Skip to content
Licensed Unlicensed Requires Authentication Published by De Gruyter June 8, 2023

Einkommensheterogenität und Rentenprognosen

Weiterentwicklung eines Rentensimulationsmodells und ausgewählte Anwendungen

  • Johannes Rausch EMAIL logo

Zusammenfassung

Simulationsmodelle der Gesetzlichen Rentenversicherung (GRV) berücksichtigen die Heterogenität des Versichertenbestandes bisher kaum. Insbesondere die Einkommensheterogenität blieb bislang außen vor. In diesem Beitrag erweitert Johannes Rausch daher zunächst das Rentensimulationsmodell MEA-PENSIM um eine differenzierte Betrachtung der Einkommenssituationen, um anschließend deren Bedeutung für die künftige Entwicklung der GRV anhand von ausgewählten Anwendungen zu bewerten. Dies umfasst unter anderem die Betrachtung einkommensspezifischer Lebenserwartungen, einkommensabhängiger Ersatzraten sowie einer Kaufkraftdynamisierung der Bestandsrenten. Die Einkommensdifferenzierung erfolgt anhand administrativer Daten der GRV. Es zeigt sich, dass die Berücksichtigung einkommensspezifischer Unterschiede (beispielsweise hinsichtlich des Renteneintrittsverhaltens) die Modellgüte erhöht. Darüber hinaus liefert die differenziertere Betrachtung zusätzliche Erkenntnisse, insbesondere zu den Ersatzraten der unteren Einkommensgruppen. Ganz allgemein kann das Modell nun die Verteilungseffekte von Rentenreformen simulieren. Das gilt besonders für die Bewertung von Reformen, die das Äquivalenzprinzip durch mehr Umverteilung aufweichen.

Danksagung

Ich danke Nicolas Goll für seinen fachlichen und redaktionellen Input sowie Jana Meiser für ihre redaktionelle Unterstützung.

Literaturverzeichnis

Bäcker, G. (2008), Altersarmut als soziales Problem der Zukunft?, Zeitschrift Deutsche Rentenversicherung 2008(4), S. 357–67.Search in Google Scholar

Bertelsmann Stiftung (Hrsg.)(2015), Demographie Konkret – Altersarmut in Deutschland, Bertelsmann Stiftung, Gütersloh.Search in Google Scholar

Börsch-Supan, A. und A. Reil-Held (2001), How much is transfer and how much is insurance in a pay-as-you-go system? The German case, Scandinavian Journal of Economics 103(3), S. 505–24.10.1111/1467-9442.00257Search in Google Scholar

Börsch-Supan, A. und J. Rausch (2020), Lassen sich Haltelinien, finanzielle Nachhaltigkeit und Generationengerechtigkeit miteinander verbinden?, MEA Discussion Paper 03-2020.Search in Google Scholar

Börsch-Supan, A. et al. (2020), Entwicklung der Demographie, der Erwerbstätigkeit, sowie des Leistungsniveaus und der Finanzierung der gesetzlichen Rentenversicherung, MEA Discussion Paper 02-2020.10.2139/ssrn.3571995Search in Google Scholar

Börsch-Supan, A. et al. (2021), Targets missed: three case studies exploiting the linked SHARE-RV data, Journal of Pension Economics and Finance 21(1), S. 1–21.10.1017/S1474747220000359Search in Google Scholar

BMAS – Bundesministerium für Arbeit und Soziales (2020a), Bericht der Bundesregierung über die gesetzliche Rentenversicherung, insbesondere über die Entwicklung der Einnahmen und Ausgaben, der Nachhaltigkeitsrücklage sowie des jeweils erforderlichen Beitragssatzes in den künftigen 15 Kalenderjahren gemäß § 154 SGB VI (Rentenversicherungsbericht 2020).Search in Google Scholar

BMAS – Bundesministerium für Arbeit und Soziales (2020b), Gesetz zur Einführung der Grundrente für langjährige Versicherung in der gesetzlichen Rentenversicherung mit unterdurchschnittlichem Einkommen und für weitere Maßnahmen zur Erhöhung der Alterseinkommen (Grundrentengesetz).Search in Google Scholar

BMAS – Bundesministerium für Arbeit und Soziales (2021), Verordnung zur Bestimmung der Rentenwerte in der gesetzlichen Rentenversicherung und in der Alterssicherung der Landwirte und zur Bestimmung weiterer Werte zum 1. Juli 2021 (Rentenwertbestimmung 2021).Search in Google Scholar

BMAS – Bundesministerium für Arbeit und Soziales (2022), Gesetz zur Rentenanpassung 2022 und zur Verbesserung von Leistungen für den Erwerbsminderungsrentenbestand (Rentenanpassungs- und Erwerbsminderungsrenten-Bestandsverbesserungsgesetz).Search in Google Scholar

Brumm, N. und M. Röme (2019), Gibt es einen Zusammenhang von Entgeltpunkten und Lebenserwartung? Anmerkungen zur differentiellen Sterblichkeit, RVaktuell 2019(3).Search in Google Scholar

Bundesregierung (2020), Deutliche Erholung nach historischem Einbruch, Interimsprojektion.Search in Google Scholar

Buslei, H. et al. (2019), Das Rentenniveau spielt eine wesentliche Rolle für das Armutsrisiko im Alter, DIW Wochenbericht 86(21/22), S. 375–83.Search in Google Scholar

Cutler, D.M., A.S. Deaton und A. Lieras-Muney (2006), The determinants of mortality, Journal of Economic Perspectives 20(3), S. 97–120.10.1257/jep.20.3.97Search in Google Scholar

Destatis – Statistisches Bundesamt (2019), Bevölkerung Deutschlands bis 2060. Ergebnisse der 14. Koordinierten Bevölkerungsvorausberechnung.Search in Google Scholar

Destatis – Statistisches Bundesamt (2020), Verdienste und Verdienstunterschiede: Unbereinigter Gender Pay Gap nach Gebietsstand.Search in Google Scholar

Deutsche Bundesbank (2019), Langfristige Perspektiven der gesetzlichen Rentenversicherung, Monatsbericht 10, S. 55–82.Search in Google Scholar

Gasche, M. (2012), Was sind die richtigen Rentenabschläge? – Neue Perspektiven, Jahrbuch für Wirtschaftswissenschaften 63(2), S. 187–235.10.1515/roe-2012-0205Search in Google Scholar

Geyer, J. (2014), Zukünftige Altersarmut, DIW Roundup 25.Search in Google Scholar

Günther, T. und M. Huebener (2018), Bildung und Lebenserwartung für Deutschland und Europa, DIW Roundup 126, S. 1–10.Search in Google Scholar

Grabka, M.M. und J. Goebel (2017), Realeinkommen sind von 1991 bis 2014 im Durchschnitt gestiegen – erste Anzeichen für wieder zunehmende Einkommensungleichheit, DIW Wochenbericht 84(4), S. 71–82.Search in Google Scholar

Haan, P., D. Kemptner und H. Lüthen (2019), Besserverdienende profitieren in der Rentenversicherung zunehmend von höherer Lebenserwartung, DIW Wochenbericht 86(23), S. 391–99.Search in Google Scholar

Holthausen, A., J. Rausch und C.B. Wilke (2012), MEA-PENSIM 2.0: Weiterentwicklung eines Rentensimulationsmodells, Konzeption und ausgewählte Anwendungen, MEA Discussion Paper 03-2012.Search in Google Scholar

Kaltenborn, B. (2016), Grundsicherung wegen Alters: Zugänge und Rentenbezug, Bericht für das Forschungsnetzwerk Alterssicherung der Deutschen Rentenversicherung Bund. Kommission Verlässlicher Generationenvertrag (KVG)(2020), Bericht.Search in Google Scholar

Klos, J., T. Krieger und S. Stöwhase (2022), Measuring intra-generational redistribution in PAYG pension schemes, Public Choice 190(1–2), S. 53–73.10.1007/s11127-021-00914-wSearch in Google Scholar

Krieger, T. und S. Traub (2011), Wie hat sich die intragenerationale Umverteilung in der staatlichen Säule des Rentensystems verändert? Ein internationaler Vergleich auf Basis von LIS-Daten, Jahrbücher für Nationalökonomie und Statistik 231(2), S. 266–87.10.1515/jbnst-2011-0205Search in Google Scholar

Kroh, M. et al. (2012), Menschen mit hohem Einkommen leben länger, DIW Wochenbericht 79(38), S. 3–15.Search in Google Scholar

Kroll, L.E., S. Müters und T. Lampert (2016), Arbeitslosigkeit und ihre Auswirkungen auf die Gesundheit. Ein Überblick zum Forschungsstand und zu aktuellen Daten der Studien GEDA 2010 und GEDA 2012, Bundesgesundheitsblatt 59(2), S. 228–37.10.1007/s00103-015-2282-7Search in Google Scholar

Oeppen, J. und J.W. Vaupel (2002), Broken limits to life expectancy, Science 296(5570), S. 1029–31.10.1126/science.1069675Search in Google Scholar

Projektgruppe Gemeinschaftsdiagnose (2020), Erholung verliert an Fahrt. Wirtschaft und Politik weiter im Zeichen der Pandemie, Gemeinschaftsdiagnose #2-2020.Search in Google Scholar

Rausch, J. und M. Gasche (2016), Beitragsentwicklung in der Gesetzlichen Krankenversicherung und der Sozialen Pflegeversicherung – Projektionen und Determinanten, Zeitschrift für Wirtschaftspolitik 65(3), S. 195–238.10.1515/zfwp-2016-0016Search in Google Scholar

Richter, W.F. und M. Werding (2020), Unterschiedliche Lebenserwartungen und Rentenanpassung: Ein Beitrag zur Lösung eines vernachlässigten Verteilungskonflikts, Perspektiven der Wirtschaftspolitik 21(4), S. 389–402.10.1515/pwp-2020-0037Search in Google Scholar

Werding, M. (2012), Rentenbemessung und Renteneintrittsalter: Korrekte Abschläge bei vorzeitigem Rentenzugang, unveröffentlichtes Manuskript, Lehrstuhl für Sozialpolitik und öffentliche Finanzen, Ruhr-Universität Bochum.Search in Google Scholar

Werding, M. (2013), Modell für flexible Simulationen zu den Effekten des demographischen Wandels in Deutschland (SIM.11-eSUV), Dokumentation im Auftrag der Bertelsmann Stiftung, Lehrstuhl für Sozialpolitik und öffentliche Finanzen, Ruhr-Universität Bochum 2011.Search in Google Scholar

Werding, M. et al. (2020), Modellrechnungen für den Fünften Tragfähigkeitsbericht des BMF, ifo Forschungsbericht 111.Search in Google Scholar

Wilke, C.B. (2004): Ein Simulationsmodell des Rentenversicherungssystems: Konzeption und ausgewählte Anwendungen von MEA-PENSIM, MEA Discussion Paper 048-04.Search in Google Scholar

Anhang

Tabelle A1:

Anzahl der Beobachtungen in den verwendeten Teilstichproben der Datensätze FDZ-VSKT2016, FDZ-RTZN18 und FDZ-RTRN17, getrennt nach Geschlecht, Region und Einkommensquintilen

Gesamt

Q1

Q2

Q3

Q4

Q5

FDZ-VSKT2016

Männer West

20.051

2.741

2.641

3.088

4.747

6.833

Frauen West

23.496

4.925

4.835

4.957

4.941

3.835

Männer Ost

5.242

1.154

1.515

1.259

769

545

Frauen Ost

6.288

1.296

1.402

1.569

1.215

806

FDZ-RTZN18

Männer West

20.345

2.348

1.361

4.095

4.922

7.619

Frauen West

20.860

9.024

3.489

4.474

2.430

1.443

Männer Ost

5.837

1.518

1.075

1.648

1.102

494

Frauen Ost

5.882

2.447

675

1.361

1.100

299

FDZ-RTRN17

Männer West

50.129

8.069

3.900

10.377

12.711

15.072

Frauen West

54.254

27.140

10.940

9.848

3.691

2.635

Männer Ost

14.919

3.318

2.326

4.892

3.213

1.168

Frauen Ost

14.773

8.377

2.427

2.444

1.325

330

Quelle: FDZ-VSKT2016, FDZ-RTZN18 und FDZ-RTRN17

Tabelle A2:

Anzahl der Beobachtungen in den verwendeten Teilstichproben der Datensätze FDZ-VSKT2016, FDZ-RTZN18 und FDZ-RTRN17, getrennt nach Alter

Versicherungskontenstichprobe

(FDZ-VSKT2016)

Versichertenrentenzugang

(FRZ-RTZN18)

Versichertenrentenbestand

(FDZ-RTRN17)

Alter

N

Alter

N

Alter

N

Alter

N

Alter

N

Alter

N

Alter

N

Alter

N

15

74

32

1.266

49

1.229

50

262

61

1.668

50

427

64

3.833

78

7.162

16

343

33

1.230

50

1.186

51

333

62

1.174

51

482

65

4.747

79

6.422

17

689

34

1.279

51

1.175

52

327

63

14.110

52

541

66

6.059

80

5.600

18

877

35

1.301

52

1.173

53

376

64

13.386

53

581

67

5.869

81

5.150

19

1.081

36

1.296

53

1.175

54

446

65

8.759

54

631

68

5.361

82

4.707

20

1.187

37

1.305

54

1.164

55

465

66

8.216

55

662

69

5.612

83

3.659

21

1.219

38

1.313

55

1.077

56

520

67

249

56

700

70

5.547

84

2.522

22

1.181

39

1.326

56

1.005

57

499

68

101

57

822

71

6.310

85

2.277

23

1.316

40

1.332

57

957

58

632

69

31

58

853

72

5.512

86

1.939

24

1.348

41

1.305

58

903

59

662

70

17

59

855

73

6.902

87

1.688

25

1.311

42

1.305

59

851

60

677

60

912

74

7.264

88

1.311

26

1.277

43

1.353

60

816

61

1.134

75

7.025

89

829

27

1.253

44

1.293

61

800

62

1.269

76

8.423

90

651

28

1.261

45

1.278

62

689

63

3.012

77

8.282

29

1.241

46

1.325

63

383

30

1.247

47

1.256

64

256

31

1.244

48

1.204

Quelle: FDZ-VSKT2016, FDZ-RTZN18 und FDZ-RTRN17

Abbildung A3: Anteil verrenteter versicherungspflichtig Beschäftigter nach Geschlecht, Region und Einkommensquintilen
Quelle: Eigene Berechnung auf Basis der FDZ-RTZN18
Abbildung A3:

Anteil verrenteter versicherungspflichtig Beschäftigter nach Geschlecht, Region und Einkommensquintilen

Quelle: Eigene Berechnung auf Basis der FDZ-RTZN18

Abbildung A4: Versicherungspflichtig Beschäftigte nach Einkommensquintilen, getrennt nach Geschlecht und Region, korrigiert um Kohorteneffekte
Anmerkung: Mittels der VSKT-Biographiedaten wurden zunächst für jede Kohorte separate altersspezifische Verläufe bestimmt. Im Anschluss habe ich die Veränderungsraten von einem Alter zum nächsten über alle Kohorten gemittelt und ausgehend von der Verteilung der im Jahr 2016 40-Jährigen die dargestellten Verteilungen berechnet.

Quelle: Eigene Berechnung auf Basis der FDZ-VSKT2016 und FDZ-RTZN18
Abbildung A4:

Versicherungspflichtig Beschäftigte nach Einkommensquintilen, getrennt nach Geschlecht und Region, korrigiert um Kohorteneffekte

Anmerkung: Mittels der VSKT-Biographiedaten wurden zunächst für jede Kohorte separate altersspezifische Verläufe bestimmt. Im Anschluss habe ich die Veränderungsraten von einem Alter zum nächsten über alle Kohorten gemittelt und ausgehend von der Verteilung der im Jahr 2016 40-Jährigen die dargestellten Verteilungen berechnet.

Quelle: Eigene Berechnung auf Basis der FDZ-VSKT2016 und FDZ-RTZN18

Abbildung A5: Relativer Anteil der Beitragszahlungen und Rentenausgaben an den Gesamtbeitragszahlungen beziehungsweise Rentenausgaben nach Einkommensquintilen für westdeutsche Männer
Quelle: Eigene Berechnung
Abbildung A5:

Relativer Anteil der Beitragszahlungen und Rentenausgaben an den Gesamtbeitragszahlungen beziehungsweise Rentenausgaben nach Einkommensquintilen für westdeutsche Männer

Quelle: Eigene Berechnung

Abbildung A6: Veränderung des Anteils der Rentenausgaben der westdeutschen Männer an den Gesamtrentenausgaben westdeutscher Männer nach Einkommensgruppen bei Einführung der Kaufkraftanpassung im Vergleich zum entsprechenden Fall ohne die Reform
Quelle: Eigene Berechnung
Abbildung A6:

Veränderung des Anteils der Rentenausgaben der westdeutschen Männer an den Gesamtrentenausgaben westdeutscher Männer nach Einkommensgruppen bei Einführung der Kaufkraftanpassung im Vergleich zum entsprechenden Fall ohne die Reform

Quelle: Eigene Berechnung

Published Online: 2023-06-08
Published in Print: 2023-11-06

© 2023 Walter de Gruyter GmbH, Berlin/Boston

Downloaded on 30.4.2024 from https://www.degruyter.com/document/doi/10.1515/pwp-2022-0029/html
Scroll to top button