Sissejuhatus

 

Tööjõuvajaduse prognooside näol on tegemist olulise taustaga majanduspoliitika teostamisel ja tööturul osalejate informatsioonilisel toetamisel. Tööjõuvajaduse prognooside eesmärgiks on kvantitatiivselt hinnata, millise haridusega töötajaid peaks koolitama, seda nii koolitusalade kui haridustasemete lõikes. Kuigi prognooside tulemusi ei saa tihti üks-üheselt majanduspoliitikas rakendada, on prognooside teostamise lisandväärtuseks suurte andmemassiivide läbitöötamisel ja tulemuste kompileerimisel saadav info. Tööjõuvajaduse prognooside korral on selliseks lisainformatsiooniks näiteks koolitusalade lõpetajate käekäik tööturul.

 

Eestis on seni tööjõuvajaduse prognoosimisel tuginetud peamiselt ettevõtjate küsitlustele. Kuid vaatamata väiksematele ressurssidele, mida see lähenemine nõuab, võivad saadavad tulemused jääda liialt subjektiivseks. Esimesi katsetusi on tehtud ka ulatuslikemate kvantitatiivsete tööjõuvajaduse prognooside suunas, kuid tegeletud on vaid tööjõuvajaduse nõudluse poolega, haridustüüpide nõudluse ja pakkumise sidumiseni teadaolevalt ei ole veel jõutud. Käesolevas töös astutakse nendes katsetamiste seerias sammuke edasi: MRM (manpower requirement method) tööjõuvajaduse prognoosimise meetodi rakendamisel on hinnatud ja seotud nii võimalikud muutused tööturu nõudluse kui pakkumise poolel. Koolitusvaldkondadest leitakse käesolevas töös võimalikud vajadused koolitustellimust vähendada/suurendada mehhaanika ja metallitöö, elektrotehnika ja energeetika, elektroonika ja automaatika, ehitus ja tsiviilrajatiste koolitusaladel[1].

 

Töö koosneb viiest osast. Esimeses tutvustatakse MRM meetodit tööjõuvajaduse prognoosimiseks ning Eesti kogemusi tööjõuvajaduse prognoosimisel. Teine osa käsitleb mudeli hindamisel kasutatud andmetega seonduvat. Kolmas osa tutvustab mudeli nõudluse poolt, neljas pakkumise poolt ning viiendas osas seotakse nõudluse ja pakkumise tulemused.

 

1. MRM meetodi olemus ja tööjõuvajaduse prognoosimine Eestis

 

Alates II maailmasõjast on võitnud populaarsust seisukoht, et lisaks füüsilisele kapitalile, omab ka inimkapital olulist rolli majanduskasvu determineerimisel. Hariduse interpreteerimine tootmistegurina muutis majandusteadlased ja poliitika teostajad teadlikuks võimalusest saavutada majanduseesmärke haridusse suunatud investeeringute suurendamisel. Investeeringud haridusse konkreetsel tasemel ja konkreetsesse valdkonda võivad suurendada mitmete tööstussektorite toodangut. Seega on haridustase ja tööjõu struktuur ka ühed majanduskasvu determinandid, mistõttu on oluline mõista tööjõu haridusstruktuuri ja mingi majandusliku eesmärkmuutuja (näiteks sisemajanduse koguprodukti ehk SKP) vahelisi seoseid. See kõik on viinud mudelite arendamisele hariduse või tööjõu planeerimiseks. (Willems 1996:1)

 

Üks esimesi tööjõu planeerimise projekte oli OECD initsiatiivil valminud Vahemeremaade Regionaalne Projekt 1960ndate alguses. Selle projekti raames töötati välja tööjõuvajaduse meetod (MRM ehk manpower requirement method) leidmaks konkreetsete majanduslike eesmärkide saavutamiseks vajalik haridusvajadus järgmiseks viieteistkümneks aastaks. (Willems 1996:1) Campos et al täiendavad, et tööjõuvajaduse meetodi töötasid esimestena välja ameeriklased USA Tööjõustatistika Büroos 1950ndatel (Campos et al 1999:15). Teised lähenemised hariduse planeerimisele hõlmasid sotsiaalse nõudluse kavandamist ja tasuvusmäära analüüsi. Peale Vahemere projekti käivitusid mitmed sarnased projektid nii arenenud kui arenguriikides. Enamus neist uurimustest keskendus esialgselt tööjõu nõudluse modelleerimisele ja prognoosimisele. Vähem tähelepanu pöörati tuleviku tööjõu pakkumise prognoosimisele. Ka tänapäeva praktikas on tööjõuvajaduse prognoosimisel tööjõuturu pakkumise pool vähem uuritud. (Willems 1996:1) [2]

 

Vahemeremaade Regionaalse Projektige seotud Herbert S. Parnes eristab tööjõuvajaduse meetodi kasutamisel kaheksat järgmist sammu (Parnes 1962, viidatud Willems 1996:3 vahendusel):

1.        Liigitada baasaasta töötajad tööstussektori, ameti- ja haridusgruppide järgi.

2.        Prognoosida kogu tööjõu pakkumine prognoositavaks aastaks.

3.        Prognoosida koguhõive tööstussektorites prognoositavaks aastaks.

4.        Jagada prognoositud hõive tööstussektorites ametikohtade vahel, agregeerida sektorid saamaks koguhõive ametikohtade lõikes.

5.        Prognoosida konkreetse haridustaseme vajadusi ametialade lõikes, seda leitud hõive struktuuri põhjal.

6.        Hinnata tuleviku tööjõu pakkumine haridustasemete lõikes.

7.        Arvutada mingi haridustüübi nõudluse ja pakkumise vahe punktide 5 ja 6 tulemuste põhjal.

8.        Arvutada vajalik koolitustellimus, mis on vajalik punktis 7 leitud vahe rahuldamiseks igas haridustüübis.

 

Tööjõuvajaduse meetodi kriitika (Willems 1996:6-7):

1. Tööjõuvajaduse piiritlemine ei pruugi mõjutada haridussüsteemi käitumist. Kui õpilaste käitumine erinevates hariduse tüüpides on sõltumatu protsess, mida planeerimine ja kontroll mõjutab vähe või üldsegi mitte, siis ei saa ka tööjõuvajaduse meetodi lähenemine omada mingit olulist mõju.

2. Tööjõuvajaduse prognoosimeetod ei ole piisavalt usaldusväärne. Esimestes mudelites oli kriitilisemaks kohaks ametialade vajaduste teisendamine haridusvajadusteks.

3. Prognoosi horisont. Ühelt poolt on vajadus pikaajaliste prognooside järele, kuna muutused hariduses on aeganõudvad, teiselt poolt halveneb prognoosihorisondi pikenedes prognoosi kvaliteet. Selle tulemusel on peetud keskpikka prognoosi sobivaimaks.

 

Ülal käsitletud arenenud riikide tööjõu prognoosi meetodite rakendamisel Kesk- ja Ida-Euroopa (KIE) üleminekuriikides tuleb arvestada viimastes toimunud ulatuslikke struktuurseid muutusi. Campos et al rõhutavad selle aspekti olulisust haridus- ja koolitusvajaduse prognoosimisel KIE riikides. Nad toovad KIE riikide struktuursete muutustena välja: demograafilised muutused, globaalse majanduse muutumise, uued tehnoloogiad, muutused töökeskkonna organisatoorses ülesehituses (organisatsioonikultuuris?) ja poliitilises keskkonnas. Võtmeküsimuseks kujuneb seega, kas tööjõu struktuurseid muutusi sisaldavad andmed annavad vajaliku baasi tuleviku trendide hindamiseks. Kuid autorid märgivad ka, et harva on kasutada ideaalne andmebaas, kui riigid alustavad ametikohtade prognooside tegemist. (Campos et al 1999:37)

 

Eestis on tööjõuvajaduse meetodit ehk MRM-i tööjõuvajaduse prognoosimisel kasutatud toiduainetööstuse võtmeerialade leidmisel (vt PRAXIS ja Faktum 2003). Antud toiduainetööstuse tööjõuvajaduse prognoos arvestas vaid tööturu nõudluse poolt, st ülaltoodud MRM modelleerimise põhiliste sammude järgi jõuti kuni neljanda alapunktini, ametikohtade vajadustest ei mindud üle haridustasemetele ning läbi pakkumise ei jõutud ka nn asendusnõudluseni (replacement demand). Antud prognoosimudeli puhul on huvitav, et kasutatud on paralleelselt küsitluse andmeid (prognoositava hõive jaotus töö iseloomu lõikes saadakse küsitluse põhjal) ja MRM metoodikat. Erinevate tööjõuvajaduse prognoosimise meetodite kombineerimine on KIE riikides tihti paratamatu, kuna aegread on liialt lühikesed ja struktuurseid muutusi sisaldavad, et mineviku andmete põhjal võiks leida usaldusväärseid hinnanguid tuleviku trendide kohta.

 

Seni on Eestis enim kasutatud tööjõuvajaduse prognoosimise meetodiks olnud tööandjate küsitlemine. Käesolevas uurimuses vaadeldavate koolitusvaldkondadega on seotud 1999. aasta “Regionaalse tööjõusituatsiooni uuring” (vt EL Phare Regionaalarengu projekt ja EV Majandusministeerium). Selles uurimuses paluti ettevõtete juhtidel hinnata oma ettevõtte tööjõuvajadust kolme aasta pärast (küsitleti 1 397 ettevõtet). Uurimuse tulemusel prognoositi töötajate arvu kasvu enam metallitööstuses, lisaks elektroonikatööstuses ja ehituses; töötajate arvu vähenemist prognoositi nii kaevandamises kui energia-, gaasi- ja veevarustuses. Sekundaarsektori ettevõtetes kokku prognoositi tööjõuvajaduse kasvu, langust prognoositi sekundaarsektori ettevõtetes ainult Järva-, Ida-Viru- ja Põlvamaal. (EL Phare… 1999:19-21) Uuematest uurimustest, mis hõlmavad ka käesolevas töös käsitletud sektoreid, peaks 2003. aasta märtsiks olema valminud PW Partners poolt teostatav ja Eesti Tööandjate Keskliidu poolt tellitud erasektori tööjõu vajaduse kolme-aastane prognoos.

 

2. Andmed

 

Käesolevas artiklis toetutakse andmete osas valdavalt Eesti tööjõu-uuringu (ETU) andmetele ning on üsna loogiline, et nii suure disagregeerituse astmega näitajate leidmisel (näiteks vastava koolitusalaga isikute jagunemine tööstussektori, ametialade ja haridustasemete järgi) ei ole võimalik saada 5000 - 10 000-se valimimahu põhjal usaldusväärseid hinnanguid üle miljoni ulatuva üldkogumi suhtes. Juba järgmises alapunktis, liigitusel tootmissektori järgi, on vaatluste arv paljudes sektorites alla usaldusväärseks hinnanguks vajaliku piiri. Ning kui jagada konkreetses tootmissektoris töötavad meid huvitava koolitusalaga inimesed veel ametialade ja haridustasemete lõikes ja lisada pakkumise poolelt veel hõivatute ealine struktuur, siis hajuvad vaatlused nii laiali, et sisuliselt peab laiendamisel üldkogumile lähtuma ühe-kahe isiku karakteristikutest. Seega on tulenevalt andmetest (kas otseselt tulenevalt valimi mahust või ei ole vajalikud andmed olnud üldse kättesaadavad) tehtud mudeli ülesehitusel mitmeid kitsendavaid eeldusi. Vastavatele kitsendustele on jooksvalt ka viidatud ning põhjendatud nende tarvilikkust.

 

Oluline näitaja hinnangute kvaliteedi iseloomustamisel on hinnangu standardviga, mille põhjal saab arvutada suhtelise standardvea (standardviga jagatud näitaja väärtusega) ja hinnangu usaldusvahemiku (usaldusvahemik 95% juures ± 1.96*standardviga) (ESA 1997, lk 28). Antud uurimuses ei olnud ETU andmetel põhinevate näitajate korral kasutada vaadeldud näitajate standardvigu ega ka andmeid nende arvutamiseks (a la valimisse sattumise tõenäosus). Kasutada oli vaid näitaja arvutamisel aluseks olnud isikute arv valimis. Seega on hinnangu usaldusväärsuse leidmiseks lähtutud ESA poolt Eesti tööjõu-uuringu (ETU) andmete avaldamisel rakendatavatest keskmistest kriitilistest väärtustest (ESA 1997:29):

·        Kui hinnangu aluseks on vähem kui 20 isikut valimis (suhteline standardviga on suurem kui 22%), siis andmed ei ole usaldusväärsed.

·        Kui hinnangud põhinevad väikesel valimi mahul, 20-39 isikut valimis, (suhteline standardviga 16-22%), siis on andmed väheusaldusväärsed.

 

Seda 20 ja 40 isiku piiri valimis on rakendatud hinnangute usaldusväärsuse hindamisel kõikides läbi viidud ETU küsitlustes (95, 97, 98, 99, 00, 01). Järgnevalt on tähistatud mitteusaldusväärseid andmeid järelliitega ** ning väheusaldusväärseid järelliitega *. Mitteusaldusväärsete andmete esitamisest ei ole loobutud, kuna meid huvitav osa valimist on suhteliselt väike ning loobudes mitteusaldusväärsetest andmetest, läheks suur osa vajalikku informatsiooni lihtsalt kaduma. Samas peab säilitama ettevaatlikkuse mitteusaldusväärsetesse andmetesse suhtumisel.

 

Valimi väiksuse probleemi aitas mõneti leevendada kolme aasta keskmiste kasutamine, mille tulemusel oli võimalik valimimahud liita. Järgnevalt on lähtutud 2000-02 aastate keskmistest, kuna sel perioodil pole majanduses toimunud olulisi struktuurseid šokke (võib eeldada, et hõive struktuur on olnud stabiilne) ning keskmiste põhjal on olnud võimalik saada ka usaldusväärsemaid hinnanguid.

 

3. Tööjõu nõudlus

 

Esimene etapp mudeli püstitusel on vastava koolitusala haridusega töötajate liigitamine tootmissektori, ametialade ja haridustasemete järgi (MRM etapp 1 alapunktist 1). Vastavalt alapunktis 2 välja toodud andmete poolt põhjustatud kitsendustele oleks tarvilik edasises jaotuses ametikohtade lõikes kasutada tootmissektorite agregeerimist. Seega, vältimaks vaatluste laiali pudenemist, on järgnevalt lähtutud mitte tootmissektoritest vaid majandussektoritest. Vastavateks majandussektoriteks on: agraarsektor, sekundaarsektor, ehitussektor ja tertsiaarsektor.

 

Mehhaanika ja metallitöö ning elektrotehnika ja energeetika koolitusega töötajad on jagunenud tootmissektorite vahel enam-vähem sarnaselt, viimase puhul on vaid energeetika sektor olulisema tähtsusega. Siiski on nende koolitusalade haridusega töötajad oluliseks sisendiks just sekundaarsektori tootmisharudes (sh ehitus). Elektroonika ja automaatika koolitusega töötajad on ühtlasemalt tootmisharude vahel jagunenud, võrdselt sekundaarsektoriga on siin olulisteks tööandjateks ka tertsiaarsektori tootmisharud. Ehitus ja tsiviilrajatiste alase haridusega hõivatute jagunemise osas on pilt kõige selgem, olulise sektorina eristub ehitus ning ülejäänud harudes on nõudlus vastavate spetsialistide järele enam-vähem võrdselt 2% ja 4% vahel.

 

Mäetööstuses, töötlevas tööstuses, energeetikas ja ehituses on hõivatud pea pooled vaatlusaluse koolitusega hõivatuist. Tabelis 1 toodud töötajate osakaaludest majandussektorite hõives eristuvad oluliste sektoritena selgelt sekundaarsektor ja ehitus. Tertsiaar- ja agraarsektori jaoks ei ole vastavad töötajad olulise tähtsusega sisendiks (vt tabel 1, lk 10), kuid tulenevalt tertsiaarsektori suurusest töötab seal oluline hulk meid huvitavaid hõivatuid, samal ajal jääb agraarsektor vähem tähtsaks.

 

Saamaks meid huvitava koolitusvaldkonna haridusega töötajate arvu konkreetses majandussektoris konkreetsel ametikohal leitakse:

·        Esmalt nn sektori kaal, mis näitab millise osa moodustavad koolitusvaldkonna töötajad mingis majandussektoris (tabel 1, lk 10).

·        Järgnevalt leitakse nn ameti kaal, mis näitab millise osa moodustavad konkreetses majandussektoris konkreetsel ametikohal töötavad koolitusvaldkonna hõivatud kogu majandussektoris hõivatud koolitusvaldkonna töötajatest (artikli maht ei võimalda kahjuks esitada kõiki andmeid).

·        Korrutades kaks ülal leitud kaalu omavahel, ning saadud summa korrutamisel omakorda majandussektori koguhõivega, saamegi otsitud numbri.

 

Näiteks leidmaks sekundaarsektoris esimesel ametialal (seadusandjad, kõrgemad ametnikud ja juhid) mehhaanika ja metallitöö haridusega töötajate arvu korrutame sektori ja ameti kaalude korrutise 0.102 (vt tabel 1, lk 10)*0.115(mehhaanika ja metallitöö töötajate osakaal sekundaarsektori esimesel ametikohal) kogu sekundaarsektori hõivatutega (148.93 tuhat). Seega on mehhaanika ja metallitöö haridusega hõivatuid sekundaarsektori esimesel ametialal 1.75 tuhat.

 

Ametialadelt üleminek haridustasemetele on üks kriitilisemaid momente tööjõuvajaduse prognoosimisel (vt ka MRM metoodika kriitika alapunktis 1). Kuigi ametlikult on välja töötatud skeem, millist haridustaset mingil ametialal töötaja peaks omama, ei pruugi see reaalsuses rakenduda. Kutsekvalifikatsiooninõuete seost haridussüsteemiga Eestis on käsitlenud põhjalikumalt Eamets et al 2003 (vt 2. peatükk ja lisa 2.8). Tuginedes eeltoodud uurimusele peaks teoreetiline skeem ametialade ja haridustasemete vahel olema järgmine:

                                                                                                           

Kuna Eestis toodetakse mahukaid keskpikki prognoose ka valitsusasutuste poolt, on koguhõive prognoosimisel tööstussektorite lõikes (MRM etapp 3) lähtutud ühest sellisest, Majandus- ja Kommunikatsiooniministeeriumi (MKM) hõive prognoosist perioodiks 2003-2009 (vt kasutatud kirjandus allikas nr 4). MKM prognoosi kohaselt kasvab/kahaneb perioodil 2003-2007 Eestis hõive järgmiselt: agraarsektor -8.4%, sekundaarsektor +1.8%, ehitus +2.0% ning tertsiaarsektor +8.4%.

 

Kuna Majandusministeeriumi prognoosi kohaselt toimub kõigis sektorites peale primaarsektori oluline hõive kasv, siis kasvab hõive ka uurimisalustes koolitusvaldkondades kõigi haridustasemete lõikes (vt tabel 2, lk 10). Ainus majandussektor, kus hõive väheneb on agraarsektor, kuid antud koolitusvaldkonnad on agraarsektoriga seotud väga vähesel määral. Tabeli 2 põhjal saab üldista, et tasemete lõikes kasvab sõltumata koolitusvaldkonnast tööjõu nõudlus enim kolmanda taseme osas. Koolitusvaldkondade lõikes on nõudluse kasv kiireim elektroonika ja automaatikas ning ehitus ja tsiviilrajatistes. MRM meetodi rakendamise etappide osas oleme seega jõudnud läbida nõudluse, st 5 etapi.

 

4. Tööjõu pakkumine

 

Tööjõu pakkumise kujunemisel (MRM meetodi etapp 6) on olulised kaks järgmist näitajat: kui palju töötajaid lahkub prognoositava perioodi jooksul tööturult ja kui palju lisandub tööturule uusi töötajaid koolitusasutustest. Suurema osa tööturult lahkujatest moodustavad pensionile jääjad, nende arvu on ka hõivatute ealise struktuuri põhjal võimalik prognoosida. Varaseid tööturult lahkujaid, nagu näiteks koduperenaised või töövõimetud töötajad, on oluliselt keerulisem prognoosida (koduperenaiseks jäämine ei saa olla ka antud koolitusvaldkondade tööjõu pakkumise vähenemisel oluline tegur, kuna tegemist on suhteliselt maskuliinsete koolitusvaldkondadega, naised moodustavad hõivatuist vaid 15.5%).

 

Tööturult lahkujad on järgnevalt leitud majandussektorite ametialade töötajate ealise struktuuri põhjal. Esmalt leitakse kaalud, mis näitavad milline osa majandussektori töötajatest peaks eeldatavalt 5 aasta jooksul kõrge vanuse tõttu tööturult lahkuma (vt tabel 3, lk 10). Korrutades leitud kaalud meid huvitava haridusega hõivatute arvuga vastavas sektoris, saame isikute arvu, kes 5 aasta pärast vajavad tööturult lahkumise tõttu nn asendamist. Antud lähenemine põhineb eeldusel, et mingis majandusharus hõivatute ealine struktuur ning sealhulgas vastava koolitusvaldkonna haridusega hõivatute ealine struktuur on identsed.

 

Tabelist 3 (lk 10) nähtub, et mitmed osakaalud ei ole statistiliselt olulised. Nende andmete põhjal võib siiski üldistada, et ehitussektoris on võrreldes teiste sektoritega hõivatud kõige vähem pensioniealisi, samas kui agraarsektoris on vastupidi hõivatud suhteliselt palju pensioniealisi. Tööstus- ja teenindussektoris on hõivatud palju pensioniealisi just lihttööliste osas. Seega leitakse järgnevalt viie aasta jooksul tööturult lahkujad, eeldusel et pensioniealiste hõivatute osakaal jääb tulevikus samaks, lahutades viie aasta pärast pensionieani jõudvatest hõivatute osakaalust pensioniealiste hõivatute osakaalu. Näiteks agraarsektori 9. ametialal leitakse vastav kaal lahutades 16.87st 11.29.

 

Koolitusasutustest tööturule sisenejate prognoosimisel on esmalt tarvis otsustada millisest näitajast prognoosimisel lähtuda, kas sisseastujate, õppijate või lõpetanute arvust. Alates 1995. aastast kuni 2001. aastani on vastuvõetute arv olnud meid huvitavates koolitusvaldkondades pidevalt kahe tuhande võrra suurem lõpetanute arvust (st pea kaks korda kõrgem), mille tulemusel on pidevalt kasvanud ka õppijate arv. 2002 aasta on eelmistest mõneti erinev, õppijate arv on märkimisväärselt vähenenud ning lõpetanute arv kasvanud. Järgneva viie aasta prognoosi osas on eeldatud lõpetajate arvu 2002. aasta tasemele jäämist. Seega kui 2002 oli koolitusvaldkondade521, 522, 523, 582 lõpetanute arv 3071, siis on eeldatud, et järgmise viie aasta jooksul lisandub tööturule lõpetajaid 5*3071.

 

Tööturult kõrge vanuse tõttu lahkujate ja koolitusasutustest tööturule sisenejate arvud on seotud tabelis 4, lk 10. Ehituse ja tsiviilrajatiste haridusega lahkujate väikest arvu saab põhjendada sellega, et vastavas sektoris on suhteliselt vähe kõrge vanusega hõivatuid. Samas peab arvestama, et tabeli 4 (lk 10) tulemused on leitud osaliselt mitteusaldusväärsete hinnangute põhjal ning tuginetud on järgmistele eeldustele:

·        Et ealine struktuur majandussektorites on erinevate koolitusvaldkondade lõpetajatel sama.

·        Et kõik koolitusalade lõpetanud lähevad kohe hõivesse ja seda oma kvalifikatsioonile vastavale ametikohale.

·        Et viie aasta jooksul on igal aastal vastava koolitusala lõpetanute arv võrdne 2002. aasta tasemega.

·        Et pensioniealiste töötajate suhe kogu majandussektori hõivesse on prognoosiperioodi ulatuses konstantne.

 

5. Mudeli pakkumise ja nõudmise poole sidumine

 

Tabelis 5, lk 11, on omavahel seotud haridustüüpide nõudluse ja pakkumise vahe (MRM etappidest punkt 7). Nn pakkumise ülejääk on tööturule sisenejate ja tööturult lahkujate vahe tabelist 4 (lk 10). Täiendava nõudluse näol on tegemist tööjõu nõudluse kasvuga tabelist 2 (lk 10). Saadud vahe võrreldakse tabelis 6, lk 11, kogu koolitatavate arvuga prognoositaval perioodil.

 

Tabelist 6 (lk 11) nähtub, et valdavalt koolitatakse keskharidusega spetsialiste valdavalt üle ning kõrgharidusega spetsialiste liialt vähe. Koolitusvaldkondade lõikes on enim spetsialiste puudu mehhaanika ja metallitöö osas ning enim spetsialiste üle ehituse ja tsiviilrajatiste osas. Leitud numbrite interpreteerimisel tuleks olla aga väga ettevaatlik, kuna kasutatud andmed ei ole tihti olnud usaldusväärsed ning mudeli püstitusel on tehtud mitmeid kitsendavaid eeldusi.

 

Kokkuvõte

 

Püstitatud mudeli prognooside kohaselt kasvab hõive nõudlus kõigis uurimisalustes koolitusvaldkondades ja kõigi haridustasemete lõikes. Enim kasvab tööjõu nõudlus, sõltumata koolitusvaldkonnast, kolmanda taseme ehk kõrghariduse osas. Koolitusvaldkondade lõikes on nõudluse kasv kiireim elektroonika ja automaatikas ning ehitus ja tsiviilrajatistes. Tööjõu pakkumise poole tulemustesse tuleb suhtuda kriitilisemalt, arvutuste aluseks olnud andmed on tihti olnud mitteusaldusväärsed ja teha on tulnud mitmed kitsendavad eeldusi.

 

Koolitustellimuse ülejäägi/puudujäägi suurte numbrite põhjal peab tunnistama, et rakendatud metoodika ei andnud reaalsusele vastavaid tulemusi. Ometigi annab selline ulatuslik andmetöötlus hea pildi koolitusvaldkondade lõpetanute käekäigust tööturul ning koolitusvaldkondade seotusest erinevate majandussektoritega. Edaspidistel analüüsidel oleks mõeldav käesoleva töö tulemuste kontrollimiseks kombineerida ettevõtjate küsitlemist ja MRM meetodit. Sest kui riiklikul tasandil järjest suureneb vajadus hariduse planeerimise järele, siis oleks esmalt tarvilik erinevate meetodite kasutamine, nende omavaheline kombineerimine, selgitamaks välja sobivad meetodid tööjõuvajaduse prognoosimiseks ka Eestis.

 

Kasutatud kirjandus

1.    C a m p o s, N., F.; H u g h e s, G.; J u r a j d a, Š.; M ü n i c h, D. Forecasting Education and Training Needs in Transition Economies: Lessons from the Western European Experience. http://www.nvf.cz/publikace/pdf_publikace/observator/eng/forecast_lessons.pdf

2.    Eamets, R.; Annus, T.; Paabut, A.; Kraut, L.; Arukaevu, R. 2003. Eesti tööturg ja haridussüsteem Euroopa Liiduga liitumisel. Tallinn: Riigikantselei Euroopa Liidu sekretariaat, Tartu Ülikooli Euroopa Kolledž

3.    E L   P h a r e Regionaalarengu projekt. 1999. EV Majandusministeerium. Regionaalse tööjõusituatsiooni uuring. http://keskus.parnumaa.ee/files/81.pdf

4.    E e s t i  Majandus- ja Kommunikatsiooni-ministeerium. 2003. Tööjõuvajaduse prognoos 2003-2009

5.    E e s t i   S t a t i s t i k a a m e t. 1997. Eesti tööjõu-uuring 1997: Metoodika ülevaade

6.    Poliitikauuringute keskus PRAXIS, uuringukeskus Faktum. Eesti Toiduainetööstuse sektori ettevõtete tööjõu uuring, lisa 3, süsteemi “Tööjõu prognoos” kasutusjuhend.

7.    W i l l e m s, E. 1996. Manpower Forecasting and Modelling Replacement Demand: An Overview. — ROA Working Paper, 4E

Summary

 

MANPOWER REQUIREMENT FORECASTING ON AN EXAMPLE OF FOUR EDUCATIONAL FIELDS

 

Jaanika Meriküll

University of Tartu

 

Manpower requirement forecasts supply valuable information for educational planners. Nevertheless no educational planner relies 100% on forecast, forecasts have been used to support decision-making. During recent years there have been increasing need for manpower requirement forecasts also in Estonia. The dominating method for manpower requirement forecasting in Estonia has been employers’ survey. There have also been attempts to use more advanced methods for manpower requirement forecasts, but so far no supply side of manpower requirement has been included. In the article above this gap has been filled.

 

In the article the Manpower Requirement Method (MRM) was used to forecast Estonian manpower needs for four educational fields: mechanics and metal-working; electro technology and energetics; electronics and automatics; construction and civil facilities. The results of forecasting of demand side can be considered to be quite reasonable: demand is higher in higher educational level and that irrespective of educational field; among observed educational fields the demand is higher in electronics and automatics, and construction and civil facilities. In the same time the results of the supply side cannot be considered to be very reasonable. Reasons for that are mainly related to data reliability: because of small sample size a lot of estimations are statistically not significant; there has been a need for shortcuts to heal various data problems. Despite the results are not encouraging, it is an important step forward on a way to find manpower requirement forecast methods suitable for small opened economy Estonia.

 

Tabel 1. Koolitusvaldkonna töötajate osakaal majandussektori hõives

Koolitusvaldkond	Agraar-sektor	Sekundaar-sektor	Ehitus-sektor	Tertsiaar-sektor
Mehhaanika ja metallitöö (521)	0.07	0.102	0.08	0.043
Elektrotehnika ja energeetika (522)	0.024	0.059	0.085	0.029
Elektroonika ja automaatika (523)	0.002**	0.02	0.017**	0.02
Ehitus ja tsiviilrajatised (582)	0.017	0.034	0.16	0.025

Allikas: ETU andmed

 

Tabel 2. Koolitusvaldkondade tööjõu nõudlus

Koolitusala	I tase (2002-07)		II tase (2002-07)		III tase (2002-07)
	Muutus	Kasv (%)	Muutus	Kasv (%)	Muutus	Kasv (%)
521	+64	1.99	+384	1,68	+241	2,41
522	+43	2.60	+248	1,95	+255	2,87
523	+18	2.28	+114	2,91	+206	3,38
582	+74	2.54	+243	2,07	+182	3,05

Allikas: Majandus- ja Kommunikatsiooniministeeriumi prognoos, autori arvutused

Tabel 3. Tööturult kõrge vanuse tõttu lahkujad¹

Majandus-sektor	Ametiala 9		Ametialad 4-8		Ametialad 1-3
	Pensioni-ealised hõivatud (%)	5.a. pärast pensioni-ealised (%)	Pensioni-ealised hõivatud (%)	5.a. pärast pensioni-ealised (%)	Pensioni-ealised hõivatud (%)	5.a. pärast pensioni-ealised (%)
Agraarsektor	11.29*	16.87*	8.66	15.07	6.11**	16.39*
Tööstussektor	10.40*	14.55	4.59	11.59	5.05*	10.67
Ehitussektor	4.70**	27.49*	1.35**	6.07*	5.14**	12.09**
Teenindussektor	22.10	33.50	3.54	9.66	10.14	14.64

1 — arvestatud on naiste ja meeste erinevat pensioniiga ning pensioniea nn libisevat kasvu.

Allikas: ETU andmed, autori arvutused

Tabel 4. Perioodil 2003-2007 tööturule sisenejad ja tööturult lahkujad **

Koolitusala	Teine tase (töötajad)			Kolmas tase (töötajad)
	Lisandub	Lahkub	Vahe	Lisandub	Lahkub	Vahe
521	3045	1633	+1412	390	587	-197
522	3135	842	+2293	555	510	+45
523	995	268	+727	370	318	+52
582	5800	957	+4843	1065	233	+832

** — Tabeli tulemuste tõlgendamisel peab arvestama, et enamus saadud tulemustest põhineb osaliselt mitteusaldusväärsetel hinnangutel (vt tabel 3).

Allikas: ETU andmed

Tabel 5. Koolitusala lõpetanute pakkumine ja nõudlus tööturul

Koolitusala	Teine tase (töötajad)			Kolmas tase (töötajad)
	Pakkumise ülejääk	Täiendav nõudlus	Vahe	Pakkumise ülejääk	Täiendav nõudlus	Vahe
521	+1412	-384	1028	-197	-241	-438
522	+2293	-248	2045	+45	-255	-210
523	+727	-114	613	+52	-206	-154
582	+4843	-243	4600	+832	-182	650

Allikas: autori arvutused

Tabel 6. Koolitusala lõpetanute ülejääk/puudujääk tööturul

Koolitusala	Teine tase			Kolmas tase
	5a. jooksul koolitatakse	Ülejääk / puudujääk	Ülejääk / puudujääk (%)	5a. jooksul koolitatakse	Ülejääk / puudujääk	Ülejääk / puudujääk (%)
521	3045	1028	33.76	390	-438	-112.31
522	3135	2045	65.23	555	-210	-37.84
523	995	613	61.61	370	-154	-41.62
582	5800	4600	79.31	1065	650	61.03

Allikas: autori arvutused