1 Teorie regulace trhu práce

3Vztah nezaměstnanosti a regulace trhů PRÁce zemí Evropské Unie

V této závěrečné kapitole se pokusíme charakterizovat vztah míry nezaměstnanosti a míry regulace trhu práce na základě ukazatelů teoreticky popsaných v první kapitole v rámci Evropské Unie. Číselné řady budou nyní delší než v případě údajů za ČR, tudíž by analýza mohla být přesnější a dávat směrodatnější výsledky.

Nejprve se podívejme na vývoj standardizované míry nezaměstnanosti (SUR)⁵⁵ v jednotlivých zemích EU od roku 1990 do roku 2004.

Vidíme, že přestože míry nezaměstnanosti v jednotlivých zemích EU relativně konvergují a pohybují se od roku 1990 na poněkud nižší úrovni, přetrvává v Evropských zemích poměrně vysoká nezaměstnanost. Bean (1994) k tomuto uvádí, že běžná makroekonomická teorii vysvětluje růst nezaměstnanosti od prvního ropného šoku buď jako problém nabídkové strany v podobě nárůstu přirozené míry nezaměstnanosti nebo strany poptávky s v důsledku negativních poptávkových šoků. Nicméně, zkušenost Evropského Společenství ukazuje, že je zde mnohem více determinant rovnovážné míry nezaměstnanosti a jiné důležitější mechanismy, než ty, které vysvětluje běžná makroekonomická teorie. Nickell a Bell (1995), jako jeden z možných důvodu, uvádějí pokles v relativní poptávce po nekvalifikovaných pracovních. ⁵⁶

Nickell (1997) poukazuje na stále přetrvávají rozdíly mezi jednotlivými částmi Evropy. Uvádí, že země jižní Evropy jsou charakteristické přísnými zákony upravujícími najímání a propouštění pracovníků, pracovní dobu, kontrakty na dobu určitou, ochranu zaměstnanosti, minimální mzdy a práva zaměstnanců na kolektivní vyjednávání. Na severu je tato regulace je slabší. Proto pokud je nepružnost ztotožňována se zákonnou regulací, je pravda, že národy s nejméně flexibilní pracovní silou jsou ty s nejvyšší mírou nezaměstnanosti. ⁵⁷

3.1Vztah nezaměstnanosti a regulace trhu práce na základě EPL

Dle OECD

Jak již bylo zmíněno výše, OECD při analýze míry regulace trhu práce využívá tzv. souhrnný ukazatel přísnosti EPL, skládající se celkově z 22 komponent, charakterizujících trvalé a dočasné pracovní poměry a hromadná propouštění.

Nejvyšší míru regulace co se týká dočasných pracovních poměrů, vykazuje Francie (relativně nízký počet možných prodloužení smluv na dobu určitou, potřeba udělení zvláštní výjimky pro vykonání práce na dobu určitou, omezená doba trvání těchto kontraktů). Nejvyšší stupeň regulace vzhledem k trvalým pracovním poměrům vykazuje Portugalsko, což je dáno především dlouhou výpovědní lhůtou. Hromadná propouštění jsou nejvíce regulována v Itálii, což je následkem dalších regulačních opatření, kladených na zaměstnavatele i při propuštění méně než 10 lidí.

Nyní porovnáme vztah celkové míry nezaměstnanosti a míry regulace v závislosti na souhrnném EPL ukazateli.

Na pozitivní vztah mezi mírou nezaměstnanosti a souhrnným ukazatelem EPL ukazuje regresní analýza i korelační koeficient. Korelace dosahuje asi 16%, nicméně korelační koeficient není statisticky významný v důsledku p-hodnoty rovny 0,54, což je vyšší než hladina významnosti α. Regresní koeficient taktéž není statisticky významný, neboť hodnota testové statistiky 0,6282 je nižší než kritická hodnota studentova rozložení 2,1199. Hodnota koeficientu determinace je v tomto případě asi 0,02, což znamená, že model vysvětluje pouze 2 % chování míry nezaměstnanosti. Koeficient determinace je navíc statisticky nevýznamný, neboť hodnota testové statistiky F_R je asi 0,39, což je výrazně nižší než kritická hodnota Fisherova rozložení 4,49.

Vidíme tedy, že na základě empirických dat opět nelze usuzovat na závislost míry nezaměstnanosti na přísnosti EPL. Toto však může být způsobeno také skutečností, že vysokou nezaměstnanost v ekonomikách jako jsou Polsko a Maďarsko ovlivnily faktory souvisejícími s transformací více než legislativní ochrana zaměstnanosti, jejíž přísnost na základě souhrnného EPL ukazatele dosahuje v uvedených zemích průměrných hodnot. Pokud však tyto země z naší analýzy vypustíme, dostaneme statisticky významnou pozitivní závislost. Korelace mezi těmito dvěma veličinami je nyní 55% a p-hodnota je rovna 0,03. Hodnota testové statistiky 2,46 je v tomto případě vyšší než kritická hodnota studentova rozložení 2,15, což potvrzuje statistickou významnost regresního koeficientu o velikosti 1,85. Co se týká celkové vysvětlovací schopnosti, model vysvětluje 30% chování míry nezaměstnanosti a hodnota testové statistiky F_R je 6,01, což je vyšší než kritická hodnota Fisherova rozložení 4,49. V tomto případě tedy lze vyvozovat závěry o vlivu legislativní ochrany zaměstnanosti na míru nezaměstnanosti a to, že čím přísnější tato ochrana je, tím vyšší je míra nezaměstnanosti.

V teoretické části bylo dále poukázáno na fakt, že EPL může mít vliv jak na výši tak na strukturu nezaměstnanosti. Především je pak zdůrazňován vliv na nezaměstnanost „prime-age“ mužů a žen, mladých lidí a dlouhodobou nezaměstnanost, což se nyní pokusíme prozkoumat.

Vidíme, že regresní analýza stejně jako korelační koeficient ukazují na pozitivní vztah míry nezaměstnanosti mladých lidí a souhrnného EPL ukazatele. Korelační koeficient však není statisticky významný (p-hodnota je rovna 0,44) a regresní koeficient taktéž (hodnota testové statistiky 0,78 je menší než kritická hodnota studentova rozložení 2,12). Koeficient determinace ukazuje, že náš model vysvětluje pouze necelé 4% chování míry nezaměstnanosti mladých lidí a taktéž je vzhledem k hodnotě testové statistiky F_R 0,61, která je nižší než kritická hodnota Fisherova rozložení 4,49, statisticky nevýznamný. V tomto případě tedy vliv EPL na míru nezaměstnanosti nelze prokázat. Pokud z analýzy vynecháme Polsko a Slovensko, analýza se téměř nezmění.

Analýza naznačují pozitivní vztah také mezi dlouhodobou nezaměstnaností a souhrnným EPL ukazatelem. Regresní koeficient je opět statisticky nevýznamný (hodnota testové statistiky 0,8 je nižší než kritická hodnota studentova rozložení 2,12), tudíž pravděpodobně nulový stejně jako korelační koeficient (p-hodnota je rovna 0,45). To, že tento model není schopen vysvětlit chování dlouhodobé nezaměstnanosti, ukazuje jak nízký koeficient determinace, tak jeho statistická nevýznamnost (hodnota testové statistiky F_R je 1,87, což je nižší než kritická hodnota Fisherova rozložení 4,6). Ani zde se teda nepotvrdil předpokládaný vztah těchto dvou veličin. V tuto chvíli nemá smysl vynechávat z naší analýzy některé země, neboť rozdíly v podílu dlouhodobé nezaměstnanosti na celkové nezaměstnanosti mezi jednotlivými zeměmi EU nejsou tak výrazné jako v předchozích případech.

Výsledky analýzy pro „prime-age“ muže a ženy vidíme na následujících grafech.

Vidíme, že nižší nezaměstnanost „prime-age“ mužů, spojována s přísnější EPL, se neprokázala. Regresní koeficient, který by ukazoval spíše na pozitivní vztah, je statisticky nevýznamný (hodnota testové statistiky 0,1 je nižší než kritická hodnota studentova rozložení 2,12) stejně jako korelační koeficient (p-hodnota je rovna 0,92). Hodnota koeficientu determinace je téměř nulová a tento koeficient je taktéž statisticky nevýznamný (hodnota testové statistiky F_R je 0,0006, což je nižší než kritická hodnota Fisherova rozložení 4,49). Přestože při očištění analýzy o země s vysokou nezaměstnanosti (Polsko, Slovensko) dostaneme a málo silnější pozitivní vztah mezi těmito veličinami, všechny tři koeficienty jsou opět statisticky nevýznamné, tudíž k významnému posunu v této analýze nedošlo.

Vztah mezi mírou nezaměstnanosti „prime-age“ žen a souhrnným EPL ukazatelem se na první pohled jeví jako pozitivní, což by potvrzovalo předchozí poznatky, nicméně regresní i korelační koeficienty jsou opět statisticky nevýznamné (hodnota testové statistiky 1,41 je nižší než kritická hodnota studentova rozložení 2,12 a p-hodnota je rovna 0,18). Ke stejnému závěru dojdeme i pro koeficient determinace (hodnota testové statistiky F_R je 1,99, což je nižší než kritická hodnota Fisherova rozložení 4,49).

Při očištění o Polsko a Slovensko dostaneme, stejně jako v předchozím případě, statisticky významný jak korelační koeficient nabývající nyní vyšší hodnoty 0,59 (p-hodnota je rovna 0,015) tak regresní koeficient opět vyšší hodnoty 3,21 (hodnota testové statistiky 2,8 je vyšší než kritická hodnota studentova rozložení 2,12). Dle koeficientu determinace model nyní vysvětluje 36% chování míry nezaměstnanosti „prime-age“ žen. Skutečnost, že tento koeficient je nyní statisticky významný, potvrzuje hodnota testové statistiky F_R 7,75, která je vyšší než kritická hodnota Fisherova rozložení 4,6. Také zde tedy nacházíme spojitost míry nezaměstnanosti a regulace trhu práce.

Lze se tedy oprávněně domnívat, že, přes mnohá opatření proti diskriminaci žen, k jejich znevýhodňování na trhu práce stále dochází. Mezi hlavní důvody, proč jsou zaměstnavatele méně ochotni zaměstnávat ženy, zejména pak matky, patří jejich snížená flexibilita, co se týká dojíždění, stěhování za prací, práce o víkendech nebo práce ve směnném provozu.

Dle Světové banky

Vidíme, že co se týká obtíží při najímání nových pracovníků, nejhůře je na tom Španělsko, což je způsobeno především tím, že smlouva na dobu určitou může být uzavřena pouze pro dočasné potřeby a maximální doba trvání tohoto kontraktu je jen jeden rok. Nejpřísnějším podmínkám při propouštění pracovníků čelí zaměstnavatelé v Lotyšsku a Nizozemí. V obou zemích zaměstnavatel potřebuje při propuštění nadbytečného pracovníka/ků souhlas třetí strany a je povinen poskytnout pracovníkovi rekvalifikaci nebo přesun než se rozhodne jej propustit. Nejvyšší hodnotu RHI ukazatele mají Litva, Maďarsko, Řecko a Estonsko. Tyto země mají regulovánu práci v noci i o víkendech, pracovní týden v Litvě nemůže činit 50 a více hodin. Počet dnů placené dovolené je v Litvě a Řecko 25 a v Maďarsku a Estonsku dokonce 28. Dále vyjma Litvy se pracovní týden může skládat maximálně z pěti dnů.

Náklady na propuštění nadbytečného pracovníka a najmutí nového pracovníka můžeme vidět na následujícím grafu.

Největší náklady při propouštění nadbytečného pracovníka nesou zaměstnavatelé v Portugalsku, což je způsobeno především výší odstupného při propuštění pro nadbytečnost, která činí 20 měsíců ušlé mzdy. Naproti tomu nejvyšším nákladům při najímání nového pracovníka čelí zaměstnavatelé v Belgii.

Nyní se podíváme na vztah míry nezaměstnanosti a ukazatelů přísnosti regulace trhu práce tak, jak je sestrojila Světová banka.

Vidíme, že na základě ukazatele strnulosti zaměstnanosti nelze mluvit o závislosti přísnosti regulace trhu práce a míry nezaměstnanosti. Regresní koeficient je téměř a pravděpodobně nulový vzhledem ke své statistické nevýznamnosti (hodnota testové statistiky 0,12 je nižší než kritická hodnota studentova rozložení 2,11) stejně jako koeficient korelace (p-hodnota je rovna 0,9). Vysvětlovací schopnost modelu na základě koeficientu determinace je taktéž téměř nulová.

Pokud vynecháme Polsko a Slovensko z už výše zmiňovaných důvodů, dojdeme sice k poněkud silnější pozitivní vazbě, nicméně koeficienty budou opět statisticky nevýznamné.

Na následujících dvou grafech vidíme vztah míry nezaměstnanosti a nákladů na propouštění a najímání pracovníků.

Z grafů je patrná přímá úměra mezi mírou nezaměstnanosti a náklady na najmutí nového pracovníka a nepřímá úměra vzhledem k nákladům na propuštění nadbytečného pracovníka. První vztah však ze statistického hlediska nelze považovat za významný, neboť korelační i regresní koeficient je statisticky nevýznamný (hodnota testové statistiky 1,63 je nižší než kritická hodnota studentova rozložení 2,11 a p-hodnota je rovna 0,12). Co se týká vysvětlující schopnosti celého modelu na základě koeficientu determinace, ta je taktéž statisticky nevýznamná (hodnota testové statistiky F_R je 2,66, což je nižší než kritická hodnota Fisherova rozložení 4,45).

Pokud z analýzy opět vyjmeme Polsko a Slovensko, získáme silnější pozitivní vazbu, která tentokrát bude statisticky významná. Vzroste také vysvětlující schopnost modelu, která nyní dosahuje více než 40% chování míry nezaměstnanosti a koeficient determinace je statisticky významný (hodnota testové statistiky F_R je 10,34, což je vyšší než kritická hodnota Fisherova rozložení 4,54).

Jak bylo vyvozeno výše, na vztah mezi mírou nezaměstnanosti a náklady na propuštění působí dva protichůdné faktory. První je skutečnost, že zaměstnavatelé jsou v případě poklesu výroby při propouštění obezřetnější a zvažují budoucí možný opětovný růst výroby. Toto tzv. „křečkování“ pracovní síly již bylo popsáno. Naproti tomu však v důsledku těchto nákladů na propouštění klesá v případě růstu výroby ochota zaměstnavatelů najímat novou pracovní sílu v obavě z jejího budoucího poklesu. V případě zemí EU by se dalo usuzovat, že první efekt převážil, nicméně o statistické významnosti vztahu bohužel opět nelze mluvit z téhož důvodu jako při analýze vztahu míry nezaměstnanosti a nákladů na najmutí nového pracovníka. Hodnota testové statistiky - 0,64 je nižší než kritická hodnota studentova rozložení 2,11 a p-hodnota je rovna 0,53. Stejně tak je nevýznamný i koeficient determinace, neboť hodnota testové statistiky F_R je 0,41, což je vyšší než kritická hodnota Fisherova rozložení 4,45.

Vynecháním Polska a Slovenska se vztah stává pozitivním, což by znamenalo, že převážil druhý efekt. Tento vztah je však, stejně jako v předchozím případě, statisticky nevýznamný.

Celkově lze tedy říci, že regresní a korelační analýza na základě ukazatelů navržených OECD potvrdila očekávaný pozitivní vztah regulace trhu na základě legislativní ochrany zaměstnanosti a nezaměstnanosti. Tato vazba byla potvrzena pro celkovou míru nezaměstnanost a nezaměstnanost „prime-age“ žen za předpokladu, že jsme odhlédli od analýzy zemí, v nichž je vysoká míra nezaměstnanosti způsobena jinými faktory, než je regulace. Co se týká analýzy tohoto vztahu pomocí ukazatelů Světové banky, byla prokázána pouze statisticky významná závislost míry nezaměstnanosti a nákladů na najmutí nového pracovníka, při dodržení stejných předpokladů. Závěry jsou shrnuty v následující tabulce.

Tabulka 8. Vztah míry nezaměstnanosti a míry regulace trhu práce na základě EPL

	ukazatele dle OECD	ukazatele dle Světové banky
	souhrnný EPL ukazatel	REI	HC	FC
celková UNE	+	×	+	×
UNE mladých lidí	×
dlouhodobá UNE	×
UNE „prime age“ mužů	×
UNE „prime age“ žen	+

Zdroj: OECD, Světová banka, vlastní výpočty