan bij onderzoek van Case en Paxson (2010). Dit heeft wel als gevolg dat 30

de gemiddelde lonen een stuk hoger liggen, te wijten aan een grotere variatie. Aangezien het mediaan inkomen ongeveer gelijk blijft resulteert dit ook in hogere armoedecijfers dan in het elementair model. In het geavanceerde model is de variatie van de lonen nog groter, waardoor gemiddelde lonen en armoedecijfers bijgevolg nog hoger zijn. Verder blijkt hier ook weer dat gezondheidsschokken bepalend zijn voor het later potentieel loon. Echter, de grote variatie in de gemiddelde lonen en de hoge armoedecijfers kunnen er op wijzen dat er nog enkele tekortkomingen zijn in het model. Dit is dan ook een basismodel dat vatbaar is voor verbeteringen en implementatie van meer uitgebreide relaties. Als eerste hebben we dus de hoge gemiddelde lonen en hoge armoedecijfers. Verder onderzoek met een kleinere variantie in de loonvergelijking zou dit probleem kunnen verhelpen. Een kleinere spreiding van de lonen zal ervoor zorgen dat het gemiddelde loon dichter bij het mediaaninkomen ligt, en daardoor zullen de armoedecijfers ook minder hoog uitvallen. Vervolgens stellen we ook vast dat in de literatuur de ontwikkeling van cognitieve en niet-cognitieve vaardigheden mede bepaald wordt door het vermogen van de ouders. Dit is niet opgenomen in onze technische relaties die deze vaardigheden bepalen. Uit de vorige bedenking stellen we vast dat in het huidig model het vermogen van de ouders momenteel enkel een rol speelt bij de investeringsbeslissing in scholing op de leeftijd van 6 jaar (zie figuur 5 en vergelijking (8)). Een eerste suggestie voor uitbreiding van het model is dan ook de invoeging van een investeringsbeslissing wanneer het kind geboren wordt. Dit is dan een investeringsbeslissing die de cognitieve en niet-cognitieve vaardigheden op de leeftijd van 6 jaar beïnvloedt. Hierdoor worden de cognitieve en niet-cognitieve vaardigheden endogeen bepaald. Hoeveel de ouders investeren in deze vaardigheden zal afhangen van onder andere hun vermogen en de gezondheidstoestand bij de geboorte. De implementatie van deze extra investeringsbeslissing zorgt ervoor dat de ouders over verschillende periodes investeringskeuzes moeten maken, wat de complexiteit van het model aanzienlijk zal verhogen. Een laatste bedenking is er bij de rol van de gezondheidstoestand in het model. Deze heeft nu geen rechtstreekse invloed op de investeringsbeslissing in scholing, enkel onrechtstreeks door de impact op de ontwikkeling van cognitieve en niet-cognitieve vaardigheden. Door de toevoeging van de aangepaste en geavanceerde

hebben de cognitieve en niet-cognitieve vaardigheden op 6-jarige leeftijd wel een

rechtstreekse invloed op die investeringsvergelijking. Ook de gezondheidstoestand op de leeftijd van 6 jaar

zou dus geïmplementeerd moeten worden in de vergelijking van

. Dit is een tweede

uitbreiding van het model waardoor de rol van de gezondheidstoestand op de leeftijd van 6 jaar (en dus ook bij de geboorte) aan belang wint, en onder meer een groter effect heeft op het later potentieel loon. 31

5. Besluit De doelstelling van dit onderzoek was nagaan welke invloed de ontwikkeling van menselijk kapitaal heeft op het later potentieel loon. Meer specifiek wilden we nagaan hoe bepalend de gebeurtenissen voor de leeftijd van 6 jaar zijn, voor dit resultaat. Er wordt al langer onderzoek gedaan naar de relatie tussen menselijk kapitaal en het loon, maar pas sinds de laatste decennia focust men zich meer op hoe bepalend de ontwikkeling voor de leeftijd van 6 jaar is. In de literatuur komen heel wat factoren aan bod die een invloed hebben op de ontwikkeling van menselijk kapitaal. Bij de geboorte zijn vooral de gezondheidstoestand, die gemeten wordt aan de hand van het geboortegewicht of de lengte, en de achtergrond van de ouders van belang. Deze zijn heel bepalend, zowel voor het latere scholingsniveau als het potentieel loon dat het individu kan verdienen. Tussen de geboorte en de leeftijd van 6 jaar begint een individu met de ontwikkeling van cognitieve en niet-cognitieve vaardigheden. De voorgaande factoren, met name gezondheidstoestand en vermogen van de ouders, blijken hier ook weer uiterst bepalend. Zo hebben kinderen afkomstig uit gezinnen met een lage sociaaleconomische status een grote kans op achterstand nog voor ze met school starten. Tijdens de jeugd en adolescentie zijn wederom de eerder vermelde factoren van cruciaal belang. In deze fase zijn die vooral heel bepalend voor het scholingsniveau. Het belang van menselijk kapitaal voor het potentieel loon valt niet te onderschatten. In het algemeen is het menselijk kapitaal namelijk positief gecorreleerd met het potentieel inkomen De factoren die in het opgestelde model het menselijk kapitaal vormen, en die dus uiteindelijk het later potentieel loon gaan bepalen, zijn bepalend voor dit onderzoek. We vertrekken bij de gezondheidstoestand bij de geboorte, dit is een eerste cruciaal element dat deel uitmaakt van de vorming van het model. In eerste instantie werd die gezondheidstoestand verkregen door een trekking uit een normale verdeling. Later werden aan die gezondheidstoestand vooraf bepaalde waarden gegeven, om zo de invloed van gezondheidsschokken na te gaan. Verder spelen de ontwikkelingen van cognitieve en niet-cognitieve vaardigheden een belangrijke rol. In ons model zijn die sterk gerelateerd aan de gezondheidstoestand bij de geboorte. De laatste factor die bepalend is voor het resultaat is het scholingsniveau. Belangrijk hierbij is de investeringsbeslissing die de ouders maken. De gezondheidstoestand, cognitieve vaardigheden, niet-cognitieve vaardigheden en het scholingsniveau op 25-jarige leeftijd vormen uiteindelijk samen de basis van de loonvergelijking van het kind. Na de simulaties van het elementair model bij verschillende gezondheidsschokken en variërende vermogens van de ouders stellen we vast dat het scholingsniveau heel bepalend is voor het later potentieel inkomen. Maar dit inkomen is niet enkel afhankelijk van het scholingsniveau. Dit wijst erop

32

dat gezondheidstoestand, de cognitieve en niet-cognitieve vaardigheden ook van belang zijn voor het latere loon. Aangezien de ontwikkelingen hiervan afhangen van de gezondheidstoestand bij de geboorte en doordat in het aangepaste en geavanceerde model de ouders rekening houden met de ontwikkeling van deze vaardigheden op 6-jarige leeftijd bij het maken van hun investeringsbeslissing omtrent scholing, kunnen we besluiten dat hetgeen voor de leeftijd van 6 jaar gebeurd is, wel degelijk de vorming van menselijk kapitaal en dus het toekomstig vermogen beïnvloedt. Hierbij is duidelijk geïllustreerd dat ongelijkheid al begint nog voor het kind met school start. Er zijn evenwel nog een aantal tekortkomingen in het model gebleken, wat dan ook uitnodigt tot verder onderzoek. Een model met een lagere variantie in de lonen zou de resultaten realistischer moeten maken. Om de complexiteit en betrouwbaarheid van het model te verhogen, dienen de ouders bij de geboorte al een investeringsbeslissing te maken. Hierdoor worden alle factoren, behalve de gezondheidstoestand bij de geboorte, endogeen door het model bepaald. Als laatste suggestie kan men ook de gezondheidstoestand toevoegen aan de vergelijking van de coëfficiënt van het scholingsniveau . Hierdoor wordt de investeringsbeslissing naast de cognitieve en niet-cognitieve vaardigheden ook afhankelijk van de gezondheidstoestand.

33

6. Referentielijst Almond, D., & Currie, J. (2010). Human Capital Development before Age Five. Handbook of Labor Economics, Volume 4b c 2010 Elsevier Ltd. Banzhaf, H. S., & Walsh, R. P. (2008). Do People Vote with their Feet? An Empirical Test of Tiebout’s Mechanism. American Economic Review, 98(3): 843-863. Barker, D. J. P. (1998). Mothers, Babies and Health in Later Life. 2d ed. Edinburgh, UK: Churchill Livingston. Barnett, W. S., Belfield, C. R., Montie, J., Nores, M., Schweinhart, L. J., & Xiang, Z. (2005). The High/Scope Perry Preschool Study Through Age 40. High/Scope® Educational Research Foundation. Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology 51(6): 1173-1182. Becker, S. G. (1975). Age, Earnings, Wealth, and Human Capital. Human Capital: A theoretical an empirical analysis, with special reference to education, 2nd ed., 214-230. Case, A., Lubotsky, D., & Paxson C. (2002). Economic status and health in childhood: the origins of the gradient. American Economic Review 92 (5), 1308–1334. Case, A., & Paxson, C. (2008). Stature and Status: Height, Ability, and Labor Market Outcomes. Journal of Political Economy, 116(3): 499-532. Case, A. & Paxson, C. (2010). Causes and Consequences of Early Life Health. National Bureau of Economic Research Working Paper No. 15637. Castelló-Climent, A., & Doménech, R. (2012). Human Capital and Income Inequality: Some Facts and

Some Puzzles. University of Valencia & BBVA Research. Coleman, J. S. (1988). Social capital in the creation of human capital. American Journal of Sociology 94, Suppl: S95-S120. Conley, D., & Bennett, N. G. (2001). Birth weight and income: interactions across generations. Journal of Health and Social Behavior (ISSN: 00221465) 42 (4), 450–465. Cooney, C. A., Dave, A. A., & Wolff, G. L. (2002). Maternal Methyl Supplements in Mice Affect Epigenetic Variation and DNA Methylation of Offspring. The Journal of Nutrition, 132(8): 2393S-2400S. Cunha, F., Heckman, J. J., & Navarro, S. (2005). Separating uncertainty from heterogeneity in life cycle earnings, the 2004 Hicks lecture. Oxford Economic Papers 57 (2), 191–261. Cunha, F., Heckman, J. J., Lochner, L. J., & Masterov, D. (2006). Interpreting the Evidence on Life Cycle Skill Formation. In E. A. Hanushek and F. Welch (Eds.), Handbook of the Economics of Education, Chapter 12, pp. 697{812. Amsterdam: North-Holland. Cunha, F., & Heckman, J. J. (2007). The technolgy of skill formation. American Economic Review 97 (2), 31–47. 34

Cunha, F., & Heckman, J. J. (2008). Formulating, Identifying and Estimating the Technology of Cognitive and Noncognitive Skill Formation. Journal of Human Resources, 43(4): 738-782. Cunha, F., Heckman, J. J., & Schennach, S. M. (2010). Estimating the Technology of Cognitive and Noncognitive Skill Formation. Econometrica, 78(3): 883-931. Currie, J., & Hyson, R. (1999). Is the impact of shocks cusioned by socioeconomic status? The case of low birth weight. American Economic Review 89 (2), 245–250. Currie, J. (2001). Early Childhood Education Programs. Journal of Economic Perspectives 15, 213–38. Currie, J., & Thomas, D. (2001). Early Test Scores, School Quality and SES: Long Run Effects on Wage and Employment Outcomes. Research in Labor Economics: Worker Wellbeing in a Changing Labor Market, 20: 103-132. Currie, J., & Moretti, E. (2007). Biology as destiny? short- and long-run determinants of intergenerational transmission of birth weight. Journal of Labor Economics 25 (2), 231–264. Currie, J., Neidell, M., & Schmieder, J. F. (2009). Air pollution and infant health: lessons from New Jersey. Journal of Health Economics 28 (3), 688–703. Currie, J., & Widom, C. S. (2009). Long-term consequences of child abuse and neglect on adult economic well-being. Manuscript, September. Currie, J. (2011). Inequality at Birth: Some Causes and Consequences. Department of Economics, Columbia University, IZA, and the National Bureau of Economic Research. Cutler, D. M., Miller, G., & Norton, D. (2007). Evidence on early-life income and latelife health from America’s Dust Bowl era. Proceedings of the National Academy of Sciences 104 (33), 13244–13249. Dutt, S. (2014). Human capital. Geraardpleegd via http://www.econmentor.com/microeconomicshs/income-distribution/human-capital/text/1041.html#Human capital. Feuk, L., Carson, A. R., & Scherer, S. W. (2006). Structural Variation in the Human Genome. Nature Reviews Genetics, 7: 85-97. Flouri, E., & Buchanan, A. (2004). Early father’s and mother’s involvement and child’s later educational outcomes. British Journal of Educational Psychology 74: 141-153. Gutman, M. L., & Schoon, I. (2013). The impact of non-cognitive skills on outcomes for young people. Institute of Education University London. Hanushek, E. A., & Woessmann, L. (2012). Do better schools lead to more growth? Cognitive skills, economic outcomes, and causation. Journal of Economic Growth, forthcoming. Harris, K. M., & Marmer, J. K. (1996). Poverty, paternal involvement, and adolescent well-being. Journal of Family Issues 17: 614-640. Heckman, J. J. (1995). Lessons from the Bell Curve. Journal of Political Economy 103, 1091–152.

35

Heckman, J. J. (2005). Inequality in America: What Role for Human Capital Policies? Focus, 2005, 23(3), pp. 1-10.

Heckman, J. J., Stixrud, J., & Urzua, S. (2006). The Effects of Cognitive and Non-cognitive Abilities on Labor Market Outcomes and Social Behavior. Journal of Labor Economics 24, 411–82. Ho Sui-Chu, E., & Willms, J. D. (1996). Effects of parental involvement on eighth-grade achievement. Sociology of Education 69: 126-141. Hoynes, H. W., Page, M., & Stevens, A. H. (2009). Is a WIC start a better start? Evaluating WIC’s impact on infant health using program introduction. Working Paper 15589, National Bureau of Economic Research, December. Huggett, M., Ventura, G., & Yaron, A. (2004). Human Capital and Earnings Distribution Dynamics. Georgetown University, Pennsylvania State University, and The Wharton School of Business and NBER. Jäckle, R., & Himmler, O. (2010). Health and wages. The Journal of Human Resources 45, 364-406. Lindqvist, E., & Vestman, R. (2011). The labor market returns to cognitive and noncognitive ability: evidence from the Swedish enlistment. American Economic Journal 3, 101-128. Lynn, R. (1990). The role of nutrition in secular increases in intelligence. Psychology Department, University of Ulster, Coleraine, Co Londonderry BT52 ISA, Northern Ireland. Mincer, J. (1958). Investment in Human Capital and Personal Income Distribution. The journal of political economy 4, 281-302. Montenegro, C. E., & Patrinos, H. A. (2013). Returns to schooling around the world. Background paper for the world development report 2013. Murnane, R. J., Willett, J. B., & Levy, F. (1995). The Growing Importance of Cognitive Skills in Wage Determination. Review of Economics and Statistics 77, 251–66. Van Den Berg, G. J., Lindeboom, M., & Portrait, F. (2006). Economic conditions early in life and individual mortality. American Economic Review 96 (1), 290–302.

36

7. Bijlagen Bijlage 1: Verdeling vermogen

elementair model


elementair model

37


aangepast model


aangepast model

38


geavanceerd model


geavanceerd model

39

Bijlage 7: Broncode Matlab r = 100000 L = zeros (r, 17) P = zeros (2,20)

H0= normrnd(0, 1, r, 1) L(:,1) = H0 MH0 = mean(H0) P(1,1) = MH0 VH0 = var(H0); P(2,1) = VH0 uh6 = normrnd(0, 0.6779, r, 1) L(:,2) = uh6 Muh6 = mean(uh6) P(1,2) = Muh6 Vuh6 = var(uh6) P(2,2) = Vuh6 uh25 = normrnd(0, 0.9261, r, 1) L(:,3) = uh25 Muh25 = mean(uh25) P(1,3) = Muh25 Vuh25 = var(uh25) P(2,3) = Vuh25 uc6 = normrnd(0, 0.9992, r, 1) L(:,4) = uc6 Muc6 = mean(uc6) P(1,4) = Muc6 Vuc6 = var(uc6) P(2,4) = Vuc6 un6 = normrnd(0, 0.9992, r, 1) L(:,5) = un6 Mun6 = mean(un6) P(1,5) = Mun6 Vun6 = var(un6) P(2,5) = Vun6 uc25 = normrnd(0, 0.9248, r, 1) L(:,6) = uc25 Muc25 = mean(uc25) P(1,6) = Muc25 Vuc25 = var(uc25) P(2,6) = Vuc25 un25 = normrnd(0, 0.9248, r, 1) L(:,7) = un25 Mun25 = mean(un25) P(1,7) = Mun25 Vun25 = var(un25) P(2,7) = Vun25 H6 = 0.7351*H0+uh6 L(:,8) = H6 MH6 = mean(H6)

40

P(1,8) = MH6 VH6 = var(H6) P(2,8) = (VH6) H25 = 0.3774*H6+uh25 L(:,9) = H25 MH25 = mean(H25) P(1,9) = MH25 VH25 = var(H25) P(2,9) = VH25 C6 = 0.0388*H0+uc6 L(:,10) = C6 MC6 = mean(C6) P(1,10) = MC6 VC6 = var(C6) P(2,10) = VC6 N6 = 0.0388*H0+un6 L(:,11) = N6 MN6 = mean(N6) P(1,11) = MN6 VN6 = var(N6) P(2,11) = VN6 C25 = 0.3774*C6+0.0388*H6+uc25 L(:,12) = C25 MC25 = mean(C25) P(1,12) = MC25 VC25 = var(C25) P(2,12) = VC25 N25 = 0.3774*C6+0.0388*H6+un25 L(:,13) = N25 MN25 = mean(N25) P(1,13) = MN25 VN25 = var(N25) P(2,13) = VN25 vermogen = lognrnd(6.4304, 0.9546, r, 1) L(:,14) = vermogen Medvermogen = median(vermogen) Mvermogen = mean(vermogen) P(1,14) = Mvermogen Vvermogen = var(vermogen) P(2,14) = Vvermogen y = 0:150:3000 hist(vermogen,y) B1 B2 B3 B4

= = = =

exp(6*C6) 1+B1 exp(6*N6) 1+B3

B = 0.1+(1/10)*((B1./B2)-(1/2))+(1/10)*((B3./B4)-(1/2)) MB = mean(B) P(1, 15) = MB VB = var(B) P(2, 15) = VB

41

I = 1.23*B./(1.02+(1.23*B)) MI = mean(I) P(1, 20) = MI

E25 = -2+4.119*log(I.*vermogen) L(:,15) = E25 ME25 = mean(E25) P(1,16) = ME25 VE25 = var (E25) P(2,16) = VE25 uw = normrnd(0, 0.8635, r, 1) L(:,16) = uw Muw = mean(uw) P(1,17) = Muw Vuw = var(uw) P(2,17) = Vuw lw = 4.93+B.*E25+0.049*C25+0.078*N25+0.0375*H25+uw L(:,17) = lw Mlw = mean(lw) P(1,18) = Mlw Vlw = var(lw) P(2,18) = Vlw w = exp(lw) Medw = median(w) Mw = mean(w) Vw = var(w) P(1, 19) = Mw figure z = 0:150:3000 hist(w,z)

42

8. Appendix In volgende sectie worden de technische relaties, coëfficiënten, storingstermen en vergelijkingen gevormd, die deel uitmaken van het model. A.1 Gezondheid exogeen .

(1) (2)

De variantie van de storingsterm wordt aangepast zodanig dat de variantie van

en

Beschouw (1) , 

,

 ,  , 

.

We veronderstellen dat de covariantie tussen Bijgevolg, als we willen dat

en

nul is:

.

, dan moet omdat

, .

Op gelijkaardige manier vinden we voor (2) .

43

A.2 Cognitieve en niet-cognitieve skills, leeftijd 6 jaar .

(3) .

(4)

We willen hier terug een standaard normale verdeling, maar nu van de skills. Veronderstel dat niet met elkaar gecorreleerd zijn en dat

resp.

niet gecorreleerd is met

en

, dan is dit probleem

gelijkaardig aan het vorige en vinden we voor (3) en (4) , .

A.3 Cognitieve en niet-cognitieve skills, leeftijd 25 jaar .

(5) .

(6)

Opnieuw willen we dat de skills standaard normaal verdeeld zijn. Bijgevolg, voor (5)



. Merk op dat

en

alsook

en

niet gecorreleerd zijn zodat



.

We werken deze laatste covariantie uit, er rekening mee houdend dat

en

niet

gecorreleerd zijn: , , .

44

Nu zijn alle covariantietermen weg zodat . Hieruit volgt omdat

dat .

Analoog vinden we voor vergelijking (6) .

A.4 Loonvergelijking . Met

(7)

(Montenegro & Patrinos, 2013; tabel 1, high income economics), (Lindqvist & Vestman, 2011; tabel 1, Eq (4)), (Lindqvist & Vestman, 2011; tabel 1, Eq (4)), (Case & Paxson, 2010; tabel 1: coëfficiënt 0,025 halveren als scholing in rekening

wordt gebracht bij het effect van gestandaardiseerde lengte en waarbij een stijging van de lengte met 4 inch wordt overgegaan van het 25ste naar het 75ste percentiel, volgt dat 

), .

A.5 Relatie tussen skills en gezondheid . Case en Paxson (2010), tabel 4: effect van lengte op leeftijd 2 op cognitieve test scores = 0,402 

Effect van gestandaardiseerde lengte: 0,402 * 1,36 ,



Effect op gestandaardiseerde cognitieve testen:

(met 14,08 als standaarddeviatie van

de PIAT math test met gemiddelde 100,35 (tabel 3)).

45

Voor de eenvoudigheid van het model gebruiken we deze waarde ook voor de relatie tussen gezondheid en niet-cognitieve skills: .

A.6 Persistentie vergelijkingen We veronderstellen een jaarlijkse persistentie van 0,95. Hieruit volgt dat

en dus:

Voor

en

wordt dit respectievelijk:

A.7 Verdeling van de storingstermen Alle storingstermen worden getrokken uit een normale verdeling met gemiddelde 0. =>  =>  => 

46

=>  =>

 =>



A.8 Verdeling van het vermogen

van de ouders

Voor de verdeling van het vermogen

Om

van de ouders opteren we voor een lognormale verdeling.

te bepalen maken we gebruik van de Gini coëfficiënt. Voor deze Gini coëfficiënt nemen we een

waarde van 0,5. Hieruit volgt dat

=> => => We veronderstellen dat de ouders een vermogen genereren van 1 000 000 euro. Voor de gemakkelijkheid vereenvoudigen we dit naar 1000.

=> 47

Dit levert dan de lognormale verdeling

A.9 Bepaling van de waarden voor ,

(6,4304;

).

en in

 We veronderstellen periodes van 25 jaar en een jaarlijkse interestvoet van 2%:

En dus

waaruit volgt dat R = 0,64.

Veronderstel nu 

We gaan ervan uit dat de ouders niet alles aan hun kind geven, hierdoor wordt met een factor 0,9 vermenigvuldigd.  => => => =>

A.10 Bepaling van

Hierbij is . Voor

en

en verwachten we dat een kind ongeveer 15 jaar zal studeren, dus vinden we dan

De berekening van gaat als volgt:

48

=>

A.11 Verdeling storingsterm van loonvergelijking Na 100 000 simulaties van het model bekomen we voor de variantie van VAR

.

De nieuwe loonvergelijking wordt: met

.

Hieruit volgt dat de storingsterm van de loonvergelijking normaal verdeeld is met gemiddelde 0 en variantie 0,7456:

.

A.12 Aangepaste wordt aangepast zodat het scholingsniveau niet enkel afhankelijk is van het vermogen

van de

ouders, maar ook van de cognitieve en niet-cognitieve vaardigheden. Hiervoor wordt een exponentiële functie van de vorm

gebruikt.

(9) We verminderen telkens met zodat er voor iemand met gemiddelde vaardigheden (

of

= 0) geen

corrigerende factor optreedt en

0,10 blijft. Er wordt ook met

vermenigvuldigd omdat

niet

negatief mag zijn. Bijgevolg zal

tussen 0 en 0,20 liggen en hoger voor individuen met hogere

cognitieve en niet-cognitieve vaardigheden.

49

A.13 Geavanceerde Om een nog groter gewicht te geven aan de cognitieve en niet-cognitieve vaardigheden in de investeringsbeslissing in scholing, vermenigvuldigen we

en

met 6 in de vergelijking van

. Dit

geeft .

(10)

50

De ontwikkeling van menselijk kapitaal voor de leeftijd van 6 jaar

Recommend Documents