A női-férfi munkaerő-piaci részvételi különbségek, 1993–2000

(1)

Statisztikai Szemle, 80. évfolyam, 2002. 3. szám

A NŐI-FÉRFI MUNKAERŐ-PIACI RÉSZVÉTELI KÜLÖNBSÉGEK, 1993–2000*

GALASI PÉTER

A tanulmány a Központi Statisztikai Hivatal munkaerő-felvételeinek 1993–2000. évi adatai alapján vizsgálja a nők és a férfiak munkaerő-piaci részvételében megfigyelt különb- ségek időbeli alakulását, illetve az ezt meghatározó legfontosabb tényezőket. Logisztikus regresszió segítségével megbecsüli a férfiak és a nők munkaerő-piaci részvételi valószínűsé- gét, majd tényezőfelbontást alkalmazva vizsgálja, hogy a két nem modellel előre jelzett átla- gos részvételi valószínűségeinek eltérései elsődlegesen mely tényezőknek tudhatók be. Az eredmények értelmezéséhez felhasználja a munkagazdaságtan néhány standard modelljét, je- lesül: az emberi tőke, a nem fizetett munkát is magában foglaló időallokációs munkakínálati modellt, valamint a munkáltatói diszkrimináció modelljét.

A férfiak részvételi előnye az időszak egészében folyamatosan és erőteljesen nőtt, ebben elsődlegesen a nők és a férfiak családi munkamegosztásban betöltött eltérő helye játszik szerepet. Ezt a tanulmány a potenciális munkavállalók családjában élő 0-14 éves gyermekek számának változójával ragadja meg, ami vélhetően többé-kevésbé jól tükrözi a gyermekne- veléssel és -gondozással kapcsolatos tevékenységek mértékét. A gyermekek számának emel- kedése csökkenti a nők részvételi valószínűségét, s ez az egyes időpontokban mért részvételi előnyök közel felét magyarázza. Ez egybevág mind a nem fizetett munkát is tartalmazó munkakínálati modell, mind a statisztikai diszkrimináció modelljének előrejelzéseivel. Kíná- lati oldalról az eredmény úgy értelmezhető, hogy a nők termelékenyebbek a háztartási (gyermeknevelési) tevékenységekben, mint a fizetett munkában, a férfiaknál pedig az össze- függés fordított, ezért a nőknek érdemesebb a nem fizetett, a férfiaknak pedig a fizetett mun- kára fordítani rendelkezésre álló idejüket. A keresleti oldalt szemlélve, a munkáltatók felvé- teli politikájukban diszkriminációt alkalmazhatnak, amelynek lényege, hogy munkavállalóik kiválogatásánál figyelembe veszik a nők és a férfiak háztartási munkamegosztásban elfoglalt helyének különbségeit, s emiatt azonos termelékenységet mutató jellemzők (például iskolai végzettség vagy munkaerő-piaci gyakorlat) mellett a nők várható termelékenységét a férfia- kénál alacsonyabbra értékelik. Ha a diszkrimináció fennáll, akkor az adott emberi tőkével rendelkező nő részvételi valószínűsége keresleti okokból is alacsonyabb lesz, mint egy ugyanilyen jellegzetességekkel rendelkező férfié. Hogy a nők részvételi hátrányát elsődlege- sen a háztartási munkamegosztásban elfoglalt helyük idézi elő, azt megerősíti, hogy a gyer- mekszám hatásától megtisztított emberi tőke jellemzői (életkor és iskolai végzettség) eseté- ben munkaerő-piaci diszkriminációra utaló jelek nem mutathatók ki.

TÁRGYSZÓ: Munkaerő-piaci részvétel. Diszkrimináció. Háztartási munkamegosztás.

* A tanulmány az Oktatási Minisztérium Felsőoktatási Kutatási Pályázat programja által finanszírozott „Háztartások mun- kaerő-piaci magatartása a kilencvenes években” (FKFP-0119/2000) című kutatás keretében készült. A szerző köszönetet mond Kertesi Gábornak hasznos tanácsaiért és javaslataiért.

(2)

A munkakínálati magatartás fontos jellemzője a részvételi hajlandóság. A klasszikus munkakínálati modellekben két döntés kapcsolódik össze; az egyén a rendelkezésre álló információk alapján először arról dönt, hogy az adott piaci feltételek mellett kíván-e munkát vállalni, majd – amennyiben úgy látja, hogy érdemes belépni a piacra – meghatá- rozza a ledolgozni kívánt munkaidő hosszát. Empirikus megfigyelések rendszerint azt mutatják, hogy a nők és a férfiak részvételi rátái, illetve foglalkoztatási szintje különbö- zik egymástól, a férfiak foglalkoztatási szintje rendre magasabb, mint a nőké. Mind a foglalkoztatáspolitika, mind pedig a nemek esélyegyenlősége szempontjából lényeges kérdés, milyen tényezők húzódnak meg az eltérő részvételi arányok mögött.

Ismeretes, hogy Magyarországon a kilencvenes években először a foglalkoztatási szint csökkenése, majd stagnálása volt megfigyelhető. Tudjuk továbbá, hogy a férfiak magasabb foglalkoztatási szintje az egész évtizedben fennmaradt, miközben a két nemnél elsődlegesen a foglalkoztatási szint csökkenése figyelhető meg. A KSH munkaerőmérle- géből számított adatok szerint (az adatok a 15-59 éves férfiakra, valamint a 15-54 éves nőkre vonatkoznak) a férfiak foglalkoztatási szintje az 1990. évi 83,3 százalékról 1995-re 63,5 százalékra csökkent, majd ezt követően nagyjából stagnált, 1998-ban 64,8 százalék volt. A nőknél a megfelelő adatok 75,5, 55,4, 53,7 százalék (Nagy Gy.; 2000, 60. old.).

A tanulmányban a nők és a férfiak megfigyelhető részvételi különbségeikkel, valamint e különbségeknek a kilencvenes években a munkaerőpiacon kialakult tényezőivel foglalkozunk, különös tekintettel az életkornak, az iskolai végzettségnek, a gyerekszám- nak és a családnagyságnak a részvételi döntésre gyakorolt hatására. Az elemzéshez a KSH munkaerő-felvételeinek 1993–2000. első negyedévi adatait használjuk; összesen te- hát nyolcéves idősorunk van, ami alkalmas arra, hogy a kilencvenes években megfigyel- hető alkalmazkodást elemezzük.

A tanulmányban először röviden szót ejtünk az adatbázisról, ismertetjük a probléma vizsgálatára alkalmazott becslési módszert, valamint a becslés empirikus specifikációját, másodszor összefoglaljuk az elemzés legfontosabb eredményeit és az eredményekből le- vonható következtetéseket.

Munkaerő-piaci részvétel – diszkrimináció – családi munkamegosztás

Az egyének munkaerő-piaci részvételi döntései sokféle elméleti modellel vizsgálha- tók. A női-férfi részvétel eltérései viszonylag egyszerűen meghatározhatók a munkagaz- daságtan néhány standard modelljének, jelesül az emberi tőke, a munkaerő-piaci diszkri- mináció, valamint a háztartáson belül végzett nem fizetett munka elemzésére kidolgozott modellek segítségével.

Az egyének emberi tőkéje a munkaerőpiacon értékesíthető tudást testesíti meg (Becker; 1975). Nagyobb emberi tőkének nagyobb a például bérben kifejezett hozadéka, s ha az egyénnek fontos a munkaerőpiacon megszerezhető jövedelem, akkor arra számít- hatunk, hogy adott munkaerő-piaci feltételek mellett a nagyobb emberi tőkével rendelke- ző egyének munkaerő-piaci részvételi valószínűsége magasabb. Ha továbbá az emberi tőke nagysága és az egyén termelékenysége között pozitív kapcsolat áll fenn, akkor a munkáltatók – adott javadalmazás mellett – szívesebben alkalmaznak nagyobb emberi tőkével rendelkező munkavállalókat. Az emberi tőkének hagyományosan két elemét – az iskolában, illetve a munkaerő-piaci gyakorlat révén szerzett tudástőkét – különböztetjük

(3)

meg (Mincer; 1974), és mindkét tényező esetén pozitív kapcsolatot tételezünk fel a tőke- nagyság és a részvételi valószínűség között. Amennyiben a férfiak iskolában és/vagy a munkaerő-piaci gyakorlat révén megszerzett tudástőkéje nagyobb, mint a nőké, akkor a férfiak magasabb részvételi valószínűségére számítunk.

Feltételezhetjük, hogy a munkaerőpiac keresleti oldalán megjelenő munkáltatók töké- letlen információkkal rendelkeznek potenciális munkavállalóikról. Minthogy a potenciá- lis munkavállalók szűrése, illetve valóságos termelékenységük megismerése esetenként igen költséges lehet, a munkáltatók felvételi politikáját gyakran diszkrimináció jellemzi (Phelps; 1972). Ez azt jelenti, hogy felvételkor a munkáltató nemcsak az adott munkavál- laló egyéni jellegzetességeit mérlegeli, hanem annak a csoportnak a jellemzőit is, amely- hez az adott munkavállaló tartozik. Tegyük fel, hogy a munkáltató felvételkor a potenciá- lis munkavállaló – iskolai végzettségben és munkaerő-piaci gyakorlatban megtestesülő – emberi tőkéjének nagysága alapján dönt. Például adott javadalmazás mellett szívesebben vesz fel magasabb iskolázottságú és hosszabb gyakorlati idővel rendelkező egyéneket.

Tegyük fel továbbá, hogy kétfajta munkavállaló jelenik meg a munkáltatónál. A kétfajta munkavállaló valamely (többnyire külsődleges) nehezen megváltoztatható jellegzetessé- gében különbözik egymástól. A munkáltató – korábbi tapasztalatai alapján – informáci- ókkal rendelkezik a kétféle munkavállalói csoport termelékenységéről, s ennek alapján tudja, hogy az egyik fajta munkavállaló emberi tőkéjének jellemzői (iskolai végzettség és gyakorlati tapasztalat) kevésbé megbízhatóan jelzik az egyén termelékenységét, mint a másik fajta munkavállaló esetében. Ha ezt az információt is figyelembe veszi, akkor adott emberi tőkével rendelkező kétfajta munkavállaló közül (rögzített javadalmazás mellett) inkább azt fogja alkalmazni, akinél az emberi tőke nagysága és a termelékenység közötti kapcsolat szorosabb. A következmény: a munkáltató a felvételkor az egyik fajta munka- vállalót előnyben részesíti, a másik viszont az adott külső jellegzetesség miatt hátrányo- sabb helyzetbe kerül, azaz a felvételkor a munkaadó diszkriminál. Ha ezt az eredményt átfordítjuk a két munkavállalói csoport – a férfiak és a nők – részvételi esélyeire, akkor, amennyiben a munkáltatók múltbeli tapasztalatai alapján a nők termelékenységét kevésbé jól jelzi előre emberi tőkéjük nagysága – például mert a családi és gyermeknevelési terhek miatt a nők gyakrabban hiányoznak vagy kevésbé eredményesek a munkahelyen – , akkor adott emberi tőkével rendelkező férfiak és nők közül a nők részvételi esélyei alacsonyabbak lesznek.

Végül a női-férfi részvételi esélyek tartósan megfigyelhető különbségeinek magyará- zatára alkalmas lehet a Becker–Gronau-féle időallokációs munkakínálati modell is (Becker; 1965, Gronau; 1977). Az e modellben szereplő egyének nemcsak fizetett, hanem nem fizetett munkát is végezhetnek. A fizetett munkáért bért kapnak, és a bérért javakat és szolgáltatásokat vásárolnak a különféle piacokon. A nem fizetett munka révén a háztartásban javakat és szolgáltatásokat állítanak elő. A modell legfontosabb eredménye, hogy idejüknek a kétféle munkatevékenység közötti megoszlását a kétféle tevékenység relatív jószágelőállító képessége vagy másképpen a kétféle munkatevékenységük relatív termelékenysége határozza meg. A fizetett munkában inkább azok az egyének vesznek részt, akik relatíve magasabb bérre számíthatnak, illetve akiknek a jószágelőállító képes- sége a nem fizetett tevékenységekben viszonylag alacsony. És megfordítva: a nem fizetett munkában inkább azok az egyének vesznek részt (kevésbé vesznek részt a fizetett munkában), akik a fizetett munkában viszonylag alacsonyabb bérre számíthatnak, illetve

(4)

akiknek a termelékenysége a nem fizetett munkában alacsonyabb. Ha feltesszük, hogy a férfiak és a nők közötti családon belüli munkamegosztás ilyen termelékenységbeli kü- lönbségeket takar, akkor azt várhatjuk, hogy a nők a háztartási/gyermeknevelési tevé- kenységekben nagyobb mértékben vesznek részt, következésképpen a részvételük való- színűsége alacsonyabb lesz, ráadásul minél több nem fizetett tevékenységre van szükség a háztartásban, annál kisebb lesz ez a valószínűség. A férfiaknál éppen a fordítottját vár- juk: ha a férfiak termelékenyebbek a fizetett munkában, akkor részvételük valószínűsége nagyobb lesz, emellett a háztartás fogyasztói igényeinek a növekedése emelkedő részvé- teli valószínűséget eredményez.

A két modell könnyen összekapcsolható következményei nagyjából ugyanabba az irányba hatnak. Az időallokációs modellből az következik, hogy a nők fizetettmunka- kínálata és részvételi valószínűsége kínálati okokból lesz alacsonyabb, mint a férfiaké:

azonos bérek mellett a nők elhelyezkedési hajlandósága kisebb lesz, mert számukra elő- nyösebb a nem fizetett munka végzése. A diszkrimináció-modellből ugyanez következik keresleti okokból: adott bérek és adott emberi tőke mellett a munkáltatók kisebb eséllyel alkalmaznak nőket. Ráadásul mind a kínálati, mind a keresleti oldalon megfigyelt ered- ményt lényegében ugyanaz a jelenségcsoport magyarázza: a férfiak és a nők háztartá- si/családi munkamegosztásban elfoglalt tartósan eltérő helyzete.

Adatbázis – módszer – empirikus specifikáció

Az adatbázist a KSH munkaerő-felvételeinek 1993–2000. első negyedévi adataiból állítottuk össze. A minta miden egyes évben a munkaképes korú, azaz a 15-74 éves né- pesség. A részvételi döntés bináris döntés (vagy nem vesz részt, vagy részt vesz a mun- kaerőpiacon); résztvevőknek (azaz foglalkoztatottaknak) azokat tekintettük, akik az ILO–

OECD-kritériumok szerint foglalkoztatottak.

A részvételi döntést először minden évre, továbbá külön a nőkre és a férfiakra logittal (logisztikus regresszióval) becsüljük, majd a nők és a férfiak logitmodellekkel becsült átlagos részvételi valószínűségeit évenként tényezőkre bontjuk, tehát minden év- re kiszámítjuk, hogy a két nem átlagos becsült részvételi valószínűségeinek különbsége- iben milyen mértékű és irányú szerepet játszanak a modell becslésekor figyelembe vett tényezők.

Az alkalmazott tényezőkre bontási eljárás a munkagazdaságtanban gyakran használt sztenderd Oaxaca–Blinder-féle – lineáris regresszióra kidolgozott – tényezőkre bontásnak (Blinder; 1973, Oaxaca; 1973) logitbecslésre alkalmazott változata. A logit becslőfügg- vénynek azt a tulajdonságát használjuk ki, hogy a modellel előrejelzett esélyráták loga- ritmusára nézve a becslés lineáris. A függő változó a munkaerő-piaci részvétel valószínű- sége.

A részvételi valószínűséget az ún. esélyrátával mérjük, amely azt mutatja, mekkora a részvétel valószínűsége a nem részvétel valószínűségéhez képest:

P P

1− , /1/

ahol P a modellel becsült átlagos részvételi valószínűség.

(5)

Adott csoport átlagos helyzetét a modellel előrejelzett átlagos esélyrátával jellemez- zük. Logit esetén ez:

∑

= β +

− =

n k

k kX c

P e

P ₁

1 , /2/

ahol c konstans, a β -k becsült paraméterek, n a változók száma, X pedig a változók a mintára jellemző átlagos értéke. A csoportmodellel előrejelzett átlagos esélyrátájának természetes alapú logaritmusa ekkor:

ⁿ _k

k kX

P c

P ∑

=β +

− = ₁

log1 . /3/

Ha két (i és j) csoport átlagos esélyrátáinak természetes alapú logaritmusát kívánjuk összehasonlítani, akkor a /3/ összefüggés alapján a két csoport esélyrátájának a különbsége

∑ ∑

=

β

−

− β +

− =

− −

n

j j j

j n

i i i

j i j i

i c X c X

P P P

P

1

1 1

1 log

log . /4/

Minthogy a /4/ egyenlőség jobb oldala lineáris, ezért a csoportok modellel előrejelzett átlagos esélyrátájának különbsége a hivatkozott felbontás segítségével tényezőkre bontható:

∑ ∑

=

β

− β +

−

− =

− −

n

k j i j

n

k i i j

j j i

j i

i c c X X X

P P P

P

1 1

) ( )

( ) 1 (

1 log

log . /5/

A jobb oldal első tagja a konstans-, második az összetétel-, harmadik a paraméterhatás.

E tényezőkre bontás révén kapott értékek azt mutatják meg, hogy a különféle tényezők milyen mértékben járulnak hozzá a részvételi különbségekhez. A konstanshatást, mint a modellben nem szereplő tényezők hatásaként értelmezhetjük. Azt az előnyt vagy hátrányt mutatja meg ugyanis, ami akkor állna elő, ha a két csoport mind az összetétel, mind a becsült paraméterek szempontjából egyforma volna. Az összetételhatás a csoportok részvételi kü- lönbségének az a része, ami annak tudható be, hogy a két csoport a változók átlagaiban kü- lönbözik egymástól. Végül a paraméterhatás a részvételi különbségnek azt a részét magya- rázza, ami a két csoportra becsült paraméterek eltéréseiből adódik, azt az állapotot mutatja meg, ami akkor következne be, ha a változóátlagok és a konstansok egyenlők lennének.

Ha i-vel a férfiakat, j-vel a nőket jelöljük, akkor a férfiak és a nők együttes részvételi különbsége, illetve a különbségeket befolyásoló tényezők százalékos formában – /5/

alapján – a következőképpen írhatók fel:

j j i

i

n

k j i j

n

k i i j

j i

P P P

P

X X

X c

c

− −

−

β

− β +

−

=

∑ ∑

=

log1 log1

) ( )

( ) ( 100

100 ¹ ¹ . /6/

(6)

A becslések függő változója tehát a munkaerő-piaci részvétel valószínűsége. Ma- gyarázó változókként olyan jellemzőket igyekeztünk használni, amelyek többé-kevésbé jól jelzik az egyének emberi tőkéjét, a férfiak és a nők háztartási munkamegosztásban elfoglalt helyének különbségeit, illetve a háztartás jellegzetességeit. Az életkor részben a munkaerő-piaci gyakorlatot jelzi. Ez a mutató szükségképpen tökéletlen, ráadásul – elsődlegesen a gyermekszüléssel és -neveléssel kapcsolatos életpálya-megszakítások miatt – a nőkre kevésbé megbízható, mint a férfiakra. Ötéves korcsoportokat képeztünk (20 évesnél fiatalabb, 20–24, 25–29, 30–34, 35–39, 40–44, 45–49 éves, 50 éves és idő- sebb); referenciacsoport a 25–29 éves.

A tudástőkét a legmagasabb befejezett iskolai végzettséggel közelítettük (8 általá- nosnál kevesebb, 8 általános, szakmunkásképző, szakközépiskola, gimnázium, felsőfo- kú); referenciacsoport a 8 osztályt végzett. A legmagasabb iskolai végzettség szintén meglehetősen tökéletlen mutató. Egyrészt nem tükrözi azokat a tudástőke-különbsé- geket, amelyek esetlegesen a be nem fejezett iskolafokozatokból adódhatnak, másrészt figyelmen kívül hagyják a különböző tanfolyamok, célképzések hatását. Feltételeztük, hogy a házastárssal/élettárssal rendelkező, illetve nem rendelkező egyének részvételi valószínűsége nem azonos akkor sem, ha egyébként minden tekintetben egyformák, ezért az egyenletben egy egyedülálló „dummyt” is szerepeltettünk. A két nem részvéte- li valószínűségét befolyásoló háztartási tényezők közül egyrészt a gyermekek számát (0-3, 4-6, 7-14 éves gyermekek száma a családban), másrészt a háztartásnagyságot használtuk. Ha a diszkrimináció, illetve a nem fizetett munka időallokációs modelljei empirikusan helyesek, akkor e tényezők a nők részvételi valószínűségét negatív, a fér- fiakét viszont pozitív irányban befolyásolják. A helyi munkaerőpiacok eltérő foglal- koztatási helyzetének hatását megye „dummyk” alkalmazásával igyekeztünk kiszűrni (referencia csoport, Budapest); több specifikációval is kísérleteztünk, amelyek lénye- gében ugyanolyan eredményekhez vezettek.

Eredmények

Számításaink részletes eredményeit – a logit becsléseket és a változóátlagokat – elekt- ronikus mellékletünkben megtalálható táblákban mutatjuk be.¹

A változók értékei azt mutatják – s ez megegyezik a korábbi kutatások megállapítása- ival (Nagy; 2000, 2001) –, hogy a becslések a nők részvételi valószínűségét nagyobb mértékben magyarázzák (a nők egyenletének pseudo R²-e minden időpontban magasabb).

Ez elsődlegesen annak tudható be, hogy a nők részvételi hajlandóságát a háztartások figyelembe vett jellegzetességei erőteljesebben befolyásolják. Megjegyezzük továbbá, hogy a férfiak részvételi esélyrátája minden évben magasabb értéket vesz fel, mint a nők megfelelő mutatója, azaz a férfiak részvételi valószínűsége nagyobb. Esélyráta-hányados- ban mérve a különbség valamivel több mint kétszeres, azaz a férfiak esélyrátái nagyjából kétszer akkorák, mint a női esélyráták. Ez arra utal, hogy a nők az élénkülő gazdaság és a valamelyest növekvő munkaerő-piaci kereslet mellett sem tudták vagy kívánták relatív munkaerő-piaci részvételüket növelni.

A tényezőkre bontás eredményeit a következő táblában foglaltuk össze.

1 Az összefoglaló táblák a Statisztikai Szemle honlapján (www.ksh.hu/statszml) megtekinthetők és onnan letölthetők.

(7)

A női-férfi részvételi esélykülönbségek tényezőkre bontása

1993. 1994. 1995. 1996. 1997. 1998. 1999. 2000.

Tényező

évben (százalék)

Gyermekszám

Összetétel 0,0 0,0 0,0 0,0 -0,1 0,0 0,0 0,0

Paraméter 63,9 47,6 48,4 47,8 41,4 47,7 42,3 42,0

Ebből:

0–3 éves 39,5 30,2 29,7 29,4 26,5 27,3 24,4 25,8

4–6 éves 10,7 6,9 7,7 7,2 5,7 8,4 7,1 5,1

7–14 éves 13,7 10,5 11,0 11,2 9,3 12,0 10,8 11,1

Együtt 63,9 47,6 48,4 47,8 41,3 47,7 42,3 42,0 Egyedülálló

Összetétel 0,5 2,3 3,3 1,5 1,8 2,9 1,3 2,2

Paraméter 0,6 -2,9 -4,3 -1,3 -1,5 -4,5 0,1 -3,1

Együtt 1,1 -0,6 -1,0 0,3 0,3 -1,7 1,4 -0,9

Háztartásnagyság

Összetétel 3,7 2,9 2,3 2,3 3,0 2,2 3,0 2,5

Paraméter -7,2 -9,5 -3,3 -11,3 -0,7 -26,8 -0,8 -14,3

Együtt -3,5 -6,6 -1,1 -9,1 2,3 -24,6 2,2 -11,8 Életkor

Összetétel 6,5 6,0 5,3 4,3 7,4 6,2 8,0 10,7

Ebből:

15–49 éves -5,4 -4,8 -5,2 -6,4 -5,3 -6,1 -5,1 -5,7

50 éves és idősebb 11,9 10,8 10,4 10,7 12,7 12,3 13,1 16,4

Paraméter 30,9 8,8 12,3 17,3 20,5 15,4 2,0 -9,7

Ebből:

15–49 éves 0,0 -10,8 -11,4 -5,9 -2,0 -4,3 -4,9 -14,4

50 éves és idősebb 30,8 19,6 23,7 23,2 22,5 19,8 6,9 4,6 Együtt 37,4 14,8 17,6 21,6 27,9 21,6 10,0 1,0 Iskolai végzettség

Összetétel 28,6 26,3 28,2 26,3 26,4 25,0 28,1 28,1

Paraméter -8,4 1,9 -7,2 3,7 -3,8 -5,0 7,0 -2,8

Együtt 20,2 28,2 21,0 30,0 22,7 20,0 35,1 25,3 Megye

Összetétel -0,3 0,1 -0,1 -0,3 -0,1 -0,1 -0,2 0,2

Paraméter -18,7 -12,0 -12,5 -7,3 -19,0 7,8 -7,0 -15,0 Együtt -19,0 -11,8 -12,6 -7,6 -19,2 7,7 -7,2 -14,8 Együtt

Összetétel 39,0 37,7 38,9 34,1 38,4 36,2 40,2 43,6

Paraméter 61,0 62,3 61,1 65,9 61,6 63,8 59,8 56,4

Összesen 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0

A táblában pozitív és negatív értékek egyaránt szerepelnek. A pozitív értékek azt je- lentik, hogy az adott tényező hatására a férfiak nőkéhez viszonyított részvételi előnye növekszik, a negatív értékek pedig azt, hogy az adott tényező hatására a férfiak relatív részvételi előnye csökken (azaz a nőké növekszik). A 10 százalékos érték tehát azt jelenti, hogy az adott tényező 10 százalékkal emeli, a -10 százalékos érték pedig azt, hogy az adott tényező 10 százalékkal csökkenti a férfiak relatív részvételi előnyét. A pozitív pa- raméterhatás úgy értelmezhető, hogy az adott tényező jobban növeli vagy kevésbé csök-

(8)

kenti a férfiak elhelyezkedési esélyeit, mint a nőkét. Negatív paraméterhatás esetén viszont az adott tényező kevésbé növeli vagy jobban csökkenti a férfiak, mint a nők elhe- lyezkedési esélyeit. Pozitív összetételhatás esetén azt mondhatjuk, hogy az adott tényező emeli a férfiak relatív elhelyezkedési esélyeit, mert összetételük az elhelyezkedés szem- pontjából kedvezőbb (kevésbé kedvezőtlen), mint a nőké. Negatív összetételhatás mellett azt állapíthatjuk meg, hogy az adott tényező csökkenti a férfiak (növeli a nők) relatív részvételi esélyeit, mert a férfiak összetétele az elhelyezkedés szempontjából kedvezőtle- nebb (kevésbé kedvező), mint a nőké.

A tábla egy-egy oszlopa az adott időpontra becsült férfi-női részvételi különbségeket meghatározó tényezők súlyát mutatja /6/-nak megfelelően százalékos formában, tehát az összes különbséget 100-nak tekintve. Az egyes értékek az adott tényezőnek az összes részvételi különbségeken belül elfoglalt súlyát jelzik. Az 1993. évi oszlop második cellá- jában például 63,9 százalék szerepel. Ez azt jelenti, hogy a férfiak és a nők között megfigyelt – a férfiak javára mutatkozó – összes különbségnek 63,9 százaléka a gyermekszám paraméterhatásának tudható be. A következő adat – 39,5 százalék – azt jelenti, hogy a férfiak és a nők között megfigyelt összes különbségnek 39,5 százaléka a 0-3 éves gyermekek számát jelző változó paraméterhatásának tulajdonítható.

Először is megállapíthatjuk, hogy a magasabb férfi részvételi arányok alakulásában összességében az együttes paraméterhatások játszottak nagyobb szerepet. Ha tehát az összes modellben szereplő változó együttes hatását vizsgáljuk, akkor azt találjuk, hogy a paraméterhatás minden évben nagyobb, mint az összetételhatás, ami azt jelenti, hogy a férfiak részvételi előnye nagyobb mértékben magyarázható azzal, hogy adott megfigyelt jellemzők mellett a nők kedvezőbb elhelyezkedési lehetőségekkel rendelkeznek, és/vagy nagyobb arányban törekszenek elhelyezkedni, mint annak, hogy a munkaerőpiac szem- pontjából kedvezőbb az összetételük.

Az egyes tényezők hatását elemezve a legfontosabb egyedi jellegzetesség, amely a férfiak és a nők munkaerő-piaci összes részvételi különbségének, azaz a férfiak részvételi előnyének többnyire közel felét (41,3-48,4 százalékát), 1993-ban pedig csaknem kéthar- madát (63,8 százalék) magyarázza a gyermekszám, a 0-14 éves gyermekek száma a csa- ládban.² E változó összetételhatása (közel) zéró, ami azt a – nem meglepő – sajátosságot jelzi, hogy a férfiak és a nők átlagosan azonos gyermekszámú családban élnek. Ebből adódóan a gyermekszámból fakadó férfi részvételi előnyök – tehát az összes férfi részvé- teli előny közel fele is – abból ered, hogy adott gyermekszám mellett a nők részvételi va- lószínűsége lényegesen kisebb, mint a férfiaké. A gyermekek léte tehát a férfiakéhoz ké- pest erősen fékezi a nők munkaerő-piaci részvételét. Ez az eredmény összefér mind a háztartási munkamegosztásban elfoglalt eltérő helyzetből fakadó kínálati, mind pedig az ugyanebből az okból bekövetkező diszkriminációt feltételező keresleti szempontú ma- gyarázattal. Kínálati oldalról ez azt jelenti, hogy a nők a gyermeknevelésben relatíve ter- melékenyebbek, mint a férfiak, illetve a férfiak a fizetett munkában relatíve termeléke- nyebbek, mint a nők, és ezért a nőknek érdemesebb idejüket gyermekneveléssel tölteni, mint a férfiaknak. Keresleti oldalról pedig azt, hogy a munkáltatók – múltbeli tapasztala- taik alapján – úgy vélik, hogy adott jellegzetességek mellett, éppen a nemek közötti ház-

2 A különböző életkorú gyermekek számának a női és a férfi gazdasági aktivitásra gyakorolt hatását a munkaerő-felvételek 1992–1998. második negyedévi mintáin logitmodellekkel, némileg eltérő modellspecifikációval vizsgálta Nagy Gyula (2000) tanulmánya. Eredményei egybeesnek az itteni következtetéseinkkel.

(9)

tartási munkamegosztás sajátosságai miatt, a gyermekes nők kevésbé termelékenyek, mint a gyermekes férfiak, és ezért felvételkor a gyermekes férfiakat előnyben részesítik a gyermekes nőkkel szemben. Az első magyarázat azt feltételezi tehát, hogy a gyermek- számhoz kapcsolódó paraméterhatás önkéntes kínálati döntés, a második pedig azt, hogy munkáltatói diszkrimináció következménye. A két hatás nem választható szét pótlólagos hipotézisek nélkül. Ha feltesszük, hogy a legfiatalabb gyermekek esetében az önkéntes kínálati döntés a jellemző – mondjuk, mert 0-3 éves gyermek(ek) mellett a nők nem kí- vánnak fizetett munkát végezni –, idősebb gyermekek – mondjuk 7-14 évesek – mellett pedig már elhelyezkednének, de elhelyezkedési esélyeik a gyermekek miatt jelentkező munkáltatói felvételi diszkrimináció következtében rosszabbak, akkor azt mondhatjuk:

elemzésünk arra utal, hogy az alacsonyabb női részvételben az önkéntes kínálati döntés nagyobb szerepet játszik, mint a munkáltatói diszkrimináció. A táblából jól látható, hogy a 0-3 éves gyermekek létéhez kapcsolódó paraméterhatás a gyermekek számához kapcso- lódó paraméterhatásnak minden évben több mint a felét teszi ki.

A háztartásnagyság változójának tulajdonítható a gyermekszám hatásától megtisztított részvételi különbségek súlya, illetve hatásuk iránya jól mutatja, hogy a két nem közötti háztartási munkamegosztás hatása elsődlegesen a gyermekneveléssel kapcsolatos eltérő szerepekkel és nem egyszerűen a háztartási tevékenységek – a háztartástagok számával közelített – terjedelmével függ össze. A háztartásnagyság összetételhatása csekély és minden évben pozitív, ami annyit jelent, hogy az átlagos férfi valamivel népesebb csa- ládban él, mint az átlagos nő, és emiatt nagyobb erőfeszítéseket tesz az elhelyezkedés ér- dekében. A paraméterhatás minden évben negatív, egyes években a zérushoz közelítő, máskor tíz százalékot meghaladó értékekkel. A negatív előjel arra utal, hogy nagyobb méretű háztartás esetén a nők részvételi valószínűsége – bár esetenként igen csekély mér- tékben – magasabb, mint a férfiaké, nagyobb háztartásméret esetén ugyanis a nők nagyobb mértékben helyezkednek el.

A házastárs nélküli (egyedülálló) férfiak és nők részvételi különbsége nem jelentős, a hatások csak néhány százalékkal járulnak hozzá a nemek közötti összes részvételi kü- lönbséghez. Ez ismét azt erősíti meg, hogy a háztartási jellemzők hatása közötti különb- ségek döntően a gyermekneveléssel kapcsolatos feladatok megosztásából fakadnak.

Az életkor együttes hatása 1993-ban a férfiak számára még 26 százalékos részvételi előnyt jelentett, 1999-ben ez már csak 9, 2000-ben pedig 1 százalékos volt. Az életkor összetétel- és paraméterhatása is pozitív volt minden időpontban (a legutolsó év kivételé- vel, amikor a paraméterhatás negatív). Az életkor paraméterhatása azt mutatja meg, hogy adott életkor mellett melyik csoport átlagos elhelyezkedési esélye a nagyobb. Minthogy az együtthatók a háztartási jellegzetességektől (gyermekszám, háztartásnagyság) megtisz- tított elhelyezkedési esélyeket mérik, ha tartós és jelentős férfi részvételi előnyt mutat- nak, akkor nagyon valószínű, hogy e mögött a nőket a gyermeknevelési terhek miatt egyébként is sújtó hátrányok mellett más okokból is hátrányosan diszkrimináló munkálta- tói felvételi gyakorlat húzódik meg. Látnunk kell azonban, hogy az életkor pozitív össze- tétel-, illetve paraméterhatása csaknem kizárólag a két nem demográfiai, illetve a nyug- díjkorhatárban megfigyelhető eltérő jellegzetességeiből fakad. Ennek illusztrálására kü- lön közöljük a 15-49 évesek és az 50 éves és idősebb életkorhoz kapcsolódó paraméter- és összetételhatásokat. Ebből jól látható, hogy a pozitív hatások kizárólag az 50 éves és idősebb korcsoportoknál jelennek meg, a 15-49 éveseknél mind a paraméter-, mind az

(10)

összetételhatások – az 1993. évi zérus kivételével – rendre negatív értékeket vesznek fel, azaz az 50 évesnél fiatalabbaknál női elhelyezkedési előny mutatkozik.

Az 50 év felettiek esetében megfigyelt pozitív és nem csekély mértékű összetételhatás – értéke 10-16 százalék között ingadozik – abból fakad, hogy a nőkhöz viszonyítva a fér- fiak körében kisebb az 50 év feletti, alacsony elhelyezkedési esélyekkel rendelkező sze- mélyek aránya, ami a férfiak alacsonyabb várható élettartamának tulajdonítható. Az 50 év felettieknél megfigyelt pozitív és esetenként nagyon erős (5 és 31 százalék között mozgó) paraméterhatás pedig abból adódik, hogy az 50 év feletti népességben a férfiak elhelyezkedési valószínűsége kevésbé mérséklődik, mint a nőké, ez pedig nemigen ma- gyarázható mással, mint a két nem eltérő – az időszak kezdeti éveiben igen eltérő – nyugdíjkorhatárával.

Ha tehát a legidősebb korcsoporttól eltekintünk, akkor azt mondhatjuk, hogy a nők mind életkori összetétel, mind pedig az adott életkorban megfigyelhető elhelyezkedési valószínűségek tekintetében előnyösebb helyzetben vannak, mint a férfiak. Életkorral kö- zelített munkaerő-piaci tapasztalatukat tehát a munkáltatók nem tekintik értéktelenebb- nek, mint a férfiakét, itt foglalkoztatási diszkriminációra utaló jelet nem találunk.

Az iskolai végzettség esetében a végzettségi összetétel és a paraméterek hatása együt- tesen minden évben pozitív. Ez két ellentétes irányú hatás eredőjeként alakul ki: az össze- tételhatás mindvégig pozitív, a paraméterhatás pedig negatív. Az összetételhatás 10 és 19 százalék közötti, legmagasabb értékét az utolsó két évben éri el. A paraméterhatásnak nincs értékelhető időbeli trendje.

A pozitív összetételhatás azt jelenti, hogy a férfiak iskolai végzettség szerinti összeté- tele összességében a munkaerő-piaci elhelyezkedés szempontjából mindvégig kedve- zőbb, mint a nőké. Magyarán a nők körében magasabb a legalacsonyabb, a férfiak köré- ben pedig magasabb a legmagasabb iskolai végzettségűek aránya.

A negatív paraméterhatás azt mutatja, hogy adott iskolai végzettség mellett a férfiak- nak relatíve alacsonyabbak az elhelyezkedési esélyei. A negatív paraméterhatás arra utal, hogy – a háztartási munkamegosztás esetleges hatásától eltekintve – itt sincs jele a nőket hátrányosan érintő munkáltatói felvételi gyakorlatnak.

A férfiak iskolai végzettsége tehát a megfigyelés időszakában a részvételi esélyek szempontjából mindvégig kedvezőbb volt, mint a nőké, ugyanakkor adott iskolai végzett- ség mellett relatíve alacsonyabb férfi részvételi valószínűséget figyelhetünk meg (adott iskolai végzettség mellett az iskolai végzettség paraméterei a férfiaknál alacsonyabbak).

Összességében azonban az összetételhatás a döntő, tehát a férfiak iskolai végzettség szerinti megoszlása annyival kedvezőbb, hogy az alacsonyabb paraméterértékek ellenére az iskolai végzettség hatása a férfiak számára részvételi szempontból kedvezően alakul.

A megyehatások a munkaerőpiacok keresleti oldalán megfigyelhető területi eltérések hatásának a jelzésére szolgálnak. Az összhatás általában pozitív, az összetételhatás zérus körüli, tehát az összhatásban kizárólag a paraméterhatás jelenik meg. Adott területi mun- kaerő-piaci állapotok mellett a férfiak részvételi valószínűségei (egyetlen év kivételével) tehát magasabbak, vagyis a területi munkakeresleti különbségek a férfiak részvételi elő- nyét erősítik.

Összefoglalóan megállapíthatjuk, hogy a férfiak részvételi előnye a vizsgált időszak- ban folyamatosan és jelentősen növekedett. Az összes részvételi előny jelentős része a nők és a férfiak családi munkamegosztásban betöltött eltérő szerepének tulajdonítható.

(11)

Ezt a vizsgált modellbecslésekben elsődlegesen a potenciális munkavállalók családjában élő 0-14 éves gyerekek számának változójával tudtuk magyarázni, ami – feltevésünk szerint – többé-kevésbé jól tükrözi a gyermekneveléssel és -gondozással kapcsolatos tevé- kenységek mértékét. A háztartásban élő gyermekek számának növekedése erőteljesen fé- kezi a nők munkaerő-piaci részvételét. Ez jelentős férfi részvételi előnyt okoz, ami az egyes időpontokban mért részvételi előnyöknek nagyjából 41-48 százalékát magyarázza.

Ez egybevág mind a Becker–Gronau-féle nem fizetett munkát is tartalmazó munkakínála- ti modell, mind a Phleps-féle diszkriminációs modelljének előrejelzéseivel. Kínálati ol- dalról az eredményt úgy értelmezhetjük, hogy a nők termelékenyebbek a háztartási (gyermeknevelési) tevékenységekben, mint a fizetett munkában, a férfiaknál pedig az összefüggés fordított, ezért a nőknek érdemesebb a nem fizetett, a férfiaknak pedig a fizetett munkára fordítani rendelkezésre álló idejüket. A keresleti oldalon, tökéletlen in- formáció alapján a munkáltatók felvételi politikájukban diszkriminációt alkalmazhatnak, amelynek lényege, hogy potenciális munkavállalóik kiválogatásánál figyelembe veszik a nők és a férfiak háztartási munkamegosztásban elfoglalt helyének különbségeit, s emiatt azonos termelékenységet jelző jellemzők (például iskolai végzettség vagy munkaerő- piaci gyakorlat) mellett a nők várható termelékenységét a férfiakénál alacsonyabbra érté- kelik. Ha a diszkrimináció fennáll, akkor adott emberi tőkével rendelkező nő részvételi valószínűsége keresleti okokból is alacsonyabb lesz, mint egy egyébként ugyanolyan jel- legzetességekkel rendelkező férfié. Hogy a nők részvételi hátrányát elsődlegesen ez a té- nyező határozza meg, megerősíti, hogy a gyermekszám hatásától megtisztított emberi tő- ke jellemzők (életkor és iskolai végzettség) együtthatói esetében munkaerő-piaci diszk- riminációra utaló jelek nem mutathatók ki.

IRODALOM

BECKER G.S. (1965): A theory of the allocation of time. The Economic Journal, 75. évf. 493–517. old.

BECKER,G.S. (1975): Human Capital, University of Chicago Press, Chicago.

BLINDER,A.S.(1973): Wage discrimination: reduced form and structural variables. Journal of Human Resources, 8. évf. 436–

455. old.

GRONAU R.(1977): Leisure, home production and work – the theory of the allocation of time revisited. Journal of Political Economy, 85. évf. 1099–1123. old.

MINCER,J. (1974): School, Experience and Earnings. NBER, New York.

NAGY GY. (2000): A nők munkaerő-piaci helyzete Magyarországon, Országos Munkaügyi Kutató és Módszertani Központ, Bu- dapest.

NAGY GY. (2001): A nők gazdasági aktivitása és foglalkoztatottsága. Statisztikai Szemle, 79. évf. 35–55. old.

OAXACA,R.L. (1973): Male-female wage differentials in urban labour markets. International Economic Review, 14. évf. 693–

709. old.

PHELPS,E.S. (1972): The statistical theory of racism and sexism. American Economic Review, 62. évf. 659–669. old.

SUMMARY

The difference in labour market participation rates between women and men is an almost universal fact.

The paper is concerned with the main determinants of male-female labour market participation differences in Hungary between 1993 and 2000 with making use of first-quarter samples of the Hungarian Labour Force Sur- vey. The first section discusses elements of some standard models of the neoclassical labour economics that might be applicable in explaining differences in female-male labour market participation. The second section describes the estimation method, namely an extension to logit estimations of the standard Oaxaca-Blinder linear decomposition. The third section explores the main results of the estimations. The main finding of the paper is that the most important single factor explaining women’s lower participation rates is the different role that men and women play in the household’s division of labour measured by the number of children aged 0-14.

(12)

The effect is almost constant over time, causes an about 41-48 per cent higher participation advantage for men in terms of men to women participation’s log odds ratio. It is in line with the predictions of the Becker- Gronau’s labour supply model with unpaid work, if the assumption that men (women) are relatively more (less) productive in paid than unpaid work, thus they are willing to allocate more (less) time to work for earnings. It is also in line with discriminatory employer hiring practices whereby if the employer knows that women with children are less productive in the firm than men with the same human capital assets and the same number of children.

(13)

Függelék F1 táblázat Logitbecslések

1993 Nők Férfiak

Együttható. z Együttható. z Korcsoport

-20 -2.3192 -29.576 -2.4705 -30.079 20-24 -0.8446 -10.803 -0.4944 -6.672 30-34 -0.3168 -4.316 0.01794 0.236 35-39 0.15846 2.356 0.03566 0.526 40-44 0.08004 1.078 -0.0298 -0.42 45-49 -0.0094 -0.118 -0.0935 -1.228 50+ -1.943 -27.465 -1.4369 -21.687 Iskolai végzettség

8 osztály alatt -1.4198 -20.444 -1.2032 -17.372 Szakmunkásképző 0.99008 17.881 0.69813 16.027 Szakközépiskola 0.73626 14.704 0.49686 7.703 Gimnázium 1.12487 22.805 0.97758 19.521 Felsőfok 1.74522 27.63 1.49022 25.332 Gyermekszám

0-3 éves -2.3781 -31.376 0.03523 0.679 4-6 éves -0.6217 -11.3 0.03868 0.734 7-14 éves -0.2608 -7.953 -0.0055 -0.179 Egyedülálló -0.0807 -1.234 -0.045 -0.541 Háztartáslétszám 0.14205 7.312 0.1281 7.356

Megye

Baranya -0.1273 -1.355 -0.2821 -3.084 Bács-Kiskun -0.1518 -1.918 -0.1676 -2.116 Békés -0.2466 -2.585 -0.2479 -2.772 Borsod -0.2402 -3.297 -0.4964 -6.888 Csongrád -0.0291 -0.306 0.12673 1.334 Fejér -0.0428 -0.481 -0.0028 -0.032 Győr-Sopron 0.20518 2.37 0.06176 0.715 Hajdú-Bihar -0.1177 -1.344 -0.15 -1.744 Heves -0.1974 -2.149 -0.3844 -4.232 Komárom -0.1417 -1.391 -0.3284 -3.389 Nógrád -0.1534 -1.412 -0.4088 -3.939 Pest 0.17017 2.373 -0.054 -0.762 Somogy -0.0489 -0.542 -0.2691 -2.934 Szabolcs-Szatmár -0.3041 -3.688 -0.5883 -7.499 Szolnok -0.2156 -2.394 -0.3397 -3.816 Tolna -0.147 -1.433 -0.1925 -1.859 Vas 0.12401 1.211 0.07276 0.734 Veszprém -0.0562 -0.637 -0.1704 -1.978 Zala 0.192 1.997 0.11677 1.219 Konstans 0.06628 0.684 0.06594 0.717

N 26932 24312

(14)

chi² 6675.33 6042.21

Prob 0 0

Pseudo R² 0.3109 0.2427

1994 Nők Férfiak

Együttható z Együttható z Korcsoport

-20 -2.08039 -24.924 -2.56746 -29.421 20-24 -0.88243 -10.666 -0.71111 -8.905 30-34 -0.36088 -4.674 0.011122 0.136 35-39 0.108997 1.497 -0.09243 -1.237 40-44 0.16837 2.124 -0.02007 -0.257 45-49 0.002675 0.032 -0.31197 -3.841 50+ -1.98673 -25.873 -1.6087 -22.67 Iskolai végzettség

8 osztály alatt -1.69505 -19.664 -1.22692 -15.873 Szakmunkásképző 1.105213 19.833 0.904222 19.584 Szakközépiskola 0.804758 15.37 0.613642 9.227 Gimnázium 1.083502 21.332 0.97211 19 Felsőfok 1.735414 27.517 1.52725 24.585 Gyermekszám

0-3 éves -2.13629 -27.156 0.107633 1.904 4-6 éves -0.56173 -9.817 -0.06861 -1.289 7-14 éves -0.24623 -7.088 0.01237 0.36 Egyedülálló -0.0622 -0.911 -0.24883 -2.827 Háztartáslétszám 0.136016 6.684 0.113384 6.124

Megye

Baranya -0.14087 -1.478 -0.36494 -3.959 Bács-Kiskun 0.122917 1.479 -0.04603 -0.537 Békés -0.15847 -1.646 -0.14012 -1.497 Borsod -0.2365 -3.13 -0.43661 -5.741 Csongrád -0.01474 -0.156 0.046361 0.479 Fejér -0.03101 -0.338 0.0084 0.092 Győr-Sopron 0.158546 1.816 0.323333 3.668 Hajdú-Bihar -0.07456 -0.847 -0.16725 -1.93 Heves -0.12765 -1.346 -0.32914 -3.359 Komárom 0.013379 0.131 -0.12715 -1.268 Nógrád -0.12981 -1.156 -0.38725 -3.533 Pest 0.143832 2.026 0.131867 1.886 Somogy 0.076828 0.796 -0.2281 -2.255 Szabolcs-Szatmár -0.3722 -4.227 -0.49965 -5.861 Szolnok 0.029109 0.315 -0.29712 -3.316 Tolna 0.0612 0.583 -0.1971 -1.779 Vas 0.296745 2.835 0.293938 2.8 Veszprém 0.041767 0.444 0.059602 0.631

(15)

Zala 0.120082 1.178 0.134363 1.328 Konstans -0.13864 -1.352 0.075391 0.788

N 24709 22016

chi² 5855.29 5736.21

Prob 0 0

Pseudo R² 0.3126 0.2627

1995 Nők Férfiak

Együttható. z Együttható. z Korcsoport

-20 -2.50451 -28.492 -2.65602 -30.619 20-24 -0.86453 -10.838 -0.79573 -10.232 30-34 -0.23953 -3.183 0.032029 0.398 35-39 0.121933 1.682 -0.04618 -0.6 40-44 0.163695 2.105 -0.09408 -1.233 45-49 -0.11863 -1.456 -0.29254 -3.664 50+ -2.17604 -28.444 -1.67566 -23.622 Iskolai végzettség

0-3 éves -2.32409 -28.533 0.069388 1.285 4-6 éves -0.62443 -11.322 -0.05338 -0.989 7-14 éves -0.30504 -9.1 -0.01173 -0.371 Egyedülálló -0.12008 -1.742 -0.2168 -2.652 Háztartáslétszám 0.129153 6.92 0.101028 5.931

Megye

Baranya -0.3376 -3.495 -0.39235 -4.101 Bács-Kiskun -0.03788 -0.451 0.072061 0.865 Békés -0.24858 -2.714 -0.16874 -1.92 Borsod -0.36471 -4.829 -0.48195 -6.642 Csongrád 0.095544 1.025 0.243816 2.609 Fejér 0.135314 1.495 0.05417 0.602 Győr-Sopron 0.025395 0.274 0.115597 1.258 Hajdú-Bihar -0.24373 -2.921 -0.31067 -3.718 Heves -0.31576 -3.257 -0.39638 -4.276 Komárom -0.24937 -2.418 -0.26409 -2.747 Nógrád -0.40986 -3.728 -0.77314 -7.221 Pest 0.091768 1.318 0.06668 0.967 Somogy -0.06815 -0.707 -0.268 -2.787 Szabolcs-Szatmár -0.34171 -3.995 -0.59337 -7.393 Szolnok -0.31815 -3.425 -0.46435 -5.129

(16)

Tolna -0.24519 -2.359 -0.20416 -1.958 Vas 0.253438 2.551 0.12813 1.195 Veszprém -0.0897 -0.933 -0.25896 -2.849 Zala 0.224853 2.274 0.108183 1.08 Konstans 0.051527 0.504 0.189186 1.99

N 26360 23928

chi² 6413.57 6192.73

Prob 0 0

Pseudo R² 0.3311 0.2702

1996 Nők Férfiak

-20 -2.2072 -27.582 -2.65282 -31.69 20-24 -0.74682 -9.698 -0.66116 -8.69 30-34 -0.27542 -3.792 0.071137 0.904 35-39 0.186021 2.662 -0.10206 -1.392 40-44 0.137824 1.872 -0.08009 -1.07 45-49 -0.09399 -1.194 -0.34702 -4.427 50+ -2.15032 -29.603 -1.66907 -24.411 Iskolai végzettség

0-3 éves -2.22 -29.16 0.04178 0.783 4-6 éves -0.62419 -11.677 -0.06116 -1.23 7-14 éves -0.26199 -8.183 0.016702 0.532 Egyedülálló -0.09391 -1.422 -0.39428 -4.705 Háztartáslétszám 0.099716 5.323 0.091673 5.348

Megye

Baranya -0.25919 -2.768 -0.39567 -4.308 Bács-Kiskun 0.135502 1.685 -0.08995 -1.099 Békés -0.1018 -1.099 -0.15568 -1.756 Borsod -0.19894 -2.739 -0.49027 -6.922 Csongrád 0.152748 1.713 0.109209 1.218 Fejér 0.06157 0.7 0.06384 0.746 Győr-Sopron 0.251163 2.921 0.258887 2.966 Hajdú-Bihar -0.18329 -2.251 -0.28793 -3.522 Heves -0.14608 -1.607 -0.33645 -3.761 Komárom -0.18352 -1.879 -0.23061 -2.409 Nógrád -0.12786 -1.195 -0.56382 -5.313 Pest 0.111317 1.665 0.103588 1.564 Somogy -0.14478 -1.562 -0.23527 -2.454

(17)

Szabolcs-Szatmár -0.36992 -4.567 -0.56808 -7.253 Szolnok -0.12522 -1.393 -0.23265 -2.647 Tolna -0.05374 -0.535 -0.08905 -0.88 Vas 0.275217 2.734 0.350556 3.391 Veszprém -0.01747 -0.187 -0.10887 -1.234 Zala 0.279858 2.79 0.260243 2.585 Konstans 0.005758 0.059 0.22208 2.398

N 27669 24775

chi² 6672.56 6372.28

Prob 0 0

Pseudo R² 0.328 0.2731

1997 Nők Férfiak

-20 -2.63819 -29.446 -2.72236 -30.567 20-24 -0.96654 -12.131 -0.77999 -9.747 30-34 -0.36089 -4.794 0.108774 1.333 35-39 0.120427 1.637 0.006035 0.076 40-44 0.073658 0.957 -0.14843 -1.915 45-49 -0.05828 -0.712 -0.3364 -4.147 50+ -2.35141 -31.1 -1.88379 -26.088 Iskolai végzettség

0-3 éves -2.25397 -27.915 -0.05566 -1.012 4-6 éves -0.58858 -10.23 -0.12973 -2.383 7-14 éves -0.33263 -9.629 -0.08315 -2.561 Egyedülálló -0.13432 -1.94 -0.23976 -3.001 Háztartáslétszám 0.126734 6.568 0.12493 7.329

Megye

Baranya -0.23486 -2.413 -0.47628 -5.107 Bács-Kiskun 0.156982 1.868 0.012272 0.142 Békés -0.2938 -3.109 -0.27933 -3.036 Borsod -0.27445 -3.628 -0.52494 -7.167 Csongrád 0.169257 1.707 0.252055 2.706 Fejér 0.069281 0.721 0.094838 1.043 Győr-Sopron 0.151282 1.595 -0.02601 -0.285 Hajdú-Bihar -0.15501 -1.829 -0.1568 -1.793 Heves -0.21189 -2.041 -0.47751 -4.881 Komárom -0.01661 -0.156 -0.07441 -0.722

(18)

Nógrád -0.1139 -1.018 -0.53211 -4.882 Pest 0.201578 2.879 0.086379 1.266 Somogy -0.1349 -1.355 -0.16096 -1.624 Szabolcs-Szatmár -0.54509 -6.144 -0.93378 -11.292 Szolnok -0.21477 -2.292 -0.36857 -4.037 Tolna 0.201973 1.998 -0.43065 -4.118 Vas 0.538282 5.298 0.282359 2.525 Veszprém 0.149195 1.64 -0.09545 -1.055 Zala 0.396227 3.925 0.216451 2.115 Konstans -0.01444 -0.143 0.182283 1.916

N 26153 23657

chi² 6615.52 6420.81

Prob 0 0

Pseudo R² 0.3401 0.2863

1998 Nők Férfiak

-20 -2.64378 -33.98 -2.81869 -35.978 20-24 -1.0073 -14.536 -0.94954 -13.889 30-34 -0.32219 -4.906 -0.05899 -0.832 35-39 0.041129 0.631 -0.05095 -0.728 40-44 0.037249 0.548 -0.1704 -2.504 45-49 -0.18833 -2.664 -0.34072 -4.879 50+ -2.36907 -36.095 -1.94295 -31.473 Iskolai végzettség

Megye

Baranya -0.28046 -3.459 -0.25571 -3.153 Bács-Kiskun 0.039398 0.523 0.107864 1.427 Békés -0.35758 -4.279 -0.19834 -2.413 Borsod -0.45659 -6.742 -0.51722 -7.792 Csongrád 0.086553 1.024 0.3052 3.685 Fejér 0.046972 0.575 0.216294 2.716 Győr-Sopron 0.109124 1.38 0.287986 3.548

(19)

Hajdú-Bihar -0.26124 -3.532 -0.16188 -2.148 Heves -0.24747 -2.867 -0.22087 -2.619 Komárom -0.17449 -1.917 0.10667 1.27 Nógrád -0.10591 -1.056 -0.30972 -3.248 Pest 0.064118 1.055 0.206218 3.369 Somogy -0.25192 -2.969 -0.28257 -3.333 Szabolcs-Szatmár -0.51589 -6.917 -0.61201 -8.33 Szolnok -0.33125 -3.993 -0.17181 -2.063 Tolna -0.10275 -1.075 -0.13963 -1.552 Vas 0.288281 3.187 0.353758 3.791 Veszprém -0.03907 -0.476 0.034548 0.434 Zala 0.250227 2.9 0.335859 3.855 Konstans -0.04149 -0.476 0.196878 2.353

N 34222 31156

chi² 8594.09 8283.61

Prob 0 0

Pseudo R² 0.3355 0.2825

1999 Nők Férfiak

-20 -3.02834 -36.096 -3.00295 -37.318 20-24 -1.0735 -15.85 -1.01441 -15.162 30-34 -0.27188 -4.194 -0.10058 -1.422 35-39 -0.02592 -0.4 -0.21667 -3.092 40-44 -0.048 -0.728 -0.37185 -5.56 45-49 -0.34775 -5.08 -0.51846 -7.526 50+ -2.47041 -39.274 -2.31615 -38.44 Iskolai végzettség

Megye

Baranya -0.28248 -3.416 -0.52514 -6.564 Bács-Kiskun 0.012154 0.169 0.057538 0.802 Békés -0.29616 -3.692 -0.31508 -3.893 Borsod -0.42489 -6.449 -0.63107 -9.854