Selbstständigkeit von Migranten in Deutschland: Die Effekte sozialer Einbettung

Transkript

1 Selbstständigkeit von Migranten in Deutschland: Die Effekte sozialer Einbettung Reinhard Schunck Michael Windzio Universität Bremen Bremen International Graduate School of Social Sciences (BIGSSS) 6. Nutzerkonferenz Forschung mit dem Mikrozensus 15./ Mannheim

2 Aufbau des Vortrags 1. Selbstständigkeit von Migranten 2. Befunde und Entwicklung 3. Theoretische Einbettung 4. Daten und Methoden 5. Ergebnisse 6. Auswahlbezirke 7. Fazit

3 1. Selbstständigkeit von Migranten Migranten häufig ökonomisch selbstständig Deutschland: Ausnahme Angleichung

4 3. Theorie Rationale Akteure Fokus auf Einbettung Nachbarschaft, ethnische Gemeinschaft

5 3. Theorie Ethnische Gemeinschaft/Nachbarschaft: - (Konstante) Nachfrage nach bestimmten ethnischen Gütern - Ethnische (Binnen)Solidarität - Kostengünstige Mobilisierung von Informationen und Ressourcen

6 3. Theorie Hypothesen Gründung H G 1: Ethnische Gemeinschaft: Je höher der Anteil der Migranten in der Nachbarschaft, desto höher die Gründungsbereitschaft

7 3. Theorie Hypothesen Gründung H G 1: H G 2: Ethnische Gemeinschaft: Je höher der Anteil der Migranten in der Nachbarschaft, desto höher die Gründungsbereitschaft Kaufkraft: Je höher das mittlere Haushaltseinkommen in der Nachbarschaft, desto höher Gründungsbereitschaft

8 3. Theorie Hypothesen Gründung H G 1: H G 2: H G 3: Ethnische Gemeinschaft: Je höher der Anteil der Migranten in der Nachbarschaft, desto höher die Gründungsbereitschaft Kaufkraft: Je höher das mittlere Haushaltseinkommen in der Nachbarschaft, desto höher Gründungsbereitschaft Ökonomische Aktivität: Je höher die Anzahl der Selbstständigen in der Nachbarschaft, desto höher Gründungsbereitschaft

9 3. Theorie Hypothesen Abstrom H A 1: H A 2: H A 3: Ethnische Gemeinschaft: Je höher der Anteil der Migranten in der Nachbarschaft, desto geringer die Abstromwahrscheinlichkeit Kaufkraft: Je höher das mittlere Haushaltseinkommen in der Nachbarschaft, desto geringer die Abstromwahrscheinlichkeit Ökonomische Aktivität: Je höher die Anzahl der Selbstständigen in der Nachbarschaft, desto geringer die Abstromwahrscheinlichkeit

10 4. Daten und Methoden Datenbasis: Mikrozensus Modellierung Übergänge: Substichprobe Pseudo-Panel - Erwerbsbeteiligung vor einem Jahr - Anonymisierung MZ: Vergröberung Regionalinformationen - Auswahlbezirke (Janssen und Schroedter 2007) - Aggregierung ind. Merkmale Eigenschaften der Nachbarschaft

11 4. Daten und Methoden Zentrale Variablen/Operationalisierung - AV: Übergang in die Selbstständigkeit - UVs: Nationalität - Ehem. Jugoslawien, Türkei, Italien, Griechenland, Osteuropa, GUS, Sonstige Migranten im Auswahlbezirk - Anteil nicht-deutscher Staatsbürger Mittleres Haushaltseinkommen im Auswahlbezirk Ökonomische Aktivität im Auswahlbezirk - Anzahl Selbstständiger im Vorjahr (2003)

12 5. Ergebnisse deskriptiv Variable Deutsche (N=150449) Mittel SD Migranten (N=10300) Mittel SD Personen in Nachbarschaft Haushalte in Nachbarschaft Anteil Migranten in Nachbarschaft Haushaltseinkommen in Nachbarschaft Selbstständige in Nachbarschaft (2003) Quelle: MZ04, eigene Berechnungen, Basis multiv. Modelle

13 5. Ergebnisse deskriptiv Anzahl Selbstständige (an Erwerbstätigen) Deutsche Anzahl Prozent Anzahl Migranten Prozent Nicht selbstständig (2004) Selbstständig (2004) Total Quelle: MZ04, eigene Berechnungen, gesamte Stichprobe

14 5. Ergebnisse deskriptiv Übergänge in die Selbstständigkeit Deutsche Anzahl Prozent Anzahl Migranten Prozent Nicht selbstständig (2003) Selbstständig (2004) Total Quelle: MZ04, eigene Berechnungen, Basis multiv. Modelle

15 5. Ergebnisse deskriptiv Abstrom aus der Selbstständigkeit Deutsche Anzahl Prozent Anzahl Migranten Prozent Selbstständig (2003) Nicht selbstständig (2004) Total Quelle: MZ04, eigene Berechnungen, Basis multiv. Modelle

16 Tabelle 1 Einflussfaktoren auf die Übergänge in die Selbstständigkeit (logistische Regression mit random intercept, odds ratios) Variable Model 1 Model 3 (Migranten) OR se OR se Italien Türkei Referenz (0,200) Referenz (0,205) Ehe. Jugoslawien ** (0,099) ** (0,099) Griechenland (0,247) (0,248) Osteuropa * (0,136) ** (0,131) GUS ** (0,092) ** (0,091) Restliche Welt * (0,147) * (0,147) Anteil Migranten im Bezirk (0,005) * (0,008) Mittleres Haushaltseinkommen im Bezirk (0,012) (0,018) Interaktion: Migranten x Einkommen im Bezirk * (0,000) Anzahl Selbstständige im Bezirk * (0,182) * (0,190) Varianz Level rho N Individuen 10,300 10,300 N Bezirke 4,663 4,663 Log likelihood McKelvey & Zavoina R² MZ 2004, e.b., Standardfehler der Odds Ratios in Klammern; * p<0.05, ** p<0.01, *** p< Das Model kontrolliert zusätzlich für Alter, Alter², Geschlecht, Bildung (CASMIN), Ausgangszustände 2003, Personen über 15 Jahren im Haushalt, Selbständige im Haushalt, Selbstständiger Partner, Generation, Region, Arbeitslosenquote im Bundesland, Ostdeutschland

17 Tabelle 1 Einflussfaktoren auf die Übergänge in die Selbstständigkeit (logistische Regression mit random intercept, odds ratios) Variable Model 1 Model 3 (Migranten) OR se OR se Italien Türkei Referenz (0,200) Referenz (0,205) Ehe. Jugoslawien ** (0,099) ** (0,099) Griechenland (0,247) (0,248) Osteuropa * (0,136) ** (0,131) GUS ** (0,092) ** (0,091) Restliche Welt * (0,147) * (0,147) Anteil Migranten im Bezirk (0,005) * (0,008) Mittleres Haushaltseinkommen im Bezirk (0,012) (0,018) Interaktion: Migranten x Einkommen im Bezirk * (0,000) Anzahl Selbstständige im Bezirk * (0,182) * (0,190) Varianz Level rho N Individuen 10,300 10,300 N Bezirke 4,663 4,663 Log likelihood McKelvey & Zavoina R² MZ 2004, e.b., Standardfehler der Odds Ratios in Klammern; * p<0.05, ** p<0.01, *** p< Das Model kontrolliert zusätzlich für Alter, Alter², Geschlecht, Bildung (CASMIN), Ausgangszustände 2003, Personen über 15 Jahren im Haushalt, Selbständige im Haushalt, Selbstständiger Partner, Generation, Region, Arbeitslosenquote im Bundesland, Ostdeutschland

18 % Migranten: gering (Mittel - 1SD) % Migranten: hoch (Mittel + 1SD) P(Selbstständig = 1 x) gering (Mittel - 1SD) Einkommen im Bezirk hoch (Mittel + 1SD)

19 Tabelle 2 Einflussfaktoren auf den Abstrom aus der Selbstständigkeit (logistische Regressionen geclustert in Bezirken, odds ratios) Variable Model 1 Model 2 OR se OR se Italien Türkei Referenz (0,736} Referenz (0,743} Ehe. Jugoslawien (0,662} (0,680} Griechenland (0,325} (0,314} Osteuropa (0,524} (0,504} GUS (1,407) (1,593) Restliche Welt (0,880} (0,866} Anteil Migranten im Bezirk (0,006} (0,011} Mittleres Haushaltseinkommen im Bezirk * (0,016} ** (0,022} Interaktion: Migranten x Einkommen im Bezirk (0,000} Anzahl Selbstständige im Bezirk ** (0,114} ** (0,115} N Individuen N Bezirke Log likelihood McKelvey & Zavoina R² MZ 2004, e.b., Standardfehler der Odds Ratios in Klammern; * p<0.05, ** p<0.01, *** p< Das Model kontrolliert zusätzlich für Alter, Alter², Geschlecht, Bildung (CASMIN), Ausgangszustände 2003, Personen über 15 Jahren im Haushalt, Mithelfende Familienangehörige, Mitarbeiter, Generation, Region, Arbeitslosenquote im Bundesland, Ostdeutschland

20 % Migranten: gering (Mittel - 1SD) % Migranten: hoch (Mittel + 1SD) P(Abstrom = 1 x) gering (Mittel - 1SD) Einkommen im Bezirk hoch (Mittel + 1SD)

21 5. Erste Zusammenfassung Ergebnisse - Erste Hinweise auf Einfluss ethnischer Gemeinschaften - Unterschiedliche Effekte je nach sozio-ökon. Zusammensetzung - Aggregation von individuellen Merkmalen auf Bezirksebene?

22 6. Auswahlbezirke

23 6. Auswahlbezirke

24 6. Auswahlbezirke

25 6. Auswahlbezirke Erhebung - einstufige Klumpenstichprobe (Flächenstichprobe) - Auswahleinheiten: künstlich abgegrenzte Flächen (Auswahlbezirke), die sich aus ganzen Gebäuden oder Gebäudeteilen zusammensetzen - Alle Personen bzw. Haushalte in einem Auswahlbezirk werden erfasst - Durchschnittswert von 9 Wohnungen

26 6. Auswahlbezirke Erhebung - einstufige Klumpenstichprobe (Flächenstichprobe) - Auswahleinheiten: künstlich abgegrenzte Flächen (Auswahlbezirke), die sich aus ganzen Gebäuden oder Gebäudeteilen zusammensetzen - Alle Personen bzw. Haushalte in einem Auswahlbezirk werden erfasst - Durchschnittswert von 9 Wohnungen reliable Abbildung der Nachbarschaft?

27 7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i

28 7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i Simulationen mit künstlichen Datensatz Nachbarschaften (N n =500) Bezirk 1 Bezirk 2 Bezirk j (N b =7000), j=14 I 1 I 14 I 1 I 14 (N i =98000) I 1 I 14

29 7. Simulation Datensatz - Binäre Zufallsvariable x, P(X=1)=0.2 Als Kontextmerkmal ( reale Verteilung) Mittel =.2014, SD =.4010

30 7. Simulation Datensatz - Binäre Zufallsvariable x, P(X=1)=0.2 Als Kontextmerkmal ( reale Verteilung) Mittel =.2014, SD = % Stichprobe auf Basis der Nachbarschaften (100 Simulationen) Mittel =.1996, SD = % Stichprobe auf Basis der Bezirke (100 Simulationen) Mittel =.1997, SD =.3997

31 7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i Lineare Regression (error-in-measurement-model): y = ß x i * + u i y = ß`x i + u i

32 7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i Lineare Regression (error-in-measurement-model): y = ß x i * + u i y = ß`x i + u i ß` < ß

33 7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i Logistische Regression? (künstlichen Datensatz, N=10300) x i * ~ N(20,90), v i ~ N(0,10) ln (y / (1-y)) = ßx i * ß =2 ln (y / (1-y)) = ßx i ß =?

34 7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i Ergebnisse der Simulation (100), mit ß* = 2 ln (y / (1-y)) = ßx i * ß = , SD ß =

35 7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i Ergebnisse der Simulation (100), mit ß* = 2 ln (y / (1-y)) = ßx i * ß = , SD ß = ln (y / (1-y)) = ß`x i ß`= , SD ß = ß` < ß

36 7. Fazit - Erste Hinweise auf Einfluss ethnischer Gemeinschaften - Unterschiedliche Effekte je nach sozio-ökon. Zusammensetzung - Integration? - Auswahlbezirke geeignet, um Nachbarschaften abzubilden

37 Vielen Dank