Documente Academic
Documente Profesional
Documente Cultură
şi a şomajului în România
Lect. Ștefan Virgil IACOB, PhD (stefaniacob79@yahoo.com)
Universitatea Artifex din București
Elena MĂHĂREA, Student (eelepsa98@yahoo.com)
Academia de Studii Economice din București
Abstract
Prin ocupare noi înțelegem toate acele persoane cu vârsta de 15 ani
și peste, care au desfășurat o activitate economică producătoare de bunuri
sau servicii, de cel puțin oră în perioada de referință de o săptămână, în
scopul de a obține unele venituri sub formă de salarii, plată natură sau
altele beneficii. Aceasta este populația ocupată în termenii cei mai largi. Din
această populație ocupată pe criterii și categorii contracte de muncă sunt cei
care formează contingentul forței de muncă angajată.
Desigur, articolul nu se referă la forța de muncă, dar facem o mică subliniere
că în acest context există forță de muncă ocupată pe perioadă nedeterminată sau
determinată, în funcție de care se poate trage una dintre concluzii.
Tot în populația ocupată intră și șomerii, cei care nu au loc de muncă,
dar nu își găsesc în piața muncii un loc de muncă, cei care au avut un loc
de muncă dar l-au pierdut în cazul restructurării societăților comerciale, a
unor politici guvernamentale și așa mai departe. Important este de analizat
raportul care există între această populație ocupată și numărul de șomeri.
În articolul se prezintă evoluția și situația populației ocupate în trimestrul
IV al anului 2019 și apoi se discută despre numărul de șomeri. Populația inclusă
în rândul șomerilor, aproximativ 364 de mii de persoane în decembrie 2019, ar
trebui să constituie contingentul de completare a forței de muncă în funcție de
cerințele pieței muncii sau în funcție de creșterea locurilor de muncă în economia
națională. Articolul punctează aceste aspecte care sunt esențiale.
Cuvinte cheie: forță de muncă, șomaj, piața muncii, populație
ocupată, migrație.
Clasificarea JEL: C13, C15, J20, J60
Introducere
În cazul acestui articol privind ocuparea și șomajul în România și
perspective, autorii au pornit de la o analiză concretă a situației populației
în România, pornind de la structura populației active, populației ocupate,
numărul de salariați și șomeri, pentru a evidenția modul în care oferta de
Literature review
Anghelache și Angel (2016, 2018) abordează din punct de vedere
teoretic problemele economice generale și fac o serie de analize statistico-
econometrice asupra diverselor fenomene economice corelate cu teoria
prezentată. Georgescu și Delureanu (2015) abordează unele metode de
analiză spectrală și evidențiază potențialul acestora în prognoza seriilor de
timp financiare. Golyandina și Zhigljavsky (2013) sunt preocupați de analiza
spectrului singular pentru seriile de timp. Hassani și Zhigljavsky (2009)
prezintă metodologia și aplicarea datelor economice în ceea ce privește
analiza spectrului singular. Iacob (2019) abordează anumite analize statistico-
econometrice concrete asupra unor fenomene economice utilizând analiza
spectrală în analiza seriilor de date cronologice de mari dimensiuni. Nave
(2006) prezintă utilitatea investigării spectrale în analiza atomului de hidrogen
și a altor elemente. Pecican (2009) abordează diverse metode de analize
(1)
unde: , , = parametrii
T = numărul unitarilor de timp
f = frecventa stabilita inițial
t are valori cuprinse in intervalul [1,T]
(2)
Astfel, minimizarea funcției presupune egalarea cu zero a derivatelor
parțiale de ordinul întâi, ceea ce va conduce la următoarele relații de calcul a
parametrilor estimați:
(3)
(4)
(5)
Acești coeficienți sunt necesari în continuarea analizei pentru
determinarea indicatorilor specifici analizei spectrale cum ar fi amplitudinea:
(6)
În ceea ce privește funcția de densitate, acesta este dată de relația:
(7)
Rezultate edificatoare
Tabel 5
Frequency Period Cosine - Coeffs Sine - Coeffs Periodogram Density
1 0,005208 192,0000 -47021,9 -42101,1 3,824219E+11 2,341481E+11
2 0,010417 96,0000 12251,7 42211,6 1,854647E+11 2,091990E+11
3 0,015625 64,0000 5341,1 38027,8 1,415652E+11 1,230180E+11
6 0,031250 32,0000 10732,9 21041,2 5,356092E+10 3,869401E+10
7 0,036458 27,4286 -1215,0 19369,1 3,615726E+10 3,068955E+10
5 0,026042 38,4000 16050,1 690,9 2,477611E+10 3,088619E+10
9 0,046875 21,3333 -10323,7 9662,2 1,919396E+10 1,017850E+10
19 0,098958 10,1053 4376,0 4805,6 4,055264E+09 2,199750E+09
14 0,072917 13,7143 5449,9 -1726,3 3,137443E+09 1,541127E+09
85 0,442708 2,2588 2766,1 4694,2 2,849944E+09 1,777411E+09
3,5E11 3,5E11
3E11 3E11
Periodogram Values
2,5E11 2,5E11
2E11 2E11
1,5E11 1,5E11
1E11 1E11
5E10 5E10
0 0
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Frequency
2E11 2E11
Spectral Density
1,5E11 1,5E11
1E11 1E11
5E10 5E10
0 0
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Frequency
40000 40000
20000 20000
Sine Coefficients
0 0
-20000 -20000
-40000 -40000
-60000 -60000
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Frequency
/"/"$$
%&'
În ceea ce privește coeficientul cosinus, conform graficului numărul
7, constatăm că acesta înregistrează în general valori cuprinse în intervalul
-5.000 și 5.000, dar plasate mai mult în zona pozitivă. Există o singură
excepție, maximul acestei valori înregistrate fiind negativă și anume -47.021,9
pentru 192 luni, restul valorilor fiind destul de compacte.
Concluzii
Analiza articolului ocuparea și șomajul în România, conduce la unele
concluzii teoretice dar mai ales practice. În primul rând se clarifică că raportul
dintre ocuparea populației și numărul de șomeri este dat pe capacitatea
economiei de a răspunde ofertei pieței muncii și a angaja persoanele respective.
Desigur, există locuri vacante care se scot la concurs să spunem așa
pentru ocupare, dar în cele mai multe cazuri acestea nu se realizează, deoarece
nu sunt întrunite condițiile de corelare a ofertei pieței muncii și cerințele din
mediul economic. De aceea o primă concluzie este aceea că pregătirea forței
de muncă, prin cei care absolvă studii sau reconversii profesionale, să fie
aduse cât mai aproape de cerințele mediului economic.
O a doua concluzie este aceea că numărul șomerilor va putea să scadă
nu numai prin emigrarea acestora în alte zone geografice din Europa sau de pe
Bibliografie
1. Anghelache, C., Angel, M.G. (2018) Econometrie generală. Teorie și studii de caz,
Editura Economică, București
2. Anghelache, C. Angel, M.G. (2016) Bazele statisticii economice, Editura
Economică, București
3. Georgescu,V., Delureanu, S.M. (2015), Advanced Spectral Methods and Their
Potential in Forecasting Fuzzy-Valued and Multivariate Financial Time Series.
Advances in Intelligent Systems and Computing, Springer-Verlag, 129-140.
4. Golyandina, N., Zhigljavsky, A. (2013), Singular Spectrum Analysis for time
series. Springer Briefs in Statistics, Springer.
5. Hassani, H., Zhigljavsky, A. (2009), Singular Spectrum Analysis: Methodology
and Application to Economics Data. Journal of System Science and Complexity, 22
372–394
6. Iacob, Ș.V. (2019) - Utilizarea metodelor statistico-econometrice și econofizice în
analize economice, Ed. Economică
7. Nave, C.R. (2006),”Hydrogen Spectrum”. HyperPhysics. Georgia State University.
Retrieved March 1, 2008
8. Pecican, E.S. (2009), Econometrie pentru economisti, Editura economica,
Bucuresti
9. Peijie, Wang, Trefor, J. (2010), A Spectral Analysis of Business Cycle Patterns in
UK Sectoral Output
10. Priestley, M.B. (1971), Time-dependent spectral analysis and its application in
prediction and control, Journal of Sound and Vibration
11. Priestley, M.B. (1996), Wavelets and Time-Dependent Spectral Analysis. Journal
of Time Series Analysis
12. Priestley, M.B. (1996), Sprectral Analysis and Time Seties, Academic Press
London