How Computers have changed the Wage Structure: Evidence from Microdata

In diesem Artikel beschreibt Alan B. Krueger seine Versuche, in denen er versucht hat, Computern eine Produktivitätsverbesserung und damit bessere Löhne anzuhängen. Auch wenn er in seiner Einleitung darauf eingeht, dass Computer skilled workers substituieren oder komplimentieren können, fokussiert er sich nach ersten Ergebnissen auf positive Auswirkungen auf Skilled Workers in den Returns to Computer Use.

In einem ersten Ansatz untersucht er die Korrelation von Computer-Nutzung in einem Cross-Sectional Datensatz, welcher die Jahre 1984 und 1989 beinhaltet. Hier kommt er, je nach dem ob er den Standardvektor von typischen zusätzlichen Arbeitereigenschaften hinzu zieht, oder nicht, zu Werten zwischen 14% und 27% – 1989 sind es bereits 16% – 32%. Die Returns steigen also (anscheinend) in der Zeit – wenn denn tatsächlich Korrelation existiert.
Um dies zu überprüfen, hat er drei Ansätze (II):
A- Er überprüft, ob drei Gegebenheiten die Werte signifikant verändern:
  • Existenz von Rent-Sharing-Modellen (Arbeiter greifen Returns-To-Capital ab: nur leidlich überprüfbar, leichte Veränderungen)
  • Größe der Unternehmen (Unterschiede in bis zu 2%)
  • Mitgliedschaft der Arbeiter in Gewerkschaften (7.8% vs 20.% (keine Gew.). Da Gewerkschaften Lohnunterschiede reduzieren, keine Überraschung. Dies widerlegt allerdings die Rent-Sharing-Theorie.
B- Veränderung im Return to Computer Use mit der Zeit
Es existiert eine statistisch signifikante Verbesserung in den Returns to Copmuter, was aussagt, dass, selbst wenn die Anzahl der Arbeiter, welche Computer nutzen konnten, stieg, die Nachfrage nach diesen noch stärker stieg (Analog zu Returns to Schooling, Skilled workers). Dies wird von der verstärkten Computernutzung und den Preissenkungen von Computern zu diesem Zeitraum unterstützt.
Zum andern entkräftet dies ein anderes Gegenargument, das der positiven Selektion der Arbeiter in Computer-Nutzung: hiernach würden die Firmen erst den Arbeitern Computer geben, bei welchen die Produktivität am stärksten steigt (und somit einen Bias verursachen). Hiernach müssten die Returns to Computer allerdings mit der Zeit sinken, da nun die Benutzer Computer bekommen, welche davon einen geringeren Gegenwert haben. Da dies nicht der Fall ist, kann die positive Selektion nicht treibender Faktor sein.
C – Besondere Computeraktivitäten
Die Returns sind am stärksten für Arbeiter, welche die Computer für Email, Buchführung und Inventarskontrolle nutzen – die letzteren zwei sind zweifellos Bereiche, in welchen Computer die Produktivität sehr steigern (im Gegensatz zu negativen Returns für Arbeiter, die mit dem Computer spielen). Emails repräsentieren, dass viele (hochbezahlte) Manager oft Emails verschicken, und ist somit keine Kausalität, sondern Korrelation. 
Ob diese Korrelation nun auch Kausalität bedeutet, überprüft Kruger in vier weiteren Unterpunkten (III).
A – Computer-Benutzung auch privat
Wenn er auch die private Computernutzung mit ein bezieht (und somit unobserved Characteristics ausschließt, welche Produktivität beeinflussen können), kommt er zu Returns von 16% bei Arbeit, 5-7% zu Hause und 0,6-1% bei der Arbeit und Zuhause. Inwiefern das die Kausalitätsfrage beeinflusst, beantwortet er nicht. 
B – Intersektorale Estimates
Nun nimmt er sich die Sekretärinnen vor, weil sie die Arbeit im Datensatz darstellen, der den größten Datensatz hat. Diese haben 5% (1984) und 9% (1989) Returns von der Computer-Nutzung – erstaunlich wenig. Allerdings kann man sich hier aufgrund der Homogenität recht sicher sein, dass kausale Zusammenhänge existieren. Umfragen bei Teilzeit-Arbeitskräften-Vermittlern bestätigen diese Vermutung und geben viel höhere Returns für Computer-fähige Sekretärinnen wieder (33%).
Diese Vermittler wurden auch gefragt, ob sie Schulungen anbieten – ja. Viele Agenturen bezahlen die sogar selbst. Was deswegen erstaunlich ist, weil viele Arbeitskräfte beim neuen Arbeitgeber anfangen und nie wieder kommen – verschwendetes Kapital! Nur so zu erklären, dass sich diese Schulungen bereits in den ersten Returns der Sekretärinnen bzw. der Abfindungen widerspiegeln – was Krugers Argumente nur bekräftigen.
C & D – Divers
In Abschnitt C versucht Kruger, seine Argumente auf Basis eines anderen Datensatzes zu bekräftigen. In D versucht er, die Wachstumsrate von Berufsfeldern zu korrelieren mit der Wachstumsrate der Computer-Benutzenden Arbeiter in diesem Berufsfeld. Auch hier ist eine Kausalität leichter herzustellen: wenn Computer-Nutzung die Produktivität steigert, sollten diese Firmen wachsen, die mehr Computer nutzen. 
IV – Returns to Education
Letztendlich will Kruger noch herausfinden, ob die Returns to Computer auch die anderen Differentials (wie die Returns to Schooling) verändert haben – ob sich also letztere durch erstere erklären lassen. Wenn man Computernutzung einberechnet, reduziert sich bspw. der Lohngegenwert von Years of Schooling um 7%. Wenn man Computer*Education variieren lässt, gar um 9%.

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: