Job categories:

• Jobs unterhalb der Armutsgrenze: Erwerbstätige, die trotz Arbeit weniger als 2.15 US-Dollar pro Tag verdienen (kaufkraftbereinigt; das entspricht der absoluten Armutsgrenze). Sie arbeiten, können sich aber kaum das Nötigste leisten.
• Gig Jobs: Erwerbstätige, denen ein Job zwar über die absolute Armutsgrenze hilft, die aber ggf. mehrere Nebentätigkeiten (“Gigs”) brauchen, um auf das Einkommensniveau der Big Jobs zu kommen. Da die Armutsgrenze absolut definiert ist, erlaubt dies Vergleiche zwischen verschiedenen Ländern.
• Big Jobs: Beschäftigte, die nur einen Job haben und damit mehr als zwei Drittel des landesspezifischen Medianeinkommens verdienen. Diese Jobs entsprechen oft dem Mindestlohn und bieten relative finanzielle Sicherheit. Je nach Land kann das Medianeinkommen hoch oder niedrig sein, ähnlich wie die relativ definierten Armutszahlen in der EU ist dies ein Vergleich innerhalb des Landes.

The Jobs Gap (the employment gap):

• Erwerbstätige Bevölkerung, die weder einen Big-Job noch einen Gig-Job hat.
• Diese Gruppe umfasst somit Menschen, die arbeiten, aber arm sind / prekär leben, sowie Menschen, die überhaupt nicht arbeiten. Hierzu zählen Arbeitslose, entmutigte Arbeitnehmer (die arbeitslos sind, aber die Suche aufgegeben haben) sowie Personen, die nicht mehr erwerbstätig sind (z. B. Personen in Ausbildung, Menschen mit Behinderung, Menschen, die aus freien Stücken nicht arbeiten können oder wollen).

• Die verschiedenen Datenquellen sind in Paneldatenform (d.h. Land - Jahr - Szenario) in einer gemeinsamen Datenbank integriert. Jeder Input-Datensatz wird so restrukturiert, dass er in die Struktur des Gesamtdatensatzes passt. Ländernamen oder andere Identifikatoren werden standardisiert, sodass man die Datensätze zusammenspielen kann. Die Imports, Aufbereitung und Verarbeitung sind komplett in Programmcode in der Statistiksoftware Stata geschrieben, sodass Updates einfach einzuspielen sind und weitgehend automatisch ablaufen. Es besteht also vollständige Replizierbarkeit.
• In dieser Datenbank lässt sich dann der durchschnittliche Zusammenhang zwischen Jobwachstum, wirtschaftlicher Entwicklung und Bevölkerungsentwicklung errechnen. Für die Vergangenheit können wir dazu offizielle Umfragedaten und Schätzungen der ILO verwenden. Für die Zukunft ist es nötig, Annahmen zu treffen, wie sich entscheidende Faktoren entwickeln. Für die Zukunft nutzen wir dazu die SSP-Szenarien, genauer gesagt das SSP4-Scenario (Release 3.1 aus dem Juli 2024). Wir legen möglichst wenige Variablen zugrunde, denn für jede Variable, die wir zur Modellierung des GJI über die Zeit und zwischen Ländern nutzen, müssen wir eigene Annahmen für die Zukunft treffen. Die beiden Kernvariablen sind das länderspezifische BIP pro Kopf und die Größe der männlichen und weiblichen Bevölkerung im arbeitsfähigen Alter. Alle anderen Variablen sind somit implizit als unverändert angenommen - eine notwendige Annahme um die Komplexität zu reduzieren.
• Wir schätzen den Zusammenhang zwischen diesen Variablen und der Erwerbsquote (spezifisch nach Weltregion und Geschlecht) sowie zwischen der Zahl der Erwerbsbevölkerung, dem Pro-Kopf-Einkommen und der Zahl von Big Jobs, Gig Jobs und Jobs, die weniger als 2,15 Dollar/Tag zahlen. Dieser durchschnittliche Zusammenhang erlaubt es uns dann, den GJI in die Zukunft zu projizieren. So erhalten wir Abschätzungen, wie sich der GJI z.B. im Vergleich zweier Länder entwickelt. Jedes Land hat eigene aus den Daten errechnete Startpunkte, sodass Modellschätzungen und projizierte Veränderungen eine fortlaufende Zeitreihe ergeben.