TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
DOMÁN CSABA
A háztartások szokásos kiadásról alkotott véleményének modellezése regionális szinten Magyarországon az ezredfordulót követő években a lakosság egy főre jutó jövedelme fokozatosan emelkedett (KSH 2013), majd a trend megfordult és 2006-ról 2007-re már 3,6%-kal csökkent, a folyamat a következő két évben is folytatódott. Ez a kedvezőtlen helyzet csak 2010-ben változott, ekkor 3,2%-kal nőtt az egy főre jutó nettó jövedelem előző évhez képest. A jövedelem alakulásánál hazánkban érezhető a regionalitás, az egyes országrészek fejlettségi szintje, elhelyezkedése és társadalmi összetétele érezteti hatását a jövedelem nagyságában és alakulásában is. A lakosság jövedelmi helyzetének változását mutató értékek pozitív irányba való elmozdulását azonban árnyalja a lakosság saját – szubjektivitást is tartalmazó – véleménye az anyagi helyzetéről. A Központi Statisztikai Hivatal (KSH) háztartási költségvetési és életkörülmény adatfelvétele (HKÉF) tartalmaz olyan kérdéscsoportokat, amelyek a válaszadó (illetve az általa képviselt háztartás) saját jövedelmi helyzetéről alkotott véleményét tükrözi. A háztartások saját anyagi helyzetéről alkotott véleményét befolyásolja az, hogy miként tudja finanszírozni a szokásos kiadásait, illetve hogyan tudja kezelni a váratlanul megjelenő kiadásokat. Sokatmondó adat, hogy a HKÉF alapján a háztartások közel háromnegyede nincs felkészülve a váratlan kiadásokra. Jelen tanulmány célja annak vizsgálata, hogy a háztartások szokásos kiadásokra való felkészültségét milyen tényezők befolyásolják, illetve regionális szinten kimutatható-e az egyes tényezők eltérő viselkedése. Szubjektivitás a jóléti vizsgálatokban „A jóllét mérésének két nagy csoportja van. Az objektív mérések gazdasági, társadalmi és környezeti statisztikai adatokkal próbálják meg körülhatárolni a jóllét tartalmát. Míg a szubjektív mérések csoportja kvalitatív módon ragadja meg a jóllétet, az emberek érzései, jóllétérzete alapján” (Gáspár 2013, 77. o.). A jóllét szubjektív megközelítése alapvetően egyszerű kérdéseken nyugszik, ugyanis a válaszadók saját boldogságukat, elégedettségüket általában a Likert-skála1 segítségével minősítik. Ez az elv számos kritikát kapott, mivel alkalmazói gyakran utaltak arra, hogy a hagyományos szemléletű (jövedelmen alapuló) mérés helyettesítéseként vagy kiegészítéseként alkalmazzák módszerüket. Az elmúlt években az életszínvonal vizsgálatok (amelyek középpontjában a válaszadók jövedelme és fogyasztása állt) között megjelentek olyan kutatási irányok is, amelyek esetében a hagyományos jellegű életszínvonal-mutatók mellett számos szubjektív tényező is előtérbe került.
1 Olyan attitűdskála, amely a válaszolóktól azt kéri, hogy jelezzék egyetértésüket vagy nem értésüket az attitűdtárgyakra vonatkozó számos állítással. A válaszadó attitűdje az ezekre az állításokra adott válaszainak összegével vagy átlagával jellemezhető.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
120
DOMÁN CSABA
Az Európai Unió 2013. évi EU-SILC lakossági adatfelvételébe is beillesztett egy szubjektív modult, illetve hazánkban ehhez csatlakozva a KSH is egy 18 ezer főt tartalmazó megkérdezést valósított meg. A kutatás középpontjában a szubjektív tényezők előtérbe helyezése állt (KSH 2014). Az ilyen jellegű kutatások előnye, hogy a szubjektív mérések gyakran az objektív tényezőkön alapuló mérési módszerek alternatíváját jelenthetik (Angner 2010). A témában jártas kutatók közül Diener (1984) nagy hangsúlyt fektetett a jóllét szubjektív jellegére, megfogalmazása szerint a szubjektív jólléti vizsgálatok meghatározásai gyakran hiányosak, mivel hiányoznak belőle az olyan objektív tényezők, mint az egészség, a kényelem, az anyagi gazdagság. Szerinte ezen tényezők jelentős hatással bírnak a szubjektív jóllétre, de nem szükségszerűen alkotják annak részét. Ez az irány is jól mutatja, hogy az egyének jóllétét nemcsak az objektív tényezők és körülmények befolyásolják, hanem a szubjektív élettapasztalatai is. Kahnenam (1999) a gondolatsort még azzal egészítette ki, hogy az egyén jóllétét a boldogsággal azonosította. Ő úgy véli, hogy az egyén élvezheti gazdagságát (feltételezett jövedelem, egészség és egyéb tényezők mellett) anélkül, hogy boldog lenne. Campbell (1976) korábbi munkájában hasonló véleményt formált meg, miszerint egy adott nemzet boldogságát nem feltétlenül mutatja a GDP. Ugyanis, ha egy társadalom életkörülményeinek minőségét kívánjuk vizsgálni, akkor az objektív mérőeszközökön kívül más lehetőségeket is igénybe kell venni olyanokat, amelyek az egyének élettapasztalatain alapulnak. Ezek a mérések pontosságukat tekintve elmaradnak az objektív mérésektől, de azt mérik, ami leginkább kifejezi az egyén jóllétét. Campbell szerint az életminőség az egyének jólléttel kapcsolatos érzelmeinek összessége. Az anyagi fogyasztást helyezte előtérbe (Brüll 1987), de ő kiemelten kezelte az egészségügyi és szociális ellátás fontosságát, utalva arra, hogy az életszínvonal az életmód része, ezáltal több olyan tényező is szerepet játszik alakulásában, amelyeket nem lehet pontosan számszerűsíteni, és amelyek az egyes egyéneknél teljesen eltérő módon jelenhetnek meg. Ezen tényezők jelentősen függnek attól is, hogy az adott egyén, háztartás vagy család milyen igényeket támaszt saját magával, illetve a környezetével szemben, továbbá mihez/kihez viszonyítja saját helyzetét. A gazdasági szférán kívüli forrásokra már Drechsler (1974) is utalt. Nyitrainé (1996) megközelítésében ez az irány a szubjektív életszínvonal kategóriáját jelenti, míg a statisztikai mutatókkal mérhető és értékelhető terület az életszínvonal kategóriáját öleli fel. Az Európai Bizottság által felkért kutatók eredményei is alátámasztják a korábbi megállapításokat. Stiglitz, Sen és Fitoussi (2009) jelentésében kiemelte, hogy a jóllét jelentésének meghatározásához több dimenziót átölelő definíciót kell alkalmazni. A szakirodalomban nincs egységes álláspont arról, hogy mi a konkrét definíciója az életszínvonalnak, illetve az alábbi kifejezésekkel gyakran „helyettesítik”: jólét, jóllét, elégedettség, társadalmi haladás, elégedettség, boldogság, humán fejlődés a leggyakoribb kifejezések. Véleményem szerint az életszínvonalat olyan többdimenziós fogalomként kell kezelni, amely a jövedelmen és a fogyasztáson kívül számos szubjektív elemet is magába foglal, hiszen ezek is kulcsinformációkat tartalmazhatnak a háztartások életszínvonaláról. Ezért tanulmányom középpontjába nem a hagyományos jellegű jövedelmi szemléletet helyeztem – hiszen már Sági (2006) is kiemelte regionális szemléletű tanulmányában, hogy az élettel való elégedettség igen szoros kapcsolatban van az egyének jövőbeni kilátásaival –, hanem olyan deprivációs mutatókat, amelyek objektív és szubjektív jelleggel is bírnak,
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
A HÁZTARTÁSOK SZOKÁSOS KIADÁSRÓL ALKOTOTT VÉLEMÉNYÉNEK MODELLEZÉSE
121
amelyeket egy későbbi alpontban részletesen ismertetek. Hegedűs (2001) összefoglaló tanulmányában a szubjektív indikátorok tekintetében alapvetően három nézetet különböztetett meg, és utalt rá, hogy a mutatókban jövőbeni tervek, várakozások is megjelennek, amely irányt követni kívántam kutatásom során. A többdimenziós megfogalmazást erősíti Gasper (2010) hármas tagoltsága is, miszerint a szubjektív jóllét pozitív és negatív hatásoktól és az élettel való elégedettségtől függ alapvetően. Véleményem szerint szubjektív és objektív tényezők együttes alkalmazásának fő előnye, hogy a háztartások életszínvonalának megítélését pontosabbá teszik, ha saját attitűdjeik alapján várakozásairól is képet kaphatunk. A kutatás elemzési egységei Magyarországon a legrészletesebb adatbázissal a KSH rendelkezik. A hivatal a teljes körű népszámlálások, cenzusok mellett számos kismintás adatfelvételt is végrehajt, ennek egyik fő célja a háztartási viszonyok jellemzése. A háztartások legrészletesebb adatbázisa, a háztartási költségvetési és életkörülmény adatfelvétel (HKÉF) közel 10 000 háztartásra terjed ki, és a háztartások jövedelmi viszonyai és fogyasztási szokásai mellett számos szubjektív kérdéskört is tartalmaz. A jelenlegi HKÉF mintája rétegzett, többlépcsős mintavétel alapján alakították ki. A megcélzott éves mintanagyság 2009-ig a háztartások 0,3%-a, megközelítőleg 12 000 háztartás (ebből közel 9000 valósul meg). 2010-től az éves megcélzott mintanagyság megközelítőleg 10 000 háztartás. A háztartásokat mint a sokaság egyes egyedeit – a korábban meghatározott mintavételi eljárásnak megfelelően – rétegekbe sorolva, eltérő valószínűséggel választják ki: „A KSH háztartási költségvetési felvételek alapsokaságát a Magyarországon magánháztartásban élő magyar állampolgárok összessége adja, tehát az adatgyűjtés nem terjed ki az úgynevezett intézeti háztartásokban élőkre. A kiválasztás alapegysége a lakás, a megfigyelésé a háztartás” (Kapitány–Molnár 2001, 31. o.). Azaz a felvétel szempontjából a háztartás „olyan személyek összessége, akik – függetlenül a rokoni kapcsolatoktól – egy jövedelmi, illetve fogyasztói közösséget képeznek, folyamatos életviteli költségeiket részben vagy egészben közösen viselik” (KSH 2006, 39. o.). Kutatásom érvényességét biztosítja, hogy a vizsgálatomat a 2010. évi HKÉF, illetve az abban alkalmazott súlyozást figyelembe véve hajtottam végre, amely 2003-ban jelentős fejlesztésen ment keresztül (Éltető 2004), mivel a tapasztalatok alapján számos problémát kellett kiküszöbölni az adatbázisban (Kapitány–Molnár 2002). A háztartások szokásos kiadásokhoz való viszonya – módszertani felvezető Kutatásom szempontjából fontosnak tartottam a háztartások életszínvonalát vizsgálni, illetve modellezni szubjektív tényezők figyelembevételével. A vizsgálat középpontjában az OECD által is alkalmazott, anyagi deprivációra vonatkozó megközelítést helyeztem, annak is a szubjektív dimenzióját (Boarini-d’Ercole 2006), hiszen Keller (2008) hipotézise szerint is az egyének számára az objektíven mérhető életkörülmények helyett sokkal fontosabbak azoknak a szubjektív tudatosulása az egyének esetében.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
122
DOMÁN CSABA
Kiemelt változóként kezeltem a háztartások szokásos kiadásra való felkészültségét.2 Ennek oka, hogy olyan átmeneti változót kívántam a középpontba helyezni, amely a tipikus objektív és szubjektív tényezők között helyezkedik el. A szokásos kiadásokra való felkészültség objektív kategória, mivel a válaszadónak tisztában kell lenni a saját jövedelmi helyzetével, illetve szubjektív tartalommal is bír, hiszen a válaszadó saját megítélését tükrözi. Az egyének saját jövedelmi helyzetüket egészen máshogy ítélik meg, mint egy független kívülálló. Továbbá a KSH tanulmánya is megerősítette közvetve a választásomat, miszerint a jövedelmi dimenzióba tartozó mutatók a legalkalmasabbak az életszínvonal rövid távú, konjunkturális alakulásának nyomon követésére (KSH 2008). Kutatási célom szempontjából kiemelten kezeltem a háztartások véleményét regionális3 szinten, hiszen Magyarországon a háztartások fogyasztási kiadásai jelentős különbséget mutatnak régiós szinten (KSH 2012). Ennek oka, hogy „a régiók közötti fejlettségi különbségek kialakulását a természeti adottságok mellett jelentős mértékben befolyásolják az adott térség gazdasági jellemzői, a humán erőforrások minősége és mennyisége, a régió megközelíthetősége és a helyi életminőséget meghatározó tényezők” (Harsányi–Harsányi– Nagy 2005, 62. o.), továbbá a háztartások jövedelemelvárásai is (KSH 2009). Szabó–Szabó (1994) és Spéder–Kapitány (2002) kutatásaikban rámutattak arra, hogy a szakirodalom – alapvetően a szociológiai szakirodalom – az életszínvonalon az anyagi szükségletek kielégítésének fokát, szintjét érti (Szabó–Szabó 1994), valamint „a szociológiában és a gazdaságtudományban egyetértés van abban, hogy a modern társadalomban a rendezett anyagi viszonyok az elégedettség előfeltételét jelentik” (Spéder–Kapitány 2002, 162. o.). Ezen szemléletmódot kiegészítve elemzésük során alapvetően arra kerestek választ, hogy az életszínvonal és a jövedelmek között milyen összefüggések tárhatók fel (Szabó–Szabó 1994). Következtetéseik bemutatásához a kereszttábla-elemzés, a lineáris regresszió és a főkomponensanalízis módszerét alkalmazták, s függő változóként „a saját életszínvonallal való elégedettség” és „az egy főre jutó havi jövedelem felső deciliseiben lévő elégedetteket/elégedetleneket (fiatalok/idősek)” változókat tekintették. A kutatás során a kiinduló hipotéziseiket sikerült igazolni, miszerint a lakosság életszínvonalát valóban az anyagi helyzet és egyéb szubjektív tényezők befolyásolják. Sági (2000) is kiemelte kutatásában, hogy a szubjektív életszínvonal megítélésében jelentős szerepe van az anyagi helyzet megítélésének is. Továbbá a szerző arra is rávilágított – a nemzetközi kutatási trendekhez hasonlóan –, hogy a szubjektív tényezők vizsgálata „nagyobb mértékben” hat az életszínvonallal való elégedettségre. Vizsgálatom során logisztikus regressziót alkalmaztam. „A logisztikus regressziószámítást a klasszifikációs módszerek között tartják számon. Ezáltal alkalmas valamely adatbázison az egyedek diszjunkt csoportokba sorolására a csoporthoz tartozás jellemzőjének ismerete nélkül. A besorolás tárgyát képező csoportok száma diszkrét. A csoportba tartozás előrejelzését magyarázó változók és azok szintjeinek rögzített kombinációja alapján lehet elvégezni” (Szilágyi 2011, 97. o.). Esetemben két csoport létezik: az egyik csoportba a szokásos kiadást finanszírozni nem tudó háztartások (0), a másikba a finanszírozni
2 Véleménye szerint hogyan tudja fedezni az Ön háztartása a szokásos kiadásokat? – HS120. 3 A regionális vizsgálat során nem a HKÉF által alkalmazott eljárást vettem alapul, hanem a NUTS 2 szintű bontást, azaz Budapest és Pest megye adatai egy elemzési egységet alkottak.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
A HÁZTARTÁSOK SZOKÁSOS KIADÁSRÓL ALKOTOTT VÉLEMÉNYÉNEK MODELLEZÉSE
123
tudó (1) háztartások kerültek. Ez a dichotóm modell lehetővé teszi a feltételes valószínűségek alapján történő döntéseket, azaz modellezi a definiált két kategória bekövetkezési esélyeinek egymáshoz viszonyított odds értékét (Hajdu 2003). Az eredményváltozómban az „1” érték jelzi a szokásos kiadásra való felkészültséget, és a „0” érték pedig a finanszírozási problémákat. Hajdu (2003, 291–294. o.) bizonyítása alapján „az odds a magyarázóváltozók xi (i=1, 2, …,p) kovariánsa Px: P (1) odds x 1 Px
x
A logisztikus regresszió feltételezése szerint az odds logaritmusa – másképpen a siker valószínűségének logitja – a magyarázóváltozók lineáris függvénye: ln odds x log it Px 0 1 x1 p x p , (2) ahonnan: x x , (3) odds x e 0
1 1
p p
amelyből bizonyítottan 0 1 x1 p x p
e (4) x x 1 e Az eljárás ismeretében a β paraméterek alapján a háztartások szokásos kiadásra való felkészültségének valószínűsége előre jelezhető. Px
0 1 1
p p
A háztartások felkészültsége a szokásos kiadásokra regionális aspektusból A háztartások jövedelmi helyzetét alapvetően az határozza meg, hogy a háztartásnak hány aktív tagja van, hiszen a tevékenységükkel előállított jövedelem (1. táblázat) biztosítja a háztartás megfelelő életszínvonalát. A háztartások aktivitását tekintve Közép-Magyarország és a dunántúli régiók voltak kedvezőbb helyzetben 60% körüli aktivitási mutatóval, míg a kedvezőtlen munkaerő-piaci folyamatok leginkább a keleti régiókban éreztették hatásukat. 1. táblázat
Egy fogyasztási egységre jutó évi jövedelem, 2010 Régió
Átlag
Medián
Módusz
Szórás
(Forint) Minimum Maximum Érvényes N
Közép-Dunántúl
1 284 618
1 184 667 1 477 659
673 451
69 158 7 432 003
418 315
Nyugat-Dunántúl
1 233 335
1 145 472
426 240
569 545
114 286 6 127 249
357 954
Dél-Dunántúl
1 150 951
1 062 515
217 143
534 204
120 000 4 323 871
342 271
Észak-Magyarország
1 158 021
1 069 370
739 105
580 315
224 229 5 467 336
429 811
Észak-Alföld
1 114 703
1 007 742 1 066 667
638 054
138 813 9 279 835
532 360
Dél-Alföld
1 178 605
1 101 290 1 066 667
508 290
22 133 4 678 725
516 638
Közép-Magyarország
1 528 149
1 358 638 1 200 000
825 351
83 000 9 555 976
1 188 771
Országos összesen
1 291 421
1 166 645
692 128
22 133
3 786 120
Forrás: HKÉF 2010 alapján saját számítás.
1 066 667
9 555 976
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
124
DOMÁN CSABA
A háztartások saját helyzetük értékelésében jelentős szerepet játszik, hogy bevételeikből hogyan tudják finanszírozni a megjelenő költségeiket, fogyasztásaikat (2. táblázat). Magyarországon a háztartások fogyasztási kiadásaik túlnyomó részét élelmiszerekre/alkoholmentes italra, illetve lakásfenntartásra/háztartási energiára (a legjelentősebb kiadási tétel) költötték (Domán–Myshketa 2013). Országos szinten 2010-ben a háztartások 40,4%-a vélte úgy, hogy számukra a lakásfenntartás nagyon megterhelő, míg 52,8%-uk szerint csak időnként megterhelő és csupán 6,8%-uk vélte úgy, hogy számukra egyáltalán nem megterhelőek ezen költségek. Az egyes régiók gazdasági fejlettségének és az abból fakadó jövedelmi helyzetnek is köszönhetően a „hagyományosan” fejlettebb régiók háztartásai kevésbé vélekednek úgy, hogy számukra a lakásfenntartás költségei nagyon megterhelőek. 2. táblázat
A lakásfenntartás költségei által okozott nehézségek a háztartások számára, 2010 Régió
Nagyon megterhelő
Időnként megterhelő
Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Közép-Magyarország Ország összesen
37,4 34,5 37,4 41,2 44,8 46,1 39,3 40,4
53,7 58,2 53,4 54,4 52,2 49,2 51,9 52,8
Egyáltalán nem megterhelő 8,9 7,2 9,2 4,4 3,1 4,7 8,8 6,8
Forrás: HKÉF 2010 alapján saját számítás.
A háztartások lakásfenntartás költségei által okozott nehézségekről alkotott véleménye az általam előtérbe helyezett változók tekintetében összefügg, továbbá szignifikánsan kimutatható, hogy szokásos és váratlan kiadásokat nehezen tudják kezelni a lakásfenntartás költségeivel nehezen megbirkózó háztartások. A HKÉF-adatbázis alapján Magyarországon 2010-ben a háztartások 24,9%-a a szokásos kiadásokat csak nagy nehézségek árán tudta fedezni, 31,2%-uk nehézségek árán, míg 33,6%-uk kisebb nehézségek árán. A háztartások csupán 8,7%-a tudta viszonylag könnyen finanszírozni szokásos kiadásaikat, és alig több mint 1%-uk számára nem okozott különösebb gondot a szokásos kiadás megfelelő anyagi finanszírozása. Ezen tények előrevetítették, hogy a háztartások felkészültsége váratlan kiadásokra sem kielégítő hazánkban. A háztartások véleményét determinálta az is, hogy milyen gazdasági aktivitást produkáltak a háztartástagok által: váratlan kiadásokra leginkább a nyugdíjas háztartások voltak felkészülve, 37,9%-uk nyilatkozott úgy, hogy rendelkezik megfelelő saját forrással és nem okoz nekik gondot a váratlan kiadás finanszírozása; az aktív háztartások aránya 3,7 százalékponttal maradt el ugyanezen állásponttól; az egyéb nem aktív háztartások csak elenyésző része (7,5%) volt felkészülve váratlan kiadásokra. 2010-ben leginkább az észak-magyarországi, közép-magyarországi és az alföldi háztartások vélték úgy, hogy számukra a szokásos kiadások nagy nehézséget jelentenek, hiszen mind a négy régió háztartásainak több, mint egynegyede vélte úgy, hogy a felmerülő szokásos kiadásokat csak nagy nehézségek árán tudnák finanszírozni, ezzel szemben hazánk nyugati határához közel élő háztartások csupán 16,5%-a vélekedett hasonlóan (3. táblázat).
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
A HÁZTARTÁSOK SZOKÁSOS KIADÁSRÓL ALKOTOTT VÉLEMÉNYÉNEK MODELLEZÉSE
125
3. táblázat
A háztartások szokásos kiadások finanszírozhatóságáról alkotott véleménye, 2010 (%) Szokásos kiadások finanszírozhatósága Régiók
nagy nehézségek árán
nehézségek árán
kisebb nehézségek árán
könnyen
Közép-Dunántúl
24,5
24,8
36,9
13,8
Nyugat-Dunántúl
16,5
30,3
39,6
13,6
Dél-Dunántúl
20,5
29,6
36,3
13,5
Észak-Magyarország
25,1
33,1
35,2
6,6
Észak-Alföld
27,6
35,0
32,0
5,5
Dél-Alföld
30,3
34,2
29,0
6,5
Közép-Magyarország
25,3
30,5
32,0
12,2
24,9
31,2
33,6
10,3
Ország összesen Forrás: saját szerkesztés.
Kutatásomat arra is kiterjesztettem, hogy az egyes régiókban a háztartások véleménye településtípusonként hogyan alakult. A megyeszékhelyen, illetve megyei jogú városban élő háztartások leginkább Észak-Alföldön és Közép-Magyarországon vélték úgy, hogy számukra a szokásos kiadások nagy nehézséget okoznak (27,3, illetve 27,4%). Közép-Dunántúl és Dél-Alföld további városaiban élő háztartások szintén nehezen finanszírozhatónak minősítették a szokásos kiadásaikat (34,6, illetve 35,7%). A községben élők közül Közép-Magyarország háztartásai voltak a „legpesszimistábbak” (33,6%). A legoptimistább háztartások a dunántúli régiókban éltek, mindhárom településtípus esetében az ott élő háztartások vélték a leginkább úgy, hogy számukra a szokásos kiadások finanszírozása könynyen teljesíthető. A háztartások szokásos kiadásról alkotott véleményét determináló tényezők A háztartások szokásos kiadásról alkotott véleményét három irányból közelítettem meg, a rendelkezésre álló változók tulajdonságai miatt. Függetlenségvizsgálat, illetve varianciaanalízis segítségével a változók közötti függőségi viszonyt azonosítottam, míg a logisztikus regresszió alkalmazása olyan irányt biztosított a kutatásomban, amellyel modellezhető a háztartások reagálása és lehetősége bizonyos anyagi/nem anyagi eseményekkel kapcsolatosan, sőt előre definiált szegmensekre vagy csoportokra is lehet fókuszálni a módszer segítségével. A modell kialakításakor az alábbi szempontokat tartottam szem előtt: – a modellben lehetőleg minden olyan változó szerepeljen, amely szignifikánsan befolyásolja a háztartások viszonyulását a váratlan kiadásokra; – a modellben szereplő független változók és szintjeik szignifikánsak legyenek; – a létrehozott modell illeszkedése megfelelő legyen (Varga 1999). Tekintve, hogy a kutatás során szóba jöhető indikátorok a HKÉF-adatgyűjtés részét képezték, felhasználhatóságuk adottak voltak. Ezek alapján négy dimenzió mentén vettem figyelembe – amely tartalmaz kutatói és szubjektív döntéseket is – a változókat: demográfiai profilra vonatkozó tényezők, jövedelmi helyzetet minősítő változók, életkörülményre/életmódra és deprivációra vonatkozó indikátorok.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
126
DOMÁN CSABA
Nem metrikus változók: – Referenciaszemély neme – „nem”, – Referenciaszemély kora korcsoport szerint – „korcsoport”, – Háztartások a tagok gazdasági aktivitása szerint – „aktivitás”, – Az épület környezetének lakóövezeti jellege – „lakóövezeti jelleg”, – Referenciaszemély iskolai végzettsége – „iskolai_végzettség”, – Települések típusa – „teltip”, – Jellemző-e a szennyezés, por, egyéb környezeti probléma (például füst, bűz, korom, szennyezett víz stb.)? – „szennyezés”, – A lakásfenntartás költségei mekkora megterhelést jelentenek a háztartásnak? – „lakás_ktg”, – Képes volna-e a háztartás arra, hogy egy váratlan, nagyobb összegű kiadást a saját forrásaiból fedezzen? – „váratlan_kiadás”, – Megengedhetik-e maguknak, hogy évente legalább egy hétre elmenjenek nyaralni, amiért fizetniük kell? – „nyaralás”, – Megengedhetik-e maguknak, hogy legalább minden második nap húst egyenek? – „húsfogy”, – Megengedhetik-e maguknak, hogy lakásukat megfelelően tudják fűteni? – „fűtés”, – Véleménye szerint hogyan tudja fedezni az Ön háztartása a szokásos kiadásokat? – „szokásos_kiadás”, – Nettó jövedelem – „nettó_jöv”, – Egy főre jutó nettó jövedelmi decilisbe való tartozás – „jöv_decilis”, – Egy főre jutó nettó kiadási decilisbe való tartozás – „fogy_decilis”, – Egy fogyasztási egységre jutó nettó jövedelem, forint – „egység_jöv”, – Egy fogyasztási egységre jutó fogyasztás, forint –„egység_fogy”, – Összes vásárolt COICOP-tétel – „fogyasztás”, – Jövedelemelvárás átlagos megélhetéshez, forint – „jövelv_átlagos”, – Jövedelmi feszültség átlagos jövedelemelvárás mellett, % – „jövfesz_átl”, – Mekkora lenne az a legnagyobb összeg, amelyet saját forrásaiból fedezni tudna a háztartás, ha váratlan kiadásként jelentkezne? (Ft) – „legnagyobb_váratlan”, – Lakás alapterülete – „alapterület”. A vizsgálatba bevont nominális és ordinális változók esetében a kereszttábla-analízist alkalmaztam, amellyel a változók közötti kapcsolatot vizsgáltam meg. A későbbi vizsgálatok függvényében eredményváltozóként a háztartások szokásos kiadásokról alkotott véleményét használtam. Országos viszonylatban mindegyik változó szignifikáns összefüggést mutatott a háztartások szokásos kiadásról alkotott véleményével, míg regionális bontásban a „nem” (Dél-Dunántúl, p=0,223; Észak-Magyarország, p=0,200; Észak-Alföld, p=0,085), „korcsoport” (Közép-Dunántúl, p=0,925; Nyugat-Dunántúl, p=0,613; Dél-Dunántúl, p=0,158) és a „szennyezés” (Közép-Dunántúl, p=0,180; Dél-Alföld, p=0,059; Közép-Magyarország, p=0,960) változók esetében fordultak elő nem szignifikáns értékek. A korrigált rezidumok alapján megállapítottam, hogy regionális szinten bizonyossággal állítható, hogy azon háztartások könnyebben tudják finanszírozni a szokásos kiadásukat, ahol – a referenciaszemély felsőfokú végzettséggel rendelkezik; – aktív háztartásokról van szó (Észak-Magyarországon a nyugdíjas háztartások);
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
A HÁZTARTÁSOK SZOKÁSOS KIADÁSRÓL ALKOTOTT VÉLEMÉNYÉNEK MODELLEZÉSE
127
– megyeszékhelyen, illetve megyei jogú városban élnek (kivétel Észak-Magyarország, ahol nincs szignifikáns összefüggés, illetve Dél-Alföld, ahol a községekben élők tudják leginkább könnyen teljesíteni a szokásos kiadásaikat); – hagyományos városias beépítésű, lakótelep és családi házas lakóövezet (Dél-Alföldön leginkább a falusias jellegű lakóövezetben élők); – megfelelően tudják fűteni a lakásukat; – megengedhetik maguknak, hogy saját forrásból elmenjenek nyaralni; – minden második nap húst egyenek; – lakásfenntartás egyáltalán nem megterhelő; – váratlan kiadásokat saját forrásból képes finanszírozni. A szubjektív irányt kiegészítettem a metrikus változók vizsgálatával.4 Varianciaanalízis felhasználásával arra kerestem a választ, hogy a háztartások szokásos kiadásra való felkészültsége függőségi viszonyba áll-e a jövedelemhez kapcsolódó metrikus változókkal, amelyekkel az alábbi nullhipotézist teszteltem (Sajtos–Mitev 2004, 167. o.): H 0 1 2 M . (5) 4. táblázat
Levene-teszt eredményei, p-értékek Transzformált értékek Régió
legnaegység_ nettó_jöv gyobb_ fogyasztás jöv váratlan
Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-alföld Dél-Alföld Közép-Magyarország Ország összesen
0,219 0,020 0,883 0,332 0,447 0,086 0,006 0,000
0,259 0,035 0,479 0,024 0,001 0,008 0,258 0,000
0,012 0,198 0,517 0,001 0,167 0,205 0,038 0,000
0,057 0,005 0,007 0,003 0,025 0,099 0,000 0,000
egység_ fogy
jövelv_ átl
jövfesz_ átl
alapterület
0,042 0,598 0,461 0,135 0,015 0,020 0,014 0,000
0,310 0,000 0,010 0,102 0,091 0,000 0,004 0,000
0,020 0,000 0,002 0,000 0,000 0,093 0,000 0,000
0,048 0,000 0,567 0,018 0,000 0,000 0,000 0,000
Forrás: saját szerkesztés.
A szóráshomogenitás feltétele a legkevésbé az egy fogyasztási egységre jutó jövedelem és a jó megélhetést biztosító jövedelemelvárás változók transzformált változata esetében sérült, míg a „nettó_jöv”, a „legnagyobb_váratlan”, a „jövelv_átl”, a „fogyasztás” és az ebből képzett „egység_fogy” változók esetében érvényesült a leginkább (4. táblázat). A Leveneteszthez kapcsolódóan a varianciaanalízis – regionális bontásban – nem volt szignifikáns a „jövelv_átl” (Nyugat-Dunántúl, F=0,339, p=0,797; Dél-Dunántúl, F=1,034, p=0,377; ÉszakAlföld, F=2,507, p=0,057), illetve a „legnagyobb_váratlan” (Észak-Magyarország, F=2,060, p=0,105) változók esetében. Az eredmények tükrében egyértelművé vált, hogy a háztartások szokásos kiadásról alkotott véleményét a hagyományos jellegű objektív mutatók közül szignifikánsan leginkább a nettó jövedelem, illetve a fogyasztás befolyásolta.
4 A metrikus változók transzformált értékek.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
128
DOMÁN CSABA
Az egyes kategóriák átlagai közötti eltérésre az F-próba még nem adott egyértelmű választ, ezért a posteriori tesztet hajtottam végre. Ennek eredményeképpen meghatároztam, hogy mely párosítások esetén mutatkozik jelentős különbség a csoportátlagok között. A vizsgálat szerint az „egység_fogy” változónál minden régióban jelentős különbség volt az egyes csoportok között. A „nettó_jöv” esetében Közép-Dunántúlon, Nyugat-Dunántúlon, Észak-Magyarországon, Dél-Alföldön és Közép-Magyarországon szintén helytálló volt az előző megállapítás. A „fogyasztás” alapján már csak Észak-Magyarországon, DélAlföldön és Közép-Magyarországon volt jelentős eltérés az egyes csoportok között, míg a másik négy régióban alapvetően azon háztartások alkottak külön csoportokat, akik a szokásos kiadásaikat könnyen finanszírozni tudták. A lakások „alapterületét” tekintve mindegyik régióban jól elkülönült csoportok jöttek létre. Modellspecifikáció A logisztikus regressziós modell függő változóját a „Véleménye szerint hogyan tudja fedezni az Ön háztartása a szokásos kiadásokat? – szokásos_kiadás” kérdésre adott válaszok adataiból képeztem. A magyarázóváltozók kategorizált minőségi és metrikus változók voltak. A következő független változókat vontam be a vizsgálatba: – kategorizált minőség változók: aktivitás, szennyezés, fűtés, nyaralás, húsfogy, lakásktg, váratlan_kiadás; – metrikus változók: nettó_jöv, fogyasztás, egység_jöv, egység_fogy, legnagyobb_váratlan; alapterület, jövfesz_átl, jövelv_átl, jöv_decilis, fogy_decilis. A logisztikus regressziós modell meghatározása során két irányt vizsgáltam: országos és regionális szinten hogyan hatnak a kiválasztott magyarázóváltozók a „szokásos_kiadás” eredményváltozóra. Az országos szintű modell kialakítása során az Enter-eliminációs módszert alkalmaztam. Az elemzés első fázisában a konstans és a magyarázóváltozók szignifikanciájának ellenőrzését hajtottam végre: a Wald-statisztika alapján a „szokásos_kiadás” függő változó szignifikáns volt, míg a magyarázóváltozók egyedi hatását vizsgálva csak a „szennyezés (1)” és az „alapterület” változók nem mutattak szignifikáns hatást (p=0,283, illetve p=0,576). A regressziós eljárásoknál kiemelt szerepe van a modell magyarázóerejének (Ketskeméty–Izsó 2005, Hunyadi 2005), eredményeim alapján a modellbe bevont független változók kombinációja 37,0%-ot magyarázott a „szokásos_kiadás” függő változó varianciájából. A diszkriminanciaelemzésnél alkalmazott klasszifikációhoz hasonlóan a logisztikus regresszió is kitér erre (5. táblázat), miszerint 40,2% volt azon háztartások aránya, amelyek számára nehézséget okoz a szokásos kiadások finanszírozása saját forrásból, míg 96,4% a helyes kategorizálás aránya a „szokásos_kiadást” megfelelően kezelő háztartások esetében. Ez összességében azt jelentette, hogy a helyesen kategorizált esetek aránya 83,6% volt, amely jelentős javulást mutatott, azaz a kiválasztott független változók jelentős mértékben hozzájárultak a függő változó helyes kategorizálásához.5
5 Az elemzés legelső lépése során meghatározott klasszifikációs érték 77,2% volt, amelytől 6,4 százalékponttal lett jobb a végeredmény.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
A HÁZTARTÁSOK SZOKÁSOS KIADÁSRÓL ALKOTOTT VÉLEMÉNYÉNEK MODELLEZÉSE
129
5. táblázat
Klasszifikáció eredményei (a modell előrejelzési pontossága) Előrejelzett válasz
Klasszifikáció Tényleges válasz
0 – nem
1 – igen
0 – nem
284
422
1 – igen
86
2308
Összesen
Találati arány 40,2 96,4 83,6
Forrás: saját szerkesztés; nem=nehézségek árán, 1=viszonylag könnyen.
Az Enter-eliminációs eljárás alapján létrejött logisztikus regressziós modell esetén (6. tábla) a magyarázóváltozók szignifikanciaszintje csak a „nyaralás”, második_nap_hús”, „lakásfenntartás”, „jövelvárás_átlagos”, „legnagyobb_összeg” és a „fogy_egység_jövedelem” változók esetében nem haladta meg az 5%-ot, a többi változó szignifikánsan nem magyarázta a „szokásos_kiadás” függő változót. 6. táblázat
A logisztikus regresszió paraméterbecslésének eredményei Változók
B
Wald
Sig.
nem(1) aktivitás(1) szennyezés(1) fűtés(1) nyaralás(1) húsfogy(1) lakásktg (1) alapterület jövelv_átl legnagyobb_váratlan nettó_jöv egység_jöv egység_fogy fogyasztás jöv_decilis fogy_decilis jövfesz_átl Constant
0,051 –0,094 –0,261 –0,262 –1,158 –0,374 –2,224 0,000 0,000 0,000 0,000 0,000 0,000 0,000 –0,039 0,023 0,006 1,752
0,207 0,514 1,886 1,309 98,558 5,129 285,234 0,083 6,511 8,589 0,213 5,249 0,016 0,335 0,613 0,270 2,008 20,939
0,649 0,473 0,170 0,252 0,000 0,024 0,000 0,773 0,011 0,003 0,644 0,022 0,901 0,563 0,434 0,603 0,156 0,000
Exp(B) 1,052 0,910 0,770 0,769 0,314 0,688 0,108 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,962 1,023 1,006 5,769
Forrás: saját szerkesztés.
Régiónkénti logisztikus regressziós modellek A „szokásos_kiadás” változó modellezését regionális szinten is elvégeztem, hiszen a 3. táblázat eredményei is mutatták, hogy az egyes régiók háztartásai számára eltérő mértékben okozott nehézséget a szokásos kiadások finanszírozása. Vizsgálatom során a stepwiseeliminációs módszert alkalmaztam, amelynek eredményeképpen a logisztikus regressziós modell csak a szignifikáns változókat tartalmazta. Első lépésként a klasszifikációs táblát hoztam létre, amely a régiós szintű modellek találati arányát tartalmazta (7. táblázat).
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
130
DOMÁN CSABA 7. táblázat
A klasszifikáció eredményei regionális szinten (%) Régiók
Találati arány
Közép-Dunántúl
87,5
Nyugat-Dunántúl
86,2
Dél-Dunántúl
88,6
Észak-Magyarország
81,3
Észak-Alföld
78,4
Dél-Alföld
80,5
Közép-Magyarország
85,9
Forrás: saját szerkesztés.
Az eredmények alapján megállapítható, hogy az alkalmazott modell regionális szinten a mintába került háztartásokat milyen mértékben azonosította helyesen a válaszadás szempontjából (azaz milyen nehézséget okoz számukra a szokásos kiadás?). A vizsgálatba bevont magyarázóváltozók alapján Dél-Dunántúl esetében lehet a legpontosabban azonosítani azokat a háztartásokat, amelyek a szokásos kiadásokat finanszírozni tudják (88,3%). A „legkevésbé” Dél-Alföld (80,5%) és Észak-Alföld (78,4%) háztartásai esetében lehetett helyesen azonosítani a válaszadó háztartásokat. A 8. táblázat Nagelkerke R2-értéke alapján egyértelmű, hogy Közép-Dunántúl esetében (51,6%) volt a legnagyobb a logisztikus regressziós modell magyarázóereje: 8. táblázat
A modellek illeszkedésére vonatkozó vizsgálat eredményei (%) Régiók
Találati arány
Közép-Dunántúl
51,6
Nyugat-Dunántúl
44,0
Dél-Dunántúl
40,5
Észak-Magyarország
41,2
Észak-Alföld
34,3
Dél-Alföld
32,4
Közép-Magyarország
40,6
Forrás: saját szerkesztés.
A stepwise-eliminációs (Hunyadi–Mundruczó–Vita 2000) módszer felhasználásával azonosítottam azon változókat, amelyek régiónként szignifikáns összefüggésben voltak „szokásos_kiadás” függő változóval. Ennek alapján a háztartások váratlan kiadások finanszírozhatóságára adott igen/nem válaszok odds-arányát becslő logisztikus regresszió függvény egyenlete: ln odds x 0 1 x1 p x p . (6) A függvény változóinak értékét régiónként a 9. táblázat tartalmazza.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
A HÁZTARTÁSOK SZOKÁSOS KIADÁSRÓL ALKOTOTT VÉLEMÉNYÉNEK MODELLEZÉSE
131
9. táblázat
Az optimális regresszió függvény B együtthatóinak értéke regionális szinten Változók
KözépDunántúl
NyugatDunántúl
DélÉszak-MaDunántúl gyarország
ÉszakAlföld
DélAlföld
Közép-Magyarország
nyaralás(1)
1,736
1,371
0,909
1,528
0,754
0,845
húsfogy(1)
1,226
–
–
0,970
–
–
–
lakásktg(1)
1,938
2,852
2,704
1,923
2,228
2,184
1,813
jövfesz_átl
–0,010
–
–
–
–0,003
–
–
–
–
0,804
–
–
–
– 0,499
nem(1) legnagyobb_váratlan
1,191
0,809
–
0,998
–
–
–
fogyasztás
–
–
–
–
1,987
–
–
egység_fogy
–
–
–
–
–
1,745
–
egység_jöv
–
–
2,485
–
–
–
2,371
szennyezés
–
–
–
1,091
–
–
–
alapterület
–
–
–
–
–0,014
–
–
–7,977
–4,519
–25,086
–4,191
–14,738
–13,993
–16,887
konstans Forrás: saját szerkesztés.
A magyarázóváltozóknak az oddsra gyakorolt parciális hatását az Exp(B) értékek mutatták a függvényben. Régiónként a bevont változók eltérő mértékben növelték a háztartások „szokásos_kiadás” finanszírozhatóságára adott igen válaszok odds arányát. Egyértelműen megállapítható, hogy ha a háztartások pozitívan ítélik meg lehetőségeiket, azaz el tudnak menni nyaralni, a lakásfenntartás költségei kevésbé megterhelőek számukra, akkor a szokásos kiadások finanszírozásáról alkotott véleményük valószínűleg jelentősen pozitívabb lesz. Az eredmények alapján megállapítható a becsült feltételes valószínűség értéke is. A korábban ismertetett eljárás alapján a következő képlettel határozható meg: Px
0 1x1 p x p
e x 1 e 0
1 1
p xp
(7)
Vélt vagy valós értékek alapján régiónként modellezni lehet, hogy a háztartások milyen valószínűséggel tudják finanszírozni saját forrásból a szokásos kiadásokat. Közép-Dunántúl esetében bírt a legnagyobb magyarázóerővel a regresszió függvény, így ebben az esetben a becsült logit (ahol lehetőségük van nyaralni, minden második nap húst fogyasztani, a lakásfenntartás nem okoz nehézséget, a jövedelmi feszültség 0,48 – mint átlagos érték – és a legnagyobb váratlan kiadás, amit finanszírozni tudnak 270 000 forint – mint átlagos érték): ln(odds)= –7,977+1,736·1+1,226·1+1,938·1–0,010·0,48+0,809·5,43=1,311. Ebből a becsült feltételes valószínűség: e1,311 (8) P 0,7877 1 e1,311
Vagyis a fenti tulajdonságokkal rendelkező háztartás Közép-Dunántúlon 78,77%-os valószínűséggel könnyen fedezni tudja szokásos kiadásait.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
132
DOMÁN CSABA
Összefoglalás Tanulmányomban a KSH által évente lebonyolított HKÉF alapján sajátos aspektusból kívántam modellezni a háztartások életszínvonalát determináló tényezőket, figyelembe véve, hogy magát a kifejezést egyre inkább egy többdimenziós fogalomként kezelik. Kutatásom középpontjában a szubjektív tényezők álltak, amelyek hatását az elmúlt években egyre inkább fontosnak vélnek kutatói körökben, ezért az elemzés során a háztartások szokásos kiadásról alkotott véleményének vizsgálatára koncentráltam. Keresve arra a választ, hogy a különböző metrikus és nem metrikus változók milyen kapcsolatban állnak vele, illetve a regionalitás érezteti-e hatását a változók kölcsönhatása során. A háztartások jövedelmi helyzete alapján egyértelmű a különbség az egyes régiók között, hiszen Közép-Magyarországon és a dunántúli régiókban magasabb a háztartások nettó jövedelme. A háztartások szubjektív megítélésén nyugvó, „Véleménye szerint hogyan tudja fedezni az Ön háztartása a szokásos kiadásokat?” kérdésre adott válaszok alapján a fenti különbség szintén látható. Míg az ország keleti felén élő háztartások csupán 5-7%-a vélte úgy, hogy számukra a szokásos kiadások finanszírozása könnyű, addig a dunántúli régiók háztartásainak közel 14, Közép-Magyarország háztartásainak 12,2%-a volt hasonló véleményen. A vizsgálatba bevont minőségi változók tekintetében a régiók közel felében nem mutatott szignifikáns hatást a referencia személy neme, korcsoportja, illetve a környezeti probléma változók. A logisztikus regresszió alapján – amelyben metrikus változók is szerepeltek – leginkább az objektivitást nem nélkülöző szubjektív változók éreztették hatásukat regionális szinten. A legtöbb háztartás napi szinten szembesül a lakásfenntartás költségeivel, illetve idényszerűen a nyaralási lehetőségeivel. E két tényezőről alkotott pozitív vélemény előrejelzi azt is, hogy a szokásos kiadásokhoz hogyan viszonyulnak a háztartások. A metrikus változók regionális szinten eltérő módon jelentek meg, nem lehet egyértelműen kiemelni azon változókat, amelyek azonos hatással jelennek meg az egyes régiókban. Csupán két régió esetében fordult elő az egy fogyasztási egységre eső jövedelem magyarázóváltozóként, míg a többi változó csupán egy-egy esetben. Így nem lehetséges megfogalmazni régiónként egy általános érvényű profilt, annak vázolása további ökonometriai számításokat igényel, illetve két időszak eredményei közötti összehasonlítást. IRODALOM Angner, E. (2010): Subjective well-being The Journal of Socio-Economics 39 (3): 361–368. Boarini, R. – d’Ercole, M (2006): Measures of Material Deprivation in OECD Countries OECD Social, Employment and Migration Working Papers No. 37., OECD, Paris. Brüll Mária (1987): Közgazdasági Lexikon Kossuth Könyvkiadó, Budapest. Campbell, A. (1976): Subjective measures of well-being American Psychologist 31 (2): 117–124. Diener, E. (1984): Subjective well-being Psychological Bulletin 95(3): 542–575. Domán Csaba – Redi Myshketa (2013): A háztartások lakásfenntartás költségeiről alkotott véleményének modellezése XXVII. microCAD Nemzetközi Tudományos Konferencia, 2013. március 28-29., Miskolci Egyetem, Miskolc. Drechsler László (1974): Az életszínvonal mérése és mérhetősége Statisztikai Kiadó Vállalat, Budapest Éltető Ödön (2004): Az új HKF-minta kiválasztási eljárása és a 2003. évi tapasztalatok Statisztikai Szemle 82 (8): 648–667. Gáspár Tamás (2013): A társadalmi-gazdasági fejlettség mérési rendszerei Statisztikai Szemle 91 (1): 78–92. Gasper, D. (2010): Understanding the diversity of conceptions of well-being and quality of life The Journal of Socio-Economics 39 (3): 351–360. Hajdu Ottó (2003): Többváltozós statisztikai számítások KSH, Budapest. Harsányi Endre – Harsányi Gergely – Nagy Attila János (2005): Területi fejlettségi különbségek Magyarországon és az ÉszakAlföldi Régióban Agrártudományi Közlemények 2005/18: 62–71.
TERÜLETI STATISZTIKA, 2014, 54(2): 119–133.
A HÁZTARTÁSOK SZOKÁSOS KIADÁSRÓL ALKOTOTT VÉLEMÉNYÉNEK MODELLEZÉSE
133
Hegedűs Rita (2001): Szubjektív társadalmi indikátorok. Szelektív áttekintés a téma irodalmából Szociológiai Szemle 11 (2): 58– 72. Hunyadi László (2005): Statisztikai következtetéselmélet közgazdászoknak Központi Statisztikai Hivatal, Budapest. Hunyadi László–Mundruczó György–Vita László (2000): Statisztika Aula Kiadó, Budapest. Kahneman, D. (1999): Objective happiness In: Kahneman, D. – Diener, E. Schwarz, N. (Eds.) Well-being: The foundations of hedonic psychology pp. 3–25. Russell Sage, New York. Kapitány Zsuzsa–Molnár György (2002): Egyenlőtlenség és mobilitás a magyar háztartások jövedelmében, kiadásaiban és tartós fogyasztási cikkeinek állományában Közgazdasági Szemle 49 (12): 1015–1041. Kapitány Zsuzsa–Molnár György (2001): A magyar háztartások jövedelmi-kiadási egyenlőtlenségei és mobilitása 1993–1998 KTK/IE Műhelytanulmányok 2001/15, MTA Budapest. Keller Tamás (2008): Trendek az életszínvonallal való elégedettséget magyarázó tényezők hatásának időbeli alakulásában 1992 és 2007 között In.: Kolosi Tamás–Tóth István György (ed.) Társadalmi Riport 2008 p. 415-428., TÁRKI, Budapest. Ketskeméty László–Izsó Lajos (2005): Bevezetés az SPSS programrendszerbe ELTE Eötvös Kiadó, Budapest. KSH (2014): Érdekességek a szubjektív jóllét (well-being) magyarországi vizsgálatából Statisztikai Tükör 8 (2), KSH, Budapest. KSH (2013): Jövedelmi helyzet 2011 Statisztikai Tükör 7 (15), KSH, Budapest. KSH (2012): A háztartások fogyasztásának színvonala és szerkezete Statisztikai Tükör 6 (108), KSH, Budapest. KSH (2009): A háztartások fogyasztásának regionális különbségei KSH, Budapest. KSH (2008): Az életkörülmények és az életmód dinamikus jelzőszámai KSH, Budapest. KSH (2006): A háztartás és a család fogalma Statisztikai Módszertani Füzetek 47. KSH, Budapest. Nyitrainé Ferencné dr. (1996): Gazdaságstatisztika Központi Statisztikai Hivatal, Budapest. Sági Matild (2006): Elégedettség az átalakuló társadalmakban In: Kolosi T. – Tóth I. Gy. – Vukovich Gy. szerk.: Társadalmi Riport 2006 pp. 151–179. TÁRKI, Budapest. Sági Matild (2000): Hogyan legyünk pesszimisták? Viszonyítsunk a sokkal jobbhoz! Századvég 5 (17): 41–66. Sajtos László–Mitev Ariel (2007): SPSS kutatási és adatelemzési kézikönyv Budapest, Alinea Kiadó. Spéder Zsolt–Kapitány Balázs (2002): A magyar lakosság elégedettségének meghatározó tényezői nemzetközi összehasonlításban In: Kolosi, T., Tóth, I. Gy., Vukovich, Gy. (szerk.) Társadalmi riport 2002 pp. 162-172. TÁRKI, Budapest. Stiglitz, J. E.–Sen, A.–Fitoussi, J. P. (2009): Report by the Commission ont the Measurement of Economic Performance and Social Progress http://www.stiglitz-sen-fitoussi.fr/documents/rapport_anglais.pdf (letöltve: 2014. február). Szabó Andrea–Szabó László (1994): Az életszínvonalról alkotott vélemények és a jövedelmek összefüggései Szociológiai Szemle 4 (3): 93–123. Székelyi Mária–Barna Ildikó (2002): Túlélőkészlet az SPSS-hez Typotex Kiadó, Budapest. Szilágyi Roland (2011): Mintavételen alapuló becslések hibáinak kezelése, különös tekintettel a nemválaszolás okozta problémákra PhD disszertáció Miskolci Egyetem, Miskolc. Varga Sára (1999): A jövedelem-felvétel hiányzó adatainak pótlása Statisztikai Szemle 77 (2-3): 112–130.
Kulcsszavak: életszínvonal, logisztikus regresszió, háztartás, szokásos kiadás, modellezés. Resume In traditional terms households’ living standard is influenced by their income level, and the closely interrelated consumption. In Hungary the households’ income and consumption situations show diverse face at regional level. In recent years examination of living standard based on subjective factors came into the foreground. Because individuals and households take not only income into consideration, when judging their position, but several other factors that affect their temporary situation and future plans. In my research I focused on the opinion of households about financing their own habitual expenditures. At regional level this opinion of households was significantly influenced by the possibility to have holidays and capability of paying overhead costs. Income and consumption indicators in traditional terms appeared only rarely as explanatory factors. I think that spotlighting the subjective factors may make more accurate our formed point of view about the living standard, however it is necessary to keep an eye on the suitable proportion of the objective and subjective factors, since the individual is likely to project his feelings and ideas onto the questions being based on his own judgement.