Wp艂yw liczby os贸b czynnych zawodowo, os贸b w wieku produkcyjnym i liczby os贸b pracuj膮cych na stop臋 bezrobocia w Polsce
ROZDZIA艁 I
Poj臋cie bezrobocia i czynniki kszta艂tuj膮ce zjawisko.
Pod poj臋ciem bezrobotnego nale偶y rozumie膰 osob臋 nie zatrudnion膮 i nie wykonuj膮cej innej pracy zarobkowej, zdoln膮 i gotow膮 do podj臋cia zatrudnienia w pe艂nym wymiarze czasu pracy, nie ucz膮c膮 si臋 w szkole w systemie dziennym, zarejestrowan膮 we w艂a艣ciwym dla miejsca zameldowania (sta艂ego lub czasowego) rejonowym urz臋dzie pracy, je偶eli:
Uko艅czy艂a 18 lat (z wyj膮tkiem m艂odocianych absolwent贸w).
Kobieta, kt贸ra nie uko艅czy艂a 60 lat, a m臋偶czyzna 65 lat.
Nie naby艂a prawa do emerytury lub renty inwalidzkiej albo po utracie zatrudnienia nie pobiera 艣wiadczenia rehabilitacyjnego, zasi艂ku chorobowego, macierzy艅skiego lub wychowawczego.
Nie jest w艂a艣cicielem lub posiadaczem (samoistnym lub zale偶nym) nieruchomo艣ci rolnej o powierzchni u偶ytk贸w rolnych powy偶ej 2 ha przeliczeniowych.
Nie podlega ubezpieczeniu emerytalno- rentowemu z tytu艂u sta艂ej pracy jako domownik w gospodarstwie rolnym o powierzchni u偶ytk贸w rolnych przekraczaj膮cej 2 ha przeliczeniowe.
Nie podj臋艂a pozarolniczej dzia艂alno艣ci gospodarczej lub nie podlega- na podstawie odr臋bnych przepis贸w- obowi膮zkowi ubezpieczenia spo艂ecznego lub zaopatrzenia emerytalnego.
Jest osob膮 niepe艂nosprawn膮, kt贸rej stan zdrowia pozwala na podj臋cie zatrudnienia co najwy偶ej w po艂owie wymiaru czasu pracy obowi膮zuj膮cego w danym zawodzie lub s艂u偶bie.
Nie jest tymczasowo aresztowana lub nie odbywa kary pozbawienia wolno艣ci.
Przez ludno艣膰 w wieku produkcyjnym rozumiemy ludno艣膰 w wieku zdolno艣ci do pracy. Dla m臋偶czyzn przyj臋to wiek od 18 do 64 lat, a dla kobiet od 18 do59 lat.
Tabela 1 Struktura bezrobotnych zarejestrowanych wed艂ug p艂ci i wieku w 1999r (dane GUS).
Podstawowym kryterium podzia艂u na aktywnych zawodowo i biernych zawodowo stanowi praca tzn. fakt wykonywania, posiadania lub poszukiwania pracy. Do os贸b aktywnych zawodowo zaliczono osoby pracuj膮ce i bezrobotne:
Do pracuj膮cych zaliczono osoby, kt贸re w badanym tygodniu:
wykonywa艂y prac臋 przynosz膮c膮 zarobek lub doch贸d albo pomaga艂y (bez wynagrodzenia) w prowadzeniu rodzinnego gospodarstwa rolnego lub rodzinnej dzia艂alno艣ci gospodarczej.
nie wykonywa艂y pracy (np.: z powodu choroby, urlopu, przerwy w dzia艂alno艣ci zak艂adu, trudnych warunk贸w atmosferycznych ) ale formalnie mia艂y prac臋.
Tabela 2 Ludno艣膰 aktywna zawodowo w wybranych krajach w 1998r (dane GUS).
Pracuj膮cy w pe艂nym wymiarze czasu pracy s膮 to osoby, kt贸re:
przepracowa艂y w badanym tygodniu 40 godzin i wi臋cej we wszystkich miejscach pracy.
przepracowa艂y w badanym tygodniu mniej ni偶 40 godzin ale jest to ich pe艂ny wymiar czasu pracy (nauczyciele, osoby pracuj膮ce w warunkach zagro偶enia czynnikami szkodliwymi dla zdrowia).
przepracowa艂y w badanym tygodniu mniej ni偶 40 godzin z przyczyn pozaekonomicznych (nauka, urlop) ale zwykle pracuj膮 w pe艂nym wymiarze czasu pracy.
Za bezrobotne uznano osoby, kt贸re spe艂niaj膮 3 warunki:
w okresie badanego tygodnia nie by艂y osobami pracuj膮cymi.
w ci膮gu 4 tygodni aktywnie poszukiwa艂y pracy.
by艂y gotowe podj膮膰 prac臋.
Do bezrobotnych zaliczono tak偶e osoby, kt贸re znalaz艂y prac臋 i oczekiwa艂y na jej rozpocz臋cie (w ci膮gu 30 dni).
Rysunek 1 Stopa bezrobocia rejestrowanego w Polsce w 1999r. (dane GUS- stan w dniu 31 grudnia).
Dane o pracuj膮cych dotycz膮 os贸b wykonuj膮cych prac臋 przynosz膮c膮 im zarobek lub doch贸d. Do os贸b pracuj膮cych zalicza si臋:
Osoby zatrudnione na podstawie stosunku pracy (umowa o prac臋, powo艂anie, mianowanie lub wyb贸r)
Pracodawc贸w: pracuj膮cych na w艂asny rachunek a mianowicie:
w艂a艣cicieli, wsp贸艂w艂a艣cicieli i dzier偶awc贸w gospodarstw indywidualnych w
rolnictwie (艂膮cznie z pomagaj膮cymi cz艂onkami ich rodzin) tj. pracuj膮cych w indywidualnych gospodarstwach rolnych (o powierzchni powy偶ej 1 ha u偶ytk贸w rolnych), na dzia艂kach rolnych (o powierzchni do 1 ha u偶ytk贸w rolnych), w艂a艣cicieli zwierz膮t gospodarskich nie posiadaj膮cych u偶ytk贸w rolnych.
w艂a艣cicieli i wsp贸艂w艂a艣cicieli (艂膮cznie z pomagaj膮cymi cz艂onkami ich rodzin; z wy艂膮czeniem wsp贸lnik贸w sp贸艂ek, kt贸rzy nie pracuj膮 w sp贸艂ce) podmiot贸w prowadz膮cych dzia艂alno艣膰 gospodarcza poza gospodarstwami indywidualnymi w rolnictwie.
inne osoby pracuj膮ce na w艂asny rachunek np.: osoby wykonuj膮ce wolne zawody
Osoby wykonuj膮ce prac臋 nak艂adcz膮 (s膮 to osoby, z kt贸rymi zawarto umow臋 o wykonanie okre艣lonych czynno艣ci na rzecz jednostki zlecaj膮cej prac臋 poza jej terenem)
Agent贸w (艂膮cznie z pomagaj膮cymi cz艂onkami ich rodzin oraz osobami zatrudnionymi przez agenta). Za agenta uznaje si臋 osoby z kt贸rymi zawarto umow臋 agencyjn膮 lub umow臋 na warunkach zlecenia o prowadzenie plac贸wek, kt贸rych przedmiot dzia艂alno艣ci zosta艂 okre艣lony w umowie. Agenci pracuj膮cy na podstawie um贸w agencyjnych otrzymuj膮 wynagrodzenia agencyjno - prowizyjne w formie prowizji od obrot贸w ( wynagrodzenie tych os贸b jest uzale偶nione od warto艣ci dokonywanych transakcji lub warto艣ci wykonywanych us艂ug ). Agenci prowadz膮cy plac贸wki na podstawie umowy na warunkach zlecenia przyjmuj膮 pe艂ne wp艂ywy uzyskane z dzia艂alno艣ci plac贸wki i zobowi膮zani s膮 uiszcza膰 na rzecz zleceniodawcy zrycza艂towan膮 odp艂atno艣膰 ustalona w kwocie lub wska藕nikiem procentowym od obrotu.
Cz艂onk贸w rolniczej sp贸艂dzielni produkcyjnej.
Pracuj膮cych na dzia艂kach pracownik贸w gospodarstw pa艅stwowych i na dzia艂kach przyzagrodowych cz艂onk贸w rolniczych sp贸艂dzielni produkcyjnych.
Duchownych pe艂ni膮cych obowi膮zki duszpasterskie.
ROZDZIA艁 II
Podstawy teoretyczne
1. Szacowanie parametr贸w strukturalnych klasyczn膮 metod膮 najmniejszych kwadrat贸w (KMNK).
Model ekonometryczny z wieloma zmiennymi obja艣niaj膮cymi:
Metoda estymacji klasycznych modeli liniowych jest klasyczn膮 metod膮 najmniejszych kwadrat贸w (KMNK)- polega na doborze takich parametr贸w modelu przy kt贸rych suma kwadrat贸w odchyle艅 warto艣ci zaobserwowanych od warto艣ci wyznaczonych w oparciu o model jest minimalny.
a0, a1, ak- oceny nieznanych parametr贸w
gdzie r贸偶nice pomi臋dzy Yt i Yt okre艣lamy resztami modelu:
Aby wyznaczy膰 伪i okre艣lamy funkcj臋 蠒 ( 伪i) :
W zapisie macierzowym funkcj臋 t臋 zapisujemy w nast臋puj膮cej postaci:
st膮d
伪- estymator wektora parametru strukturalnego jednor贸wnaniowego modelu liniowego z wieloma zmiennymi obja艣niaj膮cymi.
Jest to estymator wektora parametr贸w strukturalnych, a X jest macierz膮 obserwacji dokonanych na zmiennych obja艣niaj膮cych, Y jest wektorem obserwacji dokonanych na zmiennej obja艣nianej.
|
|
1 |
X11 |
X21 |
... |
Xk1 |
|
|
|
y1 |
|
|
|
伪1 |
|
|
X= |
|
1 |
X12 |
X22 |
... |
Xk2 |
|
Y= |
|
y2 |
|
伪= |
|
伪2 |
|
|
|
|
1 |
... |
... |
... |
... |
|
|
|
... |
|
|
|
... |
|
|
|
|
1 |
X1n |
X2n |
... |
Xkn |
|
n(k+1) |
|
yn |
|
|
|
伪n |
|
n*1 |
Twierdzenia KMNK (Gaussa-Markowa):
Twierdzenie1.
Je艣li X jest nielosowe i U czyste to 伪 uzyskany wed艂ug KMNK jest zgodny, nieobci膮偶ony i najefektywniejszy w klasie estymator贸w liniowych.
Twierdzenie 2.
Je偶eli macierz X jest losowe ale niezale偶ne od wektora U to 伪 jest zgodny i nieobci膮偶ony.
Twierdzenie 3.
Je偶eli X nielosowe i U czyste, to nieobci膮偶onym estymatorem wariancji sk艂adnika losowego 未2 jest wyra偶enie:
Twierdzenie 4.
Je偶eli macierz X jest nielosowe lub niezale偶ne od U to najlepszym estymatorem wektora wariancji parametr贸w V(伪) jest wyra偶enie:
D2 (伪) = S2 (XTX)-1
M贸wimy, 偶e sk艂adnik losowy jest czystym sk艂adnikiem losowym gdy:
E(Ut)=0
E(UtUT)=未2 Xt2=E(Ut2)
E(UtUt`)鈮0 t`鈮t
Kowariancja mi臋dzy sk艂adnikami losowymi r贸偶nymi od zera, czyli istnieje zale偶no艣膰 mi臋dzy sk艂adnikami losowymi
2. Weryfikacja modelu ekonometrycznego.
Weryfikacja modelu ekonometrycznego przebiega w nast臋puj膮cy spos贸b:
1. Badanie zmienno艣ci losowej modelu za pomoc膮 wsp贸艂czynnika zmienno艣ci losowej:
Gdzie s to odchylenie standardowego sk艂adnika losowego, s nie powinno przekracza膰 10% 艣redniej arytmetycznej (y). Je艣li przekracza 10% to model uznaje si臋 za niedostatecznie dopasowany do danych empirycznych.
Wsp贸艂czynnik ten informuje, jaki procent 艣redniej arytmetycznej zmiennej obja艣nianej modelu stanowi odchylenie standardowe reszt.
2. Badanie wsp贸艂czynnika zbie偶no艣ci 蠒2.
Wsp贸艂czynnik zbie偶no艣ci 蠒2 i wsp贸艂czynnik korelacji wielorakiej R2 dope艂niaj膮 si臋 do jedno艣ci.
蠒2 + R2 = 1.
Wsp贸艂czynnik zmienno艣ci wyra偶a si臋 wzorem:
Wsp贸艂czynnik zmienno艣ci przyjmuje warto艣ci z przedzia艂u < 0;1鈱
Informuje on, jaka cz臋艣膰 ca艂kowitej zmienno艣ci zmiennej obja艣nianej nie jest wyja艣niana przez model.
Wsp贸艂czynnik determinacji ma posta膰:
Wsp贸艂czynnik determinacji przyjmuje warto艣ci z przedzia艂u <0;1鈱
M贸wi on, jak膮 cz臋艣膰 ca艂kowitej zmienno艣ci zmiennej obja艣nianej stanowi zmienno艣膰 warto艣ci teoretycznych tej zmiennej. Wymaga si臋, aby R by艂 wi臋kszy od 0,9 a 蠒 powinien by膰 mniejszy od 0,10.
3. Trzecim etapem weryfikacji modelu ekonometrycznego jest zastosowanie testu t Studenta do badania istotno艣ci parametr贸w strukturalnych w modelu ekonometrycznym
M贸wimy, 偶e parametr 伪i jest istotny gdy istotnie r贸偶ni si臋 od zera.
Stawiamy hipotez臋 H0: 伪i = 0. Weryfikujemy j膮 obliczaj膮c statystyk臋
W praktyce, gdy
to m贸wimy, 偶e parametr jest istotny.
4. Test Durbina - Watsona s艂u偶y do badania czy wyst臋puje autokorelacja sk艂adnika losowego.
Stawiamy hipotez臋 H0: E(UtUt') = 0 czyli, 偶e nie wyst臋puje autokorelacja. Nast臋pnie obliczamy statystyk臋 dla oszacowanych reszt modelu:
Obliczone d por贸wnujemy z dL i dU tablic dla odpowiedniej liczby obserwacji i poziomu ufno艣ci.
Nier贸wno艣膰 dL > d wskazuje na to, 偶e autokorelacja nie wyst臋puje.
Nier贸wno艣膰 dU< d wskazuje na to, 偶e autokorelacja wyst臋puje.
W przypadku gdy d L 鈮 d 鈮 dU , to w oparciu o stosowany test nie jeste艣my w stanie jednoznacznie wyrokowa膰 o autokorelacji. W takiej sytuacji mo偶emy pos艂u偶y膰 si臋 wsp贸艂czynnikiem autokorelacji 蟻, kt贸ry z d powi膮zany jest nast臋puj膮co:
Jednoznacznie dla danej liczby obserwacji n i poziomu ufno艣ci 伪 mo偶na odczyta膰 z tablic warto艣膰 istotnego wsp贸艂czynnika autokorelacji.
ROZDZIA艁 III
Budowa modelu ekonometrycznego
Badamy kszta艂towanie si臋 liczby widz贸w w kinach na 1000 mieszka艅c贸w (Yt) w zale偶no艣ci od liczby miejsc na widowni w kinach sta艂ych na 1000 mieszka艅c贸w (x1t) i abonent贸w telewizyjnych na 1000 mieszka艅c贸w (x2t).
1. Szacowanie parametr贸w strukturalnych jednor贸wnaniowego modelu ekonometrycznego z wieloma zmiennymi obja艣niaj膮cymi dla danych rocznych klasyczn膮 metod膮 najmniejszych kwadrat贸w (KMNK).
Lata |
Yt |
y |
X0t |
X1t |
X2t |
1992 |
2,509 |
2,550458 |
1 |
28,391 |
22,056 |
1993 |
2,89 |
2,86294 |
1 |
28,38 |
22,181 |
1994 |
2,838 |
2,849081 |
1 |
28,903 |
22,333 |
1995 |
2,629 |
2,640405 |
1 |
29,106 |
22,501 |
1996 |
2,36 |
2,301097 |
1 |
29,486 |
22,647 |
1997 |
1,826 |
1,765722 |
1 |
29,727 |
22,82 |
1998 |
1,831 |
1,93049 |
1 |
30,061 |
23,014 |
1999 |
2,35 |
2,331955 |
1 |
30,388 |
23,146 |
Suma |
19,233 |
|
|
|
|
艢rednia |
2,404 |
|
|
|
|
Lata |
X3t |
Yt-y |
(Yt-y)^2 |
Yt-艣rYt |
(Yt-艣rYt)^2 |
1992 |
15,357 |
-0,04146 |
0,001719 |
0,105 |
0,011 |
1993 |
15,118 |
0,02706 |
0,000732 |
0,486 |
0,236 |
1994 |
15,282 |
-0,01108 |
0,000123 |
0,434 |
0,188 |
1995 |
15,486 |
-0,01141 |
0,00013 |
0,225 |
0,051 |
1996 |
15,842 |
0,058903 |
0,00347 |
-0,044 |
0,002 |
1997 |
16,295 |
0,060278 |
0,003633 |
-0,0578 |
0,334 |
1998 |
16,267 |
-0,09949 |
0,009898 |
-0,573 |
0,328 |
1999 |
16,069 |
0,018045 |
0,000326 |
-0,054 |
0,003 |
Suma |
|
|
0,020031 |
|
1,153 |
艢rednia |
|
|
|
|
|
Model, kt贸rego parametry szacujemy, ma posta膰:
Zapis macierzowy modelu:
Wyznaczamy wektor Y obserwacji zmiennej obja艣nianej oraz macierz X obserwacji zmiennych obja艣niaj膮cych.
|
|
1 |
28,391 |
22,056 |
15,357 |
|
|
|
|
2,509 |
|
|
|
1 |
28,38 |
22,181 |
15,118 |
|
|
|
|
2,89 |
|
X= |
|
1 |
28,903 |
22,333 |
15,282 |
|
|
Y= |
|
2,838 |
|
|
|
1 |
28,106 |
22,501 |
15,486 |
|
|
|
|
2,629 |
|
|
|
1 |
29,486 |
22,647 |
15,842 |
|
|
|
|
2,36 |
|
|
|
1 |
29,727 |
22,82 |
16,295 |
|
|
|
|
1,826 |
|
|
|
1 |
30,061 |
23,014 |
16,267 |
|
|
|
|
1,831 |
|
|
|
1 |
30,388 |
23,146 |
16,069 |
|
|
|
|
2,35 |
|
Transponujemy macierz X obserwacji zmiennych obja艣niaj膮cych.
|
|
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
XT= |
|
28,391 |
28,38 |
28,903 |
29,106 |
29,486 |
29,727 |
30,061 |
30,388 |
|
|
|
22,056 |
22,181 |
22,333 |
22,501 |
22,647 |
22,82 |
23,014 |
23,146 |
|
|
|
15,357 |
15,118 |
15,282 |
15,486 |
15,842 |
16,295 |
16,267 |
16,069 |
|
D膮偶ymy do otrzymania macierzy odwrotnej iloczynu (XTX).
|
|
8 |
234,442 |
180,698 |
125,716 |
|
|
XTX= |
|
234,442 |
6874,229 |
5297,418 |
3686,306 |
|
|
|
|
180,698 |
5297,418 |
4082,542 |
2840,717 |
|
|
|
|
125,716 |
3686,306 |
2840,717 |
1977,071 |
|
|
|
|
4098,015 |
269,7931 |
-535,9147 |
6,401464 |
|
XtX^-1 |
|
269,7931 |
21,46735 |
-38,60769 |
-1,709106 |
|
|
|
-535,9147 |
-38,60769 |
74,16571 |
-0,501246 |
|
|
|
6,401464 |
-1,709106 |
-0,501246 |
3,50034 |
|
Wyliczamy iloczyn macierzy XT i Y
|
|
19,233 |
|
XTY= |
|
562,1196 |
|
|
|
433,6258 |
|
|
|
300,9936 |
|
Wyliczamy (XtX)^-1XtY
|
13,4721 |
|
|
0,432122 |
|
|
-0,093259 |
|
|
-1,376115 |
|
2. Weryfikacja modelu ekonometrycznego.
1. Badanie zmienno艣ci losowej modelu za pomoc膮 wsp贸艂czynnika zmienno艣ci losowej:
Vs= 0,026327
2. Wsp贸艂czynnik zmienno艣ci wyra偶a si臋 wzorem:
蠒2= 0,017366
Wsp贸艂czynnik determinacji ma posta膰:
R2= 98,26343%
3. Badanie istotno艣ci przy pomocy testu t - Studenta wg wzoru:
Stawiamy hipotez臋
H0: 伪i = 0.
H1: 伪i 鈮 0
Wyliczamy standardowe b艂臋dy szacunku.
W celu obliczenia macierzy wariancji i kowariancji ocen parametr贸w strukturalnych szacujemy wg wzoru:
D2 (伪) = S2 (xTx)-1
|
|
16,417 |
|
|
|
|
D2( 伪i)= |
|
|
0,086 |
|
|
|
|
|
|
|
0,297 |
|
|
|
|
|
|
|
0,014 |
|
Standardowe b艂臋dy szacunku wynosz膮:
D(伪0)= 4,052
D(伪1)= 0,293
D(伪2)= 0,545
D(伪3)= 0,118
Maj膮c wszystkie dane, mo偶emy przej艣膰 do obliczania istotno艣ci.
t(伪0)= 3,324803
t(伪1)= 1,474819
t(伪2)= -0,17112
t(伪3)= -11,662
Rozdzia艂 IV
Interpretacja uzyskanych wynik贸w
Se= 0,063294
Przeci臋tne warto艣ci empiryczne os贸b bezrobotnych na milion mieszka艅c贸w odchylaj膮 si臋 od warto艣ci teoretycznych os贸b bezrobotnych o +/- 0,063294 miliona os贸b.
Vs= 0,026327
Odchylenie standardowe reszt stanowi 2,6327% 艣redniej arytmetycznej os贸b bezrobotnych.
蠒2= 1,736566
Zmienno艣膰 liczby os贸b bezrobotnych nie jest wyja艣niana w 1,736566% zmienno艣ci膮 liczby os贸b czynnych zawodowo, w wieku produkcyjnym i os贸b pracuj膮cych.
R2= 0,9826343
Zmienno艣膰 liczby os贸b bezrobotnych jest wyja艣niana w 98,26343% zmienno艣ci膮 liczby os贸b czynnych zawodowo, w wieku produkcyjnym i os贸b pracuj膮cych.
t(伪0)= 3,324803
t(伪1)= 1,474819
t(伪2)= -0,17112
t(伪3)= -11,662
Parametry 伪1, 伪2, 伪3, nie s膮 statystycznie istotne.
Model jest z艂y i nie mo偶na zinterpretowa膰 parametr贸w.
Literatura
Roczniki statystyczne GUS z lat 1992- 1999
Wyk艂ady z ekonometrii dr L.Talagi
Polska Statystyka Publiczna- wersja internetowa
Jerzy Mycielski- Notatki do 膰wicze艅 z ekonometrii
Spis tabel
Spis rysunk贸w
Spis tre艣ci
12