Korreferensi vélemény Hermann Zoltán – Varga Júlia: A népesség iskolázottságának előrejelzése 2020-ig Iskolázási mikroszimulációs modell (ISMIK) Budapest, c. tanulmányáról Tóth István György Tárki Zrt

Miért kell mikroszimuláció, ha jön a népszámlálási adat? Mit is értünk dinamikus mikroszimuláción? Miért pont ezekkel a szcenáriókkal számoltak? Megfelelt-e eddig a teszteknek az előrejelzés? Mekkora a becslések megbízhatósága? Mi értelme van a regionális becsléseknek? Kérdések, amelyeket a korreferens először tesz fel magának a felkéréskor

Az alapprobléma: hogyan szerezzünk társadalmi ismereteket folyamatosan végzett és költséges empirikus adatfelvételek időpontjai között Átfogalmazva: mi az optimális kombinációja a különböző időpontokban elvégzett becsléseknek (cenzus, mikrocenzus, munkaerőfelvétel, keresztmetszeti és panel háztartásvizsgálatok) és a közöttük megvalósuló továbbvezetésnek? A mikroszimuláció értelmezései Továbbvezetés (ezt elvégzik) Viselkedési visszahatások (helyettesítési és alkalmazkodási folyamatok) modellezése (ez még nincs kész) A továbbvezetés elméleti lehetőségei Aggregátumok segítségével (Hablicsek) Mikro becslések alapján (ISMIK) Ez egy nagyon alapos, körültekintően elvégzett munka

Alapcél: munkakínálat, termékenység, halandóság, migráció trendjeinek előrejelzése Feltételezés: a fenti jellemzők alapvetően függnek az iskolázottsági szinttől ill. az iskolai részvételtől (és, implicit feltételezés: csak ezektől…) Eszköz: iskolázottsági szint előreszámítása (dinamikus keresztmetszeti diszkrét idejű rekurzív mikroszimulációs modellel) A modell lépései: Az adatok „felkészítése”: - Kiinduló állapot (2001-es népszámlálás 50%-os !! mintája) - Kiegészítés: az önbevalláson alapuló (1,8%) etnikai változó mellé újabb 3,6% népességhez „roma”-ság hozzárendelése Esemény-bekövetkezési valószínűségek becslése (demográfiai, iskolai karrier és belső migráció) átmenet-valószínűségek regressziós számítása kiegészítő adatforrásokból (survey-k, admin adatok, stb) A továbbvezetés módszerei regressziós eljárások feltételezések Validálás retrospektív összevetés időközi survey jellegű keresztmetszeti vizsgálatokkal

Szcenáriók A: alap forgatókönyv B: roma/nem roma különbségek „megszüntetése” C: Iskolázottságot érintő intézkedések C1-C2: Iskolakötelezettségi korhatár leszállítása és szakiskola-expanzió C3: felsőoktatási férőhelyek korlátozása

IdőtávJellegValidálási lehetőségAdatokKérdések „re-projektív”Megvalósult empirikus adatfelvételekhez retrospektíve LFS 2005 mikrocenzus Megegyezik-e a trendek „előrejelzett” iránya? 2011„re-projektív”Népszámlálás (ha lesz adat) 2011-es népszámlálás Egybeesik-e a prediktált adat az adott időpontban becsült (népszámlálási) adattal? Ha nem, melyik a „téves”? ProjektívKésőbbi empirikus adatfelvételek, mikrocenzus, stb Későbbi LFS, későbbi mikrocenzusok, stb Mennyire megbízható az előrejelzés?

1.A modell alapfeltevése: az egyének nem tanulnak (preferenciáik és reakcióik időben változatlanok). A szimuláció tehát az összetételhatások változását mutatja. (Bár egyes esetekben viselkedési feltételezésekkel is él - pl a felsőoktatási férőhely-korlátozáshoz alkalmazkodást illetően). Kérdés: mekkora az előrejelzési kockázata annak, hogy a modell „nem figyel” a Szülők munkaerőpiaci státusára (csak az iskolázottsági státusukra) A demográfiai viselkedés (házasság/válás, együttélési minták) változására, A külső migrációs egyenleg iskolázottsági összetételére A külföldön szerzett iskolai végzettségre Javaslat: érdemes lenne ezek lehetséges hatására vonatkozó kvalifikáló megjegyzéseket tenni. 2: A roma etnikai változó imputálása az „önbevallott romák” számának (1,8%) kétszeresénél? Kérdések: Ha ez fix érték a húsz évben: mi a feltételezésünk a termékenység és a halandóság roma-specifikus adatainak alakulását illetően? Hogyan „viszik magukkal” ezt a státust a szimuláció során? (egyszerű attribútumként v „viselkedési” jellemzőként? Általános módszertani kérdések

3: Validálás a „re-projektív” szakaszban: A becslések megbízhatósági intervalluma? (ebből lehetne tudni, hogy a mikrocenzustól vagy az LFS becsléseitől való eltérések szignifikánsak-e) Hogy kell értékelni, ha pl. az LFS és a mikroszimuláció trendjei keresztezik egymást? 4: Mi a hozzáadott értéke a regionális előrejelzéseknek? Ha a regionális különbség – mint a jelenlegi anyagban – „háttérváltozóvá” válik, lehet-e neki egyben magyarázó erőt is tulajdonítani?? Ha a regionális előrejelzések/továbbvezetések tartalmaznak regionális fix hatás- változókat, érdemes lenne ellenőrizni hogy a 2020-as országos előrejelzés kijön-e a regionális előrejelzések aggregátumaként is Általános módszertani kérdések

A éves és a népesség iskolázottság szerinti arányai (%) iskolázottsági kategóriánként, a Munkaerő-felvételek adatai és a mikroszimuláció eredménye alapján, % Módszertani – technikai kérdések 1 – alapváltozat: Mi magyarázza az LFS és az ISMIK közötti különbségek időbeni trendváltását (a „re-projektív” szakaszban)? (a. általánosnál kevesebb, általános isk.)

A éves és a népesség iskolázottság szerinti arányai (%) iskolázottsági kategóriánként, a Munkaerő-felvételek adatai és a mikroszimuláció eredménye alapján, % Módszertani –technikai kérdések 1 – alapváltozat: Mi magyarázza az LFS és az ISMIK közötti különbségek időbeni trendváltását (a „re-projektív” szakaszban)? (b. szakiskola, érettségi) Ezek szignifikáns eltérések?? Megj: a szignifikanciát egyszerű lenne a mikroszimulációs pontbecslések és a survey konfidencia intervallumok összevetésével tesztelni első körben

Módszertani – technikai kérdések 1 – alapváltozat: Mi magyarázza az LFS és az ISMIK közötti különbségek időbeni trendváltását (a „re-projektív” szakaszban)? (c. diploma) A éves és a népesség iskolázottság szerinti arányai (%) iskolázottsági kategóriánként, a Munkaerő-felvételek adatai és a mikroszimuláció eredménye alapján, % Ezek szignifikáns eltérések?? Megj: a szignifikanciát egyszerű lenne a mikroszimulációs pontbecslések és a survey konfidencia intervallumok összevetésével tesztelni első körben

Módszertani kérdések 2 – alapváltozat: Mi magyarázza az aggregált adatokon alapuló előrejelzés és az ISMIK előrejelzés drasztikus eltérését az alacsony iskolázottság jövőbeni trendjeit illetően? A különböző végzettségi kategóriákhoz tartozó éves népesség aránya (%) a mikroszimuláció alapváltozata, és az aggregált adatokon alapuló előrejelzések eredményei szerint

A éves és a éves népesség aránya végzettségi kategóriák szerint, % Tartalmi kérdések 1 – alapváltozat Mi magyarázza 2010 után a és a kohorszban az iskolázottsági arányok hirtelen (előzmények nélküli) stabilizálódását? Javaslat: dekompozíciós számítás az okokról, vagy interpretáció bővebben

A éves népesség iskolázottság szerinti arányai (%) nemek szerint a mikroszimuláció alap-, és 2. változata szerint Tartalmi kérdések 2 – (2. „roma”) változat Mi magyarázza 2010 után az alacsony iskolázottság arány növekedését? (abban a verzióban is, amelyben ki van iktatva a „roma” komponens) Javaslat: dekompozíciós számítás az okokról, vagy interpretáció bővebben

A éves népesség iskolázottság szerinti arányai (%) nemek szerint a mikroszimuláció alap-, és 2. változata szerint Tartalmi kérdések 3 – Mi magyarázza 2020 táján a diplomások számának visszaesését? Javaslat: dekompozíciós számítás az okokról, vagy interpretáció bővebben

Az itt bemutatott mikroszimulációs gyakorlat - szükséges (mellesleg: a többi is becslés) - alapos (magyar és nemzetközi viszonylatban is páratlanul figyelemre méltó) - fejlesztendő (dekompozíciók, tartalmi magyarázatok, megbízhatósági intervallumbecslések, stb) - jelen változatában is tanulságos Néhány fontosabb tanulság: - A romák hátrányának csökkentése és az iskolarendszer befogadóbbá válása mindenkinek a javára válna - A tankötelezettségi kor leszállítása növeli az alacsony iskolázottságúak kibocsátását és nem feltétlenül növeli a szakiskolai végzettségűek számának növekedését - Szükséges lenne (nagy számban) kiegészítő kutatásokat végezni a viselkedési visszahatások paraméterezéséhez szükséges rugalmassági együtthatók becslésére (hogy kevesebbszer kelljen bizonytalan feltételezésekre építeni) Tanulságok