Zusammenfassung
Nicht immer ist es möglich, in Umfragen von Befragten genaue Angaben über ihr Einkommen zu erhalten. Oft genug aber sind diese dennoch bereit und willens, sich in vorgegebene Einkommenskategorien einzuordnen. Die Einkommenskategorien, die dabei verwendet werden sind nicht in allen Umfragen die gleichen, sondern orientieren sich einerseits an „runden“ Beträgen andererseits an der Verteilungen von Einkommen wie sie in vorangegangenen Umfragen ermittelt wurden. In Umfrageserien wie der des ALLBUS wird einerseits versucht, die Grenzen der Einkommenskategorien über mehrere Wellen hinweg konstant zu halten, um so den Vergleich von Einkommensverteilungen und des Einflusses des Einkommens auf andere Variablen über die Zeit hinweg zu erleichtern oder überhaupt erst zu ermöglichen. Andererseits müssen die Grenzen der Einkommenskategorien dann doch noch nach mehreren Wellen modifiziert werden, um zu verhindern, dass am unteren Ende des Kategorienschemas leere Zellen entstehen, während sich die Verteilung in den oberen Zellen so weit konzentriert, dass der dadurch bedingte Informationsverlust immer größer wird. Dies ist auch in den Wellen des ALLBUS der Fall, sodass sich ernste Herausforderungen für die Analyse der Entwicklung des Einkommens und der Entwicklung des Einflusses des Einkommens auf Einstellungen und Verhaltensweisen ergeben. Das vorgeschlagene Papier diskutiert ein Verfahren, mit dem diesen Herausforderungen mithilfe von Verteilungsannahmen, wie der der Log-Normalverteilung von Einkommen, begegnet werden kann. Es wird gezeigt, wie ein generalisierter Inverse Mills Ratio genutzt werden kann, um z. B. die Entwicklung des durchschnittlichen Einkommens von Arbeitern, Dienstklasse und Selbstständigen auf der Grundlage klassierter Einkommensangaben zu vergleichen. Dabei ergibt sich, dass die Einkommensunterschiede zwischen den sozio-ökonomischen Klassen in den letzten Jahrzehnten deutlich zugenommen haben und dass insbesondere die nachwachsenden Kohorten innerhalb der un- und angelernten Arbeiter besonders ins Hintertreffen geraten sind.
Für den Beitrag von Martin Elff stehen Zusatzmaterialien auf der ALLBUS-Website (https://www.gesis.org/allbus) zur Verfügung, mit denen die Konstruktion der Einkommensscores und die hier präsentierten Analysen schrittweise nachvollzogen und repliziert werden können. Wir danken dem Verfasser für die Bereitstellung seines Programm-Codes und der ausführlichen und detailgenauen Dokumentation (Anmerkung der Herausgeber).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Wie sich aus der Verteilung der Variable V921 der ALLBUS-Kumulation 1980–2014 (GESIS 2016a) ablesen lässt, gaben insgesamt 32.400 Befragte Antworten auf die offene Frage nach dem Haushaltseinkommen, 10.020 weitere Befragte antworten auf eine Listenabfrage mit vorgegebenen Einkommensintervallen. 9728 Befragte machen aus verschiedenen Gründen keine Angaben, während 8950 nicht nach dem Haushaltseinkommen gefragt wurden. 23,6 % der verfügbaren Einkommensangaben stammen also aus einer Listenabfrage.
Literatur
Clementi, F., und M. Gallegati. 2005. Pareto’s Law of Income Distribution: Evidence for Grermany, the United Kingdom, and the United States. Microeconomics 0505006. EconWPA. https://ideas.repec.org/p/wpa/wuwpmi/0505006.html. Zugegriffen: 15.12.2017.
Cleveland, W. S. 1979. Robust Locally Weighted Regression and Smoothing Scatterplots. Journal of the American Statistical Association 74 (368): 829–836.
Erikson, Robert, und J. H. Goldthorpe. 1992. The Constant Flux: A Study of Class Mobility in Industrial Societies. Oxford University Press, USA.
Gibrat, Robert. 1931. Les Inégalités économiques. Paris: Recueil Sirey.
Greene, William H. 2012. Econometric Analysis. 7th ed. Upper Saddle River, NJ: Prentice Hall.
GESIS. 2016a. ALLBUS 1980–2014 – Allgemeine Bevölkerungsumfrage der Sozialwissenschaften. Köln: GESIS Datenarchiv. ZA4582 Datenfile Version 1.0.0, https://doi.org/10.4232/1.12439.
GESIS. 2016b. ALLBUS – Kumulation 1980–2014 Variable Report: Studien-Nr. 4582. Vol. 2016|04. GESIS-Variable Reports. Köln: GESIS – Leibniz-Institut für Sozialwissenschaften.
R Core Team. 2017. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/. Zugegriffen: 15.12.2017.
Sutton, J. 1997. Gibrat’s Legacy. Journal of Economic Literature 35 (1): 40–59.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Elff, M. (2019). Die Rekonstruktion der relativen Einkommensentwicklung sozialer Gruppen auf der Grundlage von gruppierten Einkommensangaben. In: Siegers, P., Schulz, S., Hochman, O. (eds) Einstellungen und Verhalten der deutschen Bevölkerung. Blickpunkt Gesellschaft. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-21999-4_10
Download citation
DOI: https://doi.org/10.1007/978-3-658-21999-4_10
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-21998-7
Online ISBN: 978-3-658-21999-4
eBook Packages: Social Science and Law (German Language)