OKTAT ÁSGAZDASÁGTAN

OKTATÁSGAZDASÁGTAN

OKTATÁSGAZDASÁGTAN

Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén

az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi Intézet,

és a Balassi Kiadó

közreműködésével.

OKTATÁSGAZDASÁGTAN

Készítette: Varga Júlia

Szakmai felelős: Varga Júlia 2011. június

ELTE TáTK Közgazdaságtudományi Tanszék

OKTATÁSGAZDASÁGTAN

5. hét

Költség-haszon elemzés az oktatásban 2.

Varga Júlia

(%) S r

) (W α ln

ε γEX

S βEX ) α

W

ln(

 

 











i

W= f (iskolázottság, életkor, nem, ....)

Megtérülési ráta vizsgálata –

keresetifüggvény-módszer

i i

i i i

i

i a ALT b KOZ c FELS dEX eEX

w         ²  

ln

r

= b / S

r

= (b - a) / (S

- S

) r

= (c - b) / (S

- S

)

Megtérülési ráta vizsgálata –

keresetifüggvény-módszer

_cons 9.925003 .0079269 1252.07 0.000 9.909466 9.940539 exp2 -.0003101 7.73e-06 -40.12 0.000 -.0003253 -.000295 exp .0196935 .0003854 51.09 0.000 .018938 .0204489 iskev .1486063 .0005194 286.13 0.000 .1475884 .1496243 lnker Coef. Std. Err. t P>|t| [95% Conf. Interval]

Robust

Root MSE = .49175 R-squared = 0.3432 Prob > F = 0.0000 F( 3,192756) =28667.10 Linear regression Number of obs = 192760 . regress lnker iskev exp exp2,robust

ÁFSZ 2009. évi Bértarifa felvétel adataiból

Kereseti regressziós becslési

eredmények (stata)

_cons 9.925003 .0079269 1252.07 0.000 9.909466 9.940539 exp2 -.0003101 7.73e-06 -40.12 0.000 -.0003253 -.000295 exp .0196935 .0003854 51.09 0.000 .018938 .0204489 iskev .1486063 .0005194 286.13 0.000 .1475884 .1496243 lnker Coef. Std. Err. t P>|t| [95% Conf. Interval]

Robust

Root MSE = .49175 R-squared = 0.3432 Prob > F = 0.0000 F( 3,192756) =28667.10 Linear regression Number of obs = 192760 . regress lnker iskev exp exp2,robust

ÁFSZ 2009. évi Bértarifa felvétel adataiból

Kereseti regressziós becslési

eredmények (stata)

ÁFSZ 2009. évi Bértarifa felvétel adataiból

_cons 11.26442 .0049007 2298.53 0.000 11.25482 11.27403 exp2 -.0003553 7.68e-06 -46.26 0.000 -.0003704 -.0003403 exp .0214718 .0003854 55.72 0.000 .0207165 .0222271 felsof 1.022121 .0037349 273.67 0.000 1.014801 1.029442 kozepf .4507761 .0030585 147.39 0.000 .4447816 .4567706 szakm .1616752 .0028687 56.36 0.000 .1560527 .1672978 lnker Coef. Std. Err. t P>|t| [95% Conf. Interval]

Robust

Root MSE = .4911 R-squared = 0.3450 Prob > F = 0.0000 F( 5,192754) =18787.32 Linear regression Number of obs = 192760 . regress lnker szakm kozepf felsof exp exp2,robust

Kereseti regressziós becslési

eredmények (stata)

ÁFSZ 2009. évi Bértarifa felvétel adataiból

_cons 11.26442 .0049007 2298.53 0.000 11.25482 11.27403 exp2 -.0003553 7.68e-06 -46.26 0.000 -.0003704 -.0003403 exp .0214718 .0003854 55.72 0.000 .0207165 .0222271 felsof 1.022121 .0037349 273.67 0.000 1.014801 1.029442 kozepf .4507761 .0030585 147.39 0.000 .4447816 .4567706 szakm .1616752 .0028687 56.36 0.000 .1560527 .1672978 lnker Coef. Std. Err. t P>|t| [95% Conf. Interval]

Robust

Root MSE = .4911 R-squared = 0.3450 Prob > F = 0.0000 F( 5,192754) =18787.32 Linear regression Number of obs = 192760 . regress lnker szakm kozepf felsof exp exp2,robust

Kereseti regressziós becslési

eredmények (stata)

 1986 0.058 1989 0.075 1992 0.092 1995 0.106 1998 0.112 2000 0.124

Kontrollváltozók (nem, kor, ágazat, régió, vállalatméret, stb.), i=1,…,150,000 egyén. Vállalati szféra.

Forrás: Köllő János számításai a Bértarifa felvételek adataiból

Hogyan változott az iskolázás hozama a rendszerváltozás után

Magyarországon? OLS becslési eredmények

kontrollváltozók (nem, kor, ágazat, régió, vállalatméret, stb.), i=1,…,150,000 egyén. Vállalati szféra.

Forrás: Köllő János számításai a Bértarifa felvételek adataiból

r 



1986 .058 .030 -.044 2000 .124 .020 -.028

Hogyan változott az iskolázottság és a munkaerő-piaci

tapasztalat hozama Magyarországon a rendszerváltozás után?

1989 2002

0 0.2 0.4 0.6 0.8 1 1.2

15 20 25 30 35 40 45 50 55 60 életkor (év)

log kereset

általános iskola szakmunkásképző

érettségi felsőfok

0 0.2 0.4 0.6 0.8 1 1.2

15 20 25 30 35 40 45 50 55 60 életkor (év)

log kereset

általános iskola szakmunkásképző

érettségi felsőfok

Forrás: Kézdi Gábor számításai az OMK Bértarifa felvételének adatai alapján.

In: Munkaerő-piaci Tükör 2004.

Hogyan változtak az iskolázottság szerinti életkereseti

görbék Magyarországon a rendszerváltozás után?

Költség: csak elmulasztott kereset – csak egyéni megtérülési ráta számítható keresetifüggvény-

módszerrel

Mérési problémák

Mérési problémák – a képességek torzító hatása

• Keresztmetszeti regressziókban különböző emberek kereseteit hasonlítjuk össze.

• Nem tudjuk megfigyelni az összes olyan tulajdonságot, amelyet a munkaerőpiac magasabb keresetekkel ismer el (pl. képességek).

• Ha ezek e képességek nemcsak a kereseteket, hanem az iskolázottságot is befolyásolják, a kereseti

különbségek ezeknek a tulajdonságoknak a hozamát is tartalmazzák (képességek miatti torzítás).

• Az OLS becslés torzított eredményeket ad – kihagyott

változók problémája.

Mérési problémák – a képességek torzító hatása

 

ln W     b bs a 

  ₀

ln W     s u 

  ^{ˆ  } _{ } ^,

lim

Cov a s

p b

Var s

  

„jó” modell képességek – a

becsült modell

kihagyott változók

miatti torzítás

S

S

MP, W

n

Mérési problémák – szelekciós torzítás

A kereseti regressziós becslések az egyének megfigyelt keresetein alapulnak.

Megfigyelt keresete annak

van, aki dolgozik.

S

S

MP, W

n

Mérési problémák – szelekciós torzítás

• A kevésbé iskolázottak foglalkoztatási esélyei rosszabbak – közülük (valószínűleg) a jobb képességűek

foglalkoztatottak.

• Megfigyelt béreik

átlagosan magasabbak,

mint az egész, kevésbé

iskolázott sokaságé.

S

S

MP, W

n

Mérési problémák – szelekciós torzítás

A magasabb végzettségűek megfigyelt

keresetei kevésbé térnek el a teljes sokaság

keresetétől.

Az iskolai végzettségek szerinti kereseti különbségeket alulbecsüljük.

1. Instrumentális változó (IV) módszer

2. Párosított összehasonlítás (iker tanulmányok) 3. Képesség mérésére proxy változó (IQ teszt stb.)

A torzítások hatásának kezelése

A torzítások hatásának kezelése – Instrumentális változó módszer

Instrumentum követelményei:

Korrelál S-sel, de nem korrelál a képességekkel Gyakran használt instrumentumok:

• születés negyedéve, hónapja

• tankötelezettség korhatárának változása

Tipikusan magasabb eredmények, mint OLS-sel

OLS-sel nem számolhatunk, mert s korrelált lehet a-val.

Különbségeket veszik:

 

ln W

  b bs

 a

 

 

ln W

  b bs

 a

 

Párosított összehasonlítás – ikertanulmányok

Feltételezés, az ikrek képességei azonosak a

=a

Első tanulmány Taubman (1976)

 

ln W

b b s



     

Tipikusan alacsonyabb eredmények, mint OLS-sel.

Országcsoport 1 főre jutó átlagos jövedelem US$

Átlagos befejezett iskolaévek száma

Becsült együttható

%

Magas jövedelműek 23 463 9,4 7,4

Közepes jövedelműek 3 025 8,2 10,7

Alacsony jövedelműek 375 7,6 10,9

Összes 9 160 8,3 9,7

Forrás: G. Psacharoupolos –.A. Patrinos: Returns to Investment in Education. A Further update. World Bank Policy Research Working Papers 2002.

Keresetifüggvény-módszerrel számított

megtérülési ráták (OLS)

1986.

középiskola szakiskola

0 25 50 75 100 125 150 175 200

7 8 9 10 11 12 13 14 15 16

Az iskolában töltött évek Százalékos bérkülönbség a 0-7 általánoshoz képest

2002.

szakiskola középiskola

0 25 50 75 100 125 150 175 200

7 8 9 10 11 12 13 14 15 16

Az iskolában töltött évek Százalékos bérkülönbség a 0-7 általánoshoz képest

Forrás: Kézdi Gábor számítása a Bértarifa-felvételek adataiból

OLS-számítások Magyarországra

6080100120140

Hozam %

2003 2004 2005 2006 2007 2008 2009

Év

Főiskola - teljes minta Főiskola - 22-30 éves Egyetem - teljes minta Egyetem - 22-30 éves

A főiskolai és egyetemi végzettség bérhozama az érettségihez képest

2003-2009

Forrás: Varga Júlia számításai a Bértarifa-felvételek adataiból

OLS-számítások Magyarországra