Aktivnost 1.4. Analiza i interpretacija prikupljenih podataka 3 ... evaluacija...1 HRVATSKI ZAVOD ZA ZAPOŠLJAVANJE Vanjska evaluacija mjera aktivne politike tržišta rada Aktivnost

1

HRVATSKI ZAVOD ZA ZAPOŠLJAVANJE

Vanjska evaluacija mjera aktivne politike tržišta rada

Aktivnost 1.4.

Analiza i interpretacija prikupljenih podataka

3. Evaluacijski izvještaj za PSM dionicu

Zagreb, veljača 2016.

Europska unija

Ulaganje u budućnost

2

Prikupljanje, obrada i analiza podataka za evaluaciju: Ipsos d.o.o.

Evaluacijski tim:

Voditelj projektnog tima: dr. sc. Predrag Bejaković, Institut za javne financije

Glavni istraživač za PSM dionicu evaluacije: dr. sc. Michal Kontnarowski, Institute of Political Studies of the Polish Academy of Sciences

Glavni istraživač za anketnu dionicu evaluacije: dr. sc. Dragan Bagić, Filozofski fakultet, Sveučilište u Zagrebu

Glavni istraživač za kvalitativnu dionicu evaluacije: dr. sc. Ivan Burić, Hrvatski studiji, Sveučilište u Zagrebu

Istraživač suradnik na projektu, koordinator provođenja istraživanja: Branka Hodak, Ipsos d.o.o.

Istraživač suradnik na projektu: Marko Vicković, Ipsos d.o.o.

Istraživač suradnik na projektu: Mirna Cvitan, Ipsos d.o.o.

Suradnici Ipsosa na projektu: Gordan Beraković, Pero Desović, Josip Ivišić, Dejan Dedić, Iva Mikić, Lana Penezić, Marino Šeparović

Suradnici Hrvatskog zavoda za zapošljavanje na projektu: dr. sc. Teo Matković, Igor Dvoršćak, Ivana Mikek Kupres, Jelena Ostojić, Antea Radić, Igor Vojnić

3

EVALUACIJSKI TIM: ................................................................................................................................................. 2

1. METODOLOGIJA ISTRAŽIVANJA ........................................................................................................................ 4

1.1.UVOD ............................................................................................................................................................. 4 1.2.PRIPREMA ULAZNIH PODATAKA ............................................................................................................................ 7 1.3.DEFINIRANJE KRITERIJA UPARIVANJA ...................................................................................................................... 9 1.4.PROVEDBA TEHNIKE UPARIVANJA PREMA SKLONOSTI .............................................................................................. 11 1.5. PROVJERA KVALITETE UPARIVANJA I REDUKCIJA PRISTRANOSTI PODATAKA .................................................................. 15 1.6. DEFINIRANJE SKUPA IZLAZNIH PODATAKA ZA POTREBE ANALIZE UČINKOVITOSTI ........................................................... 20 1.7. PROCJENA STATISTIČKE ZNAČAJNOSTI DOBIVENIH UČINAKA POMOĆU INTERVALA POUZDANOSTI ...................................... 23

2. ANALIZA PROSJEČNIH UČINAKA MJERA APZ-A ............................................................................................... 25

2.1.JAVNI RADOVI ................................................................................................................................................. 26 2.2.OBRAZOVANJE NEZAPOSLENIH ........................................................................................................................... 36 2.3.SAMOZAPOŠLJAVANJE ...................................................................................................................................... 44 2.4.POTPORE ZA ZAPOŠLJAVANJE ............................................................................................................................. 49 2.5.STRUČNO OSPOSOBLJAVANJE ZA RAD BEZ ZASNIVANJA RADNOG ODNOSA .................................................................... 63 3. BIBLIOGRAFIJA .................................................................................................................................................. 69 4. DODATAK 1 – TABLICE UČINAKA SVIH KONSTRUIRANIH ANALITIČKIH MODELA ................................................................. 70 5. DODATAK 2 – HISTOGRAMI INTERVALA POUZDANOSTI U POGLEDU UČINKA ZAPOSLENOSTI I NEZAPOSLENOSTI – SVI MODELI ... 79

4

1.1.Uvod

Ovaj dio nacrta tiče se analize prosječnih učinaka mjera aktivne politike zapošljavanja koje

provodi HZZ. Prosječni učinci mjera APZ-a procijenjeni su primjenom tehnike uparivanja

prema sklonosti (eng. Propensity score matching). Ova je tehnika poznata i kao analiza

„protučinjeničnih“ (eng. Couterfactual) stanja. Prvo ćemo izložiti opću logiku u pozadini

planirane analize. Potom slijedi detaljniji opis svakog od koraka provedenog istraživanja te

analiza dobivenih neto učinaka.

Sukladno općoj logici planirane analize, za skupinu pojedinaca koji su sudjelovali u

programima izabrana je kontrolna skupina njihovih dvojnika. Kontrolna skupina se sastoji od

ljudi s epizodom nezaposlenosti koji nikada nisu sudjelovali u evaluiranom programu.

Pojedinci u kontrolnoj skupini su slični onima u skupini koja je sudjelovala u programu po

svim dostupnim karakteristikama koje smatramo prediktorima sudjelovanja u programu, te,

istovremeno, prediktorima same uspješnosti programa.

U našem slučaju, pod uspjehom podrazumijevamo stanja pojedinca na tržištu rada:

a) Osoba je registrirana kao zaposlena

b) Osoba se nalazi u registru nezaposlenih (nalazi se u evidenciji Zavoda te, posredno,

na tržištu rada)1

Analiza je provedena na temelju baze podataka nezaposlenih osoba u Hrvatskoj te

evidencije osiguranika Hrvatskog zavoda za mirovinsko osiguranje). Anonimizirane baze

podataka na temelju kojih je vršeno uparivanje pojedinaca kao i baze registriranih ishoda su

dostavljene istraživačkom timu od strane HZZ-a. Naše se istraživanje bavi mjerama APZ-a

koje je proveo HZZ u razdoblju 2010.-2013. godine.

Analizirane su samo one mjere u koje sufinancirana osoba ulazi iz stanja nezaposlenosti. U

slučaju mjera u koje sudionici ulaze is stanja zaposlenosti analizu učinkovitosti upotrebom

1 Uspjeh mjere u ovom slučaju je veća proporcija zaposlenih i nezaposlenih u evidenciji u skupini sudionika mjere za razliku od skupine ne-sudionika, dok je sami ishod nezaposlenosti kroz dulje vrijeme pozitivan za populacije/ciljane skupine kojima prijeti 'odljev' iz tržišta rada (primjerice, sudionici javnih radova)

1. METODOLOGIJA ISTRAŽIVANJA

5

ove tehnike nije bilo moguće provesti zbog nemogućnosti identificiranja adekvatne ciljane

skupine. Tako analize nisu učinjene za mjere potpora za očuvanje radnog mjesta ('Stalni

sezonac' i 'Neradni petak'), potpora za usavršavanje ('za poznatog poslodavca'), te za

intervencije namijenjene pripremi za tržište rada osoba u otkaznom roku. Također, analize

nisu učinjene za određene specifične ciljane skupine mjera za koje nije bilo moguće pronaći

adekvatne parnjake u ishodnoj bazi HZZ-a iz razloga što se korisnik koji ulazi u mjeru pod tim

uvjetima identificira kao pripadnik posebne skupine pri samom ulasku dok za ostale

registrirane nezaposlene osobe taj podatak ne postoji. Tako u analize uključenih mjera nisu

ušli pripadnici romske nacionalne manjine te drugih skupina koje nije bilo moguće

identificirati na razini ukupnih karakteristika nezaposlenih osoba u bazama HZZ-a2. Stoga su

mjere APZ-a uključene u analizu:

Javni radovi

Obrazovanje nezaposlenih

Potpore za samozapošljavanje

Potpore za zapošljavanje

Stručno osposobljavanje za rad bez zasnivanja radnog odnosa3

Navedene mjere APZ-a su odjeljive intervencije u vidu obuhvata ciljanih skupina te

intervencijske logike kojom se postiže namjeravani učinak. Stoga je PSM analiza provedena

za svaku od ovako definiranih intervencija zasebno. Nadalje, u slučaju javnih radova, potpora

za zapošljavanje te stručnog osposobljavanja, analize su dodatno podijeljene po kriterijima

jasno odjeljivih ciljanih skupina za koje je bilo moguće locirati adekvatnu kontrolnu skupinu

te, u slučaju SOR-a, promjene dizajna intervencije, što je rezultiralo većim brojem modela.

Tablica 1 nudi prikaz intervencija analiziranih u odvojenim modelima, zajedno s

karakteristikama zahvaćenih sudionika/ciljanih skupina za svaku mjeru. Ukupno je

provedeno 9 modela uparivanja prema sklonosti.

2 Ipak, kao dio prediktorskog sklopa u analize mjera su ušle kategorije poput statusa Hrv. branitelja, samohranog roditelja te invaliditet, kako je prikazano u tablici 2. 3 U nastavku izvještaja, stručno osposobljavanje

6

Tablica 1. – Vrste intervencija obuhvaćene modelima evaluacije

Vrsta intervencije Model Ciljane skupine sudionika mjere obuhvaćene modelom

Javni radovi

Javni radovi 1 – nezaposleni 12-35 mj. (model 2.1)

Dužina boravka na evidenciji Zavoda; 12 do 35 mjeseci sufinancirani javni rad

Javni radovi 2 – nezaposleni 36 i više mj. (model 2.2)

Dužina boravka na evidenciji Zavoda; više od 35 mjeseci, javni rad financiran u potpunosti

Obrazovanje nezaposlenih Model 4 Bez uvjeta osim prijave u evidenciji Zavoda (uključeni

samo oni sudionici kojima je definirano trajanje programa obrazovanja)

Potpora za samozapošljavanje

Model 6 Ovisno o godini implementacije mjere:

2010: do 25 godina, najmanje 6 mj u evidenciji; iznad 25 godina, najmanje 12 mj u evidenciji

2011: najmanje 6 mj u evidenciji, neovisno o dobi

2012-2013: ukinuti svi specifični uvjeti, bez obzira na zanimanje i kvalifikaciju, od studenog 2012. povećan opseg aktivnosti Zavoda prije ulaska kandidata u mjeru


Potpore za zapošljavanje 1 – mladi bez radnog iskustva

(model 8.1)

Mladi bez radnog iskustva

Od 2012. stabilan dizajn; SSS do 25 godina,VSS do 29 godina, bez uvjeta dužine boravka u evidenciji Zavoda

Potpore za zapošljavanje 2 – dugotrajno nezaposleni

(model 8.2)

Dugotrajno nezaposleni

2010-2012:

Do 25 godina, najmanje 6 mj u evidenciji

Više od 25 godina, najmanje 12 mj u evidenciji

2013:

Do 29 godina, bez obzira na radni staž i razinu obrazovanja, najmanje 6 mj u evidenciji

Stariji od 29, bez obzira na radni staž i razinu obrazovanja, najmanje 12 mj u evidenciji

Potpore za zapošljavanje 3 – stariji od 50 god.

(model 8.3)

Osobe iznad 50 godina

2011-2012: stariji od 50 te najmanje 6 mj u evidenciji

2013: stariji od 50, bez uvjeta dužine prijave u evidenciji

Stručno osposobljavanje za rad bez zasnivanja radnog odnosa

Stručno osposobljavanje 1 (model 10.1 – prema ZOR-u)

Ulazak u mjeru definiran prema odredbama članka 59 Zakona o radu – uvjet za obavljanje radnog mjesta određenog zanimanja položen stručno/majstorski ili državni ispit – minimalno srednjoškolska razina obrazovanja

Stručno osposobljavanje 2 (model 10.2 – prema ZOPS-u

Ulazak u mjeru definiran prema odredbama članka 6 Zakona o potporama za zapošljavanje – u trajanju 12 mjeseci za osobe koje su završile preddiplomski, diplomski ili integrirani preddiplomski i diplomski sveučilišni studij, odnosno preddiplomski ili specijalistički diplomski stručni studij4

4 Analize nisu učinjene za sudionike kojima je definirano trajanje mjere 24/36 mjeseci zbog nemogućnosti adekvatnog praćenja ishoda nakon izlaska iz mjere.

7

1.2.Priprema ulaznih podataka

Sljedeći korak istraživanja uključivao je pripremu baze podataka na temelju koje je

provedena analiza. U svojem izvornom obliku, HZZ-ova baza podataka nezaposlenih osoba

sadrži podatke o ljudima koji su imali barem jednu epizodu nezaposlenosti, ali same jedinice

opservacije, („réci“ u bazi podataka) su pojedinačne epizode nezaposlenosti, a ne osobe kao

takve. Posljedično, svaka osoba u bazi podataka je mogla biti prisutna više puta te se

karakteristike svake osobe mogu razlikovati u različitim vremenskim periodima koji se

odnose na različite epizode registrirane nezaposlenosti.

Priprema baze podataka za potrebe analize imala je sljedeću logiku; epizode nezaposlenosti

definirane su za svaki mjesec od siječnja 2010. do prosinca 2013. (48 mjeseci). Za potrebe

definiranja rezervoara kontrolne skupine, unutar svakog mjeseca odabrani su samo oni

pojedinci koju su početkom danog mjeseca bili nezaposleni te su u tom danu bili nezaposleni

najmanje trideset dana. U slučaju sudionika, za svaki mjesec sudjelovanja u mjeri definiran je

zapis koji omogućava praćenje 'tretirane' epizode. Prije samog uparivanja koje je provedeno

za svaki model zasebno, prema kriterijima u tablici 1 definiran je skup sudionika mjera te

rezervoara kontrolne skupne za svaki od 9 modela pri čemu su sudionici intervencija koje su

analizirane pomoću više modela odijeljeni na način da se ne mogu pojavljivati u više od

jednog modela. Također, u obje skupine analiziranih slučajeva definirana je varijabla

kontrole sudjelovanja za svaku od analiziranih intervencija. Bitno je napomenuti da je pri

odabiru adekvatnog skupa sudionika koji ulaze u pojedinačni model (kako je navedeno u

tablici 1) došlo do redukcije broja raspoloživih sudionika za koje je uparivanje i posljedična

analiza obavljana5. Kriteriji u tablici 1 omogućuju nam analize za najširi skup ciljanih skupina

određene intervencije kao i adekvatno praćenje ishoda intervencije u slučaju mjera s

varijabilnim trajanjem (npr. u slučaju obrazovanja nezaposlenih), dok su sami kriteriji ulaska

sudionika mjere u model bili definirani i administrativnim varijablama prisutnima u inicijalno

zaprimljenoj bazi pomoću kojih smo identificirali odjeljive ciljane skupine pojedine mjere za

potrebe ovakve konstrukcije modela.

5 Također, do redukcije je došlo i u slučajevima kada za određene sudionike nije bilo moguće decidirano odrediti kojoj ciljanoj skupini pripadaju zbog nepotpunih podataka u administrativnim varijablama ishodne baze. Ukupna redukcija analiziranih sudionika na razini ukupnih podataka ne prelazi trećinu svih sudionika analiziranih mjera.

8

Ovakva konstrukcija ulaznih baza omogućila nam je provođenje procedure uparivanja na

način da osobe koje su započele sa sudjelovanjem u mjeri APZ-a u danom mjesecu uparimo

s, po gornjim karakteristikama, njihovim dvojnicima iz kontrolne skupine koji su u istom

mjesecu bili nezaposleni.

Dakle, procedura uparivanja za svaki mjesec se odnosila na:

slučaj u skupini sudionika mjera APZ-a; osobe koje su započele sudjelovanje u danoj

mjeri APZ-a u danom mjesecu

slučaj u rezervoaru kontrolne skupine; osobe koje nisu sudjelovale u danoj mjeri APZ-

a (s kontrolom za sudjelovanje u ostalim mjerama) te su istovremene registrirane kao

nezaposlene prvog dana u zadanom mjesecu.

Posljedica egzaktne kontrole mjeseca ulaska u analizu jest ta da smo u proceduri uparivanja

kontrolirali promjene na tržištu rada u pogledu sezonalnih ciklusa zapošljavanja te

gospodarske situacije na razini godine. Drugo ključno obilježje ovako provedene procedure

uparivanja je činjenica da su pojedinci iz rezervoara kontrolne skupine u samu kontrolnu

skupinu bili uključeni onoliko puta koliko su mjeseci ostali nezaposleni svakog prvog u

mjesecu (s uvjetom minimalne dužine prethodne nezaposlenosti kako je objašnjeno ranije u

tekstu).

9

1.3.Definiranje kriterija uparivanja

U tablici 2 izloženi su kriteriji uparivanja korišteni u kreiranju modela. Konstruirane su

varijable osobnih karakteristika nezaposlenih osoba na temelju podataka dostupnih u

zaprimljenoj bazi podataka. Ovaj skup varijabli je pridružen sudionicima mjera te cijelom

rezervoaru kontrolne skupine ne-sudionika. Prikazane varijable predstavljaju set prediktora

korišten u svrhu kontrole kvalitete uparivanja podataka, te je skor prema sklonosti

sudjelovanja u programu izračunan za svaki od navedenih prediktora.

Tablica 2. – Set prediktora korištenih pri uparivanju podataka

Vrsta varijabli Varijabla

Početak intervencije i

epizode nezaposlenosti

Mjesec – početak intervencije

Mjesec – nezaposlenost prvog dana u mjesecu pod uvjetom minimalnog

trajanja nezaposlenosti od 30 dana

Osobne karakteristike

nezaposlenih osoba prije

sudjelovanja u mjeri

Dob – do prvog dana zadanog mjeseca

Spol

Razina obrazovanja – šest kategorija

Područje obrazovanja – NSKO

Invaliditet

Status hrvatskog branitelja (osoba je branitelj ili udovica ili dijete hrvatskog

branitelja)

Dob najmlađeg djeteta – do prvog dana zadanog mjeseca

Status samohranog roditelja

Dužina trenutne epizode nezaposlenosti, u danima – do prvog dana zadanog

mjeseca

Dužina radnog iskustva prije trenutne epizode nezaposlenosti, u danima – do

prvog dana zadanog mjeseca

Status na tržištu rada prije trenutne epizode nezaposlenosti – zaposlenost,

neaktivnost, pripravništvo, drugo

Industrijski sektor prije trenutne epizode nezaposlenosti – temeljem varijabli

NKD-a u bazi Zavoda: primarni sektor, industrija/građevinarstvo, usluge, javne

usluge i administracija

ISCO08 kategorija prije trenutne epizode nezaposlenosti – rod zanimanja prema

NKZ

Kategorizacija HZZ-a u pogledu šansi za zaposlenje osobe na početku trenutne

epizode nezaposlenosti

10

Status naknade za nezaposlene u trenutnoj epizodi nezaposlenosti

Regija Županija – preko područnog/regionalnog ureda ; Zagreb, Sjeverna Hrvatska,

Slavonija, Lika i Banovina, Hrvatsko primorje i Istra, Dalmacija – do prvog dana

zadanog mjeseca

Gospodarski pokazatelji na

razini regije

Županijska stopa nezaposlenosti – godina analize

Prethodno sudjelovanje u

mjerama APZ-a

Sudjelovanje u mjerama APZ-a prije prvog dana zadanog mjeseca

Ishod: registrirana

zaposlenost i nezaposlenost

Status na tržištu rada za svaki prvi u mjesecu, 36 narednih mjeseci (registrirana

zaposlenost i registrirana nezaposlenost) – od definiranog početka mjere za

sudionika u uparenom skupu

11

1.4.Provedba tehnike uparivanja prema sklonosti

Nakon ovako pripreme baze podataka pristupili smo uparivanju sudionika programa sa

kontrolnom skupinom koristeći tehniku uparivanju prema sklonosti (PSM). Kako je ranije

spomenuto, za svaku vrstu intervenciju te definirane odjeljive ciljane skupine/promjene

dizajna obavljena je zasebna analiza. Ukupno je izrađeno 9 modela za koje je zasebno

specificirano uparivanje prema sklonosti sudjelovanja u programu. Nadalje, zbog

kompleksnosti izračuna, analize su za potrebe uparivanja podataka odvojene u zasebne

vremenske periode unutar samih definiranih mjera i podmjera. Podjela po vremenskim

periodima unutar samih modela temeljena je na distribuciji ulazaka pojedinaca u mjere APZ-

a u danoj mjeri u zadanom mjesecu. U tablici 3 izloženi su vremenski periodi za koje je

obavljena procedura uparivanja podataka unutar svake mjere/modela. Tehnički je, dakle,

izrađeno 49 modela uparivanja podataka prema kojima smo procjenjivali učinke mjera APZ-

a, kako je prikazano u tablici 3.

Tablica 3. – Prikaz vremenskih odjeljaka na temelju kojih je proveden uparivanje po modelima analize

Javni rad 1

Javni rad 2 Obrazovanje nezaposlenih

Samozapošljavanje Potp. za zap. 1

Potp. za zap. 2

Potp. za zap. 3

SOR – prema ZOR-u

SOR – prema ZOPS-u, 12 mj

Ožujak-Lipanj 2010

Ožujak-Lipanj 2010

Siječanj-Lipanj 2010

2010 2010 2010 2010 Rujan-Prosinac

2010

Svibanj 2012, Siječanj-

Prosinac2013

Rujan-Prosinac

2010

Rujan-Prosinac

2010

Srpanj-Prosinac 2010

2011 2011 2011 2011 Siječanj-Lipanj

2011

Ožujak-Svibanj 2011

Ožujak-Svibanj 2011


2012 2012 2012 2012 Srpanj-

Prosinac2011

Rujan-Studeni

2011

Rujan-Studen2011

Srpanj-Prosinac2011

Siječanj-Lipanj2013 2013 2013 2013 Siječanj-

Travanj 2012

Ožujak-Srpanj 2012

Ožujak-Srpanj 2012

Ožujak-Lipanj 2012

Srpanj-Prosinac 2013 Svibanj 2012,

Siječanj-Prosinac2013

Kolovoz-Prosinac

2012

Kolovoz-Prosinac

2012

Rujan-Prosinac 2012

Svibanj2012,

Siječanj-Prosinac 2013



Veljača-Lipanj 2013

Srpanj-Prosinac

2013

Srpanj-Prosinac

2013

Srpanj-Prosinac2013

12

Prvi korak PSM metoda je procjena skorova („bodova“) sklonosti sudjelovanja u programu

sudionika te odabranih ne-sudionika za dane analize. Skor prema sklonosti procijenit će se na

temelju modela logističke regresije. Zavisna varijabla u ovom modelu je sudjelovanje u

programu (mjeri) i ima binarni oblik (0 – nije sudjelovao, 1 – sudjelovao je). Nezavisne

varijable u modelu su one karakteristike nezaposlenih koje istovremeno ispunjavaju ova dva

kriterija:

Varijabla je prediktor sudjelovanja u programu

Varijabla je prediktor uspješnosti programa (pojedinac nije nezaposlen, ima posao).

U slučaju nekih procijenjenih modela nije bile varijacija unutar nekih od nezavisnih varijabli

tako da nisu uključene u modele kao prediktori što je vidljivo u tablici 4.

Tablica 4. – Kategorije prediktora s dovoljno kovarijacija, po modelima Prediktor M2.1 M2.2 M4 M6 M8.1 M8.2 M8.3 M10.1 M10.2

Kategorija dobi 15-25 godina X X X X X X

X X


X X


X X



Spol X X X X X X X X X

Razina obrazovanja: trogodišnja srednja škola, kvalificirano zanimanje

X X X X X X X

Razina obrazovanja: četverogodišnja srednja škola, kvalificirano zanimanje

X X X X X X X X

Razina obrazovanja: gimnazija X X X X X X X X

Razina obrazovanja: ne-sveučilišni studij X X X X X X X X Razina obrazovanja: sveučilišni diplomski i

poslijediplomski studij X X X X X X X X X

Područje obrazovanja: pravo i poslovanje X X X X X X X X X

Područje obrazovanja: osnovno obrazovanje X X X X X X X X X

Područje obrazovanja: zdravstvo X X X X X X X X X

Područje obrazovanja: bez podataka X X X X X X X X X

Područje obrazovanja: usluge X X X X X X X X X

Područje obrazovanja: nastavnici i znanost X X X X X X X X X

Područje obrazovanja: tehničke znanosti X X X X X X X X X

Invaliditet X X X X X X X X X

Branitelj, udovica ili dijete poginulog branitelja: Da X X X X X X X X X

Dob najmlađeg djeteta: 4-8 godina X X X X X X X X X



Dob najmlađeg djeteta: drugo X X X X

X X

Samohrani roditelj X X X X X X X X X

Duljina prethodne/trenutne epizode nezaposlenosti – u danima

X X X X X X X X X

Radno iskustvo: manje od 1 godinu X X X X

X X X X

Radno iskustvo: 1-3 godine X X X X

X X X X

Radno iskustvo: 3-5 godina X X X X

X X X X

Radno iskustvo: 5-10 godina X X X X

X X X X

Radno iskustvo: više od 10 godi X X X X

X X

Status na tržištu rada prije zadnje epizode: zaposlenost X X X X X X X X X

Status na tržištu rada prije zadnje epizode: neaktivnost X X X X X X X X X

Status na tržištu rada prije zadnje epizode: pripravništvo X X X X X X X X X

13

Status na tržištu rada prije zadnje epizode: drugo X X X X X X X X X

Industrijski sektor prije ulaska u nezaposlenost: Industrija, građevinarstvo

X X X X

X X X X

Industrijski sektor prije ulaska u nezaposlenost: Usluge X X X X

X X X X

Industrijski sektor prije ulaska u nezaposlenost: Javne usluge i administracija

X X X X

X X X X

Industrijski sektor prije ulaska u nezaposlenost: bez prethodnog radnog iskustva

X X X X

X X X X

ISCO08 osnovna skupina prije ulaska u nezaposlenost – deset skupina

X X X X

X X X X

Kategorizacija osobe od strane HZZ-a u pogledu šansi za pronalazak zaposlenja: teško zapošljiva osoba

X X X X X X X

Kategorizacija osobe od strane HZZ-a u pogledu šansi za pronalazak zaposlenja: potrebna priprema pronalazak zaposlenja

X X X X X X X X X

Kategorizacija osobe od strane HZZ-a u pogledu šansi za pronalazak zaposlenja: nije primjenjivo

X X X X X X X X X

Kategorizacija osobe od strane HZZ-a u pogledu šansi za pronalazak zaposlenja: trenutno nezapošljiva osoba

X X X X X

Status naknade za nezaposlene X

X X

X X X X

Status trajne naknade za nezaposlene X X X X

X X

Prethodno sudjelovanje u javnim radovima X X X X

X X X X

Prethodno sudjelovanje u programima obrazovanja za nezaposlene

X X X X X X X X X

Prethodno sudjelovanje u potporama za zapošljavanje X

X X

X X X X

Prethodno sudjelovanje u stručnom osposobljavanju X

X X X X

X X

Stopa nezaposlenosti u regiji u kojoj je osoba prijavljena

X X X X X X X X X

Sljedeći je korak bio odabir kontrolne skupine. Primijenjena je tehnika uparivanje „najbližeg

susjeda” 1:5 s radijusom (NN 1:5c). Cilj ove tehnike je, za svaku osobu koja je sudjelovala u

mjeri, odabrati pet pojedinaca iz rezervoara kontrolne skupine. Ovih pet pojedinaca imaju

najbliže vrijednosti skorova sklonosti sudjelovanja u programu vrijednostima pojedinaca koji

su sudjelovali u programu. U NN 1:5c tehnici se pomoću zadanog radijusa kontrolira

dopušteno odstupanje mogućeg uparivanja. Ovom metodom uparivanje slučajeva moguće je

samo za slučajeve u kojima je udaljenost među skorovima sklonosti manja ili jednaka

zadanom radijusu c.

Vrijednost radijusa c ustanovljena je na temelju pravila koje predlažu Rosenbaum i Rubin

(1985) kao:

c=0.25*s

pri čemu je

… prosječna standardna devijacija distribucije skorova prema sklonosti u skupini koja je

sudjelovala u mjeri ( ) te u skupini ne-sudionika ( ).

Korištenje ove tehnike znači da za neke pojedince koji su sudjelovali u mjerama možemo

imati manje od 5 dvojnika iz rezervoara kontrolne skupine – oni najbliži susjedi sa skorovima

14

prema sklonosti većim od radijusa nisu uključeni u analizu. Razlike između broja dvojnika iz

kontrolne skupine između pojedinaca koji su sudjelovali u mjerama korigiran je upotrebom

pondera. Jedna od prednosti NN 1:5c tehnike uparivanja je relativno dobra preciznost u

procjeni učinaka intervencije te izbjegavanje pristranosti dobivenih podataka. (Konarski i

Kotnarowski 2007). Rizik upotrebe ove tehnike leži u mogućnost da se za neke slučajeve

sudionika ne pronađu dvojnici iz kontrolne skupine nesudionika. Ovaj rizik je u našem slučaju

sveden na minimum zbog činjenice da smo na raspolaganju imali velik broj opservacija koje

nisu bile u intervenciji, te u tablici 5 vidimo da je ukupan broj neuparenih sudionika malen.

Da bismo kontrolirali varijacije u tržištu rada na razini godine, primijenili smo egzaktno

uparivanje na razini mjeseca i godine. To podrazumijeva, osim najbližih vrijednosti na skoru

sklonosti sudjelovanja, primjenu uvjeta po kojem osoba iz kontrolne skupine mora biti

nezaposlena u istom mjesecu kao i osoba koja je sudjelovala u mjeri a kojoj je ova parnjak.

Uparivanje je obavljeno u programskom softveru R (R Core Team 2014) korištenjem Machit

softverskog paketa (Daniel E. Ho et al. 2007; Daniel E. ho et al 2011).

Tablica 5. – Ukupni broj uparenih sudionika te kontrolne skupine te broj neuparenih opservacija, po modelima

Model Vrsta observacije Ukupni podaci Upareni podaci Neupareni podaci

Javni radovi 1 Kontrola 2917172 51564 2865608

Sudionici 10526 10457 69

Javni radovi 2 Kontrola 1315901 42803 1273098

Sudionici 8667 8634 33

Obrazovanje nezaposlenih Kontrola 10787842 81735 10706107

Sudionici 16378 16364 14

Samozapošljavanje Kontrola 8773322 23733 8749589


Potpore za zapošljavanje 1 Kontrola 1349884 16596 1333288






Stručno osposobljavanje 1 Kontrola 7452065 43585 7408480

Sudionici 13270 13175 95

Stručno osposobljavanje 2 Kontrola 1913814 24345 1889469


15

1.5. Provjera kvalitete uparivanja i redukcija pristranosti podataka

Nakon provedenog uparivanja pristupili smo provjeri kvalitete dobivenih uparenih rezultata.

Verifikacija kvalitete uparivanja provedena je usporedbom distribucija skorova prema

sklonosti te prediktora (korištenih u modelu logističke regresije) između skupine koja je

sudjelovala u intervenciji te odabrane kontrolne skupine. Izostanak razlika u distribucijama

između ovih skupina dokaz je dobro provedenog uparivanja kao i procesa selekcije kontrolne

skupine. Vrijednosti koje ukazuju na kvalitetu uparivanja izložene su tablicama 6-13 te u

prilogu izvještaja u tablicama A1-A8. Prikaz u tablicama se odnosi na različite intervencije na

temelju kojih su izlazni modeli uparivanja kombinirani. U prilogu su za svaku mjeru rezultati

uparivanja su izloženi u različitim vremenskim točkama u kojima je provedena izrada modela.

U tablicama 6-13 imamo usporedbu parametara procijenjenih skorova prema sklonosti prije i

poslije procedure uparivanja. Kompletna usporedba svih parametara distribucija skorova

prema sklonosti te svih ulaznih prediktora je izložena u tablicama A1-A8 u prilogu ovog

izvještaja.

U tablicama 6-13 uspoređene su distribucije skorova prema sklonosti prije uparivanja te

poslije uparivanja između kontrolne skupine i skupine sudionika. U stupcima 'ukupni podaci'

prikazane su aritmetičke sredine skorova prema srodnosti korisnika mjera APZ-a te kontrolne

skupine koja u ovom stupcu podrazumijeva ukupnost svih opservacija u bazi podataka koji

nisu ušli u mjere APZ-a u danom modelu. Ostali parametri u ovom stupcu su; standardna

devijacija skorova prema sklonosti unutar kontrolne skupine ('SD kontrole'), razlika između

aritmetičkih sredina tretirane i kontrolne skupine ('prosjek razlika'), te standardizirana razlika

aritmetičkih sredina tretirane i kontrolne skupine ('st. prosjek razlika'). Standardizirana

razlika aritmetičkih sredina dobivena je kao razlika između tretirane i kontrolne skupine koja

je podijeljena sa standardnom devijacijom kontrolne skupine te predstavlja svojevrsnu

redukciju pristranosti uparivanja, prema formuli:

Pri čemu je:

16

– prosjek ispitivane varijable (skor prema sklonosti ili prediktor modela logističke

regresije) u skupini sudionika u mjerama,

– prosjek ispitivane varijable (skor prema sklonosti ili prediktor modela logističke

regresije) u kontrolnoj skupini

- standardna devijacija ispitivane varijable (skor prema sklonosti ili prediktor modela

logističke regresije) kontrolne skupine

Isti skup podataka je izložen i u sljedećem stupcu ('upareni podaci'), s tom razlikom da se

podaci tiču samo uparene baze. Zadnji stupac ('redukcija') nudi količinu redukcije pristranosti

podataka nakon implementacije algoritma uparivanja. Prvi podstupac ('prosjek razlika') je

postotak redukcije razlike među aritmetičkim sredinama nakon implementacije procedure

uparivanja, prema sljedećoj formuli:

Drugi podstupac stupca 'redukcija' predstavlja postotak redukcije standardizirane razlike

aritmetičkih sredina nakon primjene procedure uparivanja.

Prema Rosenbaumu i Rubinu (1985), kvalitetu uparivanja procjenjujemo zadovoljavajućom

ako su standardizirane razlike aritmetičkih sredina ukupnih podataka veće od

standardiziranih razlika aritmetičkih sredina uparenih podataka. Nadalje, pri procjeni

kvalitete uparivanja primijenili smo kriterij Calienda i Kopeinniga (2008) prema kojem

standardizirana razlika aritmetičkih sredina uparenog skupa podataka ne bi smjela biti veća

od 5%.

Tablica 6. – Javni radovi 1 – Procjena kvalitete uparivanja – distribucija skorova prema sklonosti UKUPNI PODACI UPARENI PODACI REDUKCIJA

Prosjek

tretiranih Prosjek

kontrolne SD

kontrolne Prosjek razlika

SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka

ožujak-lipanj 2010

0,006 0,002 0,003 0,0034 1,3578 0,005 0,005 0,006 0,0001 0,0092 98,44 99,32

rujan-prosinac

2010 0,002 0,001 0,001 0,0008 0,8915 0,002 0,002 0,001 0,0000 0,0145 97,64 98,37

ožujak-svibanj 2011

0,009 0,004 0,004 0,0042 1,0148 0,008 0,008 0,007 0,0001 0,0126 97,76 98,75

rujan-studeni 2011

0,012 0,007 0,006 0,0048 0,8136 0,012 0,012 0,008 0,0001 0,0166 97,41 97,96

ožujak-lipanj 0,010 0,006 0,005 0,0041 0,7719 0,010 0,010 0,008 0,0001 0,0126 97,60 98,37

17

2012

kolovoz-prosinac

2012 0,004 0,002 0,002 0,0018 0,9096 0,004 0,004 0,003 0,0000 0,0131 97,76 98,56

siječanj-lipanj 2013

0,007 0,004 0,003 0,0025 0,7087 0,007 0,007 0,005 0,0001 0,0125 97,58 98,23

srpanj-prosinac

2013 0,004 0,002 0,002 0,0026 1,1932 0,004 0,004 0,004 0,0000 0,0098 98,37 99,18

Tablica 7. – Javni radovi 2 – Procjena kvalitete uparivanja – distribucija skorova prema sklonosti UKUPNI PODACI UPARENI PODACI REDUKCIJA

Prosjek

tretiranih Prosjek

kontrolne SD


SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka

ožujak-lipanj 2010

0,006 0,005 0,003 0,0018 0,6236 0,006 0,006 0,003 0,0000 0,0133 97,58 97,87

rujan-prosinac

2010

0,004 0,003 0,002 0,0015 0,7411 0,004 0,004 0,003 0,0000 0,0159 97,24 97,86

ožujak-svibanj

2011

0,016 0,010 0,007 0,0051 0,7075 0,015 0,015 0,009 0,0001 0,0129 97,86 98,18

rujan-studeni

2011

0,023 0,016 0,011 0,0072 0,6822 0,023 0,023 0,012 0,0002 0,0130 97,79 98,10

ožujak-lipanj 2012

0,018 0,013 0,008 0,0054 0,6695 0,018 0,018 0,009 0,0001 0,0149 97,45 97,78

kolovoz-prosinac

2012

0,007 0,004 0,003 0,0026 0,7999 0,007 0,007 0,004 0,0001 0,0174 97,36 97,83


0,010 0,006 0,005 0,0033 0,7172 0,010 0,010 0,005 0,0001 0,0176 97,35 97,54

srpanj-prosinac

2013

0,003 0,002 0,001 0,0011 0,7524 0,003 0,003 0,002 0,0000 0,0121 98,01 98,40

Table 8. – Obrazovanje nezaposlenih – Procjena kvalitete uparivanja – distribucija skorova prema sklonosti UKUPNI PODACI UPARENI PODACI REDUKCIJA

Prosjek

tretiranih Prosjek

kontrolne SD


SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka


0,003 0,002 0,001 0,0013 0,8885 0,003 0,003 0,002 0,0000 0,0132 98,30 98,51

srpanj-prosinac

2010 0,001 0,000 0,001 0,0006 1,0431 0,001 0,001 0,001 0,0000 0,0175 97,48 98,32


0,003 0,002 0,002 0,0012 0,7482 0,003 0,003 0,002 0,0000 0,0147 98,05 98,03

srpanj- prosinac

2011 0,008 0,005 0,004 0,0029 0,7389 0,008 0,008 0,004 0,0001 0,0179 97,39 97,57

ožujak- lipanj 2012

0,002 0,001 0,001 0,0012 0,9891 0,002 0,002 0,001 0,0000 0,0165 98,18 98,34

rujan- prosinac

2012 0,002 0,001 0,001 0,0011 1,4551 0,002 0,002 0,001 0,0000 0,0137 98,29 99,06

veljača- lipanj 2013

0,001 0,000 0,001 0,0009 1,3573 0,001 0,001 0,001 0,0000 0,0131 98,21 99,03

srpanj- prosinac

2013 0,001 0,000 0,000 0,0005 1,1968 0,001 0,001 0,001 0,0000 0,0145 98,07 98,79

18

Tablica 9. – Potpora za samozapošljavanje – Procjena kvalitete uparivanja – distribucija skorova prema sklonosti UKUPNI PODACI UPARENI PODACI REDUKCIJA

Prosjek

tretiranih Prosjek

kontrolne SD


SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka

2010 0,001 0,000 0,000 0,0005 1,8248 0,001 0,001 0,001 0,0000 0,0116 98,61 99,36

2011 0,001 0,000 0,000 0,0005 1,2385 0,001 0,001 0,001 0,0000 0,0136 98,27 98,90

2012 0,001 0,000 0,000 0,0003 1,0740 0,001 0,001 0,000 0,0000 0,0131 98,13 98,78


0,003 0,001 0,001 0,0018 1,3264 0,003 0,003 0,003 0,0000 0,0120 98,31 99,09

srpanj- prosinac

2013 0,003 0,001 0,001 0,0017 1,5227 0,003 0,002 0,002 0,0000 0,0122 98,39 99,20

Tablica 10. – Potpore za zapošljavanje 1 – Procjena kvalitete uparivanja – distribucija skorova prema sklonosti UKUPNI PODACI UPARENI PODACI REDUKCIJA

Prosjek

tretiranih Prosjek

kontrolne SD


SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka

2010 0,003 0,001 0,001 0,0017 1,1788 0,003 0,003 0,003 0,0000 0,0116 98,31 99,02

2011 0,007 0,003 0,003 0,0038 1,2171 0,007 0,006 0,005 0,0001 0,0102 98,53 99,16

2012 0,006 0,003 0,003 0,0036 1,1878 0,006 0,006 0,005 0,0001 0,0143 97,90 98,79

2013 0,008 0,003 0,004 0,0051 1,4225 0,008 0,008 0,008 0,0001 0,0105 98,37 99,26


Prosjek

tretiranih Prosjek

kontrolne SD


SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka

2010 0,001 0,000 0,001 0,0008 1,2825 0,001 0,001 0,001 0,0000 0,0156 98,13 98,78

2011 0,002 0,001 0,001 0,0013 1,1905 0,002 0,002 0,001 0,0000 0,0170 98,08 98,58

2012 0,003 0,001 0,001 0,0016 1,3517 0,003 0,002 0,002 0,0000 0,0135 98,26 99,00

2013 0,003 0,001 0,001 0,0016 1,1658 0,003 0,003 0,002 0,0000 0,0151 98,20 98,70


Prosjek

tretiranih Prosjek

kontrolne SD


SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka

2010 0,001 0,000 0,001 0,0006 0,9806 0,001 0,001 0,001 0,0000 0,0367 96,72 96,26

2011 0,002 0,001 0,001 0,0010 1,3451 0,002 0,002 0,001 0,0000 0,0171 98,03 98,73

2012 0,002 0,001 0,001 0,0010 1,2874 0,001 0,001 0,001 0,0000 0,0146 98,30 98,87

2013 0,001 0,001 0,001 0,0008 1,1462 0,001 0,001 0,001 0,0000 0,0151 98,25 98,68

19

Tablica 13. – Stručno osposobljavanje – Procjena kvalitete uparivanja – distribucija skorova prema sklonosti UKUPNI PODACI UPARENI PODACI REDUKCIJA

Prosjek

tretiranih Prosjek

kontrolne SD


SD razlika

Prosjek tretiranih

Prosjek kontrolne

SD kontrolne

Prosjek razlika

SD razlika

Prosjek razlika

Stand. razlika

prosjeka

Stručno osposobljavanje 1

kolovoz-prosinac

2010 0,006 0,000 0,002 0,0060 3,6509 0,006 0,006 0,005 0,0000 0,0060 99,50 99,83


0,017 0,001 0,004 0,0164 4,1010 0,017 0,017 0,018 0,0001 0,0070 99,24 99,83

srpanj-prosinac

2011 0,045 0,001 0,008 0,0433 5,6583 0,044 0,044 0,054 0,0003 0,0050 99,37 99,91

ožujak-srpanj 2012

0,034 0,001 0,006 0,0327 5,1418 0,033 0,033 0,044 0,0002 0,0055 99,25 99,89

kolovoz-prosinac

2012 0,023 0,001 0,005 0,0219 4,0710 0,023 0,023 0,025 0,0001 0,0041 99,54 99,90


0,081 0,003 0,015 0,0780 5,3454 0,077 0,076 0,093 0,0007 0,0080 99,04 99,85

srpanj-prosinac

2013 0,044 0,003 0,011 0,0413 3,8701 0,044 0,044 0,050 0,0004 0,0073 99,12 99,81

Stručno osposobljavanje 2

srpanj-prosinac

2012 0,015 0,002 0,005 0,0138 2,9459 0,015 0,015 0,009 0,0000 0,0006 99,96 99,98


0,031 0,003 0,009 0,0275 2,9022 0,031 0,031 0,017 0,0000 0,0004 99,98 99,99

srpanj-prosinac

2013 0,021 0,002 0,007 0,0189 2,8340 0,021 0,021 0,012 0,0000 0,0001 99,99 100,00

Ukupna kvaliteta uparivanja je visoka. Kada gledamo distribucije skorova prema sklonosti,

primjećujemo supstancijalnu redukciju razlika aritmetičkih sredina skorova prema sklonosti

između kontrolne skupine i skupine tretiranih u svakom (od 49) modela procjene uparivanja.

U svakom modelu standardizirana razlika aritmetičkih sredina prije uparivanja je bila

supstantivno viša nego poslije uparivanja. Nadalje, u svakom od modela implementacija

tehnike uparivanja je smanjila standardizirane razlike aritmetičkih sredina za najmanje 96%.

U svakom modelu je ispunjen kriterij Calienda i Kopeiniga – standardizirane razlike

aritmetičkih sredina uparenih podataka nisu veće od 5% u nijednom od modela. Kada

obratimo pozornost na grafove distribucija skorova prema sklonosti u Prilogu, možemo

vidjeti da su distribucije kontrolne i tretirane skupine nakon uparivanja skoro identične. Ipak,

pažljivim pregledom tablica A1-A8 u Prilogu postoji nekolicina varijabli čije distribucije nisu

konvergirale jedna drugoj nakon tehnike uparivanja.

20

1.6. Definiranje skupa izlaznih podataka za potrebe analize učinkovitosti

Ishodi tehnike uparivanja su dobivene baze podataka kojima se, za svaki definirani model,

nalaze upareni ishodi zaposlenosti i nezaposlenosti sudionika mjera APZ-a i njihovih parnjaka

koji u danom periodu nisu sudjelovali u analiziranoj mjeri. Ishodi zaposlenosti i

nezaposlenosti su pridruženi iz baze podataka Hrvatskog zavoda za mirovinsko osiguranje te

su zabilježeni za svaki mjesec nakon ulaska u mjeru (za sudionike mjere) te za svaki mjesec

uparenih nesudionika od trenutka kada su upareni sudionici ušli u mjeru6. Kako je trenutak

ulaska u mjeru kod sudionika u inicijalnoj bazi podataka bio definiran na razini jednog

mjeseca (na razini epizode), ishodi uparenih skupova (sudionik + upareni nesudionici) koje je

bilo moguće pratiti na razini modela definirani su do 36 mjeseci nakon početka intervencije.

Za svaki od ishoda, opservirani učinci su dobiveni za čitav model te su prikazani u definiranim

vremenskim točkama pri čemu je početna točka promatranog ishoda 6 mjeseci nakon kraja

intervencije. Unutar svakog modela vremenske točke promatranih ishoda definirane su u

skladu s normativnim trajanjem mjere, budući da se upareni skup prati od početka

intervencije sudionika mjere. Ovakav način definiranja promatranih vremenskih točaka

predstavljao je problem u slučaju intervencije s varijabilnim trajanjem (obrazovanje

nezaposlenih osoba) koji je riješen na način da su sudionici mjere podijeljeni u kategorije

trajanja na razini mjeseca za potrebe određivanja vremenske točke promatranog ishoda. U

slučaju kontrolne skupine (koja nema vrijednost intervencije), pri izračunu vremenskih

točaka vodili smo se medijalnim trajanjem intervencije (dva mjeseca). Kako je maksimalni

vremenski obuhvat ishoda 36 mjeseci (što uključuje i trajanje mjere), odabrane su

vremenske točke koje na razini ukupnih podataka prikazuju kratkoročni do srednjoročni

učinak mjere (6, 12, 18, 24, 30 mjeseci nakon izlaska iz mjere). Kako maksimalni vremenski

raspon u vidu dobivenih ishoda ovisi o dužini trajanja mjere, oni su duži za mjere nominalno

kraćeg trajanja. Također, kada u vidu imamo samo trajanje mjere i referentnu godinu analize

(npr. 2013.), za neke godine analize praćenje ishoda nije bilo moguće dulje od 12-18 mjeseci

nakon izlaska iz mjere. Iz tog razloga za svaki od modela temeljem izlaznih podataka

konstruirani su analitički modeli koji nam omogućavaju prikaz prosječnog učinka u duljim

vremenskim točkama.

6 Opservacije ishoda nezaposlenosti i zaposlenosti za skupinu sudionika i nesudionika sežu do rujna 2015.

godine

21

Tablica 14. – Prikaz analitičkih modela konstruiranih u svrhu maksimalnog obuhvata

Intervencija (trajanje) Model Analitički modeli/maksimalni obuhvat analiza

Javni radovi

(nominalno trajanje 6 mjeseci)

Javni radovi 1 (model 2.1) Učinak do 30 mj. nakon izlaska iz mjere: 2010+2011+2012

Učinak do 24 mj. nakon izlaska iz mjere: ukupni referentni period

Javni radovi 2 (model 2.2) Učinak do 30 mj. nakon izlaska iz mjere: 2010+2011+2012


Obrazovanje nezaposlenih

(varijabilno trajanje – medijalno trajanje 2 mjeseca)

Model 4 Učinak do 30 mj. nakon izlaska iz mjere: 2010+2011

Učinak do 24 mj. nakon izlaska iz mjere: 2012+2013

Učinak do 24 mj. nakon izlaska iz mjere: ukupni referenti period

Potpora za samozapošljavanje


Model 6 Učinak do 24 mj. nakon izlaska iz mjere: do siječnja 2013

Učinak do 12 mj. nakon izlaska iz mjere: od veljače 2013




Potpore za zapošljavanje 1 (model 8.1)

Mladi bez radnog iskustva

Učinak do 24 mj. nakon izlaska iz mjere: 2010+2011+2012


Potpore za zapošljavanje 2

(model 8.2)

Dugotrajno nezaposleni



Potpore za zapošljavanje 3

(model 8.3)

Osobe iznad 50 godina



Stručno osposobljavanje za rad bez zasnivanja radnog odnosa


SOR 1 (model 10.1 – prema ZOR-u)

Učinak do 24 mj. nakon izlaska iz mjere: do svibnja 2012


SOR 2 (model 10.2 – prema ZOPS-u

Učinak do 12 mj. nakon izlaska iz mjere: ukupni referentni period (od svibnja 2012)

Osnovna podjela mjere javni rad je istovremeno uvjet bivanja u evidenciji Zavoda

(registrirana nezaposlenost) kao i razina sufinanciranja kandidata na koje poslodavac ima

pravo. Kako su posebne skupine za koje nije bilo moguće identificirati parnjake isključene iz

analize, ovo je osnovna podjela ciljanih populacija mjere. U slučaju ove mjere egzaktno

uparivanje (upareni sudionici i nesudionici moraju imati točno istu vrijednost na prediktoru)

je obavljeno i na razini Područnog ureda u kojem su članovi skupine tretiranih i kontrolne

skupine bili prijavljeni. Ovo nam omogućuje adekvatan način ocjene prosječnog učinka mjere

na županijskom i regionalnom nivou (pri prikazu/analizi prosječnih učinaka mjere, bit će

korištena razina regije.

U mjeri obrazovanje nezaposlenih, vremenski odijeljeni segmenti analize su skupovi od dvije

godine. Osnovni razlog za ovu podjelu su uvidi u količinu ulazaka u mjeru u zadanim

22

godinama. Suprotno svim ostalim mjerama, najfrekventnije godine ulazaka su 2010. i 2011.,

s drastičnim smanjenjem broja ulazaka u 2012. Godini. U ovoj mjeri smo kao egzaktni

prediktor također koristili Područni ured u kojem je (ne)sudionik prijavljen.

U slučaju potpore za samozapošljavanje, usprkos nekim promjenama uvjeta za ulazak u

mjeru, odlučili smo se na odjeljivanje segmenata analize na temelju identificiranog mjeseca

od kojeg je Zavod odlučio veću pažnju u provedbi mjere odlučio posvetiti aktivnostima koje

prethode ostvarivanju potpore i ulaska u mjeru. Od studenog 2012 veći je naglasak stavljen

na ove aktivnosti, a uvid u distribuciju ulazaka u mjeru omogućio nam je da zamijetimo

povećanu frekvenciju ulazaka u mjeru nakon siječnja 2013 koji smo potom identificirali kao

adekvatnu točku segmentacije, odnosno kontrole dizajna.

Potpore za zapošljavanje su odijeljene u tri modela temeljem ciljane skupine mjere. Za svaku

ciljanu skupinu pokušali smo ponuditi dvije segmentacije kojima bismo zahvatili stabilan

dizajn mjere čiji učinak možemo promatrati u što dužem vremenskom razdoblju. U slučaju

potpora za zapošljavanje mladih bez radnog staža, iako je identificirani stabilni dizajn

nastupio 2012., odlučili smo uzeti period od tri godine zbog izjednačavanja skupine

tretiranih. U slučaju dugotrajno nezaposlenih te potpora za osobe iznad 50 godina, također

smo u svrhu promatranja učinka u dužem vremensko razdoblju konstruirali analitičke

modele za godine obuhvata do kraja 2012.

Stručno osposobljavanje za rad bez zasnivanja radnog odnosa odijeljeno je u zasebne

model prvenstveno temeljem tipa intervencije, odnosno širenjem ciljane skupine mjere koje

je nastupilo u svibnju 2012 godine. U prvom modelu obuhvatili smo samo one sudionike

mjere koji su u mjeru ušli temeljem Zakona o radu (obavezan radni staž za polaganje

stručnih/državnih ispita). Ovaj model je nadalje podijeljen na način da pokušamo obuhvatiti

prosječne učinke mjere za sudionike koji su u mjeru ušli pod navedenim uvjetom prije

trenutka proliferacije mjere te za njih procijeniti dugoročni učinak mjere. Sudionici koji su

mjeru ušli temeljem proširenja ciljane skupine (prema Zakonu o potporama za zapošljavanje)

uključuju samo one sudionike kojima nominalno trajanje mjere iznosi 12 mjeseci.

23

1.7. Procjena statističke značajnosti dobivenih učinaka pomoću intervala pouzdanosti

Za svaku mjeru, provedene su dva logistička regresijska modela. Modeli imaju isti skup

nezavisnih varijabli i različite zavisne varijabla. U svakom modelu, zavisna varijabla se

odnosila na ishod mjere - status osobe na tržištu rada.

Kao zavisna varijabla, koristio se status zaposlenosti (kodiran 1 osoba u radnom odnosu, 0-

inače) ili status nezaposlenosti (kodiran kao 1=zaposlen, 0=nije zaposlen).

Skup nezavisnih varijabli činili su prediktori ishoda intervencije prethodno korišteni u

postupku uparivanja, te indikator podvrgavanju mjere (kodiran kao 1=eksperimentalna

skupina, 0=kontrolna skupina). U procjenama modela, indikator pripadnosti

eksperimentalnoj ili kontrolnoj skupini koristio se kao glavna nezavisna varijabla - ispitivanje

statističke značajnosti ove varijable koristilo se za procjenu statističke značajnosti efekta

mjere. Ostale nezavisne varijable korištene su za kontrolu nezavisnih varijabli i bile su

uključene u model kako bi se dobilo na robusnosti značajnosti testa efekta mjere.

U okviru svakog modela simulirana je i računata predviđena vjerojatnost zaposlenosti,

odnosno nezaposlenosti(ovisno o vrsti zavisne varijable) prema formuli:

Provedeno je 1000 simulacija po modelu. U svakoj simulaciji izvedeni su β koeficijenti

modela iz distribucije uzoraka, definirani standardnom pogreškom logističkog regresijskog

modela.

Za svaki model izvedene su dvije vrste simulacija: jedna za skupinu u mjeri (eksperimentalna

skupina) kod koje je vrijednost indikatora pripadnosti skupini postavljena na vrijednost 1, i

druga za skupinu koja nije bila u mjeri (kontrolna skupina) kod koje je vrijednost indikatora

pripadnosti skupini postavljena na 0. U svakom modelu, sve druge vrijednosti nezavisnih

varijabli bile su postavljene na prosječne vrijednosti (aritmetičke sredine) analiziranog skupa

podataka.

U sljedećem koraku procjenjivane su razlike između očekivanih vjerojatnosti zaposlenosti

(odnosno nezaposlenosti) između eksperimentalne i kontrolne skupine. Na temelju

24

simulacija dobivene su distribucije uzoraka tih razlika i interval pouzdanosti od 95%. Intervali

pouzdanosti koji ne obuhvaćaju vrijednost 0, statističku su značajni, neovisno o pozitivnom ili

negativnom predznaku. U slučaju da raspon intervala zahvaća vrijednost 0, učinak mjere nije

statistički značajan.

Intervali pouzdanosti su izračunati za svaki model na razini objekata u programskom paketu

R za 12. mjesec nakon izlaska iz intervencije. Distribucije intervala pouzdanosti, za analitički

bitne ishode, u grafičkom obliku se nalaze u drugom dijelu ovog dokumenta (Analiza

prosječnog učinka mjera APZ-a) dok se tablični prikaz dobivenih intervala nalazi u donjoj

tablici. Grafički prikazi distribucija intervala pouzdanosti za sve ishode u svim modelima

nalaze se u Dodatku 2 ovog izvještaja.

Tablica 15. – Prikaz procjena vrijednosti razlika i intervala pouzdanosti razlika za ishode zaposlenosti i nezaposlenosti u 12. mjesecu nakon izlaska iz mjere.

Intervencija/model Varijabla ishoda

Procjena vrijednosti razlike između

eksperimentalne i kontrolne skupine

95% interval pouzdanosti razlike

Donja granica Gornja granica

Javni radovi za osobe nezaposlene 11 do 35 mjeseci

% Zaposlenih 0,010 0,002 0,019

% Nezaposlenih 0,063 0,053 0,073

Javni radovi za osobe nezaposlene 36 mjeseci i dulje

% Zaposlenih 0,013 0,007 0,020

% Nezaposlenih 0,065 0,052 0,077

Samozapošljavanje % Zaposlenih 0,382 0,357 0,402

% Nezaposlenih -0,224 -0,246 -0,203

Potpore za zapošljavanje mladih

% Zaposlenih 0,263 0,247 0,281

% Nezaposlenih -0,111 -0,124 -0,098

Potpore za zapošljavanje dugotrajno nezaposlenih

% Zaposlenih 0,329 0,306 0,352

% Nezaposlenih -0,171 -0,191 -0,153

Potpore za zapošljavanje starijih

% Zaposlenih 0,392 0,348 0,438

% Nezaposlenih -0,205 -0,245 -0,167

Stručno osposobljavanje (ZOR) % Zaposlenih 0,143 0,132 0,154

% Nezaposlenih -0,038 -0,049 -0,027

Stručno osposobljavanje (ZOPZ)

% Zaposlenih 0,235 0,217 0,254

% Nezaposlenih -0,077 -0,093 -0,060

Obrazovanje nezaposlenih % Zaposlenih 0,079 0,070 0,088

% Nezaposlenih -0,001 -0,009 0,008

25

U analizi prosječnih učinaka mjera APZ-a vodili smo se načelom prikaza najznačajnijih

rezultata u skladu s namjeravanim učincima mjere te su podaci u grafičkim i tabličnim

prikazima uređeni u skladu s tekstom interpretacije i značajnosti nalaza. Također, za svaku

analiziranu intervenciju navedena je procjena statističke značajnosti učinka dobivenog

modelima uparivanja, za postotke zaposlenosti i nezaposlenosti, dok je grafički prikaz

intervala pouzdanosti prikazan ukoliko je određeni ishod za tip intervencije analitički važan.

Svi konstruirani analitički modeli korišteni pri analizi učinaka mjera nalaze se u Dodatku na

kraju izvještaja, gdje se nalazi i prosječni učinci na razini regije zahvaćeni u modelima za

mjere obrazovanja i javnih radova.

2. ANALIZA PROSJEČNIH UČINAKA MJERA APZ-a

26

2.1.Javni radovi

U analizu ove mjere ušlo je ukupno 19.091 sufinancirana osoba koje su uparene sa srodnim

nesudionicima temeljem dva modela. Model evaluacije javnih radova koji nisu u potpunosti

financirani od strane Zavoda te čiji su sudionici bili nezaposleni 12-35 mjeseci obuhvatio je

10.457 sufinanciranih osoba, dok je model od Zavoda u potpunosti financiranog javnog rada

za sudionike nezaposlene 36 mjeseci i dulje (te kraće nezaposlene sudionike iz područja od

posebne državne skrbi) obuhvatio 8.634 osobe.

Tablica 1. Obuhvat analize učinka mjere javnih radova –broj sudionika mjere i kontrolne skupine, po godinama

Godina

Javni radovi 1 – nezaposleni od 12-35 mjeseci

Javni radovi 2 – nezaposleni 36 mjesec i dulje

Broj sudionika

mjere Broj osoba u kontrolnoj

skupini

Broj sudionika mjere

Broj osoba u kontrolnoj skupini

2010 809 3.943 909 4.469

2011 2.745 13.535 2.567 12.717

2012 3.389 16.730 3.018 14.970

2013 3.514 17.356 2.140 10.647

Ukupno 10.457 51.564 8.634 42.803

Trećina korisnika mjere javnih radova ima završeno samo osnovno obrazovanje, a daljnjih

37% ima završeno 3 ili manje razreda srednje škole. Nešto više od polovine korisnika mjere

(52%) starije je od 40 godina, a 32% ima 10 ili više godina radnoga staža. Gotovo polovina

korisnika je iz Slavonije (46%), dok ih je najmanje u Zagrebu i okolici (7%), te u Istri (5%).

Doseg analize za sve referentne godine definiran je do 24. mjeseca nakon nominalnog

trajanja mjere (6 mjeseci). Prosječni učinak mjere prikazujemo na združenim rezultatima oba

analitička modela dok će u analizi i interpretaciji podataka razlike u rezultatima među

modelima biti prikazane tablično.

27

Zaposlenost

Slika 1. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – Javni radovi ukupno, za sve godine

Iz rezultata prikazanih na slici vidljiv je nizak postotak zaposlenih nakon mjere kako kod

sudionika mjere tako i kod uparenih ne-sudionika mjere. Iako je kod sudionika javnih radova

u svim mjesecima postotak zaposlenih nešto viši, razlika, tj. učinak mjere na postotak

zaposlenost vrlo je mali i iznosi između 1 i 4% u periodu između 6 i 24 mjeseci nakon

završetka mjere.

Ako usporedimo učinke u pogledu zaposlenosti, dva modela se u ne odstupaju znatno jedan

od drugoga. Očekivano, ukupne proporcije zaposlenih među sudionicima i uparenim

nesudionicima su na razini drugog modela (nezaposleni 36 mjeseci i dulje) su niže nego kod

prvog modela, ali sam prosječni učinak je za drugi model neznatno viši, kako je prikazano u

donjoj tablici.

Tablica 2. Razlika u učincima mjere javnih radova na postotak zaposlenih za dva kreirana modela

Broj mjeseci nakon izlaska iz mjere

Javni radovi 1 – nezaposleni 12-35 mj. –razlika u % zaposlenih između

sudionika mjere i uparenih ne-sudionika

Javni radovi 2 – nezaposleni 36 mjeseci i dulje –razlika u %

zaposlenih između sudionika mjere i uparenih ne-sudionika

6 2% 3%

12 1% 2%

18 4% 4%

24 3% 4%

28

Slika 2. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe nezaposlene 12 do 35 mjeseci.

Ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe nezaposlene

13 do 35 mjeseci je granično statistički značajan za ishod zaposlenosti u odnosu na osobe

koje nisu bile u mjeri (kontrolna skupina). Donja granica intervala pouzdanosti iznosi 0,002

(0,2%), a prosječna procjena učinka mjere iznosi 0,01 (1%), te se ne može govoriti o

značajnom i znatnom doprinosu mjere u terminima veće zaposlenosti osoba koje su bile u

ovoj mjeri.

Slika 3. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe nezaposlene 36 mjeseci i dulje.

Ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe nezaposlene

dulje od 36 je statistički granično je značajan (donja granica intervala pouzdanosti iznosi

0,007, a prosječan efekt 0,013), te se jednako kao kod javnih radova za nezaposlene 12 do 35

mjeseci ne može utvrditi znatniji učinak mjere na zaposlenost.

29

Nezaposlenost

Kako je jedan od ciljeva mjere javnih radova i zadržavanje nezaposlenih osoba na tržištu

rada, osim postotka zaposlenosti, kod mjere javnih radova, učinak je potrebno pratiti i na

razini učinka mjere na nezaposlenost, pri čemu donja slika pokazuje veću vjerojatnost da su

sudionici mjere nezaposleni nakon izlaska iz mjere nego upareni nesudionici.

Slika 4. Prikaz postotka nezaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – Javni radovi ukupno, za sve godine

Usporedbom s evaluacijom mjera APZ-a u kojoj je također korištena metoda uparivanja

prema sklonosti (Matković, Babić, Vuga, 2012) naši rezultati (na razini ukupnih podataka)

pokazuju sličan rizik nezaposlenosti sudionika javnih radova koji iznosi od 5 do 8%. Proporcije

nezaposlenih među sudionicima javnih radova u našim modelima su nešto manje nego u

navedenoj evaluaciji, što objašnjavamo upotrebom različitih pokazatelja ishoda na tržištu

rada.

Tablica 3. Razlika u učincima mjere javnih radova na postotak nezaposlenih za dva kreirana modela Broj mjeseci nakon

izlaska iz mjere Javni radovi 1 – nezaposleni 12-35

mj. –razlika u % nezaposlenih između sudionika mjere i uparenih

ne-sudionika

Javni radovi 2 – nezaposleni 36 mjeseci i dulje –razlika u %

nezaposlenih između sudionika mjere i uparenih ne-sudionika

6 5% 6%

12 8% 8%

18 6% 8%

24 8% 8%

Kako je vidljivo iz gornje tablice, u drugom modelu opet imamo nešto viši učinak mjere te je on kroz vrijeme stabilniji nego u prvom modelu.

30

Slika 5. Distribucija intervala pouzdanosti za ishod nezaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe nezaposlene 12 do 35 mjeseci.

Ishod nezaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe

nezaposlene 12 do 35 mjeseci je statistički značajan i to u smjeru veće nezaposlenosti kod

osoba koje su bile u mjeri nego kod osoba koje nisu bile u mjeri. Donja granica intervala

pouzdanosti iznosi 0,053 (5,3%), a prosječna procjena učinka mjere iznosi 0,063 (6,3%).

Slika 6. Distribucija intervala pouzdanosti za ishod nezaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe nezaposlene 36 mjeseci i dulje.

Ishod nezaposlenosti u 12. mjesecu nakon izlaska iz mjere javnih radova za osobe

nezaposlene 36 mjeseci i dulje je statistički značajan i to u smjeru veće nezaposlenosti kod

osoba koje su bile u mjeri nego kod osoba koje nisu bile u mjeri. Donja granica intervala

pouzdanosti iznosi 0,052 (5,2%), a prosječna procjena učinka mjere iznosi 0,065 (6,5%).

31

Obje mjere javnih radova imaju vrlo sličan obrazac učinka mjere u 12. mjesecu nakon izlaska.

Dok je učinak mjere na zaposlenost zanemariva, učinak na nezaposlenost je statistički

značajna, u smjeru nešto veće nezaposlenosti, oko 6%, kod osoba koje su bile u mjeri.

Kako su postotci nezaposlenih kod sudionika mjere viši u svim mjesecima, kao i u oba

modela, ovaj rezultat sukladno namjeravanim učincima mjere držimo za pozitivan, te ga

smatramo indikatorom učinka mjere u pogledu zadržavanja teško zapošljivih osoba na tržištu

rada. Da bi smo ocijenili učinak mjere na smanjenje odljeva s tržišta rada, konstruiran je

analitički pokazatelj prosječnog učinka mjere kao razlike ukupnog zbroja zaposlenih i

nezaposlenih između skupine sudionika te uparenih sudionika.

32

Aktivnost

Slika 7. Prikaz postotka ostanka na tržištu rada u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – Javni radovi ukupno, za sve godine

Iz grafičkog prikaza koji prikazuje učinak mjere na postotak osoba na tržištu rada vidljiv je

pozitivan učinak mjere javnih radova na što ukazuje razlika u postotku registriranih na tržištu

rada između sudionika mjere i uparenih nesudionika, a koja iznosi između 8 i 11%.

Tablica 4 – Prosječni učinak mjere na (su)financirane osobe u pogledu smanjenja napuštanja tržišta rada za skupinu sudionika, po kreiranim modelima

Mjeseci nakon završetka mjere

Prosječni učinak mjere (ostanak na

tržištu rada) – ukupni podaci


tržištu rada) – nezap. 12-35 mj.


tržištu rada) – nezap. 36 mj. i dulje

6 8% 7% 9%

12 9% 9% 10%

18 10% 10% 12%

24 11% 11% 12%

Učinkovitost (u vidu stanja zaposlenosti) oba modela javnih radova je malena. Prosječni

učinak zaposlenosti se blago povećava s protokom vremena te u obuhvaćenom periodu

maksimalno iznosi 4% . Kako primarni cilj ove mjere nije neposredno zapošljavanje nego

aktivacija polaznika na tržištu rada, zanimljivo je promotriti učinak s obzirom na registriranu

nezaposlenost. Tako je u oba modela, za razliku od svih ostalih mjera, broj nezaposlenih u

skupini polaznika mjere veći nego kod kontrolne skupine. Kako za obje skupine zbroj

zaposlenih i nezaposlenih ishoda nikada ne doseže 100% (nedostajući ishodi

podrazumijevaju izlazak iz tržišta rada, uključujući i odlazak u mirovinu), razlika u ukupnom

33

zbroju statusa zaposlenosti i nezaposlenosti između dvije grupe nam može poslužiti kao

indikator zadržavanja na tržištu rada. Prema tome, opservirana veća proporcija nezaposlenih

u skupini sudionika mjere ne predstavlja nužno negativan rezultat ako se vodimo logikom

same intervencije. Ukupni zbroj statusa nezaposlenosti i zaposlenosti različit je za skupinu

sudionika i ne-sudionika u korist prethodnih. Tako 6. mj nakon izlaska ta razlika iznosi 8% te

se povećava s vremenom, ali postaje stabilna dvije godine nakon izlaska iz mjere te iznosi

11%. U cijelom referentnom periodu model za nezaposlene 36 mj. i više ima nešto bolji

učinak u pogledu usporavanja odljeva ciljane skupine iz tržišta rada koji postaje izraženiji s

protokom vremena (u dugoročnom modelu raste za dodatnih 1% 30 mjeseci nakon izlaska iz

mjere). Upravo povećanje razlike ukupnog postotka registriranih na tržištu rada kroz

vremenske točke nakon izlaska iz mjere upućuje na specifičan učinak javnih radova budući da

je ovakav tijek kretanja razlike između skupine sudionika i uparenih ne-sudionika odlika

jedino ove mjere.

34

Učinak po godinama provedbe mjere

Unutar godina, promatrajući prosječni učinak 12 mjeseci nakon izlaska iz mjere,

najuspješnijom se pokazuje 2010. godina, i to za oba modela. Pri čemu je za nezaposlene od

12 do 35 mjeseci izraženiji učinak zaposlenosti (8% više zaposlenih u skupini sudionika – dok

u 18 mj. nakon mjere raste na 14%), dok je u slučaju drugog modela za 15% manje

napuštanje tržišta rada kod sudionika mjere (taj postotak u 18. mj. raste na 17% te na toj

razini zadržava do kraja mogućeg vremenskog obuhvata – 30 mj.). Na razini ukupnih

podataka ovako definirana učinkovitost mjere se smanjuje u referentnom periodu evaluacije,

kako je prikazano na donjoj slici.

Slika 8 – Prikaz ukupnog postotka na tržištu rada 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika – Javni radovi ukupno, po godinama ulaska

U donjoj tablici vidimo da je trend smanjenja ovako definirane učinkovitosti javnih radova izraženiji u slučaju prvog modela. Tablica 5 – Prikaz ukupnog postotka na tržištu rada 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika – Javni radovi, po kreiranim modelima te po godinama ulaska

Godina ulaska u mjeru


tržištu rada) – ukupni podaci


tržištu rada) – nezap. 12-35 mj.


tržištu rada) – nezap. 36 mj. i dulje

2010 13% 11% 14%

2011 10% 9% 11%

2012 8% 8% 8%

2013 8% 7% 10%

35

Učinak po regijama Tablica 6. Obuhvat analize učinka mjere javnih radova –broj sudionika mjere i kontrolne skupine u svim godinama, po regijama

Regija Broj sudionika

mjere

Udio regije u ukupnom zbroju sudionika


Zagreb 1394 7,3% 7087

Sjeverna Hrvatska 1991 10,4% 9757

Slavonija 8837 46,3% 43508

Lika i Banovina 2266 11,9% 11190

Hrv. primorje i Istra 929 4,9% 4558

Dalmacija 3674 19,2% 18267

Ukupno 19091 100% 94367

Gledano po regijama iz podataka prikazanih na donjoj tablici, vidljivo je kako učinak mjere –

ostanak na tržištu rada 12 mjeseci nakon izlaska iz mjere varira od 7% u Zagrebačkoj regiji do

12% u Sjevernoj Hrvatskoj. Pri tome je važno dodati i podatak o ukupnom obuhvatu mjere

po regijama, koji nije proporcionalan broju stanovništva. U Slavoniji u kojoj je u mjeri bilo

više od 46% svih sudionika mjere javnih radova, učinak na ostajanje na tržištu rada je 8%, što

je u apsolutnom broju više osoba nego u bio kojoj drugoj regiji neovisno o postotnom efektu.

Tablica 7. Ukupni postotci na tržištu rada 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika – Javni radovi ukupno, po regijama na temelju podataka uparenim po Područnom uredu prijave.

Regija Prosječan učinak mjere - ostanak na tržištu rada

Sudionici mjere javnih radova - % na

tržištu rada

Upareni ne-sudionici - % na

tržištu rada

Zagreb 7% 83% 76%

Sjeverna Hrvatska 12% 86% 74%

Slavonija 8% 89% 81%

Lika i Banovina 10% 91% 81%

Hrv. primorje i Istra 9% 85% 77%

Dalmacija 10% 90% 80%

36

2.2.Obrazovanje nezaposlenih

U analizu ove mjere ušle su ukupno 16.364 osobe, uparene sa sličnim ne-sudionicima unutar

jednog modela. Model evaluacije obrazovanja nezaposlenih uključivao je one sudionike

mjere za koje je u bazi HZZ-a postojao podatak o trajanju mjere obrazovanja. Kako bi se

mogao utvrditi doseg mjere, odnosno ishodi zaposlenosti i nezaposlenosti u promatranim

mjesecima analize nakon izlaska iz mjere, bilo je potrebno isključiti osobe za koje trajanje

mjere obrazovanja nije bilo poznato. Zbog nedostatka podataka o trajanju programa

obrazovanja analiza nije učinjena za ukupno 1.012 osoba.

Doseg mjere za kontrolnu skupinu određen je preko prosječne vrijednosti trajanja mjere

(medijana) i koja je u svim godinama iznosila 3 mjeseca.

Tablica 8. Obuhvat analize učinka mjere obrazovanja nezaposlenih –broj sudionika mjere i kontrolne skupine, te broj osoba isključenih iz analize zbog nepostojanja podatka o trajanju mjere, po godinama

Godina Broj sudionika mjere s poznatim trajanjem

mjere

Broj osoba u kontrolnoj skupini Broj osoba isključenih iz analize zbog nepostojanja podatka o

trajanju mjere

2010 2.886 14.414 134

2011 10.301 51.442 634

2012 1.880 9.397 165

2013 1.297 6.482 79

Ukupno 16.364 81.735 1.012

Gotovo trećina korisnika mjere obrazovanja nezaposlenih (32%) mlađe je od 26 godina, a

55% ima završenu trogodišnju srednju školu ili manje. 38% sudionika mjere redovno se

školovalo za neko od tehničkih zanimanja. Petina sudionika mjere nema nikakvog radnog

staža, a podjednako toliko ima 10 ili više godina radnog staža. Najveći broj sudionika mjere je

iz Slavonije (23%) i Zagreba i okolice (22%).

Doseg analize definiran je do 24. mjeseca nakon nominalnog trajanja mjere za sumarni

model, 30 mjeseci za analitički model koji obuhvaća 2010. i 2011. godinu, dok za analitički

model koji obuhvaća 2012. i 2013. godinu iznosi 18 mjeseci.

37

Zaposlenost

Slika 9. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – obrazovanje nezaposlenih ukupno, za sve godine

Iz rezultata prikazanih na slici uočljivo je kako postotci zaposlenosti i kod sudionika mjere i

kod kontrolne skupine rastu vremenom nakon izlaska iz mjere. Razlika između osoba u mjeri

i kontrolne skupine je relativno stabilna u svim promatranim periodima i iznosi između 5% i

8%.

Slika 10. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere – obrazovanje nezaposlenosti.

Učinak mjere obrazovanja nezaposlenosti na postotak zaposlenosti statistički je značajan u

intervalu od 95%. Prosječan efekt u 12. mjesecu nakon izlaska iz mjere iznosi 0,079, a donja

granica intervala iznosi 0,07.

38

Nezaposlenost

Uz zaposlenost, u okviru analize učinka mjere obrazovanja nezaposlenih analiziran je i

postotak nezaposlenosti.

Slika 11. Prikaz postotka nezaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – obrazovanje nezaposlenih, za sve godine

Kao što je vidljivo iz priloženog grafičkog prikaza, učinak mjere obrazovanja na postotak

nezaposlenih zanemariv je i ne može se utvrditi povezanost sudjelovanja u mjeri i smanjenog

(ili povećanog) rizika od nezaposlenosti. Dodatna potvrda nepostojanja učinka mjere je i

izračunati interval pouzdanosti u 12. mjesecu nakon mjere a koji nije statistički značajan.

Raspon intervala pouzdanosti od 95% iznosi između -0,009 i 0,008.

Slika 12. Distribucija intervala pouzdanosti za ishod nezaposlenosti u 12. mjesecu nakon izlaska iz mjere – obrazovanje nezaposlenosti.

39

Aktivnost

Kako je učinak mjere obrazovanja na nezaposlenost zanemariv, za očekivati je i da će učinak

mjere na postotak osoba na tržištu rada biti sličan efektu mjere na zaposlenost. To se vidi na

grafičkom prikazu učinka mjere na ostanak na tržištu rada. Učinci mjere za ovaj kriterij

variraju između 5 i 7%, što odgovara učinku mjere na postotak zaposlenosti. Međutim ono

što je iz prikaza zbrojene zaposlenosti i nezaposlenosti vidljivo, jest to da se postotak osoba

na tržištu rada blago smanjuje tijekom vremena po izlasku iz mjere kako u skupini sudionika

mjere, tako i u skupini ne-sudionika mjere.

Slika 13. Prikaz postotka ostanka na tržištu rada u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – obrazovanje nezaposlenih, za sve godine

40

Učinak po analitičkim modelima

Osim analize učinka mjere obrazovanja na zaposlenost u cijelom vremenskom rasponu od

2010. do 2013. godine, učinjena je analiza na temelju analitička modela. Jedan analitički

model obuhvaća vremenski period 2010. i 2011. godine, a drugi obuhvaća 2012. i 2013.

godinu. Kod analitičkog modela koji obuhvaća 2010. i 2011. godinu, vremenski obuhvat

analize doseže 30 mjeseci, dok analitički model koji obuhvaća 2012 i 2013. godinu vremenski

obuhvat ide do 18. mjeseca. Učinci svakoga od dva analitička modela u pogledu zaposlenosti

prikazani su u donjoj tablici.

Tablica 9. Razlika u učincima mjere obrazovanja nezaposlenih na postotak zaposlenih za dva analitička modela


Obrazovanje nezaposlenih u periodu 2010 i 2011. – razlika u % zaposlenih između sudionika mjere i uparenih

ne-sudionika

Obrazovanje nezaposlenih u periodu 2012 i 2013. . – razlika u %

zaposlenih između sudionika mjere i uparenih ne-sudionika

6 3% 12%

12 5% 14%

18 6% 16%

24 5% -

30 6% -

Vidljivo je kako je učinak mjere u periodu 2012. i 2013. godine veći za oko 10 postotnih

bodova nego u periodu 2010 do 2011. U periodu 2012. do 2013. postoji i određeni trend

blagog porasta učinka tijekom vremena nakon izlaska iz mjere. Također, u donjoj tablici je

vidljiva i razlika u pogledu smanjenja nezaposlenosti između dvaju analitičkih modela. Tako

vidimo da u prvom analitičkom modelu imamo blago negativni učinak mjere u pogledu

smanjenja rizika od nezaposlenosti (5% veći rizik nezaposlenosti 6 mjeseci nakon izlaska iz

mjere kod skupine sudionika), dok u drugom analitičkom modelu imamo blago smanjenje

rizika nezaposlenosti.

Tablica 10. Razlika u učincima mjere obrazovanja nezaposlenih na postotak nezaposlenih za dva analitička modela


Obrazovanje nezaposlenih u periodu 2010 i 2011. – razlika u %


Obrazovanje nezaposlenih u periodu 2012 i 2013. . – razlika u %


6 5% -9%

12 2% -10%

18 0% -11%

24 1% -

30 -1% -

41

Razvidno je da učinak obrazovanja nezaposlenih uvelike ovisi o godinama ulaska u mjeru te

samim tim i obuhvata sufinanciranih osoba. Naime, dva kreirana analitička modela

temeljena na godinama ulaska (skupno za 2010. i 2011. te skupno za 2012. i 2013.)

poprilično se razlikuju u prosječnom učinku. Tako u prvom modelu koji kombinira godine

ulaska 2010. i 2011. imamo mnogo veći obuhvat nego u posljednje dvije godine evaluacije.

Za 2011. u našem modelu imamo 10 831 sufinanciranu osobu koja je prošla kroz mjeru, a na

razini analitičkog modela učinak mjere je najslabiji te se, u pogledu zaposlenosti, kreće od 3

do 6%. Također, ukupan utjecaj mjere na ostanak na tržištu rada opada s vremenom te se na

razini analitičkog zaustavlja na 5% dvije godine nakon izlaska iz mjere. Kako je jedna od

namjeravanih posljedica mjere i ostanak na tržištu rada kao rezultat dodatnog ulaganja u

ljudski kapital, oba rezultata su razočaravajuća. Učinak je primjetno bolji na razini drugog

analitičkog modela, 2012. i 2013. godine, kada dolazi do značajnog pada obuhvaćenih osoba.

Prosječan učinak kroz obuhvaćene vremenske točke u pogledu zaposlenosti iznosi 12 do

16%, te je proporcija nezaposlenih među sudionicima mjere manja za 8%. Utjecaj mjere na

zadržavanje u tržištu rada na razini drugog analitičkog modela je manji nego kod prvog, ali ga

odlikuje rast koji godinu i pol nakon izlaska iz mjere iznosi 5%.

42


Unutar godina, promatrajući neto učinak 12 mjeseci nakon izlaska iz mjere, najuspješnijom

se pokazuje 2013 godina. 2010. i 2011. godine učinak mjere obrazovanja na zaposlenost

iznosi 4 do 6%, a zatim 2012. raste na 10%, te na 20% u 2013. godini. Objašnjenje razlika u

učinku mjera ovisno o godina ulaska ne može se objasniti samim variranjem kontrolne

skupine. Kako u slučaju ove mjere godine ulaska s najvećim obuhvatom imaju najlošije

učinke, postavlja se pitanje adekvatnog ciljanja korisnika koji ulaze u mjeru. Također, pri

objašnjenju velikog učinka na razini 2013. godine bitno je napomenuti da je u ovoj godini

postojala inicijalno najveća proporcija posebnih ciljanih skupina za koje analiza nije

provedena zbog nemogućnosti pronalaska adekvatne kontrolne skupne, stoga postoji

mogućnost da su u našoj analizi završili zapošljiviji sudionici mjere. Ipak, upravo ta razlika u

rezultatu s obzirom na prethodne godine implementacije mjere sugerira lošu ciljanost mjere

u razdobljima kada je obuhvat sudionika bio najveći.

Slika 14 – Prikaz postotka zaposlenih 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika – obrazovanje nezaposlenih, po godinama ulaska

43

Učinak po regijama

Tablica 11. Obuhvat analize učinka mjere obrazovanja nezaposlenih –broj sudionika mjere i kontrolne skupine u svim godinama, po regijama

Regija Broj sudionika mjere

Udio regije u ukupnom zbroju sudionika

Broj osoba u kontrolnoj skupini (upareni ne-

sudionici)

Zagreb 3.613 22,1% 18.322

Sjeverna Hrvatska 1.977 12,1% 9.799

Slavonija 3.723 22,8% 18.498

Lika i Banovina 2.133 13,0% 10.562

Hrv. primorje i Istra 2.010 12,3% 10.048

Dalmacija 2.908 17,8% 14.506

Ukupno 16.364 100% 81.735

Gledano po regijama iz podataka prikazanih na donjoj tablici, vidljivo je kako učinak mjere na

postotak zaposlenih 12 mjeseci nakon izlaska iz mjere varira od 3% u Hrvatskom primorju i

Istri do 9% u Lici i banovini. U regijama u kojima je najviše osoba koristilo mjeru

obrazovanja nezaposlenih, Slavoniji i Zagrebačkoj regiji efekt iznosi 5, odnosno 8%. Najlošiji

rezultat u pogledu zaposlenosti je u Hrvatskom primorju i Istri, gdje prosječni učinak u 12.

mjesecu nakon izlaska iz mjere iznosi 3%, dok u dugoročnijem analitičkom modelu pada na

1% dvije godine nakon izlaska iz mjere.

Tablica 12. Postotci zaposlenih osoba 12 mjeseci nakon izlaska iz mjere obrazovanja u skupini sudionika i ne-sudionika – po regijama na temelju podataka uparenim po Područnom uredu prijave.

Regija Sudionici obrazovanja

nezaposlenih - % zaposlenih

Upareni ne-sudionici - % zaposlenih

Prosječan učinak mjere - %

zaposlenih

Zagreb 39% 31% 8%

Sjeverna Hrvatska 42% 34% 8%

Slavonija 31% 26% 5%

Lika i Banovina 36% 27% 9%

Hrv. primorje i Istra 39% 36% 3%

Dalmacija 38% 31% 7%

44

2.3.Samozapošljavanje

U analizu mjere potpore za samozapošljavanje ušlo je ukupno 4749 sufinanciranih osoba, od

čega preko 70% samo u 2013. godini. Među korisnicima mjere potpore za

samozapošljavanje, gotovo 11% sudionika prije ulaska u mjeru uopće nije imalo radnog

staža, gotovo 20% je imalo do 3 godine radnoga staža do prijave na zavod za zapošljavanje,

34% sudionika imalo je između 3 i 5 godina radnoga staža, a 36%, najviše, imalo je više od 10

godina radnoga staža.

Tablica 13. Obuhvat analize učinka mjere samozapošljavanja – broj sudionika mjere i kontrolne skupine, po godinama.

Godina Broj sudionika mjere Broj osoba u kontrolnoj skupini

2010 182 910

2011 498 2.490

2012 620 3.100

2013 3.449 17.233

Ukupno 4.749 23.733


trajanja mjere (12 mjeseci). Osim prikaza prosječnog učinka mjere na ukupnim podacima,

upareni podaci nam omogućuju usporedbu te interpretaciju prosječnih učinaka mjere na

razini godine implementacije mjere.

45

Zaposlenost

Slika 15 – Prikaz postotka zaposlenih osoba u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i ne-sudionika mjere – Potpora za samozapošljavanje, za sve godine

Kod samozapošljavanja prosječni učinak mjere u pogledu zapošljavanja je vrlo velik te se

tokom vremena kreće između 46% 6 mjeseci do 38% godinu i pol nakon izlaska iz mjere.

Bitno je na samom početku napomenuti da status zaposlenosti ne podrazumijeva da je

sudionik mjere nastavio sa samostalnim poslovanjem, tako da dobivenim rezultatom ne

možemo zaključivati o 'stopi preživljavanja' obrta/poduzeća financiranih od strane Zavoda

koja bi se mogla usporediti s prosječnom stopom uspješnosti mikro/malih poduzeća nakon

jedne godine od osnutka.

46

Slika 16. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere samozapošljavanja, ukupni podaci

Učinak mjere samozapošljavanja na postotak zaposlenosti statistički je značajan u intervalu

od 95%. Prosječan efekt u 12.mjesecu nakon izlaska iz mjere iznosi 0,382, a donja granica

intervala iznosi 0,357.

Učinak na smanjeni rizik od nezaposlenosti u 12. mjesecu nakon izlaska iz mjere također je

statistički je značajan u intervalu od 95%. Prosječan učinak u 12.mjesecu nakon izlaska iz

mjere iznosi, izraženo apsolutnom brojkom, 0,224, a donja granica intervala iznosi 0,203,

također izraženo apsolutnom brojkom, kako bi se iskazao najniži efekt u intervalu. U

usporedbi s postotkom zaposlenosti, efekt mjere samozapošljavanja nešto je niži.

47


Egzaktno upareni podaci u pogledu mjeseca početka intervencije skupine sudionika, te

posljedičnog uparivanja ne-sudionika koji su u istom mjesecu bili nezaposleni i imali sličnu

vjerojatnost ulaska u mjeru, omogućuju nam da analitički odvojimo dva vremenska perioda

implementacije mjere. Dužina boravka u evidenciji Zavoda kao uvjet ulaska u mjeru (2010. 6

do 12 mjeseci, ovisno o dobi; poslije 6 mj.) ukinuta je u studenom 2012. Također, nakon tog

mjeseca Zavod je stavlja veći naglasak na pripremne aktivnosti koje prethode dodjeli potpore

te je za svaku osobu koja se odlučuje na samozapošljavanje propisana obaveza uključivanja u

pripremne aktivnosti/savjetovanje prije predaje zahtjeva za sufinanciranje.

Tablica 14. – Prosječni učinak mjere na sufinancirane osobe u pogledu statusa zaposlenosti, po analitičkim modelima

Mjeseci nakon završetka mjere

Prosječni učinak mjere (zaposlenost)

– ukupni podaci


– obuhvat do studenog 2012


– obuhvat od prosinca 2012

6 46% 51% 44%

12 41% 44% 39%

18 38% 38% -

24 - 36% -

Iz usporedbe analitičkih modela proizlazi kako je prosječni učinak mjere veći kod osoba

uključenih u mjeru do kraja 2012. godine u 6. i 12. mjesecu nakon izlaska iz mjere. Dok je kod

osoba koje su u mjeru ušle prije 2013. godine, 6 mjeseci nakon mjere efekt mjere 51%, kod

osoba koje su u mjeru ušle u 2013. godini efekt mjere nešto manji i iznosi 44%. U 12.

mjesecu razlika u efektima se nešto smanjuje te iznosi 44% nasuprot 39% u korist osoba koje

su u mjeru ušle do studenoga 2012. godine. Razlike u efektima u kasnijim mjesecima po

ulasku u mjeru nije moguće utvrditi zbog nepostojanja dosega mjere u kasnijim mjesecima

kod osoba koje su u mjeru ušle u 2013. godini. Kod osoba koje su u mjeru ušle do kraja 2012.

zamjetno je usporavanje pada efekta mjere koji 24 mjeseca po izlasku iz mjere iznosi tek 2

postotna boda manje nego 18 mjeseci po izlasku iz mjere.

48


Donja slika pojašnjava ovu situaciju smanjenja prosječnog učinka mjere. Naime, kako su

ukinuti svi uvjeti boravka u evidenciji zavoda, raspoloživa kontrolna skupina potencijalnih

sudionika mjere se povećava, odnosno, povećava se proporcija zapošljivijih ne-sudionika u

kontrolnoj skupini koji imaju i bolje ishode kada ih usporedimo sa sudionicima mjere. Tako

od 2012. imamo istovremeno povećanje postotka zaposlenih sudionika mjere, ali i ne-

sudionika, dok u 2013. postotak zaposlenih sudionika u 12 mjeseci nakon izlaska iz mjere

ostaje isti dok i skupina uparenih ne-sudionika ima bolje rezultate, što možemo objasniti

širenjem ciljane skupine kojoj je mjera namijenjena.

Slika 17 – Prikaz postotka zaposlenih 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika –

Potpora za samozapošljavanje, po godinama ulaska

Kada obratimo pozornost na slabo variranje kontrolne skupine u pogledu povećanja

zaposlenosti kroz vrijeme nameće se pitanje koliko je sama metoda adekvatna u ocjenjivanju

ovog tipa intervencije. Naime, prediktorski skup koji je korišten pri evaluaciji ne obuhvaća

možda najvažniju distinkciju između skupine sudionika i ne-sudionika, a to je sama odluka da

se krene u samostalno poslovanje, što uključuje kako potrebnu motivaciju tako i strukturu

sredstava nužnu za pokretanje poslovanja mimo same potpore od strane Zavoda. 'Prava'

evaluacija ove mjere bi podrazumijevala usporedbu ishoda osoba kojima je sufinancirano

pokretanje vlastitog poslovanja te osoba koje su u taj poduhvat odlučile krenuti bez potpore

HZZ-a.

49

2.4.Potpore za zapošljavanje

Zbog jasno odjeljivih ciljanih skupina u intervenciji potpora za zapošljavanje, smatramo da

prikazivanje ukupnih rezultata nije adekvatno te ćemo analizu učinka dobivenog na tri

različita modela prikazati odvojeno.

Potpore za zapošljavanje mladih bez radnog iskustva

U analizu mjere potpora za zapošljavanje mladih osoba, tj. nezaposlenih osoba bez radnog

iskustva do 29 godina starosti, ušlo je ukupno 3.330 osoba, uparenih sa sličnim ne-

sudionicima unutar jednog modela.

Tablica 15. Obuhvat analize učinka mjere potpora zapošljavanja mladih bez radnog iskustva –broj sudionika mjere i kontrolne skupine, po godinama

Godina Broj sudionika Broj osoba u kontrolnoj skupini

2010 451 2.251

2011 632 3.151

2012 867 4.327

2013 1.380 6.867

Ukupno 3.330 16.596

76% korisnika mjere potpore zapošljavanja mladih osoba mlađe je od 26 godina, a 47% ima

završeno višu školu ili studij. 43% školovano je u području tehničkih djelatnosti ili tehničkih

znanosti. Najviše sudionika mjere je iz zagrebačke regije, 29%, te iz Slavonije, 20%. Između

78 i 84% (ovisno o godini ulaska u mjeru), bilo je prije korištenja mjere nezaposleno do

godine dana.


model, odnosno do 24. mjeseca za analitički model koji obuhvaća osobe koje su u mjeru ušle

do kraja 2012. godine.

50

Slika 18. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – potpore za zapošljavanje mladih bez radnog iskustva, za sve godine

Postotak zaposlenih osoba nakon izlaska iz mjere stabilan je u svim analiziranim periodima

nakon izlaska iz mjere i iznosi 77 do 78%, dok postotak uparenih nesudionika (kontrolne

skupine) vremenom raste od 37% do 46% u 18. mjesecu. No usprkos rastu zaposlenosti

unutar kontrolne skupine, razlika u postocima između sudionika i nesudionika mjere, tj.

učinkovitost mjere je znatna i iznosi između 41% u 6. mjesecu i 31% u 18. mjesecu nakon

izlaska iz mjere potpore. S obzirom na ciljanu skupinu mjere pad prosječnog učinka nije

iznenađujući, dok se postotak zaposlenih mladih bez radnog iskustva 6 do 24 (u

dugoročnijem analitičkom modelu – gdje ponovno iznosi 78%) mjeseca nakon izlaska iz

mjere, za razliku od ostalih ciljanih skupina, praktički ne mijenja. Ovakav rezultat distinktivno

je obilježje potpora za zapošljavanje kao intervencije koja izravno sufinancira zapošljavanje.

Prema tome, među sudionicima mjere nema povećanja zapošljavanje kroz vrijeme, čemu

razlog može biti taj što je odlika sudionika mjere prethodna veća zapošljivost koju

poslodavac kao inicijator mjere prepoznaje.

51

Slika 19. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere – potpore za zapošljavanje mladih bez radnog iskustva

Učinak mjere potpore zapošljavanja mladih osoba na postotak zaposlenosti statistički je

značajan u intervalu od 95%. Prosječan efekt u 12. mjesecu nakon izlaska iz mjere iznosi

0,263, a donja granica intervala iznosi 0,247.

Postoci nezaposlenih među sudionicima mjere relativno su niski i ne variraju znatno u

vremenskim periodima nakon mjere. Postoci nezaposlenih osoba među nesudionicima su

viši, ali s vremenom u ovoj skupini dolazi do blagog pada nezaposlenosti. Učinak na temelju

ishoda nezaposlenosti za ovu ciljanu skupinu je komplementaran učinku koji je registriran u

prethodnoj evaluaciji mjera APZ-a korištenjem metode uparivanja prema sklonosti

(Matković, Babić, Vuga, 2012). Iako naši rezultati pokazuju nešto višu proporciju

nezaposlenih među korisnicima mjere (13-14% nasuprot 10-12%) te niži prosječni učinak u

pogledu smanjenog rizika nezaposlenosti (22% do 16% godinu i pol nakon kraja mjere

nasuprot 31% do 21% u najdaljoj zahvaćenoj vremenskoj točki navedene evaluacije),

rezultate u smjeru i iznosu učinka smatramo vrlo bliskima. Učinak mjere u pogledu

smanjenja rizika od nezaposlenosti statistički je značajan u intervalu od 95%. Izraženo u

apsolutnim brojkama, prosječan efekt u 12. mjesecu nakon izlaska iz mjere iznosi 0,111, a

donja granica intervala iznosi 0,098.

52

Osim analize učinka mjere potpore zapošljavanja mladih osoba na zaposlenost u cijelom

vremenskom rasponu od 2010. do 2013. godine, učinjena je zasebna analiza u analitičkom

modelu koji je obuhvaćao sudionike mjere koji su u mjeru potpore ušli do kraja 2012. godine.

Svrha analitičkog modela je prikazati nešto dugoročnije učinke mjere nego je to moguće na

ukupnim podacima. Analitički model s uključenim osobama koje su u mjeru ušle do kraja

2012, analiziran je s vremenskim dosegom mjere od 24 mjeseca.

Tablica 16. – Prosječni učinak mjere na sufinancirane osobe u pogledu statusa zaposlenosti, po analitičkim modelima – potpore za zapošljavanje mladih bez radnog iskustva


Prosječni učinak mjere (zaposlenost) – ukupni podaci

Prosječni učinak mjere (zaposlenost) – do kraja 2012.

6 45% 42%

12 35% 36%

18 31% 31%

24 - 29%

Slično kao kod ukupnog modela, u analitičkom modelu koji obuhvaća period ulaska u mjeru

do kraja 2012. godine, učinak mjere na zaposlenost je velik iako se primjećuje nastavak

laganog pada učinka godinu i pol nakon izlaska iz mjere.

53

Unutar godina, promatrajući učinak 12 mjeseci nakon izlaska iz mjere potpore,

najuspješnijom se pokazuje 2012. godina kad je učinak mjere iznosio 39%, dok je ostalih

godina nešto niži, osobito u 2013. godini kada iznosi 32%. Zamjetno je kako je i kod postotka

sudionika i postotka nesudionika mjere u 12. mjesecu nakon izlaska iz mjere u svakoj godini

postotak zaposlenosti gotovo jednak, 76 do 78% kod sudionika, te 42 do 44% kod ne-

sudionika mjere. Izuzetak je već spomenuta 2012. godina kada je postotak zaposlenih skočio

na 82% te uzrokovao i rast učinka.

Slika 20 – Prikaz postotka zaposlenih 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika – potpora za zapošljavanje mladih bez radnog iskustva, po godinama ulaska

54

Potpore za zapošljavanje dugotrajno nezaposlenih osoba

U analizu mjere potpora za zapošljavanje dugotrajno nezaposlenih osoba, tj. osoba koje su u

kontinuitetu nezaposlene 12 mjeseci ili dulje7, ušlo je ukupno 4.682 osoba, uparenih sa

sličnim ne-sudionicima unutar jednog analitičkog modela. 46% sudionika u mjeru je ušlo

2013. godine.

Tablica 17. Obuhvat analize učinka mjere potpora dugotrajno nezaposlenih osoba –broj sudionika mjere i kontrolne skupine, po godinama


2010 611 3.051

2011 811 4.046

2012 1.090 5.449

2013 2.170 10.850

Ukupno 4.682 23.396

Gotovo polovina, 48% korisnika mjere potpore zapošljavanja dugotrajno nezaposlenih osoba

mlađe je od 30 godina. 75% korisnika ima završenu srednju školu. 39% školovano je u

području tehničkih djelatnosti ili tehničkih znanosti. 24% korisnika mjere ima 10 godina ili

više radnoga staža, i najviše ih živi na području Slavonije, 30%. 44% korisnika mjere potpore

prije ulaska u mjeru bilo je nezaposleno između 12 i 18 mjeseci.


model, odnosno do 24. mjeseca za analitički model koji obuhvaća osobe koje su u mjeru ušle

do kraja 2012. godine.

7 U model su uključene i mlade dugotrajno nezaposlene osobe bez obzira na radni staž za koje je dugotrajna nezaposlenost definirana kao dužina prijave u evidenciji najmanje 6 mjeseci. Primjenom administrativnih varijabli inicijalne baze ova ciljana skupina je odijeljena od skupine mladih bez radnog iskustva u modelu 8.1.

55

Slika 21. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – potpore za zapošljavanje dugotrajno nezaposlenih osoba, za sve godine

Postotak zaposlenih osoba u skupini sudionika vremenom vrlo blago pada vremenom od

71% u 6 mjeseci do 68% godini i pol nakon izlaska iz mjere. S druge strane, postotak uparenih

nesudionika (kontrolne skupine) donekle oscilira između vrijednosti od 29% i 33%

zaposlenih. Učinak mjere najveći je u prvih 6 mjeseci po izlasku iz mjere i iznosi 42%, te pada

na vrijednost od 37% u sljedećim vremenskim točkama. Primjećujemo kako je obrazac pada

postotka zaposlenih među sudionicima mjere nešto oštriji nego je to slučaj kod ciljane

skupine mladih bez radnog iskustva, mada je prosječni učinak stabilniji zbog primjetne

pasivnosti kontrolne skupine.

56

Slika 22. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere – potpore za zapošljavanje dugotrajno nezaposlenih osoba

Učinak mjere potpore zapošljavanja dugotrajno nezaposlenih osoba na postotak

zaposlenosti statistički je značajan u intervalu od 95%. Prosječan efekt u 12. mjesecu nakon

izlaska iz mjere iznosi 0,329, a donja granica intervala iznosi 0,306.

U pogledu učinka na smanjeni rizik od nezaposlenosti dobiveni učinak je sličan nalazima

prethodne evaluacije za ciljanu skupinu ove mjere (Matković, Babić, Vuga, 2012). Kroz

analizirani period proporcija nezaposlenih u skupini sudionika u našem slučaju iznosi vrlo

stabilnih 21% dok u prethodnoj evaluaciji ona više varira (od 21% do 30%) dok se sam

prosječni učinak mjere izražen kao smanjeni rizik nezaposlenosti u našem dugoročnijem

modelu kreće od 28% do 20% za razliku od prethode evaluacije gdje iznosi (vrlo bliskih) 31 do

19%. Prosječni učinak u pogledu nezaposlenosti statistički je značajan u intervalu od 95%.

Prosječan efekt u 12. mjesecu nakon izlaska iz mjere iznosi 0,171, a donja granica intervala

iznosi 0,153, izraženo u apsolutnim brojkama.

57

Osim analize učinka mjere potpore zapošljavanja dugotrajno nezaposlenih osoba na

zaposlenost u cijelom vremenskom rasponu od 2010. do 2013. godine, učinjena je zasebna

analiza u analitičkom modelu koji je obuhvaćao sudionike mjere koji su u mjeru potpore ušli

do kraja 2012. godine. Svrha analitičkog modela je prikazati nešto dugoročnije učinke mjere

nego je to moguće na ukupnim podacima te je tako učinak mjere u pogledu zaposlenosti

analiziran s vremenskim dosegom mjere od 24 mjeseca.

Tablica 18. – Prosječni učinak mjere na sufinancirane osobe u pogledu statusa zaposlenosti, po analitičkim modelima – potpore za zapošljavanje dugotrajno nezaposlenih


Prosječni učinak mjere (zaposlenost) – ukupni podaci

Prosječni učinak mjere (zaposlenost) – do kraja 2012.

6 42% 43%

12 37% 37%

18 37% 36%

24 - 33%

Kod analitičkog modela koji obuhvaća period ulaska u mjeru do kraja 2012., trend pada

učinka mjere na zaposlenost postaje oštriji dvije godine nakon izlaska iz mjere.


najuspješnijom se pokazuju 2011. i 2012. godine ulaska u mjeru kad je učinak mjere,12.

mjeseci nakon ulaska u mjeru iznosio 42%, odnosno 40% dok je kod ulazaka u mjeru u 2011. i

2013. niži i iznosi 33% odnosno 35%. Pri tome je znakovito kako učinci u 12. mjesecu

uglavnom ovise o oscilacijama u postotku zaposlenih sudionika mjere, dok je postotak

zaposlenih kod nesudionika uglavnom stalan i u periodu ulaska u mjeru od 2010. i 2012.

iznosi od 33% do 31%, a nešto je veći tek kod osoba koje su u mjeru ušle 2013, kod kojih

iznosi 36%

Slika 23 – Prikaz postotka zaposlenih 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika – potpora za zapošljavanje dugotrajno nezaposlenih osoba, po godinama ulaska

58

Potpore za zapošljavanje osoba starijih od 50 godina

U analizu mjere potpora za zapošljavanje starijih osoba, tj. nezaposlenih osoba iznad 50

godina starosti, ušlo je ukupno 1.111 osoba, što ovu mjeru čini po obuhvatu najmanje

korištenom mjerom potpora za zapošljavanje. Sudionici su upareni sa sličnim ne-sudionicima

unutar jednog analitičkog modela. 46% sudionika u mjeru je ušlo 2013. godine.

Tablica 19. Obuhvat analize učinka mjere potpora za zapošljavanje starijih osoba –broj sudionika mjere i kontrolne skupine, po godinama


2010 172 860

2011 174 870

2012 256 1.280

2013 509 2.545

Ukupno 1.111 5.555

68% korisnika mjere potpore zapošljavanja starijih osoba ima završenu srednju školu, a

relativno je puno i osoba samo sa završenom osnovnom školom, 15%. 35% školovano je u

području tehničkih djelatnosti ili tehničkih znanosti. 90% korisnika mjere ima 10 godina ili

više radnoga staža, i najviše ih živi na području Zagreba i okolice, 26%, te u Slavoniji, 21%.

32% korisnika mjere primalo je naknadu za nezaposlene.

Doseg analize definiran je do 18. mjeseca nakon nominalnog trajanja mjere za sve godine

obuhvata model, odnosno do 24. mjeseca za analitički model koji obuhvaća osobe koje su u

mjeru ušle do kraja 2012. godine.

59

Slika 24. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere – potpore za zapošljavanje osoba starijih od 50 godina, za sve godine

Postotak zaposlenih osoba nakon izlaska iz mjere blago pada vremenom nakon izlaska iz

mjere, od 59% u 6 mjeseci do 54% godinu i pol nakon izlaska iz mjere. S druge strane,

postotak uparenih nesudionika (kontrolne skupine) oscilira između vrijednosti od 17% i 19%

zaposlenih. Učinak mjere u pogledu zaposlenosti najveći je u prvih 6 mjeseci po izlasku iz

mjere i iznosi 42%, te pada na vrijednost od 38%, odnosno 37% godinu i pol nakon izlaska iz

mjere. Iako su proporcije zaposlenih u promatranim vremenskim točkama niže nego u

slučaju druge dvije ciljane skupine potpora za zapošljavanje, zbog činjenice da se radi o teže

zapošljivoj populaciji i opservirani prosječni učinak mjere je vrlo velik (iako je u postotnim

bodovi sličan rezultatima druga dva modela).

60

Slika 25. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere – potpore za zapošljavanje osoba starijih od 50 godina

Učinak mjere potpora za zapošljavanje osoba starijih od 50 godina na postotak zaposlenosti

statistički je značajan u intervalu od 95%. Prosječan efekt u 12. mjesecu nakon izlaska iz

mjere iznosi 0,392, a donja granica intervala iznosi 0,348. Proporcija nezaposlenih među

sudionicima ima drugačiji tijek nego ishodi registrirani u prethodnoj evaluaciji (Matković,

Babić, Vuga, 2012). Dok u našim rezultatima postotak nezaposlenih sudionika blago opada s

vremenom (s 31% na 27%, odnosno 26% u dugoročnijem modelu), u spomenutoj evaluaciji

proporcija nezaposlenih sudionika raste za 36% na 40%. Iako je observirani prosječni učinak

mjere u najdaljim točkama sličan (smanjenje rizika nezaposlenosti iznosi 17%, odnosno 21%),

usporedba ovako definiranog prosječnog 6 mjeseci nakon izlaska iz mjere za 2010. (u našem

modelu) iznosi 13% dok u komparabilnoj vremenskoj točki za sudionike iz iste godine u

spomenutoj evaluaciji iznosi 47%.

Učinak mjere potpora za zapošljavanje starijih osoba na smanjeni rizik od također je

statistički je značajan, u intervalu od 95%, no manji od efekta mjere na postotak

zaposlenosti. Prosječan efekt na nezaposlenost u 12. mjesecu nakon izlaska iz mjere iznosi

0,205, a donja granica intervala iznosi 0,167, oboje izraženo apsolutnim brojkama.

61

Uz postotke zaposlenih, u slučaju ove ciljane skupine u analizi prikazujemo i zbrojene

postotke zaposlenih i nezaposlenih kao indikatore prisutnosti, tj. ostanka osoba na tržištu

rada.

Slika 26. Prikaz postotka ostanka na tržištu rada u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i nesudionika mjere Potpore za zapošljavanje starijih osoba, za sve godine

Učinak mjere na ostanak u aktivnosti gotovo je jednak u svim promatranim periodima nakon

izlaska iz mjere i iznosi 15% do 17%. Postoci ostanka na tržištu rada relativno su visoki kod

sudionika i kod nesudionika mjere te padaju vremenom. Kako u niže prikazanom analitičkom

modelu dugoročniji zbroj postotka zaposlenih i nezaposlenih među sudionicima mjere ostaje

vrlo visokih 78% (dvije godine nakon izlaska iz mjere), možemo zaključiti da usprkos tome što

dugoročno malo više od polovice sudionika mjere ne ostaje zaposleno, nema velikog

napuštanja tržišta rad što također možemo smatrati pozitivnim ishodom kada u obzir

uzmemo teškoću zapošljavanja ove ciljane skupine.

Tablica 20. – Prosječni učinak mjere na sufinancirane osobe u pogledu statusa zaposlenosti, po analitičkim modelima – potpore za zapošljavanje dugotrajno nezaposlenih


Prosječni učinak mjere (zaposlenost) –

ukupni podaci

Prosječni učinak mjere (zaposlenost) – do kraja

2012.

Prosječni učinak mjere (zadržavanje na tržištu rada) – ukupni podaci

Prosječni učinak mjere (zadržavanje na tržištu rada) – do kraja 2012.

6 42% 43% 17% 18%

12 38% 40% 15% 17%

18 37% 38% 17% 18%

24 - 33% 17%

62


najuspješnijom se pokazuju 2011. i 2012. godine ulaska u mjeru kad je učinak mjere 12.

mjeseci nakon ulaska u mjeru iznosio 42%, odnosno 39% dok je kod ulazaka u mjeru u 2011.

učinak mjere najniži iznosi 27%. Pri tome je znakovito kako učinci u 12. mjesecu uglavnom

ovise o oscilacijama u postotku zaposlenih sudionika mjere, osobito od 2010. do 2012.

godine. Postotak zaposlenih kod nesudionika uglavnom je stalan i donekle raste tek u 2013.

godini.

Slika 27. – Prikaz postotka zaposlenih 12 mjeseci nakon izlaska iz mjere u skupini sudionika i ne-sudionika – potpora za zapošljavanje starijih osoba, po godinama ulaska

63

2.5.Stručno osposobljavanje za rad bez zasnivanja radnog odnosa

U analizu ove mjere ušlo je ukupno 18.044 sufinanciranih osoba koje su uparene sa srodnim

nesudionicima temeljem dva modela. Dva modela kreirana su temeljem promjene dizajna

intervencije u svibnju 2012. pri čemu je proširen opseg ciljane skupine mjere. Tako se prvi

model odnosi na sudionike čije je ulazak u mjeru definiran prema odredbama članka 59

Zakona o radu, pri čemu ciljana skupina obuhvaća one kojima je uvjet za obavljanje radnog

mjesta određenog zanimanja položen stručno/majstorski ili državni ispit te nemaju radnog

iskustva u struci/zanimanju za koju su se obrazovali. Drugi model definiran je odredbama

članka 6 Zakona o potporama za zapošljavanje koji je ciljana skupina proširena na sve one

koji nemaju iskustva u struci/zanimanju za koje imaju školsku spremu8.

Tablica 21. Obuhvat analize učinka mjere stručnog osposobljavanja za rad bez zasnivanja radnog odnosa –broj sudionika mjere i kontrolne skupine, po kreiranim modelima i godinama

Godina

Stručno osposobljavanje prema ZOR-u Stručno osposobljavanje prema ZOPZ-u

Broj sudionika

mjere Broj osoba u kontrolnoj

skupini

Broj sudionika mjere


2010 300 1.500 - -

2011 2.399 11.502 - -

2012 2.553 7.529 947 4.735

2013 7.923 23.054 3.922 19.610

Ukupno 13.175 43.585 4.869 24.345


trajanja mjere (12 mjeseci). Pri prikazu rezultata mjere na ukupnim podacima pristupili smo

kombiniranju ishoda obaju modela, dok će statistička značajnost rezultata te razlike među

modelima biti naglašene tablično. Također, egzaktno uparivanje temeljem mjeseca ulaska u

mjeru omogućuje nam usporedbu učinka mjere na razini modela stručnog osposobljavanja

prema ZOR-u prije i nakon promjene dizajna intervencije, stoga ćemo tablično prikazati

razlike prema na taj način odijeljenih analitičkih modela.

8 Bitno je naglasiti da u slučaju drugog modela nisu bili obuhvaćeni majstorski pripravnici kojima je temeljem

ZOPZ-a omogućeno trajanje mjere od 24 do 36 mjeseci zbog nemogućnosti obuhvaćanja učinaka mjere u definiranim vremenskim točkama nakon izlaska iz mjere.

64

Zaposlenost – ukupni podaci te model prema ZOR-u

Slika 28. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i ne-sudionika mjere – Stručno osposobljavanje za rad bez zasnivanja radnog odnosa, za sve godine, ukupni podaci

Na razini ukupnih podataka, prosječni učinak mjere se kreće od 11 do maksimalnih 16%

godinu dana nakon izlaska iz mjere nakon čega slijedi lagani pad učinka isključivo zbog rasta

zapošljavanja pripadnika kontrolne skupine. Na sljedećoj slici prikazan je tijek prosječnog

učinka mjere u prvom modelu iz kojeg je razvidan niži početni učinak (6 mjeseci nakon

izlaska iz mjere) nego na razini ukupnih podataka. Za ovu ciljanu skupinu je navedeni obrazac

razumljiv s obzirom na činjenicu da se radi u pravilu o reguliranim profesijama/zanimanjima

u kojima je za ravnopravno konkuriranje za raspoloživa radna mjesta najprije potrebno

položiti odgovarajući stručni/državni ispit, za što je potrebno određeno vrijeme nakon izlaska

iz mjere, tijekom koje su zadovoljeni formalni preduvjeti (staž u struci) za pristupanju ispitu.

Slika 29. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i ne-sudionika mjere – Stručno osposobljavanje 1 – prema ZOR-u, za sve godine

65

Zaposlenost – model prema ZOPZ-u

Slika 30. Prikaz postotka zaposlenih u vremenskim periodima nakon izlaska iz mjere u skupini sudionika i ne-sudionika mjere – Stručno osposobljavanje 2 – prema ZOPZ-u, za sve godine

Za razliku od ciljane skupine prisutne u prvom modelu, sudionici koji su se stručno

osposobljavali prema uvjetima mjere proširenima Zakonom o potporama za zapošljavanje

imaju primjetno bolji učinak na tržištu rada u pogledu zaposlenosti. Na slici vidimo da, iako

su ishodi kontrolne skupine nešto viši nego na razini prvog modela, učinak mjere u pogledu

zaposlenosti iznosi 21% već 6 mjeseci nakon izlaska iz mjere, te do kraja promatranog

razdoblja varira na razini par postotnih bodova.

66


Primjetnu razliku u učinku između dva kreirana modela odlučili smo kontrolirati korištenjem

na način da smo temeljem modela stručnog osposobljavanja prema ZOR-u konstruirali dva

analitička modela koji su vremenski odijeljeni u odnosu na promjenu dizajna intervencije

koja je dovela do pojave nove ciljane skupine zastupljene u drugom modelu. Tako u sljedećoj

tablici vidimo razlike u učinku stručnog osposobljavanja prema ZOR-u prije i poslije mjeseca u

kojem nastupa promjena dizajna mjere (kada istovremeno dolazi do velikog povećanja

obuhvata sudionika prema ovom kriteriju). Ipak, prikazana razlika se i dalje ne približava

učinku drugog modela, iako analitički model nakon svibnja 2012., osim nešto većeg učinka,

pokazuje i povećanje zaposlenosti u skupini sudionika te uparenih nesudionika za 3-4

postotna boda.

Tablica 22. – Prosječni učinak mjere na korisnike mjere u pogledu statusa zaposlenosti, po analitičkim modelima

Broj mjeseci nakon izlaska iz

mjere


– ZOR do svibnja 2012


– ZOR nakon svibnja 2012


– ZOPZ

6 5% 8% 21%

12 12% 16% 22%

18 13% 14% 19%

24 13% - -

Zadržavanje ove razlike između dvaju modela neovisno o obuhvaćenom periodu ulaska u

može se objasniti karakteristikama tržišta rada na koje pretendiraju korisnici s obzirom na

kriterij ulaska. Naime, korisnici koji u mjeru ulaze prema ZOR-u dominantno se stručno

osposobljavaju za zanimanja i poslove koji se zapošljavaju u javnom sektoru (državna uprava,

lokalna/regionalna samouprava, javne ustanove u zdravstvu, obrazovanju i socijalnoj skrbi),

u kojem je otvaranja novih radnih mjesta u proteklih nekoliko godina bilo ograničeno. S

druge strane, korisnici koji su u mjeru ušli prema ZOPZ-u su heterogenija skupina te kao

populacija konkuriraju za širi spektar radnih mjesta od koji se značajan dio nalazi u privatnom

sektoru ili djelatnostima u kojima ne postoji administrativno ograničavanje otvaranje novih

radnih mjesta.

67

Učinak mjere stručnog osposobljavanja za rad bez zasnivanja radnog odnosa po ZOR-u na

postotak zaposlenosti statistički je značajan u intervalu od 95%. Prosječan učinak u 12.

mjesecu nakon izlaska iz mjere iznosi 0,143, a donja granica intervala iznosi 0,132.

Slika 31. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere SOR-a po ZOR-u.

Učinak modela stručnog osposobljavanja po ZOPZ-u na postotak zaposlenosti statistički je

značajan u intervalu od 95%. Prosječni učinak u 12. mjesecu nakon izlaska iz mjere iznosi

0,235, a donja granica intervala iznosi 0,217.

Slika 32. Distribucija intervala pouzdanosti za ishod zaposlenosti u 12. mjesecu nakon izlaska iz mjere SOR-a po ZOPZ-u.

68

Nezaposlenost Tablica 23. – Prosječni učinak mjere na korisnike mjere u pogledu statusa nezaposlenosti, po analitičkim modelima

Broj mjeseci nakon izlaska iz

mjere

Prosječni učinak mjere

(nezaposlenost) – ZOR do svibnja

2012


(nezaposlenost) – ZOR nakon svibnja

2012


(nezaposlenost) – ZOPZ

6 5% 4% -6%

12 -3% -5% -7%

18 -4% -4% -6%

24 -5% - -

U slučaju stručnog osposobljavanja po ZOR-u, učinak u pogledu smanjenja rizika

nezaposlenosti na razini modela u 12. mjesecu po izlasku iz mjere uočljivo je manji u

usporedbi s učinkom na zaposlenost. Iako statistički značajan, prosječni učinak na smanjenje

nezaposlenosti je 0,038 s najnižom vrijednosti intervala od 0,027 (izraženo apsolutnim

brojkama). U gornjoj tablici vidimo na razini oba analitička modela postoji blago veći rizik od

nezaposlenosti među sudionicima 6 mjeseci nakon izlaska iz mjere. Kako je obaveza ciljane

skupine u ovom modelu polaganje stručnog/državnog ili majstorskog ispita kako bi se

ostvario pozitivan učinak intervencije, rezultat možemo objasniti svojevrsnim 'locked in'

učinkom.

Slično kao u prvom modelu, učinak u pogledu smanjenog rizika od nezaposlenost kod

stručnog osposobljavanja prema ZOPZ-u u 12. mjesecu po izlasku iz mjere uočljivo je manji u

usporedbi s učinkom na zaposlenost. Učinak je statistički značajan, ali je prosječan efekt na

nezaposlenost 0,077 s najnižom vrijednosti intervala od 0,060 (izraženo apsolutnim

brojkama). Kod obje mjere stručnog osposobljavanja za rad bez zasnivanja radnog odnosa

uočljivo je kako je učinak mjere znatno veći na postotak zaposlenosti nego na nezaposlenost.

Dok je efekt na zaposlenost kod mjere po ZOR-u prosjeku oko 14%, a po ZOPZ-u gotovo 24%,

efekti mjera na nezaposlenost iznose u prosjeku oko 4%, odnosno 8%. Također treba

napomenuti i kako je efekt mjere po ZOPZ-u izraženiji i kod zaposlenosti i kod nezaposlenosti

nego kod mjere SOR-a po ZOR-u.

69

3. Bibliografija

Caliendo, Marco, and Sabine Kopeinig. 2008. “Some Practical Guidance for the Implementation of Propensity Score Matching.” Journal of Economic Surveys 22(1): 31–72.

Ho, Daniel E., Kosuke Imai, Gary King, and Elizabeth A. Stuart. 2011. “MatchIt: Nonparametric Preprocessing for Parametric Causal Inference.” Journal of Statistical Software 42(8). http://www.jstatsoft.org/v42/i08/ (January 10, 2016).

Ho, D. E., K. Imai, G. King, and E. A. Stuart. 2007. “Matching as Nonparametric Preprocessing for Reducing Model Dependence in Parametric Causal Inference.” Political Analysis 15(3): 199–236.

Konarski, Roman, and Michał Kotnarowski. 2007. “Zastosowanie metody propensity score matching w ewaluacji ex-post.” In Ewaluacja ex-post: teoria i praktyka badawcza, ed. Agnieszka Haber. Warszawa: Polska Agencja Rozwoju Przedsiębiorczości, 183–209.

Matković, T. Babić, Z., Vuga, A, 2012. Evaluacija mjera aktivne politike zapošljavanja 2009. i 2010. godine u Republici Hrvatskoj, Revija za socijalnu politiku, 19 (3): str. 303-336.

R Core Team. 2014. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. http://www.R-project.org/.

Rosenbaum, Paul R., and Donald B. Rubin. 1985. “Constructing a Control Group Using Multivariate Matched Sampling Methods That Incorporate the Propensity Score.” The American Statistician 39(1): 33–38.

70

4. Dodatak 1 – tablice učinaka svih konstruiranih analitičkih modela

Javni radovi Tablica 24. Učinci mjere javnih radova za nezaposlene 12 do 35 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – analitički model ulazaka do kraja 2012.


Učinak mjere na postotak zaposlenih

Učinak mjere na postotak nezaposlenosti

Učinak mjere na postotak zadržavanja na tržištu rada

6 2% 6% 8%

12 0% 9% 9%

18 4% 7% 11%

24 3% 8% 11%

Tablica 25. Učinci mjere javnih radova za nezaposlene 36 mjeseci i dulje na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – analitički model ulazaka do kraja 2012.





6 3% 6% 9%

12 2% 9% 11%

18 4% 8% 12%

24 4% 8% 12%

Tablica 26. Učinci mjere javnih radova ukupno na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – analitički model godina 2010 do kraja 2012.





6 2% 6% 8%

12 1% 9% 9%

18 3% 7% 11%

24 3% 8% 11%

71


Tablica 27. Učinci mjere potpore za zapošljavanje mladih osoba na zaposlenost i nezaposlenost prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle do kraja 2012. godine





6 42% -22% 20%

12 36% -18% 18%

18 31% -16% 15%

24 29% -16% 13%

Tablica 28. Učinci mjere potpore za zapošljavanje dugotrajno nezaposlenih osoba na zaposlenost i nezaposlenost prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle do kraja 2012. godine





6 43% 30% 13%

12 37% 23% 14%

18 36% 23% 14%

24 33% 20% 12%

Tablica 29. Učinci mjere potpore za zapošljavanje starijih osoba na zaposlenost i nezaposlenost prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle do kraja 2012. godine


Učinak mjere na postotak zaposlenih Učinak mjere na postotak

nezaposlenosti Učinak mjere na postotak

zadržavanja na tržištu rada

6 43% 25% 18%

12 40% 22% 17%

18 38% 20% 18%

24 33% 17% 17%

72

Potpore za samozapošljavanje Tablica 30. Učinci mjere potpore za samozapošljavanje na zaposlenost i nezaposlenost prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle do kraja 2012. godine





6 51% 42% 8%

12 44% 35% 9%

18 38% 30% 9%

24 36% 26% 10%

Obrazovanje nezaposlenih Tablica 31. Učinci mjere potpore za samozapošljavanje na zaposlenost i nezaposlenost prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle u 2010 i 2011. godini





6 3% 5% 7%

12 5% 2% 7%

18 6% 0% 6%

24 5% 1% 5%

30 6% -1% 5%

Tablica 32. Učinci mjere potpore za samozapošljavanje na zaposlenost i nezaposlenost prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle u 2012 i 2013. godini





6 12% -9% 3%

12 14% -10% 4%

18 16% -11% 5%

73

SOR ukupno (ZOR+ZOPZ) Tablica 33. Učinci mjere stručnog usavršavanja bez zasnivanja radnog odnosa ukupno prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle u 2012 i 2013. godini





6 12% 2% 14%

12 17% -5% 12%

18 15% -5% 10%

SOR ZOR Tablica 34. Učinci mjere stručnog usavršavanja bez zasnivanja radnog odnosa prema ZOR-u prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle u 2010 i 2011. godini





6 3% 6% 9%

12 11% -2% 9%

18 13% -3% 10%

24 13% -5% 8%

Tablica 35. Učinci mjere stručnog usavršavanja bez zasnivanja radnog odnosa prema ZOR-u prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle u 2012 i 2013. godini





6 8% 5% 13%

12 16% -5% 11%

18 13% -5% 8%

Tablica 36. Učinci mjere stručnog usavršavanja bez zasnivanja radnog odnosa prema ZOR-u prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle do svibnja 2012.





6 5% 5% 9%

12 12% -3% 9%

18 13% -4% 9%

24 13% -5% 8%

Tablica 37. Učinci mjere stručnog usavršavanja bez zasnivanja radnog odnosa prema ZOR-u prema analitičkom modelu koji uključuje osobe koje su u mjeru ušle od lipnja 2012.





6 8% 5% 13%

12 16% -5% 11%

18 14% -5% 9%

74

Javni radovi – učinak po regijama

Javni radovi za nezaposlene 12-35 mjeseci Tablica 38. Učinci mjere javnih radova za nezaposlene 12 - 35 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Zagreb i okolica





6 5% 5% 10%

12 5% 4% 9%

18 4% 3% 7%

24 -1% 10% 9%

Tablica 39. Učinci mjere javnih radova za nezaposlene 12 - 35 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija sjeverna Hrvatska





6 4% 4% 8%

12 3% 9% 12%

18 5% 8% 13%

24 1% 10% 11%

Tablica 40. Učinci mjere javnih radova za nezaposlene 12 - 35 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Slavonija





6 0% 6% 6%

12 0% 7% 7%

18 4% 5% 9%

24 3% 7% 10%

Tablica 41. Učinci mjere javnih radova za nezaposlene 12 - 35 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Lika i Banovina





6 7% 1% 8%

12 3% 6% 9%

18 3% 7% 10%

24 5% 9% 14%

Tablica 42. Učinci mjere javnih radova za nezaposlene 12 - 35 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Hrvatsko primorje i Istra





6 18% -7% 11%

12 11% -1% 10%

18 19% -7% 12%

24 15% -4% 11%

75

Tablica 43. Učinci mjere javnih radova za nezaposlene 12 - 35 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Dalmacija





6 1% 8% 9%

12 -1% 12% 11%

18 1% 9% 10%

24 0% 10% 10%

Javni radovi za nezaposlene 36 mjeseci i dulje

Tablica 44. Učinci mjere javnih radova za nezaposlene dulje od 36 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Zagreb i okolica





6 3% 3% 6%

12 5% 1% 6%

18 7% 2% 9%

24 7% 1% 8%

Tablica 45. Učinci mjere javnih radova za nezaposlene dulje od 36 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija sjeverna Hrvatska





6 2% 9% 11%

12 0% 12% 12%

18 4% 12% 16%

24 4% 11% 15%

Tablica 46. Učinci mjere javnih radova za nezaposlene dulje od 36 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Slavonija





6 2% 7% 9%

12 1% 9% 10%

18 3% 8% 11%

24 3% 9% 12%

Tablica 47. Učinci mjere javnih radova za nezaposlene dulje od 36 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Lika i Banovina





6 4% 4% 8%

12 3% 9% 12%

18 4% 9% 13%

24 2% 11% 13%

76

Tablica 48. Učinci mjere javnih radova za nezaposlene dulje od 36 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Hrvatsko primorje i Istra





6 6% 1% 7%

12 4% 4% 8%

18 6% 4% 10%

24 6% 4% 10%

Tablica 49. Učinci mjere javnih radova za nezaposlene dulje od 36 mjeseci na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Dalmacija





6 5% 4% 9%

12 2% 8% 10%

18 2% 8% 10%

24 3% 10% 13%

77

Obrazovanje nezaposlenih – učinak po regijama

Tablica 50. Učinci mjere obrazovanja nezaposlenih osoba na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Zagreb i okolica





6 6% 2% 8%

12 8% 0% 8%

18 9% -2% 6%

24 7% -1% 6%

Tablica 51. Učinci mjere obrazovanja nezaposlenih osoba na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija sjeverna Hrvatska





6 4% 3% 7%

12 8% -2% 7%

18 9% -3% 7%

24 8% -2% 6%

Tablica 52. Učinci mjere obrazovanja nezaposlenih osoba na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Slavonija





6 3% 4% 7%

12 5% 1% 6%

18 6% -1% 5%

24 6% -1% 5%

Tablica 53. Učinci mjere obrazovanja nezaposlenih osoba na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Lika i Banovina





6 6% -1% 5%

12 9% -3% 6%

18 9% -5% 4%

24 7% -3% 4%

Tablica 54. Učinci mjere obrazovanja nezaposlenih osoba na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Hrvatsko primorje i Istra





6 1% 5% 6%

12 2% 3% 5%

18 3% 1% 5%

24 1% 3% 4%

78

Tablica 55. Učinci mjere obrazovanja nezaposlenih osoba na zaposlenost i nezaposlenost, te na postotak zadržavanja na tržištu rada – sve godine, regija Dalmacija





6 6% 0% 6%

12 7% -1% 6%

18 9% -4% 5%

24 7% -2% 5%

79

5. Dodatak 2 – Histogrami intervala pouzdanosti u pogledu učinka zaposlenosti i nezaposlenosti – svi modeli

Javni radovi 1 – model 2.1 – zaposlenost

Javni radovi 1 – model 2.1. zaposlenost

80

Javni radovi 2 – model 2.2 – zaposlenost

Javni radovi 2 – model 2.2. – nezaposlenost

81

Samozapošljavanje – model 6 – zaposlenost

Samozapošljavanje – model 6 - nezaposlenost

82

Potpora za zapošljavanje mladih bez radnog iskustva – model 8.1 – zaposlenost

Potpora za zapošljavanje mladih bez radnog iskustva – model 8.1 – nezaposlenost

83

Potpora za zapošljavanje dugotrajno nezaposlenih osoba – model 8.2 – zaposlenost

Potpora za zapošljavanje dugotrajno nezaposlenih osoba – model 8.2 – nezaposlenost

84

Potpora za zapošljavanje starijih od 50 godina – model 8.3 - zaposlenost

Potpora za zapošljavanje starijih od 50 godina – model 8.3 - nezaposlenost

85

Stručno osposobljavanje 1 (ZOR) – model 10.1 – zaposlenost

Stručno osposobljavanje 1 (ZOR) – model 10.1 – nezaposlenost

86

Stručno osposobljavanje 2 (ZOPZ) – model 10.2 – zaposlenost

Stručno osposobljavanje 2 (ZOPZ) – model 10.2 – nezaposlenost

87

Obrazovanje nezaposlenih – model 4 – zaposlenost

Obrazovanje nezaposlenih – model 4 – nezaposlenost

Documents

Aktivnost 1.4. Analiza i interpretacija prikupljenih podataka 3 ... evaluacija...1 HRVATSKI ZAVOD ZA ZAPOŠLJAVANJE Vanjska evaluacija mjera aktivne politike tržišta rada Aktivnost