Celem artykułu jest ustalenie wpływu płci, wieku i wykształcenia na prawdopodobieństwo wyjścia z bezrobocia rejestrowanego w Szczecinie. Na potrzeby badania zastosowano metodę analizy trwania. W tym celu wykorzystano drzewa przeżycia zbudowane w oparciu o estymatory Kaplana-Meiera, a za kryterium podziału przyjęto statystyki testu log-rank. Analizowano dwie najczęstsze przyczyny wyrejestrowywania z urzędu pracy – podjęcie pracy oraz wykreślenie z przyczyn leżących po stronie osoby bezrobotnej. Wyodrębniono podgrupy osób podejmujących pracę oraz rezygnujących z pośrednictwa urzędu pracy w najkrótszym i najdłuższym czasie. Analizę oparto na danych indywidualnych z Powiatowego Urzędu Pracy w Szczecinie. Dotyczyły one osób zarejestrowanych w 2013 r. i obserwowanych do końca 2014 r. Obliczenia przeprowadzono w programie R, korzystając z pakietu partykit, funkcji ctree. Z badania wynika, że prawdopodobieństwo wyłączenia z ewidencji bezrobotnych z powodu podjęcia pracy zależało tylko od wieku i wykształcenia, natomiast z powodów leżących po stronie osoby bezrobotnej było warunkowane przez płeć, wiek oraz wykształcenie.
drzewa przeżycia, estymator Kaplana-Meiera, test log-rank, bezrobocie rejestrowane
C38, C41, J64
Aalen, O., Borgan, O., Gjessing, H. (2008). Survival and Event History Analysis. A Process Point of View. New York: Springer-Verlag.
Al-Nachawati, H., Ismail, M., Almohisen, A. (2010). Tree-structured analysis of survival data and its application using SAS software. Journal of King Saud University (Science), 22, 251–255. DOI: 10.1016/j.jksus.2010.05.006.
Bieszk-Stolorz, B. (2013). Analiza historii zdarzeń w badaniu bezrobocia. Szczecin: Volumina.pl Daniel Krzanowski.
Bieszk-Stolorz, B. (2017). Cumulative Incidence Function in Studies on the Duration of the Unemployment Exit Process. Folia Oeconomica Stetinensia, 17(1), 138–150. DOI: 10.1515/foli-2017-0011.
Bieszk-Stolorz, B., Dmytrów, K. (2018). Efektywność form aktywizacji zawodowej w przekroju wojewódzkim. Wiadomości Statystyczne, 63(12), 57–74.
Bieszk-Stolorz, B., Dmytrów, K. (2019). Spatial diversity of effectiveness of forms of professional activisation in Poland in years 2008–2014 by poviats. Oeconomia Copernicana, 10(1), 113–130. DOI: 10.24136/oc.2019.006.
Bieszk-Stolorz, B., Markowicz, I. (2015). Influence of Unemployment Benefit on Duration of Registered Unemployment Spells. Equilibrium. Quarterly Journal of Economics and Economic Policy, 10(3), 167–183. DOI: 10.12775/EQUIL.2015.031.
Bou-Hamad, I., Larocque, D., Ben-Ameur, H., Mâsse, L. C., Vitaro, F., Tremblay, R. E. (2009). Discrete-time survival trees. Canadian Journal of Statistics / La revue canadienne de statistique, 37(1), 17–32. DOI: 10.1002/cjs.10007.
Cappelli, C., Zhang, H. (2007). Survival Trees. W: W. Härdle, Y. Mori, P. Vieu (red.), Statistical Methods for Biostatistics and Related Fields (s. 167–179). Berlin: Springer-Verlag. DOI: 10.1007/978-3-540-32691-5.
De Rose, A., Pallara, A. (1997). Survival Trees: An Alternative Non-Parametric Multivariate Technique for Life History Analysis. European Journal of Population / Revue Européenne de Démographie, 13(3), 223–241. DOI: 10.1023/A:1005844818027.
GUS. (2011). Rocznik Statystyczny Pracy 2010. Warszawa: Główny Urząd Statystyczny.
GUS. (2014). Rocznik Statystyczny Pracy 2012. Warszawa: Główny Urząd Statystyczny.
GUS. (2016). Rocznik Statystyczny Pracy 2015. Warszawa: Główny Urząd Statystyczny.
GUS. (2018). Rocznik Statystyczny Pracy 2017. Warszawa: Główny Urząd Statystyczny.
Hadaś-Dyduch, M., Pietrzak, M. B., Balcerzak, A. P. (2016). Wavelet Analysis of Unemployment Rate in Visegrad Countries (Institute of Economic Reaserch Working Papers No. 37).
Kaplan, E. L., Meier, P. (1958). Non-parametric estimation from incomplete observations. Journal of American Statistical Association, 53(282), 457–481. DOI: 10.2307/2281868.
Kleinbaum, D., Klein, M. (2005). Survival Analysis. A Self-Learning Text. New York: Springer-Verlag. DOI: 10.1007/0-387-29150-4.
Landmesser, J. (2013). Wykorzystanie metod analizy czasu trwania do badania aktywności ekonomicznej ludności w Polsce. Warszawa: Wydawnictwo SGGW.
LeBlanc, M., Crowley, J. (1993). Survival trees by goodness of split. Journal of the American Statistical Association, 88(422), 457–467. DOI: 10.2307/2290325.
Mikulec, A., Misztal, M. (2018). Zastosowanie metody rekurencyjnego podziału w analizie trwania przedsiębiorstw województwa łódzkiego. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, (507), 179–190. DOI: 10.15611/pn.2018.507.18.
Mudunuru, V. R. (2016). Modeling and Survival Analysis of Breast Cancer: A Statistical, Artificial Neural Network, and Decision Tree Approach. Graduate Theses and Dissertations. Pobrane z: http://scholarcommons.usf.edu/etd/6120.
von Wangenheim, B. F. (2013). Survival trees – a new method in innovation theory: A successful introduction of a method commonly used in survival analysis into the field of innovation diffusion theory. Hamburg: Anchor Academic Publishing.
Zhou, Y., McArdle, J. J. (2015). Rationale and Applications of Survival Tree and Survival Ensemble Methods. Psychometrika, 80(3), 811–833. DOI: 10.1007/s11336-014-9413-1.
