munkaerőmigráció – trendek, mítoszok és mérési lehetőségek
DESCRIPTION
Munkaerőmigráció – trendek, mítoszok és mérési lehetőségek. Hárs Ágnes Gáspár Pál emlékkonferencia, 2013. november 21. Vázlat. Közgazdasági háttér: a migráció oka, ösztönző és visszafogó tényezők Az emigrációt korlátozó és ösztönző tényezők Magyarországon - PowerPoint PPT PresentationTRANSCRIPT
Munkaerőmigráció – trendek, mítoszok és mérési lehetőségek
Hárs Ágnes
Gáspár Pál emlékkonferencia, 2013. november 21.
VázlatKözgazdasági háttér: a migráció oka, ösztönző és visszafogó
tényezők Az emigrációt korlátozó és ösztönző tényezők
Magyarországon Adatforrások és a migráció mérhetőségeTrendek, statisztikák, nemzetközi összehasonlításokA magyar migráció változása, trendek, fordulópontok A magyar munkaerő emigráció karaktere, magyarázata -
modellszámítások Következtetések
Közgazdasági háttér: a migráció oka, ösztönző és visszafogó tényezők
Klasszikus migrációt magyarázó modellek (Harris-Todero 1970): migrációt a remélt bérek és/vagy a jobb munkalehetőségek várakozása ösztönzi
Mindenekelőtt a tökéletes átláthatóság feltételét kellett elvetni - migráció bizonytalan és költségekkel jár (anyagi, pszichés, kulturális stb.)
A munkaerő-áramlás a tőkeáramlással ellentétes irányú folyamat. Ebben a megközelítésben a migráció elméletben része a tényezőárak kiegyenlítődésének (Hekscher-Ohlin-Samuelson tétel)
Az Európai Unió esetében, ahol az áruk, a tőke és a szolgáltatások szabadsága lényegében korlátlanul érvényesül az országok között, ezek hosszabb távon a migrációt motiváló jövedelemkülönbségek csökkentését is segítik. (Borjas 1999)
Közgazdasági háttér: a migráció oka, ösztönző és visszafogó tényezők
A tényezőár kiegyenlítődés nem teljesül. Rappaport (2000) hosszú idősorokat felhasználva igazolja, hogy a jövedelmek kiegyenlítésében a tőkeáramlás hatása a meghatározó. Integrálódó világgazdaságban, mobil munkaerő mellett sem valószínű, hogy a mobilitás ily módon hatna a munkabérek kiegyenlítődésére. Valójában nem is önmagában a bérkülönbségek, inkább az életminőség, vagy a relatív gazdagság befolyásolja a mobilitást. (non tradable goods, vásárlóerőparitás)
Stark- Bloom (1985) a migráció új közgazdaságtanát megfogalmazva megkérdőjelezi a remélt bér és munkalehetőségek alapján leírható modellt. a relatív depriváció vagy relatív elégedettség határozza meg a migrációt. migrációs döntés alanya nem az egyén, hanem a család hálózatok szerepe aszimmetrikus információ a bérkiegyenlítődés ellen hat
Az emigrációt visszafogó és ösztönző tényezők Magyarországon
Migrációt korlátozó tényezők (2000-es évek közepéig)A magyar migráció sokáig alacsony volt és maradt. Kérdés, mi volt ennek az oka - és mi változott később?
Viszonylag magas életszínvonal a rendszerváltó KKEu-i régióban (GDP/fő,PPS) + kedvező gazdasági (GDP konvergencia) kilátások és várakozások
Munkaerőpiaci sajátosságok - munkaerő-tartalákok terelése: Munkaerő-felesleg korengedményes/rokkant nyugdíjba
terelése Nagyvonalú gyermekgondozás lehetősége Csökkentette a munkavállalási és a migrációs hajlandóságot
alacsony foglalkoztatottság , alacsony munkanélküliség és alacsony migráció
Viszonylag nagyvonalú munkanélküli és szociális segélyezési rendszer a migránsok rezervációs bérét (azt a bért, amiért hajlandóak külföldön munkát vállalni) felfelé tolja
Az emigrációt visszafogó és ösztönző tényezők Magyarországon
Migrációt ösztönző tényezők (2007 óta)A 2000-s évekre Magyarország kedvező gazdasági kilátásai és a konvergencia előny megszűnt – a munkaerőpiacon és a reál bérekben a hatás késleltetve érezhető
Forrás: KSH
Főbb gazdasági mutatók változása, 2000-2012 Gazdasági
megszorítások
egyensúlyjavítás (megszorító Gyurcsány program 2007-)
majd pénzügyi válság hatása
2010 egykulcsos adó majd 2011-től súlyos megszigorítások a munkanélküli segély és jóléti rendszerekben
Az emigrációt visszafogó és ösztönző tényezők Magyarországon
A migrációt korábbi korlátozó tényezők eltűntek, az ösztönzők tényezők fokozatosan, több lépésben erősödtekMigráció változásai: 2007 volt a fordulópont, de erősödés és visszhang 2010 óta
Migrációs potenciál adatok: gyorsan magasra szöktek a várakozások
Sajtó- és politika: visszatükrözik a gyorsan növekvő várakozásokat
Hétköznapi tapasztalatok: magántörténetek (sokkoló és szorongató)
Forrásokat sokáig a migrációs potenciál adatok helyettesítették Szerény migráció – nincs megbízható standard migrációs
statisztika – adathiány – bizonytalanság: a sokféle lehetséges adatforrás mind gyorsan növekvő migrációt mutat – „számháború”
Adatforrások és a migráció mérhetősége
Az emigrációt vizsgáló kutatások az adatok konzisztenciájának és minőségének a hiányától szenvednek. Bloom-Stark (1985) a migrációkutatás kiterjesztésének korlátját az adatminőségben látják
Két alapvető adatforrásra építünk: Tükörstatisztika: a fogadó országokban adminisztratív
nyilvántartások/regiszterek alapján a tartózkodó külföldi állampolgárokról készült statisztikák - a fő trendek és nagyságrendek leírására alkalmas
Munkaerőfelmérés (HU LFS): részletes elemzés a migráció struktúrájának az elemzésére – az egyedi adatok alkalmasak a munkaerőmigráció leírására – bárha komoly hiányosságokkal (az LFS kérdés a külföldön munkahellyel és otthon háztartási kötődéssel rendelkezőket tartalmazza – alulreprezentáltság és torzítások)
(+más regiszter v. survey alapú források, teljes körű népszámlálás 10 évente )
Trendek, statisztikák – nemzetközi összehasonlítások
Forrás: Tükörstatisztikák (Eurostat külföldi népesség NIESR adatokkal korrigálva és kiegészítve)
Emigránsok aránya a kibocsájtó ország népességében, 2001-2010%
Nagyon eltérő az országok méretéhez képest vizsgálva a migráció intenzitása az EU 8+2 országokban – az arányok mérhetőek és összehasonlíthatóak
Románia kiemelkedő, magas litván és bolgár arány
Alacsony 2010-ben is a magyar, szlovén és cseh migránsok aránya az EU 15 országokban
A magyar migráció növekedése látszik – az alacsony migráción belül 2007óta (!) folyamatos
de 2010-ben még alacsony az arány
Trendek, statisztikák – nemzetközi összehasonlítások
Forrás: Tükörstatisztika (Eurostat külföldi népesség NIESR adatokkal korrigálva és kiegészítve)
Tipizálás: a migráció az EU8+2 országában eltér a munkaerő szabad áramlás lehetőségének kihasználása (2004 vs. 2007 után növekedés), és a válságra adott válasz (megtorpanás vagy további kiáramlás) alapján A munkaerő
szabad áramlás hatása a migráció alakulásáraVálság és további növekedés : Románia, Bulgária (magas arány).
Válság és további növekedés : Észtország, Litvánia (alacsonyabb arány)
Válság és megtorpanás: Lettország, Lengyelo, Szlovákia
Alacsony migráció maradt: Csehország, Magyaro. , Szlovénia)
Magyarország: válság alatt a migráció növekedés beindulása – azóta folyamatos
A migráns népesség a kibocsátó ország népességének arányában, %
A magyar migráció változása – trendek, fordulópontok
Forrás: Eurostat tükörstatisztika , korrigálva (bal o. ábra) és HU LFS (jobb o. ábra) alapján saját számítás
Külföldön élő migráns népesség változása, és a népességen belüli aránya, 2001-2011
Külföldön dolgozó munkaerőmigránsok létszámváltozása, és a foglalkoztatottakhoz viszonyított arány, 2001-2012
Alacsony szintről indult a növekedés. A két adatforrás szerint a változások: Külföldön élők állománya: 2004 után hirtelen érdeklődés (2005-2006), majd új növekedés 2011-reMunkaerő-migráció (LFS): 2007 után hirtelen megugró érdeklődés, közel állandó marad. 2011-től gyorsul a munkaerő-migráció
A magyar migráció előreszámítása – mi lehetséges?
Migránsok aránya a hazai ill. foglalkoztatott népességben, %
Forrás: Eurostat tükörstatisztika , korrigálva és HU LFS alapján saját számítás
Óvatos előreszámítás lehetséges a korábbi évek adatai és a gyorsuló időszak adatai alapjánFeltétel: a migráció irányába ható tényezők nem változnak sokkszerűen
Mi lehet migrációt erősítő tényező?• bérelőny : reálkereset csökken/stagnál• munkapiac: munkanélküliség nő/stagnál• szociális rsz.: megszorítások és ellátatlanság•gazdasági növekedés: gazdasági adatok •gazdasági várakozások alakulása: bizonytalanság•nem gazdasági várakozások: FONTOS (isk. rendszer, egyetemi reform, eü. reform, stb.)
Mi lehet migrációt visszatartó tényező?•gazdasági helyzet változása•gazdasági várakozások változása•nem gazdasági várakozások változása
Az emigráció nagysága, dinamikája és orientációja
Külföldön élő magyarok LFS munkaerőmigránsok
Migránsok aránya fő célországok szerint
Tükörstatisztika: Németországban minden más célországnál nagyobb a migránsok aránya felgyorsult 2010 óta; Ausztriában folyamatos a növekedés (osztrák munkaerőpiac szelektív folyamatos megnyitása) és Egyesült Királyságba migráció 2006-2007 óta
LFS munkaerő migráció: Ausztriában a legmagasabb, 2011 után gyors növekedés Ausztriában & Németországban, stabil, nincs növekedés az Egyesült Királyságban Forrás: Eurostat tükörstatisztika , korrigálva (bal o. ábra) és HU LFS (jobb o. ábra) alapján saját számítás
Mi történt 2010 után? A migráció növekedése 2007 óta folyamatos – de jelentős
visszaáramlás is van. A magyar migráció fő iránya három ország irányábaRészarány növekvő – ez új és fontos jelzés Németország: 12% 2011-ben, 14% 2012-ben (átmeneti
intézkedések után) Ausztria: 18% 2008, 20% 2009-2010, 22% 2011-ben
(átmeneti intézkedések utáni hatása kicsit) UK: 4% 2007, 7% 2008, 10% 2011Q4, 11% 2012 Q1
De a migránsok jelentős része visszatér(csökken, de jelentős az éven belüli visszaáramlás), cirkuláris migráció
Németország: 51%-a maradt 2011-ben, 64% 2012-benAusztria: 36 ill. 45% 2010 és 2011-ben
UK: nincs visszaáramlás adat (visszaáramlás van)
A magyar munkaerő emigráció karaktere, magyarázata - modellszámítások
Munkaerő-felmérés - egyedi adatok alapján végzett számítások: néhány eredmény
Azokra vonatkozik, akinek munkahelye külföldön van, illetve legutolsó munkahelye külföldön volt (LFS standard kérdés alapján)
Adatok negyedévenként, 2012 Q1-ig (célországra specifikálva csak 2010-ig, később EU/nem EU )
A migráció aránya kicsi az adatbázisban. Ezért összevont időszakokra panelt képeztünk., az előző trendek alapján lehatárolt homogén időszakokra EU csatakozás előtt - 2004 május 1-ig. EU csatlakozás után 2004 május 1- 2007 december 31. Válság (hazai megszorítás + pü.i válság) 2008-2010 Gazdasági bizonytalanság (megszigorítások és
bizonytalanságok) 2011- 2012 Q1 (egybeesik az EU szabad munkaerő áramlás kiteljesedésével - Ausztria, Németország)
Számolásokat az összevont panelek elemeivel végeztük.
A magyar munkaerő emigráció karaktere - szelektivitás
Migránsok szerkezete: a hazai népességhez képest kik vannak túlreprezentálva a migránsok között? (migráció szelektivitás index: migráns versus foglalkoztatott népesség arányának az eltérése az egyes indikátorok szerint a hazai népességben mért arányhoz képest +1 és -1 közötti érték)
Férfiak aránya: 0,5 stabilan férfi többségű migráció, kivéve Egyesült Királyság, nagyjából kiegyensúlyozott arány (0,15)
Fiatal felnőttek 25-34 évesek aránya magas (0,4 with some increase) Fiatalok (25 év alatt) irányába a szelektivitás gyorsan nőtt, amikor a migráció gyorsult (0,0-ról 0,6-ra emelkedett az index a csatlakozást követő válság és gazdasági bizonytalanság időszakban).
* +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció
A magyar munkaerő emigráció karaktere - szelektivitás
* +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció
férfiak nők
Férfiak: - szakmunkás (~0,5 index)
- középiskolások gyorsan nő (-ból átfordul ~+0,3
- semmi más végzettség nem jell.
Nők: felsőfok magas (~0,5)középiskolások növekvőek szakmunkások
lecsökkentektöbbi végzettség nem
jellemző
A magyar munkaerő emigráció karaktere - szelektivitás
A migrációs szelektivitás index régiók szerint
Emigráció regionális szelektivitási indexe
Régiós munkanélküliség eltérése az országostól, %-pont
EU csatakozás előtt
EU csatlakozás után Válság
Gazdasági bizonytalanság 2007 2012
fejlett alacsony munkanélküliségű régiók Nyugat-Dunántúl 3,10 2,49 1,81 1,45 -2,4 -3,5 Közép-Dunántúl 0,52 0,09 -0,19 0,10 -2,4 -1,1
Közép-Magyarország -0,71 -0,49 -0,64 -0,60 -2,7 -1,7 kevésbé fejlett magas munkanélküliségű régiók Észak-Magyarország 0,02 0,55 0,28 0,27 4,9 5,7 Észak-Alföld -0,61 -0,78 0,06 -0,10 3,4 3,0 Dél-Dunántúl -0,29 -0,03 0,41 0,61 2,6 1,1 közepes régió alacsony munkanélküliséggel Dél-Alföld -0,63 -0,51 -0,36 -0,39 -2,4 -3,5
* +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció
Regionális koncentráció – nyugati határon jó régiókban kezdetben, kiugró jelentőség csökkentMagas munkanélküliség – kevés régióban (É-Mo, D-D), lassan terjed
Az emigráció esélyeLogisztikus regressziót számoltunk (a kialakított panelek szerint)Azt vizsgáltuk, mekkora a külföldön (az EU-ban, illetve Ausztriában, Németországban, Egyesült Királyságban) dolgozás esélye Migráció esélye az EU csatakozás előtti időszakhoz képest EU csatlakozás után: 1,9-szeres, Válság időszakra: 3,54-szeres Gazdasági bizonytalanság időszakára: 6,86-szoros
Migráció esélye az EU csatakozás előtti időszakhoz képest Célország Németország Ausztria
Egyesült Királyság EU csatlakozás után: 1,32-szeres 1,27-szeres 4,06-szoros Válság időszakra: 1,97-szeres 1,97-szeres 12,81-szeres
Az emigráció esélyeIskolázottság és foglalkozás esélye az EU migráció során Migráció az EU-ba
EU csatlakozás után Válság Gazdasági bizonytalanság
Iskolai végzettség (.000) (.000) (.000)
szakmunkásképző 5.047 (.000) 3.139 (.000) 2.577 (.000)
középfokú 1.734 (.175) 2.377 (.001) 2.528 (.003)
szakközépiskola 3.921 (.000) 2.842 (.000) 2.655 (.000)
főiskola 6.669 (.000) 4.040 (.000) 4.085 (.000)
egyetem 10.234 (.000) 4.533 (.000) 4.741 (.000)
Foglalkozás (.000) (.000) (.000)
szolgáltatás 4.487 (.000) 3.121 (.000) 4.163 (.000)
mezőgazdaság 2.934 (.015) 3.089 (.000) 4.393 (.001)
ipar és építőipar 6.510 (.000) 5.402 (.000) 8.750 (.000)
gépkezelő 2.641 (.000) 1.960 (.001) 2.780 (.000)
szakképzetlen 5.023 (.000) 2.993 (.000) 5.049 (.000)
viszonyítás: nem fizikai foglalkozás, alapfok
Felsőfokúak esélye a legnagyobb a külföldi munkához (az alapfokú végzettséghez képest)Nem fizikai foglalkozáshoz képest minden más foglalkozás végzésének nagyobb az esélye
Tanulságok Növekvő migráció – még korlátozott mértékű és nem
körvonalazódott a formája. Emigráció gyorsan növekszik, 2007 óta és gyorsuló
az egymást követő megszorítások és egyéb intézkedések következtében 2011 óta.
A migráció egy része hagyományos és számottevő, részben regionális Ny-Magyarországon Ausztriába, emellett Németországba. Egy sokkal színesebb szegmens a főként az Egyesült Királyságba tartóké.
A csatlakozáskor kis mértékű migráció, Egyesült Királyságba a hagyományos szerkezettől eltérő, kisebb mértékű migráció. Az átmeneti intézkedések lejártával re- orientáció Németországba.
Tanulságok A munkaerőmigránsok nagyrészt foglalkoztatottak voltak
mielőtt külföldön kerestek munkát. . A migráció növekvő mértékben szelektív a középfokú
végzettségűek irányába, jelentős arányban szakképzett és nagyon kevéssé jellemző a szakképzetlenek részvétele, magas munkanélküliségük ellenére sem.
A migrációnak ez a szerkezete kedvezőtlen otthoni munkapiaci struktúrához vezethet.
A gazdasági, szociális és politikai fejlemények tartósan felerősíthetik és megváltoztathatják a magyar migráció mintáját. Migrációt ösztönző tényezők erősödnek, a visszatartó erők eltűntek. Nem világos, hogy mindezek hatása rövid vagy hosszú távú-e?
Más új EU országok mintái ebben eltérőek – és erősen függnek a hazai gazdasági, foglalkoztatási és szociális, jóléti helyzettől.
Köszönöm a figyelmet!
1. a: Outmigration models (Odds ratios) - Emigration to EU
Dependent variable: ‘Emigrants in the EU’ Migrants to the EU
post-enlargement phase crisis phase downturn phase
Education (.000) (.000) (.000)
vocational 5.047 (.000) 3.139 (.000) 2.577 (.000)
secondary 1.734 (.175) 2.377 (.001) 2.528 (.003)
secondary vocational 3.921 (.000) 2.842 (.000) 2.655 (.000)
college 6.669 (.000) 4.040 (.000) 4.085 (.000)
university 10.234 (.000) 4.533 (.000) 4.741 (.000)
Age group (.000) (.000) (.000)
25-34 years 1.891 (.001) 1.721 (.001) 1.702 (.010)
35-44 years 1.614 (.032) 1.508 (.021) 1.836 (.008)
45-54 years 1.043 (.860) 1.144 (.489) 1.028 (.914)
55 years or more .955 (.876) .702 (.167) .538 (.061)
Family status (.000) (.000) (.000)
wife .059 (.000) .146 (.000) .153 (.000)
partner .931 (.693) .582 (.001) .629 (.011)
one parent with child .377 (.003) .178 (.000) .382 (.003)
child 1.244 (.156) 1.114 (.408) 1.183 (.313)
other .395 (.007) .571 (.022) 1.295 (.427)
single .448 (.002) .620 (.012) .532 (.010)
Dependent variable: ‘Emigrants in the EU’(cont)
Excluded variables: basic education, less than 25 years, husband, Northern Hungary, non-manual employment Note: Log regression Chi-square 0.000 each case, currently employed migrants and employed population due to the noisy data of previously employed returnees.
Region (.000) (.000) (.000)
Northern Great Plain .183 (.000) .605 (.002) .918 (.664)
Southern Great Plain .541 (.001) .582 (.001) .702 (.087)
Central Hungary .261 (.000) .372 (.000) .251 (.000)
Central Transdanubia .775 (.165) .950 (.759) 1.056 (.788)
Western Transdanubia 1.827 (.000) 2.644 (.000) 1.787 (.003)
Southern Transdanubia .991 (.961) 1.114 (.496) .996 (.985)
Employment (.000) (.000) (.000)
services 4.487 (.000) 3.121 (.000) 4.163 (.000)
agriculture 2.934 (.015) 3.089 (.000) 4.393 (.001)
industry &construction 6.510 (.000) 5.402 (.000) 8.750 (.000)
machine operator 2.641 (.000) 1.960 (.001) 2.780 (.000)
unskilled 5.023 (.000) 2.993 (.000) 5.049 (.000)
Non-Hungarian citizen 3.796 (.007) 5.612 (.000) 1.016 (.985)
Temporary job 3.267 (.000) 4.151 (.000) 2.148 (.000)
migrants in weighted cases 524 848 604 Nagelkerke R Square 0.330 0.335 0.358
1 b: Outmigration models (Odds ratios) Dependent variables ‘Emigrant to Germany’, ‘Emigrant
to Austria’ ‘ ’Emigrant to UK’ Migrants in Germany Migrants in Austria Migrants in
UK
post-
enlargement crisis post-enlargement crisis crisis
Education (.006) (.111) (.002) (.000) (.000)
vocational 3.520 (.003) 1.435 (.184) 6.013 (.000) 5.323 (.000) 2.258 (.082)
secondary .630 (.599) .854 (.742) 3.183 (.086) 2.448 (.092) 6.195 (.000)
secondary vocational 1.897 (.179) .900 (.741) 4.161 (.003) 5.518 (.000) 4.081 (.003)
college 2.201 (.233) .761 (.594) 7.451 (.003) 4.345 (.002) 9.947 (.000)
university 2.580 (.204) 1.850 (.277) .000 (.993) 9.258 (.000) 6.114 (.003)
Age group (.014) (.304) (.234) (.092) (.000)
25-34 years 2.523 (.008) .760 (.276) 1.953 (.083) 2.026 (.013) 2.119 (.008)
35-44 years 1.492 (.321) .637 (.115) 1.763 (.180) 1.916 (.039) 1.684 (.142)
45-54 years 1.396 (.432) .668 (.183) 1.771 (.183) 1.726 (.099) .106 (.022)
55 years or more 1.537 (.403) .393 (.037) 1.048 (.928) 1.371 (.423) .299 (.185)
Family status (.023) (.005) (.000) (.000) (.000)
wife .040 (.003) .255 (.000) .112 (.000) .172 (.000) .277 (.012)
partner 1.375 (.269) .703 (.169) 1.099 (.742) .665 (.081) .886 (.772)
one parent with child .737 (.565) .279 (.034) .658 (.349) .213 (.001) .547 (.410)
child 1.552 (.085) .780 (.265) .698 (.169) .727 (.116) 2.750 (.001)
other .861 (.773) .475 (.091) .550 (.259) .600 (.171) 2.128 (.126)
single .781 (.564) .667 (.237) .524 (.108) .824 (.487) .620 (.419)
Dependent variables ‘Emigrant to Germany’, ‘Emigrant to Austria’ ‘ ’Emigrant to UK’ (cont)
Region (.000) (.000) (.000) (.000) (.015)
Northern Great Plain .351 (.002) .666 (.083) .156 (.023) .350 (.006) 1.091 (.790)
Southern Great Plain .695 (.191) .453 (.004) .412 (.101) .736 (.341) 1.220 (.553)
Central Hungary .229 (.000) .320 (.000) .395 (.056) .303 (.003) .389 (.013)
Central Transdanubia .266 (.001) .648 (.105) 3.137 (.001) 2.068 (.008) .826 (.611)
Western Transdanubia .382 (.001) .230 (.000) 11.791 (.000) 12.705 (.000) .757 (.430)
Southern Transdanubia 1.008 (.975) 1.222 (.364) 2.035 (.052) 2.041 (.007) .427 (.045)
Employment (.000) (.000) (.000) (.000) (.000)
services 1.587 (.310) 2.701 (.011) 7.148 (.000) 4.877 (.000) 2.741 (.000)
agriculture 1.164 (.859) 2.938 (.083) 11.102 (.000) 5.945 (.000) .000 (.997)
industry &construction 4.346 (.000) 8.052 (.000) 8.917 (.000) 6.005 (.000) .855 (.695)
machine operator 1.268 (.626) 2.075 (.092) 2.983 (.025) 2.482 (.003) 1.522 (.327)
unskilled 2.255 (.105) 1.404 (.469) 4.929 (.003) 3.778 (.000) 5.186 (.000)
Non-Hungarian citizen 3.349 (.099) 1.696 (.568) 2.126 (.477) .632 (.751) 5.459 (.021)
Temporary job 3.111 (.000) 3.785 (.000) 1.263 (.359) 2.462 (.000) 2.539 (.000) migrants in weighted cases 146 218 194 338 128 Nagelkerke R Square 0.234 0.239 0.362 0.379 0.275
Excluded variables: basic education, less than 25 years, husband, Northern Hungary, non-manual employment Note: Log regression Chi-square 0.000 each case, currently employed migrants and employed population due to the noisy data of previously employed returnees.
2: Return migration models (Odds ratios) Dependent variable: ‘Return migrants’
Return migrants
post-enlargement phase crisis phase downturn phase
Women .669 (.038) .585 (.000) .542 (.001)
Age group (.003) .(000) (.000)
25-34 years 1.919 (.003) 1.763 (.001) 1.621 (.039)
35-44 years 1.806 (.019) 1.930 (.001) 2.118 (.004)
45-54 years 1.334 (.280) 1.444 (.078) 1.253 (.436)
55 years or more 1.138 (.695) .902 (.713) .651 (.268)
Region (.000) (.000) (.000)
Northern Great Plain .195 (.000) .677 (.018) .910 (.659)
Southern Great Plain .460 (.000) .542 (.000) .762 (.227)
Central Hungary .181 (.000) .252 (.000) .096 (.000)
Central Transdanubia .713 (.086) .736 (.091) .709 (.137)
Western Transdanubia 1.596 (.005) 2.587 (.000) 1.899 (.002)
Southern Transdanubia 1.058 (.769) 1.148 (.406) 1.041 (.861)
Education (.000) (.000) (.000)
vocational 5.751 (.000) 3.131 (.000) 2.964 (.000)
secondary 1.165 (.726) 1.592 (.088) 1.985 (.039)
secondary vocational 2.960 (.000) 2.066 (.000) 2.172 (.004) college 2.246 (.017) 1.242 (.371) 1.726 (.077) university 2.554 (.011) 1.702 (.045) 1.470 (.287)