Εναλλακτικά σενάρια με χρήση υποδειγμάτων απόκλισης συμμετοχής για την πρόβλεψη απασχόλησης στην Περιφέρεια Κρήτης.

Abstract

Η μελέτη της απασχόλησης αποτελεί ένα πολυδιάστατο θέμα για ανάλυση. Η μέθοδος σχεδιασμού με σενάρια παρουσιάζεται στη βιβλιογραφία τις τελευταίες δεκαετίες ως εργαλείο στρατηγικού σχεδιασμού και αποτελεί μια ενδεδειγμένη μέθοδο προοπτικής διερεύνησης του αβέβαιου μέλλοντος, καθώς συμβάλλει στην βαθύτερη κατανόηση του παρελθόντος και του παρόντος, στην επισήμανση των ευκαιριών, στη διαχείριση των κινδύνων, στην εξέλιξη και τον έλεγχο. Η παρούσα εργασία υποδεικνύει την ανάγκη εφαρμογής του σχεδιασμού με σενάρια στο πεδίο μελέτης της περιφερειακής απασχόλησης. Τόσο οι περιφέρειες όσο και οι υποκλάδοι συνιστούν κρίσιμα στοιχεία της οικονομίας, οι ιδιαιτερότητες των οποίων συχνά «κρύβονται» πίσω από τα συνολικά μεγέθη (σε επίπεδο τομέων και επικράτειας), όμως θα ήταν σκόπιμο να εξετάζονται και να λαμβάνονται υπόψη στη χάραξη αναπτυξιακής πολιτικής. Η μέθοδος απόκλισης συμμετοχής χρησιμοποιείται για την περιγραφή και ανάλυση οικονομικών μεγεθών σε περιφερειακό επίπεδο. Η εφαρμογή της επεκτείνεται και στο πεδίο των προβλέψεων και παρά τις κριτικές ,που κατά καιρούς έχει δεχθεί, εξακολουθεί να χρησιμοποιείται καθότι είναι εύκολη, απλή, με μειωμένες απαιτήσεις σε δεδομένα και σχετικά ακριβής. Στην παρούσα εργασία παρουσιάζονται διάφορα υποδείγματα της μεθόδου που έχουν αναπτυχθεί μέχρι σήμερα με τα πλεονεκτήματα και τα μειονεκτήματά τους. Χρησιμοποιώντας δεδομένα απασχόλησης κατά κλάδο (Α10) Κωδ. ESA 10 της ΕΛΣΤΑΤ της περιόδου 2008-2016, παρουσιάζεται μια αρκετά απλουστευμένη εφαρμογή της μεθόδου ανάλυσης σεναρίων αναπτύσσοντας τρία σενάρια για την περίοδο 2017-2021. Προκειμένου τα σενάρια να αναχθούν από εθνικό σε περιφερειακό επίπεδο, λαμβάνονται επιπλέον υπόψη οι παράγοντες επιρροής της μεθόδου απόκλισης συμμετοχής. Επιλέγονται, βάσει της ακρίβειας τους, τέσσερα υποδείγματα απόκλισης συμμετοχής (το υπόδειγμα σταθερής αναλογίας, το υπόδειγμα σταθερής απόκλισης, το υπόδειγμα δυναμικής απόκλισης και το υπόδειγμα Artige-Van Neuss) και με βάση τις εκτιμήσεις τους, γίνονται, για κάθε σενάριο, προβλέψεις της απασχόλησης σε επίπεδο περιφέρειας ανά κλάδο.

A study on the issue of employment should consider multidimensional variables. Scenario planning is presented the last decades in the literature as a method for determining strategies in an uncertain future by highlighting opportunities, risks and trade offs This thesis indicates the need of using scenario analysis to produce forecasts of the future environments and to identify conditions leading to changes especially in the field of regional employment. Both regions and sub-sectors constitute critical elements of the economy, the characteristics of which are often "hidden" behind the aggregate (sector and territory), and it would be appropriate to be taken into account while developing policy. Shift share analysis has been applied in regional economic research and can be proved a useful tool in the definition of economic scenarios. It is based on the decomposition of a given economic magnitude into the structural components that contribute to its change (known as national, economic structural and competitive effects). Its implementation in the field of forecasts is being used despite criticisms because it is easy, simple, rather accurate and with reduced data requirements. This thesis presents the basic models of shift share analysis developed to date, their advantages and disadvantages. Our case study is conducted on data labor employment in 10 economic sectors (Code ESA10), concerning records of the region of Crete of the period 2008-2016 as a simplified application of scenario analysis and develops three scenarios for the period 2017-2021. In order for scenarios to be drawn from national to regional level, the effects of shift share analysis were taken into account. Four basic models (constant share, constant shift ,dynamic shift and Artige-Van Neuss model) were chosen by their accuracy in forecasting. Region employment forecasts per sector were developed for each scenario.