Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet A foglalkoztatás-szerkezet előrejelzése Magyarországon Antal Gábor.

Hasonló előadás


Az előadások a következő témára: "MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet A foglalkoztatás-szerkezet előrejelzése Magyarországon Antal Gábor."— Előadás másolata:

1 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet A foglalkoztatás-szerkezet előrejelzése Magyarországon Antal Gábor MTA KRTK-KTI Szirák, november 10.

2 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Bevezetés (1) TÁMOP /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 o Makrogazdasági modell és iparági szerkezet alapján iparági kibocsátás előrejelzése o Munkaerő-keresleti modell alapján iparági foglalkoztatás előrejelzése o Iparági foglalkoztatás felbontása foglalkozások szerint; és foglalkozások szerinti foglalkoztatás felbontása nemek, iskolai végzettség és régiók szerint

3 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Bevezetés (2) Keresleti oldalon alapuló, de nem munkaerő kereslet, hanem foglalkoztatás előrejelzés Két szakmai termék (mérföldkő): o Előzetes – o Végső – Előrejelzési horizont: o Középtávú előrejelzés: 2015-ig o Hosszútávú előrejelzés: 2020-ig

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

5 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 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 o Még egy válságév: válság hatása jobban becsülhető o Hosszabb időszak az iparági keresleti modell becslésére Dolgozói adatok új adatforrásból (ONYF) o Minta elaprózódás kezelésére a struktúra előrejelzéséhez o Bejelentett dolgozók 50%-os mintája, havi frekvencia o Problémák:  Egyszeri mintavétel az időszak elején, lemorzsolódás  Hiányos változók: TEÁOR nincs; FEOR hiányzik egyéni vállalkozóknál; iskolai végzettség, régió minősége is elmarad a Bértarifától o

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

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

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

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

10 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 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 o Foglalkozások szerinti létszám felbontása részarányokra a fenti jellemzők szerint, o A részarányok alakulásának előrejelzése egyszerű trenddel cellánként, o 5 kategória iskolai végzettség szerint:  kevesebb, mint 8 általános  8 általános  szakiskola (érettségi nélkül)  érettségi  felsőfokú végzettség

11 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Melyek az előrejelzés korlátai? (1) Szakértők vs algoritmusok o 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) …… o Egyszerű módszertani eszközök létjogosultsága Strukturális törések o Előrejelzésük szinte lehetetlen (lásd jelenlegi válság) o Válságot előre “tudó”: sokszor téved, egyszer igaza van

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

13 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (1) A legnépesebb foglalkozások

14 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (2) A legdinamikusabban növekedő/csökkenő foglalkozások

15 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (3) Foglalkoztatottak foglalkozások szerint

16 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (4) Foglalkoztatottak foglalkozások szerint

17 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (5) Foglalkoztatottak foglalkozások szerint

18 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (6) Foglalkoztatottak nemek szerint (ezer fő)

19 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (7)

20 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (8)

21 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (9) Foglalkoztatottak iskolai végzettség szerint (ezer fő)

22 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (10) Foglalkoztatottak végzettség szerint: “skill upgrading”

23 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (11) Foglalkoztatottak végzettség szerint: “skill upgrading”

24 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (12) Foglalkoztatottság régiók szerint

25 MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Néhány érdekes eredmény (13) Foglalkoztatottság régiók szerint

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


Letölteni ppt "MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet A foglalkoztatás-szerkezet előrejelzése Magyarországon Antal Gábor."

Hasonló előadás


Google Hirdetések