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 X 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) Příslušná 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 Počet zaměstnanců (přesný údaj) Počet zaměstnaných žen (přesný údaj) Počet pracujících v podniku celkem Rozpočet na vzdělávání Počet vzdělávaných osob celkem Popis proměnné Průměrný přepočtený počet zaměstnanců, zaokrouhlený na celé číslo Údaj uváděný v přiznání k dani z příjmů právnických osob v části K, řádek 2. Průměrný přepočtený počet zaměstnanců - žen, zaokrouhlený na celé číslo 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, ) Celková částka prostředků vyplacených na vzdělávání zaměstnanců Celkový počet osob, který v daném podniku prošel vzděláváním.
Zdroje dat a možnosti: Způsob šetření 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 matching Pro 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