Jan Kadlec, učo 358378 Analýza: Klesá s rostoucí vyspělostí ekonomiky podíl dětské práce v zemi? K této analýze mě inspiroval populárně-naučný článek Lukáše Kubce (2011), ve kterém tvrdí, že se v naší zemi dětská práce nevyskytuje díky našemu dostatečnému bohatství — bohatství, za které vděčíme mj. i práci dětí v předchozích generacích. Kubec se ve svých článcích pohybuje v rovině teoretických myšlenkových konstrukcí, které neověřuje na datech, čímž připravil prostor pro mou vlastní analýzu. V této práci tedy hodlám ověřit tezi, že se vypělejší %emě budou vyznačovat ni^ší mírou ^opojení dětí do práce} Metodologie Při analýze budu vycházet z dat sebraných International Labour Organization (ILO, 2008) v rámci programu na eliminaci dětské práce (IPEC). Dostupná data pochází ze 17 ponejvíce jihoamerických, afrických a asijských zemí. Průzkum za děti považoval osoby ve věku 5—14 let. Kubec (2011) svůj článek zakončuje slovy: „Dětská práce zmizí sama, jakožto znak přicházejícího bohatství." Ve své analýze proto budu zjišťovat, jestli existuje nějaký vztah mezi HDP2 a podílem pracujících dětí (a to i částečně pracujících, tj. studujících a pracujících). Jelikož Kubec (2011) tvrdí, že s rostoucím bohatstvím a zajištěním rodiny je „výhodnější nechat děti vzdělat, aby mohl[y] vůbec pracovat, protože základní gramotnost a schopnost myslet je pro dnešní práci základním předpokladem," budu rovněž zkoumat vztah HDP a studujících dětí (i částečně studujících, tj. pracujících a studujících).3 Stejnou analýzu provedu i pro indikátor Human Development Index (HDI), který měří vyspělost země poněkud jinak a mohl by přinést další zajímavé výsledky. Analýza Proč se vlastně zaobíráme vlivem HDP? Edmonds (2003) uvádí dvě základní větve, ze kterých můžeme u této teorie vycházet: 1. Příčinou dětské práce je chudoba — práce dítěte pomáhá udržet se rodině nad úrovní živoření. S rostoucím důchodem (ergo HDP) se tedy snižuje chudoba, zlepšuje životní úroveň rodiny a dítě nemusí pracovat. 2. Dětská práce nahrazuje kapitál, který se méně rozvinutým zemím nedostává. S rostoucí úrovní HDP lze dětskou práci substituovat stroji a nástroji, čímž podíl dětské práce poklesne. V literatuře (Edmonds, 2003) nalezneme zmínky o negativním vztahu HDP a podílu dětské práce v průběhu času, tj. při pohledu na časovou řadu můžeme pozorovat v čase rostoucí HDP a klesající podíl dětské práce. Mě však zajímá situace fixovaná k jednomu určitému okamžiku, tj. jestli můžeme tvrzení zobecnit a ve vyspělejších zemích pozorovat staticky nižší míru dětské práce. Vizuální analýza Získaná data jsem pro ilustraci zobrazil v bodovém Grafu 1 v příloze. Při jednoduchém proložení lineární křivky (Graf 2) bychom mohli nabýt dojmu, že lze opravdu nějaký, byť velmi slabý vztah existuje. Vidíme zde také značně odlehlou hodnotu — ta patří datům z Kambodži. Pro další analýzy 1 Práce se nezaobírá faktory ovlivňujícími nabídku dětské práce nebo důsledky restriktivních politik na děti a jejich rodiny; tomuto tématu se věnuje např. Cigno (2004), Ranjan (1999) nebo klasická práce (Basu and Van, 1998). Naopak podobný problém jako já řeší např. Ranjan (2005) či Becchetti (2002) a Edmonds (2003). 2 Pro stručnost užívám jen HDP, vždy se však jedná o HDP per capita. 3 Rozhodováním mezi studiem a prací se zaobírá také Cigno (2002). 1 Jan Kadlec, učo 358378 budu tato data ignorovat, neboť se odlehlost vynasnažím vysvětlit analýzou poměrů v této zemi. Neméně zajímavý je i pohled na podíl dětské práce ve vztahu k HDI (Graf 3). Pro HDI > 0,6 se nějaký vztah zdá být patrnější a silnější než pro země s HDI < 0,6. Sílu korelace ověřím dále. Za zmínku stojí i rozdělení na chlapce a dívky v Grafu 4. V některých zemích je participace dívek i chlapců v pracovním procesu takřka shodná, jinde poměrně rozdílná. Avšak tyto rozdíly nelze pozorovat v konkrétně vymezené skupině, např. s HDI < 0,6. Také je patrné, že rozptyl hodnot u dívek je menší než u chlapců, tudíž že závislost je zde silnější. Konečně role vzdělání. Graf 5 ukazuje hezkou logaritmickou závislost vzdělání na HDP. Jak bude patrno ze Spearmanova korelačního koeficientu dále, je to dokonce závislost poměrně silná (0,76), mnohem silnější než u podílu dětské práce (-0,38). Statistická analýza Tabulka 1 v příloze ukazuje hodnoty Spearmanova korelačního koeficientu.4 Významnou kladnou korelaci (nad 0,7) vidíme u hodnot týkajících se vzdělání. Potvrzuje to domněnku, že s rostoucím bohatstvím země si více rodin může dovolit poslat dítě do školy. Mohlo by se tedy zdát, že následkem toho by měla klesat i dětská práce. Data ovšem hovoří jinak. Celkový efekt je statisticky nevýznamný (-0,38 celkově, -0,32 u chlapců) s výjimkou dívek, u kterých se slabá negativní závislost, tj. pokles dětské práce s rostoucím HDP, projevuje (-0,56). Srovnáme-li podíly studujících a pracujících (Tabulka 3), zjistíme dokonce, že jsou na sobě téměř dokonale nezávislé, tj. podíl dětské práce není korelovaný s podílem studujících dětí.5 Nahradíme-li ukazatel HDP za HDI, výsledky se příliš nezmění. U vzdělání sice pozorujeme mírně těsnější závislost, ta je však v mezích statistické chyby. Překvapení nás čeká u vyvinutějších zemí s lepší životní úrovní (HDI > 0,6, Tabulka 2). Očekával jsem, že v relativně vyspělejších zemích bude negativní závislost silnější. Ukázalo se však, že to, co v grafu vypadá jako silnější závislost, se při podrobnějším pohledu rozmělní. Hodnoty Spearmanova korelačního koeficientu neprokázaly, že by existoval významnější vztah mezi vyspělostí země a podílem dětské práce. Srovnáním nálezů s Edmondsem (2003) však výsledky příliš nepřekvapí. Země se mezi sebou hodně liší a úroveň ekonomiky není jediným faktorem, který podíl dětské práce ovlivňuje. Roli zde hrají i rodiče, sociální uspořádání, podíl pracovně náročného zemědělství na celkovém národním hospodářství apod.6 Zatímco tedy Edmonds (2003) prokázal silný pokles dětské práce s růstem HDP v čase v jedné zemi (Vietnamu), mně se to napříč zeměmi s výjimkou práce dívek nepodařilo. Vybočující hodnoty Již jsem zmínil případ Kambodži. V celkovém přehledu (bez rozdělení na rural/urban areas) dosahuje podíl pracujících dětí hodnoty kolem 45 %. Jisté zdůvodnění tohoto jevu dostaneme, když se podíváme na demografickou situaci v Kambodži. Dle zprávy National Institute of Statistics (NIS, 2009a) žije 4 Význam názvů proměnných je vysvětlen tamtéž. Červeně (resp. kungwu) vyznačené hodnoty jsou statisticky významné na hladině rizika 5 %. Veškeré statistiky byly provedeny s pomocí (Budíková, 2010). 5 Velmi pravděpodobně to bude ovlivněno i zjednodušením datového souboru. Kdybychom rozdělili údaje i na JEN pracující a JEN studující, mohli bychom dojít k jiným výsledkům. Stejně tak pokud bychom soubor ještě podrobněji rozčlenili na venkovské (rural) a městské (urban) oblasti, kde jsou rozdíly poměrně dobře patrné. Zel, zdrojová data neposkytla dost údajů k vypovídající analýze. 6 Viz práce zmíněné v poznámkách 1 a 3. Vivy ekonomického růstu, vzdělaností a vývojem v zemědělství se pak zabývá Gunnarsson et al (2005). 2 Jan Kadlec, učo 358378 zhruba 2,5 mil. obyvatel v městských oblastech a přes 10,5 mil. ve venkovských oblastech, tj. více jak čtyřnásobek. Je logické, že v zemědělství bude práce potřeba více než ve městech, což dokazují i data ze stejné zprávy: ve věkové skupině 10—14 let pracuje 50 % pracujících dětí ve venkovských oblastech, 27 % ve městech a 10 % v hlavním městě. To jde ruku v ruce se vzděláním, neb dle zprávy o vzdělávání stejného institutu (NIS, 2009b) se gramotnost s výjimkou hlavního města (92 %) pohybuje kolem 70-75 %. Dalším zajímavým příkladem je Zambia. Podíl pracujících dětí se zde pohybuje kolem 10 %, podíl studujících kolem 50 % (ILO, 2008). Dopočet do 100 % činila odpověď „Neither", ani jedno z toho. Stejně tak Keňa (cca 6 % pracujících, cca 70 % studujících). Samotná ILO (2008) to vysvětluje jednak vysokým podílem sirotků (způsobeným např. úmrtí rodičů na HIV/AIDS), takže tyto děti nemají rodiny, ve kterých by probíhalo „vyjednávání" o studiu či práci (viz např. model v (Cigno, 2002)), jednak i tím, že děti v takovýchto zemích se živí činnostmi — jako je prostituce, sbírání odpadu, drobný pouliční prodej — které výzkum nezachytil nebo metodicky nepovažoval za výdělečnou práci. V podstatě můžeme říct, že tyto děti přežívají na ulici. Závěr a diskuse Statistickou analýzou dat se mi nepodařilo prokázat jasnou závislost poklesu podílu dětské práce na HDP per capita mezi různými zeměmi. Zatímco v průběhu času a růstu HDP p.c. pro jednu zemi závislost lze pozorovat (Edmonds, 2003), mezi jednotlivými zeměmi do hry vstupují další faktory, které způsobují značné výkyvy, např. vzdělávací politiky, podíl zemědělství na ekonomice a další. Naopak se mi podařilo prokázat poměrně silnou závislost podílu studujících dětí ve věku 5—14 let na HDP i HDI. Je zřejmé, že s rostoucím bohatstvím se práce dětí dá substituovat modernějšími prostředky, kde je pak výhodné nechat děti vyučit, aby byly schopné nové stroje používat; v případě rozvinutých zemí se pak lze v souladu s tvrzením Kubce (2011) domnívat, že přínosy vyššího vzdělání převýší náklady na něj.7 Analýzu jsem zjednodušil a nerozdělil ji na venkovské a městské oblasti (rural and urban areas), ve kterých by rozdíly byly pravděpodobně (při pohledu na část získaných dat) ještě patrnější. Další zjednodušení plynulo ze sloučení údajů — pracoval jsem s celkovými veličinami, tj. pracující/studující + studující i pracující. Nezvýraznily se tak rozdíly plynoucí z nemožnosti studovat, tj. jaký je „čistý" podíl dětské práce. Nicméně hlavní trend — pňlišná rozdílnost jednotlivých %emí, ne% aby bylo mo^né obecně tvrdit, %e %emě s vyšším HDP/ HDI se vyznačují nižším podílem dětské práce — je zde zřejmý. 7 Jinými slovy, současná hodnota budoucího vzdělání je vyšší než náklady. 3 Jan Kadlec, učo 358378 Reference BASU, Kaushik; VAN, Pham Hoang. 1998. The Economics of Child Labor. The American economic Review [online]. Vol. 88, No. 3, [cit. 2011-04-24]. Dostupný z WWW: . ISSN 0002-8282. BECCHETTI, Leonardo; TROVATO, Giovanni. 2002. The Child Labour-Gdp Per Capita Relationship: Is There Something Beyond It? In Departmental Working Papers [online]. Roma : Tor Vergata University, [cit. 2011-04-24]. Dostupné z WWW: < http ://ideas.repec.org/p/rtv/ ceiswp /171 .html >. BUDÍKOVÁ, Mane; KRÁLOVÁ, Mana; MAROŠ, Bohumil. 2010. Průvodce nákladními statistickými metodami. První vydání. Praha : Grada Publishing. 272 s. ISBN 978-80-247-3243-5. CIGNO, Alessandro; ROSATI, Funo C; GUARCELLO, Lorenzo. 2002. Does Globalization Increase Child Labor?. World Development [online]. Vol. 30, No. 9, [cit. 2011-04-24]. Dostupný z databáze . CIGNO, Alessandro. 2004. The Supply of Child Labour. In Discussion Paper Series [online]. No. 1114. Bonn : IZA [cit. 2011-04-24]. Dostupné z WWW: . EDMONDS, Eric V. 2003. Does Child Labor Decline with Improving Economic Status?. In NBER Working Papers [online]. Massachusetts : National Bureau of Economic Research, [cit. 2011-04-24]. Dostupné z WWW: . GUNNARSSON, Victoria; ORAZEM, Peter F.; SEDLAČEK, Guilherme. 2005. Changing Patterns of Child Labor around the World since 1950: The Roles of Income Growth, Parental Literacy and Agriculture. In Social Protection Discussion Paper Series [online]. No. 0510. Washington : The World Bank [cit. 2011-04-24]. Dostupné z WWW: . International Labour Organisation [online]. 2008 [cit. 2011-04-17]. Child labour statistics. Dostupné z WWW: . KUBEC, Lukáš. 2011. Devian.cz: Pravá volba [online]. 12. 1. 2011 [cit. 2011-02-05]. Pár slov k dětské práci. Dostupné z WWW: . National Institute of Statistics [online]. 2009a [cit. 2011-05-03]. Labour Force 2007. Dostupné z WWW: National Institute of Statistics [online]. 2009b [cit. 2011-05-03]. Education 2007. Dostupné z WWW: RANJAN, Priya.1999 An economic analysis of child labor. Economic Tetters [online]. 64, [cit. 2011-04-24]. Dostupný z databáze: . RANJAN, Pnya, KAMBHAMPATI, Uma S. 2005. Economic Growth: A Panacea for Child Labor?. World Development [online]. Vol. 34, No. 3, [cit. 2011-04-24]. Dostupný z databáze . 4 Jan Kadlec, učo 358378 Přílohy Seznam zkratek proměnných GDPpc GDP per capita [$] HDI Human Development Index Male Work Total (work only, work and study) Female Work Total (work only, work and study) Total Work Total (work only, work and study, male+female) Male Study Total (study only, work and study) Female Study Total (study only, work and study) Total Study Total (study only, work and study, male+female) MWT FWT TWT MST FST TST Graf 2: Negativní vztah mezi TWT a GDPpc Bodový graf z Tm proti GDPpc TWT = 21,17-0,0018*x 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 GDPpc Zdroj: Autor na základě dat (ILO, 2008) Graf 4: Rozdělení na chlapce a dívky k GDPpc Bodový graf z více proměnných proti GDPpc 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 GDPpc Zdroj: Autor na základě dat (ILO, 2008) Graf 1: Celkový podíl pracujících dětí (TWT) na HDP per capita Bodový graf z TWT proti GDPpc 40 35 30 20 15 10 S 0 1000 2000 3000 4000 5000 BODO 7000 BODO 9000 GDPpc Zdroj: Autor na základě dat (ILO, 2008) Graf 3: TWT proti HDI otlovy ciraf z TWT proti HDI Zdroj: Autor na základě dat (ILO, 2008) Graf 5: Logaritmická závislost TST na GDPpc ii:n c 55.« 50.« -85.« 80,0 ■ in 75,0 ■ 70,0 - 65.0 - 60,0 - 55,0 - 50,0 — Bodový graf z TST proti GDPpc TST = -10.9643+26,2787'log10(x) 1000 2000 3000 4000 5000 6000 7000 8000 9000 GDPpc Zdroj: Autor na základě dat (ILO, 2008) 5 Tabulka 1: Spearmanovy korelace Spearmanovy korelace (dataset v Projekt FINÁL) ChD vynechány párově Označ, korelace jsou významné na hl. p <,05000 Dvojice proměnných Počet plat. Spearman R t(N-2) p-hodn. GDPpc & MWT 17 -0,322502 -1,31955 0,206773 GDPpc &FWT 17 -0,561963 -2, 63125 0,018885 GDPpc &TWT 17 -0,385040 -1,61583 0,126963 GDPpc &MST 17 0,763949 4,58526 0,000357 GDPpc &FST 17 0,771779 4,70063 0,000284 GDPpc &TST 17 0,759044 4,51549 0,000410 HDI & MWT 17 -0,375460 -1,56894 0,137513 HDI &FWT 17 -0,521179 -2,36513 0,031924 HDI &TWT 17 -0,403681 -1,70888 0,108076 HDI &MST 17 0,770553 4,68222 0,000295 HDI &FST 17 0,789442 4,98105 0,000164 HDI &TST 17 0,773007 4,71919 Zdroj: Autor dle dat (ILO, 2008) Tabulka 2: Spearmanovy korelace pro země s HDI > 0,6 Spearmanovy korelace (dataset v Projekt FINÁL) ChD vynechány párově Označ, korelace jsou významné na hl. p <,05000 Zhrnout podmínku: HDI >0,6_ Dvojice proměnných Počet plat. Spearman R t(N-2) p-hodn. GDPpc & MWT 11 -0,236364 -0,72977 0,484091 GDPpc &FWT 11 -0,287017 -0,89887 0,392136 GDPpc &TWT 11 -0,300000 -0,94346 0,370083 GDPpc &MST 11 0,636364 2,47487 0,035287 GDPpc &FST 11 0,609091 2,30396 0,046696 GDPpc &TST 11 0,636364 2,47487 0,035287 HDI & MWT 11 -0,378133 -1,22538 0,251531 HDI & FWT 11 -0,184932 -0,56453 0,586185 HDI &TWT 11 -0,314352 -0,99341 0,346464 HDI & MST 11 0,596812 2,23141 0,052576 0,057254 HDI &FST 11 0,587701 2,17915 Zdroj: Autor dle dat (ILO, 2008) Tabulka 3: Vztah mezi pracujícími a studujícími Spearmanovy korelace (dataset v Projekt FINÁL) ChD vynechány párově Označ, korelace jsou významné na hl. p <,05000 Zhrnout podmínku: HDI > 0,6_ Dvojice proměnných Počet plat. Spearman R t(N-2) p-hodn. MWT & MST 11 -0,081818 -0,246280 0,810990 FWT & FST 11 0,113896 0,343925 0,738802 TWT & TST 11 -0,100000 -0,301511 0,769875 Zdroj: Autor dle dat (ILO, 2008)