az inaktívak és aktívak létszámának előrejelzése ágazati és foglalkozási bontásban
DESCRIPTION
Az inaktívak és aktívak létszámának előrejelzése ágazati és foglalkozási bontásban. Előrejelző modell és előzetes eredmények. Az előrejelzési feladat kerete. Cél: a munkakínálat előrejelzése 2011-2020 között Keretek: 10 ágazat és 200 foglalkozás szerinti bontás - PowerPoint PPT PresentationTRANSCRIPT
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Az inaktívak és aktívak létszámának előrejelzése
ágazati és foglalkozási bontásbanElőrejelző modell és előzetes eredmények
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Az előrejelzési feladat kerete
• Cél: a munkakínálat előrejelzése 2011-2020 között• Keretek: 10 ágazat és 200 foglalkozás szerinti bontás
Az előrejelzéshez felhasználható inputok:• Tényadatok (LFS)• Demográfiai előrejelzés (népesség nem, kor, iskolai végzettség
és régió szerinti bontásban rendelkezésre álló létszáma)• Munkaképes korú népesség várható létszáma a 200
foglalkozásban• GDP előrejelzés
• Feladat: aktivitási ráta előrejelzés
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Kiindulópont
• Egyéni szinten az aktivitási döntés a szabadidő és a fogyasztás közötti döntés eredménye
• a szakirodalom alapján így összefüggésbe hozható egyéni demográfiai jellemzőkkel (nem, életkor, iskolai végzettség, családi állapot), makrogazdasági és intézményi környezet jellemzőivel
• Aggregáltan vizsgálva az inaktivitás legjellemzőbb csoportjait a gyermekvállalás, nyugdíj vagy nappali tagozatos tanulmányok miatt távol lévők jelentik
• Mindezek meglehetősen közvetetten vannak összefüggésben a foglalkozással és az ágazattal
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Koncepció
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Az aktivitási ráta becslése
• LFS alapján• egyedi adatokat nem, korcsoport és régió szerint aggregáljuk
(168 megfigyelés/időpont)• negyedéves gyakoriságú adatfelvételt éves gyakoriságúvá
alakítjuk (átlagolás, 1993-2010 évek)• Az adatbázis kiegészítjük makrogazdasági és intézményi
változókkal, úgymint• GDP• nyugdíjkorhatár• gyermekelhelyezési intézmények elérhetősége
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Az aktivitási ráta becslése
• Az aktivitási ráta becslése során a standard megoldás az ún. logisztikus transzformált becslése:
• a transzformált aktivitási ráta idősora meglehetősen perzisztens, tehát az idősoros vizsgálat és eszközök is szükségesek
• a strukturális hatásokat magyarázó változókkal próbáljuk megragadni (OLS-el becsüljük), ezek főleg a demográfiai, makrogazdasági és intézményi környezet jellemzői
arar
ar l1
ln
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Az egység-gyök tesztek
A transzformált aktivitási ráta, 𝒂𝒏𝒌𝒓𝒕𝒍 Im-Pesaran-Shin panel-egységgyök tesztjeinek eredménye
Trend Egyéni fix-hatás
p-érték
1%-os szignifikancia elvethe-tő a nullhipotézis?
Van néhány eleme a panelnak, amely stacionárius?
Nincs Nincs 0,0034 Igen Van
Van Nincs 0.0000 Igen Van
Nincs Van 0.0592 Nem Nincs
Van Van 0.0000 Igen Van
A Hadri teszt eredménye a transzformált aktivitási ráta panel-egységgyök teszteléséről
Trend Egyéni fix-hatás
p-érték
1%-os szignifikancia elvethető a nullhipotézis?
A panel minden eleme sta-cionárius?
Nincs Nincs 0.0000 Igen Nem
Van Nincs 0.0000 Igen Nem
Nincs Van 0.0000 Igen Nem
Van Van 0.0000 Igen Nem
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Alapmodell
• A transzformált aktivitási ráta differenciáját magyarázzuk strukturális tényezőkkel + késleltetett tagok
• Modellszelekciós eljárás: • 1995-2006 adatain megbecsüljük a modellt• 2007-2010 adatain előre jelezzük• az előrejelzés átlagos standard hibája alapján határozzuk meg a
végleges modellspecifikációt
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Modellváltozatok
• a modellváltozatok elsősorban a magyarázó változókban és a nemek között különbségek kezelésében térnek el egymástól
• „Teljes modell”• ugyanazon modellen belül becsüljük meg a férfiak és nők
aktivitását, az esetleges különbség egyetlen nem dummy változóban jelenik meg
• „Vegyes modell”• a két nem esetén a becsült együtthatók eltérhetnek egymástól, de
a változólista azonos
• „Férfi-nő modell”• a két nemre eltérő modellspecifikációk (változók + együttható)
lesznek érvényesek
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Differenciára felírt modellek
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Differencia vagy szint?
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Előrejelzés
• A „Teljes_14” modellel jelzünk előre• GDP pálya jön az 1-es alprojektből (makromodell)• educ_yrs, eletkor jön a demográfiai előrejelzésből• old_pen: a nyugdíjkorhatár változatlanságát feltételezzük• a következő ábrákon egy alternatív modellspecifikáció által
adott előrejelzést is megmutatunk
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Aktivitási ráta (átlagos)
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Nemek szerinti aktivitás
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Előrejelzési modellváltozat
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Nyugdíjkorhatár emelés hatása
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Transzformáció szakma szerinti aktivitássá
• A szakma szerinti aktivitási ráták meghatározásának alapja az LFS adatbázisban szereplő FEOR kód
• jelentős adathiány van, az adathiány eltérő mértékben jellemzi a foglalkoztatott, munkanélküli és inaktív személyeket
• feltehető, hogy az inaktívak FEOR szerinti megoszlása eltérő az aktívakétól
• adathiány eltérő gyakorisága aktivitás szerint:
aktív inaktív összesen
Feor adat van 510 544 147 271 657 815
Feor adat nincs 11 023 377 479 388 502
Összesen 521 567 524 750 1 046 317
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
A transzformáció lépései
1. A 200 szakmát 23 főkategóriába vontuk össze (továbbiakban FEOR23)
2. Az adathiány pótlása: multinomiális logit becsléssel 23 elemű valószínűségi mezőt rendelünk minden személyhez, amely megmutatja az egyes FEOR23 szakmákhoz tartozás valószínűségeit
3. A becsült valószínűségeloszlásokat nem, korcsoport, régió, aktivitás és évek szerint aggregáljuk
4. A FEOR23 valószínűségeloszlást létszarányosan szétosztjuk FEOR200 szerinti valószínűségeloszlásra
5. Kiszámítjuk nem,korcsoport és régió szerinti bontásban az aktívak és inaktívak létszámát (ld. előző aktivitási ráta becslés), szétosztjuk a kapott valószínűségi mező szerint szakmák között, majd aggregáljuk
6. A szakma szerinti aktív és inaktív létszámok felhasználásával lesz szakma szerinti aktivitási ráta
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
mlogit FEOR23=1,…,131 2 3 4 5 6 7 8 9 10 11 12 13
iyear 0.02*** -0.02*** -0.01 0.02*** -0.04*** -0.02*** -0.02*** 0 -0.03*** 0.00* 0.01*** -0.03*** -0.02***-9.04 (-5.03) (-1.31) -4.59 (-17.06) (-6.03) (-5.44) -0.37 (-13.68) -2.11 -8.1 (-5.79) (-10.94)
sex -0.78*** -0.21*** -0.37*** -2.38*** -2.75*** -1.68*** -1.54*** 0.03 -0.92*** -2.48*** -2.07*** -1.45*** -1.50***(-48.29) (-5.34) (-7.91) (-64.16) (-114.28) (-59.35) (-41.14) -0.61 (-41.06) (-126.51) (-111.81) (-32.83) (-81.78)
elv_oszt 1.22*** 2.26*** 1.47*** 0.86*** 2.73*** 1.29*** 1.80*** -0.56*** 0.84*** 0.46*** 0.85*** 1.45*** 0.43***-58.7 -49.51 -34.44 -22.93 -105.49 -44.73 -48.81 (-9.47) -28.04 -18.41 -36.86 -31.91 -13.72
lemp_kat -0.04*** -0.02 -0.11*** -0.05** -0.05*** -0.09*** -0.06** 0 -0.03** -0.05*** -0.04*** -0.01 -0.03** (-5.30) (-1.22) (-3.61) (-2.73) (-4.78) (-5.73) (-2.93) (-0.14) (-2.96) (-6.49) (-4.55) (-0.53) (-3.25)
fs tat -0.06*** -0.02* 0.01 -0.02* -0.03*** 0 0.03*** -0.01 0 0 -0.01* 0.09*** 0.05***(-14.33) (-2.27) -0.66 (-2.25) (-5.17) -0.3 -3.38 (-1.70) (-0.28) -0.36 (-2.42) -9.23 -11.27
educH -0.71*** -1.00*** -0.56*** 1.37*** -2.36*** -0.14* -1.16*** 2.30*** -0.37*** 0.20*** -0.28*** -1.38*** -0.35***(-19.52) (-14.18) (-6.69) -18.89 (-51.12) (-2.37) (-16.01) -22.5 (-7.06) -4.77 (-6.90) (-15.93) (-6.49)
mpstatH -0.15*** -0.10*** -0.16*** -0.28*** -0.10*** -0.13*** -0.18*** -0.05* -0.05*** -0.15*** -0.12*** -0.07* -0.01(-14.27) (-3.80) (-4.47) (-10.29) (-6.93) (-6.29) (-6.32) (-2.07) (-3.43) (-14.06) (-10.72) (-2.22) (-1.22)
htgyesz0_6 -0.03 -0.07* -0.07 0.19*** 0.06** -0.05 -0.02 -0.18*** -0.13*** 0.10*** -0.16*** -0.11* -0.13***(-1.89) (-2.01) (-1.72) -5.34 -2.84 (-1.77) (-0.61) (-4.33) (-5.46) -6.02 (-8.27) (-2.08) (-7.10)
htgyesz7_18 -0.04** -0.15*** -0.09** -0.04 0.06*** -0.15*** -0.06* -0.13*** -0.10*** 0.04*** -0.14*** -0.17*** -0.15***(-3.28) (-6.55) (-2.97) (-1.57) -4.21 (-7.21) (-2.08) (-5.14) (-6.18) -3.38 (-12.02) (-4.81) (-11.62)
s zul_ev -0.05*** -0.01*** 0.01*** -0.05*** -0.03*** 0 -0.02*** -0.02*** -0.01*** -0.01*** -0.01*** 0.02*** 0.03***(-54.16) (-7.54) -4.38 (-25.41) (-25.49) -0.13 (-10.01) (-12.18) (-4.75) (-9.52) (-9.41) -7.92 -26.78
ht_szemelyek -0.10*** 0.02 -0.10*** -0.12*** -0.10*** -0.15*** -0.16*** -0.04* -0.05*** -0.07*** -0.11*** -0.07*** -0.02* (-12.58) -1.02 (-5.07) (-6.47) (-9.39) (-10.76) (-8.21) (-2.25) (-4.37) (-9.29) (-13.67) (-3.45) (-2.03)
KozepDt -0.44*** -0.46*** -0.98*** -0.20*** -0.19*** -0.87*** -1.25*** -0.41*** -0.37*** -0.41*** -0.65*** -1.06*** -0.44***(-17.35) (-9.33) (-15.40) (-3.52) (-5.80) (-20.03) (-19.82) (-7.87) (-10.83) (-14.67) (-24.01) (-15.47) (-14.10)
NyugatDt -0.64*** -0.67*** -1.48*** -0.28*** -0.20*** -0.98*** -1.32*** -0.74*** -0.56*** -0.44*** -0.79*** -1.05*** -0.13***(-24.03) (-12.62) (-18.34) (-4.71) (-5.75) (-20.86) (-19.55) (-12.59) (-14.80) (-15.13) (-27.48) (-14.76) (-4.50)
DelDt -0.26*** -0.48*** -0.97*** 0.26*** 0.20*** -0.64*** -1.05*** -0.37*** -0.50*** -0.02 -0.50*** -0.90*** -0.05(-9.34) (-7.87) (-11.45) -4.25 -5.47 (-12.08) (-13.66) (-5.90) (-11.90) (-0.81) (-16.34) (-10.95) (-1.68)
EszakMo -0.44*** -0.65*** -1.16*** -0.12* -0.03 -0.78*** -1.27*** -0.50*** -0.58*** -0.20*** -0.68*** -1.14*** -0.38***(-17.98) (-12.69) (-17.50) (-2.18) (-0.87) (-18.47) (-21.41) (-9.68) (-16.34) (-7.50) (-25.70) (-16.29) (-12.66)
EszakAl f -0.42*** -0.71*** -1.12*** 0.06 0.14*** -0.85*** -1.07*** -0.60*** -0.52*** -0.03 -0.54*** -1.23*** -0.29***(-16.84) (-13.62) (-16.37) -1.11 -4.43 (-19.27) (-18.85) (-10.58) (-14.37) (-1.09) (-20.68) (-16.43) (-9.81)
DelAl f -0.45*** -0.79*** -1.02*** 0.16** 0.08* -0.67*** -0.85*** -0.50*** -0.49*** -0.07* -0.54*** -1.10*** -0.21***(-17.18) (-13.96) (-13.72) -2.97 -2.33 (-15.06) (-14.91) (-8.33) (-13.04) (-2.57) (-19.59) (-15.22) (-6.81)
gyed -0.03 0.08 0.22 0.39** 0.07 0.31** 0.35* -0.03 0.15 0.28*** 0.08 0.1 -0.1(-0.33) -0.47 -0.99 -2.85 -1 -2.99 -2.43 (-0.11) -1.63 -4.82 -1.19 -0.63 (-1.45)
nyugdi j 0.30*** 0.66*** 0.86*** 0.47*** 0.61*** 0.65*** 0.58*** 0.53*** 0.58*** 0.66*** 0.48*** 0.66*** 0.33***-8.89 -9.68 -8.82 -6.98 -13.56 -10.23 -7.2 -7.84 -11.62 -17.53 -12.83 -5.91 -7.29
munkanelkul i -0.52*** -0.56** -0.23 -0.55* -0.81*** -0.48*** -0.41 -0.39** -0.07 -0.68*** -0.25*** -0.29 -0.18** (-7.49) (-3.02) (-1.06) (-2.13) (-6.87) (-3.46) (-1.95) (-2.65) (-0.97) (-9.18) (-3.82) (-1.69) (-3.09)
_cons 46.72*** 33.72*** -25.09** 40.41*** 108.90*** 19.35*** 63.44*** 36.13*** 69.55*** 2.79 -21.25*** 5.84 -12.66***-14.5 -5.2 (-2.92) -5.83 -26.22 -3.49 -8.61 -5.27 -14.45 -0.84 (-6.26) -0.65 (-3.36)
Pseudo R-squared 0.21 Model chi -square 2.30E+05 N 6.60E+05
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
FEOR23=14,…,23
14 15 16 17 18 19 21 22 23iyear -0.04*** -0.01*** 0.01*** 0.02*** 0.02*** 0.01*** 0.04*** 0.03*** -0.09***
(-23.33) (-9.02) -10.9 -11.41 -9.05 -6.25 -22.95 -19.74 (-26.88) sex -3.70*** -2.02*** 1.60*** 0.24*** -2.57*** -0.10*** -1.88*** 0.53*** 0.55***
(-141.23) (-149.12) -79.6 -10.34 (-87.96) (-6.59) (-125.23) -29.93 -12.28elv_oszt 0.62*** 0.48*** -0.60*** 0.18*** 0.16*** -0.12** -0.49*** -0.67*** 1.58***
-27.4 -22.21 (-19.34) -4.22 -3.74 (-2.95) (-14.65) (-17.01) -42.34lemp_kat -0.01 -0.02** -0.02*** -0.03*** -0.02 -0.04*** -0.03*** -0.04*** 0.02
(-1.14) (-3.01) (-4.56) (-3.50) (-1.68) (-7.53) (-7.05) (-6.88) -1.51fs tat 0 -0.01*** -0.04*** 0.01** 0.01 0.03*** 0.06*** 0.11*** -0.11***
(-0.25) (-3.97) (-12.32) -2.96 -1.31 -9.4 -17.18 -33.96 (-11.66) educH -0.08* -0.35*** 0.86*** -0.04 0.03 -0.02 0.32*** 0.13 -1.61***
(-2.00) (-9.42) -16.61 (-0.64) -0.36 (-0.26) -5.39 -1.85 (-23.71) mpstatH -0.07*** -0.07*** -0.10*** -0.12*** -0.17*** -0.08*** -0.04*** 0.19*** -0.02
(-7.95) (-8.55) (-12.29) (-8.42) (-11.68) (-8.69) (-5.28) -23.92 (-0.74) htgyesz0_6 -0.11*** -0.06*** 0.03** 0.06** -0.05* 0.18*** 0.07*** 0.17*** -0.09**
(-6.26) (-4.80) -2.75 -3.09 (-2.21) -13 -4.55 -14.37 (-2.88) htgyesz7_18 -0.10*** -0.06*** 0.07*** 0.02 -0.11*** 0.09*** 0.10*** 0.15*** 0.10***
(-9.25) (-6.75) -8.61 -1.51 (-6.83) -9.19 -10.92 -17.13 -4.92szul_ev -0.01*** 0.02*** -0.02*** 0.00*** 0 -0.03*** -0.03*** 0.01*** 0.05***
(-14.28) -26.33 (-30.26) -3.68 -0.74 (-35.51) (-41.83) -11.13 -25.7ht_szemelyek -0.07*** -0.06*** -0.05*** -0.03** -0.07*** 0.01 -0.02** 0.02** -0.14***
(-8.98) (-9.56) (-8.46) (-3.23) (-6.80) -0.89 (-2.86) -2.75 (-8.43) KozepDt -0.71*** -0.56*** -0.08*** -0.50*** -0.71*** 0.44*** -0.46*** -0.11*** -0.38***
(-28.29) (-26.17) (-3.82) (-15.65) (-18.44) -13.47 (-19.46) (-3.76) (-7.03) NyugatDt -0.81*** -0.52*** -0.14*** -0.67*** -0.52*** 0.56*** -0.40*** 0.02 -0.33***
(-31.23) (-23.53) (-6.26) (-19.07) (-13.40) -17.17 (-16.23) -0.82 (-6.08) DelDt -0.56*** -0.27*** 0.06** -0.45*** -0.35*** 1.09*** -0.12*** 0.46*** -0.44***
(-20.33) (-11.93) -2.59 (-12.62) (-8.87) -35.04 (-5.02) -16.41 (-6.73) EszakMo -0.77*** -0.45*** -0.04 -0.37*** -0.54*** 0.41*** -0.05* 0.51*** -0.37***
(-32.06) (-22.23) (-1.79) (-12.20) (-14.66) -12.51 (-2.27) -20.09 (-7.13) EszakAl f -0.51*** -0.30*** -0.01 -0.42*** -0.27*** 1.10*** -0.09*** 0.58*** -0.04
(-21.59) (-15.05) (-0.53) (-13.36) (-7.98) -37.79 (-4.00) -23.58 (-0.83) DelAl f -0.50*** -0.19*** 0.01 -0.54*** -0.40*** 1.53*** -0.20*** 0.20*** 0.17***
(-20.46) (-9.41) -0.63 (-15.54) (-10.85) -54.08 (-8.68) -7.2 -3.45gyed 0.15** -0.09 0.24* -0.29* -0.08 -0.47*** -0.44*** -0.81*** -0.68**
-2.91 (-1.86) -2.06 (-1.96) (-0.87) (-4.17) (-6.23) (-7.84) (-3.20) nyugdi j 0.49*** 0.28*** 0 0.81*** 0.20*** 0.10*** -0.16*** -0.65*** 2.34***
-15.06 -9.05 -0.09 -16.44 -3.83 -3.43 (-6.35) (-19.97) -31.38munkanelkul i -0.04 -0.18*** -0.15*** -0.30*** -0.69*** -0.06 0.03 0.16*** -1.21***
(-0.79) (-4.40) (-3.82) (-4.27) (-7.34) (-1.44) -0.75 -4.65 (-6.63) _cons 94.65*** -13.54*** 9.75*** -60.62*** -47.56*** 34.71*** -4.36 -78.09*** 68.28***
-29.68 (-5.25) -3.86 (-15.32) (-10.44) -11.63 (-1.51) (-25.67) -10.65
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
FEOR23: átlagos becsült aktivitás
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
FEOR23: átlagos becsült eloszlás
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
ugyanaz másképp
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Ágazati aktivitás
• A munkakínálat ágazat szerinti megoszlása igen gyenge elméleti alapokon áll
• Az ágazati kapcsolat bizonyos szakmák esetén erősebb, más szakmák esetén gyengébb lehet
• A megközelítés ezért a szakmából indul ki, amely erősen kapcsolódik az egyén iskolai végzettségéhez (nem fokához, hanem szakirányához!!!)
• Az ágazati megoszlást ún. átmenetmátrix becsléséből kapjuk meg:
TEÁORt = Pt FEORt
• Az átmenetmátrix elemeit a relatív gyakoriságokkal becsüljük és AR(1) folyamattal jelezzük előre csak az aktívak létszámát
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Problémás esetek
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
1. Mezőgazdaság (hal, erdő, vad)
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
2. Ipar
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
3. Építőipar
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
4. Kereskedelem, vendéglátás
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
5. Szállítás, raktározás, posta, távközlés
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
6. Pénzügyi tev, ingatlan, gazd. szolgáltatás
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
7. Közigazgatás, védelem, TB
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
8. Oktatás
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
9. Egészségügy
23.04.21.MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
10. Egyéb
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
További tervek
• szcenáriók készítése (nyugdíjkorhatár, demográfiai előrejelzés) • aktivitási előrejelzés iskolai végzettség szerinti bontásának
előrejelzése (kiegészítő becsléssel)• az előrejelzés hibájának becslése bootstrap eljárással
(alapszcenárió)• az előrejelzett pálya értelmezése (az exogén tényezők
hatásainak nagyságára vonatkozó összehasonlító számítások)• ellenőrzés, javítások
MTA Közgazdaság- és Regionális Tudományi Kutatóközpont
Közgazdaság-tudományi Intézet
Köszönöm a figyelmet!