Effekten af at sanktionere forsikrede ledige

på raten for de ledige ud i job, over på kontanthjælp og over på sygedagpenge Speciale skrevet af: Ulla Nørskov Nielsen Årskortnummer: 20022505 Vejleder: Michael Svarer Institut for Økonomi Fagområde: Arbejdsmarkedsøkonomi Afleveringsdato: 11/22008 Specialet må offentliggøres

Abstract Abstract The Effect of Sanctioning Insured Unemployed on the job finding rate, the rate of shifts to welfare and the rate of shifts to sickness benefit This thesis uses duration analysis to investigate the effects of sanctioning insured unemployed who do not comply with the demanded search requirements. The analysis focuses not only on the effect on the rate with which the unemployed returns to the labour market, but also to what extent sanctions effect shifts to other kinds of benefits in the welfare system. The empirical data used for the analysis is from a Danish register and with this data it is possible to follow the unemployment periods for individuals who get unemployed within a two year period. The main results from the analysis according to the job finding rate are for both men and women that sanctions raises the rate with which the unemployed find work, that the effect is stronger when the sanction is more severe and that the effect is most strong shortly after the sanction but is still persistent through the rest of the period. The effect of the sanction on the rate of unemployed who shift to welfare changes over time, and it seems that men react to the sanctions a bit later than women. In the short period after a sanction the rate of unemployed who makes the shift to welfare is raised significantly whereas in the long run the rate is lowered as a consequence of the sanction. Regarding the severity of the sanction the rate is lowered by the mild sanction for the unemployed women and there is no significant effect of the harsher ones whereas for the men the split on severity did not result in any significant effects. The effect of sanctions on the tendency for the unemployed to shift to sickness benefit is similar to the effect regarding welfare from the time varying perspective that is there is an increased rate following the sanction whereas the effect after three months is a significantly lowered rate. The analysis of the effects concerning severity of sanctions shows that for both men and women the rate of unemployed that make the shift to sickness benefit is significantly higher when they have received the most severe sanction. The thesis is concluded with a rough analysis on the exante effect of sanctions and which indicated that a higher sanction rate resulted in more men making a shift to sickness benefits. 1

Indholdsfortegnelse Indholdsfortegnelse Abstract 1 1 Indledning 5 2 Regler på dagpenge og kontanthjælpsområdet 7 2.1 Regler for modtagelse af dagpenge 7 2.2 Regler for at modtage kontanthjælp 9 2.3 Regler for at modtage sygedagpenge 10 2.4 Opsummering 11 3 Tidligere resultater 12 3.1 Effekt af overvågning og sanktioner på raten hvormed de ledige finder job 12 3.2 Mulighed for skift til anden understøttelse i et veludbygget velfærdssystem 14 4 Teoretiske forventninger til sanktionseffekter 17 4.1 Teoretiske overvejelser omkring forventet effekt af sanktioner 17 4.2 Teoretisk jobsøgemodel 20 4.2.1 Jobsøgemodel hvor der er mulighed for sanktionering 21 4.2.2 Udvidelse af jobsøgemodel med psykisk modløshed eller stigmatisering 25 4.2.3 Udvidelse af jobsøgemodellen med mulighed for skift til kontanthjælp 27 4.2.4 Opsummering af forventningerne til effekten af sanktioner via en udvidet jobsøgemodel 29 5 Økonometrisk metode der bruges til empirisk analyse 30 5.1 Grundlæggende økonometri i forhold til varighedsanalyse 30 5.2 Mixed proportional hazard model 31 5.3 Timingofevents 32 5.4 Competing risks 34 5.5 Data med multiple spells og adgang til forklarende variable 35 5.6 Likelihoodfunktionen 36 5.7 Parametrisering 37 5.8 Opsummering af økonometrisk metode 38 2

Indholdsfortegnelse 6 Empirisk data og beskrivende statistik 40 6.1 Oprindelse af rådata 40 6.2 Selektion af data der bruges i den empiriske undersøgelse 42 6.3 De forklarende variable der indgår i estimeringerne af effekten af sanktioner 44 6.4 Beskrivende statistik til at give i et indblik i det tilgængelige data 47 6.4.1 Samlet gennemsnit og standardafvigelser for de forklarende variable 47 6.4.2 Gennemsnit og standardafvigelse fordelt på destination efter dagpenge 50 6.4.3 Fordeling af typer af hændelser og typer af sanktioner 53 6.4.4 KaplanMeier hazardrater for raten ind i sanktion og raterne ud af dagpenge 53 6.4.5 Grafer over sanktionsraten op til den ledige forlader dagpengesystemet 58 6.5 Opsummering 60 7 Resultater af estimeringer af effekten af sanktioner 61 7.1 Effekt af sanktionering når der ikke tages hensyntagen til selektion 61 7.1.1 Sanktionseffekten for kvinder 61 7.1.2 Sanktionseffekter for mænd 63 7.2 Resultater for timingofevents modellen 64 7.2.1 Resultater for estimering af timingofevents modellen for kvinder 64 7.2.2 Signifikans af forklarende variable 68 7.2.3 Resultater af estimering af timingofevents modellen for mænd 70 7.3 Analyse af om effekten af en sanktion påvirkes af, hvor streng den er 73 7.3.1 Sanktionseffekt afhængig af type for kvinder 74 7.3.2 Sanktionseffekt afhængig af type for mænd 75 7.4 Analyse af om effekterne af sanktioner varierer over tid 76 7.4.1 Sanktionseffekt over tid for kvinder 77 7.4.2 Sanktionseffekt over tid for mænd 79 7.5 Ex ante effekter af et system med overvågning og sanktioner 81 7.5.1 Exante effekt af sanktioner for raten ud i job 81 7.5.2 Exante effekt af sanktioner for raten over på kontanthjælp 82 7.5.3 Exante effekt af sanktioner for raten over på sygedagpenge 83 7.5.4 Opsamling af exante af sanktioner for job, kontanthjælp og sygedagpenge 84 7.6 Opsummering af empiriske resultater 85 8 Konklusion 87 3

Indholdsfortegnelse 9 Litteraturliste 88 10 Bilagsoversigt 91 4

Indledning 1 Indledning I Danmark er der mulighed for at være medlem af en arbejdsløshedskasse, der fungerer som en forsikringsordning ved ufrivillig ledighed. Via medlemskabet kan den ledige gennem en periode modtage et relativt højt niveau af dagpenge, som kompenserer for midlertidig tabt indkomst. Et højt niveau af dagpenge kan dog have en uønsket effekt i form af et moral hazard problem, hvor der kan være ledige, der står uden for arbejdsmarkedet i længere perioder, end hvis kompensationsgraden var lavere. Moral hazard problemet kan dæmpes uden at sænke det generelle dagpengeniveau, ved at der føres en aktiv arbejdsmarkedspolitik. Den aktive arbejdsmarkedspolitik i det danske system består dels af en ret og en pligt til at deltage i forskellige aktiviteter efter en vis ledighedsperiode, og dels af overvågning af den intensitet som den ledige søger efter arbejde med. I forbindelse med de krav der stilles til de ledige, er der mulighed for at sanktionere, hvis disse ikke overholdes. Sanktionerne fungerer ved, at de ledige mister deres dagpenge i en vis periode, og længden af denne periode afhænger af forseelsen. Et formål med dette speciale er at lave en analyse af, om brugen af sanktionering har den ønskede effekt i form at få de ledige hurtigere i job. Det danske velfærdssystem er rigt udbygget angående økonomiske ydelser til personer, der af forskellige grunde ikke er en del af arbejdsmarkedet. To nærliggende ydelser i forbindelse med dagpenge er kontanthjælp og sygedagpenge. Kontanthjælp er en ydelse stilet til de ledige, der ikke er medlem af en arbejdsløshedskasse (herefter akasse), eller som har opbrugt deres dagpengeperiode. Denne ydelse ligger 2030% lavere end niveauet for dagpenge. Sygedagpenge er en mulighed for de ledige, hvis de på grund af sygdom ikke kan stå til rådighed for arbejdsmarkedet. Ved modtagelse af sygedagpenge kan de ledige blive påkrævet at vise en lægeerklæring på, at de ikke kan tage arbejde, og i den forbindelse har der været diskussion om, hvorvidt tildelingen af disse er for lempelig 1. Det er derfor interessant, om sanktioner ikke alene har effekt på, at de ledige vender tilbage til arbejdsmarkedet, men også om de har en effekt, når det gælder skift til disse to andre ydelser i systemet. Et yderligere formål med dette speciale er, at undersøge om sanktionerne har indvirkning på de lediges skift til kontanthjælp og sygedagpenge. Der er hidtil lavet relativt få undersøgelser om, hvilken effekt der er forbundet med at bruge sanktioner angående de lediges tilbagevenden til arbejdsmarkedet. De undersøgelser der er lavet viser, at den rate, hvormed de ledige finder job, øges som følge af sanktioner, og dermed dæmper de netop et moral hazard problem. Der er ikke lavet undersøgelser af, om sanktioner også har effekt på 1 dr.dk/nyheder/penge 5

Indledning de lediges skift til andre offentlige ydelser, med undtagelse af en norsk undersøgelse som kort beskæftiger sig med problematikken. Dette speciale bidrager således til forskningsområdet ved ikke alene at undersøge sanktioners effekt på de lediges rate ud i job, men også at undersøge om raterne over på henholdsvis kontanthjælp og sygedagpenge påvirkes af sanktioner. I det danske system er der mulighed for at give sanktioner af forskellige hårdhed. I Svarer (2007) vises det, at hårdere sanktioner påvirker raten ud i job kraftigere, end mildere sanktioner gør. I dette speciale undersøges det, tillige med om effekten på raten af ledige ud i job varierer med strengheden af sanktionen, også om effekten på skift til kontanthjælp og sygedagpenge er forskellig afhængig af hårdheden. Ligeledes indikeres det også i Svarer (2007), at effekten af at modtage en sanktion aftager over tid. Dette perspektiv inddrages også i dette speciale specielt med henblik på at undersøge, om der er forskellig effekt i perioden efter modtagelse af en sanktion, når det angår skift til kontanthjælp og sygedagpenge. De ovennævnte analyser af sanktionseffekten er alle expost effekter, det vil sige den effekt, der opstår umiddelbart efterfølgende, at en ledige modtager en sanktion, og det er på disse analyser, den primære vægt er lagt gennem dette speciale. Det er også muligt, at der er en exante effekt af sanktioner, hvilket er den effekt, der opstår via den trussel, der er indbygget i systemet alene ved muligheden for at blive sanktioneret. I Lalive et al. (2005), som er en undersøgelse af schweiziske forhold, er der fundet belæg for, at overvågning og sanktioner også giver anledning til en exante effekt angående de lediges rate ud i job. Det datamateriale, der er tilgængeligt til dette speciale, giver ikke mulighed for en tilsvarende analyse, som laves i Lalive et al. (2005), i stedet laves en tilnærmet undersøgelse af ex ante effekten i det danske system, der er baseret på, at de forskellige a kasser sanktionerer i forskellig grad. Exante analysen i dette speciale laves, ud over effekten på raten ud i job, også for de lediges rate over på sygedagpenge og kontanthjælp. Specialet er opbygget på følgende måde: I afsnit 2 gennemgås de regler, der er forbundet med henholdsvis modtagelse af dagpenge, sygedagpenge og kontanthjælp. Afsnit 3 giver et indblik i, hvilke resultater der tidligere er fundet på området. I afsnit 4 følger teoretiske overvejelser omkring, hvilke effekter der vil være forventet i forbindelse med sanktioner. Efterfølgende præsenteres i afsnit 5 den økonometriske metode, der ligger til grund for undersøgelsen. I afsnit 6 gives en oversigt over de danske data, som undersøgelsen bygger på, samt en grundig gennemgang af forskellig beskrivende statistik. Derefter følger afsnit 7, hvor de empiriske resultater, der er blevet fundet, analyseres. Afsnit 8 afrunder specialet med konkluderende bemærkninger. 6

Regler på dagpenge og kontanthjælpsområdet 2 Regler på dagpenge og kontanthjælpsområdet I dette afsnit gennemgås de regler, der er forbundet med modtagelse af de tre ydelsesformer, der er fokus på gennem dette speciale, nemlig dagpenge, kontanthjælp og sygedagpenge. I det første delafsnit gennemgås de regler, ledige skal opfylde med henblik på at modtage dagpenge, og hvilke sanktionsmuligheder der er i det danske system, når de opstillede krav ikke overholdes. Afsnittet bygger på Lov om arbejdsløshedsforsikring. Derefter følger to delafsnit, som giver et overblik over, hvilke regler der skal være opfyldt for at modtage henholdsvis kontanthjælp og sygedagpenge. Afsnittet omkring kontanthjælp er baseret på Lov om aktiv socialpolitik og afsnittet angående sygedagpenge bygger på Lov om dagpenge ved sygdom eller fødsel. Reglerne i dette afsnit er de regler, der var gældende for de ledige i observationsperioden fra 2003 til slutningen af 2005. 2.1 Regler for modtagelse af dagpenge I Danmark er der mulighed for at have en arbejdsløshedsforsikring, hvilket betyder, at hvis en person bliver ledig, gives en højere lønkompensation, end den der ellers er mulig at søge gennem det offentlige i form af kontanthjælp. Berettigelse til dagpenge kan opnås på to måder. Den ene måde er ved at være medlem af en akasse i minimum et år, og samtidig med have opfyldt et krav om, at have været i arbejde mindst 52 uger indenfor en periode på 3 år, hvis der ønskes fuldtidsforsikring. Den anden måde gælder nyuddannede, hvor uddannelsen har varet længere end 18 måneder, her giver forsikringen mulighed for at modtage en dimittendsats, der er lidt lavere, end dagpengeniveauet ellers er. Kompensationsgraden for dagpenge går op til 90%, dog med en loft over ydelsen så der maksimalt kan modtages 612 kr. om dagen. Ved at opfylde kravene i forbindelse med akasserne bliver den ledige dagpengeberettiget, og opnår derved en mulighed for at få dagpenge, men ikke et krav på at få dagpenge. I forbindelse med at modtage dagpenge som ledig er der et rådighedskrav, der betyder, at den ledige skal stå til rådighed for arbejdsmarkedet, og med dags varsel kunne overtage et arbejde. Disse krav specificeres yderligere nedenfor. Når den ledige er dagpengeberettiget og opfylder rådighedskravet, opnås således en ret til dagpenge, som betyder at der kan modtages dagpenge i 4 år indenfor en periode på 6 år. Opbruges dagpengeperioden, vil det være nødvendigt at opfylde et arbejdskrav for at generhverve muligheden for at få dagpenge. Det rådighedskrav der stilles i forbindelse med at få ret til dagpenge, består af to dele. Den ene del af rådighedskravet er, at den ledige skal være aktiv jobsøgende, og den anden del er, at den ledige skal opfylde de forskellige krav der stilles fra Arbejdsformidlingen (herefter AF). 7

Regler på dagpenge og kontanthjælpsområdet Den del af rådighedskravet som omhandler, at den ledige skal søge aktivt, er den del, der er sværest at håndtere i forbindelse med overvågning og sanktionering. For den enkelte ledige vil der være forskel på, hvor mange ansøgninger der anses for at være tilstrækkelige for at være aktiv søgende, da dette vil afhænge af, hvor stor efterspørgsel der er efter arbejdskraft i den branche, hvor den ledige søger. Derfor vil vurderingen af, hvorvidt dette krav er opfyldt bero på et skøn for akassen. Den anden del af rådighedskravet er til gengæld nemmere at overvåge. Her er klare hændelser, som giver anledning til en vurdering af, om den ledige står til rådighed for arbejdsmarkedet. Disse hændelser er som følger: ikke mødt til aktivitet hos AF ikke medvirket til/overholdt jobplan ikke mødt til formidlingssamtale hos AF ikke mødt hos arbejdsgiver/ønskede ikke arbejdet manglende oplysninger om CV I det øjeblik den ledige handler som i et af ovennævnte tilfælde, vil der for AF være tvivl om, hvorvidt den ledige står til rådighed, og derfor skal der laves en indberetning til den relevante a kasse. Det er således ikke AF, der laver den endelige vurdering, men derimod den lediges egen a kasse. For at undgå at der allerede i AF s regi bliver taget stilling til, hvorvidt det findes relevant at lave en indberetning, er det blevet indskærpet overfor medarbejderne hos AF, at hver gang ovenstående krav ikke overholdes, uanset hvilken grund der gives dertil, skal der ske en indberetning til akassen, således at vurderingen af om kravet er opfyldt, alene ligger hos akassen2. De indberetninger, som akassen modtager, deles de op i, hvorvidt de relevante eller ej. De indberetninger der ikke er relevante, er eksempelvis indberetninger, hvor afvigelse fra rådighedskrav skyldes at den ledige er startet i job, men hvor dette blot ikke er blevet meddelt AF. Af de indberetninger der findes relevante, vurderes det efterfølgende, om den ledige ikke har stået til rådighed som krævet, og derfor skal tildeles en sanktion. Det kan ud fra Rådighedsstatistikken 2005 udledes, at der er stor forskel mellem de enkelte akasser i forhold til, hvor ofte en relevant indberetning fører til en sanktion, men Arbejdsdirektoratet, som fører tilsyn med akasserne, finder 2 Rådigheden hos forsikrede ledige, 2005 8

Regler på dagpenge og kontanthjælpsområdet ikke anledning til at tro, at lovgivningen ikke er blevet fulgt3. Dette viser at trods de givne regler på området, er der plads til en vurdering af den enkelte lediges situation. Sanktionsmulighederne i det danske system er i form af tab af dagpenge for en kortere eller længere periode. Mere præcist er der tre muligheder for sanktioner, som er henholdsvis udelukkelse fra dagpenge en eller flere dage, 3 ugers karantæne eller et arbejdskrav på 300 timers arbejde indenfor en periode på 10 uger. Den mildeste form for sanktion bliver givet når den ledige ikke møder op til aktivitet hos AF. Den ledige mister sine dagpenge indtil AF kontaktes, og dette resulterer typisk i, at den ledige ikke modtager dagpenge i to til tre dage. De tre ugers karantæne gives i forbindelse med det, der kaldes selvforskyldt ledighed, dvs. hvis den ledige ikke møder op til jobsamtale eller afslår et jobtilbud. Den hårdeste sanktion er arbejdskravet, og denne gives, hvis det vurderes, at den ledige ikke er klar til at overtage et arbejde med det samme4. Sikkerhedsnettet under den ledige fjernes dog ikke fuldstændigt i forbindelse med en sanktion, da den ledige har mulighed for at få kontanthjælp i sanktionsperioden, hvis den ledige ellers opfylder kravene for at modtage kontanthjælp. Efterfølgende er det op til kommunen, efter Lov om aktiv socialpolitik 91, at træffe afgørelse om, hvorvidt beløbet skal betales tilbage. Siden perioden 2003 til slutningen af 2005, som er observationsperioden, denne undersøgelse bygger på, er reglerne på dagpengeområdet blevet strammet op. Dette giver endnu en grund til, at det er vigtigt at undersøge hvilke effekter, der i praksis kan forventes af at have et system, hvor der er mulighed for overvågning og sanktionering. I dette afsnit blev der givet et overblik i reglerne på dagpengeområdet. I det følgende afsnit gives en kort indsigt i, hvilke regler der er for, at en ledig kan modtage kontanthjælp. 2.2 Regler for at modtage kontanthjælp De ledige, der ikke har ret til dagpenge, enten fordi de ikke har opfyldt kravene for at være berettigede, eller fordi de har opbrugt deres dagpengeperiode, har mulighed for at søge kontanthjælp. Kontanthjælp beregnes ikke efter tidligere indkomst, men er means tested, og ligger ca. 20% under dagpengeniveauet5. Kontanthjælp bevilliges dog kun i de tilfælde, hvor den ledige ikke har nogen anden mulighed for forsørgelse, dvs. at hvis den ledige eksempelvis har en vis formue, ydes der ikke kontanthjælp. 3 Rådigheden hos forsikrede ledige, 2005 4 Rådigheden hos forsikrede ledige, 2005 5 Svarer (2007) 9

Regler på dagpenge og kontanthjælpsområdet Ligesom i dagpengesystemet stilles der også krav om rådighed ved modtagelse af kontanthjælp, hvis den ledige vurderes ikke at have andre problemer end ledighed. Dermed er det også muligt at miste kontanthjælpen, hvis der ikke leves op til dette krav. I stedet for akassen er det her kommunerne, der foretager rådighedsvurderingen. I kontanthjælpssystemet er der desuden en mulighed for at modtage en vis ydelse, selvom den ledige ikke står til rådighed for arbejdsmarkedet. Dette er muligt, hvis det vurderes af den kommunale sagsbehandler, at den ledige har andre problemer, der skal tages hånd om, inden der kan stilles krav om rådighed. Denne vurdering giver dermed en yderligere forskel imellem kontanthjælp og dagpenge. I løbet af observationsperioden, fra 1. juli 2004, strammes der op på kontanthjælpsområdet i forhold til reglerne for sanktionering. Formålet med opstramningen var at ensrette disse krav, således er de bliver mere identiske med dem, der er på dagpengeområdet6. Ulempen ved at der ændres i reglerne i forhold til denne analyse er, at det også kan have konsekvens for den adfærd, den ledige udviser. Til trods herfor er der valgt ikke at ændre på, hvilken observationsperiode der bruges til analysen. Hvis de ændrede regler har konsekvens i forhold til, hvor mange ledige der skifter fra dagpenge til kontanthjælp, formodes det, at færre ledige vil foretage dette skift, hvis det er muligt for dem at undgå det. Konsekvensen af opstramningen af reglerne var blandt andet, at hvor det hidtil resulterede i, at kontanthjælpen blev sænket med 1/3, når der ikke er udfyldt CV hos AF, vil det nu blive anset for brud på rådighedsforpligtelsen, og dermed er det ikke muligt at modtage kontanthjælp. 2.3 Regler for at modtage sygedagpenge Det er muligt for den ledige at modtage sygedagpenge, når den ledige rammes af sygdom, og ellers er berettiget til at modtage dagpenge. Ydelsesniveauet vil være det samme for en sygdomsramt ledig, som det for dagpenge. Grunden til at den ledige skal skifte til sygedagpenge, er at den ledige ved sygdom ikke står til rådighed for arbejdsmarkedet, som det er påkrævet for at modtage dagpenge. Den ledige har mulighed for at modtage sygedagpenge i en periode på 52 uger indenfor 18 måneder, hvilket kan forlænges indtil der sker en afklaring af, hvad der efterfølgende skal ske. Eksempelvis kan den sygdomsramte være under et behandlingsforløb, eller der skal ske en form for arbejdsprøvning for at undersøge, om det kan være muligt at vende tilbage til arbejdsmarkedet igen. 6 retsinformation.dk 10

Regler på dagpenge og kontanthjælpsområdet Det er dog kun muligt at modtage sygedagpenge 13 uger indenfor et år, hvis den ledige enten modtager social pension, eller opfylder kriterierne for dette, eller hvis den ledige har nået pensionsalderen. I forbindelse med en sygemelding er det muligt for kommunen, hvis det skønnes nødvendigt, at kræve at den ledige fremviser en lægeerklæring på sin sygdom. Efterfølgende er det pålagt kommunen hver 8. uge at foretage en vurdering af den sygdomsramtes forhold, og efter senest 6 måneders sygdom indenfor et år, at lave en opfølgningsplan. I forbindelse med opfølgningsplanen skal det overvejes om der er udsigt til, at den ledige overhovedet kan vende tilbage til arbejdsmarkedet, for hvis ikke dette er en mulighed, skal det overvejes, om personen i stedet skal have social pension. 2.4 Opsummering I dette afsnit blev gennemgået de regler, der er i forbindelse med, at ledige kan modtage henholdsvis dagpenge, kontanthjælp og sygedagpenge. I det næste afsnit gives et indblik i, hvilke undersøgelser der tidligere er lavet på sanktionsområdet, og hvilke resultater det har givet anledning til. 11

3 Tidligere resultater Effekten af at sanktionere forsikrede ledige Tidligere resulater I foregående afsnit blev de danske regler for de relevante former for understøttelse gennemgået. I dette afsnit ses der nærmere på, hvilke resultater der hidtil er fundet på området omkring sanktionering. Der er efterhånden lavet flere undersøgelser, som søger at fastlægge effekten af at have et system, hvor der er mulighed for at give sanktioner, og der gives her et (ikke udtømmende) indblik i, hvilke resultater der er blevet fundet. I det første delafsnit gennemgås de fire papirer,som undersøger effekten af sanktioner i forhold til påvirkning af jobraten, og hvor der er taget hensyn til selektion ifølge med tildeling af sanktioner. I det andet delafsnit Dernæst følger gennemgang af resultaterne i et norsk papir, som mere dybdegående har undersøgt generelle skift til andre former for understøttelse, og derefter et papir som argumenterer for, at sanktioner ikke har en positiv effekt, da de kun rammer de svageste ledige. 3.1 Effekt af overvågning og sanktioner på raten hvormed de ledige finder job I Lalive et al. (2005), som er en schweizisk undersøgelse, undersøges både exante og expost effekten af et system med overvågning og sanktionering. I undersøgelsen bruges variation af intensiteten i overvågningen mellem de forskellige kantoner til at vise, at jo strengere en sanktionspolitik der føres, jo kortere en ledighedsperiode har de ledige, der ikke modtager en sanktion, og derved er der indikation af, at der er en stærk exante effekt. I det schweiziske system er det muligt at få en advarsel, som ikke nødvendigvis vil resultere i en sanktion, men som informerer den ledige om, at der i systemet er en formodning om, at den ledige ikke står til rådighed som påkrævet. Undersøgelsen af expost effekten viser, at alene advarslen øger exitraten med 25.2%, mens sanktionen efterfølgende øger raten ud af ledighed med 19.8%. Desuden viser den, at det er vigtigt at tage hensyn til, at en advarsel og en efterfølgende sanktion kun gives, når den ledige ikke har opfyldt de stillede krav, da effekten af en advarsel og en sanktion ellers underestimeres. Yderligere laves der undersøgelse af, om effekterne varierer over tid, og der findes, at effekten af en advarsel aftager, men den er stadig signifikant efter en måned. Modtager den ledige efterfølgende en sanktion, øges raten ud af ledighed dog yderligere, men i modsætning til forventet findes det i undersøgelsen, at effekten ikke er aftagende over tid. Forklaringen på dette formodes at være en effekt at øget overvågning af disse ledige, men også at det kan tage tid inden den øgede søgeintensitet resulterer i et job. I Abbring et al. (2005) undersøges effekten af sanktioner for hollandske dagpengemodtagere. De undersøger expost effekten af sanktioner, og deres undersøgelse er lavet på to forskellige 12

Tidligere resulater grupper af ledige, nemlig dem der tidligere var ansat i metalindustrien, og dem der var ansat i banksektoren. De finder, at der er forskel mellem effekten i de to industrier, men den største forskel finder de mellem mænd og kvinder. Således finder de, at effekten for mænd i metalindustrien er 61%, og i banksektoren er den 36%, mens den for kvinder er 98% i metalindustrien og 85% i banksektoren. De undersøger yderligere, hvorvidt effekten af sanktioner varierer over tid, ved at undersøge om effekten er ændret efter 8 uger, hvilket ikke er tilfældet, og dermed argumenterer de for, at det støtter hypotesen om, at effekten af sanktioner ikke er midlertidig. De sanktioner der blev givet, varede mellem 4 uger, hvor dagpengeniveauet sænkes med 5%, og op til 13 uger, hvor niveauet kan være sænket på op til 30%. I endnu et hollandsk papir undersøger van den Berg et al. (2004) ex post effekten af, at have et system af sanktioner i forbindelse med kontanthjælp. De finder, at en sanktion hæver exitraten ud i job med 140%. Undersøgelsen viser således, at sanktioner også har effekt, selvom det gælder ledige, der har et svagt tilhørsforhold til arbejdsmarkedet. Med i overvejelserne omkring undersøgelsen er, at raten ud af ledighed for kontanthjælpsmodtagere er meget lav, og derfor vil den også stadig være lav på trods af den øgede rate som følge af sanktionen. I artiklen argumenteres der dog for, at systemet af sanktioner alligevel vil have en gavnlig effekt, da tidligt givne sanktioner vil resultere i, at der vil være færre ledige, der ender i langtidsledighed. Effekten af sanktioner opstår dels som følge af, at de ledige rammes økonomisk, og dels fordi der følger vejledning med. I undersøgelsen finder de desuden, at stigmatisering og modløshed spiller en rolle, da raten ud af ledighed bliver lavere, jo længere tid en person har været ledig. Og yderligere finder de, at effekten af en sanktion varer længere end selve den periode, hvor den ledige modtager færre dagpenge, men også at størrelsen på sanktionen ikke er vigtig for effekten af den. En forklaring på at hårdheden af sanktionen ikke ændrer på effekten, mener de blandt andet kan være, at selv et lille beløb mindre i kontanthjælp vil få de ledige til at søge det, der er muligt for dem. I Svarer (2007) undersøges effekten af sanktioner på raten ud i job for danske dagpengemodtagere. Det data, der ligger bag denne undersøgelse, er næsten lig det data, der bruges i indeværende undersøgelse. Forskellen ligger i, at i Svarer (2007) er der set bort fra de ledige, der gennem deres ledighedsperiode modtager kontanthjælp. Undersøgelsen tager hensyn til selektion i forbindelse med, at de ledige bliver givet en sanktion, og den viser at raten ud i job øges med 55% for ledige mænd, mens den for ledige kvinder øges med 98%. Desuden viser undersøgelsen også, at hvis der ikke bliver taget hensyn til selektion, findes der en effekt på 43% for mænd og 38% for kvinder. Derved indikerer tallene, at de ledige, der har lavest sandsynlighed for at forlade ledighed, 13

Tidligere resulater også oftere modtager en sanktion. Nærmere undersøgelse af sanktionerne viser, at den hårdeste af de to mulige sanktioner har større effekt på hazarden ud af ledighed, end den mildere form for sanktionering har. Undersøgelsen viser også, at effekten af en sanktion varierer over tid, og det er vist, at effekten er størst en måned efter en sanktion er givet, og at der efter 3 måneder ikke længere en effekt. Desuden viser undersøgelsen, at immigranter og efterkommere reagerer kraftigere på en sanktion, end det er tilfældet for de danske ledige. Dette er i modstrid med eksempelvis Hasenfeld, som argumenterer for, at sanktioner ikke vil have effekt på de svagere grupper, men blot stille dem endnu dårligere, end det allerede er tilfældet. Gennem dette delafsnit er der blevet givet et indblik i de effekter, der er fundet for sanktioner i forbindelse med raten, hvormed de ledige finder job. I det næste delafsnit vil der blive introduceret undersøgelser, der i højere grad beskæftiger sig med muligheden for, at de ledige skifter til andre former for understøttelse i systemet. 3.2 Mulighed for skift til anden understøttelse i et veludbygget velfærdssystem I et nyt norsk papir undersøger Røed og Westlie (2007) to ting omkring det norske dagpengesystemet. De undersøger, hvorvidt milde restriktioner og milde sanktioner øger exitraten ud af ledighed, og dertil, hvilket gør det særdeles interessant i forhold til denne undersøgelse, undersøger de også, i hvilken grad begrænsninger og sanktioner har en uønsket effekt i form af, at de ledige skifter til en anden form for understøttelse end dagpenge. Undersøgelsen er lavet på norsk data, og det, som er unikt for dette data, er, at der har været skift i reglerne for at modtage dagpenge, og det giver Røed og Westlie mulighed for at sætte forskellige scenarier op mod hinanden. Den metode de bruger til undersøgelsen ligger relativt tæt op af den, der bruges her, da de bruger en multivariat mixed proportional hazard rate model med competing risks. Undersøgelsen giver en lang række interessante resultater. Overordnet set finder Røed og Westlie (2007), at et mere aktivitetsorienteret dagpengesystem med bl.a. højere sandsynlighed for at blive sanktioneret giver kortere ledighedsperioder, end det der ses under systemer, hvor der er fokus på betalingsaspektet. Desuden finder de, at de ledige udviser meget lignende opførsel uanset hårdheden af en begrænsning på varigheden af dagpengeperioden. Eksempelvis deltagelse i ALMP i forhold til at miste retten til dagpenge. Angående effekterne af sanktionering i forhold til de lediges skift til andre former for understøttelse, så finder de, at raten, hvormed der sker skift til andre understøttelsesformer, er lavere i løbet af en sanktion, mens der ikke påvises nogen effekt, når sanktionen er overstået. 14

Tidligere resulater De resultater der omhandler personer, der skifter fra dagpenge til anden understøttelse, viser, at når den ledige har været i dagpengesystemet i mere end et halvt år, så er der svag positiv varighedsafhængighed i forhold til at skifte til en anden form for understøttelse. Det vil sige, at jo længere tid den ledige er i dagpengesystemet, jo større bliver hazarden over på anden understøttelse. Og dertil finder de også, at jo mere ledighed en person har været udsat for gennem de 4 foregående år, jo større er raten fra begyndelsen af en ny ledighedsperiode over i anden form for understøttelse. I 1997 ændredes systemet i Norge fra, at dagpengeperioden var 2*80 uger med karantæne på 13 uger mellem de to perioder, hvor den ledige skulle genansøge undervejs, til at være 156 uger. Effekten af denne ændring var, at ledighedsperioderne blev forlænget med ½ dag pr uge, og heri ligger, at perioderne både blev forlænget inden de ledige ville finde job, og inden de ville skifte til anden form for understøttelse. Dette kunne indikere, at det ikke er længden af perioden, der er vigtig, da den reelt set ikke er ændret, men at effekten ligger i, at der skal genansøges undervejs. Undersøgelsen viser, at når perioden med mulighed for dagpenge er ved at løbe ud, øges hazarden over på anden understøttelse med 55%. De personer, der har haft meget tæt tilknytning til arbejdsmarkedet inden ledighedsperioden, har efterfølgende mulighed for at få 2/3 af dagpenge. Effekten af at det er muligt at fortsætte på dagpenge, er, at langt færre vælger at skifte til andre former for understøttelse. De personer, der stort set ikke har haft tilknytning til arbejdsmarkedet, har kun mulighed for en halv så lang dagpengeperiode, og her ligger andelen, der flytter over på anden støtte, højere end for de andre to grupper, ligesom andelen der skifter ved periodens udløb, er højere end for de to ovenstående grupper. Undersøgelsen i Hasenfeld et al (2004) bygger på ledige, der modtager kontanthjælp, hvor der sættes spørgsmålstegn ved, hvorvidt kontanthjælpsmodtagere kan håndtere de krav, der følger med at få et job. I artiklen henvises der til flere studier, der viser, at hvis den ledige har begrænset uddannelse og svag tilknytning til arbejdsmarkedet, øges sandsynligheden for at blive sanktioneret, ligesom dårligt mentalt helbred også øger denne sandsynlighed. Resultaterne i artiklen støtter op om det, der tidligere blev fundet, nemlig at når mødre, der blev sanktioneret, sammenlignedes med mødre, der ikke blev, så var de sanktionerede mødre dårligere uddannede og havde mere begrænset erhvervserfaring, ligesom de også havde flere børn. Eksempelvis havde kun 38% af de sanktionerede oplyst, at de havde haft fuldtidsarbejde indenfor en 3års periode, men det var tilfældet for 60% af dem, der ikke havde modtaget en sanktion. Her argumenteres således for, at det ikke skyldes uvilje og mangel på motivation, at den ledige ikke opfylder de krav, der stilles, men derimod forskellige barrierer der gør det vanskeligt for dem. Desuden finder de også, at 15

Tidligere resulater husholdningens indkomst på årsbasis er signifikant lavere for dem, der sanktioneres end for dem, der ikke bliver, og dermed skyldes det således heller ikke en tilstrækkelig god økonomi, sådan at betydningen af sanktionen mindskes. I artiklen konkluderes det således, at med øje for at nogle af barriererne i forhold til arbejdsmarkedet kan være selvforskyldte, straffer sanktionering de ledige, der har et større behov for hjælp, fordi disse ledige har flere barrierer i forhold til at komme ud på arbejdsmarkedet. Igennem dette afsnit er der givet et indblik i, hvilke resultater der tidligere er blevet fundet på området omkring sanktionering. I det næste afsnit følger en teoretisk tilgang til, hvilke forventninger der vil være i forbindelse med at have et system af overvågning og sanktionering. 16

Teoretiske forventninger til sanktionseffekter 4 Teoretiske forventninger til sanktionseffekter I det foregående afsnit blev forklaret, hvilke resultater der er blevet fundet i forbindelse med effekten af sanktionering i flere tidligere undersøgelser. I dette afsnit anskues effekten af sanktioner ud fra en teoretiske vinkel. Formålet med dette er at belyse, hvordan et system med sanktioneringsmulighed ved lediges utilstrækkelige søgeintensitet vil forventes at influere dagpengemodtageres adfærd. Afsnittet er opdelt i to delafsnit, hvor der i det første gives overordnede teoretiske overvejelser omkring, hvorfor der vil kunne forventes effekter af et system, hvor der er mulighed for at sanktionere. I det andet delafsnit opstilles en jobsøgemodel, der gives mulighed for en mere systematisk analyse af, hvilke forventninger der kan dannes til effekten af sanktionering. Opbygningen af dette afsnit er sådan, at der i det første delafsnit gives et indblik i forskellige tanker omkring, hvorfor der i udgangspunktet forventes effekt af sanktioner, og hvilken indvirkning disse effekter kan have på de lediges adfærd. Efterfølgende opstilles der gennem afsnit 4.2 en jobsøgemodel, hvor der er indbygget en mulighed for, at der kan gives sanktioner. Delafsnittet er opdelt i tre underafsnit, hvor der i afsnit 4.2.1 opstilles en jobsøgemodel med mulighed for sanktioner, og som giver anledning til forventninger til, hvordan sanktioner påvirker de lediges rate tilbage på arbejdsmarkedet. Afsnittet er baseret på Abbring et al. (2005). Denne model udvides i afsnit 4.2.2 med en mulighed for, at modløshed eller stigmatisering kan resultere i, at den ledige søger efter job med en lavere intensitet. Udvidelsen giver et fundament for, hvilke forventninger der teoretisk set vil være med hensyn til om sanktioner vil påvirke et evt. skift til sygedagpenge. Denne udvidelse tager udgangspunkt i modellen i Rosholm og Toomet (2005). I det efterfølgende afsnit 4.2.3 gennemgås forskellige overvejelser angående, hvorvidt det vil kunne forventes, at sanktioner også vil kunne påvirke andelen af ledige, der må skifte til kontanthjælp pga. en udløbet dagpengeperiode. Afslutningsvis i afsnit 4.2.4 opsummeres de forskellige teoretiske forventninger, som modellen giver anledning til i forhold til forskellige effekter af sanktioner. 4.1 Teoretiske overvejelser omkring forventet effekt af sanktioner Indledningsvis blev det nævnt, at en relativ høj indkomstkompensation ved ledighed kan give anledning til et moral hazard problem. I Mortensen (1977) vises det, at både en længere dagpengeperiode og et højere niveau af dagpenge er medvirkende til at forlænge ledighedsperioderne. Det er naturligvis ikke optimalt for et system, at ledige står uden for 17

Teoretiske forventninger til sanktionseffekter arbejdsmarkedet længere end højest nødvendigt, og resultaterne i Mortensen (1977) viser, at der netop opstår det uønskede moral hazard problem. I den danske dagpengesystem anvendes en aktiv arbejdsmarkedspolitik, hvor de ledige dels aktiveres på forskellig vis, og dels overvåges de med hensyn til deres søgeintensitet. Opfyldes disse ting ikke er der brud på rådighedskravet, og det giver en mulighed for sanktionere. Denne del er indbygget med henblik på, at vedholde generøsiteten i dagpengeniveauet, og samtidig dæmme op for moral hazard problemet. Grundlaget for at have en forventning, om at det vil mindske moral hazard problemet at have et system med overvågning og sanktioner, kan findes i Becker (1968). I denne artikel tages en økonomisk tilgang til forbrydelse og straf. Dette kan føres videre til systemet med sanktioner, da disse netop gives, når den ledige ikke søger som påkrævet, og dermed forsøger at modtage dagpenge uden egentlig at være berettiget til denne ydelse. Udgangspunktet i Becker (1968) er en antagelse om, at en person bryder loven, hvis den forventede nytte af dette lovbrud er højere end den nytte, der ellers ville kunne opnås, hvis personen brugte sin tid og ressourcer et andet sted. Antallet af gange, en person vil vælge at bryde loven, antages at være afhængig af sandsynligheden for at blive opdaget, hårdheden af straffen hvis lovbruddet opdages, samt en samling af andre påvirkninger, som eksempelvis hvilken indkomst der kan tjenes ved legale aktiviteter. Laves der indgreb fra systemets side, som ændrer på, hvor ofte lovbrud opdages eller på hårdheden af straffen, vil det således have indflydelse på den enkelte person nytte af et brud på loven, og deraf således også et antallet af lovbrud. I Boone et al. (2002) argumenteres der for, at de ledige i dagpengesystemet er risikoaverse. Deraf følger det, at straffen forbundet med ikke at søge tilstrækkeligt, ikke behøver at være af så hård karakter for, at systemet kan opnå den ønskede effekt, da de ledige ikke bryder sig om, at det er risikofyldt ikke at have den påkrævede søgeintensitet. Ifølge denne teoretiske tilgang vil det således være forventeligt, at et system med overvågning og sanktioner vil kunne mindske moral hazard problemet, selv med relativ milde sanktioner, og dermed vil det således være muligt at have et system med generøse dagpenge, uden at det i udpræget grad vil blive udnyttet. Den øgede søgeintensitet og dermed forventede kortede ledighedsperiode er netop de effekter, der ønskes, når et system med overvågning og sanktioner indføres. Det er dog også muligt, at systemet giver anledning til andre, og mere uønskede effekter i form af, at den ledige foretrækker af få forsørgelse gennem andre former for understøttelse end dagpenge, som der netop er god mulighed for i Danmark, og som ikke stiller de samme krav om hele tiden at skulle stå til rådighed 18

Teoretiske forventninger til sanktionseffekter for arbejdsmarkedet. I den psykologiske litteratur er der fundet sammenhæng mellem psykisk helbred og personligt velvære og ledighed, således at det psykiske helbred og personlige velvære er aftagende med længden af ledighedsperioden 7. Dette kunne forventes at have indflydelse på, om de ledige senere i ledighedsforløbet vil blive mere tilbøjelige til at skifte til mere passiv forsørgelse, som eksempelvis sygedagpenge vil være. I Henningsen (2006) argumenteres der for, at det niveau af sygdom, der kræves for at søge sygedagpenge, falder med længden af ledighedsperioden. Baggrunden for denne argumentering er, at værdien af fritid øges relativt til værdien af at stå til rådighed, jo dårligere helbred den ledige har. Når det så formodes, at der i løbet af ledighedsperioden sker stokastiske stød til helbredet, hvilket vil sænke værdien af, at stå til rådighed, så vil der dermed samtidig kræves et lavere sygdomsniveau, før end det giver den ledige en relativt højere værdi at modtage sygedagpenge. Sker der så en yderligere sænkning af værdien af at være ledig via høje krav til at søgeintensitet og deraf mulighed for at blive sanktioneret, vil det således kunne forventes, at en negativ effekt vil kunne opstå ifølge med sanktioner, i form af et større antal ledige der modtager passive ydelser. Systemet forventes derved at indebære en risiko for, at de ledige, der har været i systemet længe, vil kunne have en større tilbøjelighed til at give op, og forsøge at få en anden form for forsørgelse, hvor der ikke er et rådighedskrav tilknyttet. I Rosholm og Toomet (2005) arbejdes der med, at den ledige gennem sin periode uden arbejde gennemgår en proces, hvor der opstår modløshed og stigmatisering. Modløsheden bliver mere udpræget, jo flere afslag den ledige oplever i sin jobsøgning, og i yderste konsekvens kan det til sidst afholde den ledige fra at søge, da en måde at undgå afslag på netop er ved at afholde sig fra at søge. Derved har modløshed konsekvens i forhold til den intensitet, som den ledige søger efter arbejde med. Stigmatisering vil sige, at det omkringliggende samfund kan opfatte den ledige som socialt afvigende ved ikke at være i arbejde, og dermed nedvurdere dennes evner. Konsekvensen af at blive stigmatiseret kan være lavere selvværd, selvforståelse og selvfølelse 8. Baggrunden for, at det for den enkelte er vigtigt at have et arbejde, vises bl.a. i Warr s (1987) Vitamin model, hvor der opstilles fem faktorer, som gør det vigtigt at have et arbejde. De fem faktorer er sikker indkomst, en følelse af kontrol, defineret struktur for mål, kontakt med andre mennesker og mulighed for at udnytte sine evner. Tilgangen i Rosholm og Toomet (2005) til at undersøge konsekvensen af modløshed er således, at graden af modløshed hos den ledige ændres i forbindelse med dynamiske 7 Dooley, Fielding og Levi, 1996 8 psykiatrifonden.dk 19

Teoretiske forventninger til sanktionseffekter processer i løbet af den periode, en person ikke har tilknytning til arbejdsmarkedet. De henviser blandt andet til undersøgelser der viser, sandsynligheden for at forlade ledighed aftager med længden af ledighedsperioden. De argumenterer derfor for, at det er vigtigt at tage højde for, at ændringerne i modløshed og stigmatisering gennem ledighedsperioden, har indflydelse på, hvor længe det kan svare sig for den ledige at blive ved med at stå til rådighed. I takt med at de negative sider af ledighed viser sig, vil den ledige indse, at de omkostninger, der er forbundet med at søge efter arbejde, ikke længere bliver opvejet af de indtægter et evt. job vil føre med sig, og en reaktion på dette kan være, at de vil vælge at forlade arbejdsmarkedet, hvis de har mulighed for at blive godkendt til sygedagpenge. Derfor vil det således blive forventet, at sanktionering af de ledige ikke alene har en effekt på raten ud af ledighed med henblik på at vende tilbage til arbejdsmarkedet, men også at de kunne have en uønsket effekt i form af, at vil være at flere ledige vil forsvinde ud på sygedagpenge, da en sanktion sænker værdien af at være ledig, og dermed vil der være en større andel af ledige, for hvem det bedre kan betale sig at stå udenfor arbejdsmarkedet. Den periode, hvor ledige kan modtage dagpenge, er begrænset, men herefter er det, hvis den ledige ingen formue har, muligt at fortsætte på kontanthjælp. Der er mange lignende krav mellem dagpengesystemet og kontanthjælp, men den ydelse, der er forbundet med kontanthjælp, er langt lavere. Formålet med at indføre sanktioner er, at den ledige skal øge sin søgeintensitet, og dermed vil det kunne forventes, at med en øget søgeintensitet vil der være færre ledige, der er ledige hele den periode, de kan modtage dagpenge, og dermed vil være nødsaget til at skifte til kontanthjælp. Som tidligere nævnt er det også muligt at modtage kontanthjælp uden at blive mødt med et rådighedskrav, hvis den ledige har andre problemer, der medfører at personen ikke er arbejdsmarkedsparat, men som udgangspunkt antages det, at dagpengemodtagerne kan tage arbejde, da det netop fordrer en vis tilknytning til arbejdsmarkedet at optjene muligheden for dagpenge. Gennem dette delafsnit er der lavet forskellige teoretiske overvejelser omkring, hvad baggrunden er for at forvente, at der vil være effekter forbundet med brug af overvågning og sanktioner. I det følgende delafsnit gøres disse overvejelser systematiske via en jobsøgemodel, som danner grundlaget for, hvilke forventninger der er til den empiriske del af analysen. 4.2 Teoretisk jobsøgemodel Igennem dette afsnit introduceres en jobsøgemodel, hvor der er mulighed for, at den ledige sanktioneres, når denne søger mindre intenst efter et arbejde end det, der er påkrævet for at være 20

Teoretiske forventninger til sanktionseffekter berettiget til at modtage dagpenge, og dernæst udvides modellen med henblik på at danne forventning til dagpengemodtageres eventuelle skift til andre former for offentlig forsørgelse. Formålet med at opstille en jobsøgemodel er, at det ved hjælp af den bliver muligt at finde et udtryk for, hvilket lønniveau der som minimum kræves for, at den ledige vil acceptere et jobtilbud. I modellen endogeniseres søgeintensiteten, således at den ledige søger med netop den intensitet, der vil optimere den værdi, det har at være ledig. Når modellen er opstillet er den grundlag for en række forventninger til, hvordan den ledige vil reagere som følge af en sanktion. 4.2.1 Jobsøgemodel hvor der er mulighed for sanktionering Den jobsøgemodel, der bruges her, er en stationær model, og en styrke ved den stationær model frem for en dynamisk model er, at den er enkel at danne forventninger ud fra, og en svaghed er, at den er så simpel, at den ikke kan fange den dynamik, der kan være i forbindelse med den lediges søgeintensitet. De problemer, modellen kan have med at forklare de mere dynamiske aspekter, forøges afhjulpet via argumentering, de steder det er relevant gennem afsnittet, for, hvilke forventninger der vil være i forhold til dette i den empiriske del af analysen. Jobsøgemodellen bliver udtrykt via to ligninger, hvor den ene er situationen for den ledige inden der modtages en sanktion, mens den anden er situationen efter en sanktion. Hver af disse ligninger er en såkaldte Bellman s ligning, som giver udtryk for, at det antages, at den ledige maksimerer sin forventede nutidsværdi af indkomst over en uendelig horisont med hensyn til sin søgeintensitet, og derved findes en reservationsløn, som er det minimumsniveau for lønnen, der kræves for, at den ledige ønsker at acceptere jobtilbuddet. Til opstilling af modellen kræves forskellige antagelser omkring de parametre, der forventes at have indflydelse på, hvornår der sker accept fra den ledige af et jobtilbud. Det antages, at søgningen efter job sker sekventielt, og at den rate, hvormed den ledige modtager jobtilbud, er Poissonfordelt, og yderligere antages det, at denne rate af jobtilbud er voksende i den intensitet, som den ledige søger med. I modellen er dette udtrykt via λ ( s), hvor λ således er voksende i s. I forbindelse med jobtilbud antages det, at disse er stokastiske træk fra en fordeling af løntilbud, som her er givet ved F ( w), og hvor w er den aktuelle løn. Når den ledige har modtaget et jobtilbud, skal denne beslutte sig for, hvorvidt tilbuddet accepteres eller afslås. Hvis tilbuddet accepteres, antages det, at lønnen herefter forbliver den samme i al fremtid. I ledighedsperioden antages det, at den ledige modtager dagpenge, b, dog antages det, at der i b også er inkluderet eventuel nytte af at være ledig, som ikke kan gøres op i penge, f.eks. i form af mere fritid. Samtidig med at den ledige 21

Teoretiske forventninger til sanktionseffekter modtager dagpenge, antages det også, at der vil være omkostninger forbundet med at søge efter arbejde, eksempelvis i form af, at den tid der bruges på at søge, kunne have været brugt på fritid. Disse omkostninger antages også at være voksende i søgeintensitet, og i modellen er de givet ved c () s, hvor c er voksende i s. Der er, som nævnt indledningsvis, to effekter af at have et system, hvor det er muligt at sanktionere, og disse er hhv. en exante og en expost effekt. Exante effekten er en konsekvens af, at truslen om at få en sanktion alene vil kunne øge intensiteten, hvormed den ledige søger, mens expost effekten opstår i den øjeblik, den ledige modtager en sanktion. Der kan argumenteres for forskellige grunde til, at der i data er ledige, der modtager en sanktion. En mulighed er, at truslen om en sanktion, dvs. exante effekten, ikke er stærk nok til at afholde den ledige fra ikke at søge tilstrækkeligt, mens en anden mulighed er, at den ledige er fuldt ud bevidst om konsekvensen af ikke at søge som krævet, men at der tages højde for dette, når reservationsløn og søgeintensitet besluttes. En tredje mulighed er at antage, at den ledige ikke har præcist kendskab til de regler, der skal følges mht. jobsøgning, og derved er der ikke fuldstændig klarhed over, hvilken adfærd der vil resultere i en sanktion, og i givet fald hvornår den vil blive pålagt. Det er denne tredje mulighed der antages, samtidig med at der yderligere antages, at den ledige er klar over, at der er en sammenhæng mellem søgeadfærd og sandsynligheden for at blive sanktioneret. Antagelsen begrundes med at der, på trods af et ens sæt af regler, er relativt store forskelle mellem de enkelte akassers sanktioneringsgrader, og ifølge det tilsyn som Arbejdsdirektoratet har med akassernes, skulle der ikke være anledning til at tro, at forskellene kunne skyldes, at reglerne ikke følges i nogle akasser9. Antagelsen, omkring at den ledige har kendskab til sammenhængen mellem adfærd og sanktioner frem for den præcise sammenhæng, udmønter sig i, at der defineres en sandsynlighed for raten, hvormed en sanktion pålægges, når den ledige endnu ikke har fået en sanktion, og denne sandsynlighed er givet ved p () s. Sandsynligheden for at modtage en sanktion er aftagende i søgeintensitet, og for at simplificere modellen antages det, at der for et givet niveau, s *, som den ledige kender, ikke længere er nogen sandsynlighed for at modtage en sanktion. Der kan argumenteres for, at dette er i overensstemmelse med, hvordan det foregår i Danmark, da akasserne skal følge en række regler, når der gives en sanktion. I det ovenstående blev det nævnt, at er der ikke grund til, trods varierende vurderinger, at tro at akasserne ikke følger reglerne. Således er sandsynligheden for at modtage en sanktion defineret som følger: 9 Rådigheden hos forsikrede ledige, 2005 22

Teoretiske forventninger til sanktionseffekter 0 _ for _ s s * p () s = p0 _ for _ s < s * Via denne definition af sandsynligheden for at modtage en sanktion er det således muligt for den enkelte ledige, at vælge den søgeintensitet der resulterer i den risiko, den ledige er villig til at løbe. En højere søgeintensitet giver således nu en yderligere fordel udover at øge antallet af jobtilbud, da den således resulterer i en lavere sandsynlighed for at blive sanktioneret. En sanktion sker i form af, at den lediges dagpengeniveau sænkes, og her antages det, at en sanktion resulterer i et permanent niveau for dagpengesatsen, der er væsentlig lavere end forinden en sanktion. Dette er ikke tilfældet i det data, der bruges i denne undersøgelse. Konsekvensen, for den største del af de sanktioner der gives, er, at den ledige mister sine dagpenge i en eller få dage, og eksempelvis svarer én dags mistede dagpenge til et fald på knap 5% fald i dagpenge, når der regnes på månedsbasis, mens det dog også er muligt at modtage en sanktion af 3 ugers varighed. Sanktionerne er således hverken permanente eller, i tilfældet af en enkelt dags sanktion, sænket væsentlig. Antagelsen fastholdes dog med henblik på at holde modellen simpel, men i forhold til de empiriske resultater må der således forventes lavere effekt af en sanktion, end modellen ellers vil give anledning til, da sanktionerne ikke er så stærke, som det er antaget i modellen. Den forskel der trods alt er på hårdheden af sanktionerne, gør det interessant empirisk set at undersøge, hvorvidt effekterne af dem er forskellige. Efter tildeling af en sanktion antages det, at den ledige som følge deraf vil øge sin søgeintensitet, således at der indenfor indeværende ledighedsperiode ikke længere er sandsynlighed for at modtage en sanktion, dvs. minimum til en søgeintensitet på s *. Begrundelsen for denne antagelse er, at en efterfølgende sanktion vil være så streng, at den ledige vil vælge ikke at have nogen sandsynlighed for at modtage denne. Denne antagelse vil heller ikke være i overensstemmelse med danske forhold, ud fra samme begrundelse som netop nævnt ovenfor. Igen fastholdes antagelsen med henblik på at holde modellen simpel, men konsekvensen for den senere empiriske analyse er, at det vil være interessant at undersøge, om effekten af en sanktion eventuelt vil være aftagende over tid. Via de ovenfor nævnte parametre opstilles Bellman s ligning for hhv. ledighedsperioden inden en sanktion, og perioden efter en sanktion er modtaget: ρr = max b 1 c 1 1 s1 φ1 ρ w ( s ) + λ( s ) R df( w) + I( s < s ) p ( R R ) 1 1 1 * 0 2 1 23

Teoretiske forventninger til sanktionseffekter ρr = 2 max b 2 2 2 c 2 2 s s s* φ2 ρ w ( s ) + λ( s ) R df( w) I de to ligninger er R 1 og R 2 de forventede nutidsværdier af indkomst hhv. før og efter en sanktion. De to ligninger resulterer i et udtryk for reservationslønningerne, hhv. φ 1 og φ 2, da disse er bestemt ved φ 1 = ρr1 og φ 2 = ρr2, hvor ρ er diskonteringsfaktor. Konsekvensen af en sanktion er at dagpengeniveauet, b 1, falder til det lavere niveau b 2. Omkring de strukturelle parametre, F, p 0, s *, ρ, antages det, at disse er uændrede over tid, og således er de ens både før og efter en sanktion. I ligningen for ledighedsperioden inden en sanktion indgår der tre dele, hvoraf de to første har samme opbygning, som i ligningen for perioden efter en sanktion. Den første del består af de dagpenge den ledige modtager, og derfra trækkes de omkostninger, der er forbundet med at søge. Den næste del indeholder raten, hvormed den ledige modtager jobtilbud, og hvor meget den ledige vil opnå lønmæssigt i forhold til værdien af at være ledig ved at accepteret et givet jobtilbud. Det sidste led er en indikatorvariabel, som er udtryk for, at der i systemet er en sandsynlighed for at blive sanktioneret, hvis der ikke søges tilstrækkeligt efter nyt job, og dette sættes i forhold til, hvor meget den ledige vil miste i værdien af at være ledig som følge af en sanktion. Transition fra at den ledige er på dagpenge til, at der startes et arbejde, er givet ved: θ u, 1 = λ( s1 ) F( φ1 ) og θ u, 2 = λ( s2 ) F( φ2 ) som er transitionsraten hhv. før og efter en sanktion. Transitionsraterne er bestemt af raten, hvormed den ledige modtager jobtilbud ganget med sandsynligheden for at modtage et løntilbud, som ligger over reservationslønnen. Der er to væsentlige forventninger, som kan udledes fra den opstillede model. Den første forventning er, at fra det øjeblik der gives en sanktion, sker der et skift opad i raten, hvormed den ledige finder et job. Denne forventning dannes som følge af to ting, den ene er, at dagpengeniveauet er lavere efter sanktionen, dvs. at b 2 < b1, og den anden er, at søgeintensiteten, som inden sanktionen nødvendigvis var lavere end s *, og som følge af antagelsen om, at intensiteten efterfølgende hæves minimum til det påkrævede niveau, dvs. s 2 > s1. Det lavere dagpengeniveau, sammen med det øgede intensitetsniveau resulterer i en lavere forventet nutidsværdi af indkomst efter en sanktion, dvs. R 2 < R1, og som følge deraf vil den ledige have en lavere reservationsløn, φ 2 < φ 1. En konsekvens af en lavere reservationsløn er, at en større del af lønfordelingen vil ligge 2 24

over dette lønniveau, dvs. ( φ ) F( ) Effekten af at sanktionere forsikrede ledige Teoretiske forventninger til sanktionseffekter F >, og da raten af jobtilbud er voksende i søgeintensitet, vil 2 φ 1 den forventede effekt at en sanktion således være at θ 2 > θ1, hvilket betyder at raten ud af ledighed øges som konsekvens af en sanktion. Det andet resultat er omkring exante effekten. Modellen viser, via sanktionsleddet i den første ligning, at det ikke kun er de ledige, der modtager en sanktion, der har en øget transitionsrate ud i job, men også både de ledige, der uden et system med overvågning og sanktioner, ville søge mindre end det påkrævede niveau. Den positive sandsynlighed for en sanktion indgår negativt i værdien af at være ledige, og dermed giver systemet alene anledning til en sænket reservationsløn, selv inden en sanktion er givet. De eneste ledige der ikke påvirkes, er de ledige, der sanktioner eller ej, ville søge med så høj intensitet, at der ikke ville være sandsynlighed for at få en sanktion. Således er der i dette afsnit er opstillet en grundlæggende jobsøgemodel, hvor der er mulighed for at give sanktioner, når søgeintensiteten ikke er tilstrækkelig høj, og det blev vist at sanktioner forventes at øge raten fra ledighed og ud i job. I det næste afsnit gives der mulighed for søgeintensiteten kan aftage, når den ledige er i dagpengesystemet over længere tid, for derved at tage hensyn til det psykiske pres der kan være forbundet med ledighed. 4.2.2 Udvidelse af jobsøgemodel med psykisk modløshed eller stigmatisering I det netop afsluttede afsnit blev opstillet en jobsøgemodel, som gav forventning om, at raten ud i job ville kunne hæves via muligheden for at give en sanktion til de dagpengemodtagere, der ikke søgte tilstrækkeligt efter arbejde. Igennem dette afsnit udvides modellen, sådan at det nu er muligt, at søgeintensiteten kan aftage over ledighedsperioden, og med dette gives en mulighed i modellen for, at den ledige ikke nødvendigvis forlader dagpenge til fordel for et job, men i stedet skifter dagpenge ud med en anden form for understøttelse, nemlig sygedagpenge. Begrundelserne bag denne udvidelse blev kort nævnt i afsnit 4.1, og det var overordnet set en forventning om, at modløshed og stigmatisering i forbindelse med længere tids ledighed kunne have en negativ påvirkning på søgeintensiteten. Derved åbnes en mulighed for, at sanktionering ikke kun har en positiv indvirkning i form af en øget rate, hvormed med den ledige finder job. Sanktioner vil også kunne have en negativ sideeffekt i form af, at en sanktion vil sænke værdien af at være ledig yderligere, end det allerede er sket via modløshed og stigmatisering. Med en lavere værdi af at være ledige vil der være en højere rate af ledige, for hvem det kan betale sig, at forsøge at melde sig ud af arbejdsmarkedet ved at skifte til sygedagpenge. 25

Teoretiske forventninger til sanktionseffekter I modellen tillades nu stokastiske stød til søgeintensiteten, således at hvert stød som følge af modløshed eller stigmatisering sænker den gennemsnitlige jobtilbudsrate. Om disse stød til søgeintensiteten antages det, at de udover at være stokastiske, er Poisson fordelte, og at den ledige ikke forventer fremtidige stød, og derved forbliver modellen stationær fra den lediges synspunkt. Muligheden for at skifte til sygedagpenge indbygges endogent i modellen. Faldet i jobtilbudsraten over ledighedsperioden medfører, at værdien af at være ledig aftager, jo længere den ledige er på dagpenge, og dermed forudsiger modellen, at hazarden over på sygedagpenge vil udvise positiv varighedsafhængighed. I modellen benævnes stødene med k, og med baggrund i ovenstående antages der følgende omkring jobtilbudsraten: λ k +1 < λ k og l im λ = 0 Den udvidede model kommer til at se ud som følger: ρr k = max b 1 c 1, k 1, k 1, k 1, k 0 2 1, k 1, k+ s1, k φ1, k ρ k w ( s ) + λ( s ) R df( w) + I( s < s* ) p ( R R ) + α max[ R R R R ] 1, k 1 1, k, N 1, k hvor α er angiver Poisson raten, hvormed det sker stød til søgeintensiteten, og R N er værdien af at skifte til sygedagpenge. De tilføjede fodtegn for antal stød til søgeintensitet, k, angiver, at disse stød har indflydelse på dels søgeintensitet og dels værdien af at være ledig. Det sidste led, som modellen er udvidet med, giver mulighed for, at den ledige skifter til sygedagpenge, hvis endnu et stød vil resultere i, at det ikke kan svare sig at forblive på dagpenge. For et fast k er modellen stadig stationær, og dermed vil den optimale strategi stadig kunne beskrives via reservationsløn, og som modellen er opstillet vil reservationslønnen være aftagende i antal stød til søgeintensiteten, da disse stød influerer værdien af at være ledig på dagpenge: R 1, k > R1, k + 1 og dermed 1, k > φ1, k + 1 φ, da ρ k = k R 1, φ1, Dvs. i et system, hvor der ikke blev gjort brug af overvågning og sanktioner, ville der stadig være ledige, for hvem det bedre ville kunne svare sig at være på sygedagpenge frem for dagpenge, og denne andel ville være voksende med ledighedsperioden. Exante effekten af at have et system med sanktioner vil forventes at påvirke andelen af ledige, der skifter over på sygedagpenge gennem den generelt sænkede værdi af at være ledig, for alle de ledige der ellers ville have haft en lavere søgeintensitet end påkrævet. Det forventes derfor, at der vil være flere ledige end ellers, som enten fra start vil kunne opnå en højere værdi af at være på sygedagpenge, eller også at det kræver færre stød til søgeintensiteten at nå under denne værdi. 26

Teoretiske forventninger til sanktionseffekter Ligesom i ovenstående afsnit antages det fortsat, at søgeintensiteten som følge af at modtage en sanktion som minimum øges til det påkrævede niveau, og derefter fastholdes på dette niveau. Konsekvensen af at en sanktion er således, at værdien af at være ledig falder yderligere via det nedsatte dagpengeniveau, begrundet af de samme udledninger som i foregående afsnit. Et fald i værdien af at være ledige kan, som det netop er set, være udslaggivende for, at det ikke kan svare sig for den ledige at stå til rådighed for arbejdsmarkedet. Ud fra modellen vil det dermed dannes en forventning om, at modtagelse af en sanktion vil have en kausal effekt på raten, hvormed de ledige fortsætter på sygedagpenge. Og dertil også at den empiriske opdeling af de to mulige sanktioner vil vise, at en hårdere sanktion vil have en stærkere effekt. Igen ses der i modellen bort fra den dynamik, der vil kunne opstå i forbindelse med en sanktion, for at holde modellen simpel. Ulempen ved at antage, at søgeintensiteten efter en sanktion fremover vil ligge på det påkrævede niveau, er i forhold til modløshed og stigmatisering, at det antages at dette sker over længere tids ledighedsperiode. De sanktioner, der primært gives i det danske system, er, som argumenteret ovenfor, forholdsvis milde, og derfor vil de formodentlig ikke være stærke nok til på sigt, at afholde modløshed og stigmatisering fra igen at sænke niveauet for søgeintensiteten. Dette giver således en grund til at forvente, at effekten af en sanktion også vil være aftagende over tid i forhold til raten af ledige, der forlader dagpenge til fordel for sygedagpenge. Udvidelsen af modellen giver dermed en forventning om, at der empirisk set vil blive fundet en negativ effekt af en sanktion i form af, at den ledige melder sig ud af arbejdsmarkedet. Efter i dette afsnit af have udvidet modellen med muligheden for at den ledige eventuelt fortsætter på anden understøttelse i form af sygedagpenge, fortsættes i næste afsnit med overvejelser omkring, at den ledige i stedet fortsætter i kontanthjælpssystemet. 4.2.3 Udvidelse af jobsøgemodellen med mulighed for skift til kontanthjælp I ovenstående afsnit blev jobsøgemodellen med mulighed for sanktionering udvidet med, at den ledige har et alternativ end job for at forlade dagpenge, nemlig via sygedagpenge, samtidig med at der blev dannet forventning om, at sanktionering kan have en negativ effekt i form af, at flere ledige vil vælge dette alternativ. I dette afsnit foretages en yderligere udvidelse af modellen, hvormed der gives mulighed for, at den ledige i stedet for at komme i job eller på sygedagpenge, kan fortsætte på kontanthjælp. Det er stadig effekten af et system med mulighed for sanktionering, der har interesse, og forventningen til effekten af en sanktion vil være modsat i forhold til ved job og sygedagpenge. Kontanthjælp i det danske system, er som tidligere nævnt, kun muligt at få, hvis den ledige ikke har 27

Teoretiske forventninger til sanktionseffekter en formue at tære på, og der stilles lignende krav til en ledig på kontanthjælp omkring søgeintensitet, ligesom her er også mulighed for at blive sanktioneret. Dermed ændrer det ikke på omkostningerne ved at søge, på raten af jobtilbud, muligheden for at få en sanktion, eller at der stadig sker stød til søgeintensitet at skifte fra dagpenge til kontanthjælp. Det eneste der påvirkes er niveauet for understøttelsen, da kontanthjælp er langt lavere end dagpenge. Det forventes således, at der ikke er nogle ledige, der frivilligt skifter fra dagpenge til kontanthjælp. Dagpengeperioden ophører efter 4 år, og herefter kan den ledige eventuelt fortsætte på kontanthjælp, men yderligere dagpenge vil kræve, at den ledige har en periode med et arbejde. Det er således ikke et frivilligt valg, der sker efter fire år. Reservationslønnen ved dagpenge og kontanthjælp er simpelt skitseret i nedenstående figur 1a. Figur 1a: Påvirkning af reservationsløn ved skift fra dagpenge til kontanthjælp Reservationsløn ved dagpenge Reservationsløn på kontanthjælp i forhold til ved dagpenge Efter sanktion R2 kontanthjælp Rkon2<R2 Før sanktion R1,k Rkon1,k<R1,k Kilde: Egen tegning I figur 1a vises det, at forskellen mellem de to perioder er, at R kon, k R1. k 1 < pga. det lavere niveau af understøttelse, og samtidig viser figuren, at når den ledige går fra dagpengesystemet til at modtage kontanthjælp, så fortsættes blot yderligere med en ledighedsperiode, hvor modløshed og stigmatisering ikke er ændret i forhold til situationen, mens den ledige var på dagpenge, og hvor der også er mulighed for at blive sanktioneret, når der ikke søges som påkrævet.. Er den ledige således arbejdsmarkedsparat, vil der ikke være nogen grund til at skifte til kontanthjælp før end dagpengeperiodens udløb. Den stigmatisering og modløshed, der følger jo længere ledighedsperioden varer, resulterer i at intensiteten, hvormed den ledige søger efter arbejde, aftager med ledighedsperioden, og dermed vil raten ud i job også være aftagende med perioden. Konsekvensen af, at færre ledige finder arbejde, jo længere tid de har befundet sig i dagpengesystemet, er, at sandsynligheden øges ift., at dagpengeperioden når at udløbe, inden den ledige har fundet job. Forventningen til exante effekten 28

Teoretiske forventninger til sanktionseffekter vil således være, at idet et system med sanktionering er medvirkende til at øge søgeintensiteten, vil der være en lavere andel af ledige, der forbliver i dagpengesystemet indtil udløb af deres dagpengeperiode. Og expost effekten af en sanktion vil være, at en øget søgeintensitet vil, som ovenfor vist, øge raten af ledige, der finder et job, og dermed må det forventes, at der vil være færre ledige, der gør brug af hele deres dagpengeperiode. Forventningen til en sanktion er således, at den vil mindske andelen af ledige, der fortsætter på kontanthjælp, da den øgede søgeintensitet vil gøre det mindre sandsynligt, at den ledige ender i en situation, hvor dagpengeperioden er opbrugt, og hvor de vil være tvunget til at skifte. Således er der i dette afsnit er der gjort overvejelser i forhold til, hvordan et system med sanktioner kan influere andelen af ledige, der efter endt ledighedsperiode fortsætter på kontanthjælp. I det næste og afsluttende afsnit opsummeres kort de netop gennemgåede afsnit. 4.2.4 Opsummering af forventningerne til effekten af sanktioner via en udvidet jobsøgemodel Igennem dette afsnit er opstillet en jobsøgemodel, hvor der er mulighed for at sanktionere, når en ledige ikke har en tilstrækkelig høj søgeintensitet. Forventningen til et system med sanktioner er, at tildelingen af en sanktion via et lavere dagpengeniveau og en hævet søgeintensitet vil øge raten, hvormed den ledige finder et arbejde. Efterfølgende blev modellen udvidet i form af, at stigmatisering og modløshed kan resultere i at den lediges søgeintensitet bliver lavere, når ledighedsperioden er længerevarende. Effekten af dette ville være, at værdien af at være ledig bliver lavere, og derved vil der være en forventning om, at flere ledige vil forsøge at komme på sygedagpenge i stedet, og dermed ikke længere stå til rådighed for arbejdsmarkedet. Når den ledige bliver givet en sanktion, forventes det således, at en endnu større rate, pga. den lavere værdi af at være ledig, vil ønske at komme på sygedagpenge. Modellen blev efterfølgende udvidet med en tredje mulighed for den ledige, nemlig at de kan fortsætte på kontanthjælp, men da der her ikke stilles færre krav til den ledige, samtidig med at ydelsen er lavere end på dagpenge, forventes det ikke, at der er ledige, der vil vælge denne vej uden at være tvunget til som følge af udløb af dagpengeperiode. Til gengæld forventes det, at effekten af sanktionering og den dertilhørende højere søgeintensitet, vil være, at en lavere andel af de ledige vil opbruge hele dagpengeperioden, og derved vil sanktionering have en effekt, der betyder, at færre ledige vil skifte til kontanthjælp. 29

Økonometrisk metode der bruges til empirisk analyse 5 Økonometrisk metode der bruges til empirisk analyse I det foregående afsnit blev det teoretiske grundlag for jobsøgning belyst, og i dette afsnit følger den økonometriske metode, der bruges til undersøgelsen af sanktioners effekt på længden af ledighedsperioden. Til undersøgelsen af sanktioners effekt gøres brug af varighedsanalyse, da det tilgængelige data giver mulighed for at følge de ledige over længere tid. Der gives først en kort præsentation af den basis økonometri, der danner fundament for varighedsanalyse, hvilket er baseret på Wooldrigde (2002), og i forlængelse af dette følger en introduktion til mixed proportional hazards, som bygger på Svarer (2007). Efterfølgende, med udgangspunkt i Abbring og van den Berg (2003), opridses idéen bag timingofevents modellen, som er den form for varighedsanalyse, der anvendes. Dernæst udvides modellen med competing risks, hvorved det bliver muligt netop at undersøge, om sanktioner også har en uønsket sideeffekt i form af, at en større andel af de ledige søger mod andre former for understøttelse, dette afsnit er skrevet på baggrund af van den Berg (2005). Herefter følger to korte afsnit, hvor det ene er omkring data med multiple spells, der også bygger på van den Berg (2005), mens det andet, som bygger på Wooldrigde (2002), er omkring de forklarende variable, der bruges i analysen. Afslutningsvis følger først et afsnit, hvor likelihoodfunktionen opstilles med udgangspunkt i henholdsvis Lalive et al. (2005) og Munch og Skipper (2007), og dernæst et afsnit omkring parametisering af modellen med udgangspunkt i Svarer (2007). Afslutningsvis laves en kort opsummering. 5.1 Grundlæggende økonometri i forhold til varighedsanalyse I forhold til de ledige dagpengemodtagere er det interessant at vide, med hvilken rate de forlader dagpengesystemet, og til dette er varighedsanalyse særdeles anvendeligt. Raten ud af dagpengesystemet betegnes enten hazardraten eller exitraten. Således er hazardraten et udtryk for raten, hvormed den ledige på et givet tidspunkt forlader dagpengesystemet, givet at den ledige ikke har forladt det indtil dette tidspunkt. Ved kontinuert tid ser udtrykket for hazarden ud som følger: h () t P t = lim ε 0 ( T < t + ε T t) hvor T er en stokastisk variabel, der angiver varigheden af perioden i dagpengesystemet, og t er tidspunktet, hvor den ledige forlader dagpengesystemet. Udtrykker viser, at når intervallet for afslutningen af varigheden bliver tilstrækkeligt lille, er hazarden et udtryk for raten ud af dagpengesystemet på tidspunkt t, givet at den ledige har været i dagpengesystemet indtil dette tidspunkt. ε 30

Økonometrisk metode der bruges til empirisk analyse Den kumulative fordelingsfunktion for T er givet ved F ( t) og tæthedsfunktionen ved f ( t) hazardfunktionen beskrives via fordelingsfunktionen og tæthedsfunktionen fås følgende udtryk: ( t) F() t. Hvis f h() t = 1 hvorved det ses, at hazardraten er andelen af ledige der forlader dagpengesystemet på tidspunkt t i forhold til dem, der fortsætter i dagpengesystemet. Og dette fører videre til et andet begreb i varighedsanalyse, som er overlevelsesfunktionen. Overlevelsesfunktionen er netop et udtryk for de personer, der overlever og som dermed stadig er i dagpengesystemet på tidspunkt t: ( t) = P( T t) S > og udtrykt via fordelingsfunktionen er overlevelsesfunktionen givet ved: S ( t) = 1 F( t) De to ovenstående udtryk giver mulighed for at udlede følgende sammenhæng mellem overlevelsesfunktionen og hazardraten: ( t) d ln S 1 ln S() t = ln( 1 F() t ) = ( f () t ) = h( t) dt 1 F() t Til brug i afsnit 3.5 omkring likelihoodfunktionen findes udtrykket for den integrerede hazard. Idet F ( 0 ) = 0 kan overlevelsesfunktionen integreres således at: S t () t = exp h( u) du S() t = exp[ H () t ] 0 Således en kort introduktion til hazarder og overlevelsesfunktion, hvilket er relevant for næste afsnit, hvor der introduceres en mixed proportional hazard model. 5.2 Mixed proportional hazard model I foregående afsnit blev hazardraten introduceret, og denne er en vigtig byggesten i varighedsanalyse. Varighedsanalyse kan bruges til at afdække den dynamik, der er for de ledige dagpengemodtagere, når de undervejs skifter til enten et job eller til anden understøttelse. I dette afsnit opstilles en mixed proportional hazard model, som er en model, der er netop beregnet til brug i varighedsanalyse. Ved en mixed proportional hazard model har hazardraten følgende grundlæggende struktur: h ( t x, v) = λ( t) ϕ( x v) t t, hvor det første led er en baseline hazard, λ ( t), hvilket er den grundlæggende hazard for de ledige. Det næste led i hazarden er skaleringsfunktionen, ϕ ( x t,v), der er en funktion af de observerbare og 31

Økonometrisk metode der bruges til empirisk analyse de uobserverbare variable, og dermed giver mulighed for forskellige hazardrater for de ledige. Skaleringsfunktionen er multipliceret på baseline hazarden, hvorved indgår proportionalt, og derved påvirker de observerbare og uobserverbare variable niveauet for hazarden, men ikke selve forløbet over tid. Skaleringsfunktionen er her specificeres eksponentielt, og dermed får hazarden ud af dagpengesystemet følgende udseende: u ( t t, x, v ) = ( t ) ( x β + δd( t ) v ) h + u s u, t u λ u u exp u, t I hazarden ud af dagpengesystemet indgår observerbare variable, x, uobserverbare variable, v, og en dummyvariabel, der antager værdien 0, når den ledige ikke har modtaget en sanktion, og værdien 1 når den ledige har modtaget en sanktion. Fordelingen af de uobserverbare variable antages at være en diskret fordeling med to støttepunkter, hvilket vil blive uddybet yderligere i afsnit 3.8 omkring parametrisering. I ovenstående er specificering af modellen via mixed proportional hazards blevet gennemgået. I det følgende afsnit laves en udvidelse af modellen via en timingofevents model. 5.3 Timingofevents I foregående afsnit blev der specificeret en mixed proportional hazard model, og gennem dette afsnit udvides varighedsanalysen med en timingofevents tilgang. Formålet med at bruge timingofevent er, at denne model giver netop mulighed for at evaluere den kausale effekt at sanktionering på længden af dagpengeperioden ved at tage højde for den selektion, der kan være forbundet med tildeling af sanktioner. Det er centralt for timingofevents modellen, at der modelleres to hazarder simultant, og i denne undersøgelse er det således hazarden i forhold til at modtage en sanktion, samt exitraten ud af dagpengesystemet. Frem for at modellere exitraten ud af ledighed, hvor en dummyvariabel, der angiver modtagelse af sanktion i indeværende spell, indgår som en forklarende variabel, er det via den simultane modellering muligt at tage højde for eventuel endogen selektion i forbindelse med at få en sanktion. Sanktionerne bliver tildelt af akasserne i forbindelse med, at den ledige ikke opfylder de stillede krav om at stå til rådighed. Det er således er den lediges adfærd, der ligger til grund for, at der bliver tildelt en sanktion, og derfor formodes det, at disse ledige kunne være anderledes end de resterende ledige. Tages der ikke hensyn til denne mulige endogenitet, kan det skabe bias i de fundne resultater, da det derved ikke er muligt at skelne, hvorvidt effekten af en sanktion er en kausal effekt, eller om det skyldes selektion. I Svarer (2007), hvor effekten af en sanktion af dagpengemodtagere på exitraten ud af ledighed, blev undersøgt, blev det vist, at u s u 32

Økonometrisk metode der bruges til empirisk analyse hensyntagen til selektion resulterede i, at der blev fundet en større kausal effekt, end i tilfældet hvor der ikke blev taget højde for selektion. De to varigheder der følges er, varigheden af hvor længe den ledige befinder sig i dagpengesystemet, og hvor længe der går til den ledige tildeles en sanktion. Disse to varigheder, som benævnes hhv. T u( nemployment ) og T s( anktion), starter på samme tidspunkt, nemlig fra det øjeblik en person bliver ledig, og de er begge ikkenegative, kontinuerte stokastiske variable. Det antages, at alle individuelle forskelle i varighederne kan forklares via en række forklarende variable, x, der er blevet observeret, samt uobserverbare variable, v. Der er to måder, hvorpå varighederne tillades at være afhængige af hinanden. Den ene er via korrelation af de uobserverbare variable, der påvirker hhv. ledighedsperioden og tiden indtil en sanktion. Den anden måde er via den direkte effekt, som modtagelsen af en sanktion har på varigheden i dagpengesystemet, og i forbindelse dermed antages det, at når der er betinget på observerbare og uobserverbare variable, er der uafhængighed mellem tiden indtil en sanktion og ledighedsperioden. Formålet med denne antagelse er at sikre, at varigheden indtil en sanktion først tillades at påvirke varigheden af ledighedsperioden fra det øjeblik, hvor sanktionen er blevet givet, nemlig efter tidspunkt t s. Antagelsen om uafhængighed betyder samtidig, at det ikke er tillades, at en forventning om at modtage en sanktion vil kunne have effekt på exitraten ud af dagpengesystemet. I det danske dagpengesystem arbejdes der ikke med advarsler, og dermed vil der være belæg for, at der ikke er nogen påvirkning fra forventninger. Desuden er der relativ stor forskel mellem andelen af relevante indberetninger fra AF til akassen, der fører til en sanktion, og derfor har den ledige ikke nødvendigvis en klar opfattelse af, præcis hvilken adfærd, der vil føre til en sanktion. I foregående afsnit blev hazarden ud af dagpengesystemet opstillet, og nu opstilles således også hazarden ind i en sanktion, som ser ud som følger: s ( t x, v ) = ( t ) ( x β v ) h + s s, t s λ s s exp s, t hvor x er de forklarende variable, og v er det, der ikke observeres. Identificeringen af de uobserverbare variable sker via variation i varighederne betinget på de variable, der er mulige at observere, og denne form for identifikation er ikkeparametrisk, og dermed kan en ekskluderende restriktion undgås. En ekskluderende restriktion kræver, at der er adgang til en observerbar variabel, der har indflydelse på, hvorvidt en ledig modtager en sanktion, men som samtidig ikke påvirker ledighedsperioden. I praksis er det svært at finde en sådan variabel, s s 33

Økonometrisk metode der bruges til empirisk analyse og det er heller ikke tilfældet i det tilgængelige data, og dermed er det bekvemt, at det således ikke er nødvendigt. Igennem dette afsnit er blevet opstillet en timingofevents model, hvis formål er at sikre, at det er muligt at skelne selektion og kausalitet i forhold til effekten af en sanktion på længden af dagpengeperioden. I det efterfølgende afsnit udvides modellen med competing risks, hvilket gør det muligt at undersøge om effekten af en sanktion på forskellige destinationer efter afsluttet dagpengeperiode. 5.4 Competing risks I den hidtidige del af gennemgangen af den anvendte økonometriske metode, er der blevet arbejdet med to varigheder, nemlig varigheden indtil en sanktion og varigheden til den ledige forlader dagpengesystemet. I dette afsnit udvides varigheden ud af dagpengesystemet med en yderligere specificering af, hvor den ledige fortsætter efterfølgende. Til udvidelsen af modellen bruges competing risks, hvilket netop giver mulighed for at skelne mellem forskellige grunde til, at den ledige ikke længere modtager dagpenge. De mulige destinationer, der skelnes mellem, er, at den ledige helt forsvinder ud af offentlig forsørgelse, og derved antages at være startet i arbejde, eller at den ledige fortsætter på offentlig forsørgelse, og her skelnes mellem, hvorvidt der efterfølgende modtages sygedagpenge, eller der modtages kontanthjælp. Reelt set registreres det ikke i data, hvorvidt den ledige har fundet job, eller blot vælger ikke at modtage nogen form for offentlig forsørgelse, men det formodes, at det i Danmark vil være en meget lille del, der vil vælge ingenting at modtage, og derfor antages det at de ledige, der ikke længere er registreret i det offentlige, er kommet i arbejde10. Idéen ved competing risks er, at der følges forskellige varigheder, hvor det kun er den korteste varighed, Y := min j T j, og dennes tilhørende destination, Z := arg min j T j, der endeligt observeres. Der observeres således kun én destination, når ledige forlader dagpenge, men latent ligger der således yderligere to varigheder, hvor destinationen ikke observeres. Hvis de tre varigheder var uafhængige af hinanden, kunne der blot laves en varighedsanalyse for hver varighed, men det forventes her, at varighederne er afhængige. Baggrunden for at forvente afhængighed er den mulighed, den ledige har for, via sin adfærd, at påvirke de forskellige varigheder, og den heterogenitet der kan være blandt de ledige. 10 Svarer (2007) 34

Økonometrisk metode der bruges til empirisk analyse Den fælles fordeling af varighederne er ikke umiddelbar mulig at identificere via Y, Z. Derimod giver Y, Z mulighed for identifikation af hazardraten for hver varighed på tidspunkt t givet at T t. Og således kan en mixed proportional hazard model, som netop er den der bruges i denne undersøgelse, bruges til identifikation, da denne model er semiparametrisk og inkluderer både observerede og uobserverede variable. Identifikationen kræver dog yderligere, at to betingelser skal være opfyldte, og disse betingelser er, at de forklarende variable skal indeholde tre kontinuerte variable, som ikke er perfekt korrelerede, og som ikke har ens effekt på hazarderne ud af ledighed. Dog er der her ikke tale om instrument variable, da de tre variable gerne må påvirke alle tre varigheder, blot det er i forskellig grad. Competing risks med tre destinationer resulterer således også i tre hazarder, og det antages at der en stokastisk variabel, J = { 1,2,3} over på sygedagpenge:, som dækker over afgang ud i job, over på kontanthjælp og ( t t, x, v ) = λ ( t) ( x β + δ D + v ) h u, j s u, j, t u, j u, j exp u, j, t u, j j u, j De tre hazarder antages, betinget på de observerede og uobserverede variable, at være uafhængige, og dermed bliver den samlede hazard ud af dagpengesystemet således summen af de tre hazarder, h 3 u h 1 u, j = j =. Den afhængighed, der er mellem varighederne givet de observerbare variable, modelleres ved at lade de uobserverbare led være afhængige. I ovenstående afsnit blev modellen udvidet via competing risks, således at der arbejdes med flere muligheder for den ledige, der de forlader dagpengesystemet. I det følgende afsnit kigges kort nærmere på det data, der er tilgængeligt til den empiriske analyse. 5.5 Data med multiple spells og adgang til forklarende variable I det netop gennemgåede afsnit blev timingofevents modellen udvidet med en competing risk tilgang. I dette afsnit arbejdes der kort med det data, der bruges til den empiriske undersøgelse med henblik på at belyse, hvordan det er med til at styrke identificeringen af modellen. I det data, der er tilgængeligt til den empiriske undersøgelse, er der mulighed for, at der hos nogle ledige er mere end et ledighedsspell, hvilket betyder at den ledige følges i flere ledighedsperioder. I datasættene er der 85.678 kvinder og 79.574 mænd, der bliver berørt af ledighed i observationsperioden, mens kvinderne oplever 109.701 og mændene 109.540 ledighedsperioder. 35

Økonometrisk metode der bruges til empirisk analyse Modellen, der netop er opstillet i ovenstående afsnit, er identificeret, allerede når der arbejdes med single spell data, men her er den følsom overfor, at den funktionelle form er misspecificeret, og muligheden for multiple spells er med til at gøre modellen stærkere. Identificeringen af uobserverbare variable bliver også stærkere, jo flere ledighedsspell, der er for hver person. Det antages, at de uobserverbare variable er konstante over tid, og multiple spells med samme uobserverbare karakteristika for den ledige giver bedre mulighed for identificering af disse. Eksempelvis giver det en større indikation af at en forklaring skal findes i de uobserverbare karakteristika, hvis en ledig, der har flere observerbare karakteristika, som givet en øget hazard for at modtage sanktion, og som ikke modtager en, følges flere gange, hvor der stadig ikke modtages sanktion. Via de forklarende variable er det også muligt, ligesom med multiple spells data, at gøre modellen stærkere. Dette gøres ved at medtage flere forklarende variable, og ved at lade nogle af dem ligge tilbage i tiden. I denne empiriske del af dette speciale er netop medtaget en række variable, og heraf indeholder nogle af dem information omkring tidligere ledigheds og sygdomshistorik11. Der er to forskellige former for forklarende variable, og den ene slags er de variable, der ikke varierer over tid, mens den anden form er de tidsvarierende. Den dummyvariabel, der angiver om den ledige har modtaget en sanktion, er således tidsvarierende. Indenfor samme ledighedsspell er det muligt for denne variabel at ændre sig, når en ledig har modtaget en sanktion. De øvrige forklarende variable, der er medtaget i den empiriske undersøgelse, er ikke tidsvarierende indenfor det samme spell. Disse variable er eksempelvis indikator for hvilken a kasse, den ledige er medlem af, alder, ledighedshistorik, ægteskabsstatus. Efter i tidligere afsnit at have forklaret timingofevents metoden med competing risks, og nu også har været omkring det data, der er adgang til, opstilles i det efterfølgende afsnit, den likelihoodfunktion, som ønskes maksimeret. 5.6 Likelihoodfunktionen I tidligere afsnit er der blevet opstillet hazardfunktioner for de fire varigheder, der er interessante for den ønskede analyse. I dette afsnit opstilles den likehoodfunktion, som ønskes maksimeret, således at koefficienterne i hazardfunktionerne estimeres. 11 van den Berg (2005) 36

Økonometrisk metode der bruges til empirisk analyse Med henblik på at opstille likelihoodfunktionen skal de betingede tæthedsfunktioner for de tre hazarder ud af ledighed og hazarden ind i en sanktion bruges. Disse tæthedsfunktioner ser, baseret på hazarderne fra afsnit 3.4 og basis økonometri fra afsnit 3.1, ud som følger: f t ( ) = ( ) ( ) u, t x, t, v h t x, t, v exp j h z x, t v dz u, j u, j t s j u, j u, j t s j u, j t s, 0 f s t ( t x, v ) = h ( t x, v ) exp ( ) s h z x, v dz Bidraget til likelihoodfunktionen fra ledighed er derfor: L u s t s s s t s 3 du tu, j ( t x, t, v ) = h ( t x, t, v ) exp h ( z dz ) u, j t s s j= 1 u, j u, j t s u, j 0 s t 0 s u, j u, j j u, j hvor d, antager værdier 1 når dagpengesystemet forlades til fordel for én af de tre destinationer, u j mens den antager værdier 0, hvis spellet er højrecensoreret. Herved tages hensyn til, at observationsperioden stopper på et givet tidspunkt, og de ledighedsspell der endnu ikke er afsluttet på dette tidspunkt, bidrager således til likelihoodfunktionen via survivorfunktionen. Bidraget til likelihoodfunktionen fra sanktioner bliver: L s d t ( ) = s t x, v h ( t x, v ) exp ( ) s h z x, v dz s t s hvor d s antager værdien 1, hvis den ledige modtager en sanktion og 0 ellers. s s t s Omkring de uobserverbare led i hver af hazarderne ud af ledighed antages, som tidligere nævnt, at de er afhængige, og derfor antages det således, at de har en fælles fordeling G ( v j, v s ). Herved er det muligt at opstille den samlede likelihoodfunktion, hvor der tages hensyn til uobserveret heterogenitet: ( t x v, t ) L ( t x, v ) dgv (, v, v v ) L, = Lu u t, u s s s t s 1 2 3 s Gennem dette afsnit er den likelihoodfunktion, der ønskes estimeret, blevet opstillet. I det kommende afsnit parametriseres modellen. 0 s s t s s 5.7 Parametrisering I foregående afsnit blev likelihoodfunktionen opstillet, og i dette afsnit fortsættes med den parametrisering af modellen, der bruges, når denne skal estimeres. Hazarden ud af ledighed og ud i job forventes at udvise negativ varighedsafhængighed, hvilket betyder at jo længere tid en person er ledig, jo lavere er exitraten ud af ledighed. 37

Økonometrisk metode der bruges til empirisk analyse Varighedsafhængigheden kan eksempelvis skyldes, at jo længere den ledige ikke har kontakt med arbejdsmarkedet, jo mindre holdes den lediges arbejdsmæssige evner ved lige. De andre hazarder kunne formodes at udvise positiv varighedsafhængighed. Baseline hazarden er derfor i undersøgelsen lavet stykvis konstant. Fordelen ved en stykvis konstant baseline hazard er, at den giver en fleksibilitet i forhold til varighedsafhængighed, samtidig med det, at den er konstant over visse intervaller stadig, gør den integrerede hazard, som vi ovenfor så, skulle bruges i likelihood funktionen, simpel af bestemme. I denne analyse er der lavet fire intervaller, som er hhv. 0 til 14 uger, 14 til 24 uger, 24 til 40 uger, og mere end 40 uger. Udover at baseline hazarden laves stykvis konstant, specificeres den via en eksponentiel funktion. 4 λ j () t = exp λ j, m I m () t, hvor j = u1, u2, u3 og m = 0 14,14 24,24 40, 40 m= 1 Som nævnt ovenfor antages de uobserverbare led at være diskret fordelte med hver to støttepunkter, og med udvidelsen til competing risks er der nu tre uobserverbare led for hazarden ud af dagpengesystemet, og stadig et uobserverbart led i hazarden ind i en sanktion. Det ene af de to støttepunkter for hvert led normaliseres til 0 pga. af at baselinen er lavet stykvis konstant, hvorved 1 2 støttepunkterne er V { v = v } s { v 1, v 2 } V = s 0 s, hvor j=job,kontanthjælp,sygedagpenge, og u, j u, j 0, u, j. Sandsynligheden for én af de mulige kombinationer ser ud som følger: 1 1 1 1 ( V = v, V = v, V = v V v ) P = = 1 Pr u,1 u,1 u,2 u,2 u,3 u,3, Der er i alt seksten, 2 4, forskellige sandsynligheder, som hver især ligger mellem 0 og 1, og som samlet set summer til 1. Således blev der lavet parametrisering af modellen, og i det afsluttende afsnit laves en kort opsummering af den økonometriske metode. s s 5.8 Opsummering af økonometrisk metode Den økonometriske metode, der anvendes til den empiriske analyse af sanktioners effekt på, hvor de ledige forsvinder hen, når de forlader dagpengesystemet, laves via en timingofevents model, der er udvidet med competing risks. Timingofevents er varighedsanalyse, hvor der er tages højde for selektion ved tildeling af sanktioner, og dermed er det muligt at estimere den kausale effekt at sanktionering på varigheden for ledige i dagpengesystemet. Competing risks giver dernæst en 38

Økonometrisk metode der bruges til empirisk analyse mulighed for at undersøge den kausale effekt af sanktionerne på forskellige destinationer når dagpengesystemet forlades, nemlig arbejde, kontanthjælp eller sygedagpenge. 39

Empirisk data og beskrivende statistik 6 Empirisk data og beskrivende statistik I det netop afsluttede afsnit blev den økonometriske metode til den empiriske analyse gennemgået, og efterfølgende beskrives nu det datagrundlag, som analysen er baseret på. Afsnittet indledes med en beskrivelse af oprindelse af data. I det efterfølgende forklares, hvordan data er indsamlet, og hvordan der er foretaget selektion af data til denne undersøgelse. Den teoretiske tilgang til indsamling og selektion af data er uddybet med udgangspunkt i Wooldrigde (2002). Det tredje delafsnit indeholder en nærmere oversigt over de variable, der bruges i analysen, ligesom der gives en begrundelse for, at den information de indeholder, er relevant for denne. I det afsluttende delafsnit laves forskellig beskrivende statistik med det formål, at give et overblik over, hvilke informationer data indeholder. 6.1 Oprindelse af rådata Den empiriske undersøgelse er baseret på to datasæt, hvor det ene datasæt er udtræk fra beskæftigelsesministeriets DREAM database (Dansk register for evaluering af marginalisering), mens det andet datasæt er AMANDA data, der indeholder data fra arbejdsformidlingerne. DREAM databasen er registerdata, der indeholder oplysninger omkring alle de personer, der bliver modtager en offentlig ydelse i Danmark, ligesom der sker en registrering af, hvilken form for ydelse personen modtager. Registreringen foregår på ugebasis, og derved skabes der en historik, som giver yderst detaljeret information om, hvor lang en ledighedsperiode den enkelte person har. Ligeledes er der samme grad af detaljering i informationen omkring, hvilken ydelse den ledige modtager, da dette også registreres ugevis, og dermed kan det variere over perioden, en person står uden for arbejdsmarkedet. Desuden er der tilføjet en række forskellige variable, der angår den lediges tilknytning til arbejdsmarkedet, i form af i hvilken grad, der de foregående år er blevet modtaget offentlige ydelse, ligesom der er information om, hvor mange ledighedsperioder den ledige har haft i årene forinden. Yderligere er dog også information, der viser om den ledige, i den givne ledighedsperiode, enten i indeværende uge deltager i en af fire grupper af arbejdsmarkedsprogrammer, eller om den ledige tidligere i perioden deltog i et sådant program. Dernæst indeholder data også information omkring, hvilken akasse den ledige er medlem af, bopælskommune, etnicitet, formue, alder og køn. Der er forskellige områder, hvor der kunne have været ønsket, at data var mere omfangsrigt. Det er ud fra registreringen i DREAM ikke muligt med sikkerhed at vide, om de ledige, der ikke længere figurerer i registret, er kommet tilbage på arbejdsmarkedet. Det er således nødvendigt, for 40

Empirisk data og beskrivende statistik at kunne foretage analyse, at antage, at en ledig er kommet i arbejde, hvis denne person ikke længere er registreret på nogen form for ydelse. Det formodes dog, at denne antagelse ikke vil give problemer, da det danske system af ydelser er så udbygget, at det kun vil være i ganske få tilfælde, at antagelsen ikke vil være opfyldt. DREAM databasen indeholder, som det blev gennemgået ovenfor, kun nogle få demografiske variable udover de arbejdsmarkedsrelaterede variable. Den afgrænsede mængde af variable gør desværre analysen mindre omfangsrig end den kunne have været. Det kunne således have været relevant at have haft adgang til den uddannelsesmæssige baggrund for de ledige. I indeværende undersøgelse bruges de lediges medlemskab af akasse som en proxy for uddannelsesniveauet, da disse til en vis grad er inddelt efter uddannelse. Dette er ikke optimalt, men således den bedste mulighed data indeholder for at tage hensyn til de lediges uddannelsesniveau. Yderligere kunne det have været ønskeligt, hvis der havde været flere oplysninger omkring familieforhold, end blot indikatoren for om den ledige er gift. Det kunne være interessant, at have information om hvorvidt den ledige lever i et parforhold, da en stor del af de par der er i Danmark ikke er blevet gifte, men alligevel lever i et ægteskabslignende forhold. Variablen for ægteskabsstatus giver dermed ikke et klart billede af status for parforhold, men er således det bedste alternativ i data. Det kunne det også have været interessant, dels at have haft informationer omkring børn, i form af oplysninger om, hvor mange børn den ledige har, og dels hvilken alder børnene har. En formodning kunne være, at ledige med yngre børn kunne være mere begrænsede i deres søgen efter arbejde, da arbejdstiderne måske helst skal passe med åbningstiderne i forskellige institutioner. Der er ingen variable i data, der giver mulighed for en tilnærmelse til dette. I den empiriske undersøgelse er der desuden kun gjort brug af de to korteste sanktioner af de tre muligheder, der er for sanktionering i Danmark. Den form for sanktionering, der giver den ledige et 10 ugers arbejdskrav, inden der igen kan modtages dagpenge, er udeladt af analysen. Grunden til, at disse sanktioner er udeladt, er, at der administrativt har været problemer i forbindelse med registreringen af dem. Dette har gjort, at til trods for at de ledige skal forlade dagpengesystemet i minimum 10 uger, er dette ikke nødvendigvis tilfældet. Denne registreringsfejl er ærgerlig, da det kunne have været interessant også at undersøge effekten af denne strengere form for sanktion, men her skal det nævnes, at der ikke gøres brug af denne sanktion særlig ofte, og dermed er den primære mængde af sanktioner stadig tilbage i data. 41

Empirisk data og beskrivende statistik I AMANDA data registreres det på dagsbasis, hvis en ledig bliver givet en sanktion. Dette data indeholder ud over informationen om, at en ledig denne dag har fået sanktion, også information om, hvilken hændelse der er baggrund for sanktionen, og hvilken sanktion der er blevet givet. Til brug i den empiriske undersøgelse har jeg samlet disse to datasæt. I det samlede datasæt er det således muligt at følge de ledige gennem deres periode uden for arbejdsmarkedet, samtidig med at der nu også er information om, hvornår i perioden de ledige modtager en sanktion, og hvilken form for sanktion de får. Gennem dette delafsnit er der givet et overblik over oprindelsen af det data, der ligger til grund for den empiriske del af specialet, ligesom der er overvejelser omkring, hvilke informationer der havde været ønskelige at have medtaget i undersøgelsen, men som ikke har været tilgængelige. I det følgende afsnit uddybes forklaringen af, hvilken form for selektion, der er foretaget i det tilgængelige rådata. 6.2 Selektion af data der bruges i den empiriske undersøgelse Med udgangspunkt i det rådata, der er tilgængeligt til den empiriske analyse, forklares i dette afsnit de valg, der er foretaget med hensyn til selektion af data. I både DREAM og AMANDA er der tilgængeligt data fra 2001 til november 2005. I 2003 blev der via aftalen om Flere i arbejde lavet stramninger på beskæftigelsesområdet12, og i Svarer (2007) ses det, at konsekvensen af dette var, at sandsynligheden for at blive sanktioneret blev øget væsentligt indenfor de første 3 måneders ledighed. Ændringen i sandsynligheden for, at den ledige modtager en sanktion, har gjort, at det er valgt at basere analysen på data fra 2003 til november 2005. En samlet analyse for hele perioden ville give anledning til resultater, der ikke vil give et reelt billede af sanktionseffekten, da der vil være forskel på, hvilke handlinger der vil kunne give en sanktion. Det kunne således være relevant at undersøge, om effekten af sanktioner indtil 2003 var væsentlig anderledes, end de resultater der findes i indeværende undersøgelse, men det ligger uden for fokus i dette speciale. Det data der stammer fra DREAM, og som er det data, der følger den ledige over tid, er konstrueret som flow sampling. Flow sampling vil sige, at de personer, der starter deres ledighedsperiode i perioden fra januar 2003 til november 2005, figurerer i data. Der er således foretaget en sampling af data på en sådan måde, at der ikke optræder venstrecensorerede ledighedsperioder, hvilket vil sige, at der ikke optræder personer i data med ledighedsperioder, der 12 Vismandsrapporten, forår 2007 42

Empirisk data og beskrivende statistik er starter inden januar 2003. Begrundelsen for ikke at arbejde med venstrecensorede perioder er, at der ikke er kendskab til den fulde ledighedshistorie i den del af perioden, der ligger inden observationsperiodens start. Eksempelvis vil der ikke være kendskab til, om den ledige tidligere har modtaget en sanktion, og i givet fald hvornår den er modtaget, hvilket er essentielle oplysninger i forbindelse med analysen. Ved observationsperiodens udløb behandles alle de ledighedsperioder, der endnu ikke er blevet afsluttet, som højrecensorerede. Begrundelsen for at bruge de ledighedsperioder, der ikke følges indtil deres afslutning, er, at de stadig bidrager med væsentlig information. Bidraget fra disse perioder er information om, at den ledige har stået uden for arbejdsmarkedet i en given periode, og at der indtil observationsperiodens afslutning ikke er sket en afgang ud i job eller til enten sygedagpenge eller kontanthjælp. Ligeledes behandles de ledighedsperioder, der afsluttes til andet end arbejde, sygedagpenge eller kontanthjælp, hvilket eksempelvis kunne være efterløn osv., som uafhængig højrecensorerede. Yderligere er der lavet højrecensorering af ledighedsperioderne i det øjeblik, den ledige modtager den anden sanktion. I undersøgelsen er det således effekten af den første sanktion, der er fokus på. Langt den største del af de ledige, der bliver sanktioneret, modtager kun én sanktion i observationsperioden. Selektionen er foretaget med henblik på at holde den empiriske undersøgelse forholdsvis simpel. Det er lettere at håndtere, da det derved kun er varigheden indtil første sanktion, der skal modelleres. I DREAM er der information omkring, hvilken form for understøttelse, den ledige modtager i en given uge. Det er derfor muligt at skelne mellem, hvorvidt den ledige modtager dagpenge, kontanthjælp eller sygedagpenge. Konstruktionen af data er lavet således, det kun er de ledige, der når de observeres første gang modtager dagpenge, der følges. Begrundelsen for kun at anvende de ledighedsperioder, hvor den ledige starter på dagpenge, er, at formålet med specialet er at belyse transitionen fra dagpenge til enten et job, kontanthjælp eller sygedagpenge. Ved at betinge på at den ledige skal være startet på dagpenge, giver det netop mulighed for at følge disse ledige og deres eventuelle skift til job, kontanthjælp eller sygedagpenge. I det øjeblik den ledige skifter til enten kontanthjælp eller sygedagpenge højrecensoreres perioden, da det kun er varigheden indtil dette skift, der bruges i undersøgelsen. I data er der mulighed for, at den ledige har kortere perioder med kontanthjælp eller sygedagpenge. Dette kan i forbindelse med kontanthjælp eksempelvis opstå ved modtagelsen af en sanktion, mens det for dagpengemodtagere er muligt at melde sig syge akkurat som hvis de havde arbejde, da de i sygdomsperioden ikke står til rådighed for arbejdsmarkedet. 43

Empirisk data og beskrivende statistik Disse korte perioder er der set bort fra, og de opfattes i undersøgelsen ikke som skift til kontanthjælp eller sygedagpenge. Det er kun perioder på kontanthjælp og sygedagpenge, hvor der ikke indenfor samme ledighedsperiode observeres, at den ledige kommer tilbage på dagpenge, der opfattes som værende reelle skift. Desuden er de ledighedsperioder, hvor personen er under 26 sorteret fra, da disse unge ledige er underlagt andre og langt strengere regler end de øvrige ledige via aftalen om Ungeindsats fra 199613, og der ses således bort fra denne gruppe gennem specialet. Nærmere undersøgelse for netop denne gruppe kan findes i Jensen et al. (2003). Det endelige datasæt deles afslutningsvis i to, således at analysen laves særskilt for mænd og kvinder. Baggrunden for denne opdeling er, at der i tidligere undersøgelser, som eksempelvis Svarer (2007) og Abbring et al. (2005) er fundet forskelle imellem, hvilken effekt sanktioner har for hvert af kønnene. Således giver de nævnte analyser, der er foretaget, indikation om, at kvinder reagerer stærkere på sanktionerne end det er tilfældet for mændene. Gennem dette delafsnit er det blevet gennemgået, hvilken selektion der er blevet lavet af data, således at det er blevet som ønsket til estimeringerne af sanktionseffekterne. I det følgende delafsnit gives et nærmere indblik i, hvilke forklarende variable der indgår i estimeringerne. 6.3 De forklarende variable der indgår i estimeringerne af effekten af sanktioner Foregående afsnit beskrev, hvilken selektion der er blevet lavet i det tilgængelige data, og dette afsnit fortsætter gennemgangen af data ved at forklare, hvilke variable der indgår i estimeringerne af sanktionseffekterne. Vigtigheden af at medtage en række forklarende variable er, at det kan være med til at styrke den model, der analyseres, som det blev nævnt i afsnittet omkring økonometrisk metode. Der er medtaget en række forklarende variable fra DREAM registreret, som giver forskellig information omkring tilhørsforholdet til arbejdsmarkedet. Den ene type af disse variable vedrører den lediges antal af ledighedsperioder indenfor et år. Der er medtaget denne form for information henholdsvis et og to år tilbage. Dertil er der medtaget endnu en variabel, der giver information om tilhørsforhold. Denne variabel angiver akkumuleret ledighed. Akkumuleret ledighed er det antal uger, den ledige har modtaget dagpenge indenfor indeværende referenceperiode. Begrundelsen for at medtage antal ledighedsperioder og akkumuleret ledighed er, at de giver information omkring 13 Vismændenes rapport, forår 2007 44

Empirisk data og beskrivende statistik den lediges tilknytning til arbejdsmarkedet, og dermed kan være med til at forklare en del af varigheden af ledighedsperioden. Der er således en forventning om, at jo flere ledighedsperioder den ledige har oplevet, eller jo flere ugers ledighed der er akkumuleret, jo sværere vil det være at returnere til arbejdsmarkedet, da der eksempelvis kan tabes værdi af human kapital. I forlængelse heraf vil det kunne forventes, at disse variable vil kunne øge raten af ledige, der skifter til anden understøttelse. Desuden er der også medtaget en variabel, der angiver gennemsnitlig ledighed i indeværende år for den lediges akasse. Denne variabel stammer fra ledighedsopgørelse fra Danmark Statistik, og er efterfølgende tilført de to oprindelige datasæt. Denne variabel er taget med for at kunne tage højde for, at der kan være variation imellem, hvor gunstige arbejdsmarkedsforhold der er for enkelte grupper af ledige. Forventningen for denne variables påvirkning af raten hvormed de ledige finder job er, at jo højere ledigheden er indenfor en akasse, jo sværere vil det også være for den ledige at finde et job og dermed vil raten ud i job være lavere. Her vil der også være en forventning om, at det kunne øge raten over på andre former for understøttelse. Fra DREAM er der også medtaget variable, der indeholder information omkring aktive arbejdsmarkedsprogrammer. De variable, der er tilgængelige, viser overordnet set om ledige deltager i et program, eller om de har afsluttet et. Kategorierne for programmerne giver information om, hvorvidt den ledige er, eller har været, i et privat job med løntilskud, offentlig jobtræning, i et uddannelsesforløb eller i andre former for programmer. I estimeringerne er hver af disse variable dummyvariable, og referencekategorierne er således, at den ledige ikke deltager, eller ikke har deltaget, i den givne program. Informationen fra disse variable er medtaget for at fange en eventuel effekt fra disse programmer, hvilket enten kan være i form af en lockingin effekt imens et uddannelsesforløb står på, eller den effekt et jobforløb kan have på, at den ledige vedligeholder sin værdi i forhold til arbejdsmarkedet. I DREAM er der også adgang til information om, hvilken akasse den ledige er medlem af. Begrundelsen for at medtage denne information er dels, som nævnt i ovenstående afsnit, at medlemskabet kan bruges som en proxy for den lediges uddannelse. Dels er der også relativt stor forskel mellem, hvornår en relevant indberetning resulterer i en sanktion14, og derfor kan det fange, at der eventuelt overordnet set er forskelle mellem, hvor stor en sandsynlighed der er for, at den ledige får en sanktion. Referencekategorien ved tolkning af estimeringerne er Metal referencekategori for mændene, mens det er FTF for kvinderne. 14 Svarer (2007) 45

Empirisk data og beskrivende statistik I DREAM er der adgang til få forklarende variable, der er af demografisk karakter. Den ene type variable der er medtaget, er den lediges alder. I estimeringerne er informationen omkring alder inddelt i fire grupper, der er angivet via dummy variable. Referencegruppen er de yngste ledige, nemlig aldersgruppen fra 2629, og de tre grupper, der indgår, er henholdsvis 3039 år, 4049 år og over 50 år. Information omkring den lediges alder medtages fordi det formodes at påvirke ledighedsperioden om den ledige er ganske ung og måske endnu ikke har fået fodfæste på arbejdsmarkedet, om den ledige har haft en årrække til at samle erfaring, eller om den ledige har nået en alder, hvor virksomhederne kan være tøvende med at ansætte dem. En anden type variabel giver information omkring etnicitet. Variablen er i DREAM registreret konstrueret således, at den giver information om, hvorvidt den ledige har dansk oprindelse, eller om den ledige stammer fra det, der i registreret er defineret som enten udviklede lande, eller mindre udviklede lande. Der er dermed ikke direkte adgang til, hvilket land den ledige stammer fra. I estimeringerne er det lavet sådan, at der indgår to dummy variable, der angiver, om den ledige enten kommer fra et udviklet eller mindre udviklet land, og referencegruppen er dansk oprindelse. Den sidste variabel af demografisk karakter, der er medtaget, giver information om, hvorvidt den ledige er single. Begrundelsen for at medtage denne information er, at det eksempelvis kan formodes, at singler er mere mobile end familier, og dermed have nemmere ved at flytte efter et ledigt job. Afslutningsvis er der medtaget dummy variable, der angiver, hvilket år det der opleves ledighed i, og her er referencekategorien 2003. Denne information er taget med for at tage højde for, at der kan være svingninger i økonomien, der gør det mere eller mindre let for ledige at komme ind på arbejdsmarkedet igen. Via AMANDA data er der information om, hvornår i ledighedsperioden den ledige har modtaget en sanktion. Ud fra denne information er der lavet en dummy variable, der angiver, om den ledige tidligere indenfor indeværende ledighedsperiode har modtaget en sanktion. Til undersøgelse af om der kan være variation i effekten af en sanktion over tid, er der yderligere lavet tre dummyvariable, der hver især indikerer, om der er modtaget en sanktion, og om det er henholdsvis mindre end 4 uger, mellem 4 og 13 uger, eller mere end 13 uger siden den blev modtaget. Med udgangspunkt i de relativt milde sanktioner, der er mulighed for i det danske system, kan det formodes, at effekterne vil være aftagende. AMANDA data giver også mulighed for at skelne, hvilken form for sanktion den ledige har modtaget. Denne information bruges i forbindelse med en nærmere undersøgelse af, om der, som det kan formodes, ses en kraftigere effekt af en mere streng sanktion. 46

Empirisk data og beskrivende statistik Således er der blevet givet en introduktion til de forklarende variable, der bruges i analysen i specialet, og begrundelsen for at de formodes at være relevante i denne. I det næste afsnit følges op med beskrivende statistik, der skal give en nærmere indblik i de informationer omkring de ledige, der ligger i data. 6.4 Beskrivende statistik til at give i et indblik i det tilgængelige data Med udgangspunkt i den forklaring der netop er givet af de forklarende variable, der indgår i analysen af sanktionseffekten, gives der igennem dette delafsnit via forskellig beskrivende statistik et indblik i, hvilke informationer der ligger i det data, der er til rådighed. 6.4.1 Samlet gennemsnit og standardafvigelser for de forklarende variable I tabel 1, som ses nedenfor, vises gennemsnit og standardafvigelse for de forklarende variable, der netop er præsenteret i foregående delafsnit, samt forskellig statistik for indholdet i data, der er relevant i forhold til denne undersøgelse. Dette er opdelt for henholdsvis mænd og kvinder, således at der arbejdes efter samme ramme, som i de efterfølgende estimeringer af effekter. Tallene i tabel 1 er beregnet på baggrund af den sidste observation i hver ledighedsperiode, og derved undgås, at den samme ledighedsperiode tæller med flere gange. Tabel 1: DESKRIPTIV STATISTIK FOR DE FORKLARENDE VARIABLE Kvinder Mænd Variable Gns Std. afv Gns Std. afv Antal ledighedsperioder året forinden 0,819 0,944 0,855 0,931 Antal ledighedsperioder 2 år forinden 1,333 1,468 1,431 1,502 Andel af året på understøttelse året forinden 0,330 0,357 0,237 0,302 Andel af året på understøttelse 2 år forinden 0,321 0,325 0,224 0,272 Single 0,359 0,480 0,461 0,498 Anciennitet i dagpengesystemet 29,036 62,699 21,078 49,564 Gens. ledighed i egen akasse 8,435 3,600 7,137 2,347 Andel der modtager første sanktion 0,018 0,133 0,032 0,176 Deltager i ALMP: Privat jobtræning 0,014 0,118 0,022 0,147 Offentlig jobtræning 0,024 0,152 0,013 0,115 Andet program 0,013 0,113 0,014 0,116 Uddannelse 0,051 0,220 0,036 0,186 Har deltaget i AMLP: Privat jobtræning 0,065 0,247 0,009 0,097 Offentlig jobtræning 0,016 0,125 0,008 0,090 Andet program 0,006 0,077 0,058 0,234 Uddannelse 0,085 0,279 0,086 0,280 Alder, %: Under 30 16,20 14,13 3039 36,27 30,33 47

Empirisk data og beskrivende statistik 4049 24,22 25,16 Over 50 23,31 30,38 Akasser, %: Restaurationsbranchens arbejdsløshedskasse 1,90 1,24 Træindustribyg''s arbejdsløshedskasse 1,11 5,65 Arbejdsløshedskassen for journalistik, kommunikation og sprog 1,54 0,74 Socialpædagogernes landsdækkende arbejdsløshedskasse 2,23 0,62 Specialarbejdernes akasse/3f 18,66 33,99 Offentligt ansattes arbejdsløshedskasse 7,32 0,9 Danmarks læreres fælles arbejdsløshedskasse (PMFA) 2,24 0,85 Pædagogiske medhjælperes fælles arbejdsløshedskasse 2,50 0,29 Danske lønmodtageres akasse (DLA) 0,75 0,93 Metalarbejdernes arbejdsløshedskasse 0,32 9,01 Nærings og nydelsesmiddelarbejdernes arbejdsløshedskasse 1,99 1,88 Blik og rørarbejdernes arbejdsløshedskasse 0,00 0,83 Elfagets arbejdsløshedskasse 0,03 1,61 Malerfagets og maritim arbejdsløshedskasse 0,51 1,45 HK/Danmarks arbejdsløshedskasse 18,24 4,98 Arbejdsløshedskassen STA 0,50 0,63 Funktionærernes og servicefagenes arbejdsløshedskasse 0,52 1,43 Ledernes arbejdsløshedskasse 0,81 2,95 Teknikernes arbejdsløshedskasse 1,55 1,25 Kristelig arbejdsløshedskasse 9,73 7,49 Danske sundhedsorganisationers arbejdsløshedskasse 1,35 0,04 Børne og ungdomspædagogernes landsdækkende akasse 3,80 0,56 Danske sælgeres arbejdsløshedskasse 0,40 1,4 Frie funktionærers arbejdsløshedskasse 1,18 0,45 Ingeniørernes arbejdsløshedskasse (IAK) 0,70 3,27 Magistrenes arbejdsløshedskasse 3,82 2,48 Akademikernes arbejdsløshedskasse (AAK) 3,37 2,26 Funktionærernes og tjenestemændenes fælles akasse (FTFA) 7,82 4,25 ASE arbejdsløshedskassen for selvstændige erhvervsdrivende 2,74 3,19 DANA arbejdsløshedskasse for selvstændige 0,83 1,28 ITfagets og merkonomernes arbejdsløshedskasse 0,28 0,72 CA, Økonomernes arbejdsløshedskasse 1,11 1,28 Ikke oplyst 0,15 0,11 Oprindelsesland, % Indfødt 88,91 88,14 Immigrant fra udviklet land 5,09 4,90 Immigrant fra mindre udviklet land 5,99 6,96 Antal personer 85678 79574 Antal sanktioner 1983 3505 Gens. varighed af ledighedsperiode 31,713 26,808 25,524 23,538 Gens varighed indtil der modtages en sanktion 22,163 21,776 20,095 20,068 Antal ledighedsperioder 109701 109540 Antal i job 61644 73860 Antal personer der skifter til sygedagpenge 4127 3411 Antal personer der skifter til kontanthjælp 547 608 Andel der højrecensoreres uafhængigt 0,352 0,249 Kilde: Egne beregninger baseret på DREAM data, Amanda data og Danmarks Statistik 48

Empirisk data og beskrivende statistik Af tabel 1 ses det, at der er et større antal kvinder, der bliver ledige i løbet af observationsperioden, end det er tilfældet hos mændene. Mændene modtager derimod oftere en sanktion i løbet af deres ledighedsperiode end kvinderne, da mændene gives en sanktion i 3,2% af ledighedsperioderne, mens dette tal er 1,8% for kvinderne. Vedrørende den destination de ledige fortsætter, når de forlader dagpengesystemet, viser tallene, at i 67% af mændenes ledighedsperioderne afløses ledigheden af et job. Dette tal for kvinderne er lidt lavere, her ender 56% af perioder med job. Andelen, der ender på kontanthjælp, er næsten identisk mellem kønnene, da 0,6% af mændenes og 0,5% af kvindernes ledighedsperioder ender med skiftet til kontanthjælp. Angående sygedagpenge er der en lidt større andel af perioderne, der ender her for kvinderne, nemlig 3,8% mod mændenes 3,1%. De forskelle, der ses mellem mænd og kvinder, giver opbakning til, at analysen af sanktionseffekten opdeles mellem kønnene. Af tabellen ses det endvidere, at såvel de ledige mænd som kvinder i gennemsnit har haft lige i underkanten af én ledighedsperiode det foregående år, mens de har haft lidt mere end én to år tidligere. I gennemsnit har de ledige kvinder modtaget forsørgelse i omkring en tredjedel af året i de to år forinden deres ledighedsperiode, mens det for mændene er omkring en fjerdedel. Angående deltagelse i aktiveringer viser beskrivelsen, at uddannelse er den primære form for aktivering for både mænd og kvinder, som de ledige har deltaget i. Aldersmæssigt ses det, at for kvinder tegner ledige i aldersgruppen 3039 sig for næsten 37 % af ledighedsperioderne, og dette tal for mændene er 30 %. Gruppen af ledige kvinder over 50 år tegner sig for 23% af ledighedsperioderne for kvinderne, mens der for mændene er tale om 30%. I den danske arbejdsstyrke er aldersfordelingen for mændene meget lig den andel af ledighedsperioderne, som hver af grupperne tegner sig for, mens de to yngste grupperinger af kvinderne tegner sig for en lidt større andel af ledighedsperioderne, end de udgør af den samlede kvindelige arbejdsstyrke15. Den beskrivende statistik viser endvidere, at de to klart største akasser blandt de ledige kvinder er 3F, som bl.a. indeholder det tidligere Kvindeligt Arbejderforbund, og HK. Medlemmerne i disse to akasser står for henholdsvis 19 % og 18 % af de ledighedsperioder, der observeres. Af det samlede antal forsikrede kvinder pr. 1. januar 2005 er andelen, der er medlem af 3F derimod kun lige knap 10 %, mens 20 % er medlem hos HK. Disse to akasser er medlemsmæssigt for kvinderne 15 Se bilag 1 49

Empirisk data og beskrivende statistik henholdsvis den største og tredjestørste. Den næststørste er FOA med knap 13 % af forsikrede kvinder, til gengæld dækker de kun godt 7 % af ledighedsperioderne. Hos mændene er det klart 3F, der står for flest ledighedsperioder, da det er deres medlemmer, der står for 34 % af perioderne. Medlemsmæssigt er det også den største akasse hos mændene og tæller 19 % af de forsikrede. Metalarbejdernes akasse er næststørst angående medlemstal med 9 %, hvilket også er den del af ledighedsperioderne, den dækker16. Opdelingen i etnicitet viser, at for både mænd og kvinder er der godt 11 % af ledighedsperioderne, hvor den ledige har anden etnisk oprindelse end dansk. Set i forhold til den samlede arbejdsstyrke i Danmark udgør disse kun henholdsvis 7 % for mændene og 6,5 % for kvinderne. Gennem dette underafsnit er der givet oversigt over beskrivende statistik for de variable, der er tager med i estimeringerne af sanktionseffekten. Overordnet set giver det en indikation af, at det relativt set er de svagere grupper i forhold til arbejdsmarkedet, der også tegner sig for andelsmæssigt en større del af de observerede ledighedsperioder. I det efterfølgende underafsnit undersøges det nærmere, om også det samme er tilfældet, hvis der laves opsplitning mellem om den ledige forlader dagpengesystemet til fordel for et job, eller om skiftet sker over til en af de to former for offentlig forsørgelse. 6.4.2 Gennemsnit og standardafvigelse fordelt på destination efter dagpenge Tabel 2 viser deskriptiv statistik for udvalgte forklarende variable. Formålet er at give en karakteristik af de tre grupper af ledige, der er fokus på i analysen, nemlig de der henholdsvis finder job, skifter til kontanthjælp, eller skifter til sygedagpenge. Med henblik på at få et bedre billede af, om uddannelse spiller en rolle på disse forklarende variable, er der lavet en grov opdeling af a kasserne ud fra, hvilke faggrupper der typisk er medlemmer i disse. Til opdelingen er der taget udgangspunkt i Rosholm og Svarer (2004). 16 Se bilag 1 50

Empirisk data og beskrivende statistik Tabel 2: DESKRIPTIV STATISTIK OPDELT PÅ DESTINATION Kvinder Mænd Exit ud til: Job Kthj Syged. Job Kthj Syged. Variable Gns Gns Gns Gns Gns Gns Andel af året på understøttelse året forinden 0.86 0.78 0.79 0.88 0.93 0.88 Andel af året på understøttelse 2 år forinden 1.43 1.17 1.29 1.50 1.41 1.49 Single 0.37 0.44 0.35 0.46 0.46 0.48 Anciennitet i dagpengesystemet 25.96 67.46 34.63 16.80 66.35 27.12 Gens. ledighed i egen akasse 8.57 8.81 8.61 7.30 7.55 7.45 Deltager i ALMP: Privat jobtræning 0.010 0.007 0.018 0.016 0.018 0.026 Offentlig jobtræning 0.012 0.048 0.047 0.006 0.035 0.029 Andet program 0.009 0.020 0.028 0.010 0.018 0.025 Uddannelse 0.020 0.024 0.062 0.019 0.046 0.047 Har deltaget i AMLP: Privat jobtræning 0.005 0.009 0.007 0.008 0.016 0.014 Offentlig jobtræning 0.009 0.031 0.022 0.004 0.036 0.016 Andet program 0.053 0.088 0.077 0.045 0.072 0.064 Uddannelse 0.051 0.110 0.084 0.054 0.135 0.087 Alder, %: Under 30 17.18 17.73 12.72 15.21 15.79 10.20 3039 37.29 48.45 32.74 31.85 38.16 27.24 4049 25.77 25.78 28.86 26.18 31.91 28.00 Over 50 19.76 8.04 25.68 26.76 14.14 34.56 Akasser, %: Byggeindustri 0.02 0.02 0.02 0.11 0.07 0.11 Metalindustri 0.00 0.01 0.01 0.09 0.09 0.09 Fremstilling 0.22 0.27 0.24 0.38 0.45 0.43 Teknisk 0.04 0.02 0.02 0.07 0.06 0.06 Handel 0.17 0.15 0.18 0.04 0.04 0.04 Funktionærer 0.21 0.17 0.17 0.08 0.06 0.06 Akademikere 0.11 0.04 0.03 0.10 0.03 0.03 Selvstændige 0.03 0.04 0.04 0.04 0.06 0.05 Andre 0.20 0.28 0.29 0.09 0.15 0.12 Oprindelsesland, % Indfødt 89.85 78.43 86.19 89.85 70.07 85.02 Immigrant fra udviklet land 4.83 6.03 5.45 4.51 5.76 6.01 Immigrant fra mindre udviklet land 5.31 15.54 8.36 5.64 24.18 8.97 Antal personer 61644 547 4127 73860 608 3411 Andel sanktioner 0.014 0.035 0.025 0.0257 0.0559 0.044 Gens. varighed af ledighedsperiode 23.04 42.82 34.06 19.28 37.24 29.38 Gens varighed indtil sanktion 17.29 15.42 25.04 16.26 22.68 23.61 Kilde: Egne beregninger baseret på DREAM data, Amanda data og Danmarks Statistik 51

Empirisk data og beskrivende statistik Af tabel 2 ses det, at de kvindelige ledige, der skifter til kontanthjælp, har gennemsnitligt omkring 40 ugers mere akkumuleret ledighed inden indeværende ledighed end de ledige, der får et job, og 30 uger mere end dem der skifter til sygedagpenge. Når de ledige først er startet i et ledighedsforløb varer perioden for dem, der skifter til kontanthjælp gennemsnitligt næsten 20 uger længere end dem, der senere får et job, og 9 uger længere end dem, der skifter til sygedagpenge. Andelen af ledige, der bliver givet en sanktion, er gennemsnitligt procentvis højere for de ledige, der skifter til kontanthjælp, set i forhold til de andre to grupper. Af de ledige, der senere skifter til kontanthjælp, modtager 3.5% en sanktion, mod tilsvarende 2.5% for dem, der skifter til sygedagpenge, mens de ledige, der senere finder job, kun sanktioneres i 1.4% af perioderne. Ved fordelingen af de ledige ud fra deres etniske oprindelse, afviger den gruppe, der skifter til kontanthjælp fra de to andre grupper. I den gruppe, hvor de ledige skifter til kontanthjælp, udgør de personer der kommer fra mindre udviklede lande en langt større andel. Baseret på den grove opdeling af uddannelse ud fra medlemskab af akasse er andelen af akademikere, der skifter til kontanthjælp og sygedagpenge lavere end andelen af disse skift hos ufaglærte ledige. Andelene af ledige, der har deltaget i forskellige arbejdsmarkedsprogrammer, er også gennemsnitligt højst for de ledige, der skifter til kontanthjælp, og lavest for dem, der finder tilbage i job. De gennemsnitlige værdier af disse forklarende variable giver således en indikation af, at de ledige, der udskifter dagpenge med kontanthjælp, har den svageste tilknytning til arbejdsmarkedet, da de har længere ledighedshistorie bag sig, ligesom perioden varer længere, hvis de returnerer til systemet. Ud fra de gennemsnitlige værdier kan det også tyde på, at de ledige, der skifter til kontanthjælp, også er svagere stillede i form af lavere uddannelse, ligesom deres etniske oprindelse er fra et mindre udviklet land. Karakteristika for de ledige der skifter til kontanthjælp, befinder sig mellem gennemsnit for dem der finder job, og dem der finder kontanthjælp. Der er dog én undtagelse, og det er at af de ledige, der skifter til sygedagpenge kommer en fjerdedel fra gruppen af ledige over 50, og dette afviger fra de andre to grupper, hvor andelen kun udgør henholdsvis 20 % og 8 %. Det samme mønster, som netop er set i de forklarende variable opdelt på grupper for kvinderne, er også tilfældet for mændene, derfor vises tallene blot for mændene i tabel 3, men der kommenteres ikke yderligere. 52

Empirisk data og beskrivende statistik I ovenstående beskrivende statistisk er der givet et indblik i, hvordan karakteristika for ledige, der afslutter deres dagpengeperiode til enten job, kontanthjælp eller sygedagpenge, eventuelt afviger, og i det følgende beskrives, hvilke former for rådighedsbrud der forekommer, og hvilke former for sanktioner det fører til. 6.4.3 Fordeling af typer af hændelser og typer af sanktioner I tabel 4 vises fordelingen af, hvilke hændelser der har givet anledning til hvilken slags sanktion: Tabel 4: FORDELING AF HÆNDELSE OG SANKTIONER Ikke mødt til aktivitet hos AF Ikke mødt som aftalt ift. jobplan Hændelse Ikke mødt til formidlingssamtale Afviser job eller jobsamtale Mangler ift. CV Sanktion Kvinder 23 dage 1404 241 21 17 45 1728 3 uger 18 167 11 49 0 255 Total 1422 408 32 66 45 Mænd 23 dage 2562 411 31 17 58 3079 3 uger 28 327 23 48 0 426 Total 2590 738 54 65 58 Kilde: Egne beregninger baseret på DREAM data og AMANDA data Total Af tabel 4 kan det observeres, at det, der primært giver anledning til, at den ledige får en sanktion, er, at der ikke mødes op til aktivitet hos AF, og at dette i den overvejende del af tilfældene resulterer i en sanktion af kortest varighed. Den procentvise fordeling af sanktionerne er i store træk ens for mænd og kvinder, med en lille tendens til at mændene afholder sig fra møder hos AF, mens kvinderne sanktioneres på grund af, at de ikke tager imod jobtilbud. 6.4.4 KaplanMeier hazardrater for raten ind i sanktion og raterne ud af dagpenge I det følgende ses nærmere på de empiriske hazardrater dels ind i en sanktion og dels ud af dagpengesystemet til enten job, kontanthjælp eller sygedagpenge. De empiriske hazardrater beregnes ved brug KaplanMeier metoden, da denne metode er velegnet, når der arbejdes med data, hvor der kan ske censorering. Via KaplanMeier metoden er det muligt at vise sandsynligheden for en sanktion, hhv. sandsynligheden for at forlade ledighed uden at lave nogle parametriske antagelser, som det blev gennemgået i afsnit 5.8. De hazarder, der findes her, er således udtryk for 53

Empirisk data og beskrivende statistik sandsynligheden for en sanktion eller for at forlade dagpengesystemet i en given uge i ledighedsperioden, givet at den ledige ikke indtil da har fået en sanktion eller har forladt dagpengesystemet17. I nedenstående figur 12 vises KaplanMeier hazarderne ind i en sanktion for henholdsvis mænd og kvinder. Hazarderne er desuden lavet opdelt på henholdsvis den mildeste sanktion på 23 dage og den hårdere sanktion på 3 uger. 0,0014 Figur 1: Ugentlig sanktionsrate, kvinder 12 dages sanktion 3 ugers sanktion 0,0012 Sanktionsrate 0,001 0,0008 0,0006 0,0004 0,0002 0 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121 Antal ugers ledighed Kilde: Egne beregninger baseret på DREAM og AMANDA data Af figur 1 udledes det, at risikoen for at modtage en kort sanktion er høj i begyndelsen af ledighedsperioden, hvor de første møder med AF foregår, her når raten næsten 0,12%. Derefter aftager raten indtil ledighedsperioden når op på ¾ år, hvor den finder en mere stabilt leje omkring 0,04%. Fra ledighedsperioden har varet lidt mere end et år, er risikoen igen svagt stigende, dog med større udsving end tidligere. Når den ledige har været ledig et år, indtræder retten og pligten til at deltage i Arbejdsmarkedsprogrammer, og derved kan der være flere anledninger, hvor der er mulighed for brud på rådighedsforpligtelsen. Tendensen for den hårdere sanktion er, at den ligger forholdsvis jævnt omkring 0,01% indtil et års ledighed, hvorefter der er en voksende sanktionsrate. Dette stemmer igen overens med en større grad af deltagelse i et arbejdsmarkedsprogram, da 17 Bewick, Cheek og Ball (2004) 54

Empirisk data og beskrivende statistik afvisning i forbindelse dermed i højere grad resulterer i en sanktion af 3 ugers varighed, som det ses af tabel 4. I nedenstående figur 2 følger nu de tilsvarende hazarder for mændene. 0,0035 Figur 2: Ugentlig sanktionsrate, mænd 12 dages sanktion 3 ugers sanktion 0,003 Sanktionsrate 0,0025 0,002 0,0015 0,001 0,0005 0 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113 117 121 125 Antal ugers ledighed Kilde: Egne beregninger baseret på DREAM og AMANDA data Forløbet af de to former for sanktioner udviser for mændene et billede, der ligner det, der blev observeret for kvinderne. Den milde form for sanktion har også en høj sanktionsrate i starten af ledighedsperioden, for derefter at falde og finde et stabilt niveau, som dog ikke ændres efter et år, som det blev set hos kvinderne. Sanktionsraten stiger først efter to år, men udsvingene er meget store. Den hårdere sanktion for mændene viser samme tendens som hos kvinderne, nemlig at den er forholdsvis jævn indtil efter omkring et års ledighed, hvorefter risikoen for at få en sanktion er voksende. I de følgende tre figurer 35 vises hazarderne ud af dagpengesystemet til enten job, kontanthjælp eller sygedagpenge. Raterne vises for både mænd og kvinder i samme figur. 55

Nedenstående figur 3 viser hazardraterne ud i job. Effekten af at sanktionere forsikrede ledige Empirisk data og beskrivende statistik 0,08 Figur 3: Empirisk transitionsrate fra dagpenge til job Mænd Kvinder 0,07 Exitrate ud i job 0,06 0,05 0,04 0,03 0,02 0,01 0 3 8 13 18 23 28 33 38 43 48 53 58 63 68 73 78 83 88 93 98 103 108 113 118 123 Antal ugers ledighed Kilde: Egne beregninger baseret på DREAM Figur 3 viser, at hazarden ud af dagpenge og til et job for både mænd og kvinder udviser negativ varighedsafhængig, hvilket vil sige, at raten ud i arbejde bliver lavere, jo længere ledighedsperioden har varet. Dette stemmer overens med forventningerne hertil, som skrevet i afsnit 5.7, og det var netop begrundelsen for, at baseline hazarden i den empiriske undersøgelse gøres mere fleksibel ved at lave den stykvis konstant. Via disse hazarder ses det også, at mændene har en højere hazardrate ud i job end kvinderne, helt ind til ledighedsperioden har varet omkring et år. 56

Empirisk data og beskrivende statistik I nedenstående figur 4 vises hazardraten for mænd og kvinder over på kontanthjælp. 0,007 Figur 4: Empirisk transitionsrate fra dagpenge til kontanthjælp Mænd Kvinder 0,006 Exitrate over på kontanthjælp 0,005 0,004 0,003 0,002 0,001 0 3 7 11 15 19 23 27 31 35 39 43 47 51 55 59 63 67 71 75 79 83 87 91 95 99 103 107 111 115 119 123 Antal ugers ledighed Kilde: Egne beregninger baseret på DREAM Af hazardraterne over på kontanthjælp i figur 4 bliver det klart, at disse, også som forventet, udviser positiv varighedsafhængighed, og derved er raten over på kontanthjælp højere, jo længere ledighedsperioden har varet. Også her gælder det samme for både mændene og kvinderne. Den er ligeledes i overensstemmelse med forventningen hertil, jævnfør afsnit 5.7. I den næste figur, figur 5, vises hazardraterne for både mænd og kvinder over på sygedagpenge. 57

Empirisk data og beskrivende statistik Figur 5: Empirisk transitionsrate fra dagpenge til sygedagpenge 0,025 Mænd Kvinder Exitrate til sygedagpenge 0,02 0,015 0,01 0,005 0 3 7 11 15 19 23 27 31 35 39 43 47 51 55 59 63 67 71 75 79 83 87 91 95 99 103 107 111 115 119 123 Antal ugers ledighed Kilde: Egne beregninger baseret på DREAM Af figur 5 observeres det således, at sygedagpenge ikke viser varighedsafhængighed på samme vis, som raterne ud i enten job eller kontanthjælp. Her er raten relativt stabil for både mænd og kvinder indtil langt hen i ledighedsperioden, hvorefter den efterfølgende viser den forventede stigende rate. Hos mændene ligger raten stabil lige under en rate på 0,2% indtil efter 95 ugers ledighed, hvor raten når så langt op som 1,3%. Kvindernes rate ligger stabilt omkring 0,1% indtil omkring 80 ugers ledighed, derefter stiger den svagt til 0,25% de efterfølgende 30 uger. Igen er den positive varighedsafhængighed i overensstemmelse med de dannede forventninger i afsnit 5.7. 6.4.5 Grafer over sanktionsraten op til den ledige forlader dagpengesystemet En deskriptiv tilgang til at give en indikation af, om der er sammenhæng mellem sanktioner og raten, hvormed de ledige forlader dagpengesystemet, vises i figur 6. Figuren viser risikoen for at modtage en sanktion betinget på, at den ledige forlader dagpengesystemet indenfor et givet tidsinterval. Der er valgt forskellige tidsintervaller til at give et bedre billede af, om der er indikation af, at der er sammenhæng ved forskellige varigheder af ledighed, forstået på den måde at sandsynligheden for en sanktion øges op til afgangen fra dagpenge. 58

Empirisk data og beskrivende statistik Figur 6: Sanktionsrate for ledige mænd, der forlader dagpenge indenfor udvalgte varighedsintervaller 0,018 4558 uger 2426 uger 1215 uger 46 uger 0,016 0,014 Sanktionsrate 0,012 0,01 0,008 0,006 0,004 0,002 0 1 6 11 16 21 27 33 38 43 48 53 58 Antal ugers ledighed Kilde: Egne beregninger baseret på DREAM og AMANDA Figur 6 viser således, at risikoen for at modtage en sanktion er voksende umiddelbart inden de ledige mænd forlader dagpengesystemet. Indikationen fra denne graf er, at der sker en påvirkning på raten ud af dagpenge i forbindelse med modtagelse af en sanktion. Figuren er også forsøgt opdelt med hensyn til, om den ledige forlader dagpengesystemet til fordel for enten job, kontanthjælp eller sygedagpenge, hvilket viser, at det fundne mønster primært er drevet af de ledige, der skifter til job, mens der er for få skift til kontanthjælp og sygedagpenge til, at der gives et reelt billede. 59

Empirisk data og beskrivende statistik I figur 7 vises den tilsvarende figur for de ledige kvinder. Figur 7: Sanktionsrate for ledige kvinder, der forlader dagpenge indenfor udvalgte varighedsintervaller 4558 uger 2426 uger 1215 uger 46 uger 0,004 0,0035 0,003 Sanktionsrate 0,0025 0,002 0,0015 0,001 0,0005 0 1 6 11 16 21 27 33 38 43 48 Antal ugers ledighed Kilde: Egne beregninger baseret på DREAM og AMANDA Via figur 7 ses det, at der dannes samme mønster for kvinderne, som det var tilfældet for mændene i form af, at sanktionsraten er voksende tæt på det tidspunkt, hvor de ledige forlader dagpengesystemet. Og ligesom for mændene har det heller ikke været muligt at danne grafer for kvinderne opdelt på de tre mulige destinationer. Gennem det samlede delafsnit er der via forskellig beskrivende statistik givet et indblik i, hvordan det data, der ligger til grund for den empiriske undersøgelse, ser ud. I det afsluttende delafsnit laves en kort opsummering af dette dataafsnit. 6.5 Opsummering Således er forskellige aspekter af det empiriske data, der er baseret på DREAM og AMANDA, blevet gennemgået. Der er forklaret, hvordan rådata er blevet tilpasset til brug for varighedsanalyse, og hvilke forklarende variable der indgår i analysen. Afslutningsvis blev der via forskellig beskrivende statistik givet et indblik i, hvilke informationer der ligger i data. I det følgende afsnit analyseres de resultater, der er blevet fundet ved den empiriske undersøgelse. 60

Resultater af estimeringer af effekten af sanktioner 7 Resultater af estimeringer af effekten af sanktioner De hidtidige afsnit danner samlet set grundlag for en empirisk analyse af, hvilke effekter af sanktioner der vil kunne observeres angående ledighedsperiodens længde. Gennem dette afsnit følger nu en analyse af de resultater, som estimeringerne på baggrund af det empiriske data har givet anledning til. Afsnittet er opbygget således, at der i første delafsnit præsenteres og analyseres resultater fra en model, hvor der ikke er taget hensyn til selektion i forhold til modtagelse af en sanktion. Efterfølgende analyseres de resultater, der er fundet i en timingofevents model, dvs. hvor der tages hensyn til selektion. Derefter følger to delafsnit, hvor effekten af sanktioner, stadig i form af en timingofevents model, undersøges mere dybdegående, henholdsvis i forhold til om effekten af en sanktion varierer over tid, og om der er forskel i effekten afhængig af strengheden af sanktionen. Afsluttende foretages der analyse af, om der er indikation af, at der kan være exante effekt af sanktioner i det danske system. 7.1 Effekt af sanktionering når der ikke tages hensyntagen til selektion I det følgende analyseres de resultater, der bliver fundet, når der ses bort fra, at der potentielt er en selektionseffekt i forbindelse med at ledige bliver givet en sanktion, og dermed potentiel er endogen bestemt. Formålet med at estimere effekten af sanktioner med og uden hensyntagen til eventuel endogenitet er, at det tilsammen giver information om selektion og kausal effekt af sanktioner. Frem for at modellere varigheden indtil en sanktion, og tage hensyn til denne, når effekten af sanktionen estimeres, er informationen om, hvorvidt den ledige har modtaget en sanktion blot medtaget som en eksogen forklarende variabel. 7.1.1 Sanktionseffekten for kvinder I tabel 5, som ses nedenfor, vises resultaterne for kvinder af en model, hvor informationen om en sanktion indgår eksogent. I modellen der giver anledning til resultaterne i hhv. tabel 5 og tabel 6, som viser resultaterne for mændene, er der også medtaget de forklarende variable, der er nævnt ovenfor, baseline hazarder og uobserverbar heterogenitet, men for at bevare overskueligheden gennem afsnittet er dette placeret i bilag 2.1, ligesom yderligere kommentering af disse variable sker i afsnit 7.2. 61

Resultater af estimeringer af effekten af sanktioner Tabel 5: Resultater for exitraten ud af dagpenge, kvinder Basismodel (uden selektion) Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion 0,329 0,031 0,671 0,249 0,611 0,101 Bemærk: Markerede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks Statistik Af resultaterne i tabel 5 kan det udledes, at der for kvinderne er en signifikant positiv effekt af sanktioner på den rate, hvormed dagpengeperioden bliver afløst af et job. Den koefficient, der er estimeret for sanktionsvariablen betyder, at raten ud i job øges med 0,329, og dette svarer til, at raten stiger med 37,9% (exp(0,329)1). Dette resultat stemmer overens med de teoretiske forventninger, da disse netop var, at sanktioner burde øge de lediges søgeintensitet med den konsekvens, at de hurtigere ville kunne finde et job. Den andel, som hazardraten ud i job her øges med, er stort set identisk med det resultat, der er fundet i Svarer (2007), mens den er højere, end den der findes i Lalive et al. (2005), der finder, at raten ud i job kun hæves med 11%. Imod den teoretiske forventning er effekten af sanktion på exitraten over på kontanthjælp signifikant, og den øger raten med 96%. Teoretisk set blev det forventet, at en øget søgeintensitet som følge af en sanktion ville resultere i, at færre ledige ville opbruge deres dagpengeperiode. Det vil sige, at konsekvensen nærmest er en fordobling af raten af ledige, der skifter til kontanthjælp. En forklaring kunne være, at de ledige, der af en grund har svært ved at leve op til rådighedsreglerne, bliver på dagpenge så lang tid som de kan, og når de opdages, skifter de til kontanthjælp, hvor sagsbehandleren i kommunen foretager en vurdering af, om de skal hjælpes med andre problemer, inden det kan kræves, at de står til rådighed. Yderligere uddybning af dette resultat følger i afsnittet, hvor der i estimeringerne er taget hensyn til selektionseffekt. Effekten af en sanktion på raten over på sygedagpenge er derimod i overensstemmelse med de teoretiske forventninger, da denne effekt er signifikant, og øger raten over på sygedagpenge. Resultatet af modellen er, at raten øges med 84% ifølge med en sanktion. Vedrørende de fundne effekter af sanktioner på kontanthjælp og sygedagpenge er det vigtigt at være opmærksom på, som det blev observeret i foregående afsnit, at KaplanMeier hazardraterne for skift til job er langt højere, end det er tilfældet for skift til kontanthjælp og sygedagpenge. Hazardraten for de kvindelige lediges skift til job starter omkring 5%, og falder så over tid til at 62

Resultater af estimeringer af effekten af sanktioner svinge omkring 1%, hvorimod raten over på kontanthjælp ligger omkring 0.05% de fleste uger og tilsvarende omkring 0.25% skift til sygedagpenge. 7.1.2 Sanktionseffekter for mænd I tabel 6 nedenfor ses resultaterne for mændene, når der ikke tages hensyn til selektion, og ligesom for kvinderne vises kun resultatet for effekt af en sanktion, resten ses i bilag 2.2. Tabel 6: Resultater for exitraten ud af dagpenge, mænd Basismodel (uden selektion) Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion 0,412 0,020 0,715 0,189 0,718 0,085 Bemærk: Markerede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks Statistik De estimerede resultater, der ses i tabel 6, viser, at effekten af en sanktion for mænd også følger de teoretiske forventninger, når det gælder påvirkning af raten ud i job, da denne exitrate øges som følge af en sanktion. Effekten for mændene ligger på 51%, og det er lidt højere end for kvinderne. I foregående afsnit blev det klart via KaplanMeier hazardraterne ud i job, at mændenes empiriske exitrate er højere end kvindernes, og disse resultater viser således, at mændene også reagerer kraftigst, når de bliver givet en sanktion. Set i forhold til de resultater på en 43% øget rate ud i job, der blev fundet i Svarer (2007), så ligger exitraten lidt højere her. Effekten af sanktion i forhold til kontanthjælp og sygedagpenge ligner dem, der blev fundet for kvinderne. De er begge positiv signifikante, og effekten for mændene er lidt højere end for kvinderne, da raten over på kontanthjælp øges med 104%, og raten over på sygedagpenge øges med 105%. Ud fra en model, hvor der ikke tages hensyn til selektion, findes det således, som i den tidligere litteratur, at der er en positiv effekt af at give sanktioner i form af, at det øger raten, hvormed de ledige finder job. Dertil giver resultaterne for raten over på kontanthjælp og sygedagpenge dog også en mulighed for, at der kan være en uønsket sideeffekt forbundet med sanktioner i form af, at den ledige skifter til en anden form for understøttelse i systemet. Nu følger en analyse af de resultater, der er fundet i forbindelse med en sanktion, via timingofevents modellen, hvor der tages hensyn til, at tildeling af sanktioner ikke sker tilfældigt, men derimod som en konsekvens af, at den ledige ikke lever op til det stillede rådighedskrav. 63

Resultater af estimeringer af effekten af sanktioner 7.2 Resultater for timingofevents modellen Resultaterne i det foregående afsnit er fundet uden, at der er taget hensyn til selektion ved sanktionering, men da dette ikke giver mulighed for at skille selektion og kausalitet ad, udvides modellen nu til at være en timingofevents model. Frem for at lade sanktioner indgå som en eksogen variabel, modelleres i stedet tiden indtil en sanktion, og exitraten ud af dagpenge estimeres så betinget på denne information. Afsnittet er opdelt således, at der indledningsvis er et underafsnit, hvor resultaterne af estimeringerne for kvinderne analyseres. Efterfølgende analyseres resultaterne for mændene, og de sættes i forhold til det, der er blevet fundet for kvinderne. Gennem afsnittene er der speciel fokus på at sammenholde resultaterne af timingofevents estimeringerne med resultaterne fra foregående delafsnit, da de sammen giver information om selektionseffekt og kausalitet. 7.2.1 Resultater for estimering af timingofevents modellen for kvinder I nedenstående tabel 7 vises resultaterne for timingofevents modellen for kvinder, både med hensyn til sanktionen og de resterende variable, der er medtaget i modellen: Tabel 7: Resultater for exitraten ud af dagpenge, kvinder Timingofevents model Exitrate, job Exitrate kthj. Exitrate sygedag Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion 0.882 0.064 1.113 0.309 0.117 0.158 Alder 3039 0.079 0.013 0.131 0.134 0.060 0.053 0.134 0.065 Alder 4049 0.012 0.014 0.075 0.146 0.316 0.054 0.530 0.078 Alder 50 og over 0.328 0.015 1.338 0.199 0.125 0.056 0.963 0.087 Single 0.012 0.009 0.428 0.100 0.066 0.034 0.316 0.052 Immigrant, udviklet land 0.097 0.020 0.395 0.202 0.051 0.071 0.446 0.099 Immigrant, mindre udviklet land 0.184 0.020 0.928 0.157 0.153 0.060 0.875 0.085 År, 2004 0.125 0.009 0.308 0.117 0.353 0.035 0.074 0.054 År, 2005 0.428 0.025 0.971 0.437 0.949 0.074 0.405 0.099 Antal led.perioder sidste år 0.060 0.008 0.040 0.106 0.022 0.031 0.060 0.049 Antal led.perioder forrige år 0.055 0.005 0.120 0.072 0.019 0.020 0.038 0.033 Anciennitet i off. forsørgelse 0.134 0.008 0.582 0.064 0.051 0.023 0.075 0.045 Gens. Led. I akasse 0.029 0.004 0.104 0.051 0.007 0.016 0.051 0.029 Deltagelse i ALMP: Privat jobtræning 0.023 0.050 0.627 0.614 0.464 0.125 0.249 0.306 Offentlig jobtræning 0.550 0.041 0.021 0.228 0.438 0.079 0.081 0.202 Uddannelse 0.942 0.030 1.649 0.305 0.036 0.067 0.213 0.126 Anden form for ALMP 0.485 0.042 0.081 0.326 0.563 0.096 0.680 0.272 Tidligere deltaget i ALMP: 64

Resultater af estimeringer af effekten af sanktioner Tabel 7: Resultater for exitraten ud af dagpenge, kvinder Timingofevents model Exitrate, job Exitrate kthj. Exitrate sygedag Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Privat jobtræning 0.290 0.057 0.228 0.543 0.355 0.196 0.372 0.330 Offentlig jobtræning 0.137 0.045 0.268 0.268 0.158 0.112 0.127 0.261 Uddannelse 0.090 0.019 0.161 0.154 0.085 0.059 0.059 0.114 Anden form for ALMP 0.119 0.018 0.147 0.162 0.118 0.060 0.472 0.126 Akasse Magistre 0.315 0.037 1.080 0.550 0.929 0.190 0.532 0.250 Økonomer 0.059 0.045 0.788 0.769 0.819 0.263 1.334 0.373 Akademikere 0.120 0.027 1.246 0.407 0.775 0.173 0.458 0.173 Ingeniører 0.057 0.053 0.404 0.635 1.169 0.365 0.803 0.359 Journalister 0.154 0.041 0.579 0.659 0.802 0.240 1.755 0.529 Sælgere 0.140 0.084 0.356 7.810 0.975 0.513 0.046 0.408 IT og merkonomer 0.289 0.093 0.350 5.832 0.324 0.368 0.243 0.447 HK 0.292 0.020 0.313 0.239 0.210 0.083 0.003 0.119 Lærere 0.091 0.034 1.079 0.462 0.103 0.143 0.207 0.206 Stat og tele 0.120 0.063 0.112 0.668 0.615 0.198 0.011 0.348 Pædagogmedhjælpere 0.487 0.041 0.310 0.443 0.318 0.148 0.017 0.255 Specialarbejderforbundet 0.192 0.038 0.826 0.465 0.572 0.140 0.255 0.238 Funktionærer og servicefag 0.199 0.066 0.165 0.770 0.207 0.241 0.571 0.298 Frie lønmodtagere 0.147 0.043 0.443 0.631 0.046 0.183 0.274 0.279 Lønmodtagere 0.106 0.052 0.124 0.462 0.038 0.219 0.015 0.273 Socialpædagoger 0.004 0.032 1.308 0.617 0.313 0.128 0.141 0.194 Teknikere 0.359 0.047 0.288 0.584 0.087 0.188 0.004 0.283 Ledere 0.042 0.050 0.513 0.777 0.343 0.221 0.685 0.226 BUPL 0.070 0.027 0.489 0.309 0.505 0.103 0.357 0.163 Nærings og nydelsesmiddel 0.231 0.044 0.994 0.451 0.496 0.161 0.460 0.260 Træ, industri og byg 0.121 0.051 0.556 0.576 0.216 0.212 0.178 0.346 Sygeplejersker 0.691 0.042 0.576 0.451 0.546 0.190 1.031 0.336 Offentlig ansatte 0.110 0.022 0.164 0.235 0.812 0.084 0.279 0.121 Metal 0.400 0.082 0.931 0.518 0.864 0.247 0.897 0.344 Selvst. erhvervsdrivende 0.399 0.033 0.077 0.349 0.255 0.114 0.496 0.152 Kristelig 0.370 0.030 0.036 0.347 0.385 0.113 0.576 0.179 DANAselvstændige 0.301 0.057 0.606 0.401 0.481 0.160 0.498 0.222 Restaurationsbranchen 0.460 0.057 1.426 0.599 0.545 0.199 0.821 0.335 Maler og maritim 0.465 0.059 0.515 0.603 1.440 0.208 0.082 0.441 Ikke oplyst 0.039 0.110 0.519 0.478 0.946 0.729 0.451 0.564 v job 1.245 v kontanthjælp 3.0232 v sygedagpenge 0.7702 v sanktion 2.5333 P(v j =v j 1,v k =v k 1,v sy =v sy 1,v s =v s 1) 0.077848 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.922152 Antal observationer 354386 Bemærk: Markede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks statistik 65

Resultater af estimeringer af effekten af sanktioner 7.2.1.1 Sanktionseffekt for raten ud i job for kvinder I tabel 7 kan det observeres, at sanktionsvariablen er signifikant og positiv, og dermed øger en sanktion raten, hvormed den ledige finder job. Effekten, når der tages hensyn til selektion, er, at raten ud i job øges med 141%. Denne effekt er højere end den, der findes i Svarer (2007), hvor denne er 95%, men også højere end den effekt, der findes i Abbring et al. (2005), som ligger på henholdsvis 97% i metalindustrien og 84% i banksektoren. Ved at modellere sanktionsraten og tage højde for denne, når effekten af en sanktion estimeres, er det muligt at skelne selektionseffekt fra kausaleffekt. En sammenligning af resultaterne for de to estimater viser, at når der tages hensyn til selektion, øges effekten af en sanktion på raten ud i job fra 37% til 141%, hvilket indikerer, at der er høj grad af selektion. Den højere effekt er et udtryk for at baseret på uobserverbare karakteristika, er det de ledige, der har den laveste rate ud af ledighed, der oftest sanktioneres. Uden hensyntagen til at der er en selektionseffekt i forbindelse med tildelingen af sanktioner, vil den kausale effekt således være underestimeret. Underestimeringen skyldes, at når effekterne er samlet i ét, fanges det ikke, at de ledige, der i forvejen har en lavere rate ud i job, også er dem der oftest sanktioneres. Dermed sammenlignes raten ud i job for dem, der sanktioneres med raten for ledige, som i forvejen har lettere ved at komme i job, og således ser det ikke ud som om, at effekten er så stor, som den reelt set er for de ledige, som sanktionen rammer. Eksempelvis kan der i det uobserverbare ligge den motivation, den ledige udviser i sin søgning efter job, og er den ledige ikke særligt motiveret, vil det formentlig resultere i en lavere rate ud af ledighed. Er konsekvensen af at være mindre motiveret, at den ledige ikke altid lever op til rådighedskravet, vil det også give en større sandsynlighed for, at den ledige modtager en sanktion. Selektionseffekten identificeres ved at tillade, at der er korrelation mellem de uobserverbare led for sanktionsraten og hver af exitraterne ud af dagpenge. Den kausale effekt af sanktionen er effekten af sanktionen betinget både på observerbare og uobserverbare variable 18. Det har dog ikke været muligt at identificere de 16 støttepunkter i forbindelse med uobserverbar heterogenitet. I de fundne resultater, der analyseres gennem dette speciale, er der identificeret to støttepunkter, og derved er der pålagt en restriktion om, at det, der er uobserverbart i de to processer, der modelleres, er perfekt korreleret, dvs. korrelationen er enten 1, 0 eller 1. 18 Svarer (2007b) 66

Resultater af estimeringer af effekten af sanktioner 7.2.1.2 Sanktionseffekt for raten over på kontanthjælp for kvinder Effekten af en sanktion i forhold til raten over på kontanthjælp får et helt andet billede, når der tages hensyn til selektion frem for, at sanktionen blot indgår som en eksogen variabel. Resultatet af timingofevents modellen er, at en sanktion giver en 67% lavere rate over på til kontanthjælp, hvor basismodellen modsat viste en 96% stigning. Det er således de ledige der, baseret på uobserverbare karakteristika, har højest sandsynlighed for at ende på kontanthjælp, der også har den højeste sandsynlighed for at blive sanktioneret. Dette er i tråd med resultatet, når det gælder raten, hvormed de ledige finder job, da netop de ledige, der har den højeste sandsynlighed for at blive sanktioneret, også finder job med den laveste rate. Et system med mulighed for sanktionering giver således en lavere andel af ledige kvinder, der skifter dagpenge ud med kontanthjælp, hvilket nu er i overensstemmelse med de teoretiske forventninger. Den teoretiske forklaring er således, at idet en sanktion gives, fordi den ledige ikke søger tilstrækkeligt, så er effekten af sanktionen, at den ledige begynder at søge mere intensivt efter et job, og derved vil der være færre ledige, der opbruger deres dagpengeperiode. Det er således på grund af selektionseffekten, at raten ud på kontanthjælp umiddelbart øges, mens det ved adskillelsen af de to effekter viser sig, at den kausale effekt af en sanktion er, at det giver en lavere rate af ledige, der skifter til kontanthjælp. Grunden til at resultaterne med og uden hensyntagen til selektion afviger fra hinanden, er, at en samlet effekt ikke fanger, at de ledige, der har den højeste rate over på kontanthjælp, også er dem, der sanktioneres. Dermed sammenlignes raten for dem, der sanktioneres, med ledige der i forvejen har en lavere risiko for at foretage dette skift, og konsekvensen er, at det umiddelbart ser ud til at sanktioner øger raten over på kontanthjælp, selvom det reelt set mindsker risikoen for den gruppe af ledige, som sanktionerne rammer. 7.2.1.3 Sanktionseffekt for raten over på sygedagpenge for kvinder Sanktioners påvirkning af de ledige kvinders skift til sygedagpenge er ikke signifikant, når der tages hensyn til selektion, og derved giver et system med sanktioner hverken anledning til flere eller færre ledige, der skifter fra dagpenge til sygedagpenge. Dette resultat er også anderledes, end når der ikke blev taget hensyn til selektion, og fra at der var en kraftig øget rate over på sygedagpenge som konsekvens af en sanktion, er denne effekt nu ikke til stede. Som det var gældende ved kontanthjælp, er det også her de ledige med den højeste rate over på sygedagpenge, der har den højeste sandsynlighed for at blive sanktioneret. Det vil sige, at det er de ledige, baseret på uobserverbare karakteristika, der i forvejen ville skifte, der rammes af en sanktion, og derved er det ikke en kausal effekt af sanktionen, som får de ledige til at skifte til sygedagpenge. Det der kan 67

Resultater af estimeringer af effekten af sanktioner være placeret i det uobserverbare, er information om den lediges helbred. Meget sygdom kan således påvirke søgeintensiteten negativt, og dermed være med til at øge sandsynligheden for at modtage en sanktion. Dette resultat er ikke i overensstemmelse med teorien, da det var forventet at en sanktion ville sænke værdien af at være ledig, og dermed ville et mindre dårligt helbred være tilstrækkeligt til, at det ville kunne svare sig at skifte til sygedagpenge. En mulig forklaring er, at der kan være større moralske omkostninger ved at søge sygedagpenge ved et mindre dårligt helbred, og derved udebliver den forventede effekt. En anden forklaring kan være, at selvom de ledige ikke længere behøver at stå til rådighed for arbejdsmarkedet, så skal de være i jævnlig kontakt med myndighederne for at vise, at de stadig har for dårlig helbredstilstand til at stå til rådighed, hvilket kan virke dæmpende på at skifte. 7.2.1.4 Opsummering af sanktionseffekten for kvinder Samlet set viser estimering af den kausale effekt af sanktionering, når der tages hensyn til selektion i forbindelse med tildeling af sanktioner, at for kvindelige ledige øges raten ud i job, raten over på kontanthjælp mindskes, mens der ingen effekt er på skift til sygedagpenge. Påvirkningen af raten ud i job og over på kontanthjælp er i overensstemmelse med de teoretiske forventninger, mens effekten af raten over på sygedagpenge ikke er signifikant, og dermed er effekten ikke, som det teoretisk set ville være forventet. 7.2.1.5 Signifikans af forklarende variable i estimeringen for af sanktionseffekten for kvinder I estimeringerne er der, som tidligere nævnt, medtaget en række forklarende variable for at styrke modellen. Koefficienterne for de dummyvariable, der angiver, hvilken aldersgruppe den ledige befinder sig i, viser, at gruppen af ledige over 50 år har en signifikant lavere rate ud i job end for referencegruppen mellem 2629 år. Dette er som forventet, da den ældre gruppe af ledige har sværere ved at vende tilbage til arbejdsmarkedet, hvis de først er kommet ud 19. Gruppen af 4049 årige ligger ikke signifikant anderledes end de 2629 årige, mens de 3039 årige ligger en smule lavere. Raten over på kontanthjælp er signifikant lavere for den ældste gruppe, hvilket formentlig kan forklares med, at der i de sidste år, inden der er mulighed for at gå på efterløn, er lidt mere lempelige dagpengeregler 20. For de ledige der skifter til sygedagpenge, stiger raten med alderen, og her kan nedslidning spille en rolle. Sanktionsraten er modsat aftagende med alderen. Forklaringen på dette kan enten være, at akasserne i deres vurderinger skeler til, at det bliver sværere at finde arbejde, eller også reagerer de ledige anderledes på de stillede rådighedskrav, jo ældre de ledige er. 19 Agenda.da.dk 20 Aeldresagen.dk 68

Resultater af estimeringer af effekten af sanktioner De ledige der ikke er indfødte, har en lavere rate ud af ledighed, og raten er lavest for de ledige, der kommer fra mindre udviklede lande. Dertil har disse to grupper af ledige også en signifikant højere rate over på kontanthjælp, specielt er raten højest for de ledige fra mindre udviklede lande, ligesom disse også har en signifikant højere sandsynlighed for at skifte til sygedagpenge. Dette giver samme indikation som den beskrivende statistik, nemlig at det er de svagere ledige, der især skifter til kontanthjælp, men også til sygedagpenge. Resultaterne viser dertil også, at disse grupper sanktioneres oftere end danskere. De variable der indikerer, hvilket år person er ledig, viser, at sanktionsraten øges signifikant i både 2004 og 2005 i forhold til 2003. Samtidig viser estimeringerne at raten af ledige, der skifter til sygedagpenge, øges, og at raten på kontanthjælp mindskes, hvilket er i tråd med forventningerne til konsekvensen af højere sanktioneringsrate. Til gengæld er også exit raten ud i job signifikant lavere. Selve antallet af ledighedsperioder i de foregående år øger exitraten ud i job. Umiddelbart er dette overraskende, men en mulig forklaring kan være, at tallene dækker over, at det er bedre for den ledige, hvis der opleves flere kortere ledighedsperioder, end hvis personen er ledig i et langt stræk. Ancienniteten i dagpengesystemet giver en påvirkning, som det kan forventes, nemlig at større anciennitet giver en lavere rate ud i job og en højere rate over på kontanthjælp og sygedagpenge. Sanktionsraten sænkes med anciennitet, men her er koefficienten dog relativt lav. Den gennemsnitlige ledighed i de enkelte akasser påvirker den rate, hvormed de ledige finder job, i negativ retning, således at lavere gennemsnitlig ledighed giver en lavere rate ud i job. Dette er ikke som forventet, da lavere ledighed burde gøre det nemmere for den enkelte ledige at finde job, men dog er koefficienten meget lav. Den gennemsnitlige ledighed er også både signifikant i forhold til raten over på kontanthjælp og raten ind i en sanktion, som begge sænkes, jo højere ledighed der er. Resultaterne kan give en indikation af, at når der er højere ledighed, skeles der til dette i a kassernes vurderinger af rådighed. De variable der indikerer, om den ledige deltager i aktivering, viser, at med undtagelse af privat jobtræning, så giver deltagelse anledning til, at raten af ledige, der finder job, bliver signifikant lavere. Efter de ledige har deltaget i aktivering øges deres rate ud i job signifikant, hvis de har deltaget i privat jobtræning, mens der fortsat er en lavere rate ud i job efter deltagelse i de øvrige programmer. Disse effekter er til en vis grad i tråd med de resultater, der er fundet i Rosholm og Svarer (2007). I forhold til raten af ledige, der skifter til kontanthjælp, giver deltagelse i en form for uddannelse en lavere rate, mens deltagelsen finder sted, og derudover er de resterende variable ikke signifikante. Tidligere deltagelse i aktivering har altså ingen indflydelse på, om den ledige 69

Resultater af estimeringer af effekten af sanktioner skifter til kontanthjælp. Med undtagelse af deltagelse i uddannelse øger deltagelse i aktivering raten af ledige, der vælger at skifte til sygedagpenge. Efter deltagelse i aktivering er privat jobtræning og kategorien af andre former for aktivering stadig positivt signifikante, således at de øger raten af ledige over på sygedagpenge. Analysen af de resultater der er fundet for de ledige kvinder, når der er taget hensyn til selektion, indikerer således, at de ledige, der har den laveste rate ud i job eller den højeste rate over på anden forsørgelse, også er dem, der oftest sanktioneres. Effekten af sanktionerne viser, som det er forventet, at raten ud i job øges, og at raten over på kontanthjælp mindskes. Mod forventning er der ingen signifikant påvirkning af raten over på sygedagpenge. Tilsvarende følger nu en analyse af de resultater, der er fundet for de mandlige ledige. 7.2.2 Resultater af estimering af timingofevents modellen for mænd Til analysen af de resultater, der er blevet fundet for mændene, præsenteres i nedenstående tabel 8. Tabel 8: Resultater for exitraten ud af dagpenge, mænd Timingofevents model Exitrate, job Exitrate, konthj. Exitrate sygedag Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion 0.573 0.036 0.074 0.229 0.278 0.114 Alder 3039 0.079 0.013 0.064 0.134 0.120 0.065 0.289 0.046 Alder 4049 0.160 0.014 0.028 0.139 0.285 0.066 0.700 0.054 Alder 50 og over 0.447 0.014 1.118 0.165 0.272 0.066 1.333 0.062 Single 0.164 0.008 0.069 0.098 0.078 0.038 0.375 0.039 Immigrant, udviklet land 0.218 0.019 0.107 0.190 0.123 0.076 0.190 0.076 Immigrant, mindre udv. land 0.467 0.018 0.836 0.121 0.016 0.068 0.403 0.060 År, 2004 0.075 0.009 0.305 0.104 0.274 0.039 0.002 0.038 År, 2005 0.201 0.028 0.443 0.367 0.549 0.117 0.387 0.098 Antal ledperioder sidste år 0.048 0.008 0.111 0.096 0.005 0.036 0.105 0.038 Antal led. perioder forrige år 0.045 0.005 0.075 0.060 0.043 0.022 0.019 0.024 Anciennitet i off. forsørgelse 0.361 0.010 0.638 0.061 0.043 0.034 0.165 0.044 Gens. Led. I akasse 0.125 0.018 0.204 0.213 0.131 0.074 0.030 0.069 Deltagelse i ALMP: Privat jobtræning 0.184 0.036 0.630 0.325 0.103 0.120 0.157 0.141 Offentlig jobtræning 0.628 0.052 0.059 0.242 0.315 0.114 0.084 0.185 Uddannelse 0.697 0.027 0.505 0.211 0.035 0.084 0.448 0.112 Anden form for ALMP 0.356 0.037 0.118 0.316 0.436 0.112 0.654 0.208 Tidligere deltaget i ALMP: Privat jobtræning 0.231 0.041 0.440 0.333 0.375 0.166 0.202 0.208 Offentlig jobtræning 0.258 0.059 0.849 0.245 0.219 0.156 0.144 0.250 Uddannelse 0.067 0.017 0.218 0.131 0.007 0.065 0.004 0.077 Anden form for ALMP 0.182 0.018 0.059 0.168 0.052 0.073 0.263 0.085 Akasse 70

Resultater af estimeringer af effekten af sanktioner Tabel 8: Resultater for exitraten ud af dagpenge, mænd Timingofevents model Exitrate, job Exitrate, konthj. Exitrate sygedag Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Magistre 0.132 0.046 0.454 0.557 1.036 0.252 1.359 0.217 Økonomer 0.292 0.045 1.241 8.530 1.913 0.362 1.752 0.263 Akademikere 0.289 0.036 1.286 0.520 1.206 0.218 1.042 0.165 Ingeniører 0.435 0.040 1.901 0.615 1.623 0.231 0.954 0.170 Journalister 0.085 0.064 0.245 1.215 1.129 0.467 0.918 0.330 Sælgere 0.411 0.050 0.927 0.663 0.944 0.244 0.816 0.247 Elektrikere 0.064 0.046 0.270 0.544 0.048 0.199 0.522 0.209 IT og merkonomer 0.274 0.064 0.114 0.719 1.024 0.352 0.267 0.217 Funk. og tjenestemænd 0.341 0.035 0.951 0.442 1.047 0.173 0.288 0.142 HK 0.190 0.034 0.300 0.392 0.280 0.148 0.323 0.132 Lærere 0.575 0.079 1.013 0.933 0.687 0.344 0.543 0.333 Stat og tele 0.889 0.085 0.824 1.145 1.134 0.375 0.857 0.401 Pædagogmedhjælpere 0.085 0.120 0.454 1.207 1.052 0.447 0.114 0.442 Specialarbejderforbundet 0.527 0.055 0.909 0.656 0.673 0.232 0.205 0.216 Blik og rørarbejdere 0.297 0.045 0.145 0.630 0.786 0.175 0.231 0.215 Funktionærer og servicefag 0.223 0.039 0.160 0.351 0.170 0.166 0.194 0.150 Frie lønmodtagere 0.439 0.067 0.255 0.798 0.843 0.335 0.133 0.266 Lønmodtagere 0.461 0.066 0.953 0.930 0.480 0.304 0.228 0.252 Socialpædagoger 0.401 0.061 0.538 0.832 0.155 0.232 0.279 0.261 Teknikere 0.249 0.043 0.025 0.394 0.415 0.197 0.205 0.158 Ledere 0.621 0.059 1.752 0.816 0.842 0.251 0.233 0.232 BUPL 0.496 0.070 0.481 0.782 0.161 0.251 0.064 0.247 Nærings og nydelsesmiddel 0.215 0.033 0.469 0.289 0.232 0.127 0.114 0.126 Træ, industri og byg 0.396 0.023 0.156 0.312 0.522 0.102 0.104 0.103 Sygeplejersker 0.362 0.248 0.153 10.466 0.001 1.174 0.116 1.500 Offentlig ansatte 0.662 0.060 0.444 0.595 0.318 0.206 0.078 0.208 Selvst. erhvervsdrivende 0.793 0.069 1.349 0.842 0.557 0.286 0.015 0.264 Kristelig 0.020 0.029 0.529 0.302 0.175 0.125 0.158 0.113 DANAselvstændige 0.539 0.055 0.023 0.503 0.345 0.212 0.198 0.183 Restaurationsbranchen 1.170 0.181 1.685 2.134 1.324 0.763 0.508 0.695 Maler og maritim 0.626 0.051 1.328 0.560 0.891 0.218 0.352 0.201 Ikke oplyst 1.021 0.168 0.247 1.380 1.023 0.778 1.111 0.743 Baseline hazarder: 414 2.782 0.149 6.580 1.382 5.790 0.501 5.000 0.473 1440 2.487 0.149 5.697 1.382 5.046 0.502 4.807 0.473 40 3.692 0.149 5.848 1.383 5.534 0.503 5.826 0.473 v job 0.5399 v kontanthjælp 2.4491 v sygedagpenge 1.5248 v sanktion 1.0681 P(v j =v j 1,v k =v k 1, sy =v sy 1,v s =v s 1) 0.3051963 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.6948037 Antal observationer 285707 Bemærk: Markerede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks Statistik 71

Resultater af estimeringer af effekten af sanktioner 7.2.2.1 Sanktionseffekt for raten ud i job for mænd Af den estimerede koefficient for sanktionsvariablen udledes det, at de ledige der modtager en sanktion, har en signifikant øget rate ud i job, hvilket er tilsvarende det resultat, der blev fundet for de ledige kvinder. Den fundne effekt er højere end den, der blev fundet uden hensyntagen til selektion, og derved er effekten af en sanktion også for mændenes vedkommende underestimeret, hvis modtagelse af en sanktion blot indgår som en eksogen forklarende variabel. Derved er det også de mænd, der har den laveste rate ud i job, der oftest bliver givet en sanktion. Uden at give mulighed for at skelne mellem selektion og kausalitet, vil sanktioner således ikke blive vurderet til at være et så effektivt redskab, som det reelt set er. Selektionen giver dog ikke anledning til et så skævt estimat, som det er tilfældet for kvinderne, og ved hensyntagen dertil viser estimeringerne nu en større kausal effekt hos kvinderne end hos mændene. Således er der en effekt på 77% for mændene, mod en effekt på 141% hos kvinderne. Dette resultat for mændene ligger relativt tæt på de effekter, der blev fundet i Abbring et al. (2005), hvor effekten var på 61% for mænd i metalindustrien, mens den var på 36% for de mænd, der havde arbejde i banksektoren. Den større effekt af sanktioner hos kvinder end hos mænd er ligeledes i tråd med de effekter, der blev fundet i Abbring et al. (2005). 7.2.2.2 Sanktionseffekt for raten over på kontanthjælp for mænd Den effekt af sanktioner, der blev fundet angående skift til kontanthjælp, ser primært ud til at være drevet af selektion, da hensyntagen til dette resulterer i, at der ikke er nogen signifikant effekt af sanktioner på raten, hvormed de ledige mænd skifter til kontanthjælp. Der er således ikke en kausal effekt af sanktioner for mændene, og den positive effekt, der blev fundet i basismodellen, er derfor et udtryk for, at de personer, der i forvejen ville skifte til kontanthjælp, også har en højere sandsynlighed for at blive sanktioneret. Billedet for mændene ligner det, der blev observeret for kvinderne i form af, at det var selektion, der drev den positive effekt, men modsat kvinderne findes der ved hensyntagen til dette således ikke, at sanktioner sænker raten, hvormed de ledige skifter til kontanthjælp. Det at der ikke er nogen effekt af sanktioner, er således ikke et resultat, der teoretisk set er forventet. 7.2.2.3 Sanktionseffekt for raten over på sygedagpenge for mænd Ved modtagelsen af en sanktion øges den andel af ledige mænd, der skifter til sygedagpenge. Ligesom det var tilfældet i forbindelse med kontanthjælp, er effekten lavere, når der tages højde for selektion, men koefficienten er stadig efterfølgende positiv og signifikant, og dermed er der en kausal effekt af sanktioner, som er medvirkende til at øge raten, der vælger at skifte til 72

Resultater af estimeringer af effekten af sanktioner sygedagpenge, med 32%. Dette resultat afviger fra effekten hos kvinder, hvor der ikke er nogen signifikant effekt, men det er til gengæld i overensstemmelse med de teoretisk forventninger. De øvrige forklarende variable, der er med i estimeringen, er de samme som er med hos kvinderne, og da koefficienterne i store træk ligner hinanden, uddybes resultaterne for mændene ikke nærmere, i stedet henvises til analysen hos kvinderne. 7.2.2.4 Opsummering af sanktionseffekter for mænd De resultater, der er fundet for effekten af sanktioner på raten ud i job, er for både mænd og kvinder, når der tages højde for selektion, i overensstemmelse med de teoretiske forventninger om, at raten øges, ligesom det også er i tråd med de undersøgelser, der hidtil er blevet lavet på området. Effekterne af sanktioner i forhold til skift til kontanthjælp eller skift til sygedagpenge er forskellige for mænd og kvinder, hvor raten over på kontanthjælp mindskes for kvinder, mens raten over på sygedagpenge øges for mændene. Disse første overordnede resultater giver således anledning til en formodning om, at mænd og kvinder måske reagerer forskelligt, når de modtager en sanktion. De færre kvinder, der ender på kontanthjælp, kan give en indikation af, at også de svagere ledige reagerer på kravet om at søge mere intensivt, da dagpengeperioden ikke så ofte bliver opbrugt. For mændene derimod giver resultaterne anledning til en formodning om, at sanktionerne ikke har samme positive effekt for de svagere ledige, men tværtimod vælger her en større andel at søge om sygedagpenge. Hidtil er analysen af sanktionseffekten lavet samlet for de to typer af sanktioner, og i det følgende vil det blive nærmere undersøgt, om der er forskel i effekten af sanktionen afhængig af, hvor streng den er. 7.3 Analyse af om effekten af en sanktion påvirkes af, hvor streng den er Analysen af, hvilken effekt der er af at sanktionere, udvides med det formål, at undersøge nærmere om hårdheden af sanktionen spiller ind på effekten. Der skelnes mellem de to former for sanktioner, hvor data er valid, nemlig sanktioner af 23 dages varighed og af 3 ugers varighed. I Danmark bliver der primært gjort brug af de korte sanktioner, og de lange sanktioner udgør således kun omkring 12% af de uddelte sanktioner. Konsekvensen af at andelen af de lange sanktioner er så lille, er, at der ikke er lavet to separate estimeringer af effekterne, men derimod er der blot lavet en opdeling af sanktionerne i samme estimering. 73

Resultater af estimeringer af effekten af sanktioner 7.3.1 Sanktionseffekt afhængig af type for kvinder De resultater, som estimeringen for kvinder af effekten af de to typer sanktioner har givet, præsenteres i tabel 9. I estimeringen var der også medtaget de øvrige variable, som i foregående afsnit, men for at bevare fokus igennem afsnittet bringes igen kun effekten af sanktionerne, hvilket er de essentielle resultater for dette speciale, og derfor er de resterende resultater placeret i bilag 3.1. Tabel 9: Resultater for exitraten ud af dagpenge med effekt af de forskellige sanktioner, kvinder Timingofevents model Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktionstype 23 dage 0.837 0.066 1.167 0.341 0.003 0.165 3 uger 1.279 0.103 0.210 0.529 0.742 0.252 Bemærk: Markerede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks Statistik Resultaterne i tabel 9 viser, at det har en større effekt på raten ud i job at bruge hårdere sanktioner. De kortere sanktioner øger raten med 131%, mens sanktionerne af 3 ugers varighed giver en rate, der er øget med 259%. Det er i overensstemmelse med de teoretiske forventninger, at en hårdere sanktion vil give en større effekt, da værdien af at være ledig sænkes mere, jo flere dagpenge der mistes, og derved resulterer det også i en endnu lavere reservationsløn. En lavere reservationsløn vil gøre, at der vil være flere jobtilbud, der vil give den ledige en større værdi ved accept, end der kan opnås som ledig. Resultaterne er i tråd med de effekter, der findes i Svarer (2007), hvor effekten af en 3 ugers sanktion stort set er identisk med den, der findes her, mens effekten af en 23 dages sanktion er lidt lavere. Den sænkede rate over på kontanthjælp, der blev fundet i foregående afsnit, viser sig ved opdelingen af sanktionstyperne at være drevet af de korte sanktioner. Effekten af de korte sanktioner er, at raten sænkes med 69%, mens effekten af den længerevarende sanktion ikke har nogen signifikant effekt. Dette er umiddelbart overraskende set i forhold til de teoretiske overvejelser, da forventningen var, at resultatet af den øgede søgeintensitet skulle være, at færre ledige ville opbruge deres dagpengeperiode. De hårdeste sanktioner har størst effekt på raten ud i job, og derfor ville det også være forventet, at effekten på raten over på kontanthjælp ville være signifikant for de hårdere sanktioner. En mulig forklaring kan være, at de ledige, der får de milde sanktioner, som udgangspunkt ikke har så svært ved at komme tilbage til arbejdsmarkedet relativt 74

Resultater af estimeringer af effekten af sanktioner set i forhold til dem, der får den strenge sanktion, og derfor ses der en effekt af den milde, men ikke den strenge sanktion. Uden opdelingen i sanktionstyper var der ikke en signifikant effekt af sanktioner på andelen af ledige, der skifter til sygedagpenge. Opdelingen i strenghed af sanktionen giver til gengæld et andet billede af konsekvensen af sanktioner. De kortvarige sanktioner giver ingen signifikant effekt, men derimod er der en kraftig påvirkning af skiftet til sygedagpenge, når det gælder den hårdere form for sanktionering, da den øger raten over på sygedagpenge med 110%. Hvor resultaterne uden opdeling ikke var i overensstemmelse med de teoretiske forventninger, viser opdelingen nu, at effekten af de hårdere sanktioner er som forventet. Forklaringen på disse resultater kan være, at de kortere varende sanktioner ikke giver et tilstrækkelig kraftigt stød til værdien af at være ledig, så det bliver afgørende i forhold til at søge sygedagpenge, hvorimod det er tilfældet for de hårdere sanktioner. Opdelingen af sanktionerne ud fra deres hårdhed viser således for kvinderne, at jo hårdere sanktionerne er, jo højere er raten ud i job, mens der er en negativ konsekvens af de hårde sanktioner i form af, at det skubber en større andel af de ledige over på mere passiv forsørgelse. De hårde sanktioner giver ikke anledning til færre ledige, der skifter til kontanthjælp, til gengæld viser de korte sanktioner sig at have en gavnlig effekt, således at raten over på kontanthjælp mindskes væsentligt. 7.3.2 Sanktionseffekt afhængig af type for mænd Resultaterne af estimeringer for mændene, hvor der er lavet opdeling i sanktionstyper, vises nedenfor i tabel 10, de øvrige variable der var medtaget i estimeringen ses i bilag 3.2. Tabel 10: Resultater for exitraten ud af dagpenge med tidsvariende effekt af en sanktion, mænd Timingofevents model Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktionstype 23 dage 0.535 0.037 0.065 0.252 0.155 0.121 3 uger 0.892 0.061 0.624 0.388 0.878 0.207 Bemærk: Markerede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks Statistik 75

Resultater af estimeringer af effekten af sanktioner Opdelingen af sanktioner i om de varer 23 dage eller 3 uger viser for mændene, at raten ud i job øges kraftigst ved en hårdere sanktion. Effekten af de korte sanktioner er, at raten øges med 71%, mens den øges med 144% af den længerevarende sanktion. Dette er samme mønster, som der blev fundet for kvinderne, ligesom det også følger de teoretiske forventninger. Påvirkningen af raten over på kontanthjælp er stadig ikke til stede hos mændene, selvom sanktionerne splittes op i forhold til deres hårdhed. Dette er således stadig ikke som det teoretisk set er forventet, ligesom mændene må reagere anderledes end kvinderne, når de modtager en sanktion, da effekten for kvinderne var en rate sænket 69%. Ligesom tidligere skal resultaterne her dog også ses i lyset af, at raten over på kontanthjælp som udgangspunkt er lav for begge køn. Den øgede rate af ledige mænd der skifter til sygedagpenge, der tidligere blev fundet, er, som det kan udledes af koefficienterne i tabel 10, drevet af, at de hårde sanktioner øger raten med 141%, mens der derimod ikke er nogen signifikant effekt at de kortere sanktioner. Opdelingen af sanktionerne via deres hårdhed viser, at raten ud i job for både mænd og kvinder påvirkes kraftigere af den strengere form for sanktionering. I forhold til kontanthjælp er effekten hos kvinder drevet af, at det er de korte sanktioner, der hæver søgeintensiteten, således at færre er nødt til at skifte til kontanthjælp, men derimod er der stadig ingen effekt hos mændene. Ved at opdele sanktionerne efter strenghed viser det sig, at sanktioner også har effekt på raten, hvormed kvinderne skifter til sygedagpenge, da de lange sanktioner øger denne rate, og for mændene er der også kun en øget rate som følge af en 3 ugers sanktion. Påvirkningen af raten over på sygedagpenge ligger dog højere for mændene med 141% mod kvindernes 110%, og selvom resultaterne ikke er så stærke, giver de stadig anledning til at formode, at mænd og kvinder reagerer forskelligt, som det blev antydet i foregående delafsnit. Således er der foretaget analyse af, hvordan effekten af sanktioner afhænger af, hvor streng sanktionen er. I det følgende udvides analysen af effekten i en anden retning ved at medtage et tidsperspektiv, der skal bidrage med information om, hvorvidt effekterne varierer over tid. 7.4 Analyse af om effekterne af sanktioner varierer over tid De sanktioner der gøres brug af i Danmark, er som tidligere nævnt primært af 23 dages varighed, og da der således i de fleste tilfælde sanktioneres i forholdsvis mild grad, er det relevant at undersøge, om effekten varierer over tid. Sanktionerne er ikke opdelt efter type, men kun efter varigheden siden en sanktion er modtaget. Effekterne er delt op i tre perioder, som er henholdsvis indtil 4 uger efter sanktion, mellem 4 uger og 13 uger, og effekten efter 13 uger og frem. 76

Resultater af estimeringer af effekten af sanktioner 7.4.1 Sanktionseffekt over tid for kvinder Resultaterne for de tidsvarierende effekter af sanktioner for kvinderne er vist nedenfor i tabel 11. Ligesom det var tilfældet for basismodellen udelades her resultaterne for de øvrige variable, der er medtaget, for at bevare overblikket igennem afsnittet, og disse resultater ses i bilag 4.1. Tabel 11: Resultater for exitraten ud af dagpenge med tidsvarierende effekt af en sanktion, kvinder Timingofevents model Exitrate, job Exitrate kthj. Exitrate sygedag Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Uger siden sanktion Indtil 4 uger 1.713 0.071 0.918 0.460 1.291 0.209 413 uger 0.570 0.088 1.015 0.786 0.306 0.288 Mere end 13 uger 0.636 0.091 2.431 0.764 0.525 0.236 Bemærk: Markerede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks Statistik Resultaterne i tabel 11 viser, at effekten af en sanktion på raten ud i job er tidsvarierende, og at effekten er størst i den første måned efter, at den ledige har modtaget en sanktion. I modellen hvor der ikke blev taget hensyn til, at effekten kunne være tidsvarierende, blev der fundet en stigning på 141%. Med muligheden for variation over tid viser estimationen, at effekten indtil 4 uger er den kraftigste, og giver en stigning i raten ud i job på så meget som 454%, hvorefter effekten stabileres på et niveau på omkring 80% øget rate i den resterende del af ledighedsperioden. Dette resultat afviger fra det resultat der findes i Svarer (2007), hvor effekten godt nok også er tidsvarierende, men her er effekten aftaget så meget i perioden, der ligger efter 13 uger, at der ikke længere er en signifikant effekt. Resultater af tidsvarierende effekter af sanktioner giver et ret anderledes billede for raterne over på kontanthjælp og sygedagpenge, end det er tilfældet, når der blot bliver estimeret en samlet sanktionseffekt. Effekten over tid af at modtage en sanktion ligner nu i store træk hinanden for skift til enten kontanthjælp eller sygedagpenge. Den første måned efter en sanktion er koefficienten positiv og signifikant, hvilket vil sige, at sanktionen her har en uønsket effekt, da den øger raterne over på kontanthjælp og sygedagpenge, mens effekten efter der er gået mere end 3 måneder gør, at raterne er signifikant lavere. Teoretisk er effekten indtil 4 uger i forhold til sygedagpenge som forventet, nemlig at når den ledige oplever en lavere værdi af at være på dagpenge, kræves der ikke et så højt sygdomsniveau, før det kan være optimalt at søge sygedagpenge. Effekten umiddelbart efter en sanktion på raten 77

Resultater af estimeringer af effekten af sanktioner over på kontanthjælp er dog overraskende, da understøttelse på kontanthjælp er langt lavere end den er på dagpenge. En forklaring kan være, som tidligere nævnt, at hvis den ledige ikke kan håndtere de krav, der stilles til dagpengemodtagere, som sanktionen jo netop giver indikation af, så giver sanktionen det endelig stød til at ryge ud af systemet. I forbindelse med kontanthjælp laves der en vurdering af, hvorvidt den ledige overhovedet skal stå til rådighed for at modtage kontanthjælp, eller om der er tilstrækkelig mange sociale eller psykiske problemer til, at den ledige kan modtage kontanthjælp, uden at skulle håndtere rådighedskrav 21, og dette kan give anledning til, at den ledige er nødt til at skifte forsørgelsesform. Effekten af sanktionen for raten over på sygedagpenge er ikke signifikant i den mellemliggende periode fra 4 til 13 uger, hvorefter raten sænkes signifikant. Effekten af sanktionen over på sygedagpenge er således på længere sigt ikke i overensstemmelse med de teoretiske forventninger. En mulig forklaring kan være, at når den ledige ved modtagelsen af en sanktion øger sin søgeintensitet efter arbejde, så opstår der en positiv effekt i forhold til den modløshed, som efterhånden kan have indfundet sig hos den ledige. Teoretisk set fører en øget søgeintensitet også til et øget antal af jobtilbud, og det kan således tyde på, at oplevelsen af flere jobtilbud mindsker modløshed og stigmatisering, og derved øges værdien af at være ledig med den konsekvens, at der vil være færre ledige, for hvem det er optimalt at søge sygedagpenge. Forklaringen på den store forskel mellem effekten på helt kort sigt og på længere sigt kan således være, at de ledige, der er så modløse, eller som helbredsmæssigt er så tæt på at søge sygedagpenge, bliver givet det sidste skub, når de får en sanktion. De ledige der derimod ikke er så tæt på skiftet, får måske positive oplevelser ud af den øgede søgeintensitet via tilbud om samtaler eller job, at deres værdi af at være ledige hæves, og dermed er effekten på længere sigt, at færre vil søge sygedagpenge. Effekten på raten over på kontanthjælp udviser samme billede som effekten på raten over på sygedagpenge. Fra at raten øges signifikant i indtil 4 uger, så er effekten ikke signifikant mellem 4 til 13 uger efter sanktionen, og i perioden efter 13 uger sænkes raten af ledige, der skifter fra dagpenge til kontanthjælp, og denne lavere rate er netop i overensstemmelse med de teoretiske forventninger. En forklaring på, at effekten af en sanktion ændres så kraftigt undervejs, kan være, at det, som nævnt ovenfor, er de ledige, der har andre problemer end ledighed at bearbejde, og derfor ikke magter at leve op til rådighedskravet, der skifter umiddelbart efter de har modtaget en sanktion. De ledige, der er stærke nok til at blive i dagpengesystemet, vil ønske at blive her, da den månedlige 21 Bekendtgørelse om Lov om aktiv socialpolitik 78

Resultater af estimeringer af effekten af sanktioner ydelse er højere, og der stadig i kontanthjælpssystemet vil være krav om, at den ledige står til rådighed, hvis der ikke er andre problemer at tage hånd om. Disse ledige vil således først skifte til kontanthjælp i det øjeblik, de har opbrugt deres dagpengeperiode, og derfor kan den sænkede rate på længere sigt være et udtryk for, at den øgede søgeintensitet ifølge med en sanktion har den effekt, at færre ledige opbruger deres ledighedsperiode, netop som det teoretisk set er forventet. De tidsvarierende effekter viser således, at effekten af sanktion på raten hvormed de ledige finder job, er meget høj umiddelbart efter sanktionen, hvorefter den aftager, men den forbliver signifikant. Effekten på skift til kontanthjælp og sygedagpenge kan give en indikation af, at sanktionen umiddelbart efter modtagelsen skubber de svageste videre i systemet, mens de resterende ledige påvirkes positiv, således at færre skifter til disse andre former for understøttelse. 7.4.2 Sanktionseffekt over tid for mænd Resultaterne for de tidsvarierende effekter af sanktioner for mændene vises i nedenstående tabel 12, mens de øvrige resultater for estimeringen ses i bilag 4.2. Tabel 12: Resultater for exitraten ud af dagpenge med tidsvariende effekt af en sanktion, mænd Timingofevents model Exitrate, job Exitrate kthj. Exitrate sygedag Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Uger siden sanktion Indtil 4 uger 1.219 0.042 0.814 0.450 1.140 0.162 413 uger 0.443 0.048 0.619 0.332 0.244 0.219 Mere end 13 uger 0.473 0.053 1.075 0.541 0.345 0.179 Bemærk: Markerede koefficienter betyder, at de er signifikante på et 5% niveau Kilde: Egne beregninger baseret på DREAM, AMANDA og Danmarks Statistik Af resultaterne af estimeringerne, som ses i tabel 12, kan det udledes, at raten ud i job påvirkes kraftigst de første 4 uger efter, at der er modtaget en sanktion, men effekten forbliver positiv signifikant i den resterende del af ledighedsperioden. Umiddelbart efter en sanktion øges raten med 238%, mens den efterfølgende stabiliseres omkring 55%. Her ses det samme mønster, som der blev observeret hos de kvindelige ledige, men stadig ligger effekten for mændene lavere gennem hele perioden efter en sanktion. De tidsvarierende effekter for mændene angående raten over på kontanthjælp er ret interessant. Hidtil er der ikke hverken for sanktionering som helhed, eller via opdeling i hårdhed fundet nogen påvirkning af raten over på kontanthjælp, i modsætning til hvad der ud fra det 79

Resultater af estimeringer af effekten af sanktioner teoretiske udgangspunkt blev forventet, og i modsætning til hvilke effekter der er blevet fundet for de ledige kvinder. Nu viser de tidsvarierende effekter et mønster, der tilnærmelsesvis ligner det, der blev fundet for kvinderne. Der er ingen umiddelbar effekt af sanktioner på raten, som hos kvinderne, men der er en indikation af, at effekten for mændene blot kommer lidt senere, da effekten af en sanktion i perioden mellem 413 uger efter en sanktion øger raten over på kontanthjælp med 86%. På langt sigt er effekten, som det teoretisk set er forventet, nemlig en lavere rate af ledige, der skifter til kontanthjælp, og raten er sænket med 66%. Dermed er der også her et billede af, at de svageste ledige mænd skifter til kontanthjælp relativ kort tid efter, at de har modtaget en sanktion, mens det på længere sigt giver anledning til færre, der må skifte til kontanthjælp. Raten over på kontanthjælp øges ikke så meget som kvindernes, da deres øges med 150%, til gengæld sænkes raten efterfølgende heller ikke så kraftigt, med 66% for mændene mod kvindernes 91%. Selvom der her er indikation af, at der også er en effekt for mændene på raten over på kontanthjælp, er der stadig en antydning af forskel mellem mænd og kvinder. Den øgede rate er længere tid om at træde igennem for mændene, og en forklaring på dette kan enten være, at mændene kæmper længere for at forsøge at håndtere rådighedskravene på dagpenge, eller at der i højere grad er stigmatisering i forbindelse med mænd, der befinder sig i kontanthjælpssystemet, hvorved værdien deraf, bliver endnu lavere. Resultaterne af de tidsvarierende effekter for mændene viser, at når det angår raten, hvormed der skiftes til sygedagpenge, er der en øget rate indenfor kort tid efter der er modtaget en sanktion, hvorefter effekten på det mellemlange sigt ikke er signifikant, for så at mindske raten på længere sigt. Dette billede er også i høj grad det samme som det, der blev fundet for kvinder, og som ved kontanthjælp øges raten lidt mindre for mændene med 213%, mod 264% for kvinderne, mens raten sænkes lidt mindre, dvs. 29% for mændene og 41% for kvinderne. De tidsvarierende effekter af sanktioner giver således ikke helt samme indikation, som de foregående analyserede resultater, om at der er forskel mellem hvordan mænd og kvinder reagerer, når de modtager en sanktion, men ses der samlet på resultaterne, er der alligevel en antydning af, at mændene ikke reagerer så kraftigt som kvinder. Effekten for mændene er, at deres rate ud i job ikke hæves så meget som kvinderne, og effekten er heller ikke så stærk angående en sænket rate over på kontanthjælp eller sygedagpenge, ligesom raten over på disse andre former for understøttelse ikke øges så meget umiddelbart efter en sanktion. Der er gennem dette afsnit blevet lavet analyse af, om effekten af sanktioner varierer over tid. Teoretisk set er der også en forventning om, at det giver en effekt på søgeintensiteten blot at have et 80

Resultater af estimeringer af effekten af sanktioner system med overvågning og sanktioner, og derved at der er en effekt alene som konsekvens af sandsynligheden for at blive sanktioneret, hvilket er det, der undersøges nærmere i det følgende delafsnit. 7.5 Ex ante effekter af et system med overvågning og sanktioner I de foregående tre delafsnit blev der foretaget en indgående analyse af expost effekten af at sanktionere, og i dette afsnit udvides analysen til også at omfatte en undersøgelse af, om der er en exante effekt forbundet med systemet af med overvågning og sanktioner i Danmark. Exante effekten er, som tidligere nævnt i afsnit 4, den effekt, der opstår alene på baggrund af truslen om en sanktion. De teoretiske forventninger i forbindelse med en trusselseffekt er, at ledige, der søger mindre end påkrævet, vil opleve at sandsynligheden for at få en sanktion vil mindske deres reservationsløn. En sænket reservationsløn forventes at øge raten over i hver af de tre destinationer, og dermed vil der overordnet set være påvirkning af et sådant system uden, at den ledige har modtaget en sanktion. Tilstedeværelsen af en exante effekt i den danske dagpengesystem undersøges ved at gøre brug af de forskelle, der er mellem akassernes sanktionsrate, og se disse i forhold til exitraten til hver af de tre destinationer for deres medlemmer. Dette vil være en grov tilnærmelse til at undersøge, om der er en exante effekt, da der ikke er information om, hvorvidt den enkelte a kasses ledige medlemmer er bevidste om forskellen i sanktioneringsgraderne, og dermed om de handler derefter. Dog er der ikke andre muligheder i det data, der er tilgængeligt, for at undersøge om der er exante effekt, og derfor er denne metode brugt til at blot at give en indikation af, om denne effekt er tilstede i det danske system. De resultater der bliver fundet skal dermed vurderes i lyset af dette. Det bagvedliggende data for de grafer, der følger i de næste afsnit, er placeret i bilag 5. 7.5.1 Exante effekt af sanktioner for raten ud i job I nedenstående figur 8 vises plot mellem sanktionsraten og exitraten ud i job for mænd og kvinder, og den lineære regression der er lavet på basis deraf. 81

Resultater af estimeringer af effekten af sanktioner Figur 8: Exante effekt af sanktioner på exitraten fra dagpenge og ud i job Sank mænd Sank kvinder Lineær (Sank mænd) Lineær (Sank kvinder) 1.500 Exitrate fra dagpenge til job 1.000 0.500 2.000 1.500 1.000 0.000 0.500 0.000 0.500 1.000 1.500 0.500 Kilde: Egne beregninger baseret på DREAM Sanktionsrate 1.000 Figur 8 viser, at der er stor forskel mellem sanktionsraterne i de enkelte akasser. Den lineære regression giver en indikation af, at der er en ex ante effekt for mændene, da deres exitrate ud i job er stigende med sanktionsraten, mens det ikke gør sig gældende for de kvindelige ledige. Den positiv hældning på linien for mændene er dog ikke signifikant. I Svarer (2007) findes det, at exante effekten er til stede for mændene, men ligeledes findes der heller ikke en effekt for kvinderne. I Lalive et al. (2005), som introducerede denne metode til at undersøge exante effekten, er der adgang til information om, at den ledige har modtaget en advarsel om, at de er i risiko for at blive sanktioneret, og dermed giver det et mere reelt billede af exante effekt. De finder, at der er en exante effekt af at have overvågning og sanktioner. 7.5.2 Exante effekt af sanktioner for raten over på kontanthjælp Nedenfor ses figur 9, der viser exante effekten for både mænd og kvinder, angående exitraten over på kontanthjælp. 82

Resultater af estimeringer af effekten af sanktioner Figur 9: Exante effekt af sanktioner på exitraten fra dagpenge og over på kontanthjælp Sank mænd Sank kvinder Lineær (Sank mænd) Lineær (Sank kvinder) 2.000 Exitrate fra dagpenge til kontanthjælp 1.500 1.000 0.500 2.000 1.500 1.000 0.000 0.500 0.000 0.500 1.000 1.500 0.500 1.000 1.500 2.000 Kilde: Egne beregninger baseret på DREAM 2.500 Sanktionsrate Af figur 9 ses det, at der igen er en indikation af, at der er en exante effekt for de mandlige ledige, her dog forstået på den måde, at en højere sanktionsrate giver en højere exitrate over på kontanthjælp allerede inden, der er blevet givet sanktioner. Og i modsætning til situationen for kvinder i forhold til job, gives der her også en indikation af, at der også for kvinderne er en exante effekt angående skift til kontanthjælp. De positive hældninger er dog heller ikke her signifikante. Baggrunden for en mulig øget exitrate ud på kontanthjælp, inden de ledige får en sanktion, kunne være, at de svageste ledige ikke kan leve op til rådighedskravene. Som det blev set i analysen af de tidsvarierende effekter, kan der være ledige i dagpengesystemet, der ikke kræver så stort et skub inden de vælger kontanthjælp ud fra samme forklaring om, at der ved kommunens sagsbehandler foretages en vurdering af, om de ledige har andre problemer, der skal afhjælpes inden de kan forventes at stå til rådighed for arbejdsmarkedet. 7.5.3 Exante effekt af sanktioner for raten over på sygedagpenge I figur 10 nedenfor ses exante effekten i forhold til at den ledige skifter til sygedagpenge. 83

Resultater af estimeringer af effekten af sanktioner Figur 10: Exante effekt af sanktioner på exitraten fra dagpenge til sygedagpenge Sank mænd Sank kvinder Lineær (Sank mænd) Lineær (Sank kvinder) 2.000 1.500 Exitrate over på sygedagpenge 1.000 0.500 2.000 1.500 1.000 0.000 0.500 0.000 0.500 1.000 1.500 0.500 1.000 1.500 2.000 Kilde: Egne beregninger baseret på DREAM 2.500 Sanktionsrate Af figur 10 ses det, at graferne viser samme mønster, som det var tilfældet med skift til kontanthjælp, nemlig at en højere sanktionsrate exante giver indikation af en højere exitrate for de ledige over på sygedagpenge. Den positive hældning er igen ikke signifikant for kvinderne, men til gengæld er den i dette tilfælde signifikant hos mændene. Indikationen af en højere exit rate blot ved truslen om sanktionering kan ligge i, at de ledige, der til en vis grad er sygdomsramte eller stigmatiserede, vil skifte til sygedagpenge i kraft af, at der er konsekvens ved ikke at opfylde rådighedskravet. Denne forklaring er i tråd med forklaringen på de resultater, der tidligere blev analyseret for de tidsvarierende effekter, nemlig at de ledige, der ikke kræver så stort et skub for at søge mod sygedagpenge, i højere grad skifter, når de modtager en sanktion for ikke at stå til rådighed. 7.5.4 Opsamling af exante af sanktioner for job, kontanthjælp og sygedagpenge De tre ovenstående figurer giver således en indikation af, dog stadig med forbehold for de problemer, der kan være forbundet med metoden, og at kun hældningen for regression vedrørende sygedagpenge er signifikant positiv, at der kan være en exante effekt for mændene. Den lidt stærkere indikation af en exante effekt for mændene i forhold til kvinderne angående exitraten til 84

Resultater af estimeringer af effekten af sanktioner job kan måske give lidt af forklaringen på, at mændene reagerer i mindre udpræget grad expost end kvinderne, nemlig de allerede begynder at reagere blot ved truslen om en sanktion, mens kvinderne først reagerer, når de får en sanktion. De mønstre, der er tegnet af exante effekten i forhold til, at de ledige vælger at skifte til en anden form for understøttelse, er, at raten videre i systemet er højere, når der gives flere sanktioner. Der er således indikation af endnu en konsekvens exante af at gøre brug af overvågning og sanktionering. En fordel ved denne konsekvens kunne være, hvis de ledige der vælger at skifte til anden understøttelse, som udgangspunkt er placeret forkert i systemet, medvirker systemet til, at det ikke trækkes ud før, den ledige finder det sted i systemet, der er korrekt. Ulempen ved det, når de ledige der er med en analysen, alle starter ud som dagpengeberettigede, og dermed har været i kontakt med arbejdsmarkedet gennem en periode, er, at systemet dermed kan være medvirkende til, at nogle ledige afstår fra at forsøge at komme tilbage på arbejdsmarkedet tidligere i forløbet, end de ellers ville have gjort det. Det problem, der kan være forbundet med tidligere skift til anden understøttelse, er, at det kan give tab af arbejdskraft, der måske med lidt mere tid ville være vendt tilbage arbejdsmarkedet. 7.6 Opsummering af empiriske resultater Udgangspunktet for analysen var estimering af sanktionseffekten, hvor indikationen for en sanktion indgik som en eksogen variabel. Resultatet for både mænd og kvinder var, at der var en signifikant øget rate ud i job, men også over på kontanthjælp og sygedagpenge. Efterfølgende blev tiden indtil en sanktion modelleret simultant med tiden på dagpenge, hvilket havde til formål at gøre det muligt at skelne den selektion, der er forbundet med at modtage en sanktion, og den kausale effekt, der ønskes undersøgt. Sanktionseffekten for både mænd og kvinder angående raten ud i job viste sig at være kraftigere, når der blev taget hensyn til selektion. Raten over på kontanthjælp viste sig nu at være sænket signifikant for kvinder, mens den blev insignifikant hos mændene. Angående sygedagpenge forblev der en øget rate hos mændene, mens effekten hos kvinder nu ikke længere var tilstede. Analysen blev udvidet i form af at undersøge, om effekten af sanktioner var forskellig afhængig af strengheden deraf. Estimeringerne viste, at effekten af sanktioner var stærkere jo kraftigere sanktionen var i forhold til raten ud i job, og det var gældende hos både de ledige mænd og kvinder. Den sænkede rate over på kontanthjælp for kvinder, som der var blevet fundet, at sanktionerne gav anledning til, viste sig alene at være drevet at de korte sanktioner, mens den øgede rate over på sygedagpenge for mænd var drevet af de hårdere sanktioner. Den sidste udvidelse af analysen af expost effekten af sanktioner var, at undersøge om effekterne varierede over tid. 85

Resultater af estimeringer af effekten af sanktioner Effekten på raten ud i job for både mænd og kvinder var stærkest umiddelbart efter sanktionen, men forblev øget i hele perioden efter. Raterne ud på både kontanthjælp og sygedagpenge for både mænd og kvinder var i første omgang øget som konsekvens af sanktionen, men senere i perioden viste der sig en modsat effekt i form af en lavere rate. Afslutningsvis blev det vist, dog med væsentlige forbehold, at der for mændene er en vis indikation for exante effekt af sanktioner for de tre destinationer, mens der kun er en svag indikation af en sådan effekt for kvinderne, og kun i forhold til skift til kontanthjælp og sygedagpenge. 86

Konklusion 8 Konklusion Dette speciale har indeholdt en analyse af, hvilke effekter sanktioner giver anledning til angående den rate, hvormed de ledige finder job, og raterne hvormed de skifter til sygedagpenge og kontanthjælp. Resultaterne af de empiriske analyser, der blev fundet for sanktionseffekten på jobraten, var i høj grad i overensstemmelse med de tidligere undersøgelser på området, nemlig at raten ud i job øges som følge af en sanktion og at påvirkningen var større for sanktioner af mere streng karakter. Til gengæld blev det sandsynliggjort, at effekterne, Til gengæld blev der fundet at effekterne var aftagende over tid, men dog persistente i forhold til at forblive signifikante, hvilket afviger fra andre undersøgelser. I specialet var der fokus på en dybdegående analyse af, om sanktionerne også havde effekt på skift til kontanthjælp og sygedagpenge, hvilket ikke tidligere har været lavet indenfor området. Resultaterne af analysen var, at effekterne varierede over tid, således at raten over på de andre former for understøttelse blev øget for både mænd og kvinder indenfor kort tid efter sanktionen blev modtaget, mens der til gengæld var signifikant sænkede rater på længere sigt. Ud fra de teoretiske betragtninger var det yderst overraskende, at raten over på kontanthjælp blev øget som konsekvens af en sanktion, men en forklaring er, at de ledige der har andre problemer ikke nødvendigvis mødes med et rådighedskrav. Ligeledes var det også overraskende, at sanktionerne kunne give anledning til en lavere sandsynlighed for at skifte til sygedagpenge. Her kunne en mulig forklaring være, at øget søgeintensitet giver anledning til flere succesoplevelser, og dermed mindre modløshed. Den analyse, der blev foretaget gjorde det muligt at skelne mellem selektionseffekt og kausalitet af sanktionen, og denne opdeling viste, at der en høj grad af selektion. Analysen viste således en tendens til, at de ledige, der i forvejen har en lavere rate ud i job, er dem, der oftest sanktioneres, ligesom de ledige, der har en højere rate over på kontanthjælp og sygedagpenge også er dem, der sanktioneres oftest. Fremtidigt vil det være interessant at lave en tilsvarende analyse med mere information om de ledige i form af uddannelsesniveau og familiestatus. Ligesom det også vil give en bedre forståelse for effekterne af sanktioner, hvis analysen af exante effekten kunne udføres på et bedre datagrundlag. Desuden kunne det være interessant nærmere at belyse, om de ledige der skifter til kontanthjælp, er ledige der efterfølgende ikke vurderes arbejdsmarkedsparate. 87

Litteraturliste Litteraturliste Abbring, J., G. van den Berg og J. van Ours (2005), The effect of unemployment insurance sanctions on the transition rate from unemployment to employment, Economic Journal, 115, 602 630. Abbring, J. og G. van den Berg (2003), The nonparametric identification of threatment effects in duration models, Econometrica, 71, 14911517. Arbejdsdirektoratet (2006), Rådighedsstatistikken 2005 Rådigheden hos forsikrede ledige. Becker, Gary (1968), Crime and punishment: an economic approach, Journal of Political Economy, 76, 169217. Bewick V, L. Cheek og J. Bell (2004), Statistics review 12: Survival analysis, Critical Care, 2004, 8:389394. Boone, Jan, Fredrikson, Peter, Holmlund, Bertil, Van Ours, Jan C. (2002), Optimal unemployment insurance with monitoring and sanctions, IFAU, Working Paper, No. 2002:21. Dooley, D., J. Fielding og L. Levi (1996), Health and unemployment, Annual Review of Public Health, 17, 449465. Hasenfeld, Y., T. Ghose og K. Larson (2004), The logic of sanctioning welfare recipients: An empirical assessment, Social Service Review, juni, 304319. Henningsen, M. (2006), Moving between welfare payments. The case of sickness insurance for the unemployed, Memorandum no 4/2006, Department of Economics, University of Oslo. Jensen, P., M. Rosholm og M. Svarer (2003), The response of youth unemployment to benefits, incentives and sanctions, European Journal of Political Economy, 19, 301316. 88

Litteraturliste Lalive, R., J. van Ours og J. Zweimüller (2005), The effect of benefit sanctions on the duration of unemployment, Journal of the European Economic Association, 3(6), 132. Lov om aktiv socialpolitik, bekendtgørelse 13. august 2003 Lov om aktiv beskæftigelsesindsats, bekendtgørelse 13. august 2003 Lov om dagpenge ved sygdom og fødsel Mortensen, D. (1977), Unemployment insurance and the job search decisions, Industrial and Labor Relations Review, vol. 30, 505517. Munch, J. og L. Skipper (2007), Program Participation, Labor Force Dynamics and Accepted Wages, i Millimet, Dann et al.: Modelling and Evaluating Treatment Effects in Econometrics, Advanced Econometrics, 21(8). Rosholm, M. og M. Svarer, Estimating the Threat Effect of Active Labour Market Programmes, IZA 2004. Roshold, M. og O. Toomet, A search model of discouragement, IZA Discussion Paper, no. 1633, juni 2005. Røed K., og L. Westlie (2007), Unemployment insurance in welfare states: Soft constraints and mild sanctions, IZA Discussion Paper, no. 2877, juni 2007. Svarer, M. (2007), The effects for sanctions on the job finding rate, University of Aarhus, Working paper 200710 Svarer, M. (2007b), Marriage and Crime (under udarbejdelse) van den Berg, G., B. van der Klaauw and J. van Ours (2004), Punitive Sanctions and the Transition Rate from Welfare to Work, Journal of Labor Economics, 22, 211241. 89

Litteraturliste van den Berg (2005), Competing risks models, Working paper 2005:25, IFAU. Vismandsrapporten, forår (2007) Warr, P. (1987), Work, unemployment and mental health, Oxford University Press. Wooldridge, Jeffrey M, (2002), Econometric Analysis of cross section and panel data, MIT Press Internetsider: https://www.retsinformation.dk/forms/r0710.aspx?id=30148; SKR 9594 www.psykiatrifonden.dk/info/04_2005/hvaderstigmatisering.html www.aeldresagen.dk/medlemmer/raadgivning, særlige regler for personer over 55 år www.agenda.da.dk, nr. 1 17. januar 2008 www.dr.dk/nyheder/penge/2006/07/12/063240.htm 90

Bilagsoversigt Bilagsoversigt Bilag 1: Beskrivende statistik for den samlede danske arbejdsstyrke opdelt på mænd og kvinder. Bilag 2: Resultater fra estimering af sanktionseffekt uden hensyntagen til selektion for henholdsvis mænd og kvinder. Bilag 3: Resultater fra estimering af sanktionseffekt angående strenghed af sanktionen for henholdsvis mænd og kvinder. Bilag 4: Resultater fra estimering af variation af sanktionseffekt over tid for henholdsvis mænd og kvinder. Bilag 5: Bagved liggende tal for hver af de tre exante grafer for henholdsvis mænd og kvinder. 91

Bilagsoversigt Bilag 1 (s. 1 ud 2) Aldersfordeling i arbejdsstyrken i 2005 Alder Mænd Kvinder 2629 0.11 0.12 3039 0.28 0.29 4049 0.28 0.29 50 0.32 0.30 Andel indvandere/efterkommer i arbejdsstyrken i 2005 Mænd Kvinder Andel 0.071 0.066 Antal medlemmer fordelt på akasser, mænd januar 2005 2529 år 3039 år 4049 år 5066 år I alt Andel Faglig Fælles akasse (3F) 18162 51606 60282 61185 191235 0.19 Metalarbejdere 12039 28234 24172 26251 90696 0.09 Selvstændige Erhvervsdrivende (ASE) 2646 15929 23514 43746 85835 0.08 Kristelig akasse 8367 24372 17309 17494 67542 0.07 Handels og Kontorfunktionærer (HK) 9956 20092 14151 17787 61986 0.06 Ledere 1160 13837 19721 25385 60103 0.06 Funktionærer og Tjenestemænd (FTFA) 4509 15261 16751 20409 56930 0.06 Ingeniører (IAK) 4949 18525 15264 15446 54184 0.05 TræIndustriByg (TIB) 5641 11058 10485 11606 38790 0.04 Akademikere (AAK) 2633 10791 8534 9236 31194 0.03 Selvstændige (DANA) 1222 6352 7200 9557 24331 0.02 Lærere (DLFA) 1407 5363 5872 10251 22893 0.02 Magistre (MA) 1368 6994 5321 8373 22056 0.02 Business 1302 6974 6395 6908 21579 0.02 Elfaget 3047 7171 5669 5341 21228 0.02 Nærings og Nydelsesmiddelarbejdere (NNF) 2667 6647 5494 5267 20075 0.02 Fag og Arbejde (FOA) 826 3490 5944 8285 18545 0.02 Stats og Teleansatte (STA) 782 3387 6216 7746 18131 0.02 Funktionærer og Servicefag 1306 4387 5080 6377 17150 0.02 Teknikere 1302 4924 4502 5123 15851 0.02 Danske Lønmodtagere (DLA) 2099 5559 4006 2503 14167 0.01 ITfaget og Merkonomer (PROSA) 1455 3274 2616 2105 9450 0.01 Socialpædagoger (SLA) 388 2017 2704 2939 8048 0.01 Børne og Ungdomspædagoger (BUPLA) 669 2533 2500 2235 7937 0.01 Blik og Rør 1269 2533 1599 1654 7055 0.01 Malerfaget og Maritime 821 1955 1621 2591 6988 0.01 Frie Funktionærer (FFA) 506 2170 2075 2196 6947 0.01 Journalistik, Kommunikation og Sprog 500 2123 1989 1981 6593 0.01 RestaurationsBranchen 1217 1957 1077 839 5090 0.01 Pædagogmedhjælpere (PMFA) ( dec. 2005) 700 925 511 257 2393 0.00 Danske Sundhedsorganisationer (DSA) 148 519 831 674 2172 0.00 92

Bilagsoversigt I alt 1017174 1.00 Bilag 1 (s. 2 ud 2) Antal medlemmer fordelt på akasser, kvinder januar 2005 2529 år 3039 år 4049 år 5066 år I alt Andel Handels og Kontorfunktionærer (HK) 24250 64199 52805 64068 205322 0.20 Fag og Arbejde (FOA) 8958 30452 44237 47225 130872 0.13 Faglig Fælles akasse (3F) 8303 27798 29790 29548 95439 0.09 Funktionærer og Tjenestemænd (FTFA) 8622 24846 26866 26563 86897 0.08 Kristelig akasse 8092 23880 18060 21750 71782 0.07 Danske Sundhedsorganisationer (DSA) 5658 15903 18807 16541 56909 0.06 Lærere (DLFA) 5012 13451 12888 17985 49336 0.05 Børne og Ungdomspædagoger (BUPLA) 5001 14852 15947 12237 48037 0.05 Selvstændige Erhvervsdrivende (ASE) 1429 8266 11687 20601 41983 0.04 Akademikere (AAK) 4038 15334 9397 7139 35908 0.04 Socialpædagoger (SLA) 2314 6257 8413 6905 23889 0.02 Magistre (MA) 2287 9774 5394 5973 23428 0.02 Pædagogmedhjælpere (PMFA) ( dec. 2005) 2346 6298 5700 4835 19179 0.02 Ledere 604 4441 5120 4569 14734 0.01 Frie Funktionærer (FFA) 822 4009 4130 4620 13581 0.01 Teknikere 1287 4418 3928 3258 12891 0.01 Selvstændige (DANA) 585 3043 3614 4541 11783 0.01 Journalistik, Kommunikation og Sprog 1164 4194 3941 2310 11609 0.01 Nærings og Nydelsesmiddelarbejdere (NNF) 1428 3826 2780 2325 10359 0.01 Danske Lønmodtagere (DLA) 1600 3739 3015 1519 9873 0.01 Stats og Teleansatte (STA) 603 2539 3284 2798 9224 0.01 RestaurationsBranchen 1792 3203 2159 1594 8748 0.01 Ingeniører (IAK) 1292 4811 1699 513 8315 0.01 TræIndustriByg (TIB) 510 1809 1819 1378 5516 0.01 Funktionærer og Servicefag 696 1822 1198 954 4670 0.00 Business 367 1917 1152 511 3947 0.00 ITfaget og Merkonomer (PROSA) 142 1030 1535 1086 3793 0.00 Metalarbejdere 334 1089 836 591 2850 0.00 Malerfaget og Maritime 671 1122 500 151 2444 0.00 Elfaget 47 105 22 7 181 0.00 Blik og Rør 2 11 4 1 18 0.00 I alt 1023517 1.00 Kilde til tal i bilag 1: Danmarks Statistik 93

Bilagsoversigt Bilag 2.1 : Resultater for exitraten ud af dagpenge, kvinder Basis model (her tages ikke hensyn til selektion) Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion 0.329 0.031 0.671 0.249 0.611 0.101 Alder 3039 0.079 0.013 0.085 0.132 0.021 0.054 Alder 4049 0.013 0.014 0.229 0.143 0.299 0.056 Alder 50 og over 0.327 0.014 1.609 0.196 0.092 0.057 Single 0.012 0.009 0.505 0.098 0.059 0.035 Immigrant, udviklet land 0.092 0.020 0.330 0.197 0.064 0.072 Immigrant, mindre udviklet land 0.173 0.019 0.792 0.146 0.154 0.061 År, 2004 0.119 0.009 0.470 0.116 0.354 0.036 År, 2005 0.425 0.025 1.043 0.436 0.914 0.075 Antal led.per. sidste år 0.060 0.008 0.002 0.104 0.027 0.032 Antal led.per. forrige år 0.054 0.005 0.128 0.071 0.022 0.021 Ancinnitet i off.forsørgelse 0.133 0.008 0.590 0.065 0.057 0.024 Gens. led. i akasse 0.027 0.004 0.112 0.050 0.024 0.016 Deltagelse i ALMP: Privat jobtræning 0.027 0.050 0.517 0.596 0.492 0.126 Offentling jobtræning 0.530 0.040 0.102 0.227 0.454 0.080 Uddannelse 0.936 0.030 1.618 0.304 0.021 0.068 Anden form for ALMP 0.493 0.042 0.078 0.323 0.551 0.096 Tidligere deltaget i ALMP: Privat jobtræning 0.286 0.056 0.196 0.534 0.395 0.198 Offentling jobtræning 0.128 0.044 0.317 0.265 0.151 0.113 Uddannelse 0.093 0.019 0.211 0.152 0.074 0.059 Anden form for ALMP 0.122 0.018 0.273 0.160 0.115 0.061 Akasse Magistre 0.288 0.037 0.776 0.543 0.950 0.193 Økonomer 0.046 0.044 0.679 0.761 0.900 0.265 Akademikere 0.115 0.026 1.301 0.400 0.946 0.175 Ingeniører 0.042 0.052 0.384 0.626 1.096 0.367 Journalister 0.165 0.040 0.391 0.650 0.890 0.243 Sælger 0.141 0.081 0.250 6.998 0.798 0.520 IT og merkonomer 0.271 0.090 0.250 4.826 0.286 0.370 HK 0.284 0.020 0.270 0.234 0.182 0.085 Lærerne 0.101 0.034 1.381 0.453 0.121 0.146 Stat og tele 0.154 0.063 0.209 0.646 0.504 0.205 Pædagogmedhjælpere 0.485 0.040 0.455 0.435 0.420 0.151 Specialarbejderforbundet 0.183 0.037 0.812 0.455 0.664 0.143 Funktionærer og servicefag 0.219 0.065 0.116 0.755 0.144 0.245 Frie lønmodtagere 0.142 0.043 0.379 0.621 0.148 0.186 Lønmodagerne 0.106 0.051 0.098 0.445 0.224 0.222 Socialpædagoger 0.004 0.031 1.232 0.612 0.314 0.131 Teknikere 0.357 0.046 0.129 0.573 0.006 0.192 Lederne 0.021 0.049 0.540 0.755 0.535 0.224 BUPL 0.062 0.026 0.867 0.301 0.419 0.105 Nærings og nydelsesmiddel 0.228 0.043 0.964 0.438 0.571 0.165 Træ, industri og byg 0.123 0.050 0.528 0.557 0.356 0.217 94

Bilagsoversigt Sygeplejersker 0.673 0.040 1.075 0.444 0.412 0.192 Offentlig ansatte 0.112 0.022 0.255 0.230 0.412 0.086 Metal 0.379 0.080 0.665 0.503 0.412 0.257 Selvstændige erhvervsdrivende 0.399 0.033 0.398 0.343 0.181 0.116 Kristlig 0.358 0.029 0.070 0.339 0.425 0.115 DANAselvstændige 0.286 0.056 0.340 0.386 0.559 0.163 Restaurationsbranchen 0.432 0.056 1.670 0.587 0.672 0.204 Maler og maritim 0.467 0.057 0.376 0.592 1.402 0.216 Ikke oplyst 0.017 0.109 0.139 0.465 0.924 0.734 Baseline hazarder: 414 4.152 0.269 7.087 0.750 6.715 0.454 1440 3.899 0.269 6.186 0.755 5.968 0.456 40 4.954 0.269 6.221 0.759 6.374 0.459 v job 0.4138 v kontanthjælp 3.0241 v sygedagpenge 1.3882 P(v j =v j 1,v k =v k 1, sy =v sy 1,v s =v s 1) 0.189 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.811 Antal observationer 354386 Bemærk: Markede koefficienter betyder at de er signifikante på et 5% niveau 95

Bilagsoversigt Bilag 2.2 : Resultater for exitraten ud af dagpenge, mænd Basis model Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion 0.412 0.020 0.715 0.189 0.718 0.085 Alder 3039 0.079 0.012 0.014 0.131 0.143 0.063 Alder 4049 0.158 0.013 0.061 0.135 0.308 0.065 Alder 50 og over 0.439 0.013 1.252 0.162 0.267 0.065 Single 0.158 0.008 0.163 0.095 0.059 0.037 Immigrant, udviklet land 0.209 0.018 0.063 0.186 0.079 0.073 Immigrant, mindre udviklet land 0.450 0.018 0.802 0.113 0.044 0.066 År, 2004 0.068 0.008 0.319 0.102 0.251 0.038 År, 2005 0.179 0.027 0.603 0.363 0.462 0.115 Antal led.per. sidste år 0.051 0.008 0.129 0.094 0.029 0.035 Antal led.per. forrige år 0.045 0.005 0.097 0.058 0.050 0.021 Ancinnitet i off.forsørgelse 0.357 0.010 0.558 0.058 0.004 0.033 Gens. led. i akasse 0.115 0.017 0.258 0.209 0.161 0.073 Deltagelse i ALMP: Privat jobtræning 0.170 0.036 0.712 0.322 0.035 0.118 Offentling jobtræning 0.640 0.052 0.042 0.239 0.314 0.113 Uddannelse 0.692 0.027 0.603 0.209 0.027 0.083 Anden form for ALMP 0.358 0.037 0.128 0.314 0.455 0.112 Tidligere deltaget i ALMP: Privat jobtræning 0.207 0.040 0.422 0.331 0.438 0.163 Offentling jobtræning 0.274 0.059 0.949 0.239 0.245 0.154 Uddannelse 0.072 0.017 0.254 0.129 0.039 0.065 Anden form for ALMP 0.186 0.018 0.034 0.166 0.045 0.073 Akasse Magistre 0.144 0.045 0.390 0.548 1.174 0.249 Økonomer 0.282 0.042 1.161 7.553 2.013 0.361 Akademikere 0.288 0.035 1.316 0.515 1.315 0.216 Ingeniører 0.416 0.039 1.989 0.607 1.697 0.229 Journalister 0.065 0.062 0.167 1.178 1.085 0.459 Sælger 0.390 0.049 0.951 0.655 1.072 0.240 Elektrikere 0.045 0.044 0.315 0.535 0.059 0.194 IT og merkonomer 0.279 0.062 0.076 0.708 1.071 0.347 Funktionærer og tjenestemænd 0.325 0.035 1.069 0.434 1.073 0.171 HK 0.198 0.033 0.287 0.385 0.217 0.145 Lærerne 0.541 0.077 1.101 0.919 0.806 0.338 Stat og tele 0.839 0.083 0.869 1.116 1.341 0.369 Pædagogmedhjælpere 0.084 0.117 0.427 1.173 1.201 0.437 Specialarbejderforbundet 0.491 0.054 1.082 0.645 0.804 0.228 Blik og rørarbejdere 0.280 0.043 0.143 0.615 0.881 0.168 Funktionærer og servicefag 0.212 0.038 0.176 0.344 0.188 0.162 Frie lønmodtagere 0.424 0.066 0.248 0.781 0.940 0.330 Lønmodagerne 0.445 0.065 1.000 0.919 0.567 0.299 Socialpædagoger 0.378 0.059 0.532 0.820 0.123 0.225 Teknikere 0.250 0.042 0.065 0.387 0.526 0.193 Lederne 0.580 0.057 1.886 0.807 0.965 0.247 BUPL 0.473 0.068 0.495 0.768 0.103 0.244 Nærings og nydelsesmiddel 0.211 0.032 0.522 0.279 0.330 0.124 Træ, industri og byg 0.379 0.022 0.333 0.305 0.610 0.099 Sygeplejersker 0.280 0.233 0.154 8.951 0.033 0.832 Offentlig ansatte 0.611 0.058 0.542 0.585 0.259 0.201 Selvstændige erhvervsdrivende 0.757 0.068 1.619 0.829 0.734 0.282 96

Bilagsoversigt Kristlig 0.012 0.028 0.401 0.295 0.203 0.122 DANAselvstændige 0.521 0.054 0.059 0.491 0.369 0.208 Restaurationsbranchen 1.067 0.177 1.730 2.099 1.586 0.750 Maler og maritim 0.599 0.049 1.311 0.551 0.925 0.213 Ikke oplyst 1.000 0.167 0.056 1.355 1.117 0.760 Baseline hazarder: 414 2.463 0.226 6.938 1.811 6.279 0.950 1440 2.194 0.226 6.002 1.809 5.449 0.952 40 3.397 0.226 6.145 1.812 5.951 0.952 v job 0.1534 v kontanthjælp 2.2989 v sygedagpenge 1.2128 P(v j =v j 1,v k =v k 1, sy =v sy 1,v s =v s 1) 0.7059 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.2941 Antal spells 285707 Bemærk: Markede koefficienter betyder at de er signifikante på et 5% niveau 97

Bilagsoversigt Bilag 3.1 : Resultater for exitraten ud af dagpenge med effekt af de forskellige sanktioner, kvinder Timingofevents model Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktionstype 23 dage 0.837 0.066 1.167 0.341 0.003 0.165 3 uger 1.279 0.103 0.210 0.529 0.742 0.252 Alder 3039 0.079 0.013 0.140 0.133 0.051 0.053 0.143 0.065 Alder 4049 0.012 0.014 0.073 0.145 0.306 0.054 0.541 0.077 Alder 50 og over 0.328 0.015 1.330 0.199 0.116 0.056 0.973 0.087 Single 0.011 0.009 0.428 0.100 0.064 0.034 0.313 0.052 Immigrant, udviklet land 0.098 0.020 0.383 0.201 0.049 0.071 0.440 0.099 Immigrant, mindre udviklet land 0.185 0.020 0.909 0.155 0.148 0.060 0.870 0.085 År, 2004 0.125 0.009 0.309 0.117 0.352 0.035 0.071 0.054 År, 2005 0.428 0.025 0.973 0.437 0.945 0.074 0.399 0.099 Antal led.per. sidste år 0.059 0.008 0.041 0.106 0.024 0.031 0.060 0.049 Antal led.per. forrige år 0.055 0.005 0.118 0.072 0.020 0.020 0.039 0.033 Ancinnitet i off.forsørgelse 0.134 0.008 0.576 0.064 0.051 0.023 0.075 0.045 Gens. led. i akasse 0.029 0.004 0.105 0.051 0.008 0.016 0.051 0.029 Deltagelse i ALMP: Privat jobtræning 0.023 0.050 0.630 0.628 0.462 0.125 0.248 0.309 Offentling jobtræning 0.549 0.041 0.027 0.227 0.438 0.079 0.077 0.202 Uddannelse 0.941 0.030 1.648 0.305 0.034 0.067 0.212 0.126 Anden form for ALMP 0.488 0.042 0.082 0.325 0.563 0.096 0.682 0.273 Tidligere deltaget i ALMP: Privat jobtræning 0.284 0.057 0.219 0.546 0.339 0.196 0.373 0.330 Offentling jobtræning 0.137 0.045 0.261 0.267 0.154 0.112 0.127 0.262 Uddannelse 0.091 0.019 0.157 0.154 0.082 0.059 0.059 0.114 Anden form for ALMP 0.120 0.018 0.152 0.161 0.117 0.060 0.473 0.126 Akasse Magistre 0.315 0.037 1.078 0.549 0.927 0.190 0.532 0.250 Økonomer 0.057 0.045 0.790 0.768 0.821 0.263 1.340 0.373 Akademikere 0.121 0.027 1.264 0.405 0.776 0.173 0.452 0.173 Ingeniører 0.055 0.053 0.405 0.633 1.171 0.365 0.806 0.358 Journalister 0.154 0.041 0.578 0.657 0.806 0.240 1.761 0.529 Sælger 0.140 0.082 0.364 6.978 0.978 0.512 0.046 0.414 IT og merkonomer 0.291 0.093 0.350 5.809 0.322 0.368 0.244 0.442 HK 0.292 0.020 0.306 0.238 0.212 0.083 0.003 0.118 Lærerne 0.091 0.034 1.081 0.460 0.104 0.143 0.199 0.206 Stat og tele 0.118 0.063 0.113 0.664 0.619 0.199 0.011 0.348 Pædagogmedhjælpere 0.486 0.041 0.322 0.441 0.327 0.148 0.016 0.255 Specialarbejderforbundet 0.191 0.038 0.836 0.463 0.576 0.140 0.259 0.238 Funktionærer og servicefag 0.200 0.066 0.179 0.768 0.199 0.241 0.574 0.299 Frie lønmodtagere 0.145 0.043 0.442 0.629 0.044 0.183 0.274 0.278 Lønmodagerne 0.103 0.052 0.123 0.460 0.037 0.219 0.015 0.272 Socialpædagoger 0.005 0.032 1.310 0.616 0.314 0.128 0.136 0.193 Teknikere 0.358 0.047 0.284 0.582 0.084 0.188 0.003 0.283 Lederne 0.041 0.050 0.516 0.773 0.340 0.221 0.692 0.226 BUPL 0.073 0.027 0.488 0.308 0.497 0.103 0.349 0.163 Nærings og nydelsesmiddel 0.231 0.044 0.997 0.450 0.497 0.161 0.457 0.259 Træ, industri og byg 0.122 0.051 0.564 0.573 0.217 0.212 0.177 0.346 Sygeplejersker 0.690 0.042 0.577 0.450 0.543 0.190 1.035 0.336 Offentlig ansatte 0.111 0.022 0.147 0.234 0.803 0.084 0.280 0.120 Metal 0.398 0.082 0.935 0.517 0.867 0.246 0.900 0.343 Selvstændige erhvervsdrivende 0.400 0.033 0.104 0.347 0.239 0.114 0.495 0.152 98

Bilagsoversigt Kristlig 0.370 0.030 0.030 0.345 0.388 0.113 0.577 0.179 DANAselvstændige 0.300 0.057 0.580 0.396 0.483 0.160 0.504 0.223 Restaurationsbranchen 0.460 0.057 1.429 0.596 0.547 0.199 0.813 0.335 Maler og maritim 0.465 0.059 0.517 0.602 1.440 0.208 0.081 0.440 Ikke oplyst 0.033 0.111 0.519 0.477 0.944 0.729 0.454 0.563 Baseline hazarder: 414 5.026 0.146 6.557 0.411 7.116 0.223 4.738 0.250 1440 4.762 0.146 5.744 0.419 6.343 0.220 4.656 0.256 40 5.811 0.146 5.738 0.419 6.752 0.217 5.851 0.266 v job 1.2674 v kontanthjælp 2.9307 v sygedagpenge 0.7664 v s 2.4997 P(v j =v j 1,v k =v k 1, sy =v sy 1,v s =v s 1) 0.0709 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.9291 Antal observationer 354386 Bemærk: Markede koefficienter betyder at de er signifikante på et 5% niveau 99

Bilagsoversigt Bilag 3.2 : Resultater for exitraten ud af dagpenge med tidsvariende effekt af en sanktion, mænd Timingofevents model Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktionstype 23 dage 0.535 0.037 0.065 0.252 0.155 0.121 3 uger 0.892 0.061 0.624 0.388 0.878 0.207 Alder 3039 0.078 0.013 0.085 0.134 0.154 0.065 0.274 0.047 Alder 4049 0.159 0.014 0.072 0.139 0.309 0.066 0.718 0.054 Alder 50 og over 0.446 0.014 1.127 0.164 0.286 0.066 1.343 0.062 Single 0.163 0.008 0.086 0.097 0.087 0.038 0.382 0.039 Immigrant, udviklet land 0.217 0.019 0.109 0.190 0.124 0.076 0.198 0.076 Immigrant, mindre udviklet land 0.466 0.018 0.887 0.120 0.020 0.068 0.392 0.060 År, 2004 0.075 0.009 0.272 0.104 0.285 0.039 0.006 0.038 År, 2005 0.201 0.028 0.485 0.367 0.570 0.117 0.378 0.098 Antal led.per. sidste år 0.048 0.008 0.123 0.096 0.009 0.036 0.123 0.039 Antal led.per. forrige år 0.046 0.005 0.083 0.060 0.044 0.022 0.030 0.024 Ancinnitet i off.forsørgelse 0.361 0.010 0.643 0.060 0.026 0.034 0.161 0.044 Gens. led. i akasse 0.125 0.018 0.208 0.213 0.138 0.074 0.031 0.069 Deltagelse i ALMP: Privat jobtræning 0.177 0.036 0.662 0.325 0.091 0.119 0.161 0.142 Offentling jobtræning 0.636 0.052 0.060 0.241 0.322 0.114 0.080 0.186 Uddannelse 0.685 0.027 0.533 0.212 0.031 0.084 0.481 0.112 Anden form for ALMP 0.336 0.037 0.124 0.316 0.437 0.112 0.684 0.208 Tidligere deltaget i ALMP: Privat jobtræning 0.228 0.040 0.435 0.334 0.357 0.165 0.216 0.208 Offentling jobtræning 0.258 0.059 0.890 0.245 0.186 0.156 0.150 0.251 Uddannelse 0.068 0.017 0.232 0.131 0.003 0.065 0.005 0.077 Anden form for ALMP 0.184 0.018 0.052 0.168 0.047 0.073 0.257 0.085 Akasse Magistre 0.120 0.046 0.447 0.556 1.075 0.252 1.346 0.217 Økonomer 0.284 0.045 1.224 8.379 1.956 0.362 1.804 0.263 Akademikere 0.293 0.036 1.308 0.519 1.213 0.218 1.028 0.165 Ingeniører 0.432 0.040 1.933 0.614 1.597 0.231 1.007 0.171 Journalister 0.086 0.064 0.221 1.211 1.135 0.466 0.936 0.330 Sælger 0.415 0.050 0.937 0.662 0.967 0.244 0.830 0.247 Elektrikere 0.059 0.046 0.285 0.544 0.069 0.199 0.509 0.209 IT og merkonomer 0.257 0.064 0.100 0.731 1.055 0.352 0.265 0.218 Funktionærer og tjenestemænd 0.339 0.035 0.987 0.442 1.049 0.173 0.299 0.142 HK 0.188 0.034 0.317 0.392 0.281 0.148 0.327 0.132 Lærerne 0.598 0.079 1.037 0.934 0.693 0.344 0.554 0.333 Stat og tele 0.886 0.085 0.829 1.144 1.185 0.375 0.885 0.401 Pædagogmedhjælpere 0.095 0.120 0.447 1.205 1.130 0.447 0.076 0.443 Specialarbejderforbundet 0.528 0.055 0.909 0.656 0.704 0.232 0.192 0.217 Blik og rørarbejdere 0.284 0.045 0.144 0.628 0.812 0.175 0.227 0.216 Funktionærer og servicefag 0.221 0.039 0.166 0.351 0.142 0.166 0.197 0.151 Frie lønmodtagere 0.441 0.067 0.250 0.800 0.875 0.335 0.128 0.266 Lønmodagerne 0.480 0.066 0.966 0.930 0.475 0.304 0.215 0.252 Socialpædagoger 0.392 0.061 0.533 0.830 0.172 0.232 0.284 0.261 Teknikere 0.253 0.043 0.041 0.396 0.437 0.197 0.203 0.158 Lederne 0.620 0.059 1.779 0.816 0.872 0.251 0.245 0.232 BUPL 0.499 0.070 0.485 0.781 0.168 0.251 0.055 0.247 Nærings og nydelsesmiddel 0.208 0.033 0.492 0.289 0.284 0.127 0.133 0.126 Træ, industri og byg 0.397 0.023 0.198 0.311 0.527 0.102 0.124 0.103 Sygeplejersker 0.358 0.247 0.151 10.624 0.008 1.177 0.113 1.502 100

Bilagsoversigt Offentlig ansatte 0.644 0.060 0.469 0.596 0.340 0.206 0.087 0.209 Selvstændige erhvervsdrivende 0.790 0.069 1.393 0.842 0.564 0.286 0.002 0.264 Kristlig 0.021 0.029 0.451 0.301 0.160 0.125 0.200 0.113 DANAselvstændige 0.552 0.055 0.013 0.502 0.316 0.212 0.194 0.184 Restaurationsbranchen 1.156 0.181 1.743 2.134 1.320 0.763 0.507 0.696 Maler og maritim 0.630 0.051 1.345 0.560 0.889 0.218 0.324 0.201 Ikke oplyst 1.050 0.169 0.169 1.379 1.039 0.778 1.116 0.744 Baseline hazarder: 414 2.742 0.146 6.660 1.381 5.829 0.501 5.019 0.473 1440 2.448 0.146 5.797 1.381 5.077 0.502 4.839 0.473 40 3.654 0.145 5.940 1.383 5.563 0.503 5.854 0.473 v job 0.5073 v kontanthjælp 2.4512 v sygedagpenge 1.5651 v s 1.1016 P(v j =v j 1,v k =v k 1, sy =v sy 1,v s =v s 1) 0.2653 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.7347 Antal spells Bemærk: Markede koefficienter betyder at de er signifikante på et 5% niveau 101

Bilagsoversigt Bilag 4.1: Resultater for exitraten ud af dagpenge med tidsvariende effekt af en sanktion, kvinder Timingofevents model Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion: Uger siden sanktion Indtil 4 uger 1.713 0.071 0.918 0.460 1.291 0.209 413 uger 0.570 0.088 1.015 0.786 0.306 0.288 Mere end 13 uger 0.636 0.091 2.431 0.764 0.525 0.236 Alder 3039 0.080 0.013 0.126 0.135 0.071 0.053 0.152 0.065 Alder 4049 0.012 0.014 0.102 0.147 0.319 0.054 0.537 0.077 Alder 50 og over 0.329 0.015 1.566 0.199 0.139 0.056 1.002 0.086 Single 0.012 0.009 0.428 0.100 0.065 0.034 0.298 0.052 Immigrant, udviklet land 0.097 0.020 0.266 0.203 0.069 0.071 0.449 0.098 Immigrant, mindre udviklet land 0.184 0.020 0.923 0.156 0.149 0.060 0.808 0.084 År, 2004 0.125 0.009 0.423 0.117 0.347 0.036 0.078 0.054 År, 2005 0.427 0.025 1.056 0.437 0.950 0.075 0.355 0.098 Antal led.per. sidste år 0.059 0.008 0.010 0.106 0.027 0.031 0.065 0.049 Antal led.per. forrige år 0.055 0.005 0.151 0.072 0.023 0.020 0.038 0.033 Ancinnitet i off.forsørgelse 0.135 0.008 0.593 0.065 0.054 0.023 0.065 0.044 Gens. led. i akasse 0.030 0.004 0.098 0.051 0.006 0.016 0.059 0.029 Deltagelse i ALMP: Privat jobtræning 0.019 0.050 0.776 0.621 0.498 0.125 0.273 0.306 Offentling jobtræning 0.534 0.041 0.062 0.232 0.456 0.079 0.089 0.202 Uddannelse 0.480 0.041 1.608 0.309 0.027 0.068 0.219 0.126 Anden form for ALMP 0.924 0.030 0.097 0.335 0.569 0.096 0.672 0.272 Tidligere deltaget i ALMP: Privat jobtræning 0.282 0.057 0.330 0.543 0.350 0.196 0.439 0.331 Offentling jobtræning 0.116 0.044 0.316 0.268 0.148 0.113 0.125 0.260 Uddannelse 0.089 0.019 0.188 0.154 0.110 0.059 0.065 0.113 Anden form for ALMP 0.116 0.018 0.158 0.163 0.123 0.061 0.467 0.126 Akasse Magistre 0.315 0.037 1.265 0.548 1.057 0.191 0.568 0.249 Økonomer 0.051 0.045 1.057 0.766 0.665 0.263 1.451 0.373 Akademikere 0.110 0.027 1.245 0.403 0.814 0.173 0.581 0.172 Ingeniører 0.058 0.053 0.542 0.628 1.157 0.365 0.881 0.356 Journalister 0.174 0.041 0.799 0.654 0.745 0.240 2.058 0.526 Sælger 0.131 0.084 0.540 10.345 1.143 0.515 0.047 0.390 IT og merkonomer 0.279 0.092 0.545 7.151 0.303 0.367 0.292 0.429 HK 0.293 0.020 0.199 0.239 0.202 0.083 0.010 0.118 Lærerne 0.106 0.034 0.960 0.460 0.177 0.144 0.307 0.205 Stat og tele 0.112 0.063 0.107 0.656 0.728 0.198 0.046 0.347 Pædagogmedhjælpere 0.487 0.041 0.357 0.440 0.280 0.149 0.000 0.253 Specialarbejderforbundet 0.198 0.038 0.785 0.463 0.513 0.141 0.304 0.236 Funktionærer og servicefag 0.203 0.065 0.246 0.764 0.289 0.241 0.573 0.293 Frie lønmodtagere 0.144 0.043 0.590 0.625 0.011 0.183 0.251 0.277 Lønmodagerne 0.116 0.052 0.240 0.455 0.189 0.219 0.014 0.271 Socialpædagoger 0.004 0.032 1.561 0.616 0.371 0.129 0.218 0.192 Teknikere 0.376 0.047 0.389 0.580 0.151 0.189 0.016 0.282 Lederne 0.046 0.050 0.648 0.764 0.072 0.221 0.577 0.225 BUPL 0.057 0.027 0.445 0.311 0.559 0.103 0.425 0.162 Nærings og nydelsesmiddel 0.234 0.044 1.102 0.450 0.468 0.162 0.457 0.257 Træ, industri og byg 0.123 0.050 0.759 0.571 0.090 0.213 0.178 0.341 Sygeplejersker 0.703 0.042 0.071 0.451 0.598 0.190 0.973 0.335 Offentlig ansatte 0.108 0.022 0.196 0.235 0.872 0.084 0.263 0.119 Metal 0.388 0.081 1.366 0.531 0.789 0.248 1.054 0.342 102

Bilagsoversigt Selvstændige erhvervsdrivende 0.391 0.033 0.016 0.352 0.251 0.115 0.428 0.150 Kristlig 0.373 0.029 0.033 0.348 0.389 0.113 0.616 0.178 DANAselvstændige 0.301 0.057 0.827 0.401 0.541 0.160 0.440 0.221 Restaurationsbranchen 0.459 0.057 1.364 0.598 0.451 0.200 0.909 0.333 Maler og maritim 0.454 0.059 0.771 0.600 1.237 0.210 0.090 0.440 Ikke oplyst 0.036 0.110 1.205 0.479 0.976 0.731 0.515 0.559 Baseline hazarder: 414 4.6341 0.1534 6.890 0.424 7.355 0.220 4.949 0.280 1440 4.3622 0.1539 6.016 0.433 6.575 0.216 4.887 0.284 40 5.4216 0.1539 6.047 0.432 7.001 0.214 6.071 0.292 v job 0.8797 v kontanthjælp 2.9098 v sygedagpenge 0.6911 v s 2.3287 P(v j =v j 1,v k =v k 1, sy =v sy 1,v s =v s 1) 0.1246681 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.8753319 Antal observationer 353285 Bemærk: Markede koefficienter betyder at de er signifikante på et 5% niveau 103

Bilagsoversigt Bilag 4.2 : Resultater for exitraten ud af dagpenge med tidsvariende effekt af en sanktion, mænd Timingofevents model Exitrate, job Exitrate kontanthj. Exitrate sygedagp. Sanktionsrate Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Koeff. Std.afv Sanktion: Uger siden sanktion Indtil 4 uger 1.219 0.042 0.814 0.450 1.140 0.162 413 uger 0.443 0.048 0.619 0.332 0.244 0.219 Mere end 13 uger 0.473 0.053 1.075 0.541 0.345 0.179 Alder 3039 0.079 0.013 0.043 0.134 0.120 0.065 0.285 0.047 Alder 4049 0.159 0.013 0.001 0.139 0.264 0.067 0.724 0.054 Alder 50 og over 0.446 0.014 1.159 0.164 0.243 0.067 1.359 0.062 Single 0.164 0.008 0.088 0.097 0.079 0.038 0.357 0.039 Immigrant, udviklet land 0.216 0.019 0.094 0.188 0.109 0.076 0.190 0.076 Immigrant, mindre udviklet land 0.465 0.018 0.759 0.118 0.003 0.069 0.386 0.060 År, 2004 0.074 0.009 0.321 0.103 0.274 0.039 0.017 0.038 År, 2005 0.200 0.028 0.432 0.367 0.512 0.117 0.401 0.098 Antal led.per. sidste år 0.048 0.008 0.110 0.096 0.023 0.036 0.106 0.039 Antal led.per. forrige år 0.045 0.005 0.074 0.059 0.054 0.022 0.019 0.024 Ancinnitet i off.forsørgelse 0.361 0.010 0.612 0.059 0.033 0.035 0.165 0.044 Gens. led. i akasse 0.127 0.018 0.215 0.212 0.136 0.074 0.031 0.069 Deltagelse i ALMP: Privat jobtræning 0.165 0.036 0.726 0.334 0.124 0.121 0.154 0.141 Offentling jobtræning 0.648 0.052 0.060 0.240 0.285 0.117 0.093 0.186 Uddannelse 0.670 0.027 0.523 0.222 0.026 0.085 0.434 0.112 Anden form for ALMP 0.334 0.037 0.118 0.316 0.403 0.114 0.632 0.208 Tidligere deltaget i ALMP: Privat jobtræning 0.670 0.027 0.573 0.333 0.408 0.168 0.196 0.208 Offentling jobtræning 0.216 0.041 0.918 0.244 0.267 0.157 0.144 0.250 Uddannelse 0.067 0.017 0.235 0.133 0.017 0.066 0.011 0.078 Anden form for ALMP 0.179 0.018 0.026 0.168 0.064 0.074 0.275 0.085 Akasse Magistre 0.135 0.046 0.506 0.554 0.977 0.252 1.398 0.217 Økonomer 0.285 0.044 1.387 9.801 1.961 0.362 1.760 0.262 Akademikere 0.294 0.035 1.375 0.518 1.202 0.218 1.087 0.166 Ingeniører 0.443 0.040 2.000 0.612 1.659 0.231 0.948 0.171 Journalister 0.095 0.064 0.285 1.197 1.184 0.466 0.950 0.331 Sælger 0.420 0.050 1.006 0.661 0.942 0.244 0.833 0.247 Elektrikere 0.059 0.045 0.289 0.541 0.022 0.199 0.554 0.209 IT og merkonomer 0.268 0.063 0.312 0.806 1.042 0.352 0.295 0.218 Funktionærer og tjenestemænd 0.349 0.035 0.955 0.439 1.067 0.173 0.296 0.142 HK 0.190 0.034 0.312 0.391 0.272 0.149 0.338 0.132 Lærerne 0.598 0.078 1.224 0.968 0.703 0.344 0.564 0.333 Stat og tele 0.895 0.085 0.911 1.131 1.134 0.375 0.906 0.401 Pædagogmedhjælpere 0.092 0.120 0.515 1.195 1.087 0.447 0.163 0.444 Specialarbejderforbundet 0.528 0.055 0.929 0.654 0.693 0.232 0.224 0.217 Blik og rørarbejdere 0.287 0.044 0.160 0.624 0.774 0.174 0.257 0.216 Funktionærer og servicefag 0.220 0.038 0.185 0.349 0.205 0.167 0.217 0.151 Frie lønmodtagere 0.441 0.067 0.303 0.817 0.852 0.335 0.170 0.267 Lønmodagerne 0.490 0.066 1.047 0.928 0.509 0.304 0.262 0.252 Socialpædagoger 0.398 0.061 0.615 0.829 0.132 0.232 0.307 0.261 Teknikere 0.253 0.043 0.001 0.393 0.414 0.198 0.226 0.158 Lederne 0.633 0.058 1.869 0.814 0.872 0.251 0.234 0.233 BUPL 0.500 0.069 0.546 0.777 0.126 0.251 0.100 0.248 Nærings og nydelsesmiddel 0.216 0.033 0.428 0.284 0.186 0.128 0.120 0.126 Træ, industri og byg 0.391 0.023 0.136 0.309 0.527 0.102 0.136 0.103 104

Bilagsoversigt Sygeplejersker 0.400 0.243 0.181 10.846 0.007 1.173 0.148 1.507 Offentlig ansatte 0.647 0.059 0.519 0.596 0.270 0.206 0.056 0.209 Selvstændige erhvervsdrivende 0.806 0.069 1.362 0.839 0.603 0.287 0.025 0.264 Kristlig 0.021 0.029 0.546 0.302 0.169 0.125 0.122 0.114 DANAselvstændige 0.563 0.055 0.019 0.500 0.392 0.212 0.190 0.184 Restaurationsbranchen 1.175 0.180 1.875 2.126 1.400 0.765 0.475 0.697 Maler og maritim 0.635 0.050 1.468 0.558 0.936 0.218 0.350 0.202 Ikke oplyst 1.030 0.167 0.301 1.374 1.112 0.776 1.232 0.745 Baseline hazarder: 414 2.593 0.141 6.871 1.380 5.979 0.507 5.083 0.479 1440 2.291 0.141 5.937 1.380 5.194 0.508 4.885 0.478 40 3.513 0.141 6.090 1.382 5.706 0.509 5.903 0.478 v job 0.3994 v kontanthjælp 2.37 v sygedagpenge 1.7244 v s 1.2476 P(v j =v j 1,v k =v k 1, sy =v sy 1,v s =v s 1) 0.6590209 P(v j =v j 2,v k =v k 2, sy =v sy 2,v s =v s 2) 0.3409791 Antal observationer 285082 Bemærk: Markede koefficienter betyder at de er signifikante på et 5% niveau 105

Bilagsoversigt Bilag 5.1: DATA EXANTE EFFEKT, KVINDER, JOB Akasse Sanktionsrate Exitrate Exitratehat uhat uhat^2 Magistre 0.53 0.31 0.04 0.27 0.07 Økonomer 1.33 0.06 0.11 0.17 0.03 Akademikere 0.46 0.12 0.06 0.18 0.03 Ingeniører 0.80 0.06 0.01 0.06 0.00 Journalister 1.75 0.15 0.19 0.34 0.12 Sælger 0.05 0.14 0.15 0.01 0.00 IT og merkonomer 0.24 0.29 0.19 0.10 0.01 HK 0.00 0.29 0.15 0.15 0.02 Lærerne 0.21 0.09 0.11 0.20 0.04 Stat og tele 0.01 0.12 0.15 0.03 0.00 Pædagogmedhjælpere 0.02 0.49 0.15 0.34 0.11 Specialarbejderforbundet 0.25 0.19 0.19 0.00 0.00 Funktionærer og servicefag 0.57 0.20 0.25 0.06 0.00 Frie lønmodtagere 0.27 0.15 0.09 0.05 0.00 Lønmodagerne 0.02 0.11 0.14 0.04 0.00 Socialpædagoger 0.14 0.00 0.12 0.12 0.02 Teknikere 0.00 0.36 0.15 0.21 0.05 Lederne 0.69 0.04 0.28 0.23 0.06 BUPL 0.36 0.07 0.08 0.01 0.00 Nærings og nydelsesmiddel 0.46 0.23 0.23 0.00 0.00 Træ, industri og byg 0.18 0.12 0.18 0.06 0.00 Sygeplejersker 1.03 0.69 0.05 0.64 0.41 Offentlig ansatte 0.28 0.11 0.20 0.09 0.01 Metal 0.90 0.40 0.32 0.08 0.01 Selvstændige erhvervsdrivende 0.50 0.40 0.24 0.16 0.03 Kristlig 0.58 0.37 0.26 0.11 0.01 DANAselvstændige 0.50 0.30 0.24 0.06 0.00 Restaurationsbranchen 0.82 0.46 0.30 0.16 0.02 Maler og maritim 0.08 0.47 0.13 0.60 0.35 SUM 1.41 VARIANS 0.05 STDAFV 0.22 LINEÆR REGRESSION y=0.2675x0.1073 106

Bilagsoversigt Bilag 5.2: DATA EXANTE EFFEKT, MÆND, JOB Akasse Sanktionsrate Exitrate Exitratehat uhat uhat^2 Magistre 1.36 0.13 0.47 0.34 0.11 Økonomer 1.75 0.29 0.58 0.28 0.08 Akademikere 1.04 0.29 0.39 0.10 0.01 Ingeniører 0.95 0.43 0.36 0.07 0.01 Journalister 0.92 0.08 0.35 0.44 0.19 Sælger 0.82 0.41 0.33 0.09 0.01 Elektrikere 0.52 0.06 0.25 0.18 0.03 IT og merkonomer 0.27 0.27 0.18 0.10 0.01 Funktionærer og tjenestemænd 0.29 0.34 0.18 0.16 0.02 HK 0.32 0.19 0.19 0.00 0.00 Lærerne 0.54 0.58 0.25 0.32 0.10 Stat og tele 0.86 0.89 0.34 0.55 0.30 Pædagogmedhjælpere 0.11 0.09 0.14 0.22 0.05 Specialarbejderforbundet 0.21 0.53 0.16 0.69 0.48 Blik og rørarbejdere 0.23 0.30 0.17 0.47 0.22 Funktionærer og servicefag 0.19 0.22 0.16 0.06 0.00 Frie lønmodtagere 0.13 0.44 0.14 0.30 0.09 Lønmodagerne 0.23 0.46 0.17 0.29 0.09 Socialpædagoger 0.28 0.40 0.18 0.22 0.05 Teknikere 0.20 0.25 0.16 0.09 0.01 Lederne 0.23 0.62 0.17 0.45 0.20 BUPL 0.06 0.50 0.12 0.37 0.14 Nærings og nydelsesmiddel 0.11 0.22 0.14 0.08 0.01 Træ, industri og byg 0.10 0.40 0.14 0.53 0.28 Sygeplejersker 0.12 0.36 0.14 0.22 0.05 Offentlig ansatte 0.08 0.66 0.09 0.58 0.33 Selvstændige erhvervsdrivende 0.02 0.79 0.10 0.69 0.48 Kristlig 0.16 0.02 0.06 0.08 0.01 DANAselvstændige 0.20 0.54 0.05 0.48 0.23 Restaurationsbranchen 0.51 1.17 0.03 1.14 1.30 Maler og maritim 0.35 0.63 0.01 0.64 0.41 SUM 5.30 VARIANS 0.18 107

Bilagsoversigt STDAFV 0.43 LINEÆR REGRESSION y=0.5236x+0.1063 108

Bilagsoversigt Bilag 5.3: DATA EXANTE EFFEKT, KVINDER, KONTANTHJÆLP Akasse Sanktionsrate Exitrate Exitratehat uhat uhat^2 Magistre 0.53 1.08 0.46 0.62 0.38 Økonomer 1.33 0.79 0.99 0.20 0.04 Akademikere 0.46 1.25 0.41 0.83 0.70 Ingeniører 0.80 0.40 0.64 0.24 0.06 Journalister 1.75 0.58 1.27 0.69 0.48 Sælger 0.05 0.36 0.08 0.28 0.08 IT og merkonomer 0.24 0.35 0.05 0.40 0.16 HK 0.00 0.31 0.11 0.20 0.04 Lærerne 0.21 1.08 0.24 0.84 0.70 Stat og tele 0.01 0.11 0.10 0.01 0.00 Pædagogmedhjælpere 0.02 0.31 0.10 0.41 0.16 Specialarbejderforbundet 0.25 0.83 0.06 0.76 0.58 Funktionærer og servicefag 0.57 0.17 0.27 0.44 0.19 Frie lønmodtagere 0.27 0.44 0.29 0.15 0.02 Lønmodagerne 0.02 0.12 0.12 0.24 0.06 Socialpædagoger 0.14 1.31 0.20 1.11 1.22 Teknikere 0.00 0.29 0.11 0.18 0.03 Lederne 0.69 0.51 0.35 0.86 0.74 BUPL 0.36 0.49 0.34 0.14 0.02 Nærings og nydelsesmiddel 0.46 0.99 0.20 0.80 0.63 Træ, industri og byg 0.18 0.56 0.01 0.54 0.30 Sygeplejersker 1.03 0.58 0.79 0.21 0.05 Offentlig ansatte 0.28 0.16 0.08 0.09 0.01 Metal 0.90 0.93 0.49 0.44 0.20 Selvstændige erhvervsdrivende 0.50 0.08 0.22 0.30 0.09 Kristlig 0.58 0.04 0.27 0.31 0.10 DANAselvstændige 0.50 0.61 0.22 0.38 0.15 Restaurationsbranchen 0.82 1.43 0.44 0.99 0.98 Maler og maritim 0.08 0.52 0.16 0.68 0.46 SUM 8.62 VARIANS 0.30 STDAFV 0.55 LINEÆR REGRESSION y=0.6626x0.1072 109

Bilagsoversigt Bilag 5.4: DATA EXANTE EFFEKT, MÆND, KONTANTHJÆLP Akasse Sanktionsrate Exitrate Exitratehat uhat uhat^2 Magistre 1.36 0.45 1.34 0.88 0.78 Økonomer 1.75 1.24 1.73 0.49 0.24 Akademikere 1.04 1.29 1.02 0.27 0.07 Ingeniører 0.95 1.90 0.93 0.97 0.94 Journalister 0.92 0.25 0.89 0.65 0.42 Sælger 0.82 0.93 0.79 0.13 0.02 Elektrikere 0.52 0.27 0.50 0.23 0.05 IT og merkonomer 0.27 0.11 0.25 0.13 0.02 Funktionærer og tjenestemænd 0.29 0.95 0.27 0.68 0.47 HK 0.32 0.30 0.30 0.00 0.00 Lærerne 0.54 1.01 0.52 0.49 0.24 Stat og tele 0.86 0.82 0.83 0.01 0.00 Pædagogmedhjælpere 0.11 0.45 0.09 0.55 0.30 Specialarbejderforbundet 0.21 0.91 0.18 1.09 1.19 Blik og rørarbejdere 0.23 0.14 0.21 0.35 0.13 Funktionærer og servicefag 0.19 0.16 0.17 0.01 0.00 Frie lønmodtagere 0.13 0.26 0.11 0.14 0.02 Lønmodagerne 0.23 0.95 0.21 0.75 0.56 Socialpædagoger 0.28 0.54 0.26 0.28 0.08 Teknikere 0.20 0.03 0.18 0.21 0.04 Lederne 0.23 1.75 0.21 1.54 2.37 BUPL 0.06 0.48 0.04 0.44 0.19 Nærings og nydelsesmiddel 0.11 0.47 0.09 0.56 0.32 Træ, industri og byg 0.10 0.16 0.08 0.24 0.06 Sygeplejersker 0.12 0.15 0.10 0.06 0.00 Offentlig ansatte 0.08 0.44 0.10 0.54 0.29 Selvstændige erhvervsdrivende 0.02 1.35 0.04 1.38 1.92 Kristlig 0.16 0.53 0.18 0.35 0.12 DANAselvstændige 0.20 0.02 0.22 0.20 0.04 Restaurationsbranchen 0.51 1.69 0.53 1.16 1.34 Maler og maritim 0.35 1.33 0.37 0.96 0.92 SUM 13.13 VARIANS 0.45 STDAFV 0.67 LINEÆR REGRESSION y=0.9979x+0.0207 110

Bilagsoversigt Bilag 5.5: DATA EXANTE EFFEKT, KVINDER, SYGEDAGPENGE Akasse Sanktionsrate Exitrate Exitratehat uhat uhat^2 Magistre 0.53 0.93 0.17 0.76 0.57 Økonomer 1.33 0.82 0.59 0.23 0.05 Akademikere 0.46 0.77 0.13 0.64 0.41 Ingeniører 0.80 1.17 0.31 0.86 0.73 Journalister 1.75 0.80 0.81 0.01 0.00 Sælger 0.05 0.97 0.13 1.10 1.22 IT og merkonomer 0.24 0.32 0.23 0.56 0.31 HK 0.00 0.21 0.10 0.11 0.01 Lærerne 0.21 0.10 0.00 0.11 0.01 Stat og tele 0.01 0.62 0.11 0.50 0.25 Pædagogmedhjælpere 0.02 0.32 0.12 0.20 0.04 Specialarbejderforbundet 0.25 0.57 0.24 0.33 0.11 Funktionærer og servicefag 0.57 0.21 0.41 0.20 0.04 Frie lønmodtagere 0.27 0.05 0.04 0.01 0.00 Lønmodagerne 0.02 0.04 0.10 0.14 0.02 Socialpædagoger 0.14 0.31 0.03 0.28 0.08 Teknikere 0.00 0.09 0.10 0.19 0.04 Lederne 0.69 0.34 0.47 0.81 0.65 BUPL 0.36 0.51 0.08 0.59 0.34 Nærings og nydelsesmiddel 0.46 0.50 0.35 0.15 0.02 Træ, industri og byg 0.18 0.22 0.20 0.02 0.00 Sygeplejersker 1.03 0.55 0.43 0.98 0.96 Offentlig ansatte 0.28 0.81 0.25 0.56 0.31 Metal 0.90 0.86 0.58 0.29 0.08 Selvstændige erhvervsdrivende 0.50 0.25 0.37 0.11 0.01 Kristlig 0.58 0.39 0.41 0.02 0.00 DANAselvstændige 0.50 0.48 0.37 0.11 0.01 Restaurationsbranchen 0.82 0.55 0.54 0.01 0.00 Maler og maritim 0.08 1.44 0.06 1.38 1.89 SUM 8.19 VARIANS 0.28 STDAFV 0.53 LINEÆR REGRESSION y=0.5236x+0.1063 111

Bilagsoversigt Bilag 5.6: DATA EXANTE EFFEKT, MÆND, SYGEDAGPENGE Akasse Sanktionsrate Exitrate Exitratehat uhat uhat^2 Magistre 1.36 1.04 1.58 0.54 0.29 Økonomer 1.75 1.91 2.07 0.15 0.02 Akademikere 1.04 1.21 1.18 0.03 0.00 Ingeniører 0.95 1.62 1.07 0.55 0.31 Journalister 0.92 1.13 1.02 0.11 0.01 Sælger 0.82 0.94 0.90 0.05 0.00 Elektrikere 0.52 0.05 0.53 0.58 0.33 IT og merkonomer 0.27 1.02 0.21 0.81 0.66 Funktionærer og tjenestemænd 0.29 1.05 0.24 0.81 0.66 HK 0.32 0.28 0.28 0.00 0.00 Lærerne 0.54 0.69 0.55 0.13 0.02 Stat og tele 0.86 1.13 0.95 0.19 0.03 Pædagogmedhjælpere 0.11 1.05 0.02 1.07 1.14 Specialarbejderforbundet 0.21 0.67 0.13 0.80 0.65 Blik og rørarbejdere 0.23 0.79 0.16 0.95 0.90 Funktionærer og servicefag 0.19 0.17 0.12 0.05 0.00 Frie lønmodtagere 0.13 0.84 0.04 0.80 0.64 Lønmodagerne 0.23 0.48 0.16 0.32 0.10 Socialpædagoger 0.28 0.16 0.22 0.38 0.14 Teknikere 0.20 0.41 0.13 0.28 0.08 Lederne 0.23 0.84 0.17 0.68 0.46 BUPL 0.06 0.16 0.04 0.12 0.01 Nærings og nydelsesmiddel 0.11 0.23 0.02 0.25 0.06 Træ, industri og byg 0.10 0.52 0.01 0.53 0.28 Sygeplejersker 0.12 0.00 0.02 0.02 0.00 Offentlig ansatte 0.08 0.32 0.22 0.10 0.01 Selvstændige erhvervsdrivende 0.02 0.56 0.14 0.70 0.49 Kristlig 0.16 0.18 0.32 0.15 0.02 DANAselvstændige 0.20 0.34 0.37 0.72 0.51 Restaurationsbranchen 0.51 1.32 0.76 0.56 0.32 Maler og maritim 0.35 0.89 0.56 0.33 0.11 SUM 8.28 VARIANS 0.29 STDAFV 0.53 112

Bilagsoversigt LINEÆR REGRESSION y=1.2512x+0.1246 113