Advertisement

Swiss Journal of Economics and Statistics

, Volume 149, Issue 4, pp 405–443 | Cite as

Subsidized vocational training: Stepping stone or trap? Assessing empirical effects using matching techniques

  • Eva Dettmann
  • Jutta Günther
Open Access
Article
  • 43 Downloads

JEL-Classification

C14 I21 J24 

Keywords

microeconometric evaluation matching vocational education 

References

  1. Abadie, Abadie and Guido W. Imbens (2002), “Simple and Bias-Corrected Matching Estimators for Average Treatment Effects”, NBER Technical Working Paper T286, Cambridge.Google Scholar
  2. Angrist, Joshua and Jinyong Hahn (2004), “When to Control for Covariates? Panel Asymptotics for Estimates of Treatment Effects”, The Review of Economics and Statistics 86(1), pp. 58–72.CrossRefGoogle Scholar
  3. Below, Susanne von (1999), „Bildungschancen von Jugendlichen in Ost- und Westdeutschland“, in: P. Lüttinger (ed.), Sozialstrukturanalysen mit dem Mikrozensus, Vol. 6 of ZUMANachrichten Spezial, Mannheim, pp. 271–299.Google Scholar
  4. Bergemann, Annette, Bernd Fitzenberger and Stefan Speckesser (2004), “Evaluating the Dynamic Employment Effects of Training Programs in East-Germany Using Conditional Difference-in-Difference”, ZEW Discussion Paper No. 04-41, Zentrum für Europäische Wirtschaftsforschung GmbH (ZEW), Mannheim.Google Scholar
  5. Berger, Klaus (2006), Evaluierung der Bund-Länder-Ausbildungsplatzprogramme Ost — Erwerbssituation der Programmabsolventinnen und Absolventen ein halbes Jahr nach Ausbildungsabschluss, http://www.bibb.de/de/wlk8305.htm. June 2008.
  6. Berger, Klaus, Uta Braun, Vera Drinkhut and Klaus Schöngen (2007), „Wirksamkeit staatlich finanzierter Ausbildung: Ausbildungsplatzprogramm Ost — Evaluation, Ergebnisse und Empfehlungen“, Schriftenreihe des Bundesinstituts für Berufsbildung, Bertelsmann Stiftung, Bielefeld.Google Scholar
  7. Berger, Klaus and Günter Walden (2003), „Öffentliche Ausbildungsförderung in Ostdeutschland unter der Lupe: Ergebnisse aktueller Evaluationsstudien“, Berichte zur beruflichen Bildung Nr. 258, Bertelsmann Stiftung, Bielefeld.Google Scholar
  8. Black, Dan A. and Jeffrey A. Smith (2004), “How Robust is the Evidence on the Effects of College Quality? Evidence from Matching”, Journal of Econometrics 121(1–2), pp. 99–124.CrossRefGoogle Scholar
  9. Büning, Herbert and Götz Trenkler (1994), Nichtparametrische statistische Methoden, 2 edn, Berlin, New York: de Gruyter.CrossRefGoogle Scholar
  10. Buscher, Herbert S., Eva Dettmann, Marco Sunder and Dirk Trocka (2009), “Will there be a Shortage of Skilled Labor? An East German Perspective to 2015”, Applied Economics Quarterly, 55 (60) (Supplement), pp. 55–82.Google Scholar
  11. Caliendo, Marco and Reinhard Hujer (2006), “The Microeconometric Estimation of Treatment Effects — An Overview”, Allgemeines Statistisches Archiv 90(1), pp. 199–215.CrossRefGoogle Scholar
  12. Cochran, William G. and Donald B. Rubin (1973), “Controlling Bias in Observational Studies: A Review”, Sakhya: The Indian Journal of Statistics, Ser. A 35(4), pp. 417–446.Google Scholar
  13. Crump, Richard K., V. Joseph Hotz, Guido W. Imbens and Oscar K. Mitnik (2009), “Dealing with Limited Overlap in Estimation of Average Treatment Effects”, Biometrika 96(1), pp. 187–199.CrossRefGoogle Scholar
  14. Dehejia, Rajeev H. and Sadek Wahba (2002), “Propensity Score-Matching Methods for Nonexperimental Causal Studies”, The Review of Economics and Statistics 84(1), pp. 151–161.CrossRefGoogle Scholar
  15. Dettmann, Eva (2009), Matching kleiner Stichproben. Ein Vergleich verschiedener Verfahren, Saarbrücken: Südwestdeutscher Verlag für Hochschulschriften.Google Scholar
  16. Federal Employment Agency (2008), Statistik der Bundesagentur für Arbeit, http://www.pub.arbeitsamt.de/hst/services/statistik/000000/html/start/schaubilder.shtml. June 2008.
  17. Federal Institute for Vocational Training and Research (2009), Datenreport zum Berufsbildungsbericht, http://datenreport.bibb.de/media2009/datenreport_bbb_09_al-a7.pdf. August 2009.
  18. Federal Institute for Vocational Training and Research (2012), Datenreport zum Berufsbildungsbericht, http://datenreport.bibb.de/html/dr2012.html. June 2013.
  19. Federal Ministry of Education and Research (2008a), Berufsbildungsbericht 2008, http://www.bmbf.de/pub/bbb_08.pdf. July 2009.
  20. Federal Ministry of Education and Research (2008b), Vereinbarung Ausbildungsplatzprogramm Ost, http://www.bmbf.de/pub/vereinbarung_ausbildungsplatzprogramm_ost_2008.pdf. July 2009.
  21. Federal Ministry of Education and Research (2009), Berufsbildungsbericht 2009, http://www.bmbf.de/pub/bbb_09.pdf. August 2009.
  22. Fredriksson, Peter and Per Johansson (2003), “Program Evaluation and Random Program Starts”, IFAU Working Paper No. 2003:1, Institute for Labour Market Policy Evaluation (IFAU), Uppsala.Google Scholar
  23. Fröhlich, Markus. (2004), “Programme Evaluation with Multiple Treatments”, Journal of Economic Surveys 18(2), pp. 181–224.CrossRefGoogle Scholar
  24. Grünert, Holle and Ingo Wiekert (2005), „Ostdeutschland als Labor zur Weiterentwicklung des dualen Systems der Berufsausbildung?“, in: M. Jacob and P. Kupka (eds), Perspektiven des Berufskonzepts: die Bedeutung des Berufs für Ausbildung und Arbeitsmarkt, No. 297 in Beiträge zur Arbeitsmarkt- und Berufsforschung, Institut für Arbeitsmarkt- und Berufsforschung (IAB), Nürnberg, pp. 123–142.Google Scholar
  25. Halle Centre for Social Research (zsh) (2003), ostmobil, http://www.ost-mobil.de. Juni 2008.
  26. Heckman, James J. and V. Joseph Hotz, (1989), “Choosing among Alternative Nonexperimental Methods for Estimating the Impact of Social Programs: The Case of Manpower Training”, Journal of the American Statistical Association 84(408), pp. 862–880.CrossRefGoogle Scholar
  27. Heckman, James J., Hidehiko Ichimura, Jeffrey A. Smith, and Petra E. Todd (1998), “Characterizing Selection Bias Using Experimental Data”, Econometrica 66(5), pp. 1017–1098.CrossRefGoogle Scholar
  28. Heckman, James J., Hidehiko Ichimura and Petra E. Todd (1997), “Matching As An Econometric Evaluation Estimator: Evidence from Evaluating a Job Training Programme”, Review of Economic Studies 64(4),pp. 605–654.CrossRefGoogle Scholar
  29. Heckman, James J., Robert J. LaLonde, and Jeffrey A. Smith, (1999), “The Economics and Econometrics of Active Labor Market Programs”, in: O. Ashenfelter and D. E. Card (eds), Handbook of Labor Economics, Vol. III, Amsterdam, pp. 1865–2097.Google Scholar
  30. Imbens, Guido W. (2004), “Nonparametric Estimation of Average Treatment Effects under Exogeneity: A Review”, The Review of Economics and Statistics 86(1), pp. 4–29.CrossRefGoogle Scholar
  31. Imbens, Guido W. and Jeffrey M. Wooldridge (2008), “Recent Developments in the Econometrics of Program Evaluation”, Discussion Paper 3640, Forschungsinstitut zur Zukunft der Arbeit (IZA), Bonn.Google Scholar
  32. Kaufmann, Heinz and Heinz Pape (1996), „Clusteranalyse“, in: L. Fahrmeir, A. Hamerle and G. Tutz (eds), Multivariate statistische Verfahren, 2 edn., Berlin, pp. 437–536.Google Scholar
  33. Lechner, Michael (1998), Training the East German Labour Force. Microeconometric Evaluations of Continuous Vocational Training after Unification, Heidelberg: Physika-Verlag.CrossRefGoogle Scholar
  34. Lechner, Michael (2001), “Identification and Estimation of Causal Effects of Multiple Treatments under the Conditional Independence Assumption”, in: M. Lechner and F. Pfeiffer (eds), Econometric Evaluation of Labour Market Policies, no. 13 inZEW Economic Studies, Heidelberg, pp. 43–58.Google Scholar
  35. Mahalanobis, Prasanta C. (1936), “On the Generalized Distance in Statistics, for the Classification Problem”, Proceedings of the National Institute of Science India II(1), pp. 49–55.Google Scholar
  36. Prein, Gerald (2005), „Die Maßnahme und die Folgen: Über die Konsequenzen der öffentliche Förderung der Berufsausbildung in Ostdeutschland für die Ein in das Erwerbssystem“, in: I. Wiekert (ed.), Zehn aus Achtzig. Burkart Lutz zum 80., Berliner Debatte, Berlin, pp. 191–207.Google Scholar
  37. Racine, Jeffrey S. and Qi Li (2004), “Nonparametric estimation of regression functions with both categorical and continuous data”, Journal of Econometrics 119(1), pp. 99–130.CrossRefGoogle Scholar
  38. Reinberg, Alexander and Markus Hummel (2005), „Höhere Bildung schützt auch in der Krise vor Arbeitslosigkeit“, IAB-Kurzbericht 9, Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg.Google Scholar
  39. Reinowski, Eva, Birgit Schultz and Jürgen Wiemers (2005), “Evaluation of Further Training Programmes with an Optimal Matching Algorithm”, Swiss Journal of Economics and Statistics 141(4), pp. 585–616.Google Scholar
  40. Rosenbaum, Paul R. and Donald B. Rubin (1983), “The Central Role of the Propensity Score in Observational Studies for Causal Effects”, Biometrika 70(1), pp. 41–55.CrossRefGoogle Scholar
  41. Sianesi, Barbara (2004), “An Evaluation of the Swedish system of Active Labor Market Programs”, The Review of Economics and Statistics 86(1), pp. 133–155.CrossRefGoogle Scholar
  42. Siegel, Sidney (1997), Nichtparametrische statistische Methoden, 4 ed., Eschborn: Klotz.Google Scholar
  43. Smith, Jeffrey A. and Petra E. Todd (2005), “Does Matching Overcome LaLonde’s Critique of Nonexperimental Estimators?”, Journal of Econometrics 125(1–2), pp. 305–353.CrossRefGoogle Scholar
  44. Solga, Heike (2005), Ohne Abschluss in die Bildungsgesellschaft. Die Erwerbschancen gering qualifizierter Personen aus soziologischer und ökonomischer Perspektive, Opladen: Budrich.Google Scholar
  45. Statistisches Bundesamt (1992), Personensystematik. Klassifizierung der Berufe, Stuttgart: Metzler-Poeschel.Google Scholar
  46. Steiner, Christine, Sabine Böttcher, Gerald Prein and Sylvia Terpe (2004), „Land unter — Ostdeutsche Jugendliche auf dem Weg ins Beschäftigungssystem“, Forschungsberichte aus dem zsh Nr. 04-1, Zentrum für Sozialforschung Halle (zsh), Halle.Google Scholar
  47. Tillmann, Frank (2004), „Codierung offener Berufsangaben mit der KldB1992 — Ein Leitfaden zur computergestützten Vercodung mit SPSS“, RBS-Mitteilungen 1,pp. 79–91.Google Scholar
  48. Woessmann, Ludger (2004), “How Equal Are Educational Opportunities? Family Background and Student Achievement in Europe and the United States”, IZA Discussion Paper No. 1284, Forschungsinstitut zur Zukunft der Arbeit (IZA), BonnGoogle Scholar
  49. Zhao, Zhong (2004), “Using Matching to Estimate Treatment Effects: Data Requirements, Matching Metrics, and Monte Carlo Evidence”, The Review of Economics and Statistics 86(1), pp. 91–107.CrossRefGoogle Scholar

Copyright information

© Swiss Society of Economics and Statistics 2013

Authors and Affiliations

  1. 1.Halle Institute for Economic Research (IWH)Halle (Saale)Germany

Personalised recommendations