Beruflich Dokumente
Kultur Dokumente
Mateusz Komendoowicz
Nr albumu: 339988
Model ekonometryczny
SPIS TRECI
1. WSTP......................................................................................................................
3. HIPOTEZY BADAWCZE........................................................................................
7. DIAGNOSTYKA MODELU....................................................................................
10
11
11
12
12
13
9. PODSUMOWANIE..................................................................................................
14
10. BIBLIOGRAFIA....................................................................................................... 15
1. WSTP
W cigu ostatnich lat znacznie spada liczba zawieranych maestw przez Polakw.
Wedug szacunkw Gwnego Urzdu Statystycznego w 2013 roku zawarto o ponad 22
tysice mniej ni rok wczeniej. Coraz wicej par decyduje si na ycie w zwizku
nieformalnym. Postpujcy spadek liczby zawieranych maestw ma istotny wpyw na inne
wane wskaniki takie jak dzietno kobiet, gdy wicej dzieci rodzi si w zwizkach
formalnych. Zmieniajcy si model rodziny w ostatnich latach to ogromny przeskok
kulturowy dla Polski. W mediach trwa dyskusja nad przyczynami tego zjawiska, a rzd
prbuje mu zapobiega. Wrd czynnikw, ktre determinuj to zjawisko zwraca si uwag
na niskie zarobki i brak szans na samodzielne utrzymanie, ale rwnie fakt coraz wikszej
urbanizacji i cyfryzacji spoeczestwa.
W niniejszej pracy bd stara si odpowiedzie na pytanie jakie s determinanty iloci
maestw w Polsce poprzez analiz poszczeglnych powiatw. Zmienne, ktre zastosowano
w modelu odwouj si zarwno do przyczyn ekonomicznych jak i spoecznych. Model ten
moe mie zastosowanie praktyczne przy prbie zapobieganiu tego negatywnego zjawiska.
2. FUNDAMENTY TEORETYCZNE I PRZEGLD LITERATURY
Rozpatrywanie problemu maej iloci maestw w kontekcie ekonomii naley zacz
od teorii Garyego Beckera. Stworzy on ekonomiczn teorie zachowa ludzkich, za co
otrzyma nagrod Nobla w dziedzinie Ekonomii w roku 1992. Zakada on, e czowiek jest
istot homo oeconomicus, czyli e racjonalnie dy zawsze do maksymalizacji swoich
zyskw i dokonywania najlepszych wyborw. W kontekcie tej teorii zawarcie maestwa
zwiksza uyteczno partnerw. Moe to si sta dziki specjalizacji, czyli sytuacji gdy
jeden partner poytkuje swj czas na co w czym jest lepszy od drugiego. Jako warunek
zawarcia maestwa Becker postawi rwnanie, mwice, e uyteczno po zawarciu
maestwa musi by wiksza ni suma uytecznoci partnerw osobno. Jako korzyci z
zawarcia maestwa wskaza midzy innymi podzia czasu i obowizkw, zaspokojenie
seksualne, zarzdzanie ryzykiem w yciu oraz wspomaganie inwestycji w kapita ludzki, czyli
sytuacj gdzie jeden z partnerw doksztaca si, gdy drugi pracuje.
Pomysy Beckera s rozwijane w pracy A Joint Model of Marriage and Partner
Choice napisanej przez Elaine Rose. Autorka estymuje w tym artykule model rynku
maeskiego. Zakada ona denie do maksymalizacji uytecznoci przez poszczeglne
3. HIPOTEZY BADAWCZE
Na podstawie przegldu literatury, analizy zjawiska jak i teorii ekonomii mona
postawi nastpujce hipotezy badawcze:
1) Wskanik zatrudnienia mczyzn ma pozytywny wpyw na zawieranych maestw.
2) Wskanik zatrudnienia kobiet ma pozytywny wpyw na ilo maestw.
3) Ilo rozwodw ma negatywny wpyw na ilo maestw.
4) Wysoko wynagrodzenia ma niejednoznaczny wpyw na ilo zawieranych
maestw.
Pierwsza i drug hipotez mona argumentowa faktem, e wiksza liczba osb
pracujcych oznacza wiksz liczb osb bdcych w stanie si utrzyma np. osb modych.
To moe powodowa ch wsplnego mieszkania czy te zawarcia maestwa.
3
Ostatnia hipoteza wynika z faktu, e z jednej strony im bogatsi s ludzie, tym mniej
potrzebuj wsparcia finansowego. Argument specjalizacji czy te polepszenia swojej sytuacji
ekonomicznej nie musi by do koca w ich przypadku prawdziwy. Z drugiej strony wiksze
wynagrodzenie znowu pozwala myle o wsplnym yciu, kupnie mieszkania czy
wychowywaniu potomstwa.
Trzecia hipoteza jest z jednej strony oczywista, z drugiej strony w literaturze mona
spotka gbsze jej omawianie. Ilo rozwodw w sposb oczywisty przekada si na ilo
maestw poniewa j zmniejsza. Z drugiej jednak strony wywouje ona dodatkowy efekt,
dua liczba rozwodw w danym regionie moe zachca inne osoby do brania takiego.
Zwaszcza w powiatach, ktrych struktura jest bardziej wiejska, ni miejska. Dlatego
zdecydowano si na sprawdzenie tej hipotezy.
Zmienne objaniajce
Maestwa zawarte
1 =
Maestwa zawarte w ostatnim roku w danym powiecie.
Wskanik ludnoci miejskiej [%]
2 =
To liczba osb zamieszkujca tereny miejskie w stosunku do wszystkich mieszkacw
powiatu.
Wskanik iloci kawalerw i panien [%]
3 =
To liczba kawalerw i panien w stosunku do wszystkich mieszkacw powiatu.
Jak wida zbir zawiera 379 obserwacji. Na ten moment mona zaobserwowa due
odchylenie standardowe oraz rnic midzy wartoci maksymaln, a minimaln w
wynagrodzeniach w poszczeglnych powiatach. Ponadto powiaty s mocno zrnicowane
pod wzgldem iloci osb pracujcych, obcieniem demograficznym czy iloci rozwodw
i nowych maestw.
|
M1000 NewMar~e TownPer Available Feminine
Salary
Demo Divorce
Fjobs
Mjobs
-------------+-----------------------------------------------------------------------------------------M1000 |
1.0000
NewMarriage | -0.1177
1.0000
TownPer | -0.2851
0.2982
1.0000
Available |
0.0777
0.0280 -0.1102
1.0000
Feminine | -0.4211
0.4670
0.7764 -0.1450
1.0000
Salary | -0.0989
0.3844
0.4204 -0.1352
0.3646
1.0000
Demo |
0.1795 -0.0158 -0.4570
0.0018 -0.2298 -0.1964
1.0000
Divorce | -0.4168
0.1937
0.7164 -0.1233
0.5853
0.3106 -0.5683
1.0000
Fjobs |
0.0074
0.2765 -0.0577 -0.1766
0.1578
0.2375
0.0322 -0.0784
1.0000
Mjobs |
0.2027
0.1463 -0.2887 -0.1572 -0.1501
0.0903
0.0630 -0.2461
0.8171
1.0000
Widoczna jest znaczca korelacja midzy iloci pracujcych kobiet i mczyzn, mona
to tumaczy faktem, e w danym regionie sytuacja ekonomiczna ma wpyw na obydwie
zmienne. Z uwagi jednak na charakter pisanej pracy i ch wyrnienia sytuacji kobiet i
mczyzn nie ma to istotnego wpywu. Inne zmienne skorelowane to midzy innymi Divorce
oraz Feminine, a take Feminine oraz TownPer.
Nastpnie analizujemy zmienn objanian przy pomocy histogramu.
.6
0
.2
.4
Density
.8
6
M1000
Source |
SS
df
MS
-------------+-----------------------------Model | 30.4090911
9
3.3787879
Residual | 71.8486749
366 .196307855
-------------+-----------------------------Total | 102.257766
375 .272687376
Number of obs
F( 9,
366)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
376
17.21
0.0000
0.2974
0.2801
.44307
-----------------------------------------------------------------------------M1000 |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------NewMarriage |
.0000431
.0000496
0.87
0.386
-.0000544
.0001406
TownPer |
.8316592
.1717248
4.84
0.000
.493968
1.16935
Available |
.9704507
1.634228
0.59
0.553
-2.243205
4.184106
Feminine | -.0654928
.0116371
-5.63
0.000
-.0883768
-.0426087
Salary |
.000024
.0000608
0.39
0.693
-.0000955
.0001434
Demo |
.0072672
.0084764
0.86
0.392
-.0094013
.0239358
Divorce | -.3774268
.0717285
-5.26
0.000
-.5184784
-.2363751
Fjobs | -.0266073
.0121451
-2.19
0.029
-.0504902
-.0027244
Mjobs |
.040892
.0114935
3.56
0.000
.0182905
.0634936
_cons |
10.5635
1.409364
7.50
0.000
7.792035
13.33497
------------------------------------------------------------------------------
Source |
SS
df
MS
-------------+-----------------------------Model | 29.9181289
5 5.98362577
Residual | 72.3396371
370 .195512533
-------------+-----------------------------Total | 102.257766
375 .272687376
Number of obs
F( 5,
370)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
376
30.60
0.0000
0.2926
0.2830
.44217
-----------------------------------------------------------------------------M1000 |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------TownPer |
.8076383
.1594802
5.06
0.000
.4940371
1.12124
Feminine | -.0601126
.010547
-5.70
0.000
-.0808522
-.039373
Divorce | -.4082543
.0644086
-6.34
0.000
-.5349071
-.2816015
Fjobs | -.0251877
.0119591
-2.11
0.036
-.0487041
-.0016714
Mjobs |
.0400983
.0112425
3.57
0.000
.0179911
.0622055
_cons |
10.78642
1.082332
9.97
0.000
8.658127
12.91471
------------------------------------------------------------------------------
7. DIAGNOSTYKA MODELU
.04
0
.02
Leverage
.06
.08
.01
.02
Normalized residual squared
.03
.04
10
Variable |
VIF
1/VIF
-------------+---------------------Fjobs |
4.02
0.248702
Mjobs |
3.97
0.251764
TownPer |
3.59
0.278702
Feminine |
3.08
0.324989
Divorce |
2.08
0.481672
-------------+---------------------Mean VIF |
3.35
11
=
=
19.82
0.4690
12
Source |
SS
df
MS
-------------+-----------------------------Model | 35.7347396
11 3.24861269
Residual | 66.5230263
364 .182755567
-------------+-----------------------------Total | 102.257766
375 .272687376
Number of obs
F( 11,
364)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
376
17.78
0.0000
0.3495
0.3298
.4275
-----------------------------------------------------------------------------M1000 |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------TownPer |
1.411317
.2510044
5.62
0.000
.9177162
1.904918
Feminine | -.1126245
.015369
-7.33
0.000
-.1428477
-.0824014
Divorce | -.4294877
.0875768
-4.90
0.000
-.6017077
-.2572677
Fjobs |
-.015907
.0160492
-0.99
0.322
-.0474679
.0156538
Mjobs |
.0123854
.0177096
0.70
0.485
-.0224406
.0472115
d | -10.70872
2.232195
-4.80
0.000
-15.09833
-6.319099
d1 | -1.001665
.3336149
-3.00
0.003
-1.65772
-.3456105
d2 |
.0877765
.0215707
4.07
0.000
.0453577
.1301953
d3 |
.0964323
.1271993
0.76
0.449
-.1537054
.34657
d4 |
-.006968
.0240434
-0.29
0.772
-.0542494
.0403133
d5 |
.0380193
.0231068
1.65
0.101
-.0074202
.0834588
_cons |
17.22985
1.638042
10.52
0.000
14.00864
20.45107
------------------------------------------------------------------------------
1)
2)
3)
4)
5)
6)
D = 0
D1 = 0
D2 = 0
D3 = 0
D4 = 0
D5 = 0
F(
6,
364) =
PROB > F =
5.30
0.0000
13
9. PODSUMOWANIE
Podsumowujc, opracowany model potwierdzi wikszo z postawionych hipotez.
Okazao si, e istnieje statystycznie istotny wpyw wskanikw zatrudnienia kobiet i
mczyzn na ilo maestw w danym powiacie. Co wicej maj one rny znak wpywu.
W zwizku ze zmieniajcym si modelem rodziny w Polsce oraz niskim wskanikiem
urodze wydaje si, e naley kontynuowa badania na temat determinantw zawierania
maestw i ich iloci. W najbliszych latach moe bowiem okaza si, e z uwagi na
spadajc liczb maestw znaczco spadnie rwnie wskanik urodze. Samorzdy lokalne
w Polsce powinny by wiadome problemu i zach ludzi modych do zwizkw formalnych
oraz posiadania potomstwa. Wydaje si, e jest to jeden z istotniejszych problemw
nadchodzcych lat w Polsce.
14
BIBLIOGRAFIA
Becker G., A Theory of Marriage: Part I, The Journal of Political Economy, Vol. 81. No. 4,
1993, Chapter 1.
Blau F., Ehrenberg R., Gender and Family Issues in Workplace, Russell Sage Foundation,
Nowy Jork, 1998, s. 20 58.
Florczak W., Ekonometryczny model szacowania liczby urodze dla Polski, Wiadomoci
Statystyczne, Nr 6., 2009, s. 48-72.
Grossbard-Schechtman S., On the Economics of Marriage: A Theory of
Marriage, Labor and Divorce, 1993, Chapter 1 The Economics of Marriage and other
Social Sciences.
Moffitt R., The effect on the U.S. welfare system on marital status, Journal of Public
Economics, Nr 41., 1990. On line. Dostp 18 stycznia 2014 roku.
http://sjoquist.gsu.edu/ec9450/pprlist/moffitt.pdf
Rose E., A Joint Model of Marriage and Partner Choice, Center for Statistics in the Social
Sciences, University of Washington, Working Paper No. 58, Waszyngton, 2006.
On
line.
Dostp
18
stycznia
2014
roku
http://www.csss.washington.edu/Papers/2006/wp58.pdf
Rose E., Marriage and Assortative Mating: How Have the Patterns Changed?, Center for
Statistics in the Social Sciences, University of Washington, Working Paper No. 2,
Waszyngton,2001.
On line. Dostp 18 stycznia 2014 roku.
https://www.csss.washington.edu/Papers/wp22.pdf
Stutzer A., Does marriage make people happy, or does happy people get married, The
Journal of Socio-Economics, Volume 35, Issue 2, 2006, s. 326-347.
15