Analiza factorială în cadrul pieței forței de muncă

Analiza factorială este o tehnică statistică multivariantă care are ca scop extragerea unui număr mic de factori ascunși, responsabili de corelațiile dintre variabilele originale.

Realizarea acestui proiect are în vedere analiza dezvoltării forței de muncă în diferite țări ale lumii.

Analiza pieței muncii din diferite state ale lumii are ca și obiectiv depistarea cauzelor care împiedică o bună dezvoltare a forței de muncă, precum și de a lua măsuri cu privire la actuala funcționalitate a pieței muncii. Este analizat un set de indicatori cu impact asupra pieței muncii, iar ulterior se urmărește stabilirea unor măsuri de redresare.

De exemplu, rata șomajului ar putea scădea o dată cu creșterea numărului de salariați. În cazul domeniilor de activitate cu numărul de angajați cel mai mic, ar trebui urmările cauzele ce au dus la această situație: de exemplu, accidente prea grave la locul de muncă ce au făcut ca activitatea acestora să se întrerupă. Totodată, urmărim productivitatea reală a muncii pentru a vedea dacă muncă depusă de fiecare salariat în parte este la nivelul cerut de firmă, iar în caz contrar urmărim rata șomajului.

În cadrul acestui proiect, am analizat următorii indicatori:

I1 - Salariul minim (€);

I2- Numărul de salariați;

I3 - Rata de activitate a populației în vârsta de muncă (%);

I4- Populația inactivă ca procent din populația totală pe vârstă și sexe (%);

I5- Numărul de imigranți;

I6 - Numărul de emigranți;

I7 - Oferta de muncă;

Datele folosite sunt preluate de pe Eurostat, iar anul analizat este 2016. Programul folosit pentru analiză este R.

Fig. 1 Matricea de corelație a indicatorilor

Din fig.1 putem observa corelațiile dintre cei 7 indicatori analizați. O corelație puternică, negativă observăm că este între I2 și I5 (-0,70), iar o corelație directă, slabă se realizează între I1 și I2 (0,32).

Fig. 2 Indicele KMO

Indicele KMO este un indice bazat pe corelații și corelațiile parțiale între indicatori. În cadrul proiectului, am calculat valoarea acestuia, KMO = 0,6929158. Acest procent de 0,69 indică comunalitatea variabilelor analizate.

Pentru ca analiza factorială să aibă sens este necesar ca KMO să fie cât mai aproape de 1. Astfel, în rândurile următoare voi face testul Bartlett pentru a lua o decizie în ceea ce privește continuarea analizei factoriale pe aceste date.