Národohospodářská fakulta Vysoká škola ekonomická v Praze Soutěžní práce do Soutěže o cenu děkana Národohospodářské fakulty VŠE Kategorie: Práce bakalářského studia
Název práce:
Kdo je ochoten platit více za zápisky z přednášek?
Autor: Tomáš Mlčoch
Praha 2011
Abstrakt:1 Tato práce zkoumá faktory ovlivňující ochotu platit studentů za zápisky z přednášek. Zjišťuji, že nejvíce jsou ochotni platit studenti, jejichž rodinný příjem je vyšší, studenti s vyššími oportunitními náklady chození na přednášky (pracující studenti) a rovněž ti, kteří mají vyšší riziko špatného hodnocení předmětu, tedy ženy a studenti neúčastnící se dobrovolného průběžného testu (s vzájemným překryvem skupin). Práce tedy potvrdila ekonomické chování studentů na „trhu se zápisky“. Všechny tyto faktory mohou být inspirací kupříkladu pro vydavatele studentské literatury. Překvapivě, mezi hlavní motivaci pro práci studentů při studiu není nízký rodinný příjem a dokonce ani subjektivní spokojenost s ním. V analýze studentů s nekonzistentními preferencemi v čase, tedy těch, kteří se neúčastnili jimi již naplánovaného průběžného testu, ukazuji, že tito studenti více kouří a jsou méně averzní k riziku. Klíčová slova: ochota platit, faktory ovlivňující zaměstnání studentů, nekonzistentní preference, vzdělávání JEL klasifikace: D83, J22, J24
Abstract: This paper examines the factors that influence students’ willingness to pay for lecture notes. I find that the most willing are students with a high family income and students with a higher opportunity cost of attending lectures (working students). Another group of students that are more willing to pay for lecture notes are those who have a higher risk of unsatisfactory grades, such as women and students that choose to not partake in the optional midterm test (with mutual overlap of groups). Thus, this paper confirms economic behavior of students on “the lecture notes market”. All listed factors may be, for instance, inspiration for publishers of student literature. Surprisingly, neither family income nor subjective satisfaction with this income are motivation for students’ work. Moreover, in the analysis of students with inconsistent preferences, I show that students with these preferences are more likely to engage in smoking and are less averse to risk. Key words: willingness to pay, factors influencing students decision about work, inconsistent preferences, education JEL Classification: D83 J22, J24
1
Je na místě poděkovat především Janu Tůmovi za velkou pomoc zejména při zpracování dat a připomínkách, Ing. Viktoru Chrobokovi za rady týkající se statistické části a slečnám Markétě Podhradské a Lucii Svobodové za pomoc při psaní zápisků, bez kterých by se celý experiment nemohl uskutečnit. V neposlední řadě také všem studentům předmětu Ekonomie veřejného sektoru, kteří na mé dotazníky odpověděli.
1 Úvod Tato práce se zabývá zkoumáním determinantů ovlivňujících ochotu platit za zápisky, faktorů ovlivňujících rozhodnutí studentů o zaměstnání a v neposlední řadě analýzou studentů s nekonzistentním rozhodováním v čase. Zdrojem dat pro mou práci byly dva dotazníky zaslané studentům předmětu Ekonomie veřejného sektoru (EVS). Odměnou studentům bylo zaslání mnou zpracovaných a upravených výpisků z přednášek EVS. V práci docházím postupně k výsledkům, které ukazují, že nejvíce pozitivně ovlivňuje ochotu platit za zápisky, zda je studentka žena, studentky jsou však svědomitější a více se účastní přednášek, obojí tedy naznačuje, že se pravděpodobně snaží kompenzovat, jak naznačují některé studie (Broder 1993, Barzebat 2006), to že ženy v ekonomii hůře prospívají. Dále jsou ochotni platit více studenti mající vyšší rodinný příjem a spokojenost s ním. Vlastní příjem nad 5000 Kč pro studenty znamená také vyšší oportunitní náklady účasti na přednáškách – což dokazují, že na ně méně chodí – vyšší ochotou získat (zaplatit za) přednášky, tak maximalizují jak svůj příjem, tak i potencionální výsledek z kurzu. Rozhodnutí o zaměstnání studentů překvapivě neovlivňuje rodinný příjem ba dokonce ani spokojenost s ním. Naproti tomu toto rozhodnutí ovlivňuje, zda jsou studenti z Prahy, jelikož ti pracují nejvíce. V neposlední řadě se věnuji studentům s nekonzistentním rozhodováním v čase. Tito studenti plánovali v prvním dotazníku na test jít, nicméně poté se testu neúčastnili. Výsledky ukazují, že nekonzistentní studenti více kouří, jezdí nebezpečněji v autě a také častěji přecházejí silnici v nepřehledných situacích. Nasnadě je vysvětlení, že právě tito studenti obecně snadněji podlehnou „síle okamžiku“ a poruší své dlouhodobé preference, v našem případě studenti „podlehnou“ jiným činnostem než učení (např. party, věnování se partnerovi, sledování filmu aj.), díky čemuž se nedostatečně připraví na test a rozhodnou se jej radši neabsolvovat (Frederick et al. 2002). Seminární práce je organizována následovně. V druhé části představím kladené otázky, blíže popíšu průběh dotazníkového šetření, připojím deskriptivní statistiky vzorku a nastíním hlavní teorie, ze kterých práce vychází. Ve třetí, statistické, části budu hypotézy statisticky odhadovat, komentovat a interpretovat. Ve čtvrté části se budu věnovat analýze studentů s nekonzistentním rozhodováním v čase. V poslední páté části poukážu na zajímavosti, které jsem zaregistroval a pokusím se rovněž o nastínění směru možného dalšího výzkumu.
2 Východiska a data Zdrojem dat pro mou seminární práci se staly dva dotazníky zaslané studentům předmětu Ekonomie veřejného sektoru v zimním semestru 2010/2011. První dotazník byl zaslán v 7. týdnu výuky, přesně 6 dnů před dobrovolným průběžným testem. Za odměnu za zodpovězení byly zaslány mé zápisky z přednášek. Dotazník se sestával pouze ze tří otázek a byl určen především pro získání důvěry pro účast na druhém, rozsáhlejším dotazníku, což se nakonec podařilo, když se druhého dotazníku účastnilo 80,64% studentů z prvního dotazníku, tj. 125.
Druhý dotazník byl zaslán dva dny po poslední přednášce a za jeho vyplnění následovaly opět zápisky. T ABULKA 1A –DESKRIPTIVNÍ STATISTIKY Proměnná Muž Účast Slajdy Zápisky
Stř. hodn. 0,594 0,716 79,613 178,600
Celkový počet pozorování 155 Abs. Čet Medián Minimum 92,000 1,000 0,000 111,000 1,000 0,000 50,000 0,000 120,000 0,000
Maximum 1,000 1,000 1000,000 1000,000
Std. Odch. 0,493 0,452 124,682 196,113
1,000 1,000 1000,000 1,000 1288,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 12,000
0,493 0,425 168,909 0,498 549,688 0,416 0,494 0,450 0,269 0,081 0,235 0,500 0,501 0,443 0,496 0,465 0,160 0,407 0,467 0,330 3,035
T ABULKA 1B –DESKRIPTIVNÍ STATISTIKY 2 Účast Změna_prefer Zápisky Muž Město Spok1 Spok2 Spok3 Spok4 Spok5 Rod_přij_B Rod_přij_C Rod_přij_D Přij_0 Přij_1_5000 Přij_nad_5001 Poprvé Neověřuji Oveř_det Oveř_vše Předn_počet 2
0,409 0,234 159,708 0,558 348,539 0,221 0,416 0,279 0,078 0,006 0,058 0,461 0,474 0,266 0,422 0,312 0,974 0,208 0,682 0,123 7,643
Celkový počet pozorování 154 63,000 0,000 0,000 36,000 0,000 0,000 100,000 0,000 86,000 1,000 0,000 30,000 1,000 34,000 0,000 0,000 64,000 0,000 0,000 43,000 0,000 0,000 12,000 0,000 0,000 1,000 0,000 0,000 9,000 0,000 0,000 71,000 0,000 0,000 73,000 0,000 0,000 41,000 0,000 0,000 65,000 0,000 0,000 48,000 0,000 0,000 150,000 1,000 0,000 32,000 0,000 0,000 105,000 1,000 0,000 19,000 0,000 0,000 9,000 4,000
Pro nedostatečnou interpretaci toho, co si pod pojmem slajdy od vyučujícího v dotazníku 1 mají studenti představit, jsem se rozhodl s touto proměnou dále nepracovat. Proměnná slajdy má taktéž obrovskou variabilitu. Možné zkreslení (self-selekce) nastává v samotné účasti studentů v dotaznících, protože studenti účastnící se průběžného testu budou ochotni se prvního dotazníku účastnit a získat zápisky jako dodatečný zdroj informací. Dále jsem vytvořil proměnné přednášky_počet a cigarety_počet jako středy intervalů. Proměnné rodinný příjem A a počet nad 20 vykouřených cigaret byli ze vzorku vyřazeny, protože nikdo v souboru u těchto proměnných nebyl zastoupen.
Předn_vše Předn__7_12 Předn__2_6 Předn__2 Partner Tygr Alkoh_0 Alk_1_5 Alk_6_10 Alk_10 Cig_0 Cig_počet Cig_5 Cig_6_10 Cig_11_20 Auto_nepřek Auto_nutnost Auto_občas Auto_často Přech_nikdy Přech_sla_pře Přech_sil_pře Přech_sil_nepř
0,143 0,519 0,305 0,032 0,610 4899,810 0,071 0,597 0,208 0,123 0,786 1,416 0,110 0,065 0,052 0,162 0,253 0,364 0,221 0,013 0,435 0,519 0,032
22,000 80,000 47,000 5,000 94,000 11,000 92,000 32,000 19,000 121,000 17,000 10,000 8,000 25,000 39,000 56,000 34,000 2,000 66,999 80,000 5,000
0,000 1,000 0,000 0,000 1,000 100,000 0,000 1,000 0,000 0,000 1,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
1,000 1,000 1,000 1,000 1,000 250000,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
0,351 0,501 0,462 0,178 0,489 23972,700 0,258 0,492 0,407 0,330 0,412 3,510 0,314 0,247 0,223 0,370 0,436 0,483 0,416 0,114 0,497 0,501 0,178
Hlavními teoriemi, z nichž seminární práce vychází a pokouší se ověřit, jsou především: faktory ovlivňující ochotu platit za zápisky (WTP), determinanty ovlivňující rozhodnutí o vstup na trh práce, rozhodování za rizika, mezičasová volba a změny časových preferencí v čase. Otázky zaměřené na rozhodnutí o vstupu na trh práce jsou zejména 3, 4, 5 (viz tabulka 2b). Zde jsou těžko odhadovatelné výsledky, protože nemusí nutně platit, že nižší rodinný příjem či spokojenost s ním musí nutně znamenat vyšší příjem studentů, protože tento proces je velmi komplexní a ovlivňuje jej mnoho dalších faktorů, jako například referenční skupiny, ke kterým se studenti přirovnávají, jejich časové preference 3 a jiné. Rozhodování za rizika zkoumají především otázky 1, 8, 14, 15 (tab. 2b). Účast na průběžném, dobrovolném testu znamená pro studenty diversifikaci rizika, protože při účasti na něm může student získat 40 bodů a při závěrečném zbývajících 60, při neúčasti na testu je automaticky závěrečný test za 100 bodů.4 Otázky zaměřené na časové preference jsou primárně 12, 13, ale dají se bezpochyby považovat také 6, 8, 9, 14, 15 (tab. 2B). Lidé s nízkými časovými preferencemi a tedy nízkou diskontní mírou budou ochotni více investovat do svého zdraví – méně kouřit a 3
U této hypotézy by platilo, že čím nižší mají studenti diskontní míru, tím snáze odloží dnešní spotřebu a tím méně by jim mohlo vadit, že nemají příjem (Frederick et al. 2002). 4 Může být samozřejmě vznesena námitka, že student se rozhodnul jít na test podle účasti na přednáškách. Mohlo mu být např. nějak exogenně zabráněno v docházce (nemoc atd.) a díky tomu se testu neúčastnil.
pít. Na druhou stranu tito lidé budou taktéž ochotni více studovat, méně pracovat 5, a méně riskovat za volantem či na přechodu. TABULKA 2A – DOTAZNÍK 1 Č. 1 2 3
Otázka Budete se účastnit průběžného testu? Kolik byste byli ochotni zaplatit za slajdy z přednášek? Kolik byste byli ochotni zaplatit za učitelem ověřené zápisky? TABULKA 2B – DOTAZNÍK 2
Č. 1 2 3 4 5 6 7 8 9 10 11 12
13 14 15
5
Otázka Zúčastnili se průběžného testu? Kolik jste ochotni zaplatit za výpisky z přednášek? Jak velké je město, z kterého pocházíte? (v tisících přibližně) Jak jste spokojeni s rodinným příjmem?(hodnocení 1-5, 1= nejlepší, 5= nejhorší) V jaké příjmové kategorii je Vaše rodina? a) do 10tis. Kč, b) 10 - 20tis Kč, c) 20 - 40tis Kč, d) nad 40tis. Kč Chodíte do práce/na brigádu? a) nechodím, b) ano, vydělávám 1 – 5000Kč, c) více jak 5001 Kč. Absolvujete tento předmět poprvé? Do jaké míry si ověřujete pravdivost materiálů z vseborec.cz? a) neověřuji, b) upravuji pouze detaily, c) ověřuji kompletně. Kolik jste cca absolvovali přednášek z EVS? a) všechny, b) 7-12, c) 2-6, d) méně. Máte dlouhodobého partnera/partnerku? Kolik byste byli ochotni zaplatit za záchranu tygra bengálského, aby nevyhynul?
Jak často pijete alkoholické nápoje? (sklenička = 2 dl vína, 0,5l piva nebo 5 cl lihoviny). a) nikdy nepiji alkohol, b)1 až 5 skleniček týdně, c)6 až 10 skleniček týdně, d)více než 10 skleniček týdně. Jste-li kuřák/čka, jak intenzivně kouříte? a)nekouřím, b)méně než 5 cigaret denně, c)6-10 cigaret denně, d)11-20 cigaret denně, e)více než 20 cigaret denně Řídíte-li auto, jak často překračujete maximální povolenou rychlost? a)nikdy, b)jen v případě nutnosti, c)občas, d)často Chcete-li se dostat na druhou stranu silnice (kde není přechod pro chodce), přeběhnete ji? a)nikdy, vždy přecházím na přechodu, b)jen v případě slabého provozu a přehledné situace, c)jen v případě přehledné situace, i když je silný provoz, d)v nepřehledné situaci, i když je silný provoz
Za předpokladu odložení dnešní spotřeby. Pokud by studenti pracovali kvůli budoucí praxi, musel by být příjem při škole také považován za investici do budoucnosti studenta.
3 Statistiky 3.1 Použité statistiky V práci jsem zprvu chtěl použít regresní analýzu, která by pomohla detailněji kvantifikovat jednotlivé vlivy proměnných. Avšak vyskytl se problém s určováním exogenních a endogenních proměnných a jejich kontrolních proměnných. 6 Dalším problémem byla častá odpověď na ochotu platit „0“ a velká variabilita. Pro ověření statistické významnosti či nevýznamnosti proměnných budu používat dvě statistiky. První je test hypotézy o shodě dvou středních hodnot pro známý rozptyl. Druhou je χ2 (chí-kvadrát) test dobré shody s χ2-rozdělením a s v = k – 1 stupni volnosti. 3.2 Dotazník 1 Z prvního proběhnuvšího dotazníku byl získán díky malému počtu proměnných pouze jeden statisticky významný výsledek. T ABULKA 3 Muži x ženy Muži Ženy Účast x neúčast Účast Neúčast
Četnost
Stř. hodn
Std. odch.
Rozptyl
T-stat
P-hodn.
92 63
142,424 231,429
138,560 250,147
19198,874 62573,522
2,5673
0,0051***
111 44
175,973 185,227
174,285 244,897
30375,261 59974,541
0,2287
0,4096
Na první pohled lze vidět, že ženy jsou ochotny platit více s p-hodnotou 0,0051. Dále lze vidět, že lidé, kteří plánovali účast na testu, byli ochotni zaplatit více, ale zde zejména díky velkému rozptylu je p-hodnota pouze 0,4096. 3.3 Dotazník 2 První a hlavní zjišťovanou informací v druhém dotazníku bylo, jaké proměnné (faktory) ovlivňují ochotu zaplatit za zápisky předmětu. T ABULKA 4 Účast x neúčast Účast Neúčast Změna preferencí v čase 6
Četnost
Stř. hodn
Std. odch.
Rozptyl
T-stat
P-hodn.
63 91
137,937 174,780
156,917 176,003
24622,945 30977,056
1,3625
0,0865*
Pro práci jsem také neměl proměnné, které by pomohly určit také kauzalitu jednotlivých proměnných.
Změna preferencí Stejné preference Muži x ženy Muži Ženy Město do 99,9tis x nad 100tis Město do 99,9tis Město nad 100tis Praha x ostatní města Praha Ostatní města Příjem spok. sk. 1,2 x sk. 3,4,5 Příjem spok. skupina 1,2 Příjem spok. skupina 3,4,5 Rod. př. do 20 x 20-40tis Příjem do 20tis Příjem nad 20tis Rod. př. 20-40tis x nad 40tis Příjem 20 - 40tis Příjem nad 40tis Rod př do 40tis x nad 40tis Příjem do 40tis Příjem nad 40tis Příjem 0 x příjem 1-5000 Příjem 0 Příjem 1-5000 Příjem 1-5000 x nad 5000 Příjem 1-5000 Příjem nad 5000 Kuřáci x nekuřáci Kuřáci Nekuřáci
36 118
183,333 152,500
157,969 172,103
24954,205 29619,443
1,0034
0,1578
86 68
149,360 172,794
155,355 184,988
24135,176 34220,560
0,8370
0,2013
103 51
141,990 195,490
142,582 209,469
20329,627 43877,262
1,6450
0,05**
39 115
212,564 141,783
225,619 141,572
50903,933 20042,631
1,8402
0,0329**
98 56
174,091 134,107
176,545 150,970
31168,137 22791,941
1,4849
0,0688*
9 71
72,222 143,944
66,667 144,771
4444,449 20958,642
2,5533
0,0053***
71 73
143,944 185,274
144,771 194,601
20958,642 37869,549
1,4487
0,0737*
81 73
136,667 185,274
139,095 194,601
19347,419 37869,549
1,7659
0,0387**
41 64
119,512 137,969
122,901 106,371
15104,656 11314,790
0,7905
0,2146
64 48
137,969 225,833
106,371 240,724
11314,790 57948,044
2,3618
0,0091***
33 121
191,515 151,033
197,249 160,146
38907,168 25646,741
1,0854
0,1389
Z naměřených koeficientů vychází nejvýznamněji rozdíl mezi rodinným příjmem do 20tis a nad 20tis Kč, následně i rozdíl (avšak méně statisticky významně) mezi příjmem 20 až 40tis Kč a nad 40tis Kč – studenti z bohatších rodin jsou ochotni platit více. Další významnou proměnnou ovlivňující výši ochoty platit je, zda je osoba obyvatelem Prahy. Významný vliv nacházím i u měst nad 100tis, zde ovšem bude mít opět významný vliv Praha, kde jsou příjmy vyšší než ve zbytku republiky.7 Přesto v pozdější části (tab. 18) zjišťuji, že rozdělení příjmů v Praze a ve zbytku republiky je v mém vzorku stejné (s p-hodnotou 0,6408). 7
Český statistický úřad [online]. 2011 [cit. 2011-03-26]. Hl. m. Praha. Dostupné z WWW:
.
Druhou celkově nejvýznamnější statistikou je příjem studentů nad 5000 v porovnání s příjmem mezi 0 až 5000. Jedním z vysvětlení může být, že hodně vydělávající (tj. pracující) studenti upřednostňují práci před účastí na přednáškách kvůli vyšším oportunitním nákladům, díky čemuž jsou také ochotni obětovat část příjmu na zápisky. Zdá se tedy, že maximalizují svůj příjem i pravděpodobnost dobrého hodnocení (nechodí-li na přednášky, mají vyšší riziko neúspěšného splnění předmětu, proto jsou ochotni zaplatit více za zápisky, viz tabulka 4). A vice versa, studenti vydělávající částku do 5000, si svých (ne)vydělaných peněz více váží (nebo nemají zaměstnání) a místo nákupu výpisků, na přednášky skutečně chodí a jsou tedy méně ochotní za (duplicitní) poznatky/zápisky zaplatit. Dále jsem zjistil, že kdo neplánuje psát průběžný test, je ochoten zaplatit více za zápisky, ale také se méně účastní přednášek (velmi těsný vztah těchto proměnných dokazují tabulky 5 a 6). Jelikož je pravděpodobné, že účast na testu je studentem dopředu plánována a student přizpůsobí svou docházku podle tohoto rozhodnutí, bude rovněž (ne)účast na testu ovlivňovat (ne)účast na přednáškách. Nicméně obě skutečnosti zvyšují riziko nesplnění kurzu, jak nemožnost diversifikovat riziko mezi dva testy, tak neúčast na přednášce, kde mohlo zaznít něco, co se objeví v testu. Tato rizika studenti tedy správně kompenzují vyšší ochotou platit (a tedy i získat) zápisky z přednášek, kterých se neúčastnili. T ABULKA 8 5 Přednášky všechny 7 až 12 0 až 6
ni
π0,i
10 38 43 91
0,19 0,67 0,14 1,00
π0,i ni 17,33 60,66 12,99 91,00
χ2
P-hodn.
3,10 8,47 69,37 80,94
<0,0001***
T ABULKA 6 9 Účast x neúčast Účast Neúčast
Četnost
Stř. hodn
Std. odch.
Rozptyl
T-stat
P-hodn.
63 91
8,810 6,835
2,442 3,153
5,963 9,939
4,3726
<0,0001***
V tomto okamžiku se jeví na místě otázka, co tedy ovlivňuje účast na testu? Jelikož účast na testu vyžaduje pravděpodobně absolvování většího počtu přednášek, vraťme se o pár odstavců zpět, kde formuluji hypotézu vztahu příjmu a ochoty platit. Zkusím ověřit, jestli bude platit i zde substituce práce za účast na přednáškách, resp. na testu. 8
ni je zde absolutní četnost studentů účastnících se testu a π0,i je relativní rozdělení ve skupině studentů neúčastnících se testu. 9 Střední hodnoty počtu přednášek byly určeny na základě středů příslušných intervalů účastí na přednáškách.
T ABULKA 7 Výdělek
ni
π0,i
π0,i ni
χ2
P-hodn.
0 1 až 5000 5000+ Celkem
22 33 36 91
0,30 0,51 0,19 1,00
27,44 46,22 17,33 91,00
1,08 3,78 20,13 24,98***
<0,0001***
Vidíme opět na vysoké hladině významnosti, že rozdělení lidí účastnících a neúčastnících se na testu, vztaženo k jejich příjmu, je jiné. Nejmarkantnější je odlišné rozdělení u lidí s příjmem nad 5000. Ti mají, podle relativní četnosti, přibližně dvakrát větší zastoupení ve skupině neúčastnící na testu. Tedy, vydělávající nad 5000 nechodí na přednášky, průběžný test nepíší a přesouvají vše na jednorázové učení na závěrečný test. Proto následně ověřím, zdali vedle příjmu hraje roli i ochota účastnit se vyššího rizika. Dalším determinantem účasti na testu se tedy jeví být averze k riziku, respektive výše uvedená možnost diversifikace rizika do dvou testů. Pro ověření porovnám (ne)účast na testu s otázkami zaměřenými na vztah k riziku, tedy s přecházením silnice a jízdě v automobilu. Při použití chí-kvadrát testu jsem kvůli malé četnosti opět nucen přistoupit k připojení krajních intervalů ke středovým. Výsledek z tabulky 8 ukazuje, že rozdělení lidí neúčastnících a účastnících se na testu je jiné, tedy že studenti neúčastni na testu, více přecházejí silnici v méně přehledných situacích. T ABULKA 8 Přechody
ni
π0,i
π0,i ni
χ2
P-hodn.
Nikdy, sl. Silny, sil_nepr Celkem
36 55 91
0,52 0,48 1,00
47,66 43,33 91,00
2,85 3,15 6,00
0,0143**
T ABULKA 10 9 Auto nikdy nutnost občas často Celkem
10
ni
π0,i
π0,i ni
χ2
P-hodn.
14 21 34 22 91
0,17 0,29 0,35 0,19 1,00
15,89 26,00 31,78 17,33 91,00
0,22 0,96 0,16 1,26 2,60
0,4575
Rozdělení studentů do dvou skupin je stejné jako v tabulce 3,5 a 6.
Nezamítám však nulovou hypotézu v tabulce 9, rozdělení studentů v obou skupinách je stejné. Nicméně při bližším pohledu na hodnoty v tabulce 9 je vidět mírně vyšší zastoupení studentů neúčastnících se testu ve více riskujících skupinách. Potvrzuji tedy, i když v druhém případě nesignifikantně, že neúčast na testu je vnímána studenty jako riziková záležitost a tedy vyšší averze k riziku hovoří ve prospěch účasti na průběžném testu. Dále, oproti prvnímu dotazníku nevyšla statisticky významně proměnná ženy, zejména z důvodů vysokého rozptylu. Na druhou stranu, ženy byly více účastny na přednáškách s phodnotou 0,0054 (výpočet není uveden) a jelikož vyšší účast na přednáškách znamenala i vyšší účast na průběžném testu, může tato skutečnost zpětně mírnit vyšší ochotu studentek platit za zápisky. Možným vysvětlením vyšší účasti na přednáškách, potažmo testu je, že ženy mají často horší výsledky v ekonomických disciplínách než muži a účastí na přednáškách se snaží předcházet možnému, u nich zvýšenému riziku, špatného hodnocení předmětu (Broder 1993, Barzebat 2006). Za zápisky z přednášek jsou tedy nejvíce ochotni platit studenti, kteří jsou bohatší a mohou si je snáze dovolit, studenti s vyššími oportunitními náklady chození na přednášky, a ti, kteří mají vyšší riziko špatného hodnocení předmětu, tedy ženy a studenti neúčastni na průběžném testu. 3.4 Faktory ovlivňující rozhodování o práci studentů V průběhu studia jsem zjistil, že nejvýznamnějším faktorem ovlivňující studenty při rozhodování o práci je rodinný příjem, 11 a proto se v této části pokusím zaměřit na hlavní faktory ovlivňující ochotu studentů pracovat. Pokusím se zjistit, jestli je to opravdu nízký rodinný příjem, který přiměje studenty vstoupit do zaměstnání nebo spíše subjektivní spokojenost s výší rodinného příjmu. Také, jestli má vliv velikost města, ve kterém respondenti žijí. V první hypotéze budu vycházet z faktu, kterým argumentuje mnoho studentů, že peníze jednoduše potřebují, že by jinak „nevyžili“. Nepochybně u některých studentů je určujícím faktorem také získání praxe. Pro malou četnost ve skupině do 20tis přistupuji ke sloučení skupin B a C, vzniknou tedy 2 skupiny, rodinný příjem do 40tis a rodinný příjem nad 40tis. P-hodnota 0,6188 ukazuje, že rozdělení studentů s rodinným příjmem do a nad 40 tisíc je stejné, z čehož plyne, že studenti jak z chudých, tak z bohatých rodin pracují patrně stejně.
11
Zde vycházím spíše než z dat ze zkušeností a informacemi získanými častým stykem a komunikací na toto téma se studenty.
T ABULKA 12 10 Výdělek
ni
π0,i
π0,i ni
χ2
P-hodn.
0 1 až 5000 5000+ Celkem
18 29 26 73
0,27 0,43 0,30 1,00
19,55 31,28 22,16 73,00
0,12 0,17 0,67 0,96
0,6188
Jsem si plně vědom, že nejen objektivní příjem, ale i subjektivní spokojenost s ním bude ovlivňovat studenty, protože každý student je zvyklý na odlišný životní styl, standard, hodnoty aj. Proto přistupuji k rozdělení studentů na spokojené s rodinným příjem a na nespokojené s ním.13 P-hodnota v tabulce 11 vychází dokonce 0,956, což značí téměř totožné rozdělení studentů, tudíž opět nezamítáme nulovou hypotézu o jiném rozdělení vydělávajících ve skupinách spokojených a nespokojených studentů. Z toho vyplívá, že nejen rodinný příjem neovlivňuje motivaci studentů pracovat, ale ani subjektivní hodnocení tohoto příjmu, tedy spokojení i nespokojení studenti s rodinným příjmem pracují stejně. T ABULKA 14 11 Výdělek
ni
π0,i
π0,i ni
χ2
P-hodn.
0 1 až 5000 5000+ Celkem
27 41 31 99
0,27 0,43 0,30 1,00
26,51 42,42 30,05 99,00
0,01 0,05 0,03 0,09
0,9560
Dalším a zároveň posledním zkoumaným faktorem ovlivňujícím rozhodnutí pracovat či jak intenzivně pracovat je, zda je student z malého města (do 100 tisíc obyvatel) či z většího. Protože v tomto ukazateli bude pravděpodobně mít významnou roli i Praha, provedu test i pro ni.
12
Zde je ni absolutní četnost u skupiny s rodinným příjmem nad 40tis a π0,i je relativní četnost u skupiny s příjmem pod 40tis. 13 Zde nespojuji kvůli malé četnosti π0,i ni ale spíše k oddělení lidí „šťastných“ a „méně šťastných“ s rodinným příjmem a také pro lepší interpretaci a snadnější znázornění. 14 ni je absolutní četnost studentů ve „spokojenostních“ skupinách 1 a 2. π0,i je relativní četnost studentů ve skupinách 3,4 a 5.
T ABULKA 15 12 Výdělek
ni
π0,i
π0,i ni
χ2
P-hodn.
0 1 až 5000 5000+ Celkem
29 45 29 103
0,24 0,39 0,37 1,00
24,24 40,40 38,37 103,00
0,94 0,52 2,29 3,75
0,1534
Tabulka 12 ukazuje, že rozdělení je v městech do 100 tisíc obyvatel a nad 100 jiné, ale phodnota je zde pouze 0,1534, tedy statisticky nevýznamná. Avšak, jak jsme se přesvědčili výše při zkoumání faktorů ovlivňující ochotu platit, že významný vliv bude mít i Praha. T ABULKA 16 13 Výdělek
ni
π0,i
π0,i ni
χ2
P-hodn.
0 1 až 5000 5000+ Celkem
32 52 31 115
0,23 0,33 0,44 1,00
26,54 38,33 50,12 115
1,12 4,88 7,29 13,29
0,0013***
Z tabulky 13 je vidět významný rozdíl Prahy oproti ostatním městům České republiky. Phodnota zde vychází 0,0013, což ukazuje na statisticky významný rozdíl. Při pohledu na hodnoty sloupce π0,i ni, je na první pohled vidět rozdíl v rozdělení, jak v první tak i poslední skupině. Můžeme tedy říci, že studenti z Prahy v uvedeném vzorku více pracují než studenti z ostatních měst. Při hledání důvodů, proč tomu tak může být, usuzuji, že pražští studenti mají jiné referenční skupiny, ke kterým se přirovnávají než mimopražští. Jelikož v Praze je rozdělení příjmů vyšší než ve zbytku republiky, tito studenti mají „bohaté“ a „ambiciózní“ více na očích a tudíž se jim budou chtít více přiblížit. Dále může hrát roli také například efekt západky.17 Pokud by tito studenti pracovali kvůli snaze dosáhnout odborné praxe, poukazovalo by to na vyšší cílevědomost lidí z měst nad 100 tisíc obyvatel, potažmo Prahy. Zajímavé by také bylo ověřit, jestli právě tito studenti jsou stresováni více konkurenceschopností a tlakem, aby byli úspěšní v kariéře a bohatší. Možným řešením tohoto „problému“ pro universitu se studenty, kteří se nevěnují studijním povinnostem na maximum, by bylo mít školní kampus mimo finanční či obchodní centrum tak, aby studenti nebyli „rušeni“ při studiu možnostmi přivýdělku a věnovali se plně jen a pouze studiu. Podobně jako je tomu u nejlepších universit na světě, např. Stanford či
15
ni je absolutní četnost ve skupině do 99,9tis obyvatel a π0,i je relativní četnost ve skupině nad 100tis obyvatel. ni je absolutní četnost ve skupině mimopražských a π0,i je relativní četnost ve skupině pražských studentů. 17 Efekt západky v tomto případě znamená, že jakmile student začne pracovat a zvykne si na peníze, těžko se mu poté na peníze odvyká. Jelikož je v Praze více pracovních příležitostí i pro mladé, je možné, že jsou studenti na příjem více „zvyklí“ a těžko či hůře se ho zříkají. 16
Cambridge a Oxford. Na druhou stranu je ale důležitá i „spolupráce vědy s praxí“, což může znamenat protichůdný efekt lokace kampusu mimo výše zmíněná centra.
4 Nekonzistentní rozhodování v čase Nekonzistentní rozhodování v čase v mém případě znamená, že student v prvním dotazníku měl záměr jít na test, ale později se rozhodl na test nejít. Jak již bylo výše řečeno, nekonzistentní studenti jsou ochotni zaplatit více za zápisky, ovšem díky velkému rozptylu není výsledek statisticky signifikantní. V následující části se pokusím ověřit hypotézu z teoretického rámce, tedy, že studenti s nekonzistentními časovými preferencemi budou pravděpodobně více kouřit a pít alkohol, protože patrně změní své dlouhodobé preference i v tomto případě, a z plánu nekouřit a nepít alkohol nastane pravý opak.
T ABULKA 18 14 Cigarety
ni
π0,i
π0,i ni
χ2
P-hodn.
0 0 až 5 5 až 20 Celkem
97 12 9 118
0,61 0,14 0,25 1,00
72,10 16,38 29,50 118,00
8,60 1,17 14,25 24,02
<0,0001***
Jak lze z tabulky 14 vidět, rozdělení je na vysoké hladině významnosti jiné a při pohledu na četnosti, je také jasně vidět, že studenti se změnou preferencí kouří více. Pro nízké π0,i ni ve skupině 11 až 20 cigaret jsem byl nucen přistoupit k připojení této skupiny ke skupině 6 až 10 cigaret. Rozdělení spotřeby alkoholu je velmi různorodé. V posledních dvou statistikách budu zkoumat, jestli jsou nekonzistentní studenti méně averzní k riziku. T ABULKA 15 Auto Nikdy Nutnost Občas Často Celkem
18
ni 19 33 43 23 118
π0,i 0,17 0,17 0,36 0,31 1,00
π0,i ni 19,66 19,66 42,61 36,05 118,00
χ2 0,02 9,05 0,00 4,72 13,80
P-hodn. 0,0032***
ni je absolutní četnost studentů s konzistentními preferencemi v čase a π0,i je relativní četnost studentů se změnou preferencí. Stejně jsou použity absolutní i relativní četnosti u tabulek 13 a 14.
T ABULKA 16 Přechod Nikdy + Slabý a přehledný Silný a přehledný Silný a nepřehledný Celkem
ni 58 58 2 118
π0,i
π0,i ni
χ2
P-hodn.
0,31 36,05 13,37 0,61 72,11 2,76 0,08 9,83 6,24 1,00 118,00 22,36 <0,0001***
Z důvodů velice nízké resp. nulové pravděpodobnosti nikdy nepřecházející přechod jsem byl nucen sloučit „nikdy nepřechází“ s „přechází za slabého a přehledného provozu“. U obou testů (tab. 15 a 16) je vidět, že rozdělení je jiné a při detailnějším pohledu nekonzistentní studenti častěji překračují rychlost a zároveň i více přecházejí silnici za silného a nepřehledného provozu. Proč jsou nekonzistentní studenti méně rizikově averzní, jistě ovlivňuje mnoho faktorů, a právě ty mohou být předmětem dalšího zkoumání v této oblasti. Možným vysvětlením je, že tito lidé v okamžiku řízení auta či přecházení silnice snáze podléhají „síle okamžiku“ a poruší své dlouhodobé preference. Tento fakt může být vztažen i na studenty, kteří plánovali ve svých dlouhodobých preferencích jít na test, ale poté podobným způsobem „podlehli“ jiným činnostem než učení (např. účast na party, věnování se partnerovi, sledování filmu či jen k nicnedělání), což je vedlo k následné změně preferencí, z důvodů nedostatečného času věnovanému učení, a testu se nezúčastnili (Frederick et al. 2002).
5 Další testy Díky rozmanitému datovému souboru by bylo možné udělat jistě mnoho dalších testů či hypotéz, představím některé z nich. Budu se tedy věnovat a poukazovat na zajímavosti, které by měli spíše inspirovat a podněcovat další výzkum v této oblasti, než detailněji popisovat a zdůvodňovat původ těchto rozhodnutí. Lidé s dlouhodobým partnerem více kouří s p-hodnotou 0,1008, možným vysvětlením je tradiční tvrzení, že kuřáci lépe navazují kontakty a seznamují se. Lidé bez dlouhodobého partnera chodí méně na přednášky s p-hodnotou 0,1084. Poslední zkoumané navazuje na myšlenky z bodu 3.4. A tedy jestli jsou obyvatelé Prahy (ne)spokojenější s příjmem, když více pracují, docházím k výsledku s p-hodnotou 0,0001, že rozdělení je jiné (tabulka 17). Z přepočtených četností, lze jasně vidět, že obyvatelé Prahy jsou s příjmem více spokojeni. Otázkou je, zdali je to díky vyššímu příjmu, což vyvracím v tabulce 18, kde dokazuji, že rozdělení podle příjmových skupin je přibližně stejné s phodnotou 0,6408.19 Možný pohled na tento „paradoxu“ nacházím v článku Wilkinson (2004). Studenti mohou být více spokojeni, protože díky práci, ve světě, kde se úspěch hodnotí 19
Jsem si vědom, že by rozdělení s více příjmovými skupinami mohlo vypadat jinak, ale p-hodnota je natolik vysoká, že jsem přesvědčen o podobném rozdělení i s více příjmovými skupinami.
zejména kariérním úspěchem a materiálními statky, jsou lépe uznáváni svými vrstevníky a mají vyšší sociální statut. Díky těmto „pracovním úspěchům“ mohou být studenti obecně šťastnější a tedy i zpětně spokojenější s rodinným příjmem nehledě na to, jaký absolutně je, více také Pickett, Wilkinson (2009). T ABULKA 20 17 Spok Spok 1 Spok 2 Spok 3 Spok 4+5
ni
π0,i
π0,i ni
χ2
P-hodn.
22 47 37 9 115
0,31 0,44 0,15 0,10 1,00
35,37 50,12 17,69 11,79 115,00
5,06 0,19 21,09 0,66 27,00
0,0001***
T ABULKA 18 Rod. Př. Rod.př. B Rod.př. C Rod.př.D Celkem
ni
π0,i
π0,i ni
χ2
P-hodn.
7 54 54 115
0,05 0,44 0,51 1,00
5,98 50,03 58,88 115,00
0,17 0,32 0,40 0,89
0,6408
6 Závěr V hlavní zkoumané oblasti ochotě platit za zápisky, docházím k závěru, že významnými faktory jsou, zda je studentka žena. U tohoto faktu by bylo jistě zajímavé provést studii věnující se prospěchu studentek i na Národohospodářské fakultě 21 a následně potvrdit či vyvrátit zahraniční studie. Dále faktor účasti na průběžném testu, u kterého by bylo zajímavé, do jaké míry vnímají studenti možnost diversifikovat riziko. Studenti s vyššími oportunitními náklady, tedy pracující, a jejich vyšší ochota platit se jeví z ekonomické teorie jak správný, ale zde by také bylo zajímavé zjistit, do jaké míry si studenti uvědomují substituci práce za účast na přednáškách a kolik z nich pracuje kvůli praxi. Z pohledu maximalizujícího prodejce studentské literatury se ženy, které jsou ochotny zaplatit více za zápisky, jeví jako vhodný cíl pro třetí cenovou diskriminaci. Avšak zde si myslím, že diskriminace není vhodná v duchu práce Fairness as a constraint Kahneman (1986), protože by studenti tímto chováním mohli autora považovat za neférového hráče a celý jeho výnos by tak byl nižší než před diskriminací. Podobně, by mohla diskriminovat i knihovna, když by zvýšila např. poplatky za rezervaci výpůjček během zkouškového, kdy si 20
Zde ni představuje absolutní četnost u mimopražských a π0,i relativní četnost u studentů z Prahy, stejně je tomu i v tabulce 16. 21 Na které se učí ve větší míře ekonomie, kterou se převážně studie s touto problematikou zabývají.
budou pravděpodobněji půjčovat a rezervovat knihy studenti, kteří odkládají vše na poslední chvíli, protože během semestru „podlehli“ činnostem, jmenovaným výše, jež nesouvisely s učením. Nicméně ani knihovna takto nediskriminuje, protože by opět mohla být viděna v očích studentů jako neférový hráč. Tato práce ve výsledku sloužila spíše k možným experimentálním a pedagogickým radám, námětům či zlepšením než k detailnímu a hlubokému zkoumání jedince. Zápisky se ukázaly více než dobrou výplatou pro agenty experimentu. Tímto by si v budoucnu například studenti doktorského studia mohli zajistit dostatečné vzorky pro svá zkoumání. Jako příklad se dá uvést vyplnění dotazníků studenty výměnou za poskytnuté slajdy příslušného cvičícího, což je čistě dobrovolná aktivita.22 Z pedagogického hlediska vyšla velmi vysoká těsnost proměnných: účast na testu a přednáškách. Proto se domnívám, že pokud si chce vyučující zajistit dostatečně velkou účast na přednáškách, měl by dát ne volitelný, nýbrž povinné průběžné testy na přednášce. Další výzkum by se mohl věnovat dále hlubší analýze faktorů ovlivňující studenty při rozhodnutí o práci, popřípadě potvrdit/vyvrátit hypotézu, že studenti z Prahy jsou šťastnější s příjmem, i když je tento příjem stejný jako u ostatních studentů. V neposlední řadě zjistit, co stojí za důvěrou studentů v zápisky z vseborec.cz, když plně tyto materiály ověřuje pouhopouhých 12,3% studentů.
Reference Broder, I., E., (1993). Professional achievements and gender differences among academic economists. Economic Inquiry volume 31: 116-127. Berbezat, D., A., (2006). Gender Differences in Research Patterns Among PhD Economists. The Journal of Economic Education, volume 37, number 3: 359-375. Český statistický úřad [online]. 2011 [cit. 2011-03-26]. Hl. m. Praha. Dostupné z WWW: . Frederick, S., Loewenstein, G. and O’Donoghue, T., (2002). Time discounting and time preference: A Critical review. Journal of Economic Literature 40(2): 351-401. Hindls, R., et al. Statistika pro ekonomy. 8. vydání. Praha: Professional Publishing, 2007. 415s. Holman, R., Mikroekonomie. Praha: C. H. Beck, 2007. 592s. Kahneman, D., Knetsch, J., Thaler, R., (1986). Fairness as a constraint on profit-seeking: Entitlements in the market. American Economic Review 74: 728-741. Pickett, K., Wilkinson R., (2009). The Spirit Level: Why Are More Equal Societies Always Stronger. Bloomsbury Press, London. Wilkinson, R., (2004). Why is violence more common where inequality is greater? Annals of New York Academic Sciences 1036: 1–12. 22
Pro zamezení vzniku sekundárního trhu ještě doporučuji hrát kooperativní hru. Tedy buď vyplní všichni a všichni dostanou slidy nebo když někdo odmítne, tak slidy nestane nikdo.
