Hárs Ágnes - gasparalapitvany.eu

Report
Munkaerőmigráció – trendek,
mítoszok és mérési lehetőségek
Hárs Ágnes
Gáspár Pál emlékkonferencia, 2013. november 21.
Vázlat

Közgazdasági háttér: a migráció oka, ösztönző és visszafogó
tényezők
Az emigrációt korlátozó és ösztönző tényezők
Magyarországon
Adatforrások és a migráció mérhetősége
Trendek, statisztikák, nemzetközi összehasonlítások
A magyar migráció változása, trendek, fordulópontok
A magyar munkaerő emigráció karaktere, magyarázata modellszámítások
Következtetések
Közgazdasági háttér: a migráció oka,
ösztönző és visszafogó tényezők

Klasszikus migrációt magyarázó modellek (Harris-Todero 1970):
migrációt a remélt bérek és/vagy a jobb munkalehetőségek
várakozása ösztönzi

Mindenekelőtt a tökéletes átláthatóság feltételét kellett elvetni migráció bizonytalan és költségekkel jár (anyagi, pszichés, kulturális
stb.)

A munkaerő-áramlás a tőkeáramlással ellentétes irányú folyamat.
Ebben a megközelítésben a migráció elméletben része a tényezőárak
kiegyenlítődésének (Hekscher-Ohlin-Samuelson tétel)

Az Európai Unió esetében, ahol az áruk, a tőke és a szolgáltatások
szabadsága lényegében korlátlanul érvényesül az országok között,
ezek hosszabb távon a migrációt motiváló jövedelemkülönbségek
csökkentését is segítik. (Borjas 1999)
Közgazdasági háttér: a migráció oka,
ösztönző és visszafogó tényezők

A tényezőár kiegyenlítődés nem teljesül. Rappaport (2000) hosszú
idősorokat felhasználva igazolja, hogy a jövedelmek kiegyenlítésében a
tőkeáramlás hatása a meghatározó.
Integrálódó világgazdaságban, mobil munkaerő mellett sem valószínű, hogy a
mobilitás ily módon hatna a munkabérek kiegyenlítődésére.
Valójában nem is önmagában a bérkülönbségek, inkább az életminőség, vagy
a relatív gazdagság befolyásolja a mobilitást. (non tradable goods,
vásárlóerőparitás)

Stark- Bloom (1985) a migráció új közgazdaságtanát megfogalmazva
megkérdőjelezi a remélt bér és munkalehetőségek alapján leírható modellt.




a relatív depriváció vagy relatív elégedettség határozza meg a migrációt.
migrációs döntés alanya nem az egyén, hanem a család
hálózatok szerepe
aszimmetrikus információ a bérkiegyenlítődés ellen hat
Az emigrációt visszafogó és ösztönző
tényezők Magyarországon
Migrációt korlátozó tényezők (2000-es évek közepéig)
A magyar migráció sokáig alacsony volt és maradt.
Kérdés, mi volt ennek az oka - és mi változott később?



Viszonylag magas életszínvonal a rendszerváltó KKEu-i régióban (GDP/fő,PPS)
+ kedvező gazdasági (GDP konvergencia) kilátások és várakozások
Munkaerőpiaci sajátosságok - munkaerő-tartalákok terelése:
 Munkaerő-felesleg korengedményes/rokkant nyugdíjba terelése
 Nagyvonalú gyermekgondozás lehetősége
Csökkentette a munkavállalási és a migrációs hajlandóságot  alacsony
foglalkoztatottság , alacsony munkanélküliség és alacsony migráció
Viszonylag nagyvonalú munkanélküli és szociális segélyezési rendszer

a migránsok rezervációs bérét (azt a bért, amiért hajlandóak külföldön
munkát vállalni) felfelé tolja
Az emigrációt visszafogó és ösztönző
tényezők Magyarországon
Migrációt ösztönző tényezők (2007 óta)
A 2000-s évekre Magyarország kedvező gazdasági kilátásai és a konvergencia előny
megszűnt – a munkaerőpiacon és a reál bérekben a hatás késleltetve érezhető
Főbb gazdasági mutatók változása, 2000-2012
Gazdasági megszorítások
egyensúlyjavítás
(megszorító Gyurcsány
program 2007-)
majd pénzügyi válság hatása
2010 egykulcsos adó majd
2011-től súlyos
megszigorítások a
munkanélküli segély és jóléti
rendszerekben
Forrás: KSH
Az emigrációt visszafogó és ösztönző
tényezők Magyarországon
A migrációt korábbi korlátozó tényezők eltűntek, az ösztönzők tényezők
fokozatosan, több lépésben erősödtek
Migráció változásai: 2007 volt a fordulópont, de erősödés és visszhang 2010 óta

Migrációs potenciál adatok: gyorsan magasra szöktek a várakozások

Sajtó- és politika: visszatükrözik a gyorsan növekvő várakozásokat

Hétköznapi tapasztalatok: magántörténetek (sokkoló és szorongató)

Forrásokat sokáig a migrációs potenciál adatok helyettesítették

Szerény migráció – nincs megbízható standard migrációs statisztika – adathiány
– bizonytalanság: a sokféle lehetséges adatforrás mind gyorsan növekvő
migrációt mutat – „számháború”
Adatforrások és a migráció mérhetősége
Az emigrációt vizsgáló kutatások az adatok konzisztenciájának és
minőségének a hiányától szenvednek. Bloom-Stark (1985)
a migrációkutatás kiterjesztésének korlátját az adatminőségben látják
Két alapvető adatforrásra építünk:
 Tükörstatisztika: a fogadó országokban adminisztratív
nyilvántartások/regiszterek alapján a tartózkodó külföldi
állampolgárokról készült statisztikák - a fő trendek és nagyságrendek
leírására alkalmas
 Munkaerőfelmérés (HU LFS): részletes elemzés a migráció
struktúrájának az elemzésére – az egyedi adatok alkalmasak a
munkaerőmigráció leírására – bárha komoly hiányosságokkal (az LFS
kérdés a külföldön munkahellyel és otthon háztartási kötődéssel
rendelkezőket tartalmazza – alulreprezentáltság és torzítások)
(+más regiszter v. survey alapú források, teljes körű népszámlálás 10 évente )
Trendek, statisztikák –
nemzetközi összehasonlítások
Nagyon eltérő az országok méretéhez képest vizsgálva a migráció intenzitása
az EU 8+2 országokban – az arányok mérhetőek és összehasonlíthatóak
Emigránsok aránya a kibocsájtó ország népességében, 2001-2010%
Románia kiemelkedő,
magas litván és bolgár arány
Alacsony 2010-ben is a
magyar, szlovén és cseh
migránsok aránya az EU 15
országokban
A magyar migráció
növekedése látszik – az
alacsony migráción belül
2007óta (!) folyamatos
 de 2010-ben még alacsony
az arány
Forrás: Tükörstatisztikák (Eurostat külföldi népesség NIESR adatokkal korrigálva és kiegészítve)
Trendek, statisztikák –
nemzetközi összehasonlítások
Tipizálás: a migráció az EU8+2 országában eltér a munkaerő szabad áramlás lehetőségének kihasználása
(2004 vs. 2007 után növekedés), és a válságra adott válasz (megtorpanás vagy további kiáramlás) alapján
A migráns népesség a kibocsátó ország népességének arányában, %
A munkaerő szabad
áramlás hatása a
migráció alakulására
Válság és további
növekedés : Románia,
Bulgária (magas arány).
 Válság és további
növekedés : Észtország,
Litvánia (alacsonyabb
arány)
Válság és megtorpanás:
Lettország, Lengyelo,
Szlovákia
Alacsony migráció
maradt: Csehország,
Magyaro. , Szlovénia)
Magyarország: válság
alatt a migráció
növekedés beindulása –
azóta folyamatos
Forrás: Tükörstatisztika (Eurostat külföldi népesség NIESR adatokkal korrigálva és kiegészítve)
A magyar migráció változása –
trendek, fordulópontok
Alacsony szintről indult a növekedés. A két adatforrás szerint a változások:
Külföldön élők állománya: 2004 után hirtelen érdeklődés (2005-2006), majd új növekedés 2011-re
Munkaerő-migráció (LFS): 2007 után hirtelen megugró érdeklődés, közel állandó marad. 2011-től
gyorsul a munkaerő-migráció
Külföldön dolgozó munkaerőmigránsok
Külföldön élő migráns népesség változása, és létszámváltozása, és a foglalkoztatottakhoz
a népességen belüli aránya, 2001-2011
viszonyított arány, 2001-2012
Forrás: Eurostat tükörstatisztika , korrigálva (bal o. ábra) és HU LFS (jobb o. ábra) alapján saját számítás
A magyar migráció előreszámítása –
mi lehetséges?
Óvatos előreszámítás lehetséges a korábbi évek adatai és a gyorsuló időszak adatai alapján
Feltétel: a migráció irányába ható tényezők nem változnak sokkszerűen
Migránsok aránya a hazai ill. foglalkoztatott népességben, %
Mi lehet migrációt erősítő tényező?
• bérelőny : reálkereset csökken/stagnál
• munkapiac: munkanélküliség nő/stagnál
• szociális rsz.: megszorítások és ellátatlanság
•gazdasági növekedés: gazdasági adatok
•gazdasági várakozások alakulása: bizonytalanság
•nem gazdasági várakozások: FONTOS (isk. rendszer,
egyetemi reform, eü. reform, stb.)
Mi lehet migrációt visszatartó tényező?
•gazdasági helyzet változása
•gazdasági várakozások változása
•nem gazdasági várakozások változása
Forrás: Eurostat tükörstatisztika , korrigálva és HU LFS alapján saját számítás
Az emigráció nagysága, dinamikája és
orientációja
Migránsok aránya fő célországok szerint
Külföldön élő magyarok
LFS munkaerőmigránsok
Tükörstatisztika: Németországban minden más célországnál nagyobb a migránsok aránya
felgyorsult 2010 óta; Ausztriában folyamatos a növekedés (osztrák munkaerőpiac
szelektív folyamatos megnyitása) és Egyesült Királyságba migráció 2006-2007 óta
LFS munkaerő migráció: Ausztriában a legmagasabb, 2011 után gyors növekedés Ausztriában
& Németországban, stabil, nincs növekedés az Egyesült Királyságban
Forrás: Eurostat tükörstatisztika , korrigálva (bal o. ábra) és HU LFS (jobb o. ábra) alapján saját számítás
Mi történt 2010 után?
A migráció növekedése 2007 óta folyamatos – de jelentős visszaáramlás is
van.
A magyar migráció fő iránya három ország irányába
Részarány növekvő – ez új és fontos jelzés
 Németország: 12% 2011-ben, 14% 2012-ben (átmeneti intézkedések után)
 Ausztria: 18% 2008, 20% 2009-2010, 22% 2011-ben (átmeneti intézkedések
utáni hatása kicsit)
 UK: 4% 2007, 7% 2008, 10% 2011Q4, 11% 2012 Q1
De a migránsok jelentős része visszatér(csökken, de jelentős az éven belüli
visszaáramlás), cirkuláris migráció
 Németország: 51%-a maradt 2011-ben, 64% 2012-ben
Ausztria: 36 ill. 45% 2010 és 2011-ben
 UK: nincs visszaáramlás adat (visszaáramlás van)
A magyar munkaerő emigráció karaktere,
magyarázata - modellszámítások
Munkaerő-felmérés - egyedi adatok alapján végzett számítások: néhány eredmény
 Azokra vonatkozik, akinek munkahelye külföldön van, illetve legutolsó munkahelye
külföldön volt (LFS standard kérdés alapján)
 Adatok negyedévenként, 2012 Q1-ig (célországra specifikálva csak 2010-ig, később
EU/nem EU )
A migráció aránya kicsi az adatbázisban. Ezért összevont időszakokra panelt
képeztünk., az előző trendek alapján lehatárolt homogén időszakokra
 EU csatakozás előtt - 2004 május 1-ig.
 EU csatlakozás után 2004 május 1- 2007 december 31.
Válság (hazai megszorítás + pü.i válság) 2008-2010
 Gazdasági bizonytalanság (megszigorítások és bizonytalanságok) 2011- 2012 Q1
(egybeesik az EU szabad munkaerő áramlás kiteljesedésével - Ausztria,
Németország)
Számolásokat az összevont panelek elemeivel végeztük.
A magyar munkaerő emigráció karaktere szelektivitás
Migránsok szerkezete: a hazai népességhez képest kik vannak
túlreprezentálva a migránsok között?
(migráció szelektivitás index: migráns versus foglalkoztatott
népesség arányának az eltérése az egyes indikátorok szerint a hazai
népességben mért arányhoz képest +1 és -1 közötti érték)
 Férfiak aránya: 0,5 stabilan férfi többségű migráció, kivéve
Egyesült Királyság, nagyjából kiegyensúlyozott arány (0,15)
 Fiatal felnőttek 25-34 évesek aránya magas (0,4 with some
increase)
Fiatalok (25 év alatt) irányába a szelektivitás gyorsan nőtt,
amikor a migráció gyorsult (0,0-ról 0,6-ra emelkedett az index a
csatlakozást követő válság és gazdasági bizonytalanság időszakban).
* +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció
A magyar munkaerő emigráció karaktere szelektivitás
férfiak
Férfiak:
- szakmunkás (~0,5 index)
- középiskolások gyorsan nő
(-ból átfordul ~+0,3
- semmi más végzettség nem jell.
nők
Nők:
felsőfok magas (~0,5)
középiskolások növekvőek
szakmunkások lecsökkentek
többi végzettség nem jellemző
* +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció
A magyar munkaerő emigráció karaktere szelektivitás
A migrációs szelektivitás index régiók szerint
Régiós munkanélküliség
eltérése az országostól,
%-pont
Emigráció regionális szelektivitási indexe
EU
EU
Gazdasági
csatakozás
csatlakozás
bizonytalans
előtt
után
Válság
ág
2007
2012
fejlett alacsony munkanélküliségű régiók
Nyugat-Dunántúl
3,10
2,49
1,81
1,45
-2,4
-3,5
Közép-Dunántúl
0,52
0,09
-0,19
0,10
-2,4
-1,1
Közép-Magyarország
-0,71
-0,49
-0,64
-0,60
-2,7
-1,7
kevésbé fejlett magas munkanélküliségű régiók
Észak-Magyarország
0,02
0,55
0,28
0,27
4,9
5,7
Észak-Alföld
-0,61
-0,78
0,06
-0,10
3,4
3,0
Dél-Dunántúl
-0,29
-0,03
0,41
0,61
2,6
1,1
-0,36
-0,39
-2,4
-3,5
közepes régió alacsony munkanélküliséggel
Dél-Alföld
-0,63
-0,51
Regionális koncentráció – nyugati határon jó régiókban kezdetben, kiugró jelentőség csökkent
Magas munkanélküliség – kevés régióban (É-Mo, D-D), lassan terjed
* +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció
Az emigráció esélye
Logisztikus regressziót számoltunk (a kialakított panelek szerint)
Azt vizsgáltuk, mekkora a külföldön (az EU-ban, illetve Ausztriában,
Németországban, Egyesült Királyságban) dolgozás esélye
 Migráció esélye az EU csatakozás előtti időszakhoz képest
 EU csatlakozás után:
1,9-szeres,
 Válság időszakra:
3,54-szeres
 Gazdasági bizonytalanság időszakára:
6,86-szoros




Migráció esélye az EU csatakozás előtti időszakhoz képest
Célország
Németország
Ausztria
EU csatlakozás után:
1,32-szeres
1,27-szeres
Válság időszakra:
1,97-szeres
1,97-szeres
Egyesült Királyság
4,06-szoros
12,81-szeres
Az emigráció esélye
Iskolázottság és foglalkozás esélye az EU migráció során
Migráció az EU-ba
EU csatlakozás után
Válság
Gazdasági bizonytalanság
Iskolai végzettség
(.000)
(.000)
(.000)
szakmunkásképző
5.047 (.000)
3.139 (.000)
2.577 (.000)
középfokú
1.734 (.175)
2.377 (.001)
2.528 (.003)
szakközépiskola
3.921 (.000)
2.842 (.000)
2.655 (.000)
főiskola
6.669 (.000)
4.040 (.000)
4.085 (.000)
egyetem
10.234 (.000)
4.533 (.000)
4.741 (.000)
(.000)
(.000)
(.000)
szolgáltatás
4.487 (.000)
3.121 (.000)
4.163 (.000)
mezőgazdaság
2.934 (.015)
3.089 (.000)
4.393 (.001)
ipar és építőipar
6.510 (.000)
5.402 (.000)
8.750 (.000)
gépkezelő
2.641 (.000)
1.960 (.001)
2.780 (.000)
szakképzetlen
5.023 (.000)
2.993 (.000)
5.049 (.000)
Foglalkozás
viszonyítás: nem fizikai foglalkozás, alapfok
Felsőfokúak esélye a legnagyobb a külföldi munkához (az alapfokú végzettséghez képest)
Nem fizikai foglalkozáshoz képest minden más foglalkozás végzésének nagyobb az esélye




Tanulságok
Növekvő migráció – még korlátozott mértékű és nem
körvonalazódott a formája.
Emigráció gyorsan növekszik, 2007 óta és gyorsuló az
egymást követő megszorítások és egyéb intézkedések
következtében 2011 óta.
A migráció egy része hagyományos és számottevő,
részben regionális Ny-Magyarországon Ausztriába,
emellett Németországba. Egy sokkal színesebb szegmens
a főként az Egyesült Királyságba tartóké.
A csatlakozáskor kis mértékű migráció, Egyesült
Királyságba a hagyományos szerkezettől eltérő, kisebb
mértékű migráció. Az átmeneti intézkedések lejártával reorientáció Németországba.
Tanulságok





A munkaerőmigránsok nagyrészt foglalkoztatottak voltak
mielőtt külföldön kerestek munkát. .
A migráció növekvő mértékben szelektív a középfokú
végzettségűek irányába, jelentős arányban szakképzett és
nagyon kevéssé jellemző a szakképzetlenek részvétele, magas
munkanélküliségük ellenére sem.
A migrációnak ez a szerkezete kedvezőtlen otthoni munkapiaci
struktúrához vezethet.
A gazdasági, szociális és politikai fejlemények tartósan
felerősíthetik és megváltoztathatják a magyar migráció
mintáját. Migrációt ösztönző tényezők erősödnek, a
visszatartó erők eltűntek. Nem világos, hogy mindezek hatása
rövid vagy hosszú távú-e?
Más új EU országok mintái ebben eltérőek – és erősen függnek a
hazai gazdasági, foglalkoztatási és szociális, jóléti helyzettől.

Köszönöm a figyelmet!
1. a: Outmigration models (Odds ratios) - Emigration to EU
Dependent variable: ‘Emigrants in the EU’
Migrants to the EU
post-enlargement phase
crisis phase
downturn phase
Education
(.000)
(.000)
(.000)
vocational
5.047 (.000)
3.139 (.000)
2.577 (.000)
secondary
1.734 (.175)
2.377 (.001)
2.528 (.003)
secondary vocational
3.921 (.000)
2.842 (.000)
2.655 (.000)
college
6.669 (.000)
4.040 (.000)
4.085 (.000)
10.234 (.000)
4.533 (.000)
4.741 (.000)
Age group
(.000)
(.000)
(.000)
25-34 years
1.891 (.001)
1.721 (.001)
1.702 (.010)
35-44 years
1.614 (.032)
1.508 (.021)
1.836 (.008)
45-54 years
1.043 (.860)
1.144 (.489)
1.028 (.914)
.955 (.876)
.702 (.167)
.538 (.061)
(.000)
(.000)
(.000)
wife
.059 (.000)
.146 (.000)
.153 (.000)
partner
.931 (.693)
.582 (.001)
.629 (.011)
one parent with child
.377 (.003)
.178 (.000)
.382 (.003)
child
1.244 (.156)
1.114 (.408)
1.183 (.313)
other
.395 (.007)
.571 (.022)
1.295 (.427)
single
.448 (.002)
.620 (.012)
.532 (.010)
university
55 years or more
Family status
Dependent variable: ‘Emigrants in the EU’
(cont)
(.000)
(.000)
(.000)
Northern Great Plain
.183 (.000)
.605 (.002)
.918 (.664)
Southern Great Plain
.541 (.001)
.582 (.001)
.702 (.087)
Central Hungary
.261 (.000)
.372 (.000)
.251 (.000)
Central Transdanubia
.775 (.165)
.950 (.759)
1.056 (.788)
Western Transdanubia
1.827 (.000)
2.644 (.000)
1.787 (.003)
Southern Transdanubia
.991 (.961)
1.114 (.496)
.996 (.985)
(.000)
(.000)
(.000)
services
4.487 (.000)
3.121 (.000)
4.163 (.000)
agriculture
2.934 (.015)
3.089 (.000)
4.393 (.001)
industry &construction
6.510 (.000)
5.402 (.000)
8.750 (.000)
machine operator
2.641 (.000)
1.960 (.001)
2.780 (.000)
unskilled
5.023 (.000)
2.993 (.000)
5.049 (.000)
Non-Hungarian citizen
3.796 (.007)
5.612 (.000)
1.016 (.985)
Temporary job
3.267 (.000)
4.151 (.000)
2.148 (.000)
Region
Employment
migrants in weighted cases
Nagelkerke R Square
524
848
604
0.330
0.335
0.358
Excluded variables: basic education, less than 25 years, husband, Northern Hungary, non-manual employment
Note: Log regression Chi-square 0.000 each case, currently employed migrants and employed population due to
the noisy data of previously employed returnees.
1 b: Outmigration models (Odds ratios)
Dependent variables ‘Emigrant to Germany’, ‘Emigrant to Austria’ ‘
’Emigrant to UK’
Migrants in Germany
Education
postenlargement
(.006)
vocational
secondary
Migrants in Austria
(.111)
postenlargement
(.002)
3.520 (.003)
1.435 (.184)
.630 (.599)
secondary vocational
crisis
crisis
Migrants in
UK
crisis
(.000)
(.000)
6.013 (.000)
5.323 (.000)
2.258 (.082)
.854 (.742)
3.183 (.086)
2.448 (.092)
6.195 (.000)
1.897 (.179)
.900 (.741)
4.161 (.003)
5.518 (.000)
4.081 (.003)
college
2.201 (.233)
.761 (.594)
7.451 (.003)
4.345 (.002)
9.947 (.000)
university
2.580 (.204)
1.850 (.277)
.000 (.993)
9.258 (.000)
6.114 (.003)
Age group
(.014)
(.304)
(.234)
(.092)
(.000)
25-34 years
2.523 (.008)
.760 (.276)
1.953 (.083)
2.026 (.013)
2.119 (.008)
35-44 years
1.492 (.321)
.637 (.115)
1.763 (.180)
1.916 (.039)
1.684 (.142)
45-54 years
1.396 (.432)
.668 (.183)
1.771 (.183)
1.726 (.099)
.106 (.022)
55 years or more
1.537 (.403)
.393 (.037)
1.048 (.928)
1.371 (.423)
.299 (.185)
(.023)
(.005)
(.000)
(.000)
(.000)
.040 (.003)
.255 (.000)
.112 (.000)
.172 (.000)
.277 (.012)
1.375 (.269)
.703 (.169)
1.099 (.742)
.665 (.081)
.886 (.772)
.737 (.565)
.279 (.034)
.658 (.349)
.213 (.001)
.547 (.410)
child
1.552 (.085)
.780 (.265)
.698 (.169)
.727 (.116)
2.750 (.001)
other
.861 (.773)
.475 (.091)
.550 (.259)
.600 (.171)
2.128 (.126)
single
.781 (.564)
.667 (.237)
.524 (.108)
.824 (.487)
.620 (.419)
Family status
wife
partner
one parent with child
Dependent variables ‘Emigrant to Germany’, ‘Emigrant to Austria’ ‘
’Emigrant to UK’ (cont)
(.000)
(.000)
(.000)
(.000)
(.015)
Northern Great Plain
.351 (.002)
.666 (.083)
.156 (.023)
.350 (.006)
1.091 (.790)
Southern Great Plain
.695 (.191)
.453 (.004)
.412 (.101)
.736 (.341)
1.220 (.553)
Central Hungary
.229 (.000)
.320 (.000)
.395 (.056)
.303 (.003)
.389 (.013)
Central Transdanubia
.266 (.001)
.648 (.105)
3.137 (.001)
.826 (.611)
Western Transdanubia
.382 (.001)
.230 (.000)
11.791 (.000)
Southern Transdanubia
1.008 (.975)
1.222 (.364)
2.035 (.052)
2.068 (.008)
12.70
(.000)
5
2.041 (.007)
(.000)
(.000)
(.000)
(.000)
(.000)
services
1.587 (.310)
2.701 (.011)
7.148 (.000)
4.877 (.000)
2.741 (.000)
agriculture
1.164 (.859)
2.938 (.083)
11.102 (.000)
5.945 (.000)
.000 (.997)
industry &construction
4.346 (.000)
8.052 (.000)
8.917 (.000)
6.005 (.000)
.855 (.695)
machine operator
1.268 (.626)
2.075 (.092)
2.983 (.025)
2.482 (.003)
1.522 (.327)
unskilled
2.255 (.105)
1.404 (.469)
4.929 (.003)
3.778 (.000)
5.186 (.000)
Non-Hungarian citizen
3.349 (.099)
1.696 (.568)
2.126 (.477)
.632 (.751)
5.459 (.021)
Temporary job
migrants in weighted
cases
Nagelkerke R Square
3.111 (.000)
3.785 (.000)
1.263 (.359)
2.462 (.000)
2.539 (.000)
Region
Employment
.757 (.430)
.427 (.045)
146
218
194
338
128
0.234
0.239
0.362
0.379
0.275
Excluded variables: basic education, less than 25 years, husband, Northern Hungary, non-manual employment
Note: Log regression Chi-square 0.000 each case, currently employed migrants and employed population due to
the noisy data of previously employed returnees.
2: Return migration models (Odds ratios)
Dependent variable: ‘Return migrants’
Return migrants
post-enlargement phase
crisis phase
downturn phase
.669 (.038)
.585 (.000)
.542 (.001)
Age group
(.003)
.(000)
(.000)
25-34 years
1.919 (.003)
1.763 (.001)
1.621 (.039)
35-44 years
1.806 (.019)
1.930 (.001)
2.118 (.004)
45-54 years
1.334 (.280)
1.444 (.078)
1.253 (.436)
55 years or more
1.138 (.695)
.902 (.713)
.651 (.268)
(.000)
(.000)
(.000)
Northern Great Plain
.195 (.000)
.677 (.018)
.910 (.659)
Southern Great Plain
.460 (.000)
.542 (.000)
.762 (.227)
Central Hungary
.181 (.000)
.252 (.000)
.096 (.000)
Central Transdanubia
.713 (.086)
.736 (.091)
.709 (.137)
Western Transdanubia
1.596 (.005)
2.587 (.000)
1.899 (.002)
Southern Transdanubia
1.058 (.769)
1.148 (.406)
1.041 (.861)
Education
(.000)
(.000)
(.000)
vocational
5.751 (.000)
3.131 (.000)
2.964 (.000)
secondary
1.165 (.726)
1.592 (.088)
1.985 (.039)
secondary vocational
college
university
2.960 (.000)
2.246 (.017)
2.554 (.011)
2.066 (.000)
1.242 (.371)
1.702 (.045)
2.172 (.004)
1.726 (.077)
1.470 (.287)
Women
Region

similar documents