Uniwersytet Warszawski

Wydzia Nauk Ekonomicznych

Mateusz Komendoowicz
Nr albumu: 339988

Analiza czynnikw wpywajcych na wspczynnik

maestw w Polsce

Model ekonometryczny

Praca wykonana pod kierunkiem

mgr Rafaa Woniaka
z Katedry Statystyki i Ekonometrii
WNE UW

Warszawa, stycze 2015

SPIS TRECI
1. WSTP......................................................................................................................

2. FUNDAMENTY TEORETYCZNE I PRZEGLD LITERATURY...................

3. HIPOTEZY BADAWCZE........................................................................................

4. BAZA DANYCH I OPIS ZMIENNYCH.................................................................

5. WSTPNA ANALIZA DANYCH...........................................................................

6. FORMA FUNKCYJNA MODELU..........................................................................

7. DIAGNOSTYKA MODELU....................................................................................

7.1. OBSERWACJE NIETYPOWE...

7.2. BADANIE WSPLINIOWOCI

10

7.3. TEST RESET TEST NA POPRAWNO FORMY FUNKCYJNEJ.

11

7.4. TEST WHITEA TEST NA HOMOSKEDASTYCZNO....................

11

7.5. NORMALNO SKADNIKA LOSOWEGO..........................................

12

7.6. TEST CHOWA...........................................................................................

12

8. WERYFIKACJA HIPOTEZ BADAWCZYCH.......................................................

13

9. PODSUMOWANIE..................................................................................................

14

10. BIBLIOGRAFIA....................................................................................................... 15

1. WSTP
W cigu ostatnich lat znacznie spada liczba zawieranych maestw przez Polakw.
Wedug szacunkw Gwnego Urzdu Statystycznego w 2013 roku zawarto o ponad 22
tysice mniej ni rok wczeniej. Coraz wicej par decyduje si na ycie w zwizku
nieformalnym. Postpujcy spadek liczby zawieranych maestw ma istotny wpyw na inne
wane wskaniki takie jak dzietno kobiet, gdy wicej dzieci rodzi si w zwizkach
formalnych. Zmieniajcy si model rodziny w ostatnich latach to ogromny przeskok
kulturowy dla Polski. W mediach trwa dyskusja nad przyczynami tego zjawiska, a rzd
prbuje mu zapobiega. Wrd czynnikw, ktre determinuj to zjawisko zwraca si uwag
na niskie zarobki i brak szans na samodzielne utrzymanie, ale rwnie fakt coraz wikszej
urbanizacji i cyfryzacji spoeczestwa.
W niniejszej pracy bd stara si odpowiedzie na pytanie jakie s determinanty iloci
maestw w Polsce poprzez analiz poszczeglnych powiatw. Zmienne, ktre zastosowano
w modelu odwouj si zarwno do przyczyn ekonomicznych jak i spoecznych. Model ten
moe mie zastosowanie praktyczne przy prbie zapobieganiu tego negatywnego zjawiska.
2. FUNDAMENTY TEORETYCZNE I PRZEGLD LITERATURY
Rozpatrywanie problemu maej iloci maestw w kontekcie ekonomii naley zacz
od teorii Garyego Beckera. Stworzy on ekonomiczn teorie zachowa ludzkich, za co
otrzyma nagrod Nobla w dziedzinie Ekonomii w roku 1992. Zakada on, e czowiek jest
istot homo oeconomicus, czyli e racjonalnie dy zawsze do maksymalizacji swoich
zyskw i dokonywania najlepszych wyborw. W kontekcie tej teorii zawarcie maestwa
zwiksza uyteczno partnerw. Moe to si sta dziki specjalizacji, czyli sytuacji gdy
jeden partner poytkuje swj czas na co w czym jest lepszy od drugiego. Jako warunek
zawarcia maestwa Becker postawi rwnanie, mwice, e uyteczno po zawarciu
maestwa musi by wiksza ni suma uytecznoci partnerw osobno. Jako korzyci z
zawarcia maestwa wskaza midzy innymi podzia czasu i obowizkw, zaspokojenie
seksualne, zarzdzanie ryzykiem w yciu oraz wspomaganie inwestycji w kapita ludzki, czyli
sytuacj gdzie jeden z partnerw doksztaca si, gdy drugi pracuje.
Pomysy Beckera s rozwijane w pracy A Joint Model of Marriage and Partner
Choice napisanej przez Elaine Rose. Autorka estymuje w tym artykule model rynku
maeskiego. Zakada ona denie do maksymalizacji uytecznoci przez poszczeglne

osoby. Nastpnie estymuje model ekonometryczny zawierania maestw na podstawie

danych PSID. Z modelu wynika, e podczas wyboru partnera wane s m.in. jego edukacja i
kolor skry.
W innej pracy, Marriage and Assortative Mating: How Have the Patterns Changed?
Elaina Rose dokonuje przegldu literatury dotyczcej zmian w iloci zawieranych maestw
w ostatnich latach. Nastpnie szacujc logitowy model szuka determinantw zmian w iloci
zawierania zwizkw formalnych. Ciekawym jest fakt podziau osb na grupy wiekowe i
zauwaenie, e istniej rnice w wyborach midzy 20 latkami, a 40 latkami.
Jako jeden z powodw formalizacji zwizku wskaza mona rwnie fakt, e osoby,
ktre taki zwary s szczliwsze i lepiej radz sobie finansowo. Fakt ten jest dokadnie
zobrazowany w The case for marriage: Why married people are happier, healthier and better
of financially autorstwa Maggie Gallagher i Lindy White.
Warto rwnie wspomnie o fakcie, e 83 % maestw stanowi te zawarty po raz
pierwszy, co jest wskazane w notce informacyjnej GUS Podstawowe informacje o rozwoju
demograficznym Polski do 2013 roku. Moe to wskazywa na zniechcenie do zawarcia
kolejnego zwizku po rozwodzie, ktrych w ostatnich latach znaczco przybywa.
Podsumowujc mona stwierdzi, e literatura wskazuje na fakt, e ludzie formalizuj
zwizki z uwagi na wiksz wspln uyteczno, pynce z tego korzyci finansowe oraz
szczcie. Wana jest rwnie sytuacja finansowa partnerw.

3. HIPOTEZY BADAWCZE
Na podstawie przegldu literatury, analizy zjawiska jak i teorii ekonomii mona
postawi nastpujce hipotezy badawcze:
1) Wskanik zatrudnienia mczyzn ma pozytywny wpyw na zawieranych maestw.
2) Wskanik zatrudnienia kobiet ma pozytywny wpyw na ilo maestw.
3) Ilo rozwodw ma negatywny wpyw na ilo maestw.
4) Wysoko wynagrodzenia ma niejednoznaczny wpyw na ilo zawieranych
maestw.
Pierwsza i drug hipotez mona argumentowa faktem, e wiksza liczba osb
pracujcych oznacza wiksz liczb osb bdcych w stanie si utrzyma np. osb modych.
To moe powodowa ch wsplnego mieszkania czy te zawarcia maestwa.
3

Ostatnia hipoteza wynika z faktu, e z jednej strony im bogatsi s ludzie, tym mniej
potrzebuj wsparcia finansowego. Argument specjalizacji czy te polepszenia swojej sytuacji
ekonomicznej nie musi by do koca w ich przypadku prawdziwy. Z drugiej strony wiksze
wynagrodzenie znowu pozwala myle o wsplnym yciu, kupnie mieszkania czy
wychowywaniu potomstwa.
Trzecia hipoteza jest z jednej strony oczywista, z drugiej strony w literaturze mona
spotka gbsze jej omawianie. Ilo rozwodw w sposb oczywisty przekada si na ilo
maestw poniewa j zmniejsza. Z drugiej jednak strony wywouje ona dodatkowy efekt,
dua liczba rozwodw w danym regionie moe zachca inne osoby do brania takiego.
Zwaszcza w powiatach, ktrych struktura jest bardziej wiejska, ni miejska. Dlatego
zdecydowano si na sprawdzenie tej hipotezy.

4. BAZA DANYCH I OPIS ZMIENNYCH

Zbir danych zosta zebrany z Banku Danych Lokalnych Gwnego Urzdu
Statystycznego. Zostao stworzone zestawienie danych dla poszczeglnych powiatw w
Polsce za rok 2011. cznie jest 379 obserwacji, w tym 314 powiatw ziemskich i 65 miast
na prawach powiatu. 3 obserwacje s niepene oznaczone zostay wic znakiem kropki.
Poniej lista wybranych zmiennych objaniajcych i zmiennej objanianej.
Zmienna objaniana

Maestwa na 1000 osb

Y= M1000. Zmienna ta jest zmienn cig w zakresie od 4.2 do 7.3.

Zmienne objaniajce
Maestwa zawarte
1 =
Maestwa zawarte w ostatnim roku w danym powiecie.
Wskanik ludnoci miejskiej [%]
2 =
To liczba osb zamieszkujca tereny miejskie w stosunku do wszystkich mieszkacw
powiatu.
Wskanik iloci kawalerw i panien [%]
3 =
To liczba kawalerw i panien w stosunku do wszystkich mieszkacw powiatu.

Wskanik feminizacji [%]

4 = .
Liczba kobiet przypadajca na 100 mczyzn.
rednie miesiczne wynagrodzenie brutto
5 =
Wskanik obcienia demograficznego [%]
6 =
Rozwody na 1000 osb
7 =
Wskanik zatrudnienia kobiet [%]
8 =
Wskanik zatrudnienia mczyzn [%]
9 =

5. WSTPNA ANALIZA DANYCH

Na pocztek przedstawione zostan podstawowe statystyki opisowe zmiennych.
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------M1000 |
379
5.469129
.5219236
4.2
7.3
NewMarriage |
379
544.7784
568.5449
99
8217
TownPer |
376
.5128262
.2712031
.0193385
1
Available |
379
.2441201
.0148092
.2037686
.2873471
Feminine |
379
104.5805
3.821512
96
120
-------------+-------------------------------------------------------Salary |
379
3064.666
450.1932
2224.07
6324.79
Demo |
379
55.97309
3.524489
46.4
66.9
Divorce |
379
1.529551
.5115828
.4
3.4
Fjobs |
379
40.77968
3.829043
32
52.5
Mjobs |
379
55.0876
4.058485
44.4
66.4

Jak wida zbir zawiera 379 obserwacji. Na ten moment mona zaobserwowa due
odchylenie standardowe oraz rnic midzy wartoci maksymaln, a minimaln w
wynagrodzeniach w poszczeglnych powiatach. Ponadto powiaty s mocno zrnicowane
pod wzgldem iloci osb pracujcych, obcieniem demograficznym czy iloci rozwodw
i nowych maestw.

Nastpnie utworzona zostaa macierz korelacji zmiennych.

|
M1000 NewMar~e TownPer Available Feminine
Salary
Demo Divorce
Fjobs
Mjobs
-------------+-----------------------------------------------------------------------------------------M1000 |
1.0000
NewMarriage | -0.1177
1.0000
TownPer | -0.2851
0.2982
1.0000
Available |
0.0777
0.0280 -0.1102
1.0000
Feminine | -0.4211
0.4670
0.7764 -0.1450
1.0000
Salary | -0.0989
0.3844
0.4204 -0.1352
0.3646
1.0000
Demo |
0.1795 -0.0158 -0.4570
0.0018 -0.2298 -0.1964
1.0000
Divorce | -0.4168
0.1937
0.7164 -0.1233
0.5853
0.3106 -0.5683
1.0000
Fjobs |
0.0074
0.2765 -0.0577 -0.1766
0.1578
0.2375
0.0322 -0.0784
1.0000
Mjobs |
0.2027
0.1463 -0.2887 -0.1572 -0.1501
0.0903
0.0630 -0.2461
0.8171
1.0000

Widoczna jest znaczca korelacja midzy iloci pracujcych kobiet i mczyzn, mona
to tumaczy faktem, e w danym regionie sytuacja ekonomiczna ma wpyw na obydwie
zmienne. Z uwagi jednak na charakter pisanej pracy i ch wyrnienia sytuacji kobiet i
mczyzn nie ma to istotnego wpywu. Inne zmienne skorelowane to midzy innymi Divorce
oraz Feminine, a take Feminine oraz TownPer.
Nastpnie analizujemy zmienn objanian przy pomocy histogramu.

.6
0

.2

.4

Density

.8

Rys. 1 Histogram zmiennej M1000

6
M1000

rdo: Opracowanie wasne na podstawie danych z GUS.

Histogram pokazuje, e zmienna nie ma rozkadu normalnego. Zlogarytmowanie

zmiennej rwnie nie powoduje, e zmienna miaaby rozkad normalny. Jako przyczyny moe
wskaza fakt, e rnice w wartociach zmiennej s nieznaczne.

6. FORMA FUNKCYJNA MODELU

Model bdzie tworzony przy pomocy regresji liniowej wykorzystujc program STATA.
Przyjmujemy poziom istotnoci na poziomie 5 %. Otrzymujemy nastpujc estymacj:

Source |
SS
df
MS
-------------+-----------------------------Model | 30.4090911
9
3.3787879
Residual | 71.8486749
366 .196307855
-------------+-----------------------------Total | 102.257766
375 .272687376

Number of obs
F( 9,
366)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

376
17.21
0.0000
0.2974
0.2801
.44307

-----------------------------------------------------------------------------M1000 |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------NewMarriage |
.0000431
.0000496
0.87
0.386
-.0000544
.0001406
TownPer |
.8316592
.1717248
4.84
0.000
.493968
1.16935
Available |
.9704507
1.634228
0.59
0.553
-2.243205
4.184106
Feminine | -.0654928
.0116371
-5.63
0.000
-.0883768
-.0426087
Salary |
.000024
.0000608
0.39
0.693
-.0000955
.0001434
Demo |
.0072672
.0084764
0.86
0.392
-.0094013
.0239358
Divorce | -.3774268
.0717285
-5.26
0.000
-.5184784
-.2363751
Fjobs | -.0266073
.0121451
-2.19
0.029
-.0504902
-.0027244
Mjobs |
.040892
.0114935
3.56
0.000
.0182905
.0634936
_cons |
10.5635
1.409364
7.50
0.000
7.792035
13.33497
------------------------------------------------------------------------------

Otrzymano model w ktrym s zmienne nieistotne. Z tego powodu usuwamy kolejne

zmienne nieistotne, po kadej iteracji szacujc ponownie model.
Ostatecznie uzyskano model w ktrym istotnych jest 5 zmiennych.

Source |
SS
df
MS
-------------+-----------------------------Model | 29.9181289
5 5.98362577
Residual | 72.3396371
370 .195512533
-------------+-----------------------------Total | 102.257766
375 .272687376

Number of obs
F( 5,
370)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

376
30.60
0.0000
0.2926
0.2830
.44217

-----------------------------------------------------------------------------M1000 |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------TownPer |
.8076383
.1594802
5.06
0.000
.4940371
1.12124
Feminine | -.0601126
.010547
-5.70
0.000
-.0808522
-.039373
Divorce | -.4082543
.0644086
-6.34
0.000
-.5349071
-.2816015
Fjobs | -.0251877
.0119591
-2.11
0.036
-.0487041
-.0016714
Mjobs |
.0400983
.0112425
3.57
0.000
.0179911
.0622055
_cons |
10.78642
1.082332
9.97
0.000
8.658127
12.91471
------------------------------------------------------------------------------

Odrzucamy hipotez o cznej nieistotnoci zmiennych, na co wskazuje warto

> = 0.000. Model wyjania zmienno iloci maestw na 1000 osb w
przyblieniu w 29 %, na co wskazuje 2 = 0.2926.
Proces dochodzenia do waciwego modelu obrazuje tabela, wywoana przy pomocy
polecenia estout.
-------------------------------------------------------------------------------------------model1
model2
model3
model4
model5
b/se
b/se
b/se
b/se
b/se
-------------------------------------------------------------------------------------------NewMarriage
0.000
0.000
0.000
0.000
(0.00)
(0.00)
(0.00)
(0.00)
TownPer
0.832***
0.849***
0.846***
0.811***
0.808***
(0.17)
(0.17)
(0.17)
(0.16)
(0.16)
Available
0.970
0.910
(1.63)
(1.63)
Feminine
-0.065***
-0.066***
-0.067***
-0.065***
-0.060***
(0.01)
(0.01)
(0.01)
(0.01)
(0.01)
Salary
0.000
(0.00)
Demo
0.007
0.007
0.007
(0.01)
(0.01)
(0.01)
Divorce
-0.377***
-0.377***
-0.381***
-0.405***
-0.408***
(0.07)
(0.07)
(0.07)
(0.06)
(0.06)
Fjobs
-0.027*
-0.026*
-0.026*
-0.026*
-0.025*
(0.01)
(0.01)
(0.01)
(0.01)
(0.01)
Mjobs
0.041***
0.041***
0.040***
0.039***
0.040***
(0.01)
(0.01)
(0.01)
(0.01)
(0.01)
_cons
10.564***
10.681***
11.042***
11.307***
10.786***
(1.41)
(1.38)
(1.21)
(1.17)
(1.08)
--------------------------------------------------------------------------------------------

Kolejno odrzucano zmienne Salary, Available, Demo oraz NewMarriage.

Kocowa forma funkcyjna modelu przedstawia si nastpujco:
1000 = 10.78642 + 0.8076383 0.0601126 0.4082543
0.0251877 + 0.0400983

Estymacje mona zinterpretowa w nastpujcy sposb:

Spodziewamy si, e wzrost wskanika ludnoci miejskiej o punkt procentowy

spowoduje wzrost liczby maestw na 1000 osb o 0.8076383.

Spodziewamy si, e wzrost wskanika feminizacji o 1 spowoduje spadek liczby

maestw na 1000 osb o 0.0601126.

Spodziewamy si, e wzrost iloci rozwodw na 1000 osb o 1 spowoduje spadek

liczby maestw na 1000 osb o 0.4082543.

Spodziewamy si, e wzrost wskanika zatrudnienia kobiet o 1 spowoduje spadek

liczby maestw na 1000 osb o 0.0251877.

Spodziewamy si, e wzrost wskanika zatrudnienia mczyzn o 1 spowoduje wzrost

liczby maestw na 1000 osb o 0.0400983.

7. DIAGNOSTYKA MODELU

7.1. Obserwacje nietypowe

Po przeprowadzeniu testu Cooka okazao si, e podejrzanych nietypowych obserwacji
jest a 24. Graficzne zobrazowanie obserwacji poniej. Interesowa nas bd obserwacje,
ktre posiadaj du dwigni i reszt standardow.

.04
0

.02

Leverage

.06

.08

Rys. 2 Reszty standardowe i dwignie

.01

.02
Normalized residual squared

.03

.04

rdo: Opracowanie wasne na podstawie danych z GUS.

Po przejrzeniu obserwacji nietypowych okazao si, e w duej czci s to miasta na

prawach powiatu lub obserwacje te s tylko maoznaczco nietypowe. Istotny jest rwnie
fakt, zrnicowania powiatw Polsce pod wieloma czynnikami i wpyw tego na badanie tu
przeprowadzane. Obserwacje nietypowe na wykresie znajduj si w akceptowalnym miejscu.
Z uwagi na te fakty, zdecydowano si nie usuwa obserwacji nietypowych i przej do
kolejnych testw diagnostycznych.

7.2. Badanie wspliniowoci

Po przeprowadzeniu estymacji modelu przejdziemy do diagnostyki. Zaczto od testu na
wspliniowo.

10

Variable |
VIF
1/VIF
-------------+---------------------Fjobs |
4.02
0.248702
Mjobs |
3.97
0.251764
TownPer |
3.59
0.278702
Feminine |
3.08
0.324989
Divorce |
2.08
0.481672
-------------+---------------------Mean VIF |
3.35

Moemy zaobserwowa, e wszystkie wartoci s znaczco mniejsze od 10, zatem w

modelu nie wystpuje wspliniowo.
7.3. Test RESET test na poprawno formy funkcyjnej
Kolejnym krokiem jest wykonanie testu RESET testu na poprawno formy
funkcyjnej.
Ramsey RESET test using powers of the fitted values of M1000
Ho: model has no omitted variables
F(3, 367) =
2.01
Prob > F =
0.1121

Test wskazuje na poprawno przyjtej przez nas formy funkcyjnej na przyjtym

poziomie istotnoci 5 %. Moemy oczekiwa wic, e estymatory zmiennych s
nieobcione.

7.4. Test Whitea test na homoskedastyczno

W nastpnym kroku zbadamy heteroskedastyczno skadnika losowego przy pomocy
testu Whitea.

11

White's test for Ho: homoskedasticity

against Ha: unrestricted heteroskedasticity
chi2(20)
Prob > chi2

=
=

19.82
0.4690

Cameron & Trivedi's decomposition of IM-test

--------------------------------------------------Source |
chi2
df
p
---------------------+----------------------------Heteroskedasticity |
19.82
20
0.4690
Skewness |
9.43
5
0.0931
Kurtosis |
3.81
1
0.0508
---------------------+----------------------------Total |
33.07
26
0.1602
---------------------------------------------------

Na podstawie P-Value rwnego 0.4690 przy poziomie istotnoci 5 % odrzucamy

hipotez zerow mwic o homoskedastycznoci skadnika losowego.
7.5. Normalno skadnika losowego
Nastpnie zbadalimy normalno rozkadu skadnika losowego.
Skewness/Kurtosis tests for Normality
------- joint -----Variable |
Obs
Pr(Skewness)
Pr(Kurtosis) adj chi2(2)
Prob>chi2
-------------+--------------------------------------------------------------r |
376
0.0680
0.0149
8.64
0.0133

Na podstawie testu Jarque-Bery moemy stwierdzi, e z uwagi na warto

prawdopodobiestwa statystyki testowej (0.0133) odrzucamy hipotez zerow mwic o
normalnoci rozkadu skadnika losowego.

7.6. Test Chowa

Korzystajc z testu Chowa sprawdzimy stabilno strukturaln modelu. Aby wykona
ten test naley podzieli obserwacje na dwa podzbiory.

12

Source |
SS
df
MS
-------------+-----------------------------Model | 35.7347396
11 3.24861269
Residual | 66.5230263
364 .182755567
-------------+-----------------------------Total | 102.257766
375 .272687376

Number of obs
F( 11,
364)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

376
17.78
0.0000
0.3495
0.3298
.4275

-----------------------------------------------------------------------------M1000 |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------TownPer |
1.411317
.2510044
5.62
0.000
.9177162
1.904918
Feminine | -.1126245
.015369
-7.33
0.000
-.1428477
-.0824014
Divorce | -.4294877
.0875768
-4.90
0.000
-.6017077
-.2572677
Fjobs |
-.015907
.0160492
-0.99
0.322
-.0474679
.0156538
Mjobs |
.0123854
.0177096
0.70
0.485
-.0224406
.0472115
d | -10.70872
2.232195
-4.80
0.000
-15.09833
-6.319099
d1 | -1.001665
.3336149
-3.00
0.003
-1.65772
-.3456105
d2 |
.0877765
.0215707
4.07
0.000
.0453577
.1301953
d3 |
.0964323
.1271993
0.76
0.449
-.1537054
.34657
d4 |
-.006968
.0240434
-0.29
0.772
-.0542494
.0403133
d5 |
.0380193
.0231068
1.65
0.101
-.0074202
.0834588
_cons |
17.22985
1.638042
10.52
0.000
14.00864
20.45107
------------------------------------------------------------------------------

. TEST (D=0) (D1=0) (D2=0) (D3=0) (D4=0) (D5=0)

(
(
(
(
(
(

1)
2)
3)
4)
5)
6)

D = 0
D1 = 0
D2 = 0
D3 = 0
D4 = 0
D5 = 0
F(

6,
364) =
PROB > F =

5.30
0.0000

Korzystajc z testu Chowa zauwaamy, e hipoteza zerowa jest odrzucana i, e

oszacowania parametrw w obydwu podprbach s od siebie istotnie rne. Moemy
prbowa do wyjani znaczcym zrnicowaniem pomidzy powiatami w Polsce.

8. WERYFIKACJA HIPOTEZ BADAWCZYCH

Analizujc otrzymane estymacje moemy uzna, e hipotezy badawcze 1, 3 i 4 zostay
potwierdzone. Odrzucona zostaa natomiast hipoteza 2.
Wskanik zatrudnienia mczyzn ma istotnie pozytywny wpyw na ilo maestw.
Mona to argumentowa faktem, e mczyni pracujcy s w stanie utrzyma rodzin i
chtniej owiadczaj si partnerce. Wpywa moe to rwnie na fakt, e maestwa, ktre
lepiej radz sobie finansowo, rzadziej si rozpadaj.

13

Jeli chodzi o hipotez 3 to istotnie ilo rozwodw ma negatywny wpyw na ilo

zawieranych maestw. Mona to argumentowa nie tylko bezporednim powizaniem, ale
rwnie wspomnianym przy stawianiu hipotezy zachceniem spoecznym. Dobrym
odwoaniem bd historyczne dane na temat iloci rozwodw w Polsce w latach 80 i
wczeniej. Liczba rozwodw bya wtedy znacznie nisza, z uwagi na brak akceptacji
spoecznej. Wraz ze wzrostem iloci rozwodw oraz migracj spoeczestwa do miast,
zjawisko stawao si coraz bardziej akceptowane.
Hipoteza 4 rwnie znalaza swoje potwierdzenie w badaniach. Zmienna
okazaa si nieistotna. Zaprzecza to niektrym pozycjom z literatury. Okazuje si, e fakt
bycia bogatszym nie zwiksza istotnie prawdopodobiestwa bycia w zwizku maeskim.
Ciekawym badaniem mogoby by sprawdzenie tego faktu wrd najbiedniejszej czci
spoeczestwa, gdy wrd niej brak rodkw finansowych mgby okaza si istotn barier.
Druga hipoteza zostaa odrzucona. Z badania wynika zupenie inny wniosek. Okazuje
si, e wzrost wskanika zatrudnienia wrd kobiet ma negatywny wpyw na ilo maestw.
Jest to temat bardzo rozlegy i wielokrotnie ju badany przez ekonomistw. W ostatnich
dwudziestu latach w Polsce nastpia zmiana kulturowa, jeli chodzi o ilo kobiet aktywnych
zawodowo oraz takich, ktre podejmuj prac zawodow. Zmienia to istotnie model rodziny.
Fakt wzrostu iloci kobiet pracujcych moe negatywnie odbija si na zwizkach
maeskich z powodu braku czasu na zaoenie rodziny lub przesuwanie tej decyzji z uwagi
na skupienie si na rozwoju kariery zawodowej.

9. PODSUMOWANIE
Podsumowujc, opracowany model potwierdzi wikszo z postawionych hipotez.
Okazao si, e istnieje statystycznie istotny wpyw wskanikw zatrudnienia kobiet i
mczyzn na ilo maestw w danym powiacie. Co wicej maj one rny znak wpywu.
W zwizku ze zmieniajcym si modelem rodziny w Polsce oraz niskim wskanikiem
urodze wydaje si, e naley kontynuowa badania na temat determinantw zawierania
maestw i ich iloci. W najbliszych latach moe bowiem okaza si, e z uwagi na
spadajc liczb maestw znaczco spadnie rwnie wskanik urodze. Samorzdy lokalne
w Polsce powinny by wiadome problemu i zach ludzi modych do zwizkw formalnych
oraz posiadania potomstwa. Wydaje si, e jest to jeden z istotniejszych problemw
nadchodzcych lat w Polsce.
14

BIBLIOGRAFIA
Becker G., A Theory of Marriage: Part I, The Journal of Political Economy, Vol. 81. No. 4,
1993, Chapter 1.
Blau F., Ehrenberg R., Gender and Family Issues in Workplace, Russell Sage Foundation,
Nowy Jork, 1998, s. 20 58.
Florczak W., Ekonometryczny model szacowania liczby urodze dla Polski, Wiadomoci
Statystyczne, Nr 6., 2009, s. 48-72.
Grossbard-Schechtman S., On the Economics of Marriage: A Theory of
Marriage, Labor and Divorce, 1993, Chapter 1 The Economics of Marriage and other
Social Sciences.
Moffitt R., The effect on the U.S. welfare system on marital status, Journal of Public
Economics, Nr 41., 1990. On line. Dostp 18 stycznia 2014 roku.
http://sjoquist.gsu.edu/ec9450/pprlist/moffitt.pdf
Rose E., A Joint Model of Marriage and Partner Choice, Center for Statistics in the Social
Sciences, University of Washington, Working Paper No. 58, Waszyngton, 2006.
On
line.
Dostp
18
stycznia
2014
roku
http://www.csss.washington.edu/Papers/2006/wp58.pdf
Rose E., Marriage and Assortative Mating: How Have the Patterns Changed?, Center for
Statistics in the Social Sciences, University of Washington, Working Paper No. 2,
Waszyngton,2001.
On line. Dostp 18 stycznia 2014 roku.
https://www.csss.washington.edu/Papers/wp22.pdf
Stutzer A., Does marriage make people happy, or does happy people get married, The
Journal of Socio-Economics, Volume 35, Issue 2, 2006, s. 326-347.

15