statisztikai · 3. belföldi terméktámogatás 0 0 0 –180 0 0 –7 –187 4. belföldi...

A K Ö Z P O N T I S T A T I S Z T I K A I H I V A T A L

T U D O M Á N Y O S F O L Y Ó I R A T A

SZERKESZTŐBIZOTTSÁG:

DR. BAGÓ ESZTER, DR. BELYÓ PÁL (a Szerkesztőbizottság elnöke), DR. FAZEKAS KÁROLY, DR. HARCSA ISTVÁN, DR. HUNYADI LÁSZLÓ (főszerkesztő),

DR. JÓZAN PÉTER, DR. KARSAI GÁBOR, NYITRAI FERENCNÉ DR., DR. OBLATH GÁBOR, DR. RAPPAI GÁBOR, DR. ROÓZ JÓZSEF, DR. SPÉDER ZSOLT,

DR. SZÉP KATALIN, DR. SZILÁGYI GYÖRGY

8 9 . É V F O L Y A M 3 . S Z Á M 2 0 1 1 . M Á R C I U S

Statisztikai

Szemle

A Statisztikai Szemlében megjelenő tanulmányok kutatói véleményeket tükröznek, amelyek nem esnek szükségképp egybe

a KSH vagy a szerzők által képviselt intézmények hivatalos álláspontjával.

Utánnyomás csak a forrás megjelölésével!

ISSN 0039 0690

Megjelenik havonta egyszer Főszerkesztő: dr. Hunyadi László

Osztályvezető: Dobokayné Szabó Orsolya Kiadja: a Központi Statisztikai Hivatal

A kiadásért felel: dr. Vukovich Gabriella 2011.029 – Xerox Magyarország Kft.

Szakreferensek: Farkas János (társadalomstatisztika), dr. Hajdu Ottó (módszertan), Laczka Sándorné dr. (gazdaságstatisztika)

Szerkesztők: Bartha Éva, dr. Kondora Cosette, Visi Lakatos Mária Tördelőszerkesztők: Bartha Éva, Simonné Káli Ágnes

Internet szerkesztése: Bada Ilona Csilla

Szerkesztőség: Budapest II., Keleti Károly utca 5–7. Postacím: Budapest, 1525. Postafiók 51. Telefon: 345-6908, 345-6546 Telefax: 345-6594

Internet: www.ksh.hu/statszemle E-mail: [email protected]

Kiadó: Központi Statisztikai Hivatal, Budapest II., Keleti Károly utca 5–7. Postacím: Postafiók 51. Budapest, 1525. Telefon: 345-6000

Előfizetésben terjeszti a Magyar Posta Rt. Hírlap Üzletág (1008 Budapest, Orczy tér 1). Előfizethető közvetlen a postai kézbesítőknél, az ország bármely postáján,

valamint e-mailen ([email protected]) és faxon (303-3440). További információ: 06-80-444-444

Előfizetési díj: fél évre 6000 Ft, egy évre 10 800 Ft Beszerezhető a KSH Könyvesboltban. Budapest II., Fényes Elek u. 14–18. Telefon: 345-6789

Tartalom

Tanulmányok

A SOCIO-LINE modell 2005. évi adatbázisának készíté-sekor szerzett tapasztalatok II. – Dr. Révész Tamás – Dr. Takács Tibor ........................................................ 253

A parciális korrelációs együttható értelmezési problémái a többdimenziós normalitás feltételének sérülése ese-tén – Vargha András .................................................. 275

A jövedelemeloszlás és jövedelemegyenlőtlenség a személyijövedelemadó-bevallási adatok tükrében – Kovács Ilona .............................................................. 294

Mûhely

Statisztikai kultúra, minőség, etika – Harcsa István ........ 313 Kávéházi beszélgetések a statisztikáról – A nemzetiségi

(etnikai) statisztika (8.) – John Ede ........................... 322

Fórum

Beszélgetés Mihályffy Lászlóval – Hunyadi László ........ 330

Hírek, események ............................................................. 335

Szakirodalom

Folyóiratszemle Bujnowska, A. – Museux, J.-M.: Az Európai Unió

mikroadatainak elérése, ESSnet projektek a távo-li hozzáférésről – (Vereczkei Zoltán) ................... 338

Zherebin, V. M. – Ermakova, N. A.: A lakosság min-dennapi életének informatizálása – (Bedecs Éva) 340

Lefebure, S. – Rabau, M. – Van Camp, G. – Vleminckx, K.: A megfelelő, biztonságos és fenntartó európai nyugdíjrendszer információi – (Nádudvari Zoltán) .............................................. 343

Kiadók ajánlata ................................................................ 347 Társfolyóiratok ................................................................ 349

Statisztikai Szemle, 89. évfolyam 3. szám

Tanulmányok

A SOCIO-LINE modell 2005. évi adatbázisának készítésekor szerzett tapasztalatok II.

Dr. Révész Tamás, a Budapesti Corvinus Egyetem tudományos főmunkatársa E-mail: [email protected]

Dr. Takács Tibor, az ECOSTAT Kormányzati Hatásvizsgálati Központ E-mail: [email protected]

A jelenlegi súlyos növekedési és egyensúlyi prob-lémákkal küszködő európai és magyar gazdaságban különösen fontos, hogy a gazdaságpolitika útkeresését megbízható modellek friss és (az új szempontokat is kellőképpen megjelenítő) részletes adatokon alapuló számításai is elősegítsék. A Statisztikai Szemle 2003. évi 2. és 3. számában ismertetett, majd részletesen az ECOSTAT 2006. évi I. számú módszertani füzetében dokumentált és az évtized közepén eredményesen mű-ködtetett SOCIO-LINE modell jellegében e kívána-lomnak megfelel, viszont az új adatok némileg egy-másnak ellentmondó követelményeinek csak jelentős erőfeszítés árán tudott megfelelni. E cikk a modell ed-digi, 1998. évi adatbázisának 2005. évire való, felújítá-sáról számol be.14

A magyar gazdaság és statisztikai rendszer 1998 és 2005 közötti számos változása miatt az adatbázis fris-sítése nem történhetett mechanikusan az 1998. évi ada-tok egyszerű kicserélésével 2005. évi megfelelőikre, hanem alapos megfontolást, szakértői egyeztetést, kor-rekciókat és a függőben lévő módszertani kérdések, problémák dokumentálását is igényelte. A konzisztens új adatbázis összeállítása és modellfuttatásokkal való tesztelése másfél évig tartott. E folyamat számos olyan tanulsággal szolgált, amelyek bemutatása nemcsak a modellező, hanem a makrostatisztikai adatokat fel-használó egyéb szakemberek érdeklődésére is számot tarthat.

TÁRGYSZÓ: Makrogazdaság. Nemzeti számlák. Háztartás-statisztika.

14 A kutatást az ECOSTAT és a Budapesti Corvinus Egyetem „Társadalmi Megújulás” Operatív Program

keretén belül folyó, TÁMOP-4-2.1.B-09/1/KMR-2010-0005 kódszámú kutatási projektje támogatta.

Dr. Révész Tamás — Dr. Takács Tibor


254

A cikk első részében először a makrogazdasági modell elkészült 2005. évi adat-bázisának felhasználási lehetőségeit, adatigényeit és főbb adatforrásait ismertettük, majd a statisztikai adatszolgáltatásokban a korábbi bázisévhez, 1998-hoz képest be-következett módszertani változásokat értékeltük. Emellett kitértünk az adatgyűjtés során felmerülő problémákra, így a különféle adatforrásokból származó információk összhangjának megteremtésére, az adatok értelmezhetőségére és kezelhetőségére is.

3. Az adatbázis összeállításának menete

Ebben a pontban azt ismertetjük, hogy a rendelkezésre álló statisztikai adatokból mely módszerekkel állítottuk elő a modell által igényelt inputokat, illetve milyen módon kellett az esetlegesen közvetlenül nem mért adatokat pótolnunk.

3.1. Intézményi szektorok ágazatilag nem bontott adatai

Mindenekelőtt egészen „nettó pénzvagyon változásig” összeállítottuk az egyes in-tézményi szektorok 2005. évi bevételi-kiadási mérlegeit a nemzeti számla kiadvány se-gítségével. Ezek a kiadványban – a passzív vagyonváltozásokat leszámítva – majdnem teljes mértékben megtalálhatók voltak. Az összes bruttó termelés, folyó termelőfelhasználás, export, import, állóeszköz-felhalmozás, készletváltozás (statiszti-kai eltéréssel), valamint az exportot terhelő nettó termékadónak a nemzeti számláktól eltérő, illetve a nemzeti számlákban nem megtalálható értékét az ÁKM-ből írtuk be az előző fejezetben vázolt okokból. Pontosabban a bruttó termelés és a folyó termelőfelhasználás adata még az ÁKM-en általunk végrehajtott – a hozzáadott értéket nem érintő – imputálások (hazai kőolajtermelés és integrált szénbányák nem piaci ter-melése) előtti, a KSH ÁKM-jében szereplő értéken lett feltüntetve. Az ÁKM és a ko-rábban publikált nemzeti számlák főbb eltérései egyébként a következők (milliárd fo-rintban): hozzáadott érték –40; termékadók egyenlege –4; GDP –44; állóeszköz-felhalmozás +24; készletváltozás és a statisztikai eltérés összege +98; a külkereskede-lem egyenlege –166 (amelyen belül az export a készletkorrekciók hatására 95 milliárd forinttal kisebb, az import pedig 72 milliárd forinttal nagyobb lett az ÁKM-ben).

A táblázatbeli mérlegekben az adatok egy részét maradványelv alapján határoztuk meg. Ezt általában sorirányban alkalmaztuk a legnagyobb részesedésű intézményi –

A SOCIO-LINE modell 2005. évi adatbázisának készítésekor szerzett tapasztalatok


255

szinte kivétel nélkül a vállalati – szektor adata esetén, az adott kategória nemzetgaz-dasági összesen értékéből az adott sorban lévő többi tételt levonva. Ez eltér az eltéré-seket egy képzett szektor bevételeként illetve kiadásaként ábrázoló KSH-módszertől, mivel azzal a modell nem tud mit kezdeni. A vállalati szektorban például így számol-tuk el kiadásként a nemzeti számlák kiadványban az államháztartásnál feltüntetett, a „nem termelt, nem pénzügyi javak” (föld, műkincsek stb.) forgalmából származó be-vétel 24 690 millió forintos összegét. A KSH ezt teljes egészében a képzett szektor kiadásaként számolja el, noha az MNB fizetési mérlege szerint ebből 3 071 millió fo-rint a külföld nettó kiadása. Néhány tételnél, például a biztosítási kártérítés és a biz-tosítási díj kategóriáinak esetében a háztartási szektorra jutó összeget maradványelv alapján határoztuk meg. Ezt azért tettük, mert a háztartási szektorban a nemzeti számlák nem tüntetik fel ezeket, mivel egyenlegük a módszertan szerint zérus (a tényleges egyenleget ugyanis szolgáltatási díjként a fogyasztásban számoljuk el). Az eredményeket az 1. táblázat összegzi.

1. táblázat

Az intézmények jövedelemmérlegei 2005-ben (folyó áron, milliárd forint)

Ebből:

Jövedelemelosztás, 2005 SAM

Vállalatok összesen Nem

pénzügyi vállalatok

Pénz-intézetek

Állam-háztartás Háztartások Nonprofit

szervezetek Külföld Összesen

1. Termelés 34 272 32 782 1 491 4 853 5 868 465 0 45 459 2. Termelőfelhasználás –22919 –22198 –721 –1 404 -2 042 –255 0 –26 621

3. Belföldi terméktámogatás 0 0 0 –180 0 0 –7 –187

4. Belföldi termékadók 0 0 0 3 236 0 0 29 3 265 5. Vám 0 0 0 –1 0 0 35 35

6. Exportadó-támogatás 0 0 0 57 0 0 –10 47

GDP = 1.+2.+3.+4.+5.+6. 11 353 10 584 770 6 504 3 826 210 57 21 950

8. Egyéb termelési támogatás 164 160 4 0 74 0 0 237

9. Egyéb termelési adó –111 –107 –4 0 –7 0 0 –118

10. Bér –5 289 –5 006 –283 –2 053 –511 –126 –52 –8 032 11. Munkaadói tb-járulékok –1 500 –1 391 –109 –720 –24 –38 0 –2 281

Bruttó működési eredmény = 1.+2.+8.+9.+10.+11.

4 618 4 239 378 676 3 358

45

–52

8 645

12. Egyéb termelési támogatás 0 0 0 –113 0 0 –124 –237

13. Egyéb termelési adó 0 0 0 118 0 0 0 118 14. Bér jóváírása dolgozóknak 0 0 0 0 7 975 0 57 8 032

15. Munkavállalók és munkanél-küliek tb-járuléka 0 0 0 0 –985 0 –1 –986

(A táblázat folytatása a következő oldalon.)



256

(Folytatás.)

Ebből:




Pénz-intézetek



16. Önkéntes munkavállalói tb-járulék 0 0 0 0 0 0 0 0

17. Tb-járulékok elosztása 486 29 457 2 781 0 0 0 3 267 18. Magánnyugdíj-pénztári

korrekció –368 0 –368 0 368 0 0 0 19. Pénzbeni társadalmi juttatás –119 –30 –89 –3 204 3 328 –13 7 0

20. Jövedelemadók –458 –338 –120 1 915 –1 450 0 –8 0

21. Egyéb elvonás, támogatás 0 0 0 69 –69 0 0 0 22. Kamat – fizetett –2 204 –613 –1 591 –916 –422 –1 –208 –3 750

23. Kamat – kapott 2 404 432 1 971 66 623 12 645 3 750

24. Kamat és egyéb tulajdonosi jövedelem – egyenlegező 0 0 0 0 0 0 0 0

25. Visszaforgatott cégjövedelem –448 –338 –111 0 0 0 448 0 26. Osztalék – kapott 454 417 37 26 160 1 638 1278

27. Osztalék – fizetett –1 182 –1 065 –116 0 0 0 –97 –1278

28. Biztosítottak jövedelme –184 10 –194 0 184 0 0 0 29. Egyéb tulajdonosi jövedelem –126 –126 0 92 34 0 0 0

30. Biztosítási kártérítés –172 36 –208 0 172 0 0 0

31. Egyéb folyó jövedelem – bevétel 133 158 –25 2 057 339 0 318 2 848

32. Biztosítási díj 134 –74 208 0 –172 0 0 –38 33. Egyéb folyó jövedelem –

kiadás –139 –158 18 –2 423 –122 0 –404 –3 089 34. Egyéb folyó jövedelem –

átutalás (D.75.) –50 –50 0 0 0 328 0 278 35. Természetbeni társadalmi

juttatás 0 0 0 –2 786 3 147 –361 0 0 36. Tőketranszfer – bevétel 265 259 6 745 126 55 14 1205

37. Tőketranszfer – kiadás –60 –56 –4 –914 –29 –23 –180 –1 205

38. Import 0 0 0 0 0 0 14 917 14 917 39. Export 0 0 0 0 0 0 –14 511 –14 511

40. Végső fogyasztás 0 0 0 –2 172 –14 911 0 0 –17 083

41. Állóeszköz-felhalmozás –2 963 –2 873 –90 –873 –1 172 –33 0 –5 040 42. Készletfelhalmozás + statisz-

tikai hiba –273 –273 0 –4 –3 0 0 –280 43. Nem termelt, nem pénzügyi

javak –25 –25 0 25 0 0 0 0 44. Nettó részvényeladás 794 281 513 558 –693 –7 –650 0




257

(Folytatás.)

Ebből:




Pénz-intézetek



45. Hitelezési veszteség 0 0 0 0 0 0 0 0

46. Devizaátértékelődés 52 –130 182 –193 10 0 130 0

47. Eltérés (transzfer, átértékelés) –766 –652 –114 –96 446 7 409 0

48. Egyéb forintkövetelések átér-tékelése –49 19 –67 –31 82 0 –3 0

49. Nettó hitelfelvétel 245 919 –674 1 484 –324 –11 –1 395 0 (= nettó pénzvagyonváltozás) 0 0 0 0 0 0 0 0

Megjegyzések. A maradványértékeket dőlt betű jelzi. A D.75. a nemzeti számlákban figyelembevett „Egyéb folyó jövedelem – átutalás” kategóriára utal. Itt és a továbbiakban a táblázat összesen értékei kerekítés miatt nem adják ki pontosan az összeadandók összegét.

A bevételek-kiadások mérlegének eredményeként (a változások eredőjeként) az in-tézményi szektorok cégtulajdon nélküli nettó pénzvagyonváltozását kívántuk levezetni. A cégtulajdont egyrészt azért nem szerepeltettük itt, hogy a részesedéseladások és -vásárlások egyenlegét (privatizációs bevételek stb., amelyekre vonatkozó adatok az MNB pénzügyi számláiban találhatók) a folyó műveletek között tüntethessük fel, más-részt pedig azért, hogy a cégtulajdon érintett felek általi aszimmetrikus értékeléséből, illetve átértékelődéséből eredő bonyolult problémákkal ne itt, a jövedelemelosztás ke-retén belül kelljen foglalkoznunk.15 Ugyanakkor a visszaforgatott jövedelmeket is sze-repeltethetjük a bevételeknél, amennyiben azokat a cégtulajdon-vásárlási tranzakciók között szintén elszámolják. Természetesen a cégtulajdonon kívül más pénzügyi inst-rumentumoknak is vannak átértékelődései, amiket a bevételi-kiadási mérlegekben fel kell tüntetni, ha eredőként állományváltozásukat akarjuk meghatározni. Ezeket a nem-zeti számlák kiadvány pénzügyi számlái ugyan tartalmazzák az instrumentumok köz-gazdasági típusai és intézményi szektorok szerinti bontásban, de a külföldi pénzértékre (valutára, devizára) vonatkozókat csak az MNB honlapján találtuk meg.

Ezután intézményi szektoronként kiszámítottuk a cégtulajdon nélküli nettó pénzvagyon-változás és az eddig figyelembevett bevételek és kiadások egyenle-gének eltérését. Ezzel az összeggel kell kiegészíteni a bevételi-kiadási mérleget, hogy a cégtulajdon nélküli nettó pénzvagyonváltozást kapjuk eredményül. A pénzintézeteknél –114 milliárd forint, az egyéb vállalatoknál pedig –652 milliárd

15 A cégtulajdonnal együtt értelmezett pénzvagyonváltozás komponensei között ugyanis a részesedés-

adásvételek nem szerepelhetnének, mert azok csak kategórián belüli portfoliószerkezet-változást jelentenek (pénz helyett cégtulajdon).



258

forint statisztikai eltérés jelentkezik, azaz ennyi az ismeretlen kiadás. A pénzinté-zeteknél ezt körülbelül fele részben lefedik a –55,4 milliárd forint egyenlegű „egyéb volumenváltozások”, míg az egyéb vállalatoknál ezek egyenlege csak –6,6 milliárd forint.

Az egyes intézményi szektorok pénzügyi vagyonának összetételére az MNB pénzügyi számláiban találhatók információk. A modellnek azonban szüksége van az egyes instrumentumok hozamainak adataira is. A hozamok részben a tranzakci-ók részei (kamat, osztalék16), részben pedig átértékelődésekből adódnak. Sajnos a bevételi-kiadási mérlegek egyik tételét képező kamatok tekintetében nem kaptunk információt arról, hogy azok pénzeszközökre (folyószámlákra és látra szóló beté-tekre), illetve egyéb követelésekre (lekötött betétekre, hitelekre stb.) való megosz-lása milyen volt. A forint- és devizakamatokra az MNB említett kamatmátrixai ugyan külön-külön tartalmaztak adatokat, azok összege azonban helyenként (főleg a forintadatokban és a háztartásoknál) jelentősen eltért a nemzeti számlákban eddig publikált számoktól, így egyelőre az adatbázisba nem illesztettük be. Ehelyett a (forint-) pénzeszközökre egységesen 2 százalékos kamatot, a devizákra pedig a zárszámadásból, az MNB éves jelentéséből (Magyar Közlöny [2006], MNB [2006]) és az MNB honlapján lévő egyéb információk alapján 3 és 5 százalék közötti mér-téket feltételeztünk. Ezután az egyéb forintkövetelésekre és -tartozásokra jutó ka-matokat maradványelv alapján határoztuk meg.

3.2. Ágazati adatok

Az ágazati adatokkal kapcsolatban a fő problémát a modell igényeihez képest túl-ságosan aggregált információk felbontása jelentette.

Dezaggregálás, imputálás, aggregálás

A KSH általában 57 ágazatra (a Nemzetközi Ipari Osztályozási Standard (ISIC) szerinti két számjegyes mélységben) közöl adatokat. A hiteles energia- és környezet-gazdasági elemzések lehetővé tétele érdekében az eredeti 57-ágazatos adatokból ez-úttal is különválasztottunk négy alágazatot, az „integrált” szénbányászatot, a gázel-osztást (a 40-es TEÁOR ’03-as ágazatból), a kőolaj-/földgázkitermelést a (a 23-as TEÁOR ’03-as ágazatba sorolt MOL-ból) és a vegyialapanyag-gyártást (a 241-es TEÁOR ’03-as alágazat). Ezáltal az adatbázis ismét 61-szektoros lett, amiből aztán

16 Kérdés, hogy az osztalékokat egyoldalú transzfernek vagy portfolióátrendezésnek tekintjük-e, amelynek

során a cégtulajdonos pénze nő, cégtulajdona pedig csökken (ahogy az osztalékfizetés után a tőzsdén is esik az árfolyam).



259

aggregálással a modell által kezelhető méretű (jelenleg ötszektoros) inputot kapunk. E négy alágazat leválasztásához, amelynek során mindenekelőtt a hazai kőolajterme-lés és az integrált szénbányák nem piaci termelésének értékét kellett imputálnunk, az Iparstatisztikai Évkönyvben, a MOL Éves Jelentésében, a társasági adóbevallások-ban, az Energiagazdálkodási Statisztikai Évkönyvben, az MVM Statisztikai Év-könyvben és egyéb forrásokban (például a Levegő Munkacsoport tanulmányaiban) található, illetve a KSH szakértőjétől kapott adatokat (például a gázelosztás sora az ÁKM-ben) vagy ezek hiánya esetén az 1998. évi adatbázisban szereplő adatokat (azok arányait) használtuk fel (Energia Központ Kht. [2006], KSH [2006a], MOL [2006], MVM [2006a]).

A KSH-tól az ÁKM publikus változatán kívül megkaptuk annak két fontos háttér-táblázatát, a „termék×szervezet” bontású alapáras importmátrixot, illetve a termék-adók és -támogatások mátrixát is. Így RAS-becsléssel elkészítettük ezek 61-ágazatos változatait az 1998. évi adatbázisbeli megfelelőik, mint kiinduló, „referenciamátri-xoknak” és a dezaggregáció előbb említett adatforrásainak a felhasználásával.

Végül megjegyzendő, hogy a modell jelenlegi ötszektoros inputja szempontjából ez a leválasztás irreleváns, mivel a szétválasztandó alágazatok az öt aggregált szektor közül ugyanabba tartoznak. Az ötszektoros aggregáció előtt azonban még sok más adatot is meghatároztunk az eredeti, 61-szektoros bontásban, melyeket a követke-zőkben mutatunk be.

Egyéb bevételi-kiadási adatok ágazati dezaggregálása

A bruttó termelés és a hozzáadott érték felosztásának intézményi, szektoronkénti és ágazatonként adatai majdnem kivétel nélkül megtalálhatók voltak a nemzeti szám-lákban. Kizárólag a háztartási szektor bruttó termelési értékének ágazati megoszlását kellett becsléssel meghatároznunk az ágazati bontású hozzáadott értékek, valamint a „Piaci és nem piaci termelés a nemzetgazdaságban” című tábla alapján. A bruttó mű-ködési eredmény amortizációra és nettó működési eredményre való felosztásához a szokásos 57 ágazatra és az intézményi szektorokra bontott amortizáció adatokat a KSH-ból kaptuk.

A további, működési eredményen „túli” jövedelemelosztási tételeket csupán a vállalati szektorban osztottuk fel ágazatokra. A többi intézményi szektorban ugyanis e tételek kevésbé jelentősek, összegük csak kismértékben függ az ágazati struktúrától vagy a jövedelemelosztás beruházásokra gyakorolt hatása nem jelentős (sőt fordítva, az elhatározott beruházásokhoz igazítják a tőketranszfereket).

A vállalati szektor e bevételi-kiadási tételeinek ágazati bontását más ágazati ada-tok alapján becsültük, általában a nemzeti számlákban külön-külön a pénzintézetekre és az egyéb vállalatokra található összesen értékeket ezen adatok arányában szétoszt-va. A 2. táblázat a szétosztás módszerét foglalja össze az egyes kategóriák esetében.



260

2. táblázat

A vállalati szektor bevételei és kiadásai ágazati dezaggregálásának módszere

Kategória (adatforrás) Proxy-kategória

Pénzbeni társadalmi juttatás (KSH [2008b]) termelési érték Jövedelemadók (APEH [2006]) társasági jövedelemadó Kamat – fizetett (APEH [2006]) fizetett kamat Kamat – kapott (APEH [2006]) kapott kamat Visszaforgatott cégjövedelem (KSH [2008b], MNB [2007])a adózott nyereség Osztalék – kapott (APEH [2006]) kapott osztalék Osztalék – fizetett (APEH [2006]) fizetett, jóváhagyott osztalék Biztosítottak jövedelme (KSH [2008b]) termelési érték Egyéb tulajdonosi jövedelem (MOL [2006], Magyar Közlöny [2006], APEH

[2006])b bányajáradék, földbérleti díj Biztosítási kártérítés (APEH [2006])c biztosítási díj Egyéb folyó jövedelem, bevétel (KSH [2008b]) termelési érték Biztosítási díj (APEH [2006]) biztosítási díj Egyéb folyó jövedelem, kiadás (APEH [2006])d adott támogatás+bírság Egyéb folyó jövedelemátutalás (D.75.) (KSH [2006]) termelési érték Tőketranszfer – bevétel (APEH [2006], Magyar Közlöny [2006])e Tőketranszfer – kiadás (APEH [2006]) összes adott támogatás Állóeszköz-felhalmozás (KSH adatok)f Készletfelhalmozás + statisztikai hiba (APEH [2006], KSH [2008b], KSH

egyéb adatok)g

Nem termelt, nem pénzügyi javak (KSH [2008b]) termelési érték Nettó részvényeladás (APEH [2006])h Devizaátértékelődés (APEH [2006])i Egyéb forintkövetelés átértékelődése (APEH [2006])j biztosítási díj Eltérés (transzfer, átértékelés) (maradékelv)k, l Nettó pénzvagyonváltozás (APEH [2006])k

a A pénzintézeti szektor egészére adott nemzeti számlaadatot a három pénzintézeti ágazat között az adóbe-vallás adózott nyereség kategóriája külföldi tulajdoni hányadnak megfelelő részének arányában osztottuk szét. A nem pénzintézeti vállalati szektorban az MNB [2007] aggregáltabb (lényegében ágakra bontott) adatai ará-nyában először ágakra bontottuk a szektorra közölt nemzeti számlabeli visszaforgatott jövedelemadatot, majd az egyes ágakon belül már az előző módszerrel, az adóbevallások adatai alapján osztottuk szét az egyes ágaza-tokra a visszaforgatott jövedelmet. Érdemes megemlíteni, hogy ebben a rezidensek külföldi közvetlen tőkebe-fektetéseinek visszaforgatott jövedelmei is szerepelnek, jóllehet 23 480 millió forintos összegük csak töredéke a külföldiek itthoni cégekből származó, 471 787 millió forintos visszaforgatott jövedelmének. A nemzeti számlá-ban szereplő nettó visszaforgatott jövedelem szétosztásánál csak az utóbbi oldalt vettük figyelembe.

b Ennek a bányajáradék részére vonatkozó, a MOL Évkönyvben, illetve a zárszámadásban található adatait (MOL [2006], Magyar Közlöny [2006]) közvetlenül az érintett ágazatokban számoltuk el, a maradékot (amely



261

feltehetően főleg földbérleti díj, mivel 2005. évre elszámolt jelentősebb koncessziós díjbevétel nem volt) pedig az adóbevallások földbérletidíj-adatai arányában osztottuk szét az egyes ágazatokra.

c A nemzeti számlákban az egyéb folyó jövedelmek részét képező biztosítási díjak és kártérítések közül a biztosítási kártérítésre vonatkozóan az adóbevallásokban sem található ágazatilag bontott adat, ezért ezt is a dí-jak arányában osztottuk szét ágazatokra.

d A nem pénzügyi vállalatokra vonatkozó nemzeti számlabeli összesen adatot két fontos összetevője, az adó-bevallások „rendkívüli ráfordításból: adott támogatás” és „bírság” összegei arányában osztottuk szét ágazatokra.

e A nemzeti számlákban található szektorösszesen értékeket az adóbevallások „visszafizetési kötelezettség nélkül kapott támogatás” (a zárszámadásból a szárazföldi szállításra utaló adatokkal kiegészített) adatainak ará-nyában osztottuk szét ágazatokra. Megjegyezzük, hogy a folyó és tőketranszferek nemcsak az adóbevallások-ban, hanem az állami költségvetés (elérhető) adataiból sem különíthetők el.

f Az állóeszköz-felhalmozásnak az ÁKM 57 ágazatára és intézményi szektorokra bontott adatait a KSH-ból kaptuk meg. A KSH [2008b] kiadványa ugyanis az ÁKM-készítéshez képest korábbi módszertan szerint ké-szült, sok elemében eltérő adatot tartalmazott, és intézményi szektoronkénti bontása – amire az intézményi szektoronkénti állóeszköz-felhalmozási (szokásos szóhasználattal „beruházási”) mátrixok előállítása miatt volt szükségünk – nem volt elérhető. A beruházási mátrix transzformálja a beruházási keresletet ágazatok termékei iránti keresletre. Mindenekelőtt azonban az intézményi szektorbontás nélküli beruházási mátrixot határoztuk meg. Ennek diagonális (lényegében az ún. „saját rezsis” beruházásokat tartalmazó) elemeit az ÁKM-ből és né-hány, KSH-ból kapott kiegészítő információból17 állítottuk elő. A mátrix többi elemét a kétirányú arányosítást végző RAS-módszerrel becsültük, indulómátrixnak az 1998. évi adatbázis beruházási mátrixát használva. Az előírt sorösszesen értékek az ÁKM-ben található alapáras állóeszköz-felhalmozási oszlop (együttes hazai és import) elemei (az állóeszköz-felhalmozásokat terhelő nettó termékadót külön, az utolsó sorban tüntettük fel), az előírt oszlopösszesen értékek pedig az ágazatok állóeszköz-felhalmozási kiadásainak vektora voltak. A be-csült állóeszköz-felhalmozási mátrix utolsó sorában található, beruházó ágazatonkénti termékadóvektort egyfe-lől intézményi szektor szerinti bontást is mutató, másfelől ágazati eredet (beruházási javak) szerinti mátrixra is tovább bontottuk, szintén a RAS-módszert használva.

g A készletfelhalmozás ágazatonkénti értékeire több, egymással nehezen összeegyeztethető adatforrásunk volt. Ezek közül általában azt tekintettük hitelesebbnek, amelyikkel az ágazat bevételi-kiadási, illetve folyamál-lomány-mérlege kiegyensúlyozottabbá válik. Az így képzett kombinált készletváltozásadatokat a termelési ér-tékek arányában korrigáltuk ágazatonként úgy, hogy összesen értékük megegyezzen a vállalati szektor nemzeti számlabeli összesen adatával.

h Az állományváltozás tranzakciós komponensével azonosított, nettórészesedés-eladási, nem pénzintézeti vállalatokra jutó 280,8 milliárd forintnyi összeget két részre osztottuk: a visszaforgatott jövedelem komponensére és a tényleges tranzakcióra. Ez utóbbi ágazatonkénti értékeit a cégtartozások tranzakciójának (lényegében a saját részvények kibocsátásainak) és a birtokolt részesedések állományváltozásának különbségeként becsültük. A cég-tartozások tranzakciója tekintetében először közelítő becslésre került sor a saját tőke adózott nyereségen (mérleg szerinti eredmény + eredménytartalék igénybevétele) és az értékelési tartalékok változásán felüli növekményé-vel18, majd a kapott értéket egyirányú arányos korrekcióval a megadott összesen értékekhez igazítottuk.

i Az ágazatok közötti szétosztás az erre vonatkozó „árfolyamveszteség”, „árfolyamnyereség” és „pénzügyi műveletek bevételéből deviza-, valutakészletek árfolyamnyeresége” című kategóriák adatainak arányában történt.

j Az ágazatokra való szétosztás a pénzintézeti szektoron belül a biztosítási díjakkal volt arányos (tekintve, hogy azok nagyrészt (80 milliárd forint értékben) a biztosítástechnikai tartalékoknál jelentkeztek a háztartások felé), az egyéb vállalatok szektorán belül pedig az év végi követelésekkel arányosítottunk (mivel ezek harmada szállítói követelés, és a pénzügyi számlák szerint a vállalatoknál a forinteszközök átértékelődésének (16 milli-árd forintnyi) zöme a „kereskedelmi hitelek és előlegeknél” jelentkezett).

k A nettó pénzvagyonváltozás ágazati értékeit az év eleji és végi vagyon különbségeként határoztuk meg. Ezek instrumentumok szerinti bontásban történt becslését a következő szakaszban ismertetjük. Itt csak annyit

17 A mezőgazdasági önfogyasztásra adott részarány adata és a nemzeti számlákban az imputált lakásszol-

gáltatás értéke. 18 Az értékelési tartalékok változását azért szűrtük ki, mert ez olyan tőketranszfereknek köszönhető, ame-

lyek nem járnak részvénykibocsátással.



262

jegyzünk meg, hogy esetenként az állományok becslését módosítottuk, amennyiben az eredeti becsléssel mara-dékelv szerint meghatározható, az eddigiekből esetlegesen kimaradt transzfereket, passzív vagyonváltozásokat is tartalmazó (statisztikai, becslési) eltérés aránytalanul nagynak adódott, és amennyiben ez a korrekció statisz-tikai-közgazdasági érvekkel is indokolható volt. Tehát nem törekedtünk az eltérések mechanikus minimalizálá-sára. Sőt, a vagyonadatok esetében azt is alaposan megvizsgáltuk, hogy a nyitó vagy a záró állományt, illetve a követelések vagy a tartozások melyik elemét korrigáljuk.

l A (realizált) hitelezési veszteségekre nem állt rendelkezésünkre ágazatilag bontott adat, de információink szerint összesen értékük 2005-ben meglehetősen alacsony volt (lásd PSZÁF [2007]). Ezért ezeket nem kezeltük külön tételként.

A kisösszegű tételek (például a pénzbeni társadalmi juttatások, az egyéb folyó jö-vedelem-átutalások és a nem termelt nem pénzügyi javak) felosztásának miértjét nem tartjuk érdemesnek hosszasan taglalni. Ezek esetén a termelési érték arányában osz-tottunk. Az eredményeket ötszektoros aggregációban (ahol a pénzintézetek a szolgál-tatások között szerepelnek) a 3. táblázat mutatja be. Ebben már feltüntettük a három társadalmi réteghez tartozó adatokat is, jóllehet ezeket csak később, a 3.3. pontban tárgyaljuk.

3. táblázat

A vállalatok és a háztartások jövedelemmérlege 2005-ben (folyó áron, milliárd forint)

Megnevezés Alap-anyagipar

Feldolgo-zóipar

Élelmi-szer-

gazdaság

Anyagi szolgál-

tatás

Nem anyagi ágak

Vállalat összesen

1. réteg (kis jöve-delműek)

2. réteg (közepes jövedel-műek)

3. réteg (magas jövedel-műek)

Bruttó működési eredmény 939,9 1153,8 343,7 1301,3 879,1 4617,8 526,9 831,2 1999,7

Bér jóváírása dolgozóknak 1410,9 2153,1 4410,6

Munkavállalók és munkanélküliek tb-járuléka –185,1 –270,7 –529,2

Magánnyugdíjpénztári korrekció 69,1 101,1 197,5

Pénzbeni társadalmi juttatás –0,1 –0,2 -0,1 –0,2 –0,1 –0,7 917,2 1110,8 1300,4

Jövedelemadók –51,3 –49,6 –20,2 –143,2 –193,7 –457,9 –160,9 –314,9 –973,9 Egyéb adók 0,0 0,0 0,0 0,0 0,0 0,0 –15,2 –20,8 –32,9

Kamat – fizetett –66,9 –50,5 –63,2 –234,4 –1788,9 –2204,0 –107,3 –129,3 –185,0

Kamat – kapott 64,2 87,5 29,0 179,2 2044,0 2403,8 19,6 129,9 473,8 Visszaforgatott

cégjövedelem –72,2 –196,4 22,5 –101,5 –100,7 –448,3 Osztalék – kapott 60,8 32,8 8,8 105,4 246,0 453,9 5,0 33,3 121,6

Osztalék – fizetett –197,7 –254,8 –34,5 –407,0 –287,7 –1181,6




263

(Folytatás.)

Megnevezés Alap-anyagipar

Feldolgo-zóipar

Élelmi-szer-

gazdaság

Anyagi szolgál-

tatás

Nem anyagi ágak

Vállalat összesen

1. réteg (kis jöve-delműek)

2. réteg (közepes jövedel-műek)

3. réteg (magas jövedel-műek)

Biztosítottak jövedelme 1,8 3,3 0,9 2,8 –192,5 –183,6 29,0 19,7 134,9

Egyéb tulajdonosi jö-vedelem –92,9 –0,1 –31,6 –0,7 –0,3 –125,5 2,5 8,5 22,8

Biztosítási kártérítés 5,3 4,3 3,6 17,1 –202,4 –172,2 27,2 18,5 126,5

Egyéb folyó jövedelem – bevétel 28,9 52,0 15,1 44,9 –7,6 133,3 18,6 46,9 273,9

Biztosítási díj –10,8 –8,8 –7,5 –35,1 196,3 134,0 –32,5 –49,5 –90,2

Egyéb folyó jövedelem – kiadás –15,3 –17,0 –11,6 –75,8 –19,8 –139,5 –24,3 –34,7 –63,5

Egyéb folyó jövedelem átutalás (D.75.) –9,1 –16,4 –4,7 –14,2 –5,4 –49,8 0,0 0,0 0,0

Természetbeni társa-dalmi juttatás 0,0 0,0 0,0 0,0 0,0 0,0 1050,9 1079,4 1016,5

Tőketranszfer – bevétel 12,2 21,2 75,4 87,2 68,7 264,7 35,2 64,1 27,0 Tőketranszfer – kiadás –3,5 –12,8 –17,6 –11,1 –15,3 –60,3 –3,5 –6,3 –18,9

Végső fogyasztás 0,0 0,0 0,0 0,0 0,0 0,0 –3748,1 –4609,6 –6553,0

Állóeszköz-felhalmozás –573,3 –570,8 –231,4 –1176,7 –410,8 –2962,9 –242,3 –329,1 –600,4

Készletfelhalmozás + statisztikai hiba –16,5 78,6 76,4 –324,8 –86,3 –272,7 –0,8 –1,0 –1,5

Nem termelt, nem pénzügyi javak –4,5 –8,1 –2,4 –7,0 –2,7 –24,7 0,0 0,0 0,0

Nettó részvényeladás 121,3 –46,5 –86,3 364,1 440,9 793,6 –21,9 –144,5 –527,1 Devizaátértékelődés –20,1 –10,1 –3,8 –46,0 132,3 52,2 0,7 1,8 7,5

Eltérés (transzfer, átértékelés) 40,3 –290,3 –54,2 –178,5 –283,6 –766,4 112,0 137,8 195,9

Egyéb forintkövetelé-sek átértékelődése 3,4 6,2 1,8 5,3 –65,4 -48,6 13,0 8,8 60,4

Összesen = Nettó pénzvagyon-változás 143,8 –92,8 8,1 –648,8 344,2 –245,5 –304,0 –165,5 793,5

Pénzügyivagyon- (portfólió-) adatok ágazati dezaggregálása

A vállalati szektor (cégtulajdonon kívüli!) pénzügyi eszközeinek és tartozásainak ágazatokra való bontását a pénzintézeti szektor esetében közvetlenül a pénzügyi számlákban található adatok, a nem pénzügyi vállalatok esetében pedig a TÁSA-kategóriákból képzett proxy-k alapján határoztuk meg a következők szerint.

A nem pénzintézeti vállalati szektor pénzköveteléseinek összegét az APEH [2006] „pénzeszközök a forgóeszközökből” című adatainak, a szektor devizakövete-



264

lésének hazai bankokban elhelyezett devizabetétein felüli részét az APEH [2006] „befektetett pénzügyi eszköz” adatainak19, míg az MNB egy korábbi honlapján mint-egy tucatnyi ágra megadott devizabetét-értékeket a termelési értékek arányában bon-tottuk tovább ágazatokra. A szektor devizatartozásain belül a hazai bankok felé való devizahitel-tartozásokon felüli rész ágazati bontása az APEH [2006] „jegyzett tőké-ből külföldi részesedés” című kategóriájával összhangban, az MNB honlapján20 19 ágra közzétett adatoké pedig a termelési értékek szerint, dezaggregálással történt. Az ágazatok egyéb követeléseit maradékelv alapján, az összes követelés, illetve a pénz- és devizakövetelések különbségeként határoztuk meg. Az ágazatok egyéb tartozásait hasonló módon, maradékelv alapján állapítottuk meg.

A külföldi cégtulajdon ágazati bontását az MNB [2007] kiadványban 27 ágra megadott adatok dezaggregálásával számítottuk ki a „részesedések” TÁSA-kategória arányában. A belföldi cégtulajdon ágazati értékeit pedig a pénzügyi számlákbeli ösz-szesen értékek szétosztásával becsültük az APEH [2006] „részesedések” kategóriája szerint.

Az ágazatok cégtulajdon-tartozásait két lépcsőben becsültük. Először a vállalati számvitel mintájára a reáleszközöket is (a nettó állóeszköz-állományt és a készlete-ket, de adathiány miatt a „föld és egyéb nem termelhető tárgyi eszközöket” nem) tar-talmazó ágazatonkénti eszköz-forrás mérleget elkészítve, maradékelv alapján hatá-roztuk meg a saját tőke (2005. évi áron számított) értékét, majd második lépésben az adatokat arányosan visszakorrigáltuk úgy, hogy megegyezzenek a pénzügyi szám-lákban található szektorösszesen értékekkel. Az eredmények ötszektoros aggre-gációban a 4. táblázatban láthatók.

4. táblázat

Az ágazatok pénzügyi állományai 2005-ben (folyó áron, milliárd forint)

Megnevezés Alapanyag-ipar

Feldolgozó-ipar

Élelmiszer-gazdaság

Anyagi szolgáltatás

Nem anyagi ágak

Vállalat összesen

Nyitó pénzkövetelés 2 153 2 795 1 013 5 680 28 773 40 415 Nyitó pénztartozás –2 164 –2 387 –1 455 –8 202 –28 182 –42 391 Záró pénzkövetelés 2 753 3 126 1 014 6 323 34 476 47 693 Záró pénztartozás (korrekcióval) –2 620 –2 811 –1 448 –9 494 –33 541 –49 914


19 Sajnos a TÁSA semmiféle deviza- és forintbontást nem tartalmaz, mégis lényegében ez az egyetlen for-

rás, ami alapján ágazatokra tudunk osztani követeléseket és tartozásokat. 20 Lásd www.mnb.hu/Root/Dokumentumtar/MNB/Statisztika/mnbhu_statisztikai_idosorok/hu0706_vallhitbet.xls



265

(Folytatás.)


Feldolgozó-ipar



Nem anyagi ágak

Vállalat összesen

2004. végi adatok

Készlet 671 1034 854 2 379 553 5 490

Föld, egyéb nem termelhető tárgyi eszköz n.a. n.a. n.a. n.a. n.a. n.a.

Állóeszköz nettó, 2004. évi áron 6 554 4 014 4 365 11 914 6 308 33 155 Pénz (M1 + bankok készpénze) 160 183 116 710 1 438 2 606 Deviza 474 177 84 546 11 081 12 363 Külföldi cégtulajdon 715 32 8 189 289 1 233 Egyéb követelés 1 519 2 435 814 4 424 16 254 25 446 Pénzállomány-tartozás –5 494 –5 494 Devizatartozás (tulajdonosi hitellel) –977 –954 –437 –1 690 –8 414 –12 473 Forinttartozás (pénz nélkül) –1 186 –1433 –1 019 –6 512 –14 273 –24 424 Részesedések (belföldi cégekben),

valorizált 874 226 118 881 3 665 5 764 Cégértéktartozás, valorizált –5 062 –3 150 –2 673 –7 227 –9 486 –27 599

Összesen 3 741 2 563 2 230 5 614 1 920 16 069

2005. végi adatok Készlet 688 1 041 678 2 632 687 5 727 Föld, egyéb nem termelhető tárgyi

eszköz n.a. n.a. n.a. n.a. n.a. n.a. Állóeszköz nettó, 1998. évi áron 6 420 4 097 4 154 11 801 6 263 32 735 Pénz (M1 + bankok készpénze) 181 234 112 809 1 627 2 963 Deviza 501 257 80 601 14 058 15 498 Külföldi cégtulajdon 935 68 9 427 555 1 994 Egyéb követelés 2 071 2 635 822 4 913 18 791 29 232 Pénzállomány-tartozás –6 562 –6 562 Devizatartozás (tulajdonosi hitellel) –1 300 –1 248 –487 –2 170 –10 311 –15 516 Forinttartozás (pénz nélkül) –1 320 –1 563 –960 –7 324 –16 668 –27 835 Részesedések (belföldi cégekben),

valorizált 916 452 120 1 015 4 068 6 570 Cégértéktartozás, valorizált –6 043 –3 925 –2 909 –8 364 –11 336 –32 577

Összesen 3 050 2 048 1 618 4 339 1 173 12 228




266

(Folytatás.)


Feldolgozó-ipar



Nem anyagi ágak

Vállalat összesen

Elszámolt kamat + osztalék Pénz (M1 + bankok készpénze) 3 3 2 13 26 47 Deviza 14 5 3 16 525 564 Külföldi cégtulajdon 56 2 1 15 23 97 Egyéb követelés 49 82 25 152 1 301 1 609 Pénzállomány-tartozás –78 –78 Devizatartozás (tulajdonosi hitellel) –39 –38 –17 –68 –412 –575 Forinttartozás (pénz nélkül) –28 –12 –46 –167 –1 298 –1 551 Részesedések (belföldi cégekben),

valorizált 5 30 8 91 223 357 Cégértéktartozás, valorizált –270 –451 –12 –508 –388 –1 630

Átértékelődések, leírások: Deviza 46 17 8 52 641 764 Külföldi cégtulajdon 138 6 2 37 –3 180 Egyéb követelés 22 35 12 64 812 945

Devizatartozás (tulajdonosi hitellel) –66 –27 –12 –99 –508 –712 Forinttartozás (pénz nélkül) –18 –29 –10 –58 –878 –993 Részesedések (belföldi cégekben),

valorizált –12 –43 –1 –29 82 –4 Cégértéktartozás, valorizált –656 –544 –325 –436 –834 –2 794

Az ágazatok tőkeállománya és állóeszközfajták szerint bontott amortizációja

A KSH [2008b] bruttó és nettó értékben, folyó és előző évi áron megadott álló-eszköz-állomány idősoraiból az amortizáció korábban említett ágazati adatainak ará-nyait felhasználva 61-ágazatos és intézményi szektoros bontásban megállapítottuk a 2004. év végi, 2005. évi áron számított bruttó állóeszköz-állományokat (az infra-struktúra-elemeket is beleértve). A modell ezekből a 2004. évi, de a modellben a vo-lumenek mérésére szolgáló 2005. évi árakon kimutatott bruttó tőkeállományokból indul, ezeket tekinti a 2005. évi ágazati termeléseket meghatározó termelési függvé-nyekben szereplő tőkék mennyiségének.21

21 A modell tehát lényegében egyéves beruházási átfutási időket feltételez, így a 2005. évi beruházások a

2006. évben lépnek be a termelést befolyásoló tőkeállományba.



267

3.3. A háztartási szektor adatainak rétegbontása

A háztartás-statisztika körülbelül másfél éves késéssel áll rendelkezésre. Az adat-gyűjtésen alapuló éves kiadvány elektronikusan hozzáférhető, az ECOSTAT kutatási célzattal megkapta a 2005. évi teljes alapadat-állományt is SAS-formátumban. A modellben ezen alapul a háztartási szektor három jövedelmi réteg szerinti bontása. Az adatok feldolgozására egy SAS-programot készítettünk.

Ez a következő fő műveleteket végzi:

– ágazatonkénti bontásban meghatározza az egyes háztartások munka-jövedelmeit (keresetekre és vállalkozási jövedelmekre külön-külön);

– az egy főre eső jövedelem alapján meghatározott percentilis érté-kek és egyéb társadalmi-gazdasági rétegképző ismérvek segítségével besorolja a háztartásokat a lakóhely-, aktivitás-, gyermeklétszám-, jö-vedelemismérvek alapján képzett, 24 réteg valamelyikébe (Révész [2003a]) (ahol a lakóhelyen belül immár a közép-magyarországi régi-óbelieket is megkülönböztetjük); és

– minden szükséges kategóriára kiszámítja a teljes népességre fel-szorzott rétegösszesen értékeket.

A modellhez csak úgy tudjuk felhasználni a publikált adatokat, ha biztosítjuk a makrostatisztikákkal való konzisztenciát. Az illeszkedéshez szükséges korrekcióknál megtartottuk az eredeti arányokat. A SAS-programból kapott rétegadatok ennek megfelelő további feldolgozása Excelben történt. Az egyes kategóriák meghatározá-sának fontosabb jellemzőit a következőkben ismertetjük.

Státuszadatok

A státuszadatok többségét kitevő, különféle létszámokra vonatkozó adatokon nem kellett további korrekciókat végeznünk, mivel az előzőkben említett módon a háztar-tás-statisztikai adatok a hozzájuk megadott demográfiai súlyokkal felszorozva álltak rendelkezésünkre. A bemondott lakásértéket rétegenként arányosan igazítottuk a KSH [2008b] kiadványában található lakásérték-makroadathoz.

Termelési jövedelmek

A jövedelmeket (tételenként és a munkajövedelmeket ágazatonként) igazítottuk a megfelelő makrostatisztikai adatokhoz.22 A háztartás-statisztika értelemszerűen csak

22 E makroadatok némelyike nem könnyen elérhető. A szociálpolitikai kedvezmények makroadatát például

a zárszámadásban nem, csak az Állami Számvevőszék egyik jelentésében tüntették fel.



268

a rezidensek jövedelmeit tartalmazza, így peremnek elvben a rezidensek ágazati munkajövedelmeinek kellene lenniük. A nemzeti számlák azonban a keresetek ága-zati bontásánál nem adják meg, hogy az adott ágazat ebből mennyit fizetett ki rezi-denseknek, illetve külföldi munkavállalóknak.23 Ezt a különbséget a gazdasági szol-gáltatásban vettük figyelembe, mivel a bejövő és a kimenő munkajövedelmek egyen-lege éppen alacsony volt (körülbelül 5 milliárd forint), a többi ágazatnál pedig a ház-tartás-statisztikabeli munkajövedelmeket az összes ágazati munkajövedelemhez tud-tuk igazítani.24

Fogyasztási kiadások

A fogyasztási kiadásokat (alapáron a kereskedelmi árrést és a termékadókat levá-lasztva) előbb COICOP-bontásról ágazatra transzformáltuk, azután arányosan az ÁKM fogyasztási oszlopához igazítottuk. Ez fogyasztói áron történt, majd a turizmus szatellit számlák és a beutazó turisták fogyasztására vonatkozó korábbi tanulmány alapján leválasztottuk a külföldiekre és a termékadókra jutó részt. Jó lett volna még COICOP-bontásban elvégezni a makrostatisztikai adatokhoz való kiigazítást, de saj-nos a háztartások fogyasztásának ilyen mélységű bontását a KSH-ból nem tudtuk megszerezni.

Tulajdonosi jövedelmek és transzferek

A további kategóriákat a SOCIO-LINE modell bevételi-kiadási kategóriái szerinti bontásban és az alapadatoknak a 24 rétegből a modellhez definiált három jövedelmi csoportra (tercilisekre) való aggregálása után, azaz csak háromréteges bontásban ha-tároztuk meg a megfelelő makrostatisztikai adatokhoz igazítva. A transzferek megha-tározásával kapcsolatban a következő megjegyzéseket érdemes fűzni.

A természetbeni társadalmi juttatások értelemszerűen nem szerepelnek a háztar-tás-statisztikában, így a modellben ezeket (a zömmel oktatási és egészségügyi szol-gáltatásokat) részben a gyerekek, részben a nyugdíjasok (háztartás-statisztikában sze-replő) számával osztottuk arányosan szét rétegekre.

A kapott tőketranszfereket egyik rendelkezésre álló komponensük, a szociálpoli-tikai kedvezmény, az adott tőketranszfereket pedig jobb proxy híján a közcélú ado-mányok arányában osztottuk szét.

23 Ezt a problémát már az 1998. évi adatbázis kapcsán jeleztük a KSH szakértőinek (ugyanis az egész mun-

kajövedelmet a rezidens háztartások jövedelmeként tüntették fel). Az utóbbi években az elszámolásokban már megfelelően szerepel.

24 Ha az adott mintában egyáltalán nem volt, vagy túl alacsonynak bizonyult az adott ágazatba tartozó adat, a rétegek közötti szétosztásnál egy másik, e tekintetben vélelmezhetően hasonló ágazat munkajövedelem-rétegmegoszlását vettük alapul.



269

Pénzügyi állományok és állományváltozások

A valuta- és a devizaárfolyam-változásból származó átértékelődés háztartási szek-torra vonatkozó összesen értékét (egyelőre) rétegekre a külföldi üdülési kiadások, míg az egyéb forintkövetelések átértékelődését – aminek a pénzügyi számlákbeli 82,1 milliárd forint összesen értékéből 80,1 milliárd forint a biztosítási díjtartalékok-ra esik – az ilyen célú befizetések arányában osztottuk szét.

Miután minden bevételi és kiadási tételt a három rétegre bontva is megbecsültük, a cégtulajdon nélküli nettó pénzvagyonváltozást a bevételek és a kiadások egyenle-geként határoztuk meg. A bevételi-kiadási tételek becslésének (rétegek közötti elosz-tásának) hibája tehát ebben a pénzvagyon-változásban jelentkezik, azaz a rétegek kö-zötti elosztások jóságának ellenőrzésére is szolgál. Mivel azonban az eredmények el-fogadhatók voltak (az 1. és a 2. réteg 304, illetve 165,5 milliárd forinttal eladósodik, a 3. réteg pénzvagyona pedig 793,5 milliárd forinttal nő), egyelőre nem kellett felül-vizsgálnunk a rétegek közötti elosztás módszerét. A nagyobb kérdés az, hogy a mo-dell milyen korlátokat szab az 1. réteg eladósodásának.

A pénz, a külföldi cégtulajdon és az egyéb forintkövetelések állományait a kapott kamatok, a belföldi cégtulajdont a kapott osztalékok, az egyéb forinttartozásokat a fizetett kamatok, a devizaköveteléseket és -tartozásokat pedig a külföldi üdülés ará-nyában osztottuk szét rétegekre. Ez utóbbinál célszerű lesz áttérni a lakáshitel-tartozásokra, amelyeknek már 2005-ben jelentős része devizahitel volt.

A hozamokat és az átértékelődéseket pénzügyi eszközök, illetve követelések és tartozások szerinti bontásban az előző módszerrel becsült állományadatok, valamint a maradékelv alapján határoztuk meg. Egy adott instrumentum hozama, mivel az előzőkben ismertetett módon az összes (instrumentumra vonatkozó) kamat, osztalék stb. tulajdonosi jövedelmet már rétegekre osztottuk, ezen összesen és a többi instru-mentumra becsült értékek különbségeként adódik.

3.4. Az adatok ötszektoros aggregációja

Az eddigiekben csak a nemzetgazdaság egészére meghatározott kategóriákat (a hazai és az importtermékek folyó termelő felhasználásának mátrixait, a beruházási mátrixot és ezek termékadóinak mátrixait) az intézményi szektorok makroadatai ará-nyában intézményi szektorokra dezaggregáltuk, és ezzel egy lépésben öt szektorra aggregáltuk az így kapott adatokat.

A vállalati szektorra vonatkozó, 61-ágazatos adatokat pedig csak többnyire aggregálni kellett. Ez alól kivétel volt a pénzügyi eszközök és tartozások instrumen-tumonkénti hozam- és átértékelődési adatainak meghatározása, amelyeket ilyen bon-



270

tásban eddig még nem becsültünk. Ezért első lépésben a 61-ágazatos bontásban már előállított pénzügyi állományadatokat (portfólióadatokat) öt szektorra aggregáltuk, majd az ötágazatos aggregációban a hozamokat és átértékelődéseket a háztartási ré-tegekhez hasonló módszerrel az állományok arányában, illetve maradékelv alapján becsültük.

3.5. Egyéb adatok

A modell ezeken túlmenően még igényel néhány makrogazdasági adatot, főleg a környezeti és az infrastrukturális beruházások összegére – a modell aktuális ágazati bontására, azaz jelenleg öt ágazatra – vonatkozóan.

Makrogazdasági adatok

A makroadatok nagy részét a KSH és az MNB számos helyen publikált adataiból vettük. E skalárparaméterek közül a 2005. évi infláció, termelői árindex és forintárfo-lyam-változás értékét rendre 1,06-ra, 1,06-ra, illetve 1,01-re25 állítottuk be.

A humántőke adatát a korábban kidolgozott módszer és arányok alapján (lásd Ré-vész [2006]) közvetve, a 2005. évi lakossági fogyasztás produktív részének (78,8 százalékának) 7,11-szeresében határoztuk meg, ami konkrétan 83,54 ezer milliárd fo-rintot tett ki.

Környezetre és infrastruktúrára vonatkozó adatok

A környezeti tőke értékét az 1998. évi értéket a fogyasztói árindex 1998 és 2005 közötti változásához igazítva, kerekítve 20 000 milliárd forintnak állítottuk be. E muta-tó értelmezését szintén a korábbi tanulmányunkban (lásd Révész [2006]) fejtettük ki. A környezeti és az infrastrukturális beruházások értékeit az 5. táblázat tartalmazza.

A táblázati értékek meghatározása a következők szerint történt. Az MNB [2007] kiadványban a „közvetlen” és „integrált” környezetvédelmi beruházások 13 ágra, a feldolgozóiparon belül pedig 8 ágazatcsoportra bontva is megadott 2005. évi adatait a táblázatban látható öt ágazatba soroltuk. Ezekből az állami részt a zárszámadásból (Magyar Közlöny [2006]) határoztuk meg (az élelmiszergazdasági beruházások ese-tén szereplő 2 293 millió forintot az 1 802 millió forint erdőtelepítési és a 491 millió forint földvédelmi kiadások teszik ki, a nem anyagi szolgáltatásokra eső 82 906 mil-lió forint pedig az L és O ágbeli szennyvíz- és levegővédelmi kiadások összege).

25 A 2005. év érdekessége volt, hogy noha 2005 végén a forint az euróhoz képest 3 százalékkal, a dollárhoz

képest pedig 13 százalékkal volt gyengébb, a forint devizakosárhoz képesti gyengülése éves szinten csak 1 szá-zalékos volt.



271

Ugyancsak a zárszámadásból számítottuk a táblázat „anyagi szolgáltatások” oszlopá-ban feltüntetett állami infrastrukturális kiadások értékét, konkrétan a vasútfejlesztés-re, a Vásárhelyi-tervre költött 4 532 millió forint, valamint a „térségi infrastruktúra” kiadásaira költött 8 395 millió forint összegeként.

5. táblázat

Környezetvédelmi és infrastrukturális beruházások 2005-ben (folyó áron, millió forint)

Beruházások Alapanyagipar Feldolgozóipar Élelmiszer-gazdaság Anyagi szolgáltatás Nem anyagi ágak

Környezetvédelmi Vállalat 26 117 11 248 3 624 21 928 49 962 Állam 0 0 2 293 0 87 206

Infrastrukturális Vállalat 3 011 0 0 0 0 Állam 0 0 0 98 622 0

4. Az adatok felhasználása a modell GAMS-programjában

Mindenekelőtt az Excel-adatok beolvasására szolgáló programot dolgoztuk át. Ennek új neve SLRead.gms lett. Ebben a GAMS-szoftverben az utóbbi években ki-fejlesztett Excel-GAMS-interface-t használtuk, amely gyorsan és hatékonyan olvas be Excel-fájlokról most már nemcsak értékadatokat, hanem más fájlokra hivatkozó képleteket is, és az eredményeket a hagyományos „.g00” kiterjesztésű belső formá-tum mellett GAMSIDE-editorral megtekinthető „.gdx” formátumban is tárolja.

A beolvasott adatokat az SLBase.gms program „kalibrálja” a modell olyan para-métereivé, amelyeket behelyettesítve az első időszakra (2005. évre) vonatkozó egyenletekbe, azok éppen az endogén változók 2005. évi tényleges értékeit eredmé-nyezik. A kalibráción túlmenően a program egy megadott időtávon belüli gazdaság-fejlődési alappályát („baseline” futtatás) is számít, amelyben csak a világkeresletre vonatkozó paramétert változtattuk évi 3 százalékos növekedést feltételezve minden ágazatban (azok termékeire nézve).

A tulajdonképpeni szimulációkat az SLCont.gms program végzi. Ebben kell meg-adni mindazon paraméterek jövőbeni értékeit, amelyek hatásait számítani kívánjuk. A hatások természetesen elsősorban mint differenciális hatások értendők, azaz a szimulá-ció eredményeit mindenekelőtt az alappálya eredményeihez lehet viszonyítani.



272

Az új adatbázissal és az ennek megfelelően kissé módosított modellel kísérleti számításokat is végeztünk. E futtatások a fontosabb változók csaknem mindegyikére elfogadható fejlődési pályát rajzoltak fel, néhány változó (például a rétegek és az ágazatok adósságpozícióinak, valamint az infláció) alakulása azonban még további vizsgálatra szorul. E szimulációk folyamán, a modell korábbi verziójának kifejleszté-se óta, illetve az adatbázis összeállítása során számos elképzelést megfogalmaztunk arra vonatkozóan, hogy miképp lehet a modell struktúráját – nem utolsósorban az el-telt időszak alatt a gazdaság működési mechanizmusaiban és a statisztikai rendszer-ben lezajlott változásoknak is megfelelően – továbbfejleszteni. Munkánk következő lépése ennek a továbbfejlesztésnek a megvalósítása és a modell konkrét gazdaságpo-litikai kérdések elemzésére való felhasználása lesz.

Irodalom

APEH (ADÓ- ÉS PÉNZÜGYI ELLENŐRZÉSI HIVATAL) [2006]: A 2005. évi társasági adóbevallás ki-emelt adatai. Budapest.

CSERHÁTI I. – RÉVÉSZ T. – TAKÁCS T. [2001]: A SOCIO-LINE modell, a fenntartható fejlődés mo-dellje – gazdasági-társadalmi megközelítések. A gazdaságelemzés módszerei. I. sz. ECOSTAT. Budapest.

CSERHÁTI I. – RÉVÉSZ T. – TAKÁCS T. [2004]: A Socio-Line modell – rövid ismertető. In: ECOSTAT: Makrogazdasági modellszámítások a 2020-ig tartó időszakra a nemzetközi trendek, az eurozónához történő csatlakozás követelményeinek figyelembe vételével. Budapest.

ENERGIA KÖZPONT KHT. [2006]: Energiagazdálkodási Statisztikai Évkönyv 2005. Budapest. EUROSTAT [1996]: European System of Accounts, ESA 95. Luxembourg. EUROSTAT [2008]: Eurostat Manual of Supply, Use and Input-Output Tables. Luxembourg. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2003]: Tájékoztató a 2000-2001. évi éves nemzeti szám-

lák végleges számításai során bevezetésre kerülő módszertani változásokról. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2005a]: A magyar külkereskedelmi termékforgalmi sta-

tisztika módszertana. Statisztikai módszertani füzetek 44. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2005b]: Magyarország nemzeti számlái 2002–2003. Bu-

dapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006a]: Az ipar és az építőipar 2005. évi tevékenysége.

Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006b]: Magyarország nemzeti számlái 2003–2004. Bu-

dapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006c]: Magyarország turizmus szatellit számlái 2004.

Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006d]: Külkereskedelmi termékforgalom 2005. Buda-

pest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006e]: Környezetvédelmi ráfordítások és környezetvé-

delmi ipar 2005. Budapest.



273

KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006f]: Bruttó hazai termék 2005. (Előzetes adatok II.) Budapest.

KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2006g]: Környezetstatisztikai évkönyv. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2007a]: Háztartásstatisztikai évkönyv 2005. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2007b]: Magyarország nemzeti számlái 2004–2005. Bu-

dapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2008a]: Bruttó hazai termék 2007. (Előzetes adatok.)

Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2008b]: Magyarország nemzeti számlái 2005–2006. Bu-

dapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2008c]: Szociális statisztikai évkönyv 2005. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2009a]: Magyarország nemzeti számlái 2006–2007. Bu-

dapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2009b]: Magyarország nemzeti számlái 1995–2007. Bu-

dapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [2009c]: Ágazati Kapcsolatok Mérlege 2005. Budapest. MAGYAR KÖZLÖNY [2006]: 2006. évi XCIX. törvény a Magyar Köztársaság 2005. évi költségvetés-

ének végrehajtásáról. 147. (XI. 30.) 11 290–11 488. old. MNB (MAGYAR NEMZETI BANK) [2006]: Éves jelentés – A Magyar Nemzeti Bank 2005. évről szóló

üzleti jelentése és beszámolója. Budapest. MNB (MAGYAR NEMZETI BANK) [2007]: Közvetlen tőkebefektetés statisztika, Magyarország 1995–

2005. Budapest. MNB (MAGYAR NEMZETI BANK) [2008]: Magyarország Pénzügyi Számlái. Budapest. MOL (MAGYAR OLAJ- ÉS GÁZIPARI NYRT.) [2006]: Friss lendület az „Új Európából”. Éves Jelen-

tés 2005. Budapest. www.mol.hu/repository/478726.pdf MVM (MAGYAR VILLAMOS MŰVEK) [2006a]: A magyar villamosenergia-rendszer 2005. évi statisz-

tikai adatai. Budapest. MVM (MAGYAR VILLAMOS MŰVEK) [2006b]: Éves jelentés 2005 – az MVM Zrt. összefoglalója a

2005. év tevékenységeiről. Budapest. PSZÁF (PÉNZÜGYI SZERVEZETEK ÁLLAMI FELÜGYELETE) [2007]: Felügyeleti mérleg és eredmény-

kimutatás (tárgyév végi auditált záróállomány) – hitelintézetek összesen. Budapest. RÉVÉSZ T. [2003a]: A szakágazati és intézményi szektoros bontású modellezési adatbázis. Statiszti-

kai Szemle. 81. évf. 2. sz. 101–126. old. http://www.ksh.hu/statszemle_archive/2003/2003_02/ 2003_02_101.pdf

RÉVÉSZ T. [2003b]: A gazdaságmodellezési adatbázis szakágazati adatai. Statisztikai Szemle. 81. évf. 3. sz. 221–236. old. http://www.ksh.hu/statszemle_archive/2003/2003_03/2003_03_221.pdf

RÉVÉSZ T. [2006]: SOCIO-LINE, a fenntartható fejlődés modellje – második változat. A gazdaság-elemzés módszerei. I. sz. ECOSTAT. Budapest.

Summary

The article summarizes the authors’ experience gained from compiling the input database of the macro model ”Socio-Line” of sustainable development. However, the paper is not a simple docu-

Révész—Takács: A SOCIO-LINE modell 2005. évi adatbázisának készítésekor szerzett tapasztalatok


274

mentation of data gathering and processing. The authors argue that a reasonable economic policy cannot spare the disaggregated analysis of the corporate sector, and the assessment of social im-pacts needs the disaggregation of the household sector. Therefore, the required model input in-cludes a very comprehensive and detailed, disaggregated balance of incomes, expenditures and as-sets of the different institutional (government, household, corporate) sectors, sub-sectors (branches, strata) and the “rest of the world”.

The new base year of the model is 2005, for which the detailed flow and stock data had to be gathered and harmonized. The authors have evaluated the changes and the development of the sta-tistical system occurred since then. Many of them were methodological changes deriving from the application of the European System of Accounts (ESA 95). Simultaneously, the national accounts became far more detailed, but some information concerning the branches of the corporate sector is not accessible any more.

During data procession, several inconsistencies have been revealed among different sources of data (national and financial accounts, input-output tables, balance of payment statistics, household budget survey, data of the tax authority, etc.). Data procession included imputation of various miss-ing data, correction of data errors, balancing, reclassification of data given in different breakdowns, aggregation and disaggregation, adjustments to the corresponding macroeconomic totals particu-larly in the case of business and household budget survey data.

The most important model input data for 2005 are presented in the paper. The elaborated data-base can be applied to various models, and the lessons of data gathering and harmonization will be used in graduate education too.


A parciális korrelációs együttható értelmezési problémái a többdimenziós normalitás feltételének sérülése esetén

Vargha András egyetemi tanár, az MTA doktora, Károli Gáspár Református Egyetem Pszichológiai Intézete, ELTE Pszichológiai Intézete E-mail: [email protected]

A parciális korrelációt sokan és gyakran használ-ják olyan esetekben, amikor két kvantitatív változó kapcsolatából ki akarják szűrni egy vagy több kvanti-tatív változó lineáris hatását. A parciális korreláció ér-tékét szokásosan úgy értelmezik, hogy milyen lenne a vizsgált két változó kapcsolata akkor, ha a kiszűrt vál-tozókat állandó szinten tartanánk (feltételes korrelá-ció).

A szerző arra hívja fel a figyelmet – elméleti meg-fontolások és konkrét példák segítségével –, hogy ha nem teljesül a parciális korreláció linearitásra vonatko-zó alkalmazási feltétele (amit a többdimenziós normalitás biztosít), akkor az említett értelmezés nem tekinthető helytállónak, vagyis ilyenkor megnő a téves következtetés esélye a parciális korrelációs együttha-tóval kapcsolatban. Olyan szélsőséges eset is előfor-dulhat, hogy a parciális korreláció erős pozitív kapcso-latot jelez, miközben a feltételes korreláció –1-hez kö-zeli negatív érték. E probléma kezelésének egyik le-hetséges egyszerű módja, hogy nemlineáris összefüg-gések fellépte esetén a kiszűrendő változó alkalmas függvényét (például négyzetét) is kiszűrjük.

A tanulmány kitér arra a speciális esetre is, amikor két változó korrelációját egy harmadik változó érték-skálájának korlátozása mellett számítjuk ki. TÁRGYSZÓ: Korrelációszámítás.

Vargha András


276

Empirikus adatok elemzésekor néha meglepő korrelációkkal találkozhatunk. Ha kiszámítjuk a korrelációt a budapesti taxisok napi jövedelme és a Duna napi vízállása között egy teljes év viszonylatában, a kapott magas pozitív érték alapján bizonyára eltöprengünk azon, hogy milyen fura kapcsolat van a két változó között. Egy kis fej-törés után könnyen juthatunk arra a következtetésre, hogy a magas korreláció fellépte bizonyos közvetítő vagy háttérváltozók hatásának köszönhető. Ilyen háttérváltozó lehet például a napi csapadékmennyiség. Az esős napokon ugyanis egyaránt megnő a Duna vízállása és a taxi igénybevételének a valószínűsége, ami azonban nem jelenti azt, hogy e két tényező között bármilyen közvetlen kapcsolat lenne.

A leírt szituációt általánosítva kérdezhetjük a statisztikustól: mit tegyünk, ha egy X és egy Y változó közötti olyan kapcsolat érdekel bennünket, ami akkor állna fenn, ha nem hagynánk, hogy egy X-szel és Y-nal egyaránt korreláló Z változó kifejtse a hatását? Erre a kérdésre találták ki a statisztikában a parciális korrelációs együtthatót, melynek egyik ismert képlete a páronkénti korrelációk segítségével írható fel a kö-vetkezőképpen (Pedhazur [1982] 103. old., Vincze [1968] 256–257. old.):

. 2 2.

1 1XY XZ YZ

XY ZXZ YZ

ρ −ρ ρρ =

−ρ −ρ /1/

Ebben az /1/ formulában az elméleti parciális korrelációt fejezzük ki a páronkénti korrelációk segítségével, de ugyanez az összefüggés érvényes az empirikus parciális korreláció és a páronkénti korrelációk között is.

A parciális korrelációs együttható érvényes alkalmazásával kapcsolatban a követ-kező feltételeket szokták megfogalmazni (lásd például Garson [2009]):

– kvantitatív (legalább intervallumskálájú) X, Y, Z változók; – csak lineáris típusú összefüggések léteznek az X, Y, Z változók

között; – X és Y között ugyanolyan jellegű és szintű kapcsolat van a Z vál-

tozó teljes értéktartományában. Megjegyzendő, hogy ha a vizsgált változók együttes eloszlása többdimenziós

normális, akkor ezek a feltételek szükségképpen fennállnak (Tabachnik–Fidell [2001] 72. old.).

A parciális korreláció alkalmazása rendkívül népszerű az empirikus kutatásokban. Például a Web of Sciences cikkarchívumának keresőjében a „partial correlation” ki-

A parciális korrelációs együttható értelmezési problémái


277

fejezéshez 2010. október 20-án 9589 olyan cikk került listázásra, amelyek mind 2000 és 2010 között jelentek meg.

Aggasztónak tűnik a parciális korreláció ilyen széles körű használata, ha figye-lembe vesszük, hogy milyen szigorúak az érvényes alkalmazás előbbiekben megfo-galmazott feltételei. Például a társadalomtudományokban a normális eloszlás inkább tekinthető ritka kivételnek, mint általános szabályosságnak (Micceri [1989], illetve Vargha [2003a]) és a változók közötti gyakori nemlineáris összefüggések (például az izgalmi szint és a mentális teljesítmény, a vérnyomás és a jó közérzet között stb.) is arra figyelmeztetnek, hogy a parciális korreláció mérlegelés nélküli, automatikus használata esetenként komoly bajok forrása lehet.

Ezen körülmények boncolgatása nem tűnik mindennaposnak a tudományos pub-likációkban. Például a „partial correlation interpretation” kifejezésre a Web of Sciences archívumából már csak 202 tétel jött elő, amelyek közül csupán 3 foglalko-zott magának a parciális korrelációnak a jelentésével, értelmezésével.

Brillinger [2001] John Tukey álláspontját követve hangsúlyozza a keresztmetszeti adatokból számított korrelációs és parciális korrelációs együtthatók korlátait és he-lyettük az idősorelemzésből ismert koherencia, valamint parciális koherencia muta-tók használatát javasolja. Rae és Carretta [2006] a mérési hiba hatását tekinti át a kü-lönböző statisztikai mutatók és próbák esetén. Cramer [2003] tanulmánya pedig azt boncolgatja, hogy a parciális korrelációs együttható előjele és nagysága miként függ a vizsgálatba bevont X, Y, Z változók páronkénti közönséges korrelációinak mintáza-tától. Cramer megemlíti például, hogy ha a Z változó ugyanolyan irányú, de szoro-sabb kapcsolatban van az X, Y változókkal, mint emezek egymással, akkor az .xy zr

parciális korrelációs együttható mindig ellentétes előjelű lesz, mint az eredeti – nulladrendű – xyr korrelációs együttható, ami alapjaiban érinti az X és az Y változó

közötti kapcsolat értelmezését. Kérdésfeltevésünk aktualitását erősíti, hogy az áttekintett tanulmányok egyike sem

foglalkozik azzal, hogy az alkalmazási feltételek sérülése milyen hatással van a parciá-lis korrelációs együttható jelentésére, értelmezésére. A jelen tanulmány célja kettős:

a) elméleti levezetésekkel kimutatni, hogy az alkalmazási feltételek számottevő sérülése esetén nem érvényes a parciális korrelációs együttható hagyományos értelmezése;

b) gyakorlati útmutatást adni ahhoz, hogy e feltételek sérülése ese-tén az ismertebb statisztikai programcsomagok (például SPSS és ROPstat) eszköztára segítségével hogyan lehet a szakmai célnak meg-felelő statisztikai mutatót készíteni.

Tanulmányunk első részében a parciális korrelációs együttható matematikai defi-

nícióját és néhány elméleti vonását tekintjük át. Ezután matematikai levezetésekkel

Vargha András


278

kimutatjuk, hogy ha a Z változó nemlineáris módon (például kvadratikusan) hat X-re és Y-ra, akkor a parciális korreláció hogyan válhat téves következtetés forrásává. Vé-gül tanulmányunk harmadik részében arra teszünk javaslatot, hogy az ismert korrelá-ciós és regressziós technikák alkalmazásával a gyakorlatban miként kerülhetjük el a téves értelmezés csapdáját.

1. A parciális korrelációs együttható matematikai definíciója

Tegyük fel, hogy egy X és egy Y kvantitatív változó közötti lineáris kapcsolat fog-lalkoztat bennünket, melyet konkrét statisztikai elemzésekben szokásosan a Pearson-féle xyr korrelációval mérünk (az ennek megfelelő elméleti korreláció szokásos jele:

).XYρ Ha X és Y együttjárását elemezve felmerül, hogy egy harmadik, Z-vel jelölt kvantitatív változó, mely hat X-re és Y-ra, befolyásolhatja azok -nalxyr mért korrelá-

cióját, akkor elgondolkodhatunk azon, mekkora -banxyr az a rész, amely X és Y köz-

vetlen, Z-től nem függő együttjárásának az eredménye. Ennek a részleges, „parciális” kapcsolatnak a mérésére találták ki a matematikai statisztikában a parciális korreláci-ós együtthatót a következő gondolatmenet szerint.

1. Határozzuk meg a Z változó X-re vonatkozó lineáris regressziós becsléseként az X változónak azt a részét, amely lineárisan függ Z-től ( )ZX . Ekkor úgy vélhetjük, hogy ha X-ből elhagyjuk (kivonjuk) ezt a Z-től függő ZX összetevőt, akkor ami marad, már nem függ Z-től, va-gyis –mar ZX X X= az X változónak az a része, amely nem függ line-árisan Z-től.

2. Hasonló logikával határozzuk meg Y-ban a Z-től lineárisan függő YZ összetevőt, s ennek segítségével a Z-től lineárisan nem függő

–mar ZY Y Y= összetevőt. 3. Ezen Z-től lineárisan nem függő ,marX marY összetevők közötti

Pearson-féle korrelációt nevezzük parciális korrelációnak:

( ). ,xy z mar marr r X Y=

(Pedhazur [1982] 97–104. old.).



279

Ha ugyanezeket a lépéseket az elméleti regressziós modellben hajtjuk végre, ak-kor a .XY Zρ elméleti parciális korrelációs együtthatóhoz jutunk (Vargha [2007a] 300–314. old.).

Az .xy zr ( ).XY Zρ parciális korrelációs együtthatót úgy szokták tekinteni, mint az

rxy (ρXY) korrelációnak azt a részét, amelyből a Z változó lineáris hatása ki van szűr-ve. Kiszámításának egyik egyszerű módja a tanulmányunk elején felírt /1/ formula alkalmazása, melyhez csupán az X, Y, Z változók között páronként kiszámított korre-lációk szükségesek.

Ezen gondolatmenet általánosításával természetesen több kvantitatív változó ha-tását is ki lehet szűrni X és Y kapcsolatából, de ennek technikai részleteire itt most nem térünk ki. Ezzel kapcsolatban csak annyit jegyzünk meg, hogy több változó ki-szűrése esetén a végső parciális korreláció nem függ a kiszűrések sorrendjétől, tehát például . . .xy zuv xy vuz xy zvur r r= = stb.

A parciális korrelációs együttható értelmezésével kapcsolatban alapvetően fontos, hogy ha teljesül az X, Y, Z változókra a többdimenziós normális eloszlás feltétele, akkor az .xy zr parciális korrelációs együttható becslés lesz arra, hogy mekkora lenne

az elméleti korreláció X és Y között, ha a Z változót bármely konkrét z pontban rögzí-tenénk:

( ). ,xy zr X Y Z z≈ ρ = .

Alkalmazási feltételeinek teljesülése esetén tehát a parciális korrelációs együttha-tó valóban azt mutatja (méri), hogy a Z változó fixálásakor (ezzel érjük el azt, hogy Z ne fejthesse ki hatását X-re és Y-ra) mekkora lesz a korreláció X és Y között. Ez utób-bi korrelációt feltételes korrelációnak nevezzük. Az X, Y, Z változók együttes elosz-lásának többváltozós normalitása azt biztosítja, hogy egyrészt közöttük csak lineáris típusú összefüggések léphetnek fel (emiatt a Pearson-féle r teljesen adekvát mérő-száma a páronkénti kapcsolatoknak), másrészt az X és az Y közti összefüggés Z bár-mely rögzített értéke esetén ugyanakkora lesz.

Ha viszont a normalitási feltétel nem teljesül, a parciális korrelációs együttható nem feltétlenül jelzi azt, hogy mekkora a korreláció X és Y között, ha Z-t rögzítjük, vagyis állandó szinten tartjuk. A parciális korreláció és a feltételes korreláció tehát nem feltétlenül fog megegyezni, ami ilyen esetben megkérdőjelezi a parciális korre-láció hagyományos értelmezésének a jogosságát. A következőkben ezt fogjuk elmé-leti levezetésekkel igazolni.

Vargha András


280

2. A parciális korrelációs együttható értelmezésének problémája nemlineáris összefüggések felléptekor

Jelen fejezetben mesterségesen konstruált változók felhasználásával, elméleti le-vezetéssel mutatjuk meg, hogy ha X, Y és Z között nemlineáris összefüggések vannak (ilyenkor a többváltozós normalitás feltétele szükségképpen sérül), akkor a parciális korreláció és a feltételes korreláció értéke akár óriási mértékben is különbözhet egy-mástól.

Legyen U, V és Z normális eloszlású, egymástól független változó! Az egyszerű-ség kedvéért legyenek standardizált alakban (0 átlaggal és 1 szórással). Definiáljuk ezek segítségével először az

0X aZ cU= + és 0 –Y aZ cU cV= + /2/

változót, ahol a és c tetszőleges pozitív szorzótényezők. 0X és 0Y kifejezése egy-aránt tartalmaz egy a egység súlyú pozitív ( )aZ , valamint egy c súlyú, de ellentétes előjelű ( ,cU illetve – )cU közös komponenst. 0-tY kiegészíti még egy ugyancsak c súlyú független összetevő ( )cV is.

Matematikailag igazolható (a bizonyítást lásd a Függelék F1. pontjában), hogy az a, c paraméterek segítségével a következőképpen írható fel az 0X és 0Y közötti elméleti korrelációs együttható:

2 2

0 0 2 2 2 2.

2X Y

a c

a c a c

−ρ =

+ + /3/

0X és 0Y kapcsolatának előjele és szorossága a és c viszonyától függ. Ha a > c, akkor az 0X és 0Y közötti elméleti korreláció pozitív, ha pedig a < c, akkor ez a korreláció negatív lesz. Rögzített a érték mellett a kapcsolat szorossága c növelésével gyengébb, csökkentésével pedig erősebb lesz. Például 5a = és 1c = érték mellett ( )0, 0 0,906,X Yρ = 5a = és 3c = esetén pedig ( )0, 0 0,418.X Yρ = (Lásd az 1.

táblázatot.) Mivel 0X és 0Y az egymástól páronként független U, V, Z standard normális

eloszlású változók lineáris kombinációja, együttes eloszlásuk igazolhatóan többdi-menziós normális eloszlású lesz (Rényi [1968]), ami miatt a 0 0.X Y Zρ elméleti parciá-lis korrelációnak meg kell egyeznie a ( ),X Y Z zρ = feltételes korrelációval bármely

z szám esetén. Ez a közös 0 0X Y Zρ feltételes korrelációs érték a következőképpen ha-



281

tározható meg. Mivel Z rögzítése esetén az 0-banX és 0-banY egyaránt megtalál-ható aZ összetevő konstans, a korreláció csak a maradék részek (cU és – )cV cU viszonyától függ. Emiatt

( ) ( )( ) ( )0 0– , –1, – ,

– 2X Y ZCov cU cU

cU cV cUD cU D cV cU

ρ = ρ = =⎡ ⎤⎣ ⎦

/4/

ami nem függ a és c értékétől, és három tizedesre kerekítve –0,707-tel egyenlő.1 De mi történik akkor, ha 0-hozX és 0-hozY hozzáadunk egy Z-től nemlineári-

san függő összetevőt? Például

20X X bZ= + és 20Y Y bZ= + /5/

esetén X és Y kvadratikusan (parabolikusan) függ Z-től. Emiatt X, Y és Z együttes el-oszlása nem lehet normális, továbbá az sem garantált, hogy az X és Y közti, Z hatását kiszűrő parciális korrelációs együttható ( ).XY Zρ meg fog egyezni a Z rögzítése mel-

lett kiszámított X és Y közti feltételes korrelációval ( )XY Zρ . Ennek kimutatásához

először is meghatároztuk X és Y között a korrelációt, mely a Függelék F2. levezetése alapján a következőképpen írható fel a, b és c függvényében:

2 2 2

2 2 2 2 2 2

2 .2 2 2

XYa b c

a b c a b c

+ −ρ =

+ + + + /6/

Ezután a XZρ , YZρ korrelációkat is meghatározva (lásd Függelék F1-et), az /1/ formulába való behelyettesítéssel és egyszerű algebrai átalakításokkal kaphatjuk meg a .XY Zρ parciális korrelációs együttható képletét:

2 2

. 2 2 2 2

2 .2 2 2

XY Zb c

b c b c

−ρ =

+ + /7/

Végül a XY Zρ feltételes korreláció meghatározásához azt vegyük figyelembe,

hogy Z rögzítése esetén X és Y között pontosan ugyanolyan lesz a korreláció, mint 0X és 0Y között, vagyis –0,707 (vö. /4/ és /5/). 1 A /4/ formulában Cov a kovariancia, D pedig a szórás operátorát jelöli.

Vargha András


282

A feltételes korreláció tehát láthatóan nem függ a, b és c értékétől, de a parciális korreláció igen, aminek a konkrét szemléltetésére a következő három paraméterkom-binációra kiszámítottuk .XY Zρ értékét. (Lásd az 1. táblázatot.)

a) 5, 1, 3;a c b= = =

b) 5, 2, 2;a c b= = =

c) 5, 3, 1.a c b= = =

1. táblázat

Az X0 és az Y0, illetve az X és az Y változó közötti közönséges (ρXY) és parciális (ρXY.Z) korrelációk

X változó Y változó Közönséges korreláció

( )XYρ Parciális korreláció

( ).XY Zρ Feltételes korreláció

( )XY Zρ

( )0 1X c = ( )0 1Y c = 0,906 –0,707 –0,707 ( )0 2X c = ( )0 2Y c = 0,679 –0,707 –0,707

( )0 3X c = ( )0 3Y c = 0,418 –0,707 –0,707 ( )3, 1X b c= = ( )3, 1Y b c= = 0,944 0,872 –0,707 ( )2, 2X b c= = ( )2, 2Y b c= = 0,745 0,289 –0,707

( )1, 3X b c= = ( )1, 3Y b c= = 0,447 –0,472 –0,707

Az 1. táblázat alapján levonható következtetések:

– 0X és 0Y , illetve X és Y között a közönséges XYρ korrelációs együttható a c paraméter értékének növelésével csökken, ahogy ezt már korábban is megállapítottuk (vö. /3/ formula), ugyanis c szorzóté-nyezője az 0-banX és 0-banY , illetve X-ben és Y-ban ellentétes együtthatójú U összetevőnek, valamint az 0Y , illetve Y egyediségét képviselő V összetevőnek (vö. /2/ egyenletek).

– Ha a Z változótól csak lineárisan függő 0X és 0Y változó korre-lációjából kiszűrjük a Z változót, a kapott .XY Zρ értékek pontosan megegyeznek a feltételes korreláció –0,707-es értékével. Ebben az esetben tehát a parciális korrelációs együttható valóban azt mutatja, hogy milyen a kapcsolat 0X és 0Y között, ha a Z változó értékét ál-landó szinten tartjuk.

– Ugyanez a szabályszerűség azonban nem figyelhető meg abban az esetben, amikor X-ben és Y-ban megjelenik a Z változó kvadratikus



283

hatása. A probléma természetesen ott a legsúlyosabb, ahol a kvadrati-kus komponens b szorzótényezője a legnagyobb ( )3b = . Itt a parciális korrelációs együttható értéke 0,872, ami igen erős közvetlen pozitív kapcsolatot jelez X és Y között Z kiszűrése után, miközben a Z-re vo-natkozó feltételes korreláció –0,707-es értéke jól mutatja, hogy Z rög-zítésekor X és Y erős negatív kapcsolatban van egymással. Bár kisebb mértékű, de még mindig erősen félrevezető információt nyújt a parciá-lis korrelációs együttható 2b = érték mellett .( 0,3,XY Zρ ≈ miközben

0,7)XY Zρ ≈ . A kvadratikus komponens legkisebb szorzótényezője

1b = esetén is 0,2-nél nagyobb eltérés van a parciális korreláció és a feltételes korreláció értéke között.

Mindezek az eredmények egyértelműen bizonyítják, hogy a parciális korrelációs

együttható értelmezésekor minden esetben mérlegelni kell, hogy alkalmazási fel-tételei teljesülnek-e, különben könnyen juthatunk téves következtetésekre.

Kvantitatív változók korrelációs elemzései során gyakori, hogy két változó (X és Y) kapcsolatát egy harmadik (Z) változó értéktartományának bizonyos szűkebb öve-zetében vizsgáljuk. Például szakmailag érdekes lehet, hogy milyen kapcsolatban van az öngyilkosságban elhunytak és a bejelentett munkanélküliek száma 1998 és 2002, vagy 2002 és 2006 között, illetve 2006 után. Ha az ilyen övezetek szélességét a 0-hoz közelítjük, az X és az Y közötti korreláció a feltételes korrelációt adja meg Z adott értéke – a felső vagy az alsó végpont rögzítése – mellett.

Az ilyen típusú kérdések tisztázására a feltételes korreláció fogalmát általánosít-juk. Kiszámításához a feltételes várható érték formuláit vesszük alapul (Vincze [1968]), képletét normális eloszlású változók esetén a következő formulákkal adhat-juk meg.

A /2/ egyenletekkel megadott 0X és 0Y változó közötti korreláció a standard normális eloszlású Z változó tetszőleges ( )Z z< alakú résztartománya esetén:

2 2

2 2 2 2

( )( 0, 0 | ) ,( ) ( ) 2

Z

Z Z

a V z cX Y Z za V z c a V z c

−ρ < =

+ + /8/

ahol ( )ZV z a Z változó varianciáját jelöli a ( )Z z< résztartományon, mely a követ-kezőképpen határozható meg:

( ) ( ) ( )( )

( )( )

2

1 – – .Zf z f z

V z Var Z Z z zF z F z

⎛ ⎞= < = ⎜ ⎟⎜ ⎟

⎝ ⎠ /9/

Vargha András


284

Ebben a formulában ( )f z és ( )F z a standard normális eloszlás sűrűség-, illetve eloszlásfüggvényének értéke a z helyen.

Hasonlóképpen az 0X és 0Y változó közötti korreláció a standard normális el-oszlású Z változó tetszőleges ( )1 2z Z z≤ ≤ alakú résztartománya esetén így számít-ható ki:

2 2

1 21 2 2 2 2 2

1 2 1 2

( , )( 0, 0 | ) ,( , ) ( , ) 2

Z

Z Z

a V z z cX Y z Z za V z z c a V z z c

−ρ ≤ ≤ =

+ + /10/

ahol ( )1 2,ZV z z a Z változó varianciáját jelöli a ( )1 2z Z z≤ ≤ résztartományon, mely a következőképpen határozható meg:

2

2 2 1 1 2 11 2 1 2

2 1 2 1

( ) ( ) ( ) ( )( , ) ( | ) 1 .( ) ( ) ( ) ( )Z

z f z z f z f z f zV z z Var Z z Z zF z F z F z F z

⎛ ⎞− −= ≤ ≤ = − −⎜ ⎟− −⎝ ⎠

/11/

Megjegyezzük, hogy – ,z = ∞ illetve z = ∞ esetén a ( )zf z szorzat 0-val egyenlő. Az összefüggések részletes levezetését nem ismertetjük, de a bizonyítások logi-

káját és egyes lépéseket szemléltetésképpen a Függelék F3-ban bemutatjuk. Ezen formulák segítségével egyszerűen kiszámíthatók a feltételes korrelációk az 0X és

0Y változók tetszőleges lineáris és egyszerűbb nemlineáris (vö. /5/) transzformált-jaira is.

3. Hogyan kerülhetjük el a téves következtetések csapdáját?

A parciális korrelációs együttható értelmezése akkor válik problematikussá, ha ér-téke nem egyezik meg a feltételes korrelációéval. Ez utóbbi pedig akkor következhet be legnagyobb eséllyel, ha a Z változó nemlineáris összefüggésben van X-szel és/vagy Y-nal. Hogy lehet a nemlineáris összefüggéseket felderíteni? Nyilván nincs értelme mindig, minden esetben nemlineáris kapcsolatok után kutatni, különösen sok változó vizsgálata esetén, mert az nagyon bonyolítaná a statisztikai adatfeldolgozást. Ugyanakkor a viszonylag kevés változóval operáló vizsgálatokban vagy olyan ese-tekben, amikor szakmai érvek szólnak a nemlineáris kapcsolatok lehetősége mellett, a nemlineáris összefüggések felderítése alapvetően fontos feladat. A továbbiakban bemutatunk néhány elemzési módszert, amellyel ezt megtehetjük.



285

Két változó összefüggésének milyenségéről sok esetben jó képet nyújt azok egy-szerű pontdiagramja. Például az X változó Z-től való nemlineáris függése, 3b = és

1c = értéke mellett (1000 véletlen megfigyelés alapján) az 1. ábra pontdiagramján szépen kirajzolódik.

1. ábra. A Z és az X változó kétváltozós pontdiagramja b = 3 és c = 1 esetén

-10

0

10

20

30

40

50

-4 -3 -2 -1 0 1 2 3 4Z változó

X v

álto

zó

2. ábra. Az X változó simított nemlineáris regressziós becslése

és az egy tizedesre kerekített Z változó (Z1) kétváltozós pontdiagramja b = 3 és c = 1 esetén

-5

0

5

10

15

20

25

30

35

40

45

-4 -3 -2 -1 0 1 2 3 4Z1 változó

X vá

ltozó

Vargha András


286

Ha a változók között a kapcsolat nem olyan erős, mint az 1. ábrán látható esetben, a diagram pontjai annyira szóródhatnak, hogy nehézkes az összefüggés kiolvasása az ábráról. Ilyen esetben hasznos lehet a két változó között egy simított nemlineáris reg-ressziós elemzést végezni (mozgó átlagos módszerrel), mely képes a véletlen inga-dozások jelentős részének kiszűrésére és a kapcsolat fő tendenciáinak a kidomborítá-sára. Ilyen elemzésre képes például a ROPstat „Korreláció, egyszerű regresszió” mo-dulja, ha itt a „Lokális korreláció, nemlineáris regresszió” opcióra klikkelünk (www.ropstat.com).

Például az X változó ( 3b = és )1c = Z-től való nemlineáris függésének felderíté-sére először egyszerűsítettük a Z változót értékeinek egytizedesre való kerekítésével (Z1), majd elvégeztük a simított nemlineáris regressziós elemzést a ROPstatban. A kapott regressziós becslés függését a 1Z változótól az Excelben elkészített pontdiag-ram jól szemlélteti. (Lásd a 2. ábrát.) Az 1. és a 2. ábra összehasonlítása mutatja, hogy a véletlen ingadozások kiszűrése milyen jól kiemeli a valódi összefüggést a két változó között.

A simított nemlineáris regresszió a mozgó átlag módszerével úgy szűri ki a vélet-len ingadozások jelentős részét, hogy a független változó (itt 1Z ) minden z értéke esetén a z-hez tartozó regressziós becslést a z körüli szomszéd értékekhez tartozó függő változó (jelen esetben X) értékeinek átlagaként határozza meg. A programban beállítható, hogy a z körüli „szomszédsági övezet” mennyire legyen szűk, illetve tág. A program kiszámítja a simított nemlineáris regresszió által magyarázott varianciahányadot (nemlineáris determinációs együtthatót) is, mely a 2. ábrán bemu-tatott esetben 0,966, vagyis közel 100 százalékos lett.

Ha van konkrét elképzelésünk a változók nemlineáris függésének a típusáról, al-kalmazhatjuk az SPSS nemlineáris regressziós modulját (Analysis/Regression/Non-linear), konkrét elképzelés híján pedig a program görbeillesztő modulját (Analysis/Regression/Curve Estimation). Ez utóbbiban egyidejűleg több lehetséges függési típus (lineáris, kvadratikus, harmadfokú, logaritmikus, exponenciális stb.) is megvizsgálható és összevethető egymással.

Amennyiben sikerült meghatározni a nemlineáris függés jellegét, akkor nincs más dolgunk, minthogy a parciális korreláció számítása során a szűrendő változó adott függvényét is kiszűrjük. A 2. ábrán bemutatott esetben a függés egyértelműen para-bolikus jellegű, ami jelzi számunkra, hogy ha X és Y kapcsolatából Z hatását teljesen ki akarjuk szűrni, akkor Z mellett a 2Z változót is ki kell szűrnünk. Elvégezve ezt az elemzést a ROPstatban, a b és c paraméterértékek mindhárom kombinációja esetén –0,713-at kaptunk, ami csak igen kis mértékben különbözik az elméleti feltételes korreláció –0,707-es értékétől.



287

4. Értékelés

A függő változó (változók) eloszlásának normalitása számos statisztikai eljárás alkalmazásának feltétele. A teljesség igénye nélkül idetartozik az egy- és a kétmintás t-próba, az egy- és a többszempontos varianciaanalízis, a Pearson-féle korrelációval végzett korrelációs és regressziós elemzések, a faktoranalízis stb. A normalitás sérü-lése nem vezet mindig súlyos következményekhez (Vargha [2001], [2003b]), de a társadalomtudományok kutatóinak jó tudniuk, hogy mikor kell komolyan venniük ezt az alkalmazási feltételt. Például az egymintás t-próbánál, ha a mintanagyság nem ha-ladja meg a 10-et, erősen nem normális eloszlású változók esetén jelentősen sérül a próba érvényessége (Vargha [2003b]).

Jelen tanulmány a parciális korrelációs együttható esetében veszi górcső alá a normalitási feltétel sérülésének a hatását. Mesterségesen szerkesztett változók segít-ségével meggyőzően kimutattuk, hogy ha az X és az Y változó kapcsolatából kiszű-rendő Z változó nemlineáris összefüggésben van X-szel és Y-nal (ilyenkor X, Y és Z együttes eloszlása bizonyosan nem lehet normális), akkor a parciális korrelációs együttható esetenként teljesen mást mér, mint amit várunk tőle, illetve ahogy értel-mezni szokták az értékét, ami erősen megnöveli az adatokból levont téves következ-tetések esélyét. Például cikkünk egyik változópárja esetében az .xy zr parciális korre-

lációs együttható értéke 0,875 volt, miközben a Z változó bármely rögzített értéke mellett –0,7 körüli erős negatív kapcsolatban volt egymással X és Y.

Ilyen anomália fellépéséhez nem kellett valami különösen kacifántos példát konstruálni. Mindössze annyit tettünk, hogy X-be és Y-ba beépítettünk egy sima kvadratikus Z hatást, valamint egy olyan lineáris összetevőt, mely X-re és Y-ra ellen-tétes hatást fejt ki (vö. /2/ egyenletek). Tekintve, hogy a társadalomtudományok ku-tatásainak változói között a kvadratikus jellegű (U vagy fordított U alakú) kapcsola-tok nem tekinthetők fehér hollónak, a kutatóknak adatfeldolgozásaik során ezzel a lehetőséggel is számolniuk kell.

Z markáns kvadratikus hatása X-re és/vagy Y-ra (lásd például a 2. ábrát) azért ka-varja meg annyira a dolgokat, mert ilyen esetben X és Z, illetve Y és Z között a Z vál-tozó értéktartományának különböző részeiben ellentétes (hol pozitív, hol negatív) kapcsolat van, ami átöröklődik X és Y kapcsolatára is.

Tanulmányunkban több olyan módszert is megemlítettünk, amelyekkel a nemli-neáris összefüggések felderíthetők. Az egyik ilyen módszer a simított nemlineáris regresszió volt, mely egyszerűen futtatható a MiniStat programcsomag Windows vál-tozatában, a ROPstatban. A ROPstat (lásd Vargha [2007a], illetve www.ropstat.com) nehézség nélkül be tud olvasni az SPSS-ből *.por formátumban, vagy az Excelből szövegfájl formában elmentett (tabulátorral formattált) adatfájlokat.

Vargha András


288

Egyszerű módszert javasoltunk nemlineáris kapcsolatok esetén a parciális korre-lációs együttható korrekciójára. Ez a korrekció mindössze abból áll, hogy ha feltéte-lezhető a kvadratikus jellegű hatás fellépte, akkor Z mellett parciáljuk ki (szűrjük ki) a 2Z változót is X és Y kapcsolatából. Ez végrehajtható bármely statisztikai prog-ramcsomagban (SPSS, ROPstat, Statistica stb.), csak előtte egy egyszerű transzfor-mációval létre kell hozni 2 -etZ Z segítségével.

Végül szeretnénk felhívni a figyelmet arra, hogy a parciális korrelációs együttha-tók logikailag nagyon hasonlítanak a többszörös lineáris regresszió standardizált reg-ressziós együtthatóira. Ez utóbbiakat egyesek eleve úgy értelmezik, mint parciális korrelációs együtthatókat az egyes független változók és a függő változó között, ha kiszűrjük a többi független változó hatását (lásd például Bryman–Cramer [2008]). Ennek az értelmezésnek a hibás voltáról bárki meggyőződhet, ha kiszámítja az emlí-tett parciális korrelációkat valamilyen korrelációs rutinban, s összeveti azokat a több-szörös lineáris regresszió eredménylistáján megjelenő standardizált regressziós együtthatókkal. A standardizált regressziós együtthatók mindössze azt jelzik, hogy a függő változó várhatóan mekkorát változik szórásléptékben, ha az egyes függő vál-tozók értékét 1 szórásnyival megnöveljük, miközben a többi függő változót állandó szinten tartjuk (Pedhazur [1982] 247. old.).

Függelék

F1. A 0 0X Yρ korrelációs és a 0 0.X Y Zρ parciális korrelációs együttható meghatározása a cikk

/2/ egyenleteinek kikötése mellett tetszőleges pozitív a, b, c paraméterekre a következő. A korrelációs együttható definíciója szerint (lásd például Vincze [1968]):

0 0( 0, 0) .

( 0) ( 0)X YCov X YD X D Y

ρ = /F1/

A /2/ egyenletek és a korreláció lineáris operáció volta miatt

( ) ( ) ( ) ( ) ( )( ) ( ) ( )

2

2 2

0, 0 , – , – , ,

, – , , .

Cov X Y Cov aZ cU aZ cU cV a Cov Z Z acCov Z U acCov Z V

caCov U Z c Cov U U c Cov U V

= + + = + +

+ +

Tekintve, hogy U, V, Z egymástól függetlenek,

( ) ( ) ( ) ( ), , , , 0Cov Z U Cov Z V Cov U Z Cov U V= = = = ,

továbbá U, V, Z standard volta miatt



289

( ) ( ), , 1.Cov Z Z Cov U U= =

Következésképpen

( ) 2 20, 0 – .Cov X Y a c=

Most rátérünk ( )0D X és ( )0D Y meghatározására. A /2/ formula és a variancia tulajdonságai miatt – Z és U függetlenségét is figyelembe véve – kapjuk, hogy:

( ) ( ) ( ) ( )2 2 2 20 .Var X Var aZ cU a Var Z c Var U a c= + = + = +

Hasonló levezetéssel kapjuk, hogy

( ) ( ) ( ) ( ) ( ) 2 20 – – 2 .Var Y Var aZ cU cV Var aZ Var cU Var cV a c= + = + + = +

Mindezek alapján ( )0, 0X Yρ fenti /F1/ képletébe helyettesítve kapjuk az igazolni kívánt /3/ formulát.

A 0 0.X Y Zρ parciális korrelációs együttható meghatározásához az /1/ képletet használjuk, s eh-

hez szükségünk van ( )0, 0X Yρ mellett még a ( )0, ,X Zρ ( )0,Y Zρ korrelációkra is. Az előbbi-

ekkel analóg gondolatmenetet követve

2

2 2

( 0, )( 0, )( 0) ( )

Cov X Z aX ZD X D Z a c

ρ = =+

és

2

2 2

( 0, )( 0, )( 0) ( ) 2

Cov Y Z aY ZD Y D Z a c

ρ = =+

.

A ( )0, 0 ,X Yρ ( )0, ,X Zρ ( )0,Y Zρ korrelációk így kapott kifejezéseit behelyettesítve az /1/ formulába kapjuk, hogy

2

0 0. 4

1 0,70722

X Y Zc

c

− −ρ = = = − , /F2/

ami egyben a feltételes korrelációs együttható értéke is X0 és Y0 között a Z változó rögzítése mel-lett.

F2. A továbbiakban a ρXY korrelációs és a ρXY.Z parciális korrelációs együttható határozzuk meg a cikk /2/ és /5/ egyenleteinek kikötése mellett tetszőleges pozitív a, b, c paraméterekre.

Az F1. pontban alkalmazott utat követve ( ), -hozXY X Yρ = ρ a ( ), ,Cov X Y ( )D X és ( )D Y

összetevőket határozzuk meg először. A /2/, /5/ egyenletek és a kovariancia tulajdonságai alapján, felhasználva azt is, hogy U, V, Z egymástól függetlenek:

Vargha András


290

( ) ( )( ) ( ) ( ) ( ) ( )

( )

2 2

2 2 2 2 2 2 2

2 2 2 2

, , –

, , , , – ,

2 2 , – .

Cov X Y Cov aZ bZ cU aZ bZ cU cV

a Cov Z Z b Cov Z Z abCov Z Z ba Z Z c Cov U U

a b abCov Z Z c

= + + + + =

= + + + =

= + +

Itt felhasználtuk, hogy ( ) ( )2 2 2, 2,Cov Z Z Var Z= = mivel 2Z 1 szabadságfokú khi-négyzet-eloszlást követ (Vincze [1968]). De

( ) ( ) ( ) ( )2 3 2, – 0,Cov Z Z E Z E Z E Z= =

mert a normális eloszlású változók páratlan fokszámú momentumai 0-k (Rényi [1968]), ami miatt

( ) 2 2 2, 2 – .Cov X Y a b c= +

Ugyanakkor

( ) ( ) ( ) ( ) ( )2 2 2 2 2 2 2 22 .Var X Var aZ Var bZ Var cU a b Var Z c a b c= + + = + + = + +

Hasonlóképpen

( ) ( ) ( ) ( ) ( )2 2 2 2 2 2 2 22 2 2 .Var Y Var aZ Var bZ Var cU Var cV a b c c a b c= + + + = + + + = + +

Mindezek alapján már egyszerű behelyettesítéssel adódik a XYρ korrelációs együtthatóra vo-natkozó /6/ formula.

A .XY Zρ parciális korrelációs együttható meghatározásához az /1/ képletet használjuk, s ehhez szükségünk van XYρ mellett még a ,XZρ YZρ páronkénti korrelációkra is. Az F1. pontban leírtak-

kal analóg gondolatmenetet követve:

( ) ( ) ( ) ( ) ( )2 2, 0 , 0, , 0, ,Cov X Z Cov X bZ Z Cov X Z bCov Z Z Cov X Z a= + = + = =

mivel 2Z és Z korrelálatlan egymással (lásd korábban). Hasonlóképpen kapjuk, hogy

( ) ( ), 0, ,Cov Y Z Cov Y Z a= =

így

2 2 2( ) 2XZ

a aD X a b c

ρ = =+ +

és 2 2 2( ) 2 2

YZa a

D Y a b cρ = =

+ +.

Mindezek alapján egyszerű behelyettesítéssel adódik a .XY Zρ parciális korrelációs együtthatóra vonatkozó /7/ formula igazsága.



291

F3. A következőkben a /8/–/11/ összefüggések bizonyítását foglaljuk össze vázlatosan. A /8/ és a /10/ formula feltételes korrelációs együtthatóját egyaránt egy

( 0, 0 | )( 0, 0 | )( 0 | ) ( 0 | )

Cov X Y feltételX Y feltételD X feltétel D Y feltétel

ρ =

formájú képlet segítségével határozzuk meg. Mivel a kovariancia lineáris operátor, az 0-tX és az 0-tY definiáló /2/ egyenletek az F1. pontban ismertetett módon felbonthatók elemi komponenseik-

re. Ebből adódik /8/ és /10/ jobb oldalának számlálója, azt is felhasználva, hogy U, V, Z egymástól független és standard

( ) ( ) ( ), , 1Cov U U feltétel Cov U U Var U= = = és

( ) ( ), , 0.Cov U V feltétel Cov U V= =

Emiatt /8/ és /10/ levezetéséhez alapvetően ( )Var Z feltétel alakú varianciák meghatározására

van szükség. Például ( )ZV z esetén ehhez a következő utat követhetjük.

A variancia definíciója miatt

( ) ( ) ( ) ( )2 2– .ZV z Var Z Z z E Z Z z E Z Z z= < = < < /F3/

Itt a jobb oldalon

( ) [ ]11 ( )( ) ( ) ( ) ,( ) ( )

zz f zE Z Z z sf s ds F z f s

P Z z F z−

−∞−∞

< = = = −< ∫ /F4/

ahol ( )f z és ( )F z a standard normális eloszlás sűrűség-, illetve eloszlásfüggvényének értéke a z helyen. /F4/ levezetésénél felhasználtuk, hogy deriváltja:

( ) ( )–f s sf s′ = /F5/

bármely s helyen. Az ( )2E Z Z z< komponensre parciális integrálással az alábbi összefüggést kapjuk:

( )2 21 ( ) .( )

z

E Z Z z s f s dsP Z z −∞

< =< ∫

A jobb oldali integrált e(z)-vel jelölve kapjuk:

( ) [ ]( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )z z

ze z f s ds f s ds F z f s F z f z F z zf z−∞

−∞ −∞

′′ ′ ′= + = + = + = −∫ ∫

/F5/ miatt és mert könnyen beláthatóan ( )– 0.f ′ ∞ = Mindebből már egyszerűen adódik a /9/ ösz-szefüggés. A /11/ formula hasonló gondolatmenettel vezethető le.

Vargha András


292

Irodalom

BRILLINGER, D. R. [2001]: Does Anyone Know When the Correlation Coefficient is Useful? A Study of the Times of Extreme River Flows. Technometrics. 43. évf. 3. sz. 266–273. old.

BRYMAN, A. – CRAMER, D. [2008]: Quantitative Sata Analysis with SPSS 14, 15 & 16: A Guide for Social Scientists. Psychology Press. London.

CRAMER, D. [2003]: A Cautionary Tale of Two Statistics: Partial Correlation and Standardized Partial Regression. Journal of Psychology. 137. évf. 5. sz. 507–511. old.

GARSON, G. D. [2009]: Partial Correlation. http://faculty.chass.ncsu.edu/garson/PA765/partialr.htm#assume.

MICCERI, T. [1989]: The Unicorn, the Normal Curve, and Other Improbable Creatures. Psychological Bulletin. 105. évf. 1. sz. 156–166. old.

PEDHAZUR, E. J. [1982]: Multiple Regression in Behavioral Research. (Second Edition.) Holt, Rinehart and Winston. Chicago.

RAE, M. J. – CARRETTA, T. R. [2006]: The Role of Measurement Error in Familiar Statistics. Organizational Research Methods. 9. évf. 1. sz. 99–112. old.

RÉNYI A. [1968]: Valószínűségszámítás. Tankönyvkiadó. Budapest. TABACHNICK, B. G. – FIDELL, L. S. [2001]: Using Multivariate Statistics. Allyn and Bacon. Boston. VARGHA A. [2001]: Érvényes-e a kétmintás t-próba nem normális eloszlások esetén? Pszichológia.

21. évf. 1. sz. 83–105. old. VARGHA A. [2003a]: Mi történik, mit tegyünk, ha változónk nem normális eloszlású? Számítógépes

statisztikai elemzések, ordinális csoportösszehasonlító modellek. MTA doktori értekezés. Bu-dapest.

VARGHA A. [2003b]: Robusztussági vizsgálatok az egymintás t-próbával. Statisztikai Szemle. 81. évf. 10. sz. 872–890. old. http://www.ksh.hu/statszemle_archive/2003/2003_10/2003_10_872.pdf

VARGHA A. [2007a]: Matematikai statisztika pszichológiai, nyelvészeti és biológiai alkalmazások-kal. Pólya Kiadó. Budapest.

VARGHA A. [2007b]: A ROPstat statisztikai menürendszere. http://www.ropstat.com/. VINCZE I. [1968]: Matematikai statisztika ipari alkalmazásokkal. Műszaki Könyvkiadó. Budapest.

Summary

The partial correlation is a frequently used coefficient for assessing the bivariate correlation of two quantitative variables by eliminating the influence of one or more other variables. It is gener-ally interpreted as the correlation under the condition that the variables to be eliminated are fixed (not allowed to vary and influence the dependent variables), which is called in the statistical litera-ture as conditional correlation.

The present paper convincingly shows, by means of theoretical derivations and practical exam-ples, that under the violation of the assumption of multivariate normality (frequently due to nonlin-ear relationships among the variables investigated) the usual interpretation of the partial correlation



293

coefficient can be basically incorrect. There may be an extreme case where the value of the partial correlation coefficient is highly positive, close to 1, whereas the conditional correlation is a large negative value. To heal this problem the paper suggests partialling out certain function (in the sim-plest case the square) of the variables whose effects are to be eliminated if nonlinear relationships are likely to occur.

The paper discusses also the special case where the correlation of two variables is computed by a restriction of the range of a third variable.


A jövedelemeloszlás és jövedelem-egyenlõtlenség a személyijövedelemadó-bevallási adatok tükrében*

Kovács Ilona, az MTA Közgazdaságtudomá-nyi Intézetének ny. tudományos főmunkatársa E-mail: [email protected]

A szerző az APEH-nek bevallott összevont és ösz-szesített jövedelmek alapján vizsgálja a jövedelemel-oszlás és -egyenlőtlenség alakulását 1996 és 2009 kö-zött.

A számított egyenlőtlenségi mutatók étéke közel kétszer akkora, mint a háztartásstatisztikai felmérések alapján. Az egyenlőtlenség 2007-ig tovább nőtt, 2008-2009-ben némiképpen mérséklődött az egyenlőtlenség az adóbevallási adatok alapján.

A jövedelemeloszlás legmarkánsabb jellemzője a 10. népességtizednél koncentrálódó, kiugróan magas, 35 százalék fölötti jövedelemhányad, amely 2007-ig nőtt, miközben az 5.-9. decilisben csökkent, amely tény a középosztályhoz tartozó rétegek jövedelmi helyzetének relatív romlását tükrözi. Az átlagos beval-lott jövedelemmel rendelkező adózók minden évben felkerültek a 7. decilisbe, ami a magyarországi torz ke-reseti arányok súlyos negatív jelenségére utal: az adó-zók több mint 60 százalékának átlag alatti bevallott jö-vedelme volt. A szerző felhívja a figyelmet azokra a veszélyekre, amelyek az egykulcsos adórendszer beve-zetésével járnak

TÁRGYSZÓ: Jövedelemeloszlás. Jövedelemegyenlőtlenség. Személyi jövedelemadó.

* A dolgozat a 68275 sz. OTKA kutatási pályázat támogatásával készült. Az MTA Közgazdaságtudományi

Intézetében közölt tanulmányok (Kovács [2010a], [2010b]) kibővített változata. A szerző köszönetét fejezi ki Hunyadi Lászlónak és Galasi Péternek a dolgozathoz fűzött hasznos tanácsa-

ikért, valamint az APEH Tervezési és Elemzési főosztályának, hogy hosszú évek során feldolgozott formában rendelkezésre bocsátotta a kutatáshoz szükséges személyijövedelemadó-bevallási adatokat.

Kovács: A jövedelemeloszlás és jövedelemegyenlõtlenség


295

A közgazdászok véleménye igen eltérő arról, hogy egy társadalomban mekkora jövedelemkülönbségek lennének ideálisak, amelyek még nem zavarók, ugyanakkor a gazdaságra ösztönzőleg hatnak. Megoszlanak a vélemények abban a tekintetben is, hogy a jövedelemegyenlőtlenség csökkentése céljából a kormányoknak be kell-e avatkozni a jövedelmek újraelosztása eszközeivel (transzferek és az adózás), és ha igen, akkor milyen mértékben.

Évtizedeken keresztül cáfolták a marxi jóslatot, miszerint a gazdasági növeke-déssel párhuzamosan a gazdagok relatíve gazdagabbak, a szegények relatíve sze-gényebbek lesznek. Ezt hosszú ideig valóban nem támasztották alá semmilyen tör-téneti statisztikai elemzések sem Európában, sem Amerikában, mígnem 1977 és 1992 között az Egyesült Államokban kialakult nagymértékű jövedelemegyenlőt-lenség következtében a gazdagok gazdagabbak, a szegények szegényebbek lettek. Számos amerikai közgazdász, köztük Krugman [1992], a Massachusettsi Műszaki Egyetem (Massachusetts Institute of Technology – MIT) Nobel-díjas professzora, valamint Pennar [1991] szerint éppen Amerika lett szegényebb. Nem késhetett sokáig a terápia. Reagan elnök 1992-ben szokásos évi „Az Elnök Gazdasági Jelen-tésében”, noha igyekezett a kérdésnek súlyához képest kisebb jelentőséget tulaj-donítani, kénytelen volt az előző négy évtized alatt soha nem tapasztalt szintű jö-vedelemegyenlőtlenségről beszámolni. Ez számokban azt jelentette, hogy amíg 1973-ban a legfelső 20 százalékba tartozó népesség jövedelme 11-szerese volt a legalsó 20 százalékba tartozókénak, addig 1989-re az egyenlőtlenségi mutató 13,2-re nőtt.

Az utóbbi évtizedben a nemzetközi kutatások intenzíven kezdtek foglalkozni a jövedelem-egyenlőtlenség kérdésével, arra való reakcióként, hogy az elmúlt húsz év alatt feltűnő mértékben nőtt az egyenlőtlenség a legtöbb OECD-országban. Az OECD [2008] figyelemreméltó, átfogó tanulmányt jelentetett meg Growing Unequal? (Növekvő egyenlőtlenség?) címmel, amelyben minden ország helyzetét érintő, súlyos kérdéseket feszegetnek, úgymint:

– Nőtt-e az egyenlőtlenség az idők során? – Kik voltak e folyamat nyertesei, illetve vesztesei? – Azonos mértékben és módon érintette-e ez a folyamat az összes

OECD-országot? – A nagyobb jövedelmi egyenlőtlenségeket milyen mértékben

okozzák a dolgozók személyes jövedelme közötti nagyobb különbsé-gek, és mekkora hatással vannak rájuk az egyéb tényezők?

Kovács Ilona


296

– Végül hogyan hat ezekre a trendekre a jóléti rendszeren keresztül történő állami újraelosztás?

A beszámoló rámutat arra, hogy a jövedelmi egyenlőtlenségek már az 1980-as évek közepe, sőt valószínűleg már az 1970-es évek közepe óta nőttek. Az OECD-országok átlagát tekintve a Gini-koefficiens mintegy 7 százalékos emelkedését mu-tatták ki, ami azt jelenti, hogy a medián (középső) jövedelem alatt lévő minden egyes személy hipotetikusan mintegy 7 százaléknyi jövedelmet átadott a medián felett lé-vőknek.

Az OECD 2009-ben a jövedelemeloszlás és a jövedelemegyenlőtlenség növekvő tendenciáját vizsgáló konferenciát rendezett (OECD [2009]), amelyen Magyarorszá-got Tóth István György és Medgyesi Márton [2009] képviselte.

A jövedelemeloszlás és jövedelemegyenlőtlenség hazai kutatásai két fő adatbázisra épülnek. Egyrészt a KSH immár több mint ötven éves múlttal rendelkező, évenként ismétlődő reprezentatív mintavételen alapuló háztartás-statisztikai adataira, amelyek a magyarországi háztartások 0,26 százalékára (a megtagadásokat leszámítva mintegy 12 ezer háztartásra) terjednek ki, s az eredményeket jelenleg a Háztartási Költségvetési Felvétel című kiadványban teszik közzé, másrészt a TÁRKI és a Budapesti Közgazda-ságtudományi Egyetem közös kezdeményezésében folytatott panelfelmérésekre, illetve a TÁRKI monitor vizsgálataira épülnek. Ezen adatok alapján számos folyóiratcikk, műhelytanulmány és könyv jelent meg a rendszerváltozást követően is.

A rendszerváltozás után azonban egyre inkább felerősödtek a háztartás-statisztikai mintavételen alapuló felvételek hiányosságai, a felvételekben való önkén-tes részvétel miatt, a válaszolási arány egyre csökkent. Amíg 1987-ben 76 százalékos volt a válaszolási arány, addig 1993-ban 61 százalékra esett vissza. Az alacsonyabb jövedelmű családok túl-, a jómódúak alulreprezentáltak a mintában, a leggazdagab-bak és a legszegényebbek bele sem kerülnek. Az elemzők mintegy 30 százalékra te-szik a nemzeti számlarendszer makro- és a háztartás-statisztikai felvétel adatai közöt-ti különbséget (Tóth [2005]). Éltető Ödön és Havasi Éva [2009] mélyrehatóan elem-zik a megváltozott helyzetet, az 1993-ban végrehajtott jövedelmi felvétel olyan mér-tékű kudarcát, miszerint a begyűjtött adatokat egyrészt a jelentős arányú válasz-megtagadás, másrészt a jövedelmi adatok bevallási megbízhatatlansága miatt közzé sem lehetett tenni. Ezt követően született meg az elhatározás, hogy a lakosság meg-kérdezésén alapuló jövedelmi felvételt összekapcsolják egy törvényileg kötelező ösz-szeírással (népszámlálás, mikrocenzus), s az ezeknek egy részmintájából szerzett in-formációkat, különböző pótlási és imputálási módszerek alkalmazásával fölhasznál-ják a jövedelmi adatok javítására. Erre került sor 1996-ban és 2005-ben is, amikor a 2 százalékos mikrocenzus 25 százalékos almintájából nyerték a jövedelmi adatokat.

A 2000-es évek elején ez a megváltozott körülmény irányította figyelmemet a fe-lé, hogy a jövedelemegyenlőtlenséget mintegy 4 és fél millió adóbevalló személyi-

A jövedelemeloszlás és jövedelemegyenlõtlenség


297

jövedelmei alapján vizsgáljam. Az 1996 és 2002 közötti időszakra vonatkozóan e tárgykörben folytatott kutatásaimat először újságcikkek, interjúk formájában tettem közzé (Kovács [2003], [2004], [2005]). Jelenleg már rendelkezésemre állnak az 1996 és 2009 közötti időszak adatai is, amelyek alapján kellő áttekintést nyerhetünk a rendszerváltozás immár húsz évének jövedelemegyenlőtlenségi és jövedelemel-oszlási tendenciáiról az APEH számára bevallott jövedelmek alapján.

Mivel nem a teljes lakosság jövedelemegyenlőtlenségét vizsgálom, elemzésemből értelemszerűen kimaradnak a jövedelembevallásra nem kötelezett nyugdíjasok. A nyugdíjasok jövedelemeloszlásának bevonása mérsékelné az általunk kimutatott egyenlőtlenséget, de ennek vizsgálatára ezúttal nincs lehetőség. Az adóbevallási ada-tok azért is torzítanak, mert a jövedelmek bizonyos részéről az adóhatóságok nem szereznek tudomást (de ez minden bizonnyal igaz a háztartás-statisztikai felvételekre is). A feketegazdaság arányairól folytatott kutatások szerint a TÁRKI panelvizsgálata keretében végzett becslések a vizsgálatsorozat kezdetén 70 százalékra, később 65 százalékra tették a felmért jövedelmek és a hivatalos GDP arányát (Kolosi–Bedekovics–Sik [1997]). Más vizsgálatok szerint a kilencvenes évek elején mintegy 16 százalékkal magasabb lett volna a GDP, ha a rejtett gazdaságot figyelembe tudták volna venni (Árvay–Vértes [1994]). A torzítás mértéke az aggregált adatokra vonat-kozik, magáról a jövedelemeloszlásról csak becslések vannak, amelyek azt támaszt-ják alá, hogy az informális gazdaságból származó jövedelmek eloszlása egyenlőtle-nebb, mint a formális gazdaság jövedelmeié (Tóth [2002]), tehát a rejtett gazdaság a mérhető jövedelemegyenlőtlenséget lefelé torzítja. Ezeknek a rejtett jövedelmeknek a hivatalos csatornákba kanalizálása növelné a jövedelemegyenlőtlenséget. Hosszabb idősort tekintve nem tudjuk, hogy az egymást követő években az adóelkerülésben van-e akkora és olyan irányú változás, amely lényegesen befolyásolná az eloszlás, il-letve az egyenlőtlenség tendenciáját. Ha a legmagasabb jövedelmű népesség körében az adóelkerülés aránya jelentősen növekedne, akkor ez a mérhető jövedelemegyen-lőtlenséget erősen lefelé torzítaná. További hátrányként kell megemlítenünk, hogy a vizsgált jövedelmek nem tartalmazzák a természetbeni társadalmi jövedelmeket, de utalnék arra, hogy a hetvenes-nyolcvanas évekre vonatkozó jövedelemegyenlőtlen-ségi vizsgálataim azt mutatták, hogy a természetbeni társadalmi jövedelmek inkább növelték az egyenlőtlenséget, mert az akkori kategorizálás szerint a jóval alacso-nyabb jövedelmű munkás- és paraszti rétegeknél magasabb jövedelmű értelmiségi háztartások nagyobb arányban tudták igénybevenni mind az oktatási, mind az egész-ségügyi és kultúrális szolgáltatásokat.

Jelen vizsgálatomban értelemszerűen nem tudom figyelembe venni a háztartások jövedelemegyenlőtlenségének olyan meghatározó tényezőinek szerepét, mint a csa-ládnagyság, a gyermekszám és egyéb demográfiai tényezők. Figyelmemet tehát a 4,5 millió adóbevalló személy jövedelemeloszlásának és -egyenlőtlenségének elemzésé-re összpontosítom.

Kovács Ilona


298

1. A jövedelemeloszlás és -egyenlőtlenség mérése, egyenlőtlenségi mutatók

Amíg a klasszikus közgazdaságtan megalapítói az ún. funkcionális jövedelem-eloszlásban gondolkoztak, a jövedelmeket forrásuk szerint, azaz a jövedelmek meg-szerzőinek a gazdasághoz fűződő viszonya (munkajövedelem, tulajdonjövedelem, föld, örökség stb.) szerint vizsgálták, addig a modern közgazdaságtudomány művelőinek fi-gyelme a méret szerinti jövedelemeloszlás elemzéséhez fordult. A méret szerinti jövedelemeloszlást – mint ez ismert – kétféle értelemben alkalmazhatjuk. 1. A vizsgá-landó népességet csoportosíthatjuk a jövedelmek nagysága szerint úgy, hogy minden jövedelemintervallumhoz hozzárendeljük azt a népességszámot (vagy inkább azt a né-pességhányadot), amely az adott jövedelemkategóriába esik. Az ilyen típusú táblázato-kat statisztikai értelemben gyakorisági táblázatoknak nevezzük, amelyeknek másik formája a kumulatív gyakoriság, amely azt mutatja meg, hogy a népesség hány száza-lékának a jövedelme esik az adott jövedelem-intervallumba és az alatta levőkbe együttvéve. 2. A jövedelemeloszlási táblázatot úgy is összeállíthatjuk, hogy a jövedel-mek nagysága szerint sorba állított népességet meghatározott arányú csoportokba oszt-juk. Így juthatunk el a decilisek (népességtizedek), kvintilisek (húsz százaléknyi népes-ség) vagy kvartilisek (25 százaléknyi népesség) szerinti csoportosításhoz. Ilymódon ki-fejezhetjük, hogy a vizsgált populációnak e meghatározott hányadai milyen arányban részesülnek az összjövedelemből. Amennyiben adatok rendelkezésre állnak a deciliseken belüli mélyebb bontásra is, akkor vizsgálhatjuk például a legfelső vagy a legalsó decilisen belüli 5-5 százaléknyi népességhez tartozó jövedelemhányadokat is.

A szakirodalomban sokféle egyenlőtlenségi mutató forog közkézen, amelyeknek különböző szempontok szerint készült értékes összefoglalóját adja közre több, a tel-jesség igénye nélkül kiválasztott dolgozat is: Sen [1973], Kakwani [1980], Jenkins [1991], Cowell [1998], valamint a hazai szakirodalomból kiemelkednek Hunyadi–Mundruczó–Vita [1997] és Hajdu [1997], Tóth [2005] munkái. A következőkben 5 egyenlőtlenségi mutatóval foglalkozom, ezeket számítottam ki az adóbevalló népes-ség jövedelemegyenlőtlenségének mérésére.

1. A Lorenz-görbe a XX. század eleje óta széleskörűen használatos a jövedelemeloszlás mérésére. Ilyen görbéket mutat be az 1. ábra.

A jövedelmek eloszlásának két szélsőséges esetét tudjuk megkülönböztetni. Az egyik, ha a jövedelmek eloszlása teljesen egyenletes lenne, ha a népesség minden egyes tizede 10 százaléknyi jövedelemmel rendelkezne, ekkor a Lorenz-görbe azo-nos lenne a négyzet berajzolt átlójával. A másik szélsőséges eset az abszolút egyen-lőtlenség, amely a jövedelemeloszlásnak azt az abszurd helyzetét jelentené, amikor csupán egyetlen ember kezében koncentrálódna az összes jövedelem. Minden tény-leges, a valóságban megfigyelhető jövedelemeloszlás a két szélsőséges eset közé esik,



299

s annál nagyobb a jövedelemegyenlőtlenség mértéke, minél távolabb kerül a Lorenz-görbe az átlótól.

1. ábra. Az összevont jövedelmek Lorenz-görbéje, 2009

0

10

20

30

40

50

60

70

80

90

100

0 10 20 30 40 50 60 70 80 90 100Népességtizedek

Jöve

dele

mhá

nyad

(szá

zalé

k)

2009

Egyenleteseloszlás

Megjegyzés. Mivel a különböző évekre vonatkozó Lorenz-görbék olyan közel állnak egymáshoz, hogy

nyomtatásban megkülönböztethetetlenek, ezeket az elektronikus mellékletben – kinagyítva és színes változatlan – adjuk közre.

2. Nem sokkal Lorenz tanulmányának megjelenése után, a Lorenz-görbe felhasz-nálásával Corrado Gini 1912-ben dolgozta ki azt a jövedelemegyenlőtlenségi muta-tót, amely azóta is Gini-index vagy Gini-féle koncentrációarány néven vált ismertté.

A Gini-mutató kiszámításához a következő képletet használtuk: 9

10 9 0 2 i

iG , , D

== − ∑ ,

ahol 1

i

i ij

D d=

= ∑ , di pedig az i-edik decilis érték.

A szakirodalomban talán a Gini-index a legvitatottabb mutató, rendre felsorakoz-tatják hátrányos tulajdonságait, ennek ellenére, paradox módon, ez az egyik leggyak-rabban használatos mérőszám a jövedelemegyenlőtlenség jellemzésére. Magának a mutatónak a kiszámításához is bővében vagyunk a különböző képleteknek (Tóth [2002], [2005]).

Mivel az átló alatti terület egyketteddel egyenlő, (egységnyi oldalú négyzetről lé-vén szó) a Gini-index egyenlő az átló és a Lorenz-görbe közötti terület kétszeresével. A Gini-index értéke 0 és 1 közé esik, ahol a 0 érték a tökéletesen egyenletes elosz-lást, az 1 pedig a teljes egyenlőtlenséget, vagyis a már említett két szélsőséges esetet mutatja. Gyakran találkozunk olyan közlésekkel, amikor a Gini-indexet százalékos skálára számítják át, ez esetben a mutató értéke 0 és 100 közé esik.

Kovács Ilona


300

A Gini-index geometriai interpretációját a Lorenz-görbe segítségével világíthatjuk meg. A Lorenz-görbét megközelíthetjük egyenes szakaszokkal (amelyek felfelé halad-va egyre meredekebbé válnak) s ennél fogva a görbe alatti terület háromszögekre és négyszögekre bontható, amint az 1. ábrán látható. Általánosítva, a görbe alatti terület n számú háromszög és 1/2n(n–1) négyszög területének az összegével egyenlő (Theil [1970]). Ha xi jelöli az i. népességcsoportnak a megfigyelt népességhez viszonyított arányát, yi pedig az összjövedelemből való részesedését, akkor a háromszögek területe:

1

12

n

i ii

yx=∑ ,

a négyszögek területe:

11 1 1 1

12

n n

i ij j ji j i j j i

y y yx x += < = < >

⎛ ⎞− −⎜ ⎟

⎝ ⎠∑ ∑ ∑ ∑ ∑ .

A háromszögek és a négyszögek összege adja a Lorenz-görbe alatti területet. Végül a Lorenz-görbe és az átló közötti területet úgy kapjuk meg, hogy a fentiek

összegét levonjuk az ½-ből, az átló alatti területből. Képletben kifejezve:

1

12

n

i j ji j i j i

y yx= > <

⎛ ⎞−⎜ ⎟

⎝ ⎠∑ ∑ ∑ .

A Gini-koefficiens feltehetően egyszerű geometriai interpretációja következtében talált széles körű alkalmazásra. Meg kell azonban említenünk azt a hátrányos tulajdon-ságát is, hogy nem alkalmas csoportok közötti és csoporton belüli felbontásra. Több empírikus vizsgálat igazolja, hogy a Gini-együttható nagysága nem érzékeny a jöve-delmi skálán az egyes népességtizedek közötti időbeni jövedelemátrendeződésre, amelynek következtében a Lorenz-görbék akár metszhetik is egymást, következéskép-pen eltérő jövedelem-eloszlásoknak is azonos lehet a Gini-mutatója.

3. Az ún. q10 mutató azt fejezi ki, hogy a legfelső népességtized jövedelemrésze-sedése hányszorosa a legalsó népességtized jövedelemrészesedésének, azaz

1010

1

dq

d= .

Némiképpen elfedi, korrigálja a két szélső népességtizedben meglevő nagy szó-ródásokat a q5 mutató, a felső és alsó quintilis (népességötöd) jövedelem-részesedésének a hányadosa

9 105

1 2

d dq

d d+

=+

.



301

4. Éltető Ödön és Frigyes Ervin [1968] három mérőszámot javasolt, amelyek együttesen jellemzik a jövedelemegyenlőtlenséget. A három mutató egy mérőszámba (Éltető-Frigyes-mutató) sűrítve azt fejezi ki, hogy az átlagjövedelem felett élők átlag-jövedelme hányszorosa az átlagjövedelem alatt élők átlagjövedelmének. (A mutatót lehetne módosítani úgy is, hogy a mediánjövedelem felettiek átlagjövedelme hány-szorosa a mediánjövedelem alattiak átlagjövedelmének.)

HIM f

a

xx

= ,

ahol fx – az átlagjövedelemnél magasabb jövedelműek jövedelmi átlaga;

ax – az átlagjövedelemnél alacsonyabb jövedelműek jövedelmi átlaga. Ennél fogva a mutatót tényezőkre bonthatjuk, ily módon a jövedelem-

egyenlőtlenséget befolyásoló tényezők hatását külön-külön is vizsgáljhatjuk. E ked-vező tulajdonság mellett még a mutató előnyeként említjük jól értelmezhető közgaz-dasági interpretációját és könnyű kiszámíthatóságát is.

5. A Robin Hood-index elnevezésű beszédes mutatóval először Atkinson és Micklewright [1992] könyvében találkozhattunk. Amint már korábban rámutattunk, akkor valósulna meg a jövedelemeloszlás teljes egyenlősége, ha minden egyes né-pességtized 10-10 százaléknyi jövedelemmel rendelkezne. A Robin Hood-index megmutatja, hogy az egyes népességtizedek jövedelme milyen mértékben tér el ettől az egyenletes jövedelemeloszlástól; kifejezi, hogy a 10 százaléknál magasabb jöve-delem részesedésű népességtizedektől hány százaléknyi jövedelmet kellene elvenni, s azt a 10 százaléknál alacsonyabb jövedelem részesedésű népességtizedek között szétteríteni ahhoz, hogy a jövedelemeloszlás egyenletes legyen. Képletben:

( )100 0 1iE d ,= −∑ 0 1id ,≥ .

2. A jövedelemeloszlás és a jövedelemegyenlőtlenség alakulása a rendszerváltozás után a személyijövedelemadó-bevallási adatok tükrében

Az APEH kétféle aggregált jövedelmet különböztet meg: összevont jövedelmet és összesített jövedelmet. Az összevont jövedelem az alkalmazásban állók keresetén, bérén túl olyan jövedelemelemeket is tartalmaz, mint például a családi pótlék, a gyes, a gyed, az ösztöndíj stb., amelyeket be kellett vallani, de nem kellett utánuk adót fi-

Kovács Ilona


302

zetni. Az ilyen jellegű jövedelem bevallói az 1. decilisben tömörülnek. Ugyanakkor az utóbbi évtizedekben az említetteken túl egyre több adóalap-csökkentő elem is be-került az adóbevallásba, mint például ingatlant bérbeadók, súlyosan fogyatékosok, önkéntes kölcsönös nyugdíjpénztárba befizetők, önkéntes kölcsönös egészségpénz-tárba befizetők, lakáscélú hiteltörlesztésre befizetők, közcélú adományozás stb. Az összesített jövedelem az összevont jövedelem és a különadózó (forrásadós) jövede-lem összege.

A bevallott összesített jövedelmek időbeni alakulását 1996 és 2009 között az 1. táblázatban, a bevallott összevont jövedelmek népességtizedek, decilisek szerinti megoszlását pedig a 2. ábrán mutatjuk be. Az ábrából arról kapunk képet, hogy a jö-vedelemnagyság szerint sorba állított adóbevalló népesség decilisei hány százaléknyi jövedelemmel rendelkeznek a bevallott összevont jövedelemből.

Az 1996 és 2009 közötti időszak (az utolsó két évet, 2008 és 2009-et leszámítva) egységes volt a tekintetben, hogy a bevallott összesített jövedelmek túlnyomó részét (89-92 százalékát) az összevont jövedelmek (keresetek, valamint az említett jövede-lemkiegészítések) tették ki. A fennmaradó 8-10,5 százalékot a különadózó jövedel-mek képezték.

1. táblázat

A bevallott összesített jövedelmek alakulása 1996 és 2009 között (milliárd forint)

Adózó jövedelem 1996 1997 1998 1999 2000 2001 2004 2006 2007 2008 2009

Összevont 1935,7 2336,2 2785,5 3260,6 3733,5 4437,3 5853,5 7000,9 8048,1 8534,5 8276,1 Különadózó 155,9 195,1 207,1 317,2 424,8 452,9 581,8 752,5 945,4 575,9 570,9

Összesített 2091,6 2531,3 2992,6 3577,8 4158,3 4890,2 6435,2 7686,9 8913,5 9110.4 8847,0 Különadózó* 7,45 7,71 6,92 8,86 10,21 9,26 9,04 9,71 10,51 6,31 6,90

* Az összesített százalékában. Forrás: Az APEH Tervezési és Elemzési fősztályától kapott adatok alapján végzett számítás.

A bevallott összevont jövedelmek megoszlásában szembetűnő a 10. decilisben levő adófizetőknél koncentrálódó, kiugróan magas, 35 százalék fölötti jövedelemhá-nyad, amelynek tendenciaváltozását a 2. ábra teszi szemléletessé. 2004 után a legfel-ső (10.) népességtized jövedelemhányada nőtt, majd 2006-ban 40,6 százalékos feltű-nően magas értékre szökött. Észrevehetjük azt is, hogy ugyanezen idő alatt az 5.-9. decilisben csökkent a jövedelemhányad, amely tény egyértelműen tükrözi a közép-osztályhoz tartozó rétegek jövedelmi helyzetének relatív romlását. 2007-től pozitív jelenségként állapíthatjuk meg, hogy némiképpen mérséklődött a legfelső decilisnek az összevont jövedelmekből való részesedése: 2008-ban 35,2, 2009-ben 35,8 száza-



303

lék. Ezzel egyidejűleg pedig növekedést figyelhetünk meg az alatta levő népességti-zedek jövedelemhányadában.

2. ábra. A bevallott összevont jövedelmek megoszlása népességtizedek szerint 1996 és 2009 között

0

5

10

15

20

25

30

35

40

45

1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

Népességtized (decilis)

Százalék

1996

1998

2000

2004

2006

2008

2009

A bevallott különadózó jövedelmek decilisenkénti megoszlását az 1996 és 2001

közötti időszakban és a 2009. évben vizsgálhatjuk (a közbeeső évekre nem rendelke-zem adatokkal). (Lásd a 2. táblázatot.)

2. táblázat

A bevallott különadózó jövedelmek megoszlása decilisenként 1996 és 2009 között (százalék)

Decilisek 1996 1997 1998 1999 2000 2001 2009

1. 2,8 4,0 4,9 4,8 5,9 5,7 0,6 2. 0,7 0,4 0,2 1,4 1,5 1,2 1,0 3. 1,2 1,8 1,7 1,8 1,9 2,5 0,8 4. 2,2 3,5 3,3 1,9 2,3 1,9 0,8 5. 2,8 3,0 2,1 3,6 4,2 3,4 0,9 6. 3,0 3,7 3,3 4,2 4,2 4,7 1,3 7. 4,1 4,6 3,9 4,7 4,7 4,8 1,7 8. 6,2 6,0 5,0 7,1 7,3 8,1 3,1 9. 10,0 9,0 8,1 10,0 10,0 9,9 5,8 10. 67,0 64,0 67,5 60,3 58,0 57,8 83,9

Forrás: Az APEH Tervezési és Elemzési főosztályától kapott adatok alapján végzett számítás.

Kovács Ilona


304

A 2. táblázat adatai szerint a bevallott különadózó jövedelmek túlnyomó hányada (67,7-77,0 százaléka) 1996 és 2001 között a két legfelső (9.–10.) decilisbe került beval-lók kezében koncentrálódott. 2009-ben viszont azzal a jelenséggel szembesülünk, hogy a 10. decilisnek mintegy 25 százalékponttal nőtt a részesedése a különadózó jövedel-mekből 2001-hez képest, noha a különadózó jövedelmeknek jelentősen csökkent az összesített jövedelmeken belüli részaránya. A különadózó jövedelmeknek az adókulcsa 2008-ig lényegesen alacsonyabb volt, mint a legmagasabb adókulcs (20-25 százalék), az adózás utáni jövedelemegyenlőtlenség ennek következtében emelkedik.

Az időszak elejétől 2000-ig 3 százalékponttal emelkedett a különadózó jövedel-meknek az összesített jövedelmekhez viszonyított hányada, majd a 2004-es átmeneti csökkenés után 2007-ben 10,5 százalékra nőtt. 2008-ban azonban feltűnő mértékű, 6,31 százalékra való csökkenést tapasztaltunk. 2009-ben a különadózó jövedelem 6,9-es hányada az előző évhez képest enyhe emelkedést mutat (lásd az 1. táblázat utolsó sorát). 2008-2009-ben abban látom a csökkenés okát, hogy ezekben az évek-ben az osztalékadó elérte a 35 százalékot, tehát a vállalkozók nem tartották érdemes-nek drágán kivenni a pénzüket személyes jövedelem formájában, szemben azokkal az évekkel, amikor az osztalékadó 20-25 százalékos volt.

A bevallott összevont jövedelmek elemzése során nézzük meg, hogyan alakult az egy főre jutó évi átlagos jövedem az összes bevallónál és néhány kiemelt decilisben. (Lásd a 3. táblázatot.)

3. táblázat

A bevallott összevont jövedelmek egy főre jutó átlaga 1996 és 2009 között

Egy főre jutó átlag (ezer forint) 1996 1998 2000 2001 2004 2006 2007 2008 2009

Az összes adóbevallónál 445 657 848 989 1395 1742 1981 1871 1848 Az 5. decilisben 290 410 521 607 806 980 1165 1199 1179 A 7. decilisben 449 644 827 940 1210 1509 1716 1756 1736 A 9. decilisben 741 1074 1389 1605 2196 2737 3032 3018 2946 A 10. decilisben 1526 2313 3015 3492 4990 7071 7842 6530 6626

A 3. táblázat adatai abból a szempontból figyelemre méltóak, hogy az átlagos be-vallott összevont jövedelemmel rendelkező adózók minden évben felkerültek a 7. decilisbe, ami a magyarországi torz kereseti arányok súlyos negatív jelenségére utal. Az adózók több mint 60 százalékának átlag alatti bevallott jövedelme van. Ez annak is következménye, hogy a már 1990 előtt szorgalmazott bérreform a rendszerváltozás utáni húsz év alatt elmaradt, teherként hurcoljuk évtizedek óta az alacsonyan tartott, nemzetközi összehasonlításban különösen nyomott reálbérszínvonalat, annak minden



305

káros, egészségtelen következményével. Hozzáadódott ehhez, hogy a természetbeni juttatások mértéke és fajtái az alkalmazottak körében lényegesen leszűkültek, ám a felső vezetés színtjén ezek jelentős része pénzbenivé vált, másoknál teljesen meg-szűnt. Később, a már bérekbe beépülő juttatások mellett megjelent az ún. cafeteria-rendszer, amelyben bizonyos természetbeni juttatások ismét visszatértek, de már jó-val magasabb szinten. Az átlagjövedelem vagy az átlagjövedelmet alig meghaladó jövedelem az adótörvény értelmében már a legmagasabb adókulccsal adózott, ami mind közgazdaságilag, mind társadalompolitikailag elfogadhatatlan. Ebben a körül-ményben pedig az adórendszernek az egyre eltorzultabb vonásai jutnak kifejezésre. Nemzetközi összehasonlításban ez egyedülálló negatív jelenség.

A 10. decilis átlagjövedelme – túl azon, hogy a bevallott jövedelmek 35-40 száza-léka itt koncentrálódik – egészen 2007-ig gyorsabban nőtt, mint a többi decilisé, vagy akár az egy főre jutó átlagos jövedelem. A 4. táblázat szerint különösen jelentős növekedéskülönbség mutatkozik a 2001 és 2006 közötti időszakban. 2007-ben a 10. decilis átlagjövedelme nem változott lényegesen a többi decilisével összevetve, 2008-ban pedig csökkent, ami magával vonta az egyenlőtlenség már jelzett csökke-nését. 2009-ben viszont igen enyhén nőtt a 10. decilisben az egy főre jutó jövedelem, ugyanakkor mind az összes bevallók mind az egyes decilisekbe tartozók átlagjöve-delme csökkent. Természetesen nominális értékek növekedéséről beszélünk, nem vettük figyelembe az árindex változását, ugyanis a decilisátlagok egymáshoz való vi-szonyításánál ennek nincs jelentősége.

4. táblázat

Az átlagértékek változása az előző adott évhez képest

1998/1996 2000/1998 2006/2001 2007/2006 2008/2007 2009/2008 Adózók, bevallók

évi átlagok (százalék)

Összes adóbevalló 147,5 129,1 176,0 113,7 94,5 98,7 Ebből:

5. decilis 141,5 127,1 161,4 118,9 103,0 98,3 7. decilis 143,6 128,3 160,5 113,7 102,3 98,8 9. decilis 145,1 129,3 170,6 110,8 99,5 97,6 10. decilis 151,6 130,4 202,5 110,9 83,3 100,5

Megjegyezzük, hogy a 10. decilisben koncentrálódó igen magas jövedelemhá-nyadnak igen magas a szóródása. 1996-ban ennek a decilisnek a sávjában levő legki-sebb éves jövedelem 918 ezer, a legmagasabb 2,2 milliárd forint volt. Ebben a decilisben ez közel két és fél ezerszeres különbséget jelentett, szemben a 9. decilisben levő, 1,4-szeres, valamint a többi decilisben található ehhez hasonló kü-

Kovács Ilona


306

lönbséggel. Ez az aránytalanság végig kísérte a vizsgált időszak egészét, hiszen a jö-vedelemkoncentráció 2007-ig folyamatosan nőtt, s nem változtatott ezen a tényen az sem, hogy 2008-ban némiképpen csökkent a 10. decilis összjövedelme és az egy be-vallóra jutó átlagos érték is.

3. Az egyenlőtlenségi mutatók értékeinek időbeni alakulása és a gazdasági fejlődés

A következőkben bemutatjuk a saját számítással nyert egyenlőtlenségi mutatókat 1996 és 2009 között és a KSH jövedelemfelvételein alapuló egyenlőtlenség-vizsgálatok eredményeit 1962 és 2004 között (2005 után már nem voltak KSH-felvételek). A nyert adatokat a GDP alakulása és az életszínvolat reprezentáló egy fő-re jutó reáljövedelem alakulása tükrében is elemezzük.

A rendszerváltozás előtti évtizedekben viszonylag alacsony volt a jövedelem-egyenlőtlenség mértéke, de a kutatások alapján közismert, hogy az egyenlőtlenség már jóval 1990 előtt erős növekedésnek indult, a rendszerváltozás kezdeti évei alatt azonban felerősödött a jövedelmek differenciálódása. A KSH jövedelmi felmérései alapján 1982 és 1995 között közel megkétszereződött a legfelső és legalsó népesség-tized jövedelmének aránya. Nemzetközi összehasonlításban ez igen gyors egyenlőt-lenség-növekedésnek számít, hiszen mindez alig több mint tíz év alatt következett be. A gazdaság fejlődése, valamint az életszínvonal alakulása ismeretében (lásd az 5. táblázatot) igen fontos az a körülmény, hogy az egyenlőtlenség hirtelen emelkedése a kilencvenes évek elején egybeesik az éppen elmélyülő válság éveivel.

5. táblázat

A bruttó hazai termék és a reáljövedelem alakulása 1990 és 2009 között

Bázis 1991 1992 1995 1996 1998 1999 2001 2002 2004 2005 2006 2007 2008 2009

A bruttó hazai termék alakulása 1990. év =100 87,9 85,3 88,6 89,2 97,1 101,0 110,1 114,4 124,5 128,4 133,0 134,0 135,3 126,1 Előző év = 100 87,9 97,0 101,5 100,7 104,9 104,0 104,0 103,9 104,7 103,1 103,6 100,7 101,0 93,2

A reáljövedelem alakulása 1990. év =100 98,3 94,9 87,7 85,0 87,3 88,3 94,9 100,9 109,1 113,1 115,2 110,1 108,0 99,4 Előző év = 100 98,3 96,5 94,6 96,9 102,5 101,1 104,5 106,3 103,2 103,7 101,9 95,6 98,1 92,0

Forrás: KSH-honlap (www.ksh.hu).



307

Közismertek az elhúzódó transzformációs válság súlyos velejárói: minden hazai gazdasági mutató erősen az 1980-as szint alá csökkent. 1989 és 1996 között a bruttó hazai termék 18, a végső fogyasztás 15, a reáljövedelem és reálbér 18-20 százalékkal csökkent, s mindez soha nem látott magas (13 százalékos) munkanélküliséggel és 20 százalék fölötti inflációs rátával párosult. Nemzeközi tapasztalatok alapján előre je-lezhető, hogy recesszióban és válságban, ha a jövedelmek stagnálnak vagy esnek, a szegények hányada növekszik. Ezt a folyamatot igazolták a kilencvenes évek köze-pén évenként ismétlődő TÁRKI–BKE-felmérések is (Tóth [2002], [2005]). Nem ér-vényesült a nyugati közgazdászok körében elfogadott nézet, miszerint a gazdagok a haszonélvezői ugyan a változásoknak, de ez csak úgy tekinthető igazságosnak, ha ér-vényesül a gazdasági növekedésnek a szegényeket segítő hatása (World Bank [2000]). Ez azonban nem következett be. A növekvő jövedelemegyenlőtlenség és a szegények magas aránya veszélyezteti az ország hosszú távú növekedési esélyeit, gátolja a ter-melékenység növekedését, miközben a stagnáló jövedelmek a fogyasztás, az élet-színvonal stagnálását vagy csökkenését idézik elő. 1997-re stabilizálódott a gazdaság, a GDP csökkenése megállt, 1997-től 2006-ig a GDP 4-5 százalékos növekedési dinami-kával jellemezhető. 2007-ben és 2008-ban stagnálás, majd 2009-ben visszaesés követ-kezett. A reáljövedelem 1990 és 1996 között minden évben visszaesett, érzékelhető emelkedés 1998-tól következett be. A 2002. évi 6,3 százalékos növekedés kiemelkedő-en magas, az azt követő három évben 3-3,7 százalékos volt, 2007-től pedig határozott visszaesést figyelhetünk meg. (Lásd az 5. táblázatot.)

Az 1996 utáni évekre készült vizsgálatok (Havasi et al. [1998]; Kapitány–Molnár [2000]; KSH [1990], [1998]; Tóth [2002], [2005]) azt mutatják, hogy a jö-vedelemegyenlőtlenség ez idő után nem nőtt jelentős mértékben, legfeljebb belső szerkezeti változások mentek végbe. Ezzel szemben a szociológiai felmérések sze-rint a megkérdezettek nemcsak saját helyzetüket tartották rossznak, hanem a társa-dalmi egyenlőtlenségek növekedését is erősebben érezték, mint amit az említett mérőszámok mutattak (Andorka [1996], Spéder [2002]). Ez azzal is magyarázható, hogy a változó társadalmi körülmények hatására a háztartás-statisztikai felvételek a már említett hiányosságaik miatt fokozódó mértékben eltávolodtak a valóságtól. Erősítette ezt a tendenciát az a tényező is, hogy a skála legtetején lévő, de a felvé-teli mintákban nem szereplő gazdagok jövedelme nemcsak magas volt, hanem a rendszerváltozás utáni években gyorsabban is nőtt, mint az alacsonyabb jövedel-műeké, aminek következtében nyílt az olló a jövedelmi létra legtetején és legalján levő rétegek között.

Az adóbevallók jövedelemegyenlőtlenségét érzékeltető mutatószámok nagyjából egy irányba mutatnak, és értékük felülmúlja a háztartás-statisztikai adatok alapján számított mutatókét. (Vö. a 6. és 7. táblázatot.) 2001-ben enyhe csökkenés, majd 2006-ra erőteljes ugrás tapasztalható minden mutatóban. A Gini-koefficiens 0,50 kö-rüli értéke több mint másfélszerese a háztartás-statisztikákból számított 0,28-0,30 kö-

Kovács Ilona


308

rüli értékeknek. Nemzetközi összehasonlítást e tekintetben csupán Olaszország ada-tával tudunk végezni, mert más országokról nincsenek hasonló típusú számítások. Consolini1 számításai is azt igazolják, hogy az olaszországi háztartás-statisztikai fel-vételek alapján a Gini-mutató sokkal kisebb egyenlőtlenséget mutat (0,48), mint amit a jövedelem-bevallási adatok (0,59) mutatnak.

6. táblázat

Az egyenlőtlenségi mutatók alakulása a jövedelembevallási adatok alapján 1996 és 2009 között

Mutató 1996 1998 1999 2000 2001 2006 2007 2008 2009

Gini 0,464 0,456 0,463 0,469 0,467 0,474 0,506 0,455 0,460 Q10 80,65 39,80 48,60 48,70 51,59 80,14 54,57 48,93 55,35 Q5 19,42 14,95 16,45 16,21 15,64 20,60 16,32 14,85 15,69 HIM 4,84 4,73 4,90 4,92 4,56 4,94 4,51 4,10 4,17 Robin Hood 35,77 35,82 36,55 36,91 36,04 37,61 35,97 33,20 33,49

7. táblázat

Az egyenlőtlenségi mutatók alakulása a KSH-felvételek alapján, 1962 és 2004

Mutató 1962 1967 1972 1977 1982 1987 1995 2004

Gini – – 0,232 0,212 0,206 0,236 0,296 0,312 Q10 5,75 4,61 4,93 4,13 3,80 4,71 7,55 7,55 HIM 2,09 1,92 1,96 1,84 1,82 1,99 2,36 2,41 Robin Hood 18,4 16,0 16,6 15,0 14,9 17,0 21,0 21,4

Forrás: KSH jövedelmi felvételei, 1962–2004.

Az adóbevallási adatok alapján számított Q5 (a legfelső és legalsó 20 százaléknyi népesség jövedelmének aránya, quintilis) mutató erősen tompítja a két szélső decilis között meglevő kirívóan magas egyenlőtlenséget. Érdemes összevetni a Q5 értékét az amerikai jövedelemegyenlőtlenségnek a dolgozat elején idézett értékével. Ameri-kában soha nem tapasztalt mértékű egyenlőtlenségként élték meg a Q5 értékének 11-ről 13,2-re történő emelkedését 1973 és 1989 között. Magyarországon viszont a leg-felső 20 százalékba tartozó adófizető népesség jövedelme 1996-ban 17-szerese volt a legalsó 20 százalékba tartozókénak, 2006-ra ez a szám 20,6-re emelkedett, majd

1 2010-ben az Olasz Statisztikai Hivatalban (ISTAT) tett látogatásom során konzultáltam Paolo

Consolinivel ([email protected]), aki egy tanulmányában kísérletet tett az adóregiszterben számbavett jövedel-mek, valamint a nyugdíjasok jövedelmének figyelembevételére is.



309

2009-re 15,7-re csökkent.2 Amíg az Egyesült Államokban a kormányzat adóemelés formájában orvosolni kényszerült a nagymértékű jövedelemegyenlőtlenséget, addig Magyarországon 2003-ban a kormány adócsökkentési törvényjavaslatot fogadott el, adócsökkentést hajtott végre. Ennek a gazdaságpolitikai lépésnek a hatásaként ha-zánkban tovább szélesedett a már amúgyis szélesre nyílt egyenlőtlenségi olló, ráadá-sul növekedett a költségvetési deficit. 2003 után az egyenlőtlenségi mutatók alakulá-sában tetten érhető az adócsökkentés hatása: egyfelől minden mutató szerint nőtt az egyenlőtlenség, másfelől fokozódott a jövedelemkoncentráció, mert a költségvetés-ből kieső, mintegy 400 milliárd forint túlnyomó része a legmagasabb jövedelműek zsebében maradt.

A Robin Hood-index arra utal, hogy a 2008. és 2009. év kivételével a 10 száza-léknál magasabb jövedelmű decilisektől 35 százalékot meghaladó jövedelmet kellene elvenni, s azt az alacsonyabb jövedelműek között szétosztani ahhoz, hogy a jövedelemeloszlás egyenletessé váljék

A korábban (és az internetes mellékletben) az 1. ábrán felrajzolt Lorenz-görbék is arra utalnak, hogy a 2000-es évtized eleje után is nőtt még a jövedelemegyenlőtlen-ség, a feltüntetett évek közül 2006-ban volt a legnagyobb, majd 2008-ban és 2009-ben nagyjából visszaállt az 1996-os színtre.

4. Az egyenlőtlenség alakulása és a személyijövedelem-adózás összefüggése

1987-ben a személyijövedelemadó-rendszer bevezetésekor – noha a jövedelmek eloszlása még messze nem volt olyan egyenlőtlen, mint ma – Magyarországon is természetes döntés volt, hogy az adórendszer progresszív legyen. A progresszív jö-vedelemadó-rendszer többkulcsos, többsávos, ami azt jelenti, hogy a különböző jö-vedelemsávokba sorolt adófizetők jövedelemsávonként rendre magasabb jövedelem-kulccsal adóznak, a magasabb jövedelműek értelemszerűen nagyobb arányban vise-lik a társadalmi közterheket. Ezzel szemben a lineáris, egykulcsos adórendszerben minden adózó azonos arányban viseli ezeket a terheket. A progresszív jövedelem-adó-rendszer csökkenti a jövedelmi egyenlőtlenségeket, a lineáris erre nem alkalmas, ezért a lineáris adórendszer a magasabb jövedelműeknek kedvez. A fejlett demokra-tikus államokban természetes evidenciának tekintik, hogy a személyijövedelemadó-rendszer progresszív legyen.

Kutatásaim alapján arra a következtetésre jutottam, hogy a kilencvenes években még progresszívnek tekinthető, de a kétszámjegyű infláció következtében jelentős

2 Itt azonban utalnék arra, hogy az amerikai egyenlőtlenséget nem adóbevallási adatok alapján számították ki.

Kovács Ilona


310

mértékben erodálódott személyijövedelemadó-rendszer nagymértékben hozzájárult a jövedelmek polarizációjához, a növekvő jövedelemegyenlőtlenségekhez. Az adósá-vok és az adókulcsok kialakításának alapvetően a jövedelemeloszláshoz kellett volna igazodnia. A sávokat az infláció mértékének, a kulcsokat pedig az adórendszer újra-elosztó szerepének megfelelően kellett volna alakítani. Ez nemcsak nem történt meg, hanem kifejezetten ellentétes irányú és hatású gazdaságpolitikai intézkedések is szü-lettek.

Az elmúlt húsz évben a személyijövedelemadó-rendszer egyre jobban eltolódott egyfelől az adócsökkentés, másfelől a kulcsok számának csökkentése irányába. A megtett gazdaságpolitikai lépések a gazdagabb, befolyásosabb rétegeknek kedveztek. A növekvő jövedelemegyenlőtlenség és magas jövedelemkoncentráció magával von-ta az elszegényedők magas arányát, ami veszélyezteti az ország hosszú távú növeke-dési esélyeit, gátolja a termelékenység növekedését, miközben a stagnáló jövedelmek a fogyasztás, az életszínvonal stagnálását vagy csökkenését idézik elő.

Az egykulcsos személyijövedelemadó-rendszer jelenlegi bevezetése továbbra is a magas jövedelmű rétegeket kedvezményezi, a jövedelemkoncentráció fokozódik, nő a jövedelemegyenlőtlenség. A jövedelemegyenlőtlenség növekedésének legsúlyo-sabb következménye a már amúgy is meglévő súlyos probléma, a gyermekszegény-ség növekedése.

Irodalom

ANDORKA R. [1996]: Elégedetlenség. In: Sik E. –Tóth I. Gy. (szerk.): Társadalmi páternoszter 1992–1995. Jelentés a Magyar Háztartás Panel 4. hullámának eredményeiről. Budapesti Köz-gazdaságtudományi Egyetem, TÁRKI, Központi Statisztikai Hivatal. Budapest.

ÁRVAY J. – VÉRTES, A. [1994]: A magánszektor és a rejtett gazdaság súlya Magyarországon (1980–1992). Kutatási beszámoló. Gazdaságkutató Intézet. Budapest.

ATKINSON, A. B. – MICKLEWRIGHT, J. [1992]: Economic Transformation in Eastern Europe and the Distribution of Income. Cambridge University Press. Cambridge.

ATKINSON, A. B. – RAINWATER, L. – SMEEDING, T. M. [1995]: Income Distribution in the OECD Countries. OECD Social Policy Studies No. 18. Paris.

COWELL, F. A. [1998]: Measurement of Inequality. LSE STICERD Distributional Analysis Research Programme Discussion Paper. No. 36. London.

ÉLTETŐ Ö. – FRIGYES E. [1968]: Új jövedelemegyenlőtlenségi mutatók, tulajdonságaik és hasznosí-tási lehetőségeik. Szigma. 4. évf. 1. sz. 17–28. old.

ÉLTETŐ Ö. – HAVASI É. [2009]: A hazai jövedelemegyenlőtlenség főbb jellemzői az elmúlt fél év-század jövedelmi felvételei alapján. Statisztikai Szemle. 87. évf. 1. sz. 5–40. old. http://www.ksh.hu/statszemle_archive/2009/2009_01/2009_01_005.pdf

FÖRSTER, M. F. – D’ERCOLE, M. M. [2009]: The OECD Approach to Measuring Income Distribution and Poverty: Strengths, Limits and Statistical Issues. Joint OECD/University of



311

Maryland International Conference. „Measuring Poverty, Income Inequality, and Social Exclusion: Lessons from Europe” Március 16–17. Párizs.

FÖRSTER, M. F. – TÓTH I. GY. [1997]: Szegénység és egyenlőtlenségek Magyarországon és a többi visegrádi országban. TÁRKI Társadalompolitikai Tanulmányok. 1. TÁRKI. Budapest.

GALASI P. [1995]: A jövedelemegyenlőtlenségek változása Magyarországon 1987, 1992–1994. MTA VKI. Budapest.

HAJDU O. [1997]: A szegénység mérőszámai. Statisztikai módszerek témadokumentáció. 22. köt. KSH Könyvtár és Dokumentációs Szolgálat. Budapest.

HAVASI É. – HORVÁTH Á.-NÉ – RÉDEY M. – SCHNELL L.-NÉ [1998]: A mai magyar háztartások jövedelemeloszlása. Statisztikai Szemle. 76. évf. 3. sz. 221–237. old. http://www.ksh.hu/statszemle_archive/1998/1998_03/1998_03_221.pdf

HUNYADI L. – MUNDRUCZÓ GY. – VITA L. [1997]: Statisztika. Aula Kiadó. Budapest. JENKINS, S. P. [1991]: The Measurement of Income Inequality. In: Osberg, L. (ed.): Economic

Inequality and Poverty: International Perspectives. M. E. Sharpe, Inc. Armonk. 1–26. old. KAKWANI, N. C. [1980]: Income Inequality and Poverty. Methods of Estimation and Policy

Applications. Oxford University Press. Oxford. KAPITÁNY ZS. – MOLNÁR, GY. [2000]: Inequality and Mobility Analysis by the Hungarian Rotation

Panel 1993–1998. MTA KTK Műhelytanulmányok MT-DP – 2002/4. MTA KTI. Budapest. KOLOSI T. – BEDEKOVICS I. – SIK E. [1997]: Munkaerőpiac és jövedelmek. In: Sik E. – Tóth I. Gy.

(szerk.): Az ajtók záródnak (?!). Jelentés a Magyar Háztartás Panel V. hullámának eredménye-iről. BKE–TÁRKI. Budapest.

KOVÁCS I. [1993]: A jövedelemeloszlás és a jövedelemegyenlőtlenség mérési módszerei. MTA KTI. Budapest.

KOVÁCS I. [2003]: Hol az adócsökkentés forrása? Népszabadság. szeptember 2. KOVÁCS I. [2004]: Igazságos közteherviselést! Népszabadság. augusztus 10. KOVÁCS I. [2010a]: A hazai jövedelemeloszlás és jövedelemegyenlőtlenség mérése és elemzése

személyi jövedelembevallási adatok alapján. Műhelytanulmány. MT-DP – 2010/09. MTA KTI. Budapest.

KOVÁCS I. [2010b]: Measuring and Analyzing Income Distribution and Income Inequality in Hun-gary based on Data from Personal Income Tax Returns. Discussion Papers. MT-DP – 2010/11. MTA KTI. Budapest.

KRUGMAN, P. R. [1992]: „Like it or not, the income gap yawns”. The Wall Street Journal. 21 May. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [1990]: Jövedelemeloszlás Magyarországon. Az 1988. évi

felmérés adatai. Budapest. KSH (KÖZPONTI STATISZTIKAI HIVATAL) [1998]: Jövedelemeloszlás Magyarországon, 1995. Budapest. OECD (ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT) [1999]: Trends in

Income Distribution and Poverty in the OECD Area. Paris. OECD (ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT) [2008]: Growing

Unequal? Income Distribution and Poverty in OECD Countries. Paris. OECD (ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT) [2009]: Measuring

Poverty, Income Inequality, and Social Exclusion. Joint OECD/University of Maryland International Conference. „Measuring Poverty, Income Inequality, and Social Exclusion: Lessons from Europe” Március 16–17. Párizs.

Kovács: A jövedelemeloszlás és jövedelemegyenlőtlenség


312

PENNAR, K. [1991]: The Rich are Richer – and America May be the Poorer. Business Week. 8 No-vember.

SEN, A. [1973]: On Economic Inequality. Clarendon Press. Oxford. SPÉDER ZS. [2002]: A szegénység változó arcai. Tények és értelmezések. Andorka Rudolf Társada-

lomtudományi Társaság–Századvég Kiadó. Budapest. THEIL, H. [1970]: Közgazdaságtan és információelmélet. Közgazdasági és Jogi Könyvkiadó. Buda-

pest. TÓTH I. GY. [2002]: Jövedelemeloszlás a kilencvenes években. In: Kolosi T. – Tóth I. Gy. –

Vukovich Gy. (szerk.): Társadalmi Riport. TÁRKI. Budapest. 20–41. old. TÓTH I. GY. [2005]: Jövedelemeloszlás a gazdasági rendszerváltástól az uniós csatlakozásig.

Andorka Rudolf Társadalomtudományi Társaság–Századvég Kiadó. Budapest. TÓTH, I. GY. – MEDGYESI, M. [2009]: Income Distribution in New (and Old) EU Member States.

Paper prepared for Joint OECD/University of Maryland International Conference. „Measuring Poverty, Income Inequality, and Social Exclusion: Lessons from Europe” Március 16–17. Pá-rizs.

WORLD BANK [2000]: Making Transition Work for Everyone: Poverty and Inequality in Europe and Central Asia. Washington, D.C.

Summary

The author examines the development of income distribution and inequality for the period be-tween 1996 and 2009 based on personal income declared to the Hungarian Tax and Financial Con-trol Administration using five indicators measuring income inequality.

Analyses on income surveys by the Hungarian Central Statistical Office show that income ine-quality did not increase considerably following 1996. However, the results built on personal in-come tax returns contradict these findings as income inequality has further increased since then, its calculated extent is almost twice the one derived from survey data. In the years 2008 and 2009, inequality decreased somewhat.

The most remarkable feature of income distribution is the outstanding proportion of income concentrating in the 10th decile, showing increasing tendency up to the year of 2007, meanwhile, the income ratio has declined in the 5th–9th deciles. This shows the deterioration of the income status of middle class strata. The majority of taxpayers belong to the low income categories. People fairly above the average income get into the 7th decile showing the distorted negative feature of the Hungarian earning situation. The author draws attention to the subsequent dangers of introducing the linear tax system.


Mûhely

Harcsa István, a KSH szakmai főtanácsadója E-mail: [email protected]

Statisztikai kultúra, minôség, etika

A Magyar Statisztikai Társaság (MST) a 2005 szeptemberében aláírt visegrádi együttműködési megállapodás alapján,1 még abban az évben munkabizottságot hozott létre, melynek feladata a Magyar Statisztika Etikai Kódexének2 (továbbiak-ban: Kódex) kidolgozása volt.

A bizottság a Kódex legfőbb célját a következők szerint határozta meg: „…azokat a kiemelkedően lényeges erkölcsi elveket és magatartás-szabályokat tar-talmazza, amelyeket minden statisztikus és a statisztikát a nyilvánosság előtt al-kalmazó számára követésre méltónak ítél, kifejezésre juttatva a tudomány objekti-vitása és tisztaság iránti elkötelezettséget, valamint a társadalom iránt érzett fele-lősséget. A Kódex elő kívánja segíteni a statisztikai munkát övező közbizalom erősítését, a statisztikusok megbecsülését. A Kódex a leglényegesebb etikai elve-ket és szabályokat rögzíti, de nem foglalja írásba a statisztikusoktól elvárható ösz-szes etikai magatartást, akiknek – ebből következően – be kell tartaniuk az általá-nos erkölcsből levezethető követelményeket is.”

Az etikai szabályzat tartalmazza a fogalmak, definíciók és értelmezések meg-határozását, az Etikai Kódex hatályát, a magatartási és eljárási szabályokat és az egyéb rendelkezéseket.

A társaság a 2006. őszi közgyűlésen elfogadta a Kódexet, ám ezt követően a kapcsolódó munkálatok megtorpantak, és csak 2010 nyarán éledtek újra. Ekkor az MST választmánya határozott az Etikai Testület (ET) létrehozásáról és 2010. augusz-tusi ülésén véglegesítette a tagok névsorát. 2011 januárjában az ET megalkotta ügy-rendjét és elkészítette éves munkaprogramját.3 Ez utóbbihoz kapcsolódik szorosan a következő írás, amellyel a Statisztikai Szemle fel kívánja hívni a szakmai közvéle-mény figyelmét a Kódexre, és arra, hogy várja a statisztikatudomány művelőinek észrevételeit, véleményét. Ezért az itt következőket vitaindítónak szánjuk.

(A szerző tagja az MST ET-nek, ami azonban nem jelenti azt, hogy a cikkben kifejtettek mindenben egybeesnek a testület hivatalos álláspontjával.)

A Szerkesztőség

1 http://www.mstnet.hu/cikkek/_doku/agreement-23-09-05.pdf 2 http://www.mstnet.hu/cikkek/_doku/MS_Etikai_Kodex_2006_101104.pdf 3 http://www.mstnet.hu/cikkek/_doku/Etikai_ugyrend_100920.pdf

Harcsa István


314

A statisztikai kultúra olyan általános keretnek tekinthető, amelyben elhelyezhető a mindenkor érvényesülő, illetve érvényesíthető szakmai etika. A kettő között pedig, – konkrét formában – gyakorta megjelennek a statisztikai munkával kapcsolatos mi-nőségi követelmények, illetve az ezzel kapcsolatos problémák. Etikai kérdésekről mindig az éppen „jelenlevő” szakmai kultúra függvényében lehet csak beszélni.

A statisztikai kultúra, mint általános keret meglehetősen tág, egyrészt magában foglalja a statisztikakészítés minden fázisát, az abban megnyilvánuló szakmai-kulturális mintákat, szokásokat, másrészt a statisztikai adatok és elemzések széleskö-rű felhasználását, pontosabban a felhasználás társadalmi gyakorlatát. E gyakorlatnak kiemelt szereplője a hivatalos statisztikai szolgálat, a kormányzati döntéshozatali rendszer, az oktató-kutató intézmények, illetve az ott dolgozó szakemberek, a média és nem utolsósorban maga az érdeklődő/befogadó társadalom. Elmondható, hogy a felsorolt szereplők – a hatalmi-kulturális erőtérben megjelenő – általános habitusa, kulturális mintái meghatározók a statisztikai kultúra formálódása szempontjából is. Ám az összefüggés bizonyos mértékben fordított irányban is „működik”, nevezete-sen, a statisztika, illetve az a kulturális mező, amelyben létrejön és beépül a társada-lom életébe, hatással lehet a társadalmi kultúra egészére. Erre a hatásmechanizmusra alapozva fontos lehet a statisztikus közösségnek az a törekvése, hogy – a statisztikai kultúra aktív formálójaként – „rendezett együttműködést” alakítson ki részben a szakmán belüli kapcsolatokra vonatkozóan, részben a társadalom többi szereplőjével.

Kiemelkedő jelentősége van a statisztikai adatok megbízhatóságának, és ezzel összefüggésben a minőségének. Az adatvagyon közjóként való „működése” és elfo-gadottsága csak akkor válhat teljessé, ha annak sokcélú hasznosulása során bővül a társadalomismeretünk, és a statisztikai tények ismerete iránti igény a mindennapi élet szerves részévé válik. A tényeken alapuló társadalomismeret pedig jelentős mérték-ben segítheti az általános közbizalom erősödését. Ezen a ponton érdemes idézni D. Tim Holt megállapítását: „A megbízható statisztika a lakosság és az általa választott kormány közötti demokratikus szerződés alapeleme”.4 (Marton [2009] 414. old.)

A nemzetközi tapasztalatok arra engednek következtetni, hogy növekvő igény van a statisztikai kultúra minél szélesebb körű terjesztésére. E tekintetben fontos fej-leménynek tekinthető a 2008-ban elkészített ún. Stiglitz-jelentés, amelyet jelentős részben éppen a statisztikai adatok iránti bizalom megrendülése motivált. Érdemes a jelentést készítő Bizottság erre vonatkozó egyik fontosabb megállapítását idézni.

„Jelenleg a második világháború utáni történelem legsúlyosabb pénzügyi, gazda-sági és társadalmi válságát éljük. A Bizottság által ajánlott reformok még akkor is nagyon kívánatosak lennének, ha nem lenne válság, a Bizottság több tagja is úgy véli

4 HOLT, D. T. [2008]: Official Statistics, Public Policy and Public Trust. Journal of the Royal Statistical

Society. Ser. A. 171. köt. 2. sz. 323–346 old. A cikk ismertetése: MARTON Á. [2009]: D. Tim Holt előadása a hivatalos statisztika, a társadalompolitika és a közbizalom témakörében. Statisztikai Szemle. 87. évf. 4. sz. 412–423. old. http://www.ksh.hu/statszemle_archive/2009/2009_04/2009_04_412.pdf



315

azonban, hogy a válság miatt még sürgetőbbé váltak. Úgy gondolják, hogy a válság azért ért sokakat váratlanul, mert a mérőrendszerünk cserbenhagyott minket és/vagy a piaci szereplők és a kormányhivatalnokok nem a megfelelő statisztikai jelzőszámokra koncentráltak… és nem figyelmeztettek minket arra, hogy a világgazdaság 2004 és 2007 közötti, látszólag nagyszerű növekedése a jövőbeli növekedés rovására történ-hetett. Az is világos, hogy némely teljesítmény nem volt több káprázatnál, a profit felfújt árakon alapult.”5 (307–308. old.)

E kitétel kapcsán jogosan merül fel a kérdés, hogy a piaci szereplők és kormány-hivatalnokok miért nem azokra a jelzőszámokra koncentráltak, amelyek relevánsabb képet adtak a valóságról? Mi motiválta őket abban, hogy alapvetően a számukra kedvező képet mutató jelzőszámokat vették alapul?

Nyilvánvaló, hogy attitűdjeiket döntő mértékben az általános társadalmi-gazdasági-hatalmi erőtérben formálódó elvárás határozta meg – nevezetesen, hogy „mit vár tőlük a világ” –, amely aztán bizonyos mértékig „felülírta” a legnagyobb gondossággal összeállított szakmai, etikai kódexeket.

A statisztikai adatok iránti közbizalom megrendülése – amelyet a Stiglitz-jelentés is hangsúlyoz – alapos számvetésre és szakmai önvizsgálatra kell ösztönözze a sta-tisztikus közösséget is. E nélkül nem lehet hitelesen kiállni a statisztikai kultúra ter-jesztése mellett. E nélkül mit sem ér többek között az a kezdeményezés, amelynek értelmében az ENSZ Statisztikai Bizottsága október 20-át Statisztikai Világnapnak nyilvánította, és talmi sikernek fog bizonyulni a világnap keretében rendezett számos szakmai program. A statisztika népszerűsítését szolgáló törekvések hamar kifullad-hatnak, mert egy idő után hasonló sorsra juthatnak, mint amit a Stiglitz-jelentés a „felfújt árakról” mondott.

Mindezek alapján úgy gondolom, hogy az MST keretében megalakult Etikai Tes-tületnek is „tiszta lappal” kell indulnia, és tagjainak szükséges tudatában lenniük an-nak, hogy munkájukat az itt vázolt szakmai, illetve társadalmi kultúrába ágyazódva tudják csak megfelelően végezni. Ám ez nem azt jelenti, hogy elfogadják a „rossz-emlékű” társadalmi elvárásokat, amelyek a csapdahelyzetek újratermelését hordoz-zák magukban.

A minőség – és itt most a statisztikai adatok, illetve a statisztikai munka minősé-gére gondolok – eddig csak érintőlegesen került szóba, ám a velünk élő múlt kapcsán erről is említést kell tenni. A statisztikai adatok minőségét – már csak a nemzetközi előírások miatt is – a Központi Statisztikai Hivatal (KSH) korábbi vezetése is dekla-ráltan fontosnak tartotta. Ennek érdekében elkészült a 2009 és 2012 közötti időszakra vonatkozó stratégiai jelentés, amely a célkitűzéseket így fogalmazta meg: „A követ-

5 STIGLITZ, J. E. – SEN, A. – FITOUSSI, J.-P. [2010]: A Bizottság jelentése a gazdasági teljesítmény és a tár-

sadalmi fejlődés méréséről. Statisztikai Szemle. 88. évf. 3. sz. 305–320. old. http://www.ksh.hu/ statszemle_archive/2010/2010_03/2010_03_305.pdf

Harcsa István


316

kező stratégiai időszak fejlesztéseinek kulcsszavai a hitelesség, a minőség, az átlátha-tóság és az erőforrás-hatékonyság”.6 (6. old.)

A címszavakból (hitelesség, minőség, átláthatóság, felhasználói kapcsolatok erő-sítése) jól látható, hogy a hivatali vezetés, érzékelve a statisztika iránti közbizalom romlását, igyekezett reflektálni a problémákra. 2009 decemberében megjelent „A KSH minőségpolitikája”7, amelyben a hivatal – minőségügyi nyilatkozat formájában – arra kötelezte el magát, hogy tevékenységét teljes mértékben az ISO minőségdefi-níciójának megfelelően végzi. Az azóta eltelt egy évben még viszonylag kevés tör-tént, bár az új vezetés is eltökéltnek tűnik a minőség ügye iránt.

A minőségfejlesztéssel kapcsolatos törekvések azért sem tudtak a „napi gyakor-lat” részévé válni, mert az adatközlések és főleg az adatelemzések – a korábbi idő-szakhoz viszonyítva – harmadára-negyedére estek vissza. Viszont ha nem közlünk és elemzünk adatokat, akkor nem derülnek ki az azokkal kapcsolatos minőségi problé-mák. A helyzetet súlyosbította, hogy a KSH-ban – a 2005-ben – elindult szervezeti átalakítás keretében a szakfőosztályokról „kiszervezték” a módszertani tevékenység jelentős részét, a korábban elsősorban módszertannal foglalkozó, és a célzottan fel-vett új munkatársakból létrejött egy főtevékenységét illetően módszertani műhely (főosztály). A szakfőosztályok a döntést úgy értelmezték, hogy nem feladatuk a módszertanok ápolása, vagy éppen úgy érezték, hogy a módszertani tevékenység ese-tükben nemhogy a „támogatott”, de még csak a „tűrt” kategóriába sem esik, ha kife-jezetten „tiltva” nincs is. Ennek következtében az adatgazda főosztályok a „gyakorla-ti módszertanászok” hiányában egyre gyengébb minőségben tudták dokumentálni az adatgyűjtésekkel kapcsolatos módszertani tudnivalókat. Remélni lehet, hogy okulva a tanulságokon e probléma mielőbb orvoslásra kerül.

Egy korábbi írásom, amely a statisztika iránti közbizalom megszerzésével foglal-kozott, részletesebben kitért a minőségpolitika gyakorlati érvényesítésére is, ezért most csak ennek egyik fontosabb következtetését idézném. „Az alapvető gondok je-lentős részben az adatok minőségével kapcsolatosan jelentkeznek, amely döntően abból fakad, hogy a minőséget megalapozó fejlesztések eredményeit nem, vagy csak igen csekély mértékben ültették át a gyakorlatba, amely nagyon komoly hitelességi, megbízhatósági problémákat vet fel.” 8

Mindemellett a minőségromlást az is fokozta, hogy a statisztikai módszertan nem tudta kellően követni a társadalomban és a gazdaságban bekövetkezett változásokat, amelyre a Stiglitz-jelentés is felhívta a figyelmet.

Ezzel a körülménnyel, mint a statisztikai gyakorlat és kultúra korábbi időszakra jellemző egyik vonásával mindenképpen szembe kell nézni, és szükséges azzal is számolni, hogy a „dolgok” nem tudnak megváltozni egyik napról a másikra.

6 KÖZPONTI STATISZTIKAI HIVATAL [2008]: KSH-Stratégia, 2009–2012. Budapest. 7 KÖZPONTI STATISZTIKAI HIVATAL [2009]: A KSH minőségpolitikája. Munkaanyag. 8 HARCSA I. [2009]: Kihívások a statisztika előtt – a közbizalom megszerzése. Nemzeti Érdek. 4. sz.

3–15. old.



317

Néhány fontos garanciális elem

Úgy vélem, hogy e ponton a hazai statisztikus közösségnek is számvetést kell ké-szítenie az elmúlt időszakról, elsősorban az adatgyűjtések és elemzések minőségének a romlása okán. A szakmai etikai ügyek szempontjából ugyanis ez az egyik kulcs-kérdés, mert a rossz minőségű munka, pontosabban azon igyekezet, hogy az ne ke-rülhessen nyilvánosságra, gyakran vezet az etikailag kérdéses magatartás megjelené-séhez. Ám az is gondot jelent, hogy jelenleg nincs transzparens kontroll, amely a „pusztán” rossz minőségű munkát felderítené, következésképpen nehéz alkalmazni azt a Kódexben rögzített, és elvárt magatartási szabályt, mely szerint „A statisztikus a statisztikai munkát mindenkor szakszerűen, a statisztika tudomány által módszerta-nilag elfogadott legjobb eljárások alkalmazásával kell hogy végezze”. E követelmény betartása jelentős hozzájárulást, sőt garanciát jelenthet a megfelelő minőségű munka elvégzéséhez.

Úgy vélem, hogy az egyértelmű követelmények közzétételével és megvitatásával, a tapasztalatok rendszeres visszacsatolásával lehet csak elérni a statisztikusok egy-más közötti, valamint a felhasználók bizalmának helyreállítását és megerősítését. Ennek érdekében – minimális követelményként – a következő garanciális elemekre van feltétlenül szükség.

1. Fontos követelmény, hogy a statisztikai szolgálaton belül ismer-tek legyenek az etikai normák és a statisztikai minőségbiztosítással kapcsolatos eljárások, ami alapján remélni lehet, hogy mindez a sta-tisztikai kultúra részéve válik.

2. Az ET-nek – a megfelelő együttműködés érdekében – meg kell állapodni a statisztikai szolgálattal abban, hogy tagjai segítik a testüle-tet munkája ellátásában, beleértve azt is, hogy időközönként közösen értékelik a minőségi normákat leíró keretrendszer működésével kap-csolatos tapasztalatokat.

3. Alapelv, hogy az etikus szakmai és viselkedési kultúra „működé-sét” – a korábbiakban említett – preventív eszközök és feltételek meg-teremtése révén érje el a testület, és ebben ne a panaszbejelentések ki-vizsgálásának legyen meghatározó szerepe.

4. A beérkező panaszok esetén a statisztikai szolgálat tagjai bocsás-sák az ET rendelkezésére a tényfeltáráshoz szükséges dokumentumo-kat.

5. Az ET-nek ki kell alakítani a saját „belső” normarendszerét, amely többek között gondoskodik a panasztevő védelméről (anonimi-tásáról), valamint arról is, hogy mely esetekben indokolt az etikai vét-séget elkövető(k) nevének nyilvánosságra hozása.

Harcsa István


318

Egyértelművé kell viszont tenni, hogy az ET alapvetően csak a névvel ellátott be-jelentésekkel foglalkozik, és garanciát ad arra vonatkozóan, hogy nem fedi fel a pa-nasztevő nevét. Erre azért van szükség, mert előfordulhat, hogy egzisztenciális fe-nyegetettség miatt az etikai problémákat érzékelők nem merik vállalni a panasztevés-sel együtt járó kockázatot.

Ugyanígy a lefolytatott vizsgálatnál a tényállást és a bizonyítékokat az ET neve-sítve gyűjti be, ám ez esetben is garantálni kell, hogy az ügyben bármilyen módon érintett személyek nevei ne kerüljenek nyilvánosságra. Mindez a statisztikus közös-ségen belüli „közbizalom” megteremtését szolgálja.

Az eddig elmondottak tükrében ezután fokozott felelősség hárul nem csupán a vá-lasztott ET tagjaira, hanem a statisztikusokra, a statisztikai szolgálatra, sőt, a statisz-tikai adatokat felhasználókra is, hiszen az itt említett szakmai kultúra meghonosodá-sa alapvetően rajtuk múlik.

Az Etikai Kódex

Hangsúlyozni kell, hogy a Kódex megalkotásával, illetve az ET életre hívásával a hazai statisztikus közösség fontos határkőhöz érkezett, hiszen ezzel a lépéssel el-kezdte a felzárkózást a nemzetközi szinten már a 80-as évek elején kibontakozott kezdeményezéshez.

A hazai Kódex megalkotása szempontjából fontos dátumnak tekinthető a Nem-zetközi Statisztikai Intézet (ISI) 1985-ben közreadott „Szakmai etikáról szóló dekla-rációja”. Ennek indokló határozata a következőképpen fogalmaz: „A Nemzetközi Statisztikai Intézet (ISI) közgyűlése … elismeri, hogy a Statisztikusok Szakmai Eti-kai Kódexének az a célja, hogy inkább útmutatásként, és nem szabályzatként rögzítse a közös szakmai értékeket és tapasztalatot...”9 (1. old.)

Az Előszó az általános célhoz kapcsolódóan bővebben a következőket tartalmaz-za: „Még a statisztika egyazon területén és azonos működési környezetben is előfor-dulhat, hogy az egyéneket eltérő erkölcsi elvek vezérlik feladataik teljesítésében. Így nincs olyan kódex, amely sikeresen állíthatna fel a statisztikusok által betartandó me-rev szabályzati kereteket, és a jelen dokumentum nem is törekszik erre.” (2. old.) Továbbá „… a kódex semmi esetre sem tekinthető kimerítőnek, hanem feltételezi az időszakos frissítés és módosítás szükségességét.” (3. old.)

Mi az üzenete az idézeteknek? Először is az, hogy a Kódexben megfogalmazottak alapvetően csak iránymutatást tudnak adni, következésképpen az azt alkalmazóknak igen nagy a felelőssége abban, hogy – az általános szakmai, erkölcsi értékekre ala-pozva – miként értelmeznek egy-egy esetet, és az alapján milyen állásfoglalást alakí-tanak ki.

9 INTERNATIONAL STATISTICAL INSTITUTE (ISI) [1985]: Szakmai Etikai Kódex. http://www.mstnet.hu/

cikkek/etikai_kodex.pdf



319

A másik fontos üzenet arra hívja fel a figyelmet, hogy erkölcsi ítéleteinket, illetve erre alapozott állásfoglalásainkat alapvetően a mindenkori tapasztalatok és gyakorlat tükrében lehet kialakítani, ám az így megszerzett gyakorlat fontos tanulságokat hor-dozhat a jövőre vonatkozóan. Nevezetesen, miközben az általános erkölcsi értékek – belátható időn belül – nem, vagy csak kismértékben változnak, az erkölcsi normák betartatását szolgáló útmutatások és gyakorlati megoldások változhatnak, hiszen az iránymutatás csak akkor válik élővé, ha egy megfelelő visszacsatolási rendszerben hitelesen közvetíti az erkölcsi célokat.

Az Etikai Testület (ET) előtti feladatokról

Kimondva-kimondatlanul többekben felmerült a kérdés, hogy vajon milyen ügyek kerülhetnek az ET elé, illetve, hogy azokkal miképpen fog foglalkozni, tekint-ve, hogy erre vonatkozóan még nincs precedens. Nyilvánvaló volt, hogy a testület nem ülhet ölbe tett kézzel, arra várván, hogy majd csak adódnak valamilyen ügyek, és akkor majd meglátja, hogy azokkal mit lehet tenni.

Fontos tehát annak tisztázása, hogy az adott helyzetben milyen esetek kerülhetnek a bizottság elé. Mindez számos, az etikával kapcsolatos elvi és gyakorlati szempontot vet fel, amelyek feltárása és kimunkálása az ET tagjainak eminens feladata. Tömören fogalmazva azt is lehet mondani, hogy az első időszakban az ET-nek alapvetően a szakmai etikai kultúra „értelmezésére”, az ezen belüli mozgástér megtalálására kell összpontosítania, valamint ezzel összefüggésben az etikai konvenciók kimunkálását kell szorgalmaznia, miközben természetesen kezelnie kell a hozzá érkezett megkere-séseket is.

Mit jelent/het az etikai kultúra értelmezése, illetve a gyakorlati életben alkalmaz-ható etikai konvenciók kimunkálása?

Abból kell kiindulnunk, hogy az utóbbi időszakban a szakmai etikai kultúrának nemhogy az írott, de még az íratlan „kódexe” sem léphetett „hatályba”, hiszen a tár-sadalmi szinten jelentkező értékzavar nem hagyta nyom nélkül a társadalomtudomá-nyi szakmák művelőit, illetve az azt működtető intézményeket sem. A fennálló vi-szonyok hatására nagyrészt felmorzsolódtak azok a viselkedési normák, konvenciók, amelyek a régebbi évtizedekben a statisztika művelőit, illetve a szakmát működtető intézményeket jellemezték. A korábbi, akár „örökérvényűnek” tekintett alapnormák is relativizálódtak, amelynek következtében most már gyakorta „nem is értjük”, hogy szakmai etikai normák, illetve normaszegés alatt tulajdonképpen mit is kell érteni.

Ez az alaphelyzet az ET szemszögéből nézve azt jelenti, hogy proaktív módon, első lépésben – a nemzetközi tapasztalatokra is építve – kidolgozza azokat az etikai konvenciókat, ezen belül is az egyes ügytípusokra vonatkozó értelmezési kereteket, és az ahhoz köthető gyakorlati tennivalókat, amelyek működésének alapjait képez-hetik.

Harcsa István


320

Az útkeresést a nyilvánosság keretében, a statisztikus társadalom, sőt tágabb érte-lemben a társszakmák tagjait is megszólítva próbálja elérni, hiszen ez nem csupán egy testület, hanem az érintettek (tehát a statisztikusok és a felhasználók) teljes köré-nek az ügye. Következésképpen csak aktív részvételükkel és együttműködésükkel lehet kellő eredményt elérni.

Néhány konkrét javaslat

1. A Kódex elkészülte, tehát 2006 óta felmerült újabb szempontok mérlegelése, a célok, eszközök és lehetőségek pontosítása annak érdekében, hogy széles körű egyetértés és együttműködés alakuljon ki az érintettek körében. Az ily módon létre-jött „új egyetértésnek” nem kell azonnal a Kódexben megjelennie, az így kialakult konszenzus egyrészt segíti az ET-t működésében, másrészt az etikai szabályzat eset-leges későbbi módosításakor fel lehet használni.

2. Korábban említettek szerint a Kódex „nem foglalja írásba a statisztikusoktól elvárható összes etikai magatartást, következésképpen csak általános eligazítást ad”. Ebből az is következik, hogy az etikailag kérdéses ügytípusokat egyenkénti elbírálás alapján kell minősíteni.

Mindezek érdekében olyan munkaprogramot kell készíteni, amelynek fontos ré-sze, hogy az ET megpróbálja feltárni és értékelni a statisztikai szolgálat működése során a közelmúltban előfordult olyan esetleges szakmai fogyatékosságokat, maga-tartási, eljárási hibákat, amelyek adott esetben etikai problémákat is felvethettek. En-nek eredményeként állhatnak elő azok a precedens értékű esetek, amelyek megítélé-sében konvencióknak kell kialakulni, és amelyek a későbbiekben a pozitív normák alapjául szolgálhatnak. Ezeket kell majd a hatályos Kódex alkalmazásával bemutatni, és közben rámutatni annak fogyatékosságaira, majd ezt követően a tanulságokat hasznosítani a Kódex esedékes módosításakor.

Azt is hangsúlyozni kell, hogy a szakmai hiányosságok, fogyatékosságok és az etika „hatáskörébe” tartozó esetek közötti határvonal meghúzása nehéz, sok esetben pedig a kétféle magatartás párhuzamosan jelenik meg. Ezért egyik első lépésként ép-pen az ilyen kérdések tisztázását kell szorgalmazni.

3. A nemzetközi gyakorlatban megjelenő tapasztalatok begyűjtése, értékelése komoly munkát igényel, hiszen a nemzetközi szakirodalom alapján szükséges elké-szíteni az erre vonatkozóan értékelést. A megfelelő szakmai alapok lerakása érdeké-ben mielőbb el kell indítani egy „kutatási jellegű” programot. A szakirodalom tanul-mányozása mellett közvetlenül fel kell venni a kapcsolatot az e tárgyban már tapasz-taltabb nemzeti társaságok képviselőivel, akiktől feltehetően értékes információt le-het begyűjteni etikai testületük működésével kapcsolatosan.

4. Az időközben összegyűlt tapasztalatokat műhelykonferenciákon célszerű meg-tárgyalni. Részben a korábban említett nemzetközi tapasztalatok széles körű ismerte-



321

tése és megvitatása, részben a társszakmák (közgazdász, szociológus) és a média kö-rében jellemző etikai gyakorlat megvitatása érdekében, érdemes kezdeményezni a szakmaközi tapasztalatcserét. Erre azért van szükség, mert a statisztikusközösség nem „légüres” térben végzi a tevékenységét, hanem a felhasználók széles köréből ér-kező „visszacsatolásokra” alapozva. A különböző diszciplínák körében megfogalma-zott etikai elvárások, illetve az ezek alapján működő gyakorlat során nyert tapasztala-tok egybevetése kölcsönös haszonnal járhat, és egyúttal jó alkalmat kínál a statiszti-kai kultúra társadalmi szintű elfogadásához.

Mindezek alapján feltétlenül szükséges az ISI tavaly megjelent új etikai kódexé-nek a megtárgyalása, valamint az ezzel kapcsolatos nemzetközi szakmai előzmé-nyek, illetve a későbbi reflexiók kiértékelése.

5. Az ET formailag az MST testülete, szakmai-társadalmi beágyazottságát tekint-ve azonban a statisztikustársadalomé, miután annak etikai szempontú képviseletét látja el, azaz egyfajta „közszolgáltatói” szerepet vállal. Mindezt csak oly módon tud-ja kellően ellátni, ha élő kapcsolata van azokkal, akiknek az ügyét – áttételes formá-ban – képviseli és szolgálja. Ha nem ezt teszi, akkor az érintettek szempontjából ide-gen, bürokratikus „testként” marad fenn, feltehetően kiüresedett funkcióval.

Az élő kapcsolattartásnak az egyik alapvető formája, hogy miután az ET felvázol-ja szakmai programját, azt nyilvánosan közzéteszi, azzal a felhívással, hogy ehhez, továbbá a precedens értékű gyakorlati útmutatások kidolgozásához várja az észrevé-teleket és a gyakorlatban megtörtént eseteket.

Összegzésként elmondható, hogy csak a kellően megformált – és a korábbiakban vázolt – szakmai alapok birtokában, illetve az Etikai Testületet delegáló statisztikus-közösséggel való élő kapcsolat alapján várhatjuk azt, hogy a kezdeményezés ne ra-gadjon le a kezdeti próbálkozásnál, hanem képes legyen megfelelni az iránta táplált várakozásoknak.

John Ede


322

John Ede, a KSH ny. vezető főtanácsosa E-mail: [email protected]

Kávéházi beszélgetések a statisztikáról — A nemzetiségi (etnikai) statisztika (8.)

A Francia Statisztikai Társaság (Société Française de Statistique – SFdS) és a Francia Statisztikai és Gazdaságkutatási Intézet (Institut National de la Statistique et des Etudes Economiques – INSEE) 2005 decembere óta, általában havi rendszeres-séggel, egy párizsi kávéházi különteremben nyilvános vitaesteket szervez arról, hogy milyen választ ad a statisztika a társadalmunkat foglalkoztató nagy kérdésekre.

A havi rendszerességű összejövetelek „tiszteletbeli” meghívottjától Rózsa Gá-bortól, a KSH ny. főosztályvezető-helyettesétől John Ede is megkapja a viták össze-foglalóját, aki annak tartalmát örömmel megosztja a Statisztikai Szemle olvasóival.

Franciaországban az „etnikumokkal” foglalkozó statisztikákról néhány év óta so-kat vitatkoznak. A vélemények meglehetősen eltérők a kérdés jelentőségét, a kapcso-lódó érdekeket, a kockázatokat, az alkalmazott módszereket illetően. Más országok gyakorlatához hasonlóan miért nem közölnek Franciaországban ilyen statisztikákat? Miért kezelik e kérdést tabuként? Az etnikumokkal összefüggő problémák ismertek (a többségi társadalomba való beilleszkedés, a kirekesztés stb.); célszerű tehát az egyes népességcsoportok élethelyzetének, törekvéseinek minél alaposabb megisme-rése. Hozzájárul-e azonban ez a társadalmi összetartozás erősítéséhez? Mire kell fi-gyelni, miben kell elővigyázatosnak lenni a kérdéskör megfigyelésénél?

Ezúttal a vitaindító előadást François Héran, a társadalmi különbségek és a diszkrimináció vizsgálatára létrehozott bizottság1 elnöke, a Francia Demográfiai Ku-tatóintézet (Institut National d’Etudes Demographiques – INED) korábbi igazgatója tartotta.

Minden diszkriminációt a társadalmi egyenlőtlenségre kell visszavezetni. A társa-dalmi mobilitással foglalkozó vizsgálatoknál általában a származás, az iskolázottság és a mindenkori társadalmi hovatartozás „háromszögét” tekintik meghatározóknak. Az

1 A Simone Veil nevével jelzett bizottság munkájának folytatására létrehozott harminc jól felkészült személyi-

ségből álló fórum, amelynek feladata az alkotmányban biztosított személyiségi jogok figyelemmel kísérése.

A nemzetiségi (etnikai) statisztika


323

egyenlőtlenség e három összetevő egymásrahatásának következménye. A téma szakér-tői szerint az egyes összetevők többé-kevésbé azonos fontossággal bírnak.

Az előbbi sémában a diszkriminációk olyan kakukktojásként jelennek meg, ame-lyek módosítják mind a három összetevőt (a származás hat a képzettségre, a képzettség a jövőbeni társadalmi helyzetre, az induló szociális helyzet az elért társadalmi pozíció-ra). Ahhoz, hogy a bekövetkező módosulásokat megértsük és legyőzzük, mérni kell őket. A büntető-törvénykönyv 225. cikkelyének első bekezdése a diszkrimináció tizen-nyolc megjelenési formáját sorolja fel, ezek mindegyike elemezhető, statisztikailag mérhető. Közülük a származáshoz köthető: az apai vonal, a genetikai értelemben vett örökölt tényezők, az etnikum, a nemzetiség és a faj. A Harc a Hátrányos Megkülön-böztetés Ellen és az Esélyegyenlőtlenségért Főfelügyelet (Haute Autorité de Lutte contre les Discriminations et pour l’Égalité – HALDE) Franciaországban 2004 de-cemberében létrehozott testület az „eredet” szót faji értelemben használja, amit a hátrá-nyos megkülönböztetés szempontjából fontosabbnak tart, mint az egészségügyi állapo-tot, az életkort. Erős korreláció van tehát a földrajzi helyhez köthető eredet és szárma-zás között; azaz napjaink bevándorlóit szociális szempontból a leghátrányosabb hely-zetűek közé helyezik. Ahogy majd a későbbiekben szó lesz róla, az „etnikum” megne-vezést a „szerencsétlen” szinonímájaként is használják.

A „(nép)faj” kifejezést a klasszikus antropológia pontosan meghatározza: egy adott nemzeten belüli, vagy a feletti népességcsoport (kurd, kabil, baszk, szoninke, diola stb.) ami önmagában nem köthető az államhoz. Természetesen vannak olyan antropológusok, akik szerint a fogalom eléggé tágan értelmezhető és manipulálható, nélkülözi a reális megalapozottságot. Azonban „bármennyire manipulálható is, tu-domásul kell venni létezését”. Számos példa hozható fel arra, hogy egy fogalmat ne-hezebben körülírható, képlékeny határai mellett is hasznosnak, használhatónak íté-lünk meg (gondoljunk csak a gazdaságra és a szegénységre).

Az „etnikum” szűkebb értelmezésének adott helye van a francia statisztikában, elég itt utalni az Afrika és Európa közötti migráció vizsgálataira. Az egyazon or-szágból érkező migránsok számos közös vonással, tulajdonsággal, magatartásformá-val bírnak. Nyilvánvalóan ezek a tények nem hagyhatók figyelmen kívül. Minél in-kább megjelennek ezek a származási adatok, a Franciaországgal partneri viszonyban levő országok népszámlálási kérdőívén, annál indokoltabb a kérdéskör összehangolt, nemzetközi vizsgálata. Ilyen érveléssel sikerült megszerezni Franciaországban az In-formatikai Bizottság jóváhagyását az Alkotmányügyi Tanács 2007. évi döntéséhez igazodó kérdőíves felvétel végrehajtásához, amiről később még lesz szó.

Az „etnikum” szó kevésbé tapintatos alkalmazása figyelhető meg a francia jogi nyelvben; nem egyszer a „faj”, eufemisztikus megnevezésére használják. Az 1978. évi Információs szabadságról szóló törvény is a „faji vagy etnikai származás” szó-összetételt használja. Az antropológusok az „etnikum” ilyen értelmezésével termé-szetesen nem értenek egyet, hiszen ez olyan idegen származásra utal, mely a szüle-

John Ede


324

téskori nemzetiséget, a szülők nemzetiségét vagy külső megjelenésből kikövetkez-tethető atyai nemzettségből rekonstruálja a származást.

A kutatók mindeddig az előbbi kategóriákat használták vizsgálataikhoz. Különö-sen igaz ez a Jogszociológiai és Büntetésvégrehajtási Intézetek Kutatóközpontja (Centre de Recherches Sociologiques sur le Droit et les Institutions Pénales – CESDIP) két felvételére Párizs kerületeiben (Les Halles, Gare du Nord), amikor a rendőrségi letartóztatások gyakorlatát hasonlították össze. Ezek során rögzíteni kel-lett valamennyi előállított személy „etnikai-faji” hovatartozását és minden egyéb jel-lemzőjét (életkor, ruházat, csomag, pénztárca és tartalma stb.) és ezekre alapozva alakították ki a „bűnözői” típusokat. Képzeljük el, hogy a „bűnözők” helyett egy kö-zépiskola diákjait, vagy a munkát keresőket csoportosítják az azonos tulajdonságok alapján, azaz az etnikai hovatartozást szubjektív ismérvekkel közelíti. Készülnek azonban Franciaországban az etnikai-faji hovatartozásról statisztikák, és ezeket, il-letve az ezekben használt kategóriákat még a legaggályosabb kutatók is elfogadják.

A francia hivatalos statisztika – szemben az előbbiekkel – az „etnikum” kifejezést már hosszabb ideje tágan értelmezi. Az általános vélekedéssel szemben, amely sze-rint a hivatalos statisztika „nem tesz különbséget a franciák között”, a népszámlálás hagyományosan összeírja a születéskori állampolgárságot, így igenis különválasztja a „született” és a „nem született” franciákat. 1992-től több nagymintás felvételnél kérdésként szerepel a „szülők állampolgársága”. 1999-től hasonlóképpen megjelenik a kérdés a „család” felvételnél, legutóbb a „szakképzés és képesítések”, a „munka-erő” stb. tárgyú felvételeknél. Ami az INSEE gördülő mintájú demográfiai felvételét (Échantillon Démographique Permanent – EDP) illeti, ahol egy adott személy teljes életútját nyomon követik, könnyen és sokat tudhatunk meg a „gyökerekről”. (Ugyan-is ez az első olyan társadalom-demográfiai nagyminta, melyben vizsgálható a fran-ciaországi termékenység, halálozás, családösszetétel, országon belüli földrajzi mobi-litás, a társadalmi és foglalkozási mobilitás.)

A negyedévenként megjelenő Revue Française de Sociologie című folyóirat egyik legutóbbi számában a szerzők a térségi szegregáció elemzéséhez a hivatalos statisztika adatait felhasználva rendre az „etnikai kisebbség” kifejezést használják. Érdekes azt is megjegyezni, hogy sokszor még az etnikai statisztikák ellenzői is használják a szóösszetételt.

A statisztikai kategorizálás során az az aggodalom is megfogalmazódhat, hogy alkalmazása nem erősíti-e fel az egyes csoportokba tartozók nézeteltéréseit, elkülö-nülését. E téren eligazítást adhat egy korábbi szociológiai vizsgálat azon megállapí-tása, miszerint egy kietlen területen hosszú ideig veszteglő vonat utasai hosszú ideig viselkedhetnek csoportként, miközben definíció szerint nem azonos csoport tagjai. Gyakran kódolt kifejezések is felbukkannak. A rendőrök nem egyszer használják például a földrajzi eredetre utaló, leegyszerűsített kifejezést. A megjelölést egyes ku-tatók „köznyelvi etnikai-faji” kategóriáknak minősítik és törlik a tudományos kutatá-



325

sok szókészletéből. A szóhasználat komplexitásának érzékeltetése céljából elég arra gondolni, hogy az „etnikai tartalom” nemcsak a felhasznált különböző forrásoktól, hanem az alkalmazott csoportosítástól is függ. A származási országok szerinti cso-portosítást ténylegesen „földrajzi” besorolásnak tekintik. Ezeknek az információknak összevont kategóriákká alakításával már „területi-faji” lehatárolással állunk szemben, bizonyos összevonások pedig rejtett tartalomra is utalnak. Például a török, az iráni és az arab országok összevonása már vallási színezettel is bír. Paradox módon ezek az összevonások inkább sértik az érintettek érzékenységét.

Támogathatók-e az olyan kutatói megnyilatkozások, amelyek szerint „nem kell foglalkozni az emberek származásával”? Valószínűleg nem; az utóbbi évek e téren gyors változásokat hoztak. „A származás rejtelmei változatlanul léteznek; igenis fel kell használni a szülők nemzetiségét leíró hivatalos statisztikák gazdag információit” – írta 2009-ben Hervé Le Bras.

Miután a származásra vonatkozó adat az egyének „érzékeny” jellemzője és a tör-vények által is védettséget élvez, a francia hivatalos statisztika eddig ilyen adatokat nem publikált. Ebben mindenekelőtt az is szerepet játszott, hogy meglehetősen nehéz pontosan elválasztani egymástól a hasznos és a káros adatokat. A származásra, ere-detre vonatkozó információkat meghatározott célú – például tudományosan megala-pozott felvételek inputjaként történő – felhasználásra korlátozták, azokat nem sorol-ták a hivatalos statisztika alapadatai közé.

Franciaországban senki sem akar „amerikai vagy angol megoldást”, azaz a nép-számlálásban, a kérdőíves felvételeknél, az adminisztratív nyilvántartásokban az et-nikai-faji hovatartozás nyilvántartását.

Az előadó emlékeztetett arra, hogy az Alkotmányügyi Tanács az alkotmányos jo-gok 1971. évi felülvizsgálatakor beemelte az alkotmányos jogok közé az 1789. évi Emberjogi Nyilatkozatban kinyilatkoztatott egyenlőséget. A vita során az egyik hoz-zászóló megjegyezte, hogy az 1789-es jognyilatkozat „eredeti származás” kifejezés-ben az „eredeti” a megelőző államrendre, nevezetesen a nemességre utal. Az egyen-lőségért folytatott harc folytatóinak érdemes lehet tanulmányozni az Államtanács 1997. évi jelentésének vonatkozó részét. Ebből a szempontból tehát a francia alkot-mány korszerű, míg az amerikai túlhaladott. A francia alkotmány értelmezése szerint az etnikai-faji hivatkozás szerinti megkülönböztetés nem elfogadható.

Ugyanakkor a fogalomkör használata – elemzési és semmiképp sem intézkedési célból - igenis elfogadható a különböző vizsgálatokban, kutatásokban. Mindenkép-pen ügyelni kell azonban az elemzést és az intézkedést szolgáló felhasználás közötti nagy különbségre.

A statisztika nem ellenőriz: feladata nem kevesebb, mint „mérni a mérhetőt”. A statisztika célja az elemzés, az egyenlőtlenség kritikus összehasonlítása, a társadalmi hatásmechanizmusok feltárása. A kockázatok túlhangsúlyozása nélkül biztosítandó, hogy a kritikai értékelés megfelelő eszköze legyen.

John Ede


326

A vita

Több hozzászóló – a nem célszerű felhasználás lehetőségét sem tagadva – hasz-nosnak ítélte a nemzetiségi, az etnikumokra vonatkozó statisztikát. A vita egyik résztvevője a bevándorlók beilleszkedésében a francia társadalomba jelentős előrelé-pést érzékel, szerinte az „integrációs folyamat jó irányú”; az amerikai „agytröszt”, a Pew Center szerint a Franciaországban élő észak-afrikai származású mohamedán la-kosság 90 százaléka a francia nemzeti értékek szerint él. Szerinte az eltérő kulturális indíttatású népesség beilleszkedése nem történik meg egyik napról a másikra. Emlé-keztetett arra, milyen nehézségeket okozott az olasz származásúak franciaországi be-illeszkedése a XIX. század végén, Aigues-Mortes-ba, ahol 1893-ban komoly áldoza-tokat követelő etnikai jellegű összetűzés zajlott le a sóbányák kitermeléséhez torborzott olasz bevándorlók és a helyi munkások között.

Ha az integráció valóban ennyire pozitív, ha bizonyosan ez a helyzet, akkor – szem előtt tartva az eltérő nézeteket és az érintett népesség várható reakcióit is – mi-ért ne lehetne ilyen elemző statisztikákat készíteni? A legnagyobb haszon az integrá-ciós folyamat sebessége, jellemzőinek mérhetősége lenne. Ha sor kerülne ilyen hazai statisztikai összesítésekre, felvételekre, akkor nem kellene a külföldi intézetekre, mint például a Pew Center adataira hagyatkozni. Az orvosi, a járványügyi, a geneti-kai kutatásoknál az etnikai elem mindig jelen volt; a kutatók minden esetben különb-séget tudtak tenni a beavatkozási, illetve az elemzési célú kategóriák között.

A jelenlevők felvetettek egy másik felhasználási területet, nevezetesen a „hitel-minősítést”, a biztosításokat. Az egyik hozzászóló a Dél-afrikai Köztársaságbeli el-lentmondásos helyzetről szólt. Elmondása szerint a hitelkérelmeknél megtiltották az olyan minősítő elemek alkalmazását, amelyek az etnikai eredetre, a korábbi hátrá-nyos megkülönböztetésre utalnak. Az előbbivel ellentétes példaként a belgiumi banki gyakorlatot, a török férfi és női ügyfelekkel való foglalkozást említették.

A résztvevők többsége szerint a különböző intézkedések céljaira is felhasznált adminisztratív nyilvántartásokban a származás rögzítése nem felel meg a származás-tól független egyenlő elbánás elvének. Az ezzel ellentétes gyakorlat még a legjobb indulatot feltételezve sem támogatandó. Nem áll-e fenn annak a veszélye, hogy a né-pesség etnikai jellemzők szerinti megfigyelése hátrányos az érintett lakosokra? Hi-vatkozni lehet a múlt század negyvenes éveinek zsidó áldozataira; ennek azonban semmi köze nincs az adott népesség statisztikai számbavételéhez.

A vitában sokan használták a „megbélyegzés” kifejezést. Felmerült a kérdés, nem stigmatizálják-e egy adott etnikai csoport tagjait akkor, ha a statisztikai elemzések szerint növekszik az adott csoportba tartozó bűnözök száma, aránya? Nem vezet-e a megbélyegzés egyéni ellenálláshoz? Ehhez az előbbi kérdéshez kapcsolódóan el-hangzott, hogy az 1999. évi „családfelvétel” a börtönökben élőkre is kiterjedt, kö-rükben egyes népességcsoportok meglehetősen túlreprezentáltak voltak. A kérdés-



327

kört a társadalomkutatóknak mindenképpen vizsgálnia kellene, és erről a nyilvános vita sem kerülhető el. A cenzúra nem oldja meg a gondokat, nem csökkenti a prob-léma súlyát.

Gyakran hivatkoznak az Egyesült Államok példájára, egyrészt az ország faji-etnikai csoportjai létrejöttének történelmi vonatkozásaira, másrészt a származás szerinti népességi statisztika kiépítésére, illetve az azonos népcsoportok egységesü-lését szolgáló lobbik tevékenységére. Az első világháború idején az Egyesült Ál-lamokban törvényt hoztak a bevándorlás korlátozásáról, amelynek egyik követ-kezménye volt a XIX. században elfoglalt Texas állam spanyol ősökkel rendelkező lakosságának szegregációja, az afroamerikai lakosokhoz hasonló elkülönítése.2 Az így kialakult helyzetben vált szükségessé és halaszthatatlanná, hogy érdemben fog-lalkozzanak a faji-etnikai kérdésekkel. Mégis, csak az 1950-60-as évek polgárjogi mozgalma érte el, hogy a népszámlálási kérdőíven a faji hovatartozás kifejezése helyett az etnikai származás szerepeljen. Az Egyesült Államokban minden egyes népszámlálást megelőzi a statisztikusok és a különböző etnikai közösségek képvi-selőinek a népszámlálási kérdőív tartalmi egyeztetését célzó megbeszélés sorozata. A meglehetősen nehéz előkészítő szakasz levezénylése az Elnök legfontosabb in-tézményének, a Költségvetési Hivatalnak (Office of Management and Budget – OMB) a feladata, amely az INSEE-hez hasonló, statisztikai koordináló szervezet. AZ OMB a statisztikusok számára nemcsak az alkalmazandó kategóriákra, hanem a felvételi módszerekre (például a több válasz kezelése) vonatkozó utasításokat, di-rektívákat is előír. Franciaországban egyszerűsíti az összeírást a nemzetiséget is ta-núsító személyi igazolványok használata.

Annak ellenére, hogy a franciaországi helyzet történelmileg másképp alakult, mégis léteznek az azonos származáson alapuló tömörülések, például a Franciaországi Zsidó Tanács (Conseil Représentatif des Institutions Juives de France – CRIF), a Franciaországi Feketebőrűek Tanácsa (Conseil Représentatif des Associations Noires de France – CRAN) stb. Az ilyen szervezetek létezése, névhasználata alkotmányos jog, tevékenységüket az állam nem korlátozza, jelenleg viszont nincs elég erejük ah-hoz, hogy befolyásolni tudják a közösségi statisztika alakítását – nyilvánította ki egy hozzászóló. Más résztvevők szerint azonban ez nem mindig van így. Franciaország az Egyesült Államok által bejárt úton halad, de a két ország között e kérdés kezelé-sében nagy a különbség.

Felvetődött, hogy Franciaországban egyes etnikai csoportokat érintően pozitív diszkriminációt kellene alkalmazni. A gondolatnak mind támogatói, mind ellenzői voltak; az egyik hozzászóló szerint az etnikai statisztika körüli vita mögött ez a gon-

2 A törvény nem utalt országokra, vagy fajokra, de közvetetten utalt az ázsiai országokból érkezett beván-

dorlókra is. Érdekes olvasmány a japán kormánynak az 1917-es törvénnyel összefüggő, meglehetősen modern tiltakozása.

John Ede


328

dolat húzódik meg. Az etnikai csoportosítás az első lépést jelentené az megkülönböz-tetés megvalósítására. A kérdéssel összefüggésben elhangzott két felvetés. 1. Figye-lembe kellene venni, hogy a pozitív diszkrimináció nem egyszerű dolog, ugyanis a közvetlen vagy közvetett kapcsolódásokkal rendelkező, jelenleg is létező, akár etni-kai indíttatású, esetenként képmutató és bizonytalan, egymástól elkülönülő csoporto-sulásokra is vonatkozhat. 2. Mind a származásra, mind a szerzett nemzetiségre vo-natkozó pozitív megkülönböztetés faji-etnikai tartalommal bír; ezt nem szabadna az intézkedések előkészítésében felhasználni. Ugyanakkor, ha az Alkotmányügyi Ta-nács vagy az Informatikai Tanács megközelítését nézzük, többé-kevésbé az előbbi elképzeléssel szemben álló gyakorlat elfogadásával találkozunk. Hamis, és a statisz-tika szerepének túlhangsúlyozása annak állítása, hogy egy idő után minden kategori-zálás a mérést, a számszerű összehasonlítást szolgálja.

Felmerült a vitában a vallással, mint hasonlóan érzékeny ismérvvel kapcsolatban az a kérdés, hogy tilos-e még a vallási hovatartozásról hivatalos statisztikát készíteni. A kutatás szempontjából védhetetlen az SOS-rasszizmus álláspontja, mely szerint el-fogadhatatlanok a Származás és életpálya c. kutatásban a vallásos viselkedésre, ma-gatartásra utaló kérdések. Ezzel együtt a közelmúltban (2008. június-augusztus) az INED Population et Sociétés c. kiadványában az INSEE-INED 2005. évi A családok és a többgenerációs családok vizsgálata c. felvétele alapján nyilvánosságra hoztak két, a vallásosság kutatásával kapcsolatos tanulmányt.

A nemzetiségi statisztika ellen felhozott gyakori érv, hogy vannak „közbenső” – például a vegyes házasságokban született – személyek. A nem egyértelmű beso-rolhatóság (például a „vegyes” házasságból születettek hovatartozása) ugyanakkor nem ellentétes egy általánosan elfogadható kategorizálás létrehozásával, erre szá-mos példa is akad. Gondoljunk csak a valóságban is létező „átmeneti munkanélkü-liségre”, amelynek a létezése nem kérdőjelezi meg a „munkanélküli” illetve a „fog-lalkoztatott” kategóriákat. A statisztikai elemzés tárgya éppenséggel lehet az „át-meneti állapotban lévő” csoportok szerepe az egyes embercsoportok közötti faji, etnikai határok lebontásában. Amerikában például az emberek egyidejűleg több fa-ji-etnikai csoportba tartozónak is vallhatják magukat; a régi kategóriáktól való megszabadulás szándékával így született meg a „mesztic” besorolás. Az érintettek erős lobbitevékenységükkel elérték a többes identitás megadásának lehetőségét, így a mai amerikai népessség nyolc százaléka már többes etnikai származásúnak vallja magát.

Az „Életpálya és származás” felvétel végrehajtása Franciaországban időben egy-beesett a bevándorlási törvény vitájával, majd ezt követően az Alkotmányügyi Ta-nács 2007. novemberi, a nemzetiségi statisztikát érintő döntésének meghozatalával. Az INSEE és az INED vezetése tartott attól, hogy az adott körülmények között bizo-nyos kérdések – és itt elsősorban a bőrszínre utaltak – szerepeltetése veszélybe so-dorhatja a felvételt.



329

SOROZATUNK EDDIG MEGJELENT RÉSZEI:

1. Hogyan oktassuk a statisztikát a középiskolában? 2008. évi 9. sz. 908–915. old. 2. Az új családformák. 2009. évi 3. sz. 302–311. old. 3. A munkanélküliség mérése. 2009. évi 10–11. sz. 1078–1086. old. 4. A szegénység mérése. 2009. évi 12. sz. 1194–1203. old. 5. A termelés területi áthelyezése. 2010. évi 2 sz. 177–185. old. 6. A lakáshelyzet és a lakásstatisztika. 2010. évi 12. sz. 1222–1232. old. 7. A nyugdíjak és a nyugdíjasok jövőjéről. 2011. évi 1. sz. 101–110. old.


Fórum

Beszélgetés Mihályffy Lászlóval

Mihályffy László 1940-ben született Szegeden. Középiskoláit, valamint egye-temi tanulmányait is Szegeden végezte; ez utóbbiakat a József Attila Tudomány-egyetem Természettudományi Karán, ahol 1964-ben kitüntetéssel szerzett mate-matikus és matematika szakos középiskolai tanári oklevelet. Az egyetem elvégzése után először a Nehézipari Minisztérium Ipargazdasági és Üzemszervezési Intéze-tében (NIM IGÜSZI) dolgozott tudományos munkatársként, majd a Budapesti Műszaki Egyetem (BME) tanársegédje lett, ezt követően pedig az INFELOR (In-formáció Feldolgozási Labor) Ökonometriai főosztályán töltött be különféle funk-ciókat. 1984-től – 2005-ben bekövetkezett nyugdíjazásáig – a Központi Statiszti-kai Hivatal (KSH) különböző főosztályain végzett közmegbecsülésnek örvendő tevékenységet. Mihályffy Lászlóval 70. születésnapja alkalmából beszélgettünk pályájáról, munkájáról, terveiről.

Kezdjük az elején: alkalmazott matema-tikus vagy, a szó legjobb értelmében olyan valaki, aki magas szinten ismered és műve-led a matematikát, de nem öncélúan, hanem makacsul keresve annak hasznosulását. Hogy lettél matematikus, mikor kezdődött ez a vonzalom?

Természetesen még Szegeden a közép-iskolában. A Radnóti Miklós Gimnáziumban kerültem a Középiskolai Matematikai Lapok bűvkörébe, sok feladatot oldottam meg, küldtem be, és bár dobogós helyezést egyik évben sem szereztem, jó eredményeket ér-tem el egyebek közt az Arany Dániel verse-nyeken. Többször dicséretben, jutalomban részesültem, ami abban a korban természe-tesen további munkára inspirált ezen a terü-leten. Még szabadkézi rajzban voltam jóval ügyesebb az átlagnál, de amikor pályavá-lasztásra került sor, ez az irány nem látszott ígéretesnek, ezért szóba se jöhetett más pá-lya, mint a matematikusi.

Az egyetemen megtaláltad a helyed? Hogy érezted magad? Milyen eredményeket értél el, milyen pályát képzeltél akkor magad elé?

Nehéz kérdések. Az tény, hogy az évfo-lyamon én voltam a „menő”, mint ahogy minden évfolyamon volt egy-egy ilyen nagy-ágyú. Ennek ellenére nem éreztem magam igazán jól. Most, utólag, ennyi év távlatából visszagondolva, azt hiszem, ez a pozíció nem tett jót nekem. Nem tudtam kellő méltósággal viselni, ezért ha közvetlen konfliktusaim nem is voltak évfolyamtársaimmal, nem voltam népszerű. Most már azt is látom, hogy relatí-ve többre tartottam magamat, mint amilyen valójában voltam, ami abból is látszik, hogy a többi évfolyamelső jóval többre vitte a szak-mában. Szóval ez nem volt felhőtlen időszak az életemben, mégis az egyetlen munkakör, amit el tudtam képzelni akkor, az volt, hogy oktatóként és kutatóként bent maradok az egyetemen.

Fórum


331

Ez reális elképzelés volt?

Azt hiszem, igen. Szakmailag jó eredmé-nyeket értem el: a differenciálegyenletek témá-jából írt tudományos diákköri dolgozatom álta-lános elismerést aratott, mégis méltatlanul el-felejtették. Diplomamunkám, ami a mátrixin-vertálás egyes numerikus kérdéseivel foglal-kozott, és már akkor használta a számítástech-nika korszerű eszközeit, szintén sikeres volt, tehát azt hiszem, megérdemelten kaptam egye-temi tanulmányaim lezárásaként vörös diplo-mát. Ezek után azonban – elsősorban közis-mert klerikális beállítottságom okán – nem si-került bennmaradnom az egyetemen, így más munkahely után kellett néznem.

Ez akkoriban nem volt nagy probléma, hi-szen az egyetemek a végzősöknek több munka-helyet is felkínáltak. Te hova kerültél?

Budapestre kerültem a Nehézipari Minisz-térium kutatóintézetébe, ahol akkor egy ígére-tes projekt szerveződött. Több régi ismerősöm is benne volt, és akiket ott ismertem meg, azokkal is jó emberi kapcsolatot sikerült kiala-kítanom. A feladat viszont, amibe be kellett folynom (egy nagyméretű lineáris termelés-programozási modell számításai) sehogy se tetszett, így az első munkahelyemen kevés si-kerélményben volt részem.

Ezért váltottál két év elteltével?

1967-ben váratlan lehetőség adódott arra, hogy az egyetemi oktatással kapcsolatos régi álmomat megvalósíthassam. Így mentem el a Budapesti Műszaki Egyetemre ábrázoló geo-metriát tanítani, de sajnos megint csalódnom kellett. Nem az a tudományos műhely volt, amire vágytam, nem találtam meg a helyemet sem a kutatásban, sem az oktatásban. Nem alakultak ki jó szakmai kapcsolataim a kollé-

gákkal, és a hallgatók sem igazán szerették a tárgyat. Így aztán innen is hamar továbbálltam.

A következő állomást már jobban ismerem, hiszen ott hosszú évekig közvetlen kollégák voltunk. Az INFELOR Ökonometriai főosztá-lyáról van szó, ahol Szakolczai György irányí-tása alatt 13 évet dolgoztál. Hogy sikerült itt a beilleszkedés, milyen szakmai tapasztalatokat szereztél ez idő alatt?

Eleinte itt se éreztem jól magam, pedig a kollégákkal jó szakmai és emberi kapcsolato-kat sikerült kialakítanom. Sokáig nem találtam a helyem, és csak egy-egy feladat kapcsán éreztem úgy, hogy mindaz a sok munka, amit a tanulásba fektettem, valahol hasznosul. Az ÁKM-modellekkel kapcsolatos munkák, köze-lebbről a dinamikus ÁKM-ek egyes szabályo-zási kérdéseiről írt néhány tanulmányom talán ilyen volt. De közben volt a szerencsétlen né-met ösztöndíj.

Szerencsétlen? Hiszen a 70-es évek elején szinte minden fiatal számára álomnak tűnt egy hosszabb nyugati ösztöndíj! Ablak a világra, modern ismeretek, hasznos kapcsolatok, nyelv-tanulás…

Igen, szerencsétlen volt az egész. 1972-ben sikerült ösztöndíjasként kijutnom Bochumba, ahol professzorom és mentorom erősen ambi-cionálta, hogy ottani kutatásaimat – melyeknek nem sok közük volt az itthoni munkámhoz – doktori értekezéssel zárjam le. Amikor az ösz-töndíj végeztével a majdnem kész disszertáci-óval hazatértem, akkori főnököm is nagy nyomást gyakorolt rám, hogy mielőbb adjam be a dolgozatot kandidátusi értekezésként. Így aztán legjobb meggyőződésem ellenére bead-tam egy nem túl jó, nem túl elegáns dolgoza-tot, amiben azonban szakmai hiba nem volt. Mégis – talán igaztalanul, talán nem egészen

Fórum


332

megfontoltan, talán valami hátsó politikai szándéktól indíttatva – az opponensek elég kíméletlenül elutasították a dolgozatot. Ez a szakmában nem maradt visszhang nélkül, ezért rossz kompromisszumként felajánlották, hogy vonjam vissza a dolgozatot, és akkor nem kell az elutasítás hátrányos következményeit visel-nem. Ezt megtettem, de az egésznek mégis olyan rossz íze volt, hogy soha többé nem pró-bálkoztam a fokozat megszerzésével.

Értem, de térjünk vissza egy kicsit a nyelv-ismeretre! Már azokban az években megcso-dáltuk, hogy bár korábban sohase voltál ide-gen nyelvi környezetben, milyen pontosan és jól megtanultál angolul és németül. Ez akkori-ban még egyáltalán nem volt általános. Neked hogy sikerült?

Természetesen sok munkával. Már a gim-náziumban és az egyetemen is tanultam mind a két nyelvet. Módszeremet illetően el kell mon-danom, hogy sok szépirodalmat olvastam mindkét nyelven. S. Maugham, G. Green, G. B. Shaw, illetőleg T. Mann, H. Fallada és má-sok műveit gyakran, alaposan és nagy szeretet-tel olvastam, ami nagyon sokat segített a nyel-vi ismereteim fejlesztésében. Természetesen a német ösztöndíj ebből a szempontból sokat számított, mert bár angolul is sikerült jól meg-tanulnom, sose értem el a megértésnek és a köznapi nyelv használatának azt a szintjét, mint akkor németből. De valójában későbbi munkám során mindkét nyelv ismerete nagyon hasznosnak bizonyult.

Visszatérve szakmai pályafutásodra, ha jól tudom, a 80-as évek elejére betelt a pohár, és bár egy ideig még követted az Ökonometriai főosztály vergődését (SZÁMKI, SZÁMALK, MTA), 1984-re megérett benned az elhatáro-zás, hogy ismét váltasz. Ezúttal a KSH-ba. Me-sélj valamit erről!

Először a Rendszerfejlesztő és koordináló főosztályra kerültem, ahol Marton Ádám irá-nyítása mellett a kisterületi becslésekkel fog-lalkoztam. Azt hiszem, azzal találtam meg a helyem a KSH-ban, hogy korábbi munkáim során némi számítástechnikai gyakorlatra is szert tettem. A hivatalban akkoriban bevett munkamódszer volt az, hogy az érdemi elem-ző-módszertani munka elvált a számítástech-nikától: mindennemű számítási munkát az erre szakosodott főosztály végzett. Én korábbi munkahelyemen hozzászoktam ahhoz, hogy saját feladataim számításait is végigviszem, ami a KSH-ban szokatlan szemlélet volt, ám az én munkám hatékonyságát jóval megnövel-te. A becslésekhez készített hibaszámításokhoz felhasználtam L. Kish programját, és ezzel vi-szonylag gyorsan jó eredményeket értem el.

Jól értem, hogy itt találtad meg azt a mun-kát, amit régen kerestél, azt, amitől egy közös-ség hasznos tagjának érezhetted magad?

Talán igen. Ez a határterület, a matematika, a statisztika és az operációkutatás, közelebbről a matematikai programozás mezsgyéjén, megtet-szett és úgy tűnik be is vált. A kisterületi becslé-sek után egyre inkább a komplex mintatervezé-si-mintavételi feladatok felé fordult az érdeklő-désem. Eleinte Éltető Ödönnel közösen dolgoz-tunk ilyen feladatokon, majd részben a némi-képp eltérő koncepciókból adódóan a 2001-es népszámlálás után szétváltak útjaink: Ödön a háztartás-statisztikai felvétellel, én pedig a munkaerő-felvétellel foglalkoztam.

De – amennyire tudom – közben volt né-hány szervezeti változás: átkerültél a Nép-számlálási főosztályra, ott osztályvezető lettél, majd miután ez az osztály megszűnt, az újon-nan alakuló Módszertani és mintavételi osz-tályra kerültél, ugyancsak osztályvezetői be-osztásban.

Fórum


333

Hát ez így van, de ami azt illeti, még így utólag is sokkal többet gondolok a feladatokra, amelyekkel foglalkoztam, mint a szervezeti ke-retekre, amelyek között a megoldások születtek. Vegyük például a munkaerő-felvétel jelenlegi mintáját, amely a 2001. évi népszámláláson ala-pult és 2003 januárja óta működik. Ennek min-tavételi terve az egyik legfontosabb munkám, amelyet hivatali pályafutásom során végeztem. Majdnem százszázalékos sikertörténet, a minta „üzembe helyezésénél” mégis felbukkant egy váratlan, nem kívánatos jelenség, ami nagyon kellemetlen következményekhez vezetett volna, ha a szakstatisztikus kollégák hathatós segítsé-gével meg nem találjuk azt, amit ma áthidaló megoldásnak neveznek. Először a pozitívumok-ról. Ez volt talán az első országos minta, ahol optimális allokációt alkalmaztunk. Ennek ered-ményeképpen azonos mintanagyság mellett a kulcsfontosságú mutatók mintavételi hibája se-hol sem haladta meg a régi mintából származó becslések mintavételi hibáját, jóllehet az új min-ta mintegy nyolcvannal kevesebb települést tar-talmazott, mint a régi. Ez persze jelentős meg-takarítást eredményez az összeírók útiköltség-ében. Ugyanakkor a régi és az új minta települé-sei közötti nagymértékű különbség azt is jelen-tette, hogy sok régi összeíró távozott, helyükre újak léptek be, és a határesetek megítélésében az újak nem mindig úgy döntöttek, mint a régi-ek. Ezáltal például a munkanélküli létszám becslésében indokolatlan, látszólagos elmozdu-lások jelentkezhetnek. Mint említettem, szeren-csére a problémát sikerült kezelni, és a felvétel azután kifogástalanul működött. Sajnos, az utóbbi években a növekvő meghiúsulás újabb problémát vetett fel, az ebből származó nem mintavételi hibát egyelőre nem sikerült behatá-rolni.

A Módszertani és mintavételi osztály veze-tése alól rövid ténykedés után felmentettek. Hogyan élted meg ezt az újabb kudarcot?

Rosszul. Bár sohasem szerettem vezető lenni – alkatilag azt hiszem, nem vagyok al-kalmas rá – úgy gondolom, az akkori vezetés türelmetlen volt velem szemben. Kétségtelen, hogy volt két nagyon ígéretes fiatal, aki abban az időben távozott, de ebben teljesen vétlennek éreztem magam. Szerettem volna stabilizálni az osztályt, és aztán önként átadni a kormányt valaki más, arra alkalmasabb személynek, de erre már nem nyílt alkalmam.

Egy ilyen döntés megkeserítheti egész ké-sőbbi pályádat, hiszen ekkor már nem voltál fiatal. Így történt?

Szerencsére nem. Igaz, nem volt könnyű megemészteni a történteket, de sikerült, és ta-lán azt is mondhatom, hogy szakmai pályafu-tásom legszebb szakasza következett. Érdekes feladataim voltak, azokat úgy éreztem, jó szín-vonalon meg tudtam oldani, tehetséges és na-gyon jó szándékú fiatalok közt dolgozhattam, akiknek sok mindent sikerült átadnom tapasz-talataimból, jó szakmai kapcsolatokat sikerült kialakítanom a KSH megfelelő szakfőosztálya-ival, és örvendetesen szélesedtek nemzetközi kapcsolataim is.

Ezekben az időkben a KSH-ban olyan név-re tettél szert, amire büszke lehetsz. Ha minta-vételi kérdésekről volt szó, a különféle szaksta-tisztikusok egybehangzóan azt mondták: „Min-tavétel? Majd Éltető és Mihályffy megoldják!” Úgy gondolom, ez azért nagy elismerés, tekint-ve, hogy a mintavétel központi szerepet játszik a hivatal életében. Kaptál-e hivatali, illetve külső szakmai elismerést?

Válasszuk ketté a kérdést! Ami a hivatali elismeréseket illeti, azt hiszem igen. Több el-nöki dicséret mellett megkaptam a statisztikus szakma két legnagyobb kitüntetését, a Fényes Elek emlékérmet és a Keleti Károly Emlékér-

Fórum


334

met. Emellett – hiszen határterületen dolgo-zom – 2009-ben a Gazdaságmodellezési Tár-saság is megtisztelt a Krekó Béla-Díjjal.

Ami a külső szakmai elismeréseket illeti, amellett, hogy tekintélyes nemzetközi szakmai szervezetek tagjaik sorába fogadtak, az igazi elismerést a publikációs tevékenység adja meg. A vezető hazai szakfolyóiratokban (Sta-tisztikai Szemle, SZIGMA) rendszeresen publi-kálok, ám a nemzetközi publikációk sora egy kicsit rövid. Bár úgy vélem, és konferencia-előadások kapcsán ebben többször megerősí-tést is kaptam, hogy szakmailag korrekt és re-leváns dolgozatokat küldtem be nagy nemzet-közi szakfolyóiratoknak. Előfordult ugyan, hogy a bírálók nem vették a fáradságot, hogy komolyan belemerüljenek a részletekbe, ha-nem felületes benyomások alapján vonták meg a támogatást. De némi elégtételül szolgál az, hogy egyik legfrissebb dolgozatom a modelle-ző szakma legrangosabb folyóiratában, a Central European Journal of Operations Research-ben most van megjelenés alatt.

Mondanál valamit ennek témájáról, annál is inkább, mivel úgy tudom, hogy nyugdíjba vonulásod óta ezzel foglalkozol legszíveseb-ben.

Szívesen! Ez a kalibrált becslésekhez kap-csolódik. Az utóbbi években egyik kedvenc témám a kalibrált becslések alkalmazása volt. A kalibrálás lényege az, hogy az aktuális min-tára épülő becslések elkészítéséhez olyan se-gédváltozókat is figyelembe veszünk, ame-lyekre ismert teljes körű (sokasági) informáci-ók állnak rendelkezésre. Ekkor a becslés vol-taképpen egy korlátozott optimalizálási fel-adattá válik, ami közeli rokonságot mutat a programozási feladatokkal (közelebbről egy-fajta kvadratikus programozási feladattal). Mi-vel korábbi munkáim során ilyen programozá-si feladatokkal is foglalkoztam, jó volt felis-

merni a rokonságot a két, látszatra egymástól elég távol álló probléma és azok megoldása között. Erről a kapcsolatról szól az említett cikk.

Most, hogy röviden áttekintettük ezt a sike-rekkel, de buktatókkal is bővelkedő életutat, engedj meg néhány további, összefoglaló jelle-gű kérdést. Először arról, hogy miért van az, hogy ilyen nagy, széles körű tudással lényegi-leg távol maradtál a felsőoktatástól, attól, hogy átadd tudásodat és tapasztalataidat a kö-vetkező generációknak?

A szervezett oktatástól valóban távol ma-radtam, ennek oka az, hogy úgy gondolom, az egy külön, más műfaj. Ahhoz, hogy nagyobb közösséget oktatni tudjon valaki, komoly és más irányú felkészülés kell. Egész más egy-egy részterületet mélyen megismerni, és más egy egész diszciplínát rendezetten, felépítetten, didaktikusan átadni. Ehhez sem időm, sem elegendő elhivatottságom nem volt. Ez persze nem jelenti azt, hogy a szakterületemen nem oktatatom szívesen az arra érdemes fiatalokat. Szerencsére utolsó munkahelyemen erre bőven volt alkalmam, és jó érzés volt látni a fiatalok részéről a fogadókészséget is.

A másik kérdésem az, hogy kikre emlékszel szívesen hosszú pályafutásod idejéről, és kikkel nem tudtál jó kapcsolatot kialakítani?

Mindkettőből bőven kijutott. Azokkal, akik nem kellő figyelemmel, vagy nem kellő türelemmel voltak a munkám iránt, és esetleg számomra megalapozatlannak tűnő döntések-kel befolyásolták pályámat, nem szeretnék foglalkozni. Szerencsére sokan, nagyon sokan voltak olyanok, akik jó szándékkal és segítő-készséggel támogattak. Pályám utolsó szaka-szában, amikor végre megtaláltam a nekem va-ló feladatokat, nagyon sok szakmai és erkölcsi

Fórum


335

segítséget kaptam olyan széles látókörű szak-statisztikusoktól, mint amilyenek Zafír Mihály vagy Rédei Mária voltak.

Lassan a beszélgetés végére érve, szá-momra úgy tűnik, hogy hosszú törésektől és kudarcoktól sem mentes pályád utolsó éveiben találtad meg azt a feladatot és azt a környeze-tet, ahol végre szakmailag és emberileg is jól érezted magad.

Igen, és ennek betetőzése volt az a kis megemlékezés, amit volt kollégáim a 70. szü-letésnapom alkalmából rendeztek. Mi tagadás, meglepetés volt, és nagyon jól esett azt érezni, hogy így utólag is milyen sokan megbecsülik a munkámat, és talán szeretnek is.

Megtudhatunk valamit a további terveidről?

Ha igény van a munkámra, alkalmanként szívesen bekapcsolódok részfeladatok megol-dásába a hivatalban. Ugyancsak szívesen vég-zek olyan feladatokat, mint amilyen egy-egy tanulmány vagy cikk bírálata, lektorálása. Ami

pedig saját hobbimat illeti, szeretnék a kalibrá-lás és a varianciabecslés néhány nyitott, és számomra érdekes kérdésében még elméleti eredményeket elérni.

És a magánéletben?

Amennyire erőnk engedi, feleségemmel együtt megpróbáljuk kondíciónkat karban tar-tani: ezt szolgálja a rendszeres kocogás, nyá-ron pedig az evezés és a kajakozás. A lelki egyensúly megőrzését pedig rendszeres egyhá-zi összejöveteleken és rendezvényeken való részvétellel szeretném, szeretnénk biztosítani. Emellett már nagyon készülök arra, hogy kis unokám mellett mielőbb komoly nagyapai sze-repet töltsek be.

Mindehhez jó erőt és egészséget kívánok a Statisztikai Szemle Szerkesztősége és olvasói nevében is, és egyben köszönöm a beszélgetést.

Hunyadi László, a Statisztikai Szemle főszerkesztője E-mail: [email protected]

Hírek, események

Munkakörmegszűnés – kinevezés. Dr. Laczka Éva, a KSH elnökhelyettesének dön-tése alapján 2011. február 15-i hatállyal meg-szűnt Siketné Krisztik Cecília osztályvezetői munkaköre a Külkereskedelem-statisztikai főosztály Termékforgalmi adatgyűjtési osztá-lyán. Ugyanettől a naptól az Árstatisztikai főosztály Fogyasztói árstatisztikai osztályá-nak osztályvezetői munkakörét Papp Éva töl-ti be.

Dr. Németh Zsolt elnökhelyettes titkársá-gán a titkársági referensi feladatokat 2011. február 1-jei hatállyal Keszler Ágnes osztály-vezetői munkakörben látja el.

Címadományozás. Dr. Vukovich Gabriel-la, a KSH elnöke tartósan kiemelkedő munká-juk elismeréseként 2011. február 8-án a hivatal következő munkatársainak adományozott 1. szakmai főtanácsadói címet: Györki Ildikó (Statisztikai kutatási és módszertani főosztály), Nyakacska Mária (Pécsi Igazgatóság); 2. köz-igazgatási főtanácsadó címet: Lovászné Skach Edit (Szolgáltatásstatisztikai főosztály); 3. szakmai tanácsadó címet: Csapó Éva (Szolgál-tatásstatisztikai főosztály), Hilbert Lászlóné (Népszámlálási és népesedésstatisztikai főosz-tály), Kátainé Marosi Angéla (Tájékoztatási főosztály), Molnárfi Erika (Életmód-, foglal-

Fórum


336

koztatás- és oktatásstatisztikai főosztály), Né-meth Tibor (Pécsi Igazgatóság), Pachmann Zsuzsanna (Népszámlálási és népesedésstatisz-tikai főosztály), Polcsikné Jákli Katalin (Veszprémi Igazgatóság), Rikkné Benkei Rita (Debreceni Igazgatóság), Simonné Horváth Gabriella (Tájékoztatási főosztály), Szalay Árpád (Győri Igazgatóság), Székely Gáborné (Társadalmi szolgáltatások statisztikai főosz-tály), Tóth Lászlóné (Gazdálkodási és igazga-tási főosztály), Vresnyák László (Pécsi Igazga-tóság); 4. címzetes főmunkatársi címet: Incze Éva (Informatikai főosztály).

Látogatás. Dr. Vukovich Gabriella, a KSH elnöke és dr. Laczka Éva elnökhelyettes 2011. február 10-én Luxembourgban részt vett az Európai Unió Bizottsága – Európai Statisz-tikai Rendszer Bizottság nyolcadik ülésén.

„Lehetőségek a módszertan előtt” című szakmai fórumát 2011. február 2-án rendez-te meg a KSH Statisztikai kutatási és mód-szertani főosztálya a hivatal Keleti Károly-termében. Dr. Németh Zsolt, a KSH elnökhe-

lyettesének megnyitó beszéde után a főosz-tály munkatársai tartottak előadást a követke-ző témákban: A standardizálásról és a statisz-tikai standardokról (dr. Vigh Judit statisztikai tanácsadó betegsége miatt dr. Szép Katalin főosztályvezető adott elő); Standardizálás META szemmel (Ábry Csaba vezető taná-csos); Osztályozások egységes alkalmazása (Ercsey Zsófia osztályvezető); Módszertani fejlesztések a statisztikai regisztereknél (Györki Ildikó statisztikai főtanácsadó); „Mi-ért nem integrálunk éjjel-nappal?” – lehető-ségek és korlátok az adat-összekapcsolásban (Horváth Beáta osztályvezető); A validálás módszertanának standardizálási lehetőségei-ről (Csereháti Zoltán tanácsos); Gyorsabban, olcsóbban, részletesebben – kihívások a sta-tisztikai becslések előtt (dr. Telegdi László statisztikai tanácsadó); A kiadásra szánt ada-tok védelméről (Antal László gyakornok); Minőség a statisztikában (Szűcs Ildikó statisz-tikai tanácsadó); Lakossági felvételek a nép-számlálás után – mintavétel, súlyozás, becs-lés (Fraller Gergely statisztikai tanácsadó). A gyűlés moderátora dr. Szép Katalin volt.

A Nemzetközi Statisztikai Intézet (International Statistical Institute – ISI) fontosabb konferenciaajánlatai

(A teljes ajánlatlista megtalálható a http//:isi.cbs.nl/calendar honlapon.)

Antalya, Törökország. 2011. április 27. – május 1.

7. Nemzeti Statisztikai Kongresszus. (7th International Statistics Congress.)

Információ: Dr. Aysen Apaydin professzor (+90-532-4637659)

E-mail: [email protected] Honlap:

www.istkon.org/index.php?op=1&lang=en

Hersonisos, Görögország. 2011. május 8–13. Az EMR–IBS (Nemzetközi Biometriai

Társaság Kelet-mediterrán Régiójának) 6. kon-

ferenciája. (6th EMR-IBS (Eastern Mediterra-nean Region – International Biometric Soci-ety) conference.)

Információ: Dimitris Karlis ([email protected]) Honlap: www.stat-

athens.aueb.gr/~emribs/page/emr2011.html

Ljubljana, Szlovénia. 2011. május 9–11. Az ENSZ Európai Gazdasági Bizottságá-

nak statisztikai adatszerkesztési munkaülése. (UNECE (United Nations Economic Com-mission for Europe) Work Session on Statistical Data Editing.)

Fórum


337

Antalya, Törökország. 2011. május 12–15.

„Újdonságok az alkalmazott fizikában és anyagtudományban” című kongresszus. („Advances in Applied Physics and Materials Science” Congress.)

Honlap: www.apmas2011.org

Diepenbeek, Belgium. 2011. május 19–20.

Statisztikai és valószínűség-számítási új-donságokról szóló nemzetközi szimpózium. (International Symposium on Recent Advances in Statistics and Probability.)

Honlap: www.uhasselt.be/ISRASP

Limassol, Ciprus. 2011. május 26–29. „Biogyógyászat, környezetmetria, közgaz-

daságtan, pénzügy és megbízhatóság” nemzet-közi kockázatelemzési konferencia. („Biomed-icine, Environmetrics, Economics, Finance and Reliability” International Con-ference on Risk Analysis.)

Szervezők: Alex Karagrigoriou, Ciprusi Egye-tem ([email protected]); Lutz Edler, Német Rákkuta-tási Központ ([email protected]); Chrys Caroni, Athéni Nemzeti Műszaki Egyetem ([email protected])

Információ: Anna Sophokleous, TOP KINISIS ([email protected])

E-mail: [email protected] Honlap: www.ucy.ac.cy/icra4


Szakirodalom

Folyóiratszemle

Bujnowska, A. — Museux, J.-M.:

Az Európai Unió mikroadatainak elérése, ESSnet projektek a távoli hozzáférésrôl

(Release of European Union Microdata, ESS Projects on Remote Access.) – Statistical Journal of the IAOS. 2009/2010. évi 26. sz. 89–94. old.

A tanulmány letölthető: http://iospress.metapress. com/content/0jr526786366u728/fulltext.pdf

„A részletes statisztikai adatokhoz való

hozzáférési igény növekedése kétségbevonha-tatlan tény” – írja közös cikkükben Aleksandra Bujnowska és Jean-Marc Museux. Napjaink-ban, amikor a mikroadatok egyre fontosabbá válnak a kutatók számára, a statisztikai hivata-lok továbbra is főleg adatvédelmileg ellenőr-zött aggregált adatokat tartalmazó publikus táblázatokat állítanak elő. Ezek a táblázatos adatok azonban nem alkalmasak a részletekbe menő kutatások elvégzéséhez.

A kutatói igényeknek a nemzeti statisztikai hivatalok úgy tudnak megfelelni, ha hozzáférést engednek a megfelelő részletezettségű mikro-adat-állományokhoz. Az Európai Bizottság 831/2002. számú rendelete teremtette meg az eu-rópai uniós szintű mikroadatokhoz való kutatási célú hozzáférés lehetőségét. A jogszabály a hoz-záférés két módját tette lehetővé: az anonimizált mikroadatok kiadását, valamint a bizalmas mikroadatokhoz való hozzáférést ún. kutatószo-bán keresztül. A kutatói közösség a lehető leg-részletesebb adatok elérhetőségében érdekelt, azonban a földrajzi távolságok, a kutatószobai hozzáférés egyértelmű korlátot jelentenek. Fo-

kozottan így van ez az európai uniós mikroadatok esetében, hiszen egyelőre az Eurostat kutatószobájának felkereséséhez a kuta-tóknak Luxembourgba kell utazniuk. Ennek a korlátnak a feloldására kínálna megoldást egy távoli hozzáférésen alapuló rendszer, mely jelen-leg még csak tervezés alatt áll. Ez az elérési mód olyan rendszer, melynek segítségével „a kutató közvetlenül kapcsolódhat egy központi bizton-ságos szerveren tárolt adatállományhoz és a PC képernyőjén keresztül megjelenítheti azt”. Az állományon végzett elemzések során előállt vég-ső eredményeket adatvédelmi szempontú ellen-őrzésnek vetik alá. Ezeket az eredményeket a kutató csak akkor kaphatja meg, ha az ellenőr-zést végzők azokat biztonságosnak minősítik. A mikroadatokhoz való kutatási célú hozzáférés-nek azonban nem pusztán technikai vetülete van: többek között felelősségi kérdések is felvetőd-nek. A nemzeti statisztikai hivatalok felelőssége ugyanis, hogy az adatok bizalmas kezeléséről gondoskodjanak. A teljes hozzáférési folyamat szempontjából a felelősség azonban szélesebben értelmezendő: a kutatónak is felelősséget kell vállalnia az adatok kizárólag kutatási célú fel-használásáért és a felfedés elleni védelem szabá-lyainak betartásáért. A jelenleg átdolgozás alatt álló 831/2002. számú EU-rendelet a hozzáférés feltételeit is részletezi.

A szerzőpáros az adatokhoz való hozzáfé-rés módján felül (mikroadat-kiadás vagy kuta-tószobai hozzáférés) további három fő szem-pont szerint vizsgálja a kérdést: kik, milyen adatokhoz, mely kutatási projektek céljából férhetnek hozzá?

Megjegyzés. A Folyóiratszemlét a KSH Könyvtár (Lencsés Ákos) állítja össze.

Szakirodalom


339

Kik férhetnek hozzá az uniós szintű mikroadatokhoz, kik kaphatnak kutatási célú hozzáférést? Főszabályként a közösségi jog vagy valamely tagország belső joga alapján létrehozott tudományos kutatással foglalkozó szervezetek vagy intézmények, egyetemek vagy más felsőoktatási intézmények, illetve a tagállamok nemzeti statisztikai intézetei, va-lamint az Európai Központi Bank és a tagál-lamok nemzeti bankjai. Ezen túlmenően egyéb szervezetek is felkerülhetnek a hozzáférési joggal rendelkezők listájára, ehhez azonban túl kell esniük egy értékelési procedúrán, melynek során a kérdéses szervezet fő profilját és adat-védelmi szabályait is értékelik.

Milyen adatokhoz kaphatnak hozzáférést ezek a szervezetek? A jogszabály nevesítve közli az anonimizált mikroadatok formájában hozzáférhető állományok körét, amely folya-matosan bővül. Olyan átfogó felvételek adatai érhetők el, mint a munkaerő-, az innovációs, jövedelemszerkezeti, felsőoktatási, mezőgaz-dasági üzemszerkezeti stb. felmérések. Az egyes tagországokra vonatkozó adatállomá-nyokhoz a kutató csak abban az esetben férhet hozzá, ha a kérdéses tagállam jóváhagyja az Eurostat által elvégzett anonimizálási eljárást.

Mely kutatási projektek céljából lehet hoz-záférni az adatokhoz? A szerzők kiemelik, hogy csak akkor kaphat hozzáférést a kutató, ha:

– olyan intézet kutatója, amely vagy a tör-

vény által nevesített szervezetek közé tartozik, vagy felkerült a hozzáférési joggal rendelkező szervezetek listájára;

– a törvény által nevesített anonimizált ál-lományokat szeretné felhasználni kutatásához, vagy az érintett tagország hozzájárult ahhoz, hogy valamely más kért adatot az Eurostat ku-tatószobájában kutatás céljából hozzáférhetővé tegyenek;

– az anonimizált mikroadat-állományok védelme biztosított, valamint az Eurostat kuta-tószobájához való hozzáférés engedélyezett.

Az Eurostat előzetesen a kutatási cél rész-letes ismertetését kéri a kutatótól. A kérelem sikeres elbírálása után a nemzetközi szervezet értesíti a tagországokat, akiknek jóváhagyása esetén megköti a kutatási szerződést a hozzáfé-rést igénylő kutatóintézettel.

A szerzők az európai szintű adatokhoz va-ló távoli hozzáférés jövőjét illetően kiemelten részletezik az Európai Statisztikai Rendszer keretében működő, 2005 előtt Cenexként, az-óta ESSnetként ismert együttműködési hálózat vonatkozó stratégiai céljait. Mivel az ESSnetek célja, hogy az együttműködő partne-reknél meglévő tapasztalatra és szaktudásra alapozva az európai szinten felmerülő aktuális problémákra megoldást kínáljanak, így a távoli hozzáférés kérdéseire is – részben – ebben a rendszerben keresik a válaszokat. A szerzőpá-ros három projektet nevesít.

A döntően módszertani és szoftverfejlesz-tési kérdésekkel foglalkozó „The ESSnet on Statistical Disclosure Control (SDC)” (ESSnet az adatvédelemről) projekt olyan ajánlásokat fogalmaz meg a végső kutatási eredmények el-lenőrzéséhez, melyek a távoli hozzáféréshez is felhasználhatók. A távoli végrehajtáson alapu-ló PiEP-LISSY rendszerre épülő projekt szin-tén hasznos információkkal szolgálhat a kuta-tónak. A két rendszer közötti különbség abban rejlik, hogy míg a távoli hozzáférés során a ku-tató ténylegesen maga végzi az elemzést az adatokon, addig a távoli végrehajtás keretében a kutató által küldött programok alapján az eredményeket a mikroadatokért felelős szerv állítja elő. A távoli hozzáférés és távoli végre-hajtás közös jellemzője, hogy mindkét esetben megtörténik a végső kutatási eredmények adatvédelmi szempontú ellenőrzése, valamint a kutató egyik esetben sem végezhet módosítá-sokat az állományon és arról másolatot sem készíthet.

A távoli hozzáférés szempontjából kiemelt jelentőségű az EU mikroadatokhoz való köz-

Szakirodalom


340

pontosítatlan hozzáférés témájában indított „The ESSnet on Decentralized Access to EU Microdatasets” (ESSnet az EU mikroadat-állományaihoz való decentralizált hozzáférés-ről) projekt, melynek célja annak felmérése, hogy az EU-tagországok kutatószobáin keresz-tül miként válhatnak hozzáférhetővé az uniós szintű mikroadat-állományok, amelyek elérése adminisztratív szempontokon felül jogi, mód-szertani és természetesen technikai kérdések sokaságát veti fel.

Jogi oldalról a 831/2002. számú rendelet értelmében az egyes kutatási projekteket és ku-tatóintézeteket illetően az adott tagország hoz-zájárulása szükséges ahhoz, hogy az országot érintő, uniós szintű mikroadat-állomány hoz-záférhető legyen a kutató számára. A legfonto-sabb jogi problémák az engedélyezésen felül a szerződéssel kapcsolatos kérdések, valamint az adatvédelmi garanciák megsértése esetén al-kalmazható jogi szankciók.

Módszertani kérdések a hozzáféréssel kap-csolatban elsősorban a kutató által használni kívánt adatállomány előállítása, valamint a végső kutatási eredmények adatvédelmi szem-pontú ellenőrzése során merülnek fel. Uniós szinten a távoli hozzáféréssel kapcsolatban a szerzők három alapvető módszertani kérdést tartanak kiemelten fontosnak:

– Ki készíti el és bocsátja rendelkezésre a

kért adatállományokat? – Ki és hogyan ellenőrzi az eredményeket? – Mit tekintünk végső kutatási eredmény-

nek? A távoli hozzáférés technikai oldalú meg-

közelítése több, kivitelezhetőséggel és fizikai adatvédelemmel kapcsolatos kérdést vet fel. Ide tartozik többek között a kérdéses mikroadatok biztonságos szervereken vagy nemzeti statisztikai hivatalok informatikai környezetében való tárolása vagy a megfelelő

engedéllyel rendelkezők hozzáférésének bizto-sítása. A biztonság az egyik legfontosabb kö-vetelmény a rendszerrel kapcsolatban, azaz hogy kizárólag a megfelelő engedéllyel ren-delkező, azonosítható felhasználók férhesse-nek hozzá az állományokhoz.

Összefoglalásként megállapítható, hogy egyre több projekt foglalkozik a mikroadatok-hoz való kutatási célú hozzáféréssel, illetve annak módjaival. Az utóbbi időben különösen hangsúlyossá vált a távoli hozzáférés, mellyel a kutatók széles körben érhetnék el a mikroadat-állományokat. A rendszer európai uniós szintű kiépítése valódi kihívást jelent a szakértők számára, hiszen a technikai problé-mákon túlmenően jogi és módszertani kérdé-sekre is válaszokat kell találni. A fejlesztések elvégzését sürgeti, hogy – ahogy azt záró gon-dolatként a szerzők is kiemelik – a mikroadatok és így az azokhoz való távoli hozzáférés iránti igény az Európai Unió szint-jén az elkövetkező években továbbra is emel-kedni fog.

Vereczkei Zoltán, a KSH fogalmazója E-mail: [email protected]

Zherebin, V. M. — Ermakova, N. A.: A lakosság mindennapi életének informatizálása

(Informatizacija povszednyevnoj zsiznyi naszelenyija.) – Voproszi sztatisztiki. 2010. évi 10. sz. 10–19. old.

Oroszország gazdasági és társadalmi célja-

inak elérésben kiemelt szerep jut az informáci-ós és kommunikációs technológiáknak (IKT). Az ebbe а körbe tartozó eszközök és а szolgál-tatások megkönnyítik az információhoz jutást és az információcserét, ezen belül pedig két

Szakirodalom


341

fontos funkciónak tesznek eleget: egyrészt le-hetőséget teremtenek az információk igény szerinti felhasználására, másrészt új csatorná-kat nyitnak a kommunikáció és a közlés szá-mára. A szerzők tanulmányukban azt vizsgál-ják, hol tart Oroszország a kérdéses technoló-giák terjesztésében, a lakosság mennyire nyi-tott ezek használatára, illetve miként alakította át a mindennapi életet az IKT elterjedése?

Az információk elérése az interneten ke-resztül valósul meg, keresőmotorok és tájékoz-tató rendszerek segítségével, melyek a kereső-kérdés relevanciájától függő gyorsasággal, pontossággal nyújtanak eredményt. A felhasz-nálók maguk dönthetik el, melyik keresőmo-tort használják, ezért is érdekes, hogy a nyuga-ti világtól eltérően Oroszországban a Google keresője csak a harmadik helyet foglalja el. (A piaci részesedés 2009-ben a következőképpen alakult: Yandex 55,3, Rambler 16,2, Google 15,7 százalék.) Ennek oka a cirill betűs tartal-mak optimalizálizáltsága.

Az új kommunikációs csatornák legfonto-sabbjai a IP-telefonok, az ICQ-technológia, a személyes honlapok, a blogok, az azonnali üze-netküldő alkalmazások (chat), az ismeretségi hálózatok és mikroblog-szolgáltatások (twitter), nem utolsó sorban a közösségi oldalak, vala-mint a különféle fórumok, klubok. Az utóbbi években mindezek jelentősen átalakították a tár-sadalmi kapcsolatokat és az emberek életmód-ját, hiszen az internet az élet minden területét, az ország minden régióját és a társadalom majd minden szintjét áthatja. A cikk szerint az átlagos orosz, munkaképes felnőtt ma már intenzíven használja az IKT-t, legalább annyira, amennyire azt a munkája megköveteli. A gyermekeket és a fiatalokat viszont valósággal elnyeli a számító-gépes játékok sokasága, a közösségi oldalak va-rázsa, a webáruházak gazdagsága, vagyis az IKT virtuális lehetőségei. Új jelenség, hogy a nyugdíjasok is egyre többet használják a mobil-telefont, a számítógépet és az internetet. Ennek

elsődleges oka, hogy a friss nyugdíjasok már munkahelyükön is beletanultak az új technoló-giák használatába, miközben a korosztály más tagjai „családi nyomásra”, a gyermekeikkel, unokáikkal való olcsóbb és könnyebb kapcso-lattartás miatt ismerkednek meg az alapvető al-kalmazásokkal.

A szerzők az IKT hatásai közé sorolják a munkaerő jellegének megváltozását, a fo-gyasztási, a kulturális és a szabadidős magatar-tási minták, valamint az idővel való gazdálko-dás átalakulását is. Meglátásuk szerint Orosz-országban a lakosság „informatizálódása” két szakaszra bontható. Kezdetben, a kilencvenes évek utolsó harmadáig elsősorban az ipari, az irányítási, a banki és a tudományos folyamato-kat foglalta magába. Ebben az időszakban még nem volt mód arra, hogy az IKT lehetőségeit a lakosság széles tömegei a mindennapi életben használják. Az elmúlt évtizedben azonban ez a tendencia megváltozott; először a mobiltele-fon, azután a személyi számítógép, majd az in-ternet is csaknem minden orosz háztartásba bevonult. Az IKT üzleti és lakossági alkalma-zása jelentős eltéréseket mutat még ma is, az előbbi javára. Elegendő összehasonlítani a sta-tisztikai évkönyvekben is megtalálható táblá-zatokat, amelyek a vállalatok és szervezetek, valamint a családok és a magánszemélyek erre vonatkozó adatait tartalmazzák. Az utóbbi két-három évben azonban a lakosság informati-zálódása felgyorsult, miközben az üzleti szfé-ráé csak enyhén növekedett.

A családok életében a mobiltelefon már teljesen elfogadott, az eladott SIM-kártyák száma megközelítette a teljes lakosság számát. Az internetes alkalmazások közül pedig azok számítanak népszerűnek, amelyek a kommu-nikációs lehetőségeket tágítják, illetve ame-lyek ingyenesen biztosítanak olyan tartalma-kat, amelyekért korábban fizetni kellett. Az adatokból látható, hogy az összes IKT-hasz-nálatban a legnagyobb hangsúlyt az e-mail

Szakirodalom


342

kapja (29%), majd az elektronikus folyóiratok és a napilapok következnek (20,4%), ezt köve-ti az IP-telefonok használata (11,5%), a rész-vétel a közösségi oldalakon és fórumokon (9,2%), a blogok írása és olvasása (7,8%), il-letve a társkeresés (2,3%).

Szembetűnő az IKT-használat átalakulása az üzleti és hivatalos szférában. A munka informatizáltságára jellemző, hogy 2000-ben csupán 20 százalékban töltötte ki a számítógép a dolgozók munkaidejét, ezen belül 3 százalékban az internet, 2009-ben viszont már 90 és 70 szá-zalék volt ugyanez a két adat. Az IKT nemcsak a munkaeszközöket változtatta meg, hanem a munkafolyamatok jellegét és a munkatársak kapcsolatait is. Az internetes értekezletek, szimpóziumok, a prezentációk stb. lehetővé tet-ték, hogy a résztvevők úgy legyenek akár egy globális vállalat döntéshozó munkatársai, hogy el se hagyják tényleges munkahelyüket.

Egy 2003-as kutatásból kiderül, hogy a hi-vatali ranglétrán való feljebb jutás, valamint a válaszadók státusbeli önértékelése és jövőképe szoros kapcsolatban áll az IKT használatával. Azok a válaszadók, akik a társadalmi ranglét-rán magasan pozícionálták magukat 70 száza-lékban internethasználók voltak, míg a magu-kat alacsonyabban értékelőknek csupán körül-belül 25 százaléka mondta magát rendszeres internetezőnek. Ma már egyértelmű, hogy az IKT lehetőségei Oroszországban és a világban nemcsak megnövelik a pályázók esélyeit a megfelelő munkahely megtalálásában, illetve fizetés elérésében, hanem ezek előfeltételévé váltak. A fejlett országokban a legmagasabb prémiumot a számítógépes tudással rendelkező munkaerő kapja, Oroszországban 15, Francia-országban 18 százalékot. Az orosz Gazdasági Főiskola 2008-ban publikált kutatási eredmé-nyeiből kiderül, hogy a számítógépes írástudás eredményeként a szolgáltatási és kereskedelmi szektor közepesen képzett dolgozóinak fizeté-se növekedett legnagyobb mértékben (30%), a

magasabb képzettségűeknél ez a mutató kisebb volt (12-14%). Korcsoportok szerint a legna-gyobb, 14,5 százalékos emelkedés a 33 és 43 év közöttieknél volt tapasztalható, a 45 év fe-lettieknél 12,8, a fiataloknál pedig 8,9 százalé-kot növekedett a munkabér. Ez az adat arról is árulkodik, hogy Oroszországban a középfokú oktatás és képzés nem felel meg a modern kor követelményeinek.

A IKT és a munkafeltételek kapcsolatát jól mutatja a távmunka elterjedése. A munkahely átalakul a dolgozók tevékenységének koordi-nációs központjává, és nem az iroda, hanem az otthon lesz a munkavégzés helyszíne. A „teleworking” fogalma ugyan már a hetvenes években létezett, de csak az internet elterjedé-sével vált valós opcióvá. Ma már jól látszik, hogy a távolsági elv számos előnyt rejt a mun-kaadók és a munkavállalók számára egyaránt: kiküszöbölhetők a közlekedési problémák, va-lamint nő a munka termelékenysége. Ugyan-akkor az elemzők aláhúzzák, hogy a munkakö-rülmények efféle megváltozása könnyen a munkaidő növekedéséhez, az pedig túlterhelt-séghez vezethet.

A 2002-ben és 2007-ben Oroszországban folytatott vizsgálatok szerint az otthon foglal-koztatottak száma csak lassan nőtt, és csak a munkaerőpiac kis szeletét fedte le. Az orosz tanácsadó cég, az Axes Management 2010-es adatai szerint azonban az orosz cégek 15 szá-zaléka már bevezette a részleges foglalkozta-tást. A fő motiváció az irodabérlet csökkentése (Moszkvában egy négyzetméter „B” osztályú iroda bérleti díja 300-600 dollár évente, és a törvények szerint egy dolgozónak minimum négy négyzetmétert kell biztosítani).

A szerzők ezeken túl a marketingtechnikák átalakulását és a vásárlási szokások változását mutatják be. Oroszországban ma már minden szolgáltató igyekszik az interneten is megje-lenni és releváns információkat közölni a ter-mékeiről, azonban még ma is a készpénzes

Szakirodalom


343

forgalom dominál, de lassan elfogadottá válik a bankkártyás és a mobiltelefon segítségével történő fizetés is. Előbbi 2009-ben 285,2 milli-árd rubelt tett ki, utóbbi 1,4 milliárdot. Össze-hasonlítva a 2008-as adatokkal, a növekedés 218,2 százalékos. A készpénzkímélő fizetés továbbfejlődésének fő akadálya ma már nem technikai, hanem pszichológiai jellegű: féle-lem az új technológiák elsajátításától és bizal-matlanság ezekkel szemben. Külföldi tapaszta-latok alapján azonban kijelenthető, hogy ez rövid időn belül változni fog, az internetkeres-kedelem még az alacsonyabban képzett lakos-ságot is meg fogja hódítani.

Figyelemre méltó az ún „okos házak” nép-szerűsége. Azt a lakást nevezik így, amelyik re-agál az emberi jelenlétre (például az automati-kus klíma segítségével), ahol minden szórakoz-tató technikai elemet (zene, film, fotó) egy szer-veren lehet tárolni, és minden helyiségben egy irányítópult segítségével vezérelni. A rendszer része a biztonságtechnika is, beleértve a gyer-mekeket és az idős embereket őrző berendezé-seket. A személyes azonosítást követelő számí-tógépes rendszerek, a wifi és más távoli elérést biztosító eszközök széles spektruma áll ma már rendelkezésre. Az „okos ház” ára az utóbbi években egyre elérhetőbbé válik a közepes jö-vedelműek számára is. A bevezetés költsége mintegy 200-400 dollár négyzetméterenként.

A cikkben végül olvashatunk az internet-nek az orosz családok kulturális életére gyako-rolt hatásáról. A 2007-es adatok szerint a megkérdezett családok 35 százalékában csök-kent az újság- és folyóirat-olvasásra, 16,9 szá-zalékában a szépirodalomra, 20,2 százalékában a mozira, valamint 16,9 százalékában a szín-házra fordított idő; csupán 10,1 százalékában erősödött a szépirodalom iránti érdeklődés, a mozi és színház-látogatottság pedig 8,9 száza-lékában nőtt. Ez azt is jelenti, hogy az elit-, a nemzeti és a tömegkultúra mellett létjogosult-ságot nyert az információs kultúra. A cikk sze-

rint ezek az elemek a „matrjoska-elv” szerint rendeződnek: információs, képernyő-, számí-tógépes és internetkultúra. 2009-es adatok alapján Oroszországban az internethasználók átlag egy órával töltenek kevesebbet a tévé előtt, mint internetet nem használó társaik. Moszkvában és a nagyvárosokban a különbség még nagyobb.

Az ITK terjedése tehát a társadalom minden rétegét érinti, és az élet minden területét átala-kítja Oroszországban is. A kisgyermekektől a nyugdíjasokig, a fővárostól a faluig, a bankel-nöktől a munkásig mindenki kapcsolatba kerül vele és hatásával. Munkahelyi és családi kap-csolataiba, vásárlási, ismerkedési, szórakozási szokásaiba is változást hoz, és a pozitív fejle-mények mellett a negatívokat is elszenvedi. A számok azt mutatják, hogy a tendencia csak erősödik, és a társadalom informatizáltsága ma már ott tart, hogy aki kimarad belőle, az többet veszít, mint amennyit nyerhet.

Bedecs Éva,

a KSH Könyvtár tájékoztató könyvtárosa E-mail: [email protected]

Lefebure, S. — Rabau, M. — Van Camp, G. — Vleminckx, K.: A megfelelô, biztonságos és fenntartható európai nyugdíjrendszer információi

(Assuring Adequate Pensions for all European Citizens.) – Federal Public Service Social Security. Brüsszel. 2010. 1–30. old.

A tanulmány letölthető: http://www.socialsecurity.fgov.be/eu/docs/agenda/06-08_09_10_BP_pensions_en.pdf

2010 szeptemberében Belgium, mint az

Európai Unió soros elnöke szakértői konferen-ciát szervezett, „Assuring Adequate Pensions for all European Citizens” címmel. A kiadott

Szakirodalom


344

háttértanulmány az európai nyugdíjrendszerek reformintézkedéseinek lényeges jellemzőit is-merteti, és utal a tárgykör korábbi vizsgálatai-nak eredményeire, felhasználja a tagállamok nyugdíjrendszereinek elemzéseit. A szerzők bemutatják az Európai Bizottság (EB) 2010 jú-liusában kiadott ún. Zöld Könyvének („Zöld Könyv a megfelelő, fenntartható és bizton-ságos európai nyugdíjrendszerek felé”) fonto-sabb téziseit,1 melynek tárgyalása a magyar EU-elnökség időszakában várható.

Az Európai Parlament (EP) plenáris ülésé-nek dokumentumát a Foglalkoztatási és Szoci-ális Ügyek Bizottsága (Committee on Employment and Social Affairs) terjeszti elő. Az EP bizottságai alakítják ki állásfoglalásai-kat a nyugdíjreformról, annak koordinációjá-ról. A nemzetközi összehasonlítás nyugdíjada-tainak forrása az ún. közös jelentés (Joint Re-port on Pensions: Progress and Key Chal-lenges in the Delivery of Adequate and Sus-tainable Pensions in Europe; Közös jelentés a nyugdíjakról: a megfelelő és fenntartható nyugdíjellátással kapcsolatos előrehaladás és kulcsfontosságú kihívások Európában).

Az EB a következőkkel jellemzi a Zöld Könyv statisztika összefüggéseit:

„2.9. Statisztika A nyugdíj statisztikai munkái az Európai

Unió sok testületét érintik. A Szociális Véde-lem Bizottsága (Social Protection Committee – SPC) Indikátor Alcsoportjának (Indicator Sub-Group – ISG) rendeltetése, hogy adatokat gyűjtsön a nyugdíjrendszer vonatkozási köré-ről és a járulékok alakulásáról.

A statisztikai hivatalok az Eurostat koordi-nálásával szolgáltatnak adatot például a szo-ciális védelemről (ESSPROS; Európai Szociá-lis Védelmi Statisztikai Rendszer), a rendelke-

1 http://eur-lex.europa.eu/LexUriServ/LexUriServ.

do?uri=CELEX:52010DC0365:EN:NOT

zésre álló jövedelemről (EU-SILC), a nyugdíj-alapokról (structural business statistics – SBS; vállalkozások szerkezeti statisztikái).

Az Európai Központi Bank (European Central Bank – ECB) a biztosítók, nyugdíj-alapok eszközeinek, kötelezettségeinek statisz-tikáit gyűjti az állományokról és a folyamatok-ról.

A pénzügyi stabilitással összefüggő adatok címzettje az Európai Rendszerkockázati Testü-let (European Systemic Risk Board – ESRB) lesz.”

A Zöld Könyv 4. fejezete, „Az EU nyug-

díjstatisztikájának javítása” címmel a követke-ző fontosabb megállapításokat tartalmazza: „A nyugdíjrendszerek különböző nemzeti és uniós forrásokból rendelkezésre álló adatainak egy-szerűsítésére lenne szükség, amely révén lehe-tővé válna az adatok jobb összehasonlíthatósá-ga, valamint jelentős költségmegtakarítást eredményezne. A meglevő nemzetközi (OECD) munkákra és az Unió különféle kez-deményezéseire építhető európai uniós nyug-díjstatisztikára vonatkozó módszertan kidolgo-zása elősegítené a közös irányvonalak, a sza-bályozás kihívásainak értékelését.

A nyugdíjalapok fontos intézményi befek-tetők, az alapok befektetői magatartása hatás-sal lehet a pénzügyi stabilitásra. Az EU polgá-rai számára előnyös lenne, ha különböző forrá-sokból pontos statisztikai adatok állnának ren-delkezésükre a nyugdíjjövedelmükről.

A nyugdíjasok mind jelentősebb fogyasz-tói csoportot fognak képezni, így a vállalatok számára is előnyösnek bizonyulna, ha megbíz-ható, időszerű adatokhoz lenne hozzáférésük a teljes rendelkezésre álló jövedelemről.

Az előbbiek mellett szükséges lenne erősí-teni az implicit kötelezettségek nyomon köve-tését annak érdekében, hogy a rejtett kötele-zettségek hatásait felmérhessék, mind a kor-mányzati, mind a magánszektor által működte-

Szakirodalom


345

tett nyugdíjrendszerek költségvetéseinek fenn-tarthatóságára.”

A szakértők már a hetvenes évek végén je-lezték az elemzések igényét, kiemelve az eu-rópai nyugdíjrendszerek várható ellentmondá-sait. Felhívták a figyelmet például a munka-erőhelyzet alakulására, a családszerkezet vál-tozásaira, a demográfiai folyamatokra és a gazdaság globálissá válásának várható hatásai-ra. A nyugdíjrendszerek reformjára az OECD (1988), valamint a Világbank (1994) átfogó vizsgálatai alapján készültek ajánlások. Amennyiben a nyugdíjreform nem valósul meg, egyre nagyobb részt kell fordítani az EU tagállamainak költségvetéséből a nyugdíjrend-szerre, valamint az idősek ellátására.

A megvalósítási lehetőség elemzései utal-nak azokra a tartós tendenciákra, amelyek a kialakult nyugdíjpolitika változtatását indokol-ják. Ilyen tényező például a lakosság várható élettartamának növekedése, a születési ráták csökkenése és az, hogy az 1945 és 1965 között születettek népes korcsoportja a közeljövőben éri el a nyugdíjas kort. Ebből következik, hogy az eltartottsági ráták fokozatosan nőnek, mind több lesz a nyugdíjas, és a korábbiaknál hosz-szabb ideig kaphatnak nyugdíjjáradékot, amelynek fedezetét mind kevesebb aktív korú hozza létre. A reformjavaslat egyik lényeges eleme, hogy egykor a nyugdíjjárulék fizetésé-nek kötelezettsége a férfiak csaknem teljes és határozatlan időre szóló foglalkoztatására épült. Az évtizedek során a helyzet módosult, a munkaerőpiac sokféle rugalmas foglalkozta-tási formát alkalmaz (például részmunkaidős, illetve határozott idejű munkaviszonnyal, kü-lönösen a nők körében).

A tanulmány visszatekint azokra a kezde-ményezésekre, amelyek az európai szociálpoli-tika összehangolását célozták. Ezek a törekvé-sek összekapcsolódnak a nemzetgazdaság álta-lános feltételeivel, különös tekintettel az euróövezet tagállamai gazdaságpolitikájának

összehangolására a kilencvenes évek végétől. Az EU két testülete (Economic Policy Committee – EPC, Gazdaságpolitikai Bizott-ság; Working Group on Ageing Populations and Sustainability – AWG, az Öregedő Népes-séggel és a Fenntarthatósággal Foglalkozó Munkacsoport) megvizsgálta az idősödő társa-dalom, valamint a közpénzek fenntarthatósága közötti hosszabb távú összefüggéseket.

Az EU Tanácsának 2000. évi lisszaboni, illetve 2001. évi stockholmi határozatai meg-erősítették, hogy hosszabb távon fenntartható pálya szükséges a kormányzat pénzügyeiben, figyelembe véve a demográfiai folyamatokat is. Az EU stratégiájában ennek megfelelően a foglalkoztatási ráta és a termelékenység növe-lése, valamint a kiemelt jóléti rendszerek (egészségügyi, szociális és nyugdíjellátás) re-formjának szükségessége szerepel.

A szerzők ismertetik azokat a dokumen-tumokat, amelyek a közelmúltban jelentek meg a nyugdíjrendszerek nemzetközi összeha-sonlításaival. Az EU bizottságai áttekintették az 1995 és 2010 közötti időszak nyugdíjre-formjainak helyzetét, különös tekintettel a vál-ság hatásaira. A Közös Jelentés (EPC–SPC Joint Report on Pensions) szerint fejlődés ta-pasztalható a tagállamok nyugdíjrendszerei-ben, az idősebb korosztályok jövedelemhely-zetében. A nyugdíjellátás közpénzből fedezett részének jövőben várható növekedése korláto-zottabb, a reform elősegíti a fenntartható jára-dékfizetést. Ugyanakkor további feladat a tár-sadalom kis jövedelmű, idős csoportjainak megfelelő ellátása. A tanulmány bemutatja a tagállamok nyugdíjpénztárainak reagálását a válságra, a növekvő finanszírozási kockáza-tokra, az állami költségvetés helyzetére, a munkaerő-piaci folyamatokra. Az EU testüle-tei, ezen belül a soros elnökségek foglalkoznak a Közös Jelentés következtetéseivel.

A Zöld Könyv nemzetközi konzultációra bocsátott célrendszere a következő:

Szakirodalom


346

„– A nyugdíjas megfelelő jövedelmét a hosszabb távon fenntartható, biztos nyugdíj-rendszerek adják.

– Helyes egyensúly alakuljon ki a munká-ban és a nyugdíjasként töltött időszakok kö-zött, ehhez hosszabb aktív élet tartozzék.

– Ne legyen annak akadálya, hogy az em-berek az EU különböző országaiban dolgozza-nak, illetve működjön a nyugdíjtermékek belső piaca.

– Rövid és hosszabb távon legyenek bizto-sabbak a nyugdíjak, okulva a legutóbbi gazda-sági válságból.

– A biztonságos nyugdíj legyen átlátha-tóbb, ennek révén az emberek a nyugdíjas jö-vedelmeikről kellő információk alapján dönt-hessenek.”

A Zöld Könyv konzultációs folyamata

2010. november 15-én lezárult. Az Európai Bizottság (EB) konzultációs kérdései a tovább-lépés módjaira irányulnak. A szerzők köze-lebbről is elemzik a megfelelő nyugdíj fogal-mát, hivatkozva az EB kérdésére: „Miként tá-mogathatja az EU a tagállamok erőfeszítéseit a nyugdíjrendszer jobb megfelelőségére? Keres-sen az EU jobb meghatározást a megfelelő nyugdíjjövedelemre?”

A szakmai konzultációk másik alapkérdé-se annak meghatározása, hogyan értékelhető a társadalombiztosítási és magánnyugdíj-rend-szerek fenntarthatósága. A nyugdíjrend-szer több szakpolitikához kapcsolódik, így azok integrált intézkedése szükséges, hogy szinergia érvényesülhessen a nyugdíjrendsze-rek gazdasági, pénzügyi, piaci, szabályozási és társadalmi összefüggéseiben. A szerzők ilyen alapkérdésként említik a munkában töl-tött évek meghosszabbíthatóságát; a nyugdí-jak kezelését, mobilitását az EU belső piacán; az európai jogszabályokban nem szabályozott nyugdíjügyeket; a nyugdíjalapok tartós (jö-vőben elvárható) fizetőképességét; a munka-

adók fizetésképtelenné válása miatti kockáza-tokat.

A nyugdíjrendszer alaptényezői össze-függnek az EU (sok esetben informális) ta-nácskozási, döntési, irányítási jogosítványai-val, intézkedéseivel. A görög, a holland, a lett, a portugál, a spanyol és a szlovén kormány a nyugdíjért felelős vezetőjével képviseltette magát a Zöld Könyv itt kifejtett téziseinek 2010. szeptember 7-i vitájában. A konzultáció háttértanulmánya bemutatja a nyugdíjrendsze-rek nemzetközi összehasonlításához ajánlott statisztikai indikátorokat. Példaként szerepel-nek a dán és holland nyugdíjszerű ellátások, e két országban minden 65 éves és annál idő-sebb polgárnak joga van az első pillér járadé-kaira. A minimális időskori ellátás más orszá-gokban (például az észt, a lett, a svéd és a cip-rusi nyugdíjrendszerben) feltételekhez kötött, de nem függ más jövedelemforrásoktól.

Az EB konzultációs kérdésében említett megfelelőség meghatározása támpontként fi-gyelembe veheti a gyakorlatban alkalmazott nemzeti minimális nyugdíjszerű jövedelmek szintjeit. A jól meghatározott mérési elv előse-gítheti a szociális teljesítményindikátorok fej-lesztését is, javíthatja az értékelés eszközeit az európai nyugdíjrendszerek összehasonlítására. Az ajánlott indikátorok a következők:2

– a nyugdíjak elméleti keresethelyettesítő

aránya (theoretical replacement rate of pensions – TRR);

– egyenértékű mediánjövedelmek két kor-csoportra számított aránya: a 65 éves és annál idősebb népesség jövedelme a 0–64 éveseké-hez mérten;

2 A magyarországi indikátorok forrása: A sze-

génység és a társadalmi kirekesztődés (Laekeni indi-kátorok, 2009). Statisztikai Tükör. 2010. október 13. Központi Statisztikai Hivatal. Budapest. http://portal.ksh.hu/pls/ksh/docs/hun/xftp/idoszaki/laekindikator/laekindikator09.pdf

Szakirodalom


347

– egyenértékű mediánjövedelmek két kor-csoportra számított aránya: a 65–74 éves né-pesség indikátora az 50–59 évesek munkajö-vedelméhez mérten (az egyéb szociális ellátá-sok nélkül);

– a 65 éves és annál idősebb népesség sze-génységi kockázata;

– korcsoportok szegénységi rése, azaz a szegénységi küszöb eltérése az egyenértékű mediánjövedelemtől, százalékban mérve (a 65+ és a 75+ korcsoportok szegénységi küszöbe);

– nyugdíjminimum a szegénységi küszöb százalékában;

– a 65 éves és annál idősebb népesség sze-génységi kockázata, a lakhatási helyzetnek megfelelően;

– az idős korcsoportok jövedelemegyenlőt-lensége (az S80/S20 arány).

A szerzők áttekintik az időskori szegénység megelőzésének feladatait, a helyzetfelmérés ajánlott módszerét, és a nemzetközi összehason-lítás fontosabb megállapításait az EU-SILC 2008. évi eredményeit felhasználva. A statiszti-kai mutatók segítik a „megfelelő nyugdíj” meg-határozását, bár az időskori szegénység megelő-zése nem kizárólag a nyugdíjellátás feladata.

A háttértanulmány megnevezi azokat a nemzeti szimulációs eljárásokat, amelyeket a nyugdíjrendszer fenntarthatóságának vizsgálatá-ra alkalmaznak. A modell szerinti feltételezések a hagyományos társadalombiztosítási rendsze-rek (első pillér), valamint a második pillér jel-lemzőit veszik figyelembe.

Nádudvari Zoltán, a KSH ny. főtanácsosa E-mail: [email protected]

Kiadók ajánlata

MCCANDLESS, D. [2011]: Az információ gyönyörű. Typotex Elektronikus Kiadó. Buda-pest.

Egyedülálló könyv, amely új nézőpontból tekint a modern információs korszakra. Annak megértésében segíti az olvasókat, hogy mi ér-telme van a számtalan statisztikának és véletlen-szerű ténynek, melyekkel folyamatosan bom-báznak bennünket. A szerző grafikonok, tábláza-tok és illusztrációk segítségével kreatívan jeleníti meg világunk meglepő kapcsolatait és lenyűgö-ző adatait, amelyek feltérképezik a Földet.

MADSEN, B. [2011]: Statistics for Non-

Statisticians. (Statisztika nem statisztikusok számára.) Springer. New York.

A könyv azoknak íródott, akiknek ismer-niük kell az adatgyűjtés, -elemzés és -bemuta-tás mikéntjét. Egyéni tanulásra vagy az olvasó statisztikai ismereteinek felfrissítésére szolgál,

az általános statisztika órák kiegészítő olvas-mánya lehet. Újszerű mind a témaválasztás, mind a bemutatás tekintetében.

A témák a gyakorlati statisztikai munká-hoz leghasznosabb dolgokat ölelik fel: még a gyakorlott statisztikusok is találnak közöttük új kérdéseket vagy a hagyományos tárgykörök újszerű megközelítéseit.

A bemutatás a lehető legkevésbé matema-tikai. Képletek csak akkor szerepelnek, ha azok a számításokhoz és/vagy az olvasói meg-értéshez szükségesek. A könyv egészében va-lós példaként egy mintavételes felmérés kerül kifejtésre számos más további példa mellett, melyek szintén egy kiegészítő honlap adat-munkafüzeteit használják.

WELFENS, P. J. J. – RYAN, C. (EDS.) [2011]:

Financial Market Integration and Growth. (Pénzügypiaci integráció és növekedés.) Sprin-ger. New York.

Szakirodalom


348

A pénzügyi tőke függetlenül attól, hogy közvetítése a pénzügyi piacon vagy külföldi működőtőke-befektetéseken keresztül történik, kulcsfontosságú tényező az európai gazdasági növekedésben. A kötet az európai és a globális pénzügyi integráció közötti kapcsolatot vizs-gálja, illetve a monetáris szektor és Európa re-álgazdaságának dinamikáját elemzi. A vizsgá-lat az európai pénzügyi piacok elméleti és em-pirikus dinamikájára fókuszál, bár fontos in-tézményi fejlesztésekről szóló regionális eset-tanulmányokat és külföldi működőtőke-befek-tetésekkel kapcsolatos tanulságokat is bemutat. Számos megállapítás Közép-, Kelet- és Nyu-gat-Európára, valamint az EU partnerországai-ra vonatkozik. Fontos megemlíteni, hogy az elemzés új megközelítéseket és a transzatlanti bankválság megoldására szolgáló lehetősége-ket is tartalmaz, illetve szakpolitikai újításokat javasol az ingatag pénzügyi piacokkal rendel-kező világ számára.

LEVINSON, W. A. [2011]: Statistical

Process for Real-World Applications. (Statisz-tikai folyamat a valódi alkalmazásokban.) CRC Press. London.

A normális vagy haranggörbe eloszlás sokkal általánosabb a statisztikai tankönyvek-ben mint a gyárakban, ahol a folyamatok nemnormális és gyakran erősen aszimmetrikus eloszlásokat követnek. A könyv ezen nem-normális alkalmazások tudományos kezelésé-nek mikéntjét mutatja be, illetve elmagyarázza a módszertant a szállítók és a vevők számára.

Rávilágít arra, milyen hátulütőkkel jár normalitást feltételezni minden folyamat ese-tén, leírja a normalitásfeltevés vizsgálatának módját és azokat az eseteket, amikor nagy va-lószínűséggel nemnormális eloszlások érvé-nyesek. Bemutatja azon valós folyamatok ke-zelésének mikéntjét is, melyek nem követik a hagyományos tankönyvek feltevéseit. Emellett elmagyarázza, hogyan tűzzünk reális ellenőr-

zési korlátokat és számoljunk fontos folyamat-alkalmassági indexeket nemnormális alkalma-zások esetén. A kötet foglalkozik a többválto-zós rendszerekkel, a beágyazott variációs for-rásokkal és a nemnormális eloszlásokkal kap-csolatos folyamatteljesítmény-indexekkel is.

Minitab, StatGraphics Centurion és MathCAF példákat ugyancsak felölel, a mun-kafüzetek használatával vizuális jelzést adva a felhasználónak kezelhetetlen feltétel fennállása esetén. A mellékelt lemez Visual Basic for Applications funkciókat biztosít ahhoz, hogy a lehetőségekhez képest leginkább rutinszerűvé tegyünk olyan feladatokat, mint az eloszlásil-lesztés és illeszkedésvizsgálat. A kötet bemu-tatja, hogy kell használható ellenőrző dia-grammokat összeállítani és a folyamatteljesít-mény-indexekről olyan jelentést készíteni, me-lyek ténylegesen tükrözik a folyamat lehetősé-geit a minőség elérése érdekében.

BERRIDGE, D. M. – CROUCHLEY, R. [2011]:

Multivariate Generalized Linear Mixed Models Using R. (Többváltozós általánosított lineáris vegyes modellek az R használatával.) CRC Press. London.

A kötet robusztus, módszertanilag megfe-lelő modelleket mutat be nagy és összetett adatállományok elemzésére, képessé téve ez-zel az olvasókat az egyre komplexebb kutatási kérdések megválaszolására. A modellezési alapelveket panel- és más, ez utóbbival össze-függő tanulmányok longitudinális adataira vo-natkozóan alkalmazza R-ben, a Sabre szoft-vercsomagon keresztül.

A szerzők először az általánosított lineá-ris modellek családjának tagjait tárgyalják, fokozatosan egyre bonyolultabbá téve a mo-dellezési keretet a véletlen hatások felölelé-sével. Az általánosított lineáris modell fo-galmának áttekintése után számos véletlen hatás modellt mutatnak be, beleértve a há-romszintű, a többváltozós, a végpont-, az

Szakirodalom


349

eseménytörténet- és az állapotfüggőségi mo-delleket is. Ezek a többváltozós általánosított lineáris vegyes modelleket standard vagy adaptív Gauss-féle kvadratúra alkalmazásával becslik. A szerzők összehasonlítják a kétszin-

tű állandó és véletlen hatású lineáris model-leket is. A függelékek pedig további informá-ciókat tartalmaznak a kvadratúráról, a mo-dellbecslésről és a belső változókról SabreR parancsokkal és példákkal együtt.

Társfolyóiratok

A FRANCIA GAZDASÁGI ÉS PÉNZÜGYMI-

NISZTÉRIUM, VALAMINT A STATISZTIKAI ÉS GAZDASÁGKUTATÓ INTÉZET FOLYÓIRATA

2010. ÉVI 433–434. SZÁM

Duru-Bellat, M. – Kieffer, A. – Reimer, D.: Egyenlőtlen hozzáférés a felsőoktatáshoz – a specializáció szerepe. Nyugat-Németország és Franciaország helyzetének összehasonlítása.

Aeberhardt, R. et al.: A bevándorlók gyermekeinek foglalkoztatása és keresete.

Couppié, T. – Moullet, S.: Lakóhely és ke-resetkülönbségek a hátrányos városi körzetek-ben élő fiatalok esetében.

Clerc, M. – Coudin, É.: A fogyasztói árin-dex, mint a megélhetési költség változásának indikátora Franciaországban. Elemzés Engel-görbék segítségével.

A SVÉD KÖZPONTI STATISZTIKAI HIVATAL

FOLYÓIRATA

2010. ÉVI 4. SZÁM

Valliant, R. – Rust, K. F.: Szabadságfokok becslése és az ökölszabályok.

Félix-Medina, M. – Monjardin, P. E.: A link-tracing és a csoportos mintavétel össze-

kapcsolása a rejtett népességek számának becsléséhez.

Peytchev, A. et al.: Az adatszolgáltatók de-finícióhasználata online alapú adatfelvételek-ben.

Benedetti, R. – Bee, M. – Espa, G.: Kü-szöbértékes mintavételek keretrendszere üzleti adatfelvételek tervezésében.

Grim, J. et al.: A 2001. évi Cseh Nép-számlálás statisztikai modelljének interaktív bemutatása.

Khan, M. G. M. – Maiti, T. – Ahsan, M. J.: Optimális többváltozós rétegzett mintavételi terv kiegészítő információk használatával.

AZ ANGOL KIRÁLYI STATISZTIKAI TÁRSASÁG FOLYÓIRATA

(A SOROZAT)

2010. ÉVI 1. SZÁM

Shuttleworth, I. G. – Lloyd, C. D. – Martin, D. J.: A népszámlálási körzetbeosztások válto-zásának hatásai a lakóhelyi szegregáció kutatá-sában: Észak-Írország példája, 1991–2001.

Brunsdon, C. et al.: A felsőoktatásban való részvétel előrejelzése: a geodemográfiai osztá-lyozások összehasonlító értékelése.

Jenkins, S. P. et al.: Egyenlőtlenségek méré-se cenzorált adatokkal – becslések és következ-tetések többszörös imputációs megközelítése.

Szakirodalom


350

Manzi, G. et al.: Torzításmodellezés kom-binált adatfelvételekből származó kisterületi gyakorisági becslések összekapcsolásában.

O’Brien, C.: A korai statisztikai társaságok megalakulása és megalkotói – Liverpool és Manchester.

Goldstein, H.: A kutatási teljesítmény becs-lése kutatási támogatások odaítélésénél használt osztályozások alapján.

Costa-Font, J. – Gemmill, M. – Rubert, G.: Torzítások az egészségügyi luxuscikkek elméle-tében – metaregressziós elemzés.

Lee, D. – Ferguson, C. – Scott, E. M.: Rep-rezentatív levegőminőségi mutatók kidolgozása.

Andrews, M. – Clark, K. – Whittaker, W.: A területi vándorlás meghatározó tényezői Nagy-Britanniában: időtartam-megközelítés.

Faes, C. et al.: Állatállományok százalékos arányának becslése aggregált tesztek segítségé-vel.

Balia, S. – Jones, A. M.: A rossz szokás raga-dós – egyenlőtlen esélyek vizsgálata a dohány-zással összefüggő halálozások vonatkozásában.

Frijters, P. et al.: A gyermekek passzív do-hányzás okozta egészségkárosodásának meny-nyiségi meghatározása – kotininmintákból szár-mazó adatok.

Tibshirani, R. J. – Price, A. – Taylor, J.: Hogyan dob célba a statisztikus?

Nekrológok: P. G. Moore, David Harold Blackwell, Gopal K. Kanji, Andrew Samuel Christopher Ehrenberg, John Arthur Bound.

AZ EGYESÜLT ÁLLAMOK MATEMATIKAI STATISZTIKAI INTÉZETÉNEK

FOLYÓIRATA

2010. ÉVI 3. SZÁM

Shmueli, G.: Megmagyarázni vagy előre jelezni?

Aldous, D. J. – Shun, J.: Összekapcsolt térbeli hálózatok véletlen pontokkal és egy út-vonalhossz-statisztika.

Zhou, H. – Lange, K. – Suchard, M. A.: Grafikus feldolgozó egységek és többdimenzi-ós optimalizálás.

Molenberghs, G. et al.: Az általánosított lineáris modellek egy családja ismételt méré-sek esetén, normális és konjugált véletlen ha-tások mellett.

Ebrahimi, N. – Soofi, E. S. – Soyer, R.: A paraméterrel és előrejelzéssel kapcsolatos min-tainformációkról.

Didelez, V. – Kreiner, S. – Keiding, N.: Következtetési célú grafikus modellek alkal-mazása kimenetfüggő mintavétel esetén.

Bar, H. et al.: Laplace-féle közelített EM mikrotömbelemzés (LEMMA) – empirikus bayesi megközelítés összehasonlító mikro-tömb-kísérleteknél.

Peña, D. – Tsay, R. S.: Beszélgetés George C. Tiao-val.

AZ OROSZ ÁLLAMI STATISZTIKAI BIZOTTSÁG FOLYÓIRATA

2010. ÉVI 11. SZÁM

Pashintseva, N. I.: Gyakorlati javaslatok a hivatalos statisztikai alapelvek megvalósítására.

Bizottsági jelentés a gazdasági teljesít-ményről és a társadalmi haladásról.

Zherebin, V. M.: Gazdaságpolitika és a la-kosság nagy részének érdeke.

Krasnova, O. M. – Kundakchyan, R. M.: A középosztály gazdasági magatartásának sajá-tosságai a Tatár Köztársaságban.

Kolosnitsyna, M. G. – Vladimirskaya, E. N.: Javadalmazási reform az állami szektorban (esettanulmány: három régió egészségügyi in-tézményei).

Szakirodalom


351

Ovcharov, A. O.: Szálláshelyek statisztikai elemzése az idegenforgalmi mutatók rendsze-rében.

A turizmusstatisztika nemzeti rendszeré-nek fejlesztése: problémák és megoldásaik – területi szeminárium.

Solomko, T. V. – Bogoslovskaya, S. S.: Alapelméletek a regionális gazdasági fejlődés becslésére.

Donskaya, Z. N. – Ovsyannikova, I. I.: Az angarai terület termelése a globális pénzügyi válság időszakában.

Tskhovrebov, M. P.: A pénzkínálat számí-tásának problematikája.

Tikhonova, T. G. – Ivanova, E. Y.: Az üz-leti tevékenység hatása a környezetre a vologdai területen.

Lobanova, M. A.: A pénzkereslet mérése. Zimina, N. E.: A rosstati északnyugati szö-

vetségi körzeti statisztikai hivatal vezetőiből álló regionális tanács ülése.

Kutina, E. A.: A rosstati uráli szövetségi körzeti statisztikai hivatal vezetőiből álló regi-onális tanács ülése.

A LENGYEL STATISZTIKAI FŐHIVATAL FOLYÓIRATA

2010. ÉVI 10. SZÁM

Białek, J.: Általánosított aggregált mutatók. Bednarski, P.: Statisztikai adatfelvételek a

humán tőkéről. Zych, A.: Építőipari vállalatok bevételének

meghatározása. Radziukiewicz, M.: Társadalmi egyenlőt-

lenség és kirekesztés Lengyelországban. Maleszyk, E.: Kereskedelmi célú befekte-

tések a gazdasági átalakulás során.

Markowicz, I.: A munkavállalók elégedett-ségének feltérképezése a munkában eltöltött évek alapján.

Sarama, M.: Fejlődésbeli különbségek az EU információs társadalmai között.

Lengyelország szocioökonómiai helyzete, 2010. augusztus.

Nekrológ: Zofia Zarzycka (1925–2010).

2010. ÉVI 11. SZÁM

Tarka, P.: A bizonytalan körülmények kö-zötti döntéshozatal statisztikai modellezése.

Nyczaj, K.: Adminisztratív nyilvántartások, mint statisztikai források.

Timofiejuk, I.: Reáljövedelem 2009-ben. Kwasek, M.: Élelmiszerfogyasztási model-

lek becslése a Ward-eljárás segítségével. Majdzińska, A.: A demográfiai helyzet

sokszínűsége Lengyelországban. Bogacka, E.: Az európai országok bűnügyi

statisztikáinak összehasonlíthatósága. Piekut, M.: Innováció a lengyel gazdaság-

ban. Lengyelország szocioökonómiai helyzete,

2010 első három negyedéve.

2010. ÉVI 12. SZÁM

Marczuk, I.: Hivatalos statisztikákra vo-natkozó 2011. évi adatfelvételi program.

Szukieŀojć-Bieńkuńska, A. et al.: Sze-génység és szociális kirekesztés – a mérés fogalma.

Domański, C. – Szreder, M.: Vajon meg-szakad-e a párbeszéd a demográfusok és a la-kosság között?

Walkowska, K.: Statisztikai szakkifejezé-sek.

Marczyk, M. – Bartoszczuk, P.: A fő má-sodlagos nyersanyagok külkereskedelmi for-galmának tendenciái.

Szukalski, P.: A nemek szerinti születési arányszámok tér- és időbeli eloszlása.

Szakirodalom


352

Piekut, M.: A szellemi vagyon védelme Lengyelországban és más európai országok-ban.

Gontarczuk, W.: Prof. dr hab. Jerzy Splawa-Neyman (1894–1981).

Majsterek, M.: A Tudományos Statisztikai Tanács ülése.

Lengyelország társadalmi-gazdasági hely-zete, 2010. október.

A NÉMET SZÖVETSÉGI STATISZTIKAI HIVATAL FOLYÓIRATA

2010. ÉVI 10. SZÁM

Brandt, M. – Eilsberger, P.: Az Európai Közösség statisztikáihoz való decentralizált hozzáférés.

Hammes, W. – Rübenach, S. P.: Háztartások és a lakosság életmódja.

Heinig, S.: Az emberi egészségre és a szoci-ális gondozási tevékenységre vonatkozó adatok integrálása a szerkezeti statisztikákba.

Burg, F.: Árbevétel és a forgalmi adózás, 2008.

Dechent, J.: Lakásárak – végleges adatok, 2009.

2010. ÉVI 11. SZÁM

Hornbach, C. – Vorgrimler, D.: Az adat-szolgáltatói terhek csökkentését célzó online jelentéskészítés lehetőségeinek felmérése.

Wein, E. – Lorentz, K.: A minták új auto-matizált rotációja a kereskedelmi, vendéglátó-ipari és szálláshely-statisztikákban.

Afentakis, A. – Maier, T.: A nővérellátás és személyi feltételeinek előreszámítása 2025-ig.

Kolvenbach, F.: Az óvodai közkiadások. Meißmer, C. et al.: Állami pénzügyek

2010 első félévében. Elbel, G.: A szezonális termékek kezelése

a német fogyasztóiár-statisztikában.

statisztikai · 3. belföldi terméktámogatás 0 0 0 –180 0 0 –7 –187 4. belföldi...

Documents