Europa regionaal. Arbeidsmarktprestaties in een comparatief perspectief

De Europese Unie telt 27 landen. Sommige lidstaten bereikten reeds de vermelde Lissabondoelstellingen. Voor andere liggen zij nog ver buiten het bereik. Nog andere slagen wel voor de ene maar niet voor de andere klus. Binnen elk van de 27 lidstaten zijn er bovendien regio’s die de Lissabondoelstellingen wel, niet of slechts gedeeltelijk verwezenlijken. Een land dat globaal een goed Europees rapport voorlegt, kan tegelijkertijd een grote diversiteit in regionale prestaties verbergen.

Dit WSE-rapport wil die diversiteit aan het licht brengen. Hiervoor wordt beroep gedaan op de indeling volgens de internationaal aanvaarde ‘Nomenclature of Statistical Territorial Units’ oftewel NUTS. De 27 Europese lidstaten worden onderverdeeld in 93 regio’s op niveau NUTS-1. België valt hierbij uiteen in de drie gewesten. De NUTS-indeling is gebaseerd op administratieve en institutionele structuren en weerspiegelt vaak meteen ook de verschillende politieke niveaus binnen één land. Vooral bij economische analyses is deze indeling relevant. In vele landen, zoals in België, zijn de regio’s immers grotendeels autonoom bevoegd voor het uitstippelen van het economische en werkgelegenheidsbeleid. Let wel, sommige landen, vaak de kleinere lidstaten, vormen één regio op niveau NUTS-1. Dit is het geval voor Denemarken, Zweden, Bulgarije, Tsjechië, Estland, Ierland, Cyprus, Letland, Litouwen, Luxemburg, Malta, Slovenië en Slowakije.

Methodologie

1. De cijfers

De cijfers zijn afkomstig van de Labour Force Survey die wordt beheerd door Eurostat, de statistische dienst van de Europa. Er wordt gewerkt met jaargemiddelden van 2000 en van 2005. Europa wordt ingedeeld in regio’s op basis van de internationaal aanvaarde ‘Nomenclature of Statistical Territorial Units’ oftewel NUTS. De 27 Europese lidstaten worden op niveau NUTS-1 onderverdeeld in 93 regio’s. Voor Frankrijk worden de overzeese Franse gebieden niet mee opgenomen in de analyses.

Waar geen regionale gegevens beschikbaar zijn, wordt het nationale cijfer overgedragen. Bij de jongerenwerkloosheid in 2005 is dit het geval voor de regio’s Aland, Região Autónoma dos Açores en Região Autónoma da Madeira en alle Roemeens regio’s. Voor dezelfde regio’s alsook voor de regio’s Bremen, Hamburg en Saarland ontbraken cijfers met betrekking tot de jongerenwerkloosheid in 2000. Deze regionale cijfers werden geraamd op basis van de evolutie in jongerenwerkloosheid tussen 2000 en 2005 op nationaal niveau.

De armoederisicopercentages zijn afkomstig van de Statistics on Income and Living Conditions (SILC) via Eurostat. Het gaat om cijfers voor 2005, behalve in Bulgarije waar het om cijfers voor 2004 gaat. Deze cijfers zijn vooralsnog enkel beschikbaar op nationaal niveau.

2. Clusteranalyse

Als input voor de eerste clusteranalyse dienen de algemene werkzaamheidsgraad, de werkzaamheidsgraden van vrouwen, ouderen en laaggeschoolden en de jongerenwerkloosheidsgraad anno 2005. In de tweede clusteranalyse wordt dit rijtje uitgebreid met de evolutie van deze variabelen tussen 2000 en 2005. Het doel van de clusteranalyses is om inhoudelijk logische groepen van observaties (in dit geval regio’s) te maken. De observaties in één groep moeten dan zo gelijk mogelijk zijn met betrekking tot de inputvariabelen; de observaties uit verschillende groepen zo verschillend mogelijk. Alvorens we naar clusters in de data zoeken, worden de inputvariabelen gestandaardiseerd omdat we ervan uitgaan dat ze, conceptueel gezien, allemaal even belangrijk zijn. In het geval men niet standaardiseert, kan de variabele met de grootste variantie haar stempel op de uiteindelijke clusteroplossing drukken.

We opteren voor een combinatie van een hiërarchische en een niet-hiërarchische clustermethode, waarbij de resultaten van de eerste methode het vertrekpunt vormen voor de tweede methode. Hiërarchische clustermethodes zien in een eerste fase elke observatie als een aparte cluster. Via een bepaald algoritme dat losgelaten wordt op de inputvariabelen, wordt de ‘afstand’ berekend tussen de verschillende clusters. De clusters die het dichtst bij elkaar liggen, worden bij elkaar gevoegd en vormen een nieuwe cluster. Deze stap wordt herhaald tot alle observaties tot één cluster behoren. Dit proces wordt in de output visueel voorgesteld als een ‘clusterboom’. De verschillende hiërarchische clustermethodes onderscheiden zich op basis van het algoritme waarmee de afstand tussen clusters berekend wordt. In deze analyses werd de Ward-methode gebruikt. Dit is eigenlijk de enige methode die geen afstanden berekent. Bij de Ward-methode is het uitgangspunt voor de toewijzing van observaties aan clusters de homogeniteit binnen de groep. Bij elke stap wordt een observatie toegewezen aan een cluster zodanig dat de variantie in de clusters geminimaliseerd wordt. Deze methode wordt in de literatuur als een efficiënte methode beschreven, die meestal resulteert in zeer compacte clusters van gelijke grootte (Sharma, 1995).

Het voordeel van hiërarchische clustermethodes is dat je op voorhand niet moet bepalen hoeveel clusters er moeten zijn. Aan de hand van heuristieken en van de gemiddeldes op de verschillende variabelen in elke cluster kunnen vervolgens de verschillende mogelijke oplossingen gescreend worden. De clusteroplossing die inhoudelijk het meest steek houdt, wordt dan gekozen. Het nadeel van deze clustermethode is dat wanneer een observatie aan een cluster wordt toegewezen deze niet meer aan een andere cluster kan toegewezen worden. Dit is niet het geval bij niet-hiërarchische clustering. In de literatuur beveelt men daarom aan de methodes als complementair te zien en de output van een hiërarchische clustering te gebruiken als input van een niet-hiërarchische clustermethode (Sharma, 1995). In tegenstelling tot de hiërarchische methodes moet hier wel op voorhand een aantal clusters opgelegd worden. Daarvoor neemt men dan meestal het aantal van de optimale oplossing uit de hiërarchische clusteranalyse. Het aantal clusters ligt dus op voorhand vast. Er zijn verschillende algoritmes beschikbaar om vervolgens verschillende startpunten (evenveel als het op voorhand vastgelegde aantal clusters) van de clusteranalyse te bepalen. Het probleem hiermee is echter dat de opgelegde startpunten een grote invloed kunnen hebben op de uiteindelijke oplossing. In het geval de startpunten bepaald worden door de uitkomst van de hiërarchische clustermethode is dit minder problematisch. Kort samengevat, de hiërarchische clustermethode vangt de nadelen op van de niet-hiërarchische methode en omgekeerd.

Daarom geven we de oplossing van de hiërarchische methode als startpunt in voor de niet-hiërarchische clustermethode. Vervolgens neemt de niet-hiërarchische methode elke observatie en de clustergemiddelden opnieuw onder de loep en herschikt alle observaties tot op het moment de oplossing niet verder geoptimaliseerd kan worden.

3. Werkzaamheidsgraad

De werkzaamheidsgraad wordt berekend als het aandeel werkenden in de bevolking op arbeidsleeftijd en toont zo de mate waarin de bevolking aan het werk is. In het rapport worden de volgende werkzaamheidsgraden berekend.

De globale werkzaamheidsgraad wordt berekend als het aandeel werkenden van 15 tot en met 64 jaar in de bevolking van 15 tot en met 64 jaar.

De werkzaamheidsgraad van vrouwen wordt berekend als het aandeel werkende vrouwen van 15 tot en met 64 jaar in de vrouwelijke bevolking van 15 tot en met 64 jaar.

De werkzaamheidsgraad van ouderen wordt berekend als het aandeel werkende ouderen van 55 tot en met 64 jaar in de bevolking van 55 tot en met 64 jaar.

De werkzaamheidsgraad van laaggeschoolden wordt berekend als het aandeel laaggeschoolde werkenden van 25 tot en met 64 jaar in de laaggeschoolde bevolking van 25 tot en met 64 jaar. Iemand is laaggeschoold wanneer hij/zij geen diploma van het secundair onderwijs heeft. De onderverdeling gebeurt op basis van de International Standard Classification of Education (ISCED) Laaggeschoolden zijn personen met ISCED-code 0 (geen diploma), 1 (lager onderwijs), 2 (lager algemeen secundair onderwijs/algemeen onderwijs van de 1ste of 2de graad) of 3 (lager technisch, kunst- of beroepssecundair onderwijs/technisch, kunst- of beroepssecundair onderwijs van de 1ste of 2de graad). Bij de laaggeschoolden werken we met de leeftijdsafbakening van 25 tot en met 64 jaar om het effect van studerende jongeren uit te sluiten. Immers, zij die nog een opleiding volgen, worden ingedeeld volgens hun hoogst behaalde diploma. Dit zou kunnen leiden tot vertekeningen.

4. Werkloosheidsgraad van jongeren

De jongerenwerkloosheidsgraad wordt berekend als het aandeel werklozen van 15 tot en met 24 jaar in de beroepsbevolking van 15 tot en met 24 jaar. De beroepsbevolking wordt berekend als de som van de werkenden en de werklozen van 15 tot en met 24 jaar. We maken hierbij gebruik van de ILO-definitie van werkloosheid. Een ILO-werkloze is iemand die niet werkt, die de afgelopen vier weken actief naar werk heeft gezocht en binnen de twee weken een nieuwe job zou kunnen beginnen.

5. Armoederisicopercentage

Het armoederisicopercentage wordt berekend als het deel van de bevolking dat een inkomen onder de armoededrempel heeft. Die armoededrempel wordt berekend als 60% van het mediaaninkomen. Dit wordt per lidstaat afzonderlijk berekend. Het mediaaninkomen is het inkomen waarbij precies de helft van de inwoners van het betreffende land meer heeft en precies de helft minder. Wie minder dan 60% van dat inkomen heeft, loopt het risico arm te zijn.

6. Bibliografische referentie

Sharma, S. 1995. Applied multivariate techniques. New York: Wiley & Sons.