Regionális és megyei szakiskolai tanulói létszámok meghatározása

Átírás

1 Regionális és megyei szakiskolai tanulói létszámok meghatározása a regionális fejlesztési és képzési bizottságok (RFKB-k) részére (becslések a es /2015-ös/ időszakra)

2 A tanulmányt írta: Jakobi Ákos A tanulmányhoz kapcsolódó számításokat végezte és a tanulmány írásában közreműködött: Csite András Németh Nándor Projektvezető: Németh Nándor Szakértő: Semjén András (tudományos főmunkatárs, MTA KTI) Kutatásvezető: Tóth István János (tudományos főmunkatárs, MTA KTI, ügyvezető igazgató, MKIK GVI) A kézirat lezárva: július július 2 / 61

3 TARTALOM Összefoglaló... 4 Felhasznált adatbázisok és alkalmazott módszertan Felhasznált adatbázisok Általános módszertani megállapítások Előzetes, kiegészítő becslések Várható szakiskolai tanulói létszámok és arányszámok területi becslései Várható beiskolázási létszámok területi becslései Tapasztalati adatok A becslési eredmények értékelése Várható szakiskolai tanulói létszámok Várható szakiskolai tanulói arányszámok Várható beiskolázási létszámok Regionális eredmények Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Táblázatok jegyzéke Ábrajegyzék / 61

4 ÖSSZEFOGLALÓ 1. Alábbi tanulmány a Szakiskolai férőhelyek meghatározása 2008, a regionális fejlesztési és képzési bizottságok (RFKB-k) részére című kutatási program keretében készült. A munka célja a regionális és megyei munkaerőpiacra ható demográfiai tényezők elemzése, pontosabban annak meghatározása, hogy a következő néhány évben várhatóan hányan fognak szakiskolába jelentkezni a 9. évfolyamon, és ennek milyen területi differenciái vannak. A vizsgálat ezen túlmenően a szakiskolai tanulók évenkénti létszámának és a középiskolai tanulók összlétszámához viszonyított arányának meghatározására is kitért. A becslések szükségességét indokolja, hogy a szakiskolai képzés iránt mutatkozó igény az elmúlt években láthatóan megváltozott, ami maga után vonta az iskolarendszer következő évekre vonatkozó képzési és demográfiai koncepcióinak átgondolását vagy annak szükségességét. Az utóbbi időkben a legfontosabb iskolaszerkezeti és demográfiai változások következményeként megnőtt a középiskolában továbbtanulók aránya, ugyanakkor a szakiskolák és a szakiskolai képzés presztízse lecsökkent. Drasztikusan csökkent a szakiskolások aránya, és egyúttal ez a képzési forma lett a gyűjtőhelye a hátrányos helyzetű diákoknak, társadalmi csoportoknak. Mindeközben a szakiskolák által kínált képzési formák, pontosabban a szakmamunkás képesítéssel rendelkezők iránt átalakuló kereslet formálódott. A rendszerváltás óta a középfokú szakképzésben lezajlott, illetve megkezdett folyamatok alapvetően korszerűnek tekinthetők, eredményeinek kibővítésére (például a szakmák teljes körének modularizálására, a kompetenciaalapú képzés biztosítása érdekében) érdemes törekedni. Az aránytalan fejlesztések azonban megbillentették a képzési kereslet-kínálat egyensúlyát, a fejlesztésekből a Szakiskolai fejlesztési program megjelenéséig kimaradtak a szakiskolák, a gyakorlati képzésbe pedig nem sikerült a gazdaság szereplőit újra a kívánatos mértékben bevonni 1. Így a folyamatok szinte természetes következménye lett, hogy a munkaerőpiacon egyre kevesebb, és ezáltal keresett lett a jól képzett, gyakorlatban is használható tudással rendelkező szakmunkás. A gazdasági háttér átalakulásával megjelenő új munkaerő-piaci igényekkel az iskolai rendszerű szakképzés csak részben tudott tehát lépést tartani. 1 Szebenyiné Csóka B. (2007) A szakiskolai és szakképzés helyzete. Jegyző és Közigazgatás, IX. évfolyam, 3. 4 / 61

5 A középfokú oktatásban szereplő képzési ágak közül a gimnáziumi és a szakközépiskolai képzés a szakiskolai képzésnél máig jóval jelentősebb súlyt képvisel. Erre rakódik rá az a középfokú képzési szintet is lassan elérő demográfiai folyamat, amely a csökkenő gyerekszám miatt a képzési palettáról kiszoruló intézmények versenyhelyzetét élesíti. A éves korban érettségi felé vezető programok szerint gimnáziumokban, szakközépiskolákban tanulók eddigi legmagasabb (80 ezer fő körüli) létszáma csak akkor érhető el újra, illetve tartható fenn a jövőben, ha az érettségit nyújtó középiskolai oktatásba belépők aránya a jelenlegi iskolaszerkezetet alapul véve egy-két évtized alatt körülbelül 80%-ra emelkedik. Ez azt is jelenti, hogy azoknak az aránya, akik ebben az életkorban olyan oktatásban vesznek részt, amely nem garantálja az érettségi felé történő továbblépést vagyis a szakiskolai programokhoz hasonló programokat követők aránya radikálisan, azaz legalább 20% alá csökken 2. Az ilyen irányú nyomás a szakiskolák jövőbeli helyzetére igen erős hatással lehet. 2. A presztízscsökkenésből, illetve a középfokú oktatás képzési ágainak relatív versenyéből adódó keresletcsökkenés, valamint a képzett szakmunkások iránt megmutatkozó új munkaerő-piaci keresletnövekedés együttes hatásainak figyelembevételével kell értékelnünk a szakiskolai tanulói létszámok közeljövőben várható alakulását. A vizsgálat a KSH által közzétett településsoros és megyei adatbázisok (KSH T-STAR, KSH STADAT, Népszámlálás stb.), valamint az Oktatási Hivatal Közoktatási Információs Irodája által elkészített adatbázisok (KIR-STAT) információira épült, saját primer felmérésekre, kérdőíves és egyéb adatgyűjtésekre nem tért ki. Az elvégzett előrebecslések a szakma által gyakorta alkalmazott eljárásokkal készültek, javarészt a meglévő idősorok adataira épülő trendbecslés módszerével, bár ettől eltérő metodikák is kipróbálásra kerültek. A szakiskolai létszámokat és arányszámokat, valamint a belépő tanulók jövőbeli létszámát több különböző becslési technika alkalmazásával határoztuk meg. A kapott eredmények ezért a nyilvánvaló módszertani különbségek miatt eltérők lettek, megbízhatóságuk azonban az adott szakmai kereteken belül közel azonos. A becslések a 2015-ig terjedő időszakra évenként kínálnak eredményeket, azonban a 2012 utáni évek adatai a hosszabb időtáv okán már kevésbé megbízhatók. A 2012 utáni adatok csak tájékoztató jelleggel kerültek az anyagba. A számítások során előrebecsült eredmények megyei és regionális szinten kerültek közlésre. 2 Lannert J. (1999) A közoktatás szerkezetének alakulása Magyarországon. Technológiai Előretekintési Program, 5 / 61

6 3. A szakiskolában tanulók létszámának a korábbi tapasztalati adatokon alapuló előrebecslése szerint országosan inkább a létszám-stabilizálódás jelei látszanak megmutatkozni. Ez alátámasztja azt a várakozásunkat, miszerint egyszerre érvényesülnek a szakiskolai képzéssel szemben tapasztalható keresletcsökkentő és keresletnövelő hatások. Az országos mérsékelt változás hátterében azonban rendkívül eltérő regionális pályák rajzolódnak ki. A szakiskolai tanulói létszám csökkenésére számíthatunk Közép- Magyarország régiójában, illetve vélhetően Nyugat-Magyarország esetében is, miközben a többi régió trendjei inkább a lassú létszámbővülés irányába mutatnak. 1. ábra: A szakiskolában tanulók várható létszáma 2015-ig, régiónként (fő) 4. A szakiskolában tanulók részesedése a középfokú oktatásban résztvevő tanulók között viszonylag stabil, ugyanakkor relatíve alacsony szintű volt az elmúlt években, bár hosszabb távon tekintve az adatokat a szakiskolai képzési formában tanulók számaránya egyértelmű csökkenést mutatott (2. ábra). Becsléseinkben ez a tendencia érzékelhetően megmaradt. Az országos trendek szerint a szakiskolába jelentkezők aránya nagyjából állandó, 22-23% körüli, ami a 2012-ig (2015-ig) tartó időszakban is folytatódni látszik. A régiónként elvégzett becslések térségenként eltérő arányszámokat és változási irányokat feltételeznek (3. ábra). Feltűnő eszerint a közép-magyarországi régió országos értékeket jelentősen alulmúló részesedési értéke, miközben az ország többi részében a szakiskolások nagyobb relatív hányadot képviselnek. 6 / 61

7 2. ábra: A középfokú oktatás nappali képzésein tanulók száma (Forrás: KSH Statisztikai Tükör, 2008/41.) 3. ábra: A szakiskolában tanulók várható aránya 2015-ig, régiónként (%) 7 / 61

8 5. A területi arányszámok előrebecslése térségenként változó megbízhatóságú. A jövőre nézve pontos ún. pontbecslések helyett ezért megbízhatósági intervallum-becslések is közlésre kerültek. Lényeges tehát tudnunk, hogy a modellekben kiszámított eredmények valódi beválási valószínűsége csekély, értelmezésük inkább feltételezésszerű. (A becslés megbízhatóságának alakulását jól illusztrálja Nyugat-Dunántúl régiójának ábrája.) 4. ábra: A szakiskolában tanulók várható aránya Nyugat-Dunántúl régiójában 95%-os konfidencia-intervallum valószínűségű határértékekkel (%) 6. A szakiskolai képzés létszámain és arányszámain túl a vizsgálatok során több modell is kitért a várható beiskolázási létszámok területi becslésére a 9. évfolyamos szakiskolai és speciális szakiskolai tanulók létszámának előretekintő meghatározása kapcsán. A szakiskolák közoktatásban betöltött szerepének vizsgálatakor, illetve a döntések előkészítésekor lényeges szempont lehet nemcsak a helyben lakó, de főképpen a helyben (adott megyében) tanuló diákok létszámának ismerete is, mely adat középtávon megszabja az intézményi kapacitáskihasználás lehetőségeit. A 9. évfolyamos szakiskolai tanulóknak a lakóhely és a szakiskola megyéje közötti becsült ingázási létszámaival korrigált előreszámítások kísérleti jelleggel próbálják felvázolni a várható megyei szakiskolai belépési létszámokat. 8 / 61

9 5. ábra: Adott megyében tanuló 9. évfolyamos szakiskolai és speciális szakiskolai tanulók várható száma régiónként, fő 7. Az adott megyében tanuló 9. évfolyamos szakiskolai és speciális szakiskolai tanulók várható számát mutató ábra csak Nyugat-Dunántúl régiója kapcsán mutat egyértelmű képet, jelesül abban a vonatkozásban, miszerint ez a térség szignifikánsan elmarad az ország többi részétől a beiskolázási létszámok tekintetében. A kalkulált modell némely régió esetében a beiskolázási létszámok csökkenését valószínűsíti, más térségeknél viszont inkább a létszámbővülés irányába mutat. Mindezek azonban statisztikailag még bizonytalan előrejelzéseknek tekinthetők. Az eredmények néhány jellemző csoport kialakulását feltételezik: egy magasabb értékekkel jellemezhető térségcsoportot (Észak-Alföld, Közép- Magyarország és Észak-Magyarország régiójával), egy közepes értékekkel rendelkező csoportot (Dél-Alföld, Közép-Dunántúl és Dél-Dunántúl régiójával), illetve egy egyelemű csoportot alacsony értékekkel (Nyugat-Dunántúl régiójával). 9 / 61

10 FELHASZNÁLT ADATBÁZISOK ÉS ALKALMAZOTT MÓDSZERTAN Felhasznált adatbázisok A munka során elkészített becslések olyan szakmai (szakiskolai) és demográfiai adatbázisok adataira épülnek, amelyek területi bontásban is hozzáférhetők. A becslések kizárólag ezeknek az adatoknak a felhasználásával készültek, tehát nem veszik figyelembe az országos (nem területi) adatforrásokat, adat-előrejelzéseket illetve becsléseket. A felhasznált adatforrások az alábbiak: KSH T-STAR településsoros adatok KSH STADAT megyei adatok KSH településsoros demográfiai adatok KSH népszámlálás településsoros adatai KIR-STAT intézménysoros adatok (Oktatási Hivatal Közoktatási Információs Iroda) A vizsgálatok során a következő adattartalmú változókkal dolgoztunk: Szakiskolai tanulók száma megyénként (KSH STADAT, Közoktatásban tanulók száma adatsorai, ) Középfokú oktatásban résztvevők száma megyénként (KSH STADAT, Közoktatásban tanulók száma adatsorai, ) = szakiskolai tanulók száma + gimnáziumi tanulók száma + szakközépiskolai tanulók száma Adott évben x évesek száma településenként (KSH korévenként közölt településsoros demográfiai adatok, ) 2005/2006. tanévben a szakképző évfolyamokra belépő tanulók száma intézményenként (KIR-STAT adatbázis, Oktatási Hivatal Közoktatási Információs Iroda) 10 / 61

11 2006/2007. tanévben a szakképző évfolyamokra belépő tanulók száma intézményenként (KIR-STAT adatbázis, Oktatási Hivatal Közoktatási Információs Iroda) 2007/2008. tanévben a szakképző évfolyamokra belépő tanulók száma intézményenként (KIR-STAT adatbázis, Oktatási Hivatal Közoktatási Információs Iroda) 9. évfolyamos szakiskolai és speciális szakiskolai tanulók száma településenként (KSH T-STAR településsoros adatok, ) A tanulók lakóhelye és iskolahelye településenként (KSH Népszámlálás, 2001, előzetes, nyers adatok) További kiegészítő adatok: Szakiskolai képzést nyújtó intézmények települése (KIR-STAT adatbázis, Oktatási Hivatal Közoktatási Információs Iroda) A települések megyei és regionális hovatartozása (KSH Helységnévtár) Az adatok feldolgozása során törekednünk kellett a különféle adatforrások eltérő felmérési módszertanából fakadó esetleges torzító hatásainak mérséklésére, illetve a különböző adatforrások megfelelő összehangolására. A munka során gondot okozott, hogy míg a 9. évfolyam létszámai lakóhely szerint kerültek közlésre, addig a megyei beiskolázási adatok (a középfokú oktatásban résztvevők, illetve a szakiskolai tanulók száma) az iskola megyéje szerint álltak rendelkezésre. Az pedig ismeretlen volt, hogy az adott megyében hány olyan középiskolás van, aki nem az iskolája megyéjében lakik, következésképpen becslésünk esetében e torzító hatással feltétlen számolnunk kell. A becslések során felmerülő egyéb torzító hatásokat az egyes módszerek ismertetésénél részletezzük. A vizsgálat során alkalmazott adattáblák hol települési, hol megyei, hol pedig intézményi szintű adatokat tartalmaztak. Az elkészített becslések az elérhető legrészletesebb adatok felhasználására törekedtek, ám ez nem minden számítás esetében lehetett egységes. A munka során elkészült előrebecslések számos alkalommal az intézményi vagy települési adatok megyei szintre aggregált adatait használták. A számítások során előrebecsült eredményeket megyei és regionális szinten közöljük. 11 / 61

12 Általános módszertani megállapítások A szakiskolai létszámokat és arányszámokat, valamint a belépő tanulók jövőbeli létszámát több különböző becslési technika alkalmazásával próbáltuk meghatározni. A kapott eredmények ezért a nyilvánvaló módszertani különbségek miatt eltérők lettek, megbízhatóságuk azonban az adott szakmai kereteken belül közel azonos. A becslések a 2015-ig terjedő időszakra évenként kínálnak eredményeket, azonban a 2012 utáni évek adatai a hosszabb időtáv okán már kevésbé megbízhatók. A 2012 utáni adatok csak tájékoztató jelleggel kerültek az anyagba. A számítási modellek során törekedtünk a lehető legtöbb alapinformációt feltárni, ami azonban nem jelenti az összes rendelkezésre álló adat egyidejű alkalmazását a becslésekben. Általános összefüggés, hogy a hosszabb idősorok (több kiindulási adat) alkalmazása megbízhatóbb trendbecsléseket tesz lehetővé, ám számos esetben például, ha a trendben változások tapasztalhatók a hosszútávú trend a rövid idősorral operáló változattól eltérő eredményeket ad. Előfordul tehát, hogy rövidebb és hosszabb idősorokon is teszteljük a becslésünket. Előzetes, kiegészítő becslések A szakiskolai tanulói létszámok előrejelzéséhez kapcsolódóan néhány közvetett, a becsléseket kiegészítő számítás elvégzésére is szükség volt. Ezek a becslések lényeges szerepet játszanak és az eredmény szempontjából ugyanolyan fontosságúak, mint maguk a szakiskolai becslések, mivel ezek képezik az alapot az előrebecsült relatív mutatók elkészítéséhez. 1. modell: 14 évesek előrebecslése korcsoport-helyettesítéssel 2015-ig A 14 éves korcsoport létszámadatainak meghatározására azért volt szükség, mert a szakiskolai képzésbe belépők (9. évfolyamosok) általában ebben az életkorban kezdik meg szakiskolai tanulmányaikat. A számításhoz a KSH korévenként közölt települési népességszám adatait használtuk, amelyben rendelkezésre állt 2000 és 2006 között 0-tól a 20 éves korúakig a településen élők száma. Az eredményként kialakított adattáblába 2000 és 2006 között a 14 éves korcsoport adatait helyeztük, az ezt követő években pedig a leendő 14 éves korúak 12 / 61

13 adatait használtuk a megfelelő korcsoport értékeinek behelyettesítésével. A 2007-ben 14 évesek adatai tehát megfelelnek a 2006-ban 13 évesek adatainak, a 2012-ben 14 évesek adatai a 2006-ban 8 évesek adatainak, a 2015-ben 14 évesek adatai pedig a 2006-ban 5 évesek adatainak. A demográfiai előrebecslés nem tér ki az adott kohorszok halandósági mutatóira, illetve a kohorszokat érintő migrációs hatásokra, mivel kiegészítő számítások alapján feltételezhető, hogy ezen két hatás (a létszámcsökkentő és a létszámnövelő hatás) ebben az életkorban nagyjából kiegyenlíti egymást. A pontosabb előrejelzések érdekében a megfelelő adatok birtokában az előrejelzés ezzel a módosítással finomítható. 2. modell: Középiskolai tanulók (középfokú oktatásban résztvevők) létszámának előrebecslése lineáris trendbecsléssel 5 éves idősoron 2015-ig A középfokú oktatásban résztvevők száma referenciaként szerepel a szakiskolában tanulók arányának meghatározásakor. A számításhoz a KSH STADAT középfokú oktatásban résztvevők számának megyénkénti adatait használtuk. A közötti időszak adatait figyelembe véve lineáris regresszió-analízis segítségével 2015-ig előrebecsültük a középiskolai tanulók várható létszámát. Várható szakiskolai tanulói létszámok és arányszámok területi becslései 3. modell: Szakiskolában tanulók létszámának előrebecslése lineáris trendbecsléssel 5 éves idősoron 2015-ig A konzervatív trendbecslés módszerével dolgozó számítás abból a feltételezésből indul ki, hogy a szakiskolában tanulók létszámának változását határozott trend jellemzi. Ehhez a számításhoz a KSH STADAT szakiskolában tanulók létszámának megyénkénti adatait használtuk. A közötti időszak adatait figyelembe véve lineáris regresszió-analízis segítségével 2015-ig becsültük meg a szakiskolában tanulók várható létszámát. 4a. és 4b. modell: Szakiskolában tanulók arányának előrebecslése lineáris trendbecsléssel 3 éves és 8 éves idősoron 2015-ig A konzervatív trendbecslés módszerével dolgozó számítás abból a feltételezésből indul ki, hogy a szakiskolában tanulók százalékos arányának változását határozott trend jellemzi. A számításhoz a KSH STADAT középfokú oktatásban résztvevők számának és a szakiskolában 13 / 61

14 tanulók létszámának megyénkénti adatait használtuk, melyek hányadosai adják meg a szakiskolában tanulók százalékos arányszámait. Ebben a modellben egy 3 éves (rövidtávú) és egy 8 éves (középtávú) lineáris trendbecslést végeztünk el. Előbbi a es évek adataiból indul ki és csak az utóbbi évek hatásait veszi figyelembe, következtetései bár friss adatokra épül mégis kevésbé megbízható, utóbbi pedig a es időszak teljes idősorából következtet a jövőbeli folyamatokra nagyobb megbízhatósággal. A rövidtávú becslés tájékoztató jelleggel került az anyagba. 4c. modell: Szakiskolában tanulók arányának előrebecslése lineáris trendbecsléssel 8 éves idősoron 2015-ig 95%-os konfidencia-intervallum valószínűséggel A számításhoz a KSH STADAT középfokú oktatásban résztvevők számának és a szakiskolában tanulók létszámának megyénkénti adatait használtuk, melyek hányadosai adják meg a szakiskolában tanulók százalékos arányszámait. A közötti időszak adatait figyelembe véve lineáris regresszió-analízis segítségével 2015-ig előrebecsültük a szakiskolában tanulók arányának várható értékeit. Az analízis során definiáltuk a 95%-os valószínűségű konfidencia-intervallum alsó és felső értékeit is, amelyek tehát 95%-os megbízhatósággal jelzik a jövőben várható arányszámok lehetséges legkisebb és legnagyobb értékeit. 4d. modell: Szakiskolában tanulók arányának előrebecslése logaritmikus trendbecsléssel 8 éves idősoron 2015-ig A számításhoz a KSH STADAT középfokú oktatásban résztvevők számának és a szakiskolában tanulók létszámának megyénkénti adatait használtuk, melyek hányadosai adják meg a szakiskolában tanulók százalékos arányszámait. A közötti időszak adatait figyelembe véve logaritmikus regresszió-analízis segítségével 2015-ig előrebecsültük a szakiskolában tanulók arányának várható értékeit. A logaritmikus trendbecslés kísérleti jelleggel mutatja be a jövőre várható arányszámokat egy nem lineáris (gyorsuló vagy lassuló) trendet feltételezve. Ez a modell némely megye esetében megbízhatóbb, az eredeti adatokra jobban illeszkedő trendet vázolt fel, más megyéknél azonban esetenként kevésbé szignifikáns eredményeket adott. 14 / 61

15 5. modell: Szakiskolában tanulók arányának előrebecslése a középiskolai tanulók és a szakiskolában tanulók előrebecsült létszámának hányadosaként 2015-ig Mivel korábban már kiszámításra került a középiskolai tanulók és a szakiskolai tanulók létszámának előrebecsült értéke, a fent említett változók hányadosaként egyszerűen meghatározható volt a szakiskolában tanulók aránya 2015-ig. 6a. modell: Szakiskolában tanulók arányának előrebecslése a középiskolai tanulók és a szakiskolában tanulók előrebecsült létszámának hányadosaként 2015-ig úgy, hogy a szakiskolai tanulók aránya évi 0,25 %-ponttal növekvő pozitív trendtől való eltéréssel lett figyelembe véve ( szakiskolák növelik a súlyukat szcenárió) Ebben a becslésben azzal a feltételezéssel éltünk, hogy a szakiskolák növelik a súlyukat a középfokú oktatásban. A modell a középiskolai tanulók és a szakiskolai tanulók korábban kiszámolt létszámadataiból képzett hányadosok trendjére épít. A közötti tapasztalati adatokat követően a közötti időszakra becsült trendértékeket évenként növekvő módon 0,25 %-ponttal növeltük. A évben a trend szerint becsült adatokhoz 0,25-öt, a évben 0,5-öt,, a évben 1,25-öt, míg a évben 2-t adtunk. Ez a modell a trendhez képest pozitív irányban torzítja minden megye várható adatát. 6b. modell: Szakiskolában tanulók arányának előrebecslése a középiskolai tanulók és a szakiskolában tanulók előrebecsült létszámának hányadosaként 2015-ig úgy, hogy a szakiskolai tanulók aránya évi 0,25 %-ponttal csökkenő negatív trendtől való eltéréssel lett figyelembe véve ( szakiskolák veszítenek a súlyukból szcenárió) Ebben a becslésben azzal a feltételezéssel éltünk, hogy a szakiskolák veszítenek a súlyukból a középfokú oktatásban. A modell a középiskolai tanulók és a szakiskolai tanulók korábban kiszámolt létszámadataiból képzett hányadosok trendjére épít. A közötti tapasztalati adatokat követően a közötti időszakra becsült trendértékeket évenként növekvő módon 0,25 %-ponttal csökkentettük. A évben a trend szerint becsült adatokból 0,25-öt, a évben 0,5-öt,, a évben 1,25-öt, míg a évben 2-t vontunk le. Ez a modell a trendhez képest negatív irányban torzítja minden megye várható adatát. 15 / 61

16 Várható beiskolázási létszámok területi becslései 7a. modell: Szakiskolákba belépők (9. évfolyamosok) számának becslése az intézmények 2007-es korosztályi részesedése alapján 2015-ig A becslés több lépcsőben készült el. A modell a 2007/2008-as tanévben a szakképző évfolyamokra belépő tanulók intézményenkénti számából és a 14 évesek adott évre előrebecsült településenkénti létszámából indul ki. A számítási lépések a következők: 1. A 2007/2008-as tanévben a szakiskolákba belépők részesedésének meghatározása a 2007-ben 14 éves korosztály összlétszámán belül intézményenként (korosztályi részesedés). 2. A 2007-es korosztályi részesedés alapján a szakiskolákba belépők számának meghatározása az adott évben 14 éves korosztály összlétszámán belül intézményenként. 7b. modell: Szakiskolákba belépők (9. évfolyamosok) számának becslése az intézmények es átlagos korosztályi részesedése alapján 2015-ig A becslés több lépcsőben készült el. A modell a 2005/2006-os, a 2006/2007-es és a 2007/2008-as tanévben a szakképző évfolyamokra belépő tanulók intézményenkénti számából és a 14 évesek adott évre előrebecsült településenkénti létszámából indul ki. A modell több beiskolázási év adatát is figyelembe veszi (átlagolja), ezzel simítva a belépési létszámok évenkénti ingadozásait. A számítási lépések a következők: 1. A 2005/2006-os, a 2006/2007-es és a 2007/2008-as tanévben a szakképző évfolyamokra belépő tanulók intézményenkénti összlétszámának meghatározása (összes belépő tanuló ). 2. A között a szakiskolákba belépők részesedésének meghatározása a ben 14 éves korosztály összlétszámán belül intézményenként (átlagos korosztályi részesedés). 3. A es átlagos korosztályi részesedés alapján a szakiskolákba belépők számának meghatározása az adott évben 14 éves korosztály összlétszámán belül intézményenként. 16 / 61

17 7c. és 7d. modell: Szakiskolákba belépők (9. évfolyamosok) számának becslése az intézmények es maximális és minimális korosztályi részesedése alapján 2015-ig A becslés több lépcsőben készült el. A modell a 2005/2006-os, a 2006/2007-es és a 2007/2008-as tanévben a szakképző évfolyamokra belépő tanulók intézményenkénti számából és a 14 évesek adott évre előrebecsült településenkénti létszámából indul ki. A modell több beiskolázási év adatát is figyelembe veszi (kiemeli a szélső értékeket), ezzel jelenítve meg a belépési létszámok évenkénti ingadozásait. A számítási lépések a következők: 1. A 2005/2006-os, a 2006/2007-es és a 2007/2008-as tanévben a szakképző évfolyamokra belépő tanulók maximális és minimális intézményenkénti létszámának meghatározása (maximális és minimális belépő tanulói létszám ). 2. A között a szakiskolákba belépők maximális részesedésének meghatározása a ben 14 éves korosztály összlétszámán belül intézményenként (maximális korosztályi részesedés). 3. A között a szakiskolákba belépők minimális részesedésének meghatározása a ben 14 éves korosztály összlétszámán belül intézményenként (minimális korosztályi részesedés). 4. A es maximális korosztályi részesedés alapján a szakiskolákba belépők számának meghatározása az adott évben 14 éves korosztály összlétszámán belül intézményenként. 5. A es minimális korosztályi részesedés alapján a szakiskolákba belépők számának meghatározása az adott évben 14 éves korosztály összlétszámán belül intézményenként. 8a. modell: Adott megyében lakó 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának előrebecslése lineáris trendbecsléssel 3 éves idősoron 2015-ig A konzervatív trendbecslés módszerével dolgozó számítás abból a feltételezésből indul ki, hogy a beiskolázási létszámok változását határozott trend jellemzi. A számításhoz a KSH T- STAR 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának településenkénti adatait használtuk, amelyeket megyei szinten aggregáltunk. A közötti időszak adatait figyelembe véve lineáris regresszió-analízis segítségével 2015-ig becsültük meg a 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának várható létszámát. A modell csak az utóbbi 3 év hatásait veszi figyelembe. 17 / 61

18 8b. modell: Adott megyében lakó 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának előrebecslése lineáris trendbecsléssel 6 éves idősoron 2015-ig A konzervatív trendbecslés módszerével dolgozó számítás abból a feltételezésből indul ki, hogy a beiskolázási létszámok változását határozott trend jellemzi. A számításhoz a KSH T- STAR 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának településenkénti adatait használtuk, amelyeket megyei szinten aggregáltunk. A közötti időszak adatait figyelembe véve lineáris regresszió-analízis segítségével 2015-ig becsültük meg a 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának várható létszámát. 9a. modell: Adott megyében tanuló 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának migrációs hatásokkal korrigált előrebecslése lineáris trendbecsléssel 3 éves idősoron 2015-ig Ez a becslés abból indul ki, hogy számos esetben a tanulók lakóhelye és iskolája más településen található, ami nyomon követhető a tanulók ingázási adatbázisában is. Az ilyen típusú migrációs hatásokkal korrigált előrebecslések a területi áramlási viszonyokat is figyelembe veszik. Mivel jelen vizsgálataink a megyei és nem a települési különbségekre fókuszálnak, ezért eltekintünk a megyén belüli települések közötti (amúgy igen jelentős) ingázási adatszámoktól, és csak a megyék közötti adatokat vesszük figyelembe. A számításhoz a KSH T-STAR 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának településenkénti adatait használtuk, amelyeket megyei szinten aggregáltunk, valamint a KSH 2001-es népszámlálásából a tanulók lakóhelyének és iskolahelyének településenkénti adatait. A számítási lépések a következők: 1. Migrációs hatásokat még nem alkalmazó trendbecslés, ahol a közötti időszak adatait figyelembe véve lineáris regresszió-analízis segítségével 2015-ig kerül megbecslésre a 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának várható létszáma. 2. A tanulók lakóhelyének és iskolahelyének településenkénti adataiból megyei szinten aggregált áramlási mátrixok készítése a lakóhely megyéje és az iskola megyéje alapján (áramlási létszámok mátrixa). 3. Az áramlási mátrixban az iskolahely megyéje százalékos részesedésének meghatározása megyénként (százalékos áramlási arányok). 4. A százalékos áramlási arányok ismeretében az áramlási létszámok visszaszámolása a regresszióval becsült megyei beiskolázási létszámokból. 18 / 61

19 5. A visszaszámolt áramlási létszámok megyénkénti összesítése (migrációs hatásokkal korrigált beiskolázási létszámok). 9b. modell: Adott megyében tanuló 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának migrációs hatásokkal korrigált előrebecslése lineáris trendbecsléssel 6 éves idősoron 2015-ig Ez a becslés abból indul ki, hogy számos esetben a tanulók lakóhelye és iskolája más településen található, ami nyomon követhető a tanulók ingázási adatbázisában is. Az ilyen típusú migrációs hatásokkal korrigált előrebecslések a területi áramlási viszonyokat is figyelembe veszik. Mivel jelen vizsgálataink a megyei és nem a települési különbségekre fókuszálnak, ezért eltekintünk a megyén belüli települések közötti (amúgy igen jelentős) ingázási adatszámoktól, és csak a megyék közötti adatokat vesszük figyelembe. A számításhoz a KSH T-STAR 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának településenkénti adatait használtuk, amelyeket megyei szinten aggregáltunk, valamint a KSH 2001-es népszámlálásából a tanulók lakóhelyének és iskolahelyének településenkénti adatait. A számítási lépések a következők: 1. Migrációs hatásokat még nem alkalmazó trendbecslés, ahol a közötti időszak adatait figyelembe véve lineáris regresszió-analízis segítségével 2015-ig kerül megbecslésre a 9. évfolyamos szakiskolai és speciális szakiskolai tanulók számának várható létszáma. 2. A tanulók lakóhelyének és iskolahelyének településenkénti adataiból megyei szinten aggregált áramlási mátrixok készítése a lakóhely megyéje és az iskola megyéje alapján (áramlási létszámok mátrixa). 3. Az áramlási mátrixban az iskolahely megyéje százalékos részesedésének meghatározása megyénként (százalékos áramlási arányok). 4. A százalékos áramlási arányok ismeretében az áramlási létszámok visszaszámolása a regresszióval becsült megyei beiskolázási létszámokból. 5. A visszaszámolt áramlási létszámok megyénkénti összesítése (migrációs hatásokkal korrigált beiskolázási létszámok). 19 / 61

20 TAPASZTALATI ADATOK A területi előrebecslések eredményeinek ismertetése előtt a következő oldalak táblázataiban a statisztikai felmérések hivatalos (tapasztalati) tényadatait közöljük. A különféle becslések lényegében ezen referenciaadatok továbbszámításaival, illetve alapinformációinak felhasználásával készültek Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Győr-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Összesen táblázat: Középfokú oktatásban résztvevők száma, fő (KSH STADAT) 20 / 61

21 Budapest 14,0 13,9 13,5 13,4 12,9 13,1 12,6 12,7 Pest 24,6 24,8 25,1 23,9 23,3 22,8 22,0 22,3 Közép-Magyarország 16,2 16,2 16,0 15,6 15,2 15,3 14,7 14,9 Fejér 24,0 24,5 25,2 25,5 25,7 26,3 26,3 26,1 Komárom-Esztergom 27,0 27,8 29,0 28,6 28,6 29,0 27,4 29,5 Veszprém 30,0 30,6 30,0 29,3 30,2 29,9 28,9 29,8 Közép-Dunántúl 26,9 27,5 27,9 27,7 28,1 28,3 27,5 28,3 Győr-Moson-Sopron 24,4 24,9 23,8 23,8 23,8 23,3 22,4 23,3 Vas 26,1 26,0 25,2 24,6 23,9 23,2 23,1 23,6 Zala 22,4 23,3 22,9 23,0 22,8 22,5 23,3 24,9 Nyugat-Dunántúl 24,2 24,7 23,9 23,8 23,5 23,0 22,9 23,8 Baranya 23,6 25,5 25,3 25,2 26,0 25,5 24,7 23,9 Somogy 30,1 32,2 31,9 30,7 30,5 30,9 30,9 31,7 Tolna 29,3 31,2 28,6 30,0 30,8 30,5 30,1 30,4 Dél-Dunántúl 27,2 29,2 28,4 28,3 28,8 28,6 28,2 28,1 Borsod-Abaúj-Zemplén 24,2 25,4 25,7 24,7 24,5 24,0 24,2 25,1 Heves 25,2 26,4 25,6 24,9 24,7 24,7 25,0 26,2 Nógrád 23,7 22,3 24,9 24,8 27,3 26,7 26,0 25,7 Észak-Magyarország 24,4 25,3 25,6 24,8 25,0 24,6 24,7 25,5 Hajdú-Bihar 25,4 25,4 24,5 24,2 24,6 24,0 23,7 23,9 Jász-Nagykun-Szolnok 26,9 27,8 28,1 28,0 28,1 27,7 27,8 28,9 Szabolcs-Szatmár-Bereg 28,9 28,8 28,5 27,7 27,1 26,3 26,0 27,6 Észak-Alföld 27,1 27,3 26,9 26,5 26,4 25,8 25,6 26,6 Bács-Kiskun 26,5 26,4 27,6 28,0 28,4 28,0 27,7 28,2 Békés 28,2 28,6 26,6 26,3 26,2 25,8 25,0 25,4 Csongrád 20,5 22,1 21,9 21,2 21,0 20,6 21,4 21,5 Dél-Alföld 25,0 25,6 25,4 25,2 25,3 24,9 24,8 25,1 Összesen 23,1 23,7 23,4 23,1 23,1 22,9 22,6 23,1 2. táblázat: Szakiskolai tanulók aránya a középfokú oktatásban résztvevőkön belül, % (KSH STADAT alapján) A fenti táblázatból látható, hogy országosan lényegében stagnál a szakiskolák beiskolázási jelentősége (23%). Ugyanakkor Budapesten és vele együtt az egész közép-magyarországi régióban csökken ennek az iskolatípusnak a súlya, a gyerekek egyre kisebb hányada jelentkezik szakiskolákba. Ezzel szemben Fejér megyében némi (hullámzó) növekedés tapasztalható. A szakiskolák képzési részesedése Közép-Dunántúl és Dél-Dunántúl régiójában magasan átlag feletti, Észak-Magyarország, Észak-Alföld és Dél-Alföld esetében közepesen magas, míg Nyugat-Dunántúl és különösen Közép-Magyarország régiója esetében relatíve alacsonyabb. 21 / 61

22 Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Győr-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Összesen táblázat: 9. évfolyamos szakiskolai és speciális szakiskolai tanulók száma, fő (szakiskolába belépők) (KSH T-STAR alapján) 22 / 61

23 6. ábra: Szakiskolával rendelkező települések, Szakiskolák száma (1) (9) 6-9 (13) 2-5 (91) 1 (143) 7. ábra: Szakiskolák száma településenként, / 61

24 A BECSLÉSI EREDMÉNYEK ÉRTÉKELÉSE Várható szakiskolai tanulói létszámok Az alábbi táblázatok a szakiskolában tanulók létszámának előrebecsült értékeit mutatják. A táblázatok 2015-ig jelenítik meg az eredményeket, a becslések azonban csak 2012-ig nyújtanak megbízhatóbb értékeket. A 2012 utáni évek adatai a hosszabb időtáv miatt kevésbé megbízhatók, ezért ezek az adatok csak tájékoztató jelleggel szerepelnek az anyagban Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Győr-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-B Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Összesen táblázat: A szakiskolában tanulók várható létszáma 2015-ig (fő)[3. modell alapján] 24 / 61

25 A fenti táblázat a szakiskolában tanulók számának 5 éves idősoron végzett lineáris trendbecsléssel meghatározott értékeit mutatja. A trendbecslés a jövőre nézve megyénként különböző megbízhatóságú, amit jól jelez az 5. táblázat Rsq (azaz R 2 ) értékének, illetve a Sigf (azaz szignifikancia) értékének megyénkénti változatossága. A legmegbízhatóbb előrejelzést ezzel a módszerrel Somogy megye esetében kaptuk, viszonylag jó eredményeket kínálnak továbbá Budapest, Fejér, Vas és Heves megye, valamint Közép-Magyarország régiójának becsült értékei. Kevésbé sikeres a modell Komárom-Esztergom, Baranya, Nógrád és Szabolcs-Szatmár-Bereg megye esetében, illetve az országos összlétszám ilyen típusú becslése esetében. Dependent Mth Rsq d.f. F Sigf b0 b1 BUDAPEST LIN, ,34, ,1-300,50 PEST LIN, ,67, ,40-44,600 KÖZÉP-MO. LIN, ,01, ,5-345,10 FEJÉR LIN, ,72, ,40 59,4000 KOMÁROM LIN,089 3,29, ,80 30,6000 VESZPRÉM LIN,108 3,36, ,70-35,300 KÖZÉP-DUN. LIN,083 3,27, ,9 54,7000 GYŐR LIN, ,59, ,60-65,000 VAS LIN, ,93, ,50-32,100 ZALA LIN, ,21, ,60 64,6000 NYUGAT-DUN. LIN,035 3,11, ,7-32,500 BARANYA LIN,098 3,33, ,30-15,900 SOMOGY LIN, ,70, ,80 57,4000 TOLNA LIN, ,57, ,90 26,7000 DÉL-DUN. LIN, ,95, ,0 68,2000 BORSOD LIN,078 3,25, ,5 31,1000 HEVES LIN, ,66, ,00 70,8000 NÓGRÁD LIN,031 3,10, ,30-12,100 ÉSZAK-MO. LIN, ,22, ,8 89,8000 HAJDÚ LIN, ,58, ,70 38,9000 JÁSZ LIN, ,84, ,90 49,9000 SZABOLCS LIN,084 3,27, ,60 53,8000 ÉSZAK-ALF. LIN,240 3,95, ,2 142,600 BÁCS LIN, ,59, ,50 46,7000 BÉKÉS LIN, ,29, ,20-50,000 CSONGRÁD LIN, ,18, ,20 40,6000 DÉL-ALF. LIN,166 3,60, ,9 37,3000 ORSZÁGOS LIN, ,9E-04, , táblázat: Szakiskolában tanulók létszámának előrebecslése lineáris trendbecsléssel (regressziós paraméterek) A modell sikerességét illetve kevésbé sikeres mivoltát jól jelzik a következő ábrák, amelyek a tapasztalati adatok mellett a becsült trendértékek görbéit is felvázolják. Míg Somogy megye esetében nyilvánvaló a két görbe jó illeszkedése, addig például Baranya megye esetében a láthatóan rossz illeszkedés alacsony megbízhatóságú trendet eredményez. 25 / 61

26 8. ábra: A szakiskolában tanulók létszámának alakulása és trendje Somogy megyében ( ) 9. ábra: A szakiskolában tanulók létszámának alakulása és trendje Baranya megyében ( ) 26 / 61

27 A szakiskolában tanulók létszámának a korábbi tapasztalati adatokon alapuló előrebecslése szerint országosan inkább a létszám-stabilizálódás jelei látszanak megmutatkozni [3. modell]. Ez alátámasztja azt a várakozásunkat, miszerint egyszerre érvényesülnek a szakiskolai képzéssel szemben tapasztalható keresletcsökkentő és keresletnövelő hatások. Az országos mérsékelt változás hátterében azonban rendkívül eltérő regionális pályák rajzolódnak ki. A szakiskolai tanulói létszám csökkenésére számíthatunk Közép-Magyarország régiójában, illetve vélhetően Nyugat-Magyarország esetében is, miközben a többi régió trendjei inkább a lassú létszámbővülés irányába mutatnak. 10. ábra: A szakiskolában tanulók várható létszáma 2015-ig, régiónként (fő) 27 / 61

28 Várható szakiskolai tanulói arányszámok A következő táblázatok a szakiskolában tanulóknak a középfokú oktatásban résztvevők számához viszonyított arányát mutatják. A táblázatok 2015-ig jelenítik meg az eredményeket, a becslések azonban csak 2012-ig nyújtanak megbízhatóbb értékeket. A 2012 utáni évek adatai a hosszabb időtáv miatt kevésbé megbízhatók, ezért ezek az adatok csak tájékoztató jelleggel szerepelnek az anyagban. A szakiskolában tanulók százalékos arányának jövőbeli meghatározásához több módszert is alkalmaztunk (leírásukat részletesebben lásd a módszertani fejezetben). Az első néhány eljárás konzervatív lineáris trendbecsléssel készült el Budapest 12,7 12,4 12,3 12,1 11,9 11,7 11,5 11,3 11,1 Pest 22,3 21,9 21,6 21,4 21,1 20,9 20,7 20,4 20,2 Közép-Magyarország 14,9 14,6 14,5 14,3 14,2 14,0 13,8 13,7 13,5 Fejér 26,1 26,0 25,9 25,8 25,7 25,6 25,5 25,4 25,3 Komárom-Esztergom 29,5 29,2 29,4 29,7 29,9 30,2 30,4 30,7 30,9 Veszprém 29,8 29,5 29,5 29,4 29,4 29,4 29,4 29,4 29,3 Közép-Dunántúl 28,3 28,1 28,1 28,1 28,1 28,1 28,2 28,2 28,2 Győr-Moson-Sopron 23,3 23,0 23,1 23,1 23,1 23,1 23,1 23,1 23,1 Vas 23,6 23,7 23,9 24,0 24,2 24,4 24,6 24,8 24,9 Zala 24,9 26,0 27,2 28,4 29,6 30,8 32,0 33,2 34,4 Nyugat-Dunántúl 23,8 24,1 24,5 24,9 25,3 25,7 26,1 26,5 26,9 Baranya 23,9 23,1 22,2 21,4 20,6 19,8 19,0 18,2 17,3 Somogy 31,7 32,0 32,4 32,8 33,2 33,7 34,1 34,5 34,9 Tolna 30,4 30,2 30,2 30,1 30,0 30,0 29,9 29,9 29,8 Dél-Dunántúl 28,1 27,8 27,6 27,3 27,1 26,9 26,6 26,4 26,1 Borsod-Abaúj-Zemplén 25,1 25,5 26,0 26,6 27,1 27,6 28,2 28,7 29,3 Heves 26,2 26,8 27,5 28,2 29,0 29,7 30,4 31,2 31,9 Nógrád 25,7 25,2 24,8 24,3 23,8 23,4 22,9 22,5 22,0 Észak-Magyarország 25,5 25,8 26,3 26,7 27,2 27,6 28,1 28,5 29,0 Hajdú-Bihar 23,9 23,8 23,7 23,7 23,6 23,6 23,5 23,5 23,5 Jász-Nagykun-Szolnok 28,9 29,3 29,9 30,5 31,1 31,6 32,2 32,8 33,4 Szabolcs-Szatmár-B. 27,6 27,9 28,6 29,2 29,9 30,5 31,1 31,8 32,4 Észak-Alföld 26,6 26,7 27,1 27,5 27,8 28,2 28,6 28,9 29,3 Bács-Kiskun 28,2 28,1 28,2 28,3 28,4 28,4 28,5 28,6 28,7 Békés 25,4 25,0 24,8 24,6 24,4 24,2 24,0 23,9 23,7 Csongrád 21,5 22,0 22,5 22,9 23,4 23,8 24,3 24,8 25,2 Dél-Alföld 25,1 25,2 25,3 25,5 25,6 25,8 25,9 26,0 26,2 Országos 23,1 23,1 23,2 23,3 23,5 23,6 23,7 23,8 23,9 6. táblázat: A szakiskolában tanulók középiskolai tanulókhoz viszonyított várható aránya 2015-ig (%)(trendbecslés 3 éves idősoron)[4a. modell alapján] 28 / 61

29 Budapest 12,7 12,4 12,2 12,0 11,8 11,6 11,4 11,2 11,0 Pest 22,3 21,6 21,1 20,7 20,2 19,8 19,3 18,9 18,4 Közép-Magyarország 14,9 14,5 14,3 14,0 13,8 13,6 13,4 13,1 12,9 Fejér 26,1 26,9 27,3 27,6 27,9 28,2 28,6 28,9 29,2 Komárom-Esztergom 29,5 29,2 29,4 29,6 29,8 30,0 30,2 30,4 30,6 Veszprém 29,8 29,3 29,2 29,1 29,0 28,9 28,8 28,7 28,6 Közép-Dunántúl 28,3 28,4 28,5 28,7 28,8 28,9 29,1 29,2 29,3 Győr-Moson-Sopron 23,3 22,6 22,3 22,1 21,8 21,6 21,3 21,1 20,9 Vas 23,6 22,4 21,9 21,4 21,0 20,5 20,0 19,6 19,1 Zala 24,9 24,0 24,2 24,4 24,6 24,8 25,0 25,2 25,4 Nyugat-Dunántúl 23,8 23,0 22,8 22,6 22,4 22,3 22,1 21,9 21,8 Baranya 23,9 24,9 24,9 24,9 24,9 24,9 24,9 24,9 24,9 Somogy 31,7 31,2 31,2 31,2 31,2 31,2 31,2 31,3 31,3 Tolna 30,4 30,5 30,6 30,7 30,8 30,9 31,0 31,1 31,2 Dél-Dunántúl 28,1 28,4 28,5 28,5 28,5 28,5 28,6 28,6 28,6 Borsod-Abaúj-Zemplén 25,1 24,4 24,4 24,3 24,2 24,2 24,1 24,0 23,9 Heves 26,2 25,2 25,2 25,2 25,1 25,1 25,1 25,0 25,0 Nógrád 25,7 27,4 27,8 28,3 28,8 29,3 29,8 30,3 30,7 Észak-Magyarország 25,5 25,0 25,1 25,1 25,1 25,1 25,1 25,1 25,2 Hajdú-Bihar 23,9 23,4 23,1 22,9 22,7 22,4 22,2 21,9 21,7 Jász-Nagykun-Szolnok 28,9 28,6 28,8 28,9 29,1 29,3 29,4 29,6 29,7 Szabolcs-Szatmár-B. 27,6 26,0 25,6 25,3 24,9 24,6 24,2 23,9 23,5 Észak-Alföld 26,6 25,7 25,5 25,4 25,2 25,0 24,8 24,6 24,5 Bács-Kiskun 28,2 28,7 28,9 29,2 29,4 29,6 29,9 30,1 30,3 Békés 25,4 24,3 23,8 23,4 22,9 22,4 21,9 21,4 21,0 Csongrád 21,5 21,2 21,2 21,2 21,2 21,2 21,1 21,1 21,1 Dél-Alföld 25,1 24,9 24,8 24,8 24,7 24,7 24,6 24,6 24,5 Országos 23,1 22,7 22,7 22,6 22,5 22,4 22,3 22,2 22,2 7. táblázat: A szakiskolában tanulók középiskolai tanulókhoz viszonyított várható aránya 2015-ig (%)(trendbecslés 8 éves idősoron) [4b. modell alapján] A 3 éves (rövid) és a 8 éves (hosszú) idősoron elvégzett számítások kis mértékben eltérő szcenáriókat vázolnak fel, mivel a rövid adatperiódussal dolgozó becslés csak az utóbbi 3 évre jellemző folyamatokat vette figyelembe (ezeket tájékoztató jelleggel közöltük). Az országos tendenciák szerint a szakiskolába jelentkezők aránya nagyjából állandó, 22-23% körüli, a hosszabb távú becslés a szakiskolák képzésen belüli részesedésének halvány csökkenését prognosztizálja. Amint az a következő táblázatokról leolvasható, a becslések megyénként eltérő megbízhatóságú eredményeket mutatnak. A szignifikancia-teszt (Sigf) eredményei szerint az első (kísérleti) becslésből csak Baranya előrebecsült értékei tűnnek elfogadhatónak, a hosszabb időtávú modellben azonban jóval több megyei becslés mutatkozott szignifikánsnak (köszönhetően a magasabb szabadságfok-értékeknek [d.f.]), következésképpen a későbbi modellekben ez utóbbi változatra építve megbízhatóbb eredményekre számíthatunk. 29 / 61

30 Dependent Mth Rsq d.f. F Sigf b0 b1 BUDAPEST LIN, ,02,497 13,2054 -,1900 PEST LIN,412 1,70,556 22,8253 -,2406 KÖZ_MO. LIN,393 1,65,568 15,3013 -,1636 FEJÉR LIN, ,02,332 26,4831 -,1107 KOMÁROM LIN,054 1,06,851 28,1567,2496 VESZPRÉM LIN, ,1E-03,979 29,5485 -,0184 KÖZ_DUN. LIN, ,0E-03,972 27,9822,0205 GYŐR LIN, ,7E-04,985 22,9913,0126 VAS LIN, ,43,444 22,9483,1808 ZALA LIN, ,98,107 21,1602 1,2028 NY_DUN. LIN, ,42,445 22,4495,4007 BARANYA LIN, ,77,028 26,3198 -,8156 SOMOGY LIN, ,07,330 30,2935,4211 TOLNA LIN,085 1,09,812 30,4181 -,0536 D-DUN. LIN, ,23,227 28,7591 -,2373 BORSOD LIN, ,87,206 23,3443,5378 HEVES LIN, ,84,233 23,8539,7321 NÓGRÁD LIN, ,97,144 27,0683 -,4600 É-MO. LIN, ,31,261 23,9951,4520 HAJDÚ LIN,092 1,10,803 23,9604 -,0458 JÁSZ LIN, ,27,287 27,0102,5774 SZABOLCS LIN, ,46,440 25,3546,6438 É-ALF. LIN, ,31,457 25,2836,3648 BÁCS LIN,102 1,11,793 27,8053,0780 BÉKÉS LIN,214 1,27,694 25,7612 -,1907 CSONGRÁD LIN, ,26,262 20,2269,4528 D-ALF. LIN, ,13,481 24,6425,1400 ORSZÁGOS LIN,179 1,22,722 22,6210,1192 Dependent Mth Rsq d.f. F Sigf b0 b1 BUDAPEST LIN, ,85,000 14,1577 -,1984 PEST LIN, ,12,001 25,6147 -,4502 KÖZ-MO. LIN, ,92,000 16,5379 -,2262 FEJÉR LIN, ,60,001 24,0226,3239 KOMÁROM LIN, ,39,173 27,5063,1916 VESZPRÉM LIN, ,01,206 30,3302 -,1107 KÖZ-DUN. LIN, ,74,054 27,1393,1378 GYŐR LIN, ,00,011 24,8339 -,2489 VAS LIN, ,84,001 26,5697 -,4665 ZALA LIN, ,49,111 22,2419,1959 NY-DUN. LIN, ,01,050 24,4894 -,1700 BARANYA LIN, ,5E-03,955 24,9997 -,0084 SOMOGY LIN,002 6,01,908 31,0405,0146 TOLNA LIN,080 6,52,498 29,6760,0961 D-DUN. LIN,008 6,05,829 28,2512,0216 BORSOD LIN,073 6,47,517 25,0483 -,0689 HEVES LIN,012 6,07,800 25,4706 -,0288 NÓGRÁD LIN, ,91,039 23,0218,4821 É-MO. LIN,010 6,06,816 24,8842,0176 HAJDÚ LIN, ,82,003 25,5389 -,2393 JÁSZ LIN, ,00,050 27,2268,1558 SZABOLCS LIN, ,14,016 29,2207 -,3576 É-ALF. LIN, ,67,026 27,3425 -,1804 BÁCS LIN, ,67,026 26,5166,2394 BÉKÉS LIN, ,80,001 28,6577 -,4808 CSONGRÁD LIN,003 6,02,901 21,3178 -,0123 D-ALF. LIN, ,82,226 25,4092 -,0561 ORSZÁGOS LIN, ,72,102 23,5032 -, táblázat és 9. táblázat: A 3 éves és a 8 éves idősoron végzett becslések paraméterei 30 / 61