De rol van economische voorkeuren bij de beroepskeuze van schoolverlaters

De rol van economische voorkeuren bij de beroepskeuze van schoolverlaters Didier Fouarge, Ben Kriechel, Thomas Dohmen 

Research Centre for Education and the Labour Market (ROA), Maastricht

University 

IZA, Bonn, Germany

Correspondentie: [email protected]

Abstract Dit paper laat zien dat economische voorkeuren (risicoattitude en geduld) de beroepskeuze bepalen. Gebruikmakend van gevalideerde schalen meten wij de risicoattitude en het geduld van jongeren rond het moment waarop zij hun beroepskeuze maken in een grote en representatieve survey onder schoolverlaters in Nederland. Wij relateren deze voorkeuren aan kenmerken van beroepen – afgeleid van grote externe databronnen (SSB en EBB) – die informatie dragen over loonrisico, werkgelegenheidsrisico en loonprofiel binnen deze beroepen. Wij laten zien dat, conditioneel op de scholingskeuze, schoolverlaters die meer bereid zijn om risico’s te nemen significant vaker kiezen voor beroepen die gekenmerkt worden door een hoog loonrisico, een hoge mate van conjunctuurgevoeligheid in de werkgelegenheid en een hoog risico op werkloosheid. Schoolverlaters die geduldig zijn kiezen significant vaker voor beroepen met een steil loonprofiel. Wanneer wij beroepen karakteriseren op basis van het loon risico en de steilheid van het loonprofiel (boven en ondergemiddelde), dan laten zij zien dat schoolverlaters met een bovengemiddelde voorkeur voor risico’s vaker kiezen voor beroepen met een hoog loonrisico en steil loonprofiel, ongeacht of ze nu geduldig of ongeduldig zijn. Tenslotte laten zij zien dat individuen die in het ‘verkeerde’ beroep zijn terechtgekomen (een beroep met laag loonrisico terwijl zij een hoge risicoattitude hebben, of andersom) vaker van beroep veranderen en dat het nieuwe beroep beter aansluit bij de risicoattitude.

1.

Inleiding

De keuze van een beroep is een belangrijke beslissing in het leven van een jong volwassene. Het markeert de overgang van school naar werk, het begin van een nieuwe, belangrijke fase in de levenscyclus. Het kiezen van het ‘juiste’ beroep is niet alleen belangrijk vanuit het perspectief van een individu. De optimale sortering van individuen in beroepen is ook van belang in het kader van een doelmatig allocatie van arbeid. Optimale initiële keuze voorkomt kostbare herallocatie later in de loopbaan. Herallocatie als gevolg van verkeerde keuzes is duur voor het individu, de werkgever en de samenleving, omdat het gepaard gaat met verlies van beroepsspecifiek menselijk kapitaal en het werkgevers verplicht om op zoek te gaan naar vervanging. Economen gaan ervan uit dat individuen beroepen kiezen om hun nut te maximaliseren gegeven de beschikbare informatie, beperkingen, prikkels en, 1

1 belangrijker, op basis van voorkeuren (Blau e.a., 1956). De predictieve waarde van voorkeuren en het feit dat er substantiële heterogeniteit is in de voorkeuren (Caplan, 2003) – zoals risicoattitude (Barsky e.a., 1997; Dohmen e.a., 2011) en tijdsvoorkeur (Andersen e.a., 2008) – is goed gedocumenteerd. Deze voorkeuren hebben naar verwachting invloed op de beroepskeuze. Bijvoorbeeld, personen die risico-avers zijn zullen naar verwachting worden afgeschrikt van beroepen die worden gekenmerkt door een hoog loonrisico (Bonin e.a., 2007) of beroepsrisico in de vorm van beroepsongevallen (DeLeire en Levy, 2004). Ook wordt voorspeld dat individuen met een zwakke tijdsvoorkeur – mensen die geduldig zijn – sterker worden aangetrokken door beroepen met steile loonprofielen en uitgestelde beloningen (zie, bijvoorbeeld, Heckman e.a., 2006).

Slechts weinig studies hebben de empirische relatie bestudeerd tussen risicoattitude, tijdsvoorkeur en de beroepskeuze. Hier wordt in dit paper op ingegaan. Gebruikmakend van een grootschalig onderzoek onder schoolverlaters in Nederland meten wij de risicoattitude en de tijdsvoorkeur van jongeren kort nadat zij de arbeidsmarkt zijn ingestroomd. Aan de hand van grootschalige enquêtes en administratieve data karakteriseren wij beroepen door een vijftal indicatoren met betrekking tot het loonrisico, het werkgelegenheidsrisico en de loongroei:  loonrisico: de spreiding van het loon, en de spreiding van het loon bij een leeftijd van 40-49 jaar;  werkgelegenheidsrisico: de conjunctuurgevoeligheid en de kans om werkloos te worden;  loongroei: gemiddelde loongroei in een beroep tussen de leeftijd 20-29 jaar en 40-49 jaar. In paragraaf 2 geven wij aan wat de relatie is tussen onze studie en eerder onderzoek op dit terrein. Paragraaf 3 bevat een beschrijving van de gebruikte data en de belangrijkste begrippen. De resultaten van de beschrijvende en econometrische analyses worden besproken in paragraaf 4 en paragraaf 5, respectievelijk. Na een discussie van de robuustheid van onze bevindingen in paragraaf 6, gaan wij in paragraaf 7 in op de relatie tussen mismatch en mobiliteit. De conclusies worden in paragraaf 8 weergegeven. 2.

Relatie tot eerder onderzoek

Risicoattitude Een van de weinige studies die ingaat op de relatie tussen risicoattitude en beroepskeuze is die van Bonin e.a. (2007).2 De auteurs rapporteren voor Duitsland een positieve correlatie tussen de variantie van lonen in beroepen en de

1

Wij gaan hier uit van een economisch model waarin voorkeuren centraal staan. De twee belangrijkste voorkeuren bij economische beslissingen zijn risico-aversie en tijdsvoorkeur. Alternatieve verklaringsmodellen voor de beroepskeuze waarin sociaal-culturele aspecten centraal staan vallen buiten het bereik van deze studie. 2 Zie ook de studie door Guiso e.a. (2002).

2

3

risicoattitude van volwassenen die werkzaam zijn in de betreffende beroepen. DeLeire en Levy (2004) laten zien dat mensen die minder bereid zijn om risico’s te 4 nemen vaker voor veiligere beroepen kiezen (dat wil zeggen beroepen waar de kans op een dodelijke bedrijfsongeval klein is). Weer andere studies rapporteren een positief verband tussen risicovoorkeuren en zelfstandig ondernemershap (zie, bijvoorbeeld, Caliendo e.a. 2009; Cramer e.a., 2002; Ekelund e.a., 2005). Tenslotte, analyseren Caner en Okten (2010) de studie vakken (‘major’) keuze van studenten als een indicator van hun toekomstige beroepskeuze. Echter, zij hebben geen directe maatstaf voor de risicovoorkeur en gebruiken het gezinsinkomen als proxy daarvoor. Tijdsvoorkeur Studies door Antecol en Cobb-Clark (2010) en Munasinghe en Sicherman (2006) geven aanwijzingen dat tijdsvoorkeur een belangrijk determinant is van de beroepskeuze. Antecol en Cobb-Clark (2010) karakteriseren beroepen aan de hand van het aandeel mannen en het gemiddeld loon in de betreffende beroepen. Zij laten zien dat de bereidheid om hard te werken, impulsiviteit en de neiging om problemen te voorkomen positief correleren met de keuze om te werken in mannenberoepen. Hun maatstaf voor impulsiviteit is gerelateerd aan economische voorkeuren, maar maakt het niet mogelijk om risicoattitude en tijdsvoorkeur van elkaar te scheiden omdat het geconstrueerd wordt op basis van items zoals onderbuikgevoel, de neiging om risico’s te nemen en de voorkeur voor de korte termijn. Munasinghe en Sicherman (2006) gebruiken het rookgedrag als een proxy voor tijdsvoorkeur (rokers hebben een hoge disconto voet) en laten zien dat rokers vlakkere beloningsprofielen hebben dan niet-rokers. Beroepskeuze van schoolverlaters Bovenstaande studies kunnen echter geen causale relatie leggen tussen risico- en tijdsvoorkeur en de beroepskeuze. Dit komt doordat werkenden in die studies al langere tijd zijn blootgesteld aan de kenmerken van hun beroep waardoor onduidelijk is of zij het betreffende beroep hebben gekozen op basis van hun voorkeuren of dat hun voorkeuren zich hebben aangepast aan de kenmerken van hun beroep. Ons uitgangspunt is de analyse door Bonin e.a. (2007), maar onze aanpak verschilt op een aantal belangrijke punten. In de eerste plaats zijn onze analyses gebaseerd op schoolverlaters die nog slechts kort op de arbeidsmarkt actief zijn. Het is niet 5 aannemelijk dat hun korte ervaring op de arbeidsmarkt hun voorkeuren heeft beïnvloedt of dat hun ervaring ze heeft beperkt in het soort beroep waarin zijn inzetbaar zijn (Phillips en Jome, 2005). Het is dan ook onwaarschijnlijk dat de 3

Le e.a. (2010) rapporteren een positieve correlatie tussen de bereidheid om financiële risico’s te nemen en het gemiddelde loon. Zij geven aan dat de man-vrouw verschil in risicoattitude een deel van de man-vouw loonkloof kan verklaren. 4 Waarbij de bereidheid om risico’s te nemen indirect gemeten is aan de hand van informatie over de familiestructuur zoals burgerlijke staat en de aanwezigheid van kinderen. Getrouwd zijn en kinderen hebben gaat gepaard met een lagere bereidheid om risico’s te nemen. 5 Dit is van belang omdat voorkeuren en persoonlijkheid mogelijk veranderen in de loop van de tijd (Borghans e.a., 2008).

3

correlaties die wij waarnemen tussen voorkeuren en kenmerken van beroep endogeen bepaald zijn door langdurige blootlegging aan bepaalde karakteristieken van beroepen op de arbeidsmarkt. In de tweede plaats, en in tegenstelling tot eerder onderzoek, zijn onze kenmerken van beroepen afkomstig uit andere grootschalige databronnen dan de data waarin de voorkeuren gemeten zijn. Hierdoor hebben wij geen last van het simultaniteitsprobleem tussen voorkeuren van schoolverlaters en de kenmerken van hun baan. In de derde plaats kijken wij niet alleen naar het loonrisico, maar ook naar het werkgelegenheidsrisico en de loongroei binnen beroepen.

3.

Data en begrippen

Wij meten economische voorkeuren van schoolverlaters aan de hand van een grootschalige, representatieve enquête. Dan relateren wij deze voorkeuren aan de beroepskeuze van schoolverlaters, waarbij de beroepen gekenmerkt worden door hun loonrisico, werkgelegenheidsrisico en loongroei. Wij gebruiken grootschalige administratieve data en enquêtes om deze beroepskenmerken te construeren. Voorkeuren en beroep schoolverlaters We meten de economische voorkeuren van schoolverlaters en hun beroep in een speciale module van de ROA Schoolverlaters Enquête. Schoolverlaters zijn personen die zich uitschrijven uit een opleiding, in de meeste gevallen na het behalen van een diploma. Een representatieve steekproef daarvan wordt 1,5 jaar na het verlaten van de opleiding benaderd ten behoeve van de enquête. In het najaar van 2008 hebben ongeveer 39.000 schoolverlaters van alle opleidingsniveaus en richtingen aan de enquête deelgenomen. Op het moment van enquêtering heeft ongeveer 40% van de schoolverlaters hun intrede gemaakt op de arbeidsmarkt terwijl ongeveer 60% door is gegaan met een vervolgopleiding.6 Van de werkenden – de doelgroep in dit onderzoek – is het beroep gecodeerd volgens de ROA systematiek in 43 beroepssegmenten (2-digit standaard beroepenclassificatie). De speciale module dat in dit paper wordt gebruikt bouwt voort op deze enquête. De speciale module is via het internet afgenomen bij de respondenten die in de 2008 ROA Schoolverlaters Enquête aangaven bereid te zijn om deel te nemen aan een vervolgonderzoek.7 De speciale module is in het najaar van 2009 afgenomen en bevatte vragen rond economische voorkeuren en persoonlijkheid. Ongeveer 8.700 8 schoolverlaters hebben deelgenomen aan dit speciale module. Wij selecteren

6

Het percentage dat doorleert verschilt sterk per opleidingsniveau en is met name hoog onder schoolverlaters uit het vmbo en havo/vwo (ongeveer 88%) en laag bij hbo’ers en wo’ers (34%). 7 Ongeveer 21.000 deelnemers aan de ROA schoolverlaters enquête hebben aangegeven bereid te zijn om deel te nemen aan een vervolg enquête en hebben hun e-mailadres opgegeven. 8 De responskans varieert naar opleidingsniveau. Het percentage dat daadwerkelijk heeft deelgenomen aan de vervolgenquête is als volgt: vmbo: 38%; mbo: 43%; havo/vwo: 51%; hbo: 46%; wo: 54%. Er zijn geen verschillen in de kans op respons naar leeftijd, maar vrouwen en

4

schoolverlaters met een baan die niet ouder zijn dan 35 jaar. In totaal gaat het om 4.575 personen. Hun leeftijd is afhankelijk van het gevolgde opleidingstraject. Gemiddeld genomen zijn ze 23 jaar oud. De algemene risicoattitude is gemeten aan de hand van een gevalideerde enquêtevraag (Dohmen e.a., 2011) waarin respondenten worden gevaagd in welke mate zij bereid zijn om risico’s te nemen op een schaal van 0 (‘helemaal niet bereid om risico’s te nemen’) tot 10 (‘zeer bereid om risico’s te nemen’). Omdat de 9 risicoattitude domeinspecifiek is, werd ook een specifiekere vraag gesteld om de risicoattitude met betrekking tot de carrière te meten: ‘in welke mate ben je bereid om risico’s te nemen als het om je carrière gaat?’. Deze vraag staat centraal in dit paper. Tijdsvoorkeur wordt gemeten aan de hand van twee items uit de door Strathman e.a. (1994) ontwikkelde schaal: ‘Ik denk na over hoe dingen in de toekomst kunnen zijn, en probeer deze in mijn leven van iedere dag te beïnvloeden’ en ‘Vaak houd ik mij bezig met zaken die pas over enige jaren gevolgen zullen hebben’. Respondenten konden aangeven in welke mate zij er met de twee stellingen eens waren op de schaal van 1 (‘helemaal niet mee eens’) tot 7 (‘helemaal mee eens’). Geduld, als maatstaf voor tijdsvoorkeur, wordt gemeten als het gemiddelde van de antwoorden op deze twee vragen. Loonrisico In navolging van Bonin e.a. (2007) wordt het beroepsspecifiek loonrisico gemeten als de variantie van de residuen uit een Mincer loonschatting. In tegenstelling tot Bonin e.a. (2007) wordt dit niet uit de data zelf berekend. Zo kunnen wij het simultaniteitsprobleem tussen voorkeuren en loonrisico uitsluiten. Bovendien kan gebruik worden gemaakt van grote, voor de totale beroepsbevolking representatieve data om het loonrisico te bepalen. De beloningsfunctie wordt geschat op administratieve loongegevens uit het Sociaal Statistisch Bestand (SSB) waaraan gegeven uit de Enquête Beroepsbevolking (EBB) gekoppeld zijn. Deze koppeling is noodzakelijk omdat het SSB geen gegevens bevat over het opleidingsniveau, de opleidingsrichting en het beroep. De data hebben betrekking op de periode 2001200710, en bevat 172.000 personen in de leeftijd van 20-59 jaar. De beloningsfunctie is een regressievergelijking van het uurloon (in log) op geslacht, leeftijd (lineair en kwadratisch), jaar dummies, 27 opleidingsdummies voor niveau en richting van de hoogst genoten opleiding, en 43 beroepsdummies. Een eerste maatstaf voor het beroepsspecifiek loonrisico is dus de variantie van de residuen (het onverklaarde deel) uit deze regressievergelijking, uitgerekend per beroep. autochtonen hebben een grotere kans op respons. In de analyses wordt om die reden gecontroleerd voor achtergrondkenmerken van de respondenten. 9 Afhankelijk van het soort keuze die men moet maken, bijvoorbeeld op het gebied van financiën, gezondheid, carrière, kan de risicoattitude anders zijn (Weber, 2001). 10 Onderzoek heeft laten zien dat studenten goede loon voorspellingen kunnen maken bij het maken van scholing en beroepskeuze beslissingen (Webbink en Hartog, 2004). Dit is dus de relevante periode waaruit jongeren in onze data de benodigde informatie kunnen halen voor het maken van hun beroepskeuze.

5

Het is echter denkbaar dat schoolverlaters niet zozeer geïnteresseerd in het loonrisico over de gehele leeftijdsverdeling, maar eerder in het loonrisico van een beroep als zij eenmaal een stabiel punt in hun carrière hebben bereikt, bijvoorbeeld bij een leeftijd van 40-49 jaar. Wij berekenen dan ook het beroepsspecifiek loonrisico bij een leeftijd van 40-49 jaar door, voor elk beroep, de variantie van de residuen te berekening voor deze specifieke leeftijdsgroep. Beide maatstaven voor het beroepsspecifiek loonrisico zijn gekoppeld aan de schoolverlaters aan de hand van de beroepscode. De verwachting is dat schoolverlaters met een sterke risicoattitude zich sorteren in beroepen met een hoog loonrisico.

Werkgelegenheidsrisico Het werkgelegenheidsrisico van een beroep kan van belang zijn omdat het informatie bevat die niet door het loonrisico wordt overgedragen, zoals bijvoorbeeld de psychologische kosten van het niet kunnen vinden van een baan of om werkloos te worden. Wij hanteren dan ook twee maatstaven voor het beroepsspecifiek werkgelegenheidsrisico: de conjunctuurgevoeligheid en werkloosheidsrisico. De conjunctuurgevoeligheid van een beroep geeft een indicatie van de mate waarin het niveau van de werkgelegenheid in een beroep met de conjunctuur mee fluctueert. Het geeft dus een indicatie van de baankansen in een bepaald beroep. Deze indicator is afkomstig uit de Arbeidsmarkt Informatie Systeem van het ROA en wordt berekend op basis van meer dan 300.000 EBB respondenten in de leeftijd 1564 jaar over de jaren 1987-2008 (Cörvers e.a., 2010). Het werkloosheidsrisico is de kans om werkloos te worden, gegeven dat men in een bepaald beroep werkzaam is. Het is berekend op basis van de 1994-2008 peilingen van het OSA-Arbeidsaanbodpanel, met 11.200 personen (25.000 persoonsjaren) in de leeftijd 20-59 jaar. Het werkloosheidsrisico is de geschatte kans op werkloosheid (uit een probit model) tussen twee peilingen. Het model controleert voor geslacht, leeftijd, opleiding, jaar en beroep. Beide indicatoren zijn berekend voor 43 beroepen en gekoppeld aan de schoolverlaters op basis van de beroepscode. De verwachting is dat schoolverlaters met een sterke risicoattitude zich sorteren in beroepen met hoge conjunctuurgevoeligheid en een hoog werkloosheidsrisico. Loongroei De loongroei is een maatstaf voor de stijging van het loonprofiel. Het is berekend als het verschil in geschat uurloon voor de leeftijdsgroep 40-49 jaar en 20-29 jaar op basis van de boven beschreven Mincer loonschatting.

6

De loongroei is berekend voor elk van de 43 beroepen en gekoppeld aan de schoolverlatersdata aan de hand van de beroepscode. De verwachting is dat schoolverlaters met een sterke mate van geduld zich sorteren in beroepen met een sterke loongroei. Beschrijvende statistieken voor de hierboven besproken variabelen zijn, per beroep, opgenomen in de bijlage. 4.

Resultaten

In deze paragraaf beschrijven wij de relatie tussen de economische voorkeuren van schoolverlaters (risicoattitude en geduld) en de kenmerken van het beroep waarin zij werkzaam zijn. Dit doen wij aan de hand van grafieken waarin de gemiddelde voorkeur op de x-as wordt weergegeven en het betreffende kenmerk van het beroep op de y-as. De beroepen worden weergegeven door cirkels waarbij de grootte van de cirkel correspondeert met de grootte van het beroep, dat wil zeggen het aantal schoolverlaters dat werkzaam is in het beroep. Sorteren op risicoattitude: loonrisico Figuur 1 laat zien dat er een positief verband bestaat tussen de gemiddelde carrière risicoattitude van schoolverlaters die werkzaam zijn in een beroep en het loonrisico in dat beroep. Een mogelijke interpretatie is dat schoolverlaters informatie gebruiken over het loonrisico in beroepen en op basis van hun voorkeuren een beroep kiezen die het beste bij hun past. Eenzelfde verband wordt gevonden voor het loonrisico bij de leeftijd van 40-49 jaar (figuur 2): een sterke risicoattitude gaat samen met de 11 keuze voor een beroep met meer loonrisico later in de carrière. Wij vinden vergelijkbare, zei het iets zwakkere, verbanden wanneer wij uitgaan van de algemene risicoattitude in plaats van de carrière risicoattitude. Leraren en hogere medische en paramedische beroepen zijn voorbeelden van beroepen met een laag loonrisico. In dergelijke beroepen werken schoolverlaters met een lage risicoattitude. Managers en wetenschappelijke medische en paramedische beroepen zijn voorbeelden van beroepen met een hoog loonrisico. Schoolverlaters in dergelijke beroepen hebben een relatief sterke risicoattitude.

11

De verbanden in figuren 1 t/m 5 blijven significant als de kleine beroepen met minder dan 30 schoolverlaters (in totaal 14 beroepen) uit de analyses worden gelaten.

7

Figuur 1 Carrière risicoattitude en beroepsspecifiek loonrisico

Beroepsspecifiek loonrisico

.25

.2

.15

.1

.05

0 5

6 7 Gemiddelde carrière risicoattitude Waargenomen

8

Gewogen lineaire regressie

Helling = 0.058 (sig. op 1%)

Beroepsspecifiek loonrisico bij 40-49 jaar

Figuur 2 Carrière risicoattitude en beroepsspecifiek loonrisico bij de leeftijd van 40-49 jaar .3

.2

.1

0 5



8


8

Sorteren op risicoattitude: werkgelegenheidsrisico De relatie tussen risicoattitude en conjunctuurgevoeligheid wordt weergegeven in figuur 3. Het laat een positief verband zien tussen de sterkte van de risicoattitude en de conjunctuurgevoeligheid. Schoolverlaters met een sterke risicoattitude sorteren in beroepen met een hoge mate van conjunctuurgevoeligheid. Voorbeelden van dergelijke beroepen zijn: wetenschappelijke medische en paramedische beroepen en hogere agrarische beroepen. Een vergelijkbaar positief verband wordt gevonden tussen risicoattitude en het werkloosheidsrisico (figuur 4). Voorbeelden ven beroepen met een hoog werkloosheidsrisico zijn elementaire beroepen en lagere verzorgende beroepen.

Beroepsspecifieke conjunctuurgevoeligheid

Figuur 3 Carrière risicoattitude en beroepsspecifieke conjunctuurgevoeligheid 3

2

1

0 5


8



9

Figuur 4 Carrière risicoattitude en beroepsspecifiek werkloosheidsrisico

Beroepsspecifiek werkloosheidsrisico

10

8

6

4

2

0 5


8



Sorteren op geduld: loongroei Het sorteren in beroepen en geduld wordt weergegeven in figuur 5. Daarin wordt de gemiddelde geduld van schoolverlaters afgezet tegen de loongroei in het beroep. Het verband is positief en suggereert dat schoolverlaters met een sterke mate van geduld zich sorteren in beroepen met een sterker stijgend loonprofiel. Elementaire beroepen en lagere verzorgende beroepen zijn voorbeelden van beroepen met een beperkte loongroei. Schoolverlaters in deze beroepen hebben een lage mate van geduld. Wetenschappelijke medische en paramedische beroepen en wetenschappelijke wiskundige, natuurwetenschappelijke beroepen zijn voorbeelden van beroepen met een sterk stijgend loonprofiel. Schoolverlaters in deze beroepen zijn geduldig.

10

Figuur 5 Geduld en beroepsspecifieke loongroei

Beroepsspecifieke loongroei

.6

.4

.2

0 2.5

3 Waargenomen

3.5 Gemiddelde geduld

4

4.5



Econometrische analyses Tabel 1 laat de resultaten van econometrische analyses van kenmerken van beroepen en economische voorkeuren op individueel niveau. Het bovenste deel van de tabel laat analyses zien zonder dat gecontroleerd wordt voor achtergrondkenmerken van de schoolverlaters. In het onderste gedeelte wordt gecontroleerd voor leeftijd, geslacht, etniciteit, opleidingsniveau en Body Mass Index (BMI). Deze controlevariabelen zijn vergelijkbaar met de gebruikte controles in de studie van Bonin e.a. (2007). Daarnaast wordt gecontroleerd voor persoonlijkheidskenmerken gemeten aan de hand van de vijf dimensies van de Big Five (open voor nieuwe ervaringen, zorgvuldig, extravert, meegaand, neurotisch). Wij 12 controleren voor persoonlijkheid omdat het een rol kan spelen bij de beroepskeuze. De eerste kolom repliceert het resultaat van Bonin e.a. (2007). Het laat zien dat schoolverlaters met een sterkere risicoattitude een beroep met een groter loonrisico verkiezen. De tabel laat ook positieve coëfficiënten zien voor risicoattitude en loonrisico bij leeftijd 40-49 jaar, conjunctuurgevoeligheid en werkloosheidsrisico. Deze coëfficiënten blijven significant nadat gecontroleerd wordt voor waarneembare kenmerken van de schoolverlaters. In het model met covariaten blijkt geduld positief samen te hangen met de keuze voor beroepen met een steiler loonprofiel, maar het

12

Onderzoek door Borghans e.a. (2009) heeft laten zien dat risicoattitude en persoonlijkheid gecorreleerd zijn. Almlund e.a. (2011) laten zien dat persoonlijkheid medebepalend is in een hele reeks economische beslissingen.

11

verband is zwak. De coëfficiënten blijven ongewijzigd significant en van een vergelijkbare grootte wanneer de kleine beroepen met minder dan 30 schoolverlaters worden weg gelaten. Tabel 1 Effect van risicoattitude en geduld op beroepskeuze (43 beroepen, OLS coëfficiënten) Loonrisico

Risicoattitude

0,001*** (0,000)

Loonrisico bij leeftijd 40-49 jaar 0,001*** (0,000)

Conjunctuurgevoeligheid

Werkloosheids risico

0,010*** (0,003)

0,024*** (0,009)

Geduld Controle variabelen Risicoattitude

Nee 0,001*** (0,000)

Nee 0,001*** (0,000)

Nee 0,009*** (0,003)

Nee 0,032*** (0,009)

Geduld a)

Loongroei

0,002 (0,002) Nee

0,002* (0,001) Ja 0,532

Ja Ja Ja Ja Controle variabelen 2 Adjusted R (model 0,194 0,220 0,216 0,160 met covariaten) N 4.575 4.575 4.575 4.575 4.575 st de a) Leeftijd (eerste, tweede en derde macht), geslacht, etniciteit (1 and 2 generatie migrant), opleidingsniveau (vmbo, havo/vwo, bbl, bol, hbo, wo), Body Mass Index en Big Five. Standaardfouten tussen haakjes. * p<0.10** p<0.05*** p<0.01 Bron: ROA Schoolverlaters Enquête, SSB, EBB, OSA-Arbeidsaanbodpanel.

5.

Discussie

In deze paragraaf bespreken wij een aantal mogelijk problemen bij de hoofdresultaten uit tabel 1. Ten eerste bespreken wij de impliciete veronderstelling bij de analyses dat schoolverlaters geen informatie hebben over hun eigen capaciteiten en vaardigheden waardoor zij niet kunnen inschatten waar zij terecht zullen komen in de loonverdeling. Dit doen wij door te kijken naar de heterogeniteit in de effecten naar opleidingsniveau en door het toevoegen van additionele covariaten in het model die iets kunnen zeggen over de niet-waargenomen vaardigheden van de schoolverlaters. Ten tweede bespreken de mogelijkheid dat de gebruikte maatstaf voor loonrisico niet zozeer de onzekerheid van het loon weerspiegelt, maar eerder compenserende loonverschillen binnen en tussen beroepen (positieve of negatieve eigenschappen van banen die zich vertalen in een negatieve of positieve loonpremie). Verschillen in vaardigheden De impliciete veronderstelling bij de analyses in tabel 1 is dat schoolverlaters geen informatie hebben over hun eigen capaciteiten en vaardigheden waardoor zij niet kunnen inschatten waar zij terecht zullen komen in de loonverdeling. Het zou echter 12

kunnen, dat los van hun economische voorkeuren, schoolverlaters met een hoog niveau van vaardigheden zich sorteren in beroepen met een hoog loonrisico in de verwachting daar een bovengemiddeld loon te verdienen. Mogelijke indicatoren voor niet-waargenomen vaardigheden en capaciteiten zijn het opleidingsniveau, het afstudeercijfer, het loon in de huidige baan, en intrede werkloosheid. Omdat de schoolverlaters in de data sterk verschillend zijn wat hun opleidingsniveau betreft zou men kunnen beargumenteren dat verschillen in, bijvoorbeeld, het loonrisico tussen beroepen samengaan met onderlinge verschillen in opleidingsniveau. Het zou immers kunnen dat hoogopgeleiden beter geïnformeerd zijn over hun eigen capaciteiten en vaardigheden. Daardoor kiezen zij vaker voor beroepen met een hoog loonrisico in de verwachting dat zij een positieve loonpremium zullen ontvangen (technisch gesproken: zij zouden kunnen verwachten 13 om aan de rechterkant van de loonspreiding te zitten). Om die redenen zijn de analyses in tabel 1 herhaald voor verschillende opleidingsniveaus. Voor hbo/wo’ers vinden wij dezelfde resultaten als in tabel 1. Het enige verschil is dat het effect van geduld alleen significant is op 12%. Voor schoolverlaters op vmbo-, mbo-, havo- en vwo-niveau zijn geen van de coëfficiënten significant. Een mogelijke verklaring hiervoor is dat lager opgeleiden meer beperkt zijn in hun beroepskeuze. De beroepen waar ze toegang toe hebben zijn minder divers in het loon- en werkgelegenheidsrisico. Een andere mogelijke verklaring is dat schoolverlaters op een lager niveau een ander keuzepalet hebben dan schoolverlaters op hbo niveau of hoger: voor veel van hun is de keuze om door te leren een reëel alternatief. Vanuit dit perspectief hebben wij gekeken of risicoattitude samenhangt met de keuze om door te studeren. Hoewel het effect insignificant is vinden wij dat carrière risicoattitude negatief samenhangt met kans om door te leren: jongeren die meer bereid zijn om risico’s te nemen zijn minder geneigd om door te leren (zie ook Belzil en Leonardo, 2007). Ook vinden wij dat geduld positief en significant samenhangt met de kans op doorleren: jongeren die gericht zijn op de toekomst zijn meer geneigd om door te leren. Er is een aantal variabelen dat niet in de analyses bij tabel 1 is opgenomen, maar de correlatie tussen economische voorkeuren en beroepskenmerken zouden kunnen verklaren. Het cijfer bij het behalen van het diploma is een dergelijke variabele. Poropat (2009) laat zien dat schoolcijfers gecorreleerd zijn met intelligentie en verschillende dimensies van persoonlijkheid. Het is goed mogelijk dat personen die hun eigen waarde op de arbeidsmarkt hoger inschatten (hogere schoolcijfers), het eerder aandurven om voor beroepen met een hoog loonrisico te kiezen omdat zij verwachten dat zij aan de bovenkant van de verdeling zullen terechtkomen. De analyses zijn daarom herhaald met een extra controle voor schoolcijfers. Deze extra controle variabele heeft geen invloed op onze bevindingen. In een model waar gecontroleerd wordt voor opleiding en leeftijd van schoolverlaters kan het loon in de huidige baan worden opgevat als een maatstaf voor niet 13

Een additioneel probleem zou kunnen zijn dat onze data relatief veel schoolverlaters op hbo en wo niveau bevatten.

13

waargenomen kenmerken van de schoolverlaters. Conditioneel op de achtergrondkenmerken weerspiegelt een hoog loon gunstige kenmerken van de schoolverlaters. Wanneer schoolverlaters zich bewust zijn van deze gunstige kenmerken zouden zij voor beroepen kunnen kiezen met een grote loonspreiding in de wetenschap dat zij een positief loonrisico lopen. Het opnemen van het uurloon in de huidige baan in de analyses heeft echter geen invloed op onze resultaten. Ook hebben wij de modellen opnieuw geschat waarbij gecontroleerd wordt voor werkloosheid tussen het verlaten van school en de eerste baan. Intredewerkloosheid kan wijzen op een zwakkere positie bij intrede op de arbeidsmarkt. Het kan er ook op wijzen dat schoolverlaters hebben gewacht op een betere baan, en daardoor een betere aansluiting hebben gevonden. Controleren voor intredewerkloosheid veranderd echter geen van onze uitkomsten. Compenserende loonverschillen Een mogelijk kritiekpunt bij de analyses is dat het loonrisico (variantie van de residuen uit de Mincer loonschatting) geen goede maatstaf zou zijn voor de onzekerheid van beloningen in beroepen. Zo zou de loonspreiding het gevolg kunnen zijn van compenserende lonen binnen en tussen beroepen. Om te bezien of onze resultaten het gevolg zijn van compenserende loonverschillen zijn twee additionele analyses uitgevoerd. Ten eerste, is gekeken naar een meer gedetailleerde beroepsindeling. Ten tweede, is expliciet rekening gehouden met belastende arbeidsomstandigheden van de banen bij de berekening van het loonrisico. In plaats van gebruik te maken van de beroepsclassificatie voor 43 beroepssegmenten, zijn de beroepen ingedeeld in 127 beroepsgroepen volgens de uitgebreide beroepsindeling van het ROA. De gedachte hierachter is dat de banen binnen de meer uitgebreide beroepsindeling homogener zijn dan wanneer uitgegaan wordt van 43 beroepssegmenten. Alle analyses zijn vervolgens opnieuw uitgevoerd op basis van deze uitgebreide beroepsindeling. De resultaten zijn weergegeven in tabel 2 en corresponderen met die uit tabel 1, met als enige uitzondering het insignificant effect van geduld op het sorteren in beroepen met een hoge loongroei, maar dit effect was in tabel 1 slechts zwak significant. Dit betekent dat onze bevindingen niet gevoelig zijn voor het niveau van aggregatie van de beroepen. Anders gezegd, de 43 beroepssegmenten zijn voldoende onderscheidend om de economische effecten waarin wij geïnteresseerd zijn te kunnen meten.

14

Tabel 2 Effect van risicoattitude en geduld op beroepskeuze (127 beroepen, OLS coëfficiënten) Loonrisico

Risicoattitude

0,001*** (0,000)

Loonrisico bij leeftijd 40-49 jaar 0,001*** (0,000)

Conjunctuurgevoeligheid

Werkloosheids risico

0,012*** (0,003)

0,025* (0,014)

Geduld a)

Ja Ja Ja Ja Controle variabelen 2 Adjusted R 0,143 0,162 0,170 0,071 N 4.575 4.575 4.575 4.575 st de a) Leeftijd (eerste, tweede en derde macht), geslacht, etniciteit (1 and 2 generatie migrant), opleidingsniveau (vmbo, havo/vwo, bbl, bol, hbo, wo), Body Mass Index en Big Five. Standaardfouten tussen haakjes. * p<0.10** p<0.05*** p<0.01 Bron: ROA Schoolverlaters Enquête, SSB, EBB, OSA-Arbeidsaanbodpanel.

Op basis van het OSA-Arbeidsaanbodpanel kan expliciet rekening worden gehouden met belastende arbeidsomstandigheden. Het OSA-Arbeidsaanbodpanel bevat een uitgebreide lijst belastende arbeidsomstandigheden die gebruikt zijn bij het schatten van de beloningsfunctie. Op basis van de 2008 peiling van de data schatten wij een loonregressie voor het uurloon (in log) waarbij gecontroleerd wordt voor geslacht, leeftijd, aantal dienstjaren, opleidingsniveau, 127 beroepsdummies en 17 belastende arbeidsomstandigheden (zoals fysiek zwaar werk, werk met gevaarlijke producten, repetitieve taken, werk in koude/warme temperaturen, enz.). Het loonrisico wordt, per beroep, net als bij de vorige analyses, berekend als de variantie van de storingstermen. Omdat de 2008 peiling van het OSA-Arbeidsaanbodpanel de algemene risicoattitude vraag bevat kunnen de analyses uit tabel 1 worden herhaald met een maatstaf voor loonrisico dat ‘gezuiverd’ is van mogelijke compenserende loonverschillen. De resultaten worden gepresenteerd in tabel 3 en suggereren dat onze bevindingen met betrekking tot de relatie tussen risicoattitude en het sorteren in banen met een hoog loonrisico niet het gevolg zijn compenserende loonverschillen.

15

Loongroei

0,001 (0,001) Ja 0,520 4.575

Tabel 3 Effect van algemene risicoattitude op beroepskeuze (127 beroepen), model met en a) zonder controle voor belastende arbeidsomstandigheden (OLS coëfficiënten) Beroepsspecifiek loonrisico Geen controle voor Controle voor belastende belastende arbeidsomstandigheden arbeidsomstandigheden Algemene risicoattitude 0,001*** 0,001*** (0,001) (0,001) b) Ja Ja Controle variabelen 2 Adjusted R 0,007 0,008 N 3.158 3.158 a) Controle voor 17 belastende arbeidsomstandigheden in eerste ronde, bij bepaling van beroepsspecifieke loonrisico. b) Leeftijd (eerste, tweede en derde macht), geslacht, jaren gewerkt bij de werkgever (eerste en tweede macht), etniciteit, opleidingsniveau. Standaardfouten tussen haakjes. * p<0.10** p<0.05*** p<0.01 Bron: OSA-Arbeidsaanbodpanel (20-59 jarigen).

6.

Voorkeuren en mobiliteit

Wanneer schoolverlaters zich op basis van hun economische voorkeuren sorteren in beroepen, dan kan men verwachten dat zij zullen reageren op een verkeerde match door van beroep te veranderen. Een verkeerde match – dat wil zeggen een beroep dat niet aansluit bij de voorkeur – kan het gevolg zijn van verkeerde informatie, onvoldoende investering in het verkrijgen of verwerken van informatie of van onvoldoende baanopeningen bij de intrede op de arbeidsmarkt. Om dit te onderzoeken zijn de loonrisico’s voor 43 beroepssegmenten zoals die berekend zijn vanuit het SSB gekoppeld aan de 2006 en 2008 golven van het OSAArbeidsaanbodpanel. Wij maken gebruik van de 2008 informatie over de algemene risicoattitude van respondenten en definiëren een verkeerde match wanneer werkenden met een risicoattitude boven (onder) de mediaan gesorteerd zijn in een baan met loonrisico onder (boven) de mediaan in 2006. Wij modelleren vervolgens de kans op beroepsmobiliteit tussen 2006 en 2008 met een probit model, conditioneel op de kwaliteit van de match in 2006 en een aantal achtergrondkenmerken. De resultaten in de eerste twee kolommen van tabel 4 laten zien dat personen die niet werkzaam zijn in een beroep dat correspondeert met hun voorkeur – omdat het loonrisico te hoog of juist te laag is vergeleken met hun risicoattitude – vaker van beroep veranderen dan personen die wel goed zijn gesorteerd. Dit roept de vraag op of de beroepsmobiliteit tot een meer efficiënte allocatie leidt, dat wil zeggen of mensen dan ook terechtkomen in beroepen die beter aansluiten bij hun voorkeuren. Dit blijkt inderdaad het geval. Werkenden met een hoge risicoattitude die werkzaam zijn in een beroep met een relatief laag loonrisico veranderen vaker van beroep voor een beroep met meer loonrisico. Daarentegen, veranderen werkenden met een lage risicoattitude die werkzaam zijn in een beroep met een relatief hoog loonrisico vaker 16

van beroep voor een beroep met minder loonrisico. Omdat deze resultaten opgaan voor volwassenen in de leeftijd 20-59 jaar waarbij het allocatieproces al grotendeels heeft plaatsgevonden en de mogelijkheden om voor een ander beroep te kiezen beperkter zijn, kan verwacht worden dat de resultaten voor schoolverlaters nog sterker zijn. Tabel 4 Econometrische analyse voor beroepsmobiliteit tussen 2006 en 2008 (probit coëfficiënten)

Verkeerde match (algemene risicoattitude) Hoge risicoattitude, maar gesorteerd in beroep met laag loonrisico

Verandering van beroep

Verandering van beroep

0,120** (0,052)

0,117** (0,053)

Verandering naar beroep met meer loonrisico

Verandering naar beroep met minder loonrisico

0,431*** (0,072)

Lage risicoattitude, maar gesorteerd in beroep met hoog loonrisico

0,358*** (0,063) a) Nee Ja Ja Ja Controle variabelen Pseudo R-kwadraat 0,002 0,022 0,022 0,021 N 2.323 2.315 2.300 2.300 a) Leeftijd (eerste, tweede en derde macht), geslacht, jaren gewerkt bij de werkgever (eerste en tweede macht), etniciteit, opleidingsniveau. Standaardfouten tussen haakjes. * p<0.10** p<0.05*** p<0.01 Bron: OSA-Arbeidsaanbodpanel (20-59 jarigen).

7.

Conclusie

De analyses in dit paper laten zien dat economische voorkeuren (risicoattitude en geduld) van schoolverlaters medebepalend zijn voor hun beroepskeuze. Zo blijken schoolverlaters met een sterke risicoattitude vaker te kiezen voor beroepen die gekenmerkt zij door een hoog loonrisico. Ook blijken ze vaker te kiezen voor beroepen waarin het werkgelegenheidsrisico hoog is: beroepen waarin de conjunctuurgevoeligheid en het risico op werkloosheid hoog is. Schoolverlaters met een sterke mate van geduld kiezen vaker voor beroepen die gekenmerkt worden door een steil loonprofiel, dat wil zeggen beroepen waarin het loon sterk stijgt met de leeftijd. Hoewel de resultaten vooral opgaan voor hoogopgeleiden – wellicht omdat laagopgeleiden beperkter zijn in hun beroepskeuzes – suggereren deze bevindingen dat de relatie tussen voorkeuren en beroepskeuzen causaal is omdat het gaat om schoolverlaters die aan het begin staan van hun loopbaan en hun beroepskeuze moeten maken, en dus niet langdurig zijn blootgesteld aan bepaalde

17

beroepskenmerken. Vervolganalyse zou zich moeten richten op de vraag in welke mate economische voorkeuren bepalend zijn voor de studiekeuze. Analyses van het OSA-Arbeidsaanbodpanel laten verder zien dat personen die ‘verkeerd’ gesorteerd zijn – dat wil zeggen, zij zitten in een beroep met weinig loonrisico terwijl zij een sterke risico attitude hebben, of andersom – vaker van beroep veranderen vergeleken met personen die correct gesorteerd zijn. Het nieuwe beroep past beter met de eigen economische voorkeuren. Dit geeft aan dat beroepsmobiliteit voor een belangrijk deel corrigeert voor verkeerde allocatie van arbeid. Dit suggereert dat betere informatie over beroepskenmerken de initiële allocatie van arbeid zou kunnen verbeteren. De bevindingen in dit paper geven aanleiding tot een aantal beleidsrelevante conclusies. In de eerste plaats, omdat voorkeuren medebepalend zijn voor de beroepskeuze en omdat beroepsmobiliteit voor een deel slechts corrigeert voor inefficiënte allocatie op de arbeidsmarkt, wijzen onze resultaten op de noodzaak van publicatie van gedetailleerde informatie over beroepsrisico’s (rond loon, baan vindkans, mogelijkheden voor opwaartse loonmobiliteit, maar ook andere beroepsrisico’s). Op basis van dergelijke informatie kunnen schoolverlaters en andere werkenden tot betere baankeuzes komen. Dit vergroot de allocatieve efficiency van menselijk kapitaal in banen. In de tweede plaats wijzen de resultaten op de onbedoelde gevolgen van veranderingen in beroepskenmerken die van invloed zijn op de beloningsstructuur, zoals bijvoorbeeld de invoering van variabele beloning of prestatiebeloning die als gevolg hebben dat de loonrisico in een beroep vergroot wordt. Dergelijke veranderingen kunnen er toe leiden dat de samenstelling van de beroepsgroep onbedoeld veranderd: het beroep wordt immers aantrekkelijker voor werkenden met een sterke risicoattitude. Daarnaast kan het negatieve gevolgen hebben voor de werktevredenheid van de zittende werknemers in het betreffende beroep omdat zij zich in dat beroep hebben geselecteerd op basis van andere informatie. Zij kunnen dan uiteraard ook voor een ander beroep gaan kiezen, maar dergelijke beroepsmobiliteit impliceert een verlies van beroepsspecifiek menselijk kapitaal. Zo zou het invoeren van prestatiebeloning in een beroepsgroep waar een dergelijke beloningsvorm onbekend is (bijvoorbeeld, in het onderwijs) er toe kunnen leiden dat meer risicozoekende personen voor het betreffende beroep kiezen, en dat de zittende werknemers een geringere mate van werktevredenheid ervaren. Verwijzingen Almlund, M., A. Duckworth, J. Heckman en T. Kautz (2011). “Personality psychology and economics”. IZA DP 5500, IZA, Bonn. Antecol, H. en Cobb-Clark, D.A. 2010. “Do Non-Cognitive Skills Help Explain Do Non-Cognitive Skills Help Explain the Occupational Segregation of Young People?”, IZA DP 5093, IZA, Bonn

18

Blau, P., Gustad, J., Jessor, R., Parnes, H. en Wilcock, R. 1956. “Occupational Choice: A Conceptual Framework”. Industrial and Labor Relations Review 9, no. 4: 531-543. Bonin, H, T Dohmen, A Falk, D Huffman, en U Sunde. 2007. “Cross-sectional earnings risk and occupational sorting: The role of risk attitudes”. Labour Economics. 14, 6 (December): 926-937. Borghans, L., A. Duckworth, J.J. Heckman, en B. Ter Weel. 2008. “The economics and psychology of personality traits”. Journal of Human Resources 43: 972-1059. Borghans, L., B. Goldsteyn, J. Heckman, en H. Meijers (2009). “Gender differences in risk aversion and ambiguity aversion”. Journal of the European Economic Association 7 (2-3): 649-658. Belzil, Christian, en Marco Leonardo. 2007. “Risk Aversion and Schooling Decisions”. IZA DP 2994, IZA, Bonn. Caner, A., en Okten, C. 2010. “Risk and career choice: evidence from Turkey”. Economics of Education Review 29, no. 66, 1060-1075. Caplan, B. 2003. “Stigler–Becker versus Myers–Briggs: why preference-based explanations are scientifically meaningful and empirically important”. Journal of Economic Behavior & Organization 50, no. 4 (April): 391-405. Caliendo, M., Cobb-Clark, D. en Uhlendorff, A. 2010. “Locus of Control and Job Search Strategies”. IZA DP No. 4750. Cramer, J., Hartog, J., Jonker, N. en Van Praag, C. 2002. “Low risk aversion encourages the choice for entrepreneurship: an empirical test of a truism”. Journal of Economic Behavior & Organization 48, no. 1: 29–36 Cörvers, F., Dupuy, A., Dijksman, S., Kriechel, B. en Montizaan, R. 2010, “Methodiek arbeidsmarktprognoses en -indicatoren 2009-2014”, TR-2010/5, ROA, Maastricht DeLeire, Thomas, en Helen Levy. 2004. “Worker Sorting and the Risk of Death on the Job”. Journal of Labor Economics 22, no. 4 (October): 925-953. Dohmen, T., Falk, A., Huffman, D., en Sunde, U. 2010 “Are Risk Aversion and Impatience Related to Cognitive Ability?”, American Economic Review, 100, no. 3, 1238-1260. Dohmen, T., Falk, A., Huffman, D., Sunde, U., Schupp, J. en Wagner, G.G. (2011). “Individual risk attitudes: measurement, determinants and behavioral consequences”, Journal of the European Economic Association, 9, no. 3, 522-550.

19

Donkers, B, en A. Van Soest. 1999. “Subjective measures of household preferences and financial decisions”. Journal of Economic Psychology 20, no. 6 (December): 613–642. Fouarge, D., Schils, T. en De Grip, A. 2010. “Why Do Low-Educated Workers Invest Less in Further Training?” IZA DP No 5180, Bonn. Fuchs-Schündeln, Nicola, en Matthias Schündeln. 2005. “Precautionary Savings and Self-Selection: Evidence from the German Reunification ‘Experiment’”. Quarterly Journal of Economics 120, no. 3 (August): 1085-1120 Guiso, L. en Paiella, M. 2005. “The role of risk aversion in predicting individual behavior”. Bank of Italy Working Paper 546. Heckman, James J., Jora Stixrud, en Sergio Urzua. 2006. “The Effects of Cognitive and Noncognitive Abilities on Labor Market Outcomes and Social Behavior”. Journal of Labor Economics 24, no. 3 (July): 411-482. Jaeger, D.A., Thomas Dohmen, Armin Falk, David Huffman, Uwe Sunde, en Holger Bonin. 2010. “Direct evidence on risk attitudes and migration”. The Review of Economics and Statistics 92, no. 3: 684–689. Le, A., Miller, P., W. Slutske en Martin, N. 2010. “Attitudes towards Economic Risk and the Gender Pay Gap”. IZA DP No. 5393 Munasinghe, Lalith, en Nachum Sicherman. 2006. “Why Do Dancers Smoke? Smoking, Time Preference, and Wage Dynamics”. Eastern Economic Journal 32, no. 4: 595-616. Phillips, S. en Jome, L. 2005. “Vocational choices: What do we know? What do we need to know?”. In: Walsh, W. en Savickas, M. (eds.), Handbook of vocational psychology (3rd ed.), Erlbaum, Mahwah, NJ, pp. 127–154. Poropat, A. (2009). “A meta-analysis of the five-factor model of personality and academic performance”. Psychological Bulletin, 135(2), 322-338. Strathman, A., Gleicher, F., Boninger, D. en Edwards, C. (1994). “The consideration of future consequences: Weighing immediate and distant outcomes of behavior”. Journal of Personality and Social Psychology 66, no. 4: 742–752. Webbink, D. en Hartog, J. (2004). “Can students predict starting salaries? Yes!”. Economics of Education Review 23, no. 2: 103-113. Weber, E. (2001). “Personality and Risk Taking”. In: Smelser, N. en Baltes, P. (eds.), International encyclopedia of the social and behavioral sciences. Oxford, UK: Elsevier, pp. 11274-11276. 20

Bijlage Beroep Elementaire beroepen Lagere niet-specialistische beroepen Lagere docenten sportvakken Lagere agrarische beroepen Lagere technische beroepen Lagere transportberoepen Lagere (para)medische beroepen Lagere administratieve,commerciële beroepen Lagere verzorgende beroepen Middelbare docenten transport-, sportvakken Middelbare agrarische beroepen Middelbare wiskundige, natuurwetenschap Middelbare technische beroepen Middelbare transportberoepen e.d. Middelbare (para)medische beroepen Middelbare administratieve,commerciële beroepen Middelbare juridische, bestuurlijke, beroepen Middelbare taalkundige, culturele beroepen Middelbare beroepen m.b.t. gedrag en maatschappij Middelbare verzorgende beroepen e.d. Hogere pedagogische beroepen Hogere landbouwkundige beroepen Hogere wiskundige, natuurwetenschappelijke beroepen Hogere technische beroepen Hogere transportberoepen Hogere (para)medische beroepen Hogere administratieve, commerciële, economische beroepen Hogere juridische, bestuurlijke, beveiliging

Loonrisico 0.076 0.195 0.075 0.063 0.078 0.080 0.092 0.085 0.060 0.135 0.116 0.067 0.085 0.102 0.056

Loonrisico bij leeftijd 40-49 jaar 0.064 0.077 0.071 0.046 0.072 0.067 0.070 0.079 0.041 0.149 0.115 0.070 0.082 0.109 0.053

Conjunctuur gevoeligheid 0.936 2.730 0.290 1.152 0.894 1.240 0.280 0.557 0.399 0.773 1.047 1.580 1.105 1.207 0.720

Werkloosheid s kans 5.137 0.000 0.000 2.024 2.654 2.466 0.759 3.964 3.973 0.000 1.454 3.687 1.632 1.318 1.375

Loongroei 0.146 0.259 0.206 0.200 0.204 0.176 0.176 0.254 0.126 0.445 0.277 0.321 0.337 0.383 0.193

Carrière risicoattitude 6.1 5.7 5.0 6.5 6.3 6.1 5.8 5.9 6.3 6.3 6.6 5.9 6.4 6.7 5.6

Geduld 3.874 3.545 4.250 3.774 4.060 3.609 3.167 3.898 3.959 2.688 4.308 3.500 3.833 3.955 3.833

2.824 3.003 2.767

0.091 0.048 0.076

0.097 0.038 0.082

1.071 0.320 0.800

3.642 0.889 2.418

0.312 0.374 0.282

6.4 5.8 6.3

3.963 3.861 3.773

2.785 2.686 3.067 3.110

0.058 0.071 0.037 0.068

0.053 0.069 0.037 0.039

1.240 0.941 0.778 2.250

1.293 2.671 1.591 0.000

0.192 0.241 0.320 0.481

6.0 6.1 5.7 6.4

3.684 3.733 3.912 3.823

3.041 3.156 3.314 2.940

0.068 0.075 0.242 0.051

0.080 0.076 0.301 0.042

1.440 1.024 0.430 0.544

2.607 1.513 5.293 1.278

0.352 0.475 0.504 0.229

5.9 6.2 8.0 5.9

3.866 3.948 4.000 3.727

3.159 3.202

0.118 0.066

0.134 0.050

1.271 0.899

3.082 0.000

0.496 0.339

6.3 5.6

3.910 3.987

Uurloon (in log) 2.472 2.657 2.771 2.510 2.709 2.680 2.562 2.551 2.476 2.732 2.839 2.846 2.852 2.905 2.813

21

Hogere taalkundige, culturele beroepen Hogere beroepen m.b.t. gedrag en maatschappij Hogere verzorgende beroepen Managers (HBO werken denkniveau Wetenschappelijke pedagogische beroepen Wetenschappelijke landbouwkundige beroepen Wetenschappelijke wiskundige, natuurwet Wetenschappelijke (para)medische beroepen Wetenschappelijke economische, administratieve beroepen Wetenschappelijke juridische, bestuurlijke beroepen Wetenschappelijke beroepen m.b.t. gedrag en maatschappij Managers (WO werken denkniveau)

22

2.943

0.114

0.117

1.003

3.227

0.348

6.5

3.621

3.034 2.994 3.333 3.269 3.213 3.222 3.372

0.069 0.052 0.136 0.057 0.073 0.089 0.143

0.077 0.045 0.134 0.049 0.049 0.062 0.145

0.586 2.710 1.700 0.462 0.840 1.850 2.076

2.961 7.376 2.627 2.669 8.953 4.281 2.797

0.328 0.187 0.545 0.434 0.573 0.651 0.588

6.2 6.4 6.5 5.9 6.1 5.9 6.6

3.794 3.700 3.676 3.610 3.920 4.098 3.823

3.330

0.113

0.141

1.388

2.895

0.517

6.0

3.876

3.261

0.115

0.119

1.300

1.773

0.489

5.8

3.929

3.265 3.435

0.066 0.166

0.076 0.149

0.539 1.550

2.871 1.908

0.435 0.570

5.6 6.5

3.859 4.294

De rol van economische voorkeuren bij de beroepskeuze van schoolverlaters

Recommend Documents