vignettes/runda_pilotazowa-dokumentacja.md

In tzoltak/MLASZdane: Pakiet do zlaczania danych na potrzeby projektu MLEZAiMD

title: "Przetwarzanie zbiorów z pilotażowej rundy monitoringu" author: "Tomasz Żółtak" date: "27 października 2017" lang: pl

1. Wprowadzenie

1.1. Funkcja wczytaj_wyniki_pilrm()

Na podstawie zbioru z badania absolwentów (MLEZAMiD_absolwent_n2959_20171013.sav) funkcja wczytaj_wyniki_pilrm() 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:
  • nauki w szkole, jako uczeń której badany został zrekrutowany do badania (ważny ze względu na informację o momencie zakończenia tej nauki);
  • nauki w LO dla dorosłych,
  • zdawania do szkół policealnych i nauki w szkołach policealnych,
  • zdawania na studia i studiowania,
  • odbywania szkoleń i zdobywania certyfikatów (niezwiązanych bezpośrednio z nauką w ww. formach),
  • pracy,
  • bezrobocia;
• gospDom - zawiera informacje o członkach gospodarstw domowych respondentów;
• czasy - zawiera informacje o czasach udzielania odpowiedzi na pytania.

1.2. Funkcja imputuj_miesiac_pk_pilrm()

Funkcja imputuj_miesiac_pk_pilrm() przetwarza listę zbiorów danych, zwróconą przez wczytaj_wyniki_pilrm() 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.

1.3. Funkcja przygotuj_zbior_osobo_miesiecy_pilrm()

Funkcja przygotuj_zbior_osobo_miesiecy_pilrm() przetwarza listę zbiorów danych, zwróconą przez imputuj_miesiac_pk_pilrm() 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.

1.4. Identyfikator respondenta

Identyfikatorem respondenta w zbiorach jest zmienna ID (W oryginalnym zbiorze danych z wynikami badania absolwentów zmienna ta nazywa się ID_IBE).

2. Struktura zbioru danych epizodów

2.1. Zmienne specjalne w zbiorze epizodów

Aby możliwe było łatwiejsze identyfikowanie interesujących nas w analizie epizodów, w zbiorze utworzone zostały specjalne zmienne (znajdują się na początku zbioru):

• ID - identyfikator respondenta, umożliwia łączenie z innymi zbiorami danych z badania;

• typ_epizodu - typ epizodu, przyjmuje jedną z ośmiu wartości:

  1. ‘LO dla dorosłych’;
  2. ‘zdawanie do SPolic.’;
  3. ‘SPolic.’;
  4. ‘zdawanie na studia’;
  5. ‘studia’;
  6. ‘uprawnienia’;
  7. ‘praca’;

  8. ‘bezrobocie’.

  9. 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 (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) epizod określonego typu respondent wymienił dany epizod;

  • Uwaga! Respondenci niekoniecznie wymieniali epizody w zgodzie z ich chronologiczną kolejnością. Jeśli chce się mieć pewność, że epizody uszeregowane są w kolejności chronologicznej, należy posłużyć się w pierwszej kolejności zmiennymi czas_rozp lub czas_kon, a dopiero w dalszej zmienną nr.
  • Zmienna 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.’.
  • Dla epizodów typu ‘LO dla dorosłych’ jako wartość zmiennej nr występuje tylko 1, gdyż kwestionariusz nie dopuszczał wymienienia kilku epizodów tego typu.
  • W przypadku epizodów typu ‘praca’ wartość zmiennej 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 2015 r. (a więc domyślnego momentu ukończenia szkoły, jako absolwent której respondent został zakwalifikowany do badania);
  • zmienna może przyjmować wartości ujemne (typowo zdarza się to w odniesieniu do epizodów pracy);
  • nie ma zastosowania dla epizodów typu ‘uprawnienia’;
  • jeśli respondent nie podał miesiąca, w jakim rozpoczął się dany epizod, dla epizodów typu ‘praca’ i ‘bezrobocie’ dokonano imputacji wartości zmiennej czas_rozp (p. odpowiednia sekcja); dla epizodów pozostałych typów zawsze arbitralnie przyjmowano, że był to czerwiec;
  • należy mieć na uwadze, że mimo to zdarzają się epizody (do których ma zastosowanie data rozpoczęcia) z brakami danych w tej zmiennej (respondenci czasem nie byli w stanie podać nawet roku);
• czas_kon - czas zakończenia trwania danego epizodu, wyrażony jako liczba miesięcy od czerwca 2015 r. (a więc domyślnego momentu ukończenia szkoły, jako absolwent której respondent został zakwalifikowany do badania);
  • zmienna może przyjmować wartości ujemne (typowo zdarza się to w odniesieniu do epizodów pracy);
  • nie ma zastosowania dla epizodów typu ‘zdawanie na studia’ i ‘zdawanie do SPolic.’;
  • jeśli respondent nie podał miesiąca, w jakim zakończył się dany epizod, dla epizodów typu ‘praca’ i ‘bezrobocie’ dokonano imputacji wartości zmiennej czas_rozp (p. odpowiednia sekcja); dla epizodów pozostałych typów zawsze arbitralnie przyjmowano, że był to lipiec;
  • należy mieć na uwadze, że mimo to zdarzało się, że respondenci nie byli w stanie podać nawet roku i jako wartość zmiennej występuje brak danych;
  • brak danych w zmiennej czas_kon 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:
  • dla epizodów typu ‘LO dla dorosłych’, ‘studia’, ‘SPolic.’ i ‘uprawnienia’ wartość zmiennej została przekodowana ze zmiennych odpowiednio: zp2c, sp6d, pp6d (jako wskazujące na zakończenie epizodu traktowano odpowiedzi mówiące o uzyskaniu dyplomu, jak i o przerwaniu nauki) oraz u2d;
  • dla epizodów typu ‘praca’ i ‘bezrobocie’ wartość zmiennej została zakodowana na podstawie zmiennych odpowiednio: pg2f, i pb1e;
  • przy kodowaniu wartości dla epizodów wszystkich ww. typów, jeśli respondent nie udzielił odpowiedzi na odpowiednie pytanie, przyjmowano, że epizod się zakończył;
  • dla epizodów typu ‘zdawanie na studia’ i ‘zdawanie do SPolic.’ wartością zmiennej jest brak danych.

2.2. Różnice w nazwach i etykietach względem oryginalnego zbioru SPSS

• Nazwy wszystkich zmiennych w zbiorach przekształconych do postaci długiej, z jedynym wyjątkiem zmiennej ID, przekształcone zostały na pisane małymi literami.
• Nazwy zmiennych w zbiorze epizodów zasadniczo odpowiadają nazwom zmiennych z oryginalnego pliku w formacie SPSS, z tym że pozbawione zostały elementów wskazujących na nr pętli (w zależności od zmiennej przyrostek tego rodzaju mógł występować albo na końcu nazwy zmiennej, albo nieco wcześniej).
  • Wyjątkiem są zmienne związane z pytaniami o pierwszą i ostatnią pracę (p. niżej).
• Ze względu na ograniczenia techniczne (biblioteki służącej do zapisu z R plików w formacie Staty) wartości zmiennych, które mają mieć przypisane etykiety wartości, muszą stanowić (nieprzerwany) ciąg kolejnych liczb całkowitych, począwszy od 1. W związku z tym wartości powiązane z niektórymi etykietami w zbiorze epizodów mogą różnić się od tych, jakie są im przypisane w oryginalnym pliku w formacie SPSS.
  • Typowo dotyczy to kodów specjalnych opisujących tzw. braki danych użytkownika.
  • Wszystkie zmienne, które mają etykiety wartości “tak”-“nie” zakodowane są w zbiorach w postaci długiej wg schematu: 1-tak, 2-nie (w zmiennych sp6h_1 - sp6h_3 i pp6i_1 - pp6i_3 w oryginalnym zbiorze SPSS wartości kodowane były wg schematu 0-nie, 1-tak).
  • W praktyce ma to jednak niewielkie znaczenie, gdyż wartości braków danych użytkownika przy przekształcaniu do postaci długiej były przekodowywane na systemowe braki danych.
• Braki danych w zmiennych tekstowych oznaczone są ciągiem znaków składającym się z pojedynczej kropki: ‘.’ (Stata nie akceptuje pustych ciągów znaków).

2.3. Epizody dotyczące zdawania do szkół policealnych lub na studia

• Specyfika podziału na epizody typu ‘studia’ i ‘SPolic.’ oraz epizody typu ‘zdawanie na studia’ i ‘zdawanie do SPolic.’ została omówiona w sekcji Zmienne specjalne w zbiorach w postaci „długiej”.
• Na podstawie zmiennych odpowiednio 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.
  • Jeśli respondent zdawał tylko do jednej szkoły czy na jedne studia, w zmiennej czy_preferowany przypisana została do danej szkoły/kierunku wartość 1 (tak).
  • Jeśli respondent nie wskazał preferowanego kierunku/szkoły, wartością zmiennej jest brak danych.

2.4. Epizody pracy

• Zmienna 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. Zmienna ta ma następujące własności i ograniczenia:
  • Kody (numery) pracodawców pozwalają ich identyfikować tylko w ramach rekordów opisujących tego samego respondenta.
  • Dla epizodów pracy, które zostały dopowiedziane w ramach odpowiedzi na pytania PG4, nazwa pracodawcy nie została przez PBS zakodowana w sposób analogiczny do tego, jak postąpiono w zasadniczej pętli pytań o pracę. W związku z tym konieczne było przyjęcie arbitralnego założenia, że epizod ten dotyczy innego pracodawcy, niż wcześniej wymienieni. W takim przypadku jako kod pracodawcy wpisana została wartość 99.
• Zakres informacji o epizodach pracy różni się w zależności od tego, czy był to pierwszy, ostatni, czy któryś inny epizod pracy. W przypadku pierwszych i ostatnich epizodów dołączono bowiem do zbioru informacje o odpowiedziach na pytania odpowiednio PI0-PI6 oraz PO0-PO6.
  • Przedrostki nazw zmiennych opisujących pierwszą i ostatnią pracę zostały zmienione na wspólny: pio.
  • Nazwę zmiennej opisującej odpowiedzi na pytanie PI5 zmieniono na `pio7’.

3. Imputacja wartości zmiennych czas_rozp i czas_kon

Imputacji brakujących wartości zmiennych czas_rozp i czas_kon dla epizodów typu ‘praca’ i ‘bezrobocie’ dokonano przy użyciu modeli regresji liniowej.

• Modele estymowane były oddzielnie dla każdego z tych dwóch typów epizodów.
• W procedurze imputacji (zarówno przy estymacji modeli, jak i przy samym imputowaniu braków danych) brano pod uwagę wyłącznie epizody, które rozpoczęły się w 2015 r. lub później.

3.1. Zmienna czas_rozp

• Zmienną zależną w modelu była czas_rozp.
• Jako predyktory wykorzystano:
  1. typ szkoły (dwie zmienne dummy zakodowane na podstawie zmiennej typ_szkoly);
  2. płeć respondenta (zmienna m1);
  3. formę pracy lub rozróżnienie na bezrobotnych (poszukujących pracy) i biernych zawodowo - p. opis zmiennych 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);
  4. rok, w którym rozpoczął się epizod (traktowany jako zmienna kategorialna - zakodowany przy pomocy zmiennych dummy);
  5. rok, w którym zakończył się epizod (traktowany jako zmienna kategorialna - zakodowany przy pomocy zmiennych dummy);
  6. liczbę wszystkich epizodów pracy danego respondenta;
  7. liczbę epizodów pracy respondenta, o których wiadomo, że obejmowały rok, w którym rozpoczął się dany epizod;
  8. liczbę epizodów pracy respondenta, o których wiadomo, że obejmowały rok, w którym zakończył się dany epizod;
  9. liczbę wszystkich epizodów bezrobocia (lub nieaktywności zawodowej) danego respondenta;
  10. liczbę epizodów bezrobocia respondenta (lub nieaktywności zawodowej), o których wiadomo, że obejmowały rok, w którym rozpoczął się dany epizod;
  11. liczbę epizodów bezrobocia respondenta (lub nieaktywności zawodowej), o których wiadomo, że obejmowały rok, w którym zakończył się dany epizod;
  12. informację o tym, czy w (dowolnym momencie) roku rozpoczęcia danego epizodu respondent brał udział w edukacji formalnej, a jeśli tak, to w jakiej formie (4 zmienne dummy);
  13. informację o tym, czy w (dowolnym momencie) roku zakończenia danego epizodu respondent brał udział w edukacji formalnej, a jeśli tak, to w jakiej formie (4 zmienne dummy);
  14. interakcje pomiędzy 1) a 6)-13);
  15. interakcje pomiędzy 2) a 6)-13);
  16. interakcje pomiędzy 3) a 6)-13);
  17. interakcje pomiędzy 4) a 6)-13);
  18. interakcje pomiędzy 5) a 6)-13);
  19. miesiąc przeprowadzenia wywiadu (zmienna r5s2) i jego interakcję z 4).
• Model osiągał następujące statystyki dopasowania (na zbiorze epizodów, dla których znane były wartości zmiennej czas_rozp):
  • Dla epizodów typu ‘praca’: R2 = 0,92; odsetek poprawnych klasyfikacji = 19,5%.
  • Dla epizodów typu ‘bezrobocie’: R2 = 0,95; odsetek poprawnych klasyfikacji = 47,3%.
• Przy dokonywaniu imputacji przewidywania wynikające z modelu zaokrąglano do najbliższych liczb całkowitych (tak aby zmienna czas_rozp również po imputacji przyjmowała tylko wartości całkowite).
  • Ww. odsetki poprawnych klasyfikacji zostały obliczone na podstawie tak zaokrąglonych wartości (ale wartość R2 podano dla niezaokrąglonych przewidywań).
• Po dokonaniu imputacji dokonano sprawdzenia:
  • Czy zaimputowana wartość zmiennej zgadza się ze znanym rokiem rozpoczęcia epizodu.
  • Czy zaimputowana wartość zmiennej nie wskazuje, że epizod rozpoczął się później, niż się zakończył (dla epizodów, dla których znana była wartość zmiennej czas_kon, ale wartość zmiennej czas_rozp była imputowana).
  • W pojedynczych przypadkach, gdy stwierdzono naruszenia ww. warunków, zmieniano zaimputowaną wartość zmiennej czas_rozp na najbliższą mającą sens.

3.2. Zmienna czas_kon

• Zmienną zależną w modelu była długość trwania epizodu (tj. różnica pomiędzy czas_kon a czas_rozp).
  • Przy imputacji wartość zmiennej czas_kon określano, dodając do wartości zmiennej czas_rozp wartość przewidywania wynikającą z modelu (zaokrągloną do najbliższej liczby całkowitej).
• Jako predyktory wykorzystano:
  1. typ szkoły (dwie zmienne dummy zakodowane na podstawie zmiennej typ_szkoly);
  2. płeć respondenta (zmienna m1);
  3. formę pracy lub rozróżnienie na bezrobotnych (poszukujących pracy) i biernych zawodowo - p. opis zmiennych 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);
  4. rok, w którym rozpoczął się epizod (traktowany jako zmienna kategorialna - zakodowany przy pomocy zmiennych dummy);
  5. rok, w którym zakończył się epizod (traktowany jako zmienna kategorialna - zakodowany przy pomocy zmiennych dummy);
  6. liczbę wszystkich epizodów pracy danego respondenta;
  7. liczbę epizodów pracy respondenta, o których wiadomo, że obejmowały rok, w którym rozpoczął się dany epizod;
  8. liczbę epizodów pracy respondenta, o których wiadomo, że obejmowały rok, w którym zakończył się dany epizod;
  9. liczbę wszystkich epizodów bezrobocia (lub nieaktywności zawodowej) danego respondenta;
  10. liczbę epizodów bezrobocia respondenta (lub nieaktywności zawodowej), o których wiadomo, że obejmowały rok, w którym rozpoczął się dany epizod;
  11. liczbę epizodów bezrobocia respondenta (lub nieaktywności zawodowej), o których wiadomo, że obejmowały rok, w którym zakończył się dany epizod;
  12. informację o tym, czy w (dowolnym momencie) roku rozpoczęcia danego epizodu respondent brał udział w edukacji formalnej, a jeśli tak, to w jakiej formie (4 zmienne dummy);
  13. informację o tym, czy w (dowolnym momencie) roku zakończenia danego epizodu respondent brał udział w edukacji formalnej, a jeśli tak, to w jakiej formie (4 zmienne dummy);
  14. interakcje pomiędzy 1) a 6)-13);
  15. interakcje pomiędzy 2) a 6)-13);
  16. interakcje pomiędzy 3) a 6)-13);
  17. interakcje pomiędzy 4) a 6)-13);
  18. interakcje pomiędzy 5) a 6)-13);
  19. miesiąc przeprowadzenia wywiadu (zmienna r5s2) i jego interakcję z 5);
  20. datę (miesięczną) rozpoczęcia danego epizodu (zmienna czas_rozp) - uwzględniano przy tym również wartości tej zmiennej, które zostały zaimputowane.
• Model osiągał następujące statystyki dopasowania (na zbiorze epizodów, dla których znane były wartości zmiennej czas_kon):
  • Dla epizodów typu ‘praca’: R2 = 0,85; odsetek poprawnych klasyfikacji = 21,1%.
  • Dla epizodów typu ‘bezrobocie’: R2 = 0,86; odsetek poprawnych klasyfikacji = 19,6%.
• Przy dokonywaniu imputacji przewidywania wynikające z modelu zaokrąglano do najbliższych liczb całkowitych (tak aby zmienna czas_kon również po imputacji przyjmowała tylko wartości całkowite).
  • Ww. odsetki poprawnych klasyfikacji zostały obliczone na podstawie tak zaokrąglonych wartości (ale wartość R2 podano dla niezaokrąglonych przewidywań).
• Po dokonaniu imputacji dokonano sprawdzenia:
  • Czy zaimputowana wartość zmiennej zgadza się ze znanym rokiem zakończenia epizodu.
  • Czy zaimputowana wartość zmiennej nie wskazuje, że epizod zakończył się wcześniej, niż się rozpoczął.
  • W pojedynczych przypadkach, gdy stwierdzono naruszenia ww. warunków, zmieniano zaimputowaną wartość zmiennej czas_kon na najbliższą mającą sens.

4. Zbiór z informacjami o członkach gospodarstw domowych

• Informacje zawarte w zmiennej m10d_in zostały domknięte i zespolone z typowymi odpowiedziami na pytanie M10 w ramach zmiennej m10d_rekod.
• Do zbioru dołączona została zmienna m10c_wiek, zawierająca wiek przeliczony z daty urodzenia.

5. Uwagi o analizie zbioru epizodów

Typowo zbiór epizodów wykorzystywane będzie w analizie w ten sposób, że:

• najpierw dokonane zostanie zawężenie zbioru do epizodów określonego typu (epizody innych typów zostaną usunięte);
• następnie na tak zawężonym zbiorze wykonane zostaną pewne procedury agregacji w ramach respondentów (aby uzyskać interesujące wskaźniki);
• następnie tak zagregowane wyniki będą dołączane do oryginalnego zbioru danych (elementu dane listy zwracanej przez funkcję wczytaj_wyniki_pilrm(), 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:

• Typowo przy dołączaniu wyników zagregowanych do poziomu respondentów na podstawie zbioru epizodów do oryginalnego zbioru (w którym jednostką obserwacji jest respondent) wielu osobom w oryginalnym zbiorze, obejmującym wszystkich respondentów, przypisane zostaną braki danych.
  • Istotne może być więc zakodowanie tych braków danych zaraz po dokonaniu łączenia w sposób, który pozwoli potem na wygodne (i przede wszystkim nieprowadzące do pomyłek, w szczególności związanych z przyjęciem złej podstawy procentowania) obsłużenie ich w prowadzonych dalej analizach.
  • Należy przy tym mieć na uwadze, że w zbiorze epizodów wartości braków danych użytkownika zostały już typowo zamienione na systemowe braki danych (a więc systemowy brak danych w połączonym zbiorze może dla wielu zmiennych równie dobrze wskazywać na to, że respondent nie miał żadnego epizodu danego typu, co na to, że taki epizod miał, ale nie był w stanie podać o nim interesującej nas informacji).
  • W związku z tym dobrą praktyką przy agregacji zbioru danych w postaci długiej do poziomu respondentów jest utworzenie w nim takiej zmiennej (innej niż ID), 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.
• Jeśli zagregowany do poziomu respondentów zbiór danych w postaci długiej będzie analizowany bez przyłączania do oryginalnego zbioru, w kontekście podstaw procentowania należy mieć na uwadze, że zawiera on typowo tylko podzbiór spośród wszystkich badanych.

6. Zbiór z danymi w postaci osobo-miesięcy

6.1. Struktura zbioru

W zbiorze zawarte zostały następujące zmienne opisujące cechy respondentów stałe w czasie:

• ID - 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;
  • na podstawie zebranych danych nie da się określić daty, kiedy uczeń przerwał naukę w tej szkole;
  • jeśli respondent ukończył tę szkołę, zmiennej przypisany jest brak danych;
• f7 - rok uzyskania świadectwa szkoły, jako uczeń której respondent został zakwalifikowany do badania;
  • jeśli respondent nie uzyskał świadectwa tej szkoły, zmiennej przypisany jest brak danych;
• t_laczny_czas - łączny czas trwania wywiadu, obliczony poprzez zsumowanie zmiennych opisujących czasy odpowiedzi na poszczególne pytania;
  • niestety w przypadku znacznej części respondentów zmienna ta podaje zafałszowany (zbyt krótki) czas trwania wywiadu;
• m1 - płeć respondenta;
• m2 - rok urodzenia respondenta;
  • w zmiennej występują (nieliczne) braki danych;
  • w zbiorze występują osoby starsze (rekordzista to rocznik ’55);
• 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 2015 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);
  • wartość zmiennej status równa ‘999’ ma specjalne znaczenie - p. następna sekcja;
• 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_kon;
• 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_kon;;
• 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_kon;.

6.2. Okres objęty obserwacjami w zbiorze

• Pierwszy miesiąc występujący w zbiorze dla danego respondenta to:
  • Wrzesień 2014 r. - dla respondentów, którzy nie wymienili żadnego epizodu, który rozpoczynałby się wcześniej.
  • Miesiąc rozpoczęcia najwcześniejszego z wymienionych epizodów, jeśli takowy jest wcześniejszy niż wrzesień 2014 r.
• Ostatnim miesiącem występującym w zbiorze jest dla danego respondenta miesiąc poprzedzający ten, w którym nastąpiła realizacja wywiadu (z absolwentem).
• Dla każdego respondenta w zbiorze zawarte są rekordy opisujące każdy kolejny miesiąc od pierwszego do ostatniego uwzględnionego dla niego w zbiorze (zgodnie z ww. regułami).
• Okres miesięcy objęty zbiorem można oczywiście łatwo zawęzić, odfiltrowując obserwacje na podstawie zmiennej czas.
  • Należy mieć na uwadze, że w ogólności analiza okresu przed 2015 r. (a na pewno przed wrześniem 2014 r.) nie ma sensu, chyba że w szczególnych przypadkach, np. gdy chcemy utworzyć zmienną opisującą w zbiorczy sposób uprzednie doświadczenie zawodowe respondenta.

6.3. Sposób kodowania statusów

6.3.1. Reguły klasyfikacji na podstawie epizodów obejmujących poszczególne miesiące

• Przy kodowaniu pominięte zostały epizody, dla których nieznany był rok rozpoczęcia epizodu (tj. już po przeprowadzeniu imputacji wartością zmiennej czas_rozp był brak danych) lub epizod był zakończony (czy_zakonczony równe 1) i nieznany był rok zakończenia epizodu (tj. już po przeprowadzeniu imputacji wartością zmiennej czas_kon był brak danych).
  • Należy mieć na uwadze, że dla części epizodów respondenci nie byli w stanie podać miesiąca rozpoczęcia lub zakończenia epizodu i wartości zmiennych czas_rozp i czas_kon były w takich przypadkach imputowane (p. sekcje Zmienne specjalne w zbiorach w postaci „długiej” i Imputacja wartości zmiennych czas_rozp i czas_kon).
• praca - zmienną zakodowano na podstawie zmiennych pg2g i pg2h:
  • pg2h równe 1 (pg2g równe 1, 2 lub 3) -> 1 (zatrudniony na umowę o pracę);
  • pg2h równe 2 (pg2g równe 1, 2 lub 3) -> 2 (zatrudniony przez agencję pracy tymczasowej);
  • pg2h równe 3 (pg2g równe 1, 2 lub 3) -> 3 (zatrudniony na umowie cywilnoprawnej);
  • pg2h równe 4 (pg2g równe 1, 2 lub 3) -> 4 (samozatrudniony (‘praca u kogoś’));
  • pg2g równe 4 -> 5 (prowadzi własną działalność (‘praca u siebie’));
  • pg2g równe 5 -> 6 (prowadzi własne gosp. rolne);
  • pg2h równe 6 lub 7 (pg2g równe 1, 2 lub 3) -> 7 (odbywa staż lub praktykę absolwencką);
  • pg2h równe 5 (pg2g równe 1, 2 lub 3) -> 8 (zatrudniony bez umowy (na czarno));
  • wszystkie pozostałe przypadki, gdy wystąpił epizod pracy -> 9;
• nauka - zmienną zakodowano na podstawie zmiennej typ_epizodu:
  • typ_epizodu równe ‘studia’ -> 2;
  • typ_epizodu równe ‘SPolic.’ -> 3;
  • wszystkim miesiącom od września 2014 r. do czerwca 2015 r. (wartości zmiennej czas od -9 do 1) przypisano wartość 1, która oznacza, że respondent uczył się w tym czasie w szkole, jako uczeń której został zakwalifikowany do badania;
    • Ponieważ na podstawie zebranych danych występują trudności z określeniem, kiedy respondent zakończył naukę w szkole, jako uczeń której został zakwalifikowany do badania, dla wszystkich badanych arbitralnie założono, że ukończyli naukę w tej szkole w czerwcu 2015 r. (por. sekcja Warto przemyśleć przed przystąpieniem do analiz).
• bezrobocie - zmienną zakodowano na podstawie zmiennej pb1f:
  • pb1f równe 1 -> 1 (bezrobotny, poszukuje pracy);
  • pb1f równe 2 -> 2 (bierny zawodowo);
  • wszystkie pozostałe przypadki, gdy wystąpił epizod bezrobocia -> 3;

6.3.2. Uwzględnienie ciągłości nauki (przez okres wakacji)

Jeśli stwierdzono, że respondent:

• studiował w październiku danego roku i jednocześnie uczył się w szkole dowolnego typu w maju tego samego roku,
• lub uczył się w szkole policealnej we wrześniu danego roku i jednocześnie uczył się w szkole dowolnego typu w maju tego samego roku,

wszystkie miesiące (włącznie) od czerwca do odpowiednio września lub sierpnia, w których respondent nie zadeklarował, że się uczył, oznaczane były jako okres odpowiednio studiowania (nauka równe 2) lub nauki w szkole policealnej (nauka równe 3).

Kodowanie na podstawie niewystępowania epizodów obejmujących dany miesiąc

• 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:
  • jeśli respondent nie wymienił żadnego epizodu bezrobocia obejmującego dany miesiąc i jednocześnie choć jedna zmienna spośród praca i nauka przyjmowała w tym miesiącu dla respondenta wartość inną niż 0, zmiennej bezrobocie przypisywano wartość 0 (nie bezrobotny);
  • jeśli respondent nie wymienił żadnego epizodu bezrobocia obejmującego dany miesiąc i jednocześnie zarówno zmienna 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;
    • wystąpienie takiej sytuacji kodowane jest specjalną wartością zmiennej status: ‘999’;

6.4. Relacje pomiędzy statusami pracy i nauki a statusem bezrobocia

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:

1. Po dużej części są to sytuacje, które mogły mieć miejsce:
   • Jeśli przejście od bezrobocia do pracy lub odwrotnie odbyło się w środku miesiąca, respondent istotnie był w danym miesiącu zarówno pracujący, jak i bezrobotny (wiersze w zbiorze, w których najprawdopodobniej mamy do czynienia z taką sytuacją wyróżnione są przez wartość ‘miesiąc graniczny’ zmiennej praca_a_bezrobocie).
   • Jeśli respondent pracował na czarno, mógł jednocześnie być formalnie bezrobotny (choć w zbiorze nie odnotowujemy tego typu deklaracji).
   • Postrzeganie się w kategoriach osoby bezrobotnej może być dla części respondentów oderwane od faktu kontynuowania lub nie nauki.
2. W sytuacjach, gdy zidentyfikowano konflikt statusu pracy i bezrobocia, niedający się zinterpretować w kategoriach miesiąca granicznego, starano się je jeszcze rozstrzygnąć, biorąc pod uwagę, że niektóre statusy zostały przypisane na podstawie imputowanych wartości zmiennych czas_rozp i czas_kon i w związku z tym można je uznać za mniej wiarygodne.
   • Jeśli w danym miesiącu (dla danego respondenta) status pracy wskazujący na aktywność zawodową został zakodowany na podstawie imputowanych wartości zmiennych czas_rozp i czas_kon, 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.
   • Jeśli w danym miesiącu (dla danego respondenta) status bezrobocia wskazujący na brak pracy został zakodowany na podstawie imputowanych wartości zmiennych czas_rozp i czas_kon, 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.
   • W innych przypadkach nie dało się dokonać korekt. Są one oznaczone w zbiorze wartościami ‘sprzeczne deklaracje resp.’ lub ‘sprzeczne wyniki imputacji’ zmiennej 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_kon.
3. W ogólności nie mamy niestety gwarancji, że respondenci odpowiadali w sposób spójny. W ramach wywiadu nie mieliśmy bowiem możliwości wyłapywania ew. konfliktów w deklaracjach na bieżąco i zmuszania respondentów do ich rozstrzygnięcia.
   • Być może w przyszłości chcąc badać historie życia respondentów, należałoby pomyśleć o zagwarantowaniu sobie, że firma realizująca je w terenie będzie używać bardziej wyspecjalizowanego pod tym kątem oprogramowania do realizacji.

6.5. Warto przemyśleć przed przystąpieniem do analiz

• Jak przekodować trzy statusy opisane zmiennymi 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.
• W danych występują również bardzo starzy respondenci (najstarszy to rocznik ’55). Jeśli chcieć, zgodnie z pierwotnymi założeniami metodologicznymi badania BLASZ, ograniczyć się do analizy osób, które w momencie badania w szkołach miały nie więcej niż 29 lat, należałoby usunąć osoby urodzone przed 1986 r. (na podstawie zmiennej m2 - trzeba przy tym jeszcze podjąć decyzję, co z respondentami - na szczęście nielicznymi - których roku urodzenia nie znamy).
• Do jakie okresu ograniczyć analizę.
  • Czy powinien to być ten sam okres dla każdego respondenta, czy chcemy skorzystać z faktu, że dla tych, z którymi wywiad został przeprowadzony później, dysponujemy dłuższą historią.
  • Kiedy wyznaczyć początek analizowanego okresu. Wydaje się, że najsensowniejsze cezury plasują się pomiędzy styczniem a lipcem 2015 r. Absolutnie nie należy analizować sekwencji zdarzeń w okresie przed wrześniem 2014 r.
• W danych występują - szczęśliwie nieliczni - respondenci, którzy nie uzyskali świadectwa ukończenia szkoły, jako uczniowie której zostali zakwalifikowani do badania (można ich zidentyfikować po tym, że zmienna f6 nie jest brakiem danych). Być może należałoby wykluczyć ich z analizy, gdyż po pierwsze, nie do końca są absolwentami (a przynajmniej nie w takim samym stopniu, jak wszyscy pozostali), a po drugie (i może ważniejsze), na podstawie zebranych danych nie jesteśmy w stanie ustalić, jak długo kontynuowali oni jeszcze naukę (na potrzeby kodowania zupełnie arbitralnie przyjąłem, że jak wszyscy opuścili mury szkoły w czerwcu 2015 r.).
• W danych występują osoby, które deklarują, że świadectwo ukończenia szkoły, jako uczniowie której zostali zakwalifikowani do badania, uzyskały w innym roku, niż 2015. Można mieć jednak mieć wątpliwości, czy informacja ta jest rzetelna, biorąc pod uwagę, że 10 osób wskazuje, że dyplom ten uzyskało już w 2014 r. (realizacja wywiadów w BLASZu rozpoczęła się 26 listopada 2014 r.; osoby, które składają takie deklaracje, były uczniami ZSZ lub techników). Nie jest też jasne, jaka dokładnie była sytuacja osób, które zadeklarowały inny niż 2015 rok ukończenia takiej szkoły i jak w związku z tym najlepiej byłoby zakodować ich statusy edukacyjne. Biorąc pod uwagę niewielką liczbę takich osób (oprócz 10 deklarujących rok 2014 jeszcze 29 deklarujących rok 2016 i 5  deklarujących rok 2017), uznałem, że najlepiej (najprościej) będzie problem zignorować i konsekwentnie dla wszystkich stosować arbitralne założenie, że szkołę, jako uczniowie której trafili do badania, ukończyli w czerwcu 2015 r. Można jednak chcieć dokonać w tej kwestii innych rozstrzygnięć i odpowiednio przekodować wartości zmiennej nauka w oparciu o wartość zmiennej f7 (oraz czas).

tzoltak/MLASZdane documentation built on Aug. 10, 2021, 11:59 a.m.