EKONOMICKY AKTIVNÍ OBYVATELSTVO A TRH PRÁCE

EKONOMICKY AKTIVNÍ OBYVATELSTVO A TRH PRÁCE Economically active population and labour market

Lukáš Bricín

Abstract

This thesis deal with evolution and comparison of economically active population in the countries of Central Europe (Germany, Poland, Czech Republic, Slovakia, Austria and Hungary) and confrontation of this evolution in region with dates representing whole EU. It is concentrated to definition the term economically active population and its evolution at first. Then it is gone in for problems of unemployment. The hypothesis about relationship between unemployment rate and number of people in productive age, long-term unemployment rate and evolution of GDP are put in this part and decisions about their truth follow. Last part of this thesis is about employment and detailed segmentation of employment rates in compared countries. Keywords

economically active population, employment, unemployment, international comparisons Úvod

Úkolem článku je přinést v rámci plánovaného rozsahu pokud možno ucelený nástin problematiky porovnání ekonomicky aktivního obyvatelstva v Česku a okolních zemích střední Evropy. Konkrétně se tedy budeme, krom situace u nás, věnovat ještě ekonomicky aktivnímu obyvatelstvu v Německu, Polsku, Slovensku, Maďarsku a Rakousku. Ve všech případech budou tato data ještě doplněna o údaj reprezentující celou EU. Tento údaj nám pomůže dokreslit postavení našeho regionu v rámci celé Evropy. Samotná práce je dále rozdělena do několika kapitol, přičemž se v každé z těchto kapitol budeme zabývat dílčími podtématy definovanými v průběhu práce. V některých z těchto kapitol budou také položeny některé zajímavé otázky. Tvrzení z nich vycházející se následně pokusíme potvrdit, či vyvrátit. Nejprve se podíváme, co se vlastně skrývá pod takovým pojmem, jako je ekonomicky aktivní obyvatelstvo, jak můžeme na tento pojem nahlížet a následně na vývoj jeho stavu. Poté přejdeme již konkrétněji k situaci zaměstnaných a nezaměstnaných v Česku a srovnání tohoto stavu se situací ve srovnávaných zemích. Nejprve se zaměříme na nezaměstnanost. Konkrétně na její celkový vývoj, strukturu nezaměstnanosti a srovnáním jejího vývoje s vývojem HDP. Právě v těchto částech budou položeny již zmíněné hypotézy týkající se vztahu celkové míry nezaměstnanosti s počtem osob v produktivním věku, mírou dlouhodobé nezaměstnanosti a vývojem HDP. Poté bude následovat poslední část této práce, ve které se budeme zabývat z několika úhlů pohledu statistikou zaměstnanosti. Po této části již bude následovat pouze krátké shrnutí výsledků práce v podobě jejího závěru doplněného o seznam zdrojů dat a podkladových informací.

-2 -

Ekonomicky aktivní obyvatelstvo

Před tím, než se začneme věnovat vývoji a dalším aspektům ekonomicky aktivního obyvatelstva, si samozřejmě musíme ujasnit, co se pod tímto termínem skrývá. To nám pomůže osvětlit následující obrázek Schéma 1, který zachycuje různé možnosti pohledu na ekonomicky aktivní obyvatelstvo. Nejšíře bychom tedy mohli za ekonomicky aktivní obyvatelstvo označit všechny příslušníky generace produktivních. Jako členy produktivní generace se většinou označují všechny osoby ve věkovém intervalu 15-64 let. Tématem této práce je ale vlastně trh práce, takže budeme v jejím průběhu nadále pracovat jen s členy produktivní generace, které se to bezprostředně týká. Pro potřeby této práce také nebudeme uvažovat možnost, že by někdo mohl být ekonomicky aktivní mimo vymezený věkový interval. Generace předproduktivní (0-14 let) a poproduktivní (65 let a více) tedy ponecháme mimo oblast našeho zájmu.1 Toto vymezení by ale v mnohých případech bylo příliš široké, protože by zahrnovalo studenty, nemocné a další, kteří sice jsou v produktivním věku, ale jsou ekonomicky neaktivní – čili, že nejsou zaměstnaní, ale zároveň nepatří mezi nezaměstnané. Právě na tyto dvě dílčí kategorie, zaměstnaní a nezaměstnaní, se v průběhu této práce zaměříme. Jak už je na schématu naznačeno, můžeme tyto kategorie dále mnoha různými způsoby segmentovat. Některým z těchto možných dělení se budeme blíže věnovat v příslušných částech této práce. Schéma 1

Zaměstnaní

Ekonomicky aktivní

Generace produktivních

Nezaměstnan í studenti

Ekonomicky neaktivní

Placení zaměstnaní Sebezaměstna ní Krátkodob ě Déle než 12 měsíců nemocní

… a další Zdroj: vlastní kresba

Nyní přejděme k vlastnímu vývoji podílu členů generace produktivních na celkové populaci v námi srovnávaných zemích, který je ilustrován s pomocí Tabulky 1 a souvisejícího grafu. Může nás překvapit, že ačkoliv můžeme často slyšet o tom, že evropská populace stárne, tak se podíl osob v produktivním věku za uváděné období u čtyř ze šesti srovnávaných zemí zvýšil (Česko, Polsko, Slovensko a Maďarsko) a u Rakouska víceméně stagnuje. Je snad tedy stárnutí evropského obyvatelstva jen nějakým výmyslem? Tak tomu ale určitě není, musíme si uvědomit, že stárnutí populace se neděje přes noc, ale jedná se o „běh na dlouhou trať“, a také že vývoj neprobíhá stejně rychle ve všech zemích. Zatímco ve většině zemí na západ od našich hranic v současnosti již podíl ekonomicky aktivních mírně klesá hlavně na úkor generace poproduktivních, tak Česko i další země v tabulce procházejí vývojem, kterým již jiné země prošly, a můžeme proto lépe odhadnout, kam tento vývoj směřuje. Například u 1

Hranice věkových intervalů uvedených v tomto odstavci nesmíme brát jako striktně dané, jako další možné věkové vymezení dolní hranice generace produktivních se často uvádí věk 20 let vzhledem k současným tendencím k prodlužování doby vzdělávání. V rámci této práce ale zůstaneme u již nastíněného rozdělení.

-3 -

nás situaci významně ovlivňuje fakt, že se do produktivního věku v průběhu sledovaného období dostaly populačně silné ročníky sedmdesátých let, po kterých ale už tak silné ročníky nenásledují, a proto můžeme usuzovat na to, že jak se tyto ročníky postupem času budou posouvat stále blíže do důchodového věku, bude podíl členů produktivní generace klesat právě na úkor generace poproduktivních. Stárnutí populace a s ním související jevy, ale nejsou hlavním předmětem zájmu této práce, přejděme tedy nyní k následující kapitole věnované již čistě situaci na trhu práce ve střední Evropě. Kde využijeme i podkladová data pro tuto kapitolu k odpovědi na otázku, zda existuje nějaká závislost mezi počtem lidí v produktivním věku a mírou nezaměstnanosti. Tabulka 1 Země/rok Německo Česko Slovensko Polsko Rakousko Maďarsko EU

Podíl ekonomicky aktivních (%) 1990 70,38 66,61 65,26 65,75 68,39 67,13 -

2000 68,70 70,21 69,52 69,09 68,17 68,96 69,05

2005 68,68 71,71 72,03 70,81 68,58 69,68 69,04

2009 66,72 71,82 73,25 72,01 68,17 70,55 69,3*

Zdroj: Eurostat, vlastní výpočty a grafické zpracování

*2008

Podíl ekonomicky aktivních 1990 -2009

Graf 1 75 74 73 72 71 70 69 68 67 66 65

Německo Česko Slovensko

Polsko Rakousko

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

1994

1993

1992

1991

Maďarsko

1990

%

1995 68,97 68,73 67,14 66,77 67,92 68,51 68,68

EU

Zdroj dat Eurostat, vlastní grafické zpracování

Zaměstnaní a nezaměstnaní ve střední Evropě

Zaměstnanost a nezaměstnanost se jako dva hlavní aspekty trhu práce v nějaké míře v průběhu života dotknou každého z nás, proto se jim věnuje celá řada publikací a jsou námětem odborných i politických diskuzí ve snaze najít nějaké uspokojivé řešení problémů nezaměstnanosti, jak se například uvádí v úvodu kapitoly Politika zaměstnanosti v [1]: „Nezaměstnanost jako důsledek fungování trhu práce je nesporně jedním z nejdůležitějších problémů současného světa … Není proto divu, že aktivity ekonomického i sociálního charakteru směřující k jejímu řešení soustavně sílí a že politika zaměstnanosti se stala středem pozornosti různých vědních oborů i praktických aktivit.“ 2 Jak už bylo řečeno v předešlé kapitole, můžeme celou generaci produktivních rozdělit na dvě hlavní kategorie – ekonomicky aktivní a ekonomicky neaktivní. Zařazení osob do jedné z těchto dvou kategorií vyplývá z jejich postavení na trhu práce. Ekonomicky neaktivní 2

Převzato z [1], kapitola 14 – Politika zaměstnanosti, strana 287.

-4 -

jsou ti, kteří nejsou zaměstnaní, ale zároveň se ani nepočítají mezi nezaměstnané (Například studenti, nemocní, …) My se tedy budeme zabývat jen skupinou ekonomicky aktivních osob, do které patří všichni zaměstnaní (placení zaměstnaní a zaměstnaní pracující ve vlastním podniku) a nezaměstnaní. Podle definice Mezinárodní organizace práce (ILO) 3 řadíme mezi nezaměstnané všechny osoby, které splňují následující tři podmínky: Nebyly zaměstnané ani sebezaměstnané, práci si aktivně hledaly a byly schopny do ní okamžitě nebo nejpozději do čtrnácti dnů nastoupit. Nejčastěji používanou charakteristikou nezaměstnanosti, a vlastně i trhu práce obecně, je bezesporu míra nezaměstnanosti konstruována jako podíl počtu nezaměstnaných ku celkovému stavu pracovních sil. Pro mezinárodní srovnání musíme použít data publikovaná Českým statistickým úřadem (ČSÚ), respektive Eurostatem, který publikuje míry nezaměstnanosti v souladu s doporučením ILO, kde je počet nezaměstnaných získáván ze sčítání lidu či výběrového šetření pracovních sil (VŠPS). Kdybychom totiž použili míru registrované nezaměstnanosti, která vyplývá z legislativy jednotlivých států, byly by tyto údaje neporovnatelné. 4 (Registrovaným nezaměstnaným se rozumí ten, kdo je veden na úřadu práce. U nás tuto statistiku publikuje Ministerstvo práce a sociálních věcí (MPSV)) Nezaměstnanost

Kromě obecné míry nezaměstnanosti popsané výše se samozřejmě definuje řada dílčích podrobnějších charakteristik, jako například míra dlouhodobé nezaměstnanosti, či různé míry konstruované podle pohlaví nebo odvětví. Tomuto podrobnějšímu členění se budeme věnovat dále v průběhu této kapitoly. Nejdříve se ale soustředíme na celkový vývoj této ostře sledované charakteristiky trhu práce. Celkový vývoj

Jak už bylo zmíněno výše, bude se tato kapitola věnovat celkovému vývoji nezaměstnanosti v námi srovnávaných zemích. Také si položíme otázku, zda náhodou není tento vývoj nějak úzce spjat s vývojem podílu počtu členů generace produktivních nastíněného v druhé kapitole. Tato otázka by mohla vést k závěru, že pokud například počet členů generace produktivních rapidně poroste a trh práce nebude dostatečně flexibilní, takže nedokáže tento nárůst rychle vstřebat, projeví se tento nárůst zvýšením míry nezaměstnanosti. Pro nalezení odpovědi na tuto otázku potřebujeme roční míry nezaměstnanosti ve srovnávaných zemích za stejné období, za které zachycuje Tabulka 1 podíly produktivní generace v populaci. Tyto údaje nastiňuje následující Tabulka 2. Pro potřeby našeho výpočtu byla samozřejmě použita data za celé 20-ti leté období, pokud byla tato data k dispozici, a ne jen zde tabulkou nastíněný výčet několika let. 5 K rozhodnutí o závislosti či nezávislosti míry nezaměstnanosti na podílu členů produktivní generace v populaci využijeme korelační koeficienty. Zde by bylo zřejmě na místě si říci něco málo o korelačních koeficientech a postupu našeho výpočtu. Použijeme jednoduchý korelační koeficient definovaný jako podíl kovariance ku součinu směrodatných odchylek obou zkoumaných veličin (vzorec (1)). Pomocí tohoto koeficientu vypočítáme míru přímé (kladné hodnoty) nebo nepřímé (záporné hodnoty) lineární závislosti mezi mírou nezaměstnanosti a podílem osob v produktivním věku. Korelační koeficient obecně nabývá hodnot od mínus jedné do jedné, přičemž hodnoty jedna v případě přesné funkční nepřímé či přímé lineární závislosti a hodnoty nula v případě nezávislosti sledovaných veličin. Hodnotu tohoto koeficientu jsme zaznamenali do sloupce  3

S použitím informací na stránkách ČSÚ [7] Stačí například srovnat data publikovaná ČSÚ, která čerpají z VŠPS a udávají míru nezaměstnanosti dle ILO a data publikovaná MPSV uvádějící míru registrované nezaměstnanosti. 5 Pokud by tabulka obsahovala všechny hodnoty, stávala by se nepřehlednou. K nastínění zkoumaného vývoje je toto postačující. 4

-5 -

v Tabulce 3, která nastiňuje postup našeho výpočtu. Sloupec t-krit poté zachycuje hodnotu testového kritéria spočítaného podle (2). Toto kritérium má při nezávislosti zkoumaných veličin t rozdělení s n-2 stupni volnosti (3). Poslední sloupec tabulky nám pak přináší informaci o pravdivosti, či nepravdivosti, položené hypotézy. Pokud by mezi sledovanými veličinami existoval nějaký významný lineární vztah, potom by podle (4) hodnota testového kritéria (2) překročila kritickou hodnotu reprezentovanou příslušným kvantilem t rozdělení na dané hladině významnosti (pravděpodobnosti chyby I. druhu)  = 0,05 (3) a hypotézu o nezávislosti bychom tím pádem zamítli. (1)

(2)(3)

(4)

Tabulka 2 Země/rok 1990 Německo 4,90 Česko Slovensko Polsko Rakousko Maďarsko EU 8,50

Míra nezaměstnanosti (%) 1995 2000 8,20 8,00 8,80 19,10 16,60 4,40 4,70 6,60 10,80 8,50

2005 2009 11,20 7,80 8,00 6,80 16,30 12,10 18,00 8,30 5,20 4,90 7,20 10,10 9,10 9,00

Zdroj: Eurostat, vlastní výpočty a grafické zpracování

Tabulka 3 n

Země

20 13 12 13 15 14 16

Německo Česko Slovensko Polsko Rakousko Maďarsko EU

Postup výpočtu 

t-krit

t(1-/2)

-0,41 0,00 -0,48 -0,17 0,04 0,01 0,47

-1,91 0,00 -1,75 -0,59 0,15 0,03 2,01

2,10 2,20 2,23 2,20 2,16 2,18 2,14

(n-2)

Rozhodnutí nezávislé nezávislé nezávislé nezávislé nezávislé nezávislé nezávislé

Zdroj dat: Eurostat, vlastní výpočty a grafické zpracování

Z Tabulky 3 vidíme, že vypočtené korelační koeficienty vycházejí u Německa, Slovenska a také u celé Evropské unie přes 0,4, což by ukazovalo na existenci nějaké závislosti, kdežto u zbylých zemí jsou hodnoty blízké nule značící nezávislost. Po určení významnosti těchto hodnot pomocí postupu popsaného výše vidíme, že hodnota testového kritéria (2) ve sloupci t-krit je ve všech případech nižší než kritická hodnota (3) ve sloupci t(1-/2) (n-2) a tak docházíme k závěru, že všechna testová kritéria zůstala v oborech přijetí nulové hypotézy, tudíž jsme neprokázali nějakou významnou závislost mezi velikostí míry nezaměstnanosti a podílu ekonomicky aktivních v populaci. Pokud bychom místo podílu ekonomicky aktivních do výpočtu dosadili jejich absolutní počet, dostali bychom se k obdobným výsledkům. Míra nezaměstnanosti se mění v závislosti na sezónních výkyvech poměrně zásadně i během roku, ponechat tedy popis celkového vývoje jen na tabulce obsahující roční data uvedené při prokazování nezávislosti míry nezaměstnanosti na podílu ekonomicky aktivních, by bylo poněkud nešťastné, a tak musíme přistoupit k bližšímu pohledu na vývoj míry nezaměstnanosti. Tento vývoj zachycuje následující Graf 2, na kterém můžeme vidět vývoj měsíční míry nezaměstnanosti v průběhu let 2000 až 2010. Povšimněme si zejména takřka dvojnásobné výše míry nezaměstnanosti u Polska a Slovenska v porovnání s ostatními zeměmi v první polovině grafu. Vývoj v druhé polovině grafu je potom pro všechny země podobný, po minimu v období hospodářské konjunktury došlo k nárůstu v důsledku -6 -

nastoupení recese. Zajímavý je výsledek Rakouska a Německa, kde došlo podle těchto dat v porovnání s Polskem či Slovenskem víceméně ke stagnaci této míry ve sledovaném období. Graf 2

Měsíční míra nezaměstnanosti

25,0

EU

20,0

Česko 15,0 %

Německo Maďarsko

10,0

Rakousko 5,0

Polsko Slovensko

0,0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010


Struktura nezaměstnanosti Údaj celkové míry nezaměstnanosti nám přináší informaci o stavu nezaměstnanosti bez dalšího rozlišení, což není vždy dostačující. Z tohoto důvodu musíme přistoupit k různě strukturovaným mírám nezaměstnanosti. Můžeme rozlišovat míry nezaměstnanosti podle pohlaví, regionů, či podle nejvyššího dosaženého vzdělání. Podobně budeme v další části této práce dělit zaměstnanost, a proto se nyní pokusíme na strukturu nezaměstnanosti podívat z trochu jiného úhlu pohledu. V této kapitole se zaměříme na členění nezaměstnanosti na krátkodobou a dlouhodobou. Současné trendy v sociální politice vede ke snaze zabránit tomu, aby se jedinec při ztrátě zaměstnání dostal do dlouhodobé nezaměstnanosti, protože čím déle je člověk bez zaměstnání, tím hůře se zapojuje aktivně zpět do trhu práce a zůstává po dlouho dobu odkázán na sociální dávky. Jistá část dlouhodobě nezaměstnaných navíc nikdy nepracovala a asi ani pracovat nebude. Ti tedy tvoří jakousi konstantní část celkového počtu nezaměstnaných, která se v relaci k celkovému počtu nezaměstnaných příliš nemění. Položme si tedy otázku, zda a nakolik se tato snaha o zabránění propadu do dlouhodobé nezaměstnanosti daří. Pokud by tomu tak bylo, poté by neměl počet dlouhodobě nezaměstnaných tolik kolísat, jako počet všech nezaměstnaných. Samozřejmě nesmíme zapomenout, že pokud nezaměstnanost z různých důvodů výrazněji roste, tak sociální systém není většinou schopen nějaké míře propadu do dlouhodobé nezaměstnanosti zabránit. Položme tedy hypotézu, že počet dlouhodobě nezaměstnaných je nezávislý na celkovém počtu nezaměstnaných, tedy že se do dlouhodobé nezaměstnanosti dostávají pouze osoby s jistými predispozicemi se tam dostat, jako jsou invalidé, lidé před důchodem, nebo pouze se základním vzděláním, a podobně. Tuto otázku se pokusíme vyřešit pomocí následující série grafů, na nichž je zachycen vývoj jak celkového počtu nezaměstnaných, tak počtu dlouhodobě nezaměstnaných (nezaměstnaných déle než 12 měsíců) v jednotlivých zemích a celé EU. Z nich vidíme, že závěr naší hypotézy není u všech zemí stejně jednoznačný a tudíž musíme naši hypotézu zamítnout. Zatímco u Slovenska, Rakouska a Polska můžeme na základě grafů tvrdit, že vývoj dlouhodobě nezaměstnaných se chová nezávisle na vývoji celkového počtu nezaměstnaných, tak u zbytku srovnávaných zemí je patrné jisté svázání trendů tohoto vývoje. -7 -

Graf 5 - 39 - 6 Grafy 5000,0 4500,0 4000,0 3500,0 3000,0 2500,0 2000,0 1500,0 1000,0 500,0 0,0

450,0 400,0 350,0 300,0 250,0 200,0 150,0 100,0 50,0 0,0

2005 2006 2007 2008 2009 2010

2005 2006 2007 2008 2009 2010

Německo Nezaměstnanost

Česko Nezaměstnanost

Německo Dlouhodobá nezaměstnanost

Česko Dlouhodobá nezaměstnanost

600,0 Grafy 350 7 - 9 500,0 300 400,0 250 200 300,0 150 200,0 100 100,0 50 0,0 0 2005 2006 2007 2008 2009 2010 2005 2006 2007 2008 2009 2010 Maďarsko Nezaměstnanost Slovensko Nezaměstnanost Maďarsko Dlouhodobá nezaměstnanost Slovensko Dlouhodobá nezaměstnanost

250,0 2000 1800 200,0 1600 1400 150,0 1200 1000 100,0 800 600 50,0 400 2000,0 0 2005 2006 2007 2008 2009 2010 2005 2006 2007 2008 2009 2010 Rakousko Nezaměstnanost Polsko Nezaměstnanost Rakousko Dlouhodobá nezaměstnanost Polsko Dlouhodobá nezaměstnanost


30000,0 Zdroj dat Eurostat, vlastní grafické zpracování

25000,0 20000,0 15000,0 10000,0 5000,0 0,0 2005 2006 2007 2008 2009 2010 EU Nezaměstnanost EU Dlouhodobá nezaměstnanost

-8 -

Porovnání s vývojem HDP

Nyní opustíme strukturu nezaměstnanosti a podíváme se na souvislost s dalším ekonomickým indikátorem. Úkolem poslední podkapitoly této části práce je porovnání vývoje nezaměstnanosti s vývojem HDP. Pokusíme se prokázat, zda je oprávněná domněnka, že by měl existovat nějaký vztah mezi vývojem těchto dvou charakteristik. Zjednodušeně řečeno, hrubý domácí produkt jakožto souhrn hodnoty všech vyrobených a poskytnutých statků a služeb za dané časové období by měl korespondovat s vývojem počtu zaměstnaných, respektive nezaměstnaných, z toho důvodu, že pokud chceme vyrobit více zboží, musíme zaměstnat více výrobních faktorů, tedy i práce, a tím pádem dojde ke snížení nezaměstnanosti. Nesmíme ale zapomenout, že hodnotu HDP určuje celý souhrn jevů. Jednoduchým příkladem může být například situace, kdy HDP roste, ale nezaměstnanost zůstává beze změny, protože za oním růstem stojí nové technologie, či zvýšená produktivita práce. Je tedy naše domněnka o vztahu mezi vývojem HDP a nezaměstnaností natolik správná, aby obstála a mohli jsme ji prohlásit za pravdivou? Hned se o tom přesvědčíme. Vývoj nezaměstnanosti byl již popsán v předešlých kapitolách. Podívejme se tedy, jaký byl za srovnatelné období v námi zkoumaných zemích vývoj HDP. Tento vývoj je zachycen v následujících dvou grafech. Z těchto grafů můžeme usoudit, že by zde nějaká, pravděpodobně nepřímá, závislost být mohla. Ale potvrdí se to i výpočtem? Graf 10

Vývoj nezaměstnanosti

25 EU

20

Česko 15

Německo Maďarsko

10

Rakousko

5

Polsko

0

Slovensko 2000

Graf 11

2001

2002

2003

2004

2005

2006

2007

Vývoj HDP

2008

2009

2010


12,0 10,0 EU

8,0

6,0

Česko

4,0

Německo

2,0

Maďarsko

0,0 -2,0 -4,0

Rakousko 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Polsko Slovensko

-6,0 -8,0 Zdroj dat Eurostat, vlastní grafické zpracování

-9 -

Ke zjištění zda je položená hypotéza o vztahu vývoje nezaměstnanosti a HDP pravdivá použijeme stejný postup výpočtu jako v případě první hypotézy o vlivu podílu ekonomicky aktivního obyvatelstva. Postup výpočtu ilustruje následující Tabulka 4, kde je označení jednotlivých sloupců shodné s Tabulkou 3. A vidíme, že závěr hypotézy není v tomto případě zcela jednoznačný. Nejen, že se neprokázala statisticky významná závislost mezi mírou nezaměstnanosti a vývojem HDP, s výjimkou Maďarska, kde dosáhl koeficient korelace zdaleka nejvyšší hodnoty. Navíc nám oproti předpokladu nevyšla u všech zemí záporná korelace – tedy údaj, který by svědčil o existenci jisté míry nepřímé závislosti mezi zkoumanými jevy. Tomuto předpokladu nevyhovělo Česko spolu s Německem, můžeme tedy usoudit, že vliv, který, jak už jsme uvedli výše, není příliš významný (až na Maďarsko) mezi sledovanými veličinami byl „přehlušen“ nějakými dalšími vlivy, které jsme nesledovali. Tabulka 4 Postup výpočtu Země EU Česko Německo Maďarsko Rakousko Polsko Slovensko

 -0,28 0,09 0,30 -0,75 -0,05 -0,23 -0,16

t-krit -1,32 0,55 1,41 -7,23 -0,34 -1,51 -1,01

t(1-a/2) (n-2) 2,09 2,02 2,09 2,02 2,02 2,02 2,02

Rozhodnutí nezávislé nezávislé nezávislé závislé nezávislé nezávislé nezávislé


Podíváme-li se ale ještě jednou na uvedené grafy, dojdeme k závěru, že by zde přeci jenom měla nějaká závislost existovat. Když si navíc uvědomíme, že nezaměstnanost nereaguje na změny HDP okamžitě, ale díky výpovědním lhůtám a nepružnosti trhu práce obecně, až se zpožděním, jen to naši domněnku o existenci závislosti mezi vývojem HDP a míry nezaměstnanosti podpoří. Provedeme tedy výpočet znovu, ale tentokrát nebudeme posuzovat hodnoty za stejné období, jak tomu bylo v Tabulce 4, ale použijeme hodnoty zpožděné. Už při zahrnutí prvního zpoždění do výpočtu (Tabulka 5) si můžeme všimnout, že nám závislost, krom Maďarska, kde tomu tak bylo jako u jediné země i při srovnávání hodnot za stejné období, vyšla významná i u Polska a údaje za celou EU. Navíc došlo k posunu v samotných hodnotách korelačních koeficientů u všech zemích blíže směrem k mínus jedné, kladný zůstává tento koeficient už jenom v případě Německa. To nám potvrzuje naši původní domněnku o nepřímém vztahu mezi vývojem těchto dvou charakteristik. Tabulka 5; T-1 n 21 41 21 41 41 41 41

Země Eu Česko Německo Maďarsko Rakousko Polsko Slovensko

 -0,58 -0,10 0,27 -0,84 -0,22 -0,34 -0,28

t(1-a/2) (nt-krit -3,10 -0,61 1,24 -9,72 -1,42 -2,24 -1,80

2)

2,09 2,02 2,09 2,02 2,02 2,02 2,02

Rozhodnutí závislé nezávislé nezávislé závislé nezávislé závislé nezávislé


V případě, že jsme zvýšili zpoždění o další období, připojilo se k již zmíněné trojici zemí, kde byla prokázána závislost mezi vývojem HDP a míry nezaměstnanosti, Slovensko. A pokud tento postup zopakujeme pro údaje o HDP a míře nezaměstnanosti zpožděné o tři - 10 -

čtvrtletí, tak nám podle Tabulky 6 zbude už pouze dvojice Německo a Rakousko, kde nám stále vychází tento vztah jako nezávislí. V případě Rakouska nám sice vychází záporná korelace, ale v případě tří zpoždění ještě není dostatečně silná na to, abychom mohli zamítnout hypotézu o nezávislosti. V případě Německa dosahuje korelační koeficient stále neočekávaných kladných hodnot, i když i zde dochází k postupnému posunu hodnot korelačních koeficientů směrem k předpokládaným záporným hodnotám. Tabulka 6; T-3 n 19 39 19 39 39 39 39

Země Eu Česko Německo Maďarsko Rakousko Polsko Slovensko

 -0,82 -0,34 0,25 -0,87 -0,21 -0,48 -0,50

t(1-a/2) (nt-krit -6,01 -2,18 1,04 -10,65 -1,29 -3,29 -3,50

2)

2,11 2,03 2,11 2,03 2,03 2,03 2,03

Rozhodnutí závislé závislé nezávislé závislé nezávislé závislé závislé


Takto bychom samozřejmě mohli pokračovat dál, ale abychom tuto práci zbytečně neprotahovali, uvedeme pouze, že až při zahrnutí nezaměstnanosti zpožděné o sedm období, vyšly testy pro všechny země ve prospěch závislosti mezi sledovanými veličinami. Můžeme tedy považovat za prokázané, že nějaký vztah mezi vývojem míry nezaměstnanosti a HDP existuje, ale neprojevuje se až na výjimky okamžitě, ale až s určitým zpožděním. U Maďarska jsme nemuseli k prokázání závislosti uvažovat žádné zpoždění. Při zahrnutí jednoho zpoždění se prokázala závislost u Polska a EU. Při použití dat zpožděných o dvě období byla závislost prokázána i u Slovenska a při třech i u Česka. Abychom ale dosáhli stejných výsledků i u Německa a Rakouska, museli jsme použít data zpožděná o další čtyři období. Právě z různě dlouhého zpoždění, které muselo být uvažováno, aby byla jasně prokázána závislost, můžeme vyvodit zajímavý závěr, co se rychlosti projevu změn ve vývoji ekonomiky na trh práce týče. Nejrychleji tato reakce proběhla v Maďarsku a nejpomaleji naopak v Rakousku a Německu. To by mohlo být například způsobeno na jedné straně různou měrou dopadu ekonomických změn v průběhu hospodářské recese, které na Maďarsko dopadly v jejím průběhu ze sledovaných zemí určitě nejsilněji a dohnaly ho na dohled od státního bankrotu. Na druhé straně také různě nastavenými legislativními pravidly v oblasti trhu práce a sociální politiky. Například, jak složité je rozvázání pracovního poměru a jaké je zákonem dané odstupné, nebo jak je nastavena sociální politika, aby motivovala při ztrátě zaměstnání k hledání dalšího pracovního uplatnění a zabraňovala případnému propadu nezaměstnaných mezi dlouhodobě nezaměstnané. Podrobné rozebírání všech možných příčin a důsledků sledovaného vývoje je mimo možnosti i plánovaný rozsah této práce, a proto nyní již definitivně opustíme oblast nezaměstnanosti a přejdeme k další části práce, ve které se budeme blíže věnovat zaměstnanosti a jejímu členění.

Zaměstnanost a její členění Další zajímavou charakteristikou, která nám pomůže vykreslit situaci zaměstnaných a nezaměstnaných na trhu práce ve střední Evropě bude míra zaměstnanosti. Tato míra udává kolik procent lidí z dané věkové kategorie je nějakým způsobem zaměstnaných a budeme se jí blíže věnovat v průběhu této kapitoly.

- 11 -

Zaměstnanost

Než se podíváme na různá podrobnější členění míry zaměstnanosti, zaměříme se na její konkrétní celkové hodnoty. Kromě míry za celý produktivní věk 15 až 64 let nás bude ještě zajímat věková kategorie, ve které lidé nastupují do prvního zaměstnání 15 až 24 let, a také předdůchodový věk 55 až 64 let. Všechny tyto míry zaměstnanosti za první čtvrtletí letošního roku najdeme zapsané v následující Tabulce 7 a graficky znázorněné v sousedním Grafu 12. Z nich vidíme, že nejvyšších hodnot, co se týče celkové míry zaměstnanosti, dosahuje Německo s Rakouskem, kde pracuje přes 70% osob v produktivním věku, poté následuje Česko, které je těsně nad průměrem EU. Na další příčce se pak umístilo Slovensko s Polskem se zaměstnaností kolem 58 %. Nejnižší zaměstnanost naopak vykazuje Maďarsko, kde tato míra nedosáhla ani 55 %. Obdobně i v dílčích mírách zaměstnanosti v intervalech 1524 a 55-64 let dosahuje Maďarsko v porovnání se zbytkem zkoumaných zemích nejnižších hodnot (v kategorii 55-64 let dosáhlo nižší hodnoty jen Polsko). Obdobně na druhé straně nejvyšších hodnot dosáhlo Německo následované Českem, které dosáhlo stejné úrovně jako je průměrná hodnota za celou EU. Tabulka 7 Země EU Česko Německo Maďarsko Rakousko Polsko Slovensko

Míry zaměstnanosti 15-64 63,7 64,1 70,8 54,5 70,6 58,2 58,0

15-24 33,4 24,1 45,7 17,7 52,0 25,6 20,3

55-64 46,0 46,0 57,7 33,2 41,8 32,6 40,2 Zdroj: Eurostat

Míry zaměstnanosti 2010 Q1 (%)

Graf 12

0,0

20,0

40,0

60,0

80,0

EU Česko Německo Maďarsko Rakousko Polsko Slovensko 15-64 let

15-24 let

55-64 let


Z uvedených měr zaměstnanosti ve zkoumaných zemích se můžeme pokusit odvodit, jakou má osoba v daném věkovém intervalu šanci najít nějaké zaměstnání, a to za předpokladu, že v případě vyšší míry zaměstnanosti můžeme předpokládat, že osoby v dané zemi v daném věkovém intervalu mohou snadněji najít práci, než v zemi kde je tato míra menší. Nejsnáze tedy najdeme práci v Německu či Rakousku, a nejhůře se nám povede v Maďarsku. Toto je samozřejmě určité zjednodušení, které tak musíme brát. Každý trh práce je svým způsobem specifický a pro bližší prozkoumání všech důvodů a souvislostí bychom potřebovali detailněji znát legislativu v jednotlivých zemích, která tvoří právní rámec pro jeho fungován. Zajímat by nás například mohla dostupnost a četnost využívání předčasných a invalidních důchodů a podobně. Vývoj celkové míry zaměstnanosti ve sledovaných zemích v období 1999 až 2009 poté zachycuje následující Graf 13. Z něj můžeme vyčíst, že míra zaměstnanosti měla ve všech zemích víceméně rostoucí trend až do roku 2008, po němž došlo k poklesu či stagnaci zřejmě v souvislosti s globální recesí. Oproti ostatním zemím je vidět atypický průběh velikosti míry zaměstnanosti v případě Polska, kde na rozdíl od ostatních zemí v první čtvrtině grafu k celkem znatelnému poklesu, který byl po tříleté stagnaci vystřídán opět poměrně znatelným růstem. Také vidíme, že rozdíly nejsou jen mezi vývojem jednotlivých měr, ale i mezi jejich absolutní velikostí. Tento rozdíl přesahuju v roce 2009 patnáct procent. Nejvyšší míra zaměstnanosti je v celém sledovaném období v Rakousku, - 12 -

které je těsně následováno Německem. Na opačné straně nejnižších hodnot dosahuje Polsko spolu s Maďarskem, přičemž si v průběhu zachyceného období vzájemné pořadí dvakrát vymění. Údaje za Česko hlavně v druhé polovině grafu takřka přesně kopírují linii vývoje v celé EU.

Míra zaměstnanosti - vývoj

Graf 13 75

Rakousko

70

Česko

65

EU

60

Německo

55

Maďarsko Polsko

50

Slovensko

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009


Členění zaměstnanosti

Zabývat se celkovou mírou zaměstnanosti nám určitě přináší zajímavé informace, pokud ale chceme zkoumat zaměstnanost detailněji, musíme přikročit i k detailnějšímu členění měr zaměstnanosti. Možnosti konkrétního zaměření dílčích měr zaměstnanosti jsou rozmanité. Můžeme například sledovat míry zaměstnanosti mužů a žen, nebo různě členěné podle regionů, či nejvyššího dosaženého vzdělání. Některé z nich si nyní blíže přiblížíme. Máme zde dvě tabulky. První z nich zachycuje míru zaměstnanosti členěnou podle pohlaví na muže a ženy v jednotlivých sektorech ekonomiky – v zemědělství, průmyslu a službách v roce 20046. Ve všech srovnávaných zemích je vidět, že nejnižší zaměstnanost panuje v zemědělství, naopak nejvyšší je ve službách, kde převládají více ženy, kdežto v kategorii průmyslu je převaha mužů. Mezi jednotlivými zeměmi není ale poměr mezi zaměstnanými v jednotlivých sektorech stejný. Nejmarkantnější a tedy nejzajímavější rozdíl můžeme najít v sektoru zemědělství, kde má Rakousko a zejména pak Polsko výrazně vyšší míru zaměstnanosti než zbytek srovnávaných zemí. Tabulka 8;Struktura zaměstnanosti podle sektorů, 2004,% z celkové zaměstnanosti Zemědělství

Průmysl

Služby

Země Celkem

Muži

Ženy

Celkem

Muži

Ženy

Celkem

Muži

Ženy

EU

5,1

5,9

4,0

25,1

34,8

13,1

69,8

59,3

82,9

Česká republika

4,0

4,9

2,8

37,8

47,1

25,7

58,3

48,0

71,6

Německo

2,2

2,8

1,6

26,4

37,0

14,1

71,3

60,2

84,3

Maďarsko

5,1

7,3

2,6

32,9

41,6

22,6

62,0

51,1

74,9

Rakousko

12,6

12,3

12,8

22,5

32,6

10,6

65,0

55,1

76,6

Polsko

19,2

20,1

18,3

26,8

35,7

16,2

53,9

44,2

65,6

3,9

5,5

2,1

34,2

43,9

23,2

61,8

50,6

74,7

Slovensko

Zdroj: ČSÚ

6

Novější data se nalézt nepodařilo, ale protože se dá předpokládat, že nedošlo ve sledované struktuře k nějakým dramatickým změnám, mají tato data stále vypovídací hodnotu.

- 13 -

Druhá tabulka potom ukazuje podobné rozčlenění, tentokrát ale podle nejvyššího dosaženého vzdělání. Asi nikoho nepřekvapí, že nejvyšších hodnot dosahuje tato míra u lidí s vysokoškolským vzděláním, kde je vysoko nad celkovým průměrem, a nejnižších hodnot u skupiny osob se základním vzděláním. Z toho můžeme vyvodit vcelku očekávatelný závěr, že čím vyššího vzdělání člověk dosáhne, tím snazší by pro něj mělo být sehnat nějaké zaměstnání. Toto ale samozřejmě platí obecně, v konkrétních případech může být situace klidně opačná. Tabulka 9; Zaměstnanost podle nejvyššího dosaženého vzdělání 2009 Primární a nižší sekundární ISCED97 Země EU Česko Německo Maďarsko Rakousko Polsko Slovensko

(Pre-primary, primary and lower secondary education levels 0-2 (ISCED 1997))

Vyšší sekundární (Upper secondary and post-

Terciální

secondary non-tertiary education - levels 3-4 (ISCED 1997))

(Tertiary education - levels 5-6 (ISCED 1997))

Celkem Muži Ženy Celkem Muži Ženy Celkem Muži Ženy 46,2 54,9 37,7 69,1 74,8 63,1 82,9 86,3 79,8 22,8 22,8 22,9 71,3 80,1 61,8 82,0 88,9 74,7 45,6 50,9 41,0 74,6 78,3 70,9 87,0 89,7 83,6 25,7 29,0 23,0 61,6 67,7 54,7 78,1 83,1 74,4 49,1 54,8 45,3 76,6 80,3 72,6 86,1 89,0 82,6 24,6 30,6 18,5 62,7 71,3 53,5 83,7 88,5 80,4 14,3 15,9 12,9 67,1 75,0 58,6 80,3 86,2 75,3 Zdroj: Eurostat

Poslední členění, kterým se budeme blíže zabývat, bude členění podle věku. Konkrétně se zaměříme na vývoj míry zaměstnanosti v předdůchodovém věku tak, jak je znázorněn na následujícím Grafu 14. Proč zrovna v této věkové kategorii? Protože právě v této kategorii, dochází k poklesu míry zaměstnanosti a v případě ztráty zaměstnání je hledání práce obtížné z důvodu malé perspektivy takovéhoto žadatele u zaměstnavatele. Tito neúspěšní žadatelé zůstávají odkázáni na pomoc v podobě sociálních dávek. Z tohoto důvodu a v souvislosti s dopady procesu stárnutí populace je jedním z cílů sociální politiky snaha o to, co nejdéle udržet jedince nějakém pracovněprávním vztahu a v případě jeho propadu do nezaměstnanosti podpořit jeho co nejrychlejší návrat zpět zaměstnanosti. A právě následující graf nám pomůže poodhalit, jak se toto daří. Hned na první pohled můžeme prohlásit, že se tato snaha daří, protože ve všech srovnávaných zemích se za sledované období míra zaměstnanosti poměrně výrazně zvýšila.

Graf 14

Míry zaměstnanosti (55-64let)

50

EU

40

Česko

30

Německo

20

Maďarsko

10

Rakousko Polsko

0 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

%

60

Slovensko


- 14 -

V různém členění zaměstnanosti z rozličných úhlů pohledu bychom samozřejmě mohli pokračovat dál a vydalo by to při nejmenším na několik dalších kapitol. Ale samotné členění zaměstnanosti není tématem této práce, některé z možností členění zaměstnanosti jsme si v této kapitole představili a ukázali si, jak jsou na tom v tomto členění srovnávané země. Takže jsme tímto dospěli na samý konec plánovaného rozsahu této práce, po němž následuje již jen její shrnutí v podobě závěru. Závěr

V průběhu této práce jsme se, tak jak bylo avizováno již v úvodu, zabývaly různými aspekty trhu práce, potažmo ekonomicky aktivního obyvatelstva. Hlavně jsme se zaměřili na míry zaměstnanosti a nezaměstnanosti a jejich možná členění se zaměřením na porovnání zkoumaného ukazatele ve sledovaných zemích střední Evropy. V průběhu jednotlivých kapitol jsme si položili několik otázek, či hypotéz, které byly následně v průběhu každé příslušné kapitoly řešeny. Takto jsme dospěli k závěrům, že počet nezaměstnaných nezávisí na počtu obyvatel v produktivním věku. Poté jsme kvůli nejednotnosti závěrů za jednotlivé země zamítli hypotézu o jistém stálém podílu dlouhodobě nezaměstnaných v populaci bez ohledu na vývoj celkové míry nezaměstnanosti. A to z důvodu, že tomuto předpokladu vyhověly podle grafické analýzy jen některé země. A nakonec jsme zkoumali vztah mezi vývojem míry nezaměstnanosti a vývojem HDP. V tomto případě jsme dospěli k závěru, že mezi těmito dvěma charakteristikami existuje nějaký vztah, který se ale neprojevuje hned ale až s nějakým zpožděním, které bylo u srovnávaných zemí různé. Kromě těchto hypotéz, jsme si sledované charakteristiky trhu práce déle podrobněji rozčlenili a srovnali jejich stav či vývoj ve sledovaných zemí a to včetně zaměstnanosti a jejího členění, kterému byla věnována druhá část této práce. V tomto členění by šlo určitě ještě dlouho pokračovat. Záměrem této práce ale nebylo přinést nějaké dalekosáhlé co možná nejpodrobnější dělení těchto charakteristik, které by ji jen neúměrně prodlužovalo nad její plánovaný rozsah a odvádělo zbytečně pozornost od hlavního záměru této práci, kterým bylo přinést srovnání ekonomicky aktivního obyvatelstva v regionu střední Evropy a případně poukázat na některé zajímavé skutečnosti či otázky s ním spojené. Toto můžeme v tuto chvíli považovat za splněné, a proto jsou tyto řádky úplným závěrem této práce, po kterých následuje již jen seznam použité literatury a zdrojů informací pro tuto práci použitých. Zdroje informací a seznam použité literatury [1] [2] [3] [4] [5] [6]

Vojtěch Krebs a kolektiv; Sociální politika; ASPI, a.s. 2007; ISBN: 978-89-7357-276-1 Felix Koschin, Kapitoly z Ekonomické demografie, Oeconomica 2005, ISBN: 80-245-0959-8 Magdalena Kotýnková; Trh práce na přelomu tisíciletí; Oeconomica 2006; ISBN: 80-245-1149-5 Databáze Eurostatu [online] [cit. 2010-10-10] dostupný z www: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/search_database Data a publikace vydané ČSÚ, kategorie Mezinárodní data[online] [cit. 2010-10-10] dostupný z www: http://www.czso.cz/csu/redakce.nsf/i/mezinarodni_data1 Analýzy a statistiky – BusinessInfo.cz [online] [cit. 2010-10-10] dostupný z www:

http://www.businessinfo.cz/cz/rubrika/analyzy-statistiky/1000431/ [7]

Použité pojmy - Informační technologie v domácnostech a mezi jednotlivci [online] [cit. 2010-10-10] dostupný z

Adresa autora:

Lukáš Bricín Husovo náměstí 130 269 01 Rakovník [email protected] - 15 -

EKONOMICKY AKTIVNÍ OBYVATELSTVO A TRH PRÁCE

Recommend Documents