Vliv dosaženého vzdělání při uplatnění na trhu práce

Mendelova univerzita v Brně Provozně ekonomická fakulta

Vliv dosaženého vzdělání při uplatnění na trhu práce Bakalářská práce

Vedoucí práce: Mgr. Ing. Pavlína Balcarová

Lenka Bělejová

Brno 2013

Ráda bych tímto poděkovala vedoucí mé práce, paní Mgr. Ing. Pavlíně Balcarové za cenné rady, připomínky a podněty, které mi velmi pomohly při zpracování bakalářské práce.

Prohlašuji, že jsem bakalářkou práci Vliv dosaženého vzdělání při uplatnění na trhu práce zpracovala samostatně, pod vedením Mgr. Ing. Pavlíny Balcarové s použitím literárních a elektronických zdrojů, které uvádím v seznamu literatury. V Brně dne 8. dubna 2013

__________________

Abstract Bělejová, L. The influence of education in the labour market. Bachelor thesis. Brno: Mendel University, 2013. The aim of the bachelor thesis is to evaluate the effect of educational attainment in the application subject to the labour market. First, labour market and human capital are described from a theoretical point of view. In the practical part are found correlation between the level of education on employment and wages in Czech Republic. Relationship between education and the labour market is examined in an international comparison too. Keywords Labour market, human capital, education, correlation

Abstrakt Bělejová, L. Vliv dosaženého vzdělání při uplatnění na trhu práce. Bakalářská práce. Brno: Mendelova univerzita v Brně, 2013. Cílem bakalářské práce je vyhodnotit vliv dosažené úrovně vzdělání při uplatnění subjektu na pracovním trhu. Nejdříve je trh práce a lidský kapitál popsán z teoretického pohledu. V praktické části jsou v rámci České republiky zjištěny závislosti dosažené úrovně vzdělání na zaměstnanost a výši mezd. Komparace souvislosti mezi vzděláním a pracovním trhem je zkoumána také v mezinárodním srovnání. Klíčová slova Trh práce, lidský kapitál, vzdělání, korelace

Obsah

5

Obsah 1

Úvod

2

Cíl a metodika práce

13

3

Přehled literatury

14

3.1

9

Trh práce .................................................................................................. 14

3.1.1

Poptávka po práci............................................................................. 14

3.1.2

Nabídka práce .................................................................................. 14

3.1.3

Flexibilita na trhu práce ................................................................... 15

3.1.4

Dlouhodobá nezaměstnanost a vzdělání ......................................... 16

3.2

Lidský kapitál a investice do vzdělání v ekonomické teorii .................... 17

3.2.1

Pojetí lidského kapitálu ................................................................... 17

3.2.2

Investice do lidského kapitálu a jejich přínosy ...............................18

3.2.3

Měření využití lidského kapitálu ..................................................... 19

4

Metodika řešení

20

5

Návrh řešení

22

6

5.1

Klasifikace vzdělávání v ČR .................................................................... 22

5.2

Vzdělanostní struktura populace v ČR ................................................... 22

5.3

Vztah mezi vzděláním a pracovním trhem v České republice ............... 25

5.3.1

Vliv dosaženého vzdělání na zaměstnanost ................................... 26

5.3.2

Vliv dosaženého vzdělání na výši mezd .......................................... 29

5.4

Vzdělanostní struktura EU ..................................................................... 33

5.5

Vliv terciárního vzdělání na nezaměstnanost v rámci EU ..................... 34

5.5.1

Polsko .............................................................................................. 35

5.5.2

Česká republika ............................................................................... 36

5.5.3

Německo...........................................................................................37

5.5.4

Rakousko ......................................................................................... 38

5.5.5

Slovensko ........................................................................................ 39

Závěr

40

6

Obsah

7

Literatura

42

A

Úrovně vzdělání a zaměstnanost v ČR

47

B

Terciární vzdělání a nezaměstnanost v rámci EU

48

Seznam obrázků

7

Seznam obrázků Obr. 1

Flexibilita a adaptabilita lidí v ekonomice v roce 2011

16

Obr. 2

Vzdělanostní úroveň v ČR

23

Obr. 3

Míra ekonomické aktivity dle vzdělání v ČR

24

Obr. 4

Míra nezaměstnanosti dle vzdělání v ČR

25

Obr. 5

Vliv terciárního vzdělání na zaměstnanost

27

Obr. 6

Vliv středního vzdělání s maturitou na zaměstnanost

28

Obr. 7

Populace s dosaženým aspoň vyšším středním vzděláním33

Obr. 8

Populace s dosaženým terciárním vzděláním

34

Obr. 9 Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Polsko

35

Obr. 10 Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - ČR

36

Obr. 11 Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Německo

37

Obr. 12 Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Rakousko

38

Obr. 13 Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Slovensko

39

8

Seznam tabulek

Seznam tabulek Tab. 1

Nezaměstnaní a jejich struktura podle vzdělání v ČR

16

Tab. 2

Úrovně vzdělání

22

Tab. 3

Výpočty korelačních koeficientů u terciárního vzdělání

26

Tab. 4 Výpočty korelačních koeficientů u středního vzdělání s maturitou

27

Tab. 5 Výpočty korelačních koeficientů u základního a středního vzdělání bez maturity 29 Tab. 6 Empirické četnosti počtu zaměstnanců v tis. podle pásem hrubé mzdy v Kč 30 Tab. 7 Očekávané četnosti počtu zaměstnanců v tis. podle pásem hrubé mzdy v Kč 31 Tab. 8

Výpočty korelačních koeficientů - Polsko

35

Tab. 9

Výpočty korelačních koeficientů - ČR

36

Tab. 10

Výpočty korelačních koeficientů - Německo

37

Tab. 11

Výpočty korelačních koeficientů - Rakousko

38

Tab. 12

Výpočty korelačních koeficientů - Slovensko

39

Úvod

9

1 Úvod V dnešní době, kdy jsou absolventi na trhu práce vystaveni zvyšující míře rizika nezaměstnanosti, představuje dosažená úroveň vzdělání stále významnější roli. V České republice dochází k dlouhodobému růstu populace s dosaženým terciárním vzděláním. Ovšem ve srovnání s ostatními státy není tento růst příliš patrný. Vzdělání úzce souvisí s lidským kapitálem. Se zvyšujícími investicemi do lidského kapitálu je spojena nejen výše budoucích příjmů, ale také zařazení jedince ve společnosti i následné zlepšení kvality lidského života. Investice do vzdělání mají pozitivní vliv nejen na osobní rozvoj jednotlivce, ale také na celkový růst ekonomiky. Důležitou motivací při investování do vzdělání je potenciál ke zvyšování produktivity spojený často s lepším pracovním umístěním. Vzdělaní lidé jsou schopni lépe se přizpůsobovat rychle se měnícím požadavkům trhu práce. Zároveň jsou také vystaveni nižší míře rizika nezaměstnanosti a dokáží smysluplně nakládat se svým volným časem. Každý jedinec disponuje ovšem s rozdílnou úrovní lidského kapitálu a motivací své znalosti a dovednosti využít. Absolvováním školy by potřeba vzdělání rozhodně neměla být ukončena, ale následně pokračovat formou celoživotního učení. Jelikož lidský kapitál s rozšiřovanými znalostmi sice narůstá, zároveň se ale může znehodnotit při nedostatečném využití. V úvahu je také potřebné brát, že samotné vzdělání nemusí danému jedinci zajistit ideální pracovní místo. Znalosti získané studiem musí být často rozšířeny rekvalifikačními či jazykovými kurzy.

10

Úvod

Úvod

11

12

Úvod

Cíl a metodika práce

13

2 Cíl a metodika práce Cílem práce je zjištění vlivu dosažené úrovně vzdělání při uplatnění subjektu na pracovním trhu. Intenzita závislosti sledovaných veličin je ověřena v rámci ČR a vybraných zemí EU. Teoretická část je zaměřena na trh práce a s ním souvisejících pojmů. Následující kapitola popisuje význam lidského kapitálu a investic do vzdělání v teoretické rovině. V praktické části je nejdříve znázorněna vzdělanostní struktura, jednak v rámci České republiky, ale také v mezinárodním srovnání. Dále je v České republice vztah mezi dosaženou úrovní vzdělání a uplatněním jedince na pracovním trhu konkrétně ověřen výpočtem závislostí dosažené úrovně vzdělání na zaměstnanost a výši mezd. V mezinárodním srovnání je zkoumán vliv populace s terciárním vzděláním na obecnou míru nezaměstnanosti.

14

Přehled literatury

3 Přehled literatury 3.1 Trh práce Pro tržní ekonomiku je typické, že souběžně fungují nejen trhy zboží a služeb, ale i trhy výrobních faktorů, a tedy i trh práce, na němž se kupuje a prodává práce, jejíž cenou je mzda. [39] Schopnost pracovat je vázána na člověka. Lidé jsou jedineční, každý má jiné schopnosti, nadání i talent. Chování člověka je determinováno jeho složitou osobností. [6] Přičemž ti, kteří práci prodávají (zaměstnanci), i ti, kteří práci kupují (zaměstnavatelé, firmy) uplatňují různé preference. Nerozhodují se jenom podle ceny práce (mzdy), ale také např. podle rizikovosti práce či prestiže povolání. [39] Trh práce rozdělujeme na tržní poptávku po práci a tržní nabídku. 3.1.1

Poptávka po práci

Poptávku na trhu práce vytváří firmy, které zvažují možné výnosy a náklady spojené s přijetím každého dalšího pracovníka. Při výběru svých zaměstnanců si vybírají ty, kteří dokáží maximalizovat zisk firmy, který je jejich hlavním cílem. Poptávka po práci bývá často nazývána, také poptávkou odvozenou. Nákup práce jednotlivých firem se totiž odvíjí od spotřebitelské poptávky po statcích, které daná společnost vyrobí. Při rozhodování o najmutí dalších pracovníků firma vychází z produkční funkce, která determinuje vztah mezi množstvím pracovního vstupu (počtem pracovníků) a množstvím výstupu (vyrobeného statku). [26] Tento vztah vychází ze zákona klesajících výnosů. Každá dodatečná jednotka pracovní síly přidá menší množství výstupu. [33] Mezní produkt práce ve fyzických jednotkách ovšem ještě není pro firmu veličinou s dostatečnou vypovídající schopností: tou je až příjem z mezního produktu práce ( ), který vypovídá o hodnotě mezního produktu vytvořeného jednotlivými pracovníky pro firmu. Rozhodujícím kritériem pro přijetí dalšího pracovníka je dodatečný příjem, který musí převýšit dodatečné náklady, které jeho zaměstnáním vzniknou. [6] V úvahu ovšem musíme také brát, že výše mezního produktu u daného pracovníka může být v jednotlivých firmách rozdílná. Jeho hodnota se totiž odvíjí také například od kapitálových statků, které mají pracovníci k dispozici. Obecně bude také vyšší u zkušenějších a vzdělanějších pracovníků než u pracujících s menším „lidským kapitálem“. [33] Přičemž daná firma svou poptávku po práci zvyšuje či snižuje až do okamžiku, kdy se příjem z mezního produktu vyrovná mzdové sazbě. [23] 3.1.2

Nabídka práce

Každý subjekt na pracovním trhu se rozhoduje, zda pracovat nebo využívat volný čas. Pokud se rozhodne pracovat více, má právo na vyšší mzdu a zároveň si

Přehled literatury

15

může dovolit nákup vyššího množství statků a služeb. Naopak vyšší spotřeba volného času je kompenzována mzdou nižší. Teorie nabídky práce je tedy založena na modelu spotřebitele. [7] Každý pracovník by měl nalézt jakousi rovnováhu mezi svým pracovním a nepracovním životem. [1] Nabídka práce stejně jako poptávka po práci reaguje na cenu práce – výši mezd. Mezi nabídkou práce a výší mezd je vztah pozitivní. [39] Mzda představuje cenu volného času. Člověk pracuje do okamžiku, kdy dojde ke spotřebě jeho požadovaných statků. Začne tedy více využívat svůj volný čas. [6] Pokud rostou mzdové sazby, lidé se rozhodnou pracovat více. Ovšem jelikož poté budou mít vyšší příjem a tedy možnost nakupovat více statků, mohou se rozhodnout pro vyšší využití volného času. Tak růst mezd vytvoří dva protichůdné efekty, jeden vede ke zvýšení pracovní doby (substituční efekt) a druhý má za následek snížení pracovní doby, a tedy současné zvýšení volného času (důchodový efekt). [5] Spotřebitel si může dovolit delší dovolenou nebo jít do důchodu dříve. [33] Dodávané množství práce tedy může stoupat nebo klesat při rostoucí mzdové sazbě. [5] Oba efekty působí současně, proto výsledný efekt bude záviset na tom, který z nich bude působit silněji a potlačí slabší. [6] Nabídka práce na jednom pracovním trhu je současně závislá na možnostech dostupných na jiných pracovních trzích. Pokud například mzda sběračů jedné komodity náhle vzroste, mohou někteří sběrači druhé komodity začít nabízet svůj lidský kapitál na trhu komodity první. [26] Trh práce je také výrazně ovlivňován ze strany státu. Jde zejména o úpravu pracovní doby, stanovení minimální mzdy či délku školní docházky, což výrazně ovlivňuje nabídku práce. [39] 3.1.3

Flexibilita na trhu práce

Při uplatnění mladých lidí na pracovním trhu má vliv nejen vzdělání samotné, ale také schopnost přizpůsobení se aktuálním podmínkám. S ohledem na zvýšenou konkurenci kvůli světové globalizaci se střed pozornosti přesouvá na vyšší flexibilitu na trhu práce. [24] Základním zákonem podnikání a úspěšnosti jakékoliv organizace je flexibilita a připravenost na změny. Flexibilitu organizace však vytvářejí flexibilní lidé, kteří jsou nejen připraveni na změnu, ale změnu současně akceptují a podporují. [25] Přičemž flexibilitu neovlivňuje jen dosažené vzdělání, ale rovněž individuální charakteristiky jednotlivce – tedy postoj, hodnoty a motivace. [19] Flexibilitou (pružností) trhu práce se tedy rozumí míra, do jaké jsou schopni zaměstnanci, pracovní doba či mzdy přizpůsobit se ekonomickým změnám. [8] Flexibilní trh práce je trh práce v rovnováze, tj. s nízkou mírou strukturální nezaměstnanosti. Dokonalá flexibilita by tedy znamenala, že po jakékoliv změně ekonomického prostředí by následně došlo k přizpůsobení měnícím se ekonomickým podmínkám způsobem, který zabezpečí nízkou nezaměstnanost a nízkou inflaci. [22] Z ekonomického hlediska je vysoká flexibilita pozitivním jevem a je na ni nahlíženo jako na jeden ze zdrojů ekonomického růstu. [19]

16

Přehled literatury

Obr. 1

Flexibilita a adaptabilita lidí v ekonomice v roce 2011

Zdroj: Ročenka konkurenceschopnosti ČR 2010 – 2011 Poznámka: 0 – nejnižší hodnota, 10 – nejvyšší hodnota Česká republika se nachází mírně pod průměrem EU. V roce 2011 dosáhla míry flexibility ve výši 6 bodů, došlo ke zvýšení o 0,4 bodu ve srovnání s předchozím rokem. Nejvyšší flexibilita byla dosažena v Irsku. Naopak nejnižší v Maďarsku, ve kterém dochází každoročně k poklesu již od roku 2005. [29] 3.1.4

Dlouhodobá nezaměstnanost a vzdělání

Vzdělání je mezi faktory „lidského kapitálu“ ovlivňujícími dlouhodobou nezaměstnanost nejvýznamnější. [34] Nová rychle se rozvíjející odvětví (např. obory vyrábějící a užívající elektronické součástky nebo telekomunikace) se většinou opírají o vysoce vzdělanou a kvalifikovanou práci a jsou produktivnější než zmenšující se odvětví s málo kvalifikovanou a málo produktivní pracovní silou. Výsledkem je dlouhodobá tendence růstu poptávky po kvalifikované práci. Tato poptávka roste rychleji než poptávka v méně kvalifikovaných oborech. Proto také nezaměstnanost postihuje ve vyšší míře méně kvalifikované pracovníky, zatímco nejnižší míra je u pracovníků s vysokoškolským vzděláním. [6] Dlouhodobá nezaměstnanost se nedotýká jen, osobních životů lidí, může mít negativní dopad na sociální soudržnost a má potenciál fungovat jako překážka k ekonomickému růstu. [20] Tab. 1

Nezaměstnaní a jejich struktura podle vzdělání v ČR

základní střední bez maturity střední s maturitou

20% 44% 28%

Přehled literatury

vysokoškolské

17

8%

Tabulka znázorňuje nejvyšší dosažené vzdělání nezaměstnaných v roce 2011.

3.2 Lidský kapitál a investice do vzdělání v ekonomické teorii 3.2.1

Pojetí lidského kapitálu

Lidský kapitál je na rozdíl od kapitálu fyzického vázán na člověka. Zahrnuje dovednosti získané vzděláním, absolvováním jazykových či rekvalifikačních kurzů i cestováním. Součástí lidského kapitálu jsou i osobní vlastnosti jedince jako svědomitost a odpovědnost. Dotváří jej také způsob chování, oblékání, vzhled či atraktivnost. [6] Konkrétní vymezení pojmu „lidského kapitálu“ dle Beckera zní: „Lidský kapitál jsou schopnosti, dovednosti a odpovídající motivace tyto schopnosti a dovednosti uplatnit.“ [27] Znalosti a dovednosti jsou tedy do značné míry získané učením a zkušeností, ovšem mohou odrážet i znalosti vrozené. Některé aspekty chování, stejně jako atributy (fyzické, emociální i duševní zdraví jednotlivců) jsou také považovány za lidský kapitál. [32] Velký vliv na vývoj lidského kapitálu u daného jedince mají bezesporu také jeho rodiče. [2] Není tedy překvapivé, že pracovníci s vyšší úrovní lidského kapitálu dosahují vyšších mezd. Firmy jsou ochotny pracovníkům s vyšší úrovní vzdělání zaplatit více, jelikož přináší vyšší hodnotu mezního produktu. Tento rozdíl ve výši příjmů je patrný v řadě zemí světa. V méně rozvinutých zemí, kde se nachází nízký počet pracovníků, bývá ještě zřetelnější. [26] Dle mikroekonomického hlediska se na trhu práce obvykle rozlišují tři typy lidského kapitálu, které je možné získat v průběhu života: počáteční lidský kapitál získaný převážně doma, lidský kapitál dosažený vzděláním a lidský kapitál získávaný v průběhu pracovního života formou různých školení. [22] Existence vynikajících produktivních schopností přitom ještě nezaručuje vysokou úroveň lidského kapitálu, protože příslušný jedinec navíc musí umět tyto schopnosti rozvíjet a uplatnit. [27] Rozlišujeme tři hlavní komponenty lidského kapitálu:  Všeobecné znalosti - vztahující se k základní jazykové a kvantitativní gramotnosti  Specifické znalosti – vztahující se k fungování a činnosti jednotlivých technologií a výrobních procesů. Zahrnují například schopnost pracovat s určitými počítačovými programy, obsluhovat určité specifické stroje  Technické a vědecké znalosti – specifické znalosti důležité pro produkci nebo pro vývoj nových technologií. [22]

18

3.2.2

Přehled literatury

Investice do lidského kapitálu a jejich přínosy

Ekonomická teorie v pojetí chicagské školy interpretuje proces vzdělávání jako proces investování do lidských schopností. [6] Každý den strávený na vysoké škole je tedy investicí do lidského kapitálu jedince (a tím i celé společnosti). [33] Lidský kapitál by tedy v tomto pojetí mohl být vyjádřen nejvyšší dosaženou úrovní vzdělání. [27] Důležitou motivací pro jednotlivce při investování do vzdělání je předpoklad, že získané znalosti a dovednosti mají tendenci ke zvyšování jejich produktivity a zároveň tedy výše potenciálních příjmů. [31] Analýza lidského kapitálu vychází z předpokladu, že se jednotlivci rozhodují o svém vzdělání a o všech ostatních doplňcích k vědomostem na základě porovnání výnosů a nákladů. [3] Výnosy zahrnují nejen budoucí zvýšení výdělků, ale také „nepeněžní zisky“ spojené s lepším pracovním místem. Představují např. vyšší společenskou prestiž, nové společenské vztahy, šíření kulturních hodnot kolem sebe, zlepšení kvality lidského života. [6] Náklady investic do vzdělání závisí především na hodnotě ušlého času stráveného na získání těchto investic. [3] Vzdělání představuje jakousi prevenci proti nezaměstnanosti. Vzdělaní lidé jsou schopni vyšší adaptability na měnící se požadavky na trhu práce. Jsou schopni vyhovět náročným požadavkům nových profesních oborů. Vzdělaný člověk je snáze schopen vyrovnat se s nezaměstnaností: je schopen smysluplně prožít volný čas. Vzdělání jakožto ochrana před nezaměstnaností by se mělo rozvinout nejen k přípravě k práci, ale i k přípravě na využití volného času. Mělo by směřovat ke svobodnému rozhodování s využitím nabídek toho, co se nabízí v regionu či v místě bydliště. Přičemž právě vzdělání pro volný čas by mohlo být v budoucnu využíváno pro zkvalitnění možnosti mimopracovní seberealizace. [6] Snahou každého by tedy mělo být celoživotní učení. Takový pohled na učení zahrnuje individuální a sociální rozvoj všeho druhu: jak formálně ve školách i podnikových programech, tak i neformálně doma, v kolektivu nebo pracovišti. [38] Lidský kapitál narůstá užíváním a zkušenostmi. Má ovšem rovněž tendenci oslabovat v důsledku nedostatku použití. [32] Pokud člověk do vzdělání investuje, očekává, že se mu investice (minimálně) vrátí. Podmínkou k tomu jsou příležitosti získávat odpovídající pracovní místa. Pokud však takové příležitosti nemá – v případě nezaměstnanosti a zejména dlouhodobé nezaměstnanosti nemůže výnosy inkasovat a dostává se vlastně do ztráty. Nezaměstnanost tak devalvuje, znehodnocuje lidský kapitál. Proto jsou obvykle vyžadovány navíc dodatečné investice do rekvalifikace. [6] Jedním z faktorů ovlivňujících rozhodování jednotlivců o investicích do vzdělání je uplatnitelnost na trhu práce. Vyšší úroveň vzdělání předpokládá lepší uplatnitelnost a tedy nižší míru rizika nezaměstnanosti. Tyto závislosti se potvrzují také v podmínkách České republiky. [22]

Přehled literatury

3.2.3

19

Měření využití lidského kapitálu

V následující části jsou rozděleny přístupy měření lidského kapitálu do čtyř úrovní. 1.

Nejvyšší dokončené vzdělání Měření lidského kapitálu pomocí nejvyššího dosaženého vzdělání patří k nejčastěji používaným ukazatelům. Vypočítá se jako podíl osob věku 2564 let, kteří dosáhli vyšší střední nebo vysokoškolské vzdělání na celkovém počtu ekonomicky aktivního věku.

2.

Přímé testování dovedností Druhý způsob měření lidského kapitálu spočívá v přímém testování osob prostřednictvím mezinárodního šetření gramotnosti osob, které je však zaměřeno na monitorování znalostí a dovedností populace ve věku 15 let. Šetření gramotnosti zahrnuje interview s velkým vzorkem ekonomicky aktivního obyvatelstva, jehož součástí je testování schopnosti respondenta vyřešit dané úkoly a sběr dalších dat charakterizujících respondenta jako je věk, ekonomické postavení a vzdělání.

3.

Odhad tržní hodnoty lidského kapitálu Třetí způsob měření odráží ocenění schopností a dovedností trhu práce prostřednictvím mzdy a umožňuje vypočítat průměrnou zásobu lidského kapitálu ve srovnání se zásobou kapitálu fyzického.

4.

Náklady na vytvoření lidského kapitálu Formální vzdělání je měřeno přímo jako výdaje na daný typ vzdělání, neformální vzdělání je měřeno nepřímo prostřednictvím nákladů příležitosti. [22]

Při zpracování praktické části práce bude využit přístup měření lidského kapitálu dle nejvyššího vzdělání.

20

Metodika řešení

4 Metodika řešení V České republice bude vliv dosažené úrovně vzdělání při uplatnění subjektu na pracovním trhu konkrétně ověřen výpočtem korelace mezi jednotlivými vzdělanostními úrovněmi a zaměstnaností. V mezinárodním srovnání bude zkoumán vliv terciárního vzdělání na obecnou míru nezaměstnanosti v rámci ČR a sousedních zemí. Pro zjištění závislostí nejdříve časové řady znázorníme v grafu pomocí ekonometrického softwaru Gretl, ze kterého můžeme lépe vyčíst intenzitu lineární závislosti dvou spojitých veličin. Přičemž X znázorňuje vysvětlující (nezávisle) proměnnou. Jejím působením bude docházet ke změnám proměnné Y, která v modelu vystupuje jako vysvětlovaná neboli závisle proměnná. Následně bude předpokládaná lineární závislost ověřena pomocí Pearsonova (párového) korelačního koeficientu ρ, který bude vyjadřovat míru závislosti při vzájemném vývoji dvou korelačních řad. Hodnota korelačního koeficientu se pohybuje v intervalu <-1, 1>. Čím blíže se koeficient přibližuje krajním hodnotám intervalu, tím vyšší předpokládáme sílu lineární závislosti. Krajní hodnota -1 značí úplnou negativní lineární závislost. Naopak hodnota 1 značí úplnou pozitivní lineární závislost. Hodnota 0 představuje lineární nezávislost. V případě záporné lineární závislosti jedna z pozorovaných veličin stoupá a druhá klesá. Při prokázané pozitivní závislosti obě proměnné současně rostou nebo klesají. Při výpočtu korelací terciárního vzdělání na obecnou míru nezaměstnanosti bude cílem prokázat, že při zvyšujícím počtu osob vysokoškolského vzdělání zároveň klesá obecná míra nezaměstnanosti, tzn. negativní závislost. Naopak při zjištění vlivu dosaženého vzdělání na zaměstnanost a výši mezd v dané úrovni vzdělání bude cílem prokázat závislost pozitivní. Pro výpočet korelačního koeficientu bude použit následující vzorec: r

 x  x  y  y   x  x    y  y  2

2

kde: x a y jsou střední hodnoty x a y představují průměry Nulová hypotéza H 0 značí, že výběr pochází z dvourozměrného normálního rozdělení, ve kterém závislost neexistuje, tedy ρ = 0. To znamená, že koeficient je statisticky neprůkazný. Při zamítnutí nulové hypotézy přijímáme hypotézu alternativní, kterou značíme H 1 , tzn. prokázaná existence závislosti. [17]

Metodika řešení

21

Testové kritérium koeficientu korelace bude vypočteno podle vzorce: t n , 2 .  ryx

n2 1  ryx

2

kde: ryx představuje hodnotu korelačního koeficientu a (n – 2) znázorňuje počet stupňů volnosti, n značí počet dvojic (x, y). Testovací statistiku tVYP porovnáváme s t KRIT (0,975; n-2). Je-li tVYP větší než kvantil Studentova rozdělení t KRIT , zamítá se H 0 . [17] Při testování statistické významnosti bude počítáno s 5% phodnotou (minimální hladinou významnosti). V případě, kdy bude koeficient korelace nabývat hodnoty z intervalu: r  0  0,3 r  0,3  0,7 r  0,7  0,9 r  0,9  1

jedná se o slabou závislost jedná se o průměrnou závislost jedná se o silnou závislost jedná se o velmi silnou závislost [28]

Všechny výpočty jsou závislé na omezené dostupnosti dat. Přičemž při zpracování časových řad bylo vycházeno z maximálně možných dostupných dat. V úvahu je také nutné brát, že vykreslení časových řad u jednotlivých úrovní vzdělání je výrazně ovlivněno hospodářským růstem předcházejícím vypuknutí celosvětové ekonomické krize. V tomto období si ekonomika vedla velmi dobře. Docházelo ke značnému snižování nezaměstnanosti. Ovšem ve Spojených státech byly poskytovány hypotéky za nízké úrokové sazby i klientům, kteří ve skutečnosti nebyli schopni splácet. Celá situace se stupňovala, až do roku 2008, kdy došlo k prasknutí tzv. „nemovitostní bubliny“ (náhlé zvýšení úrokových sazeb hypoték mělo u klientů za následek neschopnost splácet), která byla podnětem vypuknutí světové hospodářské krize. V důsledku rostoucí světové globalizace se nepokoje brzy rozšířily do celého světa, včetně České republiky. Od tohoto období můžeme tedy v grafech pozorovat růst nezaměstnanosti. Ve výpočtech bude rovněž zohledněn také posun v čase. V našem případě dojde u časové řady vyjadřující míru (ne)zaměstnanosti k časovému posunu směrem zpět. Daná úroveň vzdělání se totiž nemusí na úroveň (ne)zaměstnanosti projevit ihned. Znalosti získané absolvováním školy musí být často po ukončení studia rozšířeny, ať již rekvalifikačními kurzy či odbornými stážemi.

22

Návrh řešení

5 Návrh řešení 5.1

Klasifikace vzdělávání v ČR

Rozdělení dosažené úrovně formálního vzdělání se v České republice řídí Mezinárodní standardní klasifikací vzdělání. V dnešní době neustálého pokroku, kdy dosažená úroveň vzdělání hraje stále významnější roli je důraz kladen, nejen na znalosti získané studiem, ale také na vzdělání neformální, které ovšem v klasifikaci ISCED zohledněno není. UNESCO vyvinula Mezinárodní standardní klasifikaci vzdělávání v roce 1976 s cílem usnadnit porovnávání vzdělávacích statistik v jednotlivých zemích. [37] Klasifikace ISCED 1997 je rozlišena na tři hlavní stupně. Každý stupeň je dále rozdělen na 2 podúrovně. Tab. 2

Úrovně vzdělání

Základní vzdělání - primární stupeň ISCED 1 – tato úroveň začíná v 5-7 letech a je povinná ve všech zemích a zpravidla trvá čtyři až šest let, nižší sekundární stupeň ISCED 2 – navazuje na primární vzdělávání. Je spojeno se zakončením povinné školní docházky. Střední vzdělání – vyšší sekundární stupeň – ISCED 3 – začíná ve věku 15 – 16 let, ukončeno je maturitní zkouškou – ISCED 3A, výučním listem – ISCED 3B nebo závěrečnou zkouškou – ISCED 3C, jeho součástí je v ČR i tzv. nástavbové studium pro absolventy středního vzdělání s výučním listem, ukončené maturitní zkouškou – ISCED 4 Terciární vzdělání – ISCED 5, 6 – vysokoškolské vzdělání bakalářské a magisterské úrovně a vyšší odborné vzdělání – ISCED 5 a doktorské vzdělání – ISCED 6 [21][29] Někdy se uvádí také předškolní vzdělání - ISCED 0. V šetření ISCED se zjišťuje stupeň úspěšného ukončeného nejvyššího vzdělání respondentů, přičemž se nebere v úvahu právě probíhající studium. [14]

5.2 Vzdělanostní struktura populace v ČR V poslední době, kdy je množství pracovních nabídek podstatně omezeno, představuje dosažená úroveň vzdělání mnohem vyšší roli, než v předešlých desetiletích, což je spojeno také se zvyšujícími požadavky kladenými na absolventy na trhu práce. U potenciálních zájemců o práci se zvyšují nároky na flexibilnost i produktivitu. Vzdělání může být považováno za způsob, jakým vytvářet, akumulovat a udržovat lidský kapitál. Současně je jedním z nejmocnějších nástrojů pro snižování chudoby a pokládá základy pro udržitelný hospodářský růst. [4] [36] Vzdělanější obyvatelstvo je schopno lépe si osvojovat nové dovednosti a aplikovat je

Návrh řešení

23

v praxi. Kromě toho je i spotřebitelsky náročnější a stimuluje tak technologický rozvoj populace a inovace. [9] Období po roce 1989 představuje postupné zvyšování dosažené úrovně vzdělání. Výše dosaženého vzdělání se v současné době stává základním předpokladem pro získání kvalifikované a dobře placené práce. [12] Vzdělání ovlivňuje nejen vývoj jedince, ale také jeho místo ve společnosti a nabídku pracovních příležitostí. [18]

Obr. 2

Vzdělanostní úroveň v ČR

Zdroj: ČSÚ [10], vlastní zpracování. Graf znázorňuje obyvatelstvo ve věku 15 let a výše. V časovém vývoji můžeme pozorovat značnou tendenci společnosti k vyšší úrovni vzdělání. Z grafu je patrné, že nejvyšší část populace v ČR tvoří vzdělání střední bez maturity, následuje střední s maturitou, poté základní. Nejmenší podíl představuje vzdělání vysokoškolské. Nicméně pozitivní je jeho postupný růst v posledních letech. Ve srovnání s počátkem sledovaného období činil nárůst 5,2 %. Rostoucí trend dosahuje také střední vzdělání s maturitou, a to nárůst o 3,1 %. Podíl populace se základním vzděláním neustále klesá z důvodu rostoucího vzdělání středoškolského s maturitou a vzdělání terciárního. Růst vzdělanostní úrovně, který můžeme očekávat i v budoucnu, má ovšem i své nevýhody, a to snižující nabídku pracovní síly řemeslnických oborů poptávanou na trhu páce firmami. Přičemž vzdělanostní struktura do značné míry souvisí s ekonomickou úrovní jednotlivých zemí, mezi těmito dvěma veličinami existuje poměrně silný vzájemný vztah. Obecně platí, že vyšší ekonomická úroveň země je spojena s vyšším zastoupením terciárně vzdělané pracovní síly a že tato síla více přispívá k ekonomickému růstu země. [29] Při srovnání vzdělanostních struktur je však nutno brát v potaz rozdílnosti vzdělávacích systémů. Vzdělávací systém České

24

Návrh řešení

republiky je charakteristický tím, že odbornou profilaci, která je v jiných zemích získávána, až na terciární úrovni, lze završit již na úrovni střední školy. Vzdělávací standardy se sice v poslední době přibližují evropským, nicméně ve středních a starších věkových skupinách je množství středoškolsky vzdělaných pracovníků, jejichž kvalifikace odpovídá terciárnímu vzdělání v jiných evropských zemích. [9] Dále bude u jednotlivých vzdělanostních úrovní znázorněna míra ekonomické aktivity (celkový počet zaměstnaných i nezaměstnaných osob, které aktivně hledají pracovní místo), která je úzce spojena s dosaženou úrovní vzdělání.

Obr. 3

Míra ekonomické aktivity dle vzdělání v ČR

Zdroj: ČSÚ [13], vlastní zpracování Nejvyšší míru ekonomické aktivity vykazuje dle očekávání vzdělání vysokoškolské, kolem 80 %. Populace se středoškolským vzděláním dosahuje přibližně o 10 p. b. méně. Naopak ekonomická aktivita absolventů základního vzdělání činí pouhých 20 p. b. Míra ekonomické aktivity tedy s rostoucí úrovní vzdělání narůstá. Přičemž celkově dochází k jejímu poklesu u všech úrovní vzdělání. U terciárního vzdělání činil pokles ve sledovaném období 4,2 p. b. Na nižší míře ekonomické aktivity mladých lidí se významně podílí prodlužující doba studia a růst počtu studujících na vysokých školách. [15] Dále vidíme ukazatel míry nezaměstnanosti dle vzdělání v posledních letech.

Návrh řešení

Obr. 4

25

Míra nezaměstnanosti dle vzdělání v ČR

Zdroj: ČSÚ [10], vlastní zpracování Nejnižší míry nezaměstnanosti dosahují občané se vzděláním vysokoškolským. U středního vzdělání se míra nezaměstnanosti pohybuje kolem 5 %. U populace se základním vzděláním (včetně bez vzdělání) dochází k velkému nárůstu nezaměstnanosti, a to přibližně o 20 % v porovnání se vzděláním středoškolským. Na výši nezaměstnanosti mají tedy nejvyšší vliv ti, kteří investují do středoškolského či vysokoškolského vzdělání, u kterých je rozdíl nezaměstnanosti poměrně nízký.

5.3 Vztah mezi vzděláním a pracovním trhem v České republice Uplatnitelnost na trhu práce je v dnešní době mnohem výrazněji ovlivněna dosaženou úrovní vzdělání, než u předešlých generací. Získání alespoň středního vzdělání s maturitou je považováno téměř za samozřejmost. Neustále narůstá, také počet osob s dosaženým terciárním vzděláním. Pracovní trh se ovšem začíná potýkat s mírným nedostatkem kvalifikovaných absolventů středního odborného vzdělání s výučním listem.

26

Návrh řešení

5.3.1

Vliv dosaženého vzdělání na zaměstnanost

Tab. 3

Výpočty korelačních koeficientů u terciárního vzdělání

Časový posun (v letech) 0 1

Korelační koeficient (v %) 0,8061 0,7313

Zdroj: vlastní výpočty Na základě tabulky můžeme pozorovat silnou pozitivní závislost u populace s dosaženým terciárním vzděláním v závislosti na počtu zaměstnaných osob dané úrovně vzdělání. Ve srovnání se středním vzděláním s maturitou, u kterého korelační koeficient dosáhl bez časového zpoždění výše 0,4681, můžeme vyčíst, že počet vzdělaných osob má patrně nejvyšší vliv na zaměstnanost. Také při zpětném ročním časovém posunu zaměstnanosti dosahuje korelační koeficient vyšší hodnoty, než u středního vzdělání s maturitou. S ročním zpožděným zaměstnanosti, vyšla rovněž silná pozitivní závislost. Časový posun zohledňuje rozšíření znalostí vysokoškoláků, například absolvováním zahraničních stáží, pomocí kterých mohou získat cenné jazykové i pracovní zkušenosti. Dále bude ověřena průkaznost korelačních koeficientů pomocí testové statistiky Studentova rozdělení.

tVYP  0,8061 

92  3,6 1  0,80612

  W    ,t  n  2  t  n  2,    1 1 2 2     W    ,t 0,05 9  2  t 0,05 9  2,    1 1 2 2  

W   ,2,365  2,365,  Hodnota testové statistiky leží v kritickém intervalu Studentova rozdělení. Nulová hypotéza o neexistenci závislosti mezi časovými řadami resp. nevýznamnosti koeficientu korelace se na 5 % hladině významnosti α zamítá. Přijímáme hypotézu alternativní. S 95 % pravděpodobností mezi časovým vývojem terciárního vzdělání a zaměstnaností závislost existuje.

Návrh řešení

27

Statistická významnost koeficientu byla prokázána ným časovým posunem zaměstnanosti o jeden rok.

Obr. 5

také

se

zpět-

Vliv terciárního vzdělání na zaměstnanost

Zdroj: ČSÚ [10], vlastní zpracování Z grafu můžeme pozorovat vývoj zaměstnanosti populace s nejvyšším dosaženým vzděláním stupně ISCED 5, 6 v závislosti na celkovém počtu osob v dané úrovni vzdělání. Trend zaměstnaných osob je začátkem roku 2008 ovlivněn výkyvem v jejich nadprůměrném nárůstu. V tomto období byla ekonomická situace v ČR velmi příznivá, až do podzimu daného roku, kdy nastal obrat v důsledku ekonomické krize. Jinak spolu sledované veličiny pozitivně korelují. Tab. 4

Výpočty korelačních koeficientů u středního vzdělání s maturitou


Korelační koeficient (v %) 0,4681 0,4333

Zdroj: vlastní výpočty V případě středního vzdělání s maturitou vyšla bez časového posunu i s ročním zpožděním zaměstnanosti tzv. průměrná pozitivní závislost. Zpětný časový posun zaměstnanosti zohledňuje rozšíření znalostí například absolvováním pracovních stáží poskytovanými úřady práce, které umožnují získání zejména praktických poznatků. Naopak své teoretické znalosti mohou absolventi středního vzdělání s maturitou prohloubit rekvalifikačními kurzy.

28

Návrh řešení

Korelační koeficienty dosahují ve srovnání s terciárním vzděláním nižších hodnot, což je patrně způsobeno situací, že na jednu pracovní pozici například v administrativě, kde se hlásí nejen uchazeči s dosaženým středním vzděláním s maturitou, ale taktéž potencionální zájemci s dosaženým bakalářským vzděláním jsou vysokoškoláci pochopitelně vzhledem ke svým studijním znalostem či zkušenostem v hojné míře upřednostňováni. Přičemž lidé s dosaženým středním vzděláním s maturitou odmítají snížit své pracovní nároky. Z tohoto důvodu se často mohou ocitnout na úřadech práce ve vyšší míře, než u populace s vyšší úrovní vzdělání. O čemž vypovídá také nevýznamnost korelačního koeficientu.

tVYP  0,4681 

92  1,4 1  0,46812

  W    ,t 0,05 9  2  t 0,05 9  2,    1 1 2 2  

W   ,2,365  2,365,  Vypočtená testová statistika nepatří do kritického intervalu W. Nulovou hypotézu o nevýznamnosti korelačního koeficientu, tedy nezamítáme.

Obr. 6

Vliv středního vzdělání s maturitou na zaměstnanost

Zdroj: ČSÚ [10], vlastní zpracování V grafu je znázorněn vývoj zaměstnanosti u populace s nejvyšším dosaženým vzděláním stupně ISCED 3A, 4 v závislosti na celkovém počtu osob v dané vzdělanostní úrovni. Populace se středním vzděláním s maturitou vykazuje do r.

Návrh řešení

29

2010 dlouhodobý rostoucí trend. Následně došlo k poklesu absolventů o 0,34 p. b., z důvodu zavedení státní maturitní zkoušky v r. 2011. Tab. 5

Výpočty korelačních koeficientů u základního a středního vzdělání bez maturity

Korelační koeficient (v %) ISCED 1, 2 ISCED 3B, C -0,2097 -0,1353 Zdroj: vlastní výpočty U populace se základním vzděláním je nutné brát v úvahu vysokou pravděpodobnost rozšíření vzdělání minimálně o jednu další úroveň. Z daného důvodu nemohla být pozitivní závislost na zaměstnanost prokázána. Přičemž o absolventy, kteří se nerozhodnout, pokračovat dále ve studiu, bývá ze strany firem často nízký zájem způsobený zejména jejich nedostatečnými znalostmi, sníženou motivací k osobnímu i kariérnímu růstu či neochotou přizpůsobit se svým nadřízeným. Dalším omezujícím faktorem firem při přijetí uchazečů se základním vzděláním dle právního hlediska je že, pokud se uzavírá pracovněprávní vztah s osobami mladšími 16 let, může činit nejvýše 30 hodin týdně s tím, že pracovní doba v jednotlivých dnech nesmí přesáhnout šest hodin (§ 83 a odst. 2, písm. d) zákoníku práce). K uzavření pracovní smlouvy je zaměstnavatel povinen vyžádat si vyjádření zákonného zástupce (§ 164). Zaměstnavatel smí mladistvé zaměstnávat pouze pracemi, které jsou přiměřené jejich fyzickému i rozumovému rozvoji (§ 165). Zaměstnanci se základním vzděláním tedy nesmí být vystaveni zvýšenému nebezpečí úrazu. Z hlediska zdraví a bezpečnosti při práci platí také zákaz zaměstnávat mladistvé prací pod zemí při těžbě nerostů nebo při ražení tunelů (§ 167). Přičemž mladiství nesmí vykonávat práci přesčas a v noci (§ 166). U středního vzdělání bez maturity se část absolventů také rozhodne dodělat maturitní vzdělání, což podobně jako u základního vzdělání ovlivnilo výši korelačního koeficientu. 5.3.2

Vliv dosaženého vzdělání na výši mezd

Vliv dosažené úrovně vzdělání na výši mezd bude ověřen pomocí testu nezávislosti dvou proměnných -  2 . Testujeme hypotézu H 0 , která značí nezávislost sledovaných proměnných, alternativní hypotéza H A představuje závislost. [35] V následující kontingenční tabulce jsou vyčísleny pozorované (empirické) četnosti nij zaměstnanců s různou úrovní dosaženého vzdělání a umístěním ve mzdových pásmech.

30 Tab. 6

Návrh řešení Empirické četnosti počtu zaměstnanců v tis. podle pásem hrubé mzdy v Kč

Mzdová pásma Do 12000) <1200015000) <1500018000) <1800020000) <2000022000) <2200024000) <2400028000) <2800032000) <3200040000) <40000 a více  ni

ISCED 0-2 78464

Empirické četnosti ISCED ISCED 3B, C 3A, 4 287987 136832

ISCED 5, 6 30405

533688

nj

70186

264729

135428

18635

488978

61102

303213

185325

32366

582006

32475

192900

150114

30895

406385

25170

170582

174329

42665

412745

18228

144753

164626

50021

377627

21445

192982

278874

131918

625219

10929

108823

195195

132408

447355

6233

83790

193846

162813

446681

2794

33764

159015

301106

496679

327026

1783523

1773584

933231

n=4817364

Zdroj: ČSÚ [11], vlastní výpočty K posouzení zda, empirické četnosti jsou či nejsou v rozporu s hypotézou H 0 je třeba zkonstruovat tzv. očekávané četnosti eij , tj. četnosti, které by tabulka při stejných okrajových četnostech obsahovala v případě nezávislosti sledovaných znaků.

eij 

ni  n j n

Při výpočtu teoretických pravděpodobností vycházíme z pravděpodobnosti průniku nezávislých jevů. [35]

Návrh řešení Tab. 7

31

Očekávané četnosti počtu zaměstnanců v tis. podle pásem hrubé mzdy v Kč

Očekávané četnosti Mzdová pásma Do 12000) <1200015000) <1500018000) <1800020000) <2000022000) <2200024000) <2400028000) <2800032000) <3200040000) <40000 a více

ISCED 0-2

ISCED 3B, C ISCED 3A, 4

ISCED 5, 6

36230

197587

196486

103388

33195

181034

180025

94726

39510

215475

214275

16781377

27588

150456

149617

78726

28020

152810

151959

79958

25636

139809

139029

73155

42443

231474

230184

121119

30369

165624

164701

86663

30323

165374

164453

86533

33717

183885

182860

96218

Zdroj: ČSÚ [11], vlastní výpočty Teoretické (očekávané) četnosti musí splnit podmínku dobré aproximace, kdy všechny četnosti musí být větší než 1 a alespoň 80 % z nich větší než 5. [35] V našem případě byla podmínka splněna, tudíž není nutné slučovat některé ze sousedních tříd. Na rozdílech pozorovaných a očekávaných četností je založeno testové kritérium: r

c

K   i 1 j 1

( n ij - e ij ) 2 e ij

Kde r představuje počet tříd a c počet sloupců tabulky, přičemž řádek a sloupec s marginální četností (součty četností v okrajích tabulky) se nezapočítává. [35]

32

Návrh řešení

K

(78464  36230) 2 (287987  197587) 2 (301106  96218) 2   .....  36230 197587 96218 K  17971708,36 zaměstnanců

Kritický obor zjistíme pomocí:  12 (r  1)(c  1), )

 120,05 (10  1)(4  1), ) Pomocí statistických tabulek v Gretlu zjistíme kritickou hodnotu pro 27 stupňů volnosti s pravostrannou pravděpodobností 5 %. Získáme interval <40, 1133; ∞). Hypotéza o nezávislosti se zamítá, jelikož hodnota testového kritéria do tohoto oboru padla. Přijímáme alternativní hypotézu o závislosti. Výše hrubé mzdy je tedy s 95 % pravděpodobností na dosažené úrovni vzdělání závislá. Prostřednictvím testu nezávislosti jsme prokázali závislost pozorovaných veličin, ovšem neznáme konkrétní těsnost závislosti. Intenzita závislosti bude proto dále vyčíslena prostřednictvím Čuprova koeficientu kontingence, který nabývá hodnot z intervalu <0, 1>. Přičemž 0 značí nezávislost a 1 závislost. [28] KČ 

KČ 

K n (r  1)(c  1)

[28]

17971708,36 4817364 (10  1)(4  1)

K Č  0,85 Pomocí Čuprova koeficientu byla zjištěna silná závislost. Dosažená úroveň vzdělání má tedy hlavní vliv při zařazení subjektu do platových tříd. Výše Čuprova koeficientu svědčí o důležitosti investic do lidského kapitálu, zejména vzdělání, které se nám v budoucnu vrátí v podobě vyšších příjmů. Společně se vzděláním ovšem působí na výši příjmů, i když ne v tak vysoké míře, také místo výkonu povolání, předcházející zkušenosti či kategorie pracovního zařazení.

Návrh řešení

33

5.4 Vzdělanostní struktura EU

Obr. 7

Populace s dosaženým aspoň vyšším středním vzděláním

Zdroj: OECD, Education at a Glance 2012 [30], vlastní zpracování Graf ukazuje v procentuálním vyjádření dosažení alespoň vyššího středního vzdělání dvou generací, vstupující na pracovní trh a blížící se odchodu do penze v roce 2010. Kritériem pro výběr států bylo současné členství v OECD a EU. V mezinárodním srovnání se v České republice společně se Slovenskem a Polskem nachází nejvyšší podíl populace s dosaženým aspoň vyšším středním vzděláním, a to 94 %. Došlo tedy k převýšení průměru OECD i EU o více, než 10 %. Z grafu je rovněž patrná vzdělanostní mobilita, která je charakteristickým rysem rozvoje společnosti, kdy mladší generace dosahují ve větší míře vyššího vzdělání, než generace starší. [29] Naopak v porovnání s obdobím po roce 1989, kdy byla situace příznivější pro generace starší. Dále vidíme procentní podíly terciárního vzdělání v jednotlivých zemích. Populace s dosaženým terciárním vzděláním často nalézají snadněji uplatnění na pracovním trhu ve srovnání s populací s nižší úrovní vzdělání. Disponují také vyšší úrovní lidského kapitálu, což má kladný vliv nejen na rozvoj samotného jedince, ale i na celou společnost. Expanze vysokoškolského vzdělávání a jeho propojování s výzkumem, vývojem i hospodářskou sférou jsou jednou z nejúčinnějších strategií zvyšování konkurenceschopnosti a celonárodní prosperity. [38]

34

Obr. 8

Návrh řešení

Populace s dosaženým terciárním vzděláním

Zdroj: OECD, Education at a Glance 2012 [30], vlastní zpracování Navzdory kladnému umístění u vyššího středního vzdělání zaujala Česká republika v mezinárodním srovnání v dosažení terciárního vzdělání jeden z nejmenších procentuálních podílů, pouhých 23 %. Průměr OECD u generace od 25-34 let činil 38 %. Průměr EU činil 35 %. Nicméně pozitivní je nárůst ve srovnání se starší věkovou skupinou. V České republice byl ve sledovaném období, zaznamenám nárůst ve výši 11 p. b., přibližně dvakrát více, což je způsobeno zvyšujícím se rozvojem společnosti spojeným s tendencí k vyšší úrovni vzdělání.

5.5 Vliv terciárního vzdělání na nezaměstnanost v rámci EU Absolventi vysokoškolského vzdělání mají na úroveň nezaměstnanosti nejvyšší vliv, proto bude v mezinárodním srovnání věnována pozornost právě vzdělanostní úrovni ISCED 5, 6.

Návrh řešení

35

5.5.1

Polsko

Tab. 8

Výpočty korelačních koeficientů - Polsko


Korelační koeficient (v %) -0,8348 -0,676

Zdroj: vlastní výpočty V Polsku byla prokázána silná negativní závislost mezi populací s dosaženým terciárním vzděláním v závislosti na obecné míře nezaměstnanosti. Zároveň také nejvyšší závislost ve srovnání s ostatními pozorovanými státy. Čemuž napovídá, také nejvyšší zastoupení vysokoškoláků z vybraných zemí. Při p-hodnotě 5 % byla prokázána bez časového posunu také statistická významnost korelačního koeficientu. Vzhledem k silné závislosti s nulovým časovým zpožděním nezaměstnanosti byla rovněž zjištěna závislost se zpětným posunem o jeden rok, které zohledňuje rozšíření znalostí například absolvováním zahraničním stáží. S daným zpožděním byla prokázána průměrná negativní závislost.

Obr. 9

Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Polsko

Zdroj: Education at a Glance 2005-2012 [30], OECD, vlastní zpracování Z grafu můžeme pozorovat vztah obecné míry nezaměstnanosti a populace s dosaženým terciárním vzděláním. Sledované veličiny spolu do r. 2008 negativně korelují, následně je obecná míra nezaměstnanosti více ovlivněna spíše

36

Návrh řešení

hospodářskou situací v dané zemi, než počtem osob s vysokoškolským vzděláním. 5.5.2

Česká republika

Tab. 9

Výpočty korelačních koeficientů - ČR

Časový posun (v letech) 0

Korelační koeficient (v %) -0,1551

Zdroj: vlastní výpočty V České republice byla mezi populací s dosaženým terciárním vzděláním a nezaměstnaností prokázána slabá negativní závislost. Zároveň také jedna z nejnižších závislostí ve srovnání se sousedními státy, což je ovšem způsobeno nízkým zastoupením počtu osob s dosaženým terciárním vzděláním ve srovnání s ostatními státy EU. Vývoj obecné míry nezaměstnanosti je tedy patrně více ovlivněn dalšími faktory, zejména celosvětovou ekonomickou krizí. Cílem společnosti by tedy měly být vyšší investice do lidského kapitálu.

Obr. 10

Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - ČR

Zdroj: Education at a Glance 2005-2012 [30], OECD, vlastní zpracování Z grafu můžeme pozorovat vztah obecné míry nezaměstnanosti a populace s dosaženým terciárním vzděláním. Do r. 2008 se sledované časové řady vyvíjeli opačným směrem. Od konce daného roku, kdy trh práce snížil tvorbu nových

Návrh řešení

37

pracovních míst, je obecná míra nezaměstnanosti více ovlivněna ekonomickým vývojem. 5.5.3

Německo

Tab. 10

Výpočty korelačních koeficientů - Německo



Zdroj: vlastní výpočty Mezi populací s terciárním vzděláním a obecnou mírou nezaměstnanosti bez časového posunu vyšla intenzita negativní závislosti na hranici průměrné a silné. Se zpětným zpožděním obecné míry nezaměstnanosti o jeden rok vyšla závislost průměrná.

Obr. 11

Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Německo

Zdroj: Education at a Glance 2005-2012 [30], OECD, vlastní zpracování V grafu můžeme pozorovat negativní závislost obecné míry nezaměstnanosti na počtu osob s vysokoškolským vzděláním, kdy se pozorované veličiny vyvíjí opačným směrem.

38

Návrh řešení

5.5.4

Rakousko

Tab. 11

Výpočty korelačních koeficientů - Rakousko



Zdroj: vlastní výpočty V Rakousku byla prokázána slabá závislost, čemuž napovídá také nejnižší zastoupení vysokoškoláků ze sledovaných zemí. Obecná míra nezaměstnanosti je tedy více ovlivněna ekonomickým vývojem dané země, než počtem vysokoškolsky vzdělaných osob.

Obr. 12

Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Rakousko

Zdroj: Education at a Glance 2005-2012 [30], OECD, vlastní zpracování

Návrh řešení

39

5.5.5

Slovensko

Tab. 12

Výpočty korelačních koeficientů - Slovensko



Zdroj: vlastní výpočty Na Slovensku byla mezi populací s dosaženým terciárním vzděláním a obecnou mírou nezaměstnanosti zjištěna bez časového posunu i s posunem jednoho roku průměrná intenzita negativní závislosti.

Obr. 13

Vývoj míry nezaměstnanosti v závislosti na terciárním vzdělání - Slovensko

Zdroj: Education at a Glance 2005-2012 [30], OECD, vlastní zpracování

40

Závěr

6 Závěr Bakalářská práce se zabývá vyhodnocením vlivu dosažené úrovně vzdělání při uplatnění subjektu na pracovním trhu. V rámci České republiky byla zkoumána v časovém vývoji závislost mezi dosaženou úrovní vzdělání a zaměstnaností. Vztah daných časových řad byl nejdříve zobrazen pomocí ekonometrického softwaru Gretl. Pro výpočet konkrétních závislostí časových řad byl využit Pearsonův (párový) korelační koeficient. Statistická významnost byla ověřena pomocí testové statistiky Studentova rozdělení. Testována byla nulová hypotéza o nezávislosti časových řad, respektive nevýznamnosti korelačního koeficientu při pěti procentní hladině významnosti Daná hypotéza byla u vlivu terciárního a středního vzdělání s maturitou na zaměstnanost zamítnuta. U populace s dosaženým terciárním vzděláním byla prokázána silná pozitivní závislost na počtu zaměstnaných osob dané úrovně vzdělání. Ve srovnání se středním vzdělaním s maturitou, u kterého vyšla průměrná intenzita pozitivní závislosti, můžeme vyčíst, že počet osob s terciárním vzděláním má patrně nejvyšší vliv na výši zaměstnanosti. Dosažení alespoň středního vzdělání s maturitou je v dnešní době považováno téměř za samozřejmost. Proto byly výpočty korelací u základního a středního vzdělání bez maturity ovlivněny vysokou pravděpodobností rozšíření vzdělání minimálně o jednu další úroveň. Přičemž o absolventy zejména základního vzdělání, kteří se přesto nerozhodnout pokračovat ve studiu, bývá ze strany firem často nízký zájem způsobený zejména jejich nedostatečnými znalostmi a sníženou motivací, k osobnímu či kariérnímu růstu. Znevýhodnění pro firmy při zaměstnání čerstvých uchazečů se základním vzděláním představuje také řada omezení z právního hlediska, tzn. zákaz práce přesčas či v noci. Z daného důvodu nemohla být pozitivní závislost sledovaných veličin prokázána. Dále byl v České republice ověřen vliv dosažené úrovně vzdělání na výši mezd, a to pomocí testu nezávislosti dvou proměnných. Testována byla nulová hypotéza, představující nezávislost pozorovaných veličin. Pro zjištění závislosti (vztahu) bylo zapotřebí nejdříve vyčíslit empirické a očekávané četnosti. Nulová hypotéza byla při p-hodnotě 5 % zamítnuta. S 95 % pravděpodobností byla tedy prokázána závislost příjmu na dosažené úrovni vzdělání. Konkrétní těsnost závislosti byla dále vyčíslena prostřednictvím Čuprova koeficientu kontingence, pomocí kterého vyšla silná závislost dosažené úrovně vzdělání na výši mezd. Což svědčí o důležitosti investic do lidského kapitálu, zejména vzdělání, které se nám v budoucnu vrátí v podobě vyšších příjmů. Společně se vzděláním ovšem působí na výši příjmů, i když ne v tak vysoké míře, také místo výkonu povolání, předcházející zkušenosti či kategorie pracovního zařazení. Terciární vzdělání představuje v dnešní době stále při uplatnění na pracovním trhu nejvyšší roli. V mezinárodním srovnání byl proto zkoumán vliv právě počtu absolventů terciárního vzdělání na obecnou míru nezaměstnanosti. V České republice byla mezi populací s dosaženým terciárním vzděláním a nezaměstnaností prokázána slabá negativní závislost. Současně také jedna

Závěr

41

z nejnižších závislostí ve srovnání se sousedními státy. Vývoj obecné míry nezaměstnanosti je patrně více ovlivněn celosvětovou ekonomickou krizí. Cílem společnosti by tedy měly být vyšší investice do lidského kapitálu. V Polsku byla prokázána silná negativní závislost. Zároveň také nejvyšší závislost ve srovnání s ostatními státy. Čemuž napovídá nejvyšší zastoupení vysokoškoláků z vybraných zemí. V Německu mezi populací s terciárním vzděláním a obecnou nezaměstnaností vyšla intenzita negativní závislosti na hranici průměrné a silné. V Rakousku byla prokázána slabá závislost, což je spojeno také s nejnižším zastoupením populace s dosaženým terciárním vzděláním. Na Slovensku byla u pozorovaných časových řad zjištěna průměrná intenzita negativní závislosti. Investice do lidského kapitálu mají značný vliv na vývoj ekonomiky, výši mezd i samotné uplatnění jedince ve společnosti. S vyšší úrovní vzdělání je spojena nižší nezaměstnanost na trhu práce.

42

Literatura

7 Literatura [1] ARMSTRONG, MICHAEL. Řízení lidských zdrojů: nejnovější trendy a postupy: 10. vydání. 1. vyd. Praha: Grada, 2007, 789 s. ISBN 978-80-2471407-3. [2] BECKER, GARY S. Human capital: a theoretical and empirical analysis, with special reference to education. 3rd ed. Chicago: The University of Chicago Press, c1993, xxii, 390 p. ISBN 02-260-4120-4. [3] BECKER, GARY S. Teorie preferencí. 1.vyd. Praha: Grada Publishing, 1997, 350 s. ISBN 80-716-9463-0. [4] BELFIELD, C. Economic principles for education: theory and evidence. Northampton, MA: Edward Elgar, c2000, x, 252 p. ISBN 18-406-4444-3. [5] BOYES, WILLIAM J A MICHAEL MELVIN. Microeconomics. 9th ed. Mason, OH: South-Western Cengage Learning, c2013, xxx, 515 p. ISBN 11-1182615-3. [6] BROŽOVÁ, DAGMAR. Společenské souvislosti trhu práce. Vyd. 1. Praha: Sociologické nakladatelství, 2003, 140 s. ISBN 80-864-2916-4. [7] CAHUC, PIERRE A ANDRÉ ZYLBERBERG. Labor economics. Cambridge, Mass.: MIT Press, c2004, xxxiii, 844 p. ISBN 02-620-3316-X. [8] CAZES, SANDRINE A ALENA NEŠPOROVÁ. Labour markets in transition: balancing flexibility. Geneva: International Labour Office, 2003, xiii, 161 p. ISBN 92-211-3723-6. [9] CENTRUM EKONOMICKÝCH STUDIÍ VŠEM. [online]. 23. 4. 2009 [cit. 2013-03-09]. Dostupné z: http://www.vsem.cz/data/data/cessoubory/bulletin/gf_Bulletin0309.pdf ISSN 1801-1578 [10] ČESKÝ STATISTICKÝ ÚŘAD. Statistická ročenka České republiky 2012 [online]. 23. 2. 2013 [cit. 2013-03-09]. Dostupné z: http://www.czso.cz/csu/2012edicniplan.nsf/kapitola/0001-12-r_20121000 [11] ČESKÝ STATISTICKÝ ÚŘAD. Struktura mezd zaměstnanců 2011 [online]. 31. 5. 2012 [cit. 2013-04-10]. Dostupné z: http://www.czso.cz/csu/2012edicniplan.nsf/publ/3109-12-r_2012

Literatura

43

[12] ČESKÝ STATISTICKÝ ÚŘAD. Trh práce v ČR [online]. 2010 [cit. 201303-05]. Dostupné z: http://www.czso.cz/csu/2012edicniplan.nsf/p/3103-12 [13] ČESKÝ STATISTICKÝ ÚŘAD. Trh práce v ČR 1993-2011 [online]. 13. 8. 2012 [cit. 2013-03-10]. Dostupné z: http://www.czso.cz/csu/2012edicniplan.nsf/p/3103-12 [14] ČESKÝ STATISTICKÝ ÚŘAD. Význam vzdělání pro trh práce v ČR (analýza) [online]. [cit. 2013-03-22]. Dostupné z: http://www.czso.cz/csu/tz.nsf/i/vyznam_vzdelani_pro_trh_prace_v_cr _analyza/$File/analyza_vzdelani.pdf [15] ČESKÝ STATISTICKÝ ÚŘAD. Význam vzdělání pro trh práce v ČR [online]. [cit. 2013-03-22]. Tisková konference. Dostupné z: http://www.czso.cz/csu/redakce.nsf/i/vyznam_vzdelani_pro_trh_prace _v_cr_/$File/TK_Trh_prace_prezentace_csu.pdf [16] ČESKÝ STATISTICKÝ ÚŘAD. Zaměstnanost a nezaměstnanost podle VŠPS - roční průměry 2011 [online]. 30. 4. 2012. [cit. 2013-02-03]. Dostupné z: http://www.czso.cz/csu/2012edicniplan.nsf/p/3115-12 [17] DUFEK, JAROSLAV. EKONOMETRIE. Vyd. 1. V Brně: Mendelova zemědělská a lesnická univerzita v Brně, 2003, 134 s. ISBN 80-715-7654-9. [18] EUROPEAN COMMISSION AND EUROSTAT. Key figures on Europe 2012: statistical pocketbook [online]. [cit. 2013-03-04]. Dostupné z: http://epp.eurostat.ec.europa.eu/cache/ITY_OFFPUB/KS-EI-12001/EN/KS-EI-12-001-EN.PDF ISBN 1830-7892. [19] EUROSKOP. Evropská regionální fóra [online]. [cit. 2013-03-10]. Dostupné z: http://www.euroskop.cz/gallery/37/11326vzdelani_a_trh_prace.pdf [20] EUROSTAT. Labour markets at regional level [online]. 20. 2. 2013. [cit. 2013-03-05]. Dostupné z: http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Labour _markets_at_regional_level [21] EUROSTAT. The structure of the European education systems 2012/2013 [online]. [cit. 2013-04-10]. Dostupné z: http://eacea.ec.europa.eu/education/eurydice/documents/facts_and_fig ures/education_structures_EN.pdf

44

Literatura

[22] FILIPOVÁ, LENKA. Lidský kapitál a jeho efektivní využití jako zdroj ekonomického růstu v České republice. Praha: Národohospodářský ústav Josefa Hlávky, 2008, 95 s. ISBN 978-80-86729-38-1. [23] JÍROVÁ, HANA. Trh práce a politika zaměstnanosti. 1.vyd. Praha: VŠE, 1999, 95 s. ISBN 80-707-9635-9. [24] KANBUR, S A JAN SVEJNAR. Labour markets and economic development. New York: Routledge, 2009, xxx, 555 p. ISBN 02-038-8169-9. [25] KOUBEK, JOSEF. Řízení lidských zdrojů: základy moderní personalistiky. 4. rozš. a dopl. vyd. Praha: Management Press, 2007, 399 s. ISBN 978-80-7261-168-3. [26] MANKIW, N. Principles of economics. 6th ed. Mason, OH: SouthWestern Cengage Learning, c2012, xxxii, 856 p. ISBN 05-384-5305-2. [27] MAZOUCH, PETR A JAKUB FISCHER. Lidský kapitál: měření, souvislosti, prognózy. Vyd. 1. V Praze: C.H. Beck, 2011, xx, 116 s. Beckova edice ekonomie. ISBN 978-80-7400-380-6. [28] Měření závislostí ve statistice. [online]. [cit. 2013-04-10]. Dostupné z: fsi.uniza.sk/kkm/old/zamestnanci/novak/p_09.doc [29] NÁRODNÍ VZDĚLÁVACÍ FOND. Konkurenční schopnost České republiky 2010-2011. Praha, 2011, 76 s. 2011 [online]. [cit. 2013-02-03]. Dostupné z: http://www.nvf.cz/assets/docs/a6c3e0fac8b6b269e893d80c23488b77/ 387-0/konkurencni-schopnost-cr-2010-2011-analyza.pdf [30] OECD. Education at a Glance 2012: Highlights. Paris, 2012. Dostupné z: http://www.oecd-ilibrary.org/education/education-at-a-glance2012_eag_highlights-2012-en ISBN 978-926-4179-578. [31] OECD. Investment in human capital through post – Compulsory education and training [online]. [cit. 2013-03-13]. Dostupné z: http://www.oecd.org/eco/outlook/2727144.pdf [32] OECD. The role of human and social capital [online]. [cit. 2013-03-10]. Dostupné z: http://www.oecd.org/site/worldforum/33703702.pdf ISBN 92-64-18589-5 [33] SAMUELSON, PAUL ANTHONY A WILLIAM D NORDHAUS. Ekonomie: 18. vydání. Vyd. 1. Praha: NS Svoboda, 2007, 775 s. ISBN 978-80-205-05903.

Literatura

45

[34] SIROVÁTKA, TOMÁŠ. Dlouhodobá nezaměstnanost a záchranná sociální síť: Srovnávací studie tří okresů. 1.vyd. Brno: Vydavatelství MU v Brně, 1995, 117 s. ISBN 80-210-1246-3. [35] Test nezávislosti v kontingenčních tabulkách [online]. [cit. 2013-03-11]. Dostupné z: www.pedf.cuni.cz/kpsp/skalouda/chi_kvadrat.doc [36] THE WORLD BANK. Education [online]. 2013 [cit. 2013-03-13]. Dostupné z: http://data.worldbank.org/topic/education [37] UNESCO. International Standard Classification of Education [online]. 2012 [cit. 2013-03-10]. Dostupné z: http://www.uis.unesco.org/Education/Pages/international-standardclassification-of-education.aspx [38] ÚŘAD VLÁDY ČR. Strategy of human resources development for the Czech republic. Praha: c2003, 136 s. ISBN 80-867-3402-1. [39] WINKLER, JIŘÍ. Evropské pracovní trhy a průmyslové vztahy. Vyd. 1. Praha: Computer Press, 1999, ix, 143 s. ISBN 80-722-6195-9. [40] Zákoník práce: prováděcí nařízení vlády a další související předpisy s komentářem k 1. 1. 2013. 7. aktualiz. vyd. Olomouc: ANAG, c2013, 1239 s. Práce, mzdy, pojištění. ISBN 978-80-7263-796-6.

46

Literatura

Přílohy

Úrovně vzdělání a zaměstnanost v ČR

47

A Úrovně vzdělání a zaměstnanost v ČR ZŠ

SŠ bez mat.

SŠ s mat.

VŠ

Celkem v%

Zaměstnanost v mil. osob

Celkem v%


Celkem v%


Celkem v%


2003

21,27

0,3205

38,3

2,0765

30,77

1,6952

9,66

0,6382

2004

20,76

0,2961

38,34

2,0394

30,94

1,7097

9,96

0,6597

2005

19,92

0,2715

37,72

2,0268

31,94

1,7706

10,42

0,6946

2006

19,24

0,2835

37,26

2,0248

32,6

1,8002

10,9

0,7191

2007

18,97

0,2935

36,74

2,0181

33,25

1,8718

11,04

0,7371

2008

18,61

0,2895

35,81

2,0117

33,82

1,9112

11,76

0,7894

2009

17,43

1,5676

35,83

3,2233

33,99

3,0572

12,75

1,1472

2010

16,53

0,2383

35,45

1,8841

34,29

1,8617

13,73

0,8998

2011

15,99

0,2214

35,2

1,8691

33,95

1,841

14,86

0,9715

48

Terciární vzdělání a nezaměstnanost v rámci EU

B Terciární vzdělání a nezaměstnanost v rámci EU ČR (v %)

Polsko (v %)

Německo (v %)

Rakousko (v %)

Slovensko (v %)

Populace s terciárním vzděláním

Ob. míra nezam.


Ob. míra nezam.


Ob. míra nezam.


Ob. míra nezam.


Ob. míra nezam.

2004

12,3

8,4

15,7

19,3

24,9

10,4

18,3

5

12,4

18,2

2005

13,1

8

16,9

18

24,6

11,3

17,8

5,2

13,7

16,2

2006

13,5

7,2

17,9

14

23,9

10,4

17,6

4,8

14,2

13,3

2007

14

5,4

19

9,7

24

8,7

18

4,5

14

11

2008

14

4,4

20

7,2

25

7,6

18

3,9

15

9,6

2009

16

6,8

21

8,3

26

7,8

19

4,8

16

12,1

2010

17

7,4

23

9,7

27

7,2

19

4,5

17

14,4

2011

6,8

9,8

6

4,2

13,6

Vliv dosaženého vzdělání při uplatnění na trhu práce

Recommend Documents