Jelen tanulmányban azt vizsgáltuk, hogy a 2014-2015 között legalább egy napig regisztrált munkanélküliek milyen tulajdonságok mentén vesznek részt a vállalkozóvá válást elősegítő programokban Magyarországon. Az adatok azt mutatják, hogy némileg hátrányosabb helyzetűek azok a munkanélküliek, akik támogatást vettek igénybe a vállalkozásuk beindításához – magasabb a pályakezdők, nők, alacsonyabb a felsőfokú végzettségűek aránya, kisebb az átlagos járadék átlaga. Eredményeink szerint nagyon erős az iskolai végzettség, valamint az értelmiségi foglalkozás, korábbi vezetői pozíció összefüggése a vállalkozóvá válás és a támogató programban való részvétel esélyeivel is. Tehát támogató programmal és támogató program nélküli is a felsőfokú végzettséggel rendelkezők, szaktudással bírók esélyei a legnagyobbak a vállalkozóvá válásra, ugyanakkor ők azok is, akik ehhez nagyobb eséllyel élnek támogatással. Egyértelműen látszik az is, hogy mivel az EU támogatások miatt a konvergencia régiókban több ilyen képzéssel, mentorálással és alaptőke-biztosítással kombinált komplex program futott, mindenütt nagyobb volt az esélye a támogatásba kerülésnek, mint Közép-Magyarországon, ám a program térbeli eloszlása meglehetősen egyenlőtlen.

There is a large gender gap in the probability of being in a “top job” in mid-career. Top jobs bring higher earnings, and also have more job security and better career trajectories. Recent literature has raised the possibility that some of this gap may be attributable to women not “leaning in” while men are more overconfident in their abilities. We use longitudinal data from childhood into mid-career and construct a measure of overconfidence using multiple measures of objective cognitive ability and subjective estimated ability. Our measure confirms previous findings that men are more overconfident than women. We then use linear regression and decomposition techniques to account for the gender gap in top jobs including our measure of overconfidence. Our results show that men being more overconfident explains 5-11 percent of the gender gap in top job employment. This indicates that while overconfidence matters for gender inequality in the labor market and has implications for how firms recruit and promote workers, other individual, structural, and societal factors play a larger role.

This paper investigates direct peer influence in upper-secondary track choice in the stratified and selective Hungarian educational system and makes two contributions to the literature. First, it tests both peer-contrasting and peer-conforming influences by considering peers’ GPA and endogenous educational choices. Second, the paper investigates mechanisms behind peer-conforming educational choices (such as peers’ normative pressure and information potential), with a focus on two structurally different peer relationships: self-selected friends and randomly assigned deskmates. The study uses a unique dataset that merges administrative data with randomized field experiment data. The results show no evidence of peer influence, after accounting for unobserved classroom homogeneity. Within the classroom, peers’ ability did not decrease, and peers’ ambitious endogenous educational choices did not increase students’ own choice of the academic upper-secondary track. Concerning the mechanisms of peer-conforming educational choices, the results reveal that peers’ informational potential (but not their normative pressure) might be the mechanism that drives students to conform to peers’ choices. This paper interprets the absence of peer influence in upper-secondary track choices as evidence that peer influence cannot derail students’ socially determined educational choices.

Studying the age-dimension of the probability distribution of pensions while assuming steadily rising real wages and time-invariant benefit-rules, two factors play important roles: (i) the weight of the wages in indexation of benefits in progress; (ii) the longevity gap. Factor (i) acts against relative depreciation of older benefits, while factor (ii) raises the share of higher benefits among older cohorts. Using an example and a model we show how the shape of the average benefit–age-curve depends on the relation between these two factors.