Leengedrag van Nederlandse studenten

Leengedrag van Nederlandse studenten

Jowita Osinga 10163204 Bachelorscriptie

Economie & Bedrijfskunde Specialisatie: Economie Universiteit van Amsterdam Begeleider: dr. J.C.M. van Ophem januari 2016

Verklaring eigen werk

Hierbij verklaar ik, Jowita Osinga, dat ik deze scriptie zelf geschre-ven heb en dat ik de volledige verantwoordelijkheid op me neem voor de inhoud ervan. Ik bevestig dat de tekst en het werk dat in deze scriptie gepresenteerd wordt origineel is en dat ik geen gebruik heb gemaakt van andere bronnen dan die welke in de tekst en in de re-ferenties worden genoemd. De Faculteit Economie en Bedrijfskunde is alleen verantwoordelijk voor de begeleiding tot het inleveren van de scriptie, niet voor de inhoud.

Abstract

In deze studie wordt het leengedrag van Nederlandse studenten in kaart gebracht en wordt er onderzocht hoe dit leengedrag be-ïnvloed wordt. Er wordt gevonden dat leners vaker man en wo student zijn. Er is een positief verband tussen zowel de kans dat studenten gaan lenen als de hoeveelheid die ze lenen en de studieduur, de leeftijd van de respondenten en de hoeveelheid werkervaring die wordt opgedaan tijdens de studie. Een nega-tief verband is gevonden tussen zowel de kans op lenen als de hoeveelheid schuld en het inkomen en opleiding van de ouders en het tentamengemiddelde.

Inhoudsopgave

1 Inleiding

Na vele discussies is op 20 januari 2015 de Wet studievoorschot hoger onderwijs officieel aangenomen door de Eerste Kamer. De wet is ingegaan op 1 september 2015 en minister Bussemaker van Onderwijs, Cultuur en Wetenschap voert door middel van deze wet hervormingen door in het stelsel van studiefinanciering.

Er is veel kritiek geleverd op het sociale leenstelsel, zo ook in de Eerste Kamer. Veel ministers zijn van mening dat dit stelsel de drempel naar het hoger onderwijs verhoogt met als gevolg dat het aantal studenten zal afnemen. Ook wordt er gevreesd voor een toenemende inkomensongelijkheid van net afgestu-deerden ten opzichte van de situatie waarin studenten nog wel studiefinanciering krijgen. Er werd gesteld dat het sociale leenstelsel studenten niet stimuleert om hun studie nominaal af te ronden. Verwacht wordt namelijk dat studenten meer zullen gaan werken, wat ten koste zal gaan van hun studieprestaties. Bovendien wordt er geen onderscheid meer gemaakt tussen thuis- en uitwonenden (Eerste Kamer, 2015).

Uit een analyse van het CPB (2013) blijkt dat naar verwachting de deelname in het hbo met 1.5 procent en in het wo met 2.1 procent afneemt door de invoering van het sociale leenstelsel. Dit komt in absolute getallen neer op een afname van 1300 studenten op het hbo en 900 studenten in het wo.

Ook zijn er voorspellingen gemaakt wat betreft de effecten op de studie-schuld. Volgens het CPB (2014) ontvangen studenten, door het vervallen van de basisbeurs, 4800 euro minder als thuiswonende en 13400 euro minder als uitwonende student. Verondersteld wordt dat twee derde van dit bedrag een daadwerkelijke verhoging van de studieschuld als gevolg heeft, aangezien een deel kan worden opgevangen door bijvoorbeeld een hogere bijdrage van de ouders of meer inkomsten uit een bijbaan. Universitaire studenten wonen vaker uit huis (70 procent) dan hbo studenten (43 procent), daarom zal de studieschuld van de eerste groep groter zijn. In absolute getallen komt de verwachte stijging van de studieschuld neer op 5700 euro voor hbo studenten (57% * 2/3 * 4800 + 43% *2/3 * 13400) en 7200 euro voor wo studenten (30% * 2/3 * 4800 + 70% * 2/3 * 13400). Rekening houdend met de verhouding van hbo tot wo studenten, vindt het CPB een gemiddelde stijging van 6000 euro aan studieschuld per student.

Wanneer er gekeken wordt naar het terugbetaalpercentage, wordt er ge-concludeerd dat er gemiddeld genomen geen verschil te zien is tussen hbo’ers en wo’ers. Wel is er een duidelijk verschil tussen thuis- en uitwonenden: het terugbetaalpercentage van deze laatste groep ligt gemiddeld genomen circa 5

procentpunten lager. De groep met het laagste percentage aan terugbetaling (à 83 procent) wordt gevormd door uitwonende hbo’ers, aangezien zij over het algemeen minder verdienen dan wo’ers. Dit leidt tot een inkomenseffect van -0.3 procent van hun levensloopinkomen (CPB, 2014, pp. 5-6).

Minister Bussemaker stelt daar tegenover dat er momenteel al veel geleend wordt door studenten en dat veel van hen dit zonder problemen later terug kunnen betalen. Ze denkt niet dat dit stelsel zal zorgen voor een scheve verdeling tussen studie en werk. Bovendien zal er met dit stelsel geld worden vrijgemaakt dat geïnvesteerd kan worden in de verbetering van het hoger onderwijs (Eerste Kamer, 2015).

Er zijn nog niet veel data beschikbaar om in kaart te brengen wat voor gevolgen het sociale leenstelsel zal hebben. Wel kan er gekeken worden naar de gegevens die beschikbaar zijn uit het verleden om te kijken welke factoren ervoor zorgen dat studenten gaan lenen. De resultaten van deze analyse kunnen vervolgens nuttig zijn in een vervolgstudie, die in kan gaan op de gevolgen van het sociale leenstelsel.

Gebruikmakend van data uit enquêtes uit de jaren 1999 tot 2008 onder ongeveer 80.000 recent afgestudeerden in Nederland, wordt er geprobeerd meer inzicht te krijgen in de factoren die studenten doen beslissen om te gaan lenen of niet. De centrale vraagt luidt daarom: Door welke factoren wordt het leengedrag van studenten in Nederland bepaald?

De opzet van de scriptie is als volgt. In hoofdstuk 2 wordt achtergrondinfor-matie gegeven over studiefinanciering en worden de maatregelen in de huidige situatie vergeleken met het nieuwe stelsel. In hoofdstuk 3 wordt een overzicht gegeven van de relevante literatuur, waarbij ingegaan zal worden op wat het so-ciale leenstelsel voor gevolgen heeft voor de toegankelijkheid van het onderwijs en wordt er onderzocht in hoeverre het leengedrag van studenten naar verwach-ting zal veranderen. In hoofdstuk 4 wordt een omschrijving gegeven van de gebruikte data; hoe deze zijn verzameld, in hoeverre de informatie bruikbaar is, welke manipulaties nodig zijn geweest en welke variabelen zijn gebruikt in de modellen. In hoofdstuk 5 volgt een beschrijving van de drie gebruikte modellen: het Probit, Tobit en Heckman model. In hoofdstuk 6 worden de schattingsresul-taten van deze modellen gepresenteerd en wordt hier interpretatie aan gegeven. In hoofdstuk 7 wordt alles samengevat. Tot slot wordt er in hoofdstuk 8 een conclusie getrokken, waarmee de centrale vraag beantwoord kan worden.

2 Achtergrondinformatie

In dit hoofdstuk wordt het oude studiefinancieringstelsel vergeleken met het sociale leenstelsel, dat werd geïmplementeerd op 1 september 2015.

Het ‘oude’ stelsel

Voor alle studenten die zich tot en met het studiejaar van 2014/2015 hebben ingeschreven voor een opleiding geldt het ‘oude stelsel’, waarbij elke student recht heeft op studiefinanciering tijdens de nominale duur van zijn studie. Voor een hbo-studie is dit 4 jaar, voor een universitaire studie geldt over het algemeen een duur van 3 jaar voor de bachelor en 1 jaar voor de master, tenzij het een meerjarige master betreft. Voor alle studenten die voor september 2015 zijn begonnen met een bachelor en nog niet de volledige beurs voor de nominale duur van de opleiding, waar ze nog mee bezig zijn, hebben ontvangen, geldt dat zij deze beurs nog ontvangen. De beurs voor hun opvolgende master vervalt echter.

Tot september 2015 ontving elke student een basisbeurs voor de nominale duur van zijn studie. Ook is het mogelijk een aanvullende beurs aan te vragen, in het geval het inkomen van de ouders niet toereikend is. Daarnaast heeft iedereen 5 jaar lang recht op het studentenreisproduct. De basisbeurs, aanvullende beurs en studentenreisproduct vormen de prestatiebeurs. Wanneer er binnen 10 jaar een diploma wordt gehaald, dan wordt de prestatiebeurs omgezet in een gift en hoeft dit niet worden terugbetaald (DUO, 2015a). Deze gift is bij een 4-jarige studie en het 5-jarige gebruik van het studentenreisproduct circa 11.000 euro voor thuiswonenden en 20.000 euro voor uitwonenden (DUO, 2015b).

Ook is het mogelijk om een lening aan te vragen. In het geval een student niet voldoende geld heeft om het collegegeld zelf te betalen, kan er tot slot collegegeldkrediet worden aangevraagd (DUO, 2015a).

Maatregelen ‘nieuwe’ stelsel: studievoorschot hoger onderwijs Met het aannemen van de Wet studievoorschot onderwijs verdwijnt de basis-beurs en maakt dit plaats voor het studievoorschot. Dit houdt in dat alle studenten die in september 2015 zijn begonnen met studeren nog steeds maan-delijks een basisbeurs kunnen ontvangen, maar dat dit op het einde van hun studietijd zal moeten worden terugbetaald. Als regeling geldt dat jaarlijks niet meer dan 4% van hun inkomen boven het minimumloon hoeft worden terug-betaald. De terugbetaaltermijn wordt van 15 jaar verlengd naar 35 jaar. Nog

steeds is er de mogelijkheid om een aanvullende beurs aan te vragen voor stu-denten met minder vermogende ouders, die in dit stelsel hoger is dan voorheen. Bij het afronden van een studie binnen 10 jaar hoeft de aanvullende beurs niet worden terugbetaald (Bussemaker, 2015).

Door middel van deze hervormingen wordt er geld vrijgemaakt, dat kan worden geïnvesteerd in de kwaliteit van het onderwijs (Bussemaker, 2015).

3 Literatuuronderzoek

Dit hoofdstuk bevat een samenvatting van relevante literatuur met betrekking tot het leengedrag van studenten. Eerst zal worden gekeken naar het behoud van de toegankelijkheid van het onderwijs onder het sociale leenstelsel, vervolgens wordt er gekeken naar de houding van studenten ten opzichte van het aangaan van een schuld.

Behoud toegankelijkheid van het onderwijs

In veel wetenschappelijke literatuur is onderzoek gedaan naar de toegankelijk-heid van het onderwijs bij de invoering van een sociaal leenstelsel. Zo ook in het onderzoek van Oosterbeek en Webbink (1995). Hierbij werd een simulatie gedaan van de situatie van toenmalige studenten, waarbij er een vast bedrag per maand aan hun studieschuld werd toegevoegd. Over het algemeen beïnvloedde dit niet het aantal inschrijvingen voor hoger onderwijs. De enige uitzondering hierop waren echter de studenten uit families met de laagste inkomens, waar een significante maar kleine afname in aantal inschrijvingen te vinden was. Dit komt door het feit dat een vast bedrag procentueel gezien een groter effect heeft (Oosterbeek en Webbink, 1995).

Door de invoering van het sociale leenstelsel zullen studenten meer moeten bijdragen aan de kosten voor hun onderwijs. Oosterbeek (1998) gaat in op welke manier de toegankelijkheid van het hoger onderwijs gewaarborgd blijft, ondanks deze hogere kosten. Er worden drie financiële stelsels toegelicht waar-mee de overheid studenten kan helpen om hun studiekosten te betalen: een mix tussen een lening en een inkomensafhankelijke beurs, een terugbetaling inclusief belastingregeling, en het inkomensafhankelijke terugbetalingssysteem. Er wordt geconcludeerd dat dit laastste stelsel de minste nadelen met zich meebrengt: er hoeft niet meer terugbetaald te worden dan de lening en rente. Er hoeft geen belasting worden betaald over de lening en bovendien blijkt dat het stelsel niet leidt tot een ontmoediging om te gaan studeren (Oosterbeek, 1998, pp. 24).

Een andere indicatie voor het behoud van de toegankelijkheid van het on-derwijs onder het sociale leenstelsel blijkt uit de ervaringen in Australië, zoals ook in de artikelen van Jacobs (2002) en Vossensteyn (2012) naar wordt verwe-zen. In 1989 is in Australië het Higher Education Contribution Scheme (HECS) ingevoerd. Dit komt in grote lijnen overeen met het sociale leenstelsel dat in Nederland ingevoerd wordt. Chapman (1997) en Barr (1998) stellen dat de toegankelijkheid van het onderwijs alleen maar is toegenomen door HECS, aan-gezien het hierdoor voor de hele populatie mogelijk is om deel te nemen aan het onderwijs. Het biedt een uitkomst voor zowel studenten uit minder welgestelde gezinnen, als voor studenten uit rijkere families, die niet op financiële steun van hun ouders kunnen rekenen.

Ook is er onderzoek gedaan naar in hoeverre de leningen kunnen worden te-rugbetaald. Harding (1993, 1995) voorspelt dat in Australië respectievelijk 96% en 77% van de mannen en vrouwen hiertoe in staat zullen zijn. Uiteindelijk zul-len mensen met hogere inkomens meer terug kunnen betazul-len dan afgestudeerden met lagere inkomens. Dit zorgt voor een nivellerend effect.

Chapman en Ryan (2005) onderzochten ook in hoeverre de sociale compositie van deelnemers aan het hoger onderwijs veranderd is in Australië na invoering van HECS. Door de deelnemers aan het hoger onderwijs uit 1988 (dus vlak voor de introductie van HECS) en 1999 met elkaar te vergelijken, bleek dat de sociale verdeling gelijker is geworden. Ook bleek dat er procentueel meer vrou-wen zijn gaan studeren. Er kan hieruit geconcludeerd worden dat HECS geen ontmoedigende werking heeft op deelname aan het hoger onderwijs in Australië. Schuldaversie onder jongeren

Wanneer er gesproken wordt over de invoering van het sociale leenstelsel, wordt dit ook vaak in verband gebracht met de schuldaversie van jongeren. Om hier een beeld van te schetsen, wordt er gekeken naar de situatie in Engeland, waar in 1998 een vorm van een sociaal leenstelsel geïntroduceerd. Vanaf dat moment werd het collegegeld niet meer door de overheid bekostigd. Dit ging om een een bedrag van 1000 pond per jaar. In 2006 steeg dit bedrag naar 3000 pond. Studenten uit een lagere sociale klasse hebben hierbij wel recht op beurzen en (gedeeltelijke) vrijstelling van collegegeld. Volgens het UCAS (2012) heeft deze toename in collegegeld niet geleid tot een afname in het aantal aanmeldingen voor het hoger onderwijs. Sinds 2004 is er zelfs een stijging in het relatieve aantal studenten uit lagere inkomensgropeen te zien (Vossensteyn, 2012). Ook het percentage studenten uit de laagste inkomensgroep is niet verminderd. Er

lijkt geen sprake van leenangst, aangezien 80 procent van de Britse studenten is gaan lenen door de verhoging van het collegegeld (Vossensteyn, 2012).

Daar tegenover staan de resultaten uit het onderzoek van Callender en Jack-son (2005). Zij hebben onderzocht of er een duidelijk verband is tussen de mate van leenaversie van aankomende studenten in Engeland en hun beslissing om wel of niet te gaan studeren. Het bleek dat mensen uit een lagere sociale klasse het meest schuldavers zijn en dat dit hen ervan weerhoudt om te gaan stude-ren. Voor hen wegen de nadelen van de kosten minder op tegen de voordelen van naar de universiteit gaan. Dit verband is echter niet gevonden voor hogere sociale klassen (Callender en Jackson, 2005, pp. 11-13).

Ook in Nederland is er onderzoek gedaan naar hoe studenten het lenen van geld voor hun studie ervaren en of hen dit ervan weerhoudt om te gaan studeren. Het onderzoek van Oosterbeek en Van den Broek (2009) werd gedaan onder 6000 Nederlandse studenten. Wat opvalt is dat veel studenten een parttime baan hebben, in plaats van fulltime te studeren en te lenen. Verder blijkt dat zelfs studenten die zeker zijn over het afronden van hun studie en hun baankansen als goed inschatten, een kleine kans hebben om te gaan lenen. Leenaversie lijkt daarom een belangrijke rol te spelen in het maken van leenbeslissingen van jongeren (Oosterbeek, Van den Broek, 2009, p. 179).

Uit het onderzoek blijkt dat studenten met goede financiële vooruitzichten meer en vaker lenen. Ook mannen lenen significant meer dan vrouwen. Boven-dien wordt er meer geleend door universitaire studenten dan hbo’ers. Er een negatief verband gevonden tussen de hoogte van het inkomen van de ouders en de hoeveelheid schuld. Studenten die een lening aangaan, geven zichzelf een gro-tere kans om hun studie af te ronden. Deze groep is over het algemeen minder risico-avers en dus ook minder leenavers. Tot slot blijkt dat het verminderen van het aantal gewerkte uren slechts een klein positief effect heeft op de tijd die wordt besteed aan studeren (Oosterbeek en Van den Broek, 2009, p. 172).

Belot, Canton en Webbink (2007) keken naar het effect van de verkorting van het recht op studiefinanciering op het gedrag en tijdsbesteding van studenten. In Nederland kregen studenten vanaf 1996 enkel nog studiefinanciering voor de nominale duur van hun studie, in plaats van van deze periode plus 1 jaar. Er wordt geconcludeerd dat studenten door deze maatregel minder van opleiding veranderden, dat er hogere cijfers werden gehaald, maar dat er geen significante toename was in de tijd die werd besteed aan studeren of werken (2007, p. 261).

4 Data

In dit hoofdstuk volgt een beschrijving van de gegevens gebruikt in het empiri-sche onderzoek.

De data zijn afkomstig van SEO Economisch Onderzoek, een onderzoeksbu-reau opgericht in 1949 aan de Universiteit van Amsterdam. Sinds 1997 wordt er elk jaar een editie van ’Studie & Werk’ gepubliceerd in opdracht van de Elsevier, waarbij er onderzoek wordt gedaan naar de positie op de arbeidsmarkt van net afgestudeerde hoger opgeleiden. Voor elke jaargang wordt er informatie verza-meld door een enquête af te nemen bij recent afgestudeerden van Nederlandse hogescholen en universiteiten. De focus van het onderzoek ligt op het in kaart brengen van welke studies de beste banen opleveren.

De dataset ter beschikking bevat informatie over de enquêtes uit 1999 tot 2008. Elk jaar bevat rond de 8.000 respondenten, wat in totaal ongeveer 80.000 ingevulde enquêtes levert. De groep waarin we geïnteresseerd zijn in deze scrip-tie zijn werkende en afgestudeerde starters. Om de studieschuld van deze groep goed in kaart te brengen zijn er een aantal filters toegepast.

Allereerst zijn we enkel geïnteresseerd in personen die op het moment van de enquête aan het werk zijn, werkzoekende zijn of nog bezig zijn met hun vervolgopleiding. De resterende groep bestaat uit vrijwillig werklozen en huis-vrouwen en deze worden niet meegenomen in onze analyse. Daarnaast is het voor het vergelijken van de studieschuld van belang dat mensen voltijd hebben gestudeerd. Aangezien we geïnteresseerd zijn in enkel recent afgestudeerden, wordt er gecorrigeerd voor uitschieters wat betreft het afstudeerjaar. Ook het verwachte salaris over 5 jaar bevatte uitschieters, waarvoor is gecorrigeerd door 3 waarnemingen van onrealistische waarden groter dan 100 miljoen euro te uit de dataset te verwijderen. Uiteindelijk is 93 procent van het totale aantal waar-nemingen daadwerkelijk bruikbaar voor mijn analyse, wat neerkomt op in totaal 74.831 waarnemingen.

De achtergrondinformatie van de respondenten omvat gegevens over geslacht, inkomen van ouders, opleiding van de ouders, studieduur, tentamengemiddelde op het hbo of wo, salaris van eerste en huidige baan en verwacht netto loon over 5 jaar, of studenten een hbo of wo opleiding hebben gevolgd, en of studenten een part-time baan hebben gehad tijdens hun studie. In tabel 1 wordt een overzicht van de gebruikte variabelen gegeven.

Tabel 1: Overzicht gebruikte variabelen

schaal mean st.dev. min max maandsalaris eerste baan euro’s/maand 582.6140 635.1451 0 5000 verwachte maandsalaris in 5 jaar euro’s/maand 2064.4660 3141.4620 0 500000 maandsalaris huidige baan euro’s/maand 1193.8140 687.2302 0 5517 opleiding ouders 0-10 5.9233 2.1428 0 10 inkomen ouders 0-5 0.2955 1.0493 0 5 studieschuld x 1000 euro 3.7745 7.0869 0 90 studieschuld dummy 0.4357 0.4959 0 1 studieduur in jaren 4.6371 1.6536 0 10 gemiddeld tentamencijfer 0-10 6.9654 1.3108 0 10 werkervaring tijdens studie 0-5 1.7040 1.5402 0 5 man dummy 0.4553 0.4980 0 1 leeftijd op moment enquête in jaren 26.3552 2.8545 19 77 wo dummy 0.4952 0.5000 0 1 Aantal observaties 74831

Er is gekeken naar het salaris van de eerste en huidige baan en het ver-wachte loon van respondenten. Bijna de helft van de salarissen van de eerste baan misten, hierdoor valt het gemiddelde van deze variabele laag uit (583 euro per maand) ten opzichte van bijvoorbeeld het verwachte en huidige salaris (res-pectievelijk 2084 en 1194 euro per maand). Aan de missende gegevens is een waarde 0 toegekend en vervolgens is er een dummy geconstrueerd die corrigeert voor het gebrek aan informatie.

Vervolgens is er gekeken naar de opleiding van de ouders. De beschikbare gegevens hebben betrekking op de opleiding van de vader en moeder. Aange-zien er een hoge correlatie wordt verwacht tussen deze twee variabelen, is er nieuwe variabele gecreëerd voor het gezamenlijke opleiding van de ouders. De oorspronkelijke schaal waarop dit opleidingsniveau wordt gemeten is 0 tot 5, de nieuwe variabele telt deze twee bij elkaar op dus vormt een schaal van 0 tot 10. De variabele met betrekking tot het inkomen van de ouders bevatte slechts 8 procent aan ingevulde data. Daarom valt het gemiddelde erg laag uit (0.30 op een schaal van 0 tot 5). Door deze missende gegevens een waarde 0 toe te kennen en een dummy in te voegen voor deze missende gegevens, wordt hier gedeeltelijk voor gecorrigeerd.

Voor het kaart brengen van de hoeveelheid werkervaring die opgedaan is tij-dens de studie, is een nieuwe variabele gevormd aan de hand van 5 dummy’s met betrekking op respectievelijk stage-ervaring, het hebben van een

studentenbij-baan, relevante werkervaring, niet-studie gerelateerde werkervaring en algemene werkervaring. Hierdoor is een index ontstaan die de hoeveelheid aan werkerva-ring aangeeft van 0 tot 5. De gegeven waarde van 1.70 is een onderschatting van de daadwerkelijke hoeveelheid werkervaring door het ontbreken van 38 procent van de gegevens. Ook dit wordt gecorrigeerd door de missende gegevens een waarde 0 toe te kennen en een dummy in te voegen.

Na inspectie en het vergelijken van de geboortedatum en het moment van het afnemen van de enquête, is de leeftijd van de respondenten op het moment van de enquête berekend.

De variabele waar we het meest in geïnteresseerd zijn in deze scriptie is de studieschuld. In figuur 1 is de verdeling van de studieschuld te zien: er is een sterk scheve verdeling naar links, aangezien 56 procent van de studenten geen schuld heeft (gehad). In figuur 2 is de verdeling van de studieschuld van enkel personen die lenen getoond; ook hier is een scheve verdeling naar links aanwezig, aangezien er slechts 5 procent van alle respondenten een schuld heeft van meer dan 19.000 euro. Uit tabel 1 blijkt dat de respondenten gemiddeld 3775 euro schuld hebben, maar ook dat er een relatief grote standaarddeviatie (7070) is.

Figuur 2 : De verdeling van de studieschuld voor leners

Tot slot blijkt uit de gegevens dat studenten gemiddeld iets meer dan 4.5 jaar studeren en als tentamengemiddelde bijna een 7 hebben. De respondenten zijn gemiddeld 26 jaar oud en 46 procent van hen is man. De helft heeft een wo opleiding afgerond. De dummy’s voor het geslacht en wo plus de leeftijd zullen dienen als controle-variabelen in ons multivariate model.

Door het creëeren van een dummy voor het hebben van een studieschuld, kan er onderscheid worden gemaakt tussen respondenten die wel en niet geleend hebben tijdens hun studie. Uit de data is gebleken dat 44 procent van de respondenten een studieschuld heeft opgebouwd tijdens zijn studie en 56 procent niet. In tabel 2 en 3 wordt een overzicht gegeven van de variabelen voor deze twee groepen.

Uit tabel 2 en 3 blijken de volgende verschillen tussen lenende en niet-lenende studenten. De lenende studenten zijn vaker man en wo student. Tijdens hun studie hebben respondenten met een studieschuld meer werkervaring gehad dan respondenten zonder schuld. De salarissen van lenende studenten vallen hoger uit dan van niet-lenende studenten. Respondenten met een studieschuld ver-wachten ook dat ze betere financiële vooruitzichten hebben dan personen die geen studieschuld hebben. De opleiding van de ouders van lenende studenten is hoger dan van ouders van niet-lenende studenten. Daarentegen is het inkomen van de ouders van lenende studenten lager dan van ouders van niet-lenende stu-denten. Lenende studenten studeren langer dan studenten zonder studieschuld. Er is geen duidelijk verschil te zien tussen cijfergemiddeldes.

Tabel 2: Overzicht relevante variabelen voor respondenten zonder studielening

schaal mean st.dev. min max maandsalaris eerste baan euro’s/maand 539.8086 617.6334 0 5000 verwachte maandsalaris in 5 jaar euro’s/maand 1942.4240 4167.7420 0 500000 maandsalaris huidige baan euro’s/maand 1130.4400 686.8129 0 5208 opleiding ouders 0-10 5.8210 2.1151 0 10 inkomen ouders 0-5 0.3255 1.1002 0 5 studieschuld x 1000 euro 0 0 0 0 studieduur in jaren 4.3394 1.4379 0 10 tentamencijfer 0-10 6.9563 1.3871 0 10 werkervaring tijdens studie 0-5 1.6223 1.5151 0 5 man dummy 0.4155 0.4928 0 1 leeftijd op moment enquête in jaren 25.7817 2.9594 19 77 wo dummy 0.4115 0.4921 0 1 Aantal observaties 42228

Tabel 3: Overzicht relevante variabelen voor respondenten met studielening

schaal mean st.dev. min max maandsalaris eerste baan euro’s/maand 638.0037 652.9852 0 5000 verwacht maandsalaris in 5 jaar euro’s/maand 2268.3570 4785.9920 0 500000 maandsalaris huidige baan euro’s/maand 1275.7880 679.1230 0 5517 opleiding ouders 0-10 6.0560 2.1709 0 10 inkomen ouders 0-5 0.2565 0.9780 0 5 studieschuld x 1000 euro 8.6632 8.5395 0 90 studieduur in jaren 5.0228 1.8263 0 10 tentamencijfer 0-10 6.9773 1.2041 0 10 werkervaring tijdens studie 0-5 1.8099 1.5659 0 5 man dummy 0.5067 0.5000 0 1 leeftijd op moment enquete in jaren 27.0984 2.5262 21 71 wo dummy 0.6036 0.4892 0 1 Aantal observaties 32603

Alle bovengenoemde relaties zijn bivariaat en controleren dus niet voor cor-relatie met andere variabelen. Het kan namelijk zo zijn dat wanneer er meerdere variabelen worden ingevoegd in een model, bepaalde verbanden niet meer gel-den. Daarom zal er in de volgende sectie in worden gegaan op de resultaten in een multivariate setting.

5 Modellen

Aan de hand van bovengenoemde variabelen kunnen er Probit, Tobit en Heck-man modellen worden geschat. Voor het Probit model wordt de dummy voor het hebben van schuld als afhankelijke variabele gebruikt. Voor het Tobit en Heckman model gebruiken we de variabele met betrekking op de hoeveelheid schuld.

Probit model

Het Probit model wordt als volgt gedefinieerd:

E(y) = P (y = 1) (1)

P (y = 1_|X1, X2, ..., Xi) = ( 0+ 1X1+ 2X2+ ... + iXi) (2)

@E(y)

@xi = ( 0+ 1X1+ 2X2+ ... + iXi)⇥ i (3)

waarbij Y de afhankelijke binaire variabele is, de cumulatieve standaard-normale verdelingsfunctie, en de coëfficienten voorstelt voor de variabelen X1....Xk.

Dit model kan worden geïnterpreteerd door de bijbehorende standaardnor-male z-waarde te vinden, waarbij z = ˆ0+ ˆ1X1+ ˆ2X2+ ... + ˆiXi, en hiervoor

de cumulatieve kans te bepalen. Vervolgens kan de verwachte kans op y = 1 worden berekend. De coëfficiënt i geeft de verandering in de z-waarde aan

door een verandering in Xi, waarbij de rest van de variabelen constant

gehou-den wordt. De verwachte verandering in y door een verandering in X is wordt daarom geïnterpreteerd als de verandering in de kans dat y = 1.

In het Probit model wordt de binaire variabele, in de vorm van een dummy voor het hebben van schuld, gebruikt als afhankelijke variabele. Oosterbeek (2009) geeft aan dat de verwachte financiële inkomsten van invloed kunnen zijn

op de kans dat er geleend wordt. Daarnaast kan het inkomen van de ouders ook als indicator voor het verwachte loon van de studenten dienen. Het opleidings-niveau van de respondenten is van belang in deze analyse, omdat er verwacht wordt dat wo studenten over het algemeen langer studeren dan hbo’ers en dit een positief effect kan hebben op de schuld. Ook kan dit, net zoals het opleidings-niveau van de ouders, samenhangen met de verwachte financiële vooruitzichten van de respondenten. Daarnaast kan het feit dat studenten een part-time baan hebben gehad tijdens hun studie ook van belang kan zijn voor het hebben van wel of geen studieschuld. Tot slot wordt er in het artikel van Oosterbeek (2009) aangegeven dat het nuttig is om een indicatie te hebben van iemands testresul-taten van hun opleiding, omdat dit ook effect heeft op lenen.

Daarom wordt er gekeken naar het effect dat het huidige en het eerste sa-laris hebben op het nemen van schuld. Verder worden ook het inkomen en opleiding van de ouders, studieduur, tentamengemiddelde op het hbo ofwel wo, werkervaring en hbo of wo student, gebruikt als verklarende variabelen. Als controle-variabelen worden het geslacht en de leeftijd toegevoegd.

Door middel van het Probit model kunnen er conclusies worden getrokken over de waarschijnlijkheid van het nemen van een studieschuld. Er kan echter niet worden gekeken naar de hoeveelheid studieschuld die studenten op zich nemen, in het geval er gekozen om te gaan lenen. Daarom zal er in de volgende sectie het Tobit model worden toegelicht, waarbij dit wel mogelijk is.

Tobit model

Waar we in deze scriptie in geïnteresseerd zijn is waardoor de hoeveelheid stu-dieschuld beïnvloed wordt. Wat al eerder is gebleken, is dat 56 procent van de waarnemingen een waarde van 0 heeft voor de studieschuld. Een geschikt model om hier daarom te gebruiken is het Tobit model.

Het Tobit model veronderstelt dat de afhankelijke variabele een groot aantal waarnemingen bevat met een geclusterde waarde (dit is meestal 0, zoals ook hier het geval is). Door het gebruik van de Tobit techniek worden alle waarnemingen gebruikt, dus zowel met de geclusterde waarde als de rest, om tot schattingsre-sultaten te komen. Dit geeft over het algemeen consistentere schattingen dan OLS, wat in dit geval een onderschatting van de daadwerkelijke resultaten zou geven. (McDonald, Moffitt, 1980, p. 318).

y_{⇤ = X}i i+ ui (4)

yi= y⇤ als y⇤ > 0

yi= 0 als y⇤  0 (5)

waarbij yi de afhankelijke variabele is, Xi een vector van alle onafhankelijke

variabelen vormt, en i een vector van coëfficiënten vormt. Tot slot is ui de

onafhankelijk en normaal verdeelde storingsterm. Het model veronderstelt dat er een niet direct observeerbare variabele y⇤ bestaat, die enkel geobserveerd kan worden wanneer het een positieve waarde aanneemt. De verwachte waarde van alle waarnemingen wordt op de volgende manier gedefinieerd:

E(y) = Xi i (z) + (z) (6)

waarbij z = Xi i/ , (z) de standaardnormale verdeling is en (z) de

cumula-tieve standaardnormale verdeling is voor het hebben van een posicumula-tieve schuld. De verwachte waarde van y gegeven het feit dat dit een positieve waarde aan-neemt, kunnen we als volgt definiëren:

E(y|y > 0) = E(y|ui> Xi i) =Xi i+ E(ui|ui> Xi i)= Xi i+ (z)

(z) (7) De laatste term in vergelijking (7) is echter niet gelijk aan 0, waardoor blijkt dat de verwachte waardes van y en y gegeven dat het een positieve waarde aanneemt, niet aan elkaar gelijk kunnen zijn. De relatie tussen deze verwachte waardes is als volgt:

E(y) = (z)E(y_{|y > 0)} (8)

Aangezien (z) de cumulatieve standaardnormale verdeling is voor het heb-ben van een schuld en dus enkel waarden tussen 0 en 1 aan kan nemen, is er te zien dat de verwachting van y, gegeven dat dit positief is, een overschatting van de daadwerkelijke waardes voor y zal geven.

Van belang is de interpretatie van de coëfficiënten iin het model. McDonald

en Moffitt (1980) hebben de volgende vergelijking afgeleid, die het effect van een verandering in de i’de variabele van X op y meet:

@E(y) @Xik = F (z)@E(y|y > 0) @Xi + E(y_{|y > 0)}@F (z) @Xi (9)

Het totale effect op y (hier: de hoeveelheid schuld) kan dus worden onder-verdeeld in 2 delen: (1) het effect op y voor personen met een positieve schuld, met als wegingsfactor de kans dat iemand een schuld heeft; en (2) het effect van de kans om een positieve schuld te hebben, met als wegingsfactor de verwachte waarde van y wanneer iemand daadwerkelijk een schuld heeft.

De afgeleide van het effect van X op y voor alle gevallen met een positieve waarde kunnen we als volgt afleiden:

@E(y_{|y > 0)} @Xi = i(1 (z⇥ (z) (z) (z)2 (z)2)) (10)

Voor de gevallen die op de geclusterde waarde van 0 liggen en dus geen studieschuld hebben, geldt het volgende:

@ (z) @Xi =

i⇥ (z) (11)

Door middel van het invullen van formules (10) en (11) kan formule (9) vereenvoudigd worden en kan er gevonden worden dat het effect van X op y gemeten wordt door de coëfficiënt te corrigeren met de kans dat iemand een schuld heeft (McDonald, Moffitt, 1980, p. 319):

@E(y) @Xi

= (z) i (12)

In dit model zal de hoeveelheid studieschuld dienen als afhankelijke variabele y, die geobserveerd zal worden wanneer de niet observeerbare y⇤ positief is. Als verklarende variabelen wordt de leeftijd van de respondenten, het inkomen en opleiding van de ouders, de studieduur, tentamencijfer en werkervaring gebruikt. Ook worden er dummies toegevoegd voor het geslacht en of de respondent een hbo danwel wo opleiding heeft afgerond.

Heckman model

In het Tobit model wordt er gekeken naar het proces voor het kiezen van een hoeveelheid schuld, maar niet naar de onderliggende redenen voor het aangaan van wel of geen schuld. Een model dat dit wel doet is het Heckman model, dat veronderstelt dat het proces voor het nemen van schuld in twee delen kan worden opgesplitst: allereerst moet worden bepaald of er een lening wordt genomen

of niet. Dit hangt af van factoren zoals het inkomen van de ouders en wat voor financiële vooruitzichten iemand heeft. Vervolgens, in het geval er wordt besloten om te gaan lenen, kan gekeken worden naar het bedrag dat mensen willen lenen, wat bijvoorbeeld af kan hangen van of studenten een bijbaantje hebben en hoe lang ze studeren. Deze twee processen zijn onafhankelijk van elkaar en worden vaak door verschillende factoren beïnvloed (Heckman, 1979).

Het model wordt als volgt gedefinieerd:

y1⇤ = X1 1+ u1 (13) y2⇤ = X2 2+ u2 (14) y1= y1⇤ als y2⇤ > 0 y1= 0 als y2⇤  0 (15) u1 u2 ! ⇠ N 0 0 ! , 2 _⇢ ⇢ 1 !! (16) waarbij y1⇤ de regressievergelijking en y2⇤ de selectievergelijking genoemd wordt.

y1⇤ geeft ons informatie over onze afhankelijke variabele in het geval er

infor-matie over y1 bekend is. y2⇤ geeft aan of de informatie over onze afhankelijke

variabele y1 is ingevuld of niet. Tot slot moet de aanname gelden dat de

sto-ringsterm u1 normaal verdeeld is en u2 standaardnormaal verdeeld is, en dat

beide termen met elkaar gecorreleerd zijn met ⇢ (Puhani, 2000, p. 54).

De verwachting van y1 gegeven dat de selectievergelijking positief is wordt

als volgt gedefinieerd:

E(y1i|X1i, y2⇤ > 0) = X1i 1+ E(u1|u2> X2i 2) (17)

Zoals te zien is in formule (17), hangt de afhankelijke variabele y1 in ons

model af van zowel X1als X2.

De verwachting van de storingsterm u1is als volgt:

E(u1|u2> X2i 2)= ⇢ ⇥ ( (X

2i 2))

1 ( (X2i 2)) (18)

waarbij en respectievelijk de cumulatieve standaardnormale kansfunctie en cumulatieve standaardnormale verdelingsfunctie zijn (Puhani, 2000, p. 55). De

verwachte waarde van y1 gegeven dat de selectievergelijking positief is wordt

daarom als volgt herschreven:

E(y1i|X1i, y2⇤ > 0) = X1i 1+ ⇢ ⇥

( (X2i 2))

1 ( (X2i 2)) (19)

waarbij de laatste term de Mills ratio wordt genoemd: ( (X2i 2)) =

( (X2i 2))

1 ( (X2i 2)) (20)

In dit model zal de hoeveelheid studieschuld dienen als afhankelijke variabele y1, die geobserveerd zal worden wanneer de selectievergelijking positief zal zijn.

De regressievergelijking y1⇤ wordt gevormd door het inkomen van de ouders,

studieduur, hoeveelheid werkervaring en hbo ofwel wo onderwijs als verklarende variabelen te gebruiken. Daarnaast worden leeftijd en geslacht als controle-variabelen toegevoegd. De selectievergelijking y2⇤ bepaalt op basis van welke

factoren er wordt gekozen om een studieschuld aan te gaan of niet. Verwacht wordt dat het verwachte salaris over 5 jaar, het inkomen van de ouders en het tentamengemiddelde van invloed kunnen zijn op deze keuze.

6 Resultaten

In dit hoofdstuk worden de resultaten uit de gebruikte modellen gepresenteerd. Probit model

In tabel 4 worden de schattingsresultaten van dit model getoond.

De resultaten van het Probit model geven aan dat alle variabelen significant zijn. Er is te zien dat mannen een grotere kans hebben om een studieschuld aan te gaan. Met het toenemen van iemands leeftijd neemt ook de kans toe op het hebben van een studieschuld. Daarentegen is het waarschijnlijk dat studenten met ouders met een hoger inkomen een kleinere schuld aan zullen gaan.

Hoe langer iemand heeft gestudeerd, hoe hoger de kans dat er geleend is tijdens de studie. Studenten die hogere cijfers halen, blijken een lagere kans te hebben om te gaan lenen. Daarentegen zullen studenten met meer werkervaring tijdens hun studie, net zoals wo studenten, een grotere kans hebben om te lenen. Om een duidelijkere interpretatie te geven aan deze output wordt er met twee referentiepersonen gewerkt: een man met een studielening, met gemid-delde waardes voor de overige variabelen in dit model (zie tabel 3), waarbij er

Tabel 4: Probit model

studieschuld dummy voor studieschuld

netto maand salaris eerste baan -0.000⇤ _(0.0000)

netto maand salaris huidige baan -0.000⇤⇤⇤ _(0.0000)

leeftijd op moment enquête 0.068⇤⇤⇤ _(0.0018)

dummy voor man 0.161⇤⇤⇤ _(0.0098)

opleiding ouders 0.007⇤⇤ _(0.0025)

inkomen ouders -0.099⇤⇤⇤ _(0.0149)

studieduur 0.128⇤⇤⇤ _(0.0036)

gemiddeld tentamencijfer -0.120⇤⇤⇤ _(0.0092)

werkervaring tijdens studie 0.053⇤⇤⇤ _(0.0064)

dummy voor wo 0.229⇤⇤⇤ _(0.0112)

constante -1.487⇤⇤⇤ _(0.1020)

Aantal observaties 74831

Standaardafwijkingen tussen haakjes.1

⇤_{p < 0.05,}⇤⇤_{p < 0.01,}⇤⇤⇤_{p < 0.001}

onderscheid wordt gemaakt tussen een hbo en wo student.

Voor onze wo referentiepersoon is de bijbehorende z-waarde is 0.57. De kans op het hebben van schuld voor de dit persoon is in deze situatie 71.6 procent. Nu kan er worden gekeken naar het verschil tussen man en vrouw. Een vrouw met dezelfde waardes voor de overige variabelen heeft een kans van 65.9 procent voor het hebben van een schuld, wat 5.7 procentpunten lager ligt ten opzichte van de man. Wanneer de man 1 jaar ouder is, gegeven dat de rest van de waardes voor de variabelen constant blijft, dan zal de waarschijnlijkheid op het hebben van schuld met 2.3 procentpunten toenemen. Wanneer het inkomen van de ouders met 1 eenheid omhoog gaat dan zal de kans op het hebben van een schuld met 2.5 procentpunten afnemen. Wanneer er 1 jaar langer gestudeerd wordt, neemt de kans op het hebben van een schuld met 4.2 procentpunten toe voor de man. De hbo referentiepersoon heeft een kans van 63.3 procent op het hebben van een schuld, wat beduidend lager ligt dan 71.6 procent voor een wo student. Een vrouw met dezelfde karakteristieken heeft een kans van 57.1 procent voor het hebben van een studieschuld. Met de toename van de leeftijd van de man met 1 jaar, neemt de kans op schuld met 2.6 procentpunten toe. Het toenemen van het inkomen van de ouders met 1 eenheid zorgt voor een afname in de waarschijnlijkheid om te gaan lenen van 3.8 procentpunten. Dit effect is relatief gezien groter voor hbo studenten dan wo studenten. Verder zorgt een toename

van 1 jaar in de studieduur voor een toename in de kans op een schuld van 4.8 procentpunten.

Wanneer er vervolgens gekeken wordt naar de wo referentiepersoon zonder studielening, dan zien we dat dit een z-waarde levert van 0.39 en een kans op het hebben van een schuld van 65.2 procent. Een vrouw met dezelfde waardes voor de overige variabelen heeft een kans van 59.1 procent op het hebben van een studieschuld, 6.1 procentpunten lager ten op zichte van de man.

De hbo referentiepersoon zonder lening heeft ook een lagere kans om te gaan lenen dat een wo student: 56.4 procent, wat 8.8 procentpunten lager ligt. Tot slot heeft een vrouw met hbo opleiding en zonder lening een kans op het nemen van een schuld van 50 procent.

Tobit model

De schattingsresultaten van het Tobit model in tabel 5 geven het effect weer van de coëfficiënten op onze onobserveerbare variabele y⇤. Er moet in acht worden genomen dat deze effecten een overschatting zijn van het effect op de daadwerkelijke afhankelijke variabele y (zie vergelijking (12)).

Een nauwkeurigere interpretatie van de coëfficiënten kan worden gegeven door opnieuw gebruik te maken van dezelfde referentiepersonen als in het Probit model: man met wo ofwel hbo opleiding en een studieschuld, met gemiddelde waardes voor de rest van de gebruikte variabelen.

Voor de wo referentiepersoon wordt een z-waarde gevonden van 0.56. Dit levert een (z) van 0.71. De bijbehorende (z) kan gevonden worden door

(z) = p1

2⇡ ⇥ exp( z2

2

) (21)

Dit geeft ons een waarde van 0.3410 voor (z).

De verwachte schuld voor de wo referentiepersoon kan worden berekend aan de hand van formule (6), wat ons een waarde voor de verwachte studieschuld geeft van 8796 euro. Wanneer dit vervolgens wordt vergeleken met het de wer-kelijkheid en er wordt gekeken naar de gemiddelde hoeveelheid schuld voor een persoon met lening uit tabel 3, dan zien we dat de waarde van 8663 goed bena-derd wordt.

Voor het schatten van het effect van een verandering in een bepaalde onaf-hankelijke variabele wordt formule (12) en (z) van 0.71 gebruikt.

Geschat wordt dat een vrouw 0.71 ⇥ 1.62 ⇥ 1000 = 1150.20 euro minder schuld heeft dan de desbetreffende man. Ook kan worden gevonden dat 0.71 ⇥ 0.925⇥ 1000 = 656.80 het effect is op de hoeveelheid schuld van een verhoging in de leeftijd met 1 eenheid voor de man. Oftewel, verhoging van de leeftijd met 1 jaar leidt tot 656.80 euro meer studieschuld. Ook leidt de toename met 1 eenheid van het ouderlijk inkomen tot een afname in de schuld van 1058 euro. Een toename van de studieduur met 1 jaar zorgt voor een toename in de schuld van 1042 euro.

De hbo referentiepersoon heeft een geschatte schuld van 7186 euro, wat 1610 euro lager is dan de schuld van de wo referentiepersoon. Voor een vrouw wordt geschat dat ze een schuld heeft die 1038 euro lager ligt. Verhoging van de leeftijd met 1 jaar zorgt voor 593 euro meer schuld. Ook zorgt een jaar langer studeren voor 940 euro meer schuld. Tot slot leidt een toename van het ouderlijk inkomen met 1 eenheid voor een afname in de schuld van 955 euro.

Tabel 5: Tobit model

studieschuld (x 1000) model

leeftijd op moment enquête 0.925⇤⇤⇤ _(0.0188)

dummy voor man 1.620⇤⇤⇤ _(0.1020)

opleiding ouders 0.037 (0.0264)

inkomen ouders -1.491⇤⇤⇤ _(0.1600)

studieduur 1.468⇤⇤⇤ _(0.0367)

gemiddeld tentamencijfer -1.138⇤⇤⇤ _(0.0978)

werkervaring tijdens studie 0.613⇤⇤⇤ _(0.0650)

dummy voor wo 2.366⇤⇤⇤ _(0.1170) constante -22.760⇤⇤⇤ _(1.0740) sigma 11.898⇤⇤⇤ _(0.0512) constante 11.910⇤⇤⇤ _(0.0512) Observaties lening 42228 geen lening 32603 totaal 74831

Standaardafwijkingen tussen haakjes. Ook zijn er dummy’s toegevoegd voor missende gegevens voor de opleiding en het inkomen van de ouders, studieduur, tentamencijfer en werkervaring.

Heckman model

Hieronder volgen de schattingsresultaten van dit model. Tabel 6: Heckman model

studieschuld x 1000 studieschuld

leeftijd op moment enquête 0.582⇤⇤⇤ _(0.0233)

dummy voor man 0.524⇤⇤⇤ _(0.0946)

inkomen ouders -0.968⇤⇤⇤ _(0.1420)

Studieduur 0.503⇤⇤⇤ _(0.0306)

werkervaring tijdens studie 0.176⇤⇤ _(0.0544)

wo 0.287⇤⇤ _(0.1010)

Constant -4.139⇤⇤⇤ _(0.9420)

select

leeftijd op moment enquête 0.096⇤⇤⇤ _(0.0016)

dummy voor man 0.159⇤⇤⇤ _(0.0095)

verwachte netto maandsalaris over 5 jaar 0.000⇤⇤ _(0.0000)

inkomen ouders -0.060⇤⇤⇤ _(0.0146) gemiddeld tentamencijfer -0.099⇤⇤⇤ _(0.0089) Constant -1.945⇤⇤⇤ _(0.0940) rho -0.153⇤⇤⇤ _(0.0292) sigma 8.103⇤⇤⇤ _(0.0340) Observaties lening 42228 geen lening 32603 totaal 74831

Standaardafwijkingen tussen haakjes. Ook zijn er dummy’s toegevoegd voor missende gegevens voor de opleiding en het inkomen van de ouders, studieduur, tentamencijferen werkervaring.

⇤_{p < 0.05,}⇤⇤_{p < 0.01,}⇤⇤⇤_{p < 0.001}

Wanneer er gekeken wordt naar de resultaten uit dit model, dan valt op dat de rho in het model negatief is. De rho geeft informatie over de correlatie tussen de storingstermen van de regressie- en selectievergelijking. In deze situatie zou het er dus op wijzen dat er een negatief verband bestaat tussen de beslissing of er wel of niet geleend wordt en hoeveel er geleend wordt. Dit is opmerkelijk, aangezien er verwacht wordt dat deze twee processen een positieve correlatie met elkaar zouden hebben. Daarom zou dit een indicatie kunnen zijn dat het gebruik van het Heckman model hier minder consistente schattingen zal geven ten op zichte van bijvoorbeeld het Tobit model.

Om interpretatie te geven van de coëfficiënten i op de conditionele

ver-wachting van y1i uit vergelijking (19), wordt gebruik gemaakt van dezelfde

re-ferentiepersonen als in het Probit en Tobit model. Voor deze personen wordt de verwachting van de schuld berekend. De rho en sigma zijn al gegeven in de schattingsresultaten van dit model. De Mills ratio wordt berekend door middel van formule (20) en geeft een waarde van 0.7258.

Door gebruik te maken van formule (19) wordt er een verwachte waarde voor de studieschuld van 14140 euro voor de wo referentiepersoon (man met studie-schuld en gemiddelde waardes voor de rest van de variabelen) gevonden. Dit is veel hoger dan de hoeveelheid schuld die geschat is aan de hand van het Tobit model en daarom ook hoger dan de hoeveelheid schuld die de referentiepersoon met gegevens uit tabel 3 in werkelijkheid zou hebben.

Voor een vrouw wordt een lagere verwachte studieschuld gevonden, namelijk 13616 euro. Het verhogen van de leeftijd voor de man met 1 jaar leidt tot een studieschuld van 14720 euro, dus een verhoging van bijna 600 euro. Het verlengen van de studieduur met 1 jaar geeft een schuld van 14640 euro, dus een toename van 500 euro. Het toenemen van het ouderlijk inkomen met 1 eenheid zorgt voor een schuld van 13170 euro, wat bijna 1000 euro lager ligt.

Verder wordt geschat dat een hbo student een schuld van 13850 euro heeft, dus ongeveer 300 euro minder dan een wo student. Een vrouw heeft naar schat-ting een schuld van 13330 euro, dus ongeveer 500 euro lager dan de man. Het verlengen van de studieduur met 1 jaar zorgt voor een schuld van 14350 euro voor de man, dus 500 euro hoger. Een hoger ouderlijk inkomen zorgt voor een afname in de schuld van bijna 1000 euro.

7 Samenvatting

De resultaten die gepresenteerd zijn in deze scriptie laten zien dat er een aantal factoren is dat het leengedrag van studenten in Nederland bepaalt.

Uit het Probit model is gebleken dat mannen en wo studenten een grotere kans hebben om een studieschuld aan te gaan dan vrouwen en hbo studenten. Dit zou samen kunnen hangen met de over het algemeen betere financiële voor-uitzichten van deze groep. Opmerkelijk is echter dat het verwachte salaris over 5 jaar geen significante impact heeft op de leenbeslissing.

Daarnaast is er een positief verband gevonden tussen de kans op het hebben van een studieschuld en de leeftijd van de respondenten en de studieduur, net

zoals de hoeveelheid werkervaring die studenten opdoen tijdens hun studie. Dit laatste zou verklaard kunnen worden door het feit dat studenten verwachten een betere baan te krijgen in het geval van opgedane werkervaring en daarom minder leenavers zijn.

Een negatieve relatie wordt gevonden tussen de kans op een schuld en de groep met een hoger inkomen van de ouders, waarschijnlijk omdat zij op meer financiële steun kunnen rekenen van hun ouders. Tot slot zorgt een hoger ten-tamengemiddelde ervoor dat de kans op lenen afneemt. In dit geval duidt dit resultaat wellicht op het feit dat veel studenten met hogere cijfers sneller hun studie af zullen ronden en daarom een kleinere kans tot lenen hebben.

Uit het Tobit model volgen dezelfde conclusies, enkel slaan de resultaten nu op de hoeveelheid studieschuld in plaats van de kans op het nemen van een studieschuld. Van mannen en wo studenten wordt verwacht dat ze een hogere studieschuld hebben. Hoe ouder de respondent en hoe langer hij studeert, hoe hoger de studieschuld. Daarentegen leidt het toenemen van het ouderlijk inkomen tot een afname in de verwachte hoeveelheid schuld. Dit komt overeen met de resultaten uit het onderzoek van Oosterbeek & Van den Broek (2009).

Uit de resultaten van het Heckman model volgen dezelfde conclusies als uit het Tobit model, alleen geeft dit model minder consistente schattingen. De ge-vonde hoeveelheid studieschuld en het effecten van de variabelen op de hoeveel-heid schuld geven daarom een minder nauwkeurig beeld van de werkelijkhoeveel-heid.

8 Conclusie

Geconcludeerd kan worden dat de toegankelijkheid van het onderwijs wordt be-houden bij de invoering van het sociale leenstelsel. Enkel studenten uit families met de laagste inkomens vormen hierop een kleine uitzondering. Bovendien is er over het algemeen is er geen sprake van leenangst onder studenten. Wel blijkt dat mensen uit een lagere sociale klasse het meest schuldavers zijn.

De factoren die het leengedrag van Nederlandse studenten bepalen zijn als volgt. Leners zijn vaker man en wo student. Daarnaast is er een positief verband gevonden tussen zowel de kans dat studenten gaan lenen als de hoeveelheid die ze lenen en de studieduur, de leeftijd van de respondenten en de hoeveelheid werkervaring die wordt opgedaan tijdens de studie.

Een negatief verband is gevonden tussen zowel de kans op lenen als de hoe-veelheid schuld en het inkomen en opleiding van de ouders en het

tentamenge-middelde.

Deze inzichten kunnen relevant zijn voor een vervolgstudie, die de gevolgen van de invoering van het sociale leenstelsel analyseert. Helaas zijn er momenteel nog geen data beschikbaar die dit kunnen analyseren, dus wordt hier verder niet op ingegaan in deze scriptie.

9 Bibliografie

Amemiya, T. (1978). The estimation of a simultaneous equation generalized probit model. Econometrica: Journal of the Econometric Society, vol 46, no. 5, pp. 1193-1205.

Barr, N. (1998). Higher Education in Australia and Britain: What lessons?, The Australian Economic Review, vol. 31, no. 2, pp. 179-188.

Belot, M., Canton, E. and Webbink, D. (2007). Does reducing student sup-port affect educational choices and performance? Evidence from a Dutch reform. Empirical Economics, No 32, pp. 261 - 275.

Bussemaker, J. (2015). Inwerkingtreding Wet studievoorschot hoger onderwijs. Rijksoverheid, geraadpleegd op 1 april van http://www.rijksoverheid.nl/ documenten-en-publicaties/brieven/2015/04/01/inwerkingtreding-wet-stu-dievoorschot-hoger-onderwijs.html

Callender, C. and Jackson, J. (2005). Does the Fear of Debt Deter Students from Higher Education?, Journal of Social Policy, 34(4), pp. 509-540. Centraal Planbureau (2013) Deelname-effecten van de invoering van het sociaal

leenstelsel in de bachelor- en masterfase. CPB Notitie 18 januari 2013. Centraal Planbureau (2014) Aflossing en inkomenseffecten studievoorschot. CPB

Notitie 11 november 2014.

Chapman, B. (1997). Conceptual issues and the Australian experience with income contingent charges for higher education., The Economic Journal, vol. 107, no. 442 (May), pp. 738-751.

Chapman, B. and Ryan, C. (2005). The access implications if income-contingent charges for higher education: lessons from Australia, Economics of Edu-cation Review 24, pp. 491-512.

Dienst Uitvoering Onderwijs (2015a) Het oude stelsel van studiefinanciering. Geraadpleegd op 18 juni 2015 van https://duo.nl/particulieren/student-hbo-of-universiteit/Het-oude-stelsel-van-studiefinanciering.asp

Dienst Uitvoering Onderwijs (2015b) Berekenen studiefinanciering. Geraad-pleegd op 24 juni 2015 van http://www.duo.nl/studiepunt/rekenprog/ FIP112_S01.asp?jaar=2015.

Eerste Kamer (2015) Wet studievoorschot onderwijs aanvaard. Geraadpleegd op 20 januari 2015 van http://www.eerstekamer.nl/nieuws/20150120/wet_ studievoorschot_onderwijs

Jacobs, B. (2002). An investigation of education finance reform: Graduate taxes and income contingent loans in the Netherlands. CPB Discussion Paper, no. 9.

Jacobs, B. and Canton, E. (2003). Effecten van invoering van een sociaal leen-stelsel in het Nederlands hoger onderwijs, CPB Document, No 39, oktober. Harding, A. (1993). Lifetime Repayment Patterns for HECS and AUSTUDY Loans., National Centre for Social and Economic Modelling, Faculty of Management, University of Canberra, Discussion Paper no. 1.

Harding, A. (1995). Financing Higher Education: An Assessment of Income-Contingent Loan Options and Repayment Patterns over the Life Cycle. Education Economics, vol. 3, pp. 173-203.

Harrison, N., Agnew, S., & Serido, J. (2015). Attitudes to debt among indebted undergraduates: A cross-national exploratory factor analysis. Journal of Economic Psychology, 46, pp. 62-73.

Heckman, J. J. (1979). Sample selection bias as a specification error. Econo-metrica: Journal of the econometric society, pp. 153-161.

Heij, C., De Boer, P. e.a. (2004) Econometric Methods with Applications in Business and Economics. Oxford University Press, New York, pp. 482-511.

McDonald, J. F., & Moffitt, R. A. (1980). The uses of Tobit analysis. The review of economics and statistics, vol. 62, no. 2, pp. 318-321.

Oosterbeek, H., 1998. An Economic Analysis of Student Financial Aid Schemes. European Journal of Education, 33, (1), pp. 21-29.

Oosterbeek, H. and Van den Broek, A. (2009). An empirical analysis of borro-wing behaviour of higher education students in the Netherlands. Econo-mics of Education Review 28, pp. 170-177.

Oosterbeek, H. and Webbink, H.D. (1995). Enrolment in higher education in the Netherlands. De Economist, 143, pp. 367-380.

Puhani, P. (2000). The Heckman Correction for sample selection and its criti-que. Journal of Economic Surveys, 14 (1), pp. 53–68.

Roncek, D. W. (1992). Learning more from tobit coefficients: Extending a comparative analysis of political protest. American Sociological Review, vol. 57, no. 4, pp. 503-507.

UCAS (2012), How have applications for full-time undergraduate higher edu-cation in the UK changed in 2012, UCAS Analysis and Research, Chel-tenham: UCAS.

Vossensteyn, J. J. (2012). Impact van private bijdragen en studiefinanciering: internationale ervaringen. Center for Higher Education Policy Studies, Universiteit Twente.