Socialinė teorija, empirija, politika ir praktika
Socialinė teorija, empirija, politika ir praktika
Download

Socialinė teorija, empirija, politika ir praktika ISSN 1648-2425 eISSN 2345-0266
2021, vol. 23, pp. 8–25 DOI: https://doi.org/10.15388/STEPP.2021.34

Pažeidžiamų gyventojų grupių nedarbo situacijos Baltijos šalių darbo rinkoje įvertinimas

Laima Okunevičiūtė-Neverauskienė
Lietuvos socialinių mokslų centras
Lithuanian social research centre
Vilniaus Gedimino technikos universitetas
Vilnius Gediminas Technical University
El. paštas: Laima.Okuneviciute@dsti.ll

Arūnas Pocius
Lietuvos socialinių mokslų centras
Lithuanian social research centre
El. paštas: Arunas.Pocius@dsti.lt

Sandra Krutulienė
Lietuvos socialinių mokslų centras
Lithuanian social research centre
El. paštas: Sandra.Krutuliene@dsi.lt

Santrauka. Straipsnyje analizuojama socialiai pažeidžiamų gyventojų grupių nedarbo situacija Baltijos šalyse, atsižvelgiant į padėties darbo rinkoje kontekstą visos Europos Sąjungos mastu. Tyrimo rezultatai rodo, kad ekonomikos cikliškumo poveikis pažeidžiamas darbo rinkoje grupes ypač palietė Baltijos šalyse. Dėl ankstesnės pasaulinės ekonomikos krizės poveikio nedarbo pokyčiai ES mastu nesutapo su analogiškomis matomomis tikslinių grupių tendencijomis Baltijos šalyse. Spartus nedarbo augimas vykstant itin dideliems šio rodiklio svyravimams rodo, kad Baltijos šalyse tikslinių grupių bedarbiams buvo itin sudėtinga prisitaikyti prie kardinaliai pablogėjusių sąlygų darbo rinkoje. Tačiau kur kas geresnė situacija nei ankstesnės pasaulinės krizės (2009–2010 m.) metu matoma per dabartinę pandemijos krizę, Baltijos šalių nedarbo rodikliai 2020 m. buvo gerokai mažiau nukrypę nuo ES vidurkio*.

Raktažodžiai: socialiai pažeidžiamos grupės, darbo rinka, užimtumas, nedarbo lygis, Baltijos šalys.

* Vertinimai remiantis „Eurostat“ duomenimis.

Assessment of the Unemployment Situation of Vulnerable Groups in the Labour Market of the Baltic States

Summary. The study analyses the unemployment situation of socially vulnerable groups in the Baltic States in the context of the European Union. The analysis of the unemployment rate is based on gender, age and duration of unemployment. Statistical analysis identified the most vulnerable groups in the labour market and those most sensitive to economics fluctuations. The study also evaluated the relationship of economic growth with employment of these groups. The research highlighted that in the Baltic countries, the global financial crisis more significantly affected vulnerable groups, mainly because of the impact of the crisis in 2009–2010. Hence these results differ from the general trend in unemployment rate of the target groups in the countries of the European Union.

Unemployment rate at the EU level did not coincide with similar trends observed in the target groups in the Baltic States. In the Baltic States, the unemployment rate of the target groups started to grow earlier and faster than in the EU countries and it started to decrease much earlier than the EU unemployment rate indicators. In addition, in the Baltic countries, the growth of target group unemployment was significantly higher than the EU average. The fast and volatile growth of unemployment within the mentioned target groups shows that they had difficulties adapting to dramatically worsening conditions in the labour market in the Baltic States. The current pandemic situation in comparison to the global financial crisis of 2009–2010 has a less negative effect. The study revealed that unemployment rates in the Baltic States were close to the EU average. The research results also showed that men and the youth are sensitive to economic fluctuations in the Baltic States. On the one hand, unemployed men and the youth tend to more easily enter the labour market during economic upturns. On the other hand, in an economic downturn, these jobseekers face significant integration difficulties into the labour market and become more socially vulnerable.

It is important to note that long-term unemployed people belong to the most vulnerable groups. People with low skills or qualifications face multiple barriers to labour market integration. Long-term unemployment leads to a loss of income, an erosion of skills, a higher incidence of health problems and increased household poverty.

Keywords: vulnerable groups, labour market, employment, unemployment rate, economic fluctuations, economic activity, Baltic States.

Straipsnis parengtas įgyvendinant mokslo projektą „Jaunimo užimtumas pagyvenusių žmonių globos sektoriuje visuomenės senėjimo kontekste“, vykdomą pagal mokslinių tyrimų programą „Gerovės visuomenė“. Finansavimą skyrė Lietuvos mokslo taryba (LMTLT), sutarties Nr. S-GEV-20-8.

Received: 2021-06-01. Accepted: 2021-10-06
Copyright © 2021 Laima Okunevičiūtė-Neverauskienė, Arūnas Pocius, Sandra Krutulienė. Published by Vilnius University Press. This is an Open Access article distributed under the terms of the Creative Commons Attribution Licence, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

Įvadas

Ekonominė padėtis Lietuvoje ir kitose Baltijos šalyse šiame dešimtmetyje kasmet gerėjo, tačiau darbo rinkai trūksta stabilumo, nes didelės dalies darbo vietų patrauklumas dėl santykinai mažo darbo apmokėjimo ES mastu išliko nepakankamai didelis (ypač Lietuvoje ir Latvijoje). Tai komplikuoja labiau pažeidžiamų gyventojų sėkmingos integracijos į darbo rinką galimybes. Kita vertus, labiau pažeidžiamos gyventojų grupės yra itin jautrios staigesniems situacijos darbo rinkoje pokyčiams, ypač sumažėjus darbo vietų skaičiui tam tikruose ūkio sektoriuose.

Straipsnyje siekiama įvertinti tikslinių gyventojų grupių (vyrų, moterų, jaunimo, nedirbančio ir nesimokančio bei mokymuose nedalyvaujančio jaunimo (NEET), vyresnio amžiaus asmenų ir ilgalaikių bedarbių) padėtį Baltijos šalių darbo rinkoje bei atskleisti ekonomikos augimo sąsajas su šių tikslinių grupių užimtumu ir nedarbu. Taip pat straipsnyje atlikta nedarbo tendencijų analizė apima tradicinių demografinių grupių (vyrų, moterų, jaunimo (įskaitant nedirbantį ir nesimokantį jaunimą), pagyvenusių asmenų ir ilgalaikių bedarbių) padėties darbo rinkoje įvertinimą. Viena vertus, išskirtos asmenų grupės gali būti traktuojamos kaip įprastos gyventojų statistinės grupės, kurias galima tirti atsižvelgiant į disponuojamų statistinių duomenų galimybes. Pažymėtina, kad griežtų ribų tarp šių grupių negali būti, nes vienos grupės dalį apima kitos gyventojų grupės dalis (pvz., galima išskirti pagyvenusio amžiaus moteris ir kt.). Antra vertus, tikslinių grupių išskyrimas yra susijęs su jų socialiniu pažeidžiamu, nes jos patiria didesnių integracijos į darbo rinką sunkumų, palyginti su kitomis asmenų grupėmis. Straipsnyje atliekant nedarbo tendencijų analizę vyrauja labiau formalus statistinis tikslinių grupių išskyrimo požymis.

Socialiai pažeidžiamos gyventojų grupės: teorinis požiūris ir vertinimų apžvalga

Prieš pereinant prie išskirtų tikslinių grupių situacijos darbo rinkoje vertinimo Baltijos regione, straipsnyje pateikiama socialinio pažeidžiamumo ir socialiai pažeidžiamų grupių darbo rinkoje samprata, pristatoma tyrimų / vertinimų šioje srityje apžvalga.

Socialinis pažeidžiamumas yra viena iš svarbių pažeidžiamumo tyrimų atšakų, orientuotas į pažeidžiamą subjektą, t. y. asmenį ar populiaciją, ir apibrėžiamas kaip asmenų politinis, institucinis ar ekonominis pajėgumas tam tikroje erdvėje ir tam tikru laiku (Wisner, Blaikie, Cannon & Davis, 2004; Contemporary Sociology, 2018; Simona-Moussa & Ravazzini, 2019; Simona-Moussa, 2020; Prokazina, Alekseenok & Kaira, 2020). Ranci, Migliavacca (2010: 219) socialinį pažeidžiamumą apibrėžė kaip „gyvenimo situaciją, apibūdinamą atskirties ir įtraukties veiksnių daugiamate kombinacija“. Socialinis pažeidžiamumas traktuojamas kaip naujų socialinių rizikų (darbo rinkos lankstumo, būsto rinkos poliarizacijos, pajamų nesaugumo ir kitų), atsiradusių postindustrinėje visuomenėje, padarinys. Naujos socialinės rizikos pažeidė trijų pagrindinių socialinės įtraukties elementų (darbo rinkos, šeimos ir gerovės valstybės) darną (Ranci, Fiore & Pavolini, 2010; Desai & Rudra, 2019; Gerard, Imbert & Orkin, 2020). Tokia situacija lėmė socia­linės apsaugos sistemos negebėjimą atliepti neigiamus socialinių rizikų padarinius ir paskatino nesaugumo ir nestabilumo augimą pastaraisiais dešimtmečiais (Ranci, 2010; Libanova, 2020; Bista, 2020). Pasak Ranci (2010), postindustrinėje visuomenėje tapo sunku nuspėti neigiamus socialinės rizikos padarinius, nes tos pačios socialinės rizikos veiksniai gali turėti skirtingą poveikį asmenims ar asmenų grupėms. Išskiriama daug veiksnių, lemiančių didesnį vienų asmenų socialinį pažeidžiamumą nei kitų: lytis, rasė ir etninė kilmė, amžius, specialiųjų poreikių turėjimas, profesija, šeimos struktūra, išsilavinimas, socioekonominis statusas (pajamos, politinė galia, prestižas), gyvenamoji vieta (miestas, kaimas), sveikatos priežiūros paslaugos, priklausomybė nuo socialinės paramos, populiacijos augimas, pramonės išsivystymo lygis, asmenų turima gyvenamoji nuosavybė ir kt. (Cutter, Boruff & Shirley, 2003; Destefanis, 2017; D’Agostino, Grilli & Regoli, 2019; Caroleo, Ciociano, Heintz-Martin & Langmeyer, 2020; Oinas, Ruuskanen & Hakala, 2020; Grigorescu, Pirciog & Lincaru, 2020; Pienimaki, 2020). Tarp šių socia­linio pažeidžiamumo veiksnių yra ir darbo praradimas.

Socialiai pažeidžiamoms grupėms priskiriami asmenys paprastai ilgą laiką būna ekonomiškai neaktyvūs ir dėl neįgytų (prarastų) darbinių įgūdžių, kvalifikacijos ar socialinių gebėjimų stokos jiems itin sunku įsitraukti į darbo rinką (Rossignol, Turcanu, Fallon et al., 2017; Bajgar, Jansky & Kaliskova, 2019; Struffolino & Borgna, 2021). Tyrimai rodo, kad ilgą laiką nedirbantys asmenys praranda darbinius įgūdžius, socialinius kontaktus, ilgalaikis nedarbas siejamas su sveikatos, tiek fizinės, tiek psichinės, problemomis, taip pat problemomis šeimose, priklausomybėmis, įsiskolinimais ir kitais finansiniais sunkumais (Von Paierl & Stoppacher, 2009; Lechner, Riesenfelder, Schelepa, Wetzel, Götz & Natter, 2011; Alikperova, Yarasheva & Vinogradova, 2020). Šiame straipsnyje socialiai pažeidžiamos asmenų grupės analizuojamos ypatingą dėmesį skiriant jų dalyvavimo darbo rinkoje aspektui.

Mokslinėje literatūroje pažeidžiamoms darbo rinkoje asmenų grupėms dažniausiai priskiriamos šios asmenų kategorijos: moterys, jaunimas, pagyvenę asmenys, ilgalaikiai bedarbiai, neįgalieji, pagrindinio išsilavinimo neturintys asmenys (Clifton, Fernandez-Gutierrez & Garcia-Olalla, 2017; Gallardo, 2018; Brown, Adeboye, Yusuf et al., 2018; Yela Aranega, Castano Sanchez & Garcia Perez, 2020; Geyer, Haan, Hammerschmid et al., 2020; Wimer, Nam & Garfinkel et al., 2020; Gabriel, Brown, Leon et al., 2021). Pažymėtina, kad pažeidžiamos darbo rinkoje asmenų grupės nėra homogeniškos, nes tas pats socialinės rizikos veiksnys labai skirtingai paveikia asmenis (Ranci & Migliavacca, 2010; Kantova & Arltova, 2020), tačiau Pühringer (2013) išskiria pažeidžiamiems darbo rinkoje asmenims bendrus aspektus: laikas (pastebima, kad, ilgėjant nedarbo laikotarpiui, mažėja viltis įsilieti į darbo rinką); kvalifikacija (matoma tiek kvalifikacijos, tiek ir galimybių įgyti kvalifikaciją stoka); asmeniniai ir socialiniai ištekliai (mažesnė parama iš aplinkinių, neigiamas subjektyvus požiūris į savo situaciją); sveikatos būklė (ilgesnis nedarbas siejamas su psichinės sveikatos sutrikimais); problemų daugiamatiškumas; skurdo rizika. Šios charakteristikos riboja asmenų įsitraukimo į darbo rinką galimybes.

Įvairių socialiai pažeidžiamų asmenų grupių užimtumo klausimus ir nedarbo tendencijas Lietuvoje plačiau nagrinėjo R. Brazienė (2017), A. Dorelaitienė (2017), B. Gruževskis, S. Krutulienė (2019), R. Mikutavičienė (2017), J. Moskvina (2007; 2012; 2014; 2020), L. Okunevičiūtė-Neverauskienė (2007; 2012; 2014; 2016; 2019; 2020; 2021), A. Pocius (2016; 2019), V. Vilkoitytė, D. Skučienė (2020), L. Žalimienė, I. Blažienė (2020), I. Žalkauskaitė (2017), L. Žalimienė, I. Blažienė, J. Junevičienė (2020). Reikia pažymėti, kad pažeidžiamų darbo rinkoje grupių situacija dažniausiai analizuojama nacionaliniu lygmeniu, neretai pateikiamas ir Europos Sąjungos (toliau ES) šalių narių kontekstas. Mažiau dėmesio skiriama pažeidžiamų darbo rinkoje asmenų grupių nedarbo situacijai Baltijos šalių regione vertinti. Darbo rinkos Baltijos šalyse yra susijusios, šioms šalims būdingi labai panašūs darbo rinkos raidos laikotarpiai (ciklai), matomos panašios nedarbo tendencijos, kurios gana skiriasi nuo kitų ES šalių ir jų vidurkio, todėl Baltijos šalis darbo rinkos raidos aspektu būtų galima išskirti kaip atskirą regioną.

Tyrimo metodologija ir metodinės skaičiavimų nuostatos

Publikacijoje naudojamų darbo jėgos tyrimų rodiklių metodologinės ištakos glūdi ekonomiškai aktyvių gyventojų koncepcijoje. Darbo jėgos tyrimų duomenys leidžia palyginti tyrimui pasirinktų skirtingų tikslinių grupių darbo rinkos rodiklius Baltijos šalyse, nes jie remiasi bendra tyrimų metodologija. Tačiau reikėtų atkreipti dėmesį į tai, kad dideli darbo jėgos svyravimai jaunimo amžiaus grupėje gali apsunkinti jaunimo ir kitų tikslinių grupių padėties darbo rinkoje palyginimą pagal nedarbo rodiklius. Be to, dėl skirtingų vertinimo metodikų ilgalaikio nedarbo rodiklis tiesiogiai nėra palyginamas su kitų tikslinių grupių nedarbo rodikliais. Todėl, taikant lyginamosios analizės metodą, prioritetas buvo teikiamas kiekvienos tikslinės grupės skirtumams tarp šalių įvertinti.

Pritaikius koreliacinės analizės metodą, šioje publikacijoje numatyta atskleisti realaus BVP vienam gyventojui ir tikslinių grupių pagrindinių darbo rinkos rodiklių kaitos (užimtumo, nedarbo ar aktyvumo) Baltijos šalyse ryšį. Tradiciškai įvairūs mokslininkai tiria ekonomikos augimo poveikį darbo rinkai. Tačiau mūsų straipsnyje Baltijos šalių pavyzdžiu yra siekiama įvertinti BVP vienam gyventojui ir tikslinių grupių padėties darbo rinkoje kaitos ryšio skirtumus. Pasirinktas koreliacinės analizės metodas yra tinkamas esamiems tikslinių grupių padėties skirtumams įvertinti pagal koreliacinio ryšio stiprumo mastą (straipsnio autoriai šioje analizėje nekelia užduoties nustatyti vienokius ar kitokius veiksnius, kurie turi įtakos Baltijos šalių užimtumo ir nedarbo situacijai, o sutelkia dėmesį į pagrindinio ekonominės raidos kriterijaus – (BVP) ir darbo rinkos rodiklių ryšio vertinimą).

Nesudėtinga išsikelti bendrąją statistinio tyrimo prielaidą, kad spartesnis BVP vienam gyventojui augimas ES šalyse sumažina tikslinių grupių nedarbo lygio rodiklio reikšmę. Todėl galimas gana glaudus atvirkštinis BVP vienam gyventojui ir nedarbo lygio rodiklių dinamikos tikslinėse grupėse ryšys. Kita vertus, BVP vienam gyventojui augimas turėtų užtikrinti ir tikslinių grupių užimtumo lygio didėjimą Baltijos šalyse, kitaip tariant, turėtų būti gana glaudus tiesioginis koreliacinis nagrinėjamų rodiklių ryšys. Analogiška nuostata taikoma ir vertinant ekonomikos (BVP) augimo ir darbo jėgos dalyvavimo lygio ryšį.

Autorių atliktų skaičiavimų naujumą rodo galimo koreliacinio ryšio glaudumo (stiprumo) tarp BVP vienam gyventojui ir darbo rinkos rodiklių palyginimas skirtingų Baltijos šalių pavyzdžiu. Tai leidžia ne tik nustatyti teritorinius ryšio stiprumo skirtumus tarp Baltijos šalių, vertinant bendrą ekonominio augimo poveikį tikslinių grupių situacijai darbo rinkoje, bet ir įvertinti, kokių konkrečiai rodiklių (užimtumo, nedarbo ar aktyvumo) ryšys yra statistiškai svaresnis. Nors detalesnę ekonominio augimo (BVP) poveikio įtaką galėtų atskleisti gerokai platesnis statistinis tyrimas, tačiau jau koreliacijos koeficientų modulių palyginimas leidžia tiesiogiai palyginti ryšio stiprumo skirtumus bandant atsakyti, kuris rodiklis ekonomikos augimo požiūriu statistiškai reikšmingesnis – užimtumas ar nedarbas? BVP ir darbo rinkos rodiklių ryšio stiprumas leidžia atsakyti, kokių tikslinių grupių integracijos į darbo rinką galimybes galima sieti su ekonomikos (BVP) augimu? Kitas skaičiavimų etapas – nustatyti koreliacinio ryšio statistinio reikšmingumo lygį.

Tikslinių grupių nedarbo situacijai vertinti naudojami „Eurostat“ duomenys, jie leidžia atlikti lyginamąjį trijų Baltijos valstybių vertinimą, o kartu įvertinti tikslinių grupių nedarbo situaciją ES fone. Tikslinių grupių nedarbo situacija analizuojama vertinant 2005–2020 metų laikotarpį, BVP ir tikslinių grupių pagrindinių darbo rinkos rodiklių kaitos (užimtumo, nedarbo ar aktyvumo) Baltijos šalyse ryšiui įvertinti naudojami matematiniai statistikos metodai, atliekama koreliacinė analizė, duomenys apdorojami pasitelkiant SPSS programą.

Nedarbo tendencijų analizė pagal lytį

Vyrų ir moterų nedarbo raidos tendencijos Baltijos šalyse 2005–2020 metais buvo labai panašios (1 pav.). Itin didelį vyrų ir moterų nedarbo lygio svyravimą lėmė ekonomikos krizė, būtent 2008–2010 metais ir buvo didžiausias vyrų nedarbo šuolis visose Baltijos šalyse – vyrų nedarbas šiuo laikotarpiu padidėjo nuo 2,6 karto (Latvijoje) iki 3,5 karto (Lietuvoje), o Estijoje šis rodiklis per 2008–2010 metus išaugo 3,3 karto, tuo metu ES vyrų nedarbo vidurkio pokyčiai buvo kur kas tolygesni. 2010 metais visose Baltijos šalyse vyrų nedarbo lygis buvo aukščiausias.

Vėliau vyrų nedarbo lygis Baltijos šalyse ėmė mažėti. Vyrų nedarbas 2010–2019 metais Estijoje sumažėjo 4,6 karto, Latvijoje – 3,15 karto, Lietuvoje – 3 kartus. Vyrų nedarbas Lietuvoje mažėjo lėčiausiai, o nuo 2019 metų šis santykinis rodiklis ėmė didėti, nors kitose šalyse dar buvo ryški mažėjimo tendencija. Dėl ekonomikos krizės poveikio 2019–2020 metais ES ir Baltijos šalyse vyrų nedarbas pradėjo gana sparčiai didėti – Estijoje padidėjo net 1,7 karto, Latvijoje ir Lietuvoje – atitinkamai 1,3 karto.

72127.png 

1 pav. Vyrų nedarbo lygis Baltijos šalyse 2005–2020* m. (proc.)
* apskaičiuota remiantis ketvirtiniais duomenimis. Duomenų šaltinis: „Eurostat“.

Analogiškos Baltijos šalyse buvo ir moterų nedarbo ilgalaikės tendencijos (2 pav.). Mažiausias moterų nedarbo lygis Lietuvoje (4,4 proc.), Latvijoje (5,7 proc.) ir Estijoje (3,9 proc.) buvo 2007 metais – prieš prasidedant ekonomikos krizei (2007 m.) Baltijos šalyse moterų nedarbas buvo gerokai mažesnis (2,3–4 procentiniais punktais), palyginti su ES vidurkiu. Tačiau 2009 metais matomas ypač staigus moterų nedarbo lygio augimas Baltijos šalyse, 2010 metais jis pasiekė piką (Lietuvoje moterų nedarbas buvo 14,7 proc., Latvijoje – 16,6 proc. ir Estijoje – 14,5 proc.). Vėlesniu laikotarpiu (2010–2019 m.) nedarbo kaitos sparta buvo mažesnė ir visose Baltijos šalyse moterų nedarbas mažėjo. Tačiau 2019–2020 metais moterų nedarbo lygis vėl padidėjo (ES mastu jis augo lėčiau nei Baltijos šalyse). Itin sparčiai moterų nedarbas didėjo Latvijoje, 2020 metais siekė net dešimtadalį darbo jėgos.

72148.png 

2 pav. Moterų nedarbo lygis Baltijos šalyse 2005–2020* m. (proc.)
*apskaičiuota remiantis ketvirtiniais duomenimis. Duomenų šaltinis: „Eurostat“.

Tikslinių grupių nedarbo raida amžiaus požiūriu

Pabrėžtina, kad ankstesnė nedarbo lygio augimo banga ES mastu pagal lytį buvo gerokai nuosaikesnė, palyginti su Baltijos šalimis. Tokia situacija susidarė, nes dalyje ES šalių, ypač Ispanijoje ir Graikijoje, nedarbo augimas užtruko gerokai ilgiau. Pavyzdžiui, Graikijoje ir Ispanijoje didžiausias moterų nedarbo augimo pikas buvo pasiektas 2013 metais, kai moterų nedarbo lygis šiose šalyse, „Eurostat“ duomenimis, siekė atitinkamai 31,4 ir 26,7 procento.

Jaunimo nedarbo pokyčiai vertinamu laikotarpiu išsiskyrė itin dideliu dinamiškumu. 2009–2011 metais Baltijos šalyse jaunimo nedarbo lygis buvo gerokai aukštesnis už ES vidurkį (2011 m. šis skirtumas buvo didesnis nei 1,5 karto), nuo 2013 metų matoma priešinga situacija (3 pav.). Palyginti su Baltijos šalimis, ES šalių mastu jaunimo nedarbo augimo tendencija vėlavo. Didžiausias ES jaunimo nedarbo lygio vidurkis (24,3 proc.) buvo 2013 metais, mažiausias (15,5 proc.) 2007 metais. 2007 metais jaunimo nedarbo lygis mažiausias buvo ir Baltijos šalyse. Lietuvoje (35,7 proc.), Latvijoje (36,2 proc.) ir Estijoje (32,9 proc.) jaunimo nedarbo lygio rodiklis augimo viršūnę pasiekė 2010 metais, po 2010 metų matoma jaunimo nedarbo lygio mažėjimo tendencija. Jaunimo nedarbo lygis visose Baltijos šalyse per visą ankstesnį situacijos darbo rinkoje gerėjimo laikotarpį (2010–2019 m.) mažėjo beveik vienodai (apie 3 kartus). Tačiau jau minėto laikotarpio pabaigoje (2018–2019 m.) jaunimo nedarbo lygis Baltijos šalyse pradėjo pamažu didėti. Dėl ekonomikos krizės poveikio (2019–2020 m.) buvo matomas gerokai spartesnis jaunimo nedarbo lygio padidėjimas (Lietuvoje ir Estijoje jis augo gerokai sparčiau – apie 1,5 karto).

72166.png 

3 pav. Jaunimo (15–24 m.) nedarbo lygis Baltijos šalyse 2005–2020* m. (proc.)
*apskaičiuota remiantis ketvirtiniais duomenimis. Duomenų šaltinis: „Eurostat“.

Su jaunimo nedarbo rodiklio dinamika glaudžiai susijęs nedirbančio ir nesimokančio bei mokymuose nedalyvaujančio jaunimo (NEET) dalies rodiklis. Kaip matyti 4 pav., vertinamu laikotarpiu pagal NEET rodiklio reikšmę iš Baltijos šalių išsiskyrė Latvija, kur šis rodiklis dėl ekonomikos krizės poveikio 2009–2010 metais buvo ypač didelis (apie 18 proc.). Vertinant pagal NEET rodiklio reikšmę, jaunimo situacija Lietuvoje ir Estijoje daug geresnė nei Latvijoje, o dabartinio ekonominio pakilimo metu NEET rodiklis Baltijos šalyse yra žemesnis nei ES vidurkis. Dėl ekonomikos pakilimo poveikio (2010–2019 m.) NEET rodikliai Baltijos šalyse sparčiai mažėjo ir tapo gerokai mažesni už ES vidurkį (ypač spartus šio rodiklio mažėjimas buvo Latvijoje, kuris truko netgi 2020 metų ekonomikos krizės metu). Svarbu pažymėti, kad dėl pandemijos krizės poveikio itin sparčiai 2020 metais augo jaunimo NEET rodiklis Lietuvoje (siekė net 11,2 proc.), sparčiai artėjo prie maksimalaus lygio, pasiekto dėl ankstesnio ūkio nuosmukio poveikio.

72183.png 

4 pav. Jaunimo (15–24 m.) NEET rodiklio dinamika Baltijos šalyse 2005–2020* m. (proc.)
*apskaičiuota remiantis ketvirtiniais duomenimis. Duomenų šaltinis: „Eurostat“.

72201.png 

5 pav. Vyresnio amžiaus (55–64 m.) žmonių nedarbo lygis Baltijos šalyse 2005–2020* m. (proc.)

*apskaičiuota, remiantis ketvirtiniais duomenimis. Duomenų šaltinis: „Eurostat“.

Vyresnio amžiaus žmonių nedarbo lygis Latvijoje ir Lietuvoje nuo 2009 metų buvo aukštesnis už ES vidurkį, o Estijoje šis rodiklis „banguodamas“ sparčiau mažėjo ir pokriziniu laikotarpiu (2012–2015 m.) tapo netgi gerokai žemesnis už ES vidurkį. Vyresnio amžiaus asmenų nedarbo lygio piko laikotarpis Baltijos šalyse ir ES skyrėsi – didžiausias ES vyresnio amžiaus žmonių nedarbo lygio vidurkis (7,7 proc.) buvo 2013 metais, mažiausias (5,1 proc.) 2008 metais. Lietuvoje (14,4 proc.), Latvijoje (16 proc.) ir Estijoje (16,3 proc.) didžiausias vyresnio amžiaus žmonių nedarbo lygis buvo 2010 metais (5 pav.). Mažiausias vyresnio amžiaus žmonių nedarbo lygis Baltijos šalyse buvo 2007 metais. Lietuvoje vyresnio amžiaus žmonių užimtumo lygis daugelį metų buvo žemesnis negu Latvijoje. 2013–2019 metais vyresnio amžiaus žmonių nedarbo lygis mažėjo tiek ES mastu, tiek Baltijos šalyse, nors Estijoje jis dar iki 2016 metų laikinai augo. Tačiau ekonomikos krizės metu (2020 m.) vyresnio amžiaus žmonių nedarbo lygis pradėjo augti (ypač Lietuvoje, kur pagyvenusių žmonių nedarbas siekė net dešimtadalį darbo jėgos).

Svarbu pažymėti, kad vyresnio amžiaus asmenų nedarbo lygio pokyčiai yra nedideli, palyginti su jaunimo nedarbo svyravimais, kurie kur kas didesni (3 pav.). Palyginti su jaunimo nedarbo lygio kitimu, gerokai mažesni ir NEET rodiklio svyravimai (4 pav.).

Ilgalaikių bedarbių situacijos darbo rinkoje pokyčiai

Ilgalaikiai bedarbiai – specifinė tikslinė grupė, kur esant krizinei situacijai matomas didelis santykinis nagrinėjamos situacijos atotrūkis tarp Baltijos šalių ir ES. Antai 2010 metais Baltijos šalyse ilgalaikio nedarbo lygis apie du kartus viršijo ES šalių vidurkį, Latvijoje ilgalaikio nedarbo lygis ES šalių vidurkį 2010 metais viršijo 2,3 karto (6 pav.). Panaši buvo ir vyresnio amžiaus asmenų situacija, kai šios asmenų grupės nedarbo lygis Baltijos šalyse 2010 metais taip pat daugiau nei 2 kartus viršijo ES šalių vidurkį (5 pav.). Tendencijų panašumas logiškai paaiškinamas, nes paprastai vyresnio amžiaus asmenys sudaro didesnę dalį ilgalaikių bedarbių, palyginti su jaunesnėms gyventojų grupėms priklausančiais asmenimis. Pablogėjus ekonominei situacijai, ilgalaikių bedarbių kategorijai priklausę asmenys bene pirmieji netenka darbo, tačiau ekonomikos pakilimo metu besiplečiančios rinkos ilgalaikį nedarbą gerokai sumažina – šią situaciją gerai iliustruoja 6 pav. pateikti duomenys, kur matyti, kad nuo 2013 metų gerėjant ekonominei situacijai, visose Baltijos šalyse ilgalaikio nedarbo lygis tolygiai mažėjo. Tačiau 2019–2020 metais vėl matomas ilgalaikio nedarbo lygio didėjimas.

Skirtumai tarp Baltijos šalių ir ES šalių gerokai mažesni vertinant ilgalaikių bedarbių dalies dinamiką (7 pav.).

Tačiau šio rodiklio raidos tendencijos lyginant Baltijos šalis ir ES šalių vidurkį buvo skirtingos – ilgalaikių bedarbių dalis Baltijos šalyse po ekonomikos krizės pradėjo žymiai mažėti, o ES vidurkis dar gana ilgą laiką augo. Didžiausia ilgalaikių bedarbių dalis iki 2012 metų (iki ankstesnės pasaulinės ekonomikos krizės ir jos poveikio metu) buvo Estijoje, vėliau Latvijoje. Svarbu pabrėžti, kad skirtumus tarp Baltijos šalių rodiklių lemia skirtingos skaičiavimo metodikos. Taip pat atkreiptinas dėmesys, kad ilgalaikio nedarbo situacijai vertinti reikia labiau sisteminio požiūrio, neapsiriboti pasirinktu vienu rodikliu lyginant nagrinėjamos asmenų grupės nedarbo padėties dinamiką skirtingų šalių darbo rinkose.

72226.png 

6 pav. Ilgalaikio nedarbo lygis Baltijos šalyse 2005–2020* m. (proc.)

*apskaičiuota remiantis ketvirtiniais duomenimis. Duomenų šaltinis: „Eurostat“.

72244.png 

7 pav. Ilgalaikių bedarbių dalis Baltijos šalyse 2002–2020* m. (proc.)

*apskaičiuota remiantis ketvirtiniais duomenimis. Duomenų šaltinis: „Eurostat“.

Analizuojant nedarbą Baltijos šalyse, akcentuotina emigracijos įtaka šių rodiklių dinamikai. Kalbant apie migracijos įtaką laiko atžvilgiu (dinamiškai) galima pažymėti, kad itin didelis migracijos poveikis buvo ankstesnės pasaulinės ekonomikos krizės metu, kai, gerokai padidėjus nedarbo lygiui Baltijos šalyse, augo ir gyventojų emigracijos mastas. Antai dėl ekonomikos krizės ir nedarbo augimo poveikio didžiausia neigiama neto migracija ES mastu 2011 metais, „Eurostat“ duomenimis, buvo Lietuvoje ir Latvijoje (atitinkamai -12,6 ir -9,7 promilės) ir gerokai mažesnė Estijoje (-2,9 promilės). Pažymėtina, kad didžiausią įtaką migracija turi jaunimo nedarbui, tačiau ir jos galimo poveikio kitoms tikslinėms gyventojų grupėms ignoruoti negalima. Ekonominio pakilimo laikotarpiais emigracijos poveikis nedarbui gerokai sumažėja. Reikėtų pažymėti ir tai, kad nedarbo dinamikos ir migracijos ryšys gali būti itin sudėtingas. Toli gražu ne visada nedarbo dinamika sukelia migracijos pokyčius. Pavyzdžiui, 2014–2016 metais emigracija Lietuvoje itin sparčiai augo netgi ekonomikos pakilimo sąlygomis, kai nedarbo lygis kaip tik pradėjo mažėti gerokai sparčiau nei pirmaisiais metais po ekonomikos krizės.

Ekonomikos svyravimų ir tikslinių grupių situacijos darbo rinkoje sąsajų vertinimas

Siekiant įvertinti ekonomikos augimo poveikį tikslinių grupių situacijai darbo rinkoje skirtingų šalių kontekste, atlikta koreliacinė analizė. Pasirinkta prielaida, kad spartesnis BVP vienam gyventojui augimas ES šalyse sumažina tikslinių grupių nedarbo lygio rodiklio reikšmę ir užtikrina tikslinių grupių užimtumo lygio didėjimą. Svarbu pažymėti, kad Baltijos šalių ekonominės raidos pobūdis gerokai skyrėsi nuo ES vidurkio. Nors dar iki pasaulinės ekonomikos krizės Baltijos šalys pasiekė labai gerų nacionalinio ūkio augimo rezultatų (2007 m. metinis realus BVP augimo pokytis, „Eurostat“ duomenimis, Lietuvoje siekė 11,1 proc., Latvijoje – 10 proc., Estijoje – 7,7 proc., ES – 3,10 proc., o ekonomikos krizės įkarščio metu (2009 m.) šiose šalyse buvo matomas drastiškas nuosmukis (neigiamas BVP pokytis siekė atitinkamai -14,8, -14,4 ir -14,7 proc. ir buvo didžiausias ES šalių mastu). Drastiški BVP pokyčiai sukėlė didelį nedarbo lygio ir kitų darbo rinkos rodiklių svyravimą Baltijos šalyse, o ES mastu jie buvo kur kas nuosaikesni. Nedarbo lygis gana smarkiai padidėjo per dabartinę ekonomikos krizę, tačiau jos poveikis buvo nepalyginti mažesnis. Matomus staigius darbo rinkos rodiklių šuolius ir nuosmukius, ypač Baltijos šalyse, iliustruoja paveiksluose (1–7 pav.) pateikti analizės rezultatai.

Koreliacinės analizės rezultatai (1 lentelė) rodo, kad daugeliu atvejų yra gana stiprus BVP vienam gyventojui ir užimtumo dinamikos Baltijos šalyse ryšys, išimtis – jaunimo užimtumas (jaunimo užimtumo ir BVP vienam gyventojui kiek stipresnė teigiama koreliacija buvo tik Estijoje, kitose šalyse statistiškai reikšmingo ryšio nenustatyta). Pažymėtina, kad yra stipri teigiama moterų ir pagyvenusių asmenų užimtumo bei BVP vienam gyventojui koreliacija visose Baltijos šalyse. Vyrų užimtumo ir BVP vienam gyventojui ryšys gerokai silpnesnis (ypač Lietuvoje) – tokia situacija leidžia teigti, kad vyrų užimtumo galimybės nepanaudojamos dėl darbo vietų stokos ekonominėse veiklose, kur vyrauja vyrų darbas (pramonė, statyba, transportas, žemės ūkis), o paslaugų sektorius leidžia užtikrinti moterų užimtumo galimybes.

1 lentelėje taip pat matyti, kad BVP vienam gyventojui augimas labiau teigiamai paveikė tikslinių grupių aktyvumo rodiklį, išimtis – jaunimo situacija Lietuvoje ir Latvijoje bei vyrų padėtis Lietuvoje, kur koreliacija buvo neigiama.

1 lentelė. BVP vienam asmeniui ir tikslinių grupių darbo rinkos rodiklių koreliacijos pasi­skirstymo Baltijos šalyse ir ES (1998–2020 m.) įvertinimas

 

EU (28 šalys)

Estija

Latvija

Lietuva

Nedarbas ir su juo susiję rodikliai

r

p

r

p

r

p

r

P

Jaunimo nedarbo lygis

-0,39

0,065

-0,34

0,113

-0,41

0,053

-0,47

0,023

Vyrų nedarbo lygis

-0,46

0,027

-0,50

0,016

-0,40

0,060

-0,48

0,019

Moterų nedarbo lygis

-0,72

0,000

-0,49

0,017

-0,60

0,002

-0,60

0,002

Pagyvenusių asmenų nedarbo lygis

-0,47

0,024

-0,09

0,688

-0,18

0,408

0,03

0,901

Ilgalaikių bedarbių dalis

-0,55

0,006

-0,23

0,296

-0,12

0,578

-0,54

0,008

Ilgalaikio nedarbo lygis

-0,36

0,070

-0,76

0,000

-0,39

0,063

-0,62

0,002

Jaunimo NEET*

-0,79

0,000

-0,68

0,001

-0,56

0,008

-0,70

0,000

Užimtumas

r

p

r

p

r

p

R

P

Jaunimo užimtumo lygis

-0,17

0,443

0,51

0,013

0,11

0,621

-0,07

0,751

Vyrų užimtumo lygis

0,73

0,000

0,58

0,003

0,40

0,058

0,29

0,184

Moterų užimtumo lygis

0,91

0,000

0,85

0,000

0,76

0,000

0,66

0,001

Pagyvenusių asmenų užimtumo lygis

0,90

0,000

0,77

0,000

0,84

0,000

0,81

0,000

Aktyvumas

r

p

r

p

r

p

R

p

Jaunimo aktyvumo lygis

-0,59

0,003

0,49

0,016

-0,43

0,039

-0,43

0,042

Vyrų aktyvumo lygis

0,94

0,000

0,56

0,005

0,59

0,003

-0,02

0,925

Moterų aktyvumo lygis

0,87

0,000

0,78

0,000

0,78

0,000

0,54

0,007

Pagyvenusių asmenų aktyvumo lygis

0,89

0,000

0,80

0,000

0,85

0,000

0,83

0,000

Šaltinis: autorių skaičiavimai.

Autorių atlikta koreliacinė analizė daugeliu atvejų rodo vidutiniškai stiprią atvirkštinę BVP vienam gyventojui ir tam tikrų tikslinių grupių nedarbo lygio dinamikos (moterų, jaunimo, vyrų ilgalaikio nedarbo) ir jaunimo NEET rodiklio Baltijos šalyse koreliaciją (1 lentelė). Palankiausiai BVP vienam gyventojui augimas turėjo įtakos moterų nedarbui ir jaunimo NEET nedarbui mažėti. Pažymėtina, kad nebuvo rasta statistiškai kiek reikšmingesnio BVP vienam gyventojui ir ilgalaikių bedarbių dalies ryšio Estijoje ir Latvijoje. Atkreiptinas dėmesys, kad ekonomikos augimas mažiau susijęs su nedarbo dinamika nei užimtumo rodikliai, tokia situacija aiškinama tuo, kad nedarbo mažinimas yra susijęs su kitais, tiesiogiai nuo ekonomikos augimo nepriklausančias veiksniais.

Apibendrinant koreliacinės analizės rezultatus reikia pasakyti, kad ilgalaikiai bedarbiai ir jaunimas – tai bene labiausiai socialiai pažeidžiamos grupės darbo rinkoje, nes, pablogėjus ekonominei situacijai, jų nedarbas auga sparčiausiai, kita vertus, ekonomikos augimas pats savaime neužtikrina šių asmenų grupių integracijos į darbo rinką ir, norint įtraukti jas į darbo rinką, reikalingos kryptingos darbo rinkos politikos priemonės.

Išvados

Tikslinių grupių nedarbo situacija Baltijos šalių darbo rinkoje pasižymi itin dideliu raidos cikliškumu. Sparčiai gerėjant situacijai darbo rinkoje Baltijos šalyse 2005–2007 metais, dar iki praėjusiu dešimtmečiu vykusios ekonomikos krizės, buvo pasiektos tikslinių grupių nedarbo lygio minimalios reikšmės (2007 m.). Tačiau palyginti per trumpą laiką (2007–2010 m.) tikslinių grupių situacija kardinaliai pablogėjo nedarbo lygio reikšmėms 2010 metais pasiekus maksimalią reikšmę per visą nagrinėjamą laikotarpį. Išimtį sudarė ilgalaikių bedarbių rodikliai, kurių praėjusiu dešimtmečiu vykusi nedarbo mažėjimo tendencija užtruko kiek ilgiau.

Ankstesnė 2009 metų pasaulinė ekonomikos krizė gerokai palietė pažeidžiamų darbo rinkoje asmenų grupes Baltijos šalyse. Lyginant ES mastu, nedarbo tendencijos nesutapo su analogiškomis tikslinių grupių tendencijomis Baltijos šalyse. Tikslinių grupių nedarbo lygio vidurkio reikšmės ES šalyse augo ir 2010–2013 metais, o Baltijos šalyse šio rodiklio reikšmės nuo 2012 metų po truputį mažėjo. ES šalių mastu tikslinių grupių nedarbo lygio rodiklis pradėjo mažėti gerokai vėliau nei Baltijos šalyse. Be to, tikslinių grupių nedarbo rodiklio reikšmių augimas Baltijos šalyse 2007–2010 metais buvo gerokai spartesnis nei ES, nors truko kiek trumpiau. Spartus nedarbo augimas vykstant itin dideliam šio rodiklio svyravimui rodo, kad Baltijos šalyse tikslinių grupių bedarbiams buvo itin sudėtinga prisitaikyti prie iš esmės pablogėjusių sąlygų darbo rinkoje. Tokia situacija tapo grėsmingu iššūkiu ir politikams, siekiantiems sumažinti tikslinių grupių nedarbą ir įtampą darbo rinkoje.

Svarbu pabrėžti, kad daug geresnė padėtis nei ankstesnės pasaulinės krizės metu buvo per dabartinę pandemijos krizę (antai Baltijos šalių nedarbo rodikliai 2020 m. buvo kur kas mažiau nukrypę nuo ES vidurkio). Tam tikrais atvejais, ypač vertinant ilgalaikių bedarbių dalies rodiklį, situacija per paskutiniuosius metus tam tikrose Baltijos šalyse buvo geresnė nei vidutiniškai ES. Vertėtų pripažinti, kad dabartinės ekonomikos krizės poveikio darbo rinkai mastas bent jau kol kas buvo gerokai mažesnis nei ankstes­nio ekonominio nuosmukio laikotarpiu. Daugelį šių skirtumų nulėmė itin blogi ankstesnio ūkio nuosmukio rodikliai Baltijos šalyse, kurių sumažėjimą faktiškai lėmė grynai ekonominės ir finansinės priežastys, o dabartinis nuosmukis turėtų būti labiau susijęs su pandemijos įtaka.

Baltijos šalių ekonomikos svyravimai glaudžiai susiję su tam tikrų tikslinių grupių užimtumu (ypač moterų ir pagyvenusių žmonių), o ekonomikos augimo ir nedarbo ryšys paprastai yra silpnesnis (ryškesnė išimtis jaunimas, kur beveik pagal visus skaičiavimus, BVP vienam gyventojui ir nedarbo ryšys buvo stipresnis nei vertinant užimtumą ar jų aktyvumo lygį). Atkreiptinas dėmesys, kad nėra BVP vienam gyventojui ir jaunimo užimtumo rodiklio ryšio (išskyrus Estiją). Tai rodo, kad ekonomikos augimas anaiptol negalėjo užtikrinti tinkamų darbo vietų jauniems žmonėms.

Vertinant tikslinių grupių integracijos galimybes Baltijos šalyse, būtina pabrėžti, kad vyrų ir jaunimo grupės yra labai jautrios ekonomikos svyravimams. Viena vertus, ekonominio pakilimo metu vyrai yra santykinai lengvai į darbo rinką įtraukiama bedarbių grupė, kita vertus, ekonomikos nuosmukio laikotarpiu šios ieškančių darbo asmenų kategorijos (tiek vyrų, tiek jaunimo) patiria gana didelių sunkumų integruojantis į darbo rinką. Prie pažeidžiamiausių asmenų grupių būtina priskirti ir ilgalaikius bedarbius, tačiau reikia turėti omenyje, kad ilgėjanti nedarbo trukmė visada sumažina šios tikslinės grupės įsidarbinimo galimybes.

Ilgalaikiai bedarbiai ir jaunimas – bene labiausiai socialiai pažeidžiamos grupės darbo rinkoje, nes, pablogėjus ekonominei situacijai, jų nedarbas auga sparčiausiai, o ekonomikos augimas pats savaime neužtikrina šių asmenų grupių integracijos į darbo rinką ir šių gyventojų grupių integracijos į darbo rinką galimybės turėtų būti didinamos dėl efektyvesnės darbo rinkos politikos poveikio.

Manome, kad šio straipsnio rezultatai yra verti dėmesio tolesnės mokslinės diskusijos plėtotei. Nedarbo analizės rezultatai rodo tam tikrų tikslinių grupių nedarbo dinamikos skirtumus Baltijos šalyse. Tačiau šiame tyrime nėra tiesiogiai lyginama skirtingų tikslinių grupių padėtis darbo rinkoje. Pavyzdžiui, metodologiškai yra labai keblu objektyviai atlikti jaunimo ir pagyvenusių žmonių nedarbo lygio lyginamąją analizę, nors formaliai pirmos grupės nedarbo lygis gerokai aukštesnis nei antrosios. Antai jaunimo nedarbo lygio reikšmę padidina maža darbo jėgos lyginamoji dalis. Situaciją gali iškraipyti ir itin dideli jaunimo darbo jėgos svyravimai per ilgesnį laikotarpį. Todėl, atliekant šių tikslinių grupių lyginamąją analizę, svarbu gerokai išplėtoti statistinio tyrimo instrumentarijų, naudoti koeficientų metodą, šalia tradicinio nedarbo lygio pasirenkant ir kitus vertinimo rodiklius. Reikia atkreipti dėmesį ir tai, kad dėl metodologinių skaičiavimų skirtumų ilgalaikio nedarbo lygis yra visiškai tiesiogiai nepalyginamas su kitų tikslinių grupių nedarbo rodikliais.

Literatūra

Aidukaitė, J., Moskvina, J., & Skučienė D. (2020). The Lithuanian welfare system over the last 20 years of democratic transition: achievements, challenges and future prospects. In S. Blum, J. Kuhlmann, K. Schubert (Ed.), Handbook of European welfare systems (2nd edition) (pp. 310–326). London: Routledge. Doi: https://doi.org/10.4324/9780429290510

Alikperova, N. V., Yarasheva, A. V., & Vinogradova, K. V. (2019). Motivating young people’s laborbehavior as an opportunity for implementing financial strategies. Economic and Social Changes-Facts Trends Forecast, 12(1), 226–240. Doi: https://doi.org/10.15838/esc.2019.1.61.14

Bajgar, M., Jansky, P., & Kaliskova, K. (2019). The poor outside the lamplight: on the prevalence of poverty among population groups not included in household surveys. Post-Communist Economies, 31(2), 181–199. Doi: https://doi.org/10.1080/14631377.2018.1506624

Bista, R. B. (2020). Does disaster change income and wealth distribution towards extremity of inequality and poverty? Analysis of flood and landslides in the vulnerablelocations of Nepal. Forum for Social Economics.Doi: https://doi.org/10.1080/07360932.2020.1715810

Braziene, R. (2019). Youth transition from education to the labour market in Lithuania: The role of the youth and parental education. The Annals of the American Academy of Social and Political Science, 688(1), 155–170. Doi: https://doi.org/10.1177/0002716220908254

Brazienė, R., Mikutavičienė, I., Žalkauskaitė, U., Dorelaitienė, A., & Jurkevičienė, J. (2017). Vyresnio amžiaus asmenų situacija Lietuvos darbo rinkoje. Mokslo studija. Kaunas: Technologija.

Brown, L. D., Adeboye, A. A., & Yusuf, R. A. (2018). Engaging vulnerable populations in parent-led support groups: Testing a recruitment strategy. Evaluation and Program Planning, 69, Special Issue: SI, 18–24. Doi: https://doi.org/10.1016/j.evalprogplan.2018.04.004

Caroleo, F. E., Ciociano, E., & Destefanis, S. (2017). Youth labour-market performance, Institutions and Vet Systems: A Cross-Country Analysis. Italian Economic Journal, 3(1), 39–69. Doi: https://doi.org/10.1007/s40797-016-0045-8

Clifton, J., Fernandez-Gutierrez, M., & Garcia-Olalla, M. (2017). Including vulnerablegroups in financial services: insights from consumer satisfaction, Journal of Economic Policy Reform, 20(3), 214–237. Doi: https://doi.org/10.1080/17487870.2017.1308866

Costantini, O., & Seccareccia, M. (2020). Income distribution, household debt and growth in modern financializedeconomies. Journal of Economic Issues, 54(2), 444–453. Doi: https://doi.org/10.1080/00213624.2020.1752537

Cutter, S. L., Boruff, B. J., & Shirley, W. L. (2003). Social vulnerability to environmental hazards. Social Science Quarterly,84(2), 242–261.Doi: https://doi.org/10.1111/1540-6237.8402002

D’Agostino, A., Grilli, G., & Regoli, A. (2019). The determinants of dubjectivewell-being of young adults in Europe. Applied Research in Quality of Life, 14(1), 85–112. Doi: https://doi.org/ 10.1007/s11482-017-9582-z

Desai, R. M., & Rudra, N. (2019). Trade, poverty, and social protection in developing countries. European Journal of Political Economy, 60. Article Number: 101744. Doi: https://doi.org/10.1016/j.ejpoleco.2018.08.00

Gabriel, Myra G., Brown, A., Leon, M., et al. (2021). Power and social control of youth during the COVID-19 Pandemic. Leisure Sciences, 43(1–2), Special Issue: SI, 240–246. Doi: https://doi.org/10.1080/01490400.2020.1774008

Gallardo, M. (2018). Identifying vulnerability to poverty: A critical survey. Journal of Economic Surveys, 32(4), 1074–1105. Doi: https://doi.org/10.1111/joes.12216

Geyer, J., Haan, P., Hammerschmid, A., et al. (2020). Labormarket and distributional effects of an increase in the retirement age. Labour Economics, 65. Article Number: 101817.Doi:https://doi.org/10.1016/j.labeco.2020.101817

Gerard, F., Imbert, C., & Orkin, K. (2020). Social protection response to the COVID-19 crisis: options for developing countries. Oxford Review of Economic Policy, 36(1), S281–S296. Doi: https://doi.org/10.1093/oxrep/graa026

Gonenc, D., Piselli, D., & Sun, Y. (2020). The global economic system and access and allocation in earth system governance. International Environmental Agreements-Politics Law and Economics, 20(2), Special Issues: SI, 223–238. Doi: https://doi.org/10.1007/s10784-020-09472-w

Grigorescu, A., Pirciog, S., & Lincaru, C. (2020). Self-employment and unemployment relationship in Romania – Insights by age, education and gender. Economic Research-EkonomskaIstrazivanja, 33(1), 2462–2487. Doi: https://doi.org/10.1080/1331677X.2019.1689837

Heintz-Martin, V. K., & Langmeyer, A. N. (2020). Economic situation, financial strain and child well-being in stepfamilies and single-parent families in Germany. Journal of Family and Economic Issues, 41(2), 238–254. Doi: https://doi.org/10.1007/s10834-019-09653-z

YelaAranega, A., Castano Sanchez, R., & Garcia Perez, C. (2020). Labour integration of young people at risk of social exclusion through the development of key competencies. Economic Research-EkonomskaIstrazivanja, 2651–2668. Doi: https://doi.org/10.1080/1331677X.2020.1836991

Kantova, M., & Arltova, M. (2020). Emerging from crisis: Sweden’s active labour market policy and vulnerablegroups. Economic and Labour Relations Review, 31(4), 543564. Article Number: 1035304620959704. Doi: https://doi.org/10.1177/1035304620959704

Krutulienė, S., Okunevičiūtė -Neverauskienė (2019). Epilepsija sergančių asmenų į(si)galinimo ir užimtumo pajėgumų sąsajų vertinimas. Filosofija, Sociologija, 30(2),139–148. Doi: https://doi.org/10.6001/fil-soc.v30i2.4020

Lechner, F., Riesenfelder, A., Schelepa, S., Wetzel, P., Götz, R., & Natter, E. (2011). Sozialbenachteiligte und arbeitsmarktferne Personen am burgenländischen Arbeitsmarkt. Endbericht. Wien. 117 p.

Libanova, E. (2020). Minimum subsistence level in the social policy of the poor countries of Europe: the case of Ukraine. Economic Annals – XXI, 182(3), 117–125.Doi: https://doi.org/10.21003/ea.V182-12.

Moskvina, J., & Okunevičiūtė- Neverauskienė, L. (2012). Vulnerable groups at Lithuanian labourmarket. Comparative Economic Research. Central and Eastern Europe, 4(14), 47–63. Doi: https://doi.org/10.2478/v10103-011-0026-y

Oinas, T., Ruuskanen, P., Hakala, M., et al. (2020). The effect of early career social capital on long-term income development in Finland. International Journal of Sociology and Social Policy, 40(11–12), 1373–1390. Doi: https://doi.org/10.1108/IJSSP-02-2020-0032

Okunevičiūtė-Neverauskienė, L., Gruževskis, B., & Moskvina, J. (2007). Tautinių mažumų nedarbas bei jo mažinimo prielaidos Lietuvoje. Filosofija, Sociologija, 18(4), 23–36.

Okunevičiūtė-Neverauskienė, L., & Pocius, A. (2019). Demografinių grupių migracijos skirtumai ir tendencijų pasikeitimai Lietuvoje. Filosofija. Sociologija, 30(4), 295–304.Doi:https://doi.org/10.6001/fil-soc.v30i4.4155

Okunevičiūtė-Neverauskienė, L., & Moskvina, J. (2014). Pažeidžiamos gyventojų grupės. STEPP, 9, 114–128. Doi: https://doi.org/10.15388/STEPP.2014.0.3772

Okunevičiūtė-Neverauskienė, L., Žalimienė, L., Junevičienė, J. (2021). Kokio darbo pageidauja jaunimas ir ką siūlo pagyvenusių žmonių globos sektorius? Filosofija. Sociologija, 32(2), 118–125. Doi: https://doi.org/10.6001/fil-soc.v32i2.4411

Participatory Research: Working with Vulnerablegroups in research and practice. Contemporary Sociology – A Journal of Reviews, 2018, 47(3), 380–380.

Pienimaki, M. (2020). Participatory photography supporting the social inclusion of migrant youth. Journal of Youth Studies. Doi:https://doi.org/10.1080/13676261.2020.1814227

Pocius, A. (2016). Demografinių grupių padėties pokyčiai Lietuvos darbo rinkoje ir metodinių skirtumų įtaka santykiniams nedarbo rodikliams. Lithuanian Journal of Statistics, 55(1), 6–18. Doi: https://doi.org/10.15388/LJS.2016.13863

Prokazina, N., V., Alekseenok, A. A., & Kaira, Yu. V. (2020). Differentiation of the quality of life in the regional space. Rudn Journal of Sociology-Vestnik Rossiiskogo Universiteta Druzhby Narodov Seriya Sotsiologiya, 20(3), 509–526. Doi: https://doi.org/10.22363/2313-2272-2020-20-3-509-526

Pühringer, S. (2013). „Arbeitsmarktferne“ Personen – wersind die? Zuveränderten Exklusions dynamiken in neokapitalistischen Gesellschaften. SWS-Rundschau. 53(4), 361–381. http://nbn-resolving.de/urn:nbn:de:0168-ssoar-458177

Ranci, C., & Migliavacca, M. (2010). Social vulnerability: A multidimensional analysis. In C. Ranci (Ed.), Social vulnerability in Europe. The New Configuration of social risks (pp. 219–249). Palgrave Macmillan Basingstoke, UK.ISBN 978-0-230-24577-8

Ranci, C., Fiore B., & Pavolini, E. (2010). Explaining social vulnerability. In C. Ranci (Ed.), Social vulnerability in Europe. The New Configuration of social risks (pp. 250–278). Palgrave Macmillan Basingstoke, UK.ISBN 978-0-230-24577-8

Ranci, C. (2010). Ed. Social vulnerability in Europe. The New Configuration of social risks. Palgrave Macmillan Basingstoke, UK. 299 p. ISBN 978-0-230-24577-8

Rossignol, N., Turcanu, C., Fallon, C., et al. (2017). „How are you vulnerable?“ :Using participation for vulnerability analysis in emergency planning. Journal of Risk Research, 20(9), 1095–1114. Doi: https://doi.org/10.1080/13669877.2014.961522

Simona-Moussa, J. (2020). The subjective well-being of those vulnerable to poverty in Switzerland. Journal of Happiness Studies, 21(5), 1561–1580. Doi: https://doi.org/10.1007/s10902-019-00143-5

Simona-Moussa, J., & Ravazzini, L. (2019). From one recession to another: Longitudinal impacts on the quality of life of vulnerablegroups. Social Indicators Research, 142(3), 11291152. Doi: https://doi.org/10.1007/s11205-018-1957-5

Socialinės įtraukties didinimo 2014–2020 m. veiksmų planas. Patvirtintas Lietuvos Respublikos socialinės apsaugos ir darbo ministro 2013 m. spalio 22 d. įsakymu Nr. A1-588. Vilnius.

Struffolino, E., & Borgna, C. (2021). Who is really ‘left behind’? Half a century of gender differences in the school-to-work transitions of low-educated youth. Journal of Youth Studies, 24(2), 162–185. Doi: https://doi.org/10.1080/13676261.2020.1713308

Von Paierl, S., & Stoppacher, P. (2009). Integration arbeitsmarktfernerPersonen–ESF Schwerpunkt 3b 2008–2009. Endbericht. Graz. 153 p.

Wimer, Ch., Nam, J., Garfinkel, I., et al. (2020). Young adult poverty in historical perspective: The role of policy supports and early labor market experiences. Social Science Research, 86. Article Number: 102390. Doi: https://doi.org/10.1016/j.ssresearch.2019.102390

Wisner, B., Blaikie, P., Cannon, T., & Davis, I. (2004). At risk: Natural hazards, people`s vulnerability and disasters (Second ed.). Routledge. London. 447 p.

Vilkoitytė, V., & Skučienė D. (2020). Elderly Attitudes on the Continuity of Working Careers. Socialinė teorija, empirija, politika ir praktika, 20, 22–39. Doi: https://doi.org/10.15388/STEPP.2020.16

Žalimienė, L., & Blažienė, I. (2020). Between user‘s expectations and provider‘s quality of work: the future of elderly care in Lithuania. Population Ageing, 13, 5–23. Springer Netherlands. Doi: https://doi.org/10.1007/s12062-017-9215-1

Žalimienė, L., Blažienė, I., Junevičienė, J. (2020). What type of familialism is relevant for Lithuania? The case of elderly care. Journal of Baltic Studies, 51(2), 159–178. Doi:https://doi.org/10.1080/01629778.2020.1746368