+ All Categories
Home > Documents > Sběr dat pro CIE

Sběr dat pro CIE

Date post: 12-Jan-2016
Category:
Upload: aadi
View: 58 times
Download: 0 times
Share this document with a friend
Description:
Oto Potluka IREAS a VŠE Praha HTTP://CIE.VSE.CZ. Sběr dat pro CIE. Tři datové soubory pro CIE. Výzva Vzdělávejte se! - 3357 firem Grantové výzvy – 1481 podpořená firma Kontrolní skupina – 3000 – 4000 firem Odmítnutí žadatelé (obdobný sběr jako u grantových výzev). Dostupnost a sběr dat. - PowerPoint PPT Presentation
20
Sběr dat pro CIE Oto Potluka IREAS a VŠE Praha HTTP://CIE.VSE.CZ
Transcript
Page 1: Sběr dat pro CIE

Sběr dat pro CIE

Oto Potluka

IREAS a VŠE Praha

HTTP://CIE.VSE.CZ

Page 2: Sběr dat pro CIE

Tři datové soubory pro CIE

• Výzva Vzdělávejte se! - 3357 firem• Grantové výzvy – 1481 podpořená

firma• Kontrolní skupina – 3000 – 4000 firem• Odmítnutí žadatelé (obdobný sběr jako

u grantových výzev)

Page 3: Sběr dat pro CIE

Dostupnost a sběr dat

Data má již evaluační tým k dispozici (2007 – 2010)

Data jsou k dispozici, ale ještě nejsou sebrána (2007 – 2010)

Data určená pro sběr šetřením (a z nich vypočtená) (2007 – 2010)

XPříslušná proměnná není pro danou skupinu sledována

Page 4: Sběr dat pro CIE
Page 5: Sběr dat pro CIE

Databáze Albertina

(sběr pro všechny tři skupiny dat)

• Údaje z účetní rozvahy• Počet zaměstnanců (rozsah)• OKEČ / NACE• Právní forma podniku• Region působnosti• Doba existence firmy• Tržby

Page 6: Sběr dat pro CIE

Monit 7+(Grantové výzvy)

• Počet podpořených (vzdělávaných) osob z podpory OP LZZ

• Rozpočet na projekt (bohužel bez rozklíčování na administrativní a vzdělávací aktivity)

• Typ vzdělávání (viz dále)

• Údaje k hodnocení žádostí (počty bodů + identifikace)

Page 7: Sběr dat pro CIE

Monit 7+(Vzdělávejte se!)

• Počet vzdělávaných osob z podpory OP LZZ

• Rozpočet na konkrétní vzdělávání

• Typ vzdělávání (viz dále)

Pozn. U výzvy Vzdělávejte se! byla data poskytnuta přímo ŘO OP LZZ

Page 8: Sběr dat pro CIE

Sběr šetřením (2007 – 2012)Proměnná Popis proměnné

Počet zaměstnanců (přesný údaj)

Průměrný přepočtený počet zaměstnanců, zaokrouhlený na celé číslo Údaj uváděný v přiznání k dani z příjmů právnických osob v části K, řádek 2.

Počet zaměstnaných žen (přesný údaj)

Průměrný přepočtený počet zaměstnanců - žen, zaokrouhlený na celé číslo

Počet pracujících v podniku celkem

Jde o celkový počet osob, které byly zaměstnány v dané firmě, bez ohledu na to, jak velký pracovní úvazek měli, nebo jak tým úvazku měli (pracovní smlouva, DPČ, DPP,…)

Rozpočet na vzdělávání

Celková částka prostředků vyplacených na vzdělávání zaměstnanců

Počet vzdělávaných osob celkem

Celkový počet osob, který v daném podniku prošel vzděláváním.

Page 9: Sběr dat pro CIE

Způsob šetřeníZdroje dat a možnosti:

1.Data od ČSÚ: VŠE a ČSÚ mají rámcovou dohody (řešila by kontrolní skupinu, případně i podpořené podniky).

2.Kombinace 1. s přímým oslovením podpořených podniků.

3.Sběr u Svazu průmyslu a dopravy ČR (1600 členů pro kontrolní skupinu) + další svazy.

4.Přímé oslovení všech podniků.

Page 10: Sběr dat pro CIE

Typ vzdělávání „Vzdělávejte se!“

Jde o základní rozdělení typů na 6 okruhů:

• ICT (součet MsOffice a ICT + ostatní): Obsluha počítače (kód 11); MsOffice (kód 12); ICT – ostatní (např. programování CAD) (kód 13)

• Jazykové vzdělávání (kód 2)

• Měkké dovednosti – psychologie (např. komunikační dovednosti, leadership, proškolení dílenských mistrů, apod.) (kód 3)

Page 11: Sběr dat pro CIE

Typ vzdělávání – pokračování „Vzdělávejte se!“

• Výuka dovedností – manuální dovednosti (např. sváření, obrábění, obsluha CNC strojů, řízení specifických strojů apod.) (kód 4)

• Legislativní vzdělávání (zákoník práce, BOZP, daňová a účetní legislativa) (kód 5)

• Ostatní (kód 6) – /hlavně kvůli kontrole/

Page 12: Sběr dat pro CIE

Poznámky k typu vzdělávání „Vzdělávejte se!“

Pokud jde o jazykové vzdělávání, má přednost před tím, o čem vzdělávání je.

Data jsou členěna dle dohod o vzdělávání, tudíž víme i částku a počet účastníků konkrétního vzdělávání

Vzdělání není specifické a obecné ve vztahu k firmě, tj. použitelné jen u jedné firmy (spec.) a použitelné kdekoli (obec.). Je dělitelné na specifické dle oboru a obecné napříč obory.

Page 13: Sběr dat pro CIE

Typ vzdělávání grantové výzvy

Informace z Monit7+ v žádosti v kapitole 2. Identifikace projektu, v části Stručný obsah projektu; 8. Klíčové aktivity. Je nutné pročíst všechny žádosti.

Typ vzdělávání je ve formě dummy proměnné, tj. zda daný typ byl (1), či nebyl realizován (0).

Page 14: Sběr dat pro CIE

Typ vzdělávání Grantové výzvy

Informaci o vzdělávání naleznete jednak v kapitole 2-Identifikace projektu, v části Stručný obsah projektu. Ne vždy to tam je ale popsáno. Pak vám pomůže část 8. Klíčové aktivity. Tam už by to mělo být určitě.

Page 15: Sběr dat pro CIE

Propensity score matchingPro probit regresi bude použito následujících

proměnných:

• Pohledávky za upsaný základní kapitál (A) (aktiva)

• Dlouhodobý majetek (B) (aktiva)

• Oběžná aktiva (C) (aktiva)

• Časové rozlišení (D.I.) (aktiva)

• Vlastní kapitál (A) (pasiva)

• Cizí zdroje (B) (pasiva)

• Časové rozlišení (C.I.) (pasiva)

Page 16: Sběr dat pro CIE

Propensity score matching

• Počet zaměstnanců (jde o rozsah), lepší by byl Počet zaměstnanců (přesný údaj)

• Počet pracujících v podniku celkem – zatím ho nemáme, případně ho vyřadíme z PSM.

• OKEČ / NACE (kategoriální proměnná)

• Právní forma podniku (kategoriální proměnná)

• Region působnosti (NUTS II) (kategoriální proměnná)

• Doba existence firmy (od založení) – v letech.

Page 17: Sběr dat pro CIE

Propensity score matching

• Plánováno je použití „Přiřazení k nejbližšímu sousedu bez vyřazování“ (Nearest Neighbour Matching without replacement“

• Pro diskusi o kvalitě odhadů plánujeme vyzkoušet i další metody (s vyřazováním; Radius Matching a Kernel Matching)

Pozn.: Ostatně i Evalsed zmiňuje pragmatické vyzkoušení všech možných metod.

Page 18: Sběr dat pro CIE

Metoda instrumentálních proměnných (1)

Metoda vyžaduje instrumentální proměnnou, která:

1. ovlivňuje pravděpodobnost získání podpory (testovatelný předpoklad)

- Pokud instrument je špatným (nevýrazným) prediktorem získání podpory, pak jsou výsledky nespolehlivé (vysoké směrodatné odchylky parametrů)

2. ale neovlivňuje ekonomický dopad podpory (netestovatelný předpoklad „assumption“

- Pokud není k dispozici více instrumentů

- Pokud neplatí předpoklad 2, pak jsou výsledky chybné

V tomto projektu chceme primárně využít identifikátory hodnotitelů jako instrumentu

Možná budeme uvažovat i alternativy (znečištění ovzduší v den setkání hodnotící komise?)

Page 19: Sběr dat pro CIE

Metoda instrumentálních proměnných (2)

• Kromě instrumentu jsou datové nároky podobné jako u ostatních regresních metod- Závislá proměnná (zaměstnanost, zisk, tržby) - Nejlépe v

relativním vyjádření (% změna)- Vysvětlující proměnné, typicky: Region, odvětví

(kategoriální); Stáří firmy (v letech); Právní forma (kategoriální); Výše podpory

• Metodu lze aplikovat:- parametricky: Předpokládá se funkční (např. lineární) vztah

mezi indikátorem a vysvětlujícími proměnnými- neparametricky: Robustní vůči funkční specifikaci, ale je

potřeba hodně dat, aby byly výsledky spolehlivé

Page 20: Sběr dat pro CIE

Děkuji za pozornost

Oto Potluka

HTTP://CIE.VSE.CZ


Recommended