Studia i Prace WNEiZ US

Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia i Prace WNEiZ

ISSN: 2450-7733    OAI    DOI: 10.18276/sip.2018.54/3-05
CC BY-SA   Open Access 

Lista wydań / nr 54/3 2018
Wykorzystanie testu Graya do oceny wpływu płci na formę wyjścia z bezrobocia

Autorzy: Beata Bieszk-Stolorz
Uniwersytet Szczeciński
Słowa kluczowe: analiza trwania funkcja skumulowanej częstości test Graya bezrobocie płeć
Data publikacji całości:2018
Liczba stron:13 (71-83)
Klasyfikacja JEL: C41 J64
Cited-by (Crossref) ?:

Abstrakt

Celem artykułu jest ocena wpływu płci na prawdopodobieństwo wyrejestrowania z urzędu pracy z powodu podjęcia pracy niesubsydiowanej, pracy subsydiowanej, podjęcia działalności gospodarczej, wyjazdu za granicę, przejścia na rentę, emeryturę lub zasiłek i pozostałych przyczyn. Te formy wyjścia z bezrobocia stanowią różnego rodzaju zdarzenia konkurujące. W badaniu wykorzystano metody analizy trwania uwzględniające występowanie obserwacji cenzurowanych. Do oceny ryzyka zdarzeń konkurujących zastosowano funkcję skumulowanej częstości (CIF). Pozwoliła ona na ocenę prawdopodobieństwa formy wyjścia z bezrobocia.W celu zbadania różnic we wpływie płci na prawdopodobieństwo wyrejestrowania z powodu określonej przyczyny zastosowano test Graya. Analizowano je w podgrupach wyodrębnionych ze względu na cechy osób bezrobotnych: wykształcenie, wiek, liczbę zarejestrowań i staż pracy. W badaniu skorzystano z danych indywidualnych osób zarejestrowanych w Powiatowym Urzędzie Pracy w Szczecinie.
Pobierz plik

Plik artykułu

Bibliografia

1.Aly, E.A.A., Kochar, S., McKeague, E. (1994). Some Tests for Comparing Cumulative Incidence Functions and Cause-Specific Hazard Rates. Journal of the American Statistical Association, 89 (427), 994–999. DOI: 10.1080/01621459.1994.10476833.
2.Bieszk-Stolorz, B. (2013). Analiza historii zdarzeń w badaniu bezrobocia. Szczecin: Volumina.pl.
3.Bieszk-Stolorz, B. (2017a). Cumulative Incidence Function in Studies on the Duration of the Unemployment Exit Process. Folia Oeconomica Stetinensia, 17 (1), 138–150. DOI:10.1515/foli-2017-0011.
4.Bieszk-Stolorz, B. (2017b). Zastosowanie metod analizy trwania w badaniu form wychodzenia z bezrobocia. Wiadomości Statystyczne, 8, 5–18.
5.Bieszk-Stolorz, B., Markowicz, I. (2012). Modele regresji Coxa w analizie bezrobocia. Warszawa: CeDeWu.
6.Bieszk-Stolorz, B., Markowicz, I. (2013). Płeć jako determinanta szansy podjęcia zatrudnienia i ryzyka rezygnacji z pośrednictwa urzędu pracy. Optimum. Studia Ekonomiczne, 6 (66), 20–30.
7.Crowder, M. (1994). Identifiability Crises in Competing Risks. International Statistical Review, 62 (3), 379–391. DOI: 10.2307/1403768.
8.Crowder, M. (1996). On Assessing Independence of Competing Risks when Failure Times are Discrete. Lifetime Data Analysis, 2 (2), 195–209. DOI: 10.1007/BF00128575.
9.Crowder, M. (1997). A Test for Independence of Competing Risks with Discrete Failure Times. Lifetime Data Analysis, 3 (3), 215–223. DOI: 10.1023/A:1009696830515.
10.Gooley, T.A., Leisenring, W., Crowley, J., Storer, B.E. (1999). Estimation of Failure Probabilities in the Presence of Competing Risks: New Representations of Old Estimators. Statistics in Medicine, 18 (6), 695–706. DOI: 10.1002/(SICI)1097-0258(19990330)18:6<695::AID-SIM60>3.0.CO;2-O.
11.Gray, R.J. (1988). A Class of K-Sample Tests for Comparing the Cumulative Incidence of a Competing Risk. The Annals of Statistics, 16 (3), 1141–1154.
12.Kalbfleisch, J.D., Prentice, R.L. (2002). The Statistical Analysis of Failure Time Data, Second Edition. Hoboken, New Jersey: John Wiley & Sons.
13.Klein, J.P., Bajorunaite, R. (2004). Inference for Competing Risks. W: N. Balakrishnan, C.R. Rao (red.), Handbook of Statistics: Advances in Survival Analysis (s. 291–311). Vol. 23. Amsterdam: Elsevier.
14.Klein, J.P., Moeschberger, M.L. (2003). Survival Analysis: Techniques for Censored and Truncated Data. Second Edition. New York: Springer-Verlag.
15.Kotowska, I.E. (red.) (2009). Strukturalne i kulturowe uwarunkowania aktywności zawodowej kobiet w Polsce. Warszawa: Scholar.
16.Landmesser, J. (2013). Wykorzystanie metod analizy czasu trwania do badania aktywności ekonomicznej ludności w Polsce. Warszawa: Wyd. SGGW.
17.Marubini, E., Valsecchi, M. (1995). Analysing Survival Data from Clinical Trials and Observational Studies. New York: John Wiley& Sons.
18.Matuszewska-Janica, A., Hozer-Koćmiel, M. (2015). Struktura zatrudnienia oraz wynagrodzenia kobiet i mężczyzn a przedmiotowa struktura gospodarcza w państwach UE. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 385, 178–186. DOI: 10.15611/pn.2015.385.19.
19.Sytuacja kobiet i mężczyzn na rynku pracy w 2016 roku (2017). Pobrane z: http://www.mpips.gov.pl/analizy-i-raporty/raporty-sprawozdania/rynek-pracy/ (15.09.2017).