Výsledky dotazníkového šetření mezi agenturami práce

Výsledky dotazníkového šetření mezi agenturami práce

František Špoutil Asociace pomáhající lidem s autismem – APLA Praha, střední Čechy, o. s.

2014

-1-

Když nemám co dělat, pracuji. -

-2-

Karel Čapek

Tato studie vznikla v rámci projektu TWCM (Together We Can Manage, Společně to zvládneme), který realizuje Asociace pomáhající lidem s autismem – APLA Praha, střední Čechy, o. s. ve spolupráci s Autism Europe aisbl. Projekt je financován z Evropského sociálního fondu (ESF) a státního rozpočtu ČR prostřednictvím Operačního programu Lidské zdroje a zaměstnanost (OP LZZ).

Abstrakt Agentury práce jsou jednou ze složek, která může nad rámec akcí Úřadu práce zajišťovat a usnadňovat zaměstnávání osob znevýhodněných na trhu práce. V našem dotazníkovém šetření jsme se proto zabývali tím, jak jsou spokojeny s působením v českém prostředí a jak vypadá jejich spolupráce s Úřadem práce. Na dotazník nám odpovědělo 69 agentur práce působících na celém území republiky a různého zaměření. Vyplývá z něj, že agentury práce více jak úroveň komunikace s Úřadem práce trápí obecnější problémy českého prostředí, jako je přílišná byrokracie, neochota ze strany státních úřadů, chybějící koncepce a protichůdné zákony. Ačkoli jsou zaznamenány i zmiňovány regionální odlišnosti, či rozdíly v rozsahu působení a služeb (jak geografickém, tak profesním), největší rozdíl je nalézán mezi komerčními a neziskovými agenturami práce. Neziskové agentury práce jsou ty, které lépe hodnotí spolupráci s Úřadem práce, který je také více kontaktuje. Zároveň, pokud už se agentura práce zaměřuje na znevýhodněné na trhu práce, je to ve valné většině případů právě nezisková organizace. Na druhou stranu komerční agentury práce jsou více vyhledávány zaměstnavateli. Domníváme se, že tento přístup ať z jedné, nebo z druhé strany v konečném důsledku poškozuje jak agentury, tak zejména občany znevýhodněné jakýmkoli způsobem na trhu práce. Tato situace by dle našeho názoru měla být zodpovědně řešena.

-3-

OBSAH 1. Úvod a cíle studie ................................................................................................ 5 2. Dotazníkové šetření ............................................................................................. 6 3. Složení respondentů ............................................................................................ 7 4. Hodnocení ........................................................................................................... 9 4.1. Administrativní náročnost ....................................................................................... 9 4.2. Zajištění financování AP ......................................................................................... 10 4.3. Zasílání nabídek od ÚP........................................................................................... 11 4.4. Přeposílání klientů z ÚP ......................................................................................... 12 4.5. Úroveň komunikace s ÚP ........................................................................................ 12 4.6. Kontaktování agentur od ÚP a zaměstnavatelů ...................................................... 13 4.7. AP a co zlepšit ......................................................................................................... 14

5. Co ovlivňuje hodnocení AP?............................................................................... 16 5.1. Souvislosti mezi hodnoceními ................................................................................. 16 5.2. Kategorizace AP a vztahy mezi nimi ....................................................................... 19 5.3. Jaké agentury jak hodnotily? .................................................................................. 20

6. Souhrn ................................................................................................................. 27 Příloha I: Dotazník .................................................................................................... 29 Příloha II: Metodika .................................................................................................. 32 Příloha III: Výběr proměnných ................................................................................. 35 Příloha IV: Další výstupy z analýz ............................................................................ 40

-4-

1. ÚVOD A CÍLE STUDIE Agentury práce (AP) jako subjekt pohybující se na poli trhu práce byly do českého legislativního rámce zavedeny od roku 2004 a od té doby byl jejich právní rámec několikrát upravován (blíže např. Ozdincová 2011/20121). AP jsou subjekty, které nezávisle na státní správě zprostředkovávají zaměstnání mezi svými klienty a zaměstnavateli. Mimo to poskytují i poradenskou a informační činnost a vyhledávají vhodné zaměstnavatele pro své klienty a naopak. Zdá se tedy, že by to mohl být ideálním prostředníkem pro hledání pracovního uplatnění pro lidi s nějakou formou zdravotního postižení (osoby zdravotně postižené, OZP) včetně lidí s poruchami autistického spektra (PAS). To je obzvláště důležité v případě, kdy máme od našich klientů poměrně silnou negativní odezvu na fungování úřadu práce (ÚP) při hledání zaměstnání2. Zároveň z našich diskuzí s některými AP jsme získali dojem, že dobře nefunguje ani komunikace mezi nimi a ÚP, který sám v případě zaměstnávání lidí s PAS a i jiných OZP nefunguje tak, jak má a klienty na specializované AP nepřeposílá. Abychom mohli lépe posoudit tuto problematiku, která se nepřímo zaměstnanosti lidí s PAS dotýká, a oprostit se od dohadů, rozhodli jsme se mezi AP udělat dotazníkové šetření, jehož cílem bylo zjistit: •

spokojenost AP se spoluprací s ÚP

•

spokojenost AP s podmínkami, které zde mají

•

vytíženost AP jak od ÚP, tak od zaměstnavatelů

•

identifikovat, co přesně by AP chtěly změnit

_______________ 1

Ozdnicová V. 2011/2012. Agentury práce. Bakalářská práce. Právnická fakulta MU, Brno. 36 stran. Brůhová D. 2014. Vyhodnocení dotazníku pro osoby s poruchou autistického spektra na téma Úřad práce. http://www.twcm.cz/cz/trh-prace-a-osoby-s-pas/moznosti-zamestnavani/267-dotaznikovesetreni-mezi-osobami-s-pas-na-tema-urad-prace. 21. 3. 2014

2

-5-

2. DOTAZNÍKOVÉ ŠETŘENÍ Celkem jsme oslovili 991 agentur práce uvedených na oficiálních stránkách Ministerstva práce a sociálních věcí ČR (MPSV). Z tohoto množství se nám 85 emailů (8,58%) vrátilo jako nedoručitelných. Z doručených na naši anketu reagovalo 69 agentur (7,62%). Toto číslo je ale jen orientační, neboť z korespondence s dotazovanými AP vyplynulo, že zde byla tendence u větších agentur, aby neodpovídaly jednotlivé pobočky v různých krajích, ale centrála. Zajímavé také bylo zjištění, že nejeden korespondent se nám ozval s tím, že nikdy žádnou takovou činnost jako AP neprovozoval a divil se, kde jsme na ně sehnali kontakt. Jeden respondent dotazník (viz kapitola 3.) vyplnil, přesto vysloveně uvedl, že oni nevedou AP. Je proto otázkou, jak je situace na poli AP dynamická a jak rychle na ni zvládá MPSV ČR reagovat. Respondenti odpovídali v on-line dotazníku (viz Příloha I) na 13 otázek, které měly jednak nepřímo identifikovat konkrétní činnost AP, její zaměření a působiště a pak na otázky týkající se jejich zkušenosti s ÚP a spokojeností v oblasti vedení AP, administrativní zátěže a spokojenosti s finanční situací. Většina otázek se skládala ze dvou částí: první, kde respondent hodnotil svou zkušenost na stupnici 1 až 5, a druhou, kde se mohl více rozepsat o důvodech své volby. Dvě otázky se týkaly množství kontaktů (od ÚP a od zaměstnavatelů). Zde nás nezajímalo konkrétní číslo, jako spíše hrubý odhad, který by umožnil rychlé srovnání. Bohužel i díky snaze velkých AP odpovídat centrálně nejsme úplně přesně schopni porovnat mezi sebou zkušenost jednotlivých agentur, neboť se dá předpokládat, že agentura působící ve více krajích mohla být přirozeně více kontaktována. Na druhou stranu podíl takovýchto agentur je v našem souboru minimální a tedy i vliv na výsledky nejspíše nebude tak výrazný. Z některých otázek jsme pak byli schopni získat další specifika o každé AP. Jednalo se o tyto údaje: zda se AP zaměřuje na lidi znevýhodněné na trhu práce (krom OZP jsou to i čerství absolventi, nebo lidé nad 50 let věku), zda se do toho počítají i osoby se III. stupněm postižení, zda zprostředkovává zaměstnání jen v určitém oboru činností, kolik služeb poskytuje, v kolika krajích působí a podle toho jsme pak dále dělili AP na malé (v 1 či 2 krajích), střední (ve 3 až 7) a velké (v 8 a více, tedy v nadpoloviční většině krajů). Z datového souboru byly získány jak základní statistické údaje, tak byl podroben sérii testů, jejichž přesný popis naleznete v Příloze II.

-6-

3. SLOŽENÍ RESPONDENTŮ Z 69 AP, které nám zareagovali na anketu, bylo jen 16 (23,19 %) neziskových organizací (NO), přičemž jen 15 AP (31,74 %) se vysloveně specializovalo na práci s osobami nějak znevýhodněnými na trhu práce. Zkušenost s kontaktem s OZP je o trochu lepší. Alespoň nějakou zkušenost uvádí 27 (39,13 %). Jen 5 agentur uvedlo, že se zabývá zaměstnaností lidí se všemi stupni postižení včetně III. stupně a 1 uvedla svou zkušenost s paraplegiky. Naopak 2 agentury výslovně uvedly, že klienti s vyšším než lehkým, tj. I. stupněm postižení je nezajímají a 4 agentury dále specifikují své zaměření na maximálně lehká fyzická postižení. Zbylé agentury uvádějí největší zkušenost s tělesnými (5) a pohybovými (4) postiženími, po 3 AP se zmiňuje o sluchových, psychických a mentálních postiženích, 2 uvádějí civilizační a interní poruchy a 1 psychosomatické poruchy. Rozhodně to tedy nevypadá, že by mezi AP bylo mnoho těch, kdo se specializují na pomoc OZP, nebo si alespoň uvědomují přítomnost lidí s postižením mezi lidmi z oboru jejich zájmu (dostali jsme několik odpovědí, kde se zástupce AP přímo podivoval nad tím, proč je oslovujeme kvůli zaměstnanosti OZP, když oni se zaměřují např. jen na top management). Dá se předpokládat, že v celkovém počtu AP bude poměr těch, které mají alespoň nějakou zkušenost s OZP ještě menší, než mezi respondenty našeho dotazníkového šetření. 2 AP (2,90 %) uvedly, že fungují jen pro potřebu nějakých vlastních (zřizujících) subjektů (firem apod.). Je ale poměrně velká část AP, které se specializují na nějaký segment profesí: 29 (42,03 %). Z těchto specializovaných AP se jich největší podíl, 11 (37,93 %) zaměřuje na manažerské pozice. Až s odstupem to jsou agentury zaměřené na řemesla: 7 (24,14 %). Dále jsou to agentury zaměřující se na profese v oblasti služeb a IT (po 5: 17,24 %), dělnické profese a na specialisty (po 4: 13,79 %), na pracovníky do finančnictví a do administrativy (po 3: 10,34 %) a do dopravy (1: 3,45 %). Agentury práce se zaobírají třemi okruhy činností: poradenskou a informační, vyhledáváním práce a zaměstnávání osob. Nejpočetněji je zastoupeno vyhledávání práce (53: 76,81 %) a početně (50: 72,46 %) hojná je i poradenská a informační činnost. Oproti těmto třem je zaměstnávání součástí náplně jen menšiny respondentů (29: 42,03 %). Nejpočetnější je provádění vyhledávací činnosti s činností poradensko-informační (26 respondentů: 37,68 %), pak s odstupem poskytování všech služeb (15 respondentů: 21,74 %). Provozování jen jedné z těchto činností už tak časté není. Počty AP zaměřených jen na jeden segment jsou pak celkem vyrovnané: 8 AP provádí jen vyhledávání (11,59 %), 7 AP samotné zaměstnávání (10,14 %) a 6 AP poradensko-informační činnost (8,70 %). Nejméně časté jsou AP -7-

provádějící zaměstnávání jen s jednou ze dvou zbylých činností: 4 AP s vyhledáváním (5,80 %) a 3 AP s poradensko-informační službou (4,35 %). Valná většina AP (51: 73,91 %) působí jen lokálně, na území jednoho kraje. AP působící ve více krajích najednou jsou o poznání vzácnější. V naší anketě nám odpověděly 4 AP (5,80 %), které působí celorepublikově, po 3 (4,35 %) AP působí současně ve dvou krajích, po 2 (2,90 %) AP ve třech nebo čtyřech a jen po jedné AP (1,45 %) v šesti, sedmi, osmi, či devíti krajích současně. Je tedy zcela legitimní použít dělení na malé (54: 78,26 %), střední (7: 10,14 %) a velké AP (8: 11,59 %). Jak ukazuje Obr.1, nejvíce AP působí v Praze (27: 39,13 %) následováno Středočeským krajem (20: 28,99 %), další v pořadí je kraj Moravskoslezský (15: 21,74 %), Liberecký a Ústecký (14: 20,29 %), Jihočeský a Plzeňský (13: 18,84 %) a Královehradecký (12: 17,39 %). S určitým odstupem je pak Vysočina a Pardubický kraj (po 9: 13,04 %) a kraj Olomoucký (8: 11,59 %). Nejhorší zastoupení je z kraje Karlovarského (5: 7,25 %) a Zlínského (4: 5,80 %).

Obr.1: Sloupcový graf kvantifikující otázku č. 2 „Ve kterém kraji působíte“. Jednotlivé kraje jsou na ose x seřazeny zleva doprava sestupně dle počtu AP, které v nich působí. Četnost je vynesena na ose y. Vysvětlivky: Praha = Hl. m. Praha, StrC = Středočeský kraj, Liber = Liberecký kraj, Usti = Ústecký kraj, JihC = Jihočeský kraj, Plzen = Plzeňský kraj, HraKra = Královehradecký kraj, Pardub = Pardubický kraj, Vysocina = kraj Vysočina, Olom = Olomoucký kraj, KarVar = Karlovarský kraj, Zlin = Zlínský kraj.

-8-

4. HODNOCENÍ 4.1 Administrativní náročnost Administrativní náročnost neshledávají AP nijak extrémně velkou, ale ani nijak zásadně snadnou (průměrná známka je 2,93). Jak agentury hodnotily, naleznete v Obr.2. Jako jednoznačně největší negativum vnímají AP běžnou administrativu a všeobecnou byrokracii (24 respondentů, 34,78 %) a častější byly ještě čekací lhůty (7 respondentů, 10,14 %). Více jak 5 % výskyt (tj. 4 a více respondentů) byl ještě u legislativy spojené s AP, v nejasnostech zadání, s pojištěním a s nutností a podmínkami na garanta. Další důvody byly uváděny jen sporadicky: administrativa kolem zřízení AP, práce s databází, forma a nutnost statistik a reportů, nedostatečné zabezpečení osobních údajů, fakt, že úřad vyžaduje doložit údaje, které má normálně přístupné, omezená doba trvání povolení na AP, nemožnost zaměstnávat na DPP, to, že nejsou rovné podmínky trhu práce, finanční náročnost a poplatky, špatná komunikace se zaměstnavatelem, prověrka MV ČR a testy, evidence, to, že úřady neověřují zadávané údaje i celkově nízká ochota MPSV ČR spolupracovat.

Obr.2: Histogram absolutních četností odpovědí na otázku č. 5 „Jak hodnotíte administrativní náročnost týkající se zřízení a vedení agentury práce?“ Frequency = absolutní četnost. Z histogramu je patrné, že nejčastější známkou byla 3, zatímco krajní hodnoty, tj. 1 a 2 dávaly AP jen výjimečně.

-9-

4.2 Zajištění financování AP Také zajištění financování provozu AP je hodnoceno jako středně těžké (průměr 3,04) a distribuci známkování můžete vidět na Obr.3. Jako největší Achillova pata financování AP byla uvedena platební morálka a splácení od firem, kterým AP poskytne své zaměstnance (10 respondentů: 14,49 %). Jako významnější zátěž se jeví i platební neschopnost a snaha firem šetřit kvůli krizi, takže neberou zaměstnance AP (6 respondentů: 8,70 %), úhrnná výška pojištění AP (8,70 %) a výše platby za povolení, které se navíc co tři roky opakuje (4 respondenti: 5,8 %). 5 respondentů (7,25 %) také uvedlo, že musí AP dotovat z jiné činnosti. Z marginálií to pak byly věci jako chování státu v této oblasti, provozní náklady, výkyvy v poptávce, systém práce, software na vedení databáze a evidence, nedostupnost úvěrů a půjček u bank pro překlenutí druhotné platební neschopnosti, doba schvalování podpory, to, že nemohou zaměstnávat OZP na dobu určitou, administrativní náklady, systém dotací, inzerce a neinformovanost.

Obr.3: Histogram absolutních četností odpovědí na otázku č. 6 „Jak je pro Vás komplikované zajistit financování provozu agentury práce?“ Frequency = absolutní četnost. Z histogramu je patrné, že nejčastější známkou byla 3, zatímco ostatní známky dávaly AP jen výjimečně.

- 10 -

4.3 Zasílání nabídek od ÚP Valná většina AP hodnotí práci ÚP stran zasílání nabídek jako nedostatečnou (průměr 4,39). Jediná početnější skupina (11 respondentů: 15,94 %) hodnotila ještě za 3, zbylá hodnocení jsou spíše ojedinělé případy (viz Obr.4). Hlavní důvod takto nízkého hodnocení je nezájem ÚP (24 respondentů, 34,78 %) a arogance úřadu nebo úředníků ať už jako takových nebo při kontrolách (8 respondentů, 11,59 %). V těsném závěsu je jako důvod uváděna byrokracie (7 respondentů, 10,14 %). 4 respondenti (5,80 %) uvedli, že jejich cílová skupina se stejně na ÚP nevyskytuje (většinou se jednalo o management) a stejný počet také uvedl, že vlastně nemá zájem s ÚP komunikovat. Z marginálních důvodů to pak bylo chybějící propojení databází, fakt, že mezi sebou nekomunikují jednotlivé složky MPSV ČR a ÚP, nekompetentnost ÚP v této věci, diskriminace některých AP a předsudky vůči nim, nedostatečné informace o klientech, neflexibilita, nepřítomnost koncepce zaměstnanosti, nedostatek času a nízká nezaměstnanost.

Obr.4: Histogram absolutních četností odpovědí na otázku č. 8 „Jak hodnotíte spolupráci s ÚP v oblasti zasílání pracovních nabídek?“ Frequency = absolutní četnost. Z histogramu je jasně patrné, že drtivá většina AP shledává tuto činnost ÚP za absolutně nedostačující.

- 11 -

4.4 Přeposílání klientů z ÚP Velmi podobně jako hodnocení posílání nabídek dopadlo i přeposílání klientů z ÚP na AP (průměr 4,29 – viz Obr.5). Za nejčastější důvod bylo označováno to, že ÚP vlastně nemá o něco takového zájem (16 respondentů: 23,19%) a kvalita lidí, které ÚP posílá na AP (12 respondentů: 17,39%). Další celkem hojný důvod byla kvalita samotných úředníků na ÚP (6 respondentů: 8,70%) a způsob, jakým ÚP funguje (4 respondenti: 5,80%). Z marginálií pak přetíženost úředníků, byrokracie, nedostatečné informace pro výběr vhodných klientů, předsudky vůči AP a jejich diskriminace, nepropojenost databází, nefungující hierarchická struktura ÚP a rozdílnost konceptů ÚP a AP.

Obr.5: Histogram absolutních četností odpovědí na otázku č. 9 „Jak hodnotíte spolupráci s ÚP v oblasti přeposílání klientů z ÚP do agentury?“ Frequency = absolutní četnost. Z histogramu je zřejmé, že valná většina AP shledává tuto činnost ÚP za nedostatečnou.

4.5 Úroveň komunikace s ÚP Je zajímavé, že ačkoli agentury uvádějí, že ÚP s nimi v zásadě nemá vůli komunikovat a neposílá ani nabídky, ani nepřeposílá klienty, je komunikace mezi AP a ÚP hodnocena o poznání lépe (průměr 3,64). AP se ale v této otázce dělí do dvou obdobně velkých skupin: na ty, kdo vidí i celkovou komunikaci s ÚP jako silně nedostatečnou, a na ty, kdo si myslí, že není tak špatná (průměrná známka této skupiny by byla lepší 3 – viz Obr.6). Jak už bylo nastíněno o dva odstavce výše, skupina AP s lepší zkušeností se vyskytovala i v obou předchozích případech. Tam ale tvořila výraznou menšinu. Za hlavní příčiny nedostatečné - 12 -

komunikace s ÚP vidí respondenti hlavně nezájem ze strany ÚP a nízkou kvalitu úředníků (po 8: 11,59 %). Na dalším místě je pak „zkostnatělost ÚP“ a jeho nejasná prospěšnost na trhu práce (po 5: 7,25 %). Častěji bylo uváděno ještě celkové prostředí ve státní správě a nastavení celého systému (4 respondenti: 5,80 %). Jako další důvody byla uváděna také nesystémovost, předsudky vůči AP, zahlcenost ÚP, arogance úřadu, nedostatečné informace, byrokracie, komunikace v rámci ÚP a jeden respondent vytrvale prosazuje zbytečnost ÚP.

Obr.6: Histogram absolutních četností odpovědí na otázku č. 10 „Jak hodnotíte obecně komunikaci s ÚP?“ Frequency = absolutní četnost. Povšimněte si zřetelní dichotomie, kdy zhruba polovina AP hodnotí úroveň komunikace s ÚP známkou 5, zatímco druhá skupina známkou 2-3.

4.6 Kontaktovaní agentur od ÚP a zaměstnavatelů Nevalné výsledky z hodnocení ÚP dozajista vyplývají z toho, kolikrát se za loňský rok (2013) na AP obracel s žádostí o spolupráce (viz Obr.7a). 54 respondentů (78,26 %) uvedlo, že vůbec, a 10 (14,49 %), že maximálně pětkrát. Do dvaceti kontaktů uvádějí už jen 4 respondenti (5,80 %) a do sta dokonce jen jeden (1,45 %). Více jak 100 kontaktování neuvedl žádný z respondentů. Přitom podíváme-li se na to, kolikrát za minulý rok AP kontaktovali zaměstnatelné, je situace diametrálně odlišná (viz Obr.7b): vůbec se neobrátili jen na 7 AP (10,14 %), do pěti kontaktů proběhlo u 13 (18,84 %), do dvaceti 17 (24,64 %) a do sta dokonce 23 (33,33 %). 9 agentur (13,04 %) dokonce uvádí, že se na ně zaměstnavatelé obrátili více jak stokrát. Je vidět, že rozložení je mnohem vyrovnanější a agentur, se kterými nechtějí zaměstnavatelé komunikovat, je mnohem méně než těch, se kterými nekomunikuje ÚP.

- 13 -

A

B

Obr.7: Sloupcové diagramy sumarizující odpovědí na otázky č. 7 „Kolikrát se na Vás během roku 2013 obrátila krajská pobočka ÚP s žádostí o spolupráci?“ (A) a č. 11 „Kolikrát se na Vás během roku 2013 obrátili zaměstnavatelé s žádostí o spolupráci?“ (B). Na ose y je vynesena četnost. Výrazný rozdíl mezi oběma grafy je dostatečně vypovídající sám o sobě.

4.7 AP a co zlepšit Jak je vidět z předchozích oddílů, největší problémy, které AP mají, nejsou dány nějakým jejich specifikem, ale spíše obecným stavem české státní správy (přílišná administrativa a byrokracie, neochota a zavalení úřadů povinnostmi, chybějící koncepce, protichůdné a nejednoznačné zákony) a místními zvyklostmi v jednání firem včetně státních (pozdní proplácení faktur). Několik respondentů také zdůrazňovalo, že situace se může velmi měnit v závislosti na konkrétní pobočce ÚP. I přes výše uvedené nedostatky se nezdá, že by AP jejich forma nějak extrémně nevyhovovala. Průměrná a také nejčastější známka je 3. Jiná hodnocení dávalo kolem 10 respondentů každé (tj. přibližně 15 % - viz Obr.8). A jaké změny doporučují sami respondenti? 8 respondentů (11,59 %) by chtělo celkově snížit administrativu, 7 (10,14 %) je pro to, aby OZP mohli být zaměstnanci AP, anebo aby alespoň stát zrušil pro AP penalizaci za jejich nezaměstnávání (jelikož je v současné době dle jejich vyjádření zaměstnávat nemohou3), 6 respondentů (8,70 %) by zrušila platbu extra pojištění (jež jsou dnes AP, jak tvrdí, nuceny platit dvakrát), 5 (7,25 %) se také zasazuje za zrušení nebo alespoň podstatnou změnu dočasných povolení k provozování AP a 4 (5,80 %) by si přály zrušit diskriminaci AP. Krom toho se objevily návrhy na to, aby AP převzaly část povinností ÚP (1 respondent dokonce navrhuje úplné zrušení ÚP), aby se zlepšila pověst AP, aby se zvýšila vstřícnost ze strany úřadů, aby se zlepšila komunikace a spolupráce s ÚP, aby stát začal konečně řešit - 14 -

problematiku družstev, která (dle AP) de facto obcházejí zákon o AP, a aby AP mohly zaměstnávat i cizince mimo EU. Dle některých by mohlo pomoci i přenesení právní zodpovědnosti za zaměstnance z AP na jeho uživatele, aby byla znovuzavedena sleva na pracující důchodce, aby se dali zaměstnanci AP zaměstnávat na dohodu o provedení práce, aby došlo ke snížení poplatků a změně systému kontrol. Tu a tam se objevily i návrhy jako snížení regulace, zpřísnění podmínek pro zřízení AP, zpřísnění odbornosti na požadovaného zástupce a aby takový člověk mohl zároveň ručit za 2 AP, aby ÚP vyplácel AP nějaký bonus za sehnání místa konkrétnímu člověku (což by AP umožnilo financovat třeba administrativu spojenou se sháněním místa), zrušení povinné vstupní zdravotní prohlídky u jakkoli dlouhé pracovní smlouvy, celkové snížení finanční zátěže, zrušení vyjmutí zaměstnanců AP z insolvence, zrušení povinnosti pro zaměstnance AP, aby s sebou vždy nosil pracovní smlouvu, povolit půjčování si zaměstnanců mezi firmami bez nutnosti zakládat AP, aby služby sociální rehabilitace nebyly označovány jako AP, zavedení minimálních standardů, umístit podporované zaměstnávání do zákona o zaměstnanosti, aby AP měla nějaké výjimky z pracovního práva s ohledem na specifika AP nebo doladění srovnatelných podmínek.

Obr.8: Histogram absolutních četností odpovědí na otázku č. 13 „Vyhovuje Vám forma „agentura práce“, nebo byste uvítali změny v oblasti legislativy nebo administrativních postupů?“ Frequency = absolutní četnost. Histogram ukazuje, že respondenti známkovali tuto otázku za 3 asi 2,5x častěji než jiné otázky. _______________ 3

Současná právní úprava umožňuje AP zajišťovat do firem pracovníky nejenom formou zprostředkování zaměstnání, ale i formou tzv. umisťování. Jedná se např. o sezónní dělníky. Pracovní smlouvu v případě umístění neuzavírá se zaměstnancem firma, ale právě AP. Pracovníci se tak stávají zaměstnanci AP. Zákon ale současně zakazuje zaměstnávat OZP formou umisťování. Důvodem pro zavedení tohoto omezení byla údajně snaha o zvýšení ochrany OZP na trhu práce. Jelikož však každý zaměstnavatel v ČR (tj. včetně AP) má povinnost na každých svých 25 zaměstnanců zaměstnat minimálně jednu osobu se zdravotním postižením, dostávají se AP do obtížné situace. Mohou mít i stovky zaměstnanců se smlouvou o umístění (ale žádný z nich nemůže být OZP), ale jen několik kmenových pracovníků, kteří pracují přímo pro AP. Asociace agentur práce ČR proto usiluje o to, aby se do počtu zaměstnanců, na které se vztahuje povinný podíl, započítávali pouze kmenoví zaměstnanci. Výše nastíněná situace ukazuje, že pracovněprávní úprava není v této oblasti konzistentní, protože 1) znemožňuje všem OZP - 15 získat práci formou umístění a 2) pro AP nastavuje přísnější podmínky pro plnění povinného podílu, než pro ostatní zaměstnavatele působící v ČR.

5. CO OVLIVŇUJE HODNOCENÍ AP? 5.1 Souvislosti mezi hodnoceními Proč se něčím takovým zabývat a nespokojit se jen s výčtem hodnocení za jednotlivé otázky? Jsme toho názoru, že nám to pomůže odkrýt další vrstvu informací o AP a jejich motivacích, což v konečném důsledku může vést až k vytyčení jedné, té nejzásadnější problematiky, kterou pak můžeme cíleně řešit a nemusíme naši snahu tříštit do řešení spousty problémů, které se nakonec stejně ovlivňují. Pomůže nám tak odhalit např. jestli to, jak ÚP komunikuje s agenturami má nějaký vliv na spokojenost agentur s jejich stavem či jestli se to odráží do hodnocení přístupu agentur k ÚP, popřípadě můžeme zjistit, zda se agenturám, kterým ÚP přeposílá klienty, více daří svou činnost ufinancovat, nebo ne. Metodický aparát je popsaný v Příloze II a syrové výstupy v Příloze III a IV. Co dalšího nám tedy hodnocení agentur říká? Říká poměrně jasně, že všechna hodnocení, která jsme rozebírali v kapitole 4, můžeme rozdělit do dvou, možná tří skupin, uvnitř nichž jsou otázky, kde se hodnocení vzájemně ovlivňují, zatímco postoje mezi těmito skupinami spolu nemají žádnou, nebo jen slabou souvislost. První skupinu tvoří všechna hodnocení, která se nějakým způsobem přímo dotýkala ÚP. Ve druhé (a třetí) jsou pak všechny další. Co z toho vyplývá? Spokojenost, finanční zajištění, vnímání administrativní zátěže a ani to, jestli s agenturou komunikují zaměstnavatelé, nijak neovlivňuje hodnocení kvality ÚP. To samé samozřejmě platí i naopak. Ke zlepšení vnímání ÚP od agentur tedy nepřispějeme (nebo jen minimálně) změnami na poli AP, ale jen a pouze změnou přístupu ÚP. Zároveň pokud budeme chtít zlepšit situaci agentur, tak větší zapojování ÚP nebude mít výrazný efekt. Jaké jsou tedy vztahy uvnitř těchto dvou kategorií? Pokud se zaměříme na problematiku ÚP, tak AP mají větší tendenci hodnotit ÚP kladně ve všech rovinách (zasílání nabídek, přeposílání klientů i úroveň komunikace), čím více je ÚP kontaktuje (viz Obr.9). ÚP tedy může zlepšit své postavení mezi AP zvýšením své aktivity. Na druhou stranu spokojenost AP se svým stavem se zhoršuje s tím, jak na agentury doléhá administrativa a jak špatně se jim daří zajistit vlastní financování (viz Obr.10). Spokojenější AP s lepší finanční situací jsou také ty, jejichž služby častěji využívají zaměstnavatelé (viz Obr.10), což je pochopitelné s ohledem na to, že poskytují uplatnění jejich klientům. Opět se stojí zamyslet nad tím, proč taková vazba není i od ÚP.

- 16 -

Obr.9: Matice regresních diagramů pro hodnocení týkající se ÚP. Na diagonále jsou vyneseny densitní křivky jednotlivých proměnných, které odpovídají histogramům a sloupcovým grafům v kapitole 4 a ukazují, kolikrát byla každá známka či možnost zvolena. Tyto proměnné tvoří na vertikále osu x a na horizontále osu y regresních diagramů. Kódování proměnných: konUP = počet kontaktování od ÚP za rok 2013 (otázka č. 7), nabUP = zasílání nabídek od ÚP (otázka č. 8), kliUP = přeposílání klientů od ÚP (otázka č. 9), komUP = úroveň komunikace s ÚP (otázka č. 10). Plná zelená čára = výslednice lineárního vztahu mezi dvěma proměnnými (obecný trend v datech), tzv. regresní přímka; plná červená čára = výslednice lowess modelu vztahu mezi dvěma proměnnými, tj. lokálně vážené regrese, která lépe popisuje průběh trendu v datech. Srovnáním s regresní přímkou můžeme odhadnout, jak moc lineární zjednodušení vztahu odpovídá skutečnosti. Červené přerušované čáry = 95% konfidenční interval, tedy oblast, kde na 95% bude ležet reálná spojnice trendu odvozená z lowess modelu. Všimněte si silné positivní závislosti mezi všemi proměnnými. Pozn. ke „konUP“: kvůli jednoduchosti muselo být pro účely analýzy překódováno hodnocení této proměnné na stupnici 1 – 5, kde 1 = „vůbec“ a 5 = „nad 100“. V tomto kódování je na rozdíl od zbytku 5 nejlepší možnost, a proto je třeba číst i vztahy s ostatními otázkami opačně. Více viz. Příloha II.

- 17 -

Obr.10: Matice regresních diagramů pro hodnocení týkající se provozu AP a kontaktování zaměstnavateli. Na diagonále jsou vyneseny densitní křivky jednotlivých proměnných, které odpovídají histogramům a sloupcovým grafům v kapitole 4 a ukazují, kolikrát byla každá známka či možnost zvolena. Tyto proměnné tvoří na vertikále osu x a na horizontále osu y regresních diagramů. Kódování proměnných: admin = hodnocení administrace spojené s AP (otázka č. 5), financ = hodnocení zajištění financování pro AP (otázka č. 6), konZam = počet kontaktování AP zaměstnavateli v roce 2013 (otázka č. 11), fAP = spokojenost s formou AP (otázka č. 12). Plná zelená čára = výslednice lineárního vztahu mezi dvěma proměnnými, tzv. regresní přímka; plná červená čára = výslednice lowess modelu vztahu mezi dvěma proměnnými, tj. lokálně vážené regrese, která lépe popisuje průběh trendu v datech. Srovnáním s regresní přímkou můžeme odhadnout, jak moc lineární zjednodušení vztahu odpovídá skutečnosti. Červené přerušované čáry = 95% konfidenční interval, tedy oblast, kde na 95% bude ležet reálná spojnice trendu odvozená z lowess modelu. Všimněte si positivní závislosti mezi fAP a ostatními proměnnými a také positivního, ač o něco slabšího vztahu mezi konZam a financ. Pozn. ke „konZam“: kvůli jednoduchosti muselo být pro účely analýzy překódováno hodnocení této proměnné na stupnici 1 – 5, kde 1 = „vůbec“ a 5 = „nad 100“. V tomto kódování je na rozdíl od zbytku 5 nejlepší možnost, a proto je třeba číst vztahy s ostatními otázkami opačně. Více viz. Příloha II.

- 18 -

5.2 Kategorizace AP a vztahy mezi nimi Prozkoumat vztahy mezi jednotlivými způsoby kategorizace našeho souboru nám může ukázat blíže, co vlastně ta která kategorie znamená v kontextu jiných kategorií. Co nám říká, že je daná agentura z Liberecka? Jsou NO spíše malé, nebo velké agentury? Které AP mají zkušenost s OZP? Začněme s rozdíly mezi kraji. Je třeba si obzvláště v tomto případě uvědomit, že jsme svázáni tím, kolik AP a odkud nám odpovědělo a tedy jde více než kde jinde o strukturu našeho souboru, než o objektivní výpověď. Jak tedy můžeme kraje v našem souboru respondentů rozdělit? Při bližším pohledu uvidíme, že je můžeme rozdělit na několik podskupin: 1) kraje Královéhradecký, Liberecký a Ústecký: více agentur poskytujících komplexnější služby 2) Praha a Moravskoslezský kraj: větší podíl malých, lokálních AP a menší podíl NO, naopak více specializovaných AP 3) kraje Zlínský, Olomoucký, Karlovarský, Pardubický a Vysočina: výrazný podíl velkých NO 4) Středočeský, Jihočeský a Jihomoravský kraj: kraje s vyrovnanějším zastoupením různě velkých AP 5) Plzeňský kraj: někde mezi skupinou 3 a 4 Analýza také ukazuje, že zde máme vlastně dva typy agentur práce: NO, které se jediné výlučně zaměřují na zaměstnávání osob nějak znevýhodněných na trhu práce, a agentury komerční, které se na tento segment nespecializují. To ale nemusí nutně znamenat, že takové lidi diskriminují. Na to by bylo třeba jiný průzkum, který by např. zjišťoval kolik OZP, lidí nad 50 či svobodných matek zaměstnávají v poměru k zastoupení v běžné populaci. Blízko k tomuto dělení má kategorizace, která už jistou diskriminační tendenci naznačovat může: agentury, které mají zkušenost s nějak zdravotně postiženými osobami (včetně 3. stupně invalidity – a většinou to jsou právě NO) se nespecializují při vyhledávání uplatnění pro své zaměstnance na nějaký segment trhu. Můžeme tedy tvrdit, že je pro ně důležitější dotyčného někde zaměstnat bez ohledu na činnost, kterou bude vykonávat. Ta možná diskriminace by ale mohla být na opačné straně: agentury (většinou komerční), které se specializují na nějaký segment trhu s pracovními pozicemi, nemají se zaměstnáváním OZP zkušenosti. Jinými slovy na své specializované pozice OZP nenabírají, přitom nikde není řečeno, že třeba někdo s tělesným postižením např. pohybového aparátu i s vyšším stupněm - 19 -

invalidity by nemohl zastávat pozici ve vrcholném managementu. Přesto to byly zejména agentury vyhledávající manažery, které reagovaly na obdržení našeho dotazníku údivem, že oni přece OZP nezaměstnávají, že hledají osoby na specifické pozice. To by potvrzovalo i pocit získaný ze setkání (kulatého stolu) tematické sítě TWCM na téma Autismus a práce – zaostřeno na zaměstnavatele, které proběhlo v Praze 12. a 13. června 2014. Zde měli zaměstnavatelé tendenci sklouzávat k argumentaci, která se velmi blížila postoji, že OZP mohou vlastně vykonávat jen pro ně vymezené pracovní činnosti, např. úklidové práce. S faktem, že by se mohli ucházet o standardní pracovní pozici, se mnoho nepočítá. Pokud jde o poskytované služby, dá se tvrdit, že agentury, které poskytují poradenskou a informační službu mají zároveň větší tendenci poskytovat i další služby, zejména vyhledávání. Celkově pak je větší tendence poskytovat komplexní služby u větších agentur a u NO a je to také typičtější pro nespecializované AP a agentury mající zkušenost s OZP, jak vyplývá ze vztahů výše. Nicméně tyto závislosti nejsou tak silné, jako ty uvedené v předchozích odstavcích. Přesto naznačují určitou tendenci malých, komerčních agentur specializovat se jen na výseč segmentu služeb, které mohou AP poskytovat.

5.3 Jaké agentury jak hodnotily? AP rozhodně nejsou homogenní skupinou. Jak už bylo naznačeno několikrát výše, největší rozdíl je mezi tím, zda se jedná o NO, nebo agenturu komerční. Rozdíl je i mezi agenturami, které se specializují na osoby znevýhodněné na trhu práce, a těmi, které ne. Záleží i na tom, zda se AP specializuje jen na segment profesí, kterým zaměstnání zprostředkovává, nebo je stran profesí nevyhraněná, či se zaměřuje jen na zaměstnance pro vlastní firmu. Z naší analýzy také vycházejí poměrně silné regionální rozdíly, nicméně kvůli skutečnostem uvedeným výše je těžké je nějak rozumně kvantifikovat. Jedinou výjimkou by mohla být Praha, kde je mnoho lokálních AP, které nepůsobí nikde jinde (viz Obr.11) a tedy můžeme skutečně mluvit o situaci v hlavním městě jako o odlišné od zbytku republiky a to i s přihlédnutím k množství AP v našich datech, které mají pražskou působnost.

- 20 -

Obr.11: Mapka krajů ČR, která zobrazuje, kolik procent z AP s působících v Praze působí i v jiných krajích. Z mapky jasně vyplývá, že AP působící v Praze jsou z velkého dílu lokální a s výjimkou Středočeského kraje do jiných krajů nezasahují (ačkoli zde mohou tvořit většinu AP – jedná se především o kraje, kde máme zastoupeny výlučně AP působící na velkém území ČR).

V porovnání s komerčními agenturami hodnotí NO o něco lépe administrativní zátěž (průměr 2,86 u NO vs. 2,98 u komerčních AP – viz Obr.12a). Výrazně lépe hodnotí přeposílání klientů od ÚP (průměr 3,50 vs. 4,53 – viz Obr.12c) a celkovou komunikaci s ÚP (průměr 2,44 vs. 4,00 – viz Obr.12e, porovnejte se zmínkou o rozdílech v hodnocení v 4.5), který je také výrazně více kontaktuje (průměr 1,75 tj. většinu kontaktují alespoň trochu, do 5 vs. 1,17, tj. spíše nekontaktuje – viz Obr.12g). Naopak výrazně méně je kontaktují zaměstnavatelé (průměr 2,63, tj. mezi 5 a 20 kontakty za rok vs. 3,38, tj. tak 20 až 100 kontaktů ročně – viz Obr.12i). Velmi podobně jsou na tom i agentury specializující se na práci se znevýhodněnými klienty: i zde je tendence k lepšímu hodnocení administrativy (průměr 2,60 vs. 3,02 – viz Obr.12b) a jsou častěji kontaktovány ÚP (průměr 1,67, tj. spíše kontaktují do 5 za rok vs. 1,20, tj. spíše nekontaktují – viz Obr.12h). I výrazně vyšší tendence k lepšímu hodnocení jak přeposílání klientů od ÚP (průměr 3,53 vs. 4,50 – viz Obr.12d), tak celkové komunikaci s ÚP (průměr 2,40 vs. 3,98 – viz Obr.12f) je přítomna. To jasně ukazuje, že jak ze strany ÚP, tak ze strany zaměstnavatelů existuje diskriminační přístup. ÚP častěji a lépe komunikují s NO, které se hlavně soustřeďují na umístění znevýhodněných osob (jejichž umístění je pro ÚP těžší a komunikace s nimi náročnější), než s běžnými AP. To by odpovídalo i stížnostem AP na diskriminační přístup ÚP, předsudky a špatnou komunikaci. Naopak zaměstnavatelé nepociťují potřebu, možná i vlivem předsudků, kontaktovat AP poskytující zaměstnání znevýhodněným osobám, tj. nejen OZP, ale i lidem nad 50 nebo čerstvým absolventům. Jinými slovy je nenapadne mezi OZP vůbec hledat (viz výše). Rozdíly v hodnocení administrativní náročnosti by se daly vysvětlit tak, že AP pracující se znevýhodněnými jsou - 21 -

zvyklejší na administrativní náročnost, která je na ně naložena, na rozdíl od těch AP, které mají tendenci srovnávat tuto zátěž spíše s komerční sférou.

A

B 0.5 0.4 0.2 0.1

0.1

0.0

0.0 1

2

3

4

5

1

5. Jak hodnotíte administrativní náročnost týkající se zřízení a vedení agentury práce?

3

4

5

0.5

nespecializované na znevýhodněné

0.3 0.2

Density

0.3

0.4

0.4

0.5

komerční neziskovka

0.0

0.0

0.1

0.1

0.2

Density

2

5. Jak hodnotíte administrativní náročnost týkající se zřízení a vedení agentury práce?

D

C

1

2

3

4

5

1

9. Jak hodnotíte spolupráci s ÚP v oblasti přeposlání klientů z ÚP do agentury?

2

3

4

5

9. Jak hodnotíte spolupráci s ÚP v oblasti přeposlání klientů z ÚP do agentury?

nespecializované na znevýhodněné

0.2 0.1

0.1

0.2

Density

0.3

0.3

F

0.4

E

1

2

3

4

10. Jak hodnotíte obecně komunikaci s ÚP?

0.0

komerční neziskovka

0.0

Density

nespecializované na znevýhodněné

0.3

Density

0.3 0.2

Density

0.4

0.5

komerční neziskovka

5

1

2

3

4

5

10. Jak hodnotíte obecně komunikaci s ÚP?

- 22 -

G

0.2 0.0

0.1

Density

0.3

komerční neziskovka

1

2

3

4

5

11. Kolikrát se na Vás během roku 2013 obrátili zaměstnavatelé s žádostí o spolupráci?

Obr.12: Distribuční křivky porovnávající hodnocení náročnosti administrativy (otázka č. 5: A, B), přeposílání klientů od ÚP (otázka č. 9: C, D), celkovou komunikaci s ÚP (otázka č. 10: E, F) a kvantifikaci zasílání nabídek od zaměstnavatelů (otázka č. 11: G) mezi NO („neziskovka“: zelená) a komerčními AP („komerční“: červená) – grafy A, C, E a G, a mezi AP zaměřenými na klientelu znevýhodněnou na trhu práce („na znevýhodněné“: zelená) a ostatními AP („nespecializované“: červená) – grafy B, D a F. K převodu kvantifikace na bodové hodnocení u grafu G viz popisek Obr.10 a Příloha II.

AP, které se specializují na nějaký segment trhu práce nebo na vlastní zaměstnance, lépe hodnotí finanční stránku celé věci (průměr 2,66 a 2,5 vs. 3,37 u nespecializovaných – viz Obr.13A), ale znatelně hůře hodnotí komunikaci s ÚP (průměr 4,00 vs. 3,44 u nespecializovaných – viz Obr.13B). Naproti tomu AP, které se zaměřují jen na vlastní zaměstnance, hodnotí komunikaci s ÚP jako lepší (průměr 2,00) a pochopitelně je vůbec nekontaktují zaměstnavatelé (průměr 1, tj. žádný kontakt oproti 3,24 u specializovaných AP a 3,29 u nespecializovaných, tj. nejčastěji do 20 kontaktů za rok). AP s vlastní klientelou se nicméně špatně hodnotí, protože v této kategorii jsou jen dva respondenti. Vyplývá nám z toho, že agentury, které jsou zaměřeny jen na určitou část oborů, mohou lépe vyhovět požadavkům, které na ně mají zaměstnavatelé, a tedy si zajistit lepší příjem prostředků než ty, které se snaží vyhledat jakoukoli práci pro své klienty. Může to být i tím, že specializované agentury dodávají často lidi na dobře kvalifikované pozice, jako je třeba management. Horší zkušenost s ÚP bude pak pravděpodobně součástí toho, že specializované AP jsou zároveň ve valné většině případů komerční.

- 23 -

B

0.5

A

nespecializovaná specializovaná

0.0

0.2 0.0

0.1

0.1

0.2

Density

Density

0.3

0.4

0.3

nespecializovaná specializovaná

1

2

3

4

5

6. Jak je pro Vás komplikované zajistit financování provozu agentury práce?

1

2

3

4

5

10. Jak hodnotíte obecně komunikaci s ÚP?

Obr.13: Distribuční křivky porovnávající hodnocení komplikovanosti zajištění financování (otázka č. 6: A) a komunikace s ÚP (otázka č. 10: B) mezi agenturami specializovanými na nějaký segment trhu práce („specializované“: zelená) a nespecializovanými („nespecializované“: červená).

Srovnáme-li agentury jen na základě jejich velikosti, pak vychází, že velké na rozdíl od malých a středních jsou o něco více kontaktovány zaměstnavateli (průměr 3,57, tj. mezi 20 a 100 kontakty za rok vs. 3,16, tj. do 20 kontaktů – Obr.14A) a jsou také spokojenější s formou AP u nás (průměr 2,57 vs. 3,05 – Obr.14B). Tento výsledek je lehce alarmující. Znamenalo by to, že zdejší systém o něco více vyhovuje velkým společnostem a že jsou i preferovány. To by odpovídalo i stížnostem, které se nám v dotazníku objevily, právě vůči postupu velkých AP, které údajně mívají snahu monopolizovat si trh práce i v kontaktu s ÚP. Svou roli bude jistě hrát i to, že mezi menšími AP budou častěji i takové, které jsou agenturou jen z donucení systému fungování trhu práce u nás, aby mohly pružněji nakládat se svými zaměstnanci v rámci korporace. Na druhou stranu více kontaktů od zaměstnavatelů může prostě jen vyjadřovat ono působení na větším území, takže se do výsledku posčítají zaměstnavatelé z různých krajů. Ze současných dat nejsme bohužel schopni obě tyto polohy odlišit.

- 24 -

A

0.4

B malé a střední AP velké AP

0.1

0.2

Density

0.2 0.1

0.0

0.0

Density

0.3

0.3

malé a střední AP velké AP

1

2

3 13. Vyhovuje Vám forma AP?

4

5

1

2

3

4

5

11. Kolikrát se na Vás během roku 2013 obrátili zaměstnavatelé s žádostí o spolupráci?

Obr.14: Distribuční křivky porovnávající hodnocení toho, jak AP vyhovuje tato forma společnosti (otázka č. 13: A) a kvantifikace toho, kolikrát byla AP kontaktována od zaměstnavatelů (otázka č. 11: B) mezi skupinou velkých („velké AP“: zelená) a skupinou malých a středních AP („malé a střední AP“: červená). K převodu kvantifikace na bodové hodnocení u grafu B viz popisek Obr.10 a Příloha II.

U pražských AP se asi nejvíce projevuje fakt, že je mezi nimi malý podíl NO a agentur pracujících s osobami znevýhodněnými: hodnocení zasílání nabídek (průměr 4,78 vs. 4,14 – Obr.15A) i klientů (průměr 4,74 vs. 4,00 – Obr.15B) od ÚP jsou hodnoceny o něco hůře než jinde a vše se násobí v hodnocení komunikace s ním (průměr 4,26 vs. 3,23 – Obr.15C). Také kontaktování ze strany ÚP prakticky neexistuje (průměr 1,07, tj. prakticky vůbec vs. 1,45, tj. asi tak v polovině případů alespoň do 5 kontaktů – Obr.15D), zatímco zaměstnavatelé kontaktují tyto AP o něco častěji (průměr 3,48, tj. mezi 20 a 100 kontakty za rok vs. 3,02, tedy do 20 kontaktů za rok – Obr.15E). Ale pochopitelně vše může být způsobeno tím, že mimo Prahu nám odpovídaly převážně buď NO, nebo naopak velké, komerční AP. Můžeme tedy náš průzkum uzavřít s tím, že pověst ÚP mezi AP závisí čistě na jeho aktivitě, do které se bohužel (jak poznamenalo i několik respondentů) vkrádají předsudky a prvky nerovného přístupu. Na druhou stranu takové jednání a tendenční myšlení se projevuje i ze strany zaměstnavatelů. Také to vypadá, že to, jak je zde nastaveno fungování AP, prospívá spíše velkým firmám, než regionálním agenturám. Ačkoli otázka míry generalizace všech našich závěrů na situaci v celé ČR je na základě našich výsledků i poznámek od některých respondentů stále otevřená, můžeme tvrdit, že AP jako celku více vadí obecnější nešvary českého podnikatelského prostředí, než nějaké specifikum spojené s jejich provozem.

- 25 -

B

mimopražské pražské

mimopražské pražské

0.4

Density

0.2

0.4

0.0

0.0

0.2

Density

0.6

0.6

0.8

A

1

2

3

4

5

1

8. Jak hodnotíte spolupráci s ÚP v oblasti zasílání pracovních nabídek?

2

3

4

5

9. Jak hodnotíte spolupráci s ÚP v oblasti přeposlání klientů z ÚP do agentury?

C

Density

0.0

0.1

0.2

0.3

0.4

mimopražské pražské

1

2

3

4

5

D

E

0.4

10. Jak hodnotíte obecně komunikaci s ÚP?

mimopražské pražské

0.1

0.2

Density

1.0 0.5

0.0

0.0

Density

0.3

1.5

mimopražské pražské

1

2

3

4

5

7. Kolikrát se na Vás během roku 2013 obrátila krajská pobočka ÚP s žádostí o spolupráci?

1

2

3

4

5

11. Kolikrát se na Vás během roku 2013 obrátili zaměstnavatelé s žádostí o spolupráci?

Obr.15: Distribuční křivky porovnávající hodnocení toho, jak jsou AP spokojené se zasíláním nabídek (otázka č. 8: A) a klientů (otázka č. 9: B) z ÚP, s komunikací s ÚP (otázka č. 10: C) a kvantifikace toho, kolikrát byla AP kontaktována od ÚP (otázka č. 7: D) a kolikrát od zaměstnavatelů (otázka č. 11: E) mezi AP působících v Praze („pražské“: zelená) a čistě mimopražskými („mimopražské“: červená). K převodu kvantifikace na bodové hodnocení u grafu D a E viz popisky Obr.10 a 11 a Příloha II.

- 26 -

6. SOUHRN •

Seznam AP na oficiálních stránkách MPSV není zcela aktuální a může vést k odrazení uchazečů o zaměstnání.

•

Podíl AP, které se zaměřují na OZP, není velký a stále zde přetrvávají předsudky vůči jejich zaměstnávání a schopnostem, které mohou být jen prodloužením postoje celé společnosti.

•

Administrativní náročnost kladená na AP je shledávána jako obvyklá. Agenturám nejvíce vadí celkové množství byrokracie a přemíra administrativy.

•

Finanční zajištění provozu AP je hodnoceno jako středně obtížné. Nejvíce agenturám vadí špatná platební morálka firem, kterým AP propůjčuje své zaměstnance.

•

Zasílání nabídek i přeposílání klientů od ÚP hodnotí valná většina AP za nedostatečné a jako hlavní příčinu vidí nezájem ÚP.

•

V hodnocení komunikace s ÚP se AP rozdělují do dvou přibližně stejně velkých skupin, kde jedna nevidí v komunikaci nějaký závažnější problém, zatímco druhá ji shledává za stejně nedostatečnou jako předchozí dva body. Hlavní nedostatky vidí AP v kvalitě úředníků ÚP a celkové neochotě ÚP ke komunikaci.

•

Většinu AP nekontaktuje ÚP vůbec, anebo jen málo, což bude jistě jedna z hlavních příčin špatných hodnocení ÚP výše. Naproti tomu zaměstnavatelé komunikují s mnohem větším podílem AP a mnohem častěji.

•

Z důvodů, které AP často uvádějí, je zřejmé, že většina stížností má spíše obecnější charakter, na který bychom narazili i jinde: přebujelá byrokracie a administrativa, neochota úřadů spojená s jejich zahlcením, nejasná a protichůdná legislativa, chybějící státní koncepce a špatná platební morálka firem.

•

Přesto se nedá říct, že by AP byly se svou situací nějak zásadně nespokojené. Pro zlepšení své situace by uvítaly především zjednodušení administrativy, změnu systému povolení a vyřešení problematiky platby pojištění a zaměstnávání OZP. To potvrzují i následující analýzy: AP chtějí zjednodušit administrativu a zlepšit své financování.

Alespoň

s tím

druhým

může

pomoci

zatraktivnění

AP

pro

zaměstnavatele. •

To, jak AP hodnotily ÚP, nemělo žádnou souvislost s tím, jak jsou spokojené se svou činností, financováním či administrativou. Jedná se o dva oddělené problémy.

•

ÚP mohou zlepšit svou pozici mezi AP zvýšením vlastní aktivity směrem k nim.

- 27 -

•

Pokud jde o AP, tak zaměstnávání OZP se u nás prakticky výlučně věnuje neziskový sektor.

•

Komerční agentury specializované na nějaký segment pracovních pozic (např. management) mají jen minimální zkušenosti s OZP, což může naznačovat na diskriminační přístup v komerční sféře, nebo při nejmenším na tendenční smýšlení o OZP.

•

Malé AP mají větší tendenci specializovat se jen na část služeb, které AP mohou nabízet.

•

Hodnocení konkrétní AP záviselo na tom, zda se jedná o NO, zda pracuje s osobami znevýhodněnými na trhu práce a zda se specializuje jen na nějakou oblast pracovních posic. Jisté specifikum je též Praha.

•

NO a agentury pracující se znevýhodněnými hodnotí lépe spolupráci s ÚP než agentury komerční. Rozdíl je nejpatrnější u hodnocení celkové komunikace a bude to příčina popisovaného rozdílu v hodnocení komunikace s ÚP. NO jsou ale zároveň méně často kontaktovány zaměstnavateli. To jen potvrzuje diskriminační přístup vůči AP: od zaměstnavatelů vůči NO, ale také od ÚP vůči komerčním AP.

•

AP specializované na určitý segment trhu práce mají menší problémy se zajištěním vlastního financování, na druhou stranu jejich zkušenost s komunikací s ÚP je horší, což podtrhuje problematiku nastíněnou výše.

•

Dle hodnocení spokojenosti s formou AP u nás se zdá, že systém fungování AP je nastaven tak, že podporuje hlavně velké, celorepublikové AP, které jsou také častěji vyhledávány zaměstnavateli.

•

Specifičnost situace v Praze bude nejspíše způsobena malým podílem NO mezi pražskými AP v našich datech. Zejména komunikace s ÚP je zde hodnocena hůře než jinde.

- 28 -

PŘÍLOHA I: DOTAZNÍK 18.4.2014 Dotazník pro registrované Agentury práce na téma Spolupráce s Úřadem práce - Formuláře Google https://docs.google.com/forms/d/1Rvb66_aMqxuR43BR0h5yKjDf7jmHxqUFD3vlDN3rhac/edit 1/5

Dotazník pro registrované Agentury práce na téma spolupráce s Úřadem práce Cílem tohoto dotazníkového šetření je zjistit, jak účinné jsou metody aktivní politiky zaměstnanosti, konkrétně jak Úřad práce spolupracuje s registrovanými Agenturami práce. Získaná data budou sloužit jako podklad k rozvoji podporovaného zaměstnávání, případně k návrhu legislativních změn týkajících se pracovního uplatnění lidí se zdravotním postižením. *Povinné pole 1. Jste nezisková organizace? * Označte jen jednu elipsu. Ano. Ne. 2. Ve kterém kraji působíte? * Zaškrtněte všechny platné možnosti. Hlavní město Praha Středočeský kraj Jihočeský kraj Plzeňský kraj Karlovarský kraj Ústecký kraj Liberecký kraj Královéhradecký kraj Pardubický kraj Kraj Vysočina Jihomoravský kraj Olomoucký kraj Moravskoslezský kraj Zlínský kraj 3. Jakou formu zprostředkování Vaše pracovní agentura nabízí? * Zaškrtněte všechny platné možnosti. vyhledání zaměstnání zaměstnávání osob poradenská a informační činnost 4. Jaká je Vaše cílová skupina? * ________________________________________________________ 5. Jak hodnotíte administrativní náročnost týkající se zřízení a vedení agentury práce? * Označte jen jednu elipsu. 1 (snadné) 2 3 4 5 (prakticky nemožné) Můžete blíže specifikovat v čem tato náročnost dle Vás spočívá? ________________________________________________________

- 29 -

6. Jak je pro Vás komplikované zajistit financování provozu agentury práce? * Označte jen jednu elipsu. 1 (vůbec) 2 3 4 5 (velmi) V čem přesně je dle Vás zajištění financování komplikované? ________________________________________________________ 7. Kolikrát se na Vás během roku 2013 obrátila krajská pobočka ÚP s žádostí o spolupráci? * Označte jen jednu elipsu. vůbec do 5 do 20 do 100 nad 100 8. Jak hodnotíte spolupráci s ÚP v oblasti zasílání pracovních nabídek? * Označte jen jednu elipsu. 1 (vynikající) 2 3 4 5 (prakticky není) V čem přesně je dle Vás největší překážka v této spolupráci s ÚP? ________________________________________________________ 9. Jak hodnotíte spolupráci s ÚP v oblasti přeposlání klientů z ÚP do agentury? * Označte jen jednu elipsu. 1 (vynikající) 2 3 4 5 (prakticky není) V čem přesně dle Vás tkví problém, že tato forma spolupráce nefunguje podle Vašich představ? ________________________________________________________ 10. Jak hodnotíte obecně komunikaci s ÚP? * Označte jen jednu elipsu. 1 (vynikající) 2 3 4 5 (prakticky není) V čem spatřujete příčiny nedostatečné komunikace s ÚP? ________________________________________________________

- 30 -

11. Kolikrát se na Vás během roku 2013 obrátili zaměstnavatelé s žádostí o spolupráci? * Označte jen jednu elipsu. vůbec do 5 do 20 do 100 nad 100 12. Spolupracovali jste při zprostředkování zaměstnání s lidmi se zdravotním postižením? * Označte jen jednu elipsu. Ano. Ne. Můžete specifikovat, o jaké postižení se jednalo? ________________________________________________________ 13. Vyhovuje Vám forma „agentura práce“ nebo byste uvítali změny v oblasti legislativy, nebo administrativních postupů? * Označte jen jednu elipsu. 1 (zcela vyhovuje) 2 3 4 5 (vyžaduje radikální změny) Můžete se rozepsat, jaké změny byste uvítali? ________________________________________________________

- 31 -

PŘÍLOHA II: METODIKA Zpracování dat získaných z dotazníkového šetření mezi AP probíhalo ve čtyřech krocích: 1) určení základních statistik, 2) analýza vztahů mezi jednotlivými hodnoceními, 3) hodnocení vztahů mezi jednotlivými kategoriemi v rámci AP a 4) hodnocení vztahů mezi kategoriemi a hodnoceními. Všechny testy byly provedeny ve freewarovém programu R 3.1.14 s využitím přídavných knihoven „car,“ „MASS,“ „sm,“ „vegan“ a „zoom.“ Základní statistiky Základní statistiky spočívaly v nalezení rozptylů, distribuce hodnot a četností, případně průměru a mediánu. Sloužily nám pro základní charakteristiku našeho datového souboru a zjištění celkové situace. Vztahy mezi hodnoceními a mezi kategoriemi Pro účel analýzy jsme naše proměnné (odpovědi na otázky) rozdělil do dvou skupin: 1) známkování komunikace a odhady četnosti nabídek zaslané na AP (otázky č. 5 až 11 a 13) a 2) otázky specifikující blíže konkrétní AP (otázky č. 1 až 4 a 12) doplněné o další kategorizace, které vyplynuly z dotazníkového šetření (zkušenost s OZP 3. stupně, zaměření se na osoby znevýhodněné na trhu práce, velikost AP a počet krajů, ve kterých působí a počet typů služeb, které poskytuje). Namísto tvorby klasických korelačních matic bylo ke studiu vztahů použito tzv. mnohorozměrných metod, ordinací. Jedná se o postupy, které umožňují vyzískat relevantní informaci z dat o velkém počtu proměnných (jako je hodně otázek v našem případě) a ukázat (a někdy i zhodnotit), jaké jsou mezi jednotlivými proměnnými (otázkami) vztahy, např. zda náhodou malé AP nemají horší zkušenost s komunikací s ÚP a že to třeba souvisí s tím, že se na ně ÚP příliš neobrací. Na rozdíl od korelačních matic se zde neomezujeme na konstatování vztahů každé proměnné s každou, ale analýza nám umožňuje sledovat vztahy a jejich sílu komplexně přes celý soubor a v případě zájmu podobně sledovat i porovnávat podobnost mezi jednotlivými pozorováními či pozorováními a proměnnými. Na jakém principu taková analýza probíhá? Velmi zevrubně dojde k vytvoření mraku z pozorování na základě všech našich proměnných (n) do n-rozměrného prostoru. Následně je tímto „mrakem“ vedena osa nezávisle na původních proměnných. Jejím jediným parametrem je, aby nejlépe zachytila rozdíly mezi pozorováními (jakási forma regresní přímky), tzv. první ordinační osa. Pokud

_______________ 4

R Core Team. 2014. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/

- 32 -

tato osa nevysvětlí veškerou variabilitu našich dat (což je obvyklé), pokusí se podle stejného principu vysvětlit zbylou variabilitu tvorbou druhé ordinační osy atd., dokud není vše vysvětleno. Každá z těchto ordinačních os je pak definována dvěma základními charakteristikami: kolik procent v datech vysvětluje a hodnotu kolika původních proměnných má (tzv. Eigenvalue). Pokud pak z takových os uděláme klasický bodový graf, můžeme do něj vynést původní proměnné a pozorování, což nám ukáže vztahy mezi nimi. Tvorba ordinačních os přitom může být buď tzv. neomezená, tedy vycházet jen z rozložení pozorování v n-prostoru (zde analýza hlavních komponent, PCA a tzv. trendu zbavená korespondenční analýza, DCA) a pak nám ukazuje jen vztahy mezi pozorováními (AP) a proměnnými (otázkami), nebo omezená, kde se řídí dle jiného souboru proměnných (zde kategorie v redundanční analýze, RDA). Ordinace s omezením vlastně substituují regrese pro více proměnných. Jak tedy takový graf číst? Prvním vodítkem je, kolik variability z dat je v grafu zachyceno. Čím vyšší číslo, tím vztahy více odpovídají datovému souboru. Vztahy mezi body (např. korespondenty) se určují dle jejich polohy: čím si jsou blíže, tím odpovídali podobněji. Nás ale více zajímají vztahy mezi proměnnými vyjádřenými (v případě PCA) šipkou. Zde je vztah určen vzájemnou polohou šipek. Korelace mezi dvěma proměnnými se odvozuje od cosinu úhlu, který spolu svírají, tzn. čím ostřejší úhel, tím je vazba positivnější, čím tupější, tím negativnější, a čím je blíže pravému úhlu, tím spíše spolu tyto proměnné nemají nic společného. Délka šipky pak odpovídá tomu, jak moc se ta která proměnná podílela na rozložení dat v grafu a tedy vlastně významnosti konkrétní proměnné. Z grafu je možné odečítat i relativní hodnoty pro každého korespondenta, pokud by to bylo nutné. V tomto případě je potřeba vynést kolmici mezi bodem a šipkou znázorňující původní proměnnou. Jako vstupní analýza pro hodnocení i kategoriální data sloužila DCA. Ta krom jiných výstupů umožňuje na základě délky gradientu první ordinační osy určit, který ze dvou základních typů analýz použít: zda PCA, nebo raději korespondenční analýzu (CA). V našem případě se jako vhodná ukázala PCA. PCA tedy posloužila k vynesení vztahů v rámci každé ze skupin proměnných. Aby byla její výpověď co nejvyšší, je dobré, aby vstupní proměnné byly na jednotné škále. To není problém u kategoriálních dat, kde jedinou úpravou bylo překódování odpovědí na tzv. „dummy-variables,“ tedy zda je tam daný stav proměnné přítomen či není. To mimo jiné umožňuje u proměnných, které mají více než dva stavy (např. poskytované služby) posuzovat přítomnost každého stavu nezávisle na ostatních. Problém nastává u dat z hodnocení a to kvůli - 33 -

otázkám dotazujících se na počet kontaktů v roce 2013 ať už od ÚP (otázka č. 7) nebo od zaměstnavatelů (otázka č. 11). Nejjednodušším řešením tak bylo překódovat kategorie tak, aby odpovídaly známkování u zbytku otázek. Na druhou stranu jelikož se jednalo o nějakou kategorizaci počtu, hodnocení nejlepšího stavu (tj. nad 100 kontaktů) jako 1 by nepůsobilo intuitivně. I proto bylo přistoupeno k následujícímu překódování: vůbec = 1, do 5 = 2, do 20 = 3, do 100 = 4, nad 100 = 5. Je proto nutné si při čtení grafů z PCA uvědomit, že zdánlivě negativní vztah s těmito proměnnými je ve skutečnosti positivní a naopak. Vliv kategorií na hodnocení K posouzení, zda nějaký typ AP neměl tendenci hodnotit některé otázky jinak, než zbytek agentur sloužila RDA. K té jsme se přiklonili i na základě výsledků DCA, jelikož R neobsahuje analýzu, která by nám pomohla samostatně rozhodnout mezi ordinačními analýzami jako DCA výše. RDA jsme prováděli dvakrát. Nejprve byly analyzovány oba kompletní soubory, aby se ukázal vztah a významnost všech kategorií. Následně byla na kategoriální znaky, které zde jsou v roli vysvětlujících proměnných, aplikována metoda dopředného výběru (forward selection) na základě výsledků permutačního testu, která měla určit ty proměnné, které ovlivňují hodnocení agentur nejvíce. Jako parametr pro výběr sloužil tzv. Akaikeho informační kriterion (AIC). Jeho výhodou je, že zohledňuje složitost výsledného modelu a je schopen rozlišit, zda ke zlepšení výpovědní hodnoty došlo jen na základě přidání další proměnné (což se děje vždy), nebo zda došlo ke zlepšení nad rámec tohoto „paušálního“ přírůstku. Síla vazby mezi každou kategoriální proměnnou vybranou na základě AIC s každou hodnotící otázkou byla ověřena neparametrickým Mann-Whitneyovým U-testem. Výsledky mohou vycházet hůře než v případě ordinace, jelikož zde nedochází ke sčítání efektů jednotlivých proměnných. Na druhou stranu test potvrdí a upozorní na ty nejdůležitější dělitele.

- 34 -

PŘÍLOHA III: VÝBĚR PROMĚNNÝCH Zde následuje výstup z programu R z dopředného výběru význačných kategoriálních proměnných pro RDA na základě parametru AIC (viz Příloha II) pomocí funkce „step.“ Výběr probíhá oproti nulovému modelu (ap.pca1b~1). Do výběru vstupovaly následující kategoriální proměnné: •

nezisková organizace ano / ne (nez.A / nez.N)

•

malá / střední / velká AP (vel.m / vel.s / vel.v)

•

počet krajů, ve kterých AP působí (N.kraj)

•

působnost v Praze (Praha), Středočeském (StrC), Jihočeském (JihC), Plzeňském (Plzen),

Karlovarském

(KarVar),

Ústeckém

(Ústí),

Libereckém

(Liber),

Královehradeckém (HraKra), Pardubickém (Pardub), Jihomoravském (JihMor), Olomouckém (Olom), Moravskoslezském (MorSle), Zlínském (Zlin) kraji a na Vysočině (Vysocina) •

poskytování služeb v oblasti vyhledávání (slu.V), poradenství a informování (slu.PI) a zaměstnávání (slu.Z) a počet poskytovaných služeb (N.slu)

•

specializace na vlastní zaměstnance (spec.vl), na určitý segment profesí (spec.A), či nespecializování se v oblasti profesí (spec.N)

•

práce se znevýhodněnými na trhu práce ano / ne (znevTP.A / znevTP.N)

•

nějaká zkušenost s OZP ano / ne (sOZP.A / sOZP.N)

•

zkušenost s OZP 3. stupně ano / ne (ZP3.A / ZP3.N)

Proměnné s nižším AIC než má stávající model v tom konkrétním kroku jsou zvýrazněny červeně, nicméně v souladu s dopřednou selekcí byla v každém kroku vybrána vždy jen jedna mezi významné (ta, která po přidání do modelu nejvíce snížila jeho AIC). Pokud některá proměnná mezi kroky vypadla, je jasné, že je jen silně korelována s nějakou již vybranou. Df = stupně volnosti. Pro přehlednost jsou jednotlivé kroky očíslovány. > step (rda (ap.pca1b~1, ord.2), scope = list (lower=~1, upper = ~ nez.A+ nez.N+ vel.m+ vel.s+ vel.v+ N.kraj+ Praha+ StrC+ JihC+ Plzen+ KarVar+ Usti+ Liber+ HraKra+ Pardub+ Vysocina+ JihMor+ Olom+ MorSle+ Zlin+ slu.V+ slu.PI+ slu.Z+ N.slu+ spec.A+ spec.N+ spec.vl+ znevTP.A+ znevTP.N+ sOZP.A+ sOZP.N+ ZP3.A+ ZP3.N, ord.2), direction="forward") 1) Start: AIC=156.74 ap.pca1b ~ 1 + znevTP.A 1 153.40 Df AIC + Praha 1 154.37 + nez.A 1 151.75 <none> 156.74 + spec.vl 1 156.79 + nez.N 1 151.75 + slu.Z 1 156.87 + znevTP.N 1 153.40 - 35 -

+ ZP3.A + ZP3.N + spec.A + spec.N + N.slu + slu.V + slu.PI + MorSle + Usti + StrC + JihMor + Plzen + sOZP.A

1 1 1 1 1 1 1 1 1 1 1 1 1

156.88 156.88 156.96 157.01 157.30 157.40 157.42 157.70 157.71 157.76 157.81 158.00 158.13

+ sOZP.N + Olom + HraKra + JihC + vel.v + vel.s + Pardub + KarVar + Liber + Vysocina + Zlin + vel.m + N.kraj

1 1 1 1 1 1 1 1 1 1 1 1 1

158.13 158.18 158.36 158.37 158.38 158.40 158.41 158.45 158.53 158.54 158.57 158.57 158.58

AIC 151.63 151.75 151.83 151.96 151.96 152.16 152.19 152.31 152.36 152.39 152.47 152.51 152.51 152.58 152.66 152.67

+ sOZP.N + JihC + StrC + Olom + ZP3.A + ZP3.N + JihMor + HraKra + Vysocina + vel.s + vel.v + Liber + Zlin + KarVar + N.kraj + vel.m

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

152.67 152.74 152.76 152.82 152.91 152.91 153.04 153.24 153.25 153.29 153.43 153.50 153.51 153.58 153.63 153.68

+ slu.V + MorSle + spec.A + StrC + N.kraj + ZP3.N + ZP3.A + Usti + vel.m + Vysocina + sOZP.A + sOZP.N + JihMor

1 1 1 1 1 1 1 1 1 1 1 1 1

152.23 152.36 152.40 152.40 152.48 152.58 152.58 152.59 152.60 152.63 152.72 152.72 152.82

2) Step: AIC=151.75 ap.pca1b ~ nez.A

+ Praha <none> + spec.vl + znevTP.A + znevTP.N + spec.N + slu.Z + slu.V + slu.PI + Plzen + N.slu + Pardub + MorSle + spec.A + Usti + sOZP.A

Df 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

3) Step: AIC=151.63 ap.pca1b ~ nez.A + Praha

+ Plzen + Pardub + spec.vl <none> + znevTP.N + znevTP.A + slu.Z + spec.N + Olom + JihC + N.slu + slu.PI

Df 1 1 1 1 1 1 1 1 1 1 1

AIC 151.22 151.27 151.60 151.63 151.73 151.73 151.85 151.92 151.99 152.01 152.12 152.16

- 36 2 --

+ vel.s + vel.v + Zlin

1 1 1

152.84 152.88 152.91

+ Liber + KarVar + HraKra

1 1 1

152.96 153.12 153.22

+ vel.v + ZP3.N + ZP3.A + sOZP.N + sOZP.A + JihC + JihMor + HraKra + Vysocina + vel.s + N.kraj + vel.m + Liber + Zlin + KarVar

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

152.00 152.22 152.22 152.30 152.30 152.32 152.44 152.44 152.49 152.52 152.63 152.78 152.91 152.97 152.99

+ slu.V + JihC + ZP3.A + ZP3.N + vel.s + sOZP.N + sOZP.A + Vysocina + HraKra + JihMor + N.kraj + vel.m + Liber + Zlin + KarVar

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

152.06 152.07 152.19 152.19 152.31 152.40 152.40 152.41 152.43 152.44 152.44 152.61 152.78 152.88 152.92

<none> + slu.Z + slu.PI + spec.N + spec.A

1 1 1 1

150.98 151.30 151.37 151.46 151.46

4) Step: AIC=151.22 ap.pca1b ~ nez.A + Praha + Plzen

+ spec.vl + znevTP.A + znevTP.N + Pardub <none> + spec.N + Usti + slu.PI + StrC + slu.Z + N.slu + MorSle + slu.V + Olom + spec.A

Df 1 1 1 1 1 1 1 1 1 1 1 1 1 1

AIC 151.06 151.12 151.12 151.22 151.22 151.49 151.66 151.72 151.73 151.74 151.77 151.83 151.84 151.95 151.96

5) Step: AIC=151.06 ap.pca1b ~ nez.A + Praha + Plzen + spec.vl

+ Pardub + znevTP.N + znevTP.A <none> + Usti + slu.PI + slu.Z + MorSle + spec.A + spec.N + vel.v + StrC + N.slu + Olom

Df 1 1 1 1 1 1 1 1 1 1 1 1 1

AIC 150.98 151.05 151.05 151.06 151.34 151.44 151.57 151.61 151.63 151.63 151.76 151.82 151.85 151.96

6) Step: AIC=150.98 ap.pca1b ~ nez.A + Praha + Plzen + spec.vl + Pardub

+ vel.v + Usti + znevTP.N + znevTP.A

Df 1 1 1 1

AIC 150.39 150.59 150.93 150.93

- 37 2 --

+ StrC + MorSle + HraKra + sOZP.N + sOZP.A + ZP3.A + ZP3.N + JihC + N.slu + slu.V

1 1 1 1 1 1 1 1 1 1

151.57 151.85 151.90 151.92 151.92 152.01 152.01 152.04 152.04 152.08

+ N.kraj + JihMor + vel.s + Vysocina + Zlin + Olom + Liber + KarVar + vel.m

1 1 1 1 1 1 1 1 1

152.10 152.11 152.16 152.43 152.57 152.59 152.60 152.67 152.83

1 1 1 1 1 1 1 1 1 1 1 1 1 1

151.38 151.43 151.47 151.48 151.48 151.74 151.79 151.94 151.99 152.13 152.15 152.19 152.23 152.23

1 1 1 1 1 1 1 1 1 1 1 1 1

151.25 151.25 151.27 151.31 151.54 151.62 151.82 151.87 152.00 152.00 152.00 152.00 152.03

7) Step: AIC=150.39 ap.pca1b ~ nez.A + Praha + Plzen + spec.vl + Pardub + vel.v

+ JihC + znevTP.N + znevTP.A <none> + slu.PI + spec.A + spec.N + slu.Z + StrC + Usti + MorSle + N.slu + ZP3.A

Df 1 1 1 1 1 1 1 1 1 1 1 1

AIC 150.18 150.34 150.34 150.39 150.68 150.84 150.84 150.93 151.09 151.20 151.22 151.26 151.38

+ ZP3.N + slu.V + JihMor + sOZP.A + sOZP.N + Olom + Vysocina + Zlin + HraKra + N.kraj + KarVar + Liber + vel.s + vel.m

8) Step: AIC=150.18 ap.pca1b ~ nez.A + Praha + Plzen + spec.vl + Pardub + vel.v + JihC

+ znevTP.N + znevTP.A <none> + spec.A + spec.N + slu.PI + slu.Z + StrC + MorSle + Usti + ZP3.N + ZP3.A + JihMor

Df 1 1 1 1 1 1 1 1 1 1 1 1

AIC 150.01 150.01 150.18 150.29 150.29 150.59 150.67 150.77 150.95 151.12 151.19 151.19 151.20

+ sOZP.A + sOZP.N + slu.V + N.slu + Vysocina + Olom + HraKra + Zlin + vel.s + vel.m + Liber + KarVar + N.kraj

9) Step: AIC=150.01 ap.pca1b ~ nez.A + Praha + Plzen + spec.vl + Pardub + vel.v + JihC + znevTP.N

+ spec.A

Df 1

AIC 149.68

+ spec.N <none>

1

149.68 150.01 2 ---38

+ slu.PI + StrC + slu.Z + Usti + JihMor + slu.V + MorSle + N.slu + sOZP.A + sOZP.N + ZP3.A

1 1 1 1 1 1 1 1 1 1 1

150.42 150.60 150.63 150.83 150.90 151.02 151.07 151.07 151.09 151.09 151.24

+ ZP3.N + Vysocina + Olom + Zlin + HraKra + vel.m + vel.s + KarVar + N.kraj + Liber

1 1 1 1 1 1 1 1 1 1

151.24 151.32 151.35 151.63 151.65 151.69 151.69 151.77 151.87 151.92

10) Step: AIC=149.68 ap.pca1b ~ nez.A + Praha + Plzen + spec.vl + Pardub + vel.v + JihC + znevTP.N + spec.A Df

AIC + ZP3.A 1 150.83 + Vysocina 1 150.88 <none> 149.68 + slu.PI 1 150.16 + Olom 1 150.90 + N.slu 1 151.10 + StrC 1 150.26 + slu.Z 1 150.29 + HraKra 1 151.30 + JihMor 1 150.48 + Zlin 1 151.31 + Usti 1 150.61 + vel.m 1 151.35 + MorSle 1 150.70 + vel.s 1 151.35 + slu.V 1 150.73 + KarVar 1 151.39 + sOZP.A 1 150.83 + Liber 1 151.47 + sOZP.N 1 150.83 + N.kraj 1 151.55 + ZP3.N 1 150.83 Call: rda(formula = ap.pca1b ~ nez.A + Praha + Plzen + spec.vl + Pardub + vel.v + JihC + znevTP.N + spec.A, data = ord.2)

2-- 39

PŘÍLOHA IV: DALŠÍ VÝSTUPY Z ANALÝZ Souvislosti mezi hodnoceními: DCA a PCA Jelikož je délka gradientu první osy DCA 0,898, což je hluboko pod mezní hodnotu 3, 5, je použití PCA pro zobrazení vztahů mezi hodnoceními zcela adekvátní. Význam posuzovat mají první tři (tj. osy, na které se promítají naše data a jsou odvozeny z našich proměnných), které dohromady vysvětlují 77,74% proměnlivosti (variability) v našich datech, což je velmi slušný výsledek. Nejvýznamnější, první osa vysvětluje 37,12 % variability, 2. osa vysvětluje 16,95 % a 3. osa 12,88 %. Zbylé osy se pohybují na hranici kolem 10 % vysvětlené variability, což je pro běžné korelace hranice, kdy se bere vztah jako dostatečně silný, popř. pod touto hranicí. Grafický výstup je v Obr.16 a podrobně si jej popíšeme níže: konZam

0.8

admin

0.6

komUP konUP

f AP

0.4

PC2

nabUP

0.0 0.2 -0.8 -0.6 -0.4 -0.2

PC3

0.4

kliUP

0.2 0.0 f inanc

-0.2 -0.4 -0.6 -0.8

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

PC1

Obr.16: Grafický výstup PCA otázek hodnotících činnost ÚP, stav AP a kvantifikující intenzitu kontaktů v roce 2013 jak od ÚP, tak od zaměstnavatelů. Na grafu jsou vyneseny hodnoty na prvních třech kanonických osách (PC1 až PC3). Jednotlivé AP vyneseny nejsou jednak kvůli přehlednosti a také proto, že konkrétní pozorování nás v zásadě nezajímají. Střed je vyznačen čtvercem. Spojnice z něj jdoucí ke čtenáři jsou plnou čarou, od něj přerušovaně až tečkovaně. Předozadní pozice bodů je také zvýrazněna gradientem červená – čená. Pro čtení vztahu mezi proměnnými je důležitý úhel, který svírají spojnice mezi sebou (viz Příloha II). Vysvětlivky: admin = náročnost administrativy (otázka č. 5), financ = finanční náročnost (č. 6), konUP = kontakty od ÚP (č. 7), nabUP = zasílání nabídek od ÚP (č. 8), kliUP = přeposílání klientů od ÚP (č. 9), komUP = komunikace s ÚP (č. 10), konZam = kontakakty od zaměstnavatelů (č. 11)

2- -40

1. kanonická osa ukazuje, že ty AP, které ÚP nekontaktoval (nebo jen minimálně) s žádostí o spolupráci (konUP) měly větší tendenci hůře hodnotit přeposílání klientů a nabídek z ÚP (kliUP, nabUP) i celkovou úroveň komunikace s ÚP (komUP). Ale s výjimkou spokojenosti s formou AP (fAP) a s financováním (financ) se to dá aplikovat na všechny proměnné (tedy i na administrativní náročnost, admin a kontaktování se zaměstnavatelem, konZam, ačkoli není korelace tak silná). 2. kanonická osa poukazuje na skutečnost, že AP, které málo kontaktovali zaměstnavatelé (konZam) nebyly příliš spokojeny s formou AP (fAP), administrativní náročností (admin) a finančními podmínkami (financ). Jsou to také agentury, na které se spíše moc neobracejí úřady práce (konUP). 3. kanonická osa ukazuje, že ty AP, které hodnotily kladněji administrativní náročnost (admin) a jsou spokojenější s formou AP (fAP) mají větší problémy s financováním (financ), s přeposíláním nabídek a klientů od ÚP (nabUP, kliUP) a také jsou méně často kontaktováni zaměstnavateli (konZam). Vztahy mezi kategoriemi: DCA a PCA Jelikož je délka gradientu první osy DCA 2,195, můžeme stále na zobrazení vztahů mezi jednotlivými kategoriemi použít PCA. U kategoriální proměnných má smysl zabývat se jen prvními dvěma kanonickými osami, které dohromady vysvětlují 45,52 % proměnlivosti v našich datech, což vzhledem k povaze dat pořád není špatný výsledek. 1. osa přitom vysvětluje 28,16 % a 2. 17,36 % proměnlivosti. Ostatní kanonické osy nepřesáhnou 10 % vysvětlené variability. Grafický výstup viz Obr.17. 1. kanonická osa vlastně popisuje rozložení působnosti AP do jednotlivých krajů. Malé AP (vel.m) jsou na jedné straně osy, velké (vel.v) na druhé (a zcela přirozeně roste tímto směrem i výskyt AP, které působí ve více krajích, N.kraj), středně velké (vel.s) někde uprostřed. Ukazuje také, že velké AP mají majoritní zastoupení zejména ve Zlínském, Pardubickém, Karlovarské kraji, na Vysočině a v Plzeňském kraji, nicméně na rozdíl od malých jsou součástí všech krajů České republiky. 2. kanonická osa dělí AP na ty, které se věnují znevýhodněným skupinám na trhu práce (znevTP.A) a které ne (znevTP.N), přičemž ty, které spadají do těch, které se znevýhodněným věnují jsou i s větší pravděpodobností NO (nez.A), pracují s OZP (sOZP.A) včetně osob s 3. stupněm invalidity (ZP3.A) a nespecializují se na konkrétní výseč profesí (spec.N). Jsou to také agentury, které poskytují více služeb (N.slu), zejména vyhledávání (slu.V) a poradenství - 41 3 --

a informování (slu.PI). Osa také poukazuje na to, že v Královehradeckém kraji působí více agentur poskytujících komplexnější služby.

-5

0

5

znevTP.A nez.A

5

5

spec.N sOZP.A ZP3.A

N.slu

● ● ● ● ● ● ● ● ● ●● ● ●●● ● ● ●●●●●●

spec.vl

Praha

-5

-5

vel.s

vel.v Vysocina OlomZlin N.kraj JihC KarVar Pardub StrC MorSle JihMor Plzen

0

0

PC2

slu.Z vel.m

HraKra Liber Usti

slu.PI

slu.V

ZP3.N sOZP.N spec.A nez.N znevTP.N

-5

0

5

PC1

Obr.17: Grafický výstup PCA kategoriálních proměnných. Na grafu jsou vyneseny hodnoty na prvních dvou kanonických osách (PC1 a PC2), které dohromady vysvětlují 45,52% variability. Graf se zaměřuje na vztahy mezi jednotlivými kategoriemi. Vztahy mezi AP nezachycuje plně . Z důvodu přehlednosti jsou vynechány i spojnice od středu k variantě dané kategorie, nicméně čtení zůstává stejné jako u Obr.16 (blíže viz Příloha II). Zkratky viz Příloha III.

Jak kdo hodnotil: RDA a Mann-Whitney U-test Už analýza celých souborů ukazuje, že konkrétní hodnocení, které jsme od AP dostali, velmi závisí na tom, kde daná AP působí, s jakými lidmi přesně pracuje a které ze služeb poskytuje (df = 25, F = 1,383, p = 0,015 při 199 permutacích). Pro relevantní popis vztahů nám postačují první dvě osy (1. osa vysvětluje 20,91% vztahů mezi kategoriálními proměnnými a 4 -- 42

hodnoceními, 2. 7,14%, Eigenvalue pro tyto osy jsou 1,999 a 0,683), první skupina proměnných, tj. hodnocení jsou na těchto dvou osách vyneseny se zachováním informace na 76,34% od původního souboru, tj. srovnatelně s tím, co máme v analýze výše. Z výsledků je zřejmé, že z pohledu hodnocení se dělení do některých kategorií značně překrývá. Je patrná silná positivní korelace mezi skupinou AP, které jsou NO a těch, které pracují s osobami nějak znevýhodněnými na trhu práce. Na druhou stranu toto jsou AP, které s větší pravděpodobností nepůsobí na území hl. m. Prahy. Z těchto vztahů vyplývá, že AP působící v Praze hůře hodnotí komunikaci s ÚP i zasílání nabídek a klientů od něj a že to nebudou NO zaměřené na znevýhodněné na trhu práce, kde jsou opačné tendence. Druhá výrazná skupina proměnných dělí AP dle toho, zda se specializují na některý segment trhu práce (tj. nějakou určitou oblast profesí). Přitom ty, které se nespecializují zároveň i zaměstnávají své klienty a spíše nepůsobí ve Středočeském kraji, což je zcela v protikladu s těmi, které poskytují své služby jen vybraným profesím. Platí při tom, že ty, které se nespecializují, jsou méně spokojeny s formou AP u nás a s financováním. Naopak jsou spokojenější s tím, jak jim ÚP posílá klienty. Třetí trochu výraznější skupinou jsou agentury poskytující jako službu vyhledávání, které zároveň s větší pravděpodobností působí i v Jihomoravském kraji. Tyto AP jsou méně spokojeny jak s tím, jak s nimi ÚP komunikuje, s financováním, formou AP, ale i s administrativou s tím spojenou. Na druhou stranu jsou to i AP, které častěji kontaktují zaměstnavatelé. Pro lepší interpretaci výsledků je třeba si uvědomit dvě věci: 1) jak je patrné, mezi jednotlivými vysvětlujícími, kategoriálními proměnnými existují pevné vazby (jako že o znevýhodněné se u nás starají hlavně NO a agentura, která se specializuje, zákonitě nemůže být nespecializovaná) a právě proto bylo třeba určit pomocí dopředného výběru proměnných, které proměnné jsou důležité a které se s nimi jen vezou nebo jsou pro naše vysvětlení zaměnitelné. Ty, které takovým výběrem neprošly, buď budou rozdělovat skupiny velmi podobně jako některá z těch, které ve výběru zůstaly (podobné šipky), zcela opačně (šipky na druhou stranu), nebo tam žádné dělení není (krátké šipky u středu). 2) Je nutno pamatovat, že jedna AP je součástí více skupin, které se ne vždy vylučují: kdo poskytuje jako službu vyhledávání, může zároveň své klienty i informovat, kdo působí v Praze, může působit i na Jižní Moravě. Každopádně už v této fázi je jasné, že v celkovém hodnocení bude hrát roli konkrétní zkušenost AP jak s ohledem na to, kde působí, tak s ohledem na to, jaké služby a komu poskytuje.

- 43 5 --

1.5 1.0

financ fAP

komUP

admin

spec.vl

konUP

nez.A

nabUP Praha

0

0.0

Pardub

kliUP

JihC vel.v spec.A Plzen

-1.0

-0.5

RDA2

0.5

znevTP.N

-1.5

konZam

-1

0

1

2

RDA1

Obr.18: Grafický výstup RDA kategoriálních proměnných vůči hodnocením. Na grafu jsou vyneseny hodnoty na prvních dvou ordinačních osách (RDA1 a RDA2), které dohromady vysvětlují 66,45 % variability v datech. Kategoriální proměnné vysvětlují 23,47 % variability mezi AP založené na hodnoceních. Graf se zaměřuje na vztahy mezi kategoriálními proměnnými a hodnoceními. Vztahy mezi AP nezachycuje z důvodu přehlednosti a také proto, že nás zde nezajímají. Čtení grafu viz Příloha II. Zkratky kategoriálních proměnných viz Příloha III, zkratky hodnocení viz Obr.16.

Následný dopředný výběr (viz Příloha III) zvolil jako významné dělitele pro AP tyto kategoriální proměnné, které měly vliv na hodnocení (dle pořadí výběru a tedy i důležitosti): zda se jedná o NO (nez.A), zda působí v Praze (Praha), zda působí v Plzeňském kraji (Plzen), zda se zaměřuje jen na zaměstnance vlastní, mateřské firmy (spec.vl), zda působí v Pardubickém kraji (Pardub), zda se jedná o AP působící na většině území ČR (vel.v), zda působí v Jihočeském kraji (JihC), zda se cíleně zaměřuje na práci s osobami znevýhodněnými na trhu práce (znevTP.N) a zda se specializuje jen na zprostředkování práce z určitého okruhu činností (spec.A). RDA jen s těmito vysvětlujícími proměnnými jen potvrzuje průkazné ovlivnění konkrétního hodnocení tím, o jakou agenturu se jednalo (df = 9, F = 2,871, p = 0,005 při 199 permutacích). Významný podíl na vysvětlené variabilitě dat má přitom hlavně 1. ordinační osa, která vysvětluje 18,92% celkové variability (Eigenvalue = 1,808) a společně s 2. osou (Eigenvalue 6 -- -44

= 0,435) na Obr. 18 je to 23,47% z celkové variability. Na tomtéž grafu je přitom zachyceno 66,45% variability souboru dat s hodnoceními. Je tedy zřejmé, že zásadní díl variability je podél 1. ordinační osy. Zde podobně jako v PCA jsou AP rozloženy zejména podle toho, jak hodnotily činnost ÚP (nabUP, kliUP, komUP a konUP) a částečně i to, jak mnoho je kontaktovali zaměstnavatelé (konZam). Dichotomie v hodnocení těchto otázek silně koreluje s rozdělením AP na NO, AP nepůsobící v Praze a AP pracující se znevýhodněnými na straně jedné a na komerční AP, AP s působištěm v Praze a nijak se nezaměřující na znevýhodněné skupiny na straně druhé. NO by měly mít více kontaktů od ÚP, méně od zaměstnavatelů, lépe hodnotit činnost ÚP a hůře finanční stránku věci. Jsou také méně spokojené s formou AP. V Praze působící hůře hodnotí činnosti ÚP a obdrží od něj i méně kontaktů. AP pracující se znevýhodněnými dobře hodnotí zejména komunikaci s ÚP. 2. ordinační osa zachycuje, jak AP hodnotily finanční stránku věci (financ), spokojenost s formou AP (fAP) a jak mnoho je kontaktovali zaměstnavatelé (konZam). Hodnocení těchto otázek je homogennější. O něco lépe hodnotily velké a specializované AP a AP s působností v Jihočeském a Plzeňském kraji. Hůře naopak AP zaměřené na zaměstnávání pro vlastní účely, AP s působností na Pardubicku a AP nepracující se znevýhodněnými. Vztahy graficky viz Obr.18. Výsledky Mann-Whineyova neparametrického U-testu naleznete mezi jednotlivými kategoriálními proměnnými a hodnoceními v Tab.1 Tab.1: Výsledky Mann-Whitneyova neparametrického U-testu mezi vybranými kategoriálními proměnnými (řádky) a hodnoceními (sloupce). Vynesen je parametr W a z něj odvozená průkaznost rozdílu P. Průkazné výsledky jsou označeny červeně, výsledky do hodnoty P = 0,1 modře. Kategoriální proměnné, kterými se blíže nezabýváme v hlavním textu jsou šedě. Zkratky proměnných odpovídají Obr.16 a Příloze III.

W

admin P

W

financ P

W

konUP P

W

nabUP P

W

kliUP P

W

komUP P

konZam W P

fAP W

P

nez. (ano/ne)

505,5 0,227 343,0 0,218 289,5 0,008 503,5 0,152 584,0 0,006 699,0 < 0,001 585,0 0,018 374,0 0,463

Praha (ano/ne)

526,0 0,587 641,0 0,330 705,5 0,019 430,5 0,033 377,5 0,005 328,0

0,002

440,0 0,108 563,0 0,964

Plzen (ano/ne)

280,0 0,163

391

0,667 365,5 0,983 437,0 0,156 395,0 0,570 423,5

0,339

299,0 0,307 352,0 0,854

spec. (vlastní/ostatní)

62,0

91,0

0,365

0,351 117,0

0,062

129,0 0,023

Pardub (ano/ne)

247,5 0,669 223,5 0,377

241,5 0,488 311,5 0,352 294,0 0,612 285,5

0,778

293,5 0,679 250,0 0,717

vel. (velké/ostatní)

199,5 0,713 222,5 0,915 205,5 0,761 210,5 0,879 181,0 0,392 226,0

0,858

168,0 0,320 273,5 0,246

JihC (ano/ne)

435,5 0,235 375,5 0,862 301,5 0,186 434,5 0,171 404,5 0,457 417,5

0,391

321,0 0,501 372,0 0,905

znevTP (ano/ne)

298,5 0,091 447,5 0,510 508,0 0,038 349,5 0,308 267,0 0,015 141,0 < 0,001 371,0 0,615 407,5 0,976

spec. (ano/ostatní)

626,5 0,542 757,0 0,021 630,5 0,368 575,0 0,944 534,0 0,502 425,0

0,861

82,0

0,471

48,0

0,399

45,0

0,047

67,5

1,000

566,0 0,866 633,0 0,506

7 -- -45