Modellpontok képzése és használata

Átírás

1 Modellpontok képzése és használata Dr. Kovács Erzsébet egyetemi tanár Budapesti Corvinus Egyetem A jogosultságszerzés modellezése szekció MIDAS_HU Workshop: Modellpontok képzése 1

2 Szakmai kihívás és érdekes feladat Murphy szerint Booker törvénye: Egy gramm alkalmazás felér egy tonna elvonatkoztatással. Modellpont= adatbányászat vagy statisztikai elemzés??? MIDAS_HU Workshop: Modellpontok képzése 2

3 Előzmények NYIKA Jelentés 2010 (Szerk: Holtzer Péter) Ennek 7. melléklete: A hatásvizsgálat mikroszimulációs modellje (Horváth Gyula) Modellpontok szerinti kalkuláció A jogosultságszerzők és a teljes népesség összevetése (Rétallér Orsolya) Felkérés modellpontok képzésére Modellpontok kialakítása az aktívakra és az ellátottakra (Kovács Erzsébet és Vékás Péter) Forrás: ONYF Adminisztratív adatai és KSH MIDAS_HU Workshop: Modellpontok képzése

4 A feladat kettőssége 2012-ig tartó adatból a jövőbeni modellpontok? Jogosultság-szerzőkről sok egyedi adat, de Személyi jellemzők kevéssé ismertek Nem reprezentatív része a népességnek életkor szerint nagy eltérések Ellátottakról Korábbi személyi adatok (pl. foglalkozás, szolgálati idő hossza) nem ismertek Részletes adat: az ellátás típusa és a járadék nagysága MIDAS_HU Workshop: Modellpontok képzése 4

5 ONYF 5 kohorsz követése: max 80% MIDAS_HU Workshop: Modellpontok képzése 5

6 A teljes népesség Sok egyedi adatot (is) tudunk, amit az ONYF nem tart nyilván (pl. iskolai végzettség, családi állapot) Viszonyítási pontot jelent a jogosultságszerzők adatainak és megoszlásának ellenőrzésére az újonnan belépők modellpontjainak képzésében Néhány ábra következik a tendenciák áttekintésére (életkor nemek szerint, családi állapot, szülések száma, stb.) a változás nem ért véget! MIDAS_HU Workshop: Modellpontok képzése

7 Munkakezdők (keveset tud az ONYF róluk) és nyugdíjba vonulók várható száma Magyarországon évesek nyugdíjba menők száma MIDAS_HU Workshop: Modellpontok képzése 7

8 A népesség száma nem és kor szerint, hatalmas változás volt január január X 100 X Férfi Nő Férfi Nő Ezer lakos Ezer lakos Ezer lakos Ezer lakos MIDAS_HU Workshop: Modellpontok képzése 8

9 A népesség száma nem, életkor és családi állapot szerint, január 1. Nem stabil arány és nem szimmetrikus 100 X Férfi 90 Nő Ezer lakos Házas Nőtlen, hajadon Ezer lakos Elvált Özvegy MIDAS_HU Workshop: Modellpontok képzése 9

10 40 és 60 éves korban várható átlagos élettartam, A növekedés (hogyan) folytatódik? Év éves korban várható átlagos élettartam (e 0 40 ) Év éves korban várható átlagos élettartam (e 0 60 ) Férfi Nő MIDAS_HU Workshop: Modellpontok képzése 10 13

11 Az eltérés tartós máshol is: 80 éves angol adatsor EOLB Years Females Males Year MIDAS_HU Workshop: Modellpontok képzése 11

12 Élveszületések az anya életkora szerint (f x ) A szülő nők átlagos életkora (x) Ezer nőre 180 Év Korév Első Második Harmadik gyermeknél MIDAS_HU Workshop: Modellpontok képzése 12

13 Modellpont képzés módszerei 1. Mintavételi módszerek Véletlen, egyszerű vagy rétegzett mintavételi eljárások Gond: A mintába kerülő személyek, családfők száma lényegesen kisebb, mint a modellpontok száma. A kérdőíves megkeresés és adatgyűjtés időigényes és drága. 2. Klaszterező eljárások Struktúrafeltárás Gond: Klaszterek a modellpontok, de jellemzőikhez nem adhatók meg kategória-határok. A változók mérési skálája nagyon különböző MIDAS_HU Workshop: Modellpontok képzése 13

14 Modellpont képzés módszerei 3. Kategória-kombinációk képzése változónként kategóriákat képezünk kategória-összevonásokkal, több változó kategóriáinak lehetséges kombinációból alkotunk csoportokat=modellpontokat, egy-egy csoportban a gyakoriság megfelelő legyen Nem üres kategóriák Egymást át nem fedő csoportok. Statisztikai tulajdonságaikkal írjuk el a MP-ket MIDAS_HU Workshop: Modellpontok képzése 14

15 Életkor szerinti elhatárolás: évesek modellpontjai 7 ismert adat:életkor (46 korév), nem (2), régió (3), településtípus (3), jövedelem (5 kvintilis), foglalkozás (4) és foglalkoztatás (10)* E hét változó kategóriáiból képezhető kombinációk száma: modellpont. *Foglalkoztatás szerint három főprofil (magasan, közepesen és alacsonyan foglalkoztatottak)+ellátottak és a pszeudó jogviszonnyal rendelkezők: öt főprofil 2011-hez képest változott-e Üresek összevonása után aktív modellpont, egy pont átlagosan 58 fő MIDAS_HU Workshop: Modellpontok képzése 15

16 Aktívak foglalkoztatása (Vékás Péter előadása) és jövedelme Kvintilis Átlag Szórás Alsó határ Ft Ft 0 Ft Ft Ft Ft Ft Ft Ft Ft Ft Ft Ft Ft Ft Teljes állomány Ft Ft MIDAS_HU Workshop: Modellpontok képzése 16

17 Életkor szerinti elhatárolás: 61 év felettiek modellpontjai 2 elő-lépés Az állomány főt tartalmaz, benne a passziválási kód szerint: 1=halott és 2=egyéb, 1)a még élő személyek: fő (96,4%) 2) a évesek mind aktív korúak az átfedések elkerülése miatt a nyugellátás modellpontjaiban nem vesszük figyelembe ezt a kortartományt. A 2012-es adatok miatt az 1950-ben és előtte született személyek 62+ évesek, fő adatai alapján képezhetők modellpontok MIDAS_HU Workshop: Modellpontok képzése 17

18 Nyugdíjas modellpontok fő maradt, akik 62 év felettiek, még élnek (max 104 év), és részesültek is nyugdíjban 3 változó: kor, nem, profil kategória valamennyi lehetséges kombinációja: 43 x 2 x 2= 172 modellpont képezhető Régió és település nem használható, csak 30%-nak ismert a régiós besorolása, a településtípus adat Néhány üres kategóriakombináció 156 modellpont, egy pont átlagosan 9865 egyént tartalmaz MIDAS_HU Workshop: Modellpontok képzése 18

19 Nyugdíjkifizetések: átlagok 3016 főnek végig nulla Ft kifizetés férfi nő Összes N Átlag Szórás Std. hiba Minimum Maximum , ,823 64, , ,253 44, , ,801 38, férfi nő Összes N Átlag Szórás Std. hiba Minimum Maximum , , , , , , , , , , , , , , , MIDAS_HU Workshop: Modellpontok képzése 19

20 Belső ellenőrzés problémák kezelése Az alacsony létszámú modellpontok összevonása Hiányzó változó-értékek kezelése feltételes eloszlások szerint A nyilvántartásból hiányzók kezelése KSH adatokból (különösen a fiatalok, pályakezdés előtt állók) MIDAS_HU Workshop: Modellpontok képzése 20

21 2011-es Népszámlálás adatainak 10%-os mintája Adatok a KSH Kutatószobájából A 10%-os véletlen minta háromszintű: lakás, háztartás (kiválasztás alapja), ezen belül személy Háztartás és személy szintű anonimizált adatokat használtunk 2011-es népszámlálásból 2012-es ONYF adatok egy évnyi eltérés áthidalása: a népszámlálási adattáblában a személyeket egy évvel megöregítettük Cél: ellenőrzés és teljeskörűsítés MIDAS_HU Workshop: Modellpontok képzése 21

22 Az összehasonlítás tanulságai A középső életkorokban és a tipikus foglalkoztatás mellett jól megfelel egymásnak a KSH minta és az ONYF adatbázis. Jelentősebb eltérések: a szélső életkorokban, a fiatalok és a nyugdíj előtt állók korcsoportjaiban, a nem szabályos foglalkoztatási kategóriákban Érdemes lenne a teljes népszámlálás adatait elkérni a KSH-tól MIDAS_HU Workshop: Modellpontok képzése 22

23 Teljeskörűsítés lépései Az aktívak teljessé tétele a KSH adatok felhasználásával: az aktívak modellpontjára négy kategória szerint arányosítottuk az emberek számát: életkor, nem, régió és aktivitás (6,3 millió főt fed le) Az ellátottak teljessé tétele az ONYF állományi adatok felhasználásával: életkor és nem alapján (2 millió fő) MIDAS_HU Workshop: Modellpontok képzése 23

24 Források Kamarás Ferenc sok írása, pl. Cragg, R.: The Demographic Investor, Financial Times, Pitman Publishing, (Botos József és Botos Katalin) Kovács Erzsébet: A nyugdíjreform demográfiai korlátai Nyugdíj és gyermekvállalás Tanulmánykötet, Gondolat (szerk: Kovács Erzsébet, 16 szerző írása) Nyika Jelentés (2010), Szerk: Holtzer Péter, MEH, Budapest Modellpont csoportosítás az ONYF mikroszimulációs modelljéhez (Tanulmány, december, Kovács Erzsébet) MIDAS_HU Workshop: Modellpontok képzése

25 Köszönöm a modellpontok iránti figyelmet! erzsebet.kovacs@uni-corvinus.hu MIDAS_HU Workshop: Modellpontok képzése 25