Dorota Bartosińska-Kowalska, Anna Jakiewicz-Siwek Próba analizy sezonowości bezrobocia w Polsce i w województwie lubelskim w latach

Podobne dokumenty
Ekonometryczna analiza popytu na wodę

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

Robert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce

ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO

Analiza dynamiki. Sesja Cena akcji 1 42,9 2 41, ,5 5 41, , ,5

3. Modele tendencji czasowej w prognozowaniu

Przykład 2. Stopa bezrobocia

Prognozowanie na podstawie modelu ekonometrycznego

2017 r. STOPA BEZROBOCIA r. STOPA BEZROBOCIA

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30

Wiadomości ogólne o ekonometrii

t y x y'y x'x y'x x-x śr (x-x śr)^2

Statystyka matematyczna i ekonometria

ROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH

BADANIE KOINTEGRACJI POWIATOWYCH STÓP BEZROBOCIA W WOJEWÓDZTWIE ZACHODNIOPOMORSKIM

Analiza Zmian w czasie

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

MAZOWIECKI RYNEK PRACY II KWARTAŁ 2015 II KWARTAŁ 2015 NAJWAŻNIEJSZE INFORMACJE

Statystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36

MAZOWIECKI RYNEK PRACY II KWARTAŁ 2016 II KWARTAŁ 2016 NAJWAŻNIEJSZE INFORMACJE

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

FLESZ LUTY Wszystkie dotychczas wypracowane przez Obserwatorium treści znaleźć można na stronie internetowej:

ANALIZA PORÓWNAWCZA KONIUNKTURY WOJEWÓDZTW POLSKI W LATACH

Ocena jakości prognoz wybranych wskaźników rozwoju gospodarczego woj. lubelskiego

Mieczysław Kowerski. Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego

Metody Ilościowe w Socjologii

Stan i prognoza koniunktury gospodarczej

Analiza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny

MAZOWIECKI RYNEK PRACY I KWARTAŁ 2016 I KWARTAŁ 2016 NAJWAŻNIEJSZE INFORMACJE

FLESZ. Wszystkie dotychczas wypracowane przez Obserwatorium treści znaleźć można na stronie internetowej:

FLESZ. Wszystkie dotychczas wypracowane przez Obserwatorium treści znaleźć można na stronie internetowej:

KOBIETY I MĘŻCZYŹNI NA RYNKU PRACY

Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym

MAZOWIECKI RYNEK PRACY IV KWARTAŁ 2015 IV KWARTAŁ 2015 NAJWAŻNIEJSZE INFORMACJE

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

MAZOWIECKI RYNEK PRACY I KWARTAŁ 2017 I KWARTAŁ 2017 NAJWAŻNIEJSZE INFORMACJE

Zmiany bezrobocia w województwie zachodniopomorskim w I półroczu 2018 roku

Cechy społeczno-ekonomiczne jednostek a ich pozycja na rynku pracy

FLESZ WRZESIEŃ Wszystkie dotychczas wypracowane przez Obserwatorium treści znaleźć można na stronie internetowej:

MAZOWIECKI RYNEK PRACY I KWARTAŁ 2014 I KWARTAŁ 2014 NAJWAŻNIEJSZE INFORMACJE

Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce

MAZOWIECKI RYNEK PRACY I KWARTAŁ 2015 I KWARTAŁ 2015 NAJWAŻNIEJSZE INFORMACJE

Analiza autokorelacji

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Analiza trendów branżowych

FLESZ PAŹDZIERNIK 2018

Zeszyty. Modelowanie aktywności nabywców mieszkań na rynku województwa zachodniopomorskiego 5 (941) Iwona Foryś Barbara Batóg.

Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA

Etapy modelowania ekonometrycznego

Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

KONFERENCJA PRASOWA I KWARTAŁ Warszawa, 21 lutego 2018 r.

Analiza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018

Proces modelowania zjawiska handlu zagranicznego towarami

Ćwiczenia 13 WAHANIA SEZONOWE

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

Stan i prognoza koniunktury gospodarczej

FLESZ listopad Wszystkie dotychczas wypracowane przez Obserwatorium treści znaleźć można na stronie internetowej:

A.Światkowski. Wroclaw University of Economics. Working paper

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

Przestrzenne zróżnicowanie klimatów rynku pracy w woj. lubelskim

Zmiany bezrobocia w województwie zachodniopomorskim w I półroczu 2014 roku Porównanie grudnia 2013 i czerwca 2014 roku

Wykład 6. Badanie dynamiki zjawisk

Wprowadzenie do analizy korelacji i regresji

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

2,3% o tyle wzrosła liczba zarejestrowanych bezrobotnych na terenie Gdańskiego Obszaru Metropolitalnego i Gdyni

CHARAKTERYSTYKA ŁÓDZKIEGO RYNKU PRACY NA DZIEŃ 31 MARCA 2011 ROKU

Zmiany bezrobocia w województwie zachodniopomorskim w 2018 roku

5. Model sezonowości i autoregresji zmiennej prognozowanej

Ścieżka rozwoju polskiej gospodarki w latach gospodarki w latach W tym celu wykorzystana zostanie metoda diagramowa,

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów.

Rozdział 8. Regresja. Definiowanie modelu

Stan i prognoza koniunktury gospodarczej

Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym

Ćwiczenia IV

RAPORT ROCZNY. Rynek pracy w województwie zachodniopomorskim w 2006 roku

Ćwiczenie 5 PROGNOZOWANIE

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

SYTUACJA SPOŁECZNO EKONOMICZNA W ŁODZI 2014

Wykład 6. Badanie dynamiki zjawisk

Stan i prognoza koniunktury gospodarczej

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

EKONOMETRYCZNE MODELOWANIE I PROGNOZOWANIE WZROSTU GOSPODARCZEGO POLSKI POWIĄZANEGO ZE ZMIENNYMI SYMPTOMATYCZNYMI TURYSTYKI

Zmiany bezrobocia w województwie zachodniopomorskim w 2015 roku

Analiza zależności liniowych

Ekonometria Ćwiczenia 19/01/05

Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych

ANALIZA PORÓWNAWCZA KONIUNKTURY GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO I GOSPODARKI POLSKI

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

Zmiany bezrobocia w województwie zachodniopomorskim w I półroczu 2015 roku

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach Opis danych statystycznych

Transkrypt:

Dorota Bartosińska-Kowalska, Anna Jakiewicz-Siwek Próba analizy sezonowości bezrobocia w Polsce i w województwie lubelskim w latach 1990-2003 Annales Universitatis Mariae Curie-Skłodowska. Sectio H, Oeconomia 38, 111-119 2004

A N N A L E S UNIVERSITATIS MARIAE CURIE-SKŁODO WSKA LUBLIN - POLONIA VOL. XXXVIII SECTIO H 2004 Instytut Teorii Rozwoju Społeczno-Ekonomicznego, Wydział Ekonomiczny UM CS DOROTA BARTOSIŃSKA-KOW ALSKA, ANNA JANKIEW ICZ-SIW EK Próba analizy sezonowości bezrobocia w Polsce i w w ojew ództw ie lubelskim w latach 1990-2003 An attempt at analysis of unemployment seasonality in Poland and in the Lublin voivodship in the years 1990-2003 WSTĘP Cykliczny ruch ziemi dookoła słońca powoduje występowanie pór roku. W ich wyniku w życiu ludzi i w całej gospodarce następują zmiany, które powtarzają się co roku i są mniej więcej stałe. Zmiany te nazwane są wahaniami sezonowymi. Sezonowe zmiany występują w wielu dziedzinach życia społecznego i gospodarczego, np.: w rolnictwie, przemyśle rolno-spożywczym, turystyce, budownictwie, handlu itp. Mają one również wpływ na zatrudnienie, które w działach takich jak m.in. rolnictwo i budownictwo, zwiększa się latem, a zmniejsza zimą. Celem artykułu jest analiza bezrobocia w Polsce i w województwie lubelskim ze szczególnym uwzględnieniem sezonowości tego zjawiska. Zostanie podjęta próba odpowiedzi na pytanie, czy bezrobocie ma charakter sezonowy oraz jak duże zmiany w liczbie bezrobotnych i w stopie bezrobocia powoduje zjawisko sezonowości. Do rozważań wykorzystano model ekonometryczny z zero-jedynkowymi zmiennymi objaśniającymi, służącymi do ilościowej oceny wpływu sezonowości na zjawisko bezrobocia. OPIS METODY Do uchwycenia wpływu sezonowości na zjawiska społeczno-gospodarcze można zastosować model ekonometryczny ze zmiennymi objaśniającymi zero- -jedynkowymi. Zmiennych tych jest w modelu tyle, ile podokresów w cyklu sezonowym. Ogólnie taki model ekonometryczny można zapisać w następujący sposób:

112 DOROTA BARTOSIŃSKA-KOWALSKA, ANNA JANKIEWICZ-SIWEK Y,=F(t)+ftytXt+^t (1) gdzie: Y, - zmienna objaśniana modelu, opisująca badane zjawisko, F(t) - funkcja trendu, opisująca badane zjawisko, Xj - zmienna zero-jedynkowa, która przyjmuje wartość 1, gdy obserwacja pochodzi z i-tego podokresu i wartość 0 w pozostałych przypadkach, yi - parametr związany z i-tą zmienną zero-jedynkową, który opisuje wpływ i-tego podokresu na badane zjawisko, / - numer podokresu w cykju sezonowym, /= 1,2,..., d, gdzie - liczba podkresów w cyklu sezonowym, t - składnik losowy modelu. Włączenie kompletu d zmiennych zero-jedynkowych do modelu powoduje ścisłą współliniowość zmiennych objaśniających, sprawiając, że metodą najmniejszych kwadratów nie można oszacować żadnych parametrów modelu. Dzieje się tak dlatego, że suma zmiennych sezonowych daje kolumnę jedynek, identyczną z kolum ną jedynek związaną z wyrazem wolnym.1 Zakładając, że efekty sezonowe sumują się do zera: stąd otrzymujemy: 1 7 i = 0 (2) m ożna model (1) przekształcić do postaci: 7d= ~ Z yi (3) i= 1 7, = / (! ) + Z yi( X i- X d) + t, (4) i= 1 W wyniku estymacji param etrów modelu (4) m etodą najmniejszych kw adratów 2 otrzymuje się bezpośrednio oceny param etrów N atom iast efekt ostatniego sezonu oblicza się według wzoru (3). OPIS MATERIAŁU Zebrano dane dotyczące liczby bezrobotnych i stopy bezrobocia w Polsce oraz w województwie lubelskim. W Polsce są dwa źródła danych o bezrobociu: 1 Gajda J. B., Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H. Bech, Warszawa 2001, s 204. 2 Metoda opisana szczegółowo w: E. Nowak, Zarys metod ekonometrii, zbiór zadań, Wydawnictwo Naukowe PWN, Warszawa 1994.

PRÓBA ANALIZY SEZONOWOŚCI BEZROBOCIA W POLSCE I WOJEWÓDZTWIE LUBELSKIM... 113 1) rejestraqa bezrobotnych, prowadzona przez urzędy pracy od początku 1990 r., która dostarcza informacji miesięcznych3; 2) reprezentacyjne badanie aktywności ekonomicznej ludności (BAEL), prow a dzone przez Główny Urząd Statystyczny od maja 1992 roku, które dostarcza informacji kwartalnych.4 Informacje roczne na temat bezrobocia rejestrowanego są publikowane według stanu na koniec grudnia, natomiast na temat bezrobocia według BAEL - za czwarty kwartał. Wyniki te nie są identyczne, ale bardzo silnie dodatnio skorelowane. Współczynnik korelacji między rejestracją a BAEL wynosi 0,86 dla liczby bezrobotnych oraz 0,87 dla stopy bezrobocia. Wymienione rozbieżności są różne w poszczególnych krajach, najczęściej bezrobocie ustalone na podstawie badania siły roboczej jest wyższe niż bezrobocie rejestrowane.5 W Polsce taka prawidłowość ma miejsce od roku 1999, co widać w tabeli 1. Dla województwa lubelskiego analizowane będą dane z okresu po reformie podziału administracyjnego kraju, wprowadzonej z dniem 1 stycznia 1999 r. Dane te są nieporównywalne z wcześniejszymi z uwagi na to, że do nowego województwa lubelskiego weszło w całości lub w części sześć starych województw: bialskopodlaskie, chełmskie, lubelskie, siedleckie, tarnobrzeskie, zam ojskie. ANALIZA I INTERPRETACJA WYNIKÓW N a podstawie danych rocznych, przedstawionych na rycinie 1, m ożna stwierdzić, że bezrobocie charakteryzuje się trendem nieliniowym o postaci wielomianu. Potwierdzają to obliczone współczynniki determinacji, które są wysokie i równe co najmniej 0,8. Trend to ogólna tendencja rozwojowa, która odzwierciedla wpływ na badane zjawisko tzw. przyczyn głównych. Jedną z takich przyczyn jest tu wzrost gospodarczy. Na rycinie 1, począwszy od 1992 r., widać wyraźną ujemną korelację między wzrostem PKB a bezrobociem. Współczynniki korelacji między wzrostem PBK a liczbą bezrobotnych i stopą bezrobocia według BAEL wynoszą kolejno: 0,84 i 0,83, zaś dla rejestrów odpowiednio 0,66 i 0,64. Dane kwartalne, przedstawione na rycinie 2, pokazują, że oprócz wyraźnej tendencji rozwojowej, bezrobocie podlega wahaniom sezonowym. Model ekonometryczny bezrobocia dla danych kwartalnych można zapisać następująco: 3 Bezrobocie rejestrowane w 2001 r., Informacje i opracowania statystyczne, Główny Urząd Statystyczny, Warszawa 2002. 4 Aktywność ekonomiczna ludności Polski, III kwartał 2002, Informacje i opracowania statystyczne, Główny Urząd Statystyczny, Warszawa 2003. 5 J. Witkowski, Szacowanie bezrobocia dla małych obszarów, Wiadomości Statystyczne 1992, nr 11, s. 2.

114 DOROTA BARTOSIŃSKA-KOWALSKA, ANNA JANKIEWICZ-SIWEK Żródto: opracowanie własne na podstawie danych Głównego Urzędu Statystycznego Rye. 1. Liczba bezrobotnych i stopa bezrobocia rejestrowanego i według BAEL oraz wzrost gospodarczy w Polsce w latach 1990-2002 Number of unemployed, unemployment rate, registered and according to the Labour Force Survey, and economic growth in Poland in 1990-2002 Źródło: opracowanie własne na podstawie danych Głównego Urzędu Statystycznego i Urzędu Statystycznego w Lublinie. Ryc. 2. Stopa bezrobocia według BAEL w Polsce i w województwie lubelskim w kwartałach lat 1992-2003 Unemployment rate according to the Labour Force Survey in Poland and Lublin voivodship in quarters of the years 1992-2003 Yt= ao + oci^2 + oc^t3 + cc^t* + 4 yixi~\- t. Oszacowany model liczby bezrobotnych w Polsce według BAEL (w min) od II kwartału 1992 do III kwartału 2003 m a postać:

PRÓBA ANALIZY SEZONOWOŚCI BEZROBOCIA W POLSCE I WOJEWÓDZTWIE LUBELSKIM... 115 4 y t = 1,97838 + 0,22098/ 0,0254212 + 0,00090/3-0,00001 /4 + gu x t+ et R 2 = 0,94861 r +0,129141 0 02532 (0,11427) (0,03300) (0,00281) (0,00009) (0,00000) (0,13368). I OjOjo ou I L 0,04503 J Natomiast dla stopy bezrobocia w Polsce według BAEL model ten jest następujący: 4 y t = U,20708+ l,32577/-0,14785/2 + 0,00517/3-0,00005/4 + gix{ + et tf2 = 0,94973 T +0,83607] n i 2238 (0,65480) (0,18911) (0,01612) (0,00051) (0,00001) j _0 46685 ] (0,76600). L - 0^24684 J W wyniku działania sezonowości w każdym pierwszym kwartale badanych lat liczba bezrobotnych w Polsce była większa średnio o 0,12914 od ogólnej tendencji rozwojowej, w każdym drugim - mniejsza średnio o 0,02532, w trzecim - mniejsza o 0,05880, w czwartym - mniejsza o 0,04503 min osób. Powodowało to w pierwszych kwartałach średni wzrost stopy bezrobocia o 0,83607, a w kolejnych kwartałach - spadek odpowiednio o 0,12238, 0,46685 i 0,24684 punktu procentowego. Dla województwa lubelskiego oszacowany model liczby bezrobotnych według BAEL (w tys.) w kwartałach lat 1999-2003 jest następujący: 4 >>z= 6 0,20565 + 5 4,0 8 8 1 0 /- 10,28662/2 + 0,77968/3-0,0 1 9 7 4 /4 + X g,x,+ ef i?2 = 0,94117 f + 11,22647] f) 78029 (12,36311) (7,78499) (1,55126) (0,11633) (0,00290) j _q 9 7 9 7 3 (6,83776). [_ 9*45748 J Natomiast dla stopy bezrobocia według BAEL w województwie lubelskim model ten ma postać:

116 DOROTA BARTOSIŃSKA-KOWALSKA, ANNA JANKIEWICZ-SIWEK >>r = 6,67161+4,11054/-0,76346f2 + 0,05730f3-0,0 0 1 4 4 ^ + & *, +?, R 2 = 0,95767 (0,85057) (0,53560) (0,10673) (0,00800) (0,00020) r + 1,10399] 0 30209 (0,47043). OjOo z j j L 0,73934 J Otrzymane wyniki informują, że sezonowość powoduje w województwie lubelskim wzrost bezrobocia w pierwszych kwartałach średnio o 11,23 tys. osób i stopy bezrobocia o 1,1 punktu procentowego. Natom iast w pozostałych kw artałach bezrobocie spada na skutek sezonowości: w II kwartałach średnio o 0,79, w III - o 0,80, w IV - aż o 9,46 tys. osób. Daje to spadek stóp bezrobocia kolejno o 0,30; 0,06 i 0,74 punktu procentowego. Dane miesięczne o bezrobociu rejestrowanym, przedstawione na rycinie 3, wykazują wyraźną tendencję rozwojową zarówno dla Polski, jak i województwa lubelskiego. W ahania sezonowe są najlepiej widoczne od stycznia 1999 r. Źródło: opracowanie własne na podstawie danych Głównego Urzędu Statystycznego i Urzędu Statystycznego w Lublinie. Ryc. 3. Stopa bezrobocia rejestrowanego w Polsce i w województwie lubelskim w poszczególnych miesiącach lat 1990-2003 Registered unemployment rate in Poland and Lublin voivodship in months of the years 1990-2003 Oszacowany model liczby bezrobotnych zarejestrowanych w Polsce (w min) w poszczególnych miesiącach lat 1990-2003 m a postać: 12 y t = 0,155739 + 0,105244f-0,001356f2 + 0,000005f3 + & *,+?, i?2 = 0,79955 (0,097931) (0,005034) (0,000007) (0,0000003) [*] (0,30784),

PRÓBA ANALIZY SEZONOWOŚCI BEZROBOCIA W POLSCE I WOJEWÓDZTWIE LUBELSKIM... 117 zaś dla stopy bezrobocia rejestrowanego w Polsce: 12 yt = 0,50246 + 0,60122/ - 0,0077112 + 0,00003/3 + gi Xi + et R 2 = 0,83662 (0,52339) (0,02690) (0,00037) (0,000001) [*] (1,6452). N atom iast dla województwa lubelskiego model liczby bezrobotnych zarejestrowanych (w tys.) jest następujący: 12 yt = 124,29032+2,08855/ 0,02088/2 + 'Z g ix i + et R 2 = 0,97402 a dla stopy bezrobocia: (1,18673) (0,09093) (0,00147) [*] (2,9031), 12 >>(= 10,75343 + 0,18389/ 0,00173/2+ &*, + <?, R = 0,98123 (0,09364) (0,00718) (0,00012) [*] (0,22906). * oznaczono mierniki wahań sezonowych dla poszczególnych miesięcy, które zawiera tabela 2. Na podstawie wyników zamieszczonych w tabeli 2 widać, że zarówno w Polsce, jak i w województwie lubelskim, bezrobocie rośnie od grudnia do kwietnia, natomiast spada od maja do listopada. Wszystkie wyżej oszacowane modele są bardzo dobrze dopasowane do danych empirycznych. Wyjaśniają kształtowanie się bezrobocia w czasie w ponad 80%. Wpływ czynników przypadkowych jest znikomy. WNIOSKI 1) Na podstawie oszacowanych modeli bezrobocia w Polsce i w województwie lubelskim stwierdzamy, że zjawisko to podlega wahaniom sezonowym. W każdym pierwszym kwartale badanych lat bezrobocie rośnie, natomiast w drugim, trzecim i czwartym spada. Analiza miesięczna dostarcza podobnych wniosków. Bezrobocie rośnie od grudnia do kwietnia, natomiast spada od maja do listopada. Dla polityków gospodarczych regionu lubelskiego są to cenne informacje, które można wykorzystać w praktyce. 2) Wykazanie dodatniej silnej korelacji między danymi dotyczącymi bezrobocia pochodzącymi z różnych źródeł: Badania Aktywności Ekonomicznej Ludności

118 DOROTA BARTOSIŃSKA-KOWALSKA, ANNA JANKIEWICZ-SIWEK Tab. 1. Liczba bezrobotnych i stopa bezrobocia rejestrowanego oraz według BAEL w Polsce w latach 1990-2002 Number of unemployed and unemployment rate registered and according to the Labour Force Survey in Poland in 1990-2002 Rok Liczba bezrobotnych (w min) Stopa bezrobocia (w %) zarejestrowanych według BAEL różnica rejestrowanego według BAEL różnica 1990 1,126 6,5 1991 2,156 12,2 1992 2,509 2,394 0,115 14,3 13,7 0,6 1993 2,890 2,595 0,295 16,4 14,9 1,5 1994 2,950 2,375 0,575 16,0 13,9 2,1 1995 2,629 2,233 0,396 14,9 13,1 1,8 1996 2,360 1,961 0,399 13,2 11,5 1,7 1997 1,826 1,737 0,089 10,3 10,2 0,1 1998 1,831 1,827 0,004 10,4 10,6-0, 2 1999 2,350 2,641-0,291 13,1 15,3-2, 2 2000 2,703 2,760-0,0 5 7 15,1 16,0-0, 9 2001 3,115 3,186-0,071 17,4 18,5-1,1 2002 3,217 3,375-0,158 18,0 19,7-1,7 Źródło: opracowanie własne na podstawie danych Głównego Urzędu Statystycznego. Tab. 2. Oszacowania mierników sezonowości w przedstawionych modelach dla poszczególnych miesięcy Seasonability values in the presented models for months Polska Woj. lubelskie Miesiąc Model liczby bezrobotnych (w min) Model stopy bezrobocia (w %) Model liczby bezrobotnych (w tys.) Model stopy bezrobocia (w %) Styczeń 0,090630 0,48952 7,77738 0,66466 Luty 0,097237 0,50962 9,76603 0,76877 Marzec 0,069677 0,35249 8,80224 0,65633 Kwiecień 0,011278 0,06082 4,55461 0,34734 Maj -0,055091-0,23699-1,76146-0,11820 Czerwiec -0,040244-0,20540-4,35878-0,32029 Lipiec -0,025988-0,10174-4,26894-0,31892 Sierpień -0,010342-0,17619-4,76414-0,37411 Wrzesień -0,045609-0,25747-5,80639-0,48585 Październik -0,075070-0,41721-7,70488-0,63413 Listopad -0,058056-0,35558-4,25561-0,37896 Grudzień 0,041578 0,33814 2,01993 0,19336 Źródło: opracowanie własne.

PRÓBA ANALIZY SEZONOWOŚCI BEZROBOCIA W POLSCE I WOJEWÓDZTWIE LUBELSKIM... 119 i rejestracji bezrobotnych przez urzędy pracy świadczy o wiarygodności danych, które stanowią podstawę wysuwanych wniosków. 3) Potwierdzona została znana w makroekonomii zależność między wzrostem gospodarczym a poziomem bezrobocia. Współczynnik korelacji między tymi dwiema wielkościami jest ujemny i wysoki, co oznacza, że w miarę wzrostu gospodarczego bezrobocie silnie spada. 4) W województwie lubelskim stopa bezrobocia jest mniejsza niż w Polsce od czerwca 1999 roku do chwili obecnej. Według rejestrów średnie stopy bezrobocia w województwie lubelskim są mniejsze o 1,3 punktu procentowego, natomiast według BAEL o 2,9 punktu procentowego od średnich stóp w Polsce. 5) Przy założeniu stabilności przedstawionych w artykule modeli, mogą być one wykorzystane do sporządzania prognoz. M ając informacje liczbowe o przewidywanej liczbie bezrobotnych w poszczególnych latach, kwartałach i miesiącach, można podjąć skuteczną walkę z tym, niekorzystnym dla ludzi i całej gospodarki, zjawiskiem. 6) Analiza bezrobocia wraz z sezonowością powinna przyczynić się do lepszego poznania tych zagadnień, które są obecnie żywo dyskutowane zarówno w teorii, jak i praktyce. SUMMARY Seasonal variations occur in many areas of social and economic life. Such variations are also very important in unemployment. The aim of this paper is to perform analysis of unemployment in Poland and Lublin voivodship primarily focused on its seasonality. The analysis used econometric models with binary independent variables. All the calculations were made on the data from unemployment registers and labour surveys. Analysis of quarterly data showed that in every first calendar quarter of the examined years unemployment increased, but in the three other quarters it fell. Similar results were obtained from monthly data. The estimated models can be used for forecasting. Knowledge of forecasted number of unemployed allows to make an effort to reduce this economic problem. BIBLIOGRAFIA Aktywność ekonomiczna ludności Polski, III kwartał 2002, Informacje i opracowania statystyczne, Główny Urząd Statystyczny, Warszawa 2003. Bezrobocie rejestrowane w 2001 r., Informacje i opracowania statystyczne, Główny Urząd Statystyczny, Warszawa 2002. Gajd, J. B., Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H. Bech, Warszawa 2001. Nowak E., Zarys metod ekonometrii, zbiór zadań, Wydawnictwo Naukowe PWN, Warszawa 2002. Witkowski J., Szacowanie bezrobocia dla małych obszarów, Wiadomości Statystyczne 1992, nr 11, s. 1-5.