re vetnek fényt. A Bourbaki-csoport tevékenysé- gének és hatásának, valamint a termodinamikai egyensúly kérdéseinek ismertetése mellett külö- nösen izgalmas a Gödel-tétel Lakatos Imre által adott közelítésének bemutatása. Különösen iz- galmas, mert a közgazdaságtan is ismer hasonló eredményt Arrow lehetetlenségi tételében.
Amint a matematikusok hajlamosak Gödel téte- léről megfeledkezni, úgy a közgazdászok is gyakran hagyják figyelmen kívül Arrow tételét.
Ezt vagy oly módon teszik, hogy a reprezentatív háztartás kirekesztő feltevését alkalmazzák, vagy a jóindulatú, mindenható diktátor inkább miti- kus, mintsem valóságosan létező figurájához te- lepítik a háztartások döntéseit. Ebből a szem- pontból is örvendetes, hogy nem marad ki a könyvből az aggregálási problémáktól mentes többszektoros modellek tárgyalása.
Ezen a ponton kell rámutatni továbbá a könyv filozofikus, elsősorban tudományfilozó- fiára koncentráló tárgyalásmódjára. A mate- matika és filozófia összefüggései régóta ismer- tek, és a szerző nem is mulasztja el a figyelmet ezekre felhívni ott, ahol érdekes következteté- sek levonására nyílik lehetőség. Mindezek alapján a könyvre nemcsak elmélettörténeti, illetve dinamikus közgazdaságtani kurzusok során lehet támaszkodni, hanem közgazdász- hallgatóknak szóló tudományfilozófiai téma- körök tárgyalásakor is. A részletes bibliográfia ugyanakkor a további kutatómunkához is hasznos segítséget nyújthat.
Bessenyei István
PhD, a Pécsi Tudományegyetem docense E-mail: essenyei@.ktk.pte.hu
Folyóiratszemle
Särndal, C.-E.:
A kalibrálás a reprezentatív felvételek elméletében és gyakorlatában
(The calibration approach in survey theory and practice.) – Survey Methodology. 2007. 33. évf. 2.
sz. 99–119. old.
A tanulmány elérhető:
http://www.statcan.gc.ca/bsolc/olc-cel/olc- cel?catno=12-001-X200700210488&lang=eng
A dolgozat a kalibrálás elméletét és gya- korlatát tekinti át a mintavételes eljárások al- kalmazásaiban, különös tekintettel a legutóbbi 15 évben elért eredményekre. A tanulmány felépítése a következő:
– alapfogalmak, a mintavételi eljárásokkal kapcsolatos feltevések a bemutatott kalibrálási módszerek szempontjából;
– az általánosított regressziós becslés, en- nek lineáris és nemlineáris változata, az ún.
GREG-szemlélet;
– kalibráláson alapuló becslések, a mini- mális távolságon és az instrumentális változó- kon alapuló megközelítés, modellalapú kalib- rálás;
– számítástechnikai szempontok;
– bonyolult paraméterek kalibrált becslése;
– a kalibrálás egybevetése más módsze- rekkel,
– kalibrálás kétfázisú és kétlépcsős minta- vétel esetén,
Megjegyzés. A Folyóiratszemlét a KSH Könyvtár (Orbán-Szirbucz Zsófia) állítja össze.
– kalibrálás nemválaszolás esetén, a se- gédváltozók konstrukciója;
– kalibrálás a nem mintavételi hiba egyéb eseteiben.
Véges sokaságból vett mintán alapuló becslés esetén a kalibrálás módszere a követ- kezőképpen jellemezhető:
– adott külső információ alapján mintasú- lyokat határozunk meg, amelyek egy vagy több ún. kalibrálási egyenletnek tesznek ele- get;
– az így meghatározott súlyok segítségével lineáris kombinációkat állítunk elő a minta elemein észlelt megfigyelésekből, ezek bizo- nyos sokaságbeli értékösszegek becslései lesz- nek;
– száz százalékos válaszadási arány és zé- rus nem mintavételi hiba esetén arra törek- szünk, hogy az előbb meghatározott értékösszegbecslések közel torzítatlanok le- gyenek.
Találkozhatunk a kalibrálásnak ettől eltérő megközelítéseivel is, a témával foglalkozó iro- dalomban azonban többnyire az itt ismertetett fogalmat használják.
Hacsak hangsúlyozottan nem másról van szó, Särndal felteszi, hogy egylépcsős, n ele- mű mintával van dolgunk, a sokaság elemszá- ma N > n, továbbá meghiúsulás és nem minta- vételi hiba nem lép fel, és a sokaságbeli érték- összegek a Horvitz–Thompson becslőfügg- vénnyel becsülhetők.
Az általánosított regressziós becslés a ka- librálással rokon technika, és bizonyos esetben a kettő egybe is esik. Becsléseknek egy széles körű családjáról van szó, amelyre a követke- zőkben az angol GREG (generalized regression) mozaikszóval hivatkozunk. Ennek központi gondolata az, hogy a rendelkezésre álló külső információ alapján az y célváltozó- nak a sokaság minden k elemére előállítható az
ˆk
y regressziós becslése, és így a sokaságbeli Y =
∑
Nj=1yj értékösszegnek egy közelítőleg torzítatlan („nearly design unbiased”) becsléseˆGREG
Y =
∑
sd yk k + (∑
Nk=1yˆk−∑
sd yk kˆ ), ahol dk a sokaság k-adik eleméhez tartozó mintasúly a mintavételi eljárás szerint (a kö- vetkezőkben: design súly), a Σsszimbólum pedig a minta elemeire vonatkozó összegzést jelöli.Kitüntetett szerepe van a lineáris általáno- sított regressziós becslésnek, más szóval lineá- ris GREG-nek, amely azt feltételezi, hogy az y célváltozó a teljes sokaságon az alábbi modell- feltételeknek tesz eleget:E yξ( )k =β'xk és
( )k 2k
V yξ = σ , k = 1, 2, …, N. Itt xk a külső in- formációt képviselő segédváltozók vektora a sokaság k-adik elemére vonatkozóan – ennek dimenziója kisebb mint n –, β az yk és az xkközötti lineáris regressziós kapcsolat együtthatóinak vektora, az aposztróf transzpo- nálást jelöl, Eξ, és Vξ pedig a modell szerinti várható érték, illetve szórásnégyzet. Az alkal- mazások többségében felteszik, hogy σ2k k-tól független.β becslése a teljes sokaságon B, ennek becslése a minta alapján Bs, ennek se- gítségével a sokaságbeli Y értékösszeg lineáris GREG becslése a következőképpen írható:
ˆGREG
Y =
∑
kN=1B x′s k +∑
sd yk( k−B xs k′ ). A regressziószámítás ismert összefüggései sze- rint az egyenlőség jobb oldalának második tag- ja eltűnik, ha yk helyébe a segédváltozók va- lamelyikét írjuk, tehát a segédváltozók érték- összegének GREG-becslése a megfelelő soka- ságbeli értékösszeggel egyenlő. Bslineáris függvénye a megfigyeltyk értékeknek, ezért a lineáris GREG értékösszegbecslést a követke- ző alakba is írhatjuk: ˆGREGs k k
Y =
∑
w y , ahol a wk súlyok a mintához tartozó dk, xk és2k
σ értékektől függnek, az yk értékektől azonban függetlenek. A lineáris GREG-becs
lés ezért kalibrált becslésnek is tekinthető, így ebben az esetben a GREG és a kalibrálás egy- be esik. A becslés torzítása a sokasági átlag (Y =Y N/ ) vonatkozásában átlagosan 1/n nagyságrendű .
Nemlineáris GREG esetén a modell a cél- változó és a segédváltozók valamilyen nemline- áris kapcsolatára épül, a célváltozónak a segéd- változókra mint feltételekre vonatkozó feltételes várható értékét és szórásnégyzetét nemlineáris függvények írják le. Ezeknek a modelleknek egy fontos speciális esetében az yk célváltozó
μk feltételes várható értékének egy ( )gμk függvénye xk′θ alakú, ahol g megfelelő tulaj- donságokkal rendelkező invertálható függvény,
′k
xθ pedig a segédváltozóknak a θ θ θ1, , ,2 3 … paraméterekkel képezett lineáris kombinációja, yk feltételes szórásnégyzete pedig μk-nak egy ugyancsak megfelelő tulajdonságokkal rendel- kező függvénye. A modell alapján becsüljük a
θ paramétervektort a sokaság k-adik elemére vonatkozóan, a célváltozó becslését
1 ˆ
ˆk ˆk ( k )
y = μ =g− x′θ alakban állítjuk elő, és en- nek alapján már alkalmazható az általános eset- re vonatkozó GREG értékösszeg-becslés. Ehhez a modellcsaládhoz tartoznak a logisztikus mo- dellek is, ezeknél a g függvény a
log(μk/(1− μk)) függvény inverze (μk szük- ségképpen 0 és 1 közé esik). Egy munkaerő- felmérésben megfelelő segédváltozók birtoká- ban a foglalkoztatottak, munkanélküliek és inaktívak létszámára is adhatunk GREG- becslést logisztikus modell segítségével.
Az általánosított regressziós-, tehát GREG-becslésről elmondható, hogy míg a li- neáris GREG alkalmazásai a számos gyakorla- ti előny folytán rendkívül elterjedtek, a nemli- neáris változat inkább elméleti szempontból érdekes. Nemlineáris modellel ugyanis rend- szerint a szórásnégyzet csökkenését lehet elér- ni a lineáris modellhez képest, ugyanakkor vi- szont a modellre vonatkozó feltevések a gya- korlatban csak ritkán ellenőrizhetők.
Az általánosított regressziós becslések kö- zéppontjában a modell áll, és az egy szeren- csés körülmény, hogy lineáris esetben a se- gédváltozók értékösszegének GREG-becslése megegyezik a megfelelő sokaságbeli értékösz- szeggel. Särndal ezzel kapcsolatban GREG szemléletről („GREG thinking”) beszél, szem- beállítva azt a kalibrálási szemlélettel („calibration thinking”), amely általában nem valamilyen modellből, hanem a külső informá- ció hatékony felhasználásából indul ki, és a ka- librálási feltételekben nyilvánul meg. Érték- összeg becslése esetén a kalibrálási feltéte- lek
∑
swk kx =∑
Nk=1xk alakúak, ahol wk a minta k-val jelölt eleméhez tartozó kalibrált súlyt jelenti, a kalibrálás feladata éppen ennek meghatározása. Az xk segédváltozók sokaság- beli értékösszegét ismertnek feltételezzük (külső információ). A kalibrálási feltételeknek általában végtelen sok megoldása van, a kalib- rálás legrégebbi, leggyakrabban alkalmazott módszere ezek közül egy olyan megoldást vá- laszt ki, amely bizonyos értelemben „legköze- lebb” van a dk design súlyokhoz. Ezt a mód- szert a távolságfüggvény módszerének neve- zik. A G w dk( , )távolságfüggvényről felteszik, hogy szigorúan konvex, folytonosan differen- ciálható, nem negatív és értéke csak akkor 0, ha w d= A G w dk( , )függvény segítségével a kalibrálási feladatot a következő szélsőérték- feladattá alakítjuk át: keressük a∑
sG w dk( , )k k függvény minimumát a∑
swk kx = 1N k= k
∑
xkalibrálási feltételek mellett.
Ha a kalibrálási feltételekből álló egyenlet- rendszernek van megoldása, akkor a tekintett szélsőérték-feladat is megoldható, a szokásos technika (Lagrange-multiplikátorok plusz nu- merikus módszerek) célhoz vezet. Ha
( , )
G w dk lineáris, a wk kalibrált súlyok mátrixinvertálás segítségével zárt alakban előállíthatók. Ha speciálisan G w dk( k, k)=
=(wk−dk) / 22 d qk k és qk= σ1/ 2, akkor az Y értékösszeg kalibrált becslése megegyezik a lineáris GREG-becsléssel: YˆCal=YˆGREG. A li- neáris GREG-nek ezen a sajátságán alapul a kanadai munkaerő-felmérésben alkalmazott létszámbecslés, melyben rekordszinten kombi- nálják a tárgyidőszakhoz és az eggyel korábbi időszakhoz tartozó megfigyeléseket („compo- site estimator”).
A GREG-becsléssel előállított kalibrált sú- lyok között negatívok is előfordulhatnak. Van- nak olyan távolságfüggvények is, amelyeknél negatív kalibrált súly nem fordulhat elő, nullá- hoz közeli vagy kiugróan magas értékek viszont igen. Léteznek olyan kalibrálási eljárások is, amelyeknél a kalibrált súlyok értéke előre adott alsó és felső határok között változhat. J. C.
Deville és Särndal 1992-ben kimutatták, hogy azonos kalibrálási feltételek mellett a kalibrált létszámbecslések csak kis mértékben függnek a távolságfüggvény választásától, aszimptotiku- san egyenértékűek. Ez egyebek között azt is je- lenti, hogy szórásnégyzetük csak elhanyagolha- tó mértékben tér el egymástól.
A távolságfüggvények módszerének egy alternatívája az ún. instrumentális változók módszere. Ezt úgy jellemezhetjük, hogy a ka- librált és a design súlyok között egy
( )
k k k
w =d F λ′z alakú összefüggés áll fenn, ahol zk az instrumentális változók vektora és
′ k
λz ezeknek a λ λ λ1, , ,2 3 … együtthatókkal képezett lineáris kombinációja a minta k-val jelölt elemére nézve. A λi együtthatókat wk- nak a kalibrálási feltételekbe való behelyettesí- tésével kell meghatározni. Az instrumentális változók számának meg kell egyeznie a segéd- változók számával, és lineáris F függvény ese- tén a z xk k′ diádikus szorzatoknak a minta elemire való összegzésével invertálható mátri- xot kell kapnunk. Az instrumentális változók alkalmas választásával bizonyos szempontból optimális becslésekhez juthatunk.
A távolságfüggvénnyel vagy az instrumen- tális változókkal meghatározott kalibrálásban a
segédváltozóknak csak a sokaságbeli értékösz- szegét kell ismernünk, a változóknak a soka- ság minden egyes eleméhez tartozó értékét nem. Ha viszont ez az utóbbi információ is rendelkezésre áll, akkor annak hatékonyabb kihasználását biztosítja az ún. modellkalibrá- lás. Ekkor a modell segítségével a sokaság minden egyes elemére előállítjuk azyk célvál- tozó ˆyk becslését, és ezek segítségével a kö- vetkező két kalibrálási feltételt írjuk fel:
swk =N
∑
és∑
sw yk kˆ =∑
Nk=1yˆk . Távolság- függvényként a G w dk( k, k)== (wk−dk) / 22 d qk k függvényt választva, meghatározzuk a wk kalibrált súlyokat, és ezekkel az YˆMCAL=
∑
sw yk k becslést. A mo- dellkalibrálással meghatározott értékösszeg- becslések szórásnégyzete általában kisebb, mint a hagyományos (távolságfüggvénnyel vagy inst- rumentális változókkal meghatározott) kalibrált becsléseké, viszont az eredeti kalibrálási feltéte- leket nem elégítik ki pontosan.A kalibrálás számítástechnikai vonatkozása- inak áttekintésénél Särndal néhány, a nemzet- közi gyakorlatban széles körben alkalmazott szoftver (CALMAR, GES, CLAN97, g- CALIB-S stb.) említése mellett foglalkozik az ezekben alkalmazott numerikus módszerekkel is. Érdemes megjegyezni, hogy bár a kvadrati- kus programozás lenne az az elméletileg jól megalapozott eszköz, amely a kalibrálási felté- telek teljesítése mellett a kalibrált súlyok éssze- rű határok között tartására is alkalmas, viszony- lag ritkán alkalmazzák. A legtöbb szoftver e te- kintetben heurisztikus módszereken alapul, ez azonban a gyakorlatban nem érzékelhető, a programok jól működnek. A dk design súlyok- tól való jelentős mértékű eltérés jelentős mérté- kű torzítással járhat; ilyen esetekben érdemes csökkenteni a szóban forgó eltérést a kalibrálási feltételek pontos teljesülésének rovására.
Paraméterek kalibrált becslésénél a paramé- terek bonyolultsága a kalibrálási feltételek bo-
nyolultságában tükröződik. Az eddigiekben be- csült értékösszegekről volt szó, a kalibrálási fel- tételek lineáris egyenletrendszerek voltak.
Kvantilisek becslése eloszlásfüggvények mintá- ból származó becslésén alapul, az y célválto- zó Fy eloszlásfüggvényének például ˆ ( )F ty =
=
∑
sdkΔ −(t yk)∑
sdk, ahol dk a design súly és Δ( ) 1z = , ha z ≥ 0, egyébként 0. Fy ka- librált becslése, ˆCALFy ugyanilyen felépítésű lesz, csupán dk helyébe mindenütt a kalibrált
wk súly kerül. ˆCAL
Fy ismeretében az y változó becsült kalibrált α kvantilise
CAL, CAL
ˆy inf{ | ˆy ( ) } Q α= t F t ≥ α . ˆCAL
Fy előállítá- sa, vagyis a kalibrálás egyik lehetősége a követ- kező. Fel kell tenni, hogy a sokaság N elem- száma valamint az x segédváltozók α kvantilisei ismertek, és így a következő kalibrálási feltéte- leket fogalmazhatjuk meg:
∑
swk=N ésˆ CAL,
xj xj
Q α=Q α minden xj segédváltozóra.
Mint látható, erősen nemlineáris feltételrend- szerről van szó; a megoldhatóság biztosítása ér- dekében a (.)Δ függvény bizonyos módosításá- ra, simítására is szükség van. A kvantilisbecslés feladatára más módszerek is vannak, a dolgo- zatban emellett példát látunk két becsült érték- összeg hányadosának kalibrált becslésére is.
Részsokaságokra vonatkozó becslési fel- adatok esetén a kalibrálásnak alternatívája le- het valamilyen kisterületi becslési eljárás.
Az eddigiekben ismertetett eredmények egyfázisú, egy lépcsőben kiválasztott mintákra vonatkoztak. Többfázisú és/vagy többlépcsős minták esetén a kalibrálásban fel lehet, sőt fel kell használni azokat az információkat, ame- lyek az egyes fázisok, illetve egyes lépcsők között találhatók. Tekintsünk például egy két- lépcsős mintát, és tegyük fel, hogy értékösszegbecslésről van szó Az elsődleges mintavételi egységekből álló sokaság le- gyenU0, a másodlagos mintavételi egységek-
ből álló sokaság U. Legyen s egy azU0-ból választott minta és x0,k az elsődleges minta- vételi egységekhez tartozó segédváltozó. Ha
wk a k-val jelölt mintaelem súlya az s mintá- ban, kézenfekvő a
∑
swkx0,k=∑
U0x0,k ka-librálási feltétel felírása. Legyen most s min- den k-val jelölt elemére sk egy abból kivá- lasztott minta, és legyen sk valamely i-vel je- lölt elemére di k| és xi k| az ahhoz tartozó de- sign súly, illetve segédváltozó. Ezek segítsé- gével egy újabb kalibrálási feltételt írhatunk fel: s k i k i k| |
w skd
∑ ∑
x =∑
Uxi k| , itt a jobb oldalon az összes másodlagos mintavételi egy- séghez tartozó segédváltozó összege szerepel.A kalibrálási feladatot a GREG-becsléssel kapcsolatos távolságfüggvény alkalmazásával oldjuk meg; a kapott wk súlyokat integrált sú- lyoknak nevezzük. Az integrált súlyozásnak fontos speciális esete a háztartásokból álló mintákkal kapcsolatos, amikor a háztartások- kal együtt a hozzájuk tartozó személyek is mind a mintához tartoznak (:di k| ≡ 1).
A kalibrálásnak fontos szerepe van az egy- ség szintű meghiúsulás (record nonresponse) kezelésében. n elemű egylépcsős mintát te- kintve, amelynél ' n < n esetben volt sikeres az adatgyűjtés, a k-val jelölt válaszoló egység bekerülési valószínűsége a θ = Pr (k r s∈ | ) feltételes valószínűséggel módosul, ahol r jelöli a megvalósult részmintát: π = θ πk′ k k. A θk ér- tékét nem ismerjük. A kalibrálás széles körben elterjedt tradicionális alkalmazásánál egy ˆθk heurisztikus becsléssel állítják elő a módosított
1/(ˆ )
k k k
d′ = θ π design súlyokat, és ezekre al- kalmaznak egy megfelelő kalibrálási eljárást. Ez az eljárás néhány százalékos meghiúsulási arány mellett elfogadható, a napjainkban tapasztalható nagymértékű meghiúsulás mellett azonban már nem. A torzítás jelentős csökkentését lehet elér- ni akkor, ha a meghiúsulást eredményező min- taelemekről releváns információval rendelke-
zünk, ami beépül a kalibrálás folyamatába. Ab- ból kiindulva, hogy amennyibenθk a k-tól füg- getlen, a torzítás zérus. Lundström és Särndal eljárást adtak arra, hogy több lehetséges segéd- változó közül azokat választhassuk ki, ame- lyekkel a kalibrált becslések a legkisebb torzí- tást tartalmazzák.
Mihályffy László,
a KSH ny. statisztikai főtanácsadója E-mail: laszlo.mihalyffy@ksh.hu
Schwahn, F.:
A közszolgálati nyugdíjbiztosítási rendszer jellemzôi Németországban
(Entwicklungen im öffentlich-rechtlichen Altersicherungssystem.) – Wirtschaft und Statistik.
2007. 4. sz. 395–403. old.
A tanulmány elérhető:
http://www.destatis.de/jetspeed/portal/cms/Sites/d estatis/Internet/DE/Content/Publikationen/Querschnitt sveroeffentlichungen/WirtschaftStatistik/FinanzenSte uern/EntwicklungAlterssicherung,property=file.pdf
A németországi nyugdíjrendszer sajátossá- ga, hogy 2006-ban – a kötelező társadalombiz- tosítás általános személyi körén túlmenően – 1,44 millió olyan nyugdíjjogosult kapott járadé- kot közpénzekből, aki állami szolgálatban szer- zett jogosultságot. 1976 és 2006 között 13 szá- zalékkal nőtt ez a személyi kör, amely a köz- tisztviselőkre, a bírákra, a hivatásos fegyveres szolgálatot teljesítőkre vonatkozik. A szerző ismerteti a második világháború utáni átalaku- lás, valamint a kelet-német tartományokban élők 1990-től fizetendő nyugdíjainak hatásait, valamint a nyugdíjba vonulás hatályos feltétele- it. Az államvasút és a szövetségi postaszolgálat tisztviselői, ezek hátrahagyott hozzátartozói is a személyi körhöz tartoztak 2000 előtt.
Az állami költségvetés statisztikai rendsze- re szolgáltatja a közszolgálat alapján nyugdíj-
jogosultságot szerzett személyek január 1-jei állapot szerinti állományi, valamint változási adatait. A közalkalmazottak statisztikai adatait ettől eltérő előírások alapján gyűjtik, például a közigazgatás háttérintézményeiben dolgozók nyugdíjairól. A teljes körben felmért nyugdíjak egy részét a németországi szövetségi, másik részét a helyi (tartományi és helyi) állami köz- szolgálat alapján folyósítják a jogosultaknak.
A szerző elemzi a hátrahagyott családtagok számának alakulását is.
A járadékfizetésre 1976-ban 77 ezer, 2006- ban 165 ezer szövetségi köztisztviselő és hátra- hagyott családtagja volt jogosult (postások, vas- utasok nélkül), a változás +113 százalék. Ebből a saját jogú nyugdíjasok száma 50 ezer, illetve 116 ezer, ami +133 százalékos változás. A hiva- tásos fegyveres szolgálatból nyugdíjazottak száma 2,67-szeresére, a nyugdíjas köztisztvise- lőké, bíráké kétszeresére nőtt 30 év alatt.
Tartományi szinten 1976-ban 399 ezer, 2006-ban 616 ezer jogosultnak fizettek járadé- kot, ami a harminc évet tekintve 55 százalékos növekedést jelent. A saját jogú nyugdíjasok száma 217 ezerről 444 ezerre (több mint két- szeresére) nőtt. A változásban jelentős az okta- tási ágazat (1997-től erősödő) nemzedékváltá- sának hatása. A tartományi költségvetés nyug- díjasainak száma 1976 és 1996 között átlago- san évi 1,5 százalékkal, a legutóbbi 10 évben, 2006-ig évi 4,3 százalékkal nőtt.
Lényegében nem változott a települési köztisztviselők járadékosainak állománya (2006-ban 107 ezer fő). Ebből az öregségi nyugdíjra jogosultak száma 53 ezerről 70 ezer- re, 32 százalékkal nőtt, azonban 30 százalék- kal, 37 ezer főre csökkent a hátrahagyott és já- radékra jogosult özvegyek, árvák száma.
Az említett közszolgálati járadékosok 2006. évi állománya összesen 53 százalékkal nagyobb, mint 1976-ban, eléri a 888 ezer főt.
A járadékra jogosult családtagok száma 1976- ban 262 ezer, 2006-ban 257 ezer fő volt.