Neporovnávejte mzdy u vás ve firmě s průměrem, je to nesmysl
Získáváme je z několika zdrojů. Český statistický úřad zaměstnává 220 tazatelů, kteří provádí terénní šetření v domácnostech. Každý den obchází náhodně vybrané byty, a pokud nám jejich obyvatelé dají svolení, nabíráme data u nich. Druhým zdrojem je dotazování v podnicích, které provádíme ve všech velkých firmách a na vzorku firem malých. V nich sbíráme především údaje o zaměstnancích a jejich platech, z čehož pochází ten ohromně populární údaj o průměrné mzdě. Takto nasbíraná čísla doplňujeme o data získaná z institucí, které je vytvořily jako vedlejší produkt své agendy. Nejvíce údajů získáváme z informačního systému o průměrných výdělcích ISPV, který provozuje ministerstvo práce. Z něj vytváříme nejrůznější rozpady – kolik berou muži a ženy, rozdělení podle věku, vzdělání, délky praxe a podobně.
Anketních zjišťování moc nemáme, ale čas od času nám nějaký takový požadavek přijde. Tady je asi důležité vysvětlit, že fungujeme ve velmi úzkém propojení se statistickými institucemi Evropské unie. V integraci do EU jsme o hodně dál než jiné české úřady. Svoje úkoly si tedy nevymýšlíme jen sami. Chodí nám z evropských institucí. Mezi nimi se sem tam požadavek zjišťování nějakého vysloveně subjektivního názoru objeví, zvlášť při šetření v domácnostech, kterých je poměrně dost. My to tedy nemáme úplně rádi, protože klasická statistika s takovými údaji neumí zacházet. Otázky se musí proto volit tak, aby odpovědi bylo možné klasifikovat na nějaké stupnici a převést na čísla, která pak můžeme zpracovat.
Největší šetření, které probíhá už desítky let v podstatě nepřetržitě, se jmenuje Výběrové šetření pracovních sil. Jeho účelem je roztřídit populaci na pracující, nepracující a na ty, kteří si práci hledají. Odvozujeme z něj základní ekonomické údaje, jako je míra zaměstnanosti a nezaměstnanosti. K tomuto dlouhodobému šetření se přidávají různé krátkodobé moduly, které se každý rok mění. Můžeme třeba zkoumat slaďování pracovního a rodinného života. Ptáme se, jestli si může zaměstnanec volit začátek pracovní doby, jestli může z práce odcházet dřív kvůli dítěti, volit si kratší úvazky a podobně. Nebo šetříme, jakým způsobem lidé nastupují do první práce nebo jak z ní odcházejí, jak plánují odchod do důchodu. Loni jsme prováděli velkou analýzu sebezaměstnaných, ve které jsme se zaměřovali na takzvaný „švarcsystém“. Tedy na pracovníky, kteří jsou formálně živnostníci, ale pracují pro jednoho zaměstnavatele, na kterém jsou závislí.
Probíhají už od 50. let, ale jejich zaměření se samozřejmě během let měnilo. Za reálného socialismu se sledovaly hlavně podnikové údaje. Počty zaměstnanců v různých odvětvích. Kolik se jim platí na mzdách. Strukturální zjišťování u jednotlivých zaměstnanců – v jakém jsou věku a jakého pohlaví, to se provádí stále. Mění se ale klasifikace zaměstnání vycházející ze změn ve struktuře ekonomiky. Dnes se třeba nejvíc rozvíjí obor informačních a komunikačních technologií, který poměrně nedávno v podstatě neexistoval. Kvůli takovým změnám je nutné naše dlouhodobé datové řady přerušit a navázat je na nové, popřípadě se pokusit na novou klasifikaci přepočítat i staré údaje. To jde ale provést jen do určité míry. Když po nás tedy někdo chce dlouhodobý vývoj mezd programátorů, můžeme jít jen tak hluboko do historie, kde nějaký reprezentativní vzorek programátorů existoval a je popsaný natolik, abychom údaje mohli překódovat.
Když se podíváme třeba na mapu Evropy rozdělenou na oblasti NUTS2, kterým se vyplácí strukturální fondy, jasně vidíme, že Evropa je rozdělena na jádro a periferii. My naštěstí patříme k jádru. S výjimkou Moravskoslezského kraje je u nás minimální nezaměstnanost, stejně jako v přiléhajících oblastech. Jih Evropy, hlavně jižní Itálie, Sardinie, Srbsko, Makedonie, Černá hora, Řecko, jižní polovina Španělska, naopak s nezaměstnaností bojuje. Podobné rozložení uvidíme například i v přehledu zaměstnanosti žen. Centrum a skandinávské státy ji mají velmi dobrou, v Řecku je každá druhá žena bez zaměstnání. Tyto základní údaje pak musíme mít na paměti, když vyhodnocujeme podrobnější informace. Například se občas můžete dočíst, že v Česku je velká platová nerovnost mezi muži a ženami a že třeba v Turecku je „Gender Pay Gap“ poloviční. My ale víme, že je to způsobeno tím, že v Turecku pracují prakticky výhradně dobře situované ženy, které mají dobré zaměstnání a pobírají vysoké platy. Chudší ženy jejich průměr nesnižují, protože prostě placené zaměstnání nemají.
Občas je složité protlačit na veřejnost, jak výsledky naší práce používat. Novináři si rádi vybírají čísla, která se jim hodí do zprávy. Používají je jako argumenty svého tvrzení, aniž by si ověřili, co ten údaj vlastně znamená. Statistika totiž pracuje s pojmem „rozptyl“ a u průměrných čísel, která tak rádi sdílíme a čteme, bývá rozptyl dost velký. Nemá třeba cenu porovnávat svůj plat s platem průměrným, kde se skrývají špičkoví manažeři, chirurgové, ale také prodavačky a nekvalifikovaní dělníci. Je potřeba vynaložit trochu úsilí, použít podrobnější třídění a najít si údaj o svém zaměstnání a lidech s podobnou pozicí.
Věděli jste, že podobně velké průzkumy trhu práce provádíme čtyřikrát ročně i v LMC? A o unikátní data, která získáváme na reprezentativním vzorku populace, se s vámi rádi dělíme třeba na Datových snídaních připravovaných analytikem Tomášem Ervínem Dombrovským. K dispozici máme informace, které mnohdy nikdo jiný nemá.
