009/3 Notater Ådne Cappelen og Eivind Tveter Notater Modellering og prognoser av arbeidsledighet blant innvandrere Forskningsavdelingen/Gruppe for makroøkonomi
Innhold 1. Innledning... 1.. Yrkesdeltaking og ledighet for menn og kvinner.... Økonometrisk metode og data....1. Resultater...5 Afrika...5 Asia...7 EU Øst-Europa... Norden...9 Nord-Amerika, Oseania... Sør- og Mellom-Amerika... Vest-Europa...11 Øst-Europa utenom EU... 3. Vedlegg... 13 3.1. Oversikt over landfordeling...13 3.. Oversikt over land...15 3.3. Økonometriske resultater og deskriptiv statistikk...15 1
1. Innledning 1 I dette notat modelleres arbeidsledighet blant innvandrere fra ulike verdensregioner og noen utvalgte land. I arbeidet med å modellere ledigheten blant innvandrere har vi benyttet offisiell statistikk fra SSB. Ledighetsbegrepet som brukes er registerte helt arbeidsledige. Da det kan være uklart hvem dette inkluderer gir vi den presise definisjonen: Som innvandrere regnes her personer født i utlandet av utenlandsfødte foreldre. Statistikken gjelder bare dem som er registrert som bosatte, det vil si at de ifølge Folkeregisteret forventes å oppholde seg i landet i minst seks måneder. Tallene for arbeidsledige bygger på NAVs register over helt arbeidsledige og er beregnet i prosent av arbeidsstyrken hvis ikke annet er angitt. Norskfødte med innvandrerforeldre (tidligere kalt etterkommere) regnes ikke som innvandrere. Formålet med notatet er å gi en god statistisk beskrivelse av sammenhengen mellom innvandreres arbeidsledighet og den aggregert ledighet i Norge. Denne sammenhengen brukes til å gi en prognose for innvandreres ledighet. Modelleringen er i hovedsak basert på historiske sammenhenger. Det benyttede tallmateriale går fra 3. kvartal 001 til 3. kvartal 00. Denne statistikken gjelder for ledige innvandreres fra alle land, verdensregioner (9 stk.) og kjønn. Listen over utvalgte land med informasjon for registerte ledige i 3. kvartal 00 er beskrevet i vedlegg 1. For å kunne gi en prognose har vi lagt til grunn anslagene for ledighet, publisert i Økonomisk utsyn over året, 00. Siden den modellerte arbeidsledighetsraten for innvandrere gjelder registrerte ledige, mens de publiserte anslagene for arbeidsledigheten benytter arbeidsledige i følge Arbeidskraftsundersøkelsen (AKU), er denne sammenhengen mellom disse statistikkene også modellert. 1.. Yrkesdeltaking og ledighet for menn og kvinner Arbeidsledighetsraten blant innvandrere har de siste år vært mellom to og tre ganger høyere enn for befolkningen i Norge eksklusive innvandrere (se figur 1.). Variasjonen i arbeidsledighetsraten blant innvandrere har også vært høyere. Forskjellen har imidlertid gått noe ned de siste årene. Dette kan både tolkes som at ledigheten blant innvandrere går raskere ned når det er nær full sysselsetting blant nordmenn; eller at forskjellen mellom innvandrere og den norske befolkning er redusert. Årsaken til dette kan være at innvandrerbefolkningens sammensetning etter land, innvandringsgrunn og botid har endret seg. Når en ser nærmere på innvandrere fra ulike regioner avdekkes tydelige forskjeller. For innvandrere fra Norden har arbeidsledigheten beveget seg noenlunde i takt med den generelle ledighetsraten, med et lite påslag. Innvandrere fra Vest-Europa har som gruppe en noe høyere ledighetsrate, og noe større variasjon. Når det gjelder innvandrere fra Øst-Europa og EU Øst-Europa har ledighetsraten hatt en nedadgående trend siden 003. Dette kan dels tolkes som effekter av utvidelsen av EU, som gjorde arbeidsemigrasjon lettere, men også at integreringen av personer som innvandret fra 001 har skjedd gradvis. Gruppen fra EU Øst-Europa lå flere prosentpoeng over den gjennomsnittlige ledighetsraten i Norge fra begynnelsen av 000-tallet, men har nå nærmet seg det gjennomsnittlige nivået for Norge som helhet. Dette kan i stor grad tilskrives at store grupper har fått oppholdstillatelse for å jobbe, som igjen kommer av sterk etterspørsel etter arbeidskraft i Norge. For Øst-Europa har vi sett en tilsvarende utvikling, men fra et noe høyere nivå. En nærliggende forklaring er økende botid. Det store avviket fra den gjennomsnittlige ledighetsraten finner vi fra innvandrere fra Asia og Afrika, hvor utviklingen har beveget seg i takt, men på forskjellige nivå. For innvandrere fra Afrika har ledigheten i snitt ligget på om lag 1 prosent. Den har imidlertid beveget seg i relasjon til den generell ledighetsutviklingen. Ledighetsraten for innvandrere fra Asia var også høy, med over prosent. 1 Regioninndelingen behandles konstant i hele perioden. Det vil si at landene som ble medlem av EU i løpet i 000-tallet behandles som om en konstant gruppe i hele perioden.
Figur 1. Ledighetsprosent etter kjønn og land/region Arbeidsledighet i prosent, kvinner og menn 1 0 00 003 00 005 00 007 0 00 003 00 005 00 007 Befolkningen eksl. innvandr. (menn) Befolkningen eksl. innvandr. (kvinner) Alle innvandrere (menn) Alle innvandrere (kvinner) EU Øst-Europa (kvinner) EU Øst-Europa (menn) Øst-Europa (kvinner) Øst-Europa (menn) 7 0 5 1 3 1 00 003 00 005 00 007 00 003 00 005 00 007 Norden (kvinner) Norden (menn) Vest-Europa (kvinner) Vest-Europa (menn) Afrika (kvinner) Asia (kvinner) Afrika (menn) Asia (menn) Når vi skiller mellom kvinner og menn kommer det til syne at for alle innvandrere var ledigheten høyere for kvinner i begynnelsen av 000-tallet, men at forskjellen etter hvert ble mindre, og framover mot 00 var ledigheten høyere for menn. Når vi bryter innvandringsgruppene ned på regioner, ser en at det er spesielt blant innvandrere fra Afrika og EU Øst-Europa hvor det var vesentlige kjønnsforskjeller. For Afrika har ledighetsraten vært høyere for menn, men forskjellen var imidlertid neglisjerbar i 007 og 00. Dette er et eksempel på at endringer i meldetilbøyelighet til NAV kan bety mye Når vi ser på gruppen fra EU Øst-Europa har kjønnsforskjellen vært en annen. Ledighetsraten var noenlunde lik frem til 00, men deretter har arbeidsledigheten blant kvinner vært noe høyere enn for menn. Dette kan forklares med endringer i innvandringens sammensetning 3
Tabell 1. Yrkesprosenter etter verdensregioner og kjønn Yrkesprosenter etter verdensregion og kjønn.. kvartal 007. I prosent av personer 15-7 år i alt I alt Menn Kvinner Hele befolkningen 71. 7.. Førstegenerasjonsinnvandrere i alt 3.3 9. 57.3 Norden 7.5 7. 7. Vest-Europa ellers 7.0 77.0 5.1 Nye EU land i Øst-Europa 75.9 1.3.9 Øst-Europa ellers 1.9 5 59. Nord-Amerika og Oseania. 70.0 5. Asia 5.3 3.1 50.0 Afrika 9.0 55.5 0.9 Sør- og Mellom-Amerika 5.3 71.7 0.5 Yrkesprosentene for innvandrere lå i 007 på 3 prosent, mot 71 prosent for den norske befolkningen som helhet. For menn var yrkesprosenten over ti prosentpoeng høyere enn for kvinner, blant innvandrerne. Med unntak av Vest-Europa og Norden var yrkesdeltakingen for kvinner over ti prosent lavere enn for menn. Det kan dermed synes som at den viktigst kjønnsforskjellen ligger i deltagelse i arbeidsmarkedet, ikke blant ledige i arbeidsmarkedet.. Økonometrisk metode og data Den grunnleggende modellen er at ledigheten for en innvandringsgruppe fra region i ( u i ) avhenger av ledigheten i Norge (u) og en trend t. u i = a + bu + ct, Hvis gruppen er som gjennomsnittet er a=c=0 og b=1. Hvis gruppen svinger likt med gjennomsnittet, men på et høyere nivå er b=1 og c=0 og a>0. Hvis ledigheten svinger mer en snittet kan b>1. Trenden fanger opp eventuelle gradvise endringer i modellen som i all hovedsak er uforklart. Modellen ovenfor er en statisk modell, sett bort i fra trenden. Det er imidlertid vanlig at det tar tid før tilpassningen til nye betingelser finner sted. Dette blir ivaretatt ved å innføre tidsforskyvede variabler. Tolkningen av modellen ovenfor blir nå den langsiktige modellen/sammenhengen, mens på kort sikt får vi en modell på formen. uit = a + b1u t + but 1 + b3uit 1 + ct, hvor u it arbeidsledighetsraten for innvandrere fra region i på tidspunkt t, u t er arbeidsledighetsraten for Norge, t angir tidsperioden slik at c tidstrend, a, b1, b, b3 og c er koeffisienter. Det er benyttet en generell til spesiell tilnærming. Det betyr at utgangspunktet er en generell modell, og variable deretter ekskluderes i forhold til statistisk signifikans. Alle modellene har sesongdummier Det er testet ut modeller med og uten trend og med ett lag av høyre og/eller venstresidevariabelen. Prefererte modell er valgt ut fra statistisk signifikans av forklaringsvariabelen (5 %), autokorrelasjon (LM 1-), heteroskedastisitet (Breusch-Pagan-Godfrey), spesifikasjonstest (RESET med ett kvadrert ledd) og normalitet (J-B) Hvis denne fremgangsmåten ikke leder til én modell brukes Akaikes informasjonskriterium.
Hvis RESET testen slår ut (tegn på feilspesifikasjon av funksjonsform) forsøkes en modell med loglineære sammenhenger. I estimeringen er det et relativt begrenset informasjonsgrunnlag. Det er nesten 30 kvartalsvise observasjoner, noe som er akkurat innfor det som kreves for å gjøre slutninger basert på standard økonometrisk teori. Den generelle modellen kunne i utgangspunktet vært utvidet med en rikere dynamisk spesifikasjon eller andre variable. Eksempler på andre relevante variable er endringen i innvandringsbefolkningen perioden før og botid. Dette kan øke arbeidsledigheten for den gjeldende region/land ved at det tar noe tid før en kommer inn i arbeidsmarkedet på grunn av språklige eller andre problemer. På grunn av den begrensede datamengden har vi imidlertid ikke sett på slike muligheter. Det er også en begrensning i forhold til variasjon i datagrunnlaget. I den største delen av 000-tallet har Norge vært i en høykonjunktur, og arbeidsledigheten har således vært fallende siden 003. Det er også i denne perioden, med fallende ledighet, hvor innvandringen fra Østeuropeiske land har tiltatt. Vi har med andre ord et relativt kort og begrenset informasjonssett med stigende arbeidsledighet med disse innvandrerne, om lag -3 observasjoner, da ledigheten stiger for de fleste regioner/land etter. kvartal 00. Påliteligheten til anslagene forutsetter altså at arbeidsledighetsraten til de ulike regioner/ land påvirkes av den generelle arbeidsledigheten som på 000-tallet, med samme dynamikk. Det vil si at sammenhengen som er observert i en oppgangskonjunktur også holder i en nedgangskonjunktur, med motsatt fortegn..1. Resultater Til tross for at antall observasjoner i analysen er relativt begrenset klarer vi å finne stabile sammenhenger for utviklingen til innvandreres ledighet. Når vi tolker resultatene fra vår estimerte modell legger vi i hovedsak vekt på om: det er tegn til konvergens eller divergens av ledigheten for den aktuelle gruppen i forhold til den totale ledighetsraten i Norge, ledigheten til gruppen er knyttet til den totale ledighetsraten i Norge eller om den lever sitt eget liv innvandringsgruppene reagerer kraftigere en den totale ledighetsraten når den totale ledighetsraten endres For innvandringsgruppene fra EU Øst-Europa har vi innført en binær variabel for å fange opp utvidelsen av EU i mai 00. Hovedinntrykket fra modelleringen av innvandreres ledighet er at den er vesentlig høyere enn den samlede ledighetsraten i Norge. For alle grupper utenom Vest-Europa og Norden gjelder det også at ledigheten blant innvandringsgruppene varierer mer. Dette innebærer at ledighetsraten går raskere ned i oppgangstider, men også at den øker raskere enn den generelle ledigheten i nedgangstider. Afrika Ledigheten blant innvandrere fra Afrika skiller seg klart fra utviklingen i den totale ledigheten i Norge. Ledigheten er om lag dobbelt så høy som gjennomsnittet for alle innvandringsgrupper på 000-tallet. Vi har også funnet støtte i data for at avviket de siste årene er økende. Den estimerte modellen anslår at avviket øker med om lag 1 prosentpoeng hvert 5- år. Det er imidlertid ingen tegn til noen tidsforsinkelse, men ledigheten blant innvandrere fra Afrika responderer kraftig på endringer i den gjennomsnittlige ledighetsrate. Høyest er ledigheten for innvandrere fra Somalia, og gjennomsnittelig Det betyr at vi har en trendmessig utvikling i modellen. Dette er imidlertid problematisk i prognosesammenheng. Resultatene må derfor tolkes med forsiktighet. Den trendmessige utviklingen i avviket indikerer at viktige sammenhenger bak ledigheten er uforklart i vår modell. 5
ledighet fra 001 til 00 var over 7 prosent. Landene Marokko, Etiopia og Eritrea viser en overraskende lik utvikling. Ledigheten svinger i takt med den totale ledigheten, men nivået er vesentlig høyere, men dog lavere enn for Somaliere. Figur. Arbeidsledighet i prosent og antall personer fra Afrika, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra Afrika (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 0 1 3,500 3,000,500 1 1,000 1,500 1,000 00 00 00 00 0 Arbeidsledighet i prosent blant innvandrere fra Somalia (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 3 3 1,00 1,00 1,000 0 1 00 00 00 00 00 00 00 0 Arbeidsledighet i prosent, utvalgte land 1 1 1 00 00 00 00 0 1 1 1 ERITREA ETIOPIA MAROKKO
Asia Arbeidsledighetsraten for den asiatiske innvandringsgruppen er nest høyeste av alle regioner. Ledigheten for innvandrere fra Asia blir sterkt påvirket av endringer i ledighetsraten i Norge. Effekten er nær en to til én effekt. Det er imidlertid ingen trendmessig sammenheng, men derimot en treghet i tilpassningen og en vestlig høyere gjennomsnittlig ledighetsrate enn i Norge generelt. Utviklingen i arbeidsledighetsraten for landene med størst innvandring til Norge varierer relativt mye. India, Pakistan og Tyrkia har en til dels sammenfallende utvikling, men på forskjellig nivå. Utviklingen i arbeidsledighetsraten for innvandrer fra Afghanistan har variert kraftig, og er også høy, med et gjennomsnitt på over 1 prosent. For innvandrere fra Thailand og Vietnam har det også vært store svingninger (riktignok har innvandrerne fra disse landene svært forskjellig bakgrunn), med et kraftig fall i ledigheten i 003-00. Tidspunktet for når innvandringen i hovedsak kom varierer en god del mellom disse landene. 7
Figur 3. Arbeidsledighet i prosent og antall personer fra Asia, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra Asia (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 1 0 Arbeidsledighet i prosent. PAKISTAN INDIA AFGHANISTAN TYRKIA 0,000 1 1 7,000,000 5,000,000 3,000 00 00 00 00 0 0 00 00 00 00 0 0 Arbeidsledighet i prosent. 1 1 THAILAND VIETNAM 1 1 00 00 00 00 0 Arbeidsledighet i prosent blant innvandrere fra Sri_Lanka (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 1 1,000 1 00 00 00 00 00 00 00 00 0 EU Øst-Europa Utviklingen i ledigheten for innvandrer fra EU Øst-Europa viser en gunstig utvikling. Den var tidligere vesentlig høyere enn i Norge, men har etter utvidelsen av EU i 00 mai 00 nærmet seg den gjennomsnittlige ledighetsraten i Norge. 3 Gruppen av innvandrere fra Litauen og Polen har etter 00 hatt et sterkt fall i ledigheten, og var sågar ett kvartal i 007 under den samlede 3 Utvidelsen av EU har vi tatt hensyn til ved å innføre en endring i konstantleddet i modellen fra 3. kvartal 00.
arbeidsledigheten. Dette har bakgrunn i at en stor gruppe fikk oppholdstillatelse for å arbeide. Noe som igjen kommer av den sterke etterspørselen etter arbeidskraft i Norge. Figur. Arbeidsledighet i prosent og antall personer fra EU Øst-Europa, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra EU_oest (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 1,00 1,00 1,000 00 0 00 00 00 00 00 00 00 0 Arbeidsledighet i prosent blant innvandrere fra Polen (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) Arbeidsledighet i prosent blant innvandrere fra Litauen (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 1,00 1,000 00 00 0 50 00 150 0 0 00 50 00 00 00 00 00 0 0 00 00 00 00 0 Norden Ledigheten blant innvandrere fra Norden er den gruppen som er sterkest knyttet til den samlede ledigheten i Norge. Det er imidlertid en tendens de siste årene til at ledigheten blant denne gruppen øker i forhold til den totale ledigheten i Norge. 9
Figur 5. Arbeidsledighet i prosent og antall personer fra Norden, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra Norden (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 5 1,00 1,00 1,00 3 1,000 00 00 1 00 00 00 00 00 0 Nord-Amerika, Oseania Ledigheten blant innvandrere fra Nord-Amerika og Oseania har ingen tidsforsinkelse eller trendmessig utvikling i forhold til ledigheten i Norge samlet sett. Denne gruppen blir imidlertid sterkt påvirket av den samlede ledighetsraten. Regionen kan karakteriseres som mer volatil enn den samlede ledigheten med ett påslag på om lag ett prosentpoeng. Figur. Arbeidsledighet i prosent og antall personer fra Nord-Amerika og Osceania, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra Nord_Am (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 7 0 0 00 0 5 3 1 0 00 00 00 00 0 Sør- og Mellom-Amerika Arbeidsledighetsraten i Sør- og Mellom-Amerika har en treghet i tilpassningen til nivået på ledighet samlet sett i forhold til Norge. Responsen fra ledighet er om lag to til én. Dette gjelder både den historiske utviklingen og prognosehorisonten.
Figur 7. Arbeidsledighet i prosent og antall personer fra Sør- og Mellom-Amerika, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra M_Am (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 00 700 00 500 00 300 00 00 00 00 0 Arbeidsledighet i prosent blant innvandrere fra Chile (rød strek, høyre akse) og antalle ledige personer (blå strek, venstre akse) 500 00 300 00 0 00 00 00 00 0 Vest-Europa Ledigheten i Vest-Europa blir påvirket av den samlede ledigheten om lag én til to, men det er i stor grad av treghet i tilpassning til det nye ledighetsnivået. Ledigheten svinger altså mer enn for Norge, med et påslag på litt under ett prosentpoeng. 11
Figur. Arbeidsledighet i prosent og antall personer fra Vest-Europa, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra V_eur (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 5 1,00 1,000 3 00 00 1 00 00 00 00 00 0 Øst-Europa utenom EU Arbeidsledighetsraten blant innvandrere fra Øst-Europa (utenfor EU) er flere prosentpoeng høyere enn samlet norsk ledighet. Vi finner ingen tegn at avviket endres over tid. Ledigheten har en treghet i tilpassningen for hvordan den samlede ledigheten i Norge får gjennomslag. Den reagerer derfor mindre enn én til én på endringer i den samlede ledigheten. Ledighetsraten for innvandrere fra Russland har variert mellom og 15 prosent, og falt i de siste årene i estimeringsperioden. For Bosnia- Hercegovina var ledigheten stabil frem til 003, men har falt fra et nivå på -13 prosent helt ned til 3 prosent. Der hvor Bosnia og Russland skiller lag, kommer det inn mange flyktninger fra Russland (Tsjetsjenia), og Russiske innvandrere er ikke lenger dominert av kvinner som gifter seg med menn uten innvandringsbakgrunn. Figur 9. Arbeidsledighet i prosent og antall personer fra Øst-Europa utenom EU, sesongkorrigerte serier Arbeidsledighet i prosent blant innvandrere fra Oest_Eur (rød strek, høyre akse) og antall ledige personer (blå strek, venstre akse) 1 1 Arbeidsledighet i prosent RUSSLAND BOSNIA-HERCEGOVINA 1,00,000 1,00 1,00 00 00 00 00 00 0 00 00 00 00 0
3. Vedlegg 3.1. Oversikt over landfordeling Norden Asia Danmark Afghanistan Grønland Armenia Finland Aserbajdsjan Færøyene Bahrain Island Bangladesh Sverige Bhutan Brunei Vest-Europa ellers, unntatt Tyrkia Burma Belgia Sri Lanka Andorra De forente arabiske emirater Frankrike Filippinene Gibraltar Georgia Hellas Taiwan Irland Hongkong Italia India Malta Indonesia Nederland Irak Liechtenstein Iran Luxembourg Israel Monaco Japan Portugal Jordan San Marino Kambodsja Spania Kasakhstan Storbritannia Kina Sveits Nord-Korea Tyskland Sør-Korea Østerrike Kuwait Vatikanstaten Kypros EU Øst-Europa Kirgisistan Bulgaria Laos Estland Libanon Latvia Macao Polen Malaysia Romania Maldivene Litauen Mongolia Slovenia Oman Ungarn Det palestinske området Slovakia Nepal Øst-Europa Pakistan Albania Øst-Timor Hviterussland Qatar Kroatia Saudi-Arabia Moldova Singapore Russland Tadsjikistan Ukraina Turkmenistan Bosnia-Hercegovina Tyrkia Makedonia Usbekistan Tsjekkia Syria Serbia Thailand Montenegro Vietnam Kosovo Yemen 13
Afrika Sør- og Mellom-Amerika Nord-Amerika, Oseania Algerie De amerikanske Jomfruøyene Canada Angola Barbados USA Botswana Antigua og Barbuda Amerikansk Samoa St. Helena Belize Australia Det britiske området i Indiahavet Bahamas Salomonøyene Burundi Bermuda Christmasøya Komorene De britiske Jomfruøyene Kokosøyene Benin Caymanøyene Cookøyene Ekvatorial-Guinea Costa Rica Fiji Elfenbeinskysten Cuba Vanuatu Eritrea Dominica Tonga Etiopia Den dominikanske republikk Fransk Polynesia Egypt Grenada Kiribati Djibouti Guadeloupe Tuvalu Gabon Guatemala Guam Gambia Haiti Nauru Ghana Honduras Mindre stillehavsøyer (am.) Guinea Jamaica New Zealand Guinea-Bissau Martinique Niue Kamerun Mexico Norfolkøya Kapp Verde Montserrat Mikronesiaføderasjonen Kenya De nederlandske Antillene Papua Ny-Guinea Kongo-Brazzaville Aruba Pitcairn Kongo Anguilla Tokelau Lesotho Nicaragua Samoa Liberia Panama Wallis- og Futunaøyene Libya El Salvador Ny-Caledonia Madagaskar Saint-Pierre-et-Miquelon Marshalløyene Malawi St. Kitts og Nevis Palau Mali St. Lucia Nord-Marianene Marokko St. Vincent og Grenadinene Vest-Sahara Trinidad og Tobago Mauritania Turks- og Caicosøyene Mauritius Puerto Rico Namibia St. Martin Niger St. Barthélemy Nigeria Argentina Mosambik Bolivia Mayotte Brasil Réunion Guyana Zimbabwe Chile Rwanda Colombia São Tomé og Príncipe Ecuador Senegal Falklandsøyene Den sentralafrikanske republikk Fransk Guyana Seychellene Paraguay Sierra Leone Peru Somalia Surinam Sudan Uruguay Swaziland Venezuela Sør-Afrika Tanzania Tsjad Togo Tunisia Uganda Zambia Burkina Faso 1
3.. Oversikt over land Registrerte helt arbeidsledige innvandrere og deltakere på tiltak 1-7 år etter 00K3 Arbeidsledige Polen Litauen 0 Russland 97 Tyrkia 3 Bosnia-Hercegovina 335 Eritrea 1 Etiopia 7 Marokko 190 Afghanistan 7 Sri Lanka 31 Filippinene 03 India 7 Pakistan 505 Thailand 3 Vietnam 0 Chile 1 3.3. Økonometriske resultater og deskriptiv statistikk Dependent Variable: U_AFRIKA Date: 05/05/09 Time: 11:3 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D.15013 0.175.133 0.0000 C -5.37.759-1.901 0.095 @TREND 0.0090 0.03 3.3397 0.009 S1 0.93507 0.317.13 0.009 S -0.0155 0.31530-0.09 0.9 S3.000 0.30799.305 0.0000 R-squared 0.97193 Mean dependent var 15.03 Adjusted R-squared 0.953 S.D. dependent var 3.9 S.E. of regression 0.5939 Akaike info criterion 1.97193 Sum squared resid.09933 Schwarz criterion.590 Log likelihood -.50 Hannan-Quinn criter..0790 F-statistic 159.397 Durbin-Watson stat 0.957 Dependent Variable: U_ASIA Date: 05/05/09 Time: 11:3 Sample (adjusted): 001Q 00Q3 15
Included observations: after adjustments U_ASIA(-1) 0.0 0.09339 5. 0.0000 U_REG_D.00513 0.099 9.17357 0.0000 C -0.775 0.7591 -.59717 0.0 S1 1.11739 0.15999 7.5737 0.0000 S 0.55357 0.109.1501 0.000 S3 1.90073 0.15133.5 0.0000 R-squared 0.9937 Mean dependent var.537 Adjusted R-squared 0.999 S.D. dependent var.7599 S.E. of regression 0.305 Akaike info criterion 0.13791 Sum squared resid 1.593 Schwarz criterion 0.33 Log likelihood.090 Hannan-Quinn criter. 0.515 F-statistic 715.375 Durbin-Watson stat 1.73 Dependent Variable: LOG(U_EU_OEST) Date: 05/05/09 Time: 15:09 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments LOG(U_EU_OEST(-1)) 0.05 0.159 3.5550 0.0009 LOG(U_REG_D) 0.017 0.05.3337 0.09 C -0.005901 0.0913-0.01379 0.951 S1 0.3137 0.05017.9171 0.0001 S 0.0300 0.035 0.37 0.1 S3 0.335 0.09575.139 0.0001 STEP_0_3-0.51 0.03137 -.535 0.0095 R-squared 0.9755 Mean dependent var 1.90 Adjusted R-squared 0.995 S.D. dependent var 0.507 S.E. of regression 0.07931 Akaike info criterion -.01555 Sum squared resid 0.139 Schwarz criterion -1.9 Log likelihood 35.17 Hannan-Quinn criter. -1.9137 F-statistic 11.37 Durbin-Watson stat 1.51 Dependent Variable: U_OEST_EUR Date: 05/05/09 Time: 11:3 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments 1
U_OEST_EUR(-1) 0.75 0.1199.90 0.0000 U_REG_D 0.05 0.93313.7773 0.011 C -1.7007 0.7511-3.5117 0.0017 S1.099 0.700 7.551113 0.0000 S 0.7390 0.333 3.3031 0.003 S3.59701 0.79 9.5001 0.0000 R-squared 0.9093 Mean dependent var 9.31 Adjusted R-squared 0.9701 S.D. dependent var.39 S.E. of regression 0.351 Akaike info criterion 0.995557 Sum squared resid.9013 Schwarz criterion 1.9 Log likelihood -7.93779 Hannan-Quinn criter. 1.09 F-statistic.373 Durbin-Watson stat 1.195 Dependent Variable: U_M_AM Date: 05/05/09 Time: 11:3 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments U_M_AM(-1) 0.5933 0.075 3.737 0.00 U_REG_D.990 0.13913.71597 0.0000 C -1.1771 0.1990-5.91 0.0000 S1 0.51 0.1593 5.97 0.0000 S 0.953 0.131509.091 0.055 S3 1.130 0.9 7.9733 0.0000 R-squared 0.993031 Mean dependent var.339 Adjusted R-squared 0.9917 S.D. dependent var.55751 S.E. of regression 0.3515 Akaike info criterion 0.1 Sum squared resid 1.309 Schwarz criterion 0.775 Log likelihood.017 Hannan-Quinn criter. 0.907 F-statistic.973 Durbin-Watson stat.51937 Dependent Variable: U_V_EUR Date: 05/05/09 Time: 11:3 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D 1.9173 0.0515 9.333 0.0000 U_REG_D(-1) -0.073 0.115 -.331 0.009 C -0.55 0. -3.130 0.0009 17
S1 0.9300 0.095 3. 0.003 S -0.075 0.0935 -.359 0.035 S3 0.791 0.09 3.055 0.0057 R-squared 0.971 Mean dependent var 3.30 Adjusted R-squared 0.977199 S.D. dependent var 1.1 S.E. of regression 0.177 Akaike info criterion -0.9513 Sum squared resid 0.191 Schwarz criterion -0.5 Log likelihood 13.1795 Hannan-Quinn criter. -0.05 F-statistic 1.005 Durbin-Watson stat 1.91 Dependent Variable: U_NORD_AM Date: 05/05/09 Time: 11:3 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D 1.715737 0.050.53903 0.0000 C -1.1551 0.93-5.70355 0.0000 S1 0.50597 0.151197 3.37 0.007 S 0.01 0.15 0.0797 0.70 S3 0.5001 0.179 3.1591 0.000 R-squared 0.970 Mean dependent var.539 Adjusted R-squared 0.97 S.D. dependent var 1.5511 S.E. of regression 0.7 Akaike info criterion 0.737 Sum squared resid 1.91957 Schwarz criterion 0.7030 Log likelihood -1.77531 Hannan-Quinn criter. 0.5117 F-statistic 179. Durbin-Watson stat 1.735 Dependent Variable: LOG(U_NORDEN) Date: 05/05/09 Time: 11:3 Sample: 001Q3 00Q3 Included observations: 9 LOG(U_REG_D) 1.755 0.17770 9.0503 0.0000 LOG(U_REG_D(-1)) -0.5713 0.1-3.931 0.0033 C -1.0193 0.15 -.99513 0.0001 @TREND 0.00 0.00173.731 0.0001 S1 0.0931 0.017 5.3199 0.0000 S -0.0 0.01735-1.313 0. S3 0.13095 0.017 7.019 0.0000 1
R-squared 0.99313 Mean dependent var 1.570 Adjusted R-squared 0.99 S.D. dependent var 0.3731 S.E. of regression 0.035 Akaike info criterion -3.57 Sum squared resid 0.0 Schwarz criterion -3.95 Log likelihood.719 Hannan-Quinn criter. -3.7 F-statistic 530.37 Durbin-Watson stat 1.5539 Utvalgte land Dependent Variable: U_AFGHAN Date: 05/05/09 Time: :0 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments U_AFGHAN(-1) 0.57517 0.359 5.3730 0.0000 U_REG_D.919 0.130 3.3 0.0015 C -3.91139 1.3007 -.5955 0.0091 S1.913 0.535 3.30 0.0030 S 1.353 0.15 1.7053 0. S3 5.701 0.90.77977 0.0000 R-squared 0.9931 Mean dependent var 1.0 Adjusted R-squared 0.913393 S.D. dependent var.099 S.E. of regression 1.0 Akaike info criterion 3.717 Sum squared resid 3.9905 Schwarz criterion.0039 Log likelihood -.05503 Hannan-Quinn criter. 3.05 F-statistic 57.95039 Durbin-Watson stat.09359 Dependent Variable: U_BOSNIA Date: 05/05/09 Time: :0 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments U_BOSNIA(-1) 0.970 0.757 7.3501 0.0000 U_REG_D.011 0.975.0719 0.050 U_REG_D(-1) -1.70 0.7595 -.379 0.031 C -1.5357 0.9130-3.399 0.007 S1 1.73 0.31913 5.0 0.0000 S 0.719 0.3051.35790 0.0 19
S3.15511 0.35717.17 0.0000 R-squared 0.9713 Mean dependent var.5757 Adjusted R-squared 0.997 S.D. dependent var 3.0511 S.E. of regression 0.537 Akaike info criterion 1.7515 Sum squared resid 5.930701 Schwarz criterion.11 Log likelihood -1.0011 Hannan-Quinn criter. 1.73 F-statistic 1.7 Durbin-Watson stat 3. Dependent Variable: U_CHILE Date: 05/05/09 Time: :0 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D 3.191 0.11901.9 0.0000 C -1.751 0.133 -.073 0.0003 S1 0.530 0.735.3 0.05 S 0.757 0.70 0.3391 0.70 S3 0.5797 0.7017 3.17550 0.001 R-squared 0.9791 Mean dependent var.97 Adjusted R-squared 0.9073 S.D. dependent var.7371 S.E. of regression 0.5017 Akaike info criterion 1.791 Sum squared resid.50500 Schwarz criterion 1.937 Log likelihood -19.7573 Hannan-Quinn criter. 1.71 F-statistic 17.5 Durbin-Watson stat 1.53111 Dependent Variable: U_ERITREA Date: 05/05/09 Time: :0 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D 7.773 1.9.195 0.0000 U_REG_D(-1) -.7 1.1190-3.0359 0.00 C -0.791 0.059-0.5515 0.51 S1 1.5 0.50.135 0.0 S 0.5911 0.5199 1.00 0.7 S3 1.9050 0.50719.93739 0.007 R-squared 0.9350 Mean dependent var.93 Adjusted R-squared 0.91 S.D. dependent var 3.393 S.E. of regression 0.9705 Akaike info criterion.971393 0
Sum squared resid 1.9115 Schwarz criterion 3.5 Log likelihood -37.050 Hannan-Quinn criter. 3.059990 F-statistic.1157 Durbin-Watson stat 1.599 Dependent Variable: U_ETIOPIA Date: 05/05/09 Time: :0 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D.5003 0.75.75909 0.0000 C 19.3937 3.70 5.05950 0.0000 @TREND -0.1309 0.0031-5.193 0.0000 S1 0.09 0.1773 1.3 0. S 0.530 0.19137 1.91 0.170 S3 1.990 0.050.9 0.0001 R-squared 0.9559 Mean dependent var.9035 Adjusted R-squared 0.9019 S.D. dependent var 3.19909 S.E. of regression 0.70 Akaike info criterion.5515 Sum squared resid 1.01 Schwarz criterion.003 Log likelihood -30.17 Hannan-Quinn criter..13751 F-statistic 9.3999 Durbin-Watson stat 1.13 Dependent Variable: U_INDIA Date: 05/05/09 Time: :0 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D 1.579 0.03 1.3137 0.0000 C -0.00 0.9-0.1139 0.7 S1 0.3 0.190.17 0.05 S 0.309 0.193 1.5150 0.17 S3 0.7371 0.190319.011 0.0005 R-squared 0.9371 Mean dependent var 5.05517 Adjusted R-squared 0.975 S.D. dependent var 1.3113 S.E. of regression 0.37 Akaike info criterion 0.97300 Sum squared resid 3.091 Schwarz criterion 1.300 Log likelihood -9.3155 Hannan-Quinn criter. 1.01131 F-statistic 90.79 Durbin-Watson stat 1.555 1
Dependent Variable: U_LITAUEN Date: 05/05/09 Time: :0 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D 5.9395 1. 5.33 0.0000 U_REG_D(-1) -3.99 1.15993-3.1557 0.00 C -1.59 0.773590 -.05303 0.051 S1 1.03093 0.501909.0505 0.0515 S -0.1753 0.9950-0.3530 0.79 S3 1.035 0.537.039 0.03 R-squared 0.3 Mean dependent var.51 Adjusted R-squared 0.0993 S.D. dependent var. S.E. of regression 0.9317 Akaike info criterion.3711 Sum squared resid 0.071 Schwarz criterion 3.1599 Log likelihood -35.130 Hannan-Quinn criter..9730 F-statistic.0 Durbin-Watson stat 1.5739 Dependent Variable: U_MAROKKO Date: 05/05/09 Time: :0 Sample: 001Q3 00Q3 Included observations: 9 U_REG_D.913 0.139970 1.91 0.0000 C 3.05150 0.7.300775 0.0000 S1 0.57975 0.37350.000 0.055 S -0.3171 0.370-0.93 0.30 S3 0.91 0.317719.97 0.00 R-squared 0.9395 Mean dependent var 11.30000 Adjusted R-squared 0.99130 S.D. dependent var.995 S.E. of regression 0.51 Akaike info criterion.03 Sum squared resid.991 Schwarz criterion.797 Log likelihood -.177 Hannan-Quinn criter..007 F-statistic 9.771 Durbin-Watson stat 1.5551 Dependent Variable: U_PAKISTAN Date: 05/05/09 Time: :0
Sample (adjusted): 001Q 00Q3 Included observations: after adjustments U_PAKISTAN(-1) 0.7513 0.0795 7.01719 0.0000 U_REG_D 1.1733 0.13515.03 0.0000 C 0. 0.313 1.5570 0.1337 S1 0.9559 0.1307 5.930 0.0000 S 0.9 0.57 5.950 0.0000 S3 1.3171 0.73.773 0.0000 R-squared 0.9777 Mean dependent var.799 Adjusted R-squared 0.97 S.D. dependent var 1.77711 S.E. of regression 0.17390 Akaike info criterion -0.03 Sum squared resid 1.0395 Schwarz criterion 0.53 Log likelihood.375733 Hannan-Quinn criter. 0.003 F-statistic 35.5 Durbin-Watson stat.535 Dependent Variable: U_POLEN Date: 05/05/09 Time: :0 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments U_POLEN(-1) 0.77539 0.15 5.05 0.0000 U_REG_D 1.753 0.9135.03505 0.057 U_REG_D(-1) -1.313 0.795 -.033790 0.05 C -0.3733 0.3011 -.011 0.03 S1 1.11573 0.3.131 0.000 S 0.39535 0.50757 1.577 0.9 S3 1.00 0.59979.30195 0.0003 R-squared 0.9519 Mean dependent var.7071 Adjusted R-squared 0.97 S.D. dependent var 1.950 S.E. of regression 0.5359 Akaike info criterion 1.9091 Sum squared resid.30703 Schwarz criterion 1.0 Log likelihood -13.577 Hannan-Quinn criter. 1.57090 F-statistic 0.11 Durbin-Watson stat.3713 Dependent Variable: U_RUSSLAND Date: 05/05/09 Time: :0 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments 3
U_RUSSLAND(-1) 0.913 0.0957 7.50070 0.0000 U_REG_D 0.990 0.31755.0 0.0003 C -1.755 0.7507 -.37 0.09 S1.353 0.0571.00 0.0000 S 1.33 0.3737 3.5937 0.001 S3.07350 0.0359.0939 0.0000 R-squared 0.9599 Mean dependent var.37500 Adjusted R-squared 0.937 S.D. dependent var.37797 S.E. of regression 0.13 Akaike info criterion.0570 Sum squared resid.351371 Schwarz criterion.3 Log likelihood -.7933 Hannan-Quinn criter..1391 F-statistic 7.039 Durbin-Watson stat.19 Dependent Variable: LOG(U_SOMALIA) Date: 05/05/09 Time: 11:39 Sample: 001Q3 00Q3 Included observations: 9 LOG(U_REG_D) -0.395 0.11197-3.0 0.0037 LOG(U_REG_D(-1)) 1.0771 0.1137.17 0.0000 C.509 0.0 9.53 0.0000 S1 0.0539 0.01739 3.0 0.00 S 0.0133 0.017357 0.759 0.0 S3 0.137003 0.0139.131 0.0000 R-squared 0.9707 Mean dependent var 3.77155 Adjusted R-squared 0.973305 S.D. dependent var 0.1957 S.E. of regression 0.033 Akaike info criterion -3.37 Sum squared resid 0.00 Schwarz criterion -3.55379 Log likelihood 1.319 Hannan-Quinn criter. -3.7090 F-statistic 05. Durbin-Watson stat 1.509 Dependent Variable: U_SRI_LANKA Date: 05/05/09 Time: :0 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments
U_SRI_LANKA(-1) 0.9300 0.15 3.17333 0.00 U_REG_D.933 0.90.39 0.0003 U_REG_D(-1) -3.0091 0.097 -.715009 0.0001 C -1.91901 0.199 -.757 0.0001 S1.0171 0.50313.00977 0.000 S 1.79071 0.955.19 0.000 S3.50 0.37957 7.51953 0.0000 R-squared 0.9579 Mean dependent var 11.59 Adjusted R-squared 0.97 S.D. dependent var 3.7711 S.E. of regression 0.931 Akaike info criterion 1.39 Sum squared resid 5.0999 Schwarz criterion 1.95999 Log likelihood -15. Hannan-Quinn criter. 1.7375 F-statistic 57.77 Durbin-Watson stat.55077 Dependent Variable: LOG(U_THAILAND) Date: 05/05/09 Time: :0 Sample: 001Q3 00Q3 Included observations: 9 LOG(U_REG_D) 0.9333 0.097 1.757 0.0000 C 0.995 0.0530 1.13970 0.0000 S1 0.0371 0.0379 1.99515 0.1 S 0.03309 0.0375 0.09 0.373 S3 0.11595 0.0337.0977 0.000 R-squared 0.95795 Mean dependent var.01579 Adjusted R-squared 0.99 S.D. dependent var 0.975 S.E. of regression 0.070117 Akaike info criterion -.31707 Sum squared resid 0.117995 Schwarz criterion -.059 Log likelihood 3.75 Hannan-Quinn criter. -.77 F-statistic 1.5 Durbin-Watson stat 1.050 Dependent Variable: U_TYRKIA Date: 05/05/09 Time: :0 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments U_TYRKIA(-1) 0.73913 0.11570.3093 0.0000 U_REG_D.315 0.3. 0.0000 U_REG_D(-1) -1.3573 0.509 -.7017 0.0 C -0.719797 0.07-1.79793 0.0913 5
S1 1.199 0.05533 5.335 0.0000 S -0.3700 0.1715 -.190 0.017 S3 1.5015 0.59931 7.115 0.0000 R-squared 0.9901 Mean dependent var 11.37500 Adjusted R-squared 0.973 S.D. dependent var.5 S.E. of regression 0.309 Akaike info criterion 0.77319 Sum squared resid.1509 Schwarz criterion 1.0 Log likelihood -3.7 Hannan-Quinn criter. 0.7500 F-statistic 353.171 Durbin-Watson stat.3509 Dependent Variable: U_VIETNAM Date: 05/05/09 Time: :0 Sample (adjusted): 001Q 00Q3 Included observations: after adjustments U_VIETNAM(-1) 0.790 0.17315 3.7539 0.0013 U_REG_D.73 0.90157 5.3 0.0000 U_REG_D(-1) -3.091 0.57 -.33 0.0000 C -0.9359 0.03701 -.3155 0.030 S1 1.153 0.515.717 0.000 S 0.071 0.990 0.9 0.901 S3 0.930 0.915 3.733075 0.00 R-squared 0.91 Mean dependent var.0071 Adjusted R-squared 0.97 S.D. dependent var 3.1 S.E. of regression 0.957 Akaike info criterion 1.300 Sum squared resid 3.7505 Schwarz criterion 1.9391 Log likelihood -.033 Hannan-Quinn criter. 1.057 F-statistic 9.31 Durbin-Watson stat.19099
Deskriptiv statistikk for arbeidsledighet i regioner, prosent, 001q3-00q. AFRIKA ALLE INV. GRUPPER ASIA BEF_EKS_IN NV. EU-ØST EUR. S_ og M-AM NORD-AM og Oceania NORDEN ØST-EUR VEST-EUR Mean 15.9.00.73.1.99.3.0 3.30 9.5 3.50 Median 1..0.9.5 5.5.9.3 3..19 3.5 Maximum 1.0 11.00 1.0 3.0 7.53 11.9.33.7.9 5.9 Minimum 9.0.00 5.55 1.0 1.7.00 1.1 1.5.7 1.3 Std. Dev. 3.13.0.1 0.77 1.77.5 1. 1.01. 1. Deskriptiv statistikk for arbeidsledighet i utvalgte land, prosent, 001q3-00q. CHILE BOSNIA ETIOPIA ERITREA AFGHANISTAINDIA FILIPPINENE POLEN LITAUEN SOMALIA Mean.. 11.11 11. 1.37 5.11 5.5.93.7 7.5 Median.5 9.95.05.0 17.00 5.5 5.75 5.0.5.55 Maximum 11.70 13. 15.90 1.30..0 7.0 7.50.0 3.0 Minimum 3.0 3.30 5.0 5.0 7.00.0.30 1.50 1.50 17.0 Std. Dev..59.9 3.0 3.30.5 1.35 1. 1.9.1 5.0 SRI_LANKA THAILAND TYRKIA RUSSLAND MAROKKO PAKISTAN VIETNAM Mean 11.7 7.90 11.5.50 11.3.5. Median 13.00.00.35.0.0 9.05 11.00 Maximum 17. 11.00 1.0 15.30 1.0 11.30 1.50 Minimum.90. 5.0. 7.30 5.0.30 Std. Dev. 3.3..7.3. 1.7 3.33