Masarykova Univerzita Přírodovědecká fakulta
BAKALÁŘSKÁ PRÁCE Markéta Vaculíková
Minimální mzda a nezaměstnanost – empirická analýza
Vedoucí bakalářské práce: Ing. Daniel Němec, Ph.D Studijní program: Aplikovaná matematika Studijní obor: Matematika- ekonomie 2012 1
2
Zde bych ráda poděkovala Ing. Danielu Němcovi, Ph.D. Za jeho ochotu a pomoc při vypracovaní bakalářské práce. Za jeho ochotu a čas, který mi věnoval.
Prohlášení Prohlašuji, že jsem tuto bakalářskou práci vypracovala samostatně pod vedením Ing. Daniela Němce, Ph.D a uvedla jsem všechny použité literární a další zdroje. Markéta Vaculíková
V Brně dne 23.srpna 2012 3
Název práce: Nezaměstnanost a minimální mzda – empirická analýza Autor: Markéta Vaculíková Ustav matematiky a statistiky Přirodovědecke fakulty, MU Vedoucí bakalářské práce: Ing. Daniel Němec, Ph.D, Katedra ekonomie Ekonomicko- spravni fakulty
Abstrakt V první části mé bakalářské práce se zaobírám jednotlivými názory na vliv minimální mzdy na nezaměstnanost publikované v poslední době. Následující model vychází z teoretické části a zabývám se vlivem minimální mzdy na vybrané skupiny obyvatel nebo zemí. Celý tento proces je velice zajímavý z ekonometrického hlediska, protože se zabývám i mírou vlivu jednotlivých proměnných. Klíčové slova: nezaměstnanost, minimální mzda, HDP, model, Gretl, ekonometrická analýza, panelová data, zdánlivá regrese Title: MInimal wage and unemployment - an empirical investigation Author: Marketa Vaculikova Department of Mathematics and Statistics, Faculty of Science, MU Supervisor: Ing. Daniel Němec, Ph.D., Departmentof economics, Faculty of Economics and Administration
Abstrakt In the first part of my thesis I’m interested in recent theories of impact of minimum wage on unemployment published in recent years. The following model is based on theoretical part of my thesis and deals with impact of minimum wage on selected groups of people and countries. Whole this process is interesting from econometric point of view because I am interested in degree of influence of each variable. Key words: unemployment, minimum wage, GDP, model, Gretl, econometric analysis, panel data, apparent regression
4
Obsah 1.
Úvod ................................................................................................................................................ 6
2.
Základní teorie vlivu minimální mzdy a nezaměstnanosti .............................................................. 6
3.
4.
2.1.
Teorie proti minimální mzdě ................................................................................................... 6
2.2.
Teorie podporující minimální mzdu ........................................................................................ 8
Data ............................................................................................................................................... 10 3.1.
Minimální mzda ..................................................................................................................... 11
3.2.
Růst HDP ................................................................................................................................ 12
3.3.
Ochrana pracovních práv ...................................................................................................... 12
3.4.
Změna v pracovní síle ............................................................................................................ 13
Model ............................................................................................................................................ 13 4.1.
Testování proměnných .......................................................................................................... 13
4.2.
Vliv minimální mzdy na nezaměstnanost vybraných skupin obyvatel .................................. 14
4.3.
Vliv minimální mzdy na nezaměstnanost v post komunistických zemích ............................. 18
4.4.
Vliv minimální mzdy na nezaměstnanost v mimoevropských zemích .................................. 23
5.
Závěr .............................................................................................................................................. 27
6.
Seznam použitých zdrojů............................................................................................................... 29
7.
Přílohy............................................................................................................................................ 30 7.1.
Příloha 1................................................................................................................................. 30
7.2.
Příloha 2................................................................................................................................. 33
5
1. Úvod Jak minimální mzda ovlivňuje nezaměstnanost je jedním z nejdiskutovanějších témat v ekonomii, proto je také tak podrobně zkoumána a rozebírána. Důležitá otázka je zda převažují pozitivní efekty, nebo ty negativní. V mé práci se budu zajímat hlavně o to, jestli je lepší mít stanovenu minimální mzdu a tedy i vyšší výdělky pro profese nevyžadující vyšší vzdělání, nebo převažuje problém s tím, že zaměstnavatelé nemají dostatek prostředků pro zaměstnávání více lidí a tím roste nezaměstnanost a mnoho lidí se dostává na hranici chudoby. Tento problém nám tedy dává velký prostor ke studiu. Z ekonomického hlediska je zajímavé testovat, zda je lepší, aby více lidí mělo práci za nižší mzdu nebo méně lidí za mzdu vyšší.
2. Základní teorie vlivu minimální mzdy a nezaměstnanosti Minimální mzda je jeden z nástrojů, který reguluje trh práce a má za úkol chránit osoby s nižším vzděláním a provádějící práci s nízkou kvalifikací před chudobou. V průběhu výzkumu vlivu minimální mzdy a nezaměstnanosti se vyvinuly dvě základní teorie s úplně opačnými závěry. Obě mají své teorie podloženy empirickými daty a různými modely. Závislost mezi nezaměstnaností a minimální mzdou je předmětem mnoha výzkumů a odborných publikací. Zajímavé je, že daleko více se touto problematikou zabývají v USA než v Evropě, kde má minimální mzda nesrovnatelně delší tradici. V USA se tento vliv zkoumá lépe, protože je zde možnost porovnávat data se skokovým nárůstem minimální a jejím vlivem, kdežto v Evropě je tento proces pozvolnější. 2.1. Teorie proti minimální mzdě První model chápe minimální mzdu, jako destabilizační prostředek. V tomto modelu jsou základní předpoklady převzaté s dokonale konkurenčního prostředí. Mzdy jsou dokonale flexibilní a přizpůsobuji se okamžitě změnám v agregátní poptávce po práci resp. nabídce práce. Z toho vyplývá, že každý, kdo chce pracovat má tu možnost a dochází tak k takzvané plné zaměstnanosti. Dalším velmi důležitým předpokladem této teorie je homogenita pracovní síly. Tedy pracovník je okamžitě nahraditelný někým kdo má úplně stejné vzdělání zkušenosti a produktivitu práce, což je v případě reálného trhu nemožné docílit. Podle neoklasické teorie neexistuje nedobrovolná nezaměstnanost, pokud na trhu nejsou prvky, které regulují tento model. Tím prvkem je podle klasiků i minimální mzda, ale pouze za předpokladu, že je nastavena nad hranicí rovnováhy. Pro ekonomiku a její výstup to 6
má negativní vztah, protože se snižuje její potencionální produkt a její konkurenceschopnost na mezinárodním trhu. Tato teorie preferuje liberální systém tedy minimální zásahy do fungování ekonomiky. Každý zásah jen oslabuje automatické stabilizátory trhu a omezuje jeho možnost k maximalizaci potencionálního produktu. Zavedení minimální mzdy může mít sice pozitivní vliv na určitou skupinu obyvatel, ale na druhou stranu toto opatření má za následek vyšší výskyt nezaměstnanosti speciálně v rizikových skupinách, které tuto mzdu pobírají, jako jsou lidé s nižším, žádným vzděláním nebo čerství absolventi a zaměstnanci bez praxe. Paradoxně je to skupina, kterou se snaží stát zavedením minimální mzdy chránit především. Každý trh práce má svá specifika tedy tato přímá úměra neplatí vždy. Nejvíce jsou ohroženy malé ekonomiky, které jsou závislé na exportu a nemůžou si dovolit zvyšovat ceny svých statků v závislosti na zvýšení minimální mzdy, ale volí spíše propuštění části zaměstnanců. Největším problémem při zvýšení minimální mzdy je zvýšení nezaměstnanosti absolventů a osob bez praxe. Toto opatření speciálně dolehne na mladé Afroameričany, u kterých se nezaměstnanost zvýšila o více než 10% po zvýšení minimální mzdy. David Neumark [1] napsal, že zvýšení minimální mzdy o 70 centů má za následek zaniknutí přes 300,000 pracovních míst pro tuto rizikovou skupinu. S tímto problémem se setkáváme u spousty odborných článků, avšak pouze se tyto výzkumy týkaly USA. Vliv minimální mzdy a nezaměstnanosti v Evropě není tak široce prozkoumán ve smyslu této cílové skupiny. Podařilo se mi získat relevantní data a použiji je v jednom ze svých modelů. Jeden z mála článků, který se zabývá touto problematikou v Evropě konkrétně ve Velké Británii je článek Harryho Phibbse z roku 2011 [2]. Naráží na problematiku nezaměstnanosti mladých lidí a z jeho pohledu ztráta zaměstnání těchto osob má příčinu v minimální mzdě a jejím zvyšování. Považuje za značně tendenční zaměstnání osob za minimální mzdu, když díky tomu spousta jiných práci nenajde. Z jeho pohledu nejde jen o jednotlivce, ale díky této politice Velké Británie se porušuje rovnováha. Mladí lidé raději
David Neumark, THE WALL STREET JOURNAL, [online], Dostupné z WWW: http://online.wsj.com/article/SB124476823767508619.html 2 Harry Phibbs, Mail online 2011, [online], Dostupné z WWW: http://www.dailymail.co.uk/debate/article2048659/The-minimum-wage-pushing-youth-unemployment.html 1
7
budou pracovat za nižší mzdu než nemít možnost pracovat vůbec. Pokud má stát opravdu zájem o snížení nezaměstnanosti této skupiny měla by zrušit takové překážky jako je minimální mzda a nevymlouvat se na recesi. V tomto článku přichází se zajímavou myšlenkou, že krize nemusí být příčinou nezaměstnanosti, ale nezaměstnanost krize. Tedy díky zavedení minimální mzdy přijde část populace o práci. Kvůli tomu, že nedisponují žádnými finančními prostředky neutrácejí. Začne se šířit panika a omezí nákupy i zaměstnaní. Ekonomika začne stagnovat a přejde do recese. Jediná situace, kdy minimální mzda má jasný teoretický efekt je případ, když změna minimální mzdy má vliv na pracovní odvětví s nízkou produktivitou, ale ne na absolventské profese. V tomto případě je možné uvažovat o pozitivním vlivu minimální mzdy. V podstatě člověk vidí, že čím jsou vyšší opatření k ochraně pracovních míst a pracovníků, tím se stává trh práce nestabilnějším. Za prvé to vypadá, že vliv minimální mzdy na nezaměstnanost závisí na tom, jak se nastaví její hranice. Zvyšuje se zaměstnanost, pokud je její hranice nastavena relativně nízko, ale má opačný efekt pokud je hranice nastavena příliš vysoko. Za druhé odstupné a administrativní úlevy mají jiný vliv na nezaměstnanost, výjimku tvoří pouze případ, když minimální mzda má vliv na všechny obory stejnou měrou. Podle výsledků této studie může mít minimální mzda pozitivní vliv na nezaměstnanost rizikových skupin v centrální Evropě, kde je minimální mzda nastavena relativně vysoko. Ale může mít opačný vliv v ostatních zemích jako je Velká Británie nebo USA. Nelze tedy tento vliv zobecnit jednou teorií a je třeba zkoumat její důsledky v podmínkách jednotlivých zemí. [3] 2.2. Teorie podporující minimální mzdu Na opačné straně stojí názor, že minimální mzda má pozitivní, nebo minimálně neutrální vliv na nezaměstnanost. V druhém modelu se předpokládá, že přizpůsobení poptávky po práci a nabídky práce je zdlouhavé. Tedy na rozdíl od neoklasiků se počítá s určitou časovou prodlevou. Do procesu vstupují různé faktory, jako je rigidita cen a mezd a trh tedy není dokonale flexibilní tedy se nepřizpůsobuje okamžitě na změny. Existuje nedobrovolná nezaměstnanost. V tomto modelu je minimální mzda chápána jako prostředek ke snížení chudoby a zlepšení životních podmínek. Stát je chápán jako ten, který se má v této problematice Pierre Cahuc, André Zylberberg, Job Protection, Minimum Wage and Unemployment, IZA DP No. 95, DISCUSSION PAPER SERIES, Forschungsinstitut zur Zukunft der Arbeit Institute for the Study of Labor, December 1999 3
8
angažovat, protože trh není dokonalý a vznikají propastné rozdíly v přerozdělování důchodů. Dalším úkolem minimální mzdy je zajištění finančních prostředků pro pokrytí základních potřeb. Tato částka má pokrýt výdaje v takovém rozsahu, aby se příjemce minimální mzdy nenacházel pod hranicí chudoby. Minimální mzda také chrání pracovníky v sektorech, kde se neangažují odbory a mají tedy jen velmi omezené nebo žádné možnosti k vyjednávání o mzdě. Jedná se o osoby ze skupin nejvíce ohrožených chudobou. Nemůžou se bránit, a proto tuto úlohu přebírá stát. Velice záleží na velikosti minimální mzdy vzhledem k sociálním dávkám. Pokud se lidem vyplatí pracovat a i minimální mzda převyšuje tuto finanční pomoc od státu je minimální mzda chápána jako pobídka k práci a naopak zaměstnanost zvyšuje, než snižuje. Dalším argumentem je podle OECD [4], že minimální mzda nutí firmy (i zaměstnance) ke zvyšování produktivity práce prostřednictvím investic do lidského kapitálu i vyšších investic do nových technologií. Tedy firmy se snaží „zhodnotit“ své zaměstnance, aby se jim vyplatilo platit jim alespoň minimální mzdu. Minimální mzda může mít i pozitivní vliv na platy těch zaměstnanců, kteří získávali důchod na úrovni minimální mzdy a navýšit je z důvodu vyšší kvalifikace než ti, kteří měli důchod pod hranicí minimální mzdy Podle Paula Krugmana [5] za žádných okolností nemá snížení minimální mzdy pozitivní vliv na zaměstnanost. Tento svůj postoj ukazuje na příkladu, jak podle něj k takové iluzi může dojít. Existuje nějaká skupina osob pobírající nižší mzdy. Pokud pracovníci v nějaké části průmyslové výroby přijmout snížení platu, bude to vést ke snížení cen výrobku v porovnání s jinými výrobky na trhu, takže lidé nakupují více tohoto produktu a to vede k rozšíření výroby a znamená to, že na první pohled to přímo vede ke zvýšení zaměstnanosti pouze tím, že se snížila minimální mzda. Ale pokud se plat sníží ve všech průmyslových výrobách stejně tato logika již neplatí, protože se zlevní relativně všechny výstupy a lidé nemají důvod preferovat určitý statek. Tedy toto opatření vede pouze ke snížení mezd již zaměstnaným pracovníkům a snižuje jejich životní úroveň.
4
OECD, [online], Dostupné z WWW: http://www.oecd.org/els/employmentpoliciesanddata/2080222.pdf
Paul Krugman, The New York Times, [online], Dostupné z WWW: http://krugman.blogs.nytimes.com/2009/12/16/would-cutting-the-minimum-wage-raise-employment/ 5
9
Nejnovější literatura zabývající se tímto vztahem si klade otázku, pokud tedy existuje vliv minimální mzdy na nezaměstnanost, jak velká je časová prodleva mezi zavedením nebo zvýšením resp. snížením minimální mzdy a úrovní zaměstnanosti. Neumark a Wascher [6] tuto prodlevu nepovažují za nijak velkou, dokonce uvažují, že žádná prodleva nemusí nastat. Za prvé změna ve výšce minimální mzdy je ohlášena několik měsíců dopředu a zaměstnavatelé mají možnost se na tuto situaci připravit. A za druhé v profesích, kde je minimální mzda častá není pracovní síla velmi kvalifikovaná. Tedy každý nový zaměstnanec může pracovat ihned pouze se základními znalostmi a nevzniká tam časová prodleva z důvodu ne kvalifikace pracovníků. Z těchto závěrů vyplývá, že je třeba se dívat na jednotlivé souvislosti. Každá země nebo skupina zemí může na změny reagovat různě. Důvody pro tento vývoj můžou být různé. Jedná se o nastavení výšky minimální mzdy, daně, sociální dávky a samozřejmě je nutné se podívat na historický vývoj jednotlivých zemí. V post-komunistických zemích je možnost, že lidé budou reagovat na zvýšení minimální mzdy jiným způsobem, než v zemích kde se s centrálním plánováním nesetkali. Největším problémem ve zkoumání minimální mzdy a nezaměstnanosti jsou jednotlivá data a techniky zkoumání. Není jednoduché sjednotit jednotlivé ekonomiky, protože každá má svůj specifický systém sociálního zabezpečení a minimální mzda není definována stejně. Rozdíly mohou vyvolat i dodatečné neuvažované proměnné. Je možná závislost v počtu obyvatel, ekonomické situace či otevřenosti ekonomiky. [7]
3. Data Všechna data byla získána z databáze OECD [8]. Zvolila jsem roční data od roku 1990 do roku 2010. Toto rozpětí jsem zvolila z důvodu, že v tomto období jsem našla nejvíce souvislých dat. Nejsou sice úplně kompletní, ale u panelových dat není velký problém v případě, že chybí několik pozorování. Začala jsem s vybranými státy Evropy. Pochopitelně mě nejvíce zajímala Česká Republika a s ní další post-komunistické země jako Polsko, Slovensko a Maďarsko. Dále 6
David Neumark, William L Wascher. Minimum Wages.Vyd. Massachusetts Institute of Technology,
Cambridge, Massachusetts 7
OECD, [online], Dostupné z WWW: http://www.oecd.org/els/employmentpoliciesanddata/2080222.pdf
8
OECD, [online], Dostupné z WWW: http://stats.oecd.org/Index.aspx?QueryId=7219
10
jsem model rozšířila o evropské země: Rakousko, Belgie Francie, Řecko, Lucembursko, Nizozemí, Portugalsko, Španělsko a Velká Británie. Nakonec jsem ještě zahrnula 6 neevropských ekonomik, které jsou velmi specifické svým trhem práce Kanada, Chile, Japonsko, Korea, Mexiko a Nový Zéland. 3.1. Minimální mzda Minimální mzda je definována v jednotlivých státech rozdílně. Může být definována měsíčně, týdně nebo hodinově. V každém zkoumaném státě záleží na vládě jak, jsou pravidla pro výplatu minimální mzdy nastavena. Belgie, Lucembursko, Polsko, Portugalsko a Španělsko mají minimální mzdu definovanou jako měsíční. Ve všech zemích kromě Belgie její výšku určuje zákon. V Belgii je výška minimální mzdy určena vnitrostátní kolektivní smlouvou mezi jednotlivými regiony. Pro Kanadu a Mexiko je minimální mzda definovaná hodinově. Není to specifikum jen těchto zemí, na americkém kontinentě je to běžná záležitost. V Kanadě její výšku určuje zákon na federální úrovni, ale jednotlivé provincie mají možnosti úpravy. V ostatních státech je minimální mzda definována jako kombinace měsíční, týdenní, denní a hodinové. Například v Řecku je definována denním tarifem pro dělnické profese a měsíčním pro ostatní. Za určitých okolností nemusí zaměstnavatel platit stanovenou minimální mzdu. Tyto výjimky se týkají specifických skupin osob. Tyto výjimky si určuje každý stát pomocí dodatků k zákonu o minimální mzdě. V Evropských ekonomikách se jedná o učně, pracovníky ve zkušební době a dobrovolníky. Daleko propracovanější systém výjimek najdeme v Japonsku a Koreji. Jedná se také o učně a pracovníky ve zkušební době, ale mimoto se jedná o postižené, osoby pracující na zkrácený úvazek a pracovníky v podmínce. V Koreji je třeba mít alespoň 10 zaměstnanců, aby nastala nutnost vyplácet jim minimální mzdu. V několika zemích jsou zavedeny sazby krácení minimální mzdy podle věku. Tedy pokud je osoba velmi mladá nemá nárok na plnou minimální mzdu. Nejpropracovanější systém v těchto výjimkách má z mého vzorku států Belgie. Zde platí: pokud má osoba 20 let musí dostat minimálně 94% z minimální mzdy, v 19 letech 88% z minimální mzdy, v 18 letech 82% z minimální mzdy a pokud má 17 let a méně je to 70%. Podobný systém je i ve
11
Francii, Koreji, Lucembursku, Nizozemí, Novém Zélandu, Portugalsku a Španělsku. Ostatní země žádné věkové omezení k získání minimální mzdy nemají. [9] Pro jednotnost modelu jsou data, se kterými pracuji vyjádřena v dolarech za hodinu. V každé zemi je výška minimální mzdy individuální. Záleží na spoustě faktorů. Na ekonomické vyspělosti země, sociálním systému, ale i momentální politické situaci. Platí také, že provozní náklady domácností se v jednotlivých státech liší. Na první pohled se může zdát, že čím vyšší minimální mzda tím se osobám v dané zemi žije lépe, ale ne vždy je to pravidlem. Záleží na porovnání spotřebních košů. Podle několika teorií minimální mzdy má její změna větší vliv na nezaměstnanost absolventů a osob bez praxe, proto ve svém modelu zahrnu i tuto variantu. Budu zkoumat jaký vliv má minimální mzda na osoby od 16 do 24 let. Toto není jediná vybraná skupina, kterou budu zkoumat. Dále mě zaujala možnost, zda je patrný i rozdíl ve vlivu na zaměstnanost mužů a žen. Vliv minimální mzdy se může v jednotlivých typech ekonomik různit. Zavedu si několik umělých proměnných a budu se snažit porovnat míru vlivu na jednotlivé skupiny zemí. Začnu srovnáním evropských ekonomik. Zajímá mě rozdíl mezi post-komunistickými zeměmi a těmi, kde centrální plánování nebylo zavedeno. Dále zahrnu státy s amerického kontinentu a Asie. Speciálně Japonsko a Korea má úplně jinou strukturu trhu práce než evropské ekonomiky. 3.2. Růst HDP V mém modelu vystupují i další proměnné. Na nezaměstnanost má samozřejmě vliv i hospodářský cyklus a ve kterém bodě se ekonomika nachází. Je rozdíl, zda nezaměstnanost stoupá na základě zvýšení minimální mzdy, nebo protože se ekonomika momentálně nachází v recesi. Proto jsem, jako další vysvětlující proměnnou jsem zvolila růst HDP. Tato proměnná je vyjádřena v procentech. 3.3. Ochrana pracovních práv Dalším důležitým faktorem, který ovlivňuje trh práce je ochrana pracovních práv a s ní související odborové organizace. Jak velký je tento vliv ukazuje moje další proměnná ukazatel ochrany zaměstnanosti. Tento ukazatel je sestaven z 21 položek zahrnujících tři různé aspekty ochrany zaměstnanců: 9
OECD, [online], Dostupné z WWW: http://www.oecd.org/els/employmentpoliciesanddata/2080222.pdf
12
procesní nepříjemnosti, se kterými se potýkají zaměstnavatelé při zahájení procesu propouštění, například oznámení a projednávání,
výpovědní lhůta a odstupné, které se obvykle liší podle právního důvodu užívání zaměstnance
obtížnost propuštění a za jakých okolností je možné propustit pracovníky ale i dopady na zaměstnavatele v případě nekorektního jednání (jako jsou náhrady a znovupřijetí). Dodatečné náklady pro kolektivní propouštění: většina zemí ukládá dodatečný odklad,
náklady nebo oznamovací postupy, pokud zaměstnavatel propustí velké množství zaměstnanců najednou. Toto opatření zahrnuje dodatečné náklady, které jdou nad rámec individuálního propouštění. Neodráží celkovou přísnost regulace hromadného propouštění, což je součet nákladů na jednotlivé propouštění a všechny dodatečné náklady na kolektivní propouštění. Regulace smluv na dobu určitou: kvantifikuje regulaci smluv na dobu určitou a dočasných pracovních smluv s ohledem na druh práce, pro kterou jsou tyto smlouvy povoleny. Toto opatření zahrnuje i nařízení, které upravuje zřizování a provoz dočasných pracovních agentur.[10] Podrobný popis jak se hodnoty této proměnné vypočítají, se nacházejí v příloze v tabulkách 1-3. 3.4. Změna v pracovní síle Poslední proměnnou jsem zvolila změnu v pracovní síle. Je to rozdíl mezi aktuálním množstvím pracovní síly a množstvím pracovní síly v uplynulém roce. Pokud je tato změna výrazná může mít vliv na aktuální nezaměstnanost.
4. Model 4.1. Testování proměnných V případě, že pracuji s časovými řadami, je třeba se vypořádat s možnou nestacionaritou dat. Je vhodné otestovat tyto řady pomocí testů jednotkového kořene, které jsou implementovány v Gretlu. Pro panelová data použiji test Levin-Lin-Chu. Mám roční
10
OECD, [online], Dostupné z WWW: http://www.oecd.org/employment/employmentpoliciesanddata/oecdindicatorsofemploymentprotection.htm
13
data, tedy zpoždění 1 by mělo být dostačující. Provedu test variantně s konstantou i konstantou a trendem Test v případě proměnných MinMzda, Protection a ZmePracSi nezamítám nulovou hypotézu o nestacionaritě dat. P-hodnota je větší než 0,05 a tedy na hladině významnosti 5% nulovou hypotézu nezamítám a řada není stacionární. Pro proměnné NezAll1564, NezAll1524, NezWom1564, NezMen1564 a RustHDP je p – hodnota menší než 0,05 tedy nulovou hypotézu o nestacionaritě dat zamítáme. Tyto řady jsou stacionární respektive trendově stacionární. Přesné výsledky testů jsou uvedeny v příloze 2. V modelu požívám robustní (HAC) estimátor. V mých modelech ho používám, protože je rezistentní vůči Autokorelaci a Heteroskedasticitě. 4.2. Vliv minimální mzdy na nezaměstnanost vybraných skupin obyvatel V první části budu zkoumat vliv minimální mzdy a ostatních vysvětlujících proměnných na nezaměstnanost. Zabývám se vlivem na obyvatelstvo jako celek, ale i na vybrané skupiny. Nejvíce diskutovaná podmnožina jsou absolventi a osoby bez praxe. Budu zjišťovat zda se modely budou výrazně lišit. V tom to modelu používám 11 proměnných.
NezAll1564 – míra nezaměstnanosti pro všechny osoby schopné pracovat mezi 15 a 64 lety v %
NezAll1524 – míra nezaměstnanosti pro všechny osoby schopné pracovat mezi 15 a 64 lety v %
NezWom1564 – míra nezaměstnanosti pro osoby ženského pohlaví schopné pracovat mezi 15 a 64 lety v %
NezMen1564 – míra nezaměstnanosti pro osoby mužského pohlaví schopné pracovat mezi 15 a 64 lety v %
RustHDP – tempo růstu HDP
d_Protection – diference změny indexu míry ochrany pracovníků
d_ZmePracSi – diference změny pracovní síly v jednotkách
d_MinMzda – logaritmická diference minimální mzdy vyjádřena v $ za hodinu
ld_Protection – logaritmická diference změny indexu míry ochrany pracovníků
ld_ZmePracSi – logaritmická diference změny pracovní síly v jednotkách
ld_MinMzda – logaritmická diference minimální mzdy vyjádřena v $ za hodinu
14
Model 1a: Pevné efekty, za použití 183 pozorování Zahrnuto 17 průřezových jednotek Délka časové řady: minimálně 2, maximálně 19 Závisle proměnná: NezAl1564 Robustní (HAC) směrodatné chyby Koeficient Směr. chyba t-podíl 7,90381 0,180423 43,81 -0,142953 0,0614713 -2,326 -1,25876 1,45101 -0,8675 -0,546182 0,374727 -1,458 4,84690e-07 3,72393e-07 1,302
const RustHDP d_Protection d_MinMzda d_ZmenaPracSi
p-hodnota 6,13e-100 0,0211 0,3868 0,1467 0,1947
*** **
Zdroj: Vlastní
Koeficient determinace 0,786465 Adjustovaný koeficient determinace 0,763504 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(16, 186) = 42,3097 s p-hodnotou = P(F(16, 186) > 42,3097) = 3,11244e-053 Model 1b: Pevné efekty, za použití 183 pozorování Zahrnuto 17 průřezových jednotek Délka časové řady: minimálně 2, maximálně 19 Závisle proměnná: NezAll1564 Robustní (HAC) směrodatné chyby
const RustHDP ld_Protection ld_MinMzda ld_ZmenaPracSi
Koeficient Směr. chyba 6,87588 0,224209 0,0352670 0,0811910 -2,05459 0,711829 -3,17253 1,88309 0,00796644 0,0845204
t-podíl 30,67 0,4344 -2,886 -1,685 -0,09425
p-hodnota 2,27e-061 0,6647 0,0046 0,0944 0,9251
*** *** *
Zdroj: Vlastní
Koeficient determinace 0,843252 Adjustovaný koeficient determinace 0,819137 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(16, 130) = 41,4276 s p-hodnotou = P(F(16, 130) > 41,4276) = 3,90947e-043
15
Předtím, než se začnu věnovat jednotlivým užším skupinám, jsem si vytvořila základní model vlivu minimální mzdy a dalších proměnných na nezaměstnanost. Problém s nestacionaritou časových řad jsem odstranila pomocí diferencí a diferencí logaritmů jednotlivých proměnných. Heteroskedasticita a autokorelace je ošetřena pomocí Robustních směrodatných chyb (HAC). Z těchto dvou modelů má vyšší vypovídající hodnotu model 1b, protože má vyšší koeficient determinace a adjustovaný koeficient determinace. V tomto modelu zamítáme nulovou hypotézu o nevýznamnosti proměnné ochrany pracovníků na hladině významnosti 5%. Čím vyšší jsou ochranná opatření, tím je nezaměstnanost menší. Na hladině významnosti 10% zamítáme také hypotézu o nevýznamnosti vlivu minimální mzdy na nezaměstnanost. Z modelu vyplývá, že při navýšení minimální mzdy, klesne nezaměstnanost. První model se tedy staví na stranu podporující minimální mzdu. Model 2: Pevné efekty, za použití 183 pozorování Zahrnuto 17 průřezových jednotek Délka časové řady: minimálně 2, maximálně 19 Závisle proměnná: NezAll1524 Robustní (HAC) směrodatné chyby
const RustHDP ld_Protection ld_ZmenaPracSi ld_MinMzda
Koeficient 15,3380 -0,0820568 -3,82750 0,0921080 -6,58557
Směr. chyba 0,353424 0,133786 2,17386 0,147094 3,20976
t-podíl 43,40 -0,6133 -1,761 0,6262 -2,052
p-hodnota 3,23e-079 *** 0,5407 0,0806 * 0,5323 0,0422 **
Zdroj: Vlastní
Koeficient determinace 0,8808949 Adjustovaný koeficient determinace 0,871288 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(16, 130) = 69,4627 s p-hodnotou = P(F(16, 130) > 69,4627) = 1,37825e-055
Nejvíce zmiňované téma byl vliv minimální mzdy na zaměstnanost absolventů a osob bez praxe. K odstranění stacionarity jsem opět použila diference logaritmů, protože model s těmito proměnnými má lepší vypovídající hodnotu.
16
Na hladině významnosti 5% zamítáme hypotézu o nevýznamnosti vlivu minimální mzdy na nezaměstnanost absolventů a osob bez praxe. Tento vliv je stejně, jako v prvním modelu pozitivní. Z mého modelu vyplývá, že minimální mzda snižuje nezaměstnanost u této skupiny obyvatel. Na hladině významnosti 10% také zamítáme hypotézu nevýznamnosti proměnné ochrany pracovníků. Čím je ochrana pracovníků vyšší, tím je nezaměstnanost menší. Vliv ostatních proměnných se neprokázal. Model 3: Pevné efekty, za použití 183 pozorování Zahrnuto 17 průřezových jednotek Délka časové řady: minimálně 2, maximálně 19 Závisle proměnná: NezWom1564 Robustní (HAC) směrodatné chyby
const RustHDP d_Protection d_MinMzda d_ZmenaPracSi
Koeficient Směr. chyba 8,65006 0,237329 -0,0884322 0,0724673 -1,00653 1,28009 -0,648425 0,299880 2,46830e-07 7,34964e-07
t-podíl 36,45 -1,220 -0,7863 -2,162 0,3358
p-hodnota 1,25e-086 0,2239 0,4327 0,0319 0,7374
***
**
Zdroj: Vlastní
Koeficient determinace 0,852785 Adjustovaný koeficient determinace 0,836956 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(16, 186) = 66,2446 s p-hodnotou = P(F(16, 186) > 66,2446) = 7,99496e-068 V další úpravě modelu jsem zkoumala vliv vysvětlujících proměnných na nezaměstnanost žen. Ten výsledek se skoro neliší od ostatních modelů, co se týká významnosti jednotlivých proměnných. Opět je prokázán vliv minimální mzdy. V tomto modelu jsem požila diference jednotlivých proměnných, protože pak měl model lepší vypovídající schopnost
17
Model 4: Pevné efekty, za použití 183 pozorování Zahrnuto 17 průřezových jednotek Délka časové řady: minimálně 2, maximálně 19 Závisle proměnná: NezMen1564 Robustní (HAC) směrodatné chyby Koeficient const RustHDP ld_Protection ld_ZmenaPracSi ld_MinMzda
6,42643 -0,01672 -2,00542 0,0352873 -3,06444
Směr. chyba 0,213690 0,0745265 0,763940 0,0834602 2,06495
t-podíl 30,07 -0,2244 -2,625 0,4228 -1,484
p-hodnota 2,11e-060 0,8228 0,0097 0,6731 0,1402
*** ***
Zdroj: Vlastní
Koeficient determinace 0,211519 Adjustovaný koeficient determinace 0,114176 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(16, 130) = 30,4635 s p-hodnotou = P(F(16, 130) > 30,4635) = 3,0244e-036 Nejvyšší vliv na nezaměstnanost mužů ve věku 15-64 let má ochrana pracovníků. Hypotézu o nevýznamnosti této proměnné tedy na hladině významnosti 5% zamítáme ve prospěch alternativy. Minimální mzda v tomto modelu již takový vliv nemá hypotézu o nevýznamnosti vlivu minimální mzdy na nezaměstnanost mužů ve věku 15 až 64 let zamítáme na hladině významnosti 15%. Opět jsem použila diference logaritmů, protože koeficient determinace respektive adjustovaný koeficient determinace byl vyšší. Všechny tyto modely sledovaly vliv vysvětlujících proměnných na nezaměstnanost vybraných skupin osob. Ve všech modelech se ukázal, alespoň malý vliv minimální mzdy na nezaměstnanost. Ve všech modelech je tento vliv pozitivní tedy institut minimální mzdy snižuje nezaměstnanost. Prokazatelný vliv má i proměnná Protection tedy ochrana pracovníků. To se dalo očekávat.
4.3. Vliv minimální mzdy na nezaměstnanost v post komunistických zemích V další části mého modelu se zaměřím na vliv minimální mzdy a dalších vysvětlujících proměnných na jednotlivé skupiny zemí. Každá země má svá specifika a je nutné to zohlednit. Nejdříve
začnu
se
zkoumáním
vlivu 18
vysvětlujících
proměnných
v post
komunistických zemích. Znova si vytvořím modely pro všechny podskupiny osob. Proměnné jsem musela poupravit pomocí umělých proměnných, aby se zohledňovaly pouze země, které jsem zvolila.
NezAll1564PK – míra nezaměstnanosti pro všechny osoby schopné pracovat mezi 15 a 64 lety v post komunistických zemích v %
NezAll1524PK – míra nezaměstnanosti pro všechny osoby schopné pracovat mezi 15 a 64 lety v post komunistických zemích v %
NezWom1564PK – míra nezaměstnanosti pro osoby ženského pohlaví schopné pracovat mezi 15 a 64 lety v post komunistických zemích v %
NezMen1564PK – míra nezaměstnanosti pro osoby mužského pohlaví schopné pracovat mezi 15 a 64 lety v post komunistických zemích v %
RustHDPPK – tempo růstu HDP v post komunistických zemích
d_ProtectionPK – diference změny indexu míry ochrany pracovníků v post komunistických zemích
d_ZmePracSiPK – diference změny pracovní síly v jednotkách v post komunistických zemích
d_MinMzdaPK – diference minimální mzdy vyjádřena v $ za hodinu v post komunistických zemích
ld_ProtectionPK – logaritmus diference změny indexu míry ochrany pracovníků v post komunistických zemích
ld_ZmePracSiPK – logaritmus diference změny pracovní síly v jednotkách v post komunistických zemích
ld_MinMzdaPK – logaritmus diference minimální mzdy vyjádřena v $ za hodinu v post komunistických zemích Model 5a: Pevné efekty, za použití 33 pozorování Zahrnuto 4 průřezových jednotek Délka časové řady: minimálně 7, maximálně 10 Závisle proměnná: NezAll1564PK Robustní (HAC) směrodatné chyby
const d_MinMzdaPK RustHDPPK d_ZmenaPracSiPK d_ProtectionPK
Koeficient 13,3350 -12,4228 0,0145706 1,74068e-06 -0,677052
Směr. chyba 0,948725 3,34214 0,183668 8,82117e-07 4,59355 Zdroj: Vlastní
19
t-podíl 14,06 -3,717 0,07933 -1,973 -0,1474
p-hodnota 3,28e-014 *** 0,0009 0,9373 *** 0,0584 * 0,8839
Koeficient determinace 0,751358 Adjustovaný koeficient determinace 0,689197 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(3, 28) = 17,9507 s p-hodnotou = P(F(3, 28) > 17,9507) = 1,07426e-006 Model 5b: Pevné efekty, za použití 41 pozorování Zahrnuto 4 průřezových jednotek Délka časové řady: minimálně 9, maximálně 12 Závisle proměnná: NezAll1564PK
const ld_MinMzdaPK RustHDPPK ld_ZmenaPracSiP K ld_ProtectionPK
Koeficient 8,35420 -10,0108 1,23690 0,0382469 -5,53502
Směr. chyba 0,302094 6,05293 0,242064 0,722181 7,03177
t-podíl 27,65 -1,654 5,110 0,05296 -0,7871
p-hodnota 1,02e-05 *** 0,1735 0,0069 *** 0,9603 0,4752
Zdroj: Vlastní
Koeficient determinace 0,945362 Adjustovaný koeficient determinace 0,849745 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(5, 12) = 22,8721 s p-hodnotou = P(F(5, 12) > 22,8721) = 9,47023e-006 Vytvořila jsem si opět dva modely s různě transformovanými proměnnými. Požiji model 5b protože, má vyšší vypovídající hodnotu. Post komunistické země jsou specifická skupina z toho důvodu, že se zde teprve nedávno prosadilo tržní hospodářství. Z modelu je jasně vidět, že nejvyšší vliv na nezaměstnanost v post komunistických zemích má růst HDP. Tedy nulovou hypotézu o nevýznamnosti vlivu HDP na nezaměstnanost zamítáme na hladině významnosti 5%. Velice překvapující je výsledek, že s rostoucím HDP se zvyšuje nezaměstnanost. Předpokládala bych úplně opačný vliv. Vliv minimální mzdy je v tomto modelu pouze velmi malý. Nulovou hypotézu o její nevýznamnosti zamítáme až na hladině významnosti 20%.
20
Model 6: Pevné efekty, za použití 33 pozorování Zahrnuto 4 průřezových jednotek Délka časové řady: minimálně 7, maximálně 10 Závisle proměnná: NezAll1524PK Robustní (HAC) směrodatné chyby
const ld_MinMzdaPK RustHDPPK ld_ZmenaPracSiP K ld_ProtectionPK
Koeficient 18,8936 -33,9063 2,48264 0,0371475 -18,2994
Směr. chyba 0,658152 14,6071 0,561127 1,80345 17,2938
t-podíl 28,71 -2,321 4,424 0,02060 -1,058
p-hodnota 8,76e-06 *** 0,0810 * 0,0115 ** 0,9846 0,3497
Zdroj: Vlastní
Koeficient determinace 0,917724 Adjustovaný koeficient determinace 0,773742 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(3, 28) = 14,7573 s p-hodnotou = P(F(3, 28) > 14,7573) = 5,94292e-006 Opět jsem si odhadla oba modely a model s derivacemi logaritmů má vyšší vypovídající hodnotu. Opět je zde vidět vliv růstu HDP stejně jako v předchozím modelu. Nulovou hypotézu o nevýznamnosti vlivu minimální mzdy zamítáme na hladině významnosti 10%. Z modelu opět vychází vztah mezi minimální mzdou a nezaměstnaností takový že, minimální mzda má na nezaměstnanost absolventů a osob bez praxe pozitivní vliv. Zkusila jsem z modelu odstranit proměnnou ld_ZmenaPracSiPK, která se jeví jako nevýznamná. Po znovu odhadnutí modelu, ale velmi klesl koeficient determinace respektive adjustovaný koeficient determinace, proto je vhodné ji v modelu ponechat. Model 7a: Pevné efekty, za použití 33 pozorování Zahrnuto 4 průřezových jednotek Délka časové řady: minimálně 7, maximálně 10 Závisle proměnná: NezMen1564PK Robustní (HAC) směrodatné chyby
const d_MinMzdaPK RustHDPPK d_ZmenaPracSiPK d_ProtectionPK
Koeficient 12,8666 -12,5446 -0,0216151 -1,41561e-06 -1,02202
Směr. chyba 0,834735 3,35381 0,172629 9,09604e-07 5,03783 Zdroj: Vlastní
21
t-podíl 15,41 -3,740 -0,1252 -1,556 -0,2029
p-hodnota 3,30e-015 *** 0,0008 *** 0,9013 0,1309 0,8407
Koeficient determinace 0,732895 Adjustovaný koeficient determinace 0,666119 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(3, 28) = 15,7607 s p-hodnotou = P(F(3, 28) > 15,7607) = 3,39437e-006 Model 7b: Pevné efekty, za použití 41 pozorování Zahrnuto 4 průřezových jednotek Délka časové řady: minimálně 9, maximálně 12 Závisle proměnná: NezMen1564PK Robustní (HAC) směrodatné chyby Koeficient Const 12,8098 d_MinMzdaPK -12,7566 d_ZmenaPracSiPK -1,37967e-06 d_ProtectionPK -1,07364
Směr. chyba 0,514729 3,81368 8,59530e-07 4,69566
t-podíl 24,89 -3,345 -1,605 -0,2286
p-hodnota 4,07e-021 *** 0,0023 *** 0,1193 0,8207
Zdroj: Vlastní
Koeficient determinace 0,732829 Adjustovaný koeficient determinace 0,677552 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(3, 29) = 17,2922 s p-hodnotou = P(F(3, 29) > 17,2922) = 1,2493e-006 Opět je v obou modelech patrná velká závislost mezi nezaměstnaností a minimální mzdou a nezaměstnaností mužů. Se zvýšením minimální mzdy klesá nezaměstnanost. Hypotézu o nevýznamnosti vlivu minimální mzdy na nezaměstnanost mužů ve věku 15-64 let na hladině významnosti 5% zamítáme. Z prvního modelu jsem odstranila nevýznamnou proměnnou a model získal větší vypovídající hodnotu. Hypotézu o nevýznamnosti vlivu ostatních proměnných na minimální mzdu na hladině významnosti 5% nezamítáme. Model 8a: Pevné efekty, za použití 33 pozorování Zahrnuto 4 průřezových jednotek Délka časové řady: minimálně 7, maximálně 10 Závisle proměnná: NezWom1564PK Robustní (HAC) směrodatné chyby
const ld_MinMzdaPK RustHDPPK ld_ZmenaPracSiPK ld_ProtectionPK
Koeficient 8,85800 -10,5848 1,22894 0,723233 -15,7442
Směr. chyba 0,203708 3,38431 0,144109 0,632647 7,10441 Zdroj: Vlastní
22
t-podíl 43,48 -3,128 8,528 1,143 -2,216
p-hodnota 1,67e-06 0,0353 0,0010 0,3167 0,0910
*** ** *** *
Koeficient determinace 0,974975 Adjustovaný koeficient determinace 0,931182 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(5, 12) = 35,8411 s p-hodnotou = P(F(5, 12) > 35,8411) = 8,24705e-007 Na nezaměstnanost žen má vliv více faktorů. Na hladině významnosti 5% zamítáme hypotézu o nevýznamnosti vlivu minimální mzdy a růstu HDP. Na hladině významnosti 10% zamítáme hypotézu o nevýznamnosti vlivu ochrany pracovníků na minimální mzdu. Zajímavá je přímá úměra u proměnné růstu HDP. Kladný vliv růstu HDP na nezaměstnanost u postkomunistických zemí bude dán tím, že ve vzorku je i období transformace, kdy v úvodu HDP silně klesal a nezaměstnanost víceméně stagnovala a až následně docházelo ke strukturálním změnám ekonomik (změny ve struktuře průmyslu atp.), které měly za následek vzestup nezaměstnanosti. Post komunistické země jsou specifická skupina zemí, ve kterých bylo po desetiletí aplikováno plánované hospodářství. Výsledky se příliš neliší od původních modelů zahrnující všechny země. Lze tady vidět jasnou souvislost nezaměstnanosti všech skupin na minimální mzdě. Mé empirické výsledky se přiklání k teorii, že nezaměstnanost je minimální mzdou v těchto zemích ovlivněna pozitivně. Tedy institut minimální mzdy je v této skupině zemí přínosem. 4.4. Vliv minimální mzdy na nezaměstnanost v mimoevropských zemích V další části modelu se zaměřím na země, které se nacházejí mimo evropský kontinent. Je zde odlišná kultura i pracovní morálka a postupy. Je tedy možné, že závěry se budou lišit od původního modelu. Opět jsem využila umělé proměnné.
NezAll1564ME – míra nezaměstnanosti pro všechny osoby schopné pracovat mezi 15 a 64 lety v mimoevropských ekonomikách v %
NezAll1524ME – míra nezaměstnanosti pro všechny osoby schopné pracovat mezi 15 a 64 lety v mimoevropských ekonomikách v %
NezWom1564ME – míra nezaměstnanosti pro osoby ženského pohlaví schopné pracovat mezi 15 a 64 lety v mimoevropských ekonomikách v %
NezMen1564ME – míra nezaměstnanosti pro osoby mužského pohlaví schopné pracovat mezi 15 a 64 lety v mimoevropských ekonomikách v %
RustHDPME – tempo růstu HDP v mimoevropských ekonomikách 23
d_ProtectionME
–
diference
změny
indexu
míry
ochrany
pracovníků
v mimoevropských ekonomikách
d_ZmePracSiME – diference změny pracovní síly v jednotkách v mimoevropských ekonomikách
d_MinMzdaME – logaritmus diference minimální mzdy vyjádřena v $ za hodinu v mimoevropských ekonomikách
ld_ProtectionME – logaritmus diference změny indexu míry ochrany pracovníků v mimoevropských ekonomikách
ld_ZmePracSiME – logaritmus diference změny pracovní síly v jednotkách v mimoevropských ekonomikách
ld_MinMzdaME – logaritmus diference minimální mzdy vyjádřena v $ za hodinu v mimoevropských ekonomikách Model 9: Pevné efekty, za použití 69 pozorování Zahrnuto 5 průřezových jednotek Délka časové řady: minimálně 2, maximálně 18 Závisle proměnná: NezAll1564ME Robustní (HAC) směrodatné chyby
const RustHDPME ld_ProtectionME ld_ZmenaPracSiM E ld_MinMzdaME
Koeficient 5,92088 -0,108590 -0,737392 0,106175 -5,24298
Směr. chyba 0,0850289 0,0466518 1,09650 0,0845765 2,97307
t-podíl 69,63 -2,328 -0,6725 1,255 -1,763
p-hodnota 8,68e-054 *** 0,0238 ** 0,5042 0,2149 0,0836 *
Zdroj: Vlastní
Koeficient determinace 0,694557 Adjustovaný koeficient determinace 0,648452 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(4, 53) = 32,8026 s p-hodnotou = P(F(4, 53) > 32,8026) = 9,13683e-014 Na nezaměstnanost v mimoevropských zemích má dle mého modelu největší vliv růst HDP. Nulovou hypotézu o nevýznamnosti vlivu růstu HDP na nezaměstnanost zamítáme na hladině významnosti 5%. V tomto modelu je znaménko u proměnné RustHDPME záporné. Znamená to, že při růstu HDP klesá nezaměstnanost. Na hladině významnosti 10% zamítáme hypotézu o nevýznamnosti vlivu minimální mzdy na nezaměstnanost. Znaménko u této 24
proměnné představuje vztah s nepřímou úměrou. Stejně jako všechny mé předchozí modely podporuje institut minimální mzdy. V modelu jsou použity diference logaritmů, protože mají větší vypovídající schopnost. Model 10: Pevné efekty, za použití 69 pozorování Zahrnuto 5 průřezových jednotek Délka časové řady: minimálně 2, maximálně 18 Závisle proměnná: NezAll1524ME Robustní (HAC) směrodatné chyby Koeficient const 11,8222 RustHDPME -0,222368 ld_ProtectionME -0,0742939 ld_ZmenaPracSiME 0,240400 ld_MinMzdaME -7,58767
Směr. chyba 0,355384 0,134417 1,49237 0,185993 4,74817
t-podíl 33,27 -1,654 -0,04978 1,293 -1,598
p-hodnota 3,44e-037 *** 0,1040 0,9605 0,2018 0,1160
Zdroj: Vlastní
Koeficient determinace 0,735726 Adjustovaný koeficient determinace 0,695836 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(4, 53) = 32,8026 s p-hodnotou = P(F(4, 53) > 32,8026) = 9,13683e-014 Výsledek užší skupiny obyvatel tedy absolventů a osob bez praxe nemá nijak valnou vypovídající hodnotu. Na hladině významnosti 10% nezamítáme nulovou hypotézu o nevýznamnosti vlivu na minimální mzdu u všech proměnných. Tento model nepřinesl nic zajímavého. Model 11: Pevné efekty, za použití 69 pozorování Zahrnuto 5 průřezových jednotek Délka časové řady: minimálně 2, maximálně 18 Závisle proměnná: NezMen1564ME Robustní (HAC) směrodatné chyby Koeficient const 6,18189 RustHDPME -0,124659 ld_ProtectionME -0,681680 ld_ZmenaPracSiME 0,147091 ld_MinMzdaME -6,07209
Směr. chyba 0,0673114 0,0382652 1,23159 0,0852263 3,28073 Zdroj: Vlastní
25
t-podíl 91,84 -3,258 -0,5535 1,726 -1,851
p-hodnota 4,16e-060 0,0020 0,5823 0,0902 0,0698
*** *** * *
Koeficient determinace 0,662644 Adjustovaný koeficient determinace 0,611722 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(4, 53) = 21,4307 s p-hodnotou = P(F(4, 53) > 21,4307) = 1,4667e-010 V modelu, který představuje zaměstnanost mužů má nejvyšší vliv růst HDP. Se zvýšením HDP se snižuje nezaměstnanost. Nulovou hypotézu o nevýznamnosti vlivu minimální mzdy zamítáme na hladině významnosti 10% stejně jako změnu pracovní síly. Změna pracovní síly má kladné znaménko, tedy pokud do ekonomiky dodáme dalšího práceschopného muže, nezaměstnanost se zvýší. Model 12: Pevné efekty, za použití 69 pozorování Zahrnuto 5 průřezových jednotek Délka časové řady: minimálně 2, maximálně 18 Závisle proměnná: d_NezWom1564ME Robustní (HAC) směrodatné chyby Koeficient const 5,59613 RustHDPME -0,0918042 ld_ProtectionME -0,763549 ld_ZmenaPracSiME 0,0589662 ld_MinMzdaME -4,18851
Směr. chyba 0,136263 0,0609871 0,942479 0,0964380 2,63507
t-podíl 41,07 -1,505 -0,8101 0,6114 -1,590
p-hodnota 7,33e-042 *** 0,1382 0,4215 0,5435 0,1179
Zdroj: Vlastní
Koeficient determinace 0,691629 Adjustovaný koeficient determinace 0,661544 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(4, 53) = 30,4997 s p-hodnotou = P(F(4, 53) > 30,4997) = 3,48617e-013
26
Model 12b: Pevné efekty, za použití 91 pozorování Zahrnuto 6 průřezových jednotek Délka časové řady: minimálně 1, maximálně 18 Závisle proměnná: NezWom1564 Robustní (HAC) směrodatné chyby
const RustHDPME ld_ProtectionME ld_MinMzdaME
Koeficient 5,12657 0,0157294 -1,58154 -5,40466
Směr. chyba 0,171888 0,0602986 0,423761 1,86968
t-podíl 29,83 8 0,2609 -3,732 -2,891
Zdroj: Vlastní
p-hodnota 8,77e-046 *** 0,7949 0,0003 *** 0,0049 *** ***
Koeficient determinace 0,742685 Adjustovaný koeficient determinace 0,703845 Test pro různé intercepty mezi skupinami - Nulová hypotéza: Skupiny mají společný intercept Testovací statistika: F(5, 82) = 31,9184 s p-hodnotou = P(F(5, 82) > 31,9184) = 6,5001e-018 Poslední
výběrový
model
představuje
vliv
vysvětlujících
proměnných
na
nezaměstnanost žen v mimoevropských politikách. Na základě koeficientu determinace respektive adjustovaného koeficientu determinace beru v úvahu model 12b. Hypotézu o nevýznamnosti vlivu minimální mzdy a nezaměstnanost zamítáme na hladině významnosti 5%. To samé platí i pro proměnnou ochrany pracovníků. Vytvoření modelů mimoevropských politik jsem vytvořila pomocí umělých proměnných. Ve všech modelech je jasná souvislost mezi nezaměstnaností a minimální mzdou. Všechny modely mají koeficient determinace větší, než 0,6 tedy vysvětlují alespoň 60% pozorování. U všech modelů jsem použila test pro různé intercepty mezi skupinami. P-hodnota je zde menší než 0.05, takže na hladině významnosti 5% zamítám hypotézu o společné úrovňové konstantě a model pevných vlivů tak je adekvátní.
5. Závěr V mé práci jsem se primárně zabývala vlivem minimální mzdy na nezaměstnanost. Pomocí empirické analýzy jsem došla k závěru, že na nezaměstnanost celkově i vybraných skupin má vliv kombinace faktorů a minimální mzda je pouze jedním z nich. Z výsledků mých modelů musím konstatovat, že na základě dat získaných z databáze OECD jsem došla k závěru, že institut minimální mzdy působí na zaměstnanost pozitivně.
27
Minimální mzda tedy nezapříčiňuje ztrátu pracovních míst, ba právě na opak. Slouží jako ochrana osob bez vzdělání a v méně lukrativních profesích. Porovnávala jsem mezi sebou vliv na jednotlivé skupiny osob a vybrané skupiny států. Překvapující pro mě byl vliv růstu HDP v post komunistických zemích. Se zvětšujícím se růstem HDP rostla nezaměstnanost, to jsem považovala za nelogické. Po transformaci modelu se tato anomálie vysvětlila.
28
6. Seznam použitých zdrojů [1] David Neumark, William L Wascher. Minimum Wages.Vyd. Massachusetts Institute of Technology, Cambridge, Massachusetts [2] NĚMEC, Daniel. Základy ekonometrie [online]. Brno : Masarykova univerzita, ekonomicko- správní fakulta, 2010 [cit. 2011-03-25]. Dostupné z WWW:
[3] David Neumark, THE WALL STREET JOURNAL, [online], Dostupné z WWW: http://online.wsj.com/article/SB124476823767508619.html [4] Harry Phibbs, Mail online 2011, [online], Dostupné z WWW: http://www.dailymail.co.uk/debate/article2048659/The-minimum-wage-pushing-youth-unemployment.html [5] Pierre Cahuc, André Zylberberg, Job Protection, Minimum Wage and Unemployment, IZA DP No. 95, DISCUSSION PAPER SERIES, Forschungsinstitut zur Zukunft der Arbeit Institute for the Study of Labor, December 1999 [6] OECD, [online], Dostupné z WWW: http://www.oecd.org/els/employmentpoliciesanddata/2080222.pdf [7] Paul Krugman, The New York Times, [online], Dostupné z WWW: http://krugman.blogs.nytimes.com/2009/12/16/would-cutting-the-minimum-wage-raise-employment/
[8] OECD, [online], Dostupné z WWW: http://stats.oecd.org/Index.aspx?QueryId=7219 [9] OECD, [online], Dostupné z WWW: http://www.oecd.org/employment/employmentpoliciesanddata/oecdindicatorsofemploymentprotection.htm
29
7. Přílohy 7.1. Příloha 1 Tabulka 1: Individuální propouštění zaměstnanců se standartní pracovní smlouvou Původní jednotka a krátký popis
Přiřazení číselných hodnot Přiřazené hodnoty 0
1. Oznamovací postupy
1
2
3
4
5
6
Stupnice 0-3 0 - stačí ústní oznámení 1 - musí být doručeno písemné oznámení o propuštění 2 - s propuštěním musí být
Stupnice (0-3) x 2
obeznámena třetí strana (odbory) 3 – zaměstnanec nemůže být propuštěn bez schválení třetí stranou (odbory) 2. Čas, za který nabyde oznámení
Dny:
účinnost
Odhadovaný čas zahrnuje předpoklady: 6 dní se počítá v případě varování, 1 den oznámení pouze ústně
≤2
<10
<18
<26
<35
<45
≥45
nebo předáno přímo zaměstnanci, 2 dny dopis poslán poštou, 3 dny doporučený dopis. 3. Délka výpovědní doby:
4. Odstupné
9 měs. zaměstnán
měsíce
0
<0,4
<0,8
<1,2
<1,6
<2
≥2
4 roky zaměstnán
měsíce
0
<0,75
<1,25
<2
<2,5
<3,5
≥3,5
20 let zaměstnán
měsíce
<1
<2,75
<5
<7
<9
<11
≥11
9 měs. zaměstnán
měsíční platy
0
<0,5
<1
<1,75
<2,5
<3
≥3
4 roky zaměstnán
měsíční platy
0
<0,5
<1
<2
<3
<4
≥4
20 let zaměstnán
měsíční platy
0
<3
<6
<10
<12
<18
≥18
5. Definice oprávněného nebo
Stupnice 0-3
neoprávněného propuštění
0 - pracovníkovy schopnosti nebo nadbytek práce je dostatečný důvod k propuštění 1 - věk a sociální faktory rozhodují,
Stupnice (0-3) x 2
kterého zaměstnance propustit 2- rekvalifikace a přeřazení má přednost před propuštěním 3 - pracovníkovy schopnosti nemohou být důvod k propuštění 6. Délka zkušební doby
Doba, kdy zaměstnanec není plně chráněn zákonem o
≥24
>12
>9
>5
>2,5
>1,5
≤1,5
≤12
≤18
≤24
≤30
≥30
zaměstnanosti.(měsíce) 7. Odstupné
Počet vyplacených měsíčních platů
30
≤3
≤8
v případě propuštění bez zavinění 8. Možnost přezkoumání propuštění
Stupnice 0-3 0 – bez možnosti přezkoumání 1 – jen ve velmi omezených
Stupnice (0-3) x 2
případech 2 – velmi často 3 – skoro vždy 9. Maximální doba pro odvolání
Maximální doba na odvolání po
Před
vůči neplatné výpovědi
doručení výpovědi (měsíce)
výpovědí
≤1
≤3
≤6
≤9
≤12
≥12
4
5
6
Zdroj: OECD[11] Tabulka 2: Podmínky pro zaměstnance na dobu určitou Původní jednotka a krátký popis
Přiřazení číselných hodnot Přiřazené hodnoty 0
10. Použití smluv na dobu určitou
1
2
3
Stupnice 0-3 0 – v případě provozu, kde cíl je na dobu určitou (stavebnictví) 1 – zaměstnavatel rozjíždí novou výrobu, nebo zaměstnanec nastupuje
6-(Stupnice (0-3) × 2)
do zaměstnání 2 – pokud existují výjimky na obou stranách zaměstnavatelů a zaměstnanců; 3 – Nejsou žádné omezení 11. Maximální počet po sobě
Počet
Bez
jdoucích smluv na dobu určitou 12. Maximální počet měsíců na dobu
limitu Měsíce
Bez
určitou
limitu
13. Práce, kde je možné těchto smluv
Stupnice 0-4
využívat
0 – je nelegální
≥5
≥4
≥3
≥2
≥1,5
≤1,5
≥36
≥30
≥24
≥18
≥12
≤12
1- jen ve specializovaných odvětvích
6-(Stupnice (0-4) × 6/4)
2 – jen v případě objektivních důvodů 3 – povolené s výjimkami 4 – povolené 14. Omezení počtu obnovení
Ano/Ne
krátkodobých smluv
-
15. Maximální kumulovaná doba trvání smluv s agenturami na dobu
Bez
Měsíce
limitu
určitou 16. Nutnost ohlašování nebo
Stupnice 0-3
schválení dob na dobu určitou
0 – bez autorizace nebo ohlášení
-
Ne
-
Ano
-
-
≥36
≥30
≥24
≥18
≥12
≤12
1- speciální administrativní autorizace
11
OECD, [online], Dostupné z WWW: http://www.oecd.org/employment/employmentpoliciesanddata/42740190.pdf
31
Stupnice (0-3) x 2
2 – periodické ohlašování 3 – musí být ohlášeno i autorizováno 17. Je zajištěn rovnocenný přistup
Stupnice 0-2
kmenových zaměstnanců a
0 – žádný předpis pro rovné zacházení
zaměstnanců na dobu určitou?
1- rovné zacházení, pokud jde odměny
Stupnice (0-2) x 3
nebo pracovní podmínky 2 – rovné zacházení, pokud jde odměny a pracovní podmínky
Zdroj OECD[12] Tabulka 3: Hromadné propouštění Původní jednotka a krátký popis
Přiřazení číselných hodnot Přiřazené hodnoty 0
18. Definice hromadného propouštění
1
2
3
4
5
6
<90
≥90
Stupnice 0-4 0 – žádné speciální podmínky v případě hromadného propouštění 1- speciální podmínky v případě propuštění 50 a více osob 2- speciální podmínky v případě
Stupnice (0-4) x 6/4
propuštění 20 a více osob 3 – speciální podmínky v případě propuštění 10 a více osob 4 - speciální podmínky v případě propuštění 10 a méně osob 19. Dodatečné požadavky na oznámení
Stupnice 0-2 0 – žádné dodatečné požadavky 1- jeden další účastník musí být
Stupnice (0-2) x 3
obeznámen 2- dva další účastníci musí být obeznámeni 20. Dodatečné zpoždění před nabytím
Dodatečný čas k samostatným
právní moci
výpovědím (dny)
21. Další zvláštní náklady pro
Stupnice 0-2
zaměstnavatele
0 – žádné dodatečné náklady
0
<25
1- dodatečné odstupné nebo sociální zabezpečení 2- dodatečné odstupné a sociální zabezpečení
Zdroj OECD[13]
12
OECD, [online], Dostupné z WWW: http://www.oecd.org/employment/employmentpoliciesanddata/42740190.pdf 13
OECD, [online], Dostupné z WWW: http://www.oecd.org/employment/employmentpoliciesanddata/42740190.pdf
32
<30
<50
<70
Stupnice (0-2) x 3
7.2. Příloha 2 Levin-Lin-Chu pooled ADF test for MinMzda test s konstantou s použitím jedné zpožděné proměnné (1-L)MinMzda Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,26039 -8,910 -0,841628 [0,2000] Levin-Lin-Chu pooled ADF test for MinMzda s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)MinMzda Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,45644 -12,749 -0,410512 [0,3407] Levin-Lin-Chu pooled ADF test for NezAll1524 test s konstantou s použitím jedné zpožděné proměnné (1-L)NezAll1524 Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,28439 -11,644 -7,06124 [0,0000] Levin-Lin-Chu pooled ADF test for NezAll1524 s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)NezAll1524 Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,40016 -12,118 -4,73196 [0,0000] Levin-Lin-Chu pooled ADF test for NezAll1564 test s konstantou s použitím jedné zpožděné proměnné (1-L)NezAll1564 Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,24204 -11,428 -7,25611 [0,0000] Levin-Lin-Chu pooled ADF test for NezAll1564 s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)NezAll1564 Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,36159 -11,781 -4,5709 [0,0000] Levin-Lin-Chu pooled ADF test for NezMen1564 test s konstantou s použitím jedné zpožděné proměnné (1-L)NezMen1564 33
Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,25002 -11,095 -6,57998 [0,0000] Levin-Lin-Chu pooled ADF test for NezMen1564 s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)NezMen1564 Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,38451 -12,046 -4,183 [0,0000] Levin-Lin-Chu pooled ADF test for NezWom1564 test s konstantou s použitím jedné zpožděné proměnné (1-L)NezWom1564 Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,21926 -10,471 -6,30747 [0,0000] Levin-Lin-Chu pooled ADF test for NezWom1564 s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)NezWom1564 Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,33883 -11,329 -4,79256 [0,0000] Levin-Lin-Chu pooled ADF test for RustHDP test s konstantou s použitím jedné zpožděné proměnné (1-L)RustHDP Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl -0,47183 -9,713
z-score -3,87057 [0,0001]
Levin-Lin-Chu pooled ADF test for RustHDP s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)RustHDP Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,66049 -12,301 -4,20595 [0,0000] evin-Lin-Chu pooled ADF test for Protection test s konstantou s použitím jedné zpožděné proměnné (1-L)Protection Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování
34
koeficient t-podíl -0,17431 -4,389
z-score 3,54455 [0,9998]
Levin-Lin-Chu pooled ADF test for Protection s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)Protection Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl -0,47439 -8,135
z-score 4,57322 [1,0000]
Levin-Lin-Chu pooled ADF test for ZmenaPracSily test s konstantou s použitím jedné zpožděné proměnné (1-L)ZmenaPracSily Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,46091 -8,581 -0,980488 [0,1634] Levin-Lin-Chu pooled ADF test for ZmenaPracSily s konstantou a trendem s použitím jedné zpožděné proměnné (1-L)ZmenaPracSily Bartlett truncation at 8 lags N,T = (19,21), za použití 361 pozorování koeficient t-podíl z-score -0,66481 -10,971 -2,60262 [0,4622]
35