A foglalkoztatás-szerkezet előrejelzése Magyarországon

Az előadások a következő témára: "A foglalkoztatás-szerkezet előrejelzése Magyarországon"— Előadás másolata:

1 A foglalkoztatás-szerkezet előrejelzése Magyarországon
Antal Gábor MTA KRTK-KTI Szirák, november 10.

2 Bevezetés (1) TÁMOP - 2.3.2-09/1 kiemelt projekt
„Munkaerő-piaci előrejelzések készítése, szerkezetváltási folyamatok előrejelzése” 6. alprojekt: A foglalkoztatás előrejelzése foglalkozások, nem, iskolai végzettség és régiók szerint (John Earle, Telegdy Álmos, Antal Gábor) Az alprojekt célja: Foglalkoztatási struktúra előrejelzése 2020-ig Makrogazdasági modell és iparági szerkezet alapján iparági kibocsátás előrejelzése Munkaerő-keresleti modell alapján iparági foglalkoztatás előrejelzése Iparági foglalkoztatás felbontása foglalkozások szerint; és foglalkozások szerinti foglalkoztatás felbontása nemek, iskolai végzettség és régiók szerint

3 Bevezetés (2) Keresleti oldalon alapuló, de nem munkaerő kereslet, hanem foglalkoztatás előrejelzés Két szakmai termék (mérföldkő): Előzetes – Végső – Előrejelzési horizont: Középtávú előrejelzés: ig Hosszútávú előrejelzés: ig

4 Milyen adatokat használ a projekt? (1)
Első mérföldkő – előzetes szakmai termék ( ) Éves aggregált ágazati adatok (KSH Évkönyvek) Ágazati kibocsátás és ágazati foglalkoztatás Teljes nemzetgazdaság Cégszintű adatok (NAV) Versenyszféra, kettős könyvelést végző vállalkozások Teljes üzleti beszámoló érdekes: kibocsátás, létszám, iparág Dolgozói adatok (KSH Bértarifa) Verseny- és közszféra, reprezentatív intézményi és dolgozói minta Bérek, dolgozói jellemzők, kevés cégadat érdekes: iparág, foglalkozás, nem, iskolai végzettség, régió

5 Milyen adatokat használ a projekt? (2)
Második mérföldkő – végső szakmai termék ( ) Mint az előzetes szakmai terméknél + új adatok Cégszintű adatok (NAV) és dolgozói adatok (KSH Bértarifa) 2010-es hulláma Még egy válságév: válság hatása jobban becsülhető Hosszabb időszak az iparági keresleti modell becslésére Dolgozói adatok új adatforrásból (ONYF) Minta elaprózódás kezelésére a struktúra előrejelzéséhez Bejelentett dolgozók 50%-os mintája, havi frekvencia Problémák: Egyszeri mintavétel az időszak elején, lemorzsolódás Hiányos változók: TEÁOR nincs; FEOR hiányzik egyéni vállalkozóknál; iskolai végzettség, régió minősége is elmarad a Bértarifától

6 Melyek az előrejelzés fő lépései? (1)
A módszertan nagy vonalakban a nemzetközi foglalkoztatás-előrejelzési gyakorlatot követi Legközelebb az alábbi három ország eljárásához áll: Egyesült Államok (Lockard és Wolf 2012) Kanada (Policy Research Directorate 2008) Írország (Behan és Shelly 2010) Korábbiaknál nagyobb, átfogóbb országos foglalkoztatás előrejelzési projekt Fő probléma: több adatbázis összefésülése; egyenként is hiányosak

7 Melyek az előrejelzés fő lépései? (2)
I. Iparági kibocsátás előrejelzése 2020-ig 1. Ágazati kibocsátás előrejelzése 2020-ig Strukturális makromodell (1. és 5. alprojekt) Nemzetgazdaság 10 ágazatra bontva (7 verseny- és 3 közszféra) KSH aggregált adatok alapján Szcenáriók az export várható alakulása szerint 2. 7 versenyszféra ágazat felbontása 16 iparágra Kompromisszum 2 versengő cél között: Szoros korreláció iparági kibocsátás és iparági munkaerő kereslet között Mintaaprózódás elkerülése a további jellemzők szerinti tagolás során Cégszintű tényadatok (NAV) , majd ez alapján előrejelzés egyszerű trenddel 3 közszféra iparág: ugyanaz mint makromodellben (részletesen később)

8 Melyek az előrejelzés fő lépései? (3)
II. Iparági foglalkoztatás előrejelzése (16+3 iparág) 1. Iparági munkaerő-keresleti modell kiválasztása és becslése 4 versengő modell: legjobb kiválasztása próba-előrejelzéssel Becslés , “előrejelzés” MAPE számítás iparáganként, legalacsonyabb átlag nyer Győztes modell magyarázó változói: egyidejű iparági kibocsátás + trend Legjobb modellel létszám-kibocsátás kapcsolat becslése 16 iparágra, Cégszintű adatokon (NAV) 2. Iparági foglalkoztatás előrejelzése 2020-ig Becsült munkakeresleti modell együtthatói és előrejelzett iparági kibocsátás segítségével a 16 versenyszféra iparágra Közszféra: makromodellből Cégszintű adatok (NAV)

9 Melyek az előrejelzés fő lépései? (4)
III. A foglalkoztatás-szerkezet előrejelzése 1. Foglalkoztatottak létszáma foglalkozások szerint (200 foglalkozásra) Áttérés dolgozói adatokra (Bértarifa) között foglalkozások szerinti iparági létszám részarányok számítása 200x19 cella: túl sokat várunk a mintától => alacsony elemszámú, hasonló iparághoz tartozó cellák összevonása Előrejelzés egyszerű trenddel foglalkozás-iparág cellánként, majd cellák aggregálásával foglalkozások szerinti foglalkoztatás, 2. Foglalkoztatottak létszáma nem, iskolai végzettség és régiók szerint

10 Melyek az előrejelzés fő lépései? (4)
III. A foglalkoztatás-szerkezet előrejelzése 1. Foglalkoztatottak létszáma foglalkozások szerint (200 foglalkozásra) 2. Foglalkoztatottak létszáma nem, iskolai végzettség és régiók szerint Foglalkozások szerinti létszám felbontása részarányokra a fenti jellemzők szerint, A részarányok alakulásának előrejelzése egyszerű trenddel cellánként, 5 kategória iskolai végzettség szerint: kevesebb, mint 8 általános 8 általános szakiskola (érettségi nélkül) érettségi felsőfokú végzettség

11 Melyek az előrejelzés korlátai? (1)
Szakértők vs algoritmusok Számos környezetben bizonyították, hogy egyszerű algoritmusok jobban teljesítenek, mint a szakértő előrejelzők emberi viselkedés előrejelzése (Meehl 1954) Bordeaux-i borok ára (Ashenfelter 2008) pénzügyi termékek (Odean-Barber 2002) többváltozós regresszió vs egyszerű, súlyozatlan lineáris kombinációk: pl. (szeretkezés gyakorisága – viták gyakorisága) => házasság tartóssága (Dawes 1979) … Egyszerű módszertani eszközök létjogosultsága Strukturális törések Előrejelzésük szinte lehetetlen (lásd jelenlegi válság) Válságot előre “tudó”: sokszor téved, egyszer igaza van

12 Melyek az előrejelzés korlátai? (2)
Adatok Különböző célsokaságok alkalmazottak vs foglalkoztatottak (EV, szöv. tag, segítő családtag,…) mikrovállalkozások hiányoznak Kis minta – bizonytalan becslés Rövid idősorok – módszertani korlátok Közszféra Ágazati kibocsátás mérése nehéz Kibocsátás és munkakereslet közötti kapcsolat gyenge (politikai ciklusok) Ezért: Kibocsátás és létszám előrejelzése a makromodellből, csak a struktúra előrejelzése mikroadatok segítségével

13 Néhány érdekes eredmény (1)
A legnépesebb foglalkozások

14 Néhány érdekes eredmény (2)
A legdinamikusabban növekedő/csökkenő foglalkozások

15 Néhány érdekes eredmény (3)
Foglalkoztatottak foglalkozások szerint

16 Néhány érdekes eredmény (4)
Foglalkoztatottak foglalkozások szerint

17 Néhány érdekes eredmény (5)
Foglalkoztatottak foglalkozások szerint

18 Néhány érdekes eredmény (6)
Foglalkoztatottak nemek szerint (ezer fő)

19 Néhány érdekes eredmény (7)

20 Néhány érdekes eredmény (8)

21 Néhány érdekes eredmény (9)
Foglalkoztatottak iskolai végzettség szerint (ezer fő)

22 Néhány érdekes eredmény (10)
Foglalkoztatottak végzettség szerint: “skill upgrading”

23 Néhány érdekes eredmény (11)
Foglalkoztatottak végzettség szerint: “skill upgrading”

24 Néhány érdekes eredmény (12)
Foglalkoztatottság régiók szerint

25 Néhány érdekes eredmény (13)
Foglalkoztatottság régiók szerint

26 Változások a végső szakmai termékben
2010-es év hozzáadása (NAV és Bértarifa) Már 2 válságév, ezért módszertani változás: Alapbecslések , helyett 2009 és 2010: válság dummy becslése Feltevés: válság dummy “bekapcsolva” (=1) 2013-ig ONYF adatok bevonása Regionális becslés/előrejelzés javítása Ott aprózodik fel leginkább a minta Teljes előrejelzés nem lehetséges Nincs iparági azonosító FEOR nincs egyéni vállalkozókra Iskolai végzettség csak a munkanélküliekre