V4 Lab Project : Edice 2015

V4 Lab Project : Edice 2015 Finanční gramotnost studentů z Polska a České republiky a jejich názory na ekonomiku

Strategický partner

Nadace aplikované ekonomie

Projekt podpořený v rámci

stipendium Nadace Leslawa Pagy

Autoři

Małgorzata Pawlak Szymon Talaga

Koncepce projektu: Małgorzata Pawlak, Szymon Talaga Koordinace projektu: Małgorzata Pawlak Realizace: Małgorzata Pawlak (Polsko), Justyna Janowska (Česká republika) Zpracování výsledků : Szymon Talaga Grafická úprava: Tesseract Inc., Szymon Talaga (spolupráce)

ISBN: Webová stránka projektu:

http://v4lab.eu/

Elektronické úložistě dat a analýz: Interaktivní webová aplikace:

https://github.com/sztal/V4Lab_Analyses

https://v4-lab-project.shinyapps.io/V4-IDEA/

Kopírování, rozmnožování a šíření je možné pouze s uvedením jmen autorů a odkazem na zdroj.

Poděkování Tato zpráva by nevznikla bez podpory mnoha lidí a institucí. V úvodu bychom chtěli poděkovat Nadaci Leslawa Pagy za poskytnutí finanční podpory v rámci stipendia Leslawa Pagy. Děkujeme prof. Adamu Szyszkovi z Vysoké školy obchodní (SGH) ve Varšavě za záštitu a neocenitelnou pomoc při realizaci výzkumu. Poděkování rovněž patří všem vědeckým pracovníkům, kteří nám poskytli podporu při plánování a realizaci projektu (alfabeticky): dr. Szymonu Cyganovi (Varšavská technická univerzita; PW), dr. Janu Fábrymu (Vysoká škola ekonomická), prof. Andrzeji Fierlemu (Vysoká škola obchodní; SGH), Mgr. Patrycji Gajdě (Varšavská technická univerzita; PW), prof. Josefu Kandertovi (Univerzita Karlova), prof. Miroslavu Koftě (Varšavská univerzita; UW), dr. Petře Koudelkové (Univerzita Karlova), dr. Anně Kozlowské (Vysoká škola obchodní; SGH), Mgr. Piotru Litwinovi (Varšavská univerzita; UW), prof. Janu Michałkovi (Varšavská univerzita; UW), dr. Zbigniewu Pawlakovi (Vysoká škola obchodní; SGH), Mgr. Adamu Rajewskému (Varšavská technická univerzita; PW), Ing. Aleši Rodovi (Vysoká škola ekonomická), doc. Jaroslavě Roubíčkové (Vysoká škola ekonomická), doc. Zoře Říhové (Vysoká škola ekonomická), prof. Konradu Świrskému (Varšavská technická univerzita; PW), doc. Milanu Tučkovi (Univerzita Karlova), dr. Jitce Šrejberové (Vlčkové) (Akademie výtvarných umění), dr. Jiřímu Vykoukalovi (Univerzita Karlova), Mgr. Krzysztofu Wildnerovi (Varšavská technická univerzita; PW). Za pomoc a rady během pilotáže a výzkumu chceme poděkovat také Agnieszce Bittnerové, Jakubu Błażejczykovi, Věře-Karin Brázové, Patryku Cyglerovi, Bartoszi Dźwierzyńskému, Krzysztofu Kawovi, Anetě Králíkové,Tomáši Linhartovi, Michału Łapczyńskému, Danielu Nieszewovi, Piotru Radiovi, Karolině Rębelské, Ewě Rodak, Kateřině Salačové, Tomaszi Szczurowskému, Aleksandře Ścisłé, Paulině Wodzyńské a Klaudii Zielińské.

4

V4 Lab Project: spis treści

Obsah

1. Úvod do výzkumu 1.1. Finanční znalosti a jejich úroveň v Polsku. Polsko ve srovnání s dalšími zeměmi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Rizika vyplývající z nedostatečné úrovně finančních znalostí . . . . . . . .

5

2. Popis výzkumu a metodologický komentář

9

5 8

3. Popis ukazatelů 3.1. Nenáhodné správné odpovědi . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Škála liberalismu-intervencionismu . . . . . . . . . . . . . . . . . . . . . .

11 12 12

4. Výsledky výzkumu 4.1. Struktura . . . . . . . . . . . . . . . . . . . . . . 4.2. Znalosti a názory . . . . . . . . . . . . . . . . . . 4.2.1. Polští studenti . . . . . . . . . . . . . . . 4.2.2. Čeští studenti . . . . . . . . . . . . . . . . 4.3. Závislosti mezi proměnnými . . . . . . . . . . . . 4.3.1. Znalosti a liberalismus-intervencionismus . 4.3.2. Znalosti a ročník studia . . . . . . . . . . 4.3.3. Znalosti, škála L.-I. a vzdělání rodičů . . . 4.3.4. Znalosti a škála L.-I. a pracovní zkušenosti

15 15 17 18 22 26 26 28 29 31

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

5. Závěr

32

Přílohy A. Otázky na roli státu v ekonomice . . . . . . . . . . . . . . . . . . . . . . . B. Znalost financí a ekonomiky - otázky . . . . . . . . . . . . . . . . . . . . . C. Vysoké školy a obory ve skupinách EBMF, SSHA i STEM v obou zemích .

33 33 34 35

V4 Lab Project: úvod do výzkumu

5

1. Úvod do výzkumu Nevím, o čem ten chlap mluvil, ale bylo to bezpochyby zajímavé Lech Wałęsa o setkání s Jeffreyem Sachsem, autorem polské strategie transformace režimu1

1.1.

Finanční znalosti a jejich úroveň v Polsku. Polsko ve srovnání s dalšími zeměmi

Finanční znalosti nejsou definované jednoznačně — v literatuře lze najít různé definice tohoto pojmu. V úzkém smyslu slova je to soubor informací nezbytných k hospodaření s penězi — stanovení rozpočtů, šetření, investování nebo užívání pojištění. V širším významu to může být „pochopení ekonomie a souvislostí mezi ekonomickými podmínkami a rozhodnutími prostřednictvím např. hospodaření domácnosti”2 . Úroveň finanční gramotnosti nelze snadno zhodnotit, mj. vzhledem k subjektivní odpovědi respondenta, nicméně byly zde četné pokusy o její změření. Z výzkumu, který provedla společnost Pentor International, vyplývá, že stav ekonomických znalostí Poláků je neuspokojivý. Více než polovina společnosti hodnotí své znalosti jako slabé. Pokud jde o demografické proměnné, pak se ukázalo, že o financích obvykle vědí méně ženy, starší lidé a osoby s nižším vzděláním a nižším příjmem. Finanční gramotnost záleží rovněž na jiných faktorech, např. využívaní finančních služeb i pojištění a také na rozmanitosti informačních zdrojů, ze kterých se čerpá. Většina Poláků nemá žádné úspory. Nelze se tedy divit, že k investování peněz se odhodlává pouze malý počet osob. Osoby s většími znalostmi si více cení dluhopisů, investování na burze a do nemovitostí. Ti s menšími znalostmi prefe1

W. Kieżun, Patologia transformacji, Poltext, Warszawa, 2013. . Frączek, Obszary badań w zakresie poziomu wiedzy i edukacji finansowej w Polsce i na świecie [w:] Zeszyty Naukowe Wydziałowe Uniwersytetu Ekonomicznego w Katowicach. Studia ekonomiczne. T1. Innowacje w bankowości i finansach, pod red. J. Cichego, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice, 2013. s. 1. 2

6


rují bankovní účet. V roce 2009 měla bankovní účet více než polovina Poláků. Co se týká pojištění — čím větší znalosti respondentů na toto téma, tím větší prozíravost a zároveň menší přesvědčení, že pojištění jsou nevýnosná. Lze zaznamenat nedůvěru Poláků ohledně šetření či investování — důvěřují zejména sobě a členům rodiny3 . Téměř 3/4 respondentů mají omezenou důvěru ve finanční instituce4 . Tato data potvrzují zároveň další reporty — příznačné jsou nedůvěřivé postoje vůči odborným znalostem. Projevuje je přes 2/3 dotazovaných. Autoři reportů spojují tuto skutečnost se známou kauzou Amber Gold — „jantarovému zlatu” — uvěřilo mnoho Poláků, kteří kvůli tomu přišli o značné množství peněz5 . Na druhou stranu tuto nedůvěru lze spojovat i s nedávnou krizí trhu nemovitostí ve Spojených Státech a také s tím, že se po několik desítek let finanční trh vyvíjí v rychlém tempu, což mnoha lidem znemožňuje podrobné sledování změn a vyhodnocení rizika nabízených produktů. NNa druhou stranu nedůvěra vůči odborným znalostem nevylučuje využívání některých finančních produktů. Tím spíše, že řadu z nich (např. hypotéku) podporuje polská vláda, která nabízí příspěvky na bydlení v rámci programů „Rodina ve svém” a „Bydlení pro mladé”6 . To se stalo ale terčem kritiky, protože jde spíše o podporu developerů, nikoli občanů (více na toto téma lze najít ve zprávě Národní Polské Banky)7 . Každá druhá dotazovaná osoba, která využívá nějakou formu půjčky nebo úvěru, zároveň hodnotí své finanční znalosti jako nízké nebo špatné — to vyplývá z průzkumu MillwardBrown. Ve skutečnosti je úroveň znalostí daleko nižší, na což poukazují výsledky výzkumu mapujícího znalosti jednotlivých odborných termínů jako např. scoring nebo schopnost splácet 8 . Z výzkumu jasně vyplývá, že polský spotřebitel je pro finanční instituce ideálním zákazníkem – ví natolik málo, aby snadno podlehl manipulacím finančních poradců. Tuto situaci potvrzují rovněž průzkumy CBOS (Středisko pro výzkum veřejného mínění). Jak se lze dočíst ve zprávě z roku 2012:

3

Postawy Polaków wobec oszczędzania, raport Fundacji Kronenberga przy Citi Handlowy, TNS Polska, 2013. Sz. Matuszyński, Rynek doradztwa finansowego w Polsce. Raport, Bankier.pl, 2012. 5 K. Kaczmar, Kompetencje finansowe Polaków w zakresie gospodarki rynkowej, Wydawnictwo Sejmowe dla Biura Analiz Sejmowych, In: Infos: 5(142), 7 března 2013. 6 Více na toto téma: http://byznys.ihned.cz/c1-62175760-mladi-polaci-si-mnou-ruce-stat-jim -prispiva-na-vlastni-bydleni 7 Raport o sytuacji na rynkach nieruchomości mieszkaniowych i komercyjnych w Polsce w 2013. Zdroj: http:// www.nbp.pl/home.aspx?f=/publikacje/rynek\_nieruchomosci/index1.html [20.04.2015]. 8 Průzkum BIK – Polacy wciąż niewiele wiedzą o rynku kredytowym, zdroj: http://www.citibank.pl/poland/ kronenberg/polish/4026_14032.html [20.04.2015]. 4

7

V4 Lab Project: úvod do výzkumu Od počátku aféry Amber Gold se Poláci cítí velmi nepohodlně jakožto šetřící nebo potenciálně investující na finančním trhu. Drtivá většina dotazovaných tvrdí, že se vůbec neorientuje (44%) nebo se vyzná jen málo v možnosti výhodného šetření nebo investování na finančním trhu (34%). Pouze 18% lidí přiznává, že má nějaké vědomosti v té oblasti, a minimum osob (3%) považuje svoji znalost finančního trhu za velmi dobrou.9

Více než polovina osob souhlasí s tím, že působení na polském finančním trhu je transparentní a racionální. Podle jejich názoru je možné poznat mechanismus fungování tohoto trhu a zároveň získat ekonomické znalosti. Jejich získávání je důležité také z jiných důvodů, což je např. „znepokojující úroveň zadlužení, zvýšení průměrného salda kreditních karet, nízká míra úspor a také častá platební neschopnost společnosti v mnoha zemích.”10 . Povinné školní vzdělávání věnované tomuto tématu vzniká bohužel až na střední škole, zatímco v mnoha bankách je možné založit si osobní účet (se souhlasem rodičů) již mnohem dříve. Špatný přístup ke vzdělání v této oblasti spolu s krátkou tradicí tržní ekonomiky v Polsku může do jisté míry vysvětlit, proč si Poláci nevědí rady se získáváním finančních znalostí. Je třeba poznamenat, že finanční rozhodnutí může být také ovlivněno jinými faktory, např. schopností číst s porozuměním nebo základními matematickými dovednostmi (výzkum provedený společností Millward Brown na objednávku Institutu Svobody a Raiffeisen Polbank ukázal, že 92 procent Poláků nevidí rozdíl mezi procentem a procentním bodem11 . Všechny tyto problémy jsou neoddělitelně spojeny s ekonomickými rozhodnutími. Pilotní studie měření finanční gramotnosti OECD12 se zúčastnilo 14 zemí včetně Polska, České republiky, Německa, Maďarska a Spojeného království. Otázky v dotazníku se týkaly finančních znalostí v širokém smyslu. Polští spotřebitelé měli v mnoha ohledech horší výsledky než ti v České republice, Německu a Velké Británii. Nízký počet správných odpovědí byl výrazný zejména u porozumění riziku a vztahu „úroveň rizika vs. míra výnosu”. V tomto ohledu uvedla pouze polovina polských respondentů správnou odpověď. Pro srovnání v České republice, Německu a Maďarsku to bylo 81%, 79% a 86%13 . TTo ukazuje, že je nutné zavést v oblasti vzdělávání taková řešení, která jsou populární v jiných vyspělých zemích — zejména tam, kde je finanční vzdělání (určené pro všechny věkové kategorie) klíčovým prvkem ochrany spotřebitele na finančním trhu. Jako příklad 9

Polak na rynku finansowym. Komunikat z badań. CBOS, Warszawa, 2013. Frączek, B.: op. cit., str. 1. 11 Stan wiedzy ekonomicznej Polaków [online], zdroj: http://instytutwolnosci.pl/wp-content/uploads/2014/ 07/Raport-o-Stanie-Wiedzy-Ekonomicznej-Polak\%C3\%B3w.pdf 12 Organizace pro hospodářskou spolupráci a rozvoj; http://www.oecd.org/finance/financialeducation/measuringfinancialliteracy.htm 13 Rola edukacji finansowej w ograniczaniu wykluczenia finansowego, Ed. M. Pelczar, Instytut Badań nad Gospodarką Rynkową, Gdańsk, 2014. 10

8


by mohl sloužit dokument „Národní strategie finančního vzdělávání“ připravený Ministerstvem financí. Takový přístup byl uznán Evropskou komisí jako model boje proti nízké úrovni finanční gramotnosti občanů14 .

1.2. Rizika vyplývající z nedostatečné úrovně finančních znalostí Jaké jsou důsledky nedostatečných ekonomických znalostí v každodenním životě? Nedostatečná finanční gramotnost může mít velmi negativní důsledky jak pro jednotlivé občany, tak pro společnost. Zaprvé riskantní rozhodnutí v tomto ohledu mohou vést k významnému snížení životní úrovně dané osoby nebo dokonce k bankrotu. Nedostatek životních prostředků pak nutí společnost podporovat tyto osoby ze společných daní. Zadruhé nedostatečné pochopení ekonomiky může mít vliv na rozhodování ve volbách. Jako příklad lze uvést volení populistických kandidátů, kteří slibují snížit daně a zároveň zvýšit počet výhod nabízených státem zdarma. Zatřetí rozhodnutí jednotlivých spotřebitelů se mohou stát jednou z příčin celosvětové krize. Jak uvádějí M. Czerwonka a B. Gorlewski15 , podcenění málo pravděpodobných událostí, přesvědčení o vlastním vlivu na náhodné události, selektivní vnímání nebo neopodstatněný optimismus spotřebitelů měly významný dopad na vývoj událostí v průběhu realitní krize ve Spojených státech. Získání hypotéky bylo najednou jednoduché a dostupné pro téměř každého a informační sociální zkušenost ovlivnila rozhodnutí dalších potenciálních dlužníků. Jejich rozhodnutí se nesetkala s kritikou autorit, naopak, rating některých agentur naznačoval stabilní a předvídatelnou situaci na trhu, a riziko související s investováním do finančních derivátů (např. CDS16 ) bylo podceňováno. Zdálo by se tedy, že občané, kteří jsou si vědomi nedostatků svých znalostí, by preferovali aktivnější roli státu v ekonomice a nenechávali by ji pro volný trh. Na druhou stranu výše uvedené studie poukazují na paradoxní očekávání vůči roli státu v ekonomice — měla by být větší a menší zároveň. Zdá se velmi pravděpodobné, že se v celé polské společnosti srážejí dvě skupiny: starší generace — vychována v době socialismu, která projevuje více intervenční očekávání, a mladší lidé, kteří mají zkušenosti pouze s tržní ekonomikou. V citovaných studiích je zajímavé, že pokud se často uvádí ve sběru dat proměnné, jako je například věk nebo vzdělání, jen zřídka se týkají vyloženě studentů, navíc s ohledem na studovaný obor. A proto se myšlenka spojit tyto tři aspekty — finanční gramotnost, názory na roli státu v ekonomice a studijní obory — stala základem pro projekt V4 14

Dostupý na http://www.vzdelavani2020.cz/images\_obsah/dokumenty/knihovna-koncepci/financni -vzdelavani/narodni\_strategie\_financniho\_vzdelavani\_mf2010.pdf 15 Gorlewski, B., Czerwonka, M.: Finanse behawioralne, Oficyna Wydawnicza SGH, Warszawa, 2012. 16 Credit default swap (Swap úvěrového selhání)

9

V4 Lab Project: popis výzkumu a metodologický komentář

Lab. Další kapitoly prezentují jeho nejdůležitější závěry. Výsledky průzkumu jsou rozděleny do čtyř sekcí. První se věnuje struktuře vzorku s ohledem na hlavní demografické a sociální proměnné. Ve druhé představíme rozložení nejdůležitějších proměnných — ukazatelů ekonomické a finanční znalosti a názorů na roli státu v ekonomice — s ohledem na zemi a studovaný obor. V této části bude také věnována pozornost otázkám týkajících se hospodářství a financím, které se dotazovaným jevily jako nejtěžší, a zároveň ty, které byly nejjednodušší pro polské i české studenty. Třetí část se soustřeďuje na nejzajímavější souvislosti mezi proměnnými — např. na souvislost mezi vzděláním rodičů a názory studentů na roli státu v ekonomice nebo názory a znalostmi. V poslední, čtvrté části se vrátíme k analýze odpovědí na jednotlivé otázky, a zjistíme, jestli existovaly takové dotazy, které činily studentům z Polska menší potíže než z České republiky — a naopak. Tomu všemu bude předcházet popis metod výzkumu s komentářem nezbytným pro správnou interpretaci výsledků — způsob výběru vzorku a předpoklady, které budou potvrzeny, či vyvráceny. Ve zvláštní části bude také prostor pro popis tvorby složených ukazatelů, které byly použité v analýze.

2. Popis výzkumu a metodologický komentář Studie se zúčastnilo 625 lidí, z toho 315 v Polsku a 310 v České republice17 . Údaje byly získány pomocí dotazníků vyplněných nezávislými respondenty. Otázky se týkaly znalosti ekonomiky a financí a zároveň názoru na úlohu státu v ekonomice. Dotazníky se skládaly ze tří částí. První obsahovala 3018 otázek zjišťujících vědomosti respondentů. Druhá část sestávala z 23 tvrzení týkajících se pohledů na různé aspekty národní hospodářské politiky. Dotazování měli uvést, zda s nimi souhlasí, či nikoliv. Bylo též možné zvolit odpověď „nemám žádný názor”. Poslední, třetí část obsahovala demografický a sociální popis respondentů (např. věk, pohlaví, velikost místa původu, ale také vzdělání rodičů) a několik otázek, v nichž měli dotazovaní za použití škály a tabulky vyjádřit, který ekonomický model považují za nejlepší. Veškeré otázky jsou uvedeny v příloze a v popisu

17 18

Více na téma vzorku lze najit v kapitole 4.1. Otázka č. 9 nebyla zohledněna z důvodu nedostatečné jednoznačnosti správné odpovědi.

10

V4 Lab Project: popis výzkumu a metodologický komentář

proměnných19 . Vzhledem k omezeným zdrojům (studie byla provedena autory osobně bez podpory jakékoliv výzkumné instituce) byl použita technika nepravděpodobnostního výběru. Místo náhodného výběru vzorku byl zvolen výběr účelový. Do výzkumu byli zahrnuti studenti sociálních, humanitních, uměleckých, technických, ekonomických, obchodních a manažerských oborů, a to především z předních univerzit obou zemí. Souběžně s tímto předpokladem byla přijata domněnka, že studenti elitních vysokých škol představují nejlépe vzdělanou část celkového počtu studentů v Polsku a České republice. To neznamená, že jsme předpokládali, že studenti z jiných vysokých škol by měli mít horší výsledky. Znamená to pouze, že budeme předpokládat, že ostatní studenti by neměli mít výrazně lepší souhrnné výsledky. Proto výběr univerzit v souvislosti s výše představeným předpokladem zaručuje, že shromážděné údaje odhadují úroveň znalostí studentů elitních univerzit, a tak může dojít k přecenění skutečných tendencí na úrovni celé populace. Zároveň výsledky bádání mohou byt interpretovány jako tzv. „horní hranice” vědomosti studentu, v tom smyslu, že žádná dostatečně obecná podskupina studentů konkrétního oboru (např. humanitních věd) by se neměla vyznačovat výrazně lepšími výsledky. Toto tvrzení je samozřejmě omezené na roky studia, tedy 2. a 3. ročník bakalářského studia, jelikož právě z těchto ročníku byla vybrána drtivá většina studentů. Výše uvedené úvahy platí samozřejmě pro ukazatele znalostí. Přijatý výběr vzorku v případě mapování názorů bohužel nezaručuje úplnou a přesnou kompatibilitu odhadu s reálnou charakteristikou populace. Studenti byli po souhlasu přednášejících osloveni dotazníky během výuky (zejména přednášek). Díky tomu se podařilo minimalizovat negativní vliv motivace dotazovaných, neboť‘ ochota zúčastnit se výzkumu mohla souviset s určitými proměnnými. Vzhledem k tomu, že výzkum byl proveden během přednášek, se domnívat, že vzorek je reprezentativní na úrovni jednotlivých oborů. Příloha C ukazuje, které vysoké školy a fakulty se výzkumu zúčastnily, a také jejich rozřazení do skupin (SSHA, STEM i EBMF). Povaha shromážděných dat tedy znamená, že ve formálním smyslu neumožňuje provedení testu statistické významnosti s celkovou zárukou jejich přesnosti. Takové testy se nicméně používají v kapitole věnované analýze výsledků, protože jsme hluboce přesvědčeni, že navzdory tomu mohou sloužit jako velmi užitečné ukazatele hlavních tendencí v datech. Kromě toho jsme z výše uvedených důvodů také přesvědčeni, že neexistuje žádný důvod se domnívat, že ve většině případů by se výsledky těchto testů výrazně lišily od výsledků, které by byly získány na základě reprezentativního vzorku. U popisu výsledků jsme se snažili sladit dva protichůdné cíle: formální přísnost a dostupnost. Proto jsme se 19 https://raw.githubusercontent.com/sztal/V4Lab\_Analyses/blob/master/Questionnaires/ Questionnaire\_PL.pdf

11

V4 Lab Project: popis ukazatelů

snažili vyvarovat určitým pojmům, které se obvykle objevují ve vědeckých publikacích, aby nedošlo k odvádění pozornosti čtenáře od toho, co je opravdu důležité. Zároveň jsme v některých důležitých částech uvedli dodatečné informace o použitých technikách, aby osoby s pokročilejšími statistickými znalostmi získaly hlubší náhled na použité techniky a metody analýz. Máte-li jakékoli dotazy nebo pochybnosti v souvislosti s našimi výpočty, rádi na ně odpovíme (kontaktní údaje jsou uvedeny na webové stránce projektu20 . Kromě toho jsme rovněž připravili webovou aplikaci, která umožní interaktivně prozkoumat náš soubor dat a provést základní statistické testy21 . Věříme, že pomůže lépe porozumět výsledkům studia. Doufáme také, že se stane podnětem k prozkoumání shromážděných dat, která jsou k dispozici na internetu na stránkách GitHub22 .

3. Popis ukazatelů Podrobné popisy všech proměnných ve vztahu k tomu, co měří a jakých hodnot mohou nabývat, je možné najít v příloze (popis proměnných23 , příloha A a B). Seznámit se s touto přílohou je nejen nezbytné pro samostatnou práci s údaji shromážděnými v rámci projektu, ale její znalost také značně usnadňuje interpretaci informací obsažených v této zprávě. Nicméně tato část není věnována obecnému popisu měřených proměnných, ale podrobnému vysvětlení významu a postupů konstrukce našich ukazatelů. Pro potřeby tohoto projektu jsme připravili dva složené ukazatele: • Nenáhodné správné odpovědi (obecná i finanční škála) • Preferenční škála liberalismu-intervencionismu (L.-I.)

20

http://v4lab.eu/ https://v4-lab-project.shinyapps.io/V4-IDEA/ 22 https://github.com/sztal/V4Lab\_Analyses 23 https://github.com/sztal/V4Lab_Analyses/blob/master/Data/OfficialData/Codebook_PL.pdf 21


12

3.1. Nenáhodné správné odpovědi Ekonomické a finanční znalosti studentů byly hodnoceny na základě odpovědí na 29 otázek týkajících se různých problémů souvisejících s hospodářským děním a finančními trhy (v dotazníku strany 4-5). Jednoduchá forma odpovědí — PRAVDA nebo LEŽ — umožnila jednoznačně stanovit počet otázek, na něž respondent odpověděl správně, a to nikoli náhodou. Tato metoda je založena na předpokladu, že při tak jednoduchém vzorci odpovědí odpovídali respondenti, kteří neznali správnou odpověď, náhodně (přičemž měli 50% šanci se trefit). Pokud známe celkový počet správných odpovědí, můžeme určit, kolik z nich bylo vybráno cíleně (tedy ne náhodou). Tento vztah vyjadřuje vzorec: P = 2X − L

(3.1)

Kde: P : nenáhodné správné odpovědi X : správné odpovědi L : počet otázek

Jak je vidět, definovaný ukazatel může nabývat i záporných hodnot. Pak jeho hodnoty označují počet otázek, na něž respondent musel odpovědět chybně, zatímco si myslel, že odpovídá správně, aby při dalších náhodných odpovědích získal svůj celkový počet správných odpovědí. Je třeba zdůraznit, že zde prezentovaný ukazatel znalostí by neměl být považován za formální škálu s dobře definovanou chybou měření a teoretickou přesností garantující, že ve skutečnosti měří to, co má měřit. Avšak jak ukáže analýza shromážděných údajů, jedná se o vysoce užitečný ukazatel poskytující takové výsledky, které rozhodně nelze považovat za náhodné nebo bezvýznamné. Nakonec byly definovány dvě škály nenáhodných správných odpovědí: obecná škála a finanční škála. Obecná škála je založena na odpovědích na všech 29 otázek. Finanční škála byla omezena na otázky týkající se finančních trhů24 .

3.2. Škála liberalismu-intervencionismu Pro měření postojů vůči roli státu v hospodářském dění byla připravena bipolární preferenční škála liberalismu-intervencionismu. Byla vytvořena takovým způsobem, aby nízké výsledky (záporné) odpovídaly osobám s liberálnějším ekonomickým postojem a vysoké výsledky (kladné) osobám preferujícím více intervenční model hospodářského dění, 24

Jsou to otázky: 1, 2, 6, 8, 12, 13, 14, 18, 22, 25, 28, 30.

13


který předpokládá výraznou roli státu. Tato škála je preferenční, protože je založena na předpokladu, že každý respondent má na ose liberalismus-intervencionismus jistou „komfortní zónu”, kterou akceptuje, ale vše, co je příliš extrémní (čili v tomto případě příliš liberální nebo příliš intervencionistické) odmítá. Jinými slovy za předpokladu, že ekonomický liberalismus a intervencionismus vytvářejí pevnou osu, na níž představují dva protipóly, pak výsledek respondenta na škále popisuje bod na této ose, který je mu nejbližší25 . Tabulka 3.1 Otázky, které tvoří pól liberalismu č. 11 13 14 19

obsah Pomoc chudým by měla být úkolem pro jednotlivce nebo nevládní organizace, nikoli pro stát nebo samosprávu Osoby, které si nemohou dovolit vlastní bydlení, by měly mít možnost pronajmout si obecní byt (tj. Patřící obci) hluboko pod tržní cenou Osoby, které si nemohou dovolit platit pojistné, by měly mít v případě nouze přístup k lékařské péči Volný trh by měl regulovat většinu ekonomických vztahů

odp. + +

Komentář: Sloupec „Odp.” říká, jaká odpověď byla pro daný pól škály považována za diagnostickou: „souhlasím” je „+”; „nesouhlasím” je „-”

Tabulka 3.2 Otázky, které tvoří pól intervencionismu č. 4 7 20 21

obsah Každý by měl mít státem zajištěn základní příjem Minimální mzda by měla být zrušena Měla by existovat možnost vystoupení ze systému veřejné zdravotní péče (čili mj. neplacení pojistného) Měla by existovat možnost úplného vystoupení z veřejného důchodového systému

odp. + -

Komentář: Sloupec „Odp.” říká, jaká odpověď byla pro daný pól škály považována za diagnostickou: „souhlasím” je „+”; „nesouhlasím” je „-”

Škála byla vytvořena na základě osmi otázek týkajících se názorů na různé problémy související s rolí státu v ekonomice. Ty měly podobu tvrzení, na která si měli respondenti udělat názor (ve formátu: souhlasím/nesouhlasím/nemám na to názor). Z těchto otázek představovaly čtyři pól liberalismu a čtyři pól intervencionismu (srov. tabulky 2 a 3.2). K přizpůsobení škály předpokladům měření preferencí došlo pomocí techniky MUDFOLD26 . Obecné přizpůsobení údajů předpokladům preferenční škály bylo v celém vzorku respondentů dobré, v polském vzorku velmi dobré, zatímco v českém dost slabé (srov. ta25 Více si na téma škálování preferencí můžete přečíst v: W. H. Van Schuur, From Mokken to MUDFOLD and back [w:] In Search of Structure: Essays in Social Science and Methodology, 1998, s. 45-62. 26 op. cit.


14

bulka 3.3). K vyhodnocení přizpůsobení slouží koeficienty škálování H. Hodnoty nižší, než 0,30 označují velmi slabé přizpůsobení; rozsah 0,30-0,40 je akceptovatelné přizpůsobení; 0,40-0,50 znamená dobré přizpůsobení; hodnoty nad 0,50 označují velmi dobré přizpůsobení27 Tabulka 3.3 Dobrá shoda (goodness of fit) přizpůsobení v celém vzorku a podvzorkách Koeficient škálování H Celkem Polsko ČR 0,40 0,52 0,32

Škála Otázka Otázka Otázka Otázka Otázka Otázka Otázka Otázka

14. 11. 13 19 7 4 20 21

0,39 0,40 0,37 0,37 0,41 0,37 0,46 0,46

0,61 0,56 0,56 0,54 0,53 0,50 0,41 0,43

0,25 0,25 0,26 0,25 0,32 0,28 0,47 0,45

Obtížnost

0,09 0,24 0,17 0,63 0,68 0,45 0,27 0,21

Komentář: Obtížnost určuje frekvenci diagnostických odpovědí na danou otázku v celém vzorku respondentů.

Vypočten byl rovněž standardní koeficient Cronbachovo alfa, který definuje horní hranici chyby měření související s použitým nástrojem. Ten činil 0,60, což znamená, že chyba, kterou je zatížena zde popsaná škála, je značná. Až více než polovina zjištěných rozdílů výsledků může vyplývat z nedokonalosti měření, ale nikoli z faktických rozdílů. Na to je třeba pamatovat při interpretaci výsledků analýz vytvořených na základě tohoto koeficientu. Teoretická přesnost škály byla ověřena při zkoumání korelace s kontrolními otázkami popisu své osoby, v nichž respondenti popisovali, jak vidí své názory na roli státu v ekonomice na ose „Žádný vliv státu” - „Úplná kontrola státu”, a hodnotili své ekonomické názory v kategoriích liberalismus-socialismus a sociální v kategoriích liberalismus-konzervatismus. Bylo zjištěno, že vysoké výsledky na stupnici (svědčící o preferování intervencionismu) souvisejí s podporou silné role státu a sociálně-morálním liberalismem, zatímco nízké (svědčící o liberalismu) naopak (srov. tabulka 3.4). To spíše souvisí s charakteristikou současného sociálně-politického rozdělení, což zároveň potvrzuje teoretickou přesnost této škály. 27

op. cit.

V4 Lab Project: výsledky výzkumu

15

Upravená škála tak umožňuje přesnější měření — tzn. měří to, co má měřit, ale je zatížená velkou chybou měření. Podrobnější popis procesu škálování a vlastností samotné škály můžete najít v technické zprávě věnované této problematice28 . Tabulka 3.4 Pearsonova korelace škály L.-I. se sebehodnocením respondentů

Škála L.-I.

laissez-faire– etatismus 0,40

liberalismus hospodářský 0,52

liberalismus mravní 0,32

Komentář: Všechny koeficienty jsou signifikantní na úrovni p ≤ 0,01.

4. Výsledky výzkumu V této kapitole budou představeny nejdůležitější výsledky provedeného výzkumu. Nejprve budou popsány odhadované parametry distribucí měřených proměnných ve vzorku respondentů a jeho nejdůležitějších částech (rozdělených podle typu studia, země atd.). Jinými slovy bude řečeno, jak vypadá z perspektivy shromážděných údajů úroveň ekonomických a finančních znalostí studentů v Polsku i v České republice a jaké jsou jejich názory na roli státu v ekonomice. V druhé části se soustředíme na souvislosti mezi nejdůležitějšími proměnnými. Nejprve však uvedeme základní informace o struktuře shromážděného vzorku respondentů.

4.1.

Struktura

Celkem se výzkumu zúčastnilo 625 osob — 315 v Polsku a 310 v České republice29 . Podíl různých typů studia v jednotlivých zemích představuje tabulka 4.1.

28

https://github.com/sztal/V4Lab_Analyses/blob/master/PDF_reports/Joint_OPINION_scaling.pdf Početnost (N) uváděná při každé analýze definuje, kolik respondentů v daném případě disponovalo všemi údaji. 29


16 Tabulka 4.1 Distribuce typů studia v jednotlivých zemích (N = 617) Země Polsko Česká republika

EBMF 101 97

SSHA 83 152

STEM 123 61

Komentář: EBMF – studia ekonomická, obchodní, manažerská a finanční; SSHA – společenské vědy, humanitní vědy a umělecké obory; STEM – přírodní vědy, inženýrské obory, technické obory.

Výzkum byl zaměřen především na studenty bakalářských/inženýrských oborů, ačkoli ve vzorku respondentů se objevili také studenti magisterských oborů. Přesnou distribuci ročníků studia s rozdělením na typy a zemi představuje tabulka 4.2. Tabulka 4.2 Ročník studia a obor Bc. 1. EBMF SSHA STEM

5 24 12

EBMF SSHA STEM

7 28 2

Bc. 2. Bc. 3. Polsko (N = 307) 62 34 35 3 79 32 Česká republika (N = 303) 59 30 89 30 24 32

Mgr. 1.

Mgr. 2.

0 18 0

0 3 0

1 1 0

0 0 0

Nejstaršímu respondentovi bylo 30 let a nejmladšímu 19. Průměrný věk byl v celém vzorku respondentů 21,84 let se standardní odchylkou 1,42 roku. Zároveň v polské i v české části vzorku respondentů bylo o něco více studentek než studentů — ačkoli převaha žen byla výraznější v Polsku 4.3). Tabulka 4.3 Distribuce pohlaví podle zemí (N = 590) Země Polsko ČR

ženy 161 169

muži 139 121


17

Ve výzkumu byla také položena otázka na vzdělání rodičů, což mělo umožnit základní kontrolu vlivu typu rodinného prostředí a s ním souvisejícího kulturního kapitálu. Kvůli lepší analýze byla informace o vzdělání obou rodičů převedena na proměnnou o třech hodnotách, která určuje, zda mají vysokoškolské vzdělání. Tabulka 4.4 představuje její distribuci v Polsku i v České republice. Tabulka 4.4 Vysokoškolské vzdělání rodičů (N = 581) Vysokoškolské vzdělání Polsko ČR

Oba 101 97

Jeden 83 152

Žádný 123 61

Komentář: Proměnná určuje, zda mají vysokoškolské vzdělání oba rodiče, pouze jeden z nich nebo žádný.

Respondenti byli rovněž dotazováni na velikost místa, ze kterého pocházejí. Vzhledem k rozdílům mezi Polskem a Českou republikou z hlediska velikosti obcí a populace, byla u obou zemí použita jiná schémata klasifikace (srov. tabulka 4.5). Tabulka 4.5 Velikost místa bydliště PL (N = 289) velikost četnost < 10 tys. 59 10-100 tys. 77 100-500 tys. 43 500+ tys. 100

ČR (N = 264) velikost četnost < 1 tys. 12 1-5 tys. 27 5-20 tys. 55 20-100 tys. 51 100+ tys. 119

Komentář: První a třetí sloupec označuje velikost sídla v tisících obyvatel v Polsku i v České republice, zatímco druhý a čtvrtý sloupec počet respondentů v dané skupině.

4.2. Znalosti a názory Nyní představíme distribuci hlavních proměnných, čili ukazatelů obecných ekonomicko-finančních i čistě finančních znalostí a názorů na roli státu v ekonomice (škála liberalismu-intervencionismu). Ukazateli znalostí budou škály (obecná a finanční) nenáhodných správných odpovědí, které byly popsány v předchozí kapitole. Protože český i polský vzorek respondentů má dost odlišnou strukturu vzhledem k zastoupení jednotlivých typů studia (srov. tabulka 4.1), bude distribuce prezentována vždy


18

s rozdělením na státy, zatímco studenti z Polska i z České republiky s porovnáním pouze se zohledněním vlivu typu studia.

4.2.1. Polští studenti Vzorek polských studentů se ukázal jako poměrně vyvážený, pokud jde o názory na roli státu v ekonomice (škála liberalismu-intervencionismu). Jak je vidět, průměr se blíží nule, čili středu stupnice. Navíc 50% respondentů se pohybuje v rozmezí od -2 do 2, což navíc svědčí spíše o umírněném charakteru názorů na tuto oblast. Nicméně radikálních 50% studentů se pohybovalo v rozmezí od -7 do -2 a od 2 do 7. Podrobnější analýza této distribuce na úrovni decilů (neuvedená v tabulce 4.6) ale ukázala, že extrémnější výsledky (od -7 do -4 a od 4 do 7) se projevily pouze u 10% respondentů. Průměrně znali polští studenti správnou odpověď na cca 6 otázek ověřujících ekonomicko-finanční znalosti, zatímco v souboru otázek čistě finančních na cca 2 otázky. Nicméně až 25% respondentů získalo výsledek ekvivalentní hádání či dokonce horší — v extrémních případech měli studenti znalosti neslučitelné s realitou v souvislosti s až několika desítkami otázek. Navíc srovnání zohledňující různé délky obecné a finanční škály ukázalo, že průměry obou stupnic jsou srovnatelné (statisticky nevýznamný rozdíl průměrů). Tabulka 4.6 Znalosti a názory polských studentů

Průměr Odchylka Minimum Kv. I Medián Kv. III Maximum N

Obecné (N = 288) 5,69 7,64 -14 0 6 12 22 288

Finanční (N = 288) 2,51 4,39 -8 0 2 6 12 288

Škála L.-I. (N = 300) 0,11 2,37 -7 -2 1 2 7 300

Komentář: Odchylka označuje tzv. standardní odchylku, zatímco hodnoty Kv. I a Kv. III jsou první a třetí kvartil.

Analýza odpovědí na jednotlivé otázky nám umožní lépe ověřit, jaká je úroveň ekonomicko-finančních znalostí polských studentů. Za tímto účelem byla pro každou z dvaceti devíti otázek vypočítána obtížnost otázky (procento nesprávných odpovědí) a její 95% interval spolehlivosti metodou Agresti-Coulla (srov. obrázek 4.1.). Dále pak porovnáním úrovně obtížnosti každé otázky s tím, co bychom očekávali, kdyby všichni respondenti


19

odpověděli náhodně (50% úspěšnost) bylo možné provést rozdělení otázek na tři podskupiny: 1) otázky záludné (obtížnost značně větší než 0,50, což znamená, že respondenti často považovali špatnou odpověď za správnou; 2) otázky středně obtížné, čili s obtížností blízké hodnotě 0,50, což znamená, že respondenti vykazovali v průměru málo znalostí o daném tématu a pravděpodobně se často jen zkoušeli trefit; 3) otázky jednoduché, čili s obtížností menší než 0,50, což znamená, že respondenti většinou znali správnou odpověď.

k1 k10 k20 k5 k14 k11 k2 k4 k19 k8 k23 k6

otázka

k3 k27 k18 k15 k24 k17 k7 k28 k13 k25 k22 k30 k12 k26 k29 k16 k21 0.2

0.4

0.6

0.8

Procento nesprávných odpovědí

Obrázek 4.1: Obtížnost otázek pro polské studenty s nanesenými 95% intervaly spolehlivosti metodou Agresti-Coulla.

20


Jak ukazuje obrázek 4.1., můžeme do skupiny záludných otázek zařadit položky 1, 10, 20, 5 i 14 (v pořadí od nejobtížnější k nejjednodušší). Nejobtížnější otázka se týkala možnosti uzavření hypotečních úvěrů v cizích měnách (7,7% správných odpovědí). To není nijak překvapivé, protože tento výzkum byl proveden v období náhlého uvolnění kurzu švýcarského franku, s čímž souviselo i zvýšení nákladů úvěrů uzavřených v této měně. Toto téma se hodně probíralo v polských médiích, a proto lze předpokládat, že respondenti si nemuseli být vědomi toho, že v té době již tyto půjčky nebylo možno uzavírat, což samozřejmě neznamenalo zneplatnění již dříve uzavřených závazků. Druhá nejobtížnější (i když mnohem jednodušší) otázka se týkala vztahu neoliberální doktríny k financování soudnictví státem (36,4% správných odpovědí). Většina respondentů se mylně domnívala, že se vyjadřuje k jeho soukromému financování. Další dvě otázky se týkaly rozdílů mezi Polskem a jinými státy (resp. USA a Německem) pokud jde o výdaje za zdravotnictví v rámci HDP a procento bytů v osobním vlastnictví. Poslední otázka se týkala znalosti čistě finanční terminologie (parametr systematického rizika β), což není překvapivé. Do souboru středně obtížných otázek (otázky: 11, 2, 4, 19, 8, 23) patří zejména položky týkající se velmi specifických ekonomických i finančních problémů (mj. směru laissez-faire, modelu nabídky-poptávky-ceny, salda migrace ve vztahu k nezaměstnanosti nebo v souvislosti s kurzem valuty a vývozem). Určitým překvapením může být skutečnost, že do této skupiny patří rovněž otázka na význam termínu „stopa nezaměstnanosti”, protože až 49,5% respondentů si nevšimlo, že definice uvedená v otázce ji definuje jako vztah osob zaregistrovaných jako nezaměstnaných k počtu plnoletých osob (takže i důchodců) místo osob v produktivním věku. Do skupiny jednoduchých otázek byly zařazeny všechny zbývající položky (6, 3, 27, 18, 15, 24, 17, 7, 28, 13, 25, 22, 30, 12, 26, 29, 16, 21). Je třeba si povšimnout, že mnoho z nich se týkalo poměrně důležitých, ale ne vždy obecně pochopených témat jako je strukturální nezaměstnanost (82,8% správných odpovědí), lineární daň (79,8%), progresivní daň (79%) nebo riziko související s investičními fondy a státními dluhopisy (77%) (nicméně jako nejjednodušší se ukázala poměrně evidentní otázka na DPH). Svědčí to o tom, že některá ze základních (a v každodenním životě užitečných) témat jsou pro polské studenty srozumitelná. Na druhou stranu je otázka, zda je opravdu procento správných odpovědí, které se pohybuje mezi 70-80%, uspokojivý výsledek v situaci, kdy byly otázky v dichotomickém formátu. Vzhledem k omezenému prostoru této zprávy nebudeme prezentovat podrobný popis všech otázek. Nicméně případný zájemce by měl být schopen provést detailní analýzu na základě obrázku 4.1 a obsahu otázek, které jsou k dispozici v příloze B — dotazníku. Nakonec bychom rádi představili distribuci škál znalostí a názorů s rozdělením na skupiny


21

podle typu studia30 (EBMF, SSHA a STEM). Tabulka 4.7 Ekonomicko-finanční znalosti polských studentů a typ studia Obecné znalosti Průměr Odchylka Minimum Kv. 1. Medián Kv. 3 Maximum N

EBMF (N = 99) 11,01 6,46 -8 8 12 16 22 99

SSHA (N = 81) 1,58 6,99 -14 -4 2 6 18 81

STEM (N = 102) 4,12 6,06 -8 0 4 8 22 102

Převaha studentů oborů ekonomických, obchodních, manažerských a finančních je velmi výrazná — průměrně odpovídali nenáhodně na až 11 otázek a 75% z nich znalo správné odpovědi na minimálně 8 otázek. Na druhou stranu osoby z oborů humanitních, společenskovědních a uměleckých dopadly rozhodně hůře, průměrně znaly správnou odpověď na ne více než jednu otázku a až 25% z nich považovalo v minimálně čtyřech případech nesprávnou odpověď za správnou. Studenti přírodovědných a technických oborů se pohybovali někde mezi — průměrně znali čtyři správné odpovědi. Rozdíly mezi průměry u jednotlivých skupin jsou ve všech případech statisticky významné, což naznačuje, že mezi polskými studenty lze pravděpodobně hovořit o nastupující gradaci ekonomicko-finančních znalostí: EBMF > STEM > SSHA. Rozdíly mezi jednotlivými skupinami v rámci čistě finančních znalostí jsou téměř identické s přesností na délku škály (12 otázek místo 29), a proto je vynecháme. Rozdíly v oblasti názoru na roli státu v ekonomice vyjádřené na škále liberalismuintervencionismu jsou u jednotlivých skupin také dosti výrazné. Především se zdá, že osoby s obchodně-ekonomickým, přírodovědeckým nebo technickým vzděláním jsou o něco více nakloněny ekonomickému liberalismu. Nicméně statistické testy ukázaly, že průměry pro obě skupiny se významně neliší do nuly, v souvislosti s čímž lze spíše předpokládat, že žádný z těchto názorů v nich nepřevažuje. Ovšem v případě studentů společenskovědních, humanitních a uměleckých oborů lze hovořit o jisté míře sympatizování s intervencionismem, protože průměr pro tuto skupinu je větší než nula a tento rozdíl je statisticky významný. Tato skupina rovněž vykazuje větší sklon k sympatizování s intervencionismem.

30

Skupiny byly definovány v předchozí části.


22

Je tedy zřejmé, že typ vzdělání má souvislost jak s ekonomicko-finančními znalostmi, tak s názory na příbuzná témata. Zejména značný sklon oborů humanitních, společenskovědních a uměleckých k intervencionismu vede k zamyšlení nad možnými důvody této skutečnosti. Samozřejmě neexperimentální charakter shromážděných údajů neumožňuje jednoznačně identifikovat příčiny nebo důsledky těchto vztahů. Tabulka 4.8 Liberalismus-intervencionismus polských studentů a typ studia Škála L.-I. Průměr Odchylka Minimum Kv. 1. Mediana Kv. 3 Maximum N

EBMF (N = 97) -0,46 2,55 -7 -2 -1 1 7 97

SSHA (N = 79) 1,09 2,00 -5 0 1 3 4 79

STEM (N = 118) -0,15 2,27 -5 -2 0 1 6 118

4.2.2. Čeští studenti Ukázalo se, že čeští studenti se vyznačují poněkud většími sympatiemi k intervencionismu — průměr pro škálu liberalismu-intervencionismu je významně větší než nula. Navíc žádný z respondentů nevykazoval silné sympatie k liberalismu (minimální hodnota škály L.-I. byla -5). Tabulka 4.9 Znalosti a názory českých studentů

Průměr Odchylka Minimum Kv. 1. Mediana Kv. 3 Maksimum N

obecná škála (N = 280) 5,80 5,97 -10 2 6 10 18 280

finanční škála (N = 280) 2,14 3,25 -8 0 2 4 10 280

škála L.-I (N = 303) 0,68 2,15 -5 -1 1 2 6 303

23


Srovnání Polska a České republiky s ohledem na vliv studijních oborů, které jak známo mají dosti rozdílný podíl v obou podvzorkách respondentů, ukázalo, že polští studenti nejsou liberálnější než čeští. K prokázání této skutečnosti byl vypočten 95% interval spolehlivosti pro součet rozdílů mezi jednotlivými typy studia v Polsku i České republice vážený podílem každého z těchto typů v rámci celého vzorku respondentů (samotný vážený rozdíl mezi průměry v polském a českém vzorku respondentů byl 0,46). Rozsah byl [-0,37, 1,29], takže přecházel přes nulový bod, a proto lze předpokládat, že pokud jde o průměrné výsledky na škále L.-I, tak se polští a čeští studenti nijak významně neliší. V případě ekonomicko-finančních znalostí a čistě finančních znalostí byl český vzorek respondentů velmi podobný polskému. Průměrně znali respondenti správnou odpověď na téměř 6 obecných otázek včetně cca 2 čistě finančních. Je ovšem třeba upozornit na poziční parametry (minimum, maximum, medián a kvartil) distribuce nenáhodných správných odpovědí u obecné škály. Jak je vidět, v českém vzorku respondentů byla hodnota prvního kvartilu 2, zatímco v polském 0, a zároveň třetího kvartilu 10, zatímco v Polsku to bylo 12. To naznačuje větší variabilitu v polském vzorku respondentů. Zato rozložení počtu nenáhodných odpovědí na čistě finanční otázky je v obou zemích velmi podobné. Stejně jako výše umožnila podrobnější seznámení s tím, co vědí a nevědí čeští studenti, analýza odpovědí vzhledem ke stupni obtížnosti jednotlivých otázek (srov. obrázek 4.2.). Otázky byly rozděleny na tři skupiny stejným způsobem jako v případě polského vzorku respondentů — nna záludné, středně obtížné a jednoduché. Do první skupiny byly zařazeny otázky (vždy od nejobtížnější k nejjednodušší): 22, 10, 19, 1, 5, 6, 20. Podobně jako v polském vzorku respondentů působily studentům problémy mimo jiné otázky na srovnání České republiky s jinými zeměmi (Německo a USA; položky 5 a 20). S poměrně vysokým stupněm neporozumění se setkala rovněž otázka na možnost vyplacení dividend u akcií a dluhopisů (38% správných odpovědí). Jako nejobtížnější se ale ukázala otázka na povinnost bank mít jistinu peněz ve zlatě, pouze 18% respondentů odpovědělo správně, že takovou povinnost banky nemají. Kromě toho podobně jako u polského vzorku respondentů působila studentům problémy otázka na vztah neoliberální doktríny k financování soudnictví (23% správných odpovědí) a na vztah mezi nezaměstnaností ve městech a jejich migračním saldem (30% odpovědí). Jako problematická se ukázala rovněž otázka na možnost vzít si hypoteční úvěr v cizí měně, ale v tomto případě nebyl její efekt tak významný jako v Polsku — správně na tuto otázku odpovědělo téměř 34% respondentů. Zajímavé je, že ke středně obtížným otázkám se zařadily pouze tři položky: 7, 14 a 11. Týkaly se pochopení termínů laissez-faire a tzv. rakouské školy (48% správných odpovědí), významu parametru systematického rizika β (49%) a možnosti definování kupní síly na základě úrovně příjmu a zdanění (53%). Jsou to otázky spíše specializované, takže vzorec


24

k22 k10 k19 k1 k5 k6 k20 k7 k14 k11 k2 k4

otázka

k27 k8 k13 k25 k28 k3 k17 k15 k12 k24 k18 k30 k26 k16 k23 k29 k21 0.2

0.4

0.6

0.8

Procento nesprávných odpovědí

Obrázek 4.2: Obtížnost otázek pro české studenty s nanesenými 95% intervaly spolehlivosti metodou AgrestiCoulla.

odpovědí spíše náhodných není v této situaci nijak překvapivý. Pokud jde o ostatní otázky (2, 4, 27, 8, 13, 25, 28, 3, 17, 15, 12, 24, 18, 30, 26, 16, 23, 29, 21), pak tři nejobtížnější z nich se týkaly modelu nabídka-poptávka-cena (56% správných odpovědí), správné definice nezaměstnanosti (60%) a možnosti členství v odborech a druhu zaměstnání (64%). Naopak tři nejjednodušší se týkaly postupně (od nejtěžšího): výhod bohatších osob z přerozdělování příjmů (85% správných odpovědí), fungování rovné daně (88%) a spotřební daně (91%). To ukazuje, že některé důležité otázky jsou pro české studenty obecně srozumitelné. Ale stejně jako v polském vzorku respondentů otázkou zůstává, zda výsledky pohybující se v rozmezí 80-90% správných odpovědí pouze na několik otázek, lze považovat za uspokojivé vzhledem k velmi jednoduchému formátu odpovědí.


25

Poslední částí této analýzy bude prezentace distribuce ukazatelů ekonomickofinančních znalostí a názorů v duchu ekonomického liberalismu-intervencionismu s rozdělením na typy studijních oborů (EBMF, SSHA a STEM), které studovali respondenti — čeští studenti a studentky. Tabulka 4.10 Ekonomicko-finanční znalosti českých studentů a typ studia Obecné znalosti Průměr Odchylka Minimum Kv. 1. Mediana Kv. 3 Maksimum N

EBMF (N = 93) 8,43 5,61 -8 6 10 12 18 93

SSHA (N = 136) 3,51 5,49 -10 0 4 8 16 136

STEM (N = 51) 7,09 5,56 -6 4 6 12 18 51

Úroveň znalostí ve skupinách podle typu studia se v českém vzorku respondentů řídila podobnými pravidly jako v polském — studenti ekonomických, obchodních a příbuzných oborů prokázali lepší znalosti v oblasti ekonomicko-finančních otázek, zatímco osoby studující společenskovědní, humanitní a umělecké obory dopadly nejhůře. Střední pozici obsadili studenti přírodovědných a technických oborů. Podrobnější analýza a srovnání s polskými výsledky ukazují jisté zajímavé souvislosti. Polské skupiny SSHA a STEM se vyznačují horšími průměrnými výsledky než analogické české skupiny, zatímco skupina EBMF lepšími. Zároveň mají všechny polské skupiny větší rozestup výsledků, resp. nižší minimální a vyšší maximální hodnoty. Podobný trend lze pozorovat také na úrovni prvního a třetího kvartilu (srov. tabulka 4.11.). Další statistické analýzy ukázaly, že studenti humanitních, společenskovědních a uměleckých oborů v Polsku skutečně dopadli hůře než jejich čeští kolegové s 95% intervalem spolehlivosti [3,73, 0,14] ve prospěch Čechů. Podobně tomu bylo i v případě přírodovědných a technických oborů, kde 95% interval spolehlivosti českých studentů byl [4,92, 1,03] nenáhodných správných odpovědí. V případě ekonomických, obchodních a příbuzných oborů byl tento trend opačný, protože polští studenti měli převahu s intervalem spolehlivosti od 0,86 do 4,30 odpovědí. Výsledky na škále liberalismu-intervencionismu ukázaly, že studenti ze skupiny EBMF v průměru vykazovali nejumírněnější názory, protože průměr se blížil nule a statisticky významným způsobem se od ní nelišil. Obě další skupiny se průměrně klonily spíše k poloze intervencionismu, o čemž svědčí hodnoty průměrů větší než nula. Navíc v obou přípa-


26

dech byly tyto rozdíly statisticky významné. To také znamená, že na rozdíl od studentů z Polska neexistuje u českých studentů závislost EBMF > STEM > SSHA. Místo toho lze hovořit o závislosti EBMF > STEM = SSHA. Tabulka 4.11 Liberalismus-intervencionismus českých studentů a typ studia Škála L.-I. Průměr Odchylka Minimum Kv. 1. Mediana Kv. 3 Maximum N

EBMF (N = 96) -0,03 2,35 -4 -2 0 2 6 96

SSHA (N = 147) 1,01 1,88 -3 0 1 2,50 6 147

STEM (N = 60) 1,02 2,20 -5 -0,25 1 30 5 60

Doplňkové analýzy rovněž ukázaly, že skupiny EBMF a SSHA jsou si v obou zemích velmi blízké, pokud jde o názory na ose ekonomického liberalismu-intervencionismu. Zato v případě studentů přírodovědných a technických oborů existuje významný rozdíl a čeští studenti jsou průměrně o od 0,47 do 1,87 bodu škály L.-I. více přesvědčeni o konceptu intervencionismu než jejich polští kolegové.

4.3.

Závislosti mezi proměnnými

Poslední část analýzy je věnována závislostem mezi měřenými proměnnými. Vzhledem k tomu, že představení veškerých možných srovnání a souvislostí není možné, soustředíme se pouze na ty, které se nám zdají nejdůležitější a u nichž byly zaznamenány statisticky významné výsledky, což znamená, že souvislosti pozorované v daném případě lze se značnou pravděpodobností považovat za skutečně existující a ne za jev související s nedokonalostí shromážděného vzorku respondentů.

4.3.1. Znalosti a liberalismus-intervencionismus Jedna z hlavních otázek tohoto projektu se týkala souvislostí mezi postoji ve smyslu ekonomického liberalismu-intervencionismu a ekonomicko-finančními znalostmi. Bylo zjištěno, že taková souvislost skutečně existuje a že postoje bližší intervencionismu v průměru souvisejí s horší znalostí finančních a ekonomických otázek (srov. tabulka 4.12.).


27

V případě polského vzorku respondentů cca 10% variance obecné škály a cca 6% variance finanční škály souvisí s výsledky škály liberalismu-intervencionismu. U českého vzorku respondentů je tento vztah cca 4% a cca 3%31 . A ačkoli se rozdíly mezi vypočtenými koeficienty zdají být poměrně velké, nelze při této velikosti vzorku vyloučit, že jsou pouze dílem náhody. Proto není důvod tvrdit, že by u českých studentů byla slabší negativní souvislost mezi ekonomicko-finančními znalostmi a liberalismem-intervencionismem. Tabulka 4.12 Liberalismus-intervencionismus a ekonomicko-finanční znalosti Škála L.-I. Polsko ČR

Obecné znalosti -0,32 (N = 275) -0,19 (N = 274)

Finanční znalosti -0,25 (N = 275) -0,18 (N = 274)

Komentář: Všechny korelace jsou statisticky významné na úrovni p ≤ 0,01 (se zohledněním opravy Holmovy metody vícenásobného testování)

Zkoumání byly podrobeny rovněž korelace mezi škálami znalostí a škálou L.-I. ve skupinách specifikujících typ studia (srov. tabulka 4.13.). Tímto způsobem bylo zjištěno, že jedinou skupinou, u níž existuje významná korelace, jsou studenti ekonomických, obchodních a příbuzných oborů. Kromě toho se koeficienty korelace u jednotlivých zemí nijak významně neliší. Tabulka 4.13 Liberalismus-intervencionismus a ekonomicko-finanční znalosti s rozdělením na typ studia škála L.-I EBMF Polsko ČR SSHA Polsko ČR STEM Polsko ČR

Obecné znalosti

Finanční znalosti

-0,36* (0,13; N = 96) -0,35* (0,13; N = 92)

-0,21* (0,04; N = 96) -0,29* (0,08; N = 92)

-0,16 (0,03; N = 78) 0,05 (0,00; N = 131)

-0,11 (0,01; N = 78) -0,03 (0,00; N = 131)

-0,20 (0,04; N = 97) -0,09 (0,01; N = 51)

-0,15 (0,02; N = 97) -0,06 (0,00; N = 51)

Komentář: * - signifikantní korelace na úrovni p ≤ 0,05. V závorkách je uvedeno přibližné procento vyjasněné variance.

31 To je tak zvané procento objasněné variance, čili v tomto případě jednoduše druhá mocnina koeficientů korelací uvedených v tabulce.


28

4.3.2. Znalosti a ročník studia Další důležitou otázkou, na kterou je třeba odpovědět, je to, zda ekonomicko-finanční znalosti rostou spolu s dalšími lety studia. Abychom zbytečně nekomplikovali další analýzy, představíme od této chvíle pouze výsledky pro obecnou škálu, protože pozorované výsledky u čistě finanční škály byly velmi podobné.

1

STEM CZ

2

3

4

5

STEM PL

20

+ y = 0.14

10

2.59x , R

2

= 0.08

y = 7.45 − 1.53 x, R 2

= 0.02

0

-10

SSHA CZ

SSHA PL

Obecné znalosti

20

y = 3.86 − 0.18x , R 2 = 0

2 = 0.02 y = -0.52 + 0.91x , R

10

0

-10

EBMF CZ 20

+ y = 2.24

EBMF PL

2.71x , R

2

= 0.08

2 y = 9.15 + 0.81x , R = 0

10

0

-10

1

2

3

4

5

Ročník studia

Obrázek 4.3: Červeně byly označeny předpoklady znalostí u ročníku studia na základě modelu lineární regrese. Vzory ukazují lineární regresní rovnice u podskupin. Proměnná „y” je výsledek na škále obecných znalostí, zatímco „x” označuje ročník studia (čtvrtý a pátý jsou prvním a druhým ročníkem magisterského studia). Hodnota R2 je procento variance, kterou model objasňuje.


29

Pro ověření vlivu ročníku studia byly modely lineární regrese vypočteny pro každý typ studia v obou zemích (srov. obrázek 4.3.). Překvapivě se ukázal značný a pozitivní vliv pouze v případě skupin EBMF a STEM v České republice. U polského vzorku respondentů se navíc zdá, že studenti obchodních, ekonomických a příbuzných oborů průměrně nezískávají s přibývajícími lety studia větší ekonomicko-finanční znalosti. Veškeré další výsledky (čili SSHA a STEM v Polsku a SSHA v České republice) se také ukázaly jako statisticky nevýznamné. Pro důkladnější výzkum povahy tohoto překvapujícího nedostatku „výukového efektu” u polských studentů ekonomických, obchodních a příbuzných oborů byly provedeny doplňkové analýzy individuálně pro druhý a třetí ročník bakalářského studia (u ostatních nebyl dostatek respondentů, aby takové analýzy měly ze statistického hlediska smysl). Tabulka 4.14 Obecné znalosti ve skupině EBMF s rozdělením na zemi a druhý nebo třetí ročník studia Obecné znalosti Průměr Odch.

II ročník (N = 60) 11,50 6,12

Polsko III ročník (N = 34) 10,94 7,05

II ročník (N = 56) 7,68 5,92

ČR III ročník (N = 30) 10,53 4,26

Komentář: Odch. je standardní odchylka.

Jak je vidět podle velkého rozdílu mezi druhým a třetím ročníkem studia u českého vzorku respondentů, skutečně se zdá, že studenti ze skupiny EBMF v České republice získávají znalosti zároveň s výukou (rozdíl mezi skupinami je statisticky významný). Zato u polského vzorku respondentů se ukázalo, že rozdíl mezi druhým a třetím ročníkem je nevýznamný. Nicméně je důležité si uvědomit, že průměrný výsledek byl u prvního ročníku v České republice 4,67 a v Polsku 5,60, čili výrazně méně než u druhého ročníku. To ukazuje, že specifika studia v Polsku u oborů EBMF32 možná způsobují, že mezi druhým a třetím ročníkem není velký rozdíl, zatímco po prvním ročníku pozorujeme výrazný nárůst. To vše ovšem bohužel pouze v hypotetické rovině, protože vzhledem k nedostatečnému počtu respondentů z prvních ročníků v Polsku i České republice není možné spolehlivě ověřit pravdivost tohoto tvrzení.

4.3.3. Znalosti, škála L.-I. a vzdělání rodičů Zkoumání byly podrobeny rovněž vztahy mezi znalostmi a postoji ve smyslu liberalismu-intervencionismu a vzděláním rodičů upraveném jako výše při popisu struktury vzorku respondentů (srov. tabulka 4.4.). 32

Přesněji řečeno zejména ve varšavské SGH, protože odtud byla většina respondentů z této skupiny


30

Ukázalo se, že jak v polském, tak i v českém vzorku respondentů se nedá odhalit výrazný vliv vzdělání rodičů.33 . Analýza souvislosti vzdělání rodičů s liberalismem-intervencionismem jejich dětí se ukázala jako zajímavější. Byly zjištěny opačné trendy: v Polsku platí, že čím vyšší celkové vzdělání rodičů, tím liberálněji smýšlející děti; v České republice je to obráceně (srov. tabulka 4.15.). Je zřejmé, že v Polsku se objevují u respondentů, u nichž má nanejvýš jeden z rodičů vysokoškolské vzdělání, podobné výsledky na škále L.-I. V České republice jsou si naopak podobné výsledky studentů, kteří mají minimálně jednoho rodiče s vysokoškolským vzděláním. Proto byly v rámci dalších analýz u polského vzorku respondentů další skupiny srovnávány s respondenty, jejichž oba rodiče mají vysokoškolské vzdělání. V analýzách u českého vzorku respondentů byly porovnány ostatní skupiny s respondenty, jejichž rodiče nemají vysokoškolské vzdělání. Tabulka 4.15 Liberalismus-intervencionismus a celkové vysokoškolské vzdělání rodičů s rozdělením na jednotlivé země Škála L.I. Polsko Průměr Odch. N ČR Průměr Odch. N

Žádný

Jeden

Oba

0,56 2,23 77

0,42 2,16 72

-0,34 2,45 115

0,58 2,15 106

0,78 2,23 92

0,79 2,06 100

Komentář: Odch. je standardní odchylka.

Bylo zjištěno, že v České republice nejsou mezi skupinami žádné významné rozdíly, a tak je sotva možné hovořit o efektu celkového vysokoškolského vzdělání rodičů. Zato u polského vzorku respondentů měla jak skupina „Žádný“, tak skupina „Jeden“ výrazně nižší průměr než skupina „Oba“ (efekt vysvětluje cca 3% variance). To ukazuje, že osoby s rodiči s vysokoškolským vzděláním mají větší tendenci k liberálním než k intervencionistickým názorům1.34 .

33

To bylo prokázáno pomocí analýzy variance se zohledněním interakce země × vzdělání rodičů na ekonomickofinanční znalosti (s použitím hypotézy založené na součtu mocnin III (typu). 34 Tento závěr je oprávněný, protože průměr skupiny je menší než nula, zatímco v ostatních skupinách je kladný, a škála L.-I., jak víme, byla navržena tak, že záporné hodnoty odpovídají liberalismu.


31

4.3.4. Znalosti a škála L.-I. a pracovní zkušenosti Analýzy35 pukázaly, že pracovní zkušenost nemá výrazný vliv na ekonomicko-finanční znalosti respondentů, a to nezávisle na zemi jejich původu. V případě škály L.-I. byla konstatována absence interakce země s pracovními zkušenostmi, v souvislosti s čímž byly analýzy provedeny s celkovým souborem dat, který obsahoval český i polský vzorek respondentů. Bylo zjištěno, že pracovní zkušenost je skutečně důležitá (a její efekt vysvětluje cca 1,4% variability výsledků škály L.-I.). Podrobné srovnání ukázalo, že jediný významný rozdíl mezi jednotlivými skupinami se vyskytuje u osob bez pracovních zkušeností nebo s malou zkušeností (do jednoho roku). Studenti pracující déle se pohybovali mezi těmito dvěma skupinami, ale nelišili se od žádné z nich natolik, aby bylo možné vyloučit náhodu (srov. tabulka 4.16.). Tabulka 4.16 Liberalismus-intervencionismus a pracovní zkušenosti Škála L.-I Průměr Odch. N

Žádné 0,79 2,09 148

Měně než rok 0,13 2,24 223

Více než rok 0,33 2,30 169

Komentář: Odch. je standardní odchylka

35

Obousměrná analýza variance s interakcí ve schématu stát × pracovní zkušenosti.

32

V4 Lab Project: závěr

5. Závěr Výše popsaný výzkum představoval pilotní projekt, jehož cílem bylo identifikovat nejzajímavější aspekty finanční gramotnosti a názory na ekonomiku a zároveň stanovit směry dalších analýz. Pro další potenciální zkoumání souvislostí mezi uvedenými proměnnými (nebo pro dokonce zkoumání vztahů příčiny a následku), by se mělo zavést několik určitých změn. Především se doporučuje zvýšit počet vzorku a také zajistit jeho větší rozmanitost. V případě, že by cílem výzkumu bylo zkoumání vztahu mezi oborem studia a jinou proměnnou, bylo by vhodné zahrnout studenty z nejvyšších ročníků. Pokud by se podařilo vytvořit lepší, systematičtější metodu výběru vzorku, bylo by možné použít metody jako například Propensity Score Matching. Zvláště zajímavým aspektem je role rodinného prostředí (včetně vzdělání rodičů) a kulturního kapitálu ve formování postojů a získávání ekonomických znalostí — proto doporučujeme obohatit dotazníky o další otázky na toto téma. Jako dobré řešení se zdá měření finanční znalosti pomocí populárnějšího nástroje (např. dříve zmíněných testů vytvořených OECD). Tímto způsobem bychom získali kompletnější srovnání získaných dat s výsledky předchozích testů. Plánujeme pokračovat ve výzkumu se zohledněním výše zmíněných změn. Do výzkumu plánujeme zahrnout také zbylé země Visegrádské skupiny, tj. Slovensko a Maďarsko. Není pochyb, že finanční znalosti a názory na ekonomiku hrají v současném světě velkou roli. Mají velký vliv nejen na individuální rozhodnutí obyvatelů jakožto spotřebitelů, ale také na to, které návrhy politiků získávají podporu voličů. Dovolujeme si tedy tvrdit, že výzkumy týkající se těchto dvou aspektů úzce souvisí se základy současné demokracie — doufáme, že tento výzkum vyvolá ve čtenářích hlubší zájem o probírané otázky.

Małgorzata Pawlak, Justyna Janowska, Szymon Talaga, Varšava, 29. Května 2015

V4 Lab Project: přílohy

33

Přílohy A.

Otázky na roli státu v ekonomice

Tabulka 1 Otázky na roli státu v ekonomice Nr. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23,

Treść Každý by měl platit stejnou daň z příjmů Příjmy fyzických osob by měly být zdaněny Většina památek by se měla prodat soukromým investorům Každý by měl mít státem zajištěn základní příjem Spotřeba (např. nákup zboží a služeb) by měla být zdaněna Podniky klíčové pro ekonomiku by měly být v rukou státu państwa Minimální mzda by měla být zrušena Existence veřejnoprávních médií (financovaných ze státního rozpočtu) není nutná Veřejná doprava by měla být financována výhradně z jízdenek, nikoli z veřejných prostředků Všechny typy vysokoškolského vzdělávání by měly být pro studenty zdarma Pomoc chudým by měla být úkolem pro jednotlivce nebo nevládní organizace, nikoli pro stát nebo samosprávu Stát by měl financovat kulturu Osoby, které si nemohou dovolit vlastní bydlení, by měly mít možnost pronajmout si obecní byt (tj. patřící obci) hluboko pod tržní cenou Osoby, které si nemohou dovolit platit pojistné, by měly mít v případě nouze přístup k lékařské péči Každý by měl nezávisle na svém povolání dostávat důchod za stejných podmínek Příjmy podniků by měly být zdaněny Stát by měl financovat soudní systém Všechny silnice a dálnice by měly být majetkem státu nebo samosprávy Volný trh by měl regulovat většinu ekonomických vztahů Měla by existovat možnost vystoupení ze systému veřejné zdravotní péče (čili mj. neplacení pojistného) Měla by existovat možnost úplného vystoupení z veřejného důchodového systému Dobrým řešením pro vládu je zvýšit daně z příjmů o 10% výměnou za kvalitnější veřejne služby „Produkty první potřeby” např. potraviny by neměly být zdaněny

Komentář: Možné odpovědi: Souhlasím, Nesouhlasím, Nemám na to žádný názor.


34

B. Znalost financí a ekonomiky - otázky Tabulka 2 Znalost financí a ekonomiky - otázky Nr. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30.

Treść Pokud vyděláváme v českých korunách a bydlíme v České republice, můžeme si vzít úvěr na byt v cizí měně Pokud v klasickém modelu nabídka-poptávka-cena roste cena akcie, roste rovněž poptávka Daňová optimalizace je v České republice legální Míra nezaměstnanosti znamená počet registrovaných osob bez práce k počtu obyvatel nad 18 let Ve srovnání s Německem je v České republice menší procento bytů v osobním vlastnictví Dividenda se vyplácí majitelům akcií a dluhopisů Znalost úrovně příjmů a úrovně zdanění umožňuje stanovení kupní síly Pokud měna daného státu posiluje, znamená to výhodu pro export dané země Pro burzovního investora jsou poplatky za vedení makléřského účtu fixním nákladem Příznivci neviditelné ruky trhu podporují státní financování soudního systému JZastánci „laissez faire” reprezentují podobný názor na roli státu v ekonomice jako představitelé rakouské školy České státní podniky můžou být zároveň akciovými společnostmi Při daném úročení vkladu bude měsíční zhodnocení pro klienta výhodnější než roční, jsou-li úroky reinvestované Systematické riziko se měří parametrem β Daň DPPO se týká zboží a služeb Strukturální nezaměstnanost se vyskytuje obvykle v oblastech, kde byly nedávno uzavřeny velké průmyslové podniky V zemích západní Evropy vydělává přes 75% osob více, než je průměrná mzda dané země Podnik může emitovat vlastní dluhopisy Města s nízkou nezaměstnaností mají obvykle kladné saldo migrace Podíl výdajů na zdravotnictví je v rámci HDP nižší v USA než v ČR DPH se týká výrobků jako např. oblečení Vyšší úroveň přerozdělování příjmů je přímo výhodná pro bohaté osoby Peníze půjčované bankami nemusí být kryty Zlatem J. M. Keynes obhajoval názor, aby se stát (vláda) aktivně podílel na vytváření pracovních míst Spread je rozdíl mezi kupní a prodejní cenou daného finančního instrumentu Pokud se příjmy daní progresivní daní, může nastat situace, že osoba X platí daň ve výši 40% svých příjmů, zatímco osoba Y zaplatí daň ve výši 20% V odborech se mohou organizovat zaměstnanci zaměstnaní na základě smlouvy o dílo Rating na úrovni AAA způsobuje, že daný subjekt může si půjčovat peníze za výhodnějších podmínek než subjekt s ratingem BBB (za předpokladu, že ostatní věci se nezmění) P Rovná daň je založena na tom, že - stručně řečeno - každý odvádí do státního rozpočtu stejné procento svých příjmů Fond, který investuje na burze do akcií, zajistí individuálnímu zákazníkovi jistější příjem než takový, který investuje do státních dluhopisů

Komentář: Odpovědi : P – Pravda, L - Lež.

Odp. L. L. P. L. L. L. L. L. — P. P. P. P. P. L. P. L. P. L. L. P. L. L. P. P. P. L. P. P. L.


35

C.

Vysoké školy a obory ve skupinách EBMF, SSHA i STEM v obou zemích

Tabulka 3 Vysoké školy a obory ve skupinách EBMF, SSHA i STEM v obou zemích Polsko

ČR

univerzit Vysoká škola obchodní

oddělení/směry Matematické a statistické metody v ekonomii a informačních systémech, Ekonomie, Finance, Účetnictví, Management

univerzit Vysoká škola ekonomická v Praze

oddělení Ekonomie, Národní hospodářství, Finance, Bankovnictví a pojišťovnictví, Daně a finanční kontrola, Účetnictví, Mezinárodní obchod, Kvantitativní metody v ekonomice, Podnikání a právo, Matematické metody v ekonomii

SSHA

Varšavská univerzita, Akademie výtvarných umění ve Varšavě

Evropská studia, Aplikovaná lingvistika, Cestovní ruch, Turkologie, Psychologie, Malířství, Grafika

Univerzita Karlova

Demografie – sociální geografie, Politologie, Politologie a mezinárodní vztahy, Sociologie a sociální antropologie, Sociologie a sociální politika, Žurnalistika, Malířství - restaurování výtvarných děl malířských, Sochařství - restaurování výtvarných děl sochařských, Mezinárodní teritoriální studia

STEM

Varšavská technická univerzita, Varšavská univerzita

Bioinženýrství, Matematika, Informatika, Energetika

České vysoké učení technické

Matematyka, Informatyka

EBMF

V4 Lab Project : Edice 2015

Recommend Documents