MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Az inaktívak és aktívak létszámának előrejelzése ágazati és foglalkozási bontásban Előrejelző modell és előzetes eredmények

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Az előrejelzési feladat kerete Cél: a munkakínálat előrejelzése között Keretek: 10 ágazat és 200 foglalkozás szerinti bontás Az előrejelzéshez felhasználható inputok: Tényadatok (LFS) Demográfiai előrejelzés (népesség nem, kor, iskolai végzettség és régió szerinti bontásban rendelkezésre álló létszáma) Munkaképes korú népesség várható létszáma a 200 foglalkozásban GDP előrejelzés Feladat: aktivitási ráta előrejelzés

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Kiindulópont Egyéni szinten az aktivitási döntés a szabadidő és a fogyasztás közötti döntés eredménye a szakirodalom alapján így összefüggésbe hozható egyéni demográfiai jellemzőkkel (nem, életkor, iskolai végzettség, családi állapot), makrogazdasági és intézményi környezet jellemzőivel Aggregáltan vizsgálva az inaktivitás legjellemzőbb csoportjait a gyermekvállalás, nyugdíj vagy nappali tagozatos tanulmányok miatt távol lévők jelentik Mindezek meglehetősen közvetetten vannak összefüggésben a foglalkozással és az ágazattal

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Koncepció Aktivitási ráta becslés Transzformáció szakma szerinti aktivitássá Transzformáció ágazati bontású aktivitássá

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Az aktivitási ráta becslése LFS alapján egyedi adatokat nem, korcsoport és régió szerint aggregáljuk (168 megfigyelés/időpont) negyedéves gyakoriságú adatfelvételt éves gyakoriságúvá alakítjuk (átlagolás, évek) Az adatbázis kiegészítjük makrogazdasági és intézményi változókkal, úgymint GDP nyugdíjkorhatár gyermekelhelyezési intézmények elérhetősége

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Az aktivitási ráta becslése Az aktivitási ráta becslése során a standard megoldás az ún. logisztikus transzformált becslése: a transzformált aktivitási ráta idősora meglehetősen perzisztens, tehát az idősoros vizsgálat és eszközök is szükségesek a strukturális hatásokat magyarázó változókkal próbáljuk megragadni (OLS-el becsüljük), ezek főleg a demográfiai, makrogazdasági és intézményi környezet jellemzői

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Az egység-gyök tesztek

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Alapmodell A transzformált aktivitási ráta differenciáját magyarázzuk strukturális tényezőkkel + késleltetett tagok Modellszelekciós eljárás: adatain megbecsüljük a modellt adatain előre jelezzük az előrejelzés átlagos standard hibája alapján határozzuk meg a végleges modellspecifikációt

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Modellváltozatok a modellváltozatok elsősorban a magyarázó változókban és a nemek között különbségek kezelésében térnek el egymástól „Teljes modell” ugyanazon modellen belül becsüljük meg a férfiak és nők aktivitását, az esetleges különbség egyetlen nem dummy változóban jelenik meg „Vegyes modell” a két nem esetén a becsült együtthatók eltérhetnek egymástól, de a változólista azonos „Férfi-nő modell” a két nemre eltérő modellspecifikációk (változók + együttható) lesznek érvényesek

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Differenciára felírt modellek

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Differencia vagy szint?

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Előrejelzés A „Teljes_14” modellel jelzünk előre GDP pálya jön az 1-es alprojektből (makromodell) educ_yrs, eletkor jön a demográfiai előrejelzésből old_pen: a nyugdíjkorhatár változatlanságát feltételezzük a következő ábrákon egy alternatív modellspecifikáció által adott előrejelzést is megmutatunk

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Aktivitási ráta (átlagos)

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Nemek szerinti aktivitás

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Előrejelzési modellváltozat

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Nyugdíjkorhatár emelés hatása

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Transzformáció szakma szerinti aktivitássá A szakma szerinti aktivitási ráták meghatározásának alapja az LFS adatbázisban szereplő FEOR kód jelentős adathiány van, az adathiány eltérő mértékben jellemzi a foglalkoztatott, munkanélküli és inaktív személyeket feltehető, hogy az inaktívak FEOR szerinti megoszlása eltérő az aktívakétól adathiány eltérő gyakorisága aktivitás szerint: aktívinaktívösszesen Feor adat van Feor adat nincs Összesen

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet A transzformáció lépései 1.A 200 szakmát 23 főkategóriába vontuk össze (továbbiakban FEOR23) 2.Az adathiány pótlása: multinomiális logit becsléssel 23 elemű valószínűségi mezőt rendelünk minden személyhez, amely megmutatja az egyes FEOR23 szakmákhoz tartozás valószínűségeit 3.A becsült valószínűségeloszlásokat nem, korcsoport, régió, aktivitás és évek szerint aggregáljuk 4.A FEOR23 valószínűségeloszlást létszarányosan szétosztjuk FEOR200 szerinti valószínűségeloszlásra 5.Kiszámítjuk nem,korcsoport és régió szerinti bontásban az aktívak és inaktívak létszámát (ld. előző aktivitási ráta becslés), szétosztjuk a kapott valószínűségi mező szerint szakmák között, majd aggregáljuk 6.A szakma szerinti aktív és inaktív létszámok felhasználásával lesz szakma szerinti aktivitási ráta

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet mlogit FEOR23=1,…,13

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet FEOR23= 14,…,23

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet FEOR23: átlagos becsült aktivitás

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet FEOR23: átlagos becsült eloszlás

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet ugyanaz másképp

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Ágazati aktivitás A munkakínálat ágazat szerinti megoszlása igen gyenge elméleti alapokon áll Az ágazati kapcsolat bizonyos szakmák esetén erősebb, más szakmák esetén gyengébb lehet A megközelítés ezért a szakmából indul ki, amely erősen kapcsolódik az egyén iskolai végzettségéhez (nem fokához, hanem szakirányához!!!) Az ágazati megoszlást ún. átmenetmátrix becsléséből kapjuk meg: TEÁOR t = P t FEOR t Az átmenetmátrix elemeit a relatív gyakoriságokkal becsüljük és AR(1) folyamattal jelezzük előre csak az aktívak létszámát

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Problémás esetek

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 1. Mezőgazdaság (hal, erdő, vad)

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 2. Ipar

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 3. Építőipar

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 4. Kereskedelem, vendéglátás

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 5. Szállítás, raktározás, posta, távközlés

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 6. Pénzügyi tev, ingatlan, gazd. szolgáltatás

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 7. Közigazgatás, védelem, TB

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 8. Oktatás

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 9. Egészségügy

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet 10. Egyéb

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet További tervek szcenáriók készítése (nyugdíjkorhatár, demográfiai előrejelzés) aktivitási előrejelzés iskolai végzettség szerinti bontásának előrejelzése (kiegészítő becsléssel) az előrejelzés hibájának becslése bootstrap eljárással (alapszcenárió) az előrejelzett pálya értelmezése (az exogén tényezők hatásainak nagyságára vonatkozó összehasonlító számítások) ellenőrzés, javítások

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont Közgazdaság-tudományi Intézet Köszönöm a figyelmet!