Dieser Beitrag stammt aus einer längeren Studie über den Stand der Ungleichheit in Deutschland, die vom Forum Neue Wirtschaft in Auftrag gegeben wurde. Die vollständige Studie von Charlotte Bartels (DIW) und Carsten Schröder (DIW) trägt den Titel „Einkommens-, Konsum- und Vermögensungleichheit in Deutschland: Drei Konzepte, drei Geschichten?“.

Wenn die Medien die Ergebnisse einer Ungleichheitsstudie aufgreifen, verdichten sie die Erkenntnisse meist zu Schlagzeilen wie „Ungleichheit in Deutschland hat zugenommen“. In der öffentlichen Debatte werden die verschiedenen Arbeitsannahmen, die der Messung von Ungleichheiten zugrunde liegen, oft ignoriert. Jede dieser Annahmen, die im Folgenden erörtert werden, kann sich entscheidend auf die gelieferten Ergebnisse auswirken. Zusätzlich zu den bereits erwähnten offensichtlichen Arbeitsannahmen bezüglich der Wahl des Zeitpunkts und der Region der Analyse, erfordert die Messung von Ungleichheiten Entscheidungen des Forschers (siehe Cowell, 2009):

1.Wahl des Ungleichheitsindexes. Viele Studien verwenden den Gini-Koeffizienten zur Messung der Ungleichheit. Der Index misst das Doppelte der Fläche zwischen der Lorenzkurve und der Gleichverteilungslinie. Er hat besondere Eigenschaften. Der Index reicht von null bis eins. Er ist transferempfindlich, d. h. der Gini-Index sinkt, wenn durch einen mittelwerterhaltenden Transfer das Einkommen vom oberen zum unteren Ende der Verteilung verschoben wird. Er ist ein relatives Maß, d. h. eine Multiplikation aller Einkommen mit demselben positiven Faktor lässt den Gini-Index unverändert. Viele Indizes weisen die gleichen Eigenschaften auf. Der Theil-Index und der Atkinson-Index sind Beispiele dafür. Bei empirischen Anwendungen ergibt sich das Problem, dass die Indizes zwar dieselben Eigenschaften aufweisen, aber nicht unbedingt zu denselben Schlussfolgerungen führen, z. B. in Bezug auf intertemporale Veränderungen der Ungleichheit oder Vergleiche der Ungleichheit zwischen verschiedenen gesellschaftlichen Gruppen. Es können sich unterschiedliche Muster ergeben, weil Ungleichheitsmaße mehr oder weniger empfindlich auf Veränderungen in bestimmten Teilen der Verteilung reagieren, z. B. an der Spitze oder in der Mitte. Andere Indizes haben andere Eigenschaften. Der verallgemeinerte Gini-Index ist beispielsweise ein absolutes Maß, das heißt, er variiert mit dem Durchschnittseinkommen. Natürlich verändert die Wahl eines absoluten oder relativen Maßes die Bedeutung der Ergebnisse.

2. Wahl der Schwerpunktvariable. Es gibt viele Indikatoren für materiellen Wohlstand, die über die drei am häufigsten verwendeten Indikatoren für Einkommen, Ausgaben und Vermögen hinausgehen. Die relativen Vor- und Nachteile, die Menschen im Vergleich zueinander haben, können anhand vieler verschiedener anderer Variablen beurteilt werden, z. B. Versorgungsleistungen, Humankapital, Freiheiten, Rechte, Lebensqualität usw. Man kann auch argumentieren, dass Ungleichheiten bei den Chancen (in den ersten Lebensjahren) wichtiger sind als Ungleichheiten bei den Ergebnissen. Zusammenfassend lässt sich sagen, dass die Vielzahl der Variablen, auf die wir uns bei der Bewertung der Ungleichheit konzentrieren können (die Fokusvariablen), eine Entscheidung über die gewählte Perspektive erfordert (Sen, 1992).

3. Wahl der Bezugseinheit. Die Bezugseinheit ist die wirtschaftliche Einheit, für die die Ressourcen gemessen werden. Dies kann eine Einzelperson sein, wenn es um die Verteilung des individuellen Arbeitseinkommens geht. Es kann sich auch um die Haushaltseinheit handeln, wenn es um die Verteilung des verfügbaren Einkommens geht, das auf Haushaltsebene gemeinsam erwirtschaftet und verbraucht wird. Es kann sich auch um einen Steuerzahler handeln, wie er durch eine gesetzliche Definition festgelegt ist. Natürlich hängt die Ungleichheit von der Wahl der Bezugseinheit ab: Sie macht einen enormen Unterschied bei der Berechnung des Gini-Index.

4. Anpassung an Unterschiede in den Bedürfnissen. Wenn sich die Bezugsgrößen in ihrer Zusammensetzung unterscheiden, führt ein identisches Niveau an materiellen Ressourcen, beispielsweise in Form von Einkommen, zu einem unterschiedlichen Lebensstandard: Wenn beispielsweise sowohl ein Paar mit zwei Kindern als auch ein Single-Haushalt über dasselbe monatliche Einkommen von 2.000 Euro verfügen, ist der materielle Wohlstand des Singles höher als der der Familie. Um ein aussagekräftiges Maß für den materiellen Wohlstand zu erhalten, müssen die Ressourcen um die Unterschiede in den Bedürfnissen bereinigt werden. Für diese Anpassung dienen Äquivalenzskalen. Die bekannteste Äquivalenzskala ist die so genannte modifizierte Äquivalenzskala der OECD. Sie weist dem ersten Erwachsenen im Haushalt ein Gewicht von 1,0 zu, für jeden weiteren Erwachsenen ein Gewicht von 0,5 und für jedes Kind ein Gewicht von 0,3. Die Äquivalenzskala für einen Alleinstehenden beträgt also 1,0, die Äquivalenzskala für ein Paar mit zwei Kindern 2,1, und beide sind gleich wohlhabend, wenn der erste ein Einkommen von 1.000 Euro und der zweite ein Einkommen von 2.100 Euro hat. Das Äquivalenzeinkommen beträgt in jedem Fall 1.000 Euro/1 = 2.100 Euro/2,1 = 1.000 Euro.

5. Gewichtung der Bezugseinheit. Wenn alle Referenzeinheiten gleich groß sind, sollte die Gewichtung jeder Einheit gleich sein, da es keinen Grund gibt zu behaupten, dass eine Einheit wichtiger ist als eine andere (das so genannte Axiom der Anonymität). Wenn wir uns beispielsweise mit einzelnen Arbeitnehmern befassen, sollte jeder Arbeitnehmer die gleiche Gewichtung erhalten, nämlich 1.

6. Umfassende Messung. Auch nach der Wahl einer bestimmten Fokusvariablen bleiben weitere Fragen offen. Angenommen, die Fokusvariable ist das verfügbare Einkommen. Sollte man den Wert der Eigenproduktion berücksichtigen? Sollte man den Wert von unbaren Transfers (z. B. kostenlose Bildungsangebote) berücksichtigen? Wenn die Fokusvariable der Konsum ist, wie sollten wir mit Ausgaben für langlebige Güter (Abschreibung) oder mit Vergleichen von wohnungsbezogenen Kosten zwischen Eigentümern und Mietern umgehen?

7. Datenquelle. Seit der Jahrtausendwende profitiert die Forschung enorm von den Fortschritten bei der Datenverfügbarkeit. In Deutschland beispielsweise können Forscher nicht nur zwischen verschiedenen Umfragedatensätzen (wie der Einkommens- und Verbrauchsstichprobe oder dem Deutschen Sozioökonomischen Panel (siehe Goebel et al., 2019)), sondern auch zwischen administrativen Sozialversicherungs- und Steuerdatensätzen wählen. Jede Datenquelle hat ihre komparativen Vorteile und Grenzen. So sind beispielsweise Umfragedaten in der Regel leichter zugänglich und bieten ein viel breiteres Spektrum an Variablen – nicht nur über den Haushaltskontext, sondern auch über verschiedene Lebensbereiche. Allerdings leiden Erhebungsdaten unter Item- und ((Teil-)Unit-)Non-Response sowie unter anderen Messproblemen (z. B. Recall Bias). Das Hauptargument für die Verwendung von Verwaltungsdaten ist ihre hohe Validität und ihr großer Stichprobenumfang. Nachteilig ist, dass Verwaltungsdaten (zumindest in Deutschland) nur selektive und begrenzte Variablensätze liefern und nur Informationen über die relevante Grundgesamtheit (z.B. Einkommenssteuerpflichtige) umfassen.

8. Datenaufbereitung. Die Analyse der Daten selbst erfordert von den Forschern weitere Entscheidungen. Wie sollen wir mit oben/unten kodierten Daten umgehen oder wenn die Daten zensiert sind? Was ist die geeignete Strategie, wenn Informationen in Variablen unplausibel erscheinen (negatives verfügbares Einkommen) oder fehlen?
[1] Die obige Erklärung lässt die Frage der Häufigkeitsgewichte außer Acht. Bei wissenschaftlichen Erhebungen werden jedoch in der Regel Häufigkeitsgewichte angegeben, um verallgemeinerbare Statistiken für die Gesamtbevölkerung zu erstellen. Dann sollte das Einheitsgewicht mit dem einheitsspezifischen Häufigkeitsgewicht multipliziert werden.