Isplati li se u Hrvatskoj ulagati u obrazovanje? Povrat ulaganja u ljudski kapital kao faktor

konkurentnosti ljudskih resursa

Vedran Šošić

1

Sažetak

Ulaganje u ljudski kapital u posljednje je vrijeme predmet rasprava o ekonomskoj politici kao

jedan od važnih čimbenika za stvaranje suvremenih gospodarstava utemeljenih na znanju. Teorija

ljudskog kapitala to ulaganje promatra kao rezultat dragovoljne odluke pojedinaca koji očekuju

određeni povrat na ulaganje vremena i sredstava. U posljednjih dvadeset godina zabilježen je

porast premija za obrazovanje u tržišnim gospodarstvima, što se pripisuje uglavnom brzom

tehnološkom razvoju, a u tranzicijskim je zemljama tijekom posljednjeg desetljeća zabilježena

brza konvergencija premija na obrazovanje od egalitarnih platnih struktura prema platnim

strukturama kakve postoje i u razvijenim tržišnim gospodarstvima. Za razliku od tih zemalja,

premija na obrazovanje u Hrvatskoj počela je rasti tek u drugoj polovici 1990-ih te se čini kako je

krajem toga razdoblja dostigla premiju kakva se bilježi u drugim tranzicijskim zemljama i

naprednim tržišnim gospodarstvima. U skladu s time, Hrvatska, unatoč određenom porastu broja

studenata, još uvijek zaostaje za razvijenim zemljama, a jaz je još veći uzme li se u obzir i manji

broj studenata koji završe studij. Smanjenju toga zaostatka, čini se, ne pridonosi ni relativno

visoka razina ukupne potrošnje na obrazovanje, koja nije bitno niža od razine izdvajanja na

obrazovanje u razvijenim tržišnim gospodarstvima.

2

1. Uvod

Stvaranje poticajnog okruženja za ulaganja u ljudski kapital sve se češće pojavljuje kao jedan od

važnih elemenata politika na tržištu rada razvijenih zemalja, kao i širih strategija za poticanje

rasta. Ulaganja u ljudski kapital također olakšavaju restukturiranje gospodarstva te smanjuju

probleme siromaštva, nezaposlenosti i socijalne isključenosti. Potreba za porastom ulaganja u

ljudski kapital posebno je velika u tranzicijskim gospodarstvima, u kojima su prije početka

tranzicije iznimno niske nadnične premije za radnike koji su poduzeli takva ulaganja dovele do

stagnacije i čak pada razine ljudskog kapitala.

Na početku rada daje se pregled teorije ljudskog kapitala i empirijskih radova s toga područja.

Glavna razmatranja iz teorije ljudskog kapitala odnose se na povrat ulaganja u ljudski kapital te

na utjecaj ulaganja u ljudski kapital na ekonomski rast kao jedan od glavnih aspekata povrata sa

stajališta društva.

U idućem se poglavlju razmatraju glavni elementi transformacije na tržištima rada tranzicijskih

zemalja u smislu poticanja ulaganja u ljudski kapital. S obzirom na zaostatak u ljudskom

kapitalu, koji je očit unatoč čestom isticanju obrazovane radne snage kao jedne od prednosti

tranzicijskih zemalja, konvergencija u povratu ulaganja u obrazovanje i u razini ljudskog kapitala

jedan je od temelja tranzicije. Prema nalazima različitih empirijskih istraživanja, u svim je

tranzicijskim zemljama srednje i istočne Europe doista očit takav trend, uz izuzetak bivše Istočne

Njemačke, u kojoj je brza transformacija smanjila povrat na obrazovanje stečeno u prethodnom

režimu.

Konačno, u posljednjem se poglavlju daje usporedba prilagodbe na tržištu rada u Hrvatskoj s

kretanjima u drugim tranzicijskim zemljama. Prema raspoloživim pokazateljima, čini se kako je

premija na obrazovanje u Hrvatskoj tijekom tranzicijskog razdoblja bila izuzetno stabilna, što

odudara od kretanja u drugim tranzicijskim zemljama. Uz težak ulazak na tržište rada za mlade

radnike i financijske aranžmane koji ne potiču uspješno studiranje, ta se stagnirajuća premija

identificira kao jedan od važnih čimbenika zaostajanja u procesu formiranja ljudskog kapitala u

Hrvatskoj. Također, mjerama za poticanje cjeloživotnog obrazovanja što ih razvijene zemlje

često primjenjuju kako bi restrukturirale znanja i vještine koje posjeduje radna snaga i potaknule

3

stvaranje ljudskog kapitala, u Hrvatskoj se do sada gotovo ništa nije učinilo kako bi se smanjio

jaz u razini ljudskog kapitala u usporedbi s razvijenim zemljama. Poglavlje završava

preporukama za stvaranje poticajnog okruženja za ulaganje u ljudski kapital u Hrvatskoj.

4

2. 2. Značenje ulaganja u obrazovanje

U posljednje je vrijeme ulaganje u ljudski kapital postalo fokus brojnih empirijskih radova (za

iscrpan pregled vidjeti De la Fuente i Ciccone, 2002). Nekoliko je razloga usmjeravanja

pozornosti ekonomista i stručnjaka drugih profila upravo na tu vrstu ulaganja. Prvi se element

odnosi na financijsko značenje ulaganja u obrazovanje. Tako ukupno ulaganje u obrazovanje,

uključujući javne i privatne izdatke, u razvijenim zemljama u prosjeku iznosi oko 6% BDP-a, što

je 1997. godine bilo oko bilijun i tristo milijardi dolara (Temple, 2000). Taj iznos čini znatan

izdatak pa stoga ne čudi želja da se utvrdi donose li ulaganja u obrazovanje društveni povrat koji

je barem jednak alternativnim ulaganjima ili je možda riječ o investiciji s višim stopama povrata

za koju valja odvojiti dodatna sredstva. Ulaganje u obrazovanje u Hrvatskoj u 2000. godini

iznosilo je 5,3% BDP-a (EIZG, 2002), ali valja uzeti u obzir da se navedeni pokazatelj odnosi

samo na javne rashode za obrazovanje. Pribroje li se njima još i privatni rashodi, čiji je iznos u

Hrvatskoj nepoznat, ali se ipak s obzirom na strukturu financiranja obrazovanja može

pretpostaviti kako oni vjerojatno ipak nisu značajni u odnosu prema javnim izdacima, zapravo je

očito da rashodi za obrazovanje u Hrvatskoj ne odstupaju bitno od prosjeka najrazvijenijih

zemalja. Taj je pokazatelj u skladu i s tezom da visoko školstvo u Hrvatskoj nije podfinancirano,

koju iznosi Bajo (2003).

Drugi razlog sve većeg interesa znanstvenika jest činjenica da je povećanje ulaganja u ljudski

kapital, odnosno u obrazovanje, iako treba imati na umu kako ta dva termina nisu sinonimi1,

jedan od prioriteta ekonomske politike razvijenih zemalja. Takva se orijentacija ističe u više

strateških dokumenata i prijedloga za vođenje ekonomske politike. Europska je unija u sklopu

lisabonske strategije istaknula ulaganje u ljude kao jednu od glavnih pretpostavki za stvaranje

suvremenoga gospodarstva utemeljenoga na znanju (European Union, 2000). Uz pozitivne učinke

na rast i razvoj, obrazovanje se ističe kao prioritet ekonomske politike i zbog njegova potencijala

za “socijalno uključivanje”, odnosno za stvaranje dodatnih prilika isključenima, nezaposlenima i

siromašnima. Poticanje ulaganja u ljudski kapital i cjeloživotnog učenja ističe se i u novim

smjernicama europske strategije zapošljavanja, čiji je cilj postizanje veće zaposlenosti i stvaranje

5

kvalitetnijih poslova (European Union, 2003). Također, OECD u svojoj utjecajnoj Jobs Strategy

kao jedan od važnih razloga rastuće nezaposlenosti i društvene polarizacije u zemljama

članicama navodi neuspjeh u preustroju sustava obrazovanja i obučavanja te stoga poziva na

razvijanje svih oblika formalnoga i neformalnog obrazovanja (OECD, 1996).

Kada se u javnosti, hrvatskoj i inozemnoj, govori o obrazovanju, često se smatra kako je potrebno

samo uložiti dodatna sredstva u obrazovanje, što će automatski rezultirati većim brojem

školovanih osoba. No ekonomisti su ulaganje u obrazovanje skloni promatrati kao dobrovoljnu

odluku pojedinca o ulaganju vremena i novca kako bi u budućnosti ostvario povrat. Stoga

ekonomisti naglašavaju upravo individualnu odluku o ulaganju u ljudski kapital. Prema teoriji

ljudskog kapitala, ta će odluka ovisiti o privatnom povratu ulaganja u obrazovanje, odnosno o

diskontiranoj vrijednosti budućih zarada i sadašnjim troškovima obrazovanja. Pojednostavnjeno,

povrat ulaganja u obrazovanje ovisit će o njegovim troškovima i budućim nadničnim premijama.

Dakle, promjene u javnom sustavu subvencioniranja obrazovanja i tendencije nadničnih premija

za obrazovane radnike uputit će na smjer kretanja povrata sredstava uloženih u obrazovanje,

odnosno poticaja za ulaganje u obrazovanja. Doista, promotre li se razlike u stopama povrata za

dodatnu godinu obrazovanja između zemalja i broj osoba iz mladih generacija koje završavaju

fakultet u zemljama za koje su dostupni podaci dobiveni jedinstvenom metodologijom, čini se

kako su više stope povrata u prosjeku vezane za veći broj diplomiranih studenata.

1 Ljudski kapital je nešto širi pojam pa tako uz ulaganje u obrazovanje i obučavanje na poslu obuhvaća i sva druga ulaganja koja podižu proizvodnost pojedinca, poput npr. ulaganja u zdravstvenu skrb, kao i iskustvo stečeno radom koje također doprinosi porastu proizvodnosti.

6

Slika 1. Stopa povrata ulaganja u dodatnu godinu školovanja i udio diplomiranih studenata u

populaciji adekvatne dobi

Irska

Italija Njemačka

Švedska

Japan

Češka

SAD

0 1 2 3 4 5 6 7 8 9

10

10 20 30 40 50 60 70 udio diplomiranih studenata u adekvatnoj populaciji po

vrat

ula

ganj

a u

obra

zova

nje

Izvor: Denny, Harmon i Lydon (2001) i OECD (2001a)

Iako je teorija ljudskog kapitala jasno koncipirana, u praksi susrećemo nekoliko problema. Kao

prvo, poseban je problem mjerenje razine ljudskog kapitala. U osnovi, postoje dvije glavne

metode mjerenja ljudskog kapitala. Prva se metoda oslanja na pokazatelje postignute obrazovne

razine stanovništva, pri čemu se obično promatra prosječno razdoblje školovanja ili obrazovna

struktura stanovništva radne dobi. Velik je problem te metode činjenica da nema informacija o

znanjima stečenim neformalnim obrazovanjem, kao ni o vještinama stečenima iskustvom, koje

mogu biti važna komponenta ljudskog kapitala. Također, pri izravnoj usporedbi obrazovnih

struktura dodatni su problem razlike u kvaliteti obrazovanja. Problem kvalitete obrazovanja

obično je naglašen u uvjetima štednje na obrazovanju, dok istodobno raste broj osoba koje se

školuju.

Problem mjerenja kvalitete obrazovanja i njezina utjecaja na razinu ljudskog kapitala rješava se

izravnim mjerenjem vještina i obrazovnih postignuća, odnosno standardiziranim međunarodnim

testovima. Naravno, ti su pokazatelji dostupni samo za razmjerno mali broj razvijenijih zemalja,

pa se stoga koriste rjeđe od pokazatelja prosječnog školovanja, unatoč nekim očitim prednostima

7

što ih imaju. Posljednjih desetak godina ističu se tri istraživanja2, među kojima se samo IALS

provodi na populaciji odraslih. Pokuša li se logaritmirani rezultat IALS testova objasniti pomoću

logaritma pokazatelja prosječnog školovanja, koeficijent je signifikantan, pozitivan, i iznosi

0,423, dok je R2 u jednadžbi jednak 0,484. Taj nalaz pokazuje kako je prosječno školovanje

doista vezano za pokazatelje pismenosti, ali objašnjava tek polovicu varijacije u pismenosti, što

znači da je za formiranje ljudskog kapitala često presudan utjecaj ostalih činitelja, poput kvalitete

obrazovanja, neformalnog obrazovanja i obučavanja te da su pokazatelji prosječnog školovanja

nesavršen način mjerenja ljudskog kapitala (De la Fuente i Ciccone, 2002).

Druga teškoća povezana s empirijskom primjenom teorije ljudskog kapitala odnosi se na

mjerenje povrata ulaganja u ljudski kapital. Povrat je moguće mjeriti na različite načine. Kao

prvo, moguće ga je mjeriti sa stajališta pojedinca i sa stajališta društva, pri čemu stajalište društva

obuhvaća sve subvencije za obrazovanje, ali i plaćene poreze koji ne ulaze u perspektivu

pojedinca pri ocjeni povrata. Povrat se obično mjeri s mikroekonomskog stajališta, odnosno

utjecajem dodatne godine obrazovanja na produktivnost i zarade pojedinca. Usto, mjerenje

povrata na ulaganje u ljudski kapital s makroekonomskog stajališta obuhvaća utjecaj porasta

agregatne razine obrazovanja na razinu BDP-a i ukupne produktivnosti, što znači i brojne

neizravne učinke. Stoga ne iznenađuje da makroekonomski pristup mjerenju povrata obično

pokazuje nešto više stope povrata.

Rezultati mikroekonomskih istraživanja, uz razlike koje postoje među zemljama, pokazuju kako

privatne stope povrata u europskim zemljama u prosjeku iznose oko 6,5 posto za dodatnu godinu

školovanja, dok je stopa povrata u SAD-u za tri postotna boda viša (De la Fuente i Ciccone,

2002). U ocjenama povrata ulaganja u ljudski kapital pojavljuju se brojni problemi. Kao prvo,

već su spomenuti problemi mjerenja razine ljudskog kapitala, koji i ocjene povrata čine

nepouzdanima. Također, u ocjenama povrata u ulaganje pretpostavlja se kako nadnice odražavaju

marginalni proizvod radnika, što ne mora uvijek odražavati stvarnost. Tako različite distorzije

strukture nadnica neće utjecati na pristranost u mjerenju privatne stope povrata, ali mogu dovesti

do razlika između privatnih i društvenih stopa povrata. Konačno, u jednadžbe kojima se ocjenjuje

2 Riječ je o TIMSS (Third International Mathematics and Science Study) istraživanju koje je 1994. i 1995. godine proveo International Association for the Evaluation of Educational Achievement te o dva povremena istraživanja OECD-a, PISA (Programme for International Student Assessment) i IALS (International Adult Literacy Survey).

8

povrat ulaganja u obrazovanje nemoguće je uključiti sve varijable koje utječu na izbor

obrazovanja ili na zarade. Na primjer, na zarade utječu i čimbenici poput ljepote, koje nije

jednostavno egzaktno i precizno izmjeriti (Hamermesh i Biddle, 1994). Specifične varijable u

tom smislu jesu sposobnost pojedinaca i obiteljsko okruženje koje, ako su sustavno povezane sa

školovanjem ili zaradama, mogu rezultirati pristranim ocjenama povrata ulaganja u ljudski

kapital. Kako bi se izbjegao taj problem, katkad se umjesto uobičajene metode najmanjih

kvadrata (OLS) primjenjuje metoda instrumentalnih varijabli (IV), u kojoj se kao instrument

koristi obrazovanje roditelja ili se provode istraživanja na blizancima u kojih ne postoji problem

razlika u roditeljskom ulogu, a zbog genetskih sličnosti ni varijacija u sposobnostima ne bi

trebala biti značajna. U načelu, utjecaj tih varijabli mogao bi dovesti do toga da uobičajene OLS

ocjene povrata ulaganja u obrazovanje mogu i podcijeniti i precijeniti stvarni povrat. Međutim, na

temelju većeg broja empirijskih istraživanja čini se kako je stvarna stopa povrata ulaganja u

obrazovanje ipak nešto viša od OLS ocjena (De la Fuente i Ciccone, 2002).

Uz većinu već navedenih problema u mikroekonomskim istraživanjima, u makroekonomskim se

istraživanjima pojavljuje još i problem obrnute kauzalnosti, odnosno mogućnosti da porast

dohotka utječe na porast broja osoba koje se obrazuju, i to u obliku potrošnje. Budući da se broj

obrazovanih osoba relativno sporo mijenja, a utjecaj dohotka osjeti se tek sa značajnim

vremenskim pomakom, čini se da taj problem ne bi trebao biti značajan u ekonometrijskim

ocjenama utjecaja obrazovanja na razvoj. Za razliku od mikroekonomskih studija,

makroekonomska istraživanja zbog učinaka prelijevanja, odnosno eksternalija obrazovanja u

obliku veće sposobnosti radne snage za razvoj i usvajanje novih tehnologija, ocjenjuju kako je

utjecaj obrazovanja na proizvodnost u duljem roku gotovo dvostruko veći nego što pokazuju

mikroekonomska istraživanja (De la Fuente i Ciccone, 2002). Takva interpretacija nalaza u

skladu je s endogenim teorijama rasta koje generiranje novih ideja vide kao glavni izvor razvoja.

Naravno, postoje različiti empirijski pristupi makroekonomskome modeliranju utjecaja

obrazovanja na rast i proizvodnost, od ocjene proizvodnih funkcija za pojedine zemlje do ocjena

na uzorku više zemalja, u što u ovom radu nećemo ulaziti.

Privatni povrat ulaganja u ljuski kapital ovisi o ponudi obrazovanih osoba na tržištu rada,

čimbenicima koji djeluju na potražnju, ali i različitim institucionalnim determinantama koje

9

utječu na nadnice, o kojima će više riječi biti kasnije. Do 1980-ih godina brz porast ponude

obrazovanih radnika u razvijenim zemljama smanjivao je stopu povrata. Na slici 2. vidljivo je

djelovanje porasta relativne ponude obrazovanih radnika koji smanjuje njihovu nadničnu premiju.

Međutim, u posljednja dva desetljeća jače je bilo djelovanje čimbenika koji su utjecali na porast

potražnje, što je povećavalo nadnične premije obrazovanih radnika, što je vidljivo na slici. Tako

je u SAD-u od početka 1980-ih godina zabilježen porast povrata ulaganja u obrazovanje, dok se u

zemljama članicama EU-a takva tendencija bilježi na kraju tog desetljeća, odnosno od početka

1990-ih godina. Taj se porast povrata ulaganja u obrazovanje u razvijenim zemljama najčešće

veže za ubrzani tempo tehnološkog napretka i primjenu suvremenih informacijakih i

komunikacijskih tehnologija, koji je ubrzao porast potražnje obrazovanih radnika, iako rasprava u

literaturi nije sasvim zaključena (za sažetak čimbenika koji utječu na stopu povrata vidjeti Denny,

Harmon i Lydon, 2001). Tako je dinamika povrata ulaganja u ljudski kapital na neki način

rezultat “utrke” ponude i potražnje, što je prikazano na slici. U razdoblju do 1980-ih godina

ponuda je rasla brže, što je snižavalo nadničnu premiju za obrazovane radnike, dok je od 1980-ih

brže rasla potražnja, što je povećavalo nadničnu premiju.

Slika 2. Utjecaj ekspanzije ponude obrazovanih radnika i njihove potražnje na nadničnu premiju

obrazovanih radnika

Ponuda

Potražnja

ponuda

potražnja

Izvor: Barth i Røed, 2001.

10

3. Povrat ulaganja u ljudski kapital u tranzicijskim zemljama

Kako je Rutkowski (1996) napomenuo, upravo “promjene na tržištu rada čine jedan od stupova

ekonomske tranzicije koja je u toku u zemljama srednje i istočne Europe». Te se promjene prije

svega odnose na proces davanja ispravnih poticaja stanovništvu za investiranje u obrazovanje i

zatvaranje obrazovnog jaza koji postoji u odnosu prema naprednim tržišnim gospodarstvima. Bez

davanja ispravnih financijskih poticaja za investiranje u obrazovanje, kako govori i teorija

ljudskog kapitala, teško je očekivati smanjivanje tog obrazovnog jaza.

Strukture nadnica koje su postojale u gospodarstvima zemalja članica bivšeg istočnog bloka

znatno su se razlikovale od struktura nadnica u zapadnim zemljama. U komunističkim su

zemljama postojale izuzetno egalitarne strukture nadnica, što je smanjivalo nadnične premije

obrazovanih radnika. Takve rigidne strukture nadnica rezultirale su slabim poticajima za

investiranje u obrazovanje3. Ne čudi, dakle, nedovoljno investiranje u visoko obrazovanje

zatečeno na početku tranzicije, dok je u isto vrijeme, u usporedbi s tržišnim gospodarstvima,

postojalo preveliko investiranje u srednje strukovno obrazovanje.

Clark (2000) citira niz istraživanja kojima je utvrđena niska stopa povrata ulaganja u obrazovanje

u zemljama srednje i istočne Europe uoči tranzicije u usporedbi s tržišnim gospodarstvima, što je

u skladu s niskom nadničnom premijom koju su ostvarivali obrazovani radnici u tim zemljama. U

Češkoj Republici privatna je stopa povrata za dodatnu godinu obrazovanja 1988. godine iznosila

4% za muškarce i 5,7% za žene, a stope povrata u Estoniji i Sloveniji također su bile niske.

Rutkowski (1996) slične rezultate nalazi i za Poljsku, u kojoj je povrat za dodatnu godinu

obrazovanja 1987. godine iznosio 5%. Ponuda obrazovanih radnika reagirala je na uspostavljeni

sustav poticaja na ekonomski razuman način – obrazovni dosezi stanovništva često su stagnirali,

a zabilježeno je i njihov pad. Flanagan (1998) pokazuje kako je krajem 1980-ih godina 11%

češke radne snage imalo više i visoko obrazovanje, što je bilo tipično za gospodarstva

komunističkih zemalja, ali se nalazilo na razini niže granice, raspona od 10-20%, kakav je bio u

većini naprednih tržišnih gospodarstava. Može se, dakle, zaključiti kako su niske nadnične

11

premije za vrijeme komunističkog režima bile praćene nedovoljnim investiranjem u visoko

obrazovanje.

Motivacija političkih elita za uvođenje i održavanje iskrivljenih struktura nadnica imala je više

izvora. Kao prvo, sama jednakost nadnica bila je njihov važan cilj pa ne čudi činjenica da su

nadnice u zemljama srednje i istočne Europe bile među najegalitarnijima u Europi (Flanagan,

1998). Već sama ta činjenica može objasniti nižu stopu povrata ulaganja u obrazovanje. Nadalje,

kako isti autor napominje, društveni planeri su, u skladu s ideološkim preferencijama, posebno

poticali industrijski sektor, a posebno tešku industriju, što je dovelo do naglašavanja strukovnog

obrazovanja. Kao što Rutkowski (1996) napominje, usluge su smatrane “neproduktivnima” pa je,

primjereno tome, i mentalni rad bio smatran manje vrijednim od fizičkoga. Navedeno stajalište

dovelo je do dodatne pristranosti nadnica u korist fizičkih radnika. Konačno, planeri su preferirali

srednje školstvo, posebice strukovno obrazovanje, pred visokim, također zbog ideoloških razloga,

jer je time povećavan udio proletera u radnoj snazi, koji su smatrani potporom komunističkih

partija. Osim toga, intelektualci su često smatrani potencijalnom prijetnjom sustavu, pa je

ograničavanje broja radnika sa širim znanjima bilo u skladu s takvim shvaćanjem, a ujedno je

olakšavalo i politički nadzor (Flanagan, 1998).

Tranzicija je početkom 1990-ih donijela ukidanje ili barem znatnu redukciju političkog nadzora

strukture nadnica. Orazem i Vodopivec (1997) sve temeljne sile koje utječu na strukturu nadnica

tijekom tranzicije svrstavaju u tri skupine. Prvu skupinu čini ispravljanje distrorzija koje su

postojale na tržištu rada u prethodnom režimu, odnosno mjera kojima se osiguravala egalitarna

raspodjela nadnica. Drugu skupinu čine promjene u finalnoj potražnji dobara i usluga koje su

posredno utjecale na smanjenje potražnje rada u industriji. Posljednja se skupine pomaka

potražnje odnosi na neravnoteže koje nastaju u samoj tranziciji, odnosno na činjenicu da

obrazovanje i poduzetnost, koja se s njim može povezati, u prethodnom sustavu nisu bili traženi,

pa je zbog neelastičnosti koje postoje u ponudi rada u kratkome i srednjem roku i njihova ponuda

niža nego što bi se moglo očekivati s obzirom na uspostavljene poticaje. Zanimljivo je kako sve

te silnice, one koje djeluju u smjeru ispravljanja nametnutih neravnoteža, kao i one koje čine

3 Neki autori smatraju kako je zbog znatnih subvencija za visoko obrazovanje ipak postojala motivacija za školovanje u obliku povrata ulaganja u ljudski kapital (npr. Katz, 1998; Orazem i Vodopivec, 1997). Ipak, ne smije se zaboraviti kako su i u kapitalističkim zemljama države subvencionirale znatan udio investicija u obrazovanje.

12

reakciju na novonastale neravnoteže, guraju strukturu nadnica u istome smjeru, odnosu prema

rastućoj nadničnoj premiji za obrazovanje.

Nakon što je tranzicija počela, nadnice, a prema tome i povrat ulaganja u obrazovanje, doista su

brzo počele odgovarati na tržišne signale. Porast nadničnih premija za obrazovane radnike

približio je relativne nadnice odnosima proizvodnosti pojedinaca i time pridonio efikasnijoj

alokaciji resursa. Rutkowski (1996) tako otkriva da je povrat za dodatnu godinu obrazovanja u

Poljskoj vrlo brzo nakon početka tranzicije dosegao 7,5%, dok Clark (2000) navodi Vecernika,

prema kojemu je ista stopa u Češkoj Republici dosegla 5,3% za muškarce i 6,7% za žene. Te su

vrijednosti bitno više nego u razdoblju prije početka tranzicije te su u skladu sa stopama povrata

koje su zabilježene u razvijenim tržišnim gospodarstvima.

Jedini je izuzetak od navedenog pravila je, čini se, Istočna Njemačka, u kojoj je povrat ulaganja u

obrazovanje smanjen nakon ujedinjenja. Svejnar (1998) upućuje na studije Kruegera i Pischkea

(1995) te Birda, Schwarza i Wagnera (1994) koje za Istočnu Njemačku potvrđuju pad povrata

ulaganja u obrazovanje. Taj se poseban primjer čini posljedicom brzoga prijelaza na tržišno

gospodarstvo, u kojemu se obrazovanje stečeno u komunističkom režimu manje cijeni bez

prethodnoga dugog razdoblja tranzicije.

Točni mehanizmi koji su omogućili konvergenciju struktura nadnica nisu, međutim, potpuno

jasni. Za razliku od tržišta proizvoda, na kojemu su svjetske cijene bile odmah dostupne i bilo ih

je moguće odmah kopirati, na tržištu rada nisu postojali nikakvi jasni putokazi za prilagodbu

strukture nadnica. Flanagan (1995) navodi nekoliko mogućih kanala koji su doveli do prilagodbe

struktura nadnica. Kao prvi kanal nameće se uloga stranih investitora, koji su mogli kopirati

politiku nadnica iz svojih domicilnih zemalja. Nalazi iz rane tranzicije potvrđuju tezu da se

strukture nadnica u poduzećima s većinskim stranim vlasništvom razlikovale od ostatka

gospodarstva (Flanagan, 1995). Suprotno tome, postojali su i mnogi činitelji koji su otežavali i

usporavali prilagodbu, kao što su naslijeđene strukture kolektivnog pregovaranja ili politike plaća

u državnom sektoru, i time podržavali postojeće strukture nadnica. Ipak, nalazi upućuju kako su

strukture nadnica u tranzicijskim zemljama, bez obzira na sve retardirajuće čimbenike, brzo

konvergirale strukturama koje postoje u razvijenim tržišnim zemljama.

13

4. Nadnične premije u Hrvatskoj i politika plaća

U ovom ćemo poglavlju razmotriti dinamiku nadničnih premija u Hrvatskoj te je usporediti s

kretanjima u drugim tranzicijskim zemljama koja su opisana u prethodnom poglavlju. Također,

bit će riječi o mogućim razlozima takve evolucije nadničnih premija, o njihovu utjecaju na

zaposlenost pojedinih kategorija radnika, kao i na odluke pojedinaca o investiranju u ljudski

kapital.

Tijekom tranzicijskog razdoblja prosječne su realne nadnice u Hrvatskoj pokazale izuzetnu

kolebljivost. Kontrakcija prosječne realne plaće u Hrvatskoj tijekom prvih godina tranzicije bila

je najsnažnija među svim tranzicijskim zemljama srednje i istočne Europe pa je do 1993. godine

ona iznosila tek trećinu razine iz 1989. godine. Hrvatska je netipična i po brzom rastu prosječne

plaće koji je uslijedio u 1994. te, posebno, 1995. godini, kada je prosječna plaća rasla po stopi od

oko 40%, pa je do kraja 1990-ih konvergirala prema početnoj razini. Međutim, unatoč brojnim,

već spomenutim silnicama koje su strukturu nadnica u tranzicijskim zemljama gurale u smjeru

rastuće nadnične premije za obrazovanje, kao i iskazane kolebljivosti nadnica u Hrvatskoj, sama

struktura relativnih nadnica u Hrvatskoj pokazala je iznenađujuću stabilnost tijekom gotovo

cijeloga tranzicijskog razdoblja. Manji se porast premije za obrazovanje bilježi tek potkraj 1990-

ih, što dinamiku strukture nadnica u Hrvatskoj čini različitom u odnosu prema ostalim

tranzicijskim zemljama srednje i istočne Europe. Dok je u gotovo svim zemljama došlo do

porasta disperzije nadnica, i to pogotovo u gornjem dijelu raspodjele, odnosno u segmentu

obrazovanih radnika (Rutkovski, 1996), u Hrvatskoj praktično nije došlo do prilagodbe koja bi

bila u skladu s očekivanom reakcijom na tržišne silnice.

Sljedeći graf prikazuje evoluciju strukture nadnica prema stručnoj spremi u Hrvatskoj i Sloveniji.

Hrvatska je uspoređena sa Slovenijom zbog više razloga. Kao prvo, slične naslijeđene

institucionalne strukture, odnosno sličnosti u vrstama i trajanju školovanja, iako ne nužno i u

njihovoj kvaliteti, znače da se nadnične premije prema kvalifikacijama mogu uspoređivati bez

prevelikog straha da će same razlike u organizaciji obrazovanja dovesti do pogrešnih zaključaka.

Nadalje, u Sloveniji je proces privatizacije bio razmjerno spor u usporedbi s drugim tranzicijskim

zemljama, te je stoga utjecaj i utjecaj određivanja nadnica u privatnom sektoru i poduzećima s

14

inozemnim vlasnicima, koji su se u drugim tranzicijskim zemljama pokazali kao čimbenici koji

su poticali porast disperzije nadnica, bio nešto slabiji, što također čini sličnost s Hrvatskom.

Konačno, stručne se rasprave o ekonomskoj politici često pozivaju na Sloveniju kao primjer

zemlje koja je usvojila gradualistički pristup tranziciji, dok se za Hrvatsku obično smatra kako je

pokušala provesti relativno brzu transformaciju, uz primjenu liberalnih ekonomskih politika. U

skladu s tom tezom, ako je ona doista ispravna, mogla bi se očekivati brža prilagodba tržišnoj

strukturi nadnica u Hrvatskoj.

Slika 3. Evolucija strukture nadnica prema kvalifikacijama u Hrvatskoj i Sloveniji (SSS=100)

-60%

-40%

-20%

0%

20%

40%

60%

80%

1988

1991

1993

1995

1997

1999

2001 VSS, VŠS

- HR

SSS -HR, SLO

VKV, KV -HR

NSS,PKV, NKV- HRVSS, VŠS- SLO

VKV, KV -SLO

NSS,PKV, NKV- SLO

Izvor: Statistički ljetopis Republike Hrvatske, razna godišta; Orazem i Vodopivec (1997)

Napomena: Tijekom 1989 - 1995. godine nije publicirana struktura zaposlenosti u pravnim osobama

prema kvalifikacijama pa je za te godine korištena interpolacija.

Promotre li se strukture nadnica u te dvije zemlje, zapravo je vidljivo kako u Hrvatskoj tijekom

1990-ih gotovo nije bilo nikakvih promjena, dok su u Sloveniji promjene strukture bile razmjerno

brze, po smjeru i snazi usklađene s promjenama koje su se zbivale i u drugim tranzicijskim

zemljama. Dok je u Hrvatskoj nadnična premija za obrazovanje tijekom većine razdoblja

tranzicije bila razmjerno stabilna, uz porast krajem razdoblja, u Sloveniji je vidljiva jasna

tendencija rasta premije već u prvoj polovici 1990-ih. Također se može primijetiti kako je

15

disperzija nadnica već na početku tranzicije u Sloveniji bila nešto veća, odnosno bliže

pretpostavljenoj tržišnoj ravnoteži. Nešto niža inicijalna razlika u razinama nadničnih premija

između srednje te visoke i više stručne spreme može se objasniti razlikama u strukturi posljednje

kategorije - dok je u Sloveniji broj zaposlenih s visokom spremom bio približno jednak broju

zaposlenih s višom, u Hrvatskoj je broj zaposlenih s visokom spremom prosječno bio gotovo za

polovicu veći od broja zaposlenih s višom spremom. Isključi li se utjecaj kompozicije kategorije

zaposlenih s visokom i višom spremom, nadnična premija za zaposlene iz te kategorije u

Hrvatskoj i Sloveniji prema zaposlenima sa srednjom spremom bila je otprilike podjednaka.

Dok je agregatna promjena zaposlenosti u Hrvatskoj bila razmjerno spora i bitno manjega

intenziteta od promjena kroz koje je prošla prosječna nadnica, isto se ne može tvrditi i za

promjene koje su se dogodile u strukturi zaposlenosti. Činjenica da su se mogućnosti

zapošljavanja slabije obrazovanih radnika, kao i radnika sa strukovnim obrazovanjem, znatno

smanjile odražava ekonomsku zakonitost – ako se prilagodba na tržištu rada nije mogla obaviti

promjenom relativnih cijena, odnosno relativnih nadnica za različite kategorije radnika, do nje je

došlo prilagodbom količina, odnosno relativne zaposlenosti. Udio zaposlenih s NSS-om PKV-om

i NKV-om u Hrvatskoj se između 1988. i 2001. godine gotovo prepolovio, a isto se dogodilo i sa

zaposlenima s VKV-om i KV-om. Smanjenje udjela tih kategorija zaposlenih nadoknađeno je

porastom udjela zaposlenih s VSS-om i VŠS-om, kao i s općim srednjim obrazovanjem.

Slika 4. Evolucija strukture zaposlenosti prema stručnoj spremi

10%

15%

20%

25%

30%

35%

40%

1988. 1996. 1997. 1998. 1999. 2000. 2001.

VSSVŠ

SS

VKV,KV

NSSPKVNK

Izvor: Statistički ljetopis Republike Hrvatske, razna godišta

16

Stagnacija premije za obrazovanje u Hrvatskoj tijekom 1990-ih očito odudara od raspoloživih

pokazatelja njezina kretanja u ostalim zemljama srednje i istočne Europe. Tu je stagnaciju

moguće objasniti na nekoliko načina. Kao prvo, moguće je da poslodavci zbog ograničenih

organizacijskih sposobnosti, nedostatka kapitala ili nekog drugog razloga nisu bili u stanju

iskoristiti sav ljudski kapital koji imaju na raspolaganju, pa stoga plaćaju niže premije za

obrazovanje u usporedbi s drugim tranzicijskim zemljama. Usto, postoji mogućnost da se u

Hrvatskoj zbila ista pojava kao i u Istočnoj Njemačkoj. Primjer te zemlje pokazuje kako

obrazovanje u tranzicijskim zemljama nije jednako kvalitetno kao obrazovanje u razvijenim

tržišnim gospodarstvima, pa je stoga moguće da ni poslodavci u Hrvatskoj ne žele plaćati premiju

za obrazovanje stečeno u prethodnom režimu ili čak i za obrazovanje stečeno tijekom tranzicije.

Budući da je zabilježena intenzivna prilagodba zaposlenosti osoba s nižom razinom ljudskog

kapitala, dok se zaposlenost obrazovanijih osoba promijenila samo marginalno, čini se kako

poslodavci imaju izrazite preferencije za osobe s boljim obrazovanjem. Ipak, bez detaljnijih

informacija nije moguće zaključiti jesu li kvalifikacije zaposlenika adekvatne njihovim

zaposlenjima, postoji li fenomen “preškolovanosti” zaposlenika, što smanjuje stopu povrata na

obrazovanje ili možda zaposlenici obavljaju poslove za koje nisu potrebne visoke kvalifikacije,

koje zapravo možda i nemaju u istoj mjeri kao iste kategorije radnika u naprednim tržišnim

gospodarstvima. Konačno, čimbenik koji se i u drugim zemljama pokazao bitnim za kretanje

premije za obrazovanje jesu politike državnih plaća u javnoj upravi i državnim poduzećima, kao i

platne strukture uglavljene kolektivnim pregovorima. Dakle, moguće je da platne strukture u

javnoj upravi i državnim poduzećima, uz naslijeđenu stabilnost platnih struktura u kolektivnim

pregovorima u kombinaciji sa sporom privatizacijom i sve raširenijim kolektivnim

pregovaranjem, objašnjavaju stagnaciju premije za obrazovanje. Kako bi se ta teza dokazala ili

opovrgla, valjalo bi detaljnije istražiti premije za obrazovanje na razini pojedinih sektora te je

povezati sa strukturom vlasništva, razinom sindikaliziranosti i prevladavajućim oblikom

pregovaranja. Upravo su se ti retardacijski čimbenici pokazali ključnima u drugim tranzicijskim

zemljama pa se stoga može pretpostaviti kako su bitni i u Hrvatskoj.

Jedan od pokazatelja koji može dati naznaku o smjeru djelovanja državne politike plaća

predstavljaju koeficijenti koji se primjenjuju kod određivanja temeljnih plaća. U tabeli 1

prikazani su koeficijenti iz općeg kolektivnog ugovora, koji se primjenjuju u Sloveniji, odnosno

17

koeficijenti za obračun obveznih doprinosa u Hrvatskoj, budući da opći kolektivni ugovori u

Hrvatskoj ne propisuju omjere temeljnih plaća. Iako koeficijenti za obračun obveznih doprinosa u

Hrvatskoj nisu obvezujuće naravi, ipak se može pretpostaviti da djeluju kao smjernice pri

određivanju najnižih plaća za pojedinu kvalifikacijsku skupinu. Može se primijetiti kako su

nadnične premije za srednju stručnu spremu tako definirane najniže nadnice u Hrvatskoj i

Sloveniji otprilike jednake. Međutim, najniža nadnična premija za fakultetsko obrazovanje u

Sloveniji je bitno viša. Naravno, na umu valja imati kako su navedeni pokazatelji samo

indikativne naravi. Stoga će se u narednome poglavlju detaljnije razmotriti politika plaća na

temelju funkcije zarada.

Tablica 1 Koeficijenti općeg kolektivnog ugovora (Slovenija) i osnovice za obračun doprinosa (Hrvatska)

koeficijenti Slovenija

(1997)

koeficijenti Hrvatska (2000)

Nekvalificirani (NKV) 1.00 1.00 Priučeni (PKV) i niža stručna naobrazba (NSS)

1.10 1.20

Kvalificirani (KV) 1.23 1.40 Srednja stručna naobrazba (SSS) 1.37 1.60 Visokokvalificirani (VKV) 1.55 1.85 Viša stručna naobrazba (VŠS) 1.85 2.10 Visoka stručna naobrazba (VSS) 2.10 2.20 Visoka stručna naobrazba - magistar 2.50 2.60 Visoka stručna naobrazba - dr. 3.00 2.80 Premija SSS/(PKV i NSS) 125% 133% Premija VSS/SSS 153% 138%

Izvor: Haltiwanger i Vodopivec, 2003; Narodne novine br. 77/2000. (Odluka o osnovicama, stopama načinu obračuna i plaćanja sredstava za ostvarivanje prava iz obveznog zdravstvenog osiguranja)

18

5. Povrat ulaganja u ljudski kapital u Hrvatskoj

O ovome će se poglavlju detaljnije istražiti pitanja koja je nametnula opisana dinamika strukture

nadnica u Hrvatskoj tijekom proteklog desetljeća. Konkretno, pokušat će se ocijeniti stope

povrata ulaganja u ljudski kapital, kao i povrat na iskustvo, te će se na temelju ocijenjenih

vrijednosti tih pokazatelja pokušati donijeti potpuniji sud o poticajima ulaganju u ljudski kapital

koji daju nadnice. Pri tome će se koristiti Anketa o radnoj snazi, koja je najopsežnije istraživanje

o obilježjima tržišta rada koje se provodi na uzorku kućanstava u Hrvatskoj.

Provođenje Ankete o radnoj snazi započelo je 1996. godine, a redovite polugodišnje ankete,

kakve se i danas provode, su započele početkom 1998. godine. To, na žalost, znači da se Anketa

neće moći iskoristiti u komparativne svrhe u odnosu na razdoblje prije otpočinjanja tranzicije.

Biti će, međutim, moguće pratiti dinamiku povrata ulaganja u obrazovanje od sredine 1990-ih.

Stoga će se stopa povrata ulaganja u ljudski kapital u Hrvatskoj izračunati na temelju anketa

provedenih u studenome 1996. i 1. polugodištu 2002. godine, koja je jedna od posljednjih

raspoloživih.. U studenome 1996. godine u anketi je sudjelovalo 7.451 kućanstvo u kojima je

anketirano 19.547 osoba, dok se anketa za prvo polugodište 2002. godine sastoji od 8.095

kućanstava te su ukupno anketirane 22.592 osobe koje su prihvatile sudjelovanje. Sam uzorak za

anketu dvoetapni je stratificirani slučajni uzorak, a stratifikacija je učinjena po županijama.

Primarne jedinice uzorka su segmenti koji se sastoje od jednog ili više popisnih krugova

formiranih za potrebe Popisa stanovništva, a iz tih su segmenata izabrane konačne (sekundarne

jedinice), nastanjeni stanovi (DZS, 2003).

Iz skupine osoba koje udovoljavaju međunarodnim kriterijima zaposlenosti, odnosno provele su

barem jedan sad u referentnom tjednu radeći na poslu na kojemu stječu sredstva za život,

izdvojene su osobe koje ne rade puno radno vrijeme (prema Anketi definirano između 36 i 42

sata) te osobe koje nisu odgovorile na neko od pitanja nužnih za ovo istraživanje. Na kraju je

uzorak za 1996. godinu sadržavao 3.191 opažanje, odnosno osobu, dok je uzorak za 2002. godinu

sadržavao 5.619 osoba. Varijable za regresije utemeljene na mincerijanskoj funkciji zarada (o

mincerijanskoj funkciji zarada vidjeti npr. Rutkowski, 1996; De la Fuente i Ciccone, 2002;

19

Heckman, Lochner i Todd, 2001) kojima se opisuje struktura nadnica izvučene su iz odgovora na

anketna pitanja te su opisane u narednoj tabeli:

Tablica 2 Opis korištenih varijabli

Varijabla Opis LN_NADNICA Logaritam uobičajene neto mjesečna plaća na glavnom poslu. GODINE_SK Ukupan broj godina školovanja (bez ponavljanih razreda i godina studija). ISKUSTVO Ukupan broj godina rada, odnosno bavljenja samostalnom djelatnošću. STAZ Razdoblje zaposlenja kod sadašnjeg poslodavca. BRACNO_STANJE

Binarna varijabla (oženjen ili udana / ostalo)

SPOL Binarna varijabla (muško / žensko) SEKTORD Zaposlenje u državnom poduzeću, ustanovi, organizaciji ili u poduzeću koje

je u procesu pretvorbe SEKTORP Vlasnik/suvlasnik poduzeća, obrta, poljoprivrednik ili zaposlen u slobodnoj

profesiji, zaposlen kod poslodavca u privatnom sektoru, obiteljskom gospodarstvu, poduzeće ili obrtu ili u nekoj od ostalih aktivnosti

S1-S11 Binarne varijable, dostignuti stupanj stručne spreme (bez škole ili 1-3 razreda osnovne škole / 4-7 razreda osnovne škole / osnovna škola / 1,2 godišnja stručna škola (skraćeni program) / 3-godišnja stručna škola / 4-godišnja stručna škola / gimnazija / viša škola, prvi stupanj fakulteta / fakultetu, akademija, visoka škola / magisterij / doktorat

Temeljni nalazi regresijskih jednadžbi potvrđuju kako je između 1996. i 2002. godine doista

porastao povrat ulaganja u obrazovanje i to gotovo za polovicu. Dok je 1996. godine stopa

povrata za dodatnu godinu obrazovanja iznosila otprilike 7,6%, u 2002. godini je porasla na

10,5%. To znači da je stopa povrata ulaganja u obrazovanje u Hrvatskoj bila nešto viša od

prosjeka zemalja članica EU te nešto viša nego u drugim zemljama srednje i istočne Europe.

Međutim, disperzija nadnica u Sloveniji već je sredinom 1990-ih godina bila na nešto višoj

razini, iako na umu valja imati kako je stopa povrata obično nešto viša u zemljama s oskudnom

ponudom ljudskog kapitala.

Kao drugo, zanimljivo je uočiti porast koeficijenta determinacije, koji u regresijskoj jednadžbi za

2002. godinu iznosi 0,36. To može značiti da se u 2002. godini smanjila neobjašnjenu disprerzija

nadnica te su one u većoj mjeri bile usklađene s varijablama kojima se pokušala opisati struktura

nadnica, ali isto tako može značiti i pouzdanije podatke kao rezultat uhodavanja Ankete. Pri tome

valja na umu imati kako na zarade utječu i mnogi drugi čimbenici, koje nije bilo moguće zahvatiti

20

i koji su i inače teško mjerljivi4, pa se u regresijskim jednadžbama navedeni koeficijent

determinacije obično smatra zadovoljavajućim.

Konačno, regresijske jednadžbe pokazuju kako je utjecaj iskustva i staža na nadnice slab uz nisku

razinu signifikantnosti. Kao što je već navedeno, loši ekonometrijski pokazatelji u ovome slučaju

mogu biti posljedica i loših podataka, budući da je riječ o pokazatelju čija kvaliteta ovisi o

sjećanju ispitanika.

Tablica 3 Rezultati temeljnih regresijskih jednadžbi

1996 2002 Varijabla Koeficijen

t t-statistika Koeficijent t-statistika

KONSTANTA 6.468** 185.5 6.592** 245.3 GODINE_SK 0.073** 32.4 0.100** 52.1 ISKUSTVO 0.016** 5.1 0.0** 8.2 ISKUSTVO^2 (/100) -2.870** -3.3 -3.120** -5.6 STAZ 0.001 0.3 0.013** 6.6 STAZ^2 (/100) -0.988 -1.1 -3.490** -5.8 BRACNO_STANJE 0.030* 1.9 0.009 0.7 SPOL -0.127** -9.593055 -0.139** -14.2 R2 0.277 0.364 Korigirani R2 0.275 0.363 Broj opservacija 3.191 5.619

** signifikantno na razini od 1%, * signifikantno na razini od 5%

Uloga državnoga sektora u evoluciji povrata ulaganja u obrazovanje još je jedno od zanimljivih

pitanja. U tabeli su prezentirani rezultati detaljnih regresija za privatni i državni sektor. Stopa

povrata ulaganja bila je niža u državnome sektoru u obje promatrane godine, ali je zamjetan

njezin brži porast tako da je jaz između stopa povrata u privatnom i javnom sektoru smanjen na

manje od jednog postotnog boda u 2002. godini.

4 Regresijske jednadžbe ne sadržavaju regionalne binarne varijable, kao ni binarne varijable za djelatnosti, kojima se obično poboljšava koeficijent determinacije.

21

Tablica 4 Rezultati proširenih regresijskih jednadžbi

1996 2002 Koeficijen

t t-statistika Koeficijen

t t-statistika

KONSTANTA-D 6.582** 148.3 6.835** 156.3 GODINE_SK-D 0.068** 25.8 0.090** 34.1 ISKUSTVO-D 0.010* 2.2 0.012** 3.2 ISKUSTVO^2-D (/100) -1.300 -1.1 -1.290 -1.4 STAZ-D -0.004 -1.1 0.008* 2.3 STAZ^2-D (/100) 1.550 1.3 -2.070* -2.1 BRACNO_STANJE-D 0.052** 2.8 0.021 1.2 SPOL-D -0.116** -7.4 -0.123** -8.7 KONSTANTA-P 6.408** 100.8 6.612** 178.3 GODINE_SK-P 0.079** 17.1 0.097** 34.0 ISKUSTVO-P 0.020** 4.1 0.019** 7.4 ISKUSTVO^2-P (/100) -3.410** -2.6 -3.580** -5.3 STAZ-P 0.002** 0.4 0.007** 2.7 STAZ^2-P (/100) -3.310* -2.3 -2.710** -3.6 BRACNO_STANJE-P -0.005 -0.2 0.012 0.8 SPOL-P -0.139** -5.8 -0.158** -11.9 R2 0.292 0.392 Korigirani R2 0.288 0.391 Broj opservacija 3.191 5.619

** signifikantno na razini od 1%, * signifikantno na razini od 5%

Konačno, kako bi se testirala ispravnost nalaza o povratu ulaganja u obrazovanje utemeljenih na

anketnim podacima, valja usporediti strukturu nadnica iz anketnih izvora sa strukturom nadnica

iz administrativnih izvora. Struktura nadnica prema anketama bila je približno slična strukturi

koju bilježe administrativni izvori, ali prosječna nadnica bila za desetak posto niža u 2002.

godini, odnosno za oko 7 posto u 1996. godini. Konstantno niža razina prosječne plaće prema

anketnim izvorima vjerojatno bi se mogla pridati činjenici da su anketni izvori nešto obuhvatniji,

odnosno da često zahvaćaju i osobe koje ne uspijevaju pronaći posao u formalnom sektoru, pa se

zadovoljavaju nešto nižim nadnicama u neformalnom sektoru za vrijeme traženja.

22

Slika 5 Struktura nadnica prema kvalifikacijama, administrativni podaci i ARS, u kunama

0

1000

2000

3000

4000

5000

6000

7000pr

osje

k

VSS

VŠS

SSS

NSS

VKV KV PKV

NKV

administrativni podaci 2001ARS 2002administrativni podaci 1996ARS 1996

6. Ulaganje u ljudski kapital u Hrvatskoj

U Hrvatskoj je tijekom 1990-ih broj studenata porastao za oko 35 posto (OECD, 2001c), što je s

prouzročeno suženim mogućnostima zapošljavanja osoba sa srednjom školom, ali vjerojatno i

porastom stope povrata ulaganja u obrazovanje koji je dokumentiran u prethodnom poglavlju.

Međutim, promotri li se broj upisanih studenata, Hrvatska još uvijek zaostaje za visokorazvijenim

zemljama. Budući da u Hrvatskoj tek oko dvije trećine upisanih studenata doista završi fakultete,

zaostajanje za razvijenim zemljama još se i povećava. S otprilike jednom petinom mladih osoba

koje završavaju više i visoko obrazovanje, Hrvatska se nalazi na začelju razvijenih zemalja,

zajedno s Češkom i Italijom. S obzirom na takve pokazatelje obrazovanja, u doglednoj se

budućnosti ne može očekivati postizanje razine ljudskog kapitala kakva postoji u razvijenim

zemljama.

23

Slika 6. Udio diplomiranih studenata u populaciji adekvatne dobi (%)

0

10

20

30

40

50

60

70

Češ

ka

Dan

ska

Fins

ka

Fran

cusk

a

Nje

mač

ka

Isla

nd

Irska

Italij

a

Japa

n

Šved

ska

SAD

Pros

jek

Hrv

atsk

a

Izvor: OECD (2001a) i autorov izračun

Naravno, kao što je već napomenuto, na umu valja imati činjenicu da sama obrazovna struktura

stanovništva, odnosno broj osoba koje pohađaju i završavaju određene obrazovne programe ne

daje sasvim ispravnu sliku o stanju ljudskog kapitala, već u obzir valja uzeti i ostale elemente koji

utječu na njezinu razinu, poput kvalitete obrazovnih programa. Iako ne postoje objektivni

pokazatelji kvalitete obrazovanja u Hrvatskoj, čini se kako je obrazovanje u tranzicijskim

zemljama uglavnom slabije kvalitete nego u razvijenim tržišnim gospodarstvima. Poboljšanje

kvalitete obrazovnog sustava (o čemu se više govori u ostalim dijelovima studije) stoga je logična

mjera za povećanje razine ljudskog kapitala. Konačno, sustav cjeloživotnog učenja, koji također

znatno utječe na razinu ljudskog kapitala, u Hrvatskoj je još uvijek u začecima.

U Hrvatskoj se, dakle, problem postizanja obrazovne razine razvijenih zemalja može promatrati

na tri razine. Problem je razmjerno malen broj osoba koje se upisuju na fakultet, uz istodobno

neuobičajeno visok broj studenata koji prekidaju studij, a onima koji ga uspiju završiti, za to u

prosjeku treba dosta vremena. Također valja reći to da ne postoje objektivni pokazatelji kvalitete

studija u Hrvatskoj, koja je, kao što je navedeno, bitna odrednica razine ljudskog kapitala. Uz sve

navedeno, zbog brzog zastarijevanja znanja i vještina u razvijenim se zemljama sve veći naglasak

stavlja na politike cjeloživotnog učenja. Prema raspoloživim se pokazateljima može zaključiti

kako je u Hrvatskoj sustav cjeloživotnog obrazovanja još uvijek u začecima te umnogome ovisi o

inicijativi pojedinaca. Dok u dobi do 24 godine zaostatak u broju osoba koje se obrazuju u

24

odnosu prema zemljama članicama EU-a nije značajan, već u dobi od 25 do 34 godine udio

stanovništva na školovanju tri je puta manji nego u EU. Nerazvijenost sustava cjeloživotnog

obrazovanja najvidljivija je među stanovništvom starijim od 34 godine. Tako je vjerojatnost

nekog oblika obrazovanja u Hrvatskoj tek neznatno veća od nule za tu populaciju, dok u

zemljama članicama EU-a gotovo 7 posto stanovništva pohađa obrazovne programe u

referentnom razdoblju.

Slika 7. Stanovništvo koje se obrazuje (prema dobi, 2001. godina)

0

10

20

30

40

50

60

70

80

HR

EU-1

5 B

DK D EL E F I L

NL A P

FIN S

UK

% 15-24 25-34 35-59

Izvor: DZS (2003)

Jedan od uzroka takvoga stanja jest i zanemarivo ulaganje javnih fondova u podupiranje

cjeloživotnog učenja. Dok se u razvijenim zemljama OECD-a većina potrošnje za mjere aktivne

politike na tržištu rada odnosi upravo na obrazovanje i obučavanje, u Hrvatskoj se tek u

pojedinim godinama za cjeloživotno obrazovanje izdvoji nešto sredstava namijenjenih mjerama

aktivne politike na tržištu rada. Nedavno uvedene porezne olakšice mogle bi poboljšati stanje, ali

valja imati na umu kako nijedna zemlja EU-a cjeloživotno obrazovanje ne prepušta potpuno

privatnoj inicijativi.

25

7. Zaključak

Kako bi se potaknula konvergencija razine ljudskog kapitala u Hrvatskoj prema razini ljudskog

kapitala u razvijenim zemljama, potrebno je djelovati na sve tri opisane razine. Kao prvo, država

bi u budućnosti pri određivanju politike nadnica u javnim službama i državnim poduzećima

mogla više brige povesti o usklađivanju nadnične premije za obrazovane radnike s

prevladavajućom praksom u privatnom sektoru. Takva je politika, čini se, u Hrvatskoj uzela

maha tek krajem 1990-ih godina kada je potaknula konvergenciju strukture nadnica prema

strukturi koja se uspostavila u drugim tranzicijskim zemljama i uspostavljanje tržišnih poticaja za

investiranje u obrazovanje. Dugo prosječno razdoblje studiranja i često prekidanje studija rezultat

su kombinacije različitih čimbenika pa se stoga i ne može jednostavno rješavati. Izbor dugoga

studija umjesto tržišta rada povezan je i s rigidnim tržištem rada i teškoćama u pronalaženju posla

za mlade radnike pa će tako započet proces fleksibilizacije zasigurno pridonijeti skraćenju

njegova prosječnog razdoblja. Glede politike sveučilišta, porast školarina koji je u posljednje

vrijeme uveden u Hrvatskoj uklapa se u tendencije kakve posljednjih dvadesetak godina postoje i

u zemljama EU-a. Povećanje školarina moglo bi pridonijeti kraćem prosječnom razdoblju

studiranja, ali i većoj pravednosti, jer na taj način porezni obveznici, među kojima je mnogo

osoba s nižim dohocima, ne snose troškove školovanje osoba čiji će dohoci u budućnosti biti viši

od prosjeka. Također, takvim bi se postroženjem kriterija iz javnih rashoda za visoko obrazovanje

mogli isključiti kvazisocijalni rashodi subvencioniranja troškova školovanja dugotrajnih i

neuspješnih studenata, među kojima posljednja kategorija čini čak trećinu. Međutim, jasno je

kako bi rast izravnih troškova školovanja mogao smanjiti poticaje za ulaganje u obrazovanje.

Tako podatak da oko polovice prihoda sveučilišta potječe od školarina znači da su hrvatskim

studentima već nametnuti znatni troškovi studiranja (OECD, 2001c). Istodobno, kako se upis za

osobne potrebe obavlja na samome početku studija, nije sigurno da su najbolji studenti doista

oslobođeni plaćanja školarine pa stoga niti školarine nemaju motivacijski element koji bi u njih

mogao biti ugrađen. Usto, kao poseban ograničavajući čimbenik moglabi se nametnuti

nemogućnost pozajmljivanja sredstava za potrebe ulaganja u obrazovanje zbog nerazvijenosti

financijskih tržišta u Hrvatskoj. Ti problemi, iako možda u manjem opsegu, postoje i u europskim

zemljama, pa su stoga one politiku povećanja školarina uglavnom pratile uvođenjem sustava

kreditiranja studenata iz javnih fondova. Ako se kreditni uvjeti povežu s uspješnosti studiranja,

26

oni dodatno pridonose efikasnosti cijelog sustava, što je u Hrvatskoj već predlagano, ali za sada

neuspješno. Konačno, umjesto dosadašnje politike subvencioniranja nadnica nezaposlenih osoba,

dio tih sredstava trebao bi se preusmjeriti u mjere kojima će se poboljšati njihova znanja i

vještine.

LITERATURA

Ashenfelter, O., Harmon, C. and Oosterbeek, H., 1999. «Empirical estimation of the

school/earnings relationship - a review». Labour Economics, 6 (4), 453-470. Bajo, A., 2003. Financiranje visokog školstva i znanosti. Zagreb: Institut za javne financije. Barro, R. J. and Lee, J. W., 1997. «Schooling Quality in a Cross-Section of Countries». NBER

Working Paper, No. 6198. Barro, R., 1991. “Economic Growth in a Cross Section of Countries”. Quarterly Journal of

Economics, 106 (2), 407-443. Barth E. and M. Røed, 2001. “Do we need all that higher education? Evidence from 15

European countries” in Public funding and private returns to education [online]. Available from: [http://www.etla.fi/PURE/Loppuraportti.htm].

Bird, E., Schwarze J. and Wagner G., 1994. “Wage Effects of the Move Toward Free Markets in East Germany.” Industrial and Labor Relations Review, 47 (3), 390-400.

Blöndal, S., Field, S. and Girouard, N., 2002. “Investment in Human Capital Through Post-Compulsory Education and Training: Selected Efficiency and Equity Aspects”. OECD Economics Department Working Paper, No. 333. Paris: OECD.

Card, D., 1999. “The Causal Effect of Education on Earnings” in O. Ashenfelter and D. Card, eds. Handbook of Labor Economics. Amsterdam: North Holland, 1801-1863.

Chase, R. S., 1997. “Markets for Communist Human Capital: Returns to Education and Experience in the Czech Republic and Slovakia”. Economic Growth Center, Yale University, Center Discussion Paper, No. 770.

Clark, A., 2000. “The Returns and Implications of Human Capital Investment in a Transition Economy: An Empirical Analysis for Russia, 1994-98”. CERT Discussion Paper, No. 2000/02.

De la Fuente, A. and Ciccone, A., 2002. “Human capital in a global and knowledge-based economy” [online]. Available from: [http://pareto.uab.es/wp/2003/56203.pdf].

Denny, K. J., Harmon, C. P. and Lydon, R., 2001. Cross Country Evidence on the Returns to Education: Patterns and Explanations. Warwick: University of Warwick.

Dornbusch, R., Gentilini, F. and Giavazzi, F., 2000. Italian Labor Force Participation; Disguised Unemployment on Campus [preliminary version online]. Available from: [http://www.mit.edu/~rudi/media/PDFs/ItalianLaborForce.pdf].

DZS, 2003. Rezultati ankete o radnoj snazi, Hrvatska 2002. - Europa 2002. Statističko izvješće br. 1211. Zagreb: Državni zavod za statistiku.

European Union, 2000. Presidency conclusions. Lisbon European Council.

27

European Union, 2003. Council Decision on guidelines for the employment policies of the Member States.

Flanagan, R. J., 1995. “Wage Structures in the Transition of the Czech Economy”. IMF Working Paper, WP/95/36. Washington: International Monetary Fund.

Flanagan, R. J., 1998. “Were Communists Good Human Capitalist? The Case of the Czech Republic”. Labour Economics, 5 (4), 295-312.

Harmon, C., Oosterbeek, H. and Walker, I., 2000. The Returns to Education: A Review of Evidence, Issues and Deficiencies in the Literature. London: Centre for the Economics of Education : London School of Economics and Political Science.

Haltiwanger, J. C. and Vodopivec M., 2003. “Worker flows, job flows and firm wage policies: An analysis of Slovenia”. The Economics of Transition, 11 (2), 253-290.

Harmon, C., Walker, I. and Westergaard-Nielsen, N., 2001. “Returns to education in Europe” in Public funding and private returns to education [online]. Available from: [http://www.etla.fi/PURE/Loppuraportti.htm].

Heckman, J., Lochner, L. and Todd, P. E., 2001. “Fifty Years of Mincer Earnings Regressions”. NBER Working Paper No. 9732.

EIZG, 2002. Human Development Report Croatia. Zagreb: Ekonomski institut. Keane, M. P. and Prasad, E. S., 2002. “Changes in the Structure of Earnings During the Polish

Transition”. IMF Working Paper, WP/02/135. Krueger, A. B. and Pischke, J. S., 1995. “A Comparative Analysis of East and West German

Labor Markets: Before and After Unification” in R. B. Freeman and F. Katz, eds. Differences and Changes in Wage Structures. Chicago: The University of Chicago Press.

OECD, 1996. ‘The Jobs Strategy: Pushing Ahead with the Strategy” [online]. Paris: OECD. Available from: [http://www1.oecd.org/sge/min/pdf1996.htm].

OECD, 2001a. Education at a Glance: OECD Indicators 2001 Edition. Paris: OECD. OECD, 2001b. The Well-Being of Nations: The Role of Human and Social Capital. Paris:

OECD, Centre for Educational Research and Innovation. OECD, 2001c. Thematic Review of National Policies for Education: Croatia. Paris: Centre for

Co-operation With Non-members, Directoriate for Education, Labour and Social Affairs, Education Committee. CCNM/DEELSA/ED(2001)5.

Orazem, P. F. and Vodopivec, M., 1995. «Winners and Losers in Transition: Returns to Education, Experience, and Gender in Slovenia.» World Bank Economic Review, 9 (2), 201-230.

Psacharopoulos, G., 1994. “Returns to investment in education: a global update”. World Development, 22 (9), 1325-1343.

Rutkowski, J., 1996. “High Skills Pay-off: The Changing Wage Structure during Economic Transition in Poland”. Economics of Transition, 4 (1), 89-112.

Statistički ljetopis Republike Hrvatske, razna godišta. Zagreb: Državni zavod za statistiku. Svejnar, J., 1998. “Labor Markets in the Transitional Central and East European Economies” in

O. Ashenfelter and D. Card, eds. Handbook of Labor Economics. Amsterdam: North Holland, 2809-2857.

Temple, J., 2000. “Growth Effects of Education and Social Capital in OECD Countries”. OECD Economics Department Working Paper, No. 263. Paris: OECD.

28

Dodatak 1 Regresijski rezultati

ARS 1996 Zavisna varijabla: LN_NADNICA Broj observacija: 3191

LN_NADNICA=C(1)+C(2)*GODINE_SK+C(3)*ISKUSTVO+C(4)*ISKUSTVO^2+C(5)*STAZ+C(6)*STAZ^2+C(7)*BRACNO_STANJE+C(8)*SPOL

Koeficijent Standardna greška

t-statistika p-vrijednost

KONSTANTA 6.468264 0.034871 185.4918 0.0000 GODINE_SK 0.073335 0.002264 32.38547 0.0000 ISKUSTVO 0.016428 0.003214 5.110778 0.0000 ISKUSTVO^2 -0.000287 8.72E-05 -3.290161 0.0010 STAZ 0.000779 0.002806 0.277511 0.7814 STAZ^2 -9.88E-05 8.94E-05 -1.105367 0.2691 BRACNO_STANJE 0.030230 0.015945 1.895931 0.0581 SPOL -0.127204 0.013260 -9.593055 0.0000 R-squared 0.277060 Mean dependent var 7.450296 Adjusted R-squared 0.275470 S.D. dependent var 0.431549 S.E. of regression 0.367332 Akaike info criterion 0.837402 Sum squared resid 429.4907 Schwarz criterion 0.852615 Log likelihood -1328.074 Durbin-Watson stat 1.946001

LN_NADNICA=C(1)*SEKTORD+C(2)*GODINE_SK*SEKTORD+C(3)*ISKUSTVO*SEKTORD+C(4)*ISKUSTVO^2*SEKTORD+C(5)*STAZ*SEKTORD+C(6)*STAZ^2*SEKTORD+C(7)*BRACNO_STANJE*SEKTORD+C(8)*SPOL*SEKTORD+C(9)*SEKTORP+C(10)*GODINE_SK*SEKTORP+C(11)*ISKUSTVO*SEKTORP+C(12)*ISKUSTVO^2*SEKTORP+C(13)*STAZ*SEKTORP+C(14)*STAZ^2*SEKTORP+C(15)*BRACNO_STANJE*SEKTORP+C(16)*SPOL*SEKTORP

Koeficijent Standardna greška

t-statistika p-vrijednost

KONSTANTA-D 6.581955 0.044381 148.3064 0.0000 GODINE_SK-D 0.067735 0.002621 25.84472 0.0000 ISKUSTVO-D 0.009683 0.004352 2.225041 0.0261 ISKUSTVO^2-D -0.000130 0.000116 -1.118878 0.2633 STAZ-D -0.004435 0.003875 -1.144469 0.2525 STAZ^2-D 0.000155 0.000120 1.290977 0.1968 BRACNO_STANJE-D 0.052420 0.018822 2.785028 0.0054 SPOL-D -0.116154 0.015735 -7.382121 0.0000 KONSTANTA-P 6.408362 0.063596 100.7674 0.0000 GODINE_SK-P 0.079150 0.004633 17.08310 0.0000 ISKUSTVO-P 0.019744 0.004811 4.103574 0.0000 ISKUSTVO^2-P -0.000341 0.000133 -2.573433 0.0101 STAZ-P 0.001674 0.004258 0.393205 0.6942 STAZ^2-P -0.000315 0.000135 -2.336728 0.0195 BRACNO_STANJE-P -0.005233 0.029187 -0.179283 0.8577 SPOL-P -0.139279 0.023969 -5.810724 0.0000 R-squared 0.292692 Mean dependent var 7.450296 Adjusted R-squared 0.289350 S.D. dependent var 0.431549 S.E. of regression 0.363796 Akaike info criterion 0.820556 Sum squared resid 420.2041 Schwarz criterion 0.850982 Log likelihood -1293.197 Durbin-Watson stat 1.968022

29

ARS 2002 Zavisna varijabla: LN_NADNICA Broj observacija: 5619

LN_NADNICA=C(1)+C(2)*GODINE_SK+C(3)*ISKUSTVO+C(4)*ISKUSTVO^2+C(5)*STAZ+C(6)*STAZ^2+C(7)*BRACNO_STANJE+C(8)*SPOL

Koeficijent Standardna greška

t-statistika p-vrijednost

KONSTANTA 6.592159 0.026866 245.3729 0.0000 GODINE_SK 0.100015 0.001918 52.13983 0.0000 ISKUSTVO 0.017426 0.002107 8.270585 0.0000 ISKUSTVO^2 -0.000312 5.54E-05 -5.637717 0.0000 STAZ 0.013256 0.001998 6.635678 0.0000 STAZ^2 -0.000349 5.97E-05 -5.846642 0.0000 BRACNO_STANJE 0.009351 0.011908 0.785206 0.4324 SPOL -0.139533 0.009836 -14.18626 0.0000 R-squared 0.364263 Mean dependent var 7.956388 Adjusted R-squared 0.363470 S.D. dependent var 0.455856 S.E. of regression 0.363695 Akaike info criterion 0.816418 Sum squared resid 742.1877 Schwarz criterion 0.825863 Log likelihood -2285.726 Durbin-Watson stat 0.978049

LN_NADNICA=C(1)*SEKTORD+C(2)*GODINE_SK*SEKTORD+C(3)*ISKUSTVO*SEKTORD+C(4)*ISKUSTVO^2*SEKTORD+C(5)*STAZ*SEKTORD+C(6)*STAZ^2*SEKTORD+C(7)*BRACNO_STANJE*SEKTORD+C(8)*SPOL*SEKTORD+C(9)*SEKTORP+C(10)*GODINE_SK*SEKTORP+C(11)*ISKUSTVO*SEKTORP+C(12)*ISKUSTVO^2*SEKTORP+C(13)*STAZ*SEKTORP+C(14)*STAZ^2*SEKTORP+C(15)*BRACNO_STANJE*SEKTORP+C(16)*SPOL*SEKTORP

Koeficijent Standardna greška

t-statistika p-vrijednost

KONSTANTA-D 6.835376 0.043739 156.2763 0.0000 GODINE_SK-D 0.089776 0.002635 34.07603 0.0000 ISKUSTVO-D 0.011585 0.003656 3.168953 0.0015 ISKUSTVO^2-D -0.000129 9.36E-05 -1.376747 0.1686 STAZ-D 0.007586 0.003364 2.254757 0.0242 STAZ^2-D -0.000207 9.76E-05 -2.117803 0.0342 BRACNO_STANJE-D 0.020833 0.016971 1.227598 0.2196 SPOL-D -0.122728 0.014039 -8.741925 0.0000 KONSTANTA-P 6.612079 0.037077 178.3319 0.0000 GODINE_SK-P 0.097185 0.002856 34.02586 0.0000 ISKUSTVO-P 0.018675 0.002534 7.368991 0.0000 ISKUSTVO^2-P -0.000358 6.75E-05 -5.308426 0.0000 STAZ-P 0.006797 0.002497 2.722103 0.0065 STAZ^2-P -0.000271 7.46E-05 -3.630078 0.0003 BRACNO_STANJE-P 0.012429 0.016079 0.772982 0.4396 SPOL-P -0.157762 0.013266 -11.89217 0.0000 R-squared 0.392481 Mean dependent var 7.956388 Adjusted R-squared 0.390854 S.D. dependent var 0.455856 S.E. of regression 0.355785 Akaike info criterion 0.773864 Sum squared resid 709.2451 Schwarz criterion 0.792754 Log likelihood -2158.171 Durbin-Watson stat 1.007751