Hodnotenie vybraných intervencií ŠF a KF využitím metód ... 6 Odpovede na hodnotiace otázky 149 ... 9.2.5 Výsledné ukazovatele a základné deskriptívne štatistiky súboru

Hodnotenie

vybraných

intervencií ŠF a KF

využitím metód

Counterfactual

Impact Evaluation

Záverečná správa

Úrad vlády SR

Centrálny koordinačný orgán

Máj 2015

1

Projektový tím

Manažér projektu

Rastislav Nemec

Odborný garant projektu

Daniele Bondonio

Riešiteľský tím Úlohy 1

András Kaszap

Tomáš Varga

Dóra Vajai

Marcell Németh

Riešiteľský tím Úlohy 2

Martin Obuch

Miroslav Štefánik

Danka Lubyová

2

Zoznam skratiek

Skratka Význam

AVG Priemer

CDD Conditional Difference-in-Differences

CIE Counterfactual Impact Evaluation

CPI Index spotrebiteľských cien (Consumer Price Index)

DD Difference-in-Differences

DDD Difference in Difference-in-Differences

DM Schéma pomoci De minimis

DM08 De minimis, výzva KaHR-111DM-0801

DM09 De minimis,výzva KaHR-111DM-0901

FTE Pracujúci na plný pracovný úväzok

GDP HDP – Hrubý domáci produkt

NACE Nomenclature statistique des activités économiques

NPV Čistá súčasná hodnota

NR Čisté príjmy

NUTS Nomenclature of Territorial Units for Statistics

NVA Čistá súčasná hodnota

OP Operačný program

OP KaHR Operačný program Konkurencieschopnosť a hospodársky rast

PKI Public Key Infrastructure

RO Riadiaci orgán

SM 111 Podopatrenie 1.1.1.

MSP Mikro, malé a stredné podniky

SP Schéma štátnej podpory

SP08 Štátna podpora,výzva KaHR-111SP-0801



TBIE Hodnotenie dopadov založené na teórii (Theory Based Impact Evaluation)

ToC Teória zmeny (Theory of Change)

DPH Daň z pridanej hodnoty (VaT)

3

Obsah

Zoznam tabuliek a grafov 7

Manažérske zhrnutie Úlohy 1 15

Manažérske zhrnutie Úlohy 2 19

1 Úvod 24

1.1 Zmluvné východiská 24

1.2 Kontext hodnotených intervencií 24

1.2.1 Podpora zavádzania inovácií a technologických transferov 24

1.2.2 Vzdelávanie a príprava pre trh práce (§ 46) 24

1.3 Štruktúra Záverečnej správy 24

2 Úloha 1 26

2.1 Účel hodnotenia 26

2.2 Štruktúra správy 26

2.3 Metodický prístup 26

3 Popis hodnoteného podopatrenia 29

4 Kontrafaktuálne hodnotenie dopadov 32

4.1 Prehľad údajov 32

4.1.1 Prehľad údajov 32

4.1.2 Popis podporenej vzorky 33

4.1.3 Popis nezúčastnených podnikov vporovnávacej skupine 53

4.2 Popis metód a výsledkov 55

4.2.1 Metódy a odhady 55

4.2.2 Výsledky z CIE vykonané s podporenou skupinou zamietnutých žiadateľov 68

4.2.3 Výsledky CIE vykonané s porovnávacou skupinou nezúčastnených podnikov 100

4.2.4 Čistý finančný vplyv na štátny rozpočet 113

4.3 Zhrnutie výsledkov CIE 125

5 Prístup založený na teórii 136

5.1 Popis metodiky 136

5.1.1 Prístup: Analýza prínosov (Contribution Analysis) 137

5.1.2 Identifikovaná teória zmeny intervencie 140

4

5.2 Vyhodnotenie teórie zmeny 143

5.2.1 Prehľad prípadových štúdií 143

5.2.2 Výsledky vyhodnotenia teórie zmeny 145

6 Odpovede na hodnotiace otázky 149

6.1 Odpovede na hodnotiace otázky 149

7 Kľúčové závery a odporúčania 153

7.1 Zameranie podpory 153

7.2 Poskytovanie podpory 154

7.3 Meranie dopadov 155

8 Úloha 2 157

8.1. Zhrnutie 157

8.1 Úvod 159

8.1.1 Účel hodnotenia 159

8.1.2 Popis hodnotenej intervencie 159

9 Kontrafaktuálne hodnotenie dopadov(CIE) 161

9.1 Opis údajov využitých pre hodnotenie 162

9.1.1 Zdroje a štruktúra poskytnutých údajov 162

9.1.2 Štatistický opis poskytnutých súborov 166

9.1.3 Tvorba skupiny účastníkov opatrenia pre potreby hodnotenia 169

9.2 Opis použitých modelov 173

9.2.1 Odhad premennej propensity score 173

9.2.2 Model 1 175

9.2.3 Model 2 178

9.2.4 Model 3 180

9.2.5 Výsledné ukazovatele a základné deskriptívne štatistiky súboru 181

9.3 Výsledky vyhodnotenia 183

9.3.1 Výsledky vyhodnotenia podľa obdobia implementácie opatrenia 183

9.3.2 Výsledky vyhodnotenia podľa rodu 188

9.3.3 Výsledky vyhodnotenia podľa veku 190

9.3.4 Výsledky vyhodnotenia podľa stupňa najvyššieho dosiahnutého vzdelania 192

9.3.5 Výsledky vyhodnotenia podľa regiónu úradu práce 194

10 Analýza výnosov a nákladov (CBA analýza) 197

10.1 Bezprostredné náklady ŠR 197

10.2 Kvantifikácia nákladov ŠR na jedného nezamestnaného 197

10.3 Nastavenie scenárov 200

10.3.1 Dodatočná zamestnanosť 200

10.3.2 Dodatočný príjem 202

5

10.4 Kvantifikácia výnosov opatrenia 204

11 Hodnotenie dopadov založené na teórii (TBIE) 208

11.1 Prístup k hodnoteniu 208

11.2 Kvalitatívne hodnotenie intervencie 208

12 Zistenia a závery 221

12.1 Kvantitatívne hodnotenie efektov založené na kontrafaktuálnych metódach221

12.1.1 Závery previazané na jednotlivé štatistické zistenia 221

12.1.2 Zovšeobecnené závery 224

12.2 Kvalitatívne hodnotenie dopadov založené na teórii 228

12.2.1 Spôsob identifikácie vzdelávacích potrieb 228

12.2.2 Spôsob výberu účastníkov opatrenia 229

12.2.3 Organizačno-technický rámec poskytovania vzdelávania 230

13 Odporúčania 231

13.1 Odporúčania v oblasti politiky zamestnanosti (MPSVR SR) 231

13.2 Odporúčania v oblasti implementácie (ÚPSVAR) 232

13.2.1 Zdokonaliť metodiku spôsobu identifikácie vzdelávacích potrieb 232

13.2.2 Zdokonaliť metodiku spôsobu identifikácie vzdelávacích potrieb 232

13.2.3 Zmeniť organizačno-technický rámec poskytovania vzdelávania 233

14 Všeobecné požiadavky na dáta 234

14.1 Požiadavky na dáta pre realizáciu hodnotení dopadov 234

14.1.1 Otázky ochrany osobných údajov 235

14.1.2 Správne načasovanie zberu dát 235

14.1.3 Dostupnosť dát 236

14.1.4 Kvalita dát 237

14.1.5 Riešenie obmedzení dostupnosti dát 237

14.1.6 Kľúčové body a odporúčania 238

15 Prílohy 239

15.1 Použitá literatúra 239

15.2 Dodatočné analýzy vykonané na vzorke zamietnutých žiadateľov 240

15.3 Dodatočné analýzy vykonané na vzorke nezúčastnených podnikov 245

15.4 Podrobné výsledky rovnice odhadujúcej propensity score premennú 248

15.5 Podrobné výsledky regresného modelu odhadujúceho dopad opatrenia na

príjem účastníkov 12 mesiacov od ukončenia účasti na opatrení 253

15.6 Príloha podrobné výsledky 260

15.6.1 Dopad opatrenia podľa pohlavia v mesiacoch (Model1) 260

15.6.2 Dopad opatrenia podľa veku v mesiacoch (Model 1) 261

6

15.6.3 Dopad opatrenia podľa stupňa vzdelania v mesiacoch (Model 1) 261

15.6.4 Kvantifikácia výnosov opatrenia 263

7

Zoznam tabuliek a grafov

Tabuľka 1: Proces výberu prijímateľov ................................................................................................. 30

Tabuľka 2: Počet úspešných žiadateľov v rámci podopatrenia 111 ...................................................... 31

Tabuľka 3: Prehľad údajov .................................................................................................................... 32

Tabuľka 4: Počet podporených projektov za jednotlivé výzvy pre žiadateľov majúcich viac než jeden

podporený projekt v rámci podopatrenia 1.1.1 OP KaHR ..................................................................... 34

Tabuľka 5: Počet dostupných hodnôt v rámci sledovaných premenných pre každý z rokov 2004-2013

.............................................................................................................................................................. 35

Tabuľka 6: Priemyselné rozloženie vzorky žiadateľov podľa veľkosti podniku ..................................... 36

Tabuľka 7: Regionálne rozloženie vzorky žiadateľa podľa veľkosti podniku ......................................... 36

Tabuľka 8: Regionálne rozloženie vzorky žiadateľa podľa priemyselného odvetvia ............................. 36

Tabuľka 9: Rozloženie podľa veľkosti podporených a zamietnutých podnikov (v %) ........................... 37

Tabuľka 10: Regionálne rozloženie podporených a zamietnutých podnikov (v %) ............................... 37

Tabuľka 11: Priemyselné rozloženie podporených a zamietnutých podnikov (v %) ............................. 37

Tabuľka 12: Celková dotácia podľa veľkosti podniku, priemyselného odvetvia a regiónu NUTS 2 (v

EUR) ...................................................................................................................................................... 38

Tabuľka 13: Priemerná výška grantu na príjemcu podľa veľkosti, priemyselného odvetvia a regiónu

NUTS 2 (v EUR) ..................................................................................................................................... 39

Tabuľka 14: Kľúčové popisné štatistiky vzorky žiadateľa ...................................................................... 40

Tabuľka 15: Metódy odhadu používané v rámci analýzy CIE ................................................................ 63

Tabuľka 16: Priemerný vplyv čistých prijmov v eurách, zoskupený podľa veľkosti podniku (DD,

kontrolná skupina: zamietnutí)............................................................................................................... 70

Tabuľka 17: Priemerné vplyvy čistých prijmov v eurách, zoskupené podľa priemyselných odvetví (DD,

kotnrolná skupina: zamietnutí)............................................................................................................... 71

Tabuľka 18: Priemerné vplyvy čistých prijmov v eurách, zoskupené podľa regiónu NUTS 2 (DD,


Tabuľka 19: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa veľkosti podniku (DD,


Tabuľka 20: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného

odvetvia (DD, kontrolná skupina: zamietnutí) ........................................................................................ 74

Tabuľka 21: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa regiónu NUTS 2 (DD,


Tabuľka 22: Priemerný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (DD, kontrolná skupina:

zamietnutí) ............................................................................................................................................. 76

Tabuľka 23: Priemerný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (DD, kontrolná

skupina: zamietnutí) .............................................................................................................................. 76

Tabuľka 24: Priemerný vplyv FTE v eurách, zoskupené podľa regiónu NUTS 2 (DD, kontrolná skupina:

zamietnutí) ............................................................................................................................................. 77

Tabuľka 25: Priemerný vplyv čistých príjmov v eurách, zoskupené podľa veľkosti podniku (DDD,


Tabuľka 26: Priemerný vplyv čistých prijmov v eurách, zoskupenie podľa priemysleného odvetvia

(DDD, kontrolná skupina: zamietnutí) .................................................................................................... 79

Tabuľka 27: Priemerný vplyv čistých prijmov v eurách, zoskupené podľa regiónu NUTS 2 (DDD,


Tabuľka 28: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupenie podľa veľkosti podniku


Tabuľka 29: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného

odvetvia (DDD, kontrolná skupina: zamietnutá) .................................................................................... 81

Tabuľka 30: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa regiónu NUTS 2


Tabuľka 31: Priemerný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (DDD, kontrolná


8

Tabuľka 32: Priemerný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (DDD, kontrolná


Tabuľka 33: Priemerný vplyv FTE v eurách, zoskupené podľa regiónu NUTS 2 (DDD, kontrolná


Tabuľka 35: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa veľkosti podniku

(CDD1, kontrolná skupina: zamietnutí) .................................................................................................. 86

Tabuľka 36: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa veľkosti podniku


Tabuľka 37: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa regiónu NUTS 2


Tabuľka 38: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa regiónu NUTS 2


Tabuľka 39: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného sektora


Tabuľka 40: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného sektora


Tabuľka 41: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa veľkosti podniku (CDD1,




Tabuľka 43: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa regiónu NUTS 2 (CDD1,


Tabuľka 44: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa regiónu NUTS 2 (CDD2,


Tabuľka 45: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa priemyselného odvetvia




Tabuľka 47: Priemrný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (CDD1, kontrolná




Tabuľka 49: Priemrný vplyv FTE v eurách, zoskupené podľa regiónu NUTS 2 (CDD1, kontrolná


Tabuľka 50: Priemrný vplyv FTE v eurách, zoskupené podľa regiónu NUTS 2 (CDD2, kontrolná


Tabuľka 51: Priemrný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (CDD1, kontrolná




Tabuľka 53: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa veľkosti podniku

(CDD1, kontrolná skupina: nezúčastnené podniky) ............................................................................. 104

Tabuľka 53: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa veľkosti podniku


Tabuľka 55: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného

odvetvia (CDD1, kontrolná skupina: nezúčastnené podniky) .............................................................. 105

Tabuľka 56: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného

odvetvia (CDD2, kontrolná skupina: nezúčastnené podniky) .............................................................. 106


kontrolná skupina: nezúčastnené podniky) .......................................................................................... 107


kontrolná skupina: nezúčastnené podniky) .......................................................................................... 107





9


skupina: nezúčastnené podniky).......................................................................................................... 110







Tabuľka 65: Podpora podľa prvého a posledného roku platieb ........................................................... 113

Tabuľka 66: Použité váhy pri rozdelení nákladov medu jednotlivými rokmi ........................................ 113

Tabuľka 67: Odhadované náklady na Slovenský rozpočet (EUR) ........................................................ 114

Tabuľka 68: Predpoklady týchto troch scenárov ................................................................................. 114

Tabuľka 69: Priemerné odhady vplyvu čistej pridanej hodnoty pre tri scenáre podľa veľkosti podniku

(EUR) ................................................................................................................................................... 115

Tabuľka 70: Priemerné odhady vplyvu čistej pridanej hodnoty pre tri scenáre podľa priemyselného

odvetvia (EUR) ..................................................................................................................................... 115

Tabuľka 71: Priemerné odhady vplyvu čistej pridanej hodnoty pre tri scenáre podľa regiónu NUTS 2

(EUR) ................................................................................................................................................... 115

Tabuľka 72: Priemerné odhady vplyvu FTE pre tri scenáre podľa veľkosti podniku ........................... 115

Tabuľka 73: Priemerné odhady vplyvu FTE pre tri scenáre podľa priemyselného odvetvia ............... 116

Tabuľka 74: Priemerné odhady vplyvu FTE pre tri scenáre podľa regiónu NUTS 2 ............................ 116

Tabuľka 75: Vplyv čistej pridanej hodnoty podľa metódy stratifikácie (EUR) ...................................... 116

Tabuľka 76: Vplyv FTE podľa metódy stratifikácie (EUR) ................................................................... 116

Tabuľka 77: Daňové sadzby v Slovenskej republike ........................................................................... 117

Tabuľka 78: Priemerné mzdy, podpora v nezamestnanosti, inflácia a úrokové sadzby v Slovenskej

republike (EUR) ................................................................................................................................... 117

Tabuľka 79: Počet podnikov, ktoré ovplyvňujú ekonomiku ................................................................. 118

Tabuľka 80: Odhadovaný vplyv na štátny rozpočet s výnimkou štátnej podpory – najlepší scenár (EUR)

............................................................................................................................................................ 119

Tabuľka 81: Najlepší scenár, odhad čistého vplyvu na rozpočet v súčasnej hodnote (EUR) ............... 120

Tabuľka 82: Najlepší scenár, odhad priemrného hrubého vplyvu na rozpočet na podnikovej úrovni .. 120

Tabuľka 83: Odhadovaný vplyv na štátny rozpočet s výnimkou štátnej podpory – najhorší csenár (EUR)

............................................................................................................................................................ 121

Tabuľka 84: Najhorší scenár, odhad čistého vplyvu na rozpočet v súčasnej hodnote (EUR) .............. 122

Tabuľka 85: Najhorší scenár, odhad priemrného hrubého vplyvu na rozpočet na podnikovej úrovni . 122

Tabuľka 86: Odhadovaný vplyv na rozpočet s výnimkou štátnej podpory – neutrálny scenár (EUR) .. 123

Tabuľka 87: Neutrálny scenár, odhad čistého vplyvu na rozpočet v súčasnej hodnote (EUR) ............ 124

Tabuľka 88: Najhorší scenár, odhad priemrného hrubého vplyvu na rozpočet na podnikovej úrovni . 124

Tabuľka 89: Odhad priemerného čistého vplyvu na rozpočet na podnikovej úrovni v troch scenároch

............................................................................................................................................................ 125

Tabuľka 90: Výsledky Counterfactual impact evaluation .................................................................... 127

Tabuľka 91: Agregované odhady vplvu čistej pridanej hodnoty (v tisícoch eur) .................................. 128

Tabuľka 92: Odhadované náklady na generovanie dodatočného eura čistej pridanej hodnoty (EUR) 128

Tabuľka 93: Odhdované vplyvy čistej pridanej hodnoty získané stratifikáciou podľa veľkosti podniku (v

tisícoch eur) ......................................................................................................................................... 129

Tabuľka 94: Odhadovyné vplyvy čistej pridanej hodnoty získané stratifikáciou podľa regiónu NUTS 2 (v

tisícoch eur) ......................................................................................................................................... 130

Tabuľka 95: Odhadovyné vplyvy čistej pridanej hodnoty získané stratifikáciou podľa priemyselného

odvetvia (v tisícoch eur) ....................................................................................................................... 130

Tabuľka 96: Agregovaný odhadovaný vplyv čistého prijmu (v tisícoch eur) ........................................ 130

Tabuľka 97: Odhadované náklady na generovanie dodatočného eura čistého príjmu (EUR) .............. 131

Tabuľka 98: Odhadované vplyvy čistých príjmov získané stratifikáciou podľa veľkosti podniku (v

tisícoch eur) ......................................................................................................................................... 131

Tabuľka 99: Odhadovaný vplyv čistých príjmov získaných stratifikáciou podľa regiónu NUTS 2 (v

tisícoch eur) ......................................................................................................................................... 132

Tabuľka 100: Odhady vplyvu čistých príjmov získaných stratifikáciou podľa priemyselného odvetvia (v

tisícoch eur) ......................................................................................................................................... 132

10

Tabuľka 101: Agregované odhady vplyvu zamestnanosti (počet FTE) ................................................ 132

Tabuľka 102: Odhadované náklady na zvýšenie zamestnanosti o jedno pracovné miesto na plný

pracovný úväzok (v tisícoch eur) ......................................................................................................... 133

Tabuľka 103: Odhadovaný vplyv zamestnanosti získaný stratifikáciou podľa veľkosti podniku (počet

FTE) ..................................................................................................................................................... 133

Tabuľka 104: Odhadovaný vplyv zamestnanosti získaný stratifikáciou podľa regiónu NUTS 2 (počet

FTE) ..................................................................................................................................................... 134

Tabuľka 105: Odhadovaný vplyv zamestnanosti získaný stratifikáciou podľa priemyselného odvetvia

(počet FTE) .......................................................................................................................................... 134

Tabuľka 106: Porovnanie celkových čistých finančných vplyvov na štátny rozpočet podľa scenára. . 135

Tabuľka 107: Porovnanie priemernej čistého finančného vplyvu na štátny rozpočet podľa scenárov na

úrovni podnikov ................................................................................................................................... 135

Tabuľka 107: Štruktúra tabuľky „Export_T2“ (názvy premenných) .................................................... 162



Tabuľka 110: Evidencie UoZ podľa roku zaradenia ............................................................................. 167

Tabuľka 111: Počet účastí na opatreniach AOTP podľa opatrenia ...................................................... 168

Tabuľka 112: Prítok UoZ do opatrenia podľa rokov............................................................................. 169

Tabuľka 113: Opakované účasti jedného UoZ na opatrení .................................................................. 170

Tabuľka 114: Opakovanéúčasti jedného UoZ na opatrení podľa roku ukončenia účasti na opatrení .. 171

Tabuľka 115: Účasti jedného UoZ na opatrení podľa roku ukončenia účasti na opatrení po odstránení

duplicitných záznamov a skorších opakovaných účastí (opísanom v bode 1 a 2) ................................ 172

Tabuľka 116: Počty členov skupiny podporených zahrnutých do vyhodnotenia podľa počtu účastí na

opatrení ............................................................................................................................................... 172

Tabuľka 117: Počty účastí na opatrení pred a po spojení s databázou evidencii ................................. 173

Tabuľka 118: Základné charakteristiky odhadnutého modelu PS premennej ..................................... 174

Tabuľka 119: Charakteristiky predikčnej schopnosti modelu PS premennej ...................................... 174

Tabuľka 120: Počet UoZ v kontrolnej a podporenej skupine po výbere modelom 1 .......................... 175

Tabuľka 121: Zhoda kontrolnej a podporenej skupiny na vybraných charakteristikách UoZ (model 1)

............................................................................................................................................................ 177

Tabuľka 122: Počet UoZ v kontrolnej a podporenej skupine po výbere modelom 2 .......................... 179


............................................................................................................................................................ 179

Tabuľka 124: Základné charakteristiky odhadnutého regresného modelu ......................................... 180

Tabuľka 125: Porovnanie výsledkov dopadu na príjem účastníkov 2007/01-2008/04 ......................... 183







Tabuľka 132: Porovnanie výsledkov dopadu na príjem účastníkov podľa pohlavia ............................. 189

Tabuľka 133: Porovnanie výsledkov dopadu na príjem účastníkov podľa vekovej skupiny ................ 190

Tabuľka 134: Porovnanie výsledkov dopadu na príjem účastníkov podľa vekovej skupiny ................ 192

Tabuľka 135: Porovnanie výsledkov dopadu na príjem účastníkov podľa regiónu Úradu práce,

sociálnych vecí a rodiny ....................................................................................................................... 194

Tabuľka 136: Porovnanie výsledkov dopadu na zamestnanosťúčastníkov podľa regiónu Úradu práce,

sociálnych vecí a rodiny ....................................................................................................................... 195

Tabuľka 137: Náklady ŠR bezprostredne spojené s implementáciou opatrenia (v €) ......................... 197

Tabuľka 138: Ročné náklady ŠR spojené s evidenciou jedného UoZ (v €) ......................................... 199

Tabuľka 139: Počet účastníkov a odhad mzdy nezamestnaných pred začiatkom nezamestnanosti ... 199

Tabuľka 140: Odhad mzdy nezamestnaných pred začiatkom nezamestnanosti ................................. 200

Tabuľka 141: Odhad dodatočnej zamestnanosti v dôsledku implementácie opatrenia (pozitívny scenár)

............................................................................................................................................................ 201

Tabuľka 142: Odhad dodatočnej zamestnanosti v dôsledku implementácie opatrenia (negatívny

scenár) ................................................................................................................................................. 201

11

Tabuľka 143: Odhad dodatočnej zamestnanosti v dôsledku implementácie opatrenia (reálny scenár)

............................................................................................................................................................ 202

Tabuľka 144: Odhad dodatočného príjmu v dôsledku implementácie opatrenia (pozitívny scenár) .... 203

Tabuľka 145: Odhad dodatočného príjmu v dôsledku implementácie opatrenia (negatívny scenár) .. 203

Tabuľka 146: Odhad dodatočného príjmu v dôsledku implementácie opatrenia (reálny scenár) ........ 203

Tabuľka 147: Čistý dopad na ŠR (vrátane nákladov financovaných zo štrukturálnych fondov) ........... 207

Obrázok 1: Priemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov

(EUR, vyvážená vzorka za všetky roky) ................................................................................................. 41


podľa veľkosti podniku (EUR, vyvážená vzorka za všetky roky) ............................................................ 42

Obrázok 3: Piemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov

podľa priemyselného odvetvia (EUR, vyvážená vzorka za všetky roky) ................................................ 43


podľa regiónu NUTS 2 (EUR, vyvážená vzorka za všetky roky)............................................................. 44

Obrázok 5: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých

žiadateľov (EUR, vyvážená vzorka za všetky roky) ................................................................................ 45


žiadateľov podľa veľkosti podnikov (EUR, vyvážená vzorka za všetky roky) ........................................ 46


žiadateľov podľa priemyselného odvetvia (EUR, vyvážená vzorka za všetky roky) .............................. 47


žiadateľov podľa regiónu NUTS 2 (EUR, vyvážená vzorka za všetky roky) ........................................... 48

Obrázok 9: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a

zamietnutých žiadateľov v rokoch 2004-2013 (vyvážená vzorka za všetky roky) .................................. 49


zamietnutých žiadateľov v rokoch 2004-2013 podľa veľkosti podniku (vyvážená vzorka za všetky roky)

.............................................................................................................................................................. 50


zamietnutých žiadateľov v rokoch 2004-2013 podľa priemyselného odvetvia (vyvážená vzorka za

všetky roky) ........................................................................................................................................... 51


zamietnutých žiadateľov v rokoch 2004-2013 podľa regiónu NUTS 2 (vyvážená vzorka za všetky roky)

.............................................................................................................................................................. 52

Obrázok 13: Rozdelenie podľa priemyselných odvetví pre podporených žiadateľov a nezúčastnené

podniky (%) ........................................................................................................................................... 54

Obrázok 14: Analyzovaný úsek Theory of Change (Teórie zmeny) ....................................................... 55

Obrázok 15: Meranie vplyvu .................................................................................................................. 56

Obrázok 16: Kohorty .............................................................................................................................. 60

Obrázok 17: Pred- a po- intervenčné obdobie ....................................................................................... 66

Obrázok 18: Interpretácia tabuliek ........................................................................................................ 68

Obrázok 19:Interpretácia 95% intervalu spoľahlivosti .......................................................................... 69

Obrázok 20: Očakávaný vplyv na čisté príjmy na 95% hladine spoľahlivosti, zoskupené podľa veľkosti

podniku (M1, porovnávacia skupina: zamietnutí) .................................................................................. 70

Obrázok 21: Očakávaný vplyv na čisé príjmy na 95% intervale spoľahlivosti, zoskupených podľa

priemyselných odvetví (M1, porovnávacia skupina: zamietnutí) ........................................................... 71

Obrázok 22: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa

regiónov NUTS 2 (M1, porovnávacia skupina: zamietnutí) .................................................................... 72

Obrázok 23: Očakávaný vplyv na čistú pridanú hodnotu na 95% interval spoľahlivosti, zoskupenie

podľa veľkosti podniku (M1, porovnávacia skupina: zamietnutí) .......................................................... 73

Obrázok 24: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupeného

podľa priemyselného odvetvia (M1, porovnávacia skupina: zamietnutí) .............................................. 74

Obrázok 25: Očakávaný vplyv na čistú pridanú hodnotu na 95% interval spoľahlivosti, zoskupené

podľa regiónu NUTS 2 (M1, porovnávacia skupina: zamietnutí) ........................................................... 75

Obrázok 26: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti


12

Obrázok 27: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného

odvetvia (M1, porovnávacia skupina: zamietnutí).................................................................................. 77

Obrázok 28: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS

2 (M1, porovnávacia skupina: zamietnutí) ............................................................................................. 77


veľkosti podniku (M2, porovnávacia skupina: zamietnutí) .................................................................... 78


priemyselného odvetvia (M2, porovnávacia skupina: zamietnutí) ......................................................... 79

Obrázok 31: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa regiónu

NUTS 2 (M2, porovnávacia skupina: zamietnutí)................................................................................... 80

Obrázok 32: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené

podľa veľkosti podniku (M2, porovnávacia skupina: zamietnutí) .......................................................... 81


podľa priemyselného odvetvia (M2, porovnávacia skupina: zamietnutí) .............................................. 82


podľa regiónu NUTS 2 (M2, porovnávacia skupina: zamietnutí) ........................................................... 82




odvetvia (M2, porovnávacia skupina: zamietnutí).................................................................................. 84


2 (M2, porovnávacia skupina: zamietnutí) ............................................................................................. 85


podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) ............................ 86


podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) ............................ 86


podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)............................. 87


podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X2)............................. 88


podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) ................ 89


podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) ................ 89


veľkosti projektu (M3, porovnávacia skupina: zamietnutí, kontrolna sada X1) ..................................... 90


veľkosti projektu (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) ..................................... 91


NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) .................................................... 92


NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) .................................................... 93


priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) .......................... 94


priemyselného odvetvia (M3, porovnávacia skupina: zamietnutíkontrolná sada X2) ............................ 95


podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) .................................................... 96


podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) .................................................... 96


2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X1) .............................................................. 97


2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) .............................................................. 98


odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) ................................................... 99

13


odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) ................................................... 99

Obrázok 56:Rozdloženie odhadovaného propensity score pre podporené a nezúčastnené podniky .. 102

Obrázok 57: Rozdelenie podľa veľkosti podniku pre podporené a nezúčastnené podniky (vľavo:

nenapárované, vpravo: napárované) .................................................................................................... 102

Obrázok 58: Rozdelenie podľa priemyselného odvetvia pre podporené a nezúčastnené podniky (vľavo:

nenapárovaný, vpravo: napárovaný) .................................................................................................... 103


podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1) ....... 104


podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ....... 105


podľa priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)

............................................................................................................................................................ 106



............................................................................................................................................................ 106


veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1) ................ 107


veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ................. 108


priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1) ..... 109


priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ..... 109


podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontorlná sada X1) ............................... 110


podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ............................... 111


odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) .............................. 112


odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) .............................. 112

Obrázok 71: Celkový vplyv na rozpočet – najlepší scenár (v ľavo - v mil. EUR, v pravo – v percentách

súčasného HDP) .................................................................................................................................. 119

Obrázok 72: Celkový vplyv na rozpočet – najhorší scenár (v ľavo - v mil. EUR, v pravo – v percentách

súčasného HDP) .................................................................................................................................. 121

Obrázok 73: Celkový vplyv na rozpočet – neutrálny scenár (v ľavo - v mil. EUR, v pravo – v percentách

súčasného HDP) .................................................................................................................................. 123

Obrázok 74: Rozdiely medzi tromi scenármi (vľavo: v miliónoch eur, vpravo: v percentách bežného

HDP) .................................................................................................................................................... 125


HDP) .................................................................................................................................................... 135

Obrázok 76: Identifikovaná teória zmeny intervencie: Podopatrenie 1.1.1. Podpora inovácií a

technologických transferov ................................................................................................................. 142

Obrázok 77. Vyhodnotenie teórie zmeny ............................................................................................ 146

Obrázok 78: Rozdelenie premennej PS premennej v podporenej a kontrolnej skupine (popárovaní)

............................................................................................................................................................ 176

Obrázok 79: Rozdelenie premennej PS premennej v základnom súbore a podporenej skupine ........ 176

Obrázok 80: Vývoj príjmu pre jednotlivcov objavujúcich sa v databáze UoZ počas sledovaného obdobia

............................................................................................................................................................ 181

Obrázok 81: Prítok a odtok UoZ do databázy spolu s ukončenými účasťami na opatrení ................... 182

Obrázok 82: Vývoj dopadu opatrenia na príjmy účastníkov podľa obdobia implementácie opatrenia 187

Obrázok 83: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa obdobia implementácie

opatrenia.............................................................................................................................................. 188

Obrázok 84: Vývoj dopadu opatrenia na príjmy účastníkov podľa pohlavia ......................................... 189

Obrázok 85: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa pohlavia ............................ 190

14

Obrázok 86: Vývoj dopadu opatrenia na príjmy účastníkov podľa vekovej skupiny ............................ 191

Obrázok 87: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa vekovej skupiny ............... 192

Obrázok 88: Vývoj dopadu opatrenia na príjem účastníkov podľa stupňa vzdelania ........................... 193

Obrázok 89: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa stupňa vzdelania .............. 194

Obrázok 90: Výnosy ŠR v dôsledku dodatočnej zamestnanosti spojenej s implementáciou opatrenia

(zhora scenáre: pozitívny, negatívny a reálny) ..................................................................................... 205

Obrázok 91: Výnosy ŠR v dôsledku dodatočného príjmu spojeného s implementáciou opatrenia (zhora

scenáre: pozitívny, negatívny a reálny) ................................................................................................ 206

Obrázok 92: Porovnanie finančného dopadu opatrenia na ŠR medzi troma identifikovanými scenármi

............................................................................................................................................................ 207

15

Manažérske zhrnutie Úlohy 1

Ciele

Cieľom projektu bolo poskytnúť detailné hodnotenie ekonomických dopadov vybraných intervencií

spolufinancovaných z Európskeho fondu regionálneho rozvoja a Európskeho sociálneho fondu. Úloha

1 bola zameraná na podopatrenie 1.1.1. „Podpora zavádzania inovácií a technologických transferov“,

ktoré bolo realizované v rámci Operačného programu Konkurencieschopnosť a hospodársky rast.

Cieľom intervencie bolo zvýšenie konkurencieschopnosti podnikov prostredníctvom zavádzania

inovatívnych a pokrokových technológií, podpora inovačného potenciálu podnikov a podpora

ekologickej výroby ako nevyhnutnosti pre udržateľný rozvoj. Geografický rozsah intervencie pokrýval

celé Slovensko s výnimkou Bratislavského kraja. Vytváranie nových pracovných miest nebolo cieľom

podopatrenia 1.1.1., ale v analýze je posúdený vplyv intervencie aj na tvorbu nových pracovných

miest. Najčastejšie podporenými podnikmi v rámci intervencie boli malé a stredné podniky pôsobiace

v spracovateľskom priemysle. Podpora z intervencie smerovala približne v rovnakej výške do

všetkých oprávnených regiónov na Slovensku. Mikro podniky, napriek ich najväčšej početnosti, boli

v rámci hodnoteného podopatrenia zastúpené v najmenšom počte.

Metodika

Na hodnotenie dopadov bola použitá kombinácia kvantitatívnych a kvalitatívnych metód, konkrétne

Kontrafaktuálne hodnotenia dopadov (Contrafactual Imapact Evaluation) a Teórie zmeny (Theory of

Change), aby bola zabezpečená čo najvyššia spoľahlivosť výsledkov.

Kontrafaktuálne metódy hodnotenia dopadov patria do skupiny tzv. kvázi-experimentálnych metód,

ktoré sú zamerané na identifikáciu čistého účinku intervencie. Ich podstatou je porovnanie výkonnosti

podporených subjektov so stavom, ktorý by bol nastal pri absencii intervencie. Tento stav nie je

možné priamo sledovať, preto je ho nutné simulovať aproximáciou vhodnej porovnávacej skupiny,

ktorá je zložená z nepodporených subjektov. V tejto štúdii sa využíva porovnávacia skupina zložená

zo zamietnutých žiadateľov alebo náhodných nezúčastnených spoločností. Údaje potrebné pre

hodnotenie poskytlo Finančné riaditeľstvo SR a Riadiaci orgán OP KaHR. Pre správne vykonanie

analýzy je dôležité, aby bola porovnávacie skupina/y čo najpodobnejšie podporenej skupine. Na

zabezpečenie podobnosti týchto skupín bola použitá metóda párovania Propensity score matching,

ktorá na základe pozorovateľných charakteristík (veľkosť, región, tržby, priemyselné odvetvie) páruje

podniky z porovnávacej skupiny k podnikom z podporenej skupiny. Boli použité štyri metódy CIE na

kvantifikáciu dopadov s vyššie uvedenými dvomi porovnávacími skupinami, ktoré mali rôzne silné

a slabé stránky. Viac ako tisíc regresií slúžilo ako základ pre kvantifikáciu výsledkov. Je dôležité

poznamenať, že vzhľadom na nižší počet podporených podnikov (na začiatku 266 podporených

podnikov a po očistení údajov 180 podnikov) vyplývajúci z charakteru podopatrenia a nižší počet firiem

v porovnávacej skupine (455 zamietnutých žiadateľov a 284 nezúčastnených žiadateľov), nebolo

možné vziať do úvahy všetky charakteristiky všetkých skupín spoločností.1

Kvantifikované výsledky

preto nemožno považovať za presnú a jednoznačnú simuláciu situácie, ktorá by bola nastala pri

absencii intervencie. Na druhej strane, nízke veľkosti jednotlivých vzoriek umožňujú považovať

štatisticky významné výsledky za silný ukazovateľ účinkov intervencie.

Kľúčové zistenia

Výsledky kontrafaktuálneho hodnotenia dopadov indikujú, že v po-implementačnom období,

predovšetkým v rokoch 2010-2013, malo hodnotené podopatrenie pozitívny vplyv na čistú pridanú

hodnotu, nepatrný vplyv na čisté výnosy a mierny vplyv na zamestnanosť v rámci podporených

podnikov. Rast čistej pridanej hodnoty pri konštantnej hodnote čistých výnosov môže indikovať

zvýšenú nákladovú efektívnosť podporených spoločností, čo bolo zároveň jedným zo želaných

účinkov podpory. Čistá pridaná hodnota narástla v priemere o 132 500 – 228 900 EUR na jednu

spoločnosť. Z veľkej časti vďaka nárastu v skupine malých podnikov, v priemere približne o

260 800 – 395 500 EUR na jednu spoločnosť, v skupine stredne veľkých podnikov, v priemere

približne o 26 600 – 106 800 na jednu spoločnosť, podnikoch pôsobiacich na západnom

Slovensku, v priemere o 456 100 – 537 600 EUR na jednu spoločnosť a z priemyselného

16

odvetvia v kategórii strednej a nižšej technologickej intenzity výroby2, v priemere o 457 200 –

619 400 EUR na jednu spoločnosť. Pokiaľ ide o oblasť zamestnanosti, aj napriek len mierne

pozitívnym agregovaným výsledkom, teda nižšiemu očakávanému rastu zamestnanosti boli

zaznamenané pozitívne dopady opatrenia na podniky pôsobiace na východnom Slovensku. Pozitívny

dopad na čistú pridanú hodnotu pri malých podnikoch a čistú pridanú hodnotu v sektore strednej

a nižšej technologickej intenzity výroby bol potvrdený štatisticky významnými úrovňami výsledkov.

Náklady na generovanie dodatočného eura čistej pridanej hodnoty a čistých príjmov sa

odhadujú na 3,06 EUR a 26,26 EUR. Náklady na vytvorenie nového pracovného miesta sa odhadujú

na úrovni 564 000 EUR. Takto vysoké náklady tvorby pracovného miesta sa dajú vysvetliť nízkym

vplyvom intervencie na zamestnanosť. V tejto súvislosti je dôležité poznamenať, že udržanie

súčasnej úrovne zamestnanosti je možné považovať za úspech sám o sebe, špeciálne pri zohľadnení

finančnej a ekonomickej krízy v sledovanom období. Čisté výnosy štátneho rozpočtu plynúce z realizácie intervencie môžeme pri aplikácii najpravdepodobnejšieho scenára odhadnúť na 18,08 milióna EUR.

Výsledky získané aplikáciou metódy hodnotenia dopadov založeného na teórii (Theory-Based Impact

Evaluation) indikujú nárast všetkých sledovaných výsledkových premenných (čistá pridaná hodnota,

čisté výnosy a FTE). Vo väčšine prípadov bolo financovanie z podopatrenia 1.1.1. skôr predpokladom

ako doplnkovým faktorom realizácie projektov. Väčšina podnikov by projekty realizovala aj pri

absencii intervencie, avšak pravdepodobne v menšom rozsahu alebo neskôr. Jedným

z najdôležitejších ovplyvňujúcich faktorov pri rozhodovaní o zapojení sa do programu bola existujúca

dobrá manažérska prax v podporených podnikoch, čo sa prejavilo aj v inovačnom správaní týchto

podnikov v období pred intervenciou. Viacero dopytovaných podnikov poukázalo na náročnosť

nájdenia vhodnej kvalifikovanej pracovnej sily (hlavne pokiaľ ide o marginalizované skupiny a

dlhodobo nezamestnaných). Ako ďalší problém bola prijímateľmi označená administratívna záťaž spojená s implementáciou projektov, avšak tento faktor je kvôli prísnym požiadavkám v oblasti auditu

a súladu len ťažko eliminovateľný a bolo by vhodné považovať ho ako protihodnotu poskytnutým

nenávratným grantom. Tento problém sa týkal prevažne malých podnikov, ktoré nemajú dostatočný

aparát na administráciu formálnych náležitostí projektov a preto boli nútené vynakladať dodatočné

finančné prostriedky na externé poradenstvo. Načrtnutá Teória zmeny bola prijímateľmi označená za adekvátne popisujúcu logiku a spôsob

fungovania intervencie, vplyv na zamestnanosť však aj napriek tomu ostáva otázny.

Na základe uvedeného je možné konštatovať že podopatrenie 1.1.1. bolo úspešné pri

dosahovaní svojho cieľa zvýšiť konkurencieschopnosť podporených spoločností, čo potvrdzuje

zvýšenie čistej pridanej hodnoty podporených podnikov.

Odporúčania

Budúce programy by sa mali aj naďalej zameriavať na malé a stredné podniky. Pri podpore tejto

skupiny podnikov je pravdepodobné, že nastanú pozitívne dopady na úrovni firiem, regiónov aj

štátneho rozpočtu. Napriek tomu že dopady na mikro podniky neboli číslami potvrdené,

navrhujeme pokračovať v ich podpore. Prvým dôvodom je nízky počet pozorovaní v rámci tohto

1 Napríklad nie sú k dispozícii žiadne odhady pre firmy, ktorá pôsobia na západnom Slovensku v kategórii strednej a nižšej

technologickej náročnosti výroby

2 Pod kategóriu Stredná a nižšia technologická náročnosť výroby sa rozumejú podniky, ktoré patria podľa NACE 2 do nasledujúcich

odvetví: 18.2 Reprodukcia záznamových médií; 19 Výroba koksu a rafinovaných ropných produktov; 22 Výroba výrobkov z gumy

a plastu; 23 Výroba ostatných nekovových minerálnych výrobkov; 24 Výroba a spracovanie kovov; 25 Výroba kovových konštrukcií,

okrem strojov a zariadení (25.1 Výroba kovových konštrukcií; 25.2 Výroba nádrží, zásobníkov a kontajnerov z kovu; 25.3 Výroba

parných kotlov, okrem kotlov ústredného kúrenia; 25.5 Kovanie, lisovanie, razenie a valcovanie kovov; prášková metalurgia; 25.6

Opracovanie a povrchová úprava kovov; obrábanie; 25.7 Výroba nožiarskych výrobkov, náradia a železiarskeho tovaru; 25.9 Výroba

ostatných kovových výrobkov).

17

hodnotenia, druhým dôvodom je, že mikro spoločnosti sú v najväčšej miere závislé na štátnej a

európskej podpore pri financovaní ich inovačných aktivít. Aj napriek všeobecne nižšej schopnosti

efektívne využívať tieto prostriedky, dlhodobé benefity vyplývajúce z ich podpory môžu byť

značné (avšak náročné na hodnotenie).

Budúce opatrenia by mali zvážiť rozdielne úrovne efektivity podľa ekonomických odvetví. Nižšie

uvádzame prehľad odvetví patriacich do skupiny stredne a nízkej technologickej náročnosti

výroby (divízia.skupina_Názov):

- 18.2_Reprodukcia záznamových médií

- 19_Výroba koksu a rafinovaných ropných produktov

- 22_Výroba výrobkov z gumy a plastu

- 23_Výroba ostatných nekovových minerálnych výrobkov

- 24_Výroba a spracovanie kovov

- 25_Výroba kovových konštrukcií, okrem strojov a zariadení, nepočítajúc 25.4_Výroba zbraní a

munície

V rámci budúcich programov by bolo vhodné zvážiť regionálne orientovaný prístup, prípadne

zaviesť intervencie na regionálnej úrovni, ktoré by zohľadňovali miestne potreby a dopyt po

podpore z verejných zdrojov. Bohužiaľ nie je v našich silách špecifikovať toto odporúčanie do

väčšieho detailu, nakoľko sme z kvantitatívnej analýzy neboli schopní identifikovať príčiny vyššej

efektívnosti podpory na západnom Slovensku. Nízka početnosť skupiny podporených podnikov

nám nedovolila analyzovať dopady programu na základe jednotlivých charakteristík podnikov. Vo

všeobecnosti je však možné konštatovať, že väčší trhový potenciál a kúpyschopnosť na

západnom Slovensku do značnej miery ovplyvnila výkonnosť týchto spoločností.

S ohľadom na vysokú administratívnu záťaž, rozumieme, že túto oblasť je značne komplikované

vylepšiť, nakoľko originálne verzie dokumentov sa musia ukladať pre účely auditu a kontroly. V

súčasnosti využívaný IT systém podporuje celý proces administrácie projektov, avšak originály

dokumentov musia byť poskytnuté kvôli kontrole voči údajom vloženým do systému. Ďalšie

zlepšenia v tejto oblasti bude možné dosiahnuť po zavedení elektronických podpisov (PKI v

novom systéme ITMS 2014+), ktoré budú plne vyhovovať národným legislatívnym a technickým

štandardom a zabezpečia zefektívnenie procesov v oblasti financovania z európskych fondov. V

súčasnosti plánované prepojenie systému ITMS s inými IT systémami verejnej správy by malo

ďalej znížiť množstvo potrebnej dokumentácie.

Keďže dôraz je kladený na nové a inovatívne technológie, časová medzera medzi vyhlásením

výzvy a skutočnou implementáciou by mala byť čo najmenšia. To by sa dalo dosiahnuť

propagáciou plánovaných výziev v značnom predstihu pred dátumom ich otvorenia a skrátením

lehoty na predkladania žiadostí o NFP. Ďalšou možnosťou by mohlo byť využívanie otvorených

výziev. Všetkým žiadostiam s kladným hodnotením resp. nad určitou hranicou bodov by bola

pridelená podpora až do vyčerpania prostriedkov alokovaných na danú výzvu. S cieľom predísť

morálnemu zastaraniu technológií počas obdobia administrácie žiadostí a procesu

implementácie by sa budúce programy mali sústrediť na zrýchlenie celého procesu (ak je to

možné).

Budúce intervencie by mali vziať do úvahy skutočnosť, že inovácie zvyčajne vedú k nižšej

pracovnej intenzite výroby a udržanie danej úrovne zamestnanosti by mohlo byť považované

samo o sebe za dôležitý výsledok. Programy zamerané na podporu podnikov by v budúcnosti

nemali klásť nadmerný dôraz na počet novovytvorených pracovných miest pri hodnotení žiadostí

o poskytnutie pomoci.

Bolo by vhodné zvážiť aj alternatívne finančné a nefinančné nástroje ako prostriedok podpory

podnikov. Výsledky v rámci hodnotenia dopadov založeného na teórii indikujú, že väčšina

spoločností by projekty pravdepodobne realizovala aj bez poskytnutej podpory, ale v menšom

rozsahu alebo neskôr. Nakoľko sa javí, že spoločnosti využívajú podporu namiesto externého

18

financovania, využívanie alternatívnych nástrojov ako úverov so zvýhodnenými podmienkami

alebo záruk by mohlo predstavovať alternatívny spôsob dosahovania cieľov politiky. Úvery so

zvýhodnenými podmienkami motivujú firmy realizovať dlhodobo udržateľné projekty, umožňujú

podporiť viac subjektov, avšak v menšom rozsahu.

Pri budúcich intervenciách by sa mohli zvážiť ďalšie ukazovatele na meranie efektivity. Napríklad

čistá pridaná hodnota na plný pracovný úväzok (produktivita práce), alebo čistá pridaná hodnota

na dlhodobý majetok (produktivita kapitálu) môžu znamenať ďalšie cenné informácie pre

hodnotenie programu. Takéto dodatočné ukazovatele by však znamenali ďalšiu záťaž a prácnosť

zberu dát, ktorá je už v súčasnosti dosť náročná.

Pokiaľ to rozpočtové možnosti dovolia, bolo by pri budúcich hodnoteniach vhodné uplatňovať

kombináciu kvalitatívnych a kvantitatívnych metód, aby sa vyhlo spoliehaniu sa len na jeden

prístup alebo metódu.

V záujme dosiahnutia vyššej spoľahlivosti hodnotení dopadov by bolo možné využiť

všeobecnejšie formulované ukazovatele dopadov bez potreby stratifikácie na základe

charakteristík spoločností, alebo pokiaľ je to možné, zvýšiť veľkosti vzoriek (napr. hodnotením

viacerých výziev/opatrení, čo by zvýšilo početnosť podporenej skupiny).

Je pochopiteľné, že poskytovanie stratifikovaných údajov predstavuje pre inštitúcie poskytujúce

dáta značnú časovú a administratívnu záťaž. Nakoľko sa využívanie kvantitatívnych hodnotení

dopadov stáva čoraz populárnejším, bolo by prínosné poskytnúť zamestnancom pracujúcim v

takýchto inštitúciách tréningy/vzdelávanie, ktoré by im pomohlo pri riešení takýchto požiadaviek.

Pri budúcich intervenciách by bolo vhodné zvážiť analýzu zmien dopadov intervencie v závislosti

od výšky poskytnutej podpory (tzn. či majú vyššie granty aj väčší dopad?). To však bude možné

len pri existencii dostatočne veľkej dátovej základne.

19

Manažérske zhrnutie Úlohy 2

Závery previazané na jednotlivé štatistické zistenia

Vývoj dopadov opatrenia v čase

Na základe výsledkov odhadov dopadov opatrenia uvedených v desiatej kapitole (tabuľky 126 až 132)

S výnimkou rokov 2011 a 2013 môžeme pozorovať v čase klesajúci (rastúci negatívny) dopad

opatrenia na príjmy účastníkov (obrázok 81). Zaujímavé je tiež, že dopad opatrenia výrazne poklesol

už medzi prvými dvoma sledovanými obdobiami (2007/01-2008/04 a 2008/05-2008/08). Toto

naznačuje, že dopad zmien spojených s novelou Zákona o službách zamestnanosti bol negatívny a to

nezávisle od dopadov ekonomickej krízy, ktorej prejavy je možné pozorovať až po auguste 2008.

Zároveň však je potrebné poznamenať, že odhady pre prvé dve obdobia môžu byť najviac poznačené

zníženou kvalitou dát z roku 2007 a čiastočne aj 2008.

Trend zvyšujúcich sa negatívnych dopadov opatrenia je možné ešte jednoznačnejšie pozorovať na

dopadoch opatrenia na zamestnanosť účastníkov (obrázok 81). V tomto prípade ani rok 2011

nevystupuje z radu, jedinou výnimkou je teda posledné obdobie (rok 2013), ktorého výsledky nie sú

štatisticky významné v dôsledku nízkych početností. Dopad opatrenia na zamestnanosť účastníkov

v Bratislave je negatívna, rovnako ako vo väčšine sledovaných regiónov. Zvýšený podiel absolventov

vzdelávania v Bratislave v roku 2011, neskresľoval celkový efekt opatrenia tak, ako pri sledovaní

príjmu účastníkov.

Dopady opatrenia na účastníkov podľa rodu

V prípade dopadu opatrenia na príjmy účastníkov rod nehrá významnú úlohu. Keď sledujeme

priemerný dopad za všetky obdobia implementácie s rozlíšením rodu zistíme, že opatrenie má

negatívny a štatisticky významný efekt na príjmy ako u mužov tak aj u žien. Tento záver je jednotne

potvrdený výsledkami všetkých troch modelov. V prípade žien sa negatívny dopad opatrenia na príjmy

v čase od ukončenia opatrenia vytráca. V prípade mužov zostáva približne rovnaký, na úrovni zo

štvrtého mesiaca. Model 1 bol jediný, ktorý ukazoval túto stagnáciu pre dopad na príjmy mužov.

Model 2 ukazuje mierne negatívnejší efekt opatrenia na príjmy žien, modely 1 a 3 prinášajú opačný

záver. S výnimkou výsledkov modelu 1 pre mužov, všetky modely reportujú najnegatívnejší dopad

opatrenia na príjmy účastníkov po 6 mesiacoch od ukončenia opatrenia, negatívne efekty sa následne

v čase vytrácajú. Pri pohľade na dopad na zamestnanosť je vytrácanie sa efektu v čase ešte

výraznejšie než u príjmov.

Dopady opatrenia na účastníkov podľa veku

Sledovanie vekovej skupiny účastníkov odhaľuje, že poskytované vzdelávanie ma relatívne priaznivejší

dopad na účastníkov starších ako 55 rokov. V rámci analýzy sme rozlíšili tri vekové skupiny; do 30

rokov, 30-54 a 55 a viac rokov. Pri prvých dvoch skupinách navrhnuté modely opäť odhadli štatisticky

významný, negatívny efekt počas celého sledovaného obdobia po ukončení opatrenia. Výsledky pre

najmladšiu a strednú vekovú skupinu sú homogénne. Ako najzaujímavejšia z pohľadu dopadu

opatrenia, sa javí veková skupina 55+. Tu negatívny dopad opatrenia nie je taký jednoznačný.

Potvrdzuje ho iba model 2. Modely 1 a 3 prinášajú iba štatisticky nevýznamné koeficienty. Počiatočný

negatívny príjmový efekt opatrenia sa v prípade účastníkov starších ako 55 rokov vytráca už po štyroch

20

mesiacoch. Zvyšok sledovaného obdobia príjmový efekt opatrenia na túto skupinu nie je štatisticky

významne rozdielny od nuly (Tabuľka 134).

Pri pohľade na zamestnanosť účastníkov, dopad opatrenia na zamestnanosť účastníkov vo veku 55

a viac rokov je v strednodobom horizonte dokonca štatisticky významne pozitívny. Ide predovšetkým

o obdobie druhého polroku po ukončení opatrenia3. Na skupinu UoZ 55+ účasť na opatrení vplýva

odlišne v porovnaní s mladšími vekovými skupinami. Účasť tejto vekovej skupiny na opatrení zvyšuje

šance účastníkov zamestnať sa (obrázok 85).

Dopady opatrenia na účastníkov podľa vzdelania

Pri rozlíšení troch stupňov najvyššieho dosiahnutého vzdelania, opäť dostávame zo všetkých troch

modelov príjmových efektov prevažne homogénne, štatisticky významné, negatívne koeficienty.

Jednou výnimkou sú účastníci s vysokoškolským vzdelaním, pre ktorých model 2 odhaduje pozitívne,

štatisticky významné, koeficienty (tabuľka 135). V prípade tohto odhadu však je vidieť, že model

odhadoval štatisticky významný a väčší rozdiel v príjmoch medzi kontrolnou skupinou a účastníkmi už

6 mesiacov pred ukončením opatrenia. Táto skutočnosť spochybňuje relevantnosť výberu zvolenej

metodiky modelu 2 pre túto podskupinu. Výsledky mohli byť ovplyvnené napríklad veľkým rozptylom

v príjmoch vysokoškolsky vzdelaných UoZ, ktorí sú zároveň medzi nezamestnanými relatívne menej

zastúpenou skupinou. Z grafického znázornenia výsledkov modelu 1 (obrázok 86) je vidieť, že

prakticky neexistuje rozdiel v dopade opatrenia na účastníkov so základným a stredoškolským

vzdelaním. Výsledky pre účastníkov s vysokoškolským vzdelaním sa správajú odlišne, k čomu však

mohli prispieť aj nižšie početnosti v kombinácii s vyšším rozptylom príjmov tejto UoZ vstupujúcich do

analýzy. Negatívny dopad opatrenia na príjmy UoZ počas prvého roka po ukončení opatrenia je

pozorovateľný jednoznačne.

Rovnako ako na príjem jednotlivcov, účasť na opatrení bola spojená aj s nižšou pravdepodobnosťou

zamestnania sa v období po opatrení (obrázok 87). Na tomto ukazovateli výsledku relatívne menej

negatívne vyznieva dopad opatrenia na účastníkov so základným vzdelaním. Pre všetky vzdelanostné

skupiny je však pozorovateľný počiatočne štatisticky významný, negatívny efekt opatrenia, ktorý sa

časom vytráca.

Dopady opatrenia na účastníkov podľa regiónov

Zvolená metodika nám umožňuje sledovať rozdiely v dopade opatrenia medzi jednotlivými úradmi

práce, ktoré do analýzy vnášajú aj regionálny aspekt. Úradom práce s najväčším počtom účastníkov

na opatrení je Bratislava. Tu môžeme pozorovať pozitívny príjmový efekt opatrenia (po 24 mesiacoch)

(tabuľka 136) v kombinácii s negatívnym efektom na zamestnanosť účastníkov (tabuľka 137).

Podobný vzor v mimobratislavských úradoch nie je typický, pozorovať je ho možné okrem Bratislavy

už len v Pezinku. Okrem výrazného rozdielu Bratislavy od zvyšku Slovenska vykazujú jednotlivé Úrady

veľmi podobný vzor. V prevažnej väčšine Úradov je pozorovateľný štatisticky významný, negatívny

dopad účasti na opatrení jednak na príjem ako aj na zamestnanosť účastníkov.

V Bratislave a Pezinku (ktorý môže byť chápaný ako zázemie Bratislavy) nie je badateľný negatívny

príjmový efekt a v horizonte 24 mesiacov je príjmový efekt dokonca významný a pozitívny.

V ostatných regiónoch prevláda opačná tendencia – t.j. príjmové efekty sú prevažne záporné alebo

3Viď podrobné výsledky odhadov v prílohe.

21

nevýznamné, nikdy nie pozitívne, nezávisle od časového horizontu hodnotenia. Z hľadiska vplyvu na

pravdepodobnosť zamestnať sa je v Bratislave pozorovaný významný negatívny efekt vo všetkých

časových horizontoch, zatiaľ čo v mnohých regiónoch (vrátane Pezinku) sa v časovom horizonte 24

mesiacov dá pozorovať už významný pozitívny účinok.

Uvedené rozdiely nie sú prekvapujúce, nakoľko Bratislava sa vyznačuje mnohými špecifikami.

Konkrétne ide o podstatne živší trh práce, iný režim organizácie opatrenia (absencia financovania zo

ŠF a centrálneho verejného obstarávania počas určitých období), ako aj iné načasovanie začiatku

opatrenia (v Bratislave sa UoZ dostali na opatrenie spravidla až po uplynutí dlhšej doby, podľa údajov

úradu práce približne po 6 mesiacoch). Živší trh práce (ako aj jeho väčšia variabilita) by mali v zásade

pozitívne ovplyvniť pravdepodobnosť nájsť si zamestnanie po absolvovaní opatrenia. Nález významne

negatívneho účinku na pravdepodobnosť zamestnania v Bratislave (a žiadneho alebo pozitívneho

účinku v regiónoch) teda naznačuje, že bratislavskí UoZ trpia efektom uzamknutia v nežiaducom

stave. Tento kvalitatívny rozdiel možno pripísať rozdielom v načasovaní intervencie. Bratislavskí UoZ

sa dostávajú na opatrenie neskôr než mimobratislavskí, ide teda o problémovejšiu skupinu

účastníkov, ktorí si nevedeli pomôcť sami resp. pomocou iného opatrenia. Je potrebné zvážiť

možnosť poskytovať opatrenie v skoršom štádiu nezamestnanosti (hneď na začiatku resp. po

kratšom časovom období), čím by sa umožnil prístup k tomuto perspektívnemu opatreniu širšiemu

okruhu UoZ. Možno sa domnievať, že by sa tým odstránil alebo obmedzil aj negatívny účinok

opatrenia na pravdepodobnosť zamestnať sa u bratislavských účastníkov. O tom, že opatrenie je

perspektívne svedčí fakt, že u účastníkov opatrenia sa v horizonte 24 mesiacov dostavuje

jednoznačne pozitívny príjmový efekt oproti kontrolnej skupine. Opatrenie teda vedie k vyšším

príjmom účastníkov, čo svedčí o jeho pozitívnom vplyve na ich produktivitu na pracovnom mieste.

Odporúčania v oblasti politiky zamestnanosti (MPSVR SR)

V úvode treba zdôrazniť, že vzdelávanie je potrebné chápať ako opatrenie, ktoré má štrukturálny

charakter, t.j. odstraňuje štrukturálny nesúlad v oblasti vzdelania, kvalifikácie a návykov medzi

ponukou práce a dopytom po práci. To znamená, že funguje najmä v podmienkach, kedy na trhu

práce spolu existujú UoZ a voľné pracovné miesta, ktoré sa pomocou vzdelávania dokážu „zladiť“.

Pokiaľ je na trhu práce výrazný nedostatok pracovných miest, resp. pracovné miesta stále zanikajú

(t.j. ide o nezamestnanosť z dôvodu absolútneho nedostatku pracovných miest, napríklad v období

recesie), vzdelávanie má len obmedzenú účinnosť. Za smerodajný indikátor možno považovať tzv.

tesnosť trhu práce, ktorá je vyjadrená pomerom počtu UoZ a voľných pracovných miest (labour

market tightnes, u/v). Pri vyšších hodnotách ukazovateľa účinnosť opatrenia vo všeobecnosti klesá.

Vzdelávanie je tiež potrebné chápať ako dlhodobú investíciu, ktorá prináša efekty

v strednodobom až dlhodobom horizonte(vo väčšine analyzovaných prípadov sa pozitívne účinky

na zamestnanosť alebo výšku príjmov objavili 12 až 24 mesiacov po skončení opatrenia).

Z uvedeného vyplýva, že vzdelávanie je menej účinné v období recesie, kedy možno väčší účinok

očakávať od opatrení zameraných na priamu tvorbu pracovných miest. Zároveň by však nebolo

správne vzdelávanie počas recesie drasticky obmedziť, pretože mnohí UoZ môžu práve počas recesie

využiť čas na zvýšenie svojej kvalifikácie. Dôležité je teda správne zladenie objemu a času

poskytovania opatrenia. Nie je vhodné jeho poskytovanie úplne prerušiť, a to ani počas

recesie, je však vhodné využívať ho masovejšie v dobe, keď sa v ekonomike naštartujú

procesy tvorby pracovných miest a toto štrukturálne opatrenie má väčšiu šancu na úspech.

Vzdelávanie má veľmi rozdielne dopady na rôzne skupiny UoZ. Skupinové vzdelávanie (kurzy),

ktoré boli organizované úradmi práce počas hodnoteného obdobia boli relatívne účinnejšie

(mali pozitívne efekty) po 24 mesiacoch po ich ukončení pre UoZ s nižším vzdelaním (najmä

základným).Pre UoZ so stredoškolským a vysokoškolským vzdelaním boli účinky vzdelávania

negatívne alebo štatisticky nevýznamné. Tento výsledok je možné vysvetliť výberom profesií, pre

22

ktoré boli skupinové kurzy organizované (v zásade išlo o profesie vhodné pre UoZ s nižším vzdelaním

– napr. obsluha vysokozdvižného vozíka, SBS, opatrovateľstvo a p.).Možno teda odporúčať

zacielenie uvedených skupinových kurzov najmä na UoZ s nižším dosiahnutým stupňom

vzdelania. Pre UoZ s vyšším vzdelaním sú vhodnejšie individuálne formy vzdelávania, tie sa však

začali poskytovať až ku koncu hodnoteného obdobia a neboli predmetom daného hodnotenia. Možno

však dôvodne predpokladať, že individuálne formy vzdelávania budú účinnejšie pre UoZ s vyšším

vzdelaním, pretože poskytnú väčšiu flexibilitu pri výbere profesií.

Z hľadiska veku bolo poskytované vzdelávanie relatívne účinnejšie pre najstaršiu vekovú skupinu

(55+), po uplynutí dlhšieho časového obdobia sa pozitívny účinok na pravdepodobnosť zamestnať sa

dostavila ak pre vekovú skupinu (30-54). Uvedený výsledok zrejme súvisí s motiváciou účastníkov.

Z prieskumu na úradoch práce vyplynulo, že najmladšie vekové skupiny UoZ mali najmenší záujem

o vzdelávanie a bolo ich aj ťažšie ich do kurzov zaradiť. Vzdelávanie v takej forme akou bolo počas

sledovaného obdobia organizované sa teda javí vhodnejšie pre staršie vekové skupiny UoZ. Možno

teda odporúčať zacieliť existujúce skupinové kurzy na účastníkov v staršom a strednom veku

Odporúčania v oblasti implementácie (ÚPSVAR)

Zdokonaliť metodiku spôsobu identifikácie vzdelávacích potrieb

Dôležitou oblasťou je výber profesií, v ktorých sa majú UoZ vzdelávať. Orientácia vzdelávacích kurzov

sa rámcovo uskutočňuje na základe ročných regionálnych plánov, ktorých príprava má isté nedostatky

(je založená na pohľade do minulosti, upadá do stereotypu a do značnej miery je určovaná záujmom

samotných účastníkov). Pre zlepšenie výberu profesií (a tým aj zvýšenie účinnosti opatrenia) je možné

odporučiť zavedenie prepracovanejšej metodológie identifikácie vzdelávacích potrieb, ktorá by:

- zjednotila postup úradov

- zaviedla väčší kontakt s dopytovou stranou (zamestnávateľmi).

Na uvedené účely možno napríklad vypracovať detailnejšiu internú inštrukciu, ktorá by sa opierala aj

o štruktúrované procesy a materiály (napríklad realizácia výberového prieskumu s bližšie určenými

pravidlami výberu a s pomocou predtlačených dotazníkov).

Zdokonaliť metodiku spôsobu identifikácie vzdelávacích potrieb

V tejto oblasti treba venovať pozornosť:

- „načasovaniu“ intervencie (hneď na začiatku evidencie resp. po uplynutí určitej doby), ktoré

má vplyv na skladbu účastníkov opatrenia (efekt selektivity),

- úprave procesu pridelenia opatrenia (sprostredkovateľ-poradca-zaradenie na opatrenie).

Čím je načasovanie opatrenia neskoršie, tým je zaradená skupina UoZ „problémovejšia“ z hľadiska

uplatnenia na trhu práce (pretože menej problémoví UoZ si medzičasom nachádzajú uplatnenie sami

resp. s pomocou iného opatrenia). Preto je vhodné pristupovať k vzdelávaniu už v začiatočných

štádiách evidencie (tzv. princíp skorej intervencie) a nečakať dlhšiu dobu, kedy už medzi

potenciálnymi účastníkmi je pomerne veľa problémovejších UoZ, ktorí okrem vzdelávania potrebujú

aj individuálnejší prístup kombinovaný s inými opatreniami (poradenstvo, orientácia a p.)

V oblasti procesu zaradenia na opatrenie treba venovať pozornosť detailnejšiemu upraveniu

postupnosti a časovania intervencií, t.j. poskytovať informáciu o vzdelávaní už na začiatku evidencie

a plošne všetkým UoZ. Tiež možno odporúčať podľa možnosti posielať všetkých UoZ k poradcom,

23

ktorí schvaľujú zaradenie na vzdelávanie a mali by jednak zhodnotiť prospekty daného účastníka v

konkrétnej forme vzdelávania, jednak pomôcť účastníkom zorientovať sa v ponuke (s týmto súvisí

posilnenie administratívnej kapacity úradov, ktoré bolo od Slovenska opakovane požadované v rámci

špecifických odporúčaní Rady).

Zmeniť organizačno-technický rámec poskytovania vzdelávania

V tejto oblasti je najdôležitejším odporúčaním zmena procesu obstarávania skupinových kurzov.

Konkrétne ide o:

- odstránenie centrálneho verejného obstarávania,

- posilnenie pravidelnosti a predvídateľnosti financovania opatrenia.

Centrálne verejné obstarávanie skupinových kurzov sa v praxi prejavilo ako nepružný systém

zabraňujúci uskutočneniu vzdelávania v reálnom čase reagujúcom na potreby UoZ a trhu práce.

Možno teda odporúčať decentralizovanie obstarávania kurzov.

Nepravidelnosť a nedostatok informácií o objeme a čase financovania kurzov bolo úradmi práce

spomínané ako jeden zo základných problémov, ktoré v praxi sťažujú organizáciu opatrenia. Možno

odporučiť napríklad predĺženie rozpočtovania opatrenia na dlhší cyklus (niekoľko rokov), ktoré by

zabezpečilo väčšiu stabilitu a kontinuitu organizačného rámca.

24

1 Úvod

1.1 Zmluvné východiská

Návrh Záverečnej správy je vypracovaný v súlade s Čiastkovou zmluvou o dielo č. 1433/2013 (ďalej len

ako „zmluva“). Zmluvnými stranami sú Úrad vlády Slovenskej republiky, ako objednávateľ a KPMG

Slovensko, spol. s r.o. a Štengl, a.s., ako dodávateľ . Predmetom zákazky s názvom „Hodnotenie

vybraných intervencií ŠF a KF využitím metód Counterfactual impact evaluation“ je hodnotenie

intervencií financovaných z EFRR a ESF s využitím kvázi-experimentálnych metód hodnotenia CIE

a prezentovanie používania týchto metód.

1.2 Kontext hodnotených intervencií

Projekt analyzuje dve intervencie financované z ŠF a KF. Ich cieľom je vplývať na strategický cieľ

Slovenskej republiky definovaný v Národnom strategickom referenčnom rámci pre obdobie 2007-2013,

ktorým je výrazne zvýšiť do roku 2013 konkurencieschopnosť a výkonnosť regiónov a slovenskej

ekonomiky a zamestnanosť pri rešpektovaní trvalo udržateľného rozvoja.

Tieto nástroje by mali taktiež prispieť k napĺ ňaniu cieľov vytýčených Európskou úniou v stratégii Európa

2020.

1.2.1 Podpora zavádzania inovácií a technologických transferov

Táto intervencia bola realizovaná v rámci Operačného programu Konkurencieschopnosť a hospodársky

rast (ďalej len ako „OP KaHR“) Riadiacim orgánom pre OP KaHR v pôsobnosti Ministerstva

hospodárstva SR. Opatrenie, ktoré je predmetom hodnotenia je predstavené a detailne popísané

v Programovom manuáli OP KaHR pod Prioritnou osou 1 Inovácie a rast konkurencieschopnosti

Opatrenie 1.1 Inovácie a technologické transfery.4

Opatrenie pozostáva z troch podopatrení. Hodnotenie sa bude zaoberať podopatrením 1.1.1 Podpora

zavádzania inovácií a technologických transferov.

1.2.2 Vzdelávanie a príprava pre trh práce (§ 46)

Druhá intervencia, Vzdelávanie a príprava uchádzačov o zamestnanie (UoZ) pre trh práce , bola

realizovaná v rámci Operačného programu Zamestnanosť a sociálna inklúzia (ďalej len ako „OP ZaSI“)

Riadiacim orgánom pre OP ZaSI v pôsobnosti Ministerstva práce, sociálnych vecí a rodiny SR.5

Cieľom tohto opatrenia aktívnej politiky trhu práce (APTP) je zvýšenie pravdepodobnosti získania

zamestnanianezamestnaných UoZ.

1.3 Štruktúra Záverečnej správy

Táto správa je členená do dvoch hlavných logických celkov obsahovo zameraných na hodnotené

intervencie.

Úlohe 1: Hodnoteniu intervencie realizovanej prostredníctvom OP KaHR – „Podopatrenie 1.1.1.

Podpora zavádzania inovácií a technologických transferov“ je venovaná prvá polovica tejto správy,

kapitoly 2 až 7.

4Operačný program Konkurencieschopnosť a hospodársky rast, Ministerstvo hospodárstva SR, Bratislava, 03/2011, dostupné

online: <http://www.nsrr.sk/en/operational-programmes/competitiveness-and-economic-growth/>

5Operačný program Zamestnanosť a sociálna inklúzia (v_3), Ministerstvo práce, sociálnych vecí a rodiny SR, Bratislava,

07/2012,dostupné online: http://www.nsrr.sk/operacne-programy/zamestnanost-a-socialna-inkluzia/

25

Úlohe 2: Hodnoteniu intervencie realizovanej prostredníctvom OP ZaSI – „Nástroj APTP – Vzdelávanie

a príprava pre trh práce UoZ“ je venovaná druhá polovica tejto správy, kapitoly 8 až 13.

Kapitola 14 je venovaná všeobecným požiadavkám na údaje pre výkon kontrafaktuálnych hodnotení

dopadov. Kapitola 15 obsahuje prílohy a výpočty použité pri hodnotení jednotlivých intervencií.

26

2 Úloha 1

2.1 Účel hodnotenia

Účelom tejto častisprávy je poskytnúť podrobné hodnotenie ekonomického vplyvu intervencie

spolufinancovanej z Európskeho fondu regionálneho rozvoja. Rozsah hodnotenia je obmedzený na

podopatrenie 1.1.1. Podpora zavádzania inovácií a technologických transferov Operačného programu

konkurencieschopnosť a hospodársky rast.

Cieľom intervencie bolo zvýšiť konkurencieschopnosť existujúcich podnikov prostredníctvom:

■ zavádzania inovatívnych a moderných technológií,

■ vytvorenia prostredia pre zvýšenie inovačného potenciálu podnikov v priemysle a službách,

■ podpory rozvoja ekologickej produkcie ako nutnosti pre udržateľný rozvoj.

Podopatrenie 1.1.1 je zamerané na podporu podnikov v súkromnom sektore, kde hlavným cieľom

inovácií je riešenie problémov vyplývajúcich z potreby modernizácie technológií, zníženie energetickej

náročnosti výroby, zmiernenie negatívnych ekologických dopadov na životné prostredie a zvýšenie

efektivity výroby. Odstránenie týchto nedostatkov má za následok zvýšenie konkurencieschopnosti

podnikov v odvetví priemyslu, rastu pridanej hodnoty a zvýšenie efektivity podnikov. Príjemcami

podpory boli predovšetkým malé a stredné podniky (MSP), ktorým grant umožnil financovať nákup

inovatívnych a moderných technológií, strojov a zariadení a technológií pre efektívne využívanie

prírodných zdrojov s cieľom znížiť negatívne dopady na životné prostredie.

Správa sa zameriava na vyhodnotenie dopadu intervencie s cieľom identifikovať silné a slabé stránky a

ovplyvňujúce faktory programu. Na základe analýzy sú poskytnuté odpovede na hodnotiace otázky

týkajúce sa výsledkov realizácie intervencie a jej dopadov.

Na základe kľúčových zistení hodnotenia a odpovedí na hodnotiace otázky boli formulované odporúčania

pre návrh obdobných opatrení v budúcnosti.

2.2 Štruktúra správy

Prvá časť správy, venujúca sa Úlohe 1 sa skladá zo 6 kapitol zoradených podľa logickej nadväznosti

hodnotenia.

■ Kapitola 2: Poskytuje prehľad analýzy, účel hodnotenia a predstavuje hlavné metodické prístupy

použité pri hodnotení.

■ Kapitola 3: Uvádza detailný popis podporeného opatrenia, súvisiaci kontext a implikácie

realizovanej politiky.

■ Kapitola 4: Popisuje prístup kontrafaktuálneho hodnotenia dopadov (Counterfactual Impact

Evaluation) a analýzu žiadateľov, kontrolnej skupiny a nezúčastnených podnikov.

■ Kapitola 5: Popisuje pozadie hodnotenia dopadov založeného na teórii a hodnotenie výsledkov

realizovaných prípadových štúdií.

■ Kapitola 6-7: Poskytuje odpovede na hodnotiace otázky kombináciou výsledkov hodnotenia

dopadov založeného na teórii (Theory-Based Impact Evaluation) a kontrafaktuálneho hodnotenia

dopadov (Counterfactual Impact Evaluation).

2.3 Metodický prístup

V súlade s princípmi triangulácie, analýza zahŕňa kvalitatívne aj kvantitatívne zdroje údajov a analytické

metódy hodnotenia ekonomických dopadov intervencie.

27

Kvalitatívny prístup štúdie nadväzuje na koncept hodnotenia dopadov založeného na teórii (Theory-

Based Impact Evaluation) s dôrazom na re-konštrukciu a testovanie identifikovanej teórie zmeny (Theory

of Change). V rámci tohto hodnotenia bol použitý prístup analýzy prínosov (Contribution analysis),

ktorá sa zameriava na vykresľovanie kauzálnych vzťahov a vysvetľujúcich úsudkov medzi pozorovanými

zmenami a hodnotenou intervenciou.

Následne bol realizovaný empirický výskum (prípadové štúdie) za účelom posúdenia validity

a materializácie načrtnutej teórie. Hodnotenie dopadov založené na teórii sa skladá z dvoch

komponentov, konceptuálneho a empirického. Z konceptuálneho hľadiska sa hodnotenie dopadov

založené na teórii zameriava na formuláciu teórie politiky alebo programu. Z empirického hľadiska sa

usiluje overiť túto teóriu. Tieto mechanizmy a ich prepojenia s kontextom a výsledkami sú ústrednými

prvkami teórie zmeny.

Hodnotenie dopadov založené na teórii bolo doplnené kontrafaktuálnym hodnotením dopadov na

otestovanie zvolených kľúčových dimenzií dopadov v rámci Teórie zmeny z kvantitatívneho hľadiska.

Kontrafaktuálne hodnotenie dopado vvyužíva tzv. kvázi experimentálne metódy, ktorých cieľom je

určiťčistý účinok intervencie porovnaním výkonnosti podporených subjektov s kontraktuálnou situáciou,

teda so situáciou, ktorá by bola nastala pri absencii intervencie. Keďže kontrafaktuálnu situáciu

nemožno priamo pozorovať, vykoná sa jej odhad využitím vhodnej porovnávacej skupiny.

Na aproximáciu kontrafaktuálnej situácie sa používajú dve skupiny, skupina zamietnutých žiadateľov

a skupina nezúčastnených spoločností. Zamietnuté spoločnosti vo všeobecnosti vytvárajú vhodnejšiu

porovnávaciu skupinu ako je skupina nezúčastnených spoločností, keďže s podporenými podnikmi

zdieľajú podobnú iniciatívu a zámer investovať do zlepšenia produkčných možností. To znamená,že ich

nepozorovateľné charakteristiky (zámer a vôľa investovať) sú podobnejšie podporeným podnikom.

Nevýhoda použitia vzorky zamietnutých žiadateľov ako porovnávacej skupiny je v tom, že sa jedná

o malú veľkosť vzorky (455 podnikov). Na druhej strane, vzorka nezúčastnených podnikov je spočiatku

veľmi veľká (5797 podnikov). Navzdory tomu, má ale veľké množstvo nezúčastnených podnikov také

pozorovateľné charakteristiky, ktoré nie sú porovnateľné s charakteristikami podporených podnikov.

Navyše, zatiaľ čo zamietnutí žiadatelia majú rovnakú túžbu investovať ako podporení žiadatelia,

nezúčastnené podniky môžu byť v inej fáze svojho investičného cyklu, čiže je ťažšie odkontrolovať

výberové skreslenie, ktoré v danom prípade môže vzniknúť. Je tiež dôležité si uvedomiť, že nemáme

žiadnu informáciu o geografickej polohe podnikov, pokiaľ sa jedná o skupinu nezúčastnených

podnikoch, a taktiež nevieme, či nezískali náhodou podporu z iných programov, čo by predstavovalo

ďalší zdroj možného výberového skreslenia. Tento potencionálny zdroj výberového skreslenia, sa ale

nenachádza pri vzorke zamietnutých žiadateľov.

Vzhľadom k tomu, že pri podopatrení 1.1.1 sa prvý a posledný rok platieb podstatne líši v rámci

podporených podnikoch (s 10 unikátnymi kombináciami prvého a posledného roku platby), výber

najvhodnejšieho času pre meranie vplyvu je tiež zásadný, aby bola analýza spoľahlivá. Na základe

informácii získaných z našich prieskumných oblastí prípadovej štúdie, je potrebné považovať jeden rok,

po poslednej prijatej platbe z podpory, za najvhodnejší čas oneskorenia pre meranie vplyvu intervencie.

Za účelom eliminácie chýb a výberovej odchýlky pri meraní intervencie, je potrebné zmerať

charakteristiky v pred-intervenčnom období ešte pred prvým dňom platby. Tento scenár vedie k prijatiu

inovatívnych dynamických prístupov pri porovnávacej skupine, ktoré sa realizujú zo zodpovedajúcimi

štatistickými metódami v spojení s metódou Difference in differences. Takýto dynamický prístup

odhadu, vyžaduje odhad vplyvu intervencie oddelene pre každú skupinu podnikov, ktoré zdieľajú

rovnaké prvé a posledné platby a ktorých výsledky sa potom agregujú. Takýmto spôsobom by sme

mohli zmerať vplyv programu bez chýb merania a/alebo bez výberového skreslenia, vzhľadom k meraniu

charakteristík podnikov v pred-intervenčnom období, ktoré môžu byť príliš vzdialené od skutočného

prvého termínu platby a/alebo kvôli charakteristikám podnikov v po-intervenčnom období, ktoré môžu

byť ešte pred uzavretím projektu a ktoré sú príliš vzdialené od skutočného posledného termínu.

Ak chceme, aby vybrané porovnávacie skupiny (zamietnuté a nezúčastnené podniky) boli čo najbližšie

k ideálnemu zdroju informácií pre kotrafaktuálny odhad (tzv. žiadne rozdiely medzi podporenou a

porovnávacou skupinou vo všetkých významných podnikových charakteristikách, ktoré môžu mať vplyv

28

na výsledkové premenné analýzy), a za účelom kontroly potencionálnych zdrojov skreslenia, táto štúdia

používa rôzne zodpovedajúce techniky, ktoré sú spojené z viacnásobnou regresiou a sú v kombinácii

s metódami Difference in differences (alebo Difference in difference in diferences). Všetky odhady

vplyvov, ako sú párovanie/viacnásobná regresia, sú realizované v kombinácii s metódami Difference-in-

Difference (DD) alebo Difference-in-Difference-in-Difference (DDD). Pridanie presného

párovania/PSM/viacnásobnej regresie do metód DD a DDD zaisťuje, že všetky zvyšné prípadné rozdiely

medzi podporenou a kontrolnou skupinou sú kontrolované na základe vierohodného predpokladu, že sa

v analýze vyskytuje stabilný vplyv na výsledkové premenné počas odhadovaného obdobia (tzv. časové

rozpätie medzi prvou platbou a jedným rokom po poslednej platbe podporeného projektu).

Na posúdenie efektu programu, je komplexná analýza nákladov a prínosov vykonaná za použitia

výsledkov analýzy CIE.

29

3 Popis hodnoteného podopatrenia

Podopatrenie 1.1.1. Podpora zavádzania inovácií a technologických transferov bolo realizované v rámci

Operačného programu Konkurencieschopnosť a hospodársky rast pod prioritnou osou 1, cieľom ktorej

je zvyšovať konkurencieschopnosť priemyslu a služieb prostredníctvom inovácii. V rámci opatrenia 1.1

Podpora zavádzania inovácií a technologických transferov boli realizované tri podopatrenia.

Podopatrenie 1.1.1., ktoré je predmetom tohto hodnotenia sa zameriava na podporu spoločností s

cieľom venovať sa otázkam súvisiacim s inováciami, modernizáciou technológií, poklesom energetickej

náročnosti, zmiernením ekologických dopadov a energeticky efektívnou výrobou. Tieto otázky by okrem

iného mali prispieť k zvýšenej konkurencieschopnosti spoločností, k rastu pridanej hodnoty, zvýšenej

efektívnosti a modernizácii vybavenia. Podopatrenia 1.1.1 nebolo realizované s cieľom zvýšiť zamestnanosť v podporených regiónoch, aj keď nárast zamestnanosti by sa v širšom kontexte mohol

považovať za prínos intervencie.

Table 1: Štruktúra prioritnej osi 1, OP KaHR

Prioritná os programu Opatrenie Podopatrenie

1 Inovácie a rast

konkurencieschopnosti

1.1 Podpora zavádzania inovácií a

technologických transferov

1.1.1 Podpora zavádzania inovácií a

technologických transferov

1.1.2 Podpora tvorby pracovných miest

prostredníctvom rozvoja

podnikania

1.1.3 Podpora účasti slovenských

výrobcov na veľ trhoch,

výstavách a obchodných misiách

Zdroj: OP KaHR

Riadiacim orgánom tohto operačného programu je Ministerstvo hospodárstva Slovenskej Republiky.

Určité úlohy týkajúce sa implementácie boli delegované na Slovenskú inovačnú a energetickú agentúra

(SIEA), ktorá pôsobí ako Sprostredkovateľský orgán pod riadiacim orgánom.

Oprávnenými prijímateľmi sú fyzické a právnické osoby, ktoré sú oprávnené podnikať v súlade s § 2,

sekciou (2) Obchodného zákonníka, zároveň sú registrované na území Slovenskej republiky a plánujú

vykonávať určité typy oprávnených projektov.6 Podopatrenie podporovalo spoločnosti zo sektoru

priemyslu a služieb, vrátane sekundárneho spracovania potravín v rámci potravinárskeho priemyslu.

Intervencia pozostáva z dvoch schém pomoci (schéma De minimis a schéma štátnej pomoci), ktoré

na základe výziev na predkladanie žiadostí o NFP rozdeľujú alokované finančné prostriedky. Táto správa

sa zameriava na prvých 5 výziev, ktorými sú: DM08, DM09, SP08, SP09 a SP10.

Počas štandardného výberového procesu mohli žiadatelia predložiť žiadosť o NFP v súlade s

podmienkami výzvy. Všetci žiadatelia sa sami rozhodli zapojiť do programu (self-selection into

programme).

6Programový dokument OP KaHR.

30

V rámci schémy De minimis (ďalej len ako DM) mohli byť podporené mikro, malé a stredné podniky.

V rámci schémy štátnej pomoci (ďalej len ako SP) boli na podporu oprávnené aj veľké spoločnosti (s

maximálnym počtom zamestnancov 1000 a s ročným obratom neprevyšujúcim 50 mil. EUR). Podpora

bola obmedzená maximálnou výškou 6 mil. EUR na jeden projekt v rámci schémy štátnej pomoci a

maximálnou výškou 200 000 EUR na prijímateľa počas troch po sebe nasledujúcich fiškálnych rokov v

rámci schémy De minimis. Horné hranice výšky podpory mohli byť vo výzvach znížené. Maximálna

výška dotácie pre implementáciu národných projektov, bola stanovovaná individuálne pre každý projekt.

Podpopatrenie geograficky pokrýva celé územie Slovenskej republiky s výnimkou Bratislavského kraja7.

Pri kontrole oprávnenosti sa berie do úvahy miesto realizácie projektu a nie sídlo žiadateľa.

Obdobie oprávnenosti výdavkov je od 1.1.2007 do 31.12.2015. Maximálna dĺžka realizácie projektu je

24 mesiacov.

Za oprávnené výdavky v rámci podopatrenia sa považujú výdavky na:

■ Obstaranie dlhodobého hmotného majetku,

■ Obstaranie nehmotného majetku s využitím inovatívnych a moderných technológií, vrátane

obstarania pomocného softvéru,

■ Rekonštrukciu a modernizáciu priestorov, ktoré sa priamo týkajú inštalácie nových strojov a

zariadení, výrobných procesov a technológii, a

■ Zabezpečenie školení zamestnancov prijatých v rámci projektov (školenia musia byť zabezpečené

externou spoločnosťou).8

Predložené žiadosti podliehajú hodnotiacemu a výberovému procesu, ktorých hlavné kroky sú popísané

v tabuľke nižšie.

Tabuľka1: Proces výberu prijímateľov

Zdroj: Autor

Podpora bola počas prvých troch výziev (DM08, SP08 a DM09) prideľovaná na základe odborných

hodnotiacich kritérií. Oprávnení žiadatelia museli získať minimálne 78 bodov od oboch hodnotiteľov.

Následne boli zoradení podľa priemerného počtu bodov až do výšky 150% alokácie výzvy.

7Regióny, na ktoré sa vzťahuje Cieľ „Konvergencia“. Skladá sa z regiónov s HDP nižším ako 75% priemeru EÚ 25, vypočítaných

na základe údajov z EÚ za roky 2000-2002. Zahrnuté je západné Slovensko (Trnavský, Trenčiansky a Nitriansky kraj), stredné

Slovensko (Banskobystrický a Žilinský kraj) a východné Slovensko (Košický a Prešovský kraj).

8Programový dokument OP KaHR

Podanie žiadosti a

jej registráciaOdborné hodnotenie

Žiadosť

Podané žiadosti musia spĺňať

dve hlavné kritériá:

Kritérium formálnej

správnosti

Kritérium úplnosti

Výber prijímateľov Zazmluvnenie

Výber prijímateľov

Alternatíva A

Žiadosti sú zoradené podľa počtu

bodov z odborného hodnotenia a

NFP je poskytovaný do vyčerpania

f inančnej alokácie na výzvu.

Alternatíva B

Žiadosti sú ohodnotené na základe

výberových kritérií. Body z

odborného hodnotenia tvoria jednu

časť kritérií.

Žiadosti sú následne zoradené

podľa počtu bodov a NFP je

poskytovaný do vyčerpania

alokácie.

Potvrdenie udelenia NFP

Po prijatí of iciálneho stanoviska sú

úspešní žiadatelia vyzvaní na

podpis zmluvy, ktorým súhlasia s

podmienkami udelenia NFP.

Odborné hodnotenie

Oprávnené žiadosti sú hodnotené a

je im pridelený určitý počet bodov

(0-100).

Každá žiadosť je hodnotená dvoma

hodnotiteľmi.

Vážené celkové hodnotenie

každej žiadosti musí byť

minimálne 78b. od oboch

hodnotiteľov.

Každá žiadosť musí dosiahnuť

aspoň 50% vážených bodov v

každej z 5 hodnotených oblastí.

31

V posledných dvoch výzvach (SP09 a SP10) bolo odborné hodnotenie jednou zo súčastí výberových

kritérií. Tie zahŕňali 1) priemerný počet bodov získaných z odborného hodnotenia, 2) počet

novovytvorených pracovných miest, 3) vplyv na životné prostredie, 4) sociálno-ekonomickú situáciu v

regióne, v ktorom sa bude projekt implementovať, 5) mieru, v akej projekt prispieva k prioritám Národnej

Inovačnej Stratégie 2007-2013. Vzhľadom na to, že počet bodov z odborného hodnotenia nebolo

jediným kritériom pri výbere projektov v daných výzvach, nebolo možné určiť presnú hranicu medzi

schválením a zamietnutím žiadosti (no single cut-off point).

V rámci prvých piatich analyzovaných výzvach bolo zazmluvnených 266 žiadateľov. Počet žiadostí podľa

jednotlivých výziev je uvedený v nasledujúcej tabuľke.

Tabuľka 2: Počet úspešných žiadateľov v rámci podopatrenia 111

ID výzvy Skratka

výzvy

Obdobie výzvy Schválení

žiadatelia

Zazmluvnení

žiadatelia

KaHR-111DM-0801 DM08 14/07/2008-17/10/2008 84 64

KaHR-111SP-0801 SP08 31/03/2008-04/07/2008 33 27

KaHR-111DM-0901 DM09 15/06/2009-14/09/2009 74 68

KaHR-111SP-0902 SP09 03/08/2009-02/12/2009 77 71

KaHR-111SP-1001 SP10 25/01/2010-11/05/2010 40 36

Spolu 308 266

Zdroj: [online, dostupné na: http://economy.gov.sk/zoznam-schvalenych-ziadosti-o-nenavratny-

financny-prispevok-6903/1285588s]

32

4 Kontrafaktuálne hodnotenie dopadov

4.1 Prehľad údajov

Údaje poskytol Úrad vlády Slovenskej Republiky na základe špecifikácie požiadaviek údajov, ktoré boli

súčasťou Úvodnej správy.

Aby bolo možné merať účinky intervencie, údaje z databázy Riadiaceho orgánu OP KaHR, museli byť

spárované s informáciami o finančnej výkonnosti podnikov zapojených v jednotlivých výzvach. Tieto

finančné údaje poskytlo Finančné riaditeľstvo SR. Anonymita bola zabezpečená v súlade s národnými

požiadavkami na ochranu osobných údajov (zákon č. 122/2013 o ochrane osobných údajov a o zmene a

doplnení podľa zákona č. 84/2014).

Je dôležité poznamenať, že kľúčové obmedzenia detailnosti a spoľahlivosti analýzy, sú obmedzené

veľkosťou vzorky. V analýze na účely odhadu boli použité vzorky: 167 podporených podnikov, 455

zamietnutých/nepodporených podnikov a 284 nezúčastnených podnikov. Zvýšenie počtu pozorovaní

alebo použitia metódy stratifikácie9 na vzorke nezúčastnených podnikov, by mohlo ale tiež nemuselo

zvýšiť štatistickú významnosť výsledkov. Toto nie je možné určiť dopredu. Napriek tomu, používať

nezúčastnené podniky ako porovnávaciu skupinu, ohrozuje spoľahlivosť odhadov vzhľadom k väčšej

hrozbe vzniku výberového skreslenia.

4.1.1 Prehľad údajov

V prehľade nižšie sú uvedené údaje použité v analýze.

Tabuľka 3: Prehľad údajov

PREMENNÁ POPIS Typ údajov

Dostupné pre

Podporených /

Zamietnutých žiadateľov /

Nezúčastnené firmy

ANONYMISED_ID Anonymizované ID subjektu číselný, jedinečný

identifikátor ÁNO / ÁNO / ÁNO

CALL Identifikácia výziev (dm8,

dm9, sp8, sp9, sp10) kategorický ÁNO / ÁNO / NIE

ESTABLISHED Dátum vzniku subjektu číselný,

dátumový ÁNO / ÁNO / ÁNO

FTE_[year] Pracujúci na plný pracovný

úväzok, roky 2004-2013 číselný ÁNO / ÁNO / ÁNO

NACE Kódy NACE Rev.2. kategorický ÁNO / ÁNO / ÁNO

NR_[year] Čistý výnosy, roky 2004-

2013 číselný ÁNO / ÁNO / ÁNO

NUTS_2 Názov NUTS 2 regiónu kategorický ÁNO / ÁNO / NIE

NVA_[year] Čistá pridaná hodnota, roky

2004-2013 číselný ÁNO / ÁNO / ÁNO

OTHER_SUPPORT Príjemca inej podpory binárny ÁNO / ÁNO / NIE

PAID_GRANT Vyplatená výška NFP číselný ÁNO / ÁNO / NIE

9 Preddefinovanie vzoriek na základe pozorovateľných charakteristík (napríklad, malé podniky z kategórie strednej a nízkej

technologickej náročnosti výroby pôsobiace na východnom Slovensku) a použitie náhodnej vzorky s predefinovaným počtom

pozorovaní pre všetky jednotky vo vzorke (v ideálnom prípade 10 pozorovaní pre podporené podniky).

33

PAYFIRST Dátum prvej platby číselný,

dátumový ÁNO / NIE / NIE

PAYLAST Dátum poslednej platby číselný,

dátumový ÁNO / NIE / NIE

REGION Región implementácie

projektu kategorický ÁNO / ÁNO / NIE

SIZE Veľkosť podniku kategorický ÁNO / ÁNO / ÁNO

SP

Umelá premenná, pre

schému de minimis (0), pre

schému štátnej pomoci (1)

binárny ÁNO / ÁNO / NIE

SUPPORTED

Umelá premenná, pre

podporených (1), pre

nepodporených (0)

binárny ÁNO / ÁNO / NIE

TECHNOLOGY10

Technologická klasifikácia

založená na NACE Rev.2.

kóde

kategorický ÁNO / ÁNO / ÁNO

RR Refundácia podporeného

projektu číselný ÁNO / NIE / NIE

4.1.2 Popis podporenej vzorky

Podporená vzorka obsahuje informácie o dvoch typoch podnikoch, tie ktoré sa prihlásili a obdŕžali NFP

(ďalej aj ako “podporení”) a podniky, ktoré sa prihlásili a neobdŕžali NFP (ďalej aj ako “zamietnutí

žiadatelia”). Databáza obsahuje časové rady údajov za roky 2004-2013.

Čistenie údajov

Z databázy sa odstránili žiadatelia s protichodnými duplikáciami, aby sa eliminovala potenciálna chyba

merania. Z počtu 985 žiadateľov malo 748 záznamov unikátne anonymizované ID. 195 žiadateľov sa

prihlásilo viac než raz, z čoho 158 žiadateľov dvakrát, 32 žiadateľov trikrát a 5 žiadateľov 4 krát.

V databáze sa nachádzali žiadatelia s podporenými a zároveň nepodporenými žiadosťami o NFP. Títo

žiadatelia boli zaradení do podporenej skupiny a boli odstránení zo skupiny zamietnutých žiadateľov s

cieľom zabrániť skresleniu tejto skupiny.

Pretože nie sú k dispozícii údaje za roky 2014 a 2015, projekty, pri ktorých sa posledná platba konala

v roku 2013 a 2014, boli z analýzy vylúčené (24 podporených žiadateľov). Vytvorená databáza pokrýva

schválených aj zamietnutých žiadateľov a obsahuje 836 záznamov.

Vzhľadom k tomu, že cieľom bolo analyzovať vplyv programu na podnikovej úrovni, tak sa databázy

nemmohli merať na aplikačnej úrovni.. Podnik v zamietnutej skupine, ktorý mal viacej zamietnutých

žiadostí bol započítaný len raz. Schválené žiadosti, ktoré boli predložené rovnakým podnikom v

jednotlivých rokoch, boli započítané viac krát v podporenej skupine za účelom využitia čo najviac

10Klasifikácia technológií je založená na Eurostat klasifikácií NACE Rev. 2 kódov a upravená podľa návrhov DG REGIO Evaluation

Unit. Vzhľadom k nízkemu zastúpenie sektora služieb medzi žiadateľmi, "Ďalšie základné služby" (G, H, I, R, S a ďalšie služby,

ktoré nespadajú do vyspelejších služieb) a "Náročnejšie služby" (J, K, L, M, N, O, P, Q), nie sú rozlišované v analýze.

a. Vysoká a stredne vysoká technologická náročnosť výroby (20, 21, 25.4, 26, 27-29, 30 okrem 30.1, 32.5)

b. Stredná a nižšia technologická náročnosť výroby (18.2, 19, 22-24, 25 okrem 25.4, 30.1, 33)

c. Nízka technologická náročnosť výroby (10-17, 18, okrem 18.2, 31, 32 okrem 32.5)

d. Základné služby (G, H, I, J, K, L, M, N, O, P, Q, R, S a ostatné služby nespadajúce pod vyspelejšie služby)

e. Ostatné (A, B, E, F)

Zdroj: http://ec.europa.eu/eurostat/cache/metadata/Annexes/htec_esms_an3.pdf

34

informácií o možných programových účinkoch. Vylúčenie týchto podnikov by mohlo znamenať stratu

cenných informácii o dopadoch podopatrenia 1.1.1 a počet podporených podnikov by sa podstatne

znížil.

V tejto fáze ostalo v databáze 698 podnikov, pričom 215 podnikov bolo podporených a 483

nepodporených. 15 podnikov získalo podporu pre 2 projekty a 1 podnik získal podporu na 3 projekty.

Väčšina projektov bola realizovaná a uhradená v máji 2014. Podniky s rozpracovanými projektmi (19

podnikov) boli z analýzy vylúčené. Tieto podniky by pri odhade vplyvu intervencie ovplyvnili naše odhady

smerom nadol, pretože účinky projektov, ktoré nie sú plne preplatené, nemohli byť plne realizované.

Žiadatelia (podporení aj zamietnutí), ktorý mali podporu z iných zdrojov (iných výziev), boli tiež vylúčení.

Tieto podniky v zamietnutej skupine by ovplyvnili náš odhad vplyvu smerom nadol, pretože porovnávacia

skupina by zahŕňala podniky, ktoré by boli v skutočnosti zlou aproximáciou kontrafaktuálu. Podniky v

podporenej skupine, ktoré dostávali dotácie aj z iných programov, by ovplyvnili náš odhad vplyvu

smerom nahor, pretože účinky iných opatrení by sa preniesli do podopatrenia 1.1.1. Toto vylúčenie

nakoniec znamenalo odstránenie ďalších 76 podnikov z databázy. Je dôležité si uvedomiť, že

odstránenie týchto podnikov (76) by mohlo znamenať ďalší rozvoj skreslenia v našich odhadoch vplyvu:

to môže nastať v prípade, že podniky, ktoré dostávajú dotáciu z viacerých zdrojov/programov, sú tie,

ktoré vedia tieto zdroje využiť najlepšie (to býva dôvod, prečo žiadajú o ďalšie dotácie). V tomto prípade

by naše odhady vplyvu smerovali smerom nahor. Avšak, pretože nemôžeme oddeliť efekt iných

zdrojov/programov od efektu podopatrenia 1.1.1, bolo odstránenie týchto podnikov z analýzy

nevyhnutné.

Po takejto úprave sme získali našu finálnu databázu podnikov, ktorá obsahuje 622 subjektov, ktoré

pozostávajú zo 167 podporených a 455 nepodporených podnikov. Ako možno vidieť v Tabuľke 4, 11

žiadateľov získalo podporu pre dva projekty a jeden pre tri projekty, čim sa v podporenej skupine zvýši

počet jednotiek až na 18011

(1X155+2X11+3X1). Pre odhady v analýze bolo použitých týchto 180

jednotiek. Ďalej sa budeme dokazovať na tieto pozorovania ako na „podporené skupiny“ a na 167

podnikov, ktoré získali podporu sa budeme odkazovať ako na „podporené podniky“.

Tabuľka 4: Počet podporených projektov za jednotlivé výzvy pre žiadateľov majúcich viac než jeden

podporený projekt v rámci podopatrenia 1.1.1 OP KaHR

N. supported

firms

N. projects

DM8

N. projects

DM9

N. projects

SP8

N. projects

SP9

N. projects

SP10

1 2

4 1 1

3 1 1

1 1 1

1 1 1

1 1 1

1 1 1 1

Total 12 7 7 2 8 1

11 Z 11 firiem, ktoré získali podporu pre viac projektov, bolo možné rozlíšiť vplyv intervencie len v 6 prípadoch. Vzhľadom na malú

vzorku podporených podnikov bolo toto riešenie považované za lepšiu voľbu.

35

Riešenie chýbajúcich dát

Nie všetky záznamy však obsahujú všetky sledované údaje v každom sledovanom roku. Databáza

obsahuje 317 záznamov s kompletnými časovými radmi pre FTE, 496 záznamov s kompletnými

hodnotami pre NR a 375 kompletných záznamov pre NVA. Databáza obsahuje 232 záznamov s

kompletnými časovými radmi (za roky 2004-2013) pre všetky tri sledované premenné. V nasledujúcej

tabuľke je zobrazená dostupnosť sledovaných premenných na úrovni podnikov.

Tabuľka 5: Počet dostupných hodnôt v rámci sledovaných premenných pre každý z rokov 2004-2013

Počet

záznamov

… obsahujúcich hodnoty sledovaných premenných pre

všetky roky (2004-2013)

NR NVA FTE Všetky tri

premenné

Podporení 167 144 103 95 61

Zamietnutí 455 352 272 222 171

Ostatní 5,797 2,516 1,367 1,758 931

Databáza subjektov, ktoré sa nezúčastnili na výzvach, obsahuje 5 797 záznamov, avšak kompletné

časové rady sú dostupné len pre obmedzený počet subjektov.

Pre tvorbu grafov sme použili vyvážené vzorky (balanced sample) pre všetky tri premenné osobitne, tak

ako je to uvedené v tabuľke vyššie, čo znamená, že sme do pozorovaní zaradili po sebe nasledujúce

údaje za obdobie 2004-2013. Pre odhady vplyvov sme použili pozorovania, ktoré obsahujú súvislé dáta

(nasledujú po sebe) pred a po intervencii, ktoré sú dostupné pre všetky tri premenné samostatne. Táto

metóda bola zvolená s ohľadom na relatívne malý počet podnikov, ktoré získali podporu, aby bolo

zachovaných čo najviac informácií.

Rozdelenie vzorky - žiadatelia

Nasledujúce tabuľky popisujú hlavné charakteristiky podporených podnikov, na zákalde niektorých

kľúčový pozorovaní, ktoré sa nachádzajú vo vzorke.. Z tabuliek je možné vyčítať tieto fakty:

1. Väčšina žiadateľov sú malé a stredné podniky,

2. Vo všetkých priemyselných odvetviach dominujú mikro a malé podniky, okrem vysokej a stredne

vysokej technologickej náročnosti výroby,

3. Služby a iné sektory sú nedostatočne zastúpené vo vzorke žiadateľov. Vzorka nie je reprezentatívna

z hľadiska hospodárskych odvetví,

4. Zdá sa, že nie súžiadne väčšie geografické odlišnosti v lokalite pôsobnosti podporených podnikov

36

Tabuľka 6: Priemyselné rozloženie vzorky žiadateľov podľa veľkosti podniku

Veľké Stredné Malé Mikro Celkovo

Vysoká a stredne

vysoká

technologická

náročnosť výroby

12 41 24 7 84

Nízka technologická

náročnosť výroby 12 56 87 52 207

Stredne-vysoká

technologická


11 82 115 36 244

Iné 1 9 25 6 41

Služby12

13 23 8 44

Chýbajúce 2 2

Celkovo 36 201 276 109 622

Tabuľka 7: Regionálne rozloženie vzorky žiadateľa podľa veľkosti podniku


NUTS 2 Stredné

Slovensko 14 69 105 36 224

NUTS 2 Východné

Slovensko 5 53 75 41 174

NUTS 2 Západné

Slovensko 17 79 96 32 224

Celkovo 36 201 276 109 622

Tabuľka 8: Regionálne rozloženie vzorky žiadateľa podľa priemyselného odvetvia

Vysoká a stredne vysoká

technologická náročnosť výroby

Nízka technologická náročnosť výroby

Stredná a nižšia technologická


Služby Iné Celkovo

NUTS 2

Stredné

Slovensko

30 84 79 14 15 224

NUTS 2

Východné

Slovensko

21 51 72 16 14 174

NUTS 2

Západné

Slovensko

33 72 93 14 12 224

Celkovo 84 207 244 44 41 622

12Vzhľadom k nízkemu zastúpeniu v sektore služieb medzi žiadateľmi, nie sú v analýze rozlišované služby: "viac základných

služieb" a "viac pokročilých služieb".

37

Charakteristika podporených žiadateľov voči zamietnutým žiadateľom

Za predpokladu, že zamietnutá skupina predstavuje vhodný kontrafaktuál, nemali by sme vidieť žiadne

veľké rozdiely v rozložení podnikov medzi podporenými a nepodporenými skupinami, pokiaľ berieme

do úvahy len kľúčové charakteristiky, ktoré môžu ovplyvniť voľbu programu. Preto sme starostlivo

skúmali rozloženie podnikov vo vzorke na základe dostupných premenných hlavne pre: región NUTS 2,

veľkosť podniku a priemyselné odvetvie. Nasledujúce tabuľky ukazujú podobnosť rozloženia týchto

premenných pre podporené a zamietnuté skupiny.

Testovali sme rozdiely vo všetkých týchto veličinách pomocou Pearson´s Chi squared testu13

a nezistili

sme žiadne väčšie rozdiely v regionálnom a veľkostnom (veľkosť podniku) rozložení, ale našli sme

významný rozdiel v priemyselnom odvetví (na 5% hladine významnosti). Tento malý rozdiel ale nie je

pre nás veľmi zaujímavý z pohľadu postupu pre odhad vplyvu a preto budeme tento rozdiel aj naďalej

používať v našich metódach.

Tabuľka 9: Rozloženie podľa veľkosti podporených a zamietnutých podnikov (v %)


Zamietnutí 6.15 34.73 41.76 17.36 100

Podporení 4.79 25.75 51.5 17.96 100

Celkovo 5.79 32.32 44.37 17.52 100

Tabuľka 10: Regionálne rozloženie podporených a zamietnutých podnikov (v %)

NUTS 2 Stredné

Slovensko

NUTS 2 Východné Slovensko

NUTS 2 Západné

Slovensko Celkovo

Zamietnutí 36.04 27.25 36.70 100

Podporení 35.93 29.94 34.13 100

Celkovo 36.01 27.97 36.01 100

Tabuľka 11: Priemyselné rozloženie podporených a zamietnutých podnikov (v %)


technologická náročnosť výroby

Nízka technologická náročnosť výroby

Stredná a nižšia technologická

náročnosť výroby Služby Iné Celkovo

Zamietnutí 13.25 30.24 40.62 7.95 7.95 100

Podporení 14.37 41.92 35.93 4.79 2.99 100

Celkovo 13.55 33.39 39.35 7.10 6.61 100

Distribúcia podpory podľa výziev a charakteristík spoločností

Načrtneme prehľad o verejných financiách v súvislosti spodopatrením 1.1.1, pri ktorých sme sa zamerali

hlavne na vyplácanie dotácií prostredníctvom výziev a charakteristík podnikov vo vzorke. Celková výška

13 V prípade, že rozloženie pozorovateľných charakteristík je podobné pre podporené podniky a podniky nachádzajúce sa v

porovnávacej skupine, môžeme tvrdiť, že porovnávacia skupina je dobrou aproximáciou podporenej skupiny (teda môžeme

skúmať, čo by sa stalo, keby k intervencii neprišlo).

38

vyplatenej dotácie je na úrovni 98 530 829 EUR. V rámci podporenej skupiny, celkové verejné výdavky

na jedného príjemcu navykazujú homogénny priebeh s ohľadom na veľkosť podniku a typu odvetvia, v

ktorom príjemca pôsobí. Malé podniky získali takmer 50% všetkých dotácií v celkovej výške 40 855 972

EUR. Hlavnými príjemcami boli podniky, ktoré pôsobili v rámci nízkej technologickej náročnosti výroby

a stredne a nižšej technologickej náročnosti výroby. Príjemcovia na východnom Slovensku dostali

podstatne menšiu časť dotácií ako príjemcovia na strednom a západnom Slovensku.

Tabuľka 12: Celková dotácia podľa veľkosti podniku, priemyselného odvetvia a regiónu NUTS 2 (v

EUR)

Schéma De minimis Štátna podpora Celkovo

Výzva dm8 dm9 Medzisúčet sp8 sp9 sp10 Medzisúčet

Vyplatená

podpora 7,237,321 21,172,482 28,409,803 16,300,855 49,233,173 4,586,998 70,121,026 98,530,829

Projekty 53 57 110 9 47 14 70 180

Veľkosť

Veľká NA 179,580 179,580 12,943,534 7,592,920 NA 20,536,454 20,716,034

Stredná 1,734,103 5,642,514 7,376,617 861,923 1,262,1193 1,258,816 14,741,932 22,118,549

Mikro 1,753,380 6,012,802 7,766,182 NA 6,609,167 464,925 7,074,092 14,840,274

Malá 3,749,838 9,337,586 13,087,424 2,495,398 22,409,893 2,863,257 27,768,548 40,855,972

Technológia

Vysoká a

stredne vysoká

technologická

náročnosť

výroby

558,797 1,646,484 2,205,281 309,218 11,882,381 62,315 12,253,914 14,459,195

Nízka

technologická

náročnosť

výroby

2,877,241 10,314,976 1,3192,217 1,175,822 23,253,661 757,291 25,186,774 38,378,991

Stredná a nižšia

technologická

náročnosť

výroby

3,288,875 7,416,524 10,705,399 14,815,815 13,137,536 2,634,807 30,588,158 41,293,557

Iné 199,899 497,775 697,674 NA 959,595 998,200 1,957,795 2,655,469

Služby 312,509 1,296,723 1,609,232 NA NA 134,385 134,385 1,743,617

Región (NUTS 2)

Stredné

Slovensko 2,330,280 8,136,058 10,466,338 2,037,745 19,844,233 376,885 22,258,863 32,725,201

Východné

Slovensko 2,453,591 4,505,214 6,958,805 NA 8,638,136 2,197,846 10,835,982 17,794,787

Západné

Slovensko 2,453,450 8,531,210 10,984,660 14,263,110 20,750,804 2,012,267 37,026,181 48,010,841

Priemerne sa z programu vyplatilo na dotáciách 5 473 093 EUR. Mikro, malé a stredné podniky získali

v priemere podobné sumy z programu (463 759 EUR, 434 638 EUR a 480,838 EUR). Na východnom

Slovensku bola dotácia výrazne nižšie, zatiaľ čo na západnom Slovensku bola podstatne vyššia, ako je

celkový priemer na Slovensku. Tento rozdiel je aj napriek tomu, že sme nespozorovali žiadne

významnejšie rozdieli vo veľkosti podnikov, v priemyselnom odvetví alebo medzi regiónmi NUTS 2.

39

Tabuľka 13: Priemerná výška grantov vo vzorke pre príjemcov podľa veľkosti, priemyselného odvetvia

a regiónu NUTS 2 (v EUR)

Schéma De Minimis Štátna podpora

Celkovo

Výzva dm8 dm9 Medzisúčet sp8 sp9 sp10 Medzisúčet

Vyplatená

podpora 136,553 371,447 258,271 1,811,206 1,047,514 327,643 547,393 547,393

Projekty 53 57 110 9 47 14 70 180

Veľkosť

Veľké NA 179,580 179,580 6,471,767 1,518,584 NA 2,933,779 2589,504

Stredné 144,509 470,210 307,359 430,962 901,514 209,803 670,088 480,838

Mikro 125,241 462,523 287,636 NA 1,652,292 464,925 1,414,818 463,759

Malé 138,883 301,212 225,645 499,080 933,746 409,037 771,349 434,638

Technológia

Vysoká a

stredne

vysoká

technologická

náročnosť

výroby

139,699 329,297 245,031 309,218 792,159 62,315 720,818 556,123

Nízka

technologická

náročnosť

výroby

151,434 355,689 274,838 391,941 1,291,870 189,323 1007,471 525,740

Stredná a

nižšia

technologická

náročnosť

výroby

131,555 390,343 243,305 2,963,163 1,194,321 376,401 1,329,920 616,322

Iné 199,899 497,775 348,837 NA 319,865 998,200 489,449 442,578

Služby 78,127 432,241 229,890 NA NA 134,385 134,385 217,952

Región (NUTS 2)

NUTS 2

Stredné

Slovensko

129,460 508,504 307,833 407,549 862,793 188,443 741,962 511,331

NUTS 2

Západné

Slovensko

122,680 281,576 193,300 NA 959,793 313,978 677,249 342,207

NUTS 2

Východná

Slovensko

163,563 341,248 274,617 3,565,778 1,383,387 402,453 1,542,758 750,169

Deskriptívna štatistika pre výsledkové premenné (čistá pridaná hodnota (NVA), čistý príjem

(NR), počet pracujúcich na plný pracovný úväzok (FTE))

Táto časť správy prezentuje deskriptívne štatistiky pre výsledkové premenné podporených a

zamietnutých žiadateľov. Tieto deskriptívne štatistiky sa používajú predovšetkým na opis dát použitých

v analýze. Niektoré porovnania môžu byť sugestívne na vplyv programu, preto by nemali byť založené

žiadne silné závery na týchto pozorovaniach. Je to z dôvodu, že rozdiely vo výsledkových premenných

naprieč rôznymi skupinami, môžu byť spôsobené aj rôznymi podnikovými charakteristikami.

Prostredníctvom metód CIE, vyvinutých pre analýzu takýchto potencionálnych rozdielov medzi

40

podporenými a nepodporenými podnikmi, budú kontrolované výsledky analýzy CIE (predložené ďalej v

tejto správe) a bude odhadnutý skutočný vplyv programu.

Nižšie uvedená tabuľka poskytuje prehľad kľúčových deskriptívnych štatistík zo vzorky žiadateľov. V

tabuľke sú uvedené štatistiky za celú vzorku a taktiež pre podporené a zamietnuté podniky. Prostriedky

pre všetky výsledky premenných sú štatisticky odlišné na 5% hladine významnosti.

Tabuľka 14: Kľúčové popisné štatistiky vzorky žiadateľa

Priemer Medián Minimum Maximum Štandard.

odchýlka

NVA (EUR)

Vzorka 1,181,990 455,359 -5,901,016 33,400,275 2,072,968

Podporení 1,092,216 374,372.5 -1,407,662 22,013,244 2,049,453

Zamietnutí 1,214,344 482,176.5 -5,901,016 33,400,275 2,080,704

NR (EUR)

Vzorka 289,254.7 55,378.34 -11,497,206 17,857,510 992,389.8

Podporení 330,340.6 52,665.44 -11,497,206 17,857,510 1,161,119

Zamietnutí 273,842.7 56,364.42 -74,77,099 16,726,706 920,838.7

FTE

Vzorka 87.4 40 1 1,419 131

Podporení 69.4 31 1 921 105.1

Zamietnutí 94.2 45 1 1,419 138.9

Pozorovali sme trendy vo výsledkových premenných podľa veľkosti podniku, priemyselného odvetvia a

regiónu NUTS 2, s cieľom preskúmať trendy vo vzorke a posúdiť pred-intervenčné trendy medzi

podporenými a zamietnutými podnikmi. V tejto kapitole sú podporení žiadatelia zobrazení na grafoch

ako ‘Supported’ a zamietnutí žiadatelia ako ‘Rejected’. Všetky grafy boli vytvorené pomocou vyvážených

pozorovaní za roky 2004-2013, pretože zmysluplné porovnanie možno vykonať len v prípade, že zloženie

skupiny sa z roka na rok nemení. Všetky grafy, ktoré sú znázornené nižšie, prezentujú priemery a

neslúžia ako základ pre formulovanie záverov o očakávaných odhadovaných výsledkoch, vzhľadom k

tomu, že platby sú časovo premenlivé. Napriek tomu, ak je spozorovaný veľký posun v tendroch, tak to

môže značiť zmenu v efekte intervencie.

Čisté príjmy (NR)

Podporení žiadatelia majú vo všeobecnosti vyššie čisté príjmy ako zamietnutí žiadatelia, ale zároveň zdieľajú podobné trendy pred rokom 2010. Od roku 2010 sa trendy zmenili, čo môže byť spôsobené

vplyvom programu.

41


(EUR, vyvážená vzorka za všetky roky)

120,000

160,000

200,000

240,000

280,000

320,000

360,000

400,000

440,000

480,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

42

Do roku 2009 boli na tom podporené mikro podniky horšie ako zamietnuté podniky. Napriek tomu,

podporované podniky zaznamenali veľký nárast tržieb za rok 2009. Tržby podporených mikro podnikov

sú po roku 2009 dvojnásobné ako v prípade zamietnutých podnikov. Tento jav môžeme pripisovať

efektu programu. Stredne veľké podporené podniky majú vyššie prijmi počas celého sledovaného

obdobia ako zamietnuté podniky. Aj na nich v roku 2009 zapôsobila kríza a preto badať menší pokles v

tržbách. V prípade malých a veľký podnikov, nie je žiadny dostupný výklad, pre vysvetlenie ich trendov.


podľa veľkosti podniku (EUR, vyvážená vzorka za všetky roky)

40,000

80,000

120,000

160,000

200,000

240,000

280,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Micro

150,000

200,000

250,000

300,000

350,000

400,000

450,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Small

0

200,000

400,000

600,000

800,000

1,000,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Medium

-2,000,000

-1,500,000

-1,000,000

-500,000

0

500,000

1,000,000

1,500,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Large

43

V kategórii nízkej technologickej náročnosti výroby sú podporené podniky na tom horšie ako zamietnuté

podniky a to až do roku 2008. Od roku 2008 preukazujú podporené podniky trvalý rast, zatiaľ čo tržby

zamietnutých podnikov sa z veľkej časti znížili. V kategórii strednej a nižšej technologickej náročnosti

výroby zaznamenali podporené podniky od roku 2007 pokles svojich tržieb a v roku 2013 ich tržby

nedosahujú ani polovicu oproti tržbám v roku 2007. Zamietnuté podniky mali do toho roku

neporovnateľne nižšie tržby, ale s oveľa stabilnejším výkonom. V prípade vysokej a stredne vysokej

technologickej náročnosti výroby, službách a iných odvetviach nemožno stanoviť žiadne jasné trendy.

Obrázok 3: Piemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov podľa

priemyselného odvetvia (EUR, vyvážená vzorka za všetky roky)

150,000

200,000

250,000

300,000

350,000

400,000

450,000

500,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Low-Technology Manufacturing

100,000

200,000

300,000

400,000

500,000

600,000

700,000

800,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Medium-Low-Technology Manufacturing

-200,000

-100,000

0

100,000

200,000

300,000

400,000

500,000

600,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

High- and Medium-High Technology Manufacturing

-100,000

0

100,000

200,000

300,000

400,000

500,000

600,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Services

-100,000

0

100,000

200,000

300,000

400,000

500,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Other

44

Tržby podnikov na západnom Slovensku boli vo všeobecnosti vyššie ako v častiach stredného a

východného Slovenska. Na západnom Slovensku podporené podniky zaznamenali veľký pokles príjmov

v rokoch 2008 a 2009. Na východnom Slovensku podporené podniky zaznamenali trvalí nárast tržieb až

do roku 2014.


podľa regiónu NUTS 2 (EUR, vyvážená vzorka za všetky roky)

160,000

200,000

240,000

280,000

320,000

360,000

400,000

440,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Central Slovakia

0

50,000

100,000

150,000

200,000

250,000

300,000

350,000

400,000

450,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Eastern Slovakia

0

100,000

200,000

300,000

400,000

500,000

600,000

700,000

800,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Western Slovakia

45

Čistá pridaná hodnota (NVA)

Na grafe je vidieť vyvážený rastúci trend ako pre podporené, tak aj pre zamietnuté podniky s prestávkou

v roku 2009. Podporené a zamietnuté podniky vykazujú podobné trendy s výnimkou v roku 2012, keď

u podporených podnikov prišlo k významnému zvýšeniu čistej pridanej hodnoty, ktorá by mohla byť

pripísaná podopatreniu 1.1.1.


žiadateľov (EUR, vyvážená vzorka za všetky roky)

700,000

800,000

900,000

1,000,000

1,100,000

1,200,000

1,300,000

1,400,000

1,500,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

46

Pri malých a stredných podnikoch sa zdá, že majú spoločné trendy (podporení a zamietnutí žiadatelia)

do roku 2009. Malé podniky majú trvalý nárast tržieb v roku 2012, ktoré by mohli byť pripísané vplyvu

programu. Zamietnuté malé podniky mali vyššiu čistú pridanú hodnotu až do roku 2010. Zamietnuté

stredné podniky mali vyššiu čistú pridanú hodnotu až do roku 2007, ale po tomto roku ich podporené

podniky neustále prekonávali. Tento jav môže byť tiež pripisovaný efektu programu. V prípade malých

a veľkých podnikov je pomerné ťažké interpretovať výsledky. Relatívne nízky počet pozorovaní v týchto

odvetviach môže mať za následok vzniku takéhoto problému.


žiadateľov podľa veľkosti podnikov (EUR, vyvážená vzorka za všetky roky)

0

40,000

80,000

120,000

160,000

200,000

240,000

280,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Micro

100,000

200,000

300,000

400,000

500,000

600,000

700,000

800,000

900,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Small

800,000

1,000,000

1,200,000

1,400,000

1,600,000

1,800,000

2,000,000

2,200,000

2,400,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Medium

4,000,000

4,500,000

5,000,000

5,500,000

6,000,000

6,500,000

7,000,000

7,500,000

8,000,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Large

47

S výnimkou služieb a iných odvetví, sa zdá, že podniky z rovnakého priemyselného sektora majú

spoločné trendy. V službách a iných odvetviach nemožno pozorovať žiadne stabilné trendy. Relatívne

nízky počet pozorovaní v týchto odvetviach, môže mať za následok takýto jav. V nízkej technologickej

náročnosti výroby majú príjemcovia nižšiu pridanú hodnotu ako zamietnuté podniky. V strednej a nižšej

technologickej náročnosti výroby majú podporené podniky vyššiu pridanú hodnotu pred intervenciou.

V prípade vysokej a stredne vysokej technologickej náročnosti výroby sa trendy zmenili v roku 2009 a

začali rásť z depresie, pričom môžeme pozorovať, že ekonomickýšok v roku 2009 vo forme krízy, má

menší dopad na podporené podniky ako na zamietnuté. Existuje len veľmi málo pozorovaní pri službách

a iných odvetviach, na základe čoho nie je možné vyhodnotiť silné závery o priebehu ich trendov.


žiadateľov podľa priemyselného odvetvia (EUR, vyvážená vzorka za všetky roky)

200,000

400,000

600,000

800,000

1,000,000

1,200,000

1,400,000

1,600,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected


600,000

800,000

1,000,000

1,200,000

1,400,000

1,600,000

1,800,000

2,000,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected


1,400,000

1,600,000

1,800,000

2,000,000

2,200,000

2,400,000

2,600,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected


200,000

400,000

600,000

800,000

1,000,000

1,200,000

1,400,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Services

400,000

500,000

600,000

700,000

800,000

900,000

1,000,000

1,100,000

1,200,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Other

48

Podniky v rovnakom regióne NUTS 2 majú spoločné trendy. Podniky na západnom Slovensku majú v

priemere vyššiu čistú pridanú hodnotu ako podniky na stredom Slovensku a tie majú vyššiu ako podniky

na východnom Slovensku. Podporené podniky na východnom Slovensku zaznamenali trvalý rast čistej

pridanej hodnoty, zatiaľčo zamietnuté podniky v priemere stagnovali. Trendy sa zdajú byť spoločné v

ostatných regiónoch s výnimkou nárastu NVA na západnom Slovensku v prípade podporených

podnikov. Podniky na západnom Slovensku mali v roku 2012 veľkýnárast čistej pridanej hodnoty, čo

možno pripisovať efektu intervencie.


žiadateľov podľa regiónu NUTS 2 (EUR, vyvážená vzorka za všetky roky)

700,000

800,000

900,000

1,000,000

1,100,000

1,200,000

1,300,000

1,400,000

1,500,000

1,600,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Central Slovakia

200,000

400,000

600,000

800,000

1,000,000

1,200,000

1,400,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Eastern Slovakia

1,000,000

1,200,000

1,400,000

1,600,000

1,800,000

2,000,000

2,200,000

2,400,000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Western Slovakia

49

Pracujúci na plný pracovný úväzok (FTE)

Nižšie uvedený graf ukazuje, že pri zohľadnení pracujúcich na plný pracovný úväzok u podporených a

zamietnutých podnikov, medzi rokmi 2004 a 2013, zamestnávali podporené podniky podstatne menej

ľudí ako zamietnuté podniky. Podporené podniky boli na druhej strane menej zasiahnuté krízou v

roku 2009, ako zamietnuté podniky a ich počet zamestnancov na plný pracovný úväzok sa zdá

byť stabilný.


zamietnutých žiadateľov v rokoch 2004-2013 (vyvážená vzorka za všetky roky)

50

60

70

80

90

100

110

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

50

V prípade podporených mikro podnikov je možné pozorovať veľký pracovný boom v rokoch

2011 a 2012, ktorý môže byť pripočítaný podopatreniu 1.1.1. Pri stredných podnikoch možno zas

pozorovať, že prepustili v čase krízy menej zamestnancov ako zamietnuté podniky. Veľké podniky majú

spoločné trendy v priebehu celého sledovaného obdobia. Pokiaľ ide o malé podniky, tak pri nich nie je

možné stanoviť trendy.


zamietnutých žiadateľov v rokoch 2004-2013 podľa veľkosti podniku (vyvážená vzorka za všetky roky)

6.0

6.5

7.0

7.5

8.0

8.5

9.0

9.5

10.0

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Micro

24

26

28

30

32

34

36

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Small

90

100

110

120

130

140

150

160

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Medium

250

300

350

400

450

500

550

600

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Large

51

V kategórii nízkej technologickej náročnosti výroby, strednej a nižšej technologickej náročnosti výroby a

v sektore služieb, podporené podniky zamestnávajú oveľa menej ľudí ako zamietnuté podniky. Zdá sa,

že trendy do roku 2009 sú podobné vo všetkých prípadoch.


zamietnutých žiadateľov v rokoch 2004-2013 podľa priemyselného odvetvia (vyvážená vzorka za

všetky roky)

20

40

60

80

100

120

140

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected


50

60

70

80

90

100

110

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected


90

100

110

120

130

140

150

160

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected


30

40

50

60

70

80

90

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Services

30

40

50

60

70

80

90

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Other

52

Podporené podniky zamestnávajú menej ľudí vo všetkých regiónoch NUTS 2, aj keď najmenšie rozdiely

je možné pozorovať na strednom Slovensku. Na strednom a západnom Slovensku možno badať, že

kríza mala menší vplyv na podporené podniky ako na zamietnuté. Trendy na východnom Slovensku sa

zdajú byť podobné v priebehu celého sledovaného obdobia.


zamietnutých žiadateľov v rokoch 2004-2013 podľa regiónu NUTS 2 (vyvážená vzorka za všetky roky)

40

60

80

100

120

140

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Central Slovakia

50

60

70

80

90

100

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Eastern Slovakia

60

70

80

90

100

110

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Supported Rejected

Western Slovakia

Deskriptívna štatistika, ktorá je popísaná vyššie, v konečnom dôsledku ukazuje pozitívny vplyv celého

programu, pokiaľ berieme do úvahy len čistú pridanú hodnotu. V prípade čistého príjmu a pracujúcich

na plný pracovný úväzok nie sú prítomné žiadne jasné indikátory o priemernom vplyve programu.. V

týchto prípadoch by mohol nastať pozitívny vplyv programu v niektorých z nasledujúcich bodov:

a) Čistý príjem mikro podnikov,

b) Čistá pridaná hodnota na západnom Slovensku,

c) Čistá pridaná hodnota malých a stredný podnikov,

d) Pracujúcich na plný pracovný úväzok pre mikro podniky.

Ako už bolo pred tým uvedené, takéto predbežné údaje nemožno prezentovať ako vplyv programu.

Tieto odhady vplyvu možno získať len pomocou analýzy CIE, ktorá je popísaná v ďalšej časti správy a v

ktorej všetky relevantné rozdiely medzi podporenými a nepodporenými podnikmi budú adekvátne

kontrolované podľa robustnosti metódy odhadu.

53

4.1.3 Popis nezúčastnených podnikov vporovnávacej skupine

Pre nezúčastnené podniky, bola za náhodnú vzorku zvolená vzorka podnikov, ktoré pôsobia v Slovenskej

republike. Aby bolo možné zvoliť inak oprávnené podniky do porovnávacej skupiny, boli použité

nasledujúce kritéria pre vylúčenie určitých podnikov ešte pred náhodným výberom:

■ Podniky museli svoje projekty realizovať mimo Bratislavského kraja,

■ Podniky nemohli mať vyššie príjmy ako maximálny príjem v základnom roku 2008, ktorý bol

definovaný po obdŕžaní dát z RO pre OP KaHR.

Počiatočná vzorka obsahovala dáta pre 5 797 podnikov, avšak rozdelenie vzorky nezúčastnených

podnikov, podľa veľkosti a priemyselného odvetvia, sa výrazne líši od žiadateľov (podporených alebo

zamietnutých). Čo je ale najdôležitejšie, väčšina záznamov patrí mikro podnikom a podnikom v sektore

služieb, ktoré sú menej zastúpené v skupine žiadateľov. Vzhľadom k výrazným rozdielom v

pozorovaných charakteristikách, podniky vo vzorke nezúčastnených podnikov sú menej spoľahlivé ako

kontrafaktuálne podniky v zamietnutej skupine.

Vzhľadom k väčšej veľkosti vzorky nezúčastnených podnikov a za účelom vykonania skúšok robustnosti

pre odhady vplyvu intervencie, bude analýza CIE tiež používať vzorku nezúčastnených podnikov ako

porovnávaciu vzorku namiesto zamietnutých žiadateľov. Pre kontrolu veľkých rozdielov medzi

podporenými podnikmi a nezúčastnenými podnikmi, bude použitá metóda Propensity Score Matching

(PSM). Po použití metódy PSM, počet nezúčastnených podnikov klesol na číslo 284 podnikov. Táto

obrovská redukcia sa pripisuje skutočnosti, že existuje veľmi málo firiem vo vzorke nezúčastnených

podnikov, ktoré by boli podobné s podporenými podnikmi, teda by bolo možné napárovať viacej

podnikov s podobnými vlastnosťami. Odhad Propensity score je detailnejšie popísaný na začiatku

kapitoly 3.2.3

Je treba poznamenať, že aj po kontrole pozorovateľných rozdielov pomocou PSM, nezúčastnené

podniky robia porovnávaciu vzorku menej spoľahlivú, pretože ich nepozorovateľné vlastnosti (napríklad:

iniciatíva a nutnosť investovať, manažérske schopnosti, hodnota značky) sa môžu značne líšiť oproti

podporeným podnikom. Je tiež dôležité si uvedomiť, že odhady vplyvu získané pomocou porovnávacej

skupiny nezúčastnených podnikov majú obmedzenia, a to také, že nevieme určiť, či náhodou

nezúčastnené podniky nezískali podporu aj z iných programov.

Toto obmedzenie pravdepodobne bude podhodnocovať skutočný vplyv intervencie. Je to z toho

dôvodu, že pri podporených aj zamietnutých žiadateľov je možné vylúčiť podniky, ktoré získali aj iný typ

podpory. Namiesto toho, pri nezúčastnených podnikoch nie je možné vylúčiť takúto udalosť (pretože

informácia o dodatočnej podpore pre nezúčastnené podniky nie je k dispozícii). V dôsledku toho by

mohla porovnávacia skupina, ktorá je tvorená z nezúčastnených podnikov, dosiahnuť potenciálne vyššie

výsledky, vzhľadom k nepozorovateľným dotáciám z iných programov, oproti skúmanému stavu úplnej

absencie podpory. Dané by mohlo viesť k určitému podhodnoteniu vplyvu opatrenia 1.1.1.

Je tiež dôležité si uvedomiť, že neboli k dispozícii informácie ogeografickej polohe nezúčastnených

podnikov, teda odhad dopadov zoskupených podľa tejto charakteristiky nebol možný. Toto môže byť

kľúčovým obmedzením analýzy, ktorá je vykonávaná pomocou porovnávacej skupiny zloženej z

nezúčastnených podnikov, pretože geografická poloha môže byť významným zdrojom výberového

skreslenia, ako je uvedené v kapitole 3.2.1.

Za predpokladu, že rozdelenie podľa geografickejpolohyžiadateľov a nezúčastnených podnikov

ovplyvňujú výsledkové premenné analýzy, nedostatok informácií o geografickej polohe by mohlo viesť

k určitému výberovému skresleniu, ak vplyv geografickej polohy na výsledkové premenné nie je možné

považovať za fixný efekt. Ak sa vplyv zemepisnej polohy považuje za fixný efekt (v čase sa nemení),

potom získané výsledky s pomocou porovnávacej skupiny nezúčastnených podnikov sú bez výberového

skreslenia, pretože nepozorovateľný fixný efekt je kontrolovaný pomocou odhadu zamestnanosti.

54

Hlavné charakteristiky nezúčastnených podnikov, naprieč rôznymi skupinami, v porovnaní s

podporenými podnikmi, sú uvedené v nasledujúcej tabuľke. Je dôležité zdôrazniť, že tieto tabuľky budú

slúžiť ako poklad pre posúdenie väčších rozdielov medzi podporenými a nezúčastnenými podnikmi, a

nie ako opis nášho odhadu vzorky, ktorý bude neskôr zlepšený vďaka metóde PSM.

Tabuľka 15: Rozdelenie podľa veľkosti podniku pre podporených žiadateľov a nezúčastnené podniky

(%)


Podporení 0.14 3.57 20.18 76.10 100

Nezúčastnené

podniky 4.44 25.56 52.22 17.78 100

Celkovo 0.27 4.23 21.15 74.35 100

Obrázok 13: Rozdelenie podľa priemyselných odvetví pre podporených žiadateľov a nezúčastnené

podniky (%)

Vysoká a stredne-vysoká

technológia výroby Nízka technológia

výroby Stredne-nízka

technológia výroby Služby Iné Celkovo

Podporení 1.46 4.26 3.07 77.94 13.27 100

Nezúčastnené

podniky 14.44 40.56 37.22 4.44 3.33 100

Celkovo 1.85 5.37 4.11 75.69 12.97 100

55

4.2 Popis metód a výsledkov

Táto časť prezentuje odhady vplyvu pri rozdieloch medzi podporenými a zamietnutými podnikmi v rámci

priemerného rastu troch výsledkových premenných (čistý príjem, čistá pridaná hodnota a zamestnanci

pracujúci na plný pracovný úväzok). Obrázok 14 ukazuje, ako Kontrafaktuálne hodnotenie dopadov

(Counterfactual Impact Evaluation) zapadá do testovania identifikovanej teórie zmeny (Theory of

Change) v rámci intervencie. Vyhodnotenie vplyvu podľa metódy teórie zmeny sa nachádza v kapitole

5. Dôraz je kladený na testovanie CIE, či exitujú alebo neexistujú kauzálne väzby medzi intervenciou a

tromi výsledkovými premennými (čistý príjem, čistá pridaná hodnota a pracujúci na plný pracovný

úväzok). Metodologické modely používané a diskutované v rámci odhadov vplyvu , sú prezentované

oddelene v analýze, ktorá bolauskutočnená pre skupinu zamietnutých žiadateľov a nezúčastnených

podnikov kontrolnej skupiny.

Obrázok 14: Analyzovaný úsek Theory of Change (Teórie zmeny)

4.2.1 Metódy a odhady

Základné informácie o kauzalite a kontrafaktuáloch14

Cieľom hodnotenia je identifikovať zmeny vo výsledkových premenných, za predpokladu, že by neprišlo

k intervencii. Identifikácia kauzálnych efektov programu pre podporené podniky, je ale veľmi náročná

úloha. Pre odhad kauzálnych efektov je potrebné porovnať pozorovateľné zmeny vo výsledkových

premenných (v našom prípade: čistá pridaná hodnota, čistý príjem a počet pracujúcich na plný pracovný

úväzok) k nepozorovateľným stavom sveta, tzv. čo by sa stalo, kebyže podporené podniky nezískali

podporu? Tento nepozorovatelný stav sveta (ako by sa správali podniky, keby nezískali podporu) sa

označuje ako „kontrafaktuál“. Tento kontrafaktuál sa musí aproximovať na reálnych dátach, pretože zo

svojej podstaty je nepozorovateľný. Ako už bolo spomenuté, aproximácia kontrafaktuálu v rámci

zamestnanosti v porovnávacej skupine, v ktorej je nepozorovateľný kontrafaktuál, je odhadovaná

pomocou podnikov, ktoré podporu nezískali (zamietnuté alebo nezúčastnené podniky).

Ak intervencia prebieha v roku t a jej merateľný vplyv je po jednom roku od realizácie (t+1), a zároveň

prejdú dva roky medzi prvou platbou (t-1) a poslednou platbou (t) z programu. V ideálnom prípade

náhodného experimentu, by podniky boli náhodne pridelené k intervencii. Pri náhodnom pridelení, za

14Väčšina kapitoly je založená na Bondonio a Martini (2012) ASVAPP: “Counterfactual Impact Evaluation of Cohesion Policy. Work

Package 1: Examples from Enterprise Support” Final Report to DG Regional Policy, June 2012 (Contract n° 2010.CE.16.B.AT.042)

56

predpokladu, že vzorka je dostatočne veľká, podporené podniky aporovnávacie skupiny zdieľajú v

priemere podobné charakteristiky a tým pádom by meranie vplyvu bolo celkom jednoduché, ako je

hypoteticky ilustrované na obrázku 15: zmeny vo výsledkových premenných u podporených podnikoch

možno rozdeliť na vplyv intervencie a tzv. prirodzenú dynamiku, teda na zmeny, ktoré by sa stali v

prípade, že by intervencia neexistovala (čo je zaznamenané pomocou podporenej skupiny). V príklade

na obrázku 15, sa v priemere po prijatí podpory z intervencie zvýši zamestnanosť o 4 FTE, zatiaľčo

nárast 2 FTE možno pripísať prirodzenej dynamike.

Obrázok 15: Meranie vplyvu

Implementácia metódy náhodného priradenia v oblasti podpory podnikania je veľmi náročná vzhľadom

na politické a etické problémy. Pokiaľ je intervencia vykonávaná nnanáhodnou experimentálnou cestou,

charakteristiky podporených a nezúčastnených podnikov bývajú odlišné. V takomto prípade, je

najväčšou hrozbou pre platnosť analýzy výberové skreslenie, vzhľadom k rozdielnym charakteristikám

podporených podnikov (v porovnaní s nezúčastnenými podnikmi), ktoré môžu ovplyvniť výsledkové

premenné analýzy. Takéto odlišné charakteristiky môžu spôsobiť, že výsledkové premenné

podporených podnikov dosiahnu iné hodnoty než tie, ktoré by sa dosiahli pri nezúčastnených podnikoch

(ktoré nie sú ovplyvnené intervenciou).

Ako už bolo spomenuté, v tejto štúdii sme eliminovali vznik výberového skreslenia prostredníctvom

zodpovedajúcich techník a regresnej analýzy kombinovanej s metódou Difference-in-differences (alebo

Difference-in-difference-in diferences). Za každou metódou nasleduje detailná diskusia hlavných

faktorov, ktoré by mohli vyvolávať výberové skreslenie pri odhadoch vplyvu intervencie, spolu s

diskusiou o tom, ako boli tieto faktory kontrolované v analýze.

Potenciálne zdroje výberového skreslenia a ako sú kontrolované v rámci analýzy

V prípade podopatrenia 1.1.1 sú hlavné charakteristiky podniku, ktoré môžu viesť k výberovému

skresleniu, rozdelené medzi podporené a porovnávacie skupiny, ktoré sú uvedené nižšie spolu so

spôsobom, ako sú tieto potencionálne zdroje výberového skreslenia kontrolované v analýze.

■ Hospodárske cykly

Hospodárske cykly môžu mať vplyv na všetky výsledky. Pri zhoršených hospodárskych

podmienkach sú príjmy podniku, čistá pridaná hodnota a zamestnanosť nižšie, ako pri

impact

natural dynamics

57

hospodárskom boome. Podniky tiež viacj investujú, ak sú dobré hospodárske podmienky,

pretože ponuka pôžičiek je v tomto období vo všeobecnosti vyššia. V dôsledku toho, ak sú

výsledky podporených podnikov merané v iných časových obdobiach, ako pri podnikoch z

porovnávacích skupín, môže tento časový nesúlad vyvolať výberové skreslenie v rámci

odhadov vplyvu. Z toho dôvodu je analýza realizovaná pomocou dynamického prístupu

(podrobnejšie je ilustrovaný v ďalších častiach správy), v ktorom je výsledok každého

podporeného podniku meraný s prihliadnutím na presnýčas poslednej platby z programu. Aby

sa zabránilo akýmkoľvek zdrojom výberového skreslenia, výsledkové premenné porovnávacej

skupiny, pre každú podporenú firmu, sa merajú v rovnakom čase podľa podporených

podnikov.

■ Veľkosť podniku

Podniky rôznych veľkostí môžu fungovať odlišne vďaka úsporám z rozsahu (náklady na

jednotku výstupu sa najčastejšie znižujú pri veľkých podnikoch, pretože fixné náklady sa

rozložia na viacej jednotiek výstupu a preto väčšie podniky majú nižšie jednotkové náklady)

a/alebo vďaka schopnosti získavať financovanie prostredníctvom súkromného úverového

sektora. Aby sa zabránilo výberovému skresleniu, je veľkosť podnikov kontrolovaná podľa:

1. Párovania podľa veľkosti podniku, ktoré je realizované s použitím údajov o štyroch

veľkostných kategóriách (mikro, malé, stredné a veľké), ktoré sú v súlade s definíciami

Európskej únie,15

2. Viacnásobnej regresie s použitím dát štyroch veľkostných kategórii (mikro, malé, stredné

a veľké) v súlade s definíciami Európskej únie. Dáta sú k dispozícii pre všetky podniky ,

3. Metódy Diference-in-differences za predpokladu, že veľkosť vzorky má fixný vplyv na

úrovni výsledkov (teda jej vplyv na úrovni výsledkov zostáva bez zmeny medzi prvým a

posledným rokom platby),

4. Metódy Diference-in-diference-in-diference za predpokladu, že veľkosť podniku má fixný

vplyv na rast výsledkov (tzv. Jej vplyv na rast výsledkov zostávabez zmeny medzi prvým a

posledným rokom platby).

■ Geografické umiestnenie podniku

Podniky umiestnené v rôznych geografických oblastiach môžu fungovať odlišne z dôvodu

dostupnosti a cene kvalifikovanej pracovnej sily, infraštruktúry alebo demografického zloženia.

Trhové podmienky sa tiež môžu líšiť v jednotlivých regiónoch. Pri týchto faktoroch sa očakáva,

že ovplyvňujú rovnakým spôsobom všetky podniky v rovnakých geografických oblastiach.

Napriek tomu, ak sa podporené a nepodporený podniky nachádzajú v rôznych geografických

oblastiach (tzv. nie sú z jedného regiónu), tak toto rozdielne umiestnenie podnikov zvyšuje

pravdepodobnosť vzniku výberového skreslenia. Aby sa zabránilo výberovému skresleniu, je

geografické umiestnenie podniku kontrolované podľa:

1. Párovanie podľa regiónu NUTS 2 (Západné Slovensko, Stredné Slovensko, Východné

Slovensko),

2. Viacnásobnej regresie pomocou údajov o regióne NUTS 2 (Západné Slovensko, Stredné

Slovensko, Východné Slovensko). V prípade uskutočnených analýz s porovnávacou

skupinou nezúčastnených podnikov, údaje o geografickom umiestnení nie sú k dispozícii,

tým pádom nie je možné kontrolovať rozdiely vo výsledkoch pomocou viacnásobnej

regresie v rámci tejto porovnávacej skupiny,

3. Metódy Diference-in-differences za predpokladu, že geografické umiestnenie má fixný

vplyv na výsledky (tzv. jej vplyv na výsledky zostáva bez zmeny medzi prvým a posledným

rokom platby),

15Viď strana 14 ‘Nová definícia MSP’, vydané Európskou komisiou.

(http://ec.europa.eu/enterprise/policies/sme/files/sme_definition/sme_user_guide_en.pdf)

http://ec.europa.eu/enterprise/policies/sme/files/sme_definition/sme_user_guide_en.pdf

58

4. Metódy Diference-in-diference-in-differences za predpokladu, že geografické umiestnenie

má fixný vplyv na rast výsledkov (tzv. jej vplyv na rast výsledkov zostáva bez zmeny medzi

prvým a posledným rokom platby).

■ Priemyselné odvetvie

Trendy ponuky a dopytu, spolu so vstupnými nákladmi, ovplyvňujú rôzne podniky v

jednotlivých odvetviach. V prípade, ak podporený podnik pôsobí v rôznych odvetviach ako

nezúčastnený podnik, tento rozdiel môže spôsobiť výberové skreslenie. Aby sa zabránilo

výberovému skresleniu, je priemyselné odvetvie podniku kontrolované podľa:

1. Párovania priemyselných odvetví získaný podľa NACE 2 (Nízka technológia výroby,

stredne-nízka technológia výroby, vysoká a stredne vysoká technológia výroby, iné

odvetvia),16

2. Viacnásobná regresia, s použitím údajov o štyroch kategóriách priemyselného odvetvia

získaných podľa NACE 2 (Nízka technológia výroby, stredne-nízka technológia výroby,

vysoká a stredne vysoká technológia výroby, iné odvetvia). Dáta sú k dispozícii pre všetky

podniky,

3. Metódy Diference-in-differences za predpokladu, že priemyselné odvetvie má fixný vplyv

na výsledky (tzv. jej vplyv na výsledky zostáva bez zmeny medzi prvým a posledným rokom

platby),

4. Metódy Diference-in-diference-in-differences za predpokladu, že priemyselné odvetvie má

fixný vplyv na rast výsledkov (tzv. jej vplyv na rast výsledkov zostáva bez zmeny medzi

prvým a posledným rokom platby).

■ Vek podnikov

Očakáva sa, že počet rokov, ktorý firma strávi na trhu, zvýši jej povesť a dobré meno. Ak

podporené podniky v priemere strávili menej rokov na trhu ako nezúčastnené podniky, tak

tento rozdiel môže spôsobiť výberové skreslenie. Aby sa zabránilo výberovému skresleniu, je

vek podniku kontrolovaný podľa:

1. Viacnásobnej regresie, ktorá používa údaje o roku založenia firmy. Dáta sú k dispozícii pre

všetky podniky,

2. Metódy Diference-in-differences za predpokladu, že vek firmy má fixný vplyv na výsledky

(tzv. jej vplyv na výsledky zostáva bez zmeny medzi prvým a posledným rokom platby),

3. Metódy Diference-in-diference-in-differences za predpokladu, že vek firmy má fixný vplyv

na rast výsledkov (tzv. jej vplyv na rast výsledkov zostáva bez zmeny medzi prvým a

posledným rokom platby).

■ Manažérske schopnosti, sila značky, know-how

Všetky tieto charakteristiky sú obvykle nepozorovateľné pre analýzu CIE. To je z dôvodu, že

skoro nikdy nie sú k dispozícii spoľahlivé zdroje dát, pre meranie týchto charakteristík za každý

16Klasifikácia technológií je založená na Eurostat klasifikácií NACE Rev. 2 kódov a upravená podľa návrhov DG REGIO Evaluation

Unit. Vzhľadom k nízkemu zastúpenie sektora služieb medzi žiadateľmi, "Ďalšie základné služby" (G, H, I, R, S a ďalšie služby,

ktoré nespadajú do vyspelejších služieb) a "Náročnejšie služby" (J, K, L, M, N, O, P, Q), nie sú rozlíšované v analýze.

a. Vysoká a stredne vysoká technologická náročnosť výroby (20, 21, 25.4, 26, 27-29, 30 okrem 30.1, 32.5)

b. Stredná a nížšia technologická náročnosť výroby (18.2, 19, 22-24, 25 okrem 25.4, 30.1, 33)

c. Nízka technologická náročnosť výroby (10-17, 18, okrem 18.2, 31, 32 okrem 32.5)

d. Základné služby (G, H, I, J, K, L, M, N, O, P, Q, R, S a ostatné služby nespadajúce pod vyspelejšie služby)

e. Ostatné (A, B, E, F)

Zdroj: http://ec.europa.eu/eurostat/cache/metadata/Annexes/htec_esms_an3.pdf

59

podnik. Tieto charakteristiky sú kontrolovateľné podľa metód DD a DDD za predpokladu

fixných vplyvov.

■ Finančné prostriedky získané z iných programov

Pri finančných prostriedkoch získaných z iných programov sa očakáva nárast/zlepšenie

výsledkov. Ak podporené podniky získali finančné prostriedky aj z iných programov, potom

rozdiely vo výsledkoch budú neprávom pripísané podopatreniu 1.1.1. Či získali alebo nezískali

podniky podporu aj z iných programov je známe pri podporených a zamietnutých žiadateľov,

ale tieto údaje nie sú dostupné pre nezúčastnené podniky. Aby sa zabránilo výberovému

skresleniu, tak sú vylúčené podniky, ktoré získali podporu aj z iných programov v rámci

zamietnutých žiadateľov. Tento krok ale nie je možné vykonať pri porovnávacej skupine

nezúčastnených podnikov.

Kedy by sa mal merať vplyv programu?

Zvoliť najvhodnejší čas na meranie vplyvu programu je tiež veľmi dôležité pre spoľahlivosť analýzy. Ak

je meranie vplyvu príliš skoro, výsledky daného roka sú vystavené chybnému zaobchádzaniu, pretože

intervencia nemala dostatok času pre generovanie vplyvu na výsledkové premenné. Ak meranie vplyvu

nastane až po viacerých rokoch od realizácie programu, môže sa stať, že odhad pomocou metód CIE

bude nespoľahlivý17

. Je to z toho dôvodu, že z dlhodobého hľadiska sa môže vplyv programu rozšíriť aj

na nezúčastnené podniky. Táto situácia môže nastať napríklad preto, že podporené podniky môžu získať

väčší podiel na trhu vďaka vplyvu programu. Z dlhodobého horizontu, skupina nezúčastnených podnikov

v porovnávacej skupine, môže byť negatívne ovplyvnená programom, ak sú konkurentmi podporených

podnikov. V ostatných prípadoch môžu mať nezúčastnené podniky v porovnávacej skupine pozitívny

prospech z vplyvu programu. To by sa napríklad stalo v prípade, že nezúčastnené podniky v

porovnávacej skupine by dodávali tovar a služby podporeným podnikom. V každom prípade, merať vplyv

v čase príliš vzdialenom od implementácie programu, by viedlo k vyššiemu stupňu nespoľahlivosti v

odhadoch vplyvu.

Použitie dynamického štatistického párovacieho prístupu

Podpora, v rámci programu na podporu podnikov, je zvyčajne realizovaná prostredníctvom dotácií

projektov na úrovni podnikov. Takéto podporené projekty majú zväčša inú dobu trvania u každého

podniku. Vo väčšine štúdií Cie na podnikovej úrovni, súdostupné obmedzené informácie o dobe trvania

projektov podporených podnikov (zväčša je dostupný iba jeden termín, ktorý predstavuje počiatočné

schválenie projektu). V takýchto prípadoch je analýza nútená prijať štandardizovaný výber merania

vplyvu pre všetky podporené podniky v rovnakom čase (napríklad 2-3-4 roky po uzavretí prihlasovania

sa na výzvu). Pretože skutočné doby trvania podporených podnikov sa môžu značne líšiť od podniku k

podniku, tak štandardizovaná voľba môže produkovať oveľa nižšiu mieru spoľahlivosti v odhadoch

vplyvu.

V prípade podopatrenia 1.1.1., databázový monitorovací program zahŕňa presné poradie platieb dotácií,

ktoré sa vzťahujú ku každému z podporených projektov. S takto presnou informáciou o dostupných

platbách projektu a v nadväznosti na odporúčania nášho popredného vedeckého odborníka projektového

tímu, sme sa rozhodli realizovať analýzu CIE v rámci dynamického štatistického párovacieho prístupu.

Takýto dynamický prístup je novinkou v oblasti podpory podnikania18

, hoci skutočný prístup je poväčšine

aplikovaný na metódy CIE pre tréningové pracovné programy19

. Namiesto toho, aby sme mali jeden

štandardizovaný dátum na meranie výsledkov všetkých podnikov po intervencii, ktoré sa zúčastnili na

rovnakej výzve, namiesto toho, aby sme merali vplyv v rovnakom čase pre kontrolne premenné v pred-

17 Bondonio (2009)

18 Ďalšie príklady je možné pozrieť v Bondonio and Martini (2012) a Bondonio (2014).

19 E.g. Sianesi (2004)

60

intervenčnom období, my zoskupíme všetky podporené podniky na základe ich prvého a posledného

roku platby získanej zprogramu (bez ohľadu na výzvu, meria sa jeden rok po finálnom výsledku v po-

intervenčnom období). Vzhľadom na to, že sa prvé a posledné roky platieb líšia (10 jedinečných

kombinácií platieb pre prvé a posledné roky), celá skupina podporených podnikov, zo všetkých piatich

výziev, je rozdelená do 10 rôznych kohort, ktoré sú založené na kombinácií prvého a posledného roku

platby (pozri obrázok 16).

Obrázok 16: Kohorty20

Na obrázku 16, každá z týchto 10 kohort má číslo, ktoré je reprezentované na osi y. Napríklad podnik v

kohorte 3 prvú platbu dostal v roku 2009 a poslednú platbu prijal v roku 2011. To znamená, že pre odhad

vplyvu pre kohortu 3, sa merajú konečné výsledky v nasledujúcom roku 2012 a na obrázku to je

reprezentované prerušovanou čiarou. Podniky, ktoré sa nachádzajú v kohorte 1, dostali svoje prvé platby

v roku 2009 a posledné platby v získali tiež v tom istom roku (2009). To znamená, že konečné výsledky

z kohorty 1 sú merané v roku 2010, čo na obrázku znázorňuje prerušovaná čiara. Interpretácia pre

ostatné kohorty je analogická.

V každej z týchto 10 kohort sa analýza CIE musí spustiť samostatne pomocou porovnávacej skupiny

zamietnutých žiadateľov, alebo pomocou skupiny nezúčastnených podnikov. V oboch prípadoch sa

konečné výsledky a kontrolné premenné v pred intervenčnom období merajú na rovnakých rokoch, ako

podporené a nezúčastnené podniky, ktoré sú zahrnuté do porovnávacej skupiny. Ako samostatné

odhady vplyvu21

pre každú z kohort podporených podnikov, sa zisťuje, či nie sú ovplyvnené nejakým

skreslením v dôsledku hospodárskych cyklov, vrámci ktorých sú merané dáta: či je alebo nie je obdobie

odhadu v rámci jednej kohorty podporených podnikov v čase hospodárskej recesie alebo expanzie.

Je to pre to, že lokálne odhadované vplyvy pre každú kohortu podporených podnikov sú odvodené od

porovnania výsledkov podporených a nezúčastnených podnikov, ktoré sú ovplyvnené rovnakým

hospodárskym cyklom. Takže ak obdobie hospodárskej expanzie pozitívne ovplyvňuje výsledok

podporených podnikov nejakej kohorty, tak rovnaké obdobie hospodárskej expanzie tiež pozitívne

ovplyvňuje výsledky v porovnávacej skupine pre danú kohortu. Ak nie je produkovaný skutočný vplyv

20Spojité čiary predstavujú obdobie medzi prvým a posledným rokom platby, zatiaľčo prerušované/nespojité čiary predstavujú

tzv. obdobie po intervencii. Izolované body s prerušovanou čiarou sú len roky s rovnakým prvým a posledným rokom platby.

21 Ako bolo implementované napríklad v Sianesi 2004, Bondonio a Martini 2012, Bondonio 2014

0

1

2

3

4

5

6

7

8

9

10

2008 2009 2010 2011 2012 2013 2014

In

de

x o

f co

ho

rt

Year

Cohort 1 Cohort 2 Cohort 3 Cohort 4


Cohort 9 Cohort 10

61

programu, nemal by byť pozorovaný žiadny rozdiel vo výsledkoch a to bez odhadu vplyvu v dôsledku

hospodárskeho cyklu, v ktorom je kohorta podporených podnikov umiestnená.

Analogicky, ak obdobie hospodárskej recesie negatívne ovplyvňuje výsledky podporených podnikov

nejakej kohorty, tak rovnaké obdobie hospodárskej recesie tiež negatívne ovplyvňuje výsledky

porovnávacej skupiny pre danú kohortu. Ak zmena vo výsledkoch podporených podnikoch v danej

kohorte je menej negatívna ako zmena výsledkov v porovnávacej skupine, môže byť odhadnutý

pozitívny vplyv programu bez nutnosti odhadu, ktorý predstavuje odhad s hospodárskou recesiou. Ak

nie je zistený žiadny rozdiel medzi výsledkami podporenej a porovnávacej skupiny, je odhadnutý nulový

vplyv, opäť bez odhadu vplyvu v rámci hospodárskeho cyklu, v ktorom sa kohorta podporených

podnikov nachádza.

Vďaka dôvodom, ktoré sme uviedli vyššie, môžeme napísať, že dynamickýštatistický párovací prístup,

ktorý sme realizovali v rámci analýzy, zaručuje oveľa lepšiu spoľahlivosť, ako keby sme prijali len jeden

štandardizovaný rok, v ktorom by sa merali všetky výsledky podporených podnikov v rámci jednej výzvy,

bez ohľadu na to, kedy podnik skutočne prijal platbu z dotácie.

Zlepšená spoľahlivosť, ktorú priniesla dynamická párovacia procedúra, má zásadný vplyv na analýzu,

ale prichádza to na úkor zníženia veľkosti vzorky podporených podnikov (a zamietnutých žiadateľov)

obsiahnutých v každej kohorte podnikov, ktorá sa použila pri odhade. Je to z toho dôvodu, že celá vzorka

žiadateľov (podporených aj zamietnutých podnikov) je rozdelená do 10 rôznych kohort, pričom pre každú

je vytvorená samostatná analýza CIE (namiesto toho, aby sa použilo rozdelenie len na 5 výziev).

Priemerný odhad účinku intervencie a kategorické odhadydopadov

Keď sa odhadne samostatný vplyv pre každý podporený podnik v rámci dynamického štatistického

párovacieho prístupu (dynamic statistical matching), lokálne vplyvy možno agregovať do globálnych

odhadov vplyvu ATT (Average Treatment Effect on the Treated) v rámci všetkých kohort. Pri odhade sa

berie do úvahy výpočet vážených priemerov s váhami, ktoré sú určené na základe počtu podporených

podnikov v každej kohorte.

Alternatívou môže byť: jednotlivé lokálne odhady vplyvu, ktoré sú získané pre každý podporený podnik,

môžu byť čiastočne agregované do existujúcich oddelených (kategorických) odhadov vplyvu. Táto

čiastočná agregácia lokálnych odhadov vplyvu, môže byť zrealizovaná podľa podľa nasledujúcich

charakteristík:

veľkosť podniku,

priemyselné odvetvie,

región NUTS 2,

vek podniku a právna forma (a výzva, v rámci ktorej podporené podniky získali dotáciu). Ako je

neskôr ilustrované v správe, nie je možné urobiť odhad vplyvu pre tieto charakteristiky z dôvodu

obmedzenej veľkosti vzorky.

Popis empirickej metódy odhadu

V ideálnom prípade (v rámci dynamického štatistického párovacieho prístupu) párovací prístup by mohol

byť použitý na vytvorenie dobrej aproximácie kontrafaktuálneho scenára a získať veľmi spoľahlivý

odhad vplyvu programu. To by ale znamenalo porovnávať výsledky z podporených a nezúčastnených

podnikov, ktoré patria výlučne do rovnakých kategórii a ktoré sú tvorené kombináciou pozorovateľných

charakteristík podnikov (veľkosť, priemyselné odvetvie, región NUTS 2 a kohorty). Tento párovací

prístup žiaľ vyžaduje veľkú veľkosť vzorky.

62

Ako alternatívna možnosť sa môže použiť metóda Propensity score matching, ktorá by mohla byť

implementovaná v každej kohorte. Vzhľadom k malej veľkosti vzorky zamietnutých žiadateľov v

kohortách, je ako metodická možnosť k dispozícii iba vtedy, keď je analýza implementovaná pomocou

porovnávacej skupiny nezúčastnených podnikov.

Vzhľadom na veľmi malú veľkosť vzorky zamietnutých žiadateľov v rámci každej kohorty a v rámci

každej kategórie podnikov, ktoré sa použili na odhad kategorických vplyvov (tzv. podniky zoradené podľa

veľkosti, priemyselného odvetvia alebo regiónu NUTS 2), by sme ich mohli nahradiť podnikmi, ktoré sú

založené iba na jednej charakteristike odhadu vplyvu na úrovni skupín. Dodatočné charakteristiky

podnikov, ktoré môžu spôsobovať rozdiely vo výsledkoch, sú kontrolované pomocou kombinácie metód

DD alebo DDD v spojení s viacnásobnou regresiou.

U porovnávacej skupiny zloženej s nezúčastnených podnikov, sa má Propensity scor matching použiť

za účelom pred-spracovania dát22

, pri čom sa prudko znížia obrovské rozdiely medzi podporenými a

nezúčastnenými podnikmi v rámci hlavných pozorovateľných charakteristík.

Aby sa zachovala porovnateľnosť výsledkov, ktoré boli získane pomocou rôznych metód odhadu, sa

pomocou metódy Propensity Score Matching predpripravia dáta. Následne sa tieto pripravené dáta

použijú v modeloch odhadu, ktoré sú používané v analýze, a pomocou porovnávacej skupiny zloženej z

nezúčastnených podnikov sa odhadne skupina zamietnutých žiadateľov (podniky, ktoré je možné podľa

propensity score napárovať (hodia sa k sebe na základe pozorovateľných charakteristík) majú jednu

kontrolnú premennú, pričom dodatočné charakteristiky sú kontrolované pomocou metódy DD v spojení

s viacnásobnou regresiou).

Nasledujúca tabuľka uvádza podrobnejší prehľad o použitých metódach.

22 Podobne ako je to navrhnuté v Ho et al (2007) a aplikované v Bondonio a Greenbaum (2014)

63

Tabuľka 16: Metódy odhadu používané v rámci analýzy CIE

Metóda Porovnávacia

skupina Popis Kontrola pre

Motóda 1 (M1):

Dynamické štatistické

párovanie s metódou DD

Zamietnutí

Podporené podniky sú kategorizované do skupín s identickými prvými

a poslednými rokmi platieb. Tieto skupiny sú označované ako

„kohorty“. V rámci kohort sú podporované podniky párované so

zamietnutými podnikmi s identickou veľkostnou triedou (myslí sa

veľkosť podniku). Ak je vypočítaný vplyv v rámci každej jedinečnej

kombinácii veľkostnej triedy a kohorty, potom sú výsledky agregované

na získanie priemerného efektu skupiny. Rovnaká metóda sa používa aj

pri priemyselných odvetviach a regiónoch.

- Rozdiely, ktoré sú pripočítané párovanej premennej (veľkosť alebo priemyselné

odvetvie, či geografická lokalita). Súčasne je kontrolovaná iba jedna podniková

charakteristika, nie všetky naraz..

- Nepozorovateľné charakteristiky, ktoré vedú k aplikovaniu programu (hodnota

značky, postavenie na trhu, manažérske schopnosti)

- Ostatné pozorovateľné rozdiely konštantné v čase alebo tie, ktoré sú dobre

aproximované podľa rovnakej túžby investovať

Metóda 2 (M2):


párovanie s metódou DDD

Zamietnutí

Podporené podniky sú kategorizované do skupín s identickými prvými a

poslednými rokmi platieb. Tieto skupiny sú označované ako „kohorty“.

V rámci kohort sú podporované podniky párované so zamietnutými

podnikmi s identickou veľkostnou triedou (myslí sa veľkosť podniku).

Ak je vypočítaný vplyv v rámci každej jedinečnej kombinácii veľkostnej

triedy a kohorty, potom sú výsledky agregované na získanie

priemerného efektu skupiny. Rovnaká metóda sa používa aj pri

priemyselných odvetviach a regiónoch

Pozorovateľné a nepozorovateľné rozdiely, ktoré zostali po párovaní sú

implicitne kontrolované podľa počiatočnej diferencie výsledkových

premenných.

- Rozdiely, ktoré sú pripočítané párovanej premennej

- ostatné zvyšné pozorovateľné rozdiely, ktoré sú konštantné v čase (veľkosť

podniku alebo priemyselné odvetvie, či geografická poloha, v závislosti od

párovanej premennej). Všetky podnikové charakteristiky sú implicitne

kontrolované súčasne, nie každá osobitne.





Metóda 3 (M3):


párovanie s metódou

viacnásobnej regresie a

metódou DD

Zamietnutí









Pozorovateľné rozdiely, ktoré zostali po párovaní sú explicitne

kontrolované podľa viacnásobnej regresii. Niektoré nepozorovateľné

rozdiely môžu byť kontrolované podľa trendov výsledkových

premenných, ktoré boli získaných z pred-intervenčného obdobia.






- trendy výsledkových premenných v pred-intervenčnom období (napríklad

rovnaká túžba investovať)





64

Metóda 4 (M4): Propensity

Score matching ako

dátové predspracovanie +


párovanie s metódou

viacnásobnej regresie a

metódou DD

Nezúčastnené

podniky

Nezúčastnené podniky sú zahrnuté do analýz len v takom prípade, že

zdieľajú podobné pozorovateľné charakteristiky ako podporené

podniky. Rozsah podobnosti je odhadovaný pomocou metódy

Propensity Score. V kontrolnej skupine je potom zahrnutých päť

najbližších susedov zo skupiny podporených spoločností.









Pozorovateľné rozdiely, ktoré zostali po párovaní sú explicitne

kontrolované podľa viacnásobnej regresii. Niektoré nepozorovateľné

rozdiely môžu byť kontrolované podľa trendov výsledkových

premenných, ktoré boli získaných z pred-intervenčného obdobia.






- trendy výsledkových premenných v pred-intervenčnom období (napríklad

rovnaká túžba investovať)



- Ostatné nepozorovateľné rozdiely sú v čase konštantné

- časovo variabilné rozdiely s dobrou aproximáciou pre rovnakú túžbu investovať

sú vľavo nekorelovateľné

65

Metóda 1 (M1): Dynamický štatistický párovací prístup s metódou DD (porovnávacia

skupina: zamietnutí žiadatelia)

V rámci Dynamického štatistického párovania kombinovaného s metódou DD sa za lokálny odhad vplyvu

programu považuje rozdiel vo výsledkových premenných v pred- a po- intervenčnom období. Tieto

výsledkové premenné existujú v rámci každej skupiny podporených a nepodporených podnikov, ktoré

tvoria kohorty s jedinečnou kombináciou a vybranými charakteristikami podniku (veľkosť, priemyselné

odvetvie alebo podľa regiónu). Akonáhle sa odhadnú takéto lokálne vplyvy, potom sa agregované

dopady vypočítajú ako vážený priemer z lokálnych vplyvov na základe počtu podporených podnikov.

Kroky postupu pre odhad sú nasledujúce:

1. Podporované podniky sú rozdelené do skupín na základe kombinácie kohorty a jednej kľúčovej

charakteristiky podniku (veľkosť, priemyselné odvetvie alebo podľa regiónu),

2. Kohorty sa vypočítajú na úrovni odhadu vplyvu.

3. Vážený priemer kohorty na úrovni odhadu vplyvu sa vypočíta na základe získaných odhadov vplyvu

na úrovni skupín (napr. odhady vplyvu pri veľkostných kategóriách podnikov)

4. Vážený priemer odhadov na úrovni skupín sa vypočíta ako agregovaný odhad vplyvu.23

Metóda 2 (M2): Dynamický štatistický párovací prístpu s metódou DDD (porovnávacia

skupina: zamietnutí žiadatelia)

Dynamický štatistický párovací model kombinovaný s metódou DDD je realizovaný podobne

akoDynamický štatistický párovací model kombinovaný s metódou DD s tým rozdielom, že porovnanie

podporených a nezúčastnených podnikov, patriacich do rovnakej homogénnej skupiny podnikov, sa

vypočíta pomocou dvojitého rozdielu ich výsledkov. Takýto dvojitý rozdiel sa vypočíta ako rozdiel medzi

dvoma trendami výsledkových premenných.

Prvý trend je vlastne záznam zmeny výsledkovej premennej medzi konečným po-intervenčným

obdobím a posledným časovým obdobím, v ktorom podpora programu ešte nemôže ovplyvniť

výsledkovú premennú. Pri podopatrení 1.1.1, ako už bolo spomínané, je konečné po-intervenčné

obdobie jeden rok po prijatí poslednej platby z programu. Posledné obdobie, v ktorom program ešte

nemôže mať vplyv na výsledkové premenné, je rok poslednej platby z programu. Je to preto, že

výsledkové premenné (čistý príjem, čistá pridaná hodnota a zamestnanosť) môžu byť ovplyvnené

programom až po tom, čo sa skončí investičný projekt.

Druhý trend je záznam zmeny výsledkovej premennej medzi posledným časovým obdobím, v ktorom

podpora programu ešte nemôže mať vplyv na výsledkové premenné, a skorším obdobím ešte pred-

programom/intervenciou (v našom prípade to je jeden rok pred prijatím prvej platby z programu).

23Nasledujúci vzorec je aplikovaný vo všetkých odhadoch:

Priemrený vplyv = 𝑝𝑜č𝑒𝑡 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑐ℎ 𝑝𝑜𝑑𝑛𝑖𝑘𝑜𝑣 𝑣 𝑠𝑘𝑢𝑝𝑖𝑛𝑒1

𝑐𝑒𝑙𝑘𝑜𝑣ý 𝑝𝑜č𝑒𝑡 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑐ℎ 𝑝𝑜𝑑𝑛𝑖𝑘𝑜𝑣∙ (𝑣𝑝𝑙𝑦𝑣 𝑛𝑎 𝑠𝑘𝑢𝑝𝑖𝑛𝑢1)

+ 𝑝𝑜č𝑒𝑡 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑐ℎ 𝑝𝑜𝑑𝑛𝑖𝑘𝑜𝑣 𝑣 𝑠𝑘𝑢𝑝𝑖𝑛𝑒2

𝑐𝑒𝑙𝑘𝑜𝑣ý 𝑝𝑜č𝑒𝑡 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑐ℎ 𝑝𝑜𝑑𝑛𝑖𝑘𝑜𝑣∙ (𝑣𝑝𝑙𝑦𝑣 𝑛𝑎 𝑠𝑘𝑢𝑝𝑖𝑛𝑢2) + ⋯

66

Obrázok 17: Pred- a po- intervenčné obdobie

Vyššie popísaný odhad zahŕňa nasledujúce kroky postupu:

1. Pre každý podnik je hodnota výsledkovej premennej z obdobia pred intervenciou odpočítaná od

hodnoty rovnakej výsledkovej premennej z posledného roka platby.

2. Pre každý podnik je hodnota výsledkovej premennej z posledného roku platby odpočítaná od

hodnoty rovnakej výsledkovej premennej z obdobia po intervencii.

3. Podporované firmy sú rozdelené do skupín na základe kombinácie kohorty a jednej kľúčovej

charakteristiky podniku (veľkosť, priemyselné odvetvie alebo podľa regiónu).

4. Kohorta na úrovni odhadov vplyvu sa vypočíta odčítaním rozdielov vypočítaných v prvom kroku a

rozdielov vypočítaných v druhom kroku.

5. Vážený priemer kohorty na úrovni odhadov vplyvu sa vypočíta ako získaný odhad vplyvu na úrovni

skupín (napríklad odhad pre veľkostnú kategóriu podnikov).

6. Vážený priemer odhadov na úrovni skupín sa vypočíta ako agregované odhady vplyvu.

Metóda 3 (M3): Dynamický štatistický párovací prístup s viacnásobnou regresiou a

metódou DD (porovnávacia skupina: zamietnutí žiadatelia)

Tento odhad obsahuje nasledujúce kroky postupu::


charakteristiky podniku (veľkosť, priemyselné odvetvie alebo podľa regiónu).

8. Kohorta na úrovni odhadu vplyvu s viacnásobnou regresiou, používa kontrolné sady X1 a X2, okrem

množiny kontrol s kľúčovými charakteristikami podnikov, ktoré sa používajú pri párovaní..

i) X1 = [veľkosť podniku, priemyselný sektor, región NUTS 2, vek podniku]

ii) X2 = [veľkosť podniku, priemyselné odvetvia, región NUTS 2, vek podniku, trendy pred-

intervenciou pre: čisté príjmy, čistú pridanú hodnotu a pracujúcich na plný pracovný úväzok]

9. Vážený priemer kohort na úrovni rozdielov sa vypočíta na základe odhadov na úrovni skupín vplyvu

(napríklad: odhady vplyvu pri veľkostných kategóriách podnikov) pomocou kontrolných sád X1 a X2.

Vážený priemer na úrovni skupín sa vypočíta na základe agregovaných odhadov vplyvu s použitím

kontrolných sád X1 a X2.

0

1

2

3

4

5

6

7

8

9

10

2008 2009 2010 2011 2012 2013 2014

In

de

x o

f co

ho

rt

Year



Cohort 9 Cohort 10

67

Motóda 4 (M4): Propensity Score matching ako dátové predspracovanie + Dynamické

štatistické párovanie s metódou viacnásobnej regresie a metódou DD (porovnávacia

skupina: nezúčastnené podniky)

Aby bolo možné používať vzorku nezúčastnených podnikov ako dobrý zdroj údajov pre aproximáciu

kontrafaktuálu, je potrebné dobre popísať obrovské rozdiely v zložení podnikov pri oboch vzorkách (pozri

kapitolu 4.2.3 pre porovnanie rozloženia vzoriek v rámci kľúčových podnikových charakteristík).

Na splnenie tejto úlohy sa používa párovacia metóda propensity score, ktorá pre každý podnik napáruje

podnik s podobnými charakteristikami so skupiny podporených a nezúčastnených podnikov. Takýto

odhad propensity score bol zrealizovaný v logickej regresii na určenie šance pre získanie pomoci z

podopatrenia 1.1.1, pre každý podnik z podporených a nezúčastnených žiadateľov. Pre každý podporený

podnik bolo vybratých najviac 5 podnikov zo skupiny nezúčastnených podnikov na základe získaného

propensity score.

Vzhľadom k tomu, že podpora je časová premenná, tak v ideálnom prípade sú pre každý podnik zmerané

výsledky v pred-intervenčnom období aspoň rok pred tým, ako podnik získa prvú platbu z programu.

Definovať adekvátnu porovnávaciu skupinu zloženú z nezúčastnených podnikov, by v ideálom prípade

znamenalo, aby boli podporení žiadatelia párovaný v samostatných kohortách so spoločnými prvými a

poslednými platbami. Tieto odhady umožňujú zahrnúť kontinuálne premenné do odhadu propensity

score, pretože by inak mohli byť merané v rôznych obdobiach pred začatím intervencie. Táto metóda

však nemôže byť použitá, pretože v niektorých kohortách bolo príliš málo pozorovaní, aby sa dané

odhady mohli zrealizovať. To teda znamenalo, že propensity score bolo nutné odhadnúť pre všetky

podporené podniky súčasne, presnejšie povedané, časové premenné by museli byť odhadnuté súčasne

pre každý podnik. To by ale znamenalo chybné merania výsledkov pri niektorých podnikoch, pretože by

sa brali do úvahy aj obdobia, ktoré pre dané podniky nie sú skutočnými obdobiami pred získaním

podpory.

To znamená, že jedinou možnosťou bolo odhadnúť propensity score na základe premenných, ktoré sú

v čase konštantné, aby bolo možné odhadnúť propensity score pre všetkých príjemcov v rámci rôznych

období podpory (podporené podniky čerpali v rôznom čase podporu z intervencie). Z toho vyplýva, že

iba veľkosť podniku, priemyselné odvetvie a vek podniku by mohli byť použité ako zodpovedajúce

kritéria (pretože, ako už bolo uvedené skôr, údaje o zemepisnej polohe nie sú k dispozícii pre

nezúčastnené podniky).

Po odhade propensity score, ktorý bol vykonaný pre všetky podporené a nezúčastnené podniky, sú

pre získanie zostávajúceho odhadu nasledujúce kroky:

1. Vzorka nezúčastnených podnikov je párovaná na podporené podniky na základe propensity score.

Každý podporený podnik bol napárovaný na jeho 5 najbližších susedov na základe propensity score.


charakteristiky (veľkosť, priemyselné odvetvie alebo podľa regiónu).

3. Kohorta na úrovni odhadu vplyvu s viacnásobnou regresiou, používa kontrolné sady X1 a X2, okrem

množiny kontrol s kľúčovými charakteristikami podnikov, ktoré sa používajú pri párovaní..

i) X1 = [veľkosť podniku, priemyselný sektor, región NUTS 2, vek podniku]

ii) X2 = [veľkosť podniku, priemyselné odvetvia, región NUTS 2, vek podniku, trendy pred-

intervenciou pre: čisté príjmy, čistú pridanú hodnotu a pracujúcich na plný pracovný úväzok]

4. Vážený priemer kohort na úrovni rozdielov sa vypočíta na základe odhadov na úrovni skupín vplyvu

(napríklad: odhady vplyvu pri veľkostných kategóriách podnikov) pomocou kontrolných sád X1 a X2.

5. Vážený priemer na úrovni skupín sa vypočíta na základe agregovaných odhadov vplyvu s použitím

kontrolných sád X1 a X2.

68

Výpočet nákladovej efektívnosti opatrenia

Po odhade vplyvov na úrovni skupín, sa informácie o nákladoch pridávajú použitím jednoduchého

opatrenia nákladovej efektivity. Vplyv rôznych premenných (čistý príjem, čistá pridaná hodnota a

pracujúci na plný pracovný úväzok) sa vypočíta ako:24

Náklady na dodatočné EURO pre NVA = 𝐶𝑒𝑙𝑘𝑜𝑣é 𝑓𝑖𝑛𝑎𝑛č𝑛é 𝑝𝑟𝑜𝑠𝑡𝑟𝑖𝑒𝑑𝑘𝑦 𝑣𝑦𝑝𝑙𝑎𝑡𝑒𝑛é 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑚 𝑝𝑜𝑑𝑛𝑖𝑘𝑜𝑚

𝑃𝑟𝑖𝑒𝑚𝑒𝑟𝑛ý 𝑣𝑝𝑙𝑦𝑣 𝑛𝑎 𝑁𝑉𝐴 ∗ 𝑝𝑜č𝑒𝑡 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑐ℎ 𝑓𝑖𝑟𝑖𝑒𝑚

Náklady na dodatočné EURO pre NR = 𝐶𝑒𝑙𝑘𝑜𝑣é 𝑓𝑖𝑛𝑎𝑛č𝑛é 𝑝𝑟𝑜𝑠𝑡𝑟𝑖𝑒𝑑𝑘𝑦 𝑣𝑦𝑝𝑙𝑎𝑡𝑒𝑛é 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑚 𝑝𝑜𝑑𝑛𝑖𝑘𝑜𝑚

𝑃𝑟𝑖𝑒𝑚𝑒𝑟𝑛ý 𝑣𝑝𝑙𝑦𝑣 𝑛𝑎 𝑁𝑅 ∗ 𝑝𝑜č𝑒𝑡 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑐ℎ 𝑓𝑖𝑟𝑖𝑒𝑚

Náklad na dodatočné FTE = 𝐶𝑒𝑙𝑘𝑜𝑣é 𝑓𝑖𝑛𝑎𝑛č𝑛é 𝑝𝑟𝑜𝑠𝑡𝑟𝑖𝑒𝑑𝑘𝑦 𝑣𝑦𝑝𝑙𝑎𝑡𝑒𝑛é 𝑝𝑜𝑑𝑝𝑜𝑟𝑒𝑛ý𝑚 𝑝𝑜𝑑𝑛𝑖𝑘𝑜𝑚

𝑝𝑟𝑖𝑒𝑚𝑒𝑟𝑛ý 𝑣𝑝𝑙𝑦𝑣 𝑛𝑎 𝑧𝑎𝑚𝑒𝑠𝑡𝑛𝑎𝑛𝑜𝑛𝑜𝑠ť ∗ 𝑝𝑜č𝑒𝑡 𝑝𝑜𝑑𝑝𝑜𝑒𝑟𝑛ý𝑐ℎ 𝑓𝑖𝑟𝑖𝑒𝑚

4.2.2 Výsledky z CIE vykonané s podporenou skupinou zamietnutých žiadateľov

V tejto kapitole sú prezentované výsledky, ktoré boli získané na základe realizovanej analýzy s pomocou

porovnávacej skupiny zamietnutých podnikov (tzv. Metóda M1, M2 a M3, ktoré boli predstavené v

kapitole 4.2.1). Táto kapitola nie je určená na prezentáciu konečných záverov odhadovania vplyvu

intervencie. Porovnanie výsledkov a závery z hodnotenia vplyvu sú popísané v kapitole 4.4. Všetky

odhady boli vykonané na základe použitia vyvážených údajov o pre- a po- intervenčnom období.

Databáza, ktorá sa použila na odhad intervencie, obsahuje 180 pozorovaní v podporenej skupine a 4555

pozorovaní v zamietnutej skupine (porovnávacej skupine). Podrobné informácie sa nachádzajú v tabuľke

3 v kapitole 3.1.1.

Pre všetky odhady, štruktúra tabuliek s odhadmi na úrovni skupín je znázornená na obrázku 17.

Obrázok 18: Interpretácia tabuliek

Neistota okolo odhadovaného vplyvu je vo väčšine prípadov vysoká. Táto neistota je prezentovaná na

95% intervale spoľahlivosti na úrovni skupín a je pridaná ku každej tabuľke. Interpretáciu týchto čísel je

možné vidieť na obrázku 19. V tomto prípade možno povedať, že vplyv na čistú pridanú hodnotu

24Metóda výpočtu je prevzatá z ASVAPP: „Counterfactual Impact Evaluation of Cohesion Policy. Work Package 1: Examples from

Enterprise Support“ Záverečná správa DG Regional Policy, June 2012 (Contract n° 2010.CE.16.B.AT.042)

69

podopatrenia 1.1.1. sa pohybuje v rozmedzí približne 180 000 Eur a 600 000 Eur. Interpretácia pri

ostatných obrázkoch je podobná.

Obrázok 19:Interpretácia 95% intervalu spoľahlivosti

Negatívne odhady vplyvu sú v tabuľkách ponechané úmyselne. Odhady vplyvov majú rozptyl okolo

pravého (tzv. skutočného, neznámeho) vplyvu. Tento rozdiel sa znižuje so zvyšujúcou sa veľkosťou

vzorky. Vzhľadom k veľmi nízkej veľkosti vzorky, bude v tomto prípade rozptyl vplyvov bude veľmi

vysoký a vo všeobecnosti sa budú vplyvy odhadovať s veľkou neistotou. Táto neistota sa môže znížiť s

pomocou viacerých metód odhadu a výberom vhodnej porovnávacej skupiny.

Informácie o nákladoch z tabuľky 10 sa používajú na vypočítanie nákladovej efektívnosti opatrenia.

Vážené priemery sa používajú na odhad celkových očakávaných vplyvov, teda takých, ktoré nie sú

spojené s p-hodnotami. Významnosť odhadov vplyvov na úrovni skupín môže byť použitá na posúdenie

dôveryhodnosti týchto vplyvov.

Výsledky sú vyhodnotené podľa nasledujúcich štyroch krokov:

1. Aká je veľkosť odhadovaného priemerného dopadu?

2. Sú vplyvy odhadu na úrovni skupín významné na 5% hladine významnosti?

3. Aké sú znaky odhadu vplyvov na úrovni skupín?

4. Aký je odhad nákladov na generovanie dodatočného eura z NVA, NR, alebo na zvýšenie

zamestnanosti o jedno pracovné miesto na plný pracovný úväzok? V prípade, že odhadované

náklady vyjdú negatívne, efektívnosť nákladov je uvedená v tabuľke alevýsledky nie sú diskutované,

pretože záporný odhad nákladov nemá veľmi praktický význam, pretože to v podstate znamená, že

vďaka podpore sa výsledné výsledky podnikov znížili a vláda by musela pomocou daní stymulovať

firmy, aby dosiahli lepšie výsledky.

70

Výsledky pre dynamický štatistický párovací prístup s metódou DD (porovnávacia skupina:

zamietnutí žiadatelia) – Metóda 1

Vplyv programu na čisté príjmy

Podľa veľkosti podniku

Odhadovaný priemerný vplyv na čisté príjmy je pomerne malý. Odhady dopadov na úrovni skupiny sú

zanedbateľné na 5% hladine významnosti, s výnimkou pre veľké podniky. Odhady dopadov na úrovni

skupiny sú pozitívne v prípade mikro a malých podnikov, negatívne v prípade stredných a veľkých

podnikov. Odhadované náklady na generovanie dodatočného euračistého príjmu sú 29,18 EUR.

Tabuľka 17: Priemerný vplyv na čisté príjmy v eurách, zoskupený podľa veľkosti podniku (M1,

porovnávacia skupina: zamietnutí)

Vplyv Počet podporených

podnikov Not missing p-value Významnosť Podporení/NR

Mikro 8,595 32 31 0.8888 - 53.96

Malé 83,941 94 94 0.3034 - 5.18

Stredné -48,841 46 46 0.6652 - -9.84

Veľké -317,838 8 8 0.0041 *** -8.15

Vážený priemer 18,756 Jednotkové náklady (EUR) 29.18

Obrázok 20: Očakávaný vplyv na čisté príjmy na 95% hladine spoľahlivosti, zoskupené podľa veľkosti

podniku (M1, porovnávacia skupina: zamietnutí)

71

Podľa priemyselnýchodvetví

Odhadovaný priemerný vplyv na čisté príjmy sa blíži k nule. Odhady dopadov na úrovni skupín sú

nevýznamné na 5% hladine významnosti. Odhady dopadov na úrovni skupiny sú pozitívne v prípade

stredne-nízkej technológii výroby a negatívne vo všetkých ostatných prípadoch.

Tabuľka 18: Priemerné vplyvy na čisté príjmy v eurách, zoskupené podľa priemyselných odvetví (M1,




Nízka technológia

výroby -17,721 73 72 0.6924 - -29.67

Stredne-nízka

technológia výroby 82,710 67 67 0.4801 - 7.45

Vysoká a stredne-

vysoká technológia

výroby

-120,222 26 26 0.3753 - -4.63

Iné -110,201 14 14 0.4437 - -2.85

Vážený priemer -2,337 Jednotkové náklady (EUR) -234.22

Obrázok 21: Očakávaný vplyv na čisé príjmy na 95% intervale spoľahlivosti, zoskupených podľa

priemyselných odvetví (M1, porovnávacia skupina: zamietnutí)

72

Podľa regiónu NUTS 2

Odhadovaný priemerný vplyv na čisté príjmy sa blíži k nule. Odhady dopadov na úrovni skupín sú

zanedbateľné na 5% hladine významnosti. Odhady dopadov na úrovni skupín sú pozitívne pre stredné

a západné Slovensko a negatívne pre východné Slovensko. Náklady na generovanie dodatočného eura

v rámci čistého príjmu sa odhadujú na úrovni 74,32 EUR.

Tabuľka 19: Priemerné vplyvy na čisté príjmy v eurách, zoskupené podľa regiónu NUTS 2 (M1,



regiónov NUTS 2 (M1, porovnávacia skupina: zamietnutí)

Podľa právnej formy a veku podniku Analýza stratifikácie na základe právnej formy je uvedená v Kapitole Error! Reference source not

ound.,ale nie je zahrnutá v hlavnej časti správy vzhľadom k malej pod-vzorke. V prípade analýzy, ktorá

sa týka veku podniku, je výsledok vysoko závislý na subjektívnej kategorizácii. Vzhľadom k tomu, nie je

zaručený konečný odhad vplyvu bez skreslenia v rámci homogénnych podporených podnikov a

porovnávacej skupiny.

Vplyv programu na čistú pridanú hodnotu



Stredné Slovensko 7,859 64 64 0.8953 - 65.07

Západné Slovensko 74,092 64 63 0.5778 - 10.12

Východné Slovensko -75,367 52 52 0.1087 - -4.54

Vážený priemer 7,365.4 Jednotkové náklady (EUR) 74.32

73


Odhadovaný priemerný vplyv na čistú pridanú hodnotu je pozitívny a jeho veľkosť je 224 154 EUR.

Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu pre mikro

podniky sú významne na 10% hladine významnosti. Odhady vplyvu na úrovni skupín sú pozitívne pre

mikro, malé a stredné podniky a negatívne pre veľké podniky. Náklady na generovanie dodatočného

eura pri čistej pridanej hodnote sa odhadujú na úrovni 2.44 EUR.

Tabuľka 20: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa veľkosti podniku

(M1, porovnávacia skupina: zamietnutí)

Vplyv Počet

podporených podnikov

Not missing p-value Významnosť Podporení/NVA

Mikro 24,472 32 23 0.0763 * 18.95

Malé 375,966 94 77 0.1462 - 1.16

Stredné 106,774 46 38 0.2744 - 4.50

Veľké -85,960 8 8 0.7415 - -30.12


Obrázok 23: Očakávaný vplyv na čistú pridanú hodnotu na 95% interval spoľahlivosti, zoskupenie

podľa veľkosti podniku (M1, porovnávacia skupina: zamietnutí)

74

Podľa priemyselného odvetvia

Odhadovaný priemerný vplyv na čistú pridanú hodnotu je pozitívny a jeho veľkosť je na úrovni 188 877

UER. Odhady dopadov na úrovni skupín sú zanedbateľné na 5 % hladine významnosti. Avšak, odhady

vplyvov na podniky v stredne-nízkej technológii výroby sú signifikantné na 10 % hladine významnosti.

Odhady vplyvov na úrovni skupín sú pozitívne v prípade stredne-nízkej technológii výroby a negatívne

vo všetkých ostatných prípadoch. Náklady na generovanie dodatočného eura pre čistú pridanú hodnotu

sa odhadujú na úrovni 2,9 EUR.

Tabuľka 21: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa priemyselného

odvetvia (M1, porovnávacia skupina: zamietnutí)

Vplyv Počet



Nízka technológia

výroby -23,063 73 48 0.4274 - -22.80

Stredne-nízka

technológia výroby 578,186 67 60 0.0774 * 1.07

Vysoká a stredne-


výroby

-96,098 26 24 0.5235 - -5.79

Iné -39,892 14 14 0.7853 - -7.88


Obrázok 24: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupeného

podľa priemyselného odvetvia (M1, porovnávacia skupina: zamietnutí)

75



EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu na

úrovni skupín sú pozitívne vo všetkých regiónoch NUTS 2. Náklady na generovanie dodatočného eura

čistej pridanej hodnoty sa odhadujú na úrovni 2,41 EUR.

Tabuľka 22: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa regiónu NUTS 2



podnikov Not missing p-value Významnosť Podporení/NVA

Stredné

Slovensko 89,396 64 54 0.1518 - 5.72

Západné

Slovensko 537,551 64 49 0.1817 - 1.40

Východné

Slovensko 15,617 52 43 0.7890 - 21.91

Vážený

priemer 227,426.0 Jednotkové náklady (EUR) 2.41

Obrázok 25: Očakávaný vplyv na čistú pridanú hodnotu na 95% interval spoľahlivosti, zoskupené

podľa regiónu NUTS 2 (M1, porovnávacia skupina: zamietnutí)

Podľa právnej formy a veku podniku Analýza stratifikácie na základe právnej formy je uvedená v kapitole Error! Reference source not

ound., ale nie je zahrnutá v hlavnej časti správy vzhľadom k malej pod-vzorke. V prípade analýzy, ktorá




Vplyv programu na pracujúcich na plný pracovný úväzok (FTE)


Odhadovaný priemerný vplyv na FTE sa blíži k nule. Odhady vplyvov na úrovni skupín sú zanedbateľné

na 5% hladine významnosti. Odhady vplyvov na úrovni skupín sú pozitívne v prípade mikro a stredných

podnikov a negatívne v prípade malých a veľkých podnikov.

76

Tabuľka 23: Priemerný vplyv na FTE v eurách, zoskupené podľa veľkosti podniku (M1, porovnávacia

skupina: zamietnutí)

Vplyv Počet


Not missing p-value Významnosť Podporení/FTE

Mikro 0.8 32 25 0.1279 - 567,969

Malé -0.9 94 87 0.3232 - -470,755

Stredné 4.3 46 42 0.3015 - 112,788

Veľké -17.3 8 7 0.1954 - -149,989

Vážený priemer -0.01 Jednotkové náklady (EUR) -36,921,048




Odhadovaný priemerný vplyv na FTE sa blíži k nule. Odhady vplyvov na úrovni skupín sú pre nízku

technologickú výrobu, vysokú a strednú technológiu výroby a iných odvetviach významné na 5% hladine

významnosti. Odhady vplyvov na úrovni skupín sú pozitívne v prípade nízkej technológie výroby,

strednej technológie výroby a iných odvetviach a negatívne pre vysokú a strednú technológiu výroby.

Náklady na zvýšenie zamestnanosti/vytvorenie jedného pracovného miesta na plný pracovný úväzok sa

odhadujú na úrovni 1 620 061 EUR.

Tabuľka 24: Priemerný vplyv na FTE v eurách, zoskupené podľa priemyselného odvetvia (M1,


Vplyv Počet



Nízka technológia

výroby 4.81 73 66 0.0056 *** 109,376

Stredne-nízka

technológia

výroby

0.44 67 62 0.8149 - 1,394,540

Vysoká a stredne-

vysoká

technológia

výroby

-14.70 26 22 0.0007 *** -37,825

Iné 4.47 14 11 0.0135 ** 70,291

Vážený priemer 0.34 Jednotkové náklady (EUR) 1,620,061

77




Odhadovaný priemerný vplyv na FTE sa blíži k nule. Odhady vplyvu na úrovni skupín sú zanedbateľné

na 5% hladine významnosti. Odhadovaný vplyv na východnom Slovensku je významný na 5% hladine

významnosti. Odhady dopadov na úrovni skupín sú pozitívne na východnom Slovensku a negatívne pre

stredné a západné Slovensko. Náklady na zvýšenie zamestnanosti/vytvorenie jedného pracovného

miesta na plný pracovný úväzok sa odhadujú na úrovni 1 238 142 EUR.

Tabuľka 25: Priemerný vplyv na FTE v eurách, zoskupené podľa regiónu NUTS 2 (M1, porovnávacia


Vplyv Počet



Stredné

Slovensko -1.3 64 56 0.5584 - -40,1803

Západné

Slovensko -0.3 64 60 0.8655 - -2,449,743

Východné

Slovensko 3.5 52 45 0.0980 * 98,519

Vážený priemer 0.4 Jednotkové nákaldy (EUR) 1,238,142


2 (M1, porovnávacia skupina: zamietnutí)

78



sa týka veku podniku, je výsledok vysoko závislý na subjektívnej kategorizácii. Vzhľadom k tomu nie je



Výsledky pre Dynamické štatistické párovanie s pomocou metódy DDD (porovnávacia skupina:

zamietnutí žiadatelia) – Metóda 2 (M2)

Vplyv programu na čisté príjmy


Odhady vplyvu na čisté príjmy a na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady

vplyvu na úrovni skupín sú pozitívne v prípade malých a stredných podnikov a negatívne v prípade mikro

a veľkých podnikov. Náklady na generovanie dodatočnej jednotky čistého príjmu sa odhadujú na úrovni

12,31 EUR.

Tabuľka 26: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa veľkosti podniku (M2,


Vplyv Počet


Not missing p-value Významnosť Podporení/NR

Mikro -23,797 32 31 0.8783 - -19.49

Malé 103,933 94 94 0.2211 - 4.18

Stredné 57,171 46 46 0.6846 - 8.41

Veľké -454,540 8 8 0.2639 - -5.70

Vážený priemer 44,454 Jednotkové náklady (EUR) 12.,31


veľkosti podniku (M2, porovnávacia skupina: zamietnutí)


Odhady vplyvov na čisté príjmy a na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady

vplyvu na úrovni skupín sú pozitívne v prípade stredne-nízkej technológie výroby a vysokej a strednej

technológie výroby a negatívne pre nízku technologickú výrobu a iných odvetví. Náklady na generovanie

dodatočného eura pre čistý príjem sa odhadujú na úrovni 12,47 EUR.

79

Tabuľka 27: Priemerný vplyv na čisté príjmy v eurách, zoskupenie podľa priemyselného odvetvia (M2,


Vplyv Počet



Nízka technológia

výroby -69,769 73 72 0.3353 - -7.54

Stredne-nízka

technológia

výroby

178,331 67 67 0.1787 - 3.46

Vysoká a stredne-

vysoká

technológia

výroby

123,485 26 26 0.4447 - 4.50

Iné -154,443 14 14 0.4782 - -2.03



priemyselného odvetvia (M2, porovnávacia skupina: zamietnutí)

80


Odhady vplyvu na čisté príjmy a na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady

vplyvu na úrovni skupín sú pozitívne pre stredné a západné Slovensko a negatívne pre východné

Slovensko. Náklady na generovanie dodatočného eura pre čistý príjem sa odhadujú na úrovni 10,40

EUR.

Tabuľka 28: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa regiónu NUTS 2 (M2,


Vplyv Počet



Stredné

Slovensko 145,398 64 64 0.1484 - 3.52

Západné

Slovensko 53,977 64 63 0.7104 - 13.90

Východné

Slovensko -63,200 52 52 0.3969 - -5.41



NUTS 2 (M2, porovnávacia skupina: zamietnutí)


ound. ale nie je zahrnutá v hlavnej časti správy, vzhľadom k malej pod-vzorke. V prípade analýzy, ktorá


zaručený konečný odhad vplyvu bez skreslenia v rámci homogénnych podporených podnikov

a porovnávacej skupiny.




EUR. Odhady vplyvu na úrovni skupiny sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu na

úrovni skupín sú pozitívne. Náklady na generovanie dodatočného eura čistej pridanej hodnoty sa

odhadujú na3,32 EUR.

81

Tabuľka 29: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupenie podľa veľkosti podniku


Vplyv Počet



Mikro 41,168 32 23 0.3746 - 11.27

Malé 260,821 94 77 0.2374 - 1.67

Stredné 73,583 46 38 0.6560 - 6.53

Veľké 61,651 8 8 0.8659 - 42.00



podľa veľkosti podniku (M2, porovnávacia skupina: zamietnutí)



EUR. Odhadovaný vplyv na úrovni skupín je zanedbateľný na 5% hladine významnosti. Napriek tomu

odhady vplyvu na podniky v stredne-nízkej technológii výroby sú signifikantné na 10% hladine

významnosti. Odhady vplyvu na úrovni skupín sú pozitívne v prípade stredne-nízkej technológii výroby

a negatívne vo všetkých ostatných prípadoch. Náklady na generovanie dodatočného eura čistej pridanej

hodnoty sa odhadujú na 3,7 EUR.


odvetvia (M2, porovnávacia skupina: zamietnutá)

Vplyv Počet



Nízka technológia

výroby -27,916 73 48 0.6541 - -18.83

Stredne-nízka

technológia

výroby

518,540 67 60 0.0724 * 1.19

Vysoká a stredne-

vysoká

technológia

výroby

-116,558 26 24 0.4754 - -4.77

Iné -219,810 14 14 0.4488 - -1.43


82


podľa priemyselného odvetvia (M2, porovnávacia skupina: zamietnutí)


Odhadovaný priemerný vplyvna čistú pridanú hodnotu je pozitívny a jeho veľkosť je na úrovni 178 989

EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady dopadov

na úrovni skupín sú pozitívne pre stredné a západné Slovensko a negatívne pre východné Slovensko.

Náklady na generovanie dodatočného eura čistej pridanej hodnoty sa odhadujú na 3,06 EUR.



Vplyv

Počet

podporených

podnikov


Stredné

Slovensko 87,579 64 54 0.3139 - 5.84

Západné

Slovensko 456,078 64 49 0.1947 - 1.64

Východné

Slovensko -49,539 52 43 0.644 - -6.91

Vážený

priemer 178,989 Jednotkové nákaldy (EIR) 3.06


podľa regiónu NUTS 2 (M2, porovnávacia skupina: zamietnutí)

83








Odhady vplyvu na FTE na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu

pre veľké podniky sú ale významné na 10% hladine významnosti. Odhady na úrovni skupín sú negatívne

pre mikro, malé a stredné podniky a pozitívne pre veľké podniky.

Tabuľka 32: Priemerný vplyv na FTE v eurách, zoskupené podľa veľkosti podniku (M2, podporená


Vplyv Počet



Mikro -0,1 32 25 0.8889 - -4,436,922.53

Malé -1,0 94 87 0.5226 - -424,356.19

Stredné -4,1 46 42 0.4135 - -117,502.04

Veľké 16,8 8 7 0.0852 * 154,494.45

Výžený priemer -0,9 Jednotkové náklady (EUR) -640,755.96



84


Odhady vplyvov na FTE sú na úrovni skupín zanedbateľné na 5% hladine významnosti. Odhady vplyvu

na úrovni skupín sú negatívne, okrem iného odvetvia.



Vplyv Počet



Nízka technológia

výroby -1.19 73 66 0.4993 - -443,066.99

Stredne-nízka

technológia

výroby

-0.59 67 62 0.7924 - -1,049,564.93

Vysoká a stredne-

vysoká

technológia

výroby

-10.54 26 22 0.2183 - -52,781.68

Iné 2.87 14 10 0.3978 - -28,779.53

Vážený priemer -2.00 Jednotkové náklady (EUR) -273,904.61



85


Odhady vplyvov na FTE na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu

na úrovni skupín sú pozitívne na východnom Slovensku a negatívne pre stredné a západné Slovensko.



Vplyv

Počet

podporených

podnikov


Stredné

Slovensko -4.7 64 56 0.1624 - -108,243

Západné

Slovensko -3.2 64 60 0.2031 - -237,076

Východné

Slovensko 3.7 52 45 0.2519 - 93,394.6

Vážený

priemer -1.7 Jednotkové náklady (EUR) -313,484


2 (M2, porovnávacia skupina: zamietnutí)






Výsledky pre Dynamické štatistické párovanie s viacnásobnou regresiou a pomocou metódy DD

(porovnávacia skupina: zamietnutí žiadatelia) – Metóda 3 (M3)



Odhadované priemerné vplyvy na čistú pridanú hodnotu sú pozitívne a ich veľkosť sa odhaduje na úrovni

179 539EUR a 182 442 EUR. Odhady vplyvov na úrovni skupín sú zanedbateľné na 5% hladine

významnosti s výnimkou v prípade malých podnikov. Odhady vplyvu na úrovni skupín sú pozitívne pre

malé a stredné podniky a negatívne pre veľké podniky s oboma kontrolnými sadami. V prípade malých

podnikov je vplyv odhadovaný s prvou sadou kontrol pozitívny, ale znamienko vplyvu sa mení s druhou

sadou kontrol. Odhadované náklady na generovanie dodatočného eura čistej pridanej hodnoty sa

odhadujú na 3,10 EUR a 3 EUR.

86


(M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)



Mikro 16,350 32 23 0.8705 - 28.36

Malé 363,330 94 77 0.0158 ** 1.19

Stredné 26,649 46 39 0.9376 - 18.04

Veľké -515,631 8 8 0.8718 - -5.02

Vážený

priemer 176,539 Jednotkové náklady (EUR) 3.10


podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)





Mikro -7,820 32 15 0.8889 - -59.31

Malé 380,444 94 72 0.0024 *** 1.14

Stredné 62,438 46 35 0.8518 - 7.70

Veľké -692,996 8 8 0.7606 - -3.74

Vážený

priemer 182,442 Jednotkové nákaldy (EUR) 3.00


podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)

87


Odhadované priemerné vplyvy na čistú pridanú hodnotu sú pozitívne a ich veľkosť je na úrovni 162 602

EUR a 172 747,4 EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti.

Odhady vplyvu na úrovni skupín sú pozitívne na západnom a východnom Slovensku a negatívne pre

stredné Slovensko s oboma kontrolnými sadami. Odhadované náklady na generovanie dodatočného

eura čistej pridanej hodnoty sa odhadujú na 3,37 EUR a 3,17 EUR.





Stredné

Slovensko -10,037 64 54 0.9795 - -50.94

Západné

Slovensko 464,804 64 49 0.2356 - 1.61

Východné

Slovensko 3,141 52 44 0.9904 - 108.94



podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)


(M3, porovnávacia skupina: zamietnutí, koontrolná sada X2)

Vplyv Počet



Stredné

Slovensko -11,825 64 48 0.9743 - -43.24

Západné

Slovensko 483,095 64 47 0.1210 - 1.55

Východné

Slovensko 17,947 52 35 0.9474 - 19.07

Vážený

priemer 172,747,4 Jednotkové náklady (EUR) 3.17

88


podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X2)


Odhadované priemerné vplyvy na čistú pridanú hodnotu sú pozitívne a ich veľkosť sa odhaduje na

úrovni 132 508 EUR a 157 206 EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine

významnosti, okrem odhadov vplyvu získaných s druhou sadou kontrol pre stredne-nízku technológiu

výroby. Odhady vplyvu na úrovni skupín sú pozitívne pre stredne-nízku technológiu výroby a iných

odvetví a negatívne pre vysokú a strednú technológiu výroby s oboma kontrolnými sadami. Pri nízkej

technológii výroby sú odhady vplyvu získané pomocou prvej sady kontrol pozitívne. Náklady na

generovanie dodatočného eura čistej pridanej hodnoty sú 4,13 EUR a 3,48 EUR.


sektora (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)



Nízka technológia

výroby 966 73 48 0.9977 - 544.43

Stredne-nízka

technológia

výroby

457,200 67 60 0.1181 - 1.35

Vysoká a stredne-

vysoká

technológia

výroby

-304,750 26 25 0.7293 - -1.82

Iné 76,571 14 14 0.8218 - 4.10


89


podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)


sektora (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)

Vplyv Počet



Nízka technológia

výroby -19,627 73 43 0.9436 - -26.79

Stredne-nízka

technológia výroby 534,723 67 53 0.0394 ** 1.15

Vysoká a stredne-


výroby

-

273,902 26 21 0.6792 - -2.03

Iné 73,200 14 13 0.8347 - 4.29



podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)


ound., ale nie je zahrnutá v hlavnej časti správy, vzhľadom k malej pod-vzorke. V prípade analýzy, ktorá

90




Vplyv programu na čistévýnosy


Odhadované priemerné vplyvy na čisté príjmy sú pozitívne a ich veľkosť je na úrovni 42 032 EUR a 27

800 EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti, s výnimkou v

prípade malých podnikov. Odhady vplyvu na úrovni skupín sú pozitívne pre mikro a malé podniky a

negatívne pre stredné podniky s oboma sadami kontrol. V prípade veľkých podnikov, odhad vplyvu

získaný pomocou prvej sady kontrol je pozitívny, ale zmení sa pri použití druhej sady kontrol na

negatívny. Odhadované náklady na generovanie dodatočného eura čistých príjmov sa odhadujú na

úrovni 13,02 EUR a 19,69 EUR.


porovnávacia skupina: zamietnutí, kontrolná sada X1)



Mikro 10,443 32 31 0.8829 - 44.41

Malé 91,124 94 94 0.2394 - 4.75

Stredné -31,765 46 46 0.8728 - -15.14

Veľké 15,887 8 8 0.9915 - 162.99

Vážený


Obrázok 44: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa veľkosti

projektu (M3, porovnávacia skupina: zamietnutí, kontrolna sada X1)





Mikro 13,152 32 16 0.6978 - 35.26

Malé 121,893 94 73 0.0688 * 3.55

Stredné -100,171 46 36 0.6063 - -4.80

Veľké -283,379 8 8 0.7715 - -9.14

91

Vážený


Obrázok 45: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa veľkosti

projektu (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)


Odhadované priemerné vplyvy na čisté príjmy sú pozitívne a ich veľkosť je na úrovni 24 777 EUR a 7

867,6 EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady

vplyvu na úrovni skupín sú pozitívne na západnom Slovensku a negatívne pre stredné Slovensko s

oboma sadami kontrol. Pri východnom Slovensku je odhad vplyvu negatívny s použitím prvej sady

kontrol, ale pozitívny ak sa kontrolujú trendy v období pred intervenciou. Odhadované náklady na

generovanie dodatočného eura čistých príjmov sa odhadujú na úrovni 22,09 EUR a 69,58 EUR.





Stredné

Slovensko -2,082 64 64 0.9912 - -245.57

Západné

Slovensko 81,443 64 63 0.6515 - 9.19

Východné

Slovensko -11,910 52 52 0.9358 - -28.73


92


NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)

93



Vplyv Počet



Stredné

Slovensko -54,566 64 50 0.7561 - -9.37

Západné

Slovensko 71,152 64 48 0.6375 - 10.51

Východné

Slovensko 6,821 52 35 0.9654 - 50.17

Vážený

priemer 7,867.6 Jednotkové náklady (EUR) 69.58


NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)


Odhadovaný priemerný vplyv na čisté príjmy získaný s prvou sadou kontrol je pozitívny, ale ukáže sa

ako negatívny, akonáhle sú kontrolované trendy v období pred intervenciou. Odhady vplyvu na úrovni

skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu na úrovni skupín sú pozitívne pre

stredne-nízku technológiu výroby a iné odvetvia a negatívne pre nízku technológiu výroby s oboma

sadami kontrol. Pre vysokú a strednú technológiu výroby ja odhad pozitívny s použitím prvej sady

kontrol, ale zmení sa na negatívny, akonáhle sú kontrolované trendy v období pred intervenciou. Náklady

na generovanie dodatočného eura čistých príjmov sú na úrovni 19,87 EUR. Odhad nákladov, ktorý je

získaný pomocou druhej sady kontrol je negatívny.

94

Tabuľka 45: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa priemyselného odvetvia (M3,




Nízka technológia

výroby -36,851 73 72 0.7977 - -14.27

Stredne-nízka

technológia

výroby

104,911 67 67 0.4845 - 5.87

Vysoká a stredne-

vysoká

technológia

výroby

20,203 26 26 0.9645 - 27.53

Iné 7,798 14 14 0.9687 - 40.30



priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)



Vplyv Počet



Nízka technológia

výroby -94,229 73 45 0.5216 - -5.58

Stredne-nízka

technológia výroby 15,528 67 54 0.9068 - 39.69

Vysoká a stredne-


výroby

-170,900 26 21 0.6176 - -3.25

Iné 31,615 14 12 0.8729 - 9.94


95


priemyselného odvetvia (M3, porovnávacia skupina: zamietnutíkontrolná sada X2)








Odhadované priemerné vplyvy na FTE sú pozitívne a ich veľkosť je na úrovni 0,8 a 1,4 FTE. Odhady

vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu na úrovni skupín

sú pozitívne pre mikro a stredné podniky a negatívne pre malé a veľké podniky s oboma sadami kontrol.

Odhadované náklady na zvýšenie zamestnanosti o jedno pracovné miesto na plný pracovný úväzok sú

na úrovni 659 770,83 EUR a 394 471,72 EUR.


skupina: zamietnutí, kontrolná sada X1)


podnikov Not missing p-value Významnosť Podporení/FTE

Mikro 1.4 32 24 0.4558 - 321,665.75

Malé -0.8 94 87 0.8277 - -566,841.41

Stredné 7.2 46 42 0.6509 - 66,563.29

Veľké -19.7 8 7 0.8986 - -131,742.34

Vážený

priemer 0.8 Jednotkové náklady äEUR) 659,770.83

96


podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)





Mikro 1.5 32 16 0.2752 - 310,264.40

Malé -0.4 94 87 0.9074 - -1,069,471.46

Stredné 8.0 46 34 0.6332 - 60,170.05

Veľké -15.9 8 7 0.8680 - -162,383.19

Vážený

priemer 1.4 Jednotkové náklady (EUR) 394,471.72


podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)




sú pozitívne na strednom a východnom Slovensku. Na západnom Slovensku je odhad vplyvu pozitívny

za použitia prvých sád kontrol. Odhadované náklady na zvýšenie zamestnanosti o jedno pracovné

miesto na plný pracovný úväzok sú na úrovni 350 681,82 EUR a 238 764,58 EUR.

97





Stredné

Slovensko 0.7 64 56 0.9599 - 703,022.30

Západné

Slovensko 0.6 64 60 0.9728 - 1,352,306.15

Východné

Slovensko 3.8 52 44 0.7566 - 89,414.06

Vážený priemer 1.6 Jednotkové náklady (EUR) 350,681.82


2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X1)



Vplyv Počet



Stredné

Slovensko 3.3 64 49 0.8025 - 154,237.29

Západné

Slovensko -0.5 64 46 0.9741 - -1,512,380.32

Východné

Slovensko 4.1 52 34 0.7753 - 82,550.13

Vážený


98


2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)




sú pozitívne pre nízku a strednú technológiu výroby a iných odvetví a negatívne pre vysoko-strednú

technológiu výroby s oboma sadami kontrol. Náklady na zvýšenie zamestnanosti o jedno pracovné

miesto na plný pracovný úväzok sa odhadujú na úrovni 352 198,63 EUR a 221 602,57 EUR.





Nízka technológia

výroby 7.15 73 66 0.6093 - 73,489.73

Stredne-nízka

technológia

výroby

1.29 67 62 0.9149 - 476,737.21

Vysoká a stredne-

vysoká

technológia

výroby

-14.90 26 21 0.7037 - -37,312.19

Iné 4.17 14 11 0.7824 - 75,293.97


99


odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)



Vplyv Počet



Nízka technológia

výroby 5.97 73 43 0.6692 - 88,132.55

Stredne-nízka

technológia výroby 2.75 67 54 0.8242 - 224,428.89

Vysoká a stredne-


výroby

-9.42 26 20 0.7302 - -59,061.33

Iné 5.00 14 11 0.7504 - 62,860.03



odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)




100



4.2.3 Výsledky CIE vykonané s porovnávacou skupinou nezúčastnených podnikov

Výsledky pre ako dátového predspracovania + Dynamické štatistické párovanie s viacnásobnou

regresiou a pomocou metódy DD (porovnávacia skupina: nezúčastnené podniky)

V tejto kapitole sú prezentované výsledky, ktoré sú získané pomocou uskutočnenej analýzy s

porovnávacou skupinou zloženou s nezúčastnených podnikov (tzv. podľa metód 4, ktorá je popísaná v

kapitole 4.2.1). Táto kapitola nie je určená na prezentáciu konečných záverov v rámci odhadu.

Prezentovanie a porovnanie výsledkov sa nachádza v kapitole 4.3. Všetky odhady boli vykonané za

použitia vyvážených údajov. Databázy, s ktorými sa v analýze pracuje, obsahujú 180 subjektov v

podporenej skupine a 284 subjektov v skupine nezúčastnených podnikov.

Podrobnosti týkajúce sa postupu odhadu sa nachádzajú v kapitole 4.2.1.

Metóda Propensyty score matching bola vykonaná s použitím informácií o veľkosti podniku,

priemyselného odvetvia a veku podniku. Výstup regresie pomocou odhadu Propensity score je uvedený

v tabuľke 53. Aj keď nízka technologická náročnosť výroby a stredne a nízka technologická náročnosť

výroby nie sú významné podľa obvyklej úrovne významnosti, nulová hypotéza je, že nulový efekt v

sektore priemyslu je zamietnutý. Aj keď boli použité len tri premenné pre odhad, McFadden pseudo R-

squared je pomerne vysoké (0.526), čo poukazuje na dobre zostavený model.

Tabuľka 53: Výstup regresie pomocou odhadu Propensity score

Dependent Variable: SUPPORTED

Method: ML - Binary Logit (Quadratic hill climbing)

Date: 04/02/15 Time: 16:46

Sample (adjusted): 1 5975

Included observations: 5883 after adjustments

Convergence achieved after 9 iterations

Covariance matrix computed using second derivatives

Variable Coefficient Std. Error z-Statistic Prob.

C 90.13111 24.76365 3.639654 0.0003

Estimation date25 -0.044007 0.012380 -3.554591 0.0004

Low-technology manufacturing 0.300877 0.305177 0.985911 0.3242

Medium-low-technology manufacturing 0.391223 0.310873 1.258464 0.2082

Other -3.471847 0.501649 -6.920867 0.0000

Services -4.670257 0.448032 -10.42393 0.0000

Medium -2.095822 0.953693 -2.197585 0.0280

25 As the propensity score estimation was carried out for all firms simultaneously, data on date of establishment could be used

in the estimation in the place of firm age. The estimated impact of firm age measured for all firms at the same time would be

the same, since firm age equals the year of measuring firm age minus the date of establishment, which means that firm age is

establishment date changed by a constant and changing a predictor by a constant for all observations does not affect

estimation results. Since it can be interpreted easier, firm age is used in the text.

101

Micro -4.843869 0.947660 -5.111397 0.0000

Small -2.956783 0.938403 -3.150869 0.0016

McFadden R-squared 0.526431 Mean dependent var 0.030597

S.D. dependent var 0.172237 S.E. of regression 0.136356

Akaike info criterion 0.132638 Sum squared resid 109.2144

Schwarz criterion 0.142857 Log likelihood -381.1538

Hannan-Quinn criter. 0.136190 Deviance 762.3076

Restr. Deviance 1609.707 Restr. log likelihood -804.8535

LR statistic 847.3995 Avg. log likelihood -0.064789

Prob(LR statistic) 0.000000

Obs with Dep=0 5703 Total obs 5883

Obs with Dep=1 180

Prognostická schopnosť modelu je dobrá v prípade nezúčastnených podnikov: len 29 podnikov z

nezúčastnených podnikov vykazujú chybu. Avšak model nedokáže spoľahlivo predpovedať stav v

prípade podporených podnikov: iba 48 pozorovaní bolo správne zaradených. Tabuľka 54 predstavuje

opisné štatistiky z odhadovaných propensity score, zatiaľ čo obrázok 56 predstavuje rozloženie

propensity score v podporených a nezúčastnených podnikoch. Nízky priemer a štandardná odchýlka z

odhadovaných propensity score pre nezúčastnené podniky nám indikuje dobré predpovede. Rozloženie

propensity score naznačuje malú spoločnú podporu vzhľadom na značné rozdiely v charakteristikách

podnikov v podporených a nezúčastnených podnikoch.

Tabuľka 54: Popisná štatistika z odhadov propensity score pre podporené a nezúčastnené podniky

Mean Std. Dev. Obs.

Nezúčastnené

podniky 0.019295 0.073056 5703

Podporení 0.388677 0.229031 180

Všetci 0.030597 0.104009 5883

102

Obrázok 56:Rozdloženie odhadovaného propensity score pre podporené a nezúčastnené podniky

Nasledujúce obrázky predstavujú podniky pred- a po- rozdelení spolu s párovanými premennými. Je

dôležité zistiť, či sa propensity score podarí dosiahnuť rovnováhu v rozdelení sledovanej premennej. V

prípade veľkosti podniku a priemyselných odvetví Pearson chi-squared test ukazuje, že zostanú určité

štatistické významné rozdiely medzi podporenou a porovnávacou skupinou. V prípade veku podniku,

vykonaný t-test na základe strednej dátumovej hodnoty vykazuje štatisticky významný rozdiel medzi

podporenými podnikmi a nezúčastnenými podnikmi v párovanej vzorke (nezúčastnené podniky a ich

priemerný rok založenia: 1999.4, podporené podniky a ich priemerný rok založenia: 1997.7, p-

value=0.0016). Rozloženie propensity score po párovaní sa oveľa lepšie ukazuje pre porovnávaciu

skupinu, pokiaľ ide o podobnosť s podporenou skupinou.

Obrázok 57: Rozdelenie podľa veľkosti podniku pre podporené a nezúčastnené podniky (vľavo:

nenapárované, vpravo: napárované)

103

Obrázok 58: Rozdelenie podľa priemyselného odvetvia pre podporené a nezúčastnené podniky (vľavo:

nenapárovaný, vpravo: napárovaný)

Vyhodnotenie výsledkov bude rovnaké ako v kapitole 4.2.1s odhadmi vykonanými na vzorke žiadateľov.

Odhady v tabuľkách sú odhadované na 95% intervale spoľahlivosti a sú uvádzané rovnakým spôsobom.

Podrobné vysvetlenie odhadu tabuliek a čísel sa nachádza v kapitole 4.2.2.

Programový vplyv na čistú pridanú hodnotu



EUR a 228 921 EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti, s

výnimkou v prípade malých podnikov. Odhady vplyvu na úrovni skupín sú pozitívne pre malé a stredné

podniky s oboma sadami kontrol. V prípade mikro podnikov je vplyv odhadovaný s prvou sadou kontrol

pozitívny,ale znamienko vplyvu sa zmení, akonáhle budú kontrolované trendy pred začatím intervencie.

Odhadované náklady na generovanie dodatočného eura čistej pridanej hodnoty sú na úrovni 2,59 EUR

a 2,5 EUR.

104


(M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)



Mikro 22,719 32 23 0.2065 - 20.41

Malé 377,190 94 77 0.0181 ** 1.15

Stredné 40,285 46 39 0.8400 - 11.94

Veľké - - - - - -

Vážený



podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)


(M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)



Mikro -3,666 32 15 0.8042 - -126.51

Malé 395,529 94 72 0.0002 *** 1.10

Stredné 50,260 46 35 0.8075 - 9.57

Veľké - - - - - -

Vážený


105


podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)



EUR a 201 181 EUR. Odhady vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti,

okrem odhadu vplyvu získaného pomocou druhej sady kontrol v stredne-nízkej technológii výroby.

Odhady vplyvov na úrovni skupín sú pozitívne pre stredne-nízku technológiu výroby a negatívne pre

všetky iné odvetvia s oboma sadami kontrol. Náklady na generovanie dodatočného eura čistej pridanej

hodnoty sú na úrovni 2,96 EUR a 2,72 EUR.


odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)



Nízka technológia

výroby -24,326 73 48 0.6208 - -21.61

Stredne-nízka

technológia

výroby

541,691 67 60 0.0448 ** 1.14

Vysoká a stredne-

vysoká

technológia

výroby

-48,071 26 25 0.8767 - -11.57

Iné -733 14 14 0.9945 - -428.96


106





Vplyv Počet



Nízka technológia

výroby -27,686 73 43 0.6001 - -18.99

Stredne-nízka

technológia výroby 619,433 67 53 0.0026 *** 0.99

Vysoká a stredne-


výroby

-125,563 26 21 0.7358 - -4.43

Iné -263 14 13 0.9977 - -1,195.04







107


porovnávacia skupiny.

Vplyv programu na čistý príjem


Priemerný odhadovaný vplyv sa blíži k nule. Odhady na úrovni skupín sú zanedbateľné na 5% hladine

významnosti. Odhady dopadov na úrovni skupín sú pozitívne pre mikro a malé podniky a negatívne pre

stredné podniky s oboma sadami kontrol. Nemožno získaťžiadne odhady nákladov.


porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)



Mikro 2,162 32 31 0.9638 - 214.48

Malé 14,276 94 94 0.9254 - 30.35

Stredné -54,020 46 46 0.7414 - -8.90

Veľké - - - - - -

Vážený

priemer -6,243 Jednotkové náklady (EUR) -91.76


veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)





Mikro 22,789 32 16 0.2074 - 20.35

Malé 16,053 94 73 0.8985 - 26.99

Stredné -142,905 46 36 0.2229 - -3.36

Veľké - - - - - -

Vážený

priemer -25,206 Jednotkové náklady (EUR) -22.73

108


veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)


Odhadované priemerné vplyvy na čisté príjmy sa blíži k nule. Odhady vplyvu na úrovni skupín sú

zanedbateľné na 5% hladine významnosti, s výnimkou v prípade stredne-nízkej technológie výroby a

iných odvetví s použitím druhej sady kontrol. Odhady vplyvu na úrovni skupín sú pozitívne pre stredne-

nízku technológiu výroby a negatívne pre nízku technológiu výroby a iných odvetví s oboma sadami

kontrol. Pre vysokú a strednú technológiu výroby, odhad vplyvu získaný pomocou prvej sady kontrol je

pozitívny, ale znamienko vplyvu sa zmení, akonáhle sa berie do úvahy kontrola trendov v období pred

intervenciou. Náklady na generovanie dodatočného eura čistých príjmov nie je možné odhadnúť.





Nízka technológia

výroby -112,030 73 72 0.5277 - -4.69

Stredne-nízka

technológia

výroby

114,931 67 67 0.2520 - 5.36

Vysoká a stredne-

vysoká

technológia

výroby

30,102 26 26 0.8584 - 18.47

Iné -85,907 14 14 0.2657 - -3.66


109


priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)



Vplyv Počet



Nízka technológia

výroby -194,640 73 45 0.2648 - -2.70

Stredne-nízka

technológia výroby 175,427 67 54 0.0352 ** 3.51

Vysoká a stredne-


výroby

-97,810 26 21 0.5310 - -5.69

Iné -87,368 14 12 0.0440 ** -3.60



priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)




110






vplyvov na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhad vplyvu, ktorý sa získal

pomocou druhej sady kontrol je pre mikro podniky významný na 10% hladine významnosti. Odhady

vplyvu na úrovni skupín sú pozitívne pre všetky veľkostné kategórie s oboma sadami kontrol.

Odhadované náklady na zvýšenie zamestnanosti o jedno pracovné miesto na plný pracovný úväzok sú

na úrovni 361 803,82 EUR a 295 798,68 EUR.


skupina: nezúčastnené podniky, kontrolná sada X1)



Mikro 1.3 32 24 0.1435 - 364,706.42

Malé 0.6 94 87 0.8069 - 757,913.84

Stredné 3.9 46 42 0.7353 - 124,323.64

Veľké - - - - - -

Vážený



podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontorlná sada X1)


skupina: nezúčastnené podniky, kontorlná sada X2)



Mikro 1.6 32 16 0.0958 * 285,348.77

Malé 1.0 94 87 0.6669 - 442,334.59

Stredné 4.1 46 34 0.7339 - 117,010.72

Veľké - - - - - -

111

Vážený



podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)

Podľa primysleného odvetvia

Odhadované priemerné vplyvy na FTE sú pozitívne. Odhad priemerného vplyvu získaného pomocou

prvej sady kontrol je malý, ale odhad získaný pomocou druhej sady kontrol je značný a je na úrovni 0,34

a 1,39 FTE. Odhady vplyvu na úrovni skupín dosiahnuté pomocou prvej sady kontrol sú pre nízku

technologickú výrobu, vysokú a strednú technologickú výrobu významné na 5% hladine významnosti,

ale znamienko sa zmení, akonáhle sa budú brať do úvahy kontroly trendov v období pred intervenciou.

Odhady vplyvov na úrovni skupín sú pozitívne pre nízku a stredne-nízku technológiu výroby s oboma

sadami kontrol. Náklady na zvýšenie zamestnanosti o jedno pracovné miesto na plný pracovný úväzok

sa odhadujú na úrovni 1 620 0603,82 EUR a 394 382,74 EUR.





Nízka technológia

výroby 4,81 73 66 0.0056 *** 109,376.27

Stredne-nízka

technológia výroby 0.44 67 62 0.8149 - 1,394,539.59

Vysoká a stredne-


výroby

-14.70 26 22 0.0007 *** -37,825.04

Iné 4.47 14 11 0.0135 ** 70,291.02

Vážený priemer 0.34 Jednokové náklady (EUR) 1,620,060.82

112





Vplyv Počet



Nízka technológia

výroby 2.85 73 43 0.5116 - 184,354.23

Stredne-nízka

technológia výroby 5.79 67 54 0.3361 - 106,507.78

Vysoká a stredne-


výroby

-13.87 26 20 0.1838 - -40,094.50

Iné 1.04 14 11 0.8666 - 30,175.52

Vážený priemer 1.39 Jednotkevé náklady (EUR) 394,382.74






113



4.2.4 Čistý finančný vplyv na štátny rozpočet

Odhad nákladov na realizáciu

Náklady sú odhadnuté na základe celkových dotácií pre 232 podporených podnikov vo výške

140,479,791 EUR (pozri v časti 4.1.2).

Odhad nákladov vychádza z nasledujúcich predpokladov:

■ Štátna pomoc je na úrovni 15% z celkového počtu dotácií, zatiaľčo zvyšných 85% je

financovaný z prostriedkov EÚ,

■ Len štátna pomoc je účtovaná na strane nákladovej analýzy,

■ Podporené podniky získali rovnaký podiel z podpory medzi prvou a poslednou platbou v rámci

jednotlivých rokov,

■ Podniky, ktoré získali podporu ale ešte nedokončili projekt, sú do analýzy zahrnuté tiež,

■ Podniky, ktoré dostali podporu z iných zdrojov, sú tiež zahrnuté do analýzy,

■ Štátne dotácie sa vyskytujú v rozpočte na strane nákladov okamžite v roku prvej a poslednej

platby (bez oneskorenia v účtovníctve),

■ Náklady sú kalkulované pri rovnomernom rozložení v priebehu obdobia intervencie (tu neboli

žiadne informácie o rozložení nákladov v priebehu času, pozriTabuľka 68),

■ Nie sú žiadne ďalšie náklady, ktoré by vznikli po dobu vykonávania intervencie.

Tabuľka 67: Podpora podľa prvého a posledného roku platieb (EUR)

Rok platieb

Riadky: Prvý rok

Stĺpce: Posledný rok

2009 2010 2011 2012 Celkovo

2009 3,226,783 4,090,070 75,466 2,983,700 10,376,019

2010 15,634,476 15,890,610 3,545,666 35,070,752

2011 34,650,377 19531661 54,182,038

2012 40,850,982 40,850,982

Celkovo 3,226,783 19,724,546 50,616,453 66,912,009 140,479,791

Tabuľka 68: Použité váhy pri rozdelení nákladov medu jednotlivými rokmi

Náklady

účtované

do…

Prvé a posledné roky platieb

2009

-

2009

2009

-

2010

2009

-

2011

2009

-

2012

2010

-

2010

2010

-

2011

2010

-

2012

2011

-

2011

2011

-

2012

2012

-

2012

2009 1 0.5 0.333 0.25 0 0 0 0 0 0

2010 0 0.5 0.333 0.25 1 0.5 0.333 0 0 0

2011 0 0 0.333 0.25 0 0.5 0.333 1 0.5 0

2012 0 0 0 0.25 0 0 0.333 0 0.5 1

Celkovo 1 1 1 1 1 1 1 1 1 1

114

Tabuľka 69: Odhadované náklady na Slovenský rozpočet (EUR)

Rok Celková dotácia

Podpora zo Slovenska

(15% z celkovej

dotácie)

2009 6,042,898 906,435

2010 27,577,785 4,136,668

2011 54,314,482 8,147,172

2012 52,544,626 7,881,694

Celkovo 140,479,791 21,071,969

Odhad prínosov vďaka implementácii intervencie

Viaceré vplyvy boli odhadnuté pomocou niekoľkých metód pre čistú pridanú hodnotu, čisté príjmy a

počet pracovných miest na plný pracovný úväzok. Priemery boli vypočítané pomocou metód na získanie

vplyvu pre každú výstupnú premennú.

Priemery boli vypočítané z odhadov na základe zamietnutých žiadateľov, ako najvhodnejšej

porovnávacej skupiny. Boli použité nasledujúce metódy (pozri časť 4.2.1.):

■ Metóda 1 (M1) – Dynamické štatistické párovanie s pomocou metódy DD

■ Motóda 2 (M2) – Dynamické štatistické párovanie s ponocou metódy DDD

■ Metóda 3 (M3) – Dybaniské štatistické párovanie s pomocou viacnásobnej regresiea

a metódou DD (s kontrolnými sadami X1 a X2)

Vzhľadom k tomu boli odhadované vplyvy celkovo volatilné a štatisticky nevýznamné. Preto je

interpretácia skutočných efektov veľmi náročná. S cieľom štruktúrovať naše odhady, boli zadefinované

tri scenáre. Najpriaznivejšia interpretácia je v rámci scenára „najlepší prípad“, zatiaľčo „najhorší prípad“

máopačný extrémny výsledok. „Neutrálny prípad“ reprezentuje potenciálne najpresnejší odhad

skutočných vplyvov.

Náš predpoklad bol založený na prípade, že ak boli negatívne priemery celej metódy, tak vplyv bol

považovaný za nulový. To nie je ale prípad FTE, ktorý môže byť negatívny v oboch scenároch a aj v

neutrálnom scenári. Nasledujúca tabuľka uvádza tri scenáre s týmito predpokladmi.

Tabuľka 70: Predpoklady týchto troch scenárov

Predpoklady Predpoklad najlepšieho

scenára

Predpoklad najhoršieho

scenára

Predpoklad neutrálneho

scenára

Vplyv na NVA pozitívne alebo nulové pozitívne alebo nulové pozitívne alebo nulové

Vplyv na FTE pozitívne alebo nulové pozitívne alebo negatívne pozitívne alebo negatívne

Počítanie s

priemernými ….

horná hranica na 95%

interval spoľahlivosti spodná hranica na 95%

interval spoľahlivosti

očakávané hodnoty (stred

intervalu spoľahlivosti)

Priemery s rovnakými váhami boli prepočítané do tried/vrstiev (napríklad priemer odhadov vplyvu na

malé podniky naprieč rôznymi metódami). Priemerné váhy z vypočítaných tried/vrstiev, ktoré boli

vypočítané s celkovými váhami podporených podnikov v danej triede/vrstve, poskytujú odhad pre

115

celkový vplyv na každú stratifikáciu (napríklad stratifikácia podľa veľkosti podniku alebo regiónu NUTS

2).

Tabuľka 71: Priemerné odhady vplyvu na čistú pridanú hodnotu pre tri scenáre podľa veľkosti podniku

(EUR)

Vplyv na NVA,

stratifikácia podľa

veľkosti podniku Mikro Malé Stredné Veľké Priemer

Najlepší scenár 127,124 715,176 532,519 2,898,850 127,124

Najhorší scenár 0 0 0 0 0

Neutrálny scenár 18,542 345,140 67,361 0 18,542

Počet pozorovaní 33 97 67 13

Tabuľka 72: Priemerné odhady vplyvu na čistú pridanú hodnotu pre tri scenáre podľa priemyselného

odvetvia (EUR)

Vplyv na NVA,

stratifikácia podľa

priemyselného

odvetvia

Nízka-

technológia

výroby

Stredne-nízka-

technológia

výroby

Vysoká a stredne-

vysoká-technológia

výroby

Iné Priemer

Najlepší scenár 332,738 1,095,265 731,195 545,851 691,316

Najhorší scenár 0 0 0 0 0

Neutrálny scenár 0 522,162 0 0 191,459


Tabuľka 73: Priemerné odhady vplyvu na čistú pridanú hodnotu pre tri scenáre podľa regiónu NUTS 2

(EUR)

Vplyv na NVA,

stratifikácia podľa regiónu NUTS 2

Stredné

Slovensko Západné Slovensko Východné Slovensko Priemer

Najlepší scenár 487,134 1,203,505 342,854 693,561

Najhorší scenár 0 0 0 0

Neutrálny scenár 38,778 485,382 0 182,577

Počet pozorovaní 75 73 62

Tabuľka 74: Priemerné odhady vplyvu na FTE pre tri scenáre podľa veľkosti podniku

Vplyv na FTE, stratifikácia

podľa veľkosti podniku Mikro Malé Stredné Veľké Priemer

Najlepší scenár 3.20 3.92 24.59 136.13 18.58

Najhorší scenár -1.38 -5.47 -16.90 -154.18 -17.68

Neutrálny scenár 0.91 -0.78 3.85 -9.03 0.45


116

Tabuľka 75: Priemerné odhady vplyvu na FTE pre tri scenáre podľa priemyselného odvetvia

Vplyv na FTE,

stratifikácia

podľapriemyselnéh

o odvetvia

Nízka-technológia

výroby

Stredne-nízka-

technológia výroby

Vysoká a stredne-

vysoká-technológia

výroby

Iné Priemer

Najlepší scenár 19.72 15.09 27.26 22.58 19.42

Najhorší scenár -11.35 -13.14 -52.04 -14.32 -18.46

Neutrálny scenár 4.18 0.97 -12.39 4.13 0.48


Tabuľka 76: Priemerné odhady vplyvu na FTE pre tri scenáre podľa regiónu NUTS 2

Vplyv na FTE,

stratifikácia podľa regiónu NUTS 2

Stredné

Slovensko Západné Slovensko Východné Slovensko Priemer

Najlepší scenár 15.96 16.82 19.73 17.37

Najhorší scenár -16.94 -18.53 -12.17 -16.08

Neutrálny scenár -0.49 -0.85 3.78 0.64

Počet pozorovaní 75 73 62

Vyššie popísaná metóda bola aplikovaná pomocou intervalov spoľahlivosti (neutrálny prípad), na

maximálnych hodnotách na 95% hladine významnosti (najlepší scenár) a na minimálnych hodnotách na

95% hladine významnosti (najhorší scenár). Výsledky boli transformované pomocou predpokladov

jednotlivých scenárov (pozriTabuľka 70). Tabuľky nižšie znázorňujú priemerné odhady vplyvu na NVA v

rôznych scenároch.

Celkové odhady vplyvov pomocou rôznych stratifikácií boli spriemerované, aby poskytli konečné

predpokladané vplyvy.

Tabuľka 77: Vplyv na čistú pridanú hodnotu podľa metódy stratifikácie (EUR)

Priemerný vplyv na

NVA Veľkosť Priemyselné odvetvie Región NUTS 2 Priemer

Najlepší scenár 694,850 691,316 693,561 693,242

Najhorší scenár 0 0 0 0

Neutrálny scenár 183,827 191,459 182,577 185.955

Tabuľka 78: Vplyv FTE podľa metódy stratifikácie (EUR)

Vplyv na FTE podľa

metódy stratifikácie Veľkosť Priemyselné odvetvie Región NUTS 2 Priemer

Najlepší scenár 18.46 19.42 17.37 18.41

Najhorší scenár -17.41 -18.46 -16.08 -17.32

Neutrálny scenár 0.52 0.48 0.64 0.55

Ďalším dôležitým faktorom pre odhad vplyvu je identifikácia najdôležitejších prvkov finančného rozpočtu

Slovenskej republiky, ktoré môžu byť ovplyvnené pri vykonávaní intervencie. Informácie o Slovenskom

daňovom systéme boli poskytnuté za roky 2010-2014 v nižšie uvedenej tabuľke.

117

Tabuľka 79: Daňové sadzby v Slovenskej republike

Rok Daň z príjmov (zamestnanec)

Daň z príjmov (spoločnosť)

Zdravotné

poistenie

(zamest.)

Zdravotné

poistenie

(spol.)

Poistenie

v nezam.

Sociálne

poistenie

(zamestnanec)

Sociálne

poistenie

(spol.)

Daň z

pridanej

hodnoty

2010 19% 19% 4% 10% 1% 9,4% 25,2% 19%

2011 19% 19% 4% 10% 1% 9,4% 25,2% 20%

2012 19% 19% 4% 10% 1% 9,4% 25,2% 20%

2013 19% 25% 4% 10% 1% 9,4% 25,2% 20%

2014 19% 25% 4% 10% 1% 9,4% 25,2% 20%

Mzdy a podpora v nezamestnanosti sa môže líšiť v rámci unikátnych pozorovaní, preto bola priemerná

hrubá mzda a priemerná podpora v nezamestnanosti použitá ako očakávaná hodnota týchto

premenných. Pre výpočet čistej súčasnej hodnoty, bola použitá inflácia (na základe indexov

spotrebiteľských cien) a úrokové sadzby v dĺžke jedného roka dlhopisov. Predpoklad druhých

premenných je taký, že alternatívne náklady na podporu/intervenciu znížia rozpočtový deficit. Z toho

teda vyplýva, že úrokové sadzby štátnych dlhopisov sú vhodné pre tento výpočet.

Tabuľka 80: Priemerné mzdy, podpora v nezamestnanosti, inflácia a úrokové sadzby v Slovenskej

republike

Rok Priemerná hrubá

mzda (EUR)

Priemerná podpora

v nezamestnanosti

(EUR)

Inflácia (na

základe CPI)

Úrokové sadzby za jeden rok

Slovenských štátnych

dlhopisov (priemer)

2009 744,5 248 1,60% 3,47%

2010 769 257 1,0% 3,2%

2011 786 289 3,9% 9,2%

2012 805 312 3,6% 3,1%

2013 824 321 1,4% 1,7%

2014 858 332 -0,1% 1,4%

Prognózy tiež odhadovali efekt podopatrenia 1.1.1 v blízkej budúcnosti. Vzhľadom k informačným

obmedzeniam boli vykonané nasledujúce predpoklady:

■ Prvé financované investície a vplyvy podpory boli realizované alebo sa prejavili do jedného

roka po získaní poslednej platby v roku,

■ Vplyv pomoci trvá po dobu 5 rokov od roku, kedy bola prijatá posledná platba,

■ Vypočítané priemerné vplyvy na NVA a FTE boli použité na odhad rozpočtových efektov za

jednotlivé podniky,

■ Rast HDP na Slovensku po roku 2014 je projektovaný ako nárast o 2,5% za každý rok,

■ Po roku 2014 cenová a mzdová hladina zostáva rovnaká.

118

Tabuľka 81: Počet podnikov, ktoré sa berú do úvahy pri analyse nákladov a prínosov

Rok

Počet podnikov

s realizovanými

projektmi26

Kumulatívny počet

podnikov, ktoré majú

vplyv na štátný rozpočet27

2008 Žiadne podniky v tomto období nerealizujú projekty

2009 16 0

2010 59 16

2011 75 75

2012 60 150

2013 0 210

2014 0 210

2015 0 194

2016 0 135

2017 0 60

2018 Koniec udržateľnosti projektov pre všetky obdobia

Výsledky

V tejto sekcii sú prezentované analýzy nákladov a prínosov. Rôzne typy podpory alebo dodatočných

nákladov pre rozpočet, sú prezentované pre každý scenár. Pre ľahšiu porovnateľnosť sú uvádzané

súhrnné tabuľky a grafy, ktoré preukazujú čisté vplyvy na rozpočet za každý rok ako v eurách, tak aj v

percentách bežného HDP. Nasledujúce kladné hodnoty v tabuľkách ukazujú pozitívny vplyv na rozpočet

pre každú položku. V grafoch predstavujú bodkovanéčiary hranice predpokladaného obdobia.

Odhady boli pridané na základečistej súčasnej hodnoty rozpočtového vplyvu v rámci jednotlivých

scenárov. Tento odhad ukazuje celkový vplyv na štátny rozpočet za všetky roky medzi období 2009 až

2018. Inflácia je založená na CPI, zatiaľčo úrokové sadzby sú založené na jednoročných štátnych

dlhopisoch.

Najlepší scenár

V najlepšom scenári by odhadovaný priemerný nárast v počte zamestnancov dosahoval prírastok 18,41,

zatiaľčo suma 693 242 EUR by predstavovala prírastok na čistú pridanú hodnotu. Ako čistá pridaná

hodnota, tak aj zamestnanosť sa zvýšila medzi rokmi 2010 až 2017 (prognóza). Po roku 2014 vplyv klesá

v súlade s predpokladom, že priamy účinok intervencie trvá po dobu 5 rokov, ale zároveň je stále

pozitívny.

Ako znázorňujú obrázky 71 and 72 v rokoch 2009 a 2010 nastal mierne negatívny vplyv, pretože podniky

mali v tomto období zvýšené náklady, ale pozitívny vplyv nastal po prvom roku realizácie. Tento čistý

efekt tlačil na pozitívnu hodnotu a to až od roku 2011. Pozitívny efekt súvisí predovšetkým s daňou z

pridanej hodnoty. Zatiaľ čo čisté rozpočtové vplyvy na úrovni 5 000 000 EUR možno pripísať k

zvýšenému počtu zamestnancov.28

26 tzv. počet podnikov, ktoré ukončili svoje projekty v predchádzajúcom roku.

27 za predpokladu, že platí päťročné obdobie dlhodobej udržateľnosti pre každý podnik.

28 Vypočítané na základe dávok a daní uvedených v Tabuľka 79

119

Tabuľka 82: Odhadovaný vplyv na štátny rozpočet s výnimkou štátnej podpory – najlepší scenár (EUR)

Rok Vplyv na

NVA

Vplyv

na

FTE

Daň z

príjmu Podpora v

nezam.

Poistenie v

nezam.

Zdravotné

poistenie

Sociálne

poistenie

Daň z pridanej hodnoty


2010 11,091,875 295 86,098 75,721 2,266 31,720 78,394 2,107,456

2011 51,993,166 1,381 412,506 399,137 10,855 151,976 375,597 10,398,633

2012 103,986,331 2,762 844,955 861,804 22,236 311,299 769,353 20,797,266

2013 145,580,864 3,867 1,402,045 1,241,329 31,865 446,105 1,102,517 29,116,173

2014 145,580,864 3,867 1,459,896 1,283,867 33,179 464,512 1,148,009 29,116,173

2015 134,488,988 3,572 1,348,666 1,186,049 30,651 429,121 1,148,009 26,897,798

2016 93,587,698 2,486 938,505 825,343 21,330 298,615 1,060,542 18,717,540

2017 41,594,532 1,105 417,113 366,819 9,480 132,718 738,006 8,318,906


Obrázok 71: Celkový vplyv na rozpočet – najlepší scenár (v ľavo - v mil. EUR, v pravo – v percentách

súčasného HDP)

120

Tabuľka 83: Najlepší scenár, odhad čistého vplyvu na rozpočet v súčasnej hodnote29

(EUR)

Rok

Prebytok

rozpočtu (bežný

rok)

Dotácie

Náklady na

Slovensku (bežný

rok)

Čistý vplyv na

rozpočet (bežný rok)

Čistý vplyv na

rozpočet (Súčasná

hodnota v roku 2015)

2009 0 6,042,898 906,435 -906,435 -1,005,020

2010 2,381,656 27,577,785 4,136,668 -1,755,012 -1,910,722

2011 11,748,704 54,314,482 8,147,172 3,601,532 3,835,995

2012 23,606,913 52,544,626 7,881,694 15,725,219 15,937,498

2013 33,340,034 0 0 33,340,034 33,944,092

2014 33,505,637 0 0 33,505,637 34,008,725

2015 31,040,294 0 0 31,040,294 31,040,294

2016 21,861,874 0 0 21,861,874 21,861,874

2017 9,983,042 0 0 9,983,042 9,983,042

Najlepší scenár, odhad čistého vplyvu na rozpočet v roku 2015 (EUR) 147,695,778

Tabuľka 84: Najlepší scenár, odhad priemerného hrubého vplyvu na rozpočet na podnikovej úrovni

(EUR)30

Daň z

prijmu Podpora

v nezam.

Poistenie

v nezam.

Zdravotné

poistenie

Sociálne

poistenie DPH

SUM

prínosov

Diskontný

faktor

Čistá súčasná hodnota (2015)

2010 5,381 4,733 142 4,900 4,900 131,716 151,771 1.0887 165,236

2011 5,500 5,322 145 5,008 5,008 138,648 159,631 1.0651 170,023

2012 5,633 5,745 148 5,129 5,129 138,648 160,433 1.0135 162,599

2013 6,676 5,911 152 5,250 5,250 138,648 161,888 1.0181 164,821

2014 6,952 6,114 158 5,467 5,467 138,648 162,805 1.0150 165,250

Celkovo 827,929

Najhorší scenár

V najhoršom scenári by bol odhadovaný pokles zamestnancov na úrovni 17,32 na podnik, keď budeme

predpokladať nulový vplyv čistej pridanej hodnoty, pričom odhad by bol negatívny. To má za následok

negatívne čisté finančné prostriedky na štátny rozpočet, keďže oba efekty intervencie a nepriaznivé

podmienky na trhu práce tlačia náklady smerom na hor. Čistý efekt má spodnú hranicu okolo -10 000

000 EUR, ktorá sa ale do roku 2013 zlepší na úroveň -4 000 000 EUR. Následne každým rokom

konverguje k nule.

29Čistý vplyv na rozpočet je vypočítaný s použitím miery inflácie a úrokovej sadzby jednoročných štátnych dlhopisov

obsiahnutých v Error! Reference source not found..

30 Priemerná podpora na podnik mala hodnotu 605 513 EUR

121

Tabuľka 85: Odhadovaný vplyv na štátny rozpočet s výnimkou štátnej podpory – najhorší scenár (EUR)

Rok Vplyv na

NVA

Vplyv

na

FTE

Daň z

príjmu

Podpora v

nezam.

Poistenie v

nezam.

Zdravotné

poistenie

Sociálne

poistenie



2010 0 -277 -80,969 -71,210 -2,131 -29,831 -73,725 0

2011 0 -1,299 -387,933 -375,360 -10,209 -142,923 -353,223 0

2012 0 -2,598 -794,621 -810,467 -20,911 -292,755 -723,524 0

2013 0 -3,637 -1,318,526 -1,167,384 -29,966 -419,531 -1,036,841 0

2014 0 -3,637 -1,372,931 -1,207,388 -31,203 -436,842 -1,079,623 0

2015 0 -3,360 -1,268,327 -1,115,396 -28,826 -403,559 -1,079,623 0

2016 0 -2,338 -882,598 -776,178 -20,059 -280,827 -997,366 0

2017 0 -1,039 -392,266 -344,968 -8,915 -124,812 -694,043 0


Obrázok 72: Celkový vplyv na rozpočet – najhorší scenár (v ľavo - v mil. EUR, v pravo – v percentách

súčasného HDP)

122

Tabuľka 86: Najhorší scenár, odhad čistého vplyvu na rozpočet v súčasnej hodnote31

(EUR)

Rok

Prebytok

rozpočtu (bežný

rok)

Dotácie

Náklady na

Slovensku (bežný

rok)

Čistý vplyv na


Čistý vplyv na



2009 0 6,042,898 906,435 -906,435 -1,005,020

2010 -257,865 27,577,785 4,136,668 -4,394,533 -4,784,429

2011 -1,269,648 54,314,482 8,147,172 -9,416,821 -10,029,864

2012 -2,642,278 52,544,626 7,881,694 -10,523,972 -10,666,038

2013 -3,972,248 0 0 -3,972,248 -4,044,218

2014 -4,127,987 0 0 -4,127,987 -4,189,968

2015 -3,895,730 0 0 -3,895,730 -3,895,730

2016 -2,957,028 0 0 -2,957,028 -2,957,028

2017 -1,565,004 0 0 -1,565,004 -1,565,004

Najhorší scenár, odhad čistého vplyvu na rozpočet v roku 2015 (EUR) -43,137,300

Tabuľka 87: Najhorší scenár, odhad priemerného hrubého vplyvu na rozpočet na podnikovej úrovni

(EUR)32

Daň z

príjmu

Podpor

a v

nezam.

Poistenie

v nezam.

Zdravotné

poistenie

Sociálne

poistenie DPH

SUM

prínosov

Diskontn

ý faktor

Čistá súčasná hodnota (2015)

2010 -5,061 -4,451 -133 -4,608 -4,608 0 -18,860 1.0887 -20,533

2011 -5,172 -5,005 -136 -4,710 -4,710 0 -19,733 1.0651 -21,017

2012 -5,297 -5,403 -139 -4,823 -4,823 0 -20,487 1.0135 -20,764

2013 -6,279 -5,559 -143 -4,937 -4,937 0 -21,855 1.0181 -22,251

2014 -6,538 -5,749 -149 -5,141 -5,141 0 -22,718 1.0150 -23,059

Celkovo -107,624

Neutrálny scenár

Neutrálny scenár je najspoľahlivejší scenár medzi ilustrovanými scenármi. V tomto prípade je priemerný

vplyv intervencie v rámci pridanej čistej hodnoty považovaný na úrovni 185 955 EUR na podnik a pre

FTE je na úrovni 0,55 (prac. miesta) na podnik. Zvyšné množstvo NVA má za následok pozitívnečisté

finančné dôsledky na rozpočet od roku 2013, ktoré trvajú do konca predpokladaných 5 rokov vplyvu

intervencie.


obsiahnutých v Error! Reference source not found.79.


123

Tabuľka 88: Odhadovaný vplyv na rozpočet s výnimkou štátnej podpory – neutrálny scenár (EUR)

Rok Vplyv na

NVA

Vplyv

na

FTE

Daň z

príjmu

Podpora v

nezam.

Poistenie v

nezam.

Zdravotné

poistenie

Sociálne

poistenie


2009 0 0 0 0 0 0 0 0

2010 2,975,273 9 2,564 2,255 67 945 2,335 565,302

2011 13,946,593 41 12,286 11,888 323 4,527 11,187 2,789,319

2012 27,893,186 82 25,167 25,669 662 9,272 22,915 5,578,637

2013 39,050,460 115 41,759 36,973 949 13,287 32,838 7,810,092

2014 39,050,460 115 43,483 38,240 988 13,835 34,193 7,810,092

2015 36,075,187 106 40,170 35,326 913 12,781 34,193 7,215,037

2016 25,103,867 74 27,953 24,583 635 8,894 31,588 5,020,773

2017 11,157,274 33 12,424 10,926 282 3,953 21,981 2,231,455

2018 0 0 0 0 0 0 0 0

Obrázok 73: Celkový vplyv na rozpočet – neutrálny scenár (v ľavo - v mil. EUR, v pravo – v percentách

súčasného HDP)

124

Tabuľka 89: Neutrálny scenár, odhad čistého vplyvu na rozpočet v súčasnej hodnote33

(EUR)

Rok

Prebytok

rozpočtu (bežný

rok)

Dotácie

Náklady na

Slovensku (bežný

rok)

Čistý vplyv na


Čistý vplyv na



2009 0 6,042,898 906,435 -906,435 -1,005,020

2010 573,469 27,577,785 4,136,668 -3,563,199 -3,879,336

2011 2,829,530 54,314,482 8,147,172 -5,317,642 -5,663,825

2012 5,662,322 52,544,626 7,881,694 -2,219,372 -2,249,332

2013 7,935,898 0 0 7,935,898 8,079,682

2014 7,940,831 0 0 7,940,831 8,060,063

2015 7,338,420 0 0 7,338,420 7,338,420

2016 5,114,426 0 0 5,114,426 5,114,426

2017 2,281,021 0 0 2,281,021 2,281,021

Najhorší scenár, odhad čistého vplyvu na rozpočet v roku 2015 (EUR) 18,076,098

Tabuľka 90: Neutrálny scenár, odhad priemerného hrubého vplyvu na rozpočet na podnikovej úrovni

(EUR)34

Rok

Vplyv

na

NVA

Vplyv

na FTE

Daň z

prijmu

Podpora

v nezam.

Poistenie

v nezam.

Zdravotné

poistenie

Sociálne

poistenie


Rok

2010 160 141 4 146 146 35,331 35,929 1.0887 39,116

2011 164 159 4 149 149 37,191 37,816 1.0651 40,278

2012 168 171 4 153 153 37,191 37,840 1.0135 38,351

2013 199 176 5 156 156 37,191 37,883 1.0181 38,569

2014 207 182 5 163 163 37,191 37,910 1.0150 38,480

Celkovo 194,794

Porovnanie výsledkov z rôznych scenárov

Pre eliminovanie volatility v našich predchádzajúcich odhadoch, sú tri scenáre prezentované pre

poskytnutie radu medzi odhadovaným najlepším a najhorším prípadom (scenárom). Uprostred bol

zadefinovaný neutrálny scenár. Nasledujúce grafy ukazujú rozdiel medzi výsledkami troch scenárov na

úrovni jednotlivých skupín. S ohľadom na vyššie uvedené predpoklady všeobecne platí, že najhorší

scenár má nižšiu absolútnu hodnotu, ako najlepší scenár. Neutrálny scenár sa zdá byť zväčša pozitívny.

Rovnaký trend je vidieť aj u jednotlivých podnikov


obsiahnutých v Error! Reference source not found..


125


HDP)

Tabuľka 91: Odhad priemerného čistého vplyvu na rozpočet na podnikovej úrovni v troch scenároch

(EUR)35

Najlepší scenár

Najhorší scenár

Neutrálny scenár

Hrubý vplyv 827,929 -107,624 194,794

Čistý vplyv na úrovni

EU 222,413 -713,140 -410,723

Čistý vplyv na štátnej

úrovni 737,102 -198,451 103,966

4.3 Zhrnutie výsledkov CIE

Nasledujúce výsledky sú založené na vykonanej analýze s použitím štyroch metód odhadu, dvoch

porovnávacích skupín, čo znamenalo, že zbehjlo viac ako 1 000 regresií. 167 podnikov bolo zahrnutých

do podporenej skupiny, 455 podnikov bolo v zamietnutej skupine a 284 podnikov sa nahcádzalo v

skupine nezúčastnených podnikov.

Táto časť zahŕňa výsledky získané s použitím vyššie spomenutého odhadu vplyvu a metódy stratifikácie.

Väčšina našich odhadov vplyvu je štatisticky nevýznamná, teda v takých prípadoch, keď je rozptyl

odhadov vyšiel veľmi vysoký, a preto je potrebné starostlivo zvážiť závery ohľadom odhadu vplyvu

intervencie.V tomto prípade, závery o skutočných vplyvoch programu možno vykonať porovnaním

odhadov vplyvu získaných z rôznych odhadov a metód stratifikácie. V celej tejto kapitole je našim

hlavným predpokladom to, že štatistická nízka významnosť našich výsledkov je spôsobená nízkou

veľkosťou vzorky. Ako je uvedené v kapitole 4.1, počet podporených a zamietnutých podnikov je presne

daný a jediný možný spôsob ako zvýšiť štatistickú významnosť výsledkov je použiť stratifikovaný výber

s nezúčastnenými podnikmi a vybrať čo možno najväčšiu vzorku. Ale ani tu nie je zaručené, že sa

následne zlepší štatistická významnosť výsledkov, pretože počet podporených firiem ostane bez

zmeny. Je dôležité poznamenať, že keď všetky odhady vykazujú rovnaký trend a rozptyl nie je veľký,

tak niektoré závery môžu byť vytvorené aspoň o smerovaní vplyvu.

35Čisté vplyvy boli vypočítané na základe priemernej podpory na jeden podnik poskutnutej štátom (90 827 EUR) a zo strany EU

(605 516 EUR)

126

Pri posudzovaní odhadu vplyvu sa uplatňovali tieto pravidlá:

■ Ak sú všetky odhady vplyvu pozitívne, vplyv je považovaný za pozitívny,

■ Ak sú štyri alebo päť odhadov vplyvu pozitívne, vplyv je považovaný za pravdepodobne

pozitívny,

■ Ak sú dva alebo tri odhady vplyvu pozitívne, vplyv je považovaný ako nulový,

■ Ak sú menej ako dva odhady vplyvu kladné, potom sa smer vplyvu nedá určiť a odhady sú

považované za nepresvedčivé

Vzhľadom na nedostupnosť geografickej polohy podnikov v skupine nezúčastnených podnikov, odhady

získané pre regióny NUTS 2 sú hodnotené na základe týchto pravidiel:

■ Ak sú všetky štyri odhady pozitívne, vplyv je považovaný za pozitívny,

■ Ak tri odhady vplyvu zo štyroch sú pozitívne, vplyv je považovaný za pravdepodobne

pozitívny,

■ Ak sú dva odhady dopadov pozitívne (a dva sú negatívne), vplyv je považovaný za nulový,

■ Ak sú menej ako dva odhady vplyvu kladné, potom sa smer vplyvu nedá určiť a odahdy sa

považujú za nepresvedčivé

Ak je zmena odhadov vplyvu nízka a vplyv je pozitívny, spravíme posúdenie, či vplyv je nízky, stredný

alebo vysoký.

Štatisticky významné výsledky sú v tabuľkách označené hviezdičkou. Pod *** rozumieme významnosť odhadu na 1% hladine významnosti, ** na 5% hladine významnosti a * na 10% hladine významnosti.

Väčšina odhadovaných vplyvov je významná v prípade čistej pridanej hodnoty pre malé podniky a čistej

pridanej hodnoty pre podniky pôsobiace v strednej a nízkej technologickej náročnosti výroby36

.Vzhľadom

k tomu sa tieto podniky (a ich výsledky) ukázali významné aj napriek malej veľkosti vzorky, čo

predstavuje silný dôkaz o intervenčnom vplyve v týchto kategóriách. Niektoré odhady vplyvu sú

štatisticky významné pre:

■ Čistá pridaná hodnota pre mikro podniky

■ Čisté príjmy pre malé podniky

■ Čistá pridaná hodnota pre podniky, ktoré pôsobia v kategórii strednej a nízkej technologickej

náročnosti výroby37

■ Zamestnanosť v prípade mikro podnikov

■ Zamestnanosť v prípade podnikov, ktoré pôsobia v nízkej technologickej náročnosti výroby

36 Pod kategóriu Stredná a nižšia technologická náročnosť výroby sa rozumejú podniky, ktoré patria podľa NACE 2 do: 18.2

Reprodukcia záznamových médií; 19 Výroba koksu a rafinovaných ropných produktov; 22 Výroba výrobkov z gumy a plastu; 23

Výroba ostatných nekovových minerálnych výrobkov; 24 Výroba a spracovanie kovov; 25 Výroba kovových konštrukcií, okrem

strojov a zariadení (25.1 Výroba kovových konštrukcií; 25.2 Výroba nádrží, zásobníkov a kontajnerov z kovu; 25.3 Výroba parných

kotlov, okrem kotlov ústredného kúrenia; 25.5 Kovanie, lisovanie, razenie a valcovanie kovov; prášková metalurgia; 25.6

Opracovanie a povrchová úprava kovov; obrábanie; 25.7 Výroba nožiarskych výrobkov, náradia a železiarskeho tovaru; 25.9

Výroba ostatných kovových výrobkov).

37 Pod kategóriu Nízka technologická náročnosť výroby sa rozumejú podniky, ktoré patria podľa NACE 2 do: 10 Výroba potravín;

11 Výroba nápojov; 12 Výroba tabakových výrobkov; 13 Výroba textile; 14 Výroba odevov; 15 Výroba kože a kožených výrobkov;

16 Spracovanie dreva a výroba výrobkov z dreva a korku okrem nábytku; výroba predmetov zo slamy a prúteného materiálu; 17

Výroba papiera a papierových výrobkov; 18 Tlač a reprodukcia záznamových médií (18.1 Tlač a služby súvisiace s tlačou); 31

Výroba nábytku; 32 Iná výroba (32.1 Výroba šperkov, bižutérie a podobných predmetov; 32.2 Výroba hudobných nástrojov; 32.3

Výroba športových potrieb; 32.4 Výroba hier a hračiek; 32.9 Výroba i.n.)

127

Výsledky

Nasledujúca tabuľka obsahuje výsledky hodnotené podľa pravidiel stanovených v predchádzajúcej časti.

Výsledky ukazujú nasledujúce vplyvy programu:

■ V priemere, programový efekt na čistej pridanej hodnote je pozitívny.Čistá pridaná

hodnota sa zvýšila v malých a stredných podnikov a podnikov pôsobiacich v sektore stredne-

nízkej technológie výroby a podnikoch na západe Slovenska. Väčšina odhadov, pokiaľ ide o

mále podniky, ktoré pôsobia na západnom Slovensku je štatisticky významná. Rozptyl

agregovaných vplyvov, ktorý sa týka čistej pridanej hodnoty, je nízky. Je možné teda tvrdiť, že

intervencia viedla k vyššej čistej pridanej hodnote podporených podnikov.

■ V priemere, programový efekt čistého príjmu je nulový.Čisté prijmi sa zvýšil v malých

podnikoch, podnikoch pôsobiacich na západnom Slovensku a podnikoch v strednej anízkej

technologickej náročnosti výroby38

, aj keď najčastejšie odhadované vplyvy sú buď veľmi malé,

alebo rozptyl odhadov je vysoký.

■ V priemere, programový efekt na zamestnanosť je pravdepodobne pozitívny. Podniky

na východnom Slovensku zamestnávajú viacej personálu, ktorý môže byť pripísaný

programovému efektu. Odhady týkajúce sa dopadov na zamestnanosť sú pozitívne na

východnom Slovensku a rozptyl odhadov vplyvu je nízky, avšak odhady vplyvu nie sú

štatisticky významné.

Tabuľka 92: Výsledky Counterfactual impact evaluation39

NVA NR FTE

Smer Veľkosť (tisíc

eur) Smer

Veľkosť (tisíc eur)

Smer Veľkosť (Počet

FTE)

Agregovaný efekt

pozitívny 132.5-228.9 nulový Nulová Pravdepodobne

pozitívny nejednoznačná


Mikro Pravdepodobne


Pravdepodobne pozitívny

nejednoznačná Pravdepodobne


Malé pozitívny 260.8-395.5 pozitívny 14.3-121.9 nulový nulová

Stredné pozitívny 26.6-106.8 nejednoznačný nejednoznačná Pravdepodobne


Veľké nejednoznačný nejednoznačná nejednoznačný nejednoznačná nejednoznačný nejednoznačná


Stredné nulový nulová nulový Nulová nulový nulová

Západné pozitívny 456.1-537.6 pozitívny 54.4-81.4 nejednoznačný nejednoznačná

Východné Pravdepodobne

pozitívny nejednoznačná nejednoznačný nejednoznačná pozitívny 3.8-4.1


38 Pod kategóriu Stredná a nižšia technologická náročnosť výroby sa rozumejú podniky, ktoré patria podľa NACE 2 do: 18.2

Reprodukcia záznamových médií; 19 Výroba koksu a rafinovaných ropných produktov; 22 Výroba výrobkov z gumy a plastu; 23

Výroba ostatných nekovových minerálnych výrobkov; 24 Výroba a spracovanie kovov; 25 Výroba kovových konštrukc ií, okrem

strojov a zariadení (25.1 Výroba kovových konštrukcií; 25.2 Výroba nádrží, zásobníkov a kontajnerov z kovu; 25.3 Výroba parných

kotlov, okrem kotlov ústredného kúrenia; 25.5 Kovanie, lisovanie, razenie a valcovanie kovov; prášková metalurgia; 25.6

Opracovanie a povrchová úprava kovov; obrábanie; 25.7 Výroba nožiarskych výrobkov, náradia a železiarskeho tovaru; 25.9

Výroba ostatných kovových výrobkov).

39Pozorované čísla v kategórii veľkých podnikov a „iné“ sektory sú veľmi nízke, čo často spôsobuje obrovské rozdiely vo

výsledkoch, odhady vplyvu v týchto kategóriách nebudú zvlášť diskutované v sekciách.

128

NVA NR FTE

Nízka technológia výroby

nejednoznačný nejednoznačná nejednoznačný nejednoznačná Pravdepodobne


Stredne-nízka technológia výroby

pozitívny 457.2-619.4 pozitívny 15.5-178.3 Pravdepodobne


Vysoká a stredne vysoká technológia výroby

nejednoznačný nejednoznačná nulový Nulový nejednoznačný nejednoznačná

Iné nejednoznačný nejednoznačná nejednoznačný nejednoznačná nejednoznačný nejednoznačná

Čistá pridaná hodnota

Agregované odhady vplyvu sú všetky pozitívne a ukazujú len malé rozdiely medzi odhadovanými

metódami. Odhadované celkové vplyvy sú v rozmedzí 132 500 EUR a 228 900 EUR. Agregované

vplyvu čistej pridanej hodnoty sú pozitívne.

Tabuľka 93: Agregované odhady vplyvučistej pridanej hodnoty (v tisícoch eur)40

Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG

Stratifikácia M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Veľkosť 224.2 165.1 176.5 182.4 221.1 228.9 165.1 228.9 199.7

Priemysel 188.9 147.8 132.5 157.2 184.8 201.2 132.5 201.2 168.7

NUTS 2 227.4 179.0 162.6 172.7 NA NA 162.6 227.4 185.4

Odhadované náklady na generovanie dodatočného eura čistej pridanej hodnoty sa líšia od 2,4 EUR po

4,1 EUR v rámci odhadov a metód stratifikácie.

Tabuľka 94: Odhadované náklady na generovanie dodatočného eura čistej pridanej hodnoty (EUR)



Veľkosť 2.4 3.3 3.1 3.0 2.6 2.5 2.4 3.3 2.8

Priemysel - 3.7 4.1 3.5 3.0 2.7 2.7 4.1 3.4

NUTS 2 2.4 3.1 3.4 3.2 NA NA 2.4 3.4 3.0


V prípade mikro podnikov, štyri zo šiestich odhadov vplyvu sú pozitívne. Vplyv čistej pridanej hodnoty

v prípade mikro podnikov je pravdepodobne pozitívny.

40Všetky agregované odhady vplyvu sú prezentované v krížovej forme, ktorá nám umožnila posúdiť, ako veľmi sa menia odhady

vplyvov pomocou metód odhadovania a metód stratifikácií v rámci rovnakých metód odhadu.

129

Pokiaľ ide o malé podniky, všetky odhady vplyvu sú pozitívne, ale odchýlka je veľká. Vplyv čistej

pridanej hodnoty v prípade malých podnikov je pozitívny.

V prípade stredných podnikov, sú všetky odhady vplyvu pozitívne a odchýlka je nízka. Vplyv čistej

pridanej hodnoty v prípade stredných podnikov je pozitívny, ale malý.

Tabuľka 95: Odhadované vplyvy čistej pridanej hodnoty získané stratifikáciou podľa veľkosti podniku (v

tisícoch eur)41


M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Mikro 24.5* 41.2 16.3 -7.8 22.7 -3.7 -7.8 41.2 15.5

Malé 375.9 260.8 363.3** 380.4*** 377.2** 395.5*** 260.8 395.5 358.85

Stredné 106.8 73.6 26.6 62.4 40.3 50.3 26.6 106.8 60

Veľké -85.9 61.7 -515.6 -692.9 NA NA -692.9 61.7 -308.175


Pre stredné Slovensko, dva odhady vplyvu sú pozitívne a dva odhady vplyvu sú negatívne. Vplyv čistej

pridanej hodnoty na strednom Slovensku je nulový.

Pre západné Slovensko, všetky odhady vplyvu sú pozitívne, ale odchýlka je malá. Vplyv čistej pridanej

hodnoty na západnom Slovensku je pozitívny a veľký.

Pre východné Slovensko, tri odhady vplyvu sú pozitívne. Vplyv čistej pridanej hodnoty na

východnom Slovensku je pravdepodobne pozitívny a veľký.

41Napriek tomu, že negatívne odhady vplyvu nemajú jasný praktický výklad (s výnimkou FTE, kde môže nastať prípad, že podniky

investovali do hmotného a/alebo nehmotného majetku, ktorý je vrámci produkcie menej náročný na pracovnú silu, z toho dôvodu

im projekty umožnili znížiť náklady na pracovnú silu vo forme prepustenia zamestnancov), tak sú uvádzané v súhrnných tabuľkách,

pretože by mohli naznačovať, že odhady vplyvu sa pohybujú okolo nuly. V tabuľkách, v ktorých sa sumarizujú náklady na získanie

prírastku jednej dodatočnej jednotky vo výsledkových premenných, sú negatívne odhady znázornené v preškrtnutých

bunkách.Bunky s NA naznačujú, že sme nemohli vykonať konkrétny odhad z dôvodu nedostupnosti dát alebo z dôvodu malého

počtu pozorovaní.

130

Tabuľka 96: Odhadované vplyvy čistej pridanej hodnoty získané stratifikáciou podľa regiónu NUTS 2 (v

tisícoch eur)


M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Stredné Slovensko 89.4 87.6 -10 -11.8 NA NA -11.8 89.4 38.8

Západné Slovensko 537.6 456.1 464.8 483.1 NA NA 456.1 537.6 485.4

Východné Slovensko 15.6 -49.5 3.1 17.9 NA NA -49.5 17.9 -3.2


Pokiaľ ide o nízku technológiu výroby, tak päť zo šiestich odhadov vplyvu sú negatívne. Vplyv čistej

pridanej hodnoty v prípade nízkej technológie výroby nie je možné určiť.

V prípade stredne-nízkej technológii výroby, všetkých šesť odhadov vplyvu je pozitívnych, ale odchýlka

je nízka. Vplyv čistej pridanej hodnoty v stredne-nízkej technológii výroby je pozitívny a veľký.

V prípade vysokej a stredne-vysokej technológii výroby, všetky odhady vplyvu sú negatívne. Vplyv

čistej pridanej hodnoty v prípade vysokej a stredne-vysokej technológii výroby nie je možné

určiť.

Tabuľka 97: Odhadované vplyvy čistej pridanej hodnoty získané stratifikáciou podľa priemyselného

odvetvia (v tisícoch eur)

Porovnávacia skupina: zamietnutí

Porovnávacia skupina:

nezúčastnené

podniky Min Max AVG

M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Nízka technológia

výroby -23.1 -27.9 1.0 -19.6 -24.3 -27.7 -27.9 1.0 -20.3

Stredne-nízka

technológia výroby 578.2* 518.5* 457.2 534.7** 541.7** 619.4*** 457.2 619.4 541.6

Vysoká a stredne


výroby

-96.1 -116.6 -304.8 -273.9 -48.1 -125.6 -304.8 -48.1 -160.8

Iné -39.9 -219.8 76.6 73.2 -0.7 -0.3 -219.8 76.6 -18.5

Čistý príjem

Agregované odhady vplyvu sa pohybujú okolo nuly s výnimkou pre stratifikáciou na základe regiónu

NUTS 2, ale odchýlka je veľká. Najmenší odhadovaný vplyv je -54 700 EUR a najväčší vplyv je 52 600

EUR. Agregované vplyvy čistých príjmov sú nulové.

Tabuľka 98: Agregovaný odhadovaný vplyv čistého príjmu(v tisícoch eur)



Veľkosť 18.8 44.5 42.0 27.8 -6.2 -25.2 -25.2 44.5 16.9

Priemysel -2.3 43.9 27.6 -54.7 -5.0 -34.6 -54.7 43.9 -4.2

NUTS 2 7.4 52.6 24.8 7.9 NA NA 7.4 52.6 23.2

131

Náklady na generovanie dodatočného eura čistého príjmu sa líšia od 10,4 EUR do 74,3 EUR. Odhady

získané stratifikáciou podľa regiónu NUTS 2 sa výrazne líšia od odhadov získaných inými stratifikáciami.

Tabuľka 99: Odhadované náklady na generovanie dodatočného eura čistého príjmu (EUR)


M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Stratifikácia 29.2 12.3 13.0 19.7 - - 12.3 29.2 18.6

Priemysel - 12.5 19.8 - - - 12.5 19.8 16.1

NUTS 2 74.3 10.4 22,.1 69.6 NA NA 10.4 74.3 44.1


V prípade mikro podnikov, päť zo šiestich odhadov vplyvu sú pozitívne. Vplyvy čistých príjmov v

prípade mikro podnikov sú pravdepodobne pozitívne.

Pokiaľ ide o malé podniky, všetky odhady vplyvu sú pozitívne, ale odchýlka je vysoká. Vplyvy čistých

príjmov v prípade malých podnikov sú pozitívne.

V prípade stredných podnikov, päť zo šiestich odhadov vplyvu sú negatívne. Vplyvy čistej pridanej

hodnoty v prípade stredných podnikov nie je možné určiť.

Tabuľka 100: Odhadované vplyvy čistých príjmov získané stratifikáciou podľa veľkosti podniku (v

tisícoch eur)


M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Mikro 8.6 -23.8 10.4 13.2 2.2 22.8 -23.8 22.8 5.6

Malé 83.9 103.9 91.1 121.9* 14.3 16.1 14.3 103.9 61.86

Stredné -48.8 57.2 -31.8 -100.2 -54.0 -142.9 -142.9 57.2 -53.4

Veľké -317.8*** -454.5 15.9 -283.4 NA NA -454.5 15.9 -260


Pre stredné Slovensko, dva zo štyroch odhadov vplyvu sú pozitívne. Vplyvy čistých príjmov v prípade

stredného Slovenska sú nulové.

Pre západné Slovensko, všetky odhady vplyvu sú pozitívne, ale odchýlka je malá. Vplyvy čistých

príjmov v prípade západného Slovenska sú pozitívne, ale malé.

Pre východné Slovensko, tri odhady vplyvu zo štyroch sú negatívne. Vplyvy čistých príjmov v prípade

východného Slovenska nie je možné určiť.

132

Tabuľka 101: Odhadovaný vplyv čistých príjmov získaných stratifikáciou podľa regiónu NUTS 2 (v

tisícoch eur)


M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Stredné Slovensko 7.9 145.4 -2.1 -54.6 NA NA -54.6 145.4 24.2

Západné Slovensko 74.1 54.0 81.4 71.2 NA NA 54.0 81.4 70.2

Východné

Slovensko -75.4 -63.2 -11.9 6.8 NA NA -75.4 6.8 -35.9


V prípade nízkej technológie výroby, všetky odhady vplyvu sú negatívne. Vplyvy čistých príjmov v

prípade nízkej technológie výroby nie je možné určiť.

V prípade stredne-nízkej technológie výroby, všetky odhady vplyvu sú pozitívne, ale odchýlka je nízka.

Vplyvy čistých príjmov v prípade stredne-nízkej technológie výroby sú pozitívne a stredne veľké.

V prípade vysokej a stredne-vysokej technológii výroby, tri zo šiestich odhadov vplyvu sú pozitívne, ale

odchýlka je vysoká. Vplyvy čistých príjmov v prípade vysokej a stredne vysokej technológii výroby

sú nulové.

Tabuľka 102: Odhady vplyvu čistých príjmov získaných stratifikáciou podľa priemyselného odvetvia (v

tisícoch eur)



nezúčastnené

podniky Min Max AVG

M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Nízka technológia výroby -17.7 -69.8 -36.9 -94.2 -112 -194.6 -194.6 -17.7 -87.5

Stredne-nízka technológia

výroby 82.7 178.3 104.9 15.5 114.9 175.4** 15.5 178.3 112


technológia výroby -120.2 123.5 20.2 -170.9 30.1 -97.8 -170.9 123.5 -35.9

Iné -110.2 -154.4 7.8 31.6 -85.9 -87.4** -154.4 31.6 -66.4

FTE

Agregované odhady vplyvu sú väčšinou pozitívne, ale odchýlka je veľká. Najmenší odhadovaný vplyv je

– 2 FTE a najväčší odhad vplyvu je 2,47 FTR. Agregované vplyvy FTE sú pravdepodobne pozitívne.

Tabuľka 103: Agregované odhady vplyvu zamestnanosti (počet FTE)



Veľkosť -0.01 -0.85 0.83 1.39 1.58 1.94 -0.85 1.94 0.81

Priemysel 0.34 -2 1.55 2.47 0.82 1.39 -2.00 2.47 0.76

NUTS 2 0.44 -1.75 1.56 2.20 NA NA -1.75 2.20 0.61

Náklady na zvýšenie zamestnanosti o jedno pracovné miesto na plný pracovný úväzok sú vo

všeobecnosti veľké. Odhad nákladov sa líši od 221 600 EUR po 1 620 100 EUR.

133

Tabuľka 104: Odhadované náklady na zvýšenie zamestnanosti o jedno pracovné miesto na plný

pracovný úväzok (v tisícoch eur)



nezúčastnené

podniky Min Max AVG


Veľkosť - - 659.8 394.5 361.8 295.8 295.8 659.8 428

Priemysel 1620.1 - 352.2 221.6 667.1 394.4 221.6 1620.1 651.1

NUTS 2 1238.1 - 350.7 248.8 NA NA 248.8 1238.1 612.5


V prípade mikro podnikov, päť zo šiestich odhadov vplyvu sú pozitívne. Vplyvy FTE v prípade mikro

podnikov sú pravdepodobne pozitívne.

V prípade malých podnikov, štyri zo šiestich odhadov vplyvu sú negatívne. Vplyvy FTE v prípade

malých podnikov sú nulové.

V prípade stredných podnikov, päť zo šiestich odhadov vplyvu sú pozitívne. Vplyvy FTE v prípade

stredných podnikoch sú pravdepodobne pozitívne.

Tabuľka 105: Odhadovaný vplyv zamestnanosti získaný stratifikáciou podľa veľkosti podniku (počet

FTE)


M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Mikro -0.1 0.8 1.4 1.5 1.3 1.6* -0.1 1.6 1.1

Malé -0.9 -1.0 -0.8 -0.4 0.6 1.0 -1.0 1.0 -0.3

Stredné 4.3 -4.1 7.2 8.0 3.9 4.1 -4.1 8.0 3.9

Veľké -17.3 16.8* -19.7 -15.9 NA NA -19.7 16.8 -9.0


Pre stredné Slovensko, dva odhady vplyvu sú pozitívne a dva odhady vplyvu sú negatívne. Vplyvy počtu

FTE v prípade stredného Slovenska sú nulové.

Pre západné Slovensko, tri zo štyroch odhadov vplyvu sú negatívne. Vplyvy počtu FTE v prípade

západného Slovenska nie je možné určiť.

Pre východné Slovensko, všetky odhady vplyvu sú pozitívne, ale odchýlka je nízka. Vplyvy počtu FTE

v prípade východného Slovenska sú pozitívne a veľké.

134

Tabuľka 106: Odhadovaný vplyv zamestnanosti získaný stratifikáciou podľa regiónu NUTS 2 (počet

FTE)


M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Stredné Slovensko -1.3 -4.7 0.7 3.3 NA NA -4.7 3.3 -0.5

Západné Slovensko -0.3 -3.2 0.6 -0.5 NA NA -3.2 0.6 -0.9

Východné Slovensko 3.5* 3.7 3.8 4.1 NA NA 3.5 4.1 3.8


Pre nízku technológiu výrobu, päť zo šiestich odhadov vplyvu je pozitívnych. Vplyvy FTE v prípade

nízkej technológie výroby sú pravdepodobne pozitívne.

Pre stredne-nízku technológiu výroby, päť zo šiestich odhadov vplyvu je pozitívnych. Vplyvy FTE v

prípade stredne-nízkej technológie výroby sú pravdepodobne pozitívne.

Pre vysokú a stredne-vysokú technológiu výroby, všetky odhady vplyvu sú negatívne. Vplyvy FTE v

prípade vysokej a stredne-vysokej technológie výroby nie je možné určiť.

Tabuľka 107: Odhadovaný vplyv zamestnanosti získaný stratifikáciou podľa priemyselného odvetvia

(počet FTE)



nezúčastnené

podniky Min Max AVG

M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)

Nízka technológia výroby 4.8*** -1.2 7.2 6.0 23*** 2.9 -1.2 7.2 3.6

Stredne-nízka technológia

výroby 0.4 -0.6 1.3 2.7 4.8 5.8 -0.6 5.8 2.4


technológia výroby

-

14.7*** -10.5 -14.9 -9.4 -128*** -13.9 -14.9 -9.4 -12.7

Iné 4.5** 2.9 4.2 5.0 -0.4** 1.0 -0.4 5.0 2.9

Čistý finančný vplyv na štátny rozpočet

Výpočet čistého finančného vplyvu na štátny rozpočet je založený na odhadoch čistej pridanej hodnoty

a FTE. Výpočet bol robený oddelene pre priamy efekt daní z príjmu, zdravotného poistenia, poistenia v

nezamestnanosti, sociálneho poistenia, dane z pridanej hodnoty a podľa zdrojov poskytnutých zo

štátneho rozpočtu.

Odhady CIE v rámci čistej pridanej hodnoty a FTE sú volatilné. Boli vytvorené tri scenáre pre odhad v

rozsahu medzi výpočtami najlepšieho a najhoršieho scenára. Odhady o celkovom vplyve na čistú

finančnú pozíciu v štátnom rozpočte a priemerným efektom iných podnikov, boli tiež pridané, ako

výpočet s aktuálnym rokom, agregovaná čistá súčasná hodnota cenovej hladiny v roku 2015.

Hlavné výsledky sú uvedené v tabuľkách nižšie, pričomObrázok 75 ukazuje rozdiel medzi tromi

scenármi. Zatiaľčo najlepší a najhorší scenár sú založené na extrémnych predpokladoch, neutrálny

scenár je pravdepodobne najspoľahlivejším a najreprezentatívnejším spomedzi ostatných.

Čistý finančný vplyv na rozpočet (bežný rok) a čistej súčasnej hodnoty.

135

Tabuľka 108: Porovnanie celkových čistých finančných vplyvov na štátny rozpočet podľa scenára.

Rok Neutrálny scenár

Najlepší scenár Najhorší scenár

2009 -906,435 -906,435 -906,435

2010 -3,563,199 -1,755,012 -4,394,533

2011 -5,317,642 3,601,532 -9,416,821

2012 -2 219 372 15,725,219 -10,523,972

2013 7,935,898 33,340,034 -3,972,248

2014 7,940,831 33,505,637 -4,127,987

2015 7,338,420 31,040,294 -3,895,730

2016 5,114,426 21,861,874 -2,957,028

2017 2,281,021 9,983,042 -1,565,004

Čistá súčasná hodnota

Celkovo v cenách v

roku 2015

18,076,098 147,695,778 -43,137,300

Tabuľka 109: Porovnanie priemernej čistého finančného vplyvu na štátny rozpočet podľa scenárov na

úrovni podnikov

Neutrálny

scenár Najlepší scenár

Najhorší scenár

Hrubý vplyv 194,794 827,929 -107,624

Čistý vplyv na štátnej úrovni

103,966 737,102 -198,451


HDP)

136

5 Prístup založený na teórii

5.1 Popis metodiky

Kvalitatívna analýza tejto štúdie sa riadi konceptom hodnotenia vplyvov/dopadov založeného na teórii

(Theory-Based Impact Evaluation), ktoré kladie dôraz na rekonštrukciu a testovanie identifikovaných

teórií zmien (Theories of Change). Kľúčovými zdrojmi našich záverov sú okrem kontrafaktuálnej analýzy

aj rekonštruované teórie zmien a empirický výskum, ktorý testoval platnosť a materializáciu týchto teórií.

Hodnotenie dopadov založené na teórii sa skladá z dvoch hlavných komponentov. Prvý je konceptuálny,

druhý empirický. Z konceptuálneho hľadiska artikuluje hodnotenie dopadov založené na teórii teóriu

danej politiky alebo programu. Z empirického hľadiska sa prístup založený na teórii zameriava na

testovanie tejto teórie42

. Ako zdôrazňuje Evalsed, v rámci prístupu založeného na teórii bolo počas

posledných rokov vyvinutých viacero postupov. Ich spoločným znakom je, že sa všetky sústreďujú na

teórie tvorcov politík, programových manažérov a ostatných zainteresovaných osôb.

V rámci tohto prístupu vyjadrujú tieto teórie intervenčnú logiku danej politiky. Reálny výsledok bude teda

závisieť tak na efektivite politiky ako aj na ostatných faktoroch ovplyvňujúcich tieto výsledky, vrátane

kontextu. Esenciálnym elementom efektivity politiky sú mechanizmy, ktoré spôsobujú že intervencia

funguje43

.

Kľúčové pojmy

V hodnotení dopadov založenom na teórii je pojem “mechanizmus” používaný na označenie hybnej sily

podporujúcej resp. brániacej procesu zmeny. Mechanizmy nie sú vnímané v rámci schém vstup-výstup-

výsledok alebo logických rámcov (logical frameworks), ale skôr ako pôsobiace pod povrchom týchto

schém. „Bez poznania týchto mechanizmov a ich schopnosti vyvolať určité správanie (zmenu) by boli

kauzálne tvrdenia ohľadne dopadov programu prevažne domnienkami“44

Z tohto dôvodu sú tieto

mechanizmy a ich prepojenia s kontextom a výsledkami hlavnými elementmi Teórie zmeny..

Ak má hodnotenie zistiť veľkosť vplyvu intervencie, je potrebné pri hodnotení pochopiť základné

fungovanie mechanizmov a teda odpovedať na otázky:45

■ Ktoré mechanizmy spôsobujú, že intervencia funguje?

■ Nakoľko je hodnoverné, že tieto mechanizmy naozaj fungujú tak ako sa očakáva?

42Evalsed (2013): The Resource for the evaluation of Socio-Economic Development. Dostupné na:

(http://ec.europa.eu/regional_policy/sources/docgener/evaluation/guide/guide_evalsed.pdf)

43ibid p.2.

44F. Leuuw (2012): Linking Theory Based Evaluation and Contribution Analysis: Three Problems and a few Solutions. Sage

Publications. Dostupné na: (http://evi.sagepub.com/content/18/3/348.full.pdf+html) p.350.

45Evalsed (2013): The Resource for the evaluation of Socio-Economic Development. Dpstupné na:

(http://ec.europa.eu/regional_policy/sources/docgener/evaluation/guide/guide_evalsed.pdf) p.2.

137

5.1.1 Prístup: Analýza prínosov (Contribution Analysis)

V súčasnosti existuje dostatok prístupov na identifikáciu a testovanie rôznych teórií. DFID Working

Paper 3846

pojednávajúci o metódach hodnotenia dopadov a poskytuje nasledujúcu klasifikáciu metód

hodnotení dopadov založených na teórii:

Špecifické varianty hodnotení založených na teórií Základ pre kauzálnu inferenciu

Metódy kauzality procesov

(Causal process designs)

Teória zmeny, Sledovanie procesov,

Analýza prínosov, Mapovanie dopadov

(Theory of Change, Process tracing,

Contribution Analysis, Impact Mapping)

Identifikácia/ potvrdená kauzálnymi

procesmi alebo “reťazami”

(Identification/ confirmed of causal

processes or ‘chains’)

Metódy kauzálneho

mechanizmu

(Causal mechanism designs)

Realistické hodnotenie, Analýza zhody

(Realist Evaluation, Congruence Analysis)

Podporné faktory a mechanizmy

prebiehajúce v kontexte

(Supporting factors and mechanisms at

work in context)

Určenie najvhodnejšieho prístupu k hodnoteniu záleží od špecifického kontextu hodnotenia, jeho cieľov,

hodnotiacich otázok, dostupnosti údajov a očakávaných výsledkov. Toto hodnotenie aplikuje metódu

Analýzy prínosov (Contribution Analysis).

Analýza prínosov sa zameriava na “znázornenie kauzálnych súvislostí a vysvetľujúcich záverov medzi

pozorovanými zmenami a špecifickými intervenciami”47

. Základnou logikou, v rámci tejto teórie, je skôr

poskytnúť dôkazy a zredukovať neistotu než sľubovať definíciu prepojenia medzi intervenciou a jej

účinkami. Tento prístup sa spolieha na predpoklady, ktoré by mali byť vnímané tak ako podmienky tak

aj ako limity nášho hodnotenia. Ako tvrdí Leeuw, “zmysluplné pripísanie prínosov môže nastať ak:

1. Existuje odôvodnená Teória zmeny intervencie: kľúčové predpoklady stojace za dôvodom, prečo sa

očakáva, že intervencia bude fungovať, a sú vierohodné vtedy, keď môžu byť podporené dôkazmi

a následne sú akceptované aspoň niekoľkými kľúčovými hráčmi;

2. Aktivity v rámci intervencie boli implementované tak, ako boli vytýčené v Teórii zmeny;

3. Teória zmeny – resp. jej kľúčové elementy – sú podporené a potvrdené dôkazmi o pozorovaných

výsledkoch a základných predpokladoch expertami (aj faktami): reťaz očakávaných výsledkov sa

udiala. Teória zmeny nebola vyvrátená;

4. Ostatné ovplyvňujúce faktory boli posúdené a uznané, pokiaľ vykázali buď signifikantný prínos alebo

ich relatívna rola prispievala k dosiahnutiu želaných výsledkov.“

S cieľom integrovať Analýzu prínosov do nášho hodnotenia dopadov založeného na teórii, sú nám

nápomocné určité ďalšie metodologické poznámky. S ohľadom na kauzálnu inferenciu, tzn. Schopnosť

metód a návrhov demonštrovať, že intervencia ako príčina vedie k účinku, môžu byť k nášmu prístupu

priradené nasledujúce tvrdenia:

■ Analýza prínosov využíva metódu kauzality procesov (causal process design), tzn. Ako základ

kauzálnej inferencie sa zameriava na identifikáciu a potvrdenie kauzálnych procesov alebo “reťazí”.

■ Metodologicky to kombinujeme s prístupom prípadových štúdií, ktoré nám – ako dôkaz kauzálnych

inferencií – dovoľujú urobiť porovnania naprieč a v rámci prípadov, kedy sa kombinujú kauzálne

faktory. Porovnania poslúžia primárnemu cieľu identifikácie podobností a odlišností naprieč

prípadovými štúdiami, ktoré umožnia načrtnúť všeobecné zistenia.

46“Broadening the range of designs and methods for impact evaluation”, Department for International Development, UK

47 Evalsed (2013): The Resource for the evaluation of Socio-Economic Development. Available at:

(http://ec.europa.eu/regional_policy/sources/docgener/evaluation/guide/guide_evalsed.pdf) p. 55.

138

Celkovo, musíme byť schopný nájsť “kauzálne balíky”, keďže väčšina intervencií funguje ako súčasť

kauzálneho balíka v kombinácii s inými pomocnými faktormi, ako správanie zainteresovaných osôb,

súvisiace programy/politiky, inštitucionálne kapacity, kultúrne a socio-ekonomické trendy.

Tento návrh hodnotenia sa viaže k hodnotiacim otázkam s ústrednou otázkou: “došlo prostredníctvom

intervencie k nejakej zmene?”. Ako je znázornené nižšie, existujú metodologické požiadavky a dôležité

implikácie základných predpokladov, s ktorými je potrebné sa popasovať.

Kľúčová otázka48 Súvisiaca otázka Základný predpoklad Požiadavky Vhodné metódy

Došlo

prostredníctvom

intervencie k zmene?

■ Aké príčiny sú

potrebné alebo

dostatočné na

dosiahnutie

účinku?

■ Bola na

dosiahnutie týchto

účinkov potrebná

intervencia?

■ Nastali by tieto

dopady v každom

prípade?

■ Existuje viacero

relevantných príčin

ktoré je potrebné

zistiť

■ Intervencie sú iba

jednou časťou

kauzálneho balíka

Existujú porovnateľné

prípady so spoločným

súborom príčin a

dôkazy ich účinku

■ Experimenty

■ Hodnotenia

založené na teórii,

napr. Analýza

prínosov

■ Metódy založené

na prípadových

štúdiách, napr.

Kvalitatívna

komparatívna

analýza

Na integráciu Weissovho prístupu k Teórii zmeny a analýzu prínosov je nápomocné objasnenie, v ktorom

Weiss navrhuje: “ak je hodnotenie schopné ukázať sériu mikro-krokov ktoré vedú od vstupov k

výsledkom, potom je na dosach kauzálne riešenie pre všetky praktické zámery”. Okrem toho môžeme

integrovať Leeuwove návrhy, ktoré hovoria že “... namiesto skúmania mikro-krokov určitej intervencie

môže v tomto prípade hodnotenie vplyvov založené na teórii pomôcť prácou s porovnaniami”.

Porovnania sú v našom prípade možné vďaka prístupu založenom na prípadových štúdiách. V kontexte

prípadových štúdií rozumieme porovnaniam ako identifikácii podobností a rozdielností naprieč

jednotlivými štúdiami, bez očakávania všeobecnej porovnateľnosti týchto štúdií.

Kroky analýzy prínosov

Metodologické kroky, tak ako ich navrhuje Mayne49

, nemusia nevyhnutne nasledovať striktnú “krok-za-

krokom” logiku. Ide skôr o iteratívny proces s viacerými kolami revízie predošlých cvičení.

48 One of the original 4 questions discussed by the paper

49 J. Mayne (2011): Contribution analysis: addressing cause and effect. In: Schwartz R, Forss K and Marra M (eds) Evaluating

the Complex

139

Toto sú všeobecné kroky využívané v tomto hodnotení:

1. Vytýčenie oblasti príčiny a následku

Vziať na vedomie problém prisudzovania, určiť špecifickú otázku príčiny a následku, ktorá je

adresovaná, určenie úrovne požadovanej dôvery, preskúmanie očakávaného prínosu, určenie iných

kľúčových ovplyvňujúcich faktorov a posúdenie hodnovernosti očakávaného prínosu vo vzťahu k

veľkosti programu.

2. Návrh teórie zmeny

Vybudovanie teórie zmeny a reťaze výsledkov, určenie úrovne detailu, určenie očakávaného prínosu

programu, zostavenie predpokladov teórie zmeny, zahrnutie úvah o iných faktoroch ktoré môžu

ovplyvniť výsledky, určenie do akej miery je teória zmeny diskutabilná, posúdenie “príbehu”

prínosov (contribution story).

3. Zhromaždenie existujúcich dôkazov teórie zmeny

Zhromaždenie dôkazov (napr. Kontrafaktuálne hodnotenia dopadov, iné hodnotenia dopadov,

štúdie).

4. Zhodnotenie vyplývajúceho príbehu prínosov

Zhodnotenie logiky väzieb v teórii zmeny, kredibility celkového príbehu, medzery v teórii a

potvrdenie príbehu zainteresovanými osobami.

5. Vyhľadanie dodatočných empirických dôkazov

Identifikácia nových potrebných dát, zhromaždenie dôkazov (napr. Prostredníctvom prípadových

štúdií, rozhovormi so zainteresovanými osobami).

6. Revízia a posilnenie príbehu prínosov

Revízia príbehu prínosov, ak je to potrebné vrátenie sa na krok 4.

Teória zmeny

Leuuw používa definíciu C. Weissa50

, ktorá znie

‘spôsob popisu súboru predpokladov, ktoré vysvetľujú mini-kroky vedúce k dlhodobým

cieľom a súvislosti medzi politikou a programovými aktivitami a výsledkami dosahovanými v

každom kroku’.

Dobrá programová teória musí spĺňať určité kritériá: musí byť vierohodná, dosiahnuteľná a testovateľná.

V rámci tejto definície je v literatúre dostupné množstvo vhodných postupov, ktoré môžu byť aplikované

v tomto hodnotení (repozitár Teórie zmeny komunity teórie zmeny51

, príklady teórií Oddelenia

medzinárodného rozvoja UK52

a iné správy, učebnice a smernice na túto tému). Medzi ich spoločné

znaky patrí:

1. Dlhodobý alebo konečný cieľ (‘štrukturálna zmena’, a pod.);

50 C. Weiss (1995): Nothing as practical as good theory: Exploring theory-based evaluation for comprehensive community

initiatives for children and families.

51http://www.theoryofchange.org/library/toc-examples/

52http://r4d.dfid.gov.uk/pdf/outputs/mis_spc/Appendix_3_ToC_Examples.pdf

140

7. Medzikroky na dosiahnutie dlhodobých cieľov;

8. Kauzalita krokov;

9. Hlavné predpoklady.

Súbor prepojených “stavebných blokov” teórie zmeny sú znázornené na mape, ktorá je grafickou

reprezentáciou procesu zmeny (pre jednoduchosť používame termín Teória zmeny aj na označenie

týchto máp).

S cieľom dodržania súladu s teoretickými a praktickými požiadavkami (adresujúc kauzalitu, a dodržanie

implementovateľnosti a zrozumiteľnosti analýzy), je kauzalita vyjadrená tromi rôznymi šípkami:

■ Príčina:“A” je jednou z hlavných, fundamentálnych príčin “B”. Toto môže byť buď krok v reťazi

výsledkov alebo predpoklad/externý faktor. Je to nevyhnutnou podmienkou, tzn. “A” je

nevyhnutnou príčinou “B”. “A” nemusí byť automaticky dostatočné, ale viacero hlavných príčin

môže byť potrebných na dosiahnutie “B”. Nie je kladený dôraz na marginálne príčiny “B” – dôraz sa

kladie na fundamentálne príčinné faktory.

■ Predpoklad: “A” je predpokladom pre “B”, ale nie jednou z jej hlavných príčin. Formálne, “A” je

potrebné aby nastalo “B” (nie automaticky dostatočné). Intuitívne, predpoklady môžeme najlepšie

interpretovať spôsobom, že bez ich prítomnosti by “B” nemohlo nastať, ale ich príčinný vzťah je

slabý, prinajmenšom v každodenných súvislostiach.

■ Podporný faktor: “A” prispieva k “B”, ale nie je ani príčinou ani predpokladom. Je to tzv. Podpornou

(nice to have) podmienkou, tzn. “A” nie je nevyhnutnou ani dostatočnou podmienkou “B”, avšak

slúži ako katalyzátor uskutočnenia “B”. Absencia podporného faktora nebráni “B”, hoci jeho

prítomnosť zvyšuje rýchlosť, kvalitu a intenzitu s akou “B” nastane.

5.1.2 Identifikovaná teória zmeny intervencie

Identifikovaná teória zmeny intervencie si dáva za cieľ popísať hlavné predpoklady implementačného

procesu. Jej hlavnou úlohou je rozpliesť prepojenia a závislosti medzi jednotlivými aktivitami a

výsledkami.

Na základe predchádzajúceho metodologického prehľadu je prvým krokom tvorby teórie zmeny

identifikácia dlhodobých, hlavných cieľov, jednotlivých medzikrokov na dosiahnutie dlhodobých cieľov,

kauzalitu krokov a nakoniec kľúčové predpoklady za týmito krokmi.

Prvým “stavebným blokom” identifikovanej zmeny boli nenávratné finančné prostriedky, aktíva ktoré

mali za cieľ podporiť MSP v implementácii ekonomicky perspektívnych a inovatívnych modernizačných

projektov. Na uvedomenie si druhého “stavebného bloku” boli identifikované nasledujúce kľúčové

predpoklady:

1. MSP majú prístup k zdrojom financovania (bankové úvery)

2. Povedomie o možnostiach financovania

3. Legislatívny proces nebráni zmenám

4. Dostupnosť a povedomie o inovatívnych technológiách

5. Existujúca infraštruktúra implementácie projektov

V prípade, že sú tieto predpoklady platné a existuje príčinná súvislosť medzi jednotlivými stavebnými

blokmi, očakávaným priamymi výsledkom projektu budú:

141

■ Generovanie dodatočných výnosov a pridanej hodnoty,

■ Vytvorenie priameho dopytu po práci,

■ Redukcia energetickej intenzity.

Aby sme sa od tohto kroku dostali k intermediárnym výsledkom, boli identifikované dva predpoklady:

kvalifikovaná pracovná sila je dostupná a nové technológie nevedú k prepúšťaniu zamestnancov. V

prípade existencie príčinnej súvislosti a platnosti týchto dvoch predpokladov môžeme identifikovať

intermediárne výsledky. Pre účely tejto analýzy boli identifikované nasledovné:

■ Vytvorenie finančnej základne pre udržateľnú prevádzku a budúci rozvoj,

■ Realizácia ďalších inovácií,

■ Úspory energií vďaka využívaniu pokročilých technológií,

■ Vyvolanie investícií na umožnenie dlhodobej konkurencieschopnosti,

■ Uplatňovanie inovatívnych techník správania a manažmentu,

■ Zvýšený dopyt po dlhodobých pracovných miestach,

■ Rozšírenie environmentálne ohľaduplných technológií.

Tieto stavebné bloky sú medzi sebou poprepájané šípkami reprezentujúcimi ich vzájomnú kauzalitu.

Tieto kroky vedú k dlhodobým cieľom: zvýšeniu ekonomickej výkonnosti a zníženiu regionálnych

disparít, ktoré boli stanovené ako ciele opatrenia. Navyše bolo identifikovaných viacero nepriamych a

širších efektov ktoré môžu byť prisúdené implementácii opatrenia.

Identifikovaná teória zmeny bola testovaná počas prípadových štúdií s prijímateľmi, aby boli odhalené

predpoklady procesu implementácie.

142

Obrázok 76: Identifikovaná teória zmeny intervencie: Podopatrenie 1.1.1. Podpora inovácií a technologických transferov

143

5.2 Vyhodnotenie teórie zmeny

5.2.1 Prehľad prípadových štúdií

Na otestovanie našej teórie zmeny boli vykonané štyri prípadové štúdie s MSP v rôznych regiónoch

Slovenska. Táto podkapitola stručne popisuje každú prípadovú štúdiu pred celkovým vyhodnotením

teórie zmeny.

Prípadová štúdia č.1

Prvý pohovor sa uskutočnil so stavebnou spoločnosťou podporenou v rámci schémy pomoci de

minimis. Cieľom realizovaného projektu bolo zvýšenie konkurencieschopnosti a zlepšenie kapacít

spoločnosti. Spoločnosťčelila problémom so zabezpečením vlastného spolufinancovania (bankovým

úverom). V roku 2008 mala spoločnosť výnosy vo výške približne EUR 2 milióny a asi 25 zamestnancov,

Poskytnutá podpora umožnila spoločnosti rozšíriť jej produkčné portfólio a výrazne zvýšiť produktivitu.

Proces žiadosti o NFPa jej administrácia bola vykonaná externou agentúrou a neboli zaznamenané

žiadne ťažkosti.

Implementačný proces možno označiť ako pozitívny. Boli vytvorené nové pracovné miesta a zvýšil sa

dopyt po kvalifikovanej pracovnej sile na obsluhu zakúpených zariadení a technológií. Spoločnosť mala

problémy s nájdením vhodných uchádzačov o otvorené pozície, hlavne spomedzi mladej generácie.

Pracovné zručnosti v odvetví by boli na dané pozície vhodné a vítané. Pri ich absencii musela spoločnosť

poskytovať zaškolenie po nástupe,čo sa ukázalo byťčasovo náročné a teda neefektívne.

Spoločnosť bola vážne zasiahnutá finančnou krízou, čo sa prejavilo zníženým dopytu po ich produkcii.

Aj napriek opätovnému nárastu dopytu sa cenová hladina ustálila na nižšej úrovni ako pred krízou. Aj

napriek ťažkostiam bola vďaka podpore vytvorená finančná základňa pre udržateľnú prevádzku a budúci

rozvoj. Spoločnosť realizovala ďalšie inovácie a vybudovala zariadenie na recykláciu betónu pre zvýšenie

environmentálnej konformity svojej produkcie. Energetická intenzita poklesla, avšak kvôli zvýšenej

produkcii ostala celková spotreba energií na rovnakej úrovni.

Z rozhovorov vyplynulo že dopad podpory ako celku je vnímaný pozitívne. Bez podpory by bol projekt

realizovaný iba v obmedzenom rozsahu. Okrem realizovanej investície umožnilo spolufinancovanie z

verejných zdrojov stabilizovať ekonomickú výkonnosť firmy, ktorá by pri absencii podpory

pravdepodobne poklesla. Budúci výhľad spoločnosti je vnímaný ako sľubný a očakáva sa zvýšenie jej

produkcie v najbližších rokoch.

Prípadová štúdia č. 2

Druhý pohovor bol vykonaný so spoločnosťou z potravinárskeho odvetvia s odhadovanými výnosmi

EUR 20 miliónov a približne desiatimi zamestnancami. Spoločnosť má vytvorené partnerstvá so

spoločnosťami na regionálnej a národnej úrovni, ale aj s medzinárodnými spoločnosťami a

veľkoobchodmi. Podpora bola plne zahrnutá do plánovacieho procesu projektu, ktorý by sa bez nej

nerealizoval. Kľúčovou výzvou ktorá naštartovala projekt bola potreba zvýšenia efektivity a zavedenie

nových produkčných technológií.

Paralelne s podporeným projektom investovala spoločnosť do niekoľkých R&D projektov na vývoj

nových produktov a technológií. Vzhľadom nato, že ide o stabilnú spoločnosť, nevyskytli sa žiadne

problémy s prístupom k externým zdrojom financovania a proces administrácie žiadosti o NFP bol

realizovaný externou poradenskou spoločnosťou. Na základe rozhovorov sú účinky projektu vnímané

pozitívne. Proces implementácie vyústil do dodatočných výnosov a zvýšenom priamom dopyte po

miestnej pracovnej sile. Na druhej strane čelila spoločnosť problémom s obsadením nových pracovných

miest pretože v regióne pôsobenia nebol dostatok kvalifikovanej pracovnej sily. Jedným z možných

vysvetlení môže byť, tak ako to vyplynulo z rozhovoru, nedostatok mobility medzi akademickou obcou

a podnikateľskou sférou.

144

Počas implementačného obdobia bol najdôležitejším ovplyvňujúcim faktoromprístup Slovenska do

Eurozóny v roku 2009, ktorý mal pozitívny dopad na export tovarov na zahraničné trhy. Finančná kríza

nemala signifikantný dopad na produkciu spoločnosti vďaka dobre vyvinutému systému plánovania a

trhovej stratégie ktorá umožnila spoločnosti minimalizovaťškody.

Realizovaný projekt vytvoril finančnú základňu pre udržateľnú prevádzku a budúci rozvoj. Boli

realizované nové investície na zlepšenie produkcie a spoločnosť sa plánuje uchádzať o ďalšie zdroje

financovania z verejných zdrojov. Okrem pozitívnych dopadov projektu tvoria kľúčové elementy

úspechu spoločnosti inovatívny spôsob správania a manažérskych zručností keďže sa často zúčastňujú

na školeniach, verejných prednáškach na univerzitách a sú v úzkom vzťahu s výskumnými inštitúciami.


Tretia prípadová štúdia bola realizovaná s prijímateľom podpory zo schém de minimis aj štátnej pomoci.

Jej hlavným predmetom činnosti je produkcia klimatizačných a vzduchotechnických systémov. Jej

výnosy sú približne EUR 5 miliónov a zamestnáva asi 60 zamestnancov. Odôvodnením realizácie

projektu bolo zvýšenie produkčných kapacít, úspora nákladov energií a výmena zastaraných zariadení.

V tomto procese boli zdroje financovania z EÚ iba podporným faktorom keďže spoločnosť by investície

realizovala aj pri ich absencii avšak podpora umožnila ich realizáciu v skoršom čase.

Implementácia projektu priniesla dodatočné výnosy, avšak kvôli finančnej kríze nie v takej výške ako sa

pôvodne očakávalo. Spoločnosť dosiahla úsporu nákladov energií vďaka novej technológii. Boli

vytvorené nové pracovné miesta a spoločnosť nemala problémy s nájdením vhodných uchádzačov pre

nové pozície, avšak mali problémy nájsť vhodných uchádzačov spĺňajúcich podmienky stanovené v

operačnom programe (napr. mladí dlhodobo nezamestnaní s vhodnými zručnosťami, telesne

znevýhodnení alebo príslušníci marginalizovaných skupín obyvateľstva).

Aj napriek viacerým priamym benefitom projektu sa počas jeho realizácie vyskytlo niekoľko prekážok

brzdiacich proces implementácie. Administratívna záťaž pre spoločnosť bola jednou z

najproblematickejších oblastí. Spoločnosť by na administráciu formálnych záležitostí projektu

potrebovala prijať dodatočnú pracovnú silu alebo osloviť externú poradenskú spoločnosť. Problémom

s externými poradenskými spoločnosťami je ich vysoká cena, špeciálne pre menšie spoločnosti, a tieto

náklady nie sú uznávané ako oprávnené výdavky projektu.

Alternatívnym návrhom riešenia vyššie uvedeného problému bolo počas rozhovorov označené

prehodnotenie úloh a zodpovedností Sprostredkovateľského orgánu pod riadiacim orgánom.

Spoločnosť by ocenila viac poradenstva a podpory zo strany SORO, čo by uľahčilo hladký priebeh

žiadosti o NFP a jej administráciu. Ďalším spomenutým návrhom bolo zavedenie informačného systému

na online administráciu všetkých záležitostí spojených so žiadosťou čim by sa znížila záťaž na strane

žiadateľov.

Dlhodobý dopad projektu bol označený ako pozitívny. Po obdŕžaní pomoci zo schémy de minimis sa

spoločnosť zapojila do ďalších výziev na získanie prístupu k spolufinancovaniu svojich investičných

aktivít a plánuje tak učiniť aj v budúcnosti.


Štvrtá prípadová štúdia bola realizovaná so spoločnosťou špecializujúcou sa na produkciu

hydrologických valcov a komponentov. Spoločnosť bola založená v roku 1992, zamestnáva približne 40

zamestnancov a dosahuje výnosy EUR 2,5 – 3 milióny. Spoločnosť nemá priamu prítomnosť v iných

krajinách avšak exportuje väčšinu svojej produkcie do krajín západnej Európy. Kľúčovou výzvou ktorá si

vyžiadala realizáciu projektu bola potreba zvýšenia konkurencieschopnosti a zavedenie nových

technológií aby si spoločnosť udržala vedúce postavenie na trhu.

Podpora bola zahrnutá do procesu plánovania avšak nebola hlavným rozhodovacím faktorom, keďže

spoločnosť by dané investície vykonala aj pri jej absencii. S prístupom k zdrojom externého financovania

145

neboli zaznamenané problémy. Jednou z identifikovaných prekážok bola istá administratívna záťaž s

procesom žiadosti a následnej administrácie. Spoločnosť má problémy s oneskoreným prístupom k

refundovaným nákladom. Proces žiadosti o NFP bol vykonaný externou spoločnosťou. Tak ako v

predchádzajúcom prípade by spoločnosť ocenila vyššiu mieru poradenstva zo strany SORO.

Investícia priamo vytvorila nové pracovné miesta a 8 nových pozícií bolo vytvorených vďaka realizácii

projektu. Spoločnosť mala problémy s nájdením vhodných uchádzačov hlásiacich sa k

marginalizovaným skupinám obyvateľstva. Taktiež bol zmienený problém s nedostatočnou spoluprácou

medzi akademickou obcou a podnikateľským sektorom. Moderné technológie si vyžadujú špeciálny

tréning, ktorý je časovo náročný a nie je súčasťou vzdelávacieho programu odborných škôl. Spoločnosť

tak musí tento tréning poskytovať po nástupe zamestnancov do práce. Proces úplného zaškolenia trvá

v priemere 3 až 6 mesiacov pokiaľ môže zamestnanec samostatne vykonávať svoju prácu.

Vo všeobecnosti bol projekt označený za úspešný aj napriek negatívnemu dopadu krízy na úroveň

produkcie. Pozitívnym vedľajším účinkom krízy boli zmeny v manažérskych zručnostiach a praktikách a

zmeny v systéme plánovania ktoré položili základy ďalšiemu rozvoju. Od realizácie projektu spoločnosť

najala ďalšieho zamestnanca na budovanie lepších vzťahov s novými klientmi.

5.2.2 Výsledky vyhodnotenia teórie zmeny

Na vyhodnotenie teórie zmeny boli výsledky najprv syntetizované, čo bolo nasledované celkovým

posúdením elementov a kauzálnych súvislostí a prepojení v rámci teórie (okrem zamýšľaných zmien,

kde “prínos” (contribution), ako dominujúca príčinná súvislosť, nebol formálne testovaný).

Notácia vyhodnotenia grafického zobrazenia:

Konsolidácia zdrojov dôkazov priniesla nasledujúce vyhodnotenie teórie:

?

Potvrdzujúci dôkaz elementu / príčinný vzťah

Nedostatočný alebo protichodný dôkaz / príčinný vzťah

Nepotvrdzujúci dôkaz elementu / príčinný vzťah

146

Obrázok 77. Vyhodnotenie teórie zmeny

147

Nasledujúca sekcia sumarizuje zistenia prípadových štúdií a príčinné súvislosti medzi ustanovenou

teóriou a výsledkami prípadových štúdií.

Sumár výsledkov

Aký je kauzálny vzťah medzi podporou z

fondov EÚ a implementáciou projektov?

Väčšine opýtaných spoločností pomohla podpora

realizovať plánované investície v širšom rozsahu

alebo v skoršej fáze plánu rozvoja

Spolufinancovanie zo zdrojov EÚ významne ovplyvnilo rozhodovacie procesy spoločností. Projekty

zamerané na inovácie by sa vo väčšine prípadov realizovali aj pri absencii podpory, avšak získanie

podpory umožnilo ich realizáciu skôr v čase a spoločnosti mohli investovať do technologicky

intenzívnych strojov a zariadení, ktoré by si bez spolufinancovania nemohli dovoliť. Uvedené indikuje

silný kauzálny vzťah medzi podporou a implementovanými projektmi.

Je program nevyhnutnou súčasťou

kauzálneho balíka?

Program je nevyhnutnou súčasťou kauzálneho

balíka, vo väčšine prípadov fungujúci ako

predpoklad realizácie investícií

Vo väčšine prípadov bol program predpokladom realizácie inovatívnych modernizačných projektov. Bez

získania podpory by bola väčšina projektov realizovaná buď v menšom rozsahu alebo neskôr v čase.

Podpora umožnila spoločnostiam realizovať projekty na zvýšenie ich konkurencieschopnosti,

minimalizáciu negatívnych dopadov finančnej krízy a vytvoriť finančnú základňu pre ďalší rozvoj.

Väčšina podnikov potvrdila, že vďaka podpore spozorovali pozitívne zmeny, pokiaľ ide o čistú pridanú

hodnotu, čistý príjem a FTE. Kontrafaktuálne hodnotenie vplyvov (v priemere) našlo pozitívne zmene v

čistej pridanej hodnote, nepatrné zmeny v čistých príjmoch a malé zmeny v FTE. To znamená, že TBIE

a CIE nemá podklad k výsledkom ohľadom čistých príjmov a FTE a preto nemohlo hodnotenie vytvoriť

silné závery v tomto aspekte.

Aké sú silné stránky teórie?

Program je úspešný pri vytváraní finančnej

základne pre udržateľnú prevádzku a budúci

rozvoj

Najsilnejšou stránkou programu je že umožňuje spoločnostiam realizovaťďalšie investície vďaka vyšším

výnosom a modernizácii vybavenia. Prijímatelia tak môžu zabezpečiť ich dlhodobú

konkurencieschopnosť. Kríza mala negatívny dopad na produkciu vo väčšine prípadov, ale vďaka

podpore mohli spoločnosti udržať svoju produkciu a boli krízou menej zasiahnutí. Bolo možné

pozorovaťže spoločnosti realizovali po implementácii projektu ďalšie investície a často sa zapájali aj do

iných výziev podpory.

Aké sú slabé stránky teórie?

Očakávanie dostupnosti kvalifikovanej pracovnej

sily v konvergenčných regiónoch nebolo

prípadovými štúdiami potvrdené

Vo väčšine prípadov mali spoločnosti problémy s nájdením vhodnej kvalifikovanej pracovnej sily v

regiónoch. Vysoko technologicky intenzívne vybavenie si vyžaduje špeciálny tréning, ktorý nie je

Aký je kauzálny vzťah medzi

intervenciou a zmenami čistej pridanej

hodnoty, čistých výnosov a počtu

zamestnancov?

Vo väčšine prípadov bola intervencia

nevyhnutným predpokladom na dosiahnutie

pozitívnych zmien čistej pridanej hodnoty,

čistých výnosov a počtu zamestnancov

148

súčasťou vzdelávacích programov. Spoločnosti boli nútené poskytovať zaškolenie po nástupe nových

zamestnancov, čo je časovo a finančne náročné.

Je medzi zainteresovanými osobami

zhoda ohľadom teórie a jej

materializácie?

Zainteresované osoby sa zhodli vo väčšine

kauzálnych súvislostí medzi teóriou a

mechanizmami vyvolávajúcimi zmenu

Medzi zainteresovanými osobami došlo k zhode v oblasti procesov a hlavných zistení teórie zmeny. Boli

však identifikované aj slabé stránky pokiaľ ide o kauzálne súvislosti v teórii zmeny, napr. realizované

projekty nemali za následok inovatívne správanie a manažérske praktiky, nedošlo k zvýšeniu mobility

medzi akademickou obcou a podnikateľským sektorom.

Môžu sa alternatívne vysvetlenia zmien

vylúčiť?

Javí sa že zmeny nastali podľa teórie, neboli

identifikované paralelné kauzálne balíky

predstavujúce protikladné teórie

Dôkazy podporujúce kauzálne súvislosti medzi implementáciou projektov a zmenami ktoré nastali sa

potvrdili (napr. zvýšená pridaná hodnota, zvýšený dopyt po pracovných miestach ako potvrdila

kontrafaktuálna analýza v predchádzajúcej časti).

Nebol identifikovaný protikladný kauzálny balík, avšak vyskytlo sa množstvo menších ovplyvňujúcich

faktorov. Ich dopad nemôže byť oddelený od celkového výsledku projektov. Jednými z najdôležitejších

ovplyvňujúcich faktorov sa ukázali byť progresívne manažérske praktiky, čo často viedlo k inovatívnemu

správaniu aj pri absencii podpory.

Je teória závislá na kontexte? Pod akými

podmienkami môže teória fungovať? Dopad programu (podpory) bol ovplyvnený

načasovaním implementácie projektu

Vo väčšine prípadov išlo o realizáciu technologicky intenzívnych projektov. Z tohto dôvodu závisel

úspech projektu od rýchlosti akou bola implementácia realizovaná. Dlhé obdobia čakania spôsobovali

znižovanie efektivity, pretože kým došlo k samotnej implementácii boli už tieto technológie často

zastarané (resp. na trhu už boli novšie a modernejšie).

Došlo celkovo k materializácii

predpokladov?

Väčšina predpokladov vzťahujúca sa k procesu

implementácie sa materializovala, zatiaľčo

predpoklady vzťahujúce sa k nepriamym a širším

efektom neboli prípadovými štúdiami potvrdené

Väčšina predpokladov vzťahujúcich sa k externým ovplyvňujúcim faktorom sa materializovala a projekty

dosiahli zamýšľané výsledky. To však bolo taktiež ovplyvnené niekoľkými ďalšími faktormi. Nepriame

a širšie efekty boli týmito faktormi významne ovplyvnené, a z tohto dôvodu kauzálne vzťahy medzi

zmenami ktoré nastali a implementáciou programu nie sú priamo súvisiace.

Došlo celkovo k materializácii teórie?

Teória sa materializovala a kauzálne vzťahy

medzi stavebnými blokmi sa potvrdili. Toto

podčiarkuje relevanciu daného opatrenia.

Prípadové štúdie potvrdili predpoklady uvedené v teórii zmeny a vo väčšine prípadov sa prejavili

kauzálne vzťahy medzi pozorovanými zmenami v čistej pridanej hodnote, čistých výnosoch a počte

zamestnancov. Kvalitatívna analýza však nemôže posúdiť celkový dopad intervencie na širšej úrovni.

Pre zlepšenie robustnosti analýzy bolo aplikované kontrafaktuálne hodnotenie dopadov na výpočet

ekonomických účinkov podpory. Výsledky CIE nie vždy podporili závery prípadových štúdií (napr. v

prípade čistých výnosov).

149

6 Odpovede na hodnotiace otázky

Nasledujúce výsledky sú založené na vykonanej analýze s použitím štyroch metód odhadu, dvoch

porovnávacích skupín, čo znamenalo, že zbehjlo viac ako 1 000 regresií. 167 podnikov bolo zahrnutých

do podporenej skupiny, 455 podnikov bolo v zamietnutej skupine a 284 podnikov sa nahcádzalo v

skupine nezúčastnených podnikov.

6.1 Odpovede na hodnotiace otázky

V nasledujúcich kapitolách sú poskytnuté odpovede na kľúčové otázky hodnotenia, ktoré boli

zadefinované v súťažných podkladoch. Odpovede sú na základe výsledkov Counterfactual Impact

Evaluation a výsledkov v rámci Theory-Based Impact Evaluation. Použitie viacerých zdrojov dát a

analytických prístupov umožnili hodnotiteľom poskytnúť spoľahlivé a podložené odpovede na hlavné

otázky hodnotenia, ako je uvedené nižšie.

Na základe výsledkov Counterfactual Impact Evaluation, môžeme formulovať nasledovné závery:

■ Pozitívne a štatisticky významné zmeny v čistej pridanej hodnote (približne v rozmedzí od 132

500 EUR do 228 900 EUR na podnik),

■ Pravdepodobne pozitívne zmeny v zamestnanosti (v priemere 0,5 FTE na podnik),

■ Zanedbateľné zmeny v čistých príjmoch.

Uvedené zistenia boli potvrdené výsledkami z Theory-Base Impact Evaluation.Výsledky v prípadovej

štúdii naznačujú, že realizované projekty priamo vytvorili čistú pridanú hodnotu a pracovné miesta.

Väčšina prípadových štúdií poukázala na to, že ako potenciálne vysvetlenie pre „nulové zmeny v čistých

príjmoch“, sa môže považovať negatívny vplyv finančnej krízy. Dokonca aj zvýšená produkcia podnikov

neviedla k dodatočným príjmom, predovšetkým v dôsledku poklesu cenovej hladiny v porovnaní s

obdobím pred realizáciou projektov.

Vplyv projektu, ktorý bol zistený počas práce v teréne, bol považovaný za pozitívny zo strany podnikov.

Napriek tomu je možné pozorovať, že väčšina projektov by sa realizovala aj tak, ale v menšom rozsahu

alebo v neskoršom období. Je potrebné poznamenať, že existujúce osvedčené postupy riadenia v

podporených podnikoch, mali tiež pozitívny vplyv na výsledky.

Pokiaľ ide o širšie dôsledky opatrenia pomoci, okrem pozitívneho vplyvu na štátny rozpočet a na silne

pozitívny vplyv v rámci príjmov z DPH, tiež mala podpora pozitívny vplyv na príjmy z daní súvisiacich so

zamestnaním.

Upozorňujeme, že vzhľadom na malú veľkosť vzorky, je neistota okolo odhadov relatívne vysoká.

Aký je čistý efekt podpory “1.1.1 podpora inovácií a transfer technológií”?

Existujú štatistické rozdiely v efektivite intervencií na rôzne skupiny malých a stredných podnikov

(podľa veľkosti, odvetví, regiónu NUTS 2, právnej formy a veku podniku)?

150

Na základe výsledkov analýzy vplyvov programu,môžeme formulovať nasledovné závery53

:

■ Podľa veľkosti podniku: podopatrenie 1.1.1 prinieslo veľký nárast čistej pridanej hodnoty pre malé

podniky a mierne zvýšenie čistej pridanej hodnoty stredných podnikov. Malé podniky tiež

zaznamenali mierny nárast čistých príjmov v dôsledku programu. Efekt programu na malé podniky

ďalej potvrdzuje význam niektorých odhadov vplyvu (napríklad: 4 zo 6 pozitívnych odhadov vplyvu v

prípade čistej pridanej hodnoty v malých podnikoch). V prípade mikro podnikov, programový efekt

na výsledkových premenných je pravdepodobne pozitívny.

■ Podľa priemyselného odvetvia: čistá pridaná hodnota podľa podnikov pôsobiacich v stredne-nízkej

technológii výroby sa výrazne zvýšila a čistý príjem sa tiež mierne zvýšil v dôsledku opatrenia. Tento

efekt ďalej potvrdzuje význam niektorých našich odhadov vplyvu (napríklad: 5 zo 6 odhadov vplyvu

pri výsledkových premenných vo vysokej a stredne-vysokej technológii výroby.). Podopatrenie 1.1.1

sa javí ako keby nemalo žiadny vplyv na výsledkové premenné vo vysokej a stredne-vysokej

technológii výroby.

■ Podľa regiónu NUTS 2: Na západnom Slovensku v priemere podporené podniky vykázali veľký

nárast čistej pridanej hodnoty a mierny nárast čistých príjmov. Na východnom Slovensku sa

opatrenie javí, ako keby nemalo žiadny vplyv na čistú pridanú hodnotu a čisté príjmy, napriek tomu

ale možno veľký nárast zamestnanosti pripísať práve vplyvu opatrenia. Tiež sa javí, že opatrenie

nemá vplyv na niektoré výsledkové premenné na strednom Slovensku.

Upozorňujeme, že vzhľadom na malú veľkosti vzorky, neistota okolo odhadov je relatívne vysoká

Podporované podniky z oblasti výrobného priemyslu sú zvyčajne malé (51,5%) alebo stredné (34,7%)

s priemerom okolo 70 zamestnancov. Väčšina oprávnených podnikov na Slovensku boli mikro podniky.

Tak ako mikro podniky, tak aj stredné podniky boli nadmerne zastúpené v skupine podporených

podnikov. Tieto zistenia boli potvrdené na základe Theory-Based Impact Evaluation.

V rámci výrobného priemyslu, tieto rozdiely môžu byť vytvorené naprieč celej vzorky: 14,4% podnikov

pôsobí vo vysokej a stredne-vysokej technológie výroby, 40,5% v nízkej technológii výroby a 37,2% v

stredne-nízkej technológii výroby. Výrobná sféra je vysoko zastúpená medzi podporenými podnikmi v

porovnaní s ich podielom voči oprávneným podnikom.

Regióny NUTS 2 sú zastúpené zhruba narovnako v rámci podporených podnikov. Priemerná čistá

pridaná hodnota medzi rokmi 2004 až 2013 pre podporené podniky činí 1 092 216 EUR a je podstatne

vyššia ako čistá pridaná hodnota oprávnených podnikov v rovnakom období, ktorých hodnota je 145

802,8 EUR. Priemerný čistý príjem medzi rokmi 2004 až 2013 pre podporené podniky činí 330 341 EUR

a je podstatne vyšší ako čistý príjem oprávnených podnikov za rovnaké časové obdobie, ktorého

hodnota dosahuje výšku -18 517 EUR. Priemerný počet zamestnancov medzi rokmi 2004 až 2013 pre

podporené podniky činí 70 zamestnancov na plný pracovný úväzok a je výrazne vyšší ako počet

zamestnancov oprávnených podnikov, ktorí v priemere zamestnávajú 23 ľudí na plný pracovný úväzok.

Tento rozdiel je z veľkej časti spôsobený rozdielom vo veľkosti podniku a v priemyselnom odvetví

podniku.

53Pokiaľ ide o právnu formu a vek podniku, tak analýza na základe stratifikácie právnej formy je zahrnutá v prílohách, ale nie je

zahrnutá v hlavnej časti správy, vzhľadom k malej veľkosti pod-vzorky. V prípade analýzy týkajúcej sa veku podnikov, výsledok

analýzy je vysoko závislý na subjektívnej kategorizácii. Vzhľadom k tomu homogenita podporovaných podnikov a kontrolných

skupín nezaručuje konečný odhad vplyvu, ktorý by nebol skreslený.

Aké boli hlavné charakteristiky MSP, ktoré boli podporované pomocou intervencie?

151

Viacej informácii o hlavných charakteristikách podporených MSP je možné nájsť v kapitole:Popis

podporenej vzorky4.1.2

Ako je uvedené v kapitole4.3, sú priemerné náklady na vytvorenie dodatočnejjednotky takéto:

■ na vytvorenie jedného dodatočného eura čistej pridanej hodnoty: 3,06 EUR,

■ na vytvorenie jedného dodatočného eura čistých príjmov: 26,26 EUR,

■ na vytvorenie jedného dodatočného pracovného miesta na plný pracovný úväzok (za rok):

563 855 EUR.

Vyššie uvedené odhady sú založené na pomere celkovej podpory počas priemerného vplyvu

vynásobené počtom podporených podnikov. Upozorňujeme, že vzhľadom na malú veľkosť vzorky,

neistota okolo odhadov je relatívne vysoká.

Analýza výnosov a nákladov je založená na odhade čistej pridanej hodnoty a na FTE. Odhad bol

vytvorený pomocou výpočtu zohľadňujúci priame dôsledky prejavujúce sa na dani z príjmu, zdravotným

poistením, poistením v nezamestnanosti, sociálnym poistením, daň z pridanej hodnoty a zo zdrojov

poskytnutých zo štátneho rozpočtu (pozri: kapitolu 4.2.4)

Kvôli volatilite odhadov čistej pridanej hodnoty a FTE, boli zavedené tri scenáre, ktoré poskytujú rozsah

medzi vypočítanými najlepšími a najhoršími scenármi. Výpočet bol vykonaný s čistou súčasnou

hodnotou v roku 2015 pre každý rok vrátane prognózy do budúcnosti.

■ Neutrálny scenár predstavuje potenciálne najpresnejší odhad skutočných účinkov. Odhaduje

celkový čistý finančný vplyv, ktorý predstavuje 18 076 098 EUR na rozpočet Slovenskej republiky. V

priemere, jeden prírastok podniku na čistý finančný vplyv tvorí 194 794 EUR.

■ V najlepšom scenári by odhadovaný celkový čistý finančný vplyv bol na úrovni 147 695 778 EUR,

zatiaľčo jeden prírastok podniku na čistý finančný vplyv by bol 827 929 EUR.

■ V najhoršom scenári sa predpokladaná celkový čistý finančný vplyv – 43 137 300 EUR a čistý finančný

vplyv dodatočného podniku na úrovni – 107 624 EUR.

Intervencia mala pozitívny dopad na štátny rozpočet v dôsledku silného pozitívneho vplyvu na príjmy z

DPH a pozitívneho vplyvu na príjmy z daní súvisiacich so zamestnaním.

Na základe výsledkov tejto Theory-Based Impact Evaluation bola intervencia úspešná v kauzálnych

vzťahoch medzi väčšinou stavebných blokov, kde bolo preukázané, že tieto väzby existujú. Konštrukcia

politiky bola úspešná pri dosahovaní väčšiny zamýšľaných cieľov. Napriek tomu, niekoľko vonkajších

faktorov ovplyvnilo implementačný proces a ktoré mali výrazný vplyv na konečné a dlhodobé výsledky

intervencie.

Aké sú priemerné jednotkové náklady na vytvorenie dodatočného eura v raste tržieb, pridanej

hodnoty alebo vytvoreniu jedného pracovného miesta v prípade MSP?

Aký je priemerný odhad celkového čistého finančného vplyvu na štátny rozpočet?

Aká bola intervencia práce a aké boli najdôležitejšie ovplyvňujúce faktory v priebehu

intervencie?

152

Najvýznamnejšie ovplyvňujúce faktory boli:

■ Vplyv finančnej krízy viedol k relatívne nižšiemu nárastu čistých tržieb, ako to bolo projektované

pred krízou a tiež k poklesu dopytu po produkcii.

■ Nedostatkom dostupných kvalifikovaných pracovných síl. V dôsledku intervencie dopyt po

kvalifikovanej pracovnej sily vzrástol u podporených podnikov, pričom ale podporené podniky zápasili

s tým, že nemohli nájsť vhodných uchádzačov na zaplnenie nových pozícií, kvôli nedostatku týchto

kvalifikovaných pracovných síl v regióne.

■ Zdĺhavá aplikácia a dĺžka úhrad, celková vysoká administratívna záťaž, bránila účinnosti

opatrenia. Napríklad v čase skutočného vyhotovenia požiadavky a časom, pokým sa obstarali

technológie, tak tie sa medzi tým staličasto krát zastaralé.

Pokiaľ ide o ovplyvňujúce faktory z hľadiska porovnávacieho vplyvu hodnotenia, tieto premenné boli

použité ako kontrolné premenné: veľkosť, región, priemyselné odvetvie, vek podniku a trendy čistej

pridanej hodnoty pred intervenciou, čistého príjmu a FTE. Na základe koncepčných predpokladov

môžeme vyššie uvedené premenné filtrovať vonkajšími šokmi pozorovateľných charakteristík. Ale, zo

štatistického hľadiska, žiadna z týchto premenných sa neukázala ako významná. Upozorňujeme, že

vzhľadom na malú veľkosť vzorky táto bezvýznamnosť nemá žiadny preukázateľný vplyv na

spoľahlivosť našich výsledkov.

153

7 Kľúčové závery a odporúčania

Nasledujúce odporúčania sú založené na analýze vykonanej štyrmi metódami odhadu dopadov s dvomi

porovnávacími skupinami, čo znamenalo vykonať viac ako 1000 regresií. 167 spoločností bolo

zahrnutých do podporenej skupiny, 455 spoločností bolo zaradených do porovnávacej skupiny

zamietnutých žiadateľov a 284 spoločností do porovnávacej skupiny nezúčastnených podnikov. Je

potrebné zdôrazniť, že z dôvodu nízkej početnosti jednotlivých skupín, odhady dopadov založené na

kontrafaktuálnych metódach so sebou prinášajú značnú mieru neistoty.

7.1 Zameranie podpory

1. Ako ukazujú výsledky tohto hodnotenia, výkonnosť malých a stredných podnikov sa v dôsledku

intervencie značne zlepšila v oblasti čistej pridanej hodnoty, čo zdôrazňuje relevantnosť intervencie

v sledovanom období. Tento výsledok však nebol zaznamenaný pre mikro a veľké podniky. Nárast

čistej pridanej hodnoty pri nezmenenej úrovni čistých výnosov indikuje že podporené podniky sa

stali nákladovo efektívnejšími. Tento výsledok bol verifikovaný aj počas kvalitatívneho hodnotenia

počas rozhovorov s prijímateľmi, ktorí potvrdili využitie podpory na zlepšenie ich produktového

portfólia v oblasti kvality a efektívnosti výroby.

Odporúčanie: budúce programy by sa mali aj naďalej zameriavať na malé a stredné podniky. Pri

podpore tejto skupiny podnikov je pravdepodobné že nastanú pozitívne dopady na úrovni firiem,

regiónov aj štátneho rozpočtu. Napriek tomu že dopady na mikro podniky neboli číslami potvrdené,

navrhujeme pokračovať v ich podpore. Prvým dôvodom je nízky počet pozorovaní v rámci tohto

hodnotenia, druhým dôvodom je že mikro spoločnosti sú v najväčšej miere závislé na štátnej

a európskej podpore pri financovaní ich inovačných aktivít. Aj napriek vo všeobecnosti nižšej

schopnosti efektívne využívať tieto prostriedky, dlhodobého benefity vyplývajúce z ich podpory

môžu byť značné (avšak náročné na hodnotenie).

2. Vplyvy podpory sú závislé na jednotlivých priemyselných odvetviach. Podniky v skupine stredne-

nízkej technologickej náročnosti výroby dosahovali lepšie výsledky ako podniky v iných odvetviach.

Odporúčanie: budúce opatrenia by mali zvážiť rozdielne úrovne efektivity podľa ekonomických

odvetví. Nižšie uvádzame prehľad odvetví patriacich do skupiny stredne nízkej technologickej

náročnosti výroby (divízia.skupina):

18.2 Reprodukcia záznamových médií;

19 Výroba koksu a rafinovaných ropných produktov;

22 Výroba výrobkov z gumy a plastu;

23 Výroba ostatných nekovových minerálnych výrobkov;

24 Výroba a spracovanie kovov;

25 Výroba kovových konštrukcií, okrem strojov a zariadení:

25.1 Výroba kovových konštrukcií;

25.2 Výroba nádrží, zásobníkov a kontajnerov z kovu;

25.3 Výroba parných kotlov, okrem kotlov ústredného kúrenia;

25.5 Kovanie, lisovanie, razenie a valcovanie kovov; prášková metalurgia;

25.6 Opracovanie a povrchová úprava kovov; obrábanie;

25.7 Výroba nožiarskych výrobkov, náradia a železiarskeho tovaru;

25.9 Výroba ostatných kovových výrobkov.

154

3. Čistý účinok podpory sa líši v závislosti od geografickej polohy. Kvantitatívne dôkazy ukazujú, že

finančné prostriedky vyvolali vyšší čistý príjem podnikov pôsobiacich na západnom Slovensku ako

na stredom a východnom Slovensku. Tieto výsledky ale neboli potvrdené so strany kvalitatívnych

dôkazov.

Odporúčanie: v rámci budúcich programov by sa mohol zvážiť regionálne orientovaný prístup,

prípadne zaviesť intervencie na regionálnej úrovni, ktoré by zohľadňovali miestne potreby a dopyt

po podpore z verejných zdrojov. Bohužiaľ nie je v našich silách špecifikovať toto odporúčanie do

väčšieho detailu, nakoľko sme z kvantitatívnej analýzy neboli schopní identifikovať príčiny vyššej

efektívnosti podpory na západnom Slovensku. Nízka početnosť skupiny podporených podnikov nám

nedovolila analyzovať dopady programu na základe jednotlivých charakteristík podnikov. Vo

všeobecnosti je však možné konštatovať že väčší trhový potenciál a kúpyschopnosť na západnom

Slovensku ovplyvnila výkonnosť týchto spoločností do značnej miery.

7.2 Poskytovanie podpory

4. Intervencia predstavuje nadmernú administratívnu záťaž pre žiadateľov a prijímateľov. Vo viacerých

prípadoch bola zdôrazňovaná potreba zníženia množstva dokumentácie, ktorá má byť predkladaná

a pripravovaná počas podávania žiadostí a realizácie projektu. Uvedené je v súlade s relevantnou

literatúrou a zmenami politiky v období 2014-2020.

Odporúčanie: s ohľadom na vysokú administratívnu záťaž, rozumieme že túto oblasť je značne

komplikované vylepšiť nakoľko originálne verzie dokumentov sa musia ukladať pre účely auditu

a kontroly súladu. V súčasnosti využívaný IT systém podporuje celý proces administrácie projektov,

avšak originálny dokumentov musia byť poskytnuté kvôli kontrole voči údajom vloženým do

systému. Ďalšie zlepšenia v tejto oblasti bude možné dosiahnuť po zavedení elektronických

podpisov (PKI v novom systéme ITMS 2014+), ktoré budú plne vyhovovať národným legislatívnym

a technickým štandardom a zabezpečia zefektívnenie procesov v oblasti financovania z európskych

fondov. V súčasnosti plánované prepojenie systému ITMS s inými IT systémami verejnej správy by

malo ďalej znížiť množstvo potrebnej dokumentácie.

5. Zdĺhavý proces žiadosti a obstarávania technológií často vedie k tomu, že keď sa daná technológia

reálne obstará, býva už zväčša zastaraná, čo by mohlo mať za následok zníženie celkovej

opodstatnenosti investície.

Odporúčanie: keďže dôraz je kladený na nové a inovatívne technológie, časová medzera medzi

vyhlásením výzvy a skutočnou implementáciou by mala byť čo najmenšia. To by sa dalo dosiahnuť

propagáciou plánovaných výziev v značnom predstihu pre dátumom ich otvorenia a skrátením

lehoty na predkladania žiadostí o NFP. Ďalšou možnosťou by mohlo byť využívanie otvorených

výziev. Všetkým žiadostiam s kladným hodnotením resp. nad určitou hranicou bodov by bola

pridelená podpora až do vyčerpania prostriedkov alokovaných na danú výzvu. S cieľom predísť

morálnemu zastaraniu technológií počas obdobia administrácie žiadostí a procesu implementácie

by sa budúce programy mali sústrediť na zrýchlenie celého procesu (ak je to možné).

6. Aj napriek skutočnosti že tvorba nových pracovných miest nebola primárnym cieľom tejto

intervencie, býva zvýšenie zamestnanosti aspoň želaným dopadov obdobných opatrení. V prípade

hodnoteného podopatrenia výsledky CIE naznačujú len malý vplyv na zamestnanosť. Niektorí

prijímatelia mali ťažkosti s nájdením kvalifikovanej pracovnej sily pre novovytvorené miesta. Plnenie

podmienok súvisiacich s tvorbou nových pracovných miest sa ukázalo ako veľmi náročné, obzvlášť

v období kedy museli spoločnosti čeliť po-krízovým trhovým výkyvom.

Odporúčanie: budúce intervencie by mali vziať do úvahy skutočnosť že inovácie zvyčajne vedú

k nižšej pracovnej intenzite výroby a udržanie danej úrovne zamestnanosti by mohlo byť

považované samo o sebe za dôležitý výsledok. Programy zamerané na podporu podnikov by v

budúcnosti nemali klásť nadmerný dôraz na počet novovytvorených pracovných miest pri hodnotení

žiadostí o poskytnutie podpory.

155

7. Poskytovanie pomoci formou nenávratného finančného príspevku nemusí byť jediným vhodným

nástrojom dosiahnutia želanej zmeny v správaní podporených spoločností.

Odporúčanie: bolo by vhodné zvážiť aj alternatívne finančné a nefinančné nástroje ako prostriedok

podpory spoločností. Výsledky v rámci hodnotenia dopadov založeného na teórii indikujú, že väčšina

spoločností by projekty pravdepodobne realizovala aj bez poskytnutej podpory, ale v menšom

rozsahu alebo neskôr. Nakoľko sa javí, že spoločnosti využívajú podporu namiesto externého

financovania, využívanie alternatívnych nástrojov ako úverov so zvýhodnenými podmienkami alebo

záruk by mohlo predstavovať alternatívny spôsob dosahovania cieľov politiky. Úvery so

zvýhodnenými podmienkami motivujú firmy realizovať dlhodobo udržateľné projekty, umožňujú

podporiť viac subjektov avšak v menšom rozsahu.

7.3 Meranie dopadov

8. Ukazovatele navrhnuté na meranie výkonnosti programu: čistá pridaná hodnota, čisté výnosy a FTE

by potenciálne mohli byť doplnené dodatočnými indikátormi poskytujúcimi dôveryhodný a úplný

obraz o efektivite podpory. Uvedené premenné napríklad neberú do úvahy produktivitu, ktorej

zvýšenie ja želaným výsledkom realizácie inovatívnych investícií.

Odporúčanie: pri budúcich intervenciách by sa mohli zvážiť ďalšie ukazovatele na meranie

efektivity. Napríklad, čistá pridaná hodnota na plný pracovný úväzok (produktivita práce), alebo čistá

pridaná hodnota na dlhodobý majetok (produktivita kapitálu) môžu znamenať ďalšie cenné

informácie pre hodnotenie programu. Takéto dodatočné ukazovatele by však znamenali ďalšiu záťaž

a prácnosť zberu dát, ktorá je už v súčasnosti dosť náročná.

9. Paralelné využitie kvantitatívnych a kvalitatívnych metód sa ukázalo ako užitočné pri hodnotení

dopadov, triangulácii zistení a identifikácii kauzálnych vzťahov súvisiacich s intervenciou. Prijímatelia

podpory boli počas prípadových štúdií veľmi nápomocní, zdieľali úprimné názory a objasnili

praktické skúsenosti s realizáciou projektov v rámci hodnoteného opatrenia.

Odporúčanie: pokiaľ to rozpočtové možnosti dovolia, bolo by pri budúcich hodnoteniach vhodné

uplatňovať kombináciu kvalitatívnych a kvantitatívnych metód, aby sa vyhlo spoliehaniu sa len na

jeden prístup alebo metódu.

10. Vo väčšine prípadov, relatívne malá vzorka nepriaznivo ovplyvnila spoľahlivosť kvantitatívnych

odhadov dopadov.

Odporúčanie: v záujme dosiahnutia vyššej spoľahlivosti odhadu odhadov by bolo možné využiť

všeobecnejšie formulované ukazovatele dopadov bez potreby stratifikácie na základe charakteristík

spoločností, alebo pokiaľ je to možné, zvýšiť veľkosti vzoriek (napr. hodnotením viacerých

výziev/opatrení, čo by zvýšilo početnosť podporenej skupiny).

11. Pokiaľ ide o porovnávacie skupiny nezúčastnených spoločností, je potrebný stratifikovaný výber

vzorky, aby sa zabezpečilo, že porovnávacia skupina je vhodnou aproximáciou podporenej skupiny.

Toto je obzvlášť dôležité pri hodnotení všeobecných ekonomických dopadov.

Odporúčanie: je pochopiteľné že poskytovanie stratifikovaných údajov predstavuje pre inštitúcie

poskytujúce dáta značnú časovú a administratívnu záťaž. Nakoľko sa využívanie kvantitatívnych

hodnotení dopadov stáva čoraz populárnejším, bolo by prínosné poskytnúť zamestnancom

pracujúcim v takýchto inštitúciách tréningy/vzdelávanie, ktoré by im pomohlo pri riešení takýchto

požiadaviek.

12. Dopady intervencie sa môžu v závislosti od výšky poskytnutých prostriedkov líšiť. Nanešťastie to

z dôvodu nízkej početnosti podporenej skupiny nebolo možné hodnotiť.

156

Odporúčanie: pri budúcich intervenciách by bolo vhodné zvážiť analýzu zmeny dopadov intervencie

v závislosti od výšky podpory (tzn. či majú vyššie granty aj väčší dopad?). Toto je však možné len

pri dostatočne veľkej dátovej základni.

157

8 Úloha 2

8.1. Zhrnutie

V rámci zadania boli hodnotené čisté efekty opatrenia vzdelávanie a príprava pre trh práce (ďalej len

opatrenie) na jeho účastníkov s využitím techniky kontrafaktuálneho hodnotenia (CIE – counterfactual

impact evaluation), pri ktorej sa odhaduje dopad na skupinu účastníkov v porovnaní s podobnou skupinu

uchádzačov o zamestnanie (UoZ), ktorí sa opatrenia nezúčastnili (tvoria takzvanú porovnávaciu skupinu),

ako aj hodnotenia založeného na teórii (TBIE – theory-based impact evaluation). Pre kvantifikáciu efektov

opatrenia boli využité dva modely, v ktorých sa podobnosť medzi skupinami dosahovala pomocou

párovania na základe metódy najbližšieho suseda a metódy caliper radius . Tretí hodnotiaci model

využíval metódu regresnej analýzy. Hodnotenie zahŕňalo roky 2007-2013 a bolo vykonané za celé

sledované obdobie aj za jednotlivé etapy, ktoré sa navzájom odlišovali ekonomickými alebo

legislatívnymi podmienkami. Hodnotenie bolo realizované na súbore údajov z evidencie Ústredia práce,

sociálnych vecí a rodiny, ktoré boli doplnené údajmi z databázy Sociálnej poisťovne umožňujúcimi

sledovať jednotlivcov aj po ich vyradení z evidencie úradov práce a hodnotiť ich úspešnosť v oblasti

zamestnania a výšky dosahovaného príjmu.

Výsledky CIE hodnotenia ukazujú, že počas hodnoteného obdobia malo opatrenie všeobecne negatívny

dopad na príjmy a prevažne aj na zamestnanosť účastníkov. Tento efekt však nebol jednoznačný pre

všetky obdobia a všetky skupiny uchádzačov o zamestnanie. Negatívne efekty sa v druhej polovici

hodnoteného obdobia zvýraznili, t.j. implementácia opatrenia sa v čase zhoršovala.

Opatrenie malo pozitívne účinky na niektoré skupiny UoZ (napríklad na zamestnanosť starších UoZ,

alebo na príjmy UoZ v Bratislave) za určitých okolností (pozitívne účinky sa dostavili najmä v dlhšom

časovom horizonte – 12 až 24 mesiacov po ukončení vzdelávania). Z hľadiska časového obdobia možno

konštatovať, že opatrenie malo negatívny čistý efekt najmä v období plných dopadov ekonomickej krízy

na trh práce (zhruba v rokoch 2009-2012) a zmiešané pozitívne účinky pred a po krízovom období.

Opatrenie malo tiež diferencované účinky pre rôzne skupiny UoZ. Zatiaľčo rodové rozdiely neboli

štatisticky významné, t.j. čisté efekty na ženy aj mužov boli zhruba rovnaké, účinok opatrenia bol rôzny

pre jednotlivé vekové a vzdelanostné skupiny. Pre vekovú skupinu 55+ nebol negatívny dopad opatrenia

jednoznačný (štatisticky významný). Počiatočný negatívny príjmový efekt opatrenia sa v prípade

účastníkov starších ako 55 rokov vytrácal už po štyroch mesiacoch. Dopad opatrenia na zamestnanosť účastníkov vo veku 55 a viac rokov bol v strednodobom horizonte dokonca štatisticky významne

pozitívny (išlo predovšetkým o obdobie druhého polroku po ukončení opatrenia). Pri rozlíšení troch

stupňov najvyššieho dosiahnutého vzdelania boli nájdené pozitívne efekty na príjmy pre účastníkov s

vysokoškolským vzdelaním, tento efekt však nebol potvrdený všetkými odhadovanými modelmi

(výsledky mohli byť ovplyvnené napríklad veľkým rozptylom v príjmoch vysokoškolsky vzdelaných UoZ,

ktorí sú zároveň medzi nezamestnanými relatívne menej zastúpenou skupinou). Významné boli tiež regionálne rozdiely v účinkoch opatrenia v Bratislave na jednej strane a v ostatných regiónoch Slovenska

na druhej strane. Úradom s najväčším počtom účastníkov na opatrení je Bratislava. Tu môžeme

pozorovať pozitívny príjmový efekt opatrenia (po 24 mesiacoch) v kombinácii s negatívnym efektom na

zamestnanosť účastníkov. Podobný vzor správania nebol nájdený (okrem Bratislavy a Pezinku) v

ostatných regiónoch Slovenska. Okrem výrazného rozdielu medzi Bratislavou a ostatnými regiónmi

Slovenska nebolo možné pozorovať väčšie regionálne rozdiely. S výnimkou Bratislavských úradov

vykazovali jednotlivé úrady veľmi podobný typ účinkov opatrenia - v prevažnej väčšine úradov bol

pozorovateľný štatisticky významný negatívny dopad účasti na opatrení aj na príjem aj na zamestnanosť účastníkov.

Výsledky TBIE poukazovali na prítomnosť efektu uzamknutia (locking-in), a prítomnosť selektivity pri

výbere účastníkov programu. K efektu uzamknutia dochádza, keď UoZ nadobudne novú kvalifikáciu a

zručnosti, ktoré zvýšia jeho nároky na výber profesie aj ohodnotenie. Pokiaľ nenájde vhodnú možnosť uplatnenia, môže zotrvať v stave nezamestnanosti dlhšie ako v prípade keby sa vzdelávania nezúčastnil.

Výsledky kvantitatívneho hodnotenia naznačujú, že skutočne k danému efektu dochádza najmä v

158

Bratislave, kde je pravdepodobnosť zamestnania u účastníkov opatrenia spočiatku nižšia než u

porovnávacej skupiny a tento negatívny efekt vymizne ažčasom (do 24 mesiacov). Na druhej strane

tento proces sprevádza pozitívny príjmový efekt, ktorý naznačuje, že po získaní vhodného zamestnania

dosahujú účastníci opatrenia časom vyššie príjmy než porovnávacia skupina. Efekt uzamknutia je teda

len prechodný a možno ho spojiť s určitou frikčnou nezamestnanosťou, keď si účastníci opatrenia

hľadajú vhodné pracovné miesto. K efektu selektivity dochádza výberom účastníkov spomedzi

najschopnejších UoZ, ktorí majú najvyššie šance zamestnať sa. Na základe kvalitatívneho hodnotenia

sme dospeli k záveru, že uvedený efekt mohol spôsobiť rozdiely v účinnosti opatrenia medzi Bratislavou

a zvyškom Slovenska. V rozhovoroch s pracovníkmi úradov práce sa potvrdili dve protichodné tendencie

pri implementácii opatrenia. Zatiaľčo v mimobratislavských regiónoch boli v zásade všetci UoZ

konfrontovaní s možnosťou vzdelávania sa už v počiatočných štádiách evidencie, v Bratislave sa

opatrenie ponúkalo až po uplynutí istej doby pre UoZ, ktorým sa dovtedy nepodarilo zamestnať. Plynutím času dochádza k zmene štruktúry UoZ, kedy najľahšie zamestnateľní postupne odchádzajú a

v danej skupine ostávajú problémovejší účastníci, ktorí majú rôzne bariéry pri vstupe na trh práce. Tým

sa znižuje aj účinnosť opatrenia.

Kvalitatívne hodnotenie založené na prieskume na vybraných úradoch poukázalo na niektoré nedostatky

v troch kľúčových oblastiach. Po prvé, v oblasti identifikácie vzdelávacích potrieb je proces v praxi (a)

riadený pohľadom do minulosti (backward-looking), (b) upadá do stereotypu, keď sa vzdeláva sústavne

pre tie isté profesie, (c) je určovaný najmä samotnými účastníkmi vzdelávania (UoZ), ktorí si stanovujú

vzdelávacie potreby na základe svojich predstáv resp. vlastného vnímania svojej situácie na trhu práce.

Po druhé, interné smernice neupravovali práve tie stránky procesu, ktoré môžu byť rozhodujúce pre

účinok opatrenia (napríklad z hľadiska problémov spojených so selektivitou popísaných vyššie). Tomu

nasvedčuje existencia zásadných rozdielov v praxi pri spôsobe výberu účastníkov resp. ich zaraďovaní

na opatrenie napríklad pri zvolení časového okamihu kedy sú UoZ konfrontovaní s možnosťou

vzdelávania aj pri konkrétnom postupe ďalších krokov (napr. či sprostredkovateľponúka opatrenie

všetkým uchádzačom už na začiatku evidencie alebo sa čaká s jeho ponúknutím až po uplynutí

niekoľkých mesiacov), ako aj zapojenie poradcov, ktorí rôznym spôsobom pracujú s potenciálnymi

účastníkmi vzdelávania. Po tretie, v oblasti spôsobu organizácie kurzov zo strany samotných úradov

resp. Ústredia zohral kritickú úlohu proces verejného obstarávania najmä po jeho centralizácii, kedy

došlo k neprimeraným odkladom a tiež obmedzeniu flexibility vzdelávania. Najžiadanejšie kurzy, ktoré

boli nahlásené do centrálneho VO boli týmto dlhodobo zablokované a často sa vôbec neuskutočnili.

Niektoré úrady si vlastným obstarávaním ešte zabezpečili iné kurzy, ale museli byť orientované na iné

profesie než ktoré boli nahlásené do centrálneho VO. Zásadným problémom pri organizácii opatrenia

na úrovni úradov bola aj diskontinuita vo financovaní.

Na základe uvedených zistení možno v oblasti politiky zamestnanosti odporučiť diferencované

využívanie opatrenia, pričom dôležité je aj správne zladenie objemu a času poskytovania opatrenia. Nie

je vhodné jeho poskytovanie úplne prerušiť, a to ani počas recesie, je však vhodné využívať ho

masovejšie v dobe, keď sa v ekonomike naštartujú procesy tvorby pracovných miest a toto štrukturálne

opatrenie má väčšiu šancu na úspech. V oblasti implementácie možno odporučiť zdokonalenie metodiky

spôsobu identifikácie vzdelávacích potrieb, viac pozornosti venovať spôsobu výberu účastníkov

opatrenia a zmeniť organizačno-technický rámec poskytovania vzdelávania (najmä decentralizovať VO).

V oblasti financovania možno odporučiť zváženie dlhšieho cyklu (napríklad projektové financovanie na

obdobie viacerých rokov), čím by sa zvýšila kontinuita, stabilita a predvídateľnosť finančných tokov.

159

8.1 Úvod

8.1.1 Účel hodnotenia

Hlavným cieľom hodnotenia je poskytnúť inštitúciám zodpovedným za riadenie a implementáciu politiky

súdržnosti na Slovensku objektívnu informáciu o prínosoch vybraných intervencií. Úloha 2 sa sústredí

na zistenie čistého efektu realizácie aktívneho opatrenia trhu práce (AOTP) - § 46 Vzdelávanie a príprava

pre trh práce spolufinancovaného z Európskeho sociálneho fondu (ESF).

Hodnotenie má pritom zodpovedať na nasledujúce hodnotiace otázky:

■ Aký je čistý efekt intervencie?

■ Existujú štatistické rozdiely v efektoch intervencie na rôzne skupiny?

■ Ako fungujú skúmané intervencie?

■ Aké sú dôvody úspechu/neúspechu intervencie?

■ Aký vplyv má realizácia intervencie na štátny rozpočet?

■ Aká je výška priemerných jednotkových nákladov na vzdelávacie a tréningové aktivity pre UoZ

vedúce k získaniu zamestnania?

Východiskom pre kvantifikáciu čistého efektu opatrenia je využitie kontrafaktuálneho hodnotenia

dopadov (CIE). Následne budú výsledky hodnotenia interpretované prostredníctvom ďalších

hodnotiacich metód, konkrétne hodnotením dopadov založeným na teórii (TBIE) a analýzou nákladov a

výnosov (CBA).

8.1.2 Popis hodnotenej intervencie

Aktívna politika trhu práce obsahuje niekoľko základných komponentov, predovšetkým: verejné služby

zamestnanosti, tvorbu podporovaných pracovných miest a vzdelávanie (tréning). Význam a intenzita

využívania jednotlivých komponentov (ďalej len „APTP“) v jednotlivých štátoch sú rôzne v závislosti od

situácie na trhu práce a cieľov predmetnej politiky. Účelom vzdelávania v kontexte politiky trhu práce je

prostredníctvom cieleného zvyšovania poznatkov a praktických zručností zvýšiť šance nezamestnaných

na získanie pracovného miesta. Kluve a Schmidt (2002) argumentujú, že vzdelávacie programy môžu

prispieť k uplatneniu nezamestnaných na trhu práce, ale úspešnosť jednotlivých intervencií je rôzna v

dôsledku externých a interných faktorov.

Predmetom hodnotenia je vzdelávanie a príprava pre trh práce určené pre uchádzačov o zamestnanie

(evidovaných nezamestnaných). Aktívne opatrenia trhu práce, vrátane vzdelávania a prípravy stanovuje

zákon č. 5/2004 Z.z. o službách zamestnanosti. Ten definuje vzdelávanie a prípravu pre trh práce ako

teoretickú prípravu alebo praktickú prípravu uchádzača o zamestnanie, ktorú si vyžaduje jeho uplatnenie

na trhu práce a ktorá umožňuje získať nové odborné vedomosti, zručnosti a schopnosť i na účel

pracovného uplatnenia uchádzača o zamestnanie vo vhodnom zamestnaní. Pri určovaní obsahu a

rozsahu vzdelávania a prípravy pre trh práce sa vychádza z doterajšej úrovne odborných vedomostí,

zručností a schopností uchádzača o zamestnanie a zamestnanca tak, aby boli účelne využité pri získavaní

nových odborných vedomostí, zručností a schopností. Od roku 2004, kedy zákon vstúpil do platnosti,

bolo vykonaných niekoľko legislatívnych úprav. Časť z nich sa týkala aj ustanovení relevantných pre

implementáciu vzdelávania a prípravy pre trh práce, predovšetkým §46.

Konkrétne aktivity v rámci vzdelávania a prípravy sa realizujú na základe ročných plánov vzdelávania

vypracovaných jednotlivými úradmi. Tie na jednej strane berú do úvahy situáciu na regionálnom trhu

práce (evidované voľné pracovné miesta) a záujem evidovaných nezamestnaných, resp. vzdelanostnú

úroveň, zručnosti a schopnosti uchádzačov o zamestnanie. Posúdenie vhodnosti zaradenia uchádzača o

zamestnanie do aktivít vzdelávania a prípravy pre trh práce je súčasťou odborných poradenských služieb

alebo individuálneho akčného plánu (ak je spracovaný). Vzdelávanie a príprava pre trh práce sa realizuje

výlučne prostredníctvom národných alebo pilotných projektov. V hodnotenom období boli intervencie

implementované v rámci národných projektov financovaných z Európskeho sociálneho fondu

160

schválených Ministerstvom práce, sociálnych vecí a rodiny SR. Národné projekty boli súčasťou OP

Ľudské zdroje a Jednotného programového dokumentu Bratislava NUTSIII región (2004-2006) a OP

Zamestnanosť a sociálna inklúzia (2007-2013). Pre opatrenie ako celok neboli stanovené kritériá

úspešnosti, avšak pre každý národný projekt boli stanovené cieľové hodnoty definované ako podiel

účastníkov, ktorí sa po ukončení účasti uplatnili na trhu práce.

Vzdelávanie a príprava uchádzačov o zamestnanie pre trh práce môže mať charakter akreditovaných

vzdelávacích programov smerujúcich k posilneniu kvalifikácie, vzdelávacích programov zameraných na

rozvoj komunikačných, počítačových, manažérskych, sociálnych a podnikateľských kompetencií a

vzdelávacích aktivít v rámci medzinárodných programov. Uchádzač o zamestnanie môže byť zaradený

do aktivít vzdelávania prípravy pre trh práce na základe vyplnenia a podpisu záväznej prihlášky.

Odmietnutie ponuky alebo predčasné ukončenie účasti na vzdelávaní a príprave na trh práce bez udania

vážnych dôvodov môže viesť k vyradeniu z evidencie nezamestnaných. Výber uchádzačov o

zamestnanie vykonáva úrad práce, sociálnych vecí a rodiny prostredníctvom odboru služieb

zamestnanosti. V procese výberu účastníkov môže spolupracovať aj s dodávateľom služieb vzdelávania

prípravy pre trh práce. Úrad môže uhradiť 100% nákladov súvisiacich s realizáciou aktivít vzdelávania

prípravy pre trh práce. Oprávnené náklady definuje samotný zákon. Uchádzač o zamestnanie má nárok

na úhradu nákladov súvisiacich s účasťou na aktivitách vzdelávania a prípravy pre trh práce: cestovné

náklady, výdavky na ubytovanie a stravné, príspevok na službu pre rodinu s deťmi. Od roku 2013 sú

oprávnenými aj náklady na vzdelávania a prípravu pre trh práce z vlastnej iniciatívy uchádzača o

zamestnania a to za podmienky, že účasť vedie k získaniu pracovného miesta.

161

9 Kontrafaktuálne hodnotenie

dopadov(CIE)

Pri kvantifikácii dopadov opatrenia boli využité tri techniky využívajúce kontrafaktuálny prístup. Ide o

kvantifikácie:

a) pomocou párovania metódou najbližšieho suseda, (model 1),

b) pomocou párovania metódou tolerovanej vzdialenosti (caliper radius). (model 2),

c) pomocou regresnej rovnice, (model 3).

V tejto kapitole budeme pre zjednodušenie každú z týchto techník nazývať modelom; získame tak model

1, model 2 a model 3.

Techniky boli zvolené pri zohľadnení charakteru dát. Pre potreby vyhodnotenia bol vytvorený rozsiahly

súbor, ktorý vznikol kombináciou administratívnych databáz ÚPSVaRu a Sociálnej poisťovne. Tento

súbor obsahuje informáciu o pomerne veľkom počte pozorovateľných znakov účastníkov opatrenia a

zároveň ponúka výbornú oporu výberu informáciou o veľkom počte oprávnených žiadateľov, ktorí

predstavujú základný súbor pre výber kontrolnej skupiny. Tieto vlastností poskytnutých dát sú dobrým

predpokladom pre spoľahlivosť výsledkov získaných pomocou techník párovania (model 1 a model 2).

Voľba kontrafaktuálnej metodiky hodnotenia bola determinvaná charakterom dát a hodnoteného

opatrenia. V rámci existujúcej literatúry pri hodnotení vzdelávacích opatrení aktívnej politiky trhu práce

dominujú techniky založené na párovaní. Medzi techniky založené na párovaní patrí párovanie na základe

pravdepodobnosti účasti na opatrení (propensity score matching). Ide o jednu z najsofistikovanejších a

zároveň najčastejšie využívaných techník v tejto oblasti.

Technika rozdielov v rozdieloch (difference in differences) by v tomto kontexte mala obmedzené

možnosti aplikácie. Jej charakter vyžaduje kvantitatívny indikátor výsledku, čo by neumožňovalo

sledovať zamestnanosť účastníkov na úrovni jednotlivcov.

Nakoľko výber účastníkov opatrenia vo väčšine prípadov neprebiehal na základe systematických a

transparentných pravidiel a informácie o žiadateľoch nebolo možné poskytnúť na individuálnej úrovni,

Nebolo možné využitie techník vyžívajúcich informáciu o bariérach prístupu k opatreniu (napr.

regression discontinuity design a pod.)

Vo všeobecnosti bolo hodnotené opatrenie pre uchádzačov o zamestnanie málo dostupné (v porovnaní

k celkovému počtu aj tokom uchádzačov). Táto skutočnosť komplikuje identifikáciu systematického

kritéria vylučujúceho účasť uchádzača o zamestnanie, ktorý by sa inak opatrenia zúčastnil. Takéto

kritérium je podmienkou efektívneho využitia techník založených na tzv. nepozorovateľných

charakteristikách jednotlivcov. V rámci analýzy sme testovali, či nie je takýmto vylučujúcim kritériom

geografická vzdialenosť obce trvalého pobytu od najbližšieho úradu práce. Vzdialenosť dochádzky sa

však neukázala ako faktor systematicky vplývajúci na účasť UoZ na opatrení. V zásade teda neexistuje

alebo nie je nám známy žiaden znak alebo okolnosť, ktoré by systematicky bránili účasti UoZ na opatrení.

Techniky kontrafaktuálneho hodnotenia založené na párovaní sú doplnené o odhady pomocou

regresného modelu. Kapitola sa postupne venuje charakteristikám súboru, na základe ktorého boli

modely odhadnuté, nastaveniam jednotlivých modelov a ich výsledkom.

162

9.1 Opis údajov využitých pre hodnotenie

9.1.1 Zdroje a štruktúra poskytnutých údajov

Pre potreby analýzy boli poskytnuté celkovo tri databázy - dve databázy od Ústredia práce, sociálnych

vecí a rodiny a jedna od Sociálnej poisťovne. Prvá databáza zaznamenáva informácie o všetkých

evidenciách uchádzačov o zamestnanie (UoZ) zaregistrovaných počas obdobia od začiatku roka 2007 do

konca roka 2014; spolu ide o takmer 3 milióny evidencii. Táto tabuľka bola poskytnutá pod názvom

Export_T2. Spolu s dátumom zaradenia a vyradenia UoZ z evidencie sú v tabuľke zaznamenávané aj

opisné charakteristiky UoZ zisťované v rámci žiadosti o evidenciu, ktorú vypisujú UoZ pri registrácii.

Podrobný zoznam stĺpcov tabuľky zobrazuje nasledujúca tabuľka.

Tabuľka 110: Štruktúra tabuľky „Export_T2“ (názvy premenných)

Požadované údaje

o UCHÁDZAČOCH

O ZAMESTANIE –

participujúcich na vzdelaní

v rámci §46

(za roky 2007-2013)

Typ premennej Rola premennej

1.1. Rodné číslo (identifikátor

klienta) Identifikátor Identifikácia UoZ

1.2. Evidencia UoZ:

1.2.1. Dátum zaradenia Výsledková premenná a

výberová (kontrolná) premenná

Kvantifikácia čistých efektov/Meranie

významnosti premennej na výsledok

a očistenie výsledku pre získanie čistého

efektu

1.2.2. Dátum vyradenia Výsledková premenná a





efektu

1.2.3. Dôvod vyradenia Výsledková premenná a





efektu

1.3. Rok narodenia UoZ

Výberová (kontrolná)

premenná

Meranie významnosti premennej na výsledok


efektu

1.4. Pohlavie klienta


premenná



efektu

1.5. Správne územie:

1.5.1. Okres trvalého bydliska


premenná



efektu

1.5.2. Okres prechodného bydliska


premenná



efektu

1.5.3. UPSVR, ktorý eviduje UoZ


premenná



efektu

1.5.4. Kód obce


premenná



efektu

1.6. Rodinný stav


premenná



efektu

163

1.7. Štátna príslušnosť


premenná



efektu

1.8. Národnosť


premenná



efektu

1.9. Deti do 10 rokov


premenná



efektu

1.10. Vzdelanie:

1.10.1. Najvyšší dosiahnutý stupeň


premenná



efektu

1.10.2.

Študijný odbor, v ktorom

úspešne absolvoval najvyššie

dosiahnuté vzdelanie


premenná



efektu

1.10.3.

Posledný študijný odbor,

absolvovaný – nemusí ísť

o úspešné ukončené vzdelanie


premenná



efektu

1.11. Miera zdravotného

postihnutia


premenná



efektu

1.12. Posledné známe zamestnanie:

1.12.1. Zamestnanie bezprostredne

pred evidenciou


premenná



efektu

1.12.2. Dĺžka trvania zamestnania


premenná



efektu

1.12.3. Profesia


premenná



efektu

1.12.4. Oblasť podnikania


premenná



efektu

1.12.5. Typ pracovného vzťahu


premenná



efektu

1.12.6. Doba do zaradenia do

evidencie UoZ


premenná



efektu

1.13. Prax


premenná



efektu

1.14. Občan v minulosti evidovaný

na UPSVR


premenná



efektu

1.15. Znalosť cudzieho jazyka


premenná



efektu

1.16. Vlastníctvo vodičského

preukazu


premenná



efektu

1.17. Ovládanie PC


premenná



efektu

1.18. Prekážka pri uplatnení na trhu

práce


premenná



efektu

164

1.19.

Príslušnosť ku skupine

znevýhodnených UoZ podľa §

8


premenná



efektu

Druhou poskytnutou databázou bola databáza účastí jednotlivých UoZ na opatreniach aktívnej politiky

trhu práce (APTP). Sledované boli účasti na vybraných opatreniach APTP počas časového obdobia od

začiatku fungovania registra v jeho súčasnej podobe (približne od začiatku roka 2001) do konca roka

2013. Pre potreby vyhodnotenia bude používaná informácia o účastiach na opatreniach APTP od

začiatku účinnosti Zákona o službách zamestnanosti 5/2004 Z.z., teda od 1.2. 2004.

Tabuľka účastí na opatreniach AOTP bola poskytnutá pod názvom Export_T1, štruktúru jej stĺpcov

zobrazuje nasledujúca tabuľka.


Požadované údaje o

UCHÁDZAČOCH

O ZAMESTANIE -

Účasť na

opatreniach TP

(od začiatku platnosti

zákona 5/2004)


2.1. Rodné číslo

(identifikátor klienta)

Identifikátor Identifikácia UoZ

2.2. Nástroj TP


premenná

Meranie významnosti premennej na

výsledok a očistenie výsledku pre

získanie čistého efektu

2.3. Dátum obsadenia na

nástroj od


premenná




2.4. Dátum obsadenia na

nástroj do


premenná




2.5. Náklady spojené

s účasťou na opatrení


premenná




2.6. Výška príspevku


premenná




Informácia z registrov UoZ poskytnutá Ústredím práce, sociálnych vecí a rodiny bola následne doplnená

informáciou o príjme a type pracovného vzťahu z registrov poistencov Sociálnej poisťovne. Kompletná

informácia z registra Sociálnej poisťovne bola poskytnutá v nasledujúcej štruktúre:

165


A

Požiadavky údajov

o UCHÁDZAČOCH

O ZAMESTANIE – zúčastnených

vzdelávania v rámci §46

(za roky 2007-2013)


1.1. Rodné číslo (identifikátor klienta) Identifikátor Identifikácia UoZ

1.2. Rok narodenia

Výberová

(kontrolná)

premenná

Meranie významnosti premennej

na výsledok a očistenie výsledku

pre získanie čistého efektu

1.3. Pohlavie

Výberová

(kontrolná)

premenná




1.4. Mesiac – obdobie v tvare RRRRMM

Výberová

(kontrolná)

premenná




1.5. Typ poistného vzťahu:

1.5.1. ZEC – zamestnanec Výsledková

premenná Kvantifikácia čistých efektov

1.5.2 ZECN – zamestnanec – nepravidelný

príjem

Výsledková

premenná

Kvantifikácia čistých efektov

1.5.3. ZECD1PR – dohoda o vykonaní

práce

Výsledková

premenná


1.5.4. ZECDN – dohoda o vykonaní práce

– nepravidelný príjem

Výsledková

premenná


1.5.5. ZECD2PR – dohoda o pracovnej

činnosti

Výsledková

premenná


1.5.6. ZECD2N – dohoda o pracovnej

činnosti – nepravidelný príjem

Výsledková

premenná


1.5.7. ZECD34 – dohoda o brigádnickej

práci študenta

Výsledková

premenná


1.5.8. ZECD34N – dohoda o brigádnickej

práci študent - nepravidelný príjem

Výsledková

premenná


1.5.9. DPO – dobrovoľne poistená osoba Výsledková

premenná


1.5.10. DIE6R – starostlivosť o dieťa do 6

rokov

Výsledková

premenná


1.5.11. DIE7R – starostlivosť o dieťa do 7

rokov

Výsledková

premenná


1.5.12. DIER18R – starostlivosť o dieťa do

18 rokov

Výsledková

premenná


1.5.13. FOMAT – obdobie poskytovania

materskej

Výsledková

premenná


1.5.14. POP – poberateľ opatrovateľského

príspevku

Výsledková

premenná


1.5.15. OSA – osobný asistent Výsledková

premenná


1.6. Vymeriavací základ na úrazové

poistenie

Výsledková

premenná


1.7. Vymeriavací základ na starobné

poistenie:

1.7.1. U zamestnancov z mesačného

výkazu

Výsledková

premenná


166

1.7.2.

U SZČO a DPO zo saldokonta – je

vytvorené z predpisov poistné

a z platieb

Výsledková

premenná


1.7.3. U poistencov štátu neuvedený Výsledková

premenná


1.8. Vymeriavací základ na nemocenské:

1.8.1. U zamestnancov z mesačného

výkazu

Výsledková

premenná


1.8.2. U SZČO a DPO zo saldokonta Výsledková

premenná


1.10. Okre trvalého pobytu fyzickej osoby

Výberová

(kontrolná)

premenná




1.11. Kód obce z adresy trvalého pobytu

fyzickej osoby

Výberová

(kontrolná)

premenná




1.12. Obec z adresy trvalého pobytu

fyzickej osoby

Výberová

(kontrolná)

premenná




1.13. OKEČ zamestnávateľa

Výberová

(kontrolná)

premenná




1.14. Kód obce z adresy sídla

zamestnávateľa

Výberová

(kontrolná)

premenná




1.15. Obec z adresy sídla zamestnávateľa

Výberová

(kontrolná)

premenná




Tabuľky v tejto štruktúre boli poskytnuté samostatne za každý mesiac od januára 2007 do decembra

2014, spolu 96 tabuliek. Spolu s tabuľkami bol poskytnutý prevodník spájajúci identifikačné čísla klientov

ÚPSVaR-u a Sociálnej poisťovne. Tento bol využitý na prepojenie databáz. Z databázy Sociálnej

poisťovne bola prenesená informácia o výške vymeriavacieho základu poistenia a type poistného

vzťahu. Z približne 2,4 milióna použiteľných evidencií UoZ pre viac ako 1,3 milióna bolo možnéúspešne

doplniť informácie z databázy poistencov Sociálnej poisťovne. Nemáme inú informáciu o tom, koľko z

UoZ sa skutočne v sledovanom období stalo poistencami Sociálnej poisťovne (za ktorého neplatí

poistné štát). Z toho dôvodu nevieme presnejšie posúdiť kvalitu prepojenia databáz UPSVaRu a

Sociálnej poisťovne. Údaje sú však, v podobe v akej boli poskytnuté, realistické a použiteľné pre potreby

vyhodnotenia.

9.1.2 Štatistický opis poskytnutých súborov

Tabuľka poskytnutá Sociálnou poisťovňou

Sociálna poisťovňa poskytla tabuľky v požadovanej štruktúre pre každý z mesiacov obdobia od januára

2007 do decembra 2014. V tabuľkách je kompletná informácia o všetkých poistencoch za daný mesiac.

Pre január 2013 išlo napríklad o 2 531 925 prihlásení poistencov. Z nich bolo 1 908 675 unikátnych

prihlásení. 236 138 poistencov je prihlásených do Sociálnej poisťovne viac ako jeden krát. 10 poistencov

malo v januári 2013 50 prihlásení. Poistenec s najvyšším počtom prihlásení mal 330 prihlásení.

Pre odhad príjmu bola vybraná najvyššia hodnota spomedzi poskytnutých informácii o vymeriavacom

základe poistného (úrazové, starobné, nemocenské). Z technických dôvodov bol najvyšší vymeriavací

základ poistencov pri opakovaných prihláseniach sčítavaný. Pri type pracovného kontraktu a ďalších

informáciách o zamestnávateľovi bola vybraná informácia z prihlásenia s najvyšším vymeriavacím

základom.

167

Tabuľka evidencií (Export_T2)

V tabuľke evidencii (Export_T2) je 2 971 759 záznamov. Ide o evidencie UoZ, ktoré je podľa roku

zaradenia možné rozdeliť do jednotlivých rokov nasledovne:

Tabuľka 113: Evidencie UoZ podľa roku zaradenia

Rok N %

2004 22 288 0.75

2005 279 106 9.39

2006 278 581 9.37

2007 271 225 9.13

2008 277 208 9.33

2009 408 332 13.74

2010 347 897 11.71

2011 368 892 12.41

2012 368 304 12.39

2013 349 926 11.78

Spolu 2 971 759

Z týchto evidencii 226 178 evidencii nebolo do konca sledovaného obdobia ukončených. Posledný

reálny záznam (po očistení extrémov) uvádzal vyradenie k dátumu 25. 11. 2014. Poskytnuté údaje preto

poskytujú informáciu orezanú sprava . Pre potreby ďalších transformácii a výpočtov sme chýbajúcu

informáciu o vyradení nahradili dátumom 30.11. 2015, ktorý budeme považovať za koniec sledovaného

obdobia . Evidencie s chýbajúcou informáciou o ukončení boli pomerne rovnomerne rozložené pri

triedení podľa roku zaradenia.

Tabuľka 114: Evidencie UoZ podľa roku zaradenia a ukončenia evidencie ku 25.11.2014

Rok Ukončená

evidencia

Neukončená

evidencia Spolu

2004 671 21 617 22 288

2005 275 601 3 505 279 106

2006 274 285 4 296 278 581

2007 265 236 5 989 271 225

2008 266 074 11 134 277 208

2009 391 208 17 124 408 332

2010 330 051 17 846 347 897

2011 340 484 28 408 368 892

2012 325 094 43 210 368 304

2013 276 877 73 049 349 926

Spolu 2 745 581 226 178 2 971 759

168

Ako vidieť z predchádzajúcich dvoch tabuliek, databáza (po doplnení o dodatočne dodaný export)

obsahovala kompletnú informáciu o evidenciách začatých počas obdobia 2004-2013.

Pri kontrole logickej podmienky, že zaradenie by malo v čase predchádzať vyradeniu, sme nenašli žiadne

chybné pozorovania. V prípade 570 evidencií bol UoZ zaradený v rovnakom dni ako bol vyradený, jeho

evidencia tak trvala 0 dní. Tieto evidencie boli v databáze ponechané.

Tabuľka účastí na opatreniach (Export_T1)

V poskytnutej databáze (Export_T1) bola pôvodne informácia o 1 500 854 účastiach na opatreniach

APTP všetkých účastníkov opatrení od začiatku roku 2004 do koncu roka 2013. Sledované opatrenia aj

s početnosťami účastí zobrazuje nasledujúca tabuľka.

Tabuľka 115: Počet účastí na opatreniach AOTP podľa opatrenia

Opatrenie

poskytované podľa §: N %

32 36 013 2.40

43 163 559 10.90

44 7 0.00

46 85 329 5.69

47 2 505 0.17

48 4 626 0.31

49 80 449 5.36

49a 996 0.07

50 13 228 0.88

50a 16 361 1.9

50c 1 499 0.10

50d 10 755 0.72

50e 11 325 0.75

50f 1 0.00

50g 1 0.00

50i 895 0.60

50j 21 628 1.44

50k 13 0.00

51 124 224 8.28

52 671 129 44.72

52a 32 943 2.19

53 10 458 6.97

53a 323 0.02

54 21 712 1.45

55a 72 0.00

56 13 172 0.88

56a 782 0.05

169

57 3 033 0.20

59 1 566 0.10

60 70 073 4.67

Spolu 1 500 854 100.00

Zdroj: Export_T1

Záznamy o účastiach na opatreniach, ktoré nie sú predmetom vyhodnotenia, boli použité iba pri

konštrukcii kontrolných premenných, respektíve pre rozdelenie kontrolnej skupiny na základe účasti v

iných opatreniach. Pre identifikáciu účastníkov boli preto použité iba záznamy o účastiach na opatrení

„Vzdelávanie a príprava pre trh práce“, realizovaného na základe §46. 1 415 525 záznamov o účastiach

na iných opatreniach sme preto vynechali z analýzy. Pre obdobie od začiatku roka 2004 do konca roka

2013 sme tak pre potreby hodnotenia mali k dispozícii 85 329 záznamov.

Pri pohľade na rozloženie účastí na hodnotenom opatrení podľa roku účasti je možné pozorovať

odlišnosti poskytnutých údajov od oficiálne publikovaných údajov. Oficiálne publikovaný počet

účastníkov opatrenia je však vždy systematicky mierne vyšší, preto predpokladáme že rozdiely v

početnostiach voči poskytnutej databáze môžu byť spôsobené dodatočným čistením prípadov. Z

pôvodného počtu účastníkov zrejme boli v rámci exportovania databázy vypustené prípady, kde bola

zozbieraná informácia neúplná, alebo z iných technických dôvodov. Spolu sa údaje oficiálne publikované

a obsiahnuté v exportovanej databáze líšili o zhruba 20 %. Uvedené rozdiely podľa jednotlivých rokov

sumarizujeme v nasledovnej tabuľke. Ako vidieť, po roku 2007 rozdiely výrazne poklesli.

Tabuľka 116: Prítok UoZ do opatrenia podľa rokov

Oficiálne publikované údaje

ÚPSVaRu

Počet prípadov spĺňajúcich

podmienku v poskytnutej

databáze54

Index rozdielu

2004 16 345 13 357 22.37%

2005 28 188 19 013 48.26%

2006 8 202 4 818 70.24%

2007 8 593 7 091 21.18%

2008 11 766 10 674 10.23%

2009 17 854 17 241 3.56%

2010 8 775 8 575 2.33%

2011 1 387 1 366 1.54%

2012 1 662 1 589 4.59%

2013 1 636 1 605 1.93%

Spolu 102 772 85 329 20.44%

Zdroj: Export_T1 a www.upsvar.sk

9.1.3 Tvorba skupiny účastníkov opatrenia pre potreby hodnotenia

Z 85 329 záznamov o účasti na opatrení „Vzdelávanie a príprava UoZ pre trh práce“, počas obdobia

2004-2013, sme vytvorili skupinu účastníkov opatrenia (v ďalšom „podporených“) pre potreby analýzy

v nasledujúcich krokoch:

1. Odstránenie duplicitných záznamov

V 170 prípadoch bolo poskytnuté vzdelávanie ukončené rovnakým UoZ v rovnakom dátume. V 130

záznamoch o účastiach sa zhodoval účastník, ale aj začiatok a koniec účasti na vzdelávaní (jeden UoZ

mal dokonca 4 zhodujúce sa záznamy). Opakované z týchto „duplicitných“ účastí boli odstránené.

54Započítané sú aj viacnásobné účasti (3 146 druhých účastí, 305 tretích účastí a 27 štvrtých účastí).

http://www.upsvar.sk/

170

Odstránenie duplicitných záznamov zhodujúcich sa v dátume začiatku aj ukončenia opatrenia znížilo

počet podporených o 130.

2. Spracovanie opakovaných účastí na opatrení

Po odstránení duplicitných záznamov sme mali pre tvorbu skupiny podporených k dispozícii 85 199

záznamov o účasti UoZ na hodnotenom opatrení. Spomedzi týchto účastí 67 719 bolo jedinečných, t.j.

na opatrení sa zúčastnil UoZ, ktorí pred tým nemali skúsenosť s účasťou na opatrení.

Tabuľka 117: Opakované účasti jedného UoZ na opatrení

N %

Jedinečné účasti 67.719 79.48

Prvé z viacnásobných účastí jedného UoZ 8.122 9.53

Druhé z viacnásobných účastí jedného UoZ 8.122 9.53

Tretie z viacnásobných účastí jedného UoZ 1.055 1.24

Štvrté z viacnásobných účastí jedného UoZ 158 0.19

Piate z viacnásobných účastí jedného UoZ 20 0.02

Šieste z viacnásobných účastí jedného UoZ 2 0.00

Siedme z viacnásobných účastí jedného UoZ 1 0.00

Spolu 85.199 100.00

Zdroj: Export_T1

171

8 122 UoZ sa zúčastnilo opatrenia viac ako jeden krát. Jeden UoZ sa zúčastnil vyhodnocovaného

opatrenia až 7 krát. Spolu bolo v databáze 9 358 opakovaných účastí na opatrení za obdobie 2004-2013,

čo predstavuje približne 11% všetkých účastí na hodnotenom opatrení.

Tabuľka 118: Opakované účasti jedného UoZ na opatrení podľa roku ukončenia účasti na opatrení

Rok Jedinečné

Účasti 1 2 3 4 5 6 7 Spolu

2004 7 734 2 135 413 24 0 0 0 0 10 306

2005 13 805 2 542 1 859 181 16 3 0 0 18 406

2006 6 224 571 933 139 18 4 0 0 7 889

2007 6 103 545 510 42 9 1 0 0 7 210

2008 8 409 1 149 1 272 173 21 4 2 0 11 030

2009 14 296 855 1 774 257 48 3 0 0 17 233

2010 7 291 249 855 141 26 5 0 0 8 567

2011 1 189 10 121 38 5 0 0 1 1 364

2012 1 292 41 196 35 6 0 0 0 1 570

2013 1 138 23 153 21 6 0 0 0 1 341

201455 233 2 16 4 1 0 0 0 256

Neurčený 5 0 20 2 0 0 0 0 27

Spolu 67 714 8 122 8 102 1 055 156 20 2 1 85 172

Pre potreby ďalšieho triedenia podporenej skupiny sme zachovali informáciu, o tom koľká účasť na

opatrení bola vyhodnocovaná, či išlo o jedinečnú účasť, alebo či jej predchádzali iné účasti na

vyhodnocovanom opatrení (iné vzdelávanie).

Do analýzy v rámci vyhodnotenia bola zahrnutá iba posledná účasť na opatrení. Keďže na základe

poskytnutých informácií sme nevedeli rozlíšiť jednotlivé účasti podľa tematického zamerania

poskytovaného vzdelávania, pre ďalšiu analýzu nám postačila informácia či UoZ opakovane participoval

na opatrení a na účely analýzy sme použili jeho najaktuálnejšiu účasť.

3. Orezanie na základe vyhodnocovaného obdobia

Nakoľko na základe zadania vyhodnocujeme opatrenie poskytované počas obdobia 1.1.2007-

31.12.2013, odstránili sme z analýzy účasti na opatrení ukončené pred začiatkom roku 2007 (30 687

účastí), ako aj účasti ukončené po roku 2013 (254 účastí).

55Tabuľka zobrazuje opakované účasti UoZ na vyhodnocovanom opatrení podľa roku ukončenia opatrenia. 256 účastí na opatrení začalo v

roku 2013, ale ukončených bolo v roku 2014.

172

Tabuľka 119: Účasti jedného UoZ na opatrení podľa roku ukončenia účasti na opatrení po odstránení

duplicitných záznamov a skorších opakovaných účastí (opísanom v bode 1 a 2)

Rok N %

2004 8 065 10.63

2005 15 448 20.37

2006 7 174 9.46

2007 6 605 8.71

2008 9 616 12.68

2009 16 229 21.4

2010 8 254 10.88

2011 1 352 1.78

2012 1 523 2.01

2013 1 316 1.74

2014 254 0.33

Spolu 75 836 100

Po odstránení účastí na opatrení spred roku 2007 a po roku 2013 bolo do finálnej databázy podporených

UoZ premietnutých 44 895 účastí na opatrení (pričom išlo o 39 738 prvých účastí, 4 401 druhých účastí

a 631 tretích účastí).

Tabuľka 120: Počty členov skupiny podporených zahrnutých do vyhodnotenia podľa počtu účastí na

opatrení

Poradie účasti N %

1 39 738 88.51

2 4 401 9.8

3 631 1.41

4 111 0.25

5 12 0.03

6 1 0

7 1 0

Spolu 44 895 100

4. Spojenie podporenej skupiny a základného súboru

Skupina podporených bola následne spojená s celkovou databázou evidencii UoZ, čím sme spojili

informáciu zo žiadosti o registráciu UoZ pre každého účastníka vyhodnocovaného programu. Jeden

účastník programu však mohol mať počas sledovaného obdobia viacero evidencií. Evidencie účastníka,

počas ktorých sa opatrenia nezúčastnil, by mohli skresľovať výsledky analýzy, predovšetkým pri výbere

kontrolnej skupiny (pri párovaní by ich prítomnosť v základnom súbore mohla spôsobovať problémy). Z

toho dôvodu sme zo základného súboru odstránili všetky evidencie účastníkov, počas ktorých sa na

vyhodnocovanom opatrení nezúčastnili. Týmto krokom sme odstránili 49 175 evidencii a zároveň pre 4

273 účastí na opatrení sme nenašli účastníka v evidencii UoZ.

V kroku spájania tabuliek Export_T1 (informácia o účastiach na opatreniach) a tabuľky Export_T2

(informácia o evidenciách UoZ) sme preto stratili 9,52% pozorovaní o účasti na opatrení. Strata bola

173

relatívne vyššia v roku 2007, kde sme stratili až 31,17% pozorovaní referujúcich o účasti na opatrení.

Táto strata nebola výrazne ovplyvnená ani dodatočným exportom evidencii UoZ spred roka 2007. V

tomto bode je kvalita údajov obmedzením analýzy a môže spôsobiť skreslenia výsledkov.

Z celkového počtu 40 622 spárovaných účastníkov musíme vyradiťďalších 788 pozorovaní nakoľko pre

týchto účastníkov opatrenia nie sú dostupne všetky informácie potrebné pre ďalšiu analýzu.

Tabuľka 121: Počty účastí na opatrení pred a po spojení s databázou evidencii

Rok Počet účastí na opatrení

v Export_T1

Počet účastí na opatrení

spárovaných s evidenciou

Počet účastníkov

vstupujúcich do analýzy

Podiel stratených

pozorovaní

2007 6 605 4 546 4 026 31.17%

2008 9 616 8 463 8 285 11.99%

2009 16 229 15 614 15 541 3.79%

2010 8 254 7 949 7 935 3.70%

2011 1 352 1 313 1 312 2.88%

2012 1 523 1 467 1 465 3.68%

2013 1 316 1 270 1 270 3.50%

Spolu 44 895 40 622 39 834 9.52%

Zdroj: Export_T1 a Export_T2

Do tvorby modelov tak za celé sledované obdobie bude vstupovať kompletná informácia o 39 834

účastníkoch opatrenia v období medzi januárom 2007 a decembrom 2013.

9.2 Opis použitých modelov

Voľba použitých techník kontrafaktuálneho vyhodnotenia sa opierala predovšetkým o charakter a kvalitu

dostupných dát. Pri voľbe medzi technikami využívajúcimi pozorovateľnú informáciu a tými

spoliehajúcimi sa na odhad pomocou nepozorovaných charakteristík účastníkov sme práve z dôvodu

komplexnosti poskytnutej informácie zvolili prvú z možností. Konkrétne sme zvolili dva modely založené

na párovaní a jeden na princípe regresnej rovnice. Oba modely založené na párovaní spracúvajú

podobnosť jednotiek pomocou tvorby takzvanej propensity score premennej. Nasledujúca podkapitola

sa venuje odhadu tejto premennej, ktorá je využívaná v rámci modelu 1 a modelu 2.

9.2.1 Odhad premennej propensity score

Propensity score (PS) premenná je premennou zachytávajúcou pravdepodobnosť účasti na opatrení pre

každého z UoZ (všetci registrovaní UoZ sú oprávnení zúčastniť sa opatrenia). Pre odhad PS premennej

je potrebné využiť jednu zo zaužívaných metód predikcie dichotomickej premennej, ktorá v našom

prípade zachytáva informáciu o účasti/neúčasti na opatrení. V praxi sú najčastejšie využívané takzvané

probit a logit modely. Princíp týchto modelov je podobný regresnej rovnici, závislou premennou však

nie je spojitá premenná, ale pravdepodobnosť odhadovaná na základe výskytu pozorovanej

dichotomickej premennej v kombinácii s pozorovanými znakmi. Pravdepodobnosť odhadovaná na

základe výskytu účasti na opatrení je v našom prípade PS premennou.

Výhodou tohto prístupu je jednak to, že umožňuje viacero pozorovaných znakov zliať do jednej dimenzie.

Druhou výhodou tohto prístupu je, že jednotlivé nezávislé premenné vstupujú do výpočtu PS premennej

relatívne prevážené v závislosti od toho ako tesne ich výskyt súvisí s výskytom závislej premennej.

Vďaka týmto vlastnostiam sa párovanie na základe PS premennej stalo jednou z najobľúbenejších

techník kontrafaktuálneho vyhodnotenia.

V našom prípade bol na odhad PS premennej použitý probit model, ktorý je možné zapísať nasledovne:

174

XXiIi20

)|1Pr(

Kde pravdepodobnosť, že UoZ sa zúčastnil opatrenia (na ľavej strane rovnice) je odhadovaná na základe

výskytu pozorovaných znakov UoZ, ktoré sú zachytené vo vektore X. je náhodný prvok označujúci

variabilitu nevysvetlenú modelom.

Do vektoru X sme zahrnuli viac ako 250 premenných referujúcim k znakom jednotlivých UoZ. Analýza

zbehla na 1,75 milióna pozorovaniach, teda na pozorovania o ktorých boli dostupne všetky informácie

vstupujúce do regresnej rovnice.

Tabuľka 122: Základné charakteristiky odhadnutého modelu PS premennej

Indikátor Hodnota

Počet pozorovaní zahrnutých do analýzy 1 758 123

LR chi2(237) 181 862.2

Prob > chi2 0.0000

Pseudo R2 0.5574

Aplikovaný model štatisticky významne lepší ako jednoduchý model iba s konštantou, čo nám potvrdil

výsledok chi2 testu. Pseudo R2 bolo 0,5574, čo znamená že model vysvetľuje podstatnú časť variability

závislej premennej.

Pri pohľade na reálnu predikčnú schopnosť modelu výsledky vyznejú ešte priaznivejšie, čo je dôsledkom

predovšetkým rozdelenia závislej premennej.

Tabuľka 123: Charakteristiky predikčnej schopnosti modelu PS premennej

Indikátor Hodnota

Sensitivity Pr( +| D) 28.24%

Specificity Pr( -|~D) 99.75%

Positive predictive value Pr( D| +) 68.54%

Negative predictive value Pr(~D| -) 98.65%

False + rate for true ~D Pr( +|~D) 0.25%

False - rate for true D Pr( -| D) 71.76%

False + rate for classified + Pr(~D| +) 31.46%

False - rate for classified - Pr( D| -) 1.35%

Correctly classified 98.42%

Kvôli nízkej dostupnosti opatrenia (iba 1,67% oprávnených UoZ sa reálne zúčastnilo opatrenia) je aj

celková predikčná schopnosť modelu veľmi vysoká. Viac ako 98% z celkového počtu UoZ bolo

zaradených správne. Pokiaľ by bol použitý iba jednoduchý model s konštantou a o všetkých UoZ by sa

predpokladalo že sa na opatrení nezúčastnili, predikčná sila modelu by bola 100%-1,67%= 98,33%.

Inými slovami, model predikujúci neúčasť pre všetkých UoZ by sa mýlil iba v 1,67% prípadoch, preto

získavame tak vysoký podiel správne zaradených (Correctly classified) pozorovaní. Väčšiu výpovednú

hodnotu v tomto smere má ukazovateľ správne predpovedaných pozitívnych hodnôt (Positive predictive

175

value), ktorý hovorí že model je schopný správne zaradiť 68,54% účastníkov opatrenia. Predikčná

schopnosť modelu využitého na odhad PS premennej je dostatočná.

(Caliendo, a iní, 2005) upozorňuje že model využívaný na tvorbu PS premennej by nemal byť ani

predikčne príliš silný, ani príliš slabý. Rovnako vidí priestor na použitie premenných, ktorých koeficienty

sa v modeli neukazujú byť štatisticky významne odlišné od nuly. Cieľom týchto modelov totiž nie je

samotná predikcia účasti, ale zhrnutie viacdimenzionálnej informácie do jednej dimenzie.

V prílohe je možné nájsť celkové výsledky modelu odhadnutého na celom dátovom súbore so všetkými

použitými premennými. V praxi sme však opísaný probit model odhadovali vždy samostatne po

jednotlivých regiónoch Úradov práce (46 regiónov). PS premenná použitá v modeli 1 sa mierne odlišuje

od PS premennej použitej v modeli 2. PS premenná v modeli 1 bola odhadnutá bez premennej

zaradenie, nakoľko zaradenie v modeli 1 vystupuje ako jedna z premenných využívaných pri identifikácii

najbližšieho suseda.

9.2.2 Model 1

Model 1 je založený na párovaní účastníkov s jemu podobným UoZ, ktorý sa na opatrení nezúčastnil.

Využitá bola technika párovania pravidlom najbližšieho suseda. Pri párovaní bolo povolené nahrádzanie,

čo znamená že jeden člen kontrolnej skupiny mohol byť „dvojičkou“ viac ako jednému účastníkovi

opatrenia. Táto možnosť spôsobila, že v 7 185 prípadoch (18,3%) bol do kontrolnej skupiny vybraný

opakovaný UoZ. Vo výsledku sme tak získali k 39 834 členov podporenej skupiny 32 649 členov

kontrolnej skupiny, z ktorých niektorí boli použití opakovane.

Tabuľka 124: Počet UoZ v kontrolnej a podporenej skupine po výbere modelom 1

Skupina Počet UoZ

Kontrolná skupina 32 649

Podporená skupina 39 834

Spolu 72 483

Rozhodnutie povoliť nahrádzanie je kompromisom medzi zabezpečením lepšej zhody charakteristík

kontrolnej a podporenej skupiny a stratou pozorovaní. V našom prípade model 1 volí nahrádzanie, keď

pre pozorovania kde je náročnejšie nájsť „dvojičku“ umožňuje použiť dvojičku iného (podobného)

účastníka. Model 2 naopak takýchto členov kontrolnej skupiny vyradí z analýzy. Metodika modelov 1 a

2 bola zámerne volená kontrastne, aby prípadné výsledky potvrdené oboma modelmi bolo možné

považovať za robustnejšie.

Graf nižšie zobrazuje pravdepodobnostné rozdelenie PS premennej u členov kontrolnej a podporenej

skupiny. Výber kontrolnej skupiny bez väčších problémov kopíruje skupinu podporených až po úroveň

hodnôt PS premennej približne nad 0,75. Nad touto úrovňou už sa nenachádza v základnom súbore tak

priaznivé množstvo pozorovaní a párovanie si musí častejšie pomáhať nahrádzaním.

176

Obrázok 78: Rozdelenie premennej PS premennej v podporenej a kontrolnej skupine (popárovaní)

Pozn: Histogram rozdelenia PS premennej (psvar)

V tomto bode naráža výber na problém absencie spoločnej opory výberu, keď rozdelenie PS premennej

v podporenej skupine je výrazne odlišné od rozdelenia PS premennej v základnom súbore.

Predovšetkým pre účastníkov s vyššími hodnotami PS premennej je preto náročnejšie nájsť dostatočný

počet dvojičiek.

Obrázok 79: Rozdelenie premennej PS premennej v základnom súbore a podporenej skupine

Pozn: Boxplot rozdelenia PS premennej (psvar)

0,5

1

1,5

2

0 ,5 1 0 ,5 1

Kontrolná skupina Podporená skupina

psvarGraphs by p46

0,2

,4,6

,81

psv

ar

Základný súbor Podporená skupina

177

V prospech výberu týmto spôsobom hovorí veľkosť základného súboru, v ktorom aj extrémnych hodnôt

je dosť na pokrytie potreby výberu kontrolnej skupiny.

Výber kontrolnej skupiny prebiehal metódou najbližšieho suseda na dvoch premenných. Okrem PS

premennej bol sledovaný aj dátum zaradenia do evidencie UoZ. Použitá bola metrika vzdialeností podľa

P. C. Mahalanobisa. Výber prebiehal vždy na pozorovaniach v rámci regiónu Úradu, to znamenáže

dvojička je vždy vyberaná z toho istého regiónu Úradu ako účastník opatrenia. Takýmto spôsobom sme

vybrali kontrolnú skupinu s nasledujúcou zhodou na vybraných charakteristikách UoZ.

Tabuľka nižšie zobrazuje priemery a podiely vybraných charakteristík UoZ zaradených do kontrolnej a

podporenej skupiny a porovnáva ich s priemermi a podielmi v základnom súbore. Stĺpec úplne vpravo

uvádza o koľko percent sa zhoda na danom znaku zlepšila výberom kontrolnej skupiny voči základnému

súboru.


Kontrolná

skupina

Podporená

skupina

Základný súbor

(Nepodporení

UoZ)

Index zlepšenia

zhody

Priemer

Začiatok nezamestnanosti 7.1.09 20.1.09 2.9.10 97.80%

Trvanie nezamestnanosti 511.36 530.02 312.59 91.42%

Vek 38.13 37.82 34.97 89.16%

Propensity score 0.27 0.28 0.01 99.23%

Podiel v

%

Muž 45.22 47.97 54.12 55.28%

Do 30 28.53 29.3 43.11 94.42%

30-49 50.38 50.41 39.66 99.72%

50+ 21.09 20.3 17.24 74.18%

ZŠ 28.53 29.3 43.11 94.42%

SŠ 50.38 50.41 39.66 99.72%

VŠ 21.09 20.3 17.24 74.18%

Ovláda cudzí jazyk 75.85 76.02 66.19 98.27%

Maďarská národnosť 8.54 8.24 9.36 73.21%

V predchádzajúcom povolaní

Manažér 3.14 2.8 1.58 72.13%

Profesionál 4.91 4.42 3.19 60.16%

Technik 13.81 13.11 7.63 87.23%

Administratívny pracovník 7.55 7.31 4.72 90.73%

Pracovník v službách 13.76 13.63 11.7 93.26%

Pracovník v

poľnohospodárstve 0.63 0.63 0.92 100.00%

Remeselník 14.54 15.33 13.2 62.91%

Elementárne povolanie 15.3 14.79 17.22 79.01%

N 32 649 39 834 2 364 453

178

Napríklad priemerný dátum zaradenia účastníkov bol 20. január 2009, zatiaľ čo priemerný dátum

zaradenia členov základného súboru bol 2. september 2010. Výberom kontrolnej skupiny sa podarilo

tento priemer posunúť bližšie k priemeru podporenej skupiny, konkrétne na 7. januára 2009, čo

predstavuje zlepšenie o 97,8%.

Ako vidieť z tabuľky, vyber kontrolnej skupiny výrazne prispel k zlepšeniu zhody medzi podporenou a

analyzovanou skupinou. Index zlepšenia variuje od 55% do 100%.

V prospech výsledkov získaných modelom 1 hovorí aj možnosť výberu na základe zaradenia do

evidencie UoZ. Čím sa zaistí aj podobnosť dvojičiek na vstupe do nezamestnanosti. Naviac spôsob

výberu iba jednej dvojičky umožnil použiť dátum ukončenia opatrenia od účastníka aj pre jemu

prislúchajúceho člena kontrolnej skupiny. Týmto sme dosiahli, že členovia oboch skupín boli podobní aj

na zaradení, aj v začiatku sledovaného referenčného obdobia. Toto je veľkou výhodou tohto modelu

pretože obdobie zaradenia, ako aj dĺžka od zaevidovania do ukončenia vzdelávania výrazne ovplyvňujú

výsledok UoZ. Z toho dôvodu je v časti venovanej výsledkom venovaný relatívne väčší priestor

výsledkom modelu 1.

V ďalšom texte budú vždy uvádzané výsledky odhadnutých efektov opatrenia spôsobom výpočtu

efektov účasti na účastníka (treatment effect on the treated). Tento je vypočítavaný ako priemer

individuálnych rozdielov medzi dvojičkami.

Tieto koeficienty budeme v texte označovať skratkou ATT. Ide o priemerný rozdiel v indikátore výsledku

vypočítavaný na individuálnej úrovni. ATT koeficienty budeme uvádzať v rámci výsledkov modelu 1 aj

modelu 2.

9.2.3 Model 2

Model 2 rovnako využíva hodnoty PS premennej (do ktorej výpočtu bol zahrnutý aj dátum zaradenia do

evidencie) na výber kontrolnej skupiny. Nevyužíva však mechanizmus najbližšieho suseda, ale takzvaný

caliper radius princíp, keď si za dvojičku vyberieme všetkých UoZ zo základného súboru, ktorých

hodnoty PS premennej sú v rámci určeného intervalu. Zo vzdialeností jednotlivých dvojičiek od daného

účastníka je následne vypočítavaná váha každého člena kontrolnej skupiny, tak aby podobnejší členovia

kontrolnej skupiny mali väčšiu váhu pri výpočte finálneho efektu. Podrobnejší opis tejto metodiky uvádza

(Caliendo, a iní, 2005) 56

.

V našom prípade bol interval v rámci ktorého boli vyberané dvojičky definovaný vzdialenosťou 0,00075

reálnych hodnôt PS premennej, ktorá nadobúda hodnoty v intervale od 0 do1. Model 2 sa vysporiadal

s problémom spoločnej opory výberu kontrolnej skupiny pre účastníkov s vyššími hodnotami PS

premennej vyradením týchto pozorovaní z analýzy. Členovia kontrolnej skupiny, ktorý nemali vo

vzdialenosti 0,00075 od ich hodnoty PS premennej žiadneho člena základného súboru boli z analýzy v

tomto modeli vypustení. Týmto krokom strácame pozorovania, ktoré však na základe ich umiestnenia

mimo oporu spoločného výberu môžu byť považované za extrémne.

56Pre technickú dokumentáciu k použitému software pozri: http://repec.org/bocode/p/psmatch2.html

)0()1( 01 DYEDYEATT )0()1( 01 DYEDYEATT )0()1( 01 DYEDYEATT

http://repec.org/bocode/p/psmatch2.html

179

Tabuľka 126: Počet UoZ v kontrolnej a podporenej skupine po výbere modelom 2

Skupina Počet UoZ Počet UoZ vážený

Kontrolná skupina 172 340 21 288

Podporená skupina 21 288 21 288

Spolu 193 628 42 576

Na základe tejto podmienky bolo do analýzy zahrnutých iba 21 288 členov kontrolnej skupiny, teda z

analýzy bolo odstránených 46,6% účastníkov. Do kontrolnej skupiny bolo pre tento počet členov

kontrolnej skupiny vybraných až 172 340 UoZ.

Model 2 je kontrastom k modelu 1, keď sa s problémom absencie spoločnej opory výberu v segmente

vyšších hodnôt PS premennej vyrovnáva vypustením pozorovaní. Silnou stránkou modelu 2 je

dosiahnutie vyššej zhody kontrolnej a podporenej skupiny. Výsledky analýzy zhody uvádza nasledujúca

tabuľka.


Kontrolná skupina

(Vážený

priemer/podiel)

Podporená

skupina

Nepodporení

UoZ

Index

zlepšenia

zhody

Priemer

Začiatok nezamestnanosti 10.10.2008 16.11.08 2.9.10 94.35%

Trvanie nezamestnanosti 451.1125 568.1212 312.59 54.21%

Vek 37.9147 38.07496 34.97 94.84%

Propensity score 0.3017917 0.304841 0.01 98.96%

Podiel v %

Muž 45.75% 44.83% 54.12 99.98%

Do 30 31.57% 29.60% 43.11 99.95%

30-49 57.84% 60.95% 39.66 99.92%

50+ 10.60% 9.45% 17.24 99.93%

ZŠ 20.77% 20.69% 43.11 100.00%

SŠ 69.48% 69.42% 39.66 100.00%

VŠ 9.75% 9.89% 17.24 99.99%

Ovláda cudzí jazyk 76.05% 76.00% 66.19 100.00%

Maďarská národnosť 8.79% 8.75% 9.36 100.00%

V predchádzajúcom povolaní

Manažér 2.18% 2.36% 1.58 99.88%

Profesionál 4.07% 3.98% 3.19 99.97%

Technik 11.68% 12.18% 7.63 99.93%

Administratívny pracovník 7.26% 7.14% 4.72 99.97%

Pracovník v službách 13.60% 13.99% 11.7 99.97%

Pracovník v poľnohospodárstve 0.68% 0.68% 0.92 100.00%

Remeselník 14.95% 14.76% 13.2 99.99%

Elementárne povolanie 16.35% 15.99% 17.22 99.98%

N 20 690 20 690 2 364 453

180

Výsledky modelu 2 by mali byť v kontraste k výsledkom modelu 1, nakoľko ide o diametrálne odlišný

prístup k párovaniu. Pri modeli 2 sme tiež dosiahli vysokú zhodu v dátume zaradenia do evidencie UoZ.

Dátum začiatku sledovaného obdobia pre členov kontrolnej skupiny sme však nepoužili od najbližšej

dvojičky, ale bol vypočítaný na základe odhadnutého času od zaradenia do ukončenia účasti na opatrení

dvojičky. Tento krok umožní spracovanie väčšieho počtu pozorovaní v relatívnom čase (mesiace od

ukončenia opatrenia) a je používaný rovnako pri modeli 2 ako aj pri modeli 3.

9.2.4 Model 3

Model 3 je regresným modelom odhadnutým na základnom súbore doplnenom o účastníkov opatrenia.

Model je formulovaný nasledovne:

XIY210

Kde Y je príjem v danom období od ukončenia účasti na opatrení. I je dummy premenná referujúca

k účasti na opatrení. X je vektor ostatných pozorovaných charakteristík UoZ, ktorých úlohou v rovnici je

zachytiť vedľajšie vplyvy pozorovateľných skutočností.

je náhodný prvok zachytávajúci nevysvetlenú

variability závislej premennej. Koeficienty rovnice sú odhadované metódou najmenších štvorcov,

pričom koeficient

1 , z definície, zachytáva efekt účasti na opatrení na príjem UoZ pri kontrolovaní

efektov okolností zachytených premennými vo vektore X.

Pre lepšiu predstavu o podobe a vysvetľujúcej sile modelu uvádzame príklad odhadu pre príjem po 12

mesiacoch od ukončenia účasti na opatrení.

Tabuľka 128: Základné charakteristiky odhadnutého regresného modelu

Indikátor Hodnota

Number of obs 1 669 653

F(243,1669409) 1421.68

Prob > F 0

R-squared 0.1715

Adj R-squared 0.1713

Root MSE 372.93

Do modelu boli zahrnuté všetky pozorované charakteristiky s výnimkou kolineárnych premenných

a premenných, ktorých koeficienty sa štatisticky významne nelíšili od nuly, pokiaľ táto premenná

nepatrila do bloku premenných, kde aspoň jedna premenná nadobúdala štatisticky významné hodnoty.

Príklad úplných výsledkov pre obdobie 12 mesiacov od ukončenia účasti na opatrení je možné nájsť

v prílohe.

V rámci výsledkov modelu 3 budeme reportovať priamo odhadnuté neštandardizované regresné

koeficienty spolu s chybami odhadu a štatistickou významnosťou testu rozdielu odhadnutých

koeficientov od nuly.

181

9.2.5 Výsledné ukazovatele a základné deskriptívne štatistiky súboru

Pre potreby vyhodnotenia boli zostrojené dva indikátory výsledku. Prvým je príjem jednotlivcov, ktorý

bol doplnený informáciou o status zamestnaný/ nie zamestnaný. Podkladom pre výpočet oboch

indikátorov súúdaje poskytnuté Sociálnou poisťovňou o všetkých poistencoch.

Pre informáciu o príjme bol do úvahy braný vymeriavací základ úrazového poistného (alebo pre skoršie

roky najvyšší spomedzi vymeriavacích základov v danom prihlásení). Ak mal jeden jednotlivec viacero

prihlásení do Sociálnej poisťovne a viacero vymeriavacích základov, tieto mu boli spočítané a ďalej sa

pracovalo so sumou jeho vymeriavacích základov. Pre výpočet priemerov bol príjem UoZ, ktorých sme

v danom období nenašli medzi poistencami Sociálnej poisťovne považovaný za chýbajúcu hodnotu (nie

0). Do výpočtu priemerných príjmov tak neboli takéto prípady započítavané a všetky priemery sú

priemerom príjmov poistencov s nenulovým príjmom.

Spomedzi približne 2,9 milióna evidencii sme vedeli doplniť informáciu zo sociálnej poisťovne pre

približne 1,1 až 1,3 milióna v závislosti od sledovaného obdobia.

Informácia o zamestnanosti je informáciou o tom, či je daný jednotlivec poistencom sociálnej poisťovne.

Ak bol poistencom, je v rámci analýzy, považovaný za zamestnaného. Tento prístup označuje aj UoZ

pracujúcich na dohodu do povolenej výšky príjmu za zamestnaných, čo sa pre potreby vyhodnotenia

vzdelávacej aktivity javí zmysluplné.

Obrázok 80: Vývoj príjmu pre jednotlivcov objavujúcich sa v databáze UoZ počas sledovaného obdobia

Hodnota indikátorov výsledku je zisťovaná vždy ku koncu mesiaca. Poradie mesiaca je možné sledovať

v reálnom čase, ale aj v relatívnom čase od ukončenia účasti na opatrení, tak ako to uvádzame

v nasledujúcej kapitole venovanej výsledkom vyhodnotenia.

Ďalším dôležitým momentom, ktorému považujeme za potrebné sa venovať v tejto časti je heterogenita

situácie účastníkov opatrenia v dôsledku dopadov ekonomickej krízy ale aj zmien v implementácii

opatrenia.

182

Obrázok 81: Prítok a odtok UoZ do databázy spolu s ukončenými účasťami na opatrení

Pozn.: Inflow = prítok UoZ do evidencie (nové evidencie)

Outflow = odtok UoZ z evidencie (vyradení z evidencie)

Training outflow = odtok UoZ z opatrenia (ukončené vzdelávanie)

Vertikálne čiary označujú dátum významných zmien (legislatívneho alebo ekonomického charakteru)

Na obrázku vyššie vidieť niekoľko základných tendencií dynamiky prílevu a odlevu UoZ počas obdobia

2007-2013. Prítok a odtok UoZ do evidencie vykazuje pomerne veľké výkyvy, ktoré súvisia so

sezónnosťou. Najmä po roku 2010 možno v týchto fluktuáciách badať istú pravidelnosť– september a

júl sú charakterizované najvyšším prílevom UoZ do evidencie. Z hľadiska veľkosti prítoku dominuje

september. Ten je charakteristický aj zvýšeným odtokom, avšak prítok vždy prevláda nad odtokom.

Odtok z evidencie býva pravidelne najnižší začiatkom kalendárneho roka. Uvedené pravidelnosti však

nebolo možné sledovať počas obdobia 2007-2009, kedy boli narušené nástupom ekonomickej krízy. Tá

viedla k trvale vysokému prítoku a trvale nízkemu odtoku. Keďže ekonomické zmeny sa na trhu práce

premietajú s istým oneskorením, najmasívnejší prílev do evidencie nastal v roku 2009, kedy bol aj

najväčší rozdiel medzi prítokom a odtokom, čo viedlo k navýšeniu počtu nezamestnaných.

Ako ďalej vidieť z obrázka vyššie, dynamika opatrenia „Vzdelávanie a príprava pre trh práce“ sa silno

odlišuje od všeobecnej dynamiky prílevu a odlevu UoZ. Inými slovami, opatrenie „žije svoj vlastnýživot“,

ktorý je určovaný najmä finančným a organizačno-administratívnym rámcom. Pred rokom 2010 sú

pozorovateľné pomerne veľké výkyvy v počte absolventov opatrenia (ukončených účastí), ale zároveň

aj ich vyšší počet. Po roku 2010 dochádza k absolútnemu útlmu uvedeného opatrenia

charakterizovanému trvale nízkym počtom absolventov. Možno konštatovať, že zatiaľčo počas

krízového obdobia sa opatrenie využívalo masovejšie, aj keď s nepravidelným rozložením v čase, od

roku 2011 sa využíva len vo veľmi nízkej miere.

Popísané tendencie ako aj zmeny organizačno- administratívneho rámca a ekonomickej situácie mohli

mať podstatný vplyv aj na účinnosť opatrenia (istý efekt). Našu analýzu preto v ďalšom delíme podľa

časových období a uvedené zmeny zohľadňujeme aj pri interpretácii výsledkov hodnotenia.

183

9.3 Výsledky vyhodnotenia

Výsledky vyhodnotenia sledovaného opatrenia zvolenými technikami kontrafaktuálneho

vyhodnocovania priniesli pomerne konzistentné zistenia. Podľa odhadnutých koeficientov je dopad

opatrenia na oboch sledovaných indikátoroch prevažne negatívny. Tento záver však neplatí pre všetky

sledované obdobia implementácie opatrenia a všetky sledované podskupiny účastníkov. V rámci

výsledkov porovnávajúcich výsledky jednotlivých modelov budeme uvádzať iba odhady dopadu 6, 12 a

24 mesiacov od ukončenia opatrenia. Tieto sú doplnené odhadom pre obdobie 6 mesiacov pred

ukončením opatrenia. Koeficienty získané pre obdobie pred opatrením by, v ideálnom prípade, nemali

byť štatisticky významné, alebo aspoň bližšie nule, ako koeficienty odhadnuté po ukončení opatrenia.

9.3.1 Výsledky vyhodnotenia podľa obdobia implementácie opatrenia

Nasledujúca tabuľka zobrazuje koeficienty odhadnuté pre prvé zo sledovaných období; od januára 2007

do apríla 2008. Spolu s koeficientmi sú v tabuľke uvádzané aj indikátory spoľahlivosti získanej

informácie, chyba odhadu (S.E.) a úroveňštatistickej významnosti nameraných koeficientov (p.). Počet

jednotiek zahrnutých do výpočtu (N) nám poskytne predstavu o robustnosti získanej informácie.

Tabuľka 129: Porovnanie výsledkov dopadu na príjem účastníkov 2007/01-2008/04

Model 1 Model 2 Model 3

Mesiac ATT S.E. p. N ATT S.E. p. N β S.E. p. N

-6 36.15 22.92 0.115 6150 21.63 33.17 0.514 1917 18.48 18.22 0.311 148689

6 50.62 6.03 0.000 8104 7.07 6.97 0.311 1917 -36.99 6.54 0.000 333284

12 52.61 7.32 0.000 8104 18.94 8.85 0.033 1917 -1.36 6.99 0.846 333284

24 68.85 7.41 0.000 8104 1.87 9.20 0.839 1917 21.79 8.19 0.008 333284

Zdroj: Výpočty autorov na poskytnutých údajoch

V prípade odhadov pre prvé zo sledovaných období, pri všetkých 3 modeloch získavame nevýznamné

hodnoty koeficientov pre obdobie 6 mesiacov pred ukončením opatrenia. Táto skutočnosť hovorí

v prospech zvolenej metodiky a spoľahlivosti získaných odhadov.

Pre obdobie po ukončení opatrenia sme získali štatisticky významné a pozitívne koeficienty odhadnuté

pomocou modelu 1. Model 2 reportuje štatisticky významný pozitívny koeficient 12 mesiacov od

ukončenia opatrenia. Model 3 prináša najkontroverznejšie výsledky so štatisticky významným,

negatívnym koeficientom 6 mesiacov od ukončenia opatrenia a štatisticky významným, pozitívnym

koeficientom 24 mesiacov od ukončenia účasti na opatrení.

Jeden negatívny, štatisticky významný koeficient tak narúša, inak konzistentné, pozitívne výsledky

odhadnuté pre účastníkov opatrenia z prvého obdobia implementácie opatrenia. Znížené hodnoty

koeficientov niekoľko mesiacov od ukončenia opatrenia je možné považovať za doznievanie dočasného

efektu uzamknutia v, inak efektívnom, opatrení.

184


Model1 Model 2 Model 3


-6 22.49 29.78 0.450 4725 41.66 26.20 0.112 1606 12.94 22.06 0.558 62651

6 -21.05 8.89 0.018 4725 -28.56 7.90 0.000 1606 -26.00 7.06 0.000 62651

12 17.95 8.50 0.035 4725 -36.26 8.79 0.000 1606 9.37 7.51 0.212 62651

24 6.86 10.00 0.493 4725 -55.79 9.69 0.000 1606 2.61 8.33 0.754 62651

Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina

významnosti je 0.05).


Druhé sledované obdobie implementácie opatrenia je ohraničené zavedením novely Zákona o službách

zamestnanosti a prvými pozorovateľnými dopadmi ekonomickej krízy. V tomto, predkrízovom, období

sa začínajú vo výsledkoch častejšie objavovať negatívne, štatisticky významné koeficienty. Pre obdobie

6 mesiacov pred ukončením opatrenia, opäť, získavame štatisticky nevýznamné koeficienty (p. hodnota

pod 0,05). 6 mesiacov od ukončenia opatrenia je dopad účasti na opatrení na príjmy účastníkov

negatívny, čo potvrdili výsledky všetkých troch modelov. 12 mesiacov od ukončenia opatrenia

získavame rozdielne výsledky, keď model 1 reportuje pozitívny dopad opatrenia a model 2 negatívny.

Model 3 pre toto obdobie neodhadol štatisticky významný koeficient. 24 mesiacov od ukončenia

opatrenia sa účinok opatrenia vytráca v prípade výsledkov modelu 1 a modelu 3. V prípade modelu 2

pretrváva negatívny príjmový efekt aj 24 mesiacov od ukončenia vzdelávania.


Model1 Model 2 Model 3


-6 -23.82 5.08 0.000 23553 12.20 5.52 0.027 8672 -34.19 8.79 0.000 203136

6 -31.66 3.53 0.000 23553 -53.02 3.00 0.000 8672 -49.30 3.25 0.000 203136

12 -23.59 3.81 0.000 23553 -50.70 3.44 0.000 8672 -31.54 3.41 0.000 203136

24 -42.31 4.57 0.000 23553 -36.07 4.27 0.000 8672 -24.50 4.13 0.000 203136




Po vypuknutí ekonomickej krízy sú už výsledky jednotlivých modelov oveľa homogénnejšie, všetky

jednotne potvrdzujú negatívny dopad opatrenia na príjmy jednotlivcov počas celého sledovaného

obdobia. V prípade obdobia prvých prejavov ekonomickej krízy vykazuje najnižšie negatívne koeficienty

model 2.

185


200908-201012 Model1 Model 2 Model 3


-6 -18.72 8.88 0.035 22816 -45.92 7.50 0.000 7753 -40.25 6.20 0.000 439698

6 -91.11 3.83 0.000 22816 -63.56 3.26 0.000 7753 -56.22 3.13 0.000 439698

12 -92.50 4.39 0.000 22816 -41.75 3.90 0.000 7753 -53.26 3.51 0.000 439698

24 -79.15 5.71 0.000 22816 -16.42 4.91 0.001 7753 -41.27 4.71 0.000 439698




V prípade týchto výsledkov existuje rozdiel v príjmoch aj pred ukončením opatrenia. Práve v dôsledku

zvýšeného prílivu UoZ do nezamestnanosti v dôsledku krízy, toto môže byť spôsobené skutočnosťou

že zvýšený podiel členov kontrolnej skupiny z tohto obdobia 6 mesiacov pred opatrením ešte pracovalo.

Z pokrízového vzoru sa vymyká rok 2011, kedy negatívne príjmové efekty miznú. Narušenie trendu

negatívnych príjmových efektov bolo v tomto prípade spôsobené prudkým nárastom podielu

bratislavských účastníkov opatrenia. Počas rokov 2007-2013 bol priemerný podiel účastníkov, ktorým

bolo opatrenie poskytnuté v Bratislave, na celkovom počte účastníkov 6,59%. Tento podiel bol

dramaticky odlišný v roku 2011, kedy tvoril podiel účastníkov opatrenia z Bratislavy až 55,87%.

Opačným extrémom bol rok 2012, kedy nebolo toto opatrenie poskytnuté ani jednému UoZ v Bratislave.


2011/01-2011/12 Model1 Model 2 Model 3


-6 71.98 38.75 0.063 2436 94.19 46.36 0.043 742 -49.32 85.82 0.566 274780

6 -36.39 19.70 0.065 2436 -63.12 17.17 0.000 742 -103.34 10.14 0.000 274780

12 13.05 22.43 0.561 2436 -23.61 25.71 0.359 742 -73.32 11.67 0.000 274780

24 37.53 23.74 0.114 2436 -8.02 21.45 0.709 742 -66.42 12.18 0.000 274780




V Bratislave malo opatrenie v priemere pozitívnejší dopad na príjem jednotlivcov, ktorý bol však

sprevádzaný negatívnejším dopadom na zamestnanosť. Práve zvýšený podiel účastníkov z Bratislavy

v roku 2011 sa prejavil narušením trendu negatívnych efektov opatrenia na príjem účastníkov.

V ďalšom období však trend čoraz výraznejších, negatívnych, štatisticky významných, príjmových

efektov pokračuje.

186


2012/01-2012/12 Model 1 Model 3

Mesiac ATT S.E. p. N ATT S.E. p. N

-6 -92,65 23,67 0,000 2219 -26,45 32,24 0,412 246076

6 -119,72 15,06 0,000 2219 49,31 10,47 0,000 246076

12 -102,39 16,46 0,000 2219 70,15 12,15 0,000 246076

24 24,86 19,78 0,209 129525




Zároveň však klesá počet účastníkov od roku 2011 na približne desatinu pôvodných, čo okrem iného

spôsobuje nedostatok pozorovaní pre výpočet koeficientov modelom 2, ako aj modelom 1, 24 mesiacov

po ukončení opatrenia.


2013/01-2013/12 Model 1 Model 3

ATT S.E. p. N ATT S.E. p. N

-6 -145,36 20,53 0,000 1445 -156,11 32,32 0,000 198717

6 -52,38 44,78 0,242 225 136,69 31,72 0,000 116957

12 -279,65 273,16 0,306 23 70,41 18,9 0,0002 110028




Pre rok 2013 získavame pozitívne efekty opatrenia na príjem, tieto sú namerané modelom 3. Model 1

nepriniesol štatisticky významné odhady a model 2 nebolo možné pre nedostatok pozorovaní odhadnúť.

Výsledky jednotlivých odhadov je možné zobraziť aj graficky. Nasledujúci graf ukazuje vývoj dopadu

opatrenia na príjmy jednotlivcov podľa mesiacov od ukončenia opatrenia. Začiatok sledovaného obdobia

je ohraničený obdobím 6 mesiacov pred ukončením opatrenia, pokračujúc prvým mesiacom až po dva

roky od ukončenia opatrenia.

187

Obrázok 82: Vývoj dopadu opatrenia na príjmy účastníkov podľa obdobia implementácie opatrenia

Zdroj: Model 1

Pohľad na graf nám odhalí pokles v dopadoch opatrenia na príjmy účastníkov v čase podľa

implementácie opatrenia. Výnimkou sú obdobie roku 2011, kedy kvôli spomínanému zvýšenému

zastúpeniu účastníkov z Bratislavy príjmový efekt relatívne narástol. Druhou výnimkou je posledné

obdobie roku 2013, pre toto obdobie sme kvôli nízkym početnostiam nezískali štatisticky významné

koeficienty. S výnimkou týchto dvoch období môžeme pozorovať v čase klesajúci (rastúci negatívny)

dopad opatrenia na príjmy účastníkov. Zaujímavé je tiež, že dopad opatrenia výrazne poklesol už medzi

prvými dvoma sledovanými obdobiami (2007/01-2008/04 a 2008/05-2008/08). Toto naznačuje, že dopad

zmien spojených s novelou Zákona o službách zamestnanosti bol negatívny a to nezávisle od dopadov

ekonomickej krízy, ktorej prejavy je možné pozorovať až po auguste 2008. Zároveň však je potrebné

poznamenať, že odhady pre prvé dve obdobia môžu byť najviac poznačené zníženou kvalitou dát z roku

2007 a čiastočne aj 2008.


dopadoch opatrenia na zamestnanosť účastníkov. V tomto prípade ani rok 2011 nevystupuje z radu,

jedinou výnimkou je teda posledné obdobie (rok 2013), ktorého výsledky nie sú štatisticky významné

v dôsledku nízkych početností.

188

Obrázok 83: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa obdobia implementácie

opatrenia

Zdroj: Model 1

Dopad opatrenia na zamestnanosť účastníkov v Bratislave je negatívna, rovnako ako vo väčšine

sledovaných regiónov. Zvýšený podiel absolventov vzdelávania v Bratislave v roku 2011, neskresľoval

celkový efekt opatrenia tak, ako pri sledovaní príjmu účastníkov.

Okrem tohto rozdielu sú výsledky získané pomocou oboch indikátorov výsledku prakticky rovnaké.

Jednotka merania sa zmenila, čo sa prejavilo na absolútnych hodnotách odhadnutých koeficientov, ale

celkový vzor zostáva podobný.

9.3.2 Výsledky vyhodnotenia podľa rodu

Rod je znak povinne sledovaný prakticky vo všetkých štatistikách venovaných trhu práce. Muži sa na

trhu práce správajú odlišne než ženy, nezávisle od toho či ide o ich správanie sa v zamestnaní,

nezamestnanosti alebo pri ďalšom vzdelávaní. Zatiaľ čo v evidencii nezamestnaných je vyššie

zastúpenie mužov (54,12%) medzi účastníkmi opatrenia je naopak mierne viac žien (52,03%).

V prípade dopadu opatrenia na príjmy účastníkov však rod nehrá významnú úlohu. Keď sledujeme

priemerný dopad za všetky obdobia implementácie s rozlíšením pohlavia zistíme, že opatrenie má

negatívny a štatisticky významný efekt na príjmy ako u mužov tak aj u žien. Tento záver je jednotne

potvrdený výsledkami všetkých troch modelov.

189

Tabuľka 136: Porovnanie výsledkov dopadu na príjem účastníkov podľa pohlavia

Muži Ženy

Mesiac ATT S.E. p. N ATT S.E. p. N

Model 1 -6 -36.73 7.30 0.000 29613 2.51 7.08 0.723 33731

6 -53.92 4.12 0.000 29853 -37.16 2.99 0.000 34225

12 -57.68 4.37 0.000 29760 -20.94 3.34 0.000 34116

24 -63.31 5.66 0.000 28744 -11.56 3.98 0.004 32890

Model 2 -6 9.62 6.98 0.168 9276 -14.12 8.08 0.080 11414

6 -45.35 3.21 0.000 9276 -53.53 2.69 0.000 11414

12 -31.14 3.88 0.000 9276 -45.03 3.24 0.000 11414

24 -11.64 4.52 0.010 9276 -37.15 3.79 0.000 11414

Model 3 -6 -35.74 16.34 0.029 842053 -13.99 5.81 0.016 731694

6 -56.85 3.29 0.000 900574 -47.95 2.42 0.000 776008

12 -38.96 3.60 0.000 890677 -27.73 2.82 0.000 778976

24 -26.29 4.34 0.000 764088 -21.14 3.42 0.000 678986




Model 2 reportuje mierne negatívnejší efekt opatrenia na príjmy žien, modely 1 a 3 prinášajú opačný



v čase vytrácajú.

Toto zistenie potvrdzuje aj pohľad na výsledky modelu 1 v grafickej podobe.

Obrázok 84: Vývoj dopadu opatrenia na príjmy účastníkov podľa pohlavia

Zdroj: Model 1

190

V prípade žien sa negatívny dopad opatrenia na príjmy v čase od ukončenia opatrenia vytráca. V prípade

mužov zostáva približne rovnaký, na úrovni zo štvrtého mesiaca. Model 1 bol jediný, ktorý ukazoval túto

stagnáciu pre dopad na príjmy mužov.

Pri pohľade na dopad na zamestnanosť je vytrácanie sa v čase ešte výraznejšie.

Obrázok 85: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa pohlavia

Zdroj: Model 1

9.3.3 Výsledky vyhodnotenia podľa veku


dopad na účastníkov starších ako 55 rokov. V rámci analýzy sme rozlíšili tri vekové skupiny; do 30 rokov,

30-54 a 55 a viac rokov. Pri prvých dvoch skupinách navrhnuté modely opäť odhadli štatisticky


najmladšiu a strednú vekovú skupinu sú homogénne.

Tabuľka 137: Porovnanie výsledkov dopadu na príjem účastníkov podľa vekovej skupiny

Do 30 30-54 55 a viac

Mesiac ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N

Model 1 -6 -14.56 4.78 0.002 17957 -8.80 7.38 0.233 38868 -67.54 27.10 0.013 6519

6 -58.58 4.66 0.000 18047 -46.45 3.22 0.000 39468 2.64 6.53 0.687 6563

12 -56.50 5.24 0.000 17981 -38.06 3.64 0.000 39348 -1.71 8.02 0.832 6547

24 -59.27 6.41 0.000 17279 -31.23 4.31 0.000 38049 1.16 8.27 0.888 6306

Model 2 -6 -65.36 5.91 0.000 6124 29.31 8.32 0.000 12611 -21.10 9.48 0.026 1955

6 -56.31 3.39 0.000 6124 -39.28 2.79 0.000 12611 -97.95 6.42 0.000 1955

12 -46.60 4.12 0.000 6124 -26.43 3.34 0.000 12611 -94.19 7.89 0.000 1955

24 -31.73 4.94 0.000 6124 -8.68 3.91 0.027 12611 -116.77 8.33 0.000 1955

Model 3 -6 -7.82 20.22 0.699 660740 -37.23 7.57 0.000 759309 -78.10 30.10 0.010 153698

6 -39.90 3.20 0.000 702716 -63.11 2.94 0.000 810774 -26.16 5.91 0.000 163092

191

Do 30 30-54 55 a viac


12 -24.52 3.74 0.000 703428 -43.17 3.19 0.000 807555 -11.20 6.95 0.107 158670

24 -21.32 4.31 0.000 606952 -30.09 3.88 0.000 704458 -7.07 9.41 0.452 131664




Najzaujímavejšou, z pohľadu dopadu opatrenia, sa javí byť veková skupina 55+. Tu negatívny dopad

opatrenia nie je taký jednoznačný. Potvrdzuje ho iba model 2. Modely 1 a 3 prinášajú iba štatisticky nie

významné koeficienty.

Obrázok 86: Vývoj dopadu opatrenia na príjmy účastníkov podľa vekovej skupiny

Zdroj: Model 1

Počiatočný negatívny príjmový efekt opatrenia sa v prípade účastníkov starších ako 55 rokov vytráca už

po štyroch mesiacoch. Zvyšok sledovaného obdobia príjmový efekt opatrenia na túto skupinu nie je

štatisticky významne rozdielny od nuly.

192

Obrázok 87: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa vekovej skupiny

Zdroj: Model 1





šance účastníkov zamestnať sa.

9.3.4 Výsledky vyhodnotenia podľa stupňa najvyššieho dosiahnutého vzdelania


modelov prevažne homogénne, štatisticky významné, negatívne koeficienty. Jednou výnimkou sú

účastníci s vysokoškolským vzdelaním, pre ktorých model 2 odhaduje pozitívne, štatisticky významné,

koeficienty. V prípade tohto odhadu však je vidieť, že model odhadoval štatisticky významný a väčší

rozdiel v príjmoch medzi kontrolnou skupinou a účastníkmi už 6 mesiacov pred ukončením opatrenia.

Táto skutočnosť spochybňuje relevantnosť výberu zvolenej metodiky modelu 2 pre túto podskupinu.

Výsledky mohli byť ovplyvnené napríklad veľkým rozptylom v príjmoch vysokoškolsky vzdelaných UoZ,

ktorí sú zároveň medzi nezamestnanými relatívne menej zastúpenou skupinou.

Tabuľka 138: Porovnanie výsledkov dopadu na príjem účastníkov podľa vekovej skupiny

Základná škola N Stredná škola N Vysoká škola N


Model 1 -6 -18.41 7.58 0.015 12192 -22.64 4.89 0.000 44410 19.25 31.46 0.541 6742

6 -41.69 5.49 0.000 12456 -46.47 2.48 0.000 44884 -81.95 13.96 0.000 6738

12 -41.22 6.18 0.000 12436 -42.66 2.80 0.000 44745 -51.05 18.79 0.007 6695

24 -34.06 7.28 0.000 12038 -45.25 3.35 0.000 43206 -6.32 18.51 0.733 6390

Model 2 -6 -32.30 9.10 0.000 4280 -17.04 5.14 0.001 14363 151.95 36.81 0.000 2047

6 -65.07 4.18 0.000 4280 -54.62 2.31 0.000 14363 15.28 9.77 0.118 2047

12 -63.92 4.88 0.000 4280 -47.52 2.66 0.000 14363 74.85 13.25 0.000 2047


193

24 -59.37 5.79 0.000 4280 -36.90 3.13 0.000 14363 123.13 15.09 0.000 2047

Model 3 -6 -41.59 8.13 0.000 393449 -18.25 11.53 0.114 995256 -83.15 33.65 0.014 185042

6 -44.31 3.51 0.000 418142 -43.76 2.05 0.000 1069173 -97.59 11.67 0.000 189267

12 -26.21 3.99 0.000 409691 -25.69 2.32 0.000 1064620 -66.97 12.57 0.000 195342

24 -15.87 4.48 0.000 353709 -19.50 2.61 0.000 921364 -40.93 16.84 0.015 168001




Z grafického znázornenia výsledkov modelu 1 je vidieť, že prakticky neexistuje rozdiel v dopade

opatrenia na účastníkov so základným a stredoškolským vzdelaním. Výsledky pre účastníkov

s vysokoškolským vzdelaním sa správajú odlišne, k čomu však mohli prispieť aj nižšie početnosti

v kombinácii s vyšším rozptylom príjmov tejto UoZ vstupujúcich do analýzy. Negatívny dopad opatrenia

na príjmy UoZ počas prvého roka po ukončení opatrenia je pozorovateľný jednoznačne.

Obrázok 88: Vývoj dopadu opatrenia na príjem účastníkov podľa stupňa vzdelania

Zdroj: Model 1


zamestnania sa v období po opatrení. Na tomto ukazovateli výsledku relatívne menej negatívne vyznieva

dopad opatrenia na účastníkov so základným vzdelaním. Pre všetky vzdelanostné skupiny je však

pozorovateľný počiatočne štatisticky významný, negatívny efekt opatrenia, ktorý sa časom vytráca.

194

Obrázok 89: Vývoj dopadu opatrenia na zamestnanosť účastníkov podľa stupňa vzdelania

Zdroj: Model 1

9.3.5 Výsledky vyhodnotenia podľa regiónu úradu práce

Zvolená metodika nám umožňuje sledovať rozdiely v dopade opatrenia medzi jednotlivými úradmi

práce, ktoré do analýzy vnášajú aj regionálny aspekt. Úradom práce s najväčším počtom účastníkov na

opatrení je Bratislava. Tu môžeme pozorovať pozitívny príjmový efekt opatrenia (po 24 mesiacoch)

v kombinácii s negatívnym efektom na zamestnanosť účastníkov. Podobný vzor v mimobratislavských

úradoch nie je typický, pozorovať je ho možné okrem Bratislavy už len v Pezinku.

Tabuľka 139: Porovnanie výsledkov dopadu na príjem účastníkov podľa regiónu úradu práce,

sociálnych vecí a rodiny

mesiac -6 6 12

24

Úrad ATT p. N ATT p. N ATT p. N ATT p. N

BA 37.82 0.317 4828 -21.43 0.070 4855 16.56 0.237 4852 35.14 0.031 4799

MA 39.94 0.288 1210 -70.61 0.000 1179 -99.13 0.000 1178 -36.31 0.161 1178

PK 78.09 0.004 3351 -10.51 0.343 3291 14.18 0.277 3284 58.88 0.004 3276

DS -4.85 0.794 1751 -28.95 0.009 1757 -31.85 0.015 1756 -49.82 0.002 1752

GA -80.98 0.243 1108 -22.52 0.184 1178 -34.37 0.061 1178 -14.75 0.516 1101

PN -29.72 0.091 1685 -50.81 0.000 1668 -55.21 0.001 1666 -73.52 0.001 1666

SE -15.39 0.547 1274 -43.97 0.001 1292 -67.99 0.000 1292 -167.27 0.000 1292

TT 8.66 0.837 1303 -71.77 0.000 1338 -37.90 0.066 1338 -1.67 0.943 1326

PE -31.25 0.030 1589 -42.86 0.000 1632 -33.18 0.018 1632 -63.91 0.000 1602

NM -66.63 0.010 1006 -39.62 0.044 1051 -34.31 0.124 1051 -33.00 0.222 976

PB -73.15 0.000 1574 -49.94 0.000 1666 -61.51 0.000 1666 -54.01 0.001 1650

PD -107.47 0.084 1123 -91.34 0.000 1150 -71.76 0.000 1037 -75.60 0.000 1013

TN -13.71 0.417 2211 -85.06 0.000 2210 -87.10 0.000 2210 -62.51 0.000 2112

195

mesiac -6 6 12

24


KN -28.67 0.099 1180 -14.90 0.244 1225 19.29 0.174 1198 31.71 0.057 1037

LE -44.20 0.001 1313 -24.49 0.056 1316 -6.64 0.641 1316 8.92 0.652 1202

NR 3.80 0.864 1827 -26.70 0.031 1872 -31.89 0.020 1872 3.79 0.813 1766

NZ -77.80 0.000 1401 -68.97 0.000 1442 -33.42 0.048 1441 -20.97 0.241 1290

TO -42.36 0.002 1262 -40.41 0.005 1342 -48.63 0.003 1342 -30.42 0.083 1253

CA 47.66 0.001 1080 -52.67 0.000 1063 -86.63 0.000 1063 -130.54 0.000 1063

DK -11.46 0.669 709 -28.80 0.106 743 -20.97 0.283 743 -44.69 0.064 733

NO -46.22 0.005 1061 -66.11 0.000 975 -76.95 0.000 973 -47.31 0.008 969

LM -26.47 0.144 1373 -20.99 0.112 1386 -15.16 0.333 1386 -10.46 0.530 1385

MT -64.81 0.002 944 -22.02 0.289 951 -15.84 0.410 951 -8.05 0.700 914

RK -138.99 0.130 390 -0.52 0.981 402 -14.03 0.598 402 22.46 0.451 402

ZA -77.58 0.000 1772 -134.47 0.000 1790 -121.47 0.000 1790 -115.81 0.000 1790

BB -36.42 0.201 1296 -26.13 0.118 1285 -53.78 0.001 1284 -53.78 0.010 1192

BS -36.19 0.025 1418 -30.71 0.023 1453 -30.75 0.042 1441 -27.12 0.166 1387

BR -4.09 0.941 554 -4.51 0.759 571 -5.56 0.760 571 13.20 0.621 493

LC -45.26 0.000 1485 -15.03 0.159 1535 -13.04 0.290 1535 -31.68 0.038 1449

RA -20.53 0.104 782 -25.02 0.067 781 -15.54 0.255 781 -2.62 0.885 745

RS 3.21 0.793 1125 -40.75 0.001 1165 -33.90 0.014 1165 -44.55 0.009 1163

VK -32.31 0.010 1206 -34.76 0.001 1207 -51.07 0.000 1207 -22.20 0.109 1140

ZV -33.58 0.038 1536 -63.91 0.000 1580 -26.61 0.074 1553 -38.16 0.049 1341

BJ 4.05 0.769 1347 -51.95 0.000 1354 -59.84 0.000 1354 -55.79 0.000 1354

HU -29.68 0.047 1390 -56.28 0.000 1381 -64.46 0.000 1381 -78.93 0.000 1358

PP -34.40 0.097 1001 -54.19 0.001 1006 -42.58 0.011 1006 -21.45 0.243 1006

PO -42.94 0.000 1773 -106.15 0.000 1781 -87.61 0.000 1781 -103.12 0.000 1609

SL -20.69 0.093 1312 -42.95 0.000 1323 -42.46 0.001 1322 -23.11 0.147 1239

SP -0.21 0.987 758 -21.27 0.096 762 -22.35 0.152 762 -57.14 0.001 720

VT -10.55 0.490 1033 -62.04 0.000 1064 -44.58 0.007 1064 -56.95 0.005 1018

KE -93.58 0.279 1339 -71.79 0.000 1366 -48.17 0.004 1366 -48.37 0.008 1306

MI -80.62 0.008 904 -18.38 0.263 899 -18.82 0.334 899 -58.16 0.011 899

RV 22.88 0.542 1510 -51.56 0.000 1495 -61.60 0.000 1493 -48.68 0.005 1392

SN -19.75 0.176 1680 -41.64 0.000 1678 -44.77 0.003 1676 -35.89 0.017 1658

TV 14.38 0.360 775 0.53 0.964 798 -25.76 0.055 798 -71.61 0.000 798

KK 28.87 0.127 795 -34.08 0.016 820 -16.66 0.284 820 -10.33 0.577 820



Zdroj: Výpočty autorov na poskytnutých údajoch (Model 1)

Okrem výrazného rozdielu Bratislavy od zvyšku Slovenska vykazujú jednotlivé Úrady veľmi podobný

vzor. V prevažnej väčšine Úradov je pozorovateľný štatisticky významný, negatívny dopad účasti na

opatrení jednak na príjem ako aj na zamestnanosť účastníkov.

Tabuľka 140: Porovnanie výsledkov dopadu na zamestnanosť účastníkov podľa regiónu Úradu práce,

sociálnych vecí a rodiny

mesiac -6

6

12

24


BA -0.11 0.000 4828 -0.13 0.000 4855 -0.11 0.000 4966 -0.08 0.000 4852

MA -0.05 0.086 1210 -0.09 0.004 1179 -0.15 0.000 1250 0.03 0.260 1178

196

mesiac -6

6

12

24


PK -0.05 0.002 3351 -0.06 0.002 3291 -0.04 0.022 3556 0.05 0.003 3283

DS -0.02 0.501 1751 -0.06 0.012 1757 -0.04 0.089 1788 -0.02 0.342 1756

GA -0.08 0.005 1108 0.02 0.588 1178 -0.04 0.204 1178 -0.05 0.071 1178

PN -0.09 0.000 1685 -0.07 0.013 1668 -0.05 0.029 1752 -0.02 0.368 1666

SE -0.08 0.003 1274 -0.07 0.014 1292 -0.14 0.000 1296 -0.05 0.057 1292

TT -0.09 0.002 1303 -0.02 0.404 1338 -0.01 0.855 1362 0.12 0.000 1338

PE -0.07 0.006 1589 -0.03 0.292 1632 0.03 0.276 1634 0.00 0.981 1632

NM -0.10 0.002 1006 -0.01 0.844 1051 -0.02 0.420 1052 0.00 0.952 1051

PB -0.05 0.032 1574 -0.09 0.001 1666 -0.11 0.000 1670 -0.02 0.464 1666

PD -0.09 0.002 1123 -0.09 0.001 1150 -0.07 0.011 1156 -0.07 0.020 1035

TN -0.07 0.001 2211 -0.08 0.001 2210 -0.08 0.000 2216 0.03 0.132 2210

KN -0.05 0.065 1180 -0.02 0.520 1225 0.06 0.057 1228 0.12 0.000 1182

LE -0.12 0.000 1313 0.00 0.914 1316 0.02 0.501 1342 0.05 0.098 1316

NR -0.08 0.001 1827 -0.05 0.031 1872 0.00 0.970 1906 0.08 0.001 1872

NZ -0.13 0.000 1401 -0.09 0.000 1442 -0.05 0.048 1448 -0.04 0.109 1441

TO -0.16 0.000 1262 -0.06 0.040 1342 -0.05 0.058 1354 -0.02 0.454 1342

CA 0.02 0.520 1080 -0.10 0.003 1063 -0.07 0.021 1106 0.05 0.133 1063

DK -0.05 0.191 709 -0.03 0.453 743 0.02 0.635 748 0.03 0.439 741

NO -0.13 0.000 1061 -0.10 0.001 975 -0.09 0.001 1112 0.01 0.652 973

LM -0.08 0.002 1373 -0.01 0.831 1386 0.03 0.346 1402 0.01 0.818 1386

MT -0.08 0.008 944 0.03 0.377 951 -0.02 0.627 954 0.07 0.024 951

RK -0.07 0.196 390 -0.06 0.335 402 -0.09 0.103 404 -0.03 0.551 402

ZA -0.09 0.000 1772 -0.15 0.000 1790 -0.09 0.000 1790 0.00 0.951 1790

BB -0.04 0.120 1296 -0.03 0.297 1285 -0.07 0.018 1300 -0.01 0.622 1284

BS -0.06 0.023 1418 -0.05 0.086 1453 -0.02 0.545 1454 0.09 0.001 1441

BR 0.03 0.566 554 0.02 0.560 571 0.07 0.083 572 0.12 0.004 571

LC -0.07 0.002 1485 0.00 0.917 1535 -0.04 0.121 1592 0.00 0.873 1534

RA -0.09 0.007 782 -0.05 0.139 781 -0.05 0.145 804 0.03 0.395 781

RS 0.01 0.852 1125 -0.11 0.000 1165 -0.09 0.002 1168 -0.05 0.132 1165

VK -0.09 0.003 1206 -0.08 0.009 1207 -0.07 0.009 1240 0.02 0.473 1207

ZV -0.08 0.002 1536 -0.11 0.000 1580 -0.06 0.018 1582 -0.01 0.671 1553

BJ 0.01 0.653 1347 -0.14 0.000 1354 -0.05 0.056 1354 0.07 0.017 1354

HU -0.09 0.001 1390 -0.08 0.007 1381 -0.05 0.073 1398 0.08 0.005 1381

PP -0.08 0.014 1001 -0.12 0.000 1006 -0.07 0.025 1006 0.07 0.045 1006

PO -0.08 0.000 1773 -0.12 0.000 1781 -0.04 0.078 1790 0.08 0.001 1781

SL -0.02 0.570 1312 -0.05 0.061 1323 -0.07 0.014 1330 0.00 0.977 1322

SP -0.05 0.184 758 -0.03 0.459 762 -0.06 0.102 762 -0.07 0.039 762

VT -0.01 0.671 1033 -0.03 0.364 1064 0.01 0.857 1064 -0.03 0.279 1064

KE -0.08 0.003 1339 -0.08 0.004 1366 -0.08 0.003 1368 -0.03 0.274 1366

MI -0.15 0.000 904 0.00 0.952 899 0.01 0.881 944 -0.04 0.272 899

RV -0.05 0.037 1510 -0.07 0.005 1495 -0.06 0.029 1566 0.01 0.800 1492

SN -0.04 0.084 1680 -0.04 0.070 1678 -0.05 0.020 1716 0.07 0.004 1676

TV -0.05 0.160 775 0.02 0.667 798 0.00 0.994 798 0.00 0.927 798

KK 0.11 0.003 795 -0.08 0.028 820 -0.05 0.146 820 0.14 0.000 820



Zdroj: Výpočty autorov na poskytnutých údajoch (Model 1)

197

10 Analýza výnosov a nákladov (CBA

analýza)

Každý nezamestnaný predstavuje náklad pre štátny rozpočet. Pri vyhodnotení dopadu opatrenia aktívnej

politiky trhu práce, je preto potrebné zhodnotiť nie len bezprostredné náklady spojené s

implementáciou opatrenia ale aj náklady spojené so skutočnosťou, že v dôsledku opatrenia bude

zmenený počet nezamestnaných. Náklady na nezamestnaného sa tak stávajú výnosom opatrenia, v

momente kedy je nezamestnaný UoZ umiestnený na trhu práce. Pri vyhodnocovaní finančného dopadu

opatrenia na ŠR budeme brať do úvahy bezprostredné náklady ŠR spojené s implementáciou opatrenia.

Tieto budú konfrontované s nákladmi na jedného nezamestnaného, ktoré sa, v prípade umiestnenia

nezamestnaného, stávajú výnosmi opatrenia.

10.1 Bezprostredné náklady ŠR

Implementácia opatrenia bola počas sledovaného obdobia spojená s bezprostrednými nákladmi

financovanými čiastočne zo ŠR a čiastočne zo štrukturálnych fondov EÚ. Prostriedky zo štrukturálnych

fondov boli na financovanie opatrenia využívané v rámci programového obdobia 2004-2006

a programového obdobia 2007-2013. V rámci programového obdobia 2007-2013 prostriedky smerovali

prostredníctvom Operačného programu Zamestnanosť a sociálna inklúzia v rámci národných projektov

NP III A a NP III B. Finančné prostriedky spojené s implementáciou opatrenia podľa zdroja financovania

počas vyhodnocovaného obdobia zobrazuje nasledujúca tabuľka.

Tabuľka 141: Náklady ŠR bezprostredne spojené s implementáciou opatrenia (v €)

2007 2008 2009 2010 201158

2012 2013

Štátny rozpočet 2 200 976 3 719 335 1 567 839 2 220 254 185 625 0 92 861

PO 2007-13 NP III A NA NA 0 333 933

41 634

249 942 165 314

PO 2007-13 NP III B NA NA 0 458 374 435 248 200 381

PO 2004-06 NA NA 4 227 474 0 NA 0 0

Spolu 2 200 976 3 719 335 5 795 313 3 012 560 227 259 685 190 458 557

Zdroj: ÚPSVaR a (Štefánik, et. al., 2014)

Sumy uvedené vyššie v tabuľke budú použité vo výpočte finančného dopadu opatrenia na nákladovej

strane. Ide o jediné náklady spojené s implementáciou opatrenia. Predpokladáme, že náklady spojené

s fungovaním úradov práce a celkovo štátneho aparátu venujúceho sa službám zamestnanosti , by

zostali v prípade zrušenia opatrenia nezmenené.

10.2 Kvantifikácia nákladov ŠR na jedného nezamestnaného

Jednotkové náklady na jedného nezamestnaného sú celkovým nákladom štátneho rozpočtu spojené

s nezamestnanosťou jedného nezamestnaného. Sú zároveň aj kvantifikáciou príjmu ŠR v prípade ak sa

daný UoZ umiestni na trhu práce a začne byť zárobkovo činný. Pri odhade jednotkových nákladov

58Použité podľa (Štefánik, et al., 2014)

198

najedného nezamestnaného vychádzame z nedávnej štúdie (Domonkos, et. al., 2014) kvantifikujúcej

celkové náklady ŠR na jedného nezamestnaného. Štúdia identifikuje:

1. Priame náklady spojené s nezamestnanosťou

- Výpadok príjmov verejnej správy spôsobený zníženým výberom priamych daní a odvodov

(sociálne a zdravotné odvody) od zamestnanca a zamestnávateľa.

- Výdavky verejnej správy na dávky v nezamestnanosti (max. po dobu pol roka), sociálne

poistenie (dávka v hmotnej núdzi, ochranný príspevok, aktivačný príspevok, príspevok na

nezaopatrené dieťa, príspevok na bývanie) a výdavky na zdravotné poistenie nezamestnaného.

- Výdavky verejnej správy na administráciu nezamestnaných.

2. Nepriame náklady

Výpadok na spotrebe nezamestnaného v dôsledku poklesu jeho príjmu a pokles produkcie spôsobený

nezamestnanosťou. Tento jav sa prejaví v znížení HDP a teda aj poklesom na výbere nepriamych daní

(najmä DPH a spotrebných daní) a na poklese produkcie a príjmov právnických osôb a tým pádom aj na

výbere daní z príjmov týchto právnických osôb.

Kvantifikácie jednotlivých nákladových položiek sú preberané z vyššie uvedenej štúdie. Hodnoty pre rok

2013 boli dopočítané s využitím tempa rastu priemernej hrubej mzdy v hospodárstve SR medzi rokmi

2012 a 2013. Hodnoty nákladov pre roky 2014 až 2017 boli dopočítavané na základe ich vzťahu k vývoju

odhadovanej mzdy UoZ pred nezamestnanosťou. Zo schémy nákladov identifikovaných autormi

citovanej štúdie vypúšťame náklady priamo spojené s implementáciou aktívnej politiky trhu práce.

V rámci nákladovej schémy ponechávame výdavky na zamestnancov a správny aparát v oblasti APTP,

nakoľko predpokladáme že aparát ÚPSVaRu sa bude môcť meniť proporčne k zmene

nezamestnanosti/zamestnanosti spôsobenej dopadom opatrenia. Nasledujúca tabuľka uvádza

kvantifikácie jednotlivých nákladových položiek prepočítané na mesiac evidencie jedného UoZ.

199

Tabuľka 142: Ročné náklady ŠR spojené s evidenciou jedného UoZ (v €)

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Výpadok príjmov ŠR

Dane z príjmov fyzických osôb 85.2 268.8 56.4 66.0 158.4 174.0 179.0 183.5 187.6 191.7 195.8

Sociálne a zdravotné poistenie

platené zamestnávateľom

1472.

4

1904.

4

1756.

8

1776.

0

1784.

4

1852.

8

1905.

5

1953.

9

1997.

6

2041.

3

2085.

0


platené zamestnancom 560.4 724.8 668.4 676.8 679.2 705.6 725.7 744.1 760.7 777.4 794.0

Výdavky ŠR na nezamestnaného

Priemerná DvN na jedného

UoZ 234.0 288.0 442.8 348.0 375.6 392.4 403.6 402.2 414.0 425.9 437.7

Výška odvodov poistenca

štátu 297.6 336.0 393.6 415.2 386.4 369.6 380.1 393.0 399.2 405.4 411.5

Priemerná vážená výška DvHN

a PkD

pre UoZ

753.6 657.6 519.6 583.2 566.4 548.4 564.0 537.3 521.9 506.5 491.1

Výdavky na všeobecné služby

úradov práce na

jedného nezamestnaného na

jeden mesiac

0.0 537.6 368.4 363.6 300.0 291.6 299.9 467.2 506.8 546.4 586.0

Výdavky na zamestnancov a

správny aparát v oblasti

APTP na jedného

nezamestnaného na jeden

mesiac

0.0 189.6 134.4 128.4 106.8 100.8 103.7 164.3 178.1 191.9 205.7

Nepriame náklady DH

Výpadok štátu na daniach zo

spotreby 480.0 612.0 528.0 528.0 552.0 540.0 555.4 581.6 591.5 601.4 611.2

Výpadok štátu na dani z príjmu

právnických osôb 312.0 432.0 408.0 216.0 252.0 252.0 259.2 306.8 307.3 307.9 308.5

Zdroj: (Domonkos, et. al., 2014)

Náklady sú funkciou odhadovanej mzdy UoZ pred začiatkom ich nezamestnanosti. Pre výpočty v rámci

našej analýzy finančného dopadu budeme z odhadov spomínanej štúdie uvádzať variant pracujúci

s dolným odhadom príjmu nezamestnaných. Ten je vypočítavaný z posledného vymeriavacieho základu

osôb vstupujúcich do nezamestnanosti. Výpočty autorov, podobne ako výpočty v rámci tohto

vyhodnotenia, využívajú informáciu z databáz Sociálnej poisťovne. Odhadované priemerné príjmy

nezamestnaných pred evidenciou zobrazuje nasledujúca tabuľka.

Tabuľka 143: Počet účastníkov a odhad mzdy nezamestnaných pred začiatkom nezamestnanosti

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Počet účastníkov opatrenia (N) 8593 11766 17854 8775 1387 1662 1636 0 0 0 0 0

Odhad mzdy 349 451 416 421 423 439 45159

46360

473 483 494 504

Zdroj: (Domonkos, et. al., 2014) a vlastné výpočty

59Hodnota pre rok 2013 doimputovaná pomocou rastu priemernej hrubej mzdy v hospodárstve.

60Od roku 2014 je mzda nezamestnaných pred začiatkom nezamestnanosti projektovaná jednoduchým trendom zo známych hodnôt (2007-

2014).

200

10.3 Nastavenie scenárov

V rámci vyhodnotenia finančného dopadu na ŠR budeme pracovať s troma scenármi. Pre ich

formulovanie využívame výsledky dopadu opatrenia z najefektívnejšieho obdobia (január 2007 až apríl

2008), najmenej efektívneho obdobia (január 2012 až december 2012) a priemer za celé obdobie (január

2007 až december 2013). Reálny scenár nám napočíta reálny finančný dopad opatrenia na ŠR. Pozitívny

scenár vypočíta finančný dopad aký by opatrenie malo na ŠR, keby bolo počas celého vyhodnocovaného

obdobia implementované tak efektívne ako počas obdobia kedy bol dopad opatrenia najvyšší. Negatívny

scenár vypočíta finančný dopad opatrenia na ŠR, v hypotetickej situácii, keby bolo opatrenie počas

celého vyhodnocovaného obdobia implementované s účinnosťou nameranou v období s najnižším

(negatívnym) dopadom, na zamestnanosť aj príjmy účastníkov.

Pre tieto obdobia sme použili priemer efektu na zamestnanosť a príjmového efektu pre prvý rok od

účasti na opatrení, druhý rok od účasti na opatrení . Pre obdobie 3. a viac rokov používame odhadnuté

efekty pre 24. mesiac od účasti na opatrení. Po 2 rokoch tak predpokladáme že dopad opatrenia

napríjem a zamestnanosť zostáva rovnaký a trvá 5 rokov. Po piatom roku od ukončenia opatrenia

predpokladáme nulový dopad opatrenia na príjem aj zamestnanosťúčastníkov.

Tabuľka 144: Odhad mzdy nezamestnaných pred začiatkom nezamestnanosti

Pozitívny scenár (200701-200804) Negatívny scenár (201201-201212) Reálny scenár (200701-201312)

Dodatočná

zamestnanos

ť v %

Miera

zamestnanosti

účastníkov v %

Dodatočný

príjem v

eur

Dodatočná

zamestnanos

ť v %

Miera

zamestnanosti

účastníkov v %

Dodatočný

príjem v

eur

Dodatočná

zamestnanos

ť v %

Miera

zamestnanosti

účastníkov v %

Dodatočný

príjem v

eur

1.

rok 4.92% 45.75% 29.55 -17.85% 35.28% -130.16 -7.75% 40.23% -53.12

2.

rok 12.00% 61.10% 64.12 -7.63% 40.77% -97.52 -3.14% 54.60% -36.67

3 a

via

c

14.00% 65.95% 68.85 0.00% 40.77% 0.00 0.00% 58.38% -35.00

Zdroj: Model 1

V prípade negatívneho scenára pracujeme s negatívnymi efektmi opatrenia na zamestnanosť aj príjem

účastníkov, ktoré sa vytrácajú už po 2 rokoch od ukončenia opatrenia. Je tomu preto, že koeficienty

odhadnuté pre toto obdobie 24 mesiacov od ukončenia opatrenia nie súštatisticky významné,

predpokladáme preto nulový dopad už v treťom roku.

10.3.1 Dodatočná zamestnanosť

Koeficienty odhadnuté ako vplyv na zamestnanosťúčastníkov predstavujú vlastne percentuálne

vyjadrenie dodatočnej zamestnanosti. V prípade pozitívneho scenára preto počítame, že v prvom roku

sa dodatočne zamestná o 4,92% účastníkov viac; v druhom o 12% viac. Od tretieho do piateho roku je

zamestnaných o 14% viac účastníkov, ako keby nebolo opatrenie implementované. Po 5 rokoch

dodatočná zamestnanosť zmizne. Počet dodatočne zamestnaných osôb (ZO) je tak násobkom

dodatočnej zamestnanosti (Z) a celkového počtu účastníkov (N) v danom roku.

ZO=Z*N

Výpočet podľa tohto vzorca opakujeme pre účastníkov v každom z rokov vyhodnocovaného obdobia

(2007-2013). Predpokladáme tak že dopad z najúčinnejšieho/najmenej účinného obdobia je rozložený

na celé vyhodnocované obdobie.

201

Násobením počtu účastníkov priemerným dopadom opatrenia na zamestnanosť získavame vždy iba

informáciu o danej kohorte účastníkov z daného roku. Každá kohorta sa nám v dodatočnej

zamestnanosti prejaví každý rok, nakoľko náklady nezamestnanosti máme kvantifikované na osobu za

rok.

Implementácia opatrenia v roku 2007 vyústila v roku 2007 do dodatočnej zamestnanosti 422

osôb(8593*0,0492=422). V druhom roku to bolo (8593*0,12)+(1176661*0,0492)=1610 a tak ďalej.

Tabuľka 145: Odhad dodatočnej zamestnanosti v dôsledku implementácie opatrenia (pozitívny scenár)

2007 2008 2009 2010 2011 2012 2013 Spolu

2007 422 422

2008 1031 578 1610

2009 1203 1412 878 3493

2010 1203 1647 2142 431 5424

2011 1203 1647 2500 1053 68 6471

2012 1647 2500 1229 166 82 5623

2013 2500 1229 194 199 80 4202

2014 1229 194 233 196 1852

2015 194 233 229 656

2016 233 229 462

2017 229 229

Spolu 30 444

Tabuľka 146: Odhad dodatočnej zamestnanosti v dôsledku implementácie opatrenia (negatívny

scenár)

2007 2008 2009 2010 2011 2012 2013 Spolu

2007 -1534 -1534

2008 -656 -2100 -2756

2009 0 -898 -3187 -4085

2010 0 0 -1363 -1566 -2929

2011 0 0 0 -670 -75 -745

2012 0 0 0 0 -32 -78 -111

2013 0 0 0 0 0 -33 -83 -116

2014 0 0 0 0 0 0 -35 -35

2015 0 0 0 0 0 0 0 0

2016 0 0 0 0 0 0 0 0

2017 0 0 0 0 0 0 0 0

Spolu -12 311

61Počet účastníkov opatrenia v roku 2008.

202

Tabuľka 147: Odhad dodatočnej zamestnanosti v dôsledku implementácie opatrenia (reálny scenár)

2007 2008 2009 2010 2011 2012 2013 Spolu

2007 -666 -666

2008 -270 -912 -1182

2009 0 -370 -1384 -1753

2010 0 0 -561 -680 -1241

2011 0 0 0 -276 -107 -383

2012 0 0 0 -44 -129 -172

2013 0 0 0 -52 -127 -179

2014 0 0 0 -51 -51

2015 0 0 0 0

2016 0 0 0

2017 0 0

Spolu -5 629

V prípade negatívneho scenára opatrenia vplýva na zamestnanosťúčastníkov negatívne, čo sa prejavilo

v záporných počtoch dodatočne zamestnaných osôb. Inak povedané v roku 2007 sa v dôsledku

implementácie opatrenia nezamestnalo 1 534 osôb, ktoré by sa inak zamestnali, keby sa nezúčastnili

vzdelávania. Čo je však horšie je, že aj v prípade reálneho scenára je počet dodatočne zamestnaných

osôb negatívny. V roku 2007 to bolo 666 osôb, ktoré by boli zamestnané, ak by nebolo opatrenie

implementované.

10.3.2 Dodatočný príjem

Koeficienty odhadnuté modelom 1 pre dopad na príjmy účastníkov sú rovnako kvantifikáciou

dodatočného príjmu. Tento dopad na príjem sa však týka iba účastníkov opatrenia. Výpočet dodatočného

príjmu si preto vyžaduje komplikovanejší vzorec. Suma dodatočného príjmu (DP) vygenerovaného

opatrením je násobkom počtu zamestnaných účastníkov (ZÚ) a odhadu dodatočného príjmu pre dané

obdobie (DPE)62 krát 12 mesiacov v roku. Počet zamestnaných účastníkov je násobkom počtu

účastníkov (N) a miery zamestnanosti účastníkov (MZÚ).

DP=(N*MZÚ)*(DPE*12)

62Dodatočný príjem je odhadovaný na mesačnom vymeriavacom základe.

203

Tabuľka 148: Odhad dodatočného príjmu v dôsledku implementácie opatrenia (pozitívny scenár)

2007 2008 2009 2010 2011 2012 2013 Spolu

2007 1 393 825 1 393 825

2008 4 039 757 1 908 501 5 948 258

2009 4 682 350 5 531 453 2 896 003 13 109 806

2010 4 682 350 6 411 326 8 393 555 1 423 346 20 910 577

2011 4 682 350 6 411 326 9 728 694 4 125 319 224 978 25 172 667

2012 6 411 326 9 728 694 4 781 522 652 059 269 584 21 843 185

2013 9 728 694 4 781 522 755 780 781 342 265 367 16 312 706

2014 4 781 522 755 780 905 628 769 119 7 212 050

2015 755 780 905 628 891 461 2 552 870

2016 905 628 891 461 1 797 089

2017 891 461 891 461

Spolu 117 144 493

Tabuľka 149: Odhad dodatočného príjmu v dôsledku implementácie opatrenia (negatívny scenár)

2007 2008 2009 2010 2011 2012 2013 Spolu

2007 -4 734 966 -4 734 966

2008 -2 061 693 -6 483 372 -8 545 065

2009 0 -2 822 982 -9 838 018 -12 661 000

2010 0 0 -4 283 657 -4 835 253 -9 118 911

2011 0 0 0 -2 105 360 -764 273 -2 869 633

2012 0 0 0 -332 779 -915 805 -1 248 584

2013 0 0 0 -398 759 -901 479 -1 300 237

2014 0 0 0 -392 521 -392 521

2015 0 0 0 0

2016 0 0 0

2017 0 0

Spolu -40 870 917

Tabuľka 150: Odhad dodatočného príjmu v dôsledku implementácie opatrenia (reálny scenár)

2007 2008 2009 2010 2011 2012 2013 Spolu

2007 -2 203 688 -2 203 688

2008 -2 064 683 -3 017 409 -5 082 092

2009 -2 107 001 -2 827 076 -4 578 686 -9 512 762

2010 -2 107 001 -2 885 019 -4 289 871 -2 250 362 -11 532 253

2011 -2 107 001 -2 885 019 -4 377 795 -2 108 414 -355 698 -11 833 926

2012 -2 885 019 -4 377 795 -2 151 627 -333 261 -426 222 -10 173 925

2013 -4 377 795 -2 151 627 -340 092 -399 337 -419 555 -7 688 405

204

2007 2008 2009 2010 2011 2012 2013 Spolu

2014 -2 151 627 -340 092 -407 522 -393 090 -3 292 331

2015 -340 092 -407 522 -401 147 -1 148 760

2016 -407 522 -401 147 -808 668

2017 -401 147 -401 147

Spolu -63 677 957

V prípade, že by bolo opatrenie implementované počas celého sledovaného obdobia s rovnakou

účinnosťou ako počas jeho najefektívnejšieho obdobia implementácie, zamestnaní účastníci by

vygenerovali dodatočný príjem v hodnote viac ako 117 miliónov euro. Naopak, v prípade že by bolo

opatrenie počas celého sledovaného obdobia implementované tak, ako počas najmenej efektívneho

obdobia, znížil by sa príjem účastníkov o takmer 41 miliónov euro. V skutočnosti implementácia

opatrenia priniesla ešte nižší dodatočný príjem, ako v prípade negatívneho scenára, spolu viac ako 63,6

milióna euro. Je tomu predovšetkým preto že reálny scenár predpokladá negatívny dopad opatrenia na

príjmy účastníkov počas piatich rokov, zatiaľčo pri negatívnom scenári predpokladáme vyššie negatívne

efekty, ktoré však pôsobia iba dva roky po účasti na opatrení.

10.4 Kvantifikácia výnosov opatrenia

V rámci vyhodnotenia finančného dopadu opatrenia prebieha kvantifikácia cez dva relatívne samostatné

kanály. Prvým je efekt dodatočnej zamestnanosti a druhým efekt dodatočného príjmu účastníkov

v dôsledku opatrenia. Pri kvantifikácii dopadu pri oboch kanáloch vychádzame z tabuľky nákladov ŠR na

jedného nezamestnaného zo štúdie (Domonkos, et. al., 2014)63.

Pri kvantifikácii dopadu cez dodatočnú zamestnanosť pre každého dodatočne zamestnaného

vynásobíme kvantifikované ročné náklady na jedného nezamestnaného počtom dodatočne

zamestnaných a získavame príjmy ŠR spojené s dodatočnou zamestnanosťou spôsobenou opatrením.

205

Obrázok 90: Výnosy ŠR v dôsledku dodatočnej zamestnanosti spojenej s implementáciou opatrenia

(zhora scenáre: pozitívny, negatívny a reálny)

206

Pri kvantifikácii dopadu opatrenia cez dodatočný príjem, pre celkovú sumu dodatočného príjmu

vypočítame odvody zamestnávateľa a zamestnanca a daň z príjmu fyzických osôb. Tieto predstavujú

jediný príjem ŠR spojený s dodatočným príjmom účastníkov opatrenia. Predpokladám, že dodatočný

príjem, zamestnaných účastníkov opatrenia bude zdanený a bude podliehať odvodom v plnej výške.

Obrázok 91: Výnosy ŠR v dôsledku dodatočného príjmu spojeného s implementáciou opatrenia (zhora

scenáre: pozitívny, negatívny a reálny)

Ako vidieť z vyššie uvedených grafov, v dôsledku implementácie opatrenia ŠR strácal jednak v dôsledku

zápornej dodatočnej zamestnanosti, ako aj v dôsledku dodatočného príjmu. Toto tvrdenie platí pre

negatívny aj reálny scenár. Výnimkou je pozitívny scenár, kde by ŠR mohol byť do roku 2017 v pluse

viac ako 237 miliónov euro. V skutočnosti ŠR strácal takmer 71 miliónov euro, z čoho najvyššiu stratu

207

zaznamenal na nezaplatených odvodoch zamestnávateľov spojených s dodatočným zvýšením príjmu

účastníkov v dôsledku implementácie opatrenia. Podrobné výsledky sú uvedené v prílohe.

Pri porovnaní troch zvolených scenárov zisťujeme, že reálny scenár je podobnejší negatívnemu, ako

pozitívnemu scenáru. Čistá strata (po pripočítaní bezprostredných nákladov opatrenia) v reálnom scenári

do roku 2017 predstavuje takmer 82,5 milióna euro; pri negatívnom scenári to je 102,6 milióna euro.

V prípade efektívnej implementácie opatrenia odhadujeme možnýčistý príjem ŠR z implementácie

opatrenia až na úrovni 228,6 milióna euro.

Obrázok 92: Porovnanie finančného dopadu opatrenia na ŠR medzi troma identifikovanými scenármi

Tabuľka 151: Čistý dopad na ŠR (vrátane nákladov financovaných zo štrukturálnych fondov)

Pozitívny scenár Negatívny scenár Reálny scenár Z toho bezprostredné

náklady opatrenia

2007 478 302 -11 716 450 -6 428 564 -2 200 976

2008 9 729 456 -25 680 304 -14 059 280 -3 719 335

2009 25 390 873 -31 359 841 -17 009 062 -1 567 839

2010 38 720 471 -23 429 532 -16 388 852 -2 554 187

2011 49 548 784 -5 940 639 -9 904 825 -227 259

2012 42 921 351 -2 075 364 -8 205 701 -685 190

2013 32 745 267 -1 928 355 -6 423 217 -458 557

2014 16 660 904 -483 592 -2 474 399 0

2015 5 996 999 0 -747 407 0

2016 4 289 544 0 -526 136 0

2017 2 161 577 0 -260 994 0

Spolu 228 643 525 -102 614 076 -82 428 437 -11 413 342

208

11 Hodnotenie dopadov založené na teórii

(TBIE)

11.1 Prístup k hodnoteniu

V rámci predmetného zadania je hlavným účelom hodnotenia dopadov založeného na teórii poskytnúť poznatky k vysvetleniu kvantifikovaných čistých efektov vzdelávania a prípravy pre trh práce. Zatiaľčo

kvantitatívne hodnotenie dopadov založené na kontrafaktuálnych metódach nám poskytlo informácie o

tom či intervencia mala čistý efekt na účastníkov a ako bol tento efekt signifikantný v porovnaní s

osobami, ktoré sa intervencie nezúčastnili, hodnotenie dopadov založené na teórii nám poskytuje

odpovede prečo boli tieto efekty dosiahnuté. V zásade nám objasňuje faktory a mechanizmy, ktoré

prispeli k dosiahnutiu kvantifikovaných efektov (pozitívnych/negatívnych).

Hodnotenie dopadov založené na teórii vychádza z poznatkov o efektívnom fungovaní vzdelávania v

rámci aktívnej politiky trhu práce. Tieto poznatky predstavujú všeobecné princípy správnej

implementácie intervencií zameraných na rozvoj ľudských zdrojov v čase ich nezamestnanosti, ktoré

vychádzajú jednak zo sociálnej teórie, ekonomickej teórie a praktických skúseností. Po definovaní

základných princípov sa pozornosť sústredila na zistenie aktuálnej implementačnej praxe na úrovni

úradov. Tá bola zistená prostredníctvom analýzy relevantnej dokumentácie súvisiacej s implementáciou

opatrenia. Dokumentácia vyjadruje zámery a ciele inštitúcií zodpovedných za opatrenia a zároveň

legislatívno-administratívne pravidlá pre praktickú implementáciu. Kľúčovým zdrojom pre rekonštrukciu

intervenčnej logiky a identifikáciu spôsobu poskytovania vzdelávacích služieb klientom (UoZ) v praxi boli

hĺbkové osobné pohovory so zástupcami úradov. Tie slúžili na posúdenie do akej miery bola reálna

implementácia v súlade s princípmi správneho poskytovania vzdelávania pre nezamestnaných. Rovnako

dôležitým bola identifikácia faktorov a mechanizmov, ktoré mohli mať vplyv na úspešnosť intervencie a

hodnotenie jej významnosti pre dopady. Získané poznatky v záverečnej fáze boli využité na interpretáciu

kvantifikovaných dopadov opatrenia.

11.2 Kvalitatívne hodnotenie intervencie

Cieľom intervencie bolo prostredníctvom teoretickej alebo praktickej prípravy (ich kombináciou)

umožniť UoZ získanie nových vedomostí a odborných zručností požadovaných trhom práce a tým zvýšiť

ich možnosti uplatnenia sa na trhu práce. Vedomosti a odborné zručnosti získavali UoZ na skupinových

vzdelávacích aktivitách organizovaných úradmi. Pre vzdelávacie aktivity realizované v rokoch 2007-2013

neboli explicitne stanovené kvantifikované ciele (cieľové hodnoty). Úspešnosť vzdelávania a prípravy

pre trh práce sa posudzovala na základe počtu/podielu účastníkov, ktorí sa zamestnali do 6 mesiacov

od ukončenia účasti na vzdelávacej aktivite.

1. Posúdenie situácie na regionálnom trhu práce (predpoklad: poznanie fungovania a potrieb regionálneho

trhu práce je východiskom pre efektívne využívanie vzdelávania a prípravy pre trh práce/AOTP)

Východiskom pre plánovanie a realizáciu vzdelávania a prípravy pre trh práce boli regionálne plány

vzdelávania. Predstavujú podporné dokumenty, ktorých účelom bolo zhodnotenie situácie na trhu

práce, najmä z pohľadu dopytu a štruktúry disponibilnej pracovnej sily (UoZ), pre výber relevantných

vzdelávacích aktivít. Regionálne plány vzdelávania boli vypracované na obdobie 1 kalendárneho roka.

Zodpovednosť za prípravu regionálnych plánov vzdelávania mali vedúci pracovníci (riaditeľ odboru

AOTP/služieb zamestnanosti a vedúci oddelenia). Návrh regionálneho plánu vzdelávania predkladal

riaditeľúzemne príslušnému výboru pre otázky zamestnanosti na schválenie.

209

Štruktúra regionálneho vzdelávacieho plánu bola definovaná v príslušnej internej norme. V priebehu

hodnoteného obdobia nedošlo k zmenám obsahu plánov. Pozostávali z popisu všeobecnej ekonomickej

situácie regiónu a situácie na trhu práce. Obsahovali základnú analýzu štruktúry UoZ z pohľadu veku,

vzdelania, dĺžky evidencie, klasifikácie zamestnaní a znevýhodnenia UoZ. Ďalej poskytovali údaje

o voľných pracovných miestach evidovaných úradmi. Samostatnáčasť bola venovaná skúsenostiam

s realizáciou vzdelávania a prípravy pre trh práce, konkrétne zhodnoteniu úspešnosti aktivít

realizovaných v predchádzajúcom období. V závere plánov úrad definoval prioritné oblasti (vzdelávacie

aktivity) na nadchádzajúci rok.Navrhované aktivity mohli len čiastočne vychádzať z analýzy ponuky

a dopytu na regionálnom trhu práce, keďže tá mala sumarizačný charakter a informovala o početnosti UoZ

v jednotlivých kategóriách a type voľných pracovných miest evidovaných úradmi. Priority pre vzdelávanie

preto vychádzali najmä z predchádzajúcich skúseností s realizáciou vzdelávacích aktivít a záujmu UoZ

vyjadreného prihláškami na vzdelávanie. Tu je potrebné zdôrazniť, že ak UoZ nemal jasnú predstavu

o vzdelávacej aktivite, ktorej by sa rád zúčastnil, boli mu ponúknuté hlavne školenia/kurzy, ktoré už boli

v minulom období zrealizované. Na druhej strane, podmienkou realizácie školenia/kurzu bol dostatočný

počet prihlásených UoZ.

Mechanizmus identifikácie a ponuky vzdelávacích aktivít viedol k tomu, že významnáčasť UoZ, ktorí sa

zúčastnili vzdelávania a prípravy pre trh práce participovala na obmedzenom počte

školení/kurzov.Konkrétne, účastníci 10 najnavštevovanejších školení/kurzov v rokoch 2007-2013 tvorili

takmer 58,49% všetkých UoZ, ktorí sa zúčastnili vzdelávania a prípravy pre trh práce. V rokoch 2007-

2010, kedy sa realizovalo najviac vzdelávacích aktivít a zúčastňovalo sa ich najviac UoZ, tento podiel

dosiahol 63,23%. Pohovory so zástupcami úradov poukázali na to, že napriek odlišnostiam/špecifikám

regionálnych trhov práce a dostupnosti širokého spektra kurzov64bol najintenzívnejšie využívaný súbor

približne rovnakých kurzov.Viac k obsahovému zameraniu kurzov uvádzame v časti venovanej

Zohľadneniu individuálnych potrieb.

Plán stanovoval priority úradu pre vzdelávanie a prípravu pre trh práce pre príslušný rok a zároveň slúžil

ako podklad pre odhad finančných zdrojov potrebných na realizáciu vzdelávacích aktivít. Úrad spracoval

a predložil návrh regionálneho plánu vzdelávania na schválenie začiatkom roku, najneskôr v prvom

kvartáli. Realizácia plánu a vzdelávacích aktivít bola podmienená pridelením finančných prostriedkov zo

strany Ústredia. V praxi to znamenalo, že úrady čakali na informáciu o objeme alokovaných zdrojov na

vzdelávanie a prípravu pre trh práce až potom začali s prípravou a zabezpečením dodávateľov

vzdelávacích služieb. V období rokov 2007-2010 boli informácie o výške finančných prostriedkov (z

národného projektu) určených pre úrad pre implementáciu §46 na prelome 1. a 2. kvartálu. Po roku 2010,

boli úrady nútené pracovať v neistote v dôsledku chýbajúcich informácií o rozpočte. Vzniknutá situácia

bola vyústením neúspešnej snahy Ústredia centrálne obstarať práve najvyužívanejšie kurzy. Najmä

v rokoch 2011 a 2012 Ústredie významne zvýšilo svoje požiadavky na analytické výstupy úradov - popisy

a odôvodnenie plánovaných kurzov, ktoré mali byť predmetom centrálneho verejného

obstarávania.Viaceré úrady na vzniknutú situáciu reagovali znížením detailnosti regionálnych plánov

vzdelávania a znížením počtu plánovaných vzdelávacích aktivít. Všetky úrady, s ktorými boli vykonané

pohovory, okrem úradu Banská Bystrica, poukázali na fakt, že finančné zdroje nedokázali pokryť záujem

zo strany UoZ o vzdelávanie a prípravu pre trh práce.

2. Flexibilita opatrenia (predpoklad: vzdelávanie a príprava pre trh práce dokáže dostatočne rýchlo

reagovať na meniace sa potreby klientov v dôsledku zmien na trhu práce)

64V rokoch 2007-2013 bolo zrealizovaných 103 rôznych kurzov s vyšším počtom účastníkov ako 10.

210

Regionálne plány vzdelávania schvaľovali výbory pre otázky zamestnanosti združujúce zástupcov

zamestnávateľov, odborových zväzov, samosprávy a úradov. Požiadavkou bolo, aby plány dostatočne

zohľadňovali existujúcu situáciu na regionálnom trhu práce. Celková charakteristika regiónu vychádzala

zo štatistických údajov zachytávajúcich stav v predchádzajúcich rokoch. Údaje o štruktúre UoZ

a voľných evidovaných pracovných miest vyjadrovali stav ku koncu roka predchádzajúceho roka, na

ktorý bol regionálny plán vzdelávania vypracovaný. V čase schválenia regionálnych plánov vzdelávania

úrady nepoznali objem finančných zdrojov na realizáciu vzdelávacích aktivít v rámci §46. To znamená,

že návrh vzdelávacích kurzov na kalendárny rok v čase jeho prípravy a schválenia bol vypracovaný bez

finančného krytia. Podľa vyjadrení respondentov, úrady dostávali informácie o disponibilných zdrojoch

na realizáciu vzdelávania a prípravy pre trh práce (resp. všetkých AOTP) z Ústredia najskôr na prelome

1. a 2. štvrťroku. Oficiálne pridelenie finančných prostriedkov zo strany Ústredia bolo kľúčovým

vstupom na začatie prípravy organizácie naplánovaných rekvalifikačných (a poradenských) kurzov na

úrovni úradov.

Po odsúhlasení rozpočtu na realizáciu §46, úrady vybrali tie vzdelávacie aktivity, ktoré alokované zdroje

umožňovali realizovať. Využitie zdrojov a realizácia vzdelávacích aktivít sa mohla preniesť aj do

nasledujúceho kalendárneho roku. Počet plánovaných vzdelávacích aktivít a UoZ prihlásených na

školenia/kurzy v období 2007-2013 prevyšoval finančné možnosti jednotlivých úradov (národných

projektov). Mimo Bratislavského kraja, boli úrady v rokoch 2007-2009 schopné zaradiť do vzdelávania

a prípravy pre trh práce len približne 40% UoZ, ktorí prejavili záujem zúčastniť sa opatrenia. Po roku

2010 tento podiel sa zásadne znížil, napriek tomu, že finančné alokácie na vzdelávanie a prípravu pre trh

práce sa v porovnaní s obdobím 2007-2009 niekoľkonásobne zvýšili (spolu 25 mil. Euro).Z pohovorov

s pracovníkmi úradov vyplýva, že medzi úradmi boli aj výnimky, ktoré naopak deklarovali nedostatok

UoZ, ktorí mali záujem zúčastniť sa vzdelávania a prípravy pre trh práce (napr. Banská Bystrica).

Odôvodnením v takýchto prípadoch bola špecifická situácia na trhu práce a skladba UoZ, ktorí mali

nižšiu motiváciu k účasti na vzdelávacích aktivitách (napr. v dôsledku nelegálnej práce

a dlhodobej/opakovanej nezamestnanosti). Úrady sa snažili realizovať schválené regionálne plány

vzdelávania v čo najväčšej miere. Po schválení regionálnych plánov vzdelávania došlo k ich revízii len

v ojedinelých prípadoch. Jedným zo zistení je, že úrady a pracovníci zodpovední za §46 vnímali zvýšený

objem finančných zdrojov a požiadavky na ich využitie v závere realizácie národného projektu (rok 2008

a 2009).

Spôsob celkovej realizácie §46 spôsoboval, že medzi obdobím prípravy regionálnych plánov vzdelávania

a realizáciou prvých školení/kurzov uplynulo minimálne 6 mesiacov, ale spravidla to bolo dlhšie obdobie.

Na úrovni UoZ bol čas medzi zaradením do evidencie nezamestnaných/podaním prihlášky na

školenie/kurz a dostupnosťou vzdelávacích aktivít rôzny. Zjednodušene možno konštatovať, že

najdlhšie čakali tí UoZ, ktorí boli evidovaní a v krátkom čase podali prihlášky na školenie/kurz v úvode

roka (a to len za predpokladu, že sa ich školenie/kurz v danom roku realizovalo a boli na predmetnú

aktivitu vybraní). Po roku 2009 sa vzdelávacie aktivity stali pre UoZ prakticky nedostupnými, z tohto

dôvodu je možné považovať čas čakania na účasť na opatrení za irelevantnú.

Dostupnosť aktivít na zvýšenie znalostí a odborných zručností (prostredníctvom vzdelávania a prípravy

pre trh práce) je kľúčová pre ľudí, ktorí sú prvý krát evidovaní a pre UoZ, ktorí nie sú a neboli dlhodobo

nezamestnaní. Účelom vzdelávania a prípravy pre trh práce na Slovensku nie je včasná aktivácia

nezamestnaných. Spôsob prípravy a organizácie vzdelávacích aktivít dokázal len čiastočne reagovať na

zmeny na trhu práce a meniace sa potreby klientov. Znížená flexibilita nástroja ovplyvnila schopnosť

prispieť k včasnej podpore UoZ pri zvyšovaní ich možností uplatniť sa na trhu práce. Toto konštatovanie

je v súlade s údajmi o dostupnosti AOTP pre evidovaných nezamestnaných na Slovensku, vrátane

vzdelávania. Z celkového počtu evidovaných nezamestnaných, ktorí v minulosti neboli dlhodobo

nezamestnaní, v roku 2007 prešlo aspoň jedným aktívnym opatrením trhu práce v priebehu prvého roka

211

ich evidencie len 29,4% evidovaných nezamestnaných. Do roku 201265 sa tento podiel zvýšil na úroveň

54,6%, avšak naďalej ostáva medzi najnižšími spomedzi krajín EÚ, ktoré predmetné údaje vykazujú.

Podiel evidovaných nezamestnaných, ktorí sa v prvom roku evidencie zúčastnili vzdelávania a prípravy

pre trh práce v hodnotenom období na Slovensku klesol, keď v roku 2007 to bolo 70,3%, zatiaľ čo v roku

2012 tento podiel klesol na 54,0%.

Z pohľadu flexibility (a dostupnosti) nástroja pre UoZ je potrebné rozlišovať medzi 2 obdobiami: 2007-

2009 a 2010-2013. Tieto obdobia korešpondujú s časom realizácie národných projektov

spolufinancovaných z ESF z programového obdobia 2004-2006 a 2007-2013. V programovom období

2004-2006 bolo vzdelávanie a príprava pre trh práce financované prostredníctvom národných projektov

III a IIIa implementovaných paralelne v rámci Sektorového operačného programu Ľudské zdroje (SOP

ĽZ) a Jednotného programového dokumentu Bratislava NUTS II región cieľ 3 (JPD3)66. To znamená,

že vzdelávacie aktivity boli podporené z Európskeho sociálneho fondu na celom území Slovenska. Po

roku 2009, boli aktivity v rámci §46 financované prostredníctvom národných projektov III2A a III2B zo

zdrojov Operačného programu Zamestnanosť a sociálna inklúzia. Oprávnenými boli výdavky na území

NUTSII regiónov: Západné Slovensko, Stredné Slovensko a Východné Slovensko. Vzdelávanie

a príprava pre trh práce v Bratislavskom kraji boli financované zo zdrojov štátneho rozpočtu, čo malo

vplyv na dostupnosť opatrenia po roku 2009.

Do roku 2009, napriek svojej obmedzenej flexibilite, patril § 46 k najintenzívnejšie využívaným AOTP na

Slovensku. Tradičný a ústredný nástroj aktívnej politiky trhu práce na Slovensko, ako viacerí respondenti

charakterizovali vzdelávanie a prípravu pre trh práce, sa po roku 2010 stal takmer nedostupným pre UoZ

(okrem Bratislavy). Celkový počet účastníkov v roku 2011 bol približne 20 krát nižší ako v roku 2009,

pričom viac ako polovicu tvorili účastníci vzdelávacích aktivít organizovaných úradom v Bratislave. Pritom

je potrebné zobrať do úvahy, že práve od roku 2009 došlo v dôsledku krízy na slovenskom trhu práce

k výraznému zvýšeniu počtu evidovaných nezamestnaných. Systém prípravy a implementácie po roku 2009

zapríčinil, že nástroj bol v zásade nefunkčný, nedostupný pre klientov úradov mimo Bratislavského kraja

a nedokázal reagovať na potreby trhu práce (konkrétne príčiny sú popísané v časti Výber dodávateľov

vzdelávacích aktivít).

3. Špecifické zameranie (zacielenie) intervencie (predpoklad: účinnosť AOTP je priamo závislá od

adresnosti a relevancie nástrojov pre konkrétne cieľové skupiny)

Poznatky a praktické skúsenosti s implementáciou AOTP vo vyspelých krajinách poukazujú na fakt, že

úspešnosť intervencií je možné zvýšiť prostredníctvom ich zacielenia. Obdobne je možné očakávať

vyššie účinky vzdelávania realizovaného v rámci aktívnej politiky trhu práce pokiaľ je vzdelávanie

dostatočne špecifikované z pohľadu účelu, formy, cieľových skupín a časovania intervencie v čase

evidencie nezamestnaného.

Zákon o službách zamestnanosti obsahuje všeobecné definície a ustanovenia týkajúce sa podmienok

realizácie vzdelávania a prípravy pre trh práce. Ako metodické usmernenie k implementácii § 46 slúži

interná norma. Tá má za úlohu poskytnúť úradom základné inštrukcie akým spôsobom postupovať pri

realizácii vzdelávania a prípravy pre trh práce. Interná norma sa sústredí na organizačno-administratívne

aspekty súvisiace najmä s výberom a kontrolou dodávateľa vzdelávacích služieb, výberom

a zaraďovaním UoZ do vzdelávania prípravy pre trh práce, oprávnenosťou výdavkov na zabezpečenie

opatrenia. V priebehu hodnoteného obdobia došlo k viacnásobným úpravám internej normy pre

65Posledný dostupný údaj v LMP databáze.

66Spolu so zamestnaneckou praxou.

212

implementáciu § 46 v dôsledku legislatívnych a organizačných zmien. Faktom ostáva, že hodnotené

opatrenie nie je zacielené na konkrétnu cieľovú skupinu evidovaných nezamestnaných (UoZ) a nemá

špecifickú úlohu pri poskytovaní verejných služieb zamestnanosti klientom na Slovensku.

Informácie o konkrétnych cieľových skupinách neposkytujú ani programové dokumenty a príslušné

národné projekty. V období 2007-2009 bolo financovanie opatrenia zo zdrojov ESF zabezpečené cez

zrkadlové národné projekty IIIa v rámci Sektorového operačného programu Ľudské zdroje a Jednotného

programového dokumentu Bratislava NUTS II región cieľ 3. Projekty bližšie definovali ciele projektu

(rôzne pre Bratislavský kraj a zvyšok Slovenska), ale bez zmienky o bližšom zameraní opatrenia okrem

plánovaného počtu účastníkov spomedzi znevýhodnených UoZ. Podobný prístup bol zvolený aj po roku

2009, keď prostredníctvom národného projektu III2A boli podporení UoZ bez znevýhodnenia

a projektom III2B sa podporovalo vzdelávanie znevýhodnených UoZ. Opis národných projektov

obsahuje podkapitolu venovanú charakteristike cieľových skupín/užívateľov. Tá primárne slúžila na

predbežný odhad účastníkov intervencie z pohľadu pohlavia, veku, vzdelania a postavenia na trhu práce

a tvorila štandardnú súčasť žiadosti o nenávratný finančný príspevok (zo zdrojov ESF). Plánované

hodnoty účastníkov mali indikatívny charakter a neboli pre Ústredie ani úrady záväzné z pohľadu

nasmerovania opatrenia na konkrétne cieľové skupiny.

K zacieleniu vzdelávania a prípravy pre trh práce nedochádzalo ani v procese implementácie nástroja na

úrovni úradov. Úrady poskytovali informácie o možnostiach rekvalifikácie v princípe všetkým UoZ, ktorí

spĺňali základné podmienky na zaradenie do intervencie. UoZ mohli podať prihlášku na

ľubovoľnéškolenie/kurz alebo si vybrať z ponuky plánovaných vzdelávacích aktivít organizovaných

úradom na základe ich individuálnych potrieb alebo preferencií. V praxi dochádzalo k určitému rozporu

medzi požiadavkou na zohľadnenie individuálnych potrieb UoZ pri zvyšovaní ich zamestnateľnosti

prostredníctvom vzdelávania a prípravy pre trh práce a formou organizácie vzdelávacích aktivít.V rokoch

2007-2013 sa mal UoZ šancu zúčastniť len takých školení/kurzov, o ktoré prejavil záujem dostatočný počet

UoZ a bolo možné zrealizovať skupinovú aktivitu67. Ako bolo uvedené vyššie, približne 60% všetkých

účastníkov opatrenia sa zúčastnilo 10 najčastejšie ponúkaných tematických školení/kurzov, s ktorých

implementáciou mali úrady dlhoročné skúsenosti.

Vzdelávanie (a príprava pre trh práce) ako tradičný nástroj aktívnej politiky trhu práce na Slovensku nebol

v rokoch 2007-2013 zacielený na konkrétne cieľové skupiny evidovaných nezamestnaných. Zároveň

spôsob implementácie nástroja dokázal len určitým spôsobom reagovať na individuálne potreby

klientov úradov. Oba tieto faktory mohli negatívne ovplyvniť úspešnosť nástroja a jeho adresnosť pre

UoZ.

4. Dostupnosť informácií o možnostiach vzdelávania a prípravy pre trh práce (predpoklad: informovanosť

o dostupnosti intervencie ovplyvňuje záujem a prístup UoZ k intervencii )

Za prípravu a implementáciu vzdelávania a prípravy pre trh práce v období 2007-2013 zodpovedali na

úradoch oddelenia aktívnych opatrení trhu práce. Tie úzko spolupracovali s informačno-poradensko

kovateľskými oddeleniami a oddeleniami odborného poradenstva a ich pracovníkmi -

sprostredkovateľmi a odbornými poradcami. Informácie o ponuke vzdelávacích aktivít organizovaných

úradmi boli poskytované UoZ v rôznych fázach evidencie.

V prvom kroku občan podal na úrad oficiálnu žiadosť o zaradenie do evidencie uchádzačov o

zamestnanie. Žiadosť obsahuje časti, v ktorej žiadateľ môže označiť, že má záujem o vzdelávanie, ktoré

67Až od roku 2013 je možné využiť vzdelávanie a prípravu pre trh práce z vlastnej iniciatívy podľa odseku 7.

213

má pomôcť pri uplatnení sa na trhu práce alebo má prísľub zamestnania po absolvovaní vzdelávania

(rekvalifikácie). Prejavenie záujmu v tejto fáze nemá vplyv na zaradenie nezamestnaného do

vzdelávacích aktivít, má len informačný charakter. Prvú informáciu získava UoZ do 1 mesiaca po

rozhodnutí/prijatí žiadosti o zaradenie do evidencie uchádzačov o zamestnanie. V rámci prvého kontaktu

úrady poskytovali základné informácie o povinnostiach UoZ a službách, ktoré im úrad ponúka. V rokoch

2007-2013, prvý kontakt slúžil na orientáciu UoZ a to aj vo vzťahu ku vzdelávaniu a príprave pre trh

práce. Zodpovedný pracovník úradu informoval UoZ o existencii opatrenia a podmienkach účasti na

vzdelávacích aktivitách organizovaných úradom.Spôsob podania úvodných informácií o vzdelávaní

a príprave pre trh práce sa medzi úradmi odlišoval. Časť úradov organizovala skupinové stretnutia novo

evidovaných UoZ (napr. Martin, Stará Ľubovňa, Nové Mesto nad Váhom, Partizánske), na druhej strane

časť úradov k tomuto účelu využívala prvé individuálne stretnutie klienta so sprostredkovateľom (napr.

Lučenec, Banská Bystrica, Senica). Rozdiely vo forme poskytnutia prvotnej informácie o možnostiach

a podmienkach účasti na § 46 nemali vplyv na pravdepodobnosť účasti na opatrení, keďže obsah informácií

bol v princípe rovnaký, navyše v tomto štádiu úrady neposkytovali informácie o konkrétnych

školeniach/kurzoch.

Najdôležitejším komunikačným kanálom úradov smerom k UoZ ohľadom ponuky vzdelávania a prípravy

pre trh práce boli v rokoch 2007-2013 sprostredkovatelia. UoZ boli povinní zúčastňovať sa počas

evidencie pravidelných osobných stretnutí so sprostredkovateľmi (1 – 3 mesiace). Minimálna

frekvencia osobných stretnutí bola definovaná v legislatíve, avšak sprostredkovatelia mali možnosť

v opodstatnených prípadoch stanoviťčastejšie osobné stretnutia s klientom. V rámci osobných stretnutí

sprostredkovatelia informovali o plánovaných vzdelávacích aktivitách na daný kalendárny rok

a predbežnom čase ich realizácie. Najintenzívnejšie prebiehala komunikácia voči klientom v procese

výberu dodávateľov školení/kurzov. Pracovník oddelenia aktívnych opatrení trhu práce zodpovedný za

vzdelávanie a prípravu pre trh práce už v priebehu procesu verejného obstarávania vzdelávacích služieb

spracoval pre všetkých sprostredkovateľov ucelenú informáciu o školeniach/kurzoch. Tie obsahovali

názov kurzu, stručný obsah kurzu, časovú náročnosť a podmienky ukončenia. Sprostredkovanie

informácie o možnostiach vzdelávania boli doplnené aj informáciou o možnostiach uplatnenia sa na trhu

práce.Na základe pohovorov možno konštatovať, že úrady poskytovali správy o pripravovaných

vzdelávacích aktivitách všetkým UoZ. Mohli existovať minimálne rozdiely medzi rozsahom poskytovaných

informácií v závislosti od vyťaženosti sprostredkovateľov, ale kľúčovým zistením je, že všetci UoZ mali

rovnaký prístup k informáciám o vzdelávaní a príprave pre trh práce. Informovanosť teda nebola

rozhodujúcim faktorom pre vstup UoZ do intervencie a úspešnosť intervencie.A to aj pri zohľadnení

vyjadrení pracovníkov niektorých úradov, ktorí uviedli, že zaznamenali v ojedinelé prípady, kedy UoZ

vyjadrili nespokojnosť s tým, že neboli informovaní o realizácii školenia/kurzu.

Ďalšími informačnými kanálmi, ktoré využívali úrady pri sprístupňovaní informácií UoZ o vzdelávaní

a príprave pre trh práce boli oficiálne nástenky (vývesné plochy) v priestoroch úradov. Tu zodpovední

pracovníci oddelenia aktívnych opatrení trhu práce aktualizovali informácie o termínoch realizácie

konkrétnych školení/kurzov. Niektorí respondenti počas pohovoru uviedli ako ďalší komunikačný kanál

oficiálne webové stránky úradu. Celkovo z pohľadu adresnosti a miery využívania možno považovať

nástenky a webové stránky len ako doplnkové zdroje informácií o vzdelávaní a príprave pre trh práce

s minimálnym využitím zo strany klientov. Hlavným zdrojom informácií UoZ o vzdelávacích aktivitách

zabezpečovaných (ponúkaných) úradmi boli v 2007-2013 sprostredkovatelia.

5. Prejavenie záujmu o vzdelávanie a prípravu pre trh práce a posúdenie vhodnosti UoZ na zaradenie do

vzdelávania a prípravy pre trh práce (predpoklad: UoZ mohol kedykoľvek počas evidencie podať

prihlášku a na jej základe bola objektívne posúdená jeho vhodnosť na zaradenie do vzdelávania

a prípravy pre trh práce)

214

Každý UoZ mal možnosť kedykoľvek počas evidencie prejaviť záujem o zaradenie do vzdelávania

a prípravy pre trh práce. Záujem o účasť na opatrení UoZ vyjadrovali predložením prihlášky. Forma

prihlášky sa v priebehu hodnoteného obdobia menila, ale hlavnými časťami boli: názov školenia/kurzu,

osobné údaje UoZ vrátane ukončeného vzdelania, posledného zamestnania a pracovného zaradenia.

UoZ, ktorý mal záujem o zaradenie na vzdelávanie a prípravu pre trh práce uvádzal v prihláške informáciu

či má alebo nemá vo výhľade zamestnať sa po ukončení vzdelávacej aktivity. Správnosť údajov

a akceptáciu podmienok účasti na opatrení potvrdzovali UoZ podpisom. Druhú časť prihlášky vypĺňali

odborní poradcovia, ktorí vydávali stanovisko k zaradeniu UoZ do vzdelávania a prípravy pre trh práce,

v prípade negatívneho stanoviska uviedli aj dôvod.

Prihlášky boli dostupné na stránkach Ústredia a úradov, zároveň ich v tlačenej podobe poskytovali

samotné úrady, konkrétne útvary zodpovedné informačno-poradenské a sprostredkovateľské služby

a odborné poradenstvo. Vyplnený originál prihlášky odovzdal UoZ pracovníkovi úradu. V úvodných

rokoch hodnoteného obdobia (2007-2009), príslušná interná norma neobsahovala inštrukcie k postupu

vypĺňania prihlášok na zaradenie do vzdelávania a prípravy pre trh práce. V tomto období existovali určité

rozdiely medzi prístupmi uplatňovanými jednotlivými úradmi. Po roku 2009 bolo jednoznačne

definované, že UoZ vypĺňa prihlášku na §46 na oddelení informačno-poradenských

a sprostredkovateľských služieb. To znamená, že UoZ na základe vyjadreného záujmu o skupinové

vzdelávanie organizované úradom, vyplnil počas stretnutia so sprostredkovateľom prihlášku. Tá bola

následne postúpená odbornému poradcovi, ktorý vyjadril stanovisko k zaradeniu UoZ do vzdelávania

a prípravy pre trh práce. Za účelom posúdenia vhodnosti UoZ na zaradenie do vzdelávacej aktivity sa

mohol odborný poradca osobne stretnúť s UoZ. Stanovisko odborného poradcu bolo rozhodujúce pre

zaradenie UoZ do vzdelávania a prípravy pre trh práce (evidencie prihlášky).V tejto fáze mala nastať prvá

selekcia spomedzi UoZ, ktorá by mohla ovplyvniť dosiahnuté efekty opatrenia. V praxi však tento

mechanizmus predbežného výberu UoZ na základe odborného posúdenia schopností, pracovných

skúseností, odborných zručností, dosiahnutého stupňa vzdelania a zdravotnej spôsobilosti nefungoval.

Dôvodom bolo, že odborní poradcovia v zásade všetkým UoZ, ktorí podali prihlášku na zaradenie do

vzdelávania a prípravy pre trh práce dali kladné stanovisku k účasti na školení/kurze. Tento fakt odráža

neexistenciu jednotných postupov/štandardov, ktoré by umožnili objektívne posúdiť vhodnosť UoZ na

zaradenie do opatrenia a čiastočne chýbajúce odborné poznatky z oblasti psychológie.Ďalším faktorom

bola pracovná vyťaženosť odborných poradcov (a znižovanie ich počtu), ale aj veľmi pragmatické

dôvody ako napr. predchádzanie konfliktom s klientmi. V záverečnej fáze bol úrad zodpovedný za

registráciu prihlášok na zaradenie do opatrenia. Pracovník zodpovedný za implementáciu opatrenia na

úrade priebežne (v poradí ako prichádzali) registroval prihlášky na zaradenie do vzdelávania a prípravy

pre trh práce. Na základe zistení je možné konštatovať, že určité odlišnosti v postupoch organizácie

prijímania prihlášok, vrátane posúdenia vhodnosti UoZ na zaradenie do vzdelávacích aktivít neovplyvnili

výber účastníkov. Všetci UoZ, ktorí mali záujem o zaradenie do vzdelávania a prípravy pre trh práce mali

rovnaké možnosti na podanie prihlášky a v princípe všetci UoZ získali pozitívny posudok zo strany

odborného poradcu. Na druhej strane implementačná prax mohla zvýšiť pravdepodobnosť zaradenia do

opatrenia takých UoZ, pre ktorých vzdelávanie a príprava pre trh práce nebolo najvhodnejším aktívnym

opatrením trhu práce (nezvýšilo ich šance na uplatnenie sa na trhu práce).

Pre účely hodnotenia neboli dostupné údaje o počte UoZ, ktorí v rokoch 2007-2013 prejavili záujem

o zaradenie do §46. Tento údaj by bol zaujímavý z pohľadu možnosti bližšej analýzy predmetnej skupiny,

hľadania spoločných charakteristík záujemcov a posúdenia kapacít na uspokojenie dopytu. Z pohovorov

s pracovníkmi úradov zodpovednými za implementáciu vzdelávania a prípravy pre trh práce (a vedúcimi

pracovníkmi) vyplýva, že záujem UoZ o skupinové vzdelávanie organizované úradmi malo 10-30%

všetkých UoZ. Záujemcovia o školenia/kurzy tvorili na jednotlivých úradoch heterogénnu skupinu, zo

skúseností pracovníkov sa nedali identifikovať spoločné charakteristiky záujemcov.Spoločnou črtou

väčšej časti prihlásených UoZ na vzdelávanie prípravu pre trh práce bola, podľa vyjadrení úradov, snaha

215

riešiť svoje postavenie na trhu práce. O zaradenie do intervencie mali teda záujem tí UoZ, ktorí si aktívne

hľadali pracovné možnosti. Naopak časť UoZ len formálne deklarovala záujem o účasť na vzdelávacích

aktivitách, ale v prípade ponuky sa školení/kurzov nezúčastnili alebo po účasti na školení/aktivite si aktívne

nehľadali prácu. Zaujímavosťou je, že na niektorých úradoch sa stretávajú dlhodobo nízkym záujmom

o opatrenie zo strany mladýchľudí (napr. Stará Ľubovňa, Partizánske).

Len časť UoZ mala po zaradení do evidencie nezamestnaných konkrétnu predstavu o vzdelávacej

aktivite, na ktorej by chceli participovať. To znamená, že napriek možnosti predkladaťžiadosti

o zaradenie do vzdelávania a prípravy pre trh práce priebežne podľa záujmu UoZ, väčšina prihlášok bola

podaná až po poskytnutí podrobných informácií o ponúkaných vzdelávacích aktivitách organizovaných

úradmi. Tie boli zverejňované vo fáze realizácie/ukončenia obstarania dodávateľa vzdelávacích služieb.

Významnú úlohu v procese výberu vzdelávacej aktivity zo strany UoZ zohrali sprostredkovatelia

a odborní poradcovia. UoZ sa na základe informácií (a odporúčaní) získaných od sprostredkovateľov

a odborných poradcov rozhodovali či sa prihlásiť do opatrenia, a na ktorú vzdelávaciu aktivitu. UoZ si

mohol podať prihlášku na viacero vzdelávacích aktivít, pričom podmienkou bolo, že jedna prihláška

slúžila na vyjadrenie záujmu o účasť na jednej vzdelávacej aktivite. Prihláška UoZ pre zaradenie do

vzdelávania a prípravy pre trh práce mala platnosť 1 rok. Ako bolo uvedené vyššie, úrady boli schopné

zaradiť do vzdelávania a prípravy pre trh práce len menšiu časť UoZ, ktorí prejavili záujem o vzdelávacie

aktivity (po roku 2010 sa schopnosť pokryť dopyt po opatrení výrazne znížila). Teda existoval významný

počet UoZ, ktorí prejavili záujem o účasť na opatrení, ale z rôznych dôvodov sa nezúčastnili

školení/kurzov viac ako 12 mesiacov po podaní prihlášky na zaradenie do vzdelávania prípravy pre trh

práce. Po vypršaní platnosti bolo potrebné prihlášku podať znova. Väčšina úradov na túto skutočnosť

UoZ upozorňovala. Skúsenosti s implementáciou opatrenia ukazujú, že po uplynutí platnosti prihlášky

si len malá časť UoZ obnovila prihlášku na zaradenie do opatrenia. Kritickým sa javí obdobie po roku

2009, keď bolo opatrenie dostupné len minimálnemu počtu UoZ, čo negatívne ovplyvnilo hodnovernosť

úradov v oblasti poskytovania skupinového vzdelávania (rekvalifikácie).

6. Zohľadnenie individuálnych potrieb (predpoklad: vzdelávanie a príprava pre trh práce dostatočne

reflektujú na individuálne potreby klientov)

Vo všeobecnosti verejné služby zamestnanosti zdôrazňujú potrebu poskytovania individualizovaných

služieb zohľadňujúcich špecifické požiadavky jednotlivých klientov. Pre úspešnosť opatrení zameraných

na vzdelávanie/tréning nezamestnaných je podmienkou, aby dostatočne zohľadňovali individuálne

potreby UoZ v kontexte situácie na trhu práce. Pri implementácii vzdelávania a prípravy pre trh práce

v období 2007-2013 mohol každý UoZ, spĺňajúci podmienky na zaradenie do opatrenia, prejaviť počas

evidencie záujem o ľubovoľnú vzdelávaciu aktivitu. Takýmto spôsobom bol formálne vytvorený priestor

na poskytovanie individualizovaných služieb pre UoZ, resp. zohľadnenie individuálnych preferencií UoZ

vo vzťahu ku vzdelávaniu. Mechanizmus implementácie vzdelávania a prípravy pre trh práce umožňoval

do apríla 2013 realizovať len skupinové vzdelávacie aktivity68. To znamená, že školenie/kurz mohol úrad

realizovať len predpokladu, že sa naň prihlásil dostatočný počet UoZ. Na základe údajov o realizovaných

školeniach/kurzoch možno konštatovať, že ak UoZ nemal záujem o najčastejšie realizované vzdelávacie

aktivity, mal minimálnu šancu zúčastniť sa opatrenia. Za takýchto podmienok systém nedokázal reagovať

na špecifickejšie požiadavky UoZ na vzdelávanie.

Skúsenosti úradov s implementáciou nástroja ukazujú, že prevažná väčšina UoZ nedokáže sama

dostatočne objektívne a komplexne posúdiť svoje potreby/možnosti (vrátane vzdelávania). Len malá

časť UoZ mala ucelenú predstavu o aké vzdelávanie majú záujem ešte predtým ako im boli ponúknuté

68Od mája 2013 bola vytvorená možnosť vzdelávania z vlastnej iniciatívy, kedy si UoZ mohol zabezpečiť vzdelávanie podľa

svojich preferencií, ale náklady boli uhradené len, keď sa umiestnil na trhu práce.

216

školenia/kurzy organizované úradom. Pracovníci zodpovední za vzdelávanie a prípravu pre trh práce

uviedli, že väčšina UoZ nevedela definovať akého školenia/kurzu by sa chceli zúčastniť.To poukazuje na

význam služieb zamestnanosti poskytovaných UoZ, konkrétne odborného poradenstva a včasnej aktivácie.

V realite bol prístup k poradenským službám sťažený obmedzeným počtom poradcov (na niektorých

úradoch sa ich počet postupne znižoval) a následne obmedzeným priestorom, ktorý mohli venovať

individuálnym klientom. Podľa našich informácií odborní poradcovia v sledovanom období len okrajovo

participovali na procese orientácie UoZ vo vzťahu ku vzdelávaniu.

Spôsob identifikácie a výberu vzdelávacích aktivít spolu s nejasnou predstavou UoZ o požiadavkách na

vzdelávanie takisto znižoval možnosti na zohľadnenie individuálnych potrieb. Úrady plánovali

vzdelávacie aktivity na základe historických údajov (za predchádzajúci rok) a skúseností so vzdelávaním

a prípravou pre trh práce. Zo strany úradov bola pochopiteľná snaha o realizáciu školení/kurzov,

s ktorými mali pozitívne skúsenosti a vedeli zároveň naplniť minimálny počet účastníkov. Preto ponuka

pre UoZ bola relatívne zúžená na „štandardné“ vzdelávacie aktivity. UoZ sa vo väčšine nahlasovali na

ponúkané školenia/kurzy, ktoré následne v celoročnej bilancii vychádzali ako najžiadanejšie zo strany

UoZ a z toho dôvodu boli zaradené do plánu na nasledujúci rok. Objavili sa aj vzdelávacie aktivity, pri

ktorých napriek predbežnému záujmu (počtu prihlásených UoZ) v čase obstarania a výberu dodávateľa

nebol dostatočný počet. V takýchto prípadoch boli voľné miesta obsadené UoZ, ktorí nemali

jednoznačný záujem o tento typ školenia/kurzu.Celkové znefunkčnenie vzdelávania a prípravy pre trh

práce po roku 2010 malo za dôsledok, že systém nedokázal vôbec reagovať na vzdelávanie potreby

evidovaných nezamestnaných (s výnimkou Bratislavy).

Nastavený mechanizmus implementácie vzdelávania a prípravy pre trh práce vykazoval závažné

nedostatky pri zohľadňovaní individuálnych potrieb UoZ. Zároveň možno povedať, že nástroj v podobe

v akej fungoval v rokoch 2007-2013 neumožňoval úradom reagovať ani na príchod nových investorov

do regiónu. Proces prideľovania finančných prostriedkov a celková neistota úradov ohľadom získania

zdrojov na podporu vzdelávacích aktivít spôsobovali, že neboli schopní podporiť rekvalifikácie ani

v prípade, že nový zamestnávateľ garantoval prijatie UoZ do pracovného pomeru.

7. Výber účastníkov vzdelávania a prípravy pre trh práce (predpoklad: existujú objektívne kritériá, na

základe ktorých sa realizuje výber účastníkov vzdelávacích aktivít)

Základným metodickým usmernením pre implementáciu opatrenia v praxi je interná norma pre

vzdelávanie a prípravu pre trh práce. Napriek viacnásobným úpravám príslušnej internej normy (resp.

vydaním nových noriem) v rokoch 2007-2013 úrady nemali k dispozícii jednoznačné a jednotné kritériá

pre konečný výber účastníkov vzdelávacích aktivít. Pri rešpektovaní základných pravidiel (najmä

oprávnenosť účasti) mali úrady priestor na prispôsobenie si procesu a kritérií výberu UoZ na

opatrenie . To potvrdila aj implementačná prax, z ktorej vyplýva, že v hodnotenom období neboli

uplatňované rovnaké pravidlá pre výber účastníkov, čo malo vplyv na úspešnosť vzdelávania.

Formálne mal výber účastníkov na starosti pracovník úradu zodpovedný za implementáciu nástroja.

Tomu podľa potreby mohli pri výkone agendy pomáhať aj ďalší pracovníci úradu. Úrad viedol priebežnú

evidenciu UoZ, ktorí vyjadrili záujem o zaradenie do vzdelávania a prípravy pre trh práce (konkrétneho

školenia/kurzu) formou prihlášky. Samotný proces výberu sa začal až po ukončení procesu verejného

obstarávania a výbere dodávateľa vzdelávacích služieb. V prvom kroku bolo potrebné posúdiť

aktuálnosť prihlášok. Dôvodom bolo, že prihlášky boli registrované v papierovej podobe priebežne

a v čase prípravy výberu účastníkov už viacerí UoZ neboli v evidencii. To znamená, že časť

prihlásených UoZ - aktívnejšia a s vyššími šancami uplatnenia na trhu práce - sa od času podania

prihlášky na zaradenie do opatrenia zamestnala. Následne boli kontaktovaní UoZ a informovaní

o konaní výberu účastníkov na konkrétne školenie/kurz. V tejto fáze je možné identifikovať rôzne

prístupy k pozývaniu UoZ na výber do opatrenia: niektoré úrady pozývali všetkých prihlásených UoZ,

zatiaľčo niektoré oslovovali podľa poradia v evidencii prihlásených. To indikuje výskyt mechanizmov

vedúcich k selektivite účastníkov §46.

217

Následne väčšina úradov organizovala skupinové stretnutia pre konečný výber UoZ na vzdelávanie

a prípravu pre trh práce. Týchto stretnutí sa spravidla zúčastňovali dodávatelia vzdelávania a prípravy

pre trh práce. Účelom predmetných stretnutí bolo poskytnúť UoZ prihláseným na školenie/kurz

konkrétnu informáciu o obsahu vzdelávania, nárokov vzdelávacej aktivity a úrovni dosiahnutých

vedomostí a zručností po absolvovaní školenia/kurzu. Po získaní informácií mali UoZ možnosť rozhodnúť

sa či majú záujem o účasť na opatrení alebo nie. Konečný výber sa zrealizoval z tých UoZ, ktorí po

skupinovom stretnutí prejavili záujem o ponúkané školenie/kurz. S týmito UoZ boli vykonané osobné

pohovory, ktorých sa v niektorých prípadoch zúčastňovali aj dodávateľa vzdelávania a prípravy pre trh

práce. V prípade, že úrad neorganizoval skupinové stretnutie pre výber účastníkov oslovoval

prihlásených UoZ priamo s ponukou účasti na školení/kurze.Kritériá uplatňované pre konečný výber

účastníkov sa líšili jednak v závislosti od úradu, ako aj typu vzdelávacej aktivity. Časť

využívaných kritérií súvisela s objektívnymi požiadavkami na absolvovanie kurzu

a perspektívnym výkonom práce – napr. zodpovedajúca vzdelanostná úroveň, zdravotný stav.

Najvýznamnejšie z pohľadu počtu úradov, ktoré ich uplatňovali sa týkajú záujmu a motivácie,

keď boli preferovaní UoZ s prísľubom zamestnania od zamestnávateľa, resp. aktívni UoZ

z pohľadu sprostredkovateľov/poradcov.Ďalej ako kritériá pre konečný výber UoZ úrady uvádzali

poradie v evidencii prihlásených (súvisiacu s dĺžkou evidencie nezamestnanosti), relevantné

predchádzajúce pracovné skúsenosti. Predmetné kritériá boli využiteľné v prípade, že počet záujemcov

o vzdelávaciu aktivitu prevyšoval kapacitné možnosti školenia/kurzu. V opačných prípadoch, ktoré sa

nevyskytovali tak často, bolo cieľom zabezpečiť minimálny počet účastníkov aktivity v zásade bez

výberu UoZ. Proces výberu bol ukončený podpisom dohody medzi UoZ a úradom o zabezpečení

vzdelávania prípravy pre trh práce.

Spôsob implementácie opatrenia a výberu účastníkov významne ovplyvňuje účinnosť

opatrenia. Na jednej strane je oprávnené očakávať, že v čase od podania prihlášky na zaradenie

do intervencie do konečného výberu účastníkov z evidencie vypadli UoZ s vyššími šancami na

uplatnenie na trhu práce, tzn. že do procesu výberu sa dostala významná časť ťažšie

umiestniteľných UoZ. Zároveň spomedzi tých UoZ, ktorí boli prihlásení na opatrenie a stále boli

evidovaní boli pri výbere na účasť preferovaní aktívnejší UoZ (za predpokladu, že záujem

prevyšoval kapacity školenia/kurzu). Naopak pri školeniach/kurzoch s nižším záujmom neboli

pri výbere účastníkov aplikované žiadne kritériá, keďže cieľom bolo zabezpečiť dostatok

účastníkov.

8. Výber dodávateľov vzdelávacích aktivít (predpoklad: účinnosť� vzdelávacích aktivít závisí od

schopnosti zabezpečenia kvalitných vzdelávacích služieb v požadovanom čase)

Obdobie 2007-2013 možno rozdeliť z pohľadu výberu dodávateľov vzdelávacích aktivít v rámci §46 na dve

obdobia: roky 2007-2009 a 2010-2013. Ako bolo uvedené vyššie predmetné obdobia korešpondujú

s programovými obdobiami politiky súdržnosti (ESF). V týchto obdobiach sa uplatňovali výrazne odlišné prístupy

k zabezpečeniu vzdelávacích služieb, ktoré mali zásadný vplyv na implementáciu celého nástroja a jeho

úspešnosti

V období 2007-2009 bol uplatňovaný decentralizovaný model výberu dodávateľov vzdelávacích aktivít.

Úrady na základe schválených regionálnych plánov vzdelávania a pridelených finančných zdrojov mali

zodpovednosť za výber dodávateľov. To znamená, že úrady si zabezpečovali výber dodávateľov samostatne

(autonómne).Podklady pre obstarávanie vzdelávacích služieb pripravovali pracovníci oddelenia

aktívnych opatrení trhu práce, i keď často bez príslušnej odbornej prípravy. Vyhlásenie obstarávania mali

v súlade so zákonom o verejnom obstarávaní odborne spôsobilé osoby na obstarávanie. Vzhľadom na

relatívne nízke sumy individuálnych školení/kurzov, úrady využívali zjednodušené formy obstarávania

(podprahové metódy). Výhodou zjednodušených foriem obstarávania bolo skrátenie času potrebného

na realizáciu verejného obstarávania a výber dodávateľa, čo v konečnom dôsledku čiastočne prispelo

218

k zvýšeniu flexibility opatrenia. Určitým rizikom je zúženie súťaže na tri subjekty (poskytovateľov

vzdelávacích služieb), ktoré bol obstarávateľ (úrad) povinný osloviť v rámci prieskumu trhu.

Rozhodujúce slovo pri výbere dodávateľov pre vzdelávanie a prípravu pre trh práce mali komisie

zriadené za týmto účelom. Úrad mohol do komisie nominovať aj zástupcu výboru pre otázky

zamestnanosti, ktorý schvaľoval regionálne plány vzdelávania.

Po ukončení procesu výberu dodávateľa služieb pre vzdelávanie a prípravu pre trh práce, úrad spracoval

návrh dohody. Vzdelávacie aktivity sa realizovali až po podpise dohody zo strany riaditeľa úradu

a štatutára vzdelávacej inštitúcie a konečnom výbere účastníkov (UoZ).Podľa vyjadrení úradov,

vzdelávacie aktivity boli poskytované prevažne inštitúciami, s ktorými mali dlhodobé skúsenosti a poznali

kvalitu ich služieb. Vo väčšine prípadov úrady využívali dodávateľov pôsobiacich v danom regióne, teda

s regionálnou pôsobnosťou. Napriek aplikácii zjednodušených foriem obstarávania boli jednotlivé úrady

schopné začať s realizáciou prvých vzdelávacích aktivít najskôr v polovici kalendárneho roka.

Školenia/kurzy zabezpečované úradmi boli implementované od polovice kalendárneho roka.Viaceré

úrady poukázali na fakt, že plánovanie na ročnej báze bez informácie o disponibilných zdrojoch pre

opatrenie často spôsobovalo koncentráciu aktivít do krátkeho obdobia. Jedným z dôvodom bol tlak na

čerpanie finančných prostriedkov.Po formálnej stránke, mal úrad povinnosť vyhotoviť a viesť spis

o vzdelávaní a príprave pre trh práce (tzv. projektovú zložku). Tá obsahovala dokumentáciu o realizácii

školenia/kurzu, ktorá slúžila na kontrolu realizácie aktivít v rámci opatrenia. V období 2007-2009 boli zo

strany relevantných subjektov vykonávané kontroly implementácie nástroja na úrovni úradov v súlade

s platnou legislatívou. Administratívna záťaž súvisiaca aj s výkonom kontroly sa podľa vyjadrení

pracovníkov úradov viditeľne zvýšila pri implementácii národných projektov III2A a III2B (roky 2010-

2013).

Zásadný zlom v implementácii §46 prichádza po prechode na programové obdobie 2007-2013. Pôvodne

pripravené a schválené národné projekty na implementáciu vzdelávania a prípravy pre trh práce v rámci

OP Zamestnanosť a sociálna inklúzia boli po nástupe novej vlády v roku 2010 mimoriadne ukončené.

Následne boli spracované nové národné projekty III2A a III2B. V porovnaní s predchádzajúcim obdobím

(2007-2009), najväčšou zmenou bol nový prístup k obstarávaniu vzdelávacích služieb pre §46. Po roku

2010 mali byť vzdelávacie aktivity zabezpečované kombináciou centrálneho verejného obstarávania

organizovaného Ústredím a obstarávania organizovaného jednotlivými úradmi.

Centrálne verejné obstarávanie sa malo uplatniť na školenia/kurzy, ktoré boli plánované viac ako 35

úradmi. Jednalo sa teda najčastejšie ponúkané rekvalifikácie s najvyšším počtom účastníkov. Ako bolo

uvedené vyššie, podiel účastníkov na 10 najvyužívanejších školeniach/kurzov sa pohyboval v rokoch 2007-

2009 na úrovni približne 60% všetkých účastníkov opatrenia. K tomuto účelu Ústredie opakovanie žiadalo

od úradov detailné podklady (analýzy) o navrhovaných aktivitách s cieľom zrealizovať výber dodávateľov

vzdelávacích služieb na národnej úrovni. Obsahom bol návrh vzdelávacích aktivít a ich dostatočné

odôvodnenie. Povinnosť niekoľkonásobne spracovať podklady pre centrálne obstarávanie bola úradmi

vnímaná ako veľmi zaťažujúca. Po dlhej príprave Ústredie vyhlásilo verejné súťaže na vzdelávacie služby

pre prípravu a vzdelávanie pre trh práce na národnej úrovni. Faktom je, že centrálne verejné obstarávanie

nebolo nikdy dokončené v dôsledku zrušenia verejných súťaží (po uplatnení revíznych postupov niektorých

uchádzačov).

V praktickej rovine to znamenalo, že dovtedy najnavštevovanejšie vzdelávacie aktivity boli pre UoZ mimo

Bratislavského kraja prakticky nedostupné. Implementácia tradičného a jedného z najvýznamnejších

opatrení trhu práce na Slovensku bola v dôsledku administratívno-organizačných problémov ochromená

po dobu viac ako 3 rokov. A tento stav nastal v čase najvýraznejších prejavov hospodárskej krízy na

slovenskom trhu práce, kedy sa zásadne zvýšil počet UoZ. Neúspešná realizácia centrálneho verejného

obstarávania priniesla ešte väčšiu neistotu do činností úradov, keď nemali informácie ako ďalej

pokračovať pri implementácii nástroja a koľko finančných zdrojov majú k dispozícii. Veľmi negatívnym

219

dopadom bola strata dôvery zo strany klientov, keď ani po niekoľkonásobnom prísľube realizácie

vzdelávacích aktivít UoZ nemali možnosť zúčastniť sa školení/kurzov. V takejto situácii boli úrady

schopné zrealizovať len zlomok plánovaných vzdelávacích aktivít s minimálnym počtom účastníkov.

V rokoch 2011-2013 nie sú výnimkou úrady, ktoré nezrealizovali v jednom alebo viacerých rokoch žiadne

vzdelávacie aktivity. Špecifické postavenie v tomto období má Bratislava, ktorá paradoxne „ťažila“ z tohto,

že nemala prístup ku zdrojom ESF pri implementácii vzdelávania a prípravy pre trh práce. Keďže školenia

a kurzy boli financované zo štátneho rozpočtu, nevzťahovala sa na ňu požiadavka centrálneho verejného

obstarávania. To vysvetľuje vysoký podiel účastníkov nástroja z Bratislavy na celkovom počte účastníkov.

9. Realizácia vzdelávacích aktivít (predpoklad: kvalita vzdelávacích aktivít ovplyvňuje úspešnosť

umiestnenia účastníkov vzdelávacích aktivít na trhu práce)

Úrad začal s prípravou vzdelávacích aktivít uvedených v regionálnom pláne vzdelávania, ktoré dokázal

pokryť s alokovaných finančných zdrojov. Na dodanie každého školenia/kurzu bolo potrebné vykonať

verejné obstarávanie na dodávateľa vzdelávacích služieb v súlade so zákonom o verejnom obstarávaní.

Dokumentácia k verejnému obstarávaniu vykonávanému úradom bola predmetom viacnásobnej

kontroly zo strany Ústredia (MPSVR ako RO pre OP Zamestnanosť a sociálna inklúzia). Vzdelávacie

aktivity mohli byť organizované až po podpise zmluvy s dodávateľom vzdelávania a ukončenom výbere

účastníkov. Väčšina úradov uviedla, že vybraní dodávatelia vzdelávacích služieb mali lokálnu alebo

regionálnu pôsobnosť. S väčšinou vzdelávacích inštitúcií mali úrady dlhoročné skúsenosti a poznali ich

schopnosti a kvalitu.

Zástupcovia úradov sa pravidelne zúčastňovali oficiálneho otvorenia školení/kurzov. Účasť slúžila na

posúdenie zabezpečenia vzdelávacej aktivity zo strany dodávateľa (priestorové, technické

a personálne). Rovnako dôležitou úlohou bolo zistenie o počte UoZ, ktorí nastúpili na aktivitu. V prípade

absencie nahlásených účastníkov bolo väčšinou potrebné doplniť plánovaný počet účastníkov. Tieto

prípady sa stávali pravidelne, ale úrady vedeli flexibilne reagovať na vzniknutú situáciu. Tomuto účelu

slúžili zoznamy náhradníkov na vzdelávanie, ktoré úrady pripravovali pre každú aktivitu. Ak UoZ nastúpili

na vzdelávaciu aktivitu, len vo výnimočných prípadoch ju neboli schopní dokončiť.

Cieľom hospitácie pracovníka úradu na vzdelávaní bolo overenie dodania vzdelávacej aktivity. Spravidla

poverený pracovník úrad využil hospitáciu na zistenie spokojnosti účastníkov s priebehom vzdelávacej

aktivity. Na základe pohovorov s pracovníkmi zodpovednými za vzdelávanie a prípravu pre trh práce,

ktorí sa zúčastňovali hospitácií možno konštatovať bezproblémový priebeh školení/kurzov. Pracovník

úradu sa zúčastňoval oficiálneho záveru vzdelávacích aktivít, ktorého súčasťou bolo odovzdávanie

oficiálnych certifikátov o absolvovaní školenia/kurzu.

Zaujímavým zistením je, že úrady (Ústredie) venovali obmedzenú pozornosť posudzovaniu kvality

dodaných služieb v rámci vzdelávania a prípravy pre trh práce. Nezískali sme informácie o tom, že by

obsah vzdelávacej aktivity (aj v prípade jej akreditácie) bol systematicky porovnávaný s praktickými

požiadavkami zamestnávateľov. Takýto prístup by umožnil priebežne reagovať na požiadavky trhu práce

aj prostredníctvom vzdelávania. Podľa vyjadrení úradov, v priebehu rokov 2007-2013 sa upustilo od

anonymného hodnotenia vzdelávacích aktivít účastníkmi, resp. za vyhodnotenie nezodpovedal úrad.

Vyhodnotenie školenia/kurzu bola povinná súčasť správy o realizácii aktivity, ktorá bola jedným

z podkladov na schválenie úhrady faktúry dodávateľovi vzdelávacej služby. Podľa našich zistení nebol

vytvorený formálny a funkčný mechanizmus na posudzovanie relevantnosti a kvality dodaných

vzdelávacích služieb. Hlavným zdrojom informácií o skúsenostiach s účasťou na vzdelávaní a príprave pre

trh práce boli neformálne rozhovory s účastníkmi. UoZ, ktorí sa zúčastnili školenia/kurzu prichádzali na

úrad vyúčtovať výdavky spojené s účasťou na vzdelávaciu aktivitu. Zodpovedný pracovník sa v rámci

kontaktu s účastníkmi neformálne pýtal aj na posúdenie vzdelávacích aktivít. Napriek existujúcim

nedostatkom v implementácii nástroja účastníci vyjadrovali spokojnosť s kvalitou vzdelávacích aktivít

220

a lektorov. Účastníci ich považovali za prínosné a podnetné. Sekundárnym efektom bolo, že účasť na

vzdelávaní a príprave pre trh práce mala na UoZ viditeľne motivačný vplyv. Aj v prípade opakovane

evidovaných alebo dlhšie nezamestnaných UoZ, ktorí mali tendenciu upadať do stereotypu malo

vzdelávanie aktivačný efekt.

221

12 Zistenia a závery

12.1 Kvantitatívne hodnotenie efektov založené na

kontrafaktuálnych metódach

V rámci zadania boli hodnotené čisté efekty opatrenia vzdelávanie a príprava pre trh práce (ďalej len

opatrenie) na jeho účastníkov. Boli využité techniky kontrafaktuálneho hodnotenia dopadov, pri ktorej

sa odhaduje dopad na skupinu účastníkov v porovnaní s podobnou skupinu uchádzačov o zamestnanie

(UoZ), ktorí sa opatrenia nezúčastnili (tvoria takzvanú porovnávaciu skupinu). Podobnosť medzi

skupinami sa dosahuje pomocou párovania na základe štatistického modelu, ktorý dáva do súvislosti

pravdepodobnosť účasti na opatrení s ďalšími charakteristikami účastníkov resp. s ďalšími okolnosťami

účasti na opatrení. Pomocou uvedených techník boli odhadnuté dva kontrafaktuálne modely, ktoré sa

líšili metódou tvorby porovnávacej skupiny69. Tretí hodnotiaci model využíval metódu regresnej

analýzy.

Hlavnými sledovanými ukazovateľmi výsledku boli dopady opatrenia na pravdepodobnosť zamestnať

sa a na výšku príjmov účastníkov po skončení opatrenia v porovnaní s porovnávacou skupinou.

Pri hodnotení boli zohľadnené aj vplyvy vonkajšieho ekonomického prostredia, ktoré môže podstatne

ovplyvňovať oba zvolené ukazovatele výsledku. Rovnako boli zohľadnené možné vplyvy legislatívnych

a administratívno-organizačných zmien v implementácii opatrenia.

Hodnotené obdobie zahŕňalo roky 2007-2013. Hodnotenie bolo realizované na súbore údajov

z evidencie Ústredia, ktorý obsahoval údaje o evidenciách UoZ a ich účasti na opatrení. Uvedené údaje

boli doplnené údajmi z databázy Sociálnej poisťovne, vďaka ktorým bolo možné sledovať jednotlivcov

aj po ich vyradení z evidencie úradov a hodnotiť ich úspešnosť v oblasti zamestnania sa a výšky

dosahovaného príjmu.

Hodnotenie bolo vykonané za celé sledované obdobie aj za jednotlivé etapy, ktoré sa navzájom

odlišovali ekonomickými alebo legislatívnymi podmienkami. Celé sledované obdobie tak bolo rozdelené

do siedmich kratších období v podstate vymedzenými zmenami zákona o zamestnanosti a postupným

nástupom ekonomickej krízy.

Hodnotenie bolo realizované pre všetkých účastníkov opatrenia (pre ktorých boli v databáze dostupné

údaje), ako aj pre jednotlivé skupiny podľa rodu, vekovej skupiny, najvyššieho dosiahnutého vzdelania

a regiónu.

12.1.1 Závery previazané na jednotlivé štatistické zistenia

V tejto časti správy uvádzame detailné závery prepojené na jednotlivé štatistické zistenia, ktoré sú

detailne popísané v desiatej kapitole. Zovšeobecnené závery mžno nájsť v nasledovnej časti (13.1.2).

69Tzv. metóda najbližšieho suseda, ktorá priraďuje každému účastníkovi jednu podobnú „dvojičku“ v kontrolnej skupine a metóda caliper

radius, ktorá každému účastníkovi priraďuje celú skupinu podobných „dvojičiek“.

222

Vývoj dopadov opatrenia v čase

Na základe výsledkov odhadov dopadov opatrenia uvedených v desiatej kapitole (tabuľky 126 až 132)

S výnimkou rokov 2011 a 2013 môžeme pozorovať v čase klesajúci (rastúci negatívny) dopad opatrenia

na príjmy účastníkov (obrázok 81). Zaujímavé je tiež, že dopad opatrenia výrazne poklesol už medzi

prvými dvoma sledovanými obdobiami (2007/01-2008/04 a 2008/05-2008/08). Toto naznačuje, že dopad

zmien spojených s novelou Zákona o službách zamestnanosti bol negatívny a to nezávisle od dopadov

ekonomickej krízy, ktorej prejavy je možné pozorovať až po auguste 2008. Zároveň však je potrebné

poznamenať, že odhady pre prvé dve obdobia môžu byť najviac poznačené zníženou kvalitou dát z roku

2007 a čiastočne aj 2008.


dopadoch opatrenia na zamestnanosť účastníkov (obrázok 81). V tomto prípade ani rok 2011

nevystupuje z radu, jedinou výnimkou je teda posledné obdobie (rok 2013), ktorého výsledky nie sú

štatisticky významné v dôsledku nízkych početností. Dopad opatrenia na zamestnanosť účastníkov

v Bratislave je negatívna, rovnako ako vo väčšine sledovaných regiónov. Zvýšený podiel absolventov

vzdelávania v Bratislave v roku 2011, neskresľoval celkový efekt opatrenia tak, ako pri sledovaní príjmu

účastníkov.

Dopady opatrenia na účastníkov podľa rodu

V prípade dopadu opatrenia na príjmy účastníkov rod nehrá významnú úlohu. Keď sledujeme priemerný

dopad za všetky obdobia implementácie s rozlíšením rodu zistíme, že opatrenie má negatívny a

štatisticky významný efekt na príjmy ako u mužov tak aj u žien. Tento záver je jednotne potvrdený

výsledkami všetkých troch modelov. V prípade žien sa negatívny dopad opatrenia na príjmy v čase od

ukončenia opatrenia vytráca. V prípade mužov zostáva približne rovnaký, na úrovni zo štvrtého mesiaca.

Model 1 bol jediný, ktorý ukazoval túto stagnáciu pre dopad na príjmy mužov.

Model 2 ukazuje mierne negatívnejší efekt opatrenia na príjmy žien, modely 1 a 3 prinášajú opačný



v čase vytrácajú. Pri pohľade na dopad na zamestnanosť je vytrácanie sa efektu v čase ešte výraznejšie

než u príjmov.

Dopady opatrenia na účastníkov podľa veku



30-54 a 55 a viac rokov. Pri prvých dvoch skupinách navrhnuté modely opäť odhadli štatisticky


najmladšiu a strednú vekovú skupinu sú homogénne. Ako najzaujímavejšia z pohľadu dopadu opatrenia,

sa javí veková skupina 55+. Tu negatívny dopad opatrenia nie je taký jednoznačný. Potvrdzuje ho iba

model 2. Modely 1 a 3 prinášajú iba štatisticky nevýznamné koeficienty. Počiatočný negatívny príjmový

efekt opatrenia sa v prípade účastníkov starších ako 55 rokov vytráca už po štyroch mesiacoch. Zvyšok

sledovaného obdobia príjmový efekt opatrenia na túto skupinu nie je štatisticky významne rozdielny od

nuly (Tabuľka 134).



223



šance účastníkov zamestnať sa (obrázok 85).

Dopady opatrenia na účastníkov podľa vzdelania


modelov príjmových efektov prevažne homogénne, štatisticky významné, negatívne koeficienty.

Jednou výnimkou sú účastníci s vysokoškolským vzdelaním, pre ktorých model 2 odhaduje pozitívne,

štatisticky významné, koeficienty (tabuľka 135). V prípade tohto odhadu však je vidieť, že model

odhadoval štatisticky významný a väčší rozdiel v príjmoch medzi kontrolnou skupinou a účastníkmi už 6

mesiacov pred ukončením opatrenia. Táto skutočnosť spochybňuje relevantnosť výberu zvolenej

metodiky modelu 2 pre túto podskupinu. Výsledky mohli byť ovplyvnené napríklad veľkým rozptylom

v príjmoch vysokoškolsky vzdelaných UoZ, ktorí sú zároveň medzi nezamestnanými relatívne menej

zastúpenou skupinou. Z grafického znázornenia výsledkov modelu 1 (obrázok 86) je vidieť, že prakticky

neexistuje rozdiel v dopade opatrenia na účastníkov so základným a stredoškolským vzdelaním.

Výsledky pre účastníkov s vysokoškolským vzdelaním sa správajú odlišne, k čomu však mohli prispieť

aj nižšie početnosti v kombinácii s vyšším rozptylom príjmov tejto UoZ vstupujúcich do analýzy.

Negatívny dopad opatrenia na príjmy UoZ počas prvého roka po ukončení opatrenia je pozorovateľný

jednoznačne.


zamestnania sa v období po opatrení (obrázok 87). Na tomto ukazovateli výsledku relatívne menej

negatívne vyznieva dopad opatrenia na účastníkov so základným vzdelaním. Pre všetky vzdelanostné

skupiny je však pozorovateľný počiatočne štatisticky významný, negatívny efekt opatrenia, ktorý sa

časom vytráca.

Dopady opatrenia na účastníkov podľa regiónov

Zvolená metodika nám umožňuje sledovať rozdiely v dopade opatrenia medzi jednotlivými úradmi práce,

ktoré do analýzy vnášajú aj regionálny aspekt. Úradom práce s najväčším počtom účastníkov na opatrení

je Bratislava. Tu môžeme pozorovať pozitívny príjmový efekt opatrenia (po 24 mesiacoch) (tabuľka 136)

v kombinácii s negatívnym efektom na zamestnanosť účastníkov (tabuľka 137). Podobný vzor

v mimobratislavských úradoch nie je typický, pozorovať je ho možné okrem Bratislavy už len v Pezinku.

Okrem výrazného rozdielu Bratislavy od zvyšku Slovenska vykazujú jednotlivé Úrady veľmi podobný

vzor. V prevažnej väčšine Úradov je pozorovateľný štatisticky významný, negatívny dopad účasti na

opatrení jednak na príjem ako aj na zamestnanosť účastníkov.

V Bratislave a Pezinku (ktorý môže byť chápaný ako zázemie Bratislavy) nie je badateľný negatívny

príjmový efekt a v horizonte 24 mesiacov je príjmový efekt dokonca významný a pozitívny. V ostatných

regiónoch prevláda opačná tendencia – t.j. príjmové efekty sú prevažne záporné alebo nevýznamné,

nikdy nie pozitívne, nezávisle od časového horizontu hodnotenia. Z hľadiska vplyvu na pravdepodobnosť

zamestnať sa je v Bratislave pozorovaný významný negatívny efekt vo všetkých časových horizontoch,

zatiaľ čo v mnohých regiónoch (vrátane Pezinku) sa v časovom horizonte 24 mesiacov dá pozorovať už

významný pozitívny účinok.

Uvedené rozdiely nie sú prekvapujúce, nakoľko Bratislava sa vyznačuje mnohými špecifikami.

Konkrétne ide o podstatne živší trh práce, iný režim organizácie opatrenia (absencia financovania zo ŠF


224

a centrálneho verejného obstarávania počas určitých období), ako aj iné načasovanie začiatku opatrenia

(v Bratislave sa UoZ dostali na opatrenie spravidla až po uplynutí dlhšej doby, podľa údajov úradu práce

približne po 6 mesiacoch). Živší trh práce (ako aj jeho väčšia variabilita) by mali v zásade pozitívne

ovplyvniť pravdepodobnosť nájsť si zamestnanie po absolvovaní opatrenia. Nález významne

negatívneho účinku na pravdepodobnosť zamestnania v Bratislave (a žiadneho alebo pozitívneho účinku

v regiónoch) teda naznačuje, že bratislavskí UoZ trpia efektom uzamknutia v nežiaducom stave. Tento

kvalitatívny rozdiel možno pripísať rozdielom v načasovaní intervencie. Bratislavskí UoZ sa dostávajú na

opatrenie neskôr než mimobratislavskí, ide teda o problémovejšiu skupinu účastníkov, ktorí si nevedeli

pomôcť sami resp. pomocou iného opatrenia. Je potrebné zvážiť možnosť poskytovať opatrenie

v skoršom štádiu nezamestnanosti (hneď na začiatku resp. po kratšom časovom období), čím by sa

umožnil prístup k tomuto perspektívnemu opatreniu širšiemu okruhu UoZ. Možno sa domnievať, že by

sa tým odstránil alebo obmedzil aj negatívny účinok opatrenia na pravdepodobnosť zamestnať sa

u bratislavských účastníkov. O tom, že opatrenie je perspektívne svedčí fakt, že u účastníkov opatrenia

sa v horizonte 24 mesiacov dostavuje jednoznačne pozitívny príjmový efekt oproti kontrolnej skupine.

Opatrenie teda vedie k vyšším príjmom účastníkov, čo svedčí o jeho pozitívnom vplyve na ich

produktivitu na pracovnom mieste.

12.1.2 Zovšeobecnené závery

Na základe hlavných tendencií vo výsledkoch kvantitatívnych modelov možno vyvodiť zovšeobecnené

závery, ktoré uvádzame v tejto časti správy.

Základné deskriptívne popisy skúmaného súboru za obdobie 2007-2013 ukazujú, že prítok a odtok UoZ

do evidencie vykazuje pomerne veľké výkyvy v čase, ktoré súvisia so sezónnosťou. Najmä po roku

2010 možno v týchto fluktuáciách badať istú pravidelnosť – september a júl sú charakterizované

najvyšším prílevom UoZ do evidencie, z hľadiska počtu zaevidovaných dominuje september. Ten je

charakteristický aj zvýšeným ukončením evidencie, avšak prítok nových uchádzačov vždy prevláda.

Úbytok z evidencie býva pravidelne najnižší začiatkom kalendárneho roka. Uvedené pravidelnosti však

nebolo možné sledovať počas obdobia 2007-2009, kedy boli narušené nástupom ekonomickej krízy. Tá

viedla k trvale vysokému prítoku a trvale nízkemu odtoku. Efekt ekonomickej krízy teda dočasne

prekonal sezónnosť. Keďže ekonomické zmeny sa na trhu práce premietajú s istým oneskorením,

najmasívnejší prílev do evidencie nastal v roku 2009, kedy bol aj najväčší rozdiel medzi prítokom

a odtokom, čo viedlo k rastu počtu nezamestnaných.

Dynamika opatrenia „Vzdelávanie a príprava pre trh práce“ sa značne odlišuje od všeobecnej dynamiky

prílevu a odlevu UoZ. Inými slovami, opatrenie „žije svoj vlastný život“, ktorý je určovaný najmä jeho

finančným a organizačno-administratívnym rámcom.

Pred rokom 2010 sú pozorovateľné určité výkyvy v počte absolventov opatrenia (ukončených účastí),

ale absolútny počet účastí v porovnaní so zvyškom obdobia sú vysoké. Po roku 2010 dochádza

k absolútnemu útlmu uvedeného opatrenia charakterizovanému trvale nízkym počtom absolventov.

Možno konštatovať, že zatiaľ čo počas krízového obdobia sa opatrenie využívalo masovejšie, aj keď

s nepravidelným rozložením v čase, od roku 2011 sa využíva len vo veľmi nízkej miere.

Výsledky kvantitatívneho hodnotenia na základe kontrafaktuálnych techník ukazujú, že vo všeobecnosti

za celé sledované obdobie a na všetkých jednotlivcov ako celok malo opatrenie prevažne negatívne dopady

na pravdepodobnosť účastníkov zamestnať sa, ako aj na ich príjem v porovnaní s porovnávacou skupinou.

Tento efekt však nebol jednoznačný pre všetky obdobia a všetky skupiny uchádzačov o zamestnanie.

225

Z hľadiska časového obdobia možno konštatovať, že opatrenie malo negatívny čistý efekt najmä v období

plných dopadov ekonomickej krízy na trh práce (zhruba v rokoch 2009-2012) a zmiešané pozitívne účinky

pred a po krízovom období.

Opatrenie malo tiež diferencované účinky pre rôzne skupiny UoZ. Zatiaľčo rodové rozdiely neboli

štatisticky významné, t.j. čisté efekty na ženy aj mužov boli zhruba rovnaké, účinok opatrenia bol rôzny

pre jednotlivé vekové a vzdelanostné skupiny.

Pohlavie je znak povinne sledovaný prakticky vo všetkých štatistikách venovaných trhu práce. Muži sa

na trhu práce správajú odlišne ako ženy, nezávisle od toho či ide o ich správanie sa v zamestnaní,

nezamestnanosti alebo pri ďalšom vzdelávaní. Zatiaľčo v evidencii nezamestnaných je vyššie

zastúpenie mužov (54,12%) medzi účastníkmi opatrenia je naopak mierne viac žien (52,03%).

Sledovanie vekovej skupiny účastníkov odhaľuje, že poskytované vzdelávanie malo relatívne priaznivejší


30-54 a 55 a viac rokov. Pri prvých dvoch skupinách navrhnuté modely odhadli štatisticky významný,

negatívny efekt počas celého sledovaného obdobia po ukončení opatrenia. Výsledky pre najmladšiu

a strednú vekovú skupinu sú homogénne. Najzaujímavejšou z pohľadu dopadu opatrenia sa javila

veková skupina 55+, pre ktorú negatívny dopad opatrenia nebol jednoznačný (štatisticky významný).

Počiatočný negatívny príjmový efekt opatrenia sa v prípade účastníkov starších ako 55 rokov vytráca už

po štyroch mesiacoch. Zvyšok sledovaného obdobia príjmový efekt opatrenia na túto skupinu nebol

štatisticky významne rozdielny od nuly. Dopad opatrenia na zamestnanosť účastníkov vo veku 55 a viac

rokov bol v strednodobom horizonte dokonca štatisticky významne pozitívny (išlo predovšetkým

o obdobie druhého polroku po ukončení opatrenia). Účasť tejto vekovej skupiny na opatrení teda

zvyšovalo šance účastníkov zamestnať sa.

Pri rozlíšení troch stupňov najvyššieho dosiahnutého vzdelania boli nájdené pozitívne efekty na príjmy

pre účastníkov s vysokoškolským vzdelaním, tento efekt však nebol potvrdený všetkými odhadovanými

modelmi (výsledky mohli byť ovplyvnené napríklad veľkým rozptylom v príjmoch vysokoškolsky

vzdelaných UoZ, ktorí sú zároveň medzi nezamestnanými relatívne menej zastúpenou skupinou).

V nasledujúcej tabuľke uvádzame zhrnutie čistých účinkov na rôzne skupiny nezamestnaných a počas

rôznych období na oba výsledné ukazovatele (pravdepodobnosť zamestnať sa a výška dosiahnutých

príjmov) v porovnaní s kontrolnou skupinou 24 mesiacov po ukončení účasti na opatrení (t.j. v časovom

horizonte, v ktorom sa už častejšie prejavujú pozitívne účinky opatrenia).

226

71Pre nedostatočnú kvalitu dát sú ATT vypočítané 12 mesiacov od ukončenia opatrenia.

72Pre nedostatočnú kvalitu dát sú ATT vypočítané 12 mesiacov od ukončenia opatrenia.

„+“ označuje pozitívny účinok,

„- „ označuje negatívny účinok,

0 označuje štatisticky nevýznamný účinok

Čisté účinky

Obdobie/skupina UoZ na pravdepodobnosť zamestnať sa na výšku príjmu

Celá SR + -

2007/01-2008/04 + +

2008/05-2008/08 0 0

2008/09-2009/07 0 -

2009/08-2010/12 0 -

2011/01-2011/12 - 0

2012/01-2012/1271 - -

2013/01-2013/1272 0 0

Muži - -

Ženy 0 -

ZŠ + -

SŠ 0 -

VŠ 0 0

Do 30 0 -

30-54 + -

55+ + 0

BA - +

MA 0 0

PK + +

DS - -

GA 0 0

PN - -

SE - -

TT 0 0

PE - -

NM 0 0

PB - -

PD - -

TN - -

KN 0 0

LE 0 0

NR 0 0

NZ 0 0

227

Významné boli tiež regionálne rozdiely v účinkoch opatrenia v Bratislave na jednej strane a v ostatných

regiónoch Slovenska na druhej strane.

Zvolená metodika nám umožňuje sledovať rozdiely v dopade opatrenia medzi jednotlivými úradmi, ktoré

do analýzy vnášajú aj regionálny aspekt. Úradom s najväčším počtom účastníkov na opatrení je

Bratislava. Tu môžeme pozorovať pozitívny príjmový efekt opatrenia (po 24 mesiacoch) v kombinácii

s negatívnym efektom na zamestnanosť účastníkov. Podobný vzor správania nebol nájdený (okrem

Bratislavy a Pezinku) v ostatných regiónoch Slovenska. Okrem výrazného rozdielu medzi Bratislavou a

ostatnými regiónmi Slovenska nebolo možné pozorovať väčšie regionálne rozdiely. S výnimkou

Bratislavských úradov vykazovali jednotlivé úrady veľmi podobný typ účinkov opatrenia - v prevažnej

väčšine úradov bol pozorovateľný štatisticky významný negatívny dopad účasti na opatrení aj na príjem

aj na zamestnanosť účastníkov.

V závere možno zdôrazniť, že počas hodnoteného obdobia malo opatrenie všeobecne negatívny dopad na

príjmy a prevažne aj na zamestnanosť účastníkov. Tieto negatívne efekty sa v druhej polovici hodnoteného

obdobia zvýraznili, t.j. implementácia opatrenia sa v čase zhoršovala. Opatrenie malo pozitívne účinky na

niektoré skupiny UoZ (napríklad na zamestnanosť starších UoZ, alebo na príjmy UoZ v Bratislave) za

TO 0 0

CA - -

DK 0 0

NO - -

LM 0 0

MT 0 0

RK 0 0

ZA - -

BB - -

BS 0 0

BR 0 0

LC - -

RA 0 0

RS - -

VK 0 0

ZV - -

BJ - -

HU - -

PP 0 0

PO - -

SL 0 0

SP - -

VT - -

KE - -

MI - -

RV - -

SN - -

TV - -

KK 0 0

228

určitých okolností (pozitívne účinky sa dostavili najmä v dlhšom časovom horizonte – 12 až 24 mesiacov

po ukončení vzdelávania).

12.2 Kvalitatívne hodnotenie dopadov založené na teórii

Kvantitatívne hodnotenie bolo doplnené kvalitatívnym hodnotením založeným na hĺbkových

rozhovoroch s pracovníkmi úradov práce vo ôsmych vybraných okresoch: Bratislava, Senica, Nové

Mesto nad Váhom, Martin, Partizánske, Banská Bystrica, Lučenec a Stará Ľubovňa. Kvalitatívne

zisťovanie bolo dôležité pre interpretáciu výsledkov kvantitatívnej analýzy, ale aj pre lepšie pochopenie

intervenčnej logiky a implementačnej praxe a následne vyvodenie záverov a odporúčaní.

Detailný popis kvalitatívnej časti hodnotenia je uvedený v predchádzajúcej časti správy. V tejto kapitole

sa zameriavame na diskusiu zistení v troch základných okruhoch problémov, ktoré majú významný

dopad na účinnosť opatrenia:

1) spôsob identifikácie vzdelávacích potrieb,

2) spôsob výberu účastníkov opatrenia,

3) organizačno-technický rámec poskytovania vzdelávania.

12.2.1 Spôsob identifikácie vzdelávacích potrieb

Spôsob identifikácie vzdelávacích potrieb patrí medzi základné faktory určujúce úspešnosť vzdelávania.

Pri jeho uplatnení je potrebné zohľadniť situáciu na strane ponuky i dopytu na trhu práce. Z hĺbkových

rozhovorov s pracovníkmi úradov práce vyplynulo, že v prevažnej väčšine prípadov je zameranie

vzdelávania určované ponukovou stránkou (ponukou pracovnej sily) samotnými UoZ, ktorí sa na

vzdelávanie hlásia resp. indikujú svoje preferencie v oblasti vzdelávania. Druhá strana trhu práce (dopyt

po pracovnej sile zo strany zamestnávateľov) sa zohľadňuje na základe štruktúry voľných pracovných

miest hlásených zamestnávateľmi. Tento spôsob identifikácie má svoje slabiny. Samotní uchádzači

často nemajú realistickú predstavu o svojom budúcom uplatnení. Ďalším problémom v tejto súvislosti

je únik pracovných síl a negatívny dopad na rozvoj regiónu, keď sa napríklad UoZ masovo vzdelávajú v

profesii, ktorá nachádza uplatnenie najmä v zahraničí (napr. opatrovateľstvo).

Hlásené pracovné miesta často nezachytávajú širšiu dimenziu miestneho trhu práce, hlavne v

profesiách, ktoré vyžadujú vyšší stupeň vzdelania alebo kvalifikácie, a pre ktoré by bolo vzdelávanie

relevantným opatrením.

Regionálne programy vzdelávania, ktoré sa pripravujú s ročnou periodicitou bývajú často pripravované

len formalisticky, vo väčšine prípadov neobsahujú hlbšiu analýzu, opierajú sa najmä o štruktúru voľných

pracovných miest hlásených zamestnávateľmi v uplynulom roku. Proces teda nevykazuje známky

pohľadu do budúcnosti a predvídania vzdelávacích potrieb. Tento nedostatok je závažný ak uvážime, že

vzdelávanie patrí medzi progresívne opatrenia zamerané na budúci rozvoj pracovného potenciálu a

prinášajúce pozitívne efekty až v dlhodobejšom časovom horizonte.

Kvalitatívne hodnotenie teda naznačuje, že v praxi proces identifikácie vzdelávacích potrieb trpí

nasledujúcimi nedostatkami:

a) je určovaný na základe pohľadu do minulosti (backward-looking),

b) upadá do stereotypu, keď sa vzdeláva sústavne pre tie isté profesie,

c) je určované najmä samotnými účastníkmi vzdelávania (UoZ), ktorí si stanovujú vzdelávacie

potreby na základe svojich predstáv resp. vlastného vnímania svojej situácie na trhu práce.

229

12.2.2 Spôsob výberu účastníkov opatrenia

Pri interpretácii výsledkov hodnotenia je potrebné zohľadniť spôsob výberu účastníkov opatrenia, ktorý

môže mať veľmi významný vplyv na dosiahnuté výsledky aj na ich rozdiely napríklad medzi jednotlivými

skupinami UoZ alebo regiónmi. Pokiaľ pri výbere účastníkov dôjde k systematickej selektivite, výsledky

opatrenia môžu byť podhodnotené alebo nadhodnotené vo vzťahu k populácii. Klasickým príkladom

pozitívnej selektivity je vyberanie účastníkov spomedzi najschopnejších UoZ, ktorí majú najvyššie šance

zamestnať sa. Takéto vyberanie najlepších sa v literatúre označuje ako tzv. creaming effect (zberanie

šľahačky). Na základe kvalitatívneho hodnotenia sme dospeli k záveru, že uvedený efekt mohol spôsobiť rozdiely v účinnosti opatrenia medzi Bratislavou a zvyškom Slovenska. V Bratislave boli dopady

opatrenia na pravdepodobnosť zamestnať sa systematicky negatívne. V rozhovoroch s pracovníkmi

úradov práce sa potvrdili dve protichodné tendencie pri implementácii opatrenia. Zatiaľ čo v

mimobratislavských regiónoch boli v zásade všetci UoZ konfrontovaní s možnosťou vzdelávania sa už v

počiatočných štádiách evidencie, v Bratislave sa opatrenie ponúkalo až po uplynutí istej doby pre UoZ,

ktorým sa dovtedy nepodarilo zamestnať. Plynutím času dochádza k zmene štruktúry UoZ, kedy

najľahšie zamestnateľní postupne odchádzajú a v danej skupine ostávajú problémovejší účastníci, ktorí

majú rôzne bariéry pri vstupe na trh práce.

Z uvedených rozdielov v implementácii opatrenia vyplýva, že účastníci opatrenia v Bratislave boli

„ťažšou“ skupinou z pohľadu zamestnateľnosti. Zároveň však podmienky na trhu práce v Bratislave boli

najpriaznivejšie (najnižší pomer UoZ k voľným pracovným miestam), čo kompenzovalo negatívny

selektívny efekt. V Bratislave je trh práce živší a ponuka pracovných miest všeobecne aj vo vzťahu k

počtu evidovaných je najvyššia. Mnohí UoZ si preto dokážu poradiť sami pred tým, než im je ponúknuté

vzdelávanie. Naopak v mimobratislavských regiónoch je v mnohých okresoch ponuka práce limitovaná,

prípadne o pracovných príležitostiach sa presne vie. Preto sa vzdelávanie častejšie zameriavalo na

konkrétne pracovné ponuky, zatiaľ čo v Bratislave sa vzdelávanie realizovalo pre „otvorený“ trh práce

(menej pre konkrétne určené pracovné miesta resp. zamestnávateľov).

Substitučný efekt (substitution effect) nastáva v prípade keď jedna skupina účastníkov opatrenia

nahrádza resp. vytesňuje druhú skupinu (displacement effect). Pri obmedzených zdrojoch na

vzdelávanie nie je možné v praxi opatrenie poskytnúť väčšej skupine UoZ. Preto je dôležité, aby sa

poskytovalo tým účastníkom, ktorí z neho môžu najviac získať. V tomto smere by prax pri zaraďovaní

účastníkov Bratislave a v regiónoch mohla byť zmenená. Keďže opatrenie vzdelávanie patrí medzi

progresívne a aktívne opatrenia, ktoré prináša efekty najmä v dlhodobejšom horizonte, malo by byť vždy

ponúkané už na začiatku evidencie, kým sa na ňom môžu zúčastniť aktívnejší UoZ, ktorí majú iniciatívu

vzdelávať sa, príp. sú lepšie zorientovaní v oblasti uplatniteľnosti získaného vzdelania. Po uplynutí určitej

doby by malo byť sprevádzané výraznejšou orientáciou a individuálnym poradenstvom zo strany úradu,

aby sa mohli zmysluplne zapojiť aj UoZ, ktorí sa nedokázali dostať z evidencie. Mnohí z nich potrebujú

nielen vzdelávanie, ale aj istú dodatočnú intervenciu zo strany úradu práce. Samotný vzdelávací program

môže byť síce nevyhnutnou, ale nie postačujúcou podmienkou pre ich zamestnanie.

Efekt uzamknutia (locking-in) nastáva keď sa účastník programu dostane do (spravidla neželaného)

stavu, z ktorého sa nevie dostať. V prípade vzdelávania môže nastať situácia, kedy UoZ nadobudne novú

kvalifikáciu a zručnosti, ktoré zvýšia jeho nároky na výber profesie aj ohodnotenie. Pokiaľ nenájde

vhodnú možnosť uplatnenia, môže zotrvať v stave nezamestnanosti dlhšie než v prípade keby sa

vzdelávania nezúčastnil. Výsledky kvantitatívneho hodnotenia naznačujú, že skutočne k danému efektu

dochádza najmä v Bratislave, kde je pravdepodobnosť zamestnania u účastníkov opatrenia spočiatku

nižšia než u kontrolnej skupiny a tento negatívny efekt vymizne až časom (do 24 mesiacov). Na druhej

strane tento proces sprevádza pozitívny príjmový efekt, ktorý naznačuje, že po získaní vhodného

zamestnania dosahujú účastníci opatrenia časom vyššie príjmy než porovnávacia skupina. Efekt

uzamknutia je teda len prechodný a možno ho spojiť určitou frikčnou nezamestnanosťou, keď si

účastníci opatrenia hľadajú vhodné pracovné miesto. Tento efekt je v Bratislave spojený s tým, že

opatrenie sa do väčšej miery poskytuje pre „voľný“ trh práce, t.j. bez zacielenia na konkrétne pracovné

miesta s tým, že trh práce je dostatočne živý a rôznorodý na to, aby si účastníci vzdelávania po istom

čase našli uplatnenie.

230

12.2.3 Organizačno-technický rámec poskytovania vzdelávania

Dôležitou stránkou implementácie je organizačno-technický rámec poskytovania vzdelávania, ktorý

často rozhodujúcim spôsobom ovplyvňuje jeho účinky. V tejto oblasti naše zistenia poukazujú na

najzásadnejšie problémy, ktoré sa ale v porovnaní s vyššie uvedenými okruhmi problémov dajú

pomerne jednoducho korigovať (zmenou organizačných pravidiel).

Podrobnejšie postupy pri implementácii opatrenia sú upravené internými smernicami, ktoré sú

zasielané úradom najmä v súvislosti so zmenami legislatívneho rámca, alebo v súvislosti s operačným

režimom uplatňovania opatrenia. Ako vyplýva u vyššie popísaných rozdielov v implementačnej praxi

(napríklad pri spôsobe výberu účastníkov), interné smernice neupravujú práve tie stránky procesu, ktoré

môžu byť rozhodujúce pre účinok opatrenia (napríklad z hľadiska problémov spojených so selektivitou

popísaných vyššie). Tomu nasvedčuje existencia zásadných rozdielov v praxi pri spôsobe výberu

účastníkov resp. ich zaraďovaní na opatrenie napríklad pri zvolení časového okamihu kedy sú UoZ

konfrontovaní s možnosťou vzdelávania aj pri konkrétnom postupe ďalších krokov (napr. či

sprostredkovateľka ponúka opatrenie všetkým uchádzačom už na začiatku evidencie alebo sa čaká s

jeho ponúknutím až po uplynutí niekoľkých mesiacov).

V tomto smere veľmi závažnú úlohu zohráva aj zapojenie poradcov, ktorí rôznym spôsobom pracujú s

potenciálnymi účastníkmi vzdelávania. Vo väčšine prípadov bola účasť na vzdelávaní podmienená

súhlasom resp. odporučením poradcu. Na niektorých úradoch mali poradcovia psychologické vzdelanie

a mali zhodnotiť celkový osobnostný a motivačný potenciál účastníkov vzdelávania. Na iných úradoch

boli poradcovia chápaní ako osoby s prevažne ekonomickým vzdelaním, ktoré by mali zhodnotiť najmä

ekonomický potenciál ponúkaného vzdelávania z hľadiska uplatnenia sa na trhu práce. V niektorých

prípadoch boli k poradcovi celoplošne posielaní všetci UoZ, pričom poradca skúmal ich „vhodnosť“ pre

vzdelávanie (motivácia existencia predstavy o konkrétnom uplatnení sa na trhu práce a p.). V iných

prípadoch sa k poradcovi dostávali len tí UoZ, ktorí buď sami prejavili iniciatívu a žiadali

sprostredkovateľku o vzdelávanie, alebo naopak, tí, ktorí k sprostredkovateľke chodili dlhšiu dobu a

vzdelávanie im bolo ponúknuté zo strany úradu. Tieto procesy vystihujúce selektivitu majú veľký vplyv

jednak na účinnosť oparenia a jednak aj na zámer opatrenia (t.j. čo sa uvedeným opatrením chce

dosiahnuť – včasná aktivácia mierená celoplošne, alebo naopak neskoršia intervencia zameraná na

problémovejších UoZ).

Spôsob nástupu na opatrenie sa tiež v praxi značne líšil – najmä v Bratislave častejšie prichádzalo k

situácii kedy sa UoZ predbežne nahlasovali na kurzy a po ich zabezpečení neboli schopní nastúpiť (ešte

pred podpísaním dohovoru). V mimobratislavských regiónoch bol tento problém menej častý.

Rôznili sa aj postupy pri vyraďovaní UoZ z opatrenia. V niektorých úradoch sa vyraďovali UoZ, ktorých

prihlášky neboli obnovené, v iných úradoch sa stále prihliadalo na všetkých prihlásených (aj po uplynutí

doby platnosti prihlášky).

Ďalším okruhom problémov je spôsob organizácie kurzov zo strany samotných úradov resp. Ústredia.

V tomto smere zohral kritickú úlohu proces verejného obstarávania po jeho centralizácii, kedy došlo k

neprimeraným odkladom a tiež obmedzeniu flexibility vzdelávania. Všetky úrady, ktoré sa zúčastnili

kvalitatívneho hodnotenia uvádzali veľké problémy v súvislosti s centrálnym verejným obstarávaním

organizovaným Ústredím. Najžiadanejšie kurzy, ktoré nahlásili do centrálneho VO boli týmto dlhodobo

zablokované a často sa vôbec neuskutočnili. Niektoré úrady si vlastným obstarávaním ešte zabezpečili

iné kurzy, ale museli byť orientované na iné profesie než ktoré boli nahlásené do centrálneho VO.

Zásadným problémom organizácie vzdelávania bola aj diskontinuita a neistota ohľadne procesu

financovania. Jednotlivé úrady uvádzali ako problém „nárazový“ režim organizácie a tiež skutočnosť, že

počas dlhších období nemali predstavu možnosti a čase financovania vzdelávacích programov.

231

13 Odporúčania

V tejto časti správy formulujeme odporúčania zamerané na zvýšenie účinnosti hodnoteného opatrenia

vo väzbe na výsledky kvantitatívnej aj kvalitatívnej analýzy popísanej v predchádzajúcich kapitolách.

Odporúčania delíme na dve časti – odporúčania v oblasti politiky zamestnanosti a odporúčania v oblasti

implementácie.

13.1 Odporúčania v oblasti politiky zamestnanosti (MPSVR SR)

V úvode treba zdôrazniť, že vzdelávanie je potrebné chápať ako opatrenie, ktoré má štrukturálny

charakter, t.j. odstraňuje štrukturálny nesúlad v oblasti vzdelania, kvalifikácie a návykov medzi

ponukou práce a dopytom po práci. To znamená, že funguje najmä v podmienkach, kedy na trhu práce

spolu existujú UoZ a voľné pracovné miesta, ktoré sa pomocou vzdelávania dokážu „zladiť“. Pokiaľ je

na trhu práce výrazný nedostatok pracovných miest, resp. pracovné miesta stále zanikajú (t.j. ide

o nezamestnanosť z dôvodu absolútneho nedostatku pracovných miest, napríklad v období recesie),

vzdelávanie má len obmedzenú účinnosť. Za smerodajný indikátor možno považovať tzv. tesnosť trhu

práce, ktorá je vyjadrená pomerom počtu UoZ a voľných pracovných miest (labour market tightnes,

u/v). Pri vyšších hodnotách ukazovateľa účinnosť opatrenia vo všeobecnosti klesá.

Vzdelávanie je tiež potrebné chápať ako dlhodobú investíciu, ktorá prináša efekty v strednodobom

až dlhodobom horizonte(vo väčšine analyzovaných prípadov sa pozitívne účinky na zamestnanosť

alebo výšku príjmov objavili 12 až 24 mesiacov po skončení opatrenia).

Z uvedeného vyplýva, že vzdelávanie je menej účinné v období recesie, kedy možno väčší účinok

očakávať od opatrení zameraných na priamu tvorbu pracovných miest. Zároveň by však nebolo správne

vzdelávanie počas recesie drasticky obmedziť, pretože mnohí UoZ môžu práve počas recesie využiť čas

na zvýšenie svojej kvalifikácie. Dôležité je teda správne zladenie objemu a času poskytovania

opatrenia. Nie je vhodné jeho poskytovanie úplne prerušiť, a to ani počas recesie, je však vhodné

využívať ho masovejšie v dobe, keď sa v ekonomike naštartujú procesy tvorby pracovných

miest a toto štrukturálne opatrenie má väčšiu šancu na úspech.

Vzdelávanie má veľmi rozdielne dopady na rôzne skupiny UoZ. Skupinové vzdelávanie (kurzy), ktoré

boli organizované úradmi práce počas hodnoteného obdobia boli relatívne účinnejšie (mali

pozitívne efekty) po 24 mesiacoch po ich ukončení pre UoZ s nižším vzdelaním (najmä

základným).Pre UoZ so stredoškolským a vysokoškolským vzdelaním boli účinky vzdelávania

negatívne alebo štatisticky nevýznamné. Tento výsledok je možné vysvetliť výberom profesií, pre ktoré

boli skupinové kurzy organizované (v zásade išlo o profesie vhodné pre UoZ s nižším vzdelaním – napr.

obsluha vysokozdvižného vozíka, SBS, opatrovateľstvo a p.).Možno teda odporúčať zacielenie

uvedených skupinových kurzov najmä na UoZ s nižším dosiahnutým stupňom vzdelania. Pre

UoZ s vyšším vzdelaním sú vhodnejšie individuálne formy vzdelávania, tie sa však začali poskytovať až

ku koncu hodnoteného obdobia a neboli predmetom daného hodnotenia. Možno však dôvodne

predpokladať, že individuálne formy vzdelávania budú účinnejšie pre UoZ s vyšším vzdelaním, pretože

poskytnú väčšiu flexibilitu pri výbere profesií.

Z hľadiska veku bolo poskytované vzdelávanie relatívne účinnejšie pre najstaršiu vekovú skupinu (55+),

po uplynutí dlhšieho časového obdobia sa pozitívny účinok na pravdepodobnosť zamestnať sa dostavila

ak pre vekovú skupinu (30-54). Uvedený výsledok zrejme súvisí s motiváciou účastníkov. Z prieskumu

na úradoch práce vyplynulo, že najmladšie vekové skupiny UoZ mali najmenší záujem o vzdelávanie

a bolo ich aj ťažšie ich do kurzov zaradiť. Vzdelávanie v takej forme akou bolo počas sledovaného

232

obdobia organizované sa teda javí vhodnejšie pre staršie vekové skupiny UoZ. Možno teda odporúčať

zacieliť existujúce skupinové kurzy na účastníkov v staršom a strednom veku.

13.2 Odporúčania v oblasti implementácie (ÚPSVAR)

Na základe analýzy a diskusie prezentovaných v predchádzajúcich kapitolách možno vyvodiť množstvo

detailnejších parciálnych odporúčaní. V tejto časti uvádzame najzávažnejšie odporúčania v členení podľa

jednotlivých okruhov diskutovaných v časti 10.2.

13.2.1 Zdokonaliť metodiku spôsobu identifikácie vzdelávacích potrieb

Dôležitou oblasťou je výber profesií, v ktorých sa majú UoZ vzdelávať. Orientácia vzdelávacích kurzov

sa rámcovo uskutočňuje na základe ročných regionálnych plánov, ktorých príprava má isté nedostatky

(je založená na pohľade do minulosti, upadá do stereotypu a do značnej miery je určovaná záujmom

samotných účastníkov). Pre zlepšenie výberu profesií (a tým aj zvýšenie účinnosti opatrenia) je možné

odporučiť zavedenie prepracovanejšej metodológie identifikácie vzdelávacích potrieb, ktorá by:

- zjednotila postup úradov

- zaviedla väčší kontakt s dopytovou stranou (zamestnávateľmi).

Na uvedené účely možno napríklad vypracovať detailnejšiu internú inštrukciu, ktorá by sa opierala aj

o štruktúrované procesy a materiály (napríklad realizácia výberového prieskumu s bližšie určenými

pravidlami výberu a s pomocou predtlačených dotazníkov).

13.2.2 Zdokonaliť metodiku spôsobu identifikácie vzdelávacích potrieb

V tejto oblasti treba venovať pozornosť:

- „načasovaniu“ intervencie (hneď na začiatku evidencie resp. po uplynutí určitej doby), ktoré má

vplyv na skladbu účastníkov opatrenia (efekt selektivity), jednak

- úprave procesu pridelenia opatrenia (sprostredkovateľ-poradca-zaradenie na opatrenie).

Čím je načasovanie opatrenia neskoršie, tým je zaradená skupina UoZ „problémovejšia“ z hľadiska

uplatnenia na trhu práce (pretože menej problémoví UoZ si medzičasom nachádzajú uplatnenie sami

resp. s pomocou iného opatrenia). Preto je vhodné pristupovať k vzdelávaniu už v začiatočných štádiách

evidencie (tzv. princíp skorej intervencie) a nečakať dlhšiu dobu, kedy už medzi potenciálnymi

účastníkmi je pomerne veľa problémovejších UoZ, ktorí okrem vzdelávania potrebujú aj individuálnejší

prístup kombinovaný s inými opatreniami (poradenstvo, orientácia a p.)

V oblasti procesu zaradenia na opatrenie treba venovať pozornosť detailnejšiemu upraveniu

postupnosti a časovania intervencií, t.j. poskytovať informáciu o vzdelávaní už na začiatku evidencie a

plošne všetkým UoZ. Tiež možno odporúčať podľa možnosti posielať všetkých UoZ k poradcom, ktorí

schvaľujú zaradenie na vzdelávanie a mali by jednak zhodnotiť prospekty daného účastníka v konkrétnej

forme vzdelávania, jednak pomôcť účastníkom zorientovať sa v ponuke (s týmto súvisí posilnenie

administratívnej kapacity úradov, ktoré bolo od Slovenska opakovane požadované v rámci špecifických

odporúčaní Rady).

233

13.2.3 Zmeniť organizačno-technický rámec poskytovania vzdelávania

V tejto oblasti je najdôležitejším odporúčaním zmena procesu obstarávania skupinových kurzov.

Konkrétne ide o:

- odstránenie centrálneho verejného obstarávania,

- posilnenie pravidelnosti a predvídateľnosti financovania opatrenia.

Centrálne verejné obstarávanie skupinových kurzov sa v praxi prejavilo ako nepružný systém

zabraňujúci uskutočneniu vzdelávania v reálnom čase reagujúcom na potreby UoZ a trhu práce. Možno

teda odporúčať decentralizovanie obstarávania kurzov.

Nepravidelnosť a nedostatok informácií o objeme a čase financovania kurzov bolo úradmi práce

spomínané ako jeden zo základných problémov, ktoré v praxi sťažujú organizáciu opatrenia. Možno

odporučiť napríklad predĺženie rozpočtovania opatrenia na dlhší cyklus (niekoľko rokov), ktoré by

zabezpečilo väčšiu stabilitu a kontinuitu organizačného rámca.

234

14 Všeobecné požiadavky na dáta

14.1 Požiadavky na dáta pre realizáciu hodnotení dopadov

Hoci sa otázkyzberu dát, akýmisúdostupnosťakvalita môžu javiť ako bežné operatívne

problémyktoréjepotrebné riešiť lennatechnickej úrovni, nemalo bysazabúdať, žetietoaspekty majú

kritický významprekaždéhodnoteniedopadov(a vo všeobecnosti akékoľvek hodnotenie). Dáta sú

potrebné z dôvodu možnosti testovania zmien závislých premenných, resp. na určenie

kontrafaktuálneho odhadu (estimácie), teda situácie ktorá by bola nastala ak by program/podpora nebola

realizovaná.

Pre kontrafaktuálne hodnotenia dopadov sú potrebné dáta pre tri základné skupiny73

:

Podporená skupina(treatment group) – podporené jednotky (napr. jednotlivci, podniky)

Porovnávacia skupina(comparison group) – skupina nepodporených jednotiek, ktoré sú

vystavené rovnakým podmienkam a vplyvom ako podporené jednotky, okrem samotného

pridelenia podpory. Jednotky porovnávacej skupiny sú svojimi charakteristikami podobné

podporenej skupine. Vhodnou porovnávacou skupinou bývajú zamietnutí žiadatelia.V literatúre

sa môžeme stretnúť aj s pojmom kontrolná skupina (control group). Kontrolná skupina sa vo

väčšine prípadov používa v kontexte náhodných experimentov (randomised experimetns)

a porovnávacia skupina pri kontrafaktuálnych hodnoteniach dopadov. V praxi sa však tieto

pojmy často zamieňajú a chápu sa ako synonymá.

Kontrolná vzorka (control sample) – skupina nepodporených jednotiek, ktorá nemusí byť

nutne vystavená rovnakým podmienkam ako porovnávacia skupina. Používa sa na kontrolu

vývoja sledovaných premenných a zachytenie všeobecného trendu vývoja v ekonomike.

Pre uvedené skupiny sú potrebné tieto typy údajov:

Identifikačnéúdaje a charakteristika jednotiek danej skupiny

Pri jednotlivcoch to býva pohlavie, vek, vzdelanie, rodinný stav, kvalifikácia, bydlisko, dĺžka praxe

(zamestnania), výška príjmu, dĺžka nezamestnanosti, jazykové znalosti, pc zručnosti, doplnkové

vzdelávanie a rozšírenie kvalifikácie a iné, v závislosti od typu hodnotenia a sledovaných účinkov.

Pri podnikoch sa zvyčajne sleduje dátum založenia, právna forma, miesto sídla, miesto realizácie

podnikateľskej činnosti, odvetvie, počet zamestnancov, obrat, výška príjmov, pridaná hodnota,

národná/medzinárodná pôsobnosť, exportná/importná orientácia a iné, v závislosti od typu hodnotenia

a sledovaných účinkov.

Výsledkové údaje

Výsledkové údaje (hodnoty sledovaných premenných, na ktoré má intervencia pôsobiť). Výsledkové

údaje je potrebné sledovať za určitéčasové obdobie pred a po realizácii intervencie, aby bolo možné

vyhodnotiť ich vývoj a zmeny ktoré nastali/nenastali v dôsledku podpory.

Kontrolné údaje

Kontrolné údaje sú potrebné z dôvodu možnosti sledovania a kontroly rozdielov medzi podporenou

a nepodporenou skupinou počas analýzy. Je užitočné disponovaťčo možno najväčším množstvom

údajov vzťahujúcich sa tak k voľbe zúčastniť sa programu, ako aj potenciálnych výsledkov, teda

výsledkových ukazovateľov ktoré sú k dispozícii aj pre pred-intervenčné obdobie.

Potrebné údaje je vhodné získavať z jedného zdroja a je potrebné zabezpečiť aby boli merané

a zaznamenávané rovnakým spôsobom. V praxi sa však potrebné údaje získavajú z rôznych zdrojov

73EC.DG-EMPL. 2012. Design and commissioning of counterfactual impact evaluations: A practical guidance for ESF Managing

Authorities. Luxembourg: Publications Office of the European Union, 2013.

235

(subjektov, inštitúcií). V kontexte hodnotenia intervencií verejných politík môžu byťúdaje získavané

z databáz:

- Riadiacich orgánov a Sprostredkovateľských orgánov pod riadiacimi orgánmi,

- Štatistického úradu SR,

- Štatistického úradu EÚ (EUROSTAT),

- Sociálnej poisťovne SR,

- Finančnej správy SR,

- Ústredia práce, sociálnych vecí a rodiny SR,

- Národného cenzu a registrov,

- iných relevantných databáz.

Z medzinárodných zdrojov sa obvykle využívajú databázy:

- OECD Statistics,

- European company data (portál Amadeus),

- OSN (UNSD – United Nations Statistical Database).

14.1.1 Otázky ochrany osobných údajov

Pri získavaní údajov o jednotlivcoch alebo spoločnostiach sa hodnotitelia môžu stretnúť s problémami

ochrany osobných a citlivých údajov. Riešením pri problémoch s poskytnutím takýchto informácií je ich

anonymizácia poskytujúcou inštitúciou. Zaobchádzanie a spracovanie takýchto údajov je v rámci EÚ

riešené Smernicou Európskeho parlamentu a Rady 95/46/EC z 24. októbra 1995 o ochrane jednotlivcov

pri spracovaní osobných údajov a voľnom pohybe týchto údajov. Na národnej úrovni rieši otázky ochrany

osobných údajov Zákon č. 122/2013 Z. z. o ochrane osobných údajov a o zmene a doplnení niektorých

zákonov, ako vyplýva zo zmien a doplnení vykonaných zákonom č. 84/2014 Z. z.

14.1.2 Správne načasovanie zberu dát

V ideálnom prípade by mali byť hodnotenia dopadov založené na údajoch pokrývajúcich pred- a po-

intervenčné obdobie. Dôležitým aspektom je správne posúdenie reprezentatívnosti východiskového

a konečného roku (obdobia). Ak je niektorý z týchto dvoch hraničných časových bodov nereprezentatívny

(vymykajúci sa z priemeru), bude sledovaná zmena počas tohto obdobia skreslená. Ak je napríklad

východiskový rok ovplyvnený určitou špecifickou udalosťou (prírodná katastrofa, politický vývoj, zmeny

ekonomického cyklu), ktorá spôsobí neprimerane vysoké alebo nízke hodnoty sledovaných veličín,

potom budú zmeny počas sledovaného obdobia značne skreslené. Príkladom takejto situácie môže byť hodnotenie dopadov intervencií v sektore poľnohospodárstva, kedy sa za východiskový bod zvolí rok,

ktorý nie je reprezentatívnym príkladom bežného vývoja v sektore (podpriemerne nízka úroda kvôli

povodniam alebo naopak nedostatku zrážok a extrémnemu suchu). Rovnako to platí aj v prípade voľby

po-implementačného obdobia. Vo väčšine prípadov je stanovenie sledovaného časového rámca

determinované načasovaním intervencie resp. jej hodnotenia. Hodnotitelia musia dôkladne zvážiť reprezentatívnosťúdajov východiskového a konečného obdobia hodnotenej intervencie pred

formuláciou akýchkoľvek záverov.

Nemenej dôležitým aspektom každého hodnotenia dopadov je správne posúdenie časového rámca

očakávaných výsledkov intervencie, teda rozlíšenie krátkodobých a dlhodobých účinkov. V závislosti od

druhu a kontextu intervencie sa v období zberu a analýzy dát niektoréúčinky ešte nemuseli stihnúť prejaviť a iné už mohli naopak odoznieť. Uvedené je potrebné zohľadniť pri formulácii záverov

hodnotenia.

236

14.1.3 Dostupnosť dát

Hodnotenie dopadov sa v praxi začína posúdením existujúcich údajov, ktoré mohli byť zachytené pred

realizáciou intervencie na vstupe, počas realizačnej fázy alebo na výstupe (ako výsledky). Takýto prehľad

dostupných údajov je užitočný z nasledujúcich dôvodov:

Dostupné údaje sú užitočnou pomôckou pri rekonštrukcii intervenčnej teórie, čo môže

podnietiťďalší zber a získavanie potrebných údajov,

Informácie o dostupnosti údajov majú vplyv na výber metód a návrh dizajnu hodnotenia, resp.

môžu viesť k ich ďalšiemu spracovaniu a analýze (napr. ex ante a ex post databázy môžu byť

doplnenéďalšími zdrojmi údajov na vytvorenie vhodnej kontrolnej skupiny, alebo iniciovať ich

dodatočné získavanie),

Dostupné údaje z rôznych zdrojov umožňujú trianguláciu výsledkov.

Ďalšími zdrojmi údajov pre hodnotenia môžu byť:

Údaje Štatistického úradu,

Údaje zo sčítania obyvateľstva,

Rôzne špecializované prieskumy,

Administratívne údaje zbierané ministerstvami a inštitúciami štátnej správy,

Štúdie realizované mimovládnymi neziskovými organizáciami a univerzitami.

Užitočný prístup k posúdeniu dostupnosti dát môže byť charakterizovaný nasledujúcimi krokmi:

1. Tvorba zoznamu dostupných dát a posúdenie ich kvality. Niekedy môžu byť na vykonanie

kompletného hodnotenia dopadov postačujúce aj údaje získané zo sekundárnych zdrojov

(väčšinou pri národných resp. sektorových intervenciách). Väčšinou sú však sekundárne údaje

využívané ako doplnkový zdroj informácií,

2. Analýza potreby dodatočných údajov z pohľadu intervenčnej teórie. Proces zberu dát musí byť

založený na dizajne hodnotenia, ktorý je naopak z časti založený na intervenčnej teórii,

3. Porovnávacia skupina by mala mať adekvátnu veľkosť a mala by byť predmetom rovnakého

spôsobu zberu dát ako podporená skupina. Veľkosť porovnávacej skupiny nie je niekde presne

stanovená, závisí od veľkosti podporenej skupiny a dostupnosti dát. Z praxe a skúseností

z iných hodnotení býva jej veľkosť niekoľkonásobne väčšia ako veľkosť podporenej skupiny,

aby bola dosiahnutá istá štatistická významnosť.

4. Je potrebné skontrolovaťči iné intervencie alebo neočakávané udalosti a procesy neovplyvnili

porovnávaciu alebo podporenú skupinu (tzn. skontrolovaťči je porovnávacia skupina

ovplyvňovaná inými procesmi/udalosťami ako podporená skupina),

5. Východiskové údaje musia pokrývať relevantné indikátory vývoja/pokroku, ako aj jeho hlavné

determinanty, aby bolo v neskorších fázach možné určiťči mali okrem intervencie vplyv na vývoj

v sledovanom období aj iné faktory.

V prípade že za východiskové obdobie neexistujú dáta, je jednou z možností ich dodatočného získania

dopytovanie sa (výskum) priamo v teréne. Hoci je tento prístup často kritizovaný, je taktiež relevantným

zdrojom údajov a je na schopnostiach hodnotiteľov posúdiť ich váhu a kredibilitu.

237

14.1.4 Kvalita dát

Úspech každého hodnotenia závisí od kvality dostupných údajov. Na riešenie tohto problému za využíva

triangulácia a kombinácia metód. Ani tieto stratégie však samé o sebe nestačia na kontrolu kvality dát,

ktorá je potrebná na zaistenie neskreslených výsledkov. Hodnotitelia by si mali položiť nasledovné

otázky:

Aké techniky by bolo vhodné použiť na zlepšenie kvality dát (resp. zberu dát)?

− Ako riešiť chýbajúce údaje (chýbajúce pozorovania v databázach, chýbajúce premenné)?

− Ako riešiť chyby merania – Zodpovedá hodnota premennej alebo odpovedi na otázku jej reálnej

hodnote?

− Ako riešiť chyby špecifikácie – Zodpovedá dopytovaná otázka alebo meraná premenná oblasti

ktorú sa ňou snažíme pokryť?

Dovoľuje kvalita dát vykonaťšpecifickéštatistické analýzy? Nové postupy dátovej analýzy

a rozšírenie kvázi-experimentálnych metód sú pri hodnotení dopadov veľmi perspektívne, hoci

kvalita dát je často obmedzujúcim faktorom pri formulácii výsledkov a záverov (Deaton, 2005).

V prípade sekundárnych údajov je poznanie ich zdroja a procesu získavania faktorom, ktorý

môže podporiť alebo oslabiť validitu zistení.

14.1.5 Riešenie obmedzení dostupnosti dát

Podľa Bamberger et al., finančné prostriedky na výkon hodnotení bývajú zriedka zahrnuté do pôvodného

rozpočtu projektu/programu a preto musia byť hodnotenia vykonané s omnoho menším rozpočtom než

by bol za normálnych okolností alokovaný na takéto hodnotenie. Dôsledkom toho nie je možné

aplikovaťželané spôsoby zberu dát (napr. retrospektívne analýzy, výskumy na vzorke), alebo aplikovať

metódy na rekonštrukciu východiskových údajov a tvorbu kontrolných skupín. Problémy

s dostupnosťou a kvalitou dát bývajú determinovanéčasovými a rozpočtovými obmedzeniami.

V tabuľke nižšie sú uvedené rôzne scenáre postupov s obmedzeniami času, rozpočtu a dát.74

Hodnotiacescenáresčasovými, dátovýmia rozpočtovýmiobmedzeniami

Obmedzenie, s ktorým musí

byť hodnotenie vykonané

Príklady scenárov

Čas

Rozpočet

Dáta

x Hodnotenie sa iniciuje v neskoršej fáze projektu/programu a je

potrebné aby bolo ukončené do určitého dátumu, aby jeho

zistenia a závery mohli byť použité v následnom rozhodovacom

procese, nastavovaní obdobného programu resp. pre účely

vykazovania pokroku.

Aj v prípade adekvátneho nastavenia rozpočtu môžu

nastaťťažkosti so zberom a analýzou dát z rôznych zdrojov

z dôvodu časového obmedzenia trvania hodnotenia.

x Na hodnotenie sú alokované iba obmedzené finančné zdroje

z rozpočtu. Aj v prípade dostatočného časového rámca na výkon

hodnotenia môže byť z dôvodu nízkeho rozpočtu ťažké

zabezpečiť všetky potrebnéúdaje.

74LEEUV, F. VAESSEN, J. NONIE Guidance on Impact Evaluation: Impact Evaluations and Development. Washington. ISBN-10: 1-

60244-120-0.

238

Hodnotiacescenáresčasovými, dátovýmia rozpočtovýmiobmedzeniami

Obmedzenie, s ktorým musí

byť hodnotenie vykonané

Príklady scenárov

Čas

Rozpočet

Dáta

x Hodnotitelia sú prizvaní až v čase kedy je už projekt/program

v pokročilej fáze svojej realizácie. Z tohto dôvodu nemohla byť

vykonaná analýza východiskového stavu podporenej alebo

porovnávacej skupiny v potrebnom rozsahu. Takáto situácia je

nepríjemná pri hodnoteniach intervencií v oblastiach, v ktorých

sa systematicky nezbierajú údaje, resp. je obtiažne ich merať

(napr. domáce násilie, korupcia, otázky rodovej rovnosti a pod.).

x x Hodnotiteliamusiapracovaťpodčasovýmtlakomasobmedzenýmr

ozpočtom. Dáta získané zo sekundárnych

zdrojovmôžubyťkdispozícii, ale hodnotitelia

majúmáločasuazdrojov na ichanalýzu.

x x Hodnotitelia majú málo času a obmedzený prístup

k východiskovým údajom alebo kontrolnej skupine. Sú

k dispozícii zdroje na zber dodatočných údajov potrebných

k hodnoteniu, ale spôsob a metódy ich zberu sú obmedzené

nedostatkom času.

x x Hodnotitelia sú prizvaní v pokročilej fáze projektu/programu

s obmedzeným prístupom k východiskovým údajom alebo

kontrolnej skupine. Limitujúcim faktorom v tomto prípade nie je

čas ale finančné možnosti.

x x x Hodnotitelia sú prizvaní neskoro, majú obmedzený

rozpočet, obmedzený alebo žiadny prístup k východiskovým

údajom a nebola identifikovaná žiadna kontrolná skupina.

Zdroj: Bamberger et al. (2004)

14.1.6 Kľúčové body a odporúčania

So zberom dát je potrebné začaťčo najskôr,

Spoľahlivé údaje za východiskové obdobie sú nevyhnutným predpokladom na porozumenie

a odhad (estimáciu) dopadov,

V závislosti od druhu intervencie si zber dát za východiskové obdobie, ako aj nastavenie iných

aspektov hodnotenia vyžaduje efektívnu spoluprácu medzi hodnotiteľmi dopadov

a implementátorom intervencie,

Tvorcovia politík by mali zapojiť odborníkov na hodnotenia dopadov v čo najskoršej fáze návrhu

intervencie, aby boli schopní navrhnúťčo možno najkvalitnejšie hodnotenie,

Zaistenie kvalitného zberu dát by malo byť neoddeliteľnou súčasťou každého hodnotenia

dopadov,

Pri práci s údajmi zo sekundárnych zdrojov môže byť nedostatok informácií o kvalite zberu

týchto dát faktorom obmedzujúcim možnosti ich analýzy a validitu výsledkov,

Je potrebné byť si vedomý a zvoliť efektívny prístup riešenia obmedzení prítomných pri hodnotení

dopadov (čas, dáta, zdroje).

239

15 Prílohy

15.1 Použitá literatúra

Bondonio D. (2009): Impact identification strategies for evaluating business incentive programs,

Working Paper n. 145/09, POLIS Working Paper Series

(http://polis.unipmn.it/pubbl/RePEc/uca/ucapdv/bondonio145.pdf, 04/06/2015 )

Bondonio D. and Martini A. (2012): Final Report to DG Regional Policy: Counterfactual Impact Evaluation

of Cohesion Policy. Work Package 1: Examples from Enterprise Support, ASVAPP

(http://ec.europa.eu/regional_policy/information/evaluations/impact_evaluation_en.cfm#1, 04/06/2015)

Bondonio D. (2014): La valutazione impatto della misura II.10 innovazione e PMI, Evaluation report for

Piemonte Regione

Bondonio D. and Greenbaum R. T. (2014): Revitalizing regional economies through enterprise support

policies: An impact evaluation of multiple instruments, European Urban and Regional Studies, vol.21

n.1, pp. 79-103.

Ho D. E., Imay K., King G., Stuart E. A: (2007): Matching as Nonparametric Preprocessing for Reducing

Model Dependence in Parametric Causal Inference, Political Analysis, vol. 15. pp. 199-236

(http://gking.harvard.edu/files/matchp.pdf, 04/06/2015)

Sianesi, B. (2004): An Evaluation of the Swedish System of Active Labor Market Programs in the 1990s,

The Review of Economics and Statistics, 86(1), 133-155.

(http://www.researchgate.net/profile/Barbara_Sianesi/publication/24095887_An_Evaluation_of_the_S

wedish_System_of_Active_Labor_Market_Programs_in_the_1990s/links/02e7e51eea0e23431d00000

0.pdf, 04/06/2015)

Evalsed (2013): The Resource for the evaluation of Socio-Economic Development.

(http://ec.europa.eu/regional_policy/sources/docgener/evaluation/guide/guide_evalsed.pdf, 04/06/2015)

F. Leuuw (2012): Linking Theory Based Evaluation and Contribution Analysis: Three Problems and a

few Solutions. Sage Publications. (http://evi.sagepub.com/content/18/3/348.full.pdf+html, 04/06/2015)

Department for International Development (2012): Broadening the range of designs and methods for

impact evaluation – Report of a study commissioned by the Department for International Development,

Working Paper 38.

(https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/67427/desig

n-method-impact-eval.pdf, 04/06/2015)

Mayne, J. (2011): Contribution analysis: addressing cause and effect. In: Schwartz, R., Forss, K. and

Marra, M. (editors) Evaluating the Complex. Attribution, Contribution and Beyond, Transaction

Publishers

Weiss, C. (1995): Nothing as practical as good theory: Exploring theory-based evaluation for

comprehensive community initiatives for children and families. In: Connell, J. P. (editor): New

Approaches to Evaluating Community Initiatives. Concepts, Methods, and Contexts. Roundtable on

Comperhensive Community Initiatives for Children and Families, Aspen Inst. for Humanistic Studies,

New York, N.Y. (http://files.eric.ed.gov/fulltext/ED383817.pdf, 04/06/2015)

240

15.2 Dodatočné analýzy vykonané na vzorke zamietnutých

žiadateľov

NVA

By legal form

Table 1. Average impacts on net value added in euros, clustered by legal form (DD, control group:

rejected)

AVG IMPACTS NVA Total

observations Not missing p-value

significanc

e

Support/NV

A

Not enterprise NA 29 1 NA NA 6,85

Enterprise -106114 151 145 0,4523 - -3,00

AVG Total -106114 TOTAL GRANTS / TOTAL EXPECTED IMPACT -6,15

Table 2. Average impacts on net value added in euros, clustered by legal form (DDD, control group:

rejected)

AVG IMPACTS NVA Total

observations Not missing

p-

value

significanc

e

Support/NV

A

Not enterprise NA 29 1 NA NA 4,28

Enterprise -14043 151 145 0,9130 - -22,64


Table 3. Average impacts on net value added in euros, clustered by legal form (CDD1, control group:

rejected)

AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA

Not enterprise NA 29 1 NA NA NA

Enterprise 151302 151 146 0,4802 - 4,07

AVG Total 151302 TOTAL GRANTS / TOTAL EXPECTED IMPACT 4,31


rejected)



Enterprise 173727 151 129 0,3982 - 3,55


By firm age

241

Table 5. Average impacts on net value added in euros, clustered by firm age (DD, control group:

rejected)


Old 460231 76 49 0,2526 - 0,94

Medium -5613 93 88 0,9070 - -91,97

Young -74994 11 9 0,7631 - -21,57

AVG Total 186836,7 TOTAL GRANTS / TOTAL EXPECTED IMPACT 2,93

Table 6. Average impacts on net value added in euros, clustered by firm age (DDD, control group:

rejected)


Old 480423 76 49 0,1649 - 0,90

Medium 20047 93 88 0,7530 - 25,75

Young 193509 11 9 0,6970 - 8,36


Table 7. Average impacts on net value added in euros, clustered by firm age (CDD1, control group:

rejected)


Old 438322 76 50 0,3558 - 0,98

Medium 32929 93 88 0,8490 - 15,63

Young NA 11 9 0,7964 - -5,35



rejected)


Old 471964 76 49 0,2321 - 0,91

Medium 22895 93 74 0,9001 - 22,49

Young -83211 11 7 0,8763 - -19,44


NR

By legal form

242

Table 9. Average impacts on net revenue in euros, clustered by legal form (DD, control group:

rejected)

AVG IMPACTS NR Total observations Not missing p-value significance Support/NR

Not enterprise -49043 29 29 0,5994 - -23,01

Enterprise -105939 151 150 0,0825 * -3,00

AVG Total -96772,6 TOTAL GRANTS / TOTAL EXPECTED IMPACT -5,66

Table 10. Average impacts on net revenue in euros, clustered by legal form (DDD, control group:

rejected)


Not enterprise -145304 29 29 0,3197 - -7,77

Enterprise -24522 151 150 0,7408 - -12,97


Table 11. Average impacts on net revenue in euros, clustered by legal form (CDD1, control group:

rejected)


Not enterprise 3701 29 29 0,9824 - 142,04

Enterprise 30261 151 150 0,7830 - 20,37



rejected)



Enterprise -1562 151 131 0,9881 - -394,52


By firm age

Table 13. Average impacts on net revenue in euros, clustered by firm age (DD, control group:

rejected)


Old 64530 76 76 0,5653 - 6,67

Medium -4370 93 93 0,9216 - -118,14

Young 210871 11 10 0,0000 *** 7,67


243

Table 14. Average impacts on net revenue in euros, clustered by firm age (DDD, control group:

rejected)


Old 101987 76 76 0,4365 - 4,22

Medium 17962 93 93 0,7771 - 28,74

Young 334113 11 10 0,0823 * 4,84


Table 15. Average impacts on net revenue in euros, clustered by firm age (CDD1, control group:

rejected)


Old 51003 76 76 0,7788 - 8,44

Medium 7274 93 93 0,9371 - 70,78

Young 19506 11 10 0,9753 - 82,94


Table 16. Average impacts on net revenue in euros, clustered by firm age (CDD2, control group:

rejected)


Old 76327 76 51 0,7075 - 5,64

Medium -39215 93 75 0,6922 - -13,13

Young -72396 11 7 0,8371 - -22,35


FTE

By legal form

Table 17. Average impacts on the number of full-time equivalents, clustered by legal form (DD,

control group: rejected)

AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE

Not enterprise -0,1 29 27 0,9522 - -8284913,37

Enterprise -0,2 151 134 0,9116 - -2052277,34


Table 18. Average impacts on the number of full-time equivalents, clustered by legal form (DDD,



Not enterprise -2,3 29 27 0,3664 - -489691,86

Enterprise -3,4 151 134 0,0956 * -94853,43

244


Table 19. Average impacts on the number of full-time equivalents, clustered by legal form (CDD1,



Not enterprise 0,81 29 27 0,8806 - 648305,33

Enterprise 0,24 151 133 0,9810 - 2558021,3

8


0





Enterprise -3,17 151 127 0,7032 - -194338,73


By firm age

Table 21. Average impacts on the number of full-time equivalents, clustered by firm age (DD, control

group: rejected)


Old -0,6 76 71 0,7403 - -683336,69

Medium 1,2 93 80 0,4761 - 438455,24

Young -8,7 11 10 0,0000 *** -186590,75


Table 22. Average impacts on the number of full-time equivalents, clustered by firm age (DDD,



Old -3,8 76 71 0,0829 * -112176,41

Medium -0,3 93 80 0,9031 - -1502435,73

Young -12,2 11 10 0,1363 - -132117,99


Table 23. Average impacts on the number of full-time equivalents, clustered by firm age (CDD1,



Old 0,8 76 71 0,9593 - 524845,81

245

Medium 0,8 93 71 0,9593 - 627499,20

Young -3,0 11 9 0,9628 - -542368,25





Old 2,0 76 48 0,9176 - 211739,62

Medium 2,7 93 74 0,7180 - 189329,95

Young 12,0 11 7 0,6139 - 134400,79


15.3 Dodatočné analýzy vykonané na vzorke nezúčastnených

podnikov

NVA

By legal form


non-applicant)



Enterprise 212510 151 146 0,0364 ** 2,90



non-applicant)



Enterprise 232224 151 129 0,0098 *** 2,65


By firm age


non-applicant)


Old 553121 76 50 0,0936 * 0,78

Medium 57881 93 88 0,4551 - 8,89

246

Young NA 11 9 0,0000 *** 1,85



non-applicant)


Old 562984 76 49 0,0094 *** 0,76

Medium 47911 93 74 0,5579 - 10,75

Young 13770 11 6 0,7586 - 117,48


NR

By legal form


non-applicant)


Not enterprise -22018 29 29 0,8221 - -23,88

Enterprise 4935 151 150 0,9599 - 124,90



non-applicant)

AVG IMPACTS NR Total

observations Not missing p-value

significanc

e

Support/N

R


Enterprise -21652 151 131 0,7604 - -28,46


By firm age

Table 31. Average impacts on net revenue in euros, clustered by firm age (CDD1, control group: non-

applicant)


Old -37543 76 76 0,8767 - -11,47

Medium 5496 93 93 0,8935 - 93,66

Young -20428 11 10 0,6767 - -79,19


247

Table 32. Average impacts on net revenue in euros, clustered by firm age (CDD2, control group: non-

applicant)


Old -95191 76 51 0,6969 - -4,52

Medium -44083 93 75 0,2576 - -11,68

Young 689 11 7 0,9847 - 2347,08


FTE

By legal form


control group: non-applicant)


Not enterprise 7,09 29 27 0,0112 ** 74199,93

Enterprise -2,03 151 133 0,5351 - -303399,94






Enterprise 1,10 151 127 0,7287 - 559914,31


By firm age




Old -2,3 76 71 0,5757 - -190264,05

Medium 3,2 93 71 0,4754 - 162145,51

Young 1,1 11 9 0,8407 - 1509570,18





Old 5,5 76 34 0,1936 - 78664,14

248

Medium 2,8 93 74 0,5060 - 183475,37

Young 10,4 11 7 0,0169 ** 155896,85


15.4 Podrobné výsledky rovnice odhadujúcej propensity score

premennú

p46 Coef. Std. Err. z P>|z| [95% Conf. Interval]

zaradenie 0,000 8,54E-06 -39,02 0,000 -0,00035 -0,00032

muz -0,042 0,009365 -4,54 0,000 -0,06084 -0,02413

cas -0,008 0,000375 -20,12 0,000 -0,00829 -0,00682

np -0,241 0,04816 -5,01 0,000 -0,33578 -0,147

vek 0,007 0,000455 14,81 0,000 0,005854 0,007639

slobodny 0,007 0,014218 0,47 0,638 -0,02117 0,034558

zenaty 0,014 0,012356 1,16 0,245 -0,00986 0,038573

sk 0,050 0,069588 0,72 0,470 -0,08616 0,186618

slovak -0,046 0,038217 -1,2 0,231 -0,12064 0,029165

madar -0,158 0,040783 -3,87 0,000 -0,23793 -0,07807

neslovak 0,000 (omitted)

deti 0,056 0,030268 1,86 0,063 -0,00294 0,115704

Odbor (kódy podľa klasifikácie KOV)

11 -0,107 0,116389 -0,92 0,358 -0,33514 0,1211

12 -0,275 0,223694 -1,23 0,220 -0,71294 0,163929

13 -0,080 0,152512 -0,52 0,601 -0,37865 0,219182

14 -0,115 0,146416 -0,78 0,434 -0,40153 0,172414

15 -0,109 0,111995 -0,97 0,330 -0,32868 0,110328

16 0,073 0,092697 0,79 0,429 -0,10831 0,25506

19 0,355 0,382027 0,93 0,352 -0,39342 1,104097

21 -0,042 0,074524 -0,57 0,571 -0,18829 0,103844

22 -0,029 0,082523 -0,36 0,723 -0,19105 0,132438

23 -0,018 0,048381 -0,38 0,707 -0,11298 0,07667

24 -0,019 0,045655 -0,43 0,670 -0,10896 0,070007

25 0,025 0,151363 0,17 0,868 -0,27158 0,321751

26 -0,068 0,046105 -1,48 0,138 -0,15878 0,021946

27 0,074 0,082268 0,89 0,371 -0,0877 0,234789

28 -0,082 0,052847 -1,55 0,121 -0,18554 0,021616

29 -0,089 0,051891 -1,71 0,087 -0,19057 0,012835

31 -0,039 0,04684 -0,83 0,404 -0,13091 0,052702

32 -0,004 0,065095 -0,07 0,947 -0,13194 0,123224

33 -0,034 0,050401 -0,68 0,495 -0,13315 0,064419

34 -0,241 0,092178 -2,61 0,009 -0,4215 -0,06017

35 0,256 0,14886 1,72 0,086 -0,03579 0,547728

36 -0,042 0,046972 -0,89 0,375 -0,13374 0,050385

37 -0,045 0,050626 -0,88 0,377 -0,14391 0,05454

38 1,947 2,386455 0,82 0,415 -2,73034 6,624397

39 -0,121 0,053777 -2,26 0,024 -0,22677 -0,01597

249

41 -0,025 0,059472 -0,42 0,678 -0,14127 0,091855

42 -0,004 0,049932 -0,07 0,944 -0,10137 0,094361

43 -0,002 0,103751 -0,02 0,981 -0,20585 0,20085

45 -0,025 0,048658 -0,51 0,608 -0,1203 0,070437

51 -0,231 0,126489 -1,82 0,068 -0,47849 0,017336

52 -0,243 0,415043 -0,58 0,559 -1,05618 0,570761

53 -0,300 0,059648 -5,02 0,000 -0,41661 -0,18279

55 -0,303 0,20484 -1,48 0,139 -0,70486 0,098101

56 -0,180 0,192596 -0,94 0,349 -0,55783 0,197134

61 -0,002 0,087983 -0,03 0,978 -0,17484 0,170043

62 -0,061 0,051246 -1,19 0,234 -0,16148 0,039401

63 -0,133 0,045641 -2,91 0,004 -0,22206 -0,04315

64 -0,072 0,045233 -1,59 0,112 -0,16046 0,016855

67 -0,281 0,10723 -2,62 0,009 -0,49078 -0,07044

68 -0,310 0,068326 -4,54 0,000 -0,44404 -0,17621

71 -0,093 0,120329 -0,77 0,439 -0,32887 0,142813

72 -0,138 0,084019 -1,65 0,099 -0,30313 0,026223

73 -0,234 0,100427 -2,33 0,020 -0,43076 -0,03709

74 0,149 0,163226 0,92 0,360 -0,17045 0,469383

75 -0,010 0,058487 -0,17 0,865 -0,12456 0,104705

76 -0,100 0,051504 -1,94 0,052 -0,20082 0,001076

77 -0,014 0,120965 -0,11 0,911 -0,25067 0,223501

78 -0,091 0,118097 -0,77 0,443 -0,32201 0,140918

79 -0,239 0,184453 -1,3 0,195 -0,60071 0,122329

81 0,140 0,120964 1,15 0,249 -0,09756 0,376609

82 -0,086 0,062595 -1,38 0,168 -0,20907 0,036301

85 -0,059 0,076815 -0,77 0,441 -0,20979 0,091315

91 0,096 0,175813 0,55 0,585 -0,2487 0,440472

92 -0,119 0,110839 -1,07 0,284 -0,33596 0,09852

94 0,000 (empty)

95 -0,121 0,084438 -1,43 0,152 -0,28633 0,04466

96 0,000 (empty)

97 0,814 0,784328 1,04 0,299 -0,72346 2,351049

98 1,409 0,481736 2,92 0,003 0,464733 2,353105

zdravy -0,149 0,021041 -7,08 0,000 -0,19014 -0,10766

zam_predE 0,076 0,087959 0,87 0,387 -0,09627 0,248523

isco1

1 0,077 0,059153 1,31 0,190 -0,03849 0,193386

2 0,078 0,056612 1,38 0,166 -0,03257 0,189341

3 0,055 0,053606 1,02 0,308 -0,05039 0,159737

4 0,040 0,054326 0,73 0,465 -0,06676 0,146192

5 0,000 0,053602 -0,01 0,994 -0,10545 0,104663

6 -0,152 0,069009 -2,21 0,027 -0,28758 -0,01707

7 -0,036 0,053422 -0,68 0,497 -0,14101 0,068407

8 -0,041 0,053817 -0,77 0,444 -0,14667 0,064292

9 -0,108 0,052958 -2,05 0,041 -0,21212 -0,00453

szco 0,036 0,060177 0,6 0,552 -0,08212 0,15377

zam 0,180 0,057157 3,15 0,002 0,068055 0,292105

250

minev 0,314 0,009071 34,57 0,000 0,295857 0,331416

cj 0,237 0,009472 24,98 0,000 0,218042 0,25517

vp 0,057 0,011485 4,94 0,000 0,034232 0,079251

pc 0,049 0,013416 3,68 0,000 0,023019 0,075608

prekazka -0,078 0,014009 -5,53 0,000 -0,10497 -0,05005

neznev -0,201 0,012126 -16,62 0,000 -0,22524 -0,17771

ucast_aotp 4,702 0,226473 20,76 0,000 4,258239 5,145996

p51 -1,087 0,019698 -55,21 0,000 -1,12605 -1,04883

p52 -0,755 0,019244 -39,24 0,000 -0,7928 -0,71737

p49 1,118 0,017593 63,57 0,000 1,083887 1,15285

p50 -0,231 0,018878 -12,25 0,000 -0,26821 -0,19421

aotp_ine -0,018 0,019058 -0,97 0,333 -0,05578 0,01892

prax -0,006 0,001282 -4,88 0,000 -0,00877 -0,00374

dozar 0,000 5,55E-06 1,47 0,140 -2,69E-06 1,91E-05

nace2 (klasifikácia NACE 2.0)

2 -0,078 0,051734 -1,52 0,129 -0,17986 0,022933

3 0,000 (empty)

5 0,360 0,126231 2,85 0,004 0,112536 0,607353

6 0,000 (empty)

7 0,503 0,130944 3,84 0,000 0,246001 0,759293

8 0,145 0,128264 1,13 0,258 -0,10622 0,396571

9 0,414 0,182951 2,26 0,024 0,054928 0,772083

10 0,137 0,039258 3,49 0,000 0,059922 0,213812

11 0,053 0,077752 0,68 0,494 -0,09916 0,205625

12 -0,452 0,361 -1,25 0,211 -1,15918 0,255911

13 0,089 0,055233 1,6 0,109 -0,01967 0,196841

14 0,163 0,038941 4,2 0,000 0,087132 0,239776

15 0,126 0,047447 2,65 0,008 0,032507 0,218494

16 0,167 0,042236 3,94 0,000 0,083788 0,24935

17 0,225 0,072186 3,11 0,002 0,083187 0,366152

18 0,125 0,080709 1,55 0,121 -0,03297 0,283406

19 0,375 0,259583 1,44 0,149 -0,13381 0,88374

20 0,075 0,066367 1,14 0,255 -0,0546 0,205555

21 0,153 0,168307 0,91 0,364 -0,17698 0,482767

22 0,187 0,041686 4,5 0,000 0,105772 0,269179

23 0,216 0,044342 4,87 0,000 0,129074 0,302892

24 0,271 0,053614 5,05 0,000 0,16564 0,375803

25 0,191 0,036669 5,2 0,000 0,118634 0,262375

26 0,145 0,043099 3,37 0,001 0,060833 0,229777

27 0,079 0,040726 1,93 0,053 -0,00118 0,158458

28 0,075 0,04118 1,83 0,067 -0,00532 0,156101

29 0,267 0,036228 7,36 0,000 0,195686 0,337698

30 0,315 0,090935 3,47 0,001 0,137069 0,493526

31 0,195 0,048379 4,03 0,000 0,099905 0,289546

32 0,161 0,059446 2,71 0,007 0,044678 0,2777

33 0,095 0,065453 1,45 0,148 -0,0336 0,222974

35 0,253 0,067229 3,77 0,000 0,121605 0,385138

36 0,358 0,110007 3,25 0,001 0,142332 0,573553

37 0,067 0,314438 0,21 0,830 -0,54884 0,683739

38 0,009 0,065154 0,14 0,887 -0,11845 0,136949

251

39 -0,516 0,453943 -1,14 0,256 -1,40546 0,373961

41 0,073 0,040238 1,8 0,071 -0,00632 0,151405

42 0,042 0,054938 0,77 0,443 -0,06553 0,149824

43 0,071 0,03684 1,92 0,055 -0,00138 0,143035

45 0,172 0,050116 3,44 0,001 0,074124 0,270575

46 0,093 0,033759 2,74 0,006 0,02644 0,158772

47 0,128 0,032762 3,9 0,000 0,063431 0,191856

49 0,113 0,041913 2,7 0,007 0,03082 0,195117

50 0,093 0,372135 0,25 0,803 -0,63641 0,822329

51 0,108 0,239146 0,45 0,652 -0,3609 0,57653

52 0,182 0,055254 3,29 0,001 0,07327 0,289861

53 0,092 0,058312 1,58 0,115 -0,02235 0,206223

55 0,030 0,051854 0,58 0,562 -0,07158 0,131685

56 0,075 0,0403 1,86 0,062 -0,0039 0,154075

58 0,160 0,086293 1,85 0,064 -0,00922 0,329045

59 0,308 0,173613 1,77 0,076 -0,03271 0,647844

60 0,591 0,221927 2,66 0,008 0,156125 1,026062

61 0,341 0,082031 4,16 0,000 0,180705 0,502259

62 0,033 0,071214 0,46 0,646 -0,10691 0,172242

63 0,063 0,100372 0,62 0,532 -0,13402 0,259435

64 0,180 0,053241 3,38 0,001 0,075816 0,284518

65 0,217 0,068686 3,16 0,002 0,082498 0,351742

66 0,231 0,092403 2,5 0,013 0,049591 0,411805

68 0,201 0,043704 4,59 0,000 0,114908 0,286225

69 0,126 0,053575 2,35 0,019 0,021117 0,231128

70 0,075 0,060428 1,23 0,217 -0,04388 0,19299

71 0,097 0,058577 1,65 0,099 -0,01804 0,211583

72 0,251 0,11982 2,09 0,037 0,015666 0,485352

73 0,054 0,064986 0,83 0,408 -0,07365 0,181087

74 0,170 0,077558 2,2 0,028 0,018234 0,322254

75 0,204 0,350492 0,58 0,561 -0,48311 0,890791

77 0,166 0,09064 1,83 0,067 -0,01176 0,343545

78 0,139 0,03636 3,81 0,000 0,067265 0,209796

79 0,084 0,101072 0,83 0,406 -0,1141 0,282095

80 0,017 0,052985 0,32 0,752 -0,08707 0,120623

81 -0,048 0,054072 -0,88 0,379 -0,1535 0,058456

82 0,069 0,051547 1,35 0,178 -0,0316 0,170463

84 0,002 0,033823 0,05 0,960 -0,06461 0,067973

85 0,030 0,041057 0,73 0,464 -0,05043 0,11051

86 0,028 0,047923 0,59 0,554 -0,06559 0,122262

87 0,014 0,062817 0,22 0,822 -0,10901 0,137229

88 0,056 0,092637 0,6 0,549 -0,12602 0,237108

90 0,138 0,123215 1,12 0,261 -0,10303 0,379959

91 -0,063 0,107764 -0,58 0,560 -0,27401 0,148419

92 0,100 0,089111 1,12 0,262 -0,07473 0,274577

93 -0,053 0,069893 -0,76 0,449 -0,1899 0,084075

94 -0,084 0,050545 -1,67 0,096 -0,18328 0,014853

95 0,277 0,108899 2,54 0,011 0,063196 0,490072

96 0,118 0,056559 2,09 0,037 0,007322 0,22903

97 1,020 0,890035 1,15 0,252 -0,72473 2,764144

99 0,000 (empty)

252

100 0,106 0,037504 2,83 0,005 0,032762 0,179776

najvz

Neukončená ZŠ -0,347 0,081833 -4,24 0,000 -0,50765 -0,18687

ZŠ -0,041 0,020681 -1,97 0,049 -0,08123 -0,00016

Nižšie SŠ odborné vzdelanie 0,081 0,065433 1,24 0,217 -0,04742 0,209069

SŠ odborné 0,121 0,045249 2,67 0,008 0,032134 0,209508

Úplné SŠ odborné 0,237 0,045022 5,27 0,000 0,148944 0,325427

Úplné SŠ všeobecné 0,379 0,18396 2,06 0,039 0,018477 0,739586

Vyššie odborné vzdelanie 0,216 0,114379 1,89 0,059 -0,00793 0,440423

Bc. 0,111 0,059848 1,86 0,063 -0,00605 0,22855

Ing./Mgr. -0,094 0,046003 -2,04 0,041 -0,18417 -0,00384

Ph.D. -0,453 0,190176 -2,38 0,017 -0,82551 -0,08004

dni_predev -0,001 3,56E-05 -21,18 0,000 -0,00083 -0,00069

doev 0,000 5,59E-06 1,23 0,220 -4,10E-06 1,78E-05

pocevpred -0,128 0,006926 -18,53 0,000 -0,14189 -0,11474

urad

Malacky -0,676 0,03688 -18,33 0,000 -0,74814 -0,60357

Pezinok -0,055 0,029751 -1,86 0,062 -0,11375 0,002869

Dunajská Streda -0,605 0,033927 -17,82 0,000 -0,67123 -0,53824

Galanta -0,666 0,03465 -19,23 0,000 -0,73433 -0,5985

Piešťany -0,508 0,031765 -15,98 0,000 -0,56979 -0,44527

Senica -0,901 0,032785 -27,47 0,000 -0,96482 -0,83631

Trnava -1,016 0,032154 -31,61 0,000 -1,07935 -0,95331

Partizánske -0,836 0,030863 -27,07 0,000 -0,896 -0,77502

Nové Mesto nad Váhom -0,719 0,03581 -20,07 0,000 -0,78884 -0,64847

Považská Bystrica -0,966 0,031519 -30,65 0,000 -1,02772 -0,90416

Prievidza -1,154 0,032382 -35,64 0,000 -1,21752 -1,09059

Trenčín -0,447 0,030755 -14,55 0,000 -0,50762 -0,38706

Komárno -0,698 0,034942 -19,97 0,000 -0,76642 -0,62945

Levice -1,169 0,031057 -37,62 0,000 -1,22938 -1,10764

Nitra -0,842 0,030125 -27,94 0,000 -0,90071 -0,78262

Nové Zámky -1,112 0,029482 -37,73 0,000 -1,17013 -1,05457

Topoľčany -0,687 0,033646 -20,43 0,000 -0,75325 -0,62136

Čadca -0,850 0,035534 -23,91 0,000 -0,91929 -0,78

Dolný Kubín -0,893 0,039983 -22,32 0,000 -0,97088 -0,81415

Námestovo -1,116 0,033371 -33,45 0,000 -1,18183 -1,05101

Liptovský Mikuláš -0,658 0,03445 -19,09 0,000 -0,72522 -0,59017

Martin -1,153 0,03511 -32,84 0,000 -1,22175 -1,08412

Ružomberok -1,146 0,048409 -23,68 0,000 -1,24095 -1,0512

Žilina -0,653 0,031515 -20,73 0,000 -0,71522 -0,59168

Banská Bystrica -0,740 0,033732 -21,93 0,000 -0,80598 -0,67375

Banská Štiavnica -0,892 0,032799 -27,19 0,000 -0,95619 -0,82762

Brezno -1,113 0,042807 -26 0,000 -1,19672 -1,02893

Lučenec -1,067 0,029421 -36,26 0,000 -1,12447 -1,00914

Revúca -0,937 0,035697 -26,26 0,000 -1,00738 -0,86745

Rimavská Sobota -1,007 0,032302 -31,18 0,000 -1,07037 -0,94375

Veľký Krtíš -0,719 0,034374 -20,93 0,000 -0,78674 -0,652

Zvolen -1,012 0,029916 -33,84 0,000 -1,07112 -0,95385

253

Bardejov -1,131 0,032345 -34,98 0,000 -1,19477 -1,06798

Humenné -1,001 0,033097 -30,24 0,000 -1,06566 -0,93592

Poprad -1,037 0,034817 -29,77 0,000 -1,1048 -0,96832

Prešov -1,374 0,028509 -48,21 0,000 -1,43024 -1,31848

Stará Ľubovňa -0,713 0,033668 -21,17 0,000 -0,77875 -0,64678

Stropkov -0,617 0,041229 -14,96 0,000 -0,69756 -0,53595

Vranov nad Topľou -1,039 0,032735 -31,73 0,000 -1,10276 -0,97444

Košice -1,571 0,028883 -54,38 0,000 -1,62715 -1,51393

Michalovce -1,356 0,032747 -41,4 0,000 -1,41981 -1,29145

Rožňava -0,710 0,031291 -22,68 0,000 -0,77096 -0,6483

Spišská Nová Ves -1,130 0,029874 -37,82 0,000 -1,1884 -1,0713

Trebišov -1,230 0,035254 -34,89 0,000 -1,29928 -1,16109

Kežmarok -1,058 0,037003 -28,59 0,000 -1,1304 -0,98535

_cons 0,878 0,287099 3,06 0,002 0,315351 1,44076

15.5 Podrobné výsledky regresného modelu odhadujúceho dopad

opatrenia na príjem účastníkov 12 mesiacov od ukončenia

účasti na opatrení

prijem12 | Coef. Std. Err. t P>|t| [95% Conf. Interval]

p46 | -52,1008 2,272805 -22,92 0 -56,5554 -47,6461

zaradenie | 0,048164 0,000553 87,18 0 0,047081 0,049247

muz | 34,53062 0,732277 47,16 0 33,09538 35,96586

cas | -0,2307 0,028891 -7,99 0 -0,28732 -0,17407

np | 7,188825 2,675867 2,69 0,007 1,944219 12,43343

vek | -1,56879 0,035355 -44,37 0 -1,63808 -1,49949

slobodny | -13,7877 1,147563 -12,01 0 -16,0369 -11,5386

zenaty | 31,63895 1,016834 31,12 0 29,64599 33,63191

sk | -85,7099 3,751071 -22,85 0 -93,0619 -78,358

slovak | 36,91997 2,977994 12,4 0 31,08321 42,75674

madar | 14,27705 3,195146 4,47 0 8,01468 20,53943

neslovak | 0 (omitted)

deti | 13,7232 2,06859 6,63 0 9,66884 17,77757

|

odbor |

11 | 178,8398 8,343875 21,43 0 162,4861 195,1935

12 | 40,31781 15,85038 2,54 0,011 9,251609 71,38401

13 | 13,95352 11,08077 1,26 0,208 -7,76441 35,67145

14 | 126,7204 10,78068 11,75 0 105,5907 147,8502

15 | 5,184171 8,647277 0,6 0,549 -11,7642 22,13254

16 | 23,28766 7,778503 2,99 0,003 8,042062 38,53325

254

19 | 56,77643 23,14515 2,45 0,014 11,41274 102,1401

21 | 83,31684 5,674918 14,68 0 72,19419 94,43948

22 | 109,0765 6,468371 16,86 0 96,39875 121,7543

23 | 121,3228 3,483164 34,83 0 114,496 128,1497

24 | 117,3789 3,086026 38,04 0 111,3304 123,4274

25 | 364,6437 9,612733 37,93 0 345,803 383,4843

26 | 133,3935 3,134966 42,55 0 127,2491 139,538

27 | 87,13291 7,226354 12,06 0 72,96951 101,2963

28 | 104,1319 3,976546 26,19 0 96,33797 111,9258

29 | 87,32513 3,664069 23,83 0 80,14368 94,50658

31 | 98,0228 3,30959 29,62 0 91,53612 104,5095

32 | 100,1266 5,121799 19,55 0 90,08804 110,1651

33 | 90,70015 3,494083 25,96 0 83,85187 97,54843

34 | 71,93038 7,010225 10,26 0 58,19058 85,67018

35 | -128,848 11,92849 -10,8 0 -152,228 -105,469

36 | 80,44566 3,174468 25,34 0 74,22381 86,6675

37 | 108,9285 3,583104 30,4 0 101,9057 115,9512

38 | 214,9255 99,84477 2,15 0,031 19,23324 410,6178

39 | 98,0596 3,916493 25,04 0 90,38341 105,7358

41 | 17,22976 4,686693 3,68 0 8,044003 26,41551

42 | 87,62832 3,702455 23,67 0 80,37163 94,885

43 | 26,70252 7,858544 3,4 0,001 11,30005 42,105

45 | 88,57296 3,411655 25,96 0 81,88623 95,25968

51 | 293,7298 5,860728 50,12 0 282,243 305,2166

52 | 521,7174 11,16327 46,74 0 499,8378 543,5971

53 | 106,7699 4,181476 25,53 0 98,57439 114,9655

55 | 69,55881 14,4244 4,82 0 41,28748 97,83013

56 | 106,7646 10,76796 9,92 0 85,65979 127,8695

61 | -18,491 6,866746 -2,69 0,007 -31,9495 -5,03237

62 | 186,5104 3,611289 51,65 0 179,4324 193,5884

63 | 83,69603 3,150909 26,56 0 77,52035 89,8717

64 | 80,16517 3,069557 26,12 0 74,14894 86,18139

67 | 65,31196 7,085205 9,22 0 51,4252 79,19872

68 | 66,57546 4,77284 13,95 0 57,22086 75,93007

71 | -37,2687 9,500843 -3,92 0 -55,89 -18,6473

72 | 33,29756 6,157514 5,41 0 21,22904 45,36607

73 | 46,01434 6,800291 6,77 0 32,68601 59,34268

74 | -51,2547 11,36819 -4,51 0 -73,5359 -28,9734

75 | -2,32721 4,466243 -0,52 0,602 -11,0809 6,426478

255

76 | 49,14789 3,69637 13,3 0 41,90313 56,39265

77 | 50,44849 8,796627 5,73 0 33,20741 67,68957

78 | 62,73586 6,90702 9,08 0 49,19834 76,27338

79 | 54,56794 11,07083 4,93 0 32,8695 76,26638

81 | -25,3917 9,638563 -2,63 0,008 -44,2829 -6,50041

82 | 4,318128 4,706794 0,92 0,359 -4,90703 13,54328

85 | 83,92558 6,086623 13,79 0 71,99601 95,85515

91 | 20,23136 13,48804 1,5 0,134 -6,20473 46,66746

92 | -25,4983 8,089332 -3,15 0,002 -41,3531 -9,6435

94 | -29,8738 85,61246 -0,35 0,727 -197,671 137,9237

95 | 77,38005 7,15061 10,82 0 63,3651 91,39499

96 | -83,7046 63,11996 -1,33 0,185 -207,418 40,00835

97 | -60,9285 45,00869 -1,35 0,176 -149,144 27,287

98 | -102,056 33,37756 -3,06 0,002 -167,475 -36,6368

|

zdravy | 95,97298 1,843028 52,07 0 92,3607 99,58525

zam_predE | -21,0704 6,149265 -3,43 0,001 -33,1228 -9,01806

|

isco1 |

1 | 198,9654 4,32416 46,01 0 190,4902 207,4406

2 | 46,19168 4,085511 11,31 0 38,18422 54,19914

3 | 7,051917 3,823711 1,84 0,065 -0,44242 14,54626

4 | -26,4012 3,916938 -6,74 0 -34,0783 -18,7241

5 | -49,8378 3,810437 -13,08 0 -57,3061 -42,3695

6 | -64,1317 4,931966 -13 0 -73,7982 -54,4652

7 | -49,2348 3,792161 -12,98 0 -56,6673 -41,8023

8 | -34,9776 3,827348 -9,14 0 -42,4791 -27,4762

9 | -67,974 3,753724 -18,11 0 -75,3312 -60,6168

|

szco | 23,03978 4,229109 5,45 0 14,75087 31,32868

zam | 105,5008 4,031371 26,17 0 97,5994 113,4021

minev | -57,3317 0,698359 -82,09 0 -58,7004 -55,9629

cj | 18,51273 0,713889 25,93 0 17,11353 19,91193

vp | -23,1639 0,887961 -26,09 0 -24,9043 -21,4235

pc | -29,1421 1,019742 -28,58 0 -31,1407 -27,1434

prekazka | -5,92313 0,969029 -6,11 0 -7,82239 -4,02387

neznev | 95,68902 0,973921 98,25 0 93,78016 97,59787

absolvent | 0 (omitted)

nad50 | 0 (omitted)

256

dn | 0 (omitted)

ucast_aotp | 16,29911 0,940807 17,32 0 14,45516 18,14306

p51 | -4,74598 2,150819 -2,21 0,027 -8,96151 -0,53045

p52 | -16,5213 1,995252 -8,28 0 -20,4319 -12,6106

p49 | -131,016 2,184419 -59,98 0 -135,298 -126,735

p50 | 55,526 1,857309 29,9 0 51,88573 59,16626

aotp_ine | -27,9625 2,042612 -13,69 0 -31,9659 -23,959

prax | 3,638192 0,082692 44 0 3,476118 3,800266

dozar | -0,02783 0,000377 -73,74 0 -0,02857 -0,02709

|

nace2 |

2 | -13,6279 3,888202 -3,5 0 -21,2487 -6,0072

3 | -90,2619 51,76762 -1,74 0,081 -191,725 11,20081

5 | -40,3987 10,68285 -3,78 0 -61,3367 -19,4607

6 | -69,1695 186,4872 -0,37 0,711 -434,678 296,339

7 | -0,3333 18,45158 -0,02 0,986 -36,4978 35,83115

8 | 65,42469 9,986748 6,55 0 45,85101 84,99837

9 | 391,7927 13,95009 28,09 0 364,451 419,1343

10 | 11,31397 3,179465 3,56 0 5,082333 17,54561

11 | 56,91229 6,444093 8,83 0 44,28209 69,54249

12 | 20,74713 41,51528 0,5 0,617 -60,6214 102,1156

13 | 12,34521 4,979222 2,48 0,013 2,586104 22,10431

14 | 1,417709 3,350083 0,42 0,672 -5,14834 7,983756

15 | 4,185514 4,082098 1,03 0,305 -3,81526 12,18628

16 | -5,86335 3,335951 -1,76 0,079 -12,4017 0,675

17 | 12,15951 6,350606 1,91 0,056 -0,28746 24,60648

18 | 3,937003 6,897946 0,57 0,568 -9,58273 17,45674

19 | 228,3337 18,79814 12,15 0 191,49 265,1774

20 | 27,65926 5,819105 4,75 0 16,25402 39,06451

21 | 42,65719 13,64304 3,13 0,002 15,91731 69,39707

22 | 25,66489 3,409305 7,53 0 18,98277 32,34701

23 | -0,11451 3,835442 -0,03 0,976 -7,63185 7,402821

24 | 48,08385 4,566457 10,53 0 39,13376 57,03395

25 | 10,76183 2,912533 3,7 0 5,053369 16,4703

26 | 16,33125 3,55122 4,6 0 9,370978 23,29151

27 | 20,90387 3,350785 6,24 0 14,33645 27,47129

28 | 48,36391 3,440783 14,06 0 41,62009 55,10773

29 | 28,96023 2,985843 9,7 0 23,10808 34,81238

30 | -6,2521 8,130417 -0,77 0,442 -22,1874 9,683232

257

31 | 6,366924 4,117243 1,55 0,122 -1,70273 14,43658

32 | -20,1827 4,998812 -4,04 0 -29,9802 -10,3852

33 | 24,53518 5,232394 4,69 0 14,27986 34,79049

35 | -0,88677 5,795493 -0,15 0,878 -12,2457 10,4722

36 | -32,8592 10,07296 -3,26 0,001 -52,6019 -13,1166

37 | 10,93141 22,97802 0,48 0,634 -34,1047 55,96754

38 | -0,31812 5,100813 -0,06 0,95 -10,3155 9,6793

39 | -18,5839 24,85914 -0,75 0,455 -67,307 30,13912

41 | -26,3573 2,992312 -8,81 0 -32,2221 -20,4925

42 | 46,10335 3,77855 12,2 0 38,69752 53,50918

43 | -24,5412 2,746076 -8,94 0 -29,9235 -19,159

45 | 13,30279 3,862142 3,44 0,001 5,733121 20,87245

46 | 8,385718 2,641844 3,17 0,002 3,207795 13,56364

47 | -9,33001 2,565533 -3,64 0 -14,3584 -4,30166

49 | 9,995275 3,096999 3,23 0,001 3,925265 16,06529

50 | -84,9457 26,28124 -3,23 0,001 -136,456 -33,4354

51 | 109,8901 14,85255 7,4 0 80,77957 139,0005

52 | 26,59306 4,318368 6,16 0 18,12921 35,05691

53 | -20,8765 5,164157 -4,04 0 -30,998 -10,7549

55 | -16,903 4,109715 -4,11 0 -24,9579 -8,84814

56 | -34,8586 3,086905 -11,29 0 -40,9089 -28,8084

58 | 11,13598 7,063655 1,58 0,115 -2,70854 24,9805

59 | -45,5887 15,0083 -3,04 0,002 -75,0045 -16,173

60 | 52,93901 16,62851 3,18 0,001 20,34769 85,53032

61 | 130,6698 6,344193 20,6 0 118,2354 143,1042

62 | 181,1039 5,414722 33,45 0 170,4912 191,7166

63 | 68,16112 8,078018 8,44 0 52,32848 83,99375

64 | 135,111 4,477323 30,18 0 126,3356 143,8864

65 | 35,0053 6,222083 5,63 0 22,81024 47,20037

66 | 2,274173 7,411703 0,31 0,759 -12,2525 16,80086

68 | 1,845544 3,716516 0,5 0,619 -5,4387 9,129788

69 | 25,2878 4,443602 5,69 0 16,57849 33,99711

70 | 58,63382 4,42183 13,26 0 49,96719 67,30046

71 | -11,3206 4,689067 -2,41 0,016 -20,511 -2,13018

72 | -17,2529 9,816841 -1,76 0,079 -36,4936 1,987777

73 | 37,92801 5,059994 7,5 0 28,01059 47,84542

74 | -0,58205 6,46155 -0,09 0,928 -13,2465 12,08236

75 | -88,9165 32,87415 -2,7 0,007 -153,349 -24,4843

77 | 13,3449 7,041117 1,9 0,058 -0,45545 27,14524

258

78 | -2,51376 2,810284 -0,89 0,371 -8,02182 2,994303

79 | -31,1103 8,606508 -3,61 0 -47,9787 -14,2418

80 | -5,68872 4,129178 -1,38 0,168 -13,7818 2,404324

81 | -15,6327 3,994428 -3,91 0 -23,4617 -7,8038

82 | 4,529592 4,174896 1,08 0,278 -3,65306 12,71224

84 | -24,7694 2,676508 -9,25 0 -30,0152 -19,5235

85 | -22,5427 3,263019 -6,91 0 -28,9381 -16,1473

86 | -13,5564 3,824139 -3,54 0 -21,0515 -6,06117

87 | -14,8379 5,48268 -2,71 0,007 -25,5837 -4,092

88 | -39,893 8,739789 -4,56 0 -57,0227 -22,7634

90 | -63,0236 10,79418 -5,84 0 -84,1798 -41,8674

91 | -43,2134 10,16806 -4,25 0 -63,1425 -23,2844

92 | -32,2936 7,15148 -4,52 0 -46,3103 -18,277

93 | -41,7782 5,454734 -7,66 0 -52,4693 -31,0871

94 | -33,3375 4,548462 -7,33 0 -42,2523 -24,4227

95 | 0,466599 9,059525 0,05 0,959 -17,2898 18,22295

96 | -33,9572 4,706527 -7,21 0 -43,1819 -24,7326

97 | -74,4006 131,8778 -0,56 0,573 -332,877 184,0753

99 | 151,9963 38,9604 3,9 0 75,63525 228,3573

100 | -12,2674 2,815279 -4,36 0 -17,7853 -6,74956

|

najvz |

Neukončená ZŠ | -65,0167 4,709049 -13,81 0 -74,2463 -55,7871

ZŠ | -55,643 1,471183 -37,82 0 -58,5265 -52,7595

Nižšie SŠ odborné vzdelanie | -105,843 4,438658 -23,85 0 -114,543 -97,1436

SŠ odborné | -83,6835 3,055678 -27,39 0 -89,6725 -77,6945

Úplné SŠ odborné | -47,4753 3,048923 -15,57 0 -53,4511 -41,4995

Úplné SŠ všeobecné | -35,5185 11,01987 -3,22 0,001 -57,1171 -13,9199

Vyššie odborné vzdelanie | -68,2581 8,564987 -7,97 0 -85,0452 -51,471

Bc. | -16,4768 4,504612 -3,66 0 -25,3057 -7,64792

Ing./Mgr. | 178,0495 3,189027 55,83 0 171,7991 184,2999

Ph.D. | 221,6335 10,34843 21,42 0 201,351 241,9161

|

dni_predev | -0,01787 0,002147 -8,32 0 -0,02207 -0,01366

doev | -0,00101 0,000382 -2,64 0,008 -0,00176 -0,00026

pocevpred | -12,7937 0,408497 -31,32 0 -13,5943 -11,9931

|

urad |

Malacky | -18,2539 3,12043 -5,85 0 -24,3698 -12,1379

259

Pezinok | -30,1483 2,474678 -12,18 0 -34,9985 -25,298

Dunajská Streda | -116,562 2,690425 -43,32 0 -121,835 -111,289

Galanta | -99,0354 2,53374 -39,09 0 -104,002 -94,0694

Piešťany | -92,5722 2,518358 -36,76 0 -97,5081 -87,6364

Senica | -100,59 2,42975 -41,4 0 -105,352 -95,8273

Trnava | -57,5314 2,393783 -24,03 0 -62,2231 -52,8397

Partizánske | -135,238 2,45692 -55,04 0 -140,053 -130,422

Nové Mesto nad Váhom | -83,931 2,818205 -29,78 0 -89,4546 -78,4074

Považská Bystrica | -126,372 2,320016 -54,47 0 -130,919 -121,825

Prievidza | -126,948 2,220763 -57,16 0 -131,3 -122,595

Trenčín | -116,878 2,17961 -53,62 0 -121,15 -112,606

Komárno | -153,68 2,491705 -61,68 0 -158,564 -148,797

Levice | -149,469 2,37073 -63,05 0 -154,116 -144,823

Nitra | -118,583 1,9547 -60,67 0 -122,415 -114,752

Nové Zámky | -121,767 1,955204 -62,28 0 -125,6 -117,935

Topoľčany | -129,115 2,830551 -45,61 0 -134,662 -123,567

Čadca | -170,396 2,556778 -66,64 0 -175,407 -165,384

Dolný Kubín | -131,822 3,427184 -38,46 0 -138,539 -125,105

Námestovo | -184,108 2,35164 -78,29 0 -188,718 -179,499

Liptovský Mikuláš | -116,242 2,818282 -41,25 0 -121,765 -110,718

Martin | -115,375 2,395254 -48,17 0 -120,069 -110,68

Ružomberok | -181,314 3,571604 -50,77 0 -188,314 -174,314

Žilina | -99,617 2,017073 -49,39 0 -103,57 -95,6636

Banská Bystrica | -138,346 2,339913 -59,12 0 -142,932 -133,76

Banská Štiavnica | -130,712 2,596596 -50,34 0 -135,801 -125,622

Brezno | -165,858 3,00256 -55,24 0 -171,742 -159,973

Lučenec | -181,967 2,315022 -78,6 0 -186,505 -177,43

Revúca | -174,128 3,311031 -52,59 0 -180,617 -167,638

Rimavská Sobota | -174,734 2,686936 -65,03 0 -180 -169,468

Veľký Krtíš | -163,668 3,188704 -51,33 0 -169,918 -157,418

Zvolen | -127,002 2,288949 -55,48 0 -131,488 -122,516

Bardejov | -198,991 2,173637 -91,55 0 -203,252 -194,731

Humenné | -206,603 2,459982 -83,99 0 -211,425 -201,782

Poprad | -168,205 2,434907 -69,08 0 -172,977 -163,432

Prešov | -181,806 1,824506 -99,65 0 -185,382 -178,23

Stará Ľubovňa | -199,745 3,063636 -65,2 0 -205,75 -193,741

Stropkov | -213,158 4,129366 -51,62 0 -221,252 -205,065

Vranov nad Topľou | -192,419 2,633177 -73,07 0 -197,58 -187,258

Košice | -159,773 1,764366 -90,56 0 -163,231 -156,315

260

Michalovce | -193,767 2,221045 -87,24 0 -198,12 -189,414

Rožňava | -183,866 2,834736 -64,86 0 -189,422 -178,31

Spišská Nová Ves | -175,915 2,196709 -80,08 0 -180,22 -171,609

Trebišov | -197,015 2,511951 -78,43 0 -201,938 -192,091

Kežmarok | -167,721 2,775478 -60,43 0 -173,161 -162,281

|

_cons | -641,076 11,79826 -54,34 0 -664,2 -617,951

15.6 Príloha podrobné výsledky

15.6.1 Dopad opatrenia podľa pohlavia v mesiacoch (Model1)

Príjem Zamestnanosť

Muži N Ženy N Muži N Ženy N

ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N

-6 -36,73 7,30 0,00 29613 2,51 7,08 0,72 33731 -0,09 0,01 0,00 29613 -0,05 0,01 0,00 33731

1 -101,780 3,230 0,00 30500 -93,50 2,18 0,000 34798 -0,180 0,010 0,000 30500 -0,170 0,010 0,000 34798

2 -87,42 3,32 0 30190 -77,2 2,43 0 34506 -0,13 0,01 0 30190 -0,12 0,01 0 34506

3 -70,03 3,57 0 29917 -62,02 2,65 0 34305 -0,1 0,01 0 29917 -0,09 0,01 0 34305

4 -58,3 3,6 0 29872 -49,87 2,75 0 34259 -0,08 0,01 0 29872 -0,07 0,01 0 34259

5 -58,81 3,97 0 29858 -42,56 2,83 0 34240 -0,07 0,01 0 29858 -0,06 0,01 0 34240

6 -53,92 4,12 0 29853 -37,16 2,99 0 34225 -0,07 0,01 0 29853 -0,06 0,01 0 34225

7 -52,21 4,19 0 29847 -30,47 3,08 0 34222 -0,06 0,01 0 29847 -0,05 0,01 0 34222

8 -50,9 4,08 0 29846 -24,86 3,23 0 34217 -0,06 0,01 0 29846 -0,04 0,01 0 34217

9 -51,31 4,22 0 29839 -24,74 3,33 0 34209 -0,06 0,01 0 29839 -0,04 0,01 0 34209

10 -53,97 4,24 0 29806 -23,64 3,24 0 34191 -0,07 0,01 0 29806 -0,04 0,01 0 34191

11 -58,71 4,72 0 29791 -24,33 3,33 0 34142 -0,07 0,01 0 29791 -0,04 0,01 0 34142

12 -57,68 4,37 0 29760 -20,94 3,34 0 34116 -0,06 0,01 0 30500 -0,04 0,01 0 34798

13 -59,7 4,55 0 29754 -17,12 3,48 0 34099 -0,07 0,01 0 30500 -0,03 0,01 0 34798

14 -63,17 4,76 0 29644 -15,11 3,57 0 33986 -0,05 0,01 0 29917 -0,03 0,01 0 34305

15 -65,33 4,78 0 29559 -13,94 3,72 0,0002 33852 -0,04 0,01 0 29872 -0,02 0,01 0,0001 34259

16 -63,77 4,72 0 29473 -11,37 3,59 0,0015 33782 -0,04 0,01 0 29858 -0,02 0,01 0,0052 34240

17 -63,66 5,46 0 29359 -13,02 3,75 0,0005 33707 -0,03 0,01 0 29853 -0,01 0,01 0,0794 34225

18 -64,42 4,92 0 29271 -11,31 3,91 0,0038 33594 -0,03 0,01 0 29847 -0,01 0,01 0,0155 34222

19 -59,19 5,06 0 29196 -10,28 4 0,0103 33521 -0,03 0,01 0 29846 -0,01 0,01 0,0453 34217

20 -64,14 4,93 0 29116 -12,73 3,96 0,0013 33401 -0,02 0,01 0,0044 29839 -0,01 0,01 0,2053 34209

21 -60,3 5,11 0 28959 -11,76 3,81 0,002 33266 0,01 0,01 0,4296 29806 0 0,01 0,5743 34191

22 -64,62 5,15 0 28877 -12,72 3,78 0,0008 33063 0,02 0,01 0,0051 29791 0 0,01 0,8531 34142

23 -69,78 5,21 0 28786 -9,9 3,96 0,0125 32945 0,02 0,01 0,0008 29760 0 0,01 0,6141 34116

24 -63,31 5,66 0 28744 -11,56 3,98 0,0037 32890 0,02 0,01 0,0001 29754 0 0,01 0,4762 34099

261

15.6.2 Dopad opatrenia podľa veku v mesiacoch (Model 1)

Do 30 N 30-54 N 55+ N Do 30 N 30-54 N 55+ N

ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N

-6 -14,56 4,78 0,002 17957 -8,80 7,38 0,233 38868 -67,54 27,10 0,013 6519 -0,05 0,01 0,000 17957 -0,06 0,01 0,000 38868 -0,1 0,02 0,000 6519

1 -100,68 3,45 0,000 18439 -101,31 2,39 0,000 40162 -73,47 5,74 0,000 6697 -0,18 0,01 0,000 18439 -0,17 0,01 0,000 40162 -0,11 0,01 0,000 6697

2 -87,470 3,780 0,000 18235 -87,810 2,670 0,000 39822 -60,530 6,780 0,000 6639 -0,14 0,01 0,000 18235 -0,13 0,01 0,000 39822 -0,06 0,01 0,000 6639

3 -72,46 4,09 0,000 18095 -70,47 2,88 0,000 39550 -30,35 6,15 0,000 6577 -0,11 0,01 0,000 18095 -0,11 0,01 0,000 39550 -0,01 0,01 0,312 6577

4 -66,99 4,61 0,000 18060 -58,1 2,91 0,000 39502 -9 6,01 0,135 6569 -0,09 0,01 0,000 18060 -0,08 0,01 0,000 39502 0,03 0,01 0,023 6569

5 -63,17 4,55 0,000 18052 -53,57 3,11 0,000 39481 -5,15 6,55 0,432 6565 -0,09 0,01 0,000 18052 -0,07 0,01 0,000 39481 0,03 0,01 0,041 6565

6 -58,58 4,66 0,000 18047 -46,45 3,22 0,000 39468 2,64 6,53 0,687 6563 -0,09 0,01 0,000 18047 -0,06 0,01 0,000 39468 0,02 0,01 0,090 6563

7 -55,67 4,81 0,000 18044 -43,1 3,3 0,000 39462 7,35 6,62 0,267 6563 -0,08 0,01 0,000 18044 -0,06 0,01 0,000 39462 0,04 0,01 0,010 6563

8 -53,63 4,99 0,000 18043 -38,42 3,43 0,000 39457 8,87 7,11 0,212 6563 -0,08 0,01 0,000 18043 -0,05 0,01 0,000 39457 0,05 0,01 0,002 6563

9 -60,03 5,23 0,000 18041 -37,55 3,51 0,000 39448 6,07 7,37 0,411 6559 -0,07 0,01 0,000 18041 -0,05 0,01 0,000 39448 0,05 0,02 0,001 6559

10 -59,23 5,19 0,000 18022 -36,42 3,43 0,000 39422 6,12 7,29 0,402 6553 -0,08 0,01 0,000 18022 -0,05 0,01 0,000 39422 0,04 0,02 0,005 6553

11 -58,49 5,12 0,000 18005 -37,74 3,79 0,000 39378 3,23 7,36 0,660 6550 -0,07 0,01 0,000 18005 -0,05 0,01 0,000 39378 0,03 0,02 0,047 6550

12 -56,5 5,24 0,000 17981 -38,06 3,64 0,000 39348 -1,71 8,02 0,832 6547 -0,07 0,01 0,000 18439 -0,05 0,01 0,000 40162 0,02 0,01 0,190 6697

13 -52,81 5,54 0,000 17978 -37,06 3,66 0,000 39331 7,92 8,09 0,328 6544 -0,06 0,01 0,000 18439 -0,05 0,01 0,000 40162 0,01 0,02 0,385 6697

14 -53,28 5,42 0,000 17894 -35,67 3,72 0,000 39205 6,38 8,79 0,468 6531 -0,04 0,01 0,000 18095 -0,04 0,01 0,000 39550 0,03 0,02 0,086 6577

15 -61,34 6,17 0,000 17819 -34,28 3,88 0,000 39084 -1,94 8,03 0,809 6508 -0,04 0,01 0,000 18060 -0,03 0,01 0,000 39502 0,03 0,02 0,077 6569

16 -57,77 5,75 0,000 17772 -30,65 3,72 0,000 38989 2,32 8,09 0,775 6494 -0,04 0,01 0,000 18052 -0,03 0,01 0,000 39481 0,02 0,02 0,180 6565

17 -55,41 5,64 0,000 17719 -32,27 4,39 0,000 38876 4,17 8,03 0,604 6471 -0,03 0,01 0,000 18047 -0,02 0,01 0,000 39468 0,01 0,02 0,355 6563

18 -53 5,81 0,000 17647 -32,05 4,14 0,000 38767 3,28 7,97 0,681 6451 -0,03 0,01 0,000 18044 -0,02 0,01 0,000 39462 0,01 0,02 0,455 6563

19 -53,19 5,91 0,000 17604 -27,54 4,15 0,000 38679 0,14 8,62 0,987 6434 -0,03 0,01 0,000 18043 -0,02 0,01 0,000 39457 0,01 0,02 0,478 6563

20 -58,76 5,87 0,000 17552 -32,38 4,06 0,000 38557 5,75 8,45 0,496 6408 -0,02 0,01 0,006 18041 -0,01 0,01 0,102 39448 0,01 0,02 0,444 6559

21 -59,19 5,93 0,000 17449 -31,58 4,14 0,000 38391 -5,44 8,47 0,520 6385 -0,01 0,01 0,232 18022 0 0,01 0,999 39422 0,02 0,02 0,204 6553

22 -62,47 6,13 0,000 17361 -34,26 4,08 0,000 38226 -0,93 8,06 0,908 6353 0 0,01 0,832 18005 0,01 0,01 0,339 39378 0,03 0,02 0,070 6550

23 -59,69 6,23 0,000 17302 -35,52 4,2 0,000 38104 -1,08 8,33 0,897 6325 0 0,01 0,692 17981 0,01 0,01 0,041 39348 0,03 0,02 0,030 6547

24 -59,27 6,41 0,000 17279 -31,23 4,31 0,000 38049 1,16 8,27 0,888 6306 0 0,01 0,646 17978 0,01 0,01 0,029 39331 0,04 0,02 0,005 6544

15.6.3 Dopad opatrenia podľa stupňa vzdelania v mesiacoch (Model 1)

Príjem Zamestnanosť

ZŠ N SŠ N VŠ N ZŠ SŠ VŠ

ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N

-6 -18,41 7,58 0,015 12192 -22,64 4,89 0,000 44410 19,25 31,46 0,541 6742 -0,07 0,01 0,000 12192 -0,07 0,01 0,000 44410 -0,08 0,02 0,000 6742

1 -87,44 4,14 0,000 12627 -95,35 1,82 0,000 45766 -159,87 10,91 0,000 6905 -0,14 0,01 0,000 12627 -0,18 0 0,000 45766 -0,16 0,01 0,000 6905

2 -76,24 5,290 0,000 12541 -82,430 2,010 0,000 45341 -129,710 10,950 0,000 6814 -0,09 0,01 0,000 12541 -0,14 0 0,000 45341 -0,13 0,01 0,000 6814

3 -61,34 5,52 0,000 12471 -65,55 2,18 0,000 44984 -116,85 11,79 0,000 6767 -0,07 0,01 0,000 12471 -0,11 0,01 0,000 44984 -0,11 0,02 0,000 6767

4 -45,7 5,61 0,000 12463 -54,17 2,27 0,000 44917 -108,17 13,03 0,000 6751 -0,06 0,01 0,000 12463 -0,08 0,01 0,000 44917 -0,09 0,02 0,000 6751

262

5 -43,26 5,08 0,000 12459 -50,17 2,41 0,000 44896 -100,41 14,16 0,000 6743 -0,05 0,01 0,000 12459 -0,08 0,01 0,000 44896 -0,11 0,02 0,000 6743

6 -41,69 5,49 0,000 12456 -46,47 2,48 0,000 44884 -81,95 13,96 0,000 6738 -0,05 0,01 0,000 12456 -0,07 0,01 0,000 44884 -0,1 0,02 0,000 6738

7 -36,42 5,49 0,000 12456 -45,34 2,56 0,000 44878 -70,17 14,66 0,000 6735 -0,04 0,01 0,001 12456 -0,07 0,01 0,000 44878 -0,09 0,02 0,000 6735

8 -33,98 5,67 0,000 12456 -42,67 2,65 0,000 44874 -59,64 15,49 0,000 6733 -0,02 0,01 0,033 12456 -0,06 0,01 0,000 44874 -0,09 0,01 0,000 6733

9 -32,6 5,68 0,000 12456 -43,27 2,71 0,000 44863 -69,68 22,23 0,002 6729 -0,02 0,01 0,050 12456 -0,06 0,01 0,000 44863 -0,09 0,01 0,000 6729

10 -31,39 6,04 0,000 12447 -42,12 2,69 0,000 44825 -64,33 15,92 0,000 6725 -0,02 0,01 0,080 12447 -0,06 0,01 0,000 44825 -0,11 0,02 0,000 6725

11 -39,16 5,92 0,000 12443 -44,48 2,77 0,000 44786 -44,66 17,8 0,012 6704 -0,02 0,01 0,075 12443 -0,06 0,01 0,000 44786 -0,09 0,01 0,000 6704

12 -41,22 6,18 0,000 12436 -42,66 2,8 0,000 44745 -51,05 18,79 0,007 6695 -0,03 0,01 0,006 12627 -0,06 0,01 0,000 45766 -0,09 0,02 0,000 6905

13 -43,19 6,38 0,000 12434 -41,39 2,91 0,000 44725 -33,39 16,3 0,040 6694 -0,03 0,01 0,011 12627 -0,06 0,01 0,000 45766 -0,09 0,02 0,000 6905

14 -45,45 6,73 0,000 12372 -41,71 2,96 0,000 44600 -21,5 16,3 0,187 6658 -0,01 0,01 0,190 12471 -0,05 0,01 0,000 44984 -0,05 0,01 0,002 6767

15 -47,9 8,02 0,000 12319 -42,17 3,02 0,000 44455 -18,62 17,97 0,300 6637 -0,01 0,01 0,518 12463 -0,04 0,01 0,000 44917 -0,04 0,01 0,003 6751

16 -47,68 6,74 0,000 12285 -40,74 3,01 0,000 44348 -10,52 16,5 0,524 6622 -0,01 0,01 0,360 12459 -0,04 0,01 0,000 44896 -0,03 0,01 0,039 6743

17 -46,87 6,72 0,000 12240 -42,41 3,07 0,000 44224 -2,37 24,22 0,922 6602 0 0,01 0,710 12456 -0,04 0,01 0,000 44884 -0,03 0,01 0,017 6738

18 -42,69 7,53 0,000 12209 -41,14 3,12 0,000 44086 -19,54 19,73 0,322 6570 0 0,01 0,848 12456 -0,04 0,01 0,000 44878 -0,03 0,01 0,020 6735

19 -39,47 7,22 0,000 12188 -39,11 3,22 0,000 43986 -7,08 16,86 0,675 6543 0,01 0,01 0,583 12456 -0,04 0,01 0,000 44874 -0,03 0,01 0,021 6733

20 -37,75 7,46 0,000 12146 -43,68 3,17 0,000 43864 -51,24 18,15 0,005 6507 0,01 0,01 0,161 12456 -0,03 0,01 0,000 44863 -0,02 0,01 0,117 6729

21 -37,13 6,9 0,000 12103 -44,97 3,19 0,000 43651 -8,05 17,56 0,647 6471 0,02 0,01 0,018 12447 -0,02 0,01 0,001 44825 -0,01 0,01 0,727 6725

22 -41,63 7,26 0,000 12071 -47,27 3,21 0,000 43435 -6,1 17,64 0,730 6434 0,02 0,01 0,017 12443 -0,01 0,01 0,079 44786 0,01 0,02 0,649 6704

23 -38,7 7,16 0,000 12045 -48,1 3,3 0,000 43280 -13,24 17,23 0,442 6406 0,03 0,01 0,007 12436 0 0,01 0,388 44745 0,03 0,01 0,024 6695

24 -34,06 7,28 0,000 12038 -45,25 3,35 0,000 43206 -6,32 18,51 0,733 6390 0,02 0,01 0,036 12434 0 0,01 0,989 44725 0,02 0,02 0,328 6694

263

15.6.4 Kvantifikácia výnosov opatrenia

2 007 2 008 2 009 2 010 2 011 2 012 2 013 2 014 2 015 2 016 2 017 Spolu

Náklady ŠR -2 200 976 -3 719 335 -1 567 839 -2 220 254 -185 625 0 -92 861 0 0 0 0 -9 986 890

Náklady spolu -2 200 976 -3 719 335 -1 567 839 -2 554 187 -227 259 -685 190 -458 557 0 0 0 0 -11 413 342

Pozitívny scenár Výnosy-dodatočná zamestnanosť 1 772 427 9 578 735 18 429 208 27 669 814 33 398

198

29 394

924

22 590

449

10 617

426

3 846

735

2 768

333

1 403

230

161 469

479

Výnosy-dodatočný príjem 723 607 3 088 049 6 805 980 10 855 765 13 068

436

11 339

930 8 468 771 3 744 149

1 325

327 932 962 462 804 60 815 780

Negatívny

scenár Výnosy-dodatočná zamestnanosť -6 434 810

-16 401

377

-21 554

500

-14 942

398 -3 846 339 -577 820 -623 838 -202 447 0 0 0 -64 583 528

Výnosy-dodatočný príjem -2 458 167 -4 436 186 -6 572 981 -4 734 099 -1 489 775 -648 205 -675 021 -203 778 0 0 0 -21 218 212

Reálny scenár Výnosy-dodatočná zamestnanosť -2 793 825 -7 033 433 -9 252 028 -6 331 549 -1 978 176 -901 151 -962 429 -294 823 0 0 0 -29 547 414

Výnosy-dodatočný príjem -1 144 049 -2 638 378 -4 938 568 -5 986 990 -6 143 605 -5 281 812 -3 991 450 -1 709 220 -596 381 -419 822 -208 256 -33 058 529

Finančný dopad na ŠR_Pozitívny

scenár 295 058 8 947 449 23 667 349 36 305 325

46 281

010

40 734

854

30 966

359

14 361

575

5 172

062

3 701

295

1 866

034

212 298

368

Finančný dopad na ŠR_Negatívny

scenár

-11 093

952

-24 556

898

-29 695

321

-21 896

752 -5 521 739 -1 226 024 -1 391 720 -406 224 0 0 0 -95 788 630

Finančný dopad na ŠR_Reálny scenár -1 736 898 -5 952 476 -12 622

757

-10 098

286 -7 936 155 -6 182 962 -4 861 017 -2 004 042 -596 381 -419 822 -208 256 -52 619 053

Finančný dopad na Verejné financie_Pozitívny scenár 295 058 8 947 449 23 667 349 35 971 392 46 239

376

40 049

664

30 600

663

14 361

575

5 172

062

3 701

295

1 866

034

210 871

916

Finančný dopad na Verejné financie_Negatívny scenár -11 093

952

-24 556

898

-29 695

321

-22 230

684 -5 563 373 -1 911 214 -1 757 415 -406 224 0 0 0 -97 215 083

Finančný dopad na ŠR_Reálny scenár -1 736 898 -5 952 476 -12 622

757 -9 764 353 -7 894 521 -5 497 772 -4 495 322 -2 004 042 -596 381 -419 822 -208 256 -51 192 600

264

Efekt dodatočnej zamestnanosti-Pozitívny scenár

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Spolu


Dane z príjmov fyzických osôb 35 996 432 675 196 992 357 996 1 025 009 978 481 751 978 339 773 123 046 88 513 44 847 4 375 306


platené zamestnávateľom 622 073

3 065

427 6 136 084 9 633 339

11 546

878

10 419

137 8 007 266 3 618 000

1 310

226 942 509 477 548 55 778 488


platené zamestnancom 236 763

1 166

678 2 334 562 3 671 083 4 395 113 3 967 910 3 049 399 1 377 839 498 972 358 935 181 864 21 239 119


Priemerná DvN na jedného UoZ 98 862 463 581 1 546 595 1 887 614 2 430 513 2 206 644 1 695 839 744 761 271 564 196 627 100 247 11 642 846

Výška odvodov poistenca štátu 125 733 540 844 1 374 751 2 252 118 2 500 400 2 078 429 1 597 304 727 764 261 833 187 165 94 257 11 740 598

Priemerná vážená výška DvHN a PkD

pre UoZ 318 388

1 058

509 1 814 839 3 163 380 3 665 182 3 083 903 2 370 026 994 974 342 332 233 869 112 483 17 157 885

Výdavky na všeobecné služby úradov práce na

jedného nezamestnaného na jeden mesiac 0 865 351 1 286 733 1 972 231 1 941 304 1 639 799 1 260 211 865 052 332 398 252 280 134 218 10 549 578

Výdavky na zamestnancov a správny aparát v

oblasti

APTP na jedného nezamestnaného na jeden

mesiac

0 305 191 469 427 696 464 691 104 566 844 435 628 304 227 116 815 88 603 47 113 3 721 417


Výpadok štátu na daniach zo spotreby 202 795 985 109 1 844 178 2 863 966 3 572 000 3 036 666 2 333 724 1 077 019 387 969 277 664 139 996 16 721 085

Výpadok štátu na dani z príjmu právnických

osôb 131 817 695 371 1 425 047 1 171 622 1 630 696 1 417 111 1 089 071 568 017 201 580 142 168 70 656 8 543 155

spolu 1 772

427

9 578

735

18 429

208

27 669

814

33 398

198

29 394

924

22 590

449

10 617

426

3 846

735

2 768

333

1 403

230

161 469

479

265

Efekt dodatočnej zamestnanosti- Negatívny scenár

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Spolu


Dane z príjmov fyzických osôb -130 684 -740 857 -230 398 -193 327 -118 046 -19 234 -20 766 -6 479 0 0 0 -1 459 791


platené zamestnávateľom -2 258 441 -5 248 837 -7 176 663 -5 202 246 -1 329 808 -204 810 -221 122 -68 986 0 0 0 -21 710 915


platené zamestnancom -859 570 -1 997 667 -2 730 465 -1 982 478 -506 168 -77 998 -84 210 -26 272 0 0 0 -8 264 827


Priemerná DvN na jedného UoZ -358 921 -793 775 -1 808 872 -1 019 359 -279 913 -43 376 -46 831 -14 201 0 0 0 -4 365 248

Výška odvodov poistenca štátu -456 474 -926 071 -1 607 886 -1 216 201 -287 961 -40 856 -44 110 -13 877 0 0 0 -4 593 435


pre UoZ -1 155 910 -1 812 453 -2 122 606 -1 708 305 -422 105 -60 621 -65 449 -18 972 0 0 0 -7 366 419


jedného nezamestnaného na jeden mesiac 0 -1 481 713 -1 504 942 -1 065 055 -223 572 -32 234 -34 801 -16 494 0 0 0 -4 358 812

Výdavky na zamestnancov a správny aparát v oblasti

APTP na jedného nezamestnaného na jeden mesiac 0 -522 569 -549 034 -376 108 -79 592 -11 143 -12 030 -5 801 0 0 0 -1 556 276


Výpadok štátu na daniach zo spotreby -736 248 -1 686 772 -2 156 921 -1 546 614 -411 373 -59 692 -64 446 -20 536 0 0 0 -6 682 602

Výpadok štátu na dani z príjmu právnických osôb -478 561 -1 190 663 -1 666 711 -632 706 -187 801 -27 856 -30 075 -10 831 0 0 0 -4 225 204

spolu -6 434 810 -16 401 377 -21 554 500 -14 942 398 -3 846 339 -577 820 -623 838 -202 447 0 0 0 -64 583 528

266

Efekt dodatočnej zamestnanosti-Reálny scenár

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Spolu


Dane z príjmov fyzických osôb -56 740 -317 703 -98 896 -81 918 -60 711 -29 997 -32 037 -9 435 0 0 0 -687 437


platené zamestnávateľom -980 556 -2 250 869 -3 080 502 -2 204 350 -683 922 -319 416 -341 136 -100 464 0 0 0 -9 961 216


platené zamestnancom -373 203 -856 663 -1 172 022 -840 036 -260 323 -121 643 -129 915 -38 260 0 0 0 -3 792 064


Priemerná DvN na jedného UoZ -155 834 -340 396 -776 438 -431 933 -143 959 -67 648 -72 248 -20 680 0 0 0 -2 009 138

Výška odvodov poistenca štátu -198 189 -397 129 -690 167 -515 341 -148 099 -63 718 -68 051 -20 208 0 0 0 -2 100 902


pre UoZ -501 866 -777 238 -911 105 -723 861 -217 089 -94 542 -100 971 -27 628 0 0 0 -3 354 299


jedného nezamestnaného na jeden mesiac 0 -635 406 -645 980 -451 296 -114 983 -50 271 -53 689 -24 021 0 0 0 -1 975 646


APTP na jedného nezamestnaného na jeden mesiac 0 -224 094 -235 667 -159 369 -40 934 -17 378 -18 559 -8 448 0 0 0 -704 448


Výpadok štátu na daniach zo spotreby -319 660 -723 342 -925 834 -655 347 -211 570 -93 094 -99 424 -29 906 0 0 0 -3 058 177

Výpadok štátu na dani z príjmu právnických osôb -207 779 -510 594 -715 417 -268 097 -96 586 -43 444 -46 398 -15 773 0 0 0 -1 904 087

Spolu -2 793 825 -7 033 433 -9 252 028 -6 331 549 -1 978 176 -901 151 -962 429 -294 823 0 0 0 -29 547 414

267

Efekt dodatočného príjmu-Pozitívny scenár

2 007 2 008 2 009 2 010 2 011 2 012 2 013 2 014 2 015 2 016 2 017 Spolu


Dane z príjmov fyzických osôb 229

323 978 655

2 156

931 3 440 376 4 141 610 3 593 817

2 683

898

1 186

584 420 019

295

672

146

670

19 273

554


platené zamestnávateľom

490

667

2 093

960

4 615

034 7 361 133 8 861 513 7 689 439

5 742

548

2 538

852 898 685

632

628

313

820

41 238

280


platené zamestnancom

186

860 797 441

1 757

539 2 803 333 3 374 721 2 928 361

2 186

929 966 868 342 245

240

923

119

512

15 704

734


Priemerná DvN na jedného UoZ 0 0 0 0 0 0 0 0 0 0 0 0

Výška odvodov poistenca štátu 0 0 0 0 0 0 0 0 0 0 0 0


pre UoZ 0 0 0 0 0 0 0 0 0 0 0 0


jedného nezamestnaného na jeden mesiac 0 0 0 0 0 0 0 0 0 0 0 0


oblasti


mesiac

0 0 0 0 0 0 0 0 0 0 0 0


Výpadok štátu na daniach zo spotreby 0 0 0 0 0 0 0 0 0 0 0 0

Výpadok štátu na dani z príjmu právnických osôb 0 0 0 0 0 0 0 0 0 0 0 0

spolu 723

607

3 088

049

6 805

980

10 855

765

13 068

436

11 339

930

8 468

771

3 744

149

1 325

327

932

962

462

804

60 815

780

268

Efekt dodatočného príjmu-Negatívny scenár

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Spolu


Dane z príjmov fyzických osôb -779 035 -1 405 903 -2 083 090 -1 500 317 -472 135 -205 427 -213 925 -64 581 0 0 0 -6 724 412


platené zamestnávateľom -1 666 846 -3 008 112 -4 457 041 -3 210 123 -1 010 195 -439 538 -457 721 -138 179 0 0 0 -14 387 756


platené zamestnancom -634 783 -1 145 576 -1 697 371 -1 222 508 -384 711 -167 389 -174 314 -52 622 0 0 0 -5 479 275





pre UoZ 0 0 0 0 0 0 0 0 0 0 0 0




APTP na jedného nezamestnaného na jeden mesiac 0 0 0 0 0 0 0 0 0 0 0 0




spolu -2 458 167 -4 436 186 -6 572 981 -4 734 099 -1 489 775 -648 205 -675 021 -203 778 0 0 0 -21 218 212

269

Efekt dodatočného príjmu-Reálny scenár

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Spolu


Dane z príjmov fyzických osôb -362 568 -836 147 -1 565

116

-1 897

379

-1 947

013

-1 673

896

-1 264

958 -541 681

-189

003

-133

049 -66 000

-10 476

810


platené zamestnávateľom -775 762

-1 789

045

-3 348

770

-4 059

689

-4 165

887

-3 581

518

-2 706

543

-1 158

996

-404

397

-284

675

-141

215

-22 416

499


platené zamestnancom -295 433 -681 320

-1 275

309

-1 546

048

-1 586

491

-1 363

946

-1 030

730 -441 379

-154

006

-108

412 -53 779 -8 536 853





pre UoZ 0 0 0 0 0 0 0 0 0 0 0 0




oblasti


mesiac

0 0 0 0 0 0 0 0 0 0 0 0




spolu -1 144

049

-2 638

378

-4 938

568

-5 986

990

-6 143

605

-5 281

812

-3 991

450

-1 709

220

-596

381

-419

822

-208

256

-33 058

529

© 2015 KPMG Slovensko spol. s r.o., a Slovak limited liability company and a member firm

of the KPMG network of independent member firms affiliated with KPMG International

Cooperative (“KPMG International”), a Swiss entity. All rights reserved.

The information contained herein is of a general nature and is not intended to address the

circumstances of any particular individual or entity. Although we endeavour to provide

accurate and timely information, there can be no guarantee that such information is

accurate as of the date it is received or that it will continue to be accurate in the future. No

one should act on such information without appropriate professional advice after a thorough

examination of the particular situation.

The KPMG name, logo and “cutting through complexity” are registered trademarks or

trademarks of KPMG International Cooperative (“KPMG International”).

Documents

Hodnotenie vybraných intervencií ŠF a KF využitím metód ... 6 Odpovede na hodnotiace otázky 149 ... 9.2.5 Výsledné ukazovatele a základné deskriptívne štatistiky súboru