TYÖAJANODOTTEET Markku Nurminen Helsingin Yliopisto MarkStat Consultancy Eläketurvakeskus 28.10.2010 1
TERMINOLOGIA Työajanodote (Työterveyslaitos) Tietynikäisen henkilön odotettavissa oleva aika työllisenä olettaen, että riski siirtyä pois työelämästä ei tulevan uran aikana muutu. (Kielitoimiston sanakirjan (2006) uusi sana.) Työvuosien odotusarvo (Tilastokeskus) Työllisen ajan odote (Kansaneläkelaitos, Eläketurvakeskus) Working Life Expectancy [WLE] (Australian National University) Duration of Working Life [DWL] (EU Commission) 2
JULKAISUJA KANSANELÄKELAITOS, TYÖMINISTERIÖ Helka Hytti and Ilkka Nio. Monitoring the employment strategy and the duration of active working life. Social security and health research: working papers 38, Finnish Ministry of Labour, 2004. Helka Hytti. Työssäoloa voidaan pidentää pohjoismaiselle tasolle, mutta millä mittarilla ja millä keinoin? Työvoimapoliittinen Aikakauskirja 2/2009; 67-77. TILASTOKESKUS Pekka Myrskylä. Ikääntyvien odotettavissa olevat työvuodet, työpanos ja työaika. Teoksessa: Tallella ikä eletty... Ikääntyminen tilastoissa. Toimittanut Pekka Myrskylä. Helsinki: Tilastokeskus, 2005, 64-72. TYÖYERVEYSLAITOS, AUSTRALIAN NATIONAL UNIVERSITY Markku M. Nurminen, Christopher R. Heathcote, Brett A. Davis, Borek D. Puza. Working life expectancies: the case of Finland 1980-2006. Royal Statistical Society Series A (Statistics in Society), 2005: 168, 567-581. Markku M. Nurminen, with Brett A. Davis, Christopher R. Heathcote, Tuula Nurminen and Borek D. Puza. Working Life Expectancy Estimating Future Employment Time and Health State Transitions. Helsinki: Finnish Institute of Occupational Health, 2008. ELÄKETURVAKESKUS Jari Kannisto. Eläkkeellesiirtymisikää ja työuraa tai työuran pituutta koskevia tilastollisia mittareita. 16.4.2009. Helsinki: Eläketurvakeskuksen selvityksiä 1/2010:89-97. Uusitalo ym. Myöhemmin eläkkeelle selvityksiä ja laskelmia. Arto Laesvuori. Työuran kesto EU-maissa (pdf). Helsinki: Eläketurvakeskus, Tiedote 27.1.2010. EUROPEAN COMMISSION, ECONOMIX RESEARCH & CONSULTING Kurt Vogler-Ludwig. Monitoring the duration of active working life in the European Union. Final Report. Study for the European Commission. Employment, Social Affairs and Equal Opportunities DG, Munich: 19 August 2009. 3
SUOSITUKSET Tutkimus (Economix) suosittelee DWL-indikaattoreita käytettäväksi yhtenä työmarkkinoiden perusmittarina EU:ssa (EUROSTAT) ja kansallisilla tasoilla. Tarkastelluista mittareista tärkeimmäksi arvioitiin duration of active working life eli työvoimaan (työlliset ja työttömät) kuulumisajanodote. Otoksista laskettujen odotteiden keskivirheet tulisi esittää, esim. Davis ym. menetelmillä WLE-mittarille. Dynaamisen, usean vuoden aineiston samanaikainen monitilainen regressio-analyysi on informatiivisempi kuin 1-v. tapahtumataulun prevalenssi-laskenta. 4
AINEISTOT - MALLIT - MENETELMÄT Poikkileikkaustutkimuksen aineisto Tilassa (työllinen, työtön, eläkkeellä, kuollut) oloaika, stationaarinen malli Reunatodennäköisyydet (marginal probabilities), Aktuaarinen tapahtumataulu (life-table) -tekniikka (Sullivan 1971) Seurantatutkimuksen aineisto (kohortti) Tilasta toiseen siirtymisajat, dynaaminen malli Siirtymätodennäköisyydet (log-odds of transition probabilities) Multiple decrement -malli, jatkuva-aikainen Markov-prosess, (Hoem 1977) Monitilainen, diskreetti-aikainen Markov-prosessi (Davis 2001, 2002, 2003) Davis BA et al. Estimating cohort health expectancies from cross-sectional surveys of disability Statistics in Medicine 2001 Davis BA et al. Estimating and interpolating a Markov chain from aggregate data Biometrika 2002 Davis BA Inference for Discrete Time Stochastic Processes using Aggregated Survey Data Canberra: The Australian National University (Thesis) 2003. 5
MENETELMIEN VERTAILU Prevalenssi-tekniikka (yleensä 1-vuoden tapahtumataulu) Osa-aineistojen erilliset poikkileikkausanalyysit (vuosi, ikä). Prevalenssiluvut voivat heijastaa menneitä työolosuhteita. Kohortin muutokset voidaan tulkita ikä-spesifisiksi muutoksiksi. Ei sovellu dynaamisten, monitilaisten tapahtumien analyysiin. Regressio-analyysi (monien vuosien stokastinen prosessi) Koko pitkittäisaineiston yhteinen kohorttianalyysi tai Poikkileikkausaineiston käsittely dynaamisena prosessina. Riippumattomista peräkkäisistä otoksista voi rekonstruoida pitkittäisaineiston tapahtumien olennaiset ominaispiirteeet. Ajallisesti epätasaiset tai pitkäväliset otokset vaikeuttavat siirtymätodennäköisyyksien estimointia. Stokastinen interpolaatio mahdollistaa pseudo-datan luomisen ja Markov-ketjun todennäköisyyksien estimoinnin 1:n askeleen polkuna. 6
MENETELMIEN VERTAILU Prevalenssi: Suhteelliset frekvenssit stokastisesti erittäin vaihtelevia. Otanta-aineiston jakaminen pieniin osa-aineistoihin voi tehdä estimoinnista epävarman tai mahdottoman. Regressio: Mallin sovitus mahdollistaa tilastollisen estimoinnin ja inferenssin suhteellisen pienistäkin (solun koko > 10) ositetuista aineistoista joista voidaan laskea (normaalinen) keskivirhe. Suurten otosten logistiseen regressiomalliin voidaan liittää termejä kuvaamaan aiempaa tietoa ja aineiston erityispiirteitä. Mallin avulla voidaan arvioida työllistämistoimenpiteiden (koulutus, starttiraha) vaikuttavuutta ja ennustaa esim. työllisyyden muutoksia lyhyellä aikaperspektiivillä. Työajanodote voi reagoida hitaasti työmarkkinoille osallistumisen muutoksiin, koska mittariin vaikuttaa väestön tapahtumat koko tarkastelujakson ajalta. Mutta mittari osoittaa selkeästi, onko kehitys työvoimapolitiikalle asetettujen tavoitteiden suuntainen. 7
Observed Probabilit y Surface for Employe d Males Cohort born during World War II: Lower prob. of employment later in life 0 0.2 0.4 0.6 0.8 1 Probability 2000 1995 1990 Year Economic recession in early 1990s 1985 1980 20 30 40 50 60 Age 10
MALLIIN SOVITETTU TODENNÄKÖISYYSPINTA SUOMEN TYÖLLISET MIEHET, 1980-2001 Kohortti-ilmiö 0 0.2 0.4 0.6 0.8 1 Probability 2000 Laman vaikutus 1995 1990 Year 1985 1980 20 30 40 50 60 Age
OSITETUT ELIN-/TYÖAJANODOTTEET SUOMALAISET MIEHET, 2000-2009 10
OSITETUT ELIN-/TYÖAJANODOTTEET SUOMALAISET NAISET, 2000-2009 11
NÄKEMYKSIÄ Työajanodotteet tulisi laskea Tilastokeskuksen jatkuvan työvoimatutkimuksen aineistosta. Prevalenssi-menetelmä soveltuu kuvailevaan tilastointiin, kun työajanodotteiden muutokset pitkällä aikavälillä ovat tasaisesti jatkuvia. Regressio-monitilamalleja tulisi kehittää tutkimuksiin, esimerkiksi analysoitaessa työllistämistoimenpiteiden vaikuttavuutta. 12