Argumentarea alegerii instrumentelor şi metodelor de proiecţie şi investigare propuse

UNIUNEA EUROPEANĂ	GUVERNUL ROMANIEI MINISTERUL MUNCII, FAMILIEI ŞI PROTECŢIEI SOCIALE AMPOSDRU	Fondul Social European POSDRU 2007-2013	Instrumente Structurale 2007-2013		OIPOSDRU	Centrul Naţional de Dezvoltare a Învăţământului Profesional şi Tehnic

Investește în oameni!

Proiect cofinanţat din Fondul Social European prin Programul Operaţional Sectorial Dezvoltarea Resurselor Umane 2007 – 2013
Axa prioritară nr. 1 „Educaţia şi formarea profesională în sprijinul creşterii economice şi dezvoltării societăţii bazate pe cunoaştere”

Domeniul major de intervenţie 1.1 „Acces la educaţie şi formare profesională iniţială de calitate”

Titlu proiect: „Corelarea ofertei educaţionale a învăţământului profesional şi tehnic cu cerinţele pieţei muncii”

Cod contract: POSDRU/55/1.1/S/37932

Beneficiar: Centrul Naţional de Dezvoltare a Învăţământului Profesional şi Tehnic

METODOLOGIE PENTRU ACTUALIZAREA STUDIULUI PREVIZIONAL PRIVIND CEREREA DE FORMARE PROFESIONALĂ LA ORIZONTUL ANULUI 2013 ȘI ÎN PERSPECTIVA ANULUI 2020

1. ARGUMENTAREA ALEGERII INSTRUMENTELOR ŞI METODELOR DE PROIECŢIE ŞI INVESTIGARE PROPUSE
Metodologia de proiecţie a cererii de forţă de muncă pe termen mediu şi lung este construită pe o combinaţie de metode şi tehnici de proiecţie, situaţie impusă, pe de o parte de necesitatea unui grad foarte mare de detaliere a rezultatelor estimărilor în scopul realizării obiectivelor proiectului, iar pe de altă parte, de lipsa informaţiilor statistice relevante la nivel de judeţ şi uneori şi de regiune.

Metodologia propusă pentru actualizarea studiului previzional privind cererea de formare profesională pe termen mediu şi lung schimbă metodologia aplicată în cadrul studiului anterior realizat în 2005.

Metodologia precedentă (vezi prezentarea succintă din anexa 1) avea la bază un model econometric recursiv prin care cererea de forţă de muncă era estimată în funcţie de evoluţiile aşteptate ale productivităţii muncii şi în funcţie de estimările legate de evoluţia valorii adăugate brute sau produsului intern brut pe orizontul de prognoză, variabilă endogenă în cadrul modelului. Estimarea valorii adăugate a fost realizată pe baza unui model de creştere neo-clasic, şi anume modelul simplu Harrod-Domar, care porneşte de la ipoteza conform căreia creşterea outputului se face pe baza acumulării capitalului, deci a creşterii investiţiilor. În acest fel, a fost estimată cererea de forţă de muncă la nivel naţional, pe activităţi economice şi nivele de instruire la orizontul anului 2013.

Principalele limite ale acestui model sunt date în primul rând de caracterul determinist, ecuaţiile având coeficienţi ficşi, ceea ce influenţează într-o măsură importantă corectitudinea predicţiilor (Hopkins, M., 2000). În determinarea ratei de creştere a valorii adăugate brute, autorii modelului utilizează un parametru determinat pe un panel de ţări, iar valoarea acestuia nu dă rezultate satisfăcătoare şi în cazul României. În plus, relaţia empirică dintre investiţii şi produsul intern brut în cazul României, determinată pe baza coeficientului de corelaţie simplă dintre ritmurile de creştere ale celor două variabile pentru perioada 1999-2008, este nesemnificativă din punct de vedere statistic la un prag de semnificaţie de 5%, ceea ce sugerează faptul că estimarea creşterii economice numai pe baza ratei acumulării capitalului ar putea afecta semnificativ corectitudinea estimărilor. Un alt neajuns al acestui model este legat de faptul că structura valorii adăugate pe activităţi economice, precum şi structura ocupării pe grupe de ocupaţii sunt considerate constante pe parcursul orizontului de prognoză, o prezumţie pe care o considerăm nerealistă în cazul în care obiectivul proiectului este acela de a obţine estimări ale cererii de forţă de muncă pe termen mediu şi lung.

Metodologia de proiecţie pe termen mediu şi lung propusă în scopul realizării Studiului previzional şi respectiv obiectivelor proiectului de faţă are în vedere următoarele dimensiuni: teritorial (naţional, regional, judeţean), sectorial (activităţi ale economiei naţionale pe secţiuni, diviziuni CAEN), ocupaţional (grupe de ocupaţii) şi nivele de instruire.

Componentele metodologiei sunt următoarele:

1. 
   Proiecţia cererii de forţă de muncă la nivel regional pe secţiuni şi diviziuni CAEN, care se va obţine aplicând un model econometric macroeconomic pe date panel.
   
2. 
   Detalierea estimărilor obţinute la pasul 1 la nivel de regiune prin modelarea de trend în structură.
   
3. 
   Dezagregarea proiecţiilor privind cererea de forţă de muncă la nivel de judeţ prin tehnici de analiză spaţială.
   

În vederea conceperii metodologiei de proiecţie pe termen mediu şi lung a cererii de forţă de muncă la nivel local sau regional şi pe activităţi ale economiei României, condiţionaţi fiind totodată şi de indisponibilitatea unor serii mai lungi de timp, s-a stabilit ca intervalul de timp ce va fi utilizat în analiza econometrică să fie reprezentat de perioada anilor 1998 – 2008, urmând a fi extins şi pentru anul 2009, în momentul în care Institutul Naţional de Statistică va publica valorile pentru variabilele macroeconomice considerate în modelul econometric şi pentru respectivul an.

Limitările cauzate de imposibilitatea studierii evoluţiei principalelor variabile macroeconomice necesare modelării econometrice a cererii de forţă de muncă pe o perioadă mai lungă de timp sau măcar prin intermediul unor date trimestriale sau lunare pentru respectiva perioadă de timp (rezultând aşadar accesul la doar 11 sau maxim 12 observaţii anuale) fac imposibilă abordarea econometrică clasică de regresie multi-factorială liniară sau log-liniară. Deoarece, aşa cum menţionam mai sus, estimările se doresc a avea un grad de detaliere la nivel judeţean, precum şi la nivel de secţiuni şi diviziuni CAEN, pe baza unor serii mult prea scurte de timp, variantele de modelare econometrică se rezumă la posibilitatea estimării econometrice a evoluţiei cererii de forţă de muncă pe bază de regresii de tip panel pe activităţi ale economiei naţionale, care va fi completată pentru a ajunge la gradul de detaliere cerut cu modelarea econometrică de trend în structură pentru determinarea cererii de forţă de muncă la nivel regional şi cu analiza spaţială pentru detalierea estimărilor la nivel judeţean.
2. PREZENTAREA INSTRUMENTELOR ŞI A METODELOR
2.1 Instrumente şi metode utilizate în elaborarea prognozelor cererii de forţă de muncă pe termen mediu
În scopul proiecţiei cererii de forţă de muncă pe termen mediu şi lung vom parcurge următoarele etape:

1. 
   Construirea bazei de proiecţie;
   
2. 
   Proiectarea şi testarea modelului econometric macroeconomic pe date panel pentru estimarea cererii de forţă de muncă la nivel naţional, regional, pe secţiuni şi diviziuni CAEN;
   
3. 
   Proiectarea scenariilor de evoluţie a variabilelor explicative cuprinse în model la orizontul 2013 si perspectiva 2020;
   
4. 
   Estimarea cererii de forţă de muncă la nivel naţional pe secţiuni şi diviziuni CAEN la orizontul 2013 şi perspectiva 2020;
   
5. 
   Proiectarea şi testarea modelului econometric de extrapolare a tendinţei de evoluţie în structură regională a cererii de forţă de muncă pe diviziuni CAEN;
   
6. 
   Detalierea estimării cererii de forţă de muncă la nivel regional pe secţiuni şi diviziuni CAEN la orizontul 2013 şi perspectiva 2020;
   
7. 
   Detalierea estimării cererii de forţă de muncă la nivel regional pe secţiuni CAEN, ocupaţii (grupe majore) şi nivele de instruire;
   
8. 
   Analiza spaţială a diversităţii regiunilor şi judeţelor după activitatea economică;
   
9. 
   Elaborarea de scenarii de dezvoltare economică la nivel local;
   
10. 
    Detalierea estimării cererii de forţă de muncă la nivel local pe diviziuni CAEN la orizontul 2013 şi perspectiva 2020.
    

1. 
   Construirea bazei de proiecţie
   

Stabilirea metodelor şi instrumentelor de proiecţie propuse a fi utilizate a avut ca punct de plecare disponibilitatea datelor şi informaţiilor necesare proiecţiilor. Seriile de date pentru principalele variabile macroeconomice care pot fi furnizate de INS sunt următoarele:

• 
  Populaţia ocupată pe CAEN şi grupe ocupaţii, la nivel de regiune de dezvoltare;
  
• 
  Populaţia ocupată la nivel de diviziuni CAEN precum şi la nivel de regiune de dezvoltare;
  
• 
  Populaţia ocupată pe grupe de ocupaţii la nivel de diviziuni CAEN precum şi la nivel de regiune de dezvoltare;
  
• 
  Populaţia ocupată cu program de lucru parţial la nivel de diviziuni CAEN precum şi la nivel de regiune de dezvoltare;
  
• 
  Populaţia ocupată pe nivele de instruire pe activităţi CAEN;
  
• 
  Populaţia ocupată civilă pe activităţi CAEN şi pe judeţe;
  
• 
  Produsul intern brut (PIB) la nivel de secţiuni şi valoarea adăugată brută (VAB) pe diviziuni CAEN, 1998-2007;
  
• 
  VAB pe judeţe şi regiuni de dezvoltare pentru următoarele 6 ramuri de activitate: Agricultură, vânătoare şi silvicultură, pescuit şi piscicultură; Industrie; Construcţii; Comerţ cu ridicata şi cu amănuntul, repararea autovehiculelor, motocicletelor şi a bunurilor personale şi de uz gospodăresc, hoteluri şi restaurante, transporturi, depozitare şi comunicaţii; Intermedieri financiare, tranzacţii imobiliare şi activităţi; Administraţie publică şi apărare, învăţământ, sănătate şi asistenţă socială, 1998-2007;
  
• 
  Investiţiile brute în unităţile locale active, din industrie, construcţii, comerţ şi alte servicii, pe activităţi ale economiei naţionale, în perioada 2000- 2008;
  
• 
  Investiţiile brute în unităţile locale active, pe regiuni de dezvoltare şi diviziuni, în perioada 2000- 2008;
  
• 
  Costul mediu lunar al forţei de muncă la nivel de diviziuni CAEN şi la nivel de ţară;
  
• 
  Număr mediu de ore lucrate la nivel de diviziuni CAEN Rev. 1 precum şi pe judeţe, pe perioada 2004 – 2007.
  

2. 
   Proiectarea şi testarea modelului econometric macroeconomic pe date panel pentru estimarea cererii de forţă de muncă la nivel naţional pe secţiuni şi diviziuni CAEN
   

Pe baza serii de date de mai sus se va construi un model econometric ce va estima comportamentul populaţiei ocupate ca variabilă dependentă în funcţia de variabilele independente din listă. Apoi, pe baza unor scenarii de evoluţie a unora dintre variabilele independente vom estima cererea de forţă de muncă la nivel naţional pe secţiuni şi diviziuni CAEN la orizontul 2013, cu perspectiva anului 2020.

Deoarece modelele cu date panel constau în estimarea de ecuaţii de regresie în care sunt folosite serii care sunt în acelaşi timp atât serii de timp cât şi date crosssecţionale, s-au putut identifica următoarele posibile abordări în ceea ce priveşte gruparea datelor macroeconomice şi de estimare sub formă de panel cu scopul modelării econometrice a evoluţiei cererii de forţă de muncă în perioada1998-2008:

• 
  gruparea seriilor de timp la nivelul celor 42 de judeţe şi estimarea a câte unui model de tip panel pentru cele 6 ramuri de activitate pentru care dispunem de date pentru valoarea adăugată brută
  

Dezavantaj: Pentru această variantă dispunem doar de următoarele variabile macroeconomice la gradul de detaliere impus de model: populaţia ocupată civilă şi valoarea adăugată brută.

Avantaj: Se obţin estimaţii detaliate la nivel de judeţ.

• 
  gruparea seriilor de timp la nivelul celor 8 regiuni de dezvoltare şi estimarea a câte unui model de tip panel pentru fiecare secţiune CAEN Rev.1 (doar CAEN Rev.1 asigură disponibilitatea seriilor de timp)
  

Dezavantaj: se încalcă o condiţie importantă a modelelor de tip panel referitoare la necesitatea utilizării în studiu a unui număr mare de secţiuni (în cazul de faţă numărul total de observaţii de tip panel ar fi de doar 6 secţiuni x 11 ani= 66 observaţii).

Avantaj: Dispunem de date pentru un număr important de variabile macroeconomice: Populaţia ocupată, VAB pentru cele 6 ramuri de activitate mari, Investiţiile brute în unităţile locale active şi Costul mediu lunar al forţei de muncă la nivel de ţară

• 
  gruparea seriilor de timp la nivelul diviziunilor CAEN Rev. 1 şi estimarea unui model econometric la nivel naţional
  

Dezavantaj: Estimaţiile se obţin la nivel naţional, ulterior fiind necesară aplicarea de alte metode şi tehnici pentru detalierea rezultatelor la nivel judeţean.

Avantaj: Avem la dispoziţie în vederea modelării econometrice un număr mai mare de variabile prin următoarele serii de date anuale: Populaţia ocupată, PIB-ul României, Investiţiile brute în unităţile locale active, Costul mediu lunar al forţei de muncă şi Numărul mediu de ore lucrate (pentru care însă datele sunt disponibile doar începând cu anul 2004)

Considerăm că această ultimă variantă este cea mai viabilă şi cea mai adecvată obiectivelor proiectului.

În cazul în care toate variabilele macroeconomice menţionate mai sus vor trece testele de semnificaţie statistică în urma estimărilor econometrice, se vor păstra toate în analiză, în caz contrar fiind operate diverse transformări asupra datelor (diferenţe, ritmuri, etc.) pentru a asigura semnificaţia statistică a cât mai multor variabile sau, în ultimă instanţă, vor fi eliminate. De asemenea, nu excludem posibilitatea adăugării de noi variabile, în funcţie de rezultatele testării modelului.

Astfel, cu ajutorul acestui tip de model poate fi determinat câte un coeficient care să exprime impactul fiecărei variabile macroeconomice asupra nivelului cererii de forţă de muncă la nivel naţional. Cu toate acestea, trebuie avut în vedere faptul că şi estimările econometrice pe date de tip panel pot fi deplasate dacă numărul observaţiilor utilizate în analiza econometrică nu este foarte mare (de regulă de ordinul miilor).

Modelele cu date panel permit:

• 
  Rezumarea printr-un singur coeficient a impactului unei variabile asupra unui grup de serii de timp dependente (grup de activităţi ale economiei, regiuni de dezvoltare sau de judeţe).
  
• 
  Estimarea de coeficienţi specifici (constantă sau coeficienţi ai variabilelor independente) pentru fiecare serie de timp considerată ca variabilă dependentă, prin intermediul efectelor fixe.
  
• 
  Gruparea variabilelor dependente în categorii şi estimarea impactului categoriei din care face parte variabila dependentă asupra evoluţiei acesteia
  

În funcţie de natura seriilor de timp pentru variabilele macroeconomice ce vor fi furnizate de INS şi considerate în model, se pot estima următoarele tipuri principale de modele econometrice cu date de tip panel (Gujarati, 2004):
1. Model în care termenul liber precum şi coeficienţii variabilelor macroeconomice explicative din ecuaţia cererii de forţă de muncă sunt consideraţi constanţi în timp şi în spaţiu, iar erorile captează variaţiile în timp precum şi între secţiuni.

Acesta este cea mai simplă formă de estimare a regresiei cu date panel, deoarece consideră absente variaţiile în timp precum şi între secţiuni a datelor şi presupune clasica estimare de tip OLS. Forma generală a modelului cu două variabile macroeconomice explicative este următoarea:

unde E_it este cererea de forţă de muncă la nivelul secţiunii (diviziunii) i în anul t, iar X_1it şi X_2it reprezintă două variabile macroeconomice explicative la nivelul secţiunii i în anul t, ce ar putea fi, spre exemplu, PIB-ul României şi respectiv nivelul investiţiilor brute.

Trebuie însă să se ţină seama şi de faptul că, de regulă, o astfel de estimare poate distorsiona imaginea reală a dependenţelor dintre variabilele macroeconomice, în cazul în care există variabilitate între secţiuni şi în timp, dar care este ignorată în estimare.

2. Model în care coeficienţii variabilelor macroeconomice explicative din ecuaţia cererii de forţă de muncă sunt consideraţi constanţi în timp şi în spaţiu, dar termenul liber variază între secţiuni.

O posibilă variantă de a lua în calcul variaţia dintre secţiuni presupune estimarea a câte un termen liber pentru fiecare secţiune i analizată, fără a permite însă şi variaţia între secţiuni sau în timp a coeficienţilor pantă ai modelului. Forma generală a modelului cu aceleaşi două variabile macroeconomice explicative este următoarea:

În literatură, acest caz este întâlnit cu numele de regresie cu efecte fixe. Termenul de efecte fixe se explică prin faptul că deşi termenul liber diferă între secţiuni este invariant în timp. Practic, estimarea pe bază de efecte fixe este similară cu estimarea econometrică a modelului cu cele două variabile explicative şi cu variabile dummy (câte una pentru fiecare secţiune) omiţând termenul liber pentru a evita capcana variabilelor dummy. O variabilă dummy presupune să ia valoarea 1 dacă observaţia aparţine secţiunii respective, sau 0 în caz contrar.
3. Model în care coeficienţii variabilelor macroeconomice explicative din ecuaţia cererii de forţă de muncă sunt consideraţi constanţi în timp şi în spaţiu, dar termenul liber variază atât în timp cât şi între secţiuni.

Forma generală a modelului cu aceleaşi două variabile macroeconomice explicative este asemănătoare cu cea prezentată la punctul anterior, diferenţa constând în faptul că termenul liber variază şi în timp de această dată, fiind notat sub forma: . Noul model este următorul:

Şi în această situaţie, modelul poate fi estimat prin introducerea variabilelor dummy, de data aceasta, existând câte o variabilă dummy pentru fiecare secţiune i şi respectiv pentru fiecare an t studiat. În cazul în care variabilele dummy pentru fiecare an sunt nesemnificative, se poate trage concluzia că nu există varianţă în timp la nivel de secţiune. Inconvenientul estimărilor pe bază de prea multe variabile dummy constă însă în pierderea unui număr suficient de mare de grade de libertate, care poate afecta estimările econometrice. De asemenea, cresc şi şansele de multicoliniaritate între regresorii din model.
4. Model în care atât termenul liber cât şi coeficienţii variabilelor macroeconomice explicative din ecuaţia cererii de forţă de muncă variază între secţiuni.

Noua formă a modelului este următoarea, în care spre deosebire de cazul prezentat la punctul 2, variază între secţiuni şi coeficienţii pantă ai variabilelor explicative.

5. Model în care atât termenul liber cât şi coeficienţii variabilelor macroeconomice explicative din ecuaţia cererii de forţă de muncă variază în timp precum şi între secţiuni.

Ultima variantă de estimare presupune, spre deosebire de cazul prezentat la punctul 4 şi variaţia în timp a coeficienţilor pantă ai variabilelor explicative.

După cum se poate constata, gradul de complexitate al modelului cu date de tip panel creşte odată cu necesitatea estimării unui număr mai mare de coeficienţi, implicând şi o creştere a posibilităţii ca regresorii să fie coliniari.
O altă posibilă abordare, de altfel extrem de importantă, o reprezintă situaţia în care estimarea panelului se realizează pe bază de efecte aleatoare (random effects). Acesta reprezintă un caz aparte, ce presupune următoarea reprezentare generală iniţială a modelului econometric:

De data aceasta însă, în loc să se trateze ca efecte fixe, se presupune că este o variabilă aleatoare de medie . În acest caz, valoarea termenului liber pentru o secţiune i se exprimă ca: , unde este termenul erorii aleatoare de medie 0 şi varianţă . Acest lucru poate fi înţeles prin faptul că secţiunile considerate în analiza de tip panel sunt de fapt un eşantion al unei populaţii mai mari de astfel de unităţi, caracterizate printr-o medie egală cu nivelul şi printr-o variaţie a termenilor liberi specifici fiecărei secţiuni considerate în model descrisă prin termenul erorii .

Înlocuind în model se obţine forma următoare:

unde termenul compozit conţine o componentă a erorii între secţiuni şi respectiv o componentă a erorii atât între secţiuni cât şi în timp.

Alegerea dintre modelele cu efectele fixe şi cele cu efecte aleatoare depinde în mare măsură de ipotezele efectuate asupra naturii efectelor individuale . Pentru ca alegerea modelului cu efecte aleatoare să fie corectă, efectele individuale trebuie să fie pur aleatoare şi necorelate cu celelalte variabile explicative din model. În cazul în care această cerinţă nu este respectată, modelul cu efecte aleatoare va genera estimări inconsistente, iar în acest caz se recomandă utilizarea modelelor econometrice cu efecte fixe conform lui Greene (2000).

Pentru a testa forma adecvată a modelului econometric şi pentru a stabili dacă estimarea modelului cu efecte aleatoare este mai potrivită decât cea a modelului cu efecte fixe, se poate aplica testul Hausman (Greene, 2000). Ideea testului constă în faptul că în ipoteza nulă în care nu există corelaţie între efectele individuale şi ceilalţi regresori ai modelului, atât modelul cu efecte fixe estimat prin OLS cât şi modelul cu efecte aleatoare estimat prin GLS sunt consistente, dar estimarea OLS este ineficientă. Pe de altă parte, în ipoteza alternativă, modelul cu efecte fixe estimat prin OLS e consistent, în timp ce modelul cu efecte aleatoare estimat prin GLS nu mai este consistent. Testul se bazează pe diferenţa dintre estimările obţinute pe baza modelului cu efecte fixe şi respectiv a celui cu efecte aleatoare. În cazul ipotezei nule, statistica testului Hausman urmează o distribuţie X² cu numărul de grade de libertate egal cu numărul total de regresori din model.

De asemenea, vor trebui testate şi ipotezele de distribuţie normală a seriei reziduale, precum şi condiţiile de autocorelare şi de heteroscedasticitate a erorilor, iar în cazul neîndeplinirii acestor condiţii se vor efectua estimări robuste, care să trateze problemele de autocorelare şi respectiv de heteroscedasticitate a erorilor.

2.