2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Přídavek na dítě 531 486 464 460 444 423 391 343 270 239 225
Příspěvek na bydlení 121 143 163 193 220 225 221 207 185 165 156 Rodičovský příspěvek 339 326 308 294 280 277 275 279 282 284 315
Porodné 10 2 1 1 1 2 2 2 1 1 1
Zdroj: Interní data MPSV, vlastní zpracování
Tabulka 9: Náklady na vybrané dávky státní sociální podpory Dávka státní sociální
podpory
Náklady v roce (v mil. Kč)
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Přídavek na dítě 3 862 3 498 3 332 3 329 3 206 3 057 2 817 2 479 2 520 2 279 2 138 Příspěvek na bydlení 3 521 4 641 5 732 7 404 8 843 9 161 9 261 8 622 7 689 7 082 6 952 Rodičovský příspěvek 27 722 25 709 24 950 24 338 22 913 22 480 22 625 22 984 24 959 24 470 38 531
Porodné 1 565 292 144 148 143 256 256 218 175 133 105
Zdroj: Interní data MPSV, vlastní zpracování
24
Tabulka 10: Náklady na dávky nemocenského pojištění Dávka nemocenského opatření v podobě dávek státní sociální podpory má pozitivní vliv na porodnost. K tomuto potvrzení nebo případnému vyvrácení poslouží korelační a regresní analýza. Obě tyto analýzy pracují se závislostmi. Korelační analýza na rozdíl od regresní analýzy pracuje se vzájemnými závislostmi, které bývají převážně lineární. K výpočtu této analýzy slouží párový korelační koeficient, jehož výsledek dosahuje hodnot mezi –1 a +1. V případě negativního výsledku se jedná o nepřímou lineální závislost, zatímco v případě pozitivního výsledku se jedná o přímou lineární závislost. V situaci, kdy se výsledek rovná 0 se jedná o lineární nezávislost. (Hindls 2007, str. 170, 177)
V případě regresní analýzy se jedná o jednostranné závislosti. Jednostranné závislosti představují situaci, kdy proti sobě stojí nezávislá x a závislá y proměnná.
Výsledkem této analýzy je index determinace, který nabývá hodnot od 0 do 1. Čím je výsledek tohoto indexu blíže 1, tím je regresní funkce výstižnější. (Hindls 2007, str. 170, 177)
V případě této práce byla nejprve vytvořena korelační analýza. K jejímu vytvoření posloužila jedna závislá proměnná, kterou v tomto případě byly data udávající výši porodnosti v jednotlivých letech. V případě nezávislých proměnných se jednalo o data nákladů pro všechny dávky za celé zkoumané období. Pro zpracování této analýzy byla upravena některá data od nezávislých proměnných. Úprava dat byla zapotřebí v případě přídavku na dítě, příspěvku na bydlení, porodného, podpory při narození dítěte a přídavku na dítě. Důvodem k jejich úpravě byly změny provedené v roce 1995. V tomto roce se začaly kromě valorizačních úprav měnit i samotné dávky za účelem zpřehlednění celého systému, jak již bylo řečeno v kapitole 9.1 Vývoj porodnost od roku 1989 do roku 1999. Do konce roku 1995 existovaly mezi dávkami nemocenského pojištění dvě dávky, jimiž byla podpora při narození dítěte a přídavek na děti. Tyto dávky byly počínaje rokem 1995 a zrušeny a roku 1996 nahrazeny porodným a přídavkem na děti, které byly nově součástí státní sociální podpory. Z důvodu stejné povahy obou dávek byly data o nákladech na tyto dávky spojeny dohromady pro účely zpracování této analýzy. Další změnou, která nastala roku 1996 byl počátek vzniku příspěvku na bydlení mezi dávkami státní sociální podpory. Jelikož do tohoto roku žádná taková dávka neexistovala bylo vhodné přidat mezi nezávislá data další sloupeček s binární proměnou pro lepší vysvětlení této změny. Tento sloupeček dosahoval do roku 1995 hodnot 0 a od roku 1966, čili od vzniku přídavku na bydlení
25 hodnoty 1 a to až do konce 2020. Přidání binární proměnné do práce reprezentuje pomáhá vysvětlit zavedení příspěvku na bydlení. Ve chvíli, co se hodnoty v tomto sloupci změní na 1, tak již proběhla velká změna. Velká změna v binární proměnné reprezentuje zavedení přídavku na bydlení v roce 1996 a shledává vliv zavedení této dávky. U které korelační analýza shledává, jestli výši porodnosti pomohla nebo nepomohla. Po úpravě dat do této podoby byla vytvoření korelační matice, která je vložena na závěr práce v příloze číslo 2.
Z korelační matice je zřejmé, že pro regresní analýzu se bude nadále pracovat jen s daty udávající výši porodnosti a dat představující náklady za rodičovský příspěvek, porodné, vyrovnávací příspěvek v těhotenství a mateřství a příspěvek na bydlení. Důvodem k vyřazení ostatních dávek je fakt, že v korelační matici dosahovaly až moc velké vzájemné závislosti což by mohlo vychýlit následný odhad regresní analýzy a došlo by tak k porušení podmínky multikolinearity.
K vytvoření regresní analýzy byly použity pouze vybrané dávky z korelační analýzy.
Celkem bylo vytvořeno 5 regresních analýz, ze kterých se ukázala být relevantní 2 a 4.
Všechny tyto regrese byly provedeny na základě hladiny významnosti ve výši 95%.
Konkrétní regrese se poté volily na základě významnosti F. Tato významnost určuje významnost testovaných dávek a modelu jako celku. V případě, že významnost F celkového F testu přesahuje 0,05 což je část, která není obsažená v hladině významnosti 0,95, tak daná regrese obsahuje proměnné, které nejsou statisticky významné. Statisticky nevýznamné proměnné jsme zjistili z dílčích F testu. Poté se vytváří další regrese pouze s proměnnými neboli dávkami, které statisticky významné jsou. Po provedení této druhé regresní analýzy je možné vysvětlit 74,44 % dat.
Rovnice pro druhou regresní analýzu
porodnost = β0 + β1 · rodičovský příspěvek + β2 · porodné + β3 · vyrovnávací příspěvek v těhotenství a mateřství + u
Porodnost = 67078,36 + 0,85· rodičovský příspěvek + 8,23· porodné + 2513,73 + u
Výsledek druhé regresní analýzy říká, že při růstu nákladů rodičovského příspěvku o 1 milion korun za jinak stejných podmínek vzroste výše porodnosti o 0,859 dětí. Při růstu nákladů na porodné o 1 milion korun za jinak stejných podmínek vzroste výše porodnosti o 8,24 dítěte. Nejvyšší růst porodnosti může nastat za situace, kdy se výše nákladů na vyrovnávací příspěvek v těhotenství a mateřství zvýší o 1 milion korun za jinak stejných podmínek by nastal růst porodnosti o 2513,7 dítěte. Důvodem k výrazně vyššímu vlivu vyrovnávacího příspěvku v těhotenství a mateřství je fakt, že investice do této dávky, jak je zřejmé z tabulek 3, 6 a 9, jsou podstatně nižší, a tak každá další investice má větší efekt, než tomu je v případě rodičovského příspěvku a porodného.
V případě čtvrté regresní analýzy byly použity jiná data z korelační matice za účelem vysvětlení co nejvíce dat. V této analýze bylo vysvětleno 83,79 % dat. Dále se zde pracuje s rodičovským příspěvkem, porodném, příspěvkem na bydlení a daty binární proměnné.
Rovnice pro čtvrtou regresní analýzu
Porodnost = β0 + β1 · rodičovský příspěvek + β2 · porodné + β3 · příspěvek na bydlení + β4 · velká změna + u
26 Porodnost = 114009,12+ 0,62· rodičovský příspěvek + 8,5· porodné + 1,8· příspěvek na bydlení – 34699,75· velká změna + u
Čtvrtá regresní analýza shledává za nejvlivnější právě porodné, které by zvýšilo porodnost o 8,5 dítěte při dodatečné investici jednoho milionu za jinak stejných podmínek.
V případě rodičovského příspěvku by se jednalo o nárůst porodnosti o 0,62 dítěte při investici jednoho milionu za jinak stejných podmínek, a nakonec investice jednoho milionu do příspěvku na bydlení by zvýšila porodnost o 1,8 dítěte.
Z obou regresních analýz je zřejmé, že potencionální vliv na změnu výše porodnosti má rodičovský příspěvek, porodné, příspěvek na bydlení a vyrovnávací příspěvek v těhotenství a v mateřství. Na základě těchto výsledků, lze potvrdit stanovená hypotéza, že zavedení sociálních opatření v podobě dávek státní sociální podpory má pozitivní vliv na vývoj výše porodnosti. Výsledný vliv dodatečné investice za jinak stejných podmínek je ovšem poměrně nízký. Nejvyšší růst porodnosti může na základě regresní analýzy přinést investice do vyrovnávacího příspěvku v těhotenství a mateřství. V případě investice jednoho milionu do této dávky by nastal růst porodnosti o 2513, 7 dítěte. Ve snaze podpořit růst porodnosti by dodatečné investice nepřinesly vyšší růst významnější růst porodnosti.
(MPSV 2017, str. 5)
11 Prognózy vývoje porodnosti na území České republiky
Prognózy vývoje porodnosti mají velký vliv zejména na utváření hospodářské, natalitní a rodinné politiky. Samotný vývoj porodnosti je důležitý zejména z důvodu stárnutí populace, které představuje s klesající výší porodnosti zátěž na penzijní systém. (ČSÚ 2009, str. 87)
Relevantních populačních prognóz pro Českou republiku je v současné době několik.
Mezi nejpodstatnější patří zejména prognózy OSN, prognóza Eurostatu, prognózy Katedry demografie Vysoké školy ekonomické v Praze, prognózy z Katedry demografie a geodemografie Přírodovědecké fakulty Univerzity Karlovy, a prognóza Českého statistického úřadu, které se bude v následující části věnovat pozornost. (ČSÚ 2009, str.
77—78)
Předmětem zkoumání této části práce jsou Prognózy Českého statistického úřadu z roku 2004 a 2018, které předpovídají vývoj populace až do roku 2100. Prognóza z roku 2004 nám dovoluje ověřit pravdivost jejích predikce až do současného roku a zároveň srovnat změnu očekávání Českého statistického úřadu z roku 2004 s rokem 2018. Určité odlišnost v očekávaném a již odehraném vývoji je nutné připsat událostem, které tou dobou nešly předpovídat jako bylo rozšíření koronaviru. Cílem této projekce bylo nastínění budoucího populačního vývoje. Pro účely této práce se zohledňuje pouze očekávaný vývoj porodnosti, a nikoliv ostatní zkoumané skupiny, které se projevují ve změně výše počtu obyvatel. (ČSÚ 2004, str. 5)
V případě očekávaného vývoje porodnosti počítala tato prognóza z roku 2004 se třemi různými variantami, které se lišily výší úhrnné plodnosti. Všechny tyto varianty, jak je možné vidět v tabulce 11 předpokládají růst plodnosti pouze do roku 2030, kdy by měla nastat její stabilizace. Žádná z variant této predikce ovšem nepředpokládala překročení
27 hranice dvou narozených dětí jedné ženě, která by zabezpečilo nahrazení jedné generace druhou. (ČSÚ 2004, str. 7)