A FOGLALKOZTATÁS MODELLEZÉSE Vékás Péter (e-mail: peter.vekas@uni-corvinus.hu) egyetemi tanársegéd, Budapesti Corvinus Egyetem



Hasonló dokumentumok
Az egyéni munkaerő-piaci aktivitás becslése a MIDAS_HU mikroszimulációs nyugdíjmodellben

Modellpontok szerepe a nyugdíj-hatásvizsgálatban

Foglalkoztatási modul

A MIDAS_HU modell elemei és eredményei

A MIDAS_HU eredményeinek elemzése, továbbfejlesztési javaslatok HORVÁTH GYULA MÁJUS 28.

Magyar Tudományos Akadémia Emberi Erőforrások Gazdaságtana Tudományos Bizottság

munkaerőpiaci tükör 2006

Munkaerőpiaci tükör 2016

Munkaerőpiaci tükör 2013

Munkaerőpiaci tükör 2012

Modellpontok képzése és használata

A felsőoktatási részvétel és a felsőfokú végzettség hozamának változása Magyarországon

Munkaerőpiaci tükör 2014

MUNKAERŐPIACI TÜKÖR 2002

Az 1998-as szakiskolai reform hatása

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János január

2010 és 2015 között az MTA KRTK Adatbank által gondozott KSH állományokból készült publikációk listája

TUDOMÁNY NAPJA 2013 DEBRECEN, A képzettség szerepe a gazdasági növekedésben szektorális megközelítésben

Does pension policy make older women work more?

Munkaerőpiaci tükör 2017

Magyar Tudományos Akadémia Emberi Erőforrások Gazdaságtana Tudományos Bizottság. Meghívó

Iskolázottság és szubjektív jóllét

Szakszemináriumi téma neve: Kockázatok mérése a Szolvencia II. szabályozásban

Hogyan változott a magyar foglalkoztatás 2008 óta?

A nyugdíjelőrejelzések felhasználási területei a Nemzetgazdasági Minisztérium munkájában

12. A NŐK40 PROGRAM DILEMMÁI

Regression games and applications TDK prezentáció

Munkapiaci előrejelzés 2017-re és a közfoglalkoztatás hatása a munkapiaci helyzetre

Heckman modell. Szelekciós modellek alkalmazásai.

VÁLOGATOTT PUBLIKÁCIÓK. NÉV: GALASI Péter KÖNYV, KÖNYVFEJEZET

Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése

Koós Bálint: Területi kirekesztés és gyermekszegénység Magyarországon. Magyar Tudományos Akadémia Közgazdaság és Regionális Tudományi Kutatóközpont

Meghívó. Program November 9. péntek

Mennyit segít az ovi? A gyermekfelügyeleti lehetőségek hatása az anyák aktivitására a szakadásos regresszió kiterjesztése Szirák november 15.

Keresztély Tibor. Tanulmányok. Tanítási tapasztalat. Kutatási tevékenység

Diplomás pályakezdők a versenyszektorban

Döntési fák. (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART ))

AUGUSZTINOVICS, M Pénzügyek a szocializmusban. Közgazdasági és Jogi Könyvkiadó, Budapest.

Szerzőink, szaklektoraink

Az érettségi védelmében

FOLYÓIRATOK, ADATBÁZISOK

6. előadás - Regressziószámítás II.

Rendszerváltás, nyertesek, vesztesek Empirikus adatok a Háztartások Életút Vizsgálata alapján

A felsőfokú végzettségű munkavállalók munkaerő-piaci helyzete és foglalkozásuk-iskolai végzettségük illeszkedése

A harmadik országbeli állampolgárok munkaerő-piaci helyzetére és beilleszkedésre vonatkozó II. negyedéves KSH adatgyűjtés

Továbbtanulás a felsőoktatásban

Népességnövekedés Technikai haladás. 6. el adás. Solow-modell II. Kuncz Izabella. Makroökonómia Tanszék Budapesti Corvinus Egyetem.

Kurzuskód: PEDM-F16 Kreditértéke: 2. Szak és szint: Neveléstudomány MA Képzési forma: nappali

Magyar Tudományos Akadémia Emberi Erőforrások Gazdaságtana Tudományos Bizottság. Meghívó

Mérés módja szerint: Időtáv szerint. A szegénység okai szerint

Friss diplomás keresetek a versenyszektorban

Az MNB által előfizetett bel- és külföldi lapok, folyóiratok, adatbázisok listája

Modellpontok szerepe a nyugdíj-hatásvizsgálatban

Megyei statisztikai profil a Smart Specialisation Strategy (S3) megalapozásához- Budapest és Pest megye. Budapest, dr.

A szakképző iskolát végzettek iránti kereslet várható alakulása a kutatás koncepciójának bemutatása, új elemek ismertetése

Szakmai önéletrajz Makó Ágnes. Szakmai önéletrajz

STATISZTIKAI ADATOK. Összeállította fazekas károly köllő jános lakatos judit lázár györgy

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János január

Online melléklet. Kertesi Gábor és Kézdi Gábor. c. tanulmányához

munkaerőpiaci tükör 2007

TÁJÉKOZTATÓ. a hosszútávú demográfiai folyamatoknak a társadalombiztosítási nyugdíjrendszerre gyakorolt hatásairól

Megyei statisztikai profil a Smart Specialisation Strategy (S3) megalapozásához Veszprém megye

Oktatói önéletrajz Dr. Tátrai Tünde

Migrációs adatrendszerek Magyarországon és a Munkaerő Felvétel a migráció-kutatásban

TÁRKI HÁZTARTÁS MONITOR Budapest, Gellért Szálló március 31.

Rövidtávú munkaerőpiaci prognózis 2017

Karrier gyermekvállalás előtt és után. Cukrowska-Torzewska Ewa, Lovász Anna, Szabó-Morvai Ágnes Szirák November

Roma fiatalok a középiskolában: Beszámoló a TÁRKI Életpálya-felmérésének 2006 és 2012 közötti hullámaiból

Menni vagy maradni? Előadó: Fülöp Gábor, HKIK főtitkár. Eger, szeptember 28.

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

STATISZTIKAI ADATOK. Szerkesztette Bálint Mónika. Összeállította busch irén Fazekas Károly Köllő János Lakatos Judit

Az informális munkavégzést meghatározó tényezők Magyarországon

Társadalmi-gazdasági folyamatok modellezése 1990 után Magyarországon

Magyar Tudományos Akadémia Emberi Erőforrások Gazdaságtana Tudományos Bizottság. Meghívó

Bevezetés az ökonometriába

Készítette: Lovász Anna. Szakmai felelős: Lovász Anna június

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

A diplomás pályakezdők és felsőoktatási intézmények vállalati szemmel kutatási program ismertetése

Keszi Roland. A távmunkavégzés munkaszervezeti bevezetését meghatározó tényezők a kkv szektorban. Szervezetszociológiai modellkísérlet

5. el adás. Solow-modell I. Kuncz Izabella. Makroökonómia. Makroökonómia Tanszék Budapesti Corvinus Egyetem

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

Demográfiai és munkaerő-piaci helyzetkép vidéken. Lipták Katalin

Oktatói adatlap Dr. Kengyel Ákos

Munkahelyi kompetencia-követelmények, iskolai végzettség és kereset

OKTATÁS ÉS MUNKAERŐPIACI ÉRVÉNYESÜLÉS. Munkatudományi kutatások

3.2. MANIFESZT HIÁNYHELYZETEK BETÖLTETLEN ÁLLÁSOK ÉS KIHASZNÁLATLAN KAPACITÁSOK

Nyugdíjkiszámítási rendszerek összehasonlító vizsgálata

Kivándorlás és iskolázottság: Iskolázottság szerinti szelekció a Magyarországról 2009 és 2013 között kivándoroltak körében

Zárójelentés a T számú A felsőoktatás-politika története és történetének tanúságai című OTKA kutatásról (Témavezető: Polónyi István)

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

Megyei statisztikai profil a Smart Specialisation Strategy (S3) megalapozásához Csongrád megye

NİI KARRIER 40 és 50 ÉV FELETT NEMZETKÖZI KONFERENCIA november 20

A hallgatói preferenciák elemzése statisztikai módszerekkel

Nyugdíjreformok Közép-Kelet-Európában válság idején

2006 CÉL Összesen 66,0 64, ,3 57,0 58,7 Nők 58,4 57, ,1 51,8 53, ,3 43, ,6 33,3 34,8

Többváltozós lineáris regressziós modell feltételeinek

társadalomtudományokban

STATISZTIKAI ADATOK. Összeállította fazekas károly köllő jános lakatos judit lázár györgy

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

A gazdasági válság földrajza 2011/1

Átírás:

Országos Nyugdíjbiztosítási Főigazgatóság MIDAS_HU workshop, 2015.05.28. A FOGLALKOZTATÁS MODELLEZÉSE Vékás Péter (e-mail: peter.vekas@uni-corvinus.hu) egyetemi tanársegéd, Budapesti Corvinus Egyetem

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 2002. évi keresztmetszeti adatokból becsüli az aktivitást Itthon 43 évnyi adminisztratív adatunk volt Kevésbé stabil a munkaerőpiac, mint Belgiumban (pl. 1991-92 körül egymillió ember hagyta el a munkaerőpiacot) A MIDAS_HU modellben kívánatos a hosszmetszeti információk felhasználása!

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

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)

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 2012. évi valódi osztónapok száma küszöbértéknél elvágva, a változó évesített átlagát megőrizve

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

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: 1970-1991, (törés) 1992-2001, 2001-2010 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

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

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 2011. évi aktivitás szerint (pl. a legjobb szegmens: magas, 2011-ben aktív)

Öt modellspecifikáció Tanuló és tesztelő (90-10%) minta, osztott mintás validáció Öt egymásba ágyazott modell: 0. modell: csak konstans 1. modell: 2011. 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)

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

Klasszifikáció A becsült valószínűségek alapján, küszöbérték (cutoff): a 2012. 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

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

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. 429 447. Augusztinovics, M. Gyombolai, M. Máté, L. (2008). Járulékfizetés és nyugdíjjogosultság 1997 2006. Közgazdasági Szemle, 55. évf. 7 8. sz., pp. 665 689. Augusztinovics, M. Köllő, J. (2007). Munkapiaci pálya és nyugdíj, 1970 2020. Közgazdasági Szemle, LIV. évf., 2007. június, pp. 529 559. 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 2012 2013 ban. In: Fazekas, K. Neumann, L. (szerk.): Munkaerőpiaci Tükör 2013. MTA Közgazdaság és Regionális Tudományi Kutatóközpont, Közgazdaságtudományi Kutatóintézet, Országos Foglalkoztatási Nonprofit Kft., Budapest. Bakó, T. (2014). A magyarországi munkapiac 2013 2014 ben. In: Fazekas, K. Neumann, L. (szerk.): Munkaerőpiaci Tükör 2014. 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. 289 300. 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 2014. 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.

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., 2006. március, pp. 201 225. Kertesi, G. Varga, J. (2005). Foglalkoztatás és iskolázottság Magyarországon. Közgazdasági Szemle, LII. évf., 7 8. sz., pp. 633 662. 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. 3-55. Picard, R. Cook, D. (1984). Cross-Validation of Regression Models. Journal of the American Statistical Association, 79(387): pp. 575 583. 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: www.lse.ac.uk/depts/sage, letöltés dátuma: 2015.05.14.

Köszönöm a figyelmet!