De nye kommuners rammevilkår for beskæftigelsesindsatsen - PISA ...
De nye kommuners rammevilkår for beskæftigelsesindsatsen - PISA ...
De nye kommuners rammevilkår for beskæftigelsesindsatsen - PISA ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
( x β |0< y < 1) , hvilket er tæt på ( y |0< y < 1) . Marginaleffekterne på sandsynlighe-<br />
i i<br />
i<br />
den <strong>for</strong> at 0 < y < 1 (jf. (4)) er beregnet ud fra det <strong>for</strong>udsagte niveau <strong>for</strong> denne sandsyn-<br />
i<br />
lighed (hvilket er tæt på andelen af ucensurerede observationer i data).<br />
I denne dokumentation rapporteres alene marginaleffekterne i (1) og (2). Marginaleffekterne<br />
i (2) angives med udgangspunkt i gennemsnittet <strong>for</strong> de <strong>for</strong>klarende variabler. <strong>De</strong>t<br />
vurderes, at effekterne på den betingede middelværdi i (3) er mindre interessante, da kun<br />
en lille del af observationerne er ucensurerede. Effekterne på sandsynligheden <strong>for</strong> ikke at<br />
være censureret jf. (4), er af samme grund heller ikke så interessante.<br />
A1.3 Indikatorer <strong>for</strong> samlet effekt af <strong>rammevilkår</strong><br />
Beregningen af indikatorer <strong>for</strong> den samlede effekt af <strong>rammevilkår</strong> er som følger: For<br />
hvert individ har vi den observerede ydelsesgrad, y i , og vi kan beregne den <strong>for</strong>ventede<br />
ydelsesgrad givet dette individs karakteristika, x i , og den estimerede model, E( yi | x i)<br />
.<br />
For hver kommune kan vi så beregne den gennemsnitlige <strong>for</strong>ventede ydelsesgrad givet<br />
modellen. <strong>De</strong>t er denne gennemsnitlige prædiktion på kommuneniveau, der benyttes som<br />
udgangspunkt <strong>for</strong> at danne grupper af kommuner med sammenlignelige <strong>rammevilkår</strong>.<br />
A1.4 Robusthed over <strong>for</strong> valg af statistisk model<br />
<strong>De</strong>t er undersøgt, i hvilket omfang resultaterne er robuste mht. valg af statistisk model.<br />
Som nævnt er de resultater, der beskrives i denne rapport, baseret på en tosidet tobitmodel.<br />
Tilsvarende beregninger er også <strong>for</strong>etaget <strong>for</strong> en ordnet probitmodel, hvor den<br />
afhængige variabel ikke er et kontinuert mål <strong>for</strong> andelen af året, hvor en person har modtaget<br />
ydelse men sandsynligheden <strong>for</strong> at modtage ydelser i henholdsvis 0 dage, op til 1<br />
måned, mere end 1 måned og op til 2 måneder, mere end 2 måneder og op til 3 måneder<br />
osv. <strong>De</strong>nne model er et naturligt alternativ til tobitmodellen, da der (som nævnt i kapitel<br />
3) <strong>for</strong> en del af de analyserede ydelser (kontanthjælp) ikke er registreret, præcis hvor<br />
mange dage, man har modtaget ydelser inden <strong>for</strong> en måned, men kun om man har modtaget<br />
ydelser i løbet af måneden (og det er i givet fald sat til 30 dage). <strong>De</strong>n ordnede probitmodel<br />
afspejler altså bedre datastrukturen <strong>for</strong> modtagelse af kontanthjælp (men til gen-<br />
i<br />
71