Dana Hamplová, Tomáš Katrňák (eds.)
NA VZDĚLÁNÍ ZÁLEŽÍ
Jak vzdelanostní rozdíly ovlivňují osudy lidí v české společnosti
centrum pro studium demokracie a kultury 2018
1. Finanční a nefinanční návratnost vzdělání
11
kapitola 1
FINANČNÍ A NEFINANČNÍ NÁVRATNOST VZDĚLÁNÍ2
Tomáš Doseděl, Tomáš Katrňák
V této kapitole se zabýváme návratností vzdělání na českém trhu práce. Návratnost je koncept, který označuje přínos vzdělání jak jeho držiteli, tak širší společnosti. Sociologické výzkumy ukazují, že vzdělání je jedním z nejsilnějších činitelů ovlivňujících postavení na trhu práce [Blau, Duncan 1967; Breen 2004; Erikson, Goldthorpe 1992], Otázkou pak je, jak se mění role vzdělání na pracovním trhu v době, kdy se výrazně zvyšuje podíl vysokoškolsky vzdělaných lidí v ekonomicky produktivním věku.
Návratnost vzdělání se dělí na sociální a individuální [Harmon 2011; Hout 2012; Mazouch, Fischer 2011]. Sociální návratnost označuje přínosy vzdělání pro společnost, jako je nižší kriminalita, vyšší hrubý domácí produkt, zdravější populace nebo vyšší sociální soudržnost. Individuální návratnost vzdělání pak zahrnuje přínosy pro jednotlivce spojené s trhem práce, jako je vyšší příjem, prestižnější a kvalitnější zaměstnání nebo nižší riziko nezaměstnanosti. V této kapitole se věnujeme pouze individuální návratnosti vzdělání. V souladu s Harmonem [2011] ji dělíme na návratnost finanční {economic return to education), která je vyjádřena příjmem za práci, a nefinanční {non-economic nebo non-mo-netary return to education), která zahrnuje kvalitu a jistotu zaměstnání.
Nefinanční přínosy vzdělání zkoumáme na datech z Českého panelového šetření domácností (CHPS) z roku 2015 (více viz Příloha — Datové zdroje). Finanční přínosy analyzujeme na datech Setření o průměrném výdělku (ISPV) ze stejného období (2000 až 2014), která jsme ve formě korelačních matic získali od firmy Trexima (data jsou sbírána pro Ministerstvo práce a sociálních věcí ČR, více viz Příloha — Datové zdroje).
Jelikož v minulých patnácti letech na českém pracovním trhu výrazně vzrostl počet vysokoškolsky vzdělaných osob, zjišťujeme, zda pro český
2 Kapitola vznikla přepracováním článku DOSEDĚL, Tomáš a Tomáš KATRŇÁK. Finanční a nefinanční návratnost vzdělání v době vzdelanostní expanze v České republice. Sociologický časopis, Praha: AV ČR, Sociologický ústav, 2017, roč. 53, č. 5, s. 693-718. ISSN 0038-0288. doi:10.13060/00380288.2017.53.5.361.
12 Na vzdělání záleží
pracovní trh platí inflační teorie (pokles návratnosti vzdělání v důsledku převisu vysokoškoláků), nebo teorie technologické změny (stabilita, nebo dokonce růst návratnosti vzdělání v důsledku technologických změn na trhu práce). Naše výzkumné otázky znějí: Mění se finanční a nefinanční návratnost vzdělání v letech 2000 až 2014, tedy v době, kdy český vzdělávací systém prochází výraznou vysokoškolskou expanzí? : Ztrácí vyšší vzdělání hodnotu? Přestává být vysokoškolské vzdělání jistotou odpovídajícího zaměstnání a odpovídajícího příjmu?
1.1 Inflace vzdělání, nebo technologická změna?
Všechny sociologické modely prokazují souvislost mezi dosaženým vzděláním a pozicí na trhu práce [Matějů 2005]. V sedmdesátých letech 20. století západoevropské země začínají procházet masivní vzdelanostní expanzí. Jako reakce na tuto situaci vznikají dvě sociologické teorie — teorie inflace vzdělání a teorie technologické změny [k oběma přístupům srov. Bernardi, Ballarino 2014].
Teorie předpokládající inflaci vzdělání je založena na ekonomických zákonech. Pokud je na některém trhu přebytek zboží, v našem případě ■ přebytek vysokoškoláků na trhu práce, dochází k poklesu jeho hodnoty. Aby příslušníci nové generace absolventů získali stejně kvalitní zaměstnání jako reprezentanti generací předchozích, musí dosáhnout buď vyššího vzdělání, nebo ke vzdělání získat další (jinou) kompetitiv-ní výhodu oproti ostatním [Bourdieu, Passeron 1990; Bourdieu 1996; Keller, Tvrdý 2008; Van de Werfhorst 2005]. Ti, kterým se to nepovede, pak přijímají kvůli vysoké konkurenci ze strany jiných vysokoškoláků místa určená původně méně kvalifikovaným zaměstnancům, která nejsou příliš prestižní a jsou také hůře finančně ohodnocená [Burris 1983; Kivinen, Ahola 1999; Morrison Paul, Siegel 2001; Nelson, Phelps 1966; Welchl970].
Druhá teorie poukazuje na probíhající technologickou změnu, která pracovní trh proměňuje směrem ke zvýhodňování kvalifikovanějších pracovníků. Tato teorie předpokládá, že zavádění moderních technologií vyžaduje zaměstnance, kteří díky své vyšší kvalifikaci s těmito technologiemi umějí pracovat. Berman, Somanathan a Tan [2005] vidí moderní technologie jako hlavní důvod zvýšené poptávky po absolventech vysokých škol. Acemoglu [2002] uvádí, že technologická změna probíhá při-
1. Finanční a nefinanční návratnost vzdělání 13
nej menším od dob průmyslové revoluce, rozděluje ji ale na dvě období. Nejprve docházelo ke zvýšení poptávky po nekvalifikovaných dělnících tlo irisové výroby a teprve v druhé polovině 20. století, zejména vlivem ■•ivídění výpočetní techniky, dochází opět k poptávce po vysoce kvalifikovaných zaměstnancích. Počítač už nedokáže obsluhovat zaučený lělník, zaměstnavatel musí najmout alespoň středoškoláka, lépe však ibsolventa vysoké školy. Technologické změny na trhu práce prospívají absolventům vyšších stupňů vzdělání; na druhé straně vzdělanostního spektra však dochází k útlumu. Práce nekvalifikovaných dělníků je nejprve nahrazena stroji, s rozvojem levné dopravy a globalizace světové ekonomiky se pak navíc přesunuje do zemí s levnou pracovní silou [Abrahám 2008; Card, Dinardo 2002; Morrison Paul, Siegel 2001].
Obě teorie mohou být v českém prostředí platné. Expanze vyššího vzdělání byla v minulých letech u nás velmi podobná té, na jakou před čtyřiceti lety reagovali sociologové formulující teorii o inflaci vzdělání. /. tohoto důvodu by hodnota vysokoškolského vzdělání měla v české společnosti oslabovat. Současně se ale po roce 1989 těžký socialistický průmysl začal výrazně proměňovat díky zavádění do té doby nedostupných technologií a inovací. Vývoj zrychlil vstupem České republiky do Evropské unie, kdy již nic nebránilo působení nadnárodních společností na českém trhu práce. Všechny tyto okolnosti by měly naopak zvýšit poptávku po absolventech vysokých škol a hodnota vysokoškolského \ /.dělání by měla růst.
V analytické části testujeme, kterou z uvedených teorií lze aplikovat na český trh práce. Pokud platí, že v Česku máme příliš mnoho vysokoškolsky vzdělaných, bude návratnost jejich vzdělání klesat, resp. se přibližovat k návratnosti vzdělání středoškolského. V tomto případě se přikloníme k inflační teorii. Pokud ale není český trh práce dostatečně saturován vysokoškolsky kvalifikovanými zaměstnanci, bude se návratnost jejich vzdělání zvyšovat nebo aspoň zůstane neměnná, což by podporovalo platnost teorie technologické změny. Kapitolu jsme proto rozdělili na dvě části. V první části se zabýváme nefinanční návratností vzdělání: jednak z hlediska postavení na trhu práce a jednak z hlediska nezaměstnanosti. Ve druhé části analýzy se zabýváme finanční návratností vzdělání. Pro zjištění návratnosti vzdělání analyzujeme data ze dvou sociologických šetření. Jednak České panelové šetření domácností (CHPS) a jednak Šetření o průměrném výdělku (ISPV).
14
Na vzdělání záleží
1. Finanční a nefinanční návratnost vzdělání
15
1.2 Nefinanční návratnost vzdělání
Nejprve nás zajímá nefinanční návratnost vzdělání. Konkrétně zjišťujeme, jak vzdělání ovlivňuje postavení na trhu práce, jak velkému riziku nezaměstnanosti různé vzdelanostní skupiny čelí, a především, jak se finanční návratnost vzdělání mění v čase.
Z Českého panelového šetření domácnostíjsme vybrali první vlnu, která proběhla v roce 2015 (více viz Příloha — Datové zdroje). Respondenty jsme omezili věkovým rozpětím 25-64 let, které se v sociologické literatuře obvykle používá pro osoby pohybující se na pracovním trhu [srov. Breen 2004; Erikson, Goldthorpe 1992], Z CHPS jsme využili informace o vzdělání, aktuálním zaměstnání a jistotě zaměstnání. Výsledný soubor CHPS, který analyzujeme, obsahuje 7 271 respondentů s vyrovnaným podílem mužů a žen. V posledním sledovaném roce 2014 výběr tvoří 5 procent respondentů se základním vzděláním, 34 procent vyučených, 36 procent s maturitním vzděláním, 7 procent bakalářů a 20 procent respondentů s úplným vysokoškolským vzděláním.
Postavení na trhu práce měříme pomocí mezinárodního socioekonomického indexu zaměstnání ISEI {International Socioeconomic Index of Occupational Status) [Ganzeboom, De Graaf, Treiman 1992; Ganzeboom, Treiman 1996]. ISEI je spojitá škála 16 až 90 skórů, pro kterou platí, čím vyšší hodnota, tím také vyšší socioekonomické postavení na trhu práce. Její filozofie vychází z předpoldadu, že zaměstnání je aktivita, která zprostředkovává vztah mezi vzděláním a příjmem - přesněji řečeno, která přeměňuje vzdělání na příjem. Nejnižší skóry ISEI odkazují knejjednodušším profesím, naopak ISEI skóre 90 dosahují zákonodárci, vysocí úředníci a manažeři. Jistotu zaměstnání vyjadřujeme obecnou mírou zaměstnanosti a nezaměstnanosti, počítanou jako poměr lidí bez práce k celkové populaci na trhu práce.
Podle řady autorů zastávajících inflační teorii [Burris 1983; Morrison Paul, Siegel 2001; Nelson, Phelps 1966; Welch 1970] je vyšší jistota zaměstnání u vysokoškoláků do značné míry dána jejich vyšší adaptabilitou. V případě, že nenaleznou zaměstnání, které odpovídá jejich kvalifikaci, přijmou zaměstnání nižší kvality. Pro ověření tohoto předpokladu jsme zjišťovali, jak se mění průměrná hodnota mezinárodního socioekonomického indexu zaměstnání (ISEI) v závislosti na vzdělání respondenta.
Bernardi a Ballarino [2014] ukázali, že dosažením vysokoškolského vzdělání se zvýší hodnota pracovní pozice napříč zeměmi EU o 24-28 ÍSEI bodů. Noelke, Gebel a Kogan [2012] se zabývali středoevropskými zeměmi a odhadli zvýšení ISEI oproti středoškolákům pro absolventy bakalářského stupně o 7 a úplného vysokoškolského stupně o 19 bodů.3 Zelenka, Koucký a Kovařovic [2011] vypočetli průměrné ISEI v Česku pro absolventy gymnázií 43,8; absolventy bakalářského stupně 49,6; a absolventy vysokoškolského stupně 60,7. Oproti středoškolákům tak mají absolventi pětiletého vysokoškolského vzdělání přibližně o 16 ISEI skórů lépe hodnocené zaměstnání.
Naše analýza dat CHPS potvrzuje existenci rozdílů ISEI skórů podle vzdělání (viz Graf 1.1). Absolventi vysokých škol z celého sledovaného období měli v roce 2015 v průměru o 18,5 ISEI skórů lepší pracovní pozici než středoškoláci, pro bakaláře je průměrný odstup od středoškoláků 7,8 ISEI skórů.
Graf 1.1: Postavení na trhu práce {průměrné ISEI) v roce 2015 podle vzdelania odhadovaného roku ukončení studia 2000 až 2014 v ČR (25-64 let)
-■--ZŠ ........vyučený —■— SŠ---Bc. -VŠ
Zdroj dat: CHPS 2015
3 Využili k tomu data z mezinárodního výzkumu Labour Markets in Central and Eastern European Countries z roku 2011.
16
Na vzdělání záleží
1. Finanční a nefinanční návratnost vzdělání
17
Druhým aspektem nefinanční návratnosti vzdělání, kterou analyzujeme, je jistota zaměstnání. Podle statistik OECD míra nezaměstnanosti v ČR klesá nepřímo úměrně s rostoucím vzděláním [více k tomu také Kleňhová 2012; Miiller 2005]. Také Noelke, Gebel a Kogan [2012] pro český pracovní trh potvrdili rozdílné míry nezaměstnanosti.
Graf 1.2 ukazuje na záldadě dat z CHPS rozdíly v obecné míře nezaměstnanosti v roce 2015 podle vzdělání (věkové omezení 25-64 let). Opět platí, že bez ohledu na to, kdy školu opustili, absolventi vyšších vzdělanostních stupňů mají nejnižší nezaměstnanost. V roce 2015 byla nezaměstnaná 2 procenta vysokoškoláků, 6,8 procent bakalářů, 7 procent maturantů, 8 procent držitelů výučních listů a 29,6 procent absolventů základní školy. U nižších vzdělanostních stupňů je patrný zlom u osob, které školu absolvovaly mezi lety 2008 až 2009, kdy na českou společnost dolehly důsledky celosvětové finanční krize. Míra nezaměstnanosti vysokoškoláků však zůstává prakticky beze změny po celé sledované období.
Graf 1.2: Nezaměstnanost v roce 2015 podle vzdělání a odhadovaného roku ukončení studia v období 2000 až 2014 v ČR (%) (25-64 let)
n i \
n i
/-i
i ' v / 1      ' w
/ ^ ^ 4
- » -zš
Zdroj dat: CHPS 2015
V V V .....vyučený
-*— sš
^ / ^ j> ^ ^
--Bc. -VŠ
záldadě obou analýz nefinančních přínosů vyššího vzdělání lze i.(,niit:itovat, že bez ohledu na rok, kdy ukončili studium, měli vysoko-■■l'ol-K'i v l'oce 2015 výrazně nižší míru nezaměstnanosti, přičemž tato u'ri sc výrazněji neproměňuje. Stejně tak průměrná „kvalita" zaměst-ání (měřeno socioekonomickým indexem ISEI) vykonávaného absol-.L-niv w>oké školy se nesnižuje. V rovině nefinanční návratnosti ne-n-icliázínie potvrzení předpokladu o inflaci vysokoškolského vzdělání. Pna naopak naznačují platnost teorie technologické změny, podle níž vysokoškolské vzdělání v rovině nefinančních přínosů neztrácí hodnotu.
1.3 Analýza finanční návratnosti vysokoškolského vzdělání
V další části této kapitoly analyzujeme finanční návratnost vysokoškolského vzdělání. Základní otázkou této části je, zda se mění rozdíl mezi příjmy vysokoškoláků a středoškoláků v době vzdelanostní expanze, tedy mezi roky 2000-2014. Otázkou příjmových rozdílů podle vzdělání od roku 1988 se podrobně zabývá kapitola 2. Ta se zabývá i mzdovými rozdíly v rámci stejných vzdělanostních skupin.
V této kapitole používáme datový soubor Šetření o průměrném výdělku (ISPV),4 které realizuje Ministerstvo práce a sociálních věcí ČR.5 Příjmová data jsou rozdělena na platovou a mzdovou sféru. Platová sféra Aihrnuje zaměstnance veřejné (nepodnikatelské) sféry, do mzdové sféry snadají zaměstnanci z podnikatelské sféry. V obou případech se jedná o příjmová data poskytovaná zaměstnavatelem v rámci povinného statistického vykazování. Nejsou tedy zkreslená tak, jak tomu bývá v dotazníkových šetřeních o příjmech v domácnostech nebo u ekonomicky aktivní populace.6
Z Šetření o průměrném výdělku (ISPV) jsme využili informace z let 2000 až 2014. Výsledný datový soubor proto za uvedených patnáct let obsahoval 24 061 634 respondentů ve věku 15 až 90 let, z toho 29 pro-
4 Korektní označení používané ČSÚ, MPSV i firmou Trexima [2015] je Čtvrtletní šetření o průměrném výdělku. Data jsou zveřejňována na webu Informační systém o průměrném výdělku (www.ispv.cz), proto se pro šetření vžila zkratka ISPV.
5 Data sbírá a spravuje společnost Trexima. Kromě provádění pravidelného statistického šetření průměrných mezd se firma Trexima již od roku 1991 zabývá konzultační činností v oblasti lidských zdrojů.
6 Podrobnější informace o konstrukci výběru viz Trexima [2015].
18
Na vzdělání záleží
1. Finanční a nefinanční návratnost vzdělání
19
cent v platové (veřejné) a 71 procent v mzdové sféře. Podíl mužů a žen byl vyrovnaný (51 procent versus 49 procent ve prospěch mužů). V posledním sledovaném roce 2014 bylo v souboru 6 procent respondentů se základním vzděláním, 31 procent vyučených, 37 procent s maturitou, 6 procent bakalářů a 20 procent s úplným vysokoškolským vzděláním.
Odhadujeme hodinový příjem zaměstnance,7 což umožňuje porovnávat příjmy zaměstnanců s různými úvazky. V našich datech nebyla přítomná informace o délce praxe a stejně tak jsme neměli k dispozici informaci o roce získání nejvyššího vzdělání. Délka pracovních zkuše- j ností nicméně silně koreluje s aktuálním věkem respondenta. Použili I jsme proto věk. A konečně, protože naším hlavním zájmem je proměna finanční návratnosti vzdělání v čase, jsou nedílnou součástí naší analýzy j jednotlivé rolcy (2000 až 2014). \
t
Rámeček 1.1
7 Ve skutečnosti je závisle proměnnou přirozený logaritmus hodinového příjmu. Lo- j
garitmování se používá proto, aby měla proměnná tzv. normální rozložení. Návratnost I
vzdělání navíc neroste lineárně, několik vysoce placených manažerů s vysokoškolským \
vzděláním by mohlo zhoršit kvalitu výsledků. Logaritmování příjmu toto riziko výraz- i
ně omezí. Tato operace navíc nemá vliv na výsledky analýz, pro lepší názornost potom *
příjem převádíme zpět na nelogaritmované hodnoty v korunách za hodinu. i
Můžeme konstatovat, že ve sledovaném období hodinové příjmy rostly, nicméně ne vždy ve stejném tempu. Zlomové bylo období kolem roku 2008. Zatímco v roce 2008 byl hodinový příjem ve srovnání s rokem 2000 o 43 procent vyšší, mezi lety 2008 až 2014 tempo růstu zpomaluje (hodinový příjem v tomto období vrostl o 11 procent).8 Bez ohledu na to, který rok sledujeme, se příjem za každý rok praxe zvyšoval o 1 procento. Zeny získávají při stejném vzdělání a věku o 23 procent nižší příjem než muži pracující ve stejné sféře placené práce.
Z hlediska tématu této knihy jsou však důležité především rozdíly podle vzdělání. Ve srovnání se zaměstnanci se základním vzděláním získávají absolventi učebních oborů (bez ohledu na pohlaví, věk a sféru) o 12 procent vyšší příjem, absolventi středních škol s maturitou o 40 procent vyšší příjem, bakaláři o 44 procent a absolvování úplného vysokoškolského vzdělání zvýší příjem ve srovnání se základním vzděláním o 77 procent. A konečně ve mzdové sféře je příjem v průměru o 14 procent vyšší než ve sféře platové (veřejné).
Co tyto procentní rozdíly znamenají? Ukazuje to graf 1.3, který zobrazuje odhadovaný hodinový příjem (kvůli smysluplné interpretaci v českých korunách) podle vzdělání a sféry placené práce mezi lety 2000 až 2014.9 Finanční návratnost úplného vysokoškolského vzdělání v platové (veřejné) sféře soustavně roste, a to ze 110 Kč/h v roce 2000 na 210 Kč/h v roce 2014, ve mzdové sféře je to ze 130 Kč/h na 240 Kč/h. Výjimku z tohoto trendu představují roky 2004 a 2010. V roce 2004 se na pracovním trhu začali objevovat první absolventi bakalářských studijních programů, v roce 2010 se zřejmě jedná o důsledek doznívající ekonomické krize.
Zatímco v roce 2001 se finanční návratnost bakalářských stupňů blížila finanční návratnosti střední školy s maturitou, s přibývajícím počtem bakalářů na pracovním trhu se odstup mezi středním a baka-
8 V případě, že je závisle proměnná logaritmovaná a všechny nezávisle proměnně nelogaritmované, lze odhadnutý regresní koeficient interpretovat jako procentní změnu závisle proměnné, když se nezávisle proměnná zvýší o jednotku [více k tomu srov. Benoit2011; Princeton2015].
9 Predikované hodnoty (neboli marginal effects) jsou průměrné hodnoty závisle proměnné ve variantách (a jejich kombinacích) nezávisle proměnných. Predikované hodnoty ukazují změnu závisle proměnné, pokud se změní nezávisle proměnná o jednotku, zatímco všechny ostatní nezávisle proměnné jsou drženy na konstantní úrovni [více k tomu srov. Mitchel 2012].
Rámeček 1.1
Neměli jsme však k dispozici původní individuální data ISPV, která Trexima neuvolňuje ani pro potřeby akademického zkoumání, ale pracujeme s tzv. artificiálními daty. Jedná se o data, která jsou uměle vytvořená z korelačních matic tak, aby měla stejné statistické vlastnosti jako původní (pro nás nedostupná) data, Spojité proměnné mají totožný průměr a směrodatnou odchylku a jejich vzájemné korelace jsou také totožné s původními daty. Celkové N artificiálních a původních dat je rovněž stejné (24 061 634). Ar-tificiální data se liší pouze rozptylem spojitých proměnných, což není pro použitý typ analýzy podstatné. Konkrétně používáme informace o příjmu, vzdělání, věku, pohlaví, sféře placené práce a roku sběru dat. Jiné proměnné, například informace o oboru studia nebo oboru ekonomických činností, nebyly v datech k dispozici. Při návrhu analýzy jsme vyšli z teorie lidského kapitálu, podle které má na příjem vliv zejména výše kvalifikace (vzdělání) a délka praxe [Chase 1998; Lemieux 2006; Polachek 2008;Trostel, Walker, Woolley 2002; Večerník 2001 ].
20
Na vzdělání záleží
1. Finanční a nefinanční návratnost vzdělání
21
lářským vzděláním zvyšuje a počínaje rokem 2006 se ustaluje ve své současné pozici a dále kopíruje vývoj návratnosti úplného vysokoškolského vzdělání. Nástup absolventů bakalářského studia na trh práce také pravděpodobně způsobil to, že až do roku 2006 se mění platové rozdíly mezi jednotlivými vzdělanostními stupni. Od té doby zůstávají odstupy příjmů přibližně konstantní (podobně viz kapitola 2).
Graf 1.3: Hodinový příjem podle vzdělání (25-64 let) a sféry placené práce v období 2000 až 2014 v ČR (Kč/h)
Platová sféra
Mzdová sféra
■ ■• -zs
---Bc.
■ vyučen -VŠ
-ss
250 230 210 190 170 150 -130 110
90
70
50 -
-»-zš
---8c.
■ vyučen -VŠ
-ss
Zdroj dat: ISPV 2015, vlevo platová, vpravo mzdová sféra
Rozdíl mezi finanční návratností vysokoškolského a středoškolského maturitního vzdělání se přibližně do roku 2005 zvětšuje. Zatímco v roce 2000 byl tento rozdíl v hodinové mzdě asi 30 Kč, v roce 2014 to bylo asi 70 Kč. Finanční návratnost vysokoškolského vzdělání tedy neldesá; vysokoškolské vzdělání v době vzdelanostní expanze neztrácí hodnotu, ale spíše naopak. Stejně jako u nefinanční návratnosti vyššího vzdělání také u jeho finanční návratnosti jsme nuceni konstatovat, že teorii inflace vysokoškolských diplomů naše data nepotvrzují. I když je pracovní
trh v posledních 15 letech sycen rostoucím počtem vysokoškoláků, zdá že stále ještě nedosáhl stavu naplnění, absorbuje vzdělané pracovníky a nabízí jim pozice s odpovídajícím finančním ohodnocením.
1.4 Závěry a diskuze
V této kapitole jsme odpovídali na otázku, zda finanční a nefinanční návratnost vyššího vzdělání v České republice roste, nebo ldesá v situaci, kdy se výrazně zvyšuje podíl vysokoškolsky vzdělaných zaměstnanců na trhu práce. Ptali jsme se, zdali platí pro český pracovní trh teorie inflace vzdělání, nebo teorie technologické změny. K odpovědi na tuto otázku jsme analyzovali data z Českého panelového setření domácností za rok 2015 a z Šetření o pmmérném výdělku za léta 2000 až 2014. Na základě teorie inflace vzdělání a teorie technologické změny jsme formulovali dvě hypotézy. První z nich předpokládá, že vzhledem ke zvýšení počtu vysokoškoláků bude hodnota jejich vzdělání devalvovat. Druhá oproti tomu očekává, že díky technologickým změnám trhu práce bude hodnota vyššího vzdělání zůstávat konstantní nebo ještě poroste.
Analýza nefinanční návratnosti vzdělání ukázala, že absolventi vysokoškolského i bakalářského stupně získávají ve srovnání s absolventy ostatních vzdělanostních stupňů po celé sledované období lepší zaměstnání a vykazují nižší míru nezaměstnanosti. Pracovní trh není absolventy vysokých škol natolik saturován, aby se nefinanční přínosy vyššího vzdělání snižovaly. Tyto závěry korespondují s podobnými zjištěními z Polska nebo Estonska [srov. Baranowska-Rataj, Unt 2012] a také jdou ruku v ruce se statistikami Eurostatu, podle nichž má Česká republika nižší podíl vysokoškoláků v ekonomicky aktivní populaci, než je běžné v západních zemích Evropské unie [Eurostat 2012, 2015].
Prostřednictvím vícerozměrné analýzy jsme ukázali, že finanční návratnost vysokoškolského vzdělání je nižší v platové a vyšší v mzdové sféře. Po celé sledované období návratnost terciárního vzdělání v obou sférách mírně roste a také mírně roste odstup od nižších vzdělanostních stupňů. Znamená to, že nedochází k inflaci vysokoškolského vzdělání. Jeho hodnota z hlediska finanční návratnosti v době vzdelanostní expanze naopak mírně roste.
V provedených analýzách nebyly zohledněny nepříjmové přínosy spojené se zaměstnáním. Získané výsledky dále nelze vztáhnout na pod-
20
Na vzdělání záleží
1. Finanční a nefinanční návratnost vzdělání
21
lářským vzděláním zvyšuje a počínaje rokem 2006 se ustaluje ve své současné pozici a dále kopíruje vývoj návratnosti úplného vysokoškolského vzdělání. Nástup absolventů bakalářského studia na trh práce také pravděpodobně způsobil to, že až do roku 2006 se mění platové rozdíly mezi jednotlivými vzdělanostními stupni. Od té doby zůstávají odstupy příjmů přibližně konstantní (podobně viz kapitola 2).
Graf 1.3: Hodinový příjem podle vzdělání (25-64 let) a sféry placené práce v období 2000 až 2014 v ČR (Kč/h)
Platová sféra
Mzdová sféra
170 150
-m- -ZS
---Bc.
■ vyučen -VŠ
-ss
-■• -ZS
---Bc.
■ vyučen -VŠ
-SS
Zdroj dat: ISPV 2015, vlevo platová, vpravo mzdová sféra
Rozdíl mezi finanční návratností vysokoškolského a středoškolského maturitního vzdělání se přibližně do roku 2005 zvětšuje. Zatímco v roce 2000 byl tento rozdíl v hodinové mzdě asi 30 Kč, v roce 2014 to bylo asi 70 Kč. Finanční návratnost vysokoškolského vzdělání tedy neklesá; vysokoškolské vzdělání v době vzdelanostní expanze neztrácí hodnotu, ale spíše naopak. Stejně jako u nefinanční návratnosti vyššího vzdělání také u jeho finanční návratnosti jsme nuceni konstatovat, že teorii inflace vysokoškolských diplomů naše data nepotvrzují. I když je pracovní
irh \ posledních 15 letech sycen rostoucím počtem vysokoškoláků, zdá s • ý ť stále ještě nedosáhl stavu naplnění, absorbuje vzdělané pracovníky ! n.ibízí jim pozice s odpovídajícím finančním ohodnocením.
1.4 Závěry a diskuze
V této kapitole jsme odpovídali na otázku, zda finanční a nefinanční ná\ r.itnost vyššího vzdělání v České republice roste, nebo ldesá v situaci, kdv ">e výrazně zvyšuje podíl vysokoškolsky vzdělaných zaměstnanců na trhu práce. Ptali jsme se, zdali platí pro český pracovní trh teorie inflace vzdělání, nebo teorie technologické změny. K odpovědi na tuto otázku jsme analyzovali data z Českého panelového šetření domácností za rok 2015 a z Šetření o průmérném výdělku za léta 2000 až 2014. Na základě icoric inflace vzdělání a teorie technologické změny jsme formulovali dvě hypotézy. První z nich předpokládá, že vzhledem ke zvýšení počtu vysokoškoláků bude hodnota jejich vzdělání devalvovat. Druhá oproti icunu očekává, že díky technologickým změnám trhu práce bude hodnota vyššího vzdělání zůstávat konstantní nebo ještě poroste.
Analýza nefinanční návratnosti vzdělání ukázala, že absolventi vysokoškolského i bakalářského stupně získávají ve srovnání s absolventy ostatních vzdělanostních stupňů po celé sledované období lepší zaměstnání a vykazují nižší míru nezaměstnanosti. Pracovní trh není absolventy vysokých škol natolik saturován, aby se nefinanční přínosy vyššího vzdělání snižovaly. Tyto závěry korespondují s podobnými zjištěními z Polska nebo Estonska [srov. Baranowska-Rataj, Unt 2012] a také jdou ruku v ruce se statistikami Eurostatu, podle nichž má Česká republika nižší podíl vysokoškoláků v ekonomicky aktivní populaci, než je běžné v západních zemích Evropské unie [Eurostat 2012, 2015].
Prostřednictvím vícerozměrné analýzy jsme ukázali, že finanční návratnost vysokoškolského vzdělání je nižší v platové a vyšší v mzdové sféře. Po celé sledované období návratnost terciárního vzdělání v obou sférách mírně roste a také mírně roste odstup od nižších vzdělanostních stupňů. Znamená to, že nedochází k inflaci vysokoškolského vzdělání. Jeho hodnota z hlediska finanční návratnosti v době vzdelanostní expanze naopak mírně roste.
V provedených analýzách nebyly zohledněny nepříjmové přínosy spojené se zaměstnáním. Získané výsledky dále nelze vztáhnout na pod-
22
Na vzdělání záleží
2. Mzdy a příjmové nerovnosti
23
nikatele ani na osoby samostatně výdělečně činné. Srovnávat finanční návratnost vzdělání pro OSVČ je vzhledem k odlišnému sociálnímu zabezpečení a širším možnostem daňové optimalizace prakticky nemožné. To bude do budoucna činit nemalé problémy, protože pracovní trh se proměňuje směrem k větší flexibilizaci práce a podíl zaměstnanců vykonávajících práci formou OSVČ roste.
Na českém pracovním trhu zatím k inflaci vysokoškolského vzdělání nedochází, i když se počet absolventů vysokých škol v posledních patnácti letech výrazně zvýšil. Česká republika sice nepatří k průmyslově nej vyspělejším ani k vědecky nejvíce inovativním zemím, přesto dokáže nově produkované absolventy vysokých škol zaměstnat na odpovídajících pozicích s odpovídajícím příjmem, a to i v období celosvětové finanční krize. Vzhledem k tomu, že počet studentů vysokých škol aktuálně klesá v souladu s poklesem demografické křivky, bude tomu tak pravděpodobně i nadále.
kapitola 2 MZDY A PŘÍJMOVÉ NEROVNOSTI
Martina Mysíková
1'ívd rokem 1989 patřilo tehdejší Československo k zemím s nejnižší mzdovou nerovností, a to nejenom v rámci zemí východní socialistické Evropy, ale i celosvětově. V komunistickém režimu byla práce odměňována podle toho, jak byla prospěšná režimu, a podle principu naplnění základních potřeb, kde fyzicky náročná práce vyžaduje více zdrojů. Me/.i nejlépe odměňovaná odvětví tudíž patřila hornictví, strojírenství a těžký průmysl. Oproti tomu kvalifikační a psychická náročnost práce upřednostňována nebyla a vzdělání tak diferencovalo výši výdělku pouze omezeně [Večerník 2009].
Odměňování na trhu práce v socialistické éře tak v žádném ohledu neodráželo ekonomické teorie uvažující fungování tržních sil. Podle stěžejní teorie lidského kapitálu vede vyšší vzdělání ke zvýšení produktivity pracovníka a jeho vyšší produktivita se pak také přímo odráží v jeho vyšší mzdě [Becker 1975; Mincer 1974]. Podle jiných teorií nehodnotí zaměstnavatelé přímo produktivitu, vyšší dosažené vzdělání jim však signalizuje větší schopnosti pracovníka [Spence 1973]. Ať tak či onak, všechny ekonomické teorie předpokládají silný vztah mezi vzděláním a mzdou.
Při liberalizaci trhu po roce 1989 se tak mezi faktory ovlivňující výši mezd velmi rychle dostala do popředí právě úroveň dosaženého vzdělání a zaměstnavatelé nově fungující v soukromém sektoru začali oceňovat zejména vzdělání, dovednosti a produktivitu zaměstnanců. Stejně tak docházelo k rychlému rozvoji sektoru služeb, který je náročný právě na vzdělání, schopnosti a inovace.
Nárůst rozdílů ve mzdách podle vzdělání sílil rychlým tempem až do druhé poloviny 90. let a poté se stabilizoval. Počáteční rapidní vývoj nelze vysvětlovat nárůstem produktivity práce. Ačkoli vzdělání dosažené během komunistického období bylo postačující pro kapitalistické trhy [Chase 1998; Flanagan 1998], nelze předpokládat, že produktivita práce rostla stejně vysokým tempem, jakým se zvyšovalo odměňování vyššího vzdělání. Vysvětlením je uvolnění regulačních a institucionálních
24
Na vzdělání záleží
2. Mzdy a příjmové nerovnosti
25
překážek při určování výše mezd [Fleisher et al. 2005]. Čím rychleji 1 reformy probíhají, tím rychleji se odměňování vzdělání přizpůsobuje 1 tržním hodnotám.
V posledních desetiletích však navíc dochází k prudkému nárůstu po- i čtu osob s vysokoškolským vzděláním nejen v zemích východní Evropy, | ale obecně ve všech vyspělých zemích. Souvisí to nejen s technologickým J pokrokem a inovacemi, ale také s intenzivnějším zapojením žen na trhu ' práce a jejich potřebou vyššího lidského kapitálu - rychlejší nárůst podílu vysokoškolsky vzdělané populace spatřujeme u žen. V roce 2004 mělo vysokoškolské vzdělání 22 procent populace současné Evropské unie (se stejnými podíly pro muže i ženy), v roce 2016 už 31 procent (29 procent ; u mužů, 33 procent u žen).10 V České republice se podíl vysokoškoláků téměř zdvojnásobil z 12 procent v roce 2004 na 23 procent v roce 2016.
U žen byl nárůst vysokoškolského vzdělání výraznější (z 11 na 24 procent) než u mužů (z 14 na 22 procent).
V důsledku tohoto vývoje se v současnosti mluví o hrozbě nadbytku vysokoškolsky vzdělaných lidí (více viz teorie inflace vzdělání, kapitola 1). Ti by pak nenalezli uplatnění v zaměstnání odpovídajícím jejich kvalifikaci a byli by nuceni přijímat pracovní pozice s nižší požadovanou vzdelanostní kvalifikací, odkud by ale vytlačovali zaměstnance s nižším,
ač dostačujícím vzděláním [Mysíková 2016], Roste-li výrazně nabídka 4 kvalifikované práce, mělo by podle zákonitostí ekonomických teorií docházet ke snížení odměňování vzdělání, a tedy ke snížení diferenciace I mezd podle úrovně dosaženého vzdělání [Becker 1975] ■ Pokud ale poptávka po kvalifikované práci a po pracovnících s vyšším vzděláním ještě není nasycena nebo se stále zvyšuje, například v důsledku technologie- [ kých změn, odměňování vzdělání a mzdová diferenciace může narůstat 1 či zůstat stabilní. j§
V této kapitole se zaměříme na mzdové rozdíly podle dosažené úrovně 1 vzdělání. Podle vývoje vlivu vzdělání na výši mezd v posledním desetiletí zjistíme, zda už vzdelanostní úroveň české populace nasycuje poptávku j zaměstnavatelů, a zda tedy rozdíly ve výši mezd podle úrovně dosaženého vzdělání klesají. Ukážeme si ale také, jaké jsou mzdové nerovnosti | v rámci stejných vzdělanostních skupin, neboť vzdělání samozřejmě není I
10 Podíl z populace ve věku 25-64 let. Databáze Eurostatu, proměnná edat lfs_9903.
jediným faktorem výše mzdy. Nakonec se podíváme, jak vzdelanostní úroveň ovlivňuje chudobu a životní situaci české populace.
2.1 Vliv vzdělání na výši mzdy
Rané období po roce 1989 bylo provázeno silným zvyšováním rozdílů y měsíčních mzdách podle úrovně dosaženého vzdělání. Těsně před změnou režimu v roce 1988 měli zaměstnanci s vysokoškolským vzděláním v průměru o 50 procent vyšší měsíční hrubé mzdy než pracovníci se základním vzděláním (viz graf 2.1).11 Jak již bylo zmíněno, mzdový rozdíl mezi těmito dvěma skupinami rapidně narostl zejména během 90. let. V roce 1996 byly mzdy vysokoškoláků oproti lidem se základním vzděláním více než dvojnásobné. O něco méně strmý nárůst rozdílu ve mzdách spatřujeme během prvního desetiletí po revoluci i u středoškoláků. Mzdy lidí vyučených se od lidí se základním vzděláním odchýlily nejméně.12
Mezi roky 1996a 2002, za které máme k dispozici mikrocenzová data (více viz Příloha - Datové zdroje), se vzdelanostní rozdíly ve mzdách ustálily. Další dostupná data pocházejí z roku 2005 ze šetření Životní podmínky (někdy známé pod pojmem EU-SILC), které je od té doby prováděno každoročně. Srovnání dat za roky 2002 a 2005 ukazuje, že na počátku tisíciletí dále narůstaly mzdové rozdíly podle stupně dosaženého vzdělání, ovšem zdaleka ne tak výrazně jako v 90. letech. Od roku 2005 pak vidíme pozvolný pokles individuálních výnosů z vyššího vzdělání. Relativní rozdíl mezi mzdami vysokoškoláků a středoškoláků zůstává víceméně stabilní, stejně tak relativní rozdíl ve mzdách středoškoláků a vyučených pracovníků. Oproti mzdám lidí se záldadním vzděláním se ale po roce 2005 mzdy ostatních nejdříve lehce snížily. Po roce 2008 k výrazným změnám nedochází. V roce 2016 měli vyučení pracovníci v průměru o 13 procent vyšší mzdy než lidé se základním vzděláním, středoškoláci pak dalších zhruba 35 procentních bodů navíc oproti vyučeným, a největší rozdíl zůstává u vysokoškoláků, jejichž mzdy byly oproti středoškolákům o dalších 60 procentních bodů vyšší.
11 Při správné interpretaci se jedná o procentní nárůst geometrického průměru mezd vysokoškoláků oproti zaměstnancům se základním vzděláním, nikoli aritmetického.
12 Vyučení zahrnují nižší střední vzdělání bez maturity. Středoškolské vzdělání zahrnuje úplné střední s maturitou, nástavbové studium, pomaturitní kurzy, vyšší odborné. Vysokoškolské vzdělání zahrnuje bakalářské, magisterské, inženýrské, doktorské.
26
Na vzdělání záleží
2. Mzdy a příjmově nerovnosti
27
Graf 2.1: Průměrné měsíční hrubé mzdy - % rozdíl oproti pracovníkům se základním vzděláním (celek)
Graf 2.2: Průměrné měsíční hrubé mzdy mužů - % rozdíl oproti
1988    1996    2002    2005    2006    2007    2008    2009    2010    2011    2012    2013    2014    2015 2016
..........Vyučeni —■—SŠ -VŠ
Zdroj: Mikrocenzus 1988,1996,2002; Životní podmínky 2005-2016; vlastní výpočty
Poznámka: Hodnoty jsou odvozeny z koeficientů „Mincerovské" OLS regrese, kde závislou proměnnou je logaritmus hrubé měsíční mzdy a kontrolní proměnné jsou pohlavia počet let pracovních zkušeností (plus jejich kvadrát) - v Mikrocenzech odvozený jako věk mínus počet let běžně potřebných ke studiu dané úrovně vzdělání mínus 6. Vzorek: zaměstnanci ve věku 20-64 let pracující většinu roku na plný pracovní úvazek. U každé vzdělanostnískupiny je vyřazen spodní a horní mzdový percentil z důvodu možného vychýlení výsledků kvůli extrémním hodnotám. Svislá čára naznačuje přechod z dat Mikrocenzus na data Životní podmínky.
Grafy 2.2 a 2.3 ukazují nárůst vzdělanostních rozdílů zvlášť pro mužskou a ženskou část pracujících. Obecně je tendence vývoje mzdových rozdílů stejná jako u celé populace, znatelná je ale mnohem vyšší odměna vysokoškolaček oproti zaměstnankyním se základním vzděláním, než je tomu u mužů, a do menší míry i u středoškolaček. Jak ukážeme níže, mzdová diferenciace podle úrovně dosaženého vzdělání je tedy u žen vyšší než u mužů, a to už v komunistickém období v roce 1988.
Ačkoli socialistické Československo patřilo k zemím s nejmenší mzdovou nerovností, zdaleka to neplatilo pro genderové mzdové rozdíly, kde spíše opak byl pravdou. To souvisí i s odměňováním dle zmíněného principu naplnění základních potřeb, protože ženy byly méně často zastoupeny v lépe placených odvětvích, která ale byla méně náročná na vzdělání. Výsledné mzdové rozdíly podle vzdělání tak byly v roce 1988 vyšší u žen než u mužů - zatímco ženy vysokoškoláčky měly mzdy o 67 procent vyšší než ženy se základním vzděláním, u mužů byl tento rozdíl jen 44procentní.
1988   1996    2002   2005    2006   2007    2008    2009   2010   2011   2012    2013    2014    2015 2016
.........Vyučeni —•—SŠ -VŠ
Zdroj: Mikrocenzus 1988,1996,2002; Životní podmínky 2005-2016; vlastní výpočty *Viz Graf 2.1.
Graf 2.3: Průměrné měsíční hrubé mzdy žen - % rozdíl oproti pracovníkům se základním vzděláním
1988    1996   2002    2005   2006    2007   2008   2009    2010    2011    2012    2013    2014    2015 2016
.........Vyučení —■—SŠ -VŠ
Zdroj: Mikrocenzus 1988,1996,2002; Životní podmínky 2005-2016; vlastní výpočty *Viz Graf 2.1.
Vývoj v prvním desetiletí po roce 1989 tak přinesl spíše snížení rozdílnosti průměrných mezd podle vzdělání u žen vůči situaci u mužů - v roce 1996 vydělávaly vysokoškoláčky zhruba o 120 procent více než zaměstnankyně se základním vzděláním, stredoškoláčky pak přibližně o 55 procent více, u mužů to bylo 110 a 50 procent. Nejširší diferenciaci mezd podle vzdělání žen spatřujeme v roce 2005 - vysokoškoláčky měly mzdy o přibližně 145 procent vyšší než zaměstnankyně se základním vzděláním (u mužů 125 procent), stredoškoláčky o 80 procent (u mužů 60 procent). V následujících letech se diferenciace mezd u žen i u mužů snižovala, kolem roku 2014 je však opět mnohem výraznější u žen než u mužů.
28 Na vzdělání záleží
Rozdílná diferenciace mezd podle vzdělání u žen a u mužů může mít j
mnoho důvodů. V dřívějších dekádách platilo, že ženy měly v průměru i
nižší vzdělání než muži, a je tedy možné, že když už ženy měly vysoké '
vzdělání, zaměstnavatelé je oproti ostatním ženám oceňovali relativně . i
více než u mužů. V současnosti už je ale zastoupení žen a mužů s vysoko- i
školským vzděláním vyrovnané, v České republice je dokonce mezi žen.i - ! mi podíl vysokoškolaček vyšší než podíl vysokoškoláků mužů (jak bylo
zmíněno v úvodu této kapitoly), a toto vysvětlení tak pozbývá významu, ?
Pokud tedy nelze najít důvod v odměňování výrazně rozdílných úrovní * vzdělání, jako další můžeme hledat vysvětlení v teoriích segmentace či íj duálních trzích práce. Podle těchto teorií vedle sebe na trhu práce zároveň ^ fungují dva segmenty, přičemž pro pracovníky ze sekundárního segmentu J je velmi těžké přejít na primární trh, charakterizovaný lepšími platovými i jinými pracovními podmínkami. Z pohledu rozdílů mezi pohlavími je ! pak primární segment vyhrazen pro muže, sekundární pro ženy. K vysvěi-lení může přispět i teorie statistické diskriminace, podle které zaměstnavatelé posuzují potenciální zaměstnance podle obecných charakteristik ; jejich skupiny, aniž by znali jejich skutečné dovednosti [Mysíková 2007].
Tyto teorie podporuje i skutečnost, že Česká republika patří mr/i země s jedním z nejvyšších mzdových rozdílů mezi muži a ženami v El', přičemž tyto rozdíly nelze vysvětlit běžně pozorovatelnými charakteristikami pracovníků a jejich zaměstnání [Mysíková 2012]. Je tedy možné,
že pouze nejschopnější ženy, řekněme ženy s vysokým vzděláním, se '
mohou dostat na primární trh práce charakterizovaný nejlépe odmě- \
ňovanou prací. Tak vzniká právě větší diferenciace mezd podle vzdělání '■
u žen než u mužů, kteří mají škálu možností zaměstnání větší. f
2.2 Mzdová nerovnost v rámci vzdělanostních skupin 1
Vzdělání není jediným hlavním faktorem určujícím výše mezd. Pokud I
bychom uvážili kromě vzdělání, pracovních zkušeností a pohlaví také j
další charakteristiky, jako je typ zaměstnání, odvětví, vedoucí pozice, J velikost firmy, typ pracovní smlouvy či region a velikost obce, byly by
výsledné rozdíly ve výši mezd podle úrovně vzdělání nižší, než jsme uká- I
zali v grafu 2.1. Čím homogennější skupinu pracovníků posuzujeme. 1 tím menší rozdíly podle vzdělání spatřujeme. A naopak v rámci stejnýcli
vzdělanostních skupin tedy existuje mnoho důvodů, proč mohou míl §
2. Mzdy a příjmové nerovnosti 29
pracovníci odlišné mzdy. Nyní se proto zaměříme na mzdovou diferen-•i-ici v rámci skupin se stejnou úrovní vzdělání.
Graf 2.4 ukazuje celkovou mzdovou nerovnost měřenou tzv. Giniho koeficientem13 a rozložení této nerovnosti na tři části. Jedna část odráží rozrůznění mezd v rámci zkoumaných vzdělanostních skupin. Další část vzniká kvůli rozdílu průměrných mezd mezi vzdělanostními skupinami. Pokud by se škály mezd jednotlivých vzdělanostních skupin nepřekrývaly, mzdová nerovnost by byla vysvětlena pouze těmito dvěma částmi. Ve skutečnosti ale někteří zaměstnanci se základním vzděláním dosahují vvšších mezd nejen než někteří vyučení, ale i než někteří vysokoškolsky vzdělaní. Poslední část tedy závisí na rozsahu, jakým se mzdová rozdělení jednotlivých skupin navzájem překrývají [Pyatt 1976].
I zde vidíme, že celková mzdová nerovnost výrazně narostla v počáteční fázi ekonomické transformace a že míra mzdové nerovnosti měřená zmíněným Giniho koeficientem vyskočila z 0,19 v roce 1988 na 0,24 v ruce 1996. Zvýšení mzdové nerovnosti bylo způsobeno zejména rozdíly mezi vzdělanostními skupinami. I přes určité snížení mezi roky 2007 až 2010 je celková mzdová nerovnost od roku 1996 více méně stabilní (graf 2.4). Zhruba polovinu lze přičítat rozdílům ve mzdách mezi vzdělanostními skupinami, skoro 30 procent ovšem vzniká kvůli diverzifikaci uvnitř jednotlivých skupin.
Graf 2.4: Giniho koeficient mezd - dekompozice podle vzdělanostních skupin
1988 1996 2002  2005  2006  2007 2008  2009  2010  2011  2012  2013  2014 2015 2016
■ Mezi ■ Překryv □ V rámci
Zdroj: Mikrocenzus 1988,1996,2002; Životní podmínky 2005-2016; vlastní výpočty Poznámka: vzorek: viz Graf 2.1.
13 Giniho koeficient je ukazatel zachycují diverzifikaci nějaké veličiny, nejčastěji používaný pro kvantifikaci nerovnosti příjmů a bohatství ve společnosti. Teoreticky
30
Na vzdělání záleží
2. Mzdy a příjmové nerovnosti
31
Největší nerovnost mezd se projevuje uvnitř skupiny vysokoškoláků. Logickým vysvětlením je, že ne všichni vysokoškoláci uspějí na trhu i práce a někteří z nich zastávají „horší" pracovní místa, například na pozicích, kde jejich vysoké vzdělání ani není vyžadováno. A naopak, relativně malá skupina pracovníků s extrémně vysokými mzdami se nejčastěji vyskytuje právě mezi vysokoškoláky.14 Naproti tomu lidé se základním vzděláním se jen velmi těžko dostanou na „lepší" pracovní místa, pro něž nesplňují podmínky vzdelanostní kvalifikace při přijímání do zaměstnání. Skála jejich zaměstnání s odpovídajícím platovým ohodnocením je tak menší a výsledná mzdová nerovnost nízká.
Graf 2.5 ukazuje, že tento obecný rys však neplatil před rokem 1989. Na konci komunistické éry platil dokonce přesný opak. V roce 1988 byla mzdová nerovnost nejvyšší v rámci skupiny pracovníků se základním vzděláním. Opět se lze odvolat na princip naplnění základních potřeb a mzdové upřednostňování některých fyzicky náročných povolání. Následovala skupina vyučených a nejmenší mzdové rozpětí měly skupiny středoškoláků a vysokoškoláků.
V roce 1996 mzdová nerovnost v rámci skupiny vysokoškoláků prudce narostla a od té doby platilo výše zmíněné pravidlo, že čím vyšší vzdělání, tím větší škála možných zaměstnání, a tím tedy vyšší mzdová nerovnost v rámci vzdelanostní skupiny. Po celé období jsou u skupiny pracovníků s vysokoškolským vzděláním, měřeno Giniho koeficientem, nejvyšší mzdové rozdíly. U středoškoláků a vyučených pracovníků je mzdová nerovnost obdobná. Vývoj v letech 2014 a 2015, kdy narost-
může nabývat hodnot 0 až 1 - čím vyšší hodnota, tím vyšší diverzifikace. V našem případě by hodnota 0 znamenala, že všichni pracovníci mají stejně vysokou mzdu.
14 Vrátíme-li se ke srovnání výsledků trendu návratnosti vysokoškolského vzdělání i v kapitolách 1 a 2, pak i výskyt skupiny pracovníků s extrémně vysokými mzdami může vést k vysvětlení mírné odlišnosti těchto výsledků. Šetření v domácnostech je vždy zatíženo určitou mírou nevyšetřenosti, kde lze předpokládat, že právě ti s extrémně vysokými mzdami se dobrovolného šetření (např. kvůli vyšší časové zatíženosti) účastní méně často. V datech šetření ISPV použitých v kapitole 1 se takové skupiny \ pravděpodobně vyskytují častěji. Pokud by tedy napříldad mzdy skupiny vysokoškoláků s extrémně vysokými hodnotami narůstaly ve sledovaném období relativně více než mzdy ostatních vysokoškoláků, mohli bychom přemýšlet, zda tato relativně malá skupina nezkresluje výsledný trend návratnosti vysokoškolského vzdělání. Zvážíme-li ale potenciální nedostatek dat Životní podmínky, tedy možné nízké zastoupení skupin s extrémně vysokými mzdami, ani tak graf 2.3 neukazuje klesající trend návratnosti vysokoškolského vzdělání a teorie inflace vysokoškolského vzdělání se nepotvrzuje.
, 1K.ľ0vnost mezd mezi pracovníky se základním vzděláním, je jistou anoJ1iálií, nikoli dlouhodobým trendem, jak ukazuje návrat k nižším hodnotám v roce 2016.15
Graf 2.5: Giniho koeficient mezd pro jednotlivé vzdelanostní skupiny
0,16 --r
1988  1996 2002  2005  2006 2007  2008  2009  2010  2011  2012  2013  2014  2015 2016
-»-ZŠ ........Vyučení —«— SŠ -VŠ
Zdroj: Mikrocenzus 1988,1996,2002; Životní podmínky 2005-2016; vlastní výpočty Poznámka: vzorek: viz Graf 2.1.
2.3 Chudoba a životní podmínky podle vzdělání
V předchozích částech této kapitoly jsme se zabývali výhradně mzdami zaměstnanců — osob. Celková životní situace lidí ale záleží na složení celé domácnosti, ekonomické aktivitě jejích členů a v neposlední řadě na jejich mzdách ovlivněných úrovní vzdělání, která se často u jednotlivých členů liší. Pravdou je, že v roce 2016 představovali jednotlivci 28 procent všech českých domácností [CSU 2017, Tab.lc]. Více než dvě třetiny českých domácností mají více než jednoho člena a mzdy jednotlivců tak neposkytují kompletní obrázek o příjmových nerovnostech. Proto se nyní se zaměříme na ukazatele příjmových nerovností, které zohled-
15 Ačkoli zastoupení zaměstnanců se základním vzděláním ve věku 20-64 je v šetření Životní podmínky relativně nízké - 214-569 respondentů oproti 515-1380 ve druhé nejmenší skupině vysokoškoláků - nelze mluvit o zkreslení výběrem či non-response vzorku. V letech 2014 i 2015 narostla oproti předchozímu roku výše mezd nejen v horních dvou až třech decilech, ale k určitému nárůstu došlo i ve spodním jednom až dvou decilech. Svědčí to o „polarizaci" mezd zaměstnanců se základním vzděláním. V obou letech došlo k mírnému zvýšení zastoupení mužů v horních dvou decilech a věkový průměr oproti roku 2013 lehce poklesl.
32
Na vzdělání záleží
2. Mzdy a příjmové nerovnosti
33
ňují situaci celé domácnosti. Tyto ukazatele jsou sice měřeny na úrovni domácnosti, následující grafy však uvádějí údaje za jednotlivce - členy domácností, kterým je přičten naměřený ukazatel celé domácnosti.
Jak je naznačeno v grafu 2.6, v roce 1988 nemáme k dispozici potřebné údaje za všechny členy domácnosti, a vzdelanostní kategorie jsou proto určeny podle osoby v čele domácnosti.16 Pro srovnání vývoje v 90. letech je stejnou metodou znázorněn i rok 1996, od roku 1996 dále již kategorie zachycují vzdělání jednotlivých členů domácnosti starších 16 let.
Graf 2.6: Ohrožení příjmovou chudobou pro jednotlivé vzdelanostní skupiny (%)
25% n
20%
15% j
10%
5%
1988 1996 1996 2002 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
-»-ZŠ ........Vyučení     ■   SŠ -VŠ
Zdroj: Mikrocenzus 1988,1996,2002; Životní podmínky 2005-2016; vlastní výpočty Poznámka: Ohrožení příjmovou chudobou je měřeno jako podíl populace (určité vzdelanostní skupiny), jejichž domácnost má příjem nižší než 60 % mediánu národního ekvivali-zovaného disponibilního příjmu domácností. Jsou uvažováni respondenti ve věku 16+ let. 1998-1996 - vzdelanostní kategorie jsou určeny podle vzdělání osoby v čele domácnosti. Svislá čára naznačuje přechod z dat Mikrocenzus na data Životní podmínky.
Příjmovou chudobou jsou nejčastěji ohroženi lidé se základním vzděláním. Bylo tomu tak již na konci komunistické éry, kdy byl patrnývelký odstup od ostatních vzdělanostních skupin. V roce 1988 bylo příjmovou chudobou ohroženo 21 procent osob, které žily v domácnosti s osobou se základním vzděláním v čele. V roce 1996 se mírně zvýšilo riziko ohrožení příjmovou chudobu u členů domácností s osobou vyučenou a se středoškolským vzděláním v čele, odstup od osob se záldadním vzděláním však zůstal významný.
V těchto údajích za roky 1988 a 1996 však evidentně hraje velkou
' V úplných rodinách to byl dle používané metodiky vždy muž.
roli právě složení domácností a vzdělání jednotlivých členů. Uvážíme-li vzdělání všech členů domácnosti namísto toho, abychom jim přiřadili vzdělání osoby v čele, činil v roce 1996 podíl osob ohrožených příjmovou chudobou u lidí se základním vzděláním 13,5 procent (namísto 21 procent). I tak ale zůstává ohrožení příjmovou chudobou u lidí se záldadním vzděláním výrazně vyšší než u vyučených (6 procent), středoškoláků (3 procenta) a vysokoškoláků (1,5 procenta).
V celém sledovaném období platí, že čím nižší vzdělání, tím vyšší riziko ohrožení příjmovou chudobou. Vývoj v posledních letech naznačuje nárůst ohrožení příjmovou chudobou u lidí se základním vzděláním, zatímco u ostatních vzdělanostních kategorií je míra příjmové chudoby stabilní. Ohrožení příjmovou chudobou je odvozeno pouze podle disponibilních příjmů domácností, z definice tak nezachycuje jejich výdaje, náklady na bydlení atp.
V dalším grafu se zaměříme na vlastní hodnocení domácností, jak s měsíčním příjmem vycházejí, přičemž domácnosti posuzují svoji celkovou situaci. Tato data jsou dostupná pouze v šetření Životní podmínky, graf 2.7 proto zachycuje údaje až od roku 2005. Celkový obrázek je stejný - čím nižší vzdělání, tím častěji mají lidé velké obtíže vyjít s příjmem.
Graf 2.7: Velké obtíže vycházení s příjmem pro jednotlivé vzdelanostní skupiny (%)
25% 20% 15% 10% 5%
2005 2006
2007 2008 - • -ZŠ
2009     2010 2011
........Vyučení —■-
2012 -SŠ -
2013 2014 -VŠ
2015 2016
Zdroj: Životní podmínky 2005-2016; vlastní výpočty
Poznámka: Podíl populace (určité vzdelanostní skupiny), jejichž domácnost má velké obtíže vyjít s příjmem. Otázka v šetření zněla:„Jak vychází Vaše domácnost s celkovým měsíčním příjmem?" s variantami odpovědí 1. s velkými obtížemi, 2. s obtížemi, 3. s menšími obtížemi, 4. docela snadno, 5. snadno, 6. velmi snadno. Jsou uvažováni respondenti ve věku 16+ let.
34
Na vzdělání záleží
2. Mzdy a příjmové nerovnosti
35
Nejčastěji měli lidé se základním vzděláním velké problémy vyjít s příjmem v roce 2013 - 19,5 procent. V kategorii vyučených mělo 11 procent z nich velké obtíže vyjít s příjmem, u středoškoláků 5 procent a u vysokoškoláků dokonce jen 2 procenta. Na rozdíl od ohrožení příjmovou chudobou dochází u lidí se základním vzděláním v posledních letech poklesu výskytu těchto obtíží.
Osoby, jejichž domácnost má velké obtíže vyjít s příjmem, však nutné nemusejí být stejné, jako ty spadající pod ohrožení příjmovou chudobou [Večerník, Mysíková 2015]. Mezi lidmi s vysokoškolským vzděláním Jľ pouze 0,5 procent těch, kteří jsou ohroženi příjmovou chudobou a zároveň mají velké obtíže vyjít s příjmem. U středoškoláků je to 1,0 procent, u vyučených 3,6 procent a u lidí se základním vzděláním dokonce 8,d procent. Graf 2.8 ukazuje ještě silnější diverzifikaci životních podmínek podle vzdělání, než jsme spatřovali podle jednotlivých ukazatelů zvlášť. Téměř 30 procent lidí se základním vzděláním žije v domácnostech ohrožených jednou ze zmíněných forem chudoby, u vyučených je to 17 procent, u středoškoláků jen necelých 10 procent a u vysokoškoláků pouze necelá 4 procenta.
Graf 2.8: Ohrožení příjmovou chudobou a velké obtíže vycházení s příjmem zároveň, 2013 (%)
"'hodnoty spokojenosti a průměrné skóre je tedy vyšší. Vysokoškoláci i častěji hodnotí spokojenost jako nadprůměrnou - 26 procent od-
pově'
dělo stupněm 8, zatímco zcela nepokojeno je jen necelé procento.
Graf 2.9: Spokojenost s finanční situací - rozdělení odpovědí a průměr, 2013 (škála 0-10)
30% 1
25«
20%
:>%
10% 5% 0%
Prumer: 5.0
5.5
zš
Ir
É
Vyučení
VS
Zdroj: Životní podmínky 2013; vlastní výpočty
Poznámka: Otázka v šetření zněla: „Do jaké míry jste spokojen(a) s finanční situací Vaší domácnosti? Při odpovědi použijte, prosím, stupnici od 0 (zcela nespokojen(a)) do 10 (zcela spokojen(a))". Jsou uvažováni respondenti ve věku 16+ let.
Vyučení
■ Obě formy chudoby DJen ohrožení příjmovou chudobou Zdroj: Životní podmínky 2013; vlastnívýpočty
B Jen nevycházení s příjmem
^ Nakonec se podíváme, jak jsou lidé s různou úrovní dosaženého vzdělání spokojeni s finanční situací své domácnosti (graf 2.9). Čím vyšší úroveň vzdělání, tím v průměru vyšší spokojenost s finanční situací. U osob se základním vzděláním (19 procent) a u vyučených (22 procent) je nejčastějším hodnocením střední varianta 5. Vyučení ale častěji volí
2.4 Závěr
Vzdělání je jedním z hlavních faktorů ovlivňujících výši mezd pracovníků a posléze životní úroveň jejich domácností. Před rokem 1989 patřilo tehdejší Československo k zemím s jednou z nejnižších mzdových nerovností. Mzdy byly určovány centrálně a vliv úrovně dosaženého vzdělání byl ve srovnání s fungováním tržních ekonomik výrazně potlačen. Po pádu komunistického režimu došlo během 90. let k prudké diverzifikaci mezd podle úrovně vzdělání a ještě i počátkem nového tisíciletí bylo patrné mírné tempo nárůstu mzdového ohodnocení podle výše vzdělání. Po roce 2005 už se mzdové rozdíly začaly snižovat a v posledním desetiletí se stabilizovaly. Měsíční mzdy vysokoškoláků jsou nyní v průměru dvojnásobné než mzdy lidí se základním vzděláním.
Po roce 1989 došlo nejen k nárůstu mzdových rozdílů mezi vzděla-nostními skupinami, ale zvýšily se rozdíly i v rámci skupin, které tvoří
36
Na vzdělání záleží
2. Mzdy a příjmové nerovnosti
37
téměř třetinu celkové mzdové nerovnosti. Vzdělání není jediným důležitým faktorem výše mezd, ale zcela jistě ovlivňuje možnosti pracovníků ucházet se o určité pracovní pozice. Vysokoškoláci představují skupinu s největší diverzifikací mezd, což je logickým důsledkem nejširší škálv jejich potenciálně možných zaměstnání. Neplatilo to však v komunistické éře, kdy byly vzdelanostní mzdové rozdíly uměle přetvářeny podle ideologické prospěšnosti práce režimu a zvýhodňováním určitých, zejména fyzicky náročných odvětví. V roce 1988 tak byla největší mzdová nerovnost právě u skupiny lidí se záldadním vzděláním a nejnižší u vysokoškoláků. Teprve po revoluci mzdová nerovnost v rámci vzdělanostních skupin nabyla charakteristických rysů - čím vyšší vzdělání, tím větší škála možných zaměstnání, a tím tedy vyšší mzdová nerovnost v rámci vzdelanostní skupiny.
Mzdy jsou zpravidla hlavní složkou celkových příjmů domácností v ekonomicky aktivním věku, a lze proto očekávat, že úroveň dosaženého vzdělání se také silně projeví v celkových životních podmínkách osob a domácností. Ohrožení chudobou zcela jistě závisí na výši mezd a příjmů celé domácnosti, složení rodiny a ekonomické aktivitě jejích členů a v neposlední řadě i na výdajích a náldadech domácnosti. Oficiálním dlouhodobě používaným ukazatelem chudoby je tzv. riziko ohrožení příjmovou chudobou. Podle tohoto měřítka jednoznačně platí, že čím vyšší vzdělání, tím menší ohrožení příjmovou chudobou. Platilo to již na konci komunistické éry a platí to dodnes, přičemž za nejvíce ohroženou skupinou lidí se základním vzděláním mají všechny další skupiny značný odstup.
Zatímco během komunistického období jsme neměli k dispozici údaje o hodnocení životní situace samotnými domácnostmi, v posledním desetiletí vidíme podobný rozestup vzdělanostních skupin i z hlediska četnosti výskytu velkých obtíží vycházet s měsíčním příjmem. Velký rozdíl spatřujeme zejména mezi vysokoškoláky a lidmi se základním vzděláním, kteří jsou ohroženi chudobou jak čistě z hlediska výše příjmů, tak i podle vlastního hodnocení vycházení s příjmy — zatímco se v takto svízelné situaci nachází pouze zanedbatelná část vysokoškoláků, mezi lidmi se základním vzděláním je to téměř desetina. Nedostatečné životní podmínky dokresluje i výrazně nižší spokojenost s finanční situací domácností lidí se základním vzděláním, než je tomu u lidí s vyšším vzděláním.
.Shmeme-li výsledky analýz této kapitoly, vzdělání se po roce 1989 velm i rychle dostalo do popředí při odměňování práce. Vývoj mzdových ro/dílů naplnil očekávání transformačního procesu, kdy mzdové hodnocení pracovníků nutně muselo začít odrážet vzdělání a schopnosti, namísto dřívějších principů. V posledním desetiletí je ale mzdová diferenciace u lidí s různou dosaženou úrovní vzdělání víceméně stabilní. Rozdíly ve výši mezd a životní úrovní mezi vzdělanostními skupinami se sice neprohlubují, ale jsou tak výrazné, že lze investice lidí do vzdělání považovat za důležitý faktor sociálních nerovností, stratifikace či vyloučení.