A munkapiaci-előrejelzések gyakorlata: kitől tanulhatunk?

Preview:

DESCRIPTION

A munkapiaci-előrejelzések gyakorlata: kitől tanulhatunk?. Cseres-Gergely Zsombor, MTA KTI. A leggyakoribb előrejelzési célok. Többszintű aggregálás és finom részbontások a jellemzők Aggregált foglalkoztatottság előrejelzése Iparági foglalkoztatottság előrejelzése - PowerPoint PPT Presentation

Citation preview

A munkapiaci-előrejelzések gyakorlata:

kitől tanulhatunk?Cseres-Gergely Zsombor, MTA KTI

A leggyakoribb előrejelzési célok

Többszintű aggregálás és finom részbontások a jellemzők

• Aggregált foglalkoztatottság előrejelzése• Iparági foglalkoztatottság előrejelzése• Az egyes foglalkozásokban foglalkoztatottak előrejelzése• Foglalkoztatás-igényének előrejelzése• Munkakínálat előrejelzése• Részbontások előrejelzése: férfiak-nők, életkor, regionális,

oktatás

A célok meghatározzák az előrejelző rendszer szerkezetét

Az európai munkapiac aggregált előrejelzésére

A recesszió hatása a foglalkoztatottságra (EU-27) országok esetén (forrás: CEDEFOP előrejelzés 2010):

Iparági foglalkoztatottság előrejelzése Az Európai Unió által készített előrejelzés az iparági foglalkoztatásról 2015-ig (forrás: CEDEFOP, 2008)

Mezőgazdaság, bányászat

Feldolgozóipar

Építőipar

Logisztika, közlekedés

Üzleti szolgáltatások

Nem-piaci szolgáltatások

Összes iparág:

A kanadai munkapiac aggregált előrejelzése 2015-ig:

1a: Egyensúlyi megközelítés

Az ausztrál előrejelző rendszer:

– aggregált foglalkoztatottság előrejelzésére szolgáló makromodell,

– iparági foglalkoztatottság meghatározására szolgáló alkalmazott általános egyensúlyi modell,

– és a foglalkozások előrejelzésére egy kiegészítő modell.

Hátrány: kereslet és kínálat nem válik szét!

1b: A kereslet-kínálat nem integrált, de explicit módon

A holland modell:• Munkaerő-kereslet változása = a gazdaság növekedéséből

származó bővülési munkaerő-kereslet + munkaerő kiválása okozta pótlási munkaerő-kereslet

• Munkaerő-keresletet összevetik az előrejelzett munkakínálattal minden egyes oktatási csoport esetében

munkapiaci egyensúlytalanság hatása explicite beépül a modellbe.

Hátrány: szerkezében nem egyensúlyi a modell.

2: Előrejelzési horizontA

A nemzetközi modellek legfeljebb 15 éves időtartamra jeleznek előre

AAz előrejelzési időtartam függ az előrejelzési céltól:

– A hosszú távú előrejelzések elsősorban a gazdaságpolitikai tervezés szempontjából hasznosak

– A középtávú előrejelzések a képzési-oktatási döntésekben jelenthetnek segítséget

De: a pontosság a részletességgel és a horizonttal is csökken!

3: Megbízhatóság

• Hosszú táv: a kvantitatív modell sem precíz• A modellek inkább csak a várható elmozdulások

irányáról, tendenciákról szolgáltatnak információt– Richardson és Tan (2005) 10-20%-os eltérést

mutatott ki az ausztrál foglalkozási előrejelzések és a ténylegesen megvalósult folyamatok között

Kvantitatív modell = koherencia + ismert bizonytalanság

4: Adatok mennyisége és minősége

• A megfelelően részletes előrejelzéshez sok információval rendelkező, nagy adatbázisra van szükség.

• Az adatok megléte közvetlen kapcsolatban van a modellezési lehetőségekkel előrejelzési eljárás szerves része a szükséges adatok biztosítása is– Az Ausztrál Statisztikai Hivatal számos adatot

szolgáltat kizárólag az ausztrál előrejelző modell számára

5: Informálás

Előrejelzés célja: a munkapiac szereplőinek tájékoztatása

Az információ tálalásának módja célcsoport-függő:– munkaadók, politikusok, szakmai szervezetek részére

tanulmányok, vezetői összefoglalók – pályaválasztók, pályamódosítók részére interaktív,

felhasználóbarát honlap

Mintaértékű az osztrák és az kanadai előrejelző rendszer felhasználói felülete

Az osztrák honlap felhasználói felülete

A kanadai honlap felhasználói felülete

6: Fenntarthatóság

Az előbbiekben bemutatott modellek nem egyszeri előrejelzés elkészítésére jöttek létre. A cél fontos, a költség nagy - fenntarthatóság!

A fenntarthatóság legfontosabb feltételei:

– a modellkeret tegye lehetővé az előrejelzések reprodukálását– az adatfelvétel hosszú távon is konzisztens maradjon– adatgazdák és a modell fejlesztői között szoros, intézményesült

kapcsolat legyen– kiszámítható, hosszú távú finanszírozás

Köszönöm a figyelmet!

Recommended