I andre land betyr ikke hudfarge noe, har du papirer, så får du en jobb

Nordiske erfaringer med arbeidsmarkedstiltak for innvandrere 87
behandleres utvelging og/eller ved selvseleksjon, altså at noen ledige i større grad
søker seg mot tiltak.
Det skilles gjerne mellom observert og uobservert seleksjon: Den første typen
har man tilgjengelige data for, og det kan dermed kontrolleres for denne i analysene.
Registerdata gir opplysninger om forhold som alder, kjønn, utdanning og
lengde på ledighetsperioder. Data om helse, motivasjon og norskferdigheter er
typisk vanskeligere tilgjengelig, og dermed krevende å kontrollere for. Det finnes
etter hvert et stort tilfang av økonometriske metoder som kan anvendes til å kontrollere
for seleksjonsproblemer.
Tre hovedteknikker ligger til grunn for analysene i de mest sentrale rapportene
som refereres her:
Propensity score matching: Hovedprinsippet bak denne metoden er at man
bruker tilgjengelige data til, for hver deltaker, å plukke ut en ikke-deltaker som har
mest mulig lik beregnet sannsynlighet for å havne på tiltak som deltakeren. Forutsetningen
for at dette skal redusere problemet med uobservert heterogenitet, er
at de relevante uobserverte variablene samvarierer med de observerte – for eksempel
at uobservert motivasjon og uobserverte norskferdigheter samvarierer
med observert tidligere ledighet. Svakheten ved metoden er nettopp at man kun
kan ta hensyn til seleksjon på observerte kjennetegn.
Varighetsmodeller/”timing-of-event”: Disse benytter observerte overgangsrater
(til arbeid) og forklaringsvariabler i tidligere (ledighets)perioder til å modellere
uobservert heterogenitet.
Latent variabel seleksjonsmodeller: Disse anvender observerte sammenhenger
mellom hvilke forhold som styrer utvalg av deltakere, og hvilke forhold
som påvirker deltakernes overgang til arbeid, til å modellere en bakenforliggende
variabel som påvirker utvalg av deltakere, men ikke effekt av deltakelse.
Metoder som søker å modellere uobservert heterogenitet, bygger på en eller
annen måte på observerte data (hva skulle de ellers bygge på?). Det ligger i sakens
natur at man ikke vet hvordan sammenhengen mellom observerte og uobserverte
kjennetegn er. 2 Analyser som forsøker å kontrollere for uobservert seleksjon,
gjør altså ikke nødvendigvis det. Samtidig kan analyseteknikker som ikke pretenderer
å kontrollere for uobservert seleksjon, faktisk til en viss grad gjøre det,
dersom variabler som samvarierer med de relevante uobserverte kjennetegnene,
er inkludert i analysen.
Til tross for avanserte analyseteknikker kan det altså hende at de funnene som
gjøres, skyldes kjennetegn ved deltakerne vel så mye som kjennetegn ved tiltakene
de har deltatt på. Det samme gjelder ikke-funnene: Kanskje er tiltakene mer effektive
enn det som fremkommer fordi deltakergruppen har større ”ulemper” i utgangspunktet
enn det er tatt høyde for i analysen. Det vil altså alltid være knyttet
en viss usikkerhet til resultatene. Derfor prøver man gjerne ut forskjellige metoder
for å oppnå robuste resultater som står seg på tvers av metoder.
Et annet problem er knyttet til å isolere effektene av tiltak på et visst tidspunkt fra
effekter av senere tiltak og andre hendelser. Spesielt når man har et langt evalueringsperspektiv,
må kravene til deltakergruppe og sammenligningsgruppe spesi-