MODELOVÁNÍ MZDOV CH ROZDùLENÍ POSLEDNÍCH LET V âeské REPUBLICE S VYUÎITÍM L-MOMENTÒ A PREDIKCE MZDOV CH ROZDùLENÍ PODLE ODVùTVÍ

Transkript

1 MODELOVÁNÍ MZDOV CH ROZDùLENÍ POSLEDNÍCH LET V âeské REPUBLICE S VYUÎITÍM L-MOMENTÒ A PREDIKCE MZDOV CH ROZDùLENÍ PODLE ODVùTVÍ Diana Bílková Úvod UÏiteãnost odhadû mzdov ch rozdûlení v podmínkách trïního hospodáfiství je poutána metodami umoïàujícími odhadovat spotfiebu obyvatelstva ãi poptávku obyvatelstva po zboïí a sluïbách, viz [3]. Je v ak tfieba poznamenat, Ïe predikce poptávky není zdaleka jedin m úãelem modelování mzdov ch rozdûlení. UÏiteãnost odhadû v voje mzdov ch rozdûlení umoïàuje spojit úvahy o úrovni a diferenciaci mezd s úvahami sociálnû politick mi. Znalostí modelû mzdov ch rozdûlení se dále vyuïívá napfi. pfii hodnocení Ïivotní úrovnû obyvatelstva ãi pfii mezioblastním ãi mezinárodním srovnávání Ïivotní úrovnû. V této souvislosti nestaãí sledovat pouze úroveà mezd a mzdovou diferenciaci vystiïenou nûkterou vhodnou mírou variability, ale podrobné hodnocení mzdové stránky Ïivotní úrovnû obyvatelstva vyïaduje znalost úplného rozdûlení mezd v pfiíslu ném období smûfiující k odhadu podílû pracovníkû s nízk mi, stfiedními a vysok mi mzdami, zejména potom k odhadu podílu osob se mzdami pod urãitou hranicí, viz [11]. V oblasti statistiky se mûïeme setkat s dal- ím nepfiím m vyuïitím znalosti mzdov ch rozdûlení. Jedná se o zdokonalení postupû pfii v bûrovém zji Èování t kajícím se znaku, kter se mzdami znaãnû korelován. Jednat se mûïe napfi. o v daje jednotlivcû a jejich domácností, ale i vybavenost jejich domácností, vyuïití ãasu, nákupní úmysly a znaky vyjadfiující názory a postoje jednotlivcû pfii rûzn ch sociologick ch v zkumech, viz [5]. BûÏnû pouïívan statistick postup pfii popisu pozorovan ch statistick ch souborû spoãívá ve vyuïití jejich konvenãních momentû ãi kumulantû. RovnûÏ pfii v bûru vhodného parametrického rozdûlení pro dan datov soubor se obvykle odhadují parametry tohoto parametrického rozdûlení s vyuïitím momentové metody spoãívající ve vytvofiení rovnic, ve kter ch se v bûrové konvenãní momenty poloïí do rovnosti odpovídajícím momentûm pfiíslu - ného teoretického rozdûlení. Nicménû momentová metoda odhadu parametrû není vïdy vyhovující, a to pfiedev ím v pfiípadû mal ch v bûrû. Z [6] plyne, Ïe momentová metoda odhadu parametrû je ãasto ménû pfiesná neï jiné metody odhadu parametrû, jakou je napfi. metoda maximální vûrohodnosti. Alternativní pfiístup je zaloïen na vyuïití dal- ích charakteristik, které naz váme L-momenty, které jsou analogií ke konvenãním momentûm, ale jsou zaloïeny na lineárních kombinacích pofiádkov ch statistik., tj. L-statistik. PouÏití L-momentÛ je teoreticky v hodnûj í oproti konvenãním momentûm spoãívající v tom, Ïe L-momenty charakterizují ir í rozpûtí rozdûlení. Pfii odhadování z v bûru jsou více robustní k pfiítomnosti odlehl ch hodnot v datech. Zku- enosti dále ukazují, Ïe ve srovnání s konvenãními momenty jsou L-momenty ménû náchylné ke zkreslení odhadu a v koneãn ch v bûrech se pfiibliïují více asymptotickému normálnímu rozdûlení. Odhady parametrû získané s vyuïitím L-momentÛ jsou pfiedev ím v pfiípadû mal ch v bûrû ãasto dokonce pfiesnûj í neï odhady parametrû pofiízené metodou maximální vûrohodnosti, viz [2]. Tento text se zab vá vyuïitím L-momentÛ v pfiípadû vût ích datov ch souborû a porovnáním pfiesnosti metody L-momentÛ s pfiesností , XVI, 4

2 Economics dal ích metod (momentová a kvantilová metoda) odhadu parametrû pravdûpodobnostních parametrick ch rozdûlení v pfiípadû vût ích datov ch souborû. Na základû tûchto anal z vyuïívajících tfiíparametrické logaritmicko-normální rozdûlení byly vytvofieny pfiedpovûdi mzdov ch rozdûlení na období let finanãní krize, která nastoupila na podzim roku 2008, ale za pfiedpokladu zachování dosavadního v voje. Jedná se o mzdová rozdûlení podle jednotliv ch odvûtví. Data pro tento v zkum pocházejí od âeského statistického úfiadu a jedná se o Podíly zamûstnancû v pásmech hrub ch mûsíãních mezd podle odvûtví za období let 2002 aï 2008 v âeské republice a údaje o rozsazích v bûrû poãtû zamûstnancû jednotliv ch odvûtví v âeské republice v daném období. V chozí data pfiedstavovala 84 souborû mzdov ch rozdûlení ve formû intervalového rozdûlení ãetností s krajními otevfien mi intervaly. Zkoumanou promûnnou je hrubá mûsíãní mzda v Kã. Data byla zpracovávána s vyuïitím programu Microsoft Excel a statistick ch programû SAS a Statgraphics. 1. Metodologie Cílem daného pfiíspûvku není konstrukce nov ch metod, n brï zpracování dat z oblasti mzdov ch rozdûlení s vyuïitím jiï znám ch metod popsan ch napfi. v [8] ãi v [7], [9] a [10], viz kapitoly 1.1 aï L-momenty pravdûpodobnostních rozdûlení Budeme pfiedpokládat, Ïe X je reálná náhodná veliãina s distribuãní funkcí F(x) a kvantilovou funkcí x(f) a X 1:n X 2:n X n:n jsou pofiádkové statistiky náhodného v bûru rozsahu n pofiízeného z rozdûlení veliãiny X. Potom r-t L-moment náhodné veliãiny X je definován (1) Symbol L v názvu L-momenty je pro zdûraznûní, Ïe r-t L-moment λ r je lineární funkcí oãekávan ch pofiádkov ch statistik. Pfiirozen odhad L-momentu λ r zaloïen na pozorovaném v bûru dat je navíc lineární kombinace uspofiádan ch datov ch hodnot, tj. tzv. L-statistika. Stfiední hodnota pofiádkové statistiky má tvar (2) Dosadíme-li vztah (2) do rovnice (1), získáme po úpravû (3) kde (4) a (5) 4, XVI,

3 V raz P* r (F) pfiedstavuje r-t posunut LegendrÛv polynom mající vztah k obvykl m Legendov m polynomûm. Posunuté Legendrovy polynomy jsou ortogonální na intervalu (0; 1) s konstantní váhovou funkcí. První ãtyfii L-momenty mají tvar (6) (7) (8) (9) Podrobnûji se L-momentÛm vûnuje napfi. [8] nebo [10]. Definovány jsou tzv. koeficienty L-momentÛ, pro které platí (10) L-momenty λ 1, λ 2, λ 3,, λ r a koeficienty L-momentÛ τ 1, τ 2, τ 3,, τ r lze pouïít jako charakteristiky rozdûlení. L-momenty jsou v urãitém smûru podobné konvenãním centrálním momentûm a koeficienty L-momentÛ jsou analogií k momentov m pomûrûm, viz [12] a [15]. Zejména L-momenty λ 1 a λ 2 a koeficienty L-momentÛ τ 3 a τ 4 jsou povaïovány za charakteristiky po fiadû polohy, variability, ikmosti a piãatosti. S vyuïitím vztahû (6) aï (8) a vztahu (10) získáváme první tfii L-momenty tfiíparametrického logaritmicko-normálního rozdûlení LN(µ, σ2, ξ), které je popsáno napfi. v [4] nebo [6]. Pro tyto L-momenty platí kde erf(z) je tzv. chybová funkce tvaru 1.2 V bûrové L-momenty (13) (14) Budeme pfiedpokládat, Ïe x 1, x 2,, x n je náhodn v bûr a x 1:n x 2:n x n:n je uspofiádan v bûr. Potom r-t v bûrov L-moment je definován. (11) (15) (12) Speciálnû pro první ãtyfii v bûrové L-momenty platí , XVI, 4

4 Economics (16) (17) (18) (19) V bûrové L-momenty mohou b t vyuïity obdobnû jako konvenãní v bûrové momenty, neboè charakterizují základní vlastnosti v bûrového rozdûlení, tj. polohu, variabilitu, ikmost i piãatost, a odhadují odpovídající vlastnosti pravdûpodobnostního rozdûlení ze kterého v bûr pochází. Mohou b t tedy pouïity k odhadu parametrû tohoto v chozího rozdûlení. V tûchto pfiípadech jsou L-momenty ãasto upfiednostàovány pfied konvenãními momenty, neboè jakoïto lineární funkce dat jsou ménû citlivé na v bûrovou variabilitu ãi velikost chyb v pfiípadû extrémních hodnot v datech neï konvenãní momenty, a proto se poãítá s tím, Ïe poskytují pfiesnûj í a robustnûj í odhady charakteristik nebo parametrû základního pravdûpodobnostního rozdûlení. 1.3 Odhad parametrû Oznaãíme-li distribuãní funkci normovaného normálního rozdûlení Φ, potom Φ 1 pfiedstavuje kvantilovou funkci normovaného normálního rozdûlení. Pro distribuãní funkci tfiíparametrického logaritmicko-normálního rozdûlení rozdûlení LN(µ, σ2, ξ) platí (20) Koeficienty L-momentÛ (10) se obvykle odhadují pomocí (21) Odhady parametrû tfiíparametrického logaritmicko-normálního rozdûlení nyní pofiídíme jako více napfi. v [2]. (22) (23) (24) (25) 1.4 Vhodnost zkonstruovaného modelu Pfii posuzování vhodnosti zkonstruovaného modelu je tfieba vyuïít nûkterého z kritérií, jak m mûïe b t napfi. souãet absolutních odchylek pozorovan ch a teoretick ch ãetností za v echny intervaly S, pfiípadnû známé kritérium χ2, viz [6]. Otázka vhodnosti dané kfiivky jako modelu mzdov ch rozdûlení pfii takto velk ch rozsazích v bûrû, s jak mi se v pfiípadû mzdov ch rozdûlení 4, XVI,

5 setkáváme, je vysvûtlena v [6]. Urãitou pfiedstavu z hlediska pfiesnosti dané metody odhadu parametrû mûïe vnést graf pfiedstavující v voj v bûrového mediánu ve sledovaném období a mediánu teoretického rozdûlení pfii pouïití dané metody odhadu parametrû, viz Obr. 11, kde si mûïeme napfi. v imnout, Ïe prûbûh mediánu teoretického tfiíparametrického logaritmicko-normální rozdûlení, jehoï parametry byly odhadnuty kvantilovou metodou odhadu parametrû, spl vá s prûbûhem v bûrového mediánu v daném období. 2. V stupy V Tabulkách 1 2 jsou uvedeny první tfii v bûrové L-momenty pro jednotlivá mzdová rozdûlení let za odvûtví Zemûdûlství a rybolov a za odvûtví PrÛmysl, odhadnuté hodnoty parametrû tfiíparametrického logaritmicko-normálního rozdûlení metodou L-momentÛ ke kaïdému z tûchto rozdûlení. Odhadnutá hodnota parametru ξ je v fiadû pfiípadû záporná. Zpoãátku svého prûbûhu se tedy logaritmicko-normální kfiivka dostává do záporn ch hodnot. ProtoÏe v ak zpoãátku svého prûbûhu má tato kfiivka velice tûsn kontakt s vodorovnou osou, nemusí b t záporné hodnoty parametru ξ na úkor dobré shody modelu se skuteãností. V takovémto pfiípadû nelze ale parametru ξ pfiisuzovat Ïádnou interpretaci. V Tabulkách 1 2 dále nalezneme predikce hodnot prvních tfií v bûrov ch L-momentÛ na roky 2009 a 2010 získané na základû pfiedpokladu zachování dosavadního v voje mzdov ch rozdûlení a na základû tûchto predikcí odhadnuté hodnoty parametrû tfiíparametrického logaritmicko-normálního rozdûlení pro roky 2009 a 2010 podle odvûtví. Tab. 1: V bûrové L-momenty a odhadnuté parametry tfiíparametrického logaritmicko- -normálního rozdûlení metodou L-momentÛ za odvûtví Zemûdûlství a rybolov Rok V bûrové L-momenty Odhadnuté parametry l 1 l 2 l 3 µ^ σ 2 ξ , ,19 835,70 8, , , , ,76 908,52 8, , , , , ,26 8, , , , , ,09 8, , , , , ,87 8, , , , , ,25 8, , , , , ,74 9, , , , , ,66 9, , , , , ,31 9, , ,509 2 Tab. 2: V bûrové L-momenty a odhadnuté parametry tfiíparametrického logaritmicko- -normálního rozdûlení metodou L-momentÛ za odvûtví PrÛmysl Rok V bûrové L-momenty Odhadnuté parametry l 1 l 2 l 3 µ^ σ 2 ξ , , ,06 9, , , , , ,73 9, , , , , ,52 9, , , , , ,66 9, , , , , ,02 9, , , , , ,64 9, , , , , ,80 9, , , , , ,72 9, , , , , ,78 9, , , , XVI, 4

6 Economics Pfiedpovûdi prvních tfií v bûrov ch L-momentÛ pfiíjmov ch rozdûlení byly konstruovány na základû trendové anal zy, která je podrobnûji rozebrána napfi. v [1]. Na základû interpolaãních kritérií, pfiedev ím potom MSE (stfiední kvadratická chyba odhadu) a MAPE (stfiední absolutní procentní chyba odhadu) byla vybrána nejvhodnûj í trendová funkce. V naprosté vût inû pfiípadû byla takto zvolena kvadratická trendová funkce, pfiípadnû lineární trendová funkce, v jimeãnû trendová funkce exponenciální, viz také [13] a [14]. Jistou pfiedstavu o prûbûhu takto zkonstruovan ch trendov ch funkcí prvních tfií v bûrov ch L-momentÛ pro odvûtví Zemûdûlství a rybolov a pro odvûtví PrÛmysl poskytují Obrázky 1 6 (vãetnû pfiedpovûdí na následující dva roky). Z tûchto obrázkû je kromû toho moïné získat urãitou pfiedstavu o tom, jak pfiesnû daná trendová funkce pfiíslu nou ãasovou fiadu v bûrov ch L-momentÛ vystihuje. Parametry trendové funkce byly odhadnuty metodou nejmen ích ãtvercû, viz opût Obrázky 1 6 pro odvûtví Zemûdûlství a rybolov a pro odvûtví PrÛmysl. Na základû takto zkonstruovan ch trendov ch funkcí byly vytvofieny predikce prvních tfií v bûrov ch L-momentÛ na následující dva roky dopfiedu, tj. pro roky 2009 a S vyuïitím vztahû (22) aï (25) byly odhadnuty parametry mzdov ch rozdûlení pro dal í dva roky 2009 a Jistou pfiedstavu o odhadnut ch hustotách pravdûpodobnosti modelovan ch mzdov ch rozdûlení a jejich pfiedpovûdí poskytují Obrázky 7 10 pro odvûtví Finanãní zprostfiedkovatelství tj. odvûtví s nejvy í úrovní mezd, pro odvûtví Stavebnictví tj. odvûtví se stfiední úrovní mezd a dále pro dvû v poslední dobû z hlediska mezd hodnû diskutovaná odvûtví, a to odvûtví Vzdûlávání a Zdravotnictví. Z tûchto obrázkû je rovnûï patrn v voj mzdov ch rozdûlení sledovaného období posledních let i v voj charakteristik polohy a diferenciace mzdov ch rozdûlení. Je zde patrn rûst úrovnû mzdov ch rozdûlení v letech doprovázen rûstem diferenciace mzdov ch rozdûlení, sílí zde skupiny s v raznû vysok mi mzdami. S tím souvisí rostoucí ikmost mzdov ch rozdûlení (rozdûlení se protahují stále více doprava). Klesá piãatost tûchto rozdûlení. Na základû takto vytvofien ch modelû mzdov ch rozdûlení pro roky 2009 a 2010 byly zkonstruovány pfiedpovûdi mzdov ch rozdûlení pro roky 2009 a 2010 podle odvûtví v Tabulkách 3 a 4 (pomocí distribuãní funkce tfiíparametrického logaritmicko-normálního rozdûlení). Je tfieba si v ak uvûdomit, Ïe tyto pfiedpovûdi mzdov ch rozdûlení byly konstruovány za pfiedpokladu zachování stávajícího v voje mzdov ch rozdûlení. Je otázka, do jaké míry zasáhnou do v voje mzdov ch rozdûlení dûsledky finanãní krize mající svûj poãátek právû na podzim posledního roku zkoumaného období, tj. roku MÛÏe se paradoxnû napfiíklad stát, Ïe dojde k rychlej ímu narûstání úrovnû mezd, ale zpûsobenému tím, Ïe v období finanãní krize se do skupiny nezamûstnan ch dostávali z velké ãásti pfiedev ím pracovníci s velmi nízk mi mzdami. Podíly zamûstnancû v pásmech hrub ch mûsíãních mezd v âeské republice, mimo jiné i podle odvûtví, budou zvefiejnûny na oficiálních stránkách âeského statistického úfiadu pfiibliïnû na pfielomu listopadu a prosince roku Porovnáním tûchto v sledkû s predikcemi mzdov ch rozdûlení lze do urãité míry získat pfiedstavu o vlivu finanãní krize na v voj rozdûlení mezd. Pfiesnost pouïit ch metod odhadu parametrû byla ovûfiena pomocí kritéria χ2. Hodnoty tohoto testového kritéria vedou ve v ech pfiípadech mzdov ch rozdûlení k zamítnutí testované hypotézy o pfiedpokládaném logaritmicko-normálním rozdûlení, jak je v pfiípadû mzdov ch a pfiíjmov ch rozdûlení obvyklé. Pfii v poãtu souãtu absolutních odchylek S a testového kritéria χ2 bylo patrné, Ïe nepfiesnosti vznikají pfiedev ím na obou koncích rozdûlení ( tûïké konce ), pokud bychom neuvaïovali krajní (otevfiené) intervaly, potom by metoda L-momentÛ (ale i kvantiilová a momentová metoda) pfiinesla podstatnû pfiesnûj í v sledky. Pfiesnost metody L-momentÛ byla zde porovnávána s momentovou metodou odhadu parametrû a s kvantilovou metodou. Celkovû lze z tûchto v sledkû konstatovat, Ïe v pfiípadû takto velk ch rozsahû v bûrû, s jak mi se v pfiípadû mzdov ch rozdûlení setkáváme, pfiinesla metoda L-momentÛ srovnatelnû pfiesné v sledky jako momentová a kvantilová metoda. 4, XVI,

7 Obr. 1: Trendová funkce 1. v bûrového L-momentu Zemûdûlství arybolov Obr. 4: Trendová funkce 1. v bûrového L-momentu PrÛmysl Trend = 13432, ,365 t + 115,792 t^2 Trend = 16804, ,383 t + 94,365 t^2 Obr. 2: Trendová funkce 2. v bûrového L-momentu Zemûdûlství arybolov Obr. 5: Trendová funkce 2. v bûrového L-momentu PrÛmysl Trend = 2787, t + 31,3256 t^2 Trend = 4030, ,8645 t + 39,0302 t^2 Obr. 3: Trendová funkce 3. v bûrového L-momentu Zemûdûlství arybolov Obr. 6: Trendová funkce 3. v bûrového L-momentu PrÛmysl Trend = 751, ,6496 t Trend = 1215,13 69,0679 t + 33,5957 t^ , XVI, 4

8 Economics Obr. 7: Hustoty pravdûpodobnosti logaritmicko-normálních kfiivek s parametry odhadnut mi metodou L-momentÛ za odvûtví Finanãní zprostfiedkovatelství Obr. 9: Hustoty pravdûpodobnosti logaritmicko-normálních kfiivek s parametry odhadnut mi metodou L-momentÛ za odvûtví Vzdûlávání Obr. 8: Hustoty pravdûpodobnosti logaritmicko-normálních kfiivek s parametry odhadnut mi metodou L-momentÛ za odvûtví Stavebnictví Obr. 10: Hustoty pravdûpodobnosti logaritmicko-normálních kfiivek s parametry odhadnut mi metodou L-momentÛ za odvûtví Zdravotnictví Obr. 11: V voj teoretického mediánu pfii pouïití momentové a kvantilové metody ametody L-momentÛ pfii odhadu parametrû tfiíparametrického logaritmickonormálního rozdûlení a v voj v bûrového mediánu v âeské republice v letech pro odvûtví Zemûdûlství a rybolov a pro odvûtví PrÛmysl 4, XVI,

9 Tab. 3: Odhadnuté podíly zamûstnancû v pásmech hrub ch mûsíãních mezd podle odvûtví v roce 2009 (v %) Odvûtví Intervaly mezd Zem. PrÛm. Stav. Obch. Ubyt. Dopr. Fin. Nem. Vefi. Vzd. Zdr. Ost. do ,96 4,37 8,07 6,60 41,54 0,28 3,58 22,62 2,28 12,14 11,70 14, ,42 12,09 8,07 16,41 8,40 7,33 3,03 8,57 5,14 8,63 13,52 14, ,99 13,21 9,21 13,67 7,64 12,56 3,79 7,68 7,92 9,52 12,64 12, ,86 11,76 9,30 10,55 6,76 12,58 4,33 6,74 9,51 9,54 10,69 9, ,09 9,82 8,77 8,18 5,86 10,97 4,66 5,87 9,93 8,97 8,75 7, ,36 4,22 4,08 3,41 2,61 4,79 2,40 2,64 4,85 4,16 3,73 3, ,92 3,81 3,85 3,04 2,40 4,35 2,42 2,47 4,68 3,92 3,36 3, ,51 3,43 3,62 2,72 2,21 3,94 2,42 2,30 4,46 3,67 3,02 2, ,13 3,09 3,38 2,44 2,03 3,56 2,41 2,15 4,22 3,41 2,72 2, ,79 2,79 3,15 2,20 1,85 3,22 2,39 2,01 3,95 3,16 2,45 2, ,48 2,52 2,92 2,00 1,69 2,91 2,36 1,87 3,68 2,91 2,21 1, ,20 2,28 2,71 1,81 1,55 2,64 2,32 1,75 3,41 2,68 2,00 1, ,96 2,06 2,50 1,65 1,41 2,39 2,28 1,64 3,15 2,46 1,81 1, ,28 3,57 4,44 2,89 2,45 4,14 4,40 2,98 5,56 4,30 3,13 2, ,59 2,95 3,78 2,44 2,03 3,42 4,17 2,63 4,65 3,57 2,59 2, ,04 2,46 3,20 2,07 1,67 2,85 3,92 2,32 3,87 2,96 2,15 2, ,62 2,06 2,71 1,78 1,38 2,39 3,67 2,06 3,21 2,44 1,80 1, ,28 1,73 2,3 1,54 1,13 2,01 3,42 1,83 2,65 2,01 1,52 1, ,46 5,49 7,24 5,27 3,28 6,36 13,65 6,67 7,70 5,80 4,79 4, ,22 2,66 3,30 2,95 1,26 3,08 9,10 4,04 2,99 2,21 2,31 2, ,67 2,20 2,38 2,98 0,70 2,55 10,03 4,29 1,73 1,24 1,90 2, ,13 0,78 0,65 1,37 0,13 0,90 4,55 2,03 0,34 0,23 0,66 0, a více 0,66 0,34 2,03 2,03 0,77 4,72 4,70 0,11 0,07 0,54 0,99 0,99 Celkem 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % PrÛmûrné mzdy Smûr. odchylka Variaã. koeficient 0,43 0,60 0,52 0,95 0,64 0,58 0,68 0,97 0,42 0,47 0,61 0, , XVI, 4

10 Economics Tab. 4: Odhadnuté podíly zamûstnancû v pásmech hrub ch mûsíãních mezd podle odvûtví v roce 2010 (v %) Odvûtví Intervaly mezd Zem. PrÛm. Stav. Obch. Ubyt. Dopr. Fin. Nem. Vefi. Vzd. Zdr. Ost. do ,01 0,23 7,09 0,69 35,38 0,00 5,12 23,19 0,80 8,60 8,61 6, ,31 8,44 6,70 12,95 7,39 3,02 3,19 8,22 4,53 9,27 12,75 14, ,15 13,41 7,89 14,06 7,08 10,93 3,71 7,28 8,34 10,33 12,43 13, ,28 12,65 8,29 11,45 6,60 12,51 4,07 6,37 10,22 10,11 10,73 10, ,40 10,67 8,12 9,08 6,02 11,34 4,27 5,54 10,46 9,23 8,91 8, ,71 4,59 3,89 3,82 2,78 5,02 2,17 2,50 5,01 4,20 3,84 3, ,36 4,14 3,73 3,42 2,62 4,59 2,17 2,33 4,76 3,91 3,47 3, ,01 3,73 3,56 3,08 2,46 4,17 2,17 2,18 4,49 3,62 3,14 2, ,66 3,36 3,38 2,78 2,30 3,79 2,15 2,04 4,19 3,34 2,84 2, ,33 3,04 3,19 2,51 2,15 3,44 2,13 1,91 3,89 3,07 2,57 2, ,02 2,74 3,01 2,28 2,01 3,12 2,10 1,79 3,60 2,82 2,33 2, ,73 2,48 2,82 2,08 1,87 2,84 2,07 1,68 3,31 2,59 2,12 1, ,47 2,25 2,64 1,90 1,73 2,58 2,03 1,58 3,04 2,37 1,93 1, ,22 3,90 4,78 3,33 3,09 4,49 3,93 2,88 5,34 4,15 3,36 3, ,42 3,24 4,15 2,82 2,63 3,74 3,75 2,55 4,46 3,46 2,80 2, ,76 2,71 3,59 2,41 2,24 3,14 3,55 2,27 3,72 2,89 2,35 2, ,23 2,28 3,10 2,07 1,89 2,65 3,34 2,03 3,10 2,42 1,98 1, ,80 1,93 2,67 1,80 1,59 2,24 3,14 1,82 2,58 2,02 1,68 1, ,01 6,24 8,70 6,19 4,84 7,25 12,90 6,74 7,78 6,20 5,44 5, ,83 3,14 4,18 3,51 1,97 3,64 9,05 4,22 3,31 2,72 2,73 3, ,03 2,75 3,15 3,58 1,13 3,16 10,74 4,71 2,24 1,91 2,35 2, ,20 1,05 0,90 1,66 0,20 1,19 5,39 2,36 0,57 0,51 0,86 1, a více 1,03 0,48 2,52 2,53 1,14 6,83 3,83 0,28 0,26 0,78 1,66 1,63 Celkem 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % 100 % PrÛmûrné mzdy Smûr. odchylka Variaã. koeficient 0,43 0,64 0,53 0,95 0,64 0,62 0,75 1,10 0,45 0,51 0,65 0,83 4, XVI,

11 Závûr Jedním z nejpouïívanûj ích rozdûlení vyuïívan ch pfii modelování rozdûlení mezd a pfiíjmû je logaritmicko-normální rozdûlení, a to pfiedev ím rozdûlení tfiíparametrické. K odhadu parametrû tohoto rozdûlení je moïné vyuïít rûzn ch metod, napfi. momentovou metodu, kvantilovou metodu, Kemsleyovu ãi Cohenovu metodu odhadu parametrû. Jednou z moïností, jak odhadnout parametry tohoto rozdûlení, je vyu- Ïití metody L-momentÛ. Metoda L-momentÛ vût inou poskytuje v pfiípadû mal ch rozsahû v bûrû v raznû pfiesnûj í v sledky, neï jiné metody odhadu parametrû, a to vãetnû metody maximální vûrohodnosti, viz [8]. Ukázalo se v ak, Ïe v pfiípadû tak velk ch rozsahû v bûrû, s jak mi pracujeme v pfiípadû mzdov ch rozdûlení, poskytuje metoda L-momentÛ srovnatelnû pfiesné v sledky jako momentová ãi kvantilová metoda odhadu parametrû. Pfii fie ení otázky, která metoda odhadu parametrû tfiíparametrického logaritmicko-normálního rozdûlení je nejvhodnûj í, byla patrná znaãná závislost hodnoty testového kritéria χ2 na velikosti rozsahu v bûru. Jak je u takto velk ch rozsahû v bûrû obvyklé, v echny testy vedly k zamítnutí nulové hypotézy o pfiedpokládaném rozdûlení, viz v e. Pfiedpovûdi mzdov ch rozdûlení pro jednotlivá odvûtví na roky 2009 a 1010 jsou konstruovány za pfiedpokladu zachování dosavadního v voje mzdov ch rozdûlení. Otázkou zûstává, do jaké míry se projeví vliv finanãní krize na v voj mzdov ch rozdûlení co do jejich úrovnû i diferenciace. V rámci finanãní krize docházelo napfi. k znaãnému propou tûní pfiedev ím zamûstnancû s velmi nízk mi mzdami. Tato skuteãnost se mûïe dokonce projevit napfi. zvy ováním úrovnû mzdové hladiny a zcela urãitû ovlivní rovnûï v voj diferenciace mezd. Podporováno grantem IGA 24/2010 Fakulty informatiky a statistiky Vysoké koly ekonomické v Praze Anal za v voje pfiíjmov ch rozdûlení v âeské republice od roku 1990 do období finanãní krize a porovnání tohoto v voje s v vojem rozdûlení pfiíjmû v období finanãní krize podle sociologick ch skupin, pohlaví, vûku, vzdûlání, oboru profese a krajû Literatura [1] ARLT, J., ARLTOVÁ, M. Ekonomické ãasové fiady. 1. vyd. Praha: Professional Publishing, s. ISBN [2] ADAMAOWSKI, K. Regional Analysis of Annual Maximum and Partial Duration Flood Data by Nonparametric and L-moment Methods. Journal of Hydrology. 2000, Vol. 229, Iss. 3 4, s ISSN [3] BARTO OVÁ, J. Logarithmic-Normal Model of Income Distribution in the Czech Republic. Austrian Journal of Statistics. 2006, Vol. 35, Iss. 23, s ISSN X. [4] BÍLKOVÁ, D. Application of Lognormal Curves in Modeling of Wage Distributions. Journal of Applied Mathematics. 2008, Vol. 1, Iss. 2, s ISSN [5] BÍLKOVÁ, D. V voj pfiíjmov ch rozdûlení v letech a jejich pfiedpovûdi pro rok 1995 a Politická ekonomie. 1995, roã. 43, ã. 4, s ISSN [6] BÍLKOVÁ, D. Modelování mzdov ch rozdûlení v âeské republice v letech 2004 a 2005 s vyuïitím logaritmicko-normálních kfiivek a kfiivek Pearsonova a Johnsonova systému. Statistika. 2008, roã. 88, ã. 2, s ISSN X. [7] GUTTMAN, N.B. The Use of L-moments in the Determination of Regional Precipitation Climates. Journal of Climate. 1993, Vol. 6, Iss. 12, s ISSN [8] HOSKING, J.R.M. L-moments: Analysis and Estimation of Distributions Using Linear Combinations of Order Statistics. Journal of the Royal Statistical Society (Series B). 1990, Vol. 52, No. 1, s ISSN [9] HOSKING, J.R.M., WALES, J.R. Regional frequency analysis: An Approach Based on L-moments. 1st ed. New York: Cambridge University Press, s. ISBN [10] KYSEL, J., PICEK, J. Regional Growth Curves and Improved Design Value Estimates of Extreme Precipitation Events in the Czech Republic. Climate Research. 2007, Vol. 33, No. 3, s ISSN [11] PACÁKOVÁ, V., SIPKOVÁ, L. Generalized Lambda Distributions of Households Incomes. E+M a Management. 2007, roã. 10, ã. 1, s ISSN , XVI, 4

12 Economics [12] SMITHERS, J.C., SCHULZE, R.E. A Methodology for the Estimation of Short Duration Design Storms in South Africa Using a Regional Approach Based on L-moments. Journal of Hydrology. 2001, Vol. 241, Iss. 1 2, s ISSN [13] IMSOVÁ, J. Anal za ãasové fiady míry nezamûstnanosti v regionu Teplice. E+M a Management. 2006, roã. 9, ã. 1, s ISSN [14] TRE L, J., BLATNÁ, D. Dynamic Analysis of Selected European Stock Markets. Prague Economic Papers. 2007, roã. 14, ã. 4, s ISSN [15] ULRYCH, T.J., VELIS, D.R., WOODBURY, A.D., SACCHI, M.D. L-moments and C-moments. Stochastic Environmental Research and Risk Assesment. 2000, Vol. 14, Iss. 1, s ISSN [16] ZIMKOVÁ, E., BAROCHOVSK, J. Odhad potenciálneho produktu a produkãnej medzery v Slovensk ch podmienkach. Politická ekonomie. 2007, roã. 55, ã. 4, s ISSN doc. Ing. Diana Bílková, Dr. Vysoká kola ekonomická Fakulta informatiky a statistiky Katedra statistiky a pravdûpodobnosti bilkova@vse.cz Doruãeno redakci: Recenzováno: , Schváleno k publikování: , XVI,

13 Abstract MODELING OF WAGE DISTRIBUTION IN RECENT YEARS IN THE CZECH REPUBLIC USING L-MOMENTS AND THE PREDICTION OF WAGE DISTRIBUTION BY INDUSTRY Diana Bílková L-moments are based on the linear combinations of order statistics. The question of L-moments presents a general theory covering the summarization and description of sample data sets, the summarization and description of theoretical distributions, but also the estimation of parameters of probability distributions and hypothesis testing for parameters of probability distributions. L-moments can be defined for any random variable in the case that its mean exists. Within the scope of modelling of wage distributions we currently use the method of conventional moments, the quantile method or the maximum likelihood method. The theory of L-moments parallels the other theories and the main advantage of the method of L-moments over these methods is that L-moments suffer less from impact of sampling variability. L-moments are more robust and they provide more secure results in the case of small samples. The three-parametric lognormal distribution is one from the most frequent used distributions within the frame of modelling wage and income distribution. In the case of wage distributions we usually work with very large data sets and in such cases the method of L-moments provides say about alike accurate results as for example the method of moment or quantile method. The question of fitness of concrete parametric distribution for model of wage distribution tends to rejection of tested hypothesis about supposed form distribution practically always in the cases of such large samples. In this connection we can see close relationship between sample size and the value of criterion χ2, too. The forecasts of wage distributions were constructed based on the observance of previous development. Within the frame of the financilal crisis were set free the employees with very low wages above all. The effect of this truth to forecasts of wage distribution will be exactly known in the autumn of this year. Key Words: L-moments, linear combination of order statistics, wage distributions, lognormal distribution. JEL Classification: C13, C16, H , XVI, 4