Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
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
SP09 Štátna podpora,výzva KaHR-111SP-0902
SP10 Štátna podpora,výzva KaHR-111SP-1001
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,
kontrolná skupina: zamietnutí)............................................................................................................... 72
Tabuľka 19: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa veľkosti podniku (DD,
kontrolná skupina: zamietnutí)............................................................................................................... 73
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,
kontrolná skupina: zamietnutí)............................................................................................................... 75
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,
kontrolná skupina: zamietnutí)............................................................................................................... 78
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,
kontrolná skupina: zamietnutí)............................................................................................................... 80
Tabuľka 28: Priemerný vplyv čistej pridanej hodnoty v eurách, zoskupenie podľa veľkosti podniku
(DDD, kontrolná skupina: zamietnutí) .................................................................................................... 81
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
(DDD, kontrolná skupina: zamietnutí) .................................................................................................... 82
Tabuľka 31: Priemerný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (DDD, kontrolná
skupina: zamietnutí) .............................................................................................................................. 83
8
Tabuľka 32: Priemerný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (DDD, kontrolná
skupina: zamietnutí) .............................................................................................................................. 84
Tabuľka 33: Priemerný vplyv FTE v eurách, zoskupené podľa regiónu NUTS 2 (DDD, kontrolná
skupina: zamietnutí) .............................................................................................................................. 85
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
(CDD2, kontrolná skupina: zamietnutí) .................................................................................................. 86
Tabuľka 37: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa regiónu NUTS 2
(CDD1, kontrolná skupina: zamietnutí) .................................................................................................. 87
Tabuľka 38: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa regiónu NUTS 2
(CDD2, kontrolná skupina: zamietnutí) .................................................................................................. 87
Tabuľka 39: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného sektora
(CDD1, kontrolná skupina: zamietnutí) .................................................................................................. 88
Tabuľka 40: Priemrný vplyv čistej pridanej hodnoty v eurách, zoskupené podľa priemyselného sektora
(CDD2, kontrolná skupina: zamietnutí) .................................................................................................. 89
Tabuľka 41: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa veľkosti podniku (CDD1,
kontrolná skupina: zamietnutí)............................................................................................................... 90
Tabuľka 42: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa veľkosti podniku (CDD2,
kontrolná skupina: zamietnutí)............................................................................................................... 90
Tabuľka 43: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa regiónu NUTS 2 (CDD1,
kontrolná skupina: zamietnutí)............................................................................................................... 91
Tabuľka 44: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa regiónu NUTS 2 (CDD2,
kontrolná skupina: zamietnutí)............................................................................................................... 93
Tabuľka 45: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa priemyselného odvetvia
(CDD1, kontrolná skupina: zamietnutí) .................................................................................................. 94
Tabuľka 46: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa priemyselného odvetvia
(CDD2, kontrolná skupina: zamietnutí) .................................................................................................. 94
Tabuľka 47: Priemrný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (CDD1, kontrolná
skupina: zamietnutí) .............................................................................................................................. 95
Tabuľka 48: Priemrný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (CDD2, kontrolná
skupina: zamietnutí) .............................................................................................................................. 96
Tabuľka 49: Priemrný vplyv FTE v eurách, zoskupené podľa regiónu NUTS 2 (CDD1, kontrolná
skupina: zamietnutí) .............................................................................................................................. 97
Tabuľka 50: Priemrný vplyv FTE v eurách, zoskupené podľa regiónu NUTS 2 (CDD2, kontrolná
skupina: zamietnutí) .............................................................................................................................. 97
Tabuľka 51: Priemrný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (CDD1, kontrolná
skupina: zamietnutí) .............................................................................................................................. 98
Tabuľka 52: Priemrný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (CDD2, kontrolná
skupina: zamietnutí) .............................................................................................................................. 99
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
(CDD2, kontrolná skupina: nezúčastnené podniky) ............................................................................. 104
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
Tabuľka 57: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa veľkosti podniku (CDD1,
kontrolná skupina: nezúčastnené podniky) .......................................................................................... 107
Tabuľka 58: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa veľkosti podniku (CDD2,
kontrolná skupina: nezúčastnené podniky) .......................................................................................... 107
Tabuľka 59: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa priemyselného odvetvia
(CDD1, kontrolná skupina: nezúčastnené podniky) ............................................................................. 108
Tabuľka 60: Priemrný vplyv čistých prijmov v eurách, zoskupené podľa priemyselného odvetvia
(CDD2, kontrolná skupina: nezúčastnené podniky) ............................................................................. 109
9
Tabuľka 61: Priemrný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (CDD1, kontrolná
skupina: nezúčastnené podniky).......................................................................................................... 110
Tabuľka 62: Priemrný vplyv FTE v eurách, zoskupené podľa veľkosti podniku (CDD2, kontrolná
skupina: nezúčastnené podniky).......................................................................................................... 110
Tabuľka 63: Priemrný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (CDD1, kontrolná
skupina: nezúčastnené podniky).......................................................................................................... 111
Tabuľka 64: Priemrný vplyv FTE v eurách, zoskupené podľa priemyselného odvetvia (CDD2, kontrolná
skupina: nezúčastnené podniky).......................................................................................................... 112
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 108: Štruktúra tabuľky „Export_T1“ (názvy premenných) .................................................... 164
Tabuľka 109: Štruktúra tabuľky „Export_T1“ (názvy premenných) .................................................... 165
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
Tabuľka 123: Zhoda kontrolnej a podporenej skupiny na vybraných charakteristikách UoZ (model 2)
............................................................................................................................................................ 179
Tabuľka 124: Základné charakteristiky odhadnutého regresného modelu ......................................... 180
Tabuľka 125: Porovnanie výsledkov dopadu na príjem účastníkov 2007/01-2008/04 ......................... 183
Tabuľka 126: Porovnanie výsledkov dopadu na príjem účastníkov 2008/05-2008/08 ......................... 184
Tabuľka 127: Porovnanie výsledkov dopadu na príjem účastníkov 2008/05-2008/08 ......................... 184
Tabuľka 128: Porovnanie výsledkov dopadu na príjem účastníkov 2008/09-2010/12 ......................... 185
Tabuľka 129: Porovnanie výsledkov dopadu na príjem účastníkov 2011/01-2011/12 ......................... 185
Tabuľka 130: Porovnanie výsledkov dopadu na príjem účastníkov 2012/01-2012/12 ......................... 186
Tabuľka 131: Porovnanie výsledkov dopadu na príjem účastníkov 2013/01-2013/12 ......................... 186
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
Obrázok 2: Priemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov
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
Obrázok 4: Priemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov
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
Obrázok 6: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých
žiadateľov podľa veľkosti podnikov (EUR, vyvážená vzorka za všetky roky) ........................................ 46
Obrázok 7: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých
žiadateľov podľa priemyselného odvetvia (EUR, vyvážená vzorka za všetky roky) .............................. 47
Obrázok 8: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých
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
Obrázok 10: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a
zamietnutých žiadateľov v rokoch 2004-2013 podľa veľkosti podniku (vyvážená vzorka za všetky roky)
.............................................................................................................................................................. 50
Obrázok 11: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a
zamietnutých žiadateľov v rokoch 2004-2013 podľa priemyselného odvetvia (vyvážená vzorka za
všetky roky) ........................................................................................................................................... 51
Obrázok 12: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a
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
podniku (M1, porovnávacia skupina: zamietnutí) .................................................................................. 76
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
Obrázok 29: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti podniku (M2, porovnávacia skupina: zamietnutí) .................................................................... 78
Obrázok 30: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
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
Obrázok 33: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M2, porovnávacia skupina: zamietnutí) .............................................. 82
Obrázok 34: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa regiónu NUTS 2 (M2, porovnávacia skupina: zamietnutí) ........................................................... 82
Obrázok 35: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M2, porovnávacia skupina: zamietnutí) .................................................................................. 83
Obrázok 36: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M2, porovnávacia skupina: zamietnutí).................................................................................. 84
Obrázok 37: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS
2 (M2, porovnávacia skupina: zamietnutí) ............................................................................................. 85
Obrázok 38: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) ............................ 86
Obrázok 39: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) ............................ 86
Obrázok 40: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)............................. 87
Obrázok 41: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X2)............................. 88
Obrázok 42: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) ................ 89
Obrázok 43: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) ................ 89
Obrázok 44: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti projektu (M3, porovnávacia skupina: zamietnutí, kontrolna sada X1) ..................................... 90
Obrázok 45: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti projektu (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) ..................................... 91
Obrázok 46: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa regiónu
NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) .................................................... 92
Obrázok 47: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa regiónu
NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) .................................................... 93
Obrázok 48: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) .......................... 94
Obrázok 49: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: zamietnutíkontrolná sada X2) ............................ 95
Obrázok 50: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) .................................................... 96
Obrázok 51: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) .................................................... 96
Obrázok 52: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS
2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X1) .............................................................. 97
Obrázok 53: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS
2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2) .............................................................. 98
Obrázok 54: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1) ................................................... 99
13
Obrázok 55: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
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
Obrázok 59: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1) ....... 104
Obrázok 60: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ....... 105
Obrázok 61: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
............................................................................................................................................................ 106
Obrázok 62: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
............................................................................................................................................................ 106
Obrázok 63: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1) ................ 107
Obrázok 64: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ................. 108
Obrázok 65: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1) ..... 109
Obrázok 66: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ..... 109
Obrázok 67: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontorlná sada X1) ............................... 110
Obrázok 68: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) ............................... 111
Obrázok 69: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2) .............................. 112
Obrázok 70: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
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
Obrázok 75: Rozdiely medzi tromi scenármi (vľavo: v miliónoch eur, vpravo: v percentách bežného
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
náročnosť výroby
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
Veľké Stredné Malé Mikro Celkovo
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
náročnosť výroby
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 %)
Veľké Stredné Malé Mikro Celkovo
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 %)
Vysoká a stredne vysoká
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
Obrázok 1: Priemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov
(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.
Obrázok 2: Priemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov
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.
Obrázok 4: Priemerné čisté príjmy v rokoch 2004-2013 pre podporených a zamietnutých žiadateľov
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.
Obrázok 5: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých
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.
Obrázok 6: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých
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.
Obrázok 7: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých
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
Low-Technology Manufacturing
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
Medium-Low-Technology Manufacturing
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
High- and Medium-High Technology Manufacturing
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.
Obrázok 8: Priemerná čistá pridaná hodnota v rokoch 2004-2013 pre podporených a zamietnutých
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.
Obrázok 9: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a
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.
Obrázok 10: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a
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.
Obrázok 11: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a
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
Low-Technology Manufacturing
50
60
70
80
90
100
110
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Supported Rejected
Medium-Low-Technology Manufacturing
90
100
110
120
130
140
150
160
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Supported Rejected
High- and Medium-High Technology Manufacturing
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.
Obrázok 12: Priemerný počet zamestnancov pracujúcich na plný pracovný úväzok u podporených a
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
(%)
Veľké Stredné Malé Mikro Celkovo
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)
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 5 Cohort 6 Cohort 7 Cohort 8
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):
Dynamické štatistické
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.
- 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 3 (M3):
Dynamické štatistické
párovanie s metódou
viacnásobnej regresie a
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
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.
- 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.
- trendy výsledkových premenných v pred-intervenčnom období (napríklad
rovnaká túžba investovať)
- 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
64
Metóda 4 (M4): Propensity
Score matching ako
dátové predspracovanie +
Dynamické štatistické
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.
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 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.
- 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.
- trendy výsledkových premenných v pred-intervenčnom období (napríklad
rovnaká túžba investovať)
- Nepozorovateľné charakteristiky, ktoré vedú k aplikovaniu programu (hodnota
značky, postavenie na trhu, manažérske schopnosti)
- 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::
7. Podporované podniky sú rozdelené do skupín na základe kombinácie kohorty a jednej kľúčovej
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 1 Cohort 2 Cohort 3 Cohort 4
Cohort 5 Cohort 6 Cohort 7 Cohort 8
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.
2. Podporované podniky sú rozdelené do skupín na základe kombinácie kohorty a jednej kľúčovej
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,
porovnávacia skupina: zamietnutí)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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,
porovnávacia skupina: zamietnutí)
Obrázok 22: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
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
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
Podľa veľkosti podniku
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
Vážený priemer 224,154 Jednotkové náklady (EUR) 2.44
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
podporených podnikov
Not missing p-value Významnosť Podporení/NVA
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-
vysoká technológia
výroby
-96,098 26 24 0.5235 - -5.79
Iné -39,892 14 14 0.7853 - -7.88
Vážený priemer 188,877 Jednotkové náklady (EUR) 2.90
Obrázok 24: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupeného
podľa priemyselného odvetvia (M1, porovnávacia skupina: zamietnutí)
75
Podľa regiónu NUTS 2
Odhadovaný priemerný vplyv na čistú pridanú hodnotu je pozitívny a jeho veľkosť je na úrovni 227 426
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
(M1, porovnávacia skupina: zamietnutí)
Vplyv Počet podporených
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
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 pracujúcich na plný pracovný úväzok (FTE)
Podľa veľkosti podniku
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
podporených podnikov
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
Obrázok 26: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M1, porovnávacia skupina: zamietnutí)
Podľa priemyselného odvetvia
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,
porovnávacia skupina: zamietnutí)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/FTE
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
Obrázok 27: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M1, porovnávacia skupina: zamietnutí)
Podľa regiónu NUTS 2
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
skupina: zamietnutí)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/FTE
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
Obrázok 28: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS
2 (M1, porovnávacia skupina: zamietnutí)
78
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.
Výsledky pre Dynamické štatistické párovanie s pomocou metódy DDD (porovnávacia skupina:
zamietnutí žiadatelia) – Metóda 2 (M2)
Vplyv programu na čisté príjmy
Podľa veľkosti podniku
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,
porovnávacia skupina: zamietnutí)
Vplyv Počet
podporených podnikov
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
Obrázok 29: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti podniku (M2, porovnávacia skupina: zamietnutí)
Podľa priemyselného odvetvia
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,
porovnávacia skupina: zamietnutí)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NR
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
Vážený priemer 43,908 Jednotkové náklady (EUR) 12.47
Obrázok 30: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M2, porovnávacia skupina: zamietnutí)
80
Podľa regiónu NUTS 2
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,
porovnávacia skupina: zamietnutí)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NR
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
Vážený priemer 52,631 Jednotkové náklady (EUR) 10.40
Obrázok 31: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa regiónu
NUTS 2 (M2, 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
Podľa veľkosti podniku
Odhadovaný priemerný vplyv na čistú pridanú hodnotu je pozitívny a jeho veľkosť je na úrovni 165 070
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
(M2, porovnávacia skupina: zamietnutí)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NVA
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
Vážený priemer 165,070 Jednotkové náklady (EUR) 3.32
Obrázok 32: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M2, porovnávacia skupina: zamietnutí)
Podľa priemyselného odvetvia
Odhadovaný priemerný vplyv na čistú pridanú hodnotu je pozitívny a jeho veľkosť je na úrovni 147 758
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.
Tabuľka 30: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa priemyselného
odvetvia (M2, porovnávacia skupina: zamietnutá)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NVA
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
Vážený priemer 147,758 Jednotkové náklady (EUR) 3.70
82
Obrázok 33: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M2, porovnávacia skupina: zamietnutí)
Podľa regiónu NUTS 2
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.
Tabuľka 31: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa regiónu NUTS 2
(M2, porovnávacia skupina: zamietnutí)
Vplyv
Počet
podporených
podnikov
Not missing p-value Významnosť Podporení/NVA
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
Obrázok 34: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa regiónu NUTS 2 (M2, porovnávacia skupina: zamietnutí)
83
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 pracujúcich na plný pracovný úväzok (FTE)
Podľa veľkosti podniku
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
skupina: zamietnutí)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/FTE
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
Obrázok 35: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M2, porovnávacia skupina: zamietnutí)
84
Podľa priemyselného odvetvia
Odhady vplyvov na FTE sú na úrovni skupín zanedbateľné na 5% hladine významnosti. Odhady vplyvu
na úrovni skupín sú negatívne, okrem iného odvetvia.
Tabuľka 33: Priemerný vplyv na FTE v eurách, zoskupené podľa priemyselného odvetvia (M2,
porovnávacia skupina: zamietnutí)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/FTE
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
Obrázok 36: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M2, porovnávacia skupina: zamietnutí)
85
Podľa regiónu NUTS 2
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.
Tabuľka 34: Priemerný vplyv na FTE v eurách, zoskupené podľa regiónu NUTS 2 (M2, porovnávacia
skupina: zamietnutí)
Vplyv
Počet
podporených
podnikov
Not missing p-value Významnosť Podporení/FTE
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
Obrázok 37: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS
2 (M2, 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.
Výsledky pre Dynamické štatistické párovanie s viacnásobnou regresiou a pomocou metódy DD
(porovnávacia skupina: zamietnutí žiadatelia) – Metóda 3 (M3)
Vplyv programu na čistú pridanú hodnotu
Podľa veľkosti podniku
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
Tabuľka 35: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa veľkosti podniku
(M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NVA
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
Obrázok 38: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Tabuľka 36: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa veľkosti podniku
(M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NVA
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
Obrázok 39: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
87
Podľa regiónu NUTS 2
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.
Tabuľka 37: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa regiónu NUTS 2
(M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NVA
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
Vážený priemer 162,602 Jednotkové náklady (EUR) 3.37
Obrázok 40: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Tabuľka 38: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa regiónu NUTS 2
(M3, porovnávacia skupina: zamietnutí, koontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NVA
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
Obrázok 41: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa regiónu NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X2)
Podľa priemyselného odvetvia
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.
Tabuľka 39: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa priemyselného
sektora (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NVA
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
Vážený priemer 132,508 Jednotkové náklady (EUR) 4.13
89
Obrázok 42: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Tabuľka 40: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa priemyselného
sektora (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NVA
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-
vysoká technológia
výroby
-
273,902 26 21 0.6792 - -2.03
Iné 73,200 14 13 0.8347 - 4.29
Vážený priemer 157,206 Jednotkové náklady (EUR) 3.48
Obrázok 43: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
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
90
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 čistévýnosy
Podľa veľkosti podniku
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.
Tabuľka 41: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa veľkosti podniku (M3,
porovnávacia skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
priemer 42,032 Jednotkové náklady (EUR) 13.02
Obrázok 44: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
projektu (M3, porovnávacia skupina: zamietnutí, kontrolna sada X1)
Tabuľka 42: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa veľkosti podniku (M3,
porovnávacia skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
priemer 27,800 Jednotkové náklady (EUR) 19.69
Obrázok 45: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
projektu (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
Podľa regiónu NUTS 2
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.
Tabuľka 43: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa regiónu NUTS 2 (M3,
porovnávacia skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
Vážený priemer 24,777 Jednotkové náklady (EUR) 22.09
92
Obrázok 46: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa regiónu
NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
93
Tabuľka 44: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa regiónu NUTS 2 (M3,
porovnávacia skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NR
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
Obrázok 47: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa regiónu
NUTS 2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
Podľa priemyselného odvetvia
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,
porovnávacia skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
Vážený priemer 27,630 Jednotkové náklady (EUR) 19.81
Obrázok 48: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Tabuľka 46: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa priemyselného odvetvia (M3,
porovnávacia skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NR
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-
vysoká technológia
výroby
-170,900 26 21 0.6176 - -3.25
Iné 31,615 14 12 0.8729 - 9.94
Vážený priemer -54,662 Jednotkové náklady (EUR) -10.01
95
Obrázok 49: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: zamietnutíkontrolná sada X2)
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 pracujúcich na plný pracovný úväzok (FTE)
Podľa veľkosti podniku
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.
Tabuľka 47: Priemerný vplyv na FTE v eurách, zoskupené podľa veľkosti podniku (M3, porovnávacia
skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
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
Obrázok 50: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Tabuľka 48: Priemerný vplyv na FTE v eurách, zoskupené podľa veľkosti podniku (M3, porovnávacia
skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/FTE
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
Obrázok 51: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
Podľa regiónu NUTS 2
Odhadované priemerné vplyvy na FTE sú pozitívne a ich veľkosť je na úrovni 1,6 a 2,2 FTE. Odhady
vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu na úrovni skupín
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
Tabuľka 49: Priemerný vplyv na FTE v eurách, zoskupené podľa regiónu NUTS 2 (M3, porovnávacia
skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/FTE
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
Obrázok 52: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS
2 (M3, porovnávacia skupina: zamietnutí, kontorlná sada X1)
Tabuľka 50: Priemerný vplyv na FTE v eurách, zoskupené podľa regiónu NUTS 2 (M3, porovnávacia
skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/FTE
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
priemer 2.2 Jednotkové náklady (EUR) 248,764.58
98
Obrázok 53: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa regiónu NUTS
2 (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
Podľa priemyselného odvetvia
Odhadované priemerné vplyvy na FTE sú pozitívne a ich veľkosť je na úrovni 1,55 a 2,47 FTE. Odhady
vplyvu na úrovni skupín sú zanedbateľné na 5% hladine významnosti. Odhady vplyvu na úrovni skupín
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.
Tabuľka 51: Priemerný vplyv na FTE v eurách, zoskupené podľa priemyselného odvetvia (M3,
porovnávacia skupina: zamietnutí, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/FTE
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
Vážený priemer 1.55 Jednotkové náklady (EUR) 352,198.63
99
Obrázok 54: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X1)
Tabuľka 52: Priemerný vplyv na FTE v eurách, zoskupené podľa priemyselného odvetvia (M3,
porovnávacia skupina: zamietnutí, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/FTE
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-
vysoká technológia
výroby
-9.42 26 20 0.7302 - -59,061.33
Iné 5.00 14 11 0.7504 - 62,860.03
Vážený priemer 2.47 Jednotkové náklady (EUR) 221,602.57
Obrázok 55: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: zamietnutí, kontrolná sada X2)
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
100
zaručený konečný odhad vplyvu bez skreslenia v rámci homogénnych podporených podnikov
a porovnávacej skupiny.
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
Podľa veľkosti podniku
Odhadované priemerné vplyvy na čistú pridanú hodnotu sú pozitívne a ich veľkosť je na úrovni 221 139
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
Tabuľka 55: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa veľkosti podniku
(M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NVA
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
priemer 221,139 Jednotkové náklady (EUR) 2.59
Obrázok 59: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Tabuľka 56: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa veľkosti podniku
(M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NVA
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
priemer 228,921 Jednotkové náklady (EUR) 2.50
105
Obrázok 60: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Podľa priemyselného odvetvia
Odhadované priemerné vplyvy na čistú pridanú hodnotu sú pozitívne a ich veľkosť je na úrovni 184 763
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.
Tabuľka 57: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NVA
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
Vážený priemer 184,763 Jednotkové náklady (EUR) 2.96
106
Obrázok 61: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Tabuľka 58: Priemerný vplyv na čistú pridanú hodnotu v eurách, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NVA
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-
vysoká technológia
výroby
-125,563 26 21 0.7358 - -4.43
Iné -263 14 13 0.9977 - -1,195.04
Vážený priemer 201,181 Jednotkové náklady (EUR) 2.72
Obrázok 62: Očakávaný vplyv na čistú pridanú hodnotu na 95% intervale spoľahlivosti, zoskupené
podľa priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
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
107
zaručený konečný odhad vplyvu bez skreslenia v rámci homogénnych podporených podnikov a
porovnávacia skupiny.
Vplyv programu na čistý príjem
Podľa veľkosti podniku
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.
Tabuľka 59: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa veľkosti podniku (M3,
porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
Obrázok 63: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Tabuľka 60: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa veľkosti podniku (M3,
porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
Obrázok 64: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
veľkosti podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Podľa priemyselného odvetvia
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.
Tabuľka 61: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa priemyselného odvetvia (M3,
porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/NR
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
Vážený priemer -4,988 Jednotkové náklady (EUR) -109.74
109
Obrázok 65: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Tabuľka 62: Priemerný vplyv na čisté príjmy v eurách, zoskupené podľa priemyselného odvetvia (M3,
porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/NR
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-
vysoká technológia
výroby
-97,810 26 21 0.5310 - -5.69
Iné -87,368 14 12 0.0440 ** -3.60
Vážený priemer -34,563 Jednotkové náklady (EUR) -15.84
Obrázok 66: Očakávaný vplyv na čisté príjmy na 95% intervale spoľahlivosti, zoskupené podľa
priemyselného odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
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
110
zaručený konečný odhad vplyvu bez skreslenia v rámci homogénnych podporených podnikov a
porovnávacej skupiny.
Vplyv programu na pracujúcich na plný pracovný úväzok (FTE)
Podľa veľkosti podniku
Odhadované priemerné vplyvy na FTE sú pozitívne a ich veľkosť je na úrovni 1,6 a 1,9 FTE. Odhady
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.
Tabuľka 63: Priemerný vplyv na FTE v eurách, zoskupené podľa veľkosti podniku (M3, porovnávacia
skupina: nezúčastnené podniky, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/FTE
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
priemer 1.6 Jednotkové náklady (EUR) 361,803.82
Obrázok 67: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
podniku (M3, porovnávacia skupina: nezúčastnené podniky, kontorlná sada X1)
Tabuľka 64: Priemerný vplyv na FTE v eurách, zoskupené podľa veľkosti podniku (M3, porovnávacia
skupina: nezúčastnené podniky, kontorlná sada X2)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/FTE
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
priemer 1.9 Jednotkové náklady (EUR) 295,798.68
Obrázok 68: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa veľkosti
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.
Tabuľka 65: Priemerný vplyv na FTE v eurách, zoskupené podľa priemyselného odvetvia (M3,
porovnávacia skupina: nezúčastnené podniky, kontrolná sada X1)
Vplyv Počet podporených
podnikov Not missing p-value Významnosť Podporení/FTE
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-
vysoká technológia
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
Obrázok 69: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Tabuľka 66: Priemerný vplyv na FTE v eurách, zoskupené podľa priemyselného odvetvia (M3,
porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
Vplyv Počet
podporených podnikov
Not missing p-value Významnosť Podporení/FTE
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-
vysoká technológia
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
Obrázok 70: Očakávaný vplyv na FTE na 95% intervale spoľahlivosti, zoskupené podľa priemyselného
odvetvia (M3, porovnávacia skupina: nezúčastnené podniky, kontrolná sada X2)
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
113
zaručený konečný odhad vplyvu bez skreslenia v rámci homogénnych podporených podnikov
a porovnávacej skupiny.
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
Počet pozorovaní 83 77 32 18
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
Počet pozorovaní 33 97 67 13
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
Počet pozorovaní 83 77 32 18
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
2009 Žiadne podniky v tomto období nerealizujú projekty
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
2018 Koniec udržateľnosti projektov pre všetky obdobia
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
Daň z pridanej hodnoty
2009 Žiadne podniky v tomto období nerealizujú projekty
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
2018 Koniec udržateľnosti projektov pre všetky obdobia
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
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 -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.
31Čistý vplyv na rozpočet je vypočítaný s použitím miery inflácie a úrokovej sadzby jednoročných štátnych dlhopisov
obsiahnutých v Error! Reference source not found.79.
32 Priemerná podpora na podnik mala hodnotu 605 513 EUR
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
Daň z pridanej hodnoty
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
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 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
Daň z pridanej hodnoty
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
33Čistý vplyv na rozpočet je vypočítaný s použitím miery inflácie a úrokovej sadzby jednoročných štátnych dlhopisov
obsiahnutých v Error! Reference source not found..
34 Priemerná podpora na podnik mala hodnotu 605 513 EUR
125
Obrázok 74: Rozdiely medzi tromi scenármi (vľavo: v miliónoch eur, vpravo: v percentách bežného
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
Podľa veľkosti podniku
Mikro Pravdepodobne
pozitívny nejednoznačná
Pravdepodobne pozitívny
nejednoznačná Pravdepodobne
pozitívny nejednoznačná
Malé pozitívny 260.8-395.5 pozitívny 14.3-121.9 nulový nulová
Stredné pozitívny 26.6-106.8 nejednoznačný nejednoznačná Pravdepodobne
pozitívny nejednoznačná
Veľké nejednoznačný nejednoznačná nejednoznačný nejednoznačná nejednoznačný nejednoznačná
Podľa regiónu NUTS 2
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
Podľa priemyselného odvetvia
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
pozitívny nejednoznačná
Stredne-nízka technológia výroby
pozitívny 457.2-619.4 pozitívny 15.5-178.3 Pravdepodobne
pozitívny nejednoznačná
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
Stratifikácia M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)
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
Podľa veľkosti podniku
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
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
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
Podľa regiónu NUTS 2
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
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
Podľa priemyselného odvetvia
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
vysoká technológia
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
Stratifikácia M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
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
Podľa veľkosti podniku
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
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
Podľa regiónu NUTS 2
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
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
Podľa priemyselného odvetvia
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)
Porovnávacia skupina: zamietnutí
Porovnávacia skupina:
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
Vysoká a stredne vysoká
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
Stratifikácia M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)
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)
Porovnávacia skupina: zamietnutí
Porovnávacia skupina:
nezúčastnené
podniky Min Max AVG
Stratifikácia M1 M2 M3 (X1) M3(X2) M4(X1) M4(X2)
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
Podľa veľkosti podniku
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
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
Podľa regiónu NUTS 2
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)
Porovnávacia skupina: zamietnutí Porovnávacia skupina: nezúčastnené podniky Min Max AVG
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
Podľa priemyselného odvetvia
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)
Porovnávacia skupina: zamietnutí
Porovnávacia skupina:
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
Vysoká a stredne vysoká
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
Obrázok 75: Rozdiely medzi tromi scenármi (vľavo: v miliónoch eur, vpravo: v percentách bežného
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.
Prípadová štúdia č. 3
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.
Prípadová štúdia č. 4
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
výberová (kontrolná) premenná
Kvantifikácia čistých efektov/Meranie
významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.2.3. Dôvod vyradenia Výsledková premenná a
výberová (kontrolná) premenná
Kvantifikácia čistých efektov/Meranie
významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.3. Rok narodenia UoZ
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.4. Pohlavie klienta
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.5. Správne územie:
1.5.1. Okres trvalého bydliska
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.5.2. Okres prechodného bydliska
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.5.3. UPSVR, ktorý eviduje UoZ
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.5.4. Kód obce
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.6. Rodinný stav
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
163
1.7. Štátna príslušnosť
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.8. Národnosť
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.9. Deti do 10 rokov
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.10. Vzdelanie:
1.10.1. Najvyšší dosiahnutý stupeň
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.10.2.
Študijný odbor, v ktorom
úspešne absolvoval najvyššie
dosiahnuté vzdelanie
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.10.3.
Posledný študijný odbor,
absolvovaný – nemusí ísť
o úspešné ukončené vzdelanie
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.11. Miera zdravotného
postihnutia
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.12. Posledné známe zamestnanie:
1.12.1. Zamestnanie bezprostredne
pred evidenciou
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.12.2. Dĺžka trvania zamestnania
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.12.3. Profesia
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.12.4. Oblasť podnikania
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.12.5. Typ pracovného vzťahu
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.12.6. Doba do zaradenia do
evidencie UoZ
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.13. Prax
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.14. Občan v minulosti evidovaný
na UPSVR
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.15. Znalosť cudzieho jazyka
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.16. Vlastníctvo vodičského
preukazu
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.17. Ovládanie PC
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
1.18. Prekážka pri uplatnení na trhu
práce
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
efektu
164
1.19.
Príslušnosť ku skupine
znevýhodnených UoZ podľa §
8
Výberová (kontrolná)
premenná
Meranie významnosti premennej na výsledok
a očistenie výsledku pre získanie čistého
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.
Tabuľka 111: Štruktúra tabuľky „Export_T1“ (názvy premenných)
Požadované údaje o
UCHÁDZAČOCH
O ZAMESTANIE -
Účasť na
opatreniach TP
(od začiatku platnosti
zákona 5/2004)
Typ premennej Rola premennej
2.1. Rodné číslo
(identifikátor klienta)
Identifikátor Identifikácia UoZ
2.2. Nástroj TP
Výberová (kontrolná)
premenná
Meranie významnosti premennej na
výsledok a očistenie výsledku pre
získanie čistého efektu
2.3. Dátum obsadenia na
nástroj od
Výberová (kontrolná)
premenná
Meranie významnosti premennej na
výsledok a očistenie výsledku pre
získanie čistého efektu
2.4. Dátum obsadenia na
nástroj do
Výberová (kontrolná)
premenná
Meranie významnosti premennej na
výsledok a očistenie výsledku pre
získanie čistého efektu
2.5. Náklady spojené
s účasťou na opatrení
Výberová (kontrolná)
premenná
Meranie významnosti premennej na
výsledok a očistenie výsledku pre
získanie čistého efektu
2.6. Výška príspevku
Výberová (kontrolná)
premenná
Meranie významnosti premennej na
výsledok a očistenie výsledku pre
získanie čistého efektu
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
Tabuľka 112: Štruktúra tabuľky „Export_T1“ (názvy premenných)
A
Požiadavky údajov
o UCHÁDZAČOCH
O ZAMESTANIE – zúčastnených
vzdelávania v rámci §46
(za roky 2007-2013)
Typ premennej Rola premennej
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
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
1.4. Mesiac – obdobie v tvare RRRRMM
Výberová
(kontrolná)
premenná
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
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
Kvantifikácia čistých efektov
1.5.4. ZECDN – dohoda o vykonaní práce
– nepravidelný príjem
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.5. ZECD2PR – dohoda o pracovnej
činnosti
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.6. ZECD2N – dohoda o pracovnej
činnosti – nepravidelný príjem
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.7. ZECD34 – dohoda o brigádnickej
práci študenta
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.8. ZECD34N – dohoda o brigádnickej
práci študent - nepravidelný príjem
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.9. DPO – dobrovoľne poistená osoba Výsledková
premenná
Kvantifikácia čistých efektov
1.5.10. DIE6R – starostlivosť o dieťa do 6
rokov
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.11. DIE7R – starostlivosť o dieťa do 7
rokov
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.12. DIER18R – starostlivosť o dieťa do
18 rokov
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.13. FOMAT – obdobie poskytovania
materskej
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.14. POP – poberateľ opatrovateľského
príspevku
Výsledková
premenná
Kvantifikácia čistých efektov
1.5.15. OSA – osobný asistent Výsledková
premenná
Kvantifikácia čistých efektov
1.6. Vymeriavací základ na úrazové
poistenie
Výsledková
premenná
Kvantifikácia čistých efektov
1.7. Vymeriavací základ na starobné
poistenie:
1.7.1. U zamestnancov z mesačného
výkazu
Výsledková
premenná
Kvantifikácia čistých efektov
166
1.7.2.
U SZČO a DPO zo saldokonta – je
vytvorené z predpisov poistné
a z platieb
Výsledková
premenná
Kvantifikácia čistých efektov
1.7.3. U poistencov štátu neuvedený Výsledková
premenná
Kvantifikácia čistých efektov
1.8. Vymeriavací základ na nemocenské:
1.8.1. U zamestnancov z mesačného
výkazu
Výsledková
premenná
Kvantifikácia čistých efektov
1.8.2. U SZČO a DPO zo saldokonta Výsledková
premenná
Kvantifikácia čistých efektov
1.10. Okre trvalého pobytu fyzickej osoby
Výberová
(kontrolná)
premenná
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
1.11. Kód obce z adresy trvalého pobytu
fyzickej osoby
Výberová
(kontrolná)
premenná
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
1.12. Obec z adresy trvalého pobytu
fyzickej osoby
Výberová
(kontrolná)
premenná
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
1.13. OKEČ zamestnávateľa
Výberová
(kontrolná)
premenná
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
1.14. Kód obce z adresy sídla
zamestnávateľa
Výberová
(kontrolná)
premenná
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
1.15. Obec z adresy sídla zamestnávateľa
Výberová
(kontrolná)
premenná
Meranie významnosti premennej
na výsledok a očistenie výsledku
pre získanie čistého efektu
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).
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.
Tabuľka 125: Zhoda kontrolnej a podporenej skupiny na vybraných charakteristikách UoZ (model 1)
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
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.
Tabuľka 127: Zhoda kontrolnej a podporenej skupiny na vybraných charakteristikách UoZ (model 2)
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
Tabuľka 130: Porovnanie výsledkov dopadu na príjem účastníkov 2008/05-2008/08
Model1 Model 2 Model 3
Mesiac ATT S.E. p. N ATT S.E. p. N β S.E. p. N
-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).
Zdroj: Výpočty autorov na poskytnutých údajoch
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.
Tabuľka 131: Porovnanie výsledkov dopadu na príjem účastníkov 2008/05-2008/08
Model1 Model 2 Model 3
Mesiac ATT S.E. p. N ATT S.E. p. N β S.E. p. N
-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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
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
Tabuľka 132: Porovnanie výsledkov dopadu na príjem účastníkov 2008/09-2010/12
200908-201012 Model1 Model 2 Model 3
Mesiac ATT S.E. p. N ATT S.E. p. N β S.E. p. N
-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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
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.
Tabuľka 133: Porovnanie výsledkov dopadu na príjem účastníkov 2011/01-2011/12
2011/01-2011/12 Model1 Model 2 Model 3
Mesiac ATT S.E. p. N ATT S.E. p. N β S.E. p. N
-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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
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
Tabuľka 134: Porovnanie výsledkov dopadu na príjem účastníkov 2012/01-2012/12
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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
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.
Tabuľka 135: Porovnanie výsledkov dopadu na príjem účastníkov 2013/01-2013/12
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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
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.
Trend zvyšujúcich sa negatívnych dopadov opatrenia je možné ešte jednoznačnejšie pozorovať na
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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
Model 2 reportuje 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.
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
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.
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
Mesiac ATT S.E. p. N ATT S.E. p. N ATT S.E. p. N
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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
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
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 opatrenia57. 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.
9.3.4 Výsledky vyhodnotenia podľa stupňa najvyššieho dosiahnutého vzdelania
Pri rozlíšení troch stupňov najvyššieho dosiahnutého vzdelania, opäť dostávame zo všetkých troch
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
Mesiac ATT S.E. p. N ATT S.E. p. N ATT S.E. p. 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
57Viď podrobné výsledky odhadov v prílohe.
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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
Zdroj: Výpočty autorov na poskytnutých údajoch
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
Rovnako ako na príjem jednotlivcov, účasť na opatrení bola spojená aj s nižšou pravdepodobnosťou
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
Úrad ATT p. N ATT p. N ATT p. N ATT p. N
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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
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
Úrad ATT p. N ATT p. N ATT p. N ATT p. N
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
Úrad ATT p. N ATT p. N ATT p. N ATT p. N
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
Pozn.: Zelené polia označujú významný pozitívny efekt, sivé polia významný negatívny efekt (zvolená hladina
významnosti je 0.05).
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
Sociálne a zdravotné poistenie
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.
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 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
223
o obdobie druhého polroku po ukončení opatrenia70. 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 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
70Viď podrobné výsledky odhadov v prílohe.
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
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 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
AVG Total -14043 TOTAL GRANTS / TOTAL EXPECTED IMPACT -46,47
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
Table 4. Average impacts on net value added in euros, clustered by legal form (CDD2, control group:
rejected)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
Not enterprise NA 29 1 NA NA NA
Enterprise 173727 151 129 0,3982 - 3,55
AVG Total 173727 TOTAL GRANTS / TOTAL EXPECTED IMPACT 3,76
By firm age
241
Table 5. Average impacts on net value added in euros, clustered by firm age (DD, control group:
rejected)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
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)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
Old 480423 76 49 0,1649 - 0,90
Medium 20047 93 88 0,7530 - 25,75
Young 193509 11 9 0,6970 - 8,36
AVG Total 225028 TOTAL GRANTS / TOTAL EXPECTED IMPACT 2,43
Table 7. Average impacts on net value added in euros, clustered by firm age (CDD1, control group:
rejected)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
Old 438322 76 50 0,3558 - 0,98
Medium 32929 93 88 0,8490 - 15,63
Young NA 11 9 0,7964 - -5,35
AVG Total 202082 TOTAL GRANTS / TOTAL EXPECTED IMPACT 2,71
Table 8. Average impacts on net value added in euros, clustered by firm age (CDD2, control group:
rejected)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
Old 471964 76 49 0,2321 - 0,91
Medium 22895 93 74 0,9001 - 22,49
Young -83211 11 7 0,8763 - -19,44
AVG Total 206017,9 TOTAL GRANTS / TOTAL EXPECTED IMPACT 2,66
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)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Not enterprise -145304 29 29 0,3197 - -7,77
Enterprise -24522 151 150 0,7408 - -12,97
AVG Total -43981 TOTAL GRANTS / TOTAL EXPECTED IMPACT -12,45
Table 11. Average impacts on net revenue in euros, clustered by legal form (CDD1, control group:
rejected)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Not enterprise 3701 29 29 0,9824 - 142,04
Enterprise 30261 151 150 0,7830 - 20,37
AVG Total 25982 TOTAL GRANTS / TOTAL EXPECTED IMPACT 21,07
Table 12. Average impacts on net revenue in euros, clustered by legal form (CDD2, control group:
rejected)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Not enterprise NA 29 2 NA NA NA
Enterprise -1562 151 131 0,9881 - -394,52
AVG Total -1562 TOTAL GRANTS / TOTAL EXPECTED IMPACT -417,69
By firm age
Table 13. Average impacts on net revenue in euros, clustered by firm age (DD, control group:
rejected)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Old 64530 76 76 0,5653 - 6,67
Medium -4370 93 93 0,9216 - -118,14
Young 210871 11 10 0,0000 *** 7,67
AVG Total 37874,7 TOTAL GRANTS / TOTAL EXPECTED IMPACT 14,45
243
Table 14. Average impacts on net revenue in euros, clustered by firm age (DDD, control group:
rejected)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Old 101987 76 76 0,4365 - 4,22
Medium 17962 93 93 0,7771 - 28,74
Young 334113 11 10 0,0823 * 4,84
AVG Total 72759 TOTAL GRANTS / TOTAL EXPECTED IMPACT 7,52
Table 15. Average impacts on net revenue in euros, clustered by firm age (CDD1, control group:
rejected)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Old 51003 76 76 0,7788 - 8,44
Medium 7274 93 93 0,9371 - 70,78
Young 19506 11 10 0,9753 - 82,94
AVG Total 26485 TOTAL GRANTS / TOTAL EXPECTED IMPACT 20,67
Table 16. Average impacts on net revenue in euros, clustered by firm age (CDD2, control group:
rejected)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Old 76327 76 51 0,7075 - 5,64
Medium -39215 93 75 0,6922 - -13,13
Young -72396 11 7 0,8371 - -22,35
AVG Total 7541,7 TOTAL GRANTS / TOTAL EXPECTED IMPACT 72,58
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
AVG Total -0,2 TOTAL GRANTS / TOTAL EXPECTED IMPACT -3603392,20
Table 18. Average impacts on the number of full-time equivalents, clustered by legal form (DDD,
control group: rejected)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
Not enterprise -2,3 29 27 0,3664 - -489691,86
Enterprise -3,4 151 134 0,0956 * -94853,43
244
AVG Total -3,2 TOTAL GRANTS / TOTAL EXPECTED IMPACT -171960,18
Table 19. Average impacts on the number of full-time equivalents, clustered by legal form (CDD1,
control group: rejected)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
Not enterprise 0,81 29 27 0,8806 - 648305,33
Enterprise 0,24 151 133 0,9810 - 2558021,3
8
AVG Total 0,33 TOTAL GRANTS / TOTAL EXPECTED IMPACT 1644953,3
0
Table 20. Average impacts on the number of full-time equivalents, clustered by legal form (CDD2,
control group: rejected)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
Not enterprise NA 29 2 NA NA NA
Enterprise -3,17 151 127 0,7032 - -194338,73
AVG Total -3,17 TOTAL GRANTS / TOTAL EXPECTED IMPACT -205753,41
By firm age
Table 21. Average impacts on the number of full-time equivalents, clustered by firm age (DD, control
group: rejected)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
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
AVG Total -0,2 TOTAL GRANTS / TOTAL EXPECTED IMPACT -2918712,51
Table 22. Average impacts on the number of full-time equivalents, clustered by firm age (DDD,
control group: rejected)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
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
AVG Total -2,5 TOTAL GRANTS / TOTAL EXPECTED IMPACT -214957,41
Table 23. Average impacts on the number of full-time equivalents, clustered by firm age (CDD1,
control group: rejected)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
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
AVG Total 0,6 TOTAL GRANTS / TOTAL EXPECTED IMPACT 930925,45
Table 24. Average impacts on the number of full-time equivalents, clustered by firm age (CDD2,
control group: rejected)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
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
AVG Total 3,0 TOTAL GRANTS / TOTAL EXPECTED IMPACT 182520,43
15.3 Dodatočné analýzy vykonané na vzorke nezúčastnených
podnikov
NVA
By legal form
Table 25. Average impacts on net value added in euros, clustered by legal form (CDD1, control group:
non-applicant)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
Not enterprise NA 29 1 NA NA NA
Enterprise 212510 151 146 0,0364 ** 2,90
AVG Total 212510 TOTAL GRANTS / TOTAL EXPECTED IMPACT 3,07
Table 26. Average impacts on net value added in euros, clustered by legal form (CDD2, control group:
non-applicant)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
Not enterprise NA 29 1 NA NA NA
Enterprise 232224 151 129 0,0098 *** 2,65
AVG Total 232224 TOTAL GRANTS / TOTAL EXPECTED IMPACT 2,81
By firm age
Table 27. Average impacts on net value added in euros, clustered by firm age (CDD1, control group:
non-applicant)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
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
AVG Total 263445 TOTAL GRANTS / TOTAL EXPECTED IMPACT 2,08
Table 28. Average impacts on net value added in euros, clustered by firm age (CDD2, control group:
non-applicant)
AVG IMPACTS NVA Total observations Not missing p-value significance Support/NVA
Old 562984 76 49 0,0094 *** 0,76
Medium 47911 93 74 0,5579 - 10,75
Young 13770 11 6 0,7586 - 117,48
AVG Total 263299,8 TOTAL GRANTS / TOTAL EXPECTED IMPACT 2,08
NR
By legal form
Table 29. Average impacts on net revenue in euros, clustered by legal form (CDD1, control group:
non-applicant)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Not enterprise -22018 29 29 0,8221 - -23,88
Enterprise 4935 151 150 0,9599 - 124,90
AVG Total 592 TOTAL GRANTS / TOTAL EXPECTED IMPACT 924,39
Table 30. Average impacts on net revenue in euros, clustered by legal form (CDD2, control group:
non-applicant)
AVG IMPACTS NR Total
observations Not missing p-value
significanc
e
Support/N
R
Not enterprise NA 29 2 NA NA NA
Enterprise -21652 151 131 0,7604 - -28,46
AVG Total -21652 TOTAL GRANTS / TOTAL EXPECTED IMPACT -30,14
By firm age
Table 31. Average impacts on net revenue in euros, clustered by firm age (CDD1, control group: non-
applicant)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Old -37543 76 76 0,8767 - -11,47
Medium 5496 93 93 0,8935 - 93,66
Young -20428 11 10 0,6767 - -79,19
AVG Total -14260 TOTAL GRANTS / TOTAL EXPECTED IMPACT -38,39
247
Table 32. Average impacts on net revenue in euros, clustered by firm age (CDD2, control group: non-
applicant)
AVG IMPACTS NR Total observations Not missing p-value significance Support/NR
Old -95191 76 51 0,6969 - -4,52
Medium -44083 93 75 0,2576 - -11,68
Young 689 11 7 0,9847 - 2347,08
AVG Total -62926,0 TOTAL GRANTS / TOTAL EXPECTED IMPACT -8,70
FTE
By legal form
Table 33. Average impacts on the number of full-time equivalents, clustered by legal form (CDD1,
control group: non-applicant)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
Not enterprise 7,09 29 27 0,0112 ** 74199,93
Enterprise -2,03 151 133 0,5351 - -303399,94
AVG Total -0,56 TOTAL GRANTS / TOTAL EXPECTED IMPACT -973037,90
Table 34. Average impacts on the number of full-time equivalents, clustered by legal form (CDD2,
control group: non-applicant)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
Not enterprise NA 29 2 NA NA NA
Enterprise 1,10 151 127 0,7287 - 559914,31
AVG Total 1,10 TOTAL GRANTS / TOTAL EXPECTED IMPACT 592801,46
By firm age
Table 35. Average impacts on the number of full-time equivalents, clustered by firm age (CDD1,
control group: non-applicant)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
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
AVG Total 0,8 TOTAL GRANTS / TOTAL EXPECTED IMPACT 729505,96
Table 36. Average impacts on the number of full-time equivalents, clustered by firm age (CDD2,
control group: non-applicant)
AVG IMPACTS FTE Total observations Not missing p-value significance Support/FTE
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
AVG Total 4,4 TOTAL GRANTS / TOTAL EXPECTED IMPACT 124548,34
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
Výpadok príjmov ŠR
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
Sociálne a zdravotné poistenie
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
Sociálne a zdravotné poistenie
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
Výdavky ŠR na nezamestnaného
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
Nepriame náklady DH
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
Výpadok príjmov ŠR
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
Sociálne a zdravotné poistenie
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
Sociálne a zdravotné poistenie
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
Výdavky ŠR na nezamestnaného
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
Priemerná vážená výška DvHN a PkD
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
Výdavky na všeobecné služby úradov práce na
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
Nepriame náklady DH
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
Výpadok príjmov ŠR
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
Sociálne a zdravotné poistenie
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
Sociálne a zdravotné poistenie
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
Výdavky ŠR na nezamestnaného
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
Priemerná vážená výška DvHN a PkD
pre UoZ -501 866 -777 238 -911 105 -723 861 -217 089 -94 542 -100 971 -27 628 0 0 0 -3 354 299
Výdavky na všeobecné služby úradov práce na
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
Výdavky na zamestnancov a správny aparát v oblasti
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
Nepriame náklady DH
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
Výpadok príjmov ŠR
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
Sociálne a zdravotné poistenie
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
Sociálne a zdravotné poistenie
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
Výdavky ŠR na nezamestnaného
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
Priemerná vážená výška DvHN a PkD
pre UoZ 0 0 0 0 0 0 0 0 0 0 0 0
Výdavky na všeobecné služby úradov práce na
jedného nezamestnaného na jeden mesiac 0 0 0 0 0 0 0 0 0 0 0 0
Výdavky na zamestnancov a správny aparát v
oblasti
APTP na jedného nezamestnaného na jeden
mesiac
0 0 0 0 0 0 0 0 0 0 0 0
Nepriame náklady DH
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
Výpadok príjmov ŠR
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
Sociálne a zdravotné poistenie
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
Sociálne a zdravotné poistenie
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
Výdavky ŠR na nezamestnaného
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
Priemerná vážená výška DvHN a PkD
pre UoZ 0 0 0 0 0 0 0 0 0 0 0 0
Výdavky na všeobecné služby úradov práce na
jedného nezamestnaného na jeden mesiac 0 0 0 0 0 0 0 0 0 0 0 0
Výdavky na zamestnancov a správny aparát v oblasti
APTP na jedného nezamestnaného na jeden mesiac 0 0 0 0 0 0 0 0 0 0 0 0
Nepriame náklady DH
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 -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
Výpadok príjmov ŠR
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
Sociálne a zdravotné poistenie
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
Sociálne a zdravotné poistenie
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
Výdavky ŠR na nezamestnaného
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
Priemerná vážená výška DvHN a PkD
pre UoZ 0 0 0 0 0 0 0 0 0 0 0 0
Výdavky na všeobecné služby úradov práce na
jedného nezamestnaného na jeden mesiac 0 0 0 0 0 0 0 0 0 0 0 0
Výdavky na zamestnancov a správny aparát v
oblasti
APTP na jedného nezamestnaného na jeden
mesiac
0 0 0 0 0 0 0 0 0 0 0 0
Nepriame náklady DH
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 -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”).