Documente Academic
Documente Profesional
Documente Cultură
Student:
Sîrbu .E Alexandra-Cristina
IAȘI
2018
1. Introducere
Ocuparea forței de muncă constituie în orice societate, chiar și în țările dezvoltate, o
condiție esențială atât pentru asigurarea echilibrelor macroeconomice cât și pentru stabilitatea
socio-politică.
Analizând situaţia pieţei forței de muncă din România se observă că în ultimul timp
erodarea ocupării forței de muncă este un fenomen mult mai îngrijorător spre deosebire de
şomaj, diferite forme de ocupare precară şi de subocupare involuntară, cât și noi forme mixte
între slujba regulară şi raportul de muncă precar au apărut şi se dezvoltă. Totodată, natura
ocupării a suferit schimbări dramatice în ceea ce privește contractul de muncă cu normă
întreagă, acesta reducându-se la contract de muncă cu timp parţial, de la munca slab calificată
spre înalta calificare, de asemenea, este evidențiat și faptul că s-au înrăutăţit condiţiile de
muncă, încalcându-se anumite drepturi de bază ale angajatului.
Fenomenul ocupării forței de muncă este unul de actualitate, de interes major atât pentru
agenții economici cât și pentru partenerii sociali, dar și pentru prezentul și viitorul societății,
având, totodată, și variate implicații economice, psihosociale, educational-culturale, politice.
Creșterea gradului de ocupare al forței de muncă și diminuarea fenomenului șomajului sunt în
prezent obiective esențiale ale politicii economice ale tuturor țărilor, obiective ce sunt posibil de
realizat prin intermediul echilibrului dintre cererea și oferta de forță de muncă pe piața muncii.
Cu alte cuvinte, interesul nostru pentru acest studiu se bazează pe studierea aspectelor care au
influențat ocuparea forţei de muncă în Romania în anul 2014.
Pentru a îndeplini obiectivele menționate vom parcurge mai multe etape. Astfel,
pentru a descrie populația studiată vom analiza descriptiv și grafic variabilele, vor fi
identificați outlierii și se vor elimina din baza de date, dacă este cazul. De asemenea, pentru
variabilele categoriale vom realiza analiza de asociere cu ajutorul testului chi square, și se va
realiza, totodată, și analiza de concordanță.
2
2. Prezentarea bazei de date
Întrucât pentru realizarea proiectului sunt necesare minim trei variabile numerice și două
nenumerice, vom obține cea de-a doua variabilă categorială prin transformarea variabilei
numerice rata de ocupare în nivelul de ocupare, această variabilă cuprinzând 3 niveluri de
ocupare: scăzut, mediu și ridicat.
3
Conform operațiilor preliminare din baza de date trebuie realizată o selecție care să
includă condiții pentru cel puțin două variabile, prin urmare s-a realizat o selecție asupra
județelor cu un nivel de ocupare scăzut sau ridicat și care să aibă totodată câștigul salarial mai
mare sau egal cu 1326 lei.
În urma selecției realizate, din baza initiala au fost eliminate 15 unități statistice, baza
finala cuprinzând 26 de unități statistice din cele 41.
Pasul ce se succede este de a exporta acest rezultat într-un nou document csv, dar nu
înainte de a verifica că variabilele categoriale au definite bine categoriile.
4
3. Analiza grafică și numerică a variabilelor analizate
Rata de ocupare
La nivelul județelor în anul 2014, rata de ocupare a înregistrat o valoare medie egală cu
63.50%, cele mai multe județe înregistrând o valoarea egală cu 63.5%. Se observă, de
asemenea, că valoarea minima înregistrată este egală cu 50.70%, la polul opus situându-se
valoarea de 78.40%.
5
frecvenţelor spre valorile mici ale variabilei, iar coeficientul de boltire evidențiază o
distribuție platicurtică.
Câștigul salarial
În anul 2014 la nivelul județelor României câștigul salarial a înregistrat o valoare medie
egală cu 1529.423077 lei, cele mai multe dintre județe având câștigul egal cu 1326 lei.
Valoarea minima înregistrată la nivelul anului 2014 a câștigului salarial este egală cu 1326 lei
la polul opus situându-se valoarea de 1897 lei.
b) Variabile nenumerice
6
În ceea ce privește macroregiunile, observăm că 8 județe aparțin Macroregiunii patru, 7
Macroregiunii trei, 7 Macroregiunii doi și 4 Macroregiunii unu.
a) Variabile numerice
Rata de ocupare
8
b) Variabile nenumerice
Nivelul de ocupare
Macroregiunea
9
Se observă conform graficului că macroregiunea patru înregistrează valoarea cea mai
ridicată, macroregiunile doi și trei înregistrând aceeași valoare, iar macroregiunea
consemnează cea mai scăzută valoare.
10
În urma realizării boxploturilor se observă faptul că nu avem puncte extreme pentru
niciuna dintre variabilele analizate.
11
4. Analiza statistica a variabilelor categoriale
Se observă faptul că din totalul județelor din eșantion 7 sunt din Macroregiunea doi și au
nivelul de ocupare scăzut (0.368%), 8 aparțin Macroregiunii patru, 5 dintre acestea având
nivelul de ocupare scăzut (0.263%), în timp ce 3 județe înregistreză un nivel de ocupare
ridicat (0.42%). 7 județe sunt consemnate și în Macroregiunea trei, acestea având, de
asemenea, nivelul de ocupare scăzut (0.368%). Macroregiunii patru îi revin 4 județe cu un
nivel de ocupare ridicat (0.571%).
Din totalul județelor din eșantion 19 au nivelul de ocupare scăzut, respectiv 0.730%, iar
7 au un nivel de ocupare ridicat (0.269%).
12
În ceea ce privește variabila „macroregiune” se observă că macroregiunea doi cuprinde 7
județe din eșantion (0.26%), macroregiunea patru 8 județe (0.30% ), macroregiunea trei 7
județe (0.26%), iar macroregiunea unu 4 județe (0.15%).
13
4.3. Analiza de concordanță
14
5. Estimarea și testarea mediilor
Rata de ocupare
Câștigul salarial
15
5.2.2. Testarea diferenței dintre două medii
16
6. Analiza de regresie și corelație
Ipoteze: H0: ρ = 0;
H1: ρ ≠ 0.
17
Testarea coeficientului de corelație Pearson:
Ipoteze: H0: ρ = 0;
H1: ρ ≠ 0.
Sig= 9.9899831736014022e-07< α=0.05 => se respinge H0
Model cu constantă
18
Ecuaţia modelului: Rata_ocupare = 40.1968 + 5.8056*pib
Model cu constantă
19
Ecuaţia modelului: Rata_ocupare = 33.6002 – 0.0072*Câștig_salarial + 10.1921*Pib
20
6.2.3. Compararea a doua modele de regresie si alegerea celui mai bun
model
Pentru a alege cel mai bun model s-a comparat modelul de regresie liniar simplu cu
modelul liniar semi-logaritmic cu variabila independentă logaritmată.
21
7. Concluzii
Prin compararea modelului de regresie liniar simplu cu cu cele două modele semi-
logaritmice, s-a observat că modelul cel mai bun este cel liniar simplu.
22