Készítette: Köllő János Szakmai felelős: Köllő János

MUNKAGAZDASÁGTAN

MUNKAGAZDASÁGTAN

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.

MUNKAGAZDASÁGTAN

Készítette: Köllő János Szakmai felelős: Köllő János

2011. január

ELTE TáTK Közgazdaságtudományi Tanszék

MUNKAGAZDASÁGTAN

6. hét

Tudáskínálat – Mérés

Szemináriumi tanári segédanyag. Feltöltés előtt távolítsuk el az 2–5. diákat!

Köllő János

Házi feladat az óra előtt

• Becsülje meg r-et a Mincer-féle alapegyenlettel

1986–2009-ben a vállalati szférában  rajz vagy táblázat

• Rajzolja meg a tapasztalat-kereset profilokat 1986-ban és 2009-ben egy ábrán

• Értelmezze a 2009-es becslés paramétereit, számítsa kis és értelmezze a strukturális egyenlet együtthatóit (r, T, h

)

• Milyen okokból lehet torzított a Mincer-féle alapmodell becslése?

Adatok: etar86.dta, etar09.dta Stata 10.0 adatfile-ok

Az iskolázottság kereseti hozama a versenyszférában a Mincer-féle alapmodellel becsülve, 1986–2009

.06.08 .1.12.14.16 r

1985 1990 1995 2000 2005 2010

év ev

051015

Density

0 .05 .1 .15 .2

r

27 ország x 2 nem

Trostel, Walker, Woolley 2002, Labor Economics

r eloszlása 54 mintában

Mo. 1986-2009

0.1.2.3.4.5

0 10 20 30 40 50

x

w86 w09

A munkatapasztalat kereseti hozama a versenyszférában

a Mincer-féle alapmodellel becsülve, 1986, 2009

Az identifikáció nehézségei

– az oktatás, mint „kezelés”

• Ahhoz, hogy az az oktatásnak betudható

kereseti többletet torzítatlanul becsülhessük, az iskolázottság hatását el kell választanunk egy sor, azzal korrelált tényező hatásától

• Ennyiben a feladat nem különbözik az orvosi vagy közgazdasági hatásértékelésétől: hogy a „kezelés” hatását, és csakis azt azonosítsa

Az előadás Kézdi Gábor: Az aktív foglalkoztatáspolitikai programok hatásvizsgálatának módszertani kérdései, BWP 2004/2 tanulmányából merít: http://www.econ.core.hu/doc/bwp/bwp/bwp0402.pdf

• A nehézséget az okozza, hogy mi

ugyanazon személy két létállapotát

szeretnénk összehasonlítani: mennyit keres most, és mennyit keresne, ha nem tanult

volna?

• Erre nyilvánvalóan nincs mód, a

„tényellentétes állapotra” (counterfactual) csak valamilyen kontrollminta

megfigyelésével következtethetünk

A probléma

A kimenet t idővel a kezelés megkezdése után:

i i

i i i

i

i

K t K d t

Y      ( 

 

)   ( )  

Y – eredménymutató

K – a vizsgált egyed a kezelt csoportba tartozik (0,1) t – a kezelés időtartama

d – dózis

 – konstans

 – a kezelt és a kontrollcsoport közötti tartós különbség

 – trend a kontrollcsoportban (⁰) illetve a kezelteknél kezelés nélkül (¹)

 – a kezelés hatása

 – reziduum, cov(,t)=0, cov(,K)=0, cov(,Kt)=0

i i

i i i

i

i

K t K d t

Y      ( 

 

)   ( )  

E(Y|kontrollcsoport a kezelés előtt) = 

E(Y|kontrollcsoport a kezelési periódus után) =  + ⁰ E(Y|kezelt, a kezelés előtt) =  + 

E(Y|kezelt,kezelés nélkül) =  +  + ¹ E(Y|kezelt,kezelés után) =  +  + ¹+ 

Kezelt-kontroll különbség a kezelés után:  + (¹-⁰) + 

Különbség a kezelt csoport kezdeti és végállapotában: ¹ + 

i i

i i i

i

i

K t K d t

Y      ( 

 

)   ( )  



–

= 0: párhuzamos trend feltevés

(parallel trend assumption)

Kezelt-kontroll különbség a kezelés után:  + (

–

) +  Kezelt csoport előtte-utána: 

+ 

0

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel

Állapotok, ha érvényes a párhuzamos-trend feltevés

Mit szeretnénk mérni?

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel



Mit nem szeretnénk mérni?

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel





¹

⁰

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel

Mit figyelünk meg?

1. A kezelt és kontrollcsoport összehasonlítása a kezelés után: + >  Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel





2. „Reflexív értékelés”: A kezelt csoport kezelés előtti és utáni helyzetének összehasonlítása.  + ¹ > . Az oktatás hatásának mérésére eleve csak speciális esetekben (pld. átképzés) alkalmazható.

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel



¹

3. DID*: a változások különbsége, avagy a különbségek változása Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel

* DID = Difference in difference, double difference

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel



4. A DID a programhatást azonosítja, ha érvényes a párhuzamos trend feltevés

Ha nem érvényes a párhuzamos trend feltevés, a mért hatás +(¹–⁰)>

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel

Y

t

Kontroll

Kezelt, kezelés nélkül

Kezelt, kezeléssel Innét identifikálható ¹–⁰

Vissza a Mincer-egyenlethez

• Kezelt: S évig járt iskolába

• Kontroll: S–1 évig járt iskolába

• Kezelt-kontroll különbség: mit mutat?

• Kezeltek előtte-utána: egyáltalán mérhető-e?

• Párhuzamos trend feltevés: érvényes-e?

• DID: alkalmazható-e?

• Ha egyik sem, akkor hogyan?

• Kísérletre, természetes kísérlet megfigyelésére nincs mód, vagy csak nagyon ritkán

• Ökonometriai eszközökre, jobb adatokra van szükség

• Vegyük sorra a klasszikus Mincer-egyenlet

esetében fenyegető kockázatokat!

1. A legsúlyosabb probléma: a képességtorzítás

Ha a jobb képességűek több osztályt végeznek, akkor a mért hozam egy része a szelekciónak tudható be.

Megoldás lehet a képességek (pld. IQ) közvetlen figyelembe vétele

Iker-kutatások (Bonjour 2002, Ashenfelter and Krueger 1994; Miller et al. 1995; Behrman and Rosenzweig 1999;

Bound and Solon 1999; Isacsson, 1999)

Kvázi-kísérleti helyzetek (Jurajda–Munich, Malamud–Pop Eleches)

Instrumentált becslés: keressünk olyan segédváltozót, ami korrelált S-sel, de nem korrelált a képességekkel. Miért?



Legyen:

Úgy, hogy -ra teljesül az OLS feltevés E(x1)=0, de u-ra nem: E(x1u)0. Ilyenkor a redukált forma együtthatójának OLS becslése inkonzisztens.

Példa: x₁ az iskolai végzettség, x₂ a képességek és y a bér  az iskolázás hatását felülbecsüljük, ha az pozitívan korrelált a meg nem figyelhető képességekkel (>0).

A probléma kezelésének egyik módja, hogy keresünk egy olyan, az egyenletben nem szereplő z változót („instrumentumot”), amely eleget tesz az alábbi két követelménynek:

u x x

x

y 









2

] 1

[







E

1) Az instrumentum korrelált az instrumentált magyarázó változóval. Esetünkben:

E(x₁z)0

2) Az instrumentum nem korrelált az egyenlet reziduumával.

E(zx₂) = E(z) = E(zu) = 0

Példa: Esetünkben olyan instrumentumra van szükség, amely korrelált az iskolázottsággal, de nem korrelált a képességekkel. A születés hónapja korrelált lehet az óvodai és iskolai oktatásban

együttesen eltöltött idővel (azonos életkor és legmagasabb iskolai végzettség esetén), de

valószínűleg nem korrelált a képességekkel. (Angrist-Krueger 1991, QJE, 971) A lakóhelynek az iskoláktól való távolsága korrelált az oktatásban való részvétellel, de valószínűleg nem korrelált a képességekkel. (Card 1995, Toronto)

Az (1) feltétel tesztelhető és tesztelendő. A (2) feltétel nem tesztelhető, ezért az IV választásának nincsenek rögzített szabályai. A két feltétel gyakran ütközik. Pld. hajszín teljesíti (2)-t de nem teljesíti (1)-et. A szülők iskolázottsága teljesíti (1)-et, de valószínűleg nem teljesíti (2)-t.

Miért oldhatja meg az IV az identifikációs problémát? Legyen a redukált forma:

Az egyenletet z-vel balról szorozva a várható értékek:

A fenti egyenletnek van egyértelmű megoldása (amennyiben a KK méretű E(zx) matrix rangja K

 „rangfeltétel”):

Belátható, hogy az IV együttható a strukturális paraméter torzítatlan becslését nyújtja:

u x

y  







( )

(zy E zx₁ E zu E zx₁

E   

) (

) (

zx1

E zy

IV  E



1 1

1 2 2

1 1 1

1 2 2 1 1

1 ( )

) ( )

( ) ( )

( ) ( )

(

)]

( [ )

( )

(       

      



 E zx

z E zx

E zx E zx

E zx E zx

E

x x

z E zx

E zy

IV E

0

• A modell longitudinális, a becslés keresztmetszeti

Az 1944 és 1973 között született évjáratok relatív kereseti nyereségei illetve veszteségei 1989 és 1998 között, iskolázottsági fokozatonként

(Az 1998. évi tényleges relatív bruttó kereset és az 1989. évi életkor-kereseti profil alapján várható relatív bruttó kereset különbsége.

Forrás: Kézdi–Köllő (2000)

A keresztmetszeti életkor-kereseti profil nem feltétlenül tükrözi az egyén életpálya-kilátásait. Példa:

Az 1950-55-ben született diplomások 20-25

százalékkal kerestek kevesebbet 1998-ban, mint amire az 1989. évi keresztmetszeti profil alapján számíthattak volna

Születési év

• Az iskolázottság tökéletlen jelzője az emberi tőkének

-1.5 -1-.5 0

0-10 11 12-14 15- 0-10 11 12-14 15-

Idõsek Fiatalok

Nyugat1 Nyugat2 KKE

Elvégzett osztályok száma

Graphs by age

Forrás: Nemzetközi Felnőtt Írásbeliség-vizsgálat 1994–98

Olvasásteljesítmény a fiatal diplomásokhoz viszonyítva, szórásegységben

Nyugat2: Írország, Anglia, Finnország. KKE: Csehország, Lengyelország, Magyarország, Szlovénia. Nyugat1: a többi EU tagállam

2002 1989

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

4. Az életkor-kereset profilok iskolai végzettség szerint eltérőek

Az ábrán: kereset a 16 éves, csak általános iskolát végzettek keresetéhez viszonyítva.

1989, 2002

Forrás: Kézdi Gábor számításai az OMK Bértarifa felvételének adatai alapján. Munkaerőpiaci Tükör 2004

Tiszta mérési hiba

Egy év bármilyen iskola=egy év iskola. Minőségi heterogenitás. Nem S-et figyeljük meg, hanem S*-ot, melyre

A modellünk:

A becsülhető modell:

Ha a mérési hiba nem szisztematikus, korrelálatlan az elvégzett osztályok számával:

Ha a mérési hiba szisztematikus (1):

] ) [

(

) ] (

[ ]

[



  E

S Var

S E Var

b E

v

 



v S

S   



u bS

w 



] ) [

(

) ] (

[ ]

[







  E

S Var

S E Var

b E

v

 

 

v S w 



• Véletlen mérési hiba S-ben és/vagy X-ben

Potenciális és tényleges tapasztalat

Elhelyezkedő munkanélküliek, 2001. Kor-iskolai évek-6 versustényleges tapasztalat

Becsült bér, pályakezdők = 1

tapasztalat

teljes tényleges

kieső

0 10 20 30 40

1 2 3 4 5 6 7

Példa: a munkapiaci tapasztalatot többnyire így mérjük: X = életkor – S – 6. Olyan adatbázisokban, ahol ismert X tényleges értéke, láthatóvá válik az ebből eredő torzítás:

Forrás: adatfelvétel az elhelyezkedő segélyezett munkanélküliek körében 2001 április (FSZH) A potenciális éa a tényleges munkapiaci tapasztalat és a nem munkával

töltött idő kereseti hozama 2001-ben az elhelyezkedő munkanélküliek béréből számítva

• Szelekciós torzítás

Nem a felkínált, hanem az elfogadott béreket vizsgáljuk. Ha például erős a szelekciós torzítás lent, akkor r-et alulbecsüljük

iskolázottság Ajánlott bér,

elfogadott bér

0

100200300400

0 100 200 300 400

prose1

prose2 bprose2

7. Fekete/szürke gazdaság és az iskolázottak mért bérelőnye

Köllő (2010), MEF-ben megfigyelt, de az ONYF-nek be nem jelentett munka

A korrigált diplomás bérelőny az elképzelhető forgatókönyvek többségében nagyobb

Elek–Szabó (2010): álminimálbér

A korrigált diplomás bérelőny nagyobb (2.5-4.5 százalékkal) Benedek-Szabó (2010): fogyasztás versus jövedelem

A diplomások a jövedelmük 23-41%-át titkolják el, a többiek 8-13%-ot

Molnár–Kapitány (2010): bevallott jövedelemre kontrollált elégedettség A kiinduló hipotézis – mely szerint a nem mért jövedelmek miatt a diplomások jövedelmi előnye kisebb annál, mint amit a Bértarifa-felvételen, HKF-en, Tárki- Monitoron alapuló kutatások sugallnak - nem igazolható, sőt nagy

valószínűséggel éppen az ellenkezője áll fenn.