Laura Južnik Rotar Aktivna politika zaposlovanja in ocenjevanje vzročnih učinkov Novo mesto, 2018 Dr. Laura Južnik Rotar ZNANSTVENA MONOGRAFIJA AKTIVNA POLITIKA ZAPOSLOVANJA IN OCENJEVANJE VZROČNIH UČINKOV Izdala in založila © Univerza v Novem mestu Fakulteta za ekonomijo in informatiko Uredila dr. Malči Grivec Recenzirala dr. Štefan Bojnec in dr. Vito Bobek Lektorirala Melanija Frankovič Tehnično uredil Bojan Nose Način dostopa (URL) Izdajanje publikacije sofinancira Javna agencija za raziskovalno dejavnost Republike Slovenije. Kataložni zapis o publikaciji (CIP) pripravili v Narodni in univerzitetni knjižnici v Ljubljani COBISS.SI-ID=297775360 ISBN 978-961-6309-47-9 (pdf) KAZALO 1 UVOD .................................................................................................................................................. 7 2 AKTIVNA POLITIKA ZAPOSLOVANJA................................................................................... 10 2.1 EU IN AKTIVNA POLITIKA ZAPOSLOVANJA .................................................................................. 10 2.1.1 Segmentacija trga dela ....................................................................................................... 24 2.1.2 Uspešnost izobraževalnega sistema ................................................................................... 24 2.1.3 Pridobivanje kvalitetnih delovnih izkušenj ........................................................................ 24 2.1.4 Sposobnost zavoda za zaposlovanje pri nudenju storitev in podpore, ciljane na mlade ljudi . 25 2.2 SLOVENIJA IN AKTIVNA POLITIKA ZAPOSLOVANJA ..................................................................... 31 2.2.1 Starejši na trgu dela ............................................................................................................ 36 2.2.2 Mladi .................................................................................................................................. 39 2.2.3 Dolgotrajno brezposelni ..................................................................................................... 44 2.2.4 Nizko izobraženi na trgu dela ............................................................................................ 44 2.2.5 Gospodarska napoved za Slovenijo ................................................................................... 46 2.2.6 Smernice aktivne politike zaposlovanja za obdobje 2016-2020 ........................................ 46 2.2.7 Vrednotenje ukrepov aktivne politike zaposlovanja v obdobju 2016-2020 ....................... 48 2.2.8 Sredstva za aktivno politiko zaposlovanja 2016-2020 ....................................................... 50 2.3 OCENJEVANJE UČINKOVITOSTI AKTIVNE POLITIKE ZAPOSLOVANJA ........................................... 50 3 EVROPSKA STATISTIKA POLITIKE TRGA DELA ............................................................... 54 4 IZHODIŠČA OCENJEVANJA VZROČNIH UČINKOV ........................................................... 66 4.1 FORMALNI OKVIR IN TEMELJNI PROBLEM VZROČNEGA SKLEPANJA............................................ 66 4.1.1 Rubinov vzročni model ...................................................................................................... 67 4.1.2 Statistična rešitev problema vzročnosti .............................................................................. 68 4.2 PROBLEM PRISTRANSKOSTI IZBIRE .............................................................................................. 69 4.3 MIKROPODATKI ........................................................................................................................... 70 4.3.1 Opazovani podatki ............................................................................................................. 70 4.3.2 Podatki iz družbenih eksperimentov .................................................................................. 75 4.3.3 Podatki iz naravnih eksperimentov .................................................................................... 77 4.4 KONVENCIONALNE METODE ........................................................................................................ 78 4.4.1 OLS cenilka ........................................................................................................................ 78 4.4.2 IV cenilka ........................................................................................................................... 80 4.4.3 Modeli z endogeno nepravo spremenljivko ....................................................................... 82 4.5 MATCHING METODE .................................................................................................................... 83 4.5.1 Izhodišča in predpostavke .................................................................................................. 83 4.5.2 Učinki obravnave in pristranskost izbire ............................................................................ 86 4.5.3 Matching cenilka in cenilka verjetnosti izida ..................................................................... 89 5 PRIHODNJI TRENDI – POTREBA PO KULTURI OCENJEVANJA ..................................... 95 6 ZAKLJUČEK ................................................................................................................................... 96 7 LITERATURA ................................................................................................................................. 98 8 VIRI ................................................................................................................................................. 105 SEZNAM SLIK Slika 1: Delež dolgotrajno brezposelnih v starosti 20-64 let med vsemi brezposelnimi v državah članicah EU v letih 2008, 2012 in 2016 ................................................................................ 15 Slika 2: Delež dolgotrajno brezposelnih in stopnja aktivacije v aktivnih in pasivnih ukrepih politike zaposlovanja v državah članicah EU v letu 2015 ....................................... 16 Slika 3: Stopnja zaposlenosti v starosti 15-24 let v državah članicah EU v letih 2008, 2012 in 2016 ......................................................................................................................... 25 Slika 4: Stopnja zaposlenosti v starosti 15-24 let po spolu v državah članicah EU v letu 2016 ............................................................................................................................. 26 Slika 5: Stopnja brezposelnosti v starosti 15-24 let v državah članicah EU v letih 2008, 2012 in 2016................................................................................................................ 26 Slika 6: Stopnja brezposelnosti v starosti 15-24 let po spolu v državah članicah EU v letu 2016 ...................................................................................................................... 27 Slika 7: Stopnja dolgotrajne brezposelnosti mladih (15-24 let) po spolu v EU-28 v letih 2008-2016 ....................................................................................................... 27 Slika 8: Stopnja dolgotrajne brezposelnosti mladih (15-24 let) v državah članicah EU v letih 2012 in 2016 ........................................................................................................ 28 Slika 9: Mladi v starosti 15-24 let, niti zaposleni niti v izobraževanju, v državah članicah EU v letih 2008, 2012 in 2016 ................................................................................ 29 Slika 10: Profil mladih v starosti 15-24 let, niti zaposleni niti v izobraževanju, v državah članicah EU v letu 2016 ....................................................................................... 29 Slika 11: Mladi v starosti 15-24 let, niti zaposleni niti v izobraževanju, po izobrazbi, v državah članicah EU v letu 2016 .................................................................. 30 Slika 12: Delež mladih (15-24 let), zaposlenih za določen čas, med vsemi zaposlenimi osebami v državah članicah EU v letih 2008, 2012 in 2016 ............................. 31 Slika 13: Bruto domači proizvod na prebivalca v EU-28 in Sloveniji v EUR, tekoči znesek, v letih 2008-2016 ........................................................................................... 33 Slika 14: Stopnja anketne brezposelnosti v EU-28 in Sloveniji v letih 2008-2017 ............................. 33 Slika 15: Stopnja delovne aktivnosti v Sloveniji v letih 2008-2016 .................................................... 34 Slika 16: Stopnja zaposlenosti v starosti 20-64 let, EU-28 in Slovenija v letih 2008-2016 ................. 35 Slika 17: Stopnja zaposlenosti v starosti 20-64 let, po spolu, EU-28 in Slovenijav letih 2008-2016 ..................................................................................................................... 36 Slika 18: Stopnja zaposlenosti v starosti 55-64 let, EU-28 in Slovenija v letih 2008-2016 ................. 37 Slika 19: Stopnja zaposlenosti v starosti 55-64 let, po spolu, EU-28 in Slovenija v letih 2008-2016 ..................................................................................................................... 37 Slika 20: Stopnja brezposelnosti v starosti 50-64, po izobrazbi (ISCED), EU-28 in Slovenija v letih 2008-2016, letno povprečje ................................................................... 38 Slika 21: Delež starejših (50-64 let) zaposlenih za določen čas v aktivnem prebivalstvu (20-64 let), EU-28 in Slovenija v letih 2008-2016 ........................................... 39 Slika 22: Stopnja zaposlenosti v starosti 15-24 let, EU-28 in Slovenija v letih 2008-2016 ................. 40 Slika 23: Stopnja zaposlenosti v starosti 15-24 let, po spolu, EU-28 in Slovenija v letih 2008-2016 .................................................................................................. 40 Slika 24: Stopnja anketne brezposelnosti za osebe, stare do 25 let, EU-28 in Slovenija v letih 2008-2017 .................................................................................................. 41 Slika 25: Stopnja brezposelnosti v starosti 15-24 let, po izobrazbi (klasifikacija ISCED), EU-28 in Slovenija v letih 2008-2016, letno povprečje ................... 41 Slika 26: Delež mladih (15-24 let), zaposlenih za določen čas, v aktivnem prebivalstvu (20-64 let), EU-28 in Slovenija v letih 2008-2016 ........................................... 42 Slika 27: Delež mladih (15-24 let), zaposlenih za določen čas, med vsemi zaposlenimi osebami, EU-28 in Slovenija v letih 2008-2016 ............................................... 43 Slika 28: Delež mladih (15-24 let), zaposlenih za določen čas, po spolu, med vsemi zaposlenimi osebami, EU-28 in Slovenija v letih 2008-2016 ............................ 43 Slika 29: Stopnja zaposlenosti oseb z nizko izobrazbo (raven 0-2 po ISCED) v starosti 20-64 let , EU-28 in Slovenija v letih 2008-2016 ..................................................... 44 Slika 30: Delež nizko izobraženih (raven 0-2 po ISCED) v starosti 20-64 let, zaposlenih za določen čas, med vsemi zaposlenimi, EU-28 in Slovenija v letih 2008-2016 .................. 45 Slika 31: Delež nizko izobraženih (raven 0-2 po ISCED) mladih (15-24 let), zaposlenih za določen čas, v aktivnem prebivalstvu (20-64 let), EU-28 in Slovenija v letih 2008-2016 .............................................................................................. 45 Slika 32: Delež nizko izobraženih (raven 0-2 po ISCED) starejših (55-64 let), zaposlenih za določen čas, v aktivnem prebivalstvu (20-64 let), EU-28 in Slovenija v letih 2008-2016 .............................................................................................. 46 Slika 33: Izdatki politike trga dela (kategorije 1-9) v državah članicah EU, v % BDP v letu 2012............................................................................................................. 55 Slika 34: Izdatki politike trga dela v državah članicah EU glede na tip posega na trgu dela, v % BDP v letu 2012 ........................................................................................ 56 Slika 35: Izdatki politike trga dela v državah članicah EU glede na tip posega na trgu dela kot delež celotnih izdatkov politike trga dela v letu 2012 ................................. 57 Slika 36: Porazdelitev držav članic EU glede na spremembe v izdatkih politike trga dela (kategorije 1-9) v % BDP v letih 2008-2012 ......................................................... 57 Slika 37: Izdatki politike trga dela (kategorije 1-9) za EU-28, v mio EUR, stalne cene iz leta 2010, v letih 2008-2012 ........................................................................... 58 Slika 38: Izdatki politike trga dela (kategorije 1-9) za izbrane države članice EU, v mio EUR, stalne cene iz leta 2010, v letih 2008-2012 ....................................................... 58 Slika 39: Izdatki politike trga dela za storitve, ukrepe in podpore v Sloveniji, v mio EUR, stalne cene iz leta 2010, v letih 2008-2012 ....................................................... 59 Slika 40: Države članice EU, ki so največ potrošile za storitve (kategorija 1), v mio EUR, stalne cene iz leta 2010, v letih 2008-2012 ....................................................... 59 Slika 41: Države članice EU, ki so največ potrošile za ukrepe (kategorija 2-7), v mio EUR, stalne cene iz leta 2010,2008-2012 ................................................................... 60 Slika 42: Države članice EU, ki so največ potrošile za podpore (kategorija 8-9), v mio EUR, stalne cene iz leta 2010, v letih 2008-2012 ....................................................... 60 Slika 43: Izdatki politik trga dela (kategorije 1-9) v EUR (stalne cene iz leta 2010) per capita za države članice EU v letu 2012 ......................................................................... 61 Slika 44: Izdatki politik trga dela v EUR (stalne cene iz leta 2010) per capita glede na tip posega na trgu dela za države članice EU v letu 2012 ...................................... 61 Slika 45: Udeleženci v ukrepih trga dela (kategorije 2-7), % spremembe ........................................... 62 Slika 46: Udeleženci v podporah trga dela (kategorije 8-9), % spremembe ........................................ 63 Slika 47: Delež udeležencev v ukrepih trga dela (kategorije 2-7) med vsemi udeleženci v ukrepih trga dela (vsota kategorij 2-7) v državah članicah EU v letu 2012 ........................................................................................................ 63 Slika 48: Delež udeležencev v podporah trga dela (kategorije 8-9) med vsemi udeleženci v podporah trga dela (vsota kategorij 8-9) v državah članicah EU, 2012 ............................. 64 Slika 49: Stopnja brezposelnosti v EU-28 in izdatki politike trga dela za ukrepe (kategorija 2-7) in podpore (kategorija 8-9) za EU-28 v % BDP v letih 2008-2012 .................................................................................................. 65 Slika 50: Stopnja brezposelnosti v Sloveniji in izdatki politike trga dela za ukrepe (kategorija 2-7) in podpore (kategorija 8-9) v % BDP v letih 2008-2012 ............................ 65 Slika 51: Družbeni eksperiment z naključno izbiro ............................................................................. 76 Slika 52: Diagram vpliva – ni korelacije med D in ε ........................................................................... 79 Slika 53: Diagram vpliva – korelacija med D in ε ............................................................................... 80 Slika 54: Diagram vpliva – vpeljava spremenljivke Z ......................................................................... 81 1 UVOD Raziskovanje politike trga dela zagotavlja informacije o posegih na trgu dela, ki se kažejo kot mehanizmi vlade, ki brezposelnim osebam in drugim ranljivim skupinam brezposelnih oseb na trgu dela omogočajo lažji prehod iz stanja brezposelnosti ali neaktivnosti v zaposlitev. Posegi na trgu dela se delijo na tri glavne tipe posegov. Zo so: storitve, ukrepi in podpore na trgu dela. Omenjeni trije glavni tipi posegov se naprej delijo v devet kategorij. Storitve na trgu dela se nanašajo na aktivnosti zavodov za zaposlovanje, vključno z drugimi javnofinanciranimi storitvami za iskalce zaposlitve. Glavna aktivnost udeležencev je v tem primeru povezana z iskanjem zaposlitve, pri čemer udeležba običajno ne rezultira v spremembo statusa na trgu dela. Ukrepi na trgu dela se nanašajo na posege na trgu dela, pri čemer udeležba v ukrepih lahko rezultira v spremembo statusa na trgu dela (aktivna politika zaposlovanja). Ukrepi na trgu dela vključujejo predvsem posege, ki omogočajo začasno podporo za ranljivejše skupine na trgu dela, pri čemer se večina ukrepov nanaša na aktiviranje brezposelne osebe, pomoč brezposelnim osebam pri prehajanju iz neprostovoljne neaktivnosti v zaposlitev ali vzdrževanje zaposlitve za tiste osebe, ki jim grozi izguba zaposlitve. Podpore na trgu dela pa se nanašajo na posege, ki omogočajo finančno pomoč posameznikom kot nadomestilo za izgubo dohodka/plače (zlasti nadomestila za brezposelnost) ali predčasno upokojitev (pasivna politika zaposlovanja). Aktivna politika zaposlovanja je v 28. členu Zakona o urejanju trga dela opredeljena kot nabor ukrepov na trgu dela, ki so namenjeni povečanju zaposlenosti in zmanjševanju brezposelnosti, večji zaposljivosti oseb na trgu dela in povečanju konkurenčnosti in prožnosti delodajalcev. Brezposelne osebe in drugi iskalci zaposlitve imajo zaradi povečanja svojih zaposlitvenih možnosti pravico in obveznost, da se vključijo v ukrepe aktivne politike zaposlovanja v skladu s podlagami za njihovo izvajanje. Te podlage so smernice, načrt in katalog ukrepov aktivne politike zaposlovanja. V smernicah za izvajanje ukrepov aktivne politike zaposlovanja v Sloveniji v obdobju 2016-2020 so zapisani kazalniki za spremljanje in vrednotenje njihove učinkovitosti. To so kazalniki za zmanjševanje števila dolgotrajno brezposelnih oseb, kazalniki za spremljanje hitrejše aktivacije brezposelnih oseb ter kazalniki za spremljanje odprave strukturnih neskladij na trgu dela. Interes za neodvisno raziskovanje učinkovitosti aktivne politike zaposlovanja, ki temelji na sodobnejših ekonometričnih pristopih, bi moral biti še toliko večji, saj so proračunska sredstva, ki jih država namenja politiki zaposlovanja, sorazmerno visoka. Motivacija za vzročno sklepanje je še posebej močna, kadar gre za vprašanje vpliva državnih ukrepov (posegov, intervencij) in/ali zasebnih odločitev na določene izide. Kot primer lahko navedemo vpliv programov zaposlovanja na verjetnost (ponovne) zaposlitve, vpliv transfernih plačil na ponudbo dela, vpliv zdravstvenega zavarovanja na koriščenje zdravstvene oskrbe. V mnogih primerih vzročne spremenljivke same po sebi odražajo individualne odločitve in so tako potencialno endogene. Kadar ekonometrične ocene in sklepanje temeljijo na opazovanih podatkih (navadno je to najpogostejši in najobičajnejši način), nam identifikacija in sklepanje glede na vzročne parametre lahko povzročata veliko težav. Te težave so lahko manj problematične, če se analiza vzročnosti nanaša na uporabo podatkov kontroliranega družbenega eksperimenta, vendar so kontrolirani družbeni eksperimenti zelo dragi in zato tudi redki. 7 Glavna ovira za modeliranje vzročnosti izvira iz osnovnega problema vzročnega sklepanja, ki pravi, da za posameznika ne moremo hkrati opazovati (1) vrednosti, ko je posameznik deležen obravnave (ukrepa, posega, intervencije) in (2) vrednosti, ko posameznik ni deležen obravnave (ukrepa, posega, intervencije) in posledično torej za takega posameznika ne moremo hkrati opazovati vrednosti izida v primeru obravnave in v primeru neobravnave (glej na primer Caliendo in Schmidl, 2015; Caliendo, Mahlstedt in Mitnik, 2016; Heckman in Pinto, 2015; Heckman, Humphries in Veramendi, 2016; Huber, Lechner in Wunsch, 2013). V osnovi vsako vzročno sklepanje vključuje primerjavo dejanskega izida z izidom protidejstvenika, ki se nanaša na izid, ki bi se bil pojavil, če posameznik ne bi bil deležen obravnave. O vzročnem učinku (učinku obravnave) ne moremo reči ničesar, če nimamo evidence o protidejstvenem stanju. Problem ocenjevanja vzročnega učinka (učinka obravnave) je dejansko problem manjkajočih podatkov. 1 Osnovni način, kako meriti učinek obravnave, je ta, da med seboj primerjamo dve skupini, od katerih je ena deležna obravnave, druga pa ne. Če sta ti dve skupini homogeni v vseh ozirih, razen v statusu obravnave, potem je razlika med njunima izidoma (torej izidom skupine, ki je bila deležna obravnave, in izidom skupine, ki ni bila deležna obravnave) želeni učinek obravnave. Če pa se omenjeni skupini med seboj razlikujeta še v čem drugem, pa razliko v izidu med obravnavanimi in neobravnavanimi posamezniki lahko pripišemo vplivu tudi drugih dejavnikov. V primeru neeksperimentalnih metod, pri katerih status obravnave ni naključno dodeljen, temveč posameznik sam izbere status obravnave (samoizbira), pa se posamezniki razlikujejo tako v opazovanih kot tudi v neopazovanih lastnostih. S tega vidika metode temeljijo na primerjavi posameznikov, ki imajo podobne lastnosti. 2 Povprečni učinek obravnave lahko definiramo s pomočjo eksperimentalne metode, v ozadju katere je naključni pristop. Če ocenjujemo programe zaposlovanja, potem brezposelne osebe naključno razdelimo v dve skupini, od katerih ena predstavlja eksperimentalno (obravnavano) skupino, druga pa kontrolno (neobravnavano) skupino. Naključni pristop zagotavlja, da dodelitev obravnavi ni odvisna od izida in zato razliko v izidu med vključenimi in tistimi, ki niso vključeni v program zaposlovanja, lahko pripišemo samo statusu obravnave. Kontrolirani eksperiment omogoča, da sta omenjeni skupini v povprečju homogeni. Na drugi strani pa vemo, da so takšni eksperimenti zelo dragi in zato redki, naključni pristop pa je lahko tudi težko izvedljiv. Pri nekontroliranih eksperimentih, kjer gre za odsotnost naključnega pristopa, moramo zato upoštevati, da se posamezniki ne razlikujejo samo v statusu obravnave, pač pa se razlikujejo tako v opazovanih kot tudi v neopazovanih lastnostih. Izbira eksperimentalne in kontrolne skupine na način, da sta si ti dve skupini podobni v smislu opazovanih lastnosti, nam omogoča, da razlike oziroma neravnotežja v opazovanih lastnostih odstranimo. Slednje nam omogoča na primer metoda uparitve (metoda matching). Ko govorimo o eksperimentalnih metodah, se iz velike skupine upravičenih kandidatov (na primer 1 Glej na primer Abadie in Imbens, 2016; Amemiya, 1985; Angrist in Pischke, 2008; Austin, 2011; Baltagi, 1995; Dahlberg, 2016; Hansen, Rosenbaum in Small, 2014; Heckman, 1990; Heckman, 1996; Heckman, 1996; Heckman 1998; Heckman in Robb, 1985; Heckman in Robb, 1986a; Heckman in Robb, 1986b; Huber, Lechner in Steinmayr, 2015; Lechner, 1999; Lechner in Wunsch, 2013; Rosenbaum, 2015; Rosenbaum in Rubin, 1985. 2 Glej na primer Bellmann, Caliendo in Tübbicke, 2017; Bennmarker, Nordström Skans in Vikman, 2013; Caliendo in Künn, 2014; Caliendo in Künn, 2015; Gaure, Røed in Westlie, 2012; Huber, Lechner in Mellace, 2017; Huber, Lechner in Strittmatter, 2018; Schmidl, 2015. 8 brezposelne osebe) naključno izbere določene kandidate, ki so potem vključeni v nek program (na primer program zaposlovanja). V binarnem primeru tako primerjava med skupino oseb, ki so vključene v program, in kontrolno skupino, to je tisto, kjer osebe niso vključene v program, prinaša nepristransko oceno povprečnega učinka vključenosti v program. V multiplem primeru dobimo nepristransko oceno povprečnega učinka vključenosti v en program v primerjavi z drugim tako, da primerjamo dve naključni skupini, kjer so osebe vključene v program. Pri neeksperimentalnih metodah pa v primerjavi s kontroliranimi družbenimi eksperimenti nimamo opravka z naključnim pristopom in tako vsak posameznik sam izbere, ali se bo vključil v program zaposlovanja ali ne. V tem primeru razlike v izidu med eksperimentalno (obravnavano) skupino in kontrolno (neobravnavano) skupino ne moremo pripisati samo razliki v statusu obravnave, temveč se posamezniki v tem primeru razlikujejo tako v opazovanih kot tudi v neopazovanih lastnostih. Cilj neeksperimentalne metode je torej oblikovanje kontrolne skupine, ki je čim bliže eksperimentalni skupini. Metoda uparitve (metoda matching) pomeni, da po paru vzamemo osebe iz različnih skupin, kjer so osebe vključene v program in so si podobne po značilnostih, ki jih je moč opazovati. Ko izbira v neko skupino temelji izključno na teh značilnostih, potem »matching« prinaša nepristranske ocene povprečnih učinkov vključenosti v program. Ključna predpostavka, na kateri temelji metoda »matching«, je predpostavka pogojne neodvisnosti, ki pravi, da je pri danih opazovanih spremenljivkah potencialni izid v primeru neobravnave neodvisen od sodelovanja v obravnavi. Uporabnost te predpostavke je močno odvisna od kvalitete in količine informacij, ki so zajete v nizu opazovanih spremenljivk. Dodatni pogoj za identifikacijo parametra povprečnega učinka vključenosti v program zaposlovanja pa je tako imenovani pogoj prekrivanja, ki zagotavlja, da za vsako obravnavano osebo obstaja neobravnavana oseba z enakimi opazovanimi spremenljivkami (Chabé-Ferret, 2015; Frölich in Lechner, 2015; Lechner in Strittmatter, 2017; Shaikh, 2009). Ob izpolnitvi obeh predpostavk je sodelovanje v obravnavi naključno, potencialni izid kontrolnih oseb pa se lahko uporabi za oceno protidejstvenega izida za obravnavane osebe v primeru neobravnave. Takšna ocena protidejstvenega izida je lahko problematična, če imamo opravka z visoko dimenzioniranim vektorjem opazovanih spremenljivk. Problem predimenzioniranosti lahko močno omilimo z uporabo verjetnosti izida, kjer je verjetnost izida verjetnost posameznika, da je ob danih opazovanih spremenljivkah deležen obravnave. Povezovanje obravnavanih in neobravnavanih posameznikov na osnovi verjetnosti izida lahko poteka na podlagi različnih pristopov, pri čemer se ti razlikujejo v načinu izbire neobravnavanih oseb, ki se povežejo z obravnavanimi osebami, in v tem, kolikšno težo pripišejo izbranim neobravnavanim osebam pri oceni protidejstvenega izida za obravnavane. 9 2 AKTIVNA POLITIKA ZAPOSLOVANJA 2.1 EU in aktivna politika zaposlovanja Glavni cilj aktivne politike zaposlovanja je povečati zaposlitvene priložnosti za iskalce zaposlitve in izboljšati ujemanje med prostimi delovnimi mesti in delavci (iskalci zaposlitve oziroma brezposelnimi osebami). V smeri takšnega delovanja lahko aktivna politika zaposlovanja prispeva h gospodarski rasti in zmanjšanju brezposelnosti ter odvisnosti od socialnih transferjev. Aktivna politika zaposlovanja vključuje institucionalno izobraževanje in izobraževanje ter usposabljanje na delovnem mestu, neposredne spodbude za zaposlitev, kreiranje novih delovnih mest, spodbujanje samozaposlovanja. Aktivna politika zaposlovanja poskuša zagotoviti, da se brezposelna oseba čim prej zaposli na zanjo čim ustreznejšem delovnem mestu, pri čemer ji nudi tudi potrebno podporo. Preko ukrepov za ohranjanje in pridobivanje novih sposobnosti in veščin lahko aktivna politika zaposlovanja prispeva tudi k preusmerjanju brezposelnih oseb v tista področja v gospodarstvu, ki se soočajo s primanjkljajem določenih sposobnosti in veščin pri svojih zaposlenih. Slednje pripomore k lažjemu soočanju s strukturnimi spremembami in večji odpornosti gospodarstva v času krize. Aktivna politika zaposlovanja velja za ključno komponento t. i. strategije aktivacije in je običajno povezana s sistemom zavarovanja za primer brezposelnosti preko pogojev za dodelitev socialne pomoči oz. denarnega nadomestila. Tako pomeni vključitev v aktivno politiko zaposlovanja v vseh državah članicah Evropske unije (v nadaljevanju EU) predpogoj za (nadaljnje) prejemanje denarnega nadomestila. Evropska strategija zaposlovanja, katere glavni namen je ustvarjanje novih in kakovostnih delovnih mest v EU, je sestavni del strategije za gospodarsko rast Evropa 2020. Cilj strategije za gospodarsko rast Evropa 2020 je zagotoviti, da bo po gospodarski in finančni krizi gospodarska oživitev EU podprta z vrsto reform in bo do leta 2020 zgrajena trdna podlaga za rast in ustvarjanje delovnih mest. Strategija poleg strukturnih pomanjkljivosti gospodarstva EU ter gospodarskih in socialnih vprašanj upošteva tudi dolgoročnejše težave zaradi globalizacije, pritiskov na vire in staranja prebivalstva (Sporočilo Evropske komisije - Evropa 2020 Strategija za pametno, trajnostno in vključujočo rast). V skladu s strategijo za gospodarsko rast Evropa 2020 bi le-ta morala omogočiti, da EU doseže rast, ki bo pametna (z razvojem znanja in inovacij), trajnostna (na podlagi bolj konkurenčnega in zelenega gospodarstva, ki učinkoviteje izkorišča vire) in vključujoča (namenjena krepitvi zaposlenosti ter socialne in teritorialne kohezije). Za dosego takšne rasti si je EU zastavila pet glavnih ciljev (Sporočilo Evropske komisije – Evropa 2020 Strategija za pametno, trajnostno in vključujočo rast, 2010): • povečanje stopnje zaposlenosti prebivalstva, starega od 20 do 64 let, na vsaj 75 %, • vlaganje 3 % bruto domačega proizvoda v raziskave in razvoj, • zmanjšanje emisij toplogrednih plinov za vsaj 20 %, povečanje deleža obnovljivih virov energije na 20 % in povečanje energetske učinkovitosti za 20 %, • zmanjšanje stopnje šolskega osipa na manj kot 10 % in povečanje deleža terciarne stopnje izobrazbe na vsaj 40 %, • zmanjšanje števila ljudi, ogroženih zaradi revščine ali socialne izključenosti, za 20 milijonov. Evropska strategija zaposlovanja se izvaja v okviru evropskega semestra, v katerem države članice EU v sodelovanju z institucijami EU usklajujejo svoje politike. Izvajanje evropske strategije zaposlovanja 10 poteka s podporo Odbora za zaposlovanje v štirih korakih evropskega semestra (Evropska strategija zaposlovanja, 2018): • Evropska komisija predlaga smernice za zaposlovanje, ki so skupne prednostne naloge in cilji politike zaposlovanja, pri čemer smernice za zaposlovanje odobrijo vlade držav, sprejme pa jih Svet EU, • skupno poročilo o zaposlovanju temelji na (a) oceni stanja na področju zaposlovanja v Evropi, na (b) izvajanju smernic za zaposlovanje in na (c) oceni statističnega pregleda zaposlitvenih in socialnih kazalnikov. Skupno poročilo o zaposlovanju objavi Evropska komisija, sprejme pa ga Svet EU, • države članice EU pripravijo nacionalne reformne programe, medtem ko Evropska komisija oceni njihovo usklajenost s strategijo Evropa 2020, • Evropska komisija na podlagi ocene nacionalnih reformnih programov objavi poročila za države z analizo ekonomske politike držav in izda priporočila za posamezno državo. Smernice za zaposlovanje skupaj s širšimi smernicami ekonomske politike za gospodarstvo EU tvorijo celovite smernice za izvajanje strategije za gospodarsko rast Evropa 2020. Širše smernice ekonomske politike držav EU in celotne EU so smernice o makroekonomski in strukturni politiki, katerih namen je usklajevati ekonomsko politiko držav EU v smeri doseganja skupnih ciljev. Smernice, ki naj jih v svoji ekonomski politiki upoštevajo države članice EU, so (Priporočilo Sveta EU – širše smernice ekonomske politike držav EU in celotne EU, 2015): • Smernica 1 - spodbujanje naložb. Spodbujanje naložb naj se dosega s čim boljšim izkoriščanjem priložnosti, ki jih nudijo sredstva EU, vključno z Evropskim skladom za strateške naložbe in strukturnimi skladi, namenjena za financiranje naložb na ključnih področjih rasti ter z oblikovanjem evropske platforme pod okriljem Evropske investicijske banke z namenom, da se zagotovi svetovanje o naložbah in vzpostavi pregledno načrtovanje projektov, s tem pa omogoči, da bo kapital koristil realni ekonomiji (produktivna plat gospodarstva). • Smernica 2 - spodbujanje rasti s strukturnimi reformami v državah EU. Spodbujanje rasti s strukturnimi reformami v državah EU naj se dosega z nadaljevanjem reform trga dela in sistemov socialne varnosti, da bi se povečala rast in zaposlovanje ter da bi se zagotovil splošni dostop do kakovostnih, cenovno dostopnih in vzdržnih socialnih nadomestil in storitev. Priporočilo za dosego spodbujanja rasti s strukturnimi reformami v državah EU se nanaša na: izvajanje reforme in povezovanje proizvodnih trgov, da bodo imeli potrošniki in podjetja EU koristi od nižjih cen ter večjo izbiro blaga in storitev; na izboljšanje regulativnega okolja, v katerem poslujejo podjetja, zlasti v podporo malim in srednje velikim podjetjem ter na spodbujanje naložb iz zasebnega sektorja v raziskave in inovacije, zlasti v sektor informacijske tehnologije in komunikacij ter digitalno gospodarstvo. • Smernica 3 - odpravljanje glavnih ovir za trajnostno rast in zaposlovanje v EU. Priporočila za doseganje odpravljanja glavnih ovir za trajnostno rast in zaposlovanje v EU se nanašajo na: nadaljnje povezovanje enotnega trga EU z odpravo še preostalih ovir, krepitev konkurence in izboljšanje poslovnega okolja z namenom, da bo Evropa ostala privlačna za domača in tuja podjetja; zagotavljanje povezovanja enotnega digitalnega trga; okrepitev regulacije in nadzora ter varstva potrošnikov na področju finančnih institucij; vzpostavitev trajnostnega trga lastninjenja v Evropi za izboljšanje zmogljivosti bank EU za učinkovito dajanje posojil; vzpostavitev pravega kapitalskega trga EU; uresničitev energetske unije, ki podjetjem in gospodinjstvom zagotavlja 11 cenovno dostopno, zanesljivo in trajnostno energijo; izvajanje podnebne in energetske politike do leta 2030; nadaljevanje prehoda na konkurenčno, nizkoogljično gospodarstvo ob spodbujanju zelenih delovnih mest in tehnologij ter inovativnih rešitev. • Smernica 4 - izboljšanje vzdržnosti javnih financ in povečanje njihove sposobnosti za spodbujanje rasti. Za dosego tega se priporoča, da države članice izvajajo fiskalno politiko, ki je skladna s Paktom za stabilnost in rast (ohranjanje primanjkljaja in dolga na vzdržnih ravneh), da bi se ustvarili koristni pozitivni učinki na rast z bolj usklajenim ukrepanjem. To bi moralo državam članicam EU, ki nimajo manevrskega prostora na področju javnih financ, pomagati, da ga ponovno pridobijo, državam, ki ga imajo, pa bi se omogočilo, da spodbudijo domače povpraševanje, s posebnim poudarkom na naložbah; da države članice EU dajejo prednost področjem, na katerih poraba spodbuja rast (npr. izobraževanje, razvijanje spretnosti, raziskave in razvoj, inovacije in naložbe v omrežja, ki pozitivno vplivajo na produktivnost); da se države članice usmerijo v prijaznejše obdavčevanje in v izboljšanje učinkovitosti davčnega sistema z razširitvijo davčnih osnov ter krepitvijo davčne uprave, v poenostavitev davčnega sistema in v boj proti davčnim utajam. Smernice za zaposlovanje, ki skupaj s širšimi smernicami ekonomske politike držav EU in celotne EU predstavljajo drugi del integriranih smernic za izvajanje strategije za gospodarsko rast Evropa 2020, se v skladu s sklepom Sveta EU (Sklep Sveta EU – smernice za politiko zaposlovanja držav članic EU, 2015) nanašajo na: • »Smernica 5 - spodbujanje povpraševanja po delovni sili. Države članice bi morale olajšati ustvarjanje kakovostnih delovnih mest, zmanjšati ovire podjetij pri zaposlovanju ter spodbujati podjetništvo in zlasti podpirati ustanavljanje in rast malih podjetij. Dejavno bi morale spodbujati socialno gospodarstvo in pospeševati socialne inovacije. Davčno obremenitev bi bilo treba preusmeriti z dela na druge vire obdavčenja, ki manj škodijo zaposlovanju in rasti, pri čemer je treba zavarovati prihodke za ustrezno socialno zaščito in odhodke za pospeševanje rasti. Zmanjšanje obdavčitve dela bi moralo biti usmerjeno v odpravo ovir in odvračilnih dejavnikov za udeležbo na trgu dela, zlasti za ljudi, ki so od njega najbolj oddaljeni. Države članice bi morale skupaj s socialnimi partnerji in v skladu z nacionalnimi praksami spodbujati mehanizme določanja plač, ki omogočajo prilagajanje plač razvoju produktivnosti. Treba bi bilo upoštevati razlike v strokovni usposobljenosti in gospodarski uspešnosti med regijami, sektorji in podjetji. Države članice in socialni partnerji bi morali pri določanju minimalnih plač upoštevati njihov vpliv na revščino zaposlenih, ustvarjanje delovnih mest in konkurenčnost. • Smernica 6 - izboljšanje ponudbe delovne sile, strokovne usposobljenosti in kompetenc. Države članice bi morale v sodelovanju s socialnimi partnerji spodbujati produktivnost in zaposljivost s primerno ponudbo ustreznega znanja, strokovne usposobljenosti in kompetenc. Izvesti bi morale potrebne naložbe v vse sisteme izobraževanja in usposabljanja, da bi povečale njihovo uspešnost in učinkovitost pri izboljšanju strokovne usposobljenosti in kompetenc delovne sile ter tako omogočile boljše predvidevanje in zadovoljevanje hitro spreminjajočih se potreb na dinamičnih trgih dela v vse bolj digitalnem gospodarstvu ter v okviru tehnoloških, okoljskih in demografskih sprememb. Okrepiti bi morale prizadevanja za izboljšanje dostopa vseh ljudi do kakovostnega vseživljenjskega učenja in izvajati strategije aktivnega staranja, ki omogočajo daljše delovno življenje. Potrebno bi bilo obravnavati strukturne pomanjkljivosti v sistemih izobraževanja in usposabljanja, da se zagotovi kakovost učnih rezultatov in zmanjša število mladih, ki zgodaj opustijo izobraževanje. Države članice bi morale dvigniti stopnjo izobrazbe, spodbujati sisteme 12 učenja na delovnem mestu, kot je dualno učenje, nadgraditi poklicno usposabljanje ter povečati priložnosti za priznavanje in potrjevanje strokovne usposobljenosti in kompetenc, pridobljenih zunaj okvira formalnega izobraževanja. Potrebno bi bilo obravnavati visoko brezposelnost in nedejavnost. Dolgotrajno in strukturno brezposelnost bi bilo treba bistveno zmanjšati in preprečevati s celovitimi strategijami, ki se vzajemno dopolnjujejo, vključno z dejavno podporo za vrnitev na trg dela, prilagojeno posamezniku. Brezposelnost mladih in veliko število mladih, ki se ne izobražujejo, niso zaposleni in se ne usposabljajo, bi bilo treba celovito obravnavati s strukturnimi izboljšavami prehoda iz šolanja v zaposlitev, tudi prek celovitega izvajanja jamstva za mlade. Potrebno bi bilo zmanjšati ovire za zaposlovanje, zlasti za prikrajšane skupine. Povečati bi morali udeležbo žensk na trgu dela in zagotoviti enakost spolov, tudi s pomočjo enakega plačila. Spodbujati bi bilo treba usklajevanje poklicnega in družinskega življenja, zlasti dostop do cenovno dosegljive kakovostne predšolske vzgoje, varstva in dolgotrajne oskrbe. Države članice bi morale v celoti uporabiti Evropski socialni sklad in druge sklade Unije za spodbujanje zaposlovanja, socialne vključenosti, vseživljenjskega učenja in izobraževanja ter izboljšanje javne uprave. • Smernica 7 - izboljšanje delovanja trgov dela. Države članice bi morale upoštevati načela prožnosti in varnosti (v nadaljnjem besedilu: načela prožne varnosti). Zmanjšati in preprečiti bi morale segmentacijo trgov dela ter zatirati delo na črno. S predpisi o varstvu zaposlitve, delovnim pravom in pomočjo zadevnih institucij bi bilo treba ustvariti spodbudno okolje za zaposlovanje ter hkrati zagotoviti ustrezne ravni zaščite za vse zaposlene in iskalce zaposlitve. Zagotoviti bi bilo treba kakovostne zaposlitve z vidika socialno-ekonomske varnosti, organizacije dela, priložnosti za izobraževanje in usposabljanje, delovnih pogojev (vključno z zdravjem in varnostjo) ter usklajevanja poklicnega in zasebnega življenja. Države članice bi morale v skladu z nacionalnimi praksami in zaradi boljšega delovanja in večje učinkovitosti socialnega dialoga na nacionalni ravni pri oblikovanju in izvajanju zadevnih reform in politik tesno sodelovati z nacionalnimi parlamenti in socialnimi partnerji. Države članice bi morale okrepiti aktivne politike trga dela z izboljšanjem njihove učinkovitosti, usmeritve, vpliva in obsega ter povezanosti s pasivnimi ukrepi; te politike bi bilo treba podkrepiti s pravicami in odgovornostmi, ki bi brezposelne spodbujale k aktivnemu iskanju zaposlitve. Namen teh politik bi moral biti izboljšanje usklajevanja ponudbe in povpraševanja na trgu dela ter podpora trajnostnim prehodom iz izobraževanja v zaposlitev. Države članice bi si morale prizadevati za boljše in učinkovitejše javne službe za zaposlovanje, da bi zmanjšali in skrajšali brezposelnost z zagotavljanjem storitev, prilagojenih podpori iskalcev zaposlitve, podpiranjem povpraševanja na trgu dela in izvajanjem sistemov za merjenje uspešnosti. Morale bi učinkovito aktivirati tiste, ki lahko sodelujejo na trgu dela, in jim to omogočiti, hkrati pa zaščititi tiste, ki na njem ne morejo sodelovati. Spodbujati bi morale vključujoče trge dela, odprte vsem ženskam in moškim, in pri tem vzpostaviti učinkovite protidiskriminacijske ukrepe, hkrati pa z vlaganjem v človeški kapital povečati zaposljivost. Potrebno bi bilo spodbujati mobilnost delavcev, da se izkoristi celoten potencial evropskega trga dela. Odpraviti bi morali ovire za mobilnost v zvezi s poklicnimi pokojninami in priznavanjem kvalifikacij. Države članice bi morale hkrati preprečiti zlorabe veljavnih pravil in zaznati morebiten beg možganov iz določenih regij. • Smernica 8 - pospeševanje socialne vključenosti, boj proti revščini in spodbujanje enakih možnosti. Države članice bi morale posodobiti sisteme socialne zaščite, da zagotovijo uspešno, učinkovito in ustrezno zaščito v vseh fazah posameznikovega življenja, ter tako pospeševati socialno vključenost, spodbujati enake možnosti, tudi za ženske in moške, ter odpravljati neenakosti. Z dopolnjevanjem splošnih pristopov s selektivnimi se bo povečala učinkovitost, s poenostavitvijo pa naj bi se 13 izboljšala dostopnost in kakovost. Več pozornosti bi bilo treba nameniti preventivnim in integriranim strategijam. S sistemi socialne zaščite bi bilo treba pospeševati socialno vključevanje, in sicer s spodbujanem ljudi k dejavni udeležbi na trgu dela in v družbi. Bistvene so cenovno in drugače dostopne kakovostne storitve, kot so nega otrok, zunajšolsko varstvo, izobraževanje, usposabljanje, stanovanjske in zdravstvene storitve ter dolgotrajna oskrba. Posebno pozornost bi bilo treba nameniti tudi osnovnim storitvam in ukrepom za preprečevanje zgodnje opustitve izobraževanja, za zmanjšanje revščine zaposlenih ter za boj proti revščini in socialni izključenosti. V ta namen bi bilo treba v skladu z načeli dejavnega vključevanja uporabiti različne instrumente, ki bi se vzajemno dopolnjevali, vključno s storitvami za aktivacijo delovne sile, dostopnimi kakovostnimi storitvami in ustrezno dohodkovno podporo za potrebe posameznikov. Sistemi socialne zaščite bi morali biti oblikovani tako, da jih lahko koristijo vsi upravičenci, hkrati pa podpirajo zaščito človeškega kapitala in naložbe vanj ter skozi vse življenje preprečujejo in zmanjšujejo revščino in socialno izključenost ter varujejo pred njima. Države članice bi morale ob upoštevanju vse daljših življenjskih dob in demografskih sprememb zagotoviti trajnost in ustreznost pokojninskih sistemov za ženske in moške. Izboljšati bi morale kakovost, dostopnost, učinkovitost in uspešnost zdravstvenih sistemov in sistemov dolgotrajne oskrbe, hkrati pa zagotoviti njihovo vzdržnost.« V skladu z Evropsko strategijo zaposlovanja (EC, 2010) so ciljne skupine znotraj aktivne politike zaposlovanja mladi, starejši, dolgotrajno brezposelni in nizko izobraženi. Brezposelnost, še posebej pa dolgotrajna brezposelnost (12 mesecev in več), ima lahko resne negativne posledice za posameznika, družbo in gospodarstvo. Še zlasti je to pomembno z vidika preprečevanja dolgotrajne brezposelnosti, saj le-ta zaradi resnosti problema in trajanja povzroča vplive, ki presegajo tiste, s katerimi se na splošno srečujemo pri brezposelnosti, zato moramo spodbujati aktivno politiko zaposlovanja. Prav tako morajo biti ciljne skupine znotraj aktivne politike zaposlovanja oblikovane tako, da zajamejo tiste brezposelne osebe, ki nimajo veliko stika s trgom dela (običajno dolgotrajno brezposelne osebe), saj se s tem poskušamo čim bolj izogniti t. i. mrtvi izgubi in doseči večjo stroškovno učinkovitost aktivne politike zaposlovanja. Nenazadnje je stanje dolgotrajno brezposelnih oseb v gospodarstvu pokazatelj tega, kako dobro aktivna politika zaposlovanja deluje. Dolgotrajno brezposelne osebe se čedalje težje zaposlujejo ter se soočajo z nižjimi dohodki in možnostmi razvoja kariere. Na nacionalni ravni lahko visoka dolgotrajna brezposelnost resno ogrozi cilje politike zaposlovanja, zniža sposobnost ustrezne alokacije dela ustreznemu delavcu ter vpliva na poklicno in geografsko mobilnost. Če je oseba dolgo časa brezposelna, to poslabša njen človeški kapital, čas, namenjen iskanju zaposlitve, pa se običajno skrajša. Posledično se verjetnost izhoda iz stanja brezposelnosti s trajanjem brezposelnosti zmanjša, verjetnost ohranjanja stanja brezposelnosti pa se poveča. Zato je pomembno, da se ukrepa zgodaj - že na začetku pojava brezposelnosti. Dolgotrajna brezposelnost je eden od pomembnih pokazateljev ustreznosti in uspešnosti delovanja aktivne politike zaposlovanja. Stopnja dolgotrajne brezposelnosti je bila v letu 2008 v EU-28 2,6 %. Po tem letu je strmo naraščala in v letu 2016 znašala 4 %. Porast stopnje dolgotrajne brezposelnosti je bil očiten v Grčiji, Španiji, na Hrvaškem, Portugalskem, v Italiji, na Cipru in Irskem. Dolgotrajna brezposelnost povzroča podaljševanje trajanja brezposelnosti, stik brezposelne osebe s trgom dela se poslabšuje in slabi, pri čemer se bistveno zmanjša verjetnost ponovne zaposlitve na stabilnem delovnem 14 mestu in poveča se tveganje za neaktivnost. Daljše kot je obdobje brezposelnosti, več podpore potrebujejo brezposelne osebe, da se uspešno vrnejo na trg dela. Glavni dejavnik za porast dolgotrajne brezposelnosti po krizi je bil nezmožnost trga dela, da bi sprejel brezposelne osebe, ki so ostale brez dela zaradi prestrukturiranja podjetij, bodisi zaradi premajhnega povpraševanja po delu in/ali neskladij med ponudbo in povpraševanjem po delu. Dodatno pa so poslabšanju razmer na trgu dela botrovale ovire institucionalne narave, med katerimi je zlasti segmentacija na trgu dela. Zaradi slednje je velik delež oseb, zaposlenih za določen ali krajši delovni čas, ostal brez dela, medtem ko so zaposleni za nedoločen čas z visoko varnostjo zaposlitve in visokimi stroški odpravnin obdržali svoje delo. Kot neustrezne pa so se pokazale tudi storitve zavodov za zaposlovanje. Slika 1: Delež dolgotrajno brezposelnih v starosti 20–64 let med vsemi brezposelnimi v državah članicah EU, v letih 2008, 2012 in 2016 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU 2008 2012 2016 Vir: Eurostat, 2018. Delež dolgotrajno brezposelnih oseb med vsemi brezposelnimi osebami (slika 1) pa je tudi pokazatelj pojavnosti dolgotrajne brezposelnosti. Ta se je v EU-28 zvišala z 39,1 % v letu 2008 na 48,6 % v letu 2016 in odraža nizko povpraševanje po delu in porast neskladnosti v sposobnostih zaposlenih in še posebej neustreznost sposobnosti brezposelnih oseb s tem, ko se jim trajanje brezposelnosti podaljšuje. Med državami članicami EU se je pojav dolgotrajne brezposelnosti različno odražal. Med tistimi z majhnim številom dolgotrajno brezposelnih so bile Finska, Švedska, Danska, medtem ko je število dolgotrajno brezposelnih v Bolgariji, Grčiji, Španiji, Franciji, Italiji, na Portugalskem, v Romuniji in Sloveniji od leta 2008 do leta 2016 naraslo. 15 Slika 2: Delež dolgotrajno brezposelnih in stopnja aktivacije v aktivnih in pasivnih ukrepih politike zaposlovanja v državah članicah EU v letu 2015 120,0 100,0 80,0 60,0 40,0 20,0 0,0 BE BG CZ DK DE EE IE ES FR HR LV LT LU HU NL AT PL PT RO SI SK FI SE delež dolgotrajno brezposelnih aktivni ukrepi pasivni ukrepi Vir: Eurostat, 2018. Udeležba v aktivni politiki zaposlovanja lahko prispeva k zmanjševanju dolgotrajne brezposelnosti z izhodi iz stanja brezposelnosti. Stopnja aktivacije (udeleženci v ukrepih politike zaposlovanja na 100 oseb, ki želijo zaposlitev) bi potemtakem lahko delovala v smeri zniževanja dolgotrajne brezposelnosti. Države z nizkim deležem dolgotrajne brezposelnosti (Finska, Švedska, Danska) so imele v letu 2015 (slika 2) višje stopnje aktivacije v aktivnih ukrepih politike zaposlovanja, vendar tak vzorec ni opazen med drugimi državami članicami EU in torej ne gre posploševati tega, da večja udeleženost v aktivnih ukrepih politike zaposlovanja sovpada z nižjim deležem dolgotrajno brezposelnih. Na drugi strani pa je opazno premosorazmerno gibanje med deležem dolgotrajno brezposelnih in udeleženostjo v pasivnih ukrepih politike zaposlovanja, kar bi utegnilo pomeniti, da pasivni ukrepi politike zaposlovanja vplivajo na podaljševanje trajanja brezposelnosti in torej ne motivirajo brezposelne osebe k aktivnejšemu iskanju zaposlitve. Podobne zaključke lahko najdemo tudi v literaturi (glej na primer Begoña in Suárez, 2014; Južnik Rotar, 2018a; Turrini et al., 2015; Zieliński, 2015; Wulfgramm in Fervers, 2015). Pomen sposobnosti, kvalifikacij in delovnih izkušenj se je s pojavom krize izkazal za ključnega. Zlasti mladi in nizko izobraženi so še posebej čutili vpliv krize. Mladi na trgu dela predstavljajo skupino ljudi, ki je še posebej občutljiva na fluktuacije v gospodarstvu, obenem pa ta skupina ljudi predstavlja vitalni del družbe. Politika za spodbujanje gospodarske rasti in boljših življenjskih pogojev je tako usmerjena v pomoč mladim pri prehajanju na trg dela in ohranjanju njihove zaposlitve. Specifični izzivi otežujejo prehod mladih ljudi iz izobraževalne sfere na trg dela, kar pa se kaže v nizki stopnji zaposlenosti oz. visoki stopnji brezposelnosti mladih ljudi ter v velikem številu mladih, ki niso niti zaposleni niti se ne izobražujejo. Stopnja njihove brezposelnosti je občutljiva na poslovne cikle, saj veliko težje najdejo zaposlitev, ko vstopajo na trg dela, poleg tega pa imajo manj delovnih izkušenj, zaposleni so večinoma za določen ali krajši delovni čas, iščejo pripravništvo in v času nizke gospodarske aktivnosti tudi hitreje izgubijo zaposlitev. 16 Stopnja zaposlenosti, stopnja brezposelnosti in stopnja neaktivnosti mladih so bolj podvržene makroekonomskim okoliščinam. EC (2017) navaja, da so vzroki za zanje neugodne izide na trgu dela tudi v strukturnih lastnostih prehoda mladih iz izobraževalne sfere na trg dela, npr.: • nezadovoljivi izidi izobraževalnega sistema, • segmentacija trga dela, ki še posebej prizadene mlade ljudi, • omejene sposobnosti zavodov za zaposlovanje, da bi nudili storitve, prilagojene mladim ter majhni napori zavodov za zaposlovanje, da se povežejo z njimi v njihovih najbolj ranljivih situacijah. Brezposelnost mladih in njihova neaktivnost povzročata visoke stroške. Brezposelnost, zlasti dolgotrajna brezposelnost, ima lahko na začetku kariere dolgoročno negativne posledice, ki se lahko kažejo v nižjih prihodnjih zaslužkih in slabših obetih za zaposlitev, kar je treba postaviti tudi v kontekst medgeneracijske pravičnosti, saj so se s povečano fleksibilnostjo pojavile tudi številne atipične oblike zaposlitve, kariere posameznikov pa so postale manj stabilne. Večja fleksibilnost se do določene mere res lahko odzove na potrebe delodajalcev in delojemalcev, vendar je spremljajoči dejavnik tudi socialno tveganje. Pojavlja se večje povpraševanje po določenih vrstah dela in po določenih sposobnostih zaposlenih, kar povzroča nesorazmerja na trgu dela in večjo neenakost pri porazdelitvi dohodka. Nekateri zaposleni se znajdejo v neugodnem položaju prekarnih delavcev. Tako vseh tistih, ki potrebujejo zaščito na trgu dela, sistemi blaginje, oblikovani za potrebe tradicionalnega trga dela, ne zmorejo več zaščititi. Vse to pa na mlade ljudi na trgu dela močno vpliva. Spodbujanje zaposlenosti mladih in izboljšanje prehoda iz izobraževalne sfere na trg dela sta prioriteti, ki se izražata tudi v programu Jamstvo za mlade. Priporočila državam članicam EU za vzpostavitev programa Jamstvo za mlade temeljijo na upoštevanju naslednjega (Uradni list EU, 2013): • »Današnje naložbe v človeški kapital mladih Evropejcev bodo prinesle dolgoročne koristi in prispevale k trajnostni in vključujoči gospodarski rasti. Unija bo lahko v celoti izkoristila prednosti aktivne, inovativne in usposobljene delovne sile, pri čemer se bo izognila zelo visokim stroškom, ki nastanejo, če mladi niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje (trenutno ti stroški znašajo 1,2 % BDP). • Mlade je kriza še posebej močno prizadela. Ranljivi so iz več razlogov: so v prehodnem življenjskem obdobju, nimajo delovnih izkušenj, njihova izobrazba ali usposobljenost včasih ne zadostuje, pogosto imajo zagotovljeno le omejeno socialno varnost, imajo omejen dostop do finančnih sredstev, njihovi delovni pogoji pa so negotovi. Slabo plačilo in negotova zaposlitev pogosteje prizadevata mlade ženske, za mlade starše, zlasti mlade matere, pa niso zagotovljeni ustrezni ukrepi za usklajevanje poklicnega in zasebnega življenja. Poleg tega so nekateri mladi še zlasti prikrajšani ali izpostavljeni tveganju diskriminacije. Zato so potrebni ustrezni podporni ukrepi, hkrati pa se priznava posamezna odgovornost mladih, da najdejo pot v gospodarsko dejavnost. • V Uniji je 7,5 milijona mladih, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje, kar je 12,9 % mladih Evropejcev (med 15. in 24. letom). Mnogi od njih imajo največ nižjo sekundarno izobrazbo ter so kmalu prenehali z izobraževanjem in usposabljanjem. Poleg tega prihajajo iz migrantskih ali prikrajšanih okolij. Pojem »mladi, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje,« zajema različne podskupine mladih z različnimi potrebami. 17 • Od brezposelnih oseb pod 25. letom starosti v Uniji jih je 30,1 % brezposelnih več kot 12 mesecev. Poleg tega vedno več mladih ne išče aktivno zaposlitve, zaradi česar lahko ostanejo brez strukturne podpore, namenjene vračanju na trg dela. Raziskave kažejo, da ima lahko brezposelnost mladih trajne posledice, kot so povečano tveganje za brezposelnost v prihodnosti, nižja raven prihodnjega zaslužka, izguba človeškega kapitala, medgeneracijski prenos revščine ali manjša motivacija za ustvarjanje družine, kar prispeva k negativnim demografskim gibanjem. • Izraz »jamstvo za mlade« se nanaša na situacijo, v kateri mladi prejmejo kakovostno ponudbo za zaposlitev, nadaljnje izobraževanje, vajeništvo ali pripravništvo v štirih mesecih po tem, ko postanejo brezposelni ali prenehajo z izobraževanjem. Ponudba nadaljnjega izobraževanja bi lahko vključevala tudi kakovostne programe usposabljanja, ki bi se zaključili s priznano poklicno kvalifikacijo. • Jamstvo za mlade bi prispevalo k trem ciljem strategije Evropa 2020, in sicer, da bi moralo biti 75 % oseb med 20. in 64. letom zaposlenih, da bi morale biti stopnje osipa v šolah pod 10 % in da bi bilo treba vsaj 20 milijonov ljudi rešiti iz revščine in socialne izključenosti. • Smernice za politike zaposlovanja držav članic, ki jih je sprejel Svet v svojem Sklepu 2010/707/EU z dne 21. oktobra, zlasti smernici 7 in 8, pozivajo države članice, naj spodbujajo vključevanje mladih na trg dela in zlasti tistim, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje, skupaj s socialnimi partnerji pomagajo poiskati prvo zaposlitev in nabrati delovne izkušnje ali priložnosti za nadaljnje izobraževanje ali usposabljanje, vključno z vajeništvi, ter se hitro odzovejo, ko mladi postanejo brezposelni. • Že leta 2005 se je Svet ob sprejetju smernic za politike zaposlovanja držav članic s Sklepom 2005/600/ES z dne 12. julija 2005 dogovoril, da »bi bilo treba vsaki brezposelni osebi omogočiti nov začetek, in sicer za mlade v roku 6 mesecev po nastopu brezposelnosti«. Z Odločbo 2008/618/ES z dne 15. julija 2008 o smernicah za politike zaposlovanja držav članic je Svet to obdobje skrajšal na »največ štiri mesece« za mlade osipnike. • V resoluciji z dne 6. julija 2010 o »spodbujanju dostopa mladih na trg dela z okrepitvijo statusa med pripravništvom, delovno prakso in vajeništvom« je Evropski parlament pozval Komisijo in Svet, da predstavijo evropsko jamstvo za mlade, »tako da bi vsi mladi v Uniji imeli pravico, da v največ štirih mesecih potem, ko postanejo brezposelni, prejmejo ponudbo za zaposlitev, vajeništvo, dodatno usposabljanje ali kombinacijo dela in usposabljanja«. • V svojem sporočilu »Mladi in mobilnost« z dne 15. septembra 2010 je Komisija države članice spodbudila, naj uvedejo jamstva za mlade, vendar so se do zdaj izvajala v zelo omejenem obsegu. To priporočilo bi moralo ponovno poudariti, da si morajo države članice prizadevati za dosego navedenega cilja in pomagati pri oblikovanju, izvajanju in ocenjevanju takih programov jamstva za mlade. • Svet je v svojih sklepih z dne 17. junija 2011 o spodbujanju zaposlovanja mladih za uresničitev ciljev strategije Evropa 2020 pozval države članice k hitremu ukrepanju z zagotavljanjem ukrepov na področju nadaljnjega izobraževanja, (pre)usposabljanja in aktiviranja mladih, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje, pri čemer so zajeti tudi osipniki. S tem bi dosegle cilj, da se navedene osebe v najkrajšem možnem obdobju vrnejo v izobraževanje, usposabljanje ali na trg dela ter da se zmanjša tveganje revščine in socialne izključenosti. Svet je priznal, da ima lahko segmentacija trgov dela negativne učinke na mladino, in pozval države članice, naj se s to segmentacijo spopadejo. 18 • Priporočilo Sveta z dne 28. junija 2011 o politikah za zmanjševanje osipa se osredotoča na razvoj z dejstvi podprtih, celovitih in medsektorskih politik, ki zajemajo ukrepe za ponovno vključevanje ljudi, ki so opustili izobraževanje, in krepitev povezave med sistemi izobraževanja in usposabljanja ter sektorjem zaposlovanja. Pri pripravi proračuna za leto 2012 je Evropski parlament podprl navedeni pristop in Komisijo pozval, naj začne izvajati pripravljalni ukrep za podporo vzpostavitvi jamstva za mlade v državah članicah. • V svežnju za zaposlovanje »K okrevanju s številnimi novimi delovnimi mesti«, ki ga je Komisija predlagala v svojem sporočilu z dne 18. aprila 2012, v katerem je pozvala k aktivni mobilizaciji držav članic, socialnih partnerjev in drugih zainteresiranih strani pri odzivanju na trenutne izzive Unije na področju zaposlovanja, zlasti brezposelnosti mladih. Komisija je poudarila velik potencial zelenega gospodarstva, zdravstva in socialnega varstva ter sektorjev informacijske in komunikacijske tehnologije (IKT) za ustvarjanje delovnih mest in v ta namen izdala tri spremne akcijske načrte za nadaljnje ukrepanje. Po tem je Komisija v svojem sporočilu z dne 10. oktobra 2012 o močnejši evropski industriji za rast in oživitev gospodarstva izpostavila tudi šest obetavnih prednostnih področij za industrijske inovacije, ki prispevajo k prehodu na nizkoogljično in z viri gospodarno gospodarstvo. V svežnju za zaposlovanje je Komisija poudarila tudi, da imajo pomembno vlogo, tudi za mlade, spodbujanje podjetniškega mišljenja, večja razpoložljivost podpornih storitev in mikrofinanc za ustanovitev podjetja ter sheme za pretvorbo nadomestil za brezposelnost v subvencije za ustanovitev podjetja. Poleg tega je v svežnju za zaposlovanje predlagana uporaba subvencij za plače za spodbujanje neto novega zaposlovanja in usmerjeno znižanje davčne obremenitve (zlasti prispevkov delodajalcev za socialno varnost) za povečanje zaposlovanja ter spodbujanje uravnoteženih reform na področju zakonodaje o varstvu zaposlitve, da bi se mladim zagotovil dostop do kakovostnih zaposlitev. • Evropski parlament je dne 24. maja 2012 v svoji resoluciji o pobudi za priložnosti za mlade pozval države članice k hitremu in konkretnemu ukrepanju na nacionalni ravni, da se zagotovi, da se mladim v štirih mesecih, potem ko prenehajo z izobraževanjem, zagotovi dostojna zaposlitev, izobraževanje ali (pre)usposabljanje. Evropski parlament je poudaril, da mora jamstvo za mlade učinkovito izboljšati položaj mladih, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje, ter postopoma premagati težave z brezposelnostjo mladih v Uniji. • Evropski svet je 29. junija 2012 v svojih sklepih pozval države članice k močnejšim prizadevanjem za izboljšanje zaposlovanja mladih z »namenom, da mladi v nekaj mesecih po tem, ko zapustijo šolo, prejmejo kakovostno ponudbo za zaposlitev, nadaljnje izobraževanje, vajeništvo ali pripravništvo«. Poleg tega je sklenil, da navedeni ukrepi lahko dobijo podporo Evropskega socialnega sklada (ESS) in da bi morale države članice izkoristiti možnost financiranja subvencij za začasno zaposlovanje iz tega sklada. • V sporočilu Komisije z 20. novembra 2012 z naslovom »Ponovni razmislek o izobraževanju: naložbe v spretnosti za boljše socialno-ekonomske rezultate« je opisan prispevek Unije k temu prizadevanju na področju izobraževanja. Opredeljena so glavna vprašanja, povezana z reformo in učinkovitostjo sistemov izobraževanja in usposabljanja; uskladitev ponujenih spretnosti trenutnim in prihodnjim potrebam trga dela, spodbujanje odprtih in prožnih načinov učenja in povečanje skupnih prizadevanj vseh zainteresiranih strani, tudi na področju financiranja. • Svet je v svojem priporočilu Sveta z dne 20. decembra 2012 o priznavanju priložnostnega in neformalnega učenja priporočil, da bi imele države članice najpozneje do leta 2018 vzpostavljen 19 režim za priznavanje neformalnega in priložnostnega učenja v skladu z nacionalnimi okoliščinami in posebnostmi in kot se jim zdi primerno. • Komisija je v svojem sporočilu z dne 28. novembra 2012 o letnem pregledu rasti za leto 2013 poudarila, da bi morale države članice zagotoviti prehajanje mladih od izobraževanja k zaposlitvi ter vzpostaviti in izvajati programe jamstva za mlade, s katerimi bi zagotovile, da vsi mladi pod 25. letom v štirih mesecih po tem, ko prenehajo z izobraževanjem ali postanejo brezposelni, prejmejo ponudbo za zaposlitev, nadaljnje izobraževanje, vajeništvo ali pripravništvo. • Evropski svet je 8. februarja 2013 v svojih sklepih o večletnem finančnem okviru sklenil ustanoviti pobudo za zaposlovanje mladih v višini 6 milijard EUR za obdobje 2014–2020, da bi se podprli ukrepi iz svežnja o zaposlovanju mladih, ki ga je Komisija predlagala dne 5. decembra 2012, in zlasti za podporo jamstva za mlade. • Jamstvo za mlade bi se moralo izvajati s programom podpornih ukrepov in bi moralo biti prilagojeno nacionalnim, regionalnim in lokalnim razmeram. Ti ukrepi bi morali temeljiti na šestih sklopih: krepitev partnerskih pristopov, zgodnje posredovanje in aktiviranje, podporni ukrepi za pomoč pri vključevanju na trg dela, uporaba skladov Unije, ocenjevanje in stalno izboljševanje programa ter hitro izvajanje programa. Njihov cilj je preprečevanje osipa, spodbujanje zaposljivosti in odpravljanje praktičnih ovir za zaposlovanje. Podpirati jih je mogoče s skladi Unije in jih je treba stalno spremljati in izboljševati. • Učinkovito usklajevanje in partnerstva na različnih področjih politike (zaposlovanje, izobraževanje, mladi, socialne zadeve itd.) so bistvenega pomena za povečanje kakovostnih možnosti za zaposlitev, vajeništvo in pripravništvo. • Programi jamstva za mlade bi morali upoštevati raznovrstnost držav članic in njihova različna izhodišča glede stopnje brezposelnosti mladih, institucionalne ureditve in zmogljivosti različnih akterjev na trgu dela. Upoštevati bi morali tudi razlike v javnih proračunih in finančnih omejitvah glede dodeljevanja. V letnem pregledu rasti za leto 2013 Komisija ugotavlja, da bi bilo treba, če je to mogoče, okrepiti in dati prednost naložbam v izobraževanje, ob tem pa zagotoviti učinkovitost in uspešnost porabe. Posebno pozornost bi bilo treba nameniti tudi vzdrževanju ali krepitvi obsega in učinkovitosti zavodov za zaposlovanje ter aktivnih politik trga dela, kot so usposabljanje za brezposelne in programi jamstva za mlade. Vzpostavitev takih programov je pomembna na dolgi rok, vendar je za preprečevanje dramatičnih učinkov gospodarske krize na trg dela potreben tudi kratkoročen odziv.« Priporočila državam članicam EU za vzpostavitev programa Jamstvo za mlade (Uradni list EU, 2013): • »Zagotovijo, da vsi mladi, mlajši od 25 let, v obdobju štirih mesecev po tem, ko postanejo brezposelni ali prenehajo s formalnim izobraževanjem, prejmejo kakovostno ponudbo za zaposlitev, nadaljnje izobraževanje, vajeništvo ali pripravništvo. • Pri načrtovanju takega programa jamstva za mlade bi morale države članice upoštevati splošne vidike, npr. dejstvo, da mladi niso homogena skupina s podobnimi socialnimi razmerami, ter načela vzajemne obveznosti in potrebo po odpravljanju tveganja ciklov neaktivnosti. • Izhodišče za izročitev jamstva za mlade mladi osebi bi morala biti prijava na zavodu za zaposlovanje, za tiste mlade, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje in niso prijavljeni na nobenem zavodu za zaposlovanje, pa bi morale države članice opredeliti ustrezno izhodišče za izročitev jamstva za mlade v istem štirimesečnem obdobju. 20 • Programi jamstva za mlade bi morali temeljiti na naslednjih smernicah, v skladu z nacionalnimi, regionalnimi in lokalnimi razmerami, ter upoštevati spol in raznolikost mladih, ki so jim programi namenjeni. Krepitev partnerskih pristopov • Opredelijo ustrezne javne organe, zadolžene za vzpostavitev in upravljanje programov jamstva za mlade ter usklajevanje partnerstev na vseh ravneh in v vseh sektorjih. Kjer zaradi ustavnih razlogov ni mogoče, da bi država članica opredelila samo en javni organ, se opredelijo zadevni javni organi, s tem da je njihovo število čim manjše, opredeli pa se ena sama kontaktna točka, ki bo komunicirala s Komisijo o izvajanju jamstva za mlade. • S krepitvijo sodelovanja med zavodi za zaposlovanje, ponudniki poklicnega usmerjanja, ustanovami za izobraževanje in usposabljanje in službami za pomoč mladim ter z učinkovito uporabo vseh ustreznih informacijskih kanalov zagotovijo, da imajo mladi popoln dostop do vseh podatkov o razpoložljivih storitvah in podpori. • Okrepijo partnerstva med delodajalci in zadevnimi akterji na trgu dela (zavodi za zaposlovanje, različne upravne ravni, sindikati in zavodi za mlade) za spodbujanje zaposlovanja, vajeništva in pripravništva za mlade. • Vzpostavijo partnerstva med javnimi zavodi in zasebnimi agencijami za zaposlovanje, ustanovami za izobraževanje in usposabljanje, službami za poklicno usmerjanje in drugimi specializiranimi zavodi za mlade (nevladne organizacije, mladinski centri in združenja), ki bodo pomagali olajšati prehod od brezposelnosti, neaktivnosti ali izobraževanja k zaposlitvi. • Zagotovijo dejavno sodelovanje socialnih partnerjev na vseh ravneh pri oblikovanju in izvajanju politik, namenjenih mladim, in spodbujajo sinergije med pobudami za vzpostavitev programov vajeništva in pripravništva. • Zagotovijo posvetovanje z mladimi in/ali mladinskimi organizacijami ter njihovo udeležbo pri oblikovanju in nadaljnjem razvoju jamstva za mlade, da bi se storitve bolj prilagodile potrebam upravičencev in da bi se jim omogočila vloga v razširjanju ozaveščanja. Zgodnje posredovanje in aktiviranje • Razvijejo učinkovite strategije obveščanja, vključno s kampanjami za obveščanje in ozaveščanje, da se mlade spodbudi k prijavi na zavode za zaposlovanje, pri tem pa se osredotočijo na ranljive mlade, ki se soočajo z več ovirami (npr. socialno izključenostjo, revščino ali diskriminacijo), in mlade, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje, ter upoštevajo njihova različna okolja (zlasti revščino, invalidnost, nizko stopnjo izobrazbe ali pripadnost etnični manjši/migrantski skupini). • Za boljšo podporo mladim in izboljšanje morebitne premajhne ozaveščenosti o obstoječih ponudbah razmislijo o vzpostavitvi skupnih »informacijskih točk«, tj. organizacij, ki bi zagotavljale usklajevanje med zadevnimi ustanovami in organizacijami, zlasti z javnim organom, pristojnim za upravljanje programa jamstva za mlade, da se zagotovi izmenjava informacij o mladih, ki prenehajo z izobraževanjem, zlasti tistih, pri katerih obstaja tveganje, da ne bodo dobili zaposlitve oziroma nadaljevali z izobraževanjem ali usposabljanjem. • Zavodom za zaposlovanje in drugim partnerjem za pomoč mladim omogočijo, da čim prej zagotovijo individualno usmerjanje in načrtovanje ukrepov, vključno s prilagojenimi 21 individualnimi programi podpore, ki temeljijo na načelu vzajemne obveznosti, ter stalno nadaljnje spremljanje, da bi se preprečil osip in zagotovilo pot proti izobraževanju in usposabljanju ali zaposlitvi. Podporni ukrepi za vključevanje na trg dela • Krepitev spretnosti • Osipnikom in nizkousposobljenim mladim ponudijo programe za nadaljevanje izobraževanja in usposabljanja ali prekvalificiranje, ki bodo zagotovili učno okolje, ki bo ustrezalo njihovim potrebam in jim omogočilo pridobitev manjkajočih kvalifikacij. • Zagotovijo, da ukrepi v okviru programa jamstva za mlade, namenjeni izboljšanju spretnosti in kompetenc, pomagajo odpraviti obstoječo neskladnost med ponudbo in povpraševanjem po spretnostih ter zadovoljiti potrebo po delovni sili. • Zagotovijo, da bodo prizadevanja za izboljšanje spretnosti in kompetenc vključevala znanja s področja IKT in digitalne spretnosti, izboljšajo status strokovnega znanja in kompetenc tako, da zagotovijo, da so učni programi in certifikacije na področju IKT skladni s standardi in mednarodno primerljivi. • Spodbujajo šole, vključno s centri za poklicno usposabljanje, in zavode za zaposlovanje, da mladim stalno zagotavljajo usmerjanje na področju podjetništva in samozaposlitve, tudi s tečaji podjetništva. • Izvajajo Priporočilo z dne 20. decembra 2012 o priznavanju neformalnega in priložnostnega učenja. • Ukrepi, povezani s trgom dela • Kjer je ustrezno, zmanjšajo stroške dela, ki ne sodijo v plačo, da se izboljšajo obeti glede zaposlovanja mladih. • V skladu z veljavnimi pravili o državni pomoči uporabijo ciljno usmerjene in dobro zasnovane subvencije za plače in zaposlovanje ter s tem spodbujajo delodajalce, da mladim ponudijo nove priložnosti, npr. z vajeništvom, pripravništvom ali delovno prakso, zlasti za tiste, ki so najtežje zaposljivi. • Spodbujajo mobilnost delovne sile z ozaveščanjem mladih o ponudbah za zaposlitev, pripravništva in vajeništva ter podpori na različnih področjih v različnih regijah in državah, na primer s službami in programi, ki mlade spodbujajo k mobilnosti in delu znotraj Unije; zagotovijo, da je mladim, ki najdejo zaposlitev na drugem območju ali v drugi državi članici, na voljo ustrezna podpora pri prilagajanju na novo okolje. • Zagotovijo večjo razpoložljivost podpornih storitev za ustanovitev podjetij ter povečajo ozaveščenost o možnostih in perspektivah v zvezi s samozaposlitvijo, tudi s tesnejšim sodelovanjem med zavodi za zaposlovanje ter ponudniki podpornih storitev za podjetja in (mikro)financiranja. • Okrepijo mehanizme za ponovno aktiviranje mladih, ki opustijo programe aktiviranja in nimajo več dostopa do koristi iz teh programov. Uporaba skladov Unije • V naslednjem obdobju 2014–2020 čim bolje uporabijo finančne instrumente kohezijske politike za podpiranje vzpostavljanja programov jamstva za mlade, kjer je to ustrezno za nacionalne okoliščine. V ta namen zagotovijo, da se prednost in ustrezna sredstva namenijo podpiranju 22 vzpostavljanja in izvajanja ukrepov v zvezi z vzpostavljanjem programov jamstva za mlade, vključno z možnostmi financiranja usmerjenih subvencij za začasno zaposlovanje iz Evropskega socialnega sklada. Poleg tega, kolikor je mogoče, izrabijo razpoložljiva sredstva iz programskega obdobja 2007–2013. • V pogodbi o partnerstvu v okviru priprav na obdobje 2014–2020 potrebno pozornost namenijo posebnim ciljem, povezanim z izvajanjem programov jamstva za mlade, kjer je to ustrezno za nacionalne okoliščine, in v operacijskih programih opišejo ukrepe, ki jih bodo podpirale v okviru ustreznih prednostnih naložb Evropskega socialnega sklada, zlasti tiste na področju trajnostne vključitve na trg dela mladih, ki niso niti zaposleni niti vključeni v izobraževanje ali usposabljanje, ter podporne ukrepe za mlade podjetnike in socialna podjetja, skupaj z njihovim prispevkom k posebnim ciljem. • Kjer je upravičeno, za izvajanje jamstva za mlade v celoti in optimalno izkoristiti pobudo za zaposlovanje mladih. Ocenjevanje in stalno izboljševanje programov • Spremljajo in ocenijo vse ukrepe iz programov jamstva za mlade, da bi oblikovali več z dejstvi podprtih politik in posredovanj na podlagi tega, kaj se je kje in zakaj obneslo, ter tako zagotovijo učinkovito uporabo virov in dobro donosnost naložb; stalno nadzirajo višino dodeljenih sredstev za vzpostavitev in izvajanje jamstva za mlade, zlasti v okviru operativnih programov kohezijske politike. • Na nacionalni, regionalni in lokalni ravni spodbujajo dejavnosti vzajemnega učenja vseh strani, vključenih v odpravljanje brezposelnosti mladih, da se izboljša oblikovanje in izvedba prihodnjih programov jamstva za mlade. Kjer je ustrezno, v celoti uporabijo rezultate projektov, podprtih v okviru pripravljalnega ukrepa za programe jamstva za mlade. • Okrepijo zmogljivosti vseh zainteresiranih strani, tudi zadevnih zavodov za zaposlovanje, vključenih v načrtovanje, izvajanje in ocenjevanje programov jamstva za mlade, da se odpravijo vse notranje in zunanje ovire, povezane s politiko in načinom razvijanja navedenih programov. Izvajanje programov jamstva za mlade • Čim prej izvedejo programe jamstva za mlade. Za tiste države članice, ki imajo najhujše proračunske težave in visoke stopnje mladih »NEET« ali brezposelne mladine, bi se lahko preučila možnost postopnega izvajanja. • Zagotovijo, da se programi jamstva za mlade ustrezno vključijo v prihodnje programe, ki jih sofinancira EU, po možnosti od začetka večletnega finančnega okvira za obdobje 2014–2020. Pri izvajanju programov jamstva za mlade lahko države članice izkoristijo pobudo za zaposlovanje mladih.« Jamstvo za mlade je politična zaveza vseh držav članic EU, da vsem mladim do 25. leta starosti zagotovijo kakovostne ponudbe za zaposlitev, nadaljevanje šolanja, vajeniška mesta, pripravništvo oziroma delovno prakso, in sicer v štirih mesecih od dne, ko postanejo brezposelni ali ko končajo formalno izobraževanje. Najpomembnejše je zgodnje in hitro ukrepanje v korist mladih in podpora pri njihovem zaposlovanju, kar seveda zahteva močno in stabilno partnerstvo vseh ključnih in vključenih deležnikov, npr. javnih organov, zavodov za zaposlovanje, ponudnikov poklicnega svetovanja, izobraževalnih ustanov, služb za pomoč mladim, delodajalcev in drugih. 23 Prehod iz izobraževalne sfere na trg dela je povezan s številnimi strukturnimi izzivi, s katerimi se mladi soočajo. To so (EC, 2017): • segmentacija trga dela, • uspešnost izobraževalnega sistema, • pridobivanje kvalitetnih delovnih izkušenj, • sposobnost zavoda za zaposlovanje za nudenje storitev in podpore mladim ljudem. 2.1.1 Segmentacija trga dela Sposobnost mladih, da najdejo zaposlitev, je odvisna od tega, kako je trg dela vzpostavljen, kakšna je zaščitna delovna zakonodaja, ali je aktivna politika zaposlovanja prilagojena potrebam mladih na trgu dela, pa tudi od učinkovite mobilnosti dela. Na segmentiranem trgu dela je več mladih zaposlenih za določen čas in za krajši delovni čas, medtem ko je za nedoločen čas zaposlenih zelo malo. Segmentirani trg dela je običajno rezultat visoke zaščite delovnih pogodb za nedoločen čas in nizke zaščite delovnih pogodb za določen čas. V državah, kjer je prisoten segmentiran trg dela, se mladi znajdejo v začaranem krogu tveganosti prekarne zaposlitve, nizkih plač, pomanjkljivega usposabljanja na delovnem mestu in šibkih dolgoročnih zaposlitvenih in kariernih obetov. Pogosto so mladi v primerjavi z ostalimi starostnimi skupinami tudi preveč izobraženi na delovnem mestu, ki ga zasedajo. V letu 2016 je bilo v EU za določen čas zaposlenih v povprečju 43,8 % mladih v starosti 15-24 let, a le 12,8 % ostalih v starosti 20-64 let, za krajši delovni čas pa je bilo zaposlenih 32,0 % mladih v starosti 15-24 let in samo 18,4 % ostalih v starosti 20-64 let (Eurostat, 2018). 2.1.2 Uspešnost izobraževalnega sistema Resno oviro zaposljivosti predstavlja nizek nivo doseganja osnovnih in transverzalnih sposobnosti, pri čemer se številne države članice EU še vedno soočajo z visokim deležem tistih, ki imajo težave pri matematiki, branju in pisanju. Mladi ljudje, ki predčasno zapustijo izobraževanje, so podvrženi pomanjkanju, imajo slabše sposobnosti in kvalifikacije in se zato soočajo z resnimi in stalnimi problemi na trgu dela. Stopnja brezposelnosti mladih v starosti 15-24 let je bila na ravni 0-2 po ISCED 26,5 % in na ravni 3-4 po ISCED 16,5 %, medtem ko je bila na ravni 5-8 po ISCED 13,8 % (Eurostat, 2018). 2.1.3 Pridobivanje kvalitetnih delovnih izkušenj Vajeništvo in pripravništvo imata pomembno vlogo pri lažjem prehodu mladih iz izobraževalne sfere na trg dela. Mladi na ta način pridobijo praktične delovne izkušnje. Vajeništvo je formalni program poklicnega izobraževanja in usposabljanja, ki vključuje usposabljanje na delovnem mestu (obdobje pridobivanja praktičnih delovnih izkušenj) in šolsko izobraževanje (obdobje teoretičnega izobraževanja). Ob uspešnem zaključku programa udeleženec pridobi nacionalno priznane kvalifikacije. Pogosto imata delodajalec in vajenec s pogodbo urejeno razmerje, na podlagi katerega je vajenec za svoje delo tudi plačan. Vajenci veljajo za zaposljiv kader. Lažje najdejo zaposlitev, jo dlje časa obdržijo in so bolje plačani kot njihovi vrstniki, ki so vključeni v izobraževanje samo v izobraževalnih institucijah. Sheme vajeništva prispevajo k večji verjetnosti uspešnega prehoda iz izobraževalne sfere na trg dela. Zaposlitev takoj po 24 zaključku večine programov vajeništva najde 60-70 % vajencev, v 6-12 mesecih po zaključku vajeništva pa tudi preko 80 % (EC, 2017). Države, kjer je sistem vajeništva dobro razvit, so na primer Danska, Nemčija, Nizozemska in Avstrija. Pripravništvo pa je omejeno obdobje pridobivanja delovnih izkušenj za študente oziroma za mlade, ki so zaključili izobraževanje. To obdobje lahko traja od nekaj tednov do nekaj mesecev. Pripravništvo ni nujno urejeno s pogodbenim razmerjem. Obstajajo pa nekatera odprta vprašanja glede izvajanja pripravništva v smislu neustreznih učnih vsebin in podstandardnih delovnih pogojev (EC, 2016). 2.1.4 Sposobnost zavoda za zaposlovanje pri nudenju storitev in podpore, ciljane na mlade ljudi Številni zavodi za zaposlovanje se še vedno soočajo s primanjkljajem glede nudenja osebnega svetovanja in ustrezne podpore mladim ljudem. Osebno svetovanje zahteva dodatna sredstva, osebje, znanje in administrativne kapacitete, pri čemer se uspešnost tovrstnega svetovanja kaže pri mladih brezposelnih osebah, ki so za zaposlitev najbolj pripravljene. Težje zaposljive mlade brezposelne osebe zahtevajo bolj intenzivno podporo, svetovanje, izobraževanje in pristop, prilagojen posameznikom. Stopnja zaposlenosti v starosti 15-24 let se je v EU-28 (slika 3) opazno znižala, in sicer od 37,2 % v letu 2008 na 33,7 % v letu 2016. Nekatere države članice EU, ki so v letu 2008 imele stopnjo zaposlenosti mladih nad 35 %, so po tem letu zabeležile drastičen upad stopenj zaposlenosti mladih, in sicer za več kot 10 odstotnih točk. Med temi državami so bile Danska, Irska, Španija, Ciper, Litva, Nizozemska, Portugalska, Slovenija. Stalno upadanje stopnje zaposlenosti mladih v preučevanih letih pa je razvidno za Belgijo, Bolgarijo, Italijo, Ciper, Avstrijo, Romunijo. Stopnja zaposlenosti mladih žensk (slika 4) je bila v letu 2016 najvišja na Danskem, Nizozemskem, Združenem kraljestvu, Avstriji, Nemčiji, Finskem, Švedskem, in sicer od 43 % pa do 62 %. Stopnja zaposlenosti mladih žensk je presegala stopnjo zaposlenosti mladih moških na Danskem, Nizozemskem, Združenem kraljestvu, Finskem, Švedskem. Najnižjo stopnjo zaposlenosti mladih žensk v letu 2016 sta imeli Grčija in Italija, ki sta imeli tudi najnižjo stopnjo zaposlenosti mladih moških. Slika 3: Stopnja zaposlenosti v starosti 15–24 let v državah članicah EU v letih 2008, 2012 in 2016 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU 2008 2012 2016 Vir: Eurostat, 2018. 25 Slika 4: Stopnja zaposlenosti v starosti 15–24 let, po spolu, v državah članicah EU leta 2016 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU moški ženske Vir: Eurostat, 2018. Stopnja brezposelnosti v starosti 15-24 je v EU-28 dosegla vrh v letu 2012 (slika 5) pri 22,5 % in se do leta 2016 znižala na 18,1 %, vendar je bila še vedno višja za 2,8 odstotne točke kot v letu 2008. Stopnja brezposelnosti mladih je v letu 2016 dosegla 30 % in več v naslednjih državah: Grčija, Španija, Hrvaška, Italija, Ciper. Pod 10 % pa je bila stopnja brezposelnosti mladih v letu 2016 v Nemčiji in v Avstriji. V Luksemburgu, na Madžarskem, na Malti, v Združenem kraljestvu in na Švedskem pa je bila stopnja brezposelnosti mladih po krizi nižja kot pa pred krizo. Mlade ženske so bile v letu 2016 v povprečju manj brezposelne kot mladi moški (slika 6), medtem ko je bila brezposelnost mladih žensk pod 10 % v Nemčiji in v Avstriji. Brezposelnost mladih žensk in mladih moških je bila v letu 2016 najvišja v sredozemskih državah. Slika 5: Stopnja brezposelnosti v starosti 15–24 let v državah članicah EU v letih 2008, 2012 in 2016 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU 2008 2012 2016 Vir: Eurostat, 2018. 26 Slika 6: Stopnja brezposelnosti v starosti 15–24 let, po spolu, v državah članicah EU leta 2016 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU moški ženske Vir: Eurostat, 2018. Na drugi strani dolgotrajna brezposelnost vpliva na določene skupine bolj kot na druge, med temi skupinami so tudi mladi. Stopnja dolgotrajne brezposelnosti mladih v starosti 15-24 let se je med državami članicami (slika 7) gibala različno, medtem ko se je v EU-28 od leta 2008 do leta 2016 zvišala za 1,9 odstotne točke in dosegla vrh v letu 2013 pri 8,0 % (slika 7), medtem ko je za moške v tem letu znašala 8,6 % in je bila v preučevanih letih vztrajno višja od stopnje dolgotrajne brezposelnosti mladih žensk. Stopnja dolgotrajne brezposelnosti mladih se je najbolj znižala v Bolgariji, na Irskem, v Španiji, na Hrvaškem, v Litvi, na Madžarskem, na Portugalskem, na Poljskem, na Slovaškem in v Združenem kraljestvu. Pod 5 % je bila stopnja dolgotrajne brezposelnosti mladih na Danskem, v Nemčiji, na Malti, na Nizozemskem, v Avstriji, na Finskem, na Švedskem (slika 8). Slika 7: Stopnja dolgotrajne brezposelnosti mladih (15–24 let), po spolu, v EU-28 v letih 2008–2016 10,0 9,0 8,0 7,0 6,0 5,0 4,0 3,0 2,0 1,0 0,0 2008 2012 2013 2014 2015 2016 skupaj moški ženske Vir: Eurostat, 2018. 27 Slika 8: Stopnja dolgotrajne brezposelnosti mladih (15–24 let) v državah članicah EU v letih 2012 in 2016 30,0 25,0 20,0 15,0 10,0 5,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV HU MT NL AT PL PT RO SI SK FI SE UK EU 2012 2016 Vir: Eurostat, 2018. Precejšnji delež mladih v starosti 15-24 let v EU je tudi ekonomsko neaktiven. Pri nekaterih je razlog za to udeleženost v izobraževanju in usposabljanju, drugi pa so se umaknili s trga dela oziroma jih preprosto ni na trgu dela zaznati tudi potem, ko so zapustili izobraževalni sistem. To so mladi v starosti 15-24 let, ki niso niti zaposleni niti se ne izobražujejo. Obstajajo precejšnje razlike med temi mladimi in vse situacije kot take niso problematične. Za nekatere mlade je ta status zgolj začasen in predstavlja čas, preden se mlada oseba zaposli oziroma si poišče zaposlitev, potem ko je zaključila izobraževanje. Spet za druge je lahko to znak nazadovanja na trgu dela, prav tako pa je ta status tudi dinamičen. Mnogi posamezniki znotraj te skupine zelo hitro spreminjajo svoj status, saj lahko najdejo zaposlitev ali pa se vključijo v nadaljnje izobraževanje. Problematična pa je skupina tistih, ki ohranja svoj status dalj časa in se sooča s številnimi ovirami pri vstopu na trg dela. To ima lahko precej negativne posledice, kot so negotove in slabe zaposlitvene možnosti, pa tudi razne zdravstvene težave. Stopnja mladih v EU-28, ki niso bili niti zaposleni niti v izobraževanju, je od leta 2008 do leta 2016 narasla za 0,7 odstotnih točk (slika 9), pri čemer je bil ta porast najvišji v Grčiji, Italiji, na Hrvaškem in v Romuniji, v slednjih za več kot 5 odstotne točke. Mladih, ki niso niti zaposleni niti v izobraževanju, je bilo pod 5 % na Nizozemskem, med 5 % in 10 % pa na Češkem, Danskem, v Nemčiji, Luksemburgu, Avstriji, Sloveniji, na Finskem in Švedskem. 28 Slika 9: Mladi v starosti 15–24 let, niti zaposleni niti v izobraževanju, v državah članicah EU v letih 2008, 2012 in 2016 25,0 20,0 15,0 10,0 5,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU 2008 2012 2016 Vir: Eurostat, 2018. Največ neaktivnih med mladimi, ki niso niti zaposleni niti v izobraževanju, je bilo v letu 2016 v Bolgariji (14,5 %), v Romuniji (12,0 %) in v Italiji (11,0 %), povprečje v EU-28 pa pa je bilo 6,2 % (slika 10). Najmanj neaktivnih med mladimi, ki niso niti zaposleni niti v izobraževanju, pa je bilo v letu 2016 na Danskem (3,8 %), v Luksemburgu (2,5 %), na Nizozemskem (2,9 %) in na Švedskem (3,8 %). Skupina neaktivnih mladih, ki niso niti zaposleni niti v izobraževanju, je bolj problematična kot skupina brezposelnih, saj gre za mlade, ki svojega statusa sploh ne spreminjajo in jih v evidencah preprosto ni več. Na drugi strani pa je prehod iz izobraževalne sfere na trg dela bolj dinamičen proces za tiste mlade, ki niso niti zaposleni niti v izobraževanju, z nižjo ali srednjo poklicno, srednjo strokovno ali splošno šolo, torej na ravni 3-4 po ISCED (slika 11). Slika 10: Profil mladih v starosti 15–24 let, niti zaposleni niti v izobraževanju, v državah članicah EU leta 2016 16,0 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU brezposelni neaktivni Vir: Eurostat, 2018. 29 Slika 11: Mladi v starosti 15–24 let, niti zaposleni niti v izobraževanju, po izobrazbi, v državah članicah EU leta 2016 16,0 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU ISCED 0-2 ISCED 3-4 Vir: Eurostat, 2018. Eden od strukturnih izzivov, s katerim se soočajo mladi na trgu dela, je tudi segmentacija trga dela, kjer so mladi največkrat zaposleni za določen in krajši delovni čas, z manj možnostmi za zaposlitev za nedoločen čas, kar je običajno posledica visoke zaščite zaposlitev za nedoločen čas in nizke zaščite tistih za določen čas. Mladi so na visoko segmentiranem trgu dela ujeti v začaran krog zaposlitev za določen in krajši delovni čas in tako izpostavljeni tveganju prekarnih zaposlitev z nizkimi zaslužki in slabimi dolgoročnimi zaposlitvenimi obeti. V letu 2016 je bilo med vsemi zaposlenimi v EU-28 43,8 % mladih v starosti 15-24 let, zaposlenih za določen čas, pri čemer je bil ta odstotek za 1,6 odstotne točke višji kot v letu 2008 (slika 12). V letu 2016 je bilo največ takih v Sloveniji (74,4 %), sledi Španija (74,3 %), Poljska (70, 6 %), Hrvaška (64,2 %), Italija (55, 2%), Nizozemska (55,1 %), Danska (53,8 %), Švedska (53,4 %). Države z najnižjim deležem mladih, zaposlenih za določen čas, so Litva, Latvija in Romunija, najvišji porast deleža teh pa so beležile Danska, Češka, Portugalska, Slovaška. Zmanjšanje deleža mladih, zaposlenih za določen čas, pa se je zgodilo v Luksemburgu in v Avstriji. V obeh za 1,1 odstotne točke od leta 2008 do leta 2016. 30 Slika 12: Delež mladih (15–24 let), zaposlenih za določen čas, med vsemi zaposlenimi osebami v državah članicah EU v letih 2008, 2012 in 2016 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE UK EU 2008 2012 2016 Vir: Eurostat, 2018. 2.2 Slovenija in aktivna politika zaposlovanja Zakon o urejanju trga dela (Uradni list RS, št. 80/2010) v 28. členu definira aktivno politiko zaposlovanja kot nabor ukrepov na trgu dela, ki so namenjeni povečanju zaposlenosti in zmanjševanju brezposelnosti, večji zaposljivosti oseb na trgu dela in povečanju konkurenčnosti in prožnosti delodajalcev. Brezposelne osebe in drugi iskalci zaposlitve imajo zaradi povečanja svojih zaposlitvenih možnosti pravico in obveznost, da se vključijo v ukrepe aktivne politike zaposlovanja v skladu s podlagami za njihovo izvajanje, ki so določene v 36. členu tega zakona. Te podlage predstavljajo smernice za izvajanje, načrt in katalog ukrepov aktivne politike zaposlovanja. Smernice za izvajanje ukrepov aktivne politike zaposlovanja so v 36. členu Zakona o urejanju trga dela (Uradni list RS, št. 80/2010) definirane kot strateški dokument, ki ga Vlada Republike Slovenije po predhodnem posvetovanju z ostalimi socialnimi partnerji sprejme za načrtovano obdobje na podlagi programa državnih razvojnih prioritet in investicij ter drugih strateških dokumentov Republike Slovenije. V smernicah se določijo zlasti obdobje veljavnosti, namen in cilji izvajanja ukrepov aktivne politike zaposlovanja, okvirni obseg in viri sredstev po posameznih ukrepih, kazalniki za spremljanje in vrednotenje učinkovitosti ukrepov aktivne politike zaposlovanja ter cilji strateških dokumentov Republike Slovenije in EU, ki jih je treba doseči z izvajanjem ukrepov aktivne politike zaposlovanja, zajetih v smernicah, in njihov prispevek k doseganju teh ciljev. Na drugi strani je načrt za izvajanje ukrepov aktivne politike zaposlovanja v 36. členu Zakona o urejanju trga dela (Uradni list RS, št. 80/2010) opredeljen kot izvedbeni dokument, pripravljen na podlagi smernic aktivne politike zaposlovanja za proračunsko obdobje, in ga na predlog ministra, pristojnega za delo, sprejme Vlada Republike Slovenije. Ministrstvo, pristojno za delo, socialne partnerje seznani z načrtom v medresorskem usklajevanju, in socialni partnerji o njem lahko izrazijo svoje mnenje. V načrtu aktivne politike zaposlovanja se podrobneje kot v smernicah aktivne politike zaposlovanja določijo predvsem namen in cilji izvajanja ukrepov aktivne politike zaposlovanja v proračunskem obdobju, obseg in viri 31 sredstev v skladu s proračunom Republike Slovenije, prednostne ciljne skupine za vključevanje v ukrepe aktivne politike zaposlovanja, izvajalci ukrepov ter način spremljanja in vrednotenja teh ukrepov. Katalog ukrepov aktivne politike zaposlovanja pa 36. člen Zakona o urejanju trga dela (Uradni list RS, št. 80/2010) opredeljuje kot izvedbeni dokument načrta aktivne politike zaposlovanja. Katalog pripravi ministrstvo, pristojno za delo, in ga objavi na svoji spletni strani, vsebuje pa zlasti nabor programov, ki so namenjeni doseganju ciljev znotraj posameznih ukrepov aktivne politike zaposlovanja v proračunskem obdobju, pri čemer je program sestavljen iz posameznih aktivnosti za doseganje teh ciljev, oznako programov glede na način financiranja in državno pomoč, namen programov, obdobje njihove veljavnosti, vsebine in načinov izvajanja, posebnosti izvajanja, ciljne skupine, trajanje vključitve ciljnih skupin v programe, upravičene stroške, način izbora izvajalcev aktivnosti posameznih programov ter potrebno dokumentacijo (Uradni list RS, št. 80/2010). Strateški dokument na področju izvajanja ukrepov aktivne politike zaposlovanja predstavljajo smernice za izvajanje ukrepov aktivne politike zaposlovanja, ki jih je Ministrstvo za delo, družino, socialne zadeve in enake možnosti pripravilo za obdobje 2016-2020 in sledijo strateškim usmeritvam Republike Slovenije in določajo ključne prioritete za izboljšanje stanja na trgu dela v Republiki Sloveniji za obdobje do leta 2020 z osredotočanjem ukrepov aktivne politike zaposlovanja na ciljne skupine, in sicer na mlade, starejše, dolgotrajno brezposelne in brezposelne osebe z nizko izobrazbo (MDDSZ, 2015). Posledice krize in upadanje gospodarske aktivnosti so povzročili padec bruto domačega proizvoda na prebivalca, od 18.800 EUR na prebivalca v letu 2008 na 17.700 EUR na prebivalca v letu 2009. V letu 2016 je BDP na prebivalca dosegel 19.600 EUR (slika 13). Projekcije Organizacije za ekonomsko sodelovanje in razvoj (v nadaljevanju OECD) kažejo zmeren trend rasti tudi v prihodnje, vendar bo morala Slovenija še naprej vlagati trud v nadaljnjo fleksibilizacijo trga dela ob hkratnem zagotavljanju ustrezne socialne zaščite. Priporočila OECD se nanašajo na izvajanje nadaljnjih aktivnosti v zvezi s pokojninsko reformo navkljub zmanjšanju proračunskega primanjkljaja in javnega dolga, saj se bodo pritiski na javne finance zaradi staranja prebivalstva brez ukrepov v bodoče še povečevali. Spodbuditi je treba privatizacijo (po ocenah slovenska vlada nadzira okrog 50 % gospodarstva in okrog 44 % bančnega sektorja), saj državna vpletenost v poslovno delovanje organizacij zavira poslovne investicije in neposredne tuje investicije (OECD, 2015). 32 Slika 13: Bruto domači proizvod na prebivalca v EU-28 in Sloveniji v EUR, tekoče cene, v letih 2008–2016 35.000 30.000 25.000 20.000 15.000 10.000 5.000 0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Upad gospodarske aktivnosti je povzročil odpuščanje delavcev. Stopnja anketne brezposelnosti je od leta 2008 naprej strmo naraščala in dosegla vrh v letu 2013 (10,1 %), po tem letu pa začela upadati (slika 14). V letu 2017 je stopnja anketne brezposelnosti znašala 6,8 % in je bila nižja od povprečja EU-28 za 0,9 odstotne točke, vendar pa še vedno ni dosegla ravni iz leta 2008. Od leta 2008 do leta 2017 se je stopnja anketne brezposelnosti v Sloveniji povečala za 2,4 odstotne točke. Slednje je botrovalo tudi k zmanjšanju stopnje delovne aktivnosti v Sloveniji (slika 15), in sicer od 61,9 % v letu 2008 na 59,6 % v letu 2016. Stopnja delovne aktivnosti je v obdobju 2008-2016 v Sloveniji vseskozi višja za moške, vendar je v letu 2016 v primerjavi z letom 2008 nižja za 4,7 odstotne točke. Stopnja delovne aktivnosti za ženske se je od leta 2008 do leta 2016 malo povečala. Slika 14: Stopnja anketne brezposelnosti v EU-28 in Sloveniji v letih 2008–2017 12,0 10,0 8,0 6,0 4,0 2,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 EU-28 Slovenija Vir: Eurostat, 2018. 33 Slika 15: Stopnja delovne aktivnosti v Sloveniji v letih 2008–2016 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 stopnja delovne aktivnosti stopnja delovne aktivnosti - moški stopnja delovne aktivnosti - ženske Vir: SURS, 2018. Stopnja anketne brezposelnosti se je od začetka krize podvojila, pri čemer so krizo najbolj občutili mladi, saj se je brezposelnost mladih v starosti 15-24 let več kot podvojila, prav tako se je povečal delež mladih, ki niso niti zaposleni niti v izobraževanju. Ranljivost mladih na trgu dela je predvsem posledica visoko segmentiranega trga dela v Sloveniji. Delež mladih zaposlenih za določen čas je okrog 74 %, kar jih je izpostavilo cikličnemu gibanju v gospodarstvu. Implementacija nove zakonodaje s področja trga dela v letu 2013 pomeni pomemben korak k odpravljanju dualnosti in povečevanju fleksibilnosti na trgu dela. Zaščitna delovna zakonodaja je bila sproščena, stroški odpravnin pa gredo v smer poenotenja med različnimi tipi delovnih pogodb. Korak k zmanjšanju dualnosti na slovenskem trgu dela predstavlja tudi reforma študentskega dela, ki je naložila prispevke za zdravstveno in pokojninsko zavarovanje in povečala stroške študentskega dela in tako odpravila preferenčni položaj študentskega dela in nelojalnost. Za ustrezno delovanje trga dela in soočanja z izzivi, ki jih ta prinaša, ter ranljive skupine na trgu dela, bi morala Slovenija (OECD, 2016): • »okrepiti povezavo med Zavodom Republike Slovenije (RS) za zaposlovanje in Centri za socialno delo z odpravljanjem ločevanja svetovanja in dodeljevanja denarnih nadomestil ter pomoči ali celo zagotoviti delno združitev teh dveh organov, • omogočiti Zavodu RS za zaposlovanje, da lahko pomaga iskalcem zaposlitve, ki težje najdejo delo, s sprostitvijo časa zaposlitvenih svetovalcev za svetovanje takšnim iskalcem zaposlitve, za pomoč pri njihovemu usposabljanju in delu ter ukvarjanje z dodatnimi socialnimi in zdravstvenimi problemi, • reševati visoko stopnjo dolgotrajne brezposelnosti z zagotavljanjem prejemkov socialne pomoči v odvisnosti od iskanja dela in omogočiti ljudem, da ohranijo nekaj ugodnosti v daljšem obdobju, ko že najdejo delo, 34 • spodbujati daljše delovno aktivno življenje z nadaljnjimi spremembami v sistemu pravic iz zavarovanja za primer brezposelnosti, starosti in invalidnosti, kakor tudi v delovni zakonodaji za spodbujanje poznejšega upokojevanja.« Tradicija nizke dohodkovne neenakosti v Sloveniji in velikodušen sistem socialne varnosti na drugi strani ustvarjata potrebo po znižanju obdavčitve dela, poleg tega pa je potrebno pozornost nameniti aktivni politiki zaposlovanja, za katero Slovenija namenja okrog 0,3 % bruto domačega proizvoda. OECD (2015a) predlaga, da je treba povečati delež izdatkov za aktivno politiko zaposlovanja in povečati udeležbo v njenih ukrepih, saj mora biti ciljno usmerjena zlasti na dolgotrajno brezposelne in nizko usposobljene, pri čemer morajo biti vsebine, ki se ponujajo brezposelnim osebam preko aktivne politike zaposlovanja, tržno relevantne, treba je vzpostaviti sistem neodvisnega ocenjevanja aktivne politike zaposlovanja s ciljem povečati učinkovitost, zmanjšati obdavčitev dela in tako povečati motivacijo zanj, zmanjšati dualnost trga dela z ustvarjanjem podobnih pogojev za vse tipe zaposlitvenih pogodb. Slika 16: Stopnja zaposlenosti v starosti 20-64 let, EU-28 in Slovenija v letih 2008–2016 74,0 73,0 72,0 71,0 70,0 69,0 68,0 67,0 66,0 65,0 64,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. V skladu s strategijo za gospodarsko rast Evropa 2020 bi le-ta morala omogočiti, da EU doseže rast, ki bo pametna (z razvojem znanja in inovacij), ki bo trajnostna (na podlagi bolj konkurenčnega in zelenega gospodarstva, ki učinkoviteje izkorišča vire), ki bo vključujoča (namenjena krepitvi zaposlenosti ter socialne in teritorialne kohezije). Za dosego takšne rasti si je EU zastavila pet glavnih ciljev, med katerimi je tudi povečanje stopnje zaposlenosti prebivalstva, starega od 20 do 64 let, na vsaj 75 %. Slovenija po podatkih (slika 16) zaostaja za doseganjem tega cilja. Stopnja zaposlenosti v starosti 20-64 let je bila v letu 2008 v Sloveniji 73 %, v letu 2016 pa 70,1 %, stopnja zaposlenosti se je znižala za 2,9 odstotne točke. Največji padec stopnje zaposlenosti v Sloveniji je bil leta 2013, ko je znašala 67,2 %. Stopnja zaposlenosti moških v starosti 20-64 let je bila v preučevanem obdobju 2008-2016 vseskozi višja od stopnje zaposlenosti žensk v tej starosti, vendar vseskozi nižja od povprečja EU-28 (slika 17). Na drugi strani je bila stopnja zaposlenosti žensk v starosti 20-64 let v Sloveniji v preučevanem obdobju 2008-2016 vseskozi višja kot v EU-28. 35 Slika 17: Stopnja zaposlenosti v starosti 20-64 let, po spolu, EU-28 in Slovenija v letih 2008–2016 90,0 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 moški Slovenija - moški EU-28 ženske Slovenija - ženske Vir: Eurostat, 2018. 2.2.1 Starejši na trgu dela Demografski trendi za Slovenijo kažejo staranje prebivalstva, ki bo skupaj s podaljševanjem življenjske dobe vplivala na večje javnofinančne izdatke in pritisk na socialne blagajne. Stopnja zaposlenosti v starosti 55-64 let (slika 18) je v Sloveniji vztrajno pod povprečjem EU-28, in sicer v letu 2008 je znašala 32,8 % (v EU-28 45,4 %) in v preučevanem obdobju 2008-2016 dosegla najnižjo vrednost v letu 2011, in sicer 31,2 %. V letu 2016 je stopnja zaposlenosti v starosti 55-64 let znašala 38,5 % in je bila za 16,8 odstotnih točk nižja od povprečja EU-28. Stopnja zaposlenosti moških v starosti 55-64 let v Sloveniji je bila v preučevanem obdobju 2008-2016 vseskozi višja od stopnje zaposlenosti enako starih žensk (slika 19), in sicer za okrog 20 odstotnih točk in več. Sicer pa se je stopnja zaposlenosti moških v starosti 55-64 let v preučevanem obdobju 2008-2016 znižala, v letu 2016 je bila v primerjavi z letom 2008 nižja za 1,1 odstotne točke. Stopnja zaposlenosti žensk v starosti 55-64 let v Sloveniji je v preučevanem obdobju 2008-2016 nihala, in čeprav je od leta 2013 opazen trend zviševanja, je še vedno krepko pod povprečjem EU-28. V preučevanem obdobju 2008-2016 je ta razkorak za okrog 16 odstotnih točk in več. Stopnja zaposlenosti žensk v starosti 55-64 let v Sloveniji je bila v letu 2016 za 12,3 odstotne točke višja kot v letu 2008, v EU-28 pa za 12,2 odstotne točke. Nizka stopnja zaposlenosti v tej starosti v Sloveniji izpodriva večjo vključenost na trgu dela. Brezposelnost, ki je povezana s starostjo, in nadomestila za invalidnost vplivajo na prezgodnje upokojevanje. OECD (2017) v svojem poročilu predlaga, naj Slovenija odpravi zakonsko zahtevo, da se plače avtomatično povečujejo s starostjo in da naj se harmonizira maksimalno trajanje nadomestil za brezposelnost med starostnimi skupinami. 36 Slika 18: Stopnja zaposlenosti v starosti 55-64 let, EU-28 in Slovenija v letih 2008–2016 60,0 50,0 40,0 30,0 20,0 10,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Slika 19: Stopnja zaposlenosti v starosti 55-64 let, po spolu, EU-28 in Slovenija v letih 2008–2016 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 moški Slovenija - moški EU-28 ženske Slovenija - ženske Vir: Eurostat, 2018. Delež registrirano brezposelnih oseb, starih 50 let in več, je bil po podatkih Zavoda Republike Slovenije za zaposlovanje v letu 2017 38,8 %. Stopnja brezposelnosti v starosti 50-64 let (slika 20) je bila v preučevanem obdobju 2008-2016 vseskozi višja za nizko izobražene (raven 0-2 po ISCED, torej brez izobrazbe, nepopolna osnovnošolska oziroma osnovnošolska izobrazba) tako na ravni EU-28 kot v Sloveniji. Ta se je v preučevanem obdobju povečevala in dosegla vrh v letu 2013, in sicer 13,7 % v EU-28 in 14,0 % v Sloveniji. Stopnja brezposelnosti v starosti 50-64 let se je za nizko izobražene na ravni EU-28 povečala za 5 odstotnih točk v letu 2016 v primerjavi z letom 2008, medtem ko se je v Sloveniji povečala za 6,2 odstotne točke v letu 2016 v primerjavi z letom 2008. Stopnja brezposelnosti v starosti 50-64 let se je za brezposelne osebe z ravnijo izobrazbe 3-4 po ISCED (torej nižja ali srednja 37 poklicna, srednja strokovna, splošno izobraževanje) na ravni EU-28 najbolj povečala od leta 2008 do leta 2009, in sicer za 1 odstotno točko, medtem ko je bila ta stopnja brezposelnosti v letu 2016 višja za 0,2 odstotne točke v primerjavi z letom 2008 in je torej v letu 2016 skoraj dosegla raven iz leta 2008. V Sloveniji pa je stopnja brezposelnosti v starosti 50-64 let za brezposelne osebe z ravnijo izobrazbe 3-4 po ISCED do leta 2013 vseskozi naraščala (v letu 2013 je bila 9,5 %, v letu 2008 pa 3,9 %), medtem ko je v letu 2016 znašala 7,4 % in je bila torej v primerjavi z letom 2008 višja za 3,5 odstotne točke. V preučevanem obdobju 2008-2016 pa je bila stopnja brezposelnosti v starosti 50-64 let za terciarno izobražene (raven 5-8 po ISCED, torej višješolska, visokošolska izobrazba in več) v Sloveniji nižja od povprečja v EU-28, v letu 2016 je bila za 0,3 odstotne točke višja v primerjavi z letom 2008, medtem ko je bila v EU-28 ta stopnja brezposelnosti za 0,9 odstotne točke višja v letu 2016 v primerjavi z letom 2008. V letu 2016 je bila stopnja brezposelnosti v starosti 50-64 let za terciarno izobražene nižja za 8 odstotnih točk v primerjavi s stopnjo brezposelnosti v tej starosti za nizko izobraženeosebe, medtem ko je bila ta razlika v EU-28 enaka – 8,5 odstotnih točk. Slika 20: Stopnja brezposelnosti v starosti 50–64 let po izobrazbi (ISCED) v EU-28 in Sloveniji v letih 2008–2016, letno povprečje 16,0 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 ISCED 0-2 EU-28 ISCED 3 in 4 EU-28 ISCED 5-8 Slovenija ISCED 0-2 Slovenija ISCED 3 in 4 Slovenija ISCED 5-8 Vir: Eurostat, 2018. Zaradi segmentacije in dualnosti slovenskega trga dela so breme zaposlitev za določen čas starejši (50-64 let) malo občutili (slika 21). Delež starejših, zaposlenih za določen čas, v aktivnem prebivalstvu je bil v letu 2008 0,9 %, v EU-28 pa 1,22 %. Delež starejših zaposlenih za določen čas v aktivnem prebivalstvu je sicer v proučevanem obdobju v Sloveniji zmerno rastel in je bil v letu 2016 za 0,3 odstotne točke višji v primerjavi z letom 2008 (v EU-28 pa za 0,33 odstotne točke). Pojavnost zaposlitev za določen čas je med mladimi v Sloveniji več kot 70 %. 38 Slika 21: Delež starejših (50–64 let), zaposlenih za določen čas, v aktivnem prebivalstvu (20–64 let), EU-28 in Slovenija v letih 2008–2016 1,8 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Podatki Zavoda Republike Slovenije za zaposlovanje kažejo, da je bilo v letu 2014 5.756 novosklenjenih pogodb s starejšimi brezposelnimi osebami (50 let in več) zaradi vključitve v ukrepe aktivne politike zaposlovanja. To je predstavljalo 15,6 % vseh novosklenjenih pogodb z brezposelnimi osebami zaradi vključitve v ukrepe aktivne politike zaposlovanja. Ta odstotek se je v obdobju do leta 2017 povečeval in v letu 2017 znašal 26,7 %. Starejše brezposelne osebe (50 let in več) so se v obdobju 2014-2017 največ vključevale v ukrep spodbude za zaposlitev, najmanj pa v ukrep spodbujanje samozaposlovanja. 2.2.2 Mladi Mladi na trgu dela predstavljajo skupino, ki je krizo najbolj občutila. Stopnja zaposlenosti v starosti 15-24 let (slika 22) je v preučevanem obdobju dosegla dno v letu 2012, in sicer je v EU-28 znašala 32,6 %, v Sloveniji pa 27,3 %. Stopnja zaposlenosti mladih je v Sloveniji vseskozi nižja od povprečja EU-28, razen v letu 2008 in 2009. Stopnja zaposlenosti mladih je v letu 2016 znašala 28,6 % in je bila nižja od povprečja EU-28 za 5,3 odstotne točke in nižja od stopnje zaposlenosti mladih v Sloveniji leta 2008 za 9,8 odstotne točke. Stopnja zaposlenosti mladih moških v Sloveniji je bila v preučevanem obdobju 2008-2016 vseskozi višja od stopnje zaposlenosti mladih žensk v Sloveniji (slika 23), in sicer za okrog 7 do 9 odstotnih točk. Stopnja zaposlenosti mladih moških v Sloveniji je bila do leta 2011 višja od te v EU-28, po tem letu pa se je razmerje obrnilo, medtem ko je stopnja zaposlenosti mladih žensk v Sloveniji v preučevanem obdobju vseskozi nižja od te v EU-28. Stopnja zaposlenosti mladih moških v Sloveniji je bila v letu 2016 nižja za 11,9 odstotne točke v primerjavi z letom 2008, medtem ko je bila stopnja zaposlenosti mladih žensk v Sloveniji v letu 2016 nižja za 7,1 odstotne točke v primerjavi z letom 2008. 39 Slika 22: Stopnja zaposlenosti mladih v starosti 15–24 let, EU-28 in Slovenija v letih 2008–2016 45,0 40,0 35,0 30,0 25,0 20,0 15,0 10,0 5,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Slika 23: Stopnja zaposlenosti mladih v starosti 15–24 let, po spolu, EU-28 in Slovenija v letih 2008-2016 50,0 45,0 40,0 35,0 30,0 25,0 20,0 15,0 10,0 5,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 moški Slovenija - moški EU-28 ženske Slovenija - ženske Vir: Eurostat, 2018. Stopnja anketne brezposelnosti za osebe, stare do 25 let, je leta 2008 v EU-28 znašala 15,9 %, v Sloveniji pa 10,4 % (slika 24). Do leta 2013 se je stalno povečevala in v letu 2013 glede na preučevano obdobje dosegla vrh (23,7 % v EU-28 in 21,6 % v Sloveniji). Po letu 2013 je začela stopnja anketne brezposelnosti za mlade do 25 let padati in je v letu 2017 znašala 16,8 % v EU-28 in 11,7 % v Sloveniji. Tako še ni dosegla ravni iz leta 2008. Delež registrirano brezposelnih oseb v starosti 15 do 29 let je po podatkih Zavoda Republike Slovenije za zaposlovanje v letu 2017 znašal v povprečju 19,7 %, medtem ko je delež iskalcev prve zaposlitve v letu 2017 znašal 16,5 %. 40 Slika 24: Stopnja anketne brezposelnosti za osebe, stare do 25 let, EU-28 in Slovenija v letih 2008–2017 25,0 20,0 15,0 10,0 5,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 EU-28 Slovenija Vir: Eurostat, 2018. Stopnja brezposelnosti mladih v starosti 15-24 let je najvišja za nizko izobražene mlade osebe (raven 0-2 po ISCED), pri čemer je ta stopnja v preučevanem obdobju 2008-2016 naraščala do leta 2013 in nato začela upadati, v Sloveniji se je po letu 2015 celo zvišala (slika 25). Stopnja brezposelnosti mladih z nizko izobrazbo je bila v Sloveniji v letu 2016 za 12,8 odstotne točke višja v primerjavi z letom 2008, v EU-28 pa za 5,2 odstotne točke. Stopnja brezposelnosti mladih s terciarno izobrazbo (raven 5-8 po ISCED) pa je v Sloveniji v letu 2008 znašala 12,9 %, v EU-28 pa 11,7 %. Do leta 2016 se je stopnja brezposelnosti mladih s terciarno izobrazbo v Sloveniji zvišala na 13,4 %, v EU-28 pa na 13,8 %. Slika 25: Stopnja brezposelnosti v starosti 15–24 let po izobrazbi (ISCED), EU-28 in Slovenija v letih 2008-2016, letno povprečje 35,0 30,0 25,0 20,0 15,0 10,0 5,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 ISCED 0-2 EU-28 ISCED 3 in 4 EU-28 ISCED 5-8 Slovenija ISCED 0-2 Slovenija ISCED 3 in 4 Slovenija ISCED 5-8 Vir: Eurostat, 2018. 41 Tveganje za brezposelnost je v Sloveniji visoko, zlasti za mlade, ki so zaradi segmentacije in dualnosti trga dela najbolj podvrženi zaposlitvam za določen čas. Tako je bil delež mladih, starih 15-24 let, zaposlenih za določen čas, v aktivnem prebivalstvu v letu 2008 6,13 % in je bil za 2,44 odstotne točke višji kot v EU-28 v tem letu (slika 26). Ta delež je sicer začel upadati in je padal do leta 2014, ko se je spet začel povečevati. Delež mladih, zaposlenih za določen čas, v aktivnem prebivalstvu je v preučevanem obdobju 2008-2016 višji od povprečja v EU-28. Slika 26: Delež mladih (15–24 let), zaposlenih za določen čas, v aktivnem prebivalstvu (20–64 let), EU-28 in Slovenija v letih 2008-2016 7,0 6,0 5,0 4,0 3,0 2,0 1,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Delež mladih v starosti 15-24 let, zaposlenih za določen čas, med vsemi zaposlenimi osebami (slika 27) je med najvišjimi v EU in je v letu 2016 znašal 74,4 % in bil tako višji za 30,6 odstotnih točk v primerjavi s povprečjem v EU-28 leta 2016. Zaposlenost za določen čas med mladimi v letu 2016 ni dosegla ravni iz leta 2008. Zaposlenost mladih žensk za določen čas (slika 28) v Sloveniji je bila v letu 2008 80,6 % in je bila višja od povprečja v EU-28 za 40 odstotnih točk. V preučevanem obdobju je vseskozi naraščala in v letu 2016 je znašala 86,5 %. Zaposlenost mladih moških za določen čas v Sloveniji je bila v letu 2008 62,2 % in torej za približno 20 odstotnih točk nižja od zaposlenosti mladih žensk za določen čas. V preučevanem obdobju 2008-2016 je zaposlenost mladih moških za določen čas v Sloveniji nihala in se v letu 2016 ustavila pri 64 %. 42 Slika 27: Delež mladih (15–24 let), zaposlenih za določen čas, med vsemi zaposlenimi osebami, EU-28 in Slovenija v letih 2008-2016 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Slika 28: Delež mladih (15–24 let), zaposlenih za določen čas, po spolu, med vsemi zaposlenimi osebami, EU-28 in Slovenija v letih 2008–2016 100,0 90,0 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 ženske Slovenija - ženske EU-28 moški Slovenija - moški Vir: Eurostat, 2018. Število novosklenjenih pogodb z brezposelnimi mladimi osebami v starosti 15 do 29 let za vključitev v ukrepe aktivne politike zaposlovanja je bilo po podatkih Zavoda Republike Slovenije za zaposlovanje v letu 2014 15.055, kar je predstavljajo 40,8 % vseh vključitev v ukrepe aktivne politike zaposlovanja v letu 2014. Delež novosklenjenih pogodb z brezposelnimi mladimi v starosti 15 do 29 let je do leta 2017 upadal in v letu 2017 znašal 28,3 %, kar je za 2,5 odstotne točke manj kot v letu 2016 in za 13 odstotnih točk manj kot v letu 2015. Največ brezposelnih mladih v starosti 15 do 29 let je bilo v obdobju 43 2014-2017 vključenih v ukrep usposabljanje in izobraževanje, najmanj pa v ukrep spodbujanje samozaposlovanja. 2.2.3 Dolgotrajno brezposelni V Sloveniji je opazen trend naraščanja dolgotrajne brezposelnosti, kar smo predhodno že zapisali. Najbolj so dolgotrajni brezposelnosti izpostavljeni starejši (50 let in več), njihov delež se giblje okoli 40 %. V letu 2014 je delež dolgotrajno brezposelnih (12 mesecev in več) med vsemi brezposelnimi osebami znašal 49,8 %, medtem ko je v letu 2017 ta delež znašal 53,1 %. Podaljševanje stanja brezposelnosti znižuje možnosti za uspešno reintegracijo na trgu dela, kar kažejo tudi podatki Zavoda Republike Slovenije za zaposlovanje glede izhodov dolgotrajno brezposelnih oseb v zaposlitev po zaključku vključenosti v ukrepe aktivne politike zaposlovanja. 2.2.4 Nizko izobraženi na trgu dela Stopnja zaposlenosti v starosti 20-64 let za nizko izobražene osebe (raven 0-2 po ISCED) je bila v EU- 28 v preučevanem obdobju 2008-2016 (slika 29) vseskozi višja kot v Sloveniji. V letu 2008 je ta stopnja v EU-28 znašala 56,4 %, v Sloveniji pa 54,8 %. Stopnja zaposlenosti v starosti 20-64 let se je za nizko izobražene osebe v Sloveniji zniževala in je v letu 2016 znašala 45,5 %, torej za 9,3 odstotne točke manj kot v letu 2008. V EU-28 je stopnja zaposlenosti v starosti 20-64 let za nizko izobražene osebe znašala 53,6 % in je bila nižja za 2,8 odstotnih točk glede na leto 2008. Slika 29: Stopnja zaposlenosti v starosti 20–64 let za nizko izobražene osebe (raven 0-2 po ISCED), EU-28 in Slovenija v letih 2008–2016 60,0 50,0 40,0 30,0 20,0 10,0 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Delež nizko izobraženih oseb v starosti 20-64 let, zaposlenih za določen čas, med vsemi zaposlenimi, je v EU-28 v letu 2008 znašal 2,8 %, v Sloveniji pa 1,23 % (slika 30). Ta delež je v obdobju 2008-2016 v Sloveniji nihal in v letu 2016 znašal 0,98 % in torej še ni dosegel ravni iz leta 2008. 44 Slika 30: Delež nizko izobraženih (raven 0-2 po ISCED) v starosti 20–64 let, zaposlenih za določen čas, med vsemi zaposlenimi, EU-28 in Slovenija v letih 2008–2016 3,0 2,5 2,0 1,5 1,0 0,5 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Delež nizko izobraženih mladih, zaposlenih za določen čas, v aktivnem prebivalstvu (slika 31) pa je v primerjavi z deležem nizko izobraženih starejših, zaposlenih za določen čas, v aktivnem prebivalstvu (slika 32) v preučevanem obdobju 2008-2016 vseskozi višji. Za mlade je ta delež v letu 2008 znašal 1,15 %, za starejše pa 0,19 %, medtem ko je v letu 2016 ta delež za mlade znašal 0,49 %, za starejše pa 0,20 %. Slika 31: Delež nizko izobraženih (raven 0-2 po ISCED) mladih (15–24 let), zaposlenih za določen čas, v aktivnem prebivalstvu (20–64 let), EU-28 in Slovenija v letih 2008–2016 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. 45 Slika 32: Delež nizko izobraženih (raven 0-2 po ISCED) starejših (55–64 let), zaposlenih za določen čas, v aktivnem prebivalstvu (20–64 let), EU-28 in Slovenija v letih 2008–2016 0,6 0,5 0,4 0,3 0,2 0,1 0,0 2008 2009 2010 2011 2012 2013 2014 2015 2016 EU-28 Slovenija Vir: Eurostat, 2018. Med registrirano brezposelnimi osebami je bilo po podatkih Zavoda Republike Slovenije za zaposlovanje v letu 2014 28,1 % brezposelnih oseb z nizko izobrazbo (raven 0-2 po ISCED), v letu 2017 pa 30,1 %. 2.2.5 Gospodarska napoved za Slovenijo OECD napoveduje, da naj bi se gospodarska ekspanzija v Sloveniji nadaljevala in naj bi se ustalila v letu 2018 in 2019, pri čemer bodo zasebna potrošnja in stanovanjske investicije spodbujane zaradi višje zaposlenosti in hitrejše realne rasti plač. Fiskalna situacija je v splošnem nevtralna z ožanjem proračunskega primanjkljaja zaradi cikličnih razlogov. Potrebna bo restriktivna fiskalna politika za ubranitev pred inflacijskimi pritiski. Pospešitev privatizacije bi zmanjšala delež javnega dolga v bruto domačem proizvodu, pričakujejo se še večji izdatki in pritiski na državne blagajne zaradi staranja prebivalstva. Nizka obrestna mera na drugi strani pa povzroča tveganje za prihodnjo stabilnost bank (OECD, 2017a). 2.2.6 Smernice aktivne politike zaposlovanja za obdobje 2016-2020 Aktivna politika zaposlovanja za obdobje 2016-2020 bo sledila prioritetam strateških dokumentov tako na nacionalni kot na evropski ravni, sledila bo prioritetam Operativnega programa za izvajanje kohezijske politike 2014-2020 ter upoštevala izkazano učinkovitost ukrepov aktivne politike zaposlovanja v preteklih letih (MDDSZ, 2015). Prednostne usmeritve aktivne politike zaposlovanja za obdobje 2016-2020 so tako (MDDSZ, 2015): • »zmanjšanje števila dolgotrajno brezposelnih med vsemi brezposelnimi, in sicer s spodbujanjem in motiviranjem te skupine oseb k aktivnosti in čimprejšnji vključitvi na trg dela, 46 • z okrepitvijo in ciljno usmerjenimi ukrepi za aktivacijo ostalih najbolj ranljivih skupin brezposelnih na trgu dela zvišati zaposljivost in zaposlenost, predvsem mladih, starejših in nizko izobraženih, • z namenom odprave strukturne brezposelnosti okrepiti ukrepe usposabljanja in izobraževanja aktivnega prebivalstva (brezposelni, zaposleni in drugi iskalci zaposlitve) ter jim zagotoviti kompetence, znanja in spretnosti glede na potrebe trga dela.« V smernicah za izvajanje ukrepov aktivne politike zaposlovanja za obdobje 2016-2020 je zapisano, da bo glede na prednostne usmeritve aktivne politike zaposlovanja za obdobje 2016-2020 pri implementaciji programov aktivne politike zaposlovanja pozornost usmerjena v (MDDSZ, 2015): • jasno izkazane ciljne skupine brezposelnih oseb; programi, ki so se do sedaj izkazali za učinkovite, se bodo izvajali tudi v prihodnje, pri čemer se bodo upoštevale potrebe najbolj ranljivih skupin in potreb trga dela (mladi, starejši, dolgotrajno brezposelni in nizko izobraženi), več pozornosti pa bo treba v prihodnje nameniti potrebam brezposelnih oseb z nizko izobrazbo, zato se načrtuje tudi prilagoditev nekaterih programov aktivne politike zaposlovanja, kot so na primer javna dela; • pospešeno aktivacijo in ustrezno reintegracijo brezposelnih oseb z namenom preprečevanja podaljševanja statusa brezposelnosti in prehajanja v dolgotrajno brezposelnost; • sledenje potrebam trga dela in v sodelovanje s socialnimi partnerji z namenom zagotavljanja kompetenc in izobrazbe ter v okrepljeno sodelovanje s socialnimi partnerji pri oblikovanju in izvajanju programov aktivne politike zaposlovanja, kjer so kot ciljna skupina brezposelne osebe z nizko izobrazbo; • hitro odzivnost na stanje na trgu dela in upoštevanje specifičnih potreb regij v smeri priprave »ad hoc« programov aktivne politike zaposlovanja, osredotočenih na problemska območja in ranljive skupine brezposelnih oseb; • vrednotenje uspešnosti in učinkovitosti programov aktivne politike zaposlovanja, ki predstavlja podlago za odločanje v zvezi z nadaljevanjem programov, ki izkazujejo učinke, pripravo novih in preusmerjanje sredstev iz stroškovno neoptimalnih v stroškovno optimalne programe aktivne politike zaposlovanja. Uspešnost ukrepov in programov aktivne politike zaposlovanja v obdobju 2012-2015 se je po podatkih Ministrstva za delo, družino, socialne zadeve in enake možnosti (2015) izkazala v naslednjih primerih: • »V ukrepu 1 sta med najuspešnejšimi programi »Usposabljanje na delovnem mestu« in »Delovni preizkus«, saj potekajo pri konkretnih delodajalcih na konkretnem delovnem mestu. V »Usposabljanje na delovnem mestu« so vključeni pretežno mladi, starejših je bilo le 6,8 %, glede na izobrazbo pa se delež nižje izobraženih nekoliko zmanjšuje (2012: 14,2 %, 2014: 10,6 %). Program »Delovni preizkus« je namenjen mladim do 29 let z namenom, da na delovnem mestu preizkusijo svoja znanja, veščine in spretnosti. V Delovni preizkus so se v letu 2014 večinoma vključevale osebe s končano poklicno in srednjo ravnjo izobraževanja (65 % vseh), med vključenimi pa je bilo tudi več kot polovica iskalcev prve zaposlitve (52,1 %). Število izhodov v zaposlitev iz programa (30–40 %) pa kaže, da program lahko ocenimo za uspešnega. Zelo uspešna programa pri prehodu v zaposlitev sta tudi priprava in »Potrjevanje NPK in TPK.« Pri drugih programih so deleži izhodov nekoliko nižji, vendar so to programi, katerih namen ni toliko neposredno zaposlovanje, temveč dvig znanj, kompetenc oziroma pridobitev formalne izobrazbe. • V ukrepu 3, kjer se izvajajo programi subvencionirane zaposlitve, je bilo največ vključitev v program »Zaposli.me« in »Prvi izziv«. Zavod Republike Slovenije za zaposlovanje ocenjuje, da je 47 program »Zaposli.me« najbolj upravičil svoj namen pri vključevanju starejših (nad 50 let), dolgotrajno brezposelnih in nižje izobraženih. V ta program (obdobje 2011–2014) je bilo vključenih 18,5 % oseb brez izobrazbe in dobrih 32 % starejših od 50 let, kar je skoraj enako kot mladih do 29 let. »Prvi izziv« je namenjen mlajšim od 30 let. Med vključenimi je le 10,5 % oseb brez izobrazbe in skoraj 24 % s terciarno izobrazbo. • V ukrepu 4 največji delež izvajanja predstavljajo programi javnih del, ki so bili v letu 2013 spremenjeni, in sicer se lahko v te programe vključujejo le dolgotrajno brezposelne osebe. Javna dela prispevajo k povečanju zaposlitvenih možnosti, je pa težko oceniti, ali so osebe ohranile zaposlitev, saj se javna dela izvajajo pri neprofitnih izvajalcih. Javna dela se izvajajo predvsem na področju socialnega varstva in zdravja, izobraževanja in športa ter v kulturi. Program »Delovna vključenost starejših oseb« je bil namenjen subvencioniranju zaposlitve starejših oseb s stalnim prebivališčem v vzhodni Sloveniji. Večina vključenih v program je bila dolgotrajno brezposelnih in 27 % oseb je imelo osnovnošolsko izobrazbo ali manj. Izhodov v zaposlitve še ni mogoče meriti, saj se zaposlitve še niso iztekle. • Ukrep 5 zajema programe samozaposlovanja. ZRSZ izvaja subvencioniranje samozaposlitev že od leta 1991, in sicer v različnih oblikah. V letu 2014 se program samozaposlovanja ni izvajal in ga je nadomestil program Podjetno v svet podjetništva. Podatki Zavoda Republike Slovenije za zaposlovanje kažejo, da je večletno samozaposlitev ohranila skoraj polovica vseh oseb, ki so prejele subvencijo za samozaposlitev v obdobju 2007–2012. Delež samozaposlenih, ki še poslujejo, se je v zadnjih letih sicer zmanjšal, kar je mogoče pripisati tudi gospodarski krizi.« 2.2.7 Vrednotenje ukrepov aktivne politike zaposlovanja v obdobju 2016-2020 Za spremljanje in vrednotenje aktivne politike zaposlovanja v obdobju 2016-2020 in spremljanje porabe javnega denarja so določeni naslednji kazalniki po področjih (MDDSZ, 2015): Področje: zmanjševanje števila dolgotrajno brezposelnih oseb Kazalnik 1: število dolgotrajno brezposelnih oseb (letno povprečje) • izhodiščna vrednost 2014: 59.858 dolgotrajno brezposelnih oseb (letno povprečje) • ciljna vrednost 2020: 40.000 dolgotrajno brezposelnih oseb (letno povprečje) • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, ukrep 2 – nadomeščanje na delovnem mestu in delitev delovnega mesta, ukrep 3 – spodbude za zaposlovanje, ukrep 4 – kreiranje delovnih mest, podporni ukrep – storitvi: vseživljenjska karierna orientacija in posredovanje zaposlitve Kazalnik 2: delež dolgotrajno brezposelnih oseb v ukrepih aktivne politike zaposlovanja • izhodiščna vrednost 2014: 41,3 % • ciljna vrednost 2020: 48 % • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, ukrep 2 – nadomeščanje na delovnem mestu in delitev delovnega mesta, ukrep 3 – spodbude za zaposlovanje, ukrep 4 – kreiranje delovnih mest, podporni ukrep – storitvi: vseživljenjska karierna orientacija in posredovanje zaposlitve Kazalnik 3: delež zaposlitev dolgotrajno brezposelnih oseb med vsemi zaposlitvami brezposelnih oseb • izhodiščna vrednost 2014: v letu 2014 se je zaposlilo 73.950 brezposelnih oseb, od teh je bilo 24,9 % (18.419 oseb) oseb, ki so bile brezposelne eno leto ali več 48 • ciljna vrednost 2020: 33 % • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, ukrep 2 – nadomeščanje na delovnem mestu in delitev delovnega mesta, ukrep 3 – spodbude za zaposlovanje, ukrep 4 – kreiranje delovnih mest, podporni ukrep – storitvi: vseživljenjska karierna orientacija in posredovanje zaposlitve Področje: hitrejša aktivacija brezposelnih oseb, predvsem mladih do 29. leta, starejših od 50 let in nizko izobraženih Kazalnik 1: povprečni čas v evidenci brezposelnih oseb – mladi do 29 let • izhodiščna vrednost 2014: 10,5 meseca • ciljna vrednost 2020: 7 mesecev • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, ukrep 2 –spodbude za zaposlovanje, ukrep 3 – spodbude za zaposlovanje, ukrep 4 – kreiranje delovnih mest, ukrep 5 – spodbude za samozaposlovanje, podporni ukrep – storitvi: vseživljenjska karierna orientacija in posredovanje zaposlitve Kazalnik 2: povprečni čas v evidenci brezposelnih oseb – starejši od 50 let • izhodiščna vrednost 2014: 34,5 meseca • ciljna vrednost 2020: 30 mesecev • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, ukrep 2 –spodbude za zaposlovanje, ukrep 3 – spodbude za zaposlovanje, ukrep 4 – kreiranje delovnih mest, ukrep 5 – spodbude za samozaposlovanje, podporni ukrep – storitvi: vseživljenjska karierna orientacija in posredovanje zaposlitve Kazalnik 3: povprečni čas v evidenci brezposelnih oseb – nizko izobraženi • izhodiščna vrednost 2014: 30,8 meseca • ciljna vrednost 2020: 28 mesecev • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, ukrep 2 –spodbude za zaposlovanje, ukrep 3 – spodbude za zaposlovanje, ukrep 4 – kreiranje delovnih mest, ukrep 5 – spodbude za samozaposlovanje, podporni ukrep – storitvi: vseživljenjska karierna orientacija in posredovanje zaposlitve Področje: odprava strukturnih neskladij na trgu dela – vlaganje v usposabljanje in izobraževanje Kazalnik 1: število vključenih v ukrep izobraževanje in usposabljanje • izhodiščna vrednost 2014: 30.059 • ciljna vrednost 2020: 30.100 • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, podporni ukrep – storitvi: vseživljenjska karierna orientacija in posredovanje zaposlitve Kazalnik 2: delež brezposelnih oseb, vključenih v izobraževanje in usposabljanje, ki so se zaposlile šest mesecev po zaključku aktivnosti • ciljna vrednost 2014: 44,6 % • ciljna vrednost 2020: 50 % • ukrepi za doseganje ciljne vrednosti: ukrep 1 – usposabljanje in izobraževanje, podporni ukrep – storitvi: vseživljenjsk karierna orientacija in posredovanje zaposlitve 49 2.2.8 Sredstva za aktivno politiko zaposlovanja 2016-2020 Za izvajanje ukrepov aktivne politike zaposlovanja je treba zagotoviti zadostno višino sredstev. V smernicah za izvajanje ukrepov aktivne politike zaposlovanja za obdobje 2016-2020 je zapisana okvirna oziroma indikativna višina sredstev, ki so razdeljena na dva vira, in sicer sredstva integralnega proračuna Republike Slovenije ter sredstva evropske kohezijske politike (Evropski socialni sklad) za obdobje 2014-2020. Predlagana okvirna višina sredstev za aktivno politiko zaposlovanja po posameznih ukrepih na letnem nivoju v obdobju 2016-2020 je tako (MDDSZ, 2015): Ukrep: usposabljanje in izobraževanje • proračun Republike Slovenije: 2.000.000 EUR • Evropski socialni sklad 2014-2020: 12.920.000 EUR Ukrep: spodbude za zaposlovanje • proračun Republike Slovenije: 2.400.000 EUR • Evropski socialni sklad 2014-2020: 39.300.000 EUR Ukrep: kreiranje delovnih mest • proračun Republike Slovenije: 40.000.000 EUR • Evropski socialni sklad 2014-2020: 1.380.000 EUR Ukrep: spodbujanje samozaposlovanja • proračun Republike Slovenije: 600.000 EUR • Evropski socialni sklad 2014-2020: 1.400.000 EUR Predlagana okvirna višina sredstev za aktivno politiko zaposlovanja po posameznih ukrepih na letnem nivoju v obdobju 2016-2020 znaša za sredstva integralnega proračuna Republike Slovenije 45.000.000 EUR in za sredstva evropske kohezijske politike (Evropski socialni sklad) za obdobje 2014-2020 55.000.000 EUR. 2.3 Ocenjevanje učinkovitosti aktivne politike zaposlovanja Ocenjevanje učinkov aktivne politike zaposlovanja, skupaj z nadzorom porabe sredstev in njihovo implementacijo, je korak v procesu oblikovanja ekonomske politike in doseganju njenih ciljev. Ocenjevanje individualnih programov običajno temelji na uporabi mikroekonometričnih tehnik, ki na podlagi posameznikove udeležbe v programu zaposlovanja poskušajo oceniti verjetnost prihodnje zaposlitve ter možnosti prihodnjih zaslužkov v primerjavi s tem, če se posameznik ne bi vključil v program. Strokovnjaki so razvili vrsto orodij za ocenjevanje programov (Ho et al., 2011; Leuven in Sianesi, 2003; Stuart, 2010). Namen tovrstnih evalvacij je identificirati učinke udeležbe v programu na udeležence. Slednje pa vključuje primerjavo oziroma oceno razlike v izidu, ko je bil posameznik vključen v program (opazovani dejavnik), ter izidu, ki bi ga bil posameznik deležen, če ne bi bil vključen v program zaposlovanja (neopazovani dejavnik, protidejstvenik). V skladu s tem posameznika seveda ne moremo hkrati opazovati v dveh različnih stanjih, tako da ocenjevanje protidejstvenikov predstavlja jedro problema ocenjevanja zaradi manjkajočih podatkov. 50 Če predpostavljamo razpoložljivost ustreznih podatkov, potem se uporaba makro pristopa (oziroma pristopa splošnega ravnotežja) preferira pred uporabo mikroekonometričnih tehnik. Dejstvo pa je, da se večina razpoložljivih evalvacij nanaša na uporabo mikro pristopa, ki v svoji osnovi nekako zanemarja učinke splošnega ravnotežja. Zato veliko avtorjev poudarja pomen ocenjevanja indirektnih učinkov programa (kot dodatek direktnim učinkom), kjer je mogoče meriti tudi agregatne vplive na izbrane spremenljivke, na primer na stopnjo zaposlenosti in stopnjo brezposelnosti (Gal in Theising, 2015). O'Leary et al. (2001) na primer navaja naslednje indirektne učinke, ki naj bi jih analiza splošnega ravnotežja tudi vključevala: i) nadomestitev (subvencionirane aktivnosti lahko nadomestijo ostale aktivnosti v ekonomiji); ii) mrtva izguba (enak rezultat bi bili dosegli brez programa zaposlovanja); iii) učinek pobiranja smetane (samo najbolj zaposljivi med brezposelnimi imajo koristi od državne intervencije); iv) substitucija (subvencionirani posamezniki lahko nadomestijo nesubvencionirane posameznike) ter v) obdavčitev (nepregledno obdavčevanje, povezano s financiranjem ukrepov). Makro pristop (oziroma analiza splošnega ravnotežja) je v osnovi pomemben za programe, ki subvencionirajo zaposlitev in ki so še posebej podvrženi omenjenim indirektnim učinkom. Nekateri zadržki v zvezi z ocenjevanjem učinkovitosti programov zaposlovanja z uporabo mikroekonometričnih tehnik (Martin in Grubb, 2001): • V večini držav članic EU kultura ocenjevanja politik trga dela ne obstaja. To je seveda v nasprotju s prakso v ostalih državah (na primer v ZDA in Kanadi), kjer, kljub nizkim izdatkom za politiko trga dela, obstaja dolga tradicija ocenjevanja programov. V teh državah je ocenjevanje programov dostikrat celostno in je nadaljnje izvajanje programa odvisno od dobljenih rezultatov. Tudi v Evropi se razmere počasi izboljšujejo, saj postajajo ocene programov bolj pogoste, v ozadju tega pa je tudi uporaba najnovejših ocenjevalnih tehnik in razpoložljivost podatkov. Kjer koli je to mogoče, obstaja težnja po neodvisnih evalvacijah. Kvaliteta dobljenih rezultatov je seveda premosorazmerna s kvaliteto in razpoložljivostjo podatkov. • Zaradi problemov, povezanih z razpoložljivostjo podatkov, se posameznikove izide po udeležbi v programu spremlja le kratek čas (običajno dve leti), kar pa je lahko prekratko obdobje za neko izčrpno oceno donosov pri mnogih aktivnih politikah trga dela. Na primer pri programu izobraževanja je lahko kratko časovno obdobje vzrok za pristranskost rezultatov navzdol. Pravzaprav so izidi glede verjetnosti prihodnje zaposlitve pri programu izobraževanja pogosto povezani z učinkom zaprtja na kratek rok (na primer manj intenzivno iskanje zaposlitve zaradi udeležbe v programu). Na srednji in dolgi rok pa sledijo pozitivni učinki (na primer večja kvaliteta povezovanja brezposelne osebe s prostim delovnim mestom in daljši obstanek na delovnem mestu). • V mnogih državah prihaja do uvajanja novih programov in opuščanja starih, pri čemer se spreminja sestava in struktura programov, kar pomeni težavo pri ocenjevanju teh programov. • Niz izhodnih spremenljivk, s pomočjo katerih se meri uspešnost nekega programa, je običajno preveč restriktiven in se osredotoča bodisi na verjetnost prihodnje zaposlitve bodisi na možnosti prihodnjih zaslužkov. Manjše število raziskav ugotavlja tudi socialne koristi od udeležbe v programu, kot na primer manjša stopnja kriminalitete, manjša odvisnost od drog in boljše zdravje (glej na primer Sage, 2015). • Redke empirične raziskave se osredotočajo na problem odnosa med aktivno politiko trga dela in trajanjem zaposlitve. Evalvacije programov se osredotočajo na vpliv udeležbe v programu na verjetnost zaposlitve v obdobju takoj po programu, kar je pravzaprav kratko obdobje, ki pa je pogojeno z ustreznostjo in razpoložljivostjo podatkov. 51 • Čeprav lahko mikroekonometrične ocene omogočijo vpogled v problem vzročnosti, ki ga z uporabo makropodatkov ne moremo identificirati, pa so makroekonometrične študije pomembne zlasti za obsežnejše programe v smislu izdatkov in udeležencev programa. Ocene makroekonomskih učinkov aktivnih politik trga dela naj bi bile prioritetne zaradi potencialne velikosti, ki jo lahko imajo indirektni učinki. Slednji lahko vodijo do zavajajočih ugotovitev glede učinkovitosti programa zaposlovanja, ki bi sicer temeljile zgolj na mikroekonometričnih ocenah. Metaanaliza je tehnika za analiziranje in povzemanje rezultatov od drugih študij, pri čemer vsaka od teh študij odgovarja na enako vprašanje (v tem primeru gre za vprašanje o tem, kakšen je vpliv posameznega ukrepa aktivne politike trga dela na verjetnost prihodnje zaposlitve). V kontekstu ocenjevanja aktivne politike trga dela sta Kluve in Schmidt (2002) prva uporabila to metodologijo, kjer sta uporabila rezultate 53-ih ocen programov. Metaanaliza temelji na oceni verjetnosti prihodnje zaposlitve in je odvisna od različnih spremenljivk, kot na primer od institucij trga dela, od uporabljenega ukrepa aktivne politike trga dela in od ekonomskega okolja v času implementacije programa. Izkazalo se je, da ima izobraževanje skromen vpliv na verjetnost prihodnje zaposlitve. Spodbude za zaposlovanje ter storitve zavoda za zaposlovanja imajo, v primerjavi z izobraževanjem, bolj pozitiven vpliv na verjetnost prihodnje zaposlitve. Rezultati nakazujejo na 40 % do 50 % večjo verjetnost, kot pa programi izobraževanja. V nasprotju s temi rezultati pa naj bi ustvarjanje delovnih mest imelo za 30 % do 60 % manjši pozitiven vpliv na verjetnost prihodnje zaposlitve kot izobraževanje. Za posebej neučinkovite so se pokazali tudi programi za mlade. Rezultati metaanalize opozarjajo na majhno korelacijo med učinkovitostjo programa in kontekstualnimi dejavniki, kot na primer to, kdaj (časovno obdobje) in kje (v kateri državi) je bila evalvacija izpeljana, makreoekonomsko okolje in institucije trga dela. Edina stvar, ki naj bi imela sistematični učinek na učinkovitost programa, je stopnja rigidnosti zaščitne delovne zakonodaje, ki ima tendenco zmanjševanja učinkovitosti programa. Posledično je torej vrsta programa tisti kritični dejavnik, ki determinira njegovo učinkovitost. Vooren et al. (2017) so predstavili novejšo metaanalizo, ki temelji na mikroekonometričnem ocenjevanju učinkovitosti aktivne politike trga dela. Omenjena analiza temelji na 55 eksperimentalnih in neeksperimentalnih študijah, opravljenih med letoma 1990 in 2015. Avtorji so zaznali 630 ocen vzročnih učinkov, pri čemer se je pokazalo, da so subvencionirane zaposlitve v zasebnem sektorju najbolj učinkovite, temu sledijo programi izobraževanja in usposabljanja. Javne zaposlitvene sheme imajo negativen učinek na zaposlitev, medtem ko pomoč pri iskanju zaposlitve in ostale storitve zavodov za zaposlovanje nimajo učinka. Vooren et al. (2017) niso zaznali statistično značilnega odnosa med makroekonomskimi spremenljivkami in učinkovitostjo aktivne politike trga dela. Prednost makroekonometričnih pred mikroekonometričnimi ocenami programov zaposlovanja je ta, da podajo celostno, čeprav netočno, oceno učinkov splošnega ravnotežja. Slabosti tega analitičnega okvira so povezane z naslednjimi dejstvi: i) malo študij uporablja združene meddržavne podatke oziroma časovne serije podatkov; ii) razpoložljive študije temeljijo na majhnem številu opazovanj; iii) heterogeni programi zaposlovanja so združeni v široko definirane kategorije; iv) v tovrstni analizi se pogosto srečamo s tehničnimi težavami, kot je na primer multikolinearnost (med pojasnjevalnimi 52 spremenljivkami) in pristranskost, ki se pojavi zaradi endogenosti nekaterih spremenljivk (na primer izdatki za aktivno politiko trga dela). Z uporabo makroekonometričnega pristopa poskušamo razložiti spremembe v stopnji brezposelnosti (ali stopnji zaposlenosti) med državami in skozi čas. Specifikacija modela se oceni na podlagi ekonometričnih tehnik pri združenih podatkih. Pojasnjevalne spremenljivke se nanašajo na časovno spremenljive indikatorje trga dela in institucij (na primer izdatki za aktivno politiko trga dela, denarna podpora za brezposelnost). Če izhajamo iz tega, da politika in institucije vplivajo na rezultate trga dela ne samo preko direktnega vpliva na agregatno brezposelnost, pač pa tudi preko udeležbe na trgu dela, potem je zelo pomembno, da se oceni tudi njihov vpliv na nekatere depriviligirane skupine na trgu dela (na primer mladi, ženske, starejši delavci, dolgotrajno brezposelni). V literaturi se pogosto pojavlja teza, da je stopnja zaposlenosti boljši indikator trga dela kot pa stopnja brezposelnosti, saj odprta brezposelnost izključuje brezposelne posameznike, ki so vključeni v aktivno politiko trga dela (glej na primer Gal in Theising, 2015). Rezultati mikroekonometričnih in makroekonometričnih ocen programov zaposlovanja so na nek način protislovni. Na eni strani so ugotovitve mikroekonometričnih študij, da imajo programi izobraževanja običajno statistično neznačilen oziroma zanemarljiv vpliv na verjetnost prihodnje zaposlitve udeleženca programa (Čelebič, Kajzer in Zver, 2015; Graversen in van Ours, 2008; Tisch in Wolff, 2015; Vodopivec, 2013; Vikström, Rosholm in Svarer, 2013). Na drugi strani pa so ugotovitve makroekonometričnih študij običajno te, da je izobraževanje edina kategorija aktivne politike trga dela, ki ima statistično značilen pozitivni vpliv na agregatne izide trga dela. Boone in Van Ours (2004) sta razvila model povezovanja, ki temelji na splošnem ravnotežju. Vsako kategorijo politike trga dela sta modelirala posebej (gre za izobraževanje, subvencioniranje zaposlitev in storitve zavoda za zaposlovanje) in tako razvila model, ki pokaže vpliv (predznak in moč vpliva) mnogih političnih interakcij in državnih intervencij. Izkazalo se je, da tudi ta model podpira dejstvo, da so izdatki za izobraževanje in denarna podpora za primer brezposelnosti komplementi v smislu njihovega vpliva na stopnjo brezposelnosti. Omenjena avtorja sta na podlagi svojega modela ugotovila, da imajo programi izobraževanja majhen in nejasen vpliv na stopnjo iskanja zaposlitve, kar je lahko razlog za mešane učinke programa zaposlovanja v mikroekonometričnih ocenah. Po njunem mnenju je to rezultat kratke dobe opazovanja izidov po končanem programu. Hkrati pa je njun teoretični model pokazal, da izobraževanje zvišuje kvaliteto povezovanja brezposelnih s prostimi delovnimi mesti, da se zmanjšujejo prilivi v brezposelnost in se v končni fazi zmanjšuje ravnotežna (agregatna) stopnja brezposelnosti. Slednje pa lahko pojasni statistično značilen pozitivni vpliv izobraževanja na agregatno stopnjo brezposelnosti, kar je običajno rezultat makroekonometričnih ocen. Očitno se ta paradoks rezultatov mikro in makro analiz lahko reši z vključevanjem daljše časovne vrste opazovanj, ki bi zajele izide programa izobraževanja tudi po končanem programu. Glavno omejitev predstavljajo podatkovne baze, ki ne zajemajo daljših časovnih vrst podatkov. 53 3 EVROPSKA STATISTIKA POLITIKE TRGA DELA Evropska statistika politike trga dela se nanaša na posege na trgu dela, katerih cilj je doseči učinkovito delovanje trga dela in odpravljati neravnotežja na njem. Razlikujejo se od splošnih posegov zaposlitvene politike v tem, da delujejo selektivno in favorizirajo določene skupine oseb na trgu dela. Gre za raziskovanje evropskega statističnega urada (v nadaljevanju Eurostat), ki zagotavlja informacije o posegih na trgu dela, ki se kažejo kot mehanizmi vlade, ki brezposelnim osebam in drugim ranljivim brezposelnim osebam na trgu dela omogočajo lažji prehod iz stanja brezposelnosti ali neaktivnosti v zaposlitev. Enoto opazovanja v omenjenem raziskovanju predstavlja vsak posamezni poseg na trgu dela. Podatki o izdatkih in udeležencih v posameznih posegih se zbirajo za vsak poseg posebej, in sicer letno za vsako državo članico EU iz administrativnih virov. Poleg tega se zbirajo tudi kvalitativne informacije o vsakem posegu. Eurostatovo raziskovanje o politiki trga dela je omejeno na posege, ki se nanašajo na točno določene ciljne skupine, in sicer na brezposelne osebe, osebe, ki jim grozi izguba zaposlitve oziroma na rizično zaposlene osebe in osebe, ki so trenutno neaktivne, vendar so pripravljene vstopiti na trg dela. Javni posegi se nanašajo na dejanja centralne države, ki vključujejo izdatke bodisi v obliki dejanskih povračil bodisi v obliki proračunskih odhodkov (na primer znižanje davkov, socialni prispevki ali druge dajatve, ki so običajno plačljive) (SURS, 2010, str. 2; Eurostat, 2013, str. 7). Posegi na trgu dela se delijo na tri glavne tipe posegov, in sicer: storitve, ukrepi in podpore na trgu dela. Omenjeni trije glavni tipi posegov na trgu dela se naprej delijo v devet kategorij. Storitve na trgu dela se nanašajo na aktivnosti zavodov za zaposlovanje, vključno z drugimi javno financiranimi storitvami za iskalce zaposlitve. Glavna aktivnost udeležencev je v tem primeru povezana z iskanjem zaposlitve, pri čemer udeležba običajno ne rezultira v spremembo statusa na trgu dela. Storitve vključujejo kategorijo 1: storitve na trgu dela. Ukrepi na trgu dela se nanašajo na posege na njem, kjer glavna aktivnost udeležencev ni povezana z iskanjem zaposlitve pač pa udeležba običajno rezultira v spremembo statusa na trgu dela (aktivna politika zaposlovanja). Aktivnost, ki sicer ne pripelje do spremembe statusa na trgu dela, se še vedno obravnava kot ukrep, če tak poseg izpolnjuje naslednje pogoje (Eurostat, 2013, str. 7): • aktivnosti niso povezane z iskanjem zaposlitve, so pa nadzorovane in predstavljajo udeleženčev celotni ali pretežni del časa v določenem obdobju, • namen je izboljšati poklicne kvalifikacije udeleženca, • poseg omogoča začetne spodbude ali pa omogoča zaposlitev (vključena je tudi samozaposlitev). Ukrepi na trgu dela vključujejo predvsem posege, ki omogočajo začasno podporo za prikrajšane skupine, pri čemer se večina ukrepov nanaša na aktiviranje brezposelne osebe, pomoč brezposelnim osebam pri prehajanju iz neprostovoljne neaktivnosti v zaposlitev ali vzdrževanje zaposlitve za tiste osebe, ki jim grozi njena izguba. Ukrepi na trgu dela vključujejo naslednje kategorije: kategorija 2: izobraževanje in usposabljanje, kategorija 3: rotacija in delitev dela, kategorija 4: spodbude za zaposlovanje, kategorija 5: podporna zaposlitev in rehabilitacija, kategorija 6: neposredno ustvarjanje delovnih mest, kategorija 7: začetne spodbude. 54 Podpore na trgu dela pa se nanašajo na posege, ki omogočajo finančno pomoč posameznikom kot nadomestilo za izgubo dohodka/plače (zlasti nadomestila za brezposelnost) ali, ki omogočajo predčasno upokojitev (pasivna politika zaposlovanja). Podpore na trgu dela vključujejo naslednje kategorije: kategorija 8: podpora in vzdrževanje dohodka v primeru izgube delovnega mesta, kategorija 9: predčasna upokojitev. Eurostatova podatkovna baza vključuje podatke o izdatkih in udeležencih v posegih trga dela. Podatki od leta 2012 manjkajo za posamezne države članice EU, zato smo se v nadaljnji analizi osredotočili na podatke iz leta 2012, čeprav tudi za to leto podatki za nekatere države članice manjkajo (na primer Grčija, Združeno kraljestvo, Hrvaška). Oznake za države članice EU so tiste, ki jih Eurostat uporablja pri objavi podatkov. Države članice EU namenjajo za politiko trga dela različne višine izdatkov. Če izrazimo te izdatke (kategorije 1-9) kot odstotek v bruto domačem proizvodu, pa lahko za leto 2012 (slika 33) ugotovimo, da je EU-28 v letu 2012 za izdatke politike trga dela namenila 1,82 % BDP. Največji delež izdatkov za politiko trga dela je v letu 2012 imela Španija, in sicer 3,69 % BDP, kar je še enkrat večji delež, kot znaša povprečje za EU-28. Poleg Španije so imele visok delež izdatkov za politiko trga dela v bruto domačem proizvodu še Danska (3,46 %), Irska (3,22 %), Belgija (2,89 %), Francija (2,80 %), Nizozemska (2,49 %), Finska (2,35 %). Najmanjši delež izdatkov za politiko trga dela v bruto domačem proizvodu, pod 0,5 % BDP, pa so imele Romunija (0,28 %), Češka in Latvija (0,47 %), Litva (0,49 %). Slovenija je v letu 2012 namenila 1,13 % BDP za izdatke politike trga dela. Slika 33: Izdatki za politiko trga dela (kategorije 1-9) v državah članicah EU, v % BDP v letu 2012 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0 8 BE L BG CZ DK DE EE IE EL ES FR HR IT CY LV LT LU HU MT N AT PL PT RO SI SK FI SE UK EU2 Vir: Eurostat, 2018. Seveda pa je treba gledati na izdatke politike trga dela glede na tip posega na trgu dela, pri čemer gre za storitve, ukrepe in podpore. Slika 34 prikazuje izdatke za politiko trga dela glede na tip posega v odstotkih bruto domačega proizvoda. V splošnem podpore (kategorije 8-9) predstavljajo največji delež 55 izdatkov politike trga dela, sledijo ukrepi (kategorije 2-7) in storitve (kategorija 1). Kljub vsemu pa so izdatki za podpore na trgu dela med državami članicami EU različni. Gibljejo se od manj kot 0,3 % BDP na Češkem (0,23 %), v Litvi (0,27 %) in Latviji (0,23 %), do več kot 2 % BDP v Belgiji (2,05 %) in na Irskem (2,37 %). Več kot 3 % BDP je za podpore na trgu dela namenila Španija (3,04 %). Tudi izdatki za ukrepe na trgu dela so različni med državami članicami EU. Gibljejo se od 0,03 % BDP v Romuniji do več kot 1 % BDP na Švedskem (1,01 %) in na Danskem (1,34 %). Slika 34: Izdatki politike trga dela v državah članicah EU glede na tip posega na trgu dela, v % BDP v letu 2012 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0 8 BE L BG CZ DK DE EE IE ES FR HR IT CY LV LT LU HU MT N AT PL PT RO SI SK FI SE EU2 storitve ukrepi podpore Vir: Eurostat, 2018. Izdatki za podpore na trgu dela predstavljajo več kot 50 % vseh izdatkov politike trga dela za 20 držav članic EU od 26 držav članic EU (slika 35). Analiza izdatkov politike trga dela glede na tip posega, izraženo kot delež celotnih izdatkov politike trga dela, razkrije nekako dve skupini držav članic EU. Ena skupina držav članic EU, ki so se soočile z visokimi stopnjami brezposelnosti, imajo tudi visok delež izdatkov politike trga dela za podpore na trgu dela in jih je kriza močneje prizadela. Delež izdatkov politik trga dela za podpore je bil več kot 70-odstotni na Irskem, v Španiji, Italiji, na Cipru, na Portugalskem in v Sloveniji. Več kot 70-odstotni delež izdatkov politik trga dela za podpore (72,38 %) je zabeležila tudi Belgija, čeprav ima nižjo stopnjo brezposelnosti kot predhodno omenjene države. Druga skupina držav članic EU pa predstavlja tiste, ki imajo visok delež izdatkov politike trga dela za ukrepe, in sicer več kot 35 % v letu 2012 so imele Danska (38,79 %), Litva (37,22 %), Latvija (38,22 %), Luksemburg (36,04 %), več kot 47 % pa Portugalska (47,34 %), Madžarska (55,24 %) in Švedska (53,74 %). Zanimivo pa je tudi, da so Romunija, Češka in Nemčija v letu 2012 namenile opazen delež celotnih izdatkov politike trga dela za storitve glede na ostale države članice EU, in sicer Romunija 30,85 %, Češka 23,21 % in Nemčija 20,55 %. 56 Slika 35: Izdatki politike trga dela v državah članicah EU glede na tip posega na trgu dela kot delež celotnih izdatkov politike trga dela v letu 2012 100,0 90,0 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 8 BE L BG CZ DK DE EE IE ES FR HR IT CY LV LT LU HU MT N AT PL PT RO SI SK FI SE EU2 storitve ukrepi podpore Vir: Eurostat, 2018. V letu 2008, preden so se začeli odražati učinki krize, ni nobena izmed preučevanih držav članic EU za izdatke politike trga dela namenila več kot 3 % BDP, le dve državi članici sta za te izdatke namenili več kot 2,5 % BDP in osem držav članic je zanje namenilo manj kot 0,5 % BDP (slika 36). V letu 2010 se je število držav, ki so za izdatke politik trga dela namenile več kot 2,5 % BDP povečal na sedem, pri čemer je v tem letu le ena država za te izdatke namenila manj kot 0,5 % BDP. V letu 2012 se je porazdelitev držav članic EU glede na spremembe v izdatkih politike trga dela približala tisti iz leta 2008, vendar bolj v smeri manjših izdatkov, medtem ko je bilo število tistih, ki so za izdatke namenile več kot 2,5 % BDP še vedno višje kot v letu 2008 (in sicer pet držav članic EU v letu 2012 v primerjavi z dvema v letu 2008). Slika 36: Porazdelitev držav članic EU glede na spremembe v izdatkih politike trga dela (kategorije 1-9) v % BDP v letih 2008–2012 30 25 20 15 10 5 0 2008 2009 2010 2011 2012 < 0,5 % 0,5 - 1,5 % 1,5 - 2,5 % > 2,5 % Vir: Eurostat, 2018. 57 Slika 37 prikazuje izdatke politike trga dela (kategorije 1-9) za EU-28, izražene v milijonih EUR v stalnih zneskih iz leta 2010, torej trendno gibanje izdatkov politik trga dela od leta 2008 dalje, ko so izdatki strmo naraščali in do leta 2010 vztrajali na visoki ravni. Po letu 2010 so ti izdatki začeli upadati, vendar ne za vse države članice EU. Na primer Švedska in Poljska (slika 38) po letu 2011 beležita porast izdatkov politike trga dela. V Sloveniji (slika 39) so v obdobju 2008-2012 skokovito narasli izdatki za podpore na trgu dela (kategorije 8-9), kar sovpada z že prej omenjeno visoko stopnjo brezposelnosti, medtem ko so se izdatki za ukrepe na trgu dela po letu 2010 začeli zmanjševati. Izdatki za storitve (kategorija 1) v preučevanem obdobju 2008-2012 ostajajo absolutno gledano na približno enaki ravni. Slika 37: Izdatki politike trga dela (kategorije 1-9) za EU-28, v mio EUR, stalne cene iz leta 2010, v obdobju 2008-2012 300.000,0 250.000,0 200.000,0 150.000,0 100.000,0 50.000,0 0,0 2008 2009 2010 2011 2012 Vir: Eurostat, 2018. Slika 38: Izdatki politike trga dela (kategorije 1-9) za izbrane države članice EU, v mio EUR, stalne cene iz leta 2010, v obdobju 2008-2012 8.000,0 7.000,0 6.000,0 5.000,0 4.000,0 3.000,0 2.000,0 1.000,0 0,0 2008 2009 2010 2011 2012 CZ HU AT PL SI SK FI SE Vir: Eurostat, 2018. 58 Slika 39: Izdatki politike trga dela za storitve, ukrepe in podpore v Sloveniji, v mio EUR, stalne cene iz leta 2010, v obdobju 2008–2012 350,0 300,0 250,0 200,0 150,0 100,0 50,0 0,0 2008 2009 2010 2011 2012 storitve ukrepi podpore Vir: Eurostat, 2018. Trendno gibanje izdatkov politike trga dela v EU-28 sledi vzorcem gibanja izdatkov politike trga dela v državah članicah EU, ki so največ potrošile za izdatke politike trga dela in posebej glede na tip posega (storitve, ukrepi, podpore) (slika 40, 41 in 42). Slika 40: Države članice EU, ki so največ potrošile za storitve (kategorija 1), v mio EUR, stalne cene iz leta 2010, v obdobju 2008–2012 12.000,0 10.000,0 8.000,0 6.000,0 4.000,0 2.000,0 0,0 2008 2009 2010 2011 2012 DE ES FR NL Vir: Eurostat, 2018. 59 Slika 41: Države članice EU, ki so največ potrošile za ukrepe (kategorija 2-7), v mio EUR, stalne cene iz leta 2010, v obdobju 2008–2012 18.000,0 16.000,0 14.000,0 12.000,0 10.000,0 8.000,0 6.000,0 4.000,0 2.000,0 0,0 2008 2009 2010 2011 2012 BE DK DE ES FR IT NL SE Vir: Eurostat, 2018. Slika 42: Države članice EU, ki so največ potrošile za podpore (kategorija 8-9), v mio EUR, stalne cene iz leta 2010, v obdobju 2008–2012 40.000,0 35.000,0 30.000,0 25.000,0 20.000,0 15.000,0 10.000,0 5.000,0 0,0 2008 2009 2010 2011 2012 BE DE IE ES FR IT NL Vir: Eurostat, 2018. Podatki Eurostatovega raziskovanja o posegih na trgu dela omogočajo tudi, da se izdatki za politiko na trgu dela izražajo per capita, torej na osebo, pri čemer se ti izdatki delijo s ciljno populacijo, to je s številom oseb, ki si želijo zaposlitev. Te osebeso brezposelne osebe in delovna rezerva. Brezposelne osebe so v skladu z opredelitvijo Mednarodne organizacije dela tiste osebe, ki so brez dela, ki aktivno iščejo delo in ki bi se bile pripravljene takoj zaposliti, čim se jim ponudi delo. Delovna rezerva pa vključuje neaktivne osebe, ki si želijo dobiti zaposlitev. 60 Slika 43: Izdatki za politiko na trgu dela (kategorije 1-9) v EUR (stalne cene iz leta 2010) per capita za države članice EU v letu 2012 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 8 BE L BG CZ DK DE EE IE ES FR HR IT CY LV LT LU HU MT N AT PL PT RO SI SK FI SE EU2 Vir: Eurostat, 2018. Slika 43 prikazuje izdatke za delovanje trga dela (kategorije 1-9) v EUR (stalne cene iz leta 2010) per capita za države članice EU v letu 2012. V EU-28 so ti izdatki znašali nekaj manj kot 2000 EUR per capita, kar je približno štirikrat manj kot na Danskem. Države članice EU, ki so namenile več kot 4000 EUR per capita za delovanje trga dela, so Irska, Luksemburg, Nizozemska, Finska in Švedska. Na drugi strani se med države, ki so namenile med 3000 EUR in 4000 EUR per capita, štejejo Belgija, Nemčija, Francija in Avstrija. Najmanj pa sta za politiko na trgu dela na osebo, ki si želi zaposlitev, namenili Romunija (67,36 EUR) in Bolgarija (126,87 EUR). Slika 44: Izdatki za politiko na trgu dela v EUR (stalne cene iz leta 2010) per capita glede na tip posega na trgu dela za države članice EU v letu 2012 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 8 BE L BG CZ DK DE EE IE ES FR HR IT CY LV LT LU HU MT N AT PL PT RO SI SK FI SE EU2 storitve ukrepi podpore Vir: Eurostat, 2018. 61 Glede na tip posega na trgu dela (slika 44) pa so države članice EU največ izdatkov za ukrepe na trgu dela per capita v letu 2012 namenile podporam, vendar tudi tukaj obstajajo razlike med državami članicami EU, kjer se ti izdatki gibljejo nad 3000 EUR na osebo, ki si želi zaposlitev. V to skupino držav članic EU spadajo Danska (kjer so tudi izdatki za ukrepe na trga dela per capita precej visoki), Irska in Nizozemska. V skupini držav članic EU, kjer se izdatki za podpore na trgu dela gibljejo med 2000 EUR in 3000 EUR per capita, pa so Belgija, Španija, Francija, Luksemburg, Avstrija in Finska. Omenjene države absolutno gledano imajo manj izdatkov za ukrepe na trgu dela per capita. Švedska je v letu 2012 več izdatkov per capita namenila za ukrepe in manj za podpore na trgu dela, kar pa tudi sovpada z znano usmeritvijo skandinavskih držav v aktivacijo brezposelnih oseb. Zanemarljivo majhni zneski izdatkov za posege na trgu dela glede na tip posega per capita so razvidni za Romunijo in Bolgarijo. Bolj vidni izdatki za storitve per capita se kažejo v državah članicah EU, ki so tudi več namenile za ukrepe in podpore na trgu dela per capita. Slika 45: Udeleženci v ukrepih na trgu dela (kategorije 2-7), % spremembe 600,0 500,0 400,0 300,0 200,0 100,0 0,0 -100,0 -200,0 % sprememba 2008-2010 % sprememba, 2008-2012 Vir: Eurostat, 2018. Slika 45 in slika 46 prikazujeta odstotno spremembo števila udeležencev v ukrepih in podporah na trgu dela, in sicer je razvidno, da je v obdobju po krizi (2008-2010) število udeležencev bistveno naraslo v podporah na trgu dela, pri čemer je ta porast najbolj viden v Španiji, na Madžarskem, v Romuniji in v Sloveniji. Pri zadnjih treh je zanimivo to, da beležijo precej nizke izdatke za ukrepe na trgu dela per capita. Porast udeležencev je viden tudi v ukrepih na trgu dela, in za države, ki so se sicer soočile z visokimi stopnjami brezposelnosti. 62 Slika 46: Udeleženci v podporah na trgu dela (kategorije 8-9), % spremembe 250,0 200,0 150,0 100,0 50,0 0,0 8 BE L BG CZ DK DE EE IE ES FR IT CY LV LT LU HU MT N AT PL PT RO SI SK FI SE EU2 -50,0 % sprememba 2008-2010 % sprememba 2008-2012 Vir: Eurostat, 2018. Gledano po posameznih ukrepih trga dela (kategorije 2-7) glede na vse udeležence v ukrepih (slika 47) lahko razberemo na eni strani skupino držav članic EU, kjer je delež udeležencev najvišji v ukrepu izobraževanje in usposabljanje (nad 50 %). To so Nemčija, Grčija, Irska, Italija, Malta, Avstrija in Finska. Na drugi strani pa je skupina držav, kjer je delež udeležencev najvišji v ukrepu spodbude za zaposlovanje (nad 50 %). To so Španija, Ciper, Latvija, Luksemburg, Madžarska, Romunija in Švedska. Slika 47: Delež udeležencev v ukrepih trga dela (kategorije 2-7) med vsemi udeleženci v ukrepih trga dela (vsota kategorij 2-7) v državah članicah EU v letu 2012 100,0 90,0 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE EU izobraževanje in usposabljanje spodbude za zaposlovanje podporna zaposlitev in rehabilitacija neposredno ustvarjanje delovnih mest začetne spodbude Vir: Eurostat, 2018. 63 Med vsemi udeleženci v podporah na trgu dela (kategorije 8-9) (slika 48) je razvidno, da v večini držav članic EU podpora in vzdrževanje dohodka v primeru izgube delovnega mesta (zlasti nadomestila za brezposelnost) predstavlja kategorijo, v katero je vključenih največ brezposelnih oseb. Slika 48: Delež udeležencev v podporah na trgu dela (kategorije 8-9) med vsemi udeleženci v podporah na trgu dela (vsota kategorij 8-9) v državah članicah EU v letu 2012 100,0 90,0 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 28 BE BG CZ DK DE EE IE ES FR HR IT CY LV LT LU HU MT NL AT PL PT RO SI SK FI SE EU podpora in vzdrževanje dohodka v primeru izgube delovnega mesta predčasna upokojitev Vir: Eurostat, 2018. Preučevanje odnosov med stopnjo brezposelnosti in izdatki za politiko na trgu dela nam pokaže, ali sredstva, namenjena politiki na trgu dela, dosegajo svoj namen, torej vplivajo na zmanjšanje brezposelnosti in povečanje zaposlenosti. Slika 49 prikazuje relacije med stopnjo brezposelnosti in izdatki za ukrepe (aktivna politika zaposlovanja) in podpore (pasivna politika zaposlovanja) na trgu dela za EU-28 v obdobju 2008-2012. Gibanje stopnje brezposelnosti in omenjenih izdatkov politike trga dela v preučevanem obdobju bi lahko nakazovalo na to, da izdatki za politiko na trgu dela ne vplivajo na zmanjševanje stopnje brezposelnosti, kar bi lahko sklepali tudi za Slovenijo (slika 50). Seveda bi bila potrebna podrobnejša analiza, saj imajo nekatere države članice EU nizko stopnjo brezposelnosti in nizke izdatke za politiko trga dela, nekatere imajo visoke izdatke za politiko trga dela in visoke stopnje brezposelnosti, nekatere pa imajo visoke izdatke za politiko trga dela in nizko stopnjo brezposelnosti. Raziskave na področju ocenjevanja učinkovitosti politike zaposlovanja so številne, rezultati pa niso enoznačni (glej na primer Behrenz, Delander in Månsson, 2016; Crépon in van den Berg, 2016; Eichhorst in Konle-Seidl, 2016; Kluve, 2010; Kluve 2016). 64 Slika 49: Stopnja brezposelnosti v EU-28 in izdatki za politiko na trgu dela za ukrepe (kategorija 2-7) in podpore (kategorija 8-9) v EU-28, v % BDP, v letih 2008–2012 12,0 10,0 8,0 6,0 4,0 2,0 0,0 2008 2009 2010 2011 2012 stopnja brezposelnosti EU-28 podpore EU-28 ukrepi EU-28 Vir: Eurostat, 2018. Slika 50: Stopnja brezposelnosti v Sloveniji in izdatki za politiko trga dela za ukrepe (kategorija 2-7) in podpore (kategorija 8-9), v % BDP, Slovenija, v letih 2008–2012 10,0 9,0 8,0 7,0 6,0 5,0 4,0 3,0 2,0 1,0 0,0 2008 2009 2010 2011 2012 stopnja brezposelnosti ukrepi podpore Vir: Eurostat, 2018. Ker so izdatki za politiko na trgu dela namenjeni predvsem zmanjševanju brezposelnosti in povečanju zaposlenosti, nas zanima, ali so denarna sredstva, namenjena politiki na trgu dela, smotrno porabljena in ali so dosegla svoj namen. Seveda umestno tudi vprašanje, kako se ocenjuje učinkovitost tovrstne politike, pri čemer bi se evalvacije bolj osredotočile na sodobnejše pristope, ki temeljijo na ekonometričnih izhodiščih. Slednja so predstavljena v naslednjem poglavju. 65 4 IZHODIŠČA ZA OCENJEVANJE VZROČNIH UČINKOV 4.1 Formalni okvir in temeljni problem vzročnega sklepanja Vzemimo, da imamo populacijo posameznikov in da za vsakega posameznika opazujemo spremenljivko D ter spremenljivko Y. Vzemimo naslednje oznake: i...označuje posameznika iz populacije Di…označuje obravnavo; potencialni vzrok, za katerega želimo oceniti učinek: • Di = 1, če je posameznik deležen obravnave in • Di = 0, če posameznik ni deležen obravnave Yi( Di) je izid, učinek, ki ga želimo pripisati obravnavi; zapis nakazuje na to, da je izid lahko odvisen od Di: • Yi(1) označuje izid v primeru obravnave • Yi(0) označuje izid v primeru neobravnave. Izid za vsakega posameznika lahko zapišemo kot: Y D = D Y + − D Y i ( i ) i i ) 1 ( 1 ( i ) i ( ) 0 (1) Glavna ovira za modeliranje vzročnosti izvira iz osnovnega problema vzročnega sklepanja, ki pravi, da za posameznika i ne moremo hkrati opazovati vrednosti Di = 1 in Di = 0 ter v skladu s tem vrednosti Yi(1) in Yi(0), torej je za posameznika i nemogoče opazovati učinek D na Y (Holland, 1986, str. 949). Velja namreč, da za vsakega posameznika i dogodek Di = 1 namesto Di = 0 povzroča učinek ∆ = Y − Y i i ) 1 ( i ( ). 0 Naj bo D hipotetični vzrok in Y izid. Z uporabo vrednosti D lahko spreminjamo vrednosti Y. Vzemimo, da se vrednost D spremeni iz D 0 v D 1. Potem se kazalec vzročnega vpliva spremembe na Y oblikuje na osnovi primerjanja dveh vrednosti, in sicer Y : Y 1, ki izhaja iz spremembe, ter Y : Y 0, ki bi nastala, če v D ne bi bilo nobene spremembe. Če bi se vrednost D spremenila, vrednosti Y brez spremembe ne bi opazovali. O vzročnem učinku ne moremo reči ničesar, če ne obstaja hipoteza o tem, kakšna vrednost Y je predpostavljena brez spremembe D. Slednje se nanaša na oblikovanje protidejstvenika, ki pomeni hipotetično neopazovano vrednost. V osnovi lahko rečemo, da vsako vzročno sklepanje vključuje primerjavo dejanskega izida z izidom vrednosti protidejstvenika. Temeljni problem vzročnega sklepanja lahko izrazimo tudi v tem smislu, da o vzročnem učinku ne moremo ničesar reči, če nimamo podatkov o protidejstvenem stanju. Na primeru programov zaposlovanja to pomeni, da je posameznik lahko vključen v program zaposlovanja ali pa ne. Če želimo oceniti učinek vključenosti v program zaposlovanja, je potrebno analizirati dva možna izida: (1) izid, ko je bil posameznik vključen v program zaposlovanja ter (2) izid, ki bi se bil pojavil, če posameznik ne bi bil vključen v program zaposlovanja (protidejstvenik) (Južnik Rotar, 2011; Južnik Rotar, 2012). Vzročni parametri, ki temeljijo na oblikovanih protidejstvenikih, omogočajo statistično pomembne in smiselne definicije vzročnosti. Prednosti tega pristopa se kažejo v tem, da pri idealnih vzorcih vodi v poenostavitev ekonometričnih metod. Ne osredotoča se na vse vzročne parametre, pač pa samo na tiste, za katere se predpostavlja, da so za ekonomsko politiko ustrezni. Nenazadnje omogoča tak pristop dodaten vpogled v lastnosti vzročnih parametrov. Sorazmerno novejša veja v mikroekonometrični 66 literaturi – gre za ocenjevanje programov – zagotavlja statistični okvir za ocenjevanje vzročnih parametrov. Ta statistični okvir je v literaturi znan kot Rubinov vzročni model (Rubin, 1974, str. 691; Rubin, 1979, str. 322). Tovrstni modeli so se v ekonometriji razvijali neodvisno, vsi pa so nekako izhajali iz temeljev, ki jih je postavil Roy (1951, str. 136). 4.1.1 Rubinov vzročni model Izraz obravnava se uporablja izmenično z izrazom vzrok. V medicini se izvajajo raziskave, ki na eni strani ocenjujejo vplive zdravil na skupine ljudi, ki so bili deležni zdravljenja, na drugi strani pa vplive placeba na skupine ljudi, ki zdravljenja niso bili deležni. Kazalec vzročnega vpliva je povprečna razlika v izidih tistih, ki so bili deležni zdravljenja, in tistih, ki ga niso bili deležni. V ekonomiji se izraz »obravnava« uporablja široko. V osnovi zajema tiste spremenljivke, katerih vpliv na določene izide je predmet raziskave. Primeri takšnih obravnav/izidov dvojic so izobraževanje in plače, velikost razreda in učni uspeh, izobraževanje in dohodki. Obravnava ni nujno eksogena spremenljivka, v mnogih primerih je pravzaprav endogena. V modelu morebitnih izidov, ki predpostavlja, da je vsak element ciljnega prebivalstva izpostavljen obravnavi, trojica ( Y Y D i ), 1 ( i (0), i ) , i = ,... 1 , N , tvori osnovo za ocenjevanje obravnave. Kategorična spremenljivka D zavzame vrednost 1 ali 0, če obravnava obstaja in če ne; Yi(1) meri odziv za posameznika i, ki prejme obravnavo, in Yi(0) meri tak odziv, če obravnave ni.  Y če D i ) 1 ( = i ,1  Y = i    Y če D i ( ) 0 = i 0 (2) Ker sta prejem in neprejem obravnave medsebojno izključujoči stanji za posameznika i, je za vsak dani i na voljo le eden od obeh ukrepov, ukrep, ki ni na voljo, pa je protidejstvenik. Učinek vzroka D na izid [ Y − Y i ) 1 ( i ( ) 0 ] posameznika i se meri z . Povprečni vzročni učinek Di = 1 sorazmerno glede na Di = 0 se meri s povprečnim učinkom obravnave (ATE - average treatment effect): ATE = E[ Y − E Y i ) 1 ( ] [ i( )0 ] (3) Eksperimentalni pristop pri ocenjevanju parametrov tipa ATE vključuje naključno dodelitev obravnave, ki jo spremlja primerjava izidov z neobravnavanimi primeri, ki služijo kot kontrolna skupina. Naključna dodelitev pomeni, da so posamezniki naključno izbrani v skupino, ki je deležna obravnave in torej obravnavana dodelitev ni odvisna od izida in je nekorelirana z atributi obravnavanih subjektov. Prednost tega pristopa se kaže v tem, da lahko obravnavano spremenljivko obravnavamo kot eksogeno, za njene koeficiente v linearni regresiji pa pristranskost izpuščenih spremenljivk ne bo veljala (Rubin, 1973, str. 192; Rubin, 1977, str. 8; Rubin, 1979, str. 322; Rubin in Thomas, 1992, str. 803). 67 4.1.2 Statistična rešitev problema vzročnosti Glede na to, da vzročnega učinka za posameznika i ne moremo izračunati, statistična rešitev problema vzročnosti omogoča uporabo metod za izračun povprečnega vzročnega učinka za celotno populacijo ali pa samo za posamezne podskupine populacije. Vzemimo, da naključno izberemo posameznika iz populacije in ga izpostavimo obravnavi. Pričakovani povprečni učinek obravnave za tega posameznika lahko formalno zapišemo kot: E{∆ = E Y − Y i } { i )1 ( i ( }) 0 = E{ Y − E Y i }) 1 ( { i( }) 0 (4) Povprečni učinek obravnave ponazarja povprečni učinek obravnave za naključno izbranega posameznika iz populacije. Ta parameter naj z vidika ekonomske politike ne bi bil posebej relevanten, saj s tem ko povpreči rezultat za celotno populacijo, v to povprečje vključi tudi tiste posameznike (oziroma enote populacije), ki ne bi bili nikoli upravičeni do obravnave. Heckman (1998, str. 502) to ponazori na primeru programa izobraževanja, v katerega ne bi želeli vključiti milijonarja. Tovrstna kritika pa je na nek način zavajujoča, saj lahko iz populacije vedno izključimo tiste posameznike, ki ne bi bili nikoli upravičeni do programa izobraževanja. Na primeru programa izobraževanja bi to lahko pomenilo, da dostopnost tega programa omejimo samo na tiste posameznike, katerih dohodek pred programom izobraževanja je bil pod določeno mejo. Na ta način bi izločili premožne posameznike, saj nimamo interesa, da bi za njih ocenjevali učinke programa izobraževanja (Wooldridge, 2002, str. 619). Ne glede na omenjene kritike tega parametra, pa z njegovo pomočjo prav tako ne moremo oceniti vzročnega učinka, saj izida ne moremo opazovati v obeh protidejstvenih stanjih hkrati. Povprečni učinek je z vidika ekonomske politike bolj relevanten, saj obravnava samo tiste posameznike, ki so bili dejansko deležni obravnave. Povprečni učinek je sedaj enak razliki med povprečnim izidom v primeru obravnave (to tudi opazujemo) in povprečnim izidom v protidejstvenem stanju, ko ni obravnave (tega ne moremo opazovati). Formalno lahko to zapišemo kot: E{∆ D = E Y Y D i i }1= { i )1 ( − i ( ) 0 = i }1 = E{ Y D E Y D i ) 1 ( = i }1− { i( )0 = i }1 (5) Zaradi že znanega problema vzročnosti tudi v tem primeru ne moremo oceniti omenjenega parametra. Povprečni učinek obravnave in povprečni učinek obravnave za obravnavane osebe sta sicer v določenih posebnih primerih enaka (nekaj več o tem v naslednjem poglavju), v splošnem pa se razlikujeta, in če ju ocenjujemo na podlagi opazovanih podatkov, nam to predstavlja problem pri oceni vzročnega učinka. Naključni eksperiment bi lahko bil rešitev tega problema, vendar je običajno neizvedljiv (Barnow, Cain in Goldberger, 1980, str. 246; Bassi, 1984, str. 39; Burtless, 1995, str. 66; Cain, 1975, str. 83). Enega od načinov, kako lahko ocenimo povprečni učinek obravnave, je naključni eksperiment. Vzemimo, da lahko oblikujemo dva naključna vzorca C in T, kjer se oznaka C nanaša na kontrolno 68 skupino, torej tisto, ki obravnave ni deležna, medtem ko oznaka T označuje eksperimentalno skupino, torej tisto, ki je deležna obravnave. Ker sta ta dva vzorca statistično identična, lahko zapišemo naslednje: E{ Y i∈ C = E Y i T ∈ = E Y i (0) } { i(0) } { i(0 }) (6) E{ Y i∈ C = E Y i T ∈ = E Y i ) 1 ( } { i )1 ( } { i }) 1 ( (7) Naključna obravnava najprej določi, kateri od izidov Yi(1) ali Yi(0) je opazovan (prva enakost v zgornjih dveh enačbah), nato pa, ko je to izpolnjeno, velja, da je obravnava neodvisna od Yi(1) in Yi(0) (druga enakost v zgornjih dveh enačbah). Po preureditvi zgornjih dveh enačb dobimo pričakovani povprečni učinek obravnave: E{∆ = ) 1 ( − (0) i } E{ Yi } E{ Yi } = E{ Y ) 1 ( ∈ − ( ) 0 ∈ i i T} E{ Yi i C} (8) Na ta način rešimo temeljni problem vzročnega sklepanja, saj uporabimo vzorec C (kontrolna skupina) kot podobo tega, kaj bi se zgodilo v vzorcu T (eksperimentalna skupina) v protidejstvenem stanju, ko ne bi bilo obravnave in obratno. Z naključnim eksperimentom lahko torej rešimo problem vzročnega sklepanja, vendar je običajno tak eksperiment neizvedljiv bodisi zaradi tehnične implementacije bodisi iz etičnih razlogov. Če obstaja slaba percepcija o programu zaposlovanja, potem je nesprejemljivo, da se posamezniki naključno znajdejo v eksperimentalni skupini T, kakor je na drugi strani nedopustno, da bi se v primeru koristi programa zaposlovanja posamezniki naključno znašli v kontrolni skupini C. 4.2 Problem pristranskosti izbire Problem pristranskosti izbire se lahko pojavi, ko vzorec, ki ga želimo uporabiti za statistično analizo, ni naključno izbran iz populacije. Statistične cenilke in opravljeni testi lahko v tem primeru pripeljejo do napačnih sklepov. V splošnem lahko rečemo, da se problem pristranskosti izbire pojavi, če je verjetnost, da bo določeno opazovanje, vključeno v vzorec, odvisno od izbire same. Razlogi, zakaj se to lahko pojavi, so: • vzorčni okvir: če na primer želimo vprašati ljudi, kako pogosto obiščejo določeno restavracijo, bodo tisti, ki obiščejo to restavracijo vsak dan, z večjo verjetnostjo vključeni v vzorec, kot pa tisti, ki obiščejo to restavracijo enkrat na mesec, • nesodelovanje: na primer ljudje, ki ne želijo razkriti podatkov o svojih zaslužkih, so najverjetneje tisti z relativno visokimi oziroma z relativno nizkimi zaslužki, • samoizbira ekonomskih subjektov: ekonomski subjekti sami izberejo določeno stanje (na primer, da so zaposleni, da so člani sindikata, da se vključijo v program zaposlovanja) na nenaključen način in na osnovi nekih ekonomskih argumentov. V določenem stanju bodo zelo verjetno tisti, ki imajo od tega stanja največjo korist. Omenili smo že, da so naključni eksperimenti težko izvedljivi. Eno od alternativ tem eksperimentom predstavlja uporaba opazovanih (anketnih) podatkov, kjer posamezniki sami izberejo obravnavo (gre torej za primer samoizbire). Vzemimo, da želimo preučiti učinek izobraževalnega programa za otroke 69 pri starosti pet let na število doseženih točk na kognitivnem preizkusu otrok pri starosti deset let. Predpostavimo, da ima omenjeni program pozitivni učinek na število doseženih točk na kognitivnem preizkusu in da udeležba otroka v tem izobraževalnem programu zahteva plačilo zelo visoke šolnine. V tem primeru se bo eksperimentalna skupina T bistveno razlikovala od kontrolne skupine C, saj bi lahko otroci v skupini T imeli nižje (osnovne) kognitivne sposobnosti pri starosti pet let in premožnejše starše. Vzemimo, da x označuje opazovane spremenljivke (na primer kognitivna sposobnost otroka pri starosti pet let in dohodek staršev), ε pa označuje neopazovane spremenljivke, ki so pomembne v odnosu do Y (na primer otrokovi geni in način življenja). Da bi primerjali število doseženih točk otroka pri starosti deset let, predpostavimo, da zanemarimo razlike v x in ε med tema dvema skupinama C in T. Ker so v eksperimentalni skupini T zelo verjetno otroci s slabšimi osnovnimi kognitivnimi sposobnostmi, se lahko zgodi, da bo število doseženih točk za otroke v skupini T manjše kot število doseženih točk za otroke v kontrolni skupini C. Program je lahko učinkoval, vendar ne dovolj. Tako bi lahko napačno sklepali o učinku programa izobraževanja v tem smislu, da nima učinka, ali pa celo, da je ta negativen. Očitno je, da je takšna primerjava napačna, saj smo med seboj primerjali neprimerljive otroke tako v smislu opazovanih spremenljivk x kot v smislu neopazovanih spremenljivk ε. Razlike v opazovanih in neopazovanih spremenljivkah povzročajo problem pristranskosti, pri čemer odpravljanje teh razlik pomeni ključno nalogo pri opazovanih podatkih. 4.3 Mikropodatki 4.3.1 Opazovani podatki Glavni viri opazovanih (anketnih) podatkov so ankete gospodinjstev, ankete podjetij in vladni administrativni podatki. Izraz opazovani podatki se pogosto nanaša na anketne podatke, ki so zbrani na podlagi vzorčenja ustreznega prebivalstva in ne vključujejo kontrole lastnosti vzorčnih podatkov. Naj t označuje čas, w pa niz opazovanih spremenljivk. V tem kontekstu lahko t označuje časovni trenutek ali časovni interval. F(w θ F(w θ t t ) t t ) Naj St označuje vzorec iz verjetnostne porazdelitve prebivalstva : St je vzet iz , kjer je parameter θ vektor. Na populacijo lahko gledamo kot na množico točk z določenimi lastnostmi. Zaradi enostavnosti predpostavljamo, da je oblika verjetnostne porazdelitve F znana. Preprosto naključno vzorčenje omogoča, da ima vsak element prebivalstva enako verjetnost, da je vključen v vzorec. Vzemimo preprosto naključno vzorčenje, kjer je verjetnost vzorčenja enote i iz prebivalstva velikosti N, [ y:x] enaka 1/N za vsak i. Razdelimo w kot . Vzemimo, da nas zanima modeliranje spremenljivke y, ki lahko zavzame vektorsko vrednost, ob pogojevanju na eksogeni kovariatni vektor x, katerega skupna porazdelitev je označena s f J ( y, x) . Slednja se lahko vedno razstavi na zmnožek pogojne porazdelitve fC ( y x, θ) in mejne porazdelitve fM (x)(Cameron in Trivedi, 2005, str. 41): f y = f y f J ( , x) C ( x, θ) M (x) (9) 70 Ena od alternativ je tudi večstopenjsko vzorčenje, ki se pogosto označuje kot kompleksna anketna metoda. Slednja ima svoje prednosti. Ena od njih je, da je stroškovno učinkovitejša, saj zmanjšuje geografsko razpršenost. Poleg tega omogoča intenzivnejše vzorčenje določenih delov populacij. Obsežno vzorčenje majhnih podpopulacij, ki odkriva določene ustrezne lastnosti, postane na primer izvedljivo, medtem ko bi naključni vzorec prebivalstva povzročil nezanesljive rezultate, saj bi bilo število opazovanega premajhno. Slabost stratificiranega vzorčenja pa je ta, da zmanjšuje spremembe med posamezniki, kar je pomembno za večjo natančnost (Cameron in Trivedi, 2005, str. 41). V literaturi se največkrat omenja večstopenjsko vzorčenje, ki zaporedoma razdeli populacijo na naslednje kategorije: 1. stratumi, 2. primarne vzorčne enote, 3. sekundarne vzorčne enote, 4. končna vzorčna enota: gre za končno enoto, ki je izbrana za intervju (to je lahko gospodinjstvo ali več gospodinjstev). Stratumi so lahko različne države ali province v državi; primarne vzorčne enote so lahko regije znotraj držav ali provinc; končna vzorčna enota pa je na primer lahko majhen vzorec gospodinjstev v isti soseski. Običajno so vsi stratumi anketirani, kar na primer pomeni, da bi bile vse države z gotovostjo vključene v vzorec. Vendar vse primarne vzorčne enote in njihove poddivizije niso anketirane in se lahko vzorčijo po različnih stopnjah. Pri dvostopenjskem vzorčenju se primarne vzorčne enote vzorčijo naključno, pri čemer se končna vzorčna enota izbere naključno iz izbrane primarne vzorčne enote. Pri večstopenjskem vzorčenju nastanejo tudi vmesne vzorčne enote, kot je na primer sekundarna vzorčna enota. Posledica različnih metod vzorčenja je, da bodo različna gospodinjstva imela različno verjetnost, da bodo izbrana v vzorec. Tak vzorec je potem nereprezentativen. Veliko anket tako vključuje vzorčne vrednosti ponderjev, ki so obratnosorazmerne z verjetnostjo izbire v vzorec. V teh primerih so lahko vrednosti ponderjev sredstvo za dosego nepristranskih cenilk. Anketne podatke lahko zberemo v skupine na primer tako, da vzorčimo večje število gospodinjstev na območju manjše soseske. Opazovanosti v isti skupini bodo zelo verjetno odvisne oziroma korelirane, saj so lahko odvisne od določenih opazovanih ali neopazovanih dejavnikov, ki vplivajo na vse opazovanosti v stratumih. V soseski lahko na primer prevladujejo gospodinjstva z visokimi dohodki ali sorazmerno homogena gospodinjstva v smislu njihovih preferenc. Podatki o teh gospodinjstvih bodo verjetno korelirani, čeprav je mogoče, da po pogojevanju za opazovane spremenljivke gospodinjstev takšna korelacija ni več pomembna. Statistično sklepanje, ki zanemari korelacijo med opazovanimi spremenljivkami, povzroči napačne ocene variance, ki so manjše, kot bi bile v primeru pravilne formule. Na podlagi zapisanega lahko povzamemo naslednje: (1) vzorec je nereprezentativen, če stratifikacija temelji na različnih vzorčnih stopnjah znotraj stratuma; (2) vzorčne vrednosti ponderjev, ki so obratnosorazmerne verjetnosti izbire v vzorec, so lahko sredstvo za dosego nepristranskih cenilk ter (3) zbiranje podatkov v skupine lahko vodi v korelacijo opazovanih spremenljivk in v napačno oceno vrednosti standardnih napak, razen če sprejmemo ustrezne prilagoditve (glej na primer Cameron in Trivedi, 2005, str. 42; Verbeek, 2004, str. 237; Wooldridge, 2002, str. 604). 71 Če vzamemo naključni vzorec, je verjetnostna porazdelitev podatkov enaka kot pri populacijski porazdelitvi. Divergenco med tema dvema porazdelitvama povzročajo določeni odkloni od naključnega vzorca. Slednje pa označujemo kot pristransko vzorčenje. Porazdelitev podatkov se razlikuje od populacijske porazdelitve v tem smislu, da je odvisna od narave odklona od naključnega vzorčenja. Ta odklon nastane, ker je včasih preprosteje ali stroškovno učinkoviteje pridobiti podatke na podlagi podpopulacije, pa čeprav to pomeni, da tak vzorec ni reprezentativen za celotno populacijo. V nadaljevanju navajamo nekatere primere pristranskih vzorcev, kot jih navajata Cameron in Trivedi (2005, str. 42-43). Eksogeno vzorčenje nastane, kadar analitik segmentira razpoložljive vzorce v podvzorce samo na osnovi eksogenih spremenljivk x, ne pa tudi na osnovi opazovanih spremenljivk. Možna je na primer razdelitev bolnikov v dve skupini, in sicer so lahko ena skupina bolniki s kroničnimi boleznimi, druga skupina bolnikov pa tisti, ki teh bolezni nimajo. Pogosta je tudi klasifikacija na dohodkovne razrede, prav tako pa tudi segmentacija obstoječega vzorca glede na spol, zdravstveno stanje, socialno-ekonomski status. V skladu s predpostavkami eksogenega vzorčenja je verjetnostna porazdelitev eksogenih spremenljivk neodvisna od y in ne vsebuje nobenih informacij o populacijskih parametrih θ. Tako lahko posameznik zanemari mejno porazdelitev eksogenih spremenljivk in tvori oceno na podlagi pogojne porazdelitve f ( y , x θ) . Predpostavka je seveda lahko napačna, saj je lahko porazdelitev opazovane spremenljivke y odvisna tudi od eksogene spremenljivke. Slednja pa je lahko korelirana z izidom in tako povzroča odklon od eksogenega vzorčenja. Vzorčenje, ki temelji na odzivu, nastane, če je verjetnost, da bo posameznik vključen v vzorec, odvisna od odziva oziroma od izbire, ki jo naredi tak posameznik. Nižji stroški anketiranja so običajno razlog, da se pogosteje odloča za vzorce, ki temeljijo na izbiri in ne za preproste naključne vzorce. Da bi zbrali dovolj informacij o sorazmerno nepogosti izbiri, bi bil namreč potreben zelo velik naključni vzorec, zato je ceneje izbrati vzorec na podlagi tistih, ki so izbiro dejansko naredili. Z uporabo pogojne populacijske f ( y x) gostote tako dosledna ocena populacijskih parametrov θ ni več možna. Vzorčenje, ki je pristransko v trajanju, opisuje pristranskost pri vzorčenju ene populacije, na podlagi katere bi sklepali o neki drugi populaciji. Pri tem pa ne gre toliko za odklon od naključnega vzorčenja, kot za to, da prihaja do vzorčenja »napačne« populacije. Kot primer lahko navedemo ekonometrične modele prehoda, ki modelirajo čas, ki ga posameznik i preživi v začetnem stanju j, še preden pride do prehoda v drugo stanje s. Pri tem se lahko j nanaša na brezposelnost, s pa na zaposlenost. Podatki, ki se uporabljajo pri teh raziskavah, lahko pridejo iz različnih virov. Eden od možnih virov je vzorčenje posameznikov, ki so na določen dan brezposelni; drugi možni vir je vzorčenje tistih, ki so vključeni v delovno silo, ne glede na njihovo trenutno stanje, tretji možni vir pa je vzorčenje posameznikov, ki v določenem časovnem obdobju bodisi postanejo brezposelni, bodisi prenehajo biti brezposelni. Vzemimo, da je namen ankete izračunati povprečno trajanje brezposelnosti. To je povprečna dolžina časa, ki ga naključno izbrani posameznik preživi kot brezposelna oseba, če je seveda postal brezposeln. Končna rešitev pa se lahko razlikuje glede na to, kako so bili vzorčni podatki pridobljeni. Glavno razlikovanje je v tokovih in stanjih. Kadar se vzorec nanaša na stanje, je verjetnost, da bo v vzorcu, večja za posameznika z daljšim trajanjem brezposelnosti. Kadar pa se vzorec nanaša na tok in ne na stanje, pa 72 verjetnost ni več odvisna od dolžine trajanja brezposelnosti. Gre za znani primer vzorčenja, ki je pristranski v trajanju, saj je ocena na osnovi vzorčenja stanj pristranska ocena povprečnega trajanja brezposelnosti naključnega vstopa v brezposelnost. To pa ne pomeni, da je vzorčenje na osnovi tokov boljše kot na osnovi stanj, pač pa da vzorčenje na osnovi stanj ne pripelje vedno do naključnega vzorca ustrezne populacije. Vzemimo naslednji primer. Raziskovalec poskuša ugotoviti, kakšen je vpliv udeležbe v programu zaposlovanja z na plače po programu y ob danih lastnostih delavca, ki jih označimo z x. Spremenljivka z zavzame vrednost 1, če je bil delavec deležen programa zaposlovanja, drugače pa 0. Opazovane lastnosti so za vse delavce na voljo na intervalu ( x, D), na intervalu y pa samo za tiste, ki so bili deležni programa zaposlovanja ( D = 1). Za naključno izbranega delavca z znanimi lastnostmi, ki trenutno ni deležen programa zaposlovanja ( D = 0), bi radi sprejeli sklep o povprečnem vplivu programa zaposlovanja na plače po programu. Problem izbire vzorca se ukvarja s težavnostjo sprejemanja takšnih sklepov. Vzemimo, da je y pričakovani rezultat, x pa so pogojne spremenljivke. Spremenljivka z je ocenjevalni kazalec, ki zavzame vrednost 1, če je rezultat y opazovan, drugače pa 0. Slednje označimo kot proces vzorčnega ocenjevanja, saj so spremenljivke ( D, x) vedno opazovane, medtem ko je spremenljivka y Pr[ y x] opazovana samo, kadar je D = 1. Omenjeni proces ne določi , kot je razvidno iz: Pr[ y x]= Pr[ y x, D = ] 1 Pr[ D =1 x]+ Pr[ y x, D =0]Pr[ D =0 x] (10) Vzorčni proces lahko določi tri izraze od štirih na desni strani enačbe, vendar ne daje nobenih informacij Pr[ y x, D =0] o izrazu (Verbeek, 2004, str. 238). Ankete so navadno prostovoljne, pripravljenost sodelovati v njih pa je odvisna od različnih dejavnikov, kot so na primer lastnosti gospodinjstva, tip zastavljenih vprašanj ipd. Posameznik lahko odkloni odgovarjanje na določena vprašanja. Če obstaja sistematičen odnos med odklonitvijo odgovarjanja na zastavljeno vprašanje in lastnostmi posameznika zaradi dopustitve možnosti, da posameznik ne odgovarja na vprašanje, nastane problem reprezentativnosti ankete. Če zanemarimo neodzivnost in upoštevamo samo podatke respondentov, obstaja vprašanje, kako bo to potem vplivalo na ocene parametrov. Anketna neodzivnost je poseben primer problema izbire; vključuje pristranske vzorce. Da bi ponazorili, kako to vodi do napačnega sklepanja, vzemimo naslednji model: 2  y  x′β  σ σ  1  x, z ≈  N (  , 1 12   ) 2 y z′  γ 2    σ12 σ 2  (11) kjer je y1 naključna spremenljivka, ki nas zanima (na primer izdatki) in je odvisna od x, medtem ko je y2 latentna spremenljivka, ki meri »nagnjenost k sodelovanju« in je odvisna od z. Posameznik bo 73 sodeloval v anketi, če je y 〉 2 0 , drugače pa ne. Predpostavljamo, da sta spremenljivki x in z eksogeni. Formulacija dopušča, da sta y1 in y2 korelirani. Vzemimo, da želimo oceniti β z metodo najmanjših kvadratov in s pomočjo podatkov, ki so jih posredovali udeleženci ankete. Ali je ta cenilka nepristranska v prisotnosti nesodelovanja? Odgovor je naslednji: če je nesodelovanje naključno in neodvisno od y1, torej spremenljivke, ki nas zanima, se pristranskost ne pojavi, v nasprotnem primeru pa se. In argument je: ∧ β =[X′X] 1− X′ y 1 E[ ˆ − β ]= β E [[X′X] 1− X′ E[ y −Xβ X Z y 〉 1 , , 2 0] (12) kjer je v prvi vrstici ocena β s pomočjo metode najmanjših kvadratov, v drugi vrstici pa je izražena pristranskost te ocene. Če sta spremenljivki y1 in y2 neodvisni ob pogojevanju na X in Z in je σ12 = 0, velja E[ y − Xβ X Z y 〉 = E y − Xβ X Z = 1 , , 2 0] [ 1 , ] 0 (13) in tukaj ni nobene pristranskosti (glej na primer Angrist in Krueger, 1999, str. 142). Ni nujno, da bodo respondenti v primeru obsežnih vprašalnikov odgovorili prav na vsa zastavljena vprašanja in četudi bi odgovorili na vsa vprašanja, bi bili lahko odgovori namerno lažni ali zavajajoči. Vzemimo, da na osnovi ankete pridobimo vektor odzivov x = x x i ( 1 i,..., iK ) od N posameznikov, i = 1,…, N. Če posameznik ne odgovori na enega ali več elementov x i, je celotni vektor zavržen. Prvi problem, ki izhaja iz manjkajočih podatkov, je ta, da se velikost vzorca zmanjša. Drugi morebitni in veliko resnejši problem pa je, da lahko manjkajoči podatki vodijo do pristranskosti, ki je podobna pristranskosti izbire. Če podatki manjkajo na sistematičen način, vzorec, ki ostane za analizo, ni nujno reprezentativen. Oblika pristranskosti izbire se lahko na primer pojavi, če respondenti z visokimi dohodki sistematično ne odgovorijo na vprašanja v zvezi z dohodki. Obratno velja, da če podatki v celoti manjkajo zaradi naključja, bo izločitev nepopolnih opazovanosti zmanjšala natančnost, vendar pa ne bo povzročila pristranskosti. Napake v merjenju podatkov se lahko na drugi strani pojavijo iz različnih vzrokov, med drugim zaradi napačnega odgovarjanja, ki je posledica nenatančnosti, zavajanja s podatki, napačnega tolmačenja vprašanj in napak pri obdelavi podatkov (glej na primer Angrist in Krueger, 1999, str. 157). V primeru panelnih podatkov vključuje anketa ponovljene opazovanosti niza posameznikov. V tem primeru imamo lahko: • polno sodelovanje v vseh obdobjih, • nesodelovanje v prvem obdobju in vsakem naslednjem, • delno sodelovanje v smislu sodelovanja v začetnih obdobjih in nesodelovanja v poznejših obdobjih. To je vzorčna drobljivost. 74 Vzorčna drobljivost vodi do manjkajočih podatkov in v prisotnosti nenaključnih manjkajočih podatkov tudi do pristranskosti izbire (Heckman, 1998, str. 410). 4.3.2 Podatki iz družbenih eksperimentov Opazovani in eksperimentalni podatki se med seboj razlikujejo, ker lahko vsaj v osnovi eksperimentalno okolje bolj podrobno spremljamo in kontroliramo. To pa omogoča, da lažje določimo vzročne odnose. V nasprotju s tem pa se opazovani podatki zbirajo v nekontroliranem okolju, pri čemer ostaja odprta možnost, da bo prisotnost zavajajočih dejavnikov povzročila težjo ugotovitev vzročnih odnosov. V družboslovnih znanostih analogni podatki eksperimentalnih podatkov prihajajo bodisi iz družbenih eksperimentov bodisi iz laboratorijskih eksperimentov, kjer majhna skupina prostovoljcev oponaša obnašanje ekonomskih subjektov v resničnosti. Družbeni eksperimenti so sorazmerno redki, čeprav eksperimentalni koncepti, metode in podatki služijo za primerjavo med ekonometričnimi raziskavami, ki temeljijo na opazovanih podatkih. Eksperimentalna metodologija vključuje primerjavo izidov med naključno izbrano eksperimentalno skupino, ki je predmet obravnave, in kontrolno (primerljivo) skupino. Dober eksperiment temelji na povezovanju kontrolne in eksperimentalne skupine ter izogibanju morebitni pristranskosti v izidih. Slednjega pa ne moremo uresničiti v opazovanem okolju, kar lahko vodi v pomanjkanje ugotovitev vzročnih parametrov, ki nas zanimajo. Družbeni eksperiment vključuje eksogene spremembe v ekonomskem okolju ter niz eksperimentalnih subjektov, ki so razdeljeni v dva niza, in sicer eden vključuje eksperimentalno skupino, ki je deležna obravnave, drugi niz pa vključuje kontrolno skupino. V nasprotju z opazovanimi raziskavami, kjer so spremembe v eksogenih in endogenih dejavnikih pogosto nejasne, pa dobro oblikovan družbeni eksperiment poskuša osamiti vlogo obravnavanih spremenljivk. Osnovni namen družbenih eksperimentov je oceniti vpliv dejanskih ali morebitnih socialnih programov. Družbeni eksperimenti navadno nastanejo zaradi določenih političnih vprašanj o tem, kako bi se ekonomski subjekti odzvali na določen tip politike, ki se še ni pojavil in torej o tem podatki še ne obstajajo. Ideja družbenih eksperimentov je zbrati skupino kandidatov, ki so pripravljeni sodelovati, pri čemer so nekateri naključno pripisani eksperimentalni (obravnavani) skupini, drugi pa kontrolni skupini. Ocenjeni učinek političnega ukrepa je tako razlika v izidu eksperimentalne (obravnavane) skupine, ki je deležna tega ukrepa, in v izidu kontrolne skupine, ki ukrepa ni deležna. Standardno oblikovan eksperiment je shematično upodobljen na sliki 51. 75 Slika 51: Družbeni eksperiment z naključno izbiro Kontrolna Naključna Da skupina dodelitev K sodelovanju Ali se kandidat pozvani strinja s Eksperimentalna kandidati sodelovanjem? skupina Izpustitev iz Ne raziskave Vir: Cameron, A. C. in Trivedi, P. K. (2005). Microeconometrics: Methods and Applications. Cambridge: Cambridge University Press, str. 50. Glavna prednost izhaja iz naključnih poskusov, ki odstranijo kakršno koli korelacijo med opazovanimi in neopazovanimi lastnostmi udeležencev programa. Eksperimentalna raziskava, ki je izpeljana znotraj idealnih okoliščin, lahko brez nepotrebne računske kompleksnosti izdela dosledno oceno povprečne razlike v izidu med tistimi, ki so bili deležni programa, in tistimi, ki tega programa niso bili deležni. Če je izid odvisen od udeležbe v programu kot tudi od drugih opazovanih dejavnikov, bo kontrola slednjih na splošno izboljšala natančnost ocenjenega vpliva. Četudi so opazovani podatki na voljo, je zbiranje in uporaba eksperimentalnih podatkov veliko zanimivejša, saj le-ti omogočajo, da se spremenljivka ekonomske politike eksogenizira, medtem ko naključnost udeležbe v programu lahko vodi v bistveno poenostavitev statistične analize. Opazovani podatki na drugi strani pogosto vodijo v pomanjkanje splošnosti, saj temeljijo na nenaključnem vzorcu iz populacije in torej pride do problema pristranskosti izbire. Družbeni eksperimenti so povezani z visokimi stroški. Prav tako se lahko zgodi, da niso v skladu s »čistimi« naključnimi poskusi. Zato rezultati takšnih eksperimentov niso vedno jasni in preprosti za tolmačenje in tudi ni nujno, da ne vključujejo pristranskosti. Če ima obravnavana spremenljivka več drugačnih tolmačenj, ali če je ekstrapolacija pomemben cilj, je potrebno zbrati dovolj velike vzorce, da bi zagotovili zadostno spremembo podatkov in natančno ocenili vpliv obravnavane spremembe. V tem primeru bodo stroški eksperimenta prav tako narasli. Če stroškovni dejavniki onemogočajo oblikovanje zadostno velikega eksperimenta, je lahko koristnost teh eksperimentov v primerjavi z opazovanimi raziskavami vprašljiva (glej na primer Bradley, 1994, str. 43; Devine in Heckman, 1996, str. 95; Dickinson, Johnson in West, 1987, str. 462; Flinn in Heckman, 1982, str. 153). Ena od omejitev naključnih eksperimentov nastane tudi, če so mesta, kjer se izvaja eksperiment, izbrana naključno. V tem primeru je potem potrebno sodelovanje administrativnih oblasti ter morebitnih udeležencev. Če to ni zagotovljeno, pa je potrebno zagotoviti druga alternativna mesta. Drug problem je povezan z izbiro vzorca, saj je sodelovanje prostovoljno. Iz etičnih razlogov se veliko eksperimentov preprosto ne da izvesti (na primer naključna dodelitev študentov letom izobraževanja). Pri družbenih eksperimentih se ve, kdo je v eksperimentalni in kdo v kontrolni skupini. Poleg tega so lahko tisti iz 76 kontrolne skupine deležni nekega programa tudi iz drugih virov. Če je odločitev za sodelovanje nekorelirana bodisi z x bodisi z ε, je analiza eksperimentalnih podatkov poenostavljena. Tretji problem je vzorčna drobljivost, ki nastane zaradi odstopa iz eksperimenta, potem ko se je ta že začel. Četudi je prvotni vzorec naključen, lahko vpliv nenaključne drobljivosti vodi v probleme, ki so podobni drobljivosti pristranskosti v panelih. Nenazadnje omenimo še tako imenovani Hawthornov učinek, ki je povezan s tem, da ljudje lahko spremenijo ali pa prilagodijo svoje obnašanje med sodelovanjem v eksperimentu, pri čemer spremembe v izidu v takšnem primeru ne moremo pripisati samo obravnavi. Podatki iz družbenih eksperimentov lahko v primerjavi z opazovanimi podatki omogočijo lažjo analizo in boljše razumevanje v smislu vzroka in vpliva. Vse to pa je odvisno od oblikovanega eksperimenta. Slabo oblikovan eksperiment sam po sebi povzroča statistične zaplete, ki vplivajo na natančnost rezultatov. Dejstvo pa je tudi, da so ljudje, vključeni v družbene eksperimente, aktivni in v prihodnost zazrti ter imajo svoje preference. 4.3.3 Podatki iz naravnih eksperimentov Naravni eksperiment nastane, kadar je podniz populacije predmet eksogene spremembe v spremenljivki, na primer kot rezultat spremembe v ekonomski politiki, ki bi sicer navadno bil predmet endogene spremembe. V idealnih okoliščinah je vir spremembe dobro razumljen. V mikroekonometriji se navadno pojavljata dva načina prikaza naravnih eksperimentov. Vzemimo naslednji preprost regresijski model: y = β + β 1 2 x + u (14) kjer je x endogena obravnavana spremenljivka, korelirana z u. Vzemimo, da pride do eksogene intervencije, ki vpliva na spremembo x. Primeri takšnih zunanjih intervencij so administrativna pravila, sprememba zakonodaje, naravni dogodki, kot je rojstvo dvojčkov, vremensko pogojeni šoki ipd. Eksogena intervencija ustvari priložnost za oceno vpliva te intervencije tako, da se primerja obnašanje skupine, ki je deležna tega vpliva, pred in po intervenciji, ali da se primerja obnašanje skupine, ki ni deležna tega vpliva, po intervenciji. Naravne primerljive skupine se oblikujejo na osnovi dogodka, ki omogoči oceno β 2. Ta je poenostavljena, ker se x lahko obnaša kot eksogen. Drug način prikaza naravnih eksperimentov pa se nanaša na uporabo naravnih instrumentalnih spremenljivk. Vzemimo, da je spremenljivka z korelirana z x in nekorelirana z u. Potem je cenilka instrumentalne spremenljivke β 2, izražena v smislu vzorčnih kovarianc, enaka: Cov[ z, y] ˆβ = 2 Cov[ z, x] (15) 77 Glavna slabost tega pristopa se nanaša na iskanje ustreznih instrumentalnih spremenljivk, ki so lahko sicer pri naravnih eksperimentih očitne, medtem ko jih je pri opazovanih podatkih težje določiti (Heckman, 1998, str. 420). Ekonometrične probleme v zvezi z identifikacijo in oceno vzročnega učinka si bomo v nadaljevanju najprej pogledali na primeru konvencionalnih metod ocenjevanja vzročnih učinkov, med katerimi bomo na kratko izpostavili cenilko pri metodi najmanjših kvadratov (OLS cenilka), cenilko pri instrumentalnih spremenljivkah (IV cenilka) ter modele z endogeno nepravo spremenljivko. 4.4 Konvencionalne metode Razvoj ekonometričnih modelov za ocenjevanje učinkovitosti družbenih programov vedno bolj potuje v smer neparametričnih modelov, ki bi omogočali identifikacijo vzročnih učinkov tudi pri opazovanih podatkih. Kot smo že omenili, se v strokovni literaturi najpogosteje omenjata dva parametra, in sicer populacijski povprečni učinek obravnave ter povprečni učinek obravnave za obravnavane. Neparametrična ocena teh dveh parametrov zahteva izpolnitev zelo restriktivnih pogojev, še posebej izpolnitev tega, da obstaja določena podpopulacija, za katero je vsaj v limiti verjetnost obravnave enaka nič (Barnow, 1987, str. 161; Bera, Jarque in Lee, 1984, str. 569; Friedlander in Robbins, 1995, str. 929; Imbens in Angrist, 1994, str. 471). Alternativa nekonvencionalnim oziroma novejšim tehnikam ocenjevanja učinkovitosti družbenih programov so konvencionalne metode, ki jih v tem poglavju na kratko pojasnimo in opredelimo probleme, ki nam jih lahko povzroči njihova uporaba pri oceni učinka obravnave. 4.4.1 Cenilka OLS Velik problem v ekonometriji je možnost, da pride do nekonsistentne ocene parametra, ki jo povzročijo endogeni regresorji (tj. pojasnjevalne spremenljivke). V tem primeru regresijske ocene pokažejo samo moč povezave, ne pa hkrati moči in smeri povezave, kar bi potrebovali za analizo ekonomskih politik (Južnik Rotar, 2012a; Schmid, O'Reilly in Schömann, 1996, str. 73). Vzemimo regresijski model z odvisno spremenljivko Y in eno neodvisno spremenljivko D. Cilj E[ Y D] regresijske analize je oceniti funkcijo pogojnega povprečja . Linearni model pogojnega povprečja lahko zapišemo kot: E [ Y D]= D ∆ (16) Zanima nas, kako pridobiti konsistentno oceno Δ, saj ta povzroča spremembe v pogojnem povprečju, ob dani eksogeni spremembi v D. Na primer: zanima nas učinek daljšega šolanja (to gre pripisati eksogenim dejavnikom) na prihodnje zaslužke. Regresijski model na osnovi metode najmanjših kvadratov lahko ob upoštevanju (16) in po preureditvi zapišemo kot: 78 Y = µ( ) 0 + E ∆ D + U (0) + D U ) 1 ( − U ( ) 0 i { i} i i i [ i i ] =µ(0) + { E } ∆ D + ε i i (17) Oziroma bomo zaradi enostavnosti zapisa upoštevali regresijski model (v nadaljevanju brez konstantnega člena): Y =α + ∆D + ε (18) ∧ kjer ε izraža napako. Regresija Y na D nam da oceno OLS ∆ od Δ. V ozadju standardne regresije je predpostavka, da regresorji niso korelirani z napako ε. V tem primeru edini vpliv D na Y predstavlja neposredni vpliv preko izraza Δ D. Diagram vpliva je prikazan na sliki 52. Slika 52: Diagram vpliva – ni korelacije med D in ε D Y Vir: Lasten, 2018. Kot lahko vidimo iz tega diagrama, med D in ε ni nobene povezave. Torej sta D in ε neodvisna povzročitelja Y. Vendarle pa v določenih situacijah lahko obstaja povezava med regresorji in napako. Vzemimo regresijo logaritma zaslužkov ( Y) na leta šolanja ( D). Napaka ε v tem primeru vključuje vse dejavnike, razen šolanja, ki prav tako vplivajo na zaslužke, kot na primer sposobnost, motivacija posameznika ipd. Gre za individualno-specifične lastnosti, ki jih ni mogoče opazovati, meriti. To pa nakazuje na problem potencialne endogenosti v modelu. Vzemimo, da ima posameznik visoko raven ε, kot rezultat visoke (neopazovane) motivacije ali sposobnosti. To povzroča povišanje zaslužkov, vendar lahko prav tako vodi do večje ravni D, saj je najverjetneje, da se šolajo tisti, ki imajo visoke sposobnosti oz. motivacijo. Bolj primerna oblika diagrama vpliva pa je razvidna na sliki 53. 79 Slika 53: Diagram vpliva – korelacija med D in ε D Y Vir: Lasten, 2018. V tem primeru pa pride do korelacije med D in ε. Posledice te korelacije se kažejo tako, da ima višja raven D v tem primeru dvakratni vpliv na Y, in sicer: • neposredni vpliv preko Δ D in • posredni vpliv preko ε na D, ki potem vpliva na Y. Cilj regresijske analize je oceniti samo prvi vpliv, ki nam da oceno Δ. Namesto samo te ocene, bo cenilka ∧ OLS kombinirala oz. združila oba vpliva, kar bo povzročilo ∆ 〉 ∆ (oba vpliva sta pozitivna). V tem primeru imamo Y = D ∆ +ε ( D) in z odvajanjem dobimo: dY dε = ∆ + dD dD (19) Podatki nam dajo informacijo o dY/dD, tako da OLS oceni celotni vpliv Δ + dε/dD, kot da bi ocenil samo Δ. Cenilka OLS je zato pristranska in nekonsistentna za Δ, razen če do korelacije med D in ε ne pride (Heckman, LaLonde in Smith, 1999, str. 1915; Ichino, 2006, str. 17). 4.4.2 Cenilka IV Nekonsistentnost cenilke OLS izhaja iz endogenosti spremenljivke D, kar pomeni, da so spremembe v D povezane ne samo s spremembami v Y, pač pa tudi s spremembami v ε. V tem primeru bi potrebovali metodo, ki bi generirala (upoštevala) samo eksogene spremembe v D. Najbolj očitna rešitev tega problema bi bila izpeljava naključnega eksperimenta, vendar so takšni eksperimenti, kot smo že zapisali, predragi in pogosto neizvedljivi. Osnovni pristop obravnave je z uporabo opazovanih podatkov mogoč, če obstaja instrument Z, ki ima to lastnost, da so spremembe v Z povezane s spremembami v D, vendar to ne vodi do sprememb v Y (razen preko neposredne poti preko D). Diagram vpliva ima v tem primeru obliko, ki je prikazana na sliki 54. 80 Slika 54: Diagram vpliva – vpeljava spremenljivke Z Z D Y Vir: Lasten, 2018. Na ta način vpeljemo spremenljivko Z, ki je vzročno povezana z D, ne pa z ε. Še vedno imamo primer, ko bosta Z in Y korelirana, vendar izvor te korelacije zajema posredno pot instrumenta Z, ki je koreliran z D, ta pa potem vpliva naprej na Y. S tem smo izločili neposreden vpliv Z na Y, torej izločili smo možnost, da bi instrument Z v modelu nastopal kot regresor. Vzemimo model (18), kjer velja E(ε ) = 0 , vendar je hkrati Cov(ε , D) ≠ 0 , tako da nam cenilka OLS da nekonsistentno oceno Δ (Ichino, 2006, str. 21): ε p {∆ , , ˆ lim OLS } { Cov Y } D { Cov } = D V{ } = ∆ + D V{ } ≠ ∆ D (20) Če torej obstaja taka spremenljivka, da velja: E{ D Z}≠ 0⇒ { Cov Z, } D ≠ 0 (21) E{ε, Z}=0⇒ { Cov Z,ε}=0 (22) potem je konsistentna ocena Δ podana z: ε E{ } { Cov Y, Z} { Cov , Z} ∆ = = ∆ + = ∆ = p {∆ˆ lim IV } { Cov D, Z} { Cov D, Z} (23) Pogoja (21) in (22) zahtevata naslednje (Ichino, 2006, str. 22): Prvi pogoj, ki ga mora instrument Z zadostiti, je: Pr{ D = Z D Z i 1 = i }1≠Pr{ = i 1 = i }0 (24) Ta pogoj lahko preverimo z oceno enačbe udeležbe, kjer preverimo, ali je instrument Zi statistično značilen napovedovalec Di. V tem primeru ni potrebno sprejeti funkcijske predpostavke glede izraza napake. 81 Drugi pogoj, za katerega je kovarianca med izrazom napake in instrumentalno spremenljivko Z enaka nič, je problematičen, kajti ta pogoj lahko samo definiramo, ne moremo pa ga preveriti: E{ε Z E U D U U Z i }= { ( )0+ i[ i )1(− i( )0 i]}=0 (25) Ker je ta pogoj težko neposredno testirati, je odločitev o tem, ali je instrument Z eksogen, navadno subjektivna odločitev, podkrepljena s poznavanjem ekonomske teorije. Spremenljivko Z imenujemo instrument oz. instrumentalna spremenljivka za regresor x v regresijskem modelu y = β x + u , če velja (Cameron in Trivedi, 2005, str. 97): 1. Z je nekoreliran z izrazom napake u: ta predpostavka izključuje možnost, da bi instrument Z nastopal kot regresor v regresijskem modelu za y – y se regresira samo na x. V nasprotnem primeru bi bil y odvisen tako od x kot tudi od Z in bi se z absorbiral v izraz napake, kar bi povzročilo, da bi bil Z koreliran z napako u. 2. Z je koreliran z regresorjem x: ta predpostavka zahteva, da obstaja neka asociacija (povezava) med instrumentom in spremenljivko, ki se instrumentalizira. 4.4.3 Modeli z endogeno nepravo spremenljivko Znotraj konvencionalnih metod ocenjevanja vzročnega učinka na kratko omenimo še modele z endogeno nepravo spremenljivko. Za ponazoritev si poglejmo primer plače posameznika, ki je odvisna od eksogenih spremenljivk (na primer starosti, izobrazbe, spola ipd.). Plača ni opazovana za tiste posameznike, ki niso zaposleni in torej ne delajo. Da bi opisali, ali posameznik dela ali ne, vpeljemo enačbo izbire, kjer gre za binarno izbiro (slednjo označuje neprava spremenljivka D), ki je pravzaprav standardni probit model. Ključni parameter, ki razlikuje model izbire od regresijskega modela, je korelacijski koeficient oziroma kovarianca med izrazoma napake iz obeh enačb. Če sta izraza napake nekorelirana, potem lahko regresijsko enačbo preprosto ocenimo s cenilko OLS, enačbo izbire pa zanemarimo. Vendarle pa lahko običajno pričakujemo korelacijo med obema izrazoma napake. Razlago v tem primeru lahko razširimo s problemom maksimizacije koristnosti posameznika, v ozadju katerega je rezervacijska plača. Posameznik bo delal, če dejanska plača, ki je ponujena, presega rezervacijsko plačo (to je tista plača, pod katero posameznik ni pripravljen delati). Rezervacijska plača je odvisna od osebnih lastnosti posameznika, koristnosti in proračunske omejitve. Običajno rezervacijska plača ni opazovana. Ponujena plača torej vpliva na odločitev, ali bo posameznik delal ali ne. To povzroča, da izraz napake v enačbi izbire vključuje neopazovano heterogenost, ki vpliva na ponujeno plačo. Izraza napake v enačbi izbire in v regresijski enačbi sta tako korelirana. Cenilka OLS je v tem primeru nekonsistentna. Obravnavani model se pogosto imenuje model endogene neprave spremenljivke (Heckman, 1978, str. 933; Heckman, 1979, str. 156; Maddala, 1983, str. 47). Pristranskost cenilke OLS lahko na primer izvira iz dejstva, da se bodo tisti, ki imajo v povprečju večji neopazovani izid, z večjo verjetnostjo vključili v obravnavo (ali obratno). Omenimo tudi, da pristranskost izbire lahko nastopi v obliki izpuščene spremenljivke. Možno je namreč, da obstajajo spremenljivke, ki vplivajo samo na rezervacijsko plačo, ne pa tudi na dejansko plačo. Nepravilno izpuščena spremenljivka lahko pomembno vpliva na dobljene ocene in lahko vodi do nepravilnih zaključkov glede obstoja pristranskosti izbire (glej na primer 82 Heckman in Sedlacek, 1985, str. 1097; Heckman, Smith in Clements, 1997, str. 512; Rosenbaum in Rubin, 1984, str. 519; Schmertmann, 1994, str. 117; Verbeek, 2004, str. 241). 4.5 Matching metode 4.5.1 Izhodišča in predpostavke Vzemimo družbeni eksperiment ter naključno dodelitev programu zaposlovanja. Naj obstaja ciljna populacija, ki je primerna za dodelitev v program zaposlovanja in naj N označuje število naključno izbranih posameznikov, primernih za vključitev v program zaposlovanja. Naj NT označuje število naključno izbranih obravnavanih posameznikov, NC = N – NT pa naj označuje število neobravnavanih posameznikov, ki služijo kot kontrolna skupina. Naključna dodelitev pomeni, da vključitev v program zaposlovanja ne upošteva možnega vpliva vključitve v program zaposlovanja na izide. Na primer, nihče ni vključen v eksperimentalno skupino zaradi tega, ker bi bile koristi te vključitve za posameznika velike, niti ni nihče izključen zaradi tega, ker bi bile pričakovane koristi majhne. Naj Y označuje izid; X naj označuje matriko, v kateri vsaka vrstica predstavlja vektor opazovanih spremenljivk za posameznika i ter D naj bo binarna obravnavana spremenljivka. Zaradi enostavnosti predpostavljamo, da je vsak, ki je vključen v program zaposlovanja, tega tudi deležen, kdor pa ni vključen, ga ni deležen. Spremenljivka izida za obravnavanega posameznika je označena z Yi(1), za neobravnavanega posameznika pa z Yi(0). Potem ko se enkrat eksperiment začne in so podatki zbrani, bi radi določili nek parameter, ki bi ocenil vpliv obravnave. Najobičajnejši način bi bil oblikovanje parametra, ki primerja povprečne izide obravnavane in neobravnavane skupine (glej na primer Bassi in Ashenfelter, 1986, str. 66; Björklund, 1989, str. 22; Cameron in Trivedi, 2005, str. 862; Couch, 1992, str. 384; Dehejia in Wahba, 1999, str. 1058; LaLonde, 1986, str. 611). Predpostavka pogojne neodvisnosti Primerjava izidov eksperimentalne in kontrolne skupine zahteva sprejem določenih predpostavk. Ena od pomembnejših predpostavk je predpostavka pogojne neodvisnosti, ki pravi, da so ob pogojevanju na X izidi neodvisni od obravnave, kar lahko zapišemo kot: Y( ), 0 Y ) 1 ( ⊥ D X (26) Vedenjska posledica te predpostavke se nanaša na to, da sodelovanje v programu zaposlovanja ni odvisno od izida, potem ko smo že preverili spremembe izida, ki so jih povzročile razlike v X. Če je naključna dodelitev primerno uporabljena, bo potrdila veljavnost te predpostavke. Pri popolni naključni dodelitvi lahko sprejmemo še močnejšo predpostavko: Y ( ), 0 Y ) 1 ( ⊥ D (27) 83 saj se ta naključnost zgodi v prostoru (Y, X). Pogosteje uporabljena predpostavka se nanaša na prvi zapis, saj je lahko, če je veljavna, uporabna za določitev parametrov vpliva. Ko enkrat kontroliramo vplive regresorjev X, pri čemer so nekateri lahko povezani z D, so obravnava in izidi neodvisni. Predpostavka pogojne neodvisnosti ima za posledico naslednje: E( Y D = = E Y D = = E Y i ( ) 0 , X i 0) ( i ( ) 0 , X ) 1 ( i ( ) 0 X) (28) E( Y D = = E Y D = = E Y i ) 1 ( , X i ) 0 ( i ) 1 ( , X ) 1 ( i ) 1 ( X) (29) E[ Y , X D] Da bi razumeli vpliv te predpostavke, vzemimo, da je linearen, kar pomeni, da je enačba izid - sodelovanje enaka: Y = X′β +α D + u (30) E[ u D]= E[ Y − X′β −α D D]=0 kjer je ; u je regresijska napaka modela. D lahko torej obravnavamo kot eksogeno spremenljivko in zaradi tega ne bo prišlo do sočasne pristranskosti oziroma pristranskosti izbire. Dosledna ocena regresijskih parametrov je mogoča znotraj standardnih pogojev glede X. Šibkejša predpostavka od (26) je: Y( ) 0 ⊥ D X (31) ki pravi, da je dodelitev obravnavi neodvisna od danih spremenljivk pred obravnavo. Predpostavka (31) ima v literaturi tudi druga imena. Imbens in Angrist (1994, str. 469) govorita o predpostavki nepresenetljivosti, Rubin pa o predpostavki neupoštevanja (Rubin, 1977, str. 8). Veljavna predpostavka ima naslednji pomen, in sicer kadar je X enkrat vključen v regresijo, pristranskost zaradi izpuščene spremenljivke ne nastane. Ta predpostavka je enakovredna dodelitvi v program zaposlovanja, ki ne upošteva izida. Zato je primerneje govoriti o predpostavki neupoštevanja. Ta pa je nujna, če želimo, da se spremenljivka obravnava kot eksogena, kar bistveno pripomore k enostavnosti samega ocenjevanja. Za omenjeno predpostavko lahko enakovredno rečemo: (1) da je obravnava znotraj vsake celice, ki je definirana z X, naključna in (2) da je izbira v obravnavo odvisna samo od opazovanih X. Ta predpostavka se uporablja pri določanju parametra povprečni učinek obravnave za obravnavane osebe (ATET). Ob upoštevanju (28) in (29) lahko za vsako celico, definirano z X, zapišemo (glej na primer Cameron in Trivedi, 2005, str. 863; Lee, 2005, str. 35): δ = E x {∆ i } X = E{ Y Y i ) 1 ( − i( ) 0 } X = E{ Y E Y i ) 1 ( } X − { i( ) 0 } X = E{ Y D E Y D i ) 1 ( = i ,1 } X − { i( ) 0 = i , 0 } X = E{ Y D = E Y D i i ,1 } X − { = i i , 0 } X (32) 84 Ob upoštevanju zakona ponovljenih pričakovanj je povprečni učinek obravnave zanaslednji: τ = E{∆ D = i i }1 = E{ E{∆ D = X D i i ,1 } = i }1 = E{ E{ Y D = X E Y D X D i i ,1 }− { = i i , 0 } = i }1 = E{δ D = x i }1 (33) Predpostavka uskladitve Druga je predpostavka uskladitve, ki je nujna za določitev nekaterih populacijskih kazalcev vpliva. Zapišemo jo lahko kot: 0〈 Pr[ D =1 X] 〈1 (34) Ta predpostavka zagotavlja, da imamo za vsako vrednost X tako obravnavane kot neobravnavane primere. V tem smislu pride do prekrivanja med obravnavanimi in neobravnavanimi podvzorci. Za vsakega obravnavanega posameznika obstaja neobravnavan posameznik, ki ima podoben X. Če predpostavka ne bi bila veljavna, bi lahko morebiti imeli samo obravnavane posameznike z vektorjem X in samo neobravnavane posameznike z različnim vektorjem X. Ta pogoj se za določitev parametra obravnave za obravnavano skupino ne zahteva. Za določitev učinka obravnave naključno izbranih posameznikov mora imeti vsak sodelujoči v programu zaposlovanja analognega nesodelujočega. Potem Pr[ D =1 X] 〈1 je pogoj zadosten. Predpostavka pogojnega povprečja Tretja je predpostavka pogojnega povprečja: E[ Y( ) 0 D = ,1 X]= E[ Y(0) D = , 0 X]= E[ Y(0) X] (35) ki pravi, da Y(0) ne določa sodelovanja v programu zaposlovanja (Lee, 2005, str. 37). Verjetnost izida Kadar sodelovanje v programu zaposlovanja ni odvisno od naključne dodelitve, pač pa je stohastično odvisno od vektorja opazovanih spremenljivk X, kot to velja pri opazovanih podatkih, ali pa kadar je sodelovanje v programu zaposlovanja namenjeno ciljni populaciji z določenimi opazovanimi lastnostmi (na primer spol, starost, socialno-ekonomski status), pride v poštev koncept verjetnosti izida. To je kazalec verjetnosti za sodelovanje v programu zaposlovanja ob danem X in ga označimo kot p(X): p(X) = Pr[ D =1 X ] (36) 85 Kazalec verjetnosti izida lahko izračunamo, če imamo podatke o ( Di, X i). Predpostavka, ki ima pomembno vlogo pri ocenjevanju programov zaposlovanja, je ravnotežni pogoj, ki ga zapišemo kot: D ⊥ X p(X) (37) Razlaga te predpostavke se glasi, da je za posameznike, ki imajo enako verjetnost izida, vključitev v program zaposlovanja naključna in naj bi bila identična v smislu njihovega vektorja X. Ravnotežni pogoj je hipoteza, ki jo je mogoče preveriti. Rosenbaum in Rubin (1983, str. 51) sta prišla do pomembnega rezultata glede pogojne neodvisnosti ob danem p(X): Y(0), Y ) 1 ( ⊥ D X⇒ Y(0 ,) Y ) 1 ( ⊥ D p(X) (38) Iz tega sledi, da iz predpostavke pogojne neodvisnosti ob danem X sledi pogojna neodvisnost ob danem p(X), to pomeni neodvisnost Y(0), Y(1) in D ob danem p(X). Zapišemo lahko naslednji dokaz (Cameron in Trivedi, 2005, str. 865): Pr[ D =1 Y(0), Y ), 1 ( p(X)]= E[ D Y(0), Y ), 1 ( p(X)] = E[ E[ D Y(0), Y ), 1 ( p(X), X] Y( ), 0 Y ), 1 ( p(X)] = E[ E[ D Y(0), Y ), 1 ( X] Y(0), Y ), 1 ( p(X)] = E[ E[ D X] Y( ), 0 Y ), 1 ( p(X)] = E[ p(X) Y( ), 0 Y ), 1 ( p(X)] = p(X) (39) Druga in tretja vrstica sta v skladu z zakonom ponovljenih pričakovanj. V četrti vrstici je uporabljena pogojna neodvisnost. Intuicija za tem rezultatom je, da je p(X) določena funkcija X in v tem smislu vključuje manj informacij kot X. Pogojna neodvisnost ob danem p(X) namreč sledi iz enakega danega X. Zaradi pogojevanja na X izločimo korelacijo med X in D, podobno kot pri pogojevanju na verjetnost izida p(X) izločimo korelacijo med X in D. Regresiji podobna (30) je: Y = X′β +α p(X) + u (40) = X′β +α ˆ p(X) + ( u +α ( p(X) − ˆ p(X)) (41) pri čemer se neznani p(X) v drugi vrstici nadomesti z vzorčno oceno, ki izhaja iz dodajanja vzorčne napake regresijski napaki. 4.5.2 Učinki obravnave in pristranskost izbire Dva ključna parametra: ATE in ATET 86 Določimo ∆ kot razliko v rezultatu med obravnavanim in neobravnavanim stanjem: ∆ = Y ) 1 ( − Y ( ) 0 (42) kjer, če želimo, lahko pogojujemo na X. Poudarimo, da ∆ ni možno neposredno opazovati, saj nobenega posameznika ne moremo hkrati opazovati v obeh stanjih. Populacijske vrednosti povprečnega učinka obravnave (ATE - average treatment effect) in povprečnega učinka obravnave za obravnavane osebe (ATET - average treatment effect on the treated) so določene kot: ATE = E[∆] (43) ATET = E[∆ D = ] 1 (44) pri čemer so vzorčni analogi enaki: ∧ N ATE = 1 ∑[∆ i ] N i=1 (45) ∧ NT ATET = 1 ∑[∆ D =1 i i ] NT i=1 (46) N = D T ∑ N in je i = i 1 . Izračun je v obeh primerih jasen, če je ∆ i poznan. Postopek pa ni neposreden, saj formule vključujejo neopazovani element, ki ga je potrebno oceniti, za kar potrebujemo določene predpostavke (Cameron in Trivedi, 2005, str. 866). Mera ATE je ustrezna, kadar ima obravnava univerzalno uporabnost in bi bilo smiselno upoštevati hipotetično korist udeležbe v programu zaposlovanja za naključno izbranega posameznika iz populacije. Mera ATET pa je na drugi strani ustrezna, kadar želimo upoštevati povprečno korist udeležbe v programu zaposlovanja za dejanske udeležence programa (glej na primer Heckman in Honore, 1990, str. 263; LaLonde in Maynard, 1987, str. 439). Da bi razumeli problem ocenjevanja programov zaposlovanja, upoštevajmo povprečno korist sodelovanja v programu ob danih lastnostih X. To je: ATE = E[ Y ) 1 ( , X D = ] 1 − E[ Y( ) 0 , X D =0] (47) v zadnji enakosti je uporabljena predpostavka pogojne neodvisnosti (26). Ob danem vzorcu sodelujočih E[ Y ) 1 ( D = ,1 X] E[ Y(0) , X D =0] lahko ocenimo . Na drugi strani pa ni opazovan, ker je to mera povprečnih izidov za sodelujoče, če ti v resnici ne bi bili sodelovali, saj vemo, da istega posameznika ne moremo hkrati opazovati kot sodelujočega in kot nesodelujočega. 87 Da bi bila ocena parametra ATE izvedljiva, je potrebno najti cenilko za drugi izraz. V skladu z definicijo (47) velja: ATE = E[ Y ) 1 ( , X D = ] 1 − E[ Y( ) 0 , X D =0] (48) = µ X − µ X 1( ) 0 ( ) (49) kjer lahko prvi izraz v prvi vrstici na desni strani ocenimo s pomočjo podatkov o udeležencih programa zaposlovanja, ki so bili tega programa dejansko deležni, medtem ko drugega izraza ni mogoče µ neposredno opazovati. Vpeljemo specifikacijo Y ) 1 ( = µ (X) + u Y( ) 0 = (X)+ u 1 1 za obravnavane in 0 0 za neobravnavane osebe. Drugi izraz v zadnji vrstici zahteva zgolj povprečno neodvisnost in ne celotne pogojne neodvisnosti. Vzorčenje in pristranskost izbire E[ Y( ) 0 , X D = ] 1 Jedro problema ocenjevanja parametra ATET predstavlja izraz , ki ga ni mogoče opazovati (gre za izid, ki bi se bil pojavil, če posameznik ne bi bil deležen obravnave). Rešitev tega problema je v določeni meri odvisna od tipa razpoložljivih podatkov. Družbeni eksperimenti primerne kandidate za sodelovanje v programu zaposlovanja, ki so izključeni iz obravnavane skupine, uporabijo kot približek za protidejstvenik. Raziskave, ki temeljijo na opazovanih podatkih, oblikujejo kontrolno/primerljivo skupino iz istega vira kot obravnavano skupino, ali pa iz drugih podatkovnih baz. E[ Y( ) 0 , X D =0] Bistveno je to, da v končni fazi uporabijo funkcijo , ki jo lahko ocenimo s pomočjo podatkov o nesodelujočih osebah. Idealni družbeni eksperiment, kjer je izračunavanje preprosto, moramo primerjati z dejanskim družbenim eksperimentom, pri čemer prihaja do različnih problemov, kot sta na primer naključnostna pristranskost in substitucijska pristranskost. Vzemimo, da je za udeležence v programu zaposlovanja enačba izida enaka: Y ) 1 ( = E[ Y ) 1 ( X]+ u 1 (50) = µ (X) + u 1 1 (51) medtem ko je za neudeležence v programu zaposlovanja ta enačba enaka: Y( ) 0 = E[ Y( ) 0 X]+ u 0 (52) = µ (X)+ u 0 0 (53) Ta specifikacija je tip regresije preklopa v tem smislu, da imajo obravnavane in neobravnavane osebe µ različne funkcije pogojnega povprečja, µ X X 0 ( 1 ( ) in ) , ki so zapisane v splošnejši obliki, kot je 88 E[ u X = E u X = E[ u X 1 , D] 1 ] [ 0 ] 0 potrebno za povsem linearen model. Predpostavimo, da je , čeprav E[ u X 0 , D] in nista nujno enaka nič. Pogostejša, vendar tudi bolj omejevalna specifikacija ima naslednjo obliko (Cameron in Trivedi, 2005, str. 867): µ X X 1 ( ) = µ0 ( ) +α D (54) kjer ima obravnavana skupina dodatni element, konstanto α, vendar kljub obravnavi naklonski koeficienti regresorjev ostanejo nespremenjeni. Opazovani izid Y zapišemo kot: Y = DY ) 1 ( + 1 ( − D) Y (0) (55) Z združevanjem teh enačb tako dobimo: y = D (µ (X) + u ) + 1 ( − D)(µ (X) + u ) 1 1 0 0 = µ (X) + D (µ (X) − µ (X) + u − u ) + u 0 1 0 1 0 0 (56) Ker je D enak 1 ali 0, se drugi izraz v regresiji preklaplja. Drugi izraz meri koristi sodelovanja v µ programu zaposlovanja; prvi element X − µ X 1 ( ) 0 ( ) meri povprečno korist za udeleženca v programu zaposlovanja z lastnostmi X, medtem ko drugi element ( u − u 1 0 ) meri individualno-specifične koristi. Drugi element lahko opazuje udeleženec, ne more pa ga opazovati raziskovalec. Povprečna pristranskost izbire je enaka razliki v dohodkih med udeleženci v programu zaposlovanja in neudeleženci v osnovnem stanju. Tega učinka ne moremo pripisati programu. Poseben primer je E[ u − u X D = = 1 0 , ]1 0, ki lahko nastane, če ni elementov koristi, ki bi jih lahko opazovali, ali če je individualna korist u − u 1 0 enaka nič. Pristranskost izbire nastane, kadar je spremenljivka obravnave korelirana z napako v enačbi izida. To korelacijo lahko povzroči nepravilno izpuščena opazovana spremenljivka, ki delno določa D in Y. Potem bo element regresijske napake izpuščene spremenljivke koreliran z D – gre za primer izbire na opazovanih dejavnikih. Drug primer vključuje neopazovane dejavnike, ki delno določajo tako D, kot tudi Y. To pa je primer izbire na neopazovanih dejavnikih (Cameron in Trivedi, 2005, str. 868). 4.5.3 Matching cenilka in cenilka verjetnosti izida Po definiciji se v opazovanih raziskavah ne srečujemo s kontroliranimi eksperimenti. Zato ne moremo neposredno določiti ustreznic parametru ATE, in sicer kot povprečno razliko med izidi obravnavanih in neobravnavanih skupin. To pomeni, da ne moremo določiti protidejstvenika. Kot nadomestek temu 89 lahko podatke pridobimo iz niza morebitno primerljivih enot, ki niso nujno vzete iz iste populacije kot obravnavane enote, pač pa se njihove opazovane lastnosti X do določene mere povezujejo z lastnostmi obravnavanih enot. Povprečni izid za neobravnavano usklajeno skupino določi povprečni izid protidejstvenika za obravnavano skupino brez obravnave. Takšen pristop reši problem ocenjevanja tako, da se predpostavlja, da izbira ni povezana z neobravnavanim izidom glede na X. Da bi bil tak pristop izvedljiv, je nujno treba določiti kriterij povezovanja (glej na primer Cameron in Trivedi, 2005, str. 871; Južnik Rotar, 2012a; Lee, 2005, str. 94). Predpostavke učinka obravnave Matching cenilke učinkov obravnave so uporabne, kadar izbira v program zaposlovanja temelji samo na opazovanih dejavnikih. Dodatno se predpostavlja uporaba pogoja prekrivanja, ki pomeni, da za vsak X obstaja pozitivna verjetnost nesodelovanja. Ta pogoj zagotavlja, da imamo za vsak X neobravnavane povezave za obravnavane posameznike. Na splošno bi lahko rekli, da imata eksperimentalna in kontrolna skupina primerljive opazovane lastnosti. Če želimo ustvariti dobre povezave, mora veljati pogoj prekrivanja. Ključna predpostavka je tudi ta, da neopazovani dejavniki ne igrajo nobene vloge pri dodelitvi v program zaposlovanja in pri določanju izida (glej na primer Cameron in Trivedi, 2005, str. 872). Vzemimo, da se obravnavani primeri povezujejo z vsemi opazovanimi pojasnjevalnimi spremenljivkami. V omejevalnem smislu se kontrolirajo vse razlike med obravnavanimi in neobravnavanimi skupinami. Povprečni obravnavan učinek za izide eksperimentalne in kontrolne skupine Yi(1) in Yi(0) je torej: E[ Y D E Y D i ) 1 ( = i ]1− [ i( )0 = i 0] = E[ Y Y D E Y D E Y D i ) 1 ( − i (0) = i ]1+{ [ i( )0 = i ]1− [ i( )0 = i 0]} (57) Prvi izraz v drugi vrstici je parameter ATET, drugi izraz v oklepaju pa označuje »pristranskost«, ki bo enaka nič, če je dodelitev v eksperimentalno in kontrolno skupino naključna. Če to velja, je za izračun parametra ATET potrebno zgolj preprosto povprečje razlik (glej na primer Cameron in Trivedi, 2005, str. 872). V realnosti pa bodo podatki najverjetneje vključevali nekatere opazovane pojasnjevalne spremenljivke Xi. Predpostavlja se, da pojasnjevalne spremenljivke vključujejo tiste spremenljivke, v ozadju katerih so dejavniki izbire v obravnavano skupino. Če so obravnavane in neobravnavane skupine povezane za vsako kombinacijo pojasnjevalnih spremenljivk, lahko obravnavano razliko preprosto izračunamo za vsak obravnavan primer in za vsak Xi. Povprečna razlika za vse obravnavane posameznike in za vsak Xi meri povprečni obravnavani učinek. 90 V tem primeru učinek obravnave na obravnavane osebe formalno zapišemo kot (glej na primer Angrist in Krueger, 1999, str. 382): E[ Y Y D E E Y X D E Y X D D i ) 1 ( − i ( ) 0 = i ]1= {[ [ i )1( i, = i ]1− [ i( )0 i, = i 0]} = i ]1 = E[∆x D = i ]1 (58) ∆ = x E[ Y X D E Y X D i ) 1 ( i , = i ]1− [ i( )0 i, = i 0] kjer je . Če so X spremenljivke diskretne, je cenilka uskladitve določena kot ponderirana vsota: E[ Y Y D x X X D i ) 1 ( − i ( ) 0 = i ]1=∑∆ Pr[ = = i i ]1 x (59) Pr[X = X D = i i ]1 kjer je verjetnostna masa za Xi ob danem Di = 1. Metoda ujemanja na osnovi verjetnosti izida Pri metodi verjetnosti izida se kontrolira pojasnjevalne spremenljivke oziroma določeno funkcijo Pr[ D =1 X i i ] pojasnjevalnih spremenljivk, specifično je to pogojna verjetnost obravnave . To pomeni, da matching temelji na verjetnosti izida. To pa lahko preprosto ocenimo na primer s pomočjo logistične regresije. Nenazadnje lahko kontroliramo tudi odložene spremenljivke, in sicer tako, da jih vključimo v vektor pojasnjevalnih spremenljivk. Če je pristranskost izbire odstranjena s kontroliranjem Xi, je odstranjena tudi s kontroliranjem verjetnosti izida. Pogojevanje na mere verjetnosti izida je navadno preprostejše, kot pa pogojevanje na visoko dimenzioniran vektor X (glej na primer Dehejia in Wahba, 1999, str. 1057; Južnik Rotar, 2018; Lalonde, 1986, str. 613). Metoda verjetnosti izida zahteva dobro oblikovan model. Zanima nas dosledna ocena verjetnosti za sodelovanje v programu zaposlovanja, in ne toliko ocene parametrov funkcije verjetnosti izida. Pri izvajanju matching metode, ki temelji na p(X i), so pomembne naslednje zadeve (Wooldridge, 2002, str. 619): (1) ali naj povezovanje poteka z ali brez nadomestitve; (2) število enot v kontrolni skupini in (3) izbira matching metode. Matching brez nadomestitve pomeni, da je katerokoli opazovanje v kontrolni skupini povezano samo z enim samim obravnavanim opazovanjem, in sicer takim, ki je najbližji, medtem ko matching z nadomestitvijo pomeni, da gre za raznolike povezave. V primeru matchinga brez nadomestitve bi manjše število enot v kontrolni skupini pomenilo, da povezave ne bi bile najbližje v smislu p(X), kar bi povečalo pristranskost cenilke. Vprašanje izbire števila enot v kontrolni skupini vključuje menjavo med pristranskostjo in varianco. Uporaba ene najbližje povezave obravnavanemu primeru zmanjšuje pristranskost, medtem ko se z vključitvijo večjega števila povezav varianca zmanjšuje, pristranskost pa narašča. Delno rešitev predstavlja uporaba vnaprej določene okolice v smislu polmera okrog p(X) za obravnavano opazovanje in izključitev povezav izven te okolice. Gre za uporabo najboljših povezav, kar imenujemo caliper matching (Wooldridge, 2002. str. 620). 91 Na vprašanje občutljivosti rezultatov glede na izbrano metodo ni enega samega odgovora. Rezultat se lahko med različnimi vzorci razlikuje, odvisno od tega, kako dobro se prekrivajo opazovanja med eksperimentalno in kontrolno skupino. Če sta si ti dve skupini v tem pogledu podobni, da prihaja do dobrega prekrivanja njunih verjetnosti izidov in če je kontrolna skupina velika, bo iskanje povezav lažje, izvedljiv pa bo tudi matching brez nadomestitve. Če pa bo kontrolna skupina majhna in se bo bistveno razlikovala od eksperimentalne, je zelo verjetno, da bodo povezave slabe in ne bomo mogli uporabiti celotnega vzorca oseb, vključenih v program zaposlovanja, kar pa je v primeru matchinga brez nadomestitve zelo verjetno. Merjenje učinkov obravnave A X = j X ∈ c X j ( ) { j ( i } ) Označimo kontrolno skupino za obravnavani primer i z lastnostmi Xi kot niz , kjer je c(X i) lastnost okolice Xi. Naj NC označuje število enot v kontrolni skupini in naj w( i, j) označuje ∑ w i(, j)=1 vrednost ponderja, ki je podana j-ti enoti za izvedbo primerjave z i-to obravnavano enoto, j . Splošna formula za oceno parametra ATET je tako (Cameron in Trivedi, 2005, str. 874): ∆ M = 1 ∑  Y w i j Y i ) 1 ( −∑   ( , ) j ( ) 0  NT i∈{ D= }1 j  (60) 0〈 ( w i, j)≤1 in { D = } kjer je 1 niz obravnavanih posameznikov in je j element iz niza povezanih kontrolnih enot. S spreminjanjem vrednosti ponderjev w( i, j) lahko uporabimo različne matching metode. Preprosta uskladitev primerja celice s točno enakim diskretnim X: M ∆ = ∑ w y − , 1 y k [ k 0, k ] k (61) kjer je y y 1 povprečni izid za obravnavano skupino, 0 je povprečni izid za neobravnavano skupino, wk pa je vrednost ponderja za k-to celico (delež opazovanosti v celici k) (Cameron in Trivedi, 2005, str. 875). Matching metoda z najbližjim sosedom za vsakega obravnavanega posameznika i izbere niz A (x)= j min X − X i { j i j }, kjer simbol označuje evklidsko razdaljo med vektorji. Če je v formuli (60) w( i, j) = 1, kadar je j∈ Ai (X) in nič sicer, ta specifikacija uporabi samo en primer za tvorbo kontrolne enote za obravnavane primere (glej na primer Cameron in Trivedi, 2005, str. 875; Dehejia in Wahba, 2002, str. 153; Lee, 2005, str. 93). 92 Drug primer cenilke je metoda jedra (Cameron in Trivedi, 2005, str. 875): K (X − X ) w i(, j) = j i ∑ NC, i K (X −X ) j = j i 1 (62) kjer K predstavlja jedro. Cenilka jedra je kontinuirana funkcija, je simetrična okrog nič, integral funkcije je enak ena (glej na primer Lee, 2005, str. 94). Cenilka jedra predstavlja standardno neparametrično metodo ocenjevanja porazdelitve ostankov modela. Ker se v okviru neparametričnih metod ne predpostavlja normalna porazdelitev ostankov modela, potrebujemo parameter glajenja, ki porazdelitev ostankov modela čim bolj približa normalni porazdelitvi. Pomembnejša od izbire funkcije jedra je izbira parametra glajenja. Nižje vrednosti parametra glajenja vplivajo na zmanjšanje pristranskosti modela, medtem ko višje vrednosti zagotavljajo, da se porazdelitev ostankov modela čim bolj približa normalni porazdelitvi. Ocena parametra glajenja je odvisna od velikosti vzorca in od vzorčnega standardnega odklona. V literaturi je najbolj znana Silvermanova ocena parametra glajenja (glej na primer Cameron in Trivedi, 2005, str. 304). Optimalna vrednost parametra glajenja je odvisna od izbire funkcije jedra (na primer Epanechnikova funkcija, Gaussova funkcija, funkcija četrte stopnje, funkcije višjega reda). Čeprav so prednosti majhne, se v literaturi za najbolj optimalno izbiro navaja Epanechnikova funkcija (glej na primer Cameron in Trivedi, 2005, str. 303). Prednost metod jedra je, da se pri enačbah izida izogibajo predpostavkam o funkcijski obliki napak določenega modela in parameter ATET ocenijo pri specifičnih vrednostih X. Slabost teh metod pa je, da lahko število povezav postane zelo majhno, če je X visoko dimenzionalen. V takšnem primeru postanejo zanimive metode, ki temeljijo na skalarno ovrednoteni matriki. Ena od teh metod je matching metoda na osnovi verjetnosti izida. Obe zgoraj navedeni metodi lahko določimo v smislu verjetnosti izida. Za metodo najbližjega soseda lahko na primer določimo niz povezav kot A ( p(X))= p min p − p i { j j i j }(Cameron in Trivedi, 2005. str. 875). Stratifikacija ali metoda intervala razdeli niz sprememb verjetnosti izida v intervale, tako da imajo znotraj intervala obravnavane in kontrolne enote v povprečju enake verjetnosti izida. Za izračun verjetnosti izidov se lahko uporabijo isti bloki, ki jih določi algoritem. To pomeni, da se pri izračunu obravnavane in kontrolne enote lahko pojavijo več kot samo enkrat. Potem se izračuna razlika med povprečnimi izidi za obravnavano in kontrolno skupino. Parameter ATET je ponderirano povprečje teh razlik, pri čemer so vrednosti ponderjev določene na podlagi porazdelitve obravnavanih enot po blokih. Ena od slabosti te metode je, da ne upošteva opazovanja v tistih blokih, kjer bodisi manjka obravnavana bodisi kontrolna enota. Bloke, ki so določeni s pomočjo intervalov verjetnosti izida, označimo z b. Potem je obravnavan učinek znotraj b-tega bloka določen kot (Cameron in Trivedi, 2005, str. 875): S T − ATET = 1 N Y N Y b ( b ) ∑ C − − 1 i ( b ) 1 ∑ 0 j i∈ I ( b) j∈ I ( b) (63) 93 T C kjer je I( b) niz enot v bloku b, N N b je število obravnavano enot v b-tem bloku in b je število kontrolnih enot v bloku b. Učinek obravnave, ki temelji na stratifikaciji, je potem enak (Cameron in Trivedi, 2005, str. 876): B   S ATET =∑ S ATET × D D b  ∑ i / ∑ i  b =1  i∈ I( b)  (64) pri čemer izraz v oklepaju predstavlja vrednost ponderja za vsak blok ob danem deležu obravnavanih enot, in kjer je B celotno število blokov. A ( (X))= − 〈 i p { pj pi pj r} Pri metodi polmera niz temelji na verjetnosti izida. To pomeni, da so vsi kontrolni primeri z ocenjenimi verjetnostmi izidov znotraj polmera r povezani z i-tim obravnavanim primerom. Parametra ATE in ATET lahko izrazimo v smislu p(X), pri čemer predpostavljamo pogoj prekrivanja 0〈 p(X)〈1(Cameron in Trivedi, 2005, str. 876). 94 5 PRIHODNJI TRENDI – POTREBA PO KULTURI OCENJEVANJA Opisani pristopi predstavljajo podlage za ocenjevanje učinkovitosti programov zaposlovanja. Tudi Evropska komisija v svojih smernicah za programsko obdobje 2014-2020 izpostavlja potrebo po kulturi ocenjevanja in politiki, ki temelji na dejstvih. Pozornost je usmerjena v doseganje zastavljenih rezultatov z jasnimi in merljivimi programskimi cilji (Morris, Tödtling-Schönhofer in Wiseman, 2013; EC, 2013, 2013a; Elia, Santangelo in Schnepf, 2015; Leeuw, 2012). Politika, ki temelji na dejstvih, je pravzaprav globalni trend, ki ga označuje prehod od inputov k izidom in rezultatom (Gertler et al. 2011). Področje ocenjevanja učinkov spada v področje komplementarnih metod, ki podpirajo politiko na temelju dejstev. Kvantitativno ocenjevanje učinkov odgovarja na vprašanje, kakšen je vzročni učinek posega/programa ali intervencije, ki jo ocenjujemo. Ker so naključni eksperimenti redki iz moralnih, etičnih in drugih razlogov, je treba za oceno vzročnega učinka izbrati druge pristope, ki temeljijo na uporabi protidejstvenika. Ta odgovori na vprašanje, kakšni so učinki za udeležence v posegu/programu/intervenciji, če ti ne bi bili vključeni v poseg/program/intervencijo. Evropska komisija podpira sodobne smernice vrednotenja učinkov politike na podlagi dejstev tudi v svojih pravnih in metodoloških podlagah. Zaradi omejitev proračuna in vprašanja učinkovite porabe javnih sredstev so težnje po ocenjevanju učinkov in uporabi politike, ki temelji na dejstvih, vse bolj očitne. Pomembnost tega se kaže ne samo v razvoju stroke in razvoju kulture ocenjevanja, pač pa tudi v pomenu za gospodarstvo in družbo. Rezultati tovrstnih študij so lahko podlaga za razvoj in sprejemanje ekonomskih politik na trgu dela, so lahko strokovna podlaga snovalcem ekonomske politike pri snovanju politike na trgu dela, še posebej pri spodbujanju produktivnega, fleksibilnega zaposlovanja. Rezultati študij so lahko podlaga za bolj učinkovito razporeditev denarnih sredstev kot tudi bolj učinkovito alokacijo dela kot proizvodnega dejavnika, s čimer se lahko poveča produktivnost, gospodarska rast in posledično blaginja v družbi. 95 6 ZAKLJUČEK Države članice EU namenjajo za politiko na trgu dela različno visoke izdatke. Če izrazimo te izdatke kot odstotek v bruto domačem proizvodu, lahko ugotovimo, da je EU-28 v letu 2012 (glede na razpoložljivost podatkov) za izdatke politike trga dela namenila 1,82 % BDP. Največji delež izdatkov za politiko na trgu dela je v letu 2012 imela Španija, in sicer 3,69 % BDP, kar je še enkrat večji delež, kot znaša povprečje za EU-28. Poleg Španije so imele visok delež izdatkov za politiko na trgu dela v bruto domačem proizvodu še Danska (3,46 %), Irska (3,22 %), Belgija (2,89 %), Francija (2,80 %), Nizozemska (2,49 %), Finska (2,35 %). Najmanjši delež izdatkov za ta namen v bruto domačem proizvodu, tj. pod 0,5 % BDP, pa so imele Romunija (0,28 %), Češka in Latvija (0,47 %), Litva (0,49 %). Slovenija je v letu 2012 namenila 1,13 % BDP za izdatke politike na trgu dela. V splošnem podpore (kategorije 8-9) predstavljajo največji delež izdatkov za politiko na trgu dela, sledijo ukrepi na trgu dela (kategorije 2-7) in storitve (kategorija 1). Kljub vsemu pa so izdatki za podpore na trgu dela različni med državami članicami EU. Gibljejo se od manj kot 0,3 % BDP na Češkem (0,23 %), v Litvi (0,27 %) in Latviji (0,23 %), do več kot 2 % BDP v Belgiji (2,05 %) in na Irskem (2,37 %). Več kot 3 % BDP je za podpore na trgu dela namenila Španija (3,04 %). Tudi izdatki za ukrepe na trgu dela so različni med državami članicami EU. Gibljejo se od 0,03 % BDP v Romuniji do več kot 1 % BDP na Švedskem (1,01 %) in na Danskem (1,34 %). Izdatki za podpore na trgu dela predstavljajo več kot 50 % vseh izdatkov politike na trgu dela za večji del držav članic EU. Analiza izdatkov politike na trgu dela glede na tip posega na trgu dela je razkrila nekako dve skupini držav članic EU. Ena skupina držav , ki so se soočile z visokimi stopnjami brezposelnosti, imajo tudi visok delež izdatkov politike na trgu dela za podpore in jih je kriza močneje prizadela. Delež teh izdatkov je bil več kot 70 % na Irskem, v Španiji, Italiji, na Cipru, na Portugalskem in v Sloveniji. Več kot 70 % delež izdatkov (72,38 %) je zabeležila tudi Belgija, čeprav ima nižjo stopnjo brezposelnosti kot predhodno omenjene države. Druga skupina držav članic EU pa predstavlja države članice EU, ki imajo visok delež izdatkov politike na trgu dela za ukrepe, in sicer več kot 35 % v letu 2012 so imele Danska (38,79 %), Litva (37,22 %), Latvija (38,22 %), Luksemburg (36,04 %), več kot 47 % pa Portugalska (47,34 %), Madžarska (55,24 %) in Švedska (53,74 %). Preučevanje odnosov med stopnjo brezposelnosti in izdatki politike na trgu dela nam pokaže, ali sredstva, namenjena politiki na trgu dela, dosegajo svoj namen, torej vplivajo na zmanjšanje brezposelnosti in povečanje zaposlenosti. Seveda bi bila potrebna podrobnejša analiza, saj imajo nekatere države članice EU nizko stopnjo brezposelnosti in nizke izdatke za politiko trga dela, nekatere države članice EU imajo visoke izdatke za politiko trga dela in visoke stopnje brezposelnosti, nekatere države članice EU pa imajo visoke izdatke za politiko trga dela in nizke stopnje brezposelnosti. Bi pa sicer lahko opravljena analiza gibanja stopnje brezposelnosti in izdatkov politike trga dela nakazovala na to, da izdatki politike trga dela ne vplivajo na zmanjševanje stopnje brezposelnosti, kar bi lahko na podlagi podatkov sklepali tudi za Slovenijo. Za celovitejši pregled bi bila potrebna podrobnejša analiza. Aktualna pa so seveda tudi priporočila raznih mednarodnih organizacij, ki se nanašajo na preusmeritev sredstev od pasivne k aktivni politiki zaposlovanja, ob tem pa je treba podrobneje analizirati tudi interakcije med davčnim sistemom in sistemom socialnih transferjev. V zadnjem času je namreč pod 96 pritiskom proračunskih omejitev, staranja prebivalstva in drugih izzivov, povezanih zlasti z globalizacijo in inovativnostjo, prišlo do premika tudi v smiselnosti izvajanja posegov na trgu dela, saj ti posegi niso sami sebi namenjeni, ampak je njihov ključni cilj, da se povečajo zaposlitvene možnosti posameznika na trgu dela ter da se sredstva, ki so namenjena izvajanju teh posegov, čim bolj učinkovito porabijo. Doseganje učinkovitosti raznih programov zaposlovanja pa vedno bolj temelji na takšnih spremembah politike zaposlovanja, ki spodbujajo ekonomsko neodvisnost oziroma aktivacijo brezposelnih oseb. Prejem državnih denarnih sredstev hkrati ustvari odgovornost oziroma obveznost, da brezposelna oseba postane aktivna v smislu, da se čim prej zaposli in vrne na delo in tako postane neodvisna od omenjenih sredstev. Poleg tega in tudi v skladu s smernicami Evropske komisije o politiki, ki temelji na dejstvih, bi bilo treba pozornost nameniti neodvisnemu ocenjevanju in ocenjevanju, ki se osredotoča na sodobnejše pristope pri ocenjevanju politike trga dela, ki temelji na ekonometričnih izhodiščih. Potreba po kulturi ocenjevanja je nujna, saj so rezultati empirične analize podlaga za nosilce ekonomske politike pri presoji obstoja programov zaposlovanja in ekonomski smiselnosti izvajanja le- teh. 97 7 LITERATURA 1. Abadie, A. in Imbens, G. W. (2016). Matching on the Estimated Propensity Score. Econometrica, 84, št. 3, str. 781–807. 2. Amemiya, T. (1985). Advanced Econometrics. Cambridge, MA: Harvard University Press. 3. Angrist, J. in Krueger, A. B. (1999). Empirical Strategies in Labor Economics. V: Ashenfelter, O. in Card, D. (ur.). Handbook of Labor Economics. Amsterdam: North Holland, str. 1277–1366. 4. Angrist, J. D. in Pischke, J. S. (2008). Mostly Harmless Econometrics: An Empiricist's Companion. New Jersey: Princeton University Press. 5. Austin, P. C. (2011). An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studies. Multivariate Behavioral Research, 46, št. 3, str. 399–424. 6. Baltagi, B. (1995). Econometric Analysis of Panel Data. New York: Wiley. 7. Barnow, B. (1987). The Impact of CETA Programs on Earnings: A Review of the Literature. Journal of Human Resources, 22, št. 2, str. 157–193. 8. Barnow, B., Cain, G. in Goldberger, A. (1980). Issues in the Analysis of Selectivity Bias. Institute for Research on Poverty Discussion Papers no. 600. 9. Bassi, L. (1984). Estimating the Effect of Training Programs with Non-random Selection. Review of Economics and Statistics, 66, št. 1, str. 36–43. 10. Bassi, L. in Ashenfelter, O. (1986). The Effects of Direct Job Creation and Training Programs on Low-Skilled Workers. Working Papers Princeton University Industrial Relations Section no. 194. 11. Begoña, C. in Suárez, P. (2014). A review of active and passive labour market policies in Spain. MPRA Discussion Paper No. 60648. 12. Behrenz, L., Delander, L. in Månsson, J. (2016). Is Starting a Business a Sustainable way out of Unemployment? Treatment Effects of the Swedish Start-up Subsidy. Journal of Labor Research, 37, št. 4, str. 389–411. 13. Bellmann, L., Caliendo, M. in Tübbicke, S. (2017). The Post-Reform Effectiveness of the New German Start-Up Subsidy for the Unemployed. IZA Discussion Paper No. 11055. 14. Bennmarker, H., Nordström Skans, O. in Vikman, U. (2013). Workfare for the old and long-term unemployed. Labour Economics, 25, str. 25–34. 15. Bera, A., Jarque, C. in Lee, L. (1984). Testing the Normality Assumption in Limited Dependent Variable Models. International Economic Review, 25, št. 3, str. 563–578. 16. Björklund, A. (1989). Evaluations of Training Programs: Experiences and Suggestions for Future Research. Discussion Paper No. 89. Berlin: Wissenschaftszuntrum. 17. Boone, J. in Van Ours, J. (2004). Effective Active Labour Market Policies. CEPR Discussion Paper no. 4707. 18. Bradley, S. (1994). The Youth Training Scheme: A Critical Review of the Evaluation Literature. International Journal of Manpower, 16, št. 4, str. 30–56. 19. Burtless, G. (1995). The Case for Randomized Field Trials in Economic and Policy Research. Journal of Economic Perspectives, 9, št. 2, str. 63–84. 20. Cain, G. (1975). Regression and Selection Models to Improve Nonexperimental Comparisons. V: Bennett, C. in Lumsdaine, A. (ur.). Evaluation and Experiment. New York: Academic Press, str. 297–317. 21. Caliendo, M. in Künn, S. (2014). Regional Effect Heterogeneity of Start-up Subsidies for the Unemployed. Regional Studies, 48, št. 6, str. 1108–1134. 98 22. Caliendo, M. in Künn, S. (2015). Getting back into the labor market: the effects of start-up subsidies for unemployed females. Journal of Population Economics, 28, št. 4, str. 1005–1043. 23. Caliendo, M., Mahlstedt, R. in Mitnik, O. A. (2016). Unobservable, but unimportant? The relevance of usually unobserved variables for the evaluation of labor market policies. Labour Economics, 46, str. 14–25. 24. Caliendo, M. in Schmidl, R. (2015). Youth Unemployment and Active Labor Market Policies in Europe. IZA Institute for the Study of Labor Discussion Paper 9488. 25. Cameron, A. C. in Trivedi, P. K. (2005). Microeconometrics: Methods and Applications. Cambridge: Cambridge University Press. 26. Chabé-Ferret, S. (2015). Analysis of the bias of Matching and Difference-in-Difference under alternative earnings and selection processes. Journal of Econometrics, 185, št. 1, str. 110–123. 27. Couch, K. (1992). New Evidence on the Long-term Effects of Employment and Training Programs. Journal of Labour Economics, 10, št. 4, str. 380–388. 28. Crépon, B. in van den Berg, G. J. (2016). Active Labor Market Policies. Annual Review of Economics, 8, št. 1, str. 521–546. 29. Čelebič, T., Kajzer, A. in Zver, E. (2015). Analiza zaposlenosti v izobraževanju v Sloveniji z vidika izdatkov za izobraževanje in prilagajanja demografskim gibanjem. IB revija, 49, št. 2, str. 23–35. 30. Dehejia, R. in Wahba, S. (1999). Causal Effects in non-experimental Studies: Re-evaluating the Evaluation of Training Programs. Journal of the American Statistical Association, 94, št. 448, str. 1053–1062. 31. Dehejia, R. in Wahba, S. (2002). Propensity Score Matching Methods for Nonexperimental Causal Studies. Review of Economics and Statistics, 84, št. 1, str. 151–161. 32. Dahlberg, M. et al. (2016). Evaluating Programs for Social Assistance Recipients: Controlling for Confounding Using Survey and Register Data. IZA Conference paper 33. Devine, T. in Heckman, J. (1996). The Structure and Consequences of Eligibility Rules for a Social Program. V: Polachek, S. (ur.). Research in Labour Economics, št. 15. Greenwich, CT: JAI Press, str. 111–170. 34. Dickinson, K., Johnson, T. in West, R. (1987). An Analysis of the Sensitivity of Quasi-experimental Net Estimates of CETA Programs. Evaluation Review, 11, št. 4, str. 452–472. 35. EC (2010). The European Employment Strategy. Working to improve employment in Europe. Luxembourg: Publication Office of the European Union. 36. EC (2013). Evalsed guide. The resource for the evalaluation of Socio-Economic Development. Luxembourg: Publication Office of the European Union. 37. EC (2013a). Evalsed sourcebook. Method and techniques. Luxembourg: Publication Office of the European Union. 38. EC (2016). Applying the quality framework for traineeships. Strasbourg: European Commission. 39. EC (2017). European semester thematic factsheet. Youth employment. Bruselj: Evropska komisija. 40. Eichhorst, W. in Konle-Seidl, R. (2016). Evaluating Labour Market Policy. IZA Discussion Paper No. 9966. Bonn: IZA Institute of Labor Economics. 41. Elia, L., Santangelo, G. in Schnepf, S. V. (2015). Synthesis report on the Pilot projects to carry out ESF related counterfactual impact evaluations. Luxembourg: Publication Office of the European Union. 42. Eurostat (2013). Labour market policy statistics. Methodology 2013. Luxembourg: Publications Office of the European Union. 99 43. Flinn, C. in Heckman, J. (1982). New Methods for Analyzing Structural Models of Labour Force Dynamics. Journal of Econometrics, 18, št. 1, str. 115–168. 44. Friedlander, D. in Robbins, P. (1995). Evaluating Program Evaluations: New Evidence on Commonly Used Nonexperimental Methods. American Economic Review, 85, št. 4, str. 923–937. 45. Frölich, M. in Lechner, M. (2015). Combining Matching and Nonparametric Instrumental Variable Estimation: Theory and An Application to the Evaluation of Active Labour Market Policies. Journal of Applied Econometrics, 30, št. 5, str. 718–738. 46. Gal, P. in Theising, A. (2015). The macroeconomic impact of policies on labour market outcomes in OECD countries: A reassessment. OECD Economics Department Working Papers, št. 1271. Paris: OECD. 47. Gaure, S., Røed, K, in Westlie, L. (2012). Job search incentives and job match quality. Labour Economics, 19, št. 3, str. 438–450. 48. Gertler, P. J. et al. (2011). Impact evaluation in practice. Washington: The World Bank. 49. Graversen, B. K. in van Ours, J. C. (2008). How to help unemployed find jobs quickly: Experimental evidence from a mandatory activation program. Journal of Public Economics, 92, št. 10–11, str. 2020–2035. 50. Hansen, B., Rosenbaum, P. R. in Small, D. (2014). Clustered Treatment Assignments and Sensitivity to Unmeasured Biases in Observational Studies. Journal of the American Statistical Association, 109, št. 505, str. 133–144. 51. Heckman, J. (1978). Dummy Endogenous Variables in a Simultaneous Equations System. Econometrica, 46, št. 4, str. 931–959. 52. Heckman, J. (1979). Sample Selection Bias as a Specifications Error. Econometrica, 47, št. 1, str. 153–161. 53. Heckman, J. (1990). Varieties of Selection Bias. American Economic Review, 80, št. 2, str. 313– 318. 54. Heckman, J. (1996). Randomization as an Instrumental Variable. Review of Economics and Statistics, 78, št. 2, str. 336–341. 55. Heckman, J. (1998). The Economic Evaluation of Social Programs. V: Heckman, J. in Leamer, E. (ur.). Handbook of Econometrics, št. 5. Amsterdam: Elsevier, str. 4780–4867. 56. Heckman, J. in Honore, B. (1990). The Empirical Content of the Roy Model. Economica, 47, št. 187, str. 247–283. 57. Heckman, J., Humphries, J. E. in Veramendi, G. (2016). Dynamic Treatment Effects. Journal of Econometrics, 191, št. 2, str. 276–292. 58. Heckman, J. in Pinto, R. (2015). Causal Analysis After Haavelmo. Econometric Theory, 31, št. 1, str. 115–151. 59. Heckman, J. in Robb, R. (1985). Alternative Methods for Evaluating the Impact of Interventions: An Overview. Journal of Econometrics, 30, št. 1–2, str. 239–267. 60. Heckman, J. in Robb, R. (1986a). Alternative Methods for Solving the Problem of Selection Bias in Evaluating the Impact of Treatments on Outcomes. V: Wainer, H. (ur.). Drawing Inferences from Selected Samples. Berlin: Springer-Verlag, str. 63–107. 61. Heckman, J. in Robb, R. (1986b). Alternative Identifying Assumptions in Econometric Models of Selection Bias. V: Rhodes, G. (ur.). Advances in Econometrics, št. 5. Greenwich, CT: JAI Press, str. 243–287. 100 62. Heckman, J. in Sedlacek, G. (1985). Heterogeneity, Aggregation and Market Wage Functions: An Empirical Model of Self-Selection in the Labour Market. Journal of Political Economy, 98, št. 6, str. 1077–1125. 63. Heckman, J., Smith, J. in Clements, N. (1997). Making the Most out of Programme Evaluations and Social Experiments: Accounting for Heterogeneity in Programme Impacts. Review of Economic Studies, 64, št. 4, str. 487–535. 64. Heckman, J., LaLonde, R. J. in Smith, J. A. (1999). The Economics and Econometrics of Active Labour Market Programs. V: Ashenfelter, O. in Card, D. (ur.). Handook of Labor Economics. Amsterdam: Elsevier, str. 1865–2097. 65. Ho, D. E. et al. (2011). MatchIt: Nonparametric Preprocessing for Parametric Causal Inference. Journal of Statistical Software, 42, št. 8, str. 1–28. 66. Holland, P. (1986). Statistics and Causal Inference. Journal of the American Statistical Association, 81, št. 396, str. 945–970. 67. Huber, M., Lechner, M. in Mellace, G. (2017). Why Do Tougher Caseworkers Increase Employment? The Role of Program Assignment as a Causal Mechanism. Review of Economics and Statistics, 99, št. 1, str. 180–183. 68. Huber, M., Lechner, M. in Steinmayr, A. (2015). Radius Matching on the Propensity Score With Bias Adjustment: Tuning Parameters and Finite Sample Behaviour. Empirical Economics, 49, št. 1, str. 1–31. 69. Huber, M., Lechner, M. in Strittmatter, A. (2018). Direct and indirect effects of training vouchers for the unemployed. Journal of the Royal Statistical Society: Series A (Statistics in Society), 181, št. 2, str. 441–463. 70. Huber, M., Lechner, M. in Wunsch, C. (2013). The performance of estimators based on the propensity score. Journal of Econometrics, 175, št. 1, str. 1–21. 71. Ichino, A. (2006). The problem of Causality in Microeconometrics. Bologna: EUI. 72. Imbens, G. in Angrist, J. (1994). Identification and Estimation of Local Average Treatment Effects. Econometrica, 62, št. 4, str. 467–476. 73. Južnik Rotar, L. (2011). Effectiveness of the public work program in Slovenia. Managing global transitions, 9, št. 3, str. 275–287. 74. Južnik Rotar, L. (2012). Evaluating the effectiveness of an institutional training program in Slovenia : a comparison of methods. South east European journal of economics and business, 7, št. 2, str. 43–51. 75. Južnik Rotar, L. (2012a). How effective is the Slovenian institutional training program in improving youth's chances of reemployment? Eastern European economics, 50, št. 3, str. 94–106. 76. Južnik Rotar, L. (2018). What are the Treatment Effects of a Work-First Participation Programme on Young Unemployed People in the Netherlands? Accepted for publication in the Journal Panoeconomicus. 77. Južnik Rotar, L. (2018a). The Effects of Expenditures for Labour Market Policy on Unemployment Rate. Accepted for publication in the Journal Business Systems Research. 78. Kluve, J. (2010). The effectiveness of European active labor market programs. Labour Economics, 17, št. 6, str. 904–918. 79. Kluve, J. (2016). A review of the effectiveness of active labour market programmes with a focus on Latin America and the Caribbean. ILO Working Papers. Geneva. ILO. International Labour Organization. 101 80. Kluve, J. in Schmidt, C. (2002). Can Training and Employment Subsidies Combat European Unemployment? Economic Policy, 35, št. 1, str. 411–448. 81. LaLonde, R. (1986). Evaluating the Econometric Evaluations of Training Programs with Experimental Data. American Economic Review, 76, št. 4, str. 604–620. 82. LaLonde, R. in Maynard, R. (1987). How Precise are Evaluations of Employment and Training Programs: Evidence from a Field Experiment. Evaluation Review, 11, št. 4, str. 428–451. 83. Lechner, M. (1999). Identification and Estimation of Causal Effects of Multiple Treatments Under the Conditional Independence Assumption. Discussion Paper 9908. University of St. Gallen. 84. Lechner, M. in Wunsch, C. (2013). Sensitivity of matching-based program evaluations to the availability of control variables. Labour Economics, 21, str. 111–121. 85. Lechner, M. in Strittmatter, A. (2017). Practical procedures to deal with common support problems in matching estimation. Accepted for publication in the Journal Econometric Reviews. 86. Lee, M. J. (2005). Microeconometrics for Policy, Program and Treatment Effects. Oxford: Oxford University Press. 87. Leuven, E. in Sianesi, B. (2003). PSMATCH2: Stata module to perform full Mahalanobis and propensity score matching, common support graphing, and covariate imbalance testing. Boston: Boston College Department of Economics. 88. Leeuw, F. L. (2012). Theory based evaluation. Luxembourg: Publication Office of the European Union. 89. Maddala, G. S. (1983). Limited Dependent and Qualitative Variables in Econometrics. Cambridge: Cambridge University Press. 90. Martin, J. in Grubb, D. (2001). What Works and for Whom: A Review of OECD Countries' Experiences With Active Labour Market Policies. Swedish Economic Review, 8, št. 2, str. 9–56. 91. MDDSZ (2015). Smernice za izvajanje ukrepov aktivne politike zaposlovanja za obdobje 2016- 2020. Ljubljana: Ministrstvo za delo, družino, socialne zadeve in enake možnosti. 92. Morris, S., Tödtling-Schönhofer, H. in Wiseman, M. (2013). Design and commissioning of counterfactual impact evaluations. Luxembourg: Publication Office of the European Union. 93. OECD (2015). Slovenia. The growth effects of structural reform. Paris: OECD. 94. OECD (2015a). Employment. Active labour market policies to fight youth and long-term unemployment. Slovenia policy brief. Paris: OECD. 95. OECD (2016). Connecting people with jobs: the labour market, activation policies and disadvantaged workers in Slovenia. Paris: OECD. 96. OECD (2017). OECD Economic Surveys. Slovenia. Paris: OECD. 97. OECD (2017a). Economic outlook. Paris: OECD. 98. O'Leary, C. et al. (2001). Manual on Evaluation of Labour Market Policies in Transition Economies. Geneva: ILO. 99. Rosenbaum, R. (2015). How to See More in Observational Studies: Some New Quasi-Experimental Devices. Annual Review of Statistics and Its Application, 2, št. 1, str. 21–48. 100. Rosenbaum, P. in Rubin, D. (1983). The Central Role of Propensity Score in Observational Studies for Causal Effects. Biometrika, 70, št. 1, str. 41–55. 101. Rosenbaum, P. in Rubin, D. (1984). Reducing Bias in Observational Studies Using Subclassification on the Propensity Score. Journal of the American Statistical Association, 79, št. 387, str. 516–524. 102 102. Rosenbaum, P. in Rubin, D. (1985). Constructing a Control Group Using Multivariate Matched Sampling Methods that Incorporate the Propensity Score. The American Statistician, 39, št. 1, str. 33–38. 103. Roy, A. (1951). Some Thoughts on the Distribution of Earnings. Oxford Economic Papers, 3, št. 2, str. 135–146. 104. Rubin, D. (1973). The Use of Matched Sampling and Regression Adjustment to Remove Bias in Observational Studies. Biometrics, 29, št. 1, str. 185–203. 105. Rubin, D. (1974). Estimating Causal Effects of Treatments in Randomized and Non-randomized Studies. Journal of Educational Psychology, 66, št. 5, str. 688–701. 106. Rubin, D. (1977). Assignment to Treatment Group on the Basis of a Covariate. Journal of Educational Statistics, 2, št. 1, str. 1–26. 107. Rubin, D. (1979). Using Multivariate Matched Sampling and Regression Adjustment to Control Bias in Observational Studies. Journal of the American Statistical Association, 74, št. 366, str. 318– 328. 108. Rubin, D. in Thomas, N. (1992). Characterizing the Effect of Matching Using Linear Propensity Score Methods with Normal Covariates. Biometrika, 79, št. 4, str. 797–809. 109. Sage, D. (2015). Do Active Labour Market Policies Promote the Well-Being, Health and Social Capital of the Unemployed? Evidence from the UK. Social Indicators Research, 124, št. 2, str. 319– 337. 110. Schmertmann, C. (1994). Selectivity Bias Correction Methods in Polychotomous Sample Selection Models. Journal of Econometrics, 60, št. 1-2, str. 101–132. 111. Schmid, G., O'Reilly, J. in Schömann, K. (1996). International Handbook of Labour Market Policy and Evaluation. Cheltenham: Edward Elgar. 112. Schmidl, R. (2015). The Effectiveness of Early Vacancy Information in the Presence of Monitoring and ALMP. IZA Discussion Paper No. 9575. Bonn: IZA Institute of Labor Economics. 113. Shaikh, A. M. et al. (2009). A specification test for the propensity score using its distribution conditional on participation. Journal of Econometrics, 151, št. 1, str. 33–46. 114. Stuart, E. A. (2010). Matching Methods for Causal Inference: A Review and a Look Forward. Statistical Science, 25, št. 1, str. 1–21. 115. SURS (2010). Politika trga dela. Metodološka pojasnila. Ljubljana: Statistični urad Republike Slovenije. 116. Tisch, A. in Wolff, J. (2015). Active labour market policy and its outcomes: Does workfare programme participation increase self-efficacy in Germany? International Journal of Sociology and Social Policy, 35, št. 1-2, str. 18–46. 117. Turrini, A. et al. (2015). A decade of labour market reforms in the EU: insights from the LABREF database. IZA Journal of Labor Policy, 4, št. 1, str. 1–33. 118. Verbeek, M. (2004). A Guide to Modern Econometrics. Chichester: John Wiley & Sons. 119. Vikström, J., Rosholm, M. in Svarer, M. (2013). The effectiveness of active labor market policies: Evidence from a social experiment using non-parametric bounds. Labour Economics, 24, str. 58– 67. 120. Vodopivec, M. (2013). Introducing unemployment insurance to developing countries. IZA Journal of labor policy, 2, št. 1, str. 1–23. 121. Vooren, M. et al. (2017). The Effectiveness Of Active Labor Market Policies: A Meta-Analysis. TIER Working paper series. Amsterdam: University of Amsterdam. 103 122. Zieliński, M. (2015). Unemployment and Labor Market Policy in Visegrad Group Countries. Equilibrium. Quarterly Journal of Economics and Economic Policy, 10, št. 3, str. 185–201. 123. Wooldridge, J. M. (2002). Econometric Analysis of Cross-Section and Panel Data. Cambridge, MA: MIT Press. 124. Wulfgramm, M. in Fervers, L. (2015). Unemployment and subsequent employment stability: does labour market policy matter? Socio-Economic Review, 13, št. 4, str. 791–812. 104 8 VIRI 1. Eurostat (2018). Eurostat database. Spletna stran: http://ec.europa.eu/eurostat/data/database [Citirano 23. 2. 2018 ob 12.40 uri]. 2. Evropska strategija zaposlovanja (2018). Bruselj: Evropska komisija. Spletna stran: http://ec.europa.eu/social/main.jsp?catId=101&langId=sl [Citirano 21. 2. 2018 ob 10.30 uri]. 3. Priporočilo Sveta EU – širše smernice ekonomskih politik držav EU in celotne EU (2015). Luxembourg: Svet EU. Spletna stran: http://publications.europa.eu/resource/cellar/627100ad-b33f- 4695-b687-8d540cc42d16.0023.02/DOC_2 [Citirano 21. 2. 2018 ob 13.17 uri]. 4. Sklep Sveta EU – smernice za politike zaposlovanja držav članic EU (2015). Luxembourg: Svet EU. Spletna stran: http://publications.europa.eu/resource/cellar/f8ee454a-730a-11e5-9317-01aa75 ed71a1.0021.03/DOC_1 [Citirano 21. 2. 2018 ob 13.35 uri]. 5. Sporočilo Evropske komisije - Evropa 2020 Strategija za pametno, trajnostno in vključujočo rast (2010). Bruselj: Evropska komisija. Spletna stran: http://publications.europa.eu/resource/cellar /8d8026dc-d7d7-4d04-8896-e13ef636ae6b.0024.02/DOC_2 [Citirano 21. 2. 2018 ob 11.30 uri]. 6. Statistični urad Republike Slovenije. Podatkovna baza SI-STAT. Spletna stran: http://pxweb.stat.si/ pxweb/dialog/statfile2.asp [Citirano 26. 2. 2018 ob 11.30 uri]. 7. Uradni list EU (2013). Uradni list 2013/C 120/01. Spletna stran: http://eur-lex.europa.eu/legal-content /SL/TXT/HTML/?uri=CELEX:32013H0426(01)&from=EN [Citirano 22. 2. 2018 ob 10.35 uri]. 8. Zakon o urejanju trga dela. Uradni list RS, št. 80/2010. Spletna stran: https://www.uradni- list.si/glasilo-uradni-list-rs/vsebina/100223 [Citirano 24. 2. 2018 ob 16.30 uri]. 9. Zavod Republike Slovenije za zaposlovanje. Spletna stran: https://www.ess.gov.si/trg_dela [Citirano 28. 2. 2018 ob 19.30 uri]. 105 RECENZIJA 1 Celotna monografija potrjuje, da živimo v času hitrih gospodarskih, političnih in kulturnih sprememb. Hitrost teh sprememb in posledice vse večje globalizacije se odražajo v poslovnem okolju ter na trgu dela, kakor tudi v samih organizacijah. V tern kontekstu je potrebno umestiti vsa razmišljanja o ciljih za prihodnost. Pričujoče delo izhaja iz dejstva, da so v smernicah za izvajanje ukrepov aktivne politike zaposlovanja v Sloveniji v obdobju 2016–2020 zapisani kazalniki za spremljanje in vrednotenje učinkovitosti ukrepov aktivne politike zaposlovanja. Nanašajo se na kazalnike za zmanjševanje števila dolgotrajno brezposelnih oseb, na kazalnike za spremljanje hitrejše aktivacije brezposelnih oseb ter na kazalnike za spremljanje odprave strukturnih neskladij na trgu dela. Interes za neodvisno raziskovanje učinkovitosti aktivnih politik zaposlovanja in tudi takega, ki temelji na sodobnejših ekonometričnih pristopih, bi moral biti še toliko večji, saj so proračunska sredstva, ki jih država namenja politikam zaposlovanja, sorazmerno visoka. Motivacija za vzročno sklepanje je še posebej močna, kadar gre za vprašanje vpliva državnih ukrepov (posegov, intervencij) in/ali zasebnih odločitev na določene izide. Kot primer avtorica navaja vpliv programov zaposlovanja na verjetnost (ponovne) zaposlitve, vpliv transfernih plačil na ponudbo dela, vpliv zdravstvenega zavarovanja na koriščenje zdravstvene oskrbe. V mnogih primerih vzročne spremenljivke same po sebi odražajo individualne odločitve in so taka potencialno endogene. Kadar ekonometrične ocene in sklepanje temeljijo na opazovanih podatkih (navadno je to najpogostejši in najobičajnejši primer) nam sama identifikacija in sklepanje glede vzročnih parametrov lahko povzročata veliko težav. Te težave so lahko manj problematične, če se analiza vzročnosti nanaša na uporabo podatkov kontroliranega družbenega eksperimenta, pri čemer velja, da so kontrolirani družbeni eksperimenti zelo dragi in posledično tudi redki. Avtorica je celotno monografijo razdelila v šest vsebinskih poglavij. Prvo poglavje predstavlja uvod v delo. V drugem poglavju tega dela je predstavljena aktivna politika zaposlovanja. Prva polovica poglavja je namenjena evropski strategiji zaposlovanja, katere glavni namen je ustvarjanje novih in kakovostnih delovnih mest v EU, in je sestavni del strategije za gospodarsko rast Evropa 2020. Cilj te strategije je zagotoviti, da bo po gospodarski in finančni krizi gospodarska oživitev EU podprta z vrsto reform in bo do leta 2020 zgrajena trdna podlaga za rast in ustvarjanje delovnih mest. Strategija poleg strukturnih pomanjkljivosti gospodarstva EU ter gospodarskih in socialnih vprašanj upošteva tudi dolgoročnejše težave zaradi globalizacije, pritiskov na vire in staranja prebivalstva. V skladu s strategijo za gospodarsko rast Evropa 2020 bi le-ta morala omogočiti, da EU doseže rast, ki bo pametna (z razvojem znanja in inovacij), ki bo trajnostna (na podlagi bolj konkurenčnega in zelenega gospodarstva, ki učinkoviteje izkorišča vire), ki bo vključujoča (namenjena krepitvi zaposlenosti ter socialne in teritorialne kohezije). Druga polovica poglavja pa je namenjena aktivni politiki zaposlovanja v Sloveniji. Podlage za izvajanje ukrepov aktivne politike zaposlovanja predstavljajo smernice za izvajanje ukrepov aktivne politike zaposlovanja, načrt za izvajanje ukrepov aktivne politike zaposlovanja in katalog ukrepov aktivne politike zaposlovanja. 106 V tretjem poglavju avtorica obravnava evropsko statistiko politik trga dela in se nanaša na posege na trgu dela, katerih cilj je doseči učinkovito delovanje trga dela in odpravljati neravnotežja na trgu dela. Razlikujejo se od splošnih posegov zaposlitvene politike v tem, da delujejo selektivno in favorizirajo določene skupine oseb na trgu dela. Gre za raziskovanje evropskega statističnega urada (v nadaljevanju Eurostat) ki zagotavlja informacije o posegih na trgu dela, ki se kažejo kot mehanizmi vlade, ki brezposelnim osebam in drugim ranljivim brezposelnim osebam na trgu dela omogočajo lažji prehod iz stanja brezposelnosti ali neaktivnosti v zaposlitev. Osrednjo temo tega dela predstavljajo izhodišča ocenjevanja vzročnih učinkov. Vzročni parametri, ki temeljijo na oblikovanih protidejstvenikih, omogočajo statistično pomembne in smiselne definicije vzročnosti. Prednosti tega pristopa se kažejo v tem, da pri idealnih vzorcih vodi v poenostavitev ekonometričnih metod. Ne osredotoča se na vse vzročne parametre, pač pa samo na tiste, za katere se predpostavlja, da so za ekonomsko politiko ustrezni. Nenazadnje omogoča tak pristop dodaten vpogled v lastnosti vzročnih parametrov. Sorazmerno novejša veja v mikroekonometrični literaturi - gre za ocenjevanje programov ­ zagotavlja statistični okvir za ocenjevanje vzročnih parametrov. V tem poglavju opisani pristopi predstavljajo podlage za ocenjevanje učinkovitosti programov zaposlovanja. Tudi Evropska komisija v svojih smernicah za programsko obdobje 2014–2020 izpostavlja potrebo po kulturi ocenjevanja in politiki, ki temelji na dejstvih. Pozornost je usmerjena v doseganje zastavljenih rezultatov z jasnimi in merljivimi programskimi cilji. Politika, ki temelji na dejstvih, je pravzaprav globalni trend, ki ga označuje prehod od inputov k izidom in rezultatom. Področje ocenjevanja učinkov spada v področje komplementarnih metod, ki podpirajo politiko na temelju dejstev. Kvantitativno ocenjevanje učinkov odgovarja na vprašanje, kakšen je vzročni učinek posega/programa ali intervencije, ki jo ocenjujemo. Ker so naključni eksperimenti redki zaradi moralnih, etičnih in drugih razlogov, je potrebno za oceno vzročnega učinka izbrati druge pristope, ki temeljijo na uporabi protidejstvenika. Protidejstvenik odgovori na vprašanje, kakšni so učinki za udeležence v posegu/programu/intervenciji, če ti ne bi bili vključeni v poseg/program/intervencijo. Evropska komisija podpira sodobne smernice vrednotenja učinkov politike na podlagi dejstev tudi v svojih pravnih in metodoloških podlagah. Zaradi omejitev proračuna in vprašanja učinkovite porabe javnih sredstev so težnje po ocenjevanju učinkov in uporabi politike, ki temelji na dejstvih, vse bolj očitne. Pomembnost tega se kaže ne samo v razvoju stroke in razvoju kulture ocenjevanja, pač pa tudi v pomenu za gospodarstvo in družbo. Rezultati tovrstnih študij so lahko podlaga za razvoj in sprejemanje ekonomskih politik na trgu dela, so lahko strokovna podlaga snovalcem ekonomske politike, pri snovanju politike na trgu dela, še posebej pri spodbujanju produktivnega, fleksibilnega zaposlovanja. Rezultati študij so lahko podlaga za bolj učinkovito razporeditev denarnih sredstev kot tudi bolj učinkovito alokacijo dela kot proizvodnega dejavnika, s čimer se lahko poveča produktivnost, gospodarska rast in posledično blaginja v družbi. V celoti gledano je tekst, ki sem ga recenziral, vsebinsko primerno povezan in strukturiran, sodobno in za predvidene namene razumljivo, pregledno ter prepričljivo napisan. Gre za tekst, ki lahko služi kot referenčno delo tako za študente, kot tudi za deležnike oblikovanja ukrepov na trgu dela ter za ožjo in širšo strokovno javnost. 107 Uporabljene so različne metode znanstvenega aparata: avtorica smiselno in v kontekstu povzema mednarodne študije z relevantnih področij na različnih ravneh. Te se prepletajo s predhodno opravljenimi izvirnimi teoretičnimi in empiričnimi študijami sodobnih avtorjev, ki so eksplanatorne in konfirmatorne narave, zlasti pa z lastnimi raziskavami, ki jih je opravila avtorica. Ugotavljam, da je monografija znanstvena, saj gre za publikacijo, v kateri se znanstveno sistematično, izčrpno in vseobsegajoče obravnava problem aktivne politike zaposlovanja in ocenjevanja vzročnih učinkov. Predvsem je opazno vsebinsko sveže pojasnjevanje novih pojmov, povezav in tudi dilem, povezanih s procesi ocenjevanja vzročnih učinkov. Glede na vsebino monografije, način podajanja ključnih vsebinskih delov in glede na znanstveno ter strokovno primernost utemeljitev in pojasnjevanj, ki jih je avtorica uporabljala, je nedvomno mogoče ugotoviti, da je recenzirani tekst primeren in skladen z nameni, ki jih mora dosegati znanstvena monografija na obravnavanem področju. Le sodobno in v prakso usmerjeno znanje, skupaj z dejanskim razumevanjem in uporabo procesov in pojmov, ki jih pregledno in prepričljivo pojasnjuje vsebina teksta, namreč nudi možnosti za sprejemanje učinkovitih ekonomskopolitičnih in poslovnih odločitev v vse bolj konkurenčnem in odprtem gospodarskem okolju Slovenije. Izr. prof. dr. Vito Bobek 108 RECENZIJA 2 Znanstvena monografija dr. Laure Južnik Rotar pod naslovom Aktivna politika zaposlovanja in ocenjevanje vzročnih učinkov odraža sodobno in aktualno vsebino. Izhaja iz opredelitve aktivne politike zaposlovanja, katere cilj je povečati zaposlitvene priložnosti za iskalce zaposlitve in izboljšati ujemanje med prostimi delovnimi mesti in iskalci zaposlitve oziroma brezposelnimi osebami. Aktivna politika zaposlovanja lahko tako prispeva h gospodarski rasti in zmanjšanju brezposelnosti ter odvisnosti od socialnih transferjev. Gre za poseg na trgu dela, ki velja za ključno komponento strategije aktivacije brezposelnih oseb in kot tak lahko prispeva k doseganju cilja stopnje zaposlenosti prebivalstva zapisanega v strategiji za gospodarsko rast Evropa 2020. Zaradi proračunskih omejitev in vprašanja učinkovite porabe javnih sredstev so težnje po ocenjevanju učinkov posegov na trgu dela in politiki, ki temelji na dejstvih, vse bolj očitne, saj usmerjenost v politiko, ki temelji na dejstvih, izpostavlja tudi Evropska komisija v svojih smernicah za programsko obdobje 2014–2020. Področje ocenjevanja vzročnih učinkov spada v področje komplementarnih metod, ki podpirajo politiko na temelju dejstev. Ker so naključni eksperimenti redki, je potrebno za oceno vzročnega učinka izbrati druge, sodobnejše ekonometrične pristope, ki temeljijo na uporabi protidejstvenika. Avtorica pregledno in sistematično obravnava aktivno politiko zaposlovanja in ocenjevanje vzročnih učinkov v š estih poglavjih. Prvo poglavje je uvodno poglavje. Drugo poglavje prikaže aktivno politiko zaposlovanja, temeljne in strateške dokumente, aktualne probleme trga dela, ključne ciljne skupine znotraj aktivne politike zaposlovanja, opredeljene v skladu z Evropsko strategijo zaposlovanja na ravni Evropske unije in Slovenije ter na analitičen način z uporabo podatkov Evropskega statističnega urada, Statističnega urada Republike Slovenije in Zavoda Republike Slovenije za zaposlovanje prikaze značilnosti trga dela v Evropski uniji in Sloveniji. Temu sledi pregled literature na področju ocenjevanja učinkovitosti aktivnih politik zaposlovanja ter primerjava mikroekonometričnih in makroekonometričnih pristopov k ocenjevanju učinkov aktivne politike zaposlovanja. Tretje poglavje prikaže evropsko statistiko politik trga dela in preko statistično- analitičnega pristopa in kazalcev prikaže in primerja izdatke za posege na trgu dela in udeležence v posegih na trgu dela za države članice Evropske unije ter primerja izdatke za ukrepe in podpore na trgu dela s stopnjo brezposelnosti. Četrto poglavje je namenjeno pregledu izhodišč in ekonometričnih podlag za ocenjevanje vzročnih učinkov. Peto poglavje izpostavi prihodnje trende - potrebo po kulturi ocenjevanja, medtem ko je v š estem poglavju zapisan zaključek. Temu sledijo literatura in viri. Prispevek monografije se kaže ne samo v razvoju stroke in razvoju kulture ocenjevanja, pač pa tudi v pomenu za gospodarstvo in družbo. Rezultati tovrstnih š tudij so lahko podlaga za razvoj in sprejemanje ekonomskih politik na trgu dela, so lahko strokovna podlaga snovalcem ekonomske politike, podlaga za bolj učinkovito razporeditev javnih sredstev kot tudi bolj učinkovito alokacijo dela kot proizvodnega dejavnika. Prof. dr. Štefan Bojnec 109 Document Outline 1 UVOD 2 AKTIVNA POLITIKA ZAPOSLOVANJA 2.1 EU in aktivna politika zaposlovanja 2.1.1 Segmentacija trga dela 2.1.2 Uspešnost izobraževalnega sistema 2.1.3 Pridobivanje kvalitetnih delovnih izkušenj 2.1.4 Sposobnost zavoda za zaposlovanje pri nudenju storitev in podpore, ciljane na mlade ljudi 2.2 Slovenija in aktivna politika zaposlovanja 2.2.1 Starejši na trgu dela 2.2.2 Mladi 2.2.3 Dolgotrajno brezposelni 2.2.4 Nizko izobraženi na trgu dela 2.2.5 Gospodarska napoved za Slovenijo 2.2.6 Smernice aktivne politike zaposlovanja za obdobje 2016-2020 2.2.7 Vrednotenje ukrepov aktivne politike zaposlovanja v obdobju 2016-2020 2.2.8 Sredstva za aktivno politiko zaposlovanja 2016-2020 2.3 Ocenjevanje učinkovitosti aktivne politike zaposlovanja 3 EVROPSKA STATISTIKA POLITIKE TRGA DELA 4 IZHODIŠČA ZA OCENJEVANJE VZROČNIH UČINKOV 4.1 Formalni okvir in temeljni problem vzročnega sklepanja 4.1.1 Rubinov vzročni model 4.1.2 Statistična rešitev problema vzročnosti 4.2 Problem pristranskosti izbire 4.3 Mikropodatki 4.3.1 Opazovani podatki 4.3.2 Podatki iz družbenih eksperimentov 4.3.3 Podatki iz naravnih eksperimentov 4.4 Konvencionalne metode 4.4.1 Cenilka OLS 4.4.2 Cenilka IV 4.4.3 Modeli z endogeno nepravo spremenljivko 4.5 Matching metode 4.5.1 Izhodišča in predpostavke 4.5.2 Učinki obravnave in pristranskost izbire 4.5.3 Matching cenilka in cenilka verjetnosti izida 5 PRIHODNJI TRENDI – POTREBA PO KULTURI OCENJEVANJA 6 ZAKLJUČEK 7 LITERATURA 8 VIRI UNM_naslovnica_publikacije1.pdf Page 1 Page 2 Prazna stran Prazna stran Prazna stran UNM_naslovnica_publikacije2.pdf Page 1 Page 2