Armut in Deutschland

Zur Bestimmung der Einkommensarmut wird das bedarfsgewichtete Haushaltsnettoeinkommen (auch Äquivalenzeinkommen genannt) eines Haushalts herangezogen. Die Bedarfsgewichtung dient dazu, die Einkommenssituation zwischen Haushalten unterschiedlicher Zusammensetzung vergleichen zu können. Dabei werden den Personen im Haushalt je nach Alter unterschiedliche Bedarfsgewichte zugeteilt. Nach der modifizierten OECD-Skala wird der ersten erwachsenen Person im Haushalte ein Wert von 1 zugeteilt, jeder weiteren Person ab 14 Jahren ein Wert von 0,5 und jeder Person bis unter 14 Jahren ein Wert von 0,3. Durch die Gewichtung weiterer Haushaltmitglieder mit einem Wert kleiner eins wird angenommen, dass sich durch gemeinsames Wirtschaften Ersparnisse (so genannte Skaleneffekte) erzielen lassen. Grundlage für das bedarfsgewichtete Einkommen ist das einem Haushalt zur Verfügung stehende Nettoeinkommen. Das Haushaltsnettoeinkommen ist die Summe der persönlichen Nettoeinkommen aus sämtlichen Einkommensarten aller Haushaltsmitglieder (z. B. Lohn oder Gehalt, Unternehmereinkommen, Rente, Pension, öffentliche Unterstützungen, Einkommen aus Vermietung und Verpachtung, Kindergeld, Wohngeld, Transferleistungen für Unterkunft und Heizung, etc.). Dieses wird in beiden Studien in mehreren Varianten erfasst. Zum einen wird das zum Zeitpunkt der Befragung aktuelle monatliche Haushaltsnettoeinkommen¹⁴, also die regelmäßigen Einkünfte nach Abzug von Steuern und Sozialabgaben zuzüglich erhaltener Sozialtransfers, durch den Haushaltsvorstand direkt erfragt. Dabei handelt es sich um das sogenannte Screener-Einkommen (siehe Anhang). Zum anderen werden – im PASS für den letzten Monat, im SOEP zusätzlich auch für das zurückliegende Jahr – alle individuellen (Brutto‑)Einkommen aller aktuell im Haushalt befragten Personen und deren gemeinsame Einkommen erhoben. Aus den aufsummierten Werten können, mit Hilfe einer Schätzung der Steuer- und Sozialabgaben und imputierter Werte für fehlende Angaben bzw. nicht befragungsbereiter Personen, die Jahresnettoeinkommen des Vorjahres bzw. Nettoeinkommen des Vormonats errechnet werden. Hierbei spricht man von Komponenten-Einkommen. Beim SOEP wird zudem der Mietwert selbstgenutzten Wohneigentums berücksichtigt sowie für Mieter mit subventionierter Miete auch der fiktive Einkommensvorteil gegenüber einer marktüblichen Miete erfasst (imputed rent) (Frick et al. 2010).

Es gilt die Einflüsse der beiden verschiedenen Arten der Einkommensmessung auf die Ergebnisse zu berücksichtigen. Beim direkt von einem Haushaltsmitglied erhobenen aktuellen Screener-Einkommen wird, vor allem mit zunehmender Haushaltsgröße, die Höhe des verfügbaren Einkommens eher unterschätzt, da bestimmte Einkommenskomponenten oder Einkommen von Haushaltsmitgliedern vergessen werden oder nicht bekannt sind (vgl. Groh-Samberg 2009, S. 127). In Goebel et al. (2009) werden Daten beider Einkommenskonzepte verwendet. In dieser Untersuchung wird darauf hingewiesen, dass es zwischen den beiden Konzepten aufgrund von Sonderzahlungen und Steuerrückzahlungen bei den Vorjahreseinkommen, als auch durch unterjährige Schwankungen beim Einkommensbezug z. B. aufgrund von saisonaler Arbeitslosigkeit, zu einer etwas höheren Ungleichheit und daher zu höheren Armutsquoten kommt. Es konnten aber abgesehen von diesen Niveaueffekten für beide Einkommenskonzepte dieselben Trends im zeitlichen Verlauf festgestellt werden.

Ein Vorteil des aktuellen Screener-Einkommens ist die Konsistenz von Haushaltsstruktur und Einkommen. Während beim Vorjahr als Bezugszeitraum eine Veränderung der Haushaltskonstellation möglich ist, wird beim aktuellen Monatseinkommen der gleiche zeitliche Bezugsrahmen von Soziodemografie und Einkommen verwendet. Auch dürfte es den meisten Personen (besonders bei Schwankungen im Einkommen) leichter fallen, valide Angaben zum aktuellen Monat zu machen als zum gesamten Vorjahr. Zudem erlaubt das Monatseinkommen eine bessere Vergleichbarkeit mit anderen Datenquellen wie z. B. dem MZ, der den gleichen Referenzzeitpunkt beim Haushaltseinkommen verwendet. Und auch die höhere Aktualität der Information spricht für diese Art der Einkommensmessung.¹⁵

Eine wichtige Frage bei der Analyse von Einkommen betrifft den Umgang mit fehlenden Angaben. Werden Personen in Haushalten mit fehlenden Angaben aus den Analysen ausgeschlossen (Case-Wise-Deletion), kann dies zu verzerrten Schätzern führen, falls der Ausfallprozess nicht einem reinen Zufallsprozess unterliegt (Missing completely at random, MCAR). Ein Vorteil des Screener-Einkommens gegenüber dem Komponenten-Einkommen ist, dass nur bei einer Variablen fehlende Werte auftreten und entsprechend nur eine Einkommenskomponente imputiert werden muss, während beim Komponenteneinkommen sowohl bei jeder Einzelkomponente als auch bei jeder zu befragenden Person Non-Response auftreten kann.¹⁶

Das Screener-Einkommen wird im SOEP auf Basis einer multiplen Imputation nach dem Chained-Equation Ansatz imputiert (Van Buuren und Groothuis-Oudshoorn 2000).¹⁷ Beim PASS wurde das Einkommen in der ersten Welle nur als Screener-Einkommen erhoben. In den folgenden Wellen wurden zusätzlich die einzelnen Einkommenskomponenten erfasst, imputierte Werte stehen jedoch zurzeit nicht zur Verfügung. Im Mikrozensus werden das persönliche Nettoeinkommen der einzelnen Haushaltsmitglieder und das Haushaltsnettoeinkommen im Monat vor der Befragung in 24 Einkommensklassen erhoben. Item-Non-Response liegt trotz des verpflichtenden Charakters des MZ vor und wird nicht durch Imputation korrigiert.¹⁸ Aufgrund dieser Erhebungsform bedarf es eines angemessenen Verfahrens zur Bestimmung der Armutsgrenze. Dabei wird den Haushalten nahe der Armutsschwelle eine Armutswahrscheinlichkeit zwischen 0 und 1 zugeordnet (für eine genaue Beschreibung des Verfahrens siehe Stauder und Hüning 2004 und Gerhardt et al. 2009). Eine wichtige Einschränkung des MZ betrifft die Verwendung von Proxyinterviews. Falls eine Person während der Feldphase nicht anzutreffen ist – vor allem im Falle von mobilen Personen wie junge Erwachsene, Pendler, etc. – werden im MZ auch Proxyinterviews eingesetzt, d. h. eine Referenzperson gibt stellvertretend Auskunft über die abwesende Person. Hierbei ist nicht auszuschließen, dass es zu einer Untererfassung der Erwerbs- und damit verbunden der Einkommenssituation des Haushalts kommen kann.

Bei den folgenden Analysen wird wegen der besseren Vergleichbarkeit das Screener-Einkommen verwendet, da nur dieses für alle drei Datenquellen vorliegt. Da für das PASS keine Imputationen bereit stehen, werden diese für die Analysen erstellt. Das Verfahren wird weiter unten im Abschnitt Datenaufbereitung beschrieben. Gegenüber dem komplexen Imputationsverfahren im SOEP handelt es sich bei den durchgeführten Imputationen um ein vergleichsweise simples Verfahren. Da der Anteil von Item-Non-Response verhältnismäßig klein ist¹⁹, wird die Bedeutung der Unterschiede in den Imputationsmethoden zwischen PASS und SOEP auf die folgenden Analysen als eher gering eingeschätzt.

Bevor die Armutsanalysen durchgeführt werden können, müssen die Datensätze vorbereitet werden. Hierfür gilt es, in den beiden Panelbefragungen spezifische Gegebenheiten zu beachten. Während im SOEP für das Screener-Einkommen imputierte Werte für fehlende Angaben zur Verfügung stehen, kann im PASS einem Großteil der Haushalte mit fehlenden Angaben durch die kategoriale Nachfrage ein Wert zugewiesen werden. Damit nicht alle Haushalte, die die gleiche Einkommenskategorie angegeben haben, einen identischen Wert zugewiesen bekommen (was u. a. zu Unschärfen bei der Bestimmung des Medians führen kann), werden Werte innerhalb des Wertebereiches der jeweiligen Kategorie vergeben. Die Verteilung orientiert sich an der gewichteten Verteilung der beobachteten Werte, die zwischen der jeweiligen Klassenober- und -untergrenze liegen. Für die restlichen Fälle wird eine regressionsbasierte Imputation durchgeführt. Hierbei wird für jede Erhebungswelle ein lineares Regressionsmodell mit den unabhängigen Variablen Wohnregion, Haushaltsgröße, Anzahl der erwachsenen Personen im Haushalt, Anzahl der erwerbstätigen Personen im Haushalt und Bezug von Arbeitslosengeld II im Haushalt und der zu erklärenden Variablen Haushaltsnettoeinkommen geschätzt.²⁰ Anhand der Koeffizienten kann für die Haushalte ohne gültige Einkommensangabe ein Wert vorhergesagt werden. Diesen vorhergesagten Werten werden beobachtete Residuen zufällig aufaddiert, um die Varianz des Schätzers zu erhalten. Im SOEP liegen fünf multiple Imputationen für das Screener-Einkommen vor. Daher werden auch fünf multiple Imputationen für das Screener-Einkommen im PASS erstellt, indem jeweils ein unterschiedliches Residuum auf den vorgesagten Wert aufaddiert wird. Da für die fehlenden Werte beim Screener-Einkommen multiple Imputationen zum Einsatz kommen, werden die Punktschätzer als Durchschnitt über die Imputationen und die Standardfehler aus der Varianz innerhalb der Imputationen (Within-Imputation) sowie der Varianz zwischen den Imputationen (Between-Imputation) berechnet (Krug 2010, S. 32 f.). Dieses Vorgehen wird bei der Berechnung der Armutskennziffern angewendet. Bei den weiteren Berechnungen wird die jeweils erste Imputation verwendet.

Für den Vergleich der Armutspopulationen werden verschiedene Gruppen von Merkmalsträgern gebildet. Diese befinden sich zum einen auf der Haushaltsebene. So werden Haushaltstyp, Haushaltsgröße, Arbeitslosengeld-II-Bezug im Haushalt, Wohnregion und Wohnstatus verglichen. Zum anderen handelt es sich um Merkmale auf der Personenebene. Hier werden Bildung, Gesundheitszustand, Migration, Erwerbsstatus, berufliche Stellung und Familienstand verglichen. Die Analysen werden alle auf der Personenebene durchgeführt. Für die Merkmale auf der Haushaltsebene werden die Analysen für alle Personen in den Haushalten durchgeführt. Für die Merkmale auf Ebene der Personen werden die Analysen nur für Personen ab 18 Jahren erstellt.²¹

Für einen Vergleich mit den Einkommensangaben im MZ werden die Einkommensangaben aus SOEP und PASS in die beim MZ verwendeten Einkommensklassen eingeteilt. Dabei wird hier auf das Haushaltsnettoeinkommen vor Bedarfsgewichtung zurückgegriffen. Zudem wird auf die Verwendung von Imputationen verzichtet. Die kategorialen Angaben in PASS werden hier jedoch berücksichtigt. Hierdurch soll erkennbar werden, ob die Unterschiede bereits in den original erhobenen Screener-Einkommen ohne Korrektur durch Imputationen und Bedarfsgewichtung vorliegen. Abb. 1 gibt die Verteilung der Einkommen für die Jahre 2007 und 2012 wieder. Im Mittelpunkt stehen die Bereiche, bei denen stärkere Abweichungen in den Verteilungen zwischen SOEP und PASS beobachtet werden. Im Jahr 2007 liegen im Bereich bis 1100 € die Anteilswerte im MZ näher an denen im SOEP. Die Einkommensklasse von 1500 bis 1700 € weist im SOEP in 2007 um etwa zwei Prozentpunkte höhere Anteile auf als in den beiden anderen Studien. Dafür ist die Klasse von 1700 bis 2000 € im PASS etwas stärker besetzt. Im Jahr 2011 fallen die Unterschiede zwischen den drei Datenquellen geringer aus. Die Anteilswerte der unteren Einkommensklassen im PASS weichen nur noch geringfügig von denen im MZ ab. In einzelnen höheren Einkommensklassen liegen die Anteile bei PASS und SOEP (Klassen von 2000 bis 2600) über denen im MZ. Generell weist das PASS, aufgrund der Erhebung von Einkommensklassen bei der Nichtnennung der genauen Einkommenshöhe, nur einen vergleichsweise geringen Anteil von fehlenden Angaben auf.

In Abb. 2 sind die Verteilungen der Äquivalenzhaushaltsnettoeinkommen der sieben Erhebungsjahre für die Stichproben des SOEP (lang gestrichelte Linie) und des PASS (durchgezogene Linie) abgebildet. Für das erste Erhebungsjahr von PASS im Jahr 2007 lässt sich erkennen, dass die Verteilung im PASS gegenüber der Verteilung im SOEP leicht nach links verschoben ist. Es ist dabei im PASS ein höherer Anteil von Haushalten mit geringem Einkommen von unter 900 € und ein niedriger Anteil bei den Einkommen zwischen 1000 und 1300 € erkennbar. Im Jahr 2008 weichen die Verteilungen vor allem für den Wertebereich von 600 bis 1300 € voneinander ab. Bei den Einkommen unter 600 € haben sich die Verteilungen stärker angepasst. Im Jahr 2009 nähern sich die Kerndichteschätzer der beiden Erhebungen weiter an. Größere Unterschiede sind hier nur noch im Wertebereich zwischen 1000 und 1200 € erkennbar. In den Jahren 2010 bis 2013 weisen die beiden Einkommensverteilungen die stärksten Überschneidungen auf. Kolmogorow-Smirnow-Tests auf gleiche Verteilung der Einkommen weisen in allen Wellen signifikante Differenzen auf, welche sich aber von 0,064 im Jahr 2007 auf 0,020 im Jahr 2010 zunehmend verringern. In den darauffolgenden Jahren nehmen die Differenzen wieder leicht zu (bis 0,029 im Jahr 2013).

Panelattrition tritt bei Panelstudien vor allem beim Übergang von der ersten auf die zweite Erhebungswelle auf. Davon ist das SOEP als langlaufende Panelstudie im hier untersuchten Beobachtungszeitraum nur eingeschränkt betroffen. Anders verhält es sich beim PASS, das erst im Jahr 2007 startete. Die hier beobachtete Annäherung der Kerndichteschätzer kann daher auch das Ergebnis eines Ausfallprozesses im PASS sein, der dazu führt, dass nach mehreren Erhebungswellen bestimmte Personengruppen in den zwei Stichproben nicht mehr ausreichend vertreten sind.

Um diese Überlegung zu prüfen, wird ein Vergleich der Einkommensverteilung im PASS mit der Stichprobe H des SOEP durchgeführt. Bei dieser Stichprobe handelt es sich um eine bevölkerungsrepräsentative Auffrischungsstichprobe die erstmals 2006 befragt wurde. Hier dürfte ein vergleichbarer Prozess der Panelattrition zu beobachten sein. Bei der Interpretation muss jedoch berücksichtigt werden, dass die Stichprobe H des SOEP bereits ein Jahr vor PASS zum ersten Mal befragt wurde. Die Einkommensverteilung der Stichprobe H des SOEP ist ebenfalls in Abb. 2 enthalten (kurz gestrichelte Linie). Hier deutet sich an, dass sich die Einkommensverteilungen zwischen der SOEP-Stichprobe H und der gesamten SOEP-Stichprobe stark ähnelt. Dies gilt vor allem für die Jahre 2007 und 2008. Ab dem Jahr 2009 werden die Unterschiede zur Einkommensverteilung in der PASS-Stichprobe geringer. Ab dem Jahr 2011 sind im Einkommensbereich von 500 bis 1200 € Abweichungen der Einkommensverteilungen zwischen der SOEP-Stichprobe H und den anderen beiden Stichproben zu erkennen und bleiben bis zum Jahr 2013 bestehen.

Neben der Verteilung der Einkommen kann auch die Ungleichheit der Einkommen betrachtet werden. In Abb. 3 sind die Lorenzkurven und Gini-Koeffizienten des Äquivalenzhaushaltsnettoeinkommen in SOEP und PASS für die einzelnen Jahre angegeben. Während beim SOEP der Gini-Koeffizient über die sieben Jahre relativ konstant ist, sind beim PASS stärkere Schwankungen erkennbar. Die größten Unterschiede zwischen den beiden Studien sind in den Jahren 2007 und 2008 zu erkennen. Analog zu der Entwicklung der Differenzen in den Einkommensverteilungen nehmen auch die Unterschiede in den Ungleichheitsmaßen zwischen den beiden Datenquellen über die Jahre ab. Ab dem Jahr 2010 überlappen sich die Konfidenzintervalle, auch wenn die Differenz im Jahr 2013 wieder leicht zunimmt.

In Tab. 2 sind die Medianeinkommen als relevanter Bezugspunkt für die Armutsquotenberechnung und die sich daraus ergebenden Armutsrisikoschwellen sowie weitere Perzentile (10 %, 25 %, 75 % und 90 %) der Verteilung dargestellt.²² Es ist zu erkennen, dass sich der Median zwischen SOEP und PASS am stärksten im Jahre 2007 (um 40 €) signifikant unterscheidet. In den Jahren 2008 bis 2013 liegen die Medianeinkommen der beiden Studien sehr nah beieinander. Zum Vergleich werden für die Jahre 2007 bis 2012 die Werte auf Basis der MZ-Stichprobe angegeben. Der Median im MZ liegt in allen sechs Jahren über den Werten in SOEP und PASS. Die 10 %-Perzentile liegen im PASS in allen Jahren unter den Werten im SOEP. Die Werte im MZ liegen durchgängig dazwischen. Die 25 %-Perzentile liegen im SOEP durchgängig über denen im PASS (außer im Jahr 2010) und ähneln denen im MZ. Bei den 90 %-Perzentilen weist das PASS in den meisten Jahren hingegen höhere Werte als das SOEP auf. Hier liegen die Werte im MZ näher bei denen im PASS. Insgesamt sind die Unterschiede zwischen den drei Datenquellen als relativ gering anzusehen. Dies gilt insbesondere vor dem Hintergrund, dass kategoriale Einkommensinformationen vorliegen (in PASS bei fehlenden Antwortangaben zum exakten Einkommen und im MZ für alle Befragten), die unter entsprechenden Annahmen in metrische Informationen überführt wurden.

Bei der Bestimmung der Ressourcenarmut werden die Armutsquote (FGT0), die Armutslücke (FGT1) und die Armutsintensität (FGT2) berechnet. In Abb. 4 sind diese Armutskennziffern nach der 60 % Armutsrisikogrenze für die sieben untersuchten Erhebungswellen in SOEP (Dreieck) und PASS (Kreis) abgebildet. Zudem sind die 95-Prozent-Konfidenzintervalle ausgewiesen. Für die Jahre 2007 bis 2012 sind auch die Werte im MZ (Rechteck) dargestellt.

Bei der Kennziffer FGT0, welche die Armutsrisikoquote darstellt, sind deutliche Differenzen zwischen den Werten in den beiden Studien erkennbar. Diese sind besonders im Jahr 2007 ausgeprägt. Die Differenz der Punktschätzer beträgt 3,4 Prozentpunkte. Über die Jahre nähern sich die Werte einander an. Die Konfidenzintervalle überschneiden sich ab dem Jahr 2010. Im PASS werden durchgängig höhere Armutsrisikoquoten ausgegeben. Allerdings zeigen sich zwischen den beiden Datensätzen ähnliche Trends. So sind in beiden Studien ein Rückgang der Armutsrisikoquote in den Jahren 2009 sowie ein Anstieg im Zeitraum danach zu beobachten. Die im MZ ausgewiesene Armutsrisikoquote liegt durchgängig zwischen den Werten in SOEP und PASS.

Die durchgängig höheren Werte im PASS sind auch bei den weiteren Armutsmaßen FGT1 und FGT2 erkennbar. Auch hier nähern sich die Werte zwischen den Datenquellen über die Jahre einander an, allerdings vollzieht sich hier diese Entwicklung über den gesamten Beobachtungszeitraum. Überschneidungen der Konfidenzintervalle liegen ab dem Jahr 2010 (FGT1 und FGT2) vor. Die Werte des MZ liegen ebenfalls durchgängig zwischen denen in SOEP und PASS.²³

Die drei Armutsmaße (FGT0 bis FGT2) unterscheiden sich zwischen den beiden Studien von 2007 bis 2009 signifikant voneinander. In einem nächsten Schritt wird versucht zu klären, wo die Quellen für diese Unterschiede liegen könnten. Um ein genaueres Bild zu erhalten, wird für das Jahr 2007 – das Erhebungsjahr mit den größten Unterschieden in den FGT-Werten – ein Blick auf die Verteilung einer Reihe zentraler soziodemographischer Charakteristika in der hochgerechneten Grundgesamtheit sowie den jeweiligen Armutsquoten in den Subpopulationen geworfen. Es werden dabei die Unterschiede zwischen SOEP und PASS nach Haushaltstyp, Haushaltsgröße, Arbeitslosengeld-II-Bezug, Wohnregion, Wohnstatus, Gesundheitszustand, Bildung, Migration, Erwerbsstatus, berufliche Stellung und Familienstand untersucht. Die Armutsrisikoquoten der Subpopulationen werden einander gegenübergestellt, um festzustellen, inwiefern die Armutsbetroffenheit der einzelnen Gruppen übereinstimmt. Um die Armutsrisikoquoten in den Subpopulationen zwischen den beiden Datensätzen besser vergleichen zu können, werden die Differenzen zur jeweils durchschnittlichen Armutsrisikoquote (PASS 16,4 %, SOEP 13,0 %) dargestellt. Dadurch soll erkennbar werden, ob es systematisch qualitativ unterschiedliche Armutsrisikogruppen gibt. Zur Kontrolle werden zusätzlich die Werte des MZ dargestellt.

Betrachtet man die Bevölkerungsstrukturen für die beiden Stichproben in Abb. 5, so zeigen sich bei den haushaltsbezogenen Merkmalen kaum signifikante Unterschiede.²⁴ Bei den Werten, die sich durch den MZ bestimmen lassen, kommt es nur zu geringfügigen Abweichungen mit Ausnahme des Bezugs von Arbeitslosengeld-II, der im MZ etwas geringer ausfällt. Bezogen auf die Armutsrisikoquoten innerhalb der Subpopulationen ergeben sich jedoch kaum nennenswerte Unterschiede.

Betrachtet man in Abb. 6 die Bevölkerungsstruktur für die Personen ab 18 Jahren, so zeigt sich im PASS ein signifikant höherer Anteil an Personen mit „Fachhochschulabschluss“. Bei einem „mittleren Schulabschluss mit beruflichen Bildungsabschluss“ sowie den „Hochschulabschlüssen“ hat hingegen das SOEP einen signifikant höheren Bevölkerungsanteil. Diese strukturellen Unterschiede spiegeln sich jedoch kaum in den Armutsrisikoquoten wider. Am auffälligsten – wenngleich statistisch nicht signifikant – ist hier der Unterschied in den Armutsrisikoquoten bei den Gruppen „Abitur ohne beruflicher Ausbildung“ und „Hauptschulabschluss ohne beruflicher Ausbildung“, wobei das PASS jeweils einen leicht höheren Wert aufweist.

Signifikante Unterschiede im Hinblick auf die Bevölkerungsstruktur finden sich auch beim Gesundheitszustand²⁵, dem Migrationshintergrund und der beruflichen Stellung. Allerdings lassen sich nur bei Letzterem auch signifikante Unterschiede in den Abweichungen von den Armutsrisikoquoten beobachten (bei Beamten und Angestellten). Und auch beim Familienstand ergeben sich markante Unterschiede. So finden sich mehr als doppelt so viele „Ledige“ im SOEP, auch der Anteil der „Geschiedenen“ ist im SOEP signifikant höher. Im Gegenzug sind im PASS „Verheiratete“ weitaus häufiger vertreten. Die Unterschiede können daraus resultieren, dass im PASS die Frage zum Familienstand in der ersten Welle eine vergleichsweise hohe Anzahl von fehlenden Werten aufweist (ca. 5 %). Die Werte im SOEP decken sich größtenteils mit denen im MZ. In den Abweichungen von den durchschnittlichen Armutsrisikoquoten lassen sich hingegen keine Unterschiede erkennen.²⁶

Um genauere Aussagen machen zu können, ob die Unterschiede in den Armutsrisikoquoten entweder auf eine unterschiedliche Erfassung (bzw. Gewichtung) bestimmter Teilpopulationen oder auf ein unterschiedliches Armutsrisiko innerhalb der betrachteten soziodemographischen Gruppen zwischen den beiden Datensätzen zurückzuführen ist, kann die Differenz der Armutsrisikoquoten zwischen den Datensätzen in zwei Teile zerlegt werden. Bezeichnet \(p\) die Gesamtarmutsrisikoquote, \(i\) die Bevölkerungsgruppe, \(q_{i}\) den Anteil dieser Gruppe an der Bevölkerung, \(\Updelta q_{i}\) die Differenz der Gruppenanteile zwischen den beiden Studien und \(p_{i}\) die Armutsrisikoquote der Teilpopulation, lässt sich die Differenz der Gesamtarmutsrisikoquoten zwischen SOEP und PASS beschreiben als:

Die erste Summe kann dabei als Struktureffekt interpretiert werden, die zweite als Armutsrisikoquoteneffekt. Der Struktureffekt gibt einen Hinweis darauf, ob sich die Teilpopulationen zwischen den Datensätzen unterscheiden, während der Armutsrisikoquoteneffekt einen Hinweis darauf gibt, ob in den Datensätzen unterschiedliche Anteile an Personen von Armut betroffen sind (vgl. Becker et al. 2008). Diese Zerlegung wird hier für die Merkmale vorgenommen, bei denen zwischen den beiden Datensätzen große Abweichungen in der Bevölkerungsstruktur oder der Armutsrisikoquote vorliegen. Hierzu zählen das Bildungsniveau, der Familienstand und die Form der Beschäftigung.²⁷ In Tab. 3 sind die Ergebnisse für die Jahre 2007 und 2010 dargestellt. Während in 2007 deutliche Unterschiede in den Armutskennziffern zu erkennen sind, kommt es bis 2010 zu einer klaren Annäherung.

Zum einen wird berechnet, wie sich die Armutsrisikoquote im PASS verändert, wenn man die Bevölkerungsanteile des SOEP unterstellt (Struktureffekt). Wäre z. B. für das Jahr 2007 die Struktur des Bildungsniveaus im PASS identisch mit der im SOEP, so würde sich die Differenz in der Armutsrisikoquote um knapp 0,7 Prozentpunkte verringern. Der Armutsrisikoquoteneffekt gibt an, um wie viel sich die Gesamtarmutsrisikoquote im SOEP verändert, wenn die Armutsrisikoquoten vom PASS verwendet werden. Hier ist der Effekt beim Bildungsniveau weitaus größer und beträgt 3,1 Prozentpunkte. Der Gesamteffekt ergibt sich aus der Summe von Struktureffekt und Armutsrisikoquoteneffekt.²⁸ Der Gesamteffekt beläuft sich damit auf knapp 3,8 Prozentpunkte und ist besonders stark bei Personen mit Hauptschulabschluss (1,2 Prozentpunkte ohne berufliche Ausbildung und 1,0 Prozentpunkte mit beruflicher Ausbildung). Es ist erkennbar, dass die Differenzen zum größten Teil auf den Armutsrisikoquoteneffekt zurückzuführen sind. Die Struktureffekte sind im Vergleich dazu nur sehr gering.

Beim Familienstand wiederum ist dagegen ein deutlicher Struktureffekt erkennbar, der mit minus drei Prozentpunkten besonders stark bei der Gruppe der „Ledigen“ ausgeprägt ist. Bei dieser Gruppe ergibt sich, wie auch bei der Gruppe der „Verheirateten“, ein starker Armutsrisikoquoteneffekt von jeweils über 2 Prozentpunkten. Der Gesamtstruktureffekt von −1,9 Prozentpunkten wirkt in diesem Fall dem Armutsrisikoquoteneffekt von 5,6 entgegen, so dass sich ein Gesamteffekt von 3,7 Prozentpunkten ergibt.

Betrachtet man die Zerlegung nach der beruflichen Stellung für erwerbstätige Personen ist nur ein geringer Gesamtstruktureffekt von −0,2 Prozentpunkten und ein moderater Armutsrisikoquoteneffekt von 1,9 Prozentpunkten erkennbar, wobei Beamte sich in den beiden Studien sowohl in der Struktur als auch in der Armutsrisikoquote kaum unterscheiden. Am auffallendsten sind die Ergebnisse bei Arbeitern, da der Struktur- und Armutsrisikoquoteneffekt nahezu gleich groß ist, jedoch unterschiedliche Vorzeichen aufweist. Insgesamt ergibt sich ein Gesamteffekt von 1,7 Prozentpunkten.

Vergleicht man die Gesamteffekte für die drei soziodemographischen Indikatoren über die Zeit, so nimmt die Größe dieses Wertes zwischen 2007 und 2010 jeweils ab. Macht im Jahr 2007 der Gesamteffekt beim Bildungsniveau 3,8 Prozentpunkte aus, so sinkt dieser in 2010 auf 2,3 Prozentpunkte. Dies ist vor allem auf eine Reduzierung des Armutsrisikoquoteneffekts von 3,1 auf 1,9 Prozentpunkte zurückzuführen. Der Gesamteffekt in 2010 ergibt sich weiterhin größtenteils durch die Gruppen der Personen mit Hauptschulabschluss (ohne beruflichen Abschluss 0,8 Prozentpunkt und mit beruflichen Abschluss 0,6 Prozentpunkte). Und auch beim Familienstand sinkt der Gesamteffekt von 3,7 auf 2,3 Prozentpunkte, was sich vor allem aus einer Veränderung des Armutsrisikoquoteneffekts von 5,6 auf 3,5 Prozentpunkte ergibt. Innerhalb dieser Gruppe fallen die Verheirateten auf, da die Struktur- und Armutsrisikoquoteneffekte jeweils einen Prozentpunkt ausmachten und sich ein Gesamteffekt von zwei Prozentpunkten ergibt. Bei der Form der Beschäftigung verschwindet der Struktureffekt komplett und der Gesamteffekt, der sich ausschließlich aus dem Armutsrisikoquoteneffekt ergibt, beträgt −0,7 Prozentpunkte. Wiederum stechen die Arbeiter hervor, deren Gesamteffekt sich auf −1,6 Prozentpunkte summiert.

Im Folgenden wird eine multivariate Regressionsanalyse (Probit-Modell) des Armutsrisikos in Abhängigkeit von möglichen soziodemografischen Einflussfaktoren durchgeführt. Um die statistische Power zu erhöhen, wird die Analyse über gepoolte Daten der Jahre 2007 bis 2013 durchgeführt. Die Daten von SOEP und PASS werden in einem gemeinsamen Modell verwendet, wobei über Interaktionenterme separate Koeffizienten für die SOEP-Stichprobe und die PASS-Stichprobe bestimmt werden und gleichzeitig geprüft wird, ob die auftretenden Unterschiede signifikant sind. Hierdurch kann der Einfluss einzelner Determinanten für die beiden Datensätze quantifiziert und gleichzeitig miteinander verglichen werden. In dem Modell wird die Wahrscheinlichkeit geschätzt, mit der eine Person beim Vorliegen eines bestimmten Merkmals unter Berücksichtigung aller anderen Variablen als armutsrisikogefährdet gilt. Für eine einfachere Interpretation und um eine Vergleichbarkeit der Effekte mit anderen Modellen zu gewährleisten, werden Average Marginal Effekts geschätzt (vgl. Auspurg und Hinz 2011; Best und Wolf 2012).²⁹ Jeder beobachtete Haushalt wird nur einmal in die Analyse aufgenommen, da bei Mehrpersonenhaushalten keine Unabhängigkeit der abhängigen und der unabhängigen Variablen zwischen den Haushaltsmitgliedern gegeben ist.

Zunächst zeigt sich in Tab. 4, dass der Unterschied in der Armutsrisikoquote auch im multivariaten Modell bestehen bleibt und mit −2,5 Prozentpunkten signifikant ist. Dieser Unterschied ist also auch nach Kontrolle der Verteilung der im Modell berücksichtigten unabhängigen Variablen gegeben. Die relevanten Einflussfaktoren sind in beiden Datensätzen annähernd die gleichen. Die Wirkungsrichtung stimmt bei allen signifikanten Faktoren überein. Signifikante Unterschiede in den Effektgrößen ergeben sich bei der Altersgruppe der über 64-Jährigen, Personen mit Berufsabschlüssen, der Wohnregion Ostdeutschland, Mehrgenerationen-Haushalten und nichterwerbstätigen Personen.

Die Modelle zeigen einen negativen Effekt – und damit eine geringere Wahrscheinlichkeit armutsgefährdet zu sein – für ältere Menschen, Frauen³⁰, für Personen mit Berufsabschluss bzw. Hochschulabschluss, Besitzer von Wohneigentum und für in Partnerschaft lebende Personen. Ein höheres Risiko von Armut bedroht zu sein haben Personen mit schlechtem Gesundheitszustand, Personen mit direktem Migrationshintergrund, in den neuen Bundesländern lebende Personen, Alleinerziehende und Personen in Mehrgenerationen-Haushalten (nur im SOEP) sowie Personen die keiner Vollzeiterwerbstätigkeit nachgehen, hier insbesondere Nichterwerbstätige. Leichte Unterschiede ergeben sich jedoch, mit welcher Irrtumswahrscheinlichkeit ein Effekt signifikant von Null abweicht. Dies ist aber natürlich auch den unterschiedlichen hohen Fallzahlen geschuldet. Insgesamt zeigt sich, dass man bei dieser multivariaten Analyse mit beiden Datensätzen zu sehr vergleichbaren Ergebnissen kommt.

Um die spezifischen Vorteile zu nutzen, die sich durch die Paneldatenstruktur der beiden Studien ergeben, wird abschließend noch ein Blick auf das Ausmaß dauerhafter Armut und die Dynamik innerhalb der Armutspopulationen geworfen. Aus einer zeitlichen Perspektive lässt sich zwischen Personen unterscheiden, die über einen längeren Zeitraum nie, vorübergehend oder dauerhaft von Armut betroffen sind. Während bei vorübergehender Armut – auch transitorische Armut genannt – eine zumindest zeitweise Teilhabe am gesellschaftlichen Zusammenleben möglich ist, stellt permanente Armut eine extreme Ausgrenzung der betroffenen Personen dar.

In Tab. 5 sind die beobachteten Jahre in Armut im Zeitraum von 2007 bis 2013 wiedergegeben. Grundlage ist ein balanciertes Panel, d. h. es gehen nur Personen in die Analyse ein, für die in allen sieben Jahren ein realisiertes Interview vorliegt. Der Anteil an Personen, die in den sieben Jahren nie von Armut betroffen sind, liegt im SOEP deutlich über dem im PASS. Die Konfidenzintervalle der beiden Werte überlappen sich nur knapp. Im PASS liegen die Anteile der Personen, die 1 bis 2 Jahre, 3 bis 4 Jahre oder 5 bis 7 Jahre armutsgefährdet sind, höher als im SOEP. Die Gruppen weichen aber nicht stark voneinander ab, d. h. in beiden Erhebungen wird ein vergleichbar hohes Ausmaß an transitorischer als auch permanenter Armut gemessen. Diese Ergebnisse sagen aber noch nicht viel über die Dynamik im Armutsbereich aus. Denn Personen mit mehreren Jahren Armutserfahrungen können entweder längere Armutsepisoden am Stück oder häufige Wechsel in und aus dem Armutsbereich aufweisen.

Daher wird zusätzlich ein Blick auf die Dynamik im Armutsbereich geworfen. Die Dynamik gibt Auskunft darüber, wie innerhalb einer Gesellschaft die Chancen und Risiken der Einkommensverbesserung bzw. -verschlechterung sind. Die Veränderung von Einkommenspositionen im Zeitverlauf gibt einen Hinweis darauf, ob defizitäre Positionen überwunden werden können und welchem Risiko Haushalte und Personen ausgesetzt sind, in unzureichende Einkommenslagen abzusteigen. Wir konzentrieren uns hier auf eine Analyse der Aufstiege aus bzw. Abstiege in den Armutsrisikobereich. Das PASS, das durch seine spezifische Stichprobenzusammensetzung eine hohe Fallzahl von Haushalten und Personen mit niedrigen Einkommen aufweist, ist unter anderem für solche Analysen konzipiert worden.

Es wird hierfür untersucht, wie hoch der Anteil an Personen ist, die von einem Jahr zum nächsten den Armutsbereich verlassen bzw. in den Armutsbereich gewechselt sind. Tab. 6 zeigt, dass sowohl die Aufstiegsraten als auch die Abstiegsraten in den meisten Jahren im PASS höher liegen. Signifikante Unterschiede liegen aber nur bei den Personen mit einem Abstieg in Armutsrisiko für die Jahre 2008 und 2012 vor.