Assessment of living standard indicators in the OECD member countries
Title Alternative:Zhodnocení ukazatelů životní úrovně v členských zemích OECD
Loading...
Date
2019-01-01
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Technická univerzita v Liberci, Česká republika
Abstract
Výzkumná databáze této práce se skládá ze zemí OECD (s výjimkou Turecka a Litvy). Primárním cílem studie je rozdělit země do skupin podle dvanácti proměnných – průměrná mzda, minimální mzda, HDP na obyvatele, míra nezaměstnanosti, směnná a inflační sazba, daň z příjmu, HDP za odpracovanou hodinu, indexy průmyslu, stavebnictví a zpracovatelského průmyslu, index produkce a maloobchodu, a určit, která z nich významně ovlivňuje průměrnou mzdu, a definuje typ a sílu takového vztahu. Průměrná mzda, minimální mzda a HDP na obyvatele se počítají po jejich převodu na paritu kupní síly, což umožňuje srovnání cenových hladin a PPP v různých zemích. Dalším důležitým cílem je vypracovat prognózy úrovně mezd pro země OECD do roku 2020. S ohledem na seskupení zemí podle výše uvedených kritérií je Česko vždy na úrovni ostatních postkomunistických zemí (kromě Slovinska). Jedinými vysvětlujícími proměnnými, které významně ovlivňují průměrnou mzdu, jsou HDP na obyvatele, daně z příjmu a indexy zpracovatelského průmyslu a maloobchodu, přičemž HDP má hlavní vliv. Jednoduchá regresní analýza závislosti mezi průměrnou mzdou a HDP na obyvatele naznačuje, že její průběh nejlépe zachycuje konkávní parabola s maximem 77 252 PPP USD. Vybraná polynomiální regrese druhého řádu vysvětluje cca 89% variability pozorovaných hodnot průměrné roční mzdy. Růst mezd do roku 2020 se očekává prakticky ve všech zemích OECD.
Die Forschungsdatenbank dieser Arbeit besteht aus den Ländern der OECD (mit Ausnahme der Türkei und Litauens). Das primäre Ziel der Studie besteht in der Unterteilung der Länder in Gruppen gemäß bestimmter Variablen: Durchschnittslohn, Mindestlohn, Bruttoinlandsprodukt pro Einwohner, Arbeitslosenrate, Wechsel- und Inflationsrate, Einkommenssteuer, Bruttoinlandsprodukt für die abgeleisteten Stunden, Indexe von Industrie, Bauwesen und verarbeitender Industrie, Indexe von Produktion und Einzelhandel. Ein weiteres Ziel dieser Studie besteht in der Bestimmung, welcher dieser Faktoren den Durchschnittslohn beträchtlich beeinflusst. Sie definiert den Typ und die Kraft einer solchen Beziehung. Der Durchschnittslohn, der Mindestlohn und das Bruttoinlandsprodukt werden nach deren Überführung in die Parität der Kaufkraft berechnet, was einen Vergleich zwischen den Preisspiegeln und der Purchasing Power Parity (PPP) in den verschiedenen Ländern ermöglicht. Ein weiteres wichtiges Ziel besteht in der Ausarbeitung von Prognosen des Lohnniveaus für die Länder der OECD bis zum Jahr 2020. Unter Berücksichtigung der Gruppierungen der Länder gemäß den oben angeführten Kriterien befindet sich Tschechien immer auf dem Niveau der übrigen postkommunistischen Länder (außer Slowenien). Die einzigen erklärenden Variablen, welche einen bedeutenden Einfluss auf den Durchschnittslohn ausüben, sind das Bruttoinlandsprodukt pro Einwohner, die Einkommenssteuer und die Indexe der verarbeitenden Industrie und des Einzelhandels, wobei das Bruttoinlandsprodukt den Haupteinfluss ausübt. Die einfache Regressanalyse der Abhängigkeit zwischen dem Durchschnittlohn und dem Bruttoinlandsprodukt pro Einwohner deutet an, dass deren Verlauf am besten mit einer konkaven Parabel mit einem Maximum von 77.252 PPP USD dargestellt wird. Die ausgewählte Polynomialregression der zweiten Ordnung erklärt etwa 89 % der Variabilität der beobachteten Werte des Durchschnittsjahreslohns. Ein Wachstum der Löhne bis zum Jahr 2020 wird praktisch in allen Ländern des OECD erwartet.
The research database for the present article consists of the OECD countries (except Turkey and Lithuania). The primary objective of the study is to group the countries according to twelve variables – average wage, minimum wage, GDP per capita, rates of unemployment, exchange and inflation rates, income tax, GDP per hour worked, indices of industrial, construction and manufacturing production and retail trade index, determining which of them significantly affect the average wage and defining the type and strength of such a relationship. The average wage, minimum wage and GDP per capita are used after their conversion into purchasing power parity, allowing for the comparison of price levels and PPP in different countries. Another important aim is to develop forecasts of the wage level for OECD countries by 2020. With regard to the countries’ clustering according to the above criteria, Czechia always ranks alongside other post-communist countries (except Slovenia). The only explanatory variables affecting the average wage significantly are GDP per capita, income tax and manufacturing and retail trade indices, GDP exerting a major influence. Simple regression analysis of the dependence between the average wage and GDP per capita indicates that its course is best captured by the concave parabola with the peak at 77,252 PPP USD. The selected second-order polynomial regression explains approx. 89 percent of the variability of the observed values of the average annual wage. Wage growth by 2020 is expected in virtually all the OECD countries.
Badawcza baza danych niniejszego opracowania obejmuje kraje OECD (z wyjątkiem Turcji i Litwy). Głównym celem badań jest podzielenie krajów do grup według dwunastu zmiennych – przeciętne wynagrodzenie, wynagrodzenie minimalne, PKB na mieszkańca, stopa bezrobocia, stopa zmienna i stopa inflacji, podatek dochodowy, PKB na godzinę pracy, wskaźniki przemysłu, budownictwa i przemysłu przetwórczego, wskaźnik produkcji i handlu detalicznego, oraz wskazanie, która z nich znacznie wpływa na przeciętne wynagrodzenie oraz określa typ i siłę takiej relacji. Przeciętne wynagrodzenie, wynagrodzenie minimalne oraz PKB na mieszkańca uwzględniane są po ich przeliczeniu na parytet siły roboczej (PPP), co umożliwia porównanie cen i parytetów siły nabywczej w różnych krajach. Kolejnym ważnym celem jest opracowanie prognozy poziomu wynagrodzeń dla krajów OECD do 2020 roku. W wyniku pogrupowania krajów według ww. kryteriów Republika Czeska jest każdorazowo na poziomie pozostałych krajów postkomunistycznych (za wyjątkiem Słowenii). Jedynymi wyjaśniającymi zmiennymi, które mają znaczny wpływ na przeciętne wynagrodzenie, są PKB na mieszkańca, podatki dochodowe oraz wskaźnik przemysłu przetwórczego i handlu detalicznego, przy czym PKB ma wpływ decydujący. Prosta analiza regresji zależności pomiędzy przeciętnym wynagrodzenie a PKB na mieszkańca wskazuje, że jej przebieg najlepiej odzwierciedla parabola wklęsła z maksimum 77 252 PPP USD. Wybrana regresja wielomianowa drugiego rzędu wyjaśnia ok. 89% zmienności badanych wartości przeciętnego rocznego wynagrodzenia. Wzrost wynagrodzeń do 2020 roku spodziewany jest praktycznie we wszystkich państwach OECD.
Die Forschungsdatenbank dieser Arbeit besteht aus den Ländern der OECD (mit Ausnahme der Türkei und Litauens). Das primäre Ziel der Studie besteht in der Unterteilung der Länder in Gruppen gemäß bestimmter Variablen: Durchschnittslohn, Mindestlohn, Bruttoinlandsprodukt pro Einwohner, Arbeitslosenrate, Wechsel- und Inflationsrate, Einkommenssteuer, Bruttoinlandsprodukt für die abgeleisteten Stunden, Indexe von Industrie, Bauwesen und verarbeitender Industrie, Indexe von Produktion und Einzelhandel. Ein weiteres Ziel dieser Studie besteht in der Bestimmung, welcher dieser Faktoren den Durchschnittslohn beträchtlich beeinflusst. Sie definiert den Typ und die Kraft einer solchen Beziehung. Der Durchschnittslohn, der Mindestlohn und das Bruttoinlandsprodukt werden nach deren Überführung in die Parität der Kaufkraft berechnet, was einen Vergleich zwischen den Preisspiegeln und der Purchasing Power Parity (PPP) in den verschiedenen Ländern ermöglicht. Ein weiteres wichtiges Ziel besteht in der Ausarbeitung von Prognosen des Lohnniveaus für die Länder der OECD bis zum Jahr 2020. Unter Berücksichtigung der Gruppierungen der Länder gemäß den oben angeführten Kriterien befindet sich Tschechien immer auf dem Niveau der übrigen postkommunistischen Länder (außer Slowenien). Die einzigen erklärenden Variablen, welche einen bedeutenden Einfluss auf den Durchschnittslohn ausüben, sind das Bruttoinlandsprodukt pro Einwohner, die Einkommenssteuer und die Indexe der verarbeitenden Industrie und des Einzelhandels, wobei das Bruttoinlandsprodukt den Haupteinfluss ausübt. Die einfache Regressanalyse der Abhängigkeit zwischen dem Durchschnittlohn und dem Bruttoinlandsprodukt pro Einwohner deutet an, dass deren Verlauf am besten mit einer konkaven Parabel mit einem Maximum von 77.252 PPP USD dargestellt wird. Die ausgewählte Polynomialregression der zweiten Ordnung erklärt etwa 89 % der Variabilität der beobachteten Werte des Durchschnittsjahreslohns. Ein Wachstum der Löhne bis zum Jahr 2020 wird praktisch in allen Ländern des OECD erwartet.
The research database for the present article consists of the OECD countries (except Turkey and Lithuania). The primary objective of the study is to group the countries according to twelve variables – average wage, minimum wage, GDP per capita, rates of unemployment, exchange and inflation rates, income tax, GDP per hour worked, indices of industrial, construction and manufacturing production and retail trade index, determining which of them significantly affect the average wage and defining the type and strength of such a relationship. The average wage, minimum wage and GDP per capita are used after their conversion into purchasing power parity, allowing for the comparison of price levels and PPP in different countries. Another important aim is to develop forecasts of the wage level for OECD countries by 2020. With regard to the countries’ clustering according to the above criteria, Czechia always ranks alongside other post-communist countries (except Slovenia). The only explanatory variables affecting the average wage significantly are GDP per capita, income tax and manufacturing and retail trade indices, GDP exerting a major influence. Simple regression analysis of the dependence between the average wage and GDP per capita indicates that its course is best captured by the concave parabola with the peak at 77,252 PPP USD. The selected second-order polynomial regression explains approx. 89 percent of the variability of the observed values of the average annual wage. Wage growth by 2020 is expected in virtually all the OECD countries.
Badawcza baza danych niniejszego opracowania obejmuje kraje OECD (z wyjątkiem Turcji i Litwy). Głównym celem badań jest podzielenie krajów do grup według dwunastu zmiennych – przeciętne wynagrodzenie, wynagrodzenie minimalne, PKB na mieszkańca, stopa bezrobocia, stopa zmienna i stopa inflacji, podatek dochodowy, PKB na godzinę pracy, wskaźniki przemysłu, budownictwa i przemysłu przetwórczego, wskaźnik produkcji i handlu detalicznego, oraz wskazanie, która z nich znacznie wpływa na przeciętne wynagrodzenie oraz określa typ i siłę takiej relacji. Przeciętne wynagrodzenie, wynagrodzenie minimalne oraz PKB na mieszkańca uwzględniane są po ich przeliczeniu na parytet siły roboczej (PPP), co umożliwia porównanie cen i parytetów siły nabywczej w różnych krajach. Kolejnym ważnym celem jest opracowanie prognozy poziomu wynagrodzeń dla krajów OECD do 2020 roku. W wyniku pogrupowania krajów według ww. kryteriów Republika Czeska jest każdorazowo na poziomie pozostałych krajów postkomunistycznych (za wyjątkiem Słowenii). Jedynymi wyjaśniającymi zmiennymi, które mają znaczny wpływ na przeciętne wynagrodzenie, są PKB na mieszkańca, podatki dochodowe oraz wskaźnik przemysłu przetwórczego i handlu detalicznego, przy czym PKB ma wpływ decydujący. Prosta analiza regresji zależności pomiędzy przeciętnym wynagrodzenie a PKB na mieszkańca wskazuje, że jej przebieg najlepiej odzwierciedla parabola wklęsła z maksimum 77 252 PPP USD. Wybrana regresja wielomianowa drugiego rzędu wyjaśnia ok. 89% zmienności badanych wartości przeciętnego rocznego wynagrodzenia. Wzrost wynagrodzeń do 2020 roku spodziewany jest praktycznie we wszystkich państwach OECD.
Description
Subject(s)
average annual wage, GDP per capita, cluster analysis, ward method, Euclidean distance metric, linear regression hyperplane, quadratic regression function
Citation
ISSN
1803-9782