Urednika / Editors Boris Tkačik, Marina Urbas

Transcription

1

2

3 2 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 MERJENJE RAZVOJNE VLOGE IN UČINKOVITOSTI JAVNEGA SEKTORJA IN POLITIK STATISTIČNI DNEVI 06 Radenci, november 2006 Zbornik referatov 16. mednarodnega statističnega posvetovanja MEASUREMENT OF THE DEVELOPMENT ROLE AND EFFICIENCY OF THE PUBLIC SECTOR AND POLICIES STATISTICAL DAYS 06 Radenci, 6-8 November 2006 Proceedings Volume of the 16 th Statistical Conference Izdajatelja in založnika / Prepared and published by Statistični urad Republike Slovenije Statistical Office of the Republic of Slovenija Statistično društvo Slovenije Statistical Society of Slovenia Urednika / Editors Boris Tkačik, Marina Urbas Za jezikovno pravilnost referatov so odgovorni avtorji v sodelovanju s svojimi lektorji. The authors are responsible for the linguistic accuracy of their papers in co-operation with their readers or translators. Programski odbor posvetovanja / Programme Committee of the Conference Janez Šušteršič (predsednik / President) Darinka Pozvek Stane Marn Genovefa Ružić (namestnica predsednika / Deputy President) Roman Rep Erika Žnidaršič Andrej Blejec Alenka Kajzer Alenka Škafar Božič Irena Križman Marija Seljak Mojca Suvorov Marie Bohata Alojz Senegačnik Tomaž Smrekar Johann Hahlen Jelka Pirkovič Ida Repovž-Grabnar Jan Fischer Andrej Kovačič Andreja Hočevar Lea Bregar Tomaž Banovec Borislav Tkačik Janez Košak Karmen Hren Alenka Bratušek Metka Zaletel Organizacijski odbor posvetovanja / Organising Committee of the Conference Andreja Hočevar (predsednica / President) Marjan Štimac Bogdan Grmek (namestnik predsednice / Deputy President) Boris Panič Jana Žužek Bojana Potarič Jure Levačič Peter Zoubek Matej Osterman Slavko Šutar Tiskal Statistični urad Republike Slovenije, Ljubljana, oktober 2006 Printed by the Statistical Office of the Republic of Slovenija, Ljubljana, October 2006 Naklada / 300 izvodov / copies Uredniški odbor / Editorial Board Boris Tkačik (urednik Editor) Jadran Lasnibat Zdenka Arko Marina Urbas (urednica Editor) Bojana Potarič Anica Žinger CIP Kataložni zapis o publikaciji Narodna in univerzitetna knjižnic, Ljubljana 35:311(063)(082) STATISTIČNI dnevi (16 ; 2006 ; Radenci) Merjenje razvojne vloge in učinkovitosti javnega sektorja in politik : zbornik = Measurement of the development role and efficiency of the public sector and policies : proceedings volume / 16. statistični dnevi, Radenci, november 2006 = 16th Statistical Days, Radenci, 6-8 November 2006 ; [urednika Boris Tkačik, Marina Urbas]. - Ljubljana : Statistični urad Republike Slovenije : Statistično društvo Slovenije = Statistical Office of the Republic of Slovenia : Statistical Society of Slovenia, 2006 ISBN ISBN Gl. stv. nasl. 2. Vzp. stv. nasl. 3. Tkačik, Boris

4 STATISTIČNI DNEVI 2006 STATISTICAL DAYS SPREMNA BESEDA Spoštovani! Država je danes eden pomembnih dejavnikov konkurenčnosti gospodarstva. S svojim delovanjem ne vpliva le na narodno gospodarske agregate in poslovni cikel, ampak tudi na stroške in priložnosti konkretnih gospodarskih subjektov. Zato je pomembno, da znamo delovanje države ustrezno spremljati, meriti in primerjati z vidika njenega blagodejnega ali zaviralnega vpliva na gospodarski razvoj. Pri tem si lahko zastavimo različna vprašanja oziroma se te naloge lotimo z različnih vidikov. Kakšna je makroekonomska politika v neki državi? Čeprav se morda zdi drugače, je že to vprašanje vse prej kot naivno ali enostavno. Če želimo vedeti, ali je fiskalna politika restriktivna ali ekspanzivna, moramo znati ne le ustrezno izmeriti primanjkljaj države, temveč ga tudi»očistiti«vplivov gospodarskega cikla. Kar seveda pomeni, da moramo najprej znati izmeriti gospodarski cikel oziroma odstopanja od potencialne gospodarske rasti. Če želimo vedeti, ali je javno finančna situacija vzdržna, moramo narediti zapletene in s številnimi predpostavkami in poenostavitvami obremenjene dolgoročne projekcije. Oboje je še toliko pomembneje, ko svojo fiskalno politiko usklajujemo s politikami drugih držav evro območja v okviru vse bolj kompleksnih in podrobnih pravil Pakta stabilnosti in rasti. Koliko ekonomska politika prispeva h gospodarski rasti in zaposlovanju? Danes nam za odgovor na to vprašanje ne zadošča več, da vemo, ali ekonomska politika zavira ali pospešuje gospodarski cikel ter kako s tem vpliva na dinamiko rasti in zaposlovanja. Zanima nas tudi, kakšni so učinki njenih ukrepov na ravni podjetij. Pogosto gre za ukrepe, ki imajo značaj državnih pomoči subvencije, davčne olajšave in podobno in so zato podvrženi tudi skupnim pravilom EU, kar le še poveča potrebo po njihovem evidentiranju in analizi učinkov. Slednje še toliko bolj velja, kadar so takšni ukrepi sofinancirani s sredstvi skupnega proračuna. Hkrati nas seveda zanimajo stroški in koristi različnih investicijskih projektov in drugih vlaganj države. Ali je z vidika družbenih ciljev bolj koristno nameniti državna sredstva za raziskave in izobraževanje, za infrastrukturo ali za socialne programe? Kako na razvoj vplivajo različna pravila, ki jih določa država? Na primer pravila, ki vplivajo na stopnjo konkurence na trgih blaga in storitev, na stopnjo prilagodljivosti trga dela ali na stopnjo davčne obremenitve gospodarstva? Izdelava mednarodno primerljivih ocen prilagodljivosti in konkurenčnosti trgov ali davčnega bremena je že sama po sebi zahtevna naloga. Še toliko večji izziv je uporaba takšnih ocen za ugotavljanje učinkov sprememb v pravilih (to je strukturnih reform) ali celo za njihovo načrtovanje. Ne glede na to se je v zadnjih letih močno razvila na primer mednarodna pobuda za»boljše predpise«in za manjša administrativna bremena. Medtem ko so administrativna bremena še nekako merljiva (zlasti v smislu porabljenega časa in denarja za spoštovanje predpisov), pa je vprašanje kakovosti regulacije bolj kompleksno in je nanj možno odgovarjati predvsem s pomočjo posvetovanja z vsemi, ki jih konkretni predpis zadeva. Kako učinkovita je država sama pri izvajanju svojih politik? Učinkovitost države lahko gledamo skozi varčnost njenega operativnega delovanja (materialni stroški, zaposlovanje in plače), skozi raven doseganja postavljenih ciljev na posameznem področju javnih politik, skozi produktivnost (za kar je potrebno znati izmeriti vrednost outputa države). Tako lahko na primer merimo učinkovitost zdravstvenih ali socialnih programov, pa tudi učinkovitost pravosodja in sodne zaostanke. Lahko pa namesto posameznih programov pogledamo tudi proračun kot celoto in analiziramo, koliko struktura izdatkov (po njihovi programski klasifikaciji) podpira razvojne prioritete države. In končno, kje smo v primerjavi z drugimi? Ali lahko na podlagi enotno izbranih kazalnikov npr. na podlagi ti. strukturnih indikatorjev, ki so nastali v okviru spremljanja lizbonske strategije primerjamo uspešnost držav in njihovih politik pri doseganju skupno dogovorjenih ciljev? Pozoren bralec ali bralka tega zbornika bosta ugotovila, da številni prispevki s posvetovanja tako ali drugače naslavljajo eno od zgornjih vprašanj. O pomenu in večplastnosti»merjenja učinkovitosti države«zato verjetno ni dvoma. Zelo pa bomo lahko veseli, če se bo delo na tem področju nadaljevalo in sčasoma prineslo rezultate, ki bodo ne le spoznavno zanimivi, marveč tudi neposredno uporabni za izboljšanje javnih politik. Janez Šušteršič, predsednik Programskega odbora

5 4 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 FOREWORD To our readers, Government is nowadays one of the most important factors of economic competitiveness. Its activities influence not only national economic aggregates and the business cycle but also the costs and opportunities of economic entities. It is therefore important to know how to monitor, measure and compare government activities properly in view of its positive or negative impact on economic development. In doing this we can ask various questions and undertake this task from various aspects. What is the macroeconomic policy in a country? Though it might seem to be otherwise, this question is not at all naïve or simple. If we want to know whether a fiscal policy is restrictive or expansive, we have to know not only to measure government deficit properly but also to clean it of the impact of the economic cycle. This of course means that we must know first how to measure the economic cycle or deviations from the potential economic growth. If we want to know whether a public finance situation is sustainable, we have to prepare complicated long-term projections involving numerous assumptions and simplifications. This is even more important when a country s fiscal policy is adjusted with the policies of other countries in the euro area within the ever more complex and detailed rules of the Stability and Growth Pact. To what extent does the economic policy contribute to economic growth and employment? Nowadays to answer this question it is no longer enough to know whether the economic policy hinders or facilitates the economic cycle and how it impacts the growth and employment dynamics. We are also interested to know what the effects of its measures are at the enterprise level. Frequently these measures are in the form of state aid subsidies, tax reliefs, etc. and are therefore subject to common EU rules, which increases the need to record them and to analyse the effects. The latter is even more true when such measures are co-financed by the common budget. At the same time we are, of course, interested in the costs and benefits of various investment projects and other government investment. In terms of social goals, is it more useful that government funds are spent on research and development, on infrastructure or on social programmes? How do different rules determined by the government impact the development in the country? For example, rules that influence the level of competition on goods and services markets, the level of labour market flexibility or the level of tax burden of the economy. The preparation of internationally comparable assessments of flexibility and competitiveness of markets or the tax burden is in itself a very demanding task. However, the use of such assessments to assess the effects of changes in rules (i.e. structural reforms) or even planning them is an even greater challenge. Nevertheless, in recent years we have seen a development of the Better Regulation initiative and the initiative to reduce the administrative burden. While administrative burdens can be measured (especially in terms of time and money spent on following the regulations), the question of the quality of regulations is more complex and can be answered after consulting everybody concerned. How efficient is the government in implementing its own policies? The efficiency of the government can be examined through the economy of its operations (material costs, employment and wages), through the level of reaching the goals in specific public policy areas, or through productivity (for which we have to know how to measure government output). For example, we can measure the efficiency of health or social programmes as well as the efficiency of the judiciary and judicial backlogs. On the other hand, instead of examining individual programmes we can take a look at the budget as a whole and analyse how much the structure of expenditure (according to the programme classification) supports the government s development priorities. And finally, where are we compared to other countries? Based on common indicators for example the so-called structural indicators, which were prepared within the monitoring of the Lisbon Strategy can we compare the success of countries and their policies in reaching common goals? An attentive reader of this proceedings volume will find out that numerous conference papers address, in this way or the other, one of the above mentioned issues. The importance and complexity of measuring government efficiency is evident, so it would be excellent if work in this area continued and in time brought about results that would not only be interesting but also directly applicable for improving public policies. Janez Šušteršič, President of the Programme Committee

6 STATISTIČNI DNEVI 2006 STATISTICAL DAYS KAZALO / CONTENTS SPREMNA BESEDA / FOREWORD... 3 VABLJENI GOVORNIKI KEYNOTE SPEAKERS Marie Bohata, namestnica generalnega direktorja, Eurostat / Deputy Director-General, Eurostat Izvajanje Kodeksa ravnanja evropske statistike: pot do visokokakovostne statistike Skupnosti Implementation of the European Statistics Code of Practice: A Way towards High Quality in Community Statistics Boris Majcen, Inštitut za ekonomska raziskovanja / Institute for Economic Research Problematika priprave podatkovnih osnov za modelska orodja Preparation of Data Bases for Modeling Tools Wim Jansen, Ministrstvo za finance, Nizozemska / Ministry of Finance, Netherlands Administrativne obremenitve na Nizozemskem Administrative Burdens in the Netherlands SEKCIJA A1: SECTION A1: RAZVOJNA FUNKCIJA DRŽAVE DEVELOPMENT FUNCTION OF GOVERNMENT Vabljeni referent / Keynote speaker Pavle Sicherl, Center za socialne indikatorje / Socio-economic Indicators Center (SICENTER) Merjenje napredka družb Measuring Progress of Societies Sodelujejo s prispevki / Papers by: Brina Malnar, Mitja Hafner Fink, Janez Štebe, Univerza v Ljubljani, Fakulteta za družbene vede / University of Ljubljana, Faculty of Social Science Zmožnosti mednarodnih anketnih družboslovnih primerjalnih raziskav za oblikovanje subjektivnih indikatorjev razvitosti Potentials of International Social Surveys for Preparing Subjective Indicators of Development Jakub Fischer, Jaroslav Sixta, Ekonomska fakulteta, Praga / University of Economics, Prague Kdo ima korist od gospodarske rasti Češke republike? Who Profits from the Czech Economic Growth? Ana Murn, Urad za makroekonomske analize in razvoj / Institute of Macroeconomic Analyses and Development Merjenje učinkovitosti finančnih ukrepov industrijske politike Measuring the Effectiveness of Industrial Policy s Financial Measures Franc Belčič, Zavod RS za zaposlovanje / Employment Service of Slovenia Količina in struktura dela ter zaposlenost v javnem zavodu Quantity and Structure of Work and Employment in Public Institutes... 95

7 6 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 SEKCIJA A2: SECTION A2: UČINKOVITOST JAVNEGA SEKTORJA ZA PODROČJE ZDRAVSTVA EFFICIENCY OF THE PUBLIC SECTOR IN THE FIELD OF HEALTH SECTOR Sodelujejo s prispevki / Papers by: Tatjana Kofol Bric, Inštitut za varovanje zdravja RS / Institute of Public Health Statistike zdravja in varnosti pri delu v luči pričakovanja Eurostata Health and Safety at Work Statistics in Focus of Eurostat Expectations SEKCIJA B: PRENOVLJENA LIZBONSKA STRATEGIJA IN REFORME SECTION B: UPDATED LISBON STRATEGY AND REFORMS Sodelujejo s prispevki / Papers by: Milena Bevc, Klemen Koman, Nika Murovec, Inštitut za ekonomska raziskovanja / Institute for Economic Research Emigracija slovenskih raziskovalcev v obdobju metodologija proučevanja in glavni rezultati Emigration of Slovene Researchers in the Period Research Methodology and Main Results Zvonka Pangerc Pahernik, Andragoški center / Slovene Adult Education Centre O evropskih kazalnikih in ciljnih vrednostih procesa Izobraževanje in usposabljanje 2010 On European Indicators and Benchmarks Concerning the 'Education and Training 2010' Process Irena Rejec Brancelj, Agencija RS za okolje, Kmetijski inštitut Slovenije / Agency of the Republic of Slovenia for the Environment, Agricultural Institute of Slovenia Vzpostavitev kazalcev za spremljanje stanja kmetijstva in okolja v RS Setting up the Indicators for Monitoring the Situation in Agriculture and Environment in Slovenia Nataša Kovač, Aljaž Plevnik, Nika Zupan, Agencija RS za okolje, Urbanistični inštitut RS / Agency of the Republic of Slovenia for the Environment, Urban Planning Institute of the Republic of Slovenia Onesnaževanje okolja zaradi prometa v RS Transport Related Environmental Pollution in Slovenia Milijana Ćeranić, Zavod za statistiko Srbije / Statistical Office of Serbia Okolje kot rezultat razvoja Environment as Result of the Development SEKCIJA C: UVEDBA KODEKSA RAVNANJA EVROPSKE STATISTIKE IN DRUGI VIDIKI KAKOVOSTI SECTION C: INTRODUCTION OF THE EUROPEAN STATISTICS CODE OF PRACTICE AND OTHER QUALITY ASPECTS Sodelujejo s prispevki / Papers by: Metka Zaletel, SURS / SORS Celostno obvladovanje kakovosti na Statističnem uradu RS Total Quality Management at the Statistical Office of the Republic of Slovenia Katalin Szep, Madžarski statistični urad / Hungarian Central Statistical Office Kakovost statistike v strategiji madžarskega statističnega urada Quality of Statistics in the Strategy of HCSO

8 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Zoran Janćić, Dragan Vukmirović, Zavod za statistiko Srbije / Statistical Office of Serbia Merjenje porabe časa v Zavodu za statistiko Srbije Working Time Use Measurement in the Statistical Office of Serbia SEKCIJA D1: RAZVOJNI DOSEŽKI NA POSAMEZNIH PODROČJIH STATISTIK SOCIALNE STATISTIKE SECTION D1: DEVELOPMENT ACHIEVEMENTS IN STATISTICS SOCIAL STATISTICS Sodelujejo s prispevki / Papers by: Andreja Kozmelj, SURS / SORS Vseživljenjsko učenje v luči statistike Lifelong Learning in the Light of Statistics Tanja Domijan, SURS / SORS Klasifikacijski sistem izobraževanja in usposabljanja nov konceptualni pristop Classification System of Education and Training a New Conceptual Approach Nataša Kozlevčar, SURS / SORS Evropska socialnoekonomska klasifikacija European Socio-economic Classification Neva Maher, Marta Cvikl, Ministrstvo za delo, družino in socialne zadeve / Ministry of Labour, Family and Social Affairs Statistika in investiranje v človeške vire Statistics and Investment in Human Resources SEKCIJA D2: SECTION D2: KMETIJSTVO IN PROSTOR AGRICULTURE AND ENVIRONMENT Sodelujejo s prispevki / Papers by: Tomaž Perpar, Jože Verbič, Drago Babnik, Betka Logar, Mija Sadar, Kmetijski inštitut Slovenije / Agricultural Institute of Slovenia Centralna podatkovna zbirka GOVEDO kot vir podatkov za statistiko v kmetijstvu Central Cattle Database GOVEDO as a Source of Agriculture Statistics' Data Renata Rejec, SURS / SORS Projekt Urban Audit The Urban Audit Project Irena Žaucer, SURS / SORS Ekonomski računi za gozdarstvo Economic Accounts for Forestry Igor Kuzma, Danijela Šabić, SURS / SORS Sistem hierarhičnih mrež nova dimenzija v prikazovanju, analizi in diseminaciji statističnih podatkov na Statističnem uradu Republike Slovenije The System of Hierarchical Grids A New Dimension of Display, Analysis and Dissemination of Statistical Data at the Statistical Office of the Republic of Slovenia

9 8 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 SEKCIJA D3: SECTION D3: MAKROEKONOMSKE STATISTIKE MACROECONOMIC STATISTICS Sodelujejo s prispevki / Papers by: Jure Lasnibat, SURS / SORS Procesne tabele kot orodje zagotavljanja celovitega zajetja BND Process Tables as a Means to Gross National Income Exhanstiveness Marjana Klinar, SURS / SORS Izdatki države po namenu General Government Expenditure by Function Tina Ritonja, SURS / SORS Anketa o samogradnji v gospodinjstvih Survey on Households Own Account Construction Mojca Škrlec Šinkovec, SURS / SORS Nefinančni sektorski računi Non-financial Sector Accounts Branko Pavlin, SURS / SORS Hedonska analiza cen stanovanj v Sloveniji v obdobju Hedonic price index of dwellings in Slovenia SEKCIJA D4: SECTION D4: POSLOVNE STATISTIKE BUSINESS STATISTICS Sodelujejo s prispevki / Papers by: Andreja Kačič, SURS / SORS Strategija i2010 Strategy i Klavdija Marolt, Rudi Seljak, SURS / SORS Uporaba administrativnih virov kot sredstvo za hitro in učinkovito zagotavljanje kratkoročnih statistik indeksi prihodka v trgovini na debelo Use of Administrative Sources as a Means for Quick and Efficient Production of Short Term Statistics Indices of Turnover in Wholesale Trade Brigita Vrabič Kek, Barbara Čertanec, SURS / SORS Primerjava rezultatov anket o poslovnih tendencah in kratkoročnih kvantitativnih kazalnikov Comparison of Results of Business Tendency Surveys and Short-Term Quantitative Indicators Andreja Bandelj, Univerza v Ljubljani, Ekonomska fakulteta / University of Ljubljana, Faculty of Economics Študija izvedljivosti za oblikovanje skupin podjetij Feasibility Study for Determining Enterprise Groups Tomaž Smrekar, SURS / SORS Uvedba evra in način objavljanja statističnih podatkov v evrih na Statističnem uradu RS Euro Adoption and the Publishing of Statistical Data in Euros at the Statistical Office of the Republic of Slovenia OKROGLA MIZA ROUND TABLE Dragan Vukmirović, Miroljub Kostić, Ivana Adžić, Zavod za statistiko Srbije / Statistical Office of Serbia Standardi za izmenjavo podatkov in metapodatkov v Zavodu za statistiko Srbije in med institucijami Standards for Exchange of Data and Metadata in the Statistical Office of Serbia and between Institutions

10 STATISTIČNI DNEVI 2006 STATISTICAL DAYS VABLJENI GOVORNIKI KEYNOTE SPEAKERS Vabljeni govorniki / Keynote speakers: Marie Bohata, namestnica generalnega direktorja, Eurostat / Deputy Director-General, Eurostat Izvajanje Kodeksa ravnanja evropske statistike: pot do visokokakovostne statistike Skupnosti Implementation of the European Statistics Code of Practice: A Way towards High Quality in Community Statistics Boris Majcen, Inštitut za ekonomska raziskovanja / Institute for Economic Research Problematika priprave podatkovnih osnov za modelska orodja Preparation of Data Bases for Modeling Tools Wim Jansen, Ministrstvo za finance, Nizozemska / Ministry of Finance, Netherlands Administrativne obremenitve na Nizozemskem Administrative Burdens in the Netherlands

11

12 STATISTIČNI DNEVI 2006 STATISTICAL DAYS IMPLEMENTATION OF THE EUROPEAN STATISTICS CODE OF PRACTICE: A WAY TOWARDS HIGH QUALITY IN COMMUNITY STATISTICS Marie Bohatá SUMMARY The paper briefly describes efforts aiming at improvement of overall governance structures in the European Statistical System and stresses the importance of self-regulatory instruments. A good balance of regulatory and self-regulatory approaches is seen as the most appropriate response to new challenges. In this context, stepwise implementation of the Code of Practice and related measures, such as self-assessments against the principles of the Code and peer reviews are presented. It is today widely accepted that good government needs good statistics. Development and production of harmonised Community statistics as important inputs for the implementation of various EU policies have further increased the importance and role of appropriate governance in these processes. Efforts aiming at improvement of overall governance structures in official statistics are not new. Our governance structures have changed considerably ever since the compilation of Community statistics began in the 50s. It all started in a highly fragmented way with domain-specific committees: coal and steel, agriculture, foreign trade, etc. and a series of annual and later semi-annual conferences of the heads of national statistical institutes covering, amongst others, also overall systemic aspects. Ever since the early 70s this governance structure was seen to be inadequate not so much for statistical reasons, but for organisational reasons: programme planning, resources, infrastructure, etc. However, it took nearly 20 years for a more systemic or system oriented governance structure for Community statistics to be put in place. It was, of course, quite helpful that the general Community governance system changed as well with the adoption of the Single Act and thus the introduction of the comitology system. The governance of statistics is now mainly shaped by the Statistical Programme Committee as key comitology body, the Confidentiality Committee, the CMFB as advisory committee bringing together NSIs and CBs. To this the "Statistical Law" and the Commission Decision on Eurostat have to be added. Of course, the detailed working groups for each subject continue to meet (up to 200 per year) and in these the methods of European statistics are continuously developed and improved for each domain. This fairly elaborate structure has been working quite well but it has to be strengthened further above all to enable official statisticians to fulfil the ever growing statistical requirements. This, however, is not to say that the current core governance structures are inadequate instead they just need to be complemented.

13 12 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Working together in a highly complex and relatively heterogeneous system requires a good balance between regulation and self-regulation. The former creates a basis for harmonisation of basic concepts and statistical outputs, the latter concentrates on key organisational aspects, at least partially outside the classical remit of the Community competence in official statistics, principles of modern statistical service and processes leading to permanent quality improvements. This is why the work on the European Statistics Code of Practice for the national and Community statistical authorities has started. With the Code of Practice being adopted by the Statistical Programme Committee in February 2005 and promulgated in a Commission Recommendation in May 2005, the next step on the way to improved governance structures will be the monitoring of its implementation by all bodies concerned. It is worth mentioning that any measure meant to improve openness, participation, accountability, effectiveness and coherence throughout the European Statistical System (ESS) fits very well with the Commission's overall policy of European governance aiming at the same objectives. Obviously any improvement of the governance structure in official Community statistics has to be achieved (a) in full respect of the Treaty and (b) in full awareness of national statistical governance structures with all their specific features. If we look at the current state of play, at what is currently happening in order to improve governance structures for Community statistics, there are basically two lines of action that are pursued; a first one, we may call it a top-down approach, with the Code of Practice at its centre and a second one, we may call it bottom-up approach, with a series of practical (quality improving) initiatives in national accounts, business statistics, labour market statistics or price statistics undertaken at working group level. This paper focuses on the Code of Practice. When developing the Code of Practice, we were able to profit from a considerable stock of common, widely shared values, as embodied in our professional integrity or our scientific objectivity. The Fundamental Principles adopted by the UN Statistical Commission in 1994 already paved the way. We could also draw upon the general acceptance of some institutional arrangements. Some of them were already part of the so-called "acquis communautaire" in statistics such as confidentiality. Others were already cast into a common declaration as was the case with the quality declaration of the European Statistical System. Others still were at least accepted as a matter of principle as was the case for scientific independence. As far as the operational arrangements are concerned, the principles laid down in the Code were already applied sometimes with more, sometimes with less success in our daily statistical work. The Code establishes 15 principles which cover the institutional environment, statistical processes and outputs. For each principle there are indicators of good practice that serve as a reference for reviewing the implementation of the Code. All in all, there is nothing revolutionary in the Code. However, I am convinced that putting all those principles that are supposed to govern our work as official statisticians together in the single document will bear its fruits in the years to come. It will make us more robust, and this at all levels of the statistical system. If fully respected throughout the EU, the Code will facilitate our daily work, lead our quality improvement efforts and prevent that our statistics are cast into doubt. We have to see to it that the Code of Practice is fully implemented at all levels of the system. The self-regulatory character implies that Member States and Eurostat have to implement the Code at

14 STATISTIČNI DNEVI 2006 STATISTICAL DAYS their own speed. However, self-assessments, peer reviews, benchmarking currently under way and the identification of (Code-relevant) best practices will guide the implementing actions of Member States. Eurostat will monitor the implementation of the Code and report regularly on the implementation progress. All this will generate a lot of momentum and give rise to helpful synergies so that we might well see the Code implemented faster and more comprehensively than we could have imagined when the whole process started. The first round of self-assessments has shown a high degree of compliance in some areas, such as institutional set up, but also some gaps, mainly linked to quality of products and processes. The following graphs give a good overview of the situation in the whole system. Institutional Environment Professional independence Impartiality and objectivity Mandate for data collection 20 0 Statistical confidentiality Adequacy of recourses Quality commitment

15 14 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Cost effectiveness Statistical Processes Sound methodology Appropriate statistical procedures Non-excessive burden on respondents Accessibility and clarity Statistical Output Relevance Accuracy and reliability Coherence and comparability Timeliness and punctuality

16 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Apparently, there is a great potential for quality improvements and sharing of best practices identified during this exercise as well as in the peer reviews will be very important. Peer reviews should add an outside perspective to self-assessments by NSIs and are intended to go into more detail. They should also confirm improvement actions, as suggested in self-assessments, and help in setting priorities. The objective is among others to allow NSIs to position themselves in the ESS with regard to the degree and modes of adhering to the Code's principles. We assume that in this major initiative of the ESS, also common difficulties and gaps will be identified which would call for joint actions. Transparency and communication with users of official statistics on our efforts and achievements is of crucial importance. The report summarising results of self-assessments and two pilot peer review reports are available on Eurostat the website together with various relevant documents and useful links. As a major initiative in the context of the Code implementation at Community level a high-level advisory group will be set up. This body is supposed to: report to the European Parliament and the Council on the implementation of the Code by Eurostat; advise the Commission on appropriate measures to facilitate the Code implementation with a view to improving statistical governance; assist the Commission in enhancing the credibility of Community statistics and in particular in communicating the Code of Practice to users and data providers; advise the Commission on the updating of the Code, as well as on general rules and principles for the functioning of the ESS as a whole. All these actions are in line with the November 2005 ECOFIN conclusions confirming the importance of adequate practices, resources and capabilities to produce high quality statistics at the national and European level with a view to ensuring the independence, integrity and accountability of both national statistical institutes and Eurostat. IZVAJANJE KODEKSA RAVNANJA EVROPSKE STATISTIKE: POT DO VISOKOKAKOVOSTNE STATISTIKE SKUPNOSTI POVZETEK Prispevek na kratko opisuje prizadevanja za izboljšanje celotne strukture upravljanja v Evropskem statističnem sistemu in poudarja pomen samoregulativnih instrumentov. Menimo, da je dobro ravnotežje med regulativnim in samoregulativnim pristopom najustreznejši odgovor na nove izzive. V tem smislu prispevek predstavlja postopno izvajanje Kodeksa ravnanja evropske statistike in z njim povezanih ukrepov, kot sta samoocenjevanje izpolnjevanja načel Kodeksa in strokovni pregledi.

17 16 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 PROBLEMATIKA PRIPRAVE PODATKOVNIH OSNOV ZA MODELSKA ORODJA Boris Majcen POVZETEK V prispevku povzemamo opravljene aktivnosti in probleme na področju priprave podatkovnih osnov potrebnih pri razvoju dveh modelskih orodij mikrosimulacijskega modela in modela splošnega ravnotežja, ki sta bili razviti za potrebe ocen kompleksnih makro in sektorskih učinkov predlagane davčne reforme. Predstavljeni sta tudi obe programski orodji in rezultati simulacij predlaganih scenarijev reforme. Povezovanje različnih baz podatkov in njihova uporaba na individualni ravni v okviru mikrosimulcijskega modela je nedvomno izjemno pomemben korak v smeri zagotavljanja ustrezne in kvalitetne strokovne podpore nosilcem ekonomske politike pri sprejemanju njihovih odločitev na področju davkov in socialnih transferjev. Pri tem pa se moramo zavedati, da imamo opraviti z aktivnostmi infrastrukturne narave, ki terjajo kontinuirano delo na kontroli, dopolnjevanju in vzdrževanju tako baz podatkov kot tudi modelskih orodij. PREPARATION OF DATA BASES FOR MODELING TOOLS SUMMARY Research activities and problems revealed in the area of preparation of data bases needed for the development of two modeling tools is shortly presented in the article. Microsimulation model and dynamic computable general equilibrium model of Slovenian economy has been developed with the aim of estimation of the complex macro end sector effects of the proposed tax reform package. A short description of both models as well as the results obtained is also presented. It has to be emphasized that linked databases at the individual level and their use within the microsimulation model represent an important step towards granting an efficient expert framework for the economic policy makers on the field of taxes and social transfers. On the other hand one has to be aware of the fact that this activities are of the infrastructure nature with the need for continuous work on checking, supplementing and maintaining of databases as well as models. 1 UVOD V prispevku povzemamo opravljene aktivnosti in probleme na področju priprave podatkovnih osnov potrebnih pri razvoju dveh modelskih orodij mikrosimulacijskega modela (MSM) in modela splošnega ravnotežja (CGE modela) ki sta bili razviti za potrebe ocen kompleksnih makro in sektorskih učinkov predlagane davčne reforme. Hkrati bomo tudi na kratko povzeli rezultate simulacij. Uporabljena kombinacija dveh orodij, statičnega MSM in dinamičnega CGE modela je posledica zavedanja, da imamo opraviti: a) s kompleksnimi in dinamičnimi učinki, b) z učinki tako na mikro (posameznik, gospodinjstvo, podjetje) kot tudi na mezzo (sektor) in makro ravni, in c) z učinki na kratek, srednji in dolgi rok. Istočasno pa ne smemo prezreti, da ne samo korenite reforme, tudi posamezni manjši popravki oziroma spremembe določenega socialnega transferja ali davka kot tudi posamezni predvideni ekonomski ukrepi terjajo odgovor o posledicah.

18 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Prispevek je sestavljen iz naslednjih poglavij. Uvodnemu poglavju sledi predstavitev obeh modelskih orodij. V tretjem poglavju povzemamo opravljene raziskovalne aktivnosti na področju priprave ustreznih baz podatkov. Sledi predstavitev dobljenih rezultatov. V zadnjem poglavju povzemamo ključne ugotovitve. 2 PREDSTAVITEV MODELSKIH ORODIJ S ciljem kar najbolj kvalitetne izvedbe analize kompleksnih posledic predlagane davčne reforme smo morali razviti dve modelski orodji: statičen mikrosimulacijski model in dinamičen model splošnega ravnotežja slovenskega gospodarstva. V nadaljevanju podajamo kratko predstavitev obeh orodij. 2.1 Model splošnega ravnotežja slovenskega gospodarstva Razvita in uporabljena modificirana oblika rekurzivnega dinamičnega modela slovenskega gospodarstva temelji na baznem letu 2004 (SloMod). Model zajema ekonomsko obnašanje štirih ekonomskih agentov: podjetij, gospodinjstev, države in tujine. Za vse štiri agente predpostavljamo optimizacijsko obnašanje ob upoštevanju relevantnih dohodkovnih omejitev. Model je bil razvit posebej za ocenjevanje učinkov sprememb posameznih vrst davkov: davka na izplačane plače, davka od dohodka pravnih oseb, davka na dodano vrednost, dohodnine in še ostalih davkov, ki so eksplicitno določeni znotraj samega modela. Model ločuje med petimi skupinami socialnih transferjev, ki jih prejema pet skupin gospodinjstev ločenih glede na razpoložljiv dohodek in še dodatno ločenih znotraj posameznega dohodkovnega razreda na tri podskupine glede na raven izobrazbe. Poseben poudarek je bil dan državni potrošnji, katero je možno spreminjati tako glede na velikost kot tudi strukturo. Sektorji, ki proizvajajo blago in storitve in so sestavljeni iz javnih in zasebnih podjetij, so v modelu razčlenjeni na 20 sektorjev. Model hkrati razlikuje 20 različnih dobrin, pri čemer vsak posamezen sektor lahko proizvaja več kot eno dobrino. Glede na tujino slovensko gospodarstvo predstavlja majhno, odprto gospodarstvo, ki ne more vplivati na (dane) svetovne tržne cene. zunanja trgovina temelji na predpostavki malega gospodarstva, svetovne uvozne in izvozne cene so torej dane in fiksne. Predpostavka omejene substitutivnosti med doma proizvedenimi proizvodi in uvoženimi proizvodi se odraža z uporabo CES funkcije. Omejena substitutivnost je predpostavljena tudi med proizvodi za domači trg in proizvodi za izvoz in je zajeta z uporabo CET funkcije. Skupno varčevanje je seštevek varčevanja gospodinjstev, države, podjetij in zunanjega sveta. Optimalna alokacija med različnimi vrstami investicijskih dobrin je podana z maksimiranjem Cobb-Dauglasove funkcije koristnosti glede na proračunsko omejitev. Glede na uporabljene predpostavke model določa le relativne cene BDP deflator je v modelu izbran kot numeraire. Model zajema rekurzivno dinamiko, ki jo predstavlja serija vmesnih ravnotežnih stanj model torej išče novo ravnotežno rešitev za vsako posamezno obdobje ob upoštevanju eksogenih pogojev veljavnih za to obdobje. Posamezna ravnotežna stanja so med seboj povezana z akumulacijo kapitala. Endogeno določanje investicijskega obnašanja je zato ključnega pomena - investicije in akumulacija kapitala v letu t so torej odvisne od pričakovanih stopenj donosa v letu t+1, ki so določene z dejanskimi stopnjami donosa v letu t. V okviru pravil zapiranja modela, ki določajo način kako se ponudba in povpraševanje po dobrinah, makroekonomske identitete in trgi faktorjev uravnotežijo, je potrebno upoštevati še dodatne predpostavke: eksogeno določanje posameznih transferjev, medsektorsko mobilnost dela posameznih kvalifikacij in upoštevanje nezaposlenosti, sektorski obseg kapitala je eksogeno določen, investicije se prilagajajo razpoložljivemu varčevanju, državna tekoča potrošnja je modelirana v okviru optimizacijskega

19 18 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 procesa, celotna potrošnja je določena kot delež v BDP, proračunski primanjkljaj se prilagaja, devizni tečaj je fiksen, primanjkljaj tekočega dela plačilne bilance se prilagaja. SloMod v svoji končni razviti različici omogoča primerjavo učinkov alternativnih ukrepov ekonomske politike in scenarijev za veliko število sektorskih in nacionalnih spremenljivk kot so: proizvodnja, zaposlenost, investicije, menjava, cene, blagostanje. Čeprav je SloMod lahko zelo koristen pri analizi politik, pa se moramo zavedati, da nikakor ni in ne more biti nadomestilo za presojo. V mislih je potrebno imeti omejitve modela pri prikazovanju določenih mehanizmov. Modeli niso nič več ali manj kot analitična orodja, oblikovana za pomoč pri doseganju bolj informiranega razumevanja problemov, na katere bodo presoje v končni fazi uporabljene. SloMod predstavlja dragocen okvir za ravnanje z veliko količino informacij v zvezi z naborom politik in drugih vprašanj. Postavlja natančen okvir, na podlagi katerega lahko rezultati izhajajo le iz eksplicitno uporabljenih podatkov in predpostavk, ki odražajo bistvene značilnosti obnašanja kot jih predlaga konvencionalna ekonomska teorija. Rezultati SloMod modela dajejo uporabne informacije o verjetni smeri in velikosti odzivov na ekonomske spremembe. Neizogibni približki in poenostavitve v podatkih in teorijah pa pomenijo, da model ne more zagotoviti popolne natančnosti. Model torej lahko služi kot pripomoček pri presoji in nikakor ne kot njen nadomestek. 2.2 Mikrosimulacijski model Mikrosimualcijski model predstavlja enega od temeljnih orodij potrebnih ne samo za oceno posledic napovedanih strukturnih reform in v okviru njih sprememb na področju socialnih transferjev, temveč tudi za tekočo uporabo ocen posledic posameznih popravkov določenega socialnega transferja ali davka. Orodje razvijamo v programskem paketu Stata, posebna različica modela pa bo v nadaljevanju razvita z uporabo posebnega orodja za razvoj mikrosimulacijskega modela EUROMOD. Mikrosimulacijski model zajema celoten socioekonomski spekter prebivalstva, simulira torej vse posameznike v reprezentativnem vzorcu v določenem trenutku. Simulira neposredne davke, socialne prispevke in transferje z neposredno prevedbo zakonodaje v kodo modela. Končna različica mikrosimulacijskega modela bo temeljila na bistveno večjem vzorcu gospodinjstev (5% celotne populacije) Zajemala bo neposredne davke, socialne prispevke in vse pomembne socialne transferje. Hkrati bo omogočala relativno enostavno usklajevanje oz. dopolnjevanje z novimi socialnimi transferji in z razvojem posebne različice modela v okviru EUROMOD družine mikrosimulacijskih modelov omogočala mednarodno primerjavo sistemov socialne zaščite z ostalimi državami EU. Model bo tako omogočal analizo: a) na ravni posameznika, tipičnega ali posebej izbranega gospodinjstva, b) na agregatni ravni (analiza obstoječega sistema stroški/prihodki po posameznem instrumentu, pomen instrumenta/skupine instrumentov/sistema na revščino, neenakost, spodbude, in c) spremembe politik na agregatni ravni (tekoče spremembe, predlogi reform, hipotetični scenariji, uvedba instrumenta/sistema druge EU države kdo bo izgubil in kdo pridobil, učinek na stroške, porazdelitev spodbud,. Vendar pa se moramo zavedati tudi omejitev takega orodja saj model zajema le statične učinke - nanaša se torej le na izbrano tekoče leto, in ne more simulirati reakcij posameznikov/gospodinjstev na spremembe politik. Simulira lahko le neposredni učinek je primerno orodje za analizo ukrepov, ki imajo takojšnji učinek in so odvisni le od tekočega dohodka. Ne upošteva odzivov posameznikov

20 STATISTIČNI DNEVI 2006 STATISTICAL DAYS na določen ukrep in ne more simulirati učinkov ukrepov, ki bodo prišli do izraza na dolgi rok (npr. določene oblike pokojninske politike). 3 PRIPRAVA PODATKOV ZA MODELSKI ORODJI Model splošnega ravnotežja temelji na matriki družbenih računov slovenskega gospodarstva za leto 2004 (v nadaljevanju SAM). Čeprav še ni bilo na razpolago razčlenjenih tabel ponudbe in porabe skupaj z vsemi pripadajočimi matrikami davkov, subvencij, marž in uvoza, smo zaradi želje čim bolj približati bazno leto sedanjosti pripravili SAM za leto Ocena je temeljila na uporabi uradnih tabel ponudbe in porabe za leto 2002 in podatkov iz nacionalnih računov za leto 2004 (SURS 2005). Najprej je torej bilo potrebno izdelati oceno tabel ponudbe in porabe za leto 2004 in v nadaljevanju pristopiti k pripravi SAM za leto Pri tem smo tako rekoč skoraj do konca vztrajali na najvišji možni ravni členitve na 2-mestni ravni SKD klasifikacije, kar nam je seveda povzročalo veliko težav in s tem tudi nenačrtovano zamujanje predvidenega roka za pripravo SAM. V naslednjem koraku smo morali členiti gospodinjstva na dogovorjenih pet skupin glede na raven razpoložljivega dohodka na ekvivalentnega člana gospodinjstva (kvintili), kar nam je povzročalo dodatne težave. To je namreč pomenilo nadaljnjo členitev končne potrošnje gospodinjstev, zaposlenosti glede na raven izobrazbe, nezaposlenosti, dohodkov od dela in kapitala, davkov in socialnih dajatev, socialnih transferjev in varčevanja za vsako posamezen kvintil gospodinjstev. Edini možni vir je pri tem predstavljala Anketa o porabi v gospodinjstvih oziroma pridobljena baza podatkov za vzorec gospodinjstev. Zavedanje nujnosti simuliranja različnih variant reforme na področju dohodnine nas je tako vodilo v razvoj posebnega orodja, mikrosimulacijskega modela, ki smo ga uporabili za kvalitetno členitev osnovne SAM kot tudi za pripravo agregiranih podatkov sprememb v davčnih osnovah olajšavah in povprečnih efektivnih stopnjah dohodnine za posamezen kvintil. Mikrosimulacijski model nam je bil v pomoč tudi pri členitvi zaposlenih na tri skupine glede na stopnjo izobrazbe (1=brez izobrazbe ali z osnovnošolsko izobrazbo, 2=srednješolska izobrazba, 3=višja ali visoka izobrazba). Podrobna členitev davkov in socialnih prispevkov je zahtevala pridobitev dodatnih informacij od strokovnjakov za nacionalne račune na Statističnem uradu RS (ločevanje osnove za izračun socialnih prispevkov delodajalcev in delojemalcev), kot tudi Ministrstva za finance (ločevanje neto poslovnega presežka, izračunavanje osnove za preračun socialnih prispevkov samozaposlenih). Pri izdelavi SAM se je tudi pokazalo, da SAM pripravljena na principih SNR95 ne ustreza povsem potrebam Ministrstva za finance, ki pripravlja svoje bilance po načelu denarnega toka. Ob morebitnem nadaljevanju raziskovalnega dela bo tako potrebno poiskati ustrezno rešitev za sektor države verjetno bo potrebna priprava posebnega modula, ki bo omogočal preračunavanje postavk sektorja države v SAM. Temu bo seveda moral biti prilagojen tudi sam model. Končna SAM za leto 2004 je kljub velikim naporom še vedno kazala na določene pomanjkljivosti, ki so se morale pokazati tudi zaradi samega postopka ocene SAM na podlagi matrik ponudbe in porabe za leto 2002 in seveda v še večji meri zaradi želje po tako podrobni členitvi. Podrobna členitev gospodinjstev, zaposlenih, davkov, subvencij, transferjev, trgovskih in transportnih marž je vodila do občutnih razlik v velikosti posameznih spremenljivk glede na posamezen sektor, tip gospodinjstva ali zaposlenega. Kontrola SAM je pokazala nekatere sumljive vrednosti (npr.

21 20 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 trgovska marža nad 1000%), hkrati pa smo morali reševati tudi težave zaradi negativnih vrednosti neto poslovnega presežka. Poskusne simulacije so nadalje pokazale, da lahko pri določenih predpostavkah prihaja do težav pri iskanju nove ravnotežne rešitve. Omejen čas in morebitne še neodkrite nove težave pri uporabi modela za simuliranje posledic predlaganih različic scenarijev, so nas vodile v sprejem sklepa o nujnosti agregiranja SAM na še sprejemljivo raven členitve, ki naj bi še zagotavljala vsebinsko kvalitetne rezultate in hkrati omilila morebitne težave zaradi preveč podrobne členitve podatkov. V dogovoru z naročniki projekta smo tako pristali na 20 sektorski členitvi. Jasno je, da je bil predvsem izredno skopo odmerjen čas za izdelavo projekta tisti, ki je botroval kasnejši agregaciji že pripravljene SAM. Priprava tako podrobne SAM bi namreč terjala bistveno več časa ob hkrati stalnem sodelovanju že tako preobremenjenih strokovnjakov Statističnega urada RS. Nedvomno je izdelava osnovne SAM za Slovenijo in njeno vzdrževanje ena od mnogih infrastrukturnih aktivnosti, ki bi morale najti stalno mesto v statističnih raziskovanjih. Jasno pa je, da moramo tudi vsi uporabniki SAM najprej pokazati na uporabnost le-te kot tudi na nujnost izgradnje in vzdrževanja. Lahko le upamo, da dosedanje delo na tem področju predstavlja majhen a pomemben prvi korak v tej smeri. Členitev SAM je narekovala potrebo po pripravi vzorca gospodinjstev in povezavi številnih baz podatkov na ravni posameznika. Tu se je še enkrat pokazala izjemna zmožnost povezovanja baz na podlagi identifikacije posameznika enotne matične številke. Udejanjanje le-tega tudi v praksi je z uporabo ustreznega orodja omogočilo pripravo kvalitetnih strokovnih podlag za oceno posledic predlogov sprememb na področju davkov in socialnih transferjev. Statistični urad RS je pripravil reprezentativen vzorec gospodinjstev pri čemer je bila osnova za izbor Popis prebivalstva izveden v letu Vzorec povezuje baze podatkov potrebne za opredelitev gospodinjstva, njihovih članov, posameznih vrst dohodkov in socialnih transferjev. Povezane so bile baze podatkov iz Popisa prebivalstva za leto 2002 (Statistični urad RS), z bazami podatkov iz Napovedi dohodnine za leto 2004, o socialnih transferjih v letu 2004 (Ministrstvo za delo, družino in socialne zadeve), pokojninah (Zavod za pokojninsko in invalidsko zavarovanje RS), stanovanjih in avtomobilih. Po opravljeni kontroli in izločitvi gospodinjstev, ki v letu 2004 niso izkazovala dohodkov ali socialnih transferjev, smo vzorec skrčili na gospodinjstev, ki so predstavljala 5.6% celotne populacije gospodinjstev. Prvo težavo je predstavljalo že samo povezovanje baz s podatki za različna leta. Ne smemo namreč pozabiti, da se podatki, ki opredeljujejo gospodinjstva, njihove člane, izobrazbo in aktivnost, nanašajo na leto Vsi ostali podatki pa na leto Temu se žal ni bilo možno izogniti, povzroča pa določena manjša odstopanja saj se je seveda v dveh letih vendarle marsikaj spremenilo. Problem je vsekakor akuten in se bo z oddaljevanjem od leta 2002 le še povečeval. Potrebno bo namreč vzdrževanje vzorca, ne samo s postopnih dopolnjevanjem z novimi podatki temveč tudi z novejšimi podatki. Centralni register prebivalstva je v tem trenutku edina vendar ne pa tudi dovolj kvalitetna rešitev. Naslednja, lahko tudi le potencialna, težava je žal ponovno posledica zelo kratkega roka, ki je bil na razpolago za pripravo datoteke. Povezani podatki tako niso bili kontrolirani, izvedena je bila le tehnična povezava posameznih baz podatkov. Kvaliteto tako pripravljenega vzorca lahko le sproti ocenjujemo z njeno uporabo in primerjanjem rezultatov z dejanskimi podatki za celotno populacijo gospodinjstev. Dosedanje delo z vzorcem je pokazalo, da je vzorec za področje dohodkov (podatki

22 STATISTIČNI DNEVI 2006 STATISTICAL DAYS iz dohodninske napovedi) zelo dober saj smo lahko zelo natančno reproducirali višino obračunane dohodnine v letu Izvedba analize republiških štipendij pa je pokazala, da imamo v vzorcu bistveno premalo posameznikov, ki so v letu 2004 prejemali štipendijo. To sicer ne onemogoča izvedbo analize, žal pa ni možna kvalitetna primerjava simuliranega in dejanskega stanja. Vsekakor bo v nadaljevanju dela nujno potrebno izvesti kontrolo vzorca za področje socialnih transferjev. Uporaba vzorca za potrebe ocene posledic različnih scenarijev reforme na področju dohodnine je nadalje pokazala, da z obstoječim vzorcem ni možno opraviti vseh izračunov za populacijo študentov. Težava je namreč v tem, da imamo v vzorcu podatke o dohodkih iz študentskega dela le za tiste posameznike, ki so te dohodke tudi morali prijaviti v dohodninski napovedi. V nadaljevanju bo torej potrebno obstoječ vzorec dopolniti s podatki o vseh dohodkih iz naslova študentskega dela, kar bo seveda spremenilo tudi višino razpoložljivega dohodka gospodinjstev. Podobna, a vendarle drugačna težava se je pokazala pri samozaposlenih osebah. Zaradi sprememb na področju olajšav za investirana sredstva se spreminja tudi osnova, od katere plačujejo dohodnino. Natančna simulacija predvidenih sprememb bi tako terjala dopolnitev vzorčne datoteke. Vzorec gospodinjstev smo v nadaljevanju najprej razdelili na pet dohodkovnih razredov kvintilov. Postopek razvrščanja gospodinjstev v dohodkovne razrede je bil naslednji. Za vsakega posameznika smo izračunali razpoložljiv dohodek kot seštevek vseh obdavčljivih dohodkov in socialnih transferjev zmanjšan za plačane socialne prispevke in dohodnino. Nato smo izračunali razpoložljiv dohodek na ravni posameznega gospodinjstva. Glede na število in vrsto članov gospodinjstva smo izračunali ekvivalentni dohodek gospodinjstva to je razpoložljiv dohodek na ekvivalentnega člana gospodinjstva. Pri tem izračunu smo uporabili OECD metodologijo ponderiranja članov gospodinjstva prvi odrasel član ima utež 1, vsi preostali odrasli člani (starejši od 16 let) imajo utež 0.7 ter otroci, ki imajo utež 0.5. Na podlagi višine tako izračunanega razpoložljivega dohodka na ekvivalentnega člana gospodinjstva smo v nadaljevanju uredili vsa gospodinjstva in jih nato razvrstili v pet enakih dohodkovnih razredov (kvintilov), kar pomeni, da je v vsakem razredu 7703 gospodinjstev. V datoteki smo obdržali podatke za vsakega posameznika, pri čemer pa je le-ta opremljen s podatkom v kateri dohodkovni razred spada. S tem smo ohranili možnost analize tudi posameznikov in ne samo gospodinjstev. Seveda je bila takšna delitev vzorca posledica dogovorjene členitve SAM v modelu splošnega ravnotežja. Možna je poljubna delitev glede na trenutne potrebe. Nesporno dejstvo je, da priprava vzorca gospodinjstev s povezanimi bazami podatkov pomeni pomemben korak v smeri kvalitetne uporabe že obstoječih baz podatkov s katerimi razpolaga Statistični urad RS oziroma druge javne institucije. Kvalitetno pripravljen vzorec namreč omogoča izvedbo številnih analiz, ki so nujna strokovna podlaga pri pripravi predlogov sprememb na področju davkov in socialnih transferjev. Dejstvo pa tudi je, da je nujno potrebna kontrola že pripravljenega vzorca, postopno dopolnjevanje z manjkajočimi podatki (študentje, samozaposleni, premoženje, zdravstvo, ) in redno letno (dvoletno) vzdrževanje vzorca. Nujno je torej zavedanje, da imamo opraviti z rednimi aktivnostmi, ki so izrazito infrastrukturne narave. In to ne velja le za pripravo in vzdrževanje baz podatkov temveč tudi za vzdrževanje in nadaljnji reden razvoj programskih orodij.

23 22 STATISTIČNI DNEVI 2006 STATISTICAL DAYS REZULTATI Podroben opis opravljenih raziskovalnih aktivnosti priprave baz podatkov, razvoja modelskih orodij, opravljenih simulacij in analize dobljenih rezultatov je podan v zaključni študiji Majcen et al (2006). V nadaljevanju zato na kratko povzemamo le osnovne značilnosti dobljenih rezultatov obeh modelov. Poleg že omenjene posebne vloge pri pripravi številnih podatkov za potrebe členitve matrike družbenih računov, je bil mikrosimulacijski model uporabljen tudi za izračune učinkov sprememb na področju dohodnine. Model omogoča izračune sprememb v davčni osnovi, efektivnih stopnjah dohodnine in plačani dohodnini na ravni vsakega posameznika, ki ga lahko grupiramo glede na različne značilnosti: status aktivnosti, izobrazbo, pripadnost k določenemu tipu gospodinjstva, višino dohodkov, višino vsake posamezne vrste dohodka,. Pri izračunih lahko poljubno spreminjamo normirane stroške za posamezne skupine davčnih zavezancev, posamezne vrste olajšav, višine nominalnih stopenj dohodnine, število in dohodninske razrede, kot tudi višino davčnega odtegljaja za upokojence oziroma možno uvedbo davčnega odtegljaja za vzdrževane družinske člane. V prvi fazi razvoja MSM smo tako najprej razvili modul, ki je reproduciral sistem dohodnine veljaven v letu Ocena obračunane dohodnine v višini 380 mia SIT izjemno dobro reproducira dejansko obračunano dohodnino v tem letu. V nadaljevanju smo razvili še dodaten modul, ki simulira sistem dohodnine veljaven v letu 2006, vendar ob upoštevanju podatkov za leto Ocena novega sistema dohodnine, ki je trenutno veljaven, nam je v nadaljevanju služila kot podlaga za primerjavo učinkov predvidenih sprememb glede na uvedbo dogovorjenega scenarija. Glede na zadnje razpoložljive podatke v vzorcu za leto 2004 smo predlagano dohodninsko lestvico, splošno olajšavo in vse ostale olajšave, ki ostanejo v veljavi, preračunali v stanje za leto 2004 ob upoštevanju indeksa cen življenjskih potrebščin (november tekoče leto/november predhodno leto). Izračuni so bili pripravljeni na ravni posameznika in v naslednji fazi agregirani na raven petih dohodkovnih razredov, ter znotraj posameznega razreda še dodatno razčlenjeni na tri skupine glede na raven izobrazbe (brez izobrazbe ali osnovna šola, srednja izobrazba, ter višja oziroma visoka izobrazba). Izračune smo za potrebe dodatnih analiz agregirali: a) za vse davčne zavezance, ki so plačali dohodnino, b) za zaposlene, c) za upokojence in d) za zaposlene, ki so prejemali plačo nižjo od povprečne plače v letu Pri tem je potrebno opozoriti, da že opravljeni izračuni omogočajo poljubno agregacijo glede na določen tip posameznika oziroma gospodinjstva. Splošne ugotovitve glede dobljenih rezultatov so naslednje: a) Na podlagi dobljenih rezultatov lahko sklepamo, da bi se neenakost v razdelitvi razpoložljivega dohodka gospodinjstev po reformi povečala. To potrjujejo tudi izračuni treh mer dohodkovne neenakosti. Daleč najmanjše povečanje neenakosti izkazuje scenarij SC7a. b) V primeru davčnih zavezancev, ki so tudi dejansko plačali dohodnino, se ocenjen izpad proračunskih dohodkov giblje med 39.6 in 99 mia SIT oziroma med 10.9% in 27.4% dohodnine plačane v letu Pri tem varianti z enotno davčno stopnjo izkazujeta manjši izpad, varianta SC3a je kljub višji enotni davčni stopnji 25% celo boljša, saj zaradi visoke splošne olajšave ne prizadene nižjih dohodkovnih razredov kot je sicer primer SC1a. Varianti z dvema oz. tremi stopnjami (SC5a in SC6a) pomenita večji proračunski izpad, pri čemer pa vsi zavezanci v vseh dohodkovnih razredih plačajo v povprečju manj. Največji»zmagovalec«je najvišji dohodkovni razred, ki sicer z višanjem enotne davčne stopnje

24 STATISTIČNI DNEVI 2006 STATISTICAL DAYS plača nekaj več dohodnine. Podobno velja za SC6a, ki z uvedeno še tretjo stopnjo 35% dejansko vpliva le na manjše zmanjšanje plačila dohodnine za zadnji, najvišji dohodkovni razred. c) Scenarij SC7a z izbranimi tremi stopnjami dohodnine, mejami razredov in nižjo vrednostjo splošne olajšave izkazuje še najmanjši proračunski izpad v višini 39.6 mia SIT, hkrati pa zavezanci v vseh dohodkovnih razredih plačajo v povprečju manj. d) Podobna slika se ponovi tudi za skupino davčnih zavezancev, ki so bili zaposleni. Ponovno so zaposleni, ki izhajajo iz prvih treh dohodkovnih razredov v primeru SC1a malce na slabšem saj morajo plačati višjo dohodnino v primerjavi s stanjem v letu Očitno je, da je uporabljena splošna olajšava v višini SIT prenizka in bi jo morali ustrezno povišati. Pri tem pa se je potrebno zavedati, da so posamezniki v nižjih dohodkovnih razredih v položaju, da že obstoječih olajšav ne morejo polno izkoristiti z zviševanjem splošne olajšave marsikomu ne bi mogli pomagati, istočasno pa bi še dodatno povečali proračunski izpad zaradi polnega izkoriščanja olajšav v višjih dohodkovnih razredih (glej ustrezne tabele v Prilogi). Izračun s SIT višjo splošno olajšavo dejansko kaže, da bi takšen dvig splošne olajšave izboljšal položaj spodnjih treh razredov, ki ne bi več plačevali višje dohodnine. Po drugi strani pa bi se izpad prihodkov iz naslova dohodnine povečal še za dobrih 8 mia SIT. e) Analiza rezultatov SC1a za skupino upokojencev kaže na rahlo poslabšanje položaja upokojencev, ki so v nižjih dohodkovnih razredih, oziroma upokojencev, ki imajo le osnovnošolsko izobrazbo. V primeru enotne davčne stopnje 25% in višje splošne olajšave se njihov položaj popravi, in še dodatno ob upoštevanju scenarija z dvema oz. tremi stopnjami. Sedanji davčni odtegljaj v višini 14.5% pokojnine očitno lahko odigra svojo vlogo tudi v primeru obravnavanih scenarijev, z izjemo prvega scenarija in zadnjega scenarija. V primeru scenarija SC7a bi se, zaradi nižje splošne olajšave, ukinjanja olajšave za davčne zavezance starejše od 65 let in znižane višine davčnega odtegljaja na 13.5%, poslabšal položaj upokojencev v prvih dveh dohodkovnih razredih. Po drugi strani pa izločitev katastrskega dohodka do višine 200 EUR iz obdavčitve povzroči, da se precej zmanjša število upokojencev, ki bi morali plačati dohodnino. V povprečju bodo upokojenci plačali višjo dohodnino (v primerjavi z letom 2006). f) Skupina zaposlenih s podpovprečno plačo bi lahko utrpela povečanje dohodnine, vendar rezultati ponovno kažejo na dejstvo, da ta bojazen velja le za prvi scenarij. Za to skupino sta scenarija z dvema oz. tremi stopnjami (SC5a in SC6a) še najboljša, saj pomenita precejšnje znižanje dohodnine, vendar pa z večjim znižanjem v višjih dohodkovnih razredih. Dodatno smo pripravili še primerjavo izračunov s stanjem v letu Dejstvo namreč je, da se pozablja, da je zakon o dohodnini doživel pomembne spremembe v letu 2004 in še dodatno v letu 2005 (z veljavnostjo v letih 2005 in 2006), ki pa so razbremenile predvsem davčne zavezance z nižjimi dohodki. Preden nadaljujemo s predstavitvijo bomo na kratko povzeli nekaj dejstev, ki se v debatah o dohodnini večinoma ne upoštevajo ali se jih ljudje ne zavedajo: - zavezanci v najvišjih dohodkovnih razredih plačajo večino dohodnine v letu 2004 so davčni zavezanci, ki spadajo v gospodinjstva v najvišjem dohodkovnem razredu, plačali 58% celotne dohodnine v tem letu, skupaj s četrtim razredom pa dobrih 78% (glej tabelo 1), - davčni zavezanci v prvem, najnižjem dohodkovnem razredu so plačali le 2.4%, skupaj z drugim dohodkovnim razredom pa le dobrih 9% celotne plačane dohodnine, - čeprav so lahko relativne spremembe med dohodkovnimi razredi podobne pa to pomeni precejšnje razlike v absolutnih zneskih to je seveda posledica velikih razlik v višinah absolutnih zneskov plačane dohodnine.

25 24 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Če primerjamo deleže plačane dohodnine glede na stopnjo izobrazbe so bili najbolj obremenjeni davčni zavezanci z višjo oziroma visoko stopnjo izobrazbe saj so prispevali skoraj polovico plačane dohodnine pri tem pa se moramo še zavedati, da je teh zavezancev po številu precej manj od ostalih dveh skupin. Tabela 1: plačana dohodnina po posameznih dohodkovnih razredih in stopnji izobrazbe (mia SIT, leto 2004 in predlog sprememb) DOHODNINA 2004 Predlog sprememb Kvintil Skupaj Struktura(%) Kvintil Skupaj Struktura(%) Skupaj Skupaj Primerjava rezultatov simulacije predloga sprememb zakona o dohodnini s stanjem v letu 2004, ki torej zajema tudi spremembe uvedene v letu 2005, je podana v Tabeli 2. V njej podajamo izračune za davčne zavezance, ki so dejansko plačali dohodnino v letu 2004 oziroma bi jo plačali po sedanjem predlogu sprememb zakona o dohodnini. Podrobnejše izračune podajamo v tabeli na koncu prispevka. Tabela 2: Razlike v plačani dohodnini po posameznih dohodkovnih razredih in stopnji izobrazbe (mia SIT, leto 2004 in predlog sprememb) Razlika (mia SIT) Relativna razlika Kvintil Skupaj Kvintil Skupaj % -40.6% -34.1% -40.3% % -30.4% -27.3% -30.2% DOHODNINA % -25.1% -23.6% -24.8% % -21.3% -19.1% -20.5% % -12.1% -9.5% -10.2% Skupaj Skupaj -23.7% -20.2% -11.7% -16.2% Osnovne značilnosti rezultatov lahko povzamemo v naslednjih ugotovitvah: - spremembe zakona o dohodnini v letu 2005 in najnovejši predlog sprememb znižujejo obveznost plačila dohodnine za davčne zavezance v vseh dohodkovnih razredih za 61.5 mia SIT oziroma za dobrih 16%, - znižanje v plačani dohodnini je največje za davčne zavezance v srednjem sloju tretji in četrti dohodkovni razred oziroma za davčne zavezance s srednjo izobrazbo, - posamično, največ pridobi najvišji dohodkovni razred, vendar - relativne spremembe kažejo, da so že izvedene in predlagane spremembe povzročile največje znižanje prav v najnižjih dveh razredih; - tako naj bi davčni zavezanci, ki živijo v gospodinjstvih z najnižjimi dohodki, plačali kar za 40% manj dohodnine v primerjavi s stanjem v letu 2004, - zavezanci, ki živijo v gospodinjstvih v drugem dohodkovnem razredu naj bi plačali za 30% manj dohodnine, v tretjem dohodkovnem razredu za 25% manj in v četrtem razredu za 20% manj dohodnine; - davčni zavezanci v zadnjem, najvišjem dohodkovnem razredu pa bi plačali za 10% nižjo dohodnino;

26 STATISTIČNI DNEVI 2006 STATISTICAL DAYS torej, če upoštevamo tudi spremembe v letu 2005, lahko ugotovimo, da je skupni učinek sprememb še najbolj ugoden prav za davčne zavezance z najnižjimi dohodki; - posledice različne relativne razbremenitve posameznih dohodkovnih razredov se odražajo tudi v spremembi relativnih razmerij dohodkovnih razredov glede na ocenjeno višino plačane dohodnine na podlagi predloga sprememb zakona o dohodnini (glej tabelo 1) delež zadnjega dohodkovnega razreda se v plačani dohodnini poviša z 58% na 62%, deleži vseh ostalih pa se znižajo; - tudi če pogledamo razmerja glede na stopnjo izobrazbe lahko ugotovimo, da se je položaj skupine z najvišjo izobrazbo relativno poslabšal. Če povzamemo osnovne ugotovitve: vlada razbremenjuje vse dohodkovne razrede v povprečju so torej vsi na boljšem v primerjavi s stanjem v letu Zaradi večje relativne razbremenitve davčnih zavezancev z nižjimi dohodki pa se je relativen položaj davčnih zavezancev v zadnjem, najvišjem dohodkovnem razredu dejansko poslabšal, enaka ugotovitev velja tudi če primerjamo davčne zavezance glede na stopnjo izobrazbe. Pripravljeni izračuni z mikrosimulacijskim modelom so v nadaljevanju služili kot input v dinamičen model splošnega ravnotežja s katerim smo simulirali posledice predlaganih scenarijev. Za potrebe naročnika so bile izdelane in predstavljene štiri skupine simulacij dogovorjenih scenarijev glede možnih reform na področju obdavčitve dohodkov fizičnih oseb z dohodnino, davka od dohodkov pravnih oseb, davka na izplačane plače in davka na dodano vrednost. V končni študiji so podani le rezultati zadnjega, četrtega kroga izračunov s predpostavljenima nespremenjenima stopnjama DDV, ki predstavljajo bolj realen okvir za analizo posledic predlaganih reform. Hkrati pa se delno dotikamo tudi rezultatov tretjega kroga, predvsem zaradi ocen potrebnega začasnega zvišanja stopenj DDV. V dodatnem krogu izračunov smo izračune omejili na scenarij s tremi dohodninskimi stopnjami v študiji predstavljamo zadnjo različico tega scenarija SC7a. Zavedati se moramo, da tudi ta, zadnja, različica doživlja popravke, tako da dejansko v tem trenutku posledice različice, ki bo končno sprejeta in tudi vpeljana v praksi, še ne morejo biti ocenjene. Na podlagi analize rezultatov posameznih scenarijev lahko sklenemo: - učinki referenčnega scenarija naj bi bili pozitivni v primerjavi z osnovnim scenarijem na tako rekoč vseh opazovanih ravneh. Osnovni generator pospešene gospodarske rasti predstavlja povečanje produktivnosti kot posledice uresničevanja ciljev Lizbonske strategije. - učinki uvedbe posamezne variante reforme dohodnine na rast realnega agregatnega BDP se kažejo v pospešitvi rasti predvsem v prvem letu uvedbe reforme, medsebojne razlike se z leti postopno zmanjšujejo. Končni, dolgoročni učinek je v primerjavi z referenčnim scenarijem (zanemarljivo) pozitiven v primeru uvedbe enotne davčne stopnje oziroma zadnje različice s tremi davčnimi stopnjami. Pospeševanje raziskav in razvoja, izboljševanje izobraževanja in dvigovanje produktivnosti se kažejo kot večji izzivi slovenske družbe v naslednjih letih. - Istočasno pa imajo pomembne prerazdelitvene učinke zniževanje plačila dohodnine se odrazi v višjem razpoložljivem dohodku gospodinjstev in povečani zasebni potrošnji in varčevanju v primerjavi z referenčnim scenarijem. Razdelitev med dohodkovne razrede pa ni enakomerna še največ pridobi peti dohodkovni razred. - Povečanje realnih plač po obdavčitvi privede sicer do povečanja ponudbe dela, ki pa se realizira v povečanem zaposlovanju le v storitvenih sektorjih zaradi relativnega zaostajanja domače proizvodnje v primerjavi s stanjem v referenčnem scenariju.

27 26 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Z vidika višine prerazdelitve izstopa scenarij z dvema stopnjama (SC5a), z vidika enakomernejše prerazdelitve pa scenarij s tremi stopnjami (SC7a). - Nesporno dejstvo je, da bi se z uvedbo kateregakoli predlaganega scenarija reforme dohodnine progresivnost obdavčitve močno znižala, hkrati pa bi se dohodkovna neenakost v slovenski družbi še dodatno povečala. - Simulacije predlaganih scenarijev reforme davčnega sistema ob predpostavljenem prilagajanju dveh stopenj DDV oziroma enotne stopnje DDV in ciljanju postopnega ukinjanja proračunskega primanjkljaja ter zniževanja državne potrošnje, so pokazale, da bi imel potrebni dvig DDV kratkoročno močno negativne učinke na gospodarsko rast. V letu uvedbe davčne reforme ne bi prišlo do pospešitve rasti, ampak do njene upočasnitve na raven med 3.2% in 3.9%. Hkrati pa bi višje stopnje DDV pri vseh dohodkovnih razredih izničile pozitivne učinke davčne reforme na blaginjo gospodinjstev (z izjemo petega dohodkovnega razreda v primeru uvedbe enotne davčne stopnje). - Zviševanje stopenj DDV bi povzročilo dodaten pritisk na cene, zato se je potrebno v kar največji meri izogniti pretiranemu dvigovanju stopenj DDV. To je tudi bilo vodilo pri izvedbi tretjega in četrtega kroga simulacij, v katerih smo predpostavljali ohranitev dosedanjega postopnega ukinjanja davka na izplačane plače. - Istočasno pa je nujno potrebno dosledno izpeljati načrtovano zniževanje državne potrošnje, kar velja še posebej za prvo znižanje za dve odstotni točki do leta Če do tega znižanja v praksi ne bo prišlo, dopuščanje prehodnega povečanja primanjkljaja lahko privede do pretiranega povečanja le-tega oziroma do nujnega naknadnega povečanja stopenj DDV in z njim povezanega vpliva na porast inflacije in zaviranja gospodarske aktivnosti. - Naslednjo možno rešitev predstavlja izvedba blažje oblike reforme dohodnine s ciljem znižanja sedanje progresivnosti npr. z ukinitvijo najvišjega dohodninskega razreda, in limitiranjem plačevanja socialnih prispevkov nad določeno višino bruto plače. To limitiranje bi lahko izvedli postopno v nekaj letih. S tem bi hkrati omogočili podjetjem dodatno zniževanje stroškov dela za najbolj izobraženo delovno silo, kar je tudi sicer namen reforme dohodnine, istočasno pa bi s tem destimulirali izplačevanje dohodkov v oblikah, ki niso obremenjene s socialnimi prispevki. Ali so dobljeni rezultati vodili v opustitev predloga enotne davčne stopnje? Verjetno so olajšali odločitev o tem kakšen predlog oblikovati. Nesporno dejstvo pa je, da so rezultati marsikoga presenetili, kar je velikokrat posledica parcialnega pogleda na posamezen problem. V dejanskem življenju so stvari medsebojno prepletene, neposrednemu učinku sledijo še posredni in povratni učinki. Take povezave lahko spremljamo le z ustreznim orodjem, vendar pa se moramo ob tem vedno zavedati, da nam le-to služi predvsem kot pripomoček pri presoji in nikakor ne kot njen nadomestek. 5 SKLEPNE MISLI Ocenjevanje kompleksnih makro in sektorskih posledic predlagane davčne reforme lahko kvalitetno izvedemo le z uporabo ustreznih modelskih orodij. V prispevku smo na kratko predstavili osnovne značilnosti mikrosimulacijskega modela in dinamičnega modela splošnega ravnotežja, ki sta bila uporabljena za simuliranje posledic izbranih scenarijev davčne reforme. Opravljene aktivnosti razvoja osnovne matrike družbenih računov, njene nadaljnje členitve in uporabe vzorca gospodinjstev s povezanimi bazami podatkov iz različnih virov na individualni ravni so odkrile določene pomanjkljivosti izdelanih baz. Le-te pa so predvsem posledica prekratkega roka za pripravo baz podatkov in v manjši meri pomanjkljivosti v samih bazah. Hkrati pa se moramo zavedati, da predstavlja povezovanje različnih baz podatkov in njihova uporaba na individualni ravni v okviru mikrosimulcijskega modela izjemno

28 STATISTIČNI DNEVI 2006 STATISTICAL DAYS pomemben korak v smeri zagotavljanja ustrezne in kvalitetne strokovne podpore nosilcem ekonomske politike pri sprejemanju njihovih odločitev na področju davkov in socialnih transferjev. Res pa je tudi, da imamo opraviti z aktivnostmi infrastrukturne narave, ki terjajo kontinuirano delo na kontroli, dopolnjevanju in vzdrževanju tako baz podatkov kot tudi modelskih orodij. 6 LITERATURA Tabeli ponudbe in porabe, Slovenija 2002, Statistični urad R Slovenije, Statistične informacije št. 3, dec Popis prebivalstva, gospodinjstev in stanovanj v Republiki Sloveniji, Končno poročilo, SAtatistični urad R Slovenije Nacionalni računi Bruto domači proizvod, temeljni agregati nacionalnih računov in zaposlenost, , Statistični urad R Slovenije, Statistične informacije št. 262, sept Vzorec gospodinjstev, podatkovna datoteka, Statistični urad R Slovenije, 2006 Boris Majcen et.al, Analiza kompleksnih sektorskih in makro učinkov davčne reforme in reforme socialnih transferjev z uporabo dinamičnega modela splošnega ravnotežja slovenskega gospodarstva, Inštitut za ekonomska raziskovanja, Ljubljana, 2006, 132 str.

29 28 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 TABELA 3: DOSEŽENE STOPNJE DOHODNINE IN RAZLIKE V PRIMERJAVI S STANJEM V LETU 2006 OSNOVA I 2006 SC1a SC3a SC5a SC6a SC7a DOSEŽE STOPNJE (%) Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 3,8 5,9 7,3 5,2 4,0 6,4 7,5 5,5 3,5 5,6 7,1 4,9 2,8 4,7 5,9 4,0 2,8 4,7 5,9 4,0 3,7 5,6 6,6 5,0 2 5,1 7,3 9,9 6,8 5,5 8,0 9,7 7,3 4,6 6,9 9,3 6,4 3,9 5,8 7,8 5,3 3,9 5,8 7,8 5,3 5,1 6,8 8,8 6,4 3 6,4 9,2 12,3 8,9 7,0 9,7 11,3 9,2 6,0 8,8 11,1 8,4 5,0 7,2 9,6 6,9 5,0 7,2 9,6 6,9 6,5 8,4 10,7 8,3 4 7,9 11,6 15,2 11,9 8,2 11,2 12,9 11,1 7,6 10,8 13,1 10,8 6,2 9,1 11,6 9,2 6,2 9,1 11,6 9,2 7,7 10,4 13,2 10,6 5 10,0 17,0 24,4 21,0 8,8 13,5 16,5 15,1 8,7 13,9 17,8 16,0 7,5 12,5 16,8 14,8 7,8 13,0 18,7 16,2 9,6 15,4 22,6 19,5 Skupaj 6,6 12,0 21,8 14,6 6,9 11,0 15,4 11,9 6,3 10,7 16,5 12,1 5,1 9,1 15,3 10,7 5,1 9,3 16,8 11,3 6,6 10,9 20,1 13,6 OSNOVA II Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 11,5 15,0 16,3 13,9 13,9 18,9 18,8 17,1 17,5 21,5 21,0 20,3 9,8 13,7 14,9 12,4 9,8 13,7 14,9 12,4 11,3 15,0 15,6 13,8 2 12,0 15,6 18,5 14,8 14,6 19,3 19,4 17,9 17,9 22,1 22,0 21,0 10,3 14,0 15,6 13,0 10,3 14,0 15,6 13,0 11,9 15,1 16,5 14,3 3 12,5 16,4 20,3 16,0 15,4 19,2 19,8 18,4 18,3 22,0 22,6 21,4 10,9 14,3 16,8 13,9 10,9 14,3 16,9 13,9 12,7 15,4 17,8 15,1 4 13,6 18,0 22,2 18,4 15,2 18,7 19,5 18,4 17,9 21,6 22,3 21,3 11,5 15,1 17,6 15,2 11,5 15,1 17,6 15,2 13,1 16,2 19,2 16,5 5 15,3 22,7 29,6 26,7 13,8 18,8 20,2 19,5 16,3 21,6 23,1 22,4 11,9 17,3 20,6 19,1 12,3 18,1 22,9 20,9 14,2 20,4 27,2 24,4 Skupaj 13,1 19,2 27,9 22,1 14,8 18,9 20,1 18,9 17,7 21,7 23,0 21,9 11,1 15,7 19,9 17,0 11,1 16,0 21,8 17,9 12,8 17,6 25,5 20,4 OSNOVA II DAVČNA OSNOVA, PLAČANA DOHODNINA IN RAZLIKE (mia SIT) Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj DOHODNINA Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 1,6 3,8 0,4 5,9 0,0 0,0 0,0 0,1-0,6-1,0-0,1-1,6-0,5-1,0-0,1-1,6-0,5-1,0-0,1-1,6-0,2-0,5 0,0-0,7 2 4,5 11,8 2,0 18,3 0,3 0,6-0,1 0,9-1,0-1,9-0,2-3,1-1,1-2,8-0,4-4,4-1,1-2,8-0,4-4,4-0,5-1,4-0,3-2,2 3 6,4 24,5 5,8 36,8 0,6 1,2-0,5 1,3-0,7-2,0-0,6-3,3-1,4-5,4-1,3-8,2-1,4-5,4-1,3-8,1-0,7-3,2-0,9-4,8 4 7,3 41,4 20,4 69,2 0,3-1,4-3,1-4,1-0,6-3,6-2,9-7,0-1,6-9,3-5,0-15,9-1,6-9,3-4,9-15,8-1,0-6,5-3,1-10,6 5 4,8 68,1 159,3 232,2-0,5-13,6-51,2-65,2-0,6-12,4-42,8-55,8-1,2-18,3-49,9-69,3-1,1-16,0-37,4-54,4-0,6-8,5-12,2-21,3 Skupaj 24,8 149,7 187,9 362,4 0,9-13,1-54,9-67,1-3,4-20,9-46,6-70,9-5,8-36,9-56,6-99,3-5,7-34,5-44,1-84,3-2,9-20,1-16,6-39,6

30 STATISTIČNI DNEVI 2006 STATISTICAL DAYS TABELA 3: DOSEŽENE STOPNJE DOHODNINE IN RAZLIKE V PRIMERJAVI S STANJEM V LETU 2006 (zaposleni) OSNOVA I 2006 SC1a SC3a DOSEŽE STOPNJE (%) SC5a SC6a SC7a Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 4,0 5,2 7,1 4,9 4,1 5,3 7,1 5,0 2,7 3,9 5,9 3,6 2,8 3,9 5,4 3,6 2,8 3,9 5,4 3,6 3,5 4,6 6,2 4,3 2 6,7 7,7 10,7 7,6 7,1 8,1 10,3 8,0 5,2 6,5 9,7 6,4 5,0 5,8 8,4 5,8 5,0 5,8 8,4 5,8 6,0 6,8 9,2 6,7 3 8,9 10,2 13,6 10,4 9,7 10,7 12,4 10,7 7,8 9,4 12,1 9,4 6,8 8,0 10,5 8,0 6,8 8,0 10,5 8,0 7,9 8,9 11,5 9,0 4 11,3 13,5 17,1 14,1 11,7 13,0 14,4 13,2 10,4 12,3 14,6 12,6 8,8 10,4 13,0 10,8 8,8 10,5 13,0 10,9 9,8 11,4 14,5 12,0 5 14,9 19,5 26,5 23,9 13,6 15,8 18,0 17,1 13,1 16,1 19,4 18,1 11,4 14,4 18,3 16,8 11,5 15,0 20,4 18,3 12,8 16,9 23,9 21,2 Skupaj 8,8 13,1 23,8 16,5 9,1 12,1 16,9 13,5 7,5 11,4 17,9 13,3 6,7 10,0 16,7 12,0 6,7 10,1 18,3 12,7 7,7 11,3 21,3 14,5 OSNOVA II Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 15,7 16,8 18,3 16,6 21,1 21,6 21,5 21,4 23,8 24,1 24,1 24,1 14,6 15,6 16,5 15,4 14,6 15,6 16,5 15,4 15,5 16,3 17,0 16,1 2 16,0 17,2 20,6 17,2 21,2 21,7 21,7 21,5 24,0 24,5 24,5 24,4 14,8 15,6 17,6 15,6 14,8 15,6 17,6 15,6 15,6 16,3 18,2 16,3 3 16,5 18,3 22,4 18,5 21,2 21,7 21,9 21,6 24,1 24,6 24,8 24,6 15,0 16,1 18,5 16,3 15,0 16,1 18,5 16,3 15,7 16,7 19,4 16,9 4 18,1 20,6 24,7 21,3 21,2 21,7 21,9 21,7 24,1 24,6 24,8 24,6 15,8 17,4 19,7 17,8 15,8 17,4 19,8 17,9 16,4 17,9 21,2 18,6 5 21,6 25,6 31,8 29,6 21,3 21,7 21,9 21,8 24,2 24,7 24,8 24,8 17,8 19,8 22,3 21,4 18,0 20,6 24,8 23,3 19,1 22,4 28,5 26,3 Skupaj 17,4 21,4 30,2 24,9 21,2 21,7 21,9 21,7 24,1 24,6 24,8 24,7 15,6 17,8 21,7 19,4 15,6 18,1 23,8 20,5 16,3 19,1 26,9 22,3 OSNOVA II DAVČNA OSNOVA, PLAČANA DOHODNINA IN RAZLIKE (mia SIT) Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj DOHODNINA Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 1,5 3,5 0,3 5,3 0,0 0,1 0,0 0,1-0,5-0,9-0,1-1,5-0,4-0,9-0,1-1,4-0,4-0,9-0,1-1,4-0,2-0,4 0,0-0,6 2 4,2 11,2 1,9 17,3 0,3 0,6-0,1 0,8-0,9-1,8-0,2-2,9-1,1-2,7-0,4-4,2-1,1-2,7-0,4-4,2-0,5-1,3-0,3-2,0 3 6,1 23,4 5,6 35,2 0,6 1,1-0,5 1,2-0,7-1,9-0,6-3,2-1,4-5,2-1,3-7,8-1,4-5,2-1,3-7,8-0,6-3,0-0,8-4,5 4 6,8 39,0 19,5 65,3 0,3-1,3-3,0-4,1-0,5-3,3-2,8-6,6-1,5-8,8-4,7-15,0-1,5-8,7-4,6-14,9-0,9-6,0-3,0-9,8 5 3,5 57,9 149,3 210,7-0,3-11,0-47,9-59,2-0,4-10,1-40,1-50,6-0,8-15,0-46,1-62,0-0,8-13,4-34,3-48,6-0,5-7,8-15,0-23,3 Skupaj 22,1 135,1 176,6 333,8 0,8-10,5-51,5-61,2-3,1-17,9-43,8-64,8-5,3-32,6-52,6-90,4-5,2-31,0-40,7-76,9-2,7-18,5-19,1-40,3

31 30 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 TABELA 4: DOSEŽENE STOPNJE DOHODNINE IN RAZLIKE V PRIMERJAVI S STANJEM V LETU 2006 (upokojenci) OSNOVA I 2006 SC1a SC3a DOSEŽE STOPNJE (%) SC5a SC6a SC7a Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 0,6 0,7 4,6 0,8 0,8 0,8 4,7 0,9 0,7 0,7 5,2 0,9 0,6 0,6 4,6 0,7 0,6 0,6 4,6 0,7 0,9 1,0 5,4 1,1 2 0,5 0,6 1,1 0,6 0,7 0,7 1,0 0,7 0,5 0,6 1,0 0,6 0,5 0,5 0,6 0,5 0,5 0,5 0,6 0,5 0,8 0,9 1,3 0,9 3 0,5 0,7 0,9 0,6 0,7 0,8 1,0 0,7 0,6 0,7 0,9 0,6 0,5 0,6 0,5 0,5 0,5 0,6 0,5 0,5 0,9 1,0 1,0 0,9 4 1,0 1,3 2,2 1,3 1,1 1,2 1,8 1,3 1,1 1,2 1,9 1,3 0,9 0,9 1,2 1,0 0,9 0,9 1,2 1,0 1,5 1,6 2,3 1,7 5 3,3 4,7 7,2 5,6 2,8 3,6 4,6 3,9 3,0 3,8 5,2 4,3 2,4 3,1 4,1 3,4 2,5 3,4 4,5 3,7 3,8 5,0 6,8 5,7 Skupaj 1,1 2,5 5,9 2,8 1,1 2,1 3,9 2,2 1,1 2,1 4,3 2,3 0,9 1,7 3,4 1,8 0,9 1,8 3,7 1,9 1,5 3,0 5,8 3,3 OSNOVA II Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 2,4 1,9 9,1 2,6 2,9 2,2 9,7 3,0 4,4 3,0 11,4 4,5 2,3 1,7 9,5 2,5 2,3 1,7 9,5 2,5 3,1 2,4 10,3 3,3 2 1,6 1,4 1,9 1,5 1,9 1,7 1,8 1,8 2,5 2,2 2,3 2,4 1,4 1,3 1,1 1,3 1,4 1,3 1,1 1,3 2,0 1,8 2,1 1,9 3 1,3 1,3 1,5 1,3 1,6 1,6 1,7 1,6 2,0 1,9 1,9 2,0 1,2 1,2 0,9 1,1 1,2 1,2 0,9 1,1 1,8 1,7 1,6 1,7 4 2,1 2,2 3,4 2,4 2,2 2,2 2,7 2,3 2,9 2,7 3,3 2,9 1,7 1,6 1,9 1,7 1,8 1,6 1,9 1,7 2,6 2,6 3,3 2,7 5 5,6 6,9 9,6 8,0 4,6 5,4 6,0 5,6 5,9 6,6 7,5 7,0 3,9 4,7 5,4 4,9 4,0 5,0 5,9 5,3 5,7 6,8 8,6 7,5 Skupaj 2,6 4,2 8,2 5,0 2,6 3,5 5,3 3,8 3,6 4,6 6,6 5,1 2,1 3,0 4,6 3,2 2,1 3,1 5,1 3,4 3,1 4,6 7,6 5,2 OSNOVA II DAVČNA OSNOVA, PLAČANA DOHODNINA IN RAZLIKE (mia SIT) Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 4,6 3,2 0,5 8,3 0,3-0,3 0,0-0,1-2,6-1,5-0,1-4,2 0,2-0,3 0,0-0,2 0,2-0,3 0,0-0,2-0,2-1,0-0,1-1,3 2 10,4 7,9 1,2 19,6 0,7-0,3 0,0 0,4-4,9-3,2-0,3-8,3 0,6-0,4 0,0 0,2 0,6-0,4 0,0 0,2-1,4-2,4-0,2-3,9 3 13,6 17,1 2,7 33,4 0,3-0,2 0,1 0,2-5,3-5,4-0,5-11,3 0,2-0,5-0,2-0,5 0,2-0,5-0,2-0,5-3,7-5,6-0,5-9,8 4 15,3 32,2 10,3 57,8 0,7 0,2 0,4 1,3-4,2-7,6-1,3-13,2 0,1-1,1 0,0-1,1 0,1-1,1 0,0-1,1-3,5-8,5-1,3-13,3 5 13,2 52,1 53,8 119,3 1,1 1,0 2,0 4,0-2,0-7,5-3,6-13,2 0,0-1,5-0,2-1,6 0,0-1,5-0,2-1,6-1,2-4,8 0,8-5,2 Skupaj 57,1 112,5 68,5 238,4 3,1 0,2 2,5 5,7-19,0-25,3-5,9-50,3 1,1-3,8-0,4-3,1 1,1-3,8-0,4-3,1-9,9-22,2-1,2-33,4 DOHODNINA Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 0,11 0,06 0,05 0,22 0,03 0,00 0,00 0,03-0,02-0,01 0,00-0,03 0,00-0,01 0,00-0,01 0,00-0,01 0,00-0,01 0,02-0,01 0,00 0,02 2 0,16 0,11 0,02 0,30 0,05 0,02 0,00 0,06-0,02-0,01 0,00-0,04-0,01-0,02-0,01-0,04-0,01-0,02-0,01-0,04 0,02-0,01 0,00 0,00 3 0,17 0,22 0,04 0,44 0,05 0,04 0,01 0,10 0,00 0,00 0,00 0,00-0,01-0,03-0,02-0,06-0,01-0,03-0,02-0,06 0,01-0,02 0,00-0,02 4 0,32 0,70 0,35 1,37 0,04 0,00-0,06-0,02 0,00-0,05-0,05-0,10-0,05-0,19-0,15-0,40-0,05-0,19-0,15-0,39-0,01-0,10-0,05-0,16 5 0,74 3,62 5,17 9,52-0,08-0,78-1,79-2,65-0,07-0,67-1,41-2,15-0,23-1,25-2,29-3,76-0,20-1,10-2,00-3,30-0,05-0,40-0,47-0,92 Skupaj 1,50 4,72 5,62 11,85 0,09-0,72-1,85-2,47-0,12-0,74-1,46-2,32-0,29-1,50-2,47-4,27-0,27-1,35-2,18-3,80-0,02-0,54-0,53-1,09

32 STATISTIČNI DNEVI 2006 STATISTICAL DAYS TABELA 5: DOSEŽENE STOPNJE DOHODNINE IN RAZLIKE V PRIMERJAVI S STANJEM V LETU 2006 (zaposleni s podpovprečno plačo) OSNOVA I 2006 SC1a SC3a DOSEŽE STOPNJE (%) SC5a SC6a SC7a Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 6,0 6,5 6,1 6,3 6,6 7,2 6,5 7,0 5,7 6,4 6,8 6,2 4,6 5,2 4,8 5,0 4,6 5,2 4,8 5,0 5,6 6,1 6,5 6,0 2 7,6 7,8 9,1 7,8 8,4 8,6 9,6 8,6 7,0 7,4 9,2 7,4 5,9 6,1 7,2 6,1 5,9 6,1 7,2 6,1 7,0 7,1 8,2 7,1 3 9,2 9,8 10,0 9,6 10,2 10,8 10,8 10,6 8,6 9,5 10,0 9,3 7,1 7,7 8,0 7,6 7,1 7,7 8,0 7,6 8,4 8,8 9,1 8,7 4 11,0 12,0 13,5 12,0 11,9 12,7 13,2 12,6 10,7 11,7 13,0 11,6 8,6 9,4 10,5 9,4 8,6 9,4 10,5 9,4 9,8 10,4 11,6 10,4 5 12,7 14,4 18,5 15,2 12,9 13,8 15,4 14,1 12,1 13,6 15,8 14,0 9,8 11,1 13,8 11,6 9,9 11,2 14,3 11,9 11,2 12,7 16,2 13,4 Skupaj 9,1 10,6 14,5 10,6 10,0 11,2 13,3 11,1 8,8 10,3 13,3 10,3 7,1 8,3 11,1 8,3 7,1 8,3 11,3 8,3 8,3 9,4 12,8 9,5 OSNOVA II Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 15,7 16,3 12,5 16,0 21,1 21,1 15,0 20,8 24,9 24,3 23,9 24,4 14,5 15,1 11,1 14,8 14,5 15,1 11,1 14,8 16,1 16,4 16,6 16,3 2 16,2 16,6 17,9 16,6 21,5 21,6 21,2 21,6 25,0 24,9 24,9 24,9 14,9 15,2 15,8 15,1 14,9 15,2 15,8 15,1 16,1 16,2 16,9 16,2 3 16,5 17,2 17,4 17,0 21,7 21,7 20,8 21,7 25,0 24,9 24,8 24,9 15,1 15,5 15,3 15,4 15,1 15,5 15,3 15,4 16,1 16,3 16,6 16,3 4 17,5 18,5 19,8 18,5 21,5 21,7 21,1 21,6 24,9 25,0 24,9 25,0 15,6 16,1 16,7 16,1 15,6 16,2 16,7 16,1 16,5 16,8 17,7 16,8 5 18,8 20,3 24,6 21,2 21,2 21,0 21,6 21,1 25,0 25,0 24,9 24,9 16,1 16,8 19,3 17,4 16,3 17,1 20,0 17,8 17,5 18,6 21,9 19,3 Skupaj 16,9 18,1 21,5 18,2 21,5 21,5 21,2 21,5 24,9 24,9 24,9 24,9 15,3 15,9 17,6 16,0 15,3 16,0 18,0 16,1 16,3 16,9 19,6 17,1 OSNOVA II DAVČNA OSNOVA, PLAČANA DOHODNINA IN RAZLIKE (mia SIT) Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 8,8 19,4 1,4 29,5-2,2-4,1-0,2-6,5-5,2-9,9-0,8-15,9-2,2-4,1-0,2-6,5-2,2-4,1-0,2-6,5-1,3-2,3-0,5-4,1 2 23,5 53,8 4,1 81,3-4,7-9,4-0,5-14,6-11,8-24,2-1,5-37,5-4,7-9,4-0,5-14,6-4,7-9,4-0,5-14,6-2,4-4,6-0,3-7,3 3 31,7 93,4 7,1 132,2-5,0-12,5-0,8-18,2-13,3-34,0-2,4-49,7-5,0-12,5-0,8-18,2-5,0-12,5-0,8-18,2-2,5-5,9-0,6-9,0 4 29,6 110,9 16,4 156,9-3,6-11,6-1,3-16,6-10,3-33,1-4,3-47,6-3,6-11,6-1,3-16,6-3,6-11,6-1,3-16,6-2,0-5,8-1,0-8,8 5 8,9 73,2 27,5 109,7-0,8-5,7-1,4-7,9-2,7-19,3-4,7-26,8-0,8-5,7-1,4-7,9-0,8-5,7-1,4-7,9-0,6-5,1-0,9-6,7 Skupaj 102,4 350,7 56,4 509,6-16,3-43,2-4,2-63,8-43,2-120,6-13,7-177,7-16,3-43,2-4,2-63,8-16,3-43,2-4,2-63,8-8,8-23,7-3,3-35,9 DOHODNINA Kvintil Skupaj Skupaj Skupaj Skupaj Skupaj Skupaj 1 1,4 3,2 0,2 4,7 0,0 0,1 0,0 0,1-0,5-0,9 0,0-1,4-0,4-0,8 0,0-1,3-0,4-0,8 0,0-1,3-0,2-0,4 0,0-0,6 2 3,8 8,9 0,7 13,5 0,2 0,6 0,0 0,9-0,9-1,6-0,1-2,6-1,0-2,2-0,2-3,4-1,0-2,2-0,2-3,4-0,4-1,0-0,1-1,5 3 5,2 16,1 1,2 22,5 0,5 1,5 0,1 2,1-0,6-1,3-0,1-2,0-1,2-3,5-0,3-5,0-1,2-3,5-0,3-5,0-0,5-1,8-0,2-2,5 4 5,2 20,6 3,2 29,0 0,4 1,0-0,1 1,3-0,4-1,1-0,2-1,7-1,1-4,5-0,7-6,4-1,1-4,5-0,7-6,4-0,7-2,9-0,5-4,1 5 1,7 14,8 6,8 23,3 0,0-0,7-1,1-1,7-0,1-1,4-1,1-2,6-0,4-3,5-1,7-5,6-0,4-3,3-1,5-5,2-0,2-2,2-0,9-3,3 Skupaj 17,3 63,6 12,1 93,0 1,2 2,6-1,1 2,7-2,5-6,2-1,5-10,2-4,1-14,6-2,9-21,6-4,1-14,4-2,7-21,2-2,0-8,3-1,7-12,0

33 32 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 ADMINISTRATIVE BURDENS IN THE NETHERLANDS Wim Jansen, Wim Voermans SUMMARY The measurement of government activity is a topical issue. In the context of Better Regulation programs EU-wide the costs and benefits of government regulation are identified and where possible- measured. In the Netherlands in particular a methodology is developed, the Standard Cost Model, to identify and quantify the administrative costs for companies and citizens. This methodology is used in the context of a government program to reduce the administrative burdens for companies with 25 %. The methodology is used to quantify the original volume of burdens, in identifying possibilities for simplification and reduction of burdens, and in monitoring the progress of the operation. This Dutch best practice is copied by many countries, OECD and EU and supported by the World Bank. In this contribution to the 16 th Statistical Days the modalities of the Dutch approach and its methodology are elaborated. 1 WHY REDUCE ADMINISTRATIVE BURDENS The fuel of modern day administrations is information. In order to enable governments and administrations to perform their extensive functions ever more information is required. Citizens, institutions and companies are required to provide growing amounts of information. These information obligations, including statistics, annual accounts, tax forms, labour safety evaluations, and many more, constitute the core of the administrative burdens which the Dutch government wants to tackle. More than once economic operators, institutions and citizens are vexed by repetitive, overlapping information requests: sometimes the exact same information is required, by different government agencies, and at different times per year, only using slightly different definitions, making it increasingly harder for citizens and companies to comply. Obviously the growing body of legislation and institutions stiffens economic growth and hampers entrepreneurship and it decreases the competitiveness of the (in our case) Dutch economy. It also poses problems in terms of enforceability and compliance. Following this logic, diminishing administrative burdens not only restores entrepreneurship and competitiveness (the major goal of the Dutch government). The Bureau for Economic Policy Analysis forecasts that the additional growth of the Gross Domestic Product in the Netherlands resulting from a 25 % reduction of administrative burdens will be 1,5%. Diminishing administrative burdens also helps in facilitating enforcement and compliance. Making it less costly for companies to comply, also means that they will be found more willing to provide the information necessary. First results in the Netherlands indicate that simpler rules are also more effective, providing better statistics, higher quality of public services, higher tax revenue, etc. Finally, bureaucracies become more efficient. Asking less information also means having to process less information. Enforcement becomes less costly, which can be used to cut the budget ór to improve the quality of public services. In The Netherlands for instance, the gains of cutting red tape in health care are used to increase the number of people treating patients (and not cutting the budget). The Netherlands Bureau for Economic Policy Analysis has calculated that diminishing the administrative burdens with 25 % in health care would liberate man-years for actual care. Source: Dutch Bureau for Economic Policy Analysis, Economische effecten van een verlaging van de administratieve lasten (Economic effects of reducing administrative burden), April 2004; to be found at (in Dutch).

34 STATISTIČNI DNEVI 2006 STATISTICAL DAYS HOW TO MEASURE ADMINISTRATIVE BURDENS Obviously every rational policy aspiring to tackle red tape starts with an estimation of the source and size of administrative burdens: the search comes before the destruction. Estimating the volume and origin of administrative burdens has proven to be politically sensitive and difficult. The first apple of discord is the definition. What exactly do we mean by administrative burden? The current policies on reducing administrative burdens are based on a precisely defined concept of administrative burden. Administrative burdens are in essence nowadays commonly understood as a part of the regulatory compliance costs for businesses. More specifically administrative burdens are defined as: the costs that the corporate sector must make in order to comply with the information obligations resulting from Government-imposed legislation and regulations. In order to overcome the manifold minefields of red tape reduction in the Netherlands the Standard Cost Model (SCM) was developed, offering both objectivity and solid common ground when analysing or forecasting administrative burdens. The SCM-methodology quantifies administrative burdens by identifying demands on economic operators, institutions and citizens in legislation and by putting a price tag on these demands consisting of time and money spent to fulfil the requirements. The SCM is both an identification and reduction tool to search, quantify and destroy administrative burdens arising from existing legislation (stock) as a design tool to limit administrative burdens stemming from new legislation (flow) as much as possible. The SCM approach allows for either a measurement concentrating on some specific fields of existing regulation or as part of impact assessment procedures- an ex-ante measurement of administrative burdens resulting from new legislation. The SCM is suitable for both a limited and full scale measurement (all legislative areas). The limited scale approach can be used to first build up some technical knowledge and practical experience with the methodology, before deciding whether to proceed or not at a full scale level. Like the Netherlands, also Denmark and more recently the UK, the Czech Republic and Norway have chosen to adopt the Dutch red tape approach in an integral way, that s to say on a full scale level. This is not a coincidence, as all these countries share ambitious reduction targets. As a matter of fact, if you want to identify systematically where and how administrative burdens can best be reduced, you basically have to measure all national legislative areas. To quantify the red tape effect, the time normally spent on fulfilling an individual information requirement is valued at the going labour costs rates (tariff). This shows how much the individual information requirement costs (P = time x tariff). By multiplying the price with the frequency of the information obligation (e.g. monthly, annually) and the amount of companies involved (Q) the total burden is calculated. Within this methodology the administrative costs are identified at a detailed level of individual information demands and their price. On the following pages, you find first an table with an example of the SCM applied to annual accounting and second a figure with a graphic explanation of the SCM methodology.

35 34 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Table 1: SCM applied to the annual account law Tariff per hour Time P Frequency Target group Q P*Q Origins of regulations No. Art. Information I E In In Per year Large A B C obligation/ action hours hours businesses I E ANNUAL ACCOUNT LAW (title 9) A Compiling a 477,184,000 (periodical) report A1 Gathering information , ,560 15,360 18,432, % A2 Processing information , ,560 30, ,832, % A3 Submitting and filing report , ,560 12,800 51,200, % A4 External control by accountant , ,560 2, ,600, % A5 General meeting , ,560 5,120 5,120, %

36 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Figure 1: a graphic explanation of the SCM LAW Information obligations Administrative actions Time Tariff Number of entities Frequency P Costs administrative actions Q Yearly amount administrative actions Administrative burdens = P x Q HOW TO REDUCE ADMINISTRATIVE BURDENS Knowing size and origin of administrative burdens is one thing, getting rid of them quite another. In order to destroy red tape the current Dutch administration uses a twofold approach. The Dutch strategy is to reduce existing burdens, as well as prevent and limit new administrative burdens at the source where they well. The current approach, result of the Balkenende-II cabinet programme, has the ambitious aim to reduce administrative burden caused by regulation by 25% between 2003 and The total volume of Dutch red tape for companies was in 2003 measured and found to be 16.3 billion euros on a yearly basis. Burdens like these constitute 3.6% of Dutch GDP. To diminish this with 25% (a random figure, chosen in 2003, based on expert opinions more than on a feasibility study) calls for an extensive programme of deregulation and simplification of legislation. To realize this the current policy is based on the following 6 building blocks : a) measuring the administrative burdens of all existing legislation per 31/12/2002, using the standard cost model; b) differentiated targets (ceilings) per ministry, adding up to an overall 25 % reduction target c) the reduction of existing administrative burdens through departmental simplification programmes, monitored by the legislative burden section of the Dutch Ministry of Finance;

37 36 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 d) the identification of new administrative burdens in the context of impact assessments for new legislation, and the introduction of a compensation requirement (new burdens are compensated on top of the above targets; e) creating a network of co-ordinating units within departments, strengthened by the independent Advisory Board on Administrative Burdens (ACTAL) to check the effectiveness of departmental programmes; and f) involvement of the business sector in identifying simplification potential. 3.1 infrastructure and rules of the game One of the instruments used is the mechanism of administrative burden ceiling per ministry. The reduction and prevention strategy consists of individual simplification programmes for ministries and compensation arrangements. Arriving at a 25%-net reduction of red tape, by attacking it at the root, i.e. the departmental production of legislative burden, is hardly a matter for one size fits allpolicies. There are several reasons why a 25 % reduction target cannot be applied uniformly to all ministries and policy areas. Targets are therefore differentiated. In some areas (such as statistics, taxation) red tape had already been significantly reduced before On the other hand, there are many areas where Dutch government was obliged to increase the legislative burden, either because of European obligations of because of national priorities. This included for instance the revision of the health care system. In order to ensure the net target of 25 % reduction is met, compensation for unforeseen new burdens is pivotal, in the eyes of the Balkenende administration. The differentiated target mechanism gives an incentive to prevent the introduction of new administrative burdens, or at least keep them to a minimum. Because rises must be compensated elsewhere, new administrative burdens have been given a price. This promotes long-term attention for administrative burdens. Besides this mechanism and its rules of the game, it s critical according to the present Dutch government - that a long-term focus on red tape should be embedded in the infrastructure of ministries. Therefore, in the first phase of the operation in 2003, separate project departments and project bureaus were set up in all ministries causing administrative burdens for companies.over the years, these ministries are embedding these project departments more and more in their normal structure (for example within financial directorates). The departmental project bureaus organised the operation. Progress was, however, monitored by legislative burden section of The Ministry of Finance, in the context of the budget cycle. This means that at the same moments in the year that ministries report on spending and budget, they also inform the Minister of Finance about the progress of their programme for simplification. In this context, he enforces the compensation requirement. Firstly, the project bureaus provided the secretariat for the joint commission, thus ensuring input from business circles in the operation. They ensured that the zero base measurements were finalised at the end of In the beginning of 2004 the Dutch Minister of Finance and the State Secretary for Economic Affairs could indicate how large the volume of administrative burdens is in the Netherlands (16,3 bln euro s on a yearly basis). From this it follows that the net reduction target amounts to a cut of over 4 bln euro s per year for companies. Secondly, the project bureaus co-ordinated the development per ministry of sets of measures for simplification of existing laws. In the beginning of 2005 parliament was informed that the full net target of 25 % could be realised in 2007 and what the differentiated targets per ministry were. A

38 STATISTIČNI DNEVI 2006 STATISTICAL DAYS programme of measures was send to parliament, indicating for each measure to which extent it would contribute to reaching the overall target. Using the zero base measurement, the Dutch government can identify which information obligations are costly. Together with businesses they develop ways to make the legislation simpler and more efficient. Using the standard cost model and the zero base measurement it can then be calculated to what extent these measures contribute to the target. Source: For a full overview of these measures and translations of the reports to parliament, see: compliancecosts.com. The legislative burden section of the Ministry of Finance monitors progress in realising the differentiated targets. The project bureaus provide the section bi-annually with reports on measures realised and new proposals. The legislative burden section prepares reports to parliament, cooperates with other countries, international institutions, communities and municipalities and supports the ministries involved with providing instruments. They are responsible for the uniform application of the SCM. Finally, they support the Minister of Finance in his negotiations with his colleagues on realisation of targets and the compensation rule. 3.2 existing legislation (reduction strategies) As explained above, differentiated targets are allocated to all departments. The responsibility for realizing these targets and cutting the red tape within the core policy areas for which a Minister is responsible remains with each Minister. All Ministers submitted to Parliament a list of proposals to revise the existing Ministerial legislation and reduce the administrative burdens. These proposals were identified and elaborated in close cooperation with businesses. The reductions will be realized during this government s term. Analyzing the proposals one can identify the following types of revisions: Simplifying the information requirements by getting rid of unnecessary and in terms of administrative cost too expensive requirements. This includes lowering the frequency of requirements (asking information less often per year) and decreasing the number of companies involved (for instance excluding small and medium sized businesses from certain requirements) To make it easier to fulfil the requirements by using modern information and communication techniques Reorganizing the information requirements through more intensified cooperation between Ministries (not asking slightly different information twice), and Switching to less burdensome alternatives of regulation (self regulation and co regulation). Together the submitted proposals form an impressive list of measurements to reduce administrative burdens. To secure a net reduction by a quarter however requires also a permanent search for new reduction opportunities. This search is done by intensively analyzing the inventory of the departmental administrative burdens, looking for new opportunities to reduce the burden by using ICT and inter-ministerial cooperation across sectors. As mentioned above complaints brought in at the website ( and are also used. Some examples. The Ministry of Social Affairs and Employment, for instance, saves over 100 mln euros for companies by simplifying the rules for labour safety, by developing branche specific reporting tools and by improving access to relevant information (on internet).

39 38 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Small and medium sized companies are exempted from stricter requirements for annual accounting that are necessary to monitor larger businesses. This Dutch request was taken over by the European Commission and saves over 80 mln euro s for Dutch companies. Other countries also benefit, but we cannot (yet) calculate their gain. The Dutch tax authorities and social welfare offices cooperate in order to reduce administrative costs. They harmonized the definitions they use for information on wages, allowing companies to provide the same information instead of six different sets of information used earlier. In a second phase of the cooperation they decided the tax authorities are the only institution asking the information on wages from companies, sharing it with the social welfare offices so that companies are only bothered once. This saves companies 300 mln euros per year. That information on all sorts of taxes (wage, profit and vat) can now be delivered digitally saves another 50 mln euros per year. 3.3 new legislation (impact assessments) Obviously, in order to reach the net target, the administrative burdens of new rules and laws are also estimated, using the standard cost model. To prevent administrative burden re-emerging over and over again in legislation attempts are made to improve the awareness of lawmakers a questionnaire on administrative costs is added to the national RIAs requirements for new legislation. The SCM constitutes an integrated part of the existing regulatory impact assessments (RIA), and is mandatory for all draft legislation. The uniform RIA, which in the Netherlands also includes a business effects test, works on the basis of the costs and effects that are the outcome of the SCMtest. The Cabinet aims to avoid administrative burdens relating to new regulations as much as possible; in cases where this is not possible, they will be kept to a minimum and any new burdens will be compensated by extra reductions on existing regulations. Accordingly the proposal has to mention the amount of administrative cost involved. The Ministry also needs to clarify whether the least burdensome way of regulation is used. Because the reduction target is a net target any new administrative burdens have to be compensated elsewhere. An independent advisory body - Actal - scrutinizes the departmental calculations on draft legislation to verify that the SCM is used adequately ánd informs the council of ministers whether the most efficient alternative has indeed been chosen. 4 RESULTS The search and destroy red-tape-mission of the Dutch government is three years under way. The aim of a 25%-net reduction seemed, at the time of conception of the plan in 2003, to be in reach by the end of This did call for an intense effort, and critical timing, because the timeframe for implementation was a mere three year-period. In the beginning of 2005 it appeared that ministries made a good, but slow start. Legislative ánd ICT projects require a few years to implement. The somewhat sluggish pace was the reason for the Cabinet to sound the signal full steam ahead in order to get the result in before the elections of may At the end of 2006, a net 16 % of the original administrative burdens for companies will be reduced according to the current planning. Bridging the last 9% will require a firm commitment of a new cabinet in Starting point of the exercise and critical success factor is the application of the Standard Cost Model, a tool used for measuring the effects of government activity and regulation. It should, however, be understood that the Model is chosen for its effectiveness: giving the government the

40 STATISTIČNI DNEVI 2006 STATISTICAL DAYS information it needs in order to be able to reduce the burdens identified. If the goal of the exercise would have been to measure exactly, with scientific thoroughness, how high the administrative burden is, another tool might have been chosen. ADMINISTRATIVNE OBREMENITVE NA NIZOZEMSKEM POVZETEK Merjenje aktivnosti države je aktualna tema. V kontekstu programov za boljšo pravno ureditev se povsod po EU ugotavljajo in kjer je mogoče merijo stroški in koristi vladnih uredb. Na Nizozemskem smo za ugotavljanje in merjenje administrativnih stroškov za podjetja in državljane razvili metodo standardnega modela stroškov. Ta metodologija se uporablja v kontekstu vladnega programa za zmanjšanje administrativnih obremenitev podjetij za 25 %, in sicer za merjenje izvirnega obsega obremenitev, za ugotavljanje možnosti za poenostavitev in zmanjšanje obremenitev in za spremljanje napredka. To Nizozemsko»dobro prakso«posnemajo mnoge države, OECD in EU, podpira pa jo tudi Svetovna banka. V prispevku za 16. statistične dneve so opisane modalitete Nizozemskega pristopa in njegova metodologija.

41

42 STATISTIČNI DNEVI 2006 STATISTICAL DAYS SEKCIJA A1: RAZVOJNA FUNKCIJA DRŽAVE SECTION A1: DEVELOPMENT FUNCTION OF GOVERNMENT Avtorji prispevkov / Papers by: Vabljeni referent / Keynote speaker Pavle Sicherl, Center za socialne indikatorje / Socio-economic Indicators Center (SICENTER) Merjenje napredka družb Measuring Progress of Societies Sodelujejo s prispevki / Papers by: Brina Malnar, Mitja Hafner Fink, Janez Štebe, Univerza v Ljubljani, Fakulteta za družbene vede / University of Ljubljana, Faculty of Social Science Zmožnosti mednarodnih anketnih družboslovnih primerjalnih raziskav za oblikovanje subjektivnih indikatorjev razvitosti Potentials of International Social Surveys for Preparing Subjective Indicators of Development Jakub Fischer, Jaroslav Sixta, Ekonomska fakulteta, Praga / University of Economics, Prague Kdo ima korist od gospodarske rasti Češke republike? Who Profits from the Czech Economic Growth? Ana Murn, Urad za makroekonomske analize in razvoj / Institute of Macroeconomic Analyses and Development Merjenje učinkovitosti finančnih ukrepov industrijske politike Measuring the Efficiency of Industrial Policy s Financial Measures Franc Belčič, Zavod RS za zaposlovanje / Employment Service of Slovenia Količina in struktura dela ter zaposlenost v javnem zavodu Quantity and Structure of Work and Employment in Public Institutes

43

44 STATISTIČNI DNEVI 2006 STATISTICAL DAYS MEASURING PROGRESS OF SOCIETIES 1 Pavle Sicherl SUMMARY The perceptions of well-being and societal progress are subjective and the resulting decisions, behaviour and actions are influenced not only by the available statistical data and indicators but also by the measures that are used in the measurement, analysis, presentation and semantics of discussing these issues as indispensable elements to form these perceptions. Here as an addition to the present state-of-the-art a new generic statistical measure S-time-distance is suggested to open a new view to many aspects of time series analysis with important technical and policy implications. The novel time distance methodology provides a new insight to many problems, an additional generic statistical measure, and a presentation tool for policy analysis and debate expressed in time units, readily understood by policy makers, managers, media and general public. The benefits of this new view in comparisons, competitiveness issues, benchmarking, target setting and monitoring for economic, employment, social, R&D and environment indicators at the world, OECD, EU, country, regional, city, sector, socio-economic groups, company, project, household and individual levels could be immediately applied to many indicators from many substantive fields using existing data and indicator systems from international, national, regional, business and local sources. The empirical applications are related to the issues of benchmarking, target setting and monitoring in Lisbon strategy. An innovative methodology for monitoring in the time dimension the implementation of Lisbon and Growth and Jobs strategy at EU level and of National Reform Programmes at national level is proposed, which could be also very useful for assessing implementation of the UN Millennium Development Goals on the world level. 1 INTRODUCTION Measuring societal progress is a complex undertaking of great social and political importance but with no universal agreement how to deal with the subjective preferences involved. These issues have many options, so they are not expected to be resolved in a short period, much less in this paper. In the vast domain of such issues one can only attempt to select a specific question and try to make an innovative contribution to it. In the choices to be made in undertaking projects to measure progress I feel that the relative importance of the development of appropriate measures to build perceptions of the situation has been underrated (as compared to discussions of the choice of basic orientation, choice of dimension and of indicators). In this field the present state-of-the-art is not fully exploiting the information content available in existing data with respect to certain elements of the time dimensions involved. A new generic statistical measure S-time-distance is suggested to open a new view to many aspects of time series analysis. 1 SICENTER gratefully acknowledges co-financing of the Slovenian Research Agency under the programme P

45 44 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 The application examples are related to re-launch of the Lisbon strategy at the European and national levels. Section 4 opens important policy implications of the broader theoretical framework to look at situations where the present mainly static measures are complemented with the time distance dimension, including relations between growth and cohesion. Section 5 suggests a methodology for monitoring the implementation of Lisbon and Growth and Jobs strategy at EU level and of NRPs at national level in the time dimension. These results could be easily understood also by the men on the street and could thus also contribute to wider participation in decision making. Section 6 shows that the suggested monitoring methodology could be also very useful for assessing implementation of the UN Millennium Development Goals on the world level. 2 MEASURING WELL-BEING AND SOCIETAL PROGRESS 2 The perception of well-being and societal progress is subjective. An individual assigns different weights to various elements of well-being and progress and also gives different weights to the possible measures by which such elements are measured and presented. The concept of well-being and progress has to deal not only with the categories, measurement, and data availability but also with interpersonal and intertemporal comparisons of the chosen constituent elements. The OECD World Forum project "Statistics, Knowledge and Policy" is a most welcomed initiative to advance and co-ordinate the work in this field on the OECD and world levels. It was stated that the purpose of the OECD World Forum is to convene and promote research and information sharing among countries, allowing them to compare strategies intended to measure and assess the overall position and progress of a certain political entity (country, region, etc.) vis-à-vis other similar entities (Giovannini 2005). Measuring well-being and societal progress in such entities is a complex undertaking and involves in its essence the search how to answer in an agreeable way two questions which transcend fields of concern and technicalities: PERCEPTION ABOUT WHAT (elements of well-being and societal progress) and WHICH MEASURES TO USE TO BUILD PERCEPTION ABOUT THEM (measures to present and to communicate the topics also for policy making). It is a process of discussion among many options, in many cases competing options with respect to the theoretical concepts, statistical measures, data collection procedures and important issues for policy debate. In policy oriented research three types of issues are involved (Sicherl 1992): 1) estimation of statistical measures of position and progress, which can be thought of as objective measures of the multidimensional notion of distances in time and indicator space for a set of indicators, 2) value judgements that are associated with them and that give subjective weights to the objective measures within and across various dimensions and fields of concern, 3) analysis of behaviour related to reactions of people to the perceptions formed on such basis with respect to the level and change in their position. This paper will deal with the first type of these issues and will concentrate on the intertemporal aspect of measuring well-being and societal progress, i.e. on one subset of the complex problem. There are many options and choices to be made in the process of measuring progress that are beyond the scope of this paper. For instance, Hall (2005, p. 728) discussed four major areas of decision making relevant to any project measuring progress: 1. Basic design choices (concept, 2 This and the next section are based predominantly on Sicherl (2006a and 2004c).

46 STATISTIČNI DNEVI 2006 STATISTICAL DAYS audience and approach); 2. Choosing dimensions of progress; 3. Choosing indicators of progress; 4. Presenting the work. In my opinion this categorisation understates the importance of choice of measures used to build perceptions of the situations, which should be the fourth group before that of presenting the work. My position is that, as availability of data and faster computer processing are expanding at an unprecedented pace, the benefit for better decision making and wide participation will depend critically on the human interface: understanding of the information and communication of that understanding. Existing concepts, definitions and measures of well-being and progress are conventions with many alternatives and there are no final answers for dealing with interpersonal and inter-temporal issues. I agree with the opinion of Michalos (2003) regarding the objection, that the indicators systems are missing a real theoretical foundation defining the concept of welfare used, since there is no generally accepted definition of scientific theory, this may not be a very serious complaint. As the perceptions of well-being and progress are subjective it is thus even more important that we provide to decision makers as well as to general public the information and knowledge in various degrees of complexity with as clear as possible understanding and interpretability so that they can effectively use them as inputs in building their perception and decisions. In general building and utilisation of knowledge depends on scientific, statistical and analytical capabilities, on institutional framework and on social capital. In this paper I shall deal in this light only with statistical measures at the first level of complexity. Besides the levels of the variable (indicator) the two most widely used measures are growth rate and static difference between two or more units. I shall argue that at the same level of generality there exists a companion generic statistical measure S-time-distance as a special category of time distances defined by the level of the variable. It yields a radical new view of time series datasets that has been left unexplored by the existing methods of time series analysis. Time, besides money, is one of the most important reference frameworks in a modern society. The main proposition is that people have memories of the past and expectations about the future; they compare over many dimensions and over time. The time perspective, which no doubt exists in human perception when comparing different situations, has been with the S-time-distance method systematically introduced in a specific way both as a concept and as a quantifiable measure in statistical and comparative analysis. The present state-of-the-art neglects this additional information available in existing time series databases and thus leads to an information loss that has no justification. In the information age this new view of the existing databases should be evaluated as an important contribution to a more efficient utilisation of the available information. We are here especially concerned with the policy aspect, in particular how the new generic statistical measure can help decision makers and general public to build their perceptions of the situation. It provides new insights from existing data due to an added dimension of analysis 3. In Section 4 it will be shown that empirically the perceptions of the degree of disparity may be very different in static terms and in time distance, which leads to new conclusions and semantics important for policy considerations. 3 Marcel Proust said: The real voyage of discovery consists not in seeking new lands but in seeing with new eyes.

47 46 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 In general time distance approach brings about two persuasive advantages for extensive use. First, being expressed in time units, it is intuitively understood by policymakers, professionals, managers, media and the general public, facilitating their subjective perception about their position in this additional dimension. Another technical and presentation advantage is that time distance is comparable across variables, fields of concern, and units of comparison. Thus as an analytical, presentation and communication tool it can be helpful for educating especially younger generations about the multidimensional and dynamic nature of progress and for mobilising the public. Second, since time distance provides an additional (n+1) dimension of description of the state of a multidimensional space of n variables, earlier results by other methods are left unchanged but new overall conclusions may be reached due to this new dimension of analysis. James Backhouse of the Information Science Department of the London School of Economics evaluated the generic capability of time distance concept: Time distance is a generic concept. That means that, as it has been the case e.g. with spreadsheet, one cannot in advance specify all the uses to which a generic framework can be put by imaginative users in numerous fields. As it is true for any tool, it is the user who makes the final decision which tool is appropriate or not for his/her task, but the field of attaining benefits from application of S-time-distance is wide open for imaginative users. 3 S-TIME-DISTANCE AS A SPECIAL CATEGORY OF TIME DISTANCE To make the step from Statistics to the other two components in the chain of reasoning on key indicators Knowledge and Policy it is important to realise that collection and dissemination of quality data on selected indicators is only a necessary but far from sufficient condition for the success of such activity. Johnston (2005) stated: Statistics are information, but as Albert Einstein put it, information is not knowledge. Yet, it is knowledge that leads to good decision-making and spurs progress. Statistics are raw material for the creation of knowledge, just as steel is raw material for manufacturing automobiles. The perceptions on well-being and societal progress and the resulting decisions, behaviour and actions undertaken are also influenced by the quantitative indicators and measures that are used in the measurement, presentation and semantics of discussing these issues. They are an indispensable part of the elements from which the perceptions are formed and the decisions are being made. Time distance in general means the difference in time when two events occurred. For instance, historians may say that one needs a certain time distance to an event before its historical importance can be ascertained. In spatial analysis time distance may mean the time needed to come from one point to another point in space. Also poets know about the notion of time distance, e.g. Whitman (1973 [1945]), while economic and social science encyclopedias do not recognize such a notion. The definition of S-time-distance is to amend this shortcoming in the present state-of-the-art. In our use of time distance as a measure of benchmarking, disparity, of deviation between actual and estimated values in regressions and models, monitoring, etc. we define a special category of time distance, which is related to the level of the analysed indicator. Before defining it in technical terms we can briefly look at its role in discussing the question WHICH MEASURES TO USE TO BUILD PERCEPTIONS about the overall position and progress in the discussed framework for key indicators. First we briefly touch the underlying issue of the position of intertemporal comparisons in building such a perception. The complexity of the

48 STATISTIČNI DNEVI 2006 STATISTICAL DAYS issue requires an interdisciplinary approach, far beyond the scope of this article. Without entering into this intricacy, a minimal analytical framework would in our opinion consist of elements from two types of information (Sicherl, 2004b): 1) Information about the present and intertemporal position of the observed unit, without regard to the position of other units. The level and the growth rate of the relevant welfare attributes can present this. 2) Information about the position of the observed unit in relation to other units. Quantitative measures of static relative position (like absolute and relative differences, and for the case of many units Lorenz curve, Gini coefficient, Theil index, etc.) have to be supplemented by time distance to incorporate the temporal relative position of a given unit with respect to compared units as an essential element of analysis. At the theoretical level it will be shown that the present state-of-the-art does not realise that, in addition to static comparison, there exists in principle a theoretically equally universal measure of difference (distance) in time when a given level of the variable is attained by the two compared time series. In brief, statistical measure S-time-distance measures the distance (proximity) in time between the points in time when the two series compared reach a specified level of the indicator X. The observed distance in time (the number of years, quarters, months, etc.) for given levels of the indicator is used as a temporal measure of disparity between the two series, in the same way that the observed difference (absolute or relative) at a given point in time is used as a static measure of disparity. Comparing two points in a time series database entails three elements of information: (i) the respective level of the variable, (ii) to which unit it belongs, and (iii) at what time it happened. There are two obvious generic directions of comparison: by time and by level (Sicherl, 2004c). The generic nature of S-time-distance can be shown also by specifying operators that can be applied to a time series database. For two units (i) and (j) we can express such database as implicit functions 4 F i (X, t) = 0 and F j (X, t) = 0. (1) (a) The present state-of-the-art solves these functions by one of the arguments as X = X i (t) and X = X j (t) (2) and arrives at static distance like X ij (t) = X i (t) X j (t). However, it misses the point that additional theoretically universal and practically relevant measures can be obtained by solving them by the other argument using the inverse relations t = t i (X) and t = t j (X). (3) The result is a time matrix with new information from which new generic measures can be derived (ibid.). 4 See also Sicherl (2004c).

49 48 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Table 1: Time matrix from the inverse relations: time when a specified level of the variable was achieved in each compared unit Level Time Time t i (X L ) t j (X L ) X L1 t j (X L1 ) X L2 t i (X L2 ) t j (X L2 ) X L3 t i (X L3 ) t j (X L3 ) X Ln t i (X Ln ) Two operators applied to the above time matrix lead to the derivation of two novel statistical measures expressed in standardized units of time that everybody understands. The first suggested statistical measure S-time-distance measures the distance (proximity) in time between the points in time when the two compared series reach a specified level of the variable X. It compares two series by subtracting horizontally the respective times for a given level in the time matrix. S-time-distance for a given level of X L is defined as 5 S ij (X L ) = t(x L ) = t i (X L ) t j (X L ) (4) The sign of the time distance comparing two units is important to distinguish whether we are dealing with time lead (-) or time lag (+) (in a statistical sense and not as a functional relationship) S ij (X L ) = -S ji (X L ). (5) S-time-distance is calculated from the original values of the variable (with some possible interpolation and extrapolation) without referring to any other information than levels of the variable and time subscripts. This is a confirmation of the statement that time distance provides an additional (n+1) dimension of description of the state of a multidimensional space of n variables (X i, i=1,.n). Subtracting the respective times in the time matrix for consecutive levels of the variable for each column vertically derives the second suggested measure S-time-step. These vertical differences can be labeled as time steps and represent an alternative description to the growth rate measure. The concept of S-time-step measures the growth characteristics of a series, using the inverse relation to the conventional X/ t or growth rate metrics. S-time-step as a measure expressed in units of time is defined as S i ( X L ) = (t XL+ X t XL )/ X. (6) S-time-step is obtained by simple subtraction of consecutive times in columns in the time matrix in Table 1 if X L is kept constant. This second statistical measure S-time-step and its relation to S- time-distance will not be discussed further in this paper (ibid.). 5 For details see Sicherl (2002), also on possible multiple time intersections.

50 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Since events are dated in time, in time series comparisons, regressions, models, forecasting and monitoring, the notion of time distance always existed as a "hidden" dimension. What was needed was to systemize and formalize the approach and define an appropriate statistical measure for operational use. The new view of information, using levels of the variable(s) as identifiers and time as the focus of comparison and numeraire, is theoretically universal 6, intuitively understandable and can be usefully applied as an important analytical and presentation tool at various levels to a wide variety of substantive fields. For extensions to measuring deviations between estimated and actual values in regressions and models, forecasting, error in timing and causality, monitoring, business cycle analysis see Sicherl (1994, 1997), to variables other than time Sicherl (1999). Granger and Jeon (1997, 2003a) extended it to comparisons of leading and lagging indicators and used the time distance as a criterion for evaluating forecasting models 7. In technical terms, in the analysis of time series the idea of time distance is a generic concept like static difference and the growth rate over time. In this paper we shall show some examples of application of the S-time-distance methodology in a limited way mainly in relation to measuring progress with benchmarking and monitoring in the context of Lisbon strategy. 4 POLICY IMPLICATIONS: DIFFERENT STATISTICAL MEASURES MAY LEAD TO DIFFERENT PERCEPTIONS ABOUT THE SITUATION 4.1 New insights for benchmarking, gap analysis, monitoring plans, budgets, projections and scenarios Empirically, the perceptions of the degree of disparity may be very different in static terms and in time distance, which leads to new conclusions and semantics important for policy considerations. In the context of discussing Lisbon strategy this methodology could have been usefully applied for benchmarking and monitoring at various levels. As shown in the Figure 1, the application for the evaluation of the magnitude of the gap in benchmarking analysis in two dimensions is selfexplanatory. It clearly showed on an issue of world interest that the perception of the degree of disparity in time was very new and different from that in static terms. The results and conclusions based on the two-dimensional analysis add a new dimension and new insight, while none of the earlier results are lost or replaced. It is intended to complement rather than replace the conventional static measures of disparity. For a better perception of the reality all of the perspectives have to be studied simultaneously. The second immediate application is in monitoring the implementation of the Lisbon strategy in two dimensions. Targets are usually expressed not only in terms of the indicator values but simultaneously also in time. As processes towards their implementation are related to time, it is 6 The generic concept of S-time-distance has a wide area of application (see e.g. Sicherl 1994, 2004a, 2004b, 2004c). Granger finds the concept a useful addition to the present state-of-the-art (Granger, Jeon 1997). They used the idea of time distance as a criterion for evaluating forecasting models (Granger, Jeon 2003a). 7 As Sicherl (1973, 1993) proposes... observed time distance is a dynamic measure of temporal disparity between the two series intuitively clear, readily measurable, and in transparent units.. It is suggested that one should complement conventional vertical measures with horizontal measures. Sicherl's several works have presented a non-technical discussion of the theory of time-distance. This concept can help us to think more clearly about the forecastibility of series (Granger, Jeon, 1997). They also analyzed four models of inflation in the USA not only with the standard method of average squared deviations between the projected and actual values, but also with the time distance method deviations, which produced significantly different results (Granger and Jeon, 2003b).

51 50 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 very natural and useful to describe e.g. the degree of implementation in two dimensions: 1 per cent below the path to target at a given point in time, and 2 months behind in terms of the achieved level in that year. In other words, the target line (estimate) is 1 per cent too high and 2 months too early. Generally speaking, whenever there are two series with time subscripts, e.g. actual value and estimated (forecast, budgeted, planned, targeted, etc.) values, it is possible to study deviations in two dimensions: deviation in the indicator space (at a given point of time) and deviation in time (for a given level of the indicator) 8. There are alternative ways of expressing these matters, but it is obvious that the interpretation for how to overcome the time delay may be a very relevant additional practical procedure to be routinely applied to a large number of physical and financial indicators before turning to the more complicated programs. The use of the additional measure of deviation of the actual implementation from the plan, budget, target or forecasts at a project or activity level is straightforward and does not need at this point further elaboration. It is especially useful in the cases where the targets are clearly established and/or the monitoring is already a legal or administrative requirement. This can be a standard procedure in numerous other activities of the Commission and of the national and local levels like monitoring and evaluation of implementation of structural funds policy and of development plans, as well as for the relevant budgets. This innovation opens the possibility for simultaneous two-dimensional comparisons of time series data in two specified dimensions: vertically (standard measures of static difference) as well as horizontally (Sicherl time distance), providing a new dimension of analysis to a variety of problems. The time distance information seems to be at least as helpful in providing a proper perception of the progress in implementation or the lack of it as is the percentage difference. Some examples of monitoring the deviations of the actual development from the Lisbon targets in two dimensions for a few indicators will be provided below. 4.2 Gap analysis and Lisbon 1 target setting In dealing with target setting and monitoring of the Lisbon strategy we are essentially dealing with two cases. One is the Lisbon strategy proclaimed in 2000 within a EU15 framework, while its relaunch with National Reform Programmes has been done within the EU25 framework. In order to simplify the discussion we shall use the labels Lisbon 1 and Lisbon 2, as it was done by Pisany- Ferry and Sapir (2006). At its time Lisbon 1 was courageous, ambitious and providing a vision in the right direction of the knowledge-based society. However, the implementation in the first four years has been disappointing. While the most important reasons for this have been the lack of political will for reform and lack of co-ordination at various levels, but there were also two omissions in the preparation of the strategy. One was the over-optimistic assessment of the European position and lack of clarity about the degree of change needed; the other was the deficiency in the EU communication strategy that not enough attention has been paid to raising public awareness of the issues and challenges involved. Probably it was a victim of the lack of co-ordination between politicians and professionals in dealing with the usual conflict between desirability and feasibility. 8 It is exactly this specification of deviations between actual and estimated values in S-time-distance analysis that was used by the Nobel Prize winner Professor Clive Granger for the extension of the time distance concept as a criterion for evaluation of forecasting models. Hopefully this could be sufficient evidence of the generic capability of the S-timedistance method.

52 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Figure 1: A comparison of European and US economies based on time distances A Comparison of European and US Economies Based on Time Distances US GDP per capita (2003=100) US-EU gaps in GDP per capita: static index and time distance US 50 EU15 45 EU15 40 US Time S-time-distance 18 years Index 141 Source: P. Sicherl, A Comparison of European and US Economies Based on Time Distances, EUROCHAMBRES, Brussels, March 2005 The fact that comparisons should be made in two dimensions has been verified by the worldwide media interest in my analysis for the EUROCHAMBRES Spring Business Forum. The static ratio of 1.41 does not catch much attention, while the time gap of about two decades obviously produced a different perception of reality. The same will be true for comparing within the EU. If Commission services would had used the time distance estimate of the lag of EU15 behind the USA, for GDP per capita the time lag in 2000 could had been established at about 15 years. To cut a lag of 15 years to nothing in a decade demands a very large difference in the growth rate of GDP per capita in favour of EU15 over that in the USA. This growth rate in the EU15 would have to be 3.3 percent higher than in the USA to achieve that. In the 1990 s the GDP per capita in the USA grew at about 2.2 percent per year. If this rate would continue in the following decade, the EU15 respective growth rate would have to be about 5.5 percent per year to converge with the USA GDP per capita in This was also clearly inconsistent with the Lisbon 1 target that GDP in the EU15 would grow at about 3 percent per year. Such an obvious gap between desirability and feasibility (5.5 percent needed yearly increase against projected 3 percent) has been damaging to the credibility of the program. Had there been more attention paid to a communication strategy to involve the men on the street by explaining the starting position and the target setting by raising awareness of and explaining them to the general public, such mistakes could had been prevented.

53 52 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Figure 2: Static measures and time distance show two very different messages about importance of different components, EU15 and USA (2003) Static measure and time distance show two very different messages about importance of different components 150 EU15-US - Static Disparities (2003) 30 Time distance between the EU15 and the US (years) Index EU15= EU15 time lag in years GDP per capita Employment Rate Annual Hours Worked Productivity (GDP per hour) Percentage differences between US and EU15 for employment rate, annual hours worked and productivity per hour are very similar. It seems as if the difficulty of catching up would be similar in the analysed components. 0 GDP per capita Employment Rate Annual Hours Worked Productivity (GDP per hour) S-time-distances are very different, for productivity per hour only 5 years, while for employment rate and annual hours worked are about a quarter of a century. Policy analysis should expect different difficulties of catching up in these fields. The first graph confirms the general conclusion that the time distance view adds a new perspective with clear interpretability 9 complementing, and not replacing the existing measure(s). The second graph shows the consequences of different growth rates for the analysed indicators. If the gap is expresses in terms of time distances the situation looks quite different. The time lag is 18 years for GDP per capita, 25 years for employment rate, 23 years for annual hours worked and only 5 years for GDP per hour. This new perspective indicates that the difference in employment rate and hours of work are much more difficult to change in a short period. Not that one would need 25 years to get to the employment rate of the US; this result is an accumulation of past performances. It is important to emphasize that S-time-distance is used here as a statistical measure based on the statistical facts for the past developments and should not be interpreted as the time needed for the EU15 to catch up with the US. The future depends especially on the future European performance in providing jobs, but one should realise that the rate of growth of employment is usually much lower than that of productivity. A very important relationship is that, ceteris paribus, time distance is a decreasing function of the magnitude of the growth rate of the indicator. We can illustrate the different possible perceptions of what happened to the degree of disparity in the case when the rate of growth of an indicator 9 For instance, for GDP per capita for the EU15 and US are compared in such a way that for any level of the EU15 one searches in the time series for the US in which year the same level was achieved and subtracts the two times involved (level for EU15 in 2003 equals level of the US in 1985, S-time-distance being 18 years as time lag for the EU15 or -18 years as time lead for the US for that level of the indicator).

54 STATISTIČNI DNEVI 2006 STATISTICAL DAYS increases from one period to another, but is for simplicity reasons the same for the two compared units (e.g. from 1 per cent to 4 per cent). Even the direction of change will be completely different: 1) Relative static measures will stay unchanged. 2) Absolute static differences will increase. 3) Time distance will decrease. There is no inconsistency in these statements if one recognises that there are multiple aspects or views of disparity for a given indicator (Sicherl 1989). However, if one does not use explicitly the broader framework outlined here, there is a possibility that in political debate and policy formulation various interest groups would intentionally look only at the measure which will suit their particular interest. Those who would like to argue that disparities increased, would peak absolute static measure, relative static measure would be used to claim that there has been no change, and time distance to show that this aspect of disparity decreased. Obviously, one should take into account all these aspects simultaneously. Without a more complex subjective evaluation of various options there is no unique judgement about societal progress. We can conclude that the addition of S-time-distance measure without any doubt increased the objective elements on the basis of which people could understand the situation better and form their own perception in line with their preferences. Comparing across many indicators and fields of concern is the essence of quantitative work in forming perceptions assessing the overall position and progress. It has been shown that comparing across indicators S-timedistance in many cases produces different and sometimes very surprising new qualitative conclusions. This is an advantage deriving from a broader theoretical framework explained earlier which additionally exploits some information on the time dimension that is present in existing databases but neglected by the present state-of-the-art. In this framework overall degree of disparity between two units for a given indicator is a weighted combination 10 of static and time distance measures, the perception depending on the subjective weights given to these components. Such additional complementary perspective is also important for the nexus between growth and inequality which is in the European development paradigm again at the forefront of economic and social policy considerations. Thus the European value added component of time distance methodology is not restricted to its generic characteristics for statistics and econometrics, but is related also to the policy debate of strategic issues. If people take into account also S-time-distance as one element of their subjective evaluation of the (overall) degree of disparity, a new set of hypotheses about the possible interrelationships between the growth and cohesion in the Lisbon strategy follow. Factors that influence the magnitude of overall and sector growth rates also influence the overall degree of disparity via time distance (Sicherl 1992). Thus a very important policy conclusion arising from this framework for the analysis of the degree of cohesion and convergence in the EU is that the degree of disparity and thus cohesion will depend 10 The value judgment that people attach to the time dimension of disparities and to the static dimension of disparity is an open question for interdisciplinary research. However, it may be safe to assume that a situation with 50 per cent static difference and time distance of 10 years is preferable to the situation with the same static difference and time distance of 40 years indicated in the example above. As mentioned before, the conventional analysis based on only ratios, percentage differences, Gini coefficients or Theil indexes alone does not distinguish such situations as different degrees of disparity.

55 54 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 also on how fast, and not only how much faster than the average, will the less developed regions (countries) and the potential member countries grow in the future. Space does not allow further elaboration of these strategic issues beyond the statement that in the dynamic world of today it is hardly satisfactory to rely only on static measures of disparity which are insensitive to the magnitudes of the growth rates and take into account only differences in the growth rates between the units. This conclusion shows that the S-time-distance as a dynamic (temporal) measure of disparity offers a perspective that can be quite distinct from that provided by static measures (Sicherl 1992) and that all of them should be studied simultaneously. The concept of the time dimension of disparity is by no means an unfamiliar notion in everyday business and political discussions or in sports. A question can be posed whether policy makers and professionals in the social sciences, which for this type of analysis use mainly conventional static measures of disparity (like absolute or relative static differences, coefficient of variation, standard deviation, or Gini coefficient and Theil index) should not look for a broader dynamic conceptual and analytical framework suggested here to complement their analysis and discussion of policy options. It is closer to the dynamic reality and to the way in which people perceive disparities and react to them; it also offers improved semantics for analysis and policy debate. 5 MONITORING LISBON AND GROWTH AND JOBS STRATEGY IN THE TIME DIMENSION 11 The position of the Commission is that in building a methodological framework for assessing progress with the implementation of the Growth and Jobs Strategy whenever possible the qualitative assessment will be accompanied by a quantification drawing on available quantification techniques. The S-time-distance is a new quantification technique with clear interpretability that is now available to complement other techniques and with your help we can elaborate its value added for a broader perception of the situation and for policy debate. Here we shall demonstrate the usefulness of time distance measure for the monitoring process. We use the two-dimensional example of monitoring the implementation of Lisbon 1 targets in the period This will serve two purposes. First it will show the implementation performance of Lisbon 1 for EU15. Second, it will be an example how the Lisbon 2 targets could be monitored in two dimensions when the results for 2005 and 2006 would become available. The methodological background is presented in Figure 3 and explained in the Section 4.1. Table 2 illustrates the methodology of monitoring in two dimensions and presents the results for the period For the implied path to target of 3 percent share of R&D in GDP in 2010 one can simply use a linear interpolation between the starting actual 1.94 percent in 2000 and the final point 3 percent in 2010 (or any more specific path to target). The deviations are described in two dimensions: percentage deviation and S-time-distance. For S-time-distance minus sign denotes that the actual value is ahead of path to target and plus sign means how many years (or months, etc.) actual values is lagging the same value on the path to target line. 11 This section is based on my invited presentation at the 2nd Meeting of the EPC Task Force on Structural Indicators, Brussels, September 7, 2006 (Sicherl 2006b).

56 STATISTIČNI DNEVI 2006 STATISTICAL DAYS The numerical results in Table 2 show that by 2004 little progress towards the Barcelona target was achieved. The actual value for 2004 was more than 17 percent below the value on the implied path to target. This is one way to express the degree of underperformance over the four year period. S- time-distance presents another complementary way of comparing path to target with actual performance in the time dimension. The actual for 2004 was at the level which was projected to be attained in the first months of To be at a 3.9 years lag behind the path to target for the period of duration of 4 years simply means that by 2004 practically no continuous progress towards Barcelona target was achieved. In other words, if Lisbon 2 targets are to be taken seriously a very different performance in the second part of the decade is needed. Figure 3: S-time-distance as a statistical measure of deviation The generic idea for many other applications of S-time-distance S-time-distance adds a second dimension to comparing actual value with estimated value, forecast, budget, plan, target, etc. and to evaluating goodness-of-fit in regressions, models, forecasting and monitoring Variable X e 4 S 2 e 3 e 2 S 3 S 4 S 5 e 5 e 1 S 1 Time Table 3 shows the results of monitoring the Lisbon 1 target also for employment rate and GDP growth. For the employment rate the path to target was calculated by assuming the 70 percent employment rate target in 2010 and for GDP growth rate of 3 percent per year, using the same methodology and procedure as explained for Table 2. Comparison across three important indicators of implementation of Lisbon 1 targets shows two major conclusions. First, according to both monitoring measures used the underperformance has been considerably larger for the indicator share of R&D in GDP than for the indicators growth rate of GDP and employment rate. The performance expressed as delay in time was nearly 4 years for the share of R&D in GDP and nearly 2 years for the other two analysed indicators. S-time-distance expressed in standard units time brings a very clear and practical message about the situation.

57 56 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Table 2: Monitoring attainment of Barcelona Target for EU15 in two dimensions Share of R&D in GDP (%) Implied path 1 to target 3% Actual EU15 Monitoring deviations of actual from path to target in two dimensions Percentage deviation of S-time-distance deviation of actual from path to actual from path to target target (in years) % 0.0 years % 0.5 years % 1.5 years % 2.6 years % 3.9 years S-time-distance in years: - actual ahead of path to target, + actual behind the path to target Table 3: Monitoring deviations of actual values from the path to target in two dimensions Percentage deviation of actual from path to target S-time-distance deviation of actual from path to target (in years) Share of R&D in Employment rate Share of R&D Employment GDP Level GDP (%) (%) in GDP (%) rate (%) GDP Level % 0% 0% 0 years 0 years 0.0 years % -0.1% -1.1% 0.5 years 0.1 years 0.4 years % -0.8% -2.9% 1.5 years 0.8 years 1.0 years % -1.7% -4.7% 2.6 years 1.6 years 1.6 years % -2.0% -5.3% 3.9 years 2.0 years 1.9 years S-time-distance in years: - actual ahead of path to target, + actual behind the path to target We have now available two objective measures in benchmarking and monitoring to form a subjective perception of the magnitude of the gap for a given indicator as well as across more indicators. Decision makers, professionals, interested groups and general public might attach different subjective weights to various elements on basis of which they will form their perception and action. The first question is how they weight importance of different domains like employment or GDP; the second question for a given indicator is what subjective weights are given to the gap in static percentage terms and to the time distance gap. These are questions beyond the purpose of this paper. This paper offers a blueprint of an improved extended monitoring system that could be used across countries and regions as well as across indicators. Table 4 is the example for Austria as one of the 25 country tables for this indicator. For 2005 the value of the share of R&D in GDP for Austria is already available by Eurostat, it is The implied path to the Lisbon 2 target is linear extrapolation for each country from its actual value in 2004 to the proclaimed target in 2010 (in the same way as the extrapolation for EU15 new target was done in Table 2). Austria is thus very close to the track. Such tables and the accompanying procedures could be prepared in advance.

58 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Table 4: A template for monitoring deviations of actual values from the path to target in two dimensions, against NRP specified targets at appropriate level: national, EU and sub-national, Austria, Lisbon 2 target Share of R&D in GDP (%) Monitoring deviations of actual from path to target in two dimensions Percentage deviation of S-time-distance deviation of Implied Lisbon 2 path to target 3% Actual actual from path to actual from path to target target (in years) % 0.3 years S-time-distance in years: - actual ahead of path to target, + actual behind the path to target When the values for 2005 and later for 2006 become available for other countries and other selected structural indicators, the innovation with the expanded monitoring system in two dimensions as an additional presentation tool could be in place. Such table as for Austria would be multiplied by 25 and by the number of indicators analysed. These results can be then compared first across indicators for a given country and also across countries for a given indicator. They can be used also as input for processing with statistical and mathematical models. If in statistical offices and other EU bodies would care to assess the S-time-distance measure by the same eight criteria applied for selection of structural indicators like 1. Easy to understand, 2. Policy relevant, 3. Mutually consistent, 6. Comparable between countries, etc. (Munoz 2004), then for this application in monitoring implementation of EU and NRP strategies S-time-distance would pass the test with flying colours. 6 MONITORING UN MILLENNIUM DEVELOPMENT GOALS IN THE TIME DIMENSION This section demonstrates with brief examples that S-time-distance can be used also as a new easily understandable generic method for monitoring the implementation of the Millennium Development Goals on the world scale. The numerical examples are meant to demonstrate the generic capability of the S-time-distance to be applied across practically the whole set of 8 goals, most of the targets and the many corresponding indicators for which data are available. The road to implementation of the MDG on the national and sub-national levels is naturally related to many qualitative issues, but the time distance measure can be a simple understandable analytical and presentation tool to help in the quantitative phases of evaluation and in planning further policy action and future target setting. 6.1 A numerical example for evaluating progress towards implementation of the goal to reduce under-five mortality using S-time-distance measure We are comparing the actual value for the under-five mortality rate in 2003 for Developing Regions and for China against the respective average path to Millennium Development Goal (MDG). Table 5 presents the preparation of the information from which the two time series needed for calculation of S-time-distances. The calculation of the average path to target is calculated in the following way. It follows under Goal 4 the Target 5 specification of the MDG to reduce the under-five mortality

59 58 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 rate by two-thirds between 1990 and The 1990 value of 105 for Developing Regions is used to calculate the target 2015 value according to the above specification, i.e. the proposed value of 35 for The corresponding values for China are 49 in 1990 and 16.3 for Table 5: Numerical example of monitoring progress in reducing under-five mortality (path to target calculated as average absolute rate of decrease) DEVELOPING REGIONS CHINA Actual Path to target Actual Path to target Source: actual values from UN Millennium Development Goal Indicator Database, path to target average absolute rate of decrease assuming the reduction by two-thirds between 1990 and In both cases the 2003 values for under-five mortality rate are too high compared to the linear path to target, which means that not enough progress toward reducing child mortality has been achieved until The actual values showed positive sign of S-time-distance, which means time lag of implementation behind the path target. The example of China demonstrates that S-time-distance should not be understood as a time needed to reach a target. In 2003 the time lag for China was 3.8 years, while in 2004 it was only 0.2 years. In 2004 is practically already on the line to target; in one year the time delay behind the path to target was decreased from 3.8 years to 0.2 years. 6.2 The assessment of progress towards implementation of the MDG using S-time-distance measure can be done for many indicators and many countries The specification of MDG was very practical in the sense that the targets for MDG were specified mostly in relative terms. This meant that the targets are specific for each country and indicator and

60 STATISTIČNI DNEVI 2006 STATISTICAL DAYS in each country is then in monitoring the implementation of the Millennium Development process predominantly concerned with its own results against their targets. In this way the disparities in absolute levels of the indicators are in the monitoring process not an issue of immediate concern. Table 6: Monitoring implementation of the Millennium Development Goals in the time dimension across selected goals for one unit, for the aggregate for Developing Regions and for China as a country example Goal 1. Eradicate extreme poverty and hunger S-time-distance (years) DEVELOPING REGIONS CHINA Indicator 1 Population below $1 PPP per day Indicator 2 Prevalence of underweight children under-five years of age Goal 2. Achieve universal primary education Indicator 6 Net enrolment ratio in primary education 8.2 N/A Goal 4. Reduce child mortality Indicator 13 Under-five mortality rate Indicator 14 Infant mortality rate Goal 7. Ensure environmental sustainability Indicator 30 t. Proportion of population with sustainable access to an improved water source, total Indicator 30 r. Proportion of population with sustainable access to an improved water source, rural Indicator 31 t. Proportion of population with access to improved sanitation, total Indicator 31 r. Proportion of population with access to improved sanitation, rural S-time-distance (years) = Time (actual) - Time (path to target) S-time-distance (years) = - time lead (progress better than path to target), + time lag (progress worse than path to target) Own calculations from data based on UN Millennium Development Goal Indicator Database. The evaluation of implementation of the MDG by S-time-distance can be thus done for many MDG targets and over many units, like countries, regions as well as sub-national units like urban-rural, gender or socio-economic groups and regions within countries for the cases where data and policy targets exist. For instance, in a forthcoming paper we shall show that for the indicator infant mortality the implementation of MDG country targets can be for 2004 calculated for as many as 113 countries. Table 6 shows the results for selected indicators from four MDG for a highly aggregated Developing Regions and for China as an example for the use on national level that can be repeated for more than 100 countries and many more indicators.. For the aggregate 4 of the 9 analysed indicators for around 2002 the actual values were ahead of path to target; for 5 were behind the path to target. With respect to the Goal 1 to eradicate extreme poverty and hunger the 2001 value of indicator 1 was ahead of the path to target by about 1 year, a very important achievement after about a decade into implementation of the MDG. However, indicator 2, the prevalence of underweight children still showed a delay of about 5 years behind the path to the MDG target. China has shown extraordinary results for indicators 1 and 2 in eradicating poverty so that by 2001 they have nearly reached the target for 2015 (S-time-distance is about -13 years). Also on other analysed indicators, though slightly behind the path to target, China seems to be well on the track

61 60 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 for achieving MDG targets with some additional effort. Figure 4 is an example of regional performance. Figure 4: Monitoring progress in reducing under-five mortality in the time dimension, REGIONS for 2003 Sub-Saharan Africa Western Asia Oceania Eastern Asia Southern Asia Latin America and the Caribbean South-Eastern Asia Northern Africa S-time-distance (in years): - time lead (ahead of path to target), + time lag (behind the path to target) For our purpose to demonstrate the capability of S-time-distance measure for monitoring implementation of MDG there is no need to go into further in-depth quantitative and qualitative analysis of these results. This would be done by potential users which can incorporate S-timedistance results as a complementary tool in their work. 7 CONCLUSIONS The perceptions of well-being and societal progress are subjective and the resulting decisions, behaviour and actions undertaken are influenced not only by available statistical data and indicators but also by the measures that are used in the measurement, analysis, presentation and semantics of discussing these issues as indispensable elements from which the perceptions are formed. Time distance measure is one of such measures with clear interpretability that delivers a broader concept to look at data to understand and compare situations. A new generic statistical measure S- time-distance is suggested to open a new view in many aspect of time series analysis with important technical and policy implications.the novel time distance methodology provides a new insight to many problems, an additional statistical measure, and a presentation tool for policy analysis and debate expressed in time units, readily understood by policy makers, media and general public. It can provide several benefits for analyzing, presenting and using key indicators in decision-making: 1. Better utilization of information leading to new insights from existing data and to a different perception of the situation. A new set of information with clear interpretability, hidden in the available data, is now provided due to an added dimension of measurement and analysis. S-timedistance concept enables additional exploitation of data and visualization for time related databases and indicator systems. The present state-of-the-art neglects this additional information available in time series databases and thus leads to an information loss that has no justification.

62 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Since S-time-distance is expressed in time units, it is intuitively understood by policymakers, professionals, managers, media and the general public, thus facilitating them in building their subjective perception about their position in this additional dimension. 3. Empirically, the degree of disparity may be very different in static terms and in time distance, which leads to new conclusions and semantics important for policy considerations. 4. It is not a methodology oriented only towards some specific substantive problem, but it represents an additional view to many problems and applications. Expressed in standardized time units it is comparable across variables, fields of concern and units of comparison. Beyond that, on the scientific side, the fact that the Nobel Prize winner C. Granger extended the S-time-distance measure to econometric forecasting is an evidence of the generic capability of the idea. 5. The fact the time distance measure has the capability to deliver new perspectives from existing data and influence public opinion has been verified recently on an example of world interest by the comparison of European and US economies based on time distances. This added perception was extensively reported in the world press. 6. As an excellent presentation and communication tool S-time-distance can be very useful for different levels of decision makers and interest groups for describing the situations, challenges and scenarios, for proactive discussion and presentation of policy alternatives to policy makers, media, the general public and mobilizing those participating in or being affected by the programs. 7. In the Lisbon process a possible application for the evaluation of the magnitude of the gap in benchmarking analysis was demonstrated for the case of unrealistic target setting for Lisbon 1. Such gaps have been damaging to the credibility of the programme. If more attention had been paid to explaining with understandable measures the starting position and the target setting by raising awareness of the challenges to the general public, such mistakes could had been prevented. 8. In such a situation it is thus even more important that a continuous monitoring system is to be put in place. This paper offers an improved extended monitoring system that could be used across indicators as well as across countries. Example for Austria shows that the innovation with the expanded monitoring system in two dimensions as an additional presentation tool could be in place when the values for 2005 become available for other indicators and other countries to measure implementation towards their own NRP targets. Monitoring Lisbon and Growth and Jobs Strategy targets in the time dimension is an excellent presentation tool, intuitively understood by policymakers, professionals, managers, media and the general public, which can also facilitate the broad participation in the Lisbon process. In addition it was demonstrated that S-time-distance can be very practical as well as a new easily understandable generic method for monitoring the implementation of the UN Millennium Development Goals on the world scale. 9. It is important to emphasize that the benefits of this new view in comparisons, competitiveness issues, benchmarking, target setting and monitoring for economic, employment, social, R&D and environment indicators at the world, OECD, EU, country, regional, city, sector, socio-economic groups, company, project, household and individual levels could be immediately applied to many indicators from a wide variety of substantive fields using existing data and indicator systems from international, national, regional, business and local sources.

63 62 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 REFERENCES Council of the European Union (2006), Contribution of the Competitiveness Council to the Spring European Council 2006, 7281/1/06, REV 1, Brussels, 14 March Giovannini, E: (2005), Foreword in Statistics, Knowledge and Policy, Key indicators to inform decision making, OECD, Paris Granger, C.W.J., Jeon, Y. (1997), Measuring Lag Structure in Forecasting Models The Introduction of Time Distance, Discussion Paper No , University of California, San Diego. Granger, C.W.J., Jeon, Y. (2003a), A time-distance criterion for evaluating forecasting models, International Journal of Forecasting, Vol. 19, pp Granger C.W.J., Jeon Y. (2003b), Comparing forecasts of inflation using time distance, International Journal of Forecasting, Vol. 19 Hall J. (2005), Measuring Progress An Australian Travelogue, Journal of Official Statistics, Vol. 21, No. 4 Johnston D.J. (2005), Statistics, knowledge and progress, OECD Observer, March Michalos A.C. (2003), Observations on Key National Performance Indicators, Paper presented at the Forum on Key National Indicators, Washington, D.C. February Munoz P.D. (2004), Indicators for EU Policy Making, OECD World Forum, Palermo November Pisany-Ferry J. and Sapir A. (2006), Last Exit to Lisbon, Bruegel Policy Brief, Issue 2, March, Bruegel, Brussels. Sicherl, P. (1973), Time Distance as a Dynamic Measure of Disparities in Social and Economic Development, Kyklos, XXVI, Fasc. 3 Sicherl, P. (1989), Methods of Measuring Disparity between Men and Women, A Technical Report, United Nations International Research and Training Institute for the Advancement of Women, Santo Domingo Sicherl, P. (1992), Integrating Comparisons across Time and Space: Methodology and Applications to Disparities within Yugoslavia, Journal of Public Policy 12, 4 Sicherl, P. (1993), Integrating Comparisons Across Time And Space, Methodology and Applications to Disparities within Yugoslavia, Studies in Public Policy, No. 213, Centre for the Study of Public Policy, University of Strathclyde, Glasgow Sicherl, P. (1994), Time Distance as an Additional Measure of Discrepancy between Actual and Estimated Values in Time Series Models (International Symposium on Economic Modelling, Washington D. C., The World Bank), Sicenter, Ljubljana. Sicherl, P. (1997), Time Distance Measure in Economic Modelling. (International Symposium on Economic Modelling in London, University of London, July 23 25), SICENTER, Ljubljana Sicherl, P. (1999), A New View in Comparative Analysis, IB Revija, 1/1999 Sicherl, P Time Distance: A Missing Link in Comparative Analysis. The XV. World Congress of Sociology. July 9, Brisbane. Sicherl, P. (2004a), Time-distance Analysis: Method and Applications, ewisdom, Vol. 2a. Sicherl, P. (2004b), Comparing in Two Dimensions: A Broader Concept and a Novel Statistical Measure of the Time Dimension of Disparities, European Societies 6(2). Sicherl, P. (2004c), Time Distance: A Missing Link in Comparative Analysis, 28th General Conference of the International Association for Research in Income and Wealth, Cork, Ireland, August , Sicherl, P. (2005), A Comparison of European and US Economies Based on Time Distances, EUROCHAMBRES, Brussels. Sicherl P. (2006a), The Intertemporal Aspect of Well-being and Societal Progress, Paper prepared for OECD/JRC Workshop on Measuring Well-being and Societal Progress, June, Milan Sicherl P. (2006b), Monitoring Lisbon and Growth and Jobs Strategy Targets in the Time Dimension, Paper presented at the 2nd Meeting of the EPC Task Force on Structural Indicators, Brussels, September 7 Whitman, W. (1973 [1945]) On the Beach at Night Alone, in Mark van Doren (ed.), The Portable Walt Whitman, The Viking Press, New York

64 STATISTIČNI DNEVI 2006 STATISTICAL DAYS MERJENJE NAPREDKA DRUŽB POVZETEK Ljudje subjektivno ocenjujejo blaginjo in napredek, zato na njihove odločitve in dejanja ne vplivajo le statistični podatki in indikatorji, temveč tudi mere, uporabljene za analizo, prezentacijo in semantiko kot nujen element za dojemanje položaja. Predlagana nova generična statistična mera S-časovna-distanca odpira nov vidik pri analizi časovnih vrst s pomembnimi tehničnimi in političnimi posledicami. Metodologija časovne distance prinaša nove poglede na mnoge probleme, novo generično statistično mero, kakor tudi orodje za prezentacijo v diskusijah o alternativnih politikah, izraženo v enotah časa, ki jih intuitivno razumejo tako politiki, gospodarstveniki, mediji in celotna javnost. Ta metodologija se lahko takoj koristno uporabi pri številnih indikatorjih na gospodarskem, socialnem, znanstvenem in okoljskem področju, na ravneh od svetovne, EU, nacionalne, regionalne, pa do mikro ravni podjetja, gospodinjstva in posameznika, na podlagi obstoječih podatkovnih baz. Empirični primeri so povezani z lizbonsko strategijo. Prikazan je konkreten predlog spremljanja uresničevanja te prenovljene strategije in Nacionalnih reformnih programov z vsem lahko razumljivo metodo časovne distance. Primeri kažejo, da bi to metodo lahko uporabili tudi za spremljanje akcije Združenih narodov Millennium Development Goals na svetovni ravni.

65 64 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 ZMOŽNOSTI MEDNARODNIH ANKETNIH DRUŽBOSLOVNIH PRIMERJALNIH RAZISKAV ZA OBLIKOVANJE SUBJEKTIVNIH INDIKATORJEV RAZVITOSTI Brina Malnar, Mitja Hafner Fink, Janez Štebe POVZETEK Predstavljamo dve najbolj uveljavljeni akademski mednarodni primerjalni splošni družboslovni anketi, Mednarodni projekt družboslovnih anket - ISSP in Evropsko družboslovno raziskavo ESS. V obeh je slovenski partner Center za raziskovanje javnega mnenja in množičnih komunikacij - CJMMK, Univerza v Ljubljani, in sicer v ISSP od leta 1991, in v ESS od leta Anketi odlikujejo visoke zahteve po kakovosti vseh vidikov priprave in izvedbe, sestavljanja vprašalnikov in prevajanja vprašanj, vzorčenja, izpolnjenosti in sodelovanja pri anketi, priprave datotek ter njihovega razširjanja uporabnikom. Podatki so že izvorno namenjeni čim širši uporabi in so dostopni preko Arhiva družboslovnih podatkov. Vsebina anket so različni tematski sklopi pretežno subjektivnih indikatorjev, ki skozi medčasovne ter mednarodne možnosti primerjav predstavljajo bogate zmožnosti tudi pri spremljanju družbenega razvoja v najširšem pogledu, tako za znanstvene analize kot za uporabo v javni upravi. POTENTIALS OF INTERNATIONAL SOCIAL SURVEYS FOR PREPARING SUBJECTIVE INDICATORS OF DEVELOPMENT SUMMARY Two most prestigious academic comparative social surveys are presented: International Social Survey Program ISSP, and European Social Survey (ESS). Slovene partner in both international consortiums is Public Opinion and Mass Communication Research Centre, University of Ljubljana. The distinguishing characteristic of both surveys is the implementation of highest standards of quality in questionnaire design and fieldwork, such as conceptually grounded selection of indicators for master questionnaire, team-based translation into national languages, high quality probability sampling, high targeted response rates, careful processing of harmonised data set and prompt delivery to users communities. The data sets are freely accessible in Social Sciences Data Archives as soon as the data editing phase is finished. A wide variety of topics is covered, mostly through subjective indicators - attitudes and opinions towards relevant social issues. The cross-time and cross-country nature of the data provides reach potential for analysis and monitoring of social developments in a wide spectrum of areas of social life that can be used for scientific and educational purposes, as well as applied purposes in public administration.

66 STATISTIČNI DNEVI 2006 STATISTICAL DAYS ZAGOTOVILA KAKOVOSTI PODATKOV V prispevku dokazujemo, da so nekatere sedanje mednarodne družboslovne anketne raziskave kakovosten vir podatkov za spremljanje različnih vidikov družbenega razvoja. Kot zgled podrobneje prikazujemo dve takšni uveljavljeni anketi, in sicer Evropsko družboslovno raziskavo - ESS) in Mednarodni projekt družboslovnih anket (ISSP). Tezo opravičuje izpolnjevanje vrste vidikov kakovosti, ki jih omenjene raziskave izpolnjujejo. 1.1 Vsebinska ustreznost za merjenje razvoja Z vidika vsebinske ustreznosti predstavljajo nenadomestljiv vir subjektivnih indikatorjev blagostanja v družbi v zelo širokem vsebinskem obsegu stališč, subjektivnih ocen stanja v družbi in v posameznikovem življenju, itd., pa tudi navad. Tako dopolnjujejo sicer uveljavljene objektivne indikatorje, temelječe pretežno na ekonomskih kriterijih. Izbrani vsebinski sklopi, za razliko od anket tipa Evrobarometer, niso trenuten odziv na potrebe politike, ampak so izbrani na podlagi kriterijev znanstvene ustreznosti, tako da odgovarjajo na vprašanja našega časa s širše perspektive akademske radovednosti v dolgoročnejši zanimivosti problemov (primerjaj Lazarsfeld 1957). Pokrivajo širok nabor, sicer pretežno najbolj razvitih držav sveta, in tako omogočajo mednarodne primerjave. Za Slovenijo je primerjava s skupino najrazvitejših držav ravno najbolj zanimivo, saj jih pogosto jemljemo kot cilj naših razvojnih prizadevanj. Denimo pri merjenju učinkovitosti socialne države lahko našo državo primerjamo s skandinavskimi državami in ugotavljamo doseženo stopnjo občutenega blagostanja. Prav tako ti raziskovalni projekti stremijo k gradnji časovnih serij meritev, saj se posamezni tematski sklopi sistematično ponavljajo v določenih časovnih intervalih. 1.2 Metodološka ustreznost Indikatorji, v katerih ozadju so anketna vprašanja, so izbrani po visokih kriterijih metodološkega predhodnega testiranja, vsebinske ustreznosti oz. veljavnosti, merske zanesljivosti, standardiziranih načinov merjenja z uporabo v znanstveni literaturi že uveljavljenih merskih lestvic (Davis, Mohler in Smith 1994). Visoko metodološko ustreznost izbora indikatorjev zagotavlja sodelovanje najeminentnejših družboslovcev pri vsebinskih zastavitvah sklopov vprašalnika. Metodološko izpopolnjenost in s tem primerljivost zagotavljajo sprejeti standardi glede načinov izvedbe raziskav, od načinov vzorčenja, pazljivega prevajanja in preverjanja identičnosti prevodov vprašanj, od same organizacije anketiranja, kjer sodelujejo najuglednejše anketne akademske ustanove posameznih držav, spremljanja izvedbe in kontrola stopenj sodelovanja, pazljiva harmonizacija mednarodnih skupnih datotek skupnih spremenljivk, preverjanje merskih karakteristik lestvic. Pomen, ki ga projekti pripisujejo metodološkim karakteristikam, se kaže v specialnih podprojektih, ki so posvečeni testiranju vpliva navedenih metodoloških karakteristik na pristranost meritev, katerih rezultati so nato vključeni v vodila dobrih praks pri nadaljnjih izvedbah. Vzpostavljena so tudi sistemi poročanja o karakteristikah izvedbe anket. Podrobna dokumentacija v obliki opisa raziskave in kodirnih knjig uporabnikom omogoča naknadno presojo, če so podatki ustrezni za določen namen uporabe. Kljub visokim merilom namreč realnost pogojev izvedbe kdaj tudi odstopa, ali zaradi kompromisov zaradi visokih stroškovnih zahtev, zaradi nacionalno uveljavljenih specifičnih običajev glede metodološke sprejemljivosti posameznih postopkov, ali pa se prikrade kakšna napaka v prevodih. Presoja prepričljivosti rezultatov, pazljiva uporaba in sprotno preverjanje kakovosti podatkov je zato še toliko bolj priporočena, tudi zaradi specifičnih virov

67 66 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 pristranosti merjenja, ki so značilne za subjektivne podatke, nastale v različnih kulturnih in jezikovnih kontekstih (Jowell 1998). 1.3 Olajšana dostopnosti podatkov Zadnji tukaj omenjeni vidik kakovosti omenjenih mednarodnih anketnih raziskav pa je takojšnja dostopnost surovih podatkov za nadaljnje analize najširši javnosti. Po vzoru nacionalnih Splošnih družboslovnih raziskav so namreč tudi sorodne mednarodne ankete že v izhodišču namenjene široki uporabi in ne dajejo nobenih administrativnih prednosti pri izkoriščanju podatkov avtorjem, ki so sodelovali pri pripravi raziskav. Ob zelo odprti politiki dostopa do podatkov je ta še olajšan ob uporabi storitev razširjanja podatkov v okviru mreže družboslovnih arhivov podatkov. Obenem pa projekti skrbijo tudi za aktivno promocijo uporabe podatkov tako za znanstvene in izobraževalne namene kot v javnih službah. Glavni namen pričujoče predstavitve je ravno spodbuditi širšo uporabo teh bogatih in zmožnih podatkov tudi v javni upravi. 2 PRIMER EVROPSKE DRUŽBOSLOVNE RAZISKAVE - ESS 2.1 Ideja in cilji projekta ESS Moderne demokratične družbe so se razvile v močno zapletene strukture zakonodajnih, političnih in socialnih institucij in neformalnih omrežij družbenih skupin in posameznikov. Vsi ti elementi součinkujejo v času in prostoru in tvorijo tiste politične, gospodarske in kulturne strukture, ki so bistvo moderne zahodne družbe. Eno od velikih vprašanj našega časa je zato, kakšne so podobnosti in razlike med sodobnimi nacionalnimi državami, če upoštevamo neprestano diferenciacijo, obsežne migracije in globalizacijo. Družboslovne znanosti, od katerih javnost upravičeno pričakuje, da bodo skušale odgovoriti na to vprašanje, se tega ne morejo lotiti brez sistematičnih in dolgoročnih empiričnih raziskav teh pojavov. Evropska družboslovna raziskava (European Social Survey ESS), ki je nastala leta 2001 ob podpori Evropske znanstvene fundacije, predstavlja enega od najbolj veljavnih in zanesljivih instrumentov za ta namen. Poglavitni cilj ESS je kontinuirano in sistematično spremljanje stanja in procesov v evropskih državah na vseh relevantnih družbenih področjih, zato je projekt zasnovan longitudinalno. Cilj projekta je spremljanje družbenih trendov z mednarodno čim bolj primerljivim merskim instrumentom standardiziran anketnim vprašalnikom. Raziskava je tako postala metodološko najbolj zanesljiv vir evropsko primerljivih indikatorjev družbenega razvoja oziroma delovanja različnih sistemskih politik, s poudarkom na spremljanju učinkov teh politik na ravni subjektivnih kazalcev, skozi zaznave na strani državljanov. Namen ESS je merjenje družbene 'klime, ne 'vremena', torej opazovanje dolgoročnih trendov, ne kratkoročnih nihanj. Zbrani podatki naj bi zagotavljali kakovostno analitično podlago za družboslovce in oblikovalce politik na evropski in nacionalnih ravneh še zlasti zato, ker je metodologija raziskave ESS med vsemi tovrstnimi mednarodnimi projekti dosegla najvišjo raven mednarodne standardizacije. To ji je omogočila evropska finančna podpora (5. in 6. okvirni program), ki omogoča kontinuirano delo precej številčne koordinacijske ekipe, ki nadzoruje izpolnjevanje standardov kakovosti nacionalnih izvedb. Prav zaradi tovrstnega kvalitativnega 'preboja' oziroma izjemnih dosežkov pri harmonizaciji mednarodnega družboslovnega raziskovanja je raziskava ESS v letu 2005 prejela tudi najvišje evropsko priznanje na znanstveno-raziskovalnem področju, Descartesovo nagrado (

68 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Merila kakovosti družboslovnih anket v Evropi so bila do sedaj zelo neuravnotežena. Po eni strani obstajajo otoki odličnosti, ki jih lahko primerjamo z najbolj kakovostno prakso v svetu, obenem pa ostaja širok razkorak med najboljšo prakso in povprečjem. Če naj bodo evropski oblikovalci politik in izvršna oblast deležni kakovostne informacijske podlage za svoje odločanje je potrebo ta razkorak hitro odpraviti. Zato je - poleg zagotavljanja kakovostnih primerjalnih podatkov - drugo raziskovalno žarišče ESS pospeševanje razvoja evropskih primerjalnih družboslovnih znanosti, oziroma izboljševanje pristopov družboslovnih anketnih raziskav na področjih kot so organizacija raziskave, konstrukcija vprašalnika, prevajanje, arhiviranje, vzorčenje in analiza ipd. Namen je širjenje uveljavljenih znanj in modeli odličnosti tudi v državah z manj tovrstne tradicije. 2.2 Relevantnost projekta v slovenskem prostoru Pridobivanje indikatorjev mednarodnih primerjav Prva meritev ESS je potekala leta 2002 v 22 evropskih državah, večinoma članicah Evropske Unije, druga pa leta 2004 v 25 državah, tretji val (jesen 2006) pa je v teku. Slovenija oz. raziskovalna ekipa CJMMK je bila partner pri vseh treh dosedanjih meritvah. V slovenskem kontekstu je pomen raziskave ESS v pridobivanju zanesljivih indikatorjev stanja in dinamike stališč na različnih družbenih področjih, ter v možnosti sistematične in veljavne primerjave slovenskih kazalcev s kazalci drugih evropskih družb. Umeščanje Slovenije v evropski primerjalni kontekst, kar podatki omogočajo, je dobrodošlo tako za akademske kot aplikativne namene na različnih področjih družbenih politik. Poleg vsebinskih koristi projekt ESS ustvarja tudi pretok metodološkega znanja tako v raziskovalno (npr. Štebe 2004) kot pedagoško sfero. Poglavitni vsebinski rezultat raziskave ESS je uporaba nove generacije družbenih indikatorjev za merjenje družbenih trendov in družbenih sprememb na različnih družbenih področjih, kot so politični sistem, vrednote, kakovost življenja, družbene manjšine in priseljevanje, družina, delo, blagostanje, ekonomska morala, zdravje in zdravstveni sistem, spremljanje medijev, družbeni kapital, subjektivno blagostanje in socialna izključenost, načrtovanje ključnih življenjskih dogodkov, osebno in družbeno blagostanje itd. Projekt ESS tako predstavlja kontinuiran poskus ustvariti nabor relevantnih nacionalnih družbenih kazalcev Vsebinska področja primerjav Vprašanja se izbirajo po treh merilih: glede na teoretično relevantnost, metodološko preverjenost in družbeni pomen. Vsi novi indikatorji so empirično preizkušeni s predtesti, med že obstoječimi pa so izbrani tisti kazalci, ki so že bili uporabljeni pri empiričnem raziskovanju in so pri tem pokazali dobre rezultate. Hkrati s tem pa instrument ostaja nadzorovano odprt za razvoj novih indikatorjev. Specifični teoretični modeli oziroma hipoteze se določajo na ravni posameznih vsebinskih modulov, ki jih izbere Znanstveni svet ESS na podlagi mednarodnega razpisa, na katerem sodelujejo raziskovalne skupine z različnih družboslovnih področij. Vprašalniki raziskave ESS so sestavljeni iz treh delov: 1) Jedro - vprašanja za opazovanje dinamike stališč. Gre za ponavljanje skupine vprašanj, ki se od meritve do meritve ne spreminja, saj je poudarek na opazovanju srednjeročnih in dolgoročnih sprememb. Jedro vprašalnika ESS vsakokrat vključuje kazalce delovanja ključnih družbenih

69 68 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 sistemov (gospodarstvo, sociala, izobraževanje, zdravstvo idr.), politične participacije, vrednot, kakovosti življenja ipd. 2) Vprašanja za opazovanje demografskih in socialnih značilnosti. Ta blok vprašanj, ki v analitičnih modelih praviloma vsebuje pojasnjujoče spremenljivke, je v primerjavi s podobnimi empiričnimi projekti zelo obsežen in s tem potencialno močan vir za oblikovanje modelov pojasnjevanja družbenih trendov in razlik med skupinami. Poleg tradicionalnega 'trdega' sociodemografskega nabora spremenljivk vsebuje vprašalnik tudi alternativno serijo 'demografskih' kazalcev, ki temelji na individualno-psiholoških in kulturno-vrednotnih značilnostih posameznika, kar zopet odpira prostor alternativnim modelom pojasnjevanja razlik v stališčih (glej Schwartz 2005). 3) Rotirajoči moduli za posebne vsebine. To je variabilni del vprašalnika, ki vsebuje nabor kazalcev iz zaključenih tematskih blokov. Cilj je možnost intenzivne in sistematične analize določenega družbenega področja, pri čemer so dosedanji tematski moduli pokrili naslednje tematike: Državljanstvo, participacija, demokracija; Stališča o priseljevanju (moduli ESS 2002); Ekonomska morala v Evropi, Stališča o zdravju in medsebojni pomoči; Družina, delo, blagostanje (moduli ESS 2004); Življenjski cikel in Oblikovanje kazalcev napredujoče Evrope (moduli 2006) Metodologija projekta ESS Raziskava ESS poteka vsaki dve leti. Merski instrument raziskave je anketni vprašalnik z okoli 400 vključenimi indikatorji. Poglavitna naloga centralne koordinacije, ki jo financira Evropska Komisija je nadzor nad kakovostjo nacionalnih izvedb, ki poteka v obliki rednih sestankov s skupino nacionalnih koordinatorjev ter s kontinuirano komunikacijo med centralno in nacionalnimi ekipami. Od slednjih se kot pogoj za sodelovanje v projektu pričakuje izpolnjevanje večjega števila standardiziranih protokolov. Nekaj primerov: večkratni neodvisni prevod angleške ('master') različice vprašalnika s končno strokovno uskladitvijo pomenske strukture (Harkness 2004); izdelava preliminarne ekspertize o vseh ključnih vidikih izvedbe terenskega dela raziskave; izdelava preliminarne ekspertize vzorčne zasnove raziskave; izvedba predtesta v dveh do treh državah na reprezentativnem vzorcu prebivalstva in izvedba manjših nacionalnih predtestov v vseh sodelujočih državah; izvedba treh eksperimentalnih vprašalnikov za kontrolo kakovosti kazalcev (Saris 2004); pošiljanje tedenskih poročil o poteku raziskave; izdelava dokumenta nacionalnih družbenih dogodkov za 4 mesečno obdobje ankete ter za obdobje med dvema raziskavama; doseganje 70% ravni realizacije; izpolnjevanje kompleksnega kontaktnega vprašalnika za vsakega potencialnega anketiranca, ki omogoča analizo strukture odklonitev in morebitnih učinkov na veljavnost podatkov (Billiet, Phillipens, Fitzgerald in Stoop 2005); zahteva po ponovnem obisku zavrnitev in s ciljem 'spreobrniti' del nesodelujočih v sodelujoče pri anketi itd. Vzorec anketirancev je izbran po metodi slučajnega izbora in zajema osebe stare 15 let in več, brez zgornje starostne meje, ki živijo v državi, ne glede na njihovo narodnost, državljanstvo ali pravni status. Število izvedenih intervjujev v posamezni državi je med 1500 in 2500 (realizirano število anket v Sloveniji je bilo v dveh dosedanjih raziskavah 1519 in 1442), skupna dolžina intervjuja znašala okrog 60 minut. Kot metoda anketiranja je v vseh sodelujočih državah obvezna metoda osebnega intervjuja, ki v metodološki literaturi velja kot najbolj kakovostna, deloma zato ker telefonska dostopnost anketiranca ni zadostna, predvsem pa zaradi dolžine oz. obsega vprašalnika, ki daje prednost uporabi te metode. 1 Vsa dokumentacija in teoretično ozadje tematskih modulov je dostopna na naslovu European Social Survey Questionnair ( )

70 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Centralna koordinacijska skupina datoteke posameznih držav po metodološkem pregledu in uskladitvi združi, dokumentira, arhivira in nato razširja (slika 1) kot mednarodne ESS podatke 2. Slika 1: Vmesnik za dostop do dokumentacije in sprotno analizo podatkov ESS Data ( 2.4 Dosedanji vložki in širši družbeni učinki raziskave Celotna infrastruktura ESS je idealno izhodišče za prenos vsebinskih ugotovitev in metodološkega znanja, saj v ESS sodeluje okoli 100 strokovnjakov s področja zasnove in izvedbe primerjalnih raziskav, v njenem okviru pa deluje tudi več strokovnih teles (Znanstveni svet, metodološka skupina, skupina nacionalnih koordinatorjev in raziskovalnih organizacij, ekspertne skupine za vzorčenje in prevode ter skupine za oblikovanje tematskih blokov vprašalnikov). Ta mreža je tudi zagotovilo, da bodo finančni vložki v 28 evropskih državah, med njimi tudi v Sloveniji, povrnjeni. Doslej je bilo v raziskavo na evropski ravni vloženih okoli ,00, pri čemer levji delež (80%) odpade na nacionalne konzorcije financerjev. Poglavitni dosedanji rezultat tega nemajhnega vložka sta vsekakor dve primerjalni datoteki, v katerih je bilo vloženih ur osebnih intervjujev in ki jih je doslej uporabilo Vsi protokoli za nadzor kakovosti merjenja so skupaj z nacionalnimi in združenimi datotekami dostopni na portalu Eurpean Social Survey Data ( ).

71 70 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 registriranih uporabnikov, pri čemer se Slovenija nahaja na osmem mestu s 425 uporabniki (podatki iz julija 2006). Profil uporabnikov za celotni ESS je naslednji: 36% študenti, 34% raziskovalci in predavatelji na univerzah, 10% doktoranti, 4% državna uprava, 4% zasebna podjetja, 4% nevladne organizacije, 10% drugi. Sodelovanje v projektu tako zagotavlja stalen pretok metodološkega znanja tako v raziskovalno kot pedagoško sfero in krepi akademski družbeni kapital raziskovalcev v Sloveniji, ne le tistih, ki neposredno sodelujejo v raziskavi. Na splošno pa lahko potencialne uporabnike raziskave ESS razvrstimo v tri poglavitne skupine: prva je akademska skupnost, katere člani podatke uporabljajo pri svojem analitično-raziskovalnem 3 in pedagoškem delu. Med najbolj množičnimi uporabniki rezultatov so predavatelji in študentje na družboslovnih fakultetah pri predmetih, ki se ukvarjajo z dinamiko sodobnih družb in metodami družboslovnega raziskovanja. Druga pomembna skupina uporabnikov sta politika in javna uprava, ki ji rezultati lahko služijo kot informacijska podlaga in teoretsko ozadje za identifikaciji družbeno in politično relevantnih problemov, za oblikovanje političnih strategij in ukrepov ter načrtovanje akcij obveščanja javnosti. Tretja je širša javnost in mediji, ki se lahko seznanijo z rezultati družboslovnih opazovanj procesih v slovenski družbi ter s stališči različnih družbenih skupin do teh procesov. Med širše družbene učinke projekta pa lahko štejemo tudi naslednje: razvoj dodiplomskega in podiplomskega izobraževanja preko uporabe primerjalnih podatkov in prenosa metodoloških inovacij v študijski proces; izboljšanje vodenja in upravljanja države preko oskrbovanja političnih akterjev s podatki o delovanju pomembnih družbenih sistemov; dvig kakovosti življenja preko spremljanja družbenih trendov na relevantnih družbenih področjih, kar lahko opredelimo kot mehanizem družbenega samo-opazovanja, katerega rezultat je povratna informacija in izboljšanje politike na določenem področju. Ne nazadnje je tu še razvoj civilne družbe, ki poteka preko spoznavanja značilnosti družbe in družbenih trendov, zaznave (anti-)demokratičnega potenciala in opozarjanja na potencialna žarišča družbenih napetosti in konfliktov, iz česar lahko izhajajo ključne vzpodbude za delovanje akterjev civilne družbe, usmerjeno v preprečevanje družbenih nepravičnosti, neenakosti ipd. 3 PRIMER MEDNARODNEGA PROJEKTA DRUŽBOSLOVNIH ANKET - ISSP 3.1 Ideja in cilji projekta ISSP Mednarodni projekt družboslovnih anket (International Social Survey Program ISSP) je primer kontinuiranega mednarodnega sodelovanja akademskih raziskovalnih ustanov, ki imajo v svojem programu tudi družboslovne anketna raziskave. Lahko govorimo o nekakšni mreži raziskovalnih ustanov, ki deluje na podlagi skupno sprejetih pravil oz. delovnih principov 4. Nastanek ISSP sega v prvo polovico 80-ih let 20. stoletja (iniciativni sestanek ISSP je bil leta 1984, prvi zbrani podatki pa so za leto 1985) in se je razvil na podlagi bilateralnega sodelovanja dveh takrat vodilnih ustanov, ki sta se ukvarjali s kontinuiranim splošnim družboslovnim anketnim raziskovanjem stališč na nacionalni ravni, v (Zahodni) Nemčiji (ZUMA s projektom ALLBUS) in v ZDA (NORC s projektom GSS). Nemškemu in ameriškemu raziskovalnemu centru sta se ob ustanovitvi pridružila Britanski SCPR, ki je uspel pridobiti sredstva za organizacijo mednarodnih kooperativnih sestankov in Avstralska državna univerza (the Research School of Social Sciences). 3 Glej seznam objav: 4 Glej

72 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Že na samem začetku je bila prisotna ideja, da ISSP omogoča oblikovanje široko dostopne baze družboslovnih anketnih podatkov, ki bi jo lahko za namene sekundarne analize izkoriščali tudi raziskovalci, ki nimajo materialnih pogojev za izvedbo lastne raziskave in ki bi omogočila tako mednarodne primerjave kot tudi spremljanje sprememb v času. Razvoj in način dela ISSP do danes temelji na štirih temeljnih (ustanovitvenih) načelih: 1. člani ISSP skupno razvijajo vsebinske module vprašanj, ki zadevajo relevantna področja družbenih ved 2. modul naj bi bil kratek (15 minutni) dodatek k redni nacionalni anketni raziskavi (lahko tudi kot posebna raziskava) 3. vključi se tudi ekstenzivno jedro skupnih demografskih spremenljivk 4. omogoči naj se, da so podatki čim hitreje dostopni skupnosti družboslovcev 5. Poleg povezovanja obstoječih in uveljavljenih družboslovnih raziskovalnih ustanov v razvitih državah sveta, ki na podlagi strogi metodoloških standardov na nacionalni ravni izvajajo družboslovne anketne raziskave, je eden od ciljev ISSP pomoč pri širjenju in razvoju kvalitetnega anketnega družboslovnega raziskovanja stališč v manj razvitih predelih sveta (poleg npr. nekdanjih socialističnih držav vzhodne Evropi so danes članice ISSP tudi nekatere Latinsko ameriške države). Pri tem pa ne gre za to, da bi ISSP s svojim delovanjem neposredno poskušal vplivati na nastanek raziskovalnih centrov, ampak gre predvsem za to, da s svojim delovanjem vzpodbuja uveljavljanje visokih meril kakovosti (metodologije) anketnega družboslovnega raziskovanja v okoljih, kjer tovrstno raziskovanje sicer že poteka, vendar še ni povsem uveljavljeno. Prva meritev v okviru ISSP je potekala v letu 1985, in sicer je bil realiziran modul "Razumevanje vloge države I" (ISSP 1985 The Role of Government I), podatki pa so bili zbrani za 6 držav (Avstralija, Avstrija, Italija, Velika Britanija, Zahodna Nemčija in ZDA). Slovenija oz. raziskovalna ekipa CJMMK se je s prvo v celoti izvedeno raziskavo v ISSP vključila leta 1991, ko je bil v okviru ISSP izveden modul "Religija I" (ISSP 1991 Religion I). Od prve raziskave do danes meritve potekajo vsako leto; število držav, ki je vključenih, pa je od prvotnih 6 držav naraslo na 41 držav z vseh celin 6. Pri tem je posebej Afrika (le z eno državo) slabše zastopana. CJMMK je s svojo ekipo po vstopu v ISSP uspel izpeljati vse dosedanje raziskave (pripravlja pa se za izvedbo ISSP modulov za leto 2006 in 2007). 3.2 Področja primerjav Oblikovanje merskega inštrumenta za vsak tematski letni modul poteka na več ravneh: na ravni ožje delovne skupine in na ravni vsakoletne plenarne razprave vseh članic ISSP. Tako je najprej oblikovana posebna delovna skupina, ki jo sestavljajo raziskovalci iz najmanj treh držav članic ISSP. Pri tem je upoštevano tudi vsebinsko načelo, da so v delovno skupino vključeni raziskovalci iz držav z različnim družbeno-zgodovinskim kontekstom. Prav tako praksa oblikovanja inštrumenta sledi delovnim principom, po katerih morajo biti vse članice ISSP informirane o poteku delu: npr., najmanj dva meseca pred dokončnim sprejemanje zadnje verzije na letni konferenci ISSP morajo 5 Glej 6 Leta 2006 so v ISSP vključene naslednje države: Avstralija, Avstrija, Belgija, Bolgarija, Brazilija, Ciper, Češka, Čile, Danska, Filipini, Finska, Francija, Hrvaška, Irska, Izrael, Japonska, Južna Afrika, Južna Koreja, Kanada, Latvija, Madžarska, Mehika, Nemčija, Nizozemska, Nova Zelandija, Poljska, Portugalska, Rusija, Slovaška, Slovenija, Španija, Švedska, Švica, Tajvan, Turčija, Urugvaj, Velika Britanija, Venezuela, ZDA.

73 72 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 vse članice dobiti osnutek, da lahko oblikujejo pripombe in na konferenci sodelujejo v razpravi 7. Praktično torej pri oblikovanju inštrumenta sodelujejo raziskovalci iz vseh članic ISSP. Glede na tak način dela lahko rečemo, da je zagotovljena visoka stopnja pojmovne enakovrednosti (ekvivalence) izbranih indikatorjev. Čeprav se torej oblikuje standardizirani merski inštrument za kulturno in razvojno zelo različna okolja, lahko zaradi načina oblikovanja inštrumenta govorimo o visoki stopnji veljavnosti in zanesljivost primerjav, ki posegajo na vsebinsko zelo različna področja. Kvaliteta inštrumenta se zagotavlja tudi z zahtevo, da je razvoj vsakega novega tematskega modul utemeljena tudi teoretsko inštrument mora biti torej rezultat operacionalizacije teoretsko utemeljenega analitskega modela. Tako naj bi zbrani podatki omogočali tudi poglobljene družboslovne analize na ravni preizkušanja teoretsko utemeljenih hipotez. Merski inštrument ISSP je v osnovi sestavljen iz dveh delov. Vsebinski del, ki se pripravlja za vsako leto posebej, praviloma vsebuje 60 indikatorjev. Temu pa je dodan še blok demografskih in "kontekstualnih" vprašanj (preko 20), ki se ponavlja vsako leto (od spola, starosti in zakonskega stanu, strukture gospodinjstva, preko izobrazbe, poklicnega položaja, dohodka, do politične usmeritve). Doslej je bilo v okviru ISSP (do vključno leta 2007) razvitih deset različnih tematskih modulov, od katerih je bil vsak (razen dveh) ponovljen vsaj enkrat in sicer v razmiku najmanj 5 let. To torej omogoča poleg mednarodnih primerjav tudi medčasovne primerjave. Do sedaj so bili izvedeni (ali se načrtuje izvedba) naslednji tematski moduli: : Razumevanje vloge države : Socialna omrežja in sistemi opore : Družbena neenakost : Družina in spreminjajoče spolne vloge : Stališča o delu : Razumevanje vloge države II : Religija : Družbena neenakost II : Okolje : Družina in spreminjajoče spolne vloge II : Nacionalna identiteta : Razumevanje vloge države III : Stališča o delu II : Religija II : Družbena neenakost III : Okolje II : Socialna omrežja in sistemi opore II : Družina in spreminjajoče spolne vloge III : Nacionalna identiteta II : Državljanstvo : Stališča o delu III : Razumevanje vloge države IV : Prosti čas in šport. ISSP s svojimi tematskimi moduli posega na števila področja življenja, ki so nedvomno pomembna, kadar se lotevamo raziskovanja in primerjave razvitosti držav oz. družb. Zastopana so vsa ključna področja družbenega življenja, kjer v sodobnosti prihaja do velikih sprememb: ekonomija in 7 Glej ISSP, Working principles; dostop:

74 STATISTIČNI DNEVI 2006 STATISTICAL DAYS družbena struktura (predvsem modula Stališča o delu in Družbene neenakosti); kvaliteta življenja in socialna opora (moduli Socialna omrežja, Družina, Prosti čas); politika in ideologija (moduli Vloga države, Nacionalna identiteta, Državljanstvo); vrednote in kultura (predvsem modula Okolje in Religija). Slovenija je s podatki vključena v ISSP od leta 1991, kar pomeni, da imamo možnost primerjave Slovenije z ostalimi državami na vseh tematskih področjih, ki jih pokrivajo ISSP moduli. Še posebej pomembno je, da imamo možnost primerjave tako z najrazvitejšimi državami (Zahodna Evropa, ZDA, Japonska), kot tudi z državami s Sloveniji podobno izkušnjo demokratičnega prehoda in pridruževanja Evropski uniji (Poljska, Češka, Slovaška, Madžarska, Latvija, Bolgarija, Rusija). Kar nekaj pa je tudi tematskih področij, ki nam omogočajo medčasovne primerjave torej možnosti za analizo razvojnih sprememb v času po osamosvojitvi Slovenije (glej npr. Mlinar in Štebe 2004). Medčasovne primerjave za Slovenijo so možne na naslednjih tematskih področjih: Religija (1991, 1998), Družbena neenakost (1992, 1999), Okolje (1993, 2000), Družina (1994, 2002), Nacionalna identiteta (1995, 2003), Vloga države (1996, 2006), Stališča o delu (1997, 2005). 3.3 Metodološke zahteve projekta Raziskava ISSP poteka vsako leto, pri čemer se tematski moduli v določenih intervalih ponavljajo (najmanj dve tretjini vprašanj mora biti ponovljenih, da se govori o ponovitvi; sicer pa gre za nov modul). Merski instrument raziskave je blok (modul) 60 anketnih vprašanj za letno tematsko področje, temu pa je dodan še nabor obveznih demografskih vprašanj, ki imajo v odnosu do indikatorjev iz tematskega bloka funkcijo pojasnjevalnih (neodvisnih) spremenljivk. Tematski modul je lahko izveden kot del širše nacionalne raziskave, vendar mora biti izveden v neokrnjeni obliki ("v enem kosu") ter v istem vrstnem redu vprašanj v vseh državah. Za demografska vprašanja to ne velja. Ciljna populacija so polnoletni prebivalci države. Vzorec anketirancev je izbran na podlagi metode slučajnega izbora in nima zgornje starostne omejitve. Dosežena realizacija vzorca mora biti najmanj 1000 anketiranih oseb 8. Metoda anketiranja je lahko različna, vendar prevladuje osebni intervju z obiskom anketarja, pogosto pa je tudi samoizpolnjevanje dodatka ankete, ki ga anketar pusti in pride iskat kasneje. Učinke oblike izvedbe ankete ("mode effects") kot enega možnih metodoloških virov neprimerljivosti podatkov ISSP med državami proučuje posebna delovna skupina. Skupni standardni vprašalnik se pripravi v Britanski angleščini, nato pa ga prevajajo v jezike. Za ustreznost prevajanja skrbijo s proceduralnimi pravili prevajanja in z naknadno analizo enakovrednosti prevodov. S problematiko metodoloških vplivov prevodov se prav tako ukvarja posebna delovna skupina. Nacionalne ekipe morajo podatke za svojo državo poslati v standardni obliki in opremljene z vsemi ustreznimi podatki o metodologiji in poteku izvedbe (metoda anketiranja, vzorec, stopnja sodelovanja, uteževanje...) arhivu podatkov, ki poskrbi za oblikovanje skupne datoteke in potem tudi za njeno distribucijo. Za ISSP ima to vlogo nemški družboslovni Centralni arhiv (ZA) iz Kölna, ki pa se mu je v zadnjem času pridružil še arhiv iz Madrida. Za zagotavljanje ustreznih metodoloških standardov ISSP skrbi s skupno sprejetimi načeli delovanja ISSP, ki opredeljujejo minimalne standarde in način dela vseh organov ISSP. Posebej pa se oblikujejo metodološke delovne skupine. Trenutno jih je pet na naslednjih področjih: prevajanje, 8 Glej ISSP, Working principles; dostop:

75 74 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 učinki metode anketiranja, primerljivost demografskih vprašanj, zavrnitve in nesodelovanje, oblikovanje vprašalnika. Te poročajo o problemih na srečanjih in dajejo napotke za izboljšave v prihodnjih izvedbah. 3.4 Relevantnost projekta v slovenskem prostoru Slovenija je tako že od prvega leta osamosvojitve umeščena v globalni primerjalni kontekst možne so torej sistematične primerjave slovenske družbe s podobnimi ali tudi (kulturno ter razvojno) povsem različnimi družbami na različnih delih sveta. Vse slovenske izvedbe ISSP modulov so bile izveden v okviru raziskovalnega programa Slovensko javno mnenje, ki poteka v Centru za raziskovanje javnega mnenja in množičnih komunikacij (CJMMK) na Fakulteti za družbene vede. Lociranje izvedbe ISSP raziskav, ki imajo na prvem mestu akademske cilje (pridobivanje novih znanj), v fakultetno okolje in v kontekst temeljnih družboslovnih raziskovalnih programov, je optimalna rešitev. S tem se namreč vzpodbuja raziskovalce, da - v kontekstu (mednarodnega) sodelovanja z drugimi raziskovalci v okviru ISSP - neprestano skrbijo za ustrezno raven kvalitete raziskovalnega dela. Obenem s tem veliko prispeva k bogatitvi pedagoškega procesa. Slovenski raziskovalci so se poleg rednega aktivnega sodelovanja na letnih sestankih ISSP tudi na drugače aktivno vključevali v delo ISSP. Tako so sodelovali pri delu skupine za proučevanje učinkov metode anketiranja in skupine za analizo primerljivosti demografskih vprašanj. Trenutno je Slovenija vključena v tudi v koordinativno delo Metodološke komisije ISSP. Prav tako pa so člani slovenske ekipe sodelovali v delu dveh delovnih skupi ("drafting group") za pripravo tematskega modula vprašanj: za modul Družbena neenakost in za modul Državljanstvo. Slovenska ekipa je dvakrat gostila letno srečanje ISSP. Takšna aktivnost veliko prispeva k razvoju in rasti kvalitete empiričnega družboslovja nasploh in posebej še primerjalnega raziskovanja v Sloveniji. Ekipa CJMMK je do sedaj izvedla že 15 tematskih modulov ISSP (zajetih je bilo torej približno anketiranih oseb). S tem je bilo ustvarjeno bogato podatkovno gradivo, ki je dostopno za sekundarne analize (tako mednarodne primerjalne analize, kot analize sprememb v času) vsem zainteresiranim raziskovalcem. Lahko rečemo, da gre za raziskovalno delo, ki ima med drugim tudi funkcijo ustvarjanja podatkovne infrastrukture. Pri tem se pokaže problem financiranja takšnega (infrastrukturnega) raziskovalnega dela. Do sedaj so bili ključni finančni vir za izvedbo raziskave proračunska sredstva za temeljno raziskovalno dejavnost programske skupine in temeljni projekti. Vendar pa se pokaže, da takšen način financiranja ne zagotavlja stabilne osnove za redno izvajanje raziskave, ki ima povsem drugačno dinamiko in strukturo od običajnih raziskovalnih projektov. Smiselno bi bilo, da bi se vsaj del aktivnosti pri izvedbi raziskav ISSP financiral na način, ki je značilen za infrastrukturne projekte. Problem negotovega financiranja lahko namreč povzroči tudi prekinitev izvajanja raziskave (če nacionalna ISSP ekipa ne izvede dveh modulov zaporedoma, je avtomatično izključena iz članstva ISSP), kar pa lahko pomeni precejšnjo izgubo za slovensko družboslovje in nasploh zainteresirano strokovno javnost. Publicistični izplen tovrstnih raziskovalnih projektov poleg objav ožje raziskovalne skupine obsega tudi objave ostalih raziskovalcev, ki niso člani skupine za izvedbo raziskave 9. Oboji imajo, kot rečeno, enake možnosti dostopa do podatkov za analizo, med tem ko prve bremenijo še napori 9 Tom W. Smith že od samega začetka sistematično beleži objave na podlagi projekta ISSP ( ).

76 STATISTIČNI DNEVI 2006 STATISTICAL DAYS zaradi skrbi, časa in stroškov, namenjenih zagotavljanju zbiranja in urejanja podatkov, ter sodelovanja na mednarodnih srečanjih. Sedanji model zagotavljanja denarja za raziskovalne projekte v Sloveniji ne upošteva v zadostni meri teh posebnosti infrastrukturnih raziskovalnih projektov. 4 DOSTOP IN UPORABA PODATKOV ZA RAZLIČNE NAMENE Slika 2: Vmesnik za sprotno analizo podatkov ISSP ( Projekti te vrste, splošnih družboslovnih anket, se po svojih značilnostih razlikujejo tako od projektov vrste Eurobarometer ipd., ki beležijo odzive na aktualne probleme in merijo mnenjsko podporo javnosti, kot tudi od projektov vrste minipopisov, sistematičnih anketnih raziskav pretežno objektivnih indikatorjev navad in stanja življenja na posameznih področjih, kot je npr. Evropska raziskava kakovosti življenja (European Quality of Life Survey, 2003). Obe slednji sta v celoti finančno in organizacijsko podprti s strani teles Evropske unije. Obe sta tudi namenjeni za spremljanje in oblikovanje vladnih politik. Splošne družboslovne ankete nimajo prvenstvenega uporabnega namena, pač pa nastajajo pod akademskim okriljem in so prvenstveno namenjene pridobivanju novega znanja. Ta njihov značaj se kaže tudi v finančni organizaciji, kjer se pretežno napajajo iz virov za znanstvene raziskave. Kaže se v večji odprtosti in širšem zajemanju pobud pri

77 76 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 določanju vsebinskih poudarkov anket. Nazadnje se kaže v množični uporabi, tako v izobraževanju kot pri vrhunskih znanstvenih objavah, narejenih na podlagi zbranih podatkov. Izvajanje teh anket ni obveznost Evropske unije ali vlad posameznih držav. Nacionalno izvajanje je prepuščeno pobudi in iznajdljivosti nacionalnih raziskovalnih skupin, ki se za to čutijo usposobljene in poklicane. Njihov obstoj in veljavo zagotavlja njihova raziskovalno infrastrukturna vloga, ki se kaže skozi široko zanimanje za uporabo podatkov iz teh anket, ki so dostopni preko Arhivov družboslovnih podatkov. Ta edinstvena mreža raziskovalne infrastrukture za področje družboslovja živi pretežno od podpore raziskovalne politike v posameznih državah in v omejenem obsegu od podpore v okviru znanstvenih programov EU. Podatki, namenjeni akademski javnosti, so zato, da omogočajo fleksibilno pregledovanje in analiziranje, dostopni v mikroobliki podatkov na ravni posameznika, in ne skoraj izključno v obliki agregatnih tabel in v obliki poročil kot je značilno za večino podatkovnih virov statističnih uradov. Zanje je značilna tudi kritičnost in celovitost pri dokumentaciji, ki opozarjajo na možne pristranosti v podatkih. Model očitno deluje in v svoji edinstvenosti predstavlja vir podatkov za spremljanje na področjih družbenega življenja v Sloveniji, ki bi sicer izpadla iz tovrstnih pregledov v okviru mednarodnih in medčasovnih primerjav. Uporaba takšne vrste podatkov je videti manj primerna za zahteve javne uprave, kjer zaradi časovne stiske in preobloženosti z rutinskimi opravili pričakujemo instantne, že izdelane ugotovitve. Po drugi strani pa lahka dostopnosti teh podatkov, prijazna orodja za predstavljanje in sprotno analizo preko spleta (slika 1 in 2), ter hkratna visoka strokovna usposobljenost javnih uslužbencev za rokovanje s kompleksnimi analitičnimi orodju - kljub povedanemu - odpira široke možnosti z izkoriščanje zmožnosti teh virov tudi v uporabne namene. 5 LITERATURA 1. Billiet, J., Phillipens, M., Fitzgerald, R. in Stoop, I "Refusal conversion and estimation of non-response bias in the European Social Suvrey Round 1". Paper at 60th AAPOR Annual Conference, Miami Beach, Florida, USA. 2. Davis, J.A., Mohler, P.Ph., in Smith, T.W "Nationwide General Social Surveys." V: I. Borg and P.Ph. Mohler (ur.): Trends and Perspectives in Empirical Social Research. Berlin: Walter de Gruyter. 3. Harkness J A (2004), Trapped in Translation? ESS Translation Protocols Provide a Key, paper presented at Sixth International Conference on Social Science Methodology, Amsterdam, August Jowell, R "How Comparative is Comparative Research." Oxford: Centre for Research into Elections and Social Trends. Working Paprer, no. 66 (September) Lazarsfeld, P.F "The Historian and the Pollster." V: M. Komarovsky (ur.): Common Frontiers in teh Social Scinces. New York: Free Press. 6. Mlinar, Z. in Štebe, J "Odpiranje v svet v zavesti Slovencev: mobilnost in identifikacija v prostoru tokov". V: B. Malnar, I. Bernik, (ur.): S Slovenkami in Slovenci na štiri oči. Ljubljana: Fakulteta za družbene vede, IDV, CJMMK. 7. Saris, W. E "Comparability across Countries of Responses in the ESS". Paper presented at Sixth International Conference on Social Science Methodology, Amsterdam, August. 8. Schwartz, S "Universalism values and the inclusiveness of our moral universe" V: A-M. Pirttilä-Backman, M. Ahokas, L. Myyry in S. Lähteenoja (ur.): Values, morality and society: Change and diversity, Helsinki: Gaudeamus 9. Štebe, J "Načrt in analiza vzorca za anketo slovensko javno mnenje - SJM 2000." V: Niko Toš et al. Vrednote v prehodu III. Slovensko javno mnenje Ljubljana: Fakulteta za družbene vede, IDV - CJMMK, 2004.

78 STATISTIČNI DNEVI 2006 STATISTICAL DAYS WHO PROFITS FROM THE CZECH ECONOMIC GROWTH? Jakub Fischer, Jaroslav Sixta SUMMARY The paper is focused on basic consequences of economic growth and the following benefits for the country. The core of the problem of economic growth consists in distribution of benefits. This issue is described by the difference between gross domestic product and gross national income, which is influenced by the relationships between residents and non-residents. Primary incomes paid to nonresidents raised in the Czech Republic in the beginning of 2000s and the analysis of the impact of foreign direct investment should include the impact not only on GDP, but also on GNI (and gross national disposable income, respectively). The aim of the paper is to describe the necessity of deeper analysis of FDI (using the system of national accounts) and present some tables and figures on trends in the Czech Republic and other Central European countries. 1 FOREWORD The power of the Czech economy has been on the increase since the year 2000, but in the first quarter of 2006, the magical growth of 7 % was conquered. The revised growth of 7.1 % means the best performance of the economy in the modern Czech history. Of course, the figures on gross domestic product (GDP) pleased both government officials and public. But on the other hand, what do these figures exactly mean? Is the indicator of GDP the most proper indicator for measurement of economic growth? What is the impact of foreign direct investment (FDI) on the Czech economy as a whole? How is the situation in the central Europe? These questions should be answered in our paper. 2 ECONOMIC TERMS AND STATISTICAL INDICATORS Measurement of economic growth is one of the most important theoretical as well as practical issues. It is a part of a set of measurement issues, which economic statistics should solve and which we call statistical adequacy problem. We have economic phenomena on the one hand and we need to construct proper statistical indicators on the other hand, and then assign them to economic terms. For example, we have economic term inflation (as a global growth of the price level) and we can measure it by different statistical indicators: consumer price index (CPI), producer price index (PPI), harmonized consumer price index (HICP), gross domestic product deflator etc. The second example is measurement of unemployment. We construct an indicator unemployment rate, but we can use different types of the indicator: the registered rate (as a share of the number of unemployed persons, registered at state authority, to the labour force) or the total rate (share of number of unemployed persons using ILO definition, estimated from the Labour Force Survey). We can see a similar situation in the issue of measurement of economic growth: which indicator is the most proper?

79 78 STATISTIČNI DNEVI 2006 STATISTICAL DAYS GROSS DOMESTIC PRODUCT AND OTHER MACRO-AGGREGATES Economic growth is widely measured by the development of the gross domestic product (GDP). Some economists think that there are properly measures (exchange rate, net domestic product, GDP in dollars/euros using exchange rate etc.) for assessment of economic growth. We estimate GDP using three approaches: by production approach (as a sum of value added), by expenditure approach (as a sum of expenditures on GDP) and by income approach (as a sum of income compensation of employees plus taxes on production plus gross operating surplus and mixed income of households). An income approach is a good starting point for further ideas. We can consider GDP as a source of income, which is consequently distributed and redistributed and after these processes it is used for final consumption and investments. Following this idea, when we can assess the impact of economic growth to the whole economy, we should take into account the distribution and redistribution processes. If we distributed the GDP to non-residents units, we could use the value neither for financing of our consumption nor for investments. From the value of GDP we have to subtract compensations of employees and property incomes paid to non-residential employees and proprietors (interests from foreign loans, dividends to foreign investors etc.) and add compensations of our residential employees and property incomes received from abroad. (These transfers we call primary incomes). Then we get gross national income (GNI), which is consequently adjusted for the balance of current transfers and as a gross national disposable income (GNDI) and it is used for financing of final consumption and investments. We can see it in the Scheme 1. In the Czech practice, the difference between GNI and GNDI is very small, because the balance of secondary incomes is close to zero. Scheme 1: Relation between macro-aggregates

80 STATISTIČNI DNEVI 2006 STATISTICAL DAYS ECONOMIC GROWTH IN THE CZECH REPUBLIC The Czech Republic had very good macroeconomic position after the fall of communist regime; there were neither debts nor inflation. The problem of the Czech economy consisted mainly in outworn industry and lost markets in Eastern Europe. Probably, satisfactory position of the Czech Republic led Czech politicians to the supposition that the economy does not need foreign investments and the sale of national silver is blameful. These ideas together with coupon privatization brought the country to the edge of chasm. The idea of Czech ownership hit, regrettably, many important companies (Tatra, Liaz, ČKD, Škoda Plzeň etc.) and banks. It was the worst thing that could happen. The situation, when state-owned banks owned shares of privatised companies, became known as a banking socialism. The initial advantage was totally lost in The oncoming crisis led to early elections and a new course in the Czech macroeconomic policy. Clerical government and later social democratic governments privatised all Czech banks. The cost for the rescue of Czech banks (paid by state) is estimated at 400 billion CZK. There was finally happened, what foreign economic experts recommended in 1990s. But it was more expensive. Dramatic turnover of the Czech macroeconomic policy leaned on investment incentives. It means that capital inflow has been still rising since 1999 and restructuring of the Czech industry has been started. The graph 1 shows the development of foreign direct investment in the Czech Republic. Foreign direct investments cause the difference between domestic product and national income. Natural attribute of investment is the profit. It means that investments firstly increase domestic product (and income) due to expenditures on gross fixed capital formation and consecutively the growth of national income is reduced by transfers of profits because investors usually transfers a significant share of profits back to their shareholders. The graph 2 shows the difference between net domestic product (NDP) and net national income (NNI) in constant prices, where 1995 = 100 %. Graph 1: Foreign direct investment, Inward, Flows, 2005 (bln CZK, % of GDP) FDI FDI/GDP Source: Czech National Bank, Czech Statistical Office Due to the positive effects of terms of trade, the differences between net domestic product and net national income were not significant by the year It is supposed that the gap will increase. The

81 80 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 primary incomes, which consist of profits and wages paid to abroad (-) and received from abroad (+) has decreasing trend. It rose 37 times (in 2004) in comparison with 1995 in constant prices. This is clearly shown on graph 3. Graph 2: Economic growth in the Czech Republic, 1995 = % 115% 110% 105% 100% NDP NNI 95% 90% 85% Source: Czech Statistical Office Graph 3: The balance of primary incomes in the Czech Republic, mil. CZK mil. CZK Source: Czech Statistical Office 5 COMPARISON WITH CENTRAL EUROPEAN COUNTRIES The countries in the central Europe felt in 1990s very differently. Each country had to face its specific problems, e.g. the disintegration of Czechoslovakia or hyperinflation in Poland. But the common feature of the development was initial decrease of the economy and an effort to join the NATO and the EU. Nobody expected that the success would appear after such long time. In graph 4

82 STATISTIČNI DNEVI 2006 STATISTICAL DAYS we can see the comparison of GDP per capita and the convergence process to the EU, in graph 5 the trends of NNI/GDP shares is shown. Graph 4: GDP per capita in PPS (EU25=100) , ,5 68,8 67,7 68,3 66,5 66,1 64,9 65,9 45,5 42, , ,9 48,5 46,3 46,9 46,6 47,5 49,8 48,7 46,0 46,8 46,1 46,3 46,9 44,0 44,9 75,1 57,2 51, Czech Republic Poland Slovakia Source: Eurostat Graph 5: Net national income (% of GDP) % Czech R. Slovakia Poland Source: Eurostat

83 82 STATISTIČNI DNEVI 2006 STATISTICAL DAYS CONCLUSION The aim of this article was to show the possibilities of analyses that are (in our opinion) neglected. National accounts provide plenty of indicators, which are suitable for analyses. Nowadays the national accounts are widely accessible and they are not compiled only for statistical offices (and Eurostat) but they are compiled for the public. Moreover, taxpayers pay the costs of compiling national accounts. The pity is that many economic analysts focus only on GDP and they do not take into account other important aggregates. We showed consequences of Czech economic miracle in recent years. The progress is indisputable everywhere in central Europe. But our politicians (and their experts) still consider only GDP and offer infantile promises (e.g. government can maintain 8 % growth of economy). The area of foreign economic relationships will have to be analysed more precisely and it exceeds the possibilities of this article. We assume that these effects will deepen because we did not involve such events like expected investment of Hyundai and other companies in Northern Moravia. This region, comprising the south of Poland and the west of Slovakia, became known as European Detroit. The result is, that GDP will raise, as many analyst say. But did anybody analyse the effects on national income? We would not say that GDP is improper indicator for measuring of economic growth. But in our opinion it is assess the economic growth with using the set of economic indicators, which are disposal at the system of national accounts (GNI, GNDI). Secondly, if we can assess the impact of foreign direct investment, it is necessary to assess the influence not only to GDP, but also to other macro-aggregates. REFERENCES 1. EUROSTAT: European system of accounts (ESA 1995). Luxembourg FISCHER, Jan, FISCHER, Jakub. Měříme správně hrubý domácí produkt? (Do we measure gross domestic product correctly?) Statistika, 2005, roč. 42, č. 3, s ISSN x. 3. IMF: System of National Accounts United Nations, IMF, OECD, Eurostat, World Bank, New York HRONOVÁ, S., HINDLS, R. Národní účetnictví - koncept a analýzy. (National Accounting Concept and Analyses). C. H. Beck, Praha SIXTA, J. The Estimates of Consumption of fixed capital. 8 th International Scientific Conference: Applications of Mathematics and Statistics in Economy (AMSE 2005) in Wroclaw KDO IMA KORIST OD GOSPODARSKE RASTI ČEŠKE REPUBLIKE? POVZETEK Prispevek se osredotoča na osnovne posledice gospodarske rasti in iz nje izhajajoče koristi za državo. Osnovna težava gospodarske rasti je razdelitev teh koristi, kar opisuje razlika med bruto domačim proizvodom in bruto nacionalnim dohodkom, na kar vplivajo odnosi med rezidenti in nerezidenti. Primarni dohodki, plačani nerezidentom v Češki republiki v začetku leta 2000, in analiza vpliva neposrednih tujih naložb bi morala vključevati ne samo vpliv na bruto domači proizvod, ampak tudi na bruto nacionalni dohodek (in bruto nacionalni razpoložljivi dohodek). Cilj prispevka je opisati potrebo po poglobljeni analizi neposrednih tujih naložb (z uporabo sistema nacionalnih računov) ter predstaviti nekaj tabel in podatkov o trendih v Češki republiki in drugih srednjeevropskih državah.

84 STATISTIČNI DNEVI 2006 STATISTICAL DAYS MERJENJE UČINKOVITOSTI FINANČNIH UKREPOV INDUSTRIJSKE POLITIKE Ana Murn POVZETEK Danes pogosto zastavljeno vprašanje, zakaj so nekatere države pri pospeševanju gospodarskega razvoja uspešnejše od drugih, je več dimenzionalno in zajema različne vidike vplivov, ki jih povzročata tako razvito podjetništvo in podjetniška kultura kot tudi industrijska politika države. Industrijske politike se med državami razlikujejo po ciljih, ki jih podpirajo, ter po ukrepih in instrumentih, ki jih pri tem uporabljajo. Razlikujejo pa se tudi po doseženih rezultatih. Merjenje učinkovitosti industrijske politike je bilo še pred desetletjem le domena redkih raziskovalcev, v zadnjih letih, po sprejetju Lizbonske strategije in iskanju poti učinkovite porabe javnofinančnih sredstev, pa so se različne metodologije merjenja učinkovitosti in na njih temelječe raziskave pomnožile tako v krogih neodvisnih strokovnjakov kot tudi mednarodnih institucij. V Sloveniji imamo pomanjkljive evidence o ukrepih industrijske politike (z izjemo evidence državnih pomoči), hkrati pa tudi neizdelan metodološki instrumentarij merjenja učinkovitosti (z izjemo merjenja s posamičnimi kazalniki). Dosedanje temeljne analize državnih pomoči kažejo, da industrijska politika Slovenije ne podpira v zadostni meri ciljev Strategije razvoja Slovenije, pomoči so večinoma zelo majhne in razdrobljene, predvsem pa niso medsebojno povezane. MEASURING THE EFFECTIVENESS OF INDUSTRIAL POLICY'S FINANCIAL MEASURES SUMMARY The question commonly asked today why some countries are more successful than others in promoting their economic development is multi-dimensional and involves diverse aspects of the effects produced by advanced entrepreneurship and enterpreneurial culture and by governmental industrial policy. Industrial policies differ across countries in terms of the aims they pursue and the measures and instruments they apply. They also vary in the achieved results. Only a decade ago, studies measuring the effectiveness of industrial policy were scarce. In recent years, however, after the adoption of the Lisbon Strategy and in search of efficient government spending schemes, methodologies designed to measure the effectiveness of industrial policy and studies that applied these methodologies have proliferated in both independent expert circles and international research institutions. In Slovenia, data on industrial policy instruments are incomplete (the only exception being the state aid register). The methodological framework applied calls for further sophistication (except in single indicators). The basic analyses of state aid conducted so far show that Slovenia's industrial policy does not sufficiently support the objectives of Slovenia's Development Strategy. Aid is generally small, fragmentary and poorly co-ordinated.

85 84 STATISTIČNI DNEVI 2006 STATISTICAL DAYS UVOD Vprašanje o vlogi države v gospodarskem razvoju je zgodovinsko gledano eno temeljnih vprašanj, s katerim se teoretiki srečujejo že od utemeljitve sodobne ekonomije. Zaradi njene dramatične širitve, preko naraščujočih izdatkov javnih financ ter velikega obsega javnega sektorja, so od konca osemdesetih let sproženi procesi njenega zmanjševanja in preobrazbe. Zmanjševanje javnega sektorja se izvaja predvsem s procesi liberalizacij in privatizacij, zmanjševanje izdatkov javnih financ pa preko vse bolj omejevanih kategorij javnofinančnega primanjkljaja in državnega dolga. Predvsem slednja naloga se izvaja z zniževanjem javnofinančnih izdatkov zelo selektivno, saj naj bi se zniževali tisti izdatki in programi, ki ne podpirajo gospodarske rasti in razvoja. Izbira programov javnega financiranja vpliva tudi na gospodarsko rast. Pospeševanje gospodarske rasti in konkurenčnosti država izvaja z ukrepi splošne makroekonomske politike, ki je praviloma neselektivna, ter s posebno, praviloma selektivno industrijsko politiko, ki podpira posebne bolj ali manj razvojno usmerjene horizontalne ali sektorsko specifične programe. Problem izbire teh programov je dolgo časa veljal za rešljiv preko instituta javne izbire, dandanes pa ugotovitve kažejo, da politika ne izbira vedno ekonomsko racionalnih programov, zato so se v zadnjih letih okrepile potrebe po njihovem strokovnem preverjanju. Predvsem ob koncu preteklega stoletja pa je tudi pod vplivom Mednarodnega denarnega sklada in razvoja civilne družbe vse bolj glasna zahteva o obveščanju javnosti o programih, ki jih država izvaja. V prispevku se osredotočamo na industrijsko politiko, njene ukrepe in instrumente, torej na tiste javnofinančne programe, ki neposredno posegajo v gospodarske tokove. V drugi točki na kratko opredeljujemo, kaj zajema industrijska politika, v tretji analiziramo metodološke pristope merjenja učinkovitosti posameznih programov ter rezultate merjenj učinkov, v četrti pa podajamo metodološki pristop merjanja učinkov v Sloveniji ter prve rezultate njene učinkovitosti. V peti točki podajamo zaključne ugotovitve. 2 INDUSTRIJSKA POLITIKA Vprašanje, v kakšni meri in na kakšen način lahko država posega v tržno gospodarstvo, v teoriji še vedno ni zadovoljivo rešeno. Oblikovanih je več struj z različnimi pogledi. Neoliberalci prisegajo na tržno učinkovitost, ki vodi v spontano konkurenčnost in gospodarski razvoj. Pri določanju vloge države v gospodarskem razvoju tudi znotraj neoliberalcev obstajata dve podstruji. Prva, ortodoksna, še vedno zagovarja "laissez-faire" pristop, ki je močno povezan s tržnim mehanizmom. Ker trg gospodarske tokove uravnava najbolje, je naloga države, da dovoli naravni tok tržnim zakonitostim. Druga struja je manj ortodoksna in zagovarja pristop pasivne vloge države. Tudi ta struja v osnovi še vedno poudarja primarnost trga, vendar priznava obstoj nepopolnih informacij, transakcijskih stroškov ter drugih eksternalij, ki se nahajajo tako na strani povpraševanja (potrošnje) kot na strani ponudbe (proizvodnje). Naloga države je odstranitev teh ovir, vendar mora pri tem nastopati le kot druga najboljša rešitev. Stališča struje, imenovane tudi postkeynesianci, so do vloge države povsem drugačna. Izhajajo iz dejstva, da nobenega posamičnega gospodarstva ni več mogoče obravnavati kot zaprtega, zato mora biti vloga države aktivna, ne le pri odpravljanju tržnih nepravilnosti, temveč tudi pri uravnavanju investicij in pospeševanju znanja in tehničnega napredka, saj slednja postajata vse bolj gonilo gospodarske rasti in razvoja ter sta povzročitelja eksternalij v obliki pozitivnih in tudi negativnih "spillover" učinkov.

86 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Izhodišča industrijske politike Industrijska (imenovana tudi razvojna, strukturna ipd.) politika, ki jo zagovarjajo predvsem postkeynesianci, v teoriji še vedno ni splošno priznana, čeprav praksa kaže, da jo države uporabljajo že desetletja. Zgodovinsko se je prisotnost aktivne industrijske politike v posameznih državah povečala ob nastanku posebnih okoliščin. V času dolgoročnejše recesije so se praktično vse države, tudi zelo liberalno usmerjene posluževale najrazličnejših ukrepov industrijske politike z namenom spodbuditi gospodarsko rast. Njihove politike so bile uspešne, kar pričajo dosežki v nekaterih državah (npr. Irska, Finska, "azijski tigri"), obstaja pa tudi več zgrešenih industrijskih politik (Audretsch, 1993, str. 92). Prav zaradi tega se vprašanje industrijska politika da ali ne umika vprašanju, kakšen tip industrijske politike naj bi države izvajale, da bi lahko zagotavljale uspešnost svojih gospodarstev. V ozadju vprašanja so seveda teorije, ki skušajo odgovoriti na vprašanje, kako je moč pojasniti kvaliteto proizvodnih faktorjev v narodnem gospodarstvu, dvigniti njihovo produktivnost ter definirati različni vlogi države in podjetij. Kaj sploh je in kaj pokriva industrijska politika, v literaturi ni enotno opredeljeno. Najpogosteje je industrijska politika predstavljena (Nicolaides, 1993, str. 3) kot poskus države za premaknitev alokacije virov, ki pospešujejo gospodarsko rast, ali kot (Audretsch, 1993, str. 68) pomoč in koordinacija države za dvig produktivnosti in konkurenčnosti celotnega gospodarstva ter posameznih industrij. Izraz industrijska politika se uporablja (Geroski, 1995, str. 21) za opisovanje široko razpredenih in mikroekonomsko zasnovanih državnih vzpodbud, izhajajočih iz ponudbene strani, ki naj bi izboljšale tržno delovanje na različne načine. Industrijsko politiko sestavljajo ukrepi države, ki se dodeljujejo z različnimi instrumenti na makroin mikroekonomskem področju. Ukrepi industrijske politike so različni, usmerjeni so v proizvodnjo določenih proizvodov, izboljšanje konkurenčnosti proizvodnje in faktorjev proizvodnje. Pri izvajanju ukrepov se države poslužujejo različnih instrumentov, ki jih lahko razvrstimo v dve skupini: na tiste, ki delujejo na mikroekonomski ravni, in na instrumente na makroekonomski ravni. Na mikroekonomski ravni države najpogosteje uporabljajo subvencije, državna poroštva, selektivne davke in prispevke (davčne olajšave, zmanjšanje davka in posebne davke za določena podjetja oziroma skupine podjetij), odloge plačila obveznosti, investicije v javna podjetja, kredite pod ugodnejšimi pogoji, kot so na trgu, državne nakupe in podobne instrumente. Za instrumente na makroekonomski ravni je značilna neselektivnost, na splošno pa je njihova uporaba v ekonomski teoriji in praksi manj sporna kot na mikroekonomski ravni. V to skupino instrumentov lahko uvrstimo gradnjo institucij (razvojne banke, izvozni konzorciji, institucije mrežnega sodelovanja med podjetji ipd.), izobraževalni sistem, določene vrste podpor nezaposlenim (npr. javna dela, prekvalifikacije), davčni sistem, gradnjo infrastrukture, devizni tečaj, obrestno mero ipd. 2.2 Industrijska politika in državne pomoči Po temeljni definiciji se industrijska politika in sistem državnih pomoči sicer razhajata, vendar po selektivnosti in značaju mikroekonomskih ukrepov ter finančnih instrumentov uporabljata enake ukrepe in instrumente. Vendar so državne pomoči nekoliko ožje opredeljene, kot jih opredeljuje industrijska politika, predvsem zaradi politizacije povsem ekonomskega področja, saj so iz državnih pomoči izključene predvsem pomoči, ki ne vplivajo na notranji trg Evropske unije. Nekoliko ožje zajetje je tudi pri instrumentih, med državne pomoči se ne vključujejo pomoči, ki izhajajo iz javnih naročil, nepobranih davkov in prispevkov ter nekaterih sicer splošnih (veljajo za vse) oprostitvah pri plačevanju davkov in prispevkov, ki podpirajo določene ukrepe industrijske politike.

87 86 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Sistem državnih pomoči izhaja iz politike konkurence, ki državne pomoči na splošno prepoveduje, in iz teorije (Nicolaides, Bilal, 1999, str. 30), ki uporabo državnih pomoči dopušča v primerih, če resnično odpravljajo tržne nepravilnosti. Še bolj kot tržne nepravilnosti pa zasleduje svetovne gospodarske trende, ki gredo v smeri globalizacije ekonomskih aktivnosti. Ti trendi so posebno pomembni v Evropski uniji, kjer integracija v notranji trg zahteva odpravo regulativnih in tehničnih ovir nacionalnih gospodarstev držav članic in s tem tudi ukrepov, ki so v nasprotju s cilji enotnega trga Evropske unije. Proces oblikovanja skupnih izhodišč do državnih pomoči so narekovale razmere na evropskem in na svetovnih trgih in segajo v leto Pravila o tem, komu se državne pomoči lahko namenijo, v kakšni obliki in v kakšni višini, so se oblikovala postopoma. Ustrezna ureditev sistema (Sinnaeve, 1999, str. 13) se je razvila šele v zadnjih dveh desetletjih. Predvsem po letu 1980 (Lavdas, Mendrinou, 1999, str. 19) je značilno, da sistem upošteva tako industrijsko politiko (z določitvijo programov in namenov pomoči) kot politiko konkurence (z določitvijo zgornjih omejitev kritja stroškov s pomočmi za posamezne programe in namene), odgovornost za delovanje sistema pa je ekonomska, politična in institucionalna. Kakšni so pogoji, da je državna pomoč upravičena, določa Pogodba Evropske unije, ne definira pa pojma državne pomoči. Definicijo sta s svojo prakso izoblikovala Evropsko sodišče in Evropska komisija. Dajatev je opredeljena kot državna pomoč, če zadošča naslednjim kriterijem: (1) pomoč daje država iz državnih virov, ki so lahko neposredni ali posredni, (2) pomoč zmanjšuje normalne stroške poslovanja prejemniku in mu na ta način daje konkurenčno prednost pred drugimi udeleženci na trgu, (3) pomoč izkrivlja konkurenco ali grozi z izkrivljanjem konkurence, (4) pomoč vpliva na trgovino in konkurenco med državami članicami Evropske unije. Po definiciji državne pomoči ne obsegajo le pozitivnih dajatev, plačil države, ampak tudi druge intervencije, s katerimi se zmanjšujejo obremenitve podjetja, ki bi jih drugače moralo nositi podjetje. Temeljna značilnost vseh ukrepov, ki imajo naravo državnih pomoči, je pridobitev ugodnosti za podjetje in obenem nastanek bremena za državo. Državne pomoči je treba razlikovati od splošnih ukrepov, ki sicer vplivajo na konkurenco med državami članicami, vendar so namenjeni vsem podjetjem, torej veljajo za vse enako in zato niso državne pomoči. Prav tako niso državne pomoči investicije v kolektivno infrastrukturo, posebno če je njen lastnik država, ter druge aktivnosti države, če se pri tem obnaša enako kot drugi udeleženci na trgu. Državne pomoči so tako po institucionalnih opredelitvah nezdružljive s konkurenco, vendar jih država v določenih okoliščinah lahko dodeljuje. Na eni strani so to pomoči, ki so "de jure" kompatibilne s cilji skupnega evropskega trga. To so pomoči, ki imajo socialni značaj in so namenjene posameznim potrošnikom pod pogojem, da so dane brez razlik glede porekla proizvodov, in pomoči, ki so dane ob naravnih nesrečah in izjemnih dogodkih. Na drugi strani pa gre za pomoči, ki so lahko kompatibilne s cilji skupnega evropskega trga: (1) pomoči za pospeševanje gospodarskega razvoja v regijah, kjer je življenjska raven podpovprečna in v katerih je visoka nezaposlenost; (2) pomoči, ki pospešujejo izpeljavo projektov, pomembnih za skupni evropski trg, ali zmanjšujejo resne težave v gospodarstvih članic Evropske unije; (3) pomoči, ki olajšajo in pospešujejo razvoj določenih gospodarskih aktivnosti (npr. razvoj majhnih in srednje velikih podjetij, raziskave in razvoj, varstvo okolja ipd.) ali določenih gospodarskih območij (tudi regij, ki so, četudi ležijo v bogatejših državah članicah, pod nacionalno ravnijo razvitosti); (4) pomoči, ki pospešujejo kulturo in ohranjanje dediščine in (5) druge kategorije pomoči, ki jih lahko na predlog Evropske komisije z večino glasov sprejme Svet. To celotno skupino pomoči lahko uvrstimo med pogojno dopustne.

88 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Sistem državnih pomoči je zasnovan pretežno tako, da namesto povečevanja skupne ekonomske blaginje bolj skrbi, da se z državnimi pomočmi ne bi izkrivljala konkurenca med državami članicami, katerih trgi tvorijo notranji trg Evropske unije. Programe državnih pomoči praviloma (razen posebej določenih izjem) potrjuje Evropska komisija, ki deluje na politični/legalno vakuumski osnovi, zato je tudi njena diskrecijska pravica do potrjevanja pomoči (Bilal, Nicolaides, 1999, str. 36) preširoka. Dobra stran sistema državnih pomoči pa je, da države vodijo ustrezne evidence in o dodeljenih državnih pomočeh tudi letno poročajo. 2.3 Informacijski sistem ukrepov in instrumentov industrijske politike Industrijska politika je zavita v tančico skrivnosti tudi zaradi tega, ker ni pokrita z ustreznim informacijskim sistemom. Finančni ukrepi industrijske politike se izkazujejo po treh informacijskih sistemih: nacionalnih računih, državni finančni statistiki in z evidencami državnih pomoči. Nacionalni računi prikazujejo le subvencije, ki se nadalje delijo na subvencije na proizvode in subvencije na proizvodnjo. Takšna delitev je za potrebe industrijske politike občutno preskopa. Metodologija nacionalnih računov omogoča izdelavo posebnih satelitskih računov, ki bi lahko pokrili tudi potrebe po sistematičnem zbiranju podatkov o ukrepih industrijske politike. Potreba po izdelavi takšnega računa je bila že izražena v nekaterih strokovnih prispevkih. Državna finančna statistika izkazuje predvsem izdatke po ekonomski in funkcionalni klasifikaciji. Po ekonomski klasifikaciji so posebej izpostavljene le subvencije. Z dodatnimi analizami je mogoče preučevati tudi druge ekonomske namene, saj se izdatki praviloma evidentirajo po programih, ki zajemajo tako makroekonomske (npr. izdatke za gradnjo posebnih institucij, investicije v infrastrukturo) kot mikroekonomske ukrepe industrijske politike. Slabost sistema je, da ne pokriva drugih instrumentov (davčnih instrumentov, poroštev, posojil ipd.). Evidence državnih pomoči zajemajo bolj ali manj vse instrumente, vendar so nepopolne predvsem iz dveh razlogov. Prvi razlog tiči v sami definiciji državnih pomoči, ki izključujejo nekatere ukrepe industrijske politike. Drugi razlog pa je v tem, da se podatki zbirajo sekundarno. O njih poročajo dajalci pomoči, ki pogosto pri poročanju pozabijo poročati o določenem ukrepu (to je zelo pogosto pri ad hoc pomočeh) ali instrumentu pomoči. Posebno slabo so pokriti instrumenti, ki niso dotacije oziroma javnofinančni izdatki. Niti v teoriji niti v praksi svetovnih institucij se doslej ni razvila metodologija, ki bi podatke o finančnih ukrepih industrijske politike zbirala tako, da bi omogočali obsežnejše analize. Načini, ki so se razvili v Evropski uniji, OECD in Svetovni trgovinski organizaciji, pokrivajo le nekatere ukrepe, ki jih sintetizirajo po posameznih ciljih (programih). Višina ukrepa se določa s preračunavanjem koristi za prejemnike (Evropska unija), neto in bruto izdatkov države (OECD) ali v višini celotne transferirane vrednosti (Svetovna trgovinska organizacija). Predlagana načina merjenja koristi za prejemnike, oblikovana v OECD in Evropski uniji, sta ustreznejša od celotne transferirane vrednosti. Z metodološkega vidika je predlagan sistem industrijske politike OECD popolnejši od sistema državnih pomoči Evropske unije, žal pa se ni odrazil v ustrezni evidenci, saj je predlagano zbiranje podatkov o ukrepih industrijske politike po državah kmalu presahnilo. Kljub razhajanjem med industrijsko politiko in sistemom državnih pomoči pa lahko zbrani podatki o državnih pomočeh služijo tudi potrebam ocenjevanja industrijske politike iz preprostega razloga, ker drugih, popolnejših podatkov ni. Podatki, ki jih izkazujeta sistema nacionalnih računov in

89 88 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 državne finančne statistike, zajemajo le tekoče transferje države v podjetniški sektor kot cenovne podpore ali podpore tekoči proizvodnji in proizvodnim faktorjem, in so bistveno ožje definirani, kot jih zajemajo definicije državne pomoči. 3 MERJENJE UČINKOVITOSTI UKREPOV INDUSTRIJSKE POLITIKE Petdesetletna zgodovina merjenja učinkovitosti programov javnofinančnega trošnenja ni oblikovala tudi metodologije merjenja učinkovitosti ukrepov industrijske politike. Parcialne analize, zasnovane na različnih metodologijah in podatkovnih osnovah, so dale zelo različne rezultate. Tudi zaradi neustreznega merjenja učinkov ukrepov industrijske politike je področje industrijske politike manj raziskano področje, subvencije kot njihov instrument pa opredeljen kot manj zaželeno poseganje države v tržno gospodarstvo. 3.1 Metodološka izhodišča merjenja učinkovitosti Od prvih začetkov merjenja učinkovitosti posameznih programov, ki se je pričelo uveljavljati predvsem v petdesetih letih prejšnjega stoletja, se je do danes razvilo več različnih tehnik, ki jih lahko delimo v tri skupine (Premchand, 1993, str ): analize racionalnosti, regresijske analize in analize na podlagi modeliranja. Analize racionalnosti ugotavljajo napredek v primerjavi s preteklimi leti z vidika specifičnih ciljev in sodijo med preprostejše analize. Regresijske analize, ki so osnovane na statističnem pristopu, imajo širok spekter aplikacij. Povezujejo outpute z inputi in pojasnjujejo spremembe, ki pri tem nastajajo. Tretji, modelski pristopi preučujejo učinkovitost ukrepov iz različnih zornih kotov. V praksi se zaradi predvsem podatkovnih omejitev najbolj uporabljajo analize racionalnosti. Takšno merjenje učinkovitosti je manj natančno kot merjenje z različnimi, bolj sinteznimi merili vendar še vedno sprejemljivo posebno v primerih, če je merjenje z drugimi metodami dolgotrajno in drago. Podatkovne osnove, ki služijo za merjenje učinkovitosti ukrepov industrijske politike, so zaradi nepopolnih informacijskih sistemov različne. Strokovnjaki so doslej uporabljali predvsem podatke državne finančne statistike, vendar so ti podatki pogosto vključevali le centralne ravni, ne pa tudi nižjih, kjer se v nekaterih državah (npr. v ZDA) izvaja največ subvencioniranja. Podatki o subvencijah po nacionalnih računih, vključno s dohodkovnim in izdatkovnim računom in inputoutput tabelo (Ford, Suyker, 1989, str. 8) so na splošno bolj primerljive podatkovne osnove. Toda tudi podatki nacionalnih računov pokrivajo le ukrepe, ki se izplačujejo z instrumentom dotacije (subvencije), ne pa tudi ukrepov, dodeljenih z drugimi instrumenti, ki v Evropski uniji predstavljajo od 40 do 50 % vseh pomoči predelovalni industriji, po posameznih državah pa so ti razkoraki še večji. Pearsonov korelacijski koeficient (Clements, Rodrigues, Schwartz, 1998, str. 11) med subvencijami in državnimi pomočmi je v Evropski uniji 0,87 (pri nekaterih državah članicah npr. Franciji, Italiji pa je koeficient celo negativen), v EFTI pa komaj V zadnjih letih pa so vse številčnejše tudi raziskave, izdelane na osnovi podatkov o državnih pomočeh. Pri merjenju učinkovitosti ukrepov industrijske politike so strokovnjaki doslej preučevali različne vidike. Najpogosteje so se osredotočali na merjenje učinkovitosti pri zagotavljanju cilja, ki ga zasleduje posamezen ukrep. Takšne analize pa niso zadostne, saj ima vsak ukrep učinke ne le na cilj, ki ga zasleduje, temveč tudi na druge cilje. Vpliva namreč tudi na konkurenco na trgu, povzroča javnofinančne izdatke (ne le v višini transakcije, temveč tudi izdatke državne administracije pri zbiranju in razporejanju sredstev), možni učinki pa so tudi na okolju (npr.

90 STATISTIČNI DNEVI 2006 STATISTICAL DAYS pospeševanje razvoja»umazane«industrije) in nenazadnje socialnem razvoju (npr. pospeševanje zaposlovanja). V zadnjih nekaj letih so številni napori usmerjeni v oblikovanje metodologije, ki bi pokrila različne vidike vplivov ukrepov industrijske politike. 3.2 Rezultati empiričnih raziskav Različne študije učinkovitosti ukrepe industrijske politike primerja tudi z gospodarsko rastjo in razvojem. Starejše študije, ki izhajajo iz podatkov državne finančne statistike, preučujejo predvsem učinkovitost programov investicij, investicijskih transferjev in subvencij. Večina empiričnih ugotovitev potrjuje pozitivne korelacije med investicijami in gospodarsko rastjo, vpliv pa je manjši v primerih (Ott, 1993, str. 271) visoke stopnje zasebnih investicij v bruto domačem proizvodu. Empiričnih ugotovitev o vplivu subvencij na gospodarsko rast in razvoj je veliko, pri čemer večina avtorjev rast povezuje z rastjo bruto dodane vrednosti in bruto domačega proizvoda. Pri teh raziskavah je učinkovitost subvencij različna, v veliko primerih tudi negativna. Drugi avtorji (Ott, 1993, str. 267) subvencije povezujejo tudi s faktorji, ki vplivajo na rast, to je z rastjo stroškov energije, strukturo delovne sile, inflacijo, regulacijo, ravnijo rasti raziskovanja in razvoja ter javnih investicij, pa ugotavljajo praviloma pozitivne učinke. Vse več avtorjev zagovarja stališče, da bi morali pri ocenjevanju učinkov različnih ukrepov na gospodarsko rast in razvoj obravnavati vse instrumente, ne le javnofinančne izdatke, saj so učinki drugih instrumentov lahko drugačni kot učinki javnofinančnih izdatkov. Tak primer so tudi davčni instrumenti. Ukrepi, dodeljeni z davčnimi instrumenti v večini primerov le povečujejo (Pradhan, 1996, str ) "fiskalno luknjo" in samo v določenih, časovno omejenih primerih dajejo ugodne rezultate. Podobnega mnenja sta tudi Musgrava (Musgrave, Musgrave, 1989, str. 602), ki sta preučevala vplive davčnih spodbud pri investicijah, pospeševanju selektivnih industrijskih panog in izvoza. Pri splošnih investicijah sta ugotovila, da je učinkovitost bistveno boljša pri uporabi instrumentov posojil ali dotacij kot pri dolgoročnih davčnih instrumentih, posebno v primerih, ko lahko pričakujemo padanje potreb po investicijskem spodbujanju. Nekoliko ugodnejše rezultate kažejo davčne spodbude investicijam posameznih sektorjev, saj so učinkovite z vidika usmerjanja investicij v te sektorje. Vendar na selekcijo industrij, ki predstavljajo strateško vlogo v razvoju, vpliva tudi politični pritisk, zato se spodbude večinoma dajejo vzdrževanju javnih podjetij. Čeprav je selektivna raba spodbud v principu dobra, je njihovo učinkovitost težko ugotoviti. Instrumenti (davčni instrumenti, državna posojila, garancije) znižujejo tekoče javno trošenje (Tanzi, 1999, str. 28), povečujejo pa javni dolg in ustvarjajo potencialno velike javnofinančne izdatke v prihodnosti. Če posojila in garancije in njima podobni instrumenti niso izkazani kot izdatki, ustvarjajo iluzijo, da so javnofinančni izdatki manjši kot dejansko so. Raziskave, ki se pojavljajo predvsem v zadnjem desetletju, izhajajo iz podatkov državnih pomoči. V Evropski uniji učinke ugotavljajo na podlagi podatkov iz evidenc državnih pomoči in javnih investicij, v OECD pa jih ugotavljajo tako, da podatke iz evidenc pretvorijo v posebna ekvivalenta (Improving the Environment through Reducing Subsidies, 1998, str. 8) potrošnih in proizvodnih subvencij. Ekvivalent potrošnih subvencij meri vrednost finančnih transferjev, ki so usmerjeni potrošnikom, ekvivalent proizvodnih subvencij pa prikazuje vrednosti transferjev, ki so usmerjeni proizvajalcem. Oba ekvivalenta vključuje tako negativne (npr. davčne instrumente) kot pozitivne instrumente. Če vsaj terminološko sledimo metodologiji OECD in tema dvema skupinama (državne pomoči z značajem potrošnih subvencij in državne pomoči z značajem proizvodnih subvencij) dodamo še državne pomoči z značajem investicijskih subvencij lahko rezultate učinkovitosti, ki izhajajo različnih študij razdelimo na tri skupine.

91 90 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Raziskave učinkovitosti državnih pomoči z značajem potrošnih subvencij, ki predstavljajo razne oblike subvencioniranja cen, so pokazale, da so te pomoči z vidika gospodarske rasti (Gupta et al., 2000, str ) praviloma neučinkovite. 2. Državne pomoči s predvsem proizvodnim značajem vplivajo na gospodarsko rast in razvoj različno. Državne pomoči za zaposlovanje po nekoliko starejši neoliberalni ravnotežni teoriji ne izkazujejo učinkov, po novi teoriji ravnotežja pa obstaja celo negativna povezava, saj državne pomoči stimulirajo zaposlenost in znižujejo akumulacijo kapitala. Pri raziskavah in razvoju so učinki na poslovanje zasebnih podjetij praviloma ugodni, kar vpliva tudi na splošno gospodarsko rast. Učinki na gospodarsko rast so pozitivni tudi v primeru, če so podjetniški enaki ničli. Poglobljene analize (Roller, Friederiszick, 2001, str. 45) so pokazale tudi negativne korelacije, kar pomeni, da vsi ukrepi pomoči raziskavam in razvoju le ne dajejo zadovoljujočih rezultatov. Pomoči majhnim in srednje velikim podjetjem na splošno kažejo ugodne rezultate učinkovitosti (Roller, Friederiszick, 2001, str. 92), najugodnejši so pri instrumentu dotacije, pri posameznih namenih pa najbolj definirani nameni (varčevanje z energijo, varstvo okolja). Pomoči regionalnemu razvoju (Ford, Suyker, 1989, str ) so na splošno podobne pomočem raziskovanju in razvoju, saj lahko izboljšajo raven razvitosti manj razvitih regij, vendar imajo tudi druge učinke, čeprav slednji niso v ospredju. Izbira med pospeševanjem investiranja ali zaposlovanja v manj razvitih regijah je odvisna predvsem od političnih ciljev. Bolj učinkovite so spodbude zaposlovanju (Musgrave, Musgrave, 1989, str ), posebno v regijah, kjer so rezerve brezposelnih ali premalo zaposlenih v kmetijstvu velike. Pomoči izvozu in pomoči neposrednim tujim investicijam obsegajo kar nekaj ciljev. Pomoči so običajno usmerjene k makroekonomskim ciljem, predvsem k izboljšanju tekočega računa plačilne bilance, zato so zelo pomembne predvsem v manj razvitih državah. Da bi bile učinkovite (Musgrave, Musgrave, 1989, str. 605), ne bi smele biti povezane s prodajo ali dobički, kar je običajna praksa, temveč z davkom na dodano vrednost. 3. Študije z različnimi metodološkimi pristopi (White, 1993, str. 101) potrjujejo, da na rast pozitivno vplivajo državne pomoči z značajem investicijskih subvencij in druge javne investicije, stopnje pozitivne korelacije pa se razlikujejo v odvisnosti od metod preučevanja in od relativnega pomena javnih ali zasebnih investicij. Raziskave javnih investicij pogosto obravnavajo tako fizične investicije kot investicije v tehnološki razvoj in usposabljanje delovne sile skupaj, kot neločljivo povezane. V obeh primerih namreč rezultati kažejo pozitivne učinke na gospodarsko rast, produktivnost in druge faktorje gospodarske rasti, posledično pa tudi (Ott, 1993, str. 274) na produktivnost zasebnih investicij. Državne pomoči z značajem investicijskih subvencij, namenjene zasebnemu investiranju, ne vplivajo le na gospodarsko rast, temveč tudi na drugi proizvodni faktor, to je na delo in na stroške dela. Vplive na gospodarsko rast potrjujejo empirične raziskave na Švedskem (Bergstrom, 1997, str. 29), kjer je raziskava potrdila, da so pomoči za zasebne investicije učinkovite. Podobna raziskava je pokazala, da državne pomoči za investicije pospešujejo tudi plače delavcev, ki proizvajajo investicijske dobrine. Z vidika učinkov na zaposlenost pa investicijske pomoči povzročijo le začasno povečanje zaposlenosti, dolgoročno pa je povezava med njimi in zaposlenostjo celo negativna. Učinki državnih pomoči na gospodarsko rast so različni tudi po posameznih sektorjih. Najbolj subvencionirana sektorja sta kmetijstvo in predelovalna industrija. Državne pomoči kmetijstvu so najpogostejše in po obsegu največje (Clements, Rodrigues, Schwartz, 1998, str. 25), zmanjšujejo se le z zmanjševanjem deleža kmetijstva v bruto domačem proizvodu in stopnjo odprtosti gospodarstva. Na splošno nimajo pozitivnega učinka na gospodarsko rast, kar pa ne preseneča, saj se kmetijstvu dodeljujejo predvsem državne pomoči z značajem potrošnih subvencij. Podobno kot v kmetijstvu je večina državnih pomoči z značajem potrošnih subvencij tudi v prometu, raziskave pa kažejo (Roller, Friederiszick, 2001, str ), da so prav tako neučinkovite. Pomoči

92 STATISTIČNI DNEVI 2006 STATISTICAL DAYS predelovalni industriji so raznovrstne. Namenov je veliko, z vidika učinkovitosti pa so pomembne (Ford, Suyker, 1989, str. 21) pomoči mladi industriji in industriji v zatonu. Pri mladi industriji študije kažejo, da državne pomoči lahko pomagajo podjetju pri vstopu na trg, vendar ne povzročajo pričakovanih "spillover" učinkov. Pomoči industrijam v zatonu običajno niso kratkoročne pomoči podjetjem v začasnih težavah, pač pa pomoči v velikem obsegu in dolgoročne. Pri teh pomočeh je težko govoriti o njihovi učinkovitosti. Običajno niso učinkovite pri ohranjanju delovnih mest in tudi ne pri povečevanju konkurenčnosti in gospodarske rasti. 4 MERJENJE UČINKOVITOSTI UKREPOV INDUSTRIJSKE POLITIKE V SLOVENIJI Merjenja učinkov in učinkovitosti državnih pomoči na gospodarsko rast, konkurenčnost ter na druge cilje Evropska komisija ne predpisuje in učinkov dejansko tudi ne meri. Različne sisteme merjenja učinkov in učinkovitosti državnih pomoči imajo izdelane le posamezne države članice, predvsem tiste, ki imajo daljšo tradicijo pri merjenju učinkov proračunskega programiranja. Bolj ali manj sistematično je merjenje učinkov pokrito v okviru strukturnih skladov Evropske unije, kjer učinke merijo s pomočjo kazalnikov. Zahtevnejše in kompleksnejše analize izdelujejo strokovnjaki, rezultate raziskav smo na kratko prikazali v predhodni točki. Začetki institucionalnega merjenja učinkovitosti državnih pomoči v Sloveniji izhaja iz leta 2004, ko je bilo sprejeto posebno navodilo (Navodilo za merjenje učinkovitosti dodeljenih državnih pomoči, 2004), ki določa način merjenja učinkovitosti s kazalniki. Zbiranje podatkov in njihova analiza ter predstavitev rezultatov sistema merjenja učinkovitosti državnih pomoči je zasnovana tako, da o učinkovitosti dodeljenih pomoči poročajo dajalci pomoči, vsak za svoje sheme in individualne pomoči. Po prvih poročilih (izdelanih v letih 2004 in 2005) se je pokazala temeljna slabost takšnega merjenja, ki je v tem, da so za oceno učinkovitosti državnih pomoči odgovorni dajalci pomoči, zato so vse državne pomoči ocenjene kot učinkovite, ne pa neodvisna institucija, ki bi rezultate lahko realneje presojala. Obstajajo pa še druge slabosti, med katerimi sta pomembni tudi (1) merjenje le s kazalniki in (2) neustrezna medsebojna povezanost kazalnikov, zato je treba v drugi fazi vzpostaviti še kompleksnejša merila učinkovitosti, ki bi zajela tudi navzkrižne interese. Prve korake kompleksnejšega preučevanja ukrepov industrijske politike (državnih pomoči) predstavljajo posebne analize, s katerimi so bile ugotovljene: (1) splošne značilnosti v primerjavi z značilnostmi drugih držav Evropske unije; (2) alokacijske značilnosti, (3) razvojna usmerjenost in (4) distribucijski učinek. 1. Splošne značilnosti sistema državnih pomoči kažejo, da so državne pomoči v Sloveniji višje kot v državah starih članicah in bistveno nižje kot v državah, novih članicah Evropske unije. Struktura državnih pomoči, brez pomoči kmetijstvu, ribištvu in prometu (State Aid Scoreboard, 2006 spring update, str. 16, 22 in 49) je v Sloveniji na videz podobna strukturi povprečja držav, starih članic. V starih članicah je skoraj tri četrtine pomoči usmerjenih horizontalnim ciljem, med katerimi prednjačijo regionalne pomoči, sledijo pa pomoči za raziskave in razvoj, varstvo okolja ter majhna in srednje velika podjetja. Struktura državnih pomoči v novih državah članicah je povsem drugačna, saj so države namenjajo tri četrtine pomoči sektorskim ciljem (finančne storitve, posebnim sektorjem predelovalne industrije in premogovništvu). Slovenija je v letu 2004 namenila 72 % pomoči horizontalnim ciljem. Znotraj horizontalnih ciljev pa so med državami, članicami Evropske unije in Slovenijo občutne razlike. Raziskovanju in razvoju ter varstvu okolja Slovenija namenja podoben odstotni delež pomoči kot države evropske petnajsterice, bistveno manj pomoči namenja

93 92 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 regionalnemu razvoju ter majhnim in srednje velikim podjetjem, bistveno več pomoči pa zaposlovanju. Če bi prišteli še pomoči kmetijstvu, ribištvu in prometu (Sedmo poročilo, 2005) bi ugotovili, da slovensko industrijsko politiko bremenijo predvsem pomoči kmetijstvu. 2. Alokacija pomoči: Analiza razporeditve državnih pomoči po prejemnikih (Murn, 2005) kaže, da pomoči ne podpirajo hitrejših strukturnih sprememb. Slabo tretjino pomoči prejemajo dejavnosti kmetijstva in ribištva, dobro tretjino industrija in gradbeništvo, tretjino pa storitve, od tega veliko tudi pretežno netržno usmerjene storitve. Predelovalna industrija prejema državne pomoči v primerjalni višini bruto dodane vrednosti dejavnosti. Podrobnejši pregled po skupinah panog, razvrščenih po tehnološki intenzivnosti, pa kaže, da država z državnimi pomočmi najbolj podpira skupino nizko tehnološko intenzivnih panog, ki je že dlje časa v gospodarskih težavah. Skromna državna podpora v obliki državnih pomoči v skupinah visoko tehnološko in srednje visoko tehnološko intenzivnih panog ne pospešuje strukturne preobrazbe predelovalnih dejavnosti v smeri doseganja višjih stopenj bruto dodanih vrednosti. Različni podatki (rast bruto dodane vrednosti, delovna aktivnost, izvozna potencialnost) namreč kažejo, da so perspektive razvoja slovenske predelovalne industrije predvsem v skupini srednje visoko tehnološko intenzivnih panog, v drugih tehnološko intenzivnih panogah pa imajo razvojne potenciale le posamezne panoge. 3. Razvojna usmerjenost državnih pomoči: Slovenska industrijska politika ne podpira pospešenega razvoja, pač pa zasleduje specifične cilje, ki bolj ali manj ohranjajo obstoječo gospodarsko strukturo (Murn, 2005). Med v Strategiji razvoja Slovenije opredeljenimi prioritetami razvoja je še najbolj podprta prioriteta razvoja družbe, temelječe na znanju. Prioriteto podpira predvsem ugodna rast pomoči za raziskovanje in razvoj, ne pa tudi rast pomoči za usposabljanje delovne sile. Bistveno slabšo podporo ima prioriteta pospeševanja konkurenčnosti gospodarstva, saj je z državnimi pomočmi podprtih zelo malo investicij. Nizki pa so tudi različni nameni pomoči za pospeševanje rasti in razvoja majhnih in srednje velikih podjetij. Med posameznimi dejavnostmi je izrazito slaba razvojna usmerjenost državnih pomoči v kmetijstvu, ribištvu, rudarstvu, oskrbi z električno energijo in prometu, ugodnejša pa pri dejavnostih, ki izvajajo razvojno-raziskovalne storitve (nepremičnine, najem in poslovne storitve, izobraževanje ter zdravstvo in socialno varstvo). Med posameznimi panogami predelovalnih dejavnosti je razvojna usmerjenost državnih pomoči višja pri panogah z višjimi stopnjami tehnološke intenzivnosti. Slaba razvojna usmerjenost državnih pomoči se je v letu 2004 v primerjavi s predhodnimi leti, ko so bili zaznani že prvi pozitivni premiki, še poglobila (Poročilo o razvoju 2006, 2006, str ) in je precej slabša kot v Evropski uniji. Obremenjenost s sektorskimi cilji (kmetijstvom in drugimi posebnimi sektorji) (2003: 63,4 %; 2004: 71,9 %) ter s preusmeritvijo horizontalnih ciljev v sanacije obstoječih gospodarskih struktur (reševanje in prestrukturiranje, zaposlovanje) (2003: 10,0 %; 2004: 11,2%) marginalizirajo razvojno učinkovite namene, posebno investicije (regionalni cilj) in razvoj majhnih in srednje velikih podjetij (2003: 6,8 %; 2004: 3,7 %). 4. Distribucijski učinek: Tudi ugodnejša razvojna usmerjenost državnih pomoči ne bi bila posebej učinkovita, zaradi njihove izredne razdrobljenosti (Poročilo o razvoju 2006, 2006, str ). Številni dajalci pomoči, razdrobljeni ukrepi, ki niso ustrezno podprti z javnofinančnimi instrumenti, vodijo k razdeljevanju razpoložljivih virov pomoči, ne pa k zasledovanju ciljev. V štiriletnem obdobju ( ) (podatki iz evidence prejemnikov državnih pomoči) je bilo med podjetja in podjetnike posameznike ( prejemnikov) razdeljenih milijonov tolarjev državnih pomoči oziroma povprečno le 9,4 mio na prejemnika. Distribucija pomoči med prejemniki kaže, da je kar 73,6 % prejemnikov pomoči v štirih letih prejelo manj od milijona tolarjev, le odstotek prejemnikov pa več kot 100 mio. Največji zneski pomoči so usmerjeni (poleg železnice in treh elektrogospodarskih podjetij)

94 STATISTIČNI DNEVI 2006 STATISTICAL DAYS pretežno v cenovne podpore živilskopredelovalni industriji in sanaciji podjetij v težavah, večinoma iz skupine nizko tehnološko intenzivnih proizvodenj predelovalne industrije. 5 ZAKLJUČEK Vodenje različnih ukrepov industrijske politike zahteva njihovo medsebojno usklajevanje, saj lahko sicer pozitivni učinki enih ukrepov negativno vplivajo na učinke drugih. Študije kažejo, da je stopnja neusklajenosti ukrepov velika tako v Evropski uniji kot posameznih državah, zato so tudi pričakovani učinki manjši, javnofinančni izdatki zanje pa razmeroma visoki. S ciljem povečanja učinkovitosti in medsebojne usklajenosti posameznih ukrepov ter zniževanja javnofinančnih izdatkov, potekajo v zadnjih treh letih okrepljene aktivnosti v številnih delovnih telesih Evropske komisije, ki se odražajo tudi preko povečanega števila metodoloških in aplikativnih raziskav neodvisnih strokovnjakov. Ko govorimo o posameznih ukrepih posplošene ugotovitve (kot npr. vlaganja v raziskave in razvoj so na splošno razvojno učinkovita) ne držijo povsem, učinkovitost lahko ugotavljamo le na podlagi natačno opredeljenih ukrepov in predvidenih prejemnikov. Pri tem sta pomembna tako namen ukrepa kot tudi velikost sredstev, ki ta namen pokriva. Praviloma so razvojno učinkovitejši tisti ukrepi, ki so osredotočeni na reševanje določenega problema, kot ukrepi, ki so splošno usmerjeni na področja, ki jih želimo razvojno krepiti. Pri tem se moramo seveda zavedati, da veliko ukrepov ni oblikovanih po ekonomskih ciljih (Ford, Suyker, 1989, str ; Lavdas, Mendrinau, 1999, str. 3; Bilal, Nicolaides, 1999, str. 5). Neekonomski cilji obsegajo koristi, ki jih je težko finančno izraziti, saj v skupino sodijo tudi politični cilji. Ukrepe mora podpirati tudi primerna velikost javnofinančnih sredstev (in drugih instrumentov). Prevelika sredstva praviloma predstavljajo nadomeščanje ali izrivanje zasebnih sredstev, premajhna pa vodijo v razdrobljenost in državno neučinkovitost. Pomembno je tudi, da ukrepi ne zmanjšujejo konkurence na trgu. V Sloveniji smo doslej podrobneje analizirali le, kako ukrepi industrijske politike (državne pomoči) podpirajo cilje, postavljene s Strategijo razvoja Slovenije, in ugotovili, da jih ne. Merjenje učinkov s posebej izbranimi kazalniki za učinkovito vodenje industrijske politike ni dovolj predvsem iz dveh razlogov. Prvi razlog je v tem, da učinke ocenjujejo sami oblikovalci politike, kar povzroča pristranskost pri ocenjevanju. Drug razlog pa tiči v dejstvu, da imajo kazalniki zelo omejeno izrazno moč, zato z njimi lahko ocenjujemo le uspešnost izvedbe politike ne pa tudi njene učinkovitosti. Potreba po nadaljevanju graditve sistema merjenja učinkov in učinkovitosti ukrepov industrijske politike je dvojna. Prvič, pričakovani učinki bi se morali načrtovati na nacionalni ravni, kar pomeni s celovito politiko. Celovitost rešitve vidimo v Državnem razvojnem programu, ki je tudi izvedbeni dokument Strategije razvoja Slovenije. V Državnem razvojnem programu bi se lahko vsebinsko (programsko) uskladili različni cilji sektorskih politik, skupaj s proračunskimi pogajanji pa tudi javnofinančni viri zanje. Na ta način bi lahko zagotovili, da bi se že v fazi načrtovanja izločali ukrepi, ki niso kompatibilni z vsemi temeljnimi razvojnimi cilji. Drugič, Državni razvojni program bi moral biti tudi tekoče spremljan glede izvrševanja in doseženih učinkov. Naknadno ugotavljanje učinkov bi oblikovalcem politike nudilo osnovo za ukinjanje starih in sprejemanje novih ukrepov. Le na takšen način bi Slovenija lahko dosegla dva temeljna cilja. Prvi je nedvomno zniževanje obsega državnih pomoči in drugih javnofinančnih izdatkov, drugi cilj pa bi bil dosežen preko povečane učinkovitosti ukrepov s pozitivnimi vplivi na cilje, ki jih država želi doseči z industrijsko politiko.

95 94 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 LITERATURA IN VIRI 1. Audretsch David B. (1993). Industrial Policy and International Competitiveness. Nicolaides Phedon (ed.) Industrial Policy in the European Community. Maastricht: European Institute of Public Administration. 1. Bergstrom Fredrik. (1997). Characteristics of Public Supported Firms. Stockholm: Stockholm School of Economics, Bilal Sanoussi and Nicolaides Phedon. (1999). Understanding State Aid Policy in the European Community. Perspectives on Rules and Practice. The Hague: Kluwer Law International. 3. Clements Benedict, Rodrigues Hugo, Schwartz Gerd. (1998). Economic Determinants of Government Subsidies. Working Paper. Washington D.C.: International Monetary Fund. 4. Ford Robert and Suyker Wim. (1989). Industrial Subsidies in the OECD Economies. Working Papers. Paris: OECD, Economics and Statistics Department. 5. Geroski Paul A. (1995). European Industrial Policy and Industrial Policy in Europe. Grant Wyn (ed.): Industrial Policy. Alderhot: An Elgar Reference Collection. 6. Gupta Sanjeev et al. (2000). Equity and Efficiency in the Reform of Price Subsidies. A Guide for Policymakers. Washington D. C.: International Monetary Fund. 7. Improving the Environment through Reducing Subsidies. (1998). Part II: Analysis and Overview of Studies. Paris: OECD. 8. Lavdas Kostas A. (1999). Mendrinou Maria M.: Politics, Subsidies and Competition. The New Politics of State Intervention in the European Union. Cheltenham: Edward Elgar. 9. Murn Ana. (2005). Značilnosti finančnih ukrepov industrijske politike v Sloveniji. Delovni zvezek št. 2. Ljubljana: Urad Republike Slovenije za makroekonomske analize in razvoj. 10. Musgrave A. Richard, Musgrave B. Peggy (1989). Public Finance in Theory and Practice. Fifth Edition. New York: McGraw-Hill Book Company. 11. Navodilo za merjenje učinkovitosti dodeljenih državnih pomoči Ljubljana: Ministrstvo za finance. 12. Nicolaides Phedon. (1993). Industrial Policy: The Problem of Recounciling Definitions, Intentions and Effects. Nicolaides Phedon (ed.): Industrial Policy in the European Community. Maastricht: European Institute of Public Administration. 13. Ott Attriat F. (1993). Public Sector Budgets. A Comparative Study. Aldershot : Edward Elgar Publishing Limited. 14. Poročilo o razvoju (2006). Murn Ana (ur.). Ljubljana: Urad Republike Slovenije za makroekonomske analize in razvoj. 15. Pradhan Sanjay. (1996). Evaluating Public Spending. A Framework for Public Expenditure Reviews. World Bank Discussion Papers. Washington D. C.: The World Bank. 16. Premchand A. (1993). Public Expenditure Management. Washington D.C.: International Monetary Fund. 17. Roller L. H., Friederiszick H. W. (2001). Evaluation of the Effectiveness of State Aid Policy Instrument. Final Report. Brussels: European Commission. 18. Sedmo poročilo o državnih pomočeh v Sloveniji (za leta 2002, 2003, 2004), Ljubljana: Ministrstvo za finance. 19. Sinnaeve Adinda. (1999). State Aid Control: Objectives and Procedures. Bilal Sanousi and Nicolaides Phedon (eds.): Understanding State Aid Policy in the European Community. Perspectives on Rules and Practice. The Hague: Kluwer Law International. 20. State Aid Scoreboard Spring (2006). Brussels: Commission of the European Communities. 21. Tanzi Vito. (1999). The Changing Role of the State in the Economy. Fukasaku Kiichiro, De Mello Luiz R. Jr. (eds.): Fiscal Decentralization in Emerging Economies. Governance Issue. Paris: OECD. 22. White Howard. (1993). Aid, Investment and Growth : What Prospects in the 1990s? Murshed S. Mansoob, Raffer Kunibert (eds.) : Trade, Transfers and Development. Problems and Prospects in Twenty-first Century. Brookfield: Edward Elgar.

96 STATISTIČNI DNEVI 2006 STATISTICAL DAYS KOLIČINA IN STRUKTURA DELA TER ZAPOSLENOST V JAVNEM ZAVODU Franc Belčič POVZETEK Načrtovanje kadrov je običajno sestavni in nujni del poslovnega načrta. Če za poslovne subjekte v profitnem sektorju - in v pogojih konkurence - lahko predpostavimo, da obseg in strukturo kadrov v veliki meri regulira trg, je to v javnem sektorju prej izjema kot pravilo. V prispevku predstavljamo normativno metodo za določanje obsega in strukture kadrov v velikem javnem zavodu. Osrednji cilj te metode je, da to področje uredi čimbolj objektivno, zanesljivo in veljavno. To zagotavlja uresničevanje drugih pomembnih načel: preglednost, preverljivost, enakomernost obremenitve delavcev, prožnost glede na spremembe in podobno. Metoda sicer zahteva sorazmerno obsežno pripravo: členitev delovnega procesa, ocenjevanje zahtevnosti posameznih opravil in časovnega vložka za njihovo izvedbo in podobno, vendar izsledki ponujajo elemente, ki niso uporabni le za načrtovanje kadrov (v ožjem pomenu), ampak še za druga kadrovska in organizacijska opravila. QUANTITY AND STRUCTURE OF WORK AND EMPLOYMENT IN PUBLIC INSTITUTES SUMMARY Personnel plan is usually the essential part of the business plan. For the business subjects in competitive profit sector we can assume that the scale and structure of employees are mostly market driven. But this is more the exception than the rule in the public sector. In the text we are presenting the normative method for defining the scale and structure of employees in big public service organization. The main goal of method is to organize the area in objective, reliable and valid manner. This ensures fulfilment of other important principles: transparency, verifiability, equal pressure on employees, flexibility regarding the change, etc. However, method needs large amount of preparation: structuring of working process, evaluation of pretentiousness and other important factors of specific tasks, evaluation of the time needed for the fulfilment of tasks, calculation of effective working hours, definition of objective and verifiable data of the scale and structure of work, etc. The results of this method offer elements, which are not useful only for employee planning (in a narrower sense of a term) but also for other human resource and organizational tasks. Kar je merljivo, moramo meriti. Kar ni merljivo, moramo merljivo narediti. G. Galilei 1 UVOD Načrtovanje ali planiranje obsega in strukture kadrov je sestavni in nujni del poslovanja. Običajno je kadrovski načrt organsko vključen v poslovni načrt, lahko je bolj podrobno ali operativno pripravljen kot poseben dokument. Kadrovske načrte za del javnega sektorja ureja Zakon o javnih

97 96 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 uslužbencih (Uradni list RS, štev. 32/2006 uradno prečiščeno besedilo) ter Pravilnik o vsebini in postopkih za pripravo in predložitev kadrovskih načrtov (Uradni list RS, štev. 60/2006). Vendar ti predpisi kar je razumljivo ne urejajo podrobnejših strokovnih vsebinskih osnov in metod za določanje obsega in strukture zaposlenih. Načrtovanju kadrov v javnem sektorju je nedvomno potrebno posvetiti še mnogo pozornosti, kar zgovorno pričajo tudi besede poznavalca tega področja (čeprav stare že dve leti, verjetno še vedno veljavne): Koliko ljudi je po vaših ocenah preveč v vsej upravi? Mislim, da ni človeka, ki bi lahko to natančno ocenil. Kako veste, katero število zaposlenih je optimalno? Priznam, tega ne vemo. Mislim pa, da imamo v upravnih organih rezerve, da lahko z boljšim izkoristkom ljudi postopno zmanjšujemo število zaposlenih. Problem uprave je, da ni na trgu, in da je meriti njeno učinkovitost izjemno težko. Tržnih meril preprosto ni. Zato je pogosto treba delati po občutku. (Mija Repovž: Računa naj finančni minister, intervju z dr. Gregorjem Virantom, Delo, ). Čeprav javni zavodi ne spadajo neposredno v upravo, je problematika na tem področju verjetno podobna. V prispevku bomo predstavili metodo za določanje kadrovskega načrta v velikem javnem zavodu ali bolj določno, metodo za določanje obsega in strukture potrebnih kadrov. Metodo bi lahko uvrstili med normativne metode (Florjančič in sod., 1999), pri čemer se lahko uporablja za kratkoročno (letno ali celo kvartalno) načrtovanje, ob zanesljivih in veljavnih prognostičnih vhodnih podatkih o obsegu in strukturi dela pa tudi za daljša časovna obdobja. 2 OSNOVNA NAČELA S kadrovskimi normativi in standardi (v nadaljnjem besedilu: KANS) določamo potreben obseg in strukturo kadrov za izvedbo nalog in zadolžitev ter za doseganje ciljev zavoda. 1. Obseg in struktura delavcev zavoda mora biti odvisna od obsega in strukture opravil a. Vsebina opravil zavoda je določena z zakonom in podzakonskimi akti ter predpisi na ravni zavoda (statut, pravilniki, organizacijski predpisi in navodila ipd.). b. Obseg in struktura opravil je praviloma določena z vsakoletnim poslovnim načrtom zavoda. c. Sprejem načela, po katerem se vzpostavi (neposredna) soodvisnost med obsegom in strukturo opravil ter obsegom in strukturo delavcev, hkrati pomeni sprejem posledic, to je določenega nihanja v skupnem številu delavcev, njihovi razporeditvi po organizacijskih enotah, obenem tudi sprememb v njihovi strukturi. d. Podobne dopolnitve ali popravke se izvede tudi v primeru, če se določena opravila dodajajo ali kako drugače spreminjajo.

98 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Obseg opravil mora biti merljiv, preverljiv in pregleden a. Delo, ki ga mora opraviti zavod, se lahko členi do različne globine (od najbolj splošnega do najbolj podrobnega). Praktično je v KANS sprejeto načelo, da se kot enota za merjenje vključi tisto opravilo, ki predstavlja sorazmerno zaokroženo enoto - in ga je mogoče meriti oziroma ugotavljati iz obstoječih standardnih baz podatkov - ter je podatke hkrati mogoče preveriti. b. Preglednost in transparentnost se doseže s smiselnim grupiranjem opravil v širše kategorije, ki so v glavnem prevzete iz Pravilnika o notranji organizaciji, in v večini primerov sledi procesnemu vidiku izvedbe opravil. c. Za vsako vključeno opravilo se oceni potreben čas za izvedbo. Ocena je izražena v minutah ob predpostavki, da opravilo izvaja delavec, ki je strokovno usposobljen ob povprečni (normalni ali pričakovani) produktivnosti. Po potrebi se izvede tudi bolj natančne meritve potrebnega časa, če bi bilo to upravičeno ali smiselno. Za nekatera bolj kompleksna opravila v centralni službi spričo njihove narave takšen pristop praviloma ni možen ali ni smiseln. Zato je za KANS v centralni službi sprejeto načelo soodvisnosti od izračuna v operativnih organizacijskih enotah in je izraženo v odstotnem deležu glede na izračunano število delavcev v teh enotah po posameznih kategorijah. d. Za vodilna in vodstvena opravila so kadrovski normativi dejansko že določeni v Pravilniku o notranji organizaciji, torej so v KANS le ustrezno prevzeti. 3. Delavci morajo biti polno in enakomerno obremenjeni po vseh organizacijskih enotah - ter znotraj po delovnih področjih. Načelo se uresničuje preko realizacije 1. in 2. načela. 4. Izvedba mora biti čimbolj racionalna in praktična a. Zasnova KANS je analitična, kar pomeni sorazmerno velik vložek v pripravo, vendar je takšna zasnova pregledna in dokaj enostavna za praktično uporabo. b. Za vsako opravilo je znan obseg, potreben čas za izvedbo in s tem po ustreznem preračunu potrebno število delavcev. To pomeni, da imamo za utemeljitve na področju kadrovske zasedbe v zavodu in za utemeljevanje zunanjim dejavnikom (financerju ipd.) ustrezne podatke ali argumentacijo. Sorazmerno preprosto lahko izračunamo, kaj pomeni, če se določeno opravilo spremeni v elementu, ki pomeni kadrovske posledice. V primeru omejevanja se lahko posamezna opravila razvrščajo v prioritete (A, B, C ipd.), črtajo, dodajajo nova ipd. Analitični pristop skratka olajšuje ocenjevanje sprememb. c. S sestavljanjem elementov lahko dobimo tudi bolj celovito podobo, torej kadrovske normative za organizacijsko enoto, posamezno delovno področje ipd.

99 98 STATISTIČNI DNEVI 2006 STATISTICAL DAYS METODA ZA IZRAČUN Glede na predstavljena izhodišča in načela so pripravljeni izračuni po organizacijskih enotah, področjih in delovnih področjih. Za primer je del izračunov v prilogi 1. Tabele vsebujejo po stolpcih naslednje podatke: - Stolpec 1. Zaporedna številka. Ustrezno členjena znotraj skupine. - Stolpec 2. Skupina opravil, opravilo. Kratka označba opravila ali skupine opravil. Kriterij za uvrstitev in členitev opravila je presoja, po kateri mora biti za opravilo na razpolago uradni podatek, praviloma iz obstoječih baz podatkov, in hkrati podatek, ki je merljiv in preverljiv. Opravil, ki jih ni mogoče količinsko opredeliti ali/in ni mogoče oceniti časa za njihovo izvedbo, se ne vključuje. - Stolpec 3. Standard. Označen je osnovni standard za izvedbo opravila, ki je praviloma kvantificiran neposredno ali posredno. Standard je določen za opravila, kjer je to vsebinsko smiselno. Kvantifikacija standarda neposredno vpliva na izračun normativa. - Stolpec 4. Prioriteta. Uporabljena je naslednja razvrstitev: A) naloge, ki jih mora zavod izvajati obvezno in v polnem obsegu ter nove naloge, dogovorjene s pristojnim ministrstvom; B) naloge, ki jih mora zavod izvajati oziroma jih izvaja na podlagi zakona in drugih predpisov, vendar bo njihov obseg in strukturo prilagajal glede na razpoložljive vire; C) naloge, ki jih bo zavod izvajal proti plačilu (odplačna dejavnost). - Stolpec 5. Zahtevnost opravila. Analitični pristop omogoča bolj natančno presojo zahtevnosti posameznega opravila, ki je določena (ocenjena) na lestvici I. do VII. (povzeti po tarifnih razredih, posredno po izobrazbenih stopnjah). - Stolpec 6. Čas za izvedbo opravila na eno stranko (v min.). Ocena potrebnega časa na podlagi strokovne presoje, ki jo je možno preverjati oz. popravljati z neposrednim merjenjem na vzorcu, zmanjševati z izboljšavami ipd. Ocena ima pomemben vpliv na izračun. - Stolpec 7. Čas za izvedbo celotnega opravila (v min.). Ocena je dobljena na enak način kakor v stolpcu 6, in sicer za opravila, ki se ne vežejo neposredno na delo s posamezno stranko, ampak na opravilo. - Stolpec 8. Čas za pripravo dela (v min.). Ocena potrebnega časa za pripravo na posamezno opravilo. Uporabljeno le v nekaterih primerih, sicer je čas za pripravo vključen splošno v korekcijske količnike. - Stolpec 9. Skupni čas (v min.). Seštevek stolpca (6 + 8) ali (7 + 8). Stolpec 10. Obseg dela. Vpiše se število iz poslovnega načrta. Stolpec 11. Potrebno število delavcev glede na efektivni delovni čas na letni ravni = (stolpec 9)*(stolpec 10) : 60 minut : 1512,2 ur

100 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Potrebno število delavcev je torej odvisno od potrebnega časa za izvedbo opravila ter obsega dela. Ker pa zgolj enostaven produkt ni uporaben, se formula ustrezno dopolni s prvo korekcijo, in sicer: - Potrebno število delavcev se izračuna na letni ravni. - Upošteva se efektivni delovni čas, torej le čas, ko je delavec na razpolago za delo. Pomeni, da je od nominalnega števila (plačanih) delovnih ur na leto (174 ur mesečno x 12 = ur) potrebno odšteti vse odsotnosti, pri katerih delavec ni na razpolago (letni dopust, bolezenska odsotnost, čas za odmor med delom ipd.). Bolj podrobno je omenjena korekcija prikazana v tabeli 1. Tabela 1: Preračun efektivnega delovnega časa KATEGORIJA delež odsotnosti v skupnem fondu ur v % število ur na delavca na mesec število ur na delavca na leto (2)*12 število dni na delavca na leto (3)/8ur opombe skupno število ur - obračunsko ocena odsotnosti na račun 2 bolezenske odsotnosti do 30 dni, nad 30 dni in nege ocena odsotnosti na račun osnovne 3 priprave za delo ocena odsotnosti na račun izrabe 4 letnega dopusta plačane odsotnosti na račun 5 praznikov po zakonu 5,2 % 9,1 108,6 13,6 a 0,8 % 1,4 16,68 2,1 b 11,00 % 19,1 229,6 28,7 c 5,75 % d 6 ODSOTNOSTI SKUPAJ ( ) 39,5 474,88 59,4 7 EFEKTIVNI DELOVNI ČAS, BREZ UPOŠTEVANJA ODMORA ZA MALICO (1-6) 134,5 1613,1 201,6 8 odmor za malico - računan na efektivni delovni čas 8,41 100,92 12,6 e 9 EFEKTIVNI DELOVNI ČAS, SKUPAJ (7-8) 126,1 1512,2 189,0 OPOMBE: a, b, c = ocenjeno na osnovi deležev iz kadrovske evidence d = uradni podatki za leto 2002 e = polurni odmor za malico na vsak efektivni delovni dan To praktično pomeni, da je od ur na delavca na leto upoštevano 1.512,2 ur, ko je delavec dejansko na razpolago. Izraženo relativno, 72,4 % od celote. Korekcijo upoštevamo zaradi poenostavitve enako za vsa opravila, čeprav se dejansko ne porazdeljuje linearno. Prve korekcije se ne upošteva za vodilna in vodstvena opravila, ter opravila, ki so izražena kot razmerje na število zaposlenih. Po izračunu glede na prikazano formulo se izvede še drugo in tretjo korekcijo na normativno število delavcev (ti so izračunani le za širše sklope opravil, ne za vsako opravilo posebej):

101 100 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Druga korekcija na račun priprave na delo v višini 5 % efektivnega delovnega časa. To pomeni 75 ur na letni ravni na delavca (75 ur : 1512,2 ur X 100 = 5 %) ali 6,25 ur na mesec. Priprava na delo vključuje čas, potreben za neposredno strokovno in operativno usposabljanje in pripravo na delo (aplikacijo organizacijskih predpisov in navodil, novosti pri delu ipd.); 1 na račun organiziranega izobraževanja in usposabljanja v višini 1,6 % efektivnega delovnega časa. To pomeni 24,6 ur na letni ravni na delavca (24,6 ur : 1512,2 ur X 100 = 1,6 %) ali 2,05 ure na mesec. Organizirano izobraževanje in usposabljanje vključuje čas, potreben za aktivno sodelovanje na seminarjih, delavnicah ipd., ki jih izvajajo inštruktorji zavoda ali/in zunanji izvajalci. 2 Druga korekcija pomeni v seštevku 6.6 % efektivnega delovnega časa. Tretja korekcija na račun povečanega časovnega vložka za delo na manjših organizacijskih enotah izhaja iz dejstva iz dejstva, da morajo na manjših organizacijskih enotah številni delavci opravljati večje število raznovrstnih opravil, ker imajo zaradi manjše kadrovske zasedbe manjšo možnost specializacije. Pomeni, da zato porabijo zlasti več časa za usposabljanje in za pripravo na delo. Ta vpliv smo ocenili v višini 5%. Druga in tretja korekcija glede na naravo dela oziroma način izračuna ni upoštevana: za vodilna in vodstvena opravila (delavce); za področja, kjer je kadrovski normativ izveden iz števila delavcev po normativu; za centralno službo. Stolpec 12: Opombe. 4 SKUPNI KADROVSKI NORMATIVI Na podlagi analitičnih so izdelani skupni kadrovski normativi, ki bolj zaokroženo in krajše povzemajo vsa razmerja, ugotovljena po analitični metodi. Skupni kadrovski normativi so prikazani v prilogi 3, ki vsebuje: Stolpec a šifra normativa. Grupirani so za OS in UD po področjih (N1 do N27) in v CS (N28 do N40). Stolpec b ime skupnega normativa. Kratko poimenovanje, na primer N1 obravnava novo prijavljenih brezposelnih oseb. Stolpec c osnova za izračun. V primeru skupnih normativov se število potrebnih podatkov glede na analitično metodo bistveno zmanjša in poenostavi. Praviloma so osnove za izračun povzete iz poslovnega načrta. Za CS je zaradi uresničevanja načela soodvisnosti kadrovskih normativov glede na izračunana razmerja v OS in UD osnova v večini primerov določena s številom zaposlenih v OS in UD po primerljivih področjih 1 Prva korekcija ne vključuje že upoštevane korekcije v višini 0,8% ali 1,4 ure na delavca na mesec, ki se nanaša le na porabljen čas za strokovne oziroma informativne sestanke. 2 Upoštevani so podatki zavoda za obdobje I. VI. 2003, ko je bilo v ta namen uporabljenih ur, s skupno udeležbo delavcev, kar pomeni 12,3 ure na udeleženca. Po preračunu za celotno leto torej ur, izračunano ur : ur = 21,7 delavcev : 1327 delavcev (vsi delavci s pogodbo o zaposlitvi, vključno z javnimi delavci) X 100 = 1,6 %. K temu je dodan tudi čas na račun delovanja v Svetu delavcev in sindikatu.

102 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Stolpec d kadrovski normativ. Prikazuje praviloma število oseb ali storitev na enega delavca na letni ravni ali delež (%) od osnove ali že absolutno določeno ali določljivo število delavcev. Po področjih so dodana orientacijska razmerja za kadrovsko strukturo po zahtevnosti opravil oziroma tarifnih skupinah oziroma stopnjah javno veljavne izobrazbe. 5 ŠIRŠA UPORABNOST KADROVSKIH NORMATIVOV Poleg določanja obsega in strukture potrebnih kadrov omogoča predstavljena metoda osnovo za: specifične opise delovnih mest in (delovnih) področij ter za določanje pogojev za opravljanje dela; ugotavljanje skladnosti med dejanskimi pogoji za opravljanje dela ter formalnimi pogoji, ki jih izpolnjuje delavec; ukrepe na področju organiziranja dela (združevanju opravil v okviru organizacijskih enot ali med organizacijskimi enotami ipd.). Bolj pregledno je postopek prikazan na sliki 1.

103 102 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Slika 1: Shema postopka za določanje kadrovskih normativov in standardov ČLENITEV DELOVNEGA PROCESA PO OPRAVILIH OZIROMA PO SKUPINAH OPRAVIL POSLOVNI NAČRT Nabor nalog Obseg dela DOLOČITEV ZNAČILNOSTI OPRAVILA Standard Prioriteta (A, B, C) Zahtevnost (I. do VII.) Čas za izvedbo SKUPNI POTREBNI ČAS ZA IZVEDBO OPRAVILA (s prvo korekcijo) Služba za kadrovske in organizacijske zadeve UPORABA PODATKOV O VSEBINI, OBSEGU IN ZNAČILNOSTI OPRAVIL: Za specifične opise delovnih mest in (delovnih) področij ter za določanje pogojev za opravljanje dela. Za ugotavljanje skladnosti med dejanskimi pogoji za opravljanje dela ter formalnimi pogoji, ki jih izpolnjuje delavec. Za ukrepe na področju organiziranja dela (združevanju opravil v okviru organizacijskih enot ali med organizacijskimi enotami ipd.) IZRAČUN NORMATIVNEGA ŠTEVILA DELAVCEV NA LETNI RAVNI (po organizacijskih enotah, delovnih področjih ipd.) Služba za kadrovske in organizacijske zadeve PRESOJA O SKLADNOSTI IZRAČUNA GLEDE NA FINANČNE IN DRUGE MOŽNOSTI Vodstvo Zavoda Izračun ustreza možnostim za izvedbo. Celotno ali delno upoštevanje druge in tretje korekcije. Služba za kadrovske in organizacijske zadeve Izračun je nad možnostmi za izvedbo. Predlog ukrepov. Generalni direktor KADROVSKI NAČRT (za poslovno leto) Generalni direktor IZVAJANJE KADROVSKEGA NAČRTA Vodilni delavci Zavoda Služba za kadrovske in organizacijske zadeve SPREMEMBE V OBSEGU IN STRUKTURI DELA MED LETOM Komisija za kadrovske kvote SPREMEMBE IN DOPOLNITVE KADROVSKEGA NAČRTA Generalni direktor PREDLOG ZA SPREMEMBE IN DOPOLNITVE KADROVSKEGA NAČRTA Komisija za kadrovske kvote 6 LITERATURA IN VIRI Belčič, F. (2004): Kadrovski normativi in standardi v Zavodu Republike Slovenije za zaposlovanje (ZRSZ), interno gradivo Florjančič, J., Ferjan, M., Bernik, M (1999): Planiranje in razvoj kadrov, Založba Moderna organizacija v okviru FOV, Kranj Pravilnik o vsebini in postopkih za pripravo in predložitev kadrovskih načrtov, Uradni list RS, štev. 60/2006 Repovž, M.: Računa naj finančni minister, Delo, Zakon o javnih uslužbencih, Uradni list RS, štev. 32/2006 uradno prečiščeno besedilo

104 STATISTIČNI DNEVI 2006 STATISTICAL DAYS PRILOGA Priloga 1: Analitični kadrovski normativi (primer oziroma ilustracija izračunov) I. ZAPOSLOVANJE BREZPOSELNIH OSEB (OS, UD) ZAP. ŠT. SKUPINA OPRAVIL, OPRAVILO STANDARD PRIORITETA (A, B, C) ZAHTEVNOST OPRAVILA čas za izvedbo opravila na eno stranko (v min.) čas za izvedbo celotnega opravila (v min.) čas za pripravo dela (v min.) skupni čas (v min.) = (6+8) ali (7+8) OBSEG DELA (podatki za leto 2002) POTREBNO ŠTEVILO DELAVCEV glede na efektivni delovni čas na letni ravni = [(stolpec 9)*(stolpec 10)/60 minut/1512,2 ur] OPOMBE Obravnava novoprijavljenih brezposelnih oseb osnovno osebno informiranje ob vpisu v evidenco brezposelnih oseb osnovno osebno informiranje brezposelnih oseb oziroma iskalcev zaposlitve vpis v evidenco brezposelnih oseb skupinsko informiranje brezposelnih oseb vsaka oseba, ki izpolnjuje predpisane pogoje za vpis v evidenco vsaka oseba, ki želi oziroma zahteva informacijo (osebno, po telefonu ); povprečno po dve informaciji na brezposelno osebo na letni ravni vsaka oseba, ki izpolnjuje predpisane pogoje za vpis v evidenco; pridobitev nujnih podatkov za posredovanje v roku dveh dni po vpisu v evidenco, če je to potrebno novo prijavljene osebe; triaža; velikost skupine približno 20 oseb; najkasneje v roku 14 dni po vpisu v evidenco (skupaj 80% glede na priliv) A V ,4 A V ,6 priliv *2 A V ,4 A VI ,2 priliv*0,80; opravilo poteka izjemoma tudi individualno 1.5. izdelava prvega zaposlitvenega načrta vsaka vpisana oseba; najkasneje dva meseca po vpisu v evidenco (skupaj 80% glede na priliv v tekočem letu) A VI ,8 priliv*0,80 glede na standard; dejansko upoštevano priliv*0, izvedba delavnice za iskanje zaposlitve novo prijavljene osebe od priprave zaposlitvenega načrta do vključno 6 mesecev od prijave; okrog 25% od novo prijavljenih; v povprečju 12 oseb na eno delavnico (skupino) B VI , oseb/12 oseb = 358 skupin 1.6. sprejemanje in evidentiranje vlog za denarna nadomestila, denarne pomoči ipd. vsaka oseba, ki predloži vlogo A V , (DN) (DP) (povračilo stroškov iskanja zaposlitev) = 73163

105 104 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Priloga 1: Analitični kadrovski normativi (primer oziroma ilustracija izračunov) (nadaljevanje) I. ZAPOSLOVANJE BREZPOSELNIH OSEB (OS, UD) ZAP. ŠT. SKUPINA OPRAVIL, OPRAVILO STANDARD PRIORITETA (A, B, C) ZAHTEVNOST OPRAVILA čas za izvedbo opravila na eno stranko (v min.) čas za izvedbo celotnega opravila (v min.) čas za pripravo dela (v min.) skupni čas (v min.) = (6+8) ali (7+8) OBSEG DELA (podatki za leto 2002) POTREBNO ŠTEVILO DELAVCEV glede na efektivni delovni čas na letni ravni = [(stolpec 9)*(stolpec 10)/60 minut/1512,2 ur] OPOMBE zahtevnejše ugotavljanje statusa osebe, ažuriranje in vzdrževanje evidenc vsaka oseba, za katero je potreben zahtevnejši postopek ugotavljanja njenega statusa - 1/3 od povprečnega števila brezposelnih oseb; ažurne in urejene evidence A V , *0,33 = Komentar. Prikazan je majhen izvleček iz analitičnih normativov. Vzemimo opravilo 1.3., to je vpis v evidenco brezposelnih oseb. To opravilo je obvezno (prioriteta A), stopnja zahtevnosti je V, čas za izvedbo pri eni brezposelni osebi je ocenjen na 15 minut (celoten postopek, vključno s posredovanjem nujnih podatkov za posredovanje). Po preračunu je potrebno 14,4 delavcev oziroma izvajalcev ob upoštevanem obsegu. Če bi uspeli z organizacijskimi in drugimi ukrepi čas pomembno spremeniti, na primer na 10 minut, bi znašal normativ 9,6 delavcev (s takšno potezo bi torej prihranili 4,8 delavca na letnem nivoju). Na podoben način je mogoče izvajati preračune za vsa opravila. Priloga 2: Skupni kadrovski normativi (izvleček) KADROVSKI KADROVSKI NORMATIV IME SKUPNEGA OPRAVILA ALI SKUPINA OPRAVIL, KI OSNOVA ZA NORMATIV - Efektivni delovni KADROVSKEGA ŠIF JIH VKLJUČUJE KADROVSKI IZRAČUN število oseb ali čas, potreben za NORMATIVA (po RA NORMATIV (kratek povzetek iz analitičnih (upoštevajo se storitev na enega obravnavo ene osebe področjih in normativov) podatki na letni ravni) delavca na letni oziroma storitve delovnih področjih) ravni (povprečje, izraženo v urah) a b c d d e ZAPOSLOVANJE BREZPOSELNIH OSEB I. (orientacijska razmerja po zahtevnosti: V. = 23 %; VI. = 62 %; VII = 15 %) 1) Osnovno osebno informiranje ob vpisu v evidenco brezposelnih oseb. 2) Osnovno osebno informiranje brezposelnih oseb oziroma iskalcev zaposlitve. 3) Vpis v evidenco brezposelnih oseb. priliv v registrirano obravnava novo 1,88 ure na eno novo 4) Skupinsko informiranje brezposelnih oseb. brezposelnost (število N1 prijavljenih 805 prijavljeno 5) Izdelava prvega zaposlitvenega načrta. novo prijavljenih brezposelnih oseb brezposelno osebo 6) Izvedba delavnice za iskanje zaposlitve. oseb) 7) Sprejemanje in evidentiranje vlog za denarna nadomestila, denarne pomoči ipd. 8) Zahtevnejše ugotavljanje statusa, ažuriranje in vzdrževanje evidenc. N2 svetovalno delo z brezposelnimi osebami 1) Zaposlitveno svetovanje. 2) Individualno poklicno informiranje. 3) Individualno poklicno svetovanje. 4) Individualno rehabilitacijsko svetovanje (vključno z invalidsko komisijo, zdravniško službo). 5) Timska obravnava. 6) Izdaja različnih potrdil. povprečno število brezposelnih oseb 560 2,70 ure na eno brezposelno osebo

106 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Priloga 2: Skupni kadrovski normativi (izvleček) (nadaljevanje) KADROVSKI KADROVSKI NORMATIV IME SKUPNEGA OPRAVILA ALI SKUPINA OPRAVIL, KI OSNOVA ZA NORMATIV - Efektivni delovni KADROVSKEGA ŠIF JIH VKLJUČUJE KADROVSKI IZRAČUN število oseb ali čas, potreben za NORMATIVA (po RA NORMATIV (kratek povzetek iz analitičnih (upoštevajo se storitev na enega obravnavo ene osebe področjih in normativov) podatki na letni ravni) delavca na letni oziroma storitve delovnih področjih) ravni (povprečje, izraženo v urah) a b c d d e 1) Individualne napotitve na aktualna prosta delovna mesta (z napotnico). posredovanje v število potreb po 0,44 ure na eno prosto N3 2) Organiziranje sestankov med delodajalcem zaposlitev delavcih (PD) delovno mesto in napotenimi osebami (skupinski pogovor o zaposlitvi). N4 N5 N6 N7 napotitve programe zaposlovanja v zaposlovanje tujcev, vezano na trg dela odjava iz evidence brezposelnih oseb informiranje in svetovanje delodajalcem ter koncesionarjem 1) Napotitve v programe zaposlovanja. 1) Osnovno informiranje delodajalcev o možnostih, pogojih in postopkih pri zaposlovanju tujcev. 2) Izdaja obvestil o možnostih za zaposlitev tujca na zahtevo delodajalca nove vloge. 3) Obravnava vloge za zaposlitev tujca ter izdaja ali zavrnitev delovnega dovoljenja. 4) Prijava o začetku in koncu dela tujca. 1) Odjava iz evidence brezposelnih oseb. 1) Sodelovanje s koncesionarji, ki imajo pogodbo z zavodom. 2) Informiranje in svetovanje delodajalcem ter koncesionarjem. število napotitev v programe zaposlovanja skupno izdanih dovoljenj število delovnih odliv iz registrirane brezposelnosti (število odjav) število informacij in svetovanj ,37 ure na eno napotitev 1,55 ure na eno izdano delovno dovoljenje 0,17 ure na eno brezposelno osebo, odjavljeno iz evidence 0,16 ure na eno informacijo oziroma svetovanje

107

108 STATISTIČNI DNEVI 2006 STATISTICAL DAYS SEKCIJA A2: UČINKOVITOST JAVNEGA SEKTORJA ZA PODROČJE ZDRAVSTVA SECTION A2: EFFICIENCY OF THE PUBLIC SECTOR IN THE FIELD OF HEALTH SECTOR Avtorji prispevkov / Papers by: Tatjana Kofol Bric, Inštitut za varovanje zdravja RS / Institute of Public Health Statistike zdravja in varnosti pri delu v luči pričakovanja Eurostata Health and Safety at Work Statistics in Focus of Eurostat Expectations

109

110 STATISTIČNI DNEVI 2006 STATISTICAL DAYS STATISTIKE ZDRAVJA IN VARNOSTI PRI DELU V LUČI PRIČAKOVANJA EVROSTATA Tatjana Kofol Bric POVZETEK Izboljševanje zdravja in varnost pri delu ima pomembno mesto v programih evropske skupnosti. Za spremljanje doseganja rezultatov se razvija enotna metodologija spremljanja podatkov povezanih s poškodbami pri delu in poklicnimi boleznimi. Poteka proces sprejemanja nove regulative, ki bo na področju statistike zdravja in varnosti pri delu Sloveniji uzakonila nove obveznosti. Hkrati ima Slovenija dolgo tradicijo spremljanja nekaterih podatkov, ki je le deloma skladna z dogovorjeno metodologijo. Poročanje podatkov v Sloveniji ima podlago v zakonskih predpisih različnih uporabnikov. S primerjavo obstoječega stanja v Sloveniji in načrtovanih sprememb ter pričakovanj evropskega statističnega sistema želimo prikazati potrebne prilagoditve v sistemu zbiranja podatkov in poročanju. Zahteve Evrostata za statistiko poškodb pri delu so jasno definirane, metodologija statistike poklicnih bolezni je še v razvoju. Za izpolnitev zahtev Evrostata glede poškodb pri delu so potrebne prilagoditve v sistemu. Potrebe Slovenije so pri nekaterih podatkih širše od zahtev evropskega statističnega sistema, upoštevati je potrebno tudi potrebe drugih mednarodnih institucij. Poenostavitve v sistemu in večja racionalnost zbiranja podatkov zahtevajo sodelovanje in dogovor med uporabniki administrativnih in statističnih podatkov. Za vzpostavitev statistike poklicnih bolezni je potreben razvoj domače metodologije, ki bo upoštevala zahteve evropskega statističnega sistema. HEALTH AND SAFETY AT WORK STATISTICS IN FOCUS OF EUROSTAT EXPECTATIONS SUMMARY Improvements in the health and safety at work are of mayor importance in European community programs. On recording data on accidents at work and occupational diseases harmonized methodology is developing to monitor the effectiveness of measures. Adopting a new regulation with new obligations for Slovenia in the field of health and safety at work statistics is taking place. At the same time Slovenia has a long tradition of some data monitoring only partially in accordance with agreed methodology. Data reporting in Slovenia is based on regulations of different users. Comparing the existing situation in Slovenia and planed actions with the results expected from Eurostat we have an aim to point out necessary adaptation of the data reporting and collection system. Eurostat requirements on accidents at work reporting are defined clearly. Methodology of occupational diseases reporting is still developing. To comply with the requirements of European statistics on accident at work some adaptations in the system are needed. Compared to European statistical system Slovenia s needs for some data are

111 110 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 broader and also specifications of other international institution have to be considered. System simplifications and more rational data collection demand cooperation and agreement between administrative and statistical data users. Development of Slovenian methodology on a basis of European statistical system is necessary for reestablishment of occupational diseases statistics. 1 UVOD Zdravje in delo se uvrščata med najpomembnejše vrednote posameznika in družbe. Zato je tudi spremljanje zdravja v povezavi z delom in obratno že tradicionalno deležno precejšnje pozornosti. Tudi v sodobnih razvojnih in političnih dokumentih se področje zdravja in varnosti delavcev redno pojavlja med prioritetnimi nalogami delovanja in doseganja izboljšav. Za planiranje učinkovitih politik in programov ter njihovo evalvacijo potrebujemo podatke o pojavu, ki lahko zadovoljijo strokovnjake različnih strok. Zaradi primerljivosti na meddržavnem nivoju se usklajujemo z dogovorjenimi metodologijami EU in svetovnih organizacij. 2 STATISTIKE ZDRAVJA IN VARNOSTI PRI DELU V SLOVENIJI Zbirke podatkov s katerimi ocenjujemo zdravstveno stanje delavcev v Sloveniji imajo več desetletno zgodovino. Opredeljene so z zakonodajo na področju zdravstvenega varstva ter varstva in zdravja pri delu. Podatki, ki so zbrani po različnih poteh se uporabljajo tudi za potrebe državne statistike. Letni program statističnih raziskovanj za leto 2006 med rednimi nalogami v modulu Varovanje zdravja v poglavju Javno zdravje kot nalogo Inštituta za varovanje zdravja (IVZ) opredeljuje statistiko zdravstvenega varstva delavcev. Podatki vključujejo število primerov in dni bolniškega staleža, indeks bolniškega staleža, število poškodb pri delu, število preventivnih obiskov, drugih aktivnosti v medicini dela, prometa in športa. V poglavju Zdravje in varnost pri delu je kot naloga IVZ in Zavoda za zdravstveno zavarovanje Slovenije (ZZZS) določena statistika začasne odsotnosti z dela zaradi bolezni, poškodb, nege, spremstva in drugih vzrokov. Med razvojnimi nalogami je v poglavju zdravje in varnost pri delu naloga IVZ modernizacija zbiranja podatkov o poškodbah pri delu v skladu z metodologijo Evropske statistike poškodb pri delu in statistika poklicnih bolezni, suma o poklicnih boleznih in bolezni v zvezi z delom, kjer je cilj vzpostavitev spremljanja poklicnih bolezni (8). Srednjeročni program statističnih raziskovanj je kot glavne usmeritve v poglavju javno zdravstvo navajal nalogi s področja poškodb pri delu in poklicnih bolezni ter zagotavljanje statističnih podatkov o invalidnih osebah (15). Kot izvajalci državne statistike na tem področju so navedeni Inštitut za varovanje zdravja RS, Zavod za zdravstveno zavarovanje Slovenije, Statistični urad RS. Pri razvojnih nalogah sodelujejo Ministrstvo za zdravje, Ministrstvo za delo, družino in socialne zadeve, Zavod za pokojninsko in invalidsko zavarovanje Slovenije. Temeljna podlaga za izvajanje zdravstvene statistike je Zakon o zbirkah podatkov s področja zdravstvenega varstva, kjer je IVZ določen kot upravljavec zbirk s področja zdravja in zdravstvenega varstva delavcev. Med te zbirke spadajo evidenca preventivnega zdravstvenega varstva delavcev, udeležencev v prometu in športnikov, ki se opravi v medicini dela, evidenca

112 STATISTIČNI DNEVI 2006 STATISTICAL DAYS poškodb pri delu, evidenca začasna in trajne odsotnost z dela, register poklicnih bolezni, sumov na poklicne bolezni in bolezni v zvezi z delom. Sama vsebina omenjenih raziskovanj je izrazito povezana s interesi na področju dela in zdravstvenega zavarovanja. Zato je zbiranje podatkov o zdravju in varnosti delavcev opredeljeno tudi z zakonodajo na področju dela in zavarovanja. Zakon o varnosti in zdravju pri delu nalaga delodajalcem obveznost, da vodijo številne evidence o varnosti in zdravju pri delu. Inšpekciji dela mora delodajalec takoj prijaviti vsako smrtno poškodbo oziroma poškodbo, zaradi katere je delavec nezmožen za delo najmanj tri zaporedne delovne dni, kolektivno nezgodo, nevarni pojav ali ugotovljeno poklicno bolezen (17). Obvezno zdravstveno zavarovanje uvršča med listine za njegovo izvajanje tako prijavo poškodbe pri delu kot začasne zadržanosti z dela (12). Usklajen nabor podatkov je več desetletij zadovoljeval osnovne potrebe uporabnikov podatkov o poškodbah pri delu in začasni zadržanosti z dela, ob tem pa so se predvsem pri podatkih o poškodbah pri delu kazale pomanjkljivosti v pretoku podatkov, neustreznosti nabora za zadovoljevanje zahtev evropske statistike in zaostajanje za tehnološkimi možnostmi. Za razliko od teh delujočih zbirk je bilo pred skoraj dvema desetletjema opuščeno zbiranje minimalnega nabora podatkov o poklicnih boleznih, ki ni dajalo osnovnega pregleda nad pojavom. To področje še vedno čaka na vzpostavitev sistema statističnega spremljanja v skladu z evropskimi in domačimi potrebami (13). 3 DELOVNO PODROČJE STATISTIKE ZDRAVJA IN VARNOSTI PRI DELU NA EVROSTATU Evropska gospodarska skupnost je že konec 80 let opredelila poseben pomen izboljšanju varnosti in zdravja pri delu. Direktiva sveta Evropske gospodarske skupnosti o uvajanju ukrepov za spodbujanje izboljšav varnosti in zdravja pri delu je v letu 1989 predstavljala eno od podlag za začetek harmonizacije statistike poškodb pri delu in poklicnih bolezni med državami članicami, ki se je pričela v letu 1990 (2). Na tej podlagi sta Evropski statistični urad (DG ESTAT) in generalni direktorat za zaposlovanje in socialne zadeve (DG EMPL) ob sodelovanju držav članic začela razvijati v delovnih skupinah skupno metodologijo za podatke o poškodbah pri delu in poklicnih boleznih, ki se iz posameznih držav zbirajo na Evrostatu. Sistemi zbiranje podatkov v posameznih državah so različni in izhajajo iz njihove tradicije. Vse države pa naj bi čimprej, najkasneje pa do sprejetja regulative, ki je v zakonodajnem postopku (3), uskladile poročanje Evrostatu z metodologijo, ki se sedaj izvaja na podlagi gentlemanskega dogovora. Temu se je pridružila tudi Slovenija že v predpristopni izjavi za članstvo v Evropski uniji. Osnutek regulative o statistiki skupnosti na področju javnega zdravja ter zdravja in varnosti pri delu je razdeljen na pet poglavij, v četrtem poglavju je opredeljena statistika poškodb pri delu, v petem pa poklicnih bolezni. Večji projekti, ki jih izvaja Evrostat na področju statistike zdravja in varnosti pri delu so: Evropska statistika poškodb pri delu (ESAW) Evropska statistika poklicnih bolezni (EODS) Priložnostni modul Ankete o delovni sili Poškodbe pri delu in z delom povezani zdravstveni problemi (Ad hoc LFS). Strukturni indikator - Resne in smrtne poškodbe pri delu

113 112 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Evrostat na področju teh statistik vzpostavlja tudi koordinativno vlogo med evropskimi ter tudi svetovnimi institucijami, ki ima za cilj predvsem racionalno zbiranje podatkov za več različnih uporabnikov. Med podprojekti in pilotnimi projekti se izvajajo projekti usklajevanja potreb po podatkih z drugimi uporabniki in dodatno zbiranje podatkov, ki niso zajeti v usklajeni metodologiji. Z Mednarodno organizacijo dela poteka zbiranje podatkov o poškodbah z manj kot 4 dni odsotnosti z dela, ki so izključene iz definicije evropske statistike poškodb pri delu. Kot podprojekt poteka zbiranje podatkov o poškodbah na poti na delo in iz dela, po podobni metodologiji kot za poškodbe na delu. 4 POŠKODBE PRI DELU Dodatno veljavo sprejeti metodologiji evropske statistike poškodb pri delu je dala Mednarodna organizacija dela v svoji resoluciji Statistika delovnih poškodb, ki nastanejo zaradi nezgod pri delu (14), ki je privzela večino evropske metodologije, tako da se ta uporablja tudi v državah izven EU, ki to želijo. Aktivnosti na statistiki poškodb pri delu so povezane z Anketo o delovni sili. Referenčna populacija, ki se uporablja za računanje incidence, izhaja iz podatkov te ankete. Za širši pregled stanja je bil v letu 1999 v anketo vključen priložnostni modul»z delom povezani zdravstveni problemi in nezgodne poškodbe«. V letu 2007 pa bo vključen modul o poškodbah pri delu in z delom povezanih zdravstvenih problemih (16). 4.1 Značilnosti metodologije Pri oblikovanju evropske metodologije so imeli ves čas pred očmi cilj pripraviti orodje za zbiranje podatkov, ki bodo uporabni za preprečevanje poškodb, hkrati naj bo to orodje čimbolj združljivo z obstoječimi statističnimi sistemi v državah članicah. Osnovni cilj je bil pripraviti metodologijo, ki bo uporabna, vendar ne preveč zapletena, hkrati pa odprta in prilagodljiva za spremembe. Te značilnosti omogočajo državam članicam, da naredijo potrebne izboljšave z dodajanjem novih podatkov na nacionalnem nivoju, da postopno prevzemajo metodologijo v različnih nacionalnih institucijah in če je potrebno razvijejo tudi iskanje nadaljnjih informacij o vzrokih in okoliščinah poškodb pri delu, brez kakršnih koli odklonov od osnovne strukture metodologije. Tabela1.: Primeri poškodb pri delu, ki se obvezno prijavljajo v nacionalnih sistemih država Vse Odsotnost z Prometne v Na poti na /z Nenadne poškodbe dela toku dela dela slabosti/kapi Avstrija Belgija Danska >1 dan Grčija Finska Francija Irska >3 dni Italija >3 dni

114 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Luxembourg Nemčija >3 dni Nizozemska Portugalska Španija Švedska >1 dan Švica V. Britanija >3 dni Slovenija vsaj 1 dan Vir: Inventory and analysis of national reporting systems on accident at work 4.2 Definicija Definicija poškodbe pri delu v evropskem statističnem sistemu je ožja kot v večini nacionalnih sistemov držav članic. Poškodba ali nezgoda pri delu je definirana kot nenaden dogodek v toku dela, ki povzroči telesno ali duševno škodo. Izključene so namerne samopoškodbe, poškodbe na poti na in z dela in poškodbe, ki imajo samo medicinski razlog nastanka ter poklicne bolezni. Vključeni so primeri, ki zahtevajo več kot 3 koledarske dni odsotnosti z dela. Kot smrtni primeri so definirani vsi tisti, kjer je smrt nastopila znotraj enega leta po poškodbi na delu (5). V prvi fazi so bile zajete spremenljivke, ki imajo namen ugotoviti gospodarsko dejavnost delodajalca, poklic, starost in spol žrtve, naravo poškodbe in del telesa, ki je poškodovan, kot tudi kraj dogodka, datum in uro nezgode. V drugi fazi so bili dodani podatki o velikosti podjetja, državljanstvu žrtve in zaposlitvenem statusu, kot tudi posledice poškodbe iz vidika izgubljenih dni, trajne nezmožnosti ali smrti. Da bi spodbudili bolj aktivno evropsko politiko za preprečevanje poškodb pri delu so v tretji fazi pokrite še druge usklajene spremenljivke in klasifikacije o vzrokih in okoliščinah poškodb pri delu, ki so v pomoč pri rekonstrukciji situacije in razmer v času nezgode. Rezultati teh analiz bodo dali uporabne informacije, ki bodo v pomoč pri razvoju novih in natančno usmerjenih preventivnih politik. Tabela2: Nabor podatkov za poškodbe pri delu po vsebinskih sklopih IZPOSTAVLJENOST DELAVEC -poklic -starost in spol -državljanstvo -zaposlitveni status PODJETJE -dejavnost -velikost -lokacija, datum, ura DELOVNI POGOJI -delovno okolje ZAPOREDJE DOGODKOV -specifična aktivnost v času nezgode in z njo povezan materialni agens -vzrok nezgode in z njim povezan ORGANIZACIJA DELA DELOVNO MESTO -delovni proces -opredelitev delovnega mesta

115 114 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 materialni agens -način poškodbe in z njim povezan materialni agens POŠKODOVANEC -oblika poškodbe -poškodovani del telesa izgubljeni dnevi Vir: European Statistics on Accidents at Work, Methodology 4.3 Zahteve za poročanje V skladu z metodologijo pripravljena baza podatkov s posameznimi zapisi primerov poškodb mora biti na Evrostat poslana enkrat letno. Vsak posamezen zapis mora vsebovati utež, ki je določena glede na nivo poročanja v vsaki gospodarski panogi, zaposlitvenem statusu in poklicu. Izpolniti je potrebno spremljajoči vprašalnik o veljavnosti podatkov poslanih na Evrostat, ki zadeva okvir podatkov, nivo poročanja, definicijo smrtnih primerov, definicijo dodatne lokacije podjetja (18). Poleg tega je potrebno zagotoviti tudi podatke za strukturni indikator resne in smrtne poškodbe, ki jih je zaenkrat dovoljeno pošiljati v agregirani obliki. Opcijsko je poročanje za pilotne projekte poškodbe na poti na delo in iz dela ter poškodbe, ki zahtevajo krajšo odsotnost z dela. 4.4 Kakovost podatkov Z namenom oceniti kakovost podatkov o poškodbah pri delu kot celote in v posameznih državah so bile narejene analize poročevalskih sistemov v državah članicah pred letom 2004 (6). Vsi posredovani podatki se na Evrostatu v sedanji fazi analizirajo predvsem z vidika kakovosti (1), pri čemer se uporabljajo tudi dodatni vprašalniki, ki jih izpolnjujejo poročevalci iz posameznih držav. Analiza je prepoznala dva osnovna poročevalska sistema glede na administrativni vir podatkov. V 10 državah članicah poročevalski sistem v osnovi temelji na prijavljanju zavarovalnicam. Pet držav pa ima statistični sistem zasnovan v glavnem na zakonski obveznosti prijavljanja poškodb pri delu pristojnim državnim oblastem, ki so pogosto inšpektorati za delo. V zavarovalniškem sistemu so finančne pravice vezane na prijavo poškodbe zavarovalnici. V številnih državah so te pravice večje, če je poškodba nastala na delu, kot pa doma ali v prostem času. Različne ekonomske spodbude pomenijo, da je nivo poročanja v zavarovalniškemu sistemu zelo visok in ocenjen na blizu 100%. Drugih pet držav ima v osnovi enoten sistem kritja socialne varnosti, v katerem pravice niso odvisne od prijave poškodbe pri delu. Ekonomskih spodbud za prijavo ni, ostaja le zakonska obveznost prijavljanja, kar v praksi pomeni, da je prijavljen le del poškodb pri delu, ki je ocenjen med 30 in 50% vseh poškodb pri delu. Definicija poškodbe pri delu, predvsem kategorije smrtnih in ostalih poškodb se med državami nekoliko razlikujejo. Nekateri sistemi prijavljanja registrirajo poškodbe kot smrtne le, če smrt nastopi v omejenem času od poškodbe. V nekaterih državah so vključene poškodbe ne glede ali je prišlo do odsotnosti z dela ali ne.

116 STATISTIČNI DNEVI 2006 STATISTICAL DAYS S pomočjo evalvacijskega vprašalnika, ki se pošilja hkrati z bazo podatkov, je opravljena ocena vira podatkov, ki je predpogoj za pravilno interpretacijo podatkov držav članic. Države morajo oceniti tudi vključenost skupin po zaposlitvenem statusu, gospodarski dejavnosti in poklicnih skupinah. Ta podatek je pomemben tudi za pravilno definiranje referenčne populacije za računanje frekvenc poročanja. Ocenjene velike razlike med državami so pripeljale do odločitve, da se podatki o strukturnem indikatorju resne in smrtne poškodbe pri delu po državah prikazujejo kot indeks na bazo iz leta 1998 in so ocenjeni kot ne dovolj kakovostni za objavo v poročilu o napredovanju lizbonske strategije. 4.5 Prenova statistike poškodb pri delu v Sloveniji Po letu 2000 je Evrostat pričel aktivno spodbujati prilagajanje na novo metodologijo v državah kandidatkah, med drugim tudi v Sloveniji. Delo, ki je bilo opravljeno v okviru Phare projekta (11), je dalo nekatere podlage za uskladitev potrebnega nabora podatkov. Inšpektorat za delo je prevzel pobudo in za poročanje za namen svoje dejavnosti uvedel nov obrazec(10), ki po vsebini skoraj v celoti zadovoljuje tudi potrebe poročanja Evrostatu. Ker pa postopek ni bil do konca usklajevan z drugima ključnima uporabnikoma, sta trenutno vzporedno v uporabi dva obrazca za zbiranje podatkov. Nastale razmere so predvsem posledica ustanovitve in ukinitve Urada za varnost in zdravje pri delu, ki je bil v času svojega delovanja pobudnik sprememb. Za racionalno zbiranje podatkov je sodelovanje ključnih uporabnikov nujno. Nadaljnjo racionalizacijo bomo dosegli z uvedbo elektronskega pretoka podatkov (9), ki je načrtovano v naslednji fazi. 4.6 Metodološke razlike Najnujnejši okvir podatkov za statistične namene je prav gotovo tisti, ki ga kot obveznega, predpisuje usklajena metodologija Evrostata. Nabor podatkov po tej metodologiji je od našega dosedanjega bolj obsežen v delu, ki natančno opredeljuje vzrok in mehanizem nastanka poškodbe v povezavi z materialnimi povzročitelji. V skladu z definicijo je potrebno opredeliti čas trajanja odsotnosti z dela, ki je glede na roke poročanja zelo nezanesljiv podatek in ga je potrebno dopolnjevati iz druge zbirke podatkov o začasni odsotnosti z dela. Za kakovost podatkov in objektivne analize zdravstvenega stanja in zdravstvenega varstva je velikega pomena od zdravnika postavljena diagnoza poškodbe, ki je nikakor ne moremo enačiti z opažanji in sklepanji prijavitelja poškodbe, evropska statistika pa je ne vključuje. Okvir zajema podatkov za evropsko statistiko je precej ožji od zakonske opredelitve poškodb pri delu v naši državi in od nabora podatkov, ki se je zbiral več kot 30 let. Z njim tudi ne moremo zadovoljiti zahtev po podatkih drugih mednarodnih institucij, ki zahtevajo poškodbe, ki povzročijo odsotnost z dela ne glede na trajanje ter tudi poškodbe na poti na delo in iz dela. Te podatke trenutno v okviru pilotnih projektov zbira že tudi Evrostat. 5 POKLICNE BOLEZNI Poznavanje števila in pogostosti poklicnih bolezni v različnih dejavnostih in poklicih daje pomembno osnovo za spremljanje in določanje prioritet preventivnih aktivnosti za izboljšanje zdravja in varnosti pri delu na nivoju EU. Sporno ostaja vprašanje, v kolikšni meri poklicne bolezni, ki jih zaznamo v različnih sistemih socialne varnosti, omogočajo primerno osnovo za primerjavo

117 116 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 tveganja za poklicne bolezni (4). Evropska komisija se je tega vprašanja lotila v letu 1995 s pilotskim projektom zbirke podatkov o priznanih primerih poklicnih bolezni. Zbirali so podatke o 31 poklicnih boleznih, ki so vključene v Evropsko listo poklicnih bolezni. Ugotovili so številne probleme primerljivosti podatkov, ki pa se jim je možno izogniti z izboljšavami pri zbiranju podatkov. Poudarili so, da podatki o verificiranih poklicnih boleznih odražajo ne le pojavljanje teh bolezni, ampak neizogibno tudi načine, na katere je koncept poklicne bolezni vključen v sistem socialne varnosti. Tudi takšne podatke je možno uporabiti za preventivo in za oceno pomembnosti problema. Na pobudo Evrostata je bil v letu 2004 narejen pregled stanja in možnosti za poročanje podatkov iz Slovenije. Pravne podlage omogočajo zbiranje podatkov, vendar v praksi to še ni vzpostavljeno. 5.1 Značilnosti metodologije evropske statistike poklicnih bolezni V prvi fazi je predvideno zbiranje podatkov o incidenci poklicnih bolezni v referenčnem letu in že priznanih primerov, ki so pripeljali do smrti obolelega v referenčnem letu. Pridobimo ključne informacije o boleznih in smrtnih primerih. Prej priznani primeri, ki so v referenčnem letu spremenili status, npr. stopnjo trajne nezmožnosti za delo ali status iz začasne v trajno poklicno bolezen, so v obliki pilotskega projekta pokriti v državah, ki to lahko zagotovijo. 5.2 Definicija Kriteriji za vključitev v evropsko statistiko poklicnih bolezni obsegajo vse primere poklicnih bolezni, ki so na listi bolezenskih entitet in so bili priznani v referenčnem letu. To izključuje primere, ki niso bili priznani kot poklicna bolezen, čeprav so bili določeni stroški medicinskih pregledov kriti iz zavarovanja za poklicno bolezen. Vključeni so: - prvič priznani primeri začasne poklicne bolezni, ki jim je bilo izplačano nadomestilo za odsotnost z dela zaradi poklicne bolezni, ni bila pa še določena stopnja trajne nezmožnosti za delo v referenčnem letu. Vključijo se lahko primeri odsotnosti z dela, ne glede na trajanje, vendar mora biti omogočena delitev na primere odsotnosti do vključno 3 dni in več kot 3 dni. - prvič priznani primeri trajne poklicne bolezni, ne glede na stopnjo trajne nezmožnosti za delo. Vključeni so vsi primeri, za izvajanje analiz pa mora biti omogočena izključitev primerov, kjer je priznana manj kot 10% trajna nezmožnost za delo. - smrtni primeri, ko oseba umre zaradi poklicne bolezni, ki je bila prvič priznana šele po smrti. 5.3 Zahteve za poročanje o poklicnih boleznih Od leta 2001 velja dogovor, da države posredujejo podatke v skladu z dogovorjeno metodologijo evropske statistike poklicnih bolezni. Ta trenutno vključuje 68 bolezenskih entitet kot obvezne ter dodatnih 41 kot neobvezne. Evrostat za poročanje zahteva podatke v zapisih za posamezne primere poklicne bolezni. Definiran je nabor podatkov: država, spol, starost, poklic v času škodljive izpostavljenosti, gospodarska dejavnost delodajalca v času škodljive izpostavljenosti, številka iz liste poklicnih bolezni, diagnoza po mednarodni klasifikaciji bolezni (MKB-10), resnost bolezni (pri začasni se vpisujejo dnevi odsotnosti z dela, pri trajni procent ocenjene nezmožnosti, smrt se

118 STATISTIČNI DNEVI 2006 STATISTICAL DAYS vpiše s kodo), izpostavljenost, vrsta kemičnega proizvoda, leto priznanja bolezni, resnost bolezni pri prvem priznanju bolezni. Od starih držav članic jih 11 poroča v evropski statistični sistem. Za leto 2004 pa so podatke poslale tudi štiri nove članice in Bolgarija. 5.4 Kakovost podatkov Že pilotski projekti so pokazali velike razlike med statističnimi podatki posameznih držav. Zato so razlike v verifikacijskih kriterijih in oceni resnosti bolezni ugotavljali s posebnim vprašalnikom (7). Med državami so ugotovili velike razlike v obravnavi poklicnih bolezni, ki se kažejo tudi v številu poročanih primerov. Precejšnje razlike so države zaznale pri podatku, ki navidez izgleda zelo primerljiv. Stopnja ocenjene trajne nezmožnosti za delo je v različnih državah definirana različno. Vključuje lahko: - fiziološko (telesno) nezmožnost - socialno ekonomsko nezmožnost - mešano oceno telesne in ekonomske nezmožnosti Tako enak procent pri isti bolezni v dveh različnih državah v resnici pomeni drugačno stanje. Za rešitev tega problema so predlagali, naj se v nacionalnih podatkih zabeleži procent ocenjene trajne nezmožnosti, ne glede na to, kaj ta ocena vključuje. Evrostatu je potrebno poročati kakšen tip nezmožnosti se uporablja pri nacionalnem presojanju nezmožnosti za delo. Ta podatek bo upoštevan pri prikazovanju podatkov. Analiza na Evrostatu je predvsem usmerjena v ugotavljanje manjkajočih podatkov, ugotavljanje napredka pri zajemu podatka o resnosti bolezni in opozarjanju na zmote pri kodiranju izpostavljenosti glede na postavljeno diagnozo. Absolutno število poročanih primerov se zaradi teh razlogov do nadaljnjega na Evrostatu po posameznih državah ne objavlja. 5.5 Uvajanje statistike poklicnih bolezni v Sloveniji V okviru Phare projekta (11) je Klinični inštitut za medicino dela, prometa in športa v letu 2004 popisal trenutno stanje na področju poklicnih bolezni v Sloveniji. V obliki pravilnika smo leta 2003 sprejeli listo poklicnih bolezni, ki je usklajena z evropsko listo poklicnih bolezni. Postopek verifikacije, ki je osnova za prijavljanje poklicnih bolezni, pa je predpisan samo za bolezni azbesta. Majhno število poklicnih bolezni kot take opredeli invalidska komisija Zavoda za pokojninsko in invalidsko zavarovanje v postopku odločanja o trajni nezmožnosti za delo. Tudi ko bo vzpostavljen sistem poročanja, bomo zabeležili le manjši del poklicnih bolezni, ki se pojavljajo v naši delovni populaciji. 6 ZAKLJUČKI IN PREDLOGI Področje statistike zdravja in varnosti delavcev v Sloveniji je potrebno prenoviti. Pri tem so nam v pomoč in izhodišče osnovne smernice, ki jih pred nas postavlja evropski statistični sistem. Za kakovostne podatke so zainteresirane številne stroke in sektorji, predvsem pa javno zdravje, inšpekcija dela, zavarovalnice, varnost pri delu in medicina dela.

119 118 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Kot pooblaščeni izvajalec statistike poškodb pri delu in poklicnih bolezni je določen IVZ. Zaradi usklajevanj vsebine zbirk in povezovanja podatkov med zbirkami je smiselno, da ta ureditev ostane taka tudi v bodoče. Poenostavitve v sistemu in večja racionalnost zbiranja podatkov zahtevajo sodelovanje in dogovor med uporabniki administrativnih in statističnih podatkov. Domače potrebe in zahteve mednarodnih institucij podpirajo usmeritev k nekoliko širšemu naboru podatkov, kot so trenutne minimalne zahteve Eurostata. Uvedba poenotenega obrazca ter usklajen razvoj elektronskega pretoka podatkov sta operativni nalogi razvoja statistike na področju poškodb pri delu. Razvoj domače metodologije v sodelovanju s ključnimi partnerji je prednostna naloga pri uvedbi statistike poklicnih bolezni. 7 LITERATURA IN VIRI 1. Assesment of the quality in statistics, Standard quality report, Eurostat, Direktiva sveta Evropske gospodarske skupnosti o uvajanju ukrepov za spodbujanje izboljšav varnosti in zdravja pri delu. Document 89/391/EGS u dne 12. junija Draft Regulation of the European Parliament and of the Council concerning Community statistics on Public Health and Health and Safety at Work, European Commission- Eurostat 2006; Doc. Eurostat/F0/05/DSS/9/2/EN (zakonodajni postopek) 4. European Occupational Diseases Statistics, Phase 1 Methodology, Luxembourg, European Commission, European Statistics on Accidents at Work, Methodology, 2001 edition. Luxembourg, European communities, Inventory and analysis of national reporting systems on accident at work, Instituto nacional de Securidad e Higiene en el Trabajo, Final report for Eurostat; Karjalainen A. Results of the questionnaire on national recognition criteria and assesssment of severity of occupational diseases, Finnish Institute of Occupational Health, Report for Eurostat, Letni program statističnih raziskovanj 2006 (Uradni list RS, št. 99/2005), št. 46/ Markota M, Ružič B, Oven M, Rosa M. Obdelava podatkov o nezgodah pri delu v skladu z ESAW metodologijo Eurostata izkušnje Inšpektorata Republike Slovenije za delo - Komuniciranje z dajalci in uporabniki statističnih podatkov ter podpora EMU in Lizbonski strategiji / 15.Statistični dnevi; 2005, Radenci, Slovenija. Ljubljana: Statistični urad RS, Paulin M. Slovenski sistem zdravja in varnosti pri delu podprt z informacijsko tehnologijo SDMI, 2000, Bled, Slovenija. Informatica medica slovenica 2000; 1-4: Phare Multi-Beneficiary Programme for statistical Co-operation on Health and Safety at Work, ICON. Final report for Slovenia, Pravilnik o listinah obveznega zdravstvenega zavarovanja, Uradni list RS št. 129/ Resolucija o nacionalnem programu varnosti in zdravja pri delu (ReNPVZD) 2003, Uradni list RS št. 126/ Resolution concerning statistics of occupational injuries (resulting from occupational accidents), adopted by the Sixteenth International Conference of Labour Statisticians, Geneva; 6-15 oktober Srednjeročni program statističnih raziskovanj , Uradni list RS, št. 10/ Uredba komisije o sprejetju specifikacij priložnostnega modula za leto 2007 na področju nesreč pri delu in z delom povezanih zdravstvenih težav, Uradni list Evropske skupnosti št. 341/ Zakon o varnost in zdravju pri delu, Uradni list RS št. 56/ Questionnaire on Validation of Data on Accidents at Work, Eurostat, 2000

120 STATISTIČNI DNEVI 2006 STATISTICAL DAYS SEKCIJA B: PRENOVLJENA LIZBONSKA STRATEGIJA IN REFORME SECTION B: UPDATED LISBON STRATEGY AND REFORMS Avtorji prispevkov / Papers by: Milena Bevc, Klemen Koman, Nika Murovec, Inštitut za ekonomska raziskovanja / Institute for Economic Research Emigracija slovenskih raziskovalcev v obdobju metodologija proučevanja in glavni rezultati Emigration of Slovene Researchers in the Period Research Methodology and Main Results Zvonka Pangerc Pahernik, Andragoški center / Slovene Adult Education Centre O evropskih kazalnikih in ciljnih vrednostih procesa Izobraževanje in usposabljanje 2010 On European Indicators and Benchmarks Concerning the 'Education and Training 2010' Process Irena Rejec Brancelj, Agencija RS za okolje, Kmetijski inštitut Slovenije / Agency of the Republic of Slovenia for the Environment, Agricultural Institute of Slovenia Vzpostavitev kazalcev za spremljanje stanja kmetijstva in okolja v RS Setting up the Indicators for Agriculture and Environment Monitoring in Slovenia Nataša Kovač, Aljaž Plevnik, Nika Zupan, Agencija RS za okolje, Urbanistični inštitut RS / Agency of the Republic of Slovenia for the Environment, Urban Planning Institute of the Republic of Slovenia Onesnaževanje okolja zaradi prometa v RS Transport Related Environmental Pollution in Slovenia Milijana Ćeranić, Zavod za statistiko Srbije / Statistical Office of Serbia Okolje kot rezultat razvoja Environment as Result of the Development

121

122 STATISTIČNI DNEVI 2006 STATISTICAL DAYS EMIGRACIJA SLOVENSKIH RAZISKOVALCEV V OBDOBJU METODOLOGIJA PROUČEVANJA IN GLAVNI REZULTATI Milena Bevc, Klemen Koman, Nika Murovec POVZETEK Najbolj usposobljeni kadri, med njimi še posebej znanstveniki, so ključni za razvoj v družbo znanja. Emigracija teh kadrov je zlasti za majhno državo kot je Slovenija posebej problematična, zato je poznavanje obsega, vzrokov in značilnosti le-te zelo pomembno. Meddržavni migracijski tokovi in v tem okviru emigracija najbolj usposobljenih kadrov je v svetu in pri nas slabo evidentiran pojav. V prispevku prikazujemo metodološki pristop za proučevanje tega pojava, ki smo ga razvili na IER v okviru raziskovalnega podprojekta»»človeški viri v razvojno-raziskovalni dejavnosti v Sloveniji (stanje in emigracija) ter primerjava z državami EU«(Bevc, Koman, Murovec, IER, ). O emigraciji slovenskih znanstvenikov v obdobju smo anketirali direktorje/dekane in kadrovnike v vseh organizacijah v Sloveniji z registriranimi raziskovalci (celotna populacija) in tudi v takih, ki izvajajo raziskovalno delo brez registriranih raziskovalcev, skupaj blizu 500 organizacij. Prikazujemo tudi glavne rezultate. EMIGRATION OF SLOVENE RESEARCHERS IN THE PERIOD RESEARCH METHODOLOGY AND MAIN RESULTS SUMMARY Highly skilled, among them especially scientists are essential for the transition to the knowledge based society. Their emigration (brain drain) is particularly problematic for a small country like Slovenia. Due to that, the knowledge on the size, reasons and characteristics of this phenomenon is very important. International migration flows - and within them emigration of the highly skilled - is a poorly registered phenomenon both in Slovenia and in the world on general. This paper presents the methodological approach for its investigation, developed at the Institute for Economic Research in the Framework of the research project»human resources in research and development in Slovenia (situation and emigration) and the comparison with the EU countries«(bevc, Koman and Murovec, IER, 2003, 2004). On emigration of Slovene scientists in period we have surveyed deans, general managers and personnel managers in all Slovenian organisations/institutions employing researchers registered at the former Ministry of Education, Science and Sport, as well as in the organisations, not employing such researchers but nevertheless carring out research. Altogether we surveyed almost 500 organisations/institutions. In the paper, besides methodology our main results are presented as well.

123 122 STATISTIČNI DNEVI 2006 STATISTICAL DAYS UVOD Človeški viri so ključni razvojni dejavnik, in to zlasti velja za majhno državo brez posebnih naravnih virov, kakršna je Slovenija. V okviru tega so posebnega pomena vrhunski strokovnjaki, kamor sodijo tudi zaposleni v razvojno-raziskovalni dejavnosti (RRD) oziroma njihov ožji del - znanstveniki. Prispevek temelji na podprojektu»človeški viri v razvojno-raziskovalni dejavnosti v Sloveniji (stanje in emigracija) ter primerjava z državami EU«, ki ga je Inštitut za ekonomska raziskovanja iz Ljubljane oziroma avtorji tega prispevka (Bevc, Koman, Murovec, 2003, 2004) izvajal v letih v okviru projekta»mehanizmi in ukrepi za prenos znanja iz akademske in raziskovalne sfere v gospodarstvo v luči novih inovacijskih paradigem Stanje in trendi razvoja v Sloveniji glede na razvite države Evropske unije«. 1 Proučevanje dejanske emigracije znanstvenikov iz Slovenije v obdobju smo v navedenem projektu postavili v širši okvir v dveh pogledih: 1. proučevanje stanja na področju človeških virov v RRD v Sloveniji in državah EU ter 2. proučevanje meddržavne mobilnosti in migracij teh virov v državah EU. V prispevku najprej prikazujemo širša metodološka vprašanja proučevanja emigracije znanstvenikov, nato pa sledi prikaz proučevanja emigracije slovenskih znanstvenikov v obdobju Tu se osredotočamo na prikaz metodologije zbiranja podatkov ter glavne značilnosti populacije in respondentov, prikazujemo pa tudi glavne rezultate analize. Z navedenimi širšimi dimenzijami proučevanja meddržavne mobilnosti in migracij znanstvenikov v Sloveniji in EU pa se lahko zainteresirani bralec podrobneje seznani v knjigi, ki smo jo izdali na IER na podlagi navedenega podprojekta (Bevc, Koman, Murovec, 2006). Prispevek zaključujemo z glavnimi sklepnimi ugotovitvami. 2 MERJENJE MEDDRŽAVNIH TOKOV ČLOVEŠKIH VIROV V RAZVOJNO- RAZISKOVALNI DEJAVNOSTI ZLASTI ZNANSTVENIKOV Merjenje meddržavne mobilnosti in migracij znanstvenikov je težko in doslej pomanjkljivo. Praviloma se znanstvenike zajema pod pojmom človeški viri v znanosti in tehmologiji (ČV v Z&T). Ti viri so po Canberra priročniku (OECD, 2002) opredeljeni kot osebe, ki izpolnjujejo katerega od dveh naslednjih pogojev: imajo ustrezno izobrazbo (terciarno izobrazbo na ustreznih študijskih smereh) ali pa delajo v poklicih Z&T (čeprav nimajo nujno tudi terciarne izobrazbe). Meddržavne migracije so eden od tokov človeških virov v Z&T, ki vpliva na zalogo teh virov v dani državi. Poglejmo, kako je z viri podatkov o meddržavni mobilnosti in migracijah ČV v Z&T in v tem okviru znanstvenikov, pri tem pa še ločeno za migracijske odlove in prilive. Prikazali pa bomo tudi drug netradicionalni vir podatkov o proučevanem pojavu, ki smo jih uporabili v empirični analizi za Slovenijo. 1 Nosilec tega projekta je bil dr. Franc Mali, FDV; projekt se je izvajal v okviru Ciljnega raziskovalnega programa»konkurenčnost Slovenije «, financirali pa so ga nekdanje Ministrstvo za šolstvo, znanost in šport, Ministrstvo za gospodarstvo in Urad RS za makroekonomske analize in razvoj.

124 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Glavni viri podatkov Glavni viri podatkov o migracijah so: nacionalni administrativni sistemi za uravnavanje ali upravljanje imigracij (začasnih in dolgoročnih), administrativni sistemi, povezani z dovoljenji za začasno bivanje ali delo za nedržavljane (delovni vizumi, delovna dovoljenja in sorodni programi), registri prebivalstva, popis prebivalstva in anketa o delovni sili. Objavljena migracijska statistika je v mnogih državah pogosto izpeljana iz številnih virov, zato je treba upoštevati razlike v definiciji in zajetju podatkov pri posameznem viru. In poglejmo še, kako je z viri podatkov o migracijah visoko usposobljenih migrantov in v tem okviru ČV v Z&T ter tako tudi znanstvenikov. Ni mednarodno primerljivih podatkov o tokovih in zalogi visoko usposobljenih/izobraženih migrantov, zato je težko dobiti celovito sliko stanja v dani državi. Večina nacionalnih/državnih podatkov o migrantih med raziskovalci in drugimi specialisti temelji na istih virih kot za migracije nasploh. Informacijske podlage o trajanju bivanja študentov in zlasti raziskovalcev v tujini, o emigracijskih tokovih, stopnji vračanja v domovino in drugih oblikah mobilnosti so neustrezne in pomanjkljive. Obstajajo predlogi za dopolnitev Canberrskega priročnika ter za izboljšanje in poenotenje longitudinalnih podatkov o mobilnosti ČV v Z&T. Dobro statistiko, ki je relevantna tudi za Evropo, ima ZDA, vendar pa pri tem manjkajo podatki o povratnih tokovih (v Evropo). Značilnost skoraj vseh navedenih virov podatkov je, da merijo le migracijske prilive, podatke o odlivih (emigraciji) pa le redko zbirajo. Slednje še bolj izrazito velja za ožje kategorije migrantov, kot so ČV v Z&T. Medtem ko imajo nekatere države agregatne podatke o bruto migracijskih odlivih, pa je redkokdaj mogoče (razen v Avstraliji in na Japonskem) dobiti podrobnejše informacije o teh odlivih (o posameznih kategorijah emigrantov). Razlogi za odsotnost podatkov o emigraciji na podlagi razpoložljivih virov so: Z anketo o delovni sili je težko zagotoviti informacije o osebah, ki so že zapustile državo. Omejitev tega vira je tudi v tem, da je velikost vzorca premajhna za pridobitev jasne slike o relativno majhni populaciji, kot so tudi ČV v Z&T in v tem okviru znanstveniki. Pri administrativnih virih pa države iz različnih razlogov dajo prednost spremljanju in dokumentiranju migracijskih prilivov, večinoma pa ne vidijo pravega razloga za natančno spremljanje odliva oseb, za katere nimajo več odgovornosti. Občasno se pojavi skrb zaradi bega možganov, vendar pa to le redkokdaj sproži kakšno akcijo za pridobitev dodatnih podatkov o emigraciji. Ob navedenih omejitvah nacionalnih/državnih podatkov o emigraciji in v tem okviru emigraciji ČV v Z&T je treba poudariti še omejitve meddržavnih primerjav. Sistemi klasifikacij (npr. poklicev), ki so ustrezni za posamezne države, namreč ne omogočajo vedno verodostojnih meddržavnih primerjav. Anketa o delovni sili je potencialni vir informacij o skupnih migracijskih prilivih, nekoliko manj pa za ožje kategorije migrantov (zaradi že navedenega problema majhnosti vzorca).

125 124 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Drugi viri podatkov Iz navedenih razlogov težavnosti merjenja meddržavne mobilnosti in migracij znanstvenikov tako na nacionalni kot meddržavni ravni se kot zelo pomemben vir pojavlja anketiranje, pri čemer pa mora biti to zelo drugače zastavljeno v primeru opazovanja dejanske emigracije v nekem obdobju kot v primeru potencialne emigracije v nekem časovnem preseku. Take analize (tako prve kot druge navedene), zlasti z uporabo mednarodno dogovorjene enotne metodologije so zelo redke. Eno prvih takih analiz v Evropi za proučevanje tako dejanske kot potencialne emigracije smo razvili pred dobrim desetletjem strokovnjaki iz 10 držav v okviru skupnega mednarodnega projekta Migration Europe s Integration and the Labour Force Brain Drain, ki ga je financirala Evropska unija. V okviru tega projekta smo za Slovenijo proučili dejansko emigracijo znanstvenikov v obodbju ter potencialno emigracijo leta 1995 (Bevc, 1996; Bevc in drugi, 1996; Malačič, 1996). Glavni rezultat te analize je, da je v obdobju iz 54 organizacij z največjim številom raziskovalcev emigriralo 54 znanstevnikov, potencialna emigracija (predviden odhod v tujino za več kot 1 leto) leta 1995 pa je bila precejšnja. 3 EMIGRACIJA RAZISKOVALCEV IZ SLOVENIJE V OBDOBJU METODOLOGIJA PROUČEVANJA IN GLAVNI REZULTATI 3.1 Metodologija in primerjava populacije z respondenti Metodologija, vir podatkov, populacija. Leta 2004 smo anketirali smo vse organizacije v Sloveniji z registriranimi raziskovalci in tudi take, ki izvajajo raziskovalno delo brez raziskovalcev, registriranih pri nekdanjem Ministrstvu za šolstvo, znanost in šport MŠZŠ (vir: baza podatkov o raziskovalcih v sistemu SICRIS, s katero uporavlja IZUM), skupaj 481. Večina med njimi jih je imela v času anketiranja pri tedanjem MŠZŠ registrirane raziskovalce, desetina pa ne 2. V navedeni populaciji organizacij niso upoštevane tiste organizacije iz evidence Izuma, ki med anketiranjem niso več obstajale ali so bile v likvidaciji. V populaciji raziskovalcev v evidenci Izuma so upoštevani redno zaposleni (za nedoločen in določen čas polni ali skrajšan), dopolnilno zaposleni in drugi (po avtorskih pogodbah ipd.), ki so bili leta 2004 registrirani pri nekdanjem MŠZŠ. Prednost te baze podatkov v primerjavi z bazo Statističnega urada Slovenije (SURS) je v tem, da ne upošteva le raziskovalcev, ki so bili dejavni v preteklem letu, pomanjkljivost pa to, da so zajeti tudi raziskovalci, ki so bili nekoč vpisani v evidenco, pa organizacije zanje niso sporočile spremembe (npr. upokojen, umrl ipd.). V navedeni podatkovni bazi SICRIS se za dejavne raziskovalce podatki osvežujejo, preostali pa se ne brišejo. Predvidevamo, da je pravo število dejansko delujočih raziskovalcev nekje med podatkom SURS-a o dejavnih v preteklem letu in podatkom Izuma o registriranih (pri nekdanjem MŠZŠ). Anketiranje je potekalo po klasični in delno po elektronski pošti. Izvajali smo ga dva meseca (maj julij 2004). V vsako organizacijo smo poslali dva različna vprašalnika: enega direktorju oziroma dekanu (tema: Mednarodna mobilnost in emigracija raziskovalcev ter ocena učinkov njihovega začasnega ali trajnega odhoda iz organizacije na organizacijo), enega pa odgovorni osebi za kadre (za»popis«vsakega emigriranega raziskovalca iz obdobja ). Oba vprašalnika smo pred samo izvedbo anketiranja preizkusili v več organizacijah, od katerih smo dobili zelo koristne informacije za njuno izboljšanje in za sam postopek anketiranja. 2 Danes so raziskovalci registrirani pri Javni agenciji Republike Slovenije za raziskovalno dejavnost.

126 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Odziv na anketiranje (tabela 1). Izpolnjene vprašalnike od direktorjev oziroma dekanov smo dobili iz 217 organizacij s skupno 7134 registriranimi raziskovalci. To pomeni, da smo dobili odziv od zelo velikega deleža»populacije«, tako v smislu števila organizacij (45 % populacije) kot v pogledu v njih zaposlenih raziskovalcev (71 % populacije). Odziv odgovornih oseb za kadre je bil podoben, pri čemer pa so podatke o emigrantih poslali iz 24 organizacij od skupno 30, za katere so direktorji/dekani (v vprašalniku, naslovljenem nanje) navedli, da so v obdobju imeli emigracijo raziskovalcev. Tabela 1: Primerjava anketirane populacije organizacij z raziskovalci s tistimi, ki so se odzvale anketa o odlivu raziskovalcev iz Slovenije v obdobju Populacija Respondenti Delež respondentov v populaciji (%)* Število organizacij ,11 Število v njih zaposlenih raziskovalcev, registriranih pri nekdanjem MŠZŠ* ,45* Vir: Interna dokumentacija IZUM-a (populacija); Anketa IER, maj julij * Upoštevani so redno zaposleni, dopolnilno zaposleni in drugi (avtorske pogodbe, ipd.), registrirani pri MŠZŠ. Ker je populacija nekoliko precenjena (utemeljitev je v besedilu), je delež respondentov v dejanski populaciji verjetno nekoliko večji od prikazanega. Primerjava populacije in respondentov (odzivov direktorjev/dekanov). Struktura respondentov glede na število zaposlenih raziskovalcev je zelo podobna kot v celi populaciji, odziv na anketiranje pa je bil največji v velikih organizacijah, najmanjši pa v organizacijah brez raziskovalcev, registriranih pri nekdanjem MŠZŠ 3 (tabela 2). Tabela 2: Primerjava anketirane populacije organizacij z raziskovalci s tistimi, ki so se odzvale anketa o odlivu raziskovalcev iz Slovenije v obdobju ORGANIZACIJE Število Število Struktura (%) raziskovalcev v organizaciji Populacija Respondenti Populacija Respondenti Delež respondentov v populaciji (%) ,7 8,3 27, ,3 45,6 37, ,3 17,1 53, ,5 14,3 75, ,2 6,0 65, ,0 8,8 79,2 Skupaj (%) ,1 Vir: Interna dokumentacija IZUM-a (populacija); Anketa IER, maj-julij Z vidika vrste organizacij pa popolnoma verodostojna primerjava ni mogoča, saj smo podatek o vrsti organizacije od Izuma pridobili pozneje; razvrstitev organizacij po Izumu se nekoliko razlikuje od tiste, ki smo jo vključili v vprašalnik. Ne glede na to pa je mogoč sklep, da tako v populaciji kot med respondenti prevladujejo (v obeh primerih prek 50 %) podjetja oziroma gospodarske družbe.

127 126 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Opredelitev emigranta. Z emigrantom smo razumeli raziskovalca (registriranega pri nekdanjem Ministrstvu za šolstvo, znanost in šport; v primeru organizacij brez registriranih raziskovalcev, ki so v evidenci Izuma, pa tudi neregistriranega raziskovalca, ki je bil pred odhodom obenem dejaven 4 ) z doktoratom, magisterijem ali dodiplomsko izobrazbo, ki je bil v organizaciji zaposlen za polni delovni čas in je v obdobju odšel iz organizacije (prekinil delovno razmerje) v tujino. 3.2 Značilnosti respondentov organizacij, ki so se odzvale na anketiranje Vrsta organizacije. 51 % anketiranih organizacij so bila podjetja oziroma gospodarske družbe z RR-enoto, 13 % visokošolske ustanove, 19 % raziskovalni inštituti (javni, zasebni, javni s pravico javnosti), 11 % javni zavodi in 6 % druge organizacije (tabela 3). Druge značilnosti so: - Velikost: javne visokošolske ustanove, javni raziskovalni inštituti in javni zavodi zaposlujejo večinoma raziskovalcev, druge anketirane organizacije pa večinoma 1 10 raziskovalcev. - Širše znanstveno področje delovanja organizacije: večina visokošolskih ustanov je bila s področja družbenih in humanističnih ved, največ raziskovalnih inštitutov (tako javnih kot zasebnih ter raziskovalnih inštitutov s pravico javnosti) ter večina podjetij je bilo s področja naravoslovno-matematičnih ved, večina javnih zavodov pa s področja medicinskih in biotehničnih ved. Tabela 3: Organizacije, ki so se odzvale na anketiranje o odlivu raziskovalcev iz Slovenije v obdobju , po vrsti in številu raziskovalcev (maj julij 2004) Vrsta organizacije ORGANIZACIJE RAZISKOVALCI Število % Število % Visokošolska ustanova 29 13, ,47 Javna visokošolska ustanova 27 12, ,09 Zasebna visokošolska ustanova 2 0, ,38 Raziskovalni inštitut 31 18, ,17 Javni raziskovalni inštitut 17 7, ,49 Zasebni raziskovalni inštitut 15 6, ,67 Javni raziskovalni inštitut zavod s pravico javnosti 9 4, ,01 Podjetje (gospodarska družba) z RR-enoto , ,01 Javni zavod 23 10, ,33 Drugo 14 6, ,03 - podjetje brez RR-sektorja/enote 4 1, ,34 - drugo 10 4, ,70 SKUPAJ Viri: Anketa, IER, maj julij 2004; vprašalnik za direktorje/dekane organizacij z raziskovalci; Interna dokumentacija IZUM-a. Širše znanstveno področje delovanja organizacije. Največ anketiranih organizacij je bilo s področja tehničnih ved (50 %), družbenih ved (15 %) in naravoslovno-matematičnih ved (10 %); za ta področja je bil značilen tudi nadpovprečni delež majhnih organizacij (z 1 10 raziskovalci), na drugi strani pa z izjemo tehničnih ved tudi nadpovprečni delež največjih (tistih z več kot 100 raziskovalci; tabela 4). 4 Je delal pri raziskovalnih projektih/nalogah.

128 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Tabela 4: Struktura anketiranih organizacij po znanstvenih področjih glede na število registriranih raziskovalcev Slovenija, maj julij 2004 (%) Število raziskovalcev (maj 2004) Narav.- matem. vede Prevladujoče znanstveno področje delovanja organizacije ali RR-enote* Humanist. Tehn. Medic. Biotehn. Družb. Interdisc. vede vede vede vede vede vede 2 ali več znan.ved , , , ,5-17 Skupaj (%) Skupaj št.organizacij* Vir: Anketa, IER, maj julij 2004; vprašalnik za direktorje/dekane organizacij z raziskovalci. * Upoštevane so organizacije z znanim področjem delovanja organizacije (skupaj 200). Sodelovanje s tujimi partnerji. Pri vseh vrstah organizacij, razen zasebnih raziskovalnih inštitutov in podjetij z RR-enoto, je bilo leta 2004 prek 50 % takih, ki imajo razvito sodelovanje s tujimi partnerji (povprečni delež organizacij s takim sodelovanjem med vsemi, ki so posredovale to informacijo teh je bilo 190 oziroma 88 % pa znaša 54 %). Če opazujemo prevladujoče znanstveno področje organizacije, je tako sodelovanje nadpovprečno prisotno v organizacijah s področja naravoslovno-matematičnih, biotehničnih in družbenih ved. Odhodi raziskovalcev iz organizacije v obdobju Skupno število raziskovalcev, ki so v opazovanem obdobju zapustili organizacijo (brez upokojenih in umrlih), znaša 1081, kar pomeni v primerjavi s številom zaposlenih v anketiranih organizacijah maja leta %. Iz tretjine organizacij ni odšel nihče, iz nadaljnje tretjine je odšlo 1 5 raziskovalcev, iz desetine 6 20 raziskovalcev, iz 5 % organizacij pa več kot 20 raziskovalcev; 16 % organizacij ni posredovalo podatka o odhodih. Navedeni odhodi zajemajo tako emigracijo kot tudi odhode v drugo organizacijo v Sloveniji. Zajemajo pa tudi odhode neznano kam (anketiranci zanje niso vedeli, kam so odšli po odhodu iz organizacije); slednjih je bilo 164 iz 27 organizacij. V okviru odhodov z znanim ciljem (takih je bilo 85 %, tabela 5), je bilo emigracije 8 % in odhodov v druge organizacije znotraj Slovenije 92 %. Povezave med odhodom raziskovalcev iz organizacije in prevladujočim znanstvenim področjem organizacije nismo zasledili. Tako je ne glede na znanstveno področje organizacije iz polovice anketiranih organizacij, ki so posredovale podatke, odšel v obdobju najmanj en raziskovalec, a praviloma (pri 45 % organizacij) jih je odšlo več, pri tem pa zlasti na področju biotehničnih, tehničnih in naravoslovno-matematičnih ved (tabela 5). Tabela 5: Raziskovalci, ki so v obdobju odšli iz organizacije*, glede na to, kam so šli Slovenija Kam so odšli raziskovalci Število Struktura (%) V drugo organizacijo v Sloveniji ,08 V tujino 73 6,75 Ne vem ,17 SKUPAJ Vir: Anketa, IER, maj-julij 2004; vprašalnik za direktorje/dekane organizacij z raziskovalci. * Upokojeni in umrli niso upoštevani.

129 128 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Tabela 6: Skupno število slovenskih raziskovalcev, ki so v obdobju odšli iz organizacije (tujina, Slovenija) struktura organizacij po njihovem prevladujočem znanstvenem področju (%) Število raziskovalcev, ki so v obd odšli iz organizacije Skupaj Narav.- matem. vede Prevladujoče znanstveno področje delovanja organizacije ali RR-enote Tehn. vede Medic. vede Biotehn. vede Družb. vede Humanist. vede Interdisc. 2 ali več znanstv. ved , ,5-17 Skupaj (%) Skupaj št.organiz Vir: Anketa, IER, maj julij 2004; vprašalnik za direktorje/dekane organizacij z raziskovalci. 3.3 Obseg in značilnosti emigracije Proučili smo obseg in glavne značilnosti emigracije slovenskih znanstvenikov. Skupni evidentiran obseg emigracije. Na podlagi vprašalnikov za direktorje oziroma dekane je v obdobju emigriralo 73 raziskovalcev (iz skupno 30 organizacij), kar pomeni 2,4 % raziskovalcev v teh organizacijah (maja 2004) in 1 % raziskovalcev v vseh organizacijah, ki so se odzvale na anketiranje. Za večino med njimi, in sicer za 62 ljudi (iz 24 organizacij), smo na podlagi vprašalnika za odgovorno osebo za kadre dobili podrobnejše informacije. Glavne značilnosti emigrantov. Večina emigrantov je bila iz organizacij z več kot 100 registriranimi raziskovalci, iz javnih raziskovalnih inštitutov, doktorjev znanosti, starih med 30 in 40 let (povprečna starost je znašala 39 let), s povprečno devetimi leti skupne delovne dobe, moških, največ jih je šlo v Avstrijo, ZDA in na Nizozemsko. Večina jih je iz organizacij, katerih širše znanstveno področje delovanja so naravoslovno-matematične ali pa tehniške vede. To sta tudi dve širši znanstveni področji, s katerih je bila večina emigrantov. Glede na ožjo znanstveno disciplino jih je bilo največ s področja fizike in kemije. Najpogostejši razlog odhoda v tujino je bilo raziskovalno delo. Po informacijah anketirancev (kadrovskih služb in direktorjev/dekanov) se je doslej vrnila v Slovenijo petina evidentiranih emigrantov, pri tem večina v isto organizacijo, polovica emigrantov pa v tujini še dela v RR-sektorju. Med slednjimi ima izvorna organizacija še razvito sodelovanje s petino emigrantov.

130 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Povezava predstavljenih ugotovitev o emigraciji raziskovalcev v tem prispevku z rezultati analize iz srede 90. let (Bevc in drugi, 1996; Malačič, 1996) ter novejše analize za študente in mlade diplomante (Bevc, Zupančič, Lukšič Hacin, 2004) kažejo naslednje: kar precejšen del zelo verjetne potencialne emigracije iz srede 90. let se je v obdobju kljub izboljšanim razmeram v R&R spremenil v dejansko emigracijo. Evidentirali smo 40 odstotno»realizacijo«(od tega je šlo v petini primerov dejansko za kroženje, saj so se emigranti do leta 2004 že vrnili v Slovenijo), menimo pa, da je dejanska»realizacija«večja in da znaša okoli 50 % 5 ; profili, kjer je emigracija (tako dejanska raziskovalci kot potencialna študenti in mladi diplomanti) največja, so naravoslovno-matematični in tehnični. To pa so profili, ki bi jih za pospešen tehnološki in gospodarski razvoj Slovenija nujno potrebovala doma in jih ponekod že primanjkuje. 4 SKLEPNE UGOTOVITVE Ni mednarodno primerljivih podatkov o tokovih in zalogi visoko usposobljenih migrantov (in meddržavno mobilnih strokovnjakov) in zato je težko dobiti celovito sliko stanja celo za eno posamično državo. Informacijske podlage o trajanju bivanja študentov in zlasti raziskovalcev v tujini, o emigracijskih tokovih, stopnji vračanja v domovino in drugih oblikah mobilnosti so neustrezne in pomanjkljive. Zanimanje in napori za izboljšanje evidentiranja teh tokov naraščajo. Na podlagi razpoložljivih virov pa meddržavne migracije visoko usposobljenih kadrov in v tem okviru znanstvenikov naraščajo; v tem okviru pa je vse večje pozornosti deležna emigracija iz Evrope v ZDA. Zato namenjajo tej tematiki oblikovalci politike v EU vse večjo pozornost. Preučitev emigracije raziskovalcev iz Slovenije v obdobju temelji na anketiranju, saj uradnih podatkov o tem pojavu v Sloveniji tako kot v večini drugih držav ni. Anketirali (maj julij 2004) smo direktorje oziroma dekane in odgovorne osebe za kadre v vseh organizacijah v Sloveniji z registriranimi raziskovalci in tudi take, ki izvajajo raziskovalno delo brez (pri nekdanjem MŠZŠ) registriranih raziskovalcev, skupaj blizu 500 organizacij. Odziv je bil velik, tako po številu organizacij (45 % populacije) kot v pogledu v njih zaposlenih raziskovalcev (71 % populacije). Sklenemo lahko, da evidentirana emigracija raziskovalcev iz Slovenije v obdobju relativno (glede na»populacijo«raziskovalcev) ni bila velika, vendar pa so za majhno Slovenijo tudi prikazane številke (73 oseb) precejšnja izguba, zlasti ker gre za profile, ki so nujni za uspešen gospodarski razvoj Slovenije. Menimo, da je treba kontinuirano spremljati razmere v RRD, da bi se pravočasno odkrile pomanjkljivosti in sprejeli ustrezni ukrepi. Področja za ukrepanje, ki so jih izpostavili direktorji/dekani anketiranih organizacij, so: položaj mlajših, šele uveljavljajočih raziskovalnih skupin, raziskovalno delo v gospodarstvu, sodelovanje raziskovalcev na inštitutih z gospodarstvom ipd. Za preprečevanje trajnega odliva mladih iz Slovenije pa bi bila potrebna usklajena nacionalna akcija; k preprečevanju tega odliva (tudi med raziskovalci) naj bi pripomoglo tudi uresničevanje novega zakona o priznavanju v tujini pridobljene izobrazbe (sprejet leta 2004), kar naj bi zmanjšalo dosedanje težave z postopki nostrifikacije. 5 Ta ocena temelji na naslednjih predpostavkah in dejstvih: dejstvo leta 1995 je bilo v populaciji raziskovalcev z magisterijem ali doktoratom 5% (180 oseb) odločenih (zelo verjentih) srednjeročnih ali dolgoročnih selivcev (v tujino bi šli za več kot 3 leta); dejstvo v obdobju je evidentiran odliv raziskovalcev iz organizacij, v katerih je zaposleno 71% vseh raziskovalcev, registriranih pri nekdanjem MŠZŠ, znašal 73 oseb (to je 40% od prej navedenega potencialnega zelo verjetnega odliva); predpostavljamo, da je bilo iz organizacij s preostalimi 30% raziskovalci, ki se niso odzvali na anketiranje (v letu 2004), v obdobju tudi nekaj odliva raziskovalcev v tujino.

131 130 STATISTIČNI DNEVI 2006 STATISTICAL DAYS CITIRANA LITERATURA IN VIRI 1. Bevc, Milena (1996). Potential external and internal brain drain Slovenia, final report. Ljubljana: Institute for Economic Research. 2. Bevc, Milena, Janez Malačič, Valentina Prevolnik, Renata Slabe Erker, Dejan Sarka (1996). Dejanski in potencialni beg možganov iz Slovenije obseg, značilnosti in vzroki. Ljubljana: Inštitut za ekonomska raziskovanja. 3. Bevc, Milena, Klemen Koman, Nika Murovec (2003). Človeški viri v razvojno-raziskovalni dejavnosti v državah Evropske unije stanje, trendi in politika. Prva faza podprojekta»človeški viri v razvojno raziskovalni dejavnosti v Sloveniji (stanje in emigracija) ter primerjava z državami EU«v okviru projekta»mehanizmi in ukrepi za prenos znanja iz akademske in raziskovalne sfere v gospodarstvo v luči novih inovacijskih paradigem Stanje in trendi razvoja v Sloveniji glede na razvite države Evropske unije«. Ljubljana: Inštitut za ekonomska raziskovanja. 4. Bevc, Milena, Klemen Koman, Nika Murovec (2004). Človeški viri v razvojno raziskovalni dejavnosti v Sloveniji (stanje in emigracija) ter primerjava z državami EU. Druga faza podprojekta z enakim naslovom, izvajanega v okviru projekta»mehanizmi in ukrepi za prenos znanja iz akademske in raziskovalne sfere v gospodarstvo v luči novih inovacijskih paradigem Stanje in trendi razvoja v Sloveniji glede na razvite države Evropske unije«. Ljubljana: Inštitut za ekonomska raziskovanja. 5. Bevc, Milena, Marina Lukšič Hacin, Jernej Zupančič (2004). Migracijska politika in problem bega možganov. Raziskava za Strategijo razvoja Slovenije. Ljubljana: Inštitut za ekonomska raziskovanja Inštitut za narodnostna vprašanja. 6. Bevc, Milena, Klemen Koman, Nika Murovec (2006). Človeški viri v razvojno-raziskovalni dejavnosti v Sloveniji in primerjava z državami EU stanje in emigracija. Ljubljana: Inštitut za ekonomska raziskovanja. 7. IZUM (2004). Podatkovna baza o organizacijah z raziskovalci iz sistema SICRIS. Interna dokumentacija. Ljubljana- Maribor: Javna agencija RS za raziskovalno dejavnost IZUM. 8. Malačič, Janez (1996). Dejanski odliv raziskovalcev v tujino v obdobju Poglavje v: Bevc in drugi Dejanski in potencialni beg možganov iz Slovenije obseg, značilnosti in vzroki. Ljubljana: Inštitut za ekonomska raziskovanja, 1996, str OECD (2002). International Mobility of the Higly Skilled. Paris: OECD. 10. Šifrant raziskovalnih področij in podpodročij (2005). Ljubljana: Agencija za raziskovalno dejavnost (

132 STATISTIČNI DNEVI 2006 STATISTICAL DAYS O EVROPSKIH KAZALNIKIH IN CILJNIH VREDNOSTIH PROCESA IZOBRAŽEVANJE IN USPOSABLJANJE 2010 Zvonka Pangerc Pahernik POVZETEK Izobraževanje in usposabljanje je bilo v lizbonskih sklepih (2000) prvič opredeljeno kot ena od ključnih gonilnih sil na prehodu v 'najbolj konkurenčno in dinamično, na znanju zasnovano gospodarstvo'. V Podrobnem delovnem programu (2002) so bili določeni trije strateški cilji in trinajst podciljev, ki naj bi jih v obdobju zasledovali evropski sistemi izobraževanja in usposabljanja (v nadaljevanju I&U). Za vsak podcilj so bili opredeljeni kazalniki za spremljanje njegovega uresničevanja. Leta 2003 je bilo določenih še pet ciljnih vrednosti (standardov) za merjenje in usmerjanje povprečnih evropskih učinkov sistemov I&U. Kot članica Stalne skupine za kazalnike in ciljne vrednosti pri Evropski komisiji želim v prispevku prikazati razvoj ogrodja kazalnikov in ciljnih vrednosti v obdobju ter posebej izpostaviti trenutna prizadevanja po njegovi koherentnosti s treh vidikov: (i) vidik politike I&U, (ii) vidik sistema I&U ter (iii) vidik statistične infrastrukture. Predstavila bom 'pokritost' posameznih ravni izobraževalnega sistema oziroma procesa vseživljenjskega učenja (od predšolskega prek osnovno-, srednje- in visokošolskega izobraževanja do izobraževanja odraslih), vrst izobraževanja/učenja (formalno in neformalno izobraževanje ter priložnostno učenje) ter delov sistema (vhod, proces, izhod, učinek) z veljavnim naborom kazalnikov. Osvetlila bom tudi izzive, pred katere so s tem postavljeni nacionalni in evropski statistični sistem ter nakazala načine njihovega reševanja. ON EUROPEAN INDICATORS AND BENCHMARKS CONCERNING THE 'EDUCATION AND TRAINING 2010' PROCESS SUMMARY The Lisbon Strategy (2000) for the first time ever earmarked education and training (E&T) as one of the main driving forces for Europe to become 'the most competitive and dynamic, knowledgebased economy. In the consequent Detailed Work Programme (2002) three strategic and thirteen specific objectives were set for the European E&T systems to be achieved by For each objective one or more indicators were defined for monitoring of progress. From these, five benchmarks were chosen for the follow-up of the Lisbon process in the area of education. In her capacity as member of the EU Standing group on indicators and benchmarks (SGIB) the author will present the development of the European education indicators' framework in the period Special attention will be dedicated to current endeavours in this field aiming to assure a coherent framework of indicators with regard to the (i) educational policy (ii) educational system and (iii) statistical infrastructure aspect. In addition, indicators (and benchmarks) will be discussed according to educational levels (pre-primary, primary, secondary, tertiary and adult education), types (formal, non-formal and informal) as well as system elements (input, process, output, outcome). Challenges for national as well as for the EU statistical system will be identified and ways forward will be indicated.

133 132 STATISTIČNI DNEVI 2006 STATISTICAL DAYS RAZVOJ EVROPSKIH KAZALNIKOV IN CILJNIH VREDNOSTI 1.1 Politični dejavniki na področju izobraževanja in usposabljanja v Evropi Evropsko sodelovanje na področju izobraževanja in usposabljanja se je od leta 1971, ko se je prvič sestalo šest pristojnih evropskih ministrov, bistveno okrepilo (Hingel, 2001). Zgodovinsko gledano je mogoče govoriti o dveh fazah. Glavni dogodki, ki so zaznamovali razvoj tega sodelovanja v prvi fazi, do leta 2000, so bili: - vzpostavitev programa Erasmus (1987), ki naj bi pospešil mobilnost študentov, - podpis Maastrichtske pogodbe (veljavna od leta 1993), v kateri 126. člen, kasneje 149. člen, jasno opredeljuje pristojnost Evropske komisije na področju izobraževanja in usposabljanja: ' Unija naj prispeva k razvoju kakovostnega izobraževanja s spodbujanjem sodelovanja članic in, če je potrebno, z nudenjem ustrezne podpore ter dopolnjevanjem njihovih aktivnosti.' - vzpostavitev programa Socrates (1995), ki je pokrival šolsko izobraževanje (Comenius), izobraževanje odraslih (Grundtvig), učenje jezikov (Lingua) ter IKT (Minerva). V letu 2000 je nastopila druga faza programa Socrates, ki se izteka z letošnjim letom. Zdi se, da je bilo mogoče v tej fazi vpliv Unije laže uresničevati na področju poklicnega izobraževanja in usposabljanja, kar dokazujeta predvsem ustanovitev Evropskega centra za razvoj poklicnega usposabljanja (CEDEFOP; 1975) ter vzpostavitev programa Leonardo da Vinci (1994), sicer pa se je vse do leta 2000 evropsko sodelovanje na področju izobraževanja uresničevalo predvsem z izpeljevanjem omenjenih programov. Članice namreč niso bile pripravljene Uniji priznati politične moči in vpliva na področju, ki je ključno za nacionalno identiteto in kulturo posameznega naroda. Načelo subsidiarnosti je obveljalo. Ko so se leta 2000 v Lizboni zbrali predsedniki držav in vlad tedanje 15-članske Unije, je večina držav doživljala zmerno gospodarsko rast pa tudi makroekonomski položaj je bil ugoden. Slabo luč na zadovoljstvo, ki ga je bilo mogoče zaznati ob uspešni uvedbi Eura ter okrepljeni koordinaciji zaposlitvene in gospodarske politike, pa je metala primerjava z Združenimi državami Amerike, zlasti zaostajanje za njihovo stopnjo gospodarske rasti, zaposlovanja kot tudi delovne učinkovitosti. To bi na daljši rok pripeljalo do oslabitve položaja Evrope v svetovnem gospodarstvu, zato je Lizbonski vrh poudaril potrebo po izpeljavi hitrih in učinkovitih gospodarskih in socialnih reform, ki bi združevale tako cilj povečane konkurenčnosti kot tudi socialne kohezije. V ta namen so se dogovorili za vrsto svežih pobud na ključnih področjih, med njimi na področju zaposlovanja, informacijske družbe, raziskovanja ter izobraževanja in usposabljanja. Lizbonski sklepi tako predstavljajo pomembno prelomnico, saj je izobraževanje in usposabljanje prvič eksplicitno omenjeno kot dejavnik, ki naj bi pomembno prispeval k strateškemu razvoju Evrope v 'najbolj konkurenčno in dinamično, na znanju zasnovano gospodarstvo na svetu, sposobno trajnostne gospodarske rasti z več in boljšimi delovnimi mesti kot tudi večjo socialno kohezijo'. Evropski svet je zato povabil Svet ministrov za izobraževanje, da se na te smernice odzovejo in razmislijo o skupnih ciljih evropskih sistemov izobraževanja, zasnovanih na opredelitvi skupnih vsebin in prioritet. Ta malodane revolucionarni poziv, je dosedanjo prakso, poudarjeno v prej omenjenem 149. členu ( s polnim spoštovanjem do odgovornosti držav članic, kar zadeva vsebino poučevanja, organizacijo izobraževalnih sistemov ter njihovo kulturno in jezikovno raznolikost ) postavil pod vprašaj, saj se zavzema za izrazito proaktivni pristop na področju skupne evropske politike izobraževanja in usposabljanja. Govorimo lahko o začetku druge faze evropskega sodelovanja, saj je bil priporočeni pristop že naslednje leto konkretiziran v Poročilu Evropskega sveta (za izobraževanje) o konkretnih ciljih za prihodnost sistemov izobraževanja in

134 STATISTIČNI DNEVI 2006 STATISTICAL DAYS usposabljanja, sprejetem na Evropskem vrhu v Stockholmu leta 2001, še natančneje pa v Podrobnem delovnem programu za izvajanje poročila o konkretnih ciljih sistemov izobraževanja in usposabljanja, sprejetem na srečanju Evropskega sveta v Barceloni leta Pojav evropskih kazalnikov in ciljnih vrednosti na področju izobraževanja in usposabljanja Odprta metoda usklajevanja Evropski vrh je v Lizboni napotil članice, da za uresničevanje ambicioznega strateškega cilja uporabijo novo, t.i. odprto metodo usklajevanja (Open Method of Coordination - OMC), preneseno s področja usklajevanja evropske gospodarske politike. Ta metoda naj bi postala sredstvo za širjenje primerov dobre prakse ter za doseganje večje konvergence pri zasledovanju skupnih evropskih ciljev. Četudi naj bi pomenila mehko zakonodajo za področja, kjer članice ne vidijo potrebe po postavljanju regulativnih okvirov na ravni EU, pa vendarle z deklariranim namenom, da pomaga članicam pri doseganju progresivnega razvoja lastnih politik vključuje: - oblikovanje skupnih usmeritev ter rokov za doseganje kratko-, srednje- in dolgoročnih ciljev Unije, - vzpostavitev kakovostnih in količinskih kazalnikov in ciljnih vrednosti slednje po eni strani v primerjavi z najboljšimi na svetu, po drugi pa z upoštevanjem potreb različnih držav članic ter sektorjev, - prenos teh evropskih usmeritev v nacionalne in regionalne politike, tako da se pri določanju specifičnih ciljev in prilagajanju ukrepov upošteva nacionalne in regionalne razlike, - periodično spremljanje, evalvacijo in izmenjavo izkušenj, organizirano kot medsebojni učni proces. Po eni strani naj bi ta metoda opredelila skupne rezultate ali cilje na določenem političnem področju, po drugi pa naj bi bila orodje za identifikacijo primerov dobre prakse, tako da bi iz rezervoarja političnih pristopov različnih držav omogočila odkritje tistih poti, ki bi celotno Unijo najbolj učinkovito pripeljale k skupnim ciljem. Treba je še omeniti, da je bistvena značilnost odprte metode usklajevanja pri zagotavljanju bolj koherentne strateške usmeritve kot tudi učinkovitega spremljanja napredka Unije ta, da sam Evropski svet preverja in usmerja njeno implementacijo na svojih spomladanskih srečanjih, ko obravnava skupna poročila o napredku Uporaba odprte metode usklajevanja na področju izobraževanja in usposabljanja Prenos odprte metode usklajevanja na področje izobraževanja in usposabljanja je terjal več korakov, vsakega od njih je potrdil Evropski svet. Prvi korak se nanaša na doseženo soglasje o skupnih ciljih evropskih izobraževalnih sistemov, opredeljenih v zgoraj omenjenem Podrobnem delovnem programu. Gre za tri strateške cilje in trinajst podciljev (pregled v Tabeli 1), za katere so določena ključna področja, roki, predlagani kazalniki za spremljanje ter teme za izmenjavo izkušenj, primerov dobrih praks in strokovnih pogledov. Evropski svet je ob potrditvi tega dokumenta dodal cilj, da naj ti sistemi izobraževanja in usposabljanja do leta 2010 postanejo svetovna referenca za kakovost.

135 134 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Drugi korak pri krepitvi Evropske dimenzije na področju izobraževanja in usposabljanja je bil storjen, ko je Evropski svet iz nabora kazalnikov izbral pet ciljnih vrednosti. Zaključki Sveta (3. maj 2003) v marsičem odstopajo od predlaganega besedila Evropske komisije, predvsem pa v tem, da gre za referenčne ravni poprečnih dosežkov Unije na izbranih področjih, torej za evropske in ne za nacionalne cilje. Te ciljne vrednosti niso namenjene medsebojni primerjavi članic glede njihovega doseganja, prav tako naj ne bi predpisovale odločitev, ki naj bi jih sprejele posamezne vlade, pač pa naj bi nacionalne aktivnosti, zasnovane na nacionalnih prioritetah, prispevale k doseganju evropskih ciljnih vrednosti. Tako opredeljena vloga kazalnikov (in ciljnih vrednosti) v evropski politiki izobraževanja in usposabljanja je torej dvojna: - merjenje napredka: v Podrobnem delovnem programu je predlaganih 33 kazalnikov in določen je standardni format poročanja o napredku, ki za vsak kazalnik poleg sedanjega oziroma izhodiščnega stanja (poprečja EU) določa napredek, dosežen v letih 2004 in 2010 ter postavlja ciljne vrednosti za izbrane kazalnike za isti leti. Izpostavljeno naj bi bilo poprečje treh držav z najboljšimi dosežki in prikazana naj bi bila primerjava evropskih vrednosti z ameriškimi in japonskimi. - opozarjanje na primere dobre prakse oziroma zagotavljanje izhodišč za dialog med državami članicami, kar zadeva razlike med njihovimi dosežki. Večja transparentnost in primerljivo okolje obravnave, ki naj bi ju zagotavljali (tudi) kazalniki in ciljne vrednosti, naj bi omogočala medsebojno učenje tako na ravni izobraževalne politike kot tudi izobraževalne stroke. Glede na vso previdnost, ki jo je zaznati pri formulaciji obravnavanih skupnih strateških dokumentov na evropski ravni, ko se išče ravnovesje med načelom subsidiarnosti in implementacijo odprte metode usklajevanja, lahko postavimo tezo, da se v zadnjih letih oblikuje skupni evropski izobraževalni prostor. Usmeritve, ki jih prinaša metoda usklajevanja, niso obvezujoče, spodbujajo pa moralno odgovornost izobraževalne politike, da deluje bolje in tako prispeva k sprejetim skupnim ciljem. Nova paradigma, ki jo uveljavljajo opisani procesi, postavljajo izobraževalno politiko na nacionalni kot tudi evropski ravni pred nove izzive. Pri tem sistem izobraževanja ni izoliran, nasprotno, povečujeta se tudi interes in vpliv drugih sektorjev na področje izobraževanja in usposabljanja, zato je pomembno, da izobraževalni ministri zavzamejo oziroma ohranjajo proaktivno vlogo pri kreiranju širše agende Evrope, družbe znanja. Za koherentno strateško delovanje na tem področju pa je še kako pomembna koherentnost informacijskega orodja oziroma podpore za odločanje, ki jo zagotavlja predstavljeni sistem kazalnikov in ciljnih vrednosti. 2 UPORABA KAZALNIKOV IN CILJNIH VREDNOSTI V EVROPSKI POLITIKI IZOBRAŽEVANJA IN USPOSABLJANJA 2.1 Postopek opredelitve sistema evropskih kazalnikov in ciljnih vrednosti na področju izobraževanja in usposabljanja Za vsebinski vidik, ki ga odpira odprta metoda usklajevanja, je pri Evropski komisiji delovalo osem delovnih skupin; obravnavale so vseh trinajst ključnih področij evropske izobraževalne politike. Presoja relevantnosti predlaganega sistema kazalnikov (in ciljnih vrednosti) za merjenje napredka evropskega izobraževalnega sistema pa je bila zaupana Stalni delovni skupini za kazalnike in ciljne vrednosti (Standing Group on Indicators and Benchmarks SGIB). Skupino, ki deluje v okviru Direktorata za izobraževanje in kulturo, sestavljajo predstavniki držav članic, večinoma prihajajo iz pristojnih služb ministrstev za šolstvo oziroma izobraževanje, sodelujejo pa tudi druge službe Komisije, med njimi zlasti Eurostat in Eurydice. V zadnjem letu se je pridružila tudi skupina

136 STATISTIČNI DNEVI 2006 STATISTICAL DAYS raziskovalcev iz inštituta CRELL (Center za raziskovanje vseživljenjskega učenja, ustanovljen pri Skupnem raziskovalnem centru Evropske komisije v Ispri, Italija). Slovenija se je v ta proces vključila že februarja 2003, še pred polnopravnim članstvom v Evropski uniji. Presoja relevantnosti kazalnikov, predlaganih v Podrobnem delovnem programu je v obdobju temeljila tako na tehničnih kot tudi političnih kriterijih; glede prvih je bilo odločilno, ali so podatkovni viri za dani kazalnik na voljo, ali so zanesljivi in primerljivi na evropski, po možnosti pa celo na svetovni ravni, ali obstajajo časovne serije ter možnosti stalnega posodabljanja podatkov. Rezultat procesa prečiščevanja je bil seznam 29 (zadovoljivih) kazalnikov, ki so bili uporabljeni v letnih in dvoletnih poročilih o doseganju lizbonskih ciljev na področju izobraževanja. Treba je omeniti, da se je presoja kazalnikov malodane vrtela v začaranem krogu; po eni strani Evropska komisija nikakor ni mogla odstopati od stališča, da je treba za čim več področij zagotoviti kazalnike, pa četudi niso idealni in v tej fazi nikakor ne pomenijo kakovostne podlage za politične odločitve. Po drugi strani smo člani SGIB neprestano opozarjali na pomanjkljivosti uporabljenih podatkovnih virov in izpeljanih kazalnikov pa tudi na njihovo (ne)povezanost s političnimi cilji, doseganje katerih naj bi s kazalniki spremljali. Seznam kazalnikov glede na cilje Podrobnega delovnega programa ter pet ciljnih vrednosti je prikazanih v Tabeli 1, slednje pa tudi v poglavju Uporaba sistema evropskih kazalnikov in ciljnih vrednosti na področju izobraževanja in usposabljanja Spremljanje doseganja ciljev na področju izobraževanja in usposabljanja je sestavni del širšega procesa spremljanja doseganja lizbonskih ciljev. Na slednji, višji ravni se pojavljajo zelo zgoščene in prednostne informacije dokaz za to je, da se med strukturnimi kazalniki Lizbonskega procesa pojavljajo le štiri od petih ciljnih vrednosti, na ožjem seznamu pa le ena, in sicer delež 22-letnikov z zaključeno vsaj srednješolsko izobrazbo. Na ravni letnega in dvoletnega poročanja o napredku izobraževalnega sistema pa je dana priložnost za sistematično, informacijsko in vsebinsko podkrepljeno prikazovanje dosežkov skupnega evropskega kot tudi nacionalnih sistemov izobraževanja. Če primerjamo uporabo obstoječega sistema kazalnikov za pripravo strokovnih podlag skupnega vmesnega poročila (Joint Interim Report) iz leta 2004 z aneksom k poročilu o napredku (Joint Progress Report) za leto 2006, lahko zaznamo bistveni napredek. Aneks k letošnjemu vmesnem poročilu sicer obravnava skoraj vsa ključna področja/cilje, vendar je smiselno urejen: - po eni strani poglobljeno obravnava področja, za katera so postavljene ciljne vrednosti, - po drugi strani pa se osredotoča na tematiko drugega strateškega cilja, t.j. vsem olajšati dostop do izobraževanja in usposabljanja; tematski fokus tako obsega udeležbo mladih v formalnem izobraževanju, udeležbo odraslih v vseživljenjskem učenju ter problematiko mladih, ki zgodaj opustijo šolanje. Osnovni nabor kazalnikov je dopolnjen s kazalniki, ki obravnavano problematiko osvetljujejo iz različnih zornih kotov ter pojasnjujejo dosežke držav članic, ki izstopajo bodisi na zgornjem ali spodnjem koncu lestvice. Vseh kazalnikov, uporabljenih v analizi, je 66, od tega jih ima 5 značaj ciljnih vrednosti, 29 jih je osnovnih, 32 pa vsebinskih. Kjer je le mogoče, so uporabljeni posodobljeni ali celo novi podatkovni viri in rezultati raziskav, izpeljanih v letu 2005 po naročilu Evropske komisije. Uporabljeni so tudi izsledki raziskav, ki omogočajo primerjavo z ZDA. Tako podatkovne vire za 52 kazalnikov zagotavlja Eurostat, za 13 OECD, v primeru ZDA pa nacionalna

137 136 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 študija. V analizi so omenjene tudi morebitne pomanjkljivosti posameznih kazalnikov ter nakazani načini njihovega preseganja. Za področja, ki še vedno ostajajo povsem brez kazalnikov (dejavno državljanstvo, podjetništvo in evropsko sodelovanje) je orisan načrtovani postopek njihovega razvoja. Lahko bi trdili, da je glede na razpoložljive vire informacijska podpora, ki jo zagotavlja obstoječi sistem kazalnikov in ciljnih vrednosti evropskega sistema izobraževanja, v tej analizi zelo korektno in sistematično predstavljena. Posebna vrednost opravljene analize je morda prav v tem, da ne ponuja le odgovorov, temveč poraja tudi vprašanja oziroma nakazuje izzive. 3 KOHERENTNOST KAZALNIKOV IN CILJNIH VREDNOSTI Dozdajšnji razvoj sistema evropskih kazalnikov in ciljnih vrednosti po eni strani vzbuja relativno zadovoljstvo, vendarle le ob sočasnem zavedanju o njegovih pomanjkljivostih, ki tudi v prihodnje narekuje previdno in sistematično delovanje Evropske komisije in vseh drugih vpletenih subjektov. V procesu izločanja in nadomeščanja obstoječih kazalnikov ter pri razvoju novih je treba neprestano imeti v mislih, da gre za večdimenzionalni problem. Slednjega se zaveda tudi Evropski svet, ki je leta 2005 formuliral potrebo po vzpostavitvi koherentnega ogrodja kazalnikov in ciljnih vrednosti ter na svojem zasedanju maja 2005 poudaril zahtevo, da Evropska komisija in Eurostat do konca leta 2006 pripravita poročilo (Komunikacijo) o napredku pri vzpostavljanju tega ogrodja ter ponovno obravnavata ustreznost obstoječih kazalnikov, ki se uporabljajo za spremljanje napredka. Evropska komisija že od maja 2006 v sodelovanju s člani SGIB, sodelavci CRELL-a ter Eurostatom pripravlja pričakovano gradivo. V ta namen je opredelila tri vidike koherentnosti (medsebojne povezanosti, skladnosti) kazalnikov in ciljnih vrednosti, in sicer: - vidik evropske izobraževalne politike, temelječe na Lizbonskih sklepih; - vidik sistema izobraževanja in usposabljanja; - vidik statistike, in sicer statistične infrastrukture ter ogrodij, uporabljenih za analizo in razvoj. 3.1 Koherentnost z vidika evropske izobraževalne politike Koherentnost ciljnih vrednosti in drugih ciljev evropske izobraževalne politike Poleg znamenitih pet ciljnih vrednosti, ki naj bi jih Evropska unija dosegla do leta 2010: 1. vsaj 85 % 22-letnikov v Evropski uniji naj bi imelo zaključeno vsaj srednješolsko ('uppersecondary') izobrazbo, 2. odstotek 15-letnikov, ki dosegajo nizke rezultate v bralni pismenosti, naj bi se v primerjavi z letom 2000 znižal vsaj za 20 %, 3. skupno število diplomantov na študijskih smereh matematika, znanost in tehnologija naj bi se povečalo za vsaj 15 %, zmanjšalo naj bi se neravnovesje med spoloma, 4. doseženo naj bi bilo evropsko poprečje manj kot 10 % tistih, ki zgodaj opustijo šolanje, 5. udeležba v vseživljenjskem učenju odraslega prebivalstva, starega 25 do 64 let, naj bi znašala vsaj 12,5 %, je Evropski svet v obdobju oblikoval še vrsto političnih ciljev in sporočil: 6. zagotoviti predšolsko vzgojo vsaj 90 % otrok, starih 3 leta ali več, ter vsaj 30 % otrok, starih manj kot 3 leta (Barcelona 2002) 7. izboljšati temeljne spretnosti in doseči, da se od zgodnjega otroštva otroci učijo vsaj dveh tujih jezikov (Barcelona 2002)

138 STATISTIČNI DNEVI 2006 STATISTICAL DAYS šole in centri za usposabljanje, vsi povezani v svetovni splet, naj bi se razvili v večnamenske lokalne centre, dostopne vsem ljudem (Lizbona 2000) 9. doseči znatno povišanje letnih vlaganj v človeške vire per capita (Lizbona 2000) 10. nameniti vsaj 2 % BDP za visokošolsko izobraževanje (predlog Komisije Evropskemu svetu, marec 2006, ki pa ni bil sprejet) Kar zadeva politično koherentnost ciljnih vrednosti, jih je smiselno presoditi po teh kriterijih: a. Ali so ciljne vrednosti in dodatni cilji koherentni v smislu pokrivanja celotnega sistema izobraževanja in usposabljanja? Res je, da večina ciljev zadeva formalno izobraževanje, predvsem osnovno- in srednješolsko (cilji 1, 2, 4, 7 in 8), vendar so zajeti tudi predšolska vzgoja (cilj 6), visokošolsko izobraževanje (cilja 3 in 10) ter izobraževanje odraslih (cilj 5). Cilj 9 pokriva celotno vertikalo, cilj 5 pa poleg formalnega tudi neformalno izobraževanje in priložnostno učenje. b. Ali so te ciljne vrednosti, postavljene za leto 2010, uresničljive? Malo ali skoraj nič napredka je mogoče zaznati na področju, ki ga pokrivajo cilji 1, 2 in 4. Kar zadeva udeležbo v vseživljenjskem učenju (cilj 5), je prišlo do izboljšanja, ki pa je v veliki meri posledica spremembe časovnih serij v Anketi o delovni sili (velja tudi za Slovenijo!), zato so ti rezultati vprašljivi. Vse kaže, da bo cilj (3), ki zadeva MST diplomante, presežen, tega pa ni mogoče trditi za neravnovesje med spoloma. Razvoj v obdobju je mogoče opredeliti kot znatno povečanje vlaganj v izobraževanje, tako da se ta cilj (9) uresničuje. Cilj, ki zadeva IKT (8), ni več aktualen, saj so vse šole že povezane v svetovni splet, aktualna pa ostaja zamisel o odpiranju šol v okolje in njihovi prelevitvi v večnamenske lokalne centre. Drugi trije cilji (6, 7, 10) se zdijo uresničljivi, četudi so precej ambiciozni. Postavlja se vprašanje, ali bi bilo smiselno tiste ciljne vrednosti, ki se zdijo neuresničljive, spremeniti (preoblikovati, izločiti ali dodati nove), vendar je to bolj sprejemljivo na ravni kazalnikov kot ciljnih vrednosti, saj so slednje kvantificirani cilji, le-teh pa ne določa SGIB, temveč so bolj političnega značaja. c. Referenčne vrednosti svetovnega dometa? Evropski sistem izobraževanja in usposabljanja naj bi do leta 2010 postal referenčni sistem za kakovost na svetovni ravni, vendar je na tej ravni zaenkrat mogoče primerjati le bralno pismenost in diplomante naravoslovnih in tehniških študijev Politična koherentnost kazalnikov evropske izobraževalne politike Omenili smo že, da je bilo v zadnjem poročilu poleg 29 obveznih osnovnih kazalnikov prikazanih še nekaj dodatnih vsebinskih kazalnikov in deskriptorjev, tako da je bilo njihovo skupno število 66. Rezultat ponovne obravnave ustreznosti osnovnih kazalnikov je predlog 20 'novih' kazalnikov glej zadnji stolpec v Tabeli 1, ki bodo glede na dozdajšnje izkušnje kar najbolje pokrili vse cilje in podcilje Podrobnega delovnega programa. Člani SGIB smo predlagane kazalnike potrdili in se strinjali, da dodamo še kazalnike s treh področij: spretnosti odraslih, udeležba oseb s posebnimi potrebami v izobraževanju ter prehod iz izobraževanja v delo. Kjer je to smiselno, bo pri kazalnikih dodan tudi vidik poklicnega izobraževanja in usposabljanja. Kar zadeva pokritost vseh vrst izobraževanja in učenja z obstoječimi kazalniki, velja, da se jih velika večina nanaša na formalno izobraževanje, veliko manj na neformalno izobraževanje in učenje, le peščica pa na priložnostno učenje. Z novim naborom kazalnikom bo treba tudi na tem področju vzpostaviti ravnovesje.

139 138 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Koherentnost z vidika sistema izobraževanja in usposabljanja Analiza sistemskega vidika koherentnosti je pokazala, da je največ (27 od 66) kazalnikov input (financiranje, udeleženci, učitelji) ali (22) output (količinski in kakovostni kazalniki: diplomanti, osipniki, spretnosti, kompetence) orientiranih, veliko manj (2) pa jih zadeva ekonomske in družbene rezultate (outcome kazalniki: zaposlovanje, plače, družbena participacija, dejavno državljanstvo, zdravje. okolje). Premalo (15) kazalnikov zadeva proces (šole/izobraževalne ustanove, zaposleni, učne metode, raba IKT, usposabljanje učiteljev, nasilje, razne interakcije, pravne osnove), zato velja, da je pri nadaljnjem razvoju kazalnikov več pozornosti treba nameniti kazalnikom kakovosti procesov v izobraževanju in usposabljanju in ne le kakovosti političnih ukrepov. Prav tako se je treba bolj posvetiti procesnim in izhodnim kazalnikom za neformalno izobraževanje in učenje ter priložnostno učenje, saj je delež vseh štirih vrst kazalnikov neprimerno večji za področje formalnega izobraževanja. 3.3 Koherentnost z vidika statistične infrastrukture Eorostat je v procesu preučevanja koherentnosti statistične infrastrukture (obstoječih in nastajajočih podatkovnih virov) posebno pozornost namenil načelom, ki jim mora statistična infrastruktura zadostiti: kakovost, rednost, visoka stopnja pokrivanja, zanesljivost, mednarodna primerljivost, preprečevanje prekrivanja, točnost in natančnost in podobno. Na zadnjem sestanku SGIB je bilo tudi predlagano, da se v Komunikaciji poudari pomen Evropskega statističnega sistema za spremljanje procesa izobraževanja in usposabljanja do 2010, saj zaenkrat zagotavlja podatke za skoraj 80 % vseh kazalnikov. Vprašanje statistične koherentnosti kazalnikov in ciljnih vrednosti je obdelal tudi CRELL; v njihovi analizi sta obravnavani dve vprašanji: - Ali je v statističnem smislu 5 ciljnih vrednosti dober povzetek informacij, ki jih sicer prinaša daljši seznam 29 kazalnikov? - Ali je mogoče iz petih ciljnih vrednosti izpeljati t.i. sestavljeni kazalnik? Z uporabo treh statističnih tehnik za analizo 24 kazalnikov po treh referenčnih letih (2000/03/05) so prišli do spoznanja, da je odgovor na prvo vprašanje za večino držav pozitiven, vendar ne za vse, saj se države po strukturi izobraževalnih sistemov razlikujejo. Dobre rezultate je dala tudi analiza občutljivosti dveh sestavljenih kazalnikov (prvi izhaja iz petih ciljnih vrednosti, drugi pa iz petih ciljnih vrednosti in kazalnika javni izdatki za izobraževanje kot odstotek BDP). Kljub temu ni pričakovati, da bi sestavljeni kazalnik nadomestil pet ciljnih vrednosti, saj so poleg statističnega pomembni še drugi vidiki, predvsem pokritost vseh področij izobraževanja in usposabljanja. 4 ZAKLJUČKI Prikazani proces neprestanega razvoja sistema kazalnikov in ciljnih vrednosti za spremljanje napredka evropskega sistema izobraževanja in usposabljanja v smeri doseganja skupnih ciljev na ravni EU dokazuje, da gre za večplastna prizadevanja, ki terjajo sinergijski pristop in visoko stopnjo sodelovanja vsaj treh skupin subjektov: politike, stroke izobraževanja in usposabljanja ter statistično-raziskovalne stroke. Prevladovanje enega vidika na račun drugih dveh na daljši rok onemogoča opravljanje temeljne funkcije tega sistema, t.j. spremljanje doseganja lizbonskih ciljev z vidika prispevka izobraževanja in usposabljanja k ustvarjanju najbolj konkurenčnega, na znanju zasnovanega gospodarstva na svetu. Ker družba znanja ni sama sebi namen, temveč je vpeta v

140 STATISTIČNI DNEVI 2006 STATISTICAL DAYS celoten družbeno-ekonomski sistem Evropske unije, sta pomembni tudi smiselna vpetost preučevanega sistema kazalnikov v širši sistem strukturnih kazalnikov ter prepletanje metode odprtega usklajevanja v vseh resorjih. Povezovanje in proaktivno sodelovanje pa je zaželeno tudi v okviru vsake od prej omenjenih strok. Če se omejimo na statistično-raziskovalno stroko, je treba omeniti, da je večkrat omenjena analiza 66 kazalnikov pokazala, da jih je 32 administrativnega značaja, 34 pa jih izhaja iz študij in raziskav. Evropski vrh je z zahtevo po sodelovanju z mednarodnimi organizacijami pri izpopolnjevanju obstoječih in razvoju novih kazalnikov odprl sveže poglavje v zadovoljevanju informacijskih potreb EU. Priporočilo se že uresničuje na področjih kazalnikov, kot so IKT, spretnosti odraslih ter poklicno izpopolnjevanje učiteljev, saj potekajo intenzivna pogajanja med Evropsko komisijo in OECD-jem pa tudi Eurostat-om. Slednji v zadnjem času veliko pozornosti namenja ureditvi pravne osnove na področju statistike vseživljenjskega učenja, Evropska komisija pa z novim integralnim programom na področju vseživljenjskega učenja ter z drugimi ukrepi postavlja temelje za sodelovanje pa tudi sofinanciranje udeležbe vseh držav članic v teh procesih. Nezanemarljivi so tudi poskusi vzpostavitve evropske izobraževalne mreže raziskovalcev, ki zagovarja oblikovanje raziskovalnih metodologij, prikrojenih evropskemu izobraževalnemu prostoru (za razliko od pristopov OECD). Nenazadnje je nemalokrat slišati ko povsem zmanjka mednarodno primerljivih podatkovnih virov in se zdi, da je na nacionalni ravni vendarle dovolj kakovostnih podatkov, da bi bilo z nekoliko prilagoditvami smiselno upoštevati tudi nacionalne vire. Zdi se, da smo prestopili prag tretje faze evropskega sodelovanja na področju izobraževanja in usposabljanja, kjer se vzpostavlja usklajeni, sistemski, holistični pristop, ki temelji na vse kakovostnejši informacijski podpori za odločanje. Če je to res na ravni Evropske unije, se isti pristop toliko bolj ponuja tudi na ravni posamezne države. V Sloveniji od leta 2005 pri Ministrstvu za šolstvo deluje Koordinacija 'Izobraževanje in usposabljanje 2010'. Povezuje predstavnike politike in izobraževalne stroke, statistično-raziskovalna sfera pa ni prisotna. Naj ta prispevek vsaj malo pripomore k preseganju te pomanjkljivosti. LITERATURA IN VIRI: 1. Annex to the Joint Progress Report of the Council and the Commission on the implementation of the Education and Training 2010 work programme. Detailed analysis of progress towards the Lisbon objectives in education and training Report. Analysis based on indicators and benchmarks. Commission Staff Working document 2. Becoming the best. Educational ambitions for Europe. CIDREE, Reference levels of European average performance in education and training (Benchmarks) Council conclusions of 5 May 2003, Official Journal, No C134/3, Detailed work programme on the follow-up of the objectives of education and training systems in Europe Work programme of the Education Council in cooperation with the Commission, February Education & Training 2010 The success of the Lisbon Strategy hinges on urgent reforms (2004) Joint Interim Report of the Council and the Commission on the implementation of the detailed work programme on the follow-up of the objectives of education and training systems in Europe 6. European benchmarks in education and training: follow-up to the Lisbon European Council Communication from the Commission, November Future objectives of education and training systems Education Council report, February Hingel, J. (2001). Educational Policies and European Governance. Brussels: European Commission

141 140 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Implementation of the Education & Training 2010 programme Commission Staff Working document Supporting document for the draft joint interim report on the implementation of the detailed work programme on the follow-up of the objectives of education and training systems in Europe, November Modernising education and training: a vital contribution to prosperity and social cohesion in Europe (2006) Joint Progress Report of the Council and the Commission on the implementation of the Education and Training 2010 Work Programme New indicators in education and training Council Conclusions (May 2005) Modernising education and training: a vital contribution to prosperity and social cohesion in Europe (2006) 13. Progress towards the Lisbon objectives in education and training 2005 Report (Annual Report) Commission Staff Working document

142 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Tabela 1: Nabor 29 osnovnih kazalnikov glede na strateške cilje (SC) in podcilje (PC) evropskega izobraževalnega sistema, podatkovne vire in prisotnost v novem naboru kazalnikov Strateški cilji / podcilji / kazalniki Ciljna vrednost do leta 2010 Podatkovni vir I. SC: Izboljšanje kakovosti in učinkovitosti sistemov izobraževanja in usposabljanja v EU I.1 PC: Izboljšanje izobraževanja in usposabljanja učiteljev ter izobraževalcev 1. Starost učiteljev UOE zbirka 2. Število mladih (0-14let ter let) kot delež celotne Pop V novem naboru (20) populacije 3. Razmerje število učencev/učitelja UOE zbirka Kakovost učiteljev in izobraževalcev Novo*** I.2 PC: Razvijanje spretnosti za družbo znanja 4. Delež 22-letnikih z zaključeno vsaj srednješolsko vsaj 85% ADS izobrazbo 22-letnikov 5. Delež učencev z nizkimi dosežki v bralni spretnosti upad za vsaj PISA 20% glede na leto Dosežki 15-letnikov pri bralni pismenosti PISA 7. Dosežki 15-letnikov pri matematični pismenosti PISA 8. Dosežki 15-letnikov pri znanstveni pismenosti PISA 9. Delež odraslih z manj kot srednješolsko izobrazbo udeleženih v izobraževanju in usposabljanju ADS Učiti se učiti Novo*** I.3 PC: Zagotavljanje dostopa do IKT vsakomur - Ni kazalnikov IKT spretnosti Novo** I.4 PC: Povečevanje vpisa na naravoslovne in tehniške študije (MST) 10. Študenti MST kot delež vseh študentov UOE zbirka 11. Diplomanti MST kot delež vseh diplomantov UOE zbirka 12. Skupno število visokošolskih diplomantov MST porast za vsaj 15%; boljše UOE zbirka ravnovesje med spoloma 13. Število diplomantov MST na prebivalcev, straih UOE zbirka let I.5 PC: Kar najbolje uporabiti vire 14. Javni izdatki za izobraževanje kot delež BDP UOE zbirka 15. Zasebni izdatki za izobraževalne ustanove kot delež BDP UOE zbirka 16. Izdatki podjetij za nadaljnje poklicno usposabljanje CVTS 17. Skupni izdatki za izobraževalne ustanove na učenca, (PPS) UOE zbirka 18. Skupni izdatki za izobraževalne ustanove na učenca, UOE zbirka (BDP per capita) Učinkovitost investicij v človeške resurse Novo* II. SC: Vsem olajšati dostop do izobraževanja in usposabljanja II.1 PC: Odprto učno okolje 19. Udeležba odraslih, starih let, v izobraževanju in vsaj 12,5% ADS usposabljanju Udeležba 4-letnikov v vzgoji in izobraževanju Novo* Učenci v srednješolskem izobraževanju po usmeritvah Novo* Spretnosti odraslih Novo***

143 142 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 II.2 PC: Naj bo učenje privlačnejše 20. Udeležba v nadaljnjem poklicnem izobraževanju in CVTS usposabljanju, vsa podjetja (v urah/000 delovnih ur) 21. Udeležba v nadaljnjem poklicnem izobraževanju in CVTS usposabljanju, izobraževalna podjetja (v urah/000 delovnih ur) 22. Udeležba mladih od let v izobraževanju ADS 23. Delež mladih, starih let, ki zgodaj opustijo šolanje nižji od 10% ADS in niso dosegli srednješolske izobrazbe II.3 PC: Zavzemanje za aktivno državljanstvo, enake možnosti in socialno kohezijo - Ni kazalnikov Dejavno državljanstvo Novo** Socialno ozadje visokošolskih študentov Novo* III. SC: Odpiranje sistemov izobraževanja in usposabljanja v širše okolje III.1 PC: Krepitev vezi z delovnimi okolji, raziskovanjem in širšo družbo - Ni kazalnikov Družbeno-ekonomski rezultati izobraževanja in usposabljanja Novo*** III.2 PC: Razvijanje podjetniškega duha - Ni kazalnikov Podjetništvo Novo** III.3 PC: Izboljšanje učenja tujih jezikov 24. Distribucija učencev glede na število tujih jezikov, ki se jih učijo (osnovna in srednja šola) 25. Poprečno število tujih jezikov, ki se jih učijo v srednji šoli Jezikovne spretnosti Novo*** III.4 PC: Povečevanje mobilnosti in izmenjav 26. Mobilnost učiteljev in izobraževalcev (notranja, zunanja) EAC 27. Mobilnost udeležencev programov Erasmus in Leonardo EAC (notranja, zunanja) 28. Tuji visokošolski študenti kot delež vseh študentov, po UOE zbirka narodnosti 29. Delež študentov posameznih držav, ki študirajo v tujini UOE zbirka Mobilni študenti vključeni v visokošolsko izobraževanje Novo* III.5 PC: Krepitev evropskega sodelovanja - Ni kazalnikov Diplomanti Novo* Legenda: ADS Anketa o delovni sili, Eurostat CVTS Raziskava o nadaljnjem poklicnem izobraževanju in usposabljanju, Eurostat EAC Podatki direktorata za izobraževanje in kulturo (DG EAC) Pop Projekcije prebivalstva, Eurostat UOE Unesco-OECD-Eurostat zbirka podatkov o formalnem izobraževanju Novo* bo pridobljeno na temelju obstoječih podatkov Novo** bo pridobljeno iz obstoječih raziskav Novo*** bo pridobljeno na temelju novih raziskav

144 STATISTIČNI DNEVI 2006 STATISTICAL DAYS VZPOSTAVITEV KAZALCEV ZA SPREMLJANJE STANJA KMETIJSTVA IN OKOLJA V RS Irena Rejec Brancelj POVZETEK Referat predstavlja proces priprave kazalcev s področja kmetijstva in okolja za Slovenijo. Izhaja iz kmetijskega in okoljskega poročevalskega mehanizma IRENA (Indicator Reporting on the integration of Environmental concerns into Agricultural policy), ki ga upravlja Evropska agencija za okolje. Namenjen je uvajanju principa vključevanja okoljskega vidika v kmetijsko politiko, s ciljem spremljanja njene učinkovitosti v podporo trajnostnemu razvoju. IRENA temelji na sistemu kazalcev, ki jih definira pet-delni okvir presoje (t. im DPSIR okvir), katerega ključna vloga je pomoč pri razumevanju vzorčno-posledičnih, predvsem pa medsebojno vplivajočih odnosov v okolju. IRENA kazalci obravnavajo problematiko gospodarne rabe vode, uporabo fitofarmacevtskih sredstev, degradacijo prsti, vpliv na podnebne spremembe in kakovost zraka ter ohranjanje pokrajine in biotske raznovrstnosti. V osnovi lahko služijo kot podpora v procesu odločanja ter za ozaveščanje javnosti o kmetijsko okoljski problematiki v Sloveniji. SETTING UP THE INDICATORS FOR AGRICULTURE AND ENVIRONMENT MONITORING IN SLOVENIA ABSTRACT Article presents the agriculture and environment indicators' preparation process in Slovenia. Environmental indicators are among the most applicable tools used for the purposes of environmental reporting. Based upon numerical data demonstrating the status, specific characteristic or development of a certain phenomenon, they play an important role in the assessment. The agriculture and environment related indicators are methodologically developed from the Indicator Reporting on the integration of Environmental concerns into Agricultural policy IRENA set up by the European Environment Agency. The main purpose of the reporting mechanism is monitoring the progress and integration of environmental policy into the agriculture sector. Indicators in the IRENA enable understanding the cause-and-effect and especially interdependence relationships in the environment.

145 144 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 UVOD Intenzifikacija in specializacija kmetijstva sta po vsej Evropi pripeljali do velikih okoljskih obremenitev. Med najpomembnejšimi posledicami so erozija prsti, preobremenitev vodnih virov in zmanjšanje biotske raznovrstnosti (The European environment, 2005). Ena od pomembnih gonilnih sil intenzifikacije in specializacije je bila skupna kmetijska politika Evropske skupnosti. Povečevanje ornih površin na račun travnikov in pašnikov, obsežna uporaba gnojil in sredstev za varstvo rastlin se je odrazila v upadu biotske raznovrstnosti in povečanju onesnaževanja vode in zraka iz kmetijstva. Kmetijstvo je bilo prepoznano kot pomemben obremenjevalec iz razpršenih virov, v primeru velikih živinorejskih obratov, ribogojnic ter neprimernega shranjevanja in odlaganja sredstev za varstvo rastlin, pa tudi kot točkovni vir obremenitev. Z naraščanjem kmetijske intenzifikacije rastejo tudi učinki na pokrajino in posamezne pokrajinske elemente. Z vidika globalnih okoljskih sprememb velja omeniti pojav tople grede, tanjšanje ozonske plasti ter spreminjanje biodiverzitete. Da gre resnično za problem, ki ga je potrebno reševati integralno, dokazujejo naslednja dejstva o vplivih kmetijstva: Kmetijstvo je velik porabnik vode potreba po gospodarni rabi vode Kmetijstvo je velik porabnik sredstev za varstvo rastlin - zmanjšanje tveganja zaradi njihove uporabe Kmetijstvo bistveno prispeva k onesnaževanju prsti potreba po zmanjšanju degradacije prsti Kmetijstvo pomembno vpliva na podnebne spremembe in kakovost zraka zmanjšanje vpliva Kmetijstvo odločilno vpliva na okolje prosto živečih rastlinskih in živalskih vrst in pokrajine - ohranitev biotske raznovrstnosti in drugih lastnosti pokrajine Z izzivi hitre rasti kmetijstva in njegovimi okoljskimi posledicami se v zadnjih desetletjih, predvsem pa po vstopu v EU, intenzivno sooča tudi Slovenija. Eden od odzivov na naraščajočo problematiko so tudi aktivnosti Agencije RS za okolje, ki v sodelovanju s Kmetijskim inštitutom Slovenije pripravlja nacionalni nabor kmetijsko-okoljskih kazalcev po vzoru poročevalskega mehanizma IRENA (angl. Indicator Reporting on the integration of Environmental concerns into Agricultural policy) Evropske agencije za okolje. Pričujoči prispevek predstavlja proces vzpostavitve sistema kazalcev za spremljanje stanja kmetijstva in okolja v Sloveniji. V prvem delu predstavljamo aktivnosti na ravni EU povezane z vzpostavitvijo poročevalskega sistema IRENA. Opredeljeni pristop hkrati predstavlja izhodišče za razvoj sistema kmetijsko-okoljskih kazalcev v Sloveniji, ki mu namenjamo naslednje poglavje. KMETIJSKO-OKOLJSKI KAZALCI NA EVROPSKI RAVNI Do nedavnega so glavno orodje za zmanjševanje okoljskih vplivov kmetijstva predstavljali okoljski predpisi in uredbe. Ti so se v glavnem nanašali na vnos nevarnih snovi in rastlinskih hranil v tla, o izvajanju dobre kmetijske prakse pri gnojenju, o prepovedi uporabe sredstev za varstvo rastlin na vodonosnikih, kjer so presežene dopustne koncentracije, idr. Vse pogostejše zahteve po vključevanju varstva okolja v kmetijski sektor pa narekujejo širši in celovitejši pristop, kar potrjujejo tudi cilji navedeni v ključnih političnih dokumentih EU - Strategiji trajnostnega razvoja, Šestem okoljskem akcijskem programu, Skupna kmetijska politika, idr. Za kratek seznam prednostnih nalog v glavnih strateških dokumentih EU glej preglednico 1.

146 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Preglednica 1: Kratek seznam prednostnih nalog in ciljev, določenih v glavnih strateških dokumentih Evropske komisije in vlade RS, ki se nanašajo na kmetijstvo in okolje Strategija trajnostnega razvoja Šesti okoljski akcijski program Reforma Skupne kmetijske politike (EU, 2003) Strategija razvoja slovenskega kmetijstva (MKGP, 1992) Slovenski kmetijsko okoljski program (MKGP, 2001) V skladu s to strategijo "bi morale biti države pristopnice aktivno vključene v uresničevanje strategije [trajnostnega razvoja]". Zagotavljanje sonaravnega kmetijstva je ena od prednostnih nalog strategije. V sklepih sestanka na vrhu v Gothenburgu, na katerem je bila sprejeta ta strategija, se poudarja, da bi morali širiti obseg zemljišč po kmetijsko-okoljskimi ukrepi. Ključni ukrepi šestega okoljskega akcijskega programa so: celovita uresničitev pravnega reda na področju okolja, sprejetje strategij in pristopov v podporo trajnostnemu razvoju, npr. spodbujanje celovitih presoj vplivov na okolje ter usmerjanje okoljskih ciljev in strategij v drugih resorjih, podpora trajnostnim oblikam kmetijske pridelave, skrbno načrtovanje kmetijskega gospodarjenja, tako da njegova rast ne povzroča škode naravnemu in družbenemu okolju. Ostrejša, okoljsko naravnana pravila pri uveljavljanju neposrednih podpor (navzkrižna skladnost) Zmerna intenzivnost kmetijstva Podpore za okolju bolj prijazne načine pridelave (alternativa visoko intenzivnemu kmetijstvu) Pomemben element celovitega pristopa za izboljšanje trajnostnega razvoja evropskega kmetijstva je informacijski sistem kmetijsko-okoljskih kazalcev, že omenjeni poročevalski mehanizem IRENA. Nabor kazalcev in poročila na njihovi podlagi že več let pripravlja Evropska agencija za okolje. Danes je njihov glavni namen spremljanje napredka in učinkovitosti kmetijskih in okoljskih strategij v EU. Sistem kazalcev je bil vzpostavljen leta 2000 in obsega nabor kazalcev, določanje virov informacij, vzpostavljanje organizacijske strukture in postopkov poročanja ter rezultatov. Od takrat se kazalce v obliki podatkovnih listov vsako leto osvežuje, po potrebi pa tudi popravi, dopolni ter nadgradi zaradi spreminjanja okoljske zakonodaje. Sistem kazalcev opredeljuje petdelni okvir presoje (t.i. DPSIR okvir). Vsak del presoje ima specifičen namen - omogoča razumevanje vzročno-posledičnih in medsebojno vplivajočih odnosov v okolju (glej sliko 1), kjer: gonilne sile (angl. Driving forces) predstavljajo dejavnosti (npr. površine zemljišč z okoljskim kmetovanjem, sprememba rabe zemljišč, intenzivnost kmetijstva). Kmetijska pridelava povzroča obremenitve (angl. Pressures) na ljudi in okolje zaradi škodljivih izpustov v zrak in vode, uporabe gnojil in sredstev za varstvo rastlin, idr. Kot rezultat obremenitev se stanje (angl. State) okolja spremeni. Kmetijstvo vpliva na kakovost zraka, podnebne spremembe in kakovost voda, zmanjševanje biotske pestrosti, idr. Spremembe v stanju vodijo do vplivov (angl. Impacts) na zdravje ljudi (npr. kakovost pridelkov, kakovost pitne vode), izgubo biotske raznovrstnosti, itd. Ti vplivi končno vodijo do družbenih odzivov (angl. Responses), kot so npr. navodila za izvajanje dobre kmetijske prakse pri gnojenju, navodilo o tem, kdaj se šteje, da obdelovalec ravna kot dober gospodar, idr., subvencioniranje ekološke pridelave, kmetijsko okoljski programi.

147 146 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Slika 1: DPSIR okvir presoje za prikaz razmerij in medsebojnega učinkovanja kmetijstva in okolja Vir: EEA, 2000 Kazalci IRENA so izbrani in razvrščeni tako, da odgovarjajo na pet vprašanj, ki izhajajo iz strateških usmeritev EU: 1. Katere izboljšave se uporabljajo pri upravljanju kmetij? 2. Do kakšne mere so naraščali oz. upadali škodljivi in neškodljivi okoljski procesi? 3. Kakšen je vpliv na stanje kmetijskega okolja? 4. Katera so ključna vprašanja kmetijsko okoljske problematike, tudi v različnih regijah? 5. Kateri ukrepi so bili uporabljeni za razreševanje kmetijsko okoljske problematike? Začeten nabor je obsegal 35 kazalcev IRENA. Omenjeni niz predstavlja dolgoročno vizijo "idealnega" nabora, ki naj bi omogočal vsakoletno presojo različnih vidikov kmetijskega in okoljskega sistema. Zaradi pomanjkljivosti v podatkovnih nizih ter metodoloških nejasnosti nekateri kazalci tega še ne omogočajo v celoti. Problem kakovosti podatkov predstavlja tudi nedoslednost in neskladnost podatkovnih nizov, ki jih poročajo različne organizacije. Slednje onemogoča primerljivost podatkov oz. informacij. V nekaterih primerih so uporabljeni posredni kazalci ali pa vrednosti kazalca temeljijo na podatkih manjšega števila zajetih kmetij. Preglednica 2 podaja pregled posameznih kazalcev in njihovo umestitev v okvir presoje DPSIR.

148 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Preglednica 2: Nabor kazalcev IRENA (umestitev kazalcev v okvir presoje DPSIR in pregled nad viri podatkov za kazalce) OŽJI NABOR Štev. EEA-Koda Ime indikatorja Okvir presoje Vir podatkov 1 IRENA01 Area under agri-environment support Odzivi KIS, AKTRP 2 IRENA04 Area under nature potection Odzivi KIS, ARSO 3 IRENA06 Holders' training levels Odzivi KIS 4 IRENA07 Area under organic farming Odzivi KIS, AKTRP 5 IRENA08 Fertiliser consumption Obremenitve KIS, SURS, FURS 6 IRENA09 Pesticide consumption Obremenitve KIS, SURS, FURS 7 IRENA11 Energy use Gonilne sile KIS 8 IRENA12 Land use change (topological change) Stanje MKGP 9 IRENA14 Farm management practices Gonilne sile KIS 10 IRENA15 Intensification/extensification Gonilne sile KIS 11 IRENA16 Specialisation/Diversification Gonilne sile KIS 12 IRENA18 (Surface) Gross nutrient balance Obremenitve SURS, KIS 13 IRENA19 (Greenhouse gas) Emissions of Methane (CH4) and Obremenitve KIS, ARSO, SURS Nitrous Oxide (N2O) 14 IRENA25 Genetic diversity Obremenitve KIS 15 IRENA26 High nature value (farmland) areas Obremenitve ARSO, KIS 16 IRENA29 Soil quality Stanje MKGP, KIS, BTF 17 IRENA34.1 Share of agriculture in GHG emissions Vplivi KIS, AURS, ARSO 18 IRENA34.2 Share of agriculture in nitrate contamination Vplivi ARSO, KIS 19 IRENA30 Nitatrates/pesticides in water Stanje ARSO, KIS ŠIRŠI NABOR Štev. Koda Ime indikatorja Okvir presoje Vir podatkov 1 IRENA02 Regional levels of good farming practice Odzivi AKTRP 2 IRENA03 Regional levels for environmental targets Odzivi AKTRP 3 IRENA05.1 Organic producer price premiums Odzivi AKTRP 4 IRENA05.2 Agricultiral income of organic farmers Odzivi AKTRP 5 IRENA13 Cropping/livestock patterns Gonilne sile SURS 6 IRENA17 Marginalisation Gonilne sile SURS 7 IRENA20 Pesticide soil contamination Obremenitve URSK 8 IRENA23 Soil erosion Obremenitve SURS 9 IRENA24 Land cover change Obremenitve ARSO 10 IRENA27 Production of renewable energy (by source) Obremenitve SURS 11 IRENA28 Species richness Stanje NIB 12 IRENA32 Landscape state Stanje SURS 13 IRENA33 Impact on habitats and biodiversity Vplivi NIB 14 IRENA34.3 Share of agriculture in water use Vplivi ARSO 15 IRENA35 Impact on landscape diversity (Agricultural and global Vplivi ARSO,SURS diversity) 16 IRENA10 Water use (intesity) Gonilne sile ARSO,SURS 17 IRENA21 Water contamination Obremenitve ARSO 18 IRENA22 Water abstraction Obremenitve ARSO 19 IRENA31 Ground water levels Stanje ARSO ARSO Agencija RS za okolje KIS Kmetijski inštitut Slovenije SURS Statistični urad RS NIB - Nacionalni inštitut za biologijo URSK Urad RS za kemikalije (Ministrstvo za zdravje) AKTRP Agencija za kmetijske trge in razvoj podeželja FURS Fitosanitarna uprava RS BTF Biotehnična fakulteta MKGP Ministrstvo za kmetijstvo, gozdarstvo in prehrano

149 148 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Ocena trendov kazalcev IRENA temelji na ciljih, zapisanih v mednarodnih dokumentih in programih EU, npr. v Strategiji trajnostnega razvoja, Skupni kmetijski politiki, Šestem okoljskem akcijskem programu, okoljskih direktivah in raznih drugih mednarodnih konvencijah in sporazumih, nacionalnih strategijah (ReNEP, 2004, ReNPIA, 2004, RENPVO, 2006, RePP, 2005). Ključni cilj na področju kmetijske politike v EU je zmerna intenzivnost s sprejemljivimi negativnimi vplivi na okolje. IRENA je dinamičen proces, zato je pričakovati, da se bodo podatki in metodologija kazalcev ter presoja skozi leta postopoma izboljševali, predvsem zaradi aktivnega vključevanja posameznih držav članic Evropske agencije za okolje v posvetovalni proces presoje. Zaenkrat se IRENA osredotoča predvsem na presojo na ravni EU, prizadevanja pa tečejo v smeri, da bi se sistem razvil v orodje, ki bi omogočalo primerjalno analizo po državah. Druga težnja je, da bi se po vzoru IRENA in TERM oblikovali integracijski sistemi tudi za ostale sektorske politike. KMETIJSKO-OKOLJSKI KAZALCI V SLOVENIJI Ključni razlog vzpostavitve sistema kmetijsko-okoljskih kazalcev v Sloveniji izvira iz vključitve Slovenije v EU ter iz njenega stalnega članstva pri Evropski agenciji za okolje, sklenjenega na podlagi sporazuma leta 2001 (Uradni list RS-MP, št. 18/2001). Spremljanje stanja okolja in poročanje domačim ter mednarodnim institucijam in javnosti je v Sloveniji dokaj novo, a pomembno področje evropske zakonodaje. Sistem poročanja okoljskih podatkov, spremljanje stanja okolja in ozaveščanja javnosti o okoljski problematiki se vzpostavlja na Agenciji RS za okolje. Slednja je pričela s sistematičnim spremljanjem na podlagi okoljskih kazalcev leta 2002, v okviru posvetovalnega procesa o okoljskih kazalcih. Vzpostavitev sistema okoljskih kazalcev izhaja iz delovnega programa Evropske agencije za okolje, za izvajanje katerega je na nacionalni ravni zadolžena Slovenija od leta 2001 dalje. Vzpostavitev sistema kmetijsko-okoljskih kazalcev formalno temelji na določilu 106.člena Zakona o varstvu okolja (Uradni list RS, št. 39/06-ZVO-1-UPB1), ki v tretjem odstavku določa, da Ministrstvo za okolje in prostor vsako drugo leto pripravi poročilo o okolju ali njegovih posameznih delih, sestavljeno iz kazalcev stanja okolja. Pomembna sprememba glede na stari zakon je predvsem zahteva po javnosti okoljskih podatkov in odpiranju podatkovnih baz. V upravnem smislu Zakon podpira komuniciranje med državno upravo in državljani, kot to določa Zakon o dostopu do informacij javnega značaja (Uradni list RS, št. 24/2003.). Ta v osnovi implementira zahteve Direktive 2004/3/EC o prostem dostopu javnosti do okoljskih informacij in Arhuške konvencije. Za prost dostop javnosti do okoljskih podatkov se skladno z omenjeno evropsko zakonodajo zavzema tudi Evropska agencija za okolje, ki preko omrežja EIONET (Evropsko opazovalno in informacijsko omrežje) zbira ter zagotavlja dostop do okoljskih informacij. Kazalci so se pri tem razvili kot orodje, ki s pomočjo agregiranih podatkov komunicira z določenimi ciljnimi skupinami. Razvoj kmetijsko-okoljskih kazalcev je na nacionalnem nivoju namenjen predvsem ozaveščanju širše javnosti ter v podporo odločanju. V širšem smislu služi tudi za mednarodno izmenjavo okoljskih podatkov in informacij. Zaradi prilagoditve širšemu sistemu poročanja smo pri razvoju nabora kazalcev prevzeli mehanizem IRENA, kljub temu, da smo že v samem začetku želeli sistem prilagoditi slovenskim razmeram. Vzpostavitev sistema kmetijsko-okoljskih kazalcev je potekala v treh fazah: 1. opredelitev strukture poročila, širšega nabora kazalcev in metodologije njihovega pridobivanja ter priprava podatkovnih listov za širši nabor kazalcev; 2. izbor in priprava širšega nabora kazalcev za internetno predstavitev ter izbor ožjega nabora kazalcev za pripravo tiskane publikacije, izvedba tematske delavnice za preveritev izbora v širšem strokovnem krogu; 3. priprava gradiv za internetno predstavitev in tiskano publikacijo.

150 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Preglednica 3: Obstoječi nabor kmetijsko-okoljskih kazalcev v Sloveniji KMETIJSTVO 1. Intenzivnost kmetijstva 2. Poraba sredstev za varstvo rastlin 3. Poraba mineralnih gnojil 4. Kmetijska območja visoke naravne vrednosti 5. Kmetijsko okoljski ukrepi 6. Varovana območja narave 7. Površine zemljišč z okoljskim kmetovanjem 8. Izobrazbena raven na kmetijskih gospodarstvih 9. Poraba energije v kmetijstvu 10. Sprememba rabe zemljišč 11. Način gospodarjenja na kmetijah 12. Specializacija in diverzifikacija kmetijstva 13. Izpusti amonijaka v kmetijstvu 14. Izpusti metana in didušikovega oksida 15. Biotska raznovrstnost kmetijske rastline 16. Biotska raznovrstnost domače živali 17. Kakovost tal 18. Nitrati v podzemni vodi 19. Fitofarmacevtska sredstva in njihovi razgradni produkti v podzemni vodi 20. Delež kmetijstva v izpustih toplogrednih plinov Glavni vir podatkov za razvoj slovenskih kmetijsko-okoljskih kazalcev so predstavljali podatki Statističnega urada Republike Slovenije, Agencije Republike Slovenije za okolje, Ministrstva za okolje in prostor, Ministrstva za kmetijstvo, gozdarstvo in prehrano, Fitosanitarne uprave RS, Agencije za kmetijske trge in razvoj podeželja, Kmetijskega inštituta Slovenije, Biotehniške fakultete in drugih. Za kazalce, za katere ni bilo na voljo stalnega spremljanja obravnavanega pojava, so bili uporabljeni sekundarni viri, predvsem posamezne raziskave. Okoljski podatki praviloma izhajajo iz nacionalnih poročil, ki jih Ministrstvo za okolje in prostor poroča Evropski komisiji. Kazalci zaradi primerjave Slovenije z drugimi državami vključujejo tudi podatke EU, agregirane na ravni evropskih regij. Povzeti so iz podatkovnih listov kazalcev IRENA. Podatki EU pogosto niso neposredno primerljivi s slovenskimi zaradi različne ravni v zbiranju ali podajanju podatkov. Kljub temu omogočajo ugotavljanje razmer ter identifikacijo poglavitnih problemov. Podatki so prikazani skozi daljše časovno obdobje, ki omogoča razpoznavanje ključnih trendov. Ta se največkrat nanaša na obdobje od leta 1990 ali 1992 do leta 2004 oziroma drug smiselni razpoložljiv podatkovni niz. Za vsak kazalec, za katerega so na razpolago podatki, je pripravljen podatkovni list, ki opredeljuje naslednje elemente: opredelitev kazalca glede na položaj v okviru presoje DPSIR; ključno sporočilo, ki ga kazalec sporoča; definicijo kazalca, ki podaja temeljne informacije o metodologiji merjenja in načinu prikaza kazalca (uradni statistični opis) in morebitne slovenske atipičnosti; cilj, ki ga želimo doseči na tem področju (povzet po Nacionalnem programu varstva okolja, drugi ustrezni strategiji); komentar, ki podaja kratek opis značilnosti kazalca v Sloveniji, opis trenda, primerjavo z EU ali drugo skupino držav, politiko na tem področju (sprejeta zakonodaja) ipd.;

151 150 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 oceno trenda - razvoja pojava glede na predstavljene podatke in zastavljene cilje. Ocene so podane z naslednjimi oznakami: razvoj v smeri, ki pomeni doseganje kakovostno ali količinsko opredeljenega cilja, neopredeljiva smer razvoja, nezadosten razvoj za dosego kakovostnih oz. količinskih ciljev, lahko tudi spremenljiva smer razvoja znotraj kazalca, neugoden razvoj; podatke in vire za razvoj kazalca (izvorna baza podatkov, institucija, skrbnik podatkovne baze, opis vira podatkov, metodologija in frekvenca zbiranja podatkov, metodologija manipuliranja podatkov, kakovost podatkov) in grafično predstavitev podatkov s pripadajočimi preglednicami. Največji problem priprave podatkovnih listov je bilo pridobivanje ustreznih in kakovostnih podatkov. S podobnim težavami se srečujejo tudi druge evropske države. Kmetijski in okoljski podatki se v Sloveniji zbirajo na različnih institucijah, kar predstavlja dodatno oviro pri njihovem zbiranju, ob dejstvu, da se zbirajo za povsem druge namene kot so kazalci okolja. To zahteva njihovo dodatno obdelavo. Nekatere baze podatkov so kompleksne in netransparentne, kar otežuje izluščenje bistvenih podatkov. SKLEP Projekt vzpostavitve sistema kmetijsko-okoljskih kazalcev je v času pisanja tega prispevka še ni zaključen. Jeseni 2006 bodo zbrani še zadnji manjkajoči podatki ter pripravljena ključna sporočila, ki bodo natisnjena v posebni publikaciji ter preko različnih dogodkov predstavljena širši javnosti. Kljub delovni verziji kazalcev so že jasni poglavitni trendi. Ti kažejo na precejšnje spremembe kmetijskega gospodarjenja v Sloveniji v zadnjih petnajstih letih, po političnem in gospodarskem prestrukturiranju. Spremljanje trendov kaže, da se razvoj kmetijstva v Sloveniji obrača v smeri trajnostnega razvoja, vendar bo pot še dolga. Kmetijska dejavnost vpliva tako na kakovost naravnih virov in biološko raznolikost kot tudi na spremembe v pokrajini. Kljub temu, da se njen delež in pomen v okviru gospodarskih dejavnosti zmanjšuje, se kmetijstvo na zemljiščih, ki so v uporabi, intenzificira. Tako kmetijstvo na teh območjih močno obremenjuje okolje. Slovenski kmetijsko okoljski program podpira okolju prijaznejšo pridelavo in temelji na načelih trajnosti in sonaravnosti. Kmetijstvo se torej razvija v dveh smereh. Prva je visoko industrializirana oblika kmetijstva, ki se prilagaja zahtevam varstva okolja, druga smer pa je ekstenzivnejša reja domačih živali s tradicionalno lokalno in organsko pridelavo, ki ohranja pokrajino in varuje živali in je podprta z javnimi sredstvi. Sprejete uredbe na področju okoljske in kmetijske zakonodaje povečujejo nadzor nad kakovostjo voda in uporabo hranil ter sredstev za varstvo rastlin v kmetijstvu. Trenutno so najbolj pereče razmere na območjih podzemnih voda, ki so glavni vir pitne vode in hkrati tudi najugodnejša kmetijska zemljišča.

152 STATISTIČNI DNEVI 2006 STATISTICAL DAYS LITERATURA IN VIRI 1. EEA, 2004: Agriculture and environment in the EU accession countries. Copenhagen, European Environment Agency, 54 str. 2. EEA, 2004: High nature value farmland. Copenhagen, European Environment Agency, 26 str. 3. EEA, 2005: Agriculture and environment in EU-15 the IRENA indicator report. Copenhagen, European Environment Agency, 128 str. 4. EEA, 2005: The European environment State and outlook Copenhagen, European Environment Agency, 570 str. 5., EEA, 2006: Integration of environment into EU agriculture policy the IRENA indicator-based assessment report. Copenhagen, European Environment Agency, 60 str. 7. Resolucija o Nacionalnem programu varstva okolja (ReNPVO). Uradni list RS, št. 2/2006, str. 164, ( 8. Zakona o dostopu do informacij javnega značaja (ZDIJZ). Uradni list RS, št. 24/ Zakon o ratifikaciji Sporazuma med Republiko Slovenijo in Evropsko skupnostjo o sodelovanju Republike Slovenije v Evropski agenciji za okolje in Evropskem okoljskem informacijskem in opazovalnem omrežju (MESEAO). Uradni list RS-MP, št. 18/ Zakon o varstvu okolja. Uradni list RS, št. 41/2004, št. 39/06-ZVO-1-UPB Zakon o ratifikaciji Kjotskega protokola k Okvirni konvenciji Združenih narodov o spremembi podnebja (Ur.l. RS- MP, št. 17/2002) 12. Slovenski kmetijsko - okoljski program, Ministrstvo za kmetijstvo, gozdarstvo in prehrano. 13. Uredba o vnosu nevarnih snovi in rastlinskih hranil v tla (Ur.l. RS, 68/96, 35/01, 29/04) 14. Pravilnik za izvajanje dobre kmetijske prakse pri gnojenju (Ur. l. RS, 130/04) 15. Operativni program za varstvo voda pred onesnaženjem z nitrati iz kmetijske proizvodnje (Sklep Vlade RS, /2004, ) 16. Uredba o ogroženih območjih vodonosnikov in njihovih hidrografskih zaledjih (Ur. l. RS 97/02) 17. Odlok o območjih vodonosnikov in njihovih geografskih zaledjih ogroženih zaradi fitofarmacevtskih sredstev (Ur. l. RS 97/02) 18. Operativni program zmanjševanja emisij toplogrednih plinov (sprejet na vladi 30. julija 2003) 19. Uredba o emisiji snovi pri odvajanju odpadnih vod iz objektov reje domačih živali v okolje (Ur. l. RS 10/1999) 20. Uredba o podrobnejših merilih za presojo, ali obdelovalec ravna kot dober gospodar (Ur. l. RS 81/2002) 21. Pravilnik o ekološki pridelavi in predelavi kmetijskih pridelkov oziroma živil (Ur. l. RS 31/2001)

153 152 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 ONESNAŽEVANJE OKOLJA ZARADI PROMETA V RS Nataša Kovač, Aljaž Plevnik, Nika Zupan POVZETEK Referat obravnava problematiko prometa in njegovih vplivov na okolje z vidika trajnostnega razvoja. Predstavlja vzpostavitev sistema prometno okoljskih kazalcev v Sloveniji, ki skozi vidik spremljanja trendov prometno okoljske problematike služijo za podporo odločanju in za ozaveščanje javnosti. Priprava kazalcev izhaja iz prometno okoljskega poročevalskega mehanizma TERM (Transport and Environment Reporting Mechanism), ki ga je razvila Evropska agencija za okolje. Ta je namenjen spremljanju in vrednotenju principa integracije okoljskega vidika v prometni sektor ter v podporo trajnostnemu razvoju. Prometno okoljski kazalci za Slovenijo so razvrščeni v sedem osnovnih tematskih skupin. Definira jih pet-delni okvir presoje (t.im DPSIR okvir), katerega ključna vloga je pomoč pri razumevanju vzorčno-posledičnih, predvsem pa medsebojno vplivajočih odnosov v okolju. Spremljajo ključne trende na področju okoljskih posledic prometa, stroške in cene prevoza, tehnologijo ter njeno izkoriščenost, prometno povpraševanje ter intenziteto, integracijo upravljanja prometa ter prometno infrastrukturo in storitve. TRANSPORT RELATED ENVIRONMENTAL POLLUTION IN SLOVENIA SUMMARY This article discusses problems caused by transport and its impacts on environmental pollution from the sustainable development point of view. Establishment of the transport and environment related indicators is given through the monitoring of the trends what characterises the indicators as one of the main tools for supporting decision-making and raising environmental awareness among wider public. The transport and environment related indicators are methodologically developed from the transport and environment reporting mechanism called TERM (Transport and Environment Reporting Mechanism) set up the European Environment Agency. The main purpose of the reporting mechanism is monitoring the progress and integration of the environmental policy into transport sector. Indicators developed especially for Slovenia are grouped in seven thematic areas defined according to the tripartite assessment framework (so-called DPSIR framework) which enables a comprehensible understanding of the cause-and-effect and especially interdependence relationships in the environment. The indicators monitor trends in the filed of environmental consequences of the transport, the transport costs and prices, technology and utilisation efficiency, transport demand and intensity, management integration and supply of transport infrastructure and services.

154 STATISTIČNI DNEVI 2006 STATISTICAL DAYS VLOGA PROMETNO OKOLJSKIH KAZALCEV V EVROPSKEM MERILU Do nedavnega so glavno orodje za zmanjševanje okoljskih vplivov prometa predstavljali okoljski predpisi in uredbe. Ti so se v glavnem nanašali na standarde glede vozil in kakovosti goriv. Izboljšanje prometne politike v smeri trajnostnega razvoja prometnega sektorja pa jasno narekuje bolj obširen in integracijski prometno okoljski pristop. To potrjujejo tudi cilji, navedeni v ključnih političnih dokumentih EU (glej tabelo 1) - Strategiji trajnostnega razvoja, Šestem okoljskem akcijskem programu in Beli knjigi o skupni prometni politiki (EEA, 2002). Tabela 1: Kratek seznam prednostnih nalog, določenih v glavnih strateških dokumentih Evropske komisije Strategija trajnostnega razvoja Šesti okoljski akcijski program Bela knjiga o skupni prometni politiki Vir: EEA, 2002 V skladu s strategijo "bi morale biti države pristopnice aktivno vključene v uresničevanje strategije trajnostnega razvoja". "Zagotavljanje "trajnostnega prometa" je ena od prednostnih nalog strategije. V sklepih sestanka na vrhu v Gothenburgu, na katerem je bila sprejeta ta strategija, se poudarja, da bi moral trajnostni prometni sistem zajeti vedno večji obseg. Ključni ukrepi šestega okoljskega akcijskega programa so: celovita uresničitev pravnega reda na področju okolja, sprejetje strategij in pristopov v podporo trajnostnemu razvoju, npr. s spodbujanjem celovitih presoj vplivov na okolje in usmerjanjem okoljskih ciljev in strategij v druge resorje, podpora trajnostnim oblikam prevoza, npr. ob finančni podpori Skupnosti, skrbno načrtovanje cestnega prometa, tako da nov razvoj ne povzroči škode mestom, naravnem okolju in divjim živalim. Prednostne naloge Bele knjige so: celovita uresničitev pravnega reda na področju prometa, povezovanje infrastrukture držav pristopnic z infrastrukturo EU ter nadaljnji razvoj infrastrukture v državah pristopnicah, celovito izkoriščanje razpoložljivega dobro razvitega železniškega omrežja in strokovnega znanja, da bi znova vzpostavili ravnovesje med različnimi načini prevoza v razširjeni Evropi. 2 METODOLOŠKA IZHODIŠČA ZA RAZVOJ PROMETNO OKOLJSKIH KAZALCEV Kazalci so pravzaprav na dogovorjeni način izbrani in predstavljeni podatki. Omogočajo ugotavljanje značilnosti glede na možen vpliv, spremljanje stanja, delovanje pojava, ugotavljanje posledic, spremljanje učinkovitosti ukrepov in olajšujejo primerjave med državami. Primerno izbrani kazalci, ki temeljijo na dovolj dolgi podatkovni časovni vrsti, lahko kažejo ključne trende in so v pomoč pri opisovanju vzrokov in učinkov okoljskih stanj. Omogočajo sintezo pogosto kompleksnih številčnih podatkov v informacije ter sporočila, namenjena oblikovalcem politike in javnosti (Rejec Brancelj, Povše, 2003). Sistem razvoja kazalcev mora biti zasnovan tako, da se uspešno vključuje v sistem upravljanja z okoljem. Pri razvoju morajo praviloma sodelovati tako politiki kot znanstveniki, predstavniki gospodarstva ter širša javnost, saj ti prevzemajo vodilno vlogo v določeni stopnji razvoja. V fazi načrtovanja prihaja predvsem do interakcije med družbenim prepoznavanjem vrednost in vizij razvoja okolja ter oblikovanjem politike, ki podpira trajnostni razvoj. Pri tem se identificirajo

155 154 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 ključni problemi, cilji in programi oz. ukrepi za doseganje ciljev. V fazi delovanja pride do zbiranja in analiziranja informacij, kar vodi k izboljševanju trenutnega stanja. Zelo pomembna je zadnja faza vrednotenje, ki zaključi cikel upravljanja z okoljem in zagotavlja njegovo stalno izboljševanje. Pri tem pomembno vlogo odigra znanost. Da bi razvoj in učinkovitost izvajanja ukrepov oz. programov lahko ustrezno spremljali, je potrebno pri izbiri kazalcev vključiti tako človekove aktivnosti kot politike, sistem upravljanja z okoljem ter sistem znanja in razumevanja. Razvoj kazalcev mora biti naravnan tako, da upošteva dolgoročno uporabno vrednost kazalca, razsežnost problematike, cenovno učinkovitost reševanje problematike ter razpoložljiva znanja in razumevanje problematike kot celote. Z vidika procesa odločanja in načrtovanja prihodnjega razvoja ima uporaba kazalcev več funkcij (Vintar, 2003): kot orodje za razlaganje, pojasnjevanje pomaga pri opredeljevanju konkretnih razvojnih ciljev, kot orodje za načrtovanje usmerja politične odločitve in tvori podlago za načrtovanje prihodnjih dejavnosti, kot orodje za ocenjevanje učinkovitosti tvori empirično in kvantitativno bazo za vrednotenje, kako učinkoviti so napori za doseganje zastavljenih ciljev. Uporaba kazalcev pozna v praksi dva različna pristopa (glej tabelo 2): pozitivistični oz. negativistični pristop Pozitivistični pristop zagovarja uporabo kazalcev v smislu pojasnjevanja okoljskih posledic. Sporočilo kazalcev je pri tem namenjeno predvsem višjemu političnemu nivoju in njegovemu odločanju. Negativistični pristop zagovarja uporaba kazalcev v smislu prestavitve prepričljive zgodbe, ki bi prisilila ključne akterje k ukrepanju. pristop s strani vlade (angl.»government«) ozr. uprave (angl.»governance«) Pristop s strani vlade zagovarja zagotavljanje koristnih informacij upravljalcem za potrebe odločanja o okolju. Pristop s strani uprave zagotavlja odločevalcem osnovne perspektive in tako podpira skupno sprejemanje odločitev. Tabela 2: Različni pristopi uporabe kazalcev PRISTOPI Pozitivističen Negativističen Vlada Uporaba kazalcev za snovanje in pregled političnega delovanja (od zgoraj navzdol) zgoraj navzdol) Uprava Uporaba kazalcev za potrebe snovanja in pregled delovanja s strani relevantnih akterjev na vseh nivojih Uporaba kazalcev za potrebe upravičevanja političnega delovanja (od Uporaba kazalcev za oblikovanje konsenza s strani relevantnih akterjev na vseh nivojih Razvoj prometno okoljskih kazalcev za Slovenijo izhaja iz prometnega in okoljskega poročevalskega mehanizma»transport and Environment Reporting Mechanism«(v nadaljevanju TERM)«. Proces TERM vodita Evropska komisija (v njenem okviru DG ENV, DG TREN) in Evropska agencija za okolje (v nadaljevanju EEA). TERM kazalci se razvijajo z namenom spremljanja in uvajanja principa integracije okoljske politike v prometni sektor ter v podporo trajnostnemu razvoju, za kar se je zavzel tudi vrh EU v Cardiffu leta 1998 (EEA, 1999, 2000, 2001, 2002, 2003, 2004, 2005). Pri tem je pomembno, da se kazalci nanašajo na vprašanja, ki jih je možno kvantificirati ter da so pripravljeni iz kakovostnih vhodnih podatkov.

156 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Proces TERM je dinamičen. V skladu s tem je pričakovati, da se bodo podatki in metodologija kazalcev ter presoja skozi leta postopoma izboljševali, predvsem zaradi aktivnega vključevanja posameznih držav članic EEA v posvetovalni proces presoje. Tehnična izvedba presoje temelji predvsem na sodelovanju med EEA in EUROSTAT, pri čemer je EEA odgovorna za vrednotenje kazalcev in poročanje (s pomočjo služb Evropske komisije), Eurostat pa za zbiranje in harmonizacijo podatkov na evropskem nivoju. Zaenkrat se TERM osredotoča predvsem na presojo na ravni EU, prizadevanja pa tečejo v smeri, da bi se sistem razvil v orodje, ki bi omogočalo primerjalno analizo po državah. Druga težnja je, da bi se po vzoru TERM oblikovali integracijski sistemi tudi za ostale sektorske politike (npr. kmetijstvo). Sistem kazalcev, opredeljenih po metodologiji TERM, opredeljuje petdelni okvir presoje (DPSIR okvir), ki ga definirajo gonilne sile (Driving forces), pritiski (Pressures), stanje (State), vplivi (Impacts) ter odzivi (Responses). Vsak del presoje ima specifičen namen - omogoča razumevanje vzročno-posledičnih, predvsem pa medsebojno vplivajočih odnosov v okolju (glej sliko 1), kjer: gonilne sile predstavljajo dejavnosti (npr. proizvodnja blaga in storitev) in dejavniki (razpoložljivi dohodek, tržne cene, trgovinski tokovi) izven prometnega sektorja; obremenitve, ki proučujejo predvsem pritiske na ljudi in okolje, nastale zaradi izpustov v zrak, pretoka materialov in porabe zemljišč za potrebe infrastrukture; stanje, ki obravnava vplive na npr. kakovost zraka, raven hrupa in povečano razdrobljenost zemljišč (habitatov); vplive na zdravje ljudi (npr. zaradi prometnih nesreč, bolezni dihal), izgubo biotske raznovrstnosti, idr.; odzive, kot so npr. tehnični standardi, omejitve hitrosti, ekonomski instrumenti, naložbe v javni promet, itd. (EEA, 1999). Slika 1: DPSIR okvir presoje za področje prometa in okolja Vir: EEA, 2000

157 156 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Trendi kazalcev TERM so ocenjeni glede na cilje zapisane v ključnih dokumentih, sprejetih na nivoju Slovenije: Resolucija o Nacionalnem energetskem programu (ReNEP), Resolucija o Nacionalnem programu izgradnje avtocest v Republiki Sloveniji, Resolucija o Nacionalnem programu varstva okolja (ReNPVO), Resolucija o prometni politiki Republike Slovenije (Intermodalnost: čas za sinergijo) (RePP), Zakon o varstvu okolja (ZVO-1, Ur.l. RS, št. 41/2004). 3 NABOR PROMETNO OKOLJSKIH KAZALCEV ZA SLOVENIJO Kazalci za področje prometa in okolja so izbrani in razvrščeni tako, da obravnavajo naslednjih sedem vprašanj: 1. Ali se učinek prometnega sektorja na okolje izboljšuje? 2. Ali napredujemo glede upravljanja povpraševanja po prevozu in boljše porazdelitve med različnimi vrstami prevoza (modal split)? 3. Ali postaja urejanje prostora bolj usklajeno z načrtovanjem prometa, da se bo povpraševanje po prevozu ujemalo s potrebo po dostopnosti? 4. Ali kar najbolje izkoriščamo obstoječe zmogljivosti prometne infrastrukture in ali napredujemo v smeri izgradnje bolj uravnoteženega multimodalnega prometnega sistema? 5. Ali napredujemo v smeri pravičnejšega in bolj učinkovitega cenovnega sistema, ki zagotavlja internalizacijo zunanjih stroškov? 6. Kako hitro se uvajajo čistejše tehnologije in kako učinkovito se uporabljajo vozila? 7. Kako učinkovito se uporabljajo orodja okoljskega upravljanja in nadzora v podporo oblikovanja politike in odločanja? V skladu s temi vprašanji so kazalci razdeljeni v skupine, za opis katerih uporabljamo podrobnejše kazalce (glej tabelo 3): okoljske posledice prometa, prometno povpraševanje in intenziteta, prostorsko planiranje in dostopnost, stroški in cene prometa, tehnologija in njena izkoriščenost, integracija upravljanja prometa. Glavni vir podatkov za razvoj prometno okoljskih kazalcev predstavljajo podatki Statističnega urada Republike Slovenije, Agencije Republike Slovenije za okolje, Ministrstva za okolje in prostor, Ministrstva za gospodarstvo, Ministrstva za notranje zadeve, Ministrstva za finance, Družbe za avtoceste v Republiki Sloveniji (DARS), Sveta za preventivo in vzgojo v cestnem prometu Republike Slovenije, Javne vodnogospodarska služba za varstvo obalnega morja Koper in drugih. Za kazalce za katere ni bilo na voljo kontinuiranega spremljanja obravnavanega pojava, smo uporabili sekundarne vire. Ob izdelavi kazalca o zunanjih stroških prometa smo se oprli na podatke študije, ki so jo izvedli Fakulteta za gradbeništvo, Inštitut za ekonomska raziskovanja in Primorski inštitut za naravoslovne in tehnične vede. Kazalec o ozaveščenosti javnosti o vplivih prometa na okolje smo izdelali na podlagi javnomnenjske raziskave, ki jo izvaja Center za raziskavo javnega mnenja Inštituta za družbene vede pri Fakulteti za družbene vede. Pri črpanju okoljskih podatkov smo se oprli na poročila Ministrstva za okolje Evropski komisiji. V kazalce smo zaradi primerjave Slovenije z drugimi državami vključili tudi podatke EU, agregirane na raven evropskih regij. Povzeli smo jih iz podatkovnih listov kazalcev TERM. Podatki pogosto niso neposredno primerljivi

158 STATISTIČNI DNEVI 2006 STATISTICAL DAYS s slovenskimi zaradi različne ravni v zbiranju ali podajanju podatkov. Kljub temu omogočajo ugotavljanje razmer ter identifikacijo poglavitnih problemov v Evropi. Podatki so prikazani za daljše časovno obdobje, ki omogoča razpoznavanje ključnih trendov. Ta se največkrat nanaša na obdobje od leta 1990 ali 1992 do leta 2004 oz. drug smiselni podatkovni niz. Tabela 3: Nabor prometno-okoljskih kazalcev v Sloveniji TEMA KAZALEC DPSIR Onesnaženje morja zaradi pomorskega prometa P Poraba energije v prometu D Obremenjevanje zavarovanih območij zaradi prometa P Izpostavljenost hrupu zaradi prometa I Okoljske posledice prometa Onesnaženost zraka zaradi prometa S Izpusti toplogrednih plinov iz prometa P Specifične izpusti CO 2 P Odpadki cestnih vozil (akumulatorji in gume) P Število prometnih nesreč, žrtev in poškodovanih v cestnem prometu I Prometno povpraševanje in Obseg in zgradba tovornega prometa D intenziteta Obseg in zgradba potniškega prometa D Prostorsko planiranje in Dostopnost poselitvenega sistema D dostopnost Prostorske značilnosti mest in prometa D Prometna infrastruktura in storitve Vlaganja v prometno infrastrukturo R Zunanji stroški prometa I Stroški in cene prometa Zaračunavanje zunanjih stroškov prometa R Ekonomski instrumenti za področje prometa R Energetska učinkovitost vozil P Emisijska učinkovitost vozil D Tehnologija in njena Lastništvo osebnih avtomobilov D izkoriščenost Starost voznega parka D Uvajanje alternativnih goriv D Izvajanje celovitih presoj vplivov na okolje v prometnem sektorju R Institucionalno sodelovanje med sektorji in sodelovanje javnosti R Integracija upravljanja Integracija prometne in okoljske politike R prometa Monitoring na področju prometa in okolja R Ozaveščenost javnosti o vplivih prometa na okolje R 4 KLJUČNI TRENDI, KI JIH KAŽEJO PROMETNO OKOLJSKI KAZALCI ZA SLOVENIJO V zadnjih petnajstih letih je politično in gospodarsko prestrukturiranje Slovenije pripeljalo do precejšnjih sprememb prometnega sistema. Spremljanje trendov in stanja na področju prometa kaže, da se razvoj prometa, kot ga doživljamo v zadnjih petnajstih letih, odmika od načel trajnostnega razvoja, saj gre ta predvsem v smeri naraščanja cestnega prometa na račun zmanjševanja železniškega prometa. Obseg tovornega prometa, ki je po gospodarski recesiji v zgodnjih devetdesetih letih doživljal stagnacijo, se je ob izboljšanju položaja v gospodarstvu znova začel povečevati, dodatni impulz pa je pomenil vstop Slovenije v EU, ki je odpravil administrativne ovire na mejah. Od osamosvojitve do danes je cestni tovorni promet narasel za 94 %, železniški pa za 36 %. Čeprav je stanje še vedno

159 158 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 boljše kot v EU, pa se porazdelitev prometa glede na tržni delež različnih načinov prevoza tudi v Sloveniji razvija v smeri na ceste usmerjenega tovornega prometa. V kopenskem prometu je leta 2004 cestni promet zavzemal 72 %. Vztrajno narašča tudi obseg pomorskega prometa. Luka Koper, kot najpomembnejši tovorni terminal v Sloveniji, predstavlja izredno pomembno izhodišče in cilj kopenskega tovornega prometa. Spremljanje stanja na področju potniškega prometa je oteženo, saj razen ocen, natančnih podatkov o obsegu avtomobilskega prometa v Sloveniji nimamo. Kljub temu smo lahko na podlagi drugih kazalcev, kot so upadanje javnega potniškega prometa, razvoj motorizacije, investicije v infrastrukturo, sklepali, da ravno avtomobilski promet najbolj narašča. Danes povezav z javnim potniškim prometom marsikje ni ali pa so časovno nekonkurenčne in neusklajene. Rezultat je seveda upad števila potnikov in nerentabilnost javnega prevoza. Od leta 1992 do leta 2004 je obseg javnih avtobusnih prevozov upadel kar za 70 %, obseg mestnega javnega potniškega prevoza pa za 40 %. Okoljsko zelo relevantna je izrazita rast letalskega potniškega prometa v zadnjih letih. Železniški promet od osamosvojitve dalje postopoma narašča. Žal pa Slovenija finančno zelo slabo podpira razvoj železnic, saj so s 3 % deležem vlaganj investicijsko popolnoma zanemarjene, s čimer se še poglablja njihova nekonkurenčnost v primerjavi s cestnimi prevozi. Večina vlaganj se že desetletje steka v cestno omrežje, predvsem v avtoceste, v katere je Slovenija leta 2004 vložila kar 85 % vseh finančnih sredstev namenjenih za razvoj infrastrukture. V prid povečevanja cestnega prometa priča tudi kazalec o lastništvu osebnih avtomobilov. Število registriranih avtomobilov se je od leta 1990 do leta 2004 povečalo skoraj za 60 %. V stopnji motorizacije je tako Slovenija s 446 osebnimi avtomobili na 1000 prebivalcev dohitela in celo prehitela številne zahodnoevropske države. Negativna stran tega se odraža v povečanem številu prometnih nesreč ter poškodovanih v njih, zlasti zaskrbljujoča pa je povečana rast v zadnjih petih letih, saj se je število obojih skoraj podvojilo. Število smrtnih žrtev z izboljševanjem varnostnih standardov vozil ter strožjimi prometno varnostnimi predpisi že desetletja upada, a prometne nesreče letno še vedno terjajo okrog 250 življenj. Tudi pregled zunanjih stroškov prometa izpostavlja cestni promet s 94 % deležem, kot obliko prometa, ki ima največje negativne vplive na okolje in družbo. Ocena negativnih vplivov prometa oz. zunanjih stroškov se giblje med 7,1 in 9,8 % BDP. Največji del zunanjih stroškov prevzamejo izpusti v zrak, podnebne spremembe in prometne nesreče. Posledice naraščajočega obsega prometa se kažejo tudi v povečani porabi končne energije v tem sektorju. V obdobju se je poraba v Sloveniji povečala skoraj za 60 %, promet pa je po porabi energije s tretjinskim deležem prevzel prvo mesto med sektorji. S trajnostnega vidika je pomembno dejstvo, da porabljena energija v prometu temelji skoraj izključno (99 %) na porabi fosilnih goriv naftnih derivatov in s tem pripomore k izčrpavanju neobnovljivih virov energije. V sestavi goriv je v zadnjih letih opazna porast dizelskih goriv, kot posledica povečanja deleža vozil z dizelskim motorjem in obsega cestnega tovornega prometa. Sodobni dizelski avtomobili imajo do 20-krat večjo emisijo NO x v primerjavi z bencinskimi avtomobili, zaradi manjše specifične porabe pa manj obremenjujejo okolje z emisijami CO 2. Poraba biogoriv kot alternativne oblike goriv pa v Sloveniji, podobno kot v drugih državah članicah, zaostaja za referenčnimi vrednostmi. V skladu s povečanim obsegom prometa in porabo naftnih derivatov so se močno povečali tudi izpusti toplogrednih plinov iz prometa. Od leta 1986 do 2003 so ti narasli kar za dvakrat. S

160 STATISTIČNI DNEVI 2006 STATISTICAL DAYS petinskim deležem v skupnih izpustih toplogrednih plinov se promet tako uvršča na drugo mesto med sektorji. Daleč največji delež (99 %) toplogrednih plinov prispeva cestni promet, medtem ko je letalski najhitreje naraščajoči vir. Prometna vloga slovenskega morja v lokalnem smislu je v primerjavi z ostalimi sredozemskimi državami zaradi kratke obale relativno majhna. V mednarodnem pomenu pa njegovo vlogo krepi Luka Koper. Ta predstavlja izredno pomembno izhodišče in cilj kopenskega tovornega prometa tako v Sloveniji kot v velikem delu Srednje in Vzhodne Evrope. Glede na to, da Severni Jadran postaja v mednarodnem merilu eno najpomembnejših plovnih poti za nafto in njene derivate, je z okoljskega vidika zaskrbljujoče onesnaženje morja z izlivi iz pomorskega prometa. V slovenskem morju do sedaj še ni prišlo do večjih izlitij. Prevladujejo ilegalna izlitja manjših količin olj. Njihovo število v zadnjih letih upada, kar pa ne zmanjšuje tveganja za onesnaženje v prihodnosti. Pri tem moramo opozoriti na temeljno metodološko pomanjkljivost tega kazalca. Podatki temeljijo zgolj na številu javljenih onesnaženj glede na poznavanje povzročitelja in vrsto onesnaževala, manjka pa okoljsko zelo relevanten podatek o količini razlitih snovi. Zaradi fizičnih lastnosti (zaprtost, plitvost) našega morja in geomorfološke raznovrstnosti obalnega pasu bi bila škoda ob izlitju nafte ali drugih nevarnih snovi lahko velika, odprava posledic pa težavna. Da se prometni trendi v Sloveniji odmikajo od koncepta trajnostnega razvoja, lahko v veliki meri pripisujemo odsotnosti integrirane prometne in okoljske politike v Sloveniji. Vsi dosedanji predlogi prometne politike države favorizirajo predvsem infrastrukturne in gospodarske vidike, zanemarjajo pa okoljske. Šibko je tudi medsektorsko sodelovanje ter vključevanje javnosti pri pripravi strateških prometnih dokumentov. LITERATURA IN VIRI 1. EEA, 1999: Towards a transport and environment reporting mechanism (TERM) for the EU, Part 1: TERM concepts and process. Copenhagen, European Environment Agency, 37 str. 2. EEA, 2000: Are we moving into the right direction? Indicators on transport and environment integration in the EU, TERM Copenhagen, European Environment Agency, 136 str. 3. EEA, 2001: TERM 2001, Indicators tracking transport and environment integration in the European Union. Copenhagen, European Environment Agency, EEA, 2002: Paving the way for EU enlargement, Indicators of transport and environment integration, TERM Copenhagen, European Environment Agency, 64 str. 5. EEA, 2004: Ten key transport and environment issues for policy-makers, TERM 2004: Indicators tracking transport and environment integration in the European Union. Copenhagen, European Environment Agency, 64 str. 6. EEA, 2006: Transport and environment: facing a dilemma, TERM 2005: indicators tracking transport and environment in the European Union. Copenhagen, European Environment Agency, 52 str. 7. Rejec Brancelj, I., Povše, U., Kazalci kot orodje za spremljanje okoljskega razvoja. V: Statistika kot orodje in vir za kreiranje znanja uporabnikov. Ljubljana, Statistični urad Republike Slovenije, Statistično društvo Slovenije, 544 str. 8. Resolucija o Nacionalnem energetskem programu (ReNEP) Uradni list RS, 57, str Resolucija o Nacionalnem programu izgradnje avtocest v Republiki Sloveniji Uradni list RS, 50, str Resolucija o Nacionalnem programu varstva okolja (ReNPVO) Uradni list RS, 2, str Resolucija o prometni politiki Republike Slovenije (Intermodalnost: čas za sinergijo) (RePP) Ministrstvo za promet. URL: (citirano ) 12. Vintar, K., Okoljevarstveni vidiki sonaravnega regionalnega razvoja Slovenije : magistrsko delo. Ljubljana, Filozofska fakulteta, Oddelek za geografijo, 179 str. 13. Zakon o varstvu okolja Uradni list RS, št. 41/2004, str

161 160 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 ENVIRONMENT AS RESULT OF THE DEVELOPMENT Milijana Ćeranić SUMMARY The Government, administrative bodies, economic entities and general public for strategies, plans, analysis and development use statistical data. Results of their decisions, reflect on the environment, throw impact on health, climate, airs pollution, waters quality, soil, forests and other areas. Statistical offices carefully collect data, publish them, and disseminate, creating an objective and realistic picture of environmental state as result of policies applied. 1 INTRODUCTION It is wrong opinion that, people are not interested in statistical data. News papers, TV, radio, web sites, statistical publications, bulletins and leaflets are accessible to large public. Consumers basket, GDP, earnings, prices, productivity and the other economic indicators have been followed for a long time (by public). Environment and environmental statistics are getting atractive a few last years. Environmental issues relate to all aspects of human lives and are to a large extent global. Good environmental quality and sustainable development are some of the essential precondition for peace, stability and economic development. There is a growing awareness around the world of the significance of reliable and relevant data on environment, which enables effective planning, decision-making and monitoring. According to Agenda 21, adopted in June 1992 at the United Nations Conference in Environment and Development in Rio de Janeiro, the Summit on sustainable development in Johannesburg, Aarhus Convention, the Law on Environment Protection, etc 1. influenced on environmental consciousness to increase, and Government, governments bodies on national and local level initiate programmes and projects contains different demands and solutions environmental problems. In fact, it is often the way for better political position and possibilities approach to voters. But now, public are not satisfied only with promises, they are already looking for precise indicators and results. Statistical Office with statistical data give the main support to them. 2 ENVIRONMENTAL DATABASE Statistical Office carry out its surveys based on own Plan of Strategy and the Plan of statistical research, adopted by Governmnet programmes. In the same time harmonized them with European standards and methodologies, enable international data comparibility and satisfied demands of users. The main statististical task is to offer an objective presentation of the real national environment, developed system to folow and measure all changes in time, presented on adequate 1 Law on the Integrated Prevention and Control of the Pollution of the Environment, Law on the Strategic Assessment of Environmental Impact, Law on the Assessment of Environment Impact, December 2004

162 STATISTIČNI DNEVI 2006 STATISTICAL DAYS way the situation and trends in country. Environmental statistics is one of the priority areas for development for the Serbia and for the Balkan countries. Regarding that and Environmental database is getting larger and better every year. Environmental data base contents four parts: General data Waters data Airs data Soil data Waters quality, waters consumption, waste waters, emissions, air pollution, fossil fuels consumption, quantity and type of waste, foods quality and the health are the most requested data. Statistics are published in publications and on web site, on the national, districts and municipalities level. It is good way for creating an objective and realistic picture of environmental situation. Otherwise, many other institutions like ministries of environment, energy, the health, nature protection, Hydrometeorological institute, agencies, NGO, the faculties and other institutions on republic and local level collect and possess different important environmental data. They also use official statistics combined with own data for analyzes, plans and project. Except Statistical Office who is obliged by collecting, processing, analysis and dissemination of statistical data and information, Serbian environment protection agency (SEPA) takes over date from all of them and implement it in their annual Report on the state of the environment, with many tables, analysis, explanations, maps and graphs. Regarding Aarhus Convention, of course, their data are available on web site too. And now, no more problems for users like Government, Ministries, Institutions, political parties, and decision makers etc. who use statistical data. They have possibilities using all available resources. Of course, mass media, journalists and large public have same opportunities. 3 USING ENVIRONMENTAL DATABASE Regarding new environmental lows and new view on better, more quality life and enverinmental protection and joining with EU, requested no only good economy, investment and finance plan, and very strong environmental protection support (Sustainable Development). It has not been only fashion, it is our reality, needs and the future. It is reason way large public have become so much carefully follow all political and technical changes, politics promises and their realizations. Collecting all neccessery data from statistical Database is the first step. Carefully analizing data you have to make priorities. If your conclusion is build new landfill for municipal wastes treatment as proirity, your the second step is preparing project with many based data, which clear shows real picture stage without landfill and validity and justification future construction facilities for waste treatment. Before your conclusions is very useful to know, that the waste strategy are focused on households, commercial and non hazardous industrial waste, packaging waste, waste lead-acid batteries, PCB waste, waste mineral oils, end-of-life tyres, electrical and electronic assemblies, sludge from other treatment of industrial waste water, end-of-life vehicles and hazardous waste. Also it focused on prevention and reduction of waste generation, recovery and recycling, better organisation of

163 162 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 collection and transportation and of course, better utilization of the raw materials for production and energy, use of less dangerous substances in goods and optimisation of packaging. Strategy, also intends to limit imports of second hand goods, which are not in an optimal working condition. The strategy provides regional landfills, a transfer stations, a recycling centres, incinerators for municipal waste, and a landfill for hazardous waste. All statistical necessary data are available on statistical database, such as: Geographical data (total areas by districts, municipalities, forestries, settlements,...) Demographic data (population, households, urban and rural, Living conditions) Economic data ( GDP, by sectors, consumption of households, velue of production) Type of industries (industrial production, using row materials and fuels) The public health (public healt development,detected diseases) Meteorological data (waters and airs quality) Water, air and soil pollutions (using, protection and treatment) Location of landfill (Distance landfill from rivers, lakes, cultural and natural protection areas, urban and rural localities, roads, railways, airports, tourist destinations etc.) Type and quantity of waste Recycling possibilities etc. Also it is necessary to prepare economic and environmental benefit. Of course, it is necessary that some investors and decision makers accept your project if you persuasive enough.your promises of project based on statistical data would be product of analysis available data and many indicators. It will be very easy if you use statistical time series as indicators of sustainable develpment and environment. Project must shows differences between previous and the future situation, with detectable problems and their solution, prediction benefits for all future facility users, such as economic, sanitary and environmental. When location is selected, using data of clime, relief, water resources, distance by settlements, industrial centre, type of road, etc. analyzing future prospective benefits, you could say what your offer is. For instance, you could show real state with statistical data and the other hand assessment of improving future situation. You could show: impact of the emissions ( SO 2, NO x, CO 2, CH 4, NH 3...), from large point sources (included landfills) to the local habitats health, health effects of environmental hazards, environmental impacts of energy production/consumption of CO 2 (future waste facility will have purified equipments and filters, which provide reduction of emissions) fresh waters impact of acidifying substances emission from landfills and public electricity generation too using electricity as product of waste facility incineration plant posibility of using central heating as product of waste treatment incineration plant possibility of food consumption as well eco-farming when soil will be more quality, healthier and decontaminate. All used statistical data could be present in table (in figures, of course), which describe starts and estimations designed future position of the more quality and healthier environment.

164 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Table 1: Statistical data used for Project Provisional data Based year The first year Estimated data The second year After 10 th years Fresh waters quality River Good, III class Good, III class Good, III class Better, II Lake Bed, V class Better, IV Better, III Better, II Spring Bed, IV Better, II Better, I Better, I Underground Bed, III Better, II Better, I Better, I Airs quality SO 2, Bed, 250 µg/m 3 Better, 150 Better, 90 Better, 30 NO x, Bed, 90 Better, 80 Better, 70 Better, 20 CO 2, Bed Better Better Better CH 4, Bed Better Better Better NH 3 Bed Better Better Better Fosil fuel consumption Too much decrease decrease decrease Lands quality Bed better better better Economic costs high higher higher higher Electrical costs high high decrease decrease Heating costs high decrease decrease decrease Employment bed increase increase increase Diseases increase decrease decrease decrease When Project will be finished, results of work would be presented by statistical data. (New waste incineration plant will become statistical report unit). Of course, investors are not always interested to show all results as data, except in the positive case for them, but statistics are always independent and transparent. Future data as result of waste facility works as statistics and environmental indicator, very clear and accurate present real picture, and environmental state, comparing previous, estimated and real (statistical) data. Comparing previos data, promisses and real statistical data, it not be too difficult to see advantages and disadvantages of this project. Every project has own disadvantages, but sometimes economic effects are more important than environment protection, however, decisive makers often accepted projects. But time is changed, public has been more consider about environment and occasionally ''punish'' neglects of government and decisive-makers failed to fulfil their early promises on election. 4 CONCLUSION Regarding improving statistical system and harmonizing whit EU standards, applying methodologies, present data as sustainable development indicators, dissemination information on web site, publications and leaflets, public, government, decisive-makers and all users have possibility to use data and follow environmental state.

165 164 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 OKOLJE KOT REZULTAT RAZVOJA POVZETEK Vlada, upravni organi, gospodarski subjekti in splošna javnost uporabljajo statistične podatke za pripravljanje strategij, načrtov, analiz in razvoj. Rezultati njihovih odločitev imajo posledice za okolje, zdravje, podnebje, onesnaženje zraka, kakovost vode, zemlje, gozda in druga področja. Statistični uradi skrbno zbirajo podatke, jih objavljajo in izkazujejo, ter pri tem ustvarjajo objektivno in realistično sliko okolja kot rezultata politik.

166 STATISTIČNI DNEVI 2006 STATISTICAL DAYS SEKCIJA C: UVEDBA KODEKSA RAVNANJA EVROPSKE STATISTIKE IN DRUGI VIDIKI KAKOVOSTI SECTION C: INTRODUCTION OF THE EUROPEAN STATISTICS CODE OF PRACTICE AND OTHER QUALITY ASPECTS Avtorji prispevkov / Papers by: Metka Zaletel, SURS / SORS Celostno obvladovanje kakovosti na Statističnem uradu RS Total Quality Management at the Statistical Office of the Republic of Slovenia Katalin Szep, Madžarski statistični urad / Hungarian Central Statistical Office Kakovost statistike v strategiji madžarskega statističnega urada Quality of Statistics in the Strategy of HCSO Zoran Janćić, Dragan Vukmirović, Zavod za statistiko Srbije / Statistical Office of Serbia Merjenje porabe časa v Zavodu za statistiko Srbije Working Time Use Measurement in the Statistical Office of Serbia

167

168 STATISTIČNI DNEVI 2006 STATISTICAL DAYS CELOSTNO OBVLADOVANJE KAKOVOSTI NA STATISTIČNEM URADU RS Metka Zaletel POVZETEK V članku je predstavljen izziv, s katerim je bil Statistični urad RS soočen ob sprejetju Kodeksa ravnanja evropske statistike. Kodeks ravnanja evropske statistike je posegel na vsa področja delovanja Statističnega urada RS, ki pa mora hkrati spoštovati tudi Srednjeročni program statistični raziskovanj, ki prinaša drugačno definicijo celostnega obvladovanja kakovosti. Ker sta dokumenta za Urad izjemnega pomena, smo ju povezali, definirali cilje in podcilje ter potrebne aktivnosti za uresničitev zadanega programa. V članku predstavljamo glavne cilje in na kratko tudi potrebne aktivnosti za njihovo uresničitev. TOTAL QUALITY MANAGEMENT AT THE STATISTICAL OFFICE OF THE REPUBLIC OF SLOVENIA SUMMARY The Statistical Office of the Republic of Slovenia has experienced a challenge by accepting the European Statistics Code of Practice. Code has influenced many activities of the Statistical Office which has to respect the mid-term programme of statistical surveys at the same time. Since both documents bringing rather different definitions of quality are of high importance for the Statistical Office, we have bonded the documents, defined the goals and sub goals and activities necessary to reach the goals. In the paper, major goals and answers are presented. 1 UVOD Spremljanje različnih vidikov kakovosti postaja stalna aktivnost v večini nacionalnih statističnih uradov, tudi v Sloveniji. Področje kakovosti uradne statistike se je začelo že pred dvema desetletjema razvijati v Kanadi in na Švedskem, kmalu pa so se jima pridružile še druge države. Na podlagi tega je bila sprejeta enotna definicija kakovosti ([6], [7]), ki danes velja za celotni evropski statistični sistem. Vendar se tudi ta definicija še vedno nanaša le na kakovost statističnega raziskovanja ali statističnih rezultatov, ne pa tudi na kakovost upravljanja statističnih uradov. Evropski statistični sistem je to presegel z uvedbo Kodeksa ravnanja evropske statistike (v nadaljevanju Kodeks, [1]), ki vključuje tri poglavja: institucionalno okolje, statistične procese in statistične rezultate. Enotna definicija kakovosti se nanaša na statistične procese in statistične rezultate, poleg tega pa Kodeks uravnava še druga pereča področja, zlasti nadzor nad bremeni poročevalskih enot, zavezanost kakovosti, statistično zaupnost, itd. Delovanje Statističnega urada Republike Slovenije (v nadaljevanju Urad) in pooblaščenih izvajalcev uravnava tudi Srednjeročni program statističnih raziskovanj (Ur.l /2003, [2]), ki

169 168 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 poleg poslanstva, vrednost in vizije 1 razvija področje kakovosti v okviru štirih glavnih stebrov: 1. uporabniki in dajalci podatkov, 2. razvoj človeških virov, 3. kakovost statističnih izdelkov in storitev, 4. procesna usmerjenost. Za obvladovanje štirih stebrov kakovosti je potreben celosten način vodenja na različnih ravneh, ki mora upoštevati: uravnoteženost zadovoljevanja potreb različnih interesnih skupin (uporabniki, dajalci podatkov, zaposleni, financerji dejavnosti in družba v celoti), uporabnike kot ocenjevalce kakovosti in pomembnost ugotavljanja njihovih sedanjih in predvidevanje prihodnjih potreb, vedenje vodilnih uslužbencev, ki vpliva na kulturo organizacije, razumevanje in transparentnost procesov ter komuniciranja z okoljem in med zaposlenimi, skupne vrednote in organizacijsko kulturo, ki naj vključujejo vse zaposlene, kakovost poslovanja, ki je povezana s kulturo neprestanega učenja, inovacij in razvoja dobre odnose s partnerji, etična in splošno sprejeta družbena pravila, vključno s statistično zaupnostjo in varovanjem podatkov. 2 PRIPRAVA NAČRTA CELOSTNEGA OBVLADOVANJA KAKOVOSTI Urad mora izpolnjevati tako Kodeks kot tudi slediti Srednjeročnemu programu statističnih raziskovanj, zato smo oba dokumenta povezali v Strategijo celostnega obvladovanja kakovosti na SURS-u ([4]). Izhodišče za pripravo strategije celostnega obvladovanja kakovosti je definicija štirih stebrov, v okviru katerih Urad razvija področje kakovosti. Za uresničevanje petnajstih načel Kodeksa je bilo na tej osnovi definiranih pet strateških ciljev in sicer: 1. Strokovna neodvisnost sistema državne statistike in pooblastilo za zbiranje podatkov se ohranjata vsaj na sedanji ravni. 2. Zadovoljevanje potreb tako uporabnikov podatkov kot dajalcev podatkov naj bo uravnoteženo. 3. Kakovost statističnih izdelkov in storitev naj bo ovrednotena in objavljena na uporabniku prijazen način za večino statističnih raziskovanj. 4. Prenova procesa obdelave statističnih podatkov za doseganje večje kakovost in učinkovitosti statističnega sistema. 5. K vrednotam kakovosti, vseživljenjskemu učenju in razvoju naj sledijo vsi zaposleni. Vseh petih strateških ciljev bom v nadaljevanju predstavila v okviru podciljev, ki sledijo načelom Kodeksa ravnanja evropske statistike. Izjema je četrti strateški cilj, ki v Kodeksu ni zajet, je pa z vidika razvoja kakovosti na Uradu strateškega pomena. Vsak podcilj je sestavljen iz: kazalnikov, ki so pomembni za spremljanje uresničevanja določenega cilja in aktivnosti, ki bodo potrebne za uresničevanje določenega cilja. 1 Glej tudi [3].

170 STATISTIČNI DNEVI 2006 STATISTICAL DAYS PREGLED POTREBNIH AKTIVNOSTI ZA URESNIČEVANJE STRATEGIJE V nadaljevanju so predstavljeni posamezni cilji ter potrebne aktivnosti, ki so naravnane tako, da bo Urad do konca leta 2008 v celoti izpolnil zadane naloge. 3.1 Strokovna neodvisnost sistema državne statistike in pooblastilo za zbiranje podatkov se ohranjata vsaj na sedanji ravni. Podcilja v okviru tega cilja sta: Strokovna neodvisnost sistema državne statistike se ohrani vsaj na sedanji ravni. Pooblastilo za zbiranje podatkov se ohrani vsaj na sedanji ravni. Na tem področju ugotavljamo, da ima Slovenija že sprejeto zakonodajo (ki se tudi izvršuje v praksi), ki zagotavlja najvišjo stopnjo neodvisnosti in omogoča nemoteno zbiranje podatkov v statistične namene, zato je tu prva skrb nemoteno nadaljnje izvajanje vseh zakonskih določil v praksi tako na Uradu kot tudi pri pooblaščenih izvajalcih. 3.2 Zadovoljevanje potreb tako uporabnikov podatkov kot dajalcev podatkov naj bo uravnoteženo. V nadaljevanju navajam podcilje ter opis stanje in potrebnih aktivnosti, da bomo do konca leta 2008 lahko zadostili vsem zahtevam Kodeksa. Spoštovanje statistične zaupnosti skladno s slovensko zakonodajo in mednarodnimi standardi: nujno potrebne aktivnosti na tem področju so sprejetje revidiranega Pravilnika o varstvu podatkov na Uradu, nadaljnje delo Odbora za varstvo podatkov in, rešitev problematike fizičnega varovanja podatkov v obeh poslovnih stavbah Urada. Različne aktivnosti so nujno potrebne tudi pri vseh pooblaščenih izvajalcih v sistemu državne statistike, saj za njihove statistične enote prav tako velja Zakon o državni statistiki in s tem povezana merila varstva podatkov. Zagotavljanje nepristranskosti in objektivnosti znotraj sistema državne statistike: podcilj se dotika politike objave napak, javne dostopnosti informacij o statističnih metodah in postopkih, koledarja statističnih objav, enakosti dostopa za vse uporabnike ter objektivnosti izjav za medije. Veliko dela, je bilo opravljenega že v letih 2005 in Na Uradovi spletni strani ( objavljamo metodologijo statističnih raziskovanj na standardiziran način, javno je objavljen celoletni koledar statističnih objav, do konca leta 2006 pa bo sprejet tudi protokol, ki bo natančno določal možne spremembe koledarja in postopke v primeru odstopanja. V naslednjem letu bo vzpostavljena evidenca kritik objektivnosti državne statistike. Razumna obremenitev poročevalskih enot: podcilj zahteva, da se čimširše uporabljajo administrativni viri, da je obremenitev poročevalskih enot čimbolj enakomerno razporejena ter da je poročanje v čimvečji meri elektronsko ob upoštevanju računovodskih sistemov podjetij. Zmanjševanje bremen poročevalskih enot je prav gotovo eden od strateških ciljev vsakega statističnega urada, je pa hkrati zelo težko uresničljiv, saj se potrebe po podatkih nenehno večajo. Urad načrtuje širšo uporabo sistema elektronskega poročanja v letu 2008, ko se bo zaključil projekt

171 170 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 posodobitve procesov v poslovnih statistikah (ISIS). Kratkoročni cilji na tem področju pa so povezani s še večjo uporabo administrativnih virov, ki jih sicer Urad že desetletja s pridom uporablja. Razširitev uporabe administrativnih virov je povezana z urejenostjo okolja izven Urada, saj šele metodološko in tehnološko urejene evidence na ministrstvih, agencijah in upravah Urad lahko uporabi za statističen namen. Ustreznost statistik glede na potrebe uporabnikov: podcilj zahteva usklajenost statističnih programov s potrebami uporabnikov, zaznavanje novih potreb uporabnikov in ugotavljanje zadovoljstva uporabnikov z obstoječimi statistikami. Urad ima že utečeno sodelovanje z glavnimi uporabniki preko statističnega sveta in statističnih sosvetov. Poleg tega redno izvaja ankete o zadovoljstvu uporabnikov za različne ciljne skupine. Delo na tem področju se bo tudi v prihodnje nadaljevalo. 3.3 Kakovost statističnih izdelkov in storitev naj bo ovrednotena in objavljena na uporabniku prijazen način za večino statističnih raziskovanj. Zavezanost kakovosti se odraža na mnogih področjih delovanja Urada; zahteva redno spremljanje kakovosti v skladu z evropsko definicijo kakovosti, utečene postopke za načrtovanje novih statističnih raziskovanj, dokumentirane smernice kakovosti in seznanjenost zaposlenih s smernicami. Izobraževanje zaposlenih o pomenu kakovosti in dokumentiranja le-te ostaja prioritetna naloga za izpolnitev tega podcilja. V letu 2007 je načrtovanih več aktivnosti, kjer bo glavni cilj seznanjanje in izobraževanje uslužbencev Urada in pooblaščenih izvajalcev s kakovostjo. Poleg tega bo v kratkem vpeljan postopek za sprejemanje metodologij novih statističnih raziskovanj, kjer bodo vključeni tudi zunanji strokovnjaki. Natančnost in zanesljivost zahteva stalno ocenjevanje izvirnih podatkov, vmesnih in končnih rezultatov, sistematično dokumentiranje vzorčnih in nevzorčnih napak ter izmenjavo dobrih praks med statističnimi raziskovanji. Razvojno delo, ki ga na Uradu opravljamo že več let, se bo nadaljevalo. Največji izziv na področju natančnosti in zanesljivosti vidimo v vzpostavitvi sistema dobrih praks, ki naj bi v letu 2008 zaživel na Uradovih intranetnih straneh. Pravočasnost in točnost zahtevata objavljen koledar objav, objave ob standardnem dnevnem času ter upoštevanje najvišjih evropskih in svetovnih standardov za objavo podatkov. Urad bo nadaljeval dosedanjo prakso. Na tem področju je pomemben zlasti protokol za upravljanje sprememb koledarja objav, ki bo sprejet in javno objavljen do konca leta 2006, sicer pa Urad dosega vse zahtevane kriterije (npr. vse statistične objave so vnaprej napovedane in objavljene na delovni dan ob 10:30h). Skladnost in primerljivost zahtevata notranjo skladnost (npr. usklajenost kratkoročnih in letnih statistik), hkrati pa tudi časovno primerljivost in primerljivost z drugimi državami.

172 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Primerljivosti v času in prostoru lahko zadostimo le z enotnimi definicijami in uporabo skupnih klasifikacij. Ker je to eden od glavnih ciljev evropskega statističnega sistema, Urad tem zahtevam zadošča. Žal je izmenjave makro podatkov med članicami EU še premalo, da bi lahko zares izvajali zrcalne primerjave med statistikami. Velik izziv predstavlja uvedba sistema primerjav letnih in kratkoročnih statistik ter primerjav z nacionalnimi računi, kar nameravamo začeti razvijati v letu Dostopnost in jasnost določata metapodatkovno in fizično okolje izkazanih podatkov: podatki naj bodo izkazani v sodobnih informacijsko komunikacijskih tehnologijah, v obliki, ki omogoča pravilno razumevanje podatkov in pojavov in primerjave; metapodatki naj bodo v standardni obliki, uporabniki pa naj bodo obveščeni o metodologiji in kakovosti posameznih statističnih rezultatov. Dostop do mikropodatkov naj bo omogočen samo raziskovalcem in to na podlagi strogih protokolov. Tudi na tem področju bo Urad organiziral izobraževanje za nosilce statističnih raziskovanj avtorje komentarjev statističnih podatkov za izboljšanje kakovosti pisanja komentarjev (2007). Dosedanje delo se bo nadaljevalo, smo pa na tem področju dosegli v zadnjih dveh letih zelo veliko. 3.4 Prenova procesa obdelave statističnih podatkov za doseganje večje kakovosti in učinkovitosti statističnega sistema. Ustreznost virov: razpoložljivost kadrovskih, finančnih in računalniških virov mora zadoščati zadovoljevanju potreb po slovenski in evropski statistiki. Razpoložljivost virov je problem ne le slovenske, ampak tudi večine drugih statistik, saj je virov vse manj, potreb po podatkih pa čedalje več. Zato je pomembna vzpostavitev sistema za spremljanje virov po statističnih raziskovanjih, hkrati pa tudi aktivno vključevanje v Eurostatovo delo na področju določanja prioritet. Dobra metodologija: splošni metodološki okvir mora biti usklajen z mednarodnimi standardi, državne klasifikacije so usklajene z evropskimi, poleg tega pa je potrebno sodelovanje z znanstvenim okoljem. Podcilj spodbuja tudi zunanje preverjanje. Urad bo na tem področju nadaljeval dosedanje delo oz. uveljavil nekatere od aktivnosti, ki so bile že opisane. Spet lahko ugotovim, da je ključno izobraževanje nujna je vzpostavitev pregleda metodoloških delavnic in konferenc, katerih zaključki morajo biti na voljo vsem statistikom. Ustrezni statistični postopki pomenijo sistematično testiranje vprašalnikov pred uporabo, redno posodabljanje vzorčnih načrtov, spremljanje terenskega dela in vnosa podatkov, vključujejo pa tudi revizije podatkov (revizije potekajo v skladu s standardnimi, dobro uveljavljenimi in preglednimi postopki). Tudi tu bo Urad nadaljeval dosedanje delo. V letu 2007 nameravamo uvesti bolj sistematičen pristop k analizi terenskega dela za ankete oseb in gospodinjstev. Najtrši oreh pa je vzpostavitev standardnih postopkov za izvedbo in objavo revizij podatkov (v letu 2007). Stroškovna učinkovitost zahteva avtomatizacijo statističnega procesa (v rutinskem delu) ter čimširšo uporabo adminstrativnih virov.

173 172 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Urad načrtuje širšo uporabo avtomatskega in selektivnega urejanja podatkov, na drugih področjih pa nadaljevanje dosedanjega dela. 3.5 K vrednotam kakovosti, vseživljenjskemu učenju in razvoju naj sledijo vsi zaposleni. Promocija koncepta kakovosti in pomena Kodeksa zajame vse uslužbence: ta podcilj zahteva poznavanje konceptov kakovosti, Kodeksa in pomena Kodeksa pri vsakdanjem delu. Temu podcilju lahko zadostimo le z intenzivnim izobraževanjem uslužbencev. Delo se je začelo že v letu 2005, nadaljuje se v letih z vzpostavitvijo intranetne strani za Kodeks, organizacijo izobraževanja ter promocije Kodeksa ob podpori zgibank in plakatov. Uslužbenci se sistematično izobražujejo za področje svojega dela ali za morebitno zamenjavo delovnega mesta z namenom zagotavljanja večje kakovosti v vseh točkah procesa statističnega raziskovanja: tudi ta podcilj zahteva izobraževanje statistikov, hkrati pa definicije profila statistika v več ravneh z namenom razvoja kompetenc ( ). Spremljanje razvoja na področju statistične metodologije in izmenjava dobrih praks je omogočena vsem uslužbencem na enostaven način: kot sem omenila že zgoraj, je ena od glavnih aktivnosti na tem področju vzpostavitev intranetne strani za poročanje dobrih praks in izmenjavo mnenj metodologov. 4 ZAKLJUČEK V drugem in tretjem poglavju sem opisala strateške cilje in podcilje na področju obvladovanja kakovosti. Ugotovimo lahko, da Urad in pooblaščene izvajalce čaka še veliko dela, čeprav je v resnici veliko ključnih nalog že opravljenih, saj so pravne osnove slovenskega statističnega sistema že vzpostavljene v smeri Kodeksa ravnanja evropske statistike. Pričujoča strategija je le eden od ključnih delov v sistemu državne statistike, ki se pripravlja na sprejetje novega srednjeročnega programa. Upamo, da bo implementacija strategije pripomogla k dvigu zadovoljstva uporabnikov statističnih podatkov in posledično k še večji uporabi statističnih podatkov v vseh sferah družbenega življenja.. VIRI: [1] Kodeks ravnanja evropske statistike: [2] Srednjeročni program statističnih raziskovanj : [3] Slovenska državna statistika (publikacija): [4] Strategija celostnega obvladovanja kakovosti Statistični urad RS : [5] Eurostatova spletna stran za kakovost: [6] ESS Quality Declaration [7] ESS Quality Definition [8] ESS Quality Glossary

174 STATISTIČNI DNEVI 2006 STATISTICAL DAYS QUALITY OF STATISTICS IN THE STRATEGY OF HCSO Katalin Szép, Kornélia Judit Vigh SUMMARY In 2005 HCSO has developed its strategic plan, published on the website ( It includes the approved quality concept of the HCSO. Within this strategy a number of programs are in line with the implementation of TQM principles, like Programme planning and self assessment systems, Improving relations with respondents, or Development of the meta-information system. The main quality related program Quality assurance of the statistical products and processes has the objectives to improve the reliability and quality of statistical data, create guaranties concerning quality, assure adequate quality of statistical work processes, regular quality inspection, documenting of and user feedback on quality. So far two projects were launched. The project dealing with product quality identifies indicators for measuring product quality, standardizes calculation methods and assessment criteria, extending the standard quality report on an increasing set of data collections, and documents them in the meta-data system. The project on process quality develops quality guidelines, recommended methods and identifies process variables for the different process stages and monitoring system. The follow-up of the self assessment on the implementation of Code of Practice principles contributed to the increasing importance of the programme. 1 BACKGROUND OF QUALITY IN STATISTICS Quality control, quality assurance, quality management phenomena have emerged in business life. Mass production, cost demanding character of control process and cost sensitivity of management have stimulated its development and penetration into this area. The adaptation of quality concept in the area of statistics with some delay started in the late70s in the most developed countries with developed statistical systems. 1.1 Development, penetration of quality concept into the statistics Based on the results of the statistical offices in the USA, Canada and Sweden, the Statistical Commission and Economic Commission for Europe of the United Nation published guidelines for quality presentations in After another decade Eurostat started the work on quality together with the Member States. In 2001, the Eurostat quality concept was recommended by the Leadership Group on Quality to be used for reporting on data quality among the members of the ESS with a set of 20 recommendations. SPC accepted the quality declaration of the ESS. The Working Group on the Assessment of Quality in Statistics has been set up. The work resulted in the definition of quality, a standard quality report, a comprehensive handbook on how to make a quality report and a set of standard quality indicators. The state of the play of the implementation of LEG recommendations was monitored by a yearly survey among Member States.

175 174 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 The Eurostat projects launched in this topic have resulted in a number of handbooks or reports for improved quality in the ESS. The most relevant ones for quality reporting are the handbook on Handbook on improving quality by analysis of process variables by ONS et. al. and the Self- Assessment Programme for Surveys by DESTATIS et. al. Biannual conferences on quality, like Q2004 in Mainz or Q2006 in Cardiff serve as fora to discuss recent developments for the representatives of ESS and scientific organisations. 1.2 Necessity of quality concept in statistics In the recent period the statistics have got more importance in policy-making. Economic decisions are more and more related directly to statistically measured values. As these decisions have important consequences, the risk that economic and political interest could influence statistical methods and results, is increasing. Some kind of systematic guarantee is required by the users. The other point is that users require more and more statistics as soon as possible as information is a crucial point in the competition. In the same time the statistical institutes have to cope with financial constraints. Again a controllable guarantee is needed to keep a certain level of quality of the data provided under this double pressure. 1.3 Recent events in quality of statistics A new chapter started when SPC accepted the Code of Practice (CoP), and decided the monitoring of its implementation. The EU Commission has strongly supported the process while creating a Commission Recommendation on it. Code of Practice covers 15 principles on the institutional environment, statistical processes and statistical output for the ESS. The Principle 4 is the quality commitment of the statistical institutions suggests the progress from quality control toward quality management. The chapter on statistical processes includes the principles related to process quality measurement and monitoring. The principles about statistical product consist of the quality dimensions according to ESS quality definition. A set of indicators of good practice, for each of the 15 principles provides a reference for reviewing the implementation of the Code. The first round of self assessment against the CoP was carried out in the end of 2005, the summary report on the results is available on Eurostat website. The round of peer reviews in NSIs has started, and this process will finish by the end NSIs elaborated a work plan starting in 2006 to extend the survey on the implementation of the CoP on other institutions than NSI. Several ongoing projects aim to implement the CoP, among others DatQAM which develops a handbook on Data Quality Assessment Methods and Tools. 2 QUALITY IN THE HCSO The pressure from international organisations towards quality management reinforced the internal intention of the HCSO to start a systematic approach towards quality in statistics.

176 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Antecedents Most of the elements of quality aspects were present in the HCSO even decades ago. For example in 1991 the HCSO published Ádám Marton s work on reliability of representative surveys dealing with the sources of errors and their measurement in representative surveys. From the mid 90s internel regulations were developed to standardise certain processes, like survey design or dissemination. In 2000 the Hungarian Statistical Association organised a conference titled Quality in Statistics where Eurostat representatives presented theoretical background, Eurostat and national statistical institutes activities in this field. The Hungarian experts gave an overview on the actual quality of economic and social statistics. The medium term strategy accepted in included the regular internal data quality control, development of quality dimensions as medium term goals. Many things happened, like the work to improve field work, standardisation of data collection and capturing in economic statistics, seasonal adjustment procedure. Some experts attended TES and Amrads, etc. courses on quality in statistics. These efforts were expert related, and were not organised in a network, or a system. In 2002 a central methodological unit was formed in the HCSO. This provides an organisational basis for horizontal methodological assistance, a centre for the development of a systematic approach. The main problems, which reinforced the demand for the systematic approach, were the followings: - The statistical processes were not transparent, in the different statistical areas different procedures were used, there were no standard requirements in force; - Information on product and process quality however existed in some areas were not centrally available, comparable; - Providing of a certain level of data quality in a time limit when the increasing and changing needs for statistics had to be covered by decreasing resources, and increasing time pressure was experienced to provide statistics faster; - In order to meet these requirements statisticians have to be more flexible, to adapt fast to new tasks in new areas, standardisation may help. In 2004 the HCSO started to work out an overall strategic development plan. The medium term strategic plan covers the period , and the modernisation programmes in statistics, dissemination, services, national and international relations, organisations and information technology. The document starts with the mission, values and goals of the HCSO, and declares the quality concept in the HCSO, definition and dimensions which are harmonised with the European standards. The work on a systematic approach towards quality started in 2004 in three domains: - elaboration of a strategic plan on the implementation of quality management; - participation in the pilot project quality in statistics supported by Phare 2002; - organisation of training on quality within the HCSO.

177 176 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Concepts The core of the concept is the intention to move towards quality management. The main principles of the different quality management systems are common (Michael Colledge): - Customer focus quality as perceived by customer - Supplier focus - Process approach involving chains of suppliers and customers - Quality and performance measurement fact based decision making - Continuous improvement - Leadership and constancy of purpose - Quality problems are with processes not people - Encourage initiative, push responsibility to lower level - Communication and training not control. In the HCSO strategy a number of programmes are in line with the implementation of TQM principles, like the Programme planning and self assessment systems, Improving relations with respondents, or Development of the meta-information system Development of integrated data processing system. The principles and indicators in CoP can be linked to the points of TQM and our strategy, as well. In particular the principle 4 of CoP addresses quality commitment with the main indicators: - product quality is regularly monitored according to the ESS quality components, - processes are in place to monitor the quality of the collection, processing and dissemination of statistics; The main quality related programme in the HCSO Quality assurance of the statistical products and processes covers this principle, however it was launched some months before the publication of the CoP. It has the objective to set up a quality framework in order to improve the reliability and quality of statistical data, create guarantees concerning quality, assure adequate quality of statistical processes, regular quality inspection, documenting of and user feedback on quality. The basic principles were defined first: - To make use from existing knowledge and values and rich tradition; - Not to provide any useless additional burden on statisticians, - To develop the system step by step following the natural way producing and using quality information, introducing quality culture: quality measurement, quality control, process quality and so on, - Quality assessment should serve to improve processes, not to judge people. So far two projects were launched. The first deals with the quality of products. We start with the development and acceptance of a set of standard quality indicators characterising the quality of product, taking into consideration the Eurostat set of standard quality indicators. Then we develop our data processing system to provide these indicators in an automated way. The following step is to include quality characteristics in the metadata set characterising a given product. All these have to be standardized like the set of indicators to be published with the data or a future minimum threshold to meet as a prerequisite for the publication.

178 STATISTIČNI DNEVI 2006 STATISTICAL DAYS In the second project dealing with the quality of statistical processes, first we looked for the identification of the elements of statistical value chain. Then we intend to compile protocols for the process documentation system, quality guidelines and checklist, quality measurement system, to establish an assessment system, first self-assessment, later on internal or external audits. Figure 1: Statistical value chain and product Statistical product Data archiving Dissemination Confidentiality and disclosure Further analysis Seasonal adjustment Index number construction Macrovalidation Weighting, estimation, sampling error computation Imputation Data collection, data capture, microvalidation, editing Questionnaire design Sampling design Accessing administrative data Decision, collection design This figure shows the relation between product quality and process quality. These steps represent the statistical process elements, like sampling design, questionnaire design, implementation of data collection and so on, represent how they follow each other and finally result in the statistical product. The quality of the product is a result of the quality of the processes. Consequently the product quality indicators are rooted in the process, and in most cases serve as process quality indicators as well, like non response rate or editing rates. These ratios are product quality indicators and in the same time quality indicators of the data collection, and questionnaire as well. The third element of our working programme is the plan to set up a quality management model about the end of this planning period. In the strategic programme several projects deal with the implementation of the different principles or pillars of the model, like the relation between internal suppliers and customers, and with data supplier. In the framework of the quality related project we focus on the pillars of quality measurement methods and standards.

179 178 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Risks The projects aim to develop a quality framework. In this phase of the work we have to keep in mind the possible sources of risk which may arise in the period of implementation. Actually we see the followings: - Statisticians should be aware of the goals and importance of quality assurance. Of course to document, assess, and improve causes additional burden for them, but hopefully they can feel they can benefit from the system. - Management should be aware that the assessment serves to improve processes and not to judge people. In case statisticians are not confident in this, the reports and assessment will become useless. 3 PRELIMINARY RESULTS IN THE PROJECT ON PROCESS QUALITY In the framework of the project for developing the process quality control system the following modules will be worked out: - the process documentation system, - the process quality measurement system including the recommended methods for the different process steps and - the quality guidelines. The first result of this project is a handbook titled Quality Guidelines. Its aim is to give some brief guidelines on the principles, recommendations and methods that should be kept in mind to achieve the best quality during the production process. The structure of the handbook follows the statistical production process, therefore it consists of the following chapters: - Decision on a survey, collection design - Accessing administrative data - Register - Sampling design - Questionnaire design - Data collection - Data capture, micro validation, editing - Imputation - Weighting, estimation, sampling error computation - Macro validation - Index number construction - Seasonal adjustment - Further analysis - Confidentiality and disclosure - Dissemination - Data archiving The structure of the different chapters is the same. The definition of the process steps includes the objectives, the input and the output of the process step, as well, the principles contain the most important subcomponents regarding the quality. The Quality Guidelines give practical recommendations for the occurring problems. All of the chapters end with references. This first

180 STATISTIČNI DNEVI 2006 STATISTICAL DAYS version of the handbook ensures a good background to improve the quality of the statistical production process, but of course the continuous review is essential. The second main result of the process quality project will be the creation of different modules for the questionnaire design. The handbook of recommended practices for the questionnaire design is based on the result of a Eurostat Grant for this topic. We use the Handbook of Recommended Practices for Questionnaire Design and Testing in the European Statistical System (the Draft version is only available) as a background to adopt the different methods and practices to the requirements of Hungarian Statistical Office. The other modules as the process quality measurement and documentation for the questionnaire design are mainly based on the Handbook on improving quality by analysis of process variables and the experiences of the different checklists for his process step. SOURCE: 1. Colledge, M. (2006). Quality Frameworks. Implementation and Impact. Paper presented at the International Conference on Data Quality in International Organisations, Newport, Wales, April Commission of the European Communities (2005): Communication from the Commission to the European Parliament and to the Council, Recommendation of the Commission on the independence, integrity and accountability of the national and Community statistical authorities Brussels, COM(2005) 217 final 3. Eurostat (2006-Draft), Handbook of Recommended Practices for Questionnaire Design and Testing in the European Statistical System, ISTAT (Italy), INE-PT (Portugal), ZUMA (Germany), FSO (Germany). 4. Eurostat (2003), "Handbook on improving quality by analysis of process variables", ONS (UK), INE-PT (Portugal), NSSG (Greece) and SCB (Sweden). 5. Eurostat (2005): European Statistics Code of Practice adopted by the Statistical Programme Committee on 24 February Földesi E. (2006): Introduction of Eurostat Standard Quality Indicators in the Hungarian Central Statistical Office Dilemma. Paper for the European Conference on Quality in Survey Statistics, Cardiff, April Grünewald, W. and Körner, T. (2005). Quality on its Way to Maturity. Results of the European Conference on Quality and Methodology in Official Statistics (Q2004). Journal of Official Statistics, 21, 2005, Hungarian Central Statistical Office (2005): Strategy Hungarian Central Statistical Office (2005): Annual Report on Strategy of the HCSO 10. Mag K. (2006): Process approach of the Eurostat standard quality indicators. Paper for the European Conference on Quality in Survey Statistics, Cardiff, April Sæbø, H.V. (2006): Systematic Quality Work in official Statistics - Theory and Practice. Paper for the European Conference on Quality in Survey Statistics, Cardiff, April Szép K. and Vigh J. (2004): A minőség a hivatalos statisztikában (Quality in official statistics) Statisztikai szemle Aug. 82. N.8. p

181 180 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 KAKOVOST STATISTIKE V STRATEGIJI MADŽARSKEGA STATISTIČNEGA URADA POVZETEK Leta 2005 je madžarski statistični urad razvil strateški načrt in ga objavil na svoji spletni strani ( Načrt vključuje odobreni koncept kakovosti madžarskega statističnega urada. V okviru strategije so številni programi usklajeni z izvajanjem načel celovitega obvladovanja kakovosti, npr. Sistemi za načrtovanje programov in samoocenjevanje, Izboljšanje odnosov s poročevalskimi enotami ali Razvoj metainformacijskega sistema. Cilj glavnega, s kakovostjo povezanega programa Zagotavljanje kakovosti statističnih proizvodov in postopkov, je izboljšati zanesljivost in kakovost statističnih podatkov, zagotavljati splošno kakovost, zagotavljati ustrezno kakovost statističnega dela, redno preverjati kakovost, dokumentirati kakovost in spremljati odzive uporabnikov. Do sedaj so je pričeli izvajati dva projekta. Projekt o kakovosti proizvodov določa kazalnike za merjenje kakovosti proizvodov, standardizira metode izračunavanja in merila ocenjevanja, razširja standardno poročilo o kakovosti na več zbiranj podatkov in jih dokumentira v metapodatkovnem sistemu. Projekt o kakovosti postopkov razvija smernice o kakovosti in priporočene metode ter določa postopkovne spremenljivke za različne faze postopka in sistem spremljanja. Nadaljnje dejavnosti v zvezi s samoocenjevanjem izvajanja načel Kodeksa ravnanja so prispevale k večji pomembnosti programa.

182 STATISTIČNI DNEVI 2006 STATISTICAL DAYS WORKING TIME USE MEASUREMENT IN THE STATISTICAL OFFICE OF SERBIA Zoran Jančić, Dragan Vukmirović SUMMARY To have a good argument for financial planning and request for money from the budget, it s very important to have a total costs for every activity, in case of statistical offices, for every statistical survey. The biggest part of costs is labor costs. To get this figure for every survey, it s necessary to introduce measurement of working time divide by jobs (statistical surveys) and activities (phases of surveys). Statistical Office of Serbia introduced this measurement in 2006, and the first experiences, as well as results, are presented in this paper. Also, there are basic information about methodology, IT solution and reporting system. 1 INTRODUCTION In the scope of arranging of the Office's internal functioning and harmonizing of financial needs and possibilities, a need for establishing of certain statistical surveys' costs occurred and the structure of distribution of disposable working time to certain surveys, as well as to belonging phases of work. One of the needs that became the most critical was the need to discuss in detail sources needed for the statistical surveys' program while making a financial plan. Simply defined, certain statistical surveys' costs consist of material costs, use of services and as far the biggest item, employees working time spent. In order to quantify working time spent on certain statistical surveys, introduction of records on work by employee and by type of job has become one of the basic needs (in this case, of a statistical survey). Since there were no concrete experiences regarding this subject in the Office, we used a privilege that there is a project of support of Statistical Office s development underway, implemented by Statistics of Sweden. While using their long-lasting experience as well as concrete solutions, but also materials from some other countries, we started preparations in the Office at the end of 2005 and since January 2006 introduction of time use measuring, also. 2 METHODOLOGICAL SOLUTIONS In order to introduce as efficient measuring as possible we defined a goal very clearly and set principles of introduction. The goal is defined as insight into time use for better planning of financial sources needed and relocating of human resources.

183 182 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 We used the following principles: 1. Меasuring should comprise all employees, it is not directed to certain employees, but to certain surveys and affairs by organizational units and structure of activities (phase of work) by surveys. 2. Filling up of reports should be extremely simple and along with that complete accompanying activities, also. 3. Employees, in charge of implementation of job should be minimally occupied. Figure 1. Weekly report on working time use Org. unit s code Employer code Organisational unit Name of employee Ord. number of the wek in the year Cod e of jobs Title of job Code of activity Title of activity Monday Tuesday Wednesday Thursday Friday All From date: To date: TOTAL: signature of employee Respecting mentioned examples we made a Report on Employee, Instruction for filling up and two code-books, one for jobs (statistical surveys and jobs of general purpose) and the other one for activities in the scope of jobs (phases of work). For identification jobs of employee and organizational unit the Office's data base of employees is been used, and for jobs statistical surveys' code-book. The Report (see figure 1.) and procedure of filling up are simple, one should fill up seven hours for each working day, what is 35 hours per week. A name and code of job are been entered, a name and code of activity, as well as number of hours in complete figures. The activities' code-book disposes of only 14 modalities. A probation period is the 2006 year as a whole, during which measuring has to be introduced gradually into all organization units of the Office, than removal of shortages, as well as completion of code-books. 3 IT SOLUTION The goal is to perform all work on computer, without use of papers. Due to lack of computers and technical requirements connected to the network (regional offices throughout the Serbia), we started

184 STATISTIČNI DNEVI 2006 STATISTICAL DAYS with combined solution; data are been entered manually, a centralized entry is been carried out into the computer, and then the visual basic 6 program solution is been used with the SQL server 2000 data base. Beside identification data, the codes of jobs and activities, total data per week (5 days) are been entered, while data by days are not been entered. At the beginning of 2007 we shall pass to direct data entry, when the complete equipment with computers and solved technical issues based on network functioning are to be expected. 4 ОRGANIZATION OF WORK An authorized organizational unit for measuring is a financial service, supported by two IT experts and Department for data entry. Managers of organizational units submit material on a weekly basis to the financial service which takes care about it further on. Data entry for about 600 reports for one week is been performed in about 3 hours at 12 working stations. Because this is a work of a lower priority it is been performed in time intervals when no other job exists. 5 REPORTING Basic reports are organized by basic and higher organizational units of the Office and totally spent time and its structure are been presented by certain works and activities. The shortest time period for which the report has to be submitted is 5 weeks, but we mainly use three-months and six-months reports. These reports are been submitted to all organizational units. Special requests relate to time spent by phases of work (activity) in the scope of a certain statistical survey. It is important to say that no report by employee is been made. 6 REALIZATION Realization started by introduction of measuring into the Office's regional offices where less than 1/3 of employees of the Office are employed. Before that, reports, instruction and code-books had been discussed with managers of the regional offices and dynamics and the way of filled up reports submitting to the Head Office had been a matter of agreement. The accent was specially put to the roll of managers in explaining of work and importance of accepting of the same by employees. The filling up of the reports themselves and their submitting functioned smoothly, there was no case recorded of rejecting of filling up, and errors in filling up were rare and they related to misunderstanding of the way of filling up, that was usually solved by one intervention. The importance of good connection with the Personnel Department was noticed due to changes in systematization and organization (the new one was introduced in July 2006), arrival of new employees and change of organizational unit at already employed persons.

185 184 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Timely updating of statistical surveys' code-book is also of a significant importance, respectively giving of codes to new statistical surveys that were not planned by the annual plan. 7 EXAMPLES OF OBTAINED INDICATORS Some interesting results were obtained on the basis of six-months reports from regional offices, where one should take into consideration that regional offices mainly collect data, arrange them and enter them into computers. In the period February-July 2006, 2/3 of working time was spent on jobs directly connected to statistical surveys and 1/3 of working time was spent on jobs of general type and other ways of time use (absence, training, non-business meetings and similar). Use of working time on absence lasting several days from various reasons of non-business character amounts to 17% of total working time. Of total time spent on statistical surveys, 45% of time is been spent on arranging and visual control of the material. When it is about certain statistical surveys, most time is been spent on monthly surveys on salaries, over 6%, monthly surveys on industrial production, over 4%, and monthly recording of retail prices-around 4%. It is obvious that regional offices work on a big number of surveys, so, according to that, no survey is specially dominant in relation to others. 8 OBSERVATIONS AND RECOMMENDATIONS On the basis of experience we obtained, it can be concluded that starting principles functioned well, respectively, it is very important that the work should be simple and non-demanding regarding time spent on it, that employees should know and feel that measuring is not directed at them but at the Office, and that there exists a complete concord of the Office's management about the need, aiming to the whole activity. One should be cautious while establishing the code-book, especially activity, where there is a need from certain departments to introduce as indented classification as possible, and that presents burden regarding filling up of reports and is not in the interest of this measuring's purpose. Positive effects were noticed in the sense of employees bigger responsibility, where also unavoidable filling up does not seems to be a problem, while observing data on the level of the Office and higher organizational units. From the other hand, we obtain insight into the structure of time use as well as into the employees' share of work in certain statistical surveys what is a basic element for estimation of these statistical surveys' use and it facilitates making of financial plan. These data also make a good basis for estimation of costs and establishing of price for certain contractual works.

186 STATISTIČNI DNEVI 2006 STATISTICAL DAYS At the end, recommendation is that positive effects of time use measuring introduction must be significantly bigger from work invested; that can be achieved by simplicity without high ambitions and by gradual development along with orientation towards the Company and not towards the employees. MERJENJE PORABE ČASA V ZAVODU ZA STATISTIKO SRBIJE POVZETEK Za dobro utemeljevanje finančnega načrtovanja in zahtev po proračunskem denarju je zelo pomembno imeti podatke o skupnih stroških za vsako dejavnost; v primeru statističnih uradov torej za vsako statistično raziskovanje. Največji del stroškov predstavljajo stroški dela. Za pridobivanje teh podatkov za vsako raziskovanje je treba uvesti merjenje delovnega časa po posameznih nalogah (statističnih raziskovanjih) in dejavnostih (fazah raziskovanja). Zavod za statistiko Srbije je takšno merjenje uvedel leta Prispevek predstavlja prve izkušnje in rezultate, kot tudi osnovne informacije o metodologiji, informacijski rešitvi in sistemu poročanja.

187

188 STATISTIČNI DNEVI 2006 STATISTICAL DAYS SEKCIJA D1: RAZVOJNI DOSEŽKI NA POSAMEZNIH PODROČJIH STATISTIK SOCIALNE STATISTIKE SECTION D1: DEVELOPMENT ACHIEVEMENTS IN STATISTICS SOCIAL STATISTICS Avtorji prispevkov / Papers by: Andreja Kozmelj, SURS / SORS Vseživljenjsko učenje v luči statistike Lifelong Learning in the Light of Statistics Tanja Domjan, SURS / SORS Klasifikacijski sistem izobraževanja in usposabljanja nov konceptualni pristop Classification System of Education and Training a New Conceptual Approach Nataša Kozlevčar, SURS / SORS Evropska socialnoekonomska klasifikacija European Socio-economic Classification Neva Maher, Marta Cvikl, Ministrstvo za delo, družino in socialne zadeve / Ministry of Labour, Family and Social Affairs Statistika in investiranje v človeške vire Statistics and Investment in Human Resources

189

190 STATISTIČNI DNEVI 2006 STATISTICAL DAYS VSEŽIVLJENJSKO UČENJE V LUČI STATISTIKE Andreja Kozmelj POVZETEK Sodobna družba je čas naglega razvoja tako družbe kot posameznika. Življenjske in delovne okoliščine se hitro spreminjajo in zahtevajo prilagoditev posameznika s stalnim pridobivanjem in nadgrajevanjem znanja. V tem kontekstu se že dlje časa uporablja pojem vseživljenjskega učenja, ki je v zadnjem desetletju postalo prioriteta na področju politike izobraževanja tako na ravni Evropske unije in njenih članic kot tudi v slovenskem prostoru. V skladu z novimi poudarki na področju izobraževanja in z novimi potrebami družbe po statističnih podatkih, se uvajajo spremembe tudi na področju statistike izobraževanja in usposabljanja. V prispevku bodo predstavljeni že obstoječi in novi viri podatkov na mednarodnem nivoju in v slovenskem prostoru, ki osvetljujejo področje vseživljenjskega učenja. Že dolga leta se podatki o izobraževanju pridobivajo iz administrativnih virov, torej od izvajalcev izobraževanja. Tako je s statističnimi podatki pokrito predvsem formalno izobraževanje. Nove smernice pa zahtevajo raziskovanja, ki bi pokrile tudi druge vrste izobraževanja (neformalno, priložnostno) in osvetlile še druge vidike vidik posameznika (Anketa o izobraževanju odraslih) in vidik delodajalca (Anketa o nadaljnjem izobraževanju in usposabljanju zaposlenih v podjetjih in drugih organizacijah). Tem raziskovanjem bo v prispevku namenjene največ pozornosti. LIFELONG LEARNING IN THE LIGHT OF STATISTICS SUMMARY Modern society is confronted with a number of challenges resulting from globalization and development of new technologies. To avoid social exclusion, the individual is forced to adjust to these changes by renewing and upgrading his knowledge and skills. In this context, the concept of lifelong learning has become one of the priorities in the European Union and in all Member States including Slovenia. Due to new needs for information on lifelong learning, these changes in educational policies are having a major impact on the education and training statistics as well. Available data-sources as well as new surveys on lifelong learning in the European educational statistics will be presented in this paper. For many years now the data on formal education are being collected from educational institutions. To gain information on learning outside the formal education system and to illuminate other perspectives, new approaches are being introduced the information from the perspective of the individual (Adult education survey) and from the perspective of the employer (Continuing vocational training survey). The paper will focus on these surveys and describe changes in the field of educational statistics.

191 190 STATISTIČNI DNEVI 2006 STATISTICAL DAYS VSEŽIVLJENJSKO UČENJE IN NJEGOV POMEN V DANAŠNJI DRUŽBI Živimo v dobi velikih napredkov v znanosti in hitrega tehnološkega razvoja, v dobi, ko globalizacija in informacijska tehnologija oblikujeta naš vsakdan. Nove oblike komunikacije in večja mobilnost nam nudijo nove možnosti. Ljudje se neprestano soočamo s situacijami, ki zahtevajo nove spretnosti in učenje. Znanje, pridobljeno v šolskih klopeh, že dolgo ne zadostuje več. Z vse hitrejšim napredkom znanosti in tehnologije znanje hitro zastara, zato ga je potrebno nenehno nadgrajevati. To je ključno tako za posameznikovo konkurenčnost na trgu dela in njegov osebnostni razvoj, kot tudi za ekonomski in socialni razvoj celotne družbe. Politične razprave znotraj Evropske unije se že mnoga leta vrtijo okrog pojma 'vseživljenjsko učenje'. V zadnjem desetletju pa se je še povečala potreba po posamezniku, ki neprestano obnavlja svoje znanje in si pridobiva nove kompetence ter se tako spopada z izzivi in izkorišča priložnosti, ki mu jih nudi t.i. 'na znanju temelječa družba'. Zato je Evropski svet na zasedanju v Lizboni, v marcu 2000, vseživljenjsko učenje postavil za temelj evropske prihodnosti. Načela in cilji 1 vseživljenjskega učenja so natančneje določeni v Memorandumu o vseživljenjskem učenju, ki ga je Evropska komisija pripravila jeseni Ta dokument je temelj za vse nadaljnje razprave in za razvoj strategij na področju vseživljenjskega učenja. Države članice so se zavezale k sooblikovanju nove Evrope, ki bo zagotavljala trajno gospodarsko rast, večje in boljše možnosti zaposlovanja in večjo socialni povezanost. Zato je tudi v Sloveniji v mnogih strateških dokumentih vseživljenjsko učenje postavljeno v središče (npr. Strategija razvoja Slovenije, Strategija gospodarskega razvoja, Državni razvojni program, Proračunski memorandum ipd.). Sprejet je bil Nacionalni program o izobraževanju odraslih, ki opredeljuje prioritetna področja in predlaga ukrepe za razvoj izobraževanja odraslih. Tudi šolski sistem doživlja mnoge spremembe (uvedba devetletke, preoblikovanje visokošolskih programov v skladu z Bolonjsko deklaracijo). 2 POJEM VSEŽIVLJENJSKEGA UČENJA Učenje dandanes večinoma razumemo kot fazo v otroštvu in mladosti, ki ima jasen začetek in konec, poteka v formalnih institucijah in je namenjena predvsem pridobivanju znanja za vstop na trg delovne sile. Pojem vseživljenjskega učenja pa pogosto enačimo z izobraževanjem odraslih. Tako pojmovanje je povsem zgrešeno. Vseživljenjsko učenje je kompleksen proces, ki poteka skozi vse življenje, tudi izven formalnih ustanov, in ni namenjeno zgolj poklicni karieri posameznika. Gre za vse učne aktivnosti v človekovem življenju, katerih namen je izboljšati znanje, spretnosti in kompetence, tako za poklicni uspeh kot tudi za socialni in osebnostni razvoj posameznika 2. Dimenzije vseživljenjskega učenja najbolje prikaže dobro znan diagram (slika 1). Vertikalna os predstavlja časovno (lifelong) dimenzijo učenja, ki poudarja, da učne aktivnosti potekajo v vseh 1 Cilji vseživljenjskega učenja, določeni z memorandumom: splošen in nenehen dostop do učenja za pridobitev ali obnavljanje znanja in spretnosti, večje vlaganje v človeške vire, razvoj učinkovitih metod učenja in poučevanja, izboljšanje načinov vrednotenja dosežkov učenja (tudi priložnostnega in izkustvenega), usmerjanje in svetovanje v procesu izobraževanja, približevanje vseživljenjskega učenja učečim (bližje njihovemu domu, nove tehnologije...). 2 povzeto po definiciji iz akcijskega načrta 'Uresničevanje vseživljenjskega učenja v Evropi (Making a European Area of Lifelong Learning a Reality, 2001)

192 STATISTIČNI DNEVI 2006 STATISTICAL DAYS obdobjih posameznikovega življenja, torej 'od zibelke do groba'. Visoko kvalitetno izobraževanje od otrokovih najzgodnejših dni naprej je bistvena podlaga. Osnovna šola naj bi mlade predvsem naučila učiti se in jih opremila s pozitivnim odnosom do učenja. Le tako bodo ljudje tudi po končanem šolanju nadaljevali z učenjem - za poklicno življenje, za aktivno udeležbo v družbi in za osebni razvoj. Slika 1: Vseživljenjska in večrazsežnostna dimenzija učenja Horizontalna os diagrama pa prikazuje večrazsežnostno komponento (lifewide), ki zajema vse oblike izobraževanja od formalnih do manj formalnih. Ta dimenzija temelji na Klasifikaciji učnih aktivnosti (CLA 3 ), ki pozna tri temeljne kategorije učnih aktivnosti: Formalno izobraževanje se odvija v izobraževalnih institucijah (šole, fakultete), ki sestavljajo izobraževalni sistem neke države. S programi formalnega izobraževanja se pridobi javno veljavna izobrazba. Gre za namensko, organizirano in institucionalizirano izobraževanje. Neformalno izobraževanje so prav tako namenske in organizirane učne aktivnosti, ki se lahko odvijajo v institucijah ali izven njih. Sem spadajo programi za pridobivanje, obnavljanje, razširjanje, posodabljanje in poglabljanje znanja, s katerimi pa si javno veljavne izobrazbe ni mogoče pridobiti. Ponavadi so to najrazličnejši tečaji, delavnice, seminarji ipd. Priložnostno učenje so manj organizirane učne aktivnosti, a še vedno namenske. Vključeno je učenje v družinskem ali prijateljskem krogu, na delovnem mestu, ali pa učenje, ki si ga organizira posameznik sam. V tradicionalnih izobraževalnih sistemih je bil posameznik le 'uporabnik', ki je pridobil enosmerno posredovano znanje. Vseživljenjsko učenje pa ga postavi v središče in veliko pozornost nameni zagotavljanju enakih možnosti za učenje ter ustrezni kakovostni ravni učenja. Posameznik mora imeti priložnosti za učenje v vseh življenjski obdobjih, tradicionalne sisteme pa je treba preoblikovati v bolj odprte, fleksibilne, prilagojene individualnim učnim ciljem, posameznikovim potrebam in interesom. 3 Classification of Learning Activities, 2006

193 192 STATISTIČNI DNEVI 2006 STATISTICAL DAYS STATISTIKA V OKVIRU VSEŽIVLJENJSKEGA UČENJA 3.1 Vloga statistike Vseživljenjsko učenje je postalo prioriteta v evropski politiki ne samo na področju izobraževanja, ampak tudi na področju zaposlovanja, ekonomskega razvoja in socialne vključenosti. Pri uresničevanju začrtanih ciljev se statistika izkaže kot nepogrešljiv partner. Ponudi namreč podatke, s pomočjo katerih se ugotovi trenutno stanje ter omogoči primerjava med posameznimi državami in izobraževalnimi sistemi. Pomaga prepoznati že obstoječe učinkovite prakse v posameznih državah. Predvsem pa je statistika pomembna za spremljanje napredka proti zastavljenim ciljem. V ta namen je posebna mednarodna skupina strokovnjakov v letu 2003 sestavila seznam 29 kazalnikov za spremljanje dosežkov in razvoja sistemov izobraževanja in usposabljanja v Evropi 4. Evropski svet pa je v maju 2003 sprejel pet referenčnih ravni oziroma standardov za merjenje in usmerjanje povprečnih učinkov evropskih sistemov izobraževanja in usposabljanja do leta Zbiranje podatkov s področja vseživljenjskega izobraževanja Še vedno je največ mednarodno primerljivih podatkov na razpolago o formalnem izobraževanju. Ti podatki večinoma temeljijo na administrativnih virih. Statistične raziskave, ki bi ponudile podatke tudi za neformalno izobraževanje in priložnostno učenje, pa so še v povojih. Spremembe na tem področju so se začele v devetdesetih letih prejšnjega stoletja, ko je bil ustanovljen program Leonardo da Vinci, ki bi naj pripomogel k večji količini mednarodno primerljivih podatkov s področja izobraževanja in usposabljanja. Program je podprl kar nekaj projektov med drugim raziskavo o nadaljnjem izobraževanju in usposabljanju zaposlenih v podjetjih (CVTS), revizijo klasifikacije izobraževalnih ravni in področij (ISCED 97) in ad-hoc raziskavo (v okviru Ankete o delovni sili). Opaznejše spremembe pa evropska statistika izobraževanja in usposabljanja doživlja v tem stoletju. Memorandum o vseživljenjskem učenju in vse nadaljnje razprave na to temo so namreč povečale potrebe po drugi vrsti podatkov. Ne samo, da se je pokazala potreba po podatkih o udeležbi ljudi v manj formalnih oblikah izobraževanja, ampak tudi po kvalitativnih podatkih o izobraževanju, kot so: kako pridobivajo znanje ljudje različnih družbenih skupin, kvaliteta znanja, rezultati izobraževanja, vlaganje v izobraževanje, metode izobraževanja, dostopnost izobraževanja, potrebe po izobraževanju, odnos posameznika do izobraževanja, motivacija, ovire ipd. Bistvo sprememb v statističnem merjenju izobraževanja in usposabljanja je premik težišča iz administrativnih na individualne vire podatkov, in iz bolj formalnih na manj formalne oblike izobraževanja in učenja. Do sedaj je statistika (in celotna družba) k izobraževanju pristopala predvsem z vidika izvajalcev 4 Commission Staff Working Paper ''Progress toward the Common Objectives in Education and Training; Indicators and Benchmarks'' 5 Te referenčne ravni (European Benchmarks) na evropski ravni so: odstotek mladih, ki predčasno zapustijo šolanje, naj ne presega 10% (v letu 2005 je znašal slabih 15%), delež 15-letnikov z nizko stopnjo pismenosti znižati na 15,5% (v letu ,8%), odstotek prebivalcev, starih od let, ki so dosegli vsaj srednješolsko izobrazbo, zvišati na vsaj 85% (v letu %), delež diplomantov s področja matematike, znanosti in tehničnih ved zvišati za 15% povečati delež udeleženih v izobraževanju odraslih.

194 STATISTIČNI DNEVI 2006 STATISTICAL DAYS izobraževanja, nove smernice pa narekujejo tudi pogled z vidika delodajalca in predvsem z vidika posameznika. V nadaljevanju bom predstavila obstoječe raziskave v evropskem statističnem območju in na Statističnem uradu RS, ki nam ponujajo podatke s področja vseživljenjskega učenja Vidik izvajalcev izobraževanja Glavni vir podatkov o izobraževanju so še vedno administrativne baze izobraževalnih ustanov. Prednost administrativnih zbirk podatkov je popoln zajem in natančnost podatkov o izobraževalnih programih. Slabost tovrstnih zbirk podatkov pa je v tem, da vključujejo le formalno izobraževanje in da razen spola in starosti drugih socialno ekonomskih podatkov o udeležencih ne ponudijo. V Sloveniji nam podatke o vključenih v vrtce, osnovne in srednje le-te posredujejo na ravni šole, podatke o študentih in diplomantih višjih strokovnih ter visokošolskih zavodov pa dobimo celo na individualni ravni, na podlagi vpisnih listov študentov. Primerljivost podatkov glede na klasifikacijo ISCED 97 smo do sedaj zagotavljali z uporabo neuradnih prevajalnikov iz posameznih nacionalnih šifrantov. S 1. januarjem 2007 pa bo v veljavo stopil klasifikacijski sistem izobraževanja in usposabljanja (KLASIUS), ki bo nacionalno priznan instrument za razvrščanje izobraževalnih programov in izidov po ravneh in programih in bo primerljiv z ISCED 97. Zbiramo tudi podatke o udeležencih neformalnega izobraževanja, ki jih prav tako dobimo na institucionalni ravni od izvajalcev nadaljnjega izobraževanja. Pri tem se soočamo z mnogimi problemi z identifikacijo vseh izvajalcev nadaljnjega izobraževanja, s pomanjkljivimi informacijami o udeležencih (podatkov o doseženi izobrazbi, zaposlitvenem statusu ipd. ni mogoče dobiti). Na mednarodnem nivoju se podatki o udeležencih začetnega formalnega izobraževanja zbirajo predvsem z vprašalnikom UOE. To je poenoten vprašalnik organizacij UNESCO, OECD in Eurostat, ki zahteva podrobne podatke o vključenih v izobraževanje, tistih, ki so končali izobraževanje in o pedagoškem osebju. Vsi podatki se porazdelijo po ravneh in področjih izobraževanja (klasifikacija ISCED 97), po spolu, starosti ter po javnih in zasebnih ustanovah. Velik del vprašalnika UOE je namenjen tujim študentom, pa programom, prilagojenim Bolonjski deklaraciji ipd. Poseben del vprašalnika pa zbira tudi podatke o javnih izdatkih za izobraževanje Vidik delodajalcev Na delovnem mestu se hitre spremembe in s tem povezano zastaranje znanja najhitreje opazi. Novi proizvodi in tehnologije ne morejo zaživeti brez usposobljenih ljudi. Vlaganje v znanje in razvijanje sposobnosti zaposlenih je ključnega pomena za uspešnost in konkurenčnost podjetij. Podatki o vlaganjih delodajalcev v znanje svojih zaposlenih so zelo iskani. V ta namen je bila razvita mednarodno poenotena Anketa o nadaljnjem izobraževanju in usposabljanju zaposlenih (CVTS). Gre za vzorčno anketo, ki je bila prvič izvedena že leta 1994 v takratnih članicah EU. Zaradi velikega zanimanja za podatke so jo leta 2000, v okviru programa Leonardo da Vinci, ponovili. Z uredbo Evropskega parlamenta/sveta, sprejeto v letu 2005, je Anketa o nadaljnjem izobraževanju in usposabljanju zaposlenih v podjetjih (CVTS) postala stalnica, ki naj bi se izvajala vsakih pet let..

195 194 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 V Sloveniji smo raziskavo o izobraževanju zaposlenih izvajali v malo drugačni obliki že vrsto let. Zajemali smo vsa podjetja, ta pa so nam posredovala podrobne podatke o udeležencih v formalnem izobraževanju in drugih oblikah usposabljanja ter stroške, ki jih je s tem imelo podjetje. V letu 2000 pa smo se vključili v drugo raziskavo CVTS2 in vprašalnik ter nacionalno metodologijo prilagodili Eurostat-ovim priporočilom. Iz polnega smo prešli na vzorčni zajem z 10 ali več zaposlenimi. Poleg podjetij iz dejavnosti, ki jih priporoča mednarodna metodologija, smo za naše potrebe in kontinuiteto podatkov vključili še podjetja in organizacije iz ostalih dejavnosti po Standardni klasifikaciji dejavnosti (SKD). Poleg vprašanj o udeležencih in stroških je velik del vprašalnika namenjen ugotavljanju izobraževalne politike podjetja in razlogov za oziroma proti izobraževanju zaposlenih. V lanskem letu smo izvedli pilotno raziskavo na 500 podjetjih iz vseh dejavnosti po SKD, s 5 do 9 zaposlenimi. Naš cilj je bil ugotoviti, kakšno pozornost je namenjena izobraževanju zaposlenih v tako malih podjetjih. Ugotovili smo, da skoraj 60% podjetij, z manj kot 10 zaposlenimi, le-tem omogoča izobraževanje in usposabljanje. V letošnjem letu poteka tretja ponovitev Ankete o nadaljnjem izobraževanju in usposabljanju zaposlenih v podjetjih in drugih organizacijah (CVTS3). Vprašalnik ŠOL-ZAP je sestavljen iz šestih sklopov, ki vključujejo vprašanja o oblikah izobraževanja, v katerega se vključujejo zaposleni, o številu udeležencev, porazdeljenem po spolu in starostnih razredih, o delovnih urah, ki so jih zaposleni porabili za izobraževanje, o stroških izobraževanja za podjetje, o izobraževanju za posebne (težje zaposljive) skupine zaposlenih, o vajeništvu, poseben sklop pa vsebuje tudi vprašanja o izobraževalni politiki podjetja in o razlogih za (ne)omogočanje izobraževanja zaposlenim. Vprašalnike smo v maju poslali 2300 podjetjem z 10 in več zaposlenimi, iz vseh dejavnosti po SKD. Velika podjetja (z 250 in več zaposlenimi) so obiskali naši anketarji. Vrnjeni vprašalniki so v obdelavi, rezultati pa bodo znani v začetku leta Vidik posameznika Ankete, namenjene gospodinjstvom ali posameznikom, imajo z vidika vseživljenjskega učenja veliko prednosti. Omogočajo nam povezavo podatkov o izobraževanju s socialno ekonomskimi podatki posameznika oz. gospodinjstva, kot so spol, starost, zaposlitveni status, poklic, dohodek ipd. Ker o izobraževanju anketiramo posameznike, lahko z njimi pridobimo tudi informacije o manj formalnih oblikah izobraževanja in pa kvalitativne podatke o izobraževanju. Pomanjkljivost anket za posameznike je v velikosti vzorcev, zaradi česar so podatki pogosto premalo zanesljivi Ankete, primarno namenjene pridobivanju drugih podatkov Anketa o delovni sili (Labour Force Survey) je mednarodna anketa, s katero se pridobivajo podatki o stanju in spremembah na trgu dela. V anketo so vključena vprašanja o doseženi stopnji in področju izobrazbe in o udeležbi v izobraževanju in usposabljanju glede na raven le tega. Anketa o delovni sili je glavni vir informacij o izobrazbeni strukturi prebivalstva. V letu 2003 je bil v anketo dodan ad hoc modul o vseživljenjskem učenju. Vključena so bila vprašanja o udeležbi posameznika v učnih aktivnostih, ločenih na formalno in neformalno izobraževanje ter priložnostno učenje.

196 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Anketa o življenjskih pogojih (Statistics on Income and living Conditions EU-SILC) je v letu 2005 nadomestila panelno raziskavo gospodinjstev in je namenjena ugotavljanju socialne vključenosti in izračunavanju mnogih drugih socialnih kazalnikov. Tudi v Anketo o življenjskih pogojih so vključena vprašanja o doseženi stopnji izobrazbe ter o vključenosti v formalno izobraževanje. Letos je anketa vključevala tudi ad hoc modul o vključenosti v družbene, družabne, kulturne in druge aktivnosti, ki so zanimiva tudi z vidika vseživljenjskega učenja. Anketa Uporaba informacijsko-komunikacijske tehnologije v gospodinjstvih je mednarodna anketa, katere namen je ugotoviti, kakšna je uporaba osebnih računalnikov ter mobilnih telefonov, interneta in drugih informacijsko-komunikacijskih naprav v Sloveniji. Vsebuje tudi vprašanja o računalniški pismenosti (o znanju rabe računalnika in interneta) ter o morebitni udeležbi na računalniških tečajih Anketa o izobraževanju odraslih Naštete ankete za gospodinjstva/posameznike so ankete, katerih glavni namen ni spremljanje izobraževanja. Zato vprašanja o izobraževanju ne morejo biti preveč podrobna. V pripravi pa je že obsežna mednarodna raziskava o izobraževanju odraslih, ki bi naj zapolnila veliko luknjo na tem področju. Raziskava bo usmerjena na vse tri oblike učenja formalno, neformalno in priložnostno učenje - ter na značilnosti posameznih izobraževalnih aktivnosti. Podatki o udeležbi posameznikov v učnih aktivnosti bodo povezljivi z demografskimi in socialni-ekonomskimi podatki o osebi spol, starost, dosežena stopnja izobrazbe, dohodek, izobrazba staršev, državljanstvo ipd. Anketa o izobraževanju odraslih (Adult Education Survey) bo v Sloveniji izvedena v jeseni Priprave na anketo vključujejo pilotno (poskusno) izvedbo ankete. Letos bomo v oktobru po telefonu anketirali 500 oseb, starih od 18 do 64 let, izbranih v vzorec na podlagi Centralnega registra prebivalstva. Vprašalnik, ki je precej obsežen, smo pripravili v elektronski obliki. Zanimajo nas naslednje informacije: demografski in socialno-ekonomski podatki o izbrani osebi dosežena stopnja izobrazbe, področje izobrazbe, zaposlitveni status, karakteristike zaposlitve, zaposlitvena situacija leto dni pred anketiranjem, izobrazba staršev; spol, starost in državljanstvo anketirane osebe bomo pridobili iz Centralnega registra prebivalstva; udeleženost v formalnem izobraževanju karakteristike tega izobraževanja, financiranje izobraževanja, koliko časa je anketirani porabil za izobraževanje; vključevanje v različne oblike neformalnega izobraževanja oblike neformalnega izobraževanja, karakteristike teh oblik, razlogi za udeležbo, financiranje teh aktivnosti, trajanje, izvajalec izobraževanja ipd.; dejavniki, ki so anketiranega ovirali pri udeležbi v izobraževalnih aktivnostih priložnostno učenje identifikacija različnih načinov priložnostnega pridobivanja znanja; dostopnost informacij o možnostih izobraževanja; raba informacijsko -komunikacijske tehnologije raba računalnika in interneta, znanje rabe računalnika; jezikovna znanja materni jezik, tuji jeziki, znanje tujih jezikov, raba tujih jezikov; kulturne aktivnosti pogostnost obiskov kulturnih in športnih prireditev, zgodovinskih spomenikov, branje literature, ukvarjanje z umetnostjo, ipd; družbene aktivnosti sodelovanje v družbenih aktivnostih, npr. aktivnosti političnih strank, sindikatov, raznih društev, verskih organizacij, dobrodelnih organizacij ipd.; odnos do izobraževanja.

197 196 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Oblike izobraževanja v vprašalniku temeljijo na Klasifikaciji učnih aktivnosti (Classification of Learning Activities). Za razvrščanje izobraževanja po področjih bomo uporabili klasifikacijo področij po ISCED 97. Pričakujemo probleme z razvrščanjem predvsem pri priložnostnem učenju, a ta klasifikacija je zaenkrat najboljše obstoječe orodje. S pilotno raziskavo bomo testirali vprašalnik in preizkusili primernost telefonskega anketiranja za tako obsežno anketo. V pilotu ne bomo dovolili t.i. 'proxy' odgovorov, torej bo izbrana oseba morala na vprašanja odgovarjati sama. Zanima nas tudi, kako se bodo vprašanja obnesla pri populaciji, stari od 18 do 24 let, ki v mednarodni raziskavi ni predvidena. Pilotno anketiranje nam bo pomagalo izpiliti vprašalnik in metodologijo za glavno anketo, ki bo izvedena naslednjo jesen. 3.3 Nekaj zanimivih podatkov in kazalnikov s področja vseživljenjskega učenja 6 Naj na koncu prispevka nanizam nekaj kazalnikov, ki so nastali na podlagi opisanih raziskav in ki so zanimivi z vidika vseživljenjskega učenja in napredka začrtanim ciljem naproti. Vlaganje delodajalcev v znanje zaposlenih je ključnega pomena za uspešnost evropskih podjetij. Med vsemi podjetji (iz dejavnosti C do O po Standardni klasifikaciji dejavnosti) je bilo v letu 1999 v evropskem merilu dve tretjini takih, ki so svojim zaposlenim omogočala izobraževanje. V Sloveniji je bilo takih podjetij le 48%. Tretjina slovenskih podjetij je zaposlenim omogočalo vključevanje v programe formalnega izobraževanja, v 46% podjetij pa so se zaposleni izobraževali in usposabljali na druge, manj formalne načine. Po količini vloženih sredstev v izobraževanje in usposabljanje zaposlenih so bila v letu 1999 slovenska podjetja daleč za evropskim povprečjem le-to je, izraženo v pariteti kupne moči, znašalo 1487 PPS na zaposlenega, slovenska podjetja pa so za izobraževanje enega zaposlenega vložila v povprečju le tretjino tega. Zanimiv je tudi podatek o najpogostejših razlogih, da podjetja zaposlenim ne omogočajo izobraževanja in usposabljanja. V celotnem območju Evropske unije tri četrtine podjetij, ki zaposlenih ne izobražujejo, v letu 1999 ni čutilo potrebe po tem. Tudi v Sloveniji je bilo leta 1999 veliko takih podjetij tega mnenja (60%). Od evropskega povprečja (29%) pa precej odstopa odstotek tistih podjetij, ki ne izobražujejo zaposlenih, ampak raje zaposlujejo ljudi z že potrebnimi znanji (59%). Z vidika vseživljenjskega učenja je pomembno tudi predšolsko učenje, saj se posameznik čustveno in miselno v veliki meri izoblikuje pred vstopom v obvezno izobraževanje. V Sloveniji je vključenost otrok v vrtce v letu 2000 znašala 68%, v letu 2003 pa 73%. V evropskem povprečju je odstotek višji v letu 2000 je vrtec obiskovalo 85% otrok, v letu 2003 pa za 2,9 odstotne točke več. Uspešno vključevanje v današnjo družbo je tesno povezano z zadostno stopnjo izobrazbe oziroma pridobljenega znanja. Delež prebivalstva,starega od 20 do 24 let, ki ima pridobljeno vsaj srednjo izobrazbo, je ena izmed petih evropskih referenčnih ravni oziroma standardov za merjenje in usmerjanje povprečnih učinkov evropskih sistemov izobraževanja in usposabljanja do leta Vir: Eurostat - Anketa o nadaljnjem izobraževanju zaposlenih v podjetjih v letu 1999 CVTS2, vprašalnik UOE in Anketa o delovni sili LFS 7 glej poglavje 3.1.

198 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Evropsko povprečje znaša 77%. Slovenija po tem kazalniku sodi v sam evropski vrh, saj dosega visokih 90,6%. Vključenost prebivalcev v terciarno izobraževanje tako na evropskem kot na slovenskem nivoju že več let narašča. Delež vseh študentov glede na prebivalce, stare od 20 do 24 let, je v Sloveniji v letu 1998 znašal 45,9%, v Evropi pa 58%. V letu 2004 je evropsko povprečje naraslo na 57,7%, Slovenija pa je povprečje presegla in dosegla že 71,3%. Za razvoj in konkurenčnost družbe je ključno zadostno število znanstvenikov. Ena izmed petih referenčnih ravni oziroma standardov za merjenje in usmerjanje povprečnih učinkov evropskih sistemov izobraževanja in usposabljanja do leta 2010 je tudi število diplomantov s področja matematike, znanosti in tehničnih ved. V letu 2000 je na evropski ravni na področju matematike, znanosti in tehničnih ved diplomiralo 24,8% vseh diplomantov. V Sloveniji je isti podatek znašal 22,8%. Odstotek tovrstnih diplomantov se na Evropski ravni v skladu z lizbonskimi cilji z leti zvišuje, v Slovenji pa se je rahlo znižal v letu 2003 je padel pod 20%. V Sloveniji je na področju matematike, znanosti in tehničnih ved v letu 2004 diplomirala slaba desetina vseh študentk, kar je dobre 3 odstotne točke manj, kot znaša povprečje EU. Javni izdatki za izobraževanje, izraženi v deležu BDP, znašajo za leto 2002 na evropski ravni 5,2%, v Sloveniji celo malo več, namreč 6%. Zaradi velikega pomena, ki ga ima pridobivanje znanja v vseh življenjskih obdobjih, je bila za eno od petih referenčnih ravni (European benchmark) izbrana tudi udeležba odraslih v izobraževanju in usposabljanju. Evropsko povprečje počasi raste in je trenutno 11%, v Sloveniji pa se izobražuje skoraj 18% odraslih. Upoštevana je udeležba v formalnem in neformalnem izobraževanju. Udeležba v izobraževanju je močno povezana z doseženo stopnjo izobrazbe. Medtem ko se izobražuje le slabih 4% odraslih Slovencev, ki so dosegli največ osnovnošolsko izobrazbo, se raznih izobraževalnih aktivnosti udeležuje kar tretjina Slovencev z vsaj višjo stopnjo izobrazbe. 4 ZAKLJUČEK Pogled na pomen izobraževanja se je v zadnjih desetih letih močno spremenil, zato se tudi na področju statistike izobraževanja v zadnjih letih uvajajo mnoge novosti. Poleg bogatih podatkov, s katerimi danes lahko postreže statistika formalnega izobraževanja, so se pojavile potrebe po informacijah o drugih oblikah pridobivanja znanja. Najprej je statistika posegla po že obstoječih raziskavah in predvsem v Anketi o delovni sili našla nekaj možnosti za pridobitev podatkov. Poudarek razvoja statistike izobraževanja pa je na dveh raziskavah, ki predstavljata stebra izobraževanja odraslih Anketa o nadaljnjem izobraževanju in usposabljanju zaposlenih v podjetjih in Anketa o izobraževanju odraslih. S pomočjo podatkov o posamezniku in različnih vrstah učnih aktivnostih, podatkov o vlaganju delodajalcev v znanje zaposlenih in z že obstoječimi podatki naj bi nastala kvalitetnejša slika vseživljenjskega učenja in razvoja Evrope.

199 198 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 LITERATURA: 1. A Memorandum on lifelong learning, European Commission, CEIES seminar: Measuring Lifelong Learning Issues and Problems, Classification of Learning Activities, Manual, European Commission, Eurostat, Communication from the Commision 'Making a European Area of Lifelong Learning a Reality, European Commission, Metodološka gradiva SURS za ankete ADS, IKT-GOS, EU-SILC 6. Statistični dnevi 2001, Zbornik, Škrbec, T.: Statistika izobraževanja in usposabljanja v okviru vseživljenjskega učenja, Progress towards the Lisbon Objectives in Education and Training, Report 2006, European Commission, Report of the Eurostat Task Force on Measuring Lifelong Learning, European Commission, Eurostat, Task Force Report on Adult Education Survey, European Commission, Eurostat, 2005

200 STATISTIČNI DNEVI 2006 STATISTICAL DAYS KLASIFIKACIJSKI SISTEM IZOBRAŽEVANJA IN USPOSABLJANJA NOV KONCEPTUALNI PRISTOP Tanja Domijan POVZETEK Znanje je prepoznano kot gonilna sila osebnega in družbenega razvoja. Raznolikost in dinamičnost izobraževalne dejavnosti ter potreba po horizontalni (mednarodni) in vertikalni (časovni) primerljivosti podatkov o izobraževanju in izobrazbeni/kvalifikacijski strukturi prebivalstva postavlja inštitucije, odgovorne za razvoj in uporabo ustreznih orodij za izkazovanje tovrstnih podatkov, pred težke naloge. V prispevku je opisano stanje na obravnavanem področju v mednarodnem okolju, predvsem pa v Sloveniji. Predstavljena je konceptualna rešitev novega klasifikacijskega sistema izobraževanja in usposabljanja (KLASIUS), ki ga je v aprilu 2006 z uredbo sprejela Vlada Republike Slovenije. Na kratko so predstavljena nova načela uporabe in razvrščanja z njim. Izpostavljena je potreba po nadaljnjem skupnem sodelovanju pristojnih inštitucij pri njegovem dograjevanju in uvajanju v uporabo. CLASSIFICATION SYSTEM OF EDUCATION AND TRAINING A NEW CONCEPTUAL APPROACH SUMMARY Knowledge is recognised to be the driving force of personal and social development. The diversity and dynamics of educational activity and the need for horizontal (international) and vertical (time) comparability of data on education and educational/qualification structure of the population places difficult tasks in front of the institutions responsible for developing and using appropriate tools for disseminating such data. The paper describes the situation in this area in the international environment and especially in Slovenia. It presents the conceptual solution of the new classification system for education and training (KLASIUS), which was adopted by the Government of the Republic of Slovenia in April The paper briefly presents the new principles of using KLASIUS and classifying with it and points out the need for further co-operation of authorised institutions in its upgrading and implementation. 1 UVOD V Sloveniji je v uporabi več klasifikacij lestvic, šifrantov, ki razvrščajo doseženo izobrazbo zaposlenih oziroma prebivalstva ali pa razvrščajo programe izobraževanja in usposabljanja in šole. Uporabniki klasifikacij in šifrantov s področja izobraževanja in usposabljanja so številni, med drugim: Statistični urad RS, ministrstva in drugi državni organi s področja izobraževanja, usposabljanja in dela, javni zavodi in druge institucije, ki vodijo evidence s področja izobraževanja in usposabljanja, izvajalci izobraževanja, Zavod RS za zaposlovanje, ki posreduje med iskalci zaposlitve in delodajalci, podjetja in drugi pravni subjekti, ki na podlagi zakona o evidencah s področja dela vodijo evidence zaposlenih, različne raziskovalne in razvojne institucije s področja

201 200 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 izobraževanja oziroma družbenoekonomskega razvoja nasploh, nenazadnje tudi posamezniki kot udeleženci izobraževanja oziroma iskalci zaposlitev. Statistični urad RS uporablja pri zbiranju, obdelovanju in izkazovanju podatkov o vključenosti prebivalstva v izobraževanje oziroma o izobrazbeni strukturi prebivalstva različne šifrante. Mednje spadajo klasifikacije, ki jih podjetja uporabljajo pri izpolnjevanju obrazcev za prijavo podatkov v pokojninsko, invalidsko in zdravstveno zavarovanje (vse izhajajo še iz jugoslovanskega Zakona o evidencah s področja dela iz leta 1977) ter šifranti, ki jih sicer uporabljajo za svoje administrativne namene pristojna ministrstva, javni zavodi in druge institucije na področju izobraževanja in vseživljenjskega učenja. V teh šifrantih so pogosto iste značilnosti oziroma atributi, kot na primer področje izobraževanja in usposabljanja, stopnja in vrsta programa, izraženi s povsem različnimi vrednostmi oziroma kodnimi oznakami. Pri prikazovanju izobrazbene strukture prebivalstva, ki se je pridobivala v različnih časovnih in zakonskih okvirih povzroča odsotnost standardne nacionalno dogovorjene, tekoče in sistematično vzdrževane klasifikacije izobraževanja oziroma izobrazbe Statističnemu uradu RS, precejšnjo težavo. Veliko število klasifikacij lestvic, povezanih z izobraževanjem oziroma izobrazbo, njihova zastarelost in konceptualna neskladnost tako z obstoječimi kot predvidenimi zakonskimi ureditvami sistema izobraževanja v Sloveniji kot tudi s koncepti in standardi, ki jih razvija mednarodna skupnost, je povzročila potrebo po pripravi ustreznih novih klasifikacij na področju izobraževanja. Pobude in prizadevanja Statističnega urada RS, da bi v nacionalnem okolju vzpostavili ustrezen posodobljen klasifikacijski sistem izobraževanja segajo že skoraj desetletje nazaj. Pravno podlago za prizadevanja Statističnega urada RS v zvezi s pripravo standardnih klasifikacij daje Zakon o državni statistiki (Uradni list RS, št. 45/95 in 9/01). Zakon določa, da je Statistični urad RS pristojen za določanje metodoloških osnov in standardov za statistična raziskovanja, kamor spadajo tudi klasifikacije ter da Vlada RS s svojimi predpisi ureja klasifikacije, ki se uporabljajo kot nacionalni standardi. Takšen zakonsko predpisan način urejanja nacionalnih standardov in njihove uporabe temelji na že v preteklosti sprejeti odločitvi, da je Slovenija registrsko usmerjena država. Med bistvene lastnosti registrske usmeritve pa spadajo tudi z zakoni oziroma ustreznimi pravnimi akti urejeno vodenje registrov, predpisane identifikacije, standardne klasifikacije, enkratno zajemanje podatkov čim bližje izvoru, racionalizacija statističnih raziskovanj z izrabo administrativnih virov itd. Začetnemu neformalnemu sodelovanju Statističnega urada RS s predstavniki ministrstva oziroma ministrstev, pristojnih za šolstvo ( ) je sledilo intenzivno skupno delo v formalno imenovani medresorni delovni skupini za pripravo predloga standardne klasifikacije izobraževanja (2002) in zatem v skupini za pripravo predloga uredbe o uvedbi in uporabi standardne klasifikacije izobraževanja (2005). Plod teh prizadevanj so dokumenti oziroma izdelki: Zasnova klasifikacijskega sistema izobraževanja in usposabljanja 1, ki vsebuje vizijo možne trajnejše in celovitejše ureditve obravnavanega področja, Uredba o uvedbi in uporabi klasifikacijskega sistema izobraževanja in usposabljanja (Uradni list RS, št. 46/06), ki jo je sprejela Vlada RS aprila 2006, in ki poleg določb Uredbe obsega še dve osnovni klasifikaciji (Klasifikacijo vrst izobraževalnih aktivnosti/izidov in Klasifikacijo področij izobraževalnih aktivnosti/izidov) ter Metodološka pojasnila klasifikacijskega sistema izobraževanja in usposabljanja (Uradni list RS, št. 89/06), ki so pripravljena skladno z določili Uredbe in objavljena v Uradnem listu RS v avgustu Razvojna vprašanja statistike: Zasnova klasifikacijskega sistema izobraževanja v Sloveniji, marec Statistični urad RS. Ljubljana, 2005.

202 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Uredba določa, da se Klasifikacijski sistem izobraževanja in usposabljanja (v nadaljevanju KLASIUS) uporablja kot obvezen nacionalni standard pri evidentiranju, zbiranju, obdelovanju, analiziranju, posredovanju in izkazovanju statistično-analitičnih podatkov, pomembnih za spremljanje stanj in gibanj na socialnoekonomskem in demografskem področju Republike Slovenije. S tem namenom se KLASIUS uporablja za razvrščanje aktivnosti in izidov izobraževanja in usposabljanja v uradnih oziroma administrativnih zbirkah podatkov (evidence, zbirke podatkov, registri), v statističnih raziskovanjih in v statističnih registrih. 2 RAZLOGI ZA ISKANJE NOVIH KONCEPTUALNIH PRISTOPOV PRI OBLIKOVANJU ORODIJ ZA SPREMLJANJE IN IZKAZOVANJE AKTIVNOSTI IN IZIDOV IZOBRAŽEVANJA IN USPOSABLJANJA 2.1 Splošni razlogi za iskanje novih pristopov, mednarodna orodja in mednarodni razvojni trendi Družbenoekonomski razvoj preusmerja oziroma razširja začetno redno izobraževanje v proces vseživljenjskega učenja. Razvoj informacijsko-komunikacijske tehnologije omogoča, da so poti in oblike pridobivanja znanja, spretnosti in zmožnosti, ki naj bi jih za življenje in delo razvil vsak državljan, vse bolj raznovrstne. Znanje je prepoznano kot gonilna sila osebnega in družbenega razvoja. Izobraževanje, ki je bilo do nedavnega praviloma domena, nacionalnega javnega sektorja, postaja v tem času vse bolj tržna dobrina na domačih in tujih trgih. Ponudnikov izobraževanja je vse več. Tudi poizvedovanj po raznovrstnih podatkih o stanjih, preteklih in možnih prihodnjih gibanjih na izobraževalnih trgih, o izobrazbeni oziroma kvalifikacijski strukturi prebivalstva, o vključenosti prebivalstva v izobraževanje, je vse več. Tovrstne podatke iščejo in potrebujejo institucionalni oblikovalci in vodje politik na področju izobraževanja in splošnega družbenega razvoja, izvajalci izobraževalnih aktivnosti, posamezniki udeleženci izobraževalnih aktivnosti in drugi družbeni subjekti. Raznolikost in dinamičnost izobraževalne dejavnosti ter potreba po horizontalni (mednarodni) in vertikalni (časovni) primerljivosti podatkov o izobraževanju in izobrazbeni strukturi prebivalstva postavlja institucije, odgovorne za razvoj in uporabo ustreznih orodij za izkazovanje ustreznih tovrstnih podatkov, pred težke naloge. V mednarodnem okolju je UNESCO 2 med pomembnejšimi organizacijami, ki si od vsega začetka zavzema za oblikovanje standardnega klasifikacijskega sistema izobraževanja, s katerim bi bilo olajšano primerjanje izobraževalnih statistik in statističnih kazalnikov različnih držav na podlagi enotnih in mednarodno dogovorjenih definicij. UNESCO je v sedemdesetih letih izoblikoval Mednarodno klasifikacijo izobraževanja ISCED Dinamičen razvoj izobraževalne dejavnosti je dal pobudo za revizijo te klasifikacije. Cilj revizije je bil posodobiti klasifikacijo in jo preurediti v orodje, prilagojeno za spremljanje pestrosti novih pojavnih oblik izobraževanja. ISCED-1997 je bil sprejet na UNESCO-vi Generalni konferenci leta Izkazalo se je, da razumevanje klasifikacijskih meril novega ISCED-1997 precej zahtevno delo. Da bi bilo to razumevanje, predvsem pa njegova uporaba pri mednarodnem poročanju, čim skladnejše, je bilo vloženega veliko naknadnega mednarodnega prizadevanja. ISCED-1997 je široko uporabljana mednarodna klasifikacija izobraževanja, ki pa ima konceptualne omejitve glede možnosti neposredne uporabe za razvrščanje kompetenc in kvalifikacij pozameznikov učnih izidov. Taksonomija in klasifikacijska merila ISCED-a so kljub vsemu praviloma namenjena razvrščanju izobraževalnih aktivnosti, 2 UNESCO United Nations Educational, Scientific and Cultural Organization

203 202 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 organiziranih v obliki»klasičnih«formalnih izobraževalnih programov. V najnovejšem obdobju pa je siceršnjo znano stalno problematiko enotnega razumevanja in uporabe ISCED-a (na primer razumevanje in uporaba: kategorij/ravni 4 in 3, kategorij/ravni 5A in 5B, meril»orientation«in»destination«, ipd.), še poglobil bolonjski proces oziroma uvajanje nove strukture visokošolskega študija (»bachelor«/«master«) v nacionalne sisteme izobraževanja. V institucijah, ki so pristojne za mednarodno dogovorjena raziskovanja, so bile že izražene pobude in priporočila za ponovno revizijo ISCED-a 3. V katero smer naj revizija oziroma razvoj statističnih klasifikacij za spremljanje dosežene izobrazbe oz. kvalifikacij, kot je npr. ISCED-1997 gre, pa je izraženo v dokumentu Evropske komisije - v predlogu Priporočil Evropskega parlamenta in Sveta o ustanovitvi evropskega ogrodja kvalifikacija za vseživljenjsko učenje 4. Poleg ISCED-1997 obstajajo oziroma se razvijajo in implementirajo še nekatere druge mednarodne klasifikacije in orodja, povezana s področjem izobraževanja in usposabljanja, ki so bila razvita oziroma jih institucije razvijajo za statistične in druge primerjalne namene. Klasifikacija učnih aktivnosti (CLA, Eurostat, Draft Manuel, December 2004) je bila izdelana za uporabo v statističnih vprašalnikih, namenjenih zbiranju kvantitativnih informacij o različnih vidikih vključenosti oseb v vseživljenjsko učenje. V tem kontekstu je treba omeniti tudi najnovejša prizadevanja Evropske komisije usmerjene v izgradnjo evropskega ogrodja kvalifikacij z evropskimi referenčnimi ravnmi in pripadajočimi opisniki znanj, spretnosti in zmožnosti kot temeljnega orodja za preglednost, primerjavo in razvrščanje izobraževanja in usposabljanja, pridobljenih po različnih poteh in v različnih okoljih 5. V tehnično-metodološkem smislu je tudi zamišljeno evropsko ogrodje kvalifikacij v bistvu klasifikacija. To bistvo je precej zakrito, zakrivajo ga nameni uporabe, ki presegajo klasično statistično-analitične namene oziroma celoten proces, v okviru katerega nastaja Slovenski razlogi za nove pristope Od devetdesetih let dalje doživlja sistem vzgoje in izobraževanja v Sloveniji temeljite spremembe, nastajajo nove kategorije izobraževalnih programov in izobrazbe, ki jih v prejšnjih sistemih ni bilo. Uzakonjena je bila možnost pridobitve certifikata o nacionalni poklicni kvalifikaciji, t.j. o delovni poklicni oziroma strokovni usposobljenosti za opravljanje poklica tudi na podlagi postopkov preverjanja in potrditve strokovnih znanj, spretnosti in sposobnosti 7. V letu 2004 je bil sprejet Zakon o spremembah in dopolnitvah zakona o visokem šolstvu (Uradni list RS, št. 63/04), ki je postavil podlago za uresničevanje nove bolonjske strukture študija. 3 European Commision Eurostat, Directorat F: Social Statistics and Information Society, Unit F-4: Education, Science and culture statistics: UOE quality report (draft). Meeting of the Education and training Statistics Working Group, Luxembourg, 6-7 september Citat: Particular attention must be paid to the impact of a learning outcomes approach as used in the EQF on classifications of knowledge, skills and competence. Future developments of existing statistical classifications and nomenclatures allowing for the measurement of education and training attainment such as the ISCED 97 should therefore take this into consideration. Proposal for a Recommendation of the European Parliament and of the Council on the establishment of the European Qualifications Framework for Lifelong Learning, Commission of the European Communities; Brussels, , str Proposal for a Recommendation of the European Parliament and of the Council on the establishment of the European Qualifications Framework for Lifelong Learning, Commission of the European Communities; Brussels, Domijan T., Nastajajoča kvalifikacijska ogrodja v evropskem prostoru. Razvojna vprašanja statistike: Zasnova klasifikacijskega izobraževanja v Sloveniji, marec Statistični urad RS. Ljubljana, Zakon o nacionalnih poklicnih kvalifikacijah (Uradni list RS, št. 81/00).

204 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Nov konceptualni pristop je terjala tudi težnja, da se pripravi enotno orodje, ki bo omogočilo zajemanje in izkazovanje podatkov, vezanih na javnoveljavne izobraževalne programe ter z njimi pridobljeno javnoveljavno izobrazbo kot tudi podatkov, vezanih na določene, oprijemljivejše druge aktivnosti in izide iz vseživljenjskega učenja, tako na primer na nacionalne poklicne kvalifikacije iz certifikatnega sistema. Zaradi kompleksnosti obravnavanega področja se je prvotni predmet dela delovne skupine za pripravo standardne klasifikacije izobraževanja razširil iz ene klasifikacije na klasifikacijski sistem izobraževanja in usposabljanja. Glede na sprejeta izhodišča 8 in cilje pa se je kot smiseln pristop k izgradnji novega enotnega klasifikacijskega sistema in izobraževanja in usposabljanja izoblikoval koncept združitve dveh konceptov (glej točko 3), in sicer koncepta izobraževalnih aktivnosti (input koncept) ter koncepta, na katerem nastajajo nova ogrodja kvalifikacij 9 (koncept učnih izidov outcome koncept). Ta pristop je terjal določene prilagoditve in poenostavitve pri oblikovanju klasifikacijske sheme, pri opredeljevanju enot oziroma ključnih pojmov ter načel za uporabo in razvrščanje s KLASIUS-om. Enota razvrščanja v KLASIUS-u ni»enovita«, enote razvrščanja so tako aktivnosti kot izidi izobraževanja in usposabljanja. V KLASIUS-u imata izraz aktivnosti izobraževanja in usposabljanja ter izraz izidi izobraževanja in usposabljanja naslednji pomen: aktivnosti izobraževanja in usposabljanja (v nadaljevanju aktivnosti) so načrtovane in organizirane aktivnosti, namenjene izboljšanju znanja, spretnosti in zmožnosti za življenje in delo. Temeljijo na ciljih (smotrih) izobraževanja in usposabljanja, na standardih znanj, poklicnih standardih oziroma na predhodno opredeljenih učnih izidih. Najpogostejša organizacijska oblika izobraževalnih aktivnosti so programi; izidi izobraževanja in usposabljanja (v nadaljevanju izidi) so izkazi o tem, da so posamezniki dosegli določene nize znanj, spretnosti in zmožnosti za življenje in/ali za delo. Izidi obsegajo javnoveljavno izobrazbo, nacionalne poklicne kvalifikacije ter druge izide, ki so merljivi oziroma izkazljivi z javnimi listinami. 8 Nekatera izhodišča za pripravo klasifikacijskega sistema izobraževanja in usposabljanja, Delovna skupina za pripravo predloga Standardne klasifikacije izobraževanja: Ljubljana, Razvojna vprašanja statistike, Zasnova klasifikacijskega izobraževanja v Sloveniji, Ljubljana Najnovejša prizadevanja oziroma sama potreba po izgradnji ogrodij kvalifikacij v evropskem prostoru so sinergična rezultanta razvojnih usmeritev in aktivnosti, izhajajočih iz bolonjskega procesa na področju visokošolskega izobraževanja, uresničevanja lizbonske strategije oziroma kopenhagenskega procesa na področju poklicnega izobraževanja in usposabljanja. V okviru teh procesov so v različnih fazah nastajanja: ogrodje kvalifikacij evropskega visokošolskega prostora, evropsko ogrodje kvalifikacij za vseživljenjsko učenje, različna nova nacionalna ogrodja kvalifikacij. Ogrodja kvalifikacij so opredeljena kot orodja za pregledno izkazovanje in pojasnjevanje poti do posamičnih kvalifikacij, za izkazovanje in pojasnjevanje možnosti nadaljnjih učnih napredkov in prehodov, za pojasnjevanje osnov, na katerih so bile sprejete odločitve o priznanih kvalifikacijah. Uporabljala naj bi se tudi kot pripomoček v postopkih preverjanja oziroma zagotavljanja kakovosti v izobraževanju in v razvoju izobraževanja in usposabljanja. Do sedaj so različno obsežna ogrodja kvalifikacij nastajala predvsem v nacionalih okoljih, v katerih poklicno usposabljanje ni v glavnini slonelo na sistemu rednega šolskega poklicnega izobraževanja (npr. Škotska, Wales, Irska).

205 204 STATISTIČNI DNEVI 2006 STATISTICAL DAYS KONCEPTUALNI OKVIR IN ZGRADBA NOVEGA KLASIFIKACIJSKEGA SISTEMA IZOBRAŽEVANJA IN USPOSABLJANJA (KLASIUS-A) 3.1 Splošna definicija klasifikacij Klasifikacije so orodje za organizirano in sistematično obravnavo podatkov. Na splošno so klasifikacije poenostavljene, bolj ali manj grobe sheme razvrščanja enot, ki sestavljajo proučevani pojav. S statističnega vidika so skupine oziroma kategorije, ki sestavljajo klasifikacije, obravnavane kot vrednosti izbrane spremenljivke, po kateri opazujemo enote proučevanega pojava Zgradba sestava KLASIUS-a Predmet KLASIUS-a je izobraževanje in usposabljanje, in sicer z vidika aktivnosti in izidov. KLASIUS razvršča aktivnosti in izide izobraževanja in usposabljanja v skupine glede na podobnost oziroma različnost njihovih vsebin. KLASIUS za primerjanje vsebin aktivnosti in izidov uporablja klasifikacijske spremenljivke oziroma merila. KLASIUS obsega v svoji sedanji obliki dva podsistema z nizom klasifikacijskih spremenljivk oziroma meril za razvrščanje aktivnosti in izidov izobraževanja. Prvi podsistem - Klasifikacija vrst izobraževalnih aktivnosti/izidov (v nadaljevanju KLASIUS- SRV) ima značaj nacionalne jedrne referenčne klasifikacije, ki izobraževanje in usposabljanje grobo razčlenjuje na tri segmente (segment 1: temeljno stopenjsko izobraževanje, segment 2: certifikatni sistem nacionalnih poklicnih kvalifikacij, segment 3: dopolnilno izobraževanje). Znotraj segmentov razčlenjuje 8 ravni (ravni 6 in 8 imata dve podravni), znotraj ravni (in podravni) pa opredeljuje vrste izobraževalnih aktivnosti/izidov. Drugi podsistem Klasifikacija področij izobraževalnih aktivnosti/izidov (v nadaljevanju KLASIUS-P) omogoča razvrščanje aktivnosti in izidov izobraževanja in usposabljanja glede na njihovo predmetno-specifično značilnost oziroma vsebino. Razločuje 10 širokih področij, 27 ožjih področij, 88 podrobnih področij in 471 nacionalno specifičnih področij. 3.3 Konceptualni okvir, ki opredeljuje obliko in zgradbo KLASIUS-SRV Konceptualni okvir, ki opredeljuje obliko in zgradbo KLASIUS-SRV, predstavlja združitev dveh konceptov, koncepta ki ga za spremljanje izobraževalne dejavnosti in dosežene izobrazbene strukture uporablja ISCED-1997 (koncept izobraževalnih aktivnosti input koncept), ter koncepta, na katerem nastajajo nova ogrodja kvalifikacij (koncept učnih izidov outcome koncept), upoštevani so obstoječa nacionalna praksa ter novejše usmeritve nacionalnih politik Koncept, na katerem temelji ISCED-1997 (koncept izobraževalnih aktivnosti input koncept) V ISCED-1997 je temeljna klasifikacijska enota izobraževalni program. Splošna domneva je, da lahko izobraževalne programe združujemo v skupine tako na nacionalni ravni kot tudi na 10 Dr. Lea Bregar: Statistične klasifikacije in izobraževanje; Problemi pri uporabi ISCED-a 1997 v Sloveniji Zbornik prispevkov; Ministrstvo za šolstvo, znanost in šport, 2001.

206 STATISTIČNI DNEVI 2006 STATISTICAL DAYS mednarodni ravni - te pa v urejeno vrsto kategorij (imenovanih raven). Takšne kategorije v grobem ustrezajo celoti znanja, spretnosti in zmožnosti, ki si jih morajo udeleženci pridobiti, če želijo uspešno zaključiti programe v njih. Koncept ISCED-a temelji na oceni, da ni mogoče dovolj dosledno neposredno ocenjevati in primerjati vsebin izobraževalnih programov po državah, večkrat niti v eni sami državi. Izhaja iz stališča, da je velikokrat težko nedvoumno določiti, ali je vsebina nekega izobraževalnega programa na isti ravni ali se po ravni razlikuje od drugega in da ni mednarodnih kurikularnih in vsebinskih standardov, ki bi jih potrebovali za takšno presojanje. Ta problem ISCED-1997 rešuje tako, da vpeljuje posredna merila, s katerimi je mogoče določiti raven izobraževanja kateremukoli izobraževalnemu programu. Glavna in dopolnilna merila, ki jih uporablja ISCED-1997 so: značilna oziroma minimalna kvalifikacija, ki se zahteva za vstop v program; najnižja starost, pri kateri se je mogoče vpisati v program; kvalifikacije učnega osebja; prehodnost, ki jo omogoča program oziroma končni cilj (»destination«); naravnanost oziroma orientiranost programa (»orientation«); skupno teoretično trajanje programa; nacionalna struktura visokošolske izobrazbe in kvalifikacij Koncept, na katerem nastajajo nova ogrodja kvalifikacij (koncept učnih izidov outcome koncept) Ogrodja kvalifikacij so ne glede na njihove namene v svojem tehnično-metodološkem bistvu klasifikacije, ki pa presegajo klasične statističnoanalitične namene, značilne za npr. ISCED Ogrodja kvalifikacij so praviloma tudi orodja za razvoj in ne le za razvrščanje kvalifikacij. Temeljna enota razvrščanja v ogrodjih je praviloma kvalifikacija. Kvalifikacije se razvrščajo v ravni. Ravni so ključni element ogrodij. Ravni predstavljajo razvojno kontinuiteto, izražene so kot območja generičnih izidov, po katerih je mogoče razmeščati tipične kvalifikacije. Predvideno evropsko ogrodje kvalifikacij za vseživljenjsko učenje naj bi imelo 8 referenčnih ravni (6., 7. in 8. za visokošolske kvalifikacije), opredeljenih z opisniki generičnih učnih izidov. Posameznik doseže neko kvalifikacijo, ko pristojni organ ugotovi, da je njegovo učenje doseglo določen standard znanja, spretnosti in splošnih zmožnosti. Standard učnih izidov se potrjuje s postopkom ocenjevanja ali uspešnim dokončanjem izobraževalnega programa. Kvalifikacije se razvrščajo glede na niz meril za doseženo raven učenja. Ta niz meril je lahko vsebovan v samih opisnikih kvalifikacij ali pa je določen v obliki sklopa opisnikov ravni. Ta merila oziroma opisnike praviloma sestavljajo značilnosti oziroma atributi: znanje, spretnosti ter osebne in poklicne zmožnosti z vidika komunikacijskih in socialnih spretnosti, zmožnosti»učiti se učiti«, vodenja ljudi in projektov Koncept KLASIUS-SRV (koncept smiselne povezave vhodnih in izhodnih značilnosti input in outcome koncept) Kot je že bilo navedeno, v KLASIUS-u enota razvrščanja ni enovita, enote razvrščanja so tako aktivnosti kot izidi izobraževanja in usposabljanja. Za osrednji konstrukcijski element klasifikacije KLASIUS-SRV so postavljene ravni. Ravni so statističnoanalitična kategorija, ki jih je treba razumeti kot zaporedje korakov (stopnjevanje učnega izkustva in učnih zmožnosti): bodisi z vidika urejenega niza kategorij (ki jih predstavljajo skupine aktivnosti, npr. programov), izraženih z značilnostmi atributi (kot so minimalna/tipična kvalifikacija, ki se zahteva za vstop v program, tipično oziroma tipično skupno teoretično trajanje programa,

207 206 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 tipična prehodnost v nadaljnje izobraževanje), ki so hkrati splošna posredna merila za vsebino aktivnosti in izidov in s tem za njihovo razvrščanje, bodisi z vidika urejenega niza kategorij (ki jih predstavljajo skupine izidov, npr. javnoveljavna izobrazba ali nacionalne poklicne kvalifikacije, pridobljene v certifikatnem sistemu), izraženih z intervali območji generičnih učnih izidov (tj. določenih naborov, znanja, spretnosti in zmožnosti) kot bolj neposrednih meril za vsebino aktivnosti in izidov in s tem za njihovo razvrščanje. Tak pristop omogoča, da se na iste ravni (oz. podravni), sicer z oznako segmenta, po načelu največje skladnosti (glej točko 4) lahko razvrščajo tako javnoveljavni izobraževalni programi in z njimi dosežena javnoveljavna izobrazba kot tudi nacionalne poklicne kvalifikacije, pridobljene v certifikatnem sistemu, po potrebi pa tudi druge aktivnosti in izidi, pridobljeni zunaj formalnega oziroma rednega šolskega stopenjskega izobraževanja. V KLASIUS-SRV je raven statističnoanalitična kategorija, torej umetna tvorba, ki omogoča enotno evidentiranje, analiziranje in izkazovanje izobraževanja oziroma izobrazbe, nacionalnih poklicnih kvalifikacij (aktivnosti in izidov), ki jih je prebivalstvo doseglo v različnih časovnih in zakonskih okvirih. Ravni nimajo posebnih lastnih imenovanj (le npr.:»tretja raven«), saj širitev klasifikacijskega sistema na druge segmente izobraževanja in usposabljanja (certifikatni sistem nacionalnih poklicnih kvalifikacij, dopolnilno izobraževanje) presega možnost poimenovanja z izrazi, ki izhajajo zgolj iz temeljnega stopenjskega izobraževanja. KLASIUS-SRV vsebuje 8-ravensko lestvico, z opisniki oziroma s splošnimi posrednimi merili, ki opredeljujejo posamezno raven. Struktura ravni, vključno s številom ravni, izhaja iz nacionalne prakse, nadgrajena je z novejšimi nacionalnimi usmeritvami oziroma politikami, vezanimi na prenovo visokega šolstva v skladu z Bolonjsko deklaracijo ter na prenovo poklicnega in strokovnega (nižjega, srednjega, višjega) šolstva oziroma izobraževanja in usposabljanja v skladu s Kopenhagensko deklaracijo. Opisniki ravni (vidik učnih izidov naborov znanj, spretnosti, zmožnosti) se delno zgledujejo po opisnikih, ki jih vsebuje predlog EU-ja 11 za model evropskega ogrodja kvalifikacij za vseživljenjsko učenje, predvsem pa temeljijo na razpoložljivih nacionalnih dokumentih in gradivih, ki vsebujejo formalne smernice, temeljnje cilje, izhodišča za pripravo izobraževalnih in študijskih programov oziroma podlag za javnoveljavno preverjanje in potrjevanje znanj in spretnosti. Osnovni 8-ravenski lestvici sta zaradi državnih in mednarodnih statističnoanalitičnih potreb dodani še vrednosti kategoriji ravni s poimenovanji:»pred prvo ravnjo«(s kodno oznako 0) in»drugje nerazporejeno«(s kodno oznako 9), dve ravni pa sestavljata podravni, in sicer: šesto raven podraven 6/1 in 6/2, osmo raven podraven 8/1 in podraven 8/2. 4 NOV KONCEPTUALNI PRISTOP UVAJA TUDI NOVA NAČELA UPORABE IN RAZVRŠČANJA Osrednja značilnost klasifikacij je, da se enote v skupine razvrščajo po načelu čim večje podobnosti. Čeprav je načelo enakovrednosti oziroma čim večje podobnosti vsebin aktivnosti in izidov izobraževanja in usposabljanja osrednje načelo tudi pri razvrščanju enot s KLASIUS-om, je treba 11 Towards a European Qualifications Framework for Lifelong Learning - Commission Staff Working Document. Brussels, , SEC (2005) 957, Commission of the European Communities.

208 STATISTIČNI DNEVI 2006 STATISTICAL DAYS vsebovani klasifikaciji, klasifikacijske spremenljivke oziroma merila uporabljati z določeno mero prilagodljivosti. Pri praktični uporabi je treba temu osrednjemu načelu pridružiti še načelo največje skladnosti in/ali načelo dominantnosti (le-to se uporablja pri razvrščanju na področja). Uporaba načela največje skladnosti pri razvrščanju aktivnosti in izidov izobraževanja in usposabljanja oziroma njihovih skupin na ravni (oz. podravni) pomeni, da se razvrstitev določenih aktivnosti in izidov oziroma njihovih skupin na točno določeno raven (oz. podraven) opravi glede na to, s katerimi splošnimi posrednimi merili oziroma opisnikom ravni (podravni) se značilnosti teh določenih aktivnosti in izidov ozirome njihove skupine najbolj ujemajo (skladajo), pri čemer pa ni nujno, da se ujemajo z vsemi elementi opisnika, oziroma da sploh obsegajo vse elemente značilnosti, ki jih vključujejo opisniki oziroma splošna posredna merila. Nov konceptualni pristop izhaja iz sprememb oziroma iz spremenjenih poudarkov v procesu pridobivanja znanja, spretnosti in zmožnosti. Središčna točka tega procesa se namreč premika od institucij k posamezniku, od poučevati/izobraževati k učiti se. Posledično se premika tudi osredotočenost iz organizacijskih okvirov praviloma programa in izvedb izobraževanja (to je iz vhodnih (input) značilnosti atributov k izidom opredelitvam/navedbam, kaj se od učenca pričakuje, da zna, razume in/ali je sposoben storiti na koncu učnega obdobja (to je k izhodnim (outcome) značilnostim atributom vseživljenjskega učenja). Prenova nacionalnega sistema izobraževanja in usposabljanja sledi tem razvojnim trendom. Ne glede na te usmeritve pa je dejstvo, da za vse dosedanje posamične aktivnosti in izide ali njihove skupine vseh podatkov, ki bi jih potrebovali za dosledno (togo) primerjanje z merili oziroma opisniki ravni ni in jih tudi ne bo na voljo. Aktivnosti oziroma izidi tudi niso enaki po obsegu vsebin, nekatere/nekateri so široko zasnovani, nekateri so ožji ali specializirani. Ožje po obsegu vsebine, namenih oziroma končnih ciljih so na primer nacionalne poklicne kvalifikacije, pridobljene v t.i. certifikatnem sistemu. Po obsegu vsebine so praviloma ožje tudi aktivnosti oziroma izidi dopolnilnega izobraževanja. To dejstvo dodatno vpliva na nujnost uvedbe načela največje skladnosti, saj določene aktivnosti in izidi ali njihove skupine dejansko sploh ne morejo imeti vseh atributov (značilnosti podatkov), ki jih vključujejo merila oziroma opisniki ravni (oz. podravni). 5 NAMESTO ZAKLJUČKA NADALJNJE DELO KLASIUS»celotni pojav izobraževanja in usposabljanja«grobo razčljenjuje le do kategorij, ki jih predstavljajo skupine aktivnosti in izidov. KLASIUIS v sedanjem obsegu ne vsebuje podrobnejših kodirnih seznamov in/ali razčlenitev do npr. konkretnih posamičnih izobraževalnih programov. Predvideno nadgrajevanje bo postopno, povezano s posodobitvami, dodelavami ter povezavami obstoječih informacijskih sistemov. Da bi zmanjšali pretirano arbitrarno in pristransko uporabo KLASIUS-a je predvideno, da se bodo aktivnosti in izidi izobraževanja in usposabljanja opredeljevali kodirali neposredno oziroma čim bližje viru njihovega nastanka. V povezavi z javnoveljavnimi izobraževalnimi programi to konkretno pomeni, da je predvideno 12, da bi bili le-ti s kodami opredeljeni že v formalnih obrazcih za sprejemanje na ustreznih svetih RS za izobraževanje oz. šolstvo in da bi bili tako opremljeni vneseni v administrativne evidence (registre), dostopne tudi širši javnosti. 12 Različica možne rešitve je prikazana po točko 6. Organizacijsko-informacijska podpora klasifikacijskega sistema izobraževanjai v publikaciji Razvojna vprašanja statistike, Zasnova klasifikacijskega sistema izobraževanja v Sloveniji, marec 2005, Statistični urad RS, Ljubljana 2005.

209 208 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Uredba o uvedbi in uporabi KLASIUS-a nalaga Statističnemu uradu RS, Ministrstvu za visoko šolstvo, znanost in tehnologijo, Ministrstvu za šolstvo in šport ter Ministrstvu za delo, družino in socialne zadeve da sprejmejo Dogovor o medsebojnem sodelovanju in pripravijo akcijski načrt o uvajanju KLASIUS-a v postopke sprejemanja in akreditacije izobraževalnih oziroma študijskih programov in v vodenje uradnih in drugih administrativnih zbirk podatkov ter v državno statistiko (v nadaljevanju: Dogovor). Statistični urad je v zvezi s tem že izvedel nekatere aktivnosti. Pripravil je dokument oziroma osnutek izhodišč za pripravo Dogovora, na pristojna ministrstva je naslovil pobudo za sestanek na ministrski ravni ter izvedel predhodni strokovno posvetovalni sestanek, na katerega je povabil predstavnike pristojnih ministrstev, svetov RS za izobraževanje oz. šolstvo ter drugih institucij, ki so pomembno povezani z uvajanjem in uporabo KLASIUS-a. Na Statističnemu uradu menimo, da so za uvajanje in nadaljnje dograjevanje KLASIUS-a ključni predvsem naslednji vsebinski sklopi, ki bi jih morali ustrezno vključiti tudi v Dogovor: opredelitev in operacionalizacija odnosa med KLASIUS-om ter morebitnim novim, podobnim orodjem slovenskim ogrodjem kvalifikacij; opredelitev in operacionalizacija uvajanja KLASIUS-a v evidence zbirke podatkov, v katerih so primarne enote programi izobraževanja, nazivi/naslovi, ki se jih pridobi s končanjem programa, katalogi standardov strokovnih znanj in spretnosti oziroma nacionalne poklicne kvalifikacije, ki se jih pridobi v certifikatnem sistemu; opredelitev in operacionalizacija uvajanja KLASIUS-a v evidence zbirke podatkov, v katerih je primarna enota oseba. V teh evidencah je izobrazba oziroma nacionalna poklicna kvalifikacija ali drug izid izobraževanja in usposabljanja podatek (atribut), vezan na osebo. Najobsežnejša evidenca iz tretjega vsebinskega sklopa je Evidenca o zaposlenih delavcih, ki je posredno (obrazci M) glavni administrativni vir za mnoga statistična raziskovanja z ekonomskosocialnega področja. Tretji vsebinski sklop se tako povezuje tudi z uresničevanjem novega Zakona o evidencah na področju dela in socialne varnosti (Uradni list RS, št. 40/06). Pripravo in sprejem enotnega, konceptualno napredno naravnanega KLASIUS-a na Statističnem uradu RS ocenjujemo kot velik napredek. Zavedamo pa se, da nas čaka še veliko dela z uvajanjem in dograjevanjem sistema. V tej fazi bo ključno vlogo imelo usklajeno in tvorno sodelovanje vseh pristojnih institucij. 6 LITERATURA IN VIRI 1. Bregar L., Statistične klasifikacije in izobraževanje, Problemi pri uporabi ISCED-a 1997 v Sloveniji Zbornik prispevkov. Ministrstvo za šolstvo, znanost in šport, Domijan T., Nastajajoča kvalifikacijska ogrodja v evropskem prostoru. Razvojna vprašanja statistike: Zasnova klasifikacijskega izobraževanja v Sloveniji, marec Statistični urad RS. Ljubljana, Križman I., Domijan T., Klasifikacijski sistem izobraževanja in usposabljanja. Javna uprava, letnik 42, št Ljubljana Metodološka pojasnila klasifikacijskega sistema izobraževanja in usposabljanja, Uradni list RS, št. 89/ Proposal for a Recommendation of the European Parliament and of the Council on the establishment of the European Qualifications Framework for Lifelong Learning, Commission of the European Communities. Brussels, Razvojna vprašanja statistike: Zasnova klasifikacijskega sistema izobraževanja v Sloveniji, marec Statistični urad RS. Ljubljana, 2005.

210 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Towards a European Qualifications Framework for Lifelong Learning - Commission Staff Working Document. Brussels, , SEC (2005) 957, Commission of the European Communities. 8. International Standard Classification of education 1997 (ISCED-1997). UNESCO, UOE quality report (draft). European Commision Eurostat, Directorat F: Social Statistics and Information Society, Unit F-4: Education, Science and culture statistics. Meeting of the Education and training Statistics Working Group. Luxembourg, 6-7 september Uredba o uvedbi in uporabi klasifikacijskega sistema izobraževanja in usposabljanja, Uradni list RS, št. 46/06.

211 210 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 EVROPSKA SOCIALNO EKONOMSKA KLASIFIKACIJA Nataša Kozlevčar POVZETEK Pod okriljem Urada za državne statistike ONS (The Office for National Statistics) in v sodelovanju z evropskimi partnerji že nekaj let nastaja Evropska socialnoekonomska klasifikacija. Gre za orodje, s katerim posameznike razvrstimo v določen socialnoekonomski razred in si tako ustvarimo sliko o stratificiranosti družbe. Klasifikacija naj bi raziskovalcem omogočila vpogled v kakovost življenja, npr. v izobrazbene in zdravstvene razlike na eni strani in v širše socialne in ekonomske razlike na drugi strani. Cilj projekta je razvoj mednarodno primerljive klasifikacije, ki bi omogočila opazovanje vpliva življenjskih priložnosti posameznika glede na njegov položaj na trgu dela. Položaj posameznika na trgu dela in posebej še njegov poklic sta osnova za socialne neenakosti. Klasifikacija tako temelji na mednarodni klasifikaciji poklicev, hkrati pa je v veliki meri povzeta po EGP (Erikson, Goldhorpe, Portocarero)-shemi. Prvi del prispevka obravnava razvoj in namen te klasifikacije, drugi del prispevka pa prikazuje izsledke preizkusne uporabe klasifikacije na podatkih, pridobljenih z Anketo o delovni sili (v nadaljevanju ADS). THE EUROPEAN SOCIO-ECONOMIC CLASSIFICATION SUMMARY For several years the project of developing the European Socio-Economic Classification has been co-ordinated by the Office for National Statistics and implemented in co-operation with European partners. The European Socio-Economic Classification is a tool for classifying people into socioeconomic classes, which shows how a society is stratified. The classification should give researchers insight into the quality of life, e.g. differences regarding education and health on the one hand and wider social and economic differences on the other hand. The aim of the project is to develop an internationally comparable classification that would enable monitoring the impact of people's position on the labour market on their life opportunities. The position of people on the labour market and especially their occupations represent the basis for social inequality. The classification is thus based on the international classification of occupations but it also to a large extent follows the Erikson-Goldthorpe-Portocarrero scheme. The first part of the paper deals with the development and purpose of this classification, while the second part shows the results of testing the classification by using Labour Force Survey data.

212 STATISTIČNI DNEVI 2006 STATISTICAL DAYS UVOD 1.1 Razvoj in namen Evropske socialnoekonomske klasifikacije Evropska socialnoekonomska klasifikacija (v nadaljevanju ESeC) je orodje, s katerim razvrščamo posameznike glede na njihov socialnoekonomski položaj. Razvrstitev posameznikov na podlagi te klasifikacije nam pokaže sliko o stratificiranosti družbe. Klasifikacija se deli na deset razredov; uvrstitev posameznika v določen razred izraža položaj posameznika na trgu dela; pri razvrščanju posameznika v določen razred ima osrednjo vlogo njegov poklic. Klasifikacija ESeC temelji na Mednarodni klasifikaciji poklicev ISCO-88 oziroma na njeni evropski različici ISCO-88 (COM). Raziskovalcem naj bi omogočila vpogled v kakovost življenja, npr. v izobrazbene in zdravstvene razlike na eni strani in v širše socialne in ekonomske razlike na drugi strani. Klasifikacijo ESeC že nekaj let razvijajo Urad za državne statistike ONS (The Office for National Statistics) in še osem evropskih partnerjev. Ti so: Univerza v Warwicku (Združeno kraljestvo) University of Warwick (UK), Univerza v Essexu (Združeno kraljestvo) University of Essex (UK), Inštitut za ekonomska in socialna raziskovanja (Irska) Economic and Social Research Institute (Ireland), Univerza v Mannheimu (Nemčija) University of Mannheim (Germany), Državni inštitut za statistiko in ekonomske študije (Francija) Institut Nationale de la Statistique et des Etudes Economiques (France), Univerza Erasmus (Nizozemska) Erasmus University (Netherlands), Univerza v Stockholmu (Švedska) University of Stockholm (Sweden), Univerza v Milanu (Italija) University of Milan (Italy). V Evropi trenutno ne obstaja poenotena (harmonizirana) socialnoekonomska klasifikacija. Za razvrščanje posameznika v razrede na podlagi njegovega položaja na trgu dela se je večkrat uporabljala EGP-shema (Erikson, Goldhorpe, Portocarero). Klasifikacija ESeC je v veliki meri povzeta po omenjeni EGP-shemi. Slabost te sheme pa je v tem, da temelji na nacionalnih klasifikacijah poklicev in zato ne daje primerljivih rezultatov. Namen ustvarjalcev klasifikacije ESeC je uveljaviti orodje, ki bi bilo konceptualno jasno, enostavno za uporabo na več nizih podatkov, zanesljivo in mednarodno primerljivo in ki bi kot tako omogočalo primerjavo življenjskih možnosti. Življenjske možnosti posameznika in družine določa njihov položaj na trgu dela in še posebej poklic, ki ga posameznik opravlja. Klasifikacija ESeC tako uvrsti posameznika na podlagi njegovega poklica in dodatnih meril (zaposlitveni status) v enega izmed razredov klasifikacije. Uporaba te klasifikacije bo omogočala mednarodne primerjave in analize na področju rodnosti, umrljivosti, porabe, neenakosti spolov, mobilnosti, socialne vključenosti, dohodka, izobraževanja, zdravja, kulture ipd. Možno bo opazovati, kako pomemben je vpliv življenjskih priložnosti glede na položaj na trgu dela. Primerna naj bi bila za uporabo tako na ravni posameznika kot na ravni gospodinjstev. Življenjske možnosti posameznika so v veliki meri odvisne ne le od njegovega položaja v družbi, ampak tudi od položaja drugega člana gospodinjstva. Veliko držav ima svoje socialnoekonomske klasifikacije, ESeC pa naj bi bila mednarodno primerljiva klasifikacija in bi tako omogočala primerjalne analize med državami.

213 212 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Osnova za oblikovanje klasifikacije ESeC Za izdelavo klasifikacije ESeC so potrebni naslednji podatki: - koda poklica po klasifikaciji ISCO-88 (COM) na tretji ravni, - podatek o zaposlitvenem statusu (zaposlen, samozaposlen, delodajalec), - podatek o številu zaposlenih na določeni lokaciji, - podatek o nadzorniškem statusu. Posameznika razvrstimo v ustrezni razred klasifikacije ESeC s pomočjo matrike. Osnova za razvrščanje je podatek o poklicu, naslednje merilo za razvrstitev v ustrezni razred pa je podatek o zaposlitvenem statusu in pri samozaposlenem še podatek o številu zaposlenih (torej podatek o tem, ali je posameznik samozaposlen z več kot deset zaposlenimi, samozaposlen z manj kot deset zaposlenimi, samozaposlen brez zaposlenih, zaposlen ali nadzornik). Meja med velikimi in majhnimi delodajalci je deset zaposlenih. Če imamo na voljo vse potrebne podatke, uporabimo za razvrstitev posameznika v ustrezni razred tako imenovano polno metodo. Če imamo na razpolago le podatek o poklicu posameznika, pa uporabimo tako imenovano poenostavljeno metodo. Prototip klasifikacije ESeC trenutno temelji na ravni področne skupine poklicev, to je na trimestni poklicni skupini. Matrika za razvrščanje v razrede klasifikacije ESeC pa je enotna za vse evropske države. Verjetno bi bilo smiselno v matriki upoštevati nekatere nacionalne posebnosti. 1.3 Razredi klasifikacije ESeC Prototip klasifikacije ESeC sestavljajo naslednji razredi (navajam tudi originale nazive): 1. veliki zaposlovalci, strokovnjaki na visoki zahtevnostni ravni, administrativni in menedžerski poklici na visoki zahtevnostni ravni (Large employers, higher grade professional, administrative and managerial occupations); 2. strokovnjaki na nižji zahtevnostni ravni, administrativni in menedžerski poklici na nižji zahtevnostni ravni, tehniki in nadzorniki na višji zahtevnostni ravni (Lower grade professional, administrative and managerial occupations and higher grade technician and supervisory occupations); 3. vmesni poklici (Intermediate occupations); 4. mali zaposlovalci in samozaposleni (kmetijstvo ni upoštevano) (Small employer and self employed occupations (exc agriculture etc); 5. samozaposleni v kmetijstvu (Self employed occupations) (agriculture etc), 6. nižji nadzorniški in nižji tehniški poklici (Lower supervisory and lower technician occupations); 7. nižji storitveni poklici, prodajni in uradniški poklici (Lower services, sales and clerical occupations); 8. nižji tehniški poklici (Lower technical occupations); 9. rutinski poklici (Routine occupations); 10. tisti, ki niso nikoli delali, in dolgotrajno brezposelni (Never worked and long-term unemployed). Model z desetimi razredi je mogoče glede na potrebe raziskovalca združiti v klasifikacijo s šestimi, petimi ali tremi razredi. Pri modelu s tremi razredi tako dobimo naslednje razrede: Razred 1 združena razreda 1 in 2; veliki zaposlovalci, strokovnjaki in menedžerji zgornji razred Razred 2 združeni razredi 3, 4, 5 in 6 vmesni / srednji razred Razred 3 združeni razredi 7, 8 in 9 delavski razred.

214 STATISTIČNI DNEVI 2006 STATISTICAL DAYS PREIZKUSNA UPORABA KLASIFIKACIJE ESEC NA PODATKIH ADS V zadnji fazi dela pri ustvarjanju klasifikacije ESeC so bili povabljeni k sodelovanju tudi nacionalni statistični uradi. Konferenca, ki je bila namenjena ovrednotenju (validaciji) klasifikacije ESeC, je bila konec junija na Bledu. Nacionalni statistični uradi so tako dobili priložnost, da so izrazili svoje mnenje o klasifikaciji, ki so jo pred tem preizkusno uporabili na lastnih nizih podatkov. Prevladovalo je dokaj pozitivno mnenje, saj je klasifikacija enostavna za uporabo in hkrati poceni, ker temelji na že obstoječih podatkih. Na našem statističnem uradu smo klasifikacijo ESeC preizkusili na podatkih, pridobljenih z Anketo o delovni sili. 2.1 Metodološka pojasnila k Anketi o delovni sili ADS je bila od leta 1993 do 1996 letna in se je izvajala v maju, od aprila 1997 pa poteka nepretrgoma. Podatke objavljamo četrtletno. ADS je najobsežnejše uradno anketiranje gospodinjstev v Sloveniji. Iz te ankete pridobimo podatke o stanju in spremembah na slovenskem trgu dela o velikosti, strukturi in značilnostih aktivnega in neaktivnega prebivalstva Slovenije. ADS izvajamo skladno z navodili Mednarodne organizacije za delo (ILO) ta so bila sprejeta na 13. konferenci statistikov dela in skladno z zahtevami Eurostata, statističnega urada Evropske unije, ki se nanašajo na poenoteno anketo o delovni sili Evropske unije. To nam omogoča primerljivost z drugimi državami, ki izvajajo take ankete, in hkrati tudi časovno primerljivost podatkov s predhodnimi leti. ADS je rotirajoča panelna anketa, izvajamo jo nepretrgano vse leto. Vsako gospodinjstvo je anketirano petkrat, in sicer po rotacijskem modelu (gospodinjstva so najprej anketirana tri zaporedna četrtletja, potem so za eno četrtletje izločena, nato pa so v anketo vključena še v preostalih dveh četrtletjih). Panelni del vzorca obsega štiri petine celotnega vzorca, zajema pa gospodinjstva, ki so v anketi drugič, tretjič, četrtič in petič. Gospodinjstva, ki so bila v anketo vključena prvič, pa sestavljajo novi del vzorca. Vzorčni načrt je stratificiran enostaven slučajen. V ADS za leto 2005 je bilo v panelnem delu v anketo vključenih gospodinjstev, v novem delu pa V drugem četrtletju leta 2005 je bilo v panelnem delu v anketo vključenih 5024 gospodinjstev, v novem delu pa Stratumska razmestitev je bila sorazmerna glede na populacijsko razdelitev po statističnih regijah in tipu naselja. Enota opazovanja so bili posamezniki, ki pretežno živijo v izbranem gospodinjstvu. Gospodinjstvo je vsaka (družinska ali druga) skupnost oseb, ki skupaj stanujejo in skupaj porabljajo svoje dohodke za poravnavanje osnovnih življenjskih potreb (stanovanje, hrana in drugo). Osebe so vključene med delovno aktivne, brezposelne ali neaktivne osebe glede na njihovo aktivnost v tednu pred anketiranjem (od ponedeljka do nedelje).

215 214 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Izsledki preizkusne uporabe klasifikacije ESeC Za preizkus klasifikacije ESeC smo uporabili podatke ADS, in sicer podatke za drugo četrtletje leta Izkazalo se je, da je uporaba klasifikacije na konkretnih podatkih dokaj nezahtevna. Določiti kodo poklica po klasifikaciji ISCO-88 (COM) je bilo enostavno, saj imamo zagotovljene prevajalnike iz Standardne klasifikacije poklicev v ISCO-88(COM) na vseh ravneh klasifikacije. Iz podatkov ADS pa smo lahko pridobili tudi vse ostale zahtevane informacije o zaposlitvenem statusu osebe. Pri razvrščanju posameznikov v razrede klasifikacije ESeC smo se omejili le na tiste posameznike, za katere je bila podana koda njihovega poklica, torej na delovno aktivno prebivalstvo. Pripravili smo tabele, ki prikazujejo porazdelitev prebivalstva v razrede po klasifikaciji ESeC po spolu, starosti in izobrazbi. Pri porazdelitvi po izobrazbi smo doseženo izobrazbo združili v 3 razrede v osnovnošolsko izobrazbo, srednješolsko izobrazbo ter višješolsko in visokošolsko izobrazbo. V porazdelitvi po starosti nismo upoštevali oseb, starih manj kot 15 let, upoštevali pa smo osebe, stare nad 65 let. Največ posameznikov se je uvrstilo v razred 9, in sicer 23,2 %, sledil mu je razred 2 z 19,5 %, temu pa razred 8 z 12,7 %. Pri primerjavi med moškimi in ženskami opazimo, da ženske prevladujejo v razredih 2, 3 in 7, moški pa v razredih 4, 5, 6, in 8. Tabela 1: Porazdelitev v razrede klasifikacije ESeC po spolu, Slovenija, 2005, 2. četrtletje Razred % ESeC Skupaj Moški Ženske Total ,2 10,7 2 19, ,7 3 8,6 4,3 13,6 4 5,8 8,1 3,1 5 3,2 4,4 1,9 6 7,9 10, ,2 6,6 10,1 8 12,7 17,2 7,5 9 23,2 23,1 23,4 Pri porazdelitvi posameznikov v razrede klasifikacije ESeC glede na doseženo izobrazbo je opazna večja zastopanost posameznikov z višješolsko in visokošolsko izobrazbo v višjih razredih, predvsem v razredih 1 in 2, in obratno, posamezniki z osnovnošolsko izobrazbo se razvrščajo v nižje razrede, predvsem v razreda 8 in 9, pa tudi v razred 5.

216 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Tabela 2: Porazdelitev v razrede klasifikacije ESeC po doseženi izobrazbi, Slovenija, 2005, 2 četrtletje Razred ESeC Osnovnošolska izobrazba Dosežena izobrazba % Srednješolska izobrazba Višješolska in visokošolska izobrazba Skupaj ,2 44,5 2 0,4 17,4 39,8 3 0,9 10,9 7,5 4 2,5 7,1 4,5 5 11,4 2,2 0,2 6 3,4 11,3 1,3 7 3,6 12 0,6 8 22,7 14,2 0,8 9 55,2 22,7 0,8 Pri opazovanju razlik med starostnimi skupinami lahko opazimo večjo zastopanost mladih v nižjih razredih klasifikacije, predvsem starostne skupine let. Pri starejših starostnih skupinah, predvsem pri osebah nad 55 let, pa je opazno veliko povečanje razreda 5 Samozaposleni v kmetijstvu. Presenetljiv je delež starostne skupine let v najvišjem razredu. Porazdelitev starostne skupine nad 65 let v razrede klasifikacije ESeC se precej razlikuje od porazdelitve ostalih starostnih skupin, delno tudi zaradi vpliva dodatnih honorarnih del. Tabela 3: Porazdelitev v razrede klasifikacije ESeC po starostnih skupinah, Slovenija, 2005, 2 četrtletje Starost % Razred ESeC let in več Total ,6 14,6 10,6 9,6 15,8 9,4 2 8,8 19,8 22,2 20,7 20,6 5,3 3 7,9 10,5 8,2 9,1 4,3 2,1 4 0,6 5,2 5,8 8,1 6,5 3,5 5 0,1 0,8 1,8 3,1 11,4 35,5 6 3,9 8,3 9,8 7,8 6,5-7 17,2 9,1 7,8 6,3 5,1-8 19,4 10,8 10,5 11,7 16,7 32,3 9 40,5 20,9 23,3 23,6 13,1 12 Klasifikacijo smo preizkusili tudi na ravni gospodinjstev, kar pomeni, da so bili vsi člani gospodinjstva razvrščeni v enak razred po klasifikaciji ESeC kot referenčna oseba gospodinjstva. Vzeli smo isto referenčno osebo, kot je določena v ADS, in sicer je v ADS za referenčno osebo določena oseba, ki je prva napisana na vprašalniku, vendar pa ne otrok (ta ne more biti referenčna oseba).

217 216 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Na žalost nam niso bili na razpolago podatki o osebi, ki je lastnik ali najemnik stanovanja, in podatki o dohodkih, da bi lahko boljše opredelili referenčno osebo. Prednost razvrščanja v razrede po klasifikaciji ESeC na ravni gospodinjstev pa je bila v tem, da smo v analizo lahko zajeli celotno populacijo, tudi otroke in ostale neaktivne člane gospodinjstva. Izkazalo se je, da je porazdelitev posameznikov v razrede po klasifikaciji ESeC dokaj primerljiva z porazdelitvijo na ravni gospodinjstev. Naknadno smo klasifikacijo ponovno preizkusili na ravni gospodinjstev, vendar ob upoštevanju pravila, da so bili vsi člani gospodinjstva razvrščeni v tisti razred, ki velja za dominantnega izmed vseh razredov klasifikacije ESeC. Pri določanju dominantnega razreda velja pravilo, da je razred 1 dominantnejši oziroma nad razredom 2, razred 2 nad razredom 5, razred 5 nad razredom 4, razred 4 nad razredom 3, razred 3 nad razredom 6, razred 6 nad razredom 7, razred 7 nad razredom 8 in razred 8 nad razredom 9. Ponovno se je porazdelitev izkazala za primerljivo s prejšnjima porazdelitvama. Omembe vredno je morda manjše povečanje razreda 1 in 2 pri porazdelitvi na ravni gospodinjstev z uporabo metode dominantnega razreda in manjši upad razreda 9 in 8. Tabela 4: Porazdelitev prebivalstva v razrede klasifikacije ESeC (posamezniki gospodinjstva dominantni razred), Slovenija 2005, 2 četrtletje Razred ESEC Posamezniki % Gospodinjstva Dominantni razred ,3 13,4 2 19, ,8 3 8,6 8,8 8,1 4 5,8 7,4 6,2 5 3,2 4,2 3,5 6 7,9 8,4 8,1 7 8,2 7, , ,4 9 23,2 21,4 19,4 Kot je bilo že omenjeno, lahko osebe razvrstimo v razrede po klasifikaciji EseC, tudi če imamo na voljo samo kodo poklica. Pripravili smo primerjavo med porazdelitvijo v razrede z uporabo polne metode in poenostavljene metode. Matrika za razvrščanje posameznikov v razrede ESeC vsebuje tudi navodilo za razvrščanje samo na podlagi podatka o poklicu, temu rečemo razvrstitev v poenostavljeno enoto. Največja razlika je opazna pri razredu 6, kar je logično. V 6 razred se namreč uvrščajo nižji nadzorniški in nižji tehniški poklici. Podroben pogled matrike pa nam pove, da gre tu predvsem za nadzornike. Z izgubo informacije o nadzorniškem statusu osebe pa je razvrstitev s poenostavljeno metodo povsem druga. Večina nadzornikov se prerazporedi v razreda 8 in 9, to je med nižje tehniške in rutinske poklice. Vse razlike so povsem logične, če podrobneje pogledamo matriko. Izguba informacij o posameznikovem zaposlitvenem statusu dokaj spremeni porazdelitev posameznikov v razrede ESeC. Očitno je, da je za dobre rezultate potrebna uporaba polne metode, poenostavljena metoda pa se uporabi le kot izhod v sili, kadar za posamezno osebo ni mogoče pridobiti vseh potrebnih informacij.

218 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Tabela 5: Porazdelitev v razrede ESeC, poenostavljena metoda, Slovenija 2005, 2 četrtletje Razred EseC % poenostavljena enota % polna metoda 1 11, ,5 19,5 3 11,4 8,6 4 3,1 5,8 5 7,1 3,2 6 0,6 7,9 7 11,4 8,2 8 12,5 12,7 9 26,4 23,2 3 ZAKLJUČNE MISLI Zasnova prototipa klasifikacije ESeC je bila uspešna. Izkušnje našega in tudi drugih statističnih uradov kažejo, da je klasifikacija ESeC enostavna za uporabo, hkrati pa tudi poceni, saj temelji na že obstoječih podatkih. Potrebno bi bilo sodelovanje s strokovnjaki akademiki, da se opravijo nadaljnje validacijske študije na večjih nizih podatkov in s časovnimi analizami. Na statističnem uradu RS smo doslej opravili le nekaj osnovnih preizkusov. Pri tvorjenju matrike, ki razvršča posameznika na podlagi zahtevanih podatkov v razred ESeC, bi bilo smiselno v večji meri upoštevati nekatere nacionalne posebnosti. Da bi dosegli boljšo mednarodno primerljivost, pa bi bilo treba najprej poenotiti raziskave v okviru EU. 4 REFERENCE 1. Harrison, E., Rose, D., The European Socio-economic Classification (ESEC), Draft User Guide, Institute for Social and Economic Research, University of Essex, Colchester, UK, februar Kozlevčar, N., Evropska socialnoekonomska klasifikacija, Poročilo z blejske konference, Statistični urad RS, interno gradivo, Ljubljana, Svetlin, I., Rutar, K., Statistične informacije, Trg dela, Aktivno prebivalstvo (po anketi o delovni sili), Slovenija, drugo četrtletje, Statistični urad RS, Ljubljana, Žnidaršič, E., Evropska socialnoekonomska klasifikacija, Poročilo z lizbonske konference, Statistični urad RS, interno gradivo, Ljubljana, 2006.

219 218 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 STATISTIKA IN INVESTIRANJE V ČLOVEŠKE VIRE Neva Maher, Marta Cvikl POVZETEK Lizbonska Agenda je leta 2000 prvič zastavila cilje v številkah: rezultati in učinki so bili prvič navedeni v številkah. Med spremljanjem in presojo učinkov in uspešnosti politik pa so najtežji problemi v zvezi s sledenjem ukrepov Evropskega socialnega sklada: so razdrobljeni in terjajo sledljivost na nivoju posameznika, skozi prostor in čas. Sistem ukrepanja in s tem potrebe po podatkih, kazalnikih in indikatorjih pa se udejanjajo na štirih hierarhičnih nivojih: 1. Učinki na posameznike oz. ciljne skupine 2. Učinki povezani s strukturami in sistemi 3. Učinki na nastanek novih delovnih mest 4. Učinki na ekonomski in socialni razvoj. Za tovrstne potrebe, ki jih nalaga EU zakonodaja ne zadostujejo statistični podatki, ampak je treba vzpostaviti sistemsko spremljanje in evalviranje. Prispevek osvetljuje videnje evalvatorja tovrstne tematiko ukrepanja in z njo povezane problematiko, ki so jo izpostavila priporočila ene od prvih evalvacij Evropskega socialnega sklada. Ključne besede: evalvacija, program Evropskega socialnega sklada, indikator, učinek, učinkovit ukrep, uspešna politika STATISTICS AND INVESTMENT IN HUMAN RESOURCES ABSTRACT With Lisbon Agenda, it was the first time that its aims were put in numbers: results and impacts are namely the first time stated as a quantitative numbers. But when monitoring and assessing impacts and effectiveness of policies it is most difficult to follow measures of the European social fund. They are disbursed and they need to be traceble even on the level of an individual; in place and in time. Management system and linked with it needs various data, but also indicators. Needs and requests about indicators are realising of four hierarhical levels: Impacts on individuals or target groups Impacts linked to structures and systems Impacts linked to new jobs Impacts linked to economic and social development. That is why Acquis the rules of EU - are not satisfied any more only with statistical data, but it is to put a system of monitoring and evaluation. This paper enlights evaluator view, how does he see themes and measures, and also problems linked to them. We have first evaluations of European social fund programmes and the first informations by the side of native evaluators will be expressed in this paper.

220 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Key words: evaluation, European social fund programme, indicator, impact, efficient measure, effective policy 1 UVOD Evropska praksa programiranja, spremljanja in vrednotenja sega v daljna osemdeseta leta preteklega stoletja. Spremljanje in vrednotenje učinkovitosti izvajanja razvojnih projektov in programov je pomembno načelo evropske regionalne politike. Slovenija se kot nova članica EU pri izgradnji svojega sistema programiranja nacionalnih programov, prioritetnih nalog in ukrepov sooča z vedno strožjimi zahtevami in pričakovanji EU. Lizbonska Agenda, Luksemburški proces in Evropska zaposlitvena strategija 1 zahtevajo sistemski pristop članic in večjo pozornost tako imenovanim fizičnim kazalnikom regionalnega razvoja. Sistemski pristop pomeni, da morajo vse aktivnosti potekati v vnaprej zasnovanem okviru, v strukturi sistema, ki je enak za vse, ter tako, da bo omogočena sledljivost in vzpostavljeni pogoji nadzora managementa nad učinkovitostjo aktivnosti in uspešnosti politik. Gre za pomemben vidik merjenja razvojne vloge in vloge javnega sektorja in politik, še zlasti pa zaposlitvene, socialne izobraževalne. Zato se je v ta namen razvila posebna vrsta nadziranja monitoring in presoja kakovosti ukrepanja evalviranje. Pravo EU je uporabo metodologij monitoringa in evalviranja celo povzdignilo v instrument managementa. V letu 2006 je Slovenija prvič vrednotila programe, ki jih sofinancira Evropski socialni sklad, tako tudi vse ukrepe prednostne naloge 2.4 Spodbujanje podjetništva in prilagodljivosti 2, namenjene pospeševanju razvoja človeških virov in spodbujanju zaposlenosti. Cilj vmesnega vrednotenja je bil ugotoviti, ali državna pomoč v taki obliki kot je, ostaja primerno sredstvo za reševanje problemov, s katerimi se sooča prejemnik pomoči, ali so bile strateške usmeritve, prioritete in glavni cilji še vedno relevantni in je bila še vedno zagotovljena njihova skladnost ter kako daleč je bil program v smeri doseganja načrtovanih ciljev in ali je bilo programiranje konsistentno, izvajanje, vodenje in nadziranje pa ustrezno in učinkovito. Izobraževanje in usposabljanje zaposlenih je danes med najpomembnejšimi nalogami vsakega uspešnega podjetja, saj le osvajanje novih znanj, metod in veščin podjetjem omogoča preživetje v vse trših konkurenčnih razmerah, ki nastajajo kot posledica hitrih in nepredvidljivih sprememb na področju trga, tehnologije in znanja. Zaposleni, ki se stalno izobražujejo in usposabljajo, so manj dovzetni za destruktivne vplive iz okolja, saj se zavedajo, da so spremembe stalnica v življenju podjetja. Pri tem pa so prav ljudje pomembni in edinstveni za podjetje, saj njihove ustvarjalnosti, predanosti in zmožnosti delovanja v novih in nepredvidljivih situacijah ni mogoče kopirati. 1 Vir: Uredba o strukturni politiki 1260/99 in Uredba o managementu in kontrolah 438/2001; enak sistem se bo nadaljeval tudi v naslednjem programskem obdobju (uredba). 2 Prednostno nalogo 2.4 Spodbujanje podjetništva in prilagodljivosti sestavljajo štirje ukrepi: Ukrep 2.4.1: usposabljanje in izobraževanje zaposlenih, zlasti iz sektorjev v prestrukturiranju, Ukrep 2.4.2: usposabljanje zaposlenih v perspektivnih sektorjih s hitro stopnjo rasti, Ukrep 2.4.3: sofinanciranje stroškov spodbujanja podjetništva in Ukrep 2.4.4: lokalni zaposlitveni programi.

221 220 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Na javni razpis Zavoda RS za zaposlovanje za sofinanciranje izobraževanja in usposabljanja zaposlenih s sredstvi Evropskega socialnega sklada, se je v letih 2004 in 2005 odzvalo veliko slovenskih podjetij, pogodbo pa je podpisalo v letu in v letu podjetij. Podjetja so v povprečju dobila sofinancirano 40% vlaganj v izobraževanje in usposabljanje svojih zaposlenih. Pri vrednotenju ukrepa smo si zastavili vprašanje, kako in v kolikšni meri vlaganja v izobraževanje in usposabljanje zaposlenih podpirajo podjetniške cilje podjetij in posledično cilje ukrepa ter kakšni rezultati in učinki so programirani z ukrepom ter kako jih bo management ukrepa ugotavljal in spremljal. Zanimalo nas je, kakšne cilje so si na področju vlaganj v človeške vire zastavila vključena podjetja ter kako jih na podjetniški ravni merijo in spremljajo s fizičnimi kazalniki. Izhajali smo iz predpostavke, da je sistematično spremljaje rezultatov in učinkov razvoja človeških virov na podjetniški ravni predpogoj objektivnega ugotavljanja učinkov vlaganj v znanje zaposlenih na makro ravni. Planiranje programskih kazalnikov 3 je namreč hierarhično, saj naj bi vsi podjetniški projekti prispevali k doseganju ciljev posameznega ukrepa, vsi ukrepi pa naj bi pripomogli k skupnemu cilju prednostne naloge. Zato menimo, da je zelo pomembno, kako je programirana posamezna nacionalna prioritetna naloga in njeni ukrepi ter kako je oblikovan nabor programskih kazalnikov, s katerimi se spremlja doseganje zastavljenih ciljev na ravni prioritetne naloge in na ravni ukrepa. Nekonsistentnost v programiranju odseva v neučinkovitem sistemu spremljanja. 2 PROGRAMSKI KAZALNIKI UKREPA IZOBRAŽEVANJE IN USPOSABLJANJE ZAPOSLENIH V SISTEMU PROGRAMSKIH KAZALNIKOV PREDNOSTNE NALOGE 2.4 SPODBUJANJE PODJETNIŠTVA IN PRILAGODLJIVOSTI Podlaga za spremljanje izvajanja strukturnih skladov je Uredba Sveta (ES) 438/2001, ki v svojem aneksu IV določa, katere vsebine je potrebno zagotavljati pri črpanju sredstev strukturnih skladov. Tako je rezultat, ki ga mora management doseči, ko pristopa k ukrepanju in črpanju EU virov, vnaprej znan. Politika določi kaj, management kako in na kakšen način. Zato je med petimi funkcijami managementa izrazito pomembno programiranje, kar je natančno načrtovano predvidevanje vsebin in aktivnosti, ki naj bi pripeljale do rezultata in uspeha politike. Če si pogledamo aktivnosti prednostne naloge 2.4 Spodbujanje podjetništva in prilagodljivosti v letih , vidimo, da so bile usmerjene v povečanje prilagodljivosti zaposlenih in podjetij pogojem svetovnega trga in trga dela, ohranjanje delovnih mest, povečevanje produktivnosti in konkurenčnosti podjetij ter odpravljanje razvojnih ovir na področju ponudbe in povpraševanja po delovni sili v podjetju ali v skupini podjetij, spodbujanje razvoja znanj in usposobljenosti zaposlenih v najbolj perspektivnih sektorjih, s čimer se bo prispevalo k hitrejšemu uvajanju in učinkovitejši izrabi novih tehnologij, povečala stopnja inovativnost in ustvarjalnosti ter stopnja tehnične usposobljenosti zaposlenih in izboljšala kvaliteta vodenja zaposlenih in s tem prispevalo k dvigu konkurenčnosti ter povečalo zaposlitvene kapacitete perspektivnih panog. 3 Programski kazalnik lahko opredelimo kot mero za cilje, ki jih želimo uresničiti, vire, ki jih želimo mobilizirati in učinke, ki jih želimo doseči; daje količinsko izražene informacije, z namenom pomagati akterjem pri načrtovanju aktivnosti in odločanju ter usmerjati odgovorne pri izvedbi (The Guide, december 2003, str. 127). Predstavlja skupek meritev določene spremenljivke v prostoru ter času. Najpogostejši vir podatkov programskih kazalnikov so prejemniki sredstev, ki se o spremljanju in poročanju zavežejo v pogodbi.

222 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Zato bi pričakovali, da bo prioriteta opredeljena s kazalniki rezultata in kazalniki učinka, ki bodo prinašali informacije o spremembah (v primerjavi z izhodiščnim stanjem) v številu delovnih mest v produktivnosti v zmanjševanju presežka/manjka ponudbe delovne sile nad povpraševanjem po delovni sili v številu inovacij, novih tehnologij, novih pristopov in metod v stopnji zaposlenosti. Vendar pa je prednostna naloga 2.4 za obdobje določala samo en kazalnik rezultata: 80% v program vključenih zaposlenih mora ohraniti svojo zaposlitev najmanj 12 mesecev. Podrobnejši izbor in kvantifikacija nabora kazalnikov rezultatov in učinkov, s katerimi bi lahko ocenjevali, ali je ukrep vodil tudi v povečanje konkurenčnosti zaposlenih in podjetij, je bil tako v celoti prepuščen managementu posameznega ukrepa znotraj prednostne naloge 2.4. S tem pa je bilo podano tveganje, da nabor kazalnikov posameznega ukrepa sploh ne bo oblikovan (ker ga višja raven ne predpisuje) bodisi pa med ukrepi prednostne naloge ne bo konsistenten in rezultatov ukrepov medsebojno ne bo mogoče neposredno primerjati. Za programskimi kazalniki namreč stojijo vrednote programirani rezultati in želeni cilji. Le - ti imajo svoj prostorski in časovni vidik, kar pomeni, da so sprogramirani na temeljnih in za temeljne kritične točke zato, da bi management imel proces ukrepanja pod kontrolo: od inputa (vložka), preko outputa (izhoda), do rezultatov in učinkov. Za oba ukrepa Izobraževanja in usposabljanje zaposlenih je bil na nacionalni ravni v Programu aktivne politike zaposlovanja (APZ) za leti 2005 in 2004 zastavljen naslednji nabor programskih kazalnikov: VLOŽEK IZHOD REZULTAT UČINEK 1. Vrednost programa 2. Povprečni strošek na udeleženca 1. Število vključenih 1. število delavcev, ki so uspešno zaključili program izobraževanja 2. število delavcev, ki so uspešno zaključili program usposabljanja Ni bil programiran. Javni razpis je dodal še dva: 3. število delavcev, ki je ohranilo zaposlitev 4. število delavcev, ki je napredovalo Zato smo z vmesnim vrednotenjem s pomočjo programiranih programskih kazalnikov in informacijsko podlago sistema spremljanja zgolj ocenjevali, ali je bil program uspešen pri doseganju izhodnih ciljev in rezultatov, programiranih s Programom APZ, za ocenjevanje rezultatov, izraženimi s kazalniki iz javnega razpisa, ter učinkov ukrepa na podjetniški ravni pa smo morali oblikovati kazalnike učinkov ter podatke in informacije iskati neposredno pri vključenih podjetjih, prejemnikih sredstev ukrepa.

223 222 STATISTIČNI DNEVI 2006 STATISTICAL DAYS PROBLEMATIKA UGOTAVLJANJA IN MERJENJA REZULTATOV IN UČINKOV UKREPA IZOBRAŽEVANJA IN USPOSABLJANJA Investiranje v človeške vire naj bi prispevalo k Evropski zaposlitveni strategiji ter ekonomskemu in socialnemu razvoju. Temelji na štirih vrstah učinkov, ki se udejanjajo na različnih ravneh: učinki na posameznike oz. ciljne skupine, učinki povezani s strukturami in sistemi, učinki na ohranitev oz. nastanek novih delovnih mest, učinki na ekonomski in socialni razvoj. 3.1 Učinki na posameznike oz. ciljne skupine in učinki povezani s strukturami in sistemi Gledano s podjetniškega vidika je izobraževanje in usposabljanje zaposlenih poslovna funkcija in zato ima nujno vpliv na poslovni uspeh podjetja (ali druge organizacije). Vlaganje v zaposlene prinaša s seboj tveganje, saj bo to, ali se bo naložba povrnila, pokazal šele čas. Zaposleni, ki zaključi izobraževanje in usposabljanje, se mora najprej navaditi na novo znanje in se ga naučiti uporabljati pri svojem delu. Ali pa je podjetje vložek v učenje svojih zaposlenih tudi pravilno in učinkovito usmerilo, pa lahko ugotovimo le, če podjetje učinke izobraževanj in usposabljanj tudi meri. Vendar pa je spremljanje učinkov izobraževanja in usposabljanja kompleksen proces, ki se ga mora podjetje lotiti pravočasno, načrtno in v povezavi z ocenjevanjem delovne učinkovitosti posameznikov, ki so se izobraževanja udeležili. Danes je v svetu najbolj uveljavljen model merjenja učinkovitosti izobraževanja in usposabljanja Kirkpatrickov model, kjer vrednotenje učinkov poteka na štirih ravneh, od katerih vsaka zahteva drugačne tehnike ocenjevanja: 1. raven: ocenjevanje stališč zaposlenih, ki so se udeležili različnih oblik izobraževanja, kaj menijo o vsebini, obliki in načinu posamezne oblike izobraževanja in kako so zadovoljni z znanjem, ki so ga pridobili (ankete, pogovori); 2. raven: ocenjevanje znanja zaposlenih, ki so se izobraževali oz. usposabljali, kaj in koliko novega znanja so pridobili (testi, vprašalniki, preizkusi); 3. raven: vedenje zaposlenih, ki so se izobraževali oz. usposabljali, kaj in v čem so se udeleženci v procesu učenja spremenili, tj, izboljšali svoje spretnosti, način dela, ravnanj, kar je povezano z delovno uspešnostjo (podatki o količini in kakovosti opravljenega dela); 4. raven: podjetniški dosežki, v kolikšni meri so doseženi cilji v skupini, podjetju (glede na načrtovane cilje, predvidene rezultati). Spremljanje učinkov se tako dejansko začne že pred začetkom, in sicer tako, da podjetje vnaprej opredeli cilje, ki jih z izobraževanjem želi doseči. Pri tem je potrebno cilje opredeliti dovolj natančno (merljivo), saj lahko podjetje le tako potem ugotovi, ali so se dejansko tudi uresničili. Tako morajo vodje izobraževalnih služb v podjetjih pred postavljanjem ciljev izobraževanja in usposabljanja najti odgovore na tri vprašanja: kaj je potrebno za doseganje uspešnosti na določenem delovnem mestu, ali zaposleni na tem delovnem mestu že dosega optimalne rezultate ter katere kompetence in znanja bi zaposleni potreboval, da bi bili rezultati boljši.

224 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Ocenjevanje učinkov izobraževanja je tesno povezano z ocenjevanjem delovne uspešnosti. Vendar pa ocenjevanje delovne uspešnosti ni povezano le z rezultati zaposlenega, ampak tudi z njegovim odnosom do dela in sodelavcev. Učinki izobraževanja in usposabljanja zaposlenih se pokažejo različno hitro, nekje lahko zelo hitro, drugje šele čez nekaj mesecev, saj spremembe ukoreninjenih vedenjskih vzorcev niso mogoče čez noč. A pri tem je potrebno upoštevati tudi to, da so lahko spremembe v učinkovitosti na delovnem mestu, kadar podjetje uvaja več sprememb hkrati in obenem meri učinkovitost izobraževanj, posledica tudi drugih sprememb in niso povezane zgolj z izobraževanjem (npr. sprememba sistema nagrajevanja ob izobraževanju). Naša raziskava je pokazala, da v ukrep vključena podjetja v povprečju ne uporabljajo oziroma sploh ne poznajo sistema spremljanja učinkov programov usposabljanja in izobraževanja, temveč sistem spremljanja rezultatov in učinkov izobraževanja enostavno enačijo s sistemom spremljanja poslovnih rezultatov na različnih organizacijskih ravneh, seveda ob močnem prepričanju, da morajo vlaganja v izobraževanje dosegati pozitiven doprinos poslovni uspešnosti podjetja. Med vključenimi podjetji je v povprečju le 11% anketiranih podjetij izjavilo, da meri in spremlja rezultate in učinke, 31% jih spremlja le rezultate, 58% pa nima vzpostavljenega sistema stalnega spremljanja rezultatov in učinkov izobraževanja. 3.2 Učinki na ohranitev oziroma nastanek novih delovnih mest Poslanstvo ukrepa sofinanciranja Izobraževanja in usposabljanja zaposlenih je ohranjanje obstoječih delovnih mest zaposlenih pri vključenih podjetjih. Pri vrednotenju doseganja načrtovanih rezultatov pa smo naleteli na problem, saj hierarhija sistema spremljanja ni skladna hierarhični strukturi programskih kazalnikov. Tako vzpostavljeni sistem spremljanja kazalnikov rezultatov spremlja le število vključenih, ki je uspešno zaključilo izobraževanje/usposabljanje, ne pa tudi kazalnikov, ki jih je management ukrepa opredelil v javnem razpisu. Tako so podjetja v prijavni dokumentaciji podala ocene deleža zaposlenih, ki bodo ob zaključku programa ohranili zaposlitev, sistem spremljanja projektov in poročanja o rezultatih projektov pa ne vključuje obveznosti za spremljanje oziroma poročanje o doseženi vrednosti tega kazalnika v primerjavi z njegovo izhodiščno vrednostjo. To pa pomeni, da management ukrepa ne ve, ali so vključeni zaposleni, ki so uspešno zaključili program, ob zaključku programa ohranili svoje delovno mesto. Ker pa tudi vključena podjetja nimajo obveznosti spremljanja tega kazalnika (ker navodila za poročanje tega ne zahtevajo), ocenjujemo, da obstaja tveganje, da bo informacija o številu vključenih zaposlenih v ukrep, ki je ohranilo svoje delovno mesto še po 12 mesecih po zaključku programa, prej subjektivna ocena, kot pa objektiven (merljiv in sledljiv) podatek. 3.3 Učinki na ekonomski in socialni razvoj Pri proučevanju učinkov ukrepa na ekonomski in socialni razvoj določenega geografskega področja si pogosto pomagamo s primerjavo vrednosti programskih kazalnikov z vrednostmi kontekstnih kazalnikov (angl. context indicators), ki jih spremljajo uradne statistike (Zavod RS za statistiko, Umar, Zavod RS za zaposlovanje, Ajpes ) in ki prinašajo opise obstoječih razlik in potencialov

225 224 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 določenega geografskega področja. Na ta način lahko zagotovimo kakovostno podlago za (Indicators, 1999, str. 11).: socialnoekonomsko in strateško analizo v podporo strategiji prednostne naloge in ukrepa, spremljanje splošnih razmer na obravnavanem območju, implementacijo in postavitev količinsko ovrednotenih ciljev, in v končni fazi za vrednotenje socialnoekonomskih učinkov programa. S tem lahko oblikujemo informacijo o trendih razvoja na izbranem geografskem področju glede na različne dejavnike in primerjamo programske kazalnike na ravni ukrepa s kazalniki, značilnimi za celotno območje, med njimi število zaposlenih, spolno strukturo zaposlenih, starostno strukturo zaposlenih, izobrazbeno strukturo zaposlenih, področje usposabljanja, število zaposlenih, ki se izobražuje oziroma usposablja, število delovnih ur, namenjenih usposabljanju, število podjetij, področja dejavnosti, število delovnih mest, prihodko, stroško, dodano vrednost, produktivnost, učinkovitost, uspešnost, vlaganja v izobraževanje v prihodku, vlaganja v RRD v prihodku, število novih programov in tehnologij, delež izmeta v proizvodnji... Žal pa so velikokrat podatki iz uradne statistike presplošni in so primerni le za ugotavljanje razmer na obravnavanem območju, pa še to le za raven programa, saj so projekti v večini primerov preveč specifični. Statistične informacije so vse prevečkrat premalo razčlenjene (npr. po sektorjih), marsikdaj pa tudi zastarele. Zato si pri vrednotenju rezultatov in učinkov pogosto pomagamo s sekundarni podatki, ki jih pridobimo s pomočjo anket in ostalih razpoložljivih virov ter s katerimi primerjamo dosežene kazalnike z njihovimi izhodiščnimi vrednostmi in med posameznimi leti. Pri vrednotenju ukrepov Izobraževanja in usposabljanja zaposlenih smo s strukturiranim vprašalnikom zajeli cilje izobraževanja in usposabljanja zaposlenih v programu, ki je bil sofinanciran s strani ESS, načrtovane rezultate in učinke programa izobraževanja in usposabljanja, ki je bil sofinanciran s strani ESS, dejavnike, ki so vplivali na izbor zunanjih in notranjih izvajalcev izobraževanja in usposabljanja, načine in metode merjenja rezultatov in učinkov izobraževanja in usposabljanja, dejavnike, ki so vplivali na odmike realiziranih od načrtovanih ciljev, vpliv subvencije na obseg izobraževanja usposabljanja, zadovoljstvo podjetij z javnim razpisom, sodelujočimi na programu in z doseženimi rezultati in učinki, dejavnike, ki so vplivali na to, da so se podjetja odločala za kandidiranje na sredstva EES, ter zbrali še sugestije, mnenja, priporočila in predloge prejemnikov sredstev. S strokovnim pristopom smo zagotovili metodološko ustreznost zajemanja podatkov in z ustreznim preračunavanjem nevtralizirali vpliv subjektivnih dejavnikov na vrednost podatkov in informacij. 4 PRIPOROČILA ZA PROGRAMIRANJE IN SPREMLJANJE UKREPA IZOBRAŽEVANJE IN USPOSABLJANJE ZAPOSLENIH Kot že omenjeno, je imela prednostna naloga 2.4 Spodbujanje podjetništva in prilagodljivosti programiran le en želeni rezultat, in sicer da na bi 80% v program vključenih zaposlenih svojo zaposlitev ohranilo najmanj 12 mesecev po zaključku programa. Menimo, da bi bilo potrebno programiranje programa Izobraževanje in usposabljanje zaposlenih dopolniti z opredelitvijo in kvantifikacijo kazalnikov rezultata in kazalnikov učinkov.

226 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Predlog dodatnih kazalnikov rezultata ukrepa delež vključenih zaposlenih, ki bo ohranil zaposlitev ob zaključku programa vsaj še 12 mesecev po zaključku programa število vključenih zaposlenih, ki je napredovalo ob zaključku programa in v 12 mesecih po zaključku programa; Predlog dodatnih kazalnikov učinkov ukrepa A/ na podjetniški ravni število/delež vključenih, ki je bil zadovoljen s programom število/delež vključenih, ki že uporablja novo osvojeno znanje in veščine pri svojem delu vplivanje na poslovno uspešnost po 12 mesecih po zaključku programa ob zaključku programa po 12 mesecih po zaključku programa stopnja povečanja učinkovitosti, stopnja povečanja produktivnosti, stopnja povečanja dodane vrednosti; B/ na makro ravni % zmanjšanja stopnje brezposelnosti, stopnja povečanje produktivnosti, stopnja povečanja dodane vrednosti. Za učinkovito izvajanje in spremljanje ukrepa je potrebno takoj razviti uporaben in relativno enostaven centralni informacijski sistem - s skupno podatkovno bazo, ki bo vključevala tudi podatke o načrtovanih ciljih, rezultatih in učinkih projektov oz. ukrepov - ki bo omogočal medletne primerjave oziroma kronologijo koriščenja sredstev po posameznih v program vključenih podjetjih. Vendar pa je potrebno pred vzpostavitvijo takšnega sistema natančno določiti vse kategorije podatkov, ki jih je smiselno spremljati, saj resnično ni potrebe po vnašanju prav vseh podatkov iz poročil podjetij. Te definicije morajo biti jasne tudi prejemnikom sredstev, zato da se izognemo različnim interpretacijam pri poročanju o rezultatih in učinkih projektov ter da posledično povečamo zanesljivost in uporabnost podatkov za izdelavo končne evalvacije programa. Prav tako bi bilo potrebno računalniško podpreti prijavno dokumentacijo, saj le-ta vključuje številne informacije in podatke, potrebne za kakovostno spremljanje doseženih ciljev, ugotavljanje odmikov in vzrokov za nastale odmike. Prejemnikom sredstev bi bilo potrebno podrobneje predstaviti, kaj se od njih pričakuje in jih opozoriti, da je potrebno upravičenost sofinanciranja dokazovati ne le z upravičenostjo porabe stroškov, temveč tudi z doseganjem zastavljenih operativnih ciljev (načrtovanih rezultatov in učinkov). To pa naj ne bo zgolj uspešna zaključitev programa/projekta, temveč je to najmanj ohranitev delovnega mesta določenega števila vključenih zaposlenih (ob zaključku, po enem letu po zaključku), doseženo zadovoljstvo zaposlenih z usposabljanjem, uporaba novega znanja udeležencev neposredno pri svojem delu, in konec konca tudi doseganje načrtovanih poslovnih podciljev, ki so bili podprti tudi z aktivnostmi izobraževanja in usposabljanja. Zahteve razpisne dokumentacije je treba dopolniti s podatki o načrtovanih operativnih ciljih/rezultatih programov izobraževanja in usposabljanja prijavljenih podjetij, v navodila za pripravo zaključnega poročila pa vključiti zahtevo po poročanju o dolgoročnejših rezultatih in učinkih. Končno poročilo naj sestavljata dva dela: prvi naj ob zaključku programa poda pregled že doseženih rezultatov in podjetniških učinkov, drugi del pa rezultate in podjetniške učinke, dosežene v obdobju enega leta po zaključku programa.

227 226 STATISTIČNI DNEVI 2006 STATISTICAL DAYS ZAKLJUČKI Novost pri koriščenju sredstev strukturnih skladov je uvajanje sistematičnega vsebinskega in finančnega spremljanja ukrepov. EU pričakuje, da bo Slovenija tako kot ostale članice dejanske učinke izvajanih aktivnosti prikazovala v prostoru in ne le zagotavljala namensko porabo sredstev, kot je to bilo do sedaj, ko se je praviloma spremljalo zgolj finančne tokove. Vmesno vrednotenje prioritetne naloge 2.4 tako opozarja na vrsto nejasnosti in nekonsistentnosti tako pri programiranju kot spremljanju ukrepov. Slovenija tako stoji pred izzivi tako pri programiranju nabora programskih kazalnikov, kot pri vzpostavljanju sistematičnega sistema spremljanja. V prvi vrsti je potrebno oblikovati nabor programskih kazalnikov hierarhično in medsebojno konsistentno, pri čemer je potrebno zagotoviti sledljivost in povezljivost kazalnikov. Rezultati ukrepa naj bodo seštevki rezultatov projektov, rezultati prioritetne naloge pa seštevki rezultatov ukrepov. To pa pomeni, da morajo vsi ukrepi programirati ta kazalnik in določiti tudi izhodiščno vrednost. Tako programiranje programskih kazalnikov ne more biti prepuščeno managementu posameznih ukrepov ali celo kar evalvatorju programa. Z narodno gospodarskega vidika je bolj kot to, da so zaposleni uspešno zaključili izobraževanje oziroma usposabljanje, pomembno, da vključeni nova znanje in veščine tudi uporabljajo. To je pa bodisi v svojem okolju, bodisi v novem okolju. Poslovno okolje pa je izredno kompleksno in so dosežki podjetij v opazovanem obdobju odvisni od številnih dejavnikov, ki učinkujejo različno dolgo in med katerimi na mnoge podjetja nimajo nikakršnega vpliva. A pri tem je potrebno upoštevati tudi to, da so lahko spremembe v učinkovitosti na delovnem mestu, kadar podjetje uvaja več sprememb hkrati in obenem meri učinkovitost izobraževanj, posledica tudi drugih sprememb in niso povezane zgolj z izobraževanjem (npr. sprememba sistema nagrajevanja ob izobraževanju). Dilema: če sistematično ne vrednotimo učinkov izobraževanja in usposabljanja na podjetniški ravni, kako bomo objektivno učinke ukrepa ugotavljati na makro ravni? Statistični kazalniki imajo pri spremljanju in vrednotenju učinkov prednostnih nalog in ukrepov pomembno vlogo, zlasti ko vrednotimo razvojne trende, vendar pa se pogosto soočamo z omejitvami, kot so bodisi nerazpoložljivost in zastarelost bodisi pa nerazčlenjenost podatkov po sektorjih in dejavnostih ter po geografskih področjih. 6 LITERATURA IN VIRI 1 Izhodišča za Metodologijo evalviranja programov politik zaposlovanja, MDDSZ, Metodologija evalviranja programov politik zaposlovanja MDDSZ, Indicators for Monitoring and Evaluation: An Indicative method, Working Paper 3, 1999, 4 Priročnik»Evaluating Socio Economic Development, Evropska komisija, Direktorat za regionalno politiko, The Guide, Sourcebook 1: Themes and Policy Areas Sourcebook 2: Techniques and Tools 5 Cvikl, Marta. Evalvacija programa izobraževanje in spodbujanje zaposlenih (APZ in EDP ukrep 2.4) za leto 2005 in leto 2004: poročilo. Celje: Razvojni center R&S Celje, d.o.o., 2006, 100 str. 6 Donald L. Kirkpatrick's training evaluation model - the four levels of learning evaluation, 7 Možina Stane. Management: nova znanja za uspeh, Didakta, Brajnik V., Sistem spremljanja in vrednotenja učinkov strukturne politike v Sloveniji in Evropski uniji, magistrsko delo, Ekonomska fakulteta v Ljubljani, junij 2004

228 STATISTIČNI DNEVI 2006 STATISTICAL DAYS SEKCIJA D2: KMETIJSTVO IN PROSTOR SECTION D2: AGRICULTURE AND ENVIRONMENT Avtorji prispevkov / Papers by: Tomaž Perpar, Jože Verbič, Drago Babnik, Betka Logar, Mija Sadar, Kmetijski inštitut Slovenije / Agricultural Institute of Slovenia Centralna podatkovna zbirka GOVEDO kot vir podatkov za statistiko v kmetijstvu Central Cattle Database GOVEDO as a Source of Agriculture Statistics' Data Renata Rejec, SURS / SORS Projekt Urban Audit The Urban Audit Project Irena Žaucer, SURS / SORS Ekonomski računi za gozdarstvo Economic Accounts for Forestry Igor Kuzma, Danijela Šabič, SURS / SORS Sistem hierarhičnih mrež nova dimenzija v prikazovanju, analizi in diseminaciji statističnih podatkov na Statističnem uradu Republike Slovenije The System of Hierarchical Grids A New Dimension of Display, Analysis and Dissemination of Statistical Data at the Statistical Office of the Republic of Slovenia

229

230 STATISTIČNI DNEVI 2006 STATISTICAL DAYS CENTRALNA PODATKOVNA ZBIRKA GOVEDO KOT VIR PODATKOV ZA STATISTIKO V KMETIJSTVU Tomaž Perpar, Jože Verbič, Drago Babnik, Betka Logar, Mija Sadar POVZETEK Na Kmetijskem inštitutu Slovenije vodimo Centralno podatkovno zbirko GOVEDO (CPZ Govedo), ki je vir podatkov za potrebe selekcije in pomoč rejcem pri vodenju črede. Uporabna je tudi kot vir podatkov za področje statistike v kmetijstvu. Vključuje podatke o poreklu, plodnosti, lastnostih prireje in ocenah posameznih živali. Podatke obdelujemo po različnih ravneh (reja, občina, država). V CPZ Govedo je bilo vpisanih aktivnih goved na kmetijskih gospodarstvih. Statističnemu uradu RS posredujemo podatke o plemenskih bikih, mlečnosti in številu kmetij ter krav v CPZ Govedo. Sodelovanje pa bi v bodoče lahko še razširili. Na voljo imamo podatke o velikostni strukturi kmetij in staležu posameznih kategorij živali ter njihovem spreminjanju. Konec leta 2005 smo izvedli popis na gospodarstvih vključenih v kontrolo prireje (5.198 kmetij). Zajeli smo podatke o hlevu in opremi, načinu reje živali, pripravi krme in krmljenju, skladiščenju gnoja in druge. Podatki so vključeni v CPZ govedo, tako da so omogočene navzkrižne primerjave in analize. Nekatere izmed podatkov bomo poskušali spremljati tudi v prihodnje. Službe, ki izvajajo strokovne naloge v govedoreji lahko nudijo pomoč tudi pri zbiranju in obdelavi podatkov za potrebe statistik v kmetijstvu, kar lahko v bodoče pripomore k večji točnosti in zanesljivosti statističnih podatkov. CENTRAL CATTLE DATABASE GOVEDO AS A SOURCE OF AGRICULTURE STATISTICS' DATA SUMMARY Central cattle database GOVEDO is hosted at and maintained by Agricultural institute of Slovenia. Its primary aim is to support cattle breeding & selection and to assist farmers participating in performance recording with herd management. It can also act as a valuable source of agriculture statistics' data. Data on parentage, fertility, body scores and production is routinely collected, analysed and grouped from different aspects (farm, local community, state). On Dec. 31st, active animals (on holdings) were registered accompanied by several million of all animals. Data on breeding bulls, milk yields, number of active holdings and animals registered in Central cattle database is regularly send to Statistical office. This cooperation could be greatly expanded as data on size of farms accompanied by size of different categories of animal is also available (also chronologically). In late 2005 an extended non anonymous survey among farmers (5.198) has been performed with an aid from our partners from performance control and selection service. In this survey data on type of barns, farming equipment, type of rearing, methods of feed preparation and conservation, manure holding capacities and many others have been collected. This data has been embedded into Central cattle database thus enabling all sorts of cross analysis with actual production and herd data. Some of the most important parameters are planned to be monitored also in the future. When needed, cattle breeding and selection services could therefore essentially contribute to statistical data collection and analyzes thus improving the reliability of statistical data.

231 230 STATISTIČNI DNEVI 2006 STATISTICAL DAYS UVOD Spremljanje prireje govedi in selekcija na gospodarsko pomembne lastnosti od nekdaj igrata pomembno vlogo v govedoreji. Pomembno je, da so živali testirane v okolju, v katerem živijo in da se med njimi za dane razmere in želene cilje odbira najboljše živali. Na področju Slovenije se je organizirano delo na tem področju začelo že konec 19. stoletja z ustanavljanjem bikorejskih zadrug. Prvi podatki o kontroli prireje mleka segajo v leto Z uvedbo osemenjevanja in uporabo zamrznjenega semena se je zelo povečala možnost testiranja, odbire in uporabe najboljših plemenjakov, zmanjšalo pa se je število uporabljenih plemenjakov. Zaradi preprečevanja parjenja v sorodstvu se je povečala potreba po natančnih evidencah in vodenju porekla pri vseh živalih. Število informacij se je tako vedno bolj povečevalo. Zato si izvajanje strokovnih nalog v govedoreji brez sodobnega informacijskega sistema ne moremo predstavljati. Za potrebe izvajanja selekcije govedi smo razvili Informacijski sistem GOVEDO, katerega del je tudi Centralna podatkovna zbirka GOVEDO (CPZ Govedo), ki jo bomo predstavili v prispevku. Konec leta 2005 smo izvedli popis na gospodarstvih vključenih v kontrolo prireje (5.198 kmetij). Zajeli smo številne podatke o hlevu in opremi, načinu reje živali, pripravi krme in krmljenju, skladiščenju gnoja in druge. Podatke smo vključili v CPZ govedo, tako da so omogočene navzkrižne primerjave in analize. V drugem delu prispevka bomo podrobneje predstavili vrste podatkov, ki smo jih zajeli. 2 PREDSTAVITEV CPZ GOVEDO 2.1 Namen CPZ Govedo Brez učinkovite informacijske podpore bi bilo danes delo na področju strokovnih nalog v govedoreji zelo oteženo. Na Kmetijskem inštitutu Slovenije smo za te potrebe že pred leti pričeli z razvojem lastnega informacijskega sistema (IS). Jedro IS predstavlja CPZ Govedo. Celoten sistem je zasnovan na uporabi sodobnih spletnih tehnologij. Zbirka podatkov se sproti dopolnjuje z najnovejšimi podatki in novimi vrstami podatkov, ki jih spremljamo, hkrati pa dopolnjujemo tudi aplikacije za upravljanje s podatki. Dostop uporabnikov do CPZ Govedo je mogoč prek spletnega portala ( 24 ur dnevno vse dni v tednu. CPZ Govedo je tako vir številnih podatkov in informacij za : - obdelavo podatkov kontrole prireje mleka in mesa, - izvajanje selekcije govedi, - preprečevanje parjenja v sorodstvu, - izdajanje zootehniških dokumentov za plemensko govedo, - pomoč rejcem pri vodenju črede in - pomoč strokovnim službam pri svetovalnem delu. CPZ Govedo služi tudi kot vir podatkov za razvojno in raziskovalno delo v govedoreji, usmerjanje dejavnosti strokovnih služb in nenazadnje tudi kot pomoč pri usmerjanju kmetijske politike, načrtovanju ukrepov in sledenju njihovih učinkov.

232 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Uporabniki CPZ Govedo Naročnika strokovnih nalog v govedoreji sta priznani rejski organizaciji v govedoreji Govedorejsko poslovno združenje in Kmetijsko gozdarska zbornica Slovenije. Del nalog plačajo rejci, glavnino pa plača Ministrstvo za kmetijstvo, gozdarstvo in prehrano (MKGP). Podatki nastajajo in se zbirajo na različnih ravneh. Meritve in ocene živali, preverjanja porekla in druge podatke o reji opravijo kontrolorji in selekcionerji sedmih območnih zavodov Kmetijsko gozdarske zbornice Slovenije (Celje, Kranj, Ljubljana, Murska Sobota, Nova Gorica, Novo Mesto, Ptuj). Območni zavodi tudi izvedejo registracijo živali in njihovega porekla v CPZ Govedo. Vnos in obdelava podatkov kontrole prireje pa poteka centralno na Kmetijskem inštitutu Slovenije. Zbrani in obdelani podatki so tudi podlaga za obračun plemenskih vrednosti, ki se izvaja na BF, Oddelku za zootehniko. Ostali izvajalci strokovnih nalog v govedoreji Veterinarska fakulteta, Fakulteta za kmetijstvo v Mariboru, osemenjevalni centri in testne postaje pa vnašajo podatke le v manjšem obsegu in so predvsem uporabniki podatkov CPZ Govedo. Pomembni uporabniki CPZ Govedo so tudi rejci, svetovalci, veterinarji, uslužbenci MKGP ter organov v njegovi sestavi in drugi. Zaradi lažjega in predvsem hitrejšega dostopa do podatkov smo za rejce pripravili posebno vstopno točko, ki jim omogoča dostop do podatkov o svoji čredi. Podatki jim niso v pomoč samo pri odbiri plemenskih živali, temveč tudi pri vodenju prehrane krav, odkrivanju presnovnih motenj in obolenj vimena molznic, spremljanju plodnosti in plodnostnih motenj ter drugem Uporaba podatkov CPZ Govedo za statistiko Med uporabniki podatkov CPZ Govedo je tudi Statistični urad Republike Slovenije (SURS). Posredujemo mu predvsem podatke o plemenskih bikih, povprečni mlečnosti molznic v kontroli prireje, številu kmetij ter številu krav molznic in dojilj v CPZ Govedo. Možnosti za sodelovanje pa so še večje. Za statistiko so gotovo zanimivi tudi drugi podatki, ki jih lahko pridobimo iz CPZ Govedo, kot na primer: parametri plodnosti, velikostna in pasemska struktura kmetij in njeno spreminjanje, spremljanje posameznih kategorij govedi in podatki iz popisa kmetij v kontroli prireje mleka in mesa. Od leta 2002 naprej sistematično spremljamo (za vsako kmetijo v CPZ Govedo posebej) spreminjanje števila živali posamezne kategorije in pasemske strukture krav. Pasemsko strukturo ostalih kategorij smo pričeli na ta način spremljati v sredini leta Podatke o velikostni strukturi kmetij pred letom 2002 pa smo zbirali na osnovi poročil območnih zavodov. Evropska komisija je ugotovila, da potrebujemo za spremljanje multifunkcionalne vloge kmetijstva podatke o načinih kmetovanja. Dodatni popis naj bi se izvedel v letu Anketa, ki smo jo izvedli pokriva znaten del predvidenega popisa in nam daje določeno prednost pred državami, ki teh podatkov še nimajo. Prednost CPZ Govedo je v tem, da lahko vse podatke prostorsko opredelimo in tudi opravimo navzkrižne primerjave med njimi. Zbrani podatki so zelo zanesljivi, ker jih zberejo kontrolorji, ki so za to ustrezno usposobljeni in zaradi pogoste prisotnosti v hlevu dobro poznajo stanje na kmetiji.

233 232 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Obseg podatkov v CPZ Govedo in nekateri zanimivi rezultati obdelav V CPZ Govedo imamo podatke o vsem govedu na kmetijah, kjer spremljamo poreklo živali (Zkontrola) oziroma lastnosti prireje (A-kontrola). Na nekaterih kmetijah vodimo le register živali (Rkontrola), kjer razen staleža ostalih podatkov ne spremljamo. V CPZ Govedo je bilo vpisanih aktivnih goved (>95 % vseh goved v Sloveniji) na kmetijskih gospodarstvih. Živali smo razdelili v skupino krav, telic, bikov in telet. Skupino telic in bikov pa delimo glede na starost v dve podskupini: 12 do 24 mesecev in nad 24 mesecev. Na kmetijskih gospodarstvih so redili krav (39,7 % vseh govedi), 27,6 % telet do starosti 12 mesecev, 17,5 % telic starejših od 12 mesecev, 15,1 % bikov starejših od 12 mesecev in 0,1 % (416) plemenskih bikov. Največ govedi je v Savinjski statistični regiji (87.601), najmanj pa v Obalnokraški (2.456). Podrobnejši pregled je v tabeli 1. Reje krav po usmeritvi delimo na reje krav molznic ( rej s kravami) s tržno prirejo mleka in reje krav dojilj in rejnic ( rej s kravami). Skupaj je bilo v rejah krav. Pri treh rejah, ki rede 5 krav, usmeritve nismo imeli zabeležene. Podrobnejši pregled števila rej glede na število krav, ki jih rede in števila krav v teh rejah, je v tabeli 2. Največ kmetij (17.536) je v letu 2005 v povprečju redilo 1 ali 2 kravi na kmetijo, kmetij 3 do 9 krav, 10 do 19 krav kmetij, dvajset in več krav na kmetijo pa kmetij. Največ krav se je nahajalo na kmetijah s 3 do 9 kravami (67.377), nato na kmetijah z 10 do 19 kravami (43.286). V rejah je bilo v povprečju 5 krav na kmetijo, pri čemer so velike razlike med rejami dojilj in rejnic, v katerih rede v povprečju 2,7 krave na kmetijo ter rejami molznic, ki rede v povprečju 10,5 krav na kmetijo. Preko 74 % krav molznic je vključenih v kontrolo prireje mleka. Pri njih mesečno spremljamo količino namolzenega mleka, vsebnost maščob, beljakovin in laktoze v mleku, na željo rejca (proti plačilu) pa tudi število somatskih celic in vsebnost sečnine. Na kmetijah v kontroli prireje mleka so v letu 2005 priredili skupaj kg mleka. Največ v Podravski regiji kg mleka in najmanj v Obalno kraški regiji kg mleka. Povprečna letna prireja mleka po kravi v Sloveniji v letu 2005 je bila kg na molznico. Podrobnejši pregled je v tabeli 3. Kontrolo prireje mesa vodimo v 66 rejah dojilj mesnih pasem, predvsem šarole in limuzin ter kombiniranih pasmah, lisasti in rjavi. Merimo predvsem mase telet in njihovih mater ter spremljamo priraste telet. Kontrola je sestavljena iz treh delov. Vsako tele je stehtano najmanj trikrat: ob rojstvu, v tretjem mesecu starosti in ob odstavitvi (210. dnevu). Mase telet in priraste spremljamo tudi na testnih postajah in v vzrejališčih mladih bikov. V letu 2005 pa smo pričeli tudi z zajemanjem informacij, ki se zbirajo na liniji klanja takoj po zakolu živali. V kontroli prireje in kontroli porekla spremljamo tudi lastnosti plodnosti: telitve, osemenitve in pripuste, življenjsko dobo živali ter nekatere druge meritve in ocene zunanjosti živali. 3 POPIS REJ, VKLJUČENIH V KONTROLO PRIREJE MLEKA IN MESA Konec leta 2005 smo izvedli popis na gospodarstvih vključenih v kontrolo prireje (5.198 kmetij). V anketi smo zajeli podatke o hlevu in opremi, načinu reje živali, pripravi krme in krmljenju, skladiščenju gnoja in druge. Podatki so vključeni v CPZ govedo, tako da so omogočene navzkrižne primerjave in analize. Nekatere izmed podatkov bomo poskušali spremljati tudi v prihodnje.

234 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Ciljna skupina rej v popisu so bile reje v kontroli prireje mleka in mesa. Popis smo izvedli s pomočjo kontrolorjev območnih zavodov Kmetijsko gozdarske zbornice Slovenije konec leta V sodelovanju s Kmetijsko gozdarsko zbornico Slovenije je anketo pripravil in organiziral izvedbo popisa Kmetijski inštitut Slovenije. Slednji je tudi zajel podatke v CPZ Govedo in jih obdeluje. V anketi je sodelovalo 92 % kmetij v kontroli prireje mleka in 67 % kmetij v kontroli prireje mesa. Rezultati popisa ne odražajo povprečnega stanja na vseh kmetijah, ki rede govedo, saj smo s popisom pokrili le 14 % kmetij s kravami in kar 42 % krav. Dobro pa odražajo stanje na kmetijah z 10 in več kravami in kmetijah v kontroli prireje ne glede na število krav (slika 1). V anketi smo zajeli sledeče vsebine: - prostorsko umestitev kmetij - zanimalo nas je, kje se kmetija nahaja: v urbanem naselju, na robu urbanega naselja, v vasi s pretežno kmečkim prebivalstvom ali na samem; - usmeritev reje: o namen reje krav: za prirejo mleka ali izključno za rejo telet (dojilje in rejnice), o prodaja, pitanje in nakup telet za pitanje; - ocena intenzivnosti kmetovanja in načrtovana usmeritev kmetije v naprej; - način reje krav in mlade živine poleti in pozimi vezana reja, različne oblike proste reje, izpust, paša in drugo; - načini razmnoževanja; - podatki o hlevu in opremi: o načinu krmljenja, o načinu molže, opremi za molžo in spremljanje količin mleka, o računalniški opremi in toku podatkov; - vrsta in način skladiščenja živinskega gnoja; - krma in konzerviranje: o potreba po dokupu voluminozne krme, o način spravila krme s travinja (različni načini sušenja in siliranja), o krmljenje koruzne silaže, o težave pri konzerviranju krme; - sestava osnovnega obroka; - dokrmljevanje: katera krmila in kakšne količine polaga rejec kravam pri največji mlečnosti; - najpogostejše težave pri reji govedi: o zdravstvene težave, o plodnostne motnje, o kakovost mleka; - uporaba informacij v rejah vključenih v kontrolo prireje; - potrebe po strokovni podpori, predlogi za izboljšanje stanja in načrti. 4 ZAKLJUČEK Med uporabniki podatkov CPZ Govedo je tudi SURS. Dosedanje sodelovanje je dobro, želimo pa si še več sodelovanja in koordiniranega dela. CPZ Govedo je lahko dober vir podatkov za statistiko v kmetijstvu, saj je vanj vključeno skoraj vse govedo v Sloveniji (>95 %). Poleg staleža govedi pa omogoča tudi spremljanje številnih drugih parametrov: lastnosti prireje mleka in mesa, življenjsko dobo živali, pasemsko strukturo, lastnosti plodnosti ter nekatere druge meritve in ocene živali.

235 234 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Prednost CPZ Govedo je v tem, da lahko vse podatke prostorsko opredelimo in tudi opravimo navzkrižne primerjave med njimi. To nam omogoča analitično delo na ravni naselij, občin regij, države in drugih geografsko zaokroženih enot kot so parki, območja NATURE 2000 itd. Zbrani podatki so zelo zanesljivi, ker jih zberejo kontrolorji, ki so za to ustrezno usposobljeni in zaradi pogoste prisotnosti v hlevu dobro poznajo stanje na kmetiji. Glavnina kmetij, ki rede 10 in več krav in predstavljajo najvitalnejši del slovenske govedoreje, je vključenih v kontrolo prireje mleka ali mesa. Na teh kmetijah smo naredili popis v katerem smo zajeli podatke o hlevu in opremi, načinu reje živali, pripravi krme in krmljenju, skladiščenju gnoja in druge. Podatki so vključeni v CPZ Govedo, kar omogoča preučevanje povezav med različnimi načini kmetovanja in proizvodnimi lastnostmi krav molznic in pitovnih goved. Evropska komisija je ugotovila, da potrebujemo za spremljanje multifunkcionalne vloge kmetijstva podatke o načinih kmetovanja. Dodatni popis naj bi se izvedel v letu Opravljena anketa pokriva znaten del predvidenega popisa in nam daje določeno prednost pred državami, ki teh podatkov še nimajo. Tabela 1: Aktivne živali v CPZ Govedo, Slovenija 2005 Table 1: Active animals in the central cattle database GOVEDO, Slovenia 2005 Statisitčna Regija Statistical Region Št. kmetij No.of herds Št.krav Št.telic/No.of heifers Št.bikov/No.of bulls No.of cows 12-24* >24* 12-24* >24* Plem./Breed. Št.telet/No.of calves (<12*) Gorenjska , Goriška , Jugovzhodna Slovenija , Koroška , Notranjsko-kraška , Obalno-kraška 537 4, Osrednjeslovenska , Podravska , Pomurska , Savinjska , Spodnjeposavska , Zasavska , Druž.kmetije Family farms , Kmet.podjetja Agricultural , enterprises Skupaj Total , * Starost v mesecih/age in months Vir: CPZ Govedo Št.glav/gosp. No.of heads per herd Živali po kategorijah/animals by classes Skupaj Total

236 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Tabela 2: Število čred in število krav glede na število krav v čredi, Slovenija 2005 Table 2: Number of herds and cows by herd size classes, Slovenia 2005 Št.krav v čredi/no.of cows per herd Statistična regija Skupaj <= >=200 Statistical region Total Št.čred /No.of herds Gorenjska Goriška Jugovzhodna Slovenija Koroška Notranjsko-kraška Obalno-kraška Osrednjeslovenska Podravska Pomurska Savinjska Spodnjeposavska Zasavska Skupaj/Total Št.krav /No.of cows Gorenjska Goriška Jugovzhodna Slovenija Koroška Notranjsko-kraška Obalno-kraška Osrednjeslovenska Podravska Pomurska Savinjska Spodnjeposavska Zasavska Skupaj/Total Vir: CPZ Govedo

237 236 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Tabela 3: Skupna in povprečna letna prireja mleka na kmetijah v kontroli prireje mleka, Slovenija 2005 Table 3: Total and average annual milk yield on herd in milk recording, Slovenia 2005 Statisitčna Regija Statistical Region Letna prireja / annual milk yiald Skupaj Na kravo Total Per cow Gorenjska Goriška Jugovzhodna Slovenija Koroška Notranjsko-kraška Obalno-kraška Osrednjeslovenska Podravska Pomurska Savinjska Spodnjeposavska Zasavska Skupaj Total Vir: CPZ Govedo Št.krav No.of cows Slika 1: Število krav dojilj in molznic v primerjavi s številom vseh in v anketo zajetih krav v kontroli prireje mleka glede na število krav v hlevu Velikostna struktura kmetij glede na število krav v hlevu Število krav nad Vir: CPZ Govedo Dojilje Mleko Mleko A - kontrola Mleko A - kontrola - anketa

238 STATISTIČNI DNEVI 2006 STATISTICAL DAYS VIRI 1. Babnik Drago, Verbič Jože, Podgoršek Peter, Jeretina Janez, Perpar Tomaž, Logar Betka, Sadar Marija, Ivanovič Boris, Priročnik za vodenje prehrane krav molznic ob pomoči rezultatov mlečne kontrole, Kmetijski inštitut Slovenije, Ljubljana marec 2004, 84 str. 2. Centralna podatkovna zbirka GOVEDO, Kmetijski inštitut Slovenije 3. Logar Betka, Informacijski sistem Govedorejske službe Slovenije, 100 let dela v selekciji in kontroli prireje mleka na Slovenskem, Ptuj-Ljubljana 2004, str. 115 do Logar Betka, Podgoršek Peter, Jeretina Janez, Ivanovič Boris, Perpar Tomaž. Online-available milk-recording data for efficient support of farm management. V: Kuipers Abele (ur.), Klopčič Marija (ur.), Cled Thomas (ur.). Knowledge transfer in cattle husbandry : new management practices, attitudes and adaptation, (EAAP publication, no. 117). Wageningen: Wageningen Academic Publishers, 2005, str Sadar Marija, Podgoršek Peter, Perpar Tomaž, Logar Betka, Ivanovič Boris, Jeretina Janez, Rezultati kontrole prireje mleka in mesa Slovenija 2005, Kmetijski inštitut Slovenije, Ljubljana junij 2006, 50 str.

239 238 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 PROJEKT URBAN AUDIT Renata Rejec POVZETEK Projekt Urban Audit je edinstven inštrument, ki ponuja široko paleto kazalnikov o kvaliteti bivanja v evropskih mestih. S projektom je bil prvič zbran tako velik nabor primerljivih podatkov, s katerimi se lahko odgovori na vprašanja, pri katerih so bili zaradi pomanjkanja informacij, odgovori do sedaj pomanjkljivi. In sicer: - kakšno vlogo imajo mesta v Evropski Uniji, - kakšne so razlike in podobnosti med mesti, - kakšne so razlike znotraj posameznega mesta. Odgovori na ta vprašanja so pomembni, saj so mesta ''motor'' razvoja širšega območja kateremu pripadajo. Hkrati so mesta stičišče novih priložnosti ter na drugi strani problemov in težav. Aktivno vlogo v projektu ima tudi Slovenija, saj sta v skupino mest vključeni mesti Ljubljana in Maribor. Trenutne potrebe kažejo na to, da se bo projekt nadaljeval tudi v prihodnje. Zbirka primerljivih podatkov, zbranih v predhodnih fazah za leta 1991, 1996 in 2001, se bo dopolnjevala vsaka tri leta, kar bo še dodatno povečalo njeno uporabnost in vrednost. THE URBAN AUDIT PROJECT SUMMARY The Urban Audit Project is a unique tool that offers a wide range of indicators of the quality of life in European cities. It was the first time that comparable data were collected in that dimension. The collected data offer answers to questions that could not be answered due to lack of information. Namely: - what is the role of cities in the European Union - what are the differences and similarities between European cities - what are the differences inside an individual European city. Answers to these questions are important because cities are the engines of development in wider areas where they are located. At the same time cities are places of new opportunities on the one hand and of problems and troubles on the other. Slovenia plays an active part in the Project by including its two cities: Ljubljana and Maribor. The current needs show that the Project will be continued. Data collection for 1991, 1996 and 2001 will be completed each three years, which will increase its value and usefulness.

240 STATISTIČNI DNEVI 2006 STATISTICAL DAYS CILJ PROJEKTA Projekt Urban Audit se je razvil kot odgovor na naraščajoče potrebe ocenjevanja kvalitete življenja v evropskih mestih. Namen projekta je bil zbrati primerljive podatke, s ciljem oblikovati temelje za redno zbiranje statističnih podatkov za mestna območja. Projekt je bil označen kot bistvena naloga (core business), na pomembnosti pa pridobiva tudi z vključevanjem v kohezijsko politiko. Večina evropskih prebivalcev namreč živi v urbanih območjih (približno 60%). Mesta so centri gospodarskega razvoja, hkrati s tem pa tudi centri ekonomskih, socialnih in okoljskih problemov. Vendar pa mesta sama za sebe ne morejo delovati, temveč se morajo povezovati s širšo regijo. Mesta in regije potrebujejo drug drugega. Regija je lahko veliko bolj uspešna, če so uspešna njena mesta, mesta pa se lahko bolj krepijo in razvijajo čim bolj se krepi širša regija. Nova kohezijska politika za obdobje namenja nove programe in sredstva tudi za lokalne in regionalne nivoje. Z novimi metodami investiranja se mesta spodbuja, hkrati pa se jim tudi omogoča, da izkoristijo sredstva, ki jih programi ponujajo. Na tak način se lahko izkoristi potencial, ki ga posamezno mesto ima. Nova finančna perspektiva tako predvideva sredstva, namenjena za financiranje mest in mestnih območij. Projekt Urban Audit bo postal del cilja ''konkurenčnost in zaposlovanje''. V zvezi s tem bodo države same odločale o pomembnosti mestnega vidika, s tem pa tudi o koriščenju oziroma nekoriščenju sredstev. 2 KAKO JE PROJEKT POTEKAL DO SEDAJ? 2.1 Začetki projekta Začetki projekta Urban Audit segajo že v leto Takrat so se pojavile prve težnje po takšnem projektu in prve zamisli kako projekt izpeljati v takšnem obsegu. Zato so se začele priprave na poskusni projekt. Vodilno vlogo je prevzel Eurostat, s svetovanjem in zbiranjem informacij pa so k razvijanju projekta pripomogli še direktorati Evropske komisije, ki pokrivajo različna področja. S strani Evropske komisije je bilo k sodelovanju povabljenih 58 mest iz takratnih 15 držav članic Evropske Unije. Glavno merilo za izbor mest je bilo število prebivalcev, tako da so bila v skupino 58 mest vključena le največja mesta. Iz vsake države je bilo izbranih le nekaj mest, tako da so izbrana mesta predstavljala približno 15% celotne populacije države. Izjemoma nista bila vključena London in Pariz, ki po velikosti in številu prebivalcev izstopata in sta bila označena kot preveč problematična za začetno fazo. Zbranih je bilo približno 480 spremenljivk, iz katerih je bilo izračunanih več kot 100 kazalnikov, ki so pokrivali 5 področij. Ta področja so bila: socialno ekonomski vidik, udeležba pri odločanju, izobraževanje, okolje ter kultura in rekreacija. Ker je bil projekt že od vsega začetka označen kot testni projekt, kakšni posebni rezultati niso bili pričakovani. Glavni namen je bil ugotoviti, kakšne so možnosti za zbiranje podatkov, kako in za koga bi bili zbrani podatki uporabni ter kakšne so napake pri zasnovi projekta in kako jih odpraviti. Ugotovitve so bile spodbujajoče. Na eni strani so rezultati pokazali, da je kljub tehničnim težavam in zapletom možno zbrati številne primerljive kazalnike o kvaliteti bivanja, s katerimi je možno primerjati mesta širom Evrope, na drugi strani pa tudi, da so rezultati uporabni za župane in lokalne oblasti.

241 240 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Nadaljevanje projekta Na podlagi ugotovitev poskusne faze projekta je bila sprejeta odločitev, da je s projektom smiselno nadaljevati, saj je projekt uporabno orodje za sprejemanje odločitev na evropski, državni in regionalni ravni. Nadalje je bila sprejeta odločitev, da se projekt začne izvajati v še širšem obsegu. Tako so povabilo za sodelovanje poleg držav članic Evropske unije prejele tudi takratne države kandidatke ter Bolgarija in Romunija. V projekt so se vključila številna nova mesta, zlasti večje število srednje velikih mest, prav tako tudi London in Pariz. Ker je bila Slovenija takrat tudi v skupini držav kandidatk, je Statistični urad aprila 2003 prejel uradno povabilo za sodelovanje pri projektu in se nanj pozitivno odzval. To je bil začetek projekta Urban Audit II, v katerem so se zbirali podatki za leto 2001 ali temu najbližje leto. Potek projekta je bil tudi v nadaljevanju pod okriljem Evropske komisije in Eurostata, ki sta določala kriterije za izbor mest, nabor spremenljivk ter celoten potek, organizacijo in program dela. 2.3 Izbor mest in prostorskih enot Že na začetku je bilo za vsako državo vnaprej predvideno okvirno število mest, ki bodo vključena v projekt. Glede na priporočila in navodila s strani Evropske komisije in Eurostata so nato države predlagale mesta, ki bi bila vključena v projekt in prostorske enote, za katere bi se v okviru vsakega posameznega izbranega mesta zbirali podatki. Tudi tokrat je bil pri izboru ključni kriterij število prebivalcev. Mesta so morala biti izbrana tako, da so predstavljala približno 20% celotne populacije v posamezni državi. Poleg tega je bilo priporočilo Eurostata, da se vključijo vsa glavna mesta; kjer je možno tudi vsa glavna mesta regij; da so ta mesta razkropljena po celotni državi ter da se vključijo tako velika mesta, ki imajo več kot prebivalcev ter tudi srednje velika mesta, ki imajo od do prebivalcev. Skupaj je bilo nato v projekt izbranih 258 mest iz 25 držav članic Evropske unije ter Bolgarije in Romunije.

242 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Tabela 1: Število izbranih mest po posameznih državah 2001 Celotna populacija Število velikih mest Urban Audit Število srednje velikih mest Skupno število mest Urban Audit populacija Urban Audit populacija / celotna populacija Belgija % Češka % Danska % Nemčija % Estonija % Grčija % Španija % Francija % Irska % Italija % Ciper % Latvija % Litva % Luxemburg % Madžarska % Malta % Nizozemska % Avstrija % Poljska % Portugalska % Slovenija % Slovaška % Finska % Švedska % Združeno Kraljestvo % Bolgarija % Romunija % Skupaj % Vir: Evropska komisija, Directorate-General Regio, Urban Audit Projekt Urban Audit obravnava tri prostorske ravni širše mestno območje, mestno območje in dele mestnega območja. To pomeni, da se podatki za vsako posamezno mesto zbirajo na izbranih prostorskih ravneh. Države so tudi pri izboru prostorskih enot sledile Eurostatovim navodilom in priporočilom. Najpomembnejše območje predstavlja mestno območje. V mnogih državah so meje mestnega območja jasno določene in dobro poznane, saj so to pogosto območja, ki so omejena z administrativno mejo. Tako z določanjem tega območja večina držav ni imela težav. Širše mestno območje pa je okoliško območje, ki sovpada s funkcionalnim mestnim območjem. Zaradi želje po zbiranju primerljivih podatkov je bilo priporočeno, da se za širše mestno območje izbere območje glede na raven Klasifikacije teritorialnih enot za statistiko v EU. Priporočeni ravni sta bili raven NUTS3 ali nekdanja raven NUTS4, ki je zdajšnja LAU 1 (local administrative unit). Zaradi potrebe po ugotavljanju razlik znotraj posameznega mestnega območja so se v projektu zbirali tudi podatki

243 242 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 za ožje oziroma manjše dele mestnega območja. Priporočeno je bilo, da se ta območja izberejo tako, da so notranje čimbolj homogena, navzven pa čimbolj raznolika ter, da naj imajo od do prebivalcev. Zaradi upoštevanja postavljenih meril so bili v mnogih mestih deli mestnega območja združeni. Za nekatera majhna mesta, vključena v projekt, se ožjih delov mestnega območja sploh ni dalo določiti. Ta mesta so: Galway, Ancona, Campobasso, Caserta, Catanzaro, l'aquila, Perugia, Pescara in Linz. Po končanem izboru so skoraj vsa mesta uspela izbrati prostorske enote tako, da so se čim bolj približala postavljenim zahtevam in merilom. 2.4 Področja, za katera so se podatki zbirali V projektu so se zbirali podatki za več kot 300 spremenljivk. Seveda bi bilo preveč zahtevno, če bi želeli zbirati podatke za vse spremenljivke na vseh prostorskih ravneh. Pa tudi dosegljivost podatkov na nižjih ravneh je slabša. Nekatere države so dele mestnega območja določile prav posebno za projekt, tako da je bilo zagotavljanje podatkov za ta območja še posebej težko. Ker je bila nizka stopnja odgovora na nekaterih področjih, še posebno za nižje prostorske ravni pričakovana, je bil predhodno, že pred začetkom zbiranja podatkov pripravljen seznam spremenljivk, na katerem je bila pri vsaki posamezni spremenljivki označena prostorska raven za katero se bodo podatki zbirali. Določeno je bilo, da se bodo vse spremenljivke zbirale za mestno območje, večji del spremenljivk tudi za širše mestno območje, manjši nabor, samo približno 30 spremenljivk, pa tudi za dele mestnega območja. Spremenljivke so pokrivale naslednja področja: - demografija (prebivalstvo, narodnost, struktura gospodinjstev), - socialne razmere (stanovanja, zdravstvene razmere, kriminaliteta), - ekonomske razmere (trg delovne sile, ekonomska aktivnost, dohodki, neenakost in revščina), - udeležba pri odločanju (udeležba prebivalstva, lokalna uprava), - izobraževanje (možnosti za izobraževanje, pridobljena izobrazba), - okolje (podnebne in geografske razmere, hrup, kvaliteta zraka, voda, ravnanje z odpadki, raba tal, poraba energije), - promet in transport, - informacijska družba, - kultura in rekreacija, - turizem. 2.5 Proces zbiranja podatkov Celotna organizacija projekta je bila zamišljena kot skupno delo, pri katerem sodelujejo Evropska komisija, Eurostat ter Nacionalni statistični uradi. Eurostat je v sodelovanju z Evropsko komisijo določil kriterije, nabor spremenljivk, urnik dela, potrdil predlagana mesta in prostorske ravni ter skrbel za metodologijo in objavo podatkov. Nacionalni statistični uradi pa so usklajevali zbiranje podatkov za izbrana mesta v posamezni državi. Zaradi lažje organizacije dela in lažje komunikacije med Eurostatom in Nacionalnimi statističnimi uradi je vsak statistični urad imenoval nacionalnega koordinatorja. Glavne naloge nacionalnega koordinatorja so bile organizacija zbiranja podatkov znotraj uradov in iz zunanjih inštitucij, skrb za zbiranje podatkov po zahtevanih definicijah, ter poročanje Eurostatu v zahtevanih rokih.

244 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Zbiranje podatkov je bilo obsežno, tako da je delo potekalo dalj časa. Načrt dela je bil s strani Eurostata pripravljen vnaprej, v vsaki fazi so bile določene naloge, ki jih je bilo potrebno opraviti in rok. Vsaka faza je bila priprava za nadaljnje delo, vsaka naslednja faza pa logično nadaljevanje predhodne. Države so bile po vsaki fazi dolžne napisati poročilo o opravljenem delu. Zbiranje podatkov se je začelo tako, da so države najprej pripravile razvrstitev dosegljivosti spremenljivk. To pomeni, da se je za vsako spremenljivko, ki se je zbirala, označilo ali je podatek na voljo ali ne. Vse države so uporabljale enake oznake: - A = podatek je dosegljiv, - B = podatek bi bilo mogoče oceniti, - C = podatek ni dosegljiv. Na podlagi tako pripravljenega seznama je potekalo nadaljnje delo. Najprej so se podatki zbirali znotraj uradov, nato s sodelovanjem drugih inštitucij, za nekatere spremenljivke so bile pripravljene ocene. Postopek zbiranja podatkov v projektu Urban Audit II se je končal v prvi polovici leta Po končanem zbiranju so bila opravljena različna preverjanja podatkov, z namenom ugotavljanja in popravljanja morebitnih napak. 2.6 Leto 1991 in 1996 V času zbiranja podatkov za leto 2001 je potekalo še zbiranje podatkov za leti 1991 in Zbiranje podatkov je potekalo po enakem postopku kot za leto 2001, za iste prostorske ravni. Nekoliko zmanjšan je bil le seznam spremenljivk, saj je ta obsegal le slabo tretjino spremenljivk, ki so se zbirale za leto Tako se je s podatki za leti 1991 in 1996 še dodatno dopolnila zbirka podatkov, zbranih s projektom. 2.7 Kaj pa Slovenija? V času izvajanja poskusnega projekta je Slovenija sodelovala le kot opazovalka. Po prejemu vabila za sodelovanje smo se v projekt Urban Audit II aktivno vključili s pripravami in nato še z zbiranjem podatkov za leto Na začetku smo, tako kot vse druge države, v skladu z Eurostatovim predlaganim številom mest pripravili predlog vključenih mest in prostorskih enot za Slovenijo. Z naše strani je bilo predlagano, da se v projekt vključi Ljubljana, kot glavno mesto naše države, ki se glede na kriterij števila prebivalcev uvršča med velika mesta. Poleg Ljubljane smo predlagali še mesto Maribor, ki je po številu prebivalcev drugo največje mesto pri nas in se uvršča med srednje velika mesta. Pri izbiranju širšega mestnega območja smo se odločali med upravnimi enotami (LAU 1) in statističnimi regijami (NUTS3). Na koncu smo predlagali statistične regije, saj tako osrednjeslovenska statistična regija, ki ji pripada mesto Ljubljana, kot tudi podravska statistična regija, kateri pripada mesto Maribor, predstavljata območje dnevnih in tedenskih migracij, vezanih na mesta. Obe mesti pa hkrati predstavljata gospodarsko, šolsko, upravno in politično središče celotne regije. Pri izboru mestnega območja smo se odločali med občinami (Mestna občina Ljubljana, Mestna občina Maribor) in naselji (naselje Ljubljana, naselje Maribor). Oba izbora bi

245 244 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 imela svoje prednosti in slabosti, odločili pa smo se za občine. Poglavitni argument, da so bila kot mestna območja izbrane občine, je ujemanje meja občin z mejami krajevnih in četrtnih skupnosti, saj so bile v nadaljevanju, kot deli mestnega območja, izbrane ravno četrtne in krajevne skupnosti v obeh omenjenih občinah. Mestno občino Ljubljana sestavlja 16 četrtnih skupnosti. Od tega je 11 četrtnih skupnosti v celoti zajetih v meje naselja Ljubljana, ostale četrtne skupnosti pa deloma sodijo v naselje Ljubljana, deloma pa pripadajo ostalemu ozemlju Mestne občine Ljubljana. Tako bi v primeru, če bi za mestno območje izbrali območje naselja Ljubljana izgubili sovpadanje meja, saj meje četrtnih skupnosti ne sovpadajo z mejo naselja Ljubljana. Prav tako kot mestna občina Ljubljana je tudi Mestna občina Maribor razdeljena na 17 prostorskih enot. Od tega je 11 četrtnih skupnosti in 6 krajevnih skupnosti. Problem je enak kot v mestni občini Ljubljana, saj 4 četrtne skupnosti presegajo meje naselja Maribor. Res pa je, da smo z izborom občin kot mestnih območij v ta območja vključili tudi bolj podeželski del obeh občin. Ko sta bili obe mesti in njima pripadajoče prostorske enote potrjene s strani Eurostata, smo z delom na projektu nadaljevali po predvidenem planu. Pripravili smo grafične prikaze za izbrane prostorske enote in nadaljevali s pripravo razvrstitve spremenljivk po dosegljivosti. Posamezno spremenljivko smo za vsako raven zbiranja posebej označili z ustreznimi oznakami glede na to ali je podatek dosegljiv, nedosegljiv, ali pa ga je mogoče oceniti. Razvrstitev spremenljivk po dosegljivosti je bila dobra podlaga za nadaljnje zbiranje podatkov, saj je bilo tako izločeno nepotrebno iskanje podatkov, ki niso dosegljivi, prav tako pa so bile označene spremenljivke, ki bi se jih dalo oceniti. Pri zbiranju podatkov in svetovanju glede metodologije so nam bili v pomoč sodelavci iz različnih oddelkov Statističnega urada, nujno potrebno pa je bilo tudi povezovanje navzven. Prošnje za podatke smo posredovali Ministrstvu za notranje zadeve, Agenciji Republike Slovenije za okolje, Inštitutu za varovanje zdravja Republike Slovenije, Mariborskemu Vodovodu in Vodovodu Kanalizaciji Ljubljana. Na prošnjo za podatke so se v vseh inštitucijah odzvali, tako da so nam posredovali podatke ali pa nam svetovali glede nadaljnjega iskanja zahtevnih podatkov. Namesto podatkov, ki po ustrezni metodologiji ali po zahtevanih prostorskih ravneh niso bili dosegljivi, smo posredovali podatke po podobnih definicijah in jih opremili z ustreznimi opombami ali pa smo pripravili ocene podatkov. Najpogosteje uporabljen model ocenjevanja je bil model računanja ocen, glede na delež prebivalstva iz nadrejenih prostorskih enot za podrejene prostorske enote (iz regij za občine). Zbirali smo tudi podatke za leti 1991 in Težave pri zbiranju podatkov za ti dve leti so nam povzročale predvsem spremembe prostorskih enot, ki so bile v obdobju od osamosvojitve Slovenije naprej pogoste. Večkrat se je močno spremenila občinska mreža, kar seveda pomeni spremembo mej občin, spremenjene pa so bile tudi krajevne in četrtne skupnosti. Zaradi teritorialnih sprememb so bili zaradi zagotavljanja primerljivih podatkov potrebni preračuni na novejše teritorialno stanje. To pomeni, da smo podatke za obe statistični regiji dobili s seštevanjem podatkov po občinah, ki so bile v času preračunavanja podatkov vključene v ti dve regiji. Podatke za obe občini smo preračunali s seštevanjem podatkov po naseljih, podatke za četrtne in krajevne skupnosti pa smo preračunavali po posebej pripravljenem pretvornem šifrantu. Ker pa je večina podatkov za pretekla leta na voljo le na ravni občine smo za preračunavanje uporabili še druge metode. Ocene smo pripravljali glede na delež prebivalstva, ali na delež ocenjevanega pojava, tako da smo upoštevali teritorialne spremembe.

246 STATISTIČNI DNEVI 2006 STATISTICAL DAYS REZULTATI Med rezultate projekta se ne štejejo le zbrani podatki in iz njih pripravljeni kazalniki, ki opisujejo trenutno stanje evropskih mest in njihovo spreminjanje skozi čas. Prav tako tudi ne samo nove izkušnje in znanja, ki so dobra popotnica za nadaljevanje še kvalitetnejšega dela. Med rezultate sodijo zlasti nova spoznanja o evropskih mestih, saj zbrani podatki ponujajo odgovore na števila vprašanja: katero mesto ima največ zelenih površin, v katerem mestu je pričakovana življenjska doba najdaljša, kje so cene stanovanj najnižje, kje je največ brezposelnih Z enostavnim pregledovanjem zbranih podatkov je moč priti do zanimivih ugotovitev. Eno od bolj opaženih spoznanj je to, da mesta izgubljajo prebivalce. Spodnji graf prikazuje stanje prebivalcev v glavnih mestih držav Evropske unije, Bolgarije in Romunije za leto 1991 in V grafu niso prikazana tri glavna mesta, ker podatki za ta tri mesta niso na voljo za obe primerjani leti. Ta mesta so Amsterdam (NL), s približno prebivalci, Valletta (MT) s približno prebivalci in Paris (FR), ki ima več kot 6 milijoni prebivalcev. Iz grafa je razvidno, da je po številu prebivalcev, največja evropska prestolnica London z več kot 7 milijonov prebivalci, najmanjša pa Luksemburg. Največji upad prebivalstva je opažen v Rimu in Budimpešti. Slika 1: Gibanje števila prebivalcev v glavnih mestih držav Evropske unije, Bolgarije in Romunije v obdobju od 1991 do število prebivalcev London (UK) Berlin (DE) Madrid (ES) Roma (IT) Bucuresti (RO) Budapest (HU) Warszawa (PL) Wien (AT) Praha (CZ) Sofia (BG) Bruxelles / Brussel (BE) Athina (GR) Riga (LV) Stockholm (SE) Lisboa (PT) Helsinki (FI) Vilnius (LT) Kobenhavn (DK) Dublin (IE) Bratislava (SK) Tallinn (EE) Ljubljana (SI) Lefkosia (CY) Luxembourg (LU) glavna mesta Vir: Urban Audit Glavno mesto z največjim deležem prebivalcev starih nad 75 let je glavno mesto Portugalske Lizbona, sledi ji Stockholm. Najmanjši delež prebivalcev starih nad 75 let ima Vilna, glavno mesto Litve. Bruselj je mesto z največjim deležem prebivalcev starih od 0 4 leta. Tesno za njim so London, Kobenhaven in Amsterdam. Najmanjši delež prebivalcev v omenjeni starostni skupini ima Riga, glavno mesto Latvije. Na spodnji sliki manjka Valletta, glavno mesto Malte, saj za to mesto podatki po starostnih skupinah niso dosegljivi.

247 246 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Slika 2: Število prebivalcev v glavnih mestih držav Evropske unije, Bolgarije in Romunije, po izbranih starostnih skupinah, 2001 % 12,00 10,50 9,00 7,50 6,00 4,50 3,00 1,50 0,00 Bruxelles / Brussel (BE) London (UK) Kobenhavn (DK) Amsterdam (NL) Luxembourg (LU) Dublin (IE) Lefkosia (CY) Paris (FR) Stockholm (SE) Helsinki (FI) Wien (AT) Vilnius (LT) Roma (IT) Berlin (DE) Ljubljana (SI) Madrid (ES) Tallinn (EE) Budapest (HU) Athina (GR) Lisboa (PT) Warszawa (PL) Sofia (BG) Praha (CZ) Bucuresti (RO) Bratislava (SK) Riga (LV) 0-4 leta 75 in več glavna mesta Vir: Urban Audit Analize podatkov kažejo tudi to, da mesta privlačijo visoko izobražene ljudi. Visoko izobraženi ljudje so pogosto bolj geografsko mobilni in imajo višje prihodke. S tem imajo večjo možnost izbiranja kje bodo delali in živeli. Ob takšnem dejstvu bi se morala ''potruditi'' tudi mesta, da bi bila za iskalce zaposlitve in bivalnega okolja čimbolj zanimiva. Razveseljivo je tudi dejstvo, da se izboljšujejo razmere na področju okolja. Izboljšuje se kvaliteta zraka, saj onesnaževalci kot so svinec in žveplov dioksid niso več značilni za mestna območja. Morda k temu pripomorejo izboljšane mreže javnih prevoznih sredstev in dejstvo, da so ljudje vedno bolj pripravljeni pustiti avtomobile doma, kljub temu da se njihovo število povečuje in pa tudi spremembe virov kurjave. Pri tem so še posebej uspešne severnoevropske države, ki prednjačijo tudi na področju razvoja informacijske tehnologije. Pregled podatkov za Slovenijo kaže, da se prebivalci Ljubljane vse pogosteje odločajo za selitev iz Ljubljane, še posebej iz centra mesta, saj število prebivalcev v občini Ljubljana od leta 1991 stalno upada, hkrati pa se povečuje število prebivalcev v osrednjeslovenski statistični regiji. To dejstvo potrjuje tudi sprememba strukture prebivalstva po četrtnih skupnostih, saj se je število prebivalcev v četrtni skupnosti Center in četrtni skupnosti Šiška zmanjšalo. Hkrati pa je zaznati povečanje števila prebivalcev v četrtnih skupnostih Sostro, Šentvid in Šmarna Gora. V vseh treh omenjenih četrtnih skupnostih se je v obdobju od 1991 do 2002 povečalo tudi skupno število gospodinjstev, v četrtni skupnosti Center in četrtni skupnosti Šiška pa je prišlo do upada. Tako kot v občini Ljubljana se zmanjšuje število prebivalcev tudi v občini Maribor, hkrati pa se zmanjšuje tudi število prebivalcev v celotni podravski statistični regiji. V opazovanjem 10-letnem obdobju se tako v obeh regijah, kot v obeh občinah zmanjšuje delež prebivalcev v starostni skupini od 0 do 4 leta, povečuje pa se delež prebivalcev starih nad 75 let. Vsa ta zgoraj navedena opažanja pa smemo upoštevati le s hkratnim upoštevanjem teritorialnih sprememb, ki so se zgodila v omenjenem obdobju. Izboljšuje se tudi izobrazbena struktura prebivalstva, saj je vedno več prebivalcev s srednjo, višjo in visoko izobrazbo. Manjše je število brezposelnih oseb. V primerjavi po spolu je bilo leta 2001 v

248 STATISTIČNI DNEVI 2006 STATISTICAL DAYS osrednjeslovenski statistični regij manj brezposelnih žensk, v podravski statistični regiji pa je manj brezposelnih moških. O uporabi zbranih podatkov je bila opravljena tudi raziskava s pomočjo internetnega vprašalnika. Vprašalnik je bil poslan vsem sodelujočim državam. Skupaj je bilo vrnjenih več kot 230 odgovorov, od tega je bilo 34% odgovorov posredovanih s strani mestnih oblasti. Raziskava je pokazala da je Urban Audit uporabno orodje, saj so s projektom zbrani podatki, ki se doslej niso zbirali, uporabni pa so za pripravo političnih dokumentov, za akademske raziskave in za potrebe vlad. 4 KAKO DO PODATKOV? Eden od glavnih ciljev projekta je bil ponuditi primerljive podatke vsem uporabnikom tako na evropski, nacionalni in lokalni ravni, ki bi tovrstne podatke potrebovali. Da bi do podatkov lahko dostopal čim širši krog uporabnikov, so podatki na razpolago brezplačno v Eurostatovi bazi podatkov in na uradni spletni strani projekta. Uradna spletna stran projekta ponuja dostop do podatkov preko petih različnih aplikacij, ki ponujajo številne kombinacije izbora prikazanih kazalnikov in zadovoljijo še tako zahtevnega uporabnika. Aplikacija ''profil mesta'': aplikacija ponuja celotno sliko izbranega mesta. Vsako mesto je predstavljeno s kratkim opisom, prikazani pa so tudi pomembnejši kazalniki za več izbranih področjih, tako za mestno območje kot tudi za širše mestno območje in dele mestnega območja. Slika 3: Primer izpisa za skupno število prebivalcev, za mestno območje in širše mestno območje, mesto Ljubljana, 2001 CITY (mestno območje) QUINTILES Comparison with UA cities Low High LUZ (širše mestno območje) INDICATORS YEAR SCORE 5th 4th 3rd 2nd 1st cases YEAR SCORE Ratio City:LUZ DEMOGRAPHY Total resident population , ,364 1:1.81 Vir: Urban Audit Aplikacija ''položaj mesta'': omogoča razvrstitev mest po izbranem indikatorju. Primerjava je omejena na mesta znotraj posamezne države, glede na velikostne razrede po številu prebivalstva in še glede na druge vnaprej pripravljene skupine mest. To je na primer primerjava vseh glavnih mest, mest v EU15, mest v EU27 Prikaz je obogaten še z enostavnim grafičnim prikazom.

249 248 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Slika 4: Primer izpisa razvrstitve mest za Slovenijo po številu prebivalstva, 2001 Total resident population Average : High : Low : Rank City Score 2 Maribor (SI) 1 Ljubljana (SI) Vir: Urban Audit Aplikacija ''primerjava mest'': aplikacija omogoča primerjavo mest na dveh ravneh in sicer za mestno območje in širše mestno območje. Primerjava je omogočena z drugim izbranim mestom ali skupinami mest - na primer primerjava mesta z glavnimi mesti v državah Evropske unije. Slika 5: Primer primerjave Ljubljane z mesti v EU 27 po kriteriju števila prebivalcev, mestno območje, 2001 Relative quintile position Indicator Score Total number of cases Total resident population = within the lowest 20% of all scores for the group selected 5 = within the highest 20% of all scores for the group selected Vir: Urban Audit Aplikacija ''struktura mesta'': aplikacija omogoča primerjavo med prostorskimi ravnmi v izbrani državi in mestu. Slika 6: Primer izpisa za Ljubljano po številu prebivalcev, 2001 Indicator Name City Score LUZ Score National Score City score as a Highest sub city % of Luz Score score Lowest sub city score Total resident population % Vir: Urban Audit Aplikacija ''dostopni podatki'': aplikacija omogoča široko izbiro kombinacije podatkov. Izbor je omejen glede na prostorsko enoto ali na eno od vnaprej ponujenih skupin. Omogoča dostop do podatkov od nacionalne ravni do delov mestnega območja, prav tako pa tudi primerjavo med državami po velikostnih razredih in po drugih skupinah.

250 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Slika 7: Primer izpisa primerjave po povprečni velikosti gospodinjstva, nacionalna raven, 2001 Entity Name Average size of households (%) Slovenija Österreich Italia Vir: Urban Audit Slovenskim uporabnikom smo dostop do podatkov omogočili tudi preko podatkovne baze SI- STAT. Dostop do baze podatkov je mogoč preko spletne strani Statističnega urada ( Objavljeni so podatki za Ljubljano in Maribor, ločeno za obe statistični regiji, obe občini ter četrtne in krajevne skupnosti. Zaradi lažjega poizvedovanja po podatkih so ti združeni po vsebinskih področjih. Za enkrat so objavljeni dosegljivi podatki za leta 1991, 1996 in V nekaterih primerih so namesto podatkov za leto 2001, na voljo podatki za katero drugo leto, saj so bili v primeru, da podatki za leto 2001 niso bili na voljo, zbrani podatki za leto 2000, 2002 ali Podatki omogočajo hiter pregled dogajanja na številnih področjih v Ljubljani in Mariboru ter njuni širši okolici za obdobje desetih let, to je med letom 1991 in NAČRTI V PRIHODNOSTI Na zbrane in predstavljene podatke je bil s strani uporabnikov odziv zelo dober. Zato sta se Evropska komisija in Eurostat odločila, da bi bilo zbirko podatkov smiselno dopolniti. Tako se bo nova faza zbiranja podatkov začela v letu Zbirali se bodo podatki za leto Ker se bo projekt nadaljeval v tri letnih obdobjih, se bo zbirka podatkov dopolnila najmanj še s podatki za leti 2007 in V letu 2006 se bo v projekt vključilo še več mest. Tako bo v projekt vključenih 299 mest iz držav Evropske unije, Bolgarije in Romunije. Poleg tega se bo manjši nabor pomembnejših spremenljivk zbiral še za dodatnih 222 mest. To so mesta, ki sicer niso del projekta Urban Audit, imajo pa več kot prebivalcev. Ta mesta se imenujejo ''Large City Audit''. Za ta mesta se bodo podatki zbirali le za raven mestnega območja. V Sloveniji nobeno mesto poleg Ljubljane in Maribora na ravni mestnega območje (to je raven občine) ne dosega meje prebivalcev, zato v tej skupini ne bomo imeli vključenih mest. Eurostat za novo zbirko podatkov pripravlja metodologijo, dopolnjeno glede na izkušnje iz preteklih let. Nekaj sprememb bo tudi na seznamu spremenljivk. Približno 60% spremenljivk bo ostalo istih, 25% spremenljivk bo izpuščenih, 10% spremenljivk pa bo dodanih na novo. Za novo dodane spremenljivke se bodo zbrali tudi podatki za leto V primerjavi z letom 2001 se bo za leto 2004 zbiralo nekoliko manj spremenljivk, pripravljenih pa bo več kazalnikov. Nekoliko se bo spremenila tudi struktura spremenljivk znotraj posameznih področij. Bolj razširjeno bo področje demografije in transporta, do zmanjšanega števila spremenljivk pa bo prišlo na področjih izobraževanja, informacijske družbe in na področju udeležbe pri odločanju. Z zbranimi podatki bo dopolnjena Eurostatova zbirka podatkov, dopolnjeni bodo podatki na uradni spletni strani projekta, prav tako bomo dopolnili zbirko podatkov za Ljubljano in Maribor v bazi SI- STAT, ki jo bomo obogatili tudi z grafičnimi in kartografskimi prikazi.

251 250 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 EKONOMSKI RAČUNI ZA GOZDARSTVO Irena Žaucer POVZETEK Ekonomski računi za gozdarstvo (ERG) omogočajo mednarodno primerljivost podatkov ter vpogled v gozdarsko dejavnost, kar je pomembno za določanje in usmerjanje gozdarske politike. Podatki ERG so osnova za izračun dohodkovnih kazalnikov in podatkovni vir za modeliranje. Celoten sistem računov za gozdarstvo vsebuje račun proizvodnje, primarnega dohodka, podjetniški račun in račun kapitala. Račun proizvodnje in račun primarnega dohodka za gozdarstvo sta bila za Slovenijo prvič izdelana v letu 2005 okviru Eurostatovega projekta, in sicer za obdobje ERG so izdelani po metodologiji Ekonomskih računov za kmetijstvo in gozdarstvo ERK/ERG 97, ti pa so izpeljani iz Evropskega sistema računov 95 (ESR 95). Čedalje bolj se poudarja ekološki vidik gozda. Eurostat je v letu 2002 izdal metodologijo z naslovom Evropski okvir za združene okoljske in ekonomske račune za gozdove; gozd je v njej obravnava zelo kompleksno. Metodologija in predlogi Eurostata, po kateri naj bi ERK v modificirani obliki postali eden od modulov integriranih računov za okolje in gozdarstvo, so še v razpravi. ECONOMIC ACCOUNTS FOR FORESTRY SUMMARY Economic accounts for forestry (EAF) enable international comparability of the data and insight in forestry activity, which is important for the purpose of determination and direction of forestry policy. Data of the EAF are the base for the calculation of the income indicators and the data source for the modeling. The system of accounts as a whole contents the production account, generation of income account, entrepreneurial account and capital account. Production account and generation of income account for forestry were elaborated for Slovenia for the first time in the framework of the Eurostat project in 2005 for the period of EAF are elaborated on the methodology of Economic accounts for agriculture and forestry EAA/EAF 97, derived from the European system of accounts (ESA 95). More and more is stressed the ecological view of forest. Eurostat issued in 2002 the methodology on European Framework for Integrated Environmental and Economic Accounting for Forests which treated forest very complex. According to the methodology and Eurostat proposals, which are under discussion, would EAF become one of the modules of integrated accounts for environment and forestry.

252 STATISTIČNI DNEVI 2006 STATISTICAL DAYS UVOD Ekonomski računi za gozdarstvo (ERG) so satelitski računi, izpeljani iz nacionalnih računov, ki zagotavljajo dopolnilne informacije in dodatna izhodišča, prilagojena posebni naravi gozdarske dejavnosti. Glavni namen ERG je analiza proizvodnega procesa in primarnega dohodka, ki ga ustvarja gozdarstvo. Izdelani so po metodologiji ERK/ERG 97 Rev. 1.1, ki temelji na ESR 95, oz. po metodologiji Sistema nacionalnih računov 93 (SNR 93). Osnovna izhodišča za pripravo ERG so enaka kot v nacionalnih računih: pripravljajo se za obdobje koledarskega leta, proizvodnja je ovrednotena v osnovnih cenah, upoštevano je obračunsko načelo. ERG vsebujejo sistem medsebojno povezanih računov, ki temeljijo na konceptu dejavnosti. Izmed računov za gozdastvo sta bila za Slovenijo najprej izdelana račun proizvodnje in račun primarnega dohodka za obdobje , in sicer v okviru Eurostatovega projekta v letu 2005: Račun proizvodnje beleži transakcije znotraj proizvodnega procesa, proizvodnjo, vmesno potrošnjo, z bilančno postavko bruto dodana vrednost. Račun primarnega dohodka se nanaša na ustvarjanje dohodka kot rezultata proizvodnega procesa in deleža, ki ga prispevata delovna sila v obliki sredstev za zaposlene in država v obliki subvencij in davkov. Bilančna postavka poslovni presežek oz. raznovrstni dohodek se nanaša na dohodek, ki ga enota ustvari z uporabo proizvodnih sredstev. V okviru projekta so bili analizirani možni viri za izračun posameznih kategorij postavk obeh računov in izoblikovana je bila metodologija. Od leta 2006 sodi izdelava računa proizvodnje in primarnega dohodka med redne naloge Statističnega urada Republike Slovenije. Podjetniški račun dohodka kot eden izmed tekočih računov in račun kapitala (eden od računov akumulacije) bosta izdelana v okviru razvojnih nalog SURS. 1.1 Definicija gozda Gozd od leta 1961 obravnavamo kot z gozdnim drevjem obraslo površino, ki obsega najmanj 0,05 ha, ne glede na višino dreves in zarast. Drevoredi, parki v naseljih, gozdne drevesnice in skupine dreves na površini, ki meri manj kot 0,05 ha, se ne obravnavajo kot gozd. 1.2 Definicija osnovne enote opazovanja v gozdarstvu Gozdarska dejavnost se v Sloveniji opravlja v gozdarskih podjetjih, pri samostojnih podjetnikih ter na kmetijskih gospodarstvih, ki jim je gozdarstvo lahko glavna ali stranska dejavnost. Osnovni pogoj za definiranje kmetijskega gospodarstva (definicija evropsko primerljivega kmetijskega gospodarstva) je, da ima najmanj 1 hektar obdelovanega kmetijskega zemljišča. Med dodatnimi merili je navedena tudi površino gozdnega zemljišča. Kot kmetijsko gospodarstvo je opredeljeno tudi gospodarstvo, ki ima manj kot 1 ha obdelovalne zemlje, vendar pa najmanj 0,1 ha (10 a), če ima poleg tega še najmanj 0,9 ha (90 a) gozda. Kmetijska gospodarstva lahko opravljajo gozdarsko dejavnost kot glavno dejavnost, večina se jih ukvarja z gozdarstvom poleg kmetijske dejavnosti. Ekonomski računi za gozdarstvo zajemajo celotno gozdarsko dejavnost, ki je po definiciji ločljiva, ne glede na institucionalni sektor, v katerem se dogaja.

253 252 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Definiranje gozdarske dejavnosti Dejavnost je mogoče sestaviti s povezovanjem vseh lokalnih enot enovrstne dejavnosti (EED), ki opravljajo isto ali podobno vrsto dejavnosti. Na najosnovnejši ravni klasifikacije je dejavnost sestavljena iz vseh lokalnih EED, ki sodijo v isti razred Standardne klasifikacije dejavnosti (SKD) Ker temeljijo ERG na konceptu dejavnosti, je v obračun proizvodnje vključena proizvodnja enot, ki opravljajo gozdarsko dejavnost kot osnovno (primarno) ali kot dopolnilno (sekundarno) dejavnost. V gozdarstvo spada proizvodnja stoječega lesa, izkoriščanje gozda ter nabiranje divjih rastlin v gozdu. V gozdarstvo spada tudi najnujnejša obdelava posekanega drevja v gozdu (obsekavanje vej, lupljenje, izdelava drogov, cepanic in drv). V gozdarstvo je po SKD vključeno: Gozdarstvo, ki obsega gojenje gozdov, gojenje panjevcev in nasadov gozdnega drevja, gozdno drevesničarstvo in izkoriščanje gozdov; Gozdarske storitve, ki obsegajo storitve na področju gozdarstva, storitve pri izkoriščanju gozdov in gradnjo vlak. 2 RAČUN PROIZVODNJE 2.1 Bruto dodana vrednost Osnovni namen računa proizvodnje je izračun dodane vrednosti, ki omogoča primerjavo z drugimi dejavnostmi znotraj nacionalnega gospodarstva in mednarodno primerjavo. Z ekonomskega vidika, glede na delež v BDP, gozdarstvo za Slovenijo ni zelo pomembna dejavnost. V obdobju je bil delež gozdarstva v bruto domačem proizvodu 0,4 %, od leta 1998 dalje 0,3 %. Tabela 1: Proizvodnja, bruto dodana vrednost (BDV), delež gozdarstva v bruto domačem proizvodu (BDP), zaposlenost (v polnovrednih delovnih močeh, PDM), Slovenija, Proizvodnja, mio. SIT BDV, mio. SIT BDV, mio. EUR 62,6 63,5 61,7 63,4 57,5 65,2 67,5 66,4 70,5 67,7 BDV na zaposlenega, EUR Delež BDV gozdarstva v BDP, % 0,4 0,4 0,4 0,3 0,3 0,3 0,3 0,3 0,3 0,3 Zaposlenost, PDM V okviru razpoložljivih podatkov o dodani vrednosti gozdarstva v letu 2004 ima najvišji delež v BDP Finska, 1,6 %. Na Portugalskem je delež gozdarstva 0,4 %, v Franciji 0,3 %. V primerjavi z drugimi državami EU je ekonomski položaj gozdarstva v Sloveniji najbolj primerljiv s položajem gozdarstva v Avstriji. V letu 1995 je bil delež gozdarstva v Avstriji 0,4 %, v letu 2000 se je znižal za 0,1 odstotne točke; 0,3-odstotni delež v BDP ima gozdarstvo tudi v letu V vseh navedenih državah se vrednost proizvodnje nominalno povečuje, delež dodane vrednoti gozdarstva v BDP pa znižuje (zaradi relativno hitrejše rasti drugih gospodarskih dejavnosti).

254 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Proizvodnja Proizvodnja je proces, katerega rezultat so proizvodi in storitve v obračunskem obdobju. V obračunu proizvodnje gozdarstva se upoštevajo transakcije med posameznimi enotami. Osnovno načelo za vrednotenje proizvodnje v gozdarstvu je količina krat cena. Podatkovna vira za količinske podatke o proizvodnji posameznih gozdnih sortimentov sta Ministrstvo za kmetijstvo, gozdarstvo in prehrano in Sklad kmetijskih in gozdnih zemljišč; ta SURS-u posreduje podatke o letnem poseku gozdnih sortimentov. Podatkovni vir za preostale podatke o gozdarskih proizvodih je Zavod za gozdove Slovenije, podatkovni vir za podatke o gozdarskih storitvah so zaključni računi gozdarskih podjetij, napovedi in odmere davka od dohodkov iz dejavnosti, podatki iz popisa kmetijstva, podatki iz strukturnih popisov kmetijstva. Proizvodnja je vrednotena v osnovnih cenah, kar pomeni, da so proizvajalčevi ceni (ceni lesa na kamionski cesti) dodane subvencije na proizvode, od te cene pa so odšteti o davki na proizvode. V Sloveniji država gozdarstva ne podpira s subvencijami na proizvode, zato je osnovna cena enaka proizvajalčevi. Davek na dodano vrednost je izključen iz obračuna proizvodnje in vmesne potrošnje in se obračunava posebej. Z letom 2004 je bila za potrebe ERG in zaradi interesa zunanjih uporabnikov uvedena raziskava, ki mesečno spremlja odkupne cene gozdnih sortimentov iglavcev in listavcev. Na osnovi dodatnih analiz razmerja cen med sortimenti iglavcev in listavcev so bile izračunane cene za obdobje pred letom 2003, ko le-te niso bile na voljo ločeno za iglavce in listavce. Odkupna cena predstavlja po svojih značilnostih proizvajalčevo ceno, ki je osnova za izračun osnovne cene Drevesa rastejo nekaj let, da so primerna za posek. Glede na splošno metodologijo obračuna proizvodnje bi morala biti v letih, ko še rastejo, ovrednotena kot delo v teku. Ker je koncept vrednotenja stoječega lesa zelo kompleksen in ima s tem težave večina držav EU, je predvideno vrednotenje dela v teku v gozdarstvu le, če gre za organizirano, intenzivno gozdarsko dejavnost institucionalne enote. Kadar gre za naravni prirast lesa in relativno stabilne lesne zaloge, je priporočena metodologija ESR 95 in ERG 97 o evidentiranju proizvodnje v času poseka lesa; ta metodologija je bila upoštevana tudi pri vrednotenju gozdarske proizvodnje za Slovenijo. Količina posekanega lesa se je v celotnem obdobju povečevala; posek v letu 2004 je bil za 46 % večji kot v letu 1995; tudi povprečna odkupna cena lesa se je do leta 2002 povečevala, z letom 2003 pa se je začela zniževati. V strukturi vrednosti proizvodnje prevladuje les iglavcev in listavcev za industrijsko uporabo in v letu 2004 je predstavljal 71 % celotne proizvodnje. Upošteva se hlodovina, les za celulozo in drug les za industrijsko uporabo. V obdobju 1995 do 2004 se je delež lesa za industrijsko rabo zmanjšal skoraj za 21 odstotnih točk. Količina posekanega lesa za drva se je od leta 2002 zniževala, v letu 2004 pa se je količina posekanega lesa za drva v primerjavi s predhodnim letom podvojila in je znašala 11 % vrednosti proizvodnje gozdarstva.

255 254 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Slika 1: Struktura vrednosti proizvodnje v gozdarstvu, Slovenija, % Les zaindustrijsko uporabo Drva Ostali proizvodi Storitve Delež drugih gozdarskih proizvodov, med katere štejemo proizvodnjo gozdnih sadik v drevesnicah, pogozdovanje ter druge gozdarske proizvode, obsega približno 1 %. Čedalje večji delež v gozdarski proizvodnji zavzemajo gozdarske storitve; v začetnem obdobju je bil ta skoraj zanemarljiv, v letu 2004 pa so gozdarske storitve obsegale več kot 20 % gozdarske proizvodnje. Cene so se v celotnem obdobju gibale zelo različno, odvisno od gozdnega sortimenta. 2.3 Vmesna potrošnja Vmesna potrošnja predstavlja vrednost proizvodov in storitev, uporabljenih v proizvodnem procesu; vrednotena je v kupčevih cenah, ločljivi DDV ni vključen. Vrednost vmesne potrošnje vpliva na dodano vrednost. Podatkovni viri za ocenjevanje stroškov za gozdne sadike, energijo in maziva, gnojila in sredstva za izboljšavo tal, za zaščitna sredstva in pesticide, za vzdrževanje opreme in zgradb, gozdarske storitve ter za ostale proizvode in storitve so raznoliki. Posamezne kategorije vmesne potrošnje so bile ocenjene na osnovi podatkov Zavoda za gozdove, letnega raziskovanja SURS na področju gozdarstva, zaključnih računov podjetij in samostojnih podjetnikov, podatkov iz popisa kmetijstva 2000 in strukturnih popisov kmetijstva. Tabela 2: Struktura (%) vmesne potrošnje, Slovenija, Vmesna potrošnja 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 Sadike 5,2 4,1 3,7 3,9 3,9 3,5 3,6 3,1 2,3 1,8 Energija 70,0 73,8 68,8 62,1 59,3 51,6 48,0 36,2 37,1 29,8 Fitofarmacevtska sredstva 0,9 0,9 1,0 0,9 1,0 1,1 1,1 1,1 1,1 0,9 Vzdrževanje zgradb in opreme 21,7 18,5 15,4 16,8 16,0 18,0 19,4 17,4 15,0 12,8 Gozdarske storitve 1,1 1,9 10,1 15,2 19,0 24,8 26,9 41,2 43,5 54,0 Ostali proizvodi in storitve 1,0 0,8 1,0 1,1 0,8 1,0 1,0 1,0 1,0 0,7 Delež vmesne potrošnje se je v obdobju povečal za 12 odstotnih točk, kar pomeni, da se delež dodane vrednosti znižuje zaradi povečevanja vrednosti vmesne potrošnje. V strukturi vmesne potrošnje so v obdobju zavzemali največji delež energija in maziva ter vzdrževanje

256 STATISTIČNI DNEVI 2006 STATISTICAL DAYS strojev in zgradb, od leta 2003 pa so najvišja postavka storitve. Proizvodnja gozdnih sortimentov je zajeta v celoti, ne glede na lastninsko in institucionalno strukturo gozda. Vrednost gozdarskih storitev je začela naraščati v skladu s postopkom denacionalizacije. Storitve gozdarskih podjetij oz. samostojnih podjetnikov (najem ekipe z mehanizacijo) uporabljajo novi lastniki gozdov, ki nimajo s svoje mehanizacije za izkoriščanje gozda. 2.4 Potrošnja stalnega kapitala Potrošnja stalnega kapitala je obračunana vrednost razvrednotenja osnovnih sredstev ob normalni uporabi. V gozdarstvu se je v obdobju gibala med 12 % in 14 % bruto dodane vrednosti. Obračunava se na osnovi podatkov o bruto vrednosti osnovnih sredstev ter letih uporabe. Vir za obračun porabe fiksnega kapitala so podatki o število gozdarske mehanizacije (raziskovanje SURS na področju gozdarstva, popis kmetijstva in strukturni popisi kmetijstva), ocenjena leta uporabe po vrstah osnovnih sredstev, vsakoletna revalorizacija, podatki industrije in zunanje trgovine. 2.5 Zaposlenost Zaposlenost se v gozdarstvu zaradi upoštevanja občasnega in sezonskega dela meri v polnovrednih delovnih močeh (PDM). Ena PDM je ekvivalent za eno osebo, ki je v gozdarstvu polno zaposlena eno leto. Celotna delovna sila v gozdarstvu zajema plačano in neplačano delovno silo. Zaposlenost v gozdarstvu se zmanjšuje v celotnem opazovanem obdobju; od leta 1995 do leta 2004 se je zmanjšala za 20 %. Podatkovni viri za izračunavanje zaposlenosti v gozdarstvu so zaključni računi podjetij in samostojnih podjetnikov, raziskovanje SURS na področju gozdarstva, podatki iz popisa kmetijstva in strukturne raziskave kmetijstva. Glede na prag zajetja kmetijskih gospodarstev oz. družinskih kmetij in definicijo gozda je mogoče, da je zaposlenost v gozdarstvu za del gospodinjstev, ki imajo gozd, vendar niso bila uvrščena med kmetijska gospodarstva, podcenjena. Glede na velikost enot, ki razpolagajo z gozdom, ocenjujemo, da se podcenjenost nanaša na neplačano delovno silo. 3 RAČUN DOHODKA V računu dohodka so prikazane kategorije primarnega dohodka. Izravnalna postavka računa dohodka je poslovni presežek, ki ga ustvarijo pravne osebe (gozdarska podjetja), in raznovrstni dohodek, ki ga za svoje delo in udeležbo sredstev v poslovnem procesu prejmejo fizične osebe (samostojni podjetniki v gozdarstvu in kmetje). Tabela 3: Struktura (%) neto dodane vrednosti v gozdarstvu, Slovenija, Neto dodana vrednost 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 Sredstva za zaposlene 53,6 62,0 56,3 54,5 73,1 52,1 48,8 61,8 57,6 55,2 Ostali davki na proizvodnjo Ostale subvencije na proizvodnjo (minus) 5,9 7,2 6,3 9,8 10,0 7,5 9,2 5,6 5,2 5,7 Poslovni presežek / Raznovrstni dohodek 52,2 45,2 50,1 55,3 36,9 55,3 60,3 43,8 47,6 50,5

257 256 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Na velikost poslovnega presežka oz. raznovrstnega dohodka vplivajo višina neto dodane vrednosti, višina sredstev za zaposlene ter višina ostalih subvencij in davkov na proizvodnjo. 3.1 Sredstva za zaposlene Sredstva za zaposlene zajemajo bruto plače, bruto nadomestila plač, prejemke zaposlenih ter obvezen prispevek delodajalcev za socialno varnost zaposlenih. V obdobju so se gibala med 50 % in 60 % dodane vrednosti, kar pomeni, da so imela velik vpliv na poslovni presežek. Na višino sredstev za zaposlene je poleg števila plačane delovne sile vplivalo tudi gibanje sredstev za zaposlene; ta so se v tem obdobju povečevala, vendar med leti zelo različno. 3.2 Subvencije na proizvodnjo Subvencije so tekoča plačila, s katerimi država ali institucije evropske unije vplivajo na proizvodnjo, cene ali proizvodne faktorje. Slovenija podpira gozdarstvo s subvencijami na proizvodnjo, ki se nanašajo na obnovo, nego in varstvo gozdov, gradnjo in obnovo gozdnih cest, semenarsko in drevesničarsko dejavnost ter ohranjanje življenjskega okolja prosto živečih živali. Delež ostalih subvencij na proizvodnjo v gozdarstvu se znižuje; v obdobju od leta 2002 se je znižal pod 6 % neto dodane vrednosti. 3.3 Poslovni presežek oz. raznovrstni dohodek Poslovni presežek je rezidualna kategorija v obračunu dodane vrednosti gozdarskih podjetij, raznovrstni dohodek je rezidualna kategorija dodane vrednosti samostojnih podjetnikov in družinskih kmetij. Poslovni presežek oz. raznovrstni dohodek dosega okrog 50 % BDV, in to predvsem na račun dohodka, ki ga ustvarjajo družinske kmetije, ki imajo poleg kmetijskih tudi gozdna zemljišča. 4 SKLEP V Sloveniji pokriva gozd več kot 60 % površine. Računi za gozdarstvo prikazujejo ekonomske kategorije gozdarstva, ki omogočajo ugotovitev ekonomske pomembnosti in mednarodno primerjavo. V primerjavi z drugimi dejavnostmi je dodana vrednost, ustvarjena z izkoriščanjem gozda, nizka. Zelo podobno stanje kot Slovenija imajo tudi druge evropske države, ki imajo izdelane ekonomske račune za gozdarstvo. Ti so izdelani po veljavni metodologiji za izdelavo ekonomskih računov za kmetijstvo in ekonomskih računov za gozdarstvo. Razlika je v pravni podlagi; kmetijski računi jo imajo od leta 2004, izdelava ekonomskih računov za gozdarsko pa temelji na dogovoru. Bolj kot v ekonomskem smislu je gozd pomemben z okoljskega vidika. Eurostat je v letu 2000 izdal metodološko publikacijo Evropski okvir za združene okoljske in ekonomske račune za gozdove in ta je zdaj v razpravi. Omenjena publikacija prikazuje področje gozdarstva zelo kompleksno, od osnovnih podatkov o gozdu do bilanc lesa (količinske, vrednostne), tabel ponudbe in porabe. Ekonomski računi za gozdarstvo, v modificirani obliki, so le eden izmed 8 modulov celotnega sistema. Večina držav pričakuje pri izdelavi tako obsežnega sistema težave; doslej je ekonomske račune za gozdarstvo v taki obliki, kot je prikazana v prispevku, pripravilo le deset držav.

258 STATISTIČNI DNEVI 2006 STATISTICAL DAYS LITERATURA IN VIRI 1. European System of National Accounts 1995, Luxemburg, Manual on the economic accounts for Agriculture and Forestry EAA/EAF 97 (Rev.1.1.), Eurostat, Poročilo Zavoda za gozdove Slovenije o gozdovih, Zavod za gozdove, Ljubljana, letniki: 1997, 1998, 1999, 2000, 2001, 2002, 2003, Program del in vlaganj v gozdove, Zavod za gozdove, Ljubljana, letniki: 2000, 2001, 2002, 2003, Statistični letopis Republike Slovenije, razni letniki, Statistični urad Republike Slovenije, različni letniki, Ljubljana. 8. System of National Accounts 1993, United Nations, New York, The European Framework for Integrated Enviromental and Economic Accounting for Forests - IEEAF, Eurostat, 2002.

259 258 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 SISTEM HIERARHIČNIH MREŽ NOVA DIMENZIJA V PRIKAZOVANJU, ANALIZI IN DISEMINACIJI STATISTIČNIH PODATKOV NA STATISTIČNEM URADU REPUBLIKE SLOVENIJE Igor Kuzma, Danijela Šabić POVZETEK Registrsko orientirano pridobivanje, shranjevanje in obdelava statističnih podatkov omogoča njihovo natančno prostorsko opredeljevanje ter analizo in prikazovanje tudi v mrežah. Na Statističnem uradu RS je bila v posameznih primerih ta metoda že uporabljena, standardni nabor tako definiranih podatkov pa še ni določen. Takšen način obravnave podatkov so že uvedle številne države EU, v skladu z evropsko direktivo INSPIRE (INfrastructure for SPatial InfoRmation in Europe initiative) v sprejemanju pa bodo morale vse članice EU uvesti enoten prostorski podatkovni sloj hierarhične mreže. Statistični urad RS je zato v letu 2005 začel s projektom uvajanja hierarhične mreže in z vzorčnimi testi doma ter s študijskim projektom z avstrijskim statističnim uradom začel postavljati statistične standarde na tem področju. Hierarhična mreža predstavlja uporabno podatkovno osnovo različnim prostorskim analizam in prikazovanjem statističnih podatkov ter hkrati zagotavlja anonimnost poročevalskih enot, kjer je to potrebno. THE SYSTEM OF HIERARCHICAL GRIDS A NEW DIMENSION OF DISPLAY, ANALYSIS AND DISSEMINATION OF STATISTICAL DATA AT THE STATISTICAL OFFICE OF THE REPUBLIC OF SLOVENIA SUMMARY Registered-based data collection and management of statistical data enables their positioning definition as well as analyses and display in grids. Although this method has already been used at the Statistical Office of the Republic of Slovenia in several studies, the standard list of data that will be calculated in grids has not yet been defined. Several EU member states already practice this kind of calculation of the data and after the implementation of the EU directive INSPIRE (INfrastructure for SPatial InfoRmation in Europe initiative) this will become obligatory for all EU countries. In 2005 the Statistical Office of the Republic of Slovenia began with the analysis of establishing a hierarchical grid with sample tests and with a study visit at Statistik Austria with the aim to define Slovenian standards in this field. Hierarchical grid represents a very useful data base for different spatial analyses and display of statistical data while assuring the anonymity of reporting units where necessary.

260 STATISTIČNI DNEVI 2006 STATISTICAL DAYS UVOD S širjenjem različnih orodij za obdelavo prostorskih podatkov v državni upravi, znanstvenoraziskovalnih ustanovah ter v zasebnem sektorju se naglo povečuje potreba po kakovostnih prostorskih podatkih. Z vedno več zahtevami po posredovanju le-teh se srečuje tudi Statistični urad Republike Slovenije (SURS), ki kakovost statističnih podatkov med drugim zagotavlja tudi z zakonsko zavezanostjo varovanju zaupnosti svojih poročevalskih enot. To nemalokrat pomeni omejitev pri posredovanju podatkov uporabnikom, ki glede na prostorske značilnosti Slovenije velikokrat želijo prav dostop do zaščitenih individualnih 1 podatkov oziroma do mikropodatkov 2. Ena od možnih rešitev za obe strani je posredovanje podatkov v hierarhični mreži, ki omogoča združevanje individualnih podatkov v mrežo enako velikih celic, primerno za nadaljnje prostorske analize. Zaradi njene uporabnosti v GIS-sistemih, hierarhično mrežo kot obliko posredovanja statističnih podatkov uporabljajo številni evropski statistični uradi, kot ena izmed možnih oblik obdelave prostorskih statističnih podatkov pa je predvidena tudi v evropski direktivi INSPIRE v sprejemanju. Slovenska statistika zato intenzivno spremlja razvoj tega področja v Evropi ter se redno udeležuje sestankov delovne skupine Eurostata»GIS v statistiki«. V zvezi s tem je bila v okviru študijskega obiska na avstrijskem statističnem uradu izvedena tudi meddržavna analiza statističnih podatkov, katere rezultati so bili predstavljeni na letošnjem sestanku omenjene Eurostatove delovne skupine. Nekatere države z vzpostavljenim sistemom hierarhičnih mrež so združene v t.i.»grid klubu«(grid club).»grid klub«je forum nastal na pobudo nordijskih držav in je namenjen nadgradnji baz s podatki visoke položajne natančnosti ter razvoju metod za prostorske analize. Pogoj za vstop v klub je izdelava karte s prikazom števila prebivalcev v mreži 1 km x 1 km. Širitev kluba je predvidena v okviru projekta GeoPortal (GeoPortal for (small area) Statistics) in pomeni dopolnitev vsebin predvidenih za direktivo INSPIRE. Za sodelovanje s klubom sicer zadošča izražen interes posamezne države. 2 ZNAČILNOSTI IN UPORABNOST HIERARHIČNE MREŽE V iskanju soglasja med željami uporabnikov (velika prostorska natančnost, diseminacija v vedno krajših časovnih razmikih, usklajenost z vedno večjimi območji prikazovanja statistik) in različnimi zakonskimi ter drugimi omejitvami, s katerimi se srečujejo nacionalne statistične institucije, se je kot boljša rešitev izkazal sistem statistik majhnih enot oziroma sistem hierarhične mreže. To je sistem, kjer mreže sestavljajo na posamezni ravni v hierarhiji enako velike kvadratne celice. Celice mrež nižjih ravni se povezujejo v celice višjih ravni. Celice so osnovne prostorske enote z določeno pozicijo znotraj mreže. Namesto prikazovanja različnih geopodatkov v obliki, kot se pojavljajo izvirno v geografskem smislu, so v pravilni hierarhični mreži podatki združeni in porazdeljeni v kvadratnih celicah. Celice tako glede na namen prikazovanja podatkov postanejo nosilke različnih informacij in lahko ponazarjajo različne podatke v njihovi prvotni obliki. Takšne celice imenujemo informacijske celice (IBC, information bearing cells). Vsaka kvadratna celica tvori geografsko 1 Individualni podatek je podatek, ki opisuje lastnosti, stanja ali razmerja posameznika ali pravne osebe in je del zaključene celote podatkov o enoti pojava. 2 Mikropodatek oziroma deindividualizirani podatek pa je individualni podatek, ki je spremenjen tako, da iz njega ni mogoče določiti enote, na katero se nanaša.

261 260 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 območje in vsi atributi znotraj tega območja so vezani na celico takšna transformacija se lahko naredi v tabelarični obliki. Sistem hierarhične mreže, kot v celoti umetno ustvarjena delitev prostora na enako velike kvadratne celice, ne pozna običajne delitve na majhne in velike administrativne enote, ki se na isti ravni razlikujejo po površini in po številu zajetih prebivalcev. Te enote so glede na potrebo po položajni natančnosti namenjene tako zbiranju kot analizi in prikazovanju prostorskih podatkov, sistem hierarhične mreže pa zbiranja podatkov v mejah posamezne celice običajno ne predvideva. Sistem hierarhične mreže tudi ne pomeni nadomestitev obstoječega sistema obravnave podatkov na ravni administrativnih in drugih enot, ampak razširitev oziroma nadgradnjo obstoječega načina dela. Vse podatke, ki se uporabljajo v GIS sistemih, lahko delimo na dve veliki skupini (Slika 1). Razliko med njimi ponazarja primer različne interpretacije gozda glede na namen opazovanja. Če želimo gozd videti kot celoto posameznih delov, potem se osredotočimo na gozdno mejo, ko pa želimo videti posamezna drevesa, se osredotočimo na območje znotraj meje. V prvem primeru je najprej potrebno opredeliti model regij (običajno administrativne regije), ki so največkrat pogojene z zgodovinskim razvojem. Tako dobimo mozaik nepravilnih poligonov, kakršna je tudi NUTS hierarhija administrativnih regij. Druga skupina zahteva opis porazdelitve pojava po površini teh poligonov, kar bi seveda lahko rešili z še manjšimi regijami, lahko pa to naredimo tako, da množico točk ali določene vrednosti prikažemo v pravilni oziroma nepravilni mreži. Poligoni za prikaz porazdelitve so v tem primeru pravilni poligoni (kvadrati...). (9) Slika 1: Nepravilni (levo) in pravilni (desno) poligoni s prikazom gostote prebivalcev; temnejša barva predstavlja višjo gostoto. Vir: GURS, SURS, Centralni register prebivalstva (CRP) ( ) Trenutno na evropski ravni prevladuje prikazovanje podatkov na ravni NUTS regij. Problem tega prikaza je viden predvsem pri regijah NUTS 1-3, kjer so med državami članicami velike razlike glede velikosti regij in povprečnega števila prebivalcev v njih, kar posledično onemogoča primerjavo med posameznimi državami na ravni regij istega reda (Slika 2). Statistično primerljivost lahko izboljšamo z zbiranjem podatkov na ravni primerljivih statističnih enot, ki bi bile medsebojno primerljive v smislu velikosti ali števila prebivalcev. Pri oblikovanju takšnih enot moramo upoštevati, da imajo države različne načine georeferenciranja (8): o Registri: registri za administrativne namene vsebujejo natančne, ažurne ter georeferencirane informacije na ravni naslova posameznika (npr. nordijske dežele). Takšni georeferencirani individualni podatki omogočajo veliko možnosti povezovanja, seveda v okviru zagotavljanja zaupnosti podatkov.

262 STATISTIČNI DNEVI 2006 STATISTICAL DAYS o Popis: podatki se pridobijo preko ene izmed oblik popisa. Npr. v Veliki Britaniji se georeferenciranje nanaša na majhno popisno enoto oziroma poštni okoliš. Natančnost in fleksibilnost teh podatkov je z vidika georeferenciranja precej slabša od zgornjih. o Administrativne enote: nekatere države uporabljajo podatke zbrane za različne namene in imajo zato različno natančnost georeferenciranja, npr. na raven občine ali nižjo administrativno enoto. Slika 2: Razlike v velikosti NUTS3 regij Belgije in Finske. Vir: TANDEM II, Towards..., Rezultat obravnave podatkov v nepravilnih poligonih je običajno enakomerno pobarvan poligon glede na npr. povprečje vrednosti nekega pojava tega poligona (npr. koropletna karta). To je enostavna metoda za prikazovanje prebivalstvenih geostatistik v državah brez registrov ali drugih mikropodatkov. Če pa imamo koordinate podatkov na mikro ravni, jih je zelo praktično obdelovati v hierarhični mreži. Predvsem je slednja uporabna v situacijah, kjer želimo združevati mikropodatke, ne da bi izgubili njihovo relativno visoko natančnost. Celice hierarhične mreže so časovno statične in niso odvisne od vnaprej določene delitve ali regionalizacije. Velika prednost mreže je tudi v tem, da lahko uporabimo različne podatke ne glede na njihov izvor, lahko jih združujemo ter uporabljamo v prostorskih analizah. Lastnosti hierarhične mreže (1): - neodvisnost od političnih ali administrativnih območij, - časovna stabilnost (območja se ne spreminjajo), - enakomernost porazdelitve enot (primerljivost območij), - uporabnost za mikro in makro analize, - možnost obdelave podatkov s standardnimi GIS-orodji, - enostavna tvorba iz točkovnih podatkov. Glede na to, da hierarhično mrežo kot obliko posredovanja podatkov že uporabljajo številni evropski statistični uradi (avstrijski, danski, finski, švedski, norveški ), se pojavlja vprašanje ali potrebujemo skupen sistem za vse države, podobno kot ga imamo za izvajanje statistik na ravni

263 262 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 administrativnih enot (NUTS) ali bodo zadostovale lokalne oziroma regionalne rešitve. Izkušnje kažejo, da za mednarodne oziroma čezmejne podatke nacionalne mreže posameznih držav ne zadostujejo, ampak je potrebno iskati rešitev sprejemljivo za celotno EU. Evropska komisija je oblikovala posebno delovno skupino, ki se v okviru JRC-ja (Joint Research Centre, European Commission) ukvarja z možnostjo vzpostavitve skupne evropske hierarhične mreže. Slednja je predlagala Evropski komisiji sprejetje skupnega evropskega referenčnega sistema hierarhične mreže za poročanje in statistične analize. Predlagani sistem je sposoben vključiti že obstoječe državne mreže in je narejen kot podlaga za bodoče mreže vzpostavljene na evropskem teritoriju. Sistem mora zadostiti naslednjim principom: - enostaven za uporabo, - hierarhično urejen, - temelječ na enotnem evropskem mrežnem kodirnem sistemu, - temelječ na enotah enakih območij. Vseevropsko mrežo je omenjena skupina opredelila kot hierarhično mrežo za prikazovanje tematskih informacij, ki jo predstavlja sistem pravilnih in georeferenciranih celic z določeno obliko, velikostjo in drugimi lastnostmi (5). Poleg držav z že vzpostavljenim sistemom hierarhične mreže ga bodo skladno z evropsko direktivo INSPIRE, ki predvideva vzpostavitev vseevropske hierarhične mreže z enim izhodiščem, morale sprejeti tudi preostale države EU. Prevzem direktive INSPIRE je predviden za obdobje in njena izvedba v obdobju Razprave glede vsebine in dostopnosti do te baze podatkov sicer še potekajo. Različni sistemi hierarhične mreže se sicer že uporabljajo za različne vzorčne raziskave kot je sistematično vzorčenje (LUCAS), zbiranje podatkov (ICP forest) ali za obdelavo podatkov o celotnem ozemlju EU in izdelovanje kart (IMAGE 2000), prostorske analize (CORINE CLC), poročanje ter statistične analize (ESPON, Atlas florae). Uporabniki skupnega evropskega sistema hierarhične mreže bodo državne uprave držav članic EU, nacionalni statistični uradi, znanstvene organizacije, nacionalni raziskovalni instituti in nevladne organizacije, Evropska komisija, Evropska okoljska agencija in druge evropske agencije ter različne organizacije in institucije povezane z medregionalnimi in transnacionalnimi projekti prostorskega planiranja. 3 STATISTIČNI PODATKI IN HIERARHIČNA MREŽA Diseminacija statističnih podatkov v hierarhični mreži je zaradi omenjenih lastnosti hierarhične mreže primerna za obdelavo s standardnimi GIS-orodji, hkrati pa ob upoštevanju pravil zakrivanja zaupnih podatkov zagotavlja anonimnost poročevalskih enot. S to obliko diseminacije največ pridobijo uporabniki, ki jim je onemogočen dostop do zaščitenih mikropodatkov. Statistično zaščiten mikropodatek je po definiciji podatek, ki je spremenjen tako, da iz njega ni mogoče določiti enote, na katero se nanaša, ob tem pa vsebuje spremenljivke, na podlagi katerih je mogoče izvajati statistično analizo na enak način, kot je to mogoče z individualnim podatkom. V Sloveniji imajo pravico pridobiti mikropodatke registrirane raziskovalne institucije, registrirani raziskovalci (tj. osebe s statusom raziskovalca) in raziskovalci organov državne uprave. Geografska lokacija posameznika ali podjetja je zelo očitna lastnost, ki jo je mogoče uporabiti za razkritje zaupne informacije, zato moramo pri objavi statističnih podatkov izbrati primerno stopnjo

264 STATISTIČNI DNEVI 2006 STATISTICAL DAYS položajne natančnosti, ki ne razkriva individualnega nosilca podatka. Posebno pozornost je potrebno nameniti objavi podatkov za vgnezdena območja, ki se med seboj zelo malo razlikujejo, saj se pojavi problem razlike pri odštevanju podatkov enega območja od drugega, pri čemer lahko dobimo podatek za kočljivo majhno območje. (2) Države z vzpostavljenim sistemom hierarhične mreže posredujejo svojim uporabnikom podatke ob različnih pragih zakrivanja. Praviloma števila poročevalskih enot v celici ne zakrivajo, imajo pa različno visoke prage prikazovanja podatkov za lastnosti le-teh. Splošno pa velja, da se uporablja ista pravila kot veljajo za zakrivanje podatkov v tabelah, tudi za zakrivanje podatkov v hierarhični mreži. Glede na naravo podatkov (npr. dohodnina) je podatke za celice hierarhične mreže možno posredovati tudi v razredih namesto absolutnih številk, s čimer se zagotovi še dodatno zaščito podatkov. Slovenski statistični urad podatkov v hierarhični mreži zaenkrat še ne posreduje, vendar z različnimi analizami in s sodelovanjem z drugimi statističnimi uradi proučuje to možnost. Trenutno se podatke v hierarhični mreži prikazuje v skladu s prakso zakrivanja podatkov uporabljeno pri Popisu Pri tem se upošteva tudi pravila sekundarnega zakrivanja podatkov, ki onemogočajo izračun zakritih podatkov na osnovi poznavanja števila drugih poročevalskih enot ali njihovih lastnosti znotraj prostorske enote. (2) Sedanja praksa diseminacije podatkov na ravni prostorskih enot ni omejena z velikostjo prostorske enote ampak z njihovo hierarhično ureditvijo (najnižja prostorska enota, za katero se posreduje podatke npr. iz Popisa 2002, je naselje), kar je pomembno pri iskanju najmanjše velikosti celice hierarhične mreže, za katero bi še posredovali podatek. Naslednji preglednici (preglednica 1, preglednica 2) prikazujeta deleže posredovanih podatkov za različne nivoje hierarhične mreže ob upoštevanju različnih pragov zakrivanja podatkov. Pri izračunih za naselja velja, da je celica pripisana naselju, če imata naselje in celica vsaj eno skupno točko. Uporabljeni so bili podatki o številu državljanov Slovenije (brez začasno odsotnih, stanje , Centralni register prebivalstva), podatki o izobrazbi prebivalcev Slovenije (stanje , Popis 2002) ter podatki o zaposlenih (Statistični register delovno aktivnega prebivalstva, april 2001). Preglednica 1 prikazuje deleže prikazanih podatkov o številu državljanov Republike Slovenije pri različnih velikostih celic hierarhične mreže ter pragih zakrivanja podatkov za Slovenijo. Preglednica 2 pa prikazuje deleže prikazanih podatkov o številu državljanov Republike Slovenije, številu delovnih mest in številu oseb z višjo ali visoko izobrazbo pri različnih velikostih celic hierarhične mreže ter pragih zakrivanja podatkov za naselja z več kot 5000 prebivalci. Deleži prikazanih podatkov o številu poročevalskih enot ali njihovih lastnosti naraščajo z večanjem velikosti celice ali z nižanjem praga zakrivanja. Uporabnost vsakokratne razpoložljive prostorske natančnosti hierarhične mreže in količina prikazanih podatkov sta seveda odvisna od namena uporabe ter zakonskih in drugih omejitev glede varovanja zaupnosti podatkov. Tabela 1: Deleži (%) prikazanih podatkov o številu državljanov Republike Slovenije pri različnih velikostih celic hierarhične mreže ter pragih zakrivanja podatkov za Slovenijo. prag zakrivanja mreža 100 m x 100 m mreža 125 m x 125 m mreža 250 m x 250 m mreža 500 m x 500 m mreža 1 km x 1 km 3 97,97 98,37 99,26 99,79 99, ,33 93,90 97,36 99,26 99, ,53 80,89 90,63 96,90 99, ,04 72,08 85,02 94,28 98, ,22 65,28 80,53 91,61 98, ,62 54,78 73,51 86,52 96,53 Vir: CRP.

265 264 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Tabela 2: Deleži (%) prikazanih podatkov o številu državljanov Republike Slovenije, številu delovnih mest in številu oseb z višjo ali visoko izobrazbo pri različnih velikostih celic hierarhične mreže ter pragih zakrivanja podatkov za naselja z več kot 5000 prebivalci. Velikost celice mreže (prag zakrivanja podatkov) Prikazan delež od vseh državljanov RS (%) Prikazan delež od vseh delovnih mest (%) Prikazan delež od vseh oseb z višjo ali visoko izobrazbo (%) 100 m x 100 m (3) 99,78 99,04 95, m x 125 m (3) 99,86 99,38 96, m x 250 m (3) 99,96 99,84 99, m x 500 m (3) 99,99 99,95 99, m x 100 m (10) 96,64 94,99 73, m x 125 m (10) 97,80 96,32 81, m x 250 m (10) 99,37 98,99 94, m x 500 m (10) 99,83 99,68 98, m x 100 m (30) 84,30 87,48 35, m x 125 m (30) 89,74 89,44 48, m x 250 m (30) 97,10 95,81 81, m x 500 m (30) 99,24 98,78 93,99 Vir: CRP, Popis 2002, SRDAP. Najmanjša velikost celice in prag zakrivanja za posredovanje podatkov uporabnikom zaenkrat še nista določena. Dejstvo je, da celica 100 m x 100 m (1 ha) predstavlja le dobro petino najmanjšega naselja v Sloveniji (Sveta Ana pri Ložu - 4,63 ha, občina Loška dolina), za katerega se ob upoštevanju popisnih pravil še prikazuje izbrane statistične podatke, vendar je z vidika položajne natančnosti najbolj primerna za načrtovanje upravljanja s prostorom v naseljih ali delih naselij. Izbira najmanjše velikosti celice je zelo pomembna, saj določa nadaljnjo hierarhijo velikosti celic. Druga primerna velikost najmanjše celice je 125 m x 125 m (1,56 ha), kar je tudi najmanjša celica hierarhične mreže v Avstriji. Ista velikost najmanjše celice in isto izhodišče mreže predvsem z vidika varovanja zaupnosti podatkov pomenita enostavnejšo izvedbo meddržavnih analiz prostorskih statističnih podatkov, saj se izognemo težavam s prekrivanjem celic. Velikost najmanjše celice 125 m x 125 m enostavno tvori nadaljnjo hierarhijo s celicami 250 m x 250 m in 500 m x 500 m, v katerih bi predvidoma prikazovali lastnosti poročevalskih enot. Tako tudi onemogočimo možnost ugotovitve vrednosti tudi na površini manjši od 1 ha (celica 100 m x 100 m) oziroma 1,56 ha (125 m x 125 m). 4 PRIMER ČEZMEJNEGA PRIKAZOVANJA STATISTIČNIH PODATKOV V HIERARHIČNI MREŽI Meddržavno sodelovanje avstrijskega in slovenskega statističnega urada je potrdilo prednosti in uporabnost hierarhične mreže. V okviru študijskega obiska na avstrijskem statističnem uradu so bile izdelane prve čezmejne analize in kartografski prikazi z demografsko socialnimi in ekonomskimi podatki v hierarhični mreži. V Avstriji so uporabnikom na voljo popisni podatki iz leta 2001, njihov državni sistem hierarhične mreže pa ima šest nivojev z najmanjšo velikostjo celice 125 m x 125 m ter največjo 10 km x 10 km. Podatke o številu enot ne zakrivajo in jih prikazujejo na vseh ravneh mreže, medtem ko zakrivajo lastnosti teh enot in jih prikazujejo samo na mrežah s celicami velikosti 250 m x 250 m ali več.

266 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Podatki o lastnostih so prikazani, če je v celici najmanj 31 prebivalcev oziroma najmanj 4 stavbe, gospodinjstva ali stanovanja. V čezmejni analizi podatkov je bila uporabljena avstrijska državna mreža v UTM projekciji podaljšana preko ozemlja Slovenije. V tem projektu smo obravnavali samo UTM zono 33, zato je zahodni del Avstrije izključen. Obdelani so bili podatki o številu in starostni strukturi prebivalstva (Avstrija: Popis 2001, Slovenija: Popis 2002) ter podatki o številu in strukturi zaposlenih glede na zaposlenost v sekundarnem oziroma terciarnem sektorju (Avstrija: Popis 2001, Slovenija: SRDAP 2001). V kartografskih prikazih so bila upoštevana slovenska priporočila o zakrivanju podatkov v hierarhični mreži. Rezultat meddržavnega sodelovanja so karte s prikazom obdelanih podatkov v različnih ravneh hierarhične mreže. Slika 3 prikazuje dva nivoja gostote poseljenih območij po merilih Eurostata. Gosto poseljeno območje predstavlja sklenjen niz lokalnih prostorskih enot, kjer ima posamezna prostorska enota gostoto večjo od 500 prebivalcev/km 2, skupno število prebivalcev v enotah pa dosega vsaj Srednje gosto poseljeno območje pa je niz lokalnih prostorskih enot, kjer ima posamezna prostorska enota preb./km 2 in skupno število prebivalcev v enotah dosega vsaj ali meji na gosto poseljeno območje. Na osnovi te definicije je bilo ugotovljeno sklenjeno poseljeno območje med državama, ki se razteza od avstrijskega Gradca do Maribora. Obe mesti se po merilih Eurostata uvrščata med gosto poseljena območja, med obema mestoma pa se razprostira območje s srednjo gostoto poselitve. Na Sliki 4 je isti podatek prikazan na mreži 2,5 km x 2,5 km, kjer lahko natančneje analiziramo območja srednje in goste poselitve. Tako npr. med gosto poseljena območja spadajo tudi celice južno od obeh mest oziroma LAU2 enot, kjer sta obe mesti, kar na Sliki 3 ne vidimo. Ravno tako je mogoče razločiti neposeljena območja. Slika 3: Gosto in srednje gosto poseljena območja, LAU2, Avstrija (Popis 2001), Slovenija (Popis 2002).

267 266 STATISTIČNI DNEVI 2006 STATISTICAL DAYS 2006 Slika 4: Število prebivalcev/km 2 na mreži 5 km x 5 km, Avstrija (Popis 2001), Slovenija (Popis 2002). Za analizo starostne strukture prebivalstva je bila izbrana delitev prebivalstva glede na delež starejših od 65 let (Slika 5). Slednja deli prebivalstvo na mlado (do 5 % starejših od 65 let), zrelo (5-10 % starejših od 65 let) in staro prebivalstvo (nad 10 % starejših od 65 let). Ob splošnem trendu staranja prebivalstva v večini post-industrijskih držav je smiselno določiti tudi kategorijo zelo starega prebivalstva (nad 20 % starejših od 65 let) (3). Zaradi ugotovljenih razlik med državama v razredu starega prebivalstva (10-20 %) je na karti le-ta razdeljen v dva podrazreda (10-15 % in %).

268 STATISTIČNI DNEVI 2006 STATISTICAL DAYS Slika 5: Delež oseb starejših od 65 let v mreži 5 km x 5 km, UTM 33, Avstrija (Popis 2001), Slovenija (Popis 2002), NUTS3. Koeficient starostne odvisnosti starih in mladih (prebivalstvo, staro 0-14 let in 65 let ali več, glede na prebivalstvo, staro let) kaže socialno in ekonomsko strukturo prebivalstva (slika 6). Višja vrednost koeficienta pomeni večje število vzdrževanega prebivalstva. Zadnji podatki za leto 2004 kažejo, da sta imeli obe državi vrednost koeficienta pod evropskim povprečjem (EU 25: 48,9; (4)) in sicer Avstrija 46,7 (4) ter Slovenija 42,2 (SURS, 2004).