Varga Júlia MTA KRTK KTI Szirák, 2016.11.11. Hatnak-e a tanári bérek a tanulói teljesítményekre az európai országokban a PISA adatok alapján? Varga Júlia MTA KRTK KTI Szirák, 2016.11.11.

Miért érdekes ? A tanulói teljesítmények legfontosabb meghatározója a tanárok minősége (e.g. Darling-Hammond, 2000; Rockoff, 2004; Rivkin, Hanushek and Kain 2005; Hanushek – Rivkin, 2006; Chetty-Friedman-Rokoff, 2014) A tanári minőség romlik (Lakdawalla, 2001; Corcoran et al, 2002, Leigh – Ryan, 2008; Barbieri et al. 2007; Neugebauer, 2015; Varga, 2007) Lehet-e bérpolitikával viszonylag rövid idő alatt (5 év) javítani a tanulói teljesítményeken Miért várunk hatást – tanári szelekción keresztül

Kapcsolódó korábbi kutatások Tanári bérek és tanulói teljesítmények közti kapcsolat – nem egyértelmű eredmények Nincs szignifikáns hatás (több mint 100 tanulmány áttekintése Hanushek and Rivkin, 2006) ; Greaves and Sibieta, 2014) Béremelés perverz ösztönző a rossz tanároknak (Ballou-Podgorsky, 1995) Béremelés javítja a tanulói teljesítményeket (Murnane et al 1991; Loeb-Page, 2000) Pályaelhagyásban az alternatív munka-erőpiaci lehetőségek meghatározóak (Murnane-Olsen 1989; Imazeki, 2005; Krieg, 2006; Ondrich et al. 2008; Gilpin 2011) Ország szintű tanulmányok problémája – központi bérmegállapodások, kis variancia a bérekben

Kapcsolódó korábbi kutatások Nemzetközi összehasonlító tanulmányok – a tanári bérek hatnak a teljesítményekre Hanushek et al., (2004); Carnoy et al. (2009); Boarini and Lüdemann (2009); Woessmann (2011) ; Dolton and Marcenaro-Gutierrez (2011)

Tanári keresetek változása – Keresetek az 1 főre jutó GDP arányában 1999-2013

Tanári életkereseti görbék változása

Adatok PISA 2003, 2006, 2009, 2012 – ország (unbalanced) panel adatbázis: olvasás, írás, természettudományos teljesítmény (átlagpont); egyéni jellemzők, iskolai jellemzők OECD EAG tanári keresetek (kezdő bér, bér 15 év gyakorlati idővel, maximum bér, a maximum bér eléréséhez szükséges évek száma) OECD egyéb ország szintű adatok : 1 főre jutó GDP (US dollár PPP) (2003-as áron); nők aránya a tanárok között Ország szintű adatok : a megelőző 4 év és az adott év átlaga Csak európai országok, legalább 3 hullámban részt vett 708,856 egyéni megfigyelés, 24 ország, 75 ország/év megfigyelés

Módszerek Oktatási termelési függvény: 𝑌 𝑖𝑐𝑡 = 𝛽 1 𝑇 𝑐𝑡 + 𝛽 2 𝐹 𝑐𝑡𝑖 + 𝜀 𝑐𝑡𝑖 + 𝑢 𝑐𝑡 Mérési probléma: i nagy (708,856 ), ct kicsi (75)

Módszerek Modellek Pooled OLS Random hatás modellek 2-lépéses módszer 𝑌 𝑖𝑐𝑡 = 𝑣 𝑐𝑡 + 𝛽 2 𝐹 𝑐𝑡𝑖 + 𝜀 𝑐𝑡𝑖 2. lépés 𝑣 𝑐𝑡 = 𝛼+𝛽 1 𝑇 𝑐𝑡 + 𝜂 𝑐𝑡 4. Minden modell csak egyéni és ország szintű változókkal; iskolai szintű változókkal kiegészítve

Változók Egyéni szintű: nem; életkor; a tanuló bevándorló; szülő(k) bevándorló(k); anya iskolai végzettsége; apa iskolai végzettsége (kategóriák) Iskolai szintű – (a tanári iskolák közti szelekcióját leíró változók): Magániskola; megfelelően képesített tanárok aránya; tanárhiány van az iskolában (igen/nem);az iskola településtípusa (kategóriák); az iskola felelős a tanárok felvételéért/elbocsájtásáért; az iskola felelős a tanárok bérmeghatározásáért; bevándorló tanulók aránya az iskolában; lánytanulók aránya az iskolában Ország szintű: kezdő bér az 1 főre jutó GDP arányában; bérnövekedés kezdőtől 15 év gyakorlati évig; bérnövekedés 15. gyakorlati évtől maximumig; a maximum bér eléréséhez szükséges évek száma; 1 főre jutó GDP (szint US dollár PPP); CEE ország (igen/nem)

Eredmények – matematika MATHS Variable OLS Pooled sample Panel Random Two –Step Method Panel Random Effect   Country/Year 1st step Individual level variables Gender (Male) (1.266) 11.77* (1.190) 11.27* Yes (2.096) 16.06* (1.529) 14.94* Age (1.916) 18.13* (1.257) 16.28* (2.419) 16.82* (1.777) 14.87* Student immigrant (7.155) -36.98* (8.306) -38.61* (7.054) -35.35* (8.248) -38.10* One or both parents immigrant (5.491) -13.85 (6.070) -11.51 (6.936) -14.85 (6.012) Mother’s educational attainment upper secondary (ISCED 3/4) (2.518) 29.03* (1.872) 24.77* (2.532) 27.09* (1.901) 23.85* Mother’s educational attainment tertiary (ISCED 5/6) (3.531) 43.87* (3.296) 39.03* (3.844) 41.53* (3.391) 36.85* Father’s educational attainment upper secondary (ISCED 3/4) (1.608) 24.33* (1.542) 20.83* 23.65* (1.537) 20.61* Father’s educational attainment tertiary (ISCED 5/6) (2.862) 44.05* (3.728) 39.26* (3.117) 41.99* (3.546) 37.60* School-level variables Private school - No (3.790) 13.16** (5.426) 12.96 Proportion of fully certified teachers (6.734) 15.20 (7.569) 6.83 Teacher shortage at school (2.208) -5.96 (2.474) -4.31 School in small town (3.416) 12.90* (3.132) 9.33** School in town (5.146) 20.01* (4.170) 15.34* School in city (4.285) 21.55* (3.941) 17.12* School in large city (9.096) 21.60 (7.083) 21.49** School has responsibility in determining salaries (2.420) -0.72 (3.808) 0.31 School has responsibility in hiring/firing (2.893) 0.07 (3.357) 1.94 Proportion of immigrant students at school (44.18) -79.84 (39.563) -22.72 Proportion of girls at school (16.81) 36.57 (9.349) 27.99 Country-level variables 2nd step Proportion of women teachers (0.323) -0.24 (0.927) 0.09 (0.257) -0.26 (0.341) -0.23 (0.448) 0.20 (0.348) -0.45 GDP per capita in equivalent US dollars (using PPP) (0.000) 0.00 (0.001) -0.00 0.00*** Starting salary as proportion of GDP per capita (11.067) 49.23* (12.257) 34.09** (9.62) 36.14* (13.016) 49.39* (13.172) 39.34** (12.753) 38.61** Years to top salary (0.256) -0.60 (1.113) 0.27 (0.216) -0.55 (0.292) -0.81 (0.269) -0.46 (0.282) -0.70 Growth of salaries from starting to 15th year of experience (10.334) 45.59* (23.665) 14.24 (10.800) 28.07*** (11.011) 32.26*** (14.642) 16.34 (14.491) 36.51*** Growth of salaries from 15th year of experience to top (17.111) 63.62* (27.092) 0.94 (0.516) 0.50 (16.221) 60.04* (13.727) 33.06 (0.701) -0.14 CEE country (9.572) 32.84** (22.300) -9.72 (8.091) 11.110 (12.275) 41.17** (12.666) 31.53 (10.23) 36.20* Year 2006 (3.375) -11.67** (3.563) -2.01 (4.357) -10.30 (4.422) -11.42*** Year 2009 (6.744) -16.92 (8.468) 1.09 (9.619) -13.31 (7.966) -21.15*** Year 2012 (8.870) -17.84 (12.304) 3.44 (10.787) -19.47 (10.400) -27.10*** Constant (72.426) -41.96 (106.712) 169.93 (31.732) -56.48 (85.640) -53.35 (71.542) 47.45 (45.373) -74.45

Eredmények – matematika Egyéni és ország szintű változók Egyéni, iskolai szintű és ország szintű változók Ország szintű változók  Pooled OLS Panel Random Effect 2nd step   Nők aránya a tanárok között -0.24 (0.323) 0.09 (0.927) -0.26 (0.257) -0.23 (0.341) 0.20 (0.448) -0.45 (0.348)1 főre jutó GDP per capita in equivalent US dollars (using PPP) 0.00 (0.000) -0.00 (0.001) 0.00*** Tanári kezdő bérek az 1 főre jutó GDP arányában 49.23* (11.067) 34.09** (12.257) 36.14* (9.62) 49.39* (13.016) 39.34** (13.172) 38.61** (12.753) A maximum fizet eléréséhez szükséges évek száma -0.60 (0.256) 0.27 (1.113) -0.55 (0.216) -0.81 (0.292) -0.46 (0.269) -0.70 (0.282) Tanári bérnövekedés kezdőtől 15. gyakorlati évig 45.59* (10.334) 14.24 (23.665) 28.07*** (10.800) 32.26*** (11.011) 16.34 (14.642) 36.51*** (14.491) Tanári bérnövekedés 15. gyakorlati évtől maximumig 63.62* (17.111) 0.94 (27.092) 0.50 (0.516) 60.04* (16.221) 33.06 (13.727) -0.14 (0.701) CEE ország 32.84** (9.572) -9.72 (22.300) 11.110 (8.091) 41.17** (12.275) 31.53 (12.666) 36.20* (10.23)

Eredmények - természettudomány Egyéni és ország szintű változók Egyéni, iskolai és ország szintű változók Ország szintű változók  Pooled OLS Random effect 2nd step   Pooled OLS Nők aránya a tanárok között 0.44 (0.383) -0.27 (0.787) 0.61 (0.299) 0.32 (0.394) 0.69 (0.464) 0.53 (0.421) GDP per capita in equivalent US dollars (using PPP) 0.00 (0.000) 0.00* Tanári kezdő bérek az 1 főre jutó GDP arányában 52.02** (14.156) 44.81*** (26.774) 45.81* (9.519) 49.75** (15.638) 30.34** (13.95) 50.80* (13.253) A maximum fizet eléréséhez szükséges évek száma -0.62 (0.282) -0.05 (0.771) -0.32 (0.251) -0.83*** (0.289) -0.45 (0.309) -0.47 (0.351) Tanári bérnövekedés kezdőtől 15. gyakorlati évig 36.41*** (11.976) 22.95 (23.541) 31.22** (10.851) 24.91*** (11.884) 14.62 (14.855) 40.50*** (15.800) Tanári bérnövekedés 15. gyakorlati évtől maximumig 48.38 (21.644) 10.45 (24.934) 0.39 (0.502) 48.14 (22.519) 34.75 (19.106) -0.36 (0.798) CEE ország 24.34 (10.300) 26.90 (21.281) 13.31 (7.623) 31.25*** (11.036) 20.39 (11.445) 38.93* (10.609)

Eredmények – olvasás- szövegértés Egyéni és ország szintű változók Egyéni, iskolai és ország szintű változók Ország szintű változók  Pooled OLS Random effect 2nd step   Nők aránya a tanárok között -0.12 (0.257) 0.43 (0.639) 0.44 (0.198) -0.21 (0.288) 0.38 (0.321) 0.41 (0.316) GDP per capita in equivalent US dollars (using PPP) 0.00 (0.000) -0.00 0.00* Tanári kezdő bérek az 1 főre jutó GDP arányában 27.63*** (10.12) 13.20 (17.205) 22.96** (7.802) 23.89 (12.690) 14.22 (9.061) 28.71 (11.317) A maximum fizet eléréséhez szükséges évek száma -0.67 (0.255) -0.59 (0.608) -0.25 (0.191) -0.97* (0.265) -0.41 (0.227) -0.36 (0.303) Tanári bérnövekedés kezdőtől 15. gyakorlati évig 31.56 (8.888) 3.19 (15.971) 30.74* (8.534) 19.20 (8.265) 17.52 (9.803) 35.19*** (13.878) Tanári bérnövekedés 15. gyakorlati évtől maximumig 50.52*** (16.171) -12.74 (24.106) 0.68 (0.492) 53.25** (16.03) 23.99 (11.826) -0.022 (0.699) CEE ország 5.31 (9.308) -34.49 (16.156) -4.08 (Pool6.265) 12.83 (10.651) 3.328 (9.149) 17.66 (9.82)

Eredmények Készségek szerint különbségek – matematika, természettudomány kezdő bérek, életpálya elején a bérnövekedés hat, olvasás-szövegértés nem konzisztens eredmények Későbbi életpálya nincs hatás CEE ország matematika, természettudomány van hatás, de nem konzisztens eredmények

Besorolási bérek és tényleges keresetek, 2014

Köszönöm a figyelmet!