A foglalkoztatás-szerkezet előrejelzése Magyarországon

MTA Közgazdaság- és Regionális Tudományi Kutatóközpont

Közgazdaság-tudományi Intézet

A foglalkoztatás-szerkezet előrejelzése Magyarországon

Antal GáborMTA KRTK-KTI

Szirák, 2012. november 10.



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, Telegdy Álmos, Antal Gábor)

• Az alprojekt célja: Foglalkoztatási struktúra előrejelzése 2020-igo Makrogazdasági modell és iparági szerkezet alapján iparági

kibocsátás előrejelzése o Munkaerő-keresleti modell alapján iparági foglalkoztatás

előrejelzéseo Iparági foglalkoztatás felbontása foglalkozások szerint; és

foglalkozások szerinti foglalkoztatás felbontása nemek, iskolai végzettség és régiók szerint



Bevezetés (2)

• Keresleti oldalon alapuló, de nem munkaerő kereslet, hanem foglalkoztatás előrejelzés

• Két szakmai termék (mérföldkő):o Előzetes – 2012.06.15.o Végső – 2012.11.15.

• Előrejelzési horizont:o Középtávú előrejelzés: 2015-igo Hosszútávú előrejelzés: 2020-ig

23.04.20.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont


Milyen adatokat használ a projekt? (1)

Első mérföldkő – előzetes szakmai termék (2012.06.15.)

• Éves aggregált ágazati adatok (KSH Évkönyvek)o Ágazati kibocsátás és ágazati foglalkoztatáso Teljes nemzetgazdaságo 1992-2010

• Cégszintű adatok (NAV)o Versenyszféra, kettős könyvelést végző vállalkozásoko Teljes üzleti beszámoló

érdekes: kibocsátás, létszám, iparágo 1992-2009

• Dolgozói adatok (KSH Bértarifa)o Verseny- és közszféra, reprezentatív intézményi és dolgozói mintao Bérek, dolgozói jellemzők, kevés cégadat

érdekes: iparág, foglalkozás, nem, iskolai végzettség, régióo 1994-2009



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 hullámao Még egy válságév: válság hatása jobban becsülhetőo Hosszabb időszak az iparági keresleti modell becslésére

• Dolgozói adatok új adatforrásból (ONYF)o Minta elaprózódás kezelésére a struktúra előrejelzéséhezo Bejelentett dolgozók 50%-os mintája, havi frekvenciao Problémák:

Egyszeri mintavétel az időszak elején, lemorzsolódás Hiányos változók: TEÁOR nincs; FEOR hiányzik egyéni vállalkozóknál;

iskolai végzettség, régió minősége is elmarad a Bértarifától

o 2000-2008



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




I. Iparági kibocsátás előrejelzése 2020-ig

• 1. Ágazati kibocsátás előrejelzése 2020-igo Strukturális makromodell (1. és 5. alprojekt)o Nemzetgazdaság 10 ágazatra bontva (7 verseny- és 3 közszféra)o KSH aggregált adatok alapjáno Szcenáriók az export várható alakulása szerint

• 2. 7 versenyszféra ágazat felbontása 16 iparágrao 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) 1992-2008, majd ez alapján előrejelzés egyszerű trenddel

o 3 közszféra iparág: ugyanaz mint makromodellben (részletesen később)




II. Iparági foglalkoztatás előrejelzése (16+3 iparág)

• 1. Iparági munkaerő-keresleti modell kiválasztása és becsléseo 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

o Legjobb modellel létszám-kibocsátás kapcsolat becslése 16 iparágra, 1992-2009

o Cégszintű adatokon (NAV)

• 2. Iparági foglalkoztatás előrejelzése 2020-igo Becsült munkakeresleti modell együtthatói és előrejelzett iparági

kibocsátás segítségével a 16 versenyszféra iparágrao Közszféra: makromodellbőlo Cégszintű adatok (NAV)




III. A foglalkoztatás-szerkezet előrejelzése

• 1. Foglalkoztatottak létszáma foglalkozások szerint (200 foglalkozásra)o Áttérés dolgozói adatokra (Bértarifa)o 2000-2008 között foglalkozások szerinti iparági létszám részarányok

számításao 200x19 cella: túl sokat várunk a mintától => alacsony elemszámú,

hasonló iparághoz tartozó cellák összevonásao Előrejelzés egyszerű trenddel foglalkozás-iparág cellánként, majd

cellák aggregálásával foglalkozások szerinti foglalkoztatás, 2010-2020

• 2. Foglalkoztatottak létszáma nem, iskolai végzettség és régiók szerint




III. A foglalkoztatás-szerkezet előrejelzése

• 1. Foglalkoztatottak létszáma foglalkozások szerint (200 foglalkozásra)

• 2. Foglalkoztatottak létszáma nem, iskolai végzettség és régiók szerinto Foglalkozások szerinti létszám felbontása részarányokra a fenti

jellemzők szerint, 2000-2008o A részarányok alakulásának előrejelzése egyszerű trenddel

cellánként, 2010-2020o 5 kategória iskolai végzettség szerint:

kevesebb, mint 8 általános 8 általános szakiskola (érettségi nélkül) érettségi felsőfokú végzettség



Melyek az előrejelzés korlátai? (1)

• Szakértők vs algoritmusoko 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 töréseko Előrejelzésük szinte lehetetlen (lásd jelenlegi válság)o Válságot előre “tudó”: sokszor téved, egyszer igaza van



Melyek az előrejelzés korlátai? (2)

• Adatoko Különböző célsokaságok

alkalmazottak vs foglalkoztatottak (EV, szöv. tag, segítő családtag,…) mikrovállalkozások hiányoznak

o Kis minta – bizonytalan becsléso Rövid idősorok – módszertani korlátok

• Közszférao Ágazati kibocsátás mérése nehézo Kibocsátás és munkakereslet közötti kapcsolat gyenge (politikai

ciklusok)o Ezért: Kibocsátás és létszám előrejelzése a makromodellből, csak a

struktúra előrejelzése mikroadatok segítségével



Néhány érdekes eredmény (1)

Occupation Actual / Predicted Number of

Employed Share in Total Employment

Rank

2009 2015 2020 2009 2015 2020 2009 2015 2020

Managers of Enterprises and Budgetary Institutions

332 057 291 437 262 813 8,80 7,65 6,67 1 1 2

Shop Assistants 190 894 249 496 306 966 5,06 6,55 7,79 2 2 1

Cleaners and Related Elementary Occupations 156 011 143 742 135 351 4,14 3,77 3,44 3 5 7

Vehicle Drivers 151 300 172 280 193 639 4,01 4,52 4,92 4 3 3

Metal Processing, Shaping, Forming and Surface Treatment Workers

127 146 109 927 102 647 3,37 2,88 2,61 5 8 9

Other Office Clerks 125 704 137 085 147 998 3,33 3,60 3,76 6 7 6

Other Processing Machine Operators, Production Line Workers

106 535 138 008 164 655 2,82 3,62 4,18 7 6 5

Laborers and Helpers, nec 104 724 148 653 190 927 2,78 3,90 4,85 8 4 4

Clerks, nec 89 093 106 593 122 384 2,36 2,80 3,11 9 9 8

Repairmen, Mechanics 84 281 77 209 71 308 2,23 2,03 1,81 10 11 14

• A legnépesebb foglalkozások




• A legdinamikusabban növekedő/csökkenő foglalkozások

Occupations Employment

in 2009 Employment

in 2020 Change in

Employment

Largest Growth

Shop Assistants 190 894 306 966 116 072

Laborers and Helpers, nec 104 724 190 927 86 203

Other Processing Machine Operators, Production Line Workers 106 535 164 655 58 120

Vehicle Drivers 151 300 193 639 42 339

Clerks, nec 89 093 122 384 33 291

Largest Decline

Analytic Accounting Clerks 39 885 18 333 -21 552

Dressmakers, Pelt Dressers, Furriers 27 037 2 682 -24 355

Metal Processing, Shaping, Forming and Surface Treatment Workers 127 146 102 647 -24 499

Crop Growing, Gardening and Animal Husbandry Workers 47 378 14 749 -32 629

Managers of Enterprises and Budgetary Institutions 332 057 262 813 -69 244



Néhány érdekes eredmény (3) • Foglalkoztatottak foglalkozások szerint










• Foglalkoztatottak nemek szerint (ezer fő)









Néhány érdekes eredmény (9) • Foglalkoztatottak iskolai végzettség szerint (ezer fő)



Néhány érdekes eredmény (10) • Foglalkoztatottak végzettség szerint: “skill upgrading”



Néhány érdekes eredmény (11) • Foglalkoztatottak végzettség szerint: “skill upgrading”



Néhány érdekes eredmény (12) • Foglalkoztatottság régiók szerint



Néhány érdekes eredmény (13) • Foglalkoztatottság régiók szerint



Változások a végső szakmai termékben

• 2010-es év hozzáadása (NAV és Bértarifa)o Már 2 válságév, ezért módszertani változás:

Alapbecslések 2000-2010, 2000-2008 helyett 2009 és 2010: válság dummy becslése Feltevés: válság dummy “bekapcsolva” (=1) 2013-ig

• ONYF adatok bevonásao 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

Documents

A foglalkoztatás-szerkezet előrejelzése Magyarországon