Notat: 125 uddannelser vinder, og 147 uddannelser taber på 5,5 pct. point lavere topskat og bortfald på SU'en på kandidatdelen

Ser man på personer med en uddannelse inden for kunsthistorie, så vil denne persongruppe tjene 35.000 kr. gennem livet (745 kr. om året) på den lavere topskat. Det afspejler, at meget få personer med uddannelsen kunsthistorie bliver topskatteydere, ligesom de har en overnormal ledighed. Omvendt mister persongruppen 123.000 kr. på bortfald af SU på kandidatdelen. Samlet tabes der 88.000 kr. Personer med en uddannelse inden for teatervidenskab eller billedkunst vil tabe 80.000 kr. hhv. 91.000 kr. gennem livet. Taberne ved omlægningen vil typisk være dem, der har valgt uddannelser, der giver et job med en lav løn. Samlet set vil omlægningen gøre det mere attraktivt at vælge uddannelser, der giver en høj løn og høj jobsikkerhed. I appendix fremgår tabel med top 20 samt udvalgte uddannelser der giver lav løn.

147 LVU-uddannelser taber og 125 vinder på reformen

Ser man på de lange videregående uddannelser, er der 125 uddannelser, der vinder på reformen, og 147 uddannelser, der taber på reformen. Dette er tilsigtet for at øge tilskyndelsen til at tage en uddannelse, som giver en høj løn. Høj løn er udtryk for høj produktivitet.

Det skal understreges, at selvom 147 LVU-uddannelser taber på reformen, vil langt de fleste stadig give en højere løn sammenlignet med at stoppe uddannelsesforløbet efter gymnasiet.

Produktivitetskommissionens anbefalinger

Produktivitetskommissionen konstaterede,Kilde: Produktivitetskommissionen, december 2013, Analyserapport 4: Uddannelse og innovation.  at unge i høj grad vælger uddannelser, der giver lav løn (dvs. lav produktivitet) og høj ledighed. De skrev ”Derfor er det bekymrende, at de unge i stigende grad søger mod videregående uddannelser, hvorfra dimittenderne konsekvent er meget arbejdsløse og får en lav løn. Og at uddannelsesinstitutionerne opretter stadig flere pladser på disse uddannelser. Tilsammen betyder det, at de videregående uddannelser, der er vokset mest de sidste to årtier, også er de uddannelser, som udklækker de mindst produktive kandidater”.

Ovenstående eksempler illustrerer, at reformen (lavere topskat/reduceret SU) vil øge den relative gevinst ved at vælge uddannelser, der giver et højt pengeafkast. Det vil medføre, at flere unge tager en uddannelse, der giver en høj løn. Reformen vil dermed mindske problemet med, at mange unge vælger uddannelser, der giver en lav løn og høj arbejdsløshed. Da lønnen for den enkelte afspejler produktiviteten (hvad man producerer pr. arbejdstime), vil reformen bidrage til at øge produktiviteten. Reformen er desuden et alternativ til, at man fra centralt hold lukker ned for uddannelser, der er ledsaget af høj ledighed. De stærkere incitamenter i reformen vil ændre på de unges uddannelsesvalg. Den lavere SU kan medvirke til, at unge i større omfang overvejer, hvad en uddannelse giver i form af løn efter endt uddannelse, fordi det bliver dyrere at studere. Med andre ord vil unge i højere grad betragte uddannelse som en investering, snarere end forbrug. De samme effekter kan opnås ved at (delvist) finansiere lavere topskat med brugerbetaling på kandidatdelen.

Det fremgår af tabellen i appendix, at øget jobfradrag ikke vil ændre på den relative gevinst ved at tage uddannelser, der giver en høj løn. Man kan se, at lægen og kandidaten fra teatervidenskab stort set har den samme gevinst ved øget jobfradrag. Det håndterer ikke den problemstilling, som Produktivitetskommissionen rejste om de unges uddannelsesvalg.

Det fremgår også, at personer på mellemlange uddannelser vinder på reformen, da den mindre SU udelukkende gælder for kandidatuddannelser. Nedenfor ses boks om undersøgelsen. I appendix 2 er der en udførlig beskrivelse af metoden.

Boks 2

CEPOS har på baggrund af Danmarks Statistiks personregistre beregnet, hvor meget hver enkelt dansker ville vinde/tabe på at reducere topskatten og øge beskæftigelsesfradraget i 2016. Herefter er alle mellem 18 og 64 år grupperet efter uddannelse og alder. Dernæst beregnes den gennemsnitlige gevinst for alle kombinationer af alder og uddannelse, hvilket gør det muligt at beregne den samlede konsekvens over hele livet (18-64 år) for hvert uddannelsesniveau. Ved beregningen af konsekvenserne af brugerbetaling og afskaffelse af SU på kandidatdelen er det antaget at de studerende fuldfører studiet på normeret tid.

Appendix 1: Gevinst og tab for 611 uddannelser ved div. tiltag

Gevinst på livs­indkomst ved diverse politik­ændringer

Udvalgte lange videregående uddannelser der giver en lav løn

Gevinst på livsindkomst ved diverse politikændringer

Appendix 2: Metode

Boks 3. Metode

Estimering af sammenhæng mellem uddannelsesvalg og timeløn

For at sammenligne afkastet på forskellige uddannelser er det ikke nok at sammenligne de faktiske timelønninger for forskellige uddannelser. Forskellen i løn mellem f.eks. jurister og økonomer er ikke kun påvirket af indholdet af uddannelserne, men også af, at det er forskellige personer med forskellige evner og præferencer, som læser henholdsvis jura og økonomi. For at finde det ”rene” afkast af uddannelsen skal forskelle i de studerendes evner mv. neutraliseres.

Det gøres i en Mincer regressionsanalyse (OLS), som estimerer sammenhængen mellem antal års uddannelse og timelønnen med baggrundsvariablene: Antal års erfaring, køn, civilstatus, antal børn i familien, faderens uddannelse, moderens uddannelse, branche. Antal års uddannelse måles udfra studiets normerede længde, hvilket giver 7 niveauer (folkeskole, gymnasie, faglært, KVU, MVU, LVU og ph.d.). Erfaring indgår kvadratisk, og krydses med dummies for uddannelsesniveauet, således at erfaringskurven er forskellig fra uddannelsesniveau til uddannelsesniveau. Data er 2013-data fra Danmarks Statistiks personregistre. Det benyttede lønbegreb indeholder overtidsbetaling og pensionsopsparing. Regressionsresultaterne er gengivet i appendiks 3.

Der er således tale om en forholdsvis standard Mincer regression, hvilket dog ikke betyder, at modellen er immun over for kritik. Der kan være endogenitetsproblemer med uddannelsesvalget, og det er ikke givet, at baggrundsvariablene, herunder forældres uddannelsesvalg, i tilstrækkelig grad fanger uobserverede individuelle karakteristika så som evner og flid. En potentiel løsning på disse problemer er en IV-regression, men det har vist sig svært at finde egnede instrumenter, og der er desuden uenighed om betydningen af endogenitetsproblemerne. Internationale studier finder typisk, at IV-estimaterne af afkastet af uddannelse er højere end OLS-estimaterne.Se Vismandsrapporten, efterår 2003 kapitel 2, side 145. 

Ovennævnte regression antager at 1 års ekstra uddannelse giver et konstant afkast. For at finde afkastet af specifikke uddannelser, erstattes variablen ”antal års uddannelse” med dummy-variable for hver enkelt af de 611 videregående uddannelser, som indgår i analysen. Der er kun medtaget uddannelser, som har mindst 25 færdiguddannede personer.

B. Beregning af livsindkomst for 611 videregående uddannelser

Vi simulerer 1.000 basis livsforløb (18-64 år). Først fastlægges værdierne af baggrundsvariablene (bortset fra branche) for det 18. år for hvert livsforløb. Det sker ved tilfældig udvælgelse med sandsynligheder, som er i overensstemmelse med de faktiske frekvenser i befolkningen. For det 19. til det 64. år udvikler værdierne af baggrundsvariablene sig tilfældigt med overgangssandsynligheder, som er i overensstemmelse med de faktiske overgangsfrekvenser i befolkningen. Vi lader nu de 1.000 livsforløb (kombinationer af baggrundsvariable) tage de 611 uddannelser. Herved fås reelt 611.000 forskellige livsforløb - 1.000 forskellige kombinationer af baggrundsvariable kombineret med 611 forskellige uddannelser. Hver af disse 611.000 livsforløb tildeles en branche ud fra en sandsynlighedsfordeling som matcher frekvenserne for de forskellige uddannelser. Branchevalget er således, i modsætning til de øvrige baggrundsvariable, knyttet til uddannelsen, så vi undgår at vi f.eks. får et stort antal dyrlæger i den finansielle sektor.

Efter at have fastlagt uddannelse og baggrundsvariable for hvert af de 611.000 livsforløb kan vi beregne en indkomst (løn, SU, dagpenge) for hver alder 18-64 ud fra resultatet af regressionsanalysen. Livsindkomsten for hver uddannelse beregnes som summen af de årlige indkomster i alderen 18-64, svarende til en antagelse om at realrenten er lig diskonteringsfaktoren.

C. Skatteeksperimenter

Efter at have dannet de 1.000 livsforløb for hver uddannelse, er det ligetil at beregne konsekvenser af diverse politiktiltag. I beregningerne er benyttet 2016-skatteregler