title: "Przetwarzanie zbiorów z 1. rundy monitoringu" author: "Tomasz Żółtak" date: "17 maja 2019" lang: pl
Na podstawie zbioru z badania absolwentów
(MLEZAiMD_I_runda_CAPI_absolwent_n7713_20180924_z_wagami_z_kodowaniem.sav)
funkcja wczytaj_wyniki_1rm()
zwraca listę ramek danych (zbiorów)
zawierającą następujące elementy:
dane
- zawiera odpowiedzi na pytania niedotyczące epizodów (por.
niżej);epizody
- zawiera informacje dotyczące wymienionych przez
respondentów epizodów:gospDom
- zawiera informacje o członkach gospodarstw domowych
respondentów.Funkcja imputuj_miesiac_pk_1rm()
przetwarza listę zbiorów danych,
zwróconą przez wczytaj_wyniki_1rm()
i zwraca listę zbiorów danych
o dokładnie takiej samej strukturze (p. wyżej).
Metody imputacji wartości zmiennych opisujących moment rozpoczęcia i moment zakończenia epizodów opisane zostały szczegółowo w sekcji 3. tego dokumentu.
Funkcja przygotuj_zbior_osobo_miesiecy_1rm()
przetwarza listę zbiorów
danych, zwróconą przez imputuj_miesiac_pk_1rm()
i zwraca ramkę danych
(zbiór) zawierający dane o epizodach nauki, pracy i bezrobocia
przekształcone do postaci osobo-miesięcy (obserwacją jest osoba w danym
miesiącu).
Struktura zbioru i sposób jego tworzenia zostały szczegółowo opisane w sekcji 6. tego dokumentu.
Identyfikatorem respondenta w zbiorach jest zmienna ID_RESP
.
Aby możliwe było łatwiejsze identyfikowanie epizodów, w zbiorze utworzone zostały specjalne zmienne (znajdują się na początku zbioru):
ID_RESP
- identyfikator respondenta, umożliwia łączenie z innymi
zbiorami danych z badania;typ_epizodu
- typ epizodu, przyjmuje jedną z dziesięciu
wartości:
‘bezrobocie’.
Uwaga! Epizody ‘studia’ i ‘SPolic.’ są specyficzne, gdyż zawierają również informacje dotyczące zdawania na te kierunki studiów/do tych szkół policealnych, na/w których respondent podjął naukę. W związku z tym, jeśli przedmiotem analizy mają być kierunki/szkoły na/do których respondent zdawał, należy w niej uwzględnić odpowiednio zarówno epizody typu ‘zdawanie na studia’, jak i epizody typu ‘studia’ albo zarówno epizody typu ‘zdawanie do SPolic.’, jak i epizody typu ‘SPolic.’.
nr
- wartość zmiennej wskazuje, jako który z kolei epizod
(inaczej mówiąc, w którym obiegu pętli skryptu, czy też, w którym
wierszu tabeli reprezentującej odpowiedzi na blok pytań o „epizody”
danego typu w „papierowej” wersji kwestionariusza) określonego typu
respondent wymienił dany epizod;
czas_rozp
lub czas_zakon
, a dopiero w dalszej
zmienną nr
(przy czym należy mieć na uwadze, że w zmiennych
czas_rozp
i czas_zakon
występują braki danych, a w przypadku
zmiennej czas_zakon
należy też obsłużyć sytuacje, gdy epizod
się nie zakończył).nr
odnosi się łącznie do epizodów typu ‘zdawanie do
SPolic.’ i ‘SPolic.’ (tj. epizody obu tych typów w ramach tej
samej osoby posiadają jedną, ciągłą numerację) oraz łącznie do
epizodów typu ‘zdawanie na studia’ i ‘studia’, co wiąże się
z opisaną wyżej specyfiką epizodów typów ‘studia’ i ‘SPolic.’.nr
występuje tylko 1, gdyż kwestionariusz nie dopuszczał
wymienienia kilku epizodów tego typu.nr
równa 99 oznacza, że dany epizod pracy został
dopowiedziany w wyniku udzielenia przez respondenta odpowiedzi
na pytania PG5.czas_rozp
- czas rozpoczęcia trwania danego epizodu, wyrażony
jako liczba miesięcy od czerwca 2017 r.;czas_rozp
(p. odpowiednia sekcja);
dla epizodów pozostałych typów zawsze arbitralnie przyjmowano,
że był to czerwiec;czas_zakon
- czas zakończenia trwania danego epizodu, wyrażony
jako liczba miesięcy od czerwca 2017 r.;czas_zakon
(p. odpowiednia
sekcja); dla epizodów pozostałych typów zawsze arbitralnie
przyjmowano, że był to lipiec;czas_zakon
może też wskazywać na to,
że dany epizod wciąż trwa - aby sprawdzić, czy mamy z tym do
czynienia, należy posłużyć się zmienną czy_zakonczony
.czy_zakonczony
- dychotomiczna zmienna wskazująca, czy dany
epizod się zakończył, czy w momencie realizacji wywiadu
z respondentem wciąż trwał:zp2c
, sp6d
, pp6d
(jako wskazujące na zakończenie epizodu traktowano odpowiedzi
mówiące o uzyskaniu dyplomu, jak i o przerwaniu nauki)
oraz u2d
;pg2f
,
i pb1e
;swiadectwo
- dychotomiczna zmienna, w przypadku epizodów typu
‘LO dla dorosłych’, ‘studia’, ‘SPolic.’, ‘szkolenia u2’
i ‘szkolenia u4’ wskazująca, czy dany epizod zakończył się
uzyskaniem świadectwa (w odniesieniu do trzech pierwszych typów
można to utożsamiać z zakończeniem się sukcesem, przypadku szkoleń
respondent mógł wymienić kursy, które nie dawały możliwości
uzyskania formalnego potwierdzenia ich ukończenia); dla epizodów
typu zdawanie na studia
i zdawanie do SPolic.
zawsze przyjmuje
wartość 2 (‘nie’), dla epizodów ‘pracy’ i ‘bezrobocia’ wartością
jest brak danych;czas_rozp_imput
- dychotomiczna zmienna opisująca, czy wartość
zmiennej czas_rozp
została zaimputowana (p. sekcja nt. imputacji);
jeśli czas_rozp
jest brakiem danych, również czas_rozp_imput
jest brakiem danych;czas_zakon_imput
- dychotomiczna zmienna opisująca, czy wartość
zmiennej czas_zakon
została zaimputowana (p. sekcja nt.
imputacji); jeśli czas_zakon
jest brakiem danych, również
czas_zakon_imput
jest brakiem danych;czas_zakon_sz
- zmienna opisująca czas zakończenia przez
respondenta nauki w szkole, jako uczeń której trafił on do badania -
wyrażona na tej samej skali co zmienne czas_rozp
i czas_zakon
;czas_rozp
i czas_zakon
do skali
zaczepionej w momencie zakończenia nauki w szkole zawodowej
(jako absolwent której respondent ma być badany).ID_RESP
, przekształcone
zostały na pisane małymi literami.sp6h_1
- sp6h_3
i pp6i_1
- pp6i_3
w oryginalnym zbiorze SPSS wartości kodowane były wg schematu
0-nie, 1-tak).pp3a
i sp3a
utworzona została
zmienna czy_preferowany
opisująca to, czy szkoła lub kierunek był
preferowany przez respondenta (spośród potencjalnie kilku, do
których/na które zdawał) przy pomocy wartości: 1-tak, 2-nie.czy_preferowany
przypisana została do danej
szkoły/kierunku wartość 1 (tak).Pytania o zdobyte uprawnienia i odbyte szkolenia zadawane były w kwestionariuszu w dwóch blokach: U2 i U4, z których pierwszy w założeniach odnosił się do szkoleń kończących się uzyskaniem oficjalnych certyfikatów (względnie uzyskania takich certyfikatów bez dedykowanego szkolenia), a drugi do pozostałych szkoleń. Trudno jednak powiedzieć, w jakim stopniu respondenci odpowiadając trzymali się tego podziału.
Pytania w obu blokach były analogiczne, poza tym, że w bloku U2
wystąpiły dwa pytania (o sam egzamin), których nie było w bloku U4. W
związku z tym nazwy zmiennych opisujących odpowiedzi na pytania
z bloku U4 zostały zmienione na zaczynające się od u2 (zamiast u4),
tak aby epizody obu tych typów (tj. szkolenia u2 i szkolenia u4)
można było analizować łącznie. Dodatkowo nazwę zmiennej u4g
zmieniono
na u2h
, gdyż w przypadku tych dwóch zmiennych w kwestionariuszu
przypisano inne sufiksy literowych do analogicznych pytań.
Blok pytań, w którym opisany został dany epizod, można zidentyfikować na
podstawie zmiennej typ_epizodu
.
pg1b
podaje kod pracodawcy, który w sytuacji, gdy
respondent miał wiele epizodów pracy, pozwala stwierdzić, czy była
to praca u różnych, czy u tego samego pracodawcy. Kody (numery)
pracodawców pozwalają ich identyfikować tylko w ramach rekordów
opisujących tego samego respondenta.ABS_pg2h_in
):ABS_pg2h
przypisano wartość 5);ABS_pg2h
przypisano wartość 7);ABS_pg2g
przypisano wartość 7,
zmiennej ABS_pg2h
brak danych);pb1g
przypisano wartość 2).W przypadku wszystkich epizodów innych typów niż ‘praca’ i ‘bezrobocie’, jeśli respondent podał rok, ale nie podał miesiąca rozpoczęcia/zakończenia epizodu, arbitralnie przyjmowano, że rozpoczął się on w lipcu lub skończył w czerwcu.
czas_zakon
nie okazuje się mniejsza, niż wartość zmiennej
czas_rozp
(może do tego dojść, jeśli respondent wypadł ze szkoły
jeszcze w tym samym roku, w którym rozpoczął w niej naukę). Jeśli
tak było jako wartość czas_zakon
arbitralnie przypisywano liczbę
o 1 większą od wartości czas_rozp
.Tak samo postąpiono z datami rozpoczęcia/zakończenia epizodów pracy i bezrobocia, co do których respondenci zadeklarowali, że były one w innych latach niż 2017 lub 2018 (ze względu na niewielką ogólną liczbę epizodów obejmujących taki wcześniejszy okres nie ma możliwości sensownie zaimputować tych czasów na podstawie modelu regresji).
czas_rozp
miał niepełną informację dotyczącą czasu
zakończenia epizodu (tzn. tak przypisane wartości zmiennej
czas_rozp
nie zostały ani razu wykorzystane w procedurze opisanej
w następnej sekcji).Tak przypisane wartości oznaczone są w zmiennych czas_rozp_imput
i czas_zakon_imput
jako zaimputowane.
czas_rozp
i czas_zakon
w epizodach pracy i bezrobocia nieoznaczane jako imputacjaJeśli respondent dla danego epizodu:
czas_rozp
, ale dało się ustalić wartość zmiennej czas_zakon
lubczas_zakon
, ale dało się ustalić wartość zmiennej czas_rozp
,a także udzielił odpowiedzi na pytanie o szacunkową długość trwania
epizodu (zmienne pg2x
, pb1x
), to wartość brakującej zmiennej
zmiennej obliczano, odpowiednio dodając lub odejmując długość trwania
epizodu do/od znanego momentu rozpoczęcia, lub zakończenia.
Obliczone w ten sposób wartości nie są w zmiennych
’czas_rozp_imputi
czas_zakon_imput` oznaczane jako zaimputowane.
Imputacji brakujących wartości zmiennych czas_rozp
i czas_zakon
dla
epizodów typu ‘praca’ i ‘bezrobocie’ dokonano przy użyciu modeli
regresji liniowej.
czas_rozp
.typ_szkoly
);m1
);praca
i bezrobocie
w sekcji Zbiór z danymi w postaci
osobo-miesięcy (przekodowane na zestaw zmiennych dummy, przy
czym brak danych uwzględniono przy przekodowaniu jako legalną
wartość);r5s2
traktowana jako zmienna ciągła);czas_rozp
):czas_rozp
również po imputacji przyjmowała tylko wartości
całkowite).czas_zakon
, ale wartość
zmiennej czas_rozp
była imputowana).Jak widać, skuteczność modelu imputacji, zwłaszcza w odniesieniu do epizodów pracy, pozostawia nieco do życzenia. W praktyce mamy do czynienia z pewnym zbijaniem imputowanych czasów rozpoczęcia w okolicach wartości 2-3 oraz 8-9 (w zależności od roku, w którym zaczął się epizod). Jednakże biorąc pod uwagę, że możemy w ten sposób odratować blisko 100 epizodów pracy, niedokładność ta wydaje się możliwa do zaakceptowania.
czas_zakon
a czas_rozp
).czas_zakon
określano, dodając
do wartości zmiennej czas_rozp
wartość przewidywania
wynikającą z modelu (zaokrągloną do najbliższej liczby
całkowitej).typ_szkoly
);m1
);praca
i bezrobocie
w sekcji Zbiór z danymi w postaci
osobo-miesięcy (przekodowane na zestaw zmiennych dummy, przy
czym brak danych uwzględniono przy przekodowaniu jako legalną
wartość);r5s2
traktowana jako zmienna ciągła);czas_zakon
):czas_zakon
również po imputacji przyjmowała tylko wartości
całkowite).Także tutaj skuteczność modelu imputacji pozostawia nieco do życzenia. W praktyce model imputacji nie jest w stanie skutecznie przewidywać bardzo długich (można by powiedzieć nietypowo długich) epizodów. W odniesieniu do tych trwających od 0 do 9 miesięcy (a więc typowych, które mogą się pojawić w zbiorze) jest co prawda nie bardzo dokładny, ale jednak dający sensowne przewidywania.
Bez dokonania opisanych powyżej przypisań i imputacji
| typ_epizodu | ogółem epizodów| b.d. czas_rozp| %| b.d. czas_zakon| %| |:-----------------|----------------:|----------------:|----:|-----------------:|-----:| | bezrobocie | 2490| 105| 4,2| 48| 1,9| | LO dla dorosłych | 978| 15| 1,5| 8| 0,8| | praca | 6987| 328| 4,7| 125| 1,8| | SPolic. | 386| 9| 2,3| 1| 0,3| | studia | 1564| 15| 1,0| 13| 0,8| | szkolenia u2 | 3222| | | 956| 29,7| | szkolenia u4 | 267| | | 67| 25,1|
Po dokonaniu opisanych powyżej przypisań i imputacji
| typ_epizodu | ogółem epizodów| b.d. czas_rozp| %| b.d. czas_zakon| %| |:-----------------|----------------:|----------------:|----:|-----------------:|----:| | bezrobocie | 2490| 83| 3,3| 39| 1,6| | LO dla dorosłych | 978| 6| 0,6| 5| 0,5| | praca | 6987| 147| 2,1| 78| 1,1| | SPolic. | 386| 2| 0,5| 1| 0,3| | studia | 1564| 12| 0,8| 11| 0,7| | szkolenia u2 | 3222| | | 192| 6,0| | szkolenia u4 | 267| | | 18| 6,7|
Jak widać, przeprowadzone działania nie doprowadziły do dużych zmian w zbiorze, z wyjątkiem epizodów typu ‘szkolenia u2’ i ‘szkolenia u4’, w odniesieniu do których respondenci mieli bardzo duże problemy z precyzyjnym podaniem daty ich zakończenia. Warto jednak odnotować, że o ponad połowę udało się zmniejszyć liczbę braków danych czasu rozpoczęcia w przypadku epizodów pracy.
m10c_wiek
, zawierająca wiek
przeliczony z daty urodzenia.Typowo zbiór epizodów wykorzystywane będzie w analizie w ten sposób, że:
dane
listy zwracanej przez funkcję
wczytaj_wyniki_1rm()
, w którym jednemu respondentowi odpowiada
jeden wiersz) w celu przeprowadzenia dalszych analiz.Należy mieć przy tym na uwadze, że znaczna część respondentów mogła nie mieć żadnego epizodu właśnie analizowanego typu. W szczególności oznacza to, że:
ID_RESP
), co do której będziemy mieć
pewność, że dla wszystkich w zagregowanym zbiorze przyjmie ona
wartość niebędącą brakiem danych i będzie ją można potem
wygodnie wykorzystać do stwierdzenia, którzy respondenci
w oryginalnym zbiorze danych mieli choć jeden epizod
interesującego nas typu.W zbiorze zawarte zostały następujące zmienne opisujące cechy respondentów stałe w czasie:
ID_RESP
- identyfikator respondenta, umożliwia łączenie z innymi
zbiorami danych z badania;typ_szkoly
- typ szkoły, jako uczeń której respondent został
zakwalifikowany do badania;r5s2
- miesiąc, w którym został przeprowadzony wywiad
z respondentem;f6
- zmienna opisująca powód nieuzyskania świadectwa szkoły, jako
uczeń której respondent został zakwalifikowany do badania;f7
- rok uzyskania świadectwa szkoły, jako uczeń której respondent
został zakwalifikowany do badania;m1
- płeć respondenta;m2
- rok urodzenia respondenta;m3
- klasa wielkości miejscowości zamieszkania w momencie
przeprowadzania wywiadu z absolwentem.W zbiorze zawarte zostały następujące zmienne opisujące statusy respondentów w poszczególnych miesiącach:
data
- identyfikator miesiąca w formie czytelnej;czas
- identyfikator miesiąca w formie liczby - liczba miesięcy,
jaka upłynęła od czerwca 2017 r. (a więc domyślnego momentu
ukończenia szkoły, jako absolwent której respondent został
zakwalifikowany do badania) do miesiąca, który opisuje dany rekord
w zbiorze;status
- zmienna kodująca w syntetycznej formie status
respondenta: wartości zmiennych (kolejno) praca
, nauka
i bezrobocie
sklejone ze sobą w jeden ciąg znaków (składający
się z trzech cyfr: cyfra setek koduje pracę, dziesiątek naukę,
a jedności bezrobocie);praca
- zmienna kodująca status zatrudnienia;nauka
- zmienna kodująca status uczestnictwa w edukacji formalnej;bezrobocie
- zmienna kodująca, czy respondent deklarował się jako
pozostający bez pracy;praca_a_bezrobocie
- zmienna opisująca ew. występowanie w danym
miesiącu (dla danego respondenta) konfliktów pomiędzy statusem
zatrudnienia a statusem bezrobocia, fakt skorygowania takiego
konfliktu (p. sekcja Sposób kodowania statusów) lub jego
przyczynę;korekta_ciaglosc_nauki
- zmienna pozwala zidentyfikować rekordy,
w których status uczestnictwa w nauce formalnej został skorygowany
ze względu na stwierdzenie ciągłości nauki (p. sekcja Sposób
kodowania statusów);imput_praca
- zmienna wskazująca, że status zatrudnienia w danym
miesiącu (dla danego respondenta) został zakodowany w oparciu
o zaimputowaną wartość zmiennej czas_rozp
lub zmiennej
czas_zakon
;imput_nauka
- zmienna wskazująca, że status uczestnictwa w nauce
formalnej w danym miesiącu (dla danego respondenta) został
zakodowany w oparciu o zaimputowaną wartość zmiennej czas_rozp
lub
zmiennej czas_zakon
;imput_bezrobocie
- zmienna wskazująca, że status bezrobocia
w danym miesiącu (dla danego respondenta) został zakodowany
w oparciu o zaimputowaną wartość zmiennej czas_rozp
lub zmiennej
czas_zakon
.czas
.czy_zakonczony
równe 1) i nieznany (już po imputacji)
był czas zakończenia epizodu.czas_rozp
i czas_zakon
były
w takich przypadkach imputowane (p. sekcje Zmienne specjalne
w zbiorach w postaci „długiej” i Imputacja wartości zmiennych
czas_rozp
i czas_zakon
).praca
- zmienną zakodowano na podstawie zmiennych ABS_pg2g
i ABS_pg2h
:ABS_pg2h
równe 1 (ABS_pg2g
równe 1, 2 lub 3) -> 1
(zatrudniony na umowę o pracę na czas określony);ABS_pg2h
równe 2 (ABS_pg2g
równe 1, 2 lub 3) -> 2
(zatrudniony na umowę o pracę na czas nieokreślony);ABS_pg2h
równe 3 (ABS_pg2g
równe 1, 2 lub 3) -> 3
(zatrudniony przez agencję pracy tymczasowej);ABS_pg2h
równe 4 (ABS_pg2g
równe 1, 2 lub 3) -> 4
(zatrudniony na umowie cywilnoprawnej);ABS_pg2h
równe 5 (ABS_pg2g
równe 1, 2 lub 3) -> 5
(samozatrudniony (praca ‘u kogoś’));ABS_pg2g
równe 6 -> 6 (prowadzi własną działalność (‘praca
’u siebie’));ABS_pg2g
równe 7 -> 7 (prowadzi własne gosp. rolne);ABS_pg2h
równe 7 lub 8 (ABS_pg2g
równe 1, 2 lub 3) -> 8
(odbywa staż lub praktykę absolwencką);ABS_pg2h
równe 6 (ABS_pg2g
równe 1, 2 lub 3) -> 9
(zatrudniony bez umowy (na czarno));nauka
- zmienną zakodowano na podstawie zmiennej typ_epizodu
:typ_epizodu
równe ‘studia’ -> 2;typ_epizodu
równe ‘SPolic.’ -> 3;czas
od -9 do 0) przypisano wartość 1,
która oznacza, że respondent uczył się w tym czasie w szkole,
jako uczeń której został zakwalifikowany do badania; jeśli nie
ukończył jej w czerwcu 2017 r., status ten mógł występować
również w następnych miesiącach;bezrobocie
- zmienną zakodowano na podstawie zmiennej pb1f
:pb1f
równe 1 -> 1 (bezrobotny, poszukuje pracy);pb1f
równe 2 -> 2 (bierny zawodowo);Jeśli stwierdzono, że respondent:
wszystkie miesiące (włącznie) od czerwca do odpowiednio września lub
sierpnia, w których respondent nie zadeklarował, że się uczył, oznaczane
zostały jako okres odpowiednio studiowania (nauka
równe 2) lub nauki
w szkole policealnej (nauka
równe 3).
praca
- jeśli respondent nie wymienił żadnych epizodów pracy
obejmujących dany miesiąc, zmiennej praca
przypisywana była
wartość 0;nauka
- jeśli respondent nie wymienił żadnych epizodów nauki
obejmujących dany miesiąc, zmiennej nauka
przypisywana była
wartość 0 (z wyłączeniem miesięcy, dla których status ten zmieniono
w wyniku opisanej powyżej procedury uwzględniania ciągłości nauki);bezrobocie
:praca
i nauka
przyjmowała w tym miesiącu dla
respondenta wartość inną niż 0, zmiennej bezrobocie
przypisywano wartość 0 (nie bezrobotny);praca
, jak i zmienna nauka
przyjmowały wartość 0 (tj.
respondent nie pracował, ani się nie uczył), przyjmowano, że
respondent był w danym miesiącu bierny zawodowo i zmiennej
bezrobocie
przypisywano wartość 2;status
: ‘999’;W ramach przyjętego schematu kodowania nie narzucano wzajemnego
wykluczania się niezerowych (tj. wskazującymi na aktywność zawodową
lub edukacyjną) wartości zmiennych praca
i nauka
z niezerowymi
wartościami zmiennej bezrobocie
(wskazującymi na pozostawaniu bez
zatrudnienia). W związku z występowaniem w zbiorze rekordów, w których
statusy wskazują jednocześnie na bezrobocie (lub nieaktywność zawodową)
i aktywność zawodową lub naukę, należy rozważyć, że:
praca_a_bezrobocie
).czas_rozp
i czas_zakon
i w związku z tym
można je uznać za mniej wiarygodne.czas_rozp
i czas_zakon
,
a status bezrobocia wskazujący na brak pracy został zakodowany
w oparciu o deklaracje respondenta dot. miesiąca rozpoczęcia lub
zakończenia epizodu (bezrobocia), status zatrudnienia był
zmieniany na brak zatrudnienia. Sytuacje takie oznaczone są
w zbiorze wartością ‘skorygowano pracę’ zmiennej
praca_a_bezrobocie
.czas_rozp
i czas_zakon
, a status zatrudnienia wskazujący aktywność
zawodową został zakodowany w oparciu o deklaracje respondenta
dot. miesiąca rozpoczęcia lub zakończenia epizodu (pracy),
status bezrobocia był zmieniany na ‘nie bezrobotny’. Sytuacje
takie oznaczone są w zbiorze wartością ‘skorygowano bezrobocie’
zmiennej praca_a_bezrobocie
.praca_a_bezrobocie
,
w zależności od tego, czy oba statusy zostały określone na
podstawie informacji o miesiącu rozpoczęcia lub zakończenia
epizodu podanych przez respondenta, czy też oba zostały
przypisane na podstawie imputowanych wartości zmiennych
czas_rozp
i czas_zakon
.praca
, nauka
i bezrobocie
na jeden status, biorąc pod uwagę, że (z powodów
opisanych we wcześniejszej sekcji) respondent może w tym samym
miesiącu być opisany jako pracujący, uczący się i bezrobotny.f6
nie jest brakiem danych) lub które w momencie
realizacji wywiadu wciąż kontynuowały w niej naukę. Te drugie
jeszcze nie są jej absolwentami, te pierwsze nie całkiem
(przynajmniej nie w tym samym stopniu co osoby, które świadectwo
otrzymały). Być może wolelibyśmy wykluczyć ich z analizy?Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.