Sběr dat pro CIE
Oto Potluka
IREAS a VŠE Praha
HTTP://CIE.VSE.CZ
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
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
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
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)
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
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.
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.
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)
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/
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.
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).
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.
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)
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.
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.
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?)
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
Děkuji za pozornost
Oto Potluka
HTTP://CIE.VSE.CZ