BEZROBOCIE MIESZKACÓW WSI – UJCIE
MODELOWE NA PODSTAWIE BADA WASNYCH
Nina Drejerska
Szkoa Gówna Gospodarstwa Wiejskiego w Warszawie
Streszczenie. W opracowaniu zawarto identy kacj czynników determinujcych bezrobo-cie mieszkaców obszarów wiejskich w Polsce. Badaniami przeprowadzonymi w 2006 r. objto 1000 wiejskich gospodarstw domowych z 24 powiatów na terenie caego kraju. Pod-dano analizie dane o 2084 czonkach badanych gospodarstw domowych w wieku produk-cyjnym w celu opracowania modelu identy kujcego wpyw poszczególnych zmiennych spoeczno-ekonomicznych na prawdopodobiestwo bezrobocia wród ludnoci wiejskiej. Czynnikami wpywajcymi na prawdopodobiestwo bezrobocia okazay si by zamiesz-kiwany makroregion i grupa powiatu, pe, wiek, pozycja w rodzinie, posiadany zawód, a tak e zamieszkiwanie w rolnym lub bezrolnym gospodarstwie domowym.
Sowa kluczowe: aktywno zawodowa, bezrobocie, mieszkacy wsi, model
WSTP
Kwestie zatrudnienia i bezrobocia oraz biernoci zawodowej s jednymi z bardziej znaczcych problemów w wielu wspóczesnych gospodarkach. W Polsce zagadnienia te nabray znaczenia w okresie transformacji ustrojowej i do chwili obecnej stanowi jedn z najwa niejszych kwestii spoeczno-gospodarczych. Problemem jest waciwie bezro-bocie, ale nie da si go rozpatrywa w oderwaniu od zatrudnienia. Te dwa bieguny tworz razem pole aktywnoci zawodowej ludnoci.
W tej sytuacji wa ne s próby rozpoznania czynników determinujcych aktywno zawodow. W przypadku mieszkaców wsi jest to tym bardziej istotne, gdy ze wzgldu ju na sam fakt zamieszkiwania w oddaleniu od bardziej rozwinitych miejskich ryn-ków pracy oraz trudniejszy dostp do szerszej oferty edukacyjnej nara eni s oni na niedopasowania strukturalne na rynku pracy. Znaczenie wyksztacenia jest natomiast podkrelane na przykad w ramach teorii kapitau ludzkiego, która proponuje wyjanie-nie dla empiryczwyjanie-nie obserwowanego zwizku midzy stop bezrobocia a posiadanymi Adres do korespondencji – Corresponding author: Nina Drejerska, Szkoa Gówna Gospodarstwa Wiejskiego w Warszawie, Wydzia Nauk Ekonomicznych, Katedra Polityki Agrarnej i Marketingu, ul. Nowoursynowska 166, 02-787 Warszawa, nina_drejerska@sggw.pl
umiejtnociami. Wedug teorii kapitau ludzkiego, stopa bezrobocia jest odwrotnie zwi-zana z poziomem umiejtnoci [Becker 1975]. Ponadto, teoria ta akcentuje znaczenie kompetencji ogólnych dla zwikszania mo liwoci rynkowych posiadajcych je jedno-stek [Winkelmann 1994].
CEL I METODA BADA
Materiaem badawczym wykorzystanym w artykule s dane empiryczne stanowice cz projektu badawczego pt. Analiza i ocena sytuacji kobiet wiejskich na rynku pracy, wspó nansowanego z Europejskiego Funduszu Spoecznego w ramach Sektorowego Programu Operacyjnego Rozwój Zasobów Ludzkich. Badanie przeprowadzono w formie wywiadu kwestionariuszowego w celowo wybranych 24 powiatach caego kraju w dru-giej poowie 2006 r. Kryteria doboru stanowiy: poo enie w jednym z regionów na po-ziomie NUTS 11 (nazywanych dalej makroregionami w celu odró nienia od podejcia
regionalnego opartego na podziale wojewódzkim) oraz sytuacja pod wzgldem stopy bezrobocia i wielkoci PKB na 1 mieszkaca. W rezultacie z ka dego z szeciu makro-regionów wybrano do bada po cztery powiaty – dwa o najlepszej i dwa o najgorszej sytuacji w zakresie tych dwóch czynników. W ka dym z powiatów poddano badaniu 41 lub 42 wiejskie gospodarstwa domowe, co cznie dao 1000 gospodarstw domowych.
Celem caego projektu byo zidenty kowanie uwarunkowa determinujcych sytu-acj kobiet wiejskich na rynku pracy i aby by on mo liwy do zrealizowania, badaniu poddano cae gospodarstwa domowe. Podejcie takie byo uzasadnione faktem, i aby okrela jakkolwiek specy k sytuacji kobiet, niezbdna jest znajomo tego samego zakresu w odniesieniu do m czyzn. Ponadto, w spoecznociach wiejskich bardzo cz-sto jeszcze sytuacja kobiet nie mo e by rozpatrywana w oderwaniu od na ogó cigle tradycyjnej rodziny wiejskiej, która w znacznym stopniu wyznacza role poszczególnym jej czonkom [Drejerska, Pomianek 2008].
W badaniu uczestniczyy zarówno gospodarstwa domowe z u ytkownikiem gospo-darstwa indywidualnego, jak i tzw. bezrolne gospogospo-darstwa domowe. Proporcje tych dwu grup gospodarstw w próbie badawczej ustalono wedug wskanika udziau ludnoci w gospodarstwach domowych z u ytkownikiem gospodarstwa indywidualnego w grupie ludnoci zamieszkaej na obszarach wiejskich.
1 Nomenklatura Jednostek Terytorialnych do Celów Statystycznych (NTS) zostaa opracowana
na podstawie europejskiej Nomenclature of Territorial Units for Statistics (NUTS) obowizujcej w krajach Unii Europejskiej. Poziom 1 obejmuje obszar regionu [z dniem 1 maja 2004 r. powoano 6 regionów, w skad których wchodzi po kilka (od 2 do 4) województw – rozporzdzenie Rady Mi-nistrów z dnia 27 kwietnia 2004 r. zmieniajce rozporzdzenie w sprawie wprowadzenia Nomen-klatury Jednostek Terytorialnych do Celów Statystycznych (NTS) (Dz. U. z dnia 1 maja 2004 r.)]. Regiony: centralny – województwa: ódzkie i mazowieckie; poudniowy – województwa: mao-polskie i lskie; wschodni – województwa: lubelskie, podkarpackie, witokrzyskie i podlaskie; pónocno-zachodni – województwa: wielkopolskie, zachodniopomorskie i lubuskie; poudniowo--zachodni – województwa: dolnolskie i opolskie; pónocny – województwa: kujawsko-pomor-skie, warmisko-mazurskie i pomorskie.
Celem pracy jest identy kacja determinantów bezrobocia w badanej populacji 2084 osób w wieku produkcyjnym – czonków badanych gospodarstw domowych, o których uzyskano informacje na temat ich statusu na rynku pracy. Narzdziem su cym do okrelenia wpywu poszczególnych czynników na prawdopodobiestwo bezrobocia jest model regresji logistycznej opracowany w ramach przygotowania pracy doktorskiej pt. Spoeczno-ekonomiczne uwarunkowania aktywnoci zawodowej ludnoci wiejskiej [Dre-jerska 2009].
DETERMINANTY BEZROBOCIA
W celu okrelenia, jakie czynniki czy cechy poszczególnych jednostek mog sprzyja byciu bezrobotnym, przygotowano tabel kontyngencji dla takich cech, jak: makrore-gion, grupa powiatów, zamieszkiwanie z u ytkownikiem gospodarstwa indywidualnego lub w bezrolnym gospodarstwie domowym, pe, wiek, pozycja w rodzinie, wyksztace-nie, zawód, posiadanie dodatkowych kwali kacji (tab. 1).
Tabela 1. Zale noci krzy owe midzy wybranymi czynnikami a aktywnoci zawodow (%) Table 1. Cross relations between selected factors and economic activity (%)
Wyszczególnienie Pracujcy Bezrobotni
1 2 3 Ogóem 92,3 7,7 Makroregion centralny 95,7 4,3 poudniowo-zachodni 95,2 4,8 poudniowy 91,0 9,0 pónoco-zachodni 90,6 9,4 pónocny 84,7 15,3 wschodni 96,4 3,6 Grupa powiatów* 1. 94,6 5,4 2. 90,1 9,9
Typ gospodarstwa rolne 98,0 2,0
bezrolne 83,3 16,7 Pe m czyzna 94,7 5,3 kobieta 89,5 10,5 Grupa wiekowa do 24 lat 85,8 14,2 25–34 lata 91,7 8,3 35–44 lata 90,7 9,3 45–54 lata 97,3 2,7 powy ej 55 lat 96,2 3,8 Pozycja w rodzinie gowa rodziny 96,3 3,7 ma onek 89,9 10,1 córka/syn 89,7 10,3 inny 89,5 10,5
1 2 3
Wyksztacenie
nieukoczone podstawowe i podstawowe 91,6 8,4
zawodowe 91,3 8,7 rednie 92,4 7,6 wy sze 95,5 4,5 Zawód brak zawodu 87,6 12,4 specjalici 94,9 5,1
technicy i inny personel 91,8 8,2
pracownicy usug osobistych i sprzedawcy 84,3 15,7 rolnicy, ogrodnicy, lenicy i rybacy 96,4 3,6 robotnicy przemysowi i rzemielnicy 92,6 7,4
wyksztacenie ogólne 95,0 5,0
Dodatkowe kwali kacje nie 92,5 7,5
tak 90,8 9,2
* grupa 1. – powiaty o najni szej stopie bezrobocia rejestrowanego, a najwy szym PKB w przeliczeniu na 1 mieszkaca w danym makroregionie; grupa 2. – powiaty o najwy szej stopnie bezrobocia reje-strowanego i najni szym PKB w przeliczeniu na 1 mieszkaca w danym makroregionie ródo: Opracowanie wasne.
Source: Own elaboration.
Dane z tabeli 1 wskazuj na najwiksz skal bezrobocia przede wszystkim wród osób w bezrolnych gospodarstwach domowych, nastpnie z zawodami z grupy pracow-nicy usug osobistych i sprzedawcy, mieszkaców makroregionu pónocnego oraz osób do 24. roku ycia.
Dla zmiennych: makroregion, grupa powiatów, typ gospodarstwa, pe, wiek, pozycja w rodzinie oraz zawód, prawdopodobiestwo towarzyszce statystyce 2 byo mniejsze
od 0,05, co pozwala na stwierdzenie, e zale noci te s statystycznie istotne. Zwizek midzy poziomem wyksztacenia i dodatkowymi kwali kacjami a bezrobociem okaza si natomiast nieistotny statystycznie. Dla zmierzenia siy tych zale noci posu ono si wspóczynnikiem V Cramera, osigajcym wartoci z przedziau [0,1]. W tabeli 2 za-prezentowano istotne statystycznie (p < 0,05) wartoci wspóczynnika V Cramera dla wybranych zmiennych objaniajcych.
Tabela 2. Wartoci wspóczynnika V Cramera dla analizowanych zmiennych wpywajcych na bezrobocie
Table 2. Values of V Cramer coef cient for analysed variables in uencing on unemployment
Wyszczególnienie Wspóczynnik V Cramera
Makroregion 0,149 Grupa powiatów 0,083 Typ gospodarstwa 0,267 Pe 0,098 Grupa wiekowa 0,143 Pozycja w rodzinie 0,118 Zawód 0,124
ródo: Opracowanie wasne. Source: Own elaboration.
Najsilniejsza zale no wystpia midzy bezrobociem a typem gospodarstwa domo-wego (rolne/bezrolne). Pozostae uwarunkowania wykazay mniejsze, cho istotne staty-stycznie, znaczenie.
MODEL REGRESJI LOGISTYCZNEJ DLA BEZROBOCIA
W celu dokadniejszego porównania wpywu poszczególnych czynników na bycie bezrobotnym zbudowano model regresji logistycznej dla pracujcych i bezrobotnych objtych badaniem. Tego typu model by np. oszacowany przez M. Gór [Góra 1996]. Wszystkie zmienne istotne statystycznie mogy by podstaw budowy modelu regresji logistycznej dla okrelenia ró nicy w uwarunkowaniach determinujcych bycie pracuj-cym lub bezrobotnym. Ostateczny zestaw zaproponowanych zmiennych zosta przedsta-wiony w tabeli 3.
Tabela 3. Zmienne objaniajce dla bezrobocia w modelu regresji logistycznej Table 3. Independent variables for unemployment in the model of logistic regression
Lp. Symbol roboczy Opis zmiennej
1 Makroregion makroregion, kategoria bazowa centralny 2 M_poudniowo-zachodni poudniowo-zachodni
3 M_poudniowy poudniowy
4 M_pónocno-zachodni pónocno-zachodni
5 M_pónocny pónocny
6 M_wschodni wschodni
7 Grupa_powiatów* 0 = grupa 2, 1 = grupa 1
8 Pe 0 = m czyzna, 1 = kobieta
9 Pozycja pozycja w rodzinie, kategoria bazowa gowa rodziny
10 P_ma onek ma onek
12 P_córka/syn córka/syn
13 P_inny inny
14 Grupa_wiekowa grupa wiekowa, kategoria bazowa < 24 lat
15 G_25–34 25–34 lata
16 G_35–44 35–44 lata
17 G_45–54 45–54 lata
18 G_>= 55 > 55 lat
19 Typ gospodarstwa 0 = rolne, 1 = bezrolne
20 Zawód zawód, kategoria odniesienia brak zawodu
21 Z_specjalici specjalici
22 Z_technicy technicy i inny redni personel
23 Z_usug pracownicy usug osobistych i sprzedawcy 24 Z_rolnicy rolnicy, ogrodnicy, lenicy i rybacy 25 Z_robotnicy robotnicy przemysowi i rzemielnicy
26 Z_ogólne wyksztacenie ogólne
* oznaczenia jak w tabeli 1. ródo: Opracowanie wasne. Source: Own elaboration.
Zmienn objanian zde niowano jako 0 – pracujcy i 1 – bezrobotni. Jako e wszyst-kie wybrane zmienne byy ju analizowane w badaniach innych autorów [Kotowska, Strzelecki 1993; Kwiatkowski 1995; Kucharski 2001; Michna 2001; Klonowska-Maty-nia, Zdrojewski 2008], odnonie do wpywu na zmienn jak jest bezrobocie, jako meto-d wprowadzania zmiennych wybrano, zalecane w takich sytuacjach [Field 2005], wpro-wadzenie ich w jednym bloku. Wartoci parametrów modelu oszacowano przy u yciu pakietu SPSS (tab. 4).
Zmiana w zakresie informacji wyjanianych przez model jest istotna statystycznie 2 (21) = 304,106, p < 0,05, dlatego te dodanie tych 7 zmiennych jako zmiennych
objaniajcych znacznie poprawia mo liwo okrelenia przynale noci do grup pra-cujcych i bezrobotnych.
Tabela 4. Oszacowane wartoci parametrów modelu regresji logistycznej dla bezrobocia Table 4. Estimated values of parameters in the model of logistic regression for unemployment
Lp. Wyszczególnienie Bd standar-dowy Wald df Isto-tno Exp ( ) 95,0% przedzia ufnoci dla exp dolna granica górna granica 1 Makroregion 28,154 5 0,000 2 M_poudniowo-zachodni 0,191 0,411 0,216 1 0,642 1,210 0,541 2,708 3 M_poudniowy 1,205 0,340 12,568 1 0,000 3,336 1,714 6,493 4 M_pónocno-zachodni 0,492 0,342 2,076 1 0,150 1,636 0,837 3,195 5 M_pónocny 1,321 0,333 15,756 1 0,000 3,748 1,952 7,196 6 M_wschodni 0,436 0,412 1,120 1 0,290 1,546 0,690 3,466 7 Grupa_powiatów –0,866 0,199 18,922 1 0,000 0,421 0,285 0,621 8 Pe 0,650 0,229 8,073 1 0,004 1,915 1,223 2,998 9 Pozycja 17,583 3 0,001 10 P_ma onek 0,972 0,264 13,530 1 0,000 2,643 1,575 4,435 12 P_córka/syn 0,930 0,328 8,040 1 0,005 2,534 1,333 4,819 13 P_inny 1,410 0,438 10,355 1 0,001 4,096 1,735 9,668 14 Grupa_wiekowa 18,215 4 0,001 15 G_25–34 –0,561 0,281 3,987 1 0,046 0,571 0,329 0,990 16 G_35–44 –0,594 0,326 3,325 1 0,068 0,552 0,291 1,045 17 G_45–54 –1,662 0,402 17,048 1 0,000 0,190 0,086 0,418 18 G_>=55 –1,043 0,571 3,336 1 0,068 0,353 0,115 1,079 19 Typ gospodarstwa 2,527 0,245 106,397 1 0,000 12,521 7,746 20,239 20 Zawód 22,936 6 0,001 21 Z_specjalici –1,311 0,438 8,942 1 0,003 0,270 0,114 0,637 22 Z_technicy –0,363 0,387 0,881 1 0,348 0,695 0,326 1,485 23 Z_usug 0,057 0,405 0,020 1 0,888 1,059 0,479 2,341 24 Z_rolnicy –0,291 0,531 0,300 1 0,584 0,748 0,264 2,116 25 Z_robotnicy –0,185 0,372 0,247 1 0,619 0,831 0,401 1,723 26 Z_ogólne –1,381 0,492 7,886 1 0,005 0,251 0,096 0,659 27 Staa –4,393 0,575 58,328 1 0,000 0,012
ródo: Opracowanie wasne. Source: Own elaboration.
Istotne wartoci statystyki Walda wskazuj, które zmienne wpywaj na przynale -no do grupy pracujcych lub bezrobotnych. Z kolei interpretacja modelu regresji logi-stycznej ma nastpujce waciwoci:
sia wpywu poszczególnych zmiennych okrelana jest przy kontrolowanym wpywie pozostaych czynników,
zakadajc, e przedzia ufnoci nie zawiera w sobie jednoci, oszacowanie exp > > 1 determinuje, e prawdopodobiestwo bezrobocia jest wiksze w grupie opisywa-nej przez dan zmienn w stosunku do kategorii odniesienia.
Interpretacja otrzymanych wartoci parametrów zmiennych objaniajcych jest na-stpujca:
1) makroregiony:
makroregion poudniowy: exp = 3,336, 95% przedzia ufnoci = (1,714, 6,493); zmiana miejsca zamieszkania z regionu centralnego na poudniowy skutkowaaby wzrostem prawdopodobiestwa bycia bezrobotnym 3,3-krotnie;
makroregion pónocny: exp = 3,748, 95% przedzia ufnoci = (1,952, 7,196); zmiana miejsca zamieszkania z regionu centralnego na pónocny skutkowaaby wzrostem prawdopodobiestwa bycia bezrobotnym 3,7-krotnie;
2) grupa powiatów: exp = 0,421, 95% przedzia ufnoci = (0,285, 0,621); zmiana miej-sca zamieszkania z powiatu z grupy drugiej na powiat z grupy pierwszej skutkowaa-by zmniejszeniem prawdopodobiestwa skutkowaa-bycia bezrobotnym 2,4-krotnie;
3) pe: exp = 1,915, 95% przedzia ufnoci = (1,223, 2,998); bycie kobiet zwiksza prawdopodobiestwo przynale noci do grupy bezrobotnych 1,9-krotnie;
4) pozycja w rodzinie:
ma onek/a gowy rodziny; exp = 2,643, 95% przedzia ufnoci = (1,575, 4,435); bycie ma onkiem gowy rodziny zwiksza prawdopodobiestwo przynale noci do grupy bezrobotnych 2,6-krotnie;
status córka/syn: exp = 2,534, 95% przedzia ufnoci = (1,333, 4,819); bycie dorosym dzieckiem zwiksza prawdopodobiestwo przynale noci do grupy bez-robotnych 2,5-krotnie;
status „inny czonek rodziny” (poza wy ej wymienionymi kategoriami oraz ka-tegori rodziców wyczon z analizy ze wzgldu na ma liczebno w grupie bezrobotnych): exp = 4,096, 95% przedzia ufnoci = (1,735, 9,668); bycie in-nym czonkiem rodziny zwiksza prawdopodobiestwo przynale noci do grupy bezrobotnych a 4-krotnie;
5) wiek:
grupa wiekowa od 25 do 34 lat: exp = 0,571, 95% przedzia ufnoci = (0,329, 0,990); wiek z przedziau od 25 do 34 lat zmniejsza prawdopodobiestwo przyna-le noci do grupy bezrobotnych 1,8-krotnie,
grupa wiekowa od 45 do 54 lat: exp = 0,190, 95% przedzia ufnoci = (0,086, 0,418); wiek z przedziau od 45 do 54 lat zmniejsza prawdopodobiestwo przyna-le noci do grupy bezrobotnych ponad 5-krotnie;
6) typ gospodarstwa domowego: exp = 12,521, 95% przedzia ufnoci = (7,746, 20,239); pochodzenie z bezrolnego gospodarstwa domowego zwiksza prawdopo-dobiestwo przynale noci do grupy bezrobotnych ponad 12-krotnie. Z pewnoci jest to wielko przeszacowana, np. na skutek zakwali kowania do pracujcych osób
zaanga owanych w prace rolnicze w niepenym wymiarze czasu i zbdnych w gospo-darstwie indywidualnym, ale potwierdza kierunek zale noci identy kowany rów-nie w badaniach innych autorów;
7) grupy zawodowe:
grupa zawodowa specjalici: exp = 0,270, 95% przedzia ufnoci = (0,114, 0,637); posiadanie takiego zawodu zmniejsza prawdopodobiestwo przynale no-ci do grupy bezrobotnych 3,7-krotnie;
grupa osób z wyksztaceniem ogólnym: exp = 0,251, 95% przedzia ufnoci = (0,096, 0,659); wyksztacenie ogólne zmniejsza prawdopodobiestwo przynale -noci do grupy bezrobotnych 4-krotnie.
Poprawno oszacowanego modelu zostaa oceniona za pomoc tabeli klasy kacji przedstawiajcej odsetek poprawnie sklasy kowanych obserwacji na podstawie opra-cowanego modelu (tab. 5). Na jej podstawie mo na stwierdzi, e funkcja logistyczna przewiduje prawidowo przynale no do jednej z dwóch grup (pracujcych bd bezro-botnych) w 93% przypadków.
Tabela 5. Tabela klasy kacji w modelu regresji logistycznej dla bezrobocia Table 5. Classi cation table in the model of logistic regression for unemployment
Obserwowane Przewidywane Procent poprawnych
klasy kacji pracujcy bezrobotni
Pracujcy 1909 11 99,4
Bezrobotni 126 35 21,7
Procent ogóem 93,4
ródo: Opracowanie wasne. Source: Own elaboration.
W celu oceny dopasowania modeli do danych empirycznych wykorzystuje si test Hosmera i Lemeshowa. 0 1 ˆ : ˆ : H Y Y H Y Y = ≠
Hipoteza H0 zakada, e wartoci oszacowane i zaobserwowane s sobie równe. Jeli
p > 0,05, to brak podstaw do odrzucenia hipotezy H0, e wartoci oszacowane i
zaobser-wowane s sobie równe. W przeciwnym przypadku, gdy p < 0,05, hipotez H0nale y
od-rzuci, czyli model jest le dopasowany do danych empirycznych [Brace, Kemp, Snelgar 2003]. Wynik testu Hosmera i Lemeshowa dla oszacowanego modelu to 2 (8) = 10,195,
p = 0,252, co wskazuje na to, e model opisuje dane rzeczywiste cakiem dobrze. Miar wartoci dopasowania modeli s równie wspóczynniki determinacji. Dla modeli regresji logistycznej s to odpowiednio wspóczynniki pseudo R2 Coxa i Snella
oraz Nagelkerke’a. Analogicznie jak w regresji liniowej wyra aj one, jaka cz ogól-nej zmiennoci zmienogól-nej zale ogól-nej jest wyjaniona przez model, przy czym pierwszy z nich nigdy nie osiga wartoci 1, natomiast drugi mo e osiga wartoci z przedziau domknitego od 0 do 1 [Field 2005]. W oszacowanym modelu bezrobocia warto
wspóczynnika pseudo R2 Coxa i Snella wyniosa 0,136, a Nagelkerke’a 0,325.
Ozna-cza to, e fakt przynale noci do grupy pracujcych lub bezrobotnych jest od ponad 13% do prawie 33% wyjaniany zmiennymi objaniajcymi zawartymi w modelu.
Wracajc jednak do merytorycznych wyników otrzymanych przy u yciu oszacowa-nego modelu, nale y poda, jak si one maj do rezultatów bada innych autorów.
Przykadem na potwierdzenie zró nicowa terytorialnych na rynku pracy jest makro-region pónocy. Chocia w opracowaniach Instytutu Ekonomiki Rolnictwa i Gospodarki ywnociowej jest on de niowany jako województwa: zachodniopomorskie, pomorskie i warmisko-mazurskie, podczas gdy wedug nomenklatury NTS to: pomorskie, warmi-sko-mazurskie i kujawsko-pomorskie, to podawany on jest jako typowy przykad obszaru wyró niajcego si tradycyjnie najwy sz stop bezrobocia wród ludnoci wiejskiej. Przykad ten najdobitniej wiadczy o dysproporcjach w poziomie bezrobocia w poszcze-gólnych czciach kraju. Na obszarach, gdzie restrukturyzacja gospodarki zaznaczya si silnym bezrobociem strukturalnym ju na pocztku transformacji ustrojowej, brak po-prawy w nastpnych latach sprzyja narastaniu bezrobocia o charakterze frykcyjnym, co jeszcze bardziej powikszyo nierównowag na rynku pracy [Sikorska 1997].
Gorsz sytuacj kobiet na rynku pracy potwierdzaj wy sze stopy bezrobocia wród kobiet w porównaniu z m czyznami waciwe w caej Unii Europejskiej, co odnotowa-no midzy innymi w badaniach G. Wgrzyna [Wgrzyn 2006] czy J. Sawickiej, gdzie analizowano ludno wiejsk [Sawicka 2005].
Wpyw pozycji w rodzinie na prawdopodobiestwo bycia bezrobotnym potwier-dzi, równie przy wykorzystaniu modelu regresji logistycznej, na podstawie danych z BAEL, P. Strawiski, którego parametry oszacowanego modelu wskazuj, e czon-kowie rodzin czciej bywaj bezrobotni ni gowy rodzin [Strawiski 2008]. Do po-dobnych wniosków doszli te we wczeniejszych badaniach I.E. Kotowska i Z. Strze-lecki, którzy stwierdzili, e najwiksze ryzyko pozostawania bez pracy dotyczy osób obojga pci zajmujcych pozycj dziecka w gospodarstwie (okoo 26%). Wedug prze-prowadzonych przez nich analiz, równie wysoka stopa bezrobocia charakteryzowaa m czyzn zajmujcych pozycje wspóma onków, przypuszczalnie, jako rezultat zmia-ny pozycji m czyzn w gospodarstwie w efekcie utraty pracy. Relatywnie wiksze bez-robocie wystpowao wród kobiet bdcych gowami rodzin [Kotowska, Strzelecki 1993]. Na wiksze znaczenie problemu bezrobocia w najmodszych grupach wieko-wych wskazali midzy innymi J. Hybel [Hybel 2004] i I. Frenkel [Frenkel 2005].
Wiksza skala bezrobocia w populacji czonków bezrolnych gospodarstw domowych jest ju tradycyjnie podkrelana przez prowadzcych badania w tym zakresie. A. Sikor-ska [1997] przywouje wyniki bada potwierdzajce t zale no przeprowadzonych w IERiG w 1992 i 1996 r., jak równie przez GUS w 1994 r. W ostatnich badaniach IERiG potwierdza to midzy innymi . Zwoliski [Zwoliski 2007].
Obok poziomu wyksztacenia coraz wiksze znaczenie dla szans na rynku pracy maj wyuczony zawód i dodatkowe umiejtnoci. Analiza wykorzystujca jako narzdzie mo-del logistyczny pozwolia E. Kwiatkowskiemu na postawienie hipotezy, e prawdopo-dobiestwo bycia bezrobotnym jest powizane midzy innymi z zawodem. Wprawdzie w wykorzystanym modelu zastosowano inny podzia na zawody ni ten wedug klasy -kacji zawodów i specjalnoci, ale wyniki oszacowania potwierdziy, e osoby z zawoda-mi z kategorii rednia i wy sza kadra zarzdzajca, pracownicy wykwali kowani oraz
pracownicy biurowi charakteryzowali si ni szym prawdopodobiestwem bycia bez-robotnym w stosunku do kategorii bazowej, któr byli robotnicy [Kwiatkowski 1995]. W latach 2000–2002 najwicej byo bezrobotnych z zawodami z grup: robotnicy przemy-sowi i rzemielnicy, pracownicy usug osobistych i sprzedawcy, pracownicy przy pracach prostych, operatorzy i monterzy maszyn i urzdze oraz pracownicy biurowi. Najmniej w tym okresie byo bezrobotnych specjalistów, stosunkowo mao rolników, ogrodników leników i rybaków [Ostój 2005].
PODSUMOWANIE
Posiadane wyksztacenie oraz dodatkowe kwali kacje s istotnymi czynnikami de-terminujcymi aktywno zawodow ludnoci wiejskiej. Oszacowany model bezrobocia wskazuje na okoo 4-krotnie mniejsze prawdopodobiestwo bezrobocia w grupach osób z wyksztaceniem ogólnym i zawodem z grupy „specjalici” w porównaniu z osobami bez zawodu. Potwierdza to teori kapitau ludzkiego, akcentujc wiksze mo liwoci na rynku pracy osób o wy szym poziomie tego kapitau, a w szczególnoci majcych wiksze kompetencje ogólne.
Równie pozostae wyniki oszacowanego modelu potwierdzaj prawidowoci iden-ty kowane w badaniach innych autorów w zakresie aktywnoci zawodowej mieszka-ców wsi, szczególnie w zakresie jej zró nicowania ze wzgldu na zamieszkiwany ma-kroregion, pe, pozycj w rodzinie czy zamieszkiwanie w gospodarstwie domowym z u ytkownikiem gospodarstwa indywidualnego.
PIMIENNICTWO
Becker G.S., 1975. Human capital: a theoretical and empirical analysis with special reference to education. National Bureau for Economic Research, 16.
Brace N., Kemp R., Snelgar R., 2003. SPSS for Psychologists: A Guide to Data Analysis Using SPSS for Windows. Lawrence Erlbaum Associates, 274.
Drejerska N., 2009. Ekonomiczno-spoeczne uwarunkowania aktywnoci zawodowej ludnoci wiejskiej. Maszynopis pracy doktorskiej przygotowanej w Katedrze Polityki Agrarnej i Marketingu Szkoy Gównej Gospodarstwa Wiejskiego pod kierunkiem prof. dr hab. Janiny Sawickiej, 143–150.
Drejerska N., Pomianek I.M., 2008. Przedsibiorczo jako przejaw aktywnoci zawodowej miesz-kaców obszarów wiejskich [w:] Problemy Rolnictwa wiatowego, Zeszyty Naukowe SGGW, tom 4 (XIX) 2008, 156.
Field A., 2005. Discovering statistics using SPSS (Introducing statistical methods). SAGE Publi-cations Ltd., 223, 227.
Frenkel I., 2005. Selected problems of the rural labour market in Poland. [w:] Zawaliska K. (red.). Rural development in the enlarged European Union. Instytut Rozwoju Wsi i Rolnictwa PAN, Warszawa, 170.
Góra M., 1996. The labour market in Poland 1990–1995. Empirical and methodological studies. Monogra e i Opracowania SGH nr 421, Warszawa, 141–158.
Hybel J., 2004. Tendencje i czynniki ksztatujce aktywno zawodow i bezrobocie ludnoci wiej-skiej. [w:] Problemy Rolnictwa wiatowego, tom XII. Aktualne tendencje w
midzyna-rodowych stosunkach gospodarczych w rolnictwie i gospodarce ywnociowej. Cz III i IV, Wydawnictwo SGGW, Warszawa, 22.
Klonowska-Matynia M., Zdrojewski E.Z., 2008. Wyksztacenie jako determinanta rozwoju kapi-tau ludzkiego na obszarach wiejskich. Studia i Prace Wydziau Nauk Ekonomicznych i Zarzdzania nr 8, Uniwersytet Szczeciski, Szczecin, 142–143.
Kotowska I.E., Strzelecki Z. 1993. Bezrobocie z punktu widzenia gospodarstw domowych. Ra-port przygotowany na podstawie Badania Aktywnoci Ekonomicznej Ludnoci, listopad 1992. Gówny Urzd Statystyczny, Departament Pracy i Dochodów Ludnoci, sierpie 1993, 23–25.
Kucharski L., 2001. Przepywy siy roboczej w Polsce w latach dziewidziesitych. Katedra Eko-nomii Uniwersytetu ódzkiego, ód, 153–184.
Kwiatkowski E., 1995. Determinanty bezrobocia w Polsce w okresie transformacji (modele teo-retyczne oraz próba ich wery kacji). Instytut Nauk Ekonomicznych PAN, Warszawa, 37–53.
Michna W., 2001. Zatrudnienie i bezrobocie w obszarach wiejskich i w rolnictwie w wietle repre-zentatywnych bada ankietowych z 2000 r. Instytut Pracy i Spraw Socjalnych, Warszawa, 12–21, 25–31.
Sawicka J., 2005. Rola kobiet w aktywizacji i wielofunkcyjnym rozwoju obszarów wiejskich. Wy-dawnictwo SGGW, Warszawa, 22, 65.
Sikorska A., 1997. Aktywno zawodowa i bezrobocie na wsi. Komunikaty, Raporty, Ekspertyzy nr 410. Instytut Ekonomiki Rolnictwa i Gospodarki ywnociowej, Warszawa, 6, 12. Strawiski P., 2008. Determinanty bezrobocia.
http://coin.wne.uw.edu.pl/pstrawinski/modele/mo-del%20logit.pdf (07.11.2008), 4.
Wgrzyn G., 2006. Kobiety na europejskim rynku pracy. [w:] Kopyciska D. (red.). Bezrobocie we wspóczesnych gospodarkach rynkowych. Katedra Mikroekonomii Uniwersytetu Szcze-ciskiego, Szczecin, 131–132.
Winkelmann R., 1994. Count data models: econometric theory and an application to labor mobility. Springer, Berlin, 178–187.
Zwoliski ., 2007. Wybrane cechy demogra czne ludnoci wiejskiej w latach 2000–2005. Pro-gram wieloletni 2005–2009, nr 58, Instytut Ekonomiki Rolnictwa i Gospodarki ywno-ciowej – Pastwowy Instytut Badawczy, Warszawa, 20.
UNEMPLOYMENT OF RURAL INHABITANTS – MODEL APPROACH ON THE BASE OF OWN RESEARCH
Abstract. The aim of the paper was to identify determinants of unemployment of rural in-habitants in Poland. The research conducted in 2006 was done in 1000 rural household from 24 poviats in the whole country. Analyses of 2084 adult members of researched households was made in order to elaborate a model identifying in uence of particular socio-economic variables on probability of unemployment among rural inhabitants. The set of factors which in uence on probability of unemployment consists of: inhabited macro-region and a group of poviats, sex, age, position in a family, occupation as well as living in a household with a farm or without a farm.
Key words: economic activity, unemployment, rural inhabitants, model
