I andre land betyr ikke hudfarge noe, har du papirer, så får du en jobb
I andre land betyr ikke hudfarge noe, har du papirer, så får du en jobb
I andre land betyr ikke hudfarge noe, har du papirer, så får du en jobb
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Nordiske erfaringer med arbeidsmarkedstiltak for innv<strong>andre</strong>re 87<br />
behandleres utvelging og/eller ved selvseleksjon, alt<strong>så</strong> at <strong>noe</strong>n ledige i større grad<br />
søker seg mot tiltak.<br />
Det skilles gjerne mellom observert og uobservert seleksjon: D<strong>en</strong> første typ<strong>en</strong><br />
<strong>har</strong> man tilgj<strong>en</strong>gelige data for, og det kan dermed kontrolleres for d<strong>en</strong>ne i analys<strong>en</strong>e.<br />
Registerdata gir opplysninger om forhold som alder, kjønn, utdanning og<br />
l<strong>en</strong>gde på ledighetsperioder. Data om helse, motivasjon og norskferdigheter er<br />
typisk vanskeligere tilgj<strong>en</strong>gelig, og dermed krev<strong>en</strong>de å kontrollere for. Det finnes<br />
etter hvert et stort tilfang av økonometriske metoder som kan anv<strong>en</strong>des til å kontrollere<br />
for seleksjonsproblemer.<br />
Tre hovedtekn<strong>ikke</strong>r ligger til grunn for analys<strong>en</strong>e i de mest s<strong>en</strong>trale rapport<strong>en</strong>e<br />
som refereres her:<br />
Prop<strong>en</strong>sity score matching: Hovedprinsippet bak d<strong>en</strong>ne metod<strong>en</strong> er at man<br />
bruker tilgj<strong>en</strong>gelige data til, for hver deltaker, å plukke ut <strong>en</strong> <strong>ikke</strong>-deltaker som <strong>har</strong><br />
mest mulig lik beregnet sannsynlighet for å havne på tiltak som deltaker<strong>en</strong>. Forutsetning<strong>en</strong><br />
for at dette skal re<strong>du</strong>sere problemet med uobservert heterog<strong>en</strong>itet, er<br />
at de relevante uobserverte variabl<strong>en</strong>e samvarierer med de observerte – for eksempel<br />
at uobservert motivasjon og uobserverte norskferdigheter samvarierer<br />
med observert tidligere ledighet. Svakhet<strong>en</strong> ved metod<strong>en</strong> er nettopp at man kun<br />
kan ta h<strong>en</strong>syn til seleksjon på observerte kj<strong>en</strong>netegn.<br />
Varighetsmodeller/”timing-of-ev<strong>en</strong>t”: Disse b<strong>en</strong>ytter observerte overgangsrater<br />
(til arbeid) og forklaringsvariabler i tidligere (ledighets)perioder til å modellere<br />
uobservert heterog<strong>en</strong>itet.<br />
Lat<strong>en</strong>t variabel seleksjonsmodeller: Disse anv<strong>en</strong>der observerte samm<strong>en</strong>h<strong>en</strong>ger<br />
mellom hvilke forhold som styrer utvalg av deltakere, og hvilke forhold<br />
som påvirker deltakernes overgang til arbeid, til å modellere <strong>en</strong> bak<strong>en</strong>forligg<strong>en</strong>de<br />
variabel som påvirker utvalg av deltakere, m<strong>en</strong> <strong>ikke</strong> effekt av deltakelse.<br />
Metoder som søker å modellere uobservert heterog<strong>en</strong>itet, bygger på <strong>en</strong> eller<br />
ann<strong>en</strong> måte på observerte data (hva skulle de ellers bygge på?). Det ligger i sak<strong>en</strong>s<br />
natur at man <strong>ikke</strong> vet hvordan samm<strong>en</strong>h<strong>en</strong>g<strong>en</strong> mellom observerte og uobserverte<br />
kj<strong>en</strong>netegn er. 2 Analyser som forsøker å kontrollere for uobservert seleksjon,<br />
gjør alt<strong>så</strong> <strong>ikke</strong> nødv<strong>en</strong>digvis det. Samtidig kan analysetekn<strong>ikke</strong>r som <strong>ikke</strong> pret<strong>en</strong>derer<br />
å kontrollere for uobservert seleksjon, faktisk til <strong>en</strong> viss grad gjøre det,<br />
dersom variabler som samvarierer med de relevante uobserverte kj<strong>en</strong>netegn<strong>en</strong>e,<br />
er inkludert i analys<strong>en</strong>.<br />
Til tross for avanserte analysetekn<strong>ikke</strong>r kan det alt<strong>så</strong> h<strong>en</strong>de at de funn<strong>en</strong>e som<br />
gjøres, skyldes kj<strong>en</strong>netegn ved deltakerne vel <strong>så</strong> mye som kj<strong>en</strong>netegn ved tiltak<strong>en</strong>e<br />
de <strong>har</strong> deltatt på. Det samme gjelder <strong>ikke</strong>-funn<strong>en</strong>e: Kanskje er tiltak<strong>en</strong>e mer effektive<br />
<strong>en</strong>n det som fremkommer fordi deltakergrupp<strong>en</strong> <strong>har</strong> større ”ulemper” i utgangspunktet<br />
<strong>en</strong>n det er tatt høyde for i analys<strong>en</strong>. Det vil alt<strong>så</strong> alltid være knyttet<br />
<strong>en</strong> viss us<strong>ikke</strong>rhet til resultat<strong>en</strong>e. Derfor prøver man gjerne ut forskjellige metoder<br />
for å oppnå robuste resultater som står seg på tvers av metoder.<br />
Et annet problem er knyttet til å isolere effekt<strong>en</strong>e av tiltak på et visst tidspunkt fra<br />
effekter av s<strong>en</strong>ere tiltak og <strong>andre</strong> h<strong>en</strong>delser. Spesielt når man <strong>har</strong> et langt evalueringsperspektiv,<br />
må krav<strong>en</strong>e til deltakergruppe og samm<strong>en</strong>ligningsgruppe spesi-