Principal Component Analysis of Older People Registered as Unemployed in Public Employment Offices

• Autorzy: Karolina Bolesta

Warianty tytułu

Analiza głównych składowych populacji osób starszych zarejestrowanych w powiatowych urzędach pracy jako bezrobotni

• Języki publikacji: EN

Abstrakty

EN

The determinants of registering as an unemployed person in the public employment office may be of both a socio-demographic and legal character. Although every individual has their own motivation to register as unemployed, it is still possible to analyse the phenomenon on a group level. The purpose of this study is to show the similarities and differences of older people registering as unemployed and to identify the factors that were key to professional deactivation. The research is based on data from the Polish Central Analytical and Reporting System concerning 1,276,555 people born in the years 1940-1965, who were at least once registered as unemployed in a public employment office. The study uses principal component analysis (PCA) to identify the factors which influence to the largest extent the decision to deactivate professionally. The Kaiser-Meyer-Olkin measure of sampling adequacy and Bartlett's test of sphericity proved the feasibility of the PCA. The number of principal components was determined on the basis of Kaiser's criterion. The varimax factor rotation was applied to simplify the relation between the variables and to enhance the interpretation of the obtained results. The analysis included five groups: pensioners, disability pensioners, people who reached retirement age, people who received pre-retirement benefits and the total population. For each group three to four components were identified which combined different variables. Education and occupation in the last place of work formed the only common component for the five groups which influences the most critical decisions in the labour market. This component demonstrates the level of competence and may determine the moment of professional deactivation. The research shows that economic mechanisms are more important than legal conditions in all the analysed groups. (original abstract)

Czynniki decydujące o zarejestrowaniu się w urzędzie pracy jako osoba bezrobotna mogą mieć charakter społeczno-demograficzny lub prawny. Podjęcie takiej decyzji jest kwestią indywidualną, niemniej jednak można przeanalizować to zjawisko na poziomie grupy. Celem badania omawianego w artykule jest wykazanie podobieństw i różnic osób rejestrujących się jako bezrobotni oraz identyfikacja czynników, które mają największe znaczenie dla dezaktywizacji zawodowej. W badaniu wykorzystano dane z Centralnego Systemu Analityczno-Raportowego dotyczące 1 276 555 osób urodzonych pomiędzy 1940 r. a 1965 r., które co najmniej raz były zarejestrowane w powiatowym urzędzie pracy jako bezrobotni. W celu identyfikacji komponentów najsilniej wpływających na decyzję o dezaktywizacji zawodowej przeprowadzono analizę głównych składowych (ang. principal component analysis - PCA). Wyniki pomiaru adekwatności Kaisera-Meyera-Olkina oraz testu sferyczności Bartletta potwierdziły słuszność zastosowania tej analizy. Na podstawie kryterium Kaisera określono liczbę głównych składowych. Przeprowadzono rotację czynników varimax, aby uprościć relację między zmiennymi i lepiej zinterpretować uzyskane wyniki. Analiza dotyczyła pięciu grup: emerytów, rencistów, osób, które osiągnęły wiek emerytalny, osób, które pobierały świadczenie przedemerytalne, oraz całej populacji. Dla każdego zbioru danych zidentyfikowano od trzech do czterech składowych łączących różne zmienne. We wszystkich grupach stwierdzono jeden wspólny komponent - łączący wykształcenie i zawód wykonywany w ostatnim miejscu pracy - który wpływa na podejmowanie kluczowych decyzji na rynku pracy. Obrazuje on kompetencje pracowników i może determinować moment dezaktywizacji zawodowej. Wyniki badania wskazują na większe znaczenie mechanizmu ekonomicznego niż uwarunkowań prawnych we wszystkich analizowanych grupach. (abstrakt oryginalny)

Słowa kluczowe

EN

Pensioners; Retirement age; Pre-retirement benefits; Annuities; Unemployment; Unemployed activation; Principal Component Analysis (PCA)

PL

Emeryci; Wiek emerytalny; Zasiłki przedemerytalne; Renty; Bezrobocie; Aktywizacja bezrobotnych; Analizy głównych komponentów

• Czasopismo: Wiadomości Statystyczne
• Rocznik: 2023
• Numer: nr 1
• Strony: 23--38

Twórcy

autor

Karolina Bolesta

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Armstrong-Sassen, M. (2008). Organisational Practices and the Post-retirement Employment Experience of Older Workers. Human Resource Management Journal, 18(1), 36-53. https://doi.org/10.1111/j.1748-8583.2007.00057.x.
• Błoch, W. (2018). Niespójność systemu emerytalnego i systemu rentowego w Polsce. Gospodarka w Praktyce i Teorii, 53(4), 27-39. https://doi.org/10.18778/1429-3730.53.02.
• Bramer, M. (2013). Principles of Data Mining (2nd edition). Springer. https://doi.org/10.1007 /978-1-4471-4884-5.
• Bro, R., & Smilde, A. K. (2014). Principal component analysis. Analytical Methods, 6(9), 28122831. https://doi.org/10.1039/c3ay41907j.
• Cattell, R. B. (1973). Factor analysis. An Introduction and Manual for the Psychologist and Social Scientist. Greenwood Press.
• Cichowicz, E., Flaszyńska, E., Gałecka-Burdziak, E., & Bolesta, K. (2022). Zasiłki i świadczenia przedemerytalne - przedwczesna dezaktywizacja zawodowa osób nie w późnym wieku?. Praca i Zabezpieczenie Społeczne, (7), 14-23. https://doi.org/10.33226/0032-6186.2022.7.4.
• Drastichova, M., & Filzmoser, P. (2019). Ocena zrównoważonego rozwoju za pomocą analizy skupień i analizy głównych składników. Problemy Ekorozwoju. Problems of Sustainable Development, 14(2), 7-24.
• Gnanadesikan, R. (1977). Methods for Statistical Data Analysis of Multivariate Observations (2nd edition). John Wiley & Sons. https://doi.org/10.1002/9781118032671.
• Góra, M. (2014). Redesigning pension systems. IZA World of Labor, (51), 1-10. https://doi.org /10.15185/izawol.51.
• Góra, M., & Rutecka, J. (2013). System emerytalny. In M. Kiełkowska (Eds.), Rynek pracy wobec zmian demograficznych (pp. 162-179). Instytut Obywatelski.
• Górecki, T., & Łaźniewska, E. (2013). Funkcjonalna analiza składowych głównych PKB. Wiadomości Statystyczne, 58(4), 23-34. https://ws.stat.gov.pl/Article/2013/4/023-034.
• Guttman, L. (1954). Some necessary conditions for common-factor analysis. Psychometrika, 19(2), 149-161. https://doi.org/10.1007/BF02289162.
• Hotelling, H. (1933). Analysis of a complex of statistical variables into principal components. Journal of Educational Psychology, 24(6), 417-441. https://doi.org/10.1037/h0071325.
• Kaiser, F. H. (1960). The Application of Electronic Computers to Factor Analysis. Educational and Psychological Measurement, 20(1), 141-151. https://doi.org/10.1177/001316446002000116.
• Majewska, E. (2016). Zastosowanie metody głównych składowych do analizy integracji rynków finansowych. Finanse, Rynki Finansowe, Ubezpieczenia, (4 cz. 2), 227-236. https://doi.org /10.18276/frfu.2016.4.82/2-18.
• Mishra, S. P., Sarkar, U., Taraphder, S., Datta, S., Swain, D. P., Saikhom, R., Panda, S., & Laishram, M. (2017). Multivariate Statistical Data Analysis - Principal Component Analysis (PCA). International Journal of Livestock Research, 7(5), 60-78.
• Pearson, K. (1901). On Lines and Planes of Closest Fit to System of Points in Space. Philosophical Magazine, 2(11), 559-572. https://doi.org/10.1080/14786440109462720.
• Przybyłka, A. (2017). Starzenie się ludności w Polsce jako wyzwanie dla systemu ochrony zdrowia. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, (309), 179190. https://www.ue.katowice.pl/fileadmin/user_upload/wydawnictwo/SE_Artyku y_291 _320/SE_309/16.pdf.
• Sanchez, J. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS. Journal of Statistical Software, Book Reviews, 16(4), 1-3. https://doi.org/10.18637 /jss.v016.b04.
• Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th edition). Pearson.
• Thompson, B. (2004). Exploratory and Confirmatory Factor Analysis. Understanding Concepts and Application. American Psychological Association. https://doi.org/10.1037/10694-000.
• Ustawa z dnia 17 grudnia 1998 r. o emeryturach i rentach z Funduszu Ubezpieczeń Społecznych (Dz.U. 1998 nr 162, poz. 1118 ze zm.).
• Ustawa z dnia 20 kwietnia 2004 r. o promocji zatrudnienia i instytucjach rynku pracy (Dz.U. 2004 nr 99, poz. 1001 ze zm.).
• Wojnar, J. (2020). Zróżnicowanie wykorzystania technologii informacyjno-komunikacyjnych w krajach Unii Europejskiej. Wiadomości Statystyczne. The Polish Statistician, 65(8), 39-56. https://doi.org/10.5604/01.3001.0014.3526.
• Wyszkowska, D. (2020). Senior economy in Poland. Wiadomości Statystyczne. The Polish Statistician, 65(5), 9-26. https://doi.org/10.5604/01.3001.0014.1330.
• Żołędowski, C. (2012). Starzenie się ludności - Polska na tle Unii Europejskiej. Problemy Polityki Społecznej, (17), 29-43. http://www.problemypolitykispolecznej.pl/Starzenie-sie-ludnosci-n-Polska -na-tle-Unii-Europejskiej,123771,0,1.html.

Identyfikatory

DOI

10.5604/01.3001.0016.2361