Copyright (2007) Steunpunt SSL p/a Parkstraat 47, 3000 Leuven

Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt zonder uitdrukkelijk te verwijzen naar de bron.

No part of this material may be made public without an explicit reference to the source.

De verantwoordelijkheid voor dit rapport berust volledig bij de auteurs en vertolkt niet noodzakelijk de officiële visie van de Vlaamse Overheid.

Heidi Knipprath & Katleen De Rick

Levenslang leren, sociaal kapitaal en werk Multivariate analyses op basis van longitudinale data

Levenslang leren, sociaal kapitaal en werk Multivariate analyses op basis van longitudinale data

Heidi Knipprath & Katleen De Rick Projectleiding: Katleen De Rick

T

Onderzoek in opdracht van de Vlaamse minister van Onderwijs en Vorming, in het kader van het programma ‘Steunpunten voor Beleidsrelevant Onderzoek’

SSL-rapport nr. SSL/OD2/2011.34 datum oplevering eerste versie: 15 april 2012

datum publicatie: 12 september 2012

Voor meer informatie over deze publicatie:

Steunpunt SSL, onderzoeksdomein ‘2.4‘

Auteurs: Heidi Knipprath & Katleen De Rick

Adres: Parkstraat 47 bus 5300, 3000 Leuven Tel.: 016/32 04 52 Fax: 016/32 33 44 E-mail: heidi.knipprath@kuleuven.be

Website: http://www.steunpuntloopbanen.be

LEVENSLANG LEREN, SOCIAAL KAPITAAL EN WERK Multivariate analyses op basis van longitudinale data

Projectleiding: Katleen De Rick Heidi Knipprath & Katleen De Rick

Onderzoek in opdracht van Vlaamse minister van Onderwijs en Vorming, in het kader van het programma ‘Steunpunten voor Beleidsrelevant Onderzoek’

Gepubliceerd door KATHOLIEKE UNIVERSITEIT LEUVEN HIVA - Onderzoeksinstituut voor Arbeid en Samenleving Parkstraat 47 – bus 5300, BE 3000 Leuven www.hiva.be © 2012 HIVA-KU Leuven Niets uit deze uitgave mag worden verveelvuldigd en/of openbaar gemaakt door middel van druk, fotocopie, microfilm of op welke andere wijze ook, zonder voorafgaande schriftelijke toestemming van de uitgever. No part of this book may be reproduced in any form, by mimeograph, film or any other means, without permission in writing from the publisher.

Inho

ud

5

Inhoud

Lijst tabellen 7

Lijst figuren 9

Inleiding 11

1 | Levenslang leren, sociaal kapitaal en werk: theorie en onderzoeksvragen 131.1 De relatie tussen levenslang leren, sociaal kapitaal en werk 131.2 De rol van sociaal kapitaal in de relatie tussen levenslang leren en werk nader

toegelicht 141.3 De onderzoeksvragen 15

2 | De onderzoeksmethode 172.1 De steekproef 172.2 Het operationaliseren van de variabelen 18

2.2.1 Levenslang leren 182.2.2 Sociaal kapitaal 192.2.3 Arbeidsmarktpositie 202.2.4 Overige variabelen 21

2.3 De analysetechniek 222.4 Het analytisch model 24

3 | Levenslang leren, sociaal kapitaal en werk: de analyseresultaten 253.1 Beschrijvende analyses 25

3.1.1 Participatie aan levenslang leren 253.1.2 Arbeidsmarktpositie 25

3.2 Verklarende analyses 273.2.1 Het directe effect van levenslang leren op de arbeidsmarktpositie tot op

29-jarige leeftijd 283.2.2 Het directe effect van sociaal kapitaal op de arbeidsloopbaan 313.2.3 De overige verklarende factoren voor de arbeidsloopbaan 333.2.4 De verklarende factoren voor participatie aan levenslang leren 383.2.5 Overige interessante relaties uit het padmodel 40

4 | Conclusie en aanbevelingen 434.1 Samenvatting van de analyseresultaten en discussie 43

4.1.1 Participatie aan levenslang leren en het effect ervan 434.1.2 Sociaal kapitaal 45

4.2 Aanbevelingen voor onderzoek 46

Inho

ud

6

4.3 Aanbevelingen voor beleid 47

- BIJLAGEN - 49bijlage 1 Frequentietabellen 51bijlage 2 MPLUS-output met de afhankelijke variabele ‘tewerkstelling’ op 29-jarige leeftijd 55bijlage 3 MPLUS-output met de afhankelijke variabelen ‘nettoloon’, ‘jobtevredenheid’, type contract, ‘horizontale’ en ‘verticale match’ 67

Bibliografie 83

Lijst

tab

elle

n 7

Lijst tabellen

Tabel 2.1 Aantal respondenten per geboortecohorte per bevraging 18Tabel 3.1 Aantal respondenten die een opleiding binnen en buiten het kader van de

job gevolgd hebben na het verlaten van het initieel onderwijs voor de eerste keer tot aanvang van de laatste uitgeoefende job/functie tussen 26- en 29-jarige leeftijd 25

Tabel 3.2 Aantal respondenten naar werkloosheid op 29 jaar 26Tabel 3.3 Aantal respondenten naar type contract in de laatste job tussen 26 en 29

jaar 26Tabel 3.4 Centrummaten en standaarddeviatie voor maandelijks nettoloon in euro in

de laatste job tussen 26 en 29 jaar 26Tabel 3.5 Aantal respondenten naar horizontale match in de laatste job tussen 26 en

29 jaar 27Tabel 3.6 Aantal respondenten naar verticale match in de laatste job tussen 26 en 29

jaar 27Tabel 3.7 Aantal respondenten naar jobtevredenheid op 29 jaar 27Tabel 3.8 Odds ratio’s voor het directe effect van levenslang leren op

tewerkstellingskansen op 29-jarige leeftijd 29Tabel 3.9 Parameterschattingen voor het directe effect van levenslang leren op het

nettoloon in de laatste functie tussen 26- en 29-jarige leeftijd 29Tabel 3.10 Odds ratio’s voor het directe effect van levenslang leren op kansen op een

vast contract tussen 26- en 29-jarige leeftijd 30Tabel 3.11 Odds ratio’s voor het directe effect van levenslang leren op kansen op

horizontale match tussen opleiding en job tussen 26- en 29-jarige leeftijd 30Tabel 3.12 Odds ratio’s voor het directe effect van levenslang leren op kansen op

verticale match tussen opleiding en job tussen 26- en 29-jarige leeftijd 31Tabel 3.13 Odds ratio’s voor het directe effect van levenslang leren op kansen op

jobtevredenheid tussen 26- en 29-jarige leeftijd 31Tabel 3.14 Odds ratio’s en parameterschattingen voor het directe effect van sociaal

kapitaal op de arbeidsmarktpositie tot op 29-jarige leeftijd 32Tabel 3.15 Odds ratio’s voor het directe effect van sociaal kapitaal op de

arbeidsmarktpositie tot op 29-jarige leeftijd (vervolg) 32Tabel 3.16 Odds ratio’s en parameterschattingen voor het directe effect van sociaal

kapitaal op de zoektijd naar de eerste job en kenmerken van de eerste job 33

Lijst

tab

elle

n 8

Tabel 3.17 Odds ratio’s voor het directe effect van sociaal kapitaal op kenmerken van de eerste job (vervolg) 33

Tabel 3.18 Odds ratio’s en parameterschattingen voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie tot op 29-jarige leeftijd 35

Tabel 3.19 Odds ratio’s voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie tot op 29-jarige leeftijd (vervolg) 36

Tabel 3.20 Odds ratio’s en parameterschattingen voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan 37

Tabel 3.21 Odds ratio’s voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan (vervolg) 37

Tabel 3.22 Odds ratio’s voor het directe effect van de verklarende factoren op participatie aan opleidingen binnen het kader van de job 39

Tabel 3.23 Odds ratio’s voor het directe effect van de verklarende factoren op participatie aan opleidingen buiten het kader van de job 40

Lijst

figu

ren

9

Lijst figuren

Figuur 1.1 Een algemene voorstelling van de relatie tussen participatie aan levenslang leren, menselijk en sociaal kapitaal en werkgerelateerde uitkomsten 14

Figuur 2.1 De relatie tussen participatie aan levenslang leren, menselijk kapitaal, sociaal kapitaal en werk volgens het analytisch model 24

Figuur 3.1 Het directe effect van levenslang leren op de arbeidsmarktpositie 28Figuur 3.2 Het directe effect van sociaal kapitaal op de arbeidsmarktpositie bij

aanvang van de arbeidsloopbaan en op 29-jarige leeftijd 32Figuur 3.3 De invloed van de overige verklarende variabelen op de

arbeidsmarktpositie bij aanvang van de arbeidsloopbaan en op 29-jarige leeftijd 34

Figuur 3.4 De verklarende factoren voor participatie aan levenslang leren 38Figuur 3.5 Overige relaties tussen de variabelen in het padmodel 40Figuur b1.1 Beschrijvende statistiek voor de continue variabelen 54

Inle

idin

g

11

Inleiding

Vlaamse en Europese beleidsmakers beschouwen deelname aan levenslang leren als zinvol (Commissie van de Europese Gemeenschappen, 2000; Smet, 2009; Vanweddingen, 2008; Vlaamse overheid, 2010). Levenslang leren is belangrijk volgens de Europese Unie omdat deelname aan levenslang leren de persoonlijke ontplooiing, de sociale cohesie, het actief burgerschap en de inzetbaarheid van de beroepsbevolking – het vinden en behouden van werk – in een op kennis gebaseerde maatschappij en economie bevordert (Commissie van de Europese Gemeenschappen, 2000). Levenslang leren lijkt ook de uitgelezen kans te zijn om vroegtijdige schoolverlaters de mogelijkheid te bieden alsnog een kwalificatie te behalen en zodoende hun positie op de arbeidsmarkt te verbeteren. Maar in welke mate is het zinvol en haalbaar om (laaggeschoolde) jongvolwassenen te stimuleren te participeren aan levenslang leren? Ook van sociaal kapitaal verwachten beleidsmakers en overheden, vooral op Europees niveau, veel. Ze gaan er van uit dat zowel levenslang leren als sociaal kapitaal welvaart en welzijn van het individu en de maatschappij positief kunnen beïnvloeden (Knipprath & De Rick, 2011a). Om na te gaan wat de zin en haalbaarheid is van participatie aan levenslang leren door (jong)volwassenen moet de vraag gesteld worden wat participatie beïnvloedt en wat de effecten zijn van levenslang leren op werkgerelateerde aspecten. Met andere woorden, in welke mate bevordert levenslang leren de positie van (laagopgeleide) volwassenen op de arbeidsmarkt? En wat is de rol van sociaal kapitaal daarin? In een vorig rapport voor het Steunpunt Studie en Schoolloopbanen (Knipprath & De Rick, 2011a) stelden we op basis van een literatuurstudie een theoretisch model voor om deze vragen te kunnen beantwoorden. In een daaropvolgend rapport (Knipprath & De Rick, 2011b) gingen we aan de hand van het theoretisch model op exploratieve wijze na wie participeert aan levenslang leren en wat het mogelijke effect ervan is op werkgerelateerde uitkomsten. De analyses hadden vooral een exploratief karakter omdat bivariate analyses ons een idee geven in welke mate variabelen met elkaar samenhangen maar er geen uitspraak gedaan kan worden over oorzaak en gevolg op basis van deze verbanden alleen. Multivariate analyses kunnen meer duidelijkheid bieden over directe en indirecte effecten van participatie aan levenslang leren op de arbeidsmarktpositie en de rol van sociaal kapitaal daarin. In dit rapport ondernemen we multivariate analyses en analyseren we het effect van levenslang leren op de arbeidsmarktpositie, rekening houdend met andere variabelen, waaronder sociaal kapitaal, die participatie aan levenslang leren en/of de arbeidsmarktpositie kunnen beïnvloeden. Op deze manier beantwoorden we de deelvraag in welke mate levenslang leren de positie van (laaggeschoolde) jongvolwassenen bevordert op de arbeidsmarkt en welke rol sociaal kapitaal daarin speelt.

Inle

idin

g

12

In hoofdstuk 1 komt de bespreking van de bestaande literatuur en de onderzoeksvragen aan bod. De bespreking van de literatuur komt gedeeltelijk uit het eerste en tweede SSL-rapport over sociaal kapitaal en levenslang leren (Knipprath & De Rick, 2011a, 2011b). In hoofdstuk 2 bespreken we de onderzoeksmethode: de steekproef, de geoperationaliseerde variabelen en de analysetechniek. Hiervoor halen we inspiratie en informatie uit het tweede en derde SSL-rapport over sociaal kapitaal en levenslang leren (Knipprath & De Rick, 2011b, 2012). In het derde hoofdstuk worden de analyseresultaten besproken. Nadat we de participatiegraad aan levenslang leren en werkgerelateerde uitkomsten kort hebben besproken, besteden we aandacht aan de resultaten van twee padmodellen. In het eerste padmodel wordt het effect van levenslang leren vanaf het moment waarop men het onderwijs voor het eerst verlaten heeft tot 29 jaar op tewerkstellingskansen op 29-jarige leeftijd geanalyseerd. In het tweede model wordt het effect van levenslang leren op andere indicatoren van de arbeidsmarktpositie nagegaan. Jobkenmerken, waaronder nettoloon en jobtevredenheid, tijdens de laatste uitgeoefende functie worden dan gebruikt als indicatoren voor de arbeidsmarktpositie. Levenslang leren wordt in dat geval gemeten vanaf het moment waarop men het onderwijs voor het eerst verlaten heeft tot aanvang van de laatste uitgeoefende functie tot op 29-jarige leeftijd. Het rapport wordt afgerond met een hoofdstuk waarin de analyseresultaten besproken worden en aanbevelingen voor verder onderzoek en beleid geformuleerd worden.

hoof

dstu

k 1

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: th

eorie

en

ond

erzo

eksv

rage

n 13

1 | Levenslang leren, sociaal kapitaal en werk: theorie en onderzoeksvragen

1.1 De relatie tussen levenslang leren, sociaal kapitaal en werk In Knipprath & De Rick (2011a, 2011b) hebben we de relatie tussen levenslang leren, sociaal kapitaal en werk geschetst op basis van het model van Schuller en Desjardins (OESO, 2007) en andere relevante studies over determinanten en effecten van levenslang leren en sociaal kapitaal (zie figuur 1.1). Hoewel levenslang leren volgens de definitie van de Europese Commissie (2001) verwijst naar leren van wieg tot graf in functie van persoonlijke, burgerlijke en sociale ontwikkeling en verbetering van eigen werkgelegenheidsperspectief, concentreren we ons hier in dit hoofdstuk en tijdens de data-analyse op het effect van participatie aan (non-)formeel en informeel leren door jongvolwassenen die het initieel onderwijs voor de eerste keer verlaten hebben op werkgerelateerde uitkomsten. De relatie tussen enerzijds levenslang leren en anderzijds menselijk en sociaal kapitaal is wederkerig. In figuur 1.1 gaat een pijl van levenslang leren naar menselijk kapitaal en sociaal kapitaal. Er gaat ook een pijl terug. Enerzijds bevordert leren het verwerven van vaardigheden en heeft leren ook een effect op de psychologische en fysieke eigenschappen van personen. Zowel vaardigheden, getuigschriften, psychologische als fysieke eigenschappen vormen het menselijk kapitaal van het individu volgens de definitie van OESO (2001). Bovendien kan tijdens het leren, vooral in gezelschap van andere lerenden, sociaal kapitaal opgebouwd worden. Vaardigheden nodig om sociaal kapitaal verder uit te bouwen worden verworven en het netwerk van de lerende breidt zich uit of verandert. Anderzijds, menselijk kapitaal verworven tijdens de initiële schoolloopbaan en later bepaalt verder de participatiekans aan levenslang leren op latere leeftijd. Ook sociaal kapitaal kan leren beïnvloeden. Menselijk kapitaal en sociaal kapitaal beïnvloeden verder ook werkgerelateerde uitkomsten (type contract, aard werk, inkomen, inzetbaarheid etc.). Zowel verworven vaardigheden, attitudes, fysieke omstandigheid als het inroepen van hulpbronnen kunnen namelijk kansen op de arbeidsmarkt beïnvloeden. Er gaat tevens een pijl terug van werkgerelateerde uitkomsten naar sociaal kapitaal. Het vinden van werk bijvoorbeeld kan rechtstreeks een invloed hebben op het netwerk van het individu. Door de nieuwe job komt men in contact met nieuwe mensen, maar is het ook mogelijk dat relaties met anderen verwateren. Werkgerelateerde uitkomsten, bv. de aard van de job, kan ook menselijk kapitaal beïnvloeden. In geval van vaardigheden zal het effect van werk op menselijk kapitaal onrechtstreeks gebeuren via de variabele levenslang leren. De aard van de job kan namelijk opleidingskansen beïnvloeden. Er gaat dan ook een pijl van werkgerelateerde uitkomsten naar levenslang leren. In geval van gezondheid en psychologische kenmerken kunnen we veronderstellen dat werk een rechtstreekse invloed kan uitoefenen op menselijk kapitaal. Verder

hoof

dstu

k 1

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: th

eorie

en

ond

erzo

eksv

rage

n 14

veronderstellen we dat er een pijl van menselijk naar sociaal kapitaal getrokken kan worden en omgekeerd. Door het verwerven van vaardigheden, kan men toegang krijgen tot meer en/of andere informatie en een ander of groter netwerk. Het sociaal kapitaal van een individu neemt dan toe of verandert. Andersom kan sociaal kapitaal invloed uitoefenen op het verwerven van vaardigheden en/of kennis via het leerproces of participatie aan levenslang leren of rechtstreeks op gezondheid en het welbevinden. Ten slotte zijn er nog de maatschappelijke context en de achtergrondkenmerken van het individu die niet alleen participatie aan levenslang leren en werkgerelateerde uitkomsten maar ook de relatie tussen levenslang leren en andere factoren op individueel niveau kunnen beïnvloeden.

Figuur 1.1 Een algemene voorstelling van de relatie tussen participatie aan levenslang leren, menselijk en sociaal kapitaal en werkgerelateerde uitkomsten

Bron Knipprath & De Rick (2011b)

1.2 De rol van sociaal kapitaal in de relatie tussen levenslang leren en werk nader toegelicht

De invulling van het begrip en de werking van sociaal kapitaal in het model waarop ons onderzoek gebaseerd is, is geïnspireerd door het werk van Lin (1999, 2008) en Strawn (2003). Sociaal kapitaal wordt in figuur 1.1, voor vereenvoudiging, voorgesteld als een unidimensionele factor. In de onderzoeksliteratuur naar sociaal kapitaal zijn er echter twee belangrijke dimensies te onderscheiden: een structurele dimensie en een interpretatieve of normatieve dimensie. De structurele dimensie verwijst naar het netwerk waarover een individu beschikt. Door relaties aan te gaan met anderen, kan een individu beschikken over potentiële hulpbronnen: ondersteuning en/of informatie. In navolging van Lin (1999) leggen we met de structurele dimensie de focus op de aanwezigheid van potentiële hulpbronnen. De voorwaarde om toegang te hebben tot deze hulpbronnen is het hebben van een netwerk. Hoe uitgebreider het netwerk, hoe meer toegang tot potentiële hulpbronnen. De aanwezigheid van deze hulpbronnen bepaalt dan de hulpbronnen die uiteindelijk aangesproken worden. Het aangaan van relaties en het verwerven van sociaal kapitaal gebeurt binnen de familie, in de buurt en organisaties en zelfs in relatie met instellingen van de overheid. De interpretatieve dimensie bestaat uit normen en waarden die gedeeld worden binnen het netwerk. Strawn (2003) vervangt de termen normen en waarden door het begrip discours. Volgens Strawn (2003) groeit men binnen de familie en nabije gemeenschap op met het primair discours en kan het individu op latere leeftijd, wanneer hij of zij zijn of haar netwerk uitbreidt, in contact komen met andere discours. Omdat Strawn zich concentreert op het verklaren van participatie aan levenslang leren, spreekt zij van een

15

hoof

dstu

k 1

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: th

eorie

en

ond

erzo

eksv

rage

n

‘educational discourse’ of de opvatting over participatie aan levenslang leren. Het al dan niet overnemen of beïnvloed worden door de opvatting van zijn of haar netwerk hangt volgens Strawn af van het type netwerk. De theorie luidt dat vooral in ‘dichte’ netwerken, waarvan het aantal leden eerder beperkt is en de leden elkaar kennen, er meer druk zal bestaan op het individu om het interne discours over levenslang leren over te nemen. In open netwerken daarentegen, waar de leden elkaar niet allemaal kennen, staan de leden meer open voor verschillende soorten discours. Haar theoretisch model biedt echter geen verklaring waarom een individu, indien het in contact komt met verschillende discours of opvattingen, voor een bepaald discours zal kiezen of zich daardoor zal laten beïnvloeden. In het model van De Rick , Van Valckenborgh en Baert (2004) zien we het belang van de perceptie die de potentiële lerende heeft van de opvattingen van anderen in het verklaren van de participatie aan levenslang leren en het belang van de mate waarin men geneigd is zich te conformeren. In studies en definities van sociaal kapitaal komt verder vaak het begrip vertrouwen terug. Wij veronderstellen op basis van deze definities en het model van De Rick, Van Valckenborgh en Baert (2004) dat een individu of potentiële lerende zich laat beïnvloeden, wanneer hij of zij geneigd is zich te conformeren, door de opvatting van diegenen waarin hij of zij vertrouwen heeft, m.a.w. door de opvatting van de betekenisvolle andere(n). In ons model stellen we met betrekking tot de relatie tussen levenslang leren en sociaal kapitaal voor dat (1) het discours van mensen waarin men vertrouwen heeft het eigen discours of houding ten opzichte van levenslang leren kan beïnvloeden; (2) het netwerk of de relaties die men heeft een bron kunnen zijn voor ondersteuning indien men aan levenslang leren wil of gaat deelnemen (bv. kinderopvang etc.); (3) het netwerk of de relaties die men heeft een bron kunnen zijn voor informatie over levenslang leren. Met betrekking tot de werkgerelateerde uitkomsten zal niet het discours over de participatie aan levenslang leren maar zullen andere discours een invloed uitoefenen op de keuzes die men maakt op vlak van tewerkstelling. In dat geval kunnen we een invloed veronderstellen van een discours uit de omgeving over werkgerelateerde aspecten. In de literatuur naar de invloed van sociaal kapitaal op werkgerelateerde uitkomsten wordt echter vooral gekeken naar de structurele dimensie van sociaal kapitaal: de karakteristieken van het netwerk, de positie van de leden waarmee men een relatie heeft en de hulpbronnen die daaruit resulteren. Het is niettemin interessant om ons af te vragen of ook bij werkgerelateerde aspecten, met name dan bij het zoeken en vinden van werk of het maken van promotie, de opvatting van betekenisvolle anderen en de daardoor beïnvloede eigen opvatting bepalend kunnen zijn voor werkgerelateerde uitkomsten. We denken daarbij aan werkethos, opvattingen over deeltijds versus voltijds werk, over carrière maken etc. Bij de relatie tussen sociaal kapitaal en werkgerelateerde uitkomsten moet er dan ook gekeken worden naar (1) het discours van betekenisvolle anderen dat het eigen discours of houding ten opzichte van werkgerelateerde aspecten kan beïnvloeden; (2) het netwerk dat men heeft en een bron kan zijn voor ondersteuning bij werkgerelateerde aspecten; (3) het netwerk dat men heeft en dat een bron kan zijn van informatie over werkgerelateerde aspecten.

1.3 De onderzoeksvragen In het derde SSL-rapport over sociaal kapitaal en levenslang leren (Knipprath & De Rick, 2012) hebben we onderzocht welke determinanten, waaronder sociaal kapitaal, participatie aan levenslang leren beïnvloeden. We hebben daarbij gekeken naar zowel formeel, non-formeel en informeel levenslang leren binnen het kader van de job als formeel en non-formeel levenslang leren buiten het kader van de job. Op basis van de analyseresultaten kwamen we tot de conclusie dat verschillende vormen van levenslang leren verschillende verklaringsgronden vereisen. In dit rapport analyseren we het effect van levenslang leren en sociaal kapitaal op werkgerelateerde

hoof

dstu

k 1

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: th

eorie

en

ond

erzo

eksv

rage

n 16

uitkomsten en houden we tegelijkertijd rekening met variabelen die participatie aan levenslang leren verklaren. We stellen de volgende onderzoeksvragen:

(1) Welke factoren verklaren participatie aan levenslang leren? (2) Wat is het directe effect van participatie aan verschillende vormen van levenslang leren tijdens de arbeidsloopbaan op de arbeidsmarktpositie tot op 29 jaar? (3) Op welke manier beïnvloedt sociaal kapitaal de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan en tot op 29 jaar? (4) Welke andere factoren verklaren de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan en tot op 29 jaar? In tegenstelling tot het vorige rapport (Knipprath & De Rick, 2012), kijken we in dit rapport naar het effect van levenslang leren over een langere periode, d.i. vanaf het verlaten van het initieel onderwijs voor de eerste keer tot 29 jaar (tewerkstellingskansen) of tot de laatste functie uitgeoefend tussen 26- en 29-jarige leeftijd (overige kenmerken van de arbeidsmarktpositie). Omdat niet alle respondenten op het moment van de bevraging op 29-jarige leeftijd werkzaam waren (zie voor meer informatie hoofdstuk 2), kijken we naar de laatst uitgeoefende functie tussen 26 en 29-jarige leeftijd van de respondenten wanneer we het effect van levenslang leren op kenmerken van de arbeidsmarktpositie, zoals nettoloon en jobtevredenheid, willen nagaan. Ook maken we in dit rapport, in tegenstelling tot voorgaande rapporten, een onderscheid tussen de verschillende soorten leeractiviteiten buiten het kader van de job. In het volgende hoofdstuk leggen we de onderzoeksmethode uit. Daarbij besteden we aandacht aan de steekproef, de variabelen, de analysetechniek en het analytisch model.

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e 17

2 | De onderzoeksmethode

2.1 De steekproef Het begrip tijd of inzicht in de volgorde waarin bepaalde gebeurtenissen plaatsvinden is een belangrijke voorwaarde om tot causale uitspraken te komen. Hiervoor zijn longitudinale data cruciaal. De Vlaamse databank SONAR is, in tegenstelling tot vele andere (inter)nationale databanken waarmee de relatie tussen sociaal kapitaal, werk en levenslang leren onderzocht kan worden, een longitudinale databank, waardoor het inderdaad eenvoudiger is om af te leiden wat eerst komt: participatie aan levenslang leren, werkgerelateerde uitkomsten of het verwerven van sociaal kapitaal. De gegevensverzameling voor de SONAR-databank heeft als doel inzicht bieden in de transitie van onderwijs naar arbeidsmarkt en de loopbaan van jongvolwassenen. De gegevens werden verzameld bij drie geboortecohorten: jongvolwassenen geboren in 1976, 1978 en in 1980. De geboortecohorten werden twee- of driemaal bevraagd: op 23-, 26- en/of 29-jarige leeftijd (zie tabel 2.1). Voor elke geboortecohorte werd gebruikgemaakt van een procedure via het rijksregister om een aselecte en voor Vlaanderen representatieve steekproef te trekken van 3000 respondenten, met voor elke respondent drie vervangadressen. De gegevens van de steekproef werden verzameld via face-to-face interviews op basis van een gestructureerde vragenlijst. Deze vragenlijst bestond uit twee aparte delen: (1) een traditionele vragenlijst over het verloop van de schoolloopbaan, zoekgedrag naar de eerste job, kenmerken van de eerste en laatste job tijdens de bevraagde periode, attitudes en achtergrondkenmerken; en (2) een kalender om op een gedetailleerde manier de onderwijsloopbaan per jaar, de arbeidsloopbaan per maand en andere belangrijke gebeurtenissen in de levensloop van jongeren te reconstrueren (SONAR, 2007). In dit rapport bespreken we de resultaten van analyses op basis van de gegevens van de geboortecohorte 1976. We gebruiken enkel de informatie van de respondenten die aan alle drie bevragingen hebben deelgenomen. Uit tabel 2.1 kunnen we afleiden dat er sprake is van attritie: niet alle respondenten die werden geïnterviewd op 23-jarige leeftijd hebben aan de tweede en/of derde bevraging meegewerkt. Analyses hebben echter aangetoond dat de uitval bij deze cohorte geen significant probleem voor de representativiteit van de steekproef vormt. De steekproefsamenstelling naar geslacht, arbeidssituatie voor 23 jaar, thuistaal, sociale en etnische afkomst blijkt niet sterk te verschillen over de meetmomenten heen (Knipprath & De Rick, 2011b).

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e 18

Tabel 2.1 Aantal respondenten per geboortecohorte per bevraging

Interview op 23 jaar Interview op 26 jaar Interview op 29 jaar Geboortecohorte 1976 3015 2060 1657 Geboortecohorte 1978 3002 2099 n.v.t. Geboortecohorte 1980 2993 n.v.t. 1922

Bron

2.2 Het operationaliseren van de variabelen

Vanderheyden, Coppieters, Van Trier, & Delbeke (2011)

2.2.1 Levenslang leren Volgens de definitie van de Europese Commissie (2001) houdt levenslang leren een brede waaier van leeractiviteiten in, gaande van formele, niet-formele tot informele leeractiviteiten een leven lang1. In dit onderzoek proberen we analoog zo veel mogelijk verschillende leeractiviteiten aan bod te laten komen, maar concentreren we ons enkel op die leeractiviteiten die gestart en gevolgd werden door jongvolwassenen nadat zij voor de eerste keer hun initiële schoolloopbaan in het formele onderwijssysteem verlaten hebben. Het maakt hierbij niet uit of ze al een eerste job startten2, werkzoekend waren of besloten niet te gaan werken3. We maken geen onderscheid tussen volgen en succesvol afronden van een bijkomende leeractiviteit met een certificaat enerzijds en volgen zonder het behalen van een certificaat anderzijds. We maken wel een onderscheid tussen drie vormen van leeractiviteiten: (niet-) formele leeractiviteiten in het kader van de job, informele leeractiviteiten in het kader van de job en (niet-)formele leeractiviteiten buiten het kader van de job. Formele en niet-formele leeractiviteiten werden zowel in als buiten het bedrijf gevolgd en informele leeractiviteiten op de werkvloer kwamen tot stand door collega’s te observeren of door informeel een opleiding te volgen bij een collega. (Niet-)formele opleidingen buiten het kader van de job omvatten verschillende soorten opleidingen die we hier in tegenstelling tot de vorige rapporten verder opsplitsen: de terugkeer naar het formeel onderwijssysteem inclusief het stelsel leren & werken, VDAB-opleidingen (beroepsopleidingen voor volwassenen en opleidingen om werkzoekenden te herscholen), Onderwijs voor Sociale Promotie (deeltijds volwassenonderwijs op het niveau van het lager secundair onderwijs, hoger secundair onderwijs of hoger onderwijs van één cyclus) en alle andere opleidingen waaronder basiseducatie, open universiteit, sectorale opleidingen, opleidingen ter re-integratie van werklozen die niet door de VDAB verzorgd worden enzovoort4

1 De Europese Commissie (Commissie van de Europese Gemeenschappen, 2000) definieert formele, niet-formele en informale

leeractiviteiten als volgt. Formele leeractiviteiten vinden plaats in onderwijs- en opleidingsinstellingen en leiden tot erkende diploma's en kwalificaties. Niet-formele leeractiviteiten vinden plaats buiten de eigenlijke onderwijs- en opleidingsstelsels en leiden niet noodzakelijk tot reguliere getuigschriften; ze kunnen worden verstrekt op het werk, via de activiteiten van maatschappelijke organisaties en groeperingen (zoals jeugdbewegingen, vakbonden en politieke partijen) of door organisaties of diensten die zijn opgezet om reguliere stelsels aan te vullen. Informele leeractiviteiten, al dan niet intentioneel, kunnen een gewoon verschijnsel zijn in het dagelijkse leven, op het werk, thuis of elders.

. Deze opleidingen kunnen gevolgd zijn door respondenten om hun positie op de arbeidsmarkt te verbeteren of om andere redenen, maar de opleidingen werden niet in opdracht van de werkgever en/of binnen het kader

2 De eerste (significante) job, maar ook de latere jobs in de bevraging, zijn betaalde jobs van minstens één uur per week bij een werkgever waarvoor de respondent een arbeidscontract heeft van minstens één maand. Ook een job als zelfstandige of als helper (d.i. als meewerkend familielid zonder vergoeding en arbeidscontract) van minstens één maand en één uur per week telt mee. Indien de respondent tegelijkertijd meerdere jobs van minstens één maand heeft, gaan de vragen over de job waarin de respondent de meeste uren presteerde (d.i. hoofdberoep).

3 Een zeer bepert aantal respondenten start een eerste job maar blijft tegelijkertijd verder studeren zonder de initiële schoolloopbaan echt te onderbreken. Niettemin worden alle leeractiviteiten vanaf het startmoment van de eerste job beschouwd als een vorm van levenslang leren.

Alle respondenten hebben op het moment van de bevraging op 26-jarige leeftijd, voor de eerste keer hun initiële schoolloopbaan in het formele onderwijssysteem verlaten.

4 In dit rapport gebruiken we de benamingen die op het moment van de bevragingen gebruikt werden. Zo werd er gepeild naar participatie aan opleidingen van het Onderwijs voor Sociale Promotie, terwijl deze term vandaag niet meer gebruikt wordt.

19

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e

van de job gevolgd. De variabelen voor de verschillende vormen van leeractiviteiten zijn dummyvariabelen. De respondenten scoren ‘1’ op de variabelen voor opleidingen wanneer ze minstens één opleiding gevolgd hebben. De periode waarnaar gekeken wordt om levenslang leren te operationaliseren verschilt naargelang de indicator voor de arbeidsmarktpositie. Wanneer we het effect van levenslang leren op tewerkstellingskansen nagaan, kijken we naar de periode vanaf het moment dat de respondenten het initieel onderwijs verlaten hebben tot de leeftijd van 29 jaar. Wanneer we het effect van levenslang leren op de arbeidsmarktpositie, gemeten aan de hand van enkele jobkenmerken, willen analyseren, dan kijken we naar de periode vanaf het verlaten van het initieel onderwijs tot net voor de start van de laatste job tussen 26- en 29-jarige leeftijd. Met andere woorden, we houden geen rekening met leeractiviteiten die werden uitgeoefend tijdens de laatste job. Het volgen van leeractiviteiten tijdens de laatste job kunnen het resultaat zijn van de aard van de job die men uitoefent, terwijl we in dit rapport geïnteresseerd zijn in het effect van het volgen van een opleiding op de aard van de job die men na het volgen van de leeractiviteit uitoefent. Ten slotte, vermelden we hier dat we kijken naar de laatste job tussen 26- en 29-jarige leeftijd en niet naar de laatste job op 29-jarige leeftijd. Een aantal respondenten werkten namelijk niet op het moment van de bevraging op 29-jarige leeftijd. Voor deze respondenten werd daarom gekeken naar hun laatste job tussen 26 en 29 jaar om arbeidsmarkpostie aan de hand van jobkenmerken te operationaliseren. De grote meerderheid van de respondenten die niet werkten op het moment van de bevraging op 29-jarige leeftijd voerden echter hun laatste job nog in het jaar van deze laatste bevraging uit (zie ook Knipprath & De Rick, 2011b). In paragraaf 3.1 van het volgende hoofdstuk wordt de participatiegraad aan de verschillende leeractiviteiten beschreven.

2.2.2 Sociaal kapitaal Sociaal kapitaal wordt in de onderzoeksliteratuur vaak twee dimensies toegeschreven: een structurele dimensie en een interpretatieve of normatieve dimensie. De structurele dimensie verwijst naar het netwerk en de daarmee samenhangende hulpbronnen. De interpretatieve dimensie verwijst naar normen of waarden, of toegepast op ons onderzoek, de houding of discours ten opzichte van levenslang leren of werk. De structurele dimensie van sociaal kapitaal wordt gemeten aan de hand van het lidmaatschap van verenigingen inclusief onbetaald vrijwilligerswerk bij het verlaten van het initieel onderwijs. Onder verenigingen verstaan we o.a. jeugdverenigingen, sportverenigingen, sociaal-politieke verenigingen, (sociaal-)culturele verenigingen, hobbyclubs en andere verenigingen5. De respondent scoort ‘1’ op deze variabele zodra hij of zij lid was van minstens één vereniging en/of onbetaald vrijwilligerswerk uitoefende. De strucuturele dimensie wordt ook nog gemeten aan de hand van de socio-economische positie van de partner op 26-jarige leeftijd. De variabele ‘socio-economische positie’ van de partner werd geconstrueerd op basis van meerdere indicatoren met behulp van factoranalyse, binnen het statistisch programma MPLUS 6

5 Lidmaatschap van verenigingen en onbetaald vrijwilligerswerk werden op twee verschillende momenten gemeten: bij het

verlaten van het formeel onderwijssysteem en in de leeftijdsperiode van 21 jaar tot 26 jaar. In het vorige SSL-rapport (Knipprath & De Rick, 2012) hebben we sociaal kapitaal gemeten tussen de leeftijd van 21 jaar en 26 jaar. Omdat in dit rapport levenslang leren gemeten wordt vanaf het moment dat de respondent het initieel onderwijs verlaat en we een oorzakelijk verband willen veronderstellen, hebben we gekozen voor sociaal kapitaal gemeten bij het verlaten van het initieel onderwijs. Eerdere analyses hebben aangetoond dat sociaal kapitaal bij het verlaten van het initieel onderwijs een gelijkaardige verklaringskracht heeft als sociaal kapitaal tussen de leeftijd van 21 en 26 jaar (zie Knipprath & De Rick, 2011b, 2012).

. De factorscores werden gebruikt om de respondenten op te delen in twee groepen: de respondent scoort ‘1’ wanneer hij of zij een partner heeft op 26-jarige leeftijd met een hoge socio-economische positie (=25% van de respondenten met een partner) en ‘0’ wanneer hij of zij een partner heeft met een lagere socio-

6 Om de socio-economische positie van de partner te bepalen werden de volgende variabelen gebruikt: opleiding, beroepsprestigescore (ISEI92) & beroepsactiviteit.

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e 20

economische positie of geen partner heeft7. Ten slotte, meten we sociaal kapitaal aan de hand van de zoekkanalen die gebruikt werden om werk te vinden bij het betreden van de arbeidsmarkt voor de eerste keer en de hoeveelheid informatie die men gekregen heeft tijdens de initiële schoolloopbaan over solliciteren en de arbeidsmarkt8. Bij zoekkanalen maken we een onderscheid tussen enerzijds het gebruik van persoonlijke relaties om te zoeken naar werk en anderzijds het aantal (andere) zoekkanalen die de respondent gebruikt heeft om werk te zoeken, waaronder de VDAB9

De interpretatieve dimensie van sociaal kapitaal wordt gemeten aan de hand van de houding van de respondenten ten opzichte van verschillende aspecten van het werk. In SONAR werden een vijftiental stellingen geformuleerd die de houding van de respondenten ten opzichte van werk weerspiegelen. Met behulp van het programma MPLUS hebben we eerst een verkennende en vervolgens een confirmatorische factoranalyse uitgevoerd om te komen tot twee schalen: ‘werken geeft voldoening en is zinvol’ en ‘werken is vooral belangrijk om geld te verdienen en stabiliteit te vinden’

.

10

2.2.3 Arbeidsmarktpositie

. Welke normen en waarden die binnen het netwerk van de respondenten heersen ten opzichte van werk werden niet gemeten. Ook hebben we geen informatie over de houdingen die de respondenten en hun netwerk hebben ten opzichte van levenslang leren. Bovendien zijn de indicatoren voor de structurele dimensie van sociaal kapitaal voor zowel werk als levenslang leren niet exhaustief. Zo meten we niet het volledige netwerk en de aanwezigheid van alle potentiële hulpbronnen. Er werden binnen SONAR bijvoorbeeld geen vragen over familie (met uitzondering van de vragen over de socio-economische status van de ouders), kennis, vrienden of collega’s gesteld die ook tot het netwerk van de respondenten kunnen behoren. Niettemin veronderstellen we dat met name lidmaatschap verenigingen en onbetaald vrijwilligerswerk beschouwd kunnen worden als een goede proxy-variabele voor de uitgestrektheid van het netwerk waarover een respondent beschikt, omdat de meeste respondenten familie, vrienden en collega’s hebben.

In dit rapport staat de vraag naar het effect van levenslang leren op werkgerelateerde uitkomsten centraal. We kijken met name naar het effect van levenslang leren op de arbeidsmarktpositie op29-jarige leeftijd. Maar we verwachten dat de arbeidsmarktpositie tot op 29-jarige leeftijd niet alleen verklaard kan worden door participatie aan levenslang leren maar ook door andere factoren. We verwachten met name dat de aanvang van de arbeidsloopbaan een belangrijk effect heeft op de bereikte arbeidsmarktpositie op latere leeftijd. Daarom meten we de arbeidsmarktpositie zowel bij aanvang van de arbeidsloopbaan als op 29-jarige leeftijd.

7 Met andere woorden, de partners die binnen het vierde kwartiel van de factorscores vallen, worden beschouwd als een

partner met hoge socio-economische positie. 8 De respondenten werden gevraagd of ze in het secundair en/of hoger onderwijs het volgende hebben gedaan: (1) leren

schrijven van sollicitatiebrieven, leren opstellen van een CV; (2) informatie over de VDAB; (3) informatie over bedrijven, uitzendkantoren, kantoren voor werving en selectie; (4) informatie over het zoeken van werk via personeelsadvertenties; (5) informatie over jobbeurzen of de mogelijheid tot het bezoeken van een jobbeurs; (6) informatie over zelfstandig ondernemen.

9 De zoekkanalen zijn: VDAB (inschrijven, Jobclub, Weerwerk, ... en/of raadplegen van WIS- of KISS-systeem), uitzendkantoren, PWA, andere kantoren voor werving en selectie, andere organisaties of vzw’s (bv. vakbonden, gemeentediensten), jobbeurzen, plaatsingsdienst scholen, opendeurdagen van ondernemingen of instellingen, en raadplegen van personeelsadvertenties.

10 De items die gebruikt werden voor de variabele ‘werken is zinvol’ zijn: (1) werken geeft u het gevoel iets zinvol te doen;(2) werken doet men vooral om met belangrijke en interessante dingen bezig te zijn; (3) werken doet men vooral om met creatieve dingen en nieuwe ideeën bezig te kunnen zijn. De items die gebruikt werden voor de variabele ‘werken voor geld’ zijn: (1) werken doet men vooral om geld te verdienen; (2) werken doet men vooral om zekerheid en stabiliteit in het leven te hebben; (3) het soort werk dat men doet is niet belangrijk, als men er maar geld mee verdient.

21

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e

Verschillende indicatoren komen aan bod voor de arbeidsmarktpositie tot op 29-jarige leeftijd: (1) tewerkstelling op 29 jaar11; en voor de laatste uitgeoefende functie tussen 26- en 29-jarige leeftijd 12

Voor de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan meten we: (1) de zoektijd voor de eerste job; en de volgende jobkenmerken van de eerste job: (2) jobtevredenheid; (3) nettoloon in euro per maand

: (2) jobtevredenheid; (3) nettoloon in euro per maand; (4) type contract; (5) inhoudelijke overeenstemming tussen opleiding en job (=horizontale match); en (6) overeenstemming tussen het behaalde opleidingsniveau en het vereiste opleidingsniveau voor de job (=verticale match).

13

Rekening houden met de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan heeft een bijkomende reden. We verwachten namelijk ook dat de aard van de job en de werkgever mee bepalen of iemand een kans krijgt om bij te leren of een opleiding te volgen. Omdat we in onze analyses het volgen van leeractiviteiten over een langere periode in rekening brengen, en dus niet de focus leggen op het volgen van een opleiding op één bepaald moment in één bepaalde job, is het niet evident om jobkenmerken in het model in te voeren. In deze periode kunnen respondenten namelijk verschillende jobs uitoefenen met verschillende jobkenmerken en in die verschillende jobs een opleiding volgen. We kijken daarom enkel naar de situatie bij aanvang van de arbeidsloopbaan enverwachten dat deze beginsituatie reeds een goede indicatie geeft voor het type arbeidsloopbaan dat de respondent doorloopt en dus de opleidingskansen die de respondent krijgt tot de leeftijd van 29 jaar. Deze verwachtingen worden door de resultaten van het padmodel bevestigd (zie hoofdstuk 3).

; (4) type contract; (5) inhoudelijke overeenstemming tussen opleiding en job (=horizontale match); en (6) overeenstemming tussen het behaalde opleidingsniveau en het vereiste opleidingsniveau voor de job (=verticale match).

Het voordeel om naar een langere periode te kijken, is dat we geen respondenten over het hoofd zien die wel participeren aan leeractiviteiten, maar dat toevallig niet gedaan hebben tijdens een kortere bevraagde periode. Op deze manier krijgen we een beter beeld van welke factoren participatie beïnvloeden en wat het effect is van deze participatie.

2.2.4 Overige variabelen Naast de aanvang van de arbeidsloopbaan, het volgen van opleidingen en sociaal kapitaal verwachten we dat ook andere variabelen, waaronder geslacht en menselijk kapitaal, de arbeidsmarktpositie tot op 29-jarige leeftijd kunnen verklaren. Volgens de onderzoeksliteratuur spelen bovendien sociaal kapitaal, geslacht, sociale en etnische afkomst, opleiding, leefsituatie (gezin, tijdsdruk etc.), psychologische kenmerken, leerervaringen en leerklimaat ook een belangrijke rol in het verklaren van participatie aan levenslang leren. Met uitzondering van leerklimaat bij de aanbieder van de leeractiviteiten en leefsituatie waarover we geen informatie hebben bij aanvang van de periode waarin men de arbeidsmarkt betreedt14

11 We kijken hier met name of een respondent al dan niet werkloos is. Werkloos betekent hier op zoek naar werk en/of

uitkeringsgerechtigd zijn, op het moment van de bevraging. Respondenten die thuiszitten zonder inkomen en niet (meer) op zoek zijn naar werk en respondenten die in ziekteverlof, zwangerschapsverlof of ouderschapsverlof zijn worden hier buiten beschouwing gelaten.

, nemen we al deze

12 Omdat een aantal respondenten niet werkten op het moment van de bevraging op 29-jarige leeftijd, werd bij hen informatie over hun laatste job tussen 26- en 29-jarige leeftijd opgevraagd. De grote meerderheid van de respondenten die niet werkten op het moment van de bevraging voerden hun laatste job nog in het jaar van de bevraging op 29-jarige leeftijd uit.

13 Jobtevredenheid en nettoloon van de eerste job zijn gemeten bij start van de eerste job. Met andere woorden, er werd gevraagd of men in het begin tevreden was met de job en wat het startloon was.

14 In Knipprath & De Rick (2012) keken we naar de determinanten van levenslang leren tussen 26 en 29 jaar en konden we rekening houden met de variabelen ‘aantal kinderen’ en ‘aantal huishoudelijke taken’ op 26-jarige leeftijd. In dit rapport kijken we naar het effect van participatie aan levenslang leren over een langere periode en hebben we geen informatie over de gezinssituatie bij aanvang van deze periode. Uit de vorige studie is gebleken dat het aantal kinderen negatief samenhangt met participatie aan (non-)formeel leren buiten het kader van de job tussen 26 en 29 jaar. Deze vaststelling mogen we niet uit het oog verliezen bij de interpretatie van de analysresultaten in dit rapport.

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e 22

variabelen mee in het verklaren van participatie aan levenslang leren en de arbeidsmarktpositie tot op 29-jarige leeftijd. Sociale afkomst is een geconstrueerde variabele op basis van de variabelen opleiding en de arbeidssituatie van vader en moeder op het moment dat de respondent het secundair onderwijs verliet. De variabele sociale afkomst werd geconstrueerd met behulp van factoranalyse, binnen het statistisch programma MPLUS. Om etnische afkomst te bepalen, werd rekening gehouden met de nationaliteit van de respondent, het geboorteland van de respondent, de thuistaal van de respondent, de nationaliteit van de grootmoeder langs moederszijde en het geboorteland van de grootmoeder langs moederszijde. De respondenten werden vervolgens opgedeeld in twee categorieën: autochtonen en allochtonen15

Bij diploma bij het verlaten van het formeel onderwijssysteem voor de eerste keer hanteren we zes categorieën: (1) lager onderwijs of bijzonder onderwijs; (2) gewoon lager secundair onderwijs; (3) gewoon hoger secundair onderwijs; (4) hoger onderwijs korte type; (5) hoger onderwijs lange type; (6) universiteit en doctoraat.

. Omdat informatie over de thuistaal werd gebruikt om deze variabele te construeren, wordt thuistaal niet als een aparte verklarende variabele in de multivariate analyses in hoofdstuk 3 opgenomen.

Daarnaast hebben we informatie over ‘locus of control’ of de beheersingsoriëntatie van de respondent: de mate waarin de respondenten het gevoel hebben controle te hebben over hun eigen leven. Deze variabele werd ook met behulp van MPLUS geconstrueerd na opeenvolgend een exploratorische en confirmatorische factoranalyse te hebben uitgevoerd.16

Naast het menselijk kapitaal of de opleiding van de respondenten komen ook variabelen die leerervaringen meten of de manier waarop men de schoolloopbaan doorlopen heeft aan bod. We meten leerervaringen aan de hand van de schoolse achterstand die opgelopen is in het basisonderwijs en/of het secundair onderwijs (dummyvariabele) en door te kijken of de respondenten zijn afgestroomd naar een andere, relatief ‘gemakkelijkere’, onderwijsvorm of studierichting (watervalsysteem). De frequentietabellen voor de variabelen staan in bijlage 1.

Niet alleen de opleiding, de vaardigheden waarover men beschikt, maar ook psychologische en fysieke eigenschappen kunnen worden beschouwd als menselijk kapitaal (OESO, 2001). Uit de analyses bleek echter dat beheersingsoriëntatie nauwelijks verklaringskracht heeft en dat het model moeilijk convergeerde. Uiteindelijk werd deze variabele geweerd uit de analyses.

2.3 De analysetechniek In het volgende hoofdstuk bespreken we na de beschrijving van de frequentieverdelingen voor participatie aan levenslang leren en de verschillende indicatoren voor de arbeidsmarktpositie de resultaten van twee padmodellen. In het eerste padmodel wordt het effect van levenslang leren vanaf het moment waarop men het onderwijs voor het eerst verlaten heeft tot 29 jaar op tewerkstellingskansen op 29-jarige leeftijd geanalyseerd. In het tweede model wordt het effect van levenslang leren vanaf het moment waarop men het onderwijs voor het eerst verlaten heeft tot aanvang van de laatste uitgeoefende functie getoetst op de arbeidsmarktpositie volgens de kenmerken van de laatste functie uitgeoefend tussen de leeftijd van 26 en 29 jaar. Voor de padmodellen gebruiken we het statistisch pakket MPLUS. Dit is vrijwel het enige programma dat op gepaste wijze padmodellen kan laten lopen waarbij één of meerdere afhankelijke variabelen nominaal of ordinaal zijn. De variabelen ‘tewerkstelling’, ‘vast contract’, ‘horizontale match’, ‘verticale match’ maar ook variabelen die participatie aan levenslang leren meten zijn

15 De respondenten die de Belgische nationaliteit hebben, in België geboren zijn, een grootmoeder hebben met de Belgische

nationaliteit die in België geboren is en thuis een van de landstalen spreekt, worden beschouwd als autochtonen (Belgisch). Respondenten die aan minstens één van deze voorwaarden niet voldoen worden als allochtonen beschouwd.

16 De volgende items werden daarvoor gebruikt: (1) de meeste narigheden in het leven overkomen u zonder dat u er veel aan kan doen; (2) u hebt zeer vaak het gevoel uw eigen leven genoeg in handen te hebben; (3) wanneer u plannen maakt, bent u zeker dat u ze kan uitvoeren.

23

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e

voorbeelden van nominale variabelen waarbij er twee antwoordcategorieën (ja/nee) aanwezig zijn17. De variabele ‘jobtevredenheid’ is een voorbeeld van een ordinale variabele waarbij de respondent kon kiezen tussen vijf antwoordcategorieën om te bepalen in welke mate hij of zij tevreden is in het algemeen over zijn of haar werk. Omdat we vaststelden dat voor jobtevredenheid bij aanvang van de eerste job en in de laatste uitgeoefende job er niet voldaan werd aan de assumptie van parallelle lijnen om een ordinale logistische regressie te mogen uitvoeren, hebben we de vijf antwoordcategorieën teruggebracht naar respectievelijk vier en drie antwoordcategorieën. Op deze manier werd er wel voldaan aan de voorwaarde van parallelle lijnen en kon een ordinale logistische regressie uitgevoerd worden. Wanneer een afhankelijke variabele een continue variabele is, dan wordt een lineaire regressie toegepast om de relatie tussen de onafhankelijke en deze afhankelijke variabele te verklaren (bv. maandelijks nettoloon)18

Respondenten die één of meerdere ontbrekende waarden hebben worden door MPLUS niet uit het model gegooid. Er wordt gebruikgemaakt van een ‘maximum-likelihood-schatter’. Omdat we met een complex model waarin talrijke afhankelijke variabelen ordinaal of nominaal zijn werken, is het aantal ‘fit measures’, die de mate waarmee de data overeenkomen met het getoetste model meten, in tegenstelling tot modellen met enkel continue variabelen, beperkt. We krijgen informatie over de ‘loglikelihood’, AIC en BIC, waarmee we het getoetste model kunnen vergelijken met een eventueel vereenvoudigd model, maar we krijgen geen informatie, zoals een CFI/TLI-waarde, die zegt of het getoetste model op zichzelf een goed model is. Niettemin kunnen we het getoetste model op andere manieren evalueren door na te gaan of het model op een vlotte wijze en zonder rekenproblemen convergeerde en door na te gaan of de parameterschattingen en bijbehorende standaardfouten vrij stabiel zijn en geen extreme waarden aannemen. Een bijkomend voordeel van het padmodel is dat we door één analyse de onderlinge relaties tussen de verschillende variabelen tegelijkertijd kunnen schatten en visualiseren. Een padmodel berust echter wel op de veronderstelling dat alle relevante derde variabelen oftewel controlevariabelen, die de relatie tussen de afhankelijke en onafhankelijke variabelen kunnen verklaren, meegenomen worden. Op basis van voorgaand onderzoek proberen we in onze padmodellen zo goed mogelijk rekening te houden met deze variabelen. We hebben echter geen 100% zekerheid of alle relevante variabelen werden meegenomen. Om de invloed van niet-geobserveerde variabelen op de relatie tussen de onafhankelijke, hier participatie aan levenslang leren, en de afhankelijke variabele, hier de arbeidsmarktpositie, uit te sluiten, kan men de analyse ook op een andere manier dan met behulp van een padanalyse uitvoeren. Zo kan er in twee stappen gewerkt worden waarbij in de eerste stap participatie aan levenslang leren geregresseerd wordt op de determinanten en in de tweede stap de arbeidsmarktpositie geregresseerd wordt op

. Wanneer een afhankelijke variabele een nominale variabele met twee categorieën is, dan wordt een binaire logistische regressie en wanneer een afhankelijke variabele een ordinale variabele is, dan wordt een ordinale logistische regressie toegepast. De binaire en ordinale logistische regressies komen het vaakst voor in het model en er worden in dat geval gebruik gemaakt van odds ratio’s in de tabellen om de effecten weer te geven.

17 De vraagstelling naar de eigen inschatting van de overeenstemming tussen job en opleiding telde drie antwoordcategorieën.

Voor horizontale match waren deze categorieën: ‘helemaal niet’, ‘enigszins’ en ‘helemaal niet’. Voor verticale match waren deze categorieën: ‘overgeschoold’, ‘juist goede opleiding’ en ‘ondergeschoold. Voor horizontale match stelden we vast dat er niet voldaan werd aan de assumptie van parallelle lijnen om een ordinale logistische regressie uit te voeren. Op basis van een multinomiale logistische regressie stelden we vast dat voor horizontale match de categorieën ‘enigszins’ en ‘helemaal niet’ samengebracht kunnen worden, voor verticale match de categorieën ‘overgeschoold’ en ‘ongeschoold’ om een binaire logistische regressie uit te voeren. Multinomiale logistische regressie kan in het padmodel met behulp van MPLUS niet uitgevoerd worden wanneer de multinomiale variabele zowel exogeen als endogeen is.

18 We hebben zowel het loon bij aanvang van de eerste job als op het einde van de laatst uitgeoefende job beschouw als een continue variabele. Echter, in geval van loon bij aanvang van de eerste job werden intervallen gebruikt (zie bijlage 1). Omdat er niet aan de assumptie van parallelle lijnen werd voldaan voor loon bij aanvang van de eerste job, kon geen ordinale logistische regressie uitgevoerd worden. Anderzijds stelden we vast dat de lineariteits- en normaliteitsvereisten nauwelijks geschonden werden en de afstand tussen de antwoordcategorieën over het algemeen gelijk is, waardoor we kozen voor een lineaire regressie.

hoof

dstu

k 2

| D

e on

der

zoek

smet

hod

e 24

de in de eerste stap berekende gecorrigeerde score voor participatie en andere relevante verklarende variabelen voor werkgerelateerde uitkomsten. Deze werkwijze hebben we ook gehanteerd maar rapporteren we niet omdat de parameterschattingen en/of bijbehorende standaardfouten soms extreme waarden aannamen en vrij onstabiel bleken te zijn. Bovendien laat deze werkwijze in tegenstelling tot een padmodel niet toe om de verschillende relaties tussen de talrijke variabelen onderling te schatten. Ten slotte merken we op dat we gebruik maken van padmodellen en niet van een structureel equatiemodel. De factorscores voor de latente variabelen sociale afkomst en houdingen ten opzichte van het werk hebben we namelijk op voorhand berekend en ingevoerd als continue variabelen in het model. Omdat het model een groot aantal variabelen bevat, vraagt het opnemen van de afzonderlijke items voor de latente variabelen extra rekencapaciteit en verloopt het convergeren moeizamer. Daarom hebben we gekozen voor een padmodel in plaats van een structureel equatiemodel.

2.4 Het analytisch model In het vorige hoofdstuk hebben we beknopt de relatie tussen levenslang leren, menselijk kapitaal, sociaal kapitaal en werk geschetst en gevisualiseerd aan de hand van een figuur (figuur 1.1). Daaruit bleek dat de onderliggende relaties complex zijn en wederkerig. Het analytisch model dat we in het volgende hoofdstuk testen en bespreken is een afgeleide van het theoretisch model van figuur 1.1. Het is een afgeleide van het theoretisch model omdat we beperkt zijn door de aanwezige data. Zo kunnen we bijvoorbeeld de impact van sociaal kapitaal op levenslang leren en arbeidsmarktsucces meten, maar kunnen we niet de impact van levenslang leren en de arbeidsmarktpositie op de verdere uitbouw van sociaal kapitaal meten door gebrek aan gegevens. Door de beperkingen van de data ziet het uiteindelijke analytisch model eruit zoals weergegeven in figuur 2.1.

Figuur 2.1 De relatie tussen participatie aan levenslang leren, menselijk kapitaal, sociaal kapitaal en werk volgens het analytisch model

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

25

3 | Levenslang leren, sociaal kapitaal en werk: de analyseresultaten

3.1 Beschrijvende analyses

3.1.1 Participatie aan levenslang leren Tabel 3.1 geeft weer hoeveel respondenten een opleiding gevolgd hebben nadat ze het initieel onderwijs voor de eerste keer hebben verlaten tot aanvang van de laatste uitgeoefende job of functie tussen 26 en 29 jaar. We zien dat ruim de helft van de respondenten de kans hadden gedurende deze periode om een opleiding binnen het kader van de job te volgen. Een aanzienlijk kleiner aantal respondenten heeft een opleiding buiten het kader van de job gevolgd. Tien à dertien procent volgde een VDAB-opleiding of een opleiding of cursus in het onderwijs voor sociale promotie. Veertien procent keerde op een bepaald moment terug naar het secundair of hoger onderwijs (dagonderwijs), en 18% heeft een andere opleiding buiten het kader van de job gevolgd.

Tabel 3.1 Aantal respondenten die een opleiding binnen en buiten het kader van de job gevolgd hebben na het verlaten van het initieel onderwijs voor de eerste keer tot aanvang van de laatste uitgeoefende job/functie tussen 26- en 29-jarige leeftijd19

Aantal Percentage Binnen het kader van de job

(Non-)formeel binnen het kader van de job 874 55,4 Informeel binnen het kader van de job 890 56,4

Buiten het kader van de job Terugkeer secundair of hoger onderwijs 227 14,4 Onderwijs voor sociale promotie 203 12,9 VDAB 150 9,5 Andere opleidingen buiten het kader van de job 285 18,1

3.1.2 Arbeidsmarktpositie Het effect van participatie aan levenslang leren meten we aan de hand van tewerkstelling op 29-jarige leeftijd en enkele kenmerken van de laatste uitgeoefende functie tussen 26 en 29 jaar: vast

19 Wanneer er gekeken wordt naar de participatiegraad tot 29 jaar, dan liggen de percentages hoger: terugkeer onderwijs 16%,

OSP 18%, VDAB 11% en andere opleidingen 24%.

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

26

contract, nettoloon, jobtevredenheid en inhoudelijke en verticale overeenstemming tussen job en opleiding20

Hieronder bekijken we hoeveel respondenten aan de slag waren tijdens de derde bevraging, op 29-jarige leeftijd. Uit tabel 3.2 blijkt dat op 29-jarige leeftijd, op het moment van de derde bevraging, 96% aan het werk is. Ruim 4% was werkloos, d.i. op zoek naar werk en/of uitkeringsgerechtigd zijn. Respondenten die thuiszitten zonder inkomen en niet (meer) op zoek zijn naar werk en respondenten die in ziekteverlof, zwangerschapsverlof of ouderschapsverlof zijn, werden hier buiten beschouwing gelaten.

.

Tabel 3.2 Aantal respondenten naar werkloosheid op 29 jaar

Aantal Percentage Werken 1508 95,6 Werkloos 70 4,4 Totaal 1578 100,0

Tabel 3.3 Aantal respondenten naar type contract in de laatste job tussen 26 en 29 jaar

Van 1434 respondenten weten we welk contract zij in hun laatste job tot op 29 jaar hebben (tabel 3.3). Vierentachtig procent of ruim vier van de vijf respondenten heeft een vast contract. Dit is een hoog percentage en op het vlak van contracten kan dus gezegd worden dat veel jongeren het relatief goed doen op de arbeidsmarkt. Zestien procent heeft een tijdelijk contract of werkt nog met een interimcontract of via een tewerkstellingsmaatregel op 29-jarige leeftijd.

Aantal Percentage Vast contract 1208 84,2 Tijdelijk contract, interim contract of tewerkstellingsmaatregel 226 15,8 Totaal 1434 100,0

Tabel 3.4 Centrummaten en standaarddeviatie voor maandelijks nettoloon in euro in de laatste job tussen 26 en 29 jaar

Wanneer we kijken naar het maandelijks nettoloon in euro van de respondenten, dan zien we dat er redelijk wat variantie aanwezig is (tabel 3.4). Het rekenkundig gemiddelde bedraagt 1402 euro, de mediaan 1383 euro en de standaarddeviatie 469 euro. De arbeidsmarktpositie, inclusief het percentage van tewerkstelling, is naar verwachting een zeer belangrijke factor die het nettoloon zal bepalen. Daarom nemen we deze variabelen ook mee in de padmodellen.

Aantal Gemiddelde Mediaan Std. Loon 1594 1401,8 1383 469,4

In tabel 3.5 en tabel 3.6 gaan we na in hoeverre respondenten ervaren dat hun opleiding overeenstemt met wat vereist is om hun werk naar behoren uit te voeren. We meten eerst verticale overeenstemming, d.i. ‘juist goede opleiding’ versus overscholing/onderscholing, en vervolgens horizontale overeenstemming, d.i. de inhoudelijke overeenstemming tussen opleiding en job. Zowel verticale als horizontale match zijn subjectief gemeten. De respondenten werden gevraagd om zelf in te schatten of hun opleiding past bij hun job. Uit tabel 3.5 en tabel 3.6 blijkt dat de respondenten vrij positief zijn over de afstemming tussen hun opleiding en job. Vijfenveertig procent van de respondenten is overtuigd dat hun opleiding

20 De cijfers kunnen lichtjes afwijken van cijfers in vorige SSL-rapporten omdat de cijfers met uitzondering voor loon in deze

paragraaf gebaseerd zijn op het aantal respondenten die meegenomen werden in de padmodellen.

27

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

inhoudelijk helemaal overeenstemt met wat vereist is om hun baan naar behoren uit te voeren (tabel 3.5). Over de verticale afstemming of de afstemming tussen opleidingsniveau en wat vereist is voor hun werk zijn de respondenten nog positiever. Vier op de vijf is van mening dat hun kwalificatieniveau juist goed is voor hun werk (tabel 3.6).

Tabel 3.5 Aantal respondenten naar horizontale match in de laatste job tussen 26 en 29 jaar

Aantal Percentage Helemaal 710 45,1 Enigszins of helemaal niet 863 54,9 Totaal 1563 100,0

Tabel 3.6 Aantal respondenten naar verticale match in de laatste job tussen 26 en 29 jaar

Aantal Percentage Juiste goede opleiding 1233 79,6 Te hoge of lage opleiding 316 20,4 Totaal 1549 100,0

Ten slotte kijken we naar jobtevredenheid (tabel 3.7). Ook jobtevredenheid is een subjectieve maatstaf. En net zoals bij de overeenstemming tussen werk en opleiding zien we dat de respondenten zeer positief zijn. De overgrote meerderheid is eerder of heel tevreden over zijn werk.

Tabel 3.7 Aantal respondenten naar jobtevredenheid op 29 jaar

Aantal Percentage Ontevreden of noch (on)tevreden 178 11,3 Eerder tevreden 973 61,8 Heel tevreden 423 26,9 Totaal 1574 100,0

Op basis van de tabellen in deze paragraaf kunnen we concluderen dat veel jongeren tussen de leeftijd van 26 en 29 jaar een relatief goede positie hebben ingenomen. De overgrote meerderheid heeft werk en een vast contract, is tevreden met zijn baan en is van mening dat zijn opleidingsniveau overeenstemt met dat wat vereist is in zijn baan. Een kleine meerderheid is ook overtuigd van de inhoudelijke afstemming tussen opleiding en werk. De meeste variantie vinden we terug in het maandelijkse nettoloon. In de volgende paragrafen gaan we na in hoeverre de variantie in de indicatoren voor de arbeidsmarktpositie verklaard kan worden door participatie aan levenslang leren, sociaal kapitaal en overige factoren.

3.2 Verklarende analyses Hieronder bespreken we de resultaten van de padmodellen en beantwoorden we de afzonderlijke onderzoeksvragen. Meer uitgebreide informatie en output van de modellen zijn terug te vinden in bijlage 2 en bijlage 3. Er werden twee padmodellen getoetst. Het eerste padmodel verklaart de tewerkstellingskansen op 29-jarige leeftijd (bijlage 2), het tweede model de kenmerken van de laatste job uitgeoefend tussen de leeftijd van 26 en 29 jaar (bijlage 3)21

21 Omdat een aantal respondenten niet werkten op het moment van de bevraging, werd bij hen informatie over hun laatste job

tussen 26 en 29 jaar opgevraagd. De grote meerderheid van de respondenten die niet werkten op het moment van de bevraging voerden hun laatste job nog in het jaar 2005 van de laatste bevraging uit.

. In beide modellen worden nagenoeg dezelfde verklarende variabelen voor participatie aan

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

28

levenslang leren en de arbeidsmarktpositie gebruikt (sociaal kapitaal, menselijk kapitaal, socio-demografische factoren etc.). De twee padmodellen omvatten niet alleen nagenoeg dezelfde variabelen, maar ook de pijlen tussen deze variabelen in beide modellen vertonen zeer gelijkaardige parameterschattingen. Zo wordt bijvoorbeeld participatie aan levenslang leren in beide modellen op dezelfde wijze verklaard door sociaal kapitaal, menselijk kapitaal en andere factoren en zijn de parameterschattingen voor deze verklarende variabelen nagenoeg gelijk. Daarom rapporteren we de resultaten van het eerste model, waarbij de verklaring van tewerkstellingskansen op 29-jarige leeftijd centraal staat, enkel wanneer we de verklarende factoren voor tewerkstellingskansen bekijken (paragraaf 3.1.3.1.a). Voor de overige onderzoeksvragen gebruiken we de resultaten uit het tweede padmodel om ze te beantwoorden. In de tabellen vermelden we parameterschattingen of odds ratio’s en met sterretjes geven we aan of de schattingen en odds ratio’s statistisch significant zijn. Drie sterretjes betekent significant op het niveau van 0.001, twee sterretjes op het niveau van 0.01, en één sterretje op het niveau van 0.05. Wanneer een odds ratio ligt tussen 0 en 1, is er sprake van een negatief effect, wanneer een odds ratio groter is dan 1 is er sprake van een positief effect. De parameterschattingen die aan de basis liggen van de odds ratio’s staan vermeld in bijlage 2 en bijlage 3.

3.2.1 Het directe effect van levenslang leren op de arbeidsmarktpositie tot op 29-jarige leeftijd

Onder deze paragraaf kijken we naar het directe effect van levenslang leren op de arbeidsmarktpositie tot op 29-jarige leeftijd. Met direct effect bedoelen we dat we naar het effect van levenslang leren kijken, gecontroleerd voor het effect van andere verklarende variabelen zoals sociaal kapitaal, socio-demografische kenmerken etc. Het effect van deze zogenaamde controlevariabelen op de arbeidsmarktpositie wordt besproken in paragraaf 3.2.2 en paragraaf 3.2.3. De verschillende vormen van levenslang leren worden simultaan in hetzelfde model toegevoegd. Het effect van de verschillende vormen van levenslang leren worden met andere woorden niet afzonderlijk berekend22

Figuur 3.1 Het directe effect van levenslang leren op de arbeidsmarktpositie

. Figuur 3.1 geeft weer welk deel van het padmodel hier onderzocht wordt.

3.2.1.1 Tewerkstellingskansen op 29-jarige leeftijd Uit tabel 3.8 leiden we af dat enkel (non-)formele opleidingen binnen het kader van de job een positief, significant en direct effect hebben op de kans werk te hebben op 29-jarige leeftijd. Jongvolwassenen die minstens één keer in hun arbeidsloopbaan een (non-)formele opleiding binnen het kader van de job hebben kunnen volgen, hebben 2,4 keer meer kans om te werken op 29-jarige leeftijd. Alle overige opleidingen binnen en buiten het kader van de job hebben geen direct significant en positief effect op de tewerkstellingskansen. De terugkeer naar het onderwijs (dagonderwijs) om een andere of hogere kwalificatie te behalen en ‘andere

22 We hebben wel modellen laten lopen waarbij telkens slechts één leeractiviteit werd opgenomen, om na te gaan of de

effecten dan groter en/of significanter worden. De resultaten bleven echter hetzelfde.

29

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

opleidingen’ buiten het kader van de job hebben geen effect: de odds ratio verschilt nauwelijks van 1. Opleidingen uit het onderwijs voor sociale promotie, informele opleidingen binnen het kader van de job en VDAB-opleidingen hebben zelfs een negatief (significant) effect.

Tabel 3.8 Odds ratio’s voor het directe effect van levenslang leren op tewerkstellingskansen op 29-jarige leeftijd

Odds ratio Binnen het kader van de job

(Non-)formeel binnen het kader van de job 2.423** Informeel binnen het kader van de job 0.668

Buiten het kader van de job Terugkeer secundair of hoger onderwijs 1.045 Onderwijs voor sociale promotie 0.750 VDAB 0.489* Andere opleidingen buiten het kader van de job 0.970

3.2.1.2 Nettoloon Bij de hoogte van het maandelijkse nettoloon in euro vinden we andere resultaten dan bij tewerkstellingskansen. We zien dat alle opleidingen, met uitzondering van de VDAB-opleidingen, een positief effect uitoefenen op het nettoloon. Maar enkel het positieve effect van de opleidingen buiten het kader van de job is statistisch significant. Jongvolwassenen die minstens één informele opleiding of een (non-)formele opleiding binnen het kader van de job hebben gevolgd, verdienen op het eind van hun laatste job respectievelijk gemiddeld 44 en 78 euro meer dan jongvolwassenen die geen informele of (non-)formele opleidingen binnen het kader van de job hebben gevolgd.

Tabel 3.9 Parameterschattingen voor het directe effect van levenslang leren op het nettoloon in de laatste functie tussen 26- en 29-jarige leeftijd

Odds ratio Binnen het kader van de job

(Non-)formeel binnen het kader van de job 44.214* Informeel binnen het kader van de job 77.614***

Buiten het kader van de job Terugkeer secundair of hoger onderwijs 33.907 Onderwijs voor sociale promotie 18.814 VDAB -42.183 Andere opleidingen buiten het kader van de job 20.124

3.2.1.3 Type contract In tabel 3.10 zien we opnieuw dat opleidingen binnen het kader van de job een positief en significant direct effect hebben. Iemand die een informele opleiding heeft genoten, heeft 1.6 keer meer kans, en iemand die een (non-)formele opleiding heeft gevolgd binnen het kader van de job maakt zelfs 1.9 keer meer kans op een vast contract tussen de leeftijd van 26 en 29 jaar. Opleidingen buiten het kader van de job hebben met uitzondering van de restcategorie ‘andere opleidingen’ een negatief en significant effect.

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

30

Tabel 3.10 Odds ratio’s voor het directe effect van levenslang leren op kansen op een vast contract tussen 26- en 29-jarige leeftijd

Odds ratio Binnen het kader van de job

(Non-)formeel binnen het kader van de job 1.855*** Informeel binnen het kader van de job 1.574**

Buiten het kader van de job Terugkeer secundair of hoger onderwijs 0.606* Onderwijs voor sociale promotie 0.615* VDAB 0.567* Andere opleidingen buiten het kader van de job 1.059

3.2.1.4 Overeenstemming tussen job en initiële opleiding Bij overeenstemming tussen job en initiële opleiding stellen we voornamelijk negatieve effecten vast. Het volgen van een opleiding, met uitzondering van (non-)formele opleidingen in het kader van de job en het terugkeren naar het dagonderwijs (secundair of hoger), heeft een direct en negatief effect op de inhoudelijke overeenstemming tussen initiële opleiding en laatste job tussen 26 en 29 jaar. Jongvolwassenen die een informele opleiding in het kader van de job, een opleiding uit het onderwijs voor sociale promotie of een VDAB-opleiding hebben gevolgd, hebben 0.7 tot 0.9 keer minder kans om een job uit te oefenen die qua niveau en inhoudelijk helemaal overeenstemt met de eigen opleiding. Voor verticale match heeft enkel het volgen van een (non-)formele opleiding een positief effect. De odds ratio voor ‘terugkeer onderwijs’ is bijna gelijk aan 1. Alle effecten, met uitzondering van het effect van informele opleidingen op verticale match, zijn statistisch niet significant. De negatieve resultaten hoeven op zich niet verrassend te zijn: door het volgen van een bijkomende opleiding die mogelijk inhoudelijk en/of qua niveau verschilt van de initiële opleiding kan de kloof tussen de initiële opleiding en vereisten van de uiteindelijke job groter worden. Een negatief effect hoeft met andere woorden niet noodzakelijk als negatief geïnterpreteerd te worden en is misschien eerder een logisch gevolg van bijscholingen. Maar de drie positieve effecten, hoewel statistisch niet significant, zijn moeilijker te intepreteren. Positieve effecten lijken er eerder op te wijzen dat men bij de beoordeling van de kloof tussen de eigen initiële opleiding en job niet alleen de kwalificaties en vaardigheden verworven in de initiële opleiding, maar ook de kwalificaties of vaardigheden verworven in de bijkomende opleiding laat meespelen. De interpretatie van de effecten van levenslang leren op overeenstemming tussen job en initiële opleiding vraagt dus enige voorzichtigheid.

Tabel 3.11 Odds ratio’s voor het directe effect van levenslang leren op kansen op horizontale match tussen opleiding en job tussen 26- en 29-jarige leeftijd

Odds ratio Binnen het kader van de job

(Non-)formeel binnen het kader van de job 1.153 Informeel binnen het kader van de job 0.805

Buiten het kader van de job Terugkeer secundair of hoger onderwijs 1.264 Onderwijs voor sociale promotie 0.804 VDAB 0.665 Andere opleidingen buiten het kader van de job 0.911

31

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

Tabel 3.12 Odds ratio’s voor het directe effect van levenslang leren op kansen op verticale match tussen opleiding en job tussen 26- en 29-jarige leeftijd

Odds ratio Binnen het kader van de job

(Non-)formeel binnen het kader van de job 1.277 Informeel binnen het kader van de job 0.732*

Buiten het kader van de job Terugkeer secundair of hoger onderwijs 1.008 Onderwijs voor sociale promotie 0.705 VDAB 0.845 Andere opleidingen buiten het kader van de job 0.736

3.2.1.5 Jobtevredenheid Ook bij jobtevredenheid zien we geen significante positieve effecten. VDAB-opleidingen en informele opleidingen binnen het kader van de job hebben zelfs een negatief effect. Maar geen enkel effect is statistisch significant.

Tabel 3.13 Odds ratio’s voor het directe effect van levenslang leren op kansen op jobtevredenheid tussen 26- en 29-jarige leeftijd

Odds ratio Binnen het kader van de job

(Non-)formeel binnen het kader van de job 1.088 Informeel binnen het kader van de job 0.726

Buiten het kader van de job Terugkeer secundair of hoger onderwijs 1.051 Onderwijs voor sociale promotie 0.962 VDAB 0.717 Andere opleidingen buiten het kader van de job 1.156

3.2.2 Het directe effect van sociaal kapitaal op de arbeidsloopbaan Onder deze paragraaf kijken we naar het directe effect van sociaal kapitaal op de arbeidsmarktpositie tot op 29-jarige leeftijd. Met direct effect bedoelen we dat we naar het effect van sociaal kapitaal kijken, gecontroleerd voor het effect van andere verklarende variabelen zoals participatie aan levenslang leren, socio-demografische kenmerken etc. Het effect van levenslang leren hebben we besproken in de vorige paragraaf. Het effect van de overige controlevariabelen op de arbeidsmarktpositie wordt besproken in paragraaf 3.2.3. Figuur 3.2 geeft weer welk deel van het padmodel hier onderzocht wordt.

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

32

Figuur 3.2 Het directe effect van sociaal kapitaal op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan en op 29-jarige leeftijd

3.2.2.1 Arbeidsmarktpositie op 29-jarige leeftijd Zowel de structurele als de interpretatieve dimensie van sociaal kapitaal werd gemeten. Uit de volgende tabellen blijkt echter dat vooral de interpretatieve dimensie van sociaal kapitaal, de houding ten opzichte van werken, een significant effect heeft op de arbeidsmarktpositie tussen 26- en 29-jarige leeftijd. Jongvolwassen die op 26-jarige leeftijd werken belangrijk vinden om geld te verdienen en zekerheid te hebben in het leven, maken 2,6 keer meer kans op werk op 29-jarige leeftijd, 1,7 keer meer kans op een vast contract, maar ondervinden minder inhoudelijke overeenstemming tussen job en opleiding en zijn minder tevreden met hun job. Jongvolwassenen die werken zinvol ervaren, werken om met interessante en creatieve dingen bezig te kunnen zijn, maken daarentegen later meer kans op een job die overeenstemt met de opleiding en zijn ook tevredener met hun job. Het lidmaatschap van verenigingen met inbegrip van onbetaald vrijwilligerswerk op 26-jarige leeftijd heeft geen significant direct effect op de arbeidsmarktpositie op latere leeftijd. Enkel de socio-economische positie van de partner blijkt statistisch significant samen te hangen met jobtevredenheid. Jongvolwassenen met een partner met hoge socio-economische positie zijn meer tevreden met hun job.

Tabel 3.14 Odds ratio’s en parameterschattingen voor het directe effect van sociaal kapitaal op de arbeidsmarktpositie tot op 29-jarige leeftijd

Tewerkstellingskansen Loon Contract Lidmaatschap & vrijw. 0.861 6,189 0.753 Soc.eco. positie partner 2.306 30.084 1.014 Werken is zinvol 1.316 -4.055 1.417 Werken voor geld 2.620* -33.143 1.711*

Tabel 3.15 Odds ratio’s voor het directe effect van sociaal kapitaal op de arbeidsmarktpositie tot op 29-jarige leeftijd (vervolg)

Horizontale match Verticale match Jobtevredenheid Lidmaatschap & vrijw. 0.921 1.033 0.952 Soc.eco. positie partner 1.196 0.965 1.341* Werken is zinvol 1.705*** 1.252 2.307*** Werken voor geld 0.699 0.814 0.894

33

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

3.2.2.2 Arbeidsmarktpositie bij aanvang van de arbeidsloopbaan Bij aanvang van de arbeidsloopbaan werd sociaal kapitaal op een andere manier gemeten. Omdat de arbeidsloopbaan bij een groot aantal respondenten reeds voor 26-jarige leeftijd startte, is er geen mogelijkheid om naar het effect van de socio-economische positie van de partner en de houding ten opzichte van het werk, gemeten op 26-jarige leeftijd, te kijken. Wel kunnen we enkele andere variabelen meenemen die de structurele dimensie van sociaal kapitaal meten; meer bepaald de zoekkanalen om een baan te vinden bij het betreden van de arbeidsmarkt voor de eerste keer en de informatiebronnen die meegegeven werden tijdens de initiële opleiding over het solliciteren en de arbeidsmarkt. Deze drie laatste indicatoren voor de structurele dimensie van sociaal kapitaal hebben we niet meegenomen bij het verklaren van de arbeidsmarktpositie op 29-jarige leeftijd omdat ze vooral betrekking hebben op de overgang van onderwijs naar de arbeidsmarkt en we bijgevolg nog weinig of geen rechtstreeks effect verwachten op de arbeidsmarktpositie op latere leeftijd. Terwijl lidmaatschap van verenigingen bij het verlaten van het initieel onderwijs geen direct significant effect heeft op de arbeidsmarktpositie op 29-jarige leeftijd, heeft het wel een direct en negatief significant effect op het type contract in de eerste job. Jongeren die lid waren maken 0,7 keer minder kans op een vast contract in hun eerste job. Ook het aantal zoekkanalen dat ingezet wordt bij het betreden van de arbeidsmarkt heeft een negatief effect op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan. Men maakt 0,7 tot 0,8 keer minder kans op een vast contract, op een job die overeenstemt met de opleiding en minder kans op een job waarmee men tevreden is. Het hanteren van zoekkanalen is waarschijnlijk hier een indicator voor de moeilijkheid waarmee jongvolwassenen worstelen om een voor hen geschikte baan te vinden waardoor ze minder snel tevreden zijn met de job die ze uiteindelijk verwerven. Uit de analyses blijkt namelijk ook dat hoe langer men zoekt naar een eerste baan, hoe meer zoekkanalen men aanspreekt (voor meer details zie bijlage 2 en bijlage 3). We merken verder wel een positief effect op van de informatie die secundaire scholen en hoge onderwijsinstellingen meegeven aan hun leerlingen en studenten op de zoektijd die ze nodig hebben om een eerste significante baan te vinden en op de inhoudelijke overeenstemming tussen job en opleiding.

Tabel 3.16 Odds ratio’s en parameterschattingen voor het directe effect van sociaal kapitaal op de zoektijd naar de eerste job en kenmerken van de eerste job

Zoektijd Loon Contract Lidmaatschap & vrijw. -0.328 0.135* 0.695** Informatie sollicitatie -0.511*** 0.027* 1.037 Persoonlijke relaties -0.021 0.879 Zoekkanalen -0.032 0.703***

Tabel 3.17 Odds ratio’s voor het directe effect van sociaal kapitaal op kenmerken van de eerste job (vervolg)

Horizontale match Verticale match Jobtevredenheid Lidmaatschap & vrijw. 1.116 0.939 1.201 Informatie sollicitatie 1.114*** 1.049 1.040 Persoonlijke relaties 0.919 1.018 1.018 Zoekkanalen 0.750*** 0.803*** 0.846***

3.2.3 De overige verklarende factoren voor de arbeidsloopbaan In de vorige paragrafen hebben we het directe effect van levenslang leren en sociaal kapitaal op de arbeidsloopbaan besproken. Hieronder bespreken we het effect van de overige verklarende

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

34

variabelen op de arbeidsloopbaan. Figuur 3.3 geeft weer welk deel van het padmodel hier onderzocht wordt.

Figuur 3.3 De invloed van de overige verklarende variabelen op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan en op 29-jarige leeftijd

3.2.3.1 Arbeidsmarktpositie op 29-jarige leeftijd De arbeidsmarktpositie kan niet alleen verklaard worden door sociaal kapitaal en participatie aan levenslang leren. Tabel 3.18 en tabel 3.19 tonen aan dat effectief ook andere variabelen belangrijk zijn: zowel sociodemografische kenmerken van jongvolwassenen, als hun schoolloopbaan en arbeidsmarktpositie bij start van de arbeidsloopbaan oefenen een direct en significant effect uit op de arbeidsmarktpositie tussen 26- en 29-jarige leeftijd. De tewerkstellingskansen liggen het hoogst bij autochtonen en het laagst bij allochtonen. Autochtonen met eenzelfde diploma en sociale afkomst maken 2,3 keer meer kans dan autochtonen om aan het werk zijn. Daarnaast verklaart de arbeidsmarktpositie op 26-jarige leeftijd, al dan niet tewerkgesteld zijn, de tewerkstellingskansen positief op 29-jarige leeftijd. De hoogte van het loon wordt niet verklaard door etnische afkomst maar wel door vele andere variabelen. Mannen, hogeropgeleiden en respondenten met een hogere sociale afkomst verdienen meer dan vrouwen, lageropgeleiden en respondenten met een lagere sociale afkomst. Schoolse achterstand, opgelopen in het basis- en/of secundair onderwijs, heeft een negatief effect op het maandelijkse nettoloon. Verrassend is het positieve en significante effect van afstromen (waterval SO). Jongvolwassenen die in het secundair onderwijs zijn afgestroomd van een relatief moeilijke naar een relatief gemakkelijke studierichting of onderwijsvorm verdienen gemiddeld 68 euro meer dan andere jongvolwassenen. Dit resultaat zou er op kunnen wijzen dat leerlingen die afstromen naar TSO- of BSO-opleidingen in sectoren terechtkomen waar ze relatief goed verdienen. Verder hangt het startloon van de eerste job sterk samen met het nettoloon in de laatste job tussen 26- en 29-jarige leeftijd. Daarnaast bepalen ook kenmerken van de laatste job het nettoloon: hoe hoger het tewerkstellingspercentage en hoe beter de inhoudelijke overeenstemming, hoe hoger het loon. Ten slotte verdienen respondenten met een vast contract gemiddeld meer dan respondenten met een ander contract of tewerkstellingsmaatregel. De kans op een vast contract in de laatste functie tussen 26- en 29-jarige leeftijd wordt bepaald door geslacht, etnische afkomst, initiële opleiding (diploma) en kenmerken van de eerste en de laatste functie. Mannen maken 1,5 keer en autochtonen 1,8 keer meer kans op een vast contract dan respectievelijk vrouwen en allochtonen. Hogeropgeleiden daarentegen hebben minder kans een vast contract te hebben op

35

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

deze leeftijd. Dit zou verklaard kunnen worden door het feit dat hogeropgeleiden over het algemeen later op de arbeidsmarkt terechtkomen dan lageropgeleiden. Hierdoor hebben ze minder de tijd gehad om anciënniteit op te bouwen en een vast contract te verwerven. Anderzijds is het ook mogelijk dat hogeropgeleiden meer kans maken om in een sector te komen waar minder snel een vast contract gegeven wordt. De overeenstemming tussen initiële opleiding en laatste job wordt verklaard door overeenstemming tussen opleiding en eerste job. Daarnaast maken hogeropgeleiden significant meer kans op een job die inhoudelijk overeenstemt en heeft schoolse achterstand een negatief effect op het vinden van een job die qua niveau overeenstemt met de initiële opleiding. Overeenstemming tussen initiële opleiding en laatste job bepaalt significant de jobtevredenheid. Hoe hoger de overeenstemming, hoe tevredener de respondent is. Daarnaast bepaalt tevredenheid met de eerste job ook de tevredenheid in de laatste job. De resultaten tonen ten slotte aan dat respondenten uit een hogere sociale klasse blijkbaar kritischer zijn en minder tevreden met hun job dan respondenten uit een lagere sociale klasse.

Tabel 3.18 Odds ratio’s en parameterschattingen voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie tot op 29-jarige leeftijd

Tewerkstellingskansen Loon Contract Man 1.758 144.667*** 1.471* Soc.eco. afkomst 1.155 41.684** 0.964 Belgisch 2.335** -19.585 1.814** Diploma 1.130 54.156*** 0.785** Schoolse achterstand 1.023 -74.981** 0.765 Waterval SO 1.195 67.521** 1.461 Zoektijd 1ste 1.000 job Horizontale match 1ste 1.814 job Verticale match 1ste 0.921 job Loon 1ste 1.062 job 45.136*** Contract 1ste 1.149 job 2.600*** Jobtevredenheid 1ste job Arbeidspositie 26 jaar 3.459*** Tewerkstellings% 29 jaar 10.573*** 1.014** Horizontale match 29 jaar 49.638* 0.951 Verticale match 29 jaar 19.237 1.040 Loon 29 jaar Vast contract 29 jaar 93.887**

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

36

Tabel 3.19 Odds ratio’s voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie tot op 29-jarige leeftijd (vervolg)

Horizontale match Verticale match Jobtevredenheid Man 0.903 0.966 1.147 Soc.eco. afkomst 1.095 1.166 0.829* Belgisch 1.165 1.211 1.310 Diploma 1.153* 1.027 0.924 Schoolse achterstand 0.797 0.708* 1.126 Waterval SO 0.863 0.929 1.116 Zoektijd 1ste job Horizontale match 1ste 4.284*** job Verticale match 1ste job 2.612*** Loon 1ste job Contract 1ste job Jobtevredenheid 1ste job 1.168** Arbeidspositie 26 jaar Tewerkstellings% 29 jaar 0.994 Horizontale match 29 jaar 1.632*** Verticale match 29 jaar 1.667*** Loon 29 jaar 1.000 Vast contract 29 jaar 0.758

3.2.3.2 Aanvang van de arbeidsloopbaan Wanneer we naar de aanvang van de arbeidsloopbaan kijken, dan stellen we vast dat opnieuw sociodemografische kenmerken, de schoolloopbaan en overige jobkenmerken een significante verklaring bieden, weliswaar op een andere manier. Als we kijken naar de zoektijd, d.i. de tijd verstreken tussen het verlaten van het initieel onderwijs en de start van de eerste significante job, dan stellen we vast dat allochtonen en lageropgeleiden langer moeten zoeken. Wederom stellen we een significant effect van ‘afstromen’. Jongvolwassenen die in het secundair onderwijs zijn afgestroomd van een relatief moeilijke naar een relatief gemakkelijke studierichting of onderwijsvorm hoeven minder lang te zoeken dan andere jongvolwassenen. Net als in de laatste functie tussen 26- en 29-jarige leeftijd, wordt nettoloon in de eerste job verklaard door geslacht, diploma, tewerkstellingspercentage en overeenstemming tussen job en initiële opleiding. Mannen en hogeropgeleiden verdienen meer dan respectievelijk vrouwen en lageropgeleiden. En hoe hoger het tewerkstellingspercentage, hoe meer men verdient. Net zoals in de latere job, maken mannen ook in hun eerste job meer kans op een vast contract. Bovendien maken respondenten van een hogere sociale klasse meer kans op een vast contract dan van een lagere sociale klasse en beïnvloedt een verticale match tussen initiële opleiding en eerste job significant de kansen op een vast contract. Verticale match zelf kan echter niet verklaard worden door andere variabelen. Inhoudelijke overeenstemming tussen job en initiële opleiding daarentegen wel. Vrouwen en hogeropgeleiden maken meer kans op een job die inhoudelijk overeenstemt dan respectievelijk mannen en lageropgeleiden. Opnieuw vinden we een verrassend positief en significant effect van ‘afstromen’. Ten slotte stellen we vast dat overeenstemming tussen job en initiële opleiding een belangrijk positief effect heeft op jobtevredenheid bij aanvang van de eerste job. Ook het loon heeft een positief effect, terwijl het hebben van een vast contract een negatief effect heeft. Verder zijn vrouwen en autochtonen meer tevreden met hun eerste job dan respectievelijk mannen en autochtonen.

37

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

Tabel 3.20 Odds ratio’s en parameterschattingen voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan

Zoektijd Loon Contract Man -0.987 0.231*** 1.734*** Soc.eco. afkomst 0.445 0.011 1.210* Belgisch -2.668** 0.042 1.295 Diploma -1.472*** 0.347*** 0.900 Schoolse achterstand -0.733 0.073 0.922 Waterval SO -1.289* -0.020 1.193 Zoektijd 1ste job 0.004 0.695 Horizontale match 1ste job -0.071 0.879 Verticale match 1ste job 0.302*** 1.333* Loon 1ste job Contract 1ste job 0.048 Tewerkstellings% 1ste job 0.027*** 0.995

Tabel 3.21 Odds ratio’s voor het directe effect van de overige verklarende factoren op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan (vervolg)

Horizontale match Verticale match Jobtevredenheid Man 0.713** 0.909 0.748** Soc.eco. afkomst 1.170* 1.118 0.893 Belgisch 1.131 1.134 1.387* Diploma 1.350*** 1.120 0.979 Schoolse achterstand 0.856 0.837 0.987 Waterval SO 1.296* 0.977 1.161 Zoektijd 1ste 0.994 job 0.998 1.000 Horizontale match 1ste job 1.964*** Verticale match 1ste job 2.181*** Loon 1ste job 1.165* Contract 1ste job 0.781* Tewerkstellings% 1ste job 0.995

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

38

3.2.4 De verklarende factoren voor participatie aan levenslang leren

In paragraaf 3.2.1 onderzochten we het directe effect van participeren aan verschillende opleidingen op de arbeidsmarktpositie tot op 29-jarige leeftijd. Hier bespreken we welke factoren deze participatie verklaren. Figuur 3.4 geeft weer welk deel van het padmodel hier wordt onderzocht.

Figuur 3.4 De verklarende factoren voor participatie aan levenslang leren

3.2.4.1 Opleidingen binnen het kader van de job In een afzonderlijk rapport hebben we reeds multivariate analyses uitgevoerd om te kijken naar verklarende factoren voor participatie aan levenslang leren (Knipprath & De Rick, 2012). Daarbij keken we naar participatie aan opleidingen tussen de leeftijd van 26 en 29 jaar, terwijl we hier kijken naar participatie vanaf het moment van het verlaten van het initieel onderwijs tot de laatste job tussen 26 en 29 jaar. We kijken met andere woorden naar een langere periode, maar verkrijgen niettemin min of meer gelijkaardige resultaten. Participatie aan informele opleidingen op de werkvloer is het grootst bij allochtonen en mannen. Het effect van etnische afkomst op informele opleidingen is echter niet meer statistisch significant. We vinden ook een duidelijke impact van kenmerken van de eerste job. Jongvolwassenen die een relatief hoog aanvangsloon en een vast contract in hun eerste job hebben, maken meer kans op informele opleidingen tijdens de rest van de arbeidsloopbaan dan andere jongvolwassenen (cf. Knipprath & De Rick, 2011b). Loon bij aanvang van de eerste job bepaalt ook significant de kans op een (non-)formele opleiding tijdens de arbeidsloopbaan. Hoe hoger het loon in de eerste job en hoe minder lang men heeft moeten zoeken naar de eerste job, hoe meer kans op een (non-)formele opleiding in het kader van de job tijdens de arbeidsloopbaan. Verder stellen we vast dat hoger geschoolden meer kans maken op eenzelfde opleiding dan lager geschoolden. Een belangrijk verschil tussen de resultaten hier en de resultaten in Knipprath & De Rick (2012) is het effect van de socio-economische afkomst en van lidmaatschap van verenigingen. Het effect van lidmaatschap is hier positief bij (non-)formele opleidingen maar niet meer significant zoals uit eerdere analyses bleek. Daarentegen is het effect van sociale afkomst ditmaal wel statistisch significant geworden in tegenstelling tot eerdere analyses. De wisseling van dit effect zou kunnen gevonden worden in het positieve verband tussen lidmaatschap van verenigingen en sociale afkomst (zie bijlage 2 en bijlage 3).

39

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

Tabel 3.22 Odds ratio’s voor het directe effect van de verklarende factoren op participatie aan opleidingen binnen het kader van de job

(Non-)formele opleidingen Informele opleidingen Man 1.204 1.368** Soc.eco. afkomst 1.293*** 1.009 Belgisch 1.233 0.720 Diploma 1.171** 1.061 Schoolse achterstand 0.890 1.081 Waterval SO 0.885 0.920 Lidmaatschap & vrijw. 1.209 0.875 Zoektijd 1ste 0.989* job 0.994 Horizontale match 1ste 1.069 job 0.848 Verticale match 1ste 0.813 job 0.894 Loon 1ste 1.283*** job 1.143* Contract 1ste 0.993 job 1.322*

3.2.4.2 Opleidingen buiten het kader van de job In tegenstelling tot de multivariate analyses voor participatie aan levenslang leren in Knipprath & De Rick (2012) hebben we hier niet gekeken naar opleidingen buiten het kader van de job in het algemeen maar naar de verschillende soorten opleidingen buiten het kader van de job afzonderlijk. We maken een onderscheid tussen terugkeer naar secundair of hoger onderwijs (dagonderwijs), onderwijs voor sociale promotie, VDAB-opleidingen en overige opleidingen. In Knipprath & De Rick (2012) stelden we vast dat in het algemeen vrouwen, laaggeschoolden zonder schoolachterstand, werklozen op 26-jarige leeftijd en jonvolwassenen zonder kinderen op 26-jarige leeftijd kans maken om een opleiding buiten het kader van de job tussen 26 en 29 jaar te volgen. Omdat we hier naar een langere periode kijken, zijn een aantal variabelen niet meer meegenomen gezien de tijdsvolgorde als criterium voor causale gevolgtrekkingen (cf. Knipprath & De Rick, 2011b, 2012), zoals het aantal kinderen op 26-jarige leeftijd en de arbeidsmarktpositie op 26-jarige leeftijd. Maar de opsplitsing naar opleiding leidt tot nieuwe inzichten. Laaggeschoolden blijken inderdaad meer kans te maken op het volgen van een opleiding buiten het kader van de job, maar enkel wanneer het gaat om VDAB-opleidingen, opleidingen uit het onderwijs voor sociale promotie en het terugkeren naar het formele onderwijssysteem. Het effect van hoogst behaald onderwijsniveau bij het verlaten van het initieel onderwijs voor de eerste keer op de terugkeer naar het dagonderwijs is echter statistisch niet significant. Het zijn daarentegen eerder hooggeschoolden die ‘andere opleidingen’ gaan volgen dan laaggeschoolden. De impact van geslacht is statistisch niet meer significant wanneer we naar de opleidingen afzonderlijk kijken, hoewel voor de VDAB-opleidingen en het terugkeren naar het formele onderwijssysteem nog altijd blijkt dat vrouwen eerder participeren dan mannen. Ten slotte zien we geen statistisch significant effect meer van de wijze waarop men de schoolloopbaan heeft doorlopen, hoewel het afstromen in het secundair onderwijs wel een negatieve (niet-significante) impact lijkt te hebben op de terugkeer naar het onderwijs en ‘andere opleidingen’.

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

40

Tabel 3.23 Odds ratio’s voor het directe effect van de verklarende factoren op participatie aan opleidingen buiten het kader van de job

Terugkeer onderwijs

Onderwijs voor sociale promotie VDAB Andere opleidingen

Man 0.808 1.019 0.707 1.076 Soc.eco. afkomst 1.438*** 1.133 0.834 1.179 Belgisch 0.908 0.755 0.819 0.970 Diploma 0.875 0.849* 0.586*** 1.226** Schoolse achterstand 0.984 0.912 1.228 1.035 Waterval SO 0.710 1.059 1.177 0.777 Lidmaatschap & vrijw. 1.371 1.182 1.038 1.016

3.2.5 Overige interessante relaties uit het padmodel Ten slotte zijn er nog enkele pijlen in het model getrokken tussen de verklarende variabelen onderling. Deze pijlen maken niet meteen deel uit van onze onderzoeksvragen, maar leveren wel enkele interessante resultaten op. Figuur 3.5 schetst weer over welke pijlen het gaat.

Figuur 3.5 Overige relaties tussen de variabelen in het padmodel

Hoewel het effect van sociaal kapitaal en levenslang leren op de arbeidsmarktpositie de focus is in ons onderzoek, werden in de twee padmodellen ook nog andere (tussenliggende) relaties onderzocht tussen verschillende variabelen. We overlopen hier kort wat de bevindingen zijn, zonder de parameterschattingen te vernoemen. De schattingen staan vermeld in bijlage 2 en bijlage 3. Tewerkstellingspercentage tijdens de eerste job en tewerkstellingspercentage in de laatste job tussen 26 en 29 jaar werden meegenomen als een belangrijke controlevariabele. Maar tewerkstellingspercentage kan op zich ook door enkele factoren verklaard worden. Uit de analyses is gebleken dat, zoals verwacht, vooral vrouwen geneigd zijn om deeltijds te werken. Met andere woorden, het tewerkstellingspercentage is hoger bij mannen, maar ook bij hooggeschoolden en jongvolwassenen die een partner hebben met een relatief hoge socio-economische positie. Onderzoeksliteratuur over schoolloopbanen toont keer op keer aan dat sociodemografische kenmerken van leerlingen een belangrijke invloed uitoefenen op de schoolloopbaan, prestaties en behaalde diploma. Op basis van de padmodellen kunnen we dezelfde conclusies trekken. Hoe hoger de sociale afkomst, hoe minder kans om af te stromen in het secundair onderwijs, hoe minder kans om schoolse achterstand op te lopen en hoe hoger het behaalde diploma. Niet alleen sociale afkomst maar ook schoolse achterstand, het afstromen in het secundair onderwijs en geslacht bepalen het behaalde diploma. Hoe succesvoller de ervaringen tijdens de schoolloopbaan, hoe meer kans op een hogere opleidingsduur. Bovendien vinden we meer

41

hoof

dstu

k 3

| L

even

slang

lere

n, so

cia

al k

ap

itaa

l en

wer

k: d

e a

naly

sere

sulta

ten

hooggeschoolde vrouwen dan mannen terug. Een direct effect van etnische afkomst vinden we niet terug bij het behaalde diploma, maar wel bij schoolse achterstand. Vooral allochtonen, maar ook jongens hebben meer kans op schoolse achterstand dan autochtonen en meisjes. Verder merken we op dat sociale afkomst een impact heeft op enkele indicatoren voor sociaal kapitaal. Jongvolwassenen van hogere sociale afkomst maken meer kans op lidmaatschap van verenigingen of onbetaald vrijwilligerswerk, meer kans om een partner te vinden met relatief hoge socio-economische positie maar zijn ook minder snel geneigd om werken te zien in functie van bestaanszekerheid en geld verdienen. Het zijn vooral mannelijke laaggeschoolden die zijn afgestroomd in het secundair onderwijs die werken zien als een belangrijk middel om geld te verdienen. Hooggeschoolden die geen schoolse achterstand hebben opgelopen beschouwen daarentegen werken vooral als een instrument om interessante en creatieve dingen te doen. Hooggeschoolden maken ook minder snel gebruik van persoonlijke relaties bij het zoeken van een baan bij eerste intrede van de arbeidsmarkt. Andere zoekkanalen worden vooral gehanteerd door vrouwen en jongvolwassenen die lang moeten zoeken naar een eerste job.

hoof

dstu

k 4

| C

oncl

usie

en

aa

nbev

elin

gen

43

4 | Conclusie en aanbevelingen

4.1 Samenvatting van de analyseresultaten en discussie In de volgende paragrafen overlopen we de bevindingen en ronden we dit hoofdstuk af met aanbevelingen voor verder onderzoek en beleid.

4.1.1 Participatie aan levenslang leren en het effect ervan We hebben vastgesteld dat de aard van de eerste significante job, een goede indicator voor het verdere verloop van de arbeidsloopbaan, sterk de kansen tot opleidingen bepaalt die men krijgt in het kader van de job tijdens de arbeidsloopbaan. Opleidingen binnen het kader van de job worden blijkbaar vooral gegeven aan jonge werknemers wanneer zij hun arbeidsloopbaan starten met een vaste baan en/of een job die een relatief hoog startsalaris kent. Het effect van de eerste job op de opleidingskansen en op de arbeidsmarktpositie op latere leeftijd bevestigt wat in de literatuur elders werd vastgesteld: opleidingskansen worden vooral aangeboden of gegrepen in de relatief ‘betere’ jobs. Werkgevers zijn waarschijnlijk sneller bereid te investeren in werknemers waarvan verwacht wordt dat ze gezien de gunstige arbeidsvoorwaarden langer bij de werkgever zullen blijven en/of een gunstige arbeidsloopbaan doorlopen. We zien echter wel een verschil in het profiel van deelnemers van (non-)formele opleidingen en het profiel van deelnemers in de informele opleidingen. Terwijl jongvolwassenen van hoge sociale afkomst en hooggeschoolden kansen krijgen of grijpen om een (non-)formele opleiding te volgen en aldus de kloof in opleiding tussen hoog- en laaggeschoolden vergroot, heeft het diploma geen effect op het volgen van informele opleidingen. Vooral hooggeschoolden komen met andere woorden blijkbaar in jobs terecht waar (non-)formele opleidingskansen aangeboden of gegrepen worden, mogelijk omdat ze in deze jobs vaker geconfronteerd worden met veranderingen en bijgevolg vaker nood hebben aan extra scholingen, terwijl zowel laaggeschoolden als hoger geschoolden in jobs terechtkomen waar nood is aan informele opleidingen. We zien dus twee soorten opleidingen in het kader van de job die met uitzondering van de situatie bij aanvang van de arbeidsloopbaan elk andere verklaringsfactoren vereisen. Het zou bovendien kunnen dat er niet alleen een onderscheid gemaakt moet worden tussen (non-)formele en informele opleidingen, maar ook tussen opleidingen die aangeboden worden aan werknemers om zich snel te kunnen aanpassen aan de specifieke vereisten van de job bij de start van deze job en opleidingen die nodig zijn tijdens de verdere loopbaan om door te groeien (bij dezelfde werkgever). En mogelijk bestaat er zelfs een samenhang tussen het (non-)formele en informele karakter van de opleiding

hoof

dstu

k 4

| C

oncl

usie

en

aa

nbev

elin

gen

44

enerzijds en de doelstelling, snelle inwerking of doorgroei, anderzijds. Dit vraagt verder onderzoek. Het volgen van opleidingen binnen het kader van de job wordt niet alleen bepaald door de arbeidsmarktpositie die men inneemt bij aanvang van de arbeidsloopbaan, maar bepaalt ook op zich de arbeidsmarktpositie die men enkele jaren later, op 29-jarige leeftijd, inneemt. Participatie aan opleidingen binnen het kader van de job heeft namelijk een positief en significant effect op tewerkstellingskansen (enkel (non-)formele opleidingen), het loon en het type contract. Het volgen van informele opleidingen kent echter een significant en negatief effect op overeenstemming tussen job en initiële opleiding en jobtevredenheid. Dit negatieve effect op de inhoudelijke overeenstemming tussen job en initiële opleiding, dat we ook bij opleidingen buiten het kader van de job hebben vastgesteld, is niet echt verrassend. Door het volgen van een bijkomende opleiding die inhoudelijk kan verschillen van de initiële opleiding kan de inhoudelijke kloof tussen de initiële opleiding en de uiteindelijke job groter worden. Dit effect hoeft niet noodzakelijk als negatief geïnterpreteerd te worden en is misschien eerder een logisch gevolg van bijscholingen. Het profiel van de deelnemers van de opleidingen buiten het kader van de job verschilt ook naargelang de opleiding. Terwijl we vaststellen dat vooral hooggeschoolden opleidingen uit de restcategorie ‘andere opleidingen’ volgen, volgen vooral lager geschoolden VDAB-opleidingen, opleidingen uit het onderwijs voor sociale promotie of keren terug naar het formele onderwijssysteem. Met andere woorden, (non-)formele opleidingen binnen het kader van de job vormen extra kansen voor hooggeschoolden, terwijl sommige opleidingen buiten het kader van de job een tweede kans lijken te bieden voor laaggeschoolden om zich bij te scholen. Het rendement van het volgen van deze extra opleidingen buiten het kader van de job is echter niet overtuigend aanwezig. Vooral het volgen van VDAB-opleidingen heeft een uitgesproken negatief effect op de arbeidsmarktpositie, maar slechts twee effecten ervan zijn statistisch significant: het effect op tewerkstellingskansen en het effect op het type contract. Hoewel we gecontroleerd hebben voor de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan en voor de achtergrondkenmerken van de deelnemers, stellen we ons de vraag of we voldoende gecontroleerd hebben voor profielkenmerken. Mogelijk hebben deelnemers van opleidingen buiten het kader van de job, met name van VDAB-opleidingen een zodanig profiel dat zij bij voorbaat een zwakkere (start)positie op de arbeidsmarkt hebben en dat het verschil met andere jongvolwassenen niet (meteen) weggewerkt kan worden door het volgen van VDAB-opleidingen. Een andere mogelijkheid is dat de indicatoren niet voldoende fijnmazig zijn om kleinere successen van het volgen van de opleidingen, die voor toeleiders in het veld of andere begeleiders wel merkbaar zijn, te meten. Terugkeren naar het formele onderwijssysteem daarentegen lijkt wel met uitzondering van het negatieve effect op het type contract eerder een positief of geen effect te hebben, maar de positieve effecten zijn statistisch niet significant. Tijdens de verkennende analyses (Knipprath & De Rick, 2011b) hadden we echter vastgesteld dat het hoogst behaalde diploma, eventueel behaald na onderbreking van de schoolloopbaan en dus na het aangrijpen van een tweede kans, een betere indicator was voor arbeidsmarktsucces dan het diploma dat men behaald heeft op het moment dat men het onderwijs voor de eerste keer verlaat. Met andere woorden, het rendement van het terugkeren naar het formele onderwijssysteem hoeft misschien niet meteen in vraag gesteld te worden. Ten slotte kan het uitblijven van statistisch significante en positieve effecten van opleidingen buiten het kader van de job ook nog verklaard worden door het feit dat jongvolwassenen door het volgen van deze opleidingen in sommige gevallen minder lang op de arbeidsmarkt zijn en minder anciënniteit opbouwen om een gunstigere positie te verwerven tegen de leeftijd van 29 jaar. Als laatste opmerking dienen we mee te geven dat de indicatoren voor de arbeidsmarktpositie verklaard worden door verschillende factoren en dat niet alle indicatoren noodzakelijk op

45

hoof

dstu

k 4

| C

oncl

usie

en

aa

nbev

elin

gen

eenzelfde manier arbeidsmarktsucces veronderstellen. We zien namelijk dat hoogopgeleiden minder kans hebben op een vast contract. Hooggeschoolden komen ofwel in sectoren terecht waar minder snel een vast contract gegeven wordt en/of hebben door hun langere opleidingsduur minder tijd gehad op de arbeidsmarkt om te groeien naar een job met een vast contract tegen de leeftijd van 29 jaar. Het is echter te voorbarig om dan te stellen dat hooggeschoolden minder succes boeken op de arbeidsmarkt. Op eenzelfde manier is het niet eenvoudig te claimen dat gebrek aan overeenstemming tussen opleiding en job een indicator is voor gebrek aan arbeidsmarktsucces. Economisch gezien kan men verwachten dat jongeren voor een bepaalde opleiding kiezen met het oog op succes in hun arbeidsmarktloopbaan. Indien die opleiding niet overeenkomt met wat vereist is voor het beroep dat men uiteindelijk uitoefent, kan men vanuit het investeringsperspectief verwachten dat een foute afstemming inkomensverliezen genereert en ook een negatief effect kan hebben op arbeidstevredenheid (Humblet, 2009; Van Trier, Coppieters & Nonneman, 2010), zoals we hier vastgesteld hebben. Maar, hoewel de vraagstelling naar inhoudelijke overeenstemming anders doet uitschijnen, kan een werknemer die een initiële opleiding heeft gevolgd die inhoudelijk verschilt van de uiteindelijke job, tijdens die initiële opleiding vaardigheden hebben verworven die nuttig zijn voor die uiteindelijke job. Het is mogelijk dat die overeenstemming naar vaardigheden zich niet weerspiegelt in de vraagstelling naar overeenstemming tussen job en opleiding. Bovendien kan de afwijking tussen initiële opleiding en job ook impliceren dat men door die job nieuwe dingen heeft geleerd en dat het uitoefenen van die job een verrijking is, of ook een vorm van levenslang leren impliceert. Wat op zich niet noodzakelijk een negatieve ervaring hoeft te zijn.

4.1.2 Sociaal kapitaal Sociaal kapitaal kan een belangrijke rol spelen bij het welzijn van het individu en van de maatschappij volgens onderzoekers en beleidsmakers. Sociaal kapitaal is bovendien multidimensionaal en het effect van sociaal kapitaal op leren maar ook op werkgerelateerde uitkomsten werkt langs verschillende wegen. In deze studie hebben we getracht rekening te houden met het effect van sociaal kapitaal, maar werden we beperkt door het aantal beschikbare indicatoren. De uitgebreidheid van het netwerk hebben we gemeten aan de hand van lidmaatschap van verenigingen en het al dan niet hebben van een partner met een relatief hoge socio-economische positie. Hoe uitgebreider het netwerk, hoe groter de kans dat men over meerdere hulpbronnen kan beschikken en hoe groter de kans dat men ook in aanraking komt met een positief discours over levenslang leren. Daarnaast hebben we de veronderstelling gemaakt dat ook andere houdingen van het individu, bijvoorbeeld ten opzichte van werk, beïnvloed kunnen worden door het discours aanwezig in het eigen netwerk en dat vervolgens die houding van het individu ten opzichte van werken een effect kan uitoefenen op de arbeidsloopbaan. Houdingen ten opzichte van werk werden gemeten bij de respondent en blijken inderdaad een belangrijke impact te hebben bij het nemen van beslissingen tijdens de arbeidsloopbaan, nog meer dan de indicatoren voor de structurele dimensie van sociaal kapitaal, lidmaatschap van verenigingen en de socio-economische positie van de partner. Bovendien worden die houdingen sterk bepaald door sociodemografische kenmerken maar ook door de schoolloopbaan. We vermoeden dat verder eerdere arbeidservaringen die we hier niet hebben kunnen meten ook een bijkomende invloed kunnen uitoefenen op deze houdingen (cf. Laurijssen & Spruyt, 2012). We hebben echter niet het mechanisme of de manier waarop het eigen discours door het heersende discours binnen het netwerk beïnvloed wordt kunnen blootleggen. Niettemin is deze vaststelling van de impact van de houding ten opzichte van werk wel belangrijk. In de huidige onderzoeksliteratuur wordt er reeds aandacht besteed aan de impact van bepaalde algemene persoonlijkheidskenmerken op bijvoorbeeld mobiliteit en arbeidsloopbaan, maar vaak ligt de focus slechts op een of enkele kenmerken en nog minder op

hoof

dstu

k 4

| C

oncl

usie

en

aa

nbev

elin

gen

46

aspiraties en houdingen ten opzichte van werk (cf. Gelissen & de Graaf, 2006). Een bijdrage vanuit de psychologische hoek is zeer relevant om het verloop van de arbeidsloopbaan te helpen verklaren. Op eenzelfde manier kunnen we veronderstellen dat houdingen ten opzichte van leren, hier niet gemeten, een belangrijke rol spelen in het beslissingsproces om te participeren aan levenslang leren (cf. Boeren, Holford, Nicaise & Baert, 2012). Hoewel lidmaatschap van verenigingen en de socio-economische positie van de partner over het algemeen geen overtuigende significante effecten vertonen, hebben we wel de impact kunnen vaststellen van andere indicatoren van de structurele dimensie van sociaal kapitaal op de arbeidsmarktpositie bij aanvang van de arbeidsloopbaan. De informatie die wordt aangereikt op school of in hogere onderwijsinstellingen over solliciteren en de arbeidsmarkt maakt dat men beter zijn weg vindt naar organisaties en instellingen om een job te zoeken, men minder lang moet zoeken naar een eerste job en dat de eerste job inhoudelijk overeenstemt met de initiële opleiding. Zoekkanalen lijken echter ook een negatief effect te hebben, maar dit moet binnen de context van de overige analyseresultaten geïnterpreteerd worden. Het aantal zoekkanalen die gebruikt worden stijgt namelijk met de zoektijd. Hoe langer men zoekt, hoe meer kanalen men aanspreekt en hoe groter de kans dat men uiteindelijk een job vindt, die weliswaar mede door die lange zoektijd dan minder ideaal is dan men verwacht. Het aanspreken van die kanalen door de lange zoektijd waarna men werk vindt is op zich wel een positief gegeven. Sociaal kapitaal, in de vorm van aspiraties en in de vorm van hulpbronnen, heeft met andere woorden een belangrijke impact op de arbeidsloopbaan en het mechanisme achter dit effect verdient aandacht in verder onderzoek.

4.2 Aanbevelingen voor onderzoek Zoals vermeld in de vorige paragraaf dient sociaal kapitaal verder onderzocht te worden. Vooral het mechanisme waarbij de potentiële lerende tot een beslissing komt om al dan niet te leren en de manier waarop hij of zij door zijn netwerk of omgeving beïnvloed wordt verdient meer aandacht. Op eenzelfde manier kunnen aspiraties ten opzichte van werken niet genegeerd worden bij het verklaren van het verloop van de arbeidsloopbaan. Meer diepgaand onderzoek is ook nodig naar laaggeschoolden die al dan niet beslissen om een bijkomende opleiding te volgen als tweede kans. In deze studie blijven overtuigende significante en positieve effecten uit van die opleidingen die vooral lager geschoolden volgen, maar tot een besluit komen dat levenslang leren als tweede kans geen nut heeft is volgens ons te voorbarig. Hoewel voor VDAB-opleidingen negatieve effecten werden vastgesteld, werden voor het terugkeer naar het formele onderwijssysteem weliswaar zwakke maar ook positieve effecten vastgesteld. Een grotere steekproef, of anders gezegd, meer inzoomen op de laaggeschoolden die terugkeren naar het onderwijs, VDAB-opleidingen of opleidingen in het huidige volwassenonderwijs kan mogelijk effecten vaststellen die in deze studie niet waarneembaar waren. Ten slotte is de SONAR-databank beperkt in die zin dat de arbeidsloopbaan slechts tot 29 jaar wordt gevolgd. Weliswaar daalt de participatie aan levenslang leren reeds voor 29 jaar en verder naarmate men ouder wordt (cf. Knipprath & De Rick, 2011a), niettemin is het belangrijk om na te gaan wat het effect is van participeren op latere leeftijd. En dat effect hoeft zich niet enkel te uiten op vlak van werkgelegenheid. Zoals de Europese definitie van levenslang leren luidt, is levenslang leren van belang vanuit burgerlijke, persoonlijke, sociale en werkgelegenheidsperspectief (Commissie van de Europese Gemeenschappen, 2000). Men neemt niet altijd noodzakelijk deel aan opleidingen om puur de arbeidsmarktpositie te verbeteren, maar ook om andere redenen. De motivatie om opleidingen te volgen kunnen zeer divers zijn. Alleen focussen op werkgerelateerde uitkomsten wanneer participatie ook vanuit andere doelstellingen ondernomen wordt, kan dus verkeerde conclusies over effecten van deze participatie

47

hoof

dstu

k 4

| C

oncl

usie

en

aa

nbev

elin

gen

veroorzaken. Onderzoek naar andere effecten, bijvoorbeeld op het welzijn, op de persoonlijke ontwikkeling, en zelfredzaamheid, is dus gewenst. Verder is het noodzakelijk om opleidingen in het kader van de job ook vanuit het perspectief van de werkgevers te bestuderen. Welke opleidingen zijn volgens de werkgevers belangrijk, wanneer en voor wie? Zijn er inderdaad bepaalde jobs die eerder opleidingen vereisen bij aanvang van de jobs, en andere jobs die opleidingsbehoeften creëren gedurende een langere periode. Worden opleidingskansen door iedereen op dezelfde manier aangegrepen? In onze studie kunnen we geen onderscheid maken tussen het aangeboden krijgen van die opleidingskansen en de beslissing om deze kansen te grijpen. Dit onderscheid kunnen maken in onderzoek kan ook verhelderend zijn. Ten slotte is het relevant om in nader onderzoek een onderscheid te kunnen maken tussen het volgen van opleidingen (zoals hier gemeten) en het succesvol afronden van deze opleidingen (cf. Patrignani & Colon, 2011).

4.3 Aanbevelingen voor beleid Participatie aan opleidingen binnen het kader van de job gebeurt vooral wanneer men een geslaagde start heeft gemaakt bij aanvang van de arbeidsloopbaan. Een geslaagde start bepaalt positief de verdere arbeidsloopbaan én opleidingskansen in het kader van de job. Participeren aan levenslang leren lijkt op die manier een extra kans te zijn, met name wanneer het gaat om (non-)formele opleidingen in het kader van de job voor hooggeschoolden. Hier lijken we bevestiging te vinden voor het zogenaamde Mattheüseffect. Maar participatie aan informele opleidingen en participatie aan talrijke andere opleidingen buiten het kader van de job toont aan dat het Mattheüseffect niet noodzakelijk plaatsvindt voor alle soorten vormen van leeractiviteiten. Enerzijds stellen we vast dat er geen ongelijke participatie aan informele opleidingen binnen het kader van de job aanwezig is. Anderzijds zijn we tot de conclusie gekomen dat participatie aan VDAB-opleidingen, opleidingen uit het onderwijs voor sociale promotie en het terugkeren naar het formele onderwijssysteem om alsnog een diploma te behalen beschouwd kunnen worden als een tweede kans. Deze participatie kan toegejuicht worden, ook al zijn er geen duidelijke significante en positieve effecten gevonden. Het wegblijven van duidelijke effecten is geen reden om participatie aan deze opleidingen niet meer verder te stimuleren. Het wegblijven van de effecten kan verschillende oorzaken hebben waaronder een te kleine steekproef van vooral diegenen die participeren aan deze opleidingen buiten het kader van de job, de laaggeschoolden, onvoldoende controle voor profielkenmerken of indicatoren die niet op een gepaste wijze kleinschaligere effecten kunnen weergeven. Gezien de toenemende polarisering van de arbeidsmarkt en het feit dat er een belangrijk aandeel van jobs blijft bestaan waarvoor geen kwalificaties nodig zijn, is het mogelijk dat het onderscheid tussen de arbeidsloopbaan van diegenen die beslissen zich bij te scholen en diegenen die zich niet bijscholen en in dat marktsegment terechtkomen waar kwalificaties geen rol spelen niet voldoende naar boven komt met de indicatoren (bv. het hebben van werk, het hebben van een vast contract etc.) die we hier toegepast hebben. Naast deze indicatoren voor de arbeidsmarktpositie, zijn er bovendien nog heel wat andere aspecten die beschouwd kunnen worden als belangrijke indicatoren voor het effect of rendement van participatie (bv. zelfredzaamheid, welzijn, persoonlijke ontwikkeling). De vraag is verder of we wel voldoende naar lange-termijneffecten hebben kunnen kijken voor opleidingen buiten het kader van de job. In een lijvig rapport van de Europese Commissie over de opbrengsten van ESF-investeringen in menselijk kapitaal en de effecten van het opleiden van werknemers en werkzoekenden, besluiten de onderzoekers dat opleidingsprogramma’s bij werklozen een relatief beperkt effect sorteren op werkgelegenheid op korte termijn, en dat de opleidingsprogramma’s wel een positief effect hebben op lange termijn (European Commission, 2010). Bovendien stellen ze vast dat de impact van korte opleidingen groter zijn dan van

hoof

dstu

k 4

| C

oncl

usie

en

aa

nbev

elin

gen

48

langdurige opleidingen en dat de opleiding van werklozen effectiever is wanneer andere instrumenten zoals hulp bij het vinden van een baan worden ingezet. Ook in onze studie hebben we vastgesteld dat sociaal kapitaal in de vorm van hulpbronnen bij de start van de arbeidsloopbaan belangrijk zijn. Reeds tijdens de schoolloopbaan is het verstrekken van informatie over solliciteren en de arbeidsmarkt cruciaal. Hoe beter voorbereid, hoe minder lang er gezocht moet worden naar de eerste job en hoe groter de kans dat men een baan vindt dat inhoudelijk overeenstemt met de opleiding. Wanneer het zoekproces moeizaam verloopt, worden zoekkanalen ingezet en belandt men uiteindelijk wel in een eerste job, die weliswaar minder ideaal is dan men verwacht. Niettemin zien we hier dus een aanwijzing dat begeleiding, informatie en toeleiding, zeker bij aanvang van de arbeidsloopbaan van belang zijn en dat de overheid hier een belangrijke rol kan spelen. Niet alleen informatie tijdens de schoolloopbaan over solliciteren en de arbeidsmarkt, maar ook het succesvol doorlopen van deze schoolloopbaan is cruciaal. De schoolloopbaan doorlopen zonder te veel barrières kan een positieve impact hebben op de bereidheid om verder te leren of een leven lang bij te leren, en heeft zelfs, zoals we in dit onderzoek hebben vastgesteld, ook een belangrijke impact op werkattitudes. Mogelijkheden tot leren als tweede kans in het latere leven mogen dus niet uitgesloten worden. Meer nog, het creëren van de juiste voedingsbodem reeds tijdens de initiële schoolloopbaan om een leven lang te leren, als tweede of extra kans, en het ontwikkelen van een positieve werkattitude, zijn net zo belangrijk.

- BIJLAGEN -

bijla

ge 1

Fre

que

ntie

tab

elle

n 51

bijlage 1 Frequentietabellen

b1.1 Frequentietabellen voor nominale en ordinale variabelen

Tabel b1.1 Hoogst behaalde diploma van de respondent voor het verlaten van het initieel onderwijs voor de eerste keer

Aantal Percentage Geen diploma, lager onderwijs of BUSO 31 2,0 Gewoon lager secundair onderwijs 114 7,2 Gewoon hoger secundair onderwijs 706 44,8 Hoger onderwijs korte type 457 29,0 Hoger onderwijs lange type 87 5,5 Universiteit en doctoraat 180 11,4 Totaal 1575 100,0

Tabel b1.2 Jobtevredenheid bij aanvang van de eerste job

Aantal Percentage (Heel) ontevreden 178 11,4 Noch tevreden, noch ontevreden 227 14,6 Eerder tevreden 668 42,9 Heel tevreden 483 31,0 Totaal 1556 100,0

Tabel b1.3 Schoolse achterstand opgelopen in het basis- en of secundair onderwijs

Aantal Percentage Schoolse achterstand: ja 555 64,6 Schoolse achterstand: nee 1014 35,4 Totaal 1569 100,0

Tabel b1.4 Aantal respondenten die afgestroomd zijn in het secundair onderwijs (watervalsysteem)

Aantal Percentage Afgestroomd: ja 400 25,4 Afgestroomd: nee 1174 74,6 Totaal 1574 100,0

52

bijla

ge 1

Fre

que

ntie

tab

elle

n

Tabel b1.5 Lid van vereniging(en) en/of onbetaald vrijwilligerswerk uitgevoerd bij het verlaten van het initieel onderwijs voor de eerste keer

Aantal Percentage Ja 1003 63,6 Nee 574 36,4 Totaal 1577 100,0

Tabel b1.6 Gebruik van persoonlijke relaties om een baan te zoeken bij intrede arbeidsmarkt

Aantal Percentage Ja 728 51,2 Nee 693 48,8 Totaal 1421 100,0

Tabel b1.7 Aantal gebruikte zoekkanalen om een baan te vinden bij intrede arbeidsmarkt

Aantal Percentage 0 238 17,1 1 370 26,6 2 413 29,6 3 of meer 372 26,7 Totaal 1393 100,0

Tabel b1.8 Vast contract bij eerste significante job

Aantal Percentage Ja 546 37,4 Nee 912 62,6 Totaal 1458 100,0

Tabel b1.9 Verticale match in eerste significante job

Aantal Percentage Ja 1049 68,2 Nee 488 31,8 Totaal 1537 100,0

Tabel b1.10 Horizontale match in eerste significante job

Aantal Percentage Ja 745 47,7 Nee 816 52,3 Totaal 1561 100,0

Tabel b1.11 Arbeidssituatie op 26-jarige leeftijd

Aantal Percentage Werkend 1460 91,8 Werkzoekend 131 8,2 Totaal 1591 100,0

Tabel b1.12 Aantal informatiebronnen tijdens secundair/en of hoger onderwijs verkregen in verband met solliciteren en de arbeidsmarkt

Aantal Percentage 0 163 10,3 1 211 13,4

53

bijla

ge 1

Fre

que

ntie

tab

elle

n

2 236 15,0 3 222 14,1 4 203 12,9 5 179 11,3 6 364 23,1 Totaal 1578 100,0

Tabel b1.13 Geslacht

Aantal Percentage Man 828 51,3 Vrouw 785 48,7 Totaal 1613 100,0

Tabel b1.14 Etnische afkomst

Aantal Percentage Autochtoon 1420 88,8 Allochtoon 179 11,2 Totaal 1599 100,0

Tabel b1.15 Partner met hoge socio-economische positie

Aantal Percentage Ja 315 20,2 Nee 1246 79,8 Totaal 1561 100,0

Tabel b1.16 Aantal informatiebronnen tijdens secundair/en of hoger onderwijs verkregen in verband met solliciteren en de arbeidsmarkt

Aantal Percentage >496 euro 75 6,2 496 – 744 euro 167 13,7 745 – 991 euro 385 31,6 992 – 1238 euro 443 36,4 1239 – 1477 euro 106 8,7 1477 euro < 41 3,4 Totaal 1217 100,0

b1.2 Beschrijvende statistiek voor continue variabelen Deze output komt rechtstreeks uit SPSS.

54

bijla

ge 1

Fre

que

ntie

tab

elle

n

Figuur b1.1 Beschrijvende statistiek voor de continue variabelen

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

55

bijlage 2 MPLUS-output met de afhankelijke variabele ‘tewerkstelling’ op 29-jarige leeftijd

MODEL FIT INFORMATION Number of Free Parameters 236 Loglikelihood H0 Value -32228.144 Information Criteria Akaike (AIC) 64928.288 Bayesian (BIC) 66194.172 Sample-Size Adjusted BIC 65444.450 (n* = (n + 2) / 24) MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value WERKEN29 ON MAN 0.564 0.293 1.926 0.054 SES 0.144 0.192 0.750 0.453 AUTOCHTOON 0.848 0.313 2.707 0.007 DIPLOMA 0.122 0.155 0.787 0.431 SCH_ACHTER 0.023 0.298 0.076 0.940 WATERVAL 0.178 0.316 0.564 0.573 LIDVRIJW -0.150 0.279 -0.537 0.591 ISEIPARTNE 0.835 0.490 1.705 0.088 WERKTZIN 0.275 0.294 0.934 0.350

56

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

WERKGELD 0.963 0.415 2.322 0.020 ZOEKTIJD 0.000 0.009 0.021 0.983 HORIZMJ1 0.596 0.311 1.913 0.056 VERTMJ1 -0.082 0.296 -0.278 0.781 LOONJ1 0.060 0.144 0.415 0.678 CONTRAJ1 0.139 0.294 0.474 0.635 TERUG_ONDE 0.044 0.336 0.132 0.895 OSP2 -0.287 0.316 -0.909 0.363 VDAB2 -0.715 0.321 -2.224 0.026 AND_OPLEID -0.030 0.312 -0.098 0.922 FORMOPLJ 0.885 0.294 3.006 0.003 INFORMOPLJ -0.403 0.273 -1.478 0.139 ARBEID26 1.241 0.324 3.829 0.000 ARBEID26 ON MAN 0.505 0.197 2.562 0.010 SES -0.182 0.139 -1.315 0.189 AUTOCHTOON 0.567 0.256 2.217 0.027 DIPLOMA 0.080 0.101 0.791 0.429 SCH_ACHTER -0.554 0.208 -2.668 0.008 WATERVAL -0.211 0.215 -0.980 0.327 LIDVRIJW 0.284 0.195 1.458 0.145 DIPLOMA ON MAN -0.535 0.099 -5.375 0.000 SES 0.988 0.073 13.623 0.000 AUTOCHTOON 0.264 0.157 1.687 0.092 SCH_ACHTER -1.370 0.115 -11.928 0.000 WATERVAL -0.825 0.119 -6.952 0.000 WATERVAL ON MAN 0.101 0.119 0.850 0.395 SES -0.739 0.088 -8.443 0.000 AUTOCHTOON 0.279 0.196 1.427 0.153 SCH_ACHTER ON MAN 0.724 0.110 6.607 0.000 SES -0.371 0.076 -4.908 0.000 AUTOCHTOON -0.530 0.168 -3.163 0.002 LIDVRIJW ON MAN 0.852 0.109 7.803 0.000 SES 0.472 0.076 6.202 0.000 AUTOCHTOON -0.385 0.179 -2.153 0.031 ISEIPARTNE ON MAN -0.148 0.135 -1.093 0.275 SES 0.452 0.093 4.878 0.000 AUTOCHTOON -0.019 0.217 -0.087 0.931 SCH_ACHTER -0.463 0.152 -3.042 0.002

57

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

WATERVAL -0.307 0.171 -1.802 0.072 LIDVRIJW 0.178 0.142 1.256 0.209 WERKTZIN ON MAN -0.017 0.023 -0.729 0.466 SES -0.011 0.017 -0.676 0.499 AUTOCHTOON -0.027 0.035 -0.765 0.444 DIPLOMA 0.041 0.011 3.554 0.000 SCH_ACHTER -0.053 0.025 -2.125 0.034 WATERVAL 0.027 0.027 1.025 0.306 LIDVRIJW 0.005 0.024 0.221 0.825 WERKGELD ON MAN 0.049 0.016 3.041 0.002 SES -0.071 0.012 -6.129 0.000 AUTOCHTOON 0.016 0.025 0.629 0.529 DIPLOMA -0.067 0.008 -8.337 0.000 SCH_ACHTER -0.020 0.018 -1.152 0.249 WATERVAL 0.076 0.019 4.035 0.000 LIDVRIJW -0.020 0.017 -1.217 0.224 PERS_RELAT ON MAN -0.143 0.113 -1.269 0.205 SES 0.022 0.082 0.271 0.786 AUTOCHTOON 0.402 0.176 2.285 0.022 DIPLOMA -0.212 0.059 -3.619 0.000 SCH_ACHTER 0.015 0.124 0.118 0.906 WATERVAL 0.283 0.130 2.184 0.029 LIDVRIJW -0.034 0.116 -0.295 0.768 ZOEKTIJD -0.003 0.005 -0.599 0.549 ZOEKKANALE ON MAN -0.230 0.101 -2.265 0.024 SES -0.093 0.074 -1.255 0.209 AUTOCHTOON -0.168 0.156 -1.073 0.283 DIPLOMA 0.060 0.052 1.149 0.251 SCH_ACHTER 0.009 0.112 0.084 0.933 WATERVAL 0.007 0.115 0.063 0.950 LIDVRIJW -0.006 0.104 -0.059 0.953 ZOEKTIJD 0.019 0.005 4.208 0.000 INFOSOLLI 0.123 0.024 5.103 0.000 ZOEKTIJD ON MAN -0.984 0.565 -1.740 0.082 SES 0.449 0.408 1.101 0.271 AUTOCHTOON -2.672 0.868 -3.077 0.002 DIPLOMA -1.476 0.283 -5.210 0.000 SCH_ACHTER -0.746 0.620 -1.203 0.229 WATERVAL -1.287 0.657 -1.960 0.050 LIDVRIJW -0.328 0.582 -0.564 0.573

58

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

INFOSOLLI -0.511 0.133 -3.840 0.000 HORIZMJ1 ON MAN -0.336 0.111 -3.022 0.003 SES 0.160 0.080 2.001 0.045 AUTOCHTOON 0.121 0.174 0.700 0.484 DIPLOMA 0.299 0.058 5.173 0.000 SCH_ACHTER -0.153 0.121 -1.260 0.208 WATERVAL 0.263 0.129 2.037 0.042 LIDVRIJW 0.113 0.115 0.984 0.325 PERS_RELAT -0.076 0.115 -0.659 0.510 ZOEKKANALE -0.289 0.056 -5.141 0.000 INFOSOLLI 0.108 0.027 4.041 0.000 ZOEKTIJD -0.006 0.005 -1.101 0.271 VERTMJ1 ON MAN -0.084 0.117 -0.717 0.473 SES 0.113 0.084 1.346 0.178 AUTOCHTOON 0.110 0.177 0.625 0.532 DIPLOMA 0.113 0.061 1.859 0.063 SCH_ACHTER -0.173 0.126 -1.371 0.170 WATERVAL -0.033 0.133 -0.252 0.801 LIDVRIJW -0.062 0.120 -0.517 0.605 PERS_RELAT 0.023 0.120 0.193 0.847 ZOEKKANALE -0.223 0.059 -3.774 0.000 INFOSOLLI 0.049 0.028 1.731 0.083 ZOEKTIJD -0.002 0.005 -0.468 0.640 LOONJ1 ON MAN 0.234 0.057 4.120 0.000 SES 0.010 0.040 0.255 0.799 AUTOCHTOON 0.028 0.086 0.322 0.747 DIPLOMA 0.361 0.031 11.566 0.000 SCH_ACHTER 0.092 0.061 1.518 0.129 WATERVAL -0.015 0.060 -0.245 0.807 LIDVRIJW 0.133 0.055 2.411 0.016 PERS_RELAT -0.017 0.056 -0.311 0.756 ZOEKKANALE -0.035 0.028 -1.229 0.219 INFOSOLLI 0.029 0.013 2.185 0.029 ZOEKTIJD 0.004 0.004 1.198 0.231 CONTRAJ1 0.054 0.059 0.917 0.359 HORIZMJ1 -0.081 0.060 -1.366 0.172 VERTMJ1 0.307 0.062 4.953 0.000 REGIMEJ1 0.027 0.001 17.947 0.000 CONTRAJ1 ON MAN 0.554 0.122 4.530 0.000 SES 0.187 0.086 2.176 0.030 AUTOCHTOON 0.261 0.189 1.380 0.168 DIPLOMA -0.100 0.062 -1.609 0.108

59

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

SCH_ACHTER -0.081 0.127 -0.635 0.526 WATERVAL 0.177 0.133 1.325 0.185 VERTMJ1 0.265 0.135 1.962 0.050 LIDVRIJW -0.360 0.121 -2.986 0.003 PERS_RELAT -0.125 0.122 -1.023 0.306 ZOEKKANALE -0.352 0.060 -5.834 0.000 INFOSOLLI 0.037 0.028 1.296 0.195 ZOEKTIJD -0.006 0.006 -1.053 0.292 REGIMEJ1 -0.005 0.003 -1.544 0.123 HORIZMJ1 -0.153 0.128 -1.196 0.232 REGIMEJ1 ON MAN 8.050 0.912 8.823 0.000 SES 0.006 0.659 0.009 0.993 AUTOCHTOON 0.360 1.407 0.256 0.798 DIPLOMA 0.351 0.464 0.757 0.449 SCH_ACHTER -1.452 0.997 -1.457 0.145 WATERVAL -0.402 1.059 -0.380 0.704 LIDVRIJW 0.390 0.937 0.416 0.677 PERS_RELAT -3.316 0.941 -3.522 0.000 ZOEKKANALE 0.186 0.455 0.409 0.682 INFOSOLLI 0.634 0.218 2.910 0.004 ZOEKTIJD -0.074 0.041 -1.815 0.069 FORMOPLJ ON MAN 0.190 0.115 1.654 0.098 SES 0.257 0.080 3.201 0.001 AUTOCHTOON 0.213 0.170 1.250 0.211 DIPLOMA 0.156 0.061 2.543 0.011 SCH_ACHTER -0.123 0.120 -1.024 0.306 WATERVAL -0.125 0.127 -0.987 0.324 VERTMJ1 -0.208 0.129 -1.603 0.109 LIDVRIJW 0.189 0.113 1.675 0.094 ZOEKTIJD -0.011 0.005 -2.152 0.031 HORIZMJ1 0.077 0.120 0.642 0.521 LOONJ1 0.247 0.060 4.139 0.000 CONTRAJ1 -0.015 0.116 -0.130 0.897 TERUG_ONDE ON MAN -0.221 0.144 -1.535 0.125 SES 0.256 0.102 2.501 0.012 AUTOCHTOON -0.115 0.215 -0.536 0.592 DIPLOMA -0.020 0.071 -0.278 0.781 SCH_ACHTER 0.105 0.159 0.662 0.508 WATERVAL -0.352 0.180 -1.951 0.051 LIDVRIJW 0.321 0.153 2.100 0.036 OSP2 ON MAN 0.014 0.139 0.099 0.921 SES 0.143 0.100 1.440 0.150

60

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

AUTOCHTOON -0.366 0.198 -1.850 0.064 DIPLOMA -0.102 0.071 -1.450 0.147 SCH_ACHTER -0.217 0.154 -1.413 0.158 WATERVAL 0.181 0.159 1.138 0.255 LIDVRIJW 0.280 0.148 1.899 0.058 VDAB2 ON MAN -0.224 0.176 -1.270 0.204 SES -0.210 0.129 -1.622 0.105 AUTOCHTOON -0.164 0.245 -0.670 0.503 DIPLOMA -0.519 0.104 -5.004 0.000 SCH_ACHTER 0.210 0.183 1.150 0.250 WATERVAL 0.182 0.183 0.994 0.320 LIDVRIJW 0.068 0.179 0.377 0.706 AND_OPLEID ON MAN 0.082 0.125 0.657 0.511 SES 0.070 0.090 0.776 0.438 AUTOCHTOON -0.036 0.193 -0.188 0.851 DIPLOMA 0.197 0.061 3.250 0.001 SCH_ACHTER 0.019 0.140 0.137 0.891 WATERVAL -0.204 0.154 -1.329 0.184 LIDVRIJW 0.034 0.129 0.262 0.793 INFORMOPLJ ON MAN 0.312 0.112 2.786 0.005 SES 0.010 0.078 0.122 0.903 AUTOCHTOON -0.328 0.170 -1.935 0.053 DIPLOMA 0.054 0.059 0.915 0.360 SCH_ACHTER 0.073 0.118 0.619 0.536 WATERVAL -0.085 0.125 -0.678 0.498 VERTMJ1 -0.123 0.127 -0.967 0.333 LIDVRIJW -0.135 0.112 -1.204 0.229 ZOEKTIJD -0.006 0.005 -1.313 0.189 HORIZMJ1 -0.156 0.117 -1.336 0.182 LOONJ1 0.140 0.058 2.437 0.015 CONTRAJ1 0.277 0.114 2.434 0.015 Intercepts REGIMEJ1 87.438 2.351 37.198 0.000 WERKTZIN -0.071 0.052 -1.366 0.172 WERKGELD 0.135 0.036 3.703 0.000 ZOEKTIJD 15.897 1.323 12.018 0.000 LOONJ1 -0.471 0.200 -2.362 0.018 Thresholds WERKEN29$1 -0.325 0.722 -0.450 0.653 DIPLOMA$1 -5.423 0.250 -21.673 0.000 DIPLOMA$2 -3.656 0.193 -18.955 0.000 DIPLOMA$3 -0.505 0.164 -3.075 0.002

61

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

DIPLOMA$4 1.287 0.166 7.744 0.000 DIPLOMA$5 1.823 0.171 10.649 0.000 SCH_ACHT$1 0.533 0.168 3.180 0.001 WATERVAL$1 1.453 0.199 7.304 0.000 LIDVRIJW$1 -0.504 0.176 -2.860 0.004 VERTMJ1$1 -0.760 0.299 -2.540 0.011 ISEIPART$1 1.232 0.238 5.169 0.000 PERS_REL$1 -0.282 0.268 -1.051 0.293 ZOEKKANA$1 -1.178 0.255 -4.624 0.000 ZOEKKANA$2 0.175 0.252 0.695 0.487 ZOEKKANA$3 1.476 0.255 5.791 0.000 CONTRAJ1$1 -0.344 0.422 -0.814 0.416 HORIZMJ1$1 0.708 0.289 2.452 0.014 TERUG_ON$1 1.559 0.321 4.854 0.000 OSP2$1 1.127 0.305 3.695 0.000 VDAB2$1 0.862 0.378 2.280 0.023 AND_OPLE$1 1.703 0.285 5.965 0.000 FORMOPLJ$1 1.178 0.295 3.987 0.000 INFORMOP$1 0.053 0.287 0.184 0.854 ARBEID26$1 -1.605 0.405 -3.964 0.000 Residual Variances REGIMEJ1 296.505 10.594 27.987 0.000 WERKTZIN 0.189 0.007 28.088 0.000 WERKGELD 0.093 0.003 28.079 0.000 ZOEKTIJD 114.896 4.094 28.064 0.000 LOONJ1 0.786 0.032 24.387 0.000 LOGISTIC REGRESSION ODDS RATIO RESULTS WERKEN29 ON MAN 1.758 SES 1.155 AUTOCHTOON 2.335 DIPLOMA 1.130 SCH_ACHTER 1.023 WATERVAL 1.195 LIDVRIJW 0.861 ISEIPARTNE 2.306 WERKTZIN 1.316 WERKGELD 2.620 ZOEKTIJD 1.000 HORIZMJ1 1.814 VERTMJ1 0.921 LOONJ1 1.062 CONTRAJ1 1.149 TERUG_ONDE 1.045 OSP2 0.750 VDAB2 0.489

62

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

AND_OPLEID 0.970 FORMOPLJ 2.423 INFORMOPLJ 0.668 ARBEID26 3.459 ARBEID26 ON MAN 1.657 SES 0.833 AUTOCHTOON 1.764 DIPLOMA 1.084 SCH_ACHTER 0.575 WATERVAL 0.810 LIDVRIJW 1.328 DIPLOMA ON MAN 0.586 SES 2.686 AUTOCHTOON 1.303 SCH_ACHTER 0.254 WATERVAL 0.438 WATERVAL ON MAN 1.107 SES 0.477 AUTOCHTOON 1.322 SCH_ACHTER ON MAN 2.062 SES 0.690 AUTOCHTOON 0.589 LIDVRIJW ON MAN 2.344 SES 1.603 AUTOCHTOON 0.680 ISEIPARTNE ON MAN 0.863 SES 1.572 AUTOCHTOON 0.981 SCH_ACHTER 0.629 WATERVAL 0.735 LIDVRIJW 1.195 PERS_RELAT ON MAN 0.867 SES 1.022 AUTOCHTOON 1.494 DIPLOMA 0.809 SCH_ACHTER 1.015

63

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

WATERVAL 1.327 LIDVRIJW 0.966 ZOEKTIJD 0.997 ZOEKKANALE ON MAN 0.795 SES 0.911 AUTOCHTOON 0.845 DIPLOMA 1.062 SCH_ACHTER 1.009 WATERVAL 1.007 LIDVRIJW 0.994 ZOEKTIJD 1.020 INFOSOLLI 1.131 HORIZMJ1 ON MAN 0.715 SES 1.174 AUTOCHTOON 1.129 DIPLOMA 1.348 SCH_ACHTER 0.858 WATERVAL 1.301 LIDVRIJW 1.119 PERS_RELAT 0.927 ZOEKKANALE 0.749 INFOSOLLI 1.114 ZOEKTIJD 0.994 VERTMJ1 ON MAN 0.920 SES 1.120 AUTOCHTOON 1.117 DIPLOMA 1.120 SCH_ACHTER 0.841 WATERVAL 0.967 LIDVRIJW 0.940 PERS_RELAT 1.024 ZOEKKANALE 0.800 INFOSOLLI 1.050 ZOEKTIJD 0.998 CONTRAJ1 ON MAN 1.740 SES 1.206 AUTOCHTOON 1.298 DIPLOMA 0.905 SCH_ACHTER 0.922 WATERVAL 1.193 VERTMJ1 1.304 LIDVRIJW 0.698

64

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

PERS_RELAT 0.882 ZOEKKANALE 0.703 INFOSOLLI 1.038 ZOEKTIJD 0.994 REGIMEJ1 0.995 HORIZMJ1 0.858 FORMOPLJ ON MAN 1.209 SES 1.293 AUTOCHTOON 1.237 DIPLOMA 1.169 SCH_ACHTER 0.885 WATERVAL 0.883 VERTMJ1 0.813 LIDVRIJW 1.209 ZOEKTIJD 0.989 HORIZMJ1 1.080 LOONJ1 1.280 CONTRAJ1 0.985 TERUG_ONDE ON MAN 0.802 SES 1.292 AUTOCHTOON 0.891 DIPLOMA 0.980 SCH_ACHTER 1.111 WATERVAL 0.704 LIDVRIJW 1.379 OSP2 ON MAN 1.014 SES 1.154 AUTOCHTOON 0.693 DIPLOMA 0.903 SCH_ACHTER 0.805 WATERVAL 1.198 LIDVRIJW 1.324 VDAB2 ON MAN 0.800 SES 0.811 AUTOCHTOON 0.848 DIPLOMA 0.595 SCH_ACHTER 1.234 WATERVAL 1.199 LIDVRIJW 1.070 AND_OPLEID ON MAN 1.086

65

bijla

ge 2

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

e ‘t

ewer

kste

lling’

op

29-

jarig

e le

eftij

d

SES 1.072 AUTOCHTOON 0.964 DIPLOMA 1.218 SCH_ACHTER 1.019 WATERVAL 0.815 LIDVRIJW 1.034 INFORMOPLJ ON MAN 1.366 SES 1.010 AUTOCHTOON 0.720 DIPLOMA 1.056 SCH_ACHTER 1.076 WATERVAL 0.918 VERTMJ1 0.885 LIDVRIJW 0.874 ZOEKTIJD 0.994 HORIZMJ1 0.855 LOONJ1 1.151 CONTRAJ1 1.319

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

67

bijlage 3 MPLUS-output met de afhankelijke variabelen ‘nettoloon’, ‘jobtevredenheid’, type contract, ‘horizontale’ en ‘verticale match’

MODEL FIT INFORMATION Number of Free Parameters 341 Loglikelihood H0 Value -54292.331 Information Criteria Akaike (AIC) 109266.663 Bayesian (BIC) 111095.757 Sample-Size Adjusted BIC 110012.473 (n* = (n + 2) / 24) MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value LOON29 ON MAN 144.667 22.380 6.464 0.000 SES 41.684 15.397 2.707 0.007 AUTOCHTOON -19.585 32.421 -0.604 0.546 DIPLOMA 54.156 11.631 4.656 0.000 SCH_ACHTER -74.981 23.027 -3.256 0.001 WATERVAL 67.521 24.450 2.762 0.006 LIDVRIJW 6.189 21.608 0.286 0.775 ISEIPARTNE 30.084 26.077 1.154 0.249 WERKTZIN -4.055 23.208 -0.175 0.861 WERKGELD -33.143 32.990 -1.005 0.315

68

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

VASTCO29 93.887 31.466 2.984 0.003 HORIZM29 49.638 22.179 2.238 0.025 VERTM29 19.237 26.705 0.720 0.471 LOONJ1 45.136 10.742 4.202 0.000 TERUG_ONDE 33.907 29.594 1.146 0.252 OSP 18.814 30.098 0.625 0.532 VDAB -42.183 35.268 -1.196 0.232 AND_OPLEID 20.124 26.512 0.759 0.448 FORMOPLJ 44.214 21.548 2.052 0.040 INFORMOPLJ 77.614 20.856 3.721 0.000 REGIME29 10.573 0.789 13.393 0.000 JOBTEV29 ON MAN 0.137 0.116 1.186 0.236 SES -0.187 0.080 -2.329 0.020 AUTOCHTOON 0.270 0.171 1.580 0.114 DIPLOMA -0.079 0.059 -1.336 0.182 SCH_ACHTER 0.118 0.119 0.993 0.321 WATERVAL 0.110 0.127 0.869 0.385 LIDVRIJW -0.049 0.111 -0.441 0.659 ISEIPARTNE 0.294 0.135 2.174 0.030 WERKTZIN 0.836 0.124 6.727 0.000 WERKGELD -0.112 0.172 -0.650 0.515 VASTCO29 -0.277 0.157 -1.759 0.079 HORIZM29 0.490 0.116 4.209 0.000 VERTM29 0.511 0.143 3.582 0.000 JOBTEVJ1 0.156 0.057 2.735 0.006 TERUG_ONDE 0.050 0.154 0.325 0.745 OSP -0.039 0.157 -0.246 0.805 VDAB -0.332 0.183 -1.811 0.070 AND_OPLEID 0.145 0.138 1.050 0.294 FORMOPLJ 0.085 0.111 0.764 0.445 INFORMOPLJ -0.320 0.108 -2.951 0.003 REGIME29 -0.006 0.004 -1.330 0.184 LOON29 0.000 0.000 1.553 0.121 VASTCO29 ON MAN 0.386 0.174 2.218 0.027 SES -0.037 0.117 -0.314 0.754 AUTOCHTOON 0.596 0.219 2.725 0.006 DIPLOMA -0.242 0.084 -2.874 0.004 SCH_ACHTER -0.268 0.182 -1.471 0.141 WATERVAL 0.379 0.207 1.832 0.067 LIDVRIJW -0.284 0.171 -1.655 0.098 ISEIPARTNE 0.013 0.202 0.067 0.947 WERKTZIN 0.349 0.181 1.928 0.054 WERKGELD 0.537 0.256 2.099 0.036 HORIZM29 -0.051 0.175 -0.290 0.772 VERTM29 0.039 0.207 0.188 0.851 CONTRAJ1 0.955 0.194 4.934 0.000

69

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

TERUG_ONDE -0.500 0.203 -2.464 0.014 OSP -0.486 0.209 -2.320 0.020 VDAB -0.568 0.241 -2.361 0.018 AND_OPLEID 0.057 0.203 0.283 0.778 FORMOPLJ 0.618 0.164 3.768 0.000 INFORMOPLJ 0.454 0.159 2.850 0.004 REGIME29 0.014 0.005 2.829 0.005 HORIZM29 ON MAN -0.102 0.119 -0.855 0.393 SES 0.091 0.087 1.045 0.296 AUTOCHTOON 0.153 0.186 0.823 0.410 DIPLOMA 0.142 0.062 2.298 0.022 SCH_ACHTER -0.227 0.129 -1.752 0.080 WATERVAL -0.147 0.140 -1.054 0.292 LIDVRIJW -0.082 0.122 -0.674 0.501 ISEIPARTNE 0.179 0.145 1.233 0.218 WERKTZIN 0.533 0.132 4.026 0.000 WERKGELD -0.358 0.187 -1.915 0.056 HORIZMJ1 1.455 0.115 12.658 0.000 TERUG_ONDE 0.235 0.168 1.399 0.162 OSP -0.219 0.172 -1.270 0.204 VDAB -0.409 0.213 -1.919 0.055 AND_OPLEID -0.093 0.149 -0.620 0.535 FORMOPLJ 0.142 0.120 1.190 0.234 INFORMOPLJ -0.217 0.117 -1.855 0.064 VERTM29 ON MAN -0.035 0.139 -0.248 0.804 SES 0.154 0.102 1.512 0.130 AUTOCHTOON 0.191 0.199 0.964 0.335 DIPLOMA 0.027 0.074 0.365 0.715 SCH_ACHTER -0.345 0.148 -2.339 0.019 WATERVAL -0.074 0.155 -0.478 0.633 LIDVRIJW 0.032 0.141 0.231 0.818 ISEIPARTNE -0.036 0.177 -0.202 0.840 WERKTZIN 0.225 0.148 1.517 0.129 WERKGELD -0.206 0.213 -0.964 0.335 VERTMJ1 0.960 0.136 7.073 0.000 TERUG_ONDE 0.008 0.190 0.042 0.967 OSP -0.349 0.184 -1.898 0.058 VDAB -0.168 0.208 -0.811 0.418 AND_OPLEID -0.306 0.168 -1.818 0.069 FORMOPLJ 0.244 0.139 1.761 0.078 INFORMOPLJ -0.312 0.138 -2.261 0.024 REGIME29 ON MAN 6.787 0.688 9.870 0.000 SES -0.422 0.491 -0.859 0.390 AUTOCHTOON 1.392 1.032 1.349 0.177

70

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

DIPLOMA 1.437 0.347 4.139 0.000 SCH_ACHTER 0.722 0.736 0.981 0.327 WATERVAL -1.376 0.783 -1.758 0.079 WERKTZIN 0.679 0.737 0.922 0.357 WERKGELD -0.385 1.056 -0.365 0.715 LIDVRIJW 0.323 0.689 0.469 0.639 ISEIPARTNE 2.001 0.824 2.428 0.015 REGIMEJ1 0.128 0.019 6.848 0.000 DIPLOMA ON MAN -0.533 0.099 -5.362 0.000 SES 0.988 0.073 13.624 0.000 AUTOCHTOON 0.266 0.157 1.694 0.090 SCH_ACHTER -1.367 0.115 -11.894 0.000 WATERVAL -0.826 0.119 -6.959 0.000 WATERVAL ON MAN 0.100 0.119 0.835 0.404 SES -0.740 0.088 -8.447 0.000 AUTOCHTOON 0.280 0.196 1.428 0.153 SCH_ACHTER ON MAN 0.723 0.110 6.600 0.000 SES -0.370 0.076 -4.900 0.000 AUTOCHTOON -0.529 0.168 -3.153 0.002 LIDVRIJW ON MAN 0.852 0.109 7.805 0.000 SES 0.472 0.076 6.203 0.000 AUTOCHTOON -0.385 0.179 -2.154 0.031 ISEIPARTNE ON MAN -0.148 0.135 -1.094 0.274 SES 0.450 0.093 4.853 0.000 AUTOCHTOON -0.027 0.218 -0.125 0.901 SCH_ACHTER -0.465 0.152 -3.051 0.002 WATERVAL -0.312 0.171 -1.827 0.068 LIDVRIJW 0.177 0.142 1.248 0.212 WERKTZIN ON MAN -0.017 0.023 -0.736 0.462 SES -0.011 0.017 -0.672 0.502 AUTOCHTOON -0.027 0.035 -0.763 0.446 DIPLOMA 0.041 0.011 3.548 0.000 SCH_ACHTER -0.053 0.025 -2.107 0.035 WATERVAL 0.027 0.027 1.025 0.305 LIDVRIJW 0.005 0.024 0.226 0.821 WERKGELD ON MAN 0.049 0.016 3.051 0.002

71

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

SES -0.071 0.012 -6.137 0.000 AUTOCHTOON 0.016 0.025 0.630 0.529 DIPLOMA -0.067 0.008 -8.312 0.000 SCH_ACHTER -0.020 0.018 -1.147 0.251 WATERVAL 0.075 0.019 4.021 0.000 LIDVRIJW -0.020 0.017 -1.220 0.222 PERS_RELAT ON MAN -0.143 0.113 -1.266 0.205 SES 0.027 0.082 0.335 0.738 AUTOCHTOON 0.398 0.176 2.263 0.024 DIPLOMA -0.218 0.059 -3.709 0.000 SCH_ACHTER 0.015 0.124 0.122 0.903 WATERVAL 0.282 0.130 2.178 0.029 ZOEKTIJD -0.003 0.005 -0.612 0.540 LIDVRIJW -0.037 0.116 -0.320 0.749 ZOEKKANALE ON MAN -0.244 0.101 -2.403 0.016 SES -0.095 0.074 -1.278 0.201 AUTOCHTOON -0.170 0.156 -1.086 0.278 DIPLOMA 0.056 0.052 1.077 0.281 SCH_ACHTER 0.008 0.112 0.072 0.942 WATERVAL 0.006 0.115 0.053 0.958 ZOEKTIJD 0.020 0.005 4.263 0.000 LIDVRIJW -0.005 0.104 -0.048 0.962 INFOSOLLI 0.123 0.024 5.103 0.000 ZOEKTIJD ON MAN -0.987 0.565 -1.745 0.081 SES 0.445 0.408 1.091 0.275 AUTOCHTOON -2.668 0.868 -3.073 0.002 DIPLOMA -1.472 0.283 -5.194 0.000 SCH_ACHTER -0.733 0.620 -1.182 0.237 WATERVAL -1.289 0.657 -1.963 0.050 INFOSOLLI -0.511 0.133 -3.834 0.000 LIDVRIJW -0.328 0.582 -0.563 0.574 VERTMJ1 ON MAN -0.095 0.117 -0.813 0.416 SES 0.111 0.084 1.324 0.186 AUTOCHTOON 0.126 0.176 0.715 0.475 DIPLOMA 0.113 0.061 1.860 0.063 SCH_ACHTER -0.178 0.126 -1.414 0.157 WATERVAL -0.023 0.133 -0.175 0.861 LIDVRIJW -0.063 0.120 -0.525 0.599 PERS_RELAT 0.018 0.120 0.152 0.879 ZOEKKANALE -0.220 0.059 -3.720 0.000 INFOSOLLI 0.048 0.028 1.708 0.088 ZOEKTIJD -0.002 0.005 -0.433 0.665

72

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

HORIZMJ1 ON MAN -0.338 0.111 -3.046 0.002 SES 0.157 0.080 1.967 0.049 AUTOCHTOON 0.123 0.174 0.710 0.478 DIPLOMA 0.300 0.058 5.200 0.000 SCH_ACHTER -0.156 0.121 -1.284 0.199 WATERVAL 0.259 0.129 2.009 0.045 LIDVRIJW 0.110 0.114 0.958 0.338 PERS_RELAT -0.084 0.115 -0.729 0.466 ZOEKKANALE -0.288 0.056 -5.111 0.000 INFOSOLLI 0.108 0.027 4.036 0.000 ZOEKTIJD -0.006 0.005 -1.101 0.271 LOONJ1 ON MAN 0.231 0.057 4.066 0.000 SES 0.011 0.040 0.275 0.783 AUTOCHTOON 0.042 0.086 0.483 0.629 DIPLOMA 0.347 0.031 11.076 0.000 SCH_ACHTER 0.073 0.061 1.199 0.231 WATERVAL -0.020 0.060 -0.336 0.737 LIDVRIJW 0.135 0.055 2.448 0.014 PERS_RELAT -0.021 0.056 -0.374 0.708 ZOEKKANALE -0.032 0.028 -1.147 0.251 INFOSOLLI 0.027 0.013 2.021 0.043 ZOEKTIJD 0.004 0.004 1.115 0.265 CONTRAJ1 0.048 0.059 0.804 0.421 HORIZMJ1 -0.071 0.060 -1.200 0.230 VERTMJ1 0.302 0.062 4.866 0.000 REGIMEJ1 0.027 0.002 17.741 0.000 JOBTEVJ1 ON LOONJ1 0.153 0.061 2.506 0.012 MAN -0.290 0.105 -2.774 0.006 SES -0.113 0.072 -1.559 0.119 AUTOCHTOON 0.327 0.152 2.153 0.031 DIPLOMA -0.021 0.056 -0.379 0.705 SCH_ACHTER -0.014 0.110 -0.123 0.902 WATERVAL 0.149 0.116 1.290 0.197 LIDVRIJW 0.183 0.104 1.765 0.077 PERS_RELAT 0.017 0.104 0.168 0.866 ZOEKKANALE -0.167 0.052 -3.240 0.001 INFOSOLLI 0.039 0.024 1.628 0.104 ZOEKTIJD 0.000 0.004 -0.013 0.989 CONTRAJ1 -0.247 0.106 -2.344 0.019 HORIZMJ1 0.675 0.110 6.125 0.000 VERTMJ1 0.780 0.117 6.689 0.000 REGIMEJ1 -0.005 0.003 -1.697 0.090 CONTRAJ1 ON

73

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

MAN 0.551 0.122 4.507 0.000 SES 0.191 0.086 2.218 0.027 AUTOCHTOON 0.258 0.189 1.367 0.171 DIPLOMA -0.106 0.062 -1.710 0.087 SCH_ACHTER -0.081 0.127 -0.638 0.524 WATERVAL 0.177 0.133 1.324 0.185 LIDVRIJW -0.363 0.121 -3.014 0.003 PERS_RELAT -0.129 0.122 -1.056 0.291 ZOEKKANALE -0.352 0.060 -5.837 0.000 INFOSOLLI 0.037 0.028 1.293 0.196 ZOEKTIJD -0.006 0.006 -1.012 0.311 REGIMEJ1 -0.005 0.003 -1.541 0.123 HORIZMJ1 -0.162 0.128 -1.262 0.207 VERTMJ1 0.287 0.135 2.126 0.034 REGIMEJ1 ON MAN 8.024 0.913 8.791 0.000 SES 0.013 0.659 0.020 0.984 AUTOCHTOON 0.394 1.408 0.280 0.779 DIPLOMA 0.350 0.464 0.755 0.450 SCH_ACHTER -1.446 0.997 -1.450 0.147 WATERVAL -0.375 1.059 -0.354 0.723 LIDVRIJW 0.410 0.937 0.437 0.662 PERS_RELAT -3.279 0.944 -3.474 0.001 ZOEKKANALE 0.207 0.455 0.456 0.648 INFOSOLLI 0.630 0.218 2.891 0.004 ZOEKTIJD -0.073 0.041 -1.793 0.073 FORMOPLJ ON MAN 0.186 0.115 1.616 0.106 SES 0.257 0.080 3.203 0.001 AUTOCHTOON 0.209 0.170 1.230 0.219 DIPLOMA 0.158 0.061 2.585 0.010 SCH_ACHTER -0.117 0.120 -0.977 0.328 WATERVAL -0.123 0.127 -0.970 0.332 LIDVRIJW 0.190 0.113 1.677 0.094 ZOEKTIJD -0.011 0.005 -2.138 0.033 VERTMJ1 -0.207 0.129 -1.601 0.109 HORIZMJ1 0.067 0.120 0.555 0.579 LOONJ1 0.251 0.059 4.229 0.000 CONTRAJ1 -0.007 0.116 -0.058 0.954 TERUG_ONDE ON MAN -0.213 0.151 -1.404 0.160 SES 0.363 0.108 3.372 0.001 AUTOCHTOON -0.097 0.227 -0.426 0.670 DIPLOMA -0.134 0.076 -1.774 0.076 SCH_ACHTER -0.016 0.167 -0.098 0.922 WATERVAL -0.343 0.189 -1.818 0.069 LIDVRIJW 0.316 0.161 1.955 0.051

74

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

OSP ON MAN 0.019 0.158 0.121 0.904 SES 0.125 0.113 1.111 0.266 AUTOCHTOON -0.281 0.225 -1.250 0.211 DIPLOMA -0.164 0.081 -2.015 0.044 SCH_ACHTER -0.092 0.171 -0.538 0.591 WATERVAL 0.057 0.179 0.319 0.749 LIDVRIJW 0.167 0.165 1.009 0.313 VDAB ON MAN -0.346 0.184 -1.878 0.060 SES -0.181 0.135 -1.343 0.179 AUTOCHTOON -0.200 0.254 -0.787 0.432 DIPLOMA -0.535 0.108 -4.929 0.000 SCH_ACHTER 0.205 0.192 1.070 0.285 WATERVAL 0.163 0.192 0.850 0.395 LIDVRIJW 0.038 0.187 0.201 0.841 AND_OPLEID ON MAN 0.073 0.138 0.532 0.594 SES 0.165 0.099 1.667 0.096 AUTOCHTOON -0.030 0.214 -0.140 0.888 DIPLOMA 0.204 0.066 3.080 0.002 SCH_ACHTER 0.035 0.156 0.223 0.824 WATERVAL -0.253 0.175 -1.446 0.148 LIDVRIJW 0.016 0.143 0.111 0.912 INFORMOPLJ ON MAN 0.313 0.112 2.801 0.005 SES 0.009 0.078 0.121 0.904 AUTOCHTOON -0.329 0.170 -1.942 0.052 DIPLOMA 0.059 0.059 0.995 0.320 SCH_ACHTER 0.078 0.118 0.658 0.511 WATERVAL -0.084 0.125 -0.668 0.504 LIDVRIJW -0.133 0.112 -1.190 0.234 ZOEKTIJD -0.006 0.005 -1.307 0.191 VERTMJ1 -0.112 0.127 -0.886 0.376 HORIZMJ1 -0.164 0.117 -1.402 0.161 LOONJ1 0.134 0.057 2.339 0.019 CONTRAJ1 0.279 0.114 2.458 0.014 Intercepts LOON29 -148.164 88.490 -1.674 0.094 REGIMEJ1 87.354 2.352 37.134 0.000 WERKTZIN -0.071 0.052 -1.368 0.171 WERKGELD 0.134 0.036 3.687 0.000 REGIME29 73.892 2.206 33.499 0.000 ZOEKTIJD 15.879 1.323 12.003 0.000 LOONJ1 -0.486 0.202 -2.405 0.016

75

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

Thresholds DIPLOMA$1 -5.421 0.250 -21.665 0.000 DIPLOMA$2 -3.655 0.193 -18.946 0.000 DIPLOMA$3 -0.503 0.164 -3.062 0.002 DIPLOMA$4 1.289 0.166 7.758 0.000 DIPLOMA$5 1.826 0.171 10.662 0.000 JOBTEVJ1$1 -1.349 0.366 -3.689 0.000 JOBTEVJ1$2 -0.249 0.362 -0.686 0.493 JOBTEVJ1$3 1.805 0.366 4.935 0.000 SCH_ACHT$1 0.535 0.168 3.188 0.001 WATERVAL$1 1.452 0.199 7.300 0.000 LIDVRIJW$1 -0.504 0.176 -2.860 0.004 VASTCO29$1 0.101 0.560 0.180 0.857 HORIZM29$1 1.166 0.289 4.041 0.000 VERTM29$1 -0.879 0.335 -2.628 0.009 ISEIPART$1 1.221 0.238 5.122 0.000 PERS_REL$1 -0.301 0.268 -1.125 0.261 ZOEKKANA$1 -1.191 0.255 -4.676 0.000 ZOEKKANA$2 0.163 0.251 0.647 0.517 ZOEKKANA$3 1.465 0.255 5.752 0.000 CONTRAJ1$1 -0.348 0.421 -0.827 0.408 VERTMJ1$1 -0.747 0.299 -2.498 0.013 HORIZMJ1$1 0.705 0.289 2.440 0.015 JOBTEV29$1 -1.715 0.468 -3.660 0.000 JOBTEV29$2 1.614 0.468 3.448 0.001 TERUG_ON$1 1.385 0.336 4.118 0.000 OSP$1 1.345 0.343 3.919 0.000 VDAB$1 0.827 0.392 2.110 0.035 AND_OPLE$1 2.054 0.316 6.496 0.000 FORMOPLJ$1 1.191 0.296 4.030 0.000 INFORMOP$1 0.049 0.288 0.170 0.865 Residual Variances LOON29 ********* 5520.709 27.708 0.000 REGIMEJ1 296.743 10.604 27.985 0.000 WERKTZIN 0.189 0.007 28.088 0.000 WERKGELD 0.093 0.003 28.079 0.000 REGIME29 161.492 5.757 28.052 0.000 ZOEKTIJD 114.930 4.096 28.062 0.000 LOONJ1 0.788 0.032 24.376 0.000 LOGISTIC REGRESSION ODDS RATIO RESULTS JOBTEV29 ON MAN 1.147 SES 0.829 AUTOCHTOON 1.310 DIPLOMA 0.924

76

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

SCH_ACHTER 1.126 WATERVAL 1.116 LIDVRIJW 0.952 ISEIPARTNE 1.341 WERKTZIN 2.307 WERKGELD 0.894 VASTCO29 0.758 HORIZM29 1.632 VERTM29 1.667 JOBTEVJ1 1.168 TERUG_ONDE 1.051 OSP 0.962 VDAB 0.717 AND_OPLEID 1.156 FORMOPLJ 1.088 INFORMOPLJ 0.726 REGIME29 0.994 LOON29 1.000 VASTCO29 ON MAN 1.471 SES 0.964 AUTOCHTOON 1.814 DIPLOMA 0.785 SCH_ACHTER 0.765 WATERVAL 1.461 LIDVRIJW 0.753 ISEIPARTNE 1.014 WERKTZIN 1.417 WERKGELD 1.711 HORIZM29 0.951 VERTM29 1.040 CONTRAJ1 2.600 TERUG_ONDE 0.606 OSP 0.615 VDAB 0.567 AND_OPLEID 1.059 FORMOPLJ 1.855 INFORMOPLJ 1.574 REGIME29 1.014 HORIZM29 ON MAN 0.903 SES 1.095 AUTOCHTOON 1.165 DIPLOMA 1.153 SCH_ACHTER 0.797 WATERVAL 0.863 LIDVRIJW 0.921 ISEIPARTNE 1.196

77

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

WERKTZIN 1.705 WERKGELD 0.699 HORIZMJ1 4.284 TERUG_ONDE 1.264 OSP 0.804 VDAB 0.665 AND_OPLEID 0.911 FORMOPLJ 1.153 INFORMOPLJ 0.805 VERTM29 ON MAN 0.966 SES 1.166 AUTOCHTOON 1.211 DIPLOMA 1.027 SCH_ACHTER 0.708 WATERVAL 0.929 LIDVRIJW 1.033 ISEIPARTNE 0.965 WERKTZIN 1.252 WERKGELD 0.814 VERTMJ1 2.612 TERUG_ONDE 1.008 OSP 0.705 VDAB 0.845 AND_OPLEID 0.736 FORMOPLJ 1.277 INFORMOPLJ 0.732 DIPLOMA ON MAN 0.587 SES 2.686 AUTOCHTOON 1.304 SCH_ACHTER 0.255 WATERVAL 0.438 WATERVAL ON MAN 1.105 SES 0.477 AUTOCHTOON 1.323 SCH_ACHTER ON MAN 2.061 SES 0.690 AUTOCHTOON 0.589 LIDVRIJW ON MAN 2.344 SES 1.603 AUTOCHTOON 0.680

78

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

ISEIPARTNE ON MAN 0.863 SES 1.569 AUTOCHTOON 0.973 SCH_ACHTER 0.628 WATERVAL 0.732 LIDVRIJW 1.194 PERS_RELAT ON MAN 0.867 SES 1.028 AUTOCHTOON 1.489 DIPLOMA 0.804 SCH_ACHTER 1.015 WATERVAL 1.326 ZOEKTIJD 0.997 LIDVRIJW 0.964 ZOEKKANALE ON MAN 0.784 SES 0.910 AUTOCHTOON 0.844 DIPLOMA 1.058 SCH_ACHTER 1.008 WATERVAL 1.006 ZOEKTIJD 1.020 LIDVRIJW 0.995 INFOSOLLI 1.131 VERTMJ1 ON MAN 0.909 SES 1.118 AUTOCHTOON 1.134 DIPLOMA 1.120 SCH_ACHTER 0.837 WATERVAL 0.977 LIDVRIJW 0.939 PERS_RELAT 1.018 ZOEKKANALE 0.803 INFOSOLLI 1.049 ZOEKTIJD 0.998 HORIZMJ1 ON MAN 0.713 SES 1.170 AUTOCHTOON 1.131 DIPLOMA 1.350 SCH_ACHTER 0.856 WATERVAL 1.296

79

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

LIDVRIJW 1.116 PERS_RELAT 0.919 ZOEKKANALE 0.750 INFOSOLLI 1.114 ZOEKTIJD 0.994 JOBTEVJ1 ON LOONJ1 1.165 MAN 0.748 SES 0.893 AUTOCHTOON 1.387 DIPLOMA 0.979 SCH_ACHTER 0.987 WATERVAL 1.161 LIDVRIJW 1.201 PERS_RELAT 1.018 ZOEKKANALE 0.846 INFOSOLLI 1.040 ZOEKTIJD 1.000 CONTRAJ1 0.781 HORIZMJ1 1.964 VERTMJ1 2.181 REGIMEJ1 0.995 CONTRAJ1 ON MAN 1.734 SES 1.210 AUTOCHTOON 1.295 DIPLOMA 0.900 SCH_ACHTER 0.922 WATERVAL 1.193 LIDVRIJW 0.695 PERS_RELAT 0.879 ZOEKKANALE 0.703 INFOSOLLI 1.037 ZOEKTIJD 0.994 REGIMEJ1 0.995 HORIZMJ1 0.851 VERTMJ1 1.333 FORMOPLJ ON MAN 1.204 SES 1.293 AUTOCHTOON 1.233 DIPLOMA 1.171 SCH_ACHTER 0.890 WATERVAL 0.885 LIDVRIJW 1.209 ZOEKTIJD 0.989 VERTMJ1 0.813

80

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

HORIZMJ1 1.069 LOONJ1 1.285 CONTRAJ1 0.993 TERUG_ONDE ON MAN 0.808 SES 1.438 AUTOCHTOON 0.908 DIPLOMA 0.875 SCH_ACHTER 0.984 WATERVAL 0.710 LIDVRIJW 1.371 OSP ON MAN 1.019 SES 1.133 AUTOCHTOON 0.755 DIPLOMA 0.849 SCH_ACHTER 0.912 WATERVAL 1.059 LIDVRIJW 1.182 VDAB ON MAN 0.707 SES 0.834 AUTOCHTOON 0.819 DIPLOMA 0.586 SCH_ACHTER 1.228 WATERVAL 1.177 LIDVRIJW 1.038 AND_OPLEID ON MAN 1.076 SES 1.179 AUTOCHTOON 0.970 DIPLOMA 1.226 SCH_ACHTER 1.035 WATERVAL 0.777 LIDVRIJW 1.016 INFORMOPLJ ON MAN 1.368 SES 1.009 AUTOCHTOON 0.720 DIPLOMA 1.061 SCH_ACHTER 1.081 WATERVAL 0.920 LIDVRIJW 0.875 ZOEKTIJD 0.994 VERTMJ1 0.894

81

bijla

ge 3

MPL

US-o

utp

ut m

et d

e a

fha

nkel

ijke

varia

bel

en ‘n

etto

loon

’, ‘jo

bte

vred

enhe

id’,

typ

e co

ntra

ct, ‘

horiz

onta

le’ e

n ‘v

ertic

ale

ma

tch’

HORIZMJ1 0.848 LOONJ1 1.143 CONTRAJ1 1.322

Bib

liogr

afie

83

Bibliografie

Boeren, E., Holford, J., Nicaise, I., & Baert, H. (2012). Why do adults learn? Developing a motivational typology across 12 European countries. Globalisation, Societies and Education. Commissie van de Europese Gemeenschappen (2000). Een memorandum over levenslang leren. De Rick, K., Van Valckenborgh, K., & Baert, H. (2004). Naar een positiever leerklimaat Leuven: Hoger Instituut voor de Arbeid. Europese Commissie (2001). Mededeling van de Commissie - Een Europese ruimte voor levenslang leren realiseren. European Commission (2010). Study on the return on ESF investment in human capital. Final report. Gelissen, H., & de Graaf, P. M. (2006). Personality, social background, and occupational career success. Social Science Research 35, pp. 702- 726. Knipprath, H., & De Rick, K. (2011a). “Is het wat je weet, of is het wie je kent?”. Een literatuurstudie naar de relatie tussen sociaal kapitaal, levenslang leren en werken. Leuven: Steunpunt Studie- en Schoolloopbanen. Knipprath, H., & De Rick, K. (2011b). Sociaal kapitaal, levenslang leren en werken. Een verkennende analyse (geboortecohorte 1976). Leuven: Steunpunt Studie- en Schoolloopbanen. Knipprath, H., & De Rick, K. (2012). Sociaal kapitaal en levenslang leren. Een empirische analyse van longitudinale data (geboortecohorte 1976). SSL-rapport OD2/2011.29. Laurijssen, I. & Spruyt, B., (2011), Niet voor ons soort mensen? Een panelstudie naar de relatie tussen gevoelens van sociale demotie en arbeidsmarktstatus bij jongvolwassenen in Vlaanderen SSL/OD2/2011.32 , Leuven: Steunpunt 'Studie- en Schoolloopbanen' (SSL). Lin, N. (1999). Networks and status attainment. Annual Review of Sociology, 25, 467-487. Lin, N. (2008). A network theory of social capital. In D.Castiglione, J. van Deth, & G. Wolleb (Eds.), Handbook on social capital (pp. 50-69). Oxford University Press. OESO (2001). The well-being of nations: The role of human and social capital. Paris: OESO. OESO (2007). Understanding the social outcomes of learning. Paris: OESO. Patrignani, P. & Conlon, G. (2011). The long term effect of vocational qualifications on labour market outcomes. BIS research paper number 47, Department for Business Innovation & Skills. Smet, P. (2009). Onderwijs. Samen grenzen verleggen voor elk talent. Beleidsnota 2009-2014. Vlaamse overheid. Strawn, C. L. (2003). The influences of social capital on lifelong learning among adults who did not finish high school National Centre for the Study of Adult Learning and Literacy. Vanweddingen, M. (2008). Leren een leven lang in Vlaanderen? Brussel: Brussel Studiedienst van de Vlaamse Regering. Vlaamse overheid. (2010). Pact 2020. Kernindicatoren. Nulmeting 2010.