A foglalkoztatás-szerkezet előrejelzése Magyarországon

1. A foglalkoztatás-szerkezet előrejelzése Magyarországon Antal Gábor MTA KRTK-KTI Szirák, 2012. november10.

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, TelegdyÁlmos, AntalGábor) Azalprojektcélja: Foglalkoztatásistruktúraelőrejelzése 2020-ig • Makrogazdaságimodellésiparágiszerkezetalapjániparágikibocsátáselőrejelzése • Munkaerő-keresletimodellalapjániparágifoglalkoztatáselőrejelzése • Iparágifoglalkoztatásfelbontásafoglalkozásokszerint; ésfoglalkozásokszerintifoglalkoztatásfelbontásanemek, iskolaivégzettségésrégiókszerint

3. Bevezetés (2) Keresleti oldalon alapuló, de nem munkaerő kereslet, hanem foglalkoztatás előrejelzés Kétszakmaitermék (mérföldkő): • Előzetes – 2012.06.15. • Végső – 2012.11.15. Előrejelzésihorizont: • Középtávú előrejelzés: 2015-ig • Hosszútávú előrejelzés: 2020-ig

4. Milyen adatokat használ a projekt? (1) Elsőmérföldkő – előzetesszakmaitermék(2012.06.15.) Évesaggregáltágazatiadatok (KSH Évkönyvek) • Ágazatikibocsátáséságazatifoglalkoztatás • Teljesnemzetgazdaság • 1992-2010 Cégszintűadatok (NAV) • Versenyszféra, kettőskönyveléstvégzővállalkozások • Teljesüzletibeszámoló • érdekes: kibocsátás, létszám, iparág • 1992-2009 Dolgozóiadatok(KSH Bértarifa) • Verseny- ésközszféra, reprezentatívintézményiésdolgozóiminta • Bérek, dolgozóijellemzők, kevéscégadat • érdekes: iparág, foglalkozás, nem, iskolaivégzettség, régió • 1994-2009

5. Milyen adatokat használ a projekt? (2) Második mérföldkő – végső szakmai termék (2012.11.15.) 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 • 2000-2008

6. Melyek az előrejelzés fő lépései? (1) A módszertannagyvonalakban a nemzetközifoglalkoztatás-előrejelzésigyakorlatotköveti Legközelebbazalábbiháromországeljárásáhozáll: • EgyesültÁllamok(Lockardés Wolf 2012) • Kanada (Policy Research Directorate 2008) • Írország(Behan és Shelly 2010) Korábbiaknálnagyobb, átfogóbbországos foglalkoztatáselőrejelzésiprojekt Főprobléma: többadatbázisösszefésülése; 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. 7versenyszféra 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) 1992-2008, 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 1992-2002, “előrejelzés” 2003-2008 • MAPE számítás iparáganként, legalacsonyabb átlag nyer • Győztes modell magyarázó változói: egyidejű iparági kibocsátás + trend • Legjobb modellel létszám-kibocsátás kapcsolat becslése 16 iparágra, 1992-2009 • 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-szerkezetelőrejelzése 1. Foglalkoztatottaklétszámafoglalkozásokszerint (200 foglalkozásra) • Áttérésdolgozóiadatokra (Bértarifa) • 2000-2008 közöttfoglalkozásokszerintiiparágilétszámrészarányokszámítása • 200x19 cella: túlsokatvárunk a mintától=>alacsonyelemszámú, hasonlóiparághoztartozócellákösszevonása • Előrejelzésegyszerűtrenddelfoglalkozás-iparágcellánként, majdcellákaggregálásávalfoglalkozásokszerintifoglalkoztatás, 2010-2020 2.Foglalkoztatottaklétszámanem, iskolaivégzettségésrégiókszerint

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, 2000-2008 • A részarányok alakulásának előrejelzése egyszerű trenddel cellánként, 2010-2020 • 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 legnépesebbfoglalkozások

14. Néhány érdekes eredmény (2) A legdinamikusabbannövekedő/csökkenőfoglalkozások

15. Néhány érdekes eredmény (3) Foglalkoztatottakfoglalkozásokszerint

16. Néhány érdekes eredmény (4) Foglalkoztatottakfoglalkozásokszerint

17. Néhány érdekes eredmény (5) Foglalkoztatottakfoglalkozásokszerint

18. Néhány érdekes eredmény (6) Foglalkoztatottaknemekszerint(ezerfő)

19. Néhány érdekes eredmény (7)

20. Néhány érdekes eredmény (8)

21. Néhány érdekes eredmény (9) Foglalkoztatottakiskolaivégzettségszerint (ezerfő)

22. Néhány érdekes eredmény (10) Foglalkoztatottak végzettség szerint: “skillupgrading”

23. Néhány érdekes eredmény (11) Foglalkoztatottak végzettség szerint: “skillupgrading”

24. Néhány érdekes eredmény (12) Foglalkoztatottság régiók szerint

25. Néhány érdekes eredmény (13) Foglalkoztatottság régiók szerint

26. Változások a végső szakmai termékben 2010-es évhozzáadása(NAV ésBértarifa) • Már 2 válságév, ezértmódszertaniváltozás: • Alapbecslések 2000-2010, 2000-2008 helyett • 2009 és 2010: válság dummy becslése • Feltevés: válság dummy “bekapcsolva” (=1) 2013-ig ONYF adatokbevonása • Regionálisbecslés/előrejelzésjavítása • Ottaprózodikfelleginkább a minta • Teljeselőrejelzésnemlehetséges • Nincsiparágiazonosító • FEOR nincsegyénivállalkozókra • Iskolaivégzettségcsak a munkanélküliekre