De werkloosheid van verschillende groepen immigranten

(1)

Faculteit Economie en Bedrijfskunde, Amsterdam School of Economics

Bachelorscriptie Econometrie

De werkloosheid van verschillende groepen immigranten

Sanne Berendschot - 10269290

januari 2016

Begeleid door dr. J.C.M. van Ophem

Abstract – In deze paper wordt onderzoek gedaan naar het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen, wanneer gecorrigeerd wordt voor diverse verklarende variabelen. Literatuuronderzoek wijst uit dat de algemene verklarende variabelen die invloed hebben op de werkloosheid, als volgt luiden: het geslacht, het hebben van kinderen, mannen met partner, vrouwen met kinderen, educatie, leeftijd, leeftijd in het kwadraat en de plaats van de woning. Voor immigrantenonderzoek zijn de generatie van een immigrant, het aantal ouders dat in het buitenland geboren is en de taal die thuis gesproken wordt van belang. Specifiek voor dit onderzoek wordt het herkomstland in het model voor werkloosheid opgenomen. Het probitmodel dat volgt wordt getoetst en geschat met data van LISS. Hieruit blijkt dat eerstegeneratie-immigranten die thuis Nederlands spreken significant meer kans hebben op werk en dat er een constant, negatief, verschil is per ouder die in het buitenland geboren is. Wanneer voor deze en de algemene verklarende variabelen gecorrigeerd wordt, kan geconcludeerd worden dat alleen Marokkanen significant minder kans hebben op werk dan autochtone Nederlanders. Bediscussieerd wordt dat de steekproef niet geheel overeenkomt met de populatie, waardoor de conclusies onjuist kunnen zijn.

(2)

1

Inhoudsopgave

1 Inleiding 2

2 Vorming model werkloosheid 3

2.1 Definitie verschillende soorten bevolkingsgroepen en werkloosheid 3

2.2 Verklarende variabelen werkloosheid 4

2.3 Model werkloosheid 5

3 Data 7

3.1 LISS-data 7

3.2 Werkloosheidsvariabele 8

3.3 Algemene verklarende variabelen 8

3.4 Specifieke verklarende variabelen voor immigrantenonderzoek 9

3.5 Overzicht data 11 4 Methode 12 5 Resultaten 14 5.1 Generatie 14 5.2 Ouder 15 5.3 Taal 16 5.4 Herkomstland 17 5.5 Eindmodel 19 6 Conclusie 20 7 Discussie 22 Literatuurlijst 23 Appendix 25 A: Stata do-file 25

B: Omzettingstabel opleiding naar aantal scholingsjaren 34 C: Grafische weergave 95%-betrouwbaarheidsintervallen gen1 en gen2 35

D: Probitregressies ouder 36

E: Probitregressies taal 38

(3)

2

1 Inleiding

‘Integratie’ en ‘immigranten’ zijn begrippen die niet meer weg te denken zijn uit de kranten van tegenwoordig. Minstens elke dag verschijnt er een nieuwsbericht dat deze woorden bevat. Veel van deze berichten belichten spanningen tussen immigranten en autochtone Nederlanders. De sociale onrust tussen deze twee groepen kan voortkomen uit mislukte integratie. Doordat verschillende culturen naast elkaar leven kan er sociale frictie ontstaan. Integratie kan plaatsvinden op verschillende vlakken, zoals sociaal en economisch (Bijl, Zorlu, van Rijn, Jennissen & Blom, 2005). Een slechte economische positie van immigranten kan zorgen voor slechte integratie en dus voor sociale frictie. Door deze reden is het duidelijk dat het van groot belang is om de economische positie van immigranten te onderzoeken.

Vele onderzoeken zijn al gedaan naar de economische positie van immigranten (o.a. Algan, Dustmann, Glitz & Manning, 2010; Adsera & Chiswick, 2007; Liebig, 2007). Deze onderzoekers concluderen dat immigranten zich in een slechtere economische situatie bevinden dan de autochtone bevolkingsgroep. Opvallend hierbij is dat de onderzoekers vaak spreken over immigranten in het algemeen, terwijl de groep immigranten weer op te delen is in groepen immigranten uit verschillende landen. In Nederland zijn er bijvoorbeeld immigranten uit Turkije, Marokko, Indonesië, Suriname, enzovoorts (CBS, 2015c). Door al deze verschillende immigranten als één groep te zien, gaat er veel informatie verloren. De mate van integratie en de economische positie van deze verschillende groepen immigranten kan namelijk heel verschillend zijn. Hierdoor is het interessant om de economische situatie van verschillende soorten immigranten te onderzoeken.

De economische situatie van een persoon kan op verschillende manieren gemeten worden. Vaak wordt dit gedaan aan de hand van loon en/of werkloosheid (Algan, Dustmann, Glitz & Manning, 2010; Adsera & Chiswick, 2007; Liebig, 2007). In deze paper wordt de focus gelegd op de werkloosheid. Dit, aangezien werkloosheid voorloopt op loon. Bij het onderzoeken van de economische positie is de eerste stap om te bepalen of een individu werkt of niet. In deze paper wordt dus de basis van de economische positie onderzocht.

De werkloosheidsgraad verschilt duidelijk per bevolkingsgroep. Dit blijkt uit de cijfers van het CBS (2015a). Gemiddeld is 6,57% van de Nederlandse bevolking werkloos. Alleen de werkloosheidsgraad van autochtonen ligt onder dit gemiddelde, met 5,39%. Van de allochtonen is 11,26% werkloos. Deze groep kan weer onderverdeeld worden in bijvoorbeeld westerse en niet-westerse allochtonen, waarvan de werkloosheidspercentages respectievelijk 8,27% en 14,10% zijn. Ook wordt de werkloosheidsgraad van verschillende landen weergeven, zoals Marokko, Turkije, Suriname en de Nederlandse Antillen & Aruba. Deze percentages zijn respectievelijk als volgt: 15,38%, 14,59%, 12,69% en 17,95%. Deze cijfers geven aan dat de werkloosheid onder verschillende bevolkingsgroepen uiteenloopt.

(4)

3 Toch is nu nog niet duidelijk of dit verschil daadwerkelijk wordt veroorzaakt door het herkomstland, of dat dit een andere aanleiding heeft. Hierdoor is het interessant om te onderzoeken wat het verschil is tussen de kans op werkloosheid van verschillende bevolkingsgroepen, wanneer gecorrigeerd wordt voor diverse verklarende variabelen.

Dit onderzoek wordt gedaan aan de hand van een econometrisch model voor werkloosheid, waarbij verschillende bevolkingsgroepen worden onderscheiden. Om dit model op te stellen wordt eerst literatuuronderzoek gedaan. Daarbij wordt beschreven hoe verschillende soorten bevolkingsgroepen en werkloosheid gedefinieerd worden en welke verklarende variabelen invloed hebben op werkloosheid. Met behulp van deze informatie wordt een model voor werkloosheid opgesteld. Hierna volgt een beschrijving van de data en de methode. Verschillende modellen worden geschat en getoetst. Het eindmodel wordt hieropvolgend weergeven. Een conclusie volgt en er wordt afgesloten met een discussie.

2 Vorming model werkloosheid

Om het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen, gecorrigeerd voor diverse verklarende variabelen, te bepalen, is het van belang om de definities helder te krijgen. In paragraaf 2.1 wordt daarom nader toegelicht wat bedoeld wordt met verschillende soorten bevolkingsgroepen en met werkloosheid. Vervolgens is het van belang om te bepalen welke variabelen de werkloosheid kunnen beïnvloeden. Dit wordt besproken in paragraaf 2.2. Tot slot wordt in paragraaf 2.3 een model voor werkloosheid opgesteld.

2.1 Definitie verschillende soorten bevolkingsgroepen en werkloosheid

Allereerst wordt de definitie van verschillende soorten bevolkingsgroepen gegeven. De Nederlandse bevolking kan namelijk op meerdere manieren onderscheiden worden. Vervolgens wordt de definitie van werkloosheid gegeven.

Ten eerste worden twee groepen onderscheiden: autochtonen, waarvan beide ouders in Nederland zijn geboren, en allochtonen, of immigranten, waarvan minstens één ouder in het buitenland geboren is (CBS, 2015b). De immigranten zijn vervolgens weer op te delen in verschillende groepen, op twee manieren. Ten eerste kunnen ze verdeeld worden in immigranten en tweedegeneratie-immigranten. Een eerstegeneratie-immigrant is iemand die zelf geboren is in het buitenland. Een tweedegeneratie-eerstegeneratie-immigrant wordt gedefinieerd als iemand die zelf in Nederland geboren is, maar van wie minstens één ouder in het buitenland geboren is (CBS, 2015b). Ten tweede kunnen immigranten onderverdeeld worden in hun land van herkomst. Voor Nederland komen de grootste

(5)

4 groepen immigranten uit de Nederlandse Antillen, Turkije, Marokko en Suriname (CBS, 2015c). Het CBS (2015b) definieert het herkomstland van een persoon als volgt: een eerstegeneratie-immigrant heeft als land van herkomst het geboorteland van de persoon zelf. Bij een tweedegeneratie-immigrant wordt eerst naar het geboorteland van de vader gekeken. In het geval dat dit Nederland is, wordt het geboorteland van de moeder als herkomstland genoteerd (CBS, 2015b).

Nu duidelijk is hoe verschillende soorten bevolkingsgroepen gedefinieerd worden, is het van belang om te bespreken wat werkloosheid precies inhoudt. Het CBS (2015b) geeft een duidelijke definitie voor werkloosheid, namelijk: “Het verschijnsel dat personen zonder betaald werk, die recent hebben gezocht en direct beschikbaar zijn, geen baan kunnen krijgen”. Het gaat hierbij om mensen tussen de 15 en 75 jaar, die wel betaald werk willen en kunnen verrichten, die een baan zoeken, maar deze niet kunnen vinden. Onder betaald werk worden alle betaalde werkzaamheden verstaan. Hierbij is de arbeidsduur niet van belang. De pensioensleeftijd is lager dan 75, maar toch wordt de definitie van het CBS aangehouden, aangezien dit de officiële definitie van werkloosheid is.

De definities van verschillende bevolkingsgroepen en werkloosheid zijn helder. Nu kan een model voor werkloosheid opgesteld worden.

2.2 Verklarende variabelen werkloosheid

Om een goed model te specificeren is het van belang om alle relevante verklarende variabelen op te nemen. Hiermee wordt omitted variables bias voorkomen (Heij, de Boer, Franses, Kloek & Dijk, 2004, p. 142). Om deze reden wordt in deze paragraaf beschreven welke variabelen, zowel specifiek voor immigranten én algemene verklarende variabelen, in het model voor werkloosheid moeten worden opgenomen.

Rivera-Batiz (1992) doet onderzoek naar de kans op werk onder jong volwassenen. Om dit goed te schatten gebruikt hij verschillende verklarende variabelen. Allereerst maakt hij onderscheid tussen mannen en vrouwen, aangezien het algemeen bekend is dat het geslacht invloed heeft op de arbeidsmarktparticipatie (Rivera-Batiz, 1992, p. 317). Vervolgens noemt hij variabelen die, afhankelijk van het geslacht, effect hebben op werkloosheid. Zo hebben vrouwen met kinderen meer kans om werkloos te zijn en getrouwde mannen juist minder (Rivera-Batiz, 1992, p. 317). Ook stelt Rivera-Batiz (1992, p. 315) dat een individu meer kans heeft op werk, wanneer diegene meer vaardigheden heeft. Deze vaardigheden kunnen gekoppeld worden aan de scholing van een individu. Verwacht wordt dat, des te hoger de educatie van een persoon, des te lager de kans is op werkloosheid. Vaak wordt de educatie gemeten aan de hand van het aantal scholingsjaren. Daarnaast voegt Rivera-Batiz (1992, p. 317) een variabele toe die de locatie van de woonplaats weergeeft. Hij concludeert dat dit inderdaad invloed heeft op de kans op

(6)

5 werkloosheid. Mensen die in het centrum van Amerika wonen hebben namelijk een grotere kans om werkloos te zijn.

Rooth en Ekberg (2003) en Fleischmann en Dronkers (2010) doen onderzoek naar de werkloosheid van immigranten. De algemene verklarende variabelen die zij gebruiken komen grotendeels overeen met de variabelen die Rivera-Batiz (1992) gebruikt. Ook zij nemen het geslacht op, de educatie en de regio van woonplaats. Daarnaast bevatten beide modellen een variabele voor leeftijd. Fleischmann en Dronkers (2010, p. 341) verwachten dat het verband tussen leeftijd en werkloosheid niet lineair, maar kwadratisch is. Zij veronderstellen dat oudere mensen vaker werkzaam zijn, maar dat dit voordeel afzwakt of zelfs negatief wordt vanaf een bepaalde leeftijd. Dit betekent dat de leeftijd in het kwadraat opgenomen wordt in het model. Verder gebruiken Rooth en Ekberg (2003) en Fleischmann en Dronkers (2010) variabelen die specifiek zijn voor het onderzoek naar immigranten. Zo nemen Fleischmann en Dronkers (2010, p. 340) een variabele op die aangeeft of het individu thuis de nationale taal spreekt. Zij verwachten dat immigranten die thuis een andere taal dan de nationale taal spreken, meer kans hebben om werkloos te zijn. Ook onderscheiden Fleischmann en Dronkers (2010, p. 340) eerstegeneratie- en tweedegeneratie-immigranten. Zij stellen dat tweedegeneratie-immigranten meer kans hebben op een baan dan eerstegeneratie-immigranten, aangezien zij in het land van aankomst hun scholing hebben gehad en zij de nationale taal waarschijnlijk beter beheersen dan hun ouders. Daarnaast concluderen Rooth en Ekberg (2003, p. 807) dat tweedegeneratie-immigranten wiens beide ouders zijn geboren in het buitenland een grotere kans hebben om werkloos te zijn dan tweedegeneratie-immigranten van wie maar één ouder in het buitenland geboren is, wanneer gekeken wordt naar dezelfde etnische achtergrond. Ten slotte onderscheiden Rooth en Ekberg (2003, p. 790) verschillende regio’s waar de immigranten vandaan komen. Dit onderzoek zal hier specifieker op ingaan, door de precieze herkomstlanden mee te nemen.

Kortom, duidelijk is nu welke verklarende variabelen opgenomen moeten worden in het model om werkloosheid te verklaren. Deze luiden als volgt: het geslacht, mannen met partner, vrouwen met kinderen, educatie, leeftijd, leeftijd in het kwadraat, plaats van de woning, generatie van een immigrant, aantal ouders die in het buitenland geboren zijn, taal die thuis gesproken wordt en specifiek voor dit onderzoek: het herkomstland.

2.3 Model werkloosheid

Op basis van de informatie uit de voorgaande paragrafen kan een model opgesteld worden voor werkloosheid. Dit model kan vervolgens zo goed mogelijk geschat kan worden om het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen, gecorrigeerd voor diverse verklarende variabelen, te bepalen.

(7)

6 In paragraaf 2.1 wordt duidelijk dat werkloosheid, de afhankelijke variabele, een dummyvariabele is, die de waarde 1 heeft als het individu werkzaam is en 0 als het individu werkloos is. Om deze reden is gekozen om een probitmodel te schatten. Dit model wordt hieronder verder toegelicht.

Het theoretische model is als volgt: 𝐼∗_{= 𝑋}′_{𝛽 + 𝜀}

Hierbij is I* een indicatorfunctie, X een vector die alle verklarende variabelen bevat en ε ~ N(0,1). De indicatorfunctie kan niet precies waargenomen worden, alleen het teken ervan. Wanneer de indicatorfunctie positief is, zal het individu werkzaam zijn, en wanneer deze negatief is zal het individu werkloos zijn. Dit betekent dat:

𝑒𝑚𝑝𝑙𝑜𝑦 = {1₀ als 𝐼_{als 𝐼}∗_∗> 0_{≤ 0} Nu is: 𝑃(𝑒𝑚𝑝𝑙𝑜𝑦 = 1 | 𝑋) = 𝑃(𝑒𝑚𝑝𝑙𝑜𝑦∗_{> 0)} = 𝑃(𝑋′_{𝛽 + 𝜀 > 0)} = 𝑃(𝜀 > −𝑋′_𝛽) = 𝛷(𝑋′_𝛽)

Hiermee kunnen de maximumlikelihoodschatters bepaald worden. Wanneer alle n waarnemingen onafhankelijk van elkaar zijn wordt de likelihoodfunctie namelijk gegeven door (Heij et al., 2004, p. 447):

𝐿(𝛽) = ∏𝑛𝑖=1𝛷(𝑥𝑖′𝛽)𝑒𝑚𝑝𝑙𝑜𝑦𝑖∗ (1 − 𝛷(𝑥𝑖′𝛽))1−𝑒𝑚𝑝𝑙𝑜𝑦𝑖

Daarmee kan de loglikelihoodfunctie opgesteld worden (Heij et al., 2004, p. 447): ℓ(𝛽) = ∑𝑛 𝑒𝑚𝑝𝑙𝑜𝑦_𝑖∗ ln (

𝑖=1 𝛷(𝑥𝑖′𝛽)) + (1 − 𝑒𝑚𝑝𝑙𝑜𝑦𝑖) ∗ ln (1 − 𝛷(𝑥𝑖′𝛽))

Vervolgens kan de loglikelihoodfunctie geoptimaliseerd worden bij gegeven waarnemingen employi en xi.

Duidelijk is welke verklarende variabelen moeten worden opgenomen in het probitmodel. Nu kan de data en de constructie van de verschillende variabelen besproken worden. Hiermee kan het model opgesteld en geschat worden, om vervolgens het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen, gecorrigeerd voor diverse verklarende variabelen, te bepalen.

(8)

7

3 Data

De data en de constructie van de variabelen worden in dit hoofdstuk toegelicht. Dit wordt gedaan op basis van van de informatie uit het voorgaande hoofdstuk. In appendix A wordt de precieze constructie weergegeven met behulp van de Stata do-file.

3.1 LISS-data

De data die gebruikt worden voor dit onderzoek is van LISS (Longitudinal Internet Studies for the Social sciences), beheerd door CentERdata (Tilburg Universiteit, Nederland). Hier is het LISS-panel en het Immigrant-panel beschikbaar. Het LISS-panel is in werking sinds oktober 2007 en bestaat uit 5000 huishoudens (8000 individuen). In aanvulling op het LISS-panel is sinds oktober 2010 het Immigrant-panel beschikbaar. Dit panel bestaat uit 1600 huishoudens (2400 individuen), waarvan 1100 huishoudens (1700 individuen) van niet-Nederlandse origine zijn. Er bestaat geen overlap tussen beide panels.

De panels zijn een representatieve steekproef van Nederlandse individuen die maandelijks participeren in internetenquêtes. Ze zijn gebaseerd op een aselecte streekproef van huishoudens die geselecteerd zijn uit het populatieregister. Huishoudens die geen toegang tot een computer en/of internetconnectie hebben, krijgen dit gefaciliteerd. Er wordt longitudinaal en eenmalig onderzoek gedaan, waarbij veel verschillende thema’s worden opgenomen, zoals werk, educatie, inkomen, huisvesting, tijdsbesteding, politieke opinie, waarden en personaliteit (LISS).

De data die in dit onderzoek gebruikt worden komen uit verschillende datasets. Ten eerste worden van beide panels de ‘Background Variables’ van december 2014 gebruikt. Dit zijn de meest recent beschikbare gegevens. Data uit de ‘Initial Questionnaire’ van het Immigrant-pannel en de Core Studies ‘Religion and Ethnicity’ van het LISS-panel en ‘Work and Schooling’ van beide panels worden daaraan toegevoegd. Van ‘Initial Questionnaire’ en ‘Religion and Ethnicity’ worden alle gegevens gebruikt (jaar 2010 t/m 2014 voor het Immigrant-panel en wave 1 t/m 8 voor het LISS-panel), aangezien dit gegevens zijn die over de tijd niet veranderen en op deze manier alle informatie gebruikt wordt. Van ‘Work and Schooling’ worden alleen wave 6, 7 en 8 van het LISS-panel en wave 2 van het Immigrant-panel gebruikt, aangezien deze gegevens kunnen veranderen over de tijd en er daardoor anders mogelijk gewerkt wordt met onjuiste gegevens. Gekozen is om data vanaf 2013 mee te nemen in het onderzoek. Er wordt gezorgd dat de laatst bekende informatie gebruikt wordt, wanneer meerdere jaren gegeven zijn. In ruwe vorm bevat deze totale dataset informatie over 14.365 individuen.

(9)

8

3.2 Werkloosheidsvariabele

Om de werkloosheidsvariabele op te stellen wordt de informatie in paragraaf 2.2 en de variabele belbezig gebruikt. Deze variabele geeft de primaire bezigheid van de persoon aan.

Voor de constructie van de werkloosheidsvariabele moeten allereerst verschillende waarnemingen uitgesloten worden. Alleen de individuen die behoren tot de (werkzame en werkloze) beroepsbevolking moeten geselecteerd worden. Dit betekent dat de data van individuen jonger dan 15 en ouder dan 75 jaar verwijderd worden (20,0%). Ook de individuen die vrijstelling hebben van werk zoeken na baanverlies (0,4%), studenten (15,1%), gezinsverzorgers (6,5%), gepensioneerden (13,3%), (gedeeltelijk) arbeidsongeschikten (3,7%), vrijwilligers (1,6%) en mensen die iets anders doen (1,1%) worden verwijderd.

Vervolgens wordt bepaald of het individu werkzaam of werkloos is. Naar aanleiding van paragraaf 2.2 worden individuen die betaald werk verrichten in loondienst, werken of assisteren in een familiebedrijf of een vrije beroepsbeoefenaar, freelancer of zelfstandige is, werkzaam genoemd. Wanneer het individu naar werk zoekt na baanverlies, voor het eerst naar werk zoekt of onbetaald werk verricht met behoud van een uitkering wordt deze werkloos genoemd.

Voor elk individu is bepaald of deze werkloos is. Deze informatie wordt opgeslagen in de werkloosheidsvariabele employ, een dummyvariabele. Deze is 0 voor mensen die werkloos zijn en 1 voor mensen die niet werkloos zijn.

3.3 Algemene verklarende variabelen

De algemene verklarende variabelen: geslacht, man, partner, man met partner, kinderen, vrouw met kinderen, educatie, leeftijd en plaats van woning moeten geconstrueerd worden. In deze paragraaf wordt dit verder toegelicht.

Geslacht en leeftijd zijn direct te vinden in de ‘Background Variables’ van beide panels en hoeven dus niet geconstrueerd te worden. Voor de dummyvariabele man wordt de variabele geslacht gebruikt, die 1 is voor mannen en 0 voor vrouwen, en voor de variabele leeftijd wordt de variabele leeftijd gebruikt. Leeftijd in het kwadraat wordt leeftijd2 genoemd. In plaats van de burgerlijke staat op te nemen in het model, zoals Rooth en Ekberg (2003) doen, wordt met de dummyvariabele partner aangegeven of het individu met een partner samenleeft of niet. Deze verandering wordt toegepast omdat sommige mensen tegenwoordig geen waarde meer hechten aan het huwelijk. Met de variabele partner wordt ervoor gezorgd dat iedereen die een levensgezel heeft (getrouwd of niet) in één groep zit. De variabele partner is gelijk aan de variabele partner uit de ‘Background Variables’ van beide panels. De variabele kind wordt gebaseerd op de variabele aantalki uit de

(10)

9 ‘Background Variables’. Deze variabele geeft aan hoeveel kinderen een individu heeft. Wanneer dit 0 is, is kind gelijk aan 0, en wanneer dit groter dan 0 is, is kind gelijk aan 1. De kruistermen manpartner en vrouwkind worden eenvoudigweg gemaakt door het product van de twee variabelen te nemen.

De hoogste opleiding die met diploma voltooid is door een individu wordt in de Core Study ‘Work and Schooling’ gemeten aan de hand van 26 verschillende categorieën (variabele 005) en in de ‘Background Variables’ met 7 (variabele oplmet en oplcat). Allereerst wordt de variabele 005 gebruikt, aangezien het aantal scholingsjaren nauwkeuriger bepaald kan worden op basis van 26 categorieën dan op basis van 7, en omdat in de vraag expliciet gesteld wordt dat de vergelijkbare Nederlandse opleiding gekozen moet worden als de opleiding in het buitenland is gevolgd. Wanneer dit niet kan is er een extra optie, die leidt naar een vervolgvraag (006). Op het moment dat 005 onbekend is of ‘anders’ is ingevuld, wordt de informatie van de variabele oplmet gebruikt, en wanneer dit onbekend is wordt de variabele oplcat gebruikt. Deze volgorde is aangehouden, om het aantal scholingsjaren zo precies mogelijk te definiëren. Alle categorieën van de verschillende variabelen zijn omgezet naar scholingsjaren, met behulp van de omzettingstabel die in appendix B weergeven is. De informatie wordt opgeslagen in de variabele scholingsjaren.

Ten slotte wordt de variabele die de plaats van de woning aangeeft gebaseerd op de variabele sted uit de ‘Background Variables’. Deze variabele bevat de stedelijkheid van de woonplaats, die gemeten wordt aan de hand van de omgevingsadressen dichtheid per km2. Dit komt niet precies overeen met de variabele die Rooth en Ekberg (2003) gebruiken in hun onderzoek, omdat die aangeeft in welke regio het individu woont. Deze data is niet beschikbaar in de panels, om de privacy van de participanten te waarborgen. Om deze reden wordt de regio van de woonplaats vervangen door de stedelijkheid van de woonplaats. Er wordt een dummyvariabele geconstrueerd voor zeer sterk stedelijk, sterk stedelijk, matig stedelijk en weinig stedelijk. Niet stedelijk is hierbij de controlegroep. Deze worden respectievelijk zeersterkstedelijk, sterkstedelijk, matigstedelijk en weinigstedelijk genoemd.

3.4 Specifieke verklarende variabelen voor immigrantenonderzoek

Zoals te zien in het model in paragraaf 2.3 zijn er verschillende variabelen die specifiek zijn voor het immigrantenonderzoek: de taal die thuis gesproken wordt, de generatie van een immigrant, het aantal ouders die in het buitenland geboren zijn en het land van herkomst. De constructie van deze variabelen wordt hieronder verder toegelicht.

De variabele taal wordt gebaseerd op variabele 089 uit de Core Study ‘Religion and Ethnicity’ van het LISS-panel en variabele 296 uit de ‘Initial Questionnaire’ van het

(11)

10 Immigrant-panel. Beide variabelen geven aan welke taal het meest gesproken wordt thuis. Wanneer dit Nederlands of Vlaams is, wordt de variabele taal gedefinieerd als 1, en anders als 0.

Om te bepalen hoeveel ouders in het buitenland zijn geboren, wordt allereerst bepaald wat het geboorteland is van de vader en de moeder. LISS onderscheidt de volgende categorieën: Nederland (nederland), Turkije (turkije), Marokko (marokko), Nederlandse Antillen (antillen), Suriname (suriname), Indonesië (indonesie), andere westerse origine (otherwestern) en andere niet-westerse origine (othernonwestern). De informatie over het geboorteland van de ouders wordt opgeslagen in de hulpvariabelen vader en moeder. Dit wordt gedaan aan de hand van variabelen 057, 058 (voor vader), 060 en 061 (voor moeder) uit de Core Study ‘Religion and Ethnicity’ van het LISS-panel en variabelen 153, 154 (voor vader), 183 en 184 (voor moeder) uit de ‘Initial Questionnaire’ van het Immigrant-panel. De eerste variabele geeft aan of de ouder in Nederland is geboren en de tweede variabele geeft het precieze geboorteland aan wanneer de ouder niet in Nederland is geboren. Aan de hand van de hulpvariabelen vader en moeder kan bepaald worden hoeveel ouders in het buitenland zijn geboren. Dit aantal wordt opgeslagen in de variabele ouder. Ook worden hiervoor twee dummyvariabelen gemaakt: eenouder (één ouder in het buitenland geboren) en tweeouders (beide ouders in het buitenland geboren), waarbij geen enkele ouder in het buinland geboren de controlevariabele is.

Vervolgens kan de generatievariabele opgesteld worden. Dit wordt gedaan op basis van de informatie in paragraaf 2.1, de hiervoor genoemde hulpvariabelen vader en moeder, een nieuwe hulpvariabele gebland die het geboorteland van het individu weergeeft en de variabele herkomstgroep uit de ‘Background Variables’ van beide panels, die aangeeft welke generatie het individu is en of de afkomst westers of niet-westers is. Aangezien deze laatste variabele waarschijnlijk niet precies gedefinieerd is zoals gevonden bij het CBS (2015b), worden de variabelen gen1 (eerstegeneratie-immigrant) en gen2 (tweedegeneratie-immigrant) allereerst zelf gecreëerd. Alleen wanneer de informatie die hiervoor nodig is niet beschikbaar is, wordt de variabele herkomstgroep gebruikt om de variabele aan te vullen, zodat zoveel mogelijk gegevens bewaard blijven. De hulpvariabele gebland is gebaseerd op de variabelen 053 en 054 uit de Core Study ‘Religion and Ethnicity’ van het LISS-panel en variabelen 123 en 124 uit de ‘Initial Questionnaire’ van het Immigrant-panel. De eerste variabele geeft aan of de participant in Nederland is geboren en de tweede variabele geeft het precieze geboorteland aan wanneer de participant niet in Nederland is geboren. Vervolgens kunnen, aan de hand van de informatie in paragraaf 2.1, de generatievariabelen opgesteld worden.

(12)

11 Daarna wordt de variabele voor het land van herkomst gecreëerd. Dit wordt ook gedaan op basis van de hulpvariabelen vader, moeder en gebland. Daarnaast wordt de variabele herkomstland uit de ‘Background Variables’ van het Immigrant-panel gebruikt. Deze geeft het herkomstland van het individu aan. Om dezelfde reden als hierboven, wordt allereerst zelf nauwkeurig aangegeven wat het land van afkomst is van het individu, aan de hand van de definitie die in paragraaf 2.1 gegeven is. Opnieuw, pas als de benodigde informatie niet beschikbaar is wordt de variabele herkomstland gebruikt om de variabele aan te vullen. Om geen informatie te verliezen is ook gekozen om twee dummyvariabelen op te stellen, die aangeven of het individu westers (westers) of niet-westers (nietwesters) is, waarbij Nederlands de controlevariabele is. Dit wordt gedaan, aangezien er individuen in de datasets bestaan die alleen via de variabele herkomstgroep hebben aangegeven wat hun afkomst is. Volgens de definitie van het CBS (2015b) behoort alleen Indonesië tot het Westen. Op basis hiervan zijn de twee variabelen geconstrueerd.

Tot slot wordt voor de volledigheid een variabele immigrant gemaakt, die aangeeft of de participant immigrant is of niet.

3.5 Overzicht data

In tabel 1 hieronder is een samenvatting van de data te vinden. Na alle aanpassingen bestaat de steekproef uit 6.693 personen, maar zoals te zien in de tabel is niet van elk individu alle informatie beschikbaar.

Van de steekproef is 7,8% werkloos, terwijl van de populatie 6,6% werkloos is (CBS, 2015a). De werkloosheidsgraad in de steekproef ligt dus iets hoger dan in de realiteit. 53,1% is man, waarvan 7,3% werkloos. Van de vrouwen is 8,2% werkloos. De man-vrouwverhouding komt bijna precies overeen met de realiteit (53,6% man), maar de werkloosheidspercentages liggen weer iets hoger (6,3% voor mannen en 6,9% voor vrouwen). Interessant om uit te lichten is dat, van wie de achtergrond bekend is, 72,9% autochtone Nederlander is en daarmee 27,1% immigrant. Aangezien de data onder andere afkomstig zijn uit het Immigrant-panel ligt het percentage immigranten in de steekproef aanzienlijk hoger dan in de populatie, waar slechts 20,2% allochtoon is (CBS, 2015a). De werkloosheidspercentages van de verschillende landen komen redelijk overeen met de cijfers van het CBS (5,4% voor autochtonen, 14,6% voor Turkije, 17,9% voor de Nederlandse Antillen & Aruba, 14,6% voor Suriname, 8,3% voor westerse immigranten, 14,1% voor niet-westerse immigranten en 11,3% voor immigranten), alleen het werkloosheidspercentage van Marokko is zeer verschillend. In de steekproef is 30,6% werkloos, terwijl dit percentage in de populatie bij 15,4% ligt (CBS, 2015a).

(13)

12

Tabel 1: Samenvatting data

Variabele Gemiddelde Werkloosheidspercentage Aantal observaties

employ 0,922 - 6693 man 0,531 man: 7,3 vrouw: 8,2 manpartner 0,416 5,9 vrouwkind 0,265 8,0 scholingsjaren 15,14 - leeftijd 43,38 - zeersterkstedelijk 0,180 10,7 6644 sterkstedelijk 0,262 9,5 matigstedelijk 0,228 5,8 weinigstedelijk 0,195 5,6 taal 0,924 Nederlands: 6,7 anders: 17 4688 gen1 0,147 15,3 5633 gen2 0,124 11,4 5628 eenouder 0,106 8,5 3768 tweeouders 0,156 15,3 nederland 0,729 5,6 5628 turkije 0,013 13,2 5134 marokko 0,014 30,6 antillen 0,013 17,9 suriname 0,019 13,7 indonesie 0,033 9,6 otherwestern 0,053 8,6 5107 othernonwestern 0,052 11,6 westers 0,042 9,0 5508 nietwesters 0,111 18,5 immigrant 0,271 13,5 5628 4 Methode

Op basis van het model in paragraaf 2.3 en de databeschrijving in hoofdstuk 3 kan het volgende model opgesteld worden:

𝐼∗_{= 𝛽} 1+ 𝛽2∗ 𝑚𝑎𝑛 + 𝛽3∗ 𝑝𝑎𝑟𝑡𝑛𝑒𝑟 + 𝛽4∗ 𝑘𝑖𝑛𝑑 + 𝛽5∗ 𝑚𝑎𝑛 ∗ 𝑝𝑎𝑟𝑡𝑛𝑒𝑟 + 𝛽₆∗ 𝑣𝑟𝑜𝑢𝑤 ∗ 𝑘𝑖𝑛𝑑 + 𝛽₇∗ 𝑠𝑐ℎ𝑜𝑙𝑖𝑛𝑔𝑠𝑗𝑎𝑟𝑒𝑛 + 𝛽₈∗ 𝑙𝑒𝑒𝑓𝑡𝑖𝑗𝑑 + 𝛽₉∗ 𝑙𝑒𝑒𝑓𝑡𝑖𝑗𝑑2 +𝛽₁₀∗ 𝑧𝑒𝑒𝑟𝑠𝑡𝑒𝑟𝑘𝑠𝑡𝑒𝑑𝑒𝑙𝑖𝑗𝑘 + 𝛽₁₁∗ 𝑠𝑡𝑒𝑟𝑘𝑠𝑡𝑒𝑑𝑒𝑙𝑖𝑗𝑘 + 𝛽₁₂∗ 𝑚𝑎𝑡𝑖𝑔𝑠𝑡𝑒𝑑𝑒𝑙𝑖𝑗𝑘 +𝛽13∗ 𝑤𝑒𝑖𝑛𝑖𝑔𝑠𝑡𝑒𝑑𝑒𝑙𝑖𝑗𝑘 + 𝛽14∗ 𝑡𝑎𝑎𝑙 + 𝛽15∗ 𝑔𝑒𝑛1 + 𝛽16∗ 𝑔𝑒𝑛2 + 𝛽17∗ 𝑜𝑢𝑑𝑒𝑟 +𝛽₁₈∗ 𝑡𝑢𝑟𝑖𝑗𝑒 + 𝛽₁₉∗ 𝑚𝑎𝑟𝑜𝑘𝑘𝑜 + 𝛽₂₀∗ 𝑎𝑛𝑡𝑖𝑙𝑙𝑒𝑛 + 𝛽₂₁∗ 𝑠𝑢𝑟𝑖𝑛𝑎𝑚𝑒 + 𝛽₂₂∗ 𝑖𝑛𝑑𝑜𝑛𝑒𝑠𝑖𝑒 + 𝛽23∗ 𝑜𝑡ℎ𝑒𝑟𝑤𝑒𝑠𝑡𝑒𝑟𝑛 + 𝛽24∗ 𝑜𝑡ℎ𝑒𝑟𝑛𝑜𝑛𝑤𝑒𝑠𝑡𝑒𝑟𝑛 + 𝜀

(14)

13 Problematisch in dit model is dat er volledige collineariteit is tussen de generatievariabelen en de herkomstlandvariabelen. Op bovenstaande manier kan het model dus niet geschat worden. Om dit probleem op te lossen wordt bepaald voor welke verklarende variabelen er een verschil bestaat tussen eerstegeneratie- en tweedegeneratie-immigranten, welke vervolgens als kruistermen worden toegevoegd aan het model. Allereerst wordt bovenstaand model, zonder de generatievariabelen, apart geschat voor beide groepen. Vervolgens wordt voor elke verklarende variabele bepaald of de coëfficiënt verschilt tussen de modellen. Dit wordt gedaan aan de hand van de 95%-betrouwbaarheidsintervallen van de coëfficiënten. Gekozen is om aan te nemen dat er een verschil is tussen eerste- en tweedegeneratie-immigranten voor een bepaalde verklarende variabele, wanneer de betrouwbaarheidsintervallen voor minder dan 25% overlappen.

Nadat bepaald is welke kruistermen voor generatie opgenomen worden in het model, wordt bepaald welke specifieke verklarende variabelen voor immigrantenonderzoek een significante invloed hebben op de kans op werk. Dit wordt gedaan met het volledige model als uitgangspunt, dat alle verklarende variabelen (algemene én specifiek voor immigranten) uit hoofdstuk 2 bevat. Vervolgens wordt per specifieke verklarende variabele bepaald of deze een significante invloed heeft op de kans op werk. Hiervoor wordt de likelihood ratio test1 herhaaldelijk gebruikt. Wanneer uit de test blijkt dat de verklarende variabele géén significante invloed heeft op de kans op werk, wordt deze variabele uit het model verwijderd. Wanneer uit de test blijkt dat de verklarende variabele wél een significante invloed heeft op de kans op werk, wordt deze variabele in het model gehouden voor vervolgregressies, om omitted variables bias te voorkomen. Allereerst worden de variabelen voor het aantal ouders getoetst, vervolgens de taalvariabelen en afgesloten wordt met de herkomstlandvariabelen. De algemene verklarende variabelen worden niet getest, omdat vanuit de theorie aangenomen kan worden dat deze invloed hebben op de kans op werk.

Uiteindelijk is het doel om de parameters β18 tot en met β24 juist te schatten. Dit zijn de

paramaters voor de bevolkingsgroepvariabelen. Aan de hand van deze parameters en hun significantie kan het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen, wanneer gecorrigeerd wordt voor diverse verklarende variabelen, bepaald worden.

1

De nulhypothese van deze test is r(θ) = 0: g restricties op de parameters (Heij et al., 2004, p. 230). De toetsingsgrootheid is als volgt: 𝐿𝑅 = 2ℓ(𝜃̂1) − 2ℓ(𝜃̂0), waarbij 𝜃̂1 de maximumlikelihoodschatter is

onder de alternatieve hypothese en 𝜃̂0 onder de nulhypothese. Onder de nulhypothese geldt dat

𝐿𝑅 → 𝜒𝑑 2_{(𝑔) (Heij et al., 2004, p. 231). De nulhypothese wordt dus verworpen op het moment dat het}

(15)

14

5 Resultaten

5.1 Generatie

Zoals in de methode genoemd wordt, wordt allereerst gekeken naar het effect van de generatie van een immigrant op de kans op werk. De schattingen van de twee probitregressies voor de twee aparte groepen zijn te vinden in tabel 2. In appendix C is figuur 1 te vinden, waarin de 95%-betrouwbaarheidsintervallen grafisch zijn weergeven.

Tabel 2: Probitregressies gen1 en gen2

gen1 gen2

employ Coëfficiënt 95% betr. int. Coëfficiënt 95% betr. int. Overlap man 0,559 -0,289 1,407 -0,367 -1,591 0,858 38,3% partner 0,140 -0,382 0,662 -0,204 -1,184 0,775 53,3% kind -0,227 -0,911 0,457 -0,386 -1,335 0,564 72,0% manpartner 0,081 -0,869 1,032 1,254 -0,098 2,606 32,5% vrouwkind 0,286 -0,560 1,132 0,361 -0,851 1,574 69,8% scholingsjaren 0,069 0,019 0,118 0,011 -0,092 0,114 45,0% leeftijd 0,029 -0,137 0,195 -0,006 -0,195 0,182 81,6% leeftijd2 0,000 -0,002 0,002 0,000 -0,002 0,003 80,4% zeersterkstedelijk 1,084 0,206 1,963 0,344 -0,694 1,383 44,3% sterkstedelijk 0,207 -0,579 0,994 0,519 -0,491 1,530 70,4% matigstedelijk 0,763 -0,082 1,608 0,530 -0,580 1,640 76,1% weinigstedelijk 1,416 0,229 2,603 0,628 -0,570 1,826 50,3% taal 0,537 0,144 0,930 -0,626 -1,505 0,254 4,5% ouder -0,745 -1,523 0,033 -0,710 -1,438 0,019 93,6% turkije 0,061 -0,691 0,813 -0,275 -1,219 0,668 66,9% marokko -0,857 -1,449 -0,265 -0,152 -1,263 0,960 81,6% antillen -0,553 -1,200 0,094 - - - - suriname -0,808 -1,527 -0,089 0,983 -0,320 2,287 6,1% indonesie -0,417 -1,606 0,772 0,239 -0,485 0,963 48,9% otherwestern -0,158 -0,716 0,400 0,253 -0,898 1,403 48,5% const -0,319 -4,030 3,392 1,928 -2,347 6,203 56,1% n = 386 n = 213

In de tabel is te zien dat het voor de verklarende variabelen taal en suriname aannemelijk is dat er een verschil is tussen de eerste- en tweedegeneratie-immigranten. De overlap van de betrouwbaarheidsintervallen is hier namelijk kleiner dan 25%: respectievelijk 4,5% en 6,1%. Beide variabelen worden dus opgenomen in het model als kruistermen: taal1 (eerstegeneratie-immigrant die thuis Nederlands spreekt), taal2 (tweedegeneratie-immigrant die thuis Nederlands spreekt) suriname1 (eerstegeneratie Surinamer) en suriname2 (tweedegeneratie Surinamer). Daarnaast is in tabel 2 te zien dat er geen

(16)

15 schatting gedaan kan worden voor antillen bij de tweede generatie. Dit komt omdat alle tweedegeneratie Antillianen in deze waarnemingen (9 in totaal) een baan hebben. antillen = 1 voorspelt employ dus volledig. Dit betekent dat ook antillen1 (eerstegeneratie Antillianen) en antillen2 (tweedegeneratie Antillianen) worden opgenomen. Het is dus aannemelijk dat er een verschil is tussen eerste- en tweedegeneratie Antillianen, Surinamers en mensen die een andere taal thuis spreken. In de vervolgregressies worden deze variabelen in het model opgenomen, om omitted variables bias te voorkomen.

5.2 Ouder

Nu duidelijk is welke invloed de generatie van een immigrant heeft op de kans op werk, wordt gekeken naar de invloed van het aantal ouders die in het buitenland zijn geboren. Om dit te bepalen wordt getoetst of het model met de variabele ouder en het model met de variabelen eenouder en tweeouders een significant beter model is dan het model zonder deze variabelen. Vervolgens wordt bepaald welk model van deze twee het beste is. In tabel 4 worden de resultaten van de twee likelihood ratio tests weergeven. De volledige probitregressies die in deze paragraaf worden besproken zijn in appendix E te vinden.

Tabel 4: Likelihood ratio test ouder

Model Loglikelihood LR ~ χ2(1) / χ2(2) p-waarde H0: Model zonder ouder -734,08908

Ha1: Model met ouder -730,81115 6,55586 0,01045393

Ha2: Model met eenouder en

tweeouders

-730,59448 6,98920 0,03036089 n = 3085

In tabel 4 is te zien is dat beide modellen met variabelen voor het aantal ouders die in het buitenland geboren zijn, significant beter zijn dan het model zonder deze variabelen. Om te bepalen welk model van deze twee beter is wordt gekeken naar de p-waarde van de likelihood ratio test en de probitregressies. Het relevante deel van deze regressies zijn in tabel 5 en 6 weergeven.

Tabel 5: Deel probitregressie eenouder en tweeouders

employ Coëf Std. Err. P

…. …. …. ….

eenouder -3,557 128,718 0,978 tweeouders -4,013 128,718 0,975

(17)

16

Tabel 6: Deel probitregressie ouder

employ Coëf Std. Err. P

…. …. …. ….

ouder -0,507 0,213 0,017

In de tabellen is te zien dat de coëfficiënten van eenouder en tweeouders totaal niet significant zijn. Daarentegen is te zien dat de coëfficiënt van ouder wel significant is, bij een significantieniveau van 5%. Omdat bovendien de p-waarde van de likelihood ratio test voor ouder kleiner is dan de p-waarde van de likelihood ratio test voor eenouder en tweeouders, wordt aangenomen dat het model met de variabele ouder beter is dan het model met de variabelen eenouder en tweeouders. Dit houdt in dat de variabele ouder in het model wordt behouden voor de vervolgregressies.

5.3 Taal

Om de invloed van de taal die mensen thuis spreken op de kans op werk te bepalen wordt allereerst getoetst of het model met taal1 (eerstegeneratie-immigranten die thuis Nederlands spreken) en taal2 (tweedegeneratie-immigranten die thuis Nederlands spreken) beter is dan het model zonder taal. De resultaten van de likelihood ratio test zijn in tabel 7 weergeven. De volledige probitregressies die in deze paragraaf worden besproken zijn te vinden in appendix F.

Tabel 7: Likelihood ratio test taal: taal1 en taal2 samen

Model Loglikelihood LR ~ χ2

(2) p-waarde H0: Model zonder taal -736,0331

Ha: Model met taal1 en taal2 -730,81115 10,4439 0,005397 n = 3085

In tabel 7 is te zien dat de coëfficiënten van taal1 en taal2 gezamenlijk significant zijn bij een 1% significantieniveau.

Om dit effect nader te onderzoeken worden de modellen met taal1 en taal2 apart geschat. De resultaten van deze likelihood ratio tests zijn in tabel 8 weergeven.

Tabel 8: Likelihood ratio test taal: taal1 en taal2 apart

Model Loglikelihood LR ~ χ2(1) p-waarde

H0: Model zonder taal -736,0331

Ha1: Model met taal1 -731,05507 9,95606 0,001603

Ha2: Model met taal2 -734,1778 3,7106 0,054068

(18)

17 In tabel 8 is nu te zien dat de coëfficiënt van taal1 significant is bij een significantieniveau van 0,5%, en de coëfficiënt van taal2 net niet significant is bij een significantieniveau van 5%.

Het effect van taal1 wordt nader onderzocht door een model te schatten met kruistermen van taal1 en alle landen. Zo wordt gekeken of de soort taal die thuis gesproken wordt een significante invloed heeft op de kans op werk. De resultaten van de likelihood ratio test zijn weergeven in tabel 9.

Tabel 9: Likelihood ratio test taal: taal per land

H0: Model zonder taal -734,30107

Ha: Model met taal per land -729,85655 8,88904 0,260721 n = 3070

In tabel 9 is te zien dat het model met taal per land niet significant beter is dan het model zonder taal. In de probitregressie die te vinden is in appendix F is te zien dat indonesietaal1 employ volledig voorspelt. Alle eerstegeneratie Indonesiërs die thuis Nederlands spreken hebben een baan in deze waarnemingen (15 in totaal).

Voor het vervolg van de resultaten wordt aangenomen dat de taal die eerstegeneratie-immigranten thuis spreken invloed heeft op de kans op werk. Ook wordt de variabele indonesietaal1 (eerstegeneratie Indonesiërs die thuis Nederlands spreken) in het model opgenomen.

5.4 Herkomstland

Om de invloed van het herkomstland op de kans op werk te bepalen wordt allereerst gekeken of het immigrant zijn een invloed heeft, om vervolgens steeds specifieker te kijken naar de invloed van elk herkomstland. De resultaten van de likelihood ratio test voor immigranten zijn weergeven in tabel 10. De volledige probitregressies zijn te vinden in appendix G.

Tabel 10: Likelihood ratio test land: immigrant

H0: Model zonder landen -740,82566

Ha: Model met immigrant -738,9818 3,68772 0,054814 n = 3087

In de tabel is te zien dat het immigrant zijn net geen significante invloed heeft op de kans op werk bij een 5%-significantieniveau.

Om te kijken of er een verschil is tussen westerse en niet-westerse immigranten is opnieuw een likelihood ratio test gedaan. Deze resultaten zijn te vinden in tabel 11.

(19)

18

Tabel 11: Likelihood ratio test land: westers en nietwesters

H0: Model zonder landen -740,39834 Ha: Model met westers en

nietwesters

-738,62659 3,5435 0,170035 n = 3079

In de tabel is te zien dat er geen significant verschil is tussen westerse en niet-westerse immigranten voor de kans op werk.

Vervolgens wordt getoetst of specifiek het herkomstland invloed heeft op de kans op werk. In tabel 12 worden de resultaten weergeven van de likelihood ratio test voor alle landen, inclusief antillen1 (eerstegeneratie Antillianen), antillen2 (tweedegeneratie suriname1 en suriname2.

Tabel 12: Likelihood ratio test land: alle landen, inclusief antillen1, antillen2, suriname1 en suriname2

(9) p-waarde H0: Model zonder landen -738,72341

Ha: Model met alle landen -730,27738 16,89206 0,050433 n = 3070

In de tabel is te zien dat het model met alle herkomstlanden net niet significant beter is dan het model zonder herkomstlanden, bij een significantieniveau van 5%.

Omdat het model met alle landen, inclusief antillen1, antillen2, suriname1 en suriname2, net niet significant is bij een significantieniveau van 5%, is het interessant om te toetsen of het model exclusief antillen1, antillen2, suriname1 en suriname2 wel significant beter is dan het model zonder herkomstlanden. De resultaten van deze likelihood ratio test zijn weergeven in tabel 13.

Tabel 13: Likelihood ratio test land: alle landen, exclusief antillen1, antillen2, suriname1 en suriname2

(7) p-waarde H0: Model zonder landen -740,39834

Ha: Model met alle landen -734,08229 12,6321 0,081596 n = 3079

In de tabel is te zien dat het model met alle landen, exclusief antillen1, antillen2, suriname1 en suriname2 niet significant beter is dan het model zonder herkomstlanden.

Tot slot worden alle herkomstlanden apart getoetst om te kijken of en welk herkomstland een significante invloed heeft op de kans op werk. De resultaten van deze likelihood ratio tests zijn weergeven in tabel 14.

(20)

19

Tabel 14: Likelihood ratio test land: per land

Ha1: Model met turkije -740,82463 0,00206 0,963799

Ha2: Model met marokko -736,56553 8,52026 0,003512

Ha3: Model met antillen -740,68708 0,27716 0,598569

Ha4: Model met antillen1 -739,98319 1,68494 0,194269

Ha5: Model met suriname -740,77437 0,10258 0,748755

Ha6: Model met suriname1 -740,51067 0,62998 0,427363

Ha7: Model met suriname2 -739,43708 2,77716 0,095618

Ha8: Model met indonesie -739,80419 2.04294 0,152914

n = 3087

Ha9: Model met otherwestern -739,59545 1,60578 0,205086

Ha10: Model met othernonwestern -739,70302 1,39064 0,238297

n = 3079

In de tabellen is te zien dat alleen het herkomstland Marokko een significante invloed heeft op de kans op werk, bij een significantieniveau van 0,5%.

5.5 Eindmodel

Alle specifieke variabelen voor immigrantenonderzoek zijn getoetst, waaruit blijkt dat taal1 (eerstegeneratie-immigranten die thuis Nederlands spreken), indonesietaal1 (eerstegeneratie Indonesiërs die thuis Nederlands spreken), ouder (aantal ouders die in het buitenland zijn geboren), marokko (mensen met herkomstland Marokko) en antillen2 (tweedegeneratie Antillianen) een significante invloed hebben op de kans op werk. Het eindmodel met deze variabelen en de algemene verklarende variabelen is in tabel 15 weergeven.

In de tabel is te zien dat de positieve coëfficiënt van taal1 significant is bij een 5%-significantieniveau. Dit betekent dat eerstegeneratie-immigranten die thuis Nederlands spreken meer kans hebben op werk. Daarnaast is te zien dat de negatieve coëfficiënten van ouder en marokko significant zijn bij een 0,5%-significantieniveau. Daaruit blijkt dat het hebben van één ouder die in het buitenland geboren is een negatieve invloed heeft op de kans op werk ten opzichte van het hebben van geen enkele ouder die in het buitenland is geboren. Wanneer beide ouders in het buitenland zijn geboren is de kans op werkloosheid nog groter dan wanneer enkel één ouder in het buitenland is geboren. Ook blijkt hieruit dat mensen met Marokko als herkomstland significant meer kans hebben op werkloosheid.

Verder is in de tabel te zien dat sommige algemene verklarende variabelen een significante invloed hebben op de kans op werk. Het aantal scholingsjaren is significant bij een 0,5%-significantieniveau. Des te meer scholingsjaren een individu heeft gehad, des te

(21)

20

Tabel 15: Eindmodel

likelihood = -735,09455 n = 3078

employ Coëfficiënt Standaarderror p-waarde

man 0,084 0,144 0,561 partner 0,121 0,110 0,269 kind 0,143 0,115 0,212 manpartner 0,013 0,170 0,938 vrouwkind -0,103 0,150 0,495 scholingsjaren 0,045 0,012 0,000** leeftijd 0,051 0,022 0,019* leeftijd2 -0,001 0,000 0,017* zeersterkstedelijk -0,061 0,130 0,638 sterkstedelijk -0,103 0,115 0,372 matigstedelijk 0,078 0,121 0,522 weinigstedelijk 0,190 0,130 0,145 taal1 0,370 0,148 0,012* indonesietaal1 - - - ouder -0,298 0,058 0,000** marokko -0,571 0,198 0,004** antillen2 - - - const -0,296 0,504 0,557

* is significant bij 5%-niveau, ** bij 0,5%-niveau

meer kans op werk diegene heeft. Daarnaast zijn beide leeftijdsvariabelen significant bij een 5%-significantieniveau. De coëfficiënt van leeftijd is positief en die van leeftijd2 negatief. Dit betekent dat oudere mensen meer kans hebben op werk, en dat dit verband kwadratisch is. Het geslacht, het hebben van een partner, het hebben van kinderen, het zijn van een man met een partner, het zijn van een vrouw met kinderen en de stedelijkheid van de woonplaats hebben geen signficiante invloed op de kans op werk.

6 Conclusie

In de inleiding van deze paper wordt aangegeven dat de werkloosheidsgraad per bevolkingsgroep zeer verschilt (CBS, 2015a). Het is alleen nog nog niet duidelijk of dit verschil daadwerkelijk wordt veroorzaakt door het herkomstland, of dat dit een andere aanleiding heeft. Om deze reden is onderzocht wat het verschil is tussen de kans op werkloosheid van verschillende bevolkingsgroepen, wanneer gecorrigeerd wordt voor diverse verklarende variabelen.

(22)

21 Uit de literatuur blijkt dat er verschillende algemene verklarende variabelen zijn die de kans op werkloosheid kunnen verklaren. Zo kan het geslacht, het hebben van een partner, het hebben van kinderen, het zijn van een man met partner, het zijn van een vrouw met kinderen, het aantal jaren scholing, de leeftijd, de leeftijd in het kwadraat en de plaats van de woning invloed hebben op de kans op werkloosheid. Daarnaast zijn er verschillende verklarende variabelen die opgenomen moeten worden in het model voor werkloosheid wanneer onderzoek wordt gedaan naar immigranten. Deze luiden als volgt: de generatie van de immigrant, of de persoon thuis Nederlands spreekt en het aantal ouders dat in het buitenland geboren is. Om het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen te bepalen, wordt voor alle hiervoor genoemde verklarende variabelen gecorrigeerd. Er is aangenomen dat de algemene verklarende variabelen invloed hebben op de kans op werk, omdat dit door de theorie ondersteund wordt. De specifieke verklarende variabelen voor immigrantenonderzoek zijn getoetst op de significantie van hun effect.

In hoofdstuk 5 zijn de schattingen van verschillende modellen en resultaten van meerdere likelihood ratio tests te vinden. Hieruit blijkt dat er geen significant constant verschil is tussen eerste- en tweedegeneratie-immigraten. Daarentegen is het voor Surinamers, Antillianen en mensen die thuis Nederlands spreken aannemelijk dat er wel een verschil bestaat tussen de verschillende generaties immigranten. Voor tweedegeneratie Antillianen in de data geldt dat zij allemaal een baan hebben. Ook volgt er dat het positieve effect van eerstegeneratie-immigranten die thuis Nederlands spreken significant is, bij een significantieniveau van 5%. Daarmee is het aannemelijk dat eerstegeneratie-immigranten die thuis Nederlands spreken meer kans hebben op werk. Voor eerstegeneratie Indonesiërs in de data die thuis Nederlands spreken geldt dat zij allemaal een baan hebben. Wanneer getoetst wordt op het effect van het aantal ouders die in het buitenland zijn geboren, blijkt dat deze invloed significant is. Er kan niet aangenomen worden dat er een verschil is tussen 0 en 1 ouders en 1 en 2 ouders die in het buitenland zijn geboren. Dit betekent dat het aannemelijk is dat er een consant, negatief, verschil is per ouder die in het buitenland geboren is.

Duidelijk is geworden dat, om het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen te bepalen, gecorrigeerd moet worden voor eerstegeneratie-immigranten die thuis Nederlands spreken, eerstegeneratie Indonesiërs die thuis Nederlands spreken, tweedegeneratie Antillianen en het aantal ouders dat in het buitenland geboren is. Dit, naast de algemene verklarende variabelen die hierboven genoemd zijn. Wanneer modellen die de verschillende herkomstlanden bevatten hiermee getoetst worden, blijkt dat alleen mensen die Marokko als herkomstland hebben minder kans hebben op werk, ten opzichte van autochtone Nederlanders. Voor alle andere herkomstlanden is geen significant verschil gevonden.

(23)

22 Dit betekent dat, wanneer gecorrigeerd wordt op het geslacht, het hebben van een partner, het hebben van kinderen, het zijn van een man met partner, het zijn van een vrouw met kinderen, het aantal jaren scholing, de leeftijd, de leeftijd in het kwadraat, de plaats van de woning, eerstegeneratie-immigranten die thuis Nederlands spreken, eerstegeneratie Indonesiërs die thuis Nederlands spreken, tweedegeneratie Antillianen en het aantal ouders dat in het buitenland geboren is, alleen Marokkanen minder kans hebben op werk dan autochtone Nederlanders.

7 Discussie

In deze paper is onderzoek gedaan naar het verschil tussen de kans op werkloosheid van verschillende bevolkingsgroepen, wanneer gecorrigeerd wordt voor diverse verklarende variabelen. Dit is gedaan met behulp van data van LISS (Longitudinal Internet Studies for the Social sciences), beheerd door CentERdata (Tilburg Universiteit, Nederland). Beide LISS-panel en Immigrant-LISS-panel zijn gebruikt. Omtremt deze data zijn twee opvallende punten die ter discussie gesteld moeten worden.

Ten eerste is in paragraaf 3.5 genoemd dat er een zeer groot verschil is tussen het werkloosheidspercentage van Marokkanen in de steekproef (30,6%) en in de populatie (15,4%) (CBS, 2015a). Dit verschil komt mogelijk door de grootte van de steekproef, deze bevat namelijk slechts 72 individuen met herkomstland Marokko. Het redelijk kleine aantal Marokkanen in de steekproef kan een verkeerd beeld geven van de realiteit. Aangezien het werkloosheidspercentage van Marokkanen in de steekproef niet overeenkomt met die van de werkelijkheid, is duidelijk dat deze data de populatie niet juist weerspiegelen.

Ten tweede zijn alle enquêtes in het Nederlands afgenomen, terwijl de data onder andere verzameld wordt bij immigranten. Een deel van de Nederlandse bevolking (mensen die geen Nederlands spreken) kan hierdoor niet deelnemen aan het onderzoek, wat de steekproef niet aselect maakt. Mijn advies aan de Universiteit van Tilburg is daarom om de enquêtes ook in andere talen beschikbaar te maken.

Aangezien de conclusies in het voorgaande hoofdstuk zijn gebaseerd op een steekproef die niet geheel overeenkomt met de populatie is het mogelijk dat deze onjuist zijn.

(24)

23

Literatuurlijst

Adsera, A., & Chiswick, B. R. (2007). Are there gender and country of origin differences in immigrant labor market outcomes across European destinations? Journal of Population

Economics, 20(3), 495-526.

Algan, Y., Dustmann, C., Glitz, A., & Manning, A. (2010). The economic situation of first and second-generation immigrants in France, Germany and the United Kingdom. The

Economic Journal, 120(542), F4-F30.

Bijl, R. V., Zorlu, A., van Rijn, A. S., Jennissen, R. P. W., & Blom, M. (2005). Integratiekaart

2005. Wetenschappelijk Onderzoek- en Documentatiecentrum, CBS.

CBS. (2015a). Arbeidsdeelname; herkomst. Geraadpleegd op:

http://statline.cbs.nl/Statweb/publication/?DM=SLNL&PA=82809NED&D1=2- 10,19&D2=0&D3=0&D4=a&D5=l&HDR=G3,G4,G1&STB=T,G2&VW=T CBS. (2015b). Begrippen. Geraadpleegd op:

http://www.cbs.nl/nl-NL/menu/methoden/begrippen/ CBS. (2015c). Migration interactive. Geraadpleegd op:

http://www.cbs.nl/en-GB/menu/themas/bevolking/cijfers/extra/mappingworld-1.htm Fleischmann, F., & Dronkers, J. (2010). Unemployment among immigrants in European

labour markets: an analysis of origin and destination effects. Work, Employment &

Society, 24(2), 337-354.

Heij, C., de Boer, P., Franses, P. H., Kloek, T., & Dijk, H. K. (2004). Econometric Methods

with Applications in Business and Economics. Oxford: University Press.

Liebig, T. (2007). The Labour Market Integration of Immigrants in Denmark. OECD Social,

Employment and Migration Working Papers, No. 50, OECD Publishing, Paris.

DOI: http://dx.doi.org/10.1787/233783261534

LISS data. The LISS panel data were collected by CentERdata (Tilburg University, The Netherlands) through its MESS project funded by the Netherlands Organization for Scientific Research.

Rivera-Batiz, F. L. (1992). Quantitative Literacy and the Likelihood of Employment among Young Adults in the United States. The Journal of Human Resources, 27(2), 313-328. Rooth, D., & Ekberg, J. (2003). Unemployment and earnings for second generation

(25)

24 immigrants in Sweden. Ethnic background and parent composition. Journal of Population

(26)

25

Appendix A: Stata do-file

clear

*data Liss panel inladen (LISS panel)

use "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\avars_201412_EN_1.0p LISS.dta" *voeg data immigranten toe (Immigrant panel)

append using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\avars_201412_EN_1.0p Immigranten.dta"

keep nomem_encr nohouse_encr geslacht leeftijd aantalki partner sted belbezig oplcat oplmet herkomstgroep herkomstland *voeg taal en ouder variabelen toe van LISS panel (Religion and Ethnicity)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr08a_1p_EN.dta", generate(merge1) keepusing(cr08a053 cr08a054 cr08a057 cr08a058 cr08a060 cr08a061 cr08a089)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr09b_EN_1.0p.dta", generate(merge2) keepusing(cr09b053 cr09b054 cr09b057 cr09b058 cr09b060 cr09b061 cr09b089)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr10c_EN_1.0p.dta", generate(merge3) keepusing(cr10c053 cr10c054 cr10c057 cr10c058 cr10c060 cr10c061 cr10c089)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr11d_EN_1.0p.dta", generate(merge4) keepusing(cr11d089)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr12e_1.0p_EN.dta", generate(merge5) keepusing(cr12e089)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr13f_1.0p_EN.dta", generate(merge6) keepusing(cr13f089)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr14g_1.0p_EN.dta", generate(merge7) keepusing(cr14g089)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cr15h_1.0p_EN.dta", generate(merge8) keepusing(cr15h089)

drop if nohouse_encr == .

*voeg taal en ouder variabelen toe van Immigranten panel (Religion and Ethnicity)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\fe10a_EN_1.0p.dta", generate(merge9) keepusing(fe10a123 fe10a124 fe10a153 fe10a154 fe10a183 fe10a184 fe10a296)

*voeg Work and Schooling toe van LISS panel

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cw13f_EN_1.0p.dta", generate(merge19) keepusing(cw13f005 cw13f006 cw13f007)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cw14g_EN_1.0p.dta", generate(merge20) keepusing(cw14g005 cw14g006 cw14g007)

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\cw15h_EN_1.0p.dta", generate(merge21) keepusing(cw15h005 cw15h006 cw15h007)

*voeg Work and Schooling toe van Immigrant panel

merge 1:1 nomem_encr using "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\gu14b_1.0p_EN.dta", generate(merge23) keepusing(gu14b005 gu14b006 gu14b531 gu14b533 gu14b535 gu14b537)

sort nomem_encr

save "C:\Users\Sanne\Documents\Sanne\UvA\Econometrie Jaar 3\Scriptie\Data\Datascriptie.dta", replace *werkloosheid

drop if leeftijd < 15 drop if leeftijd > 75 drop if belbezig == . tabulate belbezig

(27)

26 drop if belbezig == 6 drop if belbezig == 7 drop if belbezig == 8 drop if belbezig == 9 drop if belbezig == 10 drop if belbezig == 12 drop if belbezig == 13 drop if belbezig == 14 gen employ = belbezig

replace employ = 1 if (employ > 0 & employ < 4)

replace employ = 0 if (employ == 4 | employ == 5 | employ == 11) *geslacht

drop if geslacht == . gen man = 1 if geslacht == 1 replace man = 0 if man == . *partner is gewoon partner *kind

gen kind = 0 if aantalki == 0

replace kind = 1 if (aantalki > 0 & aantalki != .) *educatie

gen educ = cw15h005

replace educ = cw14g005 if educ == . replace educ = cw13f005 if educ == . replace gu14b005 = 29 if gu14b005 == 27 replace gu14b005 = 27 if gu14b005 == 28 replace educ = gu14b005 if educ == . gen scholingsjaren = .

replace scholingsjaren = 0 if (educ == 1 | educ == 2) replace scholingsjaren = 8 if educ == 3

replace scholingsjaren = 10 if educ == 4

replace scholingsjaren = 14 if (educ == 14 | educ == 15) replace scholingsjaren = 15 if (educ == 17 | educ == 18)

replace scholingsjaren = 22 if educ == 26 gen educ2 = .

replace educ2 = cw15h006

replace educ2 = cw14g006 if cw15h005 == .

replace educ2 = cw13f006 if (cw15h005 == . & cw14g005 == .) replace educ2 = gu14b006 if educ2 == .

replace scholingsjaren = 0 if educ2 == 1 replace scholingsjaren = 8 if educ2 == 2 replace scholingsjaren = 12 if educ2 == 3 replace scholingsjaren = 14 if educ2 == 4 replace scholingsjaren = 16 if educ2 == 5 replace scholingsjaren = 17 if educ2 == 6 replace scholingsjaren = 22 if educ2 == 7

replace scholingsjaren = 0 if (gu14b005 == 27 & gu14b531 == 2)

replace scholingsjaren = 8 if (gu14b005 == 27 & gu14b531 == 1 & gu14b533 == 2) replace scholingsjaren = 13 if (gu14b005 == 27 & gu14b533 == 1 & gu14b535 == 2) replace scholingsjaren = 17 if (gu14b005 == 27 & gu14b535 == 1 & gu14b537 == 2) replace scholingsjaren = 22 if (gu14b005 == 27 & gu14b537 == 1)

replace scholingsjaren = 0 if (scholingsjaren == . & oplmet == 8) replace scholingsjaren = 0 if (scholingsjaren == . & oplmet == 9) replace scholingsjaren = 8 if (scholingsjaren == . & oplmet == 1) replace scholingsjaren = 12 if (scholingsjaren == . & oplmet == 2) replace scholingsjaren = 13.5 if (scholingsjaren == . & oplmet == 3) replace scholingsjaren = 15 if (scholingsjaren == . & oplmet == 4) replace scholingsjaren = 17 if (scholingsjaren == . & oplmet == 5) replace scholingsjaren = 17 if (scholingsjaren == . & oplmet == 6)

(28)

27

replace scholingsjaren = 8 if (scholingsjaren == . & oplcat == 1) *leeftijd

gen leeftijd2 = leeftijd^2 *plaats van woning

gen zeersterkstedelijk = 1 if sted == 1

replace zeersterkstedelijk = 0 if (sted == 2 | sted == 3 | sted == 4 | sted == 5) gen sterkstedelijk = 1 if sted == 2

replace sterkstedelijk = 0 if (sted == 1 | sted == 3 | sted == 4 | sted == 5) gen matigstedelijk = 1 if sted == 3

replace matigstedelijk = 0 if (sted == 1 | sted == 2 | sted == 4 | sted == 5) gen weinigstedelijk = 1 if sted == 4

replace weinigstedelijk = 0 if (sted == 1 | sted == 2 | sted == 3 | sted == 5) gen zwst = 1 if sted == 5

replace zwst = 0 if (sted == 1 | sted == 2 | sted == 3 | sted == 4) *taal

gen taal = .

replace taal = 1 if (cr15h089 == 1)

replace taal = 1 if (cr14g089 == 1 & cr15h089 == .)

replace taal = 1 if (cr13f089 == 1 & cr14g089 == . & cr15h089 == .)

replace taal = 1 if (cr12e089 == 1 & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 1 if (cr11d089 == 1 & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 1 if (cr10c089 == 1 & cr11d089 == . & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .) replace taal = 1 if (cr09b089 == 1 & cr10c089 == . & cr11d089 == . & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 1 if (cr08a089 == 1 & cr09b089 == . & cr10c089 == . & cr11d089 == . & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 0 if (cr15h089 == 2)

replace taal = 0 if (cr14g089 == 2 & cr15h089 == .)

replace taal = 0 if (cr13f089 == 2 & cr14g089 == . & cr15h089 == .)

replace taal = 0 if (cr12e089 == 2 & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 0 if (cr11d089 == 2 & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 0 if (cr10c089 == 2 & cr11d089 == . & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .) replace taal = 0 if (cr09b089 == 2 & cr10c089 == . & cr11d089 == . & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 0 if (cr08a089 == 2 & cr09b089 == . & cr10c089 == . & cr11d089 == . & cr12e089 == . & cr13f089 == . & cr14g089 == . & cr15h089 == .)

replace taal = 1 if (fe10a296 == 1 | fe11a296 == 1 | fe12a296 == 1 | fe13a296 == 1 | fe14a296 == 1)

replace taal = 0 if (fe10a296 != 1 & fe10a296 != . | fe11a296 != 1 & fe11a296 != . | fe12a296 != 1 & fe12a296 != . | fe13a296 != 1 & fe13a296 != . | fe14a296 != 1 & fe14a296 != . )

*geboorteland individu gen gebland = .

replace gebland = 0 if cr08a053 == 1 replace gebland = cr08a054 if cr08a053 == 2 replace gebland = 0 if cr09b053 == 1 replace gebland = cr09b054 if cr09b053 == 2 replace gebland = 0 if cr10c053 == 1 replace gebland = cr10c054 if cr10c053 == 2 replace gebland = 0 if fe10a123 == 1 replace gebland = fe10a124 if fe10a123 == 2 replace gebland = 8 if fe10a124 == 7 replace gebland = 0 if fe11a123 == 1 replace gebland = fe11a124 if fe11a123 == 2 replace gebland = 8 if fe11a124 == 7 replace gebland = 0 if fe12a123 == 1 replace gebland = fe12a124 if fe12a123 == 2 replace gebland = 8 if fe12a124 == 7 replace gebland = 0 if fe13a123 == 1 replace gebland = fe13a124 if fe13a123 == 2