Posouzení uplatnění absolventů ekonomických fakult na trhu práce

Mendelova univerzita v Brně Provozně ekonomická fakulta

Posouzení uplatnění absolventů ekonomických fakult na trhu práce Bakalářská práce

Vedoucí práce: Ing. RNDr. Martina Zámková, Ph.D.

Brno 2014

Romana Lipárová

Poděkování Ráda bych poděkovala vedoucí své práce Ing. RNDr. Martině Zámkové, Ph.D. za její odborné vedení, cenné rady a připomínky, které mi poskytla při zpracování bakalářské práce. Dále mé poděkování patří Mgr. Veronice Blaškové, Ph.D. za odborné konzultace. A v neposlední řadě děkuji své rodině za projevenou podporu a trpělivost.

Čestné prohlášení Prohlašuji, že jsem práci: Posouzení uplatnění absolventů ekonomických fakult na trhu práce vypracoval/a samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů, a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědom/a, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 Autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity o tom, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše. V Brně dne 19. května 2014

_______________________

Abstract Lipárová, R. The Assessment Of Employment Of Economic Faculties Graduates On Labor Market. Bachelor thesis. Brno: Mendel University, 2014. This bachelor’s thesis deals with employment of economic faculties graduates. The aim of the work is to assess the employment rate of economic faculties in the Czech Republic and to consider the dependence between the number of unemployed graduates and total graduates. Using time series illustrate the number of unemployed graduates since 2006 to 2013 and provide a prediction for the next 12 months. The thesis also focuses on the employer’s key requirements and offers recommendations to graduates entering the labor market. Keywords Unemployment, labor market, graduates, employment, employers, education, time series.

Abstrakt Lipárová, R. Posouzení uplatnění absolventů ekonomických fakult na trhu práce. Bakalářská práce. Brno: Mendelova univerzita v Brně. 2014. Bakalářská práce se zabývá posouzením uplatnění absolventů ekonomických fakult na trhu práce. Cílem práce je zhodnotit míru nezaměstnanosti absolventů vysokých škol ekonomických fakult v České republice, posoudit závislost mezi počtem nezaměstnaných absolventů a celkovým počtem absolventů. Pomocí časových řad znázornit počet nezaměstnaných absolventů od roku 2006 do roku 2013 a predikovat vývoj této veličiny v následujících 12 měsících. Součástí práce je i určení hlavních požadavků zaměstnavatelů a doporučení absolventům, kteří vstupují na trh práce. Klíčová slova Nezaměstnanost, trh práce, absolventi, uplatnění, zaměstnavatelé, vzdělání, časové řady.

Obsah

5

Obsah 1

2

Úvod a cíl práce

7

1.1

Úvod .................................................................................................................. 7

1.2

Cíl práce ............................................................................................................ 8

Literární rešerše 2.1

9

Trh práce ........................................................................................................... 9

2.1.1 Segmentace trhu práce ............................................................................... 9 2.2

Nezaměstnanost ............................................................................................. 10

2.2.1 Druhy nezaměstnanosti ........................................................................... 10 2.2.2 Příčiny nezaměstnanosti .......................................................................... 11 2.2.3 Dopady nezaměstnanosti......................................................................... 12 2.2.4 Míra nezaměstnanosti .............................................................................. 12

3

2.3

Nezaměstnanost absolventů vysokých škol .............................................. 14

2.4

Uplatnění absolventů VŠ na trhu práce ..................................................... 15

2.5

Boj s nezaměstnaností ................................................................................... 17

Metodika a materiál

19

3.1

Ekonometrická data ....................................................................................... 19

3.2

Regresní analýza ............................................................................................ 19

3.2.1 Postup při regresní analýze ..................................................................... 20 3.2.2 Volba funkční formy modelu .................................................................. 21 3.2.3 Testy a kritéria ekonometrické verifikace ............................................. 21 3.3

Časové řady .................................................................................................... 22

3.3.1 Rozdělení časových řad............................................................................ 23 3.3.2 Vyrovnání časové řady matematickou křivkou ................................... 23 3.4

Požadavky zaměstnavatelů.......................................................................... 24

Obsah

4

6

Vlastní práce 4.1

25

Vstupní data ................................................................................................... 25

4.2 Srovnání míry nezaměstnanosti absolventů ekonomických fakult vysokých škol v dubnu a v září ............................................................................. 25 4.2.1 Srovnání zářijové míry nezaměstnanosti absolventů ekonomických fakult ...................................................................................................................... 26 4.2.2 Srovnání dubnové míry nezaměstnanosti absolventů ekonomických fakult ...................................................................................................................... 30 4.3

Popisné statistiky ........................................................................................... 34

4.4

Regresní analýza ............................................................................................ 35

4.4.1 Srovnání dvojité logaritmické funkční formy s lineární ..................... 39 4.5

Časové řady .................................................................................................... 41

4.5.1 Proložení časové řady matematickou křivkou ..................................... 43 4.5.2 Predikce budoucího vývoje ..................................................................... 44 4.6

Co požadují zaměstnavatelé od absolventů? ............................................ 45

4.6.1 Nabídka kurzů, seminářů, workshopů.................................................. 47 5

Diskuze a závěr

48

6

Literatura

52

6.1

Knižní zdroje .................................................................................................. 52

6.2

Internetové zdroje .......................................................................................... 53

A

Zdrojová data

59

B

Seznam zkratek

65

Úvod a cíl práce

7

1 Úvod a cíl práce 1.1

Úvod

Jistě jste si, stejně jako já, při výběru střední a zejména vysoké školy položili otázku: „Co chci v životě dělat, čeho chci dosáhnout a jaké jsou mé cíle?“ V mém případě byla odpověď jasná: „Chci dělat prostě to, co mě baví.“ Získat vzdělání na kvalitní škole, která vás vybaví teoretickými znalostmi propojenými s praxí, rozvine vaše schopnosti a dovednosti a důkladně připraví pro vstup na trh práce, je sen každého studenta. I já jsem s hlavou plnou představ, idejí a přání zahajovala své bakalářské studium. Postupem času jsem si však začala uvědomovat, že studium vysoké školy není jen o tom, co vás kdo naučí, ale velká část práce leží na vašich ramenou. Nestačí informace jen přijímat, musíte vyvinout vlastní iniciativu k jejich začlenění do každodenního života. Pokud chcete být v tom, co děláte opravdu úspěšní, musíte ukázat, co ve vás je a v čem máte navíc oproti ostatním. Brány 26 veřejných, 44 soukromých a 2 státní škol opouští ročně stovky absolventů. Fakulty a vysoké školy, které jsou zaměřeny ekonomickým směrem, chrlí velké množství „ekonomů“. V posledních letech se zvýšil počet ekonomických oborů a vzrostl počet soukromých škol. Také poptávka po ekonomech, která byla na pracovním trhu do začátku finanční krize je nyní do jisté míry nasycena, trh práce je tak zahlcen ekonomicky vzdělanými absolventy, ale kvalita jejich vzdělání se často dosti liší. Tyto nežádoucí vlivy působí na výši platů ekonomicky vzdělaných absolventů. Za poslední tři roky klesly o více než 10 % a snižuje se také odbornost a kvalifikace absolventů. I to je jeden z důvodů, proč vysokoškolsky vzdělaní absolventi pracují na pozicích, které jejich vzdělání nevyžadují. V očích veřejnosti ekonomové ztrácí svoji prestiž, sama se často setkávám s názorem, že ekonomů je prostě mnoho. V práci je srovnávána míra nezaměstnanosti absolventů ekonomicky zaměřených fakult, snažila jsem se také objasnit důvody vysoké míry nezaměstnanosti a naopak vyzdvihnout vysoké školy, u nichž absolventi nemají problém s uplatněním na trhu práce. Regresní analýza ukazuje, zda existuje závislost mezi počtem nezaměstnaných absolventů a celkovým počtem absolventů ekonomických fakult, časové řady znázorňují a predikují budoucí vývoj nezaměstnanosti všech absolventů. V závěru práce jsou uvedeny nejčastější požadavky zaměstnavatelů a pár dobře míněných rad absolventům, jak zvýšit svoji cenu a uplatnění na trhu práce.

Úvod a cíl práce

1.2

8

Cíl práce

Cílem bakalářské práce je zhodnotit míru nezaměstnanosti absolventů ekonomických fakult vysokých škol v České republice. Pomocí regresní analýzy posoudit závislost mezi počtem nezaměstnaných absolventů a celkovým počtem absolventů vysokých škol. Dále s využitím časových řad znázornit vývoj nezaměstnanosti absolventů v jednotlivých čtvrtletích let 2007 – 2013 a na základě predikce určit budoucí vývoj nezaměstnanosti absolventů vysokých škol. Cílem práce je také pomocí vlastního průzkumu trhu určit hlavní požadavky zaměstnavatelů na uchazeče z řad absolventů vysokých škol, zhodnotit možnosti sebevzdělávání absolventů pomocí nabízených kurzů, seminářů, workshopů a formulovat doporučení, která zlepší postavení absolventů na trhu práce. V teoretické části bude uvedena problematika trhu práce, jeho rozdělení, celková nezaměstnanost obyvatelstva, ukazatele používané k měření nezaměstnanosti a nezaměstnanost absolventů.

Literární rešerše

9

2 Literární rešerše 2.1

Trh práce

Trh práce je podle Buchtové (2002) jedním ze segmentů tržního hospodářství, podléhá stejným zákonitostem jako ostatní trhy, ale má také své specifické rysy, kterými se od nich liší. Mareš (2002) uvádí, že na trhu práce je práce prodávána a kupována, střetává se zde nabídka práce s poptávkou po práci. Nabídka práce je uskutečňována prostřednictvím lidí, zájemců o práci, kteří nabízí svůj pracovní potenciál. Poptávku po práci realizují firmy, domácnosti a vláda, tyto subjekty nabízejí zaměstnání. Na trhu práce se organizuje produkce a distribuce práce, formuje se směnný vztah mezi prací a mzdou. Poptávka a nabídka práce zde stojí ve vzájemné konkurenci, tím se utváří cena práce. Nabídku práce ovlivňují faktory jako rozsah populace, průměrný počet odpracovaných hodin za rok jedním pracovníkem, kvalita a kvantita nasazení, které pracovník vynakládá. Prodej a koupě pracovní síly na trhu práce je v poslední době ovšem komplikován různými osobními, kulturními a politickými faktory. Tento trh podléhá často státním regulacím a omezením. 2.1.1

Segmentace trhu práce

• Primární a sekundární trh práce Na primárním trhu jsou soustřeďovány lepší a výhodnější pracovní příležitosti s vyšší prestiží. Tak je zajištěna řada šancí, dobré možnosti profesního růstu a v neposlední řadě i příznivé pracovní podmínky. Pracovníci si zde mohou snáze zvýšit kvalifikaci, udržet si tím své pracovní místo nebo získat jistotu, že se na tomto trhu udrží i po případné ztrátě zaměstnání. Práce je zde v zásadě dobře placená, to je spojeno s nízkou fluktuací. Sekundární trh je charakteristický nižší prestiží a nižším finančním ohodnocením. Není zde mnoho pracovních příležitostí a téměř žádný karierní růst. Lidé na sekundárním trhu o práci častěji přicházejí, je zde velká fluktuace, téměř žádná možnost rozšíření kvalifikace a to je spojeno s náročným získáváním práce nové. Oba trhy jsou dosti odlišné, proto je téměř nemožné přejít ze sekundárního trhu na primární. • Formální a neformální trh práce Formálním trhem práce rozumíme trh oficiálních pracovních příležitostí, který je kontrolovaný společenskými institucemi, ty ho do značné míry re-


10

gulují. Opakem je neformální trh, který těmto regulacím nepodléhá. Odehrávají se na něm aktivity, které jsou zařazeny do šedé či dokonce černé ekonomiky (nelegální podnikání, činy kriminální povahy a často obcházení daňových a pracovních zákonů). • Externí a interní trh práce Rozlišujeme též vnější a vnitřní trh práce. Vnitřní trh práce je uvnitř jednotlivých podniků a dochází na něm k rozmisťování pracovníků pomocí různých administrativních pravidel. Na interním trhu firmy potřebují specifický charakter pracovní síly jako je znalost prostředí a pravidel, pracovní zkušenosti nebo specifická kvalifikace. Mzdy jsou zde vyšší a je omezována mobilita pracovníků. Na externím trhu je naopak mobilita žádoucí, je jednou z podmínek pohybu mezd a celkového fungování trhu, lidé zde mají nižší jistotu práce i životní průměr. Vnější trh upřednostňuje USA, vnitřní trh je typický pro Japonsko, kde je charakterizováno uznání závazků zaměstnance k firmě a naopak. V rámci Evropy je vnější trh typický pro Francii a Velkou Británii, k vnitřnímu trhu inklinuje Německo (Mareš, 2002).

2.2

Nezaměstnanost

Nezaměstnanost vždy představovala jeden z nejdiskutovanějších jevů tržního hospodářství a je společností vnímána jako významný sociální a politický problém. Za nezaměstnané lze považovat osoby, které jsou v produktivním věku a zároveň nemají placené zaměstnání ani jiný příjem a očekávají, že budou znovu zaměstnáni. Druhou podmínkou je, že hledají aktivně práci a jsou ochotni do ní nastoupit (Buchtová, 2002). 2.2.1

Druhy nezaměstnanosti

Dle Holmana (2007) rozdělujeme nezaměstnanost na: • Frikční nezaměstnanost Ta vzniká v důsledku neustálého pohybu lidí a neustálými změnami mezi jednotlivými pracovními místy. Lidé mění zaměstnání například z osobních důvodů, přestěhují se do jiného města nebo opouští zaměstnání kvůli antipatiím ke svému nadřízenému. Tato nezaměstnanost je většinou krátkodobá a nepřesahuje dva až tři měsíce. Frikční nezaměstnanost můžeme přiřadit k dobrovolné, protože lidé opouštějí zaměstnání dobrovolně kvůli tomu, aby našli lepší.


11

• Strukturální nezaměstnanost Jelikož nemá ekonomika jasně danou stálou strukturu a dochází k neustálým změnám preferencí spotřebitelů, vzniká strukturální nezaměstnanost. Některá odvětví se rozvíjí, jiná zase zanikají. Tento druh nezaměstnanosti může člověka vážněji zasáhnout. Lidé, kteří se stanou takto nezaměstnanými, mají určité dovednosti, schopnosti, kvalifikaci a také zkušenosti. Trh práce však požaduje, aby se rekvalifikovali nebo dojížděli do vzdálenějšího města. Tato nezaměstnanost by neměla být delší než jeden rok a řadíme ji také k dobrovolné nezaměstnanosti. • Cyklická nezaměstnanost Vzniká v době, kdy je ekonomika v recesi, agregátní poptávka je pod úrovní potenciálního produktu. Dochází k ní tedy v důsledku kolísání hospodářského cyklu. Je zřejmé, že firmy v recesi své zaměstnance spíše propouštějí, proto nezaměstnaným nezbývá než vyčkat na to, až dojde k oživení ekonomiky. I cyklická nezaměstnanost patří mezi nedobrovolné, nepovažujeme ji na rozdíl od předchozích dvou druhů za přirozenou nezaměstnanost. Holman (2011) také říká, že mezi další druhy nezaměstnanosti můžeme zařadit dobrovolnou a nedobrovolnou nezaměstnanosti. Dobrovolně nezaměstnaný je člověk, který se snaží najít práci, ale nabízená místa neodpovídají jeho finančním požadavkům. Tito lidé hledají práci za vyšší mzdu, než jim nabízí trh práce. Nedobrovolně nezaměstnaní naopak hledají práci za mzdu, která na trhu práce převládá, ale nemohou ji najít. Nedobrovolná nezaměstnanost má pro člověka horší jak psychické, tak existenční dopady. Nezaměstnanost lze posuzovat také podle její délky. Velmi nebezpečná je dlouhodobá nezaměstnanost, která může trvat i několik let a lidé tak mají vážné existenční problémy. Příčinou této nezaměstnanosti je často sociální politika, kterou stát vykonává. Vysoké podpory v nezaměstnanosti zapříčiňují, že lidé nemají motivaci hledat novou práci a přizpůsobovat se stále se měnícím požadavkům trhu práce. Dlouhodobá a nedobrovolná nezaměstnanost se často prolínají. 2.2.2

Příčiny nezaměstnanosti

Buchtová (2002) říká, že je jednou z příčin nedobrovolné nezaměstnanosti vyšší reálná mzdová sazba. Tato sazba je vyšší oproti rovnovážné reálné sazbě a v důsledku toho je více pracovníků, kteří chtějí pracovat než pracovních míst.


12

Ze sociologického pohledu jsou podle Nového (1997) hlavními příčinami nezaměstnanosti • technický rozvoj a automatizace1, která snižuje potřebu lidské práce, • vysoká porodnost a s ní spojený přírůstek obyvatelstva, • prodlužování pracovního dne a zvyšování práce přesčas, to snižuje počet zavedených pracovních míst, • vysoká zadluženost a likvidace drobných podnikatelů, • nízká úroveň akumulace kapitálu, • dosažený stupeň ekonomické prosperity, pro země s vyspělým hospodářstvím je typická vyšší míra zaměstnanosti žen a vyšších věkových skupin. 2.2.3

Dopady nezaměstnanosti

Podle Samuelsona (2007) je vysoká nezaměstnanost problémem dvou rovin. Prvním z nich je hospodářský dopad, který je spojen s plýtváním. Zvyšováním nezaměstnanosti ekonomika vyhazuje oknem zboží a služby, které by mohl nezaměstnaný člověk vyrobit. Hospodářské ztráty, které vznikají v době vysoké nezaměstnanosti obyvatel, představují nejvyšší ztráty v rámci ekonomiky. Druhým problémem je společenský dopad, který má nemalé následky na lidské zdraví, psychiku, sebedůvěru a důstojnost. Například dlouhotrvající nedobrovolná nezaměstnanost zapříčiňuje osobní krizi. Psychologické studie udávají, že propuštění z práce může vést ke stejnému traumatu jako smrt blízkého člověka. Na počátku pracovní kariéry absolventů vede neúspěšné hledání práce ke ztrátě motivace a sebedůvěry. Nový (1997) říká, že dlouhodobě nezaměstnaní lidé ztrácejí nejen chuť pracovat, ale po určitém čase také svou dosavadní kvalifikaci, a pokud získají nové místo, trvá jim zapracování delší dobu. Dlouhodobá nezaměstnanost je spojena také s vyšší kriminalitou. 2.2.4

Míra nezaměstnanosti

Je logické, že chceme nezaměstnanost změřit. K tomu se nejčastěji používá míra nezaměstnanosti. Tento ukazatel je podílem nezaměstnaných ke všem osobám,

Pokud se na tento bod podíváme z jiného pohledu, technický pokrok má za následek snížení nákladů, tím se sníží ceny výrobků a zvýší se poptávka po zboží a službách. To vede ke zrychlení ekonomického růstu, vytváření nových pracovních míst a v konečném důsledku snížení nezaměstnanosti.

1


13

které jsou schopny pracovat (zaměstnaným i nezaměstnaným). Konkrétněji rozlišujeme obecnou a specifickou míru nezaměstnanosti. Obecná míra nezaměstnanosti závisí například na cenách ropy, ekonomickém cyklu nebo přílivu nových pracovních sil na trh práce. Závisí tedy na faktorech, které ovlivňují celou ekonomiku. Vyjadřuje podíl počtu nezaměstnaných na celkové pracovní síle. Specifická míra nezaměstnanosti závisí na faktorech, které ovlivňují různé kategorie osob. Vhodným příkladem těchto kategorií jsou ženy, mladiství nebo určité profese. Vypočítá se jako podíl počtu určité skupiny nezaměstnaných na shodně vymezené pracovní síle (v procentech). Navzdory snaze moci srovnávat nezaměstnanost časově i prostorově v rámci jednotlivých zemí, nejsou statistiky států srovnatelné. Pro zjišťování počtu nezaměstnaných a míry nezaměstnanosti se používají dva postupy. První postup vychází z počtu žadatelů o práci registrovaných na úřadech práce, druhý z výběrových šetření, která zahrnují celou populaci státu žijící ve vlastních domácnostech (mimo osoby dlouhodobě žijící v hromadných ubytovacích zařízeních). Definice některých ukazatelů používané Českých statistickým úřadem při Výběrovém šetření pracovních sil (VŠPS) a zároveň odpovídající definicím Mezinárodní organizace (ILO) jsou následující: • Počet nezaměstnaných osob Za nezaměstnané lze považovat všechny osoby, které jsou ve věku patnáct let a více, bydlí na sledovaném území, a které v průběhu referenčního období nebyly zaměstnané, byly připraveny k nástupu do práce a v průběhu posledních 4 týdnů hledaly aktivně práci. • Ekonomicky aktivní Obyvatelé, kteří jsou zapojeni do pracovního procesu a tím získávají finanční prostředky k zajištění své existence. • Ekonomicky neaktivní Osoby, které mají patnáct a více let a ve sledovaném období nebyly klasifikovány jako osoby zaměstnané nebo nezaměstnané. • Míra dlouhodobé nezaměstnanosti Ukazatel, který vyjadřuje podíl počtu nezaměstnaných jeden rok a déle na celkové pracovní síle2. V čitateli je počet nezaměstnaných jeden rok a déle,

2

Pracovní silou v tomto textu rozumíme zaměstnané i nezaměstnané osoby.


14

ve jmenovateli pak celkový počet osob s jedním s jedním nebo hlavním zaměstnáním plus celkový počet nezaměstnaných. • Míra ekonomické aktivity Podíl pracovní síly na počtu všech osob, které jsou starší 15 let. • Podíl nezaměstnaných osob Podíl dosažitelných uchazečů o zaměstnání ve věku 15-64 let ze všech obyvatel ve stejné věkové skupině. Ukazatel nahrazuje dříve uveřejňovanou míru registrované nezaměstnanosti.

2.3

Nezaměstnanost absolventů vysokých škol

Po ukončení studií většina absolventů začíná mapovat trh práce a hledá nejvhodnější příležitosti pro uplatnění v praxi. Schopnost získat první zaměstnání a to si také udržet patří mezi nejdůležitější projevy zaměstnanosti. Ne vždy je však hledání úspěšné a nezbývá jim nic jiného než se zaevidovat na úřad práce a zařadit se tak do skupiny nezaměstnaných. Kotíková (2003) uvádí, že jsou mladí lidé často ovlivňováni negativními jevy, na které si navykli během studií. Nemají vyhraněný názor na žebříček životních hodnot, jsou zvyklí na život bez pravidelné docházky do práce, plnění povinností a jsou snadněji ovlivnitelní. Tyto jevy mohou mít v budoucnosti nežádoucí důsledky jako například snížená motivace pracovat, snížení uplatitelnosti na trhu práce nebo působení v šedé ekonomice. Má se za to, že hlavními důvody nezaměstnanosti absolventů je nesoulad mezi profesní strukturou a potřebami trhu práce. Vysokoškolské vzdělání přináší absolventům určitou výhodu na trhu práce, mají větší šanci najít zaměstnání, protože si mohou vybírat z větší nabídky práce. Bohužel mají často nereálné požadavky na své finanční ohodnocení a nedokáží správně zhodnotit svoji uplatitelnost na trhu práce, nejsou ochotni přijmout místo pod úrovní svého vzdělání nebo místo, které neodpovídá představě o výši platu (Matějů, 2010). To jsou také často důvody jejich nezaměstnanosti. Míru nezaměstnanosti absolventů je v této práci určena dle Střediska vzdělávací politiky jako podíl počtu nezaměstnaných absolventů ku rozdílu mezi celkovým počtem absolventů a počtem absolventů dále studujících na vysoké škole.


15

Nezaměstnaní absolventi představují podle Střediska vzdělávací politiky uchazeče registrované3 na úřadu práce, kteří ukončili školu maximálně před dvěma roky. O kvalifikačním nesouladu mluvíme v případě, kdy absolvent vysoké školy přijme místo na pozici, která neodpovídá jeho kvalifikaci. Kvalifikační nesoulad může mít formu „převzdělanosti“ nebo „podvzdělanosti“. Pracuje-li absolvent na pozici, která vyžaduje nižší kvalifikaci, může to znamenat, že vysoká škola neposkytla svým studentům takové vzdělání nebo dovednosti, které zaměstnavatelé požadují. Další důvod je, že na trhu práce nemusí být dostatek pozic, které vyžadují vysokoškolské vzdělání a jako poslední důvod je fakt, že absolventi nenachází zaměstnání díky nedostatkům trhu práce nebo diskriminaci (Koutný, 2011).

2.4

Uplatnění absolventů VŠ na trhu práce

Trh práce se neustále vyvíjí, je ovlivněn strukturálními a technologickými změnami, které mají rychlý spád. Každým rokem na trh práce vstupují stovky absolventů vysokých škol, jejichž prioritou je nalézt práci, která bude odpovídat jejich vystudovanému oboru a celkovým představám. Realita je ovšem trochu jiná, vysoké školy opouští stále více absolventů a kvalifikační požadavky na absolventy se také rok od roku mění. Problematikou uplatnění absolventů a postavení terciálního vzdělávání na trhu práce se dlouhodobě zabývá Středisko vzdělávací politiky Karlovy univerzity, které pracuje na řadě projektů. Jedním z nich je projekt REFLEX, jehož cílem je odpovědět na tyto otázky: • Jaké kompetence potřebují absolventi pro splnění nových požadavků na pracovním trhu? • Do jaké míry jednotlivé vysoké školy, fakulty a obory studia tyto kompetence rozvíjejí? • Jaké problémy vznikají mezi absolventy, vysokými školami, zaměstnavateli a dalšími klíčovými aktéry a jak mohou být řešeny? REFLEX 2013 navazuje na stejnojmenné projekty uskutečňované v letech 2006 a 2010, jedná se o mezinárodní projekt, kterého se účastní univerzity patnácti zemí světa, mezi nimiž je i Česká republika. Do projektu se zapojilo 35 000 abÚdaje se týkají registrované nezaměstnanosti, ta se liší od mezinárodně uznávané definice ILO, která se používá při Výběrovém šetření pracovních sil. 3


16

solventů, kteří vysokou školu studovali mezi lety 2008 – 2012. Projekt se uskutečňuje prostřednictvím národních zpráv, které analyzují faktory mezi terciálním vzděláváním a trhem práce. Dále pak kvalitativními studiemi se zástupci škol a zaměstnavateli a kvantitativním výzkumem (Středisko vzdělávací politiky, 2013). Jan Koucký, analytik a ředitel Střediska vzdělávací politiky uvádí, že lukrativnost vybraného oboru je dána různými kritérii, jako je plat, kvalifikační náročnost práce, prestiž, společenský status povolání nebo dobrý kolektiv. Například absolventi humanitních oborů mají své hodnoty nastaveny jinak než absolventi ekonomických škol, kterým jde v zaměstnání více o jejich finanční ohodnocení, kariérní růst nebo pozici ve firmě. Nejlépe se práce hledá absolventům, jejichž obor studia je úzce specializován a určen přímo k nějaké profesi, např. lékaři. Nedochází u nich na trhu práce k velkému převisu mezi nabídkou a poptávkou. Svou atraktivitu ztrácí ekonomické obory, jejich absolventům se snížili příjmy i kvalifikační náročnost práce, kterou vykonávají. Proto se stále více setkáváme s tím, že pracují na pozicích, které nevyžadují vysokoškolské vzdělání. Počty vysokoškoláků rostou, ale trh práce není schopen poskytnout dostatečné množství odpovídajících pracovních míst. V roce 2010 byly zavedeny limity počtu financovaných studentů na vysoké školy. Obr. 1 a Obr. 2 je toho živým důkazem, v roce 2006 nastupovalo po pozice určené vysokoškolákům 82 % absolventů, v roce 2013 už to bylo o 30 % absolventů méně (Daňková, 2013).

Obr. 1 Reálný nástup absolventů na jednotlivé pracovní pozice – srovnání roku 2006 a 2013 Zdroj: (Daňková, 2013)

Z průzkumu REFLEX také vyplývá, že ekonomicky vzdělaní absolventi jsou na tom nejhůře, jejich množství se v posledních letech zvýšilo nejvíce. V roce 2010


17

absolventi ekonomických fakult brali průměrně kolem 43 000 Kč hrubého, v roce 2013 hrubý plat klesl v průměru na 38 500 Kč.

Obr. 2 Výše hrubých měsíčních příjmů absolventů vysokých škol rozdělená dle oborů Zdroj: (Daňková, 2013)

2.5

Boj s nezaměstnaností

Boj s dlouhodobou nezaměstnaností stal hlavním cílem politiky zaměstnanosti vyspělých zemí. Cílem hospodářské a sociální politiky státu je dosažení plné zaměstnanosti. K základním právům občana bez ohledu na rasu, pohlaví, jazyk, národnost, sociální původ, zdravotní stav a věk je právo na zaměstnání (Ministerstvo práce a sociálních věcí, 2012). Dle Mareše (2002) patří mezi hlavní nástroje využívané k boji proti nezaměstnanosti zvyšování kvalifikace, rekvalifikace dlouhodobě nezaměstnaných a poskytování informací nezaměstnaným o situaci na trhu práce, to vede k lepší orientaci na trhu a nezaměstnaní mají tak konkurenční výhodu. Dále pak podpory firmám, které vytváří místa pro dlouhodobě nezaměstnané, poskytování finančních prostředků lidem, kteří se rozhodnou sami podnikat, zvyšování kvality výuky mladistvých. Mimo jiné podpora systémů poradenství (kluby a spolky, ve kterých si lidé sdělují své zkušenosti s hledáním práce), jejichž cílem je usnadnit nezaměstnaným hledání práce, tvorba míst a podpora tzv. práce na částečný úvazek, v neposlední řadě také možnost odchodu do předčasného důchodu.


18

Vláda se ve své politice zaměstnanosti zaměřuje i na politiku nezaměstnaných absolventů. Snaží se absolventům „ulehčit“ vstup na trh práce, kdy podporuje zaměstnavatele k tvorbě nových pracovních míst pro absolventy a uskutečňuje vzdělávací a poradenské programy pro uchazeče o zaměstnání. Soubor těchto programů je tvořen • vzdělávacími programy – cílem je si osvojit nové dovednosti, • rekvalifikačními kurzy – umožňují zvýšení stávající kvalifikace, • motivačními programy – podporují osobnostní rozvoj, • poradenskými službami – patří sem sociální, psychologické a profesní poradenství.


19

3 Metodika a materiál 3.1

Ekonometrická data

Nejen v případě regresní analýzy a časových řad je nutné klást v první řadě důraz na to, zda jsou námi zvolená data vhodná k dalšímu zpracování. Dle Huška (1999) se v ekonometrické analýze setkáváme s následujícími druhy dat: 1.

Průřezová data Představují pozorování proměnných, týkajících se jednotlivých subjektů ve stejném období. Hodnoty v souboru jsou obvykle nezávislé a není u nich důležité, jakým způsobem jsou v souboru uspořádána. Součástí průřezových dat jsou tzv. prostorové údaje, ty shrnují informace za různé regiony nebo země v daném období.

2.

Časové řady Poskytují informaci o numerických hodnotách proměnných v jednotlivých po sobě jdoucích obdobích různé délky (roky, čtvrtletí, měsíce). Dále časové řady dělíme na okamžikové (hodnoty se vztahují k určitým časovým okamžikům) a intervalové (hodnoty závisí na délce časového intervalu pozorování).

3.

Panelová data Jsou zvláštním případem ekonometrických dat, kombinují časové řady a průřezová data. Vznikají opakováním výběrového šetření s daným programem u stejného souboru respondentů v různých obdobích.

3.2

Regresní analýza

Pomocí regresní analýzy dokážeme určit, zda existuje závislost náhodné veličiny, kterou nazýváme závisle proměnná na veličině nezávisle proměnné. Zkoumáme jednostrannou závislost. Dle Hindlse (2004) sledujeme změny týkající se vysvětlovaných (závisle) proměnných vzhledem ke změnám proměnných vysvětlujících (nezávislých). Regresní funkce je vyjádřena pomocí jedné jediné regresní rovnice. Regresní model lze zapsat jako: Y = f (X ) + ε

kde je:


20

Y… závisle proměnná X… nezávisle proměnná ε… stochastický chybový člen V regresním modelu budeme pracovat s metodou nejmenších čtverců (nazývána také jako metoda OLS). Její výhodou je jednoduchost a i pro malý rozsah souboru uvádí odhady s optimálními vlastnostmi (Hušek 1999). 3.2.1

Postup při regresní analýze

Hušek (1999) uvádí následující postup při zjišťování závislosti pomocí regresní analýzy. • Specifikace ekonometrického modelu V této fázi se snažíme formulovat základní hypotézy. Může se stát, že dospějeme k více než jedné základní hypotéze a tudíž nejsme schopni s jistotou určit, která je ta správná. • Kvantifikace ekonometrického modelu Při kvantifikaci modelu odhadujeme numerické hodnoty parametrů. Samozřejmostí je vhodnost získaných dat, na jejichž základě určujeme směr a vzájemné působení proměnných, které jsou do modelu zahrnuty. • Verifikace ekonometrického modelu Verifikaci lze nazvat také jako ověření ekonometrického modelu. V této části ověřujeme, zda jsou odhadované parametry v souladu s našimi teoretickými předpoklady. Verifikace modelu se skládá ze tří částí: ekonomická, statistická a ekonometrická. Ekonomická verifikace vychází z ekonomických kritérií a omezení. Spočívá v ověřování správnosti znamének a velikosti odhadnutých parametrů. Shodují-li se s našimi očekáváními, je námi odhadovaný model adekvátní. Pomocí statistické verifikace posuzujeme, zda jsou reálné jak jednotlivě odhadnuté parametry, tak i celý ekonometrický model. Při určování statistické významnosti odhadů nám nejčastěji pomáhají t a F testy. Ekonometrickou verifikací modelu ověřujeme podmínky nutné k úspěšnému zavedení konkrétních ekonometrických metod, slouží k testování statistických testů. Do nástrojů ekonometrické verifikace patří např.: testy specifikace modelu, testy sériové korelace, testy heteroskedasticity chybového členu a v neposlední řadě test normality chybového členu.


3.2.2

21

Volba funkční formy modelu

Vhodně zvolená funkční forma modelu je nezbytná pro další práci s daty. Správným výběrem funkční formy se vyhneme problémům, které jsou spojené s výskytem specifikačních chyb. Nejčastěji typy funkčních forem jsou (Kropáč, 2004, Adamec, 2013) jsou: • Lineární

Y = β 0 + β1 X 1 + ε ,

• Kvadratická

Y = β 0 + β1 X 1 + β 2 X 12 + ε ,

• Inverzní

Y = β 0 + β1 X 1−1 + ε ,

• Logaritmicko-lineární

ln Y = β 0 + β1 X 1 + ε ,

• Lineárně-logaritmická

Y = β 0 + β1 ln X 1 + ε ,

• Dvojitá logaritmická

ln Y = β 0 + β1 ln X 1 + ε .

3.2.3

Testy a kritéria ekonometrické verifikace

Jak již bylo řečeno, součástí ekonometrické verifikace je testování statistických testů. Dle Hindlse (2004) se pojmem testování statistických hypotéz rozumí ověření správnosti nebo nesprávnosti hypotéz. Máme hypotézy dvojího charakteru. Nulová hypotéza, kterou označujeme také jako hypotézu testovanou (H0), vyjadřuje určitý předpoklad či charakteristiku, kterou jsme o testovaném souboru vyslovili, ve většině případů určuje neexistenci veličiny. Proti nulové hypotéze stojí alternativní hypotéza (H1), kterou popíráme výrok nulové hypotézy. Hypotézu H1 lez blíže definovat jako oboustrannou a jednostrannou4. Jelikož si při testování hypotéz ověřujeme náš předpoklad, může se stát, že se dopustíme chyby. V takovém případě rozlišujeme dva druhy chyb: • chyba I. druhu – zamítneme hypotézu H0 navzdory tomu, že platí, pravděpodobnost této chyby je označena jako α • chyba II. druhu – přijmeme nulovou hypotézu, ačkoliv platí hypotéza alternativní, pravděpodobnost chyby II. druhu je označena písmenem β V následujícím přehledu jsou uvedeny statistické testy a jejich popis (Kropáč 2004, Adamec, 2013): t-test – posuzujeme statistickou významnost jednotlivých regresních parametrů H0: parametr není statisticky významný H1: parametr je statisticky významný 4

Jednostrannou hypotézu určujeme pomocí levostranného nebo pravostranného testu.


22

F-test – testujeme statistickou významnost celého regresního modelu H0: model není statistický významný H1: model je statisticky významný LM test – určuje funkční formu modelu H0: funkční forma je správná H1: funkční forma není správná RESET test – testujeme správnost specifikace modelu H0: model je správně specifikován H1: model není správně specifikován Whiteův a Breusch-Paganův test – testy heteroskedasticity chybového členu H0: homoskedasticita chybového členu H1: heteroskedasticita chybového členu Chí-kvadrát test – používáme k testování normality chybového členu H0: chybový člen má normální rozdělení H1: chybový člen nemá normální rozdělení

3.3

Časové řady

Srovnáváme-li různé ekonomické agregáty, obvykle tak činíme pomocí časových řad. Giovannini (2010) říká, že časovou řadu proto můžeme chápat jako posloupnost číselných hodnot, které jsou uspořádány v čase. Tyto hodnoty musí mít konečný počet pozorování a jsou získány za určitý čas. Časová řada je tvořena následujícími složkami: • Trendová složka (Tt) – vyjadřuje obecný základní vývoj časové řady, k modelování trendu využíváme matematických křivek, • Sezónní složka (St) – opakující se kolísání v časové řadě, k tomuto kolísání dochází v průběhu kalendářního roku, vliv na sezónní složku mají klimatické podmínky nebo kulturní faktory, • Cyklická složka (Ct) – na rozdíl od sezónní složky je kolísání okolo trendu delší než jeden kalendářní rok, cyklická složka se projevuje v dlouhodobém vývoji a je zapříčiněna například ekonomickými faktory (hospodářský cyklus), • Náhodná složka (ut) – je způsobena náhodnými vlivy, ty mohou být způsobeny cyklickými a sezónními změnami. Aditivní model má tvar rovnice


23

Yt = Tt + Ct + S t + ut , multiplikovaná forma je následující

Yt = Tt ⋅ Ct ⋅ S t ⋅ ut . 3.3.1

Rozdělení časových řad

Hindls (2004) rozděluje časové řady podle několika hledisek. První hledisko zahrnuje časové řady intervalové a okamžikové. Velikost intervalové řady je závislá na celé délce sledovaného intervalu, intervaly musí být stejně dlouhé. Typickým příkladem jsou krátkodobé časové řady, kdy nemůžeme srovnávat například různě dlouhé měsíce. Pro srovnání různě dlouhých období je nutné časovou řadu upravit, tuto úpravu nazýváme očišťování od kalendářních variací. Okamžikové časové řady se vztahují k danému okamžiku, často k jednomu dni. Příkladem může být stav zásob ve skladu k poslednímu dni roku. Typicky se okamžikové časové řady počítají pomocí chronologického průměru. O krátkodobých časových řadách mluvíme v případě, kdy je rozpětí časové řady (perioda) kratší jak jeden rok, periody jsou často čtvrtletní, měsíční nebo týdenní. V opačném případě, je-li perioda roční či dokonce delší, mluvíme o dlouhodobých časových řadách. Dalším hlediskem je sledovaný ukazatel, ten rozděluje řady na řady primárních a sekundárních ukazatelů. Primární ukazatelé vznikli původním měřením a jsou zjišťováni přímo. Sekundární ukazatelé jsou vypočítáni využitím jiných časových řad. 3.3.2

Vyrovnání časové řady matematickou křivkou

Stejně jako v případě regresní analýzy i při konstrukci časových řad používáme k odhadu parametrů trendových funkcí metodu nejmenších čtverců. Přehled vybraných trendových funkcí je následující (Hindls 2004): • Lineární trend

Tt = β 0 + β1t ,

• Parabolický trend

Tt = β 0 + β1t + β 2 t 2 ,

• Exponenciální trend

Tt = β 0 β 1t ,

• Modifikovaný exp. trend

Tt = ξ + β 0 β1t ,

• Gompertzova křivka

Tt = ξβ 0β1 . t


24

Trendovou funkci volíme na základě analýzy časové řady, kterou máme k dispozici. Pokud pracujeme s časovou řadou či daty z minulosti, vhodný model trendu vybíráme podle tzv. interpolačních kritérií. Naopak pomocí extrapolačních kritérií se snažíme zkonstruovat časovou řadu budoucího vývoje. Při konstrukci ekonomických časových řad často narážíme na jejich specifické problémy, jedním z nich je nelinearita časových řad. Tento pojem je velmi rozsáhlý, nelinearita se vyznačuje strukturními zlomy nebo změnami průběhu časové řady. Dalším problémem je podmíněná heteroskedasticita. Tento jev nastává v případě, kdy se střídají období s vysokou a nízkou variabilitou časových řad, je tomu tak zejména u finančních časových řad (Artl, 2007).

3.4

Požadavky zaměstnavatelů

Při zpracování nejčastějších požadavků zaměstnavatelů na absolventy jsem vycházela z vlastního průzkumu trhu. Snažila jsem se identifikovat požadavky, které jsou pro zaměstnavatele klíčové a v pracovních inzerátech se objevovaly nejčastěji. Průzkum trhu byl uskutečňován procházením pracovních inzerátů uveřejněných na webových serverech, které se primárně zabývají zprostředkováním práce. Dále jsem získávala informace z tisku, zejména z novin a také jsem oslovila několik zaměstnavatelů, kteří mi své hlavní požadavky ochotně sdělili. Na průzkum prováděný prostřednictvím internetu jsem se zaměřila proto, že se zde nachází největší množství nabízených pracovních pozic. Pro zaměstnavatele je to jednoduchý a rychlý způsob, jak zveřejnit pracovní pozici. Poslední zdroj, se kterým jsem pracovala, byla publikaci vydávaná Národním ústavem pro vzdělání, která mapuje potřeby zaměstnavatelů a připravenost absolventů škol.

Vlastní práce

25

4 Vlastní práce 4.1

Vstupní data

V regresní analýze jsou použita data o počtu nezaměstnaných absolventů a celkovém počtu absolventů za období září roku 2011. Tato data se řadí mezi sekundární, protože jsou získána z databáze Střediska vzdělávací politiky Pedagogické fakulty Univerzity Karlovy, která dlouhodobě shromažďuje a zveřejňuje údaje o nezaměstnanosti absolventů VŠ a jejich fakult. Celkově je do regresní analýzy zahrnuto 45 ekonomických fakult (po vyloučení nulových hodnot) veřejných i soukromých vysokých škol. Data jsou vztažena ke všem VŠ v rámci celé České republiky. V kapitole časových řad budeme pracovat se souborem dat, popisující nezaměstnanost podle úrovně vzdělání a věku v jednotlivých čtvrtletích let 2006 – 2013. Konkrétně jsou data vztažena k nezaměstnaným vysokoškolákům ve věkové skupině 25 – 29 let. Při výběru této věkové skupiny jsem brala v potaz fakt, že ne všichni absolventi ukončují vysokoškolské studium standardně po pěti letech, např. z důvodu prodloužení studia. Data jsou získána z údajů Českého statistického úřadu.

4.2

Srovnání míry nezaměstnanosti absolventů ekonomických fakult vysokých škol v dubnu a v září

Pomocí následujících grafů lze názorně porovnat míru nezaměstnanosti absolventů ekonomických fakult na území celé České republiky. K dispozici jsem měla data o míře nezaměstnanosti absolventů ekonomických fakult (veřejných, soukromých a státních vysokých škol) od roku 2002 do roku 2012, avšak rozhodla jsem se pro výběr pouze určitých let. V případě, že se jedná o neuniverzitní vysoké školy (z velké části jsou to soukromé vysoké školy), nejsou v textu uvedeny názvy fakult, ale názvy vysokých škol. Do výčtu nejsou zahrnuty fakulty a vysoké školy, u kterých nebyly v daných letech známy požadované údaje o míře nezaměstnanosti absolventů. V kapitole se zaměřuji nejprve na srovnání míry nezaměstnanosti absolventů v jednotlivých letech v září a poté v dubnu, právě v těchto měsících dochází ke sběru dat o absolventech.

Vlastní práce

4.2.1

26

Srovnání zářijové míry nezaměstnanosti absolventů ekonomických fakult

V září roku 2003 obsadila nechtěné „prvenství“ Ekonomická fakulta Vysoké školy báňské – Technické univerzity v Ostravě (EFVŠBTU), s mírou nezaměstnanosti absolventů 37,84 %. Tato fakulta, má více jak pětatřicetiletou tradici a uchazeči o studium si v současné době mohou vybrat z několika akreditovaných bakalářských, magisterských a doktorských studijních programů (VŠBTU, 2014).

SČVI

UNYP

VŠKV

VŠH

PEFMENDELU

PEFČZU

FMVŠE

NHVŠE

FISVŠE

FPVŠE

FMVŠE

FFVŠE

FAMUTB

FAMEUTB

EFVŠBTU

FPVUT

FEUPA

EFTUL

FEZČU

OPFSU

FIMUHK

ESFMU

40 35 30 25 20 15 10 5 0 FSEUJEP

míra nezaměstnanosti v %

Míra nezaměstnanosti absolventů v roce 2003

název vysoké školy

Obr. 3 Přehled míry nezaměstnaných absolventů ekonomických fakult v září 2003 Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

V roce 2005 se pomyslné prvenství přesunulo na jednu ze soukromých vysokých škol, Vysokou školu Karla Engliše (VŠKE). Jak vyplývá z výroční zprávy Akreditační komise5 (Lachman, 2004), VŠKE se potýkala s vážnými nedostatky při uskutečňování akreditovaného studijního programu Ekonomika a management. Proto AK navrhla od akademického roku 2004/2005 omezení akreditace. Zdůvodnění, na jejímž základě AK takto rozhodla je následující: „VŠKE v důsledku finanční krize neplní podmínky spojené s akreditací jejího studijního programu. Nesplňuje ani minimální standardy vzhledem k tomu, že nemá pedagogické pracovníky v hlavním pracovním poměru. V důsledku toho nemůže VŠKE plnit pod5

Dále jen AK.

Vlastní práce

27

mínky akreditace ani v oblasti publikační, tvůrčí a odborné činnosti. Finanční omezení vytvářejí i významné překážky rozvoji materiálních podmínek studia, což se zatím projevilo zejména v podobě naprosto nedostatečných knihovních fondu.“ (Lachman, 2004) Navzdory tomuto problému VŠKE získala v dalších letech akreditace pro své studijní programy a v září roku 2011 byla míra nezaměstnanosti jejich absolventů 5,41 %. Míra nezaměstnanosti absolventů v roce 2005 míra nezaměstnanosti v %

35 30 25 20 15 10 5 FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU BIVŠ VŠH VŠFS VŠKV ŠAVŠ UNYP VŠEKS VŠO VŠKE

0



Obchodně podnikatelská fakulta v Karviné (OPFSU) se potýkala s problémem vysoké nezaměstnanosti absolventů nejen v roce 2003, ale i v letech následujících. Zejména pak v roce 2007 a 2009 jsou míry nezaměstnanosti 26,97 % a 34,84 %. V roce 2009 vzrostl počet nezaměstnaných absolventů na Obchodně podnikatelské fakultě oproti roku 2007 o 7,87 %. Tento nárůst je pravděpodobně zapříčiněn hospodářskou krizí, která postihla jak světovou, tak i českou ekonomiku. Za příčinu celosvětové krize se má Americká hypoteční krize z roku 2007. Poznamenáno bylo hlavně odvětví průmyslu, kde došlo k výraznému poklesu zakázek. Dopady krize se v Česku projevily hromadným propouštěním v průmyslovém odvětví a celkovým snížením poptávky na trhu práce. To se samozřejmě dotklo nejen žadatelů o zaměstnání z řad absolventů VŠ, ale veškerého ekonomicky aktivního obyvatelstva.

Vlastní práce

28

Míra nezaměstnanosti absolventů v roce 2007 míra nezaměstnanosti v %

30 25 20 15 10 5 EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU BIVŠ VŠH VŠFS VŠKV ŠAVŠ UNYP VŠMVV SČVI VŠERS NC VŠEKS VŠO VŠKE UO

0


Obr. 5 Přehled míry nezaměstnaných absolventů ekonomických fakult v září 2007 Zdroj: (Středisko vzdělávací politiky 2013), vlastní zpracování

40 35 30 25 20 15 10 5 0 EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU VŠPJ BIVŠ VŠH VŠFS VŠKV ŠAVŠ UNYP VŠMIE VŠMVV SČVI VŠERS NC VŠEKS VŠO VŠKE SVŠE MVSO UO





Za povšimnutí stojí, že EFVŠBTU i OPFSU se nacházejí v Moravskoslezském kraji, tudíž lze jejich neblahé výsledky přisuzovat také geografickému hledisku.

Vlastní práce

29

Moravskoslezský kraj se dlouhodobě potýká s problémem nezaměstnanosti a obsazuje přední místa statistik (Český statistický úřad, 2014). Ráda bych upozornila na rok 2011, kde mě překvapila nečekaně vysoká míra nezaměstnanosti absolventů, která dosahovala 58,33 %. Jedná se o Fakultu regionálního rozvoje a mezinárodních studií Mendelovy univerzity (FRRMS). FRRMS je pátou fakultou Mendelovy univerzity, ta poskytuje svým studentům kvalitní vzdělání a její absolventi mají na trhu práce široké uplatnění ve veřejné správně, státních a finančních institucích a v soukromém sektoru jako manažeři. Provozně ekonomická fakulta Mendelovy univerzity se dokonce v letech 2010, 2011 a 2014 stala 3. nejlepší ekonomickou fakultou v České republice (Provozně ekonomická fakulta, 2014). Předpokládám, že důvodem vysoké míry nezaměstnanosti absolventů FRRMS bylo její nedávné zřízení. Fakulta vznikla v roce 2008 a zpočátku bylo možné studovat pouze v bakalářských studijních programech, možnost navazujícího magisterského studia nabízí od akademického roku 2011/2012.

70 60 50 40 30 20 10 0 EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU FRRMSMENDELU VŠPJ VŠTE BIVŠ VŠH VŠFS VŠKV ŠAVŠ VŠEM UNYP VŠMIE VŠMVV SČVI VŠERS RVŠ VŠRR NC BIBS VŠCRH VŠEKS VŠO VŠKE SVŠE MVSO





Za zmínku stojí také ekonomické fakulty vysokých škol, o jejichž absolventy mají zaměstnavatelé na trhu práce největší zájem. Nejnižší míru nezaměstnanosti měla v září roku 2003 Fakulta informatiky a statistiky Vysoké školy ekonomické, ta činila 5 %. Dle mého názoru je v době vyspělých a neustále se rozvíjejících technologií obor informatiky velmi žádán studenty

Vlastní práce

30

i zaměstnavateli. Vysoká škola ekonomická je mimo jiné známá vysokou kvalitou vzdělání studentů. V letech 2005, 2007 a 2009 byla míra nezaměstnanosti u Soukromé vysoké školy ekonomických studií a Bankovního institutu pod hranicí 2 % a v roce 2011 byla zaznamenána nejmenší míra nezaměstnanosti u Vysoké školy ekonomie a managementu. Všechny výše uvedené VŠ se nacházejí v Praze a kromě Fakulty informatiky a statistiky se jedná o soukromé vysoké školy. Lze tedy usuzovat, že zaměstnavatelé nedávají výrazně přednost absolventům veřejných vysokých škol. 4.2.2

Srovnání dubnové míry nezaměstnanosti absolventů ekonomických fakult

Druhým měsícem sběru dat je duben, proto se nyní budeme zabývat srovnáním míry nezaměstnanosti absolventů ekonomických fakult právě v tomto období. Na první pohled je zřejmé, že se od sebe ve srovnávaných měsících výrazněji liší jak minimální tak maximální míry nezaměstnanosti. V roce 2003 je s nejvyšší mírou nezaměstnanosti a hodnotou 17,28 % Podnikatelská fakulta VUT v Brně.

VŠO

VŠH

PEFMENDELU

PEFČZU

FMVŠE

NHVŠE

FISVŠE

FPVŠE

FMVŠE

FFVŠE

FAMUTB

FAMEUTB

EFVŠBTU

FPVUT

FEUPA

EFTUL

FEZČU

OPFSU

FIMUHK

ESFMU

20 18 16 14 12 10 8 6 4 2 0 FSEUJEP




Obr. 8 Přehled míry nezaměstnaných absolventů ekonomických fakult v dubnu 2003 Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

Přesuneme-li se k roku 2004, upoutá naši pozornost soukromá vysoká škola ŠKODA AUTO s hodnotou 44,74 %.

Vlastní práce

31

Škola byla založena v roce 2000 a je to první firemní vysoká škola v České republice. V současné době nabízí jeden akreditovaný program na bakalářském a navazujícím magisterském stupni studia (Škoda Auto Vysoká škola, 2013). Jedná se o specifickou školu odlišující se od ostatních ekonomických škol svojí strukturou výuky zaměřenou zejména na praktické dovednosti a zkušenosti v oblasti automobilového průmyslu. Očekává se, že absolventi své první zaměstnání naleznou právě ve společnosti ŠKODA AUTO, popřípadě u některých z dodavatelů této firmy. Vyšší míra nezaměstnanosti absolventů je podle mě dána úzkou specializací VŠ.

50 45 40 35 30 25 20 15 10 5 0 FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU VŠH VŠFS VŠKV ŠAVŠ UNYP SČVI VŠEKS





Míry nezaměstnanosti v dubnu roku 2006 byly nekonstantní a na pomyslném vrcholu se umístily dvě soukromé vysoké školy. První z nich je Vysoká škola obchodní (VŠO) v Praze s 21,34 % a za ní s 19,51 % Vysoká škola Karla Engliše (VŠKE). Obě jmenované školy jsou neuniverzitního typu, nedělí se proto na fakulty tak, jak to známe u většiny veřejných škol. VŠO nabízí zájemcům o studium, kteří již absolvovali vyšší odbornou školu, možnost ve zkrácené době jednoho roku absolvovat jeden z nabízených bakalářských programů, výstupem je titul Bc. (Vysoká škola obchodní, 2014). Jak bylo uvedeno výše, VŠKE se v roce 2005 potýkala s vážnými nedostatky, na které poukázala Akreditační komise. Tento problém se pravděpodobně odrazil na míře nezaměstnanosti absolventů i v roce 2006.

Vlastní práce

32

Míra nezaměstnanosti absolventů v roce 2006 míra nezaměstnanosti v %

25 20 15 10 5

FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU BIVŠ VŠH VŠFS VŠKV ŠAVŠ VŠMIE SČVI VŠO VŠKE UO

0


Obr. 10 Přehled míry nezaměstnaných absolventů ekonomických fakult v dubnu 2006 Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování Míra nezaměstnanosti absolventů v roce 2009 míra nezaměstnanosti v %

40 35 30 25 20 15 10 5

EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU VŠPJ BIVŠ VŠH VŠFS VŠKV ŠAVŠ UNYP VŠMVV SČVI VŠERS VŠEKS VŠO VŠKE MVSO UO

0



Zmínila jsem se o tom, že vysoké školy neuniverzitního typy jsou zejména soukromé. Toto tvrzení však neplatí v případě dvou veřejných vysokých škol.

Vlastní práce

33

První z nich je Vysoká škola polytechnická v Jihlavě, která se v roce 2004 stala první veřejnou vysokou školou tohoto typu. Roku 2009, v době kdy její brány opustili první absolventi, dosáhla míra nezaměstnanosti 35,85 %. Druhou ze zmiňovaných škol je Vysoká škola technická a ekonomická v Českých Budějovicích, která vznikla jako neuniverzitní veřejná VŠ v roce 2006 a míra nezaměstnanosti se u ní v dubnu roku 2012 vyšplhala ke 22,95 %. Poměrně vysoké nezaměstnanosti mohly být dány nejen obavami zaměstnavatelů, že vzdělání absolventů z nově založených škol nebude na úrovni, kterou očekávají a požadují, ale případně také profesní orientací absolventů. V obou školách se při výuce klade důraz hlavně na praxi a uplatitelnost znalostí před teoretizováním. To může být pro absolventy takto specializovaných škol pozitivum i negativum, vždy rozhodují preference zaměstnavatele. Míra nezaměstnanosti absolvnetů v roce 2012 míra nezaměstnanosti v %

25 20 15 10 5

EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU FRRMSMENDELU VŠPJ VŠTE BIVŠ VŠH VŠFS VŠKV ŠAVŠ VŠP VŠEM VŠMIE SČVI VŠERS RVŠ VŠRR NC BIBS VŠCRH VŠO STING MUP VŠKE SVŠE MVSO UO

0



I z dubnových statistik bych ráda vyzdvihla školy, které si vedly nejlépe, a nezaměstnanost jejich absolventů byla nejnižší. Objevila se zde jedna ze dvou státních vysokých škol, Univerzita obrany a její Fakulta ekonomiky a managementu. Navzdory tomu, že univerzita vznikla v roce 2004, těší se velké oblibě studentů. Vychovává vysokoškolsky vzdělané odborníky, důstojníky armády, kteří mohou působit na manažerských a ekonomických funkcích (Univerzita obrany, 2013). V tomto případě nelze nic namítnout proti úzké specializaci absolventů, ta je naopak vyžadována.

Vlastní práce

34

V roce 2009 a 2012 při hledání práce uspěli nejlépe absolventi soukromých vysokých škol. Stejně jako v září, tak i v dubnu 2009 měl nejmenší míru nezaměstnanosti absolventů Bankovní institut v Praze a v roce 2012 byla nejmenší míra u absolventů Akademie STING v Brně. Ani jedna z uvedených škol nepřekročila hranici 0,7 %. Dobré výsledky Akademie STING mohou být dány využitím praktických dovedností, které studenti získávají během studia. Škola spolupracuje s Obchodní a hospodářskou komorou, Finančním ředitelstvím nebo Komorou daňových poradců v Brně (Akademie STING, 2009).

4.3 Tab. 1

Popisné statistiky Popisné statistiky

Průměr Medián Variační rozpětí Minimum Maximum Směrodatná odchylka Variační koeficient

Počet nezam. absolventů

Počet absolventů

36 23 215 01 216 45 01,20

539 432 2908 019 2927 539 000,90

Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

Jelikož jsou některé hodnoty uvedeny v desetinných číslech a mluvíme o počtu osob, jsou následující údaje zaokrouhleny na celá čísla směrem nahoru. Průměrný počet nezaměstnaných absolventů byl v září roku 2011 37 a průměrný počet všech absolventů pak 539, jedná se o prosté průměry. Při výpočtu mediánu, je výhodou (na rozdíl od průměru), že není ovlivněn extrémními hodnotami. Medián počtu nezaměstnaných absolventů ekonomických fakult je 23 a u celkového počtu absolventů je 432. Z toho plyne, že většina ekonomických fakult a VŠ má počet nezaměstnaných absolventů a celkový počet absolventů nižší než je průměr. U variačního rozpětí je v obou případech velkých rozdíl mezi největším a nejmenším počtem nezaměstnaných absolventů, s hodnotou 215 osob. U počtu absolventů je to pak 2 908 osob. Nejvíce nezaměstnaných absolventů, 216 osob, má Ekonomická fakulta Vysoké školy Báňské – Technické univerzity v Ostravě. Nejvyšší počet absolventů v září 2011 má naopak Provozně ekonomická fakulta České zemědělské univerzity v Praze, 2 927 absolventů.

Vlastní práce

35

Variační koeficient počtu nezaměstnaných absolventů je 1, 2411, směrodatná odchylka se tedy na aritmetickém průměru podílí 124,1 %. U celkového počtu absolventů je hodnota 0, 999 a podíl směrodatné odchylky na aritmetickém průměru je 99,9 %.

4.4

Regresní analýza

Mezi první kroky regresní analýzy patří formulace hypotéz, odhad numerických hodnot parametrů, zvolení vhodné funkční formy modelu a v neposlední řadě ověření hypotéz statistickými testy. Pomocí těchto výpočtů zkoumáme závislost mezi počtem nezaměstnaných absolventů a celkovým počtem absolventů ekonomických fakult VŠ. Výpočty provádíme pomocí metody nejmenších čtverců, zvaná také jako metoda OLS. Y…. počet nezaměstnaných absolventů X…. počet absolventů 250

počet nezaměstnaných absolventů

200

150

100

50

0 0

500

1000

1500

2000

2500

3000

počet absolventů

Obr. 13 Bodový diagram počtu nezaměstnaných absolventů a počtu absolventů Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

V praxi se často setkáváme s případy, kdy mezi daty na první pohled nelze s jistotou určit správná funkční forma. Pro lepší vizualizaci a určení vhodné

Vlastní práce

36

funkční formy slouží bodový diagram počtu nezaměstnaných absolventů a počtu absolventů. Z Obr. 13 je zřejmé, že body mají rostoucí tendenci, avšak neodpovídají přímce, navíc jsou jasně vidět extrémní hodnoty. Můžeme také vysledovat, že s rostoucím počtem absolventů roste i počet nezaměstnaných absolventů, tato tendence však není udržitelná do nekonečna, protože vysoké školy mají omezené kapacity a jsou limitovány Ministerstvem školství. Usuzuji, že vhodná funkční forma je dvojitá logaritmická (double-log forma). Tato forma má v obecném tvaru podobu =

+

+ .

Pomocí metody OLS jsme získali odhady koeficientů double-log modelu, tyto odhady doplňují hodnoty směrodatných chyb, t-statistik a p-hodnot. Očekávané znaménko modelu je kladné β1 > 0 a rozsah zkoumaného souboru je n = 45. = −3,887 + 1,152 Tab. 2

Odhady koeficientů

Koeficient β0 β1

Odhad -3,887 1,152

Směr. chyba

T-statistika

0,665 0,112

-5,840 10,25

P-hodnota 6,26 e-07 4,08 e-013


Jelikož má odhadnutý parametr β1 kladnou hodnotu, potvrdilo se počáteční očekávání. Double-log model lze interpretovat jako přírůstek proměnné Y připadající na přírůstek proměnné X. Zvýší-li se tedy počet absolventů vysokých škol o jedno procento, očekáváme zvýšení počtu nezaměstnaných absolventů o 1,152 procenta. Na základě hodnot t-statistik můžeme také vyslovit závěr, že jsou jednotlivé koeficienty β0 a β1 na 5% hladině významnosti statisticky průkazné. Kritický kvantil pro oboustrannou hypotézu H1 má hodnotu t 0,975 (43) = 2,016, tudíž platí následující vztahy |5,845| > 2,016, |10,25| > 2,016. Zároveň lze potvrdit vztah

Vlastní práce

37

105,02 >

,

1; 43" = 4,08,

zamítám nulovou hypotézu a nevýznamnosti modelu, model je statisticky průkazný. Všechny dosud provedené testy vyšly ve prospěch dvojitého logaritmického modelu, přesto si adekvátnost mého úsudku ověříme v Tab. 3. Jsou zde srovnávána kritéria ostatních funkčních forem. Jedná se o koeficient determinace, adjustovaný koeficient determinace, p-hodnotu a Akaikeho informační kritérium. Tab. 3

Zvolení vhodné funkční formy

Funkční forma lineární Koef. determinace Adj. koef. determinace P-hodnota (F) AIC kritérium

0,5512 0,5407 5,29e-9 437,4242

kvadratická 0,5912 0,5717 6,93e-9 435,2208

log.-lin. 0,4588 0,4463 3,21e-7 136,0551

dvojitá log. 0,7094 0,7027 4,08e-13 108,0645


Je vhodné podotknout, že pokud se snažíme najít co nejkvalitnější model, není na místě použít ke srovnání double-log modelu (na levé straně rovnice se objevuje u proměnné Y logaritmus) s modelem lineárním (logaritmus u proměnné Y není) běžný ani adjustovaný koeficient determinace R2. Je nutné vypočítat tzv. kvazi koeficient determinace, jehož hodnota je

R 2 kvazi = 0,7274. Odhadnutý dvojitý logaritmický model nyní vysvětluje 72,74 % proměnlivosti pozorovaných dat6. Porovnáme-li nyní kvazi koeficient determinace s běžnými koeficienty determinace ostatních funkčních forem, je hodnota pro dvojitý logaritmický model nejvyšší a to nás utvrzuje ve správnosti zvolené funkční formy modelu.

6

Původní hodnota nepřepočítaného koeficientu determinace byla 0,7027, tedy 70,27 %.

Vlastní práce

38 6

Y = -3,89 + 1,15X

počet nezaměstnaných absolventů

5

4

3

2

1

0

-1 3

4

5

6

7

8

počet absolventů

Obr. 14 Graf dvojité logaritmické funkční formy Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

Testy využívané k ekonomické verifikaci modelu jsou uvedeny v Tab. 4. Tab. 4

Testování předpokladů regresního modelu

Test

P-hodnota

H0

RESET test

0,2240

nezamítám

LM test čtverce

0,7921

nezamítám

LM test logaritmu

0,5173

nezamítám

Whiteův test

0,2343

nezamítám

Breusch-Pag. test

0,1254

nezamítám

Chí-kvadrát test

0,3708

nezamítám


Závěr model je správně specifikován zvolená funkční forma je správná zvolená funkční forma je správná heteroskedasticita se nevyskytuje heteroskedasticita se nevyskytuje chybový člen má normální rozdělení

Vlastní práce

39

Z výsledků testovaného regresního modelu vyplývá, že dvojitý logaritmický model je na 5% hladině významnosti správně specifikován. Potvrzují to phodnoty RESET testu, LM testu čtverce a logaritmu, které jsou ve všech případech větší než hraniční hodnota 0,05. K testování heteroskedasticity chybového členu byl využit Whiteův a Breusch-Paganův test. V obou případech se na 5% hladině významnosti prokázalo, že chybový člen není zasažen heteroskedasticitou (má konstantní rozptyl). V neposlední řadě bylo také otestováno pomocí Chí-kvadrát testu normální rozdělení chybového členu. Hodnota 0,3707 nás utvrzuje v tom, že nezamítáme nulovou hypotézu a chybový člen má normální rozdělení. Protože vyšly všechny testy ve prospěch odhadnutého regresního modelu a nebyl porušen žádný klasický předpoklad, můžeme říci, že jsou OLS odhady parametrů BUE7. Na Obr. 15 je znázorněno rozdělení reziduí Chí-kvadrát testu.

Obr. 15 Rozdělení chybového členu Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

4.4.1

Srovnání dvojité logaritmické funkční formy s lineární

V předcházející kapitole jsem se zabývala regresní analýzou, kde byl věnován velký prostor výběru správné funkční formy. V praxi se často setkáváme s případy, kdy mezi daty není žádná závislost nebo kdy na první pohled není zřejmé, o jakou funkční formu se jedná. Velký podíl na tom má výběr dat. 7

BUE je nejlepší nestranný odhad parametru ze všech možných odhadů (Adamec, 2013, s. 108)

Vlastní práce

40

Na Obr. 13, v kapitole Regresní analýza, je v bodovém diagramu vykreslen počet absolventů a počet nezaměstnaných absolventů ekonomických fakult VŠ. Na první pohled jsou zde zřejmé extrémní hodnoty, které mohou model jistým způsobem ovlivnit. Právě proto jsem se zaměřila na srovnání double-log modelu s modelem lineárním, kde beru v úvahu vyřazení těchto extrémních hodnot. Pro srovnání následujících dvou modelů je opět nutné pro double-log model vypočítat kvazi koeficient determinace, jeho hodnota je

R 2 kvazi = 0,8144.

Tab. 5

Srovnání lineární a dvojité logaritmické funkční formy

Funkční forma Koef. determinace

lineární 0,6779

dvojitá logaritmická 0,6840

Adj. koef. determinace P-hodnota (F) AIC kritérium

0,6701 1,22e-11 360,7049

0,6763 8,20e-12 102,4889


Navzdory tomu, že se zdají být modely podobné, srovnání kvazi koeficientu double-log modelu s obyčejným koeficientem determinace nás opět přesvědčilo o tom, že nelze porovnávat pouze obyčejné koeficienty determinace. Odhadnutý lineární model vysvětluje 67,79 % a dvojitý logaritmický 81,44 % proměnlivosti pozorovaných dat. Po vyřazení extrémních hodnot se také zvýšil kvazi koeficient determinace double-log funkce z 0,7274 na 0,8144, tato změna celému modelu prospěla. Pro lepší přehlednost je v Tab. 6 uvedeno srovnání těchto dvou funkčních forem pomocí statistických testů.

Vlastní práce Tab. 6

41

Testování předpokladů lineárního a dvojitého logaritmického modelu

dvojitá logaritmická funkční forma

lineární funkční forma

Test

P-hodnota

H0

RESET test

0,1590

nezamítám

LM test čtverce

0,1612

nezamítám

LM test logaritmu

0,0748

nezamítám

Whiteův test

0,0034

zamítám

Breusch-Pag. test

0,0824

nezamítám

Chí-kvadrát test

0,6738

nezamítám

RESET test

0,192

nezamítám

LM test čtverce

0,8805

nezamítám

LM test logaritmu

0,7774

nezamítám

Whiteův test

0,1308

nezamítám

Breusch-Pag. test

0,0782

nezamítám

Chí-kvadrát test

0,3559

nezamítám

Závěr model je správně specifikován zvolená funkční forma je správná zvolená funkční forma je správná heteroskedasticita se vyskytuje heteroskedasticita se nevyskytuje chybový člen má normální rozdělení model je správně specifikován model je správně specifikován model je správně specifikován heteroskedasticita se nevyskytuje heteroskedasticita se nevyskytuje chybový člen má normální rozdělení


4.5

Časové řady

V kapitole časových řad se zabývám jejich analýzou a predikuji budoucí vývoj nezaměstnaných absolventů vysokých škol. Pro analýzu je nutné mít vhodná data. Obecně platí, že čím jsou kratší intervaly mezi jednotlivými pozorováními (čtvrtletní, měsíční, týdenní…), tím se zvyšuje věrohodnost a přesnost konečných výsledků a můžeme také lépe rozpoznat změny ve vývoji časové řady.

Vlastní práce

42 16000

14000

počet nezaměstnaných absolventů Vš

12000

10000

8000

6000

4000

2000

0 2007

2008

2009

2010

2011

2012

2013

Obr. 16 Vývoj počtu nezaměstnaných absolventů VŠ v jednotlivých čtvrtletích Zdroj: (Český statistický úřad, 2013), vlastní zpracování

Na Obr. 16 je znázorněn průběh nezaměstnanosti absolventů vysokých škol v jednotlivých čtvrtletích, který je reprezentován trendem. Tento vývoj je poměrně zajímavý díky své členité struktuře. Počet nezaměstnaných absolventů má kolísavou tendenci a trend v průběhu let roste. Ve 4. čtvrtletí roku 2006 byl počet nezaměstnaných absolventů VŠ 2 900. Poté následoval pokles v prvním a druhém čtvrtletí roku 2007, kde jsou hodnoty historicky nejnižší a počet absolventů byl 1 500 a 1 800. Výraznější nárůst je vidět ve třetím čtvrtletí 2007, kde je počet nezaměstnaných absolventů 4 900, poté se hodnoty snižují a opětovný nárůst je ve třetím čtvrtletí 2008. Skokový vzrůst lze pozorovat ve třetím a čtvrtém čtvrtletí roku 2009 a v první čtvrtletí roku 2010, kde jsou počty nezaměstnaných absolventů vysokých škol 11 400, 10 500 a 11 300. Oproti předcházejícím čtvrtletí je to rozdíl více jak 6 300 nezaměstnaných absolventů. Tak vysokou nezaměstnanost lze přisuzovat stupňující se hospodářské krizi, která v roce 2009 zasáhla českou ekonomiku a ovlivnila nejen trh práce. Po tomto vzrůstu následoval ve druhém čtvrtletí 2010 pokles počtu nezaměstnaných absolventů po dobu dvou let, tedy do roku 2012, hodnoty kolísaly v rozmezí 7 000 - 9 700 absolventů. Další velmi výrazný a doposud největší výkyv je ve třetím čtvrtletí roku 2012, počet nezaměstnaných absolventů VŠ je 15 900. Česká republika se

Vlastní práce

43

v tomto období nacházela v recesi a na vysoké míře nezaměstnanosti se v závěru roku mohly podílet také sezonní vlivy, které zapříčiňují propouštění pracovníků v oblasti stavebnictví a zemědělství. Dle mého názoru se tyto důvody odrazily i na vysoké nezaměstnanosti absolventů VŠ. 4.5.1

Proložení časové řady matematickou křivkou

Trendová analýza nám umožňuje proložit graf vhodnou matematickou křivkou. Při využití analytického přístupu stanovení trendu vycházíme ze známých trendových funkcí. Po zhlédnutí grafu se jako nejlepší možný trend jeví kvadratický, ten vzniká rozšířením lineárního trendu o kvadratický člen. Na Obr. 17 je proložena časová řada nezaměstnaných absolventů VŠ zvoleným trendem. 16000

Y = 1,35e+003 + 666,t - 12,3t^2

14000


12000

10000

8000

6000

4000

2000

0 2007

2008

2009

2010

2011

2012

2013

Obr. 17 Graf znázorňující proložení časové řady parabolou Zdroj: (Český statistický úřad, 2013), vlastní zpracování

Abychom se přesvědčili o pravdivosti tvrzení, srovnáme koeficient determinace lineárního (přímky) a kvadratického (paraboly) modelu. Koeficient determinace lineárního trendu je 0,7510, u kvadratického (paraboly) trendu je roven hodnotě 0,7962. Adekvátnost volby trendu se potvrdila. Kvadratický model reprezentovaný parabolou vystihuje zkoumaná data z 79,62 %, to je o 4,5 % lépe než model lineární. Výsledná rovnice kvadratické funkce má tvar

Vlastní práce

44

# = 1350 + 666 − 12,3 $ . Po proložení časové řady parabolou vidíme, že trend počtu nezaměstnaných absolventů od roku 2007 rostl, ale v určitém okamžiku se zpomalila rychlost růstu křivky. Jako vysvětlení považuji fakt, že se vysoké školy snažily zvýšit zájem studentů o studium a nabíraly nové studenty. Kapacity vysokých škol jsou ovšem omezené a navíc Ministerstvo školství zavedlo limity počtu přijímaných studentů, kteří jsou zahrnuti do financování. Ministerstvo školství (2012) se pro akademický rok 2012/2013 s veřejnými vysokými školami dokonce dohodlo na snížení celkového limitu počtu studentů o 5 % a počtu studentů přijímaných do prvních ročníků o 10 %. 4.5.2

Predikce budoucího vývoje

Predikce nebo také prognózy jsou důležitou součástí ekonometrického modelování. Pomocí prognóz se snažíme na základě již dříve získaných informací odhadnout budoucí vývoj námi zvolené veličiny. 18000

poc__nezam__abs předpověď 95 procentní interval

16000


14000

12000

10000

8000

6000

4000

2000 2010,5

2011

2011,5

2012

2012,5

2013

2013,5

2014

2014,5

Obr. 18 Graf znázorňující predikci budoucího vývoje nezaměstnaných absolventů VŠ v období jednoho roku Zdroj: (Český statistický úřad, 2013), vlastní zpracování

Na Obr. 18 je viditelná predikce budoucího vývoje nezaměstnaných absolventů vysokých škol ve čtyřech následujících čtvrtletích. Období jednoho roku je zvo-

Vlastní práce

45

leno proto, že nezaměstnanost je veličina, která se nedá díky své podstatě odhadovat několik let dopředu. Patrná je také sezónnost, která se trochu liší od té klasické. Absolventi vysokých škol si často nechávají po absolvování určitý čas na hledání práce, chtějí si užít posledních prázdnin, a proto své snahy najít práci přesouvají na měsíce srpen a září. I z tohoto důvodu je 3. čtvrtletí dle výpočtů OLS to nejdůležitější. Zaměstnavatelům lze doporučit, aby s náborem nových pracovníků vyčkali do zmiňovaného 3. čtvrtletí, kdy je na trhu práce nejvíce nezaměstnaných absolventů a tudíž mají větší možnost výběru.

4.6

Co požadují zaměstnavatelé od absolventů?

V práci jsem se zabývala uplatněním absolventů vysokých škol, potažmo ekonomických oborů na trhu práce. Bylo řečeno, že počty absolventů, kteří opouštějí vysoké školy rostou a na trhu práce je mezi nimi velká konkurence. Jaké jsou hlavní požadavky zaměstnavatelů na uchazeče (absolventa) o zaměstnání? Na tuto otázku jsem se snažila odpovědět zmapováním hlavních požadavků zaměstnavatelů pomocí pracovních inzerátů uveřejněných v tisku a na různých internetových portálech. Mezi nejčastější požadavky patří: • Odbornost Ta stála v popředí téměř všech pracovních nabídek, zaměstnavatelé požadují, aby uchazeč znal problematiku vystudovaného oboru a s přehledem se v něm orientoval. Velký důraz na to byl kladem hlavně u technických, vědeckých profesí a IT (analytici v oblasti biochemie, procesní a strojní inženýři, konstruktéři, IT specialisti). • Jazyková vybavenost Znalost cizích jazyků je v dnešní době velice důležitá. Řada firem funguje na mezinárodní úrovni, a pokud chce uchazeč v takové firmě uspět je nezbytností, aby uměl alespoň jeden světový jazyk. V některých pracovních nabídkách se objevovaly požadavky přímo na jazykové certifikáty typu FCE, ale většinou byla požadována pouze aktivní znalost jazyka. Tu si lze ověřit při přijímacím pohovoru. Řada inzerátů byla v cizím jazyce (nejčastěji v anglickém) již uveřejňována. Tím dávají zaměstnavatelé najevo, že znalost daného jazyku je pro ně prioritou. Z mého šetření vyplývá, že mají zaměstnavatelé zájem především o angličtinu, němčinu a v několika inzerátech požadovali také ruštinu nebo francouzštinu. Cizí jazyk je ve velké míře uplatňován u vedoucích pracovníků, manažerů, obchodníků a IT specialistů.

Vlastní práce

46

• Komunikační dovednosti Do této skupiny je zahrnuta schopnost absolventa diskutovat, vysvětlovat, argumentovat, vhodně interpretovat a prezentovat své názory, poznatky a vypracované materiály. Nejvíce se tato dovednost objevovala na obchodních a manažerských pozicích. • Týmová spolupráce a samostatnost Na první pohled dvě protichůdné věci, zaměstnavatelé ale kladli důraz na schopnost pracovníků umět pracovat v týmu. Chtějí, aby na sebe jednotlivci uměli převzít odpovědnost při rozdělování úkolů v týmu, aby sledovali pokrok jako tým, podíleli se na společných cílech, ale zároveň aby byli schopni pracovat a řešit jednotlivé úkoly samostatně. • Praxe Praxe se také velmi často objevuje mezi požadavky zaměstnavatelů. A pro velkou část z nich je to hlavní kritérium přijetí uchazeče. Absolvent s praxí si rychleji osvojí pracovní návyky, tempo a i jeho zaškolení probíhá v řadě případů rychleji. Tím firma šetří své náklady. • Další požadavky zaměstnavatelů Analytické myšlení, kreativita, zodpovědnost, ochota učit se novým věcem, spolehlivost, schopnost vést lidi a v neposlední řadě asertivita a flexibilita. Analytické myšlení je spojeno se všeobecným přehledem absolventů, zaměstnavatelé chtějí, aby měli uchazeči přehled o všeobecném světovém dění a částečně o oblastech zasahujících mimo jejich odbornost. Téměř u všech profesí zaměstnavatelé uváděli jako samozřejmost práci s počítačem, internetem a MS Office. Od uchazečů se také očekává, že budou adaptabilní, ochotni se učit novým věcem a časově flexibilní. Je to dáno tím, že většina z nich nemá potřebnou praxi a zkušenosti a jejich zapracování do pracovního procesu je pro firmu jak finančně, tak časově náročné. Při žádání o práci by si měl uchazeč nejprve ujasnit řadu věcí. Má dostatečné vzdělání, vědomosti a dovednosti? Splňuje požadavky zaměstnavatele na profesi, je ochoten pracovat v uvedených pracovních podmínkách nebo za daný plat? Očekává karierní růst nebo chce spíše setrvat několik let na stejné pozici? Po ujasnění těchto věcí a úspěšném přijetí do zaměstnání by měl projevovat svoji vlastní iniciativu, chce-li být úspěšný, měl by se zajímat o práci, plnit své pracovní povinnosti, být učenlivý, pracovat na budování dobré pozice

Vlastní práce

47

v kolektivu, být přátelský a zařadit se do pracovního týmu. Může tím ukázat své dovednosti, které na první pohled nejsou vidět. 4.6.1

Nabídka kurzů, seminářů, workshopů

K rozvoji a maximálnímu využití svých schopností a dovedností může absolvent využít řadu seminářů, kurzů a workshopů, které mu nabízejí poradenská a karierní centra, Úřady práce nebo vysoké školy. Kurzy a semináře jsou často zaměřeny na rozvoj tzv. měkkých dovedností8. Vysoké školy nabízejí zájemcům semináře na téma Jak zvládnout trému, Assessment centrum, Jak oslovit a zapůsobit, Náležitosti pracovní smlouvy, Jak se orientovat v právní terminologii nebo oborově zaměřené semináře. Například Bankovní institut nabízí kurzy Finanční analýza, Podnikatelský plán, Platební styk, Mezinárodní finanční trhy, atd. (BIVŠ, 2013) Workshopy fungují na principu vzdělávací aktivity, kdy se účastníci snaží využít svých dosavadních zkušeností a prostřednictvím různých technik (např. brainstorming) přijít k výstupu. Druhou možností sebevzdělávání jsou rekvalifikace pořádné Úřady práce nebo přímo vysokou školou. Úřad práce poskytuje rekvalifikaci uchazečům o zaměstnání, kteří jsou zapsání v jeho evidenci. Kurzy a semináře nabízené Mendelovou univerzitou jsou zaměřeny například na Komunikační dovednosti v praxi, Psychologickou diagnostiku, Řešení konfliktů, Přípravu na přijímací pohovor, Body Language, Time management nebo Asertivitu jako životní styl a další. Z nabídky si jistě vybere každý (Institut celoživotního vzdělávání, 2014).

Měkkými dovednostmi jsou myšleny prezentační dovednosti, asertivita nebo rozvíjení týmové spolupráce. 8

Diskuze a závěr

48

5 Diskuze a závěr Hlavním tématem bakalářské práce bylo posouzení uplatnění absolventů ekonomických fakult na trhu práce. Cílem práce bylo, na základě míry nezaměstnanosti absolventů, porovnat a zhodnotit nezaměstnanost absolventů ekonomických fakult a vysokých škol v rámci České republiky. Srovnáváno bylo celkově 52 vysokých škol (jsou zde zahrnuty veřejné, soukromé i státní školy), které disponují buďto fakultou ekonomického zaměření nebo se jedná přímo o ekonomickou vysokou školu (v případě soukromých škol). Srovnání bylo uskutečněno vždy za období duben a září – jedná se o měsíce, kdy dochází ke sběru dat o nezaměstnaných absolventech. V září byly srovnávány roky 2003, 2005, 2007, 2009 a 2011. V dubnu bylo provedeno zhodnocení let 2003, 2004, 2006, 2009 a 2012. Při srovnání byl kladen důraz na objasnění možných důvodů výskytu extrémních hodnot, tedy vysoké míře nezaměstnanosti absolventů. Obecně byly ve srovnávaných měsících míry nezaměstnanosti dosti odlišné. Zářijové míry byly vyšší, důvodem může být podle mého názoru to, že více absolventů ukončuje studium v letním semestru (tedy v červnu) a aktivně hledat zaměstnání začínají až po prázdninách. Vyzdviženy jsou také vysoké školy, jejichž absolventi nemají problém s uplatněním na trhu práce. Navzdory tomu, že jsou soukromé vysoké školy často podceňovány a jejich absolventi mají v průměru o něco nižší plat a hůře hledají zaměstnání, než absolventi veřejných vysokých škol, ve srovnání si některé z nich nevedly špatně. Konkrétně je to Bankovního institut v Praze, Akademie STING v Brně nebo Soukromá vysoká škola ekonomických studií v Praze. Ani v jednom ze srovnávaných období nepřesáhla míra nezaměstnanosti jejich absolventů 2 %. V další části nám regresní analýza ukázala závislost mezi počtem nezaměstnaných absolventů a celkovým počtem absolventů ekonomických fakult vysokých škol. Na základě výpočtů provedených pomocí metody nejmenších čtverců a srovnáním několika kritérií vybraných funkčních forem, byla jako nejvhodnější zvolena dvojitá logaritmická funkční forma. Adekvátnost zvolené funkční formy je patrná i z provedených statistických testů, které potvrdily kromě vhodné funkční formy i správnou specifikaci modelu, normální rozdělení chybového členu a zamítly výskyt heteroskedasticity. Závislost mezi výše uvedenými proměnnými existuje. Důkaz toho, jak důležitý je výběr a struktura dat je demonstrován při srovnání lineárního a dvojitého logaritmického modelu. Z modelu byly vyřazeny extrémní hodnoty, které ho ovlivňovaly, ten se po jejich odstranění zlepšil. Kvazi koeficient determinace se u double-log modelu po odstranění těchto extrémů zvýšil ze 72,74 % na 81,44 % a testy ověřující spe-

Diskuze a závěr

49

cifikaci, funkční formu modelu, normální rozdělení chybového členu a zamítají heteroskedasticitu, vyšly také ve prospěch modelu. Ke znázornění a predikci dalšího vývoje nezaměstnanosti absolventů bylo využito analýzy časových řad. Ty se zabývají vývojem počtu nezaměstnaných absolventů v rámci všech vysokých škol v České republice, ve věkovém rozmezí 25 – 29 let a jednotlivých čtvrtletích let 2007 – 2013. Analýza časové řady je poměrně zajímavá díky své členité struktuře. Vývoj má rostoucí tendenci a na první pohled jsou patrné dva výrazné výkyvy. První z nich spadá do druhé poloviny roku 2009, tento výkyv mohl být ovlivněn zvětšující se finanční krizí, která měla celosvětové dopady. Navíc mnozí absolventi vyčkávají s hledáním zaměstnání až do září, chtějí využít poslední měsíce volna po ukončení studia. Druhý výkyv je datován ke konci roku 2012, kdy byla ekonomika v recesi a navíc se projevily sezónní vlivy ovlivňující nezaměstnanost. Absolventi, jakožto uchazeči o zaměstnání, kteří nemají dostatek zkušeností a praxi, měli v tomto období ztížené podmínky pro hledání práce. Výběr trendu časové řady se odvíjel od ekonomické interpretace, v úvahu byl brán trend lineární a kvadratický. Dříve nabíraly vysoké školy velké množství studentů, tento trend však není dlouhodobě možný, protože počet míst na vysokých školách je omezený. Proto ani křivka nemá lineární tendenci. Navíc byl zaveden limit počtu studentů, kteří jsou vysokými školami přijímáni. V rámci snahy o zkvalitnění vysokoškolského studia se Ministerstvo školství s vysokými školami dokonce domluvilo na snížení celkového počtu studentů a studentů přijímaných do prvních ročníků. Na základě těchto informací byla časová řada proložena parabolou, jedná se o kvadratický trend. Správnost tvrzení byla ověřena pomocí srovnání koeficientů determinace lineárního a kvadratického trendu. Z tvrzení Ministerstva školství a z provedených analýz je patrné, že počet absolventů bude pravděpodobně stagnovat. V případě, že nenastanou výrazné změny v hospodářském cyklu, neočekává se ani změna v míře nezaměstnanosti a tudíž se předpokládá, že v budoucnu bude stagnovat i počet nezaměstnaných absolventů vysokých škol. V závěru práce je věnován prostor i zaměstnavatelům, konkrétně bylo zjišťováno, co zaměstnavatelé nejčastěji požadují po absolventech, kteří se uchází o práci? Z průzkumu trhu vyplývá, že je pro ně nejdůležitější odbornost. Dokonalá orientace a znalost studovaného oboru je klíčová. Dále kladou velký důraz na jazykovou vybavenost, kdy požadují znalost nejméně jednoho světového jazyka (nejčastěji anglického), dovednost uchazeče pracovat v týmu, ten na sebe musí být schopen převzít zodpovědnost pramenící z dílčích úkolů. I komunikační dovednosti jsou pro zaměstnavatele důležitou součástí profilu

Diskuze a závěr

50

uchazeče. Musí umět prezentovat své myšlenky, návrhy a diskutovat. V neposlední řadě berou v potaz kreativitu, zodpovědnost nebo asertivitu. Pokud uchazeč ví, že mu některá z těchto dovedností není vlastní, doporučuji, aby pracoval na jejím zdokonalení. Pomáhá mu v tom řada vzdělávacích kurzů, seminářů nebo workshopů. Ty jsou často zaměřeny právě na zdokonalení měkkých dovedností nebo oborových znalostí a nabízí je svým studentům většina vysokých škol. Každý absolvent si je jistě vědom toho, že mu pouhý titul před jménem nezajistí práci snů. Je velké množství vysokých škol, které chrlí davy absolventů, některé z nich jsou více, jiné méně kvalitní. Od toho se odvíjí také vzdělanost absolventů a zaměstnavatelé jsou si toho vědomi. Někteří uchazeči jsou při hledání svého prvního zaměstnání přesvědčeni o tom, že jim titul z dobré školy automaticky zajistí chtěné místo, někdy tomu tak je, ale ve většině případů tvrdě narazí. Škola je sice vybaví teoretickými znalostmi, ale propojení s praxí často chybí. Pro mnohé zaměstnavatele je také velmi důležitá praxe. Z průzkumu Národního ústavu pro vzdělávání vyplývá, že až 86 % podniků dá přednost uchazeči, který má praxi v oboru a 55 % zaměstnavatelů přijme absolventa, který má alespoň nějakou praxi. Je jasné, že čerstvý absolvent nebude mít letitou praxi, ale pokud ji má alespoň částečně, například z brigád nebo částečného úvazku v posledních ročnících studia, získává tím na trhu práce obrovskou konkurenční výhodu oproti svým vrstevníkům, kteří takovou zkušenost nemají. Praxe absolventa svědčí mimo jiné i o tom, že je to člověk, který je schopný skloubit několik věcí najednou, je snaživý a má alespoň částečně zažité pracovní návyky. Například pozdní příchody do zaměstnání zaměstnavatel jistě tolerovat nebude. Z toho plyne má rada o reálnosti představ absolventa. Absolvent přichází na pohovor často s naivní představou o výši platu, pracovní pozici nebo délce pracovní doby. Uchazeč by v sobě měl mít jistou dávku soudnosti a měl by být schopen správně odhadnout své schopnosti a znalosti. Je potřeba mít velké cíle a přání, které člověka motivují, ale v první řadě musí být reálné a dosažitelné. Mé další doporučení je na nic nečekat a jít vstříc sebevzdělání. Ekonomicky vzdělaní absolventi mají čím dál tím větší problém se na trhu práce uplatnit. Svoji „cenu“ mohou snadno zvýšit jazykovými certifikáty, kurzy a také praxí. Obecně pro absolventa nebo studenta není problém se do takového kurzu přihlásit, stačí si vhodný kurz vybrat na internetových stránkách školy nebo se o možnost vzdělávání informovat osobně, přímo v karierním či poradenském centru. Vysoké školy pro své studenty tyto kurzy pořádají s mírným poplatkem nebo bezplatně. I Mendelova univerzita zajišťuje v rámci Institutu celoživotního

Diskuze a závěr

51

vzdělávání pro zájemce z řad studentů, zaměstnanců i široké veřejnosti semináře a kurzy. Předpokládám, že v následujících letech budou i nadále zaměstnavatelé zvyšovat požadavky na žadatele o pracovní pozici. Důraz budou jistě klást na znalost cizích jazyků (velký vliv na to má rozšiřující se mezinárodní obchod), komunikační schopnosti, schopnost řešit problémy a stresové situace. V dnešní uspěchané době musí být lidé psychicky odolní a schopní řešit konflikty s chladnou hlavou. Předpokladem je také rostoucí ochota učit se novým věcem a nést zodpovědnost. Proto bych doporučila absolventům, aby byli v zaměstnání aktivní, pracovití, aby zapojili svoji vlastní iniciativu. Některé schopnosti nemusí být zřetelné na první pohled. Zaměstnavatel pak může být příjemně překvapen a přeřadit pracovníka na perspektivnější pozici nebo ohodnotit jeho kreativitu zvýšením platu. Jelikož nezaměstnanost absolventů úzce souvisí s kvalitou jejich vzdělání, dovolila bych uvést také rady nebo spíše doporučení vysokým školám, jak udělat výuku zajímavější a atraktivnější. A tím vzbudit u studentů větší zájem o vzdělávání. Jakožto student mohu uvést to, co mi ve výuce trochu chybí (a jsem si jista tím, že nemluvím jen za sebe). V první řadě bych doporučila více rozvíjet schopnost jednat s lidmi. Absolventi ekonomických oborů své uplatnění nachází často na manažerských a řídících pozicích, kde je tato schopnost nezbytná. Dále jde o rozvíjení schopnosti vzít na sebe zodpovědnost. Řada mých spolužáků se řídí heslem: „Kdo nic nedělá, nic nezkazí.“ A ti, kteří se snaží něco dělat, neumí převzít důsledky svého jednání, především ty negativní. Ve výsledku mají tendenci obviňovat někoho jiného. Malá pozornost se dle mého názoru upírá ke zvládání stresových situací. Myslím tím teď praktického zvládání stresu, protože teoreticky máme tuto problematiku nastudovanou dokonale. Příjemným zpestřením a doplněním vzdělání jsou přednášky a výuka odborníků z praxe. Naskytuje se nám tak nejen akademický pohled na probíranou problematiku.

Literatura

52

6 Literatura 6.1

Knižní zdroje

ADAMEC, Václav a Luboš STŘELEC. Ekonometrie I: cvičebnice. 1. vyd. Brno: Mendelova univerzita v Brně, 2013, 138 s. ISBN 978-80-7375-706-9. ARLT, JOSEF A MARKÉTA ARLTOVÁ. Ekonomické časové řady: [vlastnosti, metody modelování, příklady a aplikace]. 1. vyd. Praha: Grada, 2007, 285 s. ISBN 97880-247-1319-9. BUCHTOVÁ, BOŽENA. Nezaměstnanost: psychologický, ekonomický a sociální problém. Vyd. 1. Praha: Grada, 2002, 236 s. ISBN 80-247-9006-8. GIOVANNINI, ENRICO. Ekonomická statistika srozumitelně: z pohledu OECD. Vyd. 1. Praha: Wolters Kluwer Česká republika, 2010, 206 s. ISBN 978-80-7357536-6. HINDLS, RICHARD, STANISLAVA HRONOVÁ A JAN SEGER. Statistika pro ekonomy. 5. vyd. Praha: Professional Publishing, c2004, 415 s. ISBN 8086419592. HOLMAN, ROBERT. Mikroekonomie: středně pokročilý kurz. 2., aktualiz. vyd. V Praze: C.H. Beck, 2007, xvi, 592 s. ISBN 978-80-7179-862-0. HOLMAN, ROBERT. Ekonomie. 5. vyd. V Praze: C.H. Beck, 2011, xxii, 696 s. ISBN 978-80-7400-006-5. HUŠEK, ROMAN. Ekonometrická analýza. 1.vyd. Praha: Ekopress, 1999, s. 13-24. ISBN 80-861-1919-X. KOTLÍKOVÁ, JAROMÍRA. Rizikové skupiny uchazečů o zaměstnání z pohledu úřadu práce: Absolventi. In: Trh práce, nezaměstnanost, sociální politika. 1. vyd. V Brně: Masarykova univerzita, 2003, s. 128-138. ISBN 8021030488. DOI: 80-210-3048-8. KROPÁČ, Jiří. Aplikovaná statistika: Od měření k řešení. Vyd. 1. Brno: Akademické nakladatelství CERM, 2004, vi, 140 s. Edice studie. ISBN 80-214-2737X. MATĚJŮ, Petr. Nerovnosti ve vzdělání: Od měření k řešení. Vyd. 1. Praha: SLON, 2010, 495 s. Edice studie. ISBN 978-80-7419-032-2. MAREŠ, PETR. Nezaměstnanost jako sociální problém. Vyd. 3., upr. Praha: Sociologické nakladatelství, 2002, 172 s. ISBN 80-86429-08-3.

Literatura

53

NOVÝ, IVAN. Sociologie pro ekonomy. Vyd. 1. Praha: Grada, 1997, 164 s. ISBN 807169-433-9.

6.2

Internetové zdroje

Akademie STING [online]. © 2002 [cit. 2014-04-04]. Studium: Orientace studia na praxi. Dostupné z: http://www.sting.cz/studium/orientace-v-praxi/ Bankovní institut vysoká škola [online]. 2013 [cit. 2014-04-24]. Celoživotní vzdělávání. Dostupné z: http://www.bivs.cz/kurzy-a-seminare/celozivotnivzdelavani Český statistický úřad [online]. 3. 4. 2014 [cit. 2014-04-06]. Dostupné z: http://www.czso.cz/ Český statistický úřad [online]. 3. 2. 2014 [cit. 2014-04-17]. Zaměstnanost a nezaměstnanost podle výsledků VŠPS – Metodika. Dostupné z:http://www.czso.cz/csu/redakce.nsf/i/zam_vsps DAŇKOVÁ, Julie. Pracovní trh zahltili absolventi univerzit. In: Středisko vzdělávací politiky [online]. 2013 [cit. 2014-05-08]. Dostupné z:http://www.strediskovzdelavacipolitiky.info/download/REFLEX%202013 %20Hospodarske%20noviny.pdf Ekonomická fakulta, Vysoká škola báňská-Technická univerzita Ostrava [online]. 2014 [cit. 2014-04-30]. Historie, současnost, vize. Dostupné z: http://www.ekf.vsb.cz/cs/o-fakulte/historie-soucastnost-vize/? Infoabsolvent [online]. Praha, 2014 [cit. 2014-05-06]. Potřeby zaměstnavatelů a připravenost absolventů škol. In: DOLEŽALOVÁ, Gabriela. Dostupné z: file:///C:/Users/Romanka/Downloads/F9.0.85_Potreby_zamestnavatelu_a_pripravenost_absolventu_skol__setreni_ v_terciarnim_sektoru__2014%20(1).pdf Institut celoživotního vzdělávání [online]. 2014 [cit. 2014-04-23]. Semináře a kurzy: Semináře, kurzy, workshopy. Dostupné z: http://icv.mendelu.cz/cz/poradenske_centrum/sem_kurz LACHMAN, Jan. Výroční zpráva Akreditační komise za rok 2003. In: Akreditační komise Česká republika [online]. 2004 [cit. 2014-04-29]. Dostupné z:http://www.akreditacnikomise.cz/attachments/169_CZ_vyrocni_zprava_a k_2003.pdf

Literatura

54

Ministerstvo práce a sociálních věcí [online]. 23. 1. 2012 [cit. 2014-05-06]. Aktivní politika zaměstnanosti a zákon č. 435/2004 Sb., o zaměstnanosti. Dostupné z:http://portal.mpsv.cz/sz/zamest/dotace/apz/? Ministerstvo školství, mládeže a tělovýchovy [online]. Praha, 2012 [cit. 2014-05-07]. MŠMT a vysoké školy se dohodly na limitu počtu studentů 2012/2013. Dostupné z:http://www.msmt.cz/ministerstvo/novinar/msmt-a-vysoke-skolyse-dohodly-na-limitu-poctu-studentu-2012 Provozně ekonomická fakulta [online]. 21. 02. 2014 [cit. 2014-04-04]. Pro uchazeče. Dostupné z: http://www.pef.mendelu.cz/cz/pro_uchazece Středisko vzdělávací politiky [online]. 2013 [cit. 2014-04-22]. Mezinárodní projekt REFLEX.Dostupné z: http://www.strediskovzdelavacipolitiky.info/default.asp?page=reflex Středisko vzdělávací politiky [online]. Praha, 2011 [cit. 2014-04-17]. Postavení vysokoškoláků a uplatnění absolventů vysokých škol na pracovním trhu 2011. In: KOUCNÝ, Jan a Martin ZELENKA. Dostupné z:http://www.strediskovzdelavacipolitiky.info/download/Absolventi_V%C 5%A0_2011.pdf ŠKODA AUTO Vysoká škola [online]. 2013 [cit. 2014-04-30]. O nás. Dostupné z:http://www.savs.cz/o-skole/o-nas Univerzita obrany [online]. 2013 [cit. 2014-04-30]. Informace o studiu. Dostupné z: http://www.unob.cz/fem/studium/Stranky/char_zamereni_studia_fakult a.aspx Vysoká škola obchodní v Praze [online]. 2014 [cit. 2014-04-30]. Studium. Dostupné z:http://www.vso.cz/studium/

Seznam obrázků

55

Seznam obrázků Obr. 1 Reálný nástup absolventů na jednotlivé pracovní pozice – srovnání roku 2006 a 2013 Zdroj: (Daňková, 2013)

16

Obr. 2 Výše hrubých měsíčních příjmů absolventů vysokých škol rozdělená dle oborů Zdroj: (Daňková, 2013)

17


26


27

Obr. 5 Přehled míry nezaměstnaných absolventů ekonomických fakult v září 2007 Zdroj: (Středisko vzdělávací politiky 2013), vlastní zpracování

28


28


29


30


31


32

Seznam obrázků

56


32


33

Obr. 13 Bodový diagram počtu nezaměstnaných absolventů a počtu absolventů Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

35

Obr. 14 Graf dvojité logaritmické funkční formy Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

38

Obr. 15 Rozdělení chybového členu Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování

39

Obr. 16 Vývoj počtu nezaměstnaných absolventů VŠ v jednotlivých čtvrtletích Zdroj: (Český statistický úřad, 2013), vlastní zpracování

42

Obr. 17 Graf znázorňující proložení časové řady parabolou Zdroj: (Český statistický úřad, 2013), vlastní zpracování

43

Obr. 18 Graf znázorňující predikci budoucího vývoje nezaměstnaných absolventů VŠ v období jednoho roku Zdroj: (Český statistický úřad, 2013), vlastní zpracování

44

Seznam tabulek

57

Seznam tabulek Tab. 1

Popisné statistiky

34

Tab. 2

Odhady koeficientů

36

Tab. 3

Zvolení vhodné funkční formy

37

Tab. 4

Testování předpokladů regresního modelu

38

Tab. 5

Srovnání lineární a dvojité logaritmické funkční formy

40

Tab. 6 Testování předpokladů lineárního a dvojitého logaritmického modelu

41

Tab. 7

Míra nezaměstnanosti absolventů ekonomických fakult v září

59

Tab. 8

Míra nezaměstnanosti absolventů ekonomických fakult v dubnu

60

Tab. 9

Počet absolventů a počet nezaměstnaných absolventů v září 2011

62

Tab. 10 Počet nezaměstnaných absolventů v jednotlivých čtvrtletích

63

Přílohy

58

Přílohy

Zdrojová data

59

A Zdrojová data Tab. 7

Míra nezaměstnanosti absolventů ekonomických fakult v září

Míra nezaměstnanosti absolventů ekonomických fakult (škol) v září (%) Instituce EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FESUPA FPVUT EFVŠBTU FAMEUTB FMKUTB FAIUTB FFUVŠE FMVVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU FRRMSMENDELU VŠPJ VŠTE BIVŠ VŠH VŠFS VŠKV ŠAVŠ VŠEM

2003 n/a 23,645 19,277 18,939 32,973 19,527 28,455 25,767 18,852 37,842 28,902 20,755 n/a 7,951 8,192 12,5 5 14,486 25 13,447 22,156 n/a n/a n/a n/a 6,579 n/a 10,526 n/a n/a

2005 n/a 20,524 10,92 8,468 26,389 27,273 17,188 24,528 19 22,523 13,904 8,738 n/a 4,451 4,305 4,981 1,77 4,235 7,812 10,098 15,356 n/a n/a n/a 4,082 6,32 1,77 10,784 2,778 n/a

2007 15,493 14,719 10,432 6,226 26,977 10,51 12,366 11,966 10,224 19,907 10,135 12,821 17,164 3,5 2,97 4,57 5,031 3,55 3,636 4,071 17,832 n/a n/a n/a 1,121 11,832 5,124 8,8 5,556 n/a

2009 12,676 12,081 11,538 13,158 34,842 13,636 18,421 15,613 18,44 24,487 13,704 7,91 21,557 3,017 4,662 5,814 2,804 6,637 5,917 4,904 16,422 n/a 34,599 n/a 1,698 10,676 5,221 4,93 2,041 n/a

2011 15,613 12,613 10,345 15,282 16,548 12,893 14,652 15,016 18,733 25,745 25,2 14,218 20,874 4,62 4,603 6,667 5,167 3,15 6,863 6,674 14,32 58,333 24,18 36,508 3,977 6,785 6,585 9,398 5,556 0,877

Zdrojová data

UNYP VŠMIE VŠMVV SČVI VŠERS RVŠ VŠRR NC BIBS VŠCRH VŠEKS VŠO VŠKE SVŠE MVSO UO

60

15,385 n/a n/a 9,524 n/a n/a n/a n/a n/a n/a n/a 0 n/a n/a n/a n/a

5,128 0 n/a 0 n/a n/a n/a n/a n/a n/a 1,515 2,703 30,769 n/a n/a 0

2,222 0 12,5 9,375 6,452 n/a n/a 4,348 n/a 0 4 10,769 11,538 n/a n/a 1,538

2,564 3,279 3,604 18,182 5 n/a n/a 8,333 0 n/a 2,632 9,37 11,111 13,265 24,138 8,257

2,5 1,695 2,778 12,587 5,202 14,384 2,203 4,167 4,545 14,286 1,471 11,155 5,405 9,836 20,741 n/a

Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování Tab. 8

Míra nezaměstnanosti absolventů ekonomických fakult v dubnu

Míra nezaměstnanosti absolventů ekonomických fakult (škol) v dubnu (%) Instituce EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE

2003 n/a 11,111 5,34 9,286 9,709 4,878 11,304 9,906 17,279 12,404 11,282 16,129 n/a 9,687

2004 n/a 6,186 4,558 8,966 10 9,74 12,23 6,952 15,58 11,203 17,827 5,556 n/a 4,834

2006 n/a 10,924 3,457 6,719 7,111 6,098 8,904 7,895 10,494 8,161 14,072 3,448 0 1,629

2009 5,473 10 1,303 6,103 8,271 3,896 4,206 2,632 3,604 6,448 9,786 4,908 8,966 3,043

2012 6,691 5,352 3,171 7,419 8,351 3,672 4,59 9,236 7,407 12,926 12,589 5,825 5,042 3,284

Zdrojová data

FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU FRRMSMENDELU VŠPJ VŠTE BIVŠ VŠH VŠFS VŠKV ŠAVŠ VŠP VŠEM UNYP VŠMIE VŠMVV SČVI VŠERS RVŠ VŠRR NC BIBS VŠCRH VŠEKS VŠO STING MUP VŠKE SVŠE MVSO UO

61

5,65 11,173 7,258 12,727 6,077 11,011 8,303 n/a n/a n/a n/a 5,405 n/a 0 n/a 0 n/a 0 n/a n/a 0 n/a n/a n/a n/a n/a n/a n/a 4,545 0 n/a n/a n/a n/a n/a

7,331 6,41 5,556 8,182 8,696 6,286 7,438 n/a n/a n/a n/a 4,167 9,375 14,286 44,737 0 n/a 7,143 n/a n/a 15,152 n/a n/a n/a n/a n/a 0 8,333 0 0 n/a 0 n/a n/a n/a

3,104 3,417 1,485 3,111 7,519 1,92 6,25 n/a n/a n/a 0,699 4,598 2,397 11,594 8 0 n/a 0 12,5 n/a 6,452 0 n/a n/a n/a n/a n/a 0 21,538 0 0 19,512 n/a n/a 0,633


3,433 2,646 2,804 3,376 4 1,716 7,632 n/a 35,849 n/a 0,548 4,982 2,651 7,792 7,692 0 n/a 2,857 0 2,667 5,085 5,435 n/a n/a 0 0 n/a 1,613 2,312 0 0 6,25 0 6,818 0,8

2,874 2,414 2,557 2,317 0,855 1,611 4,057 15,152 15,808 22,951 1,113 5,398 2,97 5,446 11,94 0,643 1,389 0 3,947 0 10,476 3,871 7,143 1,156 7,692 2,128 15,385 0 6,089 0,441 0,64 5,732 5,983 13,74 6,667

Zdrojová data Tab. 9

62

Počet absolventů a počet nezaměstnaných absolventů v září 2011

Zkratka vysoké školy EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU FRRMSMENDELU VŠPJ VŠTE BIVŠ VŠH VŠFS VŠKV ŠAVŠ VŠP VŠEM

Počet absolventů v září 2011

Počet nezam. absolventů v září 2011

497 531 649 513 872 621 529 555 678 1661 1154 342 432 698 1191 922 647 529 352 2927 940 130 398 126 658 502 1569 302 144 937 160

42 42 36 46 70 41 40 47 68 216 189 30 43 14 22 31 17 8 14 125 60 7 59 23 21 23 75 25 4 0 1

Zdrojová data

63

UNYP VŠMIE VŠMVV SČVI VŠERS RVŠ VŠRR NC BIBS VŠCRH VŠEKS VŠO STING MUP VŠKE SVŠE MVSO UC VŠČB VŠSSH UO

47 75 154 217 208 184 255 70 47 19 112 1090 325 1284 180 162 204 24 0 93 183

1 1 3 18 9 21 5 2 2 2 1 85 0 0 6 12 28 0 n/a n/a n/a

Zdroj: (Středisko vzdělávací politiky, 2013), vlastní zpracování Tab. 10

Počet nezaměstnaných absolventů v jednotlivých čtvrtletích

Rok/čtvrtletí

Počet nezaměstnaných absolventů vysokých škol (v tis.)

2006/IV

2 900

2007/I 2007/II 2007/III 2007/IV

1 500 1 800 4 900 3 900

2008/I 2008/II

3 100 3 100

Zdrojová data

64

2008/III 2008/IV

5 600 3 600

2009/I 2009/II 2009/III 2009/IV

4 900 5 000 11 400 10 500

2010/I 2010/II 2010/III 2010/IV

11 300 7 100 8 900 7 800

2011/I 2011/II 2011/III 2011/IV

8 400 7 000 9 200 9 400

2012/I 2012/II 2012/III 2012/IV

9 700 8 500 15 900 10 500

2013/I 2013/II 2013/III

8 900 7 500 11 900

Zdroj: (Český statistický úřad, 2013), vlastní zpracování

Seznam zkratek

65

B Seznam zkratek Instituce

Zkratka

Ekonomická fakulta (JU) Fakulta sociálně ekonomická (UJEP) Ekonomicko-správní fakulta (MU) Fakulta informatiky a managementu (UHK) Obchodně podnikatelská fakulta v Karviné (SU) Fakulta ekonomická (ZČU) Ekonomická fakulta (TUL) Fakulta ekonomicko-správní (UPA) Fakulta podnikatelská (VUT) Ekonomická fakulta (VŠBTU) Fakulta managementu a ekonomiky (UTB) Fakulta multimediálních komunikací (UTB) Fakulta aplikované informatiky (UTB) Fakulta financí a účetnictví (VŠE) Fakulta mezinárodních vztahů (VŠE) Fakulta podnikohospodářská (VŠE) Fakulta informatiky a statistiky (VŠE) Národohospodářská fakulta (VŠE) Fakulta managementu v Jindřichově Hradci (VŠE) Provozně ekonomická fakulta (ČZU) Provozně ekonomická fakulta (MENDELU) Fakulta reg. rozvoje a mezinárodních studií (MENDELU) Vysoká škola polytechnická Jihlava (VŠPJ) Vysoká škola technická a ekonomická České Budějovice Bankovní institut vysoká škola (BIVŠ) Vysoká škola hotelová v Praze (VŠH) Vysoká škola finanční a správní (VŠFS) Vysoká škola Karlovy Vary (VŠKV) ŠKODA AUTO a.s. Vysoká škola (ŠAVŠ) Vysoká škola podnikání (VŠP) Vysoká škola ekonomie a managementu (VŠEM) University of New York in Prague (UNYP) VŠ manažerské informatiky a ekonomiky (VŠMIE) VŠ mezinárodních a veřejných vztahů (VŠMVV) Středočeský vysokoškolský institut (SČVI)

EFJU FSEUJEP ESFMU FIMUHK OPFSU FEZČU EFTUL FEUPA FPVUT EFVŠBTU FAMEUTB FAMUTB FAIUTB FFVŠE FMVŠE FPVŠE FISVŠE NHVŠE FMVŠE PEFČZU PEFMENDELU FRRMSMENDELU VŠPJ VŠTE BIVŠ VŠH VŠFS VŠKV ŠAVŠ VŠP VŠEM UNYP VŠMIE VŠMVV SČVI

Seznam zkratek

VŠ evropských a regionálních studií (VŠERS) Rašínova vysoká škola (RVŠ) Vysoká škola regionálního rozvoje Praha (VŠRR) Newton College (NC) BIBS, a.s. (BIBS) VŠ cest ruchu, hotelnictví a lázeňství (VŠCRH) Soukromá VŠ ekonomických studií (VŠEKS) Vysoká škola obchodní v Praze (VŠO) AKADEMIE STING (STING) Metropolitní univerzita Praha (MUP) Vysoká škola Karla Engliše v Brně (VŠKE) Soukromá vysoká škola ekonomická Znojmo (SVŠE) Moravská vysoká škola Olomouc (MVSO) Unicorn College (UC) Vysoká škola aplikovaných ekonomických studií (VŠČB) Vysoká škola sociálně správní, institut Havířov (VŠSSH) Fakulta ekonomiky a managementu (UO)

66

VŠERS RVŠ VŠRR NC BIBS VŠCRH VŠEKS VŠO STING MUP VŠKE SVŠE MVSO UC VŠČB VŠSSH UO

Posouzení uplatnění absolventů ekonomických fakult na trhu práce

Recommend Documents