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./16.10.2009 Mannheim
Aufbau des Vortrags 1. Selbstständigkeit von Migranten 2. Befunde und Entwicklung 3. Theoretische Einbettung 4. Daten und Methoden 5. Ergebnisse 6. Auswahlbezirke 7. Fazit
1. Selbstständigkeit von Migranten Migranten häufig ökonomisch selbstständig Deutschland: Ausnahme Angleichung
3. Theorie Rationale Akteure Fokus auf Einbettung Nachbarschaft, ethnische Gemeinschaft
3. Theorie Ethnische Gemeinschaft/Nachbarschaft: - (Konstante) Nachfrage nach bestimmten ethnischen Gütern - Ethnische (Binnen)Solidarität - Kostengünstige Mobilisierung von Informationen und Ressourcen
3. Theorie Hypothesen Gründung H G 1: Ethnische Gemeinschaft: Je höher der Anteil der Migranten in der Nachbarschaft, desto höher die Gründungsbereitschaft
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
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
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
4. Daten und Methoden Datenbasis: Mikrozensus 2004 - Modellierung Übergänge: Substichprobe Pseudo-Panel - Erwerbsbeteiligung vor einem Jahr - Anonymisierung MZ: Vergröberung Regionalinformationen - Auswahlbezirke (Janssen und Schroedter 2007) - Aggregierung ind. Merkmale Eigenschaften der Nachbarschaft
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)
5. Ergebnisse deskriptiv Variable Deutsche (N=150449) Mittel SD Migranten (N=10300) Mittel SD Personen in Nachbarschaft 15.10 7.18 13.98 7.51 Haushalte in Nachbarschaft 6.70 2.83 5.96 2.99 Anteil Migranten in Nachbarschaft 4.50 10.70 39.70 25.35 Haushaltseinkommen in Nachbarschaft 21.25 9.06 18.71 8.74 Selbstständige in Nachbarschaft (2003) 0.38 0.73 0.27 0.63 Quelle: MZ04, eigene Berechnungen, Basis multiv. Modelle
5. Ergebnisse deskriptiv Anzahl Selbstständige (an Erwerbstätigen) Deutsche Anzahl Prozent Anzahl Migranten Prozent Nicht selbstständig (2004) 180484 89.72 13827 90.45 Selbstständig (2004) 20689 10.28 1460 9.55 Total 201173 100 15287 100 Quelle: MZ04, eigene Berechnungen, gesamte Stichprobe
5. Ergebnisse deskriptiv Übergänge in die Selbstständigkeit Deutsche Anzahl Prozent Anzahl Migranten Prozent Nicht selbstständig (2003) 148926 98.99 10210 99.13 Selbstständig (2004) 1523 1.01 90 0.87 Total 150449 100 10300 100 Quelle: MZ04, eigene Berechnungen, Basis multiv. Modelle
5. Ergebnisse deskriptiv Abstrom aus der Selbstständigkeit Deutsche Anzahl Prozent Anzahl Migranten Prozent Selbstständig (2003) 7389 89.63 394 84.91 Nicht selbstständig (2004) 855 10.37 70 15.09 Total 8244 100 464 100 Quelle: MZ04, eigene Berechnungen, Basis multiv. Modelle
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 0.574 (0,200) Referenz 0.587 (0,205) Ehe. Jugoslawien 0.173 ** (0,099) 0.173 ** (0,099) Griechenland 0.384 (0,247) 0.385 (0,248) Osteuropa 0.255 * (0,136) 0.244 ** (0,131) GUS 0.119 ** (0,092) 0.117 ** (0,091) Restliche Welt 0.454 * (0,147) 0.453 * (0,147) Anteil Migranten im Bezirk 0.999 (0,005) 0.983 * (0,008) Mittleres Haushaltseinkommen im Bezirk 1.017 (0,012) 0.987 (0,018) Interaktion: Migranten x Einkommen im Bezirk 1.001 * (0,000) Anzahl Selbstständige im Bezirk 1.325 * (0,182) 1.378 * (0,190) Varianz Level 2 0.254 0.250 rho 0.072 0.071 N Individuen 10,300 10,300 N Bezirke 4,663 4,663 Log likelihood -459.907-457.302 McKelvey & Zavoina R² 0.495 0.507 MZ 2004, e.b., Standardfehler der Odds Ratios in Klammern; * p<0.05, ** p<0.01, *** p<0.001. 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
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 0.574 (0,200) Referenz 0.587 (0,205) Ehe. Jugoslawien 0.173 ** (0,099) 0.173 ** (0,099) Griechenland 0.384 (0,247) 0.385 (0,248) Osteuropa 0.255 * (0,136) 0.244 ** (0,131) GUS 0.119 ** (0,092) 0.117 ** (0,091) Restliche Welt 0.454 * (0,147) 0.453 * (0,147) Anteil Migranten im Bezirk 0.999 (0,005) 0.983 * (0,008) Mittleres Haushaltseinkommen im Bezirk 1.017 (0,012) 0.987 (0,018) Interaktion: Migranten x Einkommen im Bezirk 1.001 * (0,000) Anzahl Selbstständige im Bezirk 1.325 * (0,182) 1.378 * (0,190) Varianz Level 2 0.254 0.250 rho 0.072 0.071 N Individuen 10,300 10,300 N Bezirke 4,663 4,663 Log likelihood -459.907-457.302 McKelvey & Zavoina R² 0.495 0.507 MZ 2004, e.b., Standardfehler der Odds Ratios in Klammern; * p<0.05, ** p<0.01, *** p<0.001. 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
% Migranten: gering (Mittel - 1SD) % Migranten: hoch (Mittel + 1SD) 0.006 P(Selbstständig = 1 x) 0.005 0.004 0.003 0.002 gering (Mittel - 1SD) Einkommen im Bezirk hoch (Mittel + 1SD)
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 1.458 (0,736} Referenz 1.472 (0,743} Ehe. Jugoslawien 0.722 (0,662} 0.745 (0,680} Griechenland 0.312 (0,325} 0.302 (0,314} Osteuropa 0.541 (0,524} 0.528 (0,504} GUS 1.710 (1,407) 1.930 (1,593) Restliche Welt 1.973 (0,880} 1.948 (0,866} Anteil Migranten im Bezirk 0.995 (0,006} 0.980 + (0,011} Mittleres Haushaltseinkommen im Bezirk 0.965 * (0,016} 0.938 ** (0,022} Interaktion: Migranten x Einkommen im Bezirk 1.001 + (0,000} Anzahl Selbstständige im Bezirk 0.498 ** (0,114} 0.501 ** (0,115} N Individuen 464 464 N Bezirke 432 432 Log likelihood -149.471-148.633 McKelvey & Zavoina R² 0.241 0.245 MZ 2004, e.b., Standardfehler der Odds Ratios in Klammern; * p<0.05, ** p<0.01, *** p<0.001. 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
% Migranten: gering (Mittel - 1SD) % Migranten: hoch (Mittel + 1SD) 0.16 0.14 P(Abstrom = 1 x) 0.12 0.10 0.08 0.06 0.04 0.02 gering (Mittel - 1SD) Einkommen im Bezirk hoch (Mittel + 1SD)
5. Erste Zusammenfassung Ergebnisse - Erste Hinweise auf Einfluss ethnischer Gemeinschaften - Unterschiedliche Effekte je nach sozio-ökon. Zusammensetzung - Aggregation von individuellen Merkmalen auf Bezirksebene?
6. Auswahlbezirke
6. Auswahlbezirke
6. Auswahlbezirke
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
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?
7. Simulation Reliabilität der Messung / error-in-measurement x i = x i * + v i
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
7. Simulation Datensatz - Binäre Zufallsvariable x, P(X=1)=0.2 Als Kontextmerkmal ( reale Verteilung) Mittel =.2014, SD =.4010
7. Simulation Datensatz - Binäre Zufallsvariable x, P(X=1)=0.2 Als Kontextmerkmal ( reale Verteilung) Mittel =.2014, SD =.4010-10% Stichprobe auf Basis der Nachbarschaften (100 Simulationen) Mittel =.1996, SD =.3997-10% Stichprobe auf Basis der Bezirke (100 Simulationen) Mittel =.1997, SD =.3997
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
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
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 =?
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 = 2.0096, SD ß = 0.0994
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 = 2.0096, SD ß = 0.0994 ln (y / (1-y)) = ß`x i ß`= 0.5495, SD ß = 0.0144 ß` < ß
7. Fazit - Erste Hinweise auf Einfluss ethnischer Gemeinschaften - Unterschiedliche Effekte je nach sozio-ökon. Zusammensetzung - Integration? - Auswahlbezirke geeignet, um Nachbarschaften abzubilden
Vielen Dank