A FOGLALKOZTATÁS MODELLEZÉSE Vékás Péter ( egyetemi tanársegéd, Budapesti Corvinus Egyetem

Átírás

1 Országos Nyugdíjbiztosítási Főigazgatóság MIDAS_HU workshop, A FOGLALKOZTATÁS MODELLEZÉSE Vékás Péter ( peter.vekas@uni-corvinus.hu) egyetemi tanársegéd, Budapesti Corvinus Egyetem

2 A MIDAS_HU modell munkaerő-piaci modulja A folyó finanszírozású magyar állami nyugdíjrendszer finanszírozhatóságát nagyban befolyásolja a munkaerőpiac A MIDAS modellek sarkallatos pontja a munkaerő-piaci aktivitás modellezése A MIDAS_BE modell évi keresztmetszeti adatokból becsüli az aktivitást Itthon 43 évnyi adminisztratív adatunk volt Kevésbé stabil a munkaerőpiac, mint Belgiumban (pl körül egymillió ember hagyta el a munkaerőpiacot) A MIDAS_HU modellben kívánatos a hosszmetszeti információk felhasználása!

3 A modell célja és működése A cél: demográfiai és foglalkoztatási jellemzők alapján évente dolgozókra és nem dolgozókra felosztani az egyéneket Az eszköz: bináris logisztikus regressziós modell 43 évnyi, egyéni szintű adminisztratív adat alapján A modell évenként, egyénenként megbecsüli az aktivitás valószínűségét (perturbálás: hibatag alkalmazása a mobilitás érdekében) A ténylegesen dolgozók számát külső előrejelzésekhez igazítjuk (alignment) A becsült valószínűség szerinti rangsor elejéről választjuk ki az aktívakat

4 A felhasználható adatok Évenkénti bontásban rendelkezésre állnak 1970-től 2012-ig többek között: Születési év Nem FEOR főcsoport (Foglalkozások Egységes Osztályozási Rendszere, 10 kategória) Irányítószám A nyugdíjjogosultság alapját képező osztónapok száma (valódi=munkaviszony révén keletkezett, pszeudó=beszámítható ellátás, pl. anyaság, összes=valódi+pszeudó)

5 Előkészítő és korrekciós lépések Szűrés: élő, öregségi nyugdíjban nem részesülő, gazdaságilag aktív korú egyének Szűrés: csak helyesen kitöltött irányítószámok Többszörös imputálás: hiányzó adatok pótlása ismert együttes eloszlások alapján Egyszerűsítés: az egyének vagy a teljes évben, vagy egyáltalán nem dolgoznak Eredményváltozó: a évi valódi osztónapok száma küszöbértéknél elvágva, a változó évesített átlagát megőrizve

6 Historikus foglalkoztatási információk beépítése Hogyan illeszthető 42 évnyi foglalkoztatási információ egy keresztmetszeti modellbe? Megoldás: szegmentálás, csoportonként külön egyenletek becslése De hogyan szegmentáljunk? Klaszteranalízis problémás: az évek száma egyénenként eltérő, az évenkénti osztónapok korreláltak, új egyének nehezen sorolhatók be, nehéz a klaszterek szakmai interpretációja Helyette: szakmai szempontok alapján előre definiált szegmenseket képeztünk

7 Szegmentálás: foglalkoztatási pályák Leválasztottuk az ellátottakat és a pszeudó jogviszonnyal rendelkezőket, mint két főszegmenst A maradék állományra egyénenként átlagoltuk az éves összes osztónapok számát három periódusban: , (törés) , A periódusok átlagait 3+1 kategóriába soroltuk: 0-100: alacsony, 100,01-300: közepes, 300,01-366: magas, + hiányzó Max. 4 3 =64-féle foglalkoztatási pálya

8 Szegmentálás: a pályák besorolása A pályákból három főszegmenst képeztünk: magas, közepes és alacsony foglalkoztatás pl. üres-üres-alacsony alacsony, pl. üres-magas-közepes közepes, pl. alacsony-magas-magas magas. Ha az utolsó periódus magas, magasnak tekintjük, kivéve, ha az utolsó időszakban volt olyan év, amikor a 100-at nem haladta meg az osztónapok száma, akkor közepes A 90-es évek elején lemorzsolódottak többnyire az alacsony kategóriába kerültek

9 A tíz munkaerő-piaci szegmens Öt főszegmens: ellátott, speciális (pszeudó, főleg anyák), alacsony, közepes, magas. Empirikus vizsgálat alapján a tavalyi foglalkoztatás erősen determinálja az ideit, ezért minden főszegmenst kettéosztottunk a évi aktivitás szerint (pl. a legjobb szegmens: magas, 2011-ben aktív)

10 Öt modellspecifikáció Tanuló és tesztelő (90-10%) minta, osztott mintás validáció Öt egymásba ágyazott modell: 0. modell: csak konstans 1. modell: évi bináris aktivitás és konstans, 2. modell: szegmensek és konstans, 3. modell: szegmensenként 1-1 egyenlet a korábban ismertetett magyarázó változók bevonásával, az életkorban kvadratikus függvénnyel (Forward szelekció) 4. modell: a 3. modell a magyarázó változók páronkénti interakcióival bővítve (kivéve az életkor négyzetét)

11 Modellszelekció Minden szempont alapján a 3. modell a legmegfelelőbb (a 4. esetében: túlillesztés). Nincsenek szignifikáns outlierek

12 Klasszifikáció A becsült valószínűségek alapján, küszöbérték (cutoff): a évben ténylegesen aktívak számát reprodukálva A modelll a tesztelő állomány 80%-át helyesen sorolja be (52,8% lenne elérhető véletlenszerű besorolással) Az aktívak esetén 83,8%, a többiek esetén 73,8% a találati pontosság

13 Néhány illusztratív eredmény A 2012-ben aktív, magas szegmensben Nő / férfi esélyhányados: 0,734 Felsőfokú képzettség önálló alkalmazását igénylő / nem besorolt foglalkozások esélyhányadosa: 1,728 Szakképzettséget nem igénylő (egyszerű) / nem besorolt foglalkozások esélyhányadosa: 0,693 A logit (a foglalkoztatás esélyhányadosának logaritmusa) az életkor függvényében konkáv parabola, 48 éves korban tetőzik

14 Irodalomjegyzék Antal, G., Telegdy, Á. (2003). A foglalkoztatási szerkezet előrejelzése foglalkozási csoportok, nem és iskolai végzettség szerint. In: Fazekas, K. Varga, J. (szerk.) Trendek és előrejelzések. Munkaerő-piaci prognózisok készítése, szerkezetváltás a munkaerőpiacon. MTA KRTK Közgazdaság Tudományi Intézet, Budapest. Augusztinovics, M. (2005): Népesség, foglalkoztatottság, nyugdíj. Közgazdasági Szemle, LII. évf., 5. sz., pp Augusztinovics, M. Gyombolai, M. Máté, L. (2008). Járulékfizetés és nyugdíjjogosultság Közgazdasági Szemle, 55. évf sz., pp Augusztinovics, M. Köllő, J. (2007). Munkapiaci pálya és nyugdíj, Közgazdasági Szemle, LIV. évf., június, pp Augusztinovics, M. Köllő, J. (2008). Decreased Employment and Pensions. In: Holzmann, R., L. Mackellar and J. Repansek (szerk.) Pension Reform in South Eastern Europe: Linking to Labor and Financial Market Reforms. The World Bank, Washington D.C. Bakó, T. (2013). A magyarországi munkapiac ban. In: Fazekas, K. Neumann, L. (szerk.): Munkaerőpiaci Tükör MTA Közgazdaság és Regionális Tudományi Kutatóközpont, Közgazdaságtudományi Kutatóintézet, Országos Foglalkoztatási Nonprofit Kft., Budapest. Bakó, T. (2014). A magyarországi munkapiac ben. In: Fazekas, K. Neumann, L. (szerk.): Munkaerőpiaci Tükör MTA Közgazdaság és Regionális Tudományi Kutatóközpont, Közgazdaságtudományi Kutatóintézet, Országos Foglalkoztatási Nonprofit Kft., Budapest. Bálint, M. Köllő, J. Molnár, Gy. (2010). Nyugdíjjogszerzés és teljes aktív életpálya. Statisztikai Szemle, 88(6). Benjamini, Y. Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 57(1): pp Carpenter, J. Kenward, M. (2013). Multiple Imputation and its Applications. John Wiley and Sons, New York. Czibik, Á. Makó, Á. Máté, F. Türei, G. Várhalmi, Z. Zichy, F. (2013). Rövidtávú munkaerő-piaci prognózis MKIK Gazdaság és Vállalkozáskutató Intézet, Budapest. Dekkers, G. (2010). The long-term adequacy of the Belgian public pension system: An analysis based on the MIDAS model (working paper). Federaal Planbureau, Brussels.

15 Dekkers, G. (2013). An introduction to MIDAS_BE, the dynamic microsimulation model for Belgium (working paper). Centre for Sociological Research, Brussels. Dekkers, G. Belloni, M. (2009). Micro simulation, pension adequacy and the dynamic model MIDAS: an introduction (working paper). Federaal Planbureau, Brussels. Galasi, P. Varga, J. (2005). Munkaerőpiac és Oktatás. MTA Közgazdaságtudományi Intézet, Budapest. Holtzer, P. (szerk., 2010). Jelentés a Nyugdíj és Időskor Kerekasztal tevékenységéről. Miniszterelnöki Hivatal, Budapest. Kertesi, G. Köllő, J. (2006). Felsőoktatási expanzió, diplomás munkanélküliség és a diplomák piaci értéke. Közgazdasági Szemle, LIII. évf., március, pp Kertesi, G. Varga, J. (2005). Foglalkoztatás és iskolázottság Magyarországon. Közgazdasági Szemle, LII. évf., 7 8. sz., pp Kleinbaum, D. G. Klein, M. (2010). Logistic regression (3 rd edition). Springer-Verlag, New York. Kovács, E. Szüle, B. Fliszár, V. Vékás, P. (2011). Pénzügyi adatok statisztikai elemzése: Egyetemi tankönyv. Tanszék Kft., Budapest. Li, J. (2011). Dynamic Microsimulation for Public Policy Analysis. Boekenplan Maastricht, Maastricht. Li, J. O Donoghue, C. (2013). A survey of dynamic microsimulation models: uses, model structure and methodology. International Journal of Microsimulation, 6(2): pp Picard, R. Cook, D. (1984). Cross-Validation of Regression Models. Journal of the American Statistical Association, 79(387): pp Szabó, S. Cs. K. (2000): Nyugdíjrendszerünk 1929-től 1997-ig. In. Augusztinovics, M. (szerk.): Körkép reform után. Tanulmányok a nyugdíjrendszerről. Közgazdasági Szemle Alapítvány, Budapest. Zaidi, A. Rake, K. (2001). Dynamic Microsimulation Models: A Review and Some Lessons for SAGE (p. 40). SAGE Discussion Papers. URL: letöltés dátuma:

16 Köszönöm a figyelmet!