Statisztikai A KÖZPONTI STATISZTIKAI HIVATAL TUDOMÁNYOS FOLYÓIRATA SZERKESZTŐBIZOTTSÁG:

Statisztikai

Szemle

A KÖZPONTI STATISZTIKAI HIVATAL TUDOMÁNYOS FOLYÓIRATA

SZERKESZTŐBIZOTTSÁG:

DR. BAGÓ ESZTER, DR. BELYÓ PÁL (a Szerkesztőbizottság elnöke), DR. FAZEKAS KÁROLY, DR. HARCSA ISTVÁN, DR. HUNYADI LÁSZLÓ (főszerkesztő), DR. JÓZAN PÉTER, DR. KARSAI GÁBOR, NYITRAI FERENCNÉ DR., DR. OBLATH GÁBOR, DR. RAPPAI GÁBOR, DR. ROÓZ JÓZSEF, DR. SPÉDER ZSOLT, DR. SZÉP KATALIN, DR. SZILÁGYI GYÖRGY

89. ÉVFOLYAM 3. SZÁM

2011. MÁRCIUS

A Statisztikai Szemlében megjelenő tanulmányok kutatói véleményeket tükröznek, amelyek nem esnek szükségképp egybe a KSH vagy a szerzők által képviselt intézmények hivatalos álláspontjával. Utánnyomás csak a forrás megjelölésével!

ISSN 0039 0690 Megjelenik havonta egyszer Főszerkesztő: dr. Hunyadi László Osztályvezető: Dobokayné Szabó Orsolya Kiadja: a Központi Statisztikai Hivatal A kiadásért felel: dr. Vukovich Gabriella 2011.029 – Xerox Magyarország Kft. Szakreferensek: Farkas János (társadalomstatisztika), dr. Hajdu Ottó (módszertan), Laczka Sándorné dr. (gazdaságstatisztika) Szerkesztők: Bartha Éva, dr. Kondora Cosette, Visi Lakatos Mária Tördelőszerkesztők: Bartha Éva, Simonné Káli Ágnes Internet szerkesztése: Bada Ilona Csilla Szerkesztőség: Budapest II., Keleti Károly utca 5–7. Postacím: Budapest, 1525. Postafiók 51. Telefon: 345-6908, 345-6546 Telefax: 345-6594 Internet: www.ksh.hu/statszemle E-mail: [email protected] Kiadó: Központi Statisztikai Hivatal, Budapest II., Keleti Károly utca 5–7. Postacím: Postafiók 51. Budapest, 1525. Telefon: 345-6000 Előfizetésben terjeszti a Magyar Posta Rt. Hírlap Üzletág (1008 Budapest, Orczy tér 1). Előfizethető közvetlen a postai kézbesítőknél, az ország bármely postáján, valamint e-mailen ([email protected]) és faxon (303-3440). További információ: 06-80-444-444 Előfizetési díj: fél évre 6000 Ft, egy évre 10 800 Ft Beszerezhető a KSH Könyvesboltban. Budapest II., Fényes Elek u. 14–18. Telefon: 345-6789

Tartalom Tanulmányok A SOCIO-LINE modell 2005. évi adatbázisának készítésekor szerzett tapasztalatok II. – Dr. Révész Tamás – Dr. Takács Tibor ........................................................

253

A parciális korrelációs együttható értelmezési problémái a többdimenziós normalitás feltételének sérülése esetén – Vargha András ..................................................

275

A jövedelemeloszlás és jövedelemegyenlőtlenség a személyijövedelemadó-bevallási adatok tükrében – Kovács Ilona ..............................................................

294

Mûhely Statisztikai kultúra, minőség, etika – Harcsa István ........

313

Kávéházi beszélgetések a statisztikáról – A nemzetiségi (etnikai) statisztika (8.) – John Ede ...........................

322

Fórum Beszélgetés Mihályffy Lászlóval – Hunyadi László ........

330

Hírek, események .............................................................

335

Szakirodalom Folyóiratszemle Bujnowska, A. – Museux, J.-M.: Az Európai Unió mikroadatainak elérése, ESSnet projektek a távoli hozzáférésről – (Vereczkei Zoltán) ...................

338

Zherebin, V. M. – Ermakova, N. A.: A lakosság mindennapi életének informatizálása – (Bedecs Éva)

340

Lefebure, S. – Rabau, M. – Van Camp, G. – Vleminckx, K.: A megfelelő, biztonságos és fenntartó európai nyugdíjrendszer információi – (Nádudvari Zoltán) ..............................................

343

Kiadók ajánlata ................................................................

347

Társfolyóiratok ................................................................

349

Tanulmányok

A SOCIO-LINE modell 2005. évi adatbázisának készítésekor szerzett tapasztalatok II. Dr. Révész Tamás, a Budapesti Corvinus Egyetem tudományos főmunkatársa E-mail: [email protected]

Dr. Takács Tibor, az ECOSTAT Kormányzati Hatásvizsgálati Központ E-mail: [email protected]

A jelenlegi súlyos növekedési és egyensúlyi problémákkal küszködő európai és magyar gazdaságban különösen fontos, hogy a gazdaságpolitika útkeresését megbízható modellek friss és (az új szempontokat is kellőképpen megjelenítő) részletes adatokon alapuló számításai is elősegítsék. A Statisztikai Szemle 2003. évi 2. és 3. számában ismertetett, majd részletesen az ECOSTAT 2006. évi I. számú módszertani füzetében dokumentált és az évtized közepén eredményesen működtetett SOCIO-LINE modell jellegében e kívánalomnak megfelel, viszont az új adatok némileg egymásnak ellentmondó követelményeinek csak jelentős erőfeszítés árán tudott megfelelni. E cikk a modell eddigi, 1998. évi adatbázisának 2005. évire való, felújításáról számol be.14 A magyar gazdaság és statisztikai rendszer 1998 és 2005 közötti számos változása miatt az adatbázis frissítése nem történhetett mechanikusan az 1998. évi adatok egyszerű kicserélésével 2005. évi megfelelőikre, hanem alapos megfontolást, szakértői egyeztetést, korrekciókat és a függőben lévő módszertani kérdések, problémák dokumentálását is igényelte. A konzisztens új adatbázis összeállítása és modellfuttatásokkal való tesztelése másfél évig tartott. E folyamat számos olyan tanulsággal szolgált, amelyek bemutatása nemcsak a modellező, hanem a makrostatisztikai adatokat felhasználó egyéb szakemberek érdeklődésére is számot tarthat. TÁRGYSZÓ: Makrogazdaság. Nemzeti számlák. Háztartás-statisztika.

14 A kutatást az ECOSTAT és a Budapesti Corvinus Egyetem „Társadalmi Megújulás” Operatív Program keretén belül folyó, TÁMOP-4-2.1.B-09/1/KMR-2010-0005 kódszámú kutatási projektje támogatta.

Statisztikai Szemle, 89. évfolyam 3. szám

254

Dr. Révész Tamás — Dr. Takács Tibor

A cikk első részében először a makrogazdasági modell elkészült 2005. évi adat-

bázisának felhasználási lehetőségeit, adatigényeit és főbb adatforrásait ismertettük, majd a statisztikai adatszolgáltatásokban a korábbi bázisévhez, 1998-hoz képest bekövetkezett módszertani változásokat értékeltük. Emellett kitértünk az adatgyűjtés során felmerülő problémákra, így a különféle adatforrásokból származó információk összhangjának megteremtésére, az adatok értelmezhetőségére és kezelhetőségére is.

3. Az adatbázis összeállításának menete Ebben a pontban azt ismertetjük, hogy a rendelkezésre álló statisztikai adatokból mely módszerekkel állítottuk elő a modell által igényelt inputokat, illetve milyen módon kellett az esetlegesen közvetlenül nem mért adatokat pótolnunk.

3.1. Intézményi szektorok ágazatilag nem bontott adatai Mindenekelőtt egészen „nettó pénzvagyon változásig” összeállítottuk az egyes intézményi szektorok 2005. évi bevételi-kiadási mérlegeit a nemzeti számla kiadvány segítségével. Ezek a kiadványban – a passzív vagyonváltozásokat leszámítva – majdnem teljes mértékben megtalálhatók voltak. Az összes bruttó termelés, folyó termelőfelhasználás, export, import, állóeszköz-felhalmozás, készletváltozás (statisztikai eltéréssel), valamint az exportot terhelő nettó termékadónak a nemzeti számláktól eltérő, illetve a nemzeti számlákban nem megtalálható értékét az ÁKM-ből írtuk be az előző fejezetben vázolt okokból. Pontosabban a bruttó termelés és a folyó termelőfelhasználás adata még az ÁKM-en általunk végrehajtott – a hozzáadott értéket nem érintő – imputálások (hazai kőolajtermelés és integrált szénbányák nem piaci termelése) előtti, a KSH ÁKM-jében szereplő értéken lett feltüntetve. Az ÁKM és a korábban publikált nemzeti számlák főbb eltérései egyébként a következők (milliárd forintban): hozzáadott érték –40; termékadók egyenlege –4; GDP –44; állóeszközfelhalmozás +24; készletváltozás és a statisztikai eltérés összege +98; a külkereskedelem egyenlege –166 (amelyen belül az export a készletkorrekciók hatására 95 milliárd forinttal kisebb, az import pedig 72 milliárd forinttal nagyobb lett az ÁKM-ben). A táblázatbeli mérlegekben az adatok egy részét maradványelv alapján határoztuk meg. Ezt általában sorirányban alkalmaztuk a legnagyobb részesedésű intézményi – Statisztikai Szemle, 89. évfolyam 3. szám

255

A SOCIO-LINE modell 2005. évi adatbázisának készítésekor szerzett tapasztalatok

szinte kivétel nélkül a vállalati – szektor adata esetén, az adott kategória nemzetgazdasági összesen értékéből az adott sorban lévő többi tételt levonva. Ez eltér az eltéréseket egy képzett szektor bevételeként illetve kiadásaként ábrázoló KSH-módszertől, mivel azzal a modell nem tud mit kezdeni. A vállalati szektorban például így számoltuk el kiadásként a nemzeti számlák kiadványban az államháztartásnál feltüntetett, a „nem termelt, nem pénzügyi javak” (föld, műkincsek stb.) forgalmából származó bevétel 24 690 millió forintos összegét. A KSH ezt teljes egészében a képzett szektor kiadásaként számolja el, noha az MNB fizetési mérlege szerint ebből 3 071 millió forint a külföld nettó kiadása. Néhány tételnél, például a biztosítási kártérítés és a biztosítási díj kategóriáinak esetében a háztartási szektorra jutó összeget maradványelv alapján határoztuk meg. Ezt azért tettük, mert a háztartási szektorban a nemzeti számlák nem tüntetik fel ezeket, mivel egyenlegük a módszertan szerint zérus (a tényleges egyenleget ugyanis szolgáltatási díjként a fogyasztásban számoljuk el). Az eredményeket az 1. táblázat összegzi. 1. táblázat Az intézmények jövedelemmérlegei 2005-ben (folyó áron, milliárd forint) Ebből: Jövedelemelosztás, 2005 SAM

Vállalatok összesen

Nonprofit ÁllamKülföld Összesen Háztartások Nem szervezetek Pénz- háztartás pénzügyi intézetek vállalatok

1. Termelés

34 272

32 782

1 491

4 853

5 868

465

0

45 459

2. Termelőfelhasználás

–22919

–22198

–721

–1 404

-2 042

–255

0

–26 621

3. Belföldi terméktámogatás

0

0

0

–180

0

0

–7

–187

4. Belföldi termékadók

0

0

0

3 236

0

0

29

3 265

5. Vám

0

0

0

–1

0

0

35

35

6. Exportadó-támogatás

0

0

0

57

0

0

–10

47

11 353

10 584

770

6 504

3 826

210

57

21 950

GDP = 1.+2.+3.+4.+5.+6. 8. Egyéb termelési támogatás

164

160

4

0

74

0

0

237

–111

–107

–4

0

–7

0

0

–118

10. Bér

–5 289

–5 006

–283

–2 053

–511

–126

–52

–8 032

11. Munkaadói tb-járulékok

–1 500

–1 391

–109

–720

–24

–38

0

–2 281

9. Egyéb termelési adó

Bruttó működési eredmény 4 618

4 239

378

676

3 358

45

–52

8 645

12. Egyéb termelési támogatás

= 1.+2.+8.+9.+10.+11.

0

0

0

–113

0

0

–124

–237

13. Egyéb termelési adó

0

0

0

118

0

0

0

118

14. Bér jóváírása dolgozóknak

0

0

0

0

7 975

0

57

8 032

0

0

0

0

–985

0

–1

–986

15. Munkavállalók és munkanélküliek tb-járuléka

(A táblázat folytatása a következő oldalon.)


256


(Folytatás.) Ebből: Jövedelemelosztás, 2005 SAM


ÁllamNonprofit Háztartások Külföld Összesen Nem szervezetek Pénz- háztartás pénzügyi intézetek vállalatok

16. Önkéntes munkavállalói tb-járulék 17. Tb-járulékok elosztása

0

0

0

0

0

0

0

0

486

29

457

2 781

0

0

0

3 267

18. Magánnyugdíj-pénztári –368

0

–368

0

368

0

0

0

19. Pénzbeni társadalmi juttatás

korrekció

–119

–30

–89

–3 204

3 328

–13

7

0

20. Jövedelemadók

–458

–338

–120

1 915

–1 450

0

–8

0

0

0

0

69

–69

0

0

0

22. Kamat – fizetett

–2 204

–613

–1 591

–916

–422

–1

–208

–3 750

23. Kamat – kapott

2 404

432

1 971

66

623

12

645

3 750

21. Egyéb elvonás, támogatás

24. Kamat és egyéb tulajdonosi jövedelem – egyenlegező 25. Visszaforgatott cégjövedelem

0

0

0

0

0

0

0

0

–448

–338

–111

0

0

0

448

0

26. Osztalék – kapott

454

417

37

26

160

1

638

1278

27. Osztalék – fizetett

–1 182

–1 065

–116

0

0

0

–97

–1278 0

28. Biztosítottak jövedelme

–184

10

–194

0

184

0

0

29. Egyéb tulajdonosi jövedelem

–126

–126

0

92

34

0

0

0

30. Biztosítási kártérítés

–172

36

–208

0

172

0

0

0

133

158

–25

2 057

339

0

318

2 848

134

–74

208

0

–172

0

0

–38

–139

–158

18

–2 423

–122

0

–404

–3 089

–50

–50

0

0

0

328

0

278

31. Egyéb folyó jövedelem – bevétel 32. Biztosítási díj 33. Egyéb folyó jövedelem – kiadás 34. Egyéb folyó jövedelem – átutalás (D.75.) 35. Természetbeni társadalmi 0

0

0

–2 786

3 147

–361

0

0

36. Tőketranszfer – bevétel

juttatás

265

259

6

745

126

55

14

1205

37. Tőketranszfer – kiadás

–1 205

–60

–56

–4

–914

–29

–23

–180

38. Import

0

0

0

0

0

0

14 917

14 917

39. Export

0

0

0

0

0

0

–14 511

–14 511

40. Végső fogyasztás 41. Állóeszköz-felhalmozás

0

0

0

–2 172

–14 911

0

0

–17 083

–2 963

–2 873

–90

–873

–1 172

–33

0

–5 040

–273

–273

0

–4

–3

0

0

–280

–25

–25

0

25

0

0

0

0

794

281

513

558

–693

–7

–650

0

42. Készletfelhalmozás + statisztikai hiba 43. Nem termelt, nem pénzügyi javak 44. Nettó részvényeladás



257


(Folytatás.) Ebből: Jövedelemelosztás, 2005 SAM


ÁllamNonprofit Háztartások Külföld Összesen Nem szervezetek Pénz- háztartás pénzügyi intézetek vállalatok

45. Hitelezési veszteség

0

0

0

0

0

0

0

0

46. Devizaátértékelődés

52

–130

182

–193

10

0

130

0

–766

–652

–114

–96

446

7

409

0

47. Eltérés (transzfer, átértékelés) 48. Egyéb forintkövetelések átértékelése 49. Nettó hitelfelvétel (= nettó pénzvagyonváltozás)

–49

19

–67

–31

82

0

–3

0

245

919

–674

1 484

–324

–11

–1 395

0

0

0

0

0

0

0

0

0

Megjegyzések. A maradványértékeket dőlt betű jelzi. A D.75. a nemzeti számlákban figyelembevett „Egyéb folyó jövedelem – átutalás” kategóriára utal. Itt és a továbbiakban a táblázat összesen értékei kerekítés miatt nem adják ki pontosan az összeadandók összegét.

A bevételek-kiadások mérlegének eredményeként (a változások eredőjeként) az intézményi szektorok cégtulajdon nélküli nettó pénzvagyonváltozását kívántuk levezetni. A cégtulajdont egyrészt azért nem szerepeltettük itt, hogy a részesedéseladások és vásárlások egyenlegét (privatizációs bevételek stb., amelyekre vonatkozó adatok az MNB pénzügyi számláiban találhatók) a folyó műveletek között tüntethessük fel, másrészt pedig azért, hogy a cégtulajdon érintett felek általi aszimmetrikus értékeléséből, illetve átértékelődéséből eredő bonyolult problémákkal ne itt, a jövedelemelosztás keretén belül kelljen foglalkoznunk.15 Ugyanakkor a visszaforgatott jövedelmeket is szerepeltethetjük a bevételeknél, amennyiben azokat a cégtulajdon-vásárlási tranzakciók között szintén elszámolják. Természetesen a cégtulajdonon kívül más pénzügyi instrumentumoknak is vannak átértékelődései, amiket a bevételi-kiadási mérlegekben fel kell tüntetni, ha eredőként állományváltozásukat akarjuk meghatározni. Ezeket a nemzeti számlák kiadvány pénzügyi számlái ugyan tartalmazzák az instrumentumok közgazdasági típusai és intézményi szektorok szerinti bontásban, de a külföldi pénzértékre (valutára, devizára) vonatkozókat csak az MNB honlapján találtuk meg. Ezután intézményi szektoronként kiszámítottuk a cégtulajdon nélküli nettó pénzvagyon-változás és az eddig figyelembevett bevételek és kiadások egyenlegének eltérését. Ezzel az összeggel kell kiegészíteni a bevételi-kiadási mérleget, hogy a cégtulajdon nélküli nettó pénzvagyonváltozást kapjuk eredményül. A pénzintézeteknél –114 milliárd forint, az egyéb vállalatoknál pedig –652 milliárd 15

A cégtulajdonnal együtt értelmezett pénzvagyonváltozás komponensei között ugyanis a részesedésadásvételek nem szerepelhetnének, mert azok csak kategórián belüli portfoliószerkezet-változást jelentenek (pénz helyett cégtulajdon).


258


forint statisztikai eltérés jelentkezik, azaz ennyi az ismeretlen kiadás. A pénzintézeteknél ezt körülbelül fele részben lefedik a –55,4 milliárd forint egyenlegű „egyéb volumenváltozások”, míg az egyéb vállalatoknál ezek egyenlege csak –6,6 milliárd forint. Az egyes intézményi szektorok pénzügyi vagyonának összetételére az MNB pénzügyi számláiban találhatók információk. A modellnek azonban szüksége van az egyes instrumentumok hozamainak adataira is. A hozamok részben a tranzakciók részei (kamat, osztalék16), részben pedig átértékelődésekből adódnak. Sajnos a bevételi-kiadási mérlegek egyik tételét képező kamatok tekintetében nem kaptunk információt arról, hogy azok pénzeszközökre (folyószámlákra és látra szóló betétekre), illetve egyéb követelésekre (lekötött betétekre, hitelekre stb.) való megoszlása milyen volt. A forint- és devizakamatokra az MNB említett kamatmátrixai ugyan külön-külön tartalmaztak adatokat, azok összege azonban helyenként (főleg a forintadatokban és a háztartásoknál) jelentősen eltért a nemzeti számlákban eddig publikált számoktól, így egyelőre az adatbázisba nem illesztettük be. Ehelyett a (forint-) pénzeszközökre egységesen 2 százalékos kamatot, a devizákra pedig a zárszámadásból, az MNB éves jelentéséből (Magyar Közlöny [2006], MNB [2006]) és az MNB honlapján lévő egyéb információk alapján 3 és 5 százalék közötti mértéket feltételeztünk. Ezután az egyéb forintkövetelésekre és -tartozásokra jutó kamatokat maradványelv alapján határoztuk meg.

3.2. Ágazati adatok Az ágazati adatokkal kapcsolatban a fő problémát a modell igényeihez képest túlságosan aggregált információk felbontása jelentette. Dezaggregálás, imputálás, aggregálás A KSH általában 57 ágazatra (a Nemzetközi Ipari Osztályozási Standard (ISIC) szerinti két számjegyes mélységben) közöl adatokat. A hiteles energia- és környezetgazdasági elemzések lehetővé tétele érdekében az eredeti 57-ágazatos adatokból ezúttal is különválasztottunk négy alágazatot, az „integrált” szénbányászatot, a gázelosztást (a 40-es TEÁOR ’03-as ágazatból), a kőolaj-/földgázkitermelést a (a 23-as TEÁOR ’03-as ágazatba sorolt MOL-ból) és a vegyialapanyag-gyártást (a 241-es TEÁOR ’03-as alágazat). Ezáltal az adatbázis ismét 61-szektoros lett, amiből aztán 16

Kérdés, hogy az osztalékokat egyoldalú transzfernek vagy portfolióátrendezésnek tekintjük-e, amelynek során a cégtulajdonos pénze nő, cégtulajdona pedig csökken (ahogy az osztalékfizetés után a tőzsdén is esik az árfolyam).



259

aggregálással a modell által kezelhető méretű (jelenleg ötszektoros) inputot kapunk. E négy alágazat leválasztásához, amelynek során mindenekelőtt a hazai kőolajtermelés és az integrált szénbányák nem piaci termelésének értékét kellett imputálnunk, az Iparstatisztikai Évkönyvben, a MOL Éves Jelentésében, a társasági adóbevallásokban, az Energiagazdálkodási Statisztikai Évkönyvben, az MVM Statisztikai Évkönyvben és egyéb forrásokban (például a Levegő Munkacsoport tanulmányaiban) található, illetve a KSH szakértőjétől kapott adatokat (például a gázelosztás sora az ÁKM-ben) vagy ezek hiánya esetén az 1998. évi adatbázisban szereplő adatokat (azok arányait) használtuk fel (Energia Központ Kht. [2006], KSH [2006a], MOL [2006], MVM [2006a]). A KSH-tól az ÁKM publikus változatán kívül megkaptuk annak két fontos háttértáblázatát, a „termék×szervezet” bontású alapáras importmátrixot, illetve a termékadók és -támogatások mátrixát is. Így RAS-becsléssel elkészítettük ezek 61-ágazatos változatait az 1998. évi adatbázisbeli megfelelőik, mint kiinduló, „referenciamátrixoknak” és a dezaggregáció előbb említett adatforrásainak a felhasználásával. Végül megjegyzendő, hogy a modell jelenlegi ötszektoros inputja szempontjából ez a leválasztás irreleváns, mivel a szétválasztandó alágazatok az öt aggregált szektor közül ugyanabba tartoznak. Az ötszektoros aggregáció előtt azonban még sok más adatot is meghatároztunk az eredeti, 61-szektoros bontásban, melyeket a következőkben mutatunk be. Egyéb bevételi-kiadási adatok ágazati dezaggregálása A bruttó termelés és a hozzáadott érték felosztásának intézményi, szektoronkénti és ágazatonként adatai majdnem kivétel nélkül megtalálhatók voltak a nemzeti számlákban. Kizárólag a háztartási szektor bruttó termelési értékének ágazati megoszlását kellett becsléssel meghatároznunk az ágazati bontású hozzáadott értékek, valamint a „Piaci és nem piaci termelés a nemzetgazdaságban” című tábla alapján. A bruttó működési eredmény amortizációra és nettó működési eredményre való felosztásához a szokásos 57 ágazatra és az intézményi szektorokra bontott amortizáció adatokat a KSH-ból kaptuk. A további, működési eredményen „túli” jövedelemelosztási tételeket csupán a vállalati szektorban osztottuk fel ágazatokra. A többi intézményi szektorban ugyanis e tételek kevésbé jelentősek, összegük csak kismértékben függ az ágazati struktúrától vagy a jövedelemelosztás beruházásokra gyakorolt hatása nem jelentős (sőt fordítva, az elhatározott beruházásokhoz igazítják a tőketranszfereket). A vállalati szektor e bevételi-kiadási tételeinek ágazati bontását más ágazati adatok alapján becsültük, általában a nemzeti számlákban külön-külön a pénzintézetekre és az egyéb vállalatokra található összesen értékeket ezen adatok arányában szétosztva. A 2. táblázat a szétosztás módszerét foglalja össze az egyes kategóriák esetében. Statisztikai Szemle, 89. évfolyam 3. szám

260


2. táblázat A vállalati szektor bevételei és kiadásai ágazati dezaggregálásának módszere Kategória (adatforrás)

Pénzbeni társadalmi juttatás (KSH [2008b])

Proxy-kategória

termelési érték

Jövedelemadók (APEH [2006])

társasági jövedelemadó

Kamat – fizetett (APEH [2006])

fizetett kamat

Kamat – kapott (APEH [2006])

kapott kamat

Visszaforgatott cégjövedelem (KSH [2008b], MNB [2007])a

adózott nyereség

Osztalék – kapott (APEH [2006])

kapott osztalék

Osztalék – fizetett (APEH [2006])

fizetett, jóváhagyott osztalék

Biztosítottak jövedelme (KSH [2008b])

termelési érték

Egyéb tulajdonosi jövedelem (MOL [2006], Magyar Közlöny [2006], APEH [2006])b

bányajáradék, földbérleti díj c

Biztosítási kártérítés (APEH [2006])

biztosítási díj

Egyéb folyó jövedelem, bevétel (KSH [2008b])

termelési érték

Biztosítási díj (APEH [2006])

biztosítási díj

Egyéb folyó jövedelem, kiadás (APEH [2006])d Egyéb folyó jövedelemátutalás (D.75.) (KSH [2006])

adott támogatás+bírság termelési érték

Tőketranszfer – bevétel (APEH [2006], Magyar Közlöny [2006])e Tőketranszfer – kiadás (APEH [2006])

összes adott támogatás

Állóeszköz-felhalmozás (KSH adatok)f Készletfelhalmozás + statisztikai hiba (APEH [2006], KSH [2008b], KSH egyéb adatok)g Nem termelt, nem pénzügyi javak (KSH [2008b])

termelési érték

Nettó részvényeladás (APEH [2006])h Devizaátértékelődés (APEH [2006])i Egyéb forintkövetelés átértékelődése (APEH [2006])j

biztosítási díj

Eltérés (transzfer, átértékelés) (maradékelv)k, l Nettó pénzvagyonváltozás (APEH [2006])k a A pénzintézeti szektor egészére adott nemzeti számlaadatot a három pénzintézeti ágazat között az adóbevallás adózott nyereség kategóriája külföldi tulajdoni hányadnak megfelelő részének arányában osztottuk szét. A nem pénzintézeti vállalati szektorban az MNB [2007] aggregáltabb (lényegében ágakra bontott) adatai arányában először ágakra bontottuk a szektorra közölt nemzeti számlabeli visszaforgatott jövedelemadatot, majd az egyes ágakon belül már az előző módszerrel, az adóbevallások adatai alapján osztottuk szét az egyes ágazatokra a visszaforgatott jövedelmet. Érdemes megemlíteni, hogy ebben a rezidensek külföldi közvetlen tőkebefektetéseinek visszaforgatott jövedelmei is szerepelnek, jóllehet 23 480 millió forintos összegük csak töredéke a külföldiek itthoni cégekből származó, 471 787 millió forintos visszaforgatott jövedelmének. A nemzeti számlában szereplő nettó visszaforgatott jövedelem szétosztásánál csak az utóbbi oldalt vettük figyelembe. b Ennek a bányajáradék részére vonatkozó, a MOL Évkönyvben, illetve a zárszámadásban található adatait (MOL [2006], Magyar Közlöny [2006]) közvetlenül az érintett ágazatokban számoltuk el, a maradékot (amely



261

feltehetően főleg földbérleti díj, mivel 2005. évre elszámolt jelentősebb koncessziós díjbevétel nem volt) pedig az adóbevallások földbérletidíj-adatai arányában osztottuk szét az egyes ágazatokra. c A nemzeti számlákban az egyéb folyó jövedelmek részét képező biztosítási díjak és kártérítések közül a biztosítási kártérítésre vonatkozóan az adóbevallásokban sem található ágazatilag bontott adat, ezért ezt is a díjak arányában osztottuk szét ágazatokra. d A nem pénzügyi vállalatokra vonatkozó nemzeti számlabeli összesen adatot két fontos összetevője, az adóbevallások „rendkívüli ráfordításból: adott támogatás” és „bírság” összegei arányában osztottuk szét ágazatokra. e A nemzeti számlákban található szektorösszesen értékeket az adóbevallások „visszafizetési kötelezettség nélkül kapott támogatás” (a zárszámadásból a szárazföldi szállításra utaló adatokkal kiegészített) adatainak arányában osztottuk szét ágazatokra. Megjegyezzük, hogy a folyó és tőketranszferek nemcsak az adóbevallásokban, hanem az állami költségvetés (elérhető) adataiból sem különíthetők el. f Az állóeszköz-felhalmozásnak az ÁKM 57 ágazatára és intézményi szektorokra bontott adatait a KSH-ból kaptuk meg. A KSH [2008b] kiadványa ugyanis az ÁKM-készítéshez képest korábbi módszertan szerint készült, sok elemében eltérő adatot tartalmazott, és intézményi szektoronkénti bontása – amire az intézményi szektoronkénti állóeszköz-felhalmozási (szokásos szóhasználattal „beruházási”) mátrixok előállítása miatt volt szükségünk – nem volt elérhető. A beruházási mátrix transzformálja a beruházási keresletet ágazatok termékei iránti keresletre. Mindenekelőtt azonban az intézményi szektorbontás nélküli beruházási mátrixot határoztuk meg. Ennek diagonális (lényegében az ún. „saját rezsis” beruházásokat tartalmazó) elemeit az ÁKM-ből és néhány, KSH-ból kapott kiegészítő információból17 állítottuk elő. A mátrix többi elemét a kétirányú arányosítást végző RAS-módszerrel becsültük, indulómátrixnak az 1998. évi adatbázis beruházási mátrixát használva. Az előírt sorösszesen értékek az ÁKM-ben található alapáras állóeszköz-felhalmozási oszlop (együttes hazai és import) elemei (az állóeszköz-felhalmozásokat terhelő nettó termékadót külön, az utolsó sorban tüntettük fel), az előírt oszlopösszesen értékek pedig az ágazatok állóeszköz-felhalmozási kiadásainak vektora voltak. A becsült állóeszköz-felhalmozási mátrix utolsó sorában található, beruházó ágazatonkénti termékadóvektort egyfelől intézményi szektor szerinti bontást is mutató, másfelől ágazati eredet (beruházási javak) szerinti mátrixra is tovább bontottuk, szintén a RAS-módszert használva. g A készletfelhalmozás ágazatonkénti értékeire több, egymással nehezen összeegyeztethető adatforrásunk volt. Ezek közül általában azt tekintettük hitelesebbnek, amelyikkel az ágazat bevételi-kiadási, illetve folyamállomány-mérlege kiegyensúlyozottabbá válik. Az így képzett kombinált készletváltozásadatokat a termelési értékek arányában korrigáltuk ágazatonként úgy, hogy összesen értékük megegyezzen a vállalati szektor nemzeti számlabeli összesen adatával. h Az állományváltozás tranzakciós komponensével azonosított, nettórészesedés-eladási, nem pénzintézeti vállalatokra jutó 280,8 milliárd forintnyi összeget két részre osztottuk: a visszaforgatott jövedelem komponensére és a tényleges tranzakcióra. Ez utóbbi ágazatonkénti értékeit a cégtartozások tranzakciójának (lényegében a saját részvények kibocsátásainak) és a birtokolt részesedések állományváltozásának különbségeként becsültük. A cégtartozások tranzakciója tekintetében először közelítő becslésre került sor a saját tőke adózott nyereségen (mérleg szerinti eredmény + eredménytartalék igénybevétele) és az értékelési tartalékok változásán felüli növekményével18, majd a kapott értéket egyirányú arányos korrekcióval a megadott összesen értékekhez igazítottuk. i Az ágazatok közötti szétosztás az erre vonatkozó „árfolyamveszteség”, „árfolyamnyereség” és „pénzügyi műveletek bevételéből deviza-, valutakészletek árfolyamnyeresége” című kategóriák adatainak arányában történt. j Az ágazatokra való szétosztás a pénzintézeti szektoron belül a biztosítási díjakkal volt arányos (tekintve, hogy azok nagyrészt (80 milliárd forint értékben) a biztosítástechnikai tartalékoknál jelentkeztek a háztartások felé), az egyéb vállalatok szektorán belül pedig az év végi követelésekkel arányosítottunk (mivel ezek harmada szállítói követelés, és a pénzügyi számlák szerint a vállalatoknál a forinteszközök átértékelődésének (16 milliárd forintnyi) zöme a „kereskedelmi hitelek és előlegeknél” jelentkezett). k A nettó pénzvagyonváltozás ágazati értékeit az év eleji és végi vagyon különbségeként határoztuk meg. Ezek instrumentumok szerinti bontásban történt becslését a következő szakaszban ismertetjük. Itt csak annyit 17 A mezőgazdasági önfogyasztásra adott részarány adata és a nemzeti számlákban az imputált lakásszolgáltatás értéke. 18 Az értékelési tartalékok változását azért szűrtük ki, mert ez olyan tőketranszfereknek köszönhető, amelyek nem járnak részvénykibocsátással.


262


jegyzünk meg, hogy esetenként az állományok becslését módosítottuk, amennyiben az eredeti becsléssel maradékelv szerint meghatározható, az eddigiekből esetlegesen kimaradt transzfereket, passzív vagyonváltozásokat is tartalmazó (statisztikai, becslési) eltérés aránytalanul nagynak adódott, és amennyiben ez a korrekció statisztikai-közgazdasági érvekkel is indokolható volt. Tehát nem törekedtünk az eltérések mechanikus minimalizálására. Sőt, a vagyonadatok esetében azt is alaposan megvizsgáltuk, hogy a nyitó vagy a záró állományt, illetve a követelések vagy a tartozások melyik elemét korrigáljuk. l A (realizált) hitelezési veszteségekre nem állt rendelkezésünkre ágazatilag bontott adat, de információink szerint összesen értékük 2005-ben meglehetősen alacsony volt (lásd PSZÁF [2007]). Ezért ezeket nem kezeltük külön tételként.

A kisösszegű tételek (például a pénzbeni társadalmi juttatások, az egyéb folyó jövedelem-átutalások és a nem termelt nem pénzügyi javak) felosztásának miértjét nem tartjuk érdemesnek hosszasan taglalni. Ezek esetén a termelési érték arányában osztottunk. Az eredményeket ötszektoros aggregációban (ahol a pénzintézetek a szolgáltatások között szerepelnek) a 3. táblázat mutatja be. Ebben már feltüntettük a három társadalmi réteghez tartozó adatokat is, jóllehet ezeket csak később, a 3.3. pontban tárgyaljuk. 3. táblázat A vállalatok és a háztartások jövedelemmérlege 2005-ben (folyó áron, milliárd forint)

Megnevezés

Alap- Feldolgoanyagipar zóipar

Élelmiszergazdaság

Anyagi szolgáltatás

Nem anyagi ágak

1301,3

879,1

2. réteg 1. réteg Vállalat (közepes (kis jöveösszesen jövedeldelműek) műek)

3. réteg (magas jövedelműek)

Bruttó működési eredmény

939,9

1153,8

343,7

4617,8

526,9

831,2

1999,7

1410,9

2153,1

4410,6

–185,1

–270,7

–529,2

69,1

101,1

197,5

Bér jóváírása dolgozóknak Munkavállalók és munkanélküliek tb-járuléka Magánnyugdíjpénztári korrekció Pénzbeni társadalmi juttatás

–0,1

–0,2

-0,1

–0,2

–0,1

–0,7

917,2

1110,8

1300,4

–51,3

–49,6

–20,2

–143,2

–193,7

–457,9

–160,9

–314,9

–973,9

0,0

0,0

0,0

0,0

0,0

0,0

–15,2

–20,8

–32,9

Kamat – fizetett

–66,9

–50,5

–63,2

–234,4

–1788,9

–2204,0

–107,3

–129,3

–185,0

Kamat – kapott

64,2

87,5

29,0

179,2

2044,0

2403,8

19,6

129,9

473,8

–448,3 5,0

33,3

121,6

Jövedelemadók Egyéb adók

Visszaforgatott cégjövedelem

–72,2

–196,4

22,5

–101,5

–100,7

Osztalék – kapott

60,8

32,8

8,8

105,4

246,0

453,9

Osztalék – fizetett

–197,7

–254,8

–34,5

–407,0

–287,7

–1181,6 (A táblázat folytatása a következő oldalon.)


263


(Folytatás.)

Megnevezés

Biztosítottak jövedelme

Alap- Feldolgoanyagipar zóipar

Élelmiszergazdaság

2. réteg 1. réteg Vállalat (közepes (kis jöveösszesen jövedeldelműek) műek)


Nem anyagi ágak

–192,5

–183,6

29,0

19,7

3. réteg (magas jövedelműek)

1,8

3,3

0,9

2,8

134,9

–92,9

–0,1

–31,6

–0,7

–0,3

–125,5

2,5

8,5

22,8

5,3

4,3

3,6

17,1

–202,4

–172,2

27,2

18,5

126,5

– bevétel

28,9

52,0

15,1

44,9

–7,6

133,3

18,6

46,9

273,9

Biztosítási díj

–10,8

–8,8

–7,5

–35,1

196,3

134,0

–32,5

–49,5

–90,2

–15,3

–17,0

–11,6

–75,8

–19,8

–139,5

–24,3

–34,7

–63,5

–9,1

–16,4

–4,7

–14,2

–5,4

–49,8

0,0

0,0

0,0 1016,5

Egyéb tulajdonosi jövedelem Biztosítási kártérítés Egyéb folyó jövedelem

Egyéb folyó jövedelem – kiadás Egyéb folyó jövedelem átutalás (D.75.) Természetbeni társadalmi juttatás

0,0

0,0

0,0

0,0

0,0

0,0

1050,9

1079,4

Tőketranszfer – bevétel

12,2

21,2

75,4

87,2

68,7

264,7

35,2

64,1

27,0

Tőketranszfer – kiadás

–3,5

–12,8

–17,6

–11,1

–15,3

–60,3

–3,5

–6,3

–18,9

0,0

0,0

0,0

0,0

0,0

0,0 –3748,1

–4609,6

–6553,0

–573,3

–570,8

–231,4

–1176,7

–410,8

–2962,9

–242,3

–329,1

–600,4

–16,5

78,6

76,4

–324,8

–86,3

–272,7

–0,8

–1,0

–1,5

Végső fogyasztás Állóeszközfelhalmozás Készletfelhalmozás + statisztikai hiba Nem termelt, nem pénzügyi javak

–4,5

–8,1

–2,4

–7,0

–2,7

–24,7

0,0

0,0

0,0

Nettó részvényeladás

121,3

–46,5

–86,3

364,1

440,9

793,6

–21,9

–144,5

–527,1

Devizaátértékelődés

–20,1

–10,1

–3,8

–46,0

132,3

52,2

0,7

1,8

7,5

40,3

–290,3

–54,2

–178,5

–283,6

–766,4

112,0

137,8

195,9

3,4

6,2

1,8

5,3

–65,4

-48,6

13,0

8,8

60,4

143,8

–92,8

8,1

–648,8

344,2

–245,5

–304,0

–165,5

793,5

Eltérés (transzfer, átértékelés) Egyéb forintkövetelések átértékelődése Összesen = Nettó pénzvagyon-változás

Pénzügyivagyon- (portfólió-) adatok ágazati dezaggregálása A vállalati szektor (cégtulajdonon kívüli!) pénzügyi eszközeinek és tartozásainak ágazatokra való bontását a pénzintézeti szektor esetében közvetlenül a pénzügyi számlákban található adatok, a nem pénzügyi vállalatok esetében pedig a TÁSAkategóriákból képzett proxy-k alapján határoztuk meg a következők szerint. A nem pénzintézeti vállalati szektor pénzköveteléseinek összegét az APEH [2006] „pénzeszközök a forgóeszközökből” című adatainak, a szektor devizaköveteStatisztikai Szemle, 89. évfolyam 3. szám

264


lésének hazai bankokban elhelyezett devizabetétein felüli részét az APEH [2006] „befektetett pénzügyi eszköz” adatainak19, míg az MNB egy korábbi honlapján mintegy tucatnyi ágra megadott devizabetét-értékeket a termelési értékek arányában bontottuk tovább ágazatokra. A szektor devizatartozásain belül a hazai bankok felé való devizahitel-tartozásokon felüli rész ágazati bontása az APEH [2006] „jegyzett tőkéből külföldi részesedés” című kategóriájával összhangban, az MNB honlapján20 19 ágra közzétett adatoké pedig a termelési értékek szerint, dezaggregálással történt. Az ágazatok egyéb követeléseit maradékelv alapján, az összes követelés, illetve a pénzés devizakövetelések különbségeként határoztuk meg. Az ágazatok egyéb tartozásait hasonló módon, maradékelv alapján állapítottuk meg. A külföldi cégtulajdon ágazati bontását az MNB [2007] kiadványban 27 ágra megadott adatok dezaggregálásával számítottuk ki a „részesedések” TÁSA-kategória arányában. A belföldi cégtulajdon ágazati értékeit pedig a pénzügyi számlákbeli öszszesen értékek szétosztásával becsültük az APEH [2006] „részesedések” kategóriája szerint. Az ágazatok cégtulajdon-tartozásait két lépcsőben becsültük. Először a vállalati számvitel mintájára a reáleszközöket is (a nettó állóeszköz-állományt és a készleteket, de adathiány miatt a „föld és egyéb nem termelhető tárgyi eszközöket” nem) tartalmazó ágazatonkénti eszköz-forrás mérleget elkészítve, maradékelv alapján határoztuk meg a saját tőke (2005. évi áron számított) értékét, majd második lépésben az adatokat arányosan visszakorrigáltuk úgy, hogy megegyezzenek a pénzügyi számlákban található szektorösszesen értékekkel. Az eredmények ötszektoros aggregációban a 4. táblázatban láthatók. 4. táblázat Az ágazatok pénzügyi állományai 2005-ben (folyó áron, milliárd forint) Megnevezés

Nyitó pénzkövetelés Nyitó pénztartozás Záró pénzkövetelés Záró pénztartozás (korrekcióval)

Alapanyag- Feldolgozó- ÉlelmiszerAnyagi Nem anyagi ipar ipar gazdaság szolgáltatás ágak

Vállalat összesen

2 153

2 795

1 013

5 680

28 773

40 415

–2 164

–2 387

–1 455

–8 202

–28 182

–42 391

2 753

3 126

1 014

6 323

34 476

47 693

–2 620

–2 811

–1 448

–9 494

–33 541

–49 914


19

Sajnos a TÁSA semmiféle deviza- és forintbontást nem tartalmaz, mégis lényegében ez az egyetlen forrás, ami alapján ágazatokra tudunk osztani követeléseket és tartozásokat. 20 Lásd www.mnb.hu/Root/Dokumentumtar/MNB/Statisztika/mnbhu_statisztikai_idosorok/hu0706_vallhitbet.xls


265


(Folytatás.) Alapanyag- Feldolgozó- ÉlelmiszerAnyagi Nem anyagi ipar ipar gazdaság szolgáltatás ágak

Megnevezés

Vállalat összesen

2004. végi adatok Készlet

671

1034

854

2 379

553

5 490

Föld, egyéb nem termelhető tárgyi eszköz Állóeszköz nettó, 2004. évi áron

n.a.

n.a.

n.a.

n.a.

n.a.

n.a.

6 554

4 014

4 365

11 914

6 308

33 155

Pénz (M1 + bankok készpénze)

160

183

116

710

1 438

2 606

Deviza

474

177

84

546

11 081

12 363

Külföldi cégtulajdon Egyéb követelés

715

32

8

189

289

1 233

1 519

2 435

814

4 424

16 254

25 446

–5 494

–5 494

Pénzállomány-tartozás Devizatartozás (tulajdonosi hitellel) Forinttartozás (pénz nélkül)

–977

–954

–437

–1 690

–8 414

–12 473

–1 186

–1433

–1 019

–6 512

–14 273

–24 424

Részesedések (belföldi cégekben), valorizált Cégértéktartozás, valorizált Összesen

874

226

118

881

3 665

5 764

–5 062

–3 150

–2 673

–7 227

–9 486

–27 599

3 741

2 563

2 230

5 614

1 920

16 069

688

1 041

678

2 632

687

5 727

2005. végi adatok Készlet Föld, egyéb nem termelhető tárgyi eszköz Állóeszköz nettó, 1998. évi áron

n.a.

n.a.

n.a.

n.a.

n.a.

n.a.

6 420

4 097

4 154

11 801

6 263

32 735

Pénz (M1 + bankok készpénze)

181

234

112

809

1 627

2 963

Deviza

501

257

80

601

14 058

15 498

Külföldi cégtulajdon

935

68

9

427

555

1 994

2 071

2 635

822

4 913

18 791

29 232

–6 562

–6 562

Devizatartozás (tulajdonosi hitellel)

–1 300

–1 248

–487

–2 170

–10 311

–15 516

Forinttartozás (pénz nélkül)

–1 320

–1 563

–960

–7 324

–16 668

–27 835

Egyéb követelés Pénzállomány-tartozás

Részesedések (belföldi cégekben), valorizált Cégértéktartozás, valorizált Összesen

916

452

120

1 015

4 068

6 570

–6 043

–3 925

–2 909

–8 364

–11 336

–32 577

3 050

2 048

1 618

4 339

1 173

12 228



266


(Folytatás.) Alapanyag- Feldolgozó- ÉlelmiszerAnyagi Nem anyagi ipar ipar gazdaság szolgáltatás ágak

Megnevezés

Vállalat összesen

Elszámolt kamat + osztalék Pénz (M1 + bankok készpénze) Deviza

3

3

2

13

26

47

14

5

3

16

525

564

Külföldi cégtulajdon

56

2

1

15

23

97

Egyéb követelés

49

82

25

152

1 301

1 609

–78

–78


–39

–38

–17

–68

–412

–575


–28

–12

–46

–167

–1 298

–1 551

Pénzállomány-tartozás

Részesedések (belföldi cégekben), valorizált Cégértéktartozás, valorizált

5

30

8

91

223

357

–270

–451

–12

–508

–388

–1 630

46

17

8

52

641

764

138

6

2

37

–3

180

Átértékelődések, leírások: Deviza Külföldi cégtulajdon Egyéb követelés

22

35

12

64

812

945


–66

–27

–12

–99

–508

–712


–18

–29

–10

–58

–878

–993

–12

–43

–1

–29

82

–4

–656

–544

–325

–436

–834

–2 794

Részesedések (belföldi cégekben), valorizált Cégértéktartozás, valorizált

Az ágazatok tőkeállománya és állóeszközfajták szerint bontott amortizációja A KSH [2008b] bruttó és nettó értékben, folyó és előző évi áron megadott állóeszköz-állomány idősoraiból az amortizáció korábban említett ágazati adatainak arányait felhasználva 61-ágazatos és intézményi szektoros bontásban megállapítottuk a 2004. év végi, 2005. évi áron számított bruttó állóeszköz-állományokat (az infrastruktúra-elemeket is beleértve). A modell ezekből a 2004. évi, de a modellben a volumenek mérésére szolgáló 2005. évi árakon kimutatott bruttó tőkeállományokból indul, ezeket tekinti a 2005. évi ágazati termeléseket meghatározó termelési függvényekben szereplő tőkék mennyiségének.21

21 A modell tehát lényegében egyéves beruházási átfutási időket feltételez, így a 2005. évi beruházások a 2006. évben lépnek be a termelést befolyásoló tőkeállományba.



267

3.3. A háztartási szektor adatainak rétegbontása A háztartás-statisztika körülbelül másfél éves késéssel áll rendelkezésre. Az adatgyűjtésen alapuló éves kiadvány elektronikusan hozzáférhető, az ECOSTAT kutatási célzattal megkapta a 2005. évi teljes alapadat-állományt is SAS-formátumban. A modellben ezen alapul a háztartási szektor három jövedelmi réteg szerinti bontása. Az adatok feldolgozására egy SAS-programot készítettünk. Ez a következő fő műveleteket végzi: – ágazatonkénti bontásban meghatározza az egyes háztartások munkajövedelmeit (keresetekre és vállalkozási jövedelmekre külön-külön); – az egy főre eső jövedelem alapján meghatározott percentilis értékek és egyéb társadalmi-gazdasági rétegképző ismérvek segítségével besorolja a háztartásokat a lakóhely-, aktivitás-, gyermeklétszám-, jövedelemismérvek alapján képzett, 24 réteg valamelyikébe (Révész [2003a]) (ahol a lakóhelyen belül immár a közép-magyarországi régióbelieket is megkülönböztetjük); és – minden szükséges kategóriára kiszámítja a teljes népességre felszorzott rétegösszesen értékeket. A modellhez csak úgy tudjuk felhasználni a publikált adatokat, ha biztosítjuk a makrostatisztikákkal való konzisztenciát. Az illeszkedéshez szükséges korrekcióknál megtartottuk az eredeti arányokat. A SAS-programból kapott rétegadatok ennek megfelelő további feldolgozása Excelben történt. Az egyes kategóriák meghatározásának fontosabb jellemzőit a következőkben ismertetjük. Státuszadatok A státuszadatok többségét kitevő, különféle létszámokra vonatkozó adatokon nem kellett további korrekciókat végeznünk, mivel az előzőkben említett módon a háztartás-statisztikai adatok a hozzájuk megadott demográfiai súlyokkal felszorozva álltak rendelkezésünkre. A bemondott lakásértéket rétegenként arányosan igazítottuk a KSH [2008b] kiadványában található lakásérték-makroadathoz. Termelési jövedelmek A jövedelmeket (tételenként és a munkajövedelmeket ágazatonként) igazítottuk a megfelelő makrostatisztikai adatokhoz.22 A háztartás-statisztika értelemszerűen csak 22 E makroadatok némelyike nem könnyen elérhető. A szociálpolitikai kedvezmények makroadatát például a zárszámadásban nem, csak az Állami Számvevőszék egyik jelentésében tüntették fel.


268


a rezidensek jövedelmeit tartalmazza, így peremnek elvben a rezidensek ágazati munkajövedelmeinek kellene lenniük. A nemzeti számlák azonban a keresetek ágazati bontásánál nem adják meg, hogy az adott ágazat ebből mennyit fizetett ki rezidenseknek, illetve külföldi munkavállalóknak.23 Ezt a különbséget a gazdasági szolgáltatásban vettük figyelembe, mivel a bejövő és a kimenő munkajövedelmek egyenlege éppen alacsony volt (körülbelül 5 milliárd forint), a többi ágazatnál pedig a háztartás-statisztikabeli munkajövedelmeket az összes ágazati munkajövedelemhez tudtuk igazítani.24 Fogyasztási kiadások A fogyasztási kiadásokat (alapáron a kereskedelmi árrést és a termékadókat leválasztva) előbb COICOP-bontásról ágazatra transzformáltuk, azután arányosan az ÁKM fogyasztási oszlopához igazítottuk. Ez fogyasztói áron történt, majd a turizmus szatellit számlák és a beutazó turisták fogyasztására vonatkozó korábbi tanulmány alapján leválasztottuk a külföldiekre és a termékadókra jutó részt. Jó lett volna még COICOP-bontásban elvégezni a makrostatisztikai adatokhoz való kiigazítást, de sajnos a háztartások fogyasztásának ilyen mélységű bontását a KSH-ból nem tudtuk megszerezni. Tulajdonosi jövedelmek és transzferek A további kategóriákat a SOCIO-LINE modell bevételi-kiadási kategóriái szerinti bontásban és az alapadatoknak a 24 rétegből a modellhez definiált három jövedelmi csoportra (tercilisekre) való aggregálása után, azaz csak háromréteges bontásban határoztuk meg a megfelelő makrostatisztikai adatokhoz igazítva. A transzferek meghatározásával kapcsolatban a következő megjegyzéseket érdemes fűzni. A természetbeni társadalmi juttatások értelemszerűen nem szerepelnek a háztartás-statisztikában, így a modellben ezeket (a zömmel oktatási és egészségügyi szolgáltatásokat) részben a gyerekek, részben a nyugdíjasok (háztartás-statisztikában szereplő) számával osztottuk arányosan szét rétegekre. A kapott tőketranszfereket egyik rendelkezésre álló komponensük, a szociálpolitikai kedvezmény, az adott tőketranszfereket pedig jobb proxy híján a közcélú adományok arányában osztottuk szét. 23 Ezt a problémát már az 1998. évi adatbázis kapcsán jeleztük a KSH szakértőinek (ugyanis az egész munkajövedelmet a rezidens háztartások jövedelmeként tüntették fel). Az utóbbi években az elszámolásokban már megfelelően szerepel. 24 Ha az adott mintában egyáltalán nem volt, vagy túl alacsonynak bizonyult az adott ágazatba tartozó adat, a rétegek közötti szétosztásnál egy másik, e tekintetben vélelmezhetően hasonló ágazat munkajövedelemrétegmegoszlását vettük alapul.



269

Pénzügyi állományok és állományváltozások A valuta- és a devizaárfolyam-változásból származó átértékelődés háztartási szektorra vonatkozó összesen értékét (egyelőre) rétegekre a külföldi üdülési kiadások, míg az egyéb forintkövetelések átértékelődését – aminek a pénzügyi számlákbeli 82,1 milliárd forint összesen értékéből 80,1 milliárd forint a biztosítási díjtartalékokra esik – az ilyen célú befizetések arányában osztottuk szét. Miután minden bevételi és kiadási tételt a három rétegre bontva is megbecsültük, a cégtulajdon nélküli nettó pénzvagyonváltozást a bevételek és a kiadások egyenlegeként határoztuk meg. A bevételi-kiadási tételek becslésének (rétegek közötti elosztásának) hibája tehát ebben a pénzvagyon-változásban jelentkezik, azaz a rétegek közötti elosztások jóságának ellenőrzésére is szolgál. Mivel azonban az eredmények elfogadhatók voltak (az 1. és a 2. réteg 304, illetve 165,5 milliárd forinttal eladósodik, a 3. réteg pénzvagyona pedig 793,5 milliárd forinttal nő), egyelőre nem kellett felülvizsgálnunk a rétegek közötti elosztás módszerét. A nagyobb kérdés az, hogy a modell milyen korlátokat szab az 1. réteg eladósodásának. A pénz, a külföldi cégtulajdon és az egyéb forintkövetelések állományait a kapott kamatok, a belföldi cégtulajdont a kapott osztalékok, az egyéb forinttartozásokat a fizetett kamatok, a devizaköveteléseket és -tartozásokat pedig a külföldi üdülés arányában osztottuk szét rétegekre. Ez utóbbinál célszerű lesz áttérni a lakáshiteltartozásokra, amelyeknek már 2005-ben jelentős része devizahitel volt. A hozamokat és az átértékelődéseket pénzügyi eszközök, illetve követelések és tartozások szerinti bontásban az előző módszerrel becsült állományadatok, valamint a maradékelv alapján határoztuk meg. Egy adott instrumentum hozama, mivel az előzőkben ismertetett módon az összes (instrumentumra vonatkozó) kamat, osztalék stb. tulajdonosi jövedelmet már rétegekre osztottuk, ezen összesen és a többi instrumentumra becsült értékek különbségeként adódik.

3.4. Az adatok ötszektoros aggregációja Az eddigiekben csak a nemzetgazdaság egészére meghatározott kategóriákat (a hazai és az importtermékek folyó termelő felhasználásának mátrixait, a beruházási mátrixot és ezek termékadóinak mátrixait) az intézményi szektorok makroadatai arányában intézményi szektorokra dezaggregáltuk, és ezzel egy lépésben öt szektorra aggregáltuk az így kapott adatokat. A vállalati szektorra vonatkozó, 61-ágazatos adatokat pedig csak többnyire aggregálni kellett. Ez alól kivétel volt a pénzügyi eszközök és tartozások instrumentumonkénti hozam- és átértékelődési adatainak meghatározása, amelyeket ilyen bonStatisztikai Szemle, 89. évfolyam 3. szám

270


tásban eddig még nem becsültünk. Ezért első lépésben a 61-ágazatos bontásban már előállított pénzügyi állományadatokat (portfólióadatokat) öt szektorra aggregáltuk, majd az ötágazatos aggregációban a hozamokat és átértékelődéseket a háztartási rétegekhez hasonló módszerrel az állományok arányában, illetve maradékelv alapján becsültük.

3.5. Egyéb adatok A modell ezeken túlmenően még igényel néhány makrogazdasági adatot, főleg a környezeti és az infrastrukturális beruházások összegére – a modell aktuális ágazati bontására, azaz jelenleg öt ágazatra – vonatkozóan. Makrogazdasági adatok A makroadatok nagy részét a KSH és az MNB számos helyen publikált adataiból vettük. E skalárparaméterek közül a 2005. évi infláció, termelői árindex és forintárfolyam-változás értékét rendre 1,06-ra, 1,06-ra, illetve 1,01-re25 állítottuk be. A humántőke adatát a korábban kidolgozott módszer és arányok alapján (lásd Révész [2006]) közvetve, a 2005. évi lakossági fogyasztás produktív részének (78,8 százalékának) 7,11-szeresében határoztuk meg, ami konkrétan 83,54 ezer milliárd forintot tett ki. Környezetre és infrastruktúrára vonatkozó adatok A környezeti tőke értékét az 1998. évi értéket a fogyasztói árindex 1998 és 2005 közötti változásához igazítva, kerekítve 20 000 milliárd forintnak állítottuk be. E mutató értelmezését szintén a korábbi tanulmányunkban (lásd Révész [2006]) fejtettük ki. A környezeti és az infrastrukturális beruházások értékeit az 5. táblázat tartalmazza. A táblázati értékek meghatározása a következők szerint történt. Az MNB [2007] kiadványban a „közvetlen” és „integrált” környezetvédelmi beruházások 13 ágra, a feldolgozóiparon belül pedig 8 ágazatcsoportra bontva is megadott 2005. évi adatait a táblázatban látható öt ágazatba soroltuk. Ezekből az állami részt a zárszámadásból (Magyar Közlöny [2006]) határoztuk meg (az élelmiszergazdasági beruházások esetén szereplő 2 293 millió forintot az 1 802 millió forint erdőtelepítési és a 491 millió forint földvédelmi kiadások teszik ki, a nem anyagi szolgáltatásokra eső 82 906 millió forint pedig az L és O ágbeli szennyvíz- és levegővédelmi kiadások összege). 25

A 2005. év érdekessége volt, hogy noha 2005 végén a forint az euróhoz képest 3 százalékkal, a dollárhoz képest pedig 13 százalékkal volt gyengébb, a forint devizakosárhoz képesti gyengülése éves szinten csak 1 százalékos volt.


271


Ugyancsak a zárszámadásból számítottuk a táblázat „anyagi szolgáltatások” oszlopában feltüntetett állami infrastrukturális kiadások értékét, konkrétan a vasútfejlesztésre, a Vásárhelyi-tervre költött 4 532 millió forint, valamint a „térségi infrastruktúra” kiadásaira költött 8 395 millió forint összegeként. 5. táblázat Környezetvédelmi és infrastrukturális beruházások 2005-ben (folyó áron, millió forint) Beruházások

Alapanyagipar

Feldolgozóipar

Élelmiszer-gazdaság


26 117 0

Nem anyagi ágak

11 248

3 624

21 928

49 962

0

2 293

0

87 206

Környezetvédelmi Vállalat Állam Infrastrukturális Vállalat Állam

3 011

0

0

0

0

0

0

0

98 622

0

4. Az adatok felhasználása a modell GAMS-programjában Mindenekelőtt az Excel-adatok beolvasására szolgáló programot dolgoztuk át. Ennek új neve SLRead.gms lett. Ebben a GAMS-szoftverben az utóbbi években kifejlesztett Excel-GAMS-interface-t használtuk, amely gyorsan és hatékonyan olvas be Excel-fájlokról most már nemcsak értékadatokat, hanem más fájlokra hivatkozó képleteket is, és az eredményeket a hagyományos „.g00” kiterjesztésű belső formátum mellett GAMSIDE-editorral megtekinthető „.gdx” formátumban is tárolja. A beolvasott adatokat az SLBase.gms program „kalibrálja” a modell olyan paramétereivé, amelyeket behelyettesítve az első időszakra (2005. évre) vonatkozó egyenletekbe, azok éppen az endogén változók 2005. évi tényleges értékeit eredményezik. A kalibráción túlmenően a program egy megadott időtávon belüli gazdaságfejlődési alappályát („baseline” futtatás) is számít, amelyben csak a világkeresletre vonatkozó paramétert változtattuk évi 3 százalékos növekedést feltételezve minden ágazatban (azok termékeire nézve). A tulajdonképpeni szimulációkat az SLCont.gms program végzi. Ebben kell megadni mindazon paraméterek jövőbeni értékeit, amelyek hatásait számítani kívánjuk. A hatások természetesen elsősorban mint differenciális hatások értendők, azaz a szimuláció eredményeit mindenekelőtt az alappálya eredményeihez lehet viszonyítani. Statisztikai Szemle, 89. évfolyam 3. szám

272


Az új adatbázissal és az ennek megfelelően kissé módosított modellel kísérleti számításokat is végeztünk. E futtatások a fontosabb változók csaknem mindegyikére elfogadható fejlődési pályát rajzoltak fel, néhány változó (például a rétegek és az ágazatok adósságpozícióinak, valamint az infláció) alakulása azonban még további vizsgálatra szorul. E szimulációk folyamán, a modell korábbi verziójának kifejlesztése óta, illetve az adatbázis összeállítása során számos elképzelést megfogalmaztunk arra vonatkozóan, hogy miképp lehet a modell struktúráját – nem utolsósorban az eltelt időszak alatt a gazdaság működési mechanizmusaiban és a statisztikai rendszerben lezajlott változásoknak is megfelelően – továbbfejleszteni. Munkánk következő lépése ennek a továbbfejlesztésnek a megvalósítása és a modell konkrét gazdaságpolitikai kérdések elemzésére való felhasználása lesz.

Irodalom APEH (ADÓ- ÉS PÉNZÜGYI ELLENŐRZÉSI HIVATAL) [2006]: A 2005. évi társasági adóbevallás kiemelt adatai. Budapest. CSERHÁTI I. – RÉVÉSZ T. – TAKÁCS T. [2001]: A SOCIO-LINE modell, a fenntartható fejlődés modellje – gazdasági-társadalmi megközelítések. A gazdaságelemzés módszerei. I. sz. ECOSTAT. Budapest. CSERHÁTI I. – RÉVÉSZ T. – TAKÁCS T. [2004]: A Socio-Line modell – rövid ismertető. In: ECOSTAT: Makrogazdasági modellszámítások a 2020-ig tartó időszakra a nemzetközi trendek, az eurozónához történő csatlakozás követelményeinek figyelembe vételével. Budapest. ENERGIA KÖZPONT KHT. [2006]: Energiagazdálkodási Statisztikai Évkönyv 2005. Budapest. EUROSTAT [1996]: European System of Accounts, ESA 95. Luxembourg. EUROSTAT [2008]: Eurostat Manual of Supply, Use and Input-Output Tables. Luxembourg. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2003]: Tájékoztató a 2000-2001. évi éves nemzeti számlák végleges számításai során bevezetésre kerülő módszertani változásokról. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2005a]: A magyar külkereskedelmi termékforgalmi statisztika módszertana. Statisztikai módszertani füzetek 44. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2005b]: Magyarország nemzeti számlái 2002–2003. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006a]: Az ipar és az építőipar 2005. évi tevékenysége. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006b]: Magyarország nemzeti számlái 2003–2004. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006c]: Magyarország turizmus szatellit számlái 2004. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006d]: Külkereskedelmi termékforgalom 2005. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006e]: Környezetvédelmi ráfordítások és környezetvédelmi ipar 2005. Budapest.



273

KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006f]: Bruttó hazai termék 2005. (Előzetes adatok II.) Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006g]: Környezetstatisztikai évkönyv. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2007a]: Háztartásstatisztikai évkönyv 2005. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2007b]: Magyarország nemzeti számlái 2004–2005. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2008a]: Bruttó hazai termék 2007. (Előzetes adatok.) Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2008b]: Magyarország nemzeti számlái 2005–2006. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2008c]: Szociális statisztikai évkönyv 2005. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2009a]: Magyarország nemzeti számlái 2006–2007. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2009b]: Magyarország nemzeti számlái 1995–2007. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2009c]: Ágazati Kapcsolatok Mérlege 2005. Budapest. MAGYAR KÖZLÖNY [2006]: 2006. évi XCIX. törvény a Magyar Köztársaság 2005. évi költségvetésének végrehajtásáról. 147. (XI. 30.) 11 290–11 488. old. MNB (MAGYAR NEMZETI BANK) [2006]: Éves jelentés – A Magyar Nemzeti Bank 2005. évről szóló üzleti jelentése és beszámolója. Budapest. MNB (MAGYAR NEMZETI BANK) [2007]: Közvetlen tőkebefektetés statisztika, Magyarország 1995– 2005. Budapest. MNB (MAGYAR NEMZETI BANK) [2008]: Magyarország Pénzügyi Számlái. Budapest. MOL (MAGYAR OLAJ- ÉS GÁZIPARI NYRT.) [2006]: Friss lendület az „Új Európából”. Éves Jelentés 2005. Budapest. www.mol.hu/repository/478726.pdf MVM (MAGYAR VILLAMOS MŰVEK) [2006a]: A magyar villamosenergia-rendszer 2005. évi statisztikai adatai. Budapest. MVM (MAGYAR VILLAMOS MŰVEK) [2006b]: Éves jelentés 2005 – az MVM Zrt. összefoglalója a 2005. év tevékenységeiről. Budapest. PSZÁF (PÉNZÜGYI SZERVEZETEK ÁLLAMI FELÜGYELETE) [2007]: Felügyeleti mérleg és eredménykimutatás (tárgyév végi auditált záróállomány) – hitelintézetek összesen. Budapest. RÉVÉSZ T. [2003a]: A szakágazati és intézményi szektoros bontású modellezési adatbázis. Statisztikai Szemle. 81. évf. 2. sz. 101–126. old. http://www.ksh.hu/statszemle_archive/2003/2003_02/ 2003_02_101.pdf RÉVÉSZ T. [2003b]: A gazdaságmodellezési adatbázis szakágazati adatai. Statisztikai Szemle. 81. évf. 3. sz. 221–236. old. http://www.ksh.hu/statszemle_archive/2003/2003_03/2003_03_221.pdf RÉVÉSZ T. [2006]: SOCIO-LINE, a fenntartható fejlődés modellje – második változat. A gazdaságelemzés módszerei. I. sz. ECOSTAT. Budapest.

Summary The article summarizes the authors’ experience gained from compiling the input database of the macro model ”Socio-Line” of sustainable development. However, the paper is not a simple docu-


274

Révész—Takács: A SOCIO-LINE modell 2005. évi adatbázisának készítésekor szerzett tapasztalatok

mentation of data gathering and processing. The authors argue that a reasonable economic policy cannot spare the disaggregated analysis of the corporate sector, and the assessment of social impacts needs the disaggregation of the household sector. Therefore, the required model input includes a very comprehensive and detailed, disaggregated balance of incomes, expenditures and assets of the different institutional (government, household, corporate) sectors, sub-sectors (branches, strata) and the “rest of the world”. The new base year of the model is 2005, for which the detailed flow and stock data had to be gathered and harmonized. The authors have evaluated the changes and the development of the statistical system occurred since then. Many of them were methodological changes deriving from the application of the European System of Accounts (ESA 95). Simultaneously, the national accounts became far more detailed, but some information concerning the branches of the corporate sector is not accessible any more. During data procession, several inconsistencies have been revealed among different sources of data (national and financial accounts, input-output tables, balance of payment statistics, household budget survey, data of the tax authority, etc.). Data procession included imputation of various missing data, correction of data errors, balancing, reclassification of data given in different breakdowns, aggregation and disaggregation, adjustments to the corresponding macroeconomic totals particularly in the case of business and household budget survey data. The most important model input data for 2005 are presented in the paper. The elaborated database can be applied to various models, and the lessons of data gathering and harmonization will be used in graduate education too.


A parciális korrelációs együttható értelmezési problémái a többdimenziós normalitás feltételének sérülése esetén Vargha András egyetemi tanár, az MTA doktora, Károli Gáspár Református Egyetem Pszichológiai Intézete, ELTE Pszichológiai Intézete E-mail: [email protected]

A parciális korrelációt sokan és gyakran használják olyan esetekben, amikor két kvantitatív változó kapcsolatából ki akarják szűrni egy vagy több kvantitatív változó lineáris hatását. A parciális korreláció értékét szokásosan úgy értelmezik, hogy milyen lenne a vizsgált két változó kapcsolata akkor, ha a kiszűrt változókat állandó szinten tartanánk (feltételes korreláció). A szerző arra hívja fel a figyelmet – elméleti megfontolások és konkrét példák segítségével –, hogy ha nem teljesül a parciális korreláció linearitásra vonatkozó alkalmazási feltétele (amit a többdimenziós normalitás biztosít), akkor az említett értelmezés nem tekinthető helytállónak, vagyis ilyenkor megnő a téves következtetés esélye a parciális korrelációs együtthatóval kapcsolatban. Olyan szélsőséges eset is előfordulhat, hogy a parciális korreláció erős pozitív kapcsolatot jelez, miközben a feltételes korreláció –1-hez közeli negatív érték. E probléma kezelésének egyik lehetséges egyszerű módja, hogy nemlineáris összefüggések fellépte esetén a kiszűrendő változó alkalmas függvényét (például négyzetét) is kiszűrjük. A tanulmány kitér arra a speciális esetre is, amikor két változó korrelációját egy harmadik változó értékskálájának korlátozása mellett számítjuk ki. TÁRGYSZÓ: Korrelációszámítás.


276

Vargha András

E

mpirikus adatok elemzésekor néha meglepő korrelációkkal találkozhatunk. Ha kiszámítjuk a korrelációt a budapesti taxisok napi jövedelme és a Duna napi vízállása között egy teljes év viszonylatában, a kapott magas pozitív érték alapján bizonyára eltöprengünk azon, hogy milyen fura kapcsolat van a két változó között. Egy kis fejtörés után könnyen juthatunk arra a következtetésre, hogy a magas korreláció fellépte bizonyos közvetítő vagy háttérváltozók hatásának köszönhető. Ilyen háttérváltozó lehet például a napi csapadékmennyiség. Az esős napokon ugyanis egyaránt megnő a Duna vízállása és a taxi igénybevételének a valószínűsége, ami azonban nem jelenti azt, hogy e két tényező között bármilyen közvetlen kapcsolat lenne. A leírt szituációt általánosítva kérdezhetjük a statisztikustól: mit tegyünk, ha egy X és egy Y változó közötti olyan kapcsolat érdekel bennünket, ami akkor állna fenn, ha nem hagynánk, hogy egy X-szel és Y-nal egyaránt korreláló Z változó kifejtse a hatását? Erre a kérdésre találták ki a statisztikában a parciális korrelációs együtthatót, melynek egyik ismert képlete a páronkénti korrelációk segítségével írható fel a következőképpen (Pedhazur [1982] 103. old., Vincze [1968] 256–257. old.):

ρ XY .Z =

ρ XY − ρ XZ ρYZ 2 1 − ρ2XZ 1 − ρYZ

.

/1/

Ebben az /1/ formulában az elméleti parciális korrelációt fejezzük ki a páronkénti korrelációk segítségével, de ugyanez az összefüggés érvényes az empirikus parciális korreláció és a páronkénti korrelációk között is. A parciális korrelációs együttható érvényes alkalmazásával kapcsolatban a következő feltételeket szokták megfogalmazni (lásd például Garson [2009]): – kvantitatív (legalább intervallumskálájú) X, Y, Z változók; – csak lineáris típusú összefüggések léteznek az X, Y, Z változók között; – X és Y között ugyanolyan jellegű és szintű kapcsolat van a Z változó teljes értéktartományában. Megjegyzendő, hogy ha a vizsgált változók együttes eloszlása többdimenziós normális, akkor ezek a feltételek szükségképpen fennállnak (Tabachnik–Fidell [2001] 72. old.). A parciális korreláció alkalmazása rendkívül népszerű az empirikus kutatásokban. Például a Web of Sciences cikkarchívumának keresőjében a „partial correlation” ki-


A parciális korrelációs együttható értelmezési problémái

277

fejezéshez 2010. október 20-án 9589 olyan cikk került listázásra, amelyek mind 2000 és 2010 között jelentek meg. Aggasztónak tűnik a parciális korreláció ilyen széles körű használata, ha figyelembe vesszük, hogy milyen szigorúak az érvényes alkalmazás előbbiekben megfogalmazott feltételei. Például a társadalomtudományokban a normális eloszlás inkább tekinthető ritka kivételnek, mint általános szabályosságnak (Micceri [1989], illetve Vargha [2003a]) és a változók közötti gyakori nemlineáris összefüggések (például az izgalmi szint és a mentális teljesítmény, a vérnyomás és a jó közérzet között stb.) is arra figyelmeztetnek, hogy a parciális korreláció mérlegelés nélküli, automatikus használata esetenként komoly bajok forrása lehet. Ezen körülmények boncolgatása nem tűnik mindennaposnak a tudományos publikációkban. Például a „partial correlation interpretation” kifejezésre a Web of Sciences archívumából már csak 202 tétel jött elő, amelyek közül csupán 3 foglalkozott magának a parciális korrelációnak a jelentésével, értelmezésével. Brillinger [2001] John Tukey álláspontját követve hangsúlyozza a keresztmetszeti adatokból számított korrelációs és parciális korrelációs együtthatók korlátait és helyettük az idősorelemzésből ismert koherencia, valamint parciális koherencia mutatók használatát javasolja. Rae és Carretta [2006] a mérési hiba hatását tekinti át a különböző statisztikai mutatók és próbák esetén. Cramer [2003] tanulmánya pedig azt boncolgatja, hogy a parciális korrelációs együttható előjele és nagysága miként függ a vizsgálatba bevont X, Y, Z változók páronkénti közönséges korrelációinak mintázatától. Cramer megemlíti például, hogy ha a Z változó ugyanolyan irányú, de szorosabb kapcsolatban van az X, Y változókkal, mint emezek egymással, akkor az rxy. z parciális korrelációs együttható mindig ellentétes előjelű lesz, mint az eredeti – nulladrendű – rxy korrelációs együttható, ami alapjaiban érinti az X és az Y változó közötti kapcsolat értelmezését. Kérdésfeltevésünk aktualitását erősíti, hogy az áttekintett tanulmányok egyike sem foglalkozik azzal, hogy az alkalmazási feltételek sérülése milyen hatással van a parciális korrelációs együttható jelentésére, értelmezésére. A jelen tanulmány célja kettős: a) elméleti levezetésekkel kimutatni, hogy az alkalmazási feltételek számottevő sérülése esetén nem érvényes a parciális korrelációs együttható hagyományos értelmezése; b) gyakorlati útmutatást adni ahhoz, hogy e feltételek sérülése esetén az ismertebb statisztikai programcsomagok (például SPSS és ROPstat) eszköztára segítségével hogyan lehet a szakmai célnak megfelelő statisztikai mutatót készíteni. Tanulmányunk első részében a parciális korrelációs együttható matematikai definícióját és néhány elméleti vonását tekintjük át. Ezután matematikai levezetésekkel Statisztikai Szemle, 89. évfolyam 3. szám

278

Vargha András

kimutatjuk, hogy ha a Z változó nemlineáris módon (például kvadratikusan) hat X-re és Y-ra, akkor a parciális korreláció hogyan válhat téves következtetés forrásává. Végül tanulmányunk harmadik részében arra teszünk javaslatot, hogy az ismert korrelációs és regressziós technikák alkalmazásával a gyakorlatban miként kerülhetjük el a téves értelmezés csapdáját.

1. A parciális korrelációs együttható matematikai definíciója Tegyük fel, hogy egy X és egy Y kvantitatív változó közötti lineáris kapcsolat foglalkoztat bennünket, melyet konkrét statisztikai elemzésekben szokásosan a Pearsonféle rxy korrelációval mérünk (az ennek megfelelő elméleti korreláció szokásos jele:

ρ XY ). Ha X és Y együttjárását elemezve felmerül, hogy egy harmadik, Z-vel jelölt kvantitatív változó, mely hat X-re és Y-ra, befolyásolhatja azok rxy -nal mért korrelációját, akkor elgondolkodhatunk azon, mekkora rxy -ban az a rész, amely X és Y közvetlen, Z-től nem függő együttjárásának az eredménye. Ennek a részleges, „parciális” kapcsolatnak a mérésére találták ki a matematikai statisztikában a parciális korrelációs együtthatót a következő gondolatmenet szerint. 1. Határozzuk meg a Z változó X-re vonatkozó lineáris regressziós becsléseként az X változónak azt a részét, amely lineárisan függ Z-től ( X Z ) . Ekkor úgy vélhetjük, hogy ha X-ből elhagyjuk (kivonjuk) ezt a Z-től függő X Z összetevőt, akkor ami marad, már nem függ Z-től, va-

gyis X mar = X – X Z az X változónak az a része, amely nem függ lineárisan Z-től. 2. Hasonló logikával határozzuk meg Y-ban a Z-től lineárisan függő YZ összetevőt, s ennek segítségével a Z-től lineárisan nem függő Ymar = Y – YZ összetevőt. 3. Ezen Z-től lineárisan nem függő X mar , Ymar összetevők közötti Pearson-féle korrelációt nevezzük parciális korrelációnak: rxy. z = r ( X mar , Ymar ) (Pedhazur [1982] 97–104. old.).



279

Ha ugyanezeket a lépéseket az elméleti regressziós modellben hajtjuk végre, akkor a ρ XY .Z elméleti parciális korrelációs együtthatóhoz jutunk (Vargha [2007a] 300–314. old.). Az rxy. z ( ρ XY .Z ) parciális korrelációs együtthatót úgy szokták tekinteni, mint az rxy (ρXY) korrelációnak azt a részét, amelyből a Z változó lineáris hatása ki van szűrve. Kiszámításának egyik egyszerű módja a tanulmányunk elején felírt /1/ formula alkalmazása, melyhez csupán az X, Y, Z változók között páronként kiszámított korrelációk szükségesek. Ezen gondolatmenet általánosításával természetesen több kvantitatív változó hatását is ki lehet szűrni X és Y kapcsolatából, de ennek technikai részleteire itt most nem térünk ki. Ezzel kapcsolatban csak annyit jegyzünk meg, hogy több változó kiszűrése esetén a végső parciális korreláció nem függ a kiszűrések sorrendjétől, tehát például rxy. zuv = rxy.vuz = rxy. zvu stb. A parciális korrelációs együttható értelmezésével kapcsolatban alapvetően fontos, hogy ha teljesül az X, Y, Z változókra a többdimenziós normális eloszlás feltétele, akkor az rxy. z parciális korrelációs együttható becslés lesz arra, hogy mekkora lenne az elméleti korreláció X és Y között, ha a Z változót bármely konkrét z pontban rögzítenénk: rxy. z ≈ ρ ( X , Y Z = z ) . Alkalmazási feltételeinek teljesülése esetén tehát a parciális korrelációs együttható valóban azt mutatja (méri), hogy a Z változó fixálásakor (ezzel érjük el azt, hogy Z ne fejthesse ki hatását X-re és Y-ra) mekkora lesz a korreláció X és Y között. Ez utóbbi korrelációt feltételes korrelációnak nevezzük. Az X, Y, Z változók együttes eloszlásának többváltozós normalitása azt biztosítja, hogy egyrészt közöttük csak lineáris típusú összefüggések léphetnek fel (emiatt a Pearson-féle r teljesen adekvát mérőszáma a páronkénti kapcsolatoknak), másrészt az X és az Y közti összefüggés Z bármely rögzített értéke esetén ugyanakkora lesz. Ha viszont a normalitási feltétel nem teljesül, a parciális korrelációs együttható nem feltétlenül jelzi azt, hogy mekkora a korreláció X és Y között, ha Z-t rögzítjük, vagyis állandó szinten tartjuk. A parciális korreláció és a feltételes korreláció tehát nem feltétlenül fog megegyezni, ami ilyen esetben megkérdőjelezi a parciális korreláció hagyományos értelmezésének a jogosságát. A következőkben ezt fogjuk elméleti levezetésekkel igazolni.


280

Vargha András

2. A parciális korrelációs együttható értelmezésének problémája nemlineáris összefüggések felléptekor Jelen fejezetben mesterségesen konstruált változók felhasználásával, elméleti levezetéssel mutatjuk meg, hogy ha X, Y és Z között nemlineáris összefüggések vannak (ilyenkor a többváltozós normalitás feltétele szükségképpen sérül), akkor a parciális korreláció és a feltételes korreláció értéke akár óriási mértékben is különbözhet egymástól. Legyen U, V és Z normális eloszlású, egymástól független változó! Az egyszerűség kedvéért legyenek standardizált alakban (0 átlaggal és 1 szórással). Definiáljuk ezek segítségével először az

X 0 = aZ + cU és Y 0 = aZ – cU + cV

/2/

változót, ahol a és c tetszőleges pozitív szorzótényezők. X 0 és Y 0 kifejezése egyaránt tartalmaz egy a egység súlyú pozitív ( aZ ) , valamint egy c súlyú, de ellentétes előjelű (cU , illetve – cU ) közös komponenst. Y 0-t kiegészíti még egy ugyancsak c súlyú független összetevő ( cV ) is. Matematikailag igazolható (a bizonyítást lásd a Függelék F1. pontjában), hogy az a, c paraméterek segítségével a következőképpen írható fel az X 0 és Y 0 közötti elméleti korrelációs együttható:

ρX 0Y 0 =

a2 − c2 a2 + c2 a2 + 2c2

.

/3/

X 0 és Y 0 kapcsolatának előjele és szorossága a és c viszonyától függ. Ha a > c, akkor az X 0 és Y 0 közötti elméleti korreláció pozitív, ha pedig a < c, akkor ez a korreláció negatív lesz. Rögzített a érték mellett a kapcsolat szorossága c növelésével gyengébb, csökkentésével pedig erősebb lesz. Például a = 5 és c = 1 érték mellett ρ ( X 0, Y 0 ) = 0,906, a = 5 és c = 3 esetén pedig ρ ( X 0, Y 0 ) = 0, 418. (Lásd az 1. táblázatot.) Mivel X 0 és Y 0 az egymástól páronként független U, V, Z standard normális eloszlású változók lineáris kombinációja, együttes eloszlásuk igazolhatóan többdimenziós normális eloszlású lesz (Rényi [1968]), ami miatt a ρ X 0Y 0.Z elméleti parciális korrelációnak meg kell egyeznie a ρ ( X , Y Z = z ) feltételes korrelációval bármely

z szám esetén. Ez a közös ρ X 0Y 0 Z feltételes korrelációs érték a következőképpen ha-


281


tározható meg. Mivel Z rögzítése esetén az X 0-ban és Y 0-ban egyaránt megtalálható aZ összetevő konstans, a korreláció csak a maradék részek (cU és cV – cU ) viszonyától függ. Emiatt ρ X 0Y 0 Z = ρ ( cU , cV – cU ) =

– Cov ( cU , cU )

⎡⎣ D ( cU ) D ( cV – cU ) ⎤⎦

=

–1 2

,

/4/

ami nem függ a és c értékétől, és három tizedesre kerekítve –0,707-tel egyenlő.1 De mi történik akkor, ha X 0-hoz és Y 0-hoz hozzáadunk egy Z-től nemlineárisan függő összetevőt? Például X = X 0 + bZ 2 és Y = Y 0 + bZ 2

/5/

esetén X és Y kvadratikusan (parabolikusan) függ Z-től. Emiatt X, Y és Z együttes eloszlása nem lehet normális, továbbá az sem garantált, hogy az X és Y közti, Z hatását kiszűrő parciális korrelációs együttható ( ρ XY .Z ) meg fog egyezni a Z rögzítése mel-

(

)

lett kiszámított X és Y közti feltételes korrelációval ρ XY Z . Ennek kimutatásához először is meghatároztuk X és Y között a korrelációt, mely a Függelék F2. levezetése alapján a következőképpen írható fel a, b és c függvényében:

ρXY =

a2 + 2b2 − c2 a2 + 2b2 + c2 a2 + 2b2 + 2c2

.

/6/

Ezután a ρ XZ , ρYZ korrelációkat is meghatározva (lásd Függelék F1-et), az /1/ formulába való behelyettesítéssel és egyszerű algebrai átalakításokkal kaphatjuk meg a ρ XY .Z parciális korrelációs együttható képletét:

ρXY .Z =

2b2 − c2 2b2 + c2 2b2 + 2c2

.

/7/

Végül a ρ XY Z feltételes korreláció meghatározásához azt vegyük figyelembe, hogy Z rögzítése esetén X és Y között pontosan ugyanolyan lesz a korreláció, mint X 0 és Y 0 között, vagyis –0,707 (vö. /4/ és /5/). 1

A /4/ formulában Cov a kovariancia, D pedig a szórás operátorát jelöli.


282

Vargha András

A feltételes korreláció tehát láthatóan nem függ a, b és c értékétől, de a parciális korreláció igen, aminek a konkrét szemléltetésére a következő három paraméterkombinációra kiszámítottuk ρ XY .Z értékét. (Lásd az 1. táblázatot.) a) a = 5, c = 1, b = 3; b) a = 5, c = 2, b = 2; c) a = 5, c = 3, b = 1. 1. táblázat Az X0 és az Y0, illetve az X és az Y változó közötti közönséges (ρXY) és parciális (ρXY.Z) korrelációk X változó

X 0 ( c = 1)

Y változó

Y 0 ( c = 1)

Közönséges korreláció

( ρ XY )

Parciális korreláció

( ρ XY .Z )

Feltételes korreláció

(ρ ) XY Z

0,906

–0,707

–0,707

X 0 (c = 2)

Y 0 (c = 2)

0,679

–0,707

–0,707

0,418

–0,707

–0,707

X ( b = 3, c = 1)

Y ( b = 3, c = 1)

0,944

0,872

–0,707

0,745

0,289

–0,707

0,447

–0,472

–0,707

X 0 ( c = 3)

X ( b = 2, c = 2 ) X ( b = 1, c = 3)

Y 0 ( c = 3)

Y ( b = 2, c = 2 ) Y ( b = 1, c = 3)

Az 1. táblázat alapján levonható következtetések: – X 0 és Y 0 , illetve X és Y között a közönséges ρ XY korrelációs együttható a c paraméter értékének növelésével csökken, ahogy ezt már korábban is megállapítottuk (vö. /3/ formula), ugyanis c szorzótényezője az X 0-ban és Y 0-ban , illetve X-ben és Y-ban ellentétes együtthatójú U összetevőnek, valamint az Y 0 , illetve Y egyediségét képviselő V összetevőnek (vö. /2/ egyenletek). – Ha a Z változótól csak lineárisan függő X 0 és Y 0 változó korrelációjából kiszűrjük a Z változót, a kapott ρ XY .Z értékek pontosan megegyeznek a feltételes korreláció –0,707-es értékével. Ebben az esetben tehát a parciális korrelációs együttható valóban azt mutatja, hogy milyen a kapcsolat X 0 és Y 0 között, ha a Z változó értékét állandó szinten tartjuk. – Ugyanez a szabályszerűség azonban nem figyelhető meg abban az esetben, amikor X-ben és Y-ban megjelenik a Z változó kvadratikus


283


hatása. A probléma természetesen ott a legsúlyosabb, ahol a kvadratikus komponens b szorzótényezője a legnagyobb ( b = 3) . Itt a parciális korrelációs együttható értéke 0,872, ami igen erős közvetlen pozitív kapcsolatot jelez X és Y között Z kiszűrése után, miközben a Z-re vonatkozó feltételes korreláció –0,707-es értéke jól mutatja, hogy Z rögzítésekor X és Y erős negatív kapcsolatban van egymással. Bár kisebb mértékű, de még mindig erősen félrevezető információt nyújt a parciális korrelációs együttható b = 2 érték mellett (ρ XY .Z ≈ 0,3, miközben

ρ XY Z ≈ 0, 7) . A kvadratikus komponens legkisebb szorzótényezője b = 1 esetén is 0,2-nél nagyobb eltérés van a parciális korreláció és a feltételes korreláció értéke között. Mindezek az eredmények egyértelműen bizonyítják, hogy a parciális korrelációs együttható értelmezésekor minden esetben mérlegelni kell, hogy alkalmazási feltételei teljesülnek-e, különben könnyen juthatunk téves következtetésekre. Kvantitatív változók korrelációs elemzései során gyakori, hogy két változó (X és Y) kapcsolatát egy harmadik (Z) változó értéktartományának bizonyos szűkebb övezetében vizsgáljuk. Például szakmailag érdekes lehet, hogy milyen kapcsolatban van az öngyilkosságban elhunytak és a bejelentett munkanélküliek száma 1998 és 2002, vagy 2002 és 2006 között, illetve 2006 után. Ha az ilyen övezetek szélességét a 0hoz közelítjük, az X és az Y közötti korreláció a feltételes korrelációt adja meg Z adott értéke – a felső vagy az alsó végpont rögzítése – mellett. Az ilyen típusú kérdések tisztázására a feltételes korreláció fogalmát általánosítjuk. Kiszámításához a feltételes várható érték formuláit vesszük alapul (Vincze [1968]), képletét normális eloszlású változók esetén a következő formulákkal adhatjuk meg. A /2/ egyenletekkel megadott X 0 és Y 0 változó közötti korreláció a standard normális eloszlású Z változó tetszőleges ( Z < z ) alakú résztartománya esetén:

ρ( X 0,Y 0 | Z < z) =

a2VZ (z) − c2 a2VZ ( z) + c2 a2VZ ( z) + 2c2

,

/8/

ahol VZ ( z ) a Z változó varianciáját jelöli a ( Z < z ) résztartományon, mely a következőképpen határozható meg: VZ ( z ) = Var ( Z Z < z ) = 1 – z

f ( z)

2

⎛ f ( z) ⎞ – ⎜⎜ ⎟ . F ( z ) ⎝ F ( z ) ⎟⎠


/9/

284

Vargha András

Ebben a formulában f ( z ) és F ( z ) a standard normális eloszlás sűrűség-, illetve eloszlásfüggvényének értéke a z helyen. Hasonlóképpen az X 0 és Y 0 változó közötti korreláció a standard normális eloszlású Z változó tetszőleges ( z1 ≤ Z ≤ z2 ) alakú résztartománya esetén így számítható ki: ρ( X 0,Y 0 | z1 ≤ Z ≤ z2 ) =

a2VZ ( z1, z2 ) − c2 a2VZ ( z1, z2 ) + c2 a2VZ ( z1, z2 ) + 2c2

/10/

,

ahol VZ ( z1 , z2 ) a Z változó varianciáját jelöli a ( z1 ≤ Z ≤ z2 ) résztartományon, mely a következőképpen határozható meg: 2

z f ( z ) − z1 f ( z1 ) ⎛ f ( z2 ) − f ( z1 ) ⎞ VZ (z1, z2 ) = Var(Z | z1 ≤ Z ≤ z2 ) = 1 − 2 2 −⎜ ⎟ . /11/ F ( z2 ) − F (z1 ) ⎝ F ( z2 ) − F ( z1 ) ⎠ Megjegyezzük, hogy z = – ∞, illetve z = ∞ esetén a zf ( z ) szorzat 0-val egyenlő. Az összefüggések részletes levezetését nem ismertetjük, de a bizonyítások logikáját és egyes lépéseket szemléltetésképpen a Függelék F3-ban bemutatjuk. Ezen formulák segítségével egyszerűen kiszámíthatók a feltételes korrelációk az X 0 és Y 0 változók tetszőleges lineáris és egyszerűbb nemlineáris (vö. /5/) transzformáltjaira is.

3. Hogyan kerülhetjük el a téves következtetések csapdáját? A parciális korrelációs együttható értelmezése akkor válik problematikussá, ha értéke nem egyezik meg a feltételes korrelációéval. Ez utóbbi pedig akkor következhet be legnagyobb eséllyel, ha a Z változó nemlineáris összefüggésben van X-szel és/vagy Y-nal. Hogy lehet a nemlineáris összefüggéseket felderíteni? Nyilván nincs értelme mindig, minden esetben nemlineáris kapcsolatok után kutatni, különösen sok változó vizsgálata esetén, mert az nagyon bonyolítaná a statisztikai adatfeldolgozást. Ugyanakkor a viszonylag kevés változóval operáló vizsgálatokban vagy olyan esetekben, amikor szakmai érvek szólnak a nemlineáris kapcsolatok lehetősége mellett, a nemlineáris összefüggések felderítése alapvetően fontos feladat. A továbbiakban bemutatunk néhány elemzési módszert, amellyel ezt megtehetjük. Statisztikai Szemle, 89. évfolyam 3. szám

285


Két változó összefüggésének milyenségéről sok esetben jó képet nyújt azok egyszerű pontdiagramja. Például az X változó Z-től való nemlineáris függése, b = 3 és c = 1 értéke mellett (1000 véletlen megfigyelés alapján) az 1. ábra pontdiagramján szépen kirajzolódik. 1. ábra. A Z és az X változó kétváltozós pontdiagramja b = 3 és c = 1 esetén

50 40

X változó

30 20 10 0 -4

-3

-2

-1

Z változó 0

1

2

3

4

-10 2. ábra. Az X változó simított nemlineáris regressziós becslése és az egy tizedesre kerekített Z változó (Z1) kétváltozós pontdiagramja b = 3 és c = 1 esetén

45 40 35 30 X változó

25 20 15 10 5 0 -4

-3

-2

-1

-5

Z 1 változó 0

1

2


3

4

286

Vargha András

Ha a változók között a kapcsolat nem olyan erős, mint az 1. ábrán látható esetben, a diagram pontjai annyira szóródhatnak, hogy nehézkes az összefüggés kiolvasása az ábráról. Ilyen esetben hasznos lehet a két változó között egy simított nemlineáris regressziós elemzést végezni (mozgó átlagos módszerrel), mely képes a véletlen ingadozások jelentős részének kiszűrésére és a kapcsolat fő tendenciáinak a kidomborítására. Ilyen elemzésre képes például a ROPstat „Korreláció, egyszerű regresszió” modulja, ha itt a „Lokális korreláció, nemlineáris regresszió” opcióra klikkelünk (www.ropstat.com). Például az X változó ( b = 3 és c = 1) Z-től való nemlineáris függésének felderítésére először egyszerűsítettük a Z változót értékeinek egytizedesre való kerekítésével (Z1), majd elvégeztük a simított nemlineáris regressziós elemzést a ROPstatban. A kapott regressziós becslés függését a Z1 változótól az Excelben elkészített pontdiagram jól szemlélteti. (Lásd a 2. ábrát.) Az 1. és a 2. ábra összehasonlítása mutatja, hogy a véletlen ingadozások kiszűrése milyen jól kiemeli a valódi összefüggést a két változó között. A simított nemlineáris regresszió a mozgó átlag módszerével úgy szűri ki a véletlen ingadozások jelentős részét, hogy a független változó (itt Z1 ) minden z értéke esetén a z-hez tartozó regressziós becslést a z körüli szomszéd értékekhez tartozó függő változó (jelen esetben X) értékeinek átlagaként határozza meg. A programban beállítható, hogy a z körüli „szomszédsági övezet” mennyire legyen szűk, illetve tág. A program kiszámítja a simított nemlineáris regresszió által magyarázott varianciahányadot (nemlineáris determinációs együtthatót) is, mely a 2. ábrán bemutatott esetben 0,966, vagyis közel 100 százalékos lett. Ha van konkrét elképzelésünk a változók nemlineáris függésének a típusáról, alkalmazhatjuk az SPSS nemlineáris regressziós modulját (Analysis/Regression/Nonlinear), konkrét elképzelés híján pedig a program görbeillesztő modulját (Analysis/Regression/Curve Estimation). Ez utóbbiban egyidejűleg több lehetséges függési típus (lineáris, kvadratikus, harmadfokú, logaritmikus, exponenciális stb.) is megvizsgálható és összevethető egymással. Amennyiben sikerült meghatározni a nemlineáris függés jellegét, akkor nincs más dolgunk, minthogy a parciális korreláció számítása során a szűrendő változó adott függvényét is kiszűrjük. A 2. ábrán bemutatott esetben a függés egyértelműen parabolikus jellegű, ami jelzi számunkra, hogy ha X és Y kapcsolatából Z hatását teljesen ki akarjuk szűrni, akkor Z mellett a Z 2 változót is ki kell szűrnünk. Elvégezve ezt az elemzést a ROPstatban, a b és c paraméterértékek mindhárom kombinációja esetén –0,713-at kaptunk, ami csak igen kis mértékben különbözik az elméleti feltételes korreláció –0,707-es értékétől.



287

4. Értékelés A függő változó (változók) eloszlásának normalitása számos statisztikai eljárás alkalmazásának feltétele. A teljesség igénye nélkül idetartozik az egy- és a kétmintás t-próba, az egy- és a többszempontos varianciaanalízis, a Pearson-féle korrelációval végzett korrelációs és regressziós elemzések, a faktoranalízis stb. A normalitás sérülése nem vezet mindig súlyos következményekhez (Vargha [2001], [2003b]), de a társadalomtudományok kutatóinak jó tudniuk, hogy mikor kell komolyan venniük ezt az alkalmazási feltételt. Például az egymintás t-próbánál, ha a mintanagyság nem haladja meg a 10-et, erősen nem normális eloszlású változók esetén jelentősen sérül a próba érvényessége (Vargha [2003b]). Jelen tanulmány a parciális korrelációs együttható esetében veszi górcső alá a normalitási feltétel sérülésének a hatását. Mesterségesen szerkesztett változók segítségével meggyőzően kimutattuk, hogy ha az X és az Y változó kapcsolatából kiszűrendő Z változó nemlineáris összefüggésben van X-szel és Y-nal (ilyenkor X, Y és Z együttes eloszlása bizonyosan nem lehet normális), akkor a parciális korrelációs együttható esetenként teljesen mást mér, mint amit várunk tőle, illetve ahogy értelmezni szokták az értékét, ami erősen megnöveli az adatokból levont téves következtetések esélyét. Például cikkünk egyik változópárja esetében az rxy. z parciális korrelációs együttható értéke 0,875 volt, miközben a Z változó bármely rögzített értéke mellett –0,7 körüli erős negatív kapcsolatban volt egymással X és Y. Ilyen anomália fellépéséhez nem kellett valami különösen kacifántos példát konstruálni. Mindössze annyit tettünk, hogy X-be és Y-ba beépítettünk egy sima kvadratikus Z hatást, valamint egy olyan lineáris összetevőt, mely X-re és Y-ra ellentétes hatást fejt ki (vö. /2/ egyenletek). Tekintve, hogy a társadalomtudományok kutatásainak változói között a kvadratikus jellegű (U vagy fordított U alakú) kapcsolatok nem tekinthetők fehér hollónak, a kutatóknak adatfeldolgozásaik során ezzel a lehetőséggel is számolniuk kell. Z markáns kvadratikus hatása X-re és/vagy Y-ra (lásd például a 2. ábrát) azért kavarja meg annyira a dolgokat, mert ilyen esetben X és Z, illetve Y és Z között a Z változó értéktartományának különböző részeiben ellentétes (hol pozitív, hol negatív) kapcsolat van, ami átöröklődik X és Y kapcsolatára is. Tanulmányunkban több olyan módszert is megemlítettünk, amelyekkel a nemlineáris összefüggések felderíthetők. Az egyik ilyen módszer a simított nemlineáris regresszió volt, mely egyszerűen futtatható a MiniStat programcsomag Windows változatában, a ROPstatban. A ROPstat (lásd Vargha [2007a], illetve www.ropstat.com) nehézség nélkül be tud olvasni az SPSS-ből *.por formátumban, vagy az Excelből szövegfájl formában elmentett (tabulátorral formattált) adatfájlokat.


288

Vargha András

Egyszerű módszert javasoltunk nemlineáris kapcsolatok esetén a parciális korrelációs együttható korrekciójára. Ez a korrekció mindössze abból áll, hogy ha feltételezhető a kvadratikus jellegű hatás fellépte, akkor Z mellett parciáljuk ki (szűrjük ki) a Z 2 változót is X és Y kapcsolatából. Ez végrehajtható bármely statisztikai programcsomagban (SPSS, ROPstat, Statistica stb.), csak előtte egy egyszerű transzformációval létre kell hozni Z 2 -et Z segítségével. Végül szeretnénk felhívni a figyelmet arra, hogy a parciális korrelációs együtthatók logikailag nagyon hasonlítanak a többszörös lineáris regresszió standardizált regressziós együtthatóira. Ez utóbbiakat egyesek eleve úgy értelmezik, mint parciális korrelációs együtthatókat az egyes független változók és a függő változó között, ha kiszűrjük a többi független változó hatását (lásd például Bryman–Cramer [2008]). Ennek az értelmezésnek a hibás voltáról bárki meggyőződhet, ha kiszámítja az említett parciális korrelációkat valamilyen korrelációs rutinban, s összeveti azokat a többszörös lineáris regresszió eredménylistáján megjelenő standardizált regressziós együtthatókkal. A standardizált regressziós együtthatók mindössze azt jelzik, hogy a függő változó várhatóan mekkorát változik szórásléptékben, ha az egyes függő változók értékét 1 szórásnyival megnöveljük, miközben a többi függő változót állandó szinten tartjuk (Pedhazur [1982] 247. old.).

Függelék F1. A ρ X 0Y 0 korrelációs és a ρ X 0Y 0.Z parciális korrelációs együttható meghatározása a cikk /2/ egyenleteinek kikötése mellett tetszőleges pozitív a, b, c paraméterekre a következő. A korrelációs együttható definíciója szerint (lásd például Vincze [1968]):

ρX 0Y 0 =

Cov( X 0,Y 0) . D( X 0)D(Y 0)

/F1/

A /2/ egyenletek és a korreláció lineáris operáció volta miatt Cov ( X 0, Y 0 ) = Cov ( aZ + cU , aZ – cU + cV ) = a 2Cov ( Z , Z ) – acCov ( Z ,U ) + acCov ( Z ,V ) + + caCov (U , Z ) – c 2Cov (U ,U ) + c 2Cov (U ,V ) . Tekintve, hogy U, V, Z egymástól függetlenek,

Cov ( Z ,U ) = Cov ( Z ,V ) = Cov (U , Z ) = Cov (U ,V ) = 0 , továbbá U, V, Z standard volta miatt


289


Cov ( Z , Z ) = Cov (U ,U ) = 1. Következésképpen Cov ( X 0, Y 0 ) = a 2 – c 2 .

Most rátérünk D ( X 0 ) és D (Y 0 ) meghatározására. A /2/ formula és a variancia tulajdonságai miatt – Z és U függetlenségét is figyelembe véve – kapjuk, hogy: Var ( X 0 ) = Var ( aZ + cU ) = a 2Var ( Z ) + c 2Var (U ) = a 2 + c 2 .

Hasonló levezetéssel kapjuk, hogy Var (Y 0 ) = Var ( aZ – cU + cV ) = Var ( aZ ) + Var ( – cU ) + Var ( cV ) = a 2 + 2c 2 .

Mindezek alapján ρ ( X 0, Y 0 ) fenti /F1/ képletébe helyettesítve kapjuk az igazolni kívánt /3/ formulát. A ρ X 0Y 0.Z parciális korrelációs együttható meghatározásához az /1/ képletet használjuk, s ehhez szükségünk van ρ ( X 0, Y 0 ) mellett még a ρ ( X 0, Z ) , ρ (Y 0, Z ) korrelációkra is. Az előbbiekkel analóg gondolatmenetet követve

ρ( X 0, Z ) =

Cov( X 0, Z ) a2 = és D( X 0)D(Z ) a2 + c2

ρ(Y 0, Z ) =

Cov(Y 0, Z ) a2 = . D(Y 0)D(Z ) a2 + 2c2

A ρ ( X 0, Y 0 ) , ρ ( X 0, Z ) , ρ (Y 0, Z ) korrelációk így kapott kifejezéseit behelyettesítve az /1/ formulába kapjuk, hogy

ρX 0Y 0.Z =

−c2 2c

4

=

−1 = −0,707 , 2

/F2/

ami egyben a feltételes korrelációs együttható értéke is X0 és Y0 között a Z változó rögzítése mellett. F2. A továbbiakban a ρXY korrelációs és a ρXY.Z parciális korrelációs együttható határozzuk meg a cikk /2/ és /5/ egyenleteinek kikötése mellett tetszőleges pozitív a, b, c paraméterekre. Az F1. pontban alkalmazott utat követve ρ XY = ρ ( X , Y ) -hoz a Cov ( X , Y ) , D ( X ) és D (Y )

összetevőket határozzuk meg először. A /2/, /5/ egyenletek és a kovariancia tulajdonságai alapján, felhasználva azt is, hogy U, V, Z egymástól függetlenek:


290

Vargha András

(

)

Cov ( X , Y ) = Cov aZ + bZ 2 + cU , aZ + bZ 2 – cU + cV =

(

) + abCov ( Z , Z ) + ba ( Z , Z ) – c Cov (U ,U ) = + 2b + 2abCov ( Z , Z ) – c .

= a Cov ( Z , Z ) + b Cov Z , Z 2

2

2

= a2

(

2

2

2

)

2

2

2

2

( )

Itt felhasználtuk, hogy Cov Z 2 , Z 2 = Var Z 2 = 2, mivel Z 2 1 szabadságfokú khi-négyzeteloszlást követ (Vincze [1968]). De

(

)

( )

( )

Cov Z , Z 2 = E Z 3 – E ( Z ) E Z 2 = 0, mert a normális eloszlású változók páratlan fokszámú momentumai 0-k (Rényi [1968]), ami miatt Cov ( X , Y ) = a 2 + 2b 2 – c 2 .

Ugyanakkor

(

)

( )

Var ( X ) = Var ( aZ ) + Var bZ 2 + Var ( cU ) = a 2 + b2Var Z 2 + c 2 = a 2 + 2b2 + c 2 . Hasonlóképpen

(

)

Var (Y ) = Var ( aZ ) + Var bZ 2 + Var ( cU ) + Var ( cV ) = a 2 + 2b 2 + c 2 + c 2 = a 2 + 2b 2 + 2c 2 . Mindezek alapján már egyszerű behelyettesítéssel adódik a ρ XY korrelációs együtthatóra vonatkozó /6/ formula. A ρ XY .Z parciális korrelációs együttható meghatározásához az /1/ képletet használjuk, s ehhez szükségünk van ρ XY mellett még a ρ XZ , ρYZ páronkénti korrelációkra is. Az F1. pontban leírtakkal analóg gondolatmenetet követve:

(

)

(

)

Cov ( X , Z ) = Cov X 0 + bZ 2 , Z = Cov ( X 0, Z ) + bCov Z 2 , Z = Cov ( X 0, Z ) = a, mivel Z 2 és Z korrelálatlan egymással (lásd korábban). Hasonlóképpen kapjuk, hogy Cov (Y , Z ) = Cov (Y 0, Z ) = a, így

ρXZ =

a a = 2 D( X ) a + 2b2 + c2

és ρYZ =

a a = . 2 D(Y ) a + 2b2 + 2c2

Mindezek alapján egyszerű behelyettesítéssel adódik a ρ XY .Z parciális korrelációs együtthatóra vonatkozó /7/ formula igazsága.


291


F3. A következőkben a /8/–/11/ összefüggések bizonyítását foglaljuk össze vázlatosan. A /8/ és a /10/ formula feltételes korrelációs együtthatóját egyaránt egy

ρ( X 0,Y 0 | feltétel ) =

Cov( X 0,Y 0 | feltétel ) D( X 0 | feltétel )D(Y 0 | feltétel )

formájú képlet segítségével határozzuk meg. Mivel a kovariancia lineáris operátor, az X 0-t és az Y 0-t definiáló /2/ egyenletek az F1. pontban ismertetett módon felbonthatók elemi komponenseikre. Ebből adódik /8/ és /10/ jobb oldalának számlálója, azt is felhasználva, hogy U, V, Z egymástól független és standard Cov (U ,U feltétel ) = Cov (U ,U ) = Var (U ) = 1 és Cov (U ,V feltétel ) = Cov (U ,V ) = 0.

Emiatt /8/ és /10/ levezetéséhez alapvetően Var ( Z feltétel ) alakú varianciák meghatározására van szükség. Például VZ ( z ) esetén ehhez a következő utat követhetjük. A variancia definíciója miatt

(

)

VZ ( z ) = Var ( Z Z < z ) = E Z 2 Z < z – E 2 ( Z Z < z ) .

/F3/

Itt a jobb oldalon

E ( Z Z < z) =

z

1 f ( z) z sf (s)ds = F −1( z)[ f (s)]−∞ = − , ∫ P(Z < z) −∞ F ( z)

/F4/

ahol f ( z ) és F ( z ) a standard normális eloszlás sűrűség-, illetve eloszlásfüggvényének értéke a z helyen. /F4/ levezetésénél felhasználtuk, hogy deriváltja: f ′ ( s ) = – sf ( s )

/F5/

bármely s helyen. Az E Z 2 Z < z komponensre parciális integrálással az alábbi összefüggést kapjuk:

(

)

(

)

E Z2 Z < z =

z

1 2 ∫ s f (s)ds. P(Z < z) −∞

A jobb oldali integrált e(z)-vel jelölve kapjuk: e( z) =

z

∫

−∞

z

f ( s )ds +

∫

−∞

f ′′( s )ds = F ( z ) + [ f ′( s )]−∞ = F ( z ) + f ′( z ) = F ( z ) − zf ( z ) z

/F5/ miatt és mert könnyen beláthatóan f ′ ( – ∞ ) = 0. Mindebből már egyszerűen adódik a /9/ öszszefüggés. A /11/ formula hasonló gondolatmenettel vezethető le.


292

Vargha András

Irodalom BRILLINGER, D. R. [2001]: Does Anyone Know When the Correlation Coefficient is Useful? A Study of the Times of Extreme River Flows. Technometrics. 43. évf. 3. sz. 266–273. old. BRYMAN, A. – CRAMER, D. [2008]: Quantitative Sata Analysis with SPSS 14, 15 & 16: A Guide for Social Scientists. Psychology Press. London. CRAMER, D. [2003]: A Cautionary Tale of Two Statistics: Partial Correlation and Standardized Partial Regression. Journal of Psychology. 137. évf. 5. sz. 507–511. old. GARSON, G. D. [2009]: Partial Correlation. http://faculty.chass.ncsu.edu/garson/PA765/partialr.htm#assume. MICCERI, T. [1989]: The Unicorn, the Normal Curve, and Other Improbable Creatures. Psychological Bulletin. 105. évf. 1. sz. 156–166. old. PEDHAZUR, E. J. [1982]: Multiple Regression in Behavioral Research. (Second Edition.) Holt, Rinehart and Winston. Chicago. RAE, M. J. – CARRETTA, T. R. [2006]: The Role of Measurement Error in Familiar Statistics. Organizational Research Methods. 9. évf. 1. sz. 99–112. old. RÉNYI A. [1968]: Valószínűségszámítás. Tankönyvkiadó. Budapest. TABACHNICK, B. G. – FIDELL, L. S. [2001]: Using Multivariate Statistics. Allyn and Bacon. Boston. VARGHA A. [2001]: Érvényes-e a kétmintás t-próba nem normális eloszlások esetén? Pszichológia. 21. évf. 1. sz. 83–105. old. VARGHA A. [2003a]: Mi történik, mit tegyünk, ha változónk nem normális eloszlású? Számítógépes statisztikai elemzések, ordinális csoportösszehasonlító modellek. MTA doktori értekezés. Budapest. VARGHA A. [2003b]: Robusztussági vizsgálatok az egymintás t-próbával. Statisztikai Szemle. 81. évf. 10. sz. 872–890. old. http://www.ksh.hu/statszemle_archive/2003/2003_10/2003_10_872.pdf VARGHA A. [2007a]: Matematikai statisztika pszichológiai, nyelvészeti és biológiai alkalmazásokkal. Pólya Kiadó. Budapest. VARGHA A. [2007b]: A ROPstat statisztikai menürendszere. http://www.ropstat.com/. VINCZE I. [1968]: Matematikai statisztika ipari alkalmazásokkal. Műszaki Könyvkiadó. Budapest.

Summary The partial correlation is a frequently used coefficient for assessing the bivariate correlation of two quantitative variables by eliminating the influence of one or more other variables. It is generally interpreted as the correlation under the condition that the variables to be eliminated are fixed (not allowed to vary and influence the dependent variables), which is called in the statistical literature as conditional correlation. The present paper convincingly shows, by means of theoretical derivations and practical examples, that under the violation of the assumption of multivariate normality (frequently due to nonlinear relationships among the variables investigated) the usual interpretation of the partial correlation



293

coefficient can be basically incorrect. There may be an extreme case where the value of the partial correlation coefficient is highly positive, close to 1, whereas the conditional correlation is a large negative value. To heal this problem the paper suggests partialling out certain function (in the simplest case the square) of the variables whose effects are to be eliminated if nonlinear relationships are likely to occur. The paper discusses also the special case where the correlation of two variables is computed by a restriction of the range of a third variable.


A jövedelemeloszlás és jövedelemegyenlõtlenség a személyijövedelemadóbevallási adatok tükrében* Kovács Ilona, az MTA Közgazdaságtudományi Intézetének ny. tudományos főmunkatársa E-mail: [email protected]

A szerző az APEH-nek bevallott összevont és öszszesített jövedelmek alapján vizsgálja a jövedelemeloszlás és -egyenlőtlenség alakulását 1996 és 2009 között. A számított egyenlőtlenségi mutatók étéke közel kétszer akkora, mint a háztartásstatisztikai felmérések alapján. Az egyenlőtlenség 2007-ig tovább nőtt, 20082009-ben némiképpen mérséklődött az egyenlőtlenség az adóbevallási adatok alapján. A jövedelemeloszlás legmarkánsabb jellemzője a 10. népességtizednél koncentrálódó, kiugróan magas, 35 százalék fölötti jövedelemhányad, amely 2007-ig nőtt, miközben az 5.-9. decilisben csökkent, amely tény a középosztályhoz tartozó rétegek jövedelmi helyzetének relatív romlását tükrözi. Az átlagos bevallott jövedelemmel rendelkező adózók minden évben felkerültek a 7. decilisbe, ami a magyarországi torz kereseti arányok súlyos negatív jelenségére utal: az adózók több mint 60 százalékának átlag alatti bevallott jövedelme volt. A szerző felhívja a figyelmet azokra a veszélyekre, amelyek az egykulcsos adórendszer bevezetésével járnak TÁRGYSZÓ: Jövedelemeloszlás. Jövedelemegyenlőtlenség. Személyi jövedelemadó.

* A dolgozat a 68275 sz. OTKA kutatási pályázat támogatásával készült. Az MTA Közgazdaságtudományi Intézetében közölt tanulmányok (Kovács [2010a], [2010b]) kibővített változata. A szerző köszönetét fejezi ki Hunyadi Lászlónak és Galasi Péternek a dolgozathoz fűzött hasznos tanácsaikért, valamint az APEH Tervezési és Elemzési főosztályának, hogy hosszú évek során feldolgozott formában rendelkezésre bocsátotta a kutatáshoz szükséges személyijövedelemadó-bevallási adatokat.


Kovács: A jövedelemeloszlás és jövedelemegyenlõtlenség

A

295

közgazdászok véleménye igen eltérő arról, hogy egy társadalomban mekkora jövedelemkülönbségek lennének ideálisak, amelyek még nem zavarók, ugyanakkor a gazdaságra ösztönzőleg hatnak. Megoszlanak a vélemények abban a tekintetben is, hogy a jövedelemegyenlőtlenség csökkentése céljából a kormányoknak be kell-e avatkozni a jövedelmek újraelosztása eszközeivel (transzferek és az adózás), és ha igen, akkor milyen mértékben. Évtizedeken keresztül cáfolták a marxi jóslatot, miszerint a gazdasági növekedéssel párhuzamosan a gazdagok relatíve gazdagabbak, a szegények relatíve szegényebbek lesznek. Ezt hosszú ideig valóban nem támasztották alá semmilyen történeti statisztikai elemzések sem Európában, sem Amerikában, mígnem 1977 és 1992 között az Egyesült Államokban kialakult nagymértékű jövedelemegyenlőtlenség következtében a gazdagok gazdagabbak, a szegények szegényebbek lettek. Számos amerikai közgazdász, köztük Krugman [1992], a Massachusettsi Műszaki Egyetem (Massachusetts Institute of Technology – MIT) Nobel-díjas professzora, valamint Pennar [1991] szerint éppen Amerika lett szegényebb. Nem késhetett sokáig a terápia. Reagan elnök 1992-ben szokásos évi „Az Elnök Gazdasági Jelentésében”, noha igyekezett a kérdésnek súlyához képest kisebb jelentőséget tulajdonítani, kénytelen volt az előző négy évtized alatt soha nem tapasztalt szintű jövedelemegyenlőtlenségről beszámolni. Ez számokban azt jelentette, hogy amíg 1973-ban a legfelső 20 százalékba tartozó népesség jövedelme 11-szerese volt a legalsó 20 százalékba tartozókénak, addig 1989-re az egyenlőtlenségi mutató 13,2-re nőtt. Az utóbbi évtizedben a nemzetközi kutatások intenzíven kezdtek foglalkozni a jövedelem-egyenlőtlenség kérdésével, arra való reakcióként, hogy az elmúlt húsz év alatt feltűnő mértékben nőtt az egyenlőtlenség a legtöbb OECD-országban. Az OECD [2008] figyelemreméltó, átfogó tanulmányt jelentetett meg Growing Unequal? (Növekvő egyenlőtlenség?) címmel, amelyben minden ország helyzetét érintő, súlyos kérdéseket feszegetnek, úgymint: – Nőtt-e az egyenlőtlenség az idők során? – Kik voltak e folyamat nyertesei, illetve vesztesei? – Azonos mértékben és módon érintette-e ez a folyamat az összes OECD-országot? – A nagyobb jövedelmi egyenlőtlenségeket milyen mértékben okozzák a dolgozók személyes jövedelme közötti nagyobb különbségek, és mekkora hatással vannak rájuk az egyéb tényezők? Statisztikai Szemle, 89. évfolyam 3. szám

296

Kovács Ilona

– Végül hogyan hat ezekre a trendekre a jóléti rendszeren keresztül történő állami újraelosztás? A beszámoló rámutat arra, hogy a jövedelmi egyenlőtlenségek már az 1980-as évek közepe, sőt valószínűleg már az 1970-es évek közepe óta nőttek. Az OECDországok átlagát tekintve a Gini-koefficiens mintegy 7 százalékos emelkedését mutatták ki, ami azt jelenti, hogy a medián (középső) jövedelem alatt lévő minden egyes személy hipotetikusan mintegy 7 százaléknyi jövedelmet átadott a medián felett lévőknek. Az OECD 2009-ben a jövedelemeloszlás és a jövedelemegyenlőtlenség növekvő tendenciáját vizsgáló konferenciát rendezett (OECD [2009]), amelyen Magyarországot Tóth István György és Medgyesi Márton [2009] képviselte. A jövedelemeloszlás és jövedelemegyenlőtlenség hazai kutatásai két fő adatbázisra épülnek. Egyrészt a KSH immár több mint ötven éves múlttal rendelkező, évenként ismétlődő reprezentatív mintavételen alapuló háztartás-statisztikai adataira, amelyek a magyarországi háztartások 0,26 százalékára (a megtagadásokat leszámítva mintegy 12 ezer háztartásra) terjednek ki, s az eredményeket jelenleg a Háztartási Költségvetési Felvétel című kiadványban teszik közzé, másrészt a TÁRKI és a Budapesti Közgazdaságtudományi Egyetem közös kezdeményezésében folytatott panelfelmérésekre, illetve a TÁRKI monitor vizsgálataira épülnek. Ezen adatok alapján számos folyóiratcikk, műhelytanulmány és könyv jelent meg a rendszerváltozást követően is. A rendszerváltozás után azonban egyre inkább felerősödtek a háztartásstatisztikai mintavételen alapuló felvételek hiányosságai, a felvételekben való önkéntes részvétel miatt, a válaszolási arány egyre csökkent. Amíg 1987-ben 76 százalékos volt a válaszolási arány, addig 1993-ban 61 százalékra esett vissza. Az alacsonyabb jövedelmű családok túl-, a jómódúak alulreprezentáltak a mintában, a leggazdagabbak és a legszegényebbek bele sem kerülnek. Az elemzők mintegy 30 százalékra teszik a nemzeti számlarendszer makro- és a háztartás-statisztikai felvétel adatai közötti különbséget (Tóth [2005]). Éltető Ödön és Havasi Éva [2009] mélyrehatóan elemzik a megváltozott helyzetet, az 1993-ban végrehajtott jövedelmi felvétel olyan mértékű kudarcát, miszerint a begyűjtött adatokat egyrészt a jelentős arányú válaszmegtagadás, másrészt a jövedelmi adatok bevallási megbízhatatlansága miatt közzé sem lehetett tenni. Ezt követően született meg az elhatározás, hogy a lakosság megkérdezésén alapuló jövedelmi felvételt összekapcsolják egy törvényileg kötelező öszszeírással (népszámlálás, mikrocenzus), s az ezeknek egy részmintájából szerzett információkat, különböző pótlási és imputálási módszerek alkalmazásával fölhasználják a jövedelmi adatok javítására. Erre került sor 1996-ban és 2005-ben is, amikor a 2 százalékos mikrocenzus 25 százalékos almintájából nyerték a jövedelmi adatokat. A 2000-es évek elején ez a megváltozott körülmény irányította figyelmemet a felé, hogy a jövedelemegyenlőtlenséget mintegy 4 és fél millió adóbevalló személyiStatisztikai Szemle, 89. évfolyam 3. szám

A jövedelemeloszlás és jövedelemegyenlõtlenség

297

jövedelmei alapján vizsgáljam. Az 1996 és 2002 közötti időszakra vonatkozóan e tárgykörben folytatott kutatásaimat először újságcikkek, interjúk formájában tettem közzé (Kovács [2003], [2004], [2005]). Jelenleg már rendelkezésemre állnak az 1996 és 2009 közötti időszak adatai is, amelyek alapján kellő áttekintést nyerhetünk a rendszerváltozás immár húsz évének jövedelemegyenlőtlenségi és jövedelemeloszlási tendenciáiról az APEH számára bevallott jövedelmek alapján. Mivel nem a teljes lakosság jövedelemegyenlőtlenségét vizsgálom, elemzésemből értelemszerűen kimaradnak a jövedelembevallásra nem kötelezett nyugdíjasok. A nyugdíjasok jövedelemeloszlásának bevonása mérsékelné az általunk kimutatott egyenlőtlenséget, de ennek vizsgálatára ezúttal nincs lehetőség. Az adóbevallási adatok azért is torzítanak, mert a jövedelmek bizonyos részéről az adóhatóságok nem szereznek tudomást (de ez minden bizonnyal igaz a háztartás-statisztikai felvételekre is). A feketegazdaság arányairól folytatott kutatások szerint a TÁRKI panelvizsgálata keretében végzett becslések a vizsgálatsorozat kezdetén 70 százalékra, később 65 százalékra tették a felmért jövedelmek és a hivatalos GDP arányát (Kolosi– Bedekovics–Sik [1997]). Más vizsgálatok szerint a kilencvenes évek elején mintegy 16 százalékkal magasabb lett volna a GDP, ha a rejtett gazdaságot figyelembe tudták volna venni (Árvay–Vértes [1994]). A torzítás mértéke az aggregált adatokra vonatkozik, magáról a jövedelemeloszlásról csak becslések vannak, amelyek azt támasztják alá, hogy az informális gazdaságból származó jövedelmek eloszlása egyenlőtlenebb, mint a formális gazdaság jövedelmeié (Tóth [2002]), tehát a rejtett gazdaság a mérhető jövedelemegyenlőtlenséget lefelé torzítja. Ezeknek a rejtett jövedelmeknek a hivatalos csatornákba kanalizálása növelné a jövedelemegyenlőtlenséget. Hosszabb idősort tekintve nem tudjuk, hogy az egymást követő években az adóelkerülésben van-e akkora és olyan irányú változás, amely lényegesen befolyásolná az eloszlás, illetve az egyenlőtlenség tendenciáját. Ha a legmagasabb jövedelmű népesség körében az adóelkerülés aránya jelentősen növekedne, akkor ez a mérhető jövedelemegyenlőtlenséget erősen lefelé torzítaná. További hátrányként kell megemlítenünk, hogy a vizsgált jövedelmek nem tartalmazzák a természetbeni társadalmi jövedelmeket, de utalnék arra, hogy a hetvenes-nyolcvanas évekre vonatkozó jövedelemegyenlőtlenségi vizsgálataim azt mutatták, hogy a természetbeni társadalmi jövedelmek inkább növelték az egyenlőtlenséget, mert az akkori kategorizálás szerint a jóval alacsonyabb jövedelmű munkás- és paraszti rétegeknél magasabb jövedelmű értelmiségi háztartások nagyobb arányban tudták igénybevenni mind az oktatási, mind az egészségügyi és kultúrális szolgáltatásokat. Jelen vizsgálatomban értelemszerűen nem tudom figyelembe venni a háztartások jövedelemegyenlőtlenségének olyan meghatározó tényezőinek szerepét, mint a családnagyság, a gyermekszám és egyéb demográfiai tényezők. Figyelmemet tehát a 4,5 millió adóbevalló személy jövedelemeloszlásának és -egyenlőtlenségének elemzésére összpontosítom. Statisztikai Szemle, 89. évfolyam 3. szám

298

Kovács Ilona

1. A jövedelemeloszlás és -egyenlőtlenség mérése, egyenlőtlenségi mutatók Amíg a klasszikus közgazdaságtan megalapítói az ún. funkcionális jövedelemeloszlásban gondolkoztak, a jövedelmeket forrásuk szerint, azaz a jövedelmek megszerzőinek a gazdasághoz fűződő viszonya (munkajövedelem, tulajdonjövedelem, föld, örökség stb.) szerint vizsgálták, addig a modern közgazdaságtudomány művelőinek figyelme a méret szerinti jövedelemeloszlás elemzéséhez fordult. A méret szerinti jövedelemeloszlást – mint ez ismert – kétféle értelemben alkalmazhatjuk. 1. A vizsgálandó népességet csoportosíthatjuk a jövedelmek nagysága szerint úgy, hogy minden jövedelemintervallumhoz hozzárendeljük azt a népességszámot (vagy inkább azt a népességhányadot), amely az adott jövedelemkategóriába esik. Az ilyen típusú táblázatokat statisztikai értelemben gyakorisági táblázatoknak nevezzük, amelyeknek másik formája a kumulatív gyakoriság, amely azt mutatja meg, hogy a népesség hány százalékának a jövedelme esik az adott jövedelem-intervallumba és az alatta levőkbe együttvéve. 2. A jövedelemeloszlási táblázatot úgy is összeállíthatjuk, hogy a jövedelmek nagysága szerint sorba állított népességet meghatározott arányú csoportokba osztjuk. Így juthatunk el a decilisek (népességtizedek), kvintilisek (húsz százaléknyi népesség) vagy kvartilisek (25 százaléknyi népesség) szerinti csoportosításhoz. Ilymódon kifejezhetjük, hogy a vizsgált populációnak e meghatározott hányadai milyen arányban részesülnek az összjövedelemből. Amennyiben adatok rendelkezésre állnak a deciliseken belüli mélyebb bontásra is, akkor vizsgálhatjuk például a legfelső vagy a legalsó decilisen belüli 5-5 százaléknyi népességhez tartozó jövedelemhányadokat is. A szakirodalomban sokféle egyenlőtlenségi mutató forog közkézen, amelyeknek különböző szempontok szerint készült értékes összefoglalóját adja közre több, a teljesség igénye nélkül kiválasztott dolgozat is: Sen [1973], Kakwani [1980], Jenkins [1991], Cowell [1998], valamint a hazai szakirodalomból kiemelkednek Hunyadi– Mundruczó–Vita [1997] és Hajdu [1997], Tóth [2005] munkái. A következőkben 5 egyenlőtlenségi mutatóval foglalkozom, ezeket számítottam ki az adóbevalló népesség jövedelemegyenlőtlenségének mérésére. 1. A Lorenz-görbe a XX. század eleje óta széleskörűen használatos a jövedelemeloszlás mérésére. Ilyen görbéket mutat be az 1. ábra. A jövedelmek eloszlásának két szélsőséges esetét tudjuk megkülönböztetni. Az egyik, ha a jövedelmek eloszlása teljesen egyenletes lenne, ha a népesség minden egyes tizede 10 százaléknyi jövedelemmel rendelkezne, ekkor a Lorenz-görbe azonos lenne a négyzet berajzolt átlójával. A másik szélsőséges eset az abszolút egyenlőtlenség, amely a jövedelemeloszlásnak azt az abszurd helyzetét jelentené, amikor csupán egyetlen ember kezében koncentrálódna az összes jövedelem. Minden tényleges, a valóságban megfigyelhető jövedelemeloszlás a két szélsőséges eset közé esik, Statisztikai Szemle, 89. évfolyam 3. szám

299


s annál nagyobb a jövedelemegyenlőtlenség mértéke, minél távolabb kerül a Lorenzgörbe az átlótól. 1. ábra. Az összevont jövedelmek Lorenz-görbéje, 2009 100 Jövedelemhányad (százalék)

90 80 70

2009

60 50

Egyenletes eloszlás

40 30 20 10 0 0

10

20

30

40 50 60 70 Népességtizedek

80

90 100

Megjegyzés. Mivel a különböző évekre vonatkozó Lorenz-görbék olyan közel állnak egymáshoz, hogy nyomtatásban megkülönböztethetetlenek, ezeket az elektronikus mellékletben – kinagyítva és színes változatlan – adjuk közre.

2. Nem sokkal Lorenz tanulmányának megjelenése után, a Lorenz-görbe felhasználásával Corrado Gini 1912-ben dolgozta ki azt a jövedelemegyenlőtlenségi mutatót, amely azóta is Gini-index vagy Gini-féle koncentrációarány néven vált ismertté. A Gini-mutató kiszámításához a következő képletet használtuk: 9

G = 0 ,9 − 0 , 2∑ Di , i =1

i

ahol Di = ∑ di , di pedig az i-edik decilis érték. j =1

A szakirodalomban talán a Gini-index a legvitatottabb mutató, rendre felsorakoztatják hátrányos tulajdonságait, ennek ellenére, paradox módon, ez az egyik leggyakrabban használatos mérőszám a jövedelemegyenlőtlenség jellemzésére. Magának a mutatónak a kiszámításához is bővében vagyunk a különböző képleteknek (Tóth [2002], [2005]). Mivel az átló alatti terület egyketteddel egyenlő, (egységnyi oldalú négyzetről lévén szó) a Gini-index egyenlő az átló és a Lorenz-görbe közötti terület kétszeresével. A Gini-index értéke 0 és 1 közé esik, ahol a 0 érték a tökéletesen egyenletes eloszlást, az 1 pedig a teljes egyenlőtlenséget, vagyis a már említett két szélsőséges esetet mutatja. Gyakran találkozunk olyan közlésekkel, amikor a Gini-indexet százalékos skálára számítják át, ez esetben a mutató értéke 0 és 100 közé esik. Statisztikai Szemle, 89. évfolyam 3. szám

300

Kovács Ilona

A Gini-index geometriai interpretációját a Lorenz-görbe segítségével világíthatjuk meg. A Lorenz-görbét megközelíthetjük egyenes szakaszokkal (amelyek felfelé haladva egyre meredekebbé válnak) s ennél fogva a görbe alatti terület háromszögekre és négyszögekre bontható, amint az 1. ábrán látható. Általánosítva, a görbe alatti terület n számú háromszög és 1/2n(n–1) négyszög területének az összegével egyenlő (Theil [1970]). Ha xi jelöli az i. népességcsoportnak a megfigyelt népességhez viszonyított arányát, yi pedig az összjövedelemből való részesedését, akkor a háromszögek területe: 1 n ∑ xi y i , 2 i =1

a négyszögek területe: n

1 n 2 i =1

⎛

⎞

∑ ∑ x i y j − ∑ x i ⎜ ∑ y j +1 − ∑ y j ⎟ .

i =1 j <1

⎝ j <1

j >i

⎠

A háromszögek és a négyszögek összege adja a Lorenz-görbe alatti területet. Végül a Lorenz-görbe és az átló közötti területet úgy kapjuk meg, hogy a fentiek összegét levonjuk az ½-ből, az átló alatti területből. Képletben kifejezve: ⎞ 1 n ⎛ ∑ xi ⎜ ∑ y j − ∑ y j ⎟ . 2 i =1 ⎝ j >i j
d10 . d1

Némiképpen elfedi, korrigálja a két szélső népességtizedben meglevő nagy szóródásokat a q5 mutató, a felső és alsó quintilis (népességötöd) jövedelemrészesedésének a hányadosa q5 =

d9 + d10 . d1 + d 2


301


4. Éltető Ödön és Frigyes Ervin [1968] három mérőszámot javasolt, amelyek együttesen jellemzik a jövedelemegyenlőtlenséget. A három mutató egy mérőszámba (Éltető-Frigyes-mutató) sűrítve azt fejezi ki, hogy az átlagjövedelem felett élők átlagjövedelme hányszorosa az átlagjövedelem alatt élők átlagjövedelmének. (A mutatót lehetne módosítani úgy is, hogy a mediánjövedelem felettiek átlagjövedelme hányszorosa a mediánjövedelem alattiak átlagjövedelmének.)

HIM =

xf xa

,

ahol x f – az átlagjövedelemnél magasabb jövedelműek jövedelmi átlaga;

xa – az átlagjövedelemnél alacsonyabb jövedelműek jövedelmi átlaga. Ennél fogva a mutatót tényezőkre bonthatjuk, ily módon a jövedelemegyenlőtlenséget befolyásoló tényezők hatását külön-külön is vizsgáljhatjuk. E kedvező tulajdonság mellett még a mutató előnyeként említjük jól értelmezhető közgazdasági interpretációját és könnyű kiszámíthatóságát is. 5. A Robin Hood-index elnevezésű beszédes mutatóval először Atkinson és Micklewright [1992] könyvében találkozhattunk. Amint már korábban rámutattunk, akkor valósulna meg a jövedelemeloszlás teljes egyenlősége, ha minden egyes népességtized 10-10 százaléknyi jövedelemmel rendelkezne. A Robin Hood-index megmutatja, hogy az egyes népességtizedek jövedelme milyen mértékben tér el ettől az egyenletes jövedelemeloszlástól; kifejezi, hogy a 10 százaléknál magasabb jövedelem részesedésű népességtizedektől hány százaléknyi jövedelmet kellene elvenni, s azt a 10 százaléknál alacsonyabb jövedelem részesedésű népességtizedek között szétteríteni ahhoz, hogy a jövedelemeloszlás egyenletes legyen. Képletben: E = 100∑ ( di − 0 ,1)

di ≥ 0 ,1 .

2. A jövedelemeloszlás és a jövedelemegyenlőtlenség alakulása a rendszerváltozás után a személyijövedelemadó-bevallási adatok tükrében Az APEH kétféle aggregált jövedelmet különböztet meg: összevont jövedelmet és összesített jövedelmet. Az összevont jövedelem az alkalmazásban állók keresetén, bérén túl olyan jövedelemelemeket is tartalmaz, mint például a családi pótlék, a gyes, a gyed, az ösztöndíj stb., amelyeket be kellett vallani, de nem kellett utánuk adót fiStatisztikai Szemle, 89. évfolyam 3. szám

302

Kovács Ilona

zetni. Az ilyen jellegű jövedelem bevallói az 1. decilisben tömörülnek. Ugyanakkor az utóbbi évtizedekben az említetteken túl egyre több adóalap-csökkentő elem is bekerült az adóbevallásba, mint például ingatlant bérbeadók, súlyosan fogyatékosok, önkéntes kölcsönös nyugdíjpénztárba befizetők, önkéntes kölcsönös egészségpénztárba befizetők, lakáscélú hiteltörlesztésre befizetők, közcélú adományozás stb. Az összesített jövedelem az összevont jövedelem és a különadózó (forrásadós) jövedelem összege. A bevallott összesített jövedelmek időbeni alakulását 1996 és 2009 között az 1. táblázatban, a bevallott összevont jövedelmek népességtizedek, decilisek szerinti megoszlását pedig a 2. ábrán mutatjuk be. Az ábrából arról kapunk képet, hogy a jövedelemnagyság szerint sorba állított adóbevalló népesség decilisei hány százaléknyi jövedelemmel rendelkeznek a bevallott összevont jövedelemből. Az 1996 és 2009 közötti időszak (az utolsó két évet, 2008 és 2009-et leszámítva) egységes volt a tekintetben, hogy a bevallott összesített jövedelmek túlnyomó részét (89-92 százalékát) az összevont jövedelmek (keresetek, valamint az említett jövedelemkiegészítések) tették ki. A fennmaradó 8-10,5 százalékot a különadózó jövedelmek képezték. 1. táblázat A bevallott összesített jövedelmek alakulása 1996 és 2009 között (milliárd forint) Adózó jövedelem

Összevont Különadózó Összesített Különadózó*

1996

1997

1998

1999

2000

2001

2004

2006

2007

2008

2009

1935,7 2336,2 2785,5 3260,6 3733,5 4437,3 5853,5 7000,9 8048,1 8534,5 8276,1 155,9

195,1

207,1

317,2

424,8

452,9

581,8

752,5

945,4

575,9

570,9

2091,6 2531,3 2992,6 3577,8 4158,3 4890,2 6435,2 7686,9 8913,5 9110.4 8847,0 7,45

7,71

6,92

8,86

10,21

9,26

9,04

9,71

10,51

6,31

6,90

* Az összesített százalékában. Forrás: Az APEH Tervezési és Elemzési fősztályától kapott adatok alapján végzett számítás.

A bevallott összevont jövedelmek megoszlásában szembetűnő a 10. decilisben levő adófizetőknél koncentrálódó, kiugróan magas, 35 százalék fölötti jövedelemhányad, amelynek tendenciaváltozását a 2. ábra teszi szemléletessé. 2004 után a legfelső (10.) népességtized jövedelemhányada nőtt, majd 2006-ban 40,6 százalékos feltűnően magas értékre szökött. Észrevehetjük azt is, hogy ugyanezen idő alatt az 5.-9. decilisben csökkent a jövedelemhányad, amely tény egyértelműen tükrözi a középosztályhoz tartozó rétegek jövedelmi helyzetének relatív romlását. 2007-től pozitív jelenségként állapíthatjuk meg, hogy némiképpen mérséklődött a legfelső decilisnek az összevont jövedelmekből való részesedése: 2008-ban 35,2, 2009-ben 35,8 százaStatisztikai Szemle, 89. évfolyam 3. szám

303


lék. Ezzel egyidejűleg pedig növekedést figyelhetünk meg az alatta levő népességtizedek jövedelemhányadában. 2. ábra. A bevallott összevont jövedelmek megoszlása népességtizedek szerint 1996 és 2009 között

Százalék 45 40

1996

35

1998

30 25

2000

20

2004

15

2006

10

2008

5

2009

0 1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

Népességtized (decilis)

A bevallott különadózó jövedelmek decilisenkénti megoszlását az 1996 és 2001 közötti időszakban és a 2009. évben vizsgálhatjuk (a közbeeső évekre nem rendelkezem adatokkal). (Lásd a 2. táblázatot.) 2. táblázat A bevallott különadózó jövedelmek megoszlása decilisenként 1996 és 2009 között (százalék) Decilisek

1996

1997

1998

1999

2000

2001

2009

1.

2,8

4,0

4,9

4,8

5,9

5,7

0,6

2.

0,7

0,4

0,2

1,4

1,5

1,2

1,0

3.

1,2

1,8

1,7

1,8

1,9

2,5

0,8

4.

2,2

3,5

3,3

1,9

2,3

1,9

0,8

5.

2,8

3,0

2,1

3,6

4,2

3,4

0,9

6.

3,0

3,7

3,3

4,2

4,2

4,7

1,3

7.

4,1

4,6

3,9

4,7

4,7

4,8

1,7

8.

6,2

6,0

5,0

7,1

7,3

8,1

3,1

9.

10,0

9,0

8,1

10,0

10,0

9,9

5,8

10.

67,0

64,0

67,5

60,3

58,0

57,8

83,9

Forrás: Az APEH Tervezési és Elemzési főosztályától kapott adatok alapján végzett számítás.


304

Kovács Ilona

A 2. táblázat adatai szerint a bevallott különadózó jövedelmek túlnyomó hányada (67,7-77,0 százaléka) 1996 és 2001 között a két legfelső (9.–10.) decilisbe került bevallók kezében koncentrálódott. 2009-ben viszont azzal a jelenséggel szembesülünk, hogy a 10. decilisnek mintegy 25 százalékponttal nőtt a részesedése a különadózó jövedelmekből 2001-hez képest, noha a különadózó jövedelmeknek jelentősen csökkent az összesített jövedelmeken belüli részaránya. A különadózó jövedelmeknek az adókulcsa 2008-ig lényegesen alacsonyabb volt, mint a legmagasabb adókulcs (20-25 százalék), az adózás utáni jövedelemegyenlőtlenség ennek következtében emelkedik. Az időszak elejétől 2000-ig 3 százalékponttal emelkedett a különadózó jövedelmeknek az összesített jövedelmekhez viszonyított hányada, majd a 2004-es átmeneti csökkenés után 2007-ben 10,5 százalékra nőtt. 2008-ban azonban feltűnő mértékű, 6,31 százalékra való csökkenést tapasztaltunk. 2009-ben a különadózó jövedelem 6,9-es hányada az előző évhez képest enyhe emelkedést mutat (lásd az 1. táblázat utolsó sorát). 2008-2009-ben abban látom a csökkenés okát, hogy ezekben az években az osztalékadó elérte a 35 százalékot, tehát a vállalkozók nem tartották érdemesnek drágán kivenni a pénzüket személyes jövedelem formájában, szemben azokkal az évekkel, amikor az osztalékadó 20-25 százalékos volt. A bevallott összevont jövedelmek elemzése során nézzük meg, hogyan alakult az egy főre jutó évi átlagos jövedem az összes bevallónál és néhány kiemelt decilisben. (Lásd a 3. táblázatot.) 3. táblázat A bevallott összevont jövedelmek egy főre jutó átlaga 1996 és 2009 között Egy főre jutó átlag (ezer forint)

1996

1998

2000

2001

2004

2006

2007

2008

2009

Az összes adóbevallónál

445

657

848

989

1395

1742

1981

1871

1848

Az 5. decilisben

290

410

521

607

806

980

1165

1199

1179

A 7. decilisben

449

644

827

940

1210

1509

1716

1756

1736

A 9. decilisben

741

1074

1389

1605

2196

2737

3032

3018

2946

A 10. decilisben

1526

2313

3015

3492

4990

7071

7842

6530

6626

A 3. táblázat adatai abból a szempontból figyelemre méltóak, hogy az átlagos bevallott összevont jövedelemmel rendelkező adózók minden évben felkerültek a 7. decilisbe, ami a magyarországi torz kereseti arányok súlyos negatív jelenségére utal. Az adózók több mint 60 százalékának átlag alatti bevallott jövedelme van. Ez annak is következménye, hogy a már 1990 előtt szorgalmazott bérreform a rendszerváltozás utáni húsz év alatt elmaradt, teherként hurcoljuk évtizedek óta az alacsonyan tartott, nemzetközi összehasonlításban különösen nyomott reálbérszínvonalat, annak minden Statisztikai Szemle, 89. évfolyam 3. szám

305


káros, egészségtelen következményével. Hozzáadódott ehhez, hogy a természetbeni juttatások mértéke és fajtái az alkalmazottak körében lényegesen leszűkültek, ám a felső vezetés színtjén ezek jelentős része pénzbenivé vált, másoknál teljesen megszűnt. Később, a már bérekbe beépülő juttatások mellett megjelent az ún. cafeteriarendszer, amelyben bizonyos természetbeni juttatások ismét visszatértek, de már jóval magasabb szinten. Az átlagjövedelem vagy az átlagjövedelmet alig meghaladó jövedelem az adótörvény értelmében már a legmagasabb adókulccsal adózott, ami mind közgazdaságilag, mind társadalompolitikailag elfogadhatatlan. Ebben a körülményben pedig az adórendszernek az egyre eltorzultabb vonásai jutnak kifejezésre. Nemzetközi összehasonlításban ez egyedülálló negatív jelenség. A 10. decilis átlagjövedelme – túl azon, hogy a bevallott jövedelmek 35-40 százaléka itt koncentrálódik – egészen 2007-ig gyorsabban nőtt, mint a többi decilisé, vagy akár az egy főre jutó átlagos jövedelem. A 4. táblázat szerint különösen jelentős növekedéskülönbség mutatkozik a 2001 és 2006 közötti időszakban. 2007-ben a 10. decilis átlagjövedelme nem változott lényegesen a többi decilisével összevetve, 2008-ban pedig csökkent, ami magával vonta az egyenlőtlenség már jelzett csökkenését. 2009-ben viszont igen enyhén nőtt a 10. decilisben az egy főre jutó jövedelem, ugyanakkor mind az összes bevallók mind az egyes decilisekbe tartozók átlagjövedelme csökkent. Természetesen nominális értékek növekedéséről beszélünk, nem vettük figyelembe az árindex változását, ugyanis a decilisátlagok egymáshoz való viszonyításánál ennek nincs jelentősége. 4. táblázat Az átlagértékek változása az előző adott évhez képest 1998/1996

2000/1998

2006/2001

2007/2006

2008/2007

2009/2008

Adózók, bevallók évi átlagok (százalék)

Összes adóbevalló

147,5

129,1

176,0

113,7

94,5

98,7

5. decilis

141,5

127,1

161,4

118,9

103,0

98,3

7. decilis

143,6

128,3

160,5

113,7

102,3

98,8

9. decilis

145,1

129,3

170,6

110,8

99,5

97,6

10. decilis

151,6

130,4

202,5

110,9

83,3

100,5

Ebből:

Megjegyezzük, hogy a 10. decilisben koncentrálódó igen magas jövedelemhányadnak igen magas a szóródása. 1996-ban ennek a decilisnek a sávjában levő legkisebb éves jövedelem 918 ezer, a legmagasabb 2,2 milliárd forint volt. Ebben a decilisben ez közel két és fél ezerszeres különbséget jelentett, szemben a 9. decilisben levő, 1,4-szeres, valamint a többi decilisben található ehhez hasonló küStatisztikai Szemle, 89. évfolyam 3. szám

306

Kovács Ilona

lönbséggel. Ez az aránytalanság végig kísérte a vizsgált időszak egészét, hiszen a jövedelemkoncentráció 2007-ig folyamatosan nőtt, s nem változtatott ezen a tényen az sem, hogy 2008-ban némiképpen csökkent a 10. decilis összjövedelme és az egy bevallóra jutó átlagos érték is.

3. Az egyenlőtlenségi mutatók értékeinek időbeni alakulása és a gazdasági fejlődés A következőkben bemutatjuk a saját számítással nyert egyenlőtlenségi mutatókat 1996 és 2009 között és a KSH jövedelemfelvételein alapuló egyenlőtlenségvizsgálatok eredményeit 1962 és 2004 között (2005 után már nem voltak KSHfelvételek). A nyert adatokat a GDP alakulása és az életszínvolat reprezentáló egy főre jutó reáljövedelem alakulása tükrében is elemezzük. A rendszerváltozás előtti évtizedekben viszonylag alacsony volt a jövedelemegyenlőtlenség mértéke, de a kutatások alapján közismert, hogy az egyenlőtlenség már jóval 1990 előtt erős növekedésnek indult, a rendszerváltozás kezdeti évei alatt azonban felerősödött a jövedelmek differenciálódása. A KSH jövedelmi felmérései alapján 1982 és 1995 között közel megkétszereződött a legfelső és legalsó népességtized jövedelmének aránya. Nemzetközi összehasonlításban ez igen gyors egyenlőtlenség-növekedésnek számít, hiszen mindez alig több mint tíz év alatt következett be. A gazdaság fejlődése, valamint az életszínvonal alakulása ismeretében (lásd az 5. táblázatot) igen fontos az a körülmény, hogy az egyenlőtlenség hirtelen emelkedése a kilencvenes évek elején egybeesik az éppen elmélyülő válság éveivel. 5. táblázat A bruttó hazai termék és a reáljövedelem alakulása 1990 és 2009 között Bázis

1991

1992

1995

1996

1998

1999

2001

2002

2004

2005

2006

2007

2008

2009

A bruttó hazai termék alakulása 1990. év =100

87,9 85,3

88,6

89,2 97,1 101,0 110,1 114,4 124,5 128,4 133,0 134,0 135,3 126,1

Előző év = 100

87,9 97,0 101,5 100,7 104,9 104,0 104,0 103,9 104,7 103,1 103,6 100,7 101,0 93,2

1990. év =100

98,3 94,9

87,7

85,0 87,3

Előző év = 100

98,3 96,5

94,6

96,9 102,5 101,1 104,5 106,3 103,2 103,7 101,9

A reáljövedelem alakulása 88,3

94,9 100,9 109,1 113,1 115,2 110,1 108,0 99,4

Forrás: KSH-honlap (www.ksh.hu).


95,6

98,1 92,0


307

Közismertek az elhúzódó transzformációs válság súlyos velejárói: minden hazai gazdasági mutató erősen az 1980-as szint alá csökkent. 1989 és 1996 között a bruttó hazai termék 18, a végső fogyasztás 15, a reáljövedelem és reálbér 18-20 százalékkal csökkent, s mindez soha nem látott magas (13 százalékos) munkanélküliséggel és 20 százalék fölötti inflációs rátával párosult. Nemzeközi tapasztalatok alapján előre jelezhető, hogy recesszióban és válságban, ha a jövedelmek stagnálnak vagy esnek, a szegények hányada növekszik. Ezt a folyamatot igazolták a kilencvenes évek közepén évenként ismétlődő TÁRKI–BKE-felmérések is (Tóth [2002], [2005]). Nem érvényesült a nyugati közgazdászok körében elfogadott nézet, miszerint a gazdagok a haszonélvezői ugyan a változásoknak, de ez csak úgy tekinthető igazságosnak, ha érvényesül a gazdasági növekedésnek a szegényeket segítő hatása (World Bank [2000]). Ez azonban nem következett be. A növekvő jövedelemegyenlőtlenség és a szegények magas aránya veszélyezteti az ország hosszú távú növekedési esélyeit, gátolja a termelékenység növekedését, miközben a stagnáló jövedelmek a fogyasztás, az életszínvonal stagnálását vagy csökkenését idézik elő. 1997-re stabilizálódott a gazdaság, a GDP csökkenése megállt, 1997-től 2006-ig a GDP 4-5 százalékos növekedési dinamikával jellemezhető. 2007-ben és 2008-ban stagnálás, majd 2009-ben visszaesés következett. A reáljövedelem 1990 és 1996 között minden évben visszaesett, érzékelhető emelkedés 1998-tól következett be. A 2002. évi 6,3 százalékos növekedés kiemelkedően magas, az azt követő három évben 3-3,7 százalékos volt, 2007-től pedig határozott visszaesést figyelhetünk meg. (Lásd az 5. táblázatot.) Az 1996 utáni évekre készült vizsgálatok (Havasi et al. [1998]; Kapitány– Molnár [2000]; KSH [1990], [1998]; Tóth [2002], [2005]) azt mutatják, hogy a jövedelemegyenlőtlenség ez idő után nem nőtt jelentős mértékben, legfeljebb belső szerkezeti változások mentek végbe. Ezzel szemben a szociológiai felmérések szerint a megkérdezettek nemcsak saját helyzetüket tartották rossznak, hanem a társadalmi egyenlőtlenségek növekedését is erősebben érezték, mint amit az említett mérőszámok mutattak (Andorka [1996], Spéder [2002]). Ez azzal is magyarázható, hogy a változó társadalmi körülmények hatására a háztartás-statisztikai felvételek a már említett hiányosságaik miatt fokozódó mértékben eltávolodtak a valóságtól. Erősítette ezt a tendenciát az a tényező is, hogy a skála legtetején lévő, de a felvételi mintákban nem szereplő gazdagok jövedelme nemcsak magas volt, hanem a rendszerváltozás utáni években gyorsabban is nőtt, mint az alacsonyabb jövedelműeké, aminek következtében nyílt az olló a jövedelmi létra legtetején és legalján levő rétegek között. Az adóbevallók jövedelemegyenlőtlenségét érzékeltető mutatószámok nagyjából egy irányba mutatnak, és értékük felülmúlja a háztartás-statisztikai adatok alapján számított mutatókét. (Vö. a 6. és 7. táblázatot.) 2001-ben enyhe csökkenés, majd 2006-ra erőteljes ugrás tapasztalható minden mutatóban. A Gini-koefficiens 0,50 körüli értéke több mint másfélszerese a háztartás-statisztikákból számított 0,28-0,30 köStatisztikai Szemle, 89. évfolyam 3. szám

308

Kovács Ilona

rüli értékeknek. Nemzetközi összehasonlítást e tekintetben csupán Olaszország adatával tudunk végezni, mert más országokról nincsenek hasonló típusú számítások. Consolini1 számításai is azt igazolják, hogy az olaszországi háztartás-statisztikai felvételek alapján a Gini-mutató sokkal kisebb egyenlőtlenséget mutat (0,48), mint amit a jövedelem-bevallási adatok (0,59) mutatnak. 6. táblázat Az egyenlőtlenségi mutatók alakulása a jövedelembevallási adatok alapján 1996 és 2009 között Mutató

1996

Gini

1998

0,464

1999

0,456

2000

0,463

2001

0,469

2006

0,467

2007

0,474

2008

0,506

2009

0,455

0,460

Q10

80,65

39,80

48,60

48,70

51,59

80,14

54,57

48,93

55,35

Q5

19,42

14,95

16,45

16,21

15,64

20,60

16,32

14,85

15,69

4,84

4,73

4,90

4,92

4,56

4,94

4,51

4,10

4,17

35,77

35,82

36,55

36,91

36,04

37,61

35,97

33,20

33,49

HIM Robin Hood

7. táblázat Az egyenlőtlenségi mutatók alakulása a KSH-felvételek alapján, 1962 és 2004 Mutató

Gini Q10 HIM Robin Hood

1962

– 5,75 2,09 18,4

1967

– 4,61 1,92 16,0

1972

1977

1982

1987

1995

2004

0,232

0,212

0,206

0,236

0,296

0,312

4,93

4,13

3,80

4,71

7,55

7,55

1,96 16,6

1,84 15,0

1,82 14,9

1,99 17,0

2,36 21,0

2,41 21,4

Forrás: KSH jövedelmi felvételei, 1962–2004.

Az adóbevallási adatok alapján számított Q5 (a legfelső és legalsó 20 százaléknyi népesség jövedelmének aránya, quintilis) mutató erősen tompítja a két szélső decilis között meglevő kirívóan magas egyenlőtlenséget. Érdemes összevetni a Q5 értékét az amerikai jövedelemegyenlőtlenségnek a dolgozat elején idézett értékével. Amerikában soha nem tapasztalt mértékű egyenlőtlenségként élték meg a Q5 értékének 11ről 13,2-re történő emelkedését 1973 és 1989 között. Magyarországon viszont a legfelső 20 százalékba tartozó adófizető népesség jövedelme 1996-ban 17-szerese volt a legalsó 20 százalékba tartozókénak, 2006-ra ez a szám 20,6-re emelkedett, majd 1

2010-ben az Olasz Statisztikai Hivatalban (ISTAT) tett látogatásom során konzultáltam Paolo Consolinivel ([email protected]), aki egy tanulmányában kísérletet tett az adóregiszterben számbavett jövedelmek, valamint a nyugdíjasok jövedelmének figyelembevételére is.



309

2009-re 15,7-re csökkent.2 Amíg az Egyesült Államokban a kormányzat adóemelés formájában orvosolni kényszerült a nagymértékű jövedelemegyenlőtlenséget, addig Magyarországon 2003-ban a kormány adócsökkentési törvényjavaslatot fogadott el, adócsökkentést hajtott végre. Ennek a gazdaságpolitikai lépésnek a hatásaként hazánkban tovább szélesedett a már amúgyis szélesre nyílt egyenlőtlenségi olló, ráadásul növekedett a költségvetési deficit. 2003 után az egyenlőtlenségi mutatók alakulásában tetten érhető az adócsökkentés hatása: egyfelől minden mutató szerint nőtt az egyenlőtlenség, másfelől fokozódott a jövedelemkoncentráció, mert a költségvetésből kieső, mintegy 400 milliárd forint túlnyomó része a legmagasabb jövedelműek zsebében maradt. A Robin Hood-index arra utal, hogy a 2008. és 2009. év kivételével a 10 százaléknál magasabb jövedelmű decilisektől 35 százalékot meghaladó jövedelmet kellene elvenni, s azt az alacsonyabb jövedelműek között szétosztani ahhoz, hogy a jövedelemeloszlás egyenletessé váljék A korábban (és az internetes mellékletben) az 1. ábrán felrajzolt Lorenz-görbék is arra utalnak, hogy a 2000-es évtized eleje után is nőtt még a jövedelemegyenlőtlenség, a feltüntetett évek közül 2006-ban volt a legnagyobb, majd 2008-ban és 2009ben nagyjából visszaállt az 1996-os színtre.

4. Az egyenlőtlenség alakulása és a személyijövedelem-adózás összefüggése 1987-ben a személyijövedelemadó-rendszer bevezetésekor – noha a jövedelmek eloszlása még messze nem volt olyan egyenlőtlen, mint ma – Magyarországon is természetes döntés volt, hogy az adórendszer progresszív legyen. A progresszív jövedelemadó-rendszer többkulcsos, többsávos, ami azt jelenti, hogy a különböző jövedelemsávokba sorolt adófizetők jövedelemsávonként rendre magasabb jövedelemkulccsal adóznak, a magasabb jövedelműek értelemszerűen nagyobb arányban viselik a társadalmi közterheket. Ezzel szemben a lineáris, egykulcsos adórendszerben minden adózó azonos arányban viseli ezeket a terheket. A progresszív jövedelemadó-rendszer csökkenti a jövedelmi egyenlőtlenségeket, a lineáris erre nem alkalmas, ezért a lineáris adórendszer a magasabb jövedelműeknek kedvez. A fejlett demokratikus államokban természetes evidenciának tekintik, hogy a személyijövedelemadórendszer progresszív legyen. Kutatásaim alapján arra a következtetésre jutottam, hogy a kilencvenes években még progresszívnek tekinthető, de a kétszámjegyű infláció következtében jelentős 2

Itt azonban utalnék arra, hogy az amerikai egyenlőtlenséget nem adóbevallási adatok alapján számították ki.


310

Kovács Ilona

mértékben erodálódott személyijövedelemadó-rendszer nagymértékben hozzájárult a jövedelmek polarizációjához, a növekvő jövedelemegyenlőtlenségekhez. Az adósávok és az adókulcsok kialakításának alapvetően a jövedelemeloszláshoz kellett volna igazodnia. A sávokat az infláció mértékének, a kulcsokat pedig az adórendszer újraelosztó szerepének megfelelően kellett volna alakítani. Ez nemcsak nem történt meg, hanem kifejezetten ellentétes irányú és hatású gazdaságpolitikai intézkedések is születtek. Az elmúlt húsz évben a személyijövedelemadó-rendszer egyre jobban eltolódott egyfelől az adócsökkentés, másfelől a kulcsok számának csökkentése irányába. A megtett gazdaságpolitikai lépések a gazdagabb, befolyásosabb rétegeknek kedveztek. A növekvő jövedelemegyenlőtlenség és magas jövedelemkoncentráció magával vonta az elszegényedők magas arányát, ami veszélyezteti az ország hosszú távú növekedési esélyeit, gátolja a termelékenység növekedését, miközben a stagnáló jövedelmek a fogyasztás, az életszínvonal stagnálását vagy csökkenését idézik elő. Az egykulcsos személyijövedelemadó-rendszer jelenlegi bevezetése továbbra is a magas jövedelmű rétegeket kedvezményezi, a jövedelemkoncentráció fokozódik, nő a jövedelemegyenlőtlenség. A jövedelemegyenlőtlenség növekedésének legsúlyosabb következménye a már amúgy is meglévő súlyos probléma, a gyermekszegénység növekedése.

Irodalom ANDORKA R. [1996]: Elégedetlenség. In: Sik E. –Tóth I. Gy. (szerk.): Társadalmi páternoszter 1992–1995. Jelentés a Magyar Háztartás Panel 4. hullámának eredményeiről. Budapesti Közgazdaságtudományi Egyetem, TÁRKI, Központi Statisztikai Hivatal. Budapest. ÁRVAY J. – VÉRTES, A. [1994]: A magánszektor és a rejtett gazdaság súlya Magyarországon (1980–1992). Kutatási beszámoló. Gazdaságkutató Intézet. Budapest. ATKINSON, A. B. – MICKLEWRIGHT, J. [1992]: Economic Transformation in Eastern Europe and the Distribution of Income. Cambridge University Press. Cambridge. ATKINSON, A. B. – RAINWATER, L. – SMEEDING, T. M. [1995]: Income Distribution in the OECD Countries. OECD Social Policy Studies No. 18. Paris. COWELL, F. A. [1998]: Measurement of Inequality. LSE STICERD Distributional Analysis Research Programme Discussion Paper. No. 36. London. ÉLTETŐ Ö. – FRIGYES E. [1968]: Új jövedelemegyenlőtlenségi mutatók, tulajdonságaik és hasznosítási lehetőségeik. Szigma. 4. évf. 1. sz. 17–28. old. ÉLTETŐ Ö. – HAVASI É. [2009]: A hazai jövedelemegyenlőtlenség főbb jellemzői az elmúlt fél évszázad jövedelmi felvételei alapján. Statisztikai Szemle. 87. évf. 1. sz. 5–40. old. http://www.ksh.hu/statszemle_archive/2009/2009_01/2009_01_005.pdf FÖRSTER, M. F. – D’ERCOLE, M. M. [2009]: The OECD Approach to Measuring Income Distribution and Poverty: Strengths, Limits and Statistical Issues. Joint OECD/University of



311

Maryland International Conference. „Measuring Poverty, Income Inequality, and Social Exclusion: Lessons from Europe” Március 16–17. Párizs. FÖRSTER, M. F. – TÓTH I. GY. [1997]: Szegénység és egyenlőtlenségek Magyarországon és a többi visegrádi országban. TÁRKI Társadalompolitikai Tanulmányok. 1. TÁRKI. Budapest. GALASI P. [1995]: A jövedelemegyenlőtlenségek változása Magyarországon 1987, 1992–1994. MTA VKI. Budapest. HAJDU O. [1997]: A szegénység mérőszámai. Statisztikai módszerek témadokumentáció. 22. köt. KSH Könyvtár és Dokumentációs Szolgálat. Budapest. HAVASI É. – HORVÁTH Á.-NÉ – RÉDEY M. – SCHNELL L.-NÉ [1998]: A mai magyar háztartások jövedelemeloszlása. Statisztikai Szemle. 76. évf. 3. sz. 221–237. old. http://www.ksh.hu/statszemle_archive/1998/1998_03/1998_03_221.pdf HUNYADI L. – MUNDRUCZÓ GY. – VITA L. [1997]: Statisztika. Aula Kiadó. Budapest. JENKINS, S. P. [1991]: The Measurement of Income Inequality. In: Osberg, L. (ed.): Economic Inequality and Poverty: International Perspectives. M. E. Sharpe, Inc. Armonk. 1–26. old. KAKWANI, N. C. [1980]: Income Inequality and Poverty. Methods of Estimation and Policy Applications. Oxford University Press. Oxford. KAPITÁNY ZS. – MOLNÁR, GY. [2000]: Inequality and Mobility Analysis by the Hungarian Rotation Panel 1993–1998. MTA KTK Műhelytanulmányok MT-DP – 2002/4. MTA KTI. Budapest. KOLOSI T. – BEDEKOVICS I. – SIK E. [1997]: Munkaerőpiac és jövedelmek. In: Sik E. – Tóth I. Gy. (szerk.): Az ajtók záródnak (?!). Jelentés a Magyar Háztartás Panel V. hullámának eredményeiről. BKE–TÁRKI. Budapest. KOVÁCS I. [1993]: A jövedelemeloszlás és a jövedelemegyenlőtlenség mérési módszerei. MTA KTI. Budapest. KOVÁCS I. [2003]: Hol az adócsökkentés forrása? Népszabadság. szeptember 2. KOVÁCS I. [2004]: Igazságos közteherviselést! Népszabadság. augusztus 10. KOVÁCS I. [2010a]: A hazai jövedelemeloszlás és jövedelemegyenlőtlenség mérése és elemzése személyi jövedelembevallási adatok alapján. Műhelytanulmány. MT-DP – 2010/09. MTA KTI. Budapest. KOVÁCS I. [2010b]: Measuring and Analyzing Income Distribution and Income Inequality in Hungary based on Data from Personal Income Tax Returns. Discussion Papers. MT-DP – 2010/11. MTA KTI. Budapest. KRUGMAN, P. R. [1992]: „Like it or not, the income gap yawns”. The Wall Street Journal. 21 May. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [1990]: Jövedelemeloszlás Magyarországon. Az 1988. évi felmérés adatai. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [1998]: Jövedelemeloszlás Magyarországon, 1995. Budapest. OECD (ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT) [1999]: Trends in Income Distribution and Poverty in the OECD Area. Paris. OECD (ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT) [2008]: Growing Unequal? Income Distribution and Poverty in OECD Countries. Paris. OECD (ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT) [2009]: Measuring Poverty, Income Inequality, and Social Exclusion. Joint OECD/University of Maryland International Conference. „Measuring Poverty, Income Inequality, and Social Exclusion: Lessons from Europe” Március 16–17. Párizs.


312

Kovács: A jövedelemeloszlás és jövedelemegyenlőtlenség

PENNAR, K. [1991]: The Rich are Richer – and America May be the Poorer. Business Week. 8 November. SEN, A. [1973]: On Economic Inequality. Clarendon Press. Oxford. SPÉDER ZS. [2002]: A szegénység változó arcai. Tények és értelmezések. Andorka Rudolf Társadalomtudományi Társaság–Századvég Kiadó. Budapest. THEIL, H. [1970]: Közgazdaságtan és információelmélet. Közgazdasági és Jogi Könyvkiadó. Budapest. TÓTH I. GY. [2002]: Jövedelemeloszlás a kilencvenes években. In: Kolosi T. – Tóth I. Gy. – Vukovich Gy. (szerk.): Társadalmi Riport. TÁRKI. Budapest. 20–41. old. TÓTH I. GY. [2005]: Jövedelemeloszlás a gazdasági rendszerváltástól az uniós csatlakozásig. Andorka Rudolf Társadalomtudományi Társaság–Századvég Kiadó. Budapest. TÓTH, I. GY. – MEDGYESI, M. [2009]: Income Distribution in New (and Old) EU Member States. Paper prepared for Joint OECD/University of Maryland International Conference. „Measuring Poverty, Income Inequality, and Social Exclusion: Lessons from Europe” Március 16–17. Párizs. WORLD BANK [2000]: Making Transition Work for Everyone: Poverty and Inequality in Europe and Central Asia. Washington, D.C.

Summary The author examines the development of income distribution and inequality for the period between 1996 and 2009 based on personal income declared to the Hungarian Tax and Financial Control Administration using five indicators measuring income inequality. Analyses on income surveys by the Hungarian Central Statistical Office show that income inequality did not increase considerably following 1996. However, the results built on personal income tax returns contradict these findings as income inequality has further increased since then, its calculated extent is almost twice the one derived from survey data. In the years 2008 and 2009, inequality decreased somewhat. The most remarkable feature of income distribution is the outstanding proportion of income concentrating in the 10th decile, showing increasing tendency up to the year of 2007, meanwhile, the income ratio has declined in the 5th–9th deciles. This shows the deterioration of the income status of middle class strata. The majority of taxpayers belong to the low income categories. People fairly above the average income get into the 7th decile showing the distorted negative feature of the Hungarian earning situation. The author draws attention to the subsequent dangers of introducing the linear tax system.


Mûhely

Harcsa István, a KSH szakmai főtanácsadója E-mail: [email protected]

Statisztikai kultúra, minôség, etika

A Magyar Statisztikai Társaság (MST) a 2005 szeptemberében aláírt visegrádi együttműködési megállapodás alapján,1 még abban az évben munkabizottságot hozott létre, melynek feladata a Magyar Statisztika Etikai Kódexének2 (továbbiakban: Kódex) kidolgozása volt. A bizottság a Kódex legfőbb célját a következők szerint határozta meg: „…azokat a kiemelkedően lényeges erkölcsi elveket és magatartás-szabályokat tartalmazza, amelyeket minden statisztikus és a statisztikát a nyilvánosság előtt alkalmazó számára követésre méltónak ítél, kifejezésre juttatva a tudomány objektivitása és tisztaság iránti elkötelezettséget, valamint a társadalom iránt érzett felelősséget. A Kódex elő kívánja segíteni a statisztikai munkát övező közbizalom erősítését, a statisztikusok megbecsülését. A Kódex a leglényegesebb etikai elveket és szabályokat rögzíti, de nem foglalja írásba a statisztikusoktól elvárható öszszes etikai magatartást, akiknek – ebből következően – be kell tartaniuk az általános erkölcsből levezethető követelményeket is.” Az etikai szabályzat tartalmazza a fogalmak, definíciók és értelmezések meghatározását, az Etikai Kódex hatályát, a magatartási és eljárási szabályokat és az egyéb rendelkezéseket. A társaság a 2006. őszi közgyűlésen elfogadta a Kódexet, ám ezt követően a kapcsolódó munkálatok megtorpantak, és csak 2010 nyarán éledtek újra. Ekkor az MST választmánya határozott az Etikai Testület (ET) létrehozásáról és 2010. augusztusi ülésén véglegesítette a tagok névsorát. 2011 januárjában az ET megalkotta ügyrendjét és elkészítette éves munkaprogramját.3 Ez utóbbihoz kapcsolódik szorosan a következő írás, amellyel a Statisztikai Szemle fel kívánja hívni a szakmai közvélemény figyelmét a Kódexre, és arra, hogy várja a statisztikatudomány művelőinek észrevételeit, véleményét. Ezért az itt következőket vitaindítónak szánjuk. (A szerző tagja az MST ET-nek, ami azonban nem jelenti azt, hogy a cikkben kifejtettek mindenben egybeesnek a testület hivatalos álláspontjával.) A Szerkesztőség 1

http://www.mstnet.hu/cikkek/_doku/agreement-23-09-05.pdf http://www.mstnet.hu/cikkek/_doku/MS_Etikai_Kodex_2006_101104.pdf 3 http://www.mstnet.hu/cikkek/_doku/Etikai_ugyrend_100920.pdf 2


314

Harcsa István

A statisztikai kultúra olyan általános keretnek tekinthető, amelyben elhelyezhető a mindenkor érvényesülő, illetve érvényesíthető szakmai etika. A kettő között pedig, – konkrét formában – gyakorta megjelennek a statisztikai munkával kapcsolatos minőségi követelmények, illetve az ezzel kapcsolatos problémák. Etikai kérdésekről mindig az éppen „jelenlevő” szakmai kultúra függvényében lehet csak beszélni. A statisztikai kultúra, mint általános keret meglehetősen tág, egyrészt magában foglalja a statisztikakészítés minden fázisát, az abban megnyilvánuló szakmaikulturális mintákat, szokásokat, másrészt a statisztikai adatok és elemzések széleskörű felhasználását, pontosabban a felhasználás társadalmi gyakorlatát. E gyakorlatnak kiemelt szereplője a hivatalos statisztikai szolgálat, a kormányzati döntéshozatali rendszer, az oktató-kutató intézmények, illetve az ott dolgozó szakemberek, a média és nem utolsósorban maga az érdeklődő/befogadó társadalom. Elmondható, hogy a felsorolt szereplők – a hatalmi-kulturális erőtérben megjelenő – általános habitusa, kulturális mintái meghatározók a statisztikai kultúra formálódása szempontjából is. Ám az összefüggés bizonyos mértékben fordított irányban is „működik”, nevezetesen, a statisztika, illetve az a kulturális mező, amelyben létrejön és beépül a társadalom életébe, hatással lehet a társadalmi kultúra egészére. Erre a hatásmechanizmusra alapozva fontos lehet a statisztikus közösségnek az a törekvése, hogy – a statisztikai kultúra aktív formálójaként – „rendezett együttműködést” alakítson ki részben a szakmán belüli kapcsolatokra vonatkozóan, részben a társadalom többi szereplőjével. Kiemelkedő jelentősége van a statisztikai adatok megbízhatóságának, és ezzel összefüggésben a minőségének. Az adatvagyon közjóként való „működése” és elfogadottsága csak akkor válhat teljessé, ha annak sokcélú hasznosulása során bővül a társadalomismeretünk, és a statisztikai tények ismerete iránti igény a mindennapi élet szerves részévé válik. A tényeken alapuló társadalomismeret pedig jelentős mértékben segítheti az általános közbizalom erősödését. Ezen a ponton érdemes idézni D. Tim Holt megállapítását: „A megbízható statisztika a lakosság és az általa választott kormány közötti demokratikus szerződés alapeleme”.4 (Marton [2009] 414. old.) A nemzetközi tapasztalatok arra engednek következtetni, hogy növekvő igény van a statisztikai kultúra minél szélesebb körű terjesztésére. E tekintetben fontos fejleménynek tekinthető a 2008-ban elkészített ún. Stiglitz-jelentés, amelyet jelentős részben éppen a statisztikai adatok iránti bizalom megrendülése motivált. Érdemes a jelentést készítő Bizottság erre vonatkozó egyik fontosabb megállapítását idézni. „Jelenleg a második világháború utáni történelem legsúlyosabb pénzügyi, gazdasági és társadalmi válságát éljük. A Bizottság által ajánlott reformok még akkor is nagyon kívánatosak lennének, ha nem lenne válság, a Bizottság több tagja is úgy véli 4 HOLT, D. T. [2008]: Official Statistics, Public Policy and Public Trust. Journal of the Royal Statistical Society. Ser. A. 171. köt. 2. sz. 323–346 old. A cikk ismertetése: MARTON Á. [2009]: D. Tim Holt előadása a hivatalos statisztika, a társadalompolitika és a közbizalom témakörében. Statisztikai Szemle. 87. évf. 4. sz. 412– 423. old. http://www.ksh.hu/statszemle_archive/2009/2009_04/2009_04_412.pdf



315

azonban, hogy a válság miatt még sürgetőbbé váltak. Úgy gondolják, hogy a válság azért ért sokakat váratlanul, mert a mérőrendszerünk cserbenhagyott minket és/vagy a piaci szereplők és a kormányhivatalnokok nem a megfelelő statisztikai jelzőszámokra koncentráltak… és nem figyelmeztettek minket arra, hogy a világgazdaság 2004 és 2007 közötti, látszólag nagyszerű növekedése a jövőbeli növekedés rovására történhetett. Az is világos, hogy némely teljesítmény nem volt több káprázatnál, a profit felfújt árakon alapult.”5 (307–308. old.) E kitétel kapcsán jogosan merül fel a kérdés, hogy a piaci szereplők és kormányhivatalnokok miért nem azokra a jelzőszámokra koncentráltak, amelyek relevánsabb képet adtak a valóságról? Mi motiválta őket abban, hogy alapvetően a számukra kedvező képet mutató jelzőszámokat vették alapul? Nyilvánvaló, hogy attitűdjeiket döntő mértékben az általános társadalmigazdasági-hatalmi erőtérben formálódó elvárás határozta meg – nevezetesen, hogy „mit vár tőlük a világ” –, amely aztán bizonyos mértékig „felülírta” a legnagyobb gondossággal összeállított szakmai, etikai kódexeket. A statisztikai adatok iránti közbizalom megrendülése – amelyet a Stiglitz-jelentés is hangsúlyoz – alapos számvetésre és szakmai önvizsgálatra kell ösztönözze a statisztikus közösséget is. E nélkül nem lehet hitelesen kiállni a statisztikai kultúra terjesztése mellett. E nélkül mit sem ér többek között az a kezdeményezés, amelynek értelmében az ENSZ Statisztikai Bizottsága október 20-át Statisztikai Világnapnak nyilvánította, és talmi sikernek fog bizonyulni a világnap keretében rendezett számos szakmai program. A statisztika népszerűsítését szolgáló törekvések hamar kifulladhatnak, mert egy idő után hasonló sorsra juthatnak, mint amit a Stiglitz-jelentés a „felfújt árakról” mondott. Mindezek alapján úgy gondolom, hogy az MST keretében megalakult Etikai Testületnek is „tiszta lappal” kell indulnia, és tagjainak szükséges tudatában lenniük annak, hogy munkájukat az itt vázolt szakmai, illetve társadalmi kultúrába ágyazódva tudják csak megfelelően végezni. Ám ez nem azt jelenti, hogy elfogadják a „rosszemlékű” társadalmi elvárásokat, amelyek a csapdahelyzetek újratermelését hordozzák magukban. A minőség – és itt most a statisztikai adatok, illetve a statisztikai munka minőségére gondolok – eddig csak érintőlegesen került szóba, ám a velünk élő múlt kapcsán erről is említést kell tenni. A statisztikai adatok minőségét – már csak a nemzetközi előírások miatt is – a Központi Statisztikai Hivatal (KSH) korábbi vezetése is deklaráltan fontosnak tartotta. Ennek érdekében elkészült a 2009 és 2012 közötti időszakra vonatkozó stratégiai jelentés, amely a célkitűzéseket így fogalmazta meg: „A követ5

STIGLITZ, J. E. – SEN, A. – FITOUSSI, J.-P. [2010]: A Bizottság jelentése a gazdasági teljesítmény és a társadalmi fejlődés méréséről. Statisztikai Szemle. 88. évf. 3. sz. 305–320. old. http://www.ksh.hu/ statszemle_archive/2010/2010_03/2010_03_305.pdf


316

Harcsa István

kező stratégiai időszak fejlesztéseinek kulcsszavai a hitelesség, a minőség, az átláthatóság és az erőforrás-hatékonyság”.6 (6. old.) A címszavakból (hitelesség, minőség, átláthatóság, felhasználói kapcsolatok erősítése) jól látható, hogy a hivatali vezetés, érzékelve a statisztika iránti közbizalom romlását, igyekezett reflektálni a problémákra. 2009 decemberében megjelent „A KSH minőségpolitikája”7, amelyben a hivatal – minőségügyi nyilatkozat formájában – arra kötelezte el magát, hogy tevékenységét teljes mértékben az ISO minőségdefiníciójának megfelelően végzi. Az azóta eltelt egy évben még viszonylag kevés történt, bár az új vezetés is eltökéltnek tűnik a minőség ügye iránt. A minőségfejlesztéssel kapcsolatos törekvések azért sem tudtak a „napi gyakorlat” részévé válni, mert az adatközlések és főleg az adatelemzések – a korábbi időszakhoz viszonyítva – harmadára-negyedére estek vissza. Viszont ha nem közlünk és elemzünk adatokat, akkor nem derülnek ki az azokkal kapcsolatos minőségi problémák. A helyzetet súlyosbította, hogy a KSH-ban – a 2005-ben – elindult szervezeti átalakítás keretében a szakfőosztályokról „kiszervezték” a módszertani tevékenység jelentős részét, a korábban elsősorban módszertannal foglalkozó, és a célzottan felvett új munkatársakból létrejött egy főtevékenységét illetően módszertani műhely (főosztály). A szakfőosztályok a döntést úgy értelmezték, hogy nem feladatuk a módszertanok ápolása, vagy éppen úgy érezték, hogy a módszertani tevékenység esetükben nemhogy a „támogatott”, de még csak a „tűrt” kategóriába sem esik, ha kifejezetten „tiltva” nincs is. Ennek következtében az adatgazda főosztályok a „gyakorlati módszertanászok” hiányában egyre gyengébb minőségben tudták dokumentálni az adatgyűjtésekkel kapcsolatos módszertani tudnivalókat. Remélni lehet, hogy okulva a tanulságokon e probléma mielőbb orvoslásra kerül. Egy korábbi írásom, amely a statisztika iránti közbizalom megszerzésével foglalkozott, részletesebben kitért a minőségpolitika gyakorlati érvényesítésére is, ezért most csak ennek egyik fontosabb következtetését idézném. „Az alapvető gondok jelentős részben az adatok minőségével kapcsolatosan jelentkeznek, amely döntően abból fakad, hogy a minőséget megalapozó fejlesztések eredményeit nem, vagy csak igen csekély mértékben ültették át a gyakorlatba, amely nagyon komoly hitelességi, megbízhatósági problémákat vet fel.” 8 Mindemellett a minőségromlást az is fokozta, hogy a statisztikai módszertan nem tudta kellően követni a társadalomban és a gazdaságban bekövetkezett változásokat, amelyre a Stiglitz-jelentés is felhívta a figyelmet. Ezzel a körülménnyel, mint a statisztikai gyakorlat és kultúra korábbi időszakra jellemző egyik vonásával mindenképpen szembe kell nézni, és szükséges azzal is számolni, hogy a „dolgok” nem tudnak megváltozni egyik napról a másikra. 6

KÖZPONTI STATISZTIKAI HIVATAL [2008]: KSH-Stratégia, 2009–2012. Budapest. KÖZPONTI STATISZTIKAI HIVATAL [2009]: A KSH minőségpolitikája. Munkaanyag. 8 HARCSA I. [2009]: Kihívások a statisztika előtt – a közbizalom megszerzése. Nemzeti Érdek. 4. sz. 3–15. old. 7



317

Néhány fontos garanciális elem Úgy vélem, hogy e ponton a hazai statisztikus közösségnek is számvetést kell készítenie az elmúlt időszakról, elsősorban az adatgyűjtések és elemzések minőségének a romlása okán. A szakmai etikai ügyek szempontjából ugyanis ez az egyik kulcskérdés, mert a rossz minőségű munka, pontosabban azon igyekezet, hogy az ne kerülhessen nyilvánosságra, gyakran vezet az etikailag kérdéses magatartás megjelenéséhez. Ám az is gondot jelent, hogy jelenleg nincs transzparens kontroll, amely a „pusztán” rossz minőségű munkát felderítené, következésképpen nehéz alkalmazni azt a Kódexben rögzített, és elvárt magatartási szabályt, mely szerint „A statisztikus a statisztikai munkát mindenkor szakszerűen, a statisztika tudomány által módszertanilag elfogadott legjobb eljárások alkalmazásával kell hogy végezze”. E követelmény betartása jelentős hozzájárulást, sőt garanciát jelenthet a megfelelő minőségű munka elvégzéséhez. Úgy vélem, hogy az egyértelmű követelmények közzétételével és megvitatásával, a tapasztalatok rendszeres visszacsatolásával lehet csak elérni a statisztikusok egymás közötti, valamint a felhasználók bizalmának helyreállítását és megerősítését. Ennek érdekében – minimális követelményként – a következő garanciális elemekre van feltétlenül szükség. 1. Fontos követelmény, hogy a statisztikai szolgálaton belül ismertek legyenek az etikai normák és a statisztikai minőségbiztosítással kapcsolatos eljárások, ami alapján remélni lehet, hogy mindez a statisztikai kultúra részéve válik. 2. Az ET-nek – a megfelelő együttműködés érdekében – meg kell állapodni a statisztikai szolgálattal abban, hogy tagjai segítik a testületet munkája ellátásában, beleértve azt is, hogy időközönként közösen értékelik a minőségi normákat leíró keretrendszer működésével kapcsolatos tapasztalatokat. 3. Alapelv, hogy az etikus szakmai és viselkedési kultúra „működését” – a korábbiakban említett – preventív eszközök és feltételek megteremtése révén érje el a testület, és ebben ne a panaszbejelentések kivizsgálásának legyen meghatározó szerepe. 4. A beérkező panaszok esetén a statisztikai szolgálat tagjai bocsássák az ET rendelkezésére a tényfeltáráshoz szükséges dokumentumokat. 5. Az ET-nek ki kell alakítani a saját „belső” normarendszerét, amely többek között gondoskodik a panasztevő védelméről (anonimitásáról), valamint arról is, hogy mely esetekben indokolt az etikai vétséget elkövető(k) nevének nyilvánosságra hozása. Statisztikai Szemle, 89. évfolyam 3. szám

318

Harcsa István

Egyértelművé kell viszont tenni, hogy az ET alapvetően csak a névvel ellátott bejelentésekkel foglalkozik, és garanciát ad arra vonatkozóan, hogy nem fedi fel a panasztevő nevét. Erre azért van szükség, mert előfordulhat, hogy egzisztenciális fenyegetettség miatt az etikai problémákat érzékelők nem merik vállalni a panasztevéssel együtt járó kockázatot. Ugyanígy a lefolytatott vizsgálatnál a tényállást és a bizonyítékokat az ET nevesítve gyűjti be, ám ez esetben is garantálni kell, hogy az ügyben bármilyen módon érintett személyek nevei ne kerüljenek nyilvánosságra. Mindez a statisztikus közösségen belüli „közbizalom” megteremtését szolgálja. Az eddig elmondottak tükrében ezután fokozott felelősség hárul nem csupán a választott ET tagjaira, hanem a statisztikusokra, a statisztikai szolgálatra, sőt, a statisztikai adatokat felhasználókra is, hiszen az itt említett szakmai kultúra meghonosodása alapvetően rajtuk múlik. Az Etikai Kódex Hangsúlyozni kell, hogy a Kódex megalkotásával, illetve az ET életre hívásával a hazai statisztikus közösség fontos határkőhöz érkezett, hiszen ezzel a lépéssel elkezdte a felzárkózást a nemzetközi szinten már a 80-as évek elején kibontakozott kezdeményezéshez. A hazai Kódex megalkotása szempontjából fontos dátumnak tekinthető a Nemzetközi Statisztikai Intézet (ISI) 1985-ben közreadott „Szakmai etikáról szóló deklarációja”. Ennek indokló határozata a következőképpen fogalmaz: „A Nemzetközi Statisztikai Intézet (ISI) közgyűlése … elismeri, hogy a Statisztikusok Szakmai Etikai Kódexének az a célja, hogy inkább útmutatásként, és nem szabályzatként rögzítse a közös szakmai értékeket és tapasztalatot...”9 (1. old.) Az Előszó az általános célhoz kapcsolódóan bővebben a következőket tartalmazza: „Még a statisztika egyazon területén és azonos működési környezetben is előfordulhat, hogy az egyéneket eltérő erkölcsi elvek vezérlik feladataik teljesítésében. Így nincs olyan kódex, amely sikeresen állíthatna fel a statisztikusok által betartandó merev szabályzati kereteket, és a jelen dokumentum nem is törekszik erre.” (2. old.) Továbbá „… a kódex semmi esetre sem tekinthető kimerítőnek, hanem feltételezi az időszakos frissítés és módosítás szükségességét.” (3. old.) Mi az üzenete az idézeteknek? Először is az, hogy a Kódexben megfogalmazottak alapvetően csak iránymutatást tudnak adni, következésképpen az azt alkalmazóknak igen nagy a felelőssége abban, hogy – az általános szakmai, erkölcsi értékekre alapozva – miként értelmeznek egy-egy esetet, és az alapján milyen állásfoglalást alakítanak ki. 9 INTERNATIONAL STATISTICAL INSTITUTE (ISI) [1985]: Szakmai Etikai Kódex. http://www.mstnet.hu/ cikkek/etikai_kodex.pdf



319

A másik fontos üzenet arra hívja fel a figyelmet, hogy erkölcsi ítéleteinket, illetve erre alapozott állásfoglalásainkat alapvetően a mindenkori tapasztalatok és gyakorlat tükrében lehet kialakítani, ám az így megszerzett gyakorlat fontos tanulságokat hordozhat a jövőre vonatkozóan. Nevezetesen, miközben az általános erkölcsi értékek – belátható időn belül – nem, vagy csak kismértékben változnak, az erkölcsi normák betartatását szolgáló útmutatások és gyakorlati megoldások változhatnak, hiszen az iránymutatás csak akkor válik élővé, ha egy megfelelő visszacsatolási rendszerben hitelesen közvetíti az erkölcsi célokat. Az Etikai Testület (ET) előtti feladatokról Kimondva-kimondatlanul többekben felmerült a kérdés, hogy vajon milyen ügyek kerülhetnek az ET elé, illetve, hogy azokkal miképpen fog foglalkozni, tekintve, hogy erre vonatkozóan még nincs precedens. Nyilvánvaló volt, hogy a testület nem ülhet ölbe tett kézzel, arra várván, hogy majd csak adódnak valamilyen ügyek, és akkor majd meglátja, hogy azokkal mit lehet tenni. Fontos tehát annak tisztázása, hogy az adott helyzetben milyen esetek kerülhetnek a bizottság elé. Mindez számos, az etikával kapcsolatos elvi és gyakorlati szempontot vet fel, amelyek feltárása és kimunkálása az ET tagjainak eminens feladata. Tömören fogalmazva azt is lehet mondani, hogy az első időszakban az ET-nek alapvetően a szakmai etikai kultúra „értelmezésére”, az ezen belüli mozgástér megtalálására kell összpontosítania, valamint ezzel összefüggésben az etikai konvenciók kimunkálását kell szorgalmaznia, miközben természetesen kezelnie kell a hozzá érkezett megkereséseket is. Mit jelent/het az etikai kultúra értelmezése, illetve a gyakorlati életben alkalmazható etikai konvenciók kimunkálása? Abból kell kiindulnunk, hogy az utóbbi időszakban a szakmai etikai kultúrának nemhogy az írott, de még az íratlan „kódexe” sem léphetett „hatályba”, hiszen a társadalmi szinten jelentkező értékzavar nem hagyta nyom nélkül a társadalomtudományi szakmák művelőit, illetve az azt működtető intézményeket sem. A fennálló viszonyok hatására nagyrészt felmorzsolódtak azok a viselkedési normák, konvenciók, amelyek a régebbi évtizedekben a statisztika művelőit, illetve a szakmát működtető intézményeket jellemezték. A korábbi, akár „örökérvényűnek” tekintett alapnormák is relativizálódtak, amelynek következtében most már gyakorta „nem is értjük”, hogy szakmai etikai normák, illetve normaszegés alatt tulajdonképpen mit is kell érteni. Ez az alaphelyzet az ET szemszögéből nézve azt jelenti, hogy proaktív módon, első lépésben – a nemzetközi tapasztalatokra is építve – kidolgozza azokat az etikai konvenciókat, ezen belül is az egyes ügytípusokra vonatkozó értelmezési kereteket, és az ahhoz köthető gyakorlati tennivalókat, amelyek működésének alapjait képezhetik. Statisztikai Szemle, 89. évfolyam 3. szám

320

Harcsa István

Az útkeresést a nyilvánosság keretében, a statisztikus társadalom, sőt tágabb értelemben a társszakmák tagjait is megszólítva próbálja elérni, hiszen ez nem csupán egy testület, hanem az érintettek (tehát a statisztikusok és a felhasználók) teljes körének az ügye. Következésképpen csak aktív részvételükkel és együttműködésükkel lehet kellő eredményt elérni. Néhány konkrét javaslat 1. A Kódex elkészülte, tehát 2006 óta felmerült újabb szempontok mérlegelése, a célok, eszközök és lehetőségek pontosítása annak érdekében, hogy széles körű egyetértés és együttműködés alakuljon ki az érintettek körében. Az ily módon létrejött „új egyetértésnek” nem kell azonnal a Kódexben megjelennie, az így kialakult konszenzus egyrészt segíti az ET-t működésében, másrészt az etikai szabályzat esetleges későbbi módosításakor fel lehet használni. 2. Korábban említettek szerint a Kódex „nem foglalja írásba a statisztikusoktól elvárható összes etikai magatartást, következésképpen csak általános eligazítást ad”. Ebből az is következik, hogy az etikailag kérdéses ügytípusokat egyenkénti elbírálás alapján kell minősíteni. Mindezek érdekében olyan munkaprogramot kell készíteni, amelynek fontos része, hogy az ET megpróbálja feltárni és értékelni a statisztikai szolgálat működése során a közelmúltban előfordult olyan esetleges szakmai fogyatékosságokat, magatartási, eljárási hibákat, amelyek adott esetben etikai problémákat is felvethettek. Ennek eredményeként állhatnak elő azok a precedens értékű esetek, amelyek megítélésében konvencióknak kell kialakulni, és amelyek a későbbiekben a pozitív normák alapjául szolgálhatnak. Ezeket kell majd a hatályos Kódex alkalmazásával bemutatni, és közben rámutatni annak fogyatékosságaira, majd ezt követően a tanulságokat hasznosítani a Kódex esedékes módosításakor. Azt is hangsúlyozni kell, hogy a szakmai hiányosságok, fogyatékosságok és az etika „hatáskörébe” tartozó esetek közötti határvonal meghúzása nehéz, sok esetben pedig a kétféle magatartás párhuzamosan jelenik meg. Ezért egyik első lépésként éppen az ilyen kérdések tisztázását kell szorgalmazni. 3. A nemzetközi gyakorlatban megjelenő tapasztalatok begyűjtése, értékelése komoly munkát igényel, hiszen a nemzetközi szakirodalom alapján szükséges elkészíteni az erre vonatkozóan értékelést. A megfelelő szakmai alapok lerakása érdekében mielőbb el kell indítani egy „kutatási jellegű” programot. A szakirodalom tanulmányozása mellett közvetlenül fel kell venni a kapcsolatot az e tárgyban már tapasztaltabb nemzeti társaságok képviselőivel, akiktől feltehetően értékes információt lehet begyűjteni etikai testületük működésével kapcsolatosan. 4. Az időközben összegyűlt tapasztalatokat műhelykonferenciákon célszerű megtárgyalni. Részben a korábban említett nemzetközi tapasztalatok széles körű ismerteStatisztikai Szemle, 89. évfolyam 3. szám


321

tése és megvitatása, részben a társszakmák (közgazdász, szociológus) és a média körében jellemző etikai gyakorlat megvitatása érdekében, érdemes kezdeményezni a szakmaközi tapasztalatcserét. Erre azért van szükség, mert a statisztikusközösség nem „légüres” térben végzi a tevékenységét, hanem a felhasználók széles köréből érkező „visszacsatolásokra” alapozva. A különböző diszciplínák körében megfogalmazott etikai elvárások, illetve az ezek alapján működő gyakorlat során nyert tapasztalatok egybevetése kölcsönös haszonnal járhat, és egyúttal jó alkalmat kínál a statisztikai kultúra társadalmi szintű elfogadásához. Mindezek alapján feltétlenül szükséges az ISI tavaly megjelent új etikai kódexének a megtárgyalása, valamint az ezzel kapcsolatos nemzetközi szakmai előzmények, illetve a későbbi reflexiók kiértékelése. 5. Az ET formailag az MST testülete, szakmai-társadalmi beágyazottságát tekintve azonban a statisztikustársadalomé, miután annak etikai szempontú képviseletét látja el, azaz egyfajta „közszolgáltatói” szerepet vállal. Mindezt csak oly módon tudja kellően ellátni, ha élő kapcsolata van azokkal, akiknek az ügyét – áttételes formában – képviseli és szolgálja. Ha nem ezt teszi, akkor az érintettek szempontjából idegen, bürokratikus „testként” marad fenn, feltehetően kiüresedett funkcióval. Az élő kapcsolattartásnak az egyik alapvető formája, hogy miután az ET felvázolja szakmai programját, azt nyilvánosan közzéteszi, azzal a felhívással, hogy ehhez, továbbá a precedens értékű gyakorlati útmutatások kidolgozásához várja az észrevételeket és a gyakorlatban megtörtént eseteket. Összegzésként elmondható, hogy csak a kellően megformált – és a korábbiakban vázolt – szakmai alapok birtokában, illetve az Etikai Testületet delegáló statisztikusközösséggel való élő kapcsolat alapján várhatjuk azt, hogy a kezdeményezés ne ragadjon le a kezdeti próbálkozásnál, hanem képes legyen megfelelni az iránta táplált várakozásoknak.


322

John Ede

John Ede, a KSH ny. vezető főtanácsosa E-mail: [email protected]

Kávéházi beszélgetések a statisztikáról — A nemzetiségi (etnikai) statisztika (8.)

A Francia Statisztikai Társaság (Société Française de Statistique – SFdS) és a Francia Statisztikai és Gazdaságkutatási Intézet (Institut National de la Statistique et des Etudes Economiques – INSEE) 2005 decembere óta, általában havi rendszerességgel, egy párizsi kávéházi különteremben nyilvános vitaesteket szervez arról, hogy milyen választ ad a statisztika a társadalmunkat foglalkoztató nagy kérdésekre. A havi rendszerességű összejövetelek „tiszteletbeli” meghívottjától Rózsa Gábortól, a KSH ny. főosztályvezető-helyettesétől John Ede is megkapja a viták összefoglalóját, aki annak tartalmát örömmel megosztja a Statisztikai Szemle olvasóival.

Franciaországban az „etnikumokkal” foglalkozó statisztikákról néhány év óta sokat vitatkoznak. A vélemények meglehetősen eltérők a kérdés jelentőségét, a kapcsolódó érdekeket, a kockázatokat, az alkalmazott módszereket illetően. Más országok gyakorlatához hasonlóan miért nem közölnek Franciaországban ilyen statisztikákat? Miért kezelik e kérdést tabuként? Az etnikumokkal összefüggő problémák ismertek (a többségi társadalomba való beilleszkedés, a kirekesztés stb.); célszerű tehát az egyes népességcsoportok élethelyzetének, törekvéseinek minél alaposabb megismerése. Hozzájárul-e azonban ez a társadalmi összetartozás erősítéséhez? Mire kell figyelni, miben kell elővigyázatosnak lenni a kérdéskör megfigyelésénél? Ezúttal a vitaindító előadást François Héran, a társadalmi különbségek és a diszkrimináció vizsgálatára létrehozott bizottság1 elnöke, a Francia Demográfiai Kutatóintézet (Institut National d’Etudes Demographiques – INED) korábbi igazgatója tartotta. Minden diszkriminációt a társadalmi egyenlőtlenségre kell visszavezetni. A társadalmi mobilitással foglalkozó vizsgálatoknál általában a származás, az iskolázottság és a mindenkori társadalmi hovatartozás „háromszögét” tekintik meghatározóknak. Az 1 A Simone Veil nevével jelzett bizottság munkájának folytatására létrehozott harminc jól felkészült személyiségből álló fórum, amelynek feladata az alkotmányban biztosított személyiségi jogok figyelemmel kísérése.


A nemzetiségi (etnikai) statisztika

323

egyenlőtlenség e három összetevő egymásrahatásának következménye. A téma szakértői szerint az egyes összetevők többé-kevésbé azonos fontossággal bírnak. Az előbbi sémában a diszkriminációk olyan kakukktojásként jelennek meg, amelyek módosítják mind a három összetevőt (a származás hat a képzettségre, a képzettség a jövőbeni társadalmi helyzetre, az induló szociális helyzet az elért társadalmi pozícióra). Ahhoz, hogy a bekövetkező módosulásokat megértsük és legyőzzük, mérni kell őket. A büntető-törvénykönyv 225. cikkelyének első bekezdése a diszkrimináció tizennyolc megjelenési formáját sorolja fel, ezek mindegyike elemezhető, statisztikailag mérhető. Közülük a származáshoz köthető: az apai vonal, a genetikai értelemben vett örökölt tényezők, az etnikum, a nemzetiség és a faj. A Harc a Hátrányos Megkülönböztetés Ellen és az Esélyegyenlőtlenségért Főfelügyelet (Haute Autorité de Lutte contre les Discriminations et pour l’Égalité – HALDE) Franciaországban 2004 decemberében létrehozott testület az „eredet” szót faji értelemben használja, amit a hátrányos megkülönböztetés szempontjából fontosabbnak tart, mint az egészségügyi állapotot, az életkort. Erős korreláció van tehát a földrajzi helyhez köthető eredet és származás között; azaz napjaink bevándorlóit szociális szempontból a leghátrányosabb helyzetűek közé helyezik. Ahogy majd a későbbiekben szó lesz róla, az „etnikum” megnevezést a „szerencsétlen” szinonímájaként is használják. A „(nép)faj” kifejezést a klasszikus antropológia pontosan meghatározza: egy adott nemzeten belüli, vagy a feletti népességcsoport (kurd, kabil, baszk, szoninke, diola stb.) ami önmagában nem köthető az államhoz. Természetesen vannak olyan antropológusok, akik szerint a fogalom eléggé tágan értelmezhető és manipulálható, nélkülözi a reális megalapozottságot. Azonban „bármennyire manipulálható is, tudomásul kell venni létezését”. Számos példa hozható fel arra, hogy egy fogalmat nehezebben körülírható, képlékeny határai mellett is hasznosnak, használhatónak ítélünk meg (gondoljunk csak a gazdaságra és a szegénységre). Az „etnikum” szűkebb értelmezésének adott helye van a francia statisztikában, elég itt utalni az Afrika és Európa közötti migráció vizsgálataira. Az egyazon országból érkező migránsok számos közös vonással, tulajdonsággal, magatartásformával bírnak. Nyilvánvalóan ezek a tények nem hagyhatók figyelmen kívül. Minél inkább megjelennek ezek a származási adatok, a Franciaországgal partneri viszonyban levő országok népszámlálási kérdőívén, annál indokoltabb a kérdéskör összehangolt, nemzetközi vizsgálata. Ilyen érveléssel sikerült megszerezni Franciaországban az Informatikai Bizottság jóváhagyását az Alkotmányügyi Tanács 2007. évi döntéséhez igazodó kérdőíves felvétel végrehajtásához, amiről később még lesz szó. Az „etnikum” szó kevésbé tapintatos alkalmazása figyelhető meg a francia jogi nyelvben; nem egyszer a „faj”, eufemisztikus megnevezésére használják. Az 1978. évi Információs szabadságról szóló törvény is a „faji vagy etnikai származás” szóösszetételt használja. Az antropológusok az „etnikum” ilyen értelmezésével természetesen nem értenek egyet, hiszen ez olyan idegen származásra utal, mely a szüleStatisztikai Szemle, 89. évfolyam 3. szám

324

John Ede

téskori nemzetiséget, a szülők nemzetiségét vagy külső megjelenésből kikövetkeztethető atyai nemzettségből rekonstruálja a származást. A kutatók mindeddig az előbbi kategóriákat használták vizsgálataikhoz. Különösen igaz ez a Jogszociológiai és Büntetésvégrehajtási Intézetek Kutatóközpontja (Centre de Recherches Sociologiques sur le Droit et les Institutions Pénales – CESDIP) két felvételére Párizs kerületeiben (Les Halles, Gare du Nord), amikor a rendőrségi letartóztatások gyakorlatát hasonlították össze. Ezek során rögzíteni kellett valamennyi előállított személy „etnikai-faji” hovatartozását és minden egyéb jellemzőjét (életkor, ruházat, csomag, pénztárca és tartalma stb.) és ezekre alapozva alakították ki a „bűnözői” típusokat. Képzeljük el, hogy a „bűnözők” helyett egy középiskola diákjait, vagy a munkát keresőket csoportosítják az azonos tulajdonságok alapján, azaz az etnikai hovatartozást szubjektív ismérvekkel közelíti. Készülnek azonban Franciaországban az etnikai-faji hovatartozásról statisztikák, és ezeket, illetve az ezekben használt kategóriákat még a legaggályosabb kutatók is elfogadják. A francia hivatalos statisztika – szemben az előbbiekkel – az „etnikum” kifejezést már hosszabb ideje tágan értelmezi. Az általános vélekedéssel szemben, amely szerint a hivatalos statisztika „nem tesz különbséget a franciák között”, a népszámlálás hagyományosan összeírja a születéskori állampolgárságot, így igenis különválasztja a „született” és a „nem született” franciákat. 1992-től több nagymintás felvételnél kérdésként szerepel a „szülők állampolgársága”. 1999-től hasonlóképpen megjelenik a kérdés a „család” felvételnél, legutóbb a „szakképzés és képesítések”, a „munkaerő” stb. tárgyú felvételeknél. Ami az INSEE gördülő mintájú demográfiai felvételét (Échantillon Démographique Permanent – EDP) illeti, ahol egy adott személy teljes életútját nyomon követik, könnyen és sokat tudhatunk meg a „gyökerekről”. (Ugyanis ez az első olyan társadalom-demográfiai nagyminta, melyben vizsgálható a franciaországi termékenység, halálozás, családösszetétel, országon belüli földrajzi mobilitás, a társadalmi és foglalkozási mobilitás.) A negyedévenként megjelenő Revue Française de Sociologie című folyóirat egyik legutóbbi számában a szerzők a térségi szegregáció elemzéséhez a hivatalos statisztika adatait felhasználva rendre az „etnikai kisebbség” kifejezést használják. Érdekes azt is megjegyezni, hogy sokszor még az etnikai statisztikák ellenzői is használják a szóösszetételt. A statisztikai kategorizálás során az az aggodalom is megfogalmazódhat, hogy alkalmazása nem erősíti-e fel az egyes csoportokba tartozók nézeteltéréseit, elkülönülését. E téren eligazítást adhat egy korábbi szociológiai vizsgálat azon megállapítása, miszerint egy kietlen területen hosszú ideig veszteglő vonat utasai hosszú ideig viselkedhetnek csoportként, miközben definíció szerint nem azonos csoport tagjai. Gyakran kódolt kifejezések is felbukkannak. A rendőrök nem egyszer használják például a földrajzi eredetre utaló, leegyszerűsített kifejezést. A megjelölést egyes kutatók „köznyelvi etnikai-faji” kategóriáknak minősítik és törlik a tudományos kutatáStatisztikai Szemle, 89. évfolyam 3. szám


325

sok szókészletéből. A szóhasználat komplexitásának érzékeltetése céljából elég arra gondolni, hogy az „etnikai tartalom” nemcsak a felhasznált különböző forrásoktól, hanem az alkalmazott csoportosítástól is függ. A származási országok szerinti csoportosítást ténylegesen „földrajzi” besorolásnak tekintik. Ezeknek az információknak összevont kategóriákká alakításával már „területi-faji” lehatárolással állunk szemben, bizonyos összevonások pedig rejtett tartalomra is utalnak. Például a török, az iráni és az arab országok összevonása már vallási színezettel is bír. Paradox módon ezek az összevonások inkább sértik az érintettek érzékenységét. Támogathatók-e az olyan kutatói megnyilatkozások, amelyek szerint „nem kell foglalkozni az emberek származásával”? Valószínűleg nem; az utóbbi évek e téren gyors változásokat hoztak. „A származás rejtelmei változatlanul léteznek; igenis fel kell használni a szülők nemzetiségét leíró hivatalos statisztikák gazdag információit” – írta 2009-ben Hervé Le Bras. Miután a származásra vonatkozó adat az egyének „érzékeny” jellemzője és a törvények által is védettséget élvez, a francia hivatalos statisztika eddig ilyen adatokat nem publikált. Ebben mindenekelőtt az is szerepet játszott, hogy meglehetősen nehéz pontosan elválasztani egymástól a hasznos és a káros adatokat. A származásra, eredetre vonatkozó információkat meghatározott célú – például tudományosan megalapozott felvételek inputjaként történő – felhasználásra korlátozták, azokat nem sorolták a hivatalos statisztika alapadatai közé. Franciaországban senki sem akar „amerikai vagy angol megoldást”, azaz a népszámlálásban, a kérdőíves felvételeknél, az adminisztratív nyilvántartásokban az etnikai-faji hovatartozás nyilvántartását. Az előadó emlékeztetett arra, hogy az Alkotmányügyi Tanács az alkotmányos jogok 1971. évi felülvizsgálatakor beemelte az alkotmányos jogok közé az 1789. évi Emberjogi Nyilatkozatban kinyilatkoztatott egyenlőséget. A vita során az egyik hozzászóló megjegyezte, hogy az 1789-es jognyilatkozat „eredeti származás” kifejezésben az „eredeti” a megelőző államrendre, nevezetesen a nemességre utal. Az egyenlőségért folytatott harc folytatóinak érdemes lehet tanulmányozni az Államtanács 1997. évi jelentésének vonatkozó részét. Ebből a szempontból tehát a francia alkotmány korszerű, míg az amerikai túlhaladott. A francia alkotmány értelmezése szerint az etnikai-faji hivatkozás szerinti megkülönböztetés nem elfogadható. Ugyanakkor a fogalomkör használata – elemzési és semmiképp sem intézkedési célból - igenis elfogadható a különböző vizsgálatokban, kutatásokban. Mindenképpen ügyelni kell azonban az elemzést és az intézkedést szolgáló felhasználás közötti nagy különbségre. A statisztika nem ellenőriz: feladata nem kevesebb, mint „mérni a mérhetőt”. A statisztika célja az elemzés, az egyenlőtlenség kritikus összehasonlítása, a társadalmi hatásmechanizmusok feltárása. A kockázatok túlhangsúlyozása nélkül biztosítandó, hogy a kritikai értékelés megfelelő eszköze legyen. Statisztikai Szemle, 89. évfolyam 3. szám

326

John Ede

A vita Több hozzászóló – a nem célszerű felhasználás lehetőségét sem tagadva – hasznosnak ítélte a nemzetiségi, az etnikumokra vonatkozó statisztikát. A vita egyik résztvevője a bevándorlók beilleszkedésében a francia társadalomba jelentős előrelépést érzékel, szerinte az „integrációs folyamat jó irányú”; az amerikai „agytröszt”, a Pew Center szerint a Franciaországban élő észak-afrikai származású mohamedán lakosság 90 százaléka a francia nemzeti értékek szerint él. Szerinte az eltérő kulturális indíttatású népesség beilleszkedése nem történik meg egyik napról a másikra. Emlékeztetett arra, milyen nehézségeket okozott az olasz származásúak franciaországi beilleszkedése a XIX. század végén, Aigues-Mortes-ba, ahol 1893-ban komoly áldozatokat követelő etnikai jellegű összetűzés zajlott le a sóbányák kitermeléséhez torborzott olasz bevándorlók és a helyi munkások között. Ha az integráció valóban ennyire pozitív, ha bizonyosan ez a helyzet, akkor – szem előtt tartva az eltérő nézeteket és az érintett népesség várható reakcióit is – miért ne lehetne ilyen elemző statisztikákat készíteni? A legnagyobb haszon az integrációs folyamat sebessége, jellemzőinek mérhetősége lenne. Ha sor kerülne ilyen hazai statisztikai összesítésekre, felvételekre, akkor nem kellene a külföldi intézetekre, mint például a Pew Center adataira hagyatkozni. Az orvosi, a járványügyi, a genetikai kutatásoknál az etnikai elem mindig jelen volt; a kutatók minden esetben különbséget tudtak tenni a beavatkozási, illetve az elemzési célú kategóriák között. A jelenlevők felvetettek egy másik felhasználási területet, nevezetesen a „hitelminősítést”, a biztosításokat. Az egyik hozzászóló a Dél-afrikai Köztársaságbeli ellentmondásos helyzetről szólt. Elmondása szerint a hitelkérelmeknél megtiltották az olyan minősítő elemek alkalmazását, amelyek az etnikai eredetre, a korábbi hátrányos megkülönböztetésre utalnak. Az előbbivel ellentétes példaként a belgiumi banki gyakorlatot, a török férfi és női ügyfelekkel való foglalkozást említették. A résztvevők többsége szerint a különböző intézkedések céljaira is felhasznált adminisztratív nyilvántartásokban a származás rögzítése nem felel meg a származástól független egyenlő elbánás elvének. Az ezzel ellentétes gyakorlat még a legjobb indulatot feltételezve sem támogatandó. Nem áll-e fenn annak a veszélye, hogy a népesség etnikai jellemzők szerinti megfigyelése hátrányos az érintett lakosokra? Hivatkozni lehet a múlt század negyvenes éveinek zsidó áldozataira; ennek azonban semmi köze nincs az adott népesség statisztikai számbavételéhez. A vitában sokan használták a „megbélyegzés” kifejezést. Felmerült a kérdés, nem stigmatizálják-e egy adott etnikai csoport tagjait akkor, ha a statisztikai elemzések szerint növekszik az adott csoportba tartozó bűnözök száma, aránya? Nem vezet-e a megbélyegzés egyéni ellenálláshoz? Ehhez az előbbi kérdéshez kapcsolódóan elhangzott, hogy az 1999. évi „családfelvétel” a börtönökben élőkre is kiterjedt, körükben egyes népességcsoportok meglehetősen túlreprezentáltak voltak. A kérdésStatisztikai Szemle, 89. évfolyam 3. szám


327

kört a társadalomkutatóknak mindenképpen vizsgálnia kellene, és erről a nyilvános vita sem kerülhető el. A cenzúra nem oldja meg a gondokat, nem csökkenti a probléma súlyát. Gyakran hivatkoznak az Egyesült Államok példájára, egyrészt az ország fajietnikai csoportjai létrejöttének történelmi vonatkozásaira, másrészt a származás szerinti népességi statisztika kiépítésére, illetve az azonos népcsoportok egységesülését szolgáló lobbik tevékenységére. Az első világháború idején az Egyesült Államokban törvényt hoztak a bevándorlás korlátozásáról, amelynek egyik következménye volt a XIX. században elfoglalt Texas állam spanyol ősökkel rendelkező lakosságának szegregációja, az afroamerikai lakosokhoz hasonló elkülönítése.2 Az így kialakult helyzetben vált szükségessé és halaszthatatlanná, hogy érdemben foglalkozzanak a faji-etnikai kérdésekkel. Mégis, csak az 1950-60-as évek polgárjogi mozgalma érte el, hogy a népszámlálási kérdőíven a faji hovatartozás kifejezése helyett az etnikai származás szerepeljen. Az Egyesült Államokban minden egyes népszámlálást megelőzi a statisztikusok és a különböző etnikai közösségek képviselőinek a népszámlálási kérdőív tartalmi egyeztetését célzó megbeszélés sorozata. A meglehetősen nehéz előkészítő szakasz levezénylése az Elnök legfontosabb intézményének, a Költségvetési Hivatalnak (Office of Management and Budget – OMB) a feladata, amely az INSEE-hez hasonló, statisztikai koordináló szervezet. AZ OMB a statisztikusok számára nemcsak az alkalmazandó kategóriákra, hanem a felvételi módszerekre (például a több válasz kezelése) vonatkozó utasításokat, direktívákat is előír. Franciaországban egyszerűsíti az összeírást a nemzetiséget is tanúsító személyi igazolványok használata. Annak ellenére, hogy a franciaországi helyzet történelmileg másképp alakult, mégis léteznek az azonos származáson alapuló tömörülések, például a Franciaországi Zsidó Tanács (Conseil Représentatif des Institutions Juives de France – CRIF), a Franciaországi Feketebőrűek Tanácsa (Conseil Représentatif des Associations Noires de France – CRAN) stb. Az ilyen szervezetek létezése, névhasználata alkotmányos jog, tevékenységüket az állam nem korlátozza, jelenleg viszont nincs elég erejük ahhoz, hogy befolyásolni tudják a közösségi statisztika alakítását – nyilvánította ki egy hozzászóló. Más résztvevők szerint azonban ez nem mindig van így. Franciaország az Egyesült Államok által bejárt úton halad, de a két ország között e kérdés kezelésében nagy a különbség. Felvetődött, hogy Franciaországban egyes etnikai csoportokat érintően pozitív diszkriminációt kellene alkalmazni. A gondolatnak mind támogatói, mind ellenzői voltak; az egyik hozzászóló szerint az etnikai statisztika körüli vita mögött ez a gon2

A törvény nem utalt országokra, vagy fajokra, de közvetetten utalt az ázsiai országokból érkezett bevándorlókra is. Érdekes olvasmány a japán kormánynak az 1917-es törvénnyel összefüggő, meglehetősen modern tiltakozása.


328

John Ede

dolat húzódik meg. Az etnikai csoportosítás az első lépést jelentené az megkülönböztetés megvalósítására. A kérdéssel összefüggésben elhangzott két felvetés. 1. Figyelembe kellene venni, hogy a pozitív diszkrimináció nem egyszerű dolog, ugyanis a közvetlen vagy közvetett kapcsolódásokkal rendelkező, jelenleg is létező, akár etnikai indíttatású, esetenként képmutató és bizonytalan, egymástól elkülönülő csoportosulásokra is vonatkozhat. 2. Mind a származásra, mind a szerzett nemzetiségre vonatkozó pozitív megkülönböztetés faji-etnikai tartalommal bír; ezt nem szabadna az intézkedések előkészítésében felhasználni. Ugyanakkor, ha az Alkotmányügyi Tanács vagy az Informatikai Tanács megközelítését nézzük, többé-kevésbé az előbbi elképzeléssel szemben álló gyakorlat elfogadásával találkozunk. Hamis, és a statisztika szerepének túlhangsúlyozása annak állítása, hogy egy idő után minden kategorizálás a mérést, a számszerű összehasonlítást szolgálja. Felmerült a vitában a vallással, mint hasonlóan érzékeny ismérvvel kapcsolatban az a kérdés, hogy tilos-e még a vallási hovatartozásról hivatalos statisztikát készíteni. A kutatás szempontjából védhetetlen az SOS-rasszizmus álláspontja, mely szerint elfogadhatatlanok a Származás és életpálya c. kutatásban a vallásos viselkedésre, magatartásra utaló kérdések. Ezzel együtt a közelmúltban (2008. június-augusztus) az INED Population et Sociétés c. kiadványában az INSEE-INED 2005. évi A családok és a többgenerációs családok vizsgálata c. felvétele alapján nyilvánosságra hoztak két, a vallásosság kutatásával kapcsolatos tanulmányt. A nemzetiségi statisztika ellen felhozott gyakori érv, hogy vannak „közbenső” – például a vegyes házasságokban született – személyek. A nem egyértelmű besorolhatóság (például a „vegyes” házasságból születettek hovatartozása) ugyanakkor nem ellentétes egy általánosan elfogadható kategorizálás létrehozásával, erre számos példa is akad. Gondoljunk csak a valóságban is létező „átmeneti munkanélküliségre”, amelynek a létezése nem kérdőjelezi meg a „munkanélküli” illetve a „foglalkoztatott” kategóriákat. A statisztikai elemzés tárgya éppenséggel lehet az „átmeneti állapotban lévő” csoportok szerepe az egyes embercsoportok közötti faji, etnikai határok lebontásában. Amerikában például az emberek egyidejűleg több faji-etnikai csoportba tartozónak is vallhatják magukat; a régi kategóriáktól való megszabadulás szándékával így született meg a „mesztic” besorolás. Az érintettek erős lobbitevékenységükkel elérték a többes identitás megadásának lehetőségét, így a mai amerikai népessség nyolc százaléka már többes etnikai származásúnak vallja magát. Az „Életpálya és származás” felvétel végrehajtása Franciaországban időben egybeesett a bevándorlási törvény vitájával, majd ezt követően az Alkotmányügyi Tanács 2007. novemberi, a nemzetiségi statisztikát érintő döntésének meghozatalával. Az INSEE és az INED vezetése tartott attól, hogy az adott körülmények között bizonyos kérdések – és itt elsősorban a bőrszínre utaltak – szerepeltetése veszélybe sodorhatja a felvételt. Statisztikai Szemle, 89. évfolyam 3. szám


SOROZATUNK EDDIG MEGJELENT RÉSZEI: 1. Hogyan oktassuk a statisztikát a középiskolában? 2008. évi 9. sz. 908–915. old. 2. Az új családformák. 2009. évi 3. sz. 302–311. old. 3. A munkanélküliség mérése. 2009. évi 10–11. sz. 1078–1086. old. 4. A szegénység mérése. 2009. évi 12. sz. 1194–1203. old. 5. A termelés területi áthelyezése. 2010. évi 2 sz. 177–185. old. 6. A lakáshelyzet és a lakásstatisztika. 2010. évi 12. sz. 1222–1232. old. 7. A nyugdíjak és a nyugdíjasok jövőjéről. 2011. évi 1. sz. 101–110. old.


329

Fórum

Beszélgetés Mihályffy Lászlóval Mihályffy László 1940-ben született Szegeden. Középiskoláit, valamint egyetemi tanulmányait is Szegeden végezte; ez utóbbiakat a József Attila Tudományegyetem Természettudományi Karán, ahol 1964-ben kitüntetéssel szerzett matematikus és matematika szakos középiskolai tanári oklevelet. Az egyetem elvégzése után először a Nehézipari Minisztérium Ipargazdasági és Üzemszervezési Intézetében (NIM IGÜSZI) dolgozott tudományos munkatársként, majd a Budapesti Műszaki Egyetem (BME) tanársegédje lett, ezt követően pedig az INFELOR (Információ Feldolgozási Labor) Ökonometriai főosztályán töltött be különféle funkciókat. 1984-től – 2005-ben bekövetkezett nyugdíjazásáig – a Központi Statisztikai Hivatal (KSH) különböző főosztályain végzett közmegbecsülésnek örvendő tevékenységet. Mihályffy Lászlóval 70. születésnapja alkalmából beszélgettünk pályájáról, munkájáról, terveiről. Kezdjük az elején: alkalmazott matematikus vagy, a szó legjobb értelmében olyan valaki, aki magas szinten ismered és műveled a matematikát, de nem öncélúan, hanem makacsul keresve annak hasznosulását. Hogy lettél matematikus, mikor kezdődött ez a vonzalom? Természetesen még Szegeden a középiskolában. A Radnóti Miklós Gimnáziumban kerültem a Középiskolai Matematikai Lapok bűvkörébe, sok feladatot oldottam meg, küldtem be, és bár dobogós helyezést egyik évben sem szereztem, jó eredményeket értem el egyebek közt az Arany Dániel versenyeken. Többször dicséretben, jutalomban részesültem, ami abban a korban természetesen további munkára inspirált ezen a területen. Még szabadkézi rajzban voltam jóval ügyesebb az átlagnál, de amikor pályaválasztásra került sor, ez az irány nem látszott ígéretesnek, ezért szóba se jöhetett más pálya, mint a matematikusi.

Az egyetemen megtaláltad a helyed? Hogy érezted magad? Milyen eredményeket értél el, milyen pályát képzeltél akkor magad elé? Nehéz kérdések. Az tény, hogy az évfolyamon én voltam a „menő”, mint ahogy minden évfolyamon volt egy-egy ilyen nagyágyú. Ennek ellenére nem éreztem magam igazán jól. Most, utólag, ennyi év távlatából visszagondolva, azt hiszem, ez a pozíció nem tett jót nekem. Nem tudtam kellő méltósággal viselni, ezért ha közvetlen konfliktusaim nem is voltak évfolyamtársaimmal, nem voltam népszerű. Most már azt is látom, hogy relatíve többre tartottam magamat, mint amilyen valójában voltam, ami abból is látszik, hogy a többi évfolyamelső jóval többre vitte a szakmában. Szóval ez nem volt felhőtlen időszak az életemben, mégis az egyetlen munkakör, amit el tudtam képzelni akkor, az volt, hogy oktatóként és kutatóként bent maradok az egyetemen.


331

Fórum

gákkal, és a hallgatók sem igazán szerették a tárgyat. Így aztán innen is hamar továbbálltam.

Ez reális elképzelés volt? Azt hiszem, igen. Szakmailag jó eredményeket értem el: a differenciálegyenletek témájából írt tudományos diákköri dolgozatom általános elismerést aratott, mégis méltatlanul elfelejtették. Diplomamunkám, ami a mátrixinvertálás egyes numerikus kérdéseivel foglalkozott, és már akkor használta a számítástechnika korszerű eszközeit, szintén sikeres volt, tehát azt hiszem, megérdemelten kaptam egyetemi tanulmányaim lezárásaként vörös diplomát. Ezek után azonban – elsősorban közismert klerikális beállítottságom okán – nem sikerült bennmaradnom az egyetemen, így más munkahely után kellett néznem. Ez akkoriban nem volt nagy probléma, hiszen az egyetemek a végzősöknek több munkahelyet is felkínáltak. Te hova kerültél? Budapestre kerültem a Nehézipari Minisztérium kutatóintézetébe, ahol akkor egy ígéretes projekt szerveződött. Több régi ismerősöm is benne volt, és akiket ott ismertem meg, azokkal is jó emberi kapcsolatot sikerült kialakítanom. A feladat viszont, amibe be kellett folynom (egy nagyméretű lineáris termelésprogramozási modell számításai) sehogy se tetszett, így az első munkahelyemen kevés sikerélményben volt részem. Ezért váltottál két év elteltével? 1967-ben váratlan lehetőség adódott arra, hogy az egyetemi oktatással kapcsolatos régi álmomat megvalósíthassam. Így mentem el a Budapesti Műszaki Egyetemre ábrázoló geometriát tanítani, de sajnos megint csalódnom kellett. Nem az a tudományos műhely volt, amire vágytam, nem találtam meg a helyemet sem a kutatásban, sem az oktatásban. Nem alakultak ki jó szakmai kapcsolataim a kollé-

A következő állomást már jobban ismerem, hiszen ott hosszú évekig közvetlen kollégák voltunk. Az INFELOR Ökonometriai főosztályáról van szó, ahol Szakolczai György irányítása alatt 13 évet dolgoztál. Hogy sikerült itt a beilleszkedés, milyen szakmai tapasztalatokat szereztél ez idő alatt? Eleinte itt se éreztem jól magam, pedig a kollégákkal jó szakmai és emberi kapcsolatokat sikerült kialakítanom. Sokáig nem találtam a helyem, és csak egy-egy feladat kapcsán éreztem úgy, hogy mindaz a sok munka, amit a tanulásba fektettem, valahol hasznosul. Az ÁKM-modellekkel kapcsolatos munkák, közelebbről a dinamikus ÁKM-ek egyes szabályozási kérdéseiről írt néhány tanulmányom talán ilyen volt. De közben volt a szerencsétlen német ösztöndíj. Szerencsétlen? Hiszen a 70-es évek elején szinte minden fiatal számára álomnak tűnt egy hosszabb nyugati ösztöndíj! Ablak a világra, modern ismeretek, hasznos kapcsolatok, nyelvtanulás… Igen, szerencsétlen volt az egész. 1972-ben sikerült ösztöndíjasként kijutnom Bochumba, ahol professzorom és mentorom erősen ambicionálta, hogy ottani kutatásaimat – melyeknek nem sok közük volt az itthoni munkámhoz – doktori értekezéssel zárjam le. Amikor az ösztöndíj végeztével a majdnem kész disszertációval hazatértem, akkori főnököm is nagy nyomást gyakorolt rám, hogy mielőbb adjam be a dolgozatot kandidátusi értekezésként. Így aztán legjobb meggyőződésem ellenére beadtam egy nem túl jó, nem túl elegáns dolgozatot, amiben azonban szakmai hiba nem volt. Mégis – talán igaztalanul, talán nem egészen


332

Fórum

megfontoltan, talán valami hátsó politikai szándéktól indíttatva – az opponensek elég kíméletlenül elutasították a dolgozatot. Ez a szakmában nem maradt visszhang nélkül, ezért rossz kompromisszumként felajánlották, hogy vonjam vissza a dolgozatot, és akkor nem kell az elutasítás hátrányos következményeit viselnem. Ezt megtettem, de az egésznek mégis olyan rossz íze volt, hogy soha többé nem próbálkoztam a fokozat megszerzésével. Értem, de térjünk vissza egy kicsit a nyelvismeretre! Már azokban az években megcsodáltuk, hogy bár korábban sohase voltál idegen nyelvi környezetben, milyen pontosan és jól megtanultál angolul és németül. Ez akkoriban még egyáltalán nem volt általános. Neked hogy sikerült?

Először a Rendszerfejlesztő és koordináló főosztályra kerültem, ahol Marton Ádám irányítása mellett a kisterületi becslésekkel foglalkoztam. Azt hiszem, azzal találtam meg a helyem a KSH-ban, hogy korábbi munkáim során némi számítástechnikai gyakorlatra is szert tettem. A hivatalban akkoriban bevett munkamódszer volt az, hogy az érdemi elemző-módszertani munka elvált a számítástechnikától: mindennemű számítási munkát az erre szakosodott főosztály végzett. Én korábbi munkahelyemen hozzászoktam ahhoz, hogy saját feladataim számításait is végigviszem, ami a KSH-ban szokatlan szemlélet volt, ám az én munkám hatékonyságát jóval megnövelte. A becslésekhez készített hibaszámításokhoz felhasználtam L. Kish programját, és ezzel viszonylag gyorsan jó eredményeket értem el.

Természetesen sok munkával. Már a gimnáziumban és az egyetemen is tanultam mind a két nyelvet. Módszeremet illetően el kell mondanom, hogy sok szépirodalmat olvastam mindkét nyelven. S. Maugham, G. Green, G. B. Shaw, illetőleg T. Mann, H. Fallada és mások műveit gyakran, alaposan és nagy szeretettel olvastam, ami nagyon sokat segített a nyelvi ismereteim fejlesztésében. Természetesen a német ösztöndíj ebből a szempontból sokat számított, mert bár angolul is sikerült jól megtanulnom, sose értem el a megértésnek és a köznapi nyelv használatának azt a szintjét, mint akkor németből. De valójában későbbi munkám során mindkét nyelv ismerete nagyon hasznosnak bizonyult.

Jól értem, hogy itt találtad meg azt a munkát, amit régen kerestél, azt, amitől egy közösség hasznos tagjának érezhetted magad?

Visszatérve szakmai pályafutásodra, ha jól tudom, a 80-as évek elejére betelt a pohár, és bár egy ideig még követted az Ökonometriai főosztály vergődését (SZÁMKI, SZÁMALK, MTA), 1984-re megérett benned az elhatározás, hogy ismét váltasz. Ezúttal a KSH-ba. Mesélj valamit erről!

De – amennyire tudom – közben volt néhány szervezeti változás: átkerültél a Népszámlálási főosztályra, ott osztályvezető lettél, majd miután ez az osztály megszűnt, az újonnan alakuló Módszertani és mintavételi osztályra kerültél, ugyancsak osztályvezetői beosztásban.

Talán igen. Ez a határterület, a matematika, a statisztika és az operációkutatás, közelebbről a matematikai programozás mezsgyéjén, megtetszett és úgy tűnik be is vált. A kisterületi becslések után egyre inkább a komplex mintatervezési-mintavételi feladatok felé fordult az érdeklődésem. Eleinte Éltető Ödönnel közösen dolgoztunk ilyen feladatokon, majd részben a némiképp eltérő koncepciókból adódóan a 2001-es népszámlálás után szétváltak útjaink: Ödön a háztartás-statisztikai felvétellel, én pedig a munkaerő-felvétellel foglalkoztam.


333

Fórum

Hát ez így van, de ami azt illeti, még így utólag is sokkal többet gondolok a feladatokra, amelyekkel foglalkoztam, mint a szervezeti keretekre, amelyek között a megoldások születtek. Vegyük például a munkaerő-felvétel jelenlegi mintáját, amely a 2001. évi népszámláláson alapult és 2003 januárja óta működik. Ennek mintavételi terve az egyik legfontosabb munkám, amelyet hivatali pályafutásom során végeztem. Majdnem százszázalékos sikertörténet, a minta „üzembe helyezésénél” mégis felbukkant egy váratlan, nem kívánatos jelenség, ami nagyon kellemetlen következményekhez vezetett volna, ha a szakstatisztikus kollégák hathatós segítségével meg nem találjuk azt, amit ma áthidaló megoldásnak neveznek. Először a pozitívumokról. Ez volt talán az első országos minta, ahol optimális allokációt alkalmaztunk. Ennek eredményeképpen azonos mintanagyság mellett a kulcsfontosságú mutatók mintavételi hibája sehol sem haladta meg a régi mintából származó becslések mintavételi hibáját, jóllehet az új minta mintegy nyolcvannal kevesebb települést tartalmazott, mint a régi. Ez persze jelentős megtakarítást eredményez az összeírók útiköltségében. Ugyanakkor a régi és az új minta települései közötti nagymértékű különbség azt is jelentette, hogy sok régi összeíró távozott, helyükre újak léptek be, és a határesetek megítélésében az újak nem mindig úgy döntöttek, mint a régiek. Ezáltal például a munkanélküli létszám becslésében indokolatlan, látszólagos elmozdulások jelentkezhetnek. Mint említettem, szerencsére a problémát sikerült kezelni, és a felvétel azután kifogástalanul működött. Sajnos, az utóbbi években a növekvő meghiúsulás újabb problémát vetett fel, az ebből származó nem mintavételi hibát egyelőre nem sikerült behatárolni. A Módszertani és mintavételi osztály vezetése alól rövid ténykedés után felmentettek. Hogyan élted meg ezt az újabb kudarcot?

Rosszul. Bár sohasem szerettem vezető lenni – alkatilag azt hiszem, nem vagyok alkalmas rá – úgy gondolom, az akkori vezetés türelmetlen volt velem szemben. Kétségtelen, hogy volt két nagyon ígéretes fiatal, aki abban az időben távozott, de ebben teljesen vétlennek éreztem magam. Szerettem volna stabilizálni az osztályt, és aztán önként átadni a kormányt valaki más, arra alkalmasabb személynek, de erre már nem nyílt alkalmam. Egy ilyen döntés megkeserítheti egész későbbi pályádat, hiszen ekkor már nem voltál fiatal. Így történt? Szerencsére nem. Igaz, nem volt könnyű megemészteni a történteket, de sikerült, és talán azt is mondhatom, hogy szakmai pályafutásom legszebb szakasza következett. Érdekes feladataim voltak, azokat úgy éreztem, jó színvonalon meg tudtam oldani, tehetséges és nagyon jó szándékú fiatalok közt dolgozhattam, akiknek sok mindent sikerült átadnom tapasztalataimból, jó szakmai kapcsolatokat sikerült kialakítanom a KSH megfelelő szakfőosztályaival, és örvendetesen szélesedtek nemzetközi kapcsolataim is. Ezekben az időkben a KSH-ban olyan névre tettél szert, amire büszke lehetsz. Ha mintavételi kérdésekről volt szó, a különféle szakstatisztikusok egybehangzóan azt mondták: „Mintavétel? Majd Éltető és Mihályffy megoldják!” Úgy gondolom, ez azért nagy elismerés, tekintve, hogy a mintavétel központi szerepet játszik a hivatal életében. Kaptál-e hivatali, illetve külső szakmai elismerést? Válasszuk ketté a kérdést! Ami a hivatali elismeréseket illeti, azt hiszem igen. Több elnöki dicséret mellett megkaptam a statisztikus szakma két legnagyobb kitüntetését, a Fényes Elek emlékérmet és a Keleti Károly Emlékér-


334

Fórum

met. Emellett – hiszen határterületen dolgozom – 2009-ben a Gazdaságmodellezési Társaság is megtisztelt a Krekó Béla-Díjjal. Ami a külső szakmai elismeréseket illeti, amellett, hogy tekintélyes nemzetközi szakmai szervezetek tagjaik sorába fogadtak, az igazi elismerést a publikációs tevékenység adja meg. A vezető hazai szakfolyóiratokban (Statisztikai Szemle, SZIGMA) rendszeresen publikálok, ám a nemzetközi publikációk sora egy kicsit rövid. Bár úgy vélem, és konferenciaelőadások kapcsán ebben többször megerősítést is kaptam, hogy szakmailag korrekt és releváns dolgozatokat küldtem be nagy nemzetközi szakfolyóiratoknak. Előfordult ugyan, hogy a bírálók nem vették a fáradságot, hogy komolyan belemerüljenek a részletekbe, hanem felületes benyomások alapján vonták meg a támogatást. De némi elégtételül szolgál az, hogy egyik legfrissebb dolgozatom a modellező szakma legrangosabb folyóiratában, a Central European Journal of Operations Research-ben most van megjelenés alatt. Mondanál valamit ennek témájáról, annál is inkább, mivel úgy tudom, hogy nyugdíjba vonulásod óta ezzel foglalkozol legszívesebben. Szívesen! Ez a kalibrált becslésekhez kapcsolódik. Az utóbbi években egyik kedvenc témám a kalibrált becslések alkalmazása volt. A kalibrálás lényege az, hogy az aktuális mintára épülő becslések elkészítéséhez olyan segédváltozókat is figyelembe veszünk, amelyekre ismert teljes körű (sokasági) információk állnak rendelkezésre. Ekkor a becslés voltaképpen egy korlátozott optimalizálási feladattá válik, ami közeli rokonságot mutat a programozási feladatokkal (közelebbről egyfajta kvadratikus programozási feladattal). Mivel korábbi munkáim során ilyen programozási feladatokkal is foglalkoztam, jó volt felis-

merni a rokonságot a két, látszatra egymástól elég távol álló probléma és azok megoldása között. Erről a kapcsolatról szól az említett cikk. Most, hogy röviden áttekintettük ezt a sikerekkel, de buktatókkal is bővelkedő életutat, engedj meg néhány további, összefoglaló jellegű kérdést. Először arról, hogy miért van az, hogy ilyen nagy, széles körű tudással lényegileg távol maradtál a felsőoktatástól, attól, hogy átadd tudásodat és tapasztalataidat a következő generációknak? A szervezett oktatástól valóban távol maradtam, ennek oka az, hogy úgy gondolom, az egy külön, más műfaj. Ahhoz, hogy nagyobb közösséget oktatni tudjon valaki, komoly és más irányú felkészülés kell. Egész más egyegy részterületet mélyen megismerni, és más egy egész diszciplínát rendezetten, felépítetten, didaktikusan átadni. Ehhez sem időm, sem elegendő elhivatottságom nem volt. Ez persze nem jelenti azt, hogy a szakterületemen nem oktatatom szívesen az arra érdemes fiatalokat. Szerencsére utolsó munkahelyemen erre bőven volt alkalmam, és jó érzés volt látni a fiatalok részéről a fogadókészséget is. A másik kérdésem az, hogy kikre emlékszel szívesen hosszú pályafutásod idejéről, és kikkel nem tudtál jó kapcsolatot kialakítani? Mindkettőből bőven kijutott. Azokkal, akik nem kellő figyelemmel, vagy nem kellő türelemmel voltak a munkám iránt, és esetleg számomra megalapozatlannak tűnő döntésekkel befolyásolták pályámat, nem szeretnék foglalkozni. Szerencsére sokan, nagyon sokan voltak olyanok, akik jó szándékkal és segítőkészséggel támogattak. Pályám utolsó szakaszában, amikor végre megtaláltam a nekem való feladatokat, nagyon sok szakmai és erkölcsi


335

Fórum

segítséget kaptam olyan széles látókörű szakstatisztikusoktól, mint amilyenek Zafír Mihály vagy Rédei Mária voltak. Lassan a beszélgetés végére érve, számomra úgy tűnik, hogy hosszú törésektől és kudarcoktól sem mentes pályád utolsó éveiben találtad meg azt a feladatot és azt a környezetet, ahol végre szakmailag és emberileg is jól érezted magad. Igen, és ennek betetőzése volt az a kis megemlékezés, amit volt kollégáim a 70. születésnapom alkalmából rendeztek. Mi tagadás, meglepetés volt, és nagyon jól esett azt érezni, hogy így utólag is milyen sokan megbecsülik a munkámat, és talán szeretnek is. Megtudhatunk valamit a további terveidről? Ha igény van a munkámra, alkalmanként szívesen bekapcsolódok részfeladatok megoldásába a hivatalban. Ugyancsak szívesen végzek olyan feladatokat, mint amilyen egy-egy tanulmány vagy cikk bírálata, lektorálása. Ami

pedig saját hobbimat illeti, szeretnék a kalibrálás és a varianciabecslés néhány nyitott, és számomra érdekes kérdésében még elméleti eredményeket elérni. És a magánéletben? Amennyire erőnk engedi, feleségemmel együtt megpróbáljuk kondíciónkat karban tartani: ezt szolgálja a rendszeres kocogás, nyáron pedig az evezés és a kajakozás. A lelki egyensúly megőrzését pedig rendszeres egyházi összejöveteleken és rendezvényeken való részvétellel szeretném, szeretnénk biztosítani. Emellett már nagyon készülök arra, hogy kis unokám mellett mielőbb komoly nagyapai szerepet töltsek be. Mindehhez jó erőt és egészséget kívánok a Statisztikai Szemle Szerkesztősége és olvasói nevében is, és egyben köszönöm a beszélgetést. Hunyadi László, a Statisztikai Szemle főszerkesztője E-mail: [email protected]

Hírek, események Munkakörmegszűnés – kinevezés. Dr. Laczka Éva, a KSH elnökhelyettesének döntése alapján 2011. február 15-i hatállyal megszűnt Siketné Krisztik Cecília osztályvezetői munkaköre a Külkereskedelem-statisztikai főosztály Termékforgalmi adatgyűjtési osztályán. Ugyanettől a naptól az Árstatisztikai főosztály Fogyasztói árstatisztikai osztályának osztályvezetői munkakörét Papp Éva tölti be. Dr. Németh Zsolt elnökhelyettes titkárságán a titkársági referensi feladatokat 2011. február 1-jei hatállyal Keszler Ágnes osztályvezetői munkakörben látja el.

Címadományozás. Dr. Vukovich Gabriella, a KSH elnöke tartósan kiemelkedő munkájuk elismeréseként 2011. február 8-án a hivatal következő munkatársainak adományozott 1. szakmai főtanácsadói címet: Györki Ildikó (Statisztikai kutatási és módszertani főosztály), Nyakacska Mária (Pécsi Igazgatóság); 2. közigazgatási főtanácsadó címet: Lovászné Skach Edit (Szolgáltatásstatisztikai főosztály); 3. szakmai tanácsadó címet: Csapó Éva (Szolgáltatásstatisztikai főosztály), Hilbert Lászlóné (Népszámlálási és népesedésstatisztikai főosztály), Kátainé Marosi Angéla (Tájékoztatási főosztály), Molnárfi Erika (Életmód-, foglal-


336

Fórum

koztatás- és oktatásstatisztikai főosztály), Németh Tibor (Pécsi Igazgatóság), Pachmann Zsuzsanna (Népszámlálási és népesedésstatisztikai főosztály), Polcsikné Jákli Katalin (Veszprémi Igazgatóság), Rikkné Benkei Rita (Debreceni Igazgatóság), Simonné Horváth Gabriella (Tájékoztatási főosztály), Szalay Árpád (Győri Igazgatóság), Székely Gáborné (Társadalmi szolgáltatások statisztikai főosztály), Tóth Lászlóné (Gazdálkodási és igazgatási főosztály), Vresnyák László (Pécsi Igazgatóság); 4. címzetes főmunkatársi címet: Incze Éva (Informatikai főosztály). Látogatás. Dr. Vukovich Gabriella, a KSH elnöke és dr. Laczka Éva elnökhelyettes 2011. február 10-én Luxembourgban részt vett az Európai Unió Bizottsága – Európai Statisztikai Rendszer Bizottság nyolcadik ülésén. „Lehetőségek a módszertan előtt” című szakmai fórumát 2011. február 2-án rendezte meg a KSH Statisztikai kutatási és módszertani főosztálya a hivatal Keleti Károlytermében. Dr. Németh Zsolt, a KSH elnökhe-

lyettesének megnyitó beszéde után a főosztály munkatársai tartottak előadást a következő témákban: A standardizálásról és a statisztikai standardokról (dr. Vigh Judit statisztikai tanácsadó betegsége miatt dr. Szép Katalin főosztályvezető adott elő); Standardizálás META szemmel (Ábry Csaba vezető tanácsos); Osztályozások egységes alkalmazása (Ercsey Zsófia osztályvezető); Módszertani fejlesztések a statisztikai regisztereknél (Györki Ildikó statisztikai főtanácsadó); „Miért nem integrálunk éjjel-nappal?” – lehetőségek és korlátok az adat-összekapcsolásban (Horváth Beáta osztályvezető); A validálás módszertanának standardizálási lehetőségeiről (Csereháti Zoltán tanácsos); Gyorsabban, olcsóbban, részletesebben – kihívások a statisztikai becslések előtt (dr. Telegdi László statisztikai tanácsadó); A kiadásra szánt adatok védelméről (Antal László gyakornok); Minőség a statisztikában (Szűcs Ildikó statisztikai tanácsadó); Lakossági felvételek a népszámlálás után – mintavétel, súlyozás, becslés (Fraller Gergely statisztikai tanácsadó). A gyűlés moderátora dr. Szép Katalin volt.

A Nemzetközi Statisztikai Intézet (International Statistical Institute – ISI) fontosabb konferenciaajánlatai (A teljes ajánlatlista megtalálható a http//:isi.cbs.nl/calendar honlapon.) Antalya, Törökország. 2011. április 27. – május 1. 7. Nemzeti Statisztikai Kongresszus. (7th International Statistics Congress.) Információ: Dr. Aysen Apaydin professzor (+90532-4637659) E-mail: [email protected] Honlap: www.istkon.org/index.php?op=1&lang=en

Hersonisos, Görögország. 2011. május 8–13. Az EMR–IBS (Nemzetközi Biometriai Társaság Kelet-mediterrán Régiójának) 6. kon-

ferenciája. (6th EMR-IBS (Eastern Mediterranean Region – International Biometric Society) conference.) Információ: Dimitris Karlis ([email protected]) Honlap: www.statathens.aueb.gr/~emribs/page/emr2011.html

Ljubljana, Szlovénia. 2011. május 9–11. Az ENSZ Európai Gazdasági Bizottságának statisztikai adatszerkesztési munkaülése. (UNECE (United Nations Economic Commission for Europe) Work Session on Statistical Data Editing.)


337

Fórum

Antalya, Törökország. 2011. május 12– 15. „Újdonságok az alkalmazott fizikában és anyagtudományban” című kongresszus. („Advances in Applied Physics and Materials Science” Congress.) Honlap: www.apmas2011.org

Diepenbeek, Belgium. 2011. május 19– 20. Statisztikai és valószínűség-számítási újdonságokról szóló nemzetközi szimpózium. (International Symposium on Recent Advances in Statistics and Probability.) Honlap: www.uhasselt.be/ISRASP

Limassol, Ciprus. 2011. május 26–29. „Biogyógyászat, környezetmetria, közgazdaságtan, pénzügy és megbízhatóság” nemzetközi kockázatelemzési konferencia. („Biomedicine, Environmetrics, Economics, Finance and Reliability” International Con-ference on Risk Analysis.) Szervezők: Alex Karagrigoriou, Ciprusi Egyetem ([email protected]); Lutz Edler, Német Rákkutatási Központ ([email protected]); Chrys Caroni, Athéni Nemzeti Műszaki Egyetem ([email protected]) Információ: Anna Sophokleous, TOP KINISIS ([email protected]) E-mail: [email protected] Honlap: www.ucy.ac.cy/icra4


Szakirodalom

Folyóiratszemle Bujnowska, A. — Museux, J.-M.: Az Európai Unió mikroadatainak elérése, ESSnet projektek a távoli hozzáférésrôl (Release of European Union Microdata, ESS Projects on Remote Access.) – Statistical Journal of the IAOS. 2009/2010. évi 26. sz. 89–94. old. A tanulmány letölthető: http://iospress.metapress. com/content/0jr526786366u728/fulltext.pdf

„A részletes statisztikai adatokhoz való hozzáférési igény növekedése kétségbevonhatatlan tény” – írja közös cikkükben Aleksandra Bujnowska és Jean-Marc Museux. Napjainkban, amikor a mikroadatok egyre fontosabbá válnak a kutatók számára, a statisztikai hivatalok továbbra is főleg adatvédelmileg ellenőrzött aggregált adatokat tartalmazó publikus táblázatokat állítanak elő. Ezek a táblázatos adatok azonban nem alkalmasak a részletekbe menő kutatások elvégzéséhez. A kutatói igényeknek a nemzeti statisztikai hivatalok úgy tudnak megfelelni, ha hozzáférést engednek a megfelelő részletezettségű mikroadat-állományokhoz. Az Európai Bizottság 831/2002. számú rendelete teremtette meg az európai uniós szintű mikroadatokhoz való kutatási célú hozzáférés lehetőségét. A jogszabály a hozzáférés két módját tette lehetővé: az anonimizált mikroadatok kiadását, valamint a bizalmas mikroadatokhoz való hozzáférést ún. kutatószobán keresztül. A kutatói közösség a lehető legrészletesebb adatok elérhetőségében érdekelt, azonban a földrajzi távolságok, a kutatószobai hozzáférés egyértelmű korlátot jelentenek. Fo-

kozottan így van ez az európai uniós mikroadatok esetében, hiszen egyelőre az Eurostat kutatószobájának felkereséséhez a kutatóknak Luxembourgba kell utazniuk. Ennek a korlátnak a feloldására kínálna megoldást egy távoli hozzáférésen alapuló rendszer, mely jelenleg még csak tervezés alatt áll. Ez az elérési mód olyan rendszer, melynek segítségével „a kutató közvetlenül kapcsolódhat egy központi biztonságos szerveren tárolt adatállományhoz és a PC képernyőjén keresztül megjelenítheti azt”. Az állományon végzett elemzések során előállt végső eredményeket adatvédelmi szempontú ellenőrzésnek vetik alá. Ezeket az eredményeket a kutató csak akkor kaphatja meg, ha az ellenőrzést végzők azokat biztonságosnak minősítik. A mikroadatokhoz való kutatási célú hozzáférésnek azonban nem pusztán technikai vetülete van: többek között felelősségi kérdések is felvetődnek. A nemzeti statisztikai hivatalok felelőssége ugyanis, hogy az adatok bizalmas kezeléséről gondoskodjanak. A teljes hozzáférési folyamat szempontjából a felelősség azonban szélesebben értelmezendő: a kutatónak is felelősséget kell vállalnia az adatok kizárólag kutatási célú felhasználásáért és a felfedés elleni védelem szabályainak betartásáért. A jelenleg átdolgozás alatt álló 831/2002. számú EU-rendelet a hozzáférés feltételeit is részletezi. A szerzőpáros az adatokhoz való hozzáférés módján felül (mikroadat-kiadás vagy kutatószobai hozzáférés) további három fő szempont szerint vizsgálja a kérdést: kik, milyen adatokhoz, mely kutatási projektek céljából férhetnek hozzá?

Megjegyzés. A Folyóiratszemlét a KSH Könyvtár (Lencsés Ákos) állítja össze.


339

Szakirodalom

Kik férhetnek hozzá az uniós szintű mikroadatokhoz, kik kaphatnak kutatási célú hozzáférést? Főszabályként a közösségi jog vagy valamely tagország belső joga alapján létrehozott tudományos kutatással foglalkozó szervezetek vagy intézmények, egyetemek vagy más felsőoktatási intézmények, illetve a tagállamok nemzeti statisztikai intézetei, valamint az Európai Központi Bank és a tagállamok nemzeti bankjai. Ezen túlmenően egyéb szervezetek is felkerülhetnek a hozzáférési joggal rendelkezők listájára, ehhez azonban túl kell esniük egy értékelési procedúrán, melynek során a kérdéses szervezet fő profilját és adatvédelmi szabályait is értékelik. Milyen adatokhoz kaphatnak hozzáférést ezek a szervezetek? A jogszabály nevesítve közli az anonimizált mikroadatok formájában hozzáférhető állományok körét, amely folyamatosan bővül. Olyan átfogó felvételek adatai érhetők el, mint a munkaerő-, az innovációs, jövedelemszerkezeti, felsőoktatási, mezőgazdasági üzemszerkezeti stb. felmérések. Az egyes tagországokra vonatkozó adatállományokhoz a kutató csak abban az esetben férhet hozzá, ha a kérdéses tagállam jóváhagyja az Eurostat által elvégzett anonimizálási eljárást. Mely kutatási projektek céljából lehet hozzáférni az adatokhoz? A szerzők kiemelik, hogy csak akkor kaphat hozzáférést a kutató, ha: – olyan intézet kutatója, amely vagy a törvény által nevesített szervezetek közé tartozik, vagy felkerült a hozzáférési joggal rendelkező szervezetek listájára; – a törvény által nevesített anonimizált állományokat szeretné felhasználni kutatásához, vagy az érintett tagország hozzájárult ahhoz, hogy valamely más kért adatot az Eurostat kutatószobájában kutatás céljából hozzáférhetővé tegyenek; – az anonimizált mikroadat-állományok védelme biztosított, valamint az Eurostat kutatószobájához való hozzáférés engedélyezett.

Az Eurostat előzetesen a kutatási cél részletes ismertetését kéri a kutatótól. A kérelem sikeres elbírálása után a nemzetközi szervezet értesíti a tagországokat, akiknek jóváhagyása esetén megköti a kutatási szerződést a hozzáférést igénylő kutatóintézettel. A szerzők az európai szintű adatokhoz való távoli hozzáférés jövőjét illetően kiemelten részletezik az Európai Statisztikai Rendszer keretében működő, 2005 előtt Cenexként, azóta ESSnetként ismert együttműködési hálózat vonatkozó stratégiai céljait. Mivel az ESSnetek célja, hogy az együttműködő partnereknél meglévő tapasztalatra és szaktudásra alapozva az európai szinten felmerülő aktuális problémákra megoldást kínáljanak, így a távoli hozzáférés kérdéseire is – részben – ebben a rendszerben keresik a válaszokat. A szerzőpáros három projektet nevesít. A döntően módszertani és szoftverfejlesztési kérdésekkel foglalkozó „The ESSnet on Statistical Disclosure Control (SDC)” (ESSnet az adatvédelemről) projekt olyan ajánlásokat fogalmaz meg a végső kutatási eredmények ellenőrzéséhez, melyek a távoli hozzáféréshez is felhasználhatók. A távoli végrehajtáson alapuló PiEP-LISSY rendszerre épülő projekt szintén hasznos információkkal szolgálhat a kutatónak. A két rendszer közötti különbség abban rejlik, hogy míg a távoli hozzáférés során a kutató ténylegesen maga végzi az elemzést az adatokon, addig a távoli végrehajtás keretében a kutató által küldött programok alapján az eredményeket a mikroadatokért felelős szerv állítja elő. A távoli hozzáférés és távoli végrehajtás közös jellemzője, hogy mindkét esetben megtörténik a végső kutatási eredmények adatvédelmi szempontú ellenőrzése, valamint a kutató egyik esetben sem végezhet módosításokat az állományon és arról másolatot sem készíthet. A távoli hozzáférés szempontjából kiemelt jelentőségű az EU mikroadatokhoz való köz-


340

Szakirodalom

pontosítatlan hozzáférés témájában indított „The ESSnet on Decentralized Access to EU Microdatasets” (ESSnet az EU mikroadatállományaihoz való decentralizált hozzáférésről) projekt, melynek célja annak felmérése, hogy az EU-tagországok kutatószobáin keresztül miként válhatnak hozzáférhetővé az uniós szintű mikroadat-állományok, amelyek elérése adminisztratív szempontokon felül jogi, módszertani és természetesen technikai kérdések sokaságát veti fel. Jogi oldalról a 831/2002. számú rendelet értelmében az egyes kutatási projekteket és kutatóintézeteket illetően az adott tagország hozzájárulása szükséges ahhoz, hogy az országot érintő, uniós szintű mikroadat-állomány hozzáférhető legyen a kutató számára. A legfontosabb jogi problémák az engedélyezésen felül a szerződéssel kapcsolatos kérdések, valamint az adatvédelmi garanciák megsértése esetén alkalmazható jogi szankciók. Módszertani kérdések a hozzáféréssel kapcsolatban elsősorban a kutató által használni kívánt adatállomány előállítása, valamint a végső kutatási eredmények adatvédelmi szempontú ellenőrzése során merülnek fel. Uniós szinten a távoli hozzáféréssel kapcsolatban a szerzők három alapvető módszertani kérdést tartanak kiemelten fontosnak:

engedéllyel rendelkezők hozzáférésének biztosítása. A biztonság az egyik legfontosabb követelmény a rendszerrel kapcsolatban, azaz hogy kizárólag a megfelelő engedéllyel rendelkező, azonosítható felhasználók férhessenek hozzá az állományokhoz. Összefoglalásként megállapítható, hogy egyre több projekt foglalkozik a mikroadatokhoz való kutatási célú hozzáféréssel, illetve annak módjaival. Az utóbbi időben különösen hangsúlyossá vált a távoli hozzáférés, mellyel a kutatók széles körben érhetnék el a mikroadat-állományokat. A rendszer európai uniós szintű kiépítése valódi kihívást jelent a szakértők számára, hiszen a technikai problémákon túlmenően jogi és módszertani kérdésekre is válaszokat kell találni. A fejlesztések elvégzését sürgeti, hogy – ahogy azt záró gondolatként a szerzők is kiemelik – a mikroadatok és így az azokhoz való távoli hozzáférés iránti igény az Európai Unió szintjén az elkövetkező években továbbra is emelkedni fog. Vereczkei Zoltán, a KSH fogalmazója E-mail: [email protected]

Zherebin, V. M. — Ermakova, N. A.: – Ki készíti el és bocsátja rendelkezésre a kért adatállományokat? – Ki és hogyan ellenőrzi az eredményeket? – Mit tekintünk végső kutatási eredménynek? A távoli hozzáférés technikai oldalú megközelítése több, kivitelezhetőséggel és fizikai adatvédelemmel kapcsolatos kérdést vet fel. Ide tartozik többek között a kérdéses mikroadatok biztonságos szervereken vagy nemzeti statisztikai hivatalok informatikai környezetében való tárolása vagy a megfelelő

A lakosság mindennapi életének informatizálása (Informatizacija povszednyevnoj zsiznyi naszelenyija.) – Voproszi sztatisztiki. 2010. évi 10. sz. 10–19. old.

Oroszország gazdasági és társadalmi céljainak elérésben kiemelt szerep jut az információs és kommunikációs technológiáknak (IKT). Az ebbe а körbe tartozó eszközök és а szolgáltatások megkönnyítik az információhoz jutást és az információcserét, ezen belül pedig két


341

Szakirodalom

fontos funkciónak tesznek eleget: egyrészt lehetőséget teremtenek az információk igény szerinti felhasználására, másrészt új csatornákat nyitnak a kommunikáció és a közlés számára. A szerzők tanulmányukban azt vizsgálják, hol tart Oroszország a kérdéses technológiák terjesztésében, a lakosság mennyire nyitott ezek használatára, illetve miként alakította át a mindennapi életet az IKT elterjedése? Az információk elérése az interneten keresztül valósul meg, keresőmotorok és tájékoztató rendszerek segítségével, melyek a keresőkérdés relevanciájától függő gyorsasággal, pontossággal nyújtanak eredményt. A felhasználók maguk dönthetik el, melyik keresőmotort használják, ezért is érdekes, hogy a nyugati világtól eltérően Oroszországban a Google keresője csak a harmadik helyet foglalja el. (A piaci részesedés 2009-ben a következőképpen alakult: Yandex 55,3, Rambler 16,2, Google 15,7 százalék.) Ennek oka a cirill betűs tartalmak optimalizálizáltsága. Az új kommunikációs csatornák legfontosabbjai a IP-telefonok, az ICQ-technológia, a személyes honlapok, a blogok, az azonnali üzenetküldő alkalmazások (chat), az ismeretségi hálózatok és mikroblog-szolgáltatások (twitter), nem utolsó sorban a közösségi oldalak, valamint a különféle fórumok, klubok. Az utóbbi években mindezek jelentősen átalakították a társadalmi kapcsolatokat és az emberek életmódját, hiszen az internet az élet minden területét, az ország minden régióját és a társadalom majd minden szintjét áthatja. A cikk szerint az átlagos orosz, munkaképes felnőtt ma már intenzíven használja az IKT-t, legalább annyira, amennyire azt a munkája megköveteli. A gyermekeket és a fiatalokat viszont valósággal elnyeli a számítógépes játékok sokasága, a közösségi oldalak varázsa, a webáruházak gazdagsága, vagyis az IKT virtuális lehetőségei. Új jelenség, hogy a nyugdíjasok is egyre többet használják a mobiltelefont, a számítógépet és az internetet. Ennek

elsődleges oka, hogy a friss nyugdíjasok már munkahelyükön is beletanultak az új technológiák használatába, miközben a korosztály más tagjai „családi nyomásra”, a gyermekeikkel, unokáikkal való olcsóbb és könnyebb kapcsolattartás miatt ismerkednek meg az alapvető alkalmazásokkal. A szerzők az IKT hatásai közé sorolják a munkaerő jellegének megváltozását, a fogyasztási, a kulturális és a szabadidős magatartási minták, valamint az idővel való gazdálkodás átalakulását is. Meglátásuk szerint Oroszországban a lakosság „informatizálódása” két szakaszra bontható. Kezdetben, a kilencvenes évek utolsó harmadáig elsősorban az ipari, az irányítási, a banki és a tudományos folyamatokat foglalta magába. Ebben az időszakban még nem volt mód arra, hogy az IKT lehetőségeit a lakosság széles tömegei a mindennapi életben használják. Az elmúlt évtizedben azonban ez a tendencia megváltozott; először a mobiltelefon, azután a személyi számítógép, majd az internet is csaknem minden orosz háztartásba bevonult. Az IKT üzleti és lakossági alkalmazása jelentős eltéréseket mutat még ma is, az előbbi javára. Elegendő összehasonlítani a statisztikai évkönyvekben is megtalálható táblázatokat, amelyek a vállalatok és szervezetek, valamint a családok és a magánszemélyek erre vonatkozó adatait tartalmazzák. Az utóbbi kéthárom évben azonban a lakosság informatizálódása felgyorsult, miközben az üzleti szféráé csak enyhén növekedett. A családok életében a mobiltelefon már teljesen elfogadott, az eladott SIM-kártyák száma megközelítette a teljes lakosság számát. Az internetes alkalmazások közül pedig azok számítanak népszerűnek, amelyek a kommunikációs lehetőségeket tágítják, illetve amelyek ingyenesen biztosítanak olyan tartalmakat, amelyekért korábban fizetni kellett. Az adatokból látható, hogy az összes IKT-használatban a legnagyobb hangsúlyt az e-mail


342

Szakirodalom

kapja (29%), majd az elektronikus folyóiratok és a napilapok következnek (20,4%), ezt követi az IP-telefonok használata (11,5%), a részvétel a közösségi oldalakon és fórumokon (9,2%), a blogok írása és olvasása (7,8%), illetve a társkeresés (2,3%). Szembetűnő az IKT-használat átalakulása az üzleti és hivatalos szférában. A munka informatizáltságára jellemző, hogy 2000-ben csupán 20 százalékban töltötte ki a számítógép a dolgozók munkaidejét, ezen belül 3 százalékban az internet, 2009-ben viszont már 90 és 70 százalék volt ugyanez a két adat. Az IKT nemcsak a munkaeszközöket változtatta meg, hanem a munkafolyamatok jellegét és a munkatársak kapcsolatait is. Az internetes értekezletek, szimpóziumok, a prezentációk stb. lehetővé tették, hogy a résztvevők úgy legyenek akár egy globális vállalat döntéshozó munkatársai, hogy el se hagyják tényleges munkahelyüket. Egy 2003-as kutatásból kiderül, hogy a hivatali ranglétrán való feljebb jutás, valamint a válaszadók státusbeli önértékelése és jövőképe szoros kapcsolatban áll az IKT használatával. Azok a válaszadók, akik a társadalmi ranglétrán magasan pozícionálták magukat 70 százalékban internethasználók voltak, míg a magukat alacsonyabban értékelőknek csupán körülbelül 25 százaléka mondta magát rendszeres internetezőnek. Ma már egyértelmű, hogy az IKT lehetőségei Oroszországban és a világban nemcsak megnövelik a pályázók esélyeit a megfelelő munkahely megtalálásában, illetve fizetés elérésében, hanem ezek előfeltételévé váltak. A fejlett országokban a legmagasabb prémiumot a számítógépes tudással rendelkező munkaerő kapja, Oroszországban 15, Franciaországban 18 százalékot. Az orosz Gazdasági Főiskola 2008-ban publikált kutatási eredményeiből kiderül, hogy a számítógépes írástudás eredményeként a szolgáltatási és kereskedelmi szektor közepesen képzett dolgozóinak fizetése növekedett legnagyobb mértékben (30%), a

magasabb képzettségűeknél ez a mutató kisebb volt (12-14%). Korcsoportok szerint a legnagyobb, 14,5 százalékos emelkedés a 33 és 43 év közöttieknél volt tapasztalható, a 45 év felettieknél 12,8, a fiataloknál pedig 8,9 százalékot növekedett a munkabér. Ez az adat arról is árulkodik, hogy Oroszországban a középfokú oktatás és képzés nem felel meg a modern kor követelményeinek. A IKT és a munkafeltételek kapcsolatát jól mutatja a távmunka elterjedése. A munkahely átalakul a dolgozók tevékenységének koordinációs központjává, és nem az iroda, hanem az otthon lesz a munkavégzés helyszíne. A „teleworking” fogalma ugyan már a hetvenes években létezett, de csak az internet elterjedésével vált valós opcióvá. Ma már jól látszik, hogy a távolsági elv számos előnyt rejt a munkaadók és a munkavállalók számára egyaránt: kiküszöbölhetők a közlekedési problémák, valamint nő a munka termelékenysége. Ugyanakkor az elemzők aláhúzzák, hogy a munkakörülmények efféle megváltozása könnyen a munkaidő növekedéséhez, az pedig túlterheltséghez vezethet. A 2002-ben és 2007-ben Oroszországban folytatott vizsgálatok szerint az otthon foglalkoztatottak száma csak lassan nőtt, és csak a munkaerőpiac kis szeletét fedte le. Az orosz tanácsadó cég, az Axes Management 2010-es adatai szerint azonban az orosz cégek 15 százaléka már bevezette a részleges foglalkoztatást. A fő motiváció az irodabérlet csökkentése (Moszkvában egy négyzetméter „B” osztályú iroda bérleti díja 300-600 dollár évente, és a törvények szerint egy dolgozónak minimum négy négyzetmétert kell biztosítani). A szerzők ezeken túl a marketingtechnikák átalakulását és a vásárlási szokások változását mutatják be. Oroszországban ma már minden szolgáltató igyekszik az interneten is megjelenni és releváns információkat közölni a termékeiről, azonban még ma is a készpénzes


343

Szakirodalom

forgalom dominál, de lassan elfogadottá válik a bankkártyás és a mobiltelefon segítségével történő fizetés is. Előbbi 2009-ben 285,2 milliárd rubelt tett ki, utóbbi 1,4 milliárdot. Összehasonlítva a 2008-as adatokkal, a növekedés 218,2 százalékos. A készpénzkímélő fizetés továbbfejlődésének fő akadálya ma már nem technikai, hanem pszichológiai jellegű: félelem az új technológiák elsajátításától és bizalmatlanság ezekkel szemben. Külföldi tapasztalatok alapján azonban kijelenthető, hogy ez rövid időn belül változni fog, az internetkereskedelem még az alacsonyabban képzett lakosságot is meg fogja hódítani. Figyelemre méltó az ún „okos házak” népszerűsége. Azt a lakást nevezik így, amelyik reagál az emberi jelenlétre (például az automatikus klíma segítségével), ahol minden szórakoztató technikai elemet (zene, film, fotó) egy szerveren lehet tárolni, és minden helyiségben egy irányítópult segítségével vezérelni. A rendszer része a biztonságtechnika is, beleértve a gyermekeket és az idős embereket őrző berendezéseket. A személyes azonosítást követelő számítógépes rendszerek, a wifi és más távoli elérést biztosító eszközök széles spektruma áll ma már rendelkezésre. Az „okos ház” ára az utóbbi években egyre elérhetőbbé válik a közepes jövedelműek számára is. A bevezetés költsége mintegy 200-400 dollár négyzetméterenként. A cikkben végül olvashatunk az internetnek az orosz családok kulturális életére gyakorolt hatásáról. A 2007-es adatok szerint a megkérdezett családok 35 százalékában csökkent az újság- és folyóirat-olvasásra, 16,9 százalékában a szépirodalomra, 20,2 százalékában a mozira, valamint 16,9 százalékában a színházra fordított idő; csupán 10,1 százalékában erősödött a szépirodalom iránti érdeklődés, a mozi és színház-látogatottság pedig 8,9 százalékában nőtt. Ez azt is jelenti, hogy az elit-, a nemzeti és a tömegkultúra mellett létjogosultságot nyert az információs kultúra. A cikk sze-

rint ezek az elemek a „matrjoska-elv” szerint rendeződnek: információs, képernyő-, számítógépes és internetkultúra. 2009-es adatok alapján Oroszországban az internethasználók átlag egy órával töltenek kevesebbet a tévé előtt, mint internetet nem használó társaik. Moszkvában és a nagyvárosokban a különbség még nagyobb. Az ITK terjedése tehát a társadalom minden rétegét érinti, és az élet minden területét átalakítja Oroszországban is. A kisgyermekektől a nyugdíjasokig, a fővárostól a faluig, a bankelnöktől a munkásig mindenki kapcsolatba kerül vele és hatásával. Munkahelyi és családi kapcsolataiba, vásárlási, ismerkedési, szórakozási szokásaiba is változást hoz, és a pozitív fejlemények mellett a negatívokat is elszenvedi. A számok azt mutatják, hogy a tendencia csak erősödik, és a társadalom informatizáltsága ma már ott tart, hogy aki kimarad belőle, az többet veszít, mint amennyit nyerhet. Bedecs Éva, a KSH Könyvtár tájékoztató könyvtárosa E-mail: [email protected]

Lefebure, S. — Rabau, M. — Van Camp, G. — Vleminckx, K.: A megfelelô, biztonságos és fenntartható európai nyugdíjrendszer információi (Assuring Adequate Pensions for all European Citizens.) – Federal Public Service Social Security. Brüsszel. 2010. 1–30. old. A tanulmány letölthető: http://www.socialsecurity.fgov.be/eu/docs/agenda/0 6-08_09_10_BP_pensions_en.pdf

2010 szeptemberében Belgium, mint az Európai Unió soros elnöke szakértői konferenciát szervezett, „Assuring Adequate Pensions for all European Citizens” címmel. A kiadott


344

Szakirodalom

háttértanulmány az európai nyugdíjrendszerek reformintézkedéseinek lényeges jellemzőit ismerteti, és utal a tárgykör korábbi vizsgálatainak eredményeire, felhasználja a tagállamok nyugdíjrendszereinek elemzéseit. A szerzők bemutatják az Európai Bizottság (EB) 2010 júliusában kiadott ún. Zöld Könyvének („Zöld Könyv a megfelelő, fenntartható és biztonságos európai nyugdíjrendszerek felé”) fontosabb téziseit,1 melynek tárgyalása a magyar EU-elnökség időszakában várható. Az Európai Parlament (EP) plenáris ülésének dokumentumát a Foglalkoztatási és Szociális Ügyek Bizottsága (Committee on Employment and Social Affairs) terjeszti elő. Az EP bizottságai alakítják ki állásfoglalásaikat a nyugdíjreformról, annak koordinációjáról. A nemzetközi összehasonlítás nyugdíjadatainak forrása az ún. közös jelentés (Joint Report on Pensions: Progress and Key Challenges in the Delivery of Adequate and Sustainable Pensions in Europe; Közös jelentés a nyugdíjakról: a megfelelő és fenntartható nyugdíjellátással kapcsolatos előrehaladás és kulcsfontosságú kihívások Európában). Az EB a következőkkel jellemzi a Zöld Könyv statisztika összefüggéseit: „2.9. Statisztika A nyugdíj statisztikai munkái az Európai Unió sok testületét érintik. A Szociális Védelem Bizottsága (Social Protection Committee – SPC) Indikátor Alcsoportjának (Indicator SubGroup – ISG) rendeltetése, hogy adatokat gyűjtsön a nyugdíjrendszer vonatkozási köréről és a járulékok alakulásáról. A statisztikai hivatalok az Eurostat koordinálásával szolgáltatnak adatot például a szociális védelemről (ESSPROS; Európai Szociális Védelmi Statisztikai Rendszer), a rendelke1 http://eur-lex.europa.eu/LexUriServ/LexUriServ. do?uri=CELEX:52010DC0365:EN:NOT

zésre álló jövedelemről (EU-SILC), a nyugdíjalapokról (structural business statistics – SBS; vállalkozások szerkezeti statisztikái). Az Európai Központi Bank (European Central Bank – ECB) a biztosítók, nyugdíjalapok eszközeinek, kötelezettségeinek statisztikáit gyűjti az állományokról és a folyamatokról. A pénzügyi stabilitással összefüggő adatok címzettje az Európai Rendszerkockázati Testület (European Systemic Risk Board – ESRB) lesz.” A Zöld Könyv 4. fejezete, „Az EU nyugdíjstatisztikájának javítása” címmel a következő fontosabb megállapításokat tartalmazza: „A nyugdíjrendszerek különböző nemzeti és uniós forrásokból rendelkezésre álló adatainak egyszerűsítésére lenne szükség, amely révén lehetővé válna az adatok jobb összehasonlíthatósága, valamint jelentős költségmegtakarítást eredményezne. A meglevő nemzetközi (OECD) munkákra és az Unió különféle kezdeményezéseire építhető európai uniós nyugdíjstatisztikára vonatkozó módszertan kidolgozása elősegítené a közös irányvonalak, a szabályozás kihívásainak értékelését. A nyugdíjalapok fontos intézményi befektetők, az alapok befektetői magatartása hatással lehet a pénzügyi stabilitásra. Az EU polgárai számára előnyös lenne, ha különböző forrásokból pontos statisztikai adatok állnának rendelkezésükre a nyugdíjjövedelmükről. A nyugdíjasok mind jelentősebb fogyasztói csoportot fognak képezni, így a vállalatok számára is előnyösnek bizonyulna, ha megbízható, időszerű adatokhoz lenne hozzáférésük a teljes rendelkezésre álló jövedelemről. Az előbbiek mellett szükséges lenne erősíteni az implicit kötelezettségek nyomon követését annak érdekében, hogy a rejtett kötelezettségek hatásait felmérhessék, mind a kormányzati, mind a magánszektor által működte-


345

Szakirodalom

tett nyugdíjrendszerek költségvetéseinek fenntarthatóságára.” A szakértők már a hetvenes évek végén jelezték az elemzések igényét, kiemelve az európai nyugdíjrendszerek várható ellentmondásait. Felhívták a figyelmet például a munkaerőhelyzet alakulására, a családszerkezet változásaira, a demográfiai folyamatokra és a gazdaság globálissá válásának várható hatásaira. A nyugdíjrendszerek reformjára az OECD (1988), valamint a Világbank (1994) átfogó vizsgálatai alapján készültek ajánlások. Amennyiben a nyugdíjreform nem valósul meg, egyre nagyobb részt kell fordítani az EU tagállamainak költségvetéséből a nyugdíjrendszerre, valamint az idősek ellátására. A megvalósítási lehetőség elemzései utalnak azokra a tartós tendenciákra, amelyek a kialakult nyugdíjpolitika változtatását indokolják. Ilyen tényező például a lakosság várható élettartamának növekedése, a születési ráták csökkenése és az, hogy az 1945 és 1965 között születettek népes korcsoportja a közeljövőben éri el a nyugdíjas kort. Ebből következik, hogy az eltartottsági ráták fokozatosan nőnek, mind több lesz a nyugdíjas, és a korábbiaknál hoszszabb ideig kaphatnak nyugdíjjáradékot, amelynek fedezetét mind kevesebb aktív korú hozza létre. A reformjavaslat egyik lényeges eleme, hogy egykor a nyugdíjjárulék fizetésének kötelezettsége a férfiak csaknem teljes és határozatlan időre szóló foglalkoztatására épült. Az évtizedek során a helyzet módosult, a munkaerőpiac sokféle rugalmas foglalkoztatási formát alkalmaz (például részmunkaidős, illetve határozott idejű munkaviszonnyal, különösen a nők körében). A tanulmány visszatekint azokra a kezdeményezésekre, amelyek az európai szociálpolitika összehangolását célozták. Ezek a törekvések összekapcsolódnak a nemzetgazdaság általános feltételeivel, különös tekintettel az euróövezet tagállamai gazdaságpolitikájának

összehangolására a kilencvenes évek végétől. Az EU két testülete (Economic Policy Committee – EPC, Gazdaságpolitikai Bizottság; Working Group on Ageing Populations and Sustainability – AWG, az Öregedő Népességgel és a Fenntarthatósággal Foglalkozó Munkacsoport) megvizsgálta az idősödő társadalom, valamint a közpénzek fenntarthatósága közötti hosszabb távú összefüggéseket. Az EU Tanácsának 2000. évi lisszaboni, illetve 2001. évi stockholmi határozatai megerősítették, hogy hosszabb távon fenntartható pálya szükséges a kormányzat pénzügyeiben, figyelembe véve a demográfiai folyamatokat is. Az EU stratégiájában ennek megfelelően a foglalkoztatási ráta és a termelékenység növelése, valamint a kiemelt jóléti rendszerek (egészségügyi, szociális és nyugdíjellátás) reformjának szükségessége szerepel. A szerzők ismertetik azokat a dokumentumokat, amelyek a közelmúltban jelentek meg a nyugdíjrendszerek nemzetközi összehasonlításaival. Az EU bizottságai áttekintették az 1995 és 2010 közötti időszak nyugdíjreformjainak helyzetét, különös tekintettel a válság hatásaira. A Közös Jelentés (EPC–SPC Joint Report on Pensions) szerint fejlődés tapasztalható a tagállamok nyugdíjrendszereiben, az idősebb korosztályok jövedelemhelyzetében. A nyugdíjellátás közpénzből fedezett részének jövőben várható növekedése korlátozottabb, a reform elősegíti a fenntartható járadékfizetést. Ugyanakkor további feladat a társadalom kis jövedelmű, idős csoportjainak megfelelő ellátása. A tanulmány bemutatja a tagállamok nyugdíjpénztárainak reagálását a válságra, a növekvő finanszírozási kockázatokra, az állami költségvetés helyzetére, a munkaerő-piaci folyamatokra. Az EU testületei, ezen belül a soros elnökségek foglalkoznak a Közös Jelentés következtetéseivel. A Zöld Könyv nemzetközi konzultációra bocsátott célrendszere a következő:


346

Szakirodalom

„– A nyugdíjas megfelelő jövedelmét a hosszabb távon fenntartható, biztos nyugdíjrendszerek adják. – Helyes egyensúly alakuljon ki a munkában és a nyugdíjasként töltött időszakok között, ehhez hosszabb aktív élet tartozzék. – Ne legyen annak akadálya, hogy az emberek az EU különböző országaiban dolgozzanak, illetve működjön a nyugdíjtermékek belső piaca. – Rövid és hosszabb távon legyenek biztosabbak a nyugdíjak, okulva a legutóbbi gazdasági válságból. – A biztonságos nyugdíj legyen átláthatóbb, ennek révén az emberek a nyugdíjas jövedelmeikről kellő információk alapján dönthessenek.” A Zöld Könyv konzultációs folyamata 2010. november 15-én lezárult. Az Európai Bizottság (EB) konzultációs kérdései a továbblépés módjaira irányulnak. A szerzők közelebbről is elemzik a megfelelő nyugdíj fogalmát, hivatkozva az EB kérdésére: „Miként támogathatja az EU a tagállamok erőfeszítéseit a nyugdíjrendszer jobb megfelelőségére? Keressen az EU jobb meghatározást a megfelelő nyugdíjjövedelemre?” A szakmai konzultációk másik alapkérdése annak meghatározása, hogyan értékelhető a társadalombiztosítási és magánnyugdíjrend-szerek fenntarthatósága. A nyugdíjrendszer több szakpolitikához kapcsolódik, így azok integrált intézkedése szükséges, hogy szinergia érvényesülhessen a nyugdíjrendszerek gazdasági, pénzügyi, piaci, szabályozási és társadalmi összefüggéseiben. A szerzők ilyen alapkérdésként említik a munkában töltött évek meghosszabbíthatóságát; a nyugdíjak kezelését, mobilitását az EU belső piacán; az európai jogszabályokban nem szabályozott nyugdíjügyeket; a nyugdíjalapok tartós (jövőben elvárható) fizetőképességét; a munka-

adók fizetésképtelenné válása miatti kockázatokat. A nyugdíjrendszer alaptényezői összefüggnek az EU (sok esetben informális) tanácskozási, döntési, irányítási jogosítványaival, intézkedéseivel. A görög, a holland, a lett, a portugál, a spanyol és a szlovén kormány a nyugdíjért felelős vezetőjével képviseltette magát a Zöld Könyv itt kifejtett téziseinek 2010. szeptember 7-i vitájában. A konzultáció háttértanulmánya bemutatja a nyugdíjrendszerek nemzetközi összehasonlításához ajánlott statisztikai indikátorokat. Példaként szerepelnek a dán és holland nyugdíjszerű ellátások, e két országban minden 65 éves és annál idősebb polgárnak joga van az első pillér járadékaira. A minimális időskori ellátás más országokban (például az észt, a lett, a svéd és a ciprusi nyugdíjrendszerben) feltételekhez kötött, de nem függ más jövedelemforrásoktól. Az EB konzultációs kérdésében említett megfelelőség meghatározása támpontként figyelembe veheti a gyakorlatban alkalmazott nemzeti minimális nyugdíjszerű jövedelmek szintjeit. A jól meghatározott mérési elv elősegítheti a szociális teljesítményindikátorok fejlesztését is, javíthatja az értékelés eszközeit az európai nyugdíjrendszerek összehasonlítására. Az ajánlott indikátorok a következők:2 – a nyugdíjak elméleti keresethelyettesítő aránya (theoretical replacement rate of pensions – TRR); – egyenértékű mediánjövedelmek két korcsoportra számított aránya: a 65 éves és annál idősebb népesség jövedelme a 0–64 évesekéhez mérten; 2 A magyarországi indikátorok forrása: A szegénység és a társadalmi kirekesztődés (Laekeni indikátorok, 2009). Statisztikai Tükör. 2010. október 13. Központi Statisztikai Hivatal. Budapest. http://portal.ksh.hu/pls/ksh/docs/hun/xftp/idoszaki/la ekindikator/laekindikator09.pdf


347

Szakirodalom

– egyenértékű mediánjövedelmek két korcsoportra számított aránya: a 65–74 éves népesség indikátora az 50–59 évesek munkajövedelméhez mérten (az egyéb szociális ellátások nélkül); – a 65 éves és annál idősebb népesség szegénységi kockázata; – korcsoportok szegénységi rése, azaz a szegénységi küszöb eltérése az egyenértékű mediánjövedelemtől, százalékban mérve (a 65+ és a 75+ korcsoportok szegénységi küszöbe); – nyugdíjminimum a szegénységi küszöb százalékában; – a 65 éves és annál idősebb népesség szegénységi kockázata, a lakhatási helyzetnek megfelelően; – az idős korcsoportok jövedelemegyenlőtlensége (az S80/S20 arány).

A szerzők áttekintik az időskori szegénység megelőzésének feladatait, a helyzetfelmérés ajánlott módszerét, és a nemzetközi összehasonlítás fontosabb megállapításait az EU-SILC 2008. évi eredményeit felhasználva. A statisztikai mutatók segítik a „megfelelő nyugdíj” meghatározását, bár az időskori szegénység megelőzése nem kizárólag a nyugdíjellátás feladata. A háttértanulmány megnevezi azokat a nemzeti szimulációs eljárásokat, amelyeket a nyugdíjrendszer fenntarthatóságának vizsgálatára alkalmaznak. A modell szerinti feltételezések a hagyományos társadalombiztosítási rendszerek (első pillér), valamint a második pillér jellemzőit veszik figyelembe. Nádudvari Zoltán, a KSH ny. főtanácsosa E-mail: [email protected]

Kiadók ajánlata MCCANDLESS, D. [2011]: Az információ gyönyörű. Typotex Elektronikus Kiadó. Budapest. Egyedülálló könyv, amely új nézőpontból tekint a modern információs korszakra. Annak megértésében segíti az olvasókat, hogy mi értelme van a számtalan statisztikának és véletlenszerű ténynek, melyekkel folyamatosan bombáznak bennünket. A szerző grafikonok, táblázatok és illusztrációk segítségével kreatívan jeleníti meg világunk meglepő kapcsolatait és lenyűgöző adatait, amelyek feltérképezik a Földet. MADSEN, B. [2011]: Statistics for NonStatisticians. (Statisztika nem statisztikusok számára.) Springer. New York. A könyv azoknak íródott, akiknek ismerniük kell az adatgyűjtés, -elemzés és -bemutatás mikéntjét. Egyéni tanulásra vagy az olvasó statisztikai ismereteinek felfrissítésére szolgál,

az általános statisztika órák kiegészítő olvasmánya lehet. Újszerű mind a témaválasztás, mind a bemutatás tekintetében. A témák a gyakorlati statisztikai munkához leghasznosabb dolgokat ölelik fel: még a gyakorlott statisztikusok is találnak közöttük új kérdéseket vagy a hagyományos tárgykörök újszerű megközelítéseit. A bemutatás a lehető legkevésbé matematikai. Képletek csak akkor szerepelnek, ha azok a számításokhoz és/vagy az olvasói megértéshez szükségesek. A könyv egészében valós példaként egy mintavételes felmérés kerül kifejtésre számos más további példa mellett, melyek szintén egy kiegészítő honlap adatmunkafüzeteit használják. WELFENS, P. J. J. – RYAN, C. (EDS.) [2011]: Financial Market Integration and Growth. (Pénzügypiaci integráció és növekedés.) Springer. New York.


348

Szakirodalom

A pénzügyi tőke függetlenül attól, hogy közvetítése a pénzügyi piacon vagy külföldi működőtőke-befektetéseken keresztül történik, kulcsfontosságú tényező az európai gazdasági növekedésben. A kötet az európai és a globális pénzügyi integráció közötti kapcsolatot vizsgálja, illetve a monetáris szektor és Európa reálgazdaságának dinamikáját elemzi. A vizsgálat az európai pénzügyi piacok elméleti és empirikus dinamikájára fókuszál, bár fontos intézményi fejlesztésekről szóló regionális esettanulmányokat és külföldi működőtőke-befektetésekkel kapcsolatos tanulságokat is bemutat. Számos megállapítás Közép-, Kelet- és Nyugat-Európára, valamint az EU partnerországaira vonatkozik. Fontos megemlíteni, hogy az elemzés új megközelítéseket és a transzatlanti bankválság megoldására szolgáló lehetőségeket is tartalmaz, illetve szakpolitikai újításokat javasol az ingatag pénzügyi piacokkal rendelkező világ számára. LEVINSON, W. A. [2011]: Statistical Process for Real-World Applications. (Statisztikai folyamat a valódi alkalmazásokban.) CRC Press. London. A normális vagy haranggörbe eloszlás sokkal általánosabb a statisztikai tankönyvekben mint a gyárakban, ahol a folyamatok nemnormális és gyakran erősen aszimmetrikus eloszlásokat követnek. A könyv ezen nemnormális alkalmazások tudományos kezelésének mikéntjét mutatja be, illetve elmagyarázza a módszertant a szállítók és a vevők számára. Rávilágít arra, milyen hátulütőkkel jár normalitást feltételezni minden folyamat esetén, leírja a normalitásfeltevés vizsgálatának módját és azokat az eseteket, amikor nagy valószínűséggel nemnormális eloszlások érvényesek. Bemutatja azon valós folyamatok kezelésének mikéntjét is, melyek nem követik a hagyományos tankönyvek feltevéseit. Emellett elmagyarázza, hogyan tűzzünk reális ellenőr-

zési korlátokat és számoljunk fontos folyamatalkalmassági indexeket nemnormális alkalmazások esetén. A kötet foglalkozik a többváltozós rendszerekkel, a beágyazott variációs forrásokkal és a nemnormális eloszlásokkal kapcsolatos folyamatteljesítmény-indexekkel is. Minitab, StatGraphics Centurion és MathCAF példákat ugyancsak felölel, a munkafüzetek használatával vizuális jelzést adva a felhasználónak kezelhetetlen feltétel fennállása esetén. A mellékelt lemez Visual Basic for Applications funkciókat biztosít ahhoz, hogy a lehetőségekhez képest leginkább rutinszerűvé tegyünk olyan feladatokat, mint az eloszlásillesztés és illeszkedésvizsgálat. A kötet bemutatja, hogy kell használható ellenőrző diagrammokat összeállítani és a folyamatteljesítmény-indexekről olyan jelentést készíteni, melyek ténylegesen tükrözik a folyamat lehetőségeit a minőség elérése érdekében. BERRIDGE, D. M. – CROUCHLEY, R. [2011]: Multivariate Generalized Linear Mixed Models Using R. (Többváltozós általánosított lineáris vegyes modellek az R használatával.) CRC Press. London. A kötet robusztus, módszertanilag megfelelő modelleket mutat be nagy és összetett adatállományok elemzésére, képessé téve ezzel az olvasókat az egyre komplexebb kutatási kérdések megválaszolására. A modellezési alapelveket panel- és más, ez utóbbival összefüggő tanulmányok longitudinális adataira vonatkozóan alkalmazza R-ben, a Sabre szoftvercsomagon keresztül. A szerzők először az általánosított lineáris modellek családjának tagjait tárgyalják, fokozatosan egyre bonyolultabbá téve a modellezési keretet a véletlen hatások felölelésével. Az általánosított lineáris modell fogalmának áttekintése után számos véletlen hatás modellt mutatnak be, beleértve a háromszintű, a többváltozós, a végpont-, az


349

Szakirodalom

eseménytörténet- és az állapotfüggőségi modelleket is. Ezek a többváltozós általánosított lineáris vegyes modelleket standard vagy adaptív Gauss-féle kvadratúra alkalmazásával becslik. A szerzők összehasonlítják a kétszin-

tű állandó és véletlen hatású lineáris modelleket is. A függelékek pedig további információkat tartalmaznak a kvadratúráról, a modellbecslésről és a belső változókról SabreR parancsokkal és példákkal együtt.

Társfolyóiratok

A FRANCIA GAZDASÁGI ÉS PÉNZÜGYMINISZTÉRIUM, VALAMINT A STATISZTIKAI ÉS GAZDASÁGKUTATÓ INTÉZET FOLYÓIRATA 2010. ÉVI 433–434. SZÁM

Duru-Bellat, M. – Kieffer, A. – Reimer, D.: Egyenlőtlen hozzáférés a felsőoktatáshoz – a specializáció szerepe. Nyugat-Németország és Franciaország helyzetének összehasonlítása. Aeberhardt, R. et al.: A bevándorlók gyermekeinek foglalkoztatása és keresete. Couppié, T. – Moullet, S.: Lakóhely és keresetkülönbségek a hátrányos városi körzetekben élő fiatalok esetében. Clerc, M. – Coudin, É.: A fogyasztói árindex, mint a megélhetési költség változásának indikátora Franciaországban. Elemzés Engelgörbék segítségével.

kapcsolása a rejtett népességek számának becsléséhez. Peytchev, A. et al.: Az adatszolgáltatók definícióhasználata online alapú adatfelvételekben. Benedetti, R. – Bee, M. – Espa, G.: Küszöbértékes mintavételek keretrendszere üzleti adatfelvételek tervezésében. Grim, J. et al.: A 2001. évi Cseh Népszámlálás statisztikai modelljének interaktív bemutatása. Khan, M. G. M. – Maiti, T. – Ahsan, M. J.: Optimális többváltozós rétegzett mintavételi terv kiegészítő információk használatával.

AZ ANGOL KIRÁLYI STATISZTIKAI TÁRSASÁG FOLYÓIRATA (A SOROZAT) 2010. ÉVI 1. SZÁM

A SVÉD KÖZPONTI STATISZTIKAI HIVATAL FOLYÓIRATA 2010. ÉVI 4. SZÁM

Valliant, R. – Rust, K. F.: Szabadságfokok becslése és az ökölszabályok. Félix-Medina, M. – Monjardin, P. E.: A link-tracing és a csoportos mintavétel össze-

Shuttleworth, I. G. – Lloyd, C. D. – Martin, D. J.: A népszámlálási körzetbeosztások változásának hatásai a lakóhelyi szegregáció kutatásában: Észak-Írország példája, 1991–2001. Brunsdon, C. et al.: A felsőoktatásban való részvétel előrejelzése: a geodemográfiai osztályozások összehasonlító értékelése. Jenkins, S. P. et al.: Egyenlőtlenségek mérése cenzorált adatokkal – becslések és következtetések többszörös imputációs megközelítése.


350

Szakirodalom

Manzi, G. et al.: Torzításmodellezés kombinált adatfelvételekből származó kisterületi gyakorisági becslések összekapcsolásában. O’Brien, C.: A korai statisztikai társaságok megalakulása és megalkotói – Liverpool és Manchester. Goldstein, H.: A kutatási teljesítmény becslése kutatási támogatások odaítélésénél használt osztályozások alapján. Costa-Font, J. – Gemmill, M. – Rubert, G.: Torzítások az egészségügyi luxuscikkek elméletében – metaregressziós elemzés. Lee, D. – Ferguson, C. – Scott, E. M.: Reprezentatív levegőminőségi mutatók kidolgozása. Andrews, M. – Clark, K. – Whittaker, W.: A területi vándorlás meghatározó tényezői NagyBritanniában: időtartam-megközelítés. Faes, C. et al.: Állatállományok százalékos arányának becslése aggregált tesztek segítségével. Balia, S. – Jones, A. M.: A rossz szokás ragadós – egyenlőtlen esélyek vizsgálata a dohányzással összefüggő halálozások vonatkozásában. Frijters, P. et al.: A gyermekek passzív dohányzás okozta egészségkárosodásának menynyiségi meghatározása – kotininmintákból származó adatok. Tibshirani, R. J. – Price, A. – Taylor, J.: Hogyan dob célba a statisztikus? Nekrológok: P. G. Moore, David Harold Blackwell, Gopal K. Kanji, Andrew Samuel Christopher Ehrenberg, John Arthur Bound.

AZ EGYESÜLT ÁLLAMOK MATEMATIKAI STATISZTIKAI INTÉZETÉNEK FOLYÓIRATA 2010. ÉVI 3. SZÁM

Shmueli, G.: Megmagyarázni vagy előre jelezni?

Aldous, D. J. – Shun, J.: Összekapcsolt térbeli hálózatok véletlen pontokkal és egy útvonalhossz-statisztika. Zhou, H. – Lange, K. – Suchard, M. A.: Grafikus feldolgozó egységek és többdimenziós optimalizálás. Molenberghs, G. et al.: Az általánosított lineáris modellek egy családja ismételt mérések esetén, normális és konjugált véletlen hatások mellett. Ebrahimi, N. – Soofi, E. S. – Soyer, R.: A paraméterrel és előrejelzéssel kapcsolatos mintainformációkról. Didelez, V. – Kreiner, S. – Keiding, N.: Következtetési célú grafikus modellek alkalmazása kimenetfüggő mintavétel esetén. Bar, H. et al.: Laplace-féle közelített EM mikrotömbelemzés (LEMMA) – empirikus bayesi megközelítés összehasonlító mikrotömb-kísérleteknél. Peña, D. – Tsay, R. S.: Beszélgetés George C. Tiao-val.

AZ OROSZ ÁLLAMI STATISZTIKAI BIZOTTSÁG FOLYÓIRATA 2010. ÉVI 11. SZÁM

Pashintseva, N. I.: Gyakorlati javaslatok a hivatalos statisztikai alapelvek megvalósítására. Bizottsági jelentés a gazdasági teljesítményről és a társadalmi haladásról. Zherebin, V. M.: Gazdaságpolitika és a lakosság nagy részének érdeke. Krasnova, O. M. – Kundakchyan, R. M.: A középosztály gazdasági magatartásának sajátosságai a Tatár Köztársaságban. Kolosnitsyna, M. G. – Vladimirskaya, E. N.: Javadalmazási reform az állami szektorban (esettanulmány: három régió egészségügyi intézményei).


351

Szakirodalom

Ovcharov, A. O.: Szálláshelyek statisztikai elemzése az idegenforgalmi mutatók rendszerében. A turizmusstatisztika nemzeti rendszerének fejlesztése: problémák és megoldásaik – területi szeminárium. Solomko, T. V. – Bogoslovskaya, S. S.: Alapelméletek a regionális gazdasági fejlődés becslésére. Donskaya, Z. N. – Ovsyannikova, I. I.: Az angarai terület termelése a globális pénzügyi válság időszakában. Tskhovrebov, M. P.: A pénzkínálat számításának problematikája. Tikhonova, T. G. – Ivanova, E. Y.: Az üzleti tevékenység hatása a környezetre a vologdai területen. Lobanova, M. A.: A pénzkereslet mérése. Zimina, N. E.: A rosstati északnyugati szövetségi körzeti statisztikai hivatal vezetőiből álló regionális tanács ülése. Kutina, E. A.: A rosstati uráli szövetségi körzeti statisztikai hivatal vezetőiből álló regionális tanács ülése.

Markowicz, I.: A munkavállalók elégedettségének feltérképezése a munkában eltöltött évek alapján. Sarama, M.: Fejlődésbeli különbségek az EU információs társadalmai között. Lengyelország szocioökonómiai helyzete, 2010. augusztus. Nekrológ: Zofia Zarzycka (1925–2010). 2010. ÉVI 11. SZÁM

Tarka, P.: A bizonytalan körülmények közötti döntéshozatal statisztikai modellezése. Nyczaj, K.: Adminisztratív nyilvántartások, mint statisztikai források. Timofiejuk, I.: Reáljövedelem 2009-ben. Kwasek, M.: Élelmiszerfogyasztási modellek becslése a Ward-eljárás segítségével. Majdzińska, A.: A demográfiai helyzet sokszínűsége Lengyelországban. Bogacka, E.: Az európai országok bűnügyi statisztikáinak összehasonlíthatósága. Piekut, M.: Innováció a lengyel gazdaságban. Lengyelország szocioökonómiai helyzete, 2010 első három negyedéve. 2010. ÉVI 12. SZÁM

A LENGYEL STATISZTIKAI FŐHIVATAL FOLYÓIRATA 2010. ÉVI 10. SZÁM

Białek, J.: Általánosított aggregált mutatók. Bednarski, P.: Statisztikai adatfelvételek a humán tőkéről. Zych, A.: Építőipari vállalatok bevételének meghatározása. Radziukiewicz, M.: Társadalmi egyenlőtlenség és kirekesztés Lengyelországban. Maleszyk, E.: Kereskedelmi célú befektetések a gazdasági átalakulás során.

Marczuk, I.: Hivatalos statisztikákra vonatkozó 2011. évi adatfelvételi program. Szukieŀojć-Bieńkuńska, A. et al.: Szegénység és szociális kirekesztés – a mérés fogalma. Domański, C. – Szreder, M.: Vajon megszakad-e a párbeszéd a demográfusok és a lakosság között? Walkowska, K.: Statisztikai szakkifejezések. Marczyk, M. – Bartoszczuk, P.: A fő másodlagos nyersanyagok külkereskedelmi forgalmának tendenciái. Szukalski, P.: A nemek szerinti születési arányszámok tér- és időbeli eloszlása.


352

Szakirodalom

Piekut, M.: A szellemi vagyon védelme Lengyelországban és más európai országokban. Gontarczuk, W.: Prof. dr hab. Jerzy Splawa-Neyman (1894–1981). Majsterek, M.: A Tudományos Statisztikai Tanács ülése. Lengyelország társadalmi-gazdasági helyzete, 2010. október.

A NÉMET SZÖVETSÉGI STATISZTIKAI HIVATAL FOLYÓIRATA 2010. ÉVI 10. SZÁM

Brandt, M. – Eilsberger, P.: Az Európai Közösség statisztikáihoz való decentralizált hozzáférés. Hammes, W. – Rübenach, S. P.: Háztartások és a lakosság életmódja.

Heinig, S.: Az emberi egészségre és a szociális gondozási tevékenységre vonatkozó adatok integrálása a szerkezeti statisztikákba. Burg, F.: Árbevétel és a forgalmi adózás, 2008. Dechent, J.: Lakásárak – végleges adatok, 2009. 2010. ÉVI 11. SZÁM

Hornbach, C. – Vorgrimler, D.: Az adatszolgáltatói terhek csökkentését célzó online jelentéskészítés lehetőségeinek felmérése. Wein, E. – Lorentz, K.: A minták új automatizált rotációja a kereskedelmi, vendéglátóipari és szálláshely-statisztikákban. Afentakis, A. – Maier, T.: A nővérellátás és személyi feltételeinek előreszámítása 2025-ig. Kolvenbach, F.: Az óvodai közkiadások. Meißmer, C. et al.: Állami pénzügyek 2010 első félévében. Elbel, G.: A szezonális termékek kezelése a német fogyasztóiár-statisztikában.


Statisztikai A KÖZPONTI STATISZTIKAI HIVATAL TUDOMÁNYOS FOLYÓIRATA SZERKESZTŐBIZOTTSÁG:

Recommend Documents