Országos Nyugdíjbiztosítási Főigazgatóság MIDAS_HU workshop, 2015.05.28.
A FOGLALKOZTATÁS MODELLEZÉSE Vékás Péter (e-mail:
[email protected]) egyetemi tanársegéd, Budapesti Corvinus Egyetem
A MIDAS_HU modell munkaerő-piaci modulja • A folyó finanszírozású magyar állami nyugdíjrendszer finanszírozhatóságát nagyban befolyásolja a munkaerőpiac • A MIDAS modellek sarkallatos pontja a munkaerő-piaci aktivitás modellezése • A MIDAS_BE modell 2002. évi keresztmetszeti adatokból becsüli az aktivitást • Itthon 43 évnyi adminisztratív adatunk volt • Kevésbé stabil a munkaerőpiac, mint Belgiumban (pl. 1991-‘92 körül egymillió ember hagyta el a munkaerőpiacot) • A MIDAS_HU modellben kívánatos a hosszmetszeti információk felhasználása!
A modell célja és működése • A cél: demográfiai és foglalkoztatási jellemzők alapján évente dolgozókra és nem dolgozókra felosztani az egyéneket • Az eszköz: bináris logisztikus regressziós modell 43 évnyi, egyéni szintű adminisztratív adat alapján • A modell évenként, egyénenként megbecsüli az aktivitás valószínűségét (perturbálás: hibatag alkalmazása a mobilitás érdekében) • A ténylegesen dolgozók számát külső előrejelzésekhez igazítjuk (alignment) • A becsült valószínűség szerinti rangsor elejéről választjuk ki az aktívakat
A felhasználható adatok • Évenkénti bontásban rendelkezésre állnak 1970-től 2012-ig többek között: – Születési év – Nem – FEOR főcsoport (Foglalkozások Egységes Osztályozási Rendszere, 10 kategória) – Irányítószám – A nyugdíjjogosultság alapját képező osztónapok száma (valódi=munkaviszony révén keletkezett, pszeudó=beszámítható ellátás, pl. anyaság, összes=valódi+pszeudó)
Előkészítő és korrekciós lépések • Szűrés: élő, öregségi nyugdíjban nem részesülő, gazdaságilag aktív korú egyének • Szűrés: csak helyesen kitöltött irányítószámok • Többszörös imputálás: hiányzó adatok pótlása ismert együttes eloszlások alapján • Egyszerűsítés: az egyének vagy a teljes évben, vagy egyáltalán nem dolgoznak • Eredményváltozó: a 2012. évi valódi osztónapok száma küszöbértéknél elvágva, a változó évesített átlagát megőrizve
Historikus foglalkoztatási információk beépítése • Hogyan illeszthető 42 évnyi foglalkoztatási információ egy keresztmetszeti modellbe? • Megoldás: szegmentálás, csoportonként külön egyenletek becslése • De hogyan szegmentáljunk? – Klaszteranalízis problémás: az évek száma egyénenként eltérő, az évenkénti osztónapok korreláltak, új egyének nehezen sorolhatók be, nehéz a klaszterek szakmai interpretációja – Helyette: szakmai szempontok alapján előre definiált szegmenseket képeztünk
Szegmentálás: foglalkoztatási pályák • Leválasztottuk az ellátottakat és a pszeudó jogviszonnyal rendelkezőket, mint két főszegmenst • A maradék állományra egyénenként átlagoltuk az éves összes osztónapok számát három periódusban: 1970-1991, (törés) 1992-2001, 2001-2010 • A periódusok átlagait 3+1 kategóriába soroltuk: 0-100: alacsony, 100,01-300: közepes, 300,01-366: magas, + hiányzó • Max. 43=64-féle foglalkoztatási pálya
Szegmentálás: a pályák besorolása • A pályákból három főszegmenst képeztünk: magas, közepes és alacsony foglalkoztatás – pl. üres-üres-alacsony alacsony, – pl. üres-magas-közepes közepes, – pl. alacsony-magas-magas magas. • Ha az utolsó periódus magas, magasnak tekintjük, kivéve, ha az utolsó időszakban volt olyan év, amikor a 100-at nem haladta meg az osztónapok száma, akkor közepes • A ’90-es évek elején lemorzsolódottak többnyire az alacsony kategóriába kerültek
A tíz munkaerő-piaci szegmens • Öt főszegmens: – ellátott, – speciális (pszeudó, főleg anyák), – alacsony, – közepes, – magas. • Empirikus vizsgálat alapján a tavalyi foglalkoztatás erősen determinálja az ideit, ezért minden főszegmenst kettéosztottunk a 2011. évi aktivitás szerint (pl. a legjobb szegmens: magas, 2011-ben aktív)
Öt modellspecifikáció • Tanuló és tesztelő (90-10%) minta, osztott mintás validáció • Öt egymásba ágyazott modell: – – – –
0. modell: csak konstans 1. modell: 2011. évi bináris aktivitás és konstans, 2. modell: szegmensek és konstans, 3. modell: szegmensenként 1-1 egyenlet a korábban ismertetett magyarázó változók bevonásával, az életkorban kvadratikus függvénnyel (Forward szelekció) – 4. modell: a 3. modell a magyarázó változók páronkénti interakcióival bővítve (kivéve az életkor négyzetét)
Modellszelekció
• Minden szempont alapján a 3. modell a legmegfelelőbb (a 4. esetében: túlillesztés). • Nincsenek szignifikáns outlierek
Klasszifikáció • A becsült valószínűségek alapján, küszöbérték (cutoff): a 2012. évben ténylegesen aktívak számát reprodukálva • A modelll a tesztelő állomány 80%-át helyesen sorolja be (52,8% lenne elérhető véletlenszerű besorolással) • Az aktívak esetén 83,8%, a többiek esetén 73,8% a találati pontosság
Néhány illusztratív eredmény • A 2012-ben aktív, magas szegmensben • Nő / férfi esélyhányados: 0,734 • Felsőfokú képzettség önálló alkalmazását igénylő / nem besorolt foglalkozások esélyhányadosa: 1,728 • Szakképzettséget nem igénylő (egyszerű) / nem besorolt foglalkozások esélyhányadosa: 0,693 • A logit (a foglalkoztatás esélyhányadosának logaritmusa) az életkor függvényében konkáv parabola, 48 éves korban tetőzik
Irodalomjegyzék • • • • • • • • • • • •
Antal, G., – Telegdy, Á. (2003). A foglalkoztatási szerkezet előrejelzése foglalkozási csoportok, nem és iskolai végzettség szerint. In: Fazekas, K. – Varga, J. (szerk.) Trendek és előrejelzések. Munkaerő-piaci prognózisok készítése, szerkezetváltás a munkaerőpiacon. MTA KRTK Közgazdaság–Tudományi Intézet, Budapest. Augusztinovics, M. (2005): Népesség, foglalkoztatottság, nyugdíj. Közgazdasági Szemle, LII. évf., 5. sz., pp. 429–447. Augusztinovics, M. – Gyombolai, M. – Máté, L. (2008). Járulékfizetés és nyugdíjjogosultság 1997–2006. Közgazdasági Szemle, 55. évf. 7–8. sz., pp. 665– 689. Augusztinovics, M. – Köllő, J. (2007). Munkapiaci pálya és nyugdíj, 1970–2020. Közgazdasági Szemle, LIV. évf., 2007. június, pp. 529–559. Augusztinovics, M. – Köllő, J. (2008). Decreased Employment and Pensions. In: Holzmann, R., L. Mackellar and J. Repansek (szerk.) Pension Reform in South–Eastern Europe: Linking to Labor and Financial Market Reforms. The World Bank, Washington D.C. Bakó, T. (2013). A magyarországi munkapiac 2012–2013–ban. In: Fazekas, K. – Neumann, L. (szerk.): Munkaerőpiaci Tükör 2013. MTA Közgazdaság– és Regionális Tudományi Kutatóközpont, Közgazdaságtudományi Kutatóintézet, Országos Foglalkoztatási Nonprofit Kft., Budapest. Bakó, T. (2014). A magyarországi munkapiac 2013–2014–ben. In: Fazekas, K. – Neumann, L. (szerk.): Munkaerőpiaci Tükör 2014. MTA Közgazdaság– és Regionális Tudományi Kutatóközpont, Közgazdaságtudományi Kutatóintézet, Országos Foglalkoztatási Nonprofit Kft., Budapest. Bálint, M. – Köllő, J. – Molnár, Gy. (2010). Nyugdíjjogszerzés és teljes aktív életpálya. Statisztikai Szemle, 88(6). Benjamini, Y. – Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 57(1): pp. 289–300. Carpenter, J. – Kenward, M. (2013). Multiple Imputation and its Applications. John Wiley and Sons, New York. Czibik, Á. – Makó, Á. – Máté, F. – Türei, G. – Várhalmi, Z. – Zichy, F. (2013). Rövidtávú munkaerő-piaci prognózis 2014. MKIK Gazdaság– és Vállalkozáskutató Intézet, Budapest. Dekkers, G. (2010). The long-term adequacy of the Belgian public pension system: An analysis based on the MIDAS model (working paper). Federaal Planbureau, Brussels.
• •
• • • • • • • • • • •
Dekkers, G. (2013). An introduction to MIDAS_BE, the dynamic microsimulation model for Belgium (working paper). Centre for Sociological Research, Brussels. Dekkers, G. – Belloni, M. (2009). Micro simulation, pension adequacy and the dynamic model MIDAS: an introduction (working paper). Federaal Planbureau, Brussels. Galasi, P. – Varga, J. (2005). Munkaerőpiac és Oktatás. MTA Közgazdaságtudományi Intézet, Budapest. Holtzer, P. (szerk., 2010). Jelentés a Nyugdíj és Időskor Kerekasztal tevékenységéről. Miniszterelnöki Hivatal, Budapest. Kertesi, G. – Köllő, J. (2006). Felsőoktatási expanzió, „diplomás munkanélküliség” és a diplomák piaci értéke. Közgazdasági Szemle, LIII. évf., 2006. március, pp. 201–225. Kertesi, G. – Varga, J. (2005). Foglalkoztatás és iskolázottság Magyarországon. Közgazdasági Szemle, LII. évf., 7–8. sz., pp. 633–662. Kleinbaum, D. G. – Klein, M. (2010). Logistic regression (3rd edition). Springer-Verlag, New York. Kovács, E. – Szüle, B. – Fliszár, V. – Vékás, P. (2011). Pénzügyi adatok statisztikai elemzése: Egyetemi tankönyv. Tanszék Kft., Budapest. Li, J. (2011). Dynamic Microsimulation for Public Policy Analysis. Boekenplan Maastricht, Maastricht. Li, J. – O’Donoghue, C. (2013). A survey of dynamic microsimulation models: uses, model structure and methodology. International Journal of Microsimulation, 6(2): pp. 3-55. Picard, R. – Cook, D. (1984). Cross-Validation of Regression Models. Journal of the American Statistical Association, 79(387): pp. 575–583. Szabó, S. Cs. K. (2000): Nyugdíjrendszerünk 1929-től 1997-ig. In. Augusztinovics, M. (szerk.): Körkép reform után. Tanulmányok a nyugdíjrendszerről. Közgazdasági Szemle Alapítvány, Budapest. Zaidi, A. – Rake, K. (2001). Dynamic Microsimulation Models: A Review and Some Lessons for SAGE (p. 40). SAGE Discussion Papers. URL: www.lse.ac.uk/depts/sage, letöltés dátuma: 2015.05.14.
Köszönöm a figyelmet!
