Was erklärt Lücken beim Ausfall von Studienkrediten und was passiert danach?

Zusammenfassung

In einem früheren Beweis spricht Prüfbericht , beschrieb ich die hohen Raten, mit denen Kreditnehmer von Studentendarlehen ihre Rückzahlung innerhalb von 12 Jahren nach dem erstmaligen Eintritt ins College nicht leisten können, oft bei relativ geringen Schulden. Eines der auffälligsten Muster, das aus diesem Bericht und anderen früheren Arbeiten hervorgeht, ist, wie dramatisch die Ausfallraten je nach Hochschulsektor und nach Rasse/Ethnie variieren: Schwarze, nicht-hispanische Studienanfänger und gewinnorientierte Studienanfänger haben viel höhere Ausfallraten als andere Studenten. In diesem Bericht verwende ich dieselbe Datenquelle, um zu untersuchen, ob diese Unterschiede bei den Ausfallraten durch andere Faktoren erklärt werden können. Ich untersuche auch, was nach einem Ausfall passiert und ob dies auch je nach Rasse oder Institutionssektor variiert.



Ich finde, dass Unterschiede in den Merkmalen des Studenten- und Familienhintergrunds, einschließlich der Messung des Familieneinkommens und -vermögens, etwa die Hälfte des Schwarz-Weiß-Gefälles bei Zahlungsausfällen ausmachen können (von 28 auf 14 Prozentpunkte reduziert). Aber selbst die Berücksichtigung von Unterschieden in Bezug auf Studienabschluss, College-GPA und Post-College-Einkommen und -Beschäftigung kann den Schwarz-Weiß-Unterschied bei den Ausfallraten nicht vollständig erklären, der im vollständigsten Modell mit 11 Prozentpunkten nach wie vor groß und statistisch signifikant ist.

In ähnlicher Weise können Unterschiede in den Merkmalen des Studenten- und Familienhintergrunds etwas weniger als die Hälfte des Unterschieds bei den Ausfallraten zwischen gewinnorientierten Kreditnehmern und öffentlichen Kreditnehmern mit zweijähriger Hochschulreife (von 25 auf 14 Prozentpunkte) ausmachen. Überraschenderweise lässt sich die Kluft zwischen den Sektoren nicht vollständig durch Leistungsunterschiede oder Beschäftigungs- und Einkommensmaßstäbe erklären. Die Eingabe eines gewinnorientierten Ansatzes ist mit einer um 10 Punkte höheren Ausfallrate verbunden, selbst wenn alles andere im Modell berücksichtigt wird.





Sowohl bereinigte als auch unbereinigte Lücken liefern wichtige Informationen; das eine ist nicht richtiger als das andere. Die Anpassungen sind nur so gut wie die enthaltenen Maßnahmen, und bessere Daten zu Verdiensten, Beschäftigung und anderen Umständen nach dem Studium könnten die Lücke mehr erklären. Auch Unterschiede in der Kreditberatung oder der Kreditbetreuung können eine Rolle spielen. Je besser wir verstehen, was diese gravierenden Lücken antreibt, desto besser können die politischen Entscheidungsträger ihre Bemühungen zur Reduzierung der Zahlungsausfälle gezielter gestalten.

Eine zusätzliche Analyse der Ereignisse nach dem Zahlungsausfall zeigt, dass mehr als die Hälfte aller säumigen Kreditnehmer (54 Prozent) in der Lage waren, mindestens einen ihrer ausgefallenen Kredite durch Sanierung, Konsolidierung, vollständige Rückzahlung oder Tilgung eines Kredits erfolgreich abzuwickeln. Mindestens 14 Prozent der ausgefallenen Kreditnehmer schafften es, den Zahlungsausfall zu überwinden und sich wieder in der Schule einzuschreiben. Zwar gibt es keinen Schwarz-Weiß-Unterschied bei den vom Ausfall abhängigen Abwicklungsraten, aber weiße Schuldner rehabilitieren eher ausgefallene Kredite, während schwarze Schuldner eher konsolidieren. In ähnlicher Weise tendierten säumige Kreditnehmer von gewinnorientierten Instituten eher dazu, ein ausgefallenes Darlehen zu konsolidieren und zu rehabilitieren als säumige öffentliche Einrichtungen mit zweijähriger Laufzeit.



was ist eine interessante Tatsache

Hintergrund und Daten

Dieser Bericht verwendet Daten, die vom US-Bildungsministerium im Oktober 2017 veröffentlicht wurden, und verknüpft Umfrage- und Verwaltungsdaten aus den Umfragen für beginnende postsekundäre Studenten (BPS) mit Verwaltungsdaten zu Schulden und Zahlungsausfällen aus dem National Student Loan Data System (NSLDS). Ich konzentriere mich auf die Stichprobe der BPS 2003-04-Umfrage, die landesweit repräsentativ für College-Anfänger ist, die sich 2003-04 zum ersten Mal eingeschrieben haben.einsDie Befragten wurden in den Jahren 2006 und 2009 erneut befragt, und die NSLDS-Daten sind bis 2015 verfügbar, sodass bestimmte Ergebnisse bis zu 12 Jahre nach dem ersten College-Eintritt gemessen werden können. Während einige der unten berichteten Statistiken vom National Center for Education Statistics (NCES) mit dem Online-Tool Power Stats öffentlich zugänglich sind, habe ich andere mit den Daten auf Personenebene berechnet, die nur über eine Datenlizenz mit eingeschränkter Nutzung erhältlich sind. Soweit möglich, habe ich meine Berechnungen anhand der eingeschränkten Daten anhand öffentlich verfügbarer Maßnahmen validiert.

Abbildung 1 unten fasst die zuvor gemeldeten Raten zusammen, bei denen Schüler innerhalb von 12 Jahren nach Eintritt einen Zahlungsausfall erleiden, aufgeschlüsselt nach Sektor und Rasse für die BPS-2004-Kohorte. Abbildung 2 enthält die gleichen Informationen, beschränkt sich jedoch nur auf Kreditnehmer im Grundstudium.zweiDie Zahlen zeigen, dass 17 Prozent aller Studienanfänger (28 Prozent der Kreditnehmer im Grundstudium) innerhalb von 12 Jahren nach dem Eintritt einen Zahlungsausfall erlitten haben. Die Zahlen verdeutlichen auch die starken Unterschiede bei den Zahlungsausfällen nach Sektor und Rasse/Ethnie. Bei gewinnorientierten Berufseinsteigern ist die Wahrscheinlichkeit eines Zahlungsausfalls fast viermal so hoch wie bei öffentlichen Einsteigern mit zweijähriger Laufzeit (47 Prozent gegenüber 13 Prozent). ein Standardwert (38 Prozent gegenüber 12 Prozent). Scott Clayton-Standardeinstellungen Abbildung 2

Scott Clayton-Standardeinstellungen Abbildung 3



Was erklärt die Muster des Ausfalls von Studienkrediten nach Sektor und Rasse?

Institutionssektor und ethnische Zugehörigkeit sind eindeutig wichtige Korrelate für den Ausfall von Studienkrediten. Aber inwieweit könnten diese Unterschiede durch andere Schülermerkmale erklärt werden? Und da diese beiden Faktoren eindeutig nicht ausschlaggebend sind, welche anderen Merkmale oder Erfahrungen könnten dazu beitragen, Muster von Zahlungsausfällen zu erklären, selbst bei Schülern innerhalb eines bestimmten Sektors oder einer bestimmten Rasse/Ethnizität? Das Ziel der nachfolgend durchgeführten Analysen besteht nicht darin, kausale Auswirkungen bestimmter Faktoren auf den Ausfall zu identifizieren, sondern vielmehr die Konstellation von Faktoren besser zu verstehen, die die krassen Unterschiede zwischen Rasse und Sektor erklären können oder nicht. Wenn zum Beispiel rassische oder sektorale Unterschiede vollständig durch Unterschiede in den Abschlüssen erklärt werden könnten, könnte die politische Aufmerksamkeit besser auf das gelenkt werden, was während des Studiums passiert, als auf das, was danach passiert.

Damit ein bestimmter Faktor diese Lücken erklären kann, müssen zwei Dinge zutreffen: Der Faktor muss mit der Ausfallwahrscheinlichkeit verbunden sein und die Prävalenz des Faktors muss sich in den Gruppen unterscheiden. Frühere Arbeiten haben eine Reihe von Faktoren identifiziert, die einen Ausfall vorhersagen, von denen viele nicht sonderlich überraschend sind. Neben dem institutionellen Sektor und der ethnischen Zugehörigkeit stehen Alter und Geschlecht der Studierenden, Einkommen und Bildung der Eltern, Abschluss, frühere Kreditwürdigkeit und Arbeitsmarktergebnisse alle im Zusammenhang mit Zahlungsausfällen.3

Ein gut dokumentiertes Ergebnis, so viele tun Überraschend ist, dass die Schulden der Studenten eher hoch sind umgekehrt im Zusammenhang mit Ausfallraten – d. h. diejenigen mit einer höheren Verschuldung haben ein deutlich geringeres Ausfallrisiko.4Dieses Muster wird durch die Tatsache getrieben, dass Schüler mit einem größeren Saldo tendenziell auch ein viel höheres Leistungs- und Einkommensniveau aufweisen.5Nach der Kontrolle der Erreichung haben frühere Arbeiten ergeben, dass die inverse Beziehung verschwindet, aber die verbleibende Korrelation zwischen Schuldenhöhe und Zahlungsausfall ist immer noch gering und nur schwach positiv.6



Deming, Goldin und Katz (2012) führen eine ähnliche Analyse der sektoralen Lücken bei den Ausfallraten von dreijährigen Kohorten anhand von Daten auf Hochschulebene durch und stellen fest, dass die Lücke zwischen gewinnorientierten und anderen Sektoren nicht durch Unterschiede in der Zusammensetzung der Studierenden erklärt werden kann und andere Merkmale auf Institutsebene.7Die neue Verknüpfung der BPS-Daten auf Studentenebene mit dem NLSDS bietet die Möglichkeit, die Ausfallursachen für eine relativ junge Studienanfängerkohorte über einen längeren Zeitraum zu untersuchen und eine ungewöhnlich umfangreiche Auswahl an Umfrage- und administrative Variablen als mögliche Erklärungsfaktoren. Unter Verwendung der gleichen Daten, die hier verwendet wurden, stellt Kelchen (2018) fest, dass rassische Unterschiede bei Zahlungsausfällen nicht vollständig durch andere Faktoren erklärt werden können, obwohl ich ein umfassenderes Maßnahmenpaket einbeziehen werde.8

Um zu verstehen, was sektorale und rassische Unterschiede bei den Ausfallraten verursacht, führe ich zunächst eine Regression durch, die die Wahrscheinlichkeit vorhersagt, innerhalb von 12 Jahren jemals einen Ausfall zu erleiden, als Funktion der umfangreichsten verfügbaren Prädiktoren.9Ich beschränke die Stichprobe auf Studenten, die jemals für ein Grundstudium geliehen haben. Der vollständige Satz der enthaltenen Prädiktoren sowie ihre Beziehung zur Ausfallwahrscheinlichkeit sind in Anhangstabelle A1 zu finden. Kurz gesagt umfasst die Analyse:

  • Merkmale des studentischen und familiären Hintergrunds . Zu diesen Merkmalen, die im ersten Jahr der Einschreibung gemessen wurden, gehören Rasse/Ethnie, Geschlecht, Alter und Altersquadrat, ob der Schüler als abhängig eingestuft wurde, EFC (dies ist ein zusammenfassendes Maß für den finanziellen Bedarf, der hauptsächlich durch das Familieneinkommen bestimmt wird).10, ob die Eltern ein Eigenheim besaßen oder nicht, den höchsten Bildungsstand der Eltern, ob die Eltern finanzielle Unterstützung leisteten, SAT-Ergebnisse oder ähnliches, falls verfügbar, und ein Indikator dafür, ob der Student im ersten Jahr des Colleges über eine Kreditkarte verfügte oder nicht.
  • Ausleihen von Bachelor-Studiengängen . Die Regression umfasst den Gesamtbetrag, der für die Grundausbildung geliehen wurde, sowie diesen Betrag, der quadriert wurde, um eine nichtlineare Beziehung zu ermöglichen.
  • Institutionssektor und Selektivität . Die Regression umfasst Indikatoren dafür, ob es sich bei der ersten Einrichtung um gewinnorientierte, öffentliche vierjährige und private gemeinnützige Einrichtungen handelte, wobei öffentliche zweijährige Einsteiger als Referenzgruppe dienten. Vierjährige Institutionen werden zusätzlich durch den Grad der Selektivität unterschieden.
  • College-Leistungen und -Erfolge . Die Regression beinhaltet Indikatoren für den höchsten Bildungsstand zum Zeitpunkt der sechsjährigen Nachbefragung (2009), einschließlich ob der Befragte noch immatrikuliert war, und mit BA/BS-Abschluss als Referenzgruppe. Ich schließe auch den letzten bekannten Notendurchschnitt aus der sechsjährigen Nachuntersuchung ein (diese Variable wird hauptsächlich aus den Zeugnissen der Schüler und nicht aus den Selbstberichten abgeleitet).elf
  • Maße der Beschäftigung, des Einkommens und des Schulden-Einkommens-Verhältnisses. Die Regression umfasst die selbst gemeldete Beschäftigung und das Einkommen (für diejenigen, die noch nicht immatrikuliert sind) zum Zeitpunkt der 6-Jahres-Nachuntersuchung (2009) sowie Messungen der monatlichen Kreditrückzahlungsbeträge und des Schulden-Einkommens-Verhältnisses. Leider enthalten die Daten keine Beschäftigungs- oder Einkommensmessungen über das Jahr 2009 hinaus.

Auch als Maß für Korrelation statt Kausalität sollten einzelne Koeffizienten aus diesen Regressionen mit Vorsicht interpretiert werden, da einige Faktoren im Modell eng miteinander verbunden sind. In diesem Fall kann das Modell nicht immer unterscheiden, welcher der verwandten Faktoren die Assoziation antreibt.



Die Ergebnisse bestätigen zuvor etablierte Muster nach ethnischer Zugehörigkeit, institutionellem Sektor und Leistung sowie nach Maßen des finanziellen Bedarfs (EFC), fügen jedoch auch einige neue Details hinzu. Für diejenigen mit SAT- oder ACT-Score-Daten stehen die Ergebnisse nicht signifikant in Zusammenhang mit dem Ausfall, wobei alles andere konstant bleibt, aber der letzte bekannte College-GPA ist, wobei jeder GPA-Punkt mit einer um 8 Prozentpunkte niedrigeren Ausfallrate verbunden ist. Stellvertreter für das elterliche Vermögen – einschließlich des elterlichen Wohneigentums, der elterlichen Bildung und der finanziellen Unterstützung, die Eltern den Schülern während der Einschreibung gewährten – stehen in einem signifikant negativen Zusammenhang mit der Wahrscheinlichkeit eines Zahlungsausfalls, selbst wenn alles andere im Modell berücksichtigt wurde. Zum Beispiel ist die Wahrscheinlichkeit, dass Schüler, deren Eltern zum Zeitpunkt des College-Eintritts ihr Haus besaßen, um 3 Prozentpunkte geringer, einen Ausfall zu erleben, bei dem alles andere konstant blieb.

Schließlich zeigt das vollständige Modell an, dass der Ausfall immer noch erheblich ist negativ korreliert mit der Kreditaufnahme und dem Ausfall von Studenten (mit zusätzlichen 10.000 $ Schulden verbunden mit einer um 4 Punkte niedrigeren Ausfallrate), selbst nach Berücksichtigung anderer Faktoren, einschließlich der Leistungsfähigkeit.12Der Standardwert ist jedoch erheblich positiv korreliert mit Schulden-Einkommens-Verhältnissen, was die Rolle der Rückzahlungsfähigkeit hervorhebt: ein Anstieg dieses Verhältnisses um 10 Punkte verbunden mit einer um 2 Punkte höheren Ausfallrate.13Ein überraschendes Ergebnis ist, dass eine Beschäftigung im Jahr 2009 positiv mit einem Ausfall innerhalb von 12 Jahren verbunden ist. Dies könnte daran liegen, dass diejenigen, die 2009 nicht beschäftigt waren, eher eine Weiterbildung erwerben und weniger Zeit für die Rückzahlung haben.

Können diese Faktoren institutionelle und rassische/ethnische Unterschiede beim Ausfall von Studienkrediten erklären?

Als nächstes untersuche ich, inwieweit die dramatischen Unterschiede bei den Ausfallquoten nach Sektor und Rasse durch Unterschiede im studentischen/familiären Hintergrund, den geliehenen Beträgen, den Studienleistungen und -abschlüssen sowie den Einkünften und der Beschäftigung nach dem College erklärt werden können. Dazu führe ich eine Reihe von Regressionen ähnlich wie oben durch, aber füge Prädiktoren Schritt für Schritt in Gruppen hinzu. Um beispielsweise die Disparitäten beim Ausfall nach Sektoren zu untersuchen, führe ich zunächst eine Probit-Regression durch, die nur eine Reihe von Indikatoren für den Institutstyp enthält. Die resultierenden Koeffizienten beschreiben die unbereinigten Unterschiede der Ausfallraten nach Sektoren im Vergleich zur Ausfallrate in der Referenzgruppe (hier öffentliche Zweijahresinstitute). Dann füge ich in den oben beschriebenen Gruppen zusätzliche Prädiktoren hinzu und werte aus, wie stark sich die Koeffizienten der Sektorindikatoren ändern.

Die Ergebnisse für den Institutssektor sind in Abbildung 3 zusammengefasst (die vollständigen Regressionsergebnisse sind in Anhang Tabelle A2 verfügbar). Der erste Satz von Spalten zeigt die unbereinigten Lücken bei den Ausfallquoten für Kreditnehmer im Grundstudium aus jedem Sektor im Vergleich zu der Rate für Kreditnehmer, die öffentliche zweijährige Colleges besucht haben (26 Prozent). Der zweite Spaltensatz zeigt, wie sich die Lücken ändern, nachdem Merkmale des Schülers und der Familie hinzugefügt wurden. Interessanterweise haben Kreditnehmer mit vierjähriger Laufzeit niedrigere unbereinigte Ausfallraten als öffentliche Kreditnehmer mit zweijähriger Laufzeit, dieser Vorteil wird jedoch vollständig eliminiert, wenn man die Unterschiede im studentischen und familiären Hintergrund zwischen den Sektoren berücksichtigt. Der gewinnorientierte Nachteil schrumpft, bleibt aber mit 14 Prozentpunkten immer noch groß und statistisch signifikant.

Scott Clayton-Standardeinstellungen Abbildung 4

Scott Clayton-Standardeinstellungen Abbildung 5

Das Hinzufügen zusätzlicher Kontrollen für geliehene Beträge, Leistungen und GPA trägt wenig dazu bei, den gewinnorientierten Nachteil weiter zu erklären.14Das reichste Modell, einschließlich der Beschäftigungskontrollen im Jahr 2009 und des Schulden-Einkommens-Verhältnisses, verringert die Kluft leicht auf 11 Prozentpunkte, aber wenn gewinnorientierte Berufseinsteiger eine geringere Beschäftigung und ein geringeres Einkommen haben als andere Kreditnehmer mit ähnlichen Merkmalen, könnte dies durchaus a Folge einer gewinnorientierten Einschreibung und kein mildernder Erklärungsfaktor.

In Abbildung 4 wiederhole ich dieselbe Übung, um die Rassenunterschiede zu untersuchen. Der erste Satz von Spalten zeigt die Unterschiede in den Ausfallraten nach Rasse/Ethnie im Vergleich zu den Raten weißer nicht-hispanischer Kreditnehmer (21 Prozent).fünfzehnDie zweite Spalte berücksichtigt zusätzliche Maße für den studentischen und familiären Hintergrund, die sich je nach Rasse unterscheiden können. Das Hinzufügen dieser Maßnahmen erklärt etwa die Hälfte der Schwarz-Weiß-Lücke und mehr als 80 Prozent der Hispano-Weiß-Lücke, aber keine der Weiß-Asiaten-Lücke. Die Berücksichtigung von Unterschieden bei der Kreditaufnahme hat kaum zusätzliche Auswirkungen. Die Berücksichtigung von Sektor, Selektivität, Leistung und GPA reduziert den gemessenen Schwarz-Weiß-Abstand noch etwas. Interessanterweise ändert die Berücksichtigung des Jobstatus und des Schulden-Einkommens-Verhältnisses kaum das Schwarz-Weiß-Gefälle, wenn alles andere berücksichtigt wird. Das reichste Modell hinterlässt immer noch eine große, statistisch signifikante Schwarz-Weiß-Lücke von 11 Prozentpunkten bei der Ausfallwahrscheinlichkeit, während die bereinigte Lücke zwischen weißen Kreditnehmern und denen mit asiatischer oder pazifischer Abstammung 9 Prozentpunkte beträgt.

Für die Interpretation sind einige wichtige Vorbehalte erforderlich. Erstens ist die Reihenfolge, in der die Prädiktoren hinzugefügt werden, von Bedeutung, da viele Prädiktoren miteinander korreliert sind. Leistung und Einkommen haben möglicherweise relativ wenig zusätzliche Erklärungskraft, nicht weil sie keine Rolle spielen, sondern einfach weil ihre Wirkung bereits durch andere Variablen erfasst wurde. Tatsächlich finde ich in den nicht gezeigten Ergebnissen, dass Unterschiede in Sektor, Selektivität und Leistung, wenn sie allein addiert werden, fast die Hälfte des Schwarz-Weiß-Gefälles erklären können.16Zweitens sind Vorhersagemodelle nur so gut wie die enthaltenen Maßnahmen, und zusätzliche oder genauere Maßnahmen könnten Lücken weiter verringern.17Insbesondere die Beschäftigungs- und Einkommensmessgrößen von 2009 sind nicht ideal, da sie zu einem Zeitpunkt selbst gemeldet werden, zu dem viele in der Stichprobe noch keine Rückzahlung geleistet haben und viele noch eine Schule besuchen.18

Schließlich liefern die hier vorgestellten bereinigten und nicht bereinigten Lücken zwar eindeutige Informationen, aber die eine ist nicht unbedingt richtiger oder nützlicher als die andere. Selbst wenn beispielsweise die Schwarz-Weiß-Lücke bei Zahlungsausfällen vollständig durch das Familieneinkommen und -vermögen erklärt werden könnte, würde dies für schwarze Kreditnehmer, die ihren familiären Hintergrund nicht ändern können, nicht weniger problematisch sein. Darüber hinaus sind Kreditaufnahme, Studienabschluss und Einkommen selbst potenzielle Funktionen der Rasse und/oder des institutionellen Sektors. In dem Maße, in dem die Kontrolle dieser Faktoren die Ausfallslücke verringert, verschiebt sie die Frage einfach dahingehend, warum es Lücken in diesen Prädiktoren gibt.

Was passiert mit Säumigen nach einem Zahlungsausfall?

Die hohen Ausfallraten bei schwarzen Kreditnehmern und denjenigen, die gewinnorientierte Colleges besuchen, geben aufgrund der potenziellen finanziellen Auswirkungen eines Ausfalls Anlass zur Sorge. Wenn ein Studiendarlehen in Zahlungsverzug gerät, wird der gesamte Saldo sofort fällig und Kreditnehmer verlieren den Zugang zu Optionen, die andernfalls angewendet worden wären, wie Aufschub und Stundung.19Wenn der Kreditnehmer keine Vereinbarungen mit seinem Dienstleister trifft, um aus dem Zahlungsverzug herauszukommen, kann das Darlehen in die Sammlung gehen. Als Folge können Gebühren von bis zu 25 % des fälligen Restbetrags hinzukommen.zwanzigDer Ausfall eines Studienkredits kann auch die Kreditwürdigkeit senken, was es schwieriger macht, in Zukunft Kredite aufzunehmen oder sogar eine Wohnung zu mieten. In einigen Bundesstaaten kann ein Verzug zum Entzug der Berufserlaubnis führen, und die Kredithistorie kann im Rahmen von Bewerbungen ausgewertet werden, was es schwieriger macht, einen Arbeitsplatz zu finden oder zu behalten. Außerdem können Schüler während des Verzugs keine zusätzliche Bundesschülerförderung erhalten, was die Rückkehr in die Schule erschwert.

Dennoch ist Verzug ein Status, kein dauerhaftes Merkmal, und viele Schüler, die einen Verzug erleben, gehen schließlich daraus hervor. Tatsächlich konnten mehr als die Hälfte derjenigen, die jemals ausgefallen sind (54 Prozent), mindestens einen dieser Ausfälle bis zum Ende der 12-jährigen Nachbeobachtung beheben, und mindestens 14 Prozent kehrten nach einem Ausfall zur Schule zurück.einundzwanzigEs gibt vier Möglichkeiten, aus dem Zahlungsausfall herauszukommen: Rehabilitation, Konsolidierung, vollständige Zahlung oder Auszahlung eines Kredits.

Die Rehabilitation bietet den Vorteil, dass der Ausfall aus der Kreditaufnahme des Kreditnehmers entfernt wird, erfordert jedoch 9 erfolgreiche Zahlungen über 10 Monate und kann nur einmal verwendet werden. Die Konsolidierung ausgefallener Kredite zu einem neuen Kredit kann einen Kreditnehmer schneller aus dem Zahlungsausfall bringen und ist möglicherweise die einzige praktikable Option für diejenigen mit mehreren ausgefallenen Krediten, aber der Ausfall bleibt bis zu 7 Jahre in der Kreditaufnahme.

Abbildung 5 zeigt den Prozentsatz der ausgefallenen Studenten, die jemals in der Lage waren, ein ausgefallenes Darlehen bis zum Ende der 12-jährigen Nachbeobachtungszeit erfolgreich abzuwickeln, sowie den Prozentsatz, der jemals über einen dieser Wege aus einem Ausfall hervorgegangen ist, aufgeschlüsselt nach Rasse/ethnischer Herkunft. Obwohl schwarze Kreditnehmer von vornherein eine viel höhere Ausfallrate aufweisen, gehen schwarze und weiße Kreditnehmer mit ähnlichen Raten aus einem Zahlungsausfall hervor, während hispanische Kreditnehmer einen Zahlungsausfall mit etwas höherer Wahrscheinlichkeit abwickeln.22Am Ende des Nachbeobachtungszeitraums hatten etwa 54 Prozent der weißen Säumigen mindestens einen ausgefallenen Kredit abgewickelt, verglichen mit 53 Prozent der schwarzen Säumigen.

Scott Clayton-Standardeinstellungen Abbildung 6

Schwarze und weiße Schuldner unterscheiden sich jedoch darin, wie sie aus einem Zahlungsausfall hervorgehen: Schwarze Schuldner kommen eher durch Konsolidierung (23 gegenüber 15 Prozent) aus dem Zahlungsausfall heraus, während weiße Schuldner eher rehabilitieren (32 gegenüber 26 Prozent) oder zahlen vollständig (34 gegenüber 30 Prozent).23Da eine Sanierung nur einmal durchgeführt werden kann, untersuche ich auch Abwicklungsmuster für den ersten ausgefallenen Kredit (nicht abgebildet) und stelle fest, dass das gleiche allgemeine Muster gilt.

Abbildung 6 zeigt die gleiche Statistik für die Ausfallenden nach Sektor des ersten Instituts. Schuldner privater Institutionen – ob gewinnorientiert oder nicht gewinnorientiert – lösten einen Zahlungsausfall eher als Schuldner öffentlicher Institutionen. Diese Zahlungsunfähigkeitsschuldner wurden auch eher als solche von öffentlichen Institutionen über eine Konsolidierung abgewickelt. Auch dieses Muster gilt auch dann, wenn ich nur den ersten ausgefallenen Kredit betrachte.

Zukünftige Arbeiten könnten ähnliche Methoden wie die oben verwendeten anwenden, um die Prädiktoren und Folgen einer Konsolidierung gegenüber einer Sanierung bei ausgefallenen Kreditnehmern besser zu verstehen. Vorläufige Analysen (nicht gezeigt) weisen darauf hin, dass säumige Kreditnehmer, die ihren ersten ausfallenden Kredit durch Konsolidierung abwickeln, zum Zeitpunkt des Zahlungsausfalls größere Gesamtsalden aufweisen als diejenigen, die sich rehabilitieren (19.185 US-Dollar gegenüber 17.122 US-Dollar), mit höherer Wahrscheinlichkeit mehrere Zahlungsverzugsfälle erlitten haben (56 .). Prozent gegenüber 41 Prozent) und eher nach dem Zahlungsausfall eine staatliche Studienbeihilfe erhalten (26 Prozent gegenüber 14 Prozent).24Obwohl die Interpretation dieser Ergebnisse nicht ganz klar ist, steht dies im Einklang mit der Tatsache, dass die Konsolidierung die attraktivere Option für säumige Kreditnehmer mit mehreren säumigen Krediten ist, und auch für säumige Kreditnehmer, die sich wieder an einer Hochschule einschreiben möchten (da eine Konsolidierung schneller erfolgen kann als eine Rehabilitation). ).

Erkenntnisse und Implikationen zum Mitnehmen

Aus dieser Analyse ergeben sich eine Reihe wichtiger Erkenntnisse. Erstens lässt sich etwa die Hälfte des gesamten Schwarz-Weiß-Gefälles bei den Ausfallraten und knapp die Hälfte des Gefälles zwischen gewinnorientierten und öffentlichen zweijährigen Hochschulen durch den studentischen und familiären Hintergrund erklären, einschließlich der Maße des elterlichen Vermögens und der Unterstützung. Zweitens verringert das Hinzufügen zusätzlicher Steuerelemente beide Lücken weiter; Doch selbst die Kontrolle des Abschlusses, des GPA und der Messungen der Beschäftigung, des Einkommens und des Schulden-Einkommens-Verhältnisses 2009 kann keine der beiden Lücken vollständig erklären. Schließlich ist mehr als die Hälfte der ausgefallenen Kreditnehmer in der Lage, mindestens einen ihrer ausgefallenen Kredite innerhalb des 12-Jahres-Follow-up-Fensters abzuwickeln, wobei schwarze Schuldner und solche von privaten Instituten eher als andere Gruppen durch Konsolidierung abgewickelt werden.

Sowohl bereinigte als auch unbereinigte Lücken liefern wichtige Informationen; das eine ist nicht richtiger als das andere. Die Anpassungen sind nur so gut wie die enthaltenen Kennzahlen, und da einige der Prädiktoren miteinander korreliert sind, kann die Reihenfolge, in der Gruppen von Prädiktoren hinzugefügt werden, von Bedeutung sein. Zum Beispiel erklären Unterschiede im Hochschulsektor, in der Selektivität und im Leistungsniveau mehr von der Schwarz-Weiß-Lücke bei der Versäumnis, wenn diese Prädiktoren vor dem Hinzufügen von Schüler-/Familienhintergrundmerkmalen hinzugefügt werden.

Was könnte die verbleibenden Lücken im Zahlungsausfall erklären? Bessere Einkommensmessungen und andere finanzielle Faktoren nach dem Studium würden die Lücke weiter erklären, ebenso wie mehr Informationen über den Zeitpunkt des Schulabbruchs und des Zahlungseingangs. Ein Teil der verbleibenden Lücke kann sich auf die Qualität der Kreditausstiegsberatung oder der Kreditbetreuung beziehen, die je nach Rasse oder Branche variieren können. Tatsächlich haben andere Untersuchungen erhebliche Unterschiede bei den Rückzahlungsergebnissen zwischen den einzelnen Kreditdienststellen festgestellt, die mit den Kreditnehmern kommunizieren.25

Dieser Bericht zeigt auch, dass mehr als die Hälfte der ausgefallenen Kreditnehmer in der Lage sind, mindestens einen ihrer ausgefallenen Kredite zu begleichen, obwohl die Abwicklung nicht unbedingt die Folgen eines Ausfalls beseitigt. Unter der Bedingung eines Zahlungsausfalls variiert die Wahrscheinlichkeit einer Abwicklung nicht nach Rasse, aber diejenigen, die private Institutionen besucht haben (ob gewinnorientiert oder nicht gewinnorientiert), werden eher einen ausgefallenen Kredit lösen. Der Weg zur Abwicklung variiert sowohl nach Rasse als auch nach Sektor: Im Vergleich zu anderen Studenten ist die Konsolidierung bei schwarzen Schuldnern und solchen aus privaten Einrichtungen häufiger.

Ein letzter Vorbehalt ist, dass sich dieser Bericht eher auf den Ausfall als auf die Rückzahlung konzentriert hat. Nur weil ein Student nicht in Zahlungsverzug gerät, bedeutet dies nicht unbedingt, dass er sein Darlehen zurückzahlt. Und während Zahlungsausfälle für Kreditnehmer von größter Bedeutung sein können, sind die Rückzahlungsraten für politische Entscheidungsträger und Steuerzahler ein berechtigtes Anliegen. Eine ähnliche Analyse von Prädiktoren für eine erfolgreiche Rückzahlung würde unser Verständnis der Ergebnisse von Studienkrediten weiter bereichern. Qualitative Forschung, um zu beleuchten, wie Schüler von der Schule in die Rückzahlung übergehen und so oft in die Zahlungsunfähigkeit und dann wieder zurück, wären ebenfalls sehr wertvoll. Je besser wir verstehen, was diese Muster antreibt, desto besser können die politischen Entscheidungsträger ihre Bemühungen auf die Verbesserung der Ergebnisse von Studienkrediten ausrichten.