Egyetemisták elképzelései a jövő munkahelyéről, jövőbeli munkahelyükkel kapcsolatos elvárásaik
Granát Marcell
2020-04-20
Absztrakt
Ezen tanulmány alapját az EFOP-3.6.2-16-2017-00017 azonosítószámú „Fenntartható, intelligens és befogadó regionális és városi modellek” projekt keretében készített kérdőíves felmérés adja, melyet magyar egyetemisták körében töltetünk ki. A kérdőívben feltett kérdések alapján mód nyílik egyetemek, képzések, nemek, egyetem melletti munkavállalási attitűdök szerinti bontásra. A kutatás elsősorban a megkérdezettek munkahelyi elvárásaira fókuszál bér, előrelépési lehetőségek, munkahelyi környezet, munkaidő rugalmassága és más változók szerint. A dolgozat kiemelt hozzáadott értékét adja az atipikus munkavégzési formákra vonatkozó attitűdök vizsgálata a kérdőív alapján (gondolván itt az angol szakirodalomban elterjedt „gig economy”-ra, melynek magyar megfelelőjeként egyes kutatók a hakni gazdaságot használják).
A kérdőív közel száz kérdést tartalmaz, a Tudományos Diákköri Konferenciára való végleges leadási határidőig körülbelül ezer kitöltésre számítunk. Az elemzés során egyszerű leírós statisztika és a kérdésekre adott válaszok páronkénti kapcsolat vizsgálatának eszközét kívánom felhasználni. Mivel a kérdőívre adott válaszok jelenetős hányadát névleges ismérvértéknek kívánom tekinteni, így a kapcsolat vizsgálatot főként függetlenség vizsgálattal végzem.
library(ggplot2)
library(ggthemes)
library(readxl)
library(writexl)
library(rms)
library(car)
library(broom)
library(knitr)
library(scales)
library(tidyr)
library(plyr)
library(dplyr)
library(ggpmisc)
library(naniar)
library(data.table)
library(formattable)
library(DT)
library(rio)
library(sparkline)
library(PerformanceAnalytics)
library(pedometrics)
library(hrbrthemes)
library(plotly)
library(kableExtra)
library(readxl)
library(googleVis)
op <- options(gvis.plot.tag = "chart")
library(reshape2)
library(markdown)
library(psych)
library(survey)
library(extrafont)
library(gdata)
library(ggrepel)
windowsFonts("Times New Roman" = windowsFont("Times New Roman"))
options(encoding = "UTF-8")
# DataSet <- read_excel("C:/Users/user/Desktop/szem_6/EFOP/kérdőív/Egyetemistak elkepzelesei a jovo munkahelyerol-adat-2020-03-12.xlsx")
DataSet <- read_excel("C:/Users/user/Desktop/szem_6/EFOP/kérdőív/Egyetemistak elkepzelesei a jovo munkahelyerol-adat-2020-04-16.xlsx")
EfopSurveyHandout <- read_excel("C:/Users/user/Desktop/szem_6/EFOP/kérdőív/EfopSurveyHandout.xlsx")
s <- as.vector(t(EfopSurveyHandout[, 2]))
names(DataSet) <- s # Oszlopneveket szükséges átkódolni, hogy az R tudja kezelni őket
names_vector <- vector()
names_vector <- EfopSurveyHandout$Q
names(names_vector) <- EfopSurveyHandout$ColumnNumberMyTheme <- theme_economist(dkpanel = T) + theme(
legend.title = element_blank(),
plot.title = element_text(margin = margin(t = 0, r = 0, b = 10, l = 0)),
axis.title = element_text(margin = margin(t = 10, r = 10, b = 0, l = 0)),
axis.ticks.length = unit(5, "points"),
panel.grid.major = element_line(
colour = "grey",
size = rel(1.75)
)
)Bevezetés
Az alábbi tanulmány a magyar egyetemisták jövőbeli munkahelyeikkel kapcsolatos elképzeléseikről, illetőlegesen az azzal szemben támasztott elvárásaik megismeréseit tárgyalja. Jelen dolgozat az EFOP-3.6.2-16-2017-00017 azonosítószámú „Fenntartható, intelligens és befogadó regionális és városi modellek” projekt keretében került elkészítésre, alapját egy a 2018/2019-es, illetőleg a 2019/2020-as tanév során egyetemisták körében terjesztett kérdőíves felmérés adja.
A tanulmány ennek okán elsősorban primer elemeket tartalmat. A kérdőív kitöltése során 114 kérdés megválaszolását kértük a részvevőktől, így az általam megfogalmazott hipotézisek, illetve a vizsgálat fókuszába helyezett kérdésekre adott válaszokat számos a kitöltőket jellemző szocioökonómiai státusz szerinti bontásban van módom elemezni, továbbá a válaszok közötti töréspontok elemzésére is kiváló lehetőség nyílik.
A tanulmány egyik fontos hozzáadott értéke, hogy a benne foglalt kérdések kitérnek témákra, mint az atipikus foglalkoztatási formák felé való érdeklődés (részmunka, távmunka, platform alapú munka, start-up indítása), a munkavállalással kapcsolatos egyéni értékrendek, jövedelmi elvárások, korábbi munkatapasztalat, tervezett továbbtanulás, külföldi munkavállalási tervek. Ennek köszönhetően elvégezhetővé válik az egyes atipikus foglalkozási formákra való nyitottság mögött meghúzódó motivációk feltérképzése, illetőleg az ilyen utat választó egyetemista hallgatók csoportjának leírása.
A kérdőív bemutatása
A most következő fejezetben szeretném az elemzett kérdőív szerkezeti bemutatását, a terjesztés metódusának, majd a szerzett minta jellemzőinek leírását megtenni.
A kérdőív felépítése
A kérdőív összesen 103 kérdést tartalmaz. Szerkezetét tekintve az alábbi struktúrát követi sorrendben: (1) személyes kérdések, (2) a kitöltő tanulmányaival kapcsolatos kérdések, (3) szakmai, anyagi, munkahelyi környezettel kapcsolatban megfogalmazott kérdések, (4) külföldi tanulmányi tervekről, külföldi munkavállalással kapcsolatos kérdések, (5) munkahelyi flexibilitásról feltett kérdések, (6) karriercélokkal, jövőképpel kapcsolatos kérdések, (7) szubjektív jólétről szóló kérdések.
A kérdőívben feltett kérdések teljes listáját a tanulmány függelékében található táblázatban sorolom fel.
A kérdőív terjesztésének metódusa
A kérdőív terjesztésére különböző csatornákon került sor, illetőleg időben is eltérő időben. A mintavétel első időszaka a 2018/2019-es tanév végén történt meg, főként a Budapesti Corvinus Egyetem tanóráinak szünetei között kiosztott papíralapú felvétellel, illetve egy hallgatók számára kiküldött online formátumú kérdőívvel. Ez nagyjából az első 130 mintaelemszámot teszi ki.
Második körben a kérdőív online formában történő terjesztésére került sor. A magyar egyetemi hallgatóság egészének lefedésének érdekében a szociális média platformjainak kihasználásával. A mintaelemszám fennmaradó körülbelül 270 elemszámát teszi ki innen származó kitöltés.
Elsődleges adattisztítás
Miután a kérdőív több platformon is elküldésre került, előrordulhat, hogy valaki véletlen kétszer töltötte ki. Az ebből adódó torzítások elkerülése végett a kiinduló adatállományból eltávolítom azokat a sorokat, melyekben a kitöltő e-mail címe nem először szerepel, bár szerencsére ez nem fordult elő gyakran (Összesen két darab ilyen sort találtam).
x <- na.exclude(data.frame(x = DataSet$s2))
x <- sort(unique(duplicated(x$x) * as.numeric(rownames(x))), decreasing = F)[-1]
DataSet <- DataSet[-x, ]x <- rep(0, length(DataSet))
for (i in 1:length(DataSet)) {
if (sum(!is.na(DataSet[i])) == 0) {
x[i] <- i
}
}
x[1:2] <- c(1:2)
x <- x[!x %in% 0]
DataSet <- DataSet[, -x]
EfopSurveyHandout <- EfopSurveyHandout[-x, ]n <- lengths(DataSet[, 1])Így összesen 417 darab beérkezett válasz alapján készült el ez a dolgozat.
A kérdőíves felméréssel nyert minta néhány tényező szerinti reprezentativitásának leírása
A következőkben szeretném bemutatni a kutatásban felhasznált minta egyes, a tanulmány jelentőségét merőben meghatározó ismérvek szerinti megoszlását. Miután a kérdőív kitöltése azontúl, hogy a kitöltő személynek egyetemi, vagy főiskolai hallgatói jogviszonnyal szükséges rendelkeznie nem kötődik más korlátozáshoz, így a tanulmány eredményeinek megfelelő interpretálásához, és tisztességes módon a helyén kezeléséhez szükséges bemutatni a kitöltésben résztvevő személyek néhány tényező szerinti megoszlását. Ezek főként a személyes kérdések, illetőlegesen az oktatással kapcsolatos kérdés blokkok között találhatóak
df <- data.frame(DataSet)
df <- df$s9
df <- ifelse(is.na(df), "nem válaszolt", df)
df <- plyr::count(df)
names(df) <- c("x", "f")
v <- 30 # specifies the space beetwen sticks
v <- seq(from = 0, by = v, to = 100 * v)
v <- ifelse(max(df$f) > v, v, 0)
v <- c(unique(v), max(v) + v[2] - v[1], max(v) + (v[2] - v[1]) * 2)
ggplot(df, aes(x = x, y = f)) +
geom_bar(
stat = "identity", position = "stack", color = "black", size = 1, fill = "#1167a6"
) +
ylab("Kitöltések száma") +
coord_flip() +
xlab("Egyetem") +
scale_y_discrete(expand = c(0, 0), limits = v) +
expand_limits(y = c(0, max(v))) +
labs(
title = "Kitöltők száma egyetemek szerint",
caption = "Az ábrán kiveszi magát az alkalmazott mintavétel legfontosabb torzítása: \nA Budapesti Corvinus Egyetem hallgatói jelentősen magasabb hányadban kerültek a mintába, mint más egyetemek hallgatói."
) +
MyTheme +
theme(
panel.grid.major.x = element_line(
colour = "grey",
linetype = "dashed",
size = 1
),
panel.grid.minor.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank(),
)
df <- data.frame(DataSet)
df <- df$s10
df <- ifelse(is.na(df), "nem válaszolt", df)
df <- plyr::count(df)
names(df) <- c("x", "f")
row.names(df) <- NULL
v <- 30 # specifies the space beetwen sticks
v <- seq(from = 0, by = v, to = 100 * v)
v <- ifelse(max(df$f) > v, v, 0)
v <- c(unique(v), max(v) + v[2] - v[1])
ggplot(df, aes(x = x, y = f)) +
geom_bar(stat = "identity", position = "stack", color = "black", size = 1, fill = "#1167a6") +
ylab("Kitöltések száma") +
coord_flip() +
xlab("Képzési terület") +
scale_y_discrete(expand = c(0, 0), limits = v) +
expand_limits(y = c(0, max(v))) +
labs(title = "Kitöltők száma képzési szintek szerint") +
MyTheme +
theme(
panel.grid.major.x = element_line(
colour = "grey", linetype = "dashed", size = 1
),
panel.grid.minor.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank(),
)
df <- data.frame(DataSet)
df <- df$s11
df <- ifelse(is.na(df), "nem válaszolt", df)
df <- plyr::count(df)
names(df) <- c("x", "f")
row.names(df) <- NULL
v <- 30 # specifies the space beetwen sticks
v <- seq(from = 0, by = v, to = 100 * v)
v <- ifelse(max(df$f) > v, v, 0)
v <- c(unique(v), max(v) + v[2] - v[1], max(v) + (v[2] - v[1]) * 2)
ggplot(df, aes(x = x, y = f)) +
geom_bar(stat = "identity", position = "stack", color = "black", size = 1, fill = "#1167a6") +
ylab("Kitöltések száma") +
coord_flip() +
xlab("Képzési szint") +
scale_y_discrete(expand = c(0, 0), limits = v) +
scale_fill_manual(values = c("#999999")) +
expand_limits(y = c(0, max(v))) +
labs(title = "Kitöltők száma képzési területek szerint") +
MyTheme +
theme(
panel.grid.major.x = element_line(
colour = "grey", linetype = "dashed", size = 1
),
panel.grid.minor.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank(),
)
df <- data.frame(DataSet)
df <- df$s4
df <- ifelse(is.na(df), "nem válaszolt", df)
df <- plyr::count(df)
names(df) <- c("x", "f")
row.names(df) <- NULL
v <- 30 # specifies the space beetwen sticks
v <- seq(from = 0, by = v, to = 100 * v)
v <- ifelse(max(df$f) > v, v, 0)
v <- c(unique(v), max(v) + v[2] - v[1])
ggplot(df, aes(x = x, y = f)) +
geom_bar(stat = "identity", position = "stack", color = "black", size = 1, width = 0.8, fill = "#1167a6") +
ylab("Kitöltések száma") +
coord_flip() +
xlab("Nem") +
scale_y_discrete(expand = c(0, 0), limits = v) +
expand_limits(y = c(0, max(v))) +
labs(title = "Kitöltők száma nemek szerint") +
MyTheme +
theme(
panel.grid.major.x = element_line(
colour = "grey", linetype = "dashed", size = 1
),
panel.grid.minor.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank(),
)
Kitöltések száma az állandó lakcím alapján
df <- plyr::count(DataSet$s6)
names(df) <- c("Állandó lakcím", "kitöltések száma")
df## Állandó lakcím kitöltések száma
## 1 Bács-Kiskun megye 16
## 2 Baranya megye 8
## 3 Békés megye 11
## 4 Borsod-Abaúj-Zemplén megye 10
## 5 Budapest 156
## 6 Csongrád megye 18
## 7 Fejér megye 11
## 8 Győr-Moson-Sopron megye 15
## 9 Hajdú-Bihar megye 23
## 10 Heves megye 12
## 11 Jász-Nagykun-Szolnok megye 7
## 12 Komárom-Esztergom megye 10
## 13 Nem Magyarországon 5
## 14 Nógrád megye 3
## 15 Pest megye 66
## 16 Somogy megye 6
## 17 Szabolcs-Szatmár-Bereg megye 19
## 18 Tolna megye 1
## 19 Vas megye 3
## 20 Veszprém megye 5
## 21 Zala megye 9
## 22 <NA> 3df <- DataSet$s6
df <- plyr::count(df)
names(df) <- c("x", "f")
df <- na.exclude(df)
countyName <- c(
"HU-BU", "HU-BK", "HU-BA", "HU-BE", "HU-BZ", "HU-CS", "HU-FE", "HU-GS", "HU-HB",
"HU-HE", "HU-JN", "HU-KE", "HU-NO", "HU-PE", "HU-SO", "HU-SZ", "HU-TO", "HU-VA", "HU-VE", "HU-ZA"
)
hdf <- data.frame("x" = c(
"Budapest", "Bács-Kiskun megye", "Baranya megye", "Békés megye",
"Borsod-Abaúj-Zemplén megye", "Csongrád megye", "Fejér megye", "Győr-Moson-Sopron megye",
"Hajdú-Bihar megye", "Heves megye", "Jász-Nagykun-Szolnok megye", "Komárom-Esztergom megye",
"Nógrád megye", "Pest megye", "Somogy megye", "Szabolcs-Szatmár-Bereg megye",
"Tolna megye", "Vas megye", "Veszprém megye",
"Zala megye"
), countyName)
df <- data.frame(hdf, plyr::join(hdf["x"], df))
df <- data.frame(df$countyName, df$f)
names(df) <- c("countyName", "Kitöltők száma")
GeoMaps <- gvisGeoChart(
df, "countyName", "Kitöltők száma",
options = list(
region = "HU",
displayMode = "regions",
resolution = "provinces",
title = "Kitöltések száma megyék szerint",
width = 800,
height = 494.5
)
)
plot(GeoMaps)
df <- DataSet
for (i in 1:length(df)) {
if (nrow(unique(na.exclude(df[i]))) == 1) {
for (j in 1:nrow(df)) {
if (is.na(df[j, i])) {
df[j, i] <- 0
}
}
}
}
realistic_income_c <- as.numeric(df$s66)
realistic_income_c <- ifelse(realistic_income_c < 10000, realistic_income_c * 1000, realistic_income_c)
bound_d <- quantile(realistic_income_c, na.rm = T)[2] - (quantile(realistic_income_c, na.rm = T)[4] - quantile(realistic_income_c, na.rm = T)[2]) * 1.5
bound_u <- quantile(realistic_income_c, na.rm = T)[4] + (quantile(realistic_income_c, na.rm = T)[4] - quantile(realistic_income_c, na.rm = T)[2]) * 1.5
for (i in 1:length(realistic_income_c)) {
realistic_income_c[i] <- ifelse(realistic_income_c[i] >= bound_d & realistic_income_c[i] <= bound_u, realistic_income_c[i], NA)
}
df$s66 <- realistic_income_c
sacrif_income_c <- as.numeric(df$s65)
sacrif_income_c <- ifelse(sacrif_income_c < 10000, sacrif_income_c * 1000, sacrif_income_c)
bound_d <- quantile(sacrif_income_c, na.rm = T)[2] - (quantile(sacrif_income_c, na.rm = T)[4] - quantile(sacrif_income_c, na.rm = T)[2]) * 1.5
bound_u <- quantile(sacrif_income_c, na.rm = T)[4] + (quantile(sacrif_income_c, na.rm = T)[4] - quantile(sacrif_income_c, na.rm = T)[2]) * 1.5
for (i in 1:length(sacrif_income_c)) {
sacrif_income_c[i] <- ifelse(sacrif_income_c[i] >= bound_d & sacrif_income_c[i] <= bound_u, sacrif_income_c[i], NA)
}
df$s65 <- sacrif_income_c
DataSet_c <- df#Leíró stat
oktatási kérdések
df <- data.frame(DataSet$s10, DataSet$s12)
tbl <- table(df)
Összesen <- colSums(tbl)
tbl <- rbind(tbl, Összesen)
Összesen <- rowSums(tbl)
tbl <- cbind(tbl, Összesen)
tbl## igen, külföldön igen, Magyarországon nem Összesen
## alapképzés 58 175 69 302
## egyéb 0 4 1 5
## mesterképzés 7 18 50 75
## osztatlan képzés 5 14 14 33
## PHD képzés 0 0 2 2
## Összesen 70 211 136 417df <- data.frame(DataSet$s13, DataSet$s14)
tbl <- rbind(table(df$DataSet.s13), table(df$DataSet.s14))
tbl <- percent(tbl / rowSums(tbl), format = "f")
rownames(tbl) <- c("angol", "német")
tbl## alap felső közép nincs
## angol 10.58% 42.31% 46.39% 0.72%
## német 30.22% 7.43% 20.14% 42.21%Munkával kapcsolatos kérdések
cat(paste(
"A válaszadók ",
percent(sum(DataSet$s15 == "igen") / nrow(DataSet), digits = 2, format = "f"),
"-ának volt már munkaviszonya.",
sep = ""
))A válaszadók 75.06%-ának volt már munkaviszonya.df <- data.frame(s15 = DataSet$s15, s16 = DataSet$s16)
df <- dplyr::filter(df, s15 == "igen")
cat(paste(
"A munkaviszonyok ",
percent(sum(df$s16 == "igen") / nrow(df), digits = 2, format = "f"),
"-a kapcsolódott a válaszadó által a szakterületének legfontosabb területéhez.",
sep = ""
))A munkaviszonyok 43.13%-a kapcsolódott a válaszadó által a szakterületének legfontosabb területéhez.v <- DataSet$s17
tbl <- table(v)
tbl <- tbl / sum(tbl)
df <- data.frame(percent(tbl, format = "f", digits = 2))
names(df) <- NULL
rownames(df) <- NULL
df
1 3 hónap és fél év között 15%
2 3 hónapnál rövidebb ideig 22%
3 fél évnél hosszabb ideig 63%df <- subset(DataSet_c, select = c(s18, s19, s20, s21, s22))
v <- vector()
for (i in 1:length(df)) {
x <- df[i]
v[i] <- sum(ifelse(x == 0, 0, 1))
}
v <- v / sum(v)
df <- data.frame(
variable = c(
"KKV", "Magyar nagyvállalat", "Multinacionális vállalat", "Közszféra", "Egyéb"
), value = percent(v, digits = 2, format = "d")
)
df <- df %>% arrange(desc(variable))
v <- cumsum(df$value) - df$value / 2
ggplot(data = df) +
geom_bar(aes(x = "", y = value, fill = variable), width = 1, stat = "identity", color = "black") +
geom_label_repel(aes(x = "", y = v, label = value), fill = "#efe8d1", size = 5, show.legend = F, nudge_x = 1) +
scale_fill_economist() +
coord_polar("y", start = 0) +
labs(title = "Korábbi munkaviszonyok cégtípus szerinti megoszlása") +
xlab("") +
ylab("") +
MyTheme +
theme(
legend.box.background = element_blank(),
legend.position = "right",
panel.grid.major.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.x = element_blank(),
panel.grid.minor.y = element_blank(),
axis.text = element_blank()
)
df <- subset(DataSet, select = c(
s24, s25, s26,
s27, s28, s29, s30, s31, s32, s33, s34, s35, s36, s37, s38, s39, s40, s41, s42
))
df <- df %>% gather(key = "variable", value = "value")
tbl <- table(df)
tbl <- prop.table(tbl, 1)
df <- data.frame(tbl)
dflow <- df[(df[, 2] %in% c(1, 2, 3)), ]
for (i in 1:nrow(dflow)) {
if (dflow[i, 2] == 3) {
dflow[i, 3] <- dflow[i, 3] / 2
}
}
dfhigh <- df[(df[, 2] %in% c(3, 4, 5)), ]
for (i in 1:nrow(dfhigh)) {
if (dfhigh [i, 2] == 3) {
dfhigh [i, 3] <- dfhigh [i, 3] / 2
}
}
ggplot() +
geom_bar(data = dflow, aes(x = variable, y = -Freq, fill = value), position = "stack", stat = "identity") +
geom_bar(data = dfhigh, aes(x = variable, y = Freq, fill = value), stat = "identity", position = position_stack(reverse = TRUE)) +
geom_hline(yintercept = 0, size = 1, color = "black", linetype = "longdash") +
geom_vline(xintercept = Inf, size = 1, color = "black") +
geom_hline(yintercept = Inf, size = 1, color = "black") +
geom_hline(yintercept = -Inf, size = 1, color = "black") +
scale_fill_manual(values = c("#CA0020", "#F4A582", "#DFDFDF", "#92C5DE", "#0571B0")) +
coord_flip() +
xlab("") +
ylab("") +
labs(
title = "Munkahely kapcsán egyes tényezőknek tulajdonított prioritások",
subtitle = "Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1-5)"
) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1), expand = c(0, 0), breaks = seq(-1, 1, 0.25), limits = c(-1, 1)) +
scale_x_discrete(labels = c(
"s24" = "Bér és juttatások", "s25" = "Előmenetel lehetősége", "s26" = "Szakmai fejlődés", "s27" = "Változatos munkavégzés", "s28" = "Munkahelyi környezet", "s29" = "Vállalat hírneve", "s30" = "Vállalati struktúra", "s31" = "Lakhatási támogatás", "s32" = "Külföldi tapasztalat\nszerzés lehetősége", "s33" = "Csapatmunka", "s34" = "Kollégiái között barátokat\nis találjon", "s35" = "Azonosulni tudjon\na cég értékrendjével", "s36" = "Kollégáival együtt fejlődjön",
"s37" = "Legyenek kezdeményezések\na testi és lelki jólétre", "s38" = "Munkaterhelés a munkaidő\nalatt kezelhető legyen", "s39" = "Jólétet elősegítő\nmunkakörnyezet", "s40" = "Munkahely támogassa\na táv és virtuális munkát", "s41" = "Idő beosztásának\nszabadsága", "s42" = "Virtuális platform megléte"
)) +
theme_economist_white(gray_bg = F) +
theme(
legend.position = "bottom",
legend.title = element_blank(),
panel.grid.major = element_line(
colour = "grey",
size = rel(1)
),
panel.grid.major.x = element_line(
colour = "grey",
size = rel(1)
),
axis.title = element_text(margin = margin(t = 10, r = 1, b = 0, l = 0)),
plot.title = element_text(margin = margin(r = 10, b = 10, l = 0)),
axis.ticks.length = unit(5, "points"),
plot.background = element_rect(fill = "#efe8d1"),
legend.background = element_rect(fill = "#efe8d1"),
panel.background = element_rect(fill = "#efe8d1"),
plot.margin = margin(r = 20, t = 5, b = 10)
)
v <- DataSet$s40
v1 <- vector()
v1[1] <- 0
v2 <- v1
v3 <- v1
v4 <- v1
v5 <- v1
for (i in 1:length(v)) {
v1[i + 1] <- v1[i]
v2[i + 1] <- v2[i]
v3[i + 1] <- v3[i]
v4[i + 1] <- v4[i]
v5[i + 1] <- v5[i]
if (is.na(v[i]) == F) {
if (v[i] == 1) {
v1[i + 1] <- v1[i] + 1
}
if (v[i] == 2) {
v2[i + 1] <- v2[i] + 1
}
if (v[i] == 3) {
v3[i + 1] <- v3[i] + 1
}
if (v[i] == 4) {
v4[i + 1] <- v4[i] + 1
}
if (v[i] == 5) {
v5[i + 1] <- v5[i] + 1
}
}
}
df <- data.frame(v1, v2, v3, v4, v5)
names(df) <- 1:5
df <- df / rowSums(df)
df <- tail(df, -1)
df$n <- 1:nrow(df)
df <- gather(df, key = "variable", value = "value", -n)
df$variable <- factor(df$variable, levels = c(5:1), labels = c(5:1))
ggplot(data = df) +
geom_area(aes(x = n, y = value, fill = variable), color = "black") +
scale_fill_economist() +
geom_vline(aes(xintercept = 240, color = "2020. március 11."), linetype = "dashed", size = 2) +
scale_color_manual(values = c("2020. március 11." = "#e3120b")) +
scale_x_continuous(expand = c(0, 0)) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1), expand = c(0, 0), limits = c(0, 1)) +
xlab("Kitöltő sorszáma") +
ylab("Adott válaszok megoszlása (százalék)") +
labs(title = "A munkahely távmunka támogatásának prioritása a munkaválasztásban") +
MyTheme
df <- subset(DataSet, select = c(s43, s44, s45, s46, s47, s48, s49, s50))
df <- df %>% gather(key = "variable", value = "value")
tbl <- table(df)
tbl <- prop.table(tbl, 1)
df <- data.frame(tbl)
dflow <- df[(df[, 2] %in% c(1, 2, 3)), ]
for (i in 1:nrow(dflow)) {
if (dflow[i, 2] == 3) {
dflow[i, 3] <- dflow[i, 3] / 2
}
}
dfhigh <- df[(df[, 2] %in% c(3, 4, 5)), ]
for (i in 1:nrow(dfhigh)) {
if (dfhigh [i, 2] == 3) {
dfhigh [i, 3] <- dfhigh [i, 3] / 2
}
}
ggplot() +
geom_bar(data = dflow, aes(x = variable, y = -Freq, fill = value), position = "stack", stat = "identity", color = "black") +
geom_bar(data = dfhigh, aes(x = variable, y = Freq, fill = value), stat = "identity", position = position_stack(reverse = TRUE), color = "black") +
scale_fill_manual(values = c("#CA0020", "#F4A582", "#DFDFDF", "#92C5DE", "#0571B0")) +
coord_flip() +
xlab("") +
ylab("") +
labs(
title = "Melyik tényezők miatt mondana fel egy munkahelyen?",
subtitle = "1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék"
) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1), expand = c(0, 0), breaks = seq(-1, 1, 0.25), limits = c(-1, 1)) +
scale_x_discrete(labels = c(
"s43" = "A munkámat nem ismerik el", "s44" = "A béremelés kicsiny\nmértéke, elmaradása", "s45" = "Előrejutás nem szakmai\nszempontok alapján történik", "s46" = "Sok túlóra", "s47" = "Túlórák ki nem fizetése", "s48" = "Szakmailag nem\nmegfelelő környezet",
"s49" = "Monoton munka", "s50" = "20%-kal magasabb\nbérajánlat máshonnan"
)) +
theme_economist() +
theme(
legend.position = "bottom",
legend.title = element_blank(),
panel.grid.major = element_line(
colour = "grey",
size = rel(1)
),
panel.grid.major.x = element_line(
colour = "grey",
size = rel(1)
),
axis.title = element_text(margin = margin(t = 10, r = 1, b = 0, l = 0)),
plot.title = element_text(margin = margin(r = 10, b = 10, l = 0)),
axis.ticks.length = unit(5, "points"),
plot.margin = margin(r = 20, t = 5, b = 10)
)
v <- DataSet$s51
v <- na.exclude(v)
cat(
paste(
"A válaszadók ",
percent(sum(v == "Hozzáadott érték") / length(v), digits = 2, format = "f"),
"-a tartja fontosabbnak a hozzáadott értéket, mint, hogy kitöltse munkaidejét.",
sep = ""
)
)A válaszadók 92.55%-a tartja fontosabbnak a hozzáadott értéket, mint, hogy kitöltse munkaidejét.v <- DataSet$s52
v <- na.exclude(v)
cat(
paste(
"A válaszadók ",
percent(sum(v == "Multiple career path (a sikeres szakmai karrier nem függ a vállalati hierarchiában betöltött pozíciótól)") / length(v), digits = 2, format = "f"),
"-a tartja előnyösebbnek, ha a szakmai karrier nem a vállalati hierarchiában betöltött pozíciótól függ.",
sep = ""
)
)A válaszadók 79.57%-a tartja előnyösebbnek, ha a szakmai karrier nem a vállalati hierarchiában betöltött pozíciótól függ.df <- subset(DataSet, select = c(s53, s54, s55, s56))
df <- gather(df)
tbl <- table(df)
tbl <- tbl / rowSums(tbl)
tbl## value
## key 1 2 3 4
## s53 0.58415842 0.21287129 0.12871287 0.07425743
## s54 0.17821782 0.44801980 0.23514851 0.13861386
## s55 0.19059406 0.16831683 0.39108911 0.25000000
## s56 0.04702970 0.17079208 0.24504950 0.53712871v <- vector()
for (i in 1:nrow(tbl)) {
v[i] <- tbl[i, 1] * 1 + tbl[i, 2] * 2 + tbl[i, 3] * 3 + tbl[i, 4] * 4
}
tbl <- cbind(tbl, v)
colnames(tbl) <- c("1", "2", "3", "4", "átlag érték")
rownames(tbl) <- c(
"Munka és magánélet egyensúlya",
"Fizetés",
"Szakmai előrehaladás",
"Szociális kapcsolatok"
)
tbl## 1 2 3 4
## Munka és magánélet egyensúlya 0.5841584 0.2128713 0.1287129 0.07425743
## Fizetés 0.1782178 0.4480198 0.2351485 0.13861386
## Szakmai előrehaladás 0.1905941 0.1683168 0.3910891 0.25000000
## Szociális kapcsolatok 0.0470297 0.1707921 0.2450495 0.53712871
## átlag érték
## Munka és magánélet egyensúlya 1.693069
## Fizetés 2.334158
## Szakmai előrehaladás 2.700495
## Szociális kapcsolatok 3.272277v <- DataSet$s57
tbl <- table(v)
tbl <- percent(tbl / sum(tbl), digits = 2, format = "f")
tbl <- t(tbl)
tbl## v
## 1 fő 2-3 fő 4-5 fő 6-8 fő még többen
## [1,] 5.5% 43.0% 37.3% 10.1% 4.1%v <- DataSet$s58
tbl <- table(v)
tbl <- percent(tbl / sum(tbl), digits = 2, format = "f")
tbl## v
## havonta havonta kétszer hetente egyszer hetente többször
## 4.33% 9.38% 47.36% 31.97%
## még ritkábban napi
## 0.96% 6.01%v <- na.exclude(DataSet$s59)
cat(
paste(
"A válaszadók ",
percent(sum(v == "igen") / length(v), digits = 2, format = "f"),
"-a igényelné az online kapcsolattartást a kollegákkal.",
sep = ""
)
)## A válaszadók 57.35%-a igényelné az online kapcsolattartást a kollegákkal.df <- subset(DataSet, select = c(s60, s61, s62, s63, s64))
x <- nrow(df)
df <- gather(df)
df <- na.exclude(df)
df <- count(df, value)
names(df) <- c("x", "f")
df$f <- percent(df$f / x, format = "f", digits = 2)
df## # A tibble: 5 x 2
## x f
## <chr> <formttbl>
## 1 nem helyhez kötött munkavégzés 55.40%
## 2 platform alapú 26.86%
## 3 részmunka 33.33%
## 4 saját vállalkozás indítása (startup) 53.48%
## 5 távmunka 45.56%Jövedelmi elvárásokra vonatkozó kérdésekre adott válaszok tisztítása, rövid jellemzése
Outlierek kezelése
A két jövedelemre vonatkozó kérdésben (“Mekkora az a havi nettó bér, amivel elégedett lenne?”, “Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető?”) a kitöltőknek kellett beírniuk válaszukat. Mivel több alkalommal is előfordult, hogy ezernél kisebb, vagy pár ezres értéket ütöttek be válasznak, így ezeken a válaszokon adattisztítást végeztem. Az említett eseteket végrehajtási hibának tekintem, azaz elemzésemet úgy hajtom végre az adatokon, minta ezer forintban adták volna meg az adatokat (tehát minden 10000-nél kisebb értékű válasznak az 1000-szeresét veszem).
df <- data.frame(s65 = as.numeric(DataSet$s65), s66 = as.numeric(DataSet$s66))
df[, 1] <- ifelse(df[, 1] < 10000, df[, 1] * 1000, df[, 1])
df[, 2] <- ifelse(df[, 2] < 10000, df[, 2] * 1000, df[, 2])
# values below 1000 are counted like error and multiplied by 1000 to correct
df <- df %>% gather(key = "variable", value = "value")
options(scipen = 10000)
ggplot(df, aes(x = variable, y = value)) +
geom_boxplot(outlier.fill = "#f8766d", outlier.size = 2, outlier.stroke = 1, outlier.shape = 21) +
ylab("Jövedelem forintban") +
xlab("") +
coord_flip() +
labs(title = "Jövedelmi elvárásokra irányuló kérdések dobozábrái") +
scale_x_discrete(labels = c(
expression(
paste("Mekkora az a havi nettó bér, \namivel elégedett lenne?")
),
expression(paste(
"Ön szerint mekkora az a havi nettó bér,
amely az Ön szakterületén pályakezdőként\nreálisan elérhető?"
))
)) +
MyTheme
Megjegyzés: A dobozábra a kérdésekre adott válaszokhoz tartozó három kvartilis értéket jelentítik meg. Azokat az értékeket, amelyek az interkvartilis terjedel határaitól az interkvartilis terjedelem 1,5-szörösével térnek el outliernek tekintem. Ezeket a kiugró értékeket pontként jelenítem meg a diagramon.
A dobozábrákon jól látszik, hogy az adattisztitást követően továbbra is fellelhetőek kiugró értékek a két tárgyalt kérdésre adott válaszokban, különösen felfelé. Bár elképzelhető, hogy valaki valóban mindössze 25 millió forintos havi jövedelemmel lenne elégedett, végrehajtási hibaként hivatkozva ezen értékek mellőzöm az elemzésemből. Ezen tisztítások elvégzése után a tárgyalt két kérdésre adott válaszok az alábbi formát öltik.
Jövedelmi elvárásokra vonatkozó kérdésekre adott válaszok rövid jellemzése
y <- as.numeric(DataSet$s65)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
sacrif_income <- y[s]
y <- as.numeric(DataSet$s66)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
realistic_income <- y[s]
df <- data.frame(
variable = c(
rep("sacrif_income", length(sacrif_income)),
rep("realistic_income", length(realistic_income))
),
value = c(sacrif_income, realistic_income)
)
mu <- data.frame(
variable = c("sacrif_income", "realistic_income"),
grp.mean = c(
mean(subset(df, variable == "sacrif_income")$value),
mean(subset(df, variable == "realistic_income")$value)
)
)
variable_names <- list(
"sacrif_income" = "Ami reálisan elérhető",
"realistic_income" = "Amivel elégedett lenne"
)
variable_labeller <- function(variable, value) {
return(variable_names[value])
}
ggplot(df, aes(x = value)) +
geom_histogram(color = "black", fill = "#efe8d1") +
facet_grid(variable ~ ., labeller = variable_labeller) +
scale_y_continuous(expand = c(0, 1)) +
labs(
title = "Jövedelmi elvárásokra irányuló kérdések adattisztítás utáni hisztogramjai",
caption = "\nA diagramon az Ami reálisan elérhető mögött az Ön szerint mekkora az a havi nettó bér, amely az Ön \nszakterületén pályakezdőként reálisan elérhető? kérdésre adott válaszok, míg az \nAmivel elégedett lenne a Mekkora az a havi nettó bér, amivel elégedett lenne? \nkérdésre adott válaszok húzódnak, a végrehajtási hibák korrigálása és az outlierek eltávolítása után."
) +
ylab("Gyakoriság") +
xlab("Jövedelem forintban") +
geom_vline(
data = mu, aes(xintercept = grp.mean, color = "Átlag"),
linetype = "dashed", size = 1
) +
scale_color_manual(name = "", values = c("Átlag" = "#e3120b")) +
MyTheme +
theme(
legend.position = c(0.1, -0.15),
panel.spacing = unit(1.2, "lines")
)
y <- as.numeric(DataSet$s65)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
sacrif_income <- y[s]
y <- as.numeric(DataSet$s66)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
realistic_income <- y[s]
df <- matrix(nrow = 2, ncol = 5)
df[1, 1] <- mean(sacrif_income)
df[1, 2] <- median(sacrif_income)
df[1, 3] <- sd(sacrif_income)
df[1, 4] <- skewness(sacrif_income, method = "sample")
df[1, 5] <- kurtosis(sacrif_income, method = "sample_excess")
df[2, 1] <- mean(realistic_income)
df[2, 2] <- median(realistic_income)
df[2, 3] <- sd(realistic_income)
df[2, 4] <- skewness(realistic_income, method = "sample")
df[2, 5] <- kurtosis(realistic_income, method = "sample_excess")
descript_income <- data.frame(format(round(df, 2)))
rownames(descript_income) <- c("Amivel elégedett lenne", "Ami reálisan elérhető")
names(descript_income) <- c("Átlag", "Medián", "Szórás", "Alfa-3", "Alfa-4")
kable(descript_income,
align = c("c", "c", "c", "c", "c"), caption =
"Jövedelemi elvárásokra vontakozó kérdésekre adott válaszok egyszerű mutatószámai"
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "responsive"), full_width = T)| Átlag | Medián | Szórás | Alfa-3 | Alfa-4 | |
|---|---|---|---|---|---|
| Amivel elégedett lenne | 326365.59 | 300000.00 | 107238.56 | 0.64 | 0.03 |
| Ami reálisan elérhető | 231213.57 | 230000.00 | 63918.26 | 0.42 | -0.05 |
Megjegyzés: A táblázatban az “Ami reálisan elérhető” mögött az “Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető?” kérdésre adott válaszok, míg az “Amivel elégedett lenne” a “Mekkora az a havi nettó bér, amivel elégedett lenne?” kérdésre adott válaszok húzódnak, a végrehajtási hibák korrigálása és az outlierek eltávolítása után. A szórásszámítása során figyelembe vettem, hogy mintából származó ismérvekket alkalmazok, így ennek megfelelően a variancia nevezőjébe (n-1) került. Ezen tulajdonság az alfa-3 és alfa-4 mutató számításakor is figyelembe lett véve.
cat("5 év elteltével a kezdőfizetése hányszorosával lenne elégedett?\n")
v <- DataSet$s67
tbl <- table(v)
tbl <- percent(tbl / sum(tbl), format = "f", digits = 4)
tbl5 év elteltével a kezdőfizetése hányszorosával lenne elégedett?
v
1 - 1,5 1,5 - 2 2 - 2,5
9.135% 52.644% 32.933%
nem lényeges szempont
5.288% cat("5 év elteltével milyen beosztást szeretne elérni?\n")
v <- DataSet$s68
tbl <- table(v)
tbl <- percent(tbl / sum(tbl), format = "f", digits = 4)
tbl5 év elteltével milyen beosztást szeretne elérni?
v
beosztott
10.386%
felsővezető
7.246%
független szakértő / saját cégen belüli munkavégzés
22.947%
középvezető
59.420% cat("5 év elteltével milyen beosztást szeretne elérni?\n")
v <- DataSet$s69
tbl <- table(v)
tbl <- percent(tbl / sum(tbl), format = "f", digits = 4)
tbl5 év elteltével milyen beosztást szeretne elérni?
v
2 3 4 5
1.683% 8.654% 34.375% 55.288% Migráció
cat("A végzettség megszerzését követően tervez-e külföldi munkavállalást?")
v <- DataSet$s71
tbl <- table(v)
tbl <- percent(tbl / sum(tbl), format = "f", digits = 4)
tblA végzettség megszerzését követően tervez-e külföldi munkavállalást?v
igen még nem tudom nem
31.73% 43.27% 25.00% v <- DataSet$s72
tbl <- table(v)
df <- data.frame(tbl)
df <- df %>% arrange(desc(Freq))
names(df) <- c("említett ország", "gyakoriság")
df## említett ország gyakoriság
## 1 Amerikai Egyesült Államok 21
## 2 Egyesült Királyság 14
## 3 Ausztria 13
## 4 egyéb európai ország 12
## 5 egyéb nem európai ország 10
## 6 Németország 10
## 7 Hollandia 9
## 8 Kanada 8
## 9 Dánia 6
## 10 Skandináv államok 6
## 11 Svájc 6
## 12 Franciaország 5
## 13 Spanyolország 5
## 14 Olaszország 3df <- subset(DataSet, select = c(s71, s73))
df <- filter(df, s71 == "igen")
x <- nrow(df)
df <- na.exclude(df)
cat(
paste(
"Akik terveznek külföldi munkavállalást a végzettség megszerzése után, azok ",
percent(sum(df$s73 == "igen") / x),
"-a a szakterületén tervezi azt.",
sep = ""
)
)Akik terveznek külföldi munkavállalást a végzettség megszerzése után, azok 90.15%-a a szakterületén tervezi azt.df <- subset(DataSet, select = c(s75, s76, s77, s78, s79, s80))
x <- nrow(df)
df <- gather(df)
df <- na.exclude(df)
df <- count(df, value)
df$n <- percent(df$n / x)
names(df) <- c("tényező", "relevánsnak tartók számának aránya")
df## # A tibble: 6 x 2
## tényező `relevánsnak tartók számának aránya`
## <chr> <formttbl>
## 1 Baráti kapcsolatok 63.31%
## 2 Családi kapcsolatok 61.63%
## 3 Lakhatási és megélhetési kiadások 52.28%
## 4 Magasabb anyagi megbecsülés 57.55%
## 5 Szakmai kihívás és fejlődés lehetősége 63.07%
## 6 Szellemi és kulturális közeg 54.92%v <- DataSet$s81
cat(
paste(
"A kitöltők ",
percent(sum(na.exclude(v) == "állami ösztöndíjas") / length(v)),
"-a tanul állami ösztöndíjas finanszírozási formában",
sep = ""
)
)## A kitöltők 76.26%-a tanul állami ösztöndíjas finanszírozási formábandf <- subset(DataSet, select = c(s81, s82)) %>% dplyr::filter(s81 == "állami ösztöndíjas")
x <- nrow(df)
cat(
paste(
"Az állami ösztöndíjas finanszírozási formában tanulók",
percent(
sum(na.exclude(df)$s82 == "igen") / x
), "-át befolyásolja a röghözkötés abba, hogy tervez-e külföldi munkavállalást",
sep = ""
)
)## Az állami ösztöndíjas finanszírozási formában tanulók19.81%-át befolyásolja a röghözkötés abba, hogy tervez-e külföldi munkavállalástv <- DataSet$s84
cat(
paste(
"A kitöltők ",
percent(
sum(na.exclude(v) == "igen") / length(v)
), "-a ismeri a sabbatical kifejezést",
sep = ""
)
)## A kitöltők 17.03%-a ismeri a sabbatical kifejezéstv <- DataSet$s86
v <- ifelse(is.na(v), 0, v)
df <- data.frame(no = v, hour = v, day = v, more = v)
df$hour <- cumsum(ifelse(df$hour == "igen, heti pár órára", 1, 0))
df$day <- cumsum(ifelse(df$day == "igen, heti egy napra", 1, 0))
df$more <- cumsum(ifelse(df$more == "igen, hetente több napra", 1, 0))
df$no <- cumsum(ifelse(df$no == "nem", 1, 0))
df <- df / rowSums(df)
names(df) <- c("1", "2", "3", "4")
df$n <- 1:nrow(df)
df <- df %>% gather(key = "key", value = "value", -n)
df$key <- factor(df$key, levels = c("1", "2", "3", "4"), labels = c("nem", "heti pár órára", "heti egy napra", "hetente többször"))
ggplot(data = df) +
geom_area(aes(x = n, y = value, fill = key), color = "black") +
scale_fill_economist() +
geom_vline(aes(xintercept = 240, color = "2020. március 11."), linetype = "dashed", size = 2) +
scale_color_manual(values = c("2020. március 11." = "#e3120b")) +
scale_x_continuous(expand = c(0, 0)) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1), expand = c(0, 0), limits = c(0, 1)) +
xlab("Kitöltő sorszáma") +
ylab("Adott válaszok megoszlása (százalék)") +
labs(title = "Van-e igénye home office-ra?") +
MyTheme
v <- DataSet$s86
v <- ifelse(is.na(v), 0, v)
df <- data.frame(no = v, hour = v, day = v, more = v)
df$hour <- ifelse(df$hour == "igen, heti pár órára", 1, 0)
df$day <- ifelse(df$day == "igen, heti egy napra", 1, 0)
df$more <- ifelse(df$more == "igen, hetente több napra", 1, 0)
df$no <- ifelse(df$no == "nem", 1, 0)
df$n <- 1:nrow(df)
v <- sapply(df, sum)
v <- v[c(1:4)]
v <- percent(v / sum(v))
m <- matrix(nrow = 3, ncol = 4, dimnames = list(c("Összesen", "Március 11 előtt", "Március 11 után"), c("nem", "heti pár órára", "heti egy napra", "hetente többször")))
m[1, ] <- v
v <- sapply(df %>% filter(n < 240), sum)
v <- v[c(1:4)]
v <- percent(v / sum(v))
m[2, ] <- v
v <- sapply(df %>% filter(n >= 240), sum)
v <- v[c(1:4)]
v <- percent(v / sum(v))
m[3, ] <- v
m <- percent(m)
m %>%
kable(caption = "Van-e igénye home office-ra?", align = c(rep("c", ncol(m))), digits = 2) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), full_width = T)| nem | heti pár órára | heti egy napra | hetente többször | |
|---|---|---|---|---|
| Összesen | 0.2283654 | 0.09855769 | 0.3966346 | 0.2764423 |
| Március 11 előtt | 0.2092050 | 0.10460251 | 0.3933054 | 0.2928870 |
| Március 11 után | 0.2542373 | 0.09039548 | 0.4011299 | 0.2542373 |
v <- DataSet$s87
df <- data.frame(table(v))
names(df) <- c("variable", "value")
df$value <- percent(df$value / sum(df$value))
df <- df %>% arrange(desc(variable))
v <- cumsum(df$value) - df$value / 2
ggplot(data = df) +
geom_bar(aes(x = "", y = value, fill = variable), width = 1, stat = "identity", color = "black") +
geom_label_repel(aes(x = "", y = v, label = value), fill = "#efe8d1", size = 5, show.legend = F, nudge_x = 1) +
scale_fill_economist() +
coord_polar("y", start = 0) +
labs(title = "Milyen munkavégzés felel meg Önnek a legjobban?") +
xlab("") +
ylab("") +
MyTheme +
theme(
legend.box.background = element_blank(),
legend.position = "right",
panel.grid.major.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.x = element_blank(),
panel.grid.minor.y = element_blank(),
axis.text = element_blank()
)
v <- DataSet$s88
tbl <- table(v)
df <- data.frame(tbl)
df$Freq <- percent(df$Freq / sum(df$Freq))
names(df) <- c("Munkahelyváltás gyakorisága", "Válasz relatív gyakorisága")
df %>%
kable(caption = "Milyen gyakran váltana munkakört?", align = c(rep("c", ncol(m))), digits = 2) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), full_width = T)| Munkahelyváltás gyakorisága | Válasz relatív gyakorisága |
|---|---|
| 1-2 évente | 15.90% |
| 3-8 évente | 65.78% |
| 8-15 évente | 10.84% |
| soha | 7.47% |
v <- DataSet$s89
tbl <- table(v)
df <- data.frame(tbl)
df$Freq <- percent(df$Freq / sum(df$Freq))
names(df) <- c("Válasz", "Válasz relatív gyakorisága")
df %>%
kable(caption = "Mennyire rugalmas a munkavégzés helyét illetően? Hol vállalna munkát?", align = c(rep("c", ncol(m))), digits = 2) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), full_width = T)| Válasz | Válasz relatív gyakorisága |
|---|---|
| a környező települések még szóba jöhetnek | 28.92% |
| egyáltalán nem | 15.42% |
| külföldön is vállalnék munkát | 42.65% |
| távolabbi települések is szóba jöhetnek, de csak Magyarországon | 13.01% |
v <- DataSet$s90
cat(
paste(
"A kitöltők ",
percent(
sum(na.exclude(v) == "igen") / length(v)
),
"-a válaszolt úgy, hogy segítség lenne számára a gyermekvállalásban, ha tudná, hogy a munkahely rugalmasan kezeli azt (pl. átmeneti részmunkaidős lehetőség biztosítása).",
sep = ""
)
)## A kitöltők 88.49%-a válaszolt úgy, hogy segítség lenne számára a gyermekvállalásban, ha tudná, hogy a munkahely rugalmasan kezeli azt (pl. átmeneti részmunkaidős lehetőség biztosítása).Jövőkép
df <- subset(DataSet, select = c(s92, s93, s94, s95, s96, s97, s98))
df <- df %>% gather(key = "variable", value = "value")
tbl <- table(df)
tbl <- prop.table(tbl, 1)
df <- data.frame(tbl)
dflow <- df[(df[, 2] %in% c(0, 1, 2, 3, 4, 5)), ]
for (i in 1:nrow(dflow)) {
if (dflow[i, 2] == 5) {
dflow[i, 3] <- dflow[i, 3] / 2
}
}
dfhigh <- df[(df[, 2] %in% c(5, 6, 7, 8, 9, 10)), ]
for (i in 1:nrow(dfhigh)) {
if (dfhigh [i, 2] == 5) {
dfhigh [i, 3] <- dfhigh [i, 3] / 2
}
}
dflow$dir <- rep("low", nrow(dflow))
dfhigh$dir <- rep("high", nrow(dfhigh))
df <- rbind(dflow, dfhigh)
df %>% arrange(value) -> df
ggplot() +
geom_bar(data = df %>% filter(dir == "low") %>% arrange(value), aes(x = variable, y = -Freq, fill = value), position = "stack", stat = "identity", color = "black") +
geom_bar(data = df %>% filter(dir == "high") %>% arrange(value), aes(x = variable, y = Freq, fill = value), stat = "identity", position = position_stack(reverse = TRUE), color = "black") +
scale_fill_manual(
values = c(
"0" = "black",
"1" = "gray19",
"2" = "gray28",
"3" = "gray34",
"4" = "gray38",
"5" = "gray42",
"6" = "gray49",
"7" = "gray53",
"8" = "gray60",
"9" = "gray76",
"10" = "gray87"
)
) +
geom_hline(yintercept = 0, color = "black", size = 1) +
coord_flip() +
xlab("") +
ylab("") +
labs(
title = "Értékelje 0-tól 10-ig a következő munkahelyi szituációkat!",
caption = "*: A kérdés bár nem ebbe a blokkba tartozik,\nugyanúgy 0-10-ig terjedő skálán lett rögzítve a hozzá tartozó válasz"
) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1), expand = c(0, 0), breaks = seq(-1, 1, 0.25), limits = c(-1, 1)) +
scale_x_discrete(labels = c(
"s92" = "Mennyire bízik abban, hogy eléri a következő 10 évre kitűzött karriercéljait?*",
"s93" = "Kiemelt fizetés, napi 10-12 óra munka,\nakár hétvégeken is, nemzetközi munkakörnyezet, sok stressz,\nállandó rendelkezésre állás",
"s94" = "Biztos állás, állandó feladatok, napi 8 óra munka,\npozíciónak megfelelő átlagos fizetés",
"s95" = "Rugalmas munkaidő, szakmai önállóság, nem hierarchikus munkaszervezet,\nhorizontális karrierpályák, munkavégzéssel azonos bérezés, nincs fix jövedelem",
"s96" = "Szakmailag inspiráló munkakörnyezet, szakmai fejlődés folyamatos kényszere,\nváltozatos munka folyamatos kihívásokkal, nem kiemelkedő bérezés",
"s97" = "Felsővezetői pozíció, kiemelkedő bérezés, hatékony döntéselőkészítő csapat,\nstabil jövőkép",
"s98" = "Nagyvállalat, minimális előrelépési lehetőség, hierarchikus szervezet,\npozíciónak megfelelő átlagos fizetés, fizetetlen túlóra"
)) +
theme_economist() +
theme(
legend.position = "bottom",
legend.title = element_blank(),
panel.grid.major = element_line(
colour = "grey",
size = rel(1)
),
panel.grid.major.x = element_line(
colour = "grey",
size = rel(1)
),
axis.title = element_text(margin = margin(t = 10, r = 1, b = 0, l = 0)),
plot.title = element_text(margin = margin(r = 10, b = 10, l = 0), hjust = 5),
axis.ticks.length = unit(5, "points"),
plot.margin = margin(r = 20, t = 5, b = 10),
)
df <- subset(DataSet, select = c(s100, s101, s102, s103, s104, s105, s106, s110, s111, s112, s113, s114))
df <- df %>% gather(key = "variable", value = "value")
tbl <- table(df)
tbl <- prop.table(tbl, 1)
df <- data.frame(tbl)
dflow <- df[(df[, 2] %in% c(0, 1, 2, 3, 4, 5)), ]
for (i in 1:nrow(dflow)) {
if (dflow[i, 2] == 5) {
dflow[i, 3] <- dflow[i, 3] / 2
}
}
dfhigh <- df[(df[, 2] %in% c(5, 6, 7, 8, 9, 10)), ]
for (i in 1:nrow(dfhigh)) {
if (dfhigh [i, 2] == 5) {
dfhigh [i, 3] <- dfhigh [i, 3] / 2
}
}
dflow$dir <- rep("low", nrow(dflow))
dfhigh$dir <- rep("high", nrow(dfhigh))
df <- rbind(dflow, dfhigh)
df %>% arrange(value) -> df
ggplot() +
geom_bar(data = df %>% filter(dir == "low") %>% arrange(value), aes(x = variable, y = -Freq, fill = value), position = "stack", stat = "identity", color = "black") +
geom_bar(data = df %>% filter(dir == "high") %>% arrange(value), aes(x = variable, y = Freq, fill = value), stat = "identity", position = position_stack(reverse = TRUE), color = "black") +
scale_fill_manual(
values = c(
"0" = "black",
"1" = "gray19",
"2" = "gray28",
"3" = "gray34",
"4" = "gray38",
"5" = "gray42",
"6" = "gray49",
"7" = "gray53",
"8" = "gray60",
"9" = "gray76",
"10" = "gray87"
)
) +
geom_hline(yintercept = 0, color = "black", size = 1) +
coord_flip() +
xlab("") +
ylab("") +
labs(
title = "Értékelje 0-tól 10-ig a következőket!"
) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1), expand = c(0, 0), breaks = seq(-1, 1, 0.25), limits = c(-1, 1)) +
scale_x_discrete(labels = c(
"s100" = "Mennyire elégedett az életével mostanában?",
"s101" = "Mennyire elégedett az anyagi helyzetével?",
"s102" = "Mennyire elégedett a jelenlegi munkájával / tanulmányaival?",
"s103" = "Mennyire elégedett a munkába (iskolába) járás körülményeivel?",
"s104" = "Mennyire elégedett azon idő mennyiségével,\namelyet az Ön által kedvelt dolgokkal tölthet?",
"s105" = "Összességében mennyire érzi tartalmasnak\nazokat a dolgokat, amiket csinál?",
"s106" = "Mennyire néz reményvesztetten vagy bizakodóan a jövőbe?*",
"s110" = "Ön szerint mennyire lehet megbízni az emberekben általában?",
"s111" = "Mennyire bízik meg Ön személy szerint a politikai rendszerben?",
"s112" = "Mennyire bízik meg Ön személy szerint a jogrendszerben?",
"s113" = "Mennyire bízik meg Ön személy szerint a rendőrségben?",
"s114" = "Mennyire bízik meg Ön személy szerint a honvédségben?"
)) +
theme_economist() +
theme(
legend.position = "bottom",
legend.title = element_blank(),
panel.grid.major = element_line(
colour = "grey",
size = rel(1)
),
panel.grid.major.x = element_line(
colour = "grey",
size = rel(1)
),
axis.title = element_text(margin = margin(t = 10, r = 1, b = 0, l = 0)),
plot.title = element_text(margin = margin(r = 10, b = 10, l = 0), hjust = 5),
axis.ticks.length = unit(5, "points"),
plot.margin = margin(r = 20, t = 5, b = 10),
)
df <- subset(DataSet, select = c(s107, s108, s109))
df %>% gather() -> df
m <- table(df)
m <- percent(m / rowSums(m))
rownames(m) <- c("boldog", "stresszes", "magányos")
m %>%
kable(align = rep("c", ncol(m)), caption = "Mostanában milyen gyakran érezte magát úgy, hogy ...") %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"))| időnként | mindig | ritkán | soha | többnyire | |
|---|---|---|---|---|---|
| boldog | 0.2227603 | 0.16222760 | 0.08716707 | 0.004842615 | 0.5230024 |
| stresszes | 0.3535109 | 0.11864407 | 0.11622276 | 0.007263923 | 0.4043584 |
| magányos | 0.2881356 | 0.05811138 | 0.28571429 | 0.164648910 | 0.2033898 |
Kérdésekre adott válaszok közötti kapcsolatok feltérképezése a kapcsolat vizsgálat egyszerű eszközeivel
A következő fejezetben a kérdőív kitöltői között adott válaszok közötti kapcsolatokat szeretném feltérképezni. Az egyidejűleg vizsgált két kérdés között a kapcsolat fennálássának megítélésére, erősségének meghatározására használt eszközt a kérdésre adott válaszok mérési szintje határozza meg. Két mennyiségi ismérv között a használt indikátor a korreláció. Jelen kérdőív mindössze két darab ilyen szinten mért változót tartalmaz (“Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető?”,“Mekkora az a havi nettó bér, amivel elégedett lenne?”), így egyetlen ilyen mutatót lehet kiszámítani, mivel az itt tárgyalt indikátorok mind szimetrikusak. Minőségi vagy területi ismérvek mennyiségi ismérvvel való összehasonlításakor vegyes kapcsolat vizsgálatáról beszélünk. Két nominális skálán mért változó közötti együttingadozás vizsgálatakor pedig asszociációs kapcsolatot vizsgálunk.
Módszertani szempontból gondot okoz, hogy egyes kérdések esetében a kitöltők több válaszlehetőséget is megadhattak. Ilyenkor az előbb felsorolt kapcsolat vizsgálatokat többféle módon is elvégezhetjük. Első esetben az ilyen válasz lehetőségeket úgy vetjük vizsgálat alá, hogy csak az egyik válaszlehetőségre fókuszálunk. Ebben az esetben a tárgyalt ismérv szerinti részsokasságok képzése csak az alapján történik meg, hogy adott csoportba tartozik-e vagy sem.
df <- data.frame(EfopSurveyHandout$MultipleChoice, EfopSurveyHandout$Q)
df <- na.exclude(df)
names(df) <- c("Összetartozás", "Kérdés")
rownames(df) <- NULL
kable(df, caption = "Többválaszos kérdések és az arra adható válaszok", align = c("c", "c")) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive")) %>%
column_spec(1, border_right = T)| Összetartozás | Kérdés |
|---|---|
| 1 | Milyen típusú cégnél dolgozott? > KKV |
| 1 | Milyen típusú cégnél dolgozott? > magyar nagyvállalat |
| 1 | Milyen típusú cégnél dolgozott? > multinacionális vállalat |
| 1 | Milyen típusú cégnél dolgozott? > közszféra |
| 1 | Milyen típusú cégnél dolgozott? > egyéb |
| 2 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú |
| 2 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > távmunka |
| 2 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > részmunka |
| 2 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > saját vállalkozás indítása (startup) |
| 2 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > nem helyhez kötött munkavégzés |
| 3 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szellemi és kulturális közeg |
| 3 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Magasabb anyagi megbecsülés |
| 3 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Lakhatási és megélhetési kiadások |
| 3 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Családi kapcsolatok |
| 3 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Baráti kapcsolatok |
| 3 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége |
Például a “Milyen típusú cégnél dolgozott?” kérdés esetében az 5 lehetséges válasz közül a kitöltő egyszerre többet is megadhat. Az imént említett kezelési eljárás során tehát minden egyes válaszlehetőség alapján részsokasságokat hozunk létre, hogy oda tartozik-e vagy sem. Így tehát egy öt külön változót fogunk vizsgálni (Dolgozott-e KKV-nál, vagy sem?). Másik lehetőség, hogy úgy bontjuk a sokasságot részsokasságokra, hogy mindegyik válaszopciót felhasználjuk, mindazonáltal ilyenkor előfordulhat, hogy egy egyént többször kell számolnunk. Jelen elemzés során mindkét lehetőség alapján elvégzem a számításokat.
Korrelációs kapcsolat
y <- as.numeric(DataSet$s65)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
sacrif_income_s <- s
sacrif_income <- y
y <- as.numeric(DataSet$s66)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
realistic_income_s <- s
realistic_income <- y
s <- intersect(sacrif_income_s, realistic_income_s)
# take only the rows, where both answer is avaiable
realistic_income <- realistic_income[s]
sacrif_income <- sacrif_income[s]
income_cor <- percent(cor(realistic_income, sacrif_income), format = "d")
df <- data.frame(realistic_income, sacrif_income)
Mylm <- lm(sacrif_income ~ realistic_income, df)
Myfitted <- Mylm$coefficients[1] + Mylm$coefficients[2] * realistic_income
df["fitted"] <- Mylm$coefficients[1] + Mylm$coefficients[2] * realistic_income
ggplot(df) +
geom_hline(aes(yintercept = mean(df$sacrif_income), linetype = "Átlag érték"), size = 1, color = "black") +
scale_linetype_manual(values = c("Átlag érték" = "dashed")) +
geom_vline(xintercept = mean(df$realistic_income), color = "black", size = 1, linetype = "dashed") +
geom_point(aes(x = realistic_income, y = sacrif_income),
shape = 21, fill = "#8abbd0", color = "#8abbd0", size = 4, stroke = 2, alpha = 0.7
) +
geom_line(aes(x = realistic_income, y = fitted, color = "Analitikus regressziófüggvény"), size = 2) +
scale_color_manual(values = c("Analitikus regressziófüggvény" = "#e3120b")) +
annotate(
geom = "segment",
y = Inf,
yend = Inf,
x = -Inf,
xend = Inf,
color = "gray",
size = 1.5
) +
ylab("Amennyivel elégedett lenne") +
xlab("Amennyi szerinte reálisan a szakterületén kezdőként elérhető") +
labs(title = "Jövedelmi elvárásokra irányuló kérdések korrelációja") +
theme_economist_white(gray_bg = F) +
theme(
axis.ticks.length = unit(5, "points"),
axis.ticks.y = element_line(colour = "gray", size = 1.1),
axis.ticks.length.y = unit(.3, "cm"),
panel.grid.major = element_blank(),
legend.title = element_blank(),
plot.title = element_text(margin = margin(t = 0, r = 0, b = 10, l = 0)),
axis.title = element_text(margin = margin(t = 10, r = 10, b = 0, l = 0)),
legend.key.size = unit(3, "line")
)
A két kérdésre adott válaszok közötti determinációs együttható (r2) (a tisztítás és outlierek eltávolítása után): 34%
Vegyes kapcsolat
Miután a kapcsolatkeresés ezen szakaszában egyik ismérvünk mennyiségi ismérv, a másik pedig minőségi vagy területi, így az ismert kapcsolatfajták közül a vegyes kapcsolat használható. A szorosság mérésére ezen esetben a PRE-elv (Proportional Reduction of Errors) alkalmazható. Ez azt jelenti, hogy kiszámítjuk azon hibák mértékét, amelet akkor kapnánk, ha a sokasság egységeinek értékét (jelen esetben a bérre vonatkozó kérdésre adott válasz) az adott egyén névleges skálán mért válasza ismerete nélkül becsülnénk, azaz a teljes minta átlagától vett négyzetes eltéréseket (SST) számítjuk ki. Ezután kiszámtjuk a négyzetes hibákat a kategoriális változó ismerete mellett is, tehát a csoport átlagtól vett négyzetes eltéréseket (SSB). Ezen két mutató szám ismerete alapján kiszámíthatóvá válik a varianciahányados (H^2), amely százalékos formában is értelmezhető és megmutatja, hogy a nominális skálán mért változó hány százalékban magyarázza a mennyiségi ismérv szóródását (a varianciáját egészen pontosan). Az együttingadozás ezen tömör, számszerű jellemzését megadó mutatót kiszámítottam a két arányskálán mért változó (“Mekkora az a havi nettó bér, amivel elégedett lenne?”, “Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető?”) és az összes névleges skálán mért változó között, majd a kapcsolat szorosságának csökkenő sorrendjében közlöm az alábbi táblázatokban:
Mekkora az a havi nettó bér, amivel elégedett lenne?
Input <- DataSet[, -c(59, 60)]
v <- ifelse(rapply(Input, function(x) {
length(unique(na.exclude(x)))
}) == 1, 1, 0) * c(1:length(Input))
v <- sort(v, decreasing = F)
v <- v[(sum(v == 0) + 1):length(v)]
for (i in v) {
Input[is.na(Input[, i]), i] <- 0
}
Input <- data.frame(Input)
y <- as.numeric(DataSet$s65)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
y <- y[s]
Input <- Input[s, ]
VarianceAnalysisOutput <- matrix(nrow = length(Input), ncol = 2)
VarianceAnalysisOutput[, 1] <- names(Input)
for (i in 1:length(Input)) {
x <- Input[, i]
MyAnova <- aov(formula = y ~ x, data = data.frame(y = y, x = x))
VarianceAnalysisOutput[i, 2] <- summary(MyAnova)[[1]][["Sum Sq"]][1] /
sum(summary(MyAnova)[[1]][["Sum Sq"]])
}
sacrif_VarianceAnalysisOutput <- data.frame(EfopSurveyHandout[-c(59, 60), 3],
H2 = percent(VarianceAnalysisOutput[, 2], format = "d", digits = 2)
)
sacrif_VarianceAnalysisOutput <- na.exclude(sacrif_VarianceAnalysisOutput)
names(sacrif_VarianceAnalysisOutput) <- c("Változó", "H^2")
sacrif_VarianceAnalysisOutput <- sacrif_VarianceAnalysisOutput[order(
sacrif_VarianceAnalysisOutput$H^2,
decreasing = T
), ]
row.names(sacrif_VarianceAnalysisOutput) <- NULL
kable(head(sacrif_VarianceAnalysisOutput, 15),
align = c("c", "c"), caption =
"Mekkora az a havi nettó bér, amivel elégedett lenne? és a
nem mennyiségi skálán mért ismérvek között elvégzett
variancianalízisek eredménye"
) %>%
column_spec(2, width = "1em", border_left = T) %>%
kable_styling(bootstrap_options = c("striped", "condensed", "hover", "responsive"), full_width = T, fixed_thead = T) %>%
footnote(general = "Variancihányados alapján csökkenő sorrendbe helyezve az első 15 változó.", general_title = "Megjegyzés:")| Változó | H^2 |
|---|---|
| Melyik országban? | 17.54% |
| Melyik felsőoktatási intézményben tanul? | 15.12% |
| Milyen képzésterületre jár? (Ha többre is, akkor a legfontosabbnak tartottat adja meg!) | 13.99% |
| Hol van az állandó lakcíme? | 9.46% |
| Nem | 9.26% |
| 5 év elteltével a kezdőfizetése hányszorosával lenne elégedett? | 7.19% |
| Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Fizetés | 6.16% |
| Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > A béremelés kicsiny mértéke, elmaradása | 6.02% |
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Magas bér és juttatások | 5.73% |
| Mit tart ideálisnak a meetingek gyakoriságára vonatkozóan? | 3.82% |
| Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Túlórák ki nem fizetése | 3.68% |
| Mostanában milyen gyakran… > érezte magát magányosnak? | 3.60% |
| Mennyire rugalmas a munkavégzés helyét illetően? Hol vállalna munkát? | 3.04% |
| Mennyire bízik abban, hogy eléri a következő 10 évre kitűzött karriercéljait? | 3.01% |
| Milyen szintű a német nyelvtudása? | 2.62% |
| Megjegyzés: | |
| Variancihányados alapján csökkenő sorrendbe helyezve az első 15 változó. |
Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető?
Input <- DataSet[, -c(59, 60)]
v <- ifelse(rapply(Input, function(x) {
length(unique(na.exclude(x)))
}) == 1, 1, 0) * c(1:length(Input))
v <- sort(v, decreasing = F)
v <- v[(sum(v == 0) + 1):length(v)]
for (i in v) {
Input[is.na(Input[, i]), i] <- 0
}
Input <- data.frame(Input)
y <- as.numeric(DataSet$s66)
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
y <- y[s]
Input <- Input[s, ]
VarianceAnalysisOutput <- matrix(nrow = length(Input), ncol = 2)
VarianceAnalysisOutput[, 1] <- names(Input)
for (i in 1:length(Input)) {
x <- Input[, i]
MyAnova <- aov(formula = y ~ x, data = data.frame(y = y, x = x))
VarianceAnalysisOutput[i, 2] <- summary(MyAnova)[[1]][["Sum Sq"]][1] /
sum(summary(MyAnova)[[1]][["Sum Sq"]])
}
realistic_VarianceAnalysisOutput <- data.frame(EfopSurveyHandout[-c(59, 60), 3],
H2 = percent(VarianceAnalysisOutput[, 2], format = "d", digits = 2)
)
realistic_VarianceAnalysisOutput <- na.exclude(realistic_VarianceAnalysisOutput)
names(realistic_VarianceAnalysisOutput) <- c("Változó", "H^2")
realistic_VarianceAnalysisOutput <-
realistic_VarianceAnalysisOutput[order(realistic_VarianceAnalysisOutput$H^2,
decreasing = T
), ]
row.names(realistic_VarianceAnalysisOutput) <- NULL
kable(head(realistic_VarianceAnalysisOutput, 15),
align = c("c", "c"), caption =
"Mekkora az a havi nettó bér, amivel elégedett lenne? és a
nem mennyiségi skálán mért ismérvek között elvégzett
variancianalízisek eredménye"
) %>%
column_spec(2, width = "1em", border_left = T) %>%
kable_styling(bootstrap_options = c("striped", "condensed", "hover", "responsive"), full_width = T, fixed_thead = T) %>%
footnote(general = "Variancihányados alapján csökkenő sorrendbe helyezve az első 15 változó.", general_title = "Megjegyzés:")| Változó | H^2 |
|---|---|
| Milyen képzésterületre jár? (Ha többre is, akkor a legfontosabbnak tartottat adja meg!) | 28.59% |
| Melyik felsőoktatási intézményben tanul? | 26.46% |
| Hol van az állandó lakcíme? | 10.66% |
| Mennyire bízik abban, hogy eléri a következő 10 évre kitűzött karriercéljait? | 8.56% |
| Nem | 8.16% |
| Melyik országban? | 4.83% |
| Milyen típusú cégnél dolgozott? > multinacionális vállalat | 4.68% |
| A munkaviszonya az Ön által legfontosabbnak tartott szakterületéhez kapcsolódott-e? | 4.17% |
| Mit tart ideálisnak a meetingek gyakoriságára vonatkozóan? | 3.28% |
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy legyenek olyan kezdeményezések, amelyek sikeresen biztosítják a munkavállalók testi és lelki jólétét | 2.58% |
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Lakhatási támogatás | 2.42% |
| Milyen szintű az angol nyelvtudása? | 2.35% |
| Értékelje 0-tól 10-ig a következőket! > Mennyire néz reményvesztetten vagy bizakodóan a jövőbe? (0: teljes mértékben reményvesztetten, 10: teljes mértékben bizakodóan) | 2.08% |
| Mennyire rugalmas a munkavégzés helyét illetően? Hol vállalna munkát? | 1.91% |
| Mostanában milyen gyakran… > volt stresszes? | 1.89% |
| Megjegyzés: | |
| Variancihányados alapján csökkenő sorrendbe helyezve az első 15 változó. |
Asszociációs kapcsolat
x <- ifelse(EfopSurveyHandout$ScaleType == "nominális", 1:length(DataSet), 0)
x <- x[!x %in% 0]
df <- DataSet[x]
names_cramer <- names(df)
for (i in 1:length(df)) {
if (lengths(unique(na.exclude(df[i]))) == 1) {
for (j in 1:lengths(df)[i]) {
if (is.na(df[j, i])) {
df[j, i] <- 0
}
}
}
}
df <- data.frame(df)
names(df) <- c(1:length(df))
MyCramer <- cramer(df)
colnames(MyCramer) <- names_cramer
rownames(MyCramer) <- names_cramer
names_cramer <- as.vector(EfopSurveyHandout$Q)[x]
code_cramer <- as.vector(EfopSurveyHandout$ColumnNumber)[x]
df <- data.frame(c(1:ncol(MyCramer)), MyCramer)
names(df) <- c("v", c(1:ncol(MyCramer)))
df <- df %>% gather(key = "variable", value = "CramerV", -v)
names(df) <- c("x", "y", "Cramer")
df["text"] <- rep(NA, lengths(df)[1])
for (i in 1:lengths(df)[1]) {
if (as.numeric(df[i, "y"]) >= as.numeric(df[i, "x"])) {
df[i, "Cramer"] <- NA
}
}
for (i in 1:lengths(df)[1]) {
if (as.numeric(df[i, "y"]) >= as.numeric(df[i, "x"])) {
df[i, "text"] <- ""
} else {
df[i, "text"] <- paste0(
"x: ", names_cramer[as.numeric(df[i, "x"])], " (", code_cramer[as.numeric(df[i, "x"])], ")\n", "y: ",
names_cramer[as.numeric(df[i, "y"])], " (", code_cramer[as.numeric(df[i, "y"])], ")\n", "Cramer-mutató értéke: ",
round(df[i, "Cramer"], 2)
)
}
}p <- ggplot(df, aes(as.numeric(x), as.numeric(y), fill = Cramer, text = text)) +
geom_tile(color = "grey", size = 0.01) +
labs(title = "Cramer-mutatók mátrixa") +
scale_fill_gradient(low = "white", high = "#e3120b") +
scale_x_discrete(expand = c(0, 0), limits = seq(from = 0, by = 10, to = 100)) +
scale_y_discrete(expand = c(0, 0), limits = seq(from = 0, by = 10, to = 100)) +
xlab("1. változó sorszáma a kapcsolatvizsgálat során") +
ylab("2. változó sorszáma a kapcsolatvizsgálat során") +
theme_economist() +
theme(
panel.grid.major.y = element_line(
colour = "white",
size = rel(1.75)
),
panel.grid.major.x = element_line(
colour = "white",
size = rel(1.75)
)
)
ggplotly(p, tooltip = "text") %>%
layout(
margin = list(b = 50, t = 50, l = 50, r = 50),
autosize = T
)na.exclude(df) %>% arrange(desc(Cramer)) -> df
df <- subset(df, select = c(x, y, Cramer))
for (i in 1:nrow(df)) {
df[i, "x"] <- names_cramer[as.numeric(df[i, "x"])]
df[i, "y"] <- names_cramer[as.numeric(df[i, "y"])]
}
names(df) <- c("Változó", "Változó", "Cramer")
head(df, 30) %>%
kable(
align = c("c", "c", "c"), caption =
"Asszociációs kapcsolat vizsgálat eredményei",
digits = 2
) %>%
column_spec(3, width = "1em", border_left = T) %>%
kable_styling(bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"), full_width = T, fixed_thead = T) %>%
footnote(general = "Cramer-mutató alapján csökkenő sorrendbe helyezve az első 30 változó.", general_title = "Megjegyzés:")| Változó | Változó | Cramer |
|---|---|---|
| Milyen képzésterületre jár? (Ha többre is, akkor a legfontosabbnak tartottat adja meg!) | Melyik felsőoktatási intézményben tanul? | 0.57 |
| Milyen típusú cégnél dolgozott? > multinacionális vállalat | A munkaviszonya az Ön által legfontosabbnak tartott szakterületéhez kapcsolódott-e? | 0.51 |
| Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a honvédségben? | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a rendőrségben? | 0.51 |
| Melyik felsőoktatási intézményben tanul? | Nem | 0.46 |
| Milyen képzésre jár ezen az egyetemen? (Ha többfélére is, akkor a legfontosabbnak tartottat jelölje meg!) | Melyik felsőoktatási intézményben tanul? | 0.46 |
| Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Felsővezetői pozíció, kiemelkedő bérezés, hatékony döntéselőkészítő csapat, stabil jövőkép | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Szakmai fejlődés | 0.46 |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Baráti kapcsolatok | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Családi kapcsolatok | 0.39 |
| Mostanában milyen gyakran… > volt boldog? | Értékelje 0-tól 10-ig a következőket! > Mennyire elégedett az életével mostanában? | 0.39 |
| Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a rendőrségben? | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a jogrendszerben? | 0.39 |
| Milyen típusú cégnél dolgozott? > KKV | A munkaviszonya az Ön által legfontosabbnak tartott szakterületéhez kapcsolódott-e? | 0.38 |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szakmai előrehaladás | 0.38 |
| Állami ösztöndíjas, részösztöndíjas vagy önköltséges hallgató? (Ha többfajta képzésre is jár, akkor az erősebb ösztöndíj kategóriát jelölje meg!) | Melyik felsőoktatási intézményben tanul? | 0.38 |
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Szakmai fejlődés | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Előmenetel lehetősége | 0.37 |
| Milyen képzésterületre jár? (Ha többre is, akkor a legfontosabbnak tartottat adja meg!) | Nem | 0.37 |
| Mennyire rugalmas a munkavégzés helyét illetően? Hol vállalna munkát? | A végzettség megszerzését követően tervez-e külföldi munkavállalást? | 0.35 |
| Milyen képzésterületre jár? (Ha többre is, akkor a legfontosabbnak tartottat adja meg!) | Milyen képzésre jár ezen az egyetemen? (Ha többfélére is, akkor a legfontosabbnak tartottat jelölje meg!) | 0.35 |
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Munkahelyi környezet (iroda, felszereltség) | Melyik felsőoktatási intézményben tanul? | 0.35 |
| Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a jogrendszerben? | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a politikai rendszerben? | 0.35 |
| Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szociális kapcsolatok | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szakmai előrehaladás | 0.35 |
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Munkahelyi környezet (iroda, felszereltség) | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Változatos munkavégzés, szakmai kihívások | 0.35 |
| Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a honvédségben? | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a jogrendszerben? | 0.35 |
| Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Fizetés | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Munka és magánélet egyensúlya | 0.34 |
| Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szakmai előrehaladás | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Munka és magánélet egyensúlya | 0.34 |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Magasabb anyagi megbecsülés | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Magas bér és juttatások | 0.34 |
| Mennyire fontos önnek, hogy 5 év alatt jelentős szakmai fejlődést produkáljon (anyagiakon és előremenetelen túl)? | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Szakmai fejlődés | 0.34 |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Szakmai fejlődés | 0.33 |
| Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Felsővezetői pozíció, kiemelkedő bérezés, hatékony döntéselőkészítő csapat, stabil jövőkép | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Előmenetel lehetősége | 0.33 |
| A végzettség megszerzését követően tervez-e külföldi munkavállalást? | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Külföldi tapasztalatszerzés lehetősége | 0.33 |
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy kollégáival együtt fejlődjön | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy Ön és kollégái azonosuljanak a cég céljaival és értékrendjével | 0.32 |
| Melyik felsőoktatási intézményben tanul? | Hol van az állandó lakcíme? | 0.32 |
| Megjegyzés: | ||
| Cramer-mutató alapján csökkenő sorrendbe helyezve az első 30 változó. |
df <- DataSet_c
df <- subset(df, select = -c(s65, s66))
v <- vector()
for (i in 1:nrow(df)) {
if (df[i, "s18"] == 0 & df[i, "s19"] == 0 & df[i, "s20"] == 0 & df[i, "s21"] == 0 & df[i, "s22"] == 0) {
v[i] <- "none"
} else {
v[i] <- 0
}
}
df["none"] <- v
df1 <- subset(df, select = c(s18, s19, s20, s21, s22, none))
df2 <- subset(df, select = -c(s18, s19, s20, s21, s22, none))
for (i in 1:length(df1)) {
for (j in 1:nrow(df1)) {
df1[j, i] <- ifelse(df1[j, i] == 0, NA, df1[j, i])
}
}
x <- vector()
v <- vector()
v <- names_vector[names(df2)]
for (i in 1:length(df2)) {
# for (i in 1:1) {
df <- data.frame(df1, df2[i])
names(df) <- c("s18", "s19", "s20", "s21", "s22", "none", "x")
df <- df %>% gather(key = "variable", value = "value", -"x")
df <- subset(df, select = -variable)
tbl <- table(df)
a <- chisq.test(tbl, correct = F)
x[i] <- (chisq.test(tbl, correct = F)$statistic / (min(nrow(tbl), ncol(tbl)) - 1) / sum(tbl))^0.5
}
typeworkxp_cramer <- x
names(typeworkxp_cramer) <- names(df2)
df <- data.frame(names_vector[names(df2)], x = x)
df <- df[order(df$x, decreasing = T), ]
df <- df[-c(1, 2), ] # 2 work Q, with non-sense
names(df) <- c("Változó", "Cramer-mutató")
rownames(df) <- NULL
kable(head(df, 15),
align = c("c", "c"), digits = 2, caption =
"A korábbi munkahely típusa (KKV, közszféra, magyar nagyvállalat, multinacionális vállalat egyéb, nem volt) és nominális skálán mért változók közötti Cramer-mutató értéke"
) %>%
column_spec(2, width = "1em", border_left = T) %>%
kable_styling(bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"), full_width = T, fixed_thead = T) %>%
footnote(general = "Cramer-mutató értéke alapján csökkenő sorrenben az első 15 változó, kivétel a volt-e munkavizsonya, és a legfontosabb területhez kapcsolódott-e a korábbi munkaviszonya kérdés", general_title = "Megjegyzés:")| Változó | Cramer-mutató |
|---|---|
| Melyik országban? | 0.35 |
| Hol van az állandó lakcíme? | 0.22 |
| Milyen képzésre jár ezen az egyetemen? (Ha többfélére is, akkor a legfontosabbnak tartottat jelölje meg!) | 0.21 |
| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > részmunka | 0.20 |
| Melyik felsőoktatási intézményben tanul? | 0.20 |
| Milyen képzésterületre jár? (Ha többre is, akkor a legfontosabbnak tartottat adja meg!) | 0.19 |
| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > távmunka | 0.18 |
| Milyen gyakran váltana munkakört? | 0.18 |
| Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Biztos állás, állandó feladatok, napi 8 óra munka, pozíciónak megfelelő átlagos fizetés | 0.18 |
| Mit tartana ideálisnak, hányan dolgozzanak egy helyiségben? | 0.17 |
| Milyen hosszan tartott? (Ha több is volt, összesítve adja meg!) | 0.17 |
| 5 év elteltével milyen beosztást szeretne elérni? | 0.17 |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | 0.17 |
| Ha Magyarországon maradna, akkor hol? | 0.17 |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Családi kapcsolatok | 0.17 |
| Megjegyzés: | |
| Cramer-mutató értéke alapján csökkenő sorrenben az első 15 változó, kivétel a volt-e munkavizsonya, és a legfontosabb területhez kapcsolódott-e a korábbi munkaviszonya kérdés |
Függetlenség vizsgálat
x <- ifelse(EfopSurveyHandout$ScaleType == "nominális", 1:length(DataSet), 0)
x <- x[!x %in% 0]
x <- DataSet[x]
for (i in 1:length(x)) {
if (lengths(unique(na.exclude(x[i]))) == 1) {
for (j in 1:lengths(x)[i]) {
if (is.na(x[j, i])) {
x[j, i] <- 0
}
}
}
}
df <- data.frame(x)
KhitestSignfList <- matrix(ncol = 3, nrow = (length(df)^2))
KhitestSignfList <- data.frame(KhitestSignfList)
x_list <- vector()
y_list <- vector()
p_list <- vector()
t <- 0
for (i in 1:length(df)) {
for (j in 1:length(df)) {
if (i > j) {
x <- df[i]
y <- df[j]
xy <- data.frame(x, y)
names(xy)[1] <- "x"
names(xy)[2] <- "y"
xy <- na.exclude(xy)
if (min(length(unique(xy$x)), length(unique(xy$y))) > 1) {
tbl <- table(xy)
if (sum(tbl < 5) == 0) {
t <- t + 1
x_list[t] <- names(df)[i]
y_list[t] <- names(df)[j]
p_list[t] <- chisq.test(tbl, correct = F)$p.value
}
}
}
}
}
KhitestSignfList <- data.frame(x_list, y_list, percent(p_list, digits = 4, format = "d"))
names(KhitestSignfList) <- c("x", "y", "p")
KhitestSignfList <- KhitestSignfList[order(KhitestSignfList$p), ]
df <- KhitestSignfList
hdf <- data.frame(EfopSurveyHandout[2:3])
names(hdf) <- c("x", "x1")
df <- data.frame(plyr::join(df["x"], hdf)[2], df[2], df[3])
names(hdf) <- c("y", "y1")
df <- data.frame(df[1], plyr::join(df["y"], hdf)[2], df[3])
row.names(df) <- NULL
names(df) <- c("1.változó", "2.változó", "Függetlenség vizsgálathoz tartozó p-érték")
kable(head(df, 30),
align = c("c", "c", "c"), caption =
"Elvégezhető függetlenség vizsgálatok eredményei"
) %>%
column_spec(3, width = "1em", border_left = T) %>%
kable_styling(bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"), full_width = T, fixed_thead = T) %>%
footnote(general = "Függetlenség vizsgálathoz tartozó p-érték alapján növekvő sorrendbe helyezve az első 30 változó.", general_title = "Megjegyzés:")| 1.változó | 2.változó | Függetlenség vizsgálathoz tartozó p-érték |
|---|---|---|
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Baráti kapcsolatok | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Családi kapcsolatok | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szakmai előrehaladás | 0% |
| 5 év elteltével milyen beosztást szeretne elérni? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > saját vállalkozás indítása (startup) | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Magasabb anyagi megbecsülés | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Fizetés | 0% |
| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú | Igényelné-e az állandó online kapcsolattartást a kollégákkal? | 0% |
| Van-e igénye home office-ra? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > távmunka | 0% |
| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > részmunka | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > távmunka | 0% |
| Milyen munkavégzés felel meg Önnek a legjobban? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > nem helyhez kötött munkavégzés | 0% |
| Milyen gyakran váltana munkakört? | Volt-e már munkaviszonya? | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Családi kapcsolatok | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Lakhatási és megélhetési kiadások | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Baráti kapcsolatok | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy kollégái között barátokat is találjon | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szellemi és kulturális közeg | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > részmunka | 0% |
| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > távmunka | Milyen típusú cégnél dolgozott? > multinacionális vállalat | 0% |
| Van-e igénye home office-ra? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > nem helyhez kötött munkavégzés | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szellemi és kulturális közeg | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Magasabb anyagi megbecsülés | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szociális kapcsolatok | 0% |
| 5 év elteltével a kezdőfizetése hányszorosával lenne elégedett? | Nem | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Magasabb anyagi megbecsülés | 0% |
| Tudja-e, mit fed a sabbatical kifejezés? | A végzettség megszerzését követően tervez-e külföldi munkavállalást? | 0% |
| Milyen gyakran váltana munkakört? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > nem helyhez kötött munkavégzés | 0% |
| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > részmunka | Milyen típusú cégnél dolgozott? > multinacionális vállalat | 0% |
| Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Fizetés | Nem | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szociális kapcsolatok | 0% |
| Mennyire rugalmas a munkavégzés helyét illetően? Hol vállalna munkát? | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szellemi és kulturális közeg | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége | Milyen típusú cégnél dolgozott? > multinacionális vállalat | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szellemi és kulturális közeg | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > nem helyhez kötött munkavégzés | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szellemi és kulturális közeg | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Fizetés | 0% |
| Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Lakhatási és megélhetési kiadások | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szakmai előrehaladás | 0% |
| Milyen munkavégzés felel meg Önnek a legjobban? | Volt-e már munkaviszonya? | 0% |
| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > nem helyhez kötött munkavégzés | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > távmunka | 0% |
| Megjegyzés: | ||
| Függetlenség vizsgálathoz tartozó p-érték alapján növekvő sorrendbe helyezve az első 30 változó. |
Törésvonalak részletes vizsgálata, következtetések levonása
`
mixedT <- function(a, b) {
Input <- DataSet[, -c(59, 60)]
v <- ifelse(rapply(Input, function(x) {
length(unique(na.exclude(x)))
}) == 1, 1, 0) * c(1:length(Input))
v <- sort(v, decreasing = F)
v <- v[(sum(v == 0) + 1):length(v)]
for (i in v) {
Input[is.na(Input[, i]), i] <- 0
}
Input <- data.frame(Input)
if (b == "sacrif") {
y <- as.numeric(DataSet$s65)
}
if (b == "realistic") {
y <- as.numeric(DataSet$s66)
}
y <- ifelse(y < 10000, y * 1000, y)
s <- 1:length(y)
s <- ifelse(y >= (quantile(y, na.rm = T)[2] - (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- ifelse(y <= (quantile(y, na.rm = T)[4] + (
quantile(y, na.rm = T)[4] - quantile(y, na.rm = T)[2]
) * 1.5), s, 0)
s <- sort(unique(na.exclude(s)), decreasing = F)
s <- subset(s, s != 0)
y <- y[s]
Input <- Input[s, ]
x <- Input[a]
df <- data.frame(x, y)
names(df) <- c("x", "y")
df <- aggregate(df$y, list(df$x), mean)
if (b == "sacrif") {
names(df) <- c(
names_vector[a],
"Mekkora az a havi nettó bér, amivel elégedett lenne?
\n(átlag, forint)"
)
}
if (b == "realistic") {
names(df) <- c(
names_vector[a],
"Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető?
\n(átlag, forint)"
)
}
rownames(df) <- NULL
df
}t_s72_sacrif <- mixedT("s72", "sacrif")
kable(t_s72_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga a mely országban tanulna tovább szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Melyik országban? |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| Amerikai Egyesült Államok | 355714.3 |
| Ausztria | 371923.1 |
| Dánia | 383333.3 |
| egyéb európai ország | 325454.5 |
| egyéb nem európai ország | 405714.3 |
| Egyesült Királyság | 332307.7 |
| Franciaország | 360000.0 |
| Hollandia | 264285.7 |
| Kanada | 321428.6 |
| Németország | 331250.0 |
| Olaszország | 300000.0 |
| Skandináv államok | 320000.0 |
| Spanyolország | 272500.0 |
| Svájc | 480000.0 |
t_s9_sacrif <- mixedT("s9", "sacrif")
kable(t_s9_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga felsőoktatási intézmények szerint", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Melyik felsőoktatási intézményben tanul? |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| Állatorvostudományi Egyetem (ATE) | 250000.0 |
| Budapesti Corvinus Egyetem (BCE) | 325058.0 |
| Budapesti Gazdasági Egyetem (BGE) | 341486.5 |
| Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) | 419390.2 |
| Debreceni Egyetem (DE) | 308709.7 |
| egyéb magyarországi intézmény | 273043.5 |
| Eötvös Loránd Tudományegyetem (ELTE) | 283478.3 |
| Közép-európai Egyetem (CEU) | 450000.0 |
| Nemzeti Közszolgálati Egyetem (NKE) | 200000.0 |
| Óbudai Egyetem (OE) | 342500.0 |
| Pannon Egyetem (PE) | 350000.0 |
| Pázmány Péter Katolikus Egyetem (PPKE) | 327368.4 |
| Pécsi Tudományegyetem (PPKE) | 320000.0 |
| Semmelweis Egyetem (SE) | 400000.0 |
| Szegedi Tudományegyetem (SZTE) | 270689.7 |
| Szent István Egyetem (SZIE) | 362142.9 |
t_s4_sacrif <- mixedT("s4", "sacrif")
kable(t_s4_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga nemek szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Nem |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| Férfi | 370557.3 |
| Nő | 302344.4 |
t_s4_sacrif <- mixedT("s4", "realistic")
kable(t_s4_sacrif, caption = "A kezdőként reálisnak tartott jövedelemként adott válaszok átlaga nemek szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Nem |
Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető? (átlag, forint) |
|---|---|
| Férfi | 254785.2 |
| Nő | 217108.4 |
df <- subset(DataSet_c, select = c("s4","s11", "s65", "s66"))
df$s65f <- ifelse(df$s4=="Férfi", df$s65,NA)
df$s65n <- ifelse(df$s4=="Nő", df$s65,NA)
df$s66f <- ifelse(df$s4=="Férfi", df$s66,NA)
df$s66n <- ifelse(df$s4=="Nő", df$s66,NA)
df %>% subset(select=c(s11,s65f,s65n,s66f,s66n)) -> df
df <- aggregate(.~s11, df, FUN=mean, na.rm=TRUE, na.action=NULL)
df <- na.exclude(df)
df$s65 <- percent(df$s65n/df$s65f-1)
df$s66 <- percent(df$s66n/df$s66f-1)
df %>% subset(select=c(s11, s65, s66)) -> df
names(df)=c("képzési terület", "kielégítő jövedelemben","kezdőként elérhető jövedelemben")
rownames(df)=NULL
df %>% kable(caption = "bérszakadék egyes képzési területeken férfiak és nők között (nők átlagértékének értéke/férfiak átlagértékének értékével-100%)", align = c("l","c","c")) %>% kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| képzési terület | kielégítő jövedelemben | kezdőként elérhető jövedelemben |
|---|---|---|
| bölcsészettudományi | 15.82% | 5.53% |
| egyéb | -23.81% | -3.10% |
| gazdaságtudományi | -15.29% | -9.18% |
| informatika | -10.23% | -9.69% |
| jogi | 1.54% | 2.67% |
| műszaki | -23.34% | -19.28% |
| művészeti / művészetközvetítési | -18.33% | 35.83% |
| orvos- és egészségtudományi | -8.37% | -1.87% |
| sporttudományi | 50.00% | -52.00% |
| társadalomtudományi | -20.91% | -9.69% |
| természettudományi | -40.00% | -2.22% |
t_s67_sacrif <- mixedT("s67", "sacrif")
kable(t_s67_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga 5 év elteltével kapcsolatos jövedelem növekedési elvárás szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| 5 év elteltével a kezdőfizetése hányszorosával lenne elégedett? |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| 1 - 1,5 | 313333.3 |
| 1,5 - 2 | 306268.3 |
| 2 - 2,5 | 370252.3 |
| nem lényeges szempont | 312250.0 |
t_s81_sacrif <- mixedT("s81", "sacrif")
kable(t_s81_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga felsőfokú tanulmányok finanszírozása szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Állami ösztöndíjas, részösztöndíjas vagy önköltséges hallgató? (Ha többfajta képzésre is jár, akkor az erősebb ösztöndíj kategóriát jelölje meg!) |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| állami ösztöndíjas | 322260.3 |
| önköltséges | 338773.3 |
| részösztöndíjas | 380000.0 |
t_s86_sacrif <- mixedT("s86", "sacrif")
kable(t_s86_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga home office-ra való igény szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Van-e igénye home office-ra? |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| igen, hetente több napra | 343684.2 |
| igen, heti egy napra | 326987.1 |
| igen, heti pár órára | 298205.1 |
| nem | 318614.5 |
t_s32_sacrif <- mixedT("s32", "sacrif")
kable(t_s32_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga a munkahely kapcsán külföldi tapasztalat szerzést fontosnak ítélés szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Külföldi tapasztalatszerzés lehetősége |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| 1 | 304375.0 |
| 2 | 293559.3 |
| 3 | 335693.9 |
| 4 | 328850.0 |
| 5 | 345304.9 |
t_s12_sacrif <- mixedT("s12", "sacrif")
kable(t_s12_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga továbbtanulást tervezés szerinti bontásban", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Tervezi-e, hogy jelenlegi képzése(i) után folytatja a tanulmányait? |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| igen, külföldön | 344473.7 |
| igen, Magyarországon | 320664.9 |
| nem | 326538.5 |
t_s20_realistic <- mixedT("s20", "realistic")
t_s20_realistic[1] <- ifelse(t_s20_realistic[1] == 0, "Nem dolgozott", "Dolgozott")
kable(t_s20_realistic, caption = "A pályakezdőként elérhetőnek tartott jövedelemként adott válaszok átlaga aszerinti bontásban, hogy dolgozott-e multinacionális vállalatnál", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Milyen típusú cégnél dolgozott? > multinacionális vállalat |
Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető? (átlag, forint) |
|---|---|
| Nem dolgozott | 225393.5 |
| Dolgozott | 264000.0 |
t_s9_realistic <- mixedT("s9", "realistic")
kable(t_s9_realistic, caption = "A pályakezdőként elérhetőnek tartott jövedelemként adott válaszok átlaga felsőoktatási intézmények szerint", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Melyik felsőoktatási intézményben tanul? |
Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető? (átlag, forint) |
|---|---|
| Állatorvostudományi Egyetem (ATE) | 250000.0 |
| Budapesti Corvinus Egyetem (BCE) | 237028.0 |
| Budapesti Gazdasági Egyetem (BGE) | 227045.5 |
| Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) | 303760.9 |
| Debreceni Egyetem (DE) | 192645.2 |
| egyéb magyarországi intézmény | 185652.2 |
| Eötvös Loránd Tudományegyetem (ELTE) | 225185.2 |
| Közép-európai Egyetem (CEU) | 350000.0 |
| Nemzeti Közszolgálati Egyetem (NKE) | 180000.0 |
| Óbudai Egyetem (OE) | 252500.0 |
| Pannon Egyetem (PE) | 180000.0 |
| Pázmány Péter Katolikus Egyetem (PPKE) | 218095.2 |
| Pécsi Tudományegyetem (PPKE) | 230000.0 |
| Semmelweis Egyetem (SE) | 243333.3 |
| Szegedi Tudományegyetem (SZTE) | 191709.7 |
| Szent István Egyetem (SZIE) | 238571.4 |
crossT <- function(x, y) {
df <- data.frame(DataSet[x], DataSet[y])
df <- na.exclude(df)
names(df) <- c("x", "y")
tbl <- table(df)
df <- data.frame(rbind(prop.table(tbl, 1), "Összesen" = colSums(tbl) / sum(tbl)))
names(df) <- colnames(tbl)
df["Összesen"] <- rep(1, lengths(df)[1])
df
}t_s9_s4 <- crossT("s9", "s4")
df <- t_s9_s4
df <- data.frame(a = rep(names_vector["s9"], lengths(df)[1]), b = rownames(df), df)
rownames(df) <- NULL
for (i in 3:length(df)) {
df[i] <- percent(as.numeric(unlist(df[i])), digits = 0)
}
v <- names_vector["s4"]
myHeader <- c(" " = 2, v = length(df) - 2)
names(myHeader) <- c(" ", v)
df %>%
mutate(a = cell_spec(
a,
"html",
color = "black",
align = "c",
angle = 270,
)) %>%
kable(
escape = F,
caption = "Válaszadók nem szerinti megoszlása felsőoktatási intézmények alapján bontva",
col.names = c("", "", names(df)[-c(1, 2)]),
align = c("c", "l", rep("c", (length(
df
) - 2)))
) %>%
kable_styling(
bootstrap_options = c("striped", "responsive", "bordered"),
full_width = T
) %>%
column_spec(1, width = "300px") %>%
column_spec(1:2, bold = T) %>%
collapse_rows(columns = 1, valign = "middle") %>%
add_header_above(header = myHeader, include_empty = T) %>%
row_spec(lengths(df)[1], bold = T, italic = T)| Férfi | Nő | Összesen | ||
|---|---|---|---|---|
| Melyik felsőoktatási intézményben tanul? | Állatorvostudományi Egyetem (ATE) | 0% | 100% | 100% |
| Budapesti Corvinus Egyetem (BCE) | 42% | 58% | 100% | |
| Budapesti Gazdasági Egyetem (BGE) | 36% | 64% | 100% | |
| Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) | 84% | 16% | 100% | |
| Debreceni Egyetem (DE) | 13% | 87% | 100% | |
| egyéb magyarországi intézmény | 13% | 87% | 100% | |
| Eötvös Loránd Tudományegyetem (ELTE) | 29% | 71% | 100% | |
| Közép-európai Egyetem (CEU) | 100% | 0% | 100% | |
| Nemzeti Közszolgálati Egyetem (NKE) | 100% | 0% | 100% | |
| Óbudai Egyetem (OE) | 75% | 25% | 100% | |
| Pannon Egyetem (PE) | 0% | 100% | 100% | |
| Pázmány Péter Katolikus Egyetem (PPKE) | 18% | 82% | 100% | |
| Pécsi Tudományegyetem (PPKE) | 100% | 0% | 100% | |
| Semmelweis Egyetem (SE) | 50% | 50% | 100% | |
| Szegedi Tudományegyetem (SZTE) | 26% | 74% | 100% | |
| Szent István Egyetem (SZIE) | 7% | 93% | 100% | |
| Összesen | 40% | 60% | 100% |
crossTR <- function(a, b) {
x <- DataSet[a]
y <- DataSet[b]
y <- ifelse(is.na(y), 0, 1)
df <- data.frame(x, y)
names(df) <- c("x", "y")
df <- aggregate(df$y, list(df$x), mean)
df <- data.frame(rbind(df, "Összesen" = c("Összesen", mean(y))))
rownames(df) <- NULL
df[2] <- percent(as.numeric(unlist(df[2])), digits = 0)
names(df) <- c(
names_vector[a],
paste(
names_vector[b],
"(igen válaszok aránya)"
)
)
df
}t_s24_s100 <- crossT("s24", "s100")
df <- t_s24_s100
ndf <- names(df)
df <- data.frame(rep(names_vector["s24"], lengths(df)[1]), rownames(df), df)
names(df) <- c("a", "b", ndf)
rownames(df) <- NULL
for (i in 3:length(df)) {
df[i] <- percent(as.numeric(unlist(df[i])), digits = 0)
}
v <- names_vector["s100"]
myHeader <- c(" " = 2, v = length(df) - 2)
names(myHeader) <- c(" ", v)
df %>%
mutate(a = cell_spec(
a,
"html",
color = "black",
align = "c",
angle = 270,
)) %>%
kable(
escape = F,
caption = "A mennyire elégedett az életével mostanában kérdésre adott válaszok a magas bér és jutattások fontossági megítélése szerinti bontásban",
col.names = c("", "", names(df)[-c(1, 2)]),
align = c("c", "l", rep("c", (length(
df
) - 2)))
) %>%
kable_styling(
bootstrap_options = c("striped", "responsive", "bordered"),
full_width = T
) %>%
column_spec(1, width = "300px") %>%
column_spec(1:2, bold = T) %>%
collapse_rows(columns = 1, valign = "middle") %>%
add_header_above(header = myHeader, include_empty = T) %>%
row_spec(lengths(df)[1], bold = T, italic = T)| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | Összesen | ||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Magas bér és juttatások | 2 | 0% | 0% | 0% | 25% | 0% | 0% | 0% | 25% | 50% | 0% | 0% | 100% |
| 3 | 0% | 3% | 0% | 3% | 6% | 6% | 6% | 19% | 31% | 22% | 6% | 100% | |
| 4 | 1% | 2% | 1% | 4% | 2% | 7% | 12% | 22% | 30% | 9% | 9% | 100% | |
| 5 | 1% | 3% | 2% | 4% | 1% | 6% | 11% | 15% | 29% | 17% | 9% | 100% | |
| Összesen | 1% | 3% | 1% | 4% | 2% | 6% | 11% | 18% | 30% | 14% | 9% | 100% |
Platform alapú munkára való hajlamhoz köthető töréspontok
t_s6_s60 <- crossTR("s6", "s60")
df <- t_s6_s60
kable(
df,
align = c("c", "c"), caption =
paste(
"A(z) ",
names_vector["s6"],
"kérdésre adott válaszok szerinti bontásban a(z) ",
names_vector["s60"],
" kérdésre adott igen válaszok aránya",
sep = ""
)
) %>%
row_spec(lengths(df)[1], italic = T, bold = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered")
)| Hol van az állandó lakcíme? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú (igen válaszok aránya) |
|---|---|
| Bács-Kiskun megye | 31% |
| Baranya megye | 38% |
| Békés megye | 36% |
| Borsod-Abaúj-Zemplén megye | 40% |
| Budapest | 20% |
| Csongrád megye | 33% |
| Fejér megye | 27% |
| Győr-Moson-Sopron megye | 40% |
| Hajdú-Bihar megye | 52% |
| Heves megye | 25% |
| Jász-Nagykun-Szolnok megye | 29% |
| Komárom-Esztergom megye | 10% |
| Nem Magyarországon | 80% |
| Nógrád megye | 0% |
| Pest megye | 23% |
| Somogy megye | 33% |
| Szabolcs-Szatmár-Bereg megye | 26% |
| Tolna megye | 100% |
| Vas megye | 33% |
| Veszprém megye | 40% |
| Zala megye | 22% |
| Összesen | 27% |
t_s108_s60 <- crossTR("s108", "s60")
df <- t_s108_s60
kable(
df,
align = c("c", "c"), caption =
paste(
"A(z) ",
names_vector["s108"],
"kérdésre adott válaszok szerinti bontásban a(z) ",
names_vector["s60"],
" kérdésre adott igen válaszok aránya",
sep = ""
)
) %>%
row_spec(lengths(df)[1], italic = T, bold = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered")
)| Mostanában milyen gyakran… > volt stresszes? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú (igen válaszok aránya) |
|---|---|
| időnként | 23% |
| mindig | 35% |
| ritkán | 17% |
| soha | 33% |
| többnyire | 31% |
| Összesen | 27% |
t_s55_s60 <- crossTR("s55", "s60")
df <- t_s55_s60
kable(
df,
align = c("c", "c"), caption =
paste(
"A(z) ",
names_vector["s55"],
"kérdésre adott válaszok szerinti bontásban a(z) ",
names_vector["s60"],
" kérdésre adott igen válaszok aránya",
sep = ""
)
) %>%
row_spec(lengths(df)[1], italic = T, bold = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered")
)| Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szakmai előrehaladás | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú (igen válaszok aránya) |
|---|---|
| 1 | 19% |
| 2 | 41% |
| 3 | 25% |
| 4 | 26% |
| Összesen | 27% |
t_s59_s60 <- crossTR("s59", "s60")
df <- t_s59_s60
kable(
df,
align = c("c", "c"), caption =
paste(
"A(z) ",
names_vector["s59"],
"kérdésre adott válaszok szerinti bontásban a(z) ",
names_vector["s60"],
" kérdésre adott igen válaszok aránya",
sep = ""
)
) %>%
row_spec(lengths(df)[1], italic = T, bold = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered")
)| Igényelné-e az állandó online kapcsolattartást a kollégákkal? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú (igen válaszok aránya) |
|---|---|
| igen | 35% |
| nem | 16% |
| Összesen | 27% |
Itt a függetlenség vizsgálat is elvégezhető és 0% a p-érték.
t_s48_s60 <- crossTR("s48", "s60")
df <- t_s48_s60
kable(
df,
align = c("c", "c"), caption =
paste(
"A(z) ",
names_vector["s48"],
"kérdésre adott válaszok szerinti bontásban a(z) ",
names_vector["s60"],
" kérdésre adott igen válaszok aránya",
sep = ""
)
) %>%
row_spec(lengths(df)[1], italic = T, bold = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered")
)| Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Szakmailag nem megfelelő környezet | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú (igen válaszok aránya) |
|---|---|
| 1 | 0% |
| 2 | 27% |
| 3 | 15% |
| 4 | 32% |
| 5 | 30% |
| Összesen | 27% |
t_s60_sacrif <- mixedT("s60", "sacrif")
t_s60_sacrif[1] <- ifelse(t_s60_sacrif[1] == 0, "Nem érdekelné", "Érdekelné")
kable(t_s60_sacrif, caption = "A kielégítőnek tartott jövedelemként adott válaszok átlaga aszerint, hogy érdeklődik-e a platform alapú atipikus munkavégzés iránt, vagy nem", align = c("c", "c")) %>%
column_spec(2, border_left = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered"),
full_width = F
)| Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú |
Mekkora az a havi nettó bér, amivel elégedett lenne? (átlag, forint) |
|---|---|
| Nem érdekelné | 328654.3 |
| Érdekelné | 320388.3 |
Start-up indítására való hajlamhoz köthető töréspontok
t_s67_s63 <- crossTR("s67", "s63")
df <- t_s67_s63
kable(
df,
align = c("c", "c"), caption =
paste(
"A(z) ",
names_vector["s67"],
"kérdésre adott válaszok szerinti bontásban a(z) ",
names_vector["s63"],
" kérdésre adott igen válaszok aránya",
sep = ""
)
) %>%
row_spec(lengths(df)[1], italic = T, bold = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered")
)| 5 év elteltével a kezdőfizetése hányszorosával lenne elégedett? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > saját vállalkozás indítása (startup) (igen válaszok aránya) |
|---|---|
| 1 - 1,5 | 47% |
| 1,5 - 2 | 54% |
| 2 - 2,5 | 56% |
| nem lényeges szempont | 41% |
| Összesen | 53% |
t_s68_s63 <- crossTR("s68", "s63")
df <- t_s68_s63
kable(
df,
align = c("c", "c"), caption =
paste(
"A(z) ",
names_vector["s68"],
"kérdésre adott válaszok szerinti bontásban a(z) ",
names_vector["s63"],
" kérdésre adott igen válaszok aránya",
sep = ""
)
) %>%
row_spec(lengths(df)[1], italic = T, bold = T) %>%
kable_styling(
bootstrap_options = c("striped", "condensed", "hover", "responsive", "bordered")
)| 5 év elteltével milyen beosztást szeretne elérni? | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > saját vállalkozás indítása (startup) (igen válaszok aránya) |
|---|---|
| beosztott | 19% |
| felsővezető | 67% |
| független szakértő / saját cégen belüli munkavégzés | 75% |
| középvezető | 50% |
| Összesen | 53% |
t_s9_s67 <- crossT("s9", "s67")
df <- t_s9_s67
df <- data.frame(a = rep(names_vector["s9"], lengths(df)[1]), b = rownames(df), df)
rownames(df) <- NULL
for (i in 3:length(df)) {
df[i] <- percent(as.numeric(unlist(df[i])), digits = 0)
}
v <- names_vector["s67"]
myHeader <- c(" " = 2, v = length(df) - 2)
names(myHeader) <- c(" ", v)
df %>%
mutate(a = cell_spec(
a,
"html",
color = "black",
align = "c",
angle = 270,
)) %>%
kable(
escape = F,
caption = "Az 5 év elteltével fizetésének növekedésével való elvárás egyetemek szerinti bontásban",
col.names = c("", "", "1-1.5", "1.5-2", "2-2.5", "nem lényeges", "Összesen"),
align = c("c", "l", rep("c", (length(
df
) - 2)))
) %>%
kable_styling(
bootstrap_options = c("striped", "responsive", "bordered"),
full_width = T
) %>%
column_spec(1, width = "300px") %>%
column_spec(1:2, bold = T) %>%
collapse_rows(columns = 1, valign = "middle") %>%
add_header_above(header = myHeader, include_empty = T) %>%
row_spec(lengths(df)[1], bold = T, italic = T)| 1-1.5 | 1.5-2 | 2-2.5 | nem lényeges | Összesen | ||
|---|---|---|---|---|---|---|
| Melyik felsőoktatási intézményben tanul? | Állatorvostudományi Egyetem (ATE) | 0% | 0% | 0% | 100% | 100% |
| Budapesti Corvinus Egyetem (BCE) | 7% | 58% | 32% | 3% | 100% | |
| Budapesti Gazdasági Egyetem (BGE) | 7% | 45% | 43% | 5% | 100% | |
| Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) | 7% | 40% | 47% | 7% | 100% | |
| Debreceni Egyetem (DE) | 16% | 48% | 26% | 10% | 100% | |
| egyéb magyarországi intézmény | 4% | 61% | 30% | 4% | 100% | |
| Eötvös Loránd Tudományegyetem (ELTE) | 7% | 61% | 29% | 4% | 100% | |
| Közép-európai Egyetem (CEU) | 0% | 100% | 0% | 0% | 100% | |
| Nemzeti Közszolgálati Egyetem (NKE) | 100% | 0% | 0% | 0% | 100% | |
| Óbudai Egyetem (OE) | 25% | 50% | 25% | 0% | 100% | |
| Pannon Egyetem (PE) | 0% | 100% | 0% | 0% | 100% | |
| Pázmány Péter Katolikus Egyetem (PPKE) | 14% | 36% | 32% | 18% | 100% | |
| Pécsi Tudományegyetem (PPKE) | 0% | 100% | 0% | 0% | 100% | |
| Semmelweis Egyetem (SE) | 0% | 50% | 50% | 0% | 100% | |
| Szegedi Tudományegyetem (SZTE) | 19% | 58% | 23% | 0% | 100% | |
| Szent István Egyetem (SZIE) | 14% | 50% | 29% | 7% | 100% | |
| Összesen | 9% | 52% | 33% | 5% | 100% |
Függelék
df <- data.frame(EfopSurveyHandout[c(2, 3)])
names(df) <- c("Kérdés kódja", "Kérdés")
kable(df,
caption =
"Kérdőívben szereplő kérdések és azok hivatkozási nevei",
align = c("c", "c")
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive")) %>%
column_spec(1, italic = T, border_right = T)| Kérdés kódja | Kérdés |
|---|---|
| s4 | Nem |
| s6 | Hol van az állandó lakcíme? |
| s7 | A szülei végzettségei közül melyik a legmagasabb? |
| s9 | Melyik felsőoktatási intézményben tanul? |
| s10 | Milyen képzésre jár ezen az egyetemen? (Ha többfélére is, akkor a legfontosabbnak tartottat jelölje meg!) |
| s11 | Milyen képzésterületre jár? (Ha többre is, akkor a legfontosabbnak tartottat adja meg!) |
| s12 | Tervezi-e, hogy jelenlegi képzése(i) után folytatja a tanulmányait? |
| s13 | Milyen szintű az angol nyelvtudása? |
| s14 | Milyen szintű a német nyelvtudása? |
| s15 | Volt-e már munkaviszonya? |
| s16 | A munkaviszonya az Ön által legfontosabbnak tartott szakterületéhez kapcsolódott-e? |
| s17 | Milyen hosszan tartott? (Ha több is volt, összesítve adja meg!) |
| s18 | Milyen típusú cégnél dolgozott? > KKV |
| s19 | Milyen típusú cégnél dolgozott? > magyar nagyvállalat |
| s20 | Milyen típusú cégnél dolgozott? > multinacionális vállalat |
| s21 | Milyen típusú cégnél dolgozott? > közszféra |
| s22 | Milyen típusú cégnél dolgozott? > egyéb |
| s24 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Magas bér és juttatások |
| s25 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Előmenetel lehetősége |
| s26 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Szakmai fejlődés |
| s27 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Változatos munkavégzés, szakmai kihívások |
| s28 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Munkahelyi környezet (iroda, felszereltség) |
| s29 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Vállalat hírneve, presztízse, tevékenysége |
| s30 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Vállalati struktúra (KKV, multinacionális vállalat) |
| s31 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Lakhatási támogatás |
| s32 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Külföldi tapasztalatszerzés lehetősége |
| s33 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > A csapatmunka |
| s34 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy kollégái között barátokat is találjon |
| s35 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy Ön és kollégái azonosuljanak a cég céljaival és értékrendjével |
| s36 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy kollégáival együtt fejlődjön |
| s37 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy legyenek olyan kezdeményezések, amelyek sikeresen biztosítják a munkavállalók testi és lelki jólétét |
| s38 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy a munkaterhelés a munkaidő alatt kezelhető legyen, így a munkavállalók teljes mértékben kihasználhassák a pihenőidőt, és munkahelyi nyomás nélkül lazíthassanak esténként és hétvégeken |
| s39 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Olyan munkakörnyezet megléte, amely elősegíti a jólétet (például a pihenésre, a felüdülésre alkalmas terek), és alkalmazkodik a különféle munkastílusokhoz |
| s40 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy a munkahely aktívan támogassa a táv- és a virtuális munkát mindazoknak, akiknek a munkalehetősége lehetővé teszi |
| s41 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy a munkavállaló szabadon dönthessen arról, hogy hogyan strukturálja a munkáját |
| s42 | Mennyire tartja fontosnak az alábbi szempontokat egy munkahely kapcsán? (1: egyáltalán nem fontos - 5: nagyon fontos) > Hogy legyen egy virtuális platform, amely elősegíti a kollégákkal való együttműködést |
| s43 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > A munkámat nem ismerik el |
| s44 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > A béremelés kicsiny mértéke, elmaradása |
| s45 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Ha az előrejutás nem szakmai szempontok alapján történik |
| s46 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Sok túlóra, nagy leterheltség |
| s47 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Túlórák ki nem fizetése |
| s48 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Szakmailag nem megfelelő környezet |
| s49 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Monoton munka, kevés kihívás |
| s50 | Melyik tényezők miatt mondana fel egy munkahelyen? (1: emiatt nem mondanék fel - 5: emiatt mindenképpen felmondanék) > Legalább 20%-kal magasabb bérajánlat máshonnan |
| s51 | Melyiket tartja fontosabbnak? (hozzáadott érték vagy munkaidő kitöltése) |
| s52 | Melyiket tartja fontosabbnak? (“a sikeres szakmai karrier nem függ a vállalati hierarchiában betöltött pozíciótól”, vagy “elsősorban a vállalati ranglétrán való elhelyezkedés jelenti a sikert”) |
| s53 | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Munka és magánélet egyensúlya |
| s54 | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Fizetés |
| s55 | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szakmai előrehaladás |
| s56 | Állítsa fontosság szerint sorrendbe az alábbiakat! Előre kerüljön az Ön szerint legfontosabb! > Szociális kapcsolatok |
| s57 | Mit tartana ideálisnak, hányan dolgozzanak egy helyiségben? |
| s58 | Mit tart ideálisnak a meetingek gyakoriságára vonatkozóan? |
| s59 | Igényelné-e az állandó online kapcsolattartást a kollégákkal? |
| s60 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > platform alapú |
| s61 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > távmunka |
| s62 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > részmunka |
| s63 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > saját vállalkozás indítása (startup) |
| s64 | Az alábbi atipikus foglalkozási formák közül melyik érdekelné? > nem helyhez kötött munkavégzés |
| s65 | Mekkora az a havi nettó bér, amivel elégedett lenne? |
| s66 | Ön szerint mekkora az a havi nettó bér, amely az Ön szakterületén pályakezdőként reálisan elérhető? |
| s67 | 5 év elteltével a kezdőfizetése hányszorosával lenne elégedett? |
| s68 | 5 év elteltével milyen beosztást szeretne elérni? |
| s69 | Mennyire fontos önnek, hogy 5 év alatt jelentős szakmai fejlődést produkáljon (anyagiakon és előremenetelen túl)? |
| s71 | A végzettség megszerzését követően tervez-e külföldi munkavállalást? |
| s72 | Melyik országban? |
| s73 | A szakterületén tervezi a külföldi munkavállalást? |
| s74 | Ha Magyarországon maradna, akkor hol? |
| s75 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szellemi és kulturális közeg |
| s76 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Magasabb anyagi megbecsülés |
| s77 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Lakhatási és megélhetési kiadások |
| s78 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Családi kapcsolatok |
| s79 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Baráti kapcsolatok |
| s80 | Az előző kérdésre adott válasz tekintetében mely tényezőket tartja relevánsnak? > Szakmai kihívás és fejlődés lehetősége |
| s81 | Állami ösztöndíjas, részösztöndíjas vagy önköltséges hallgató? (Ha többfajta képzésre is jár, akkor az erősebb ösztöndíj kategóriát jelölje meg!) |
| s82 | Befolyásolja-e a röghöz kötés abban a döntésben, hogy tervez-e külföldi munkavállalást? |
| s84 | Tudja-e, mit fed a sabbatical kifejezés? |
| s86 | Van-e igénye home office-ra? |
| s87 | Milyen munkavégzés felel meg Önnek a legjobban? |
| s88 | Milyen gyakran váltana munkakört? |
| s89 | Mennyire rugalmas a munkavégzés helyét illetően? Hol vállalna munkát? |
| s90 | átmeneti részmunkaidős lehetőség biztosítása)? |
| s92 | Mennyire bízik abban, hogy eléri a következő 10 évre kitűzött karriercéljait? |
| s93 | Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Kiemelt fizetés, napi 10-12 óra munka, akár hétvégeken is, nemzetközi munkakörnyezet, sok stressz, állandó rendelkezésre állás |
| s94 | Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Biztos állás, állandó feladatok, napi 8 óra munka, pozíciónak megfelelő átlagos fizetés |
| s95 | Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Rugalmas munkaidő, szakmai önállóság, nem hierarchikus munkaszervezet, horizontális karrierpályák, munkavégzéssel azonos bérezés, nincs fix jövedelem |
| s96 | Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Szakmailag inspiráló munkakörnyezet, szakmai fejlődés folyamatos kényszere, változatos munka folyamatos kihívásokkal, nem kiemelkedő bérezés |
| s97 | Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Felsővezetői pozíció, kiemelkedő bérezés, hatékony döntéselőkészítő csapat, stabil jövőkép |
| s98 | Értékelje 0-tól 10-ig a következő munkahelyi szituációkat! > Nagyvállalat, minimális előrelépési lehetőség, hierarchikus szervezet, pozíciónak megfelelő átlagos fizetés, fizetetlen túlóra |
| s100 | Értékelje 0-tól 10-ig a következőket! > Mennyire elégedett az életével mostanában? |
| s101 | Értékelje 0-tól 10-ig a következőket! > Mennyire elégedett az anyagi helyzetével? |
| s102 | Értékelje 0-tól 10-ig a következőket! > Mennyire elégedett a jelenlegi munkájával / tanulmányaival? |
| s103 | Értékelje 0-tól 10-ig a következőket! > Mennyire elégedett a munkába (iskolába) járás körülményeivel? |
| s104 | Értékelje 0-tól 10-ig a következőket! > Mennyire elégedett azon idő mennyiségével, amelyet az Ön által kedvelt dolgokkal tölthet? |
| s105 | Értékelje 0-tól 10-ig a következőket! > Összességében mennyire érzi tartalmasnak azokat a dolgokat, amiket csinál? |
| s106 | Értékelje 0-tól 10-ig a következőket! > Mennyire néz reményvesztetten vagy bizakodóan a jövőbe? (0: teljes mértékben reményvesztetten, 10: teljes mértékben bizakodóan) |
| s107 | Mostanában milyen gyakran… > volt boldog? |
| s108 | Mostanában milyen gyakran… > volt stresszes? |
| s109 | Mostanában milyen gyakran… > érezte magát magányosnak? |
| s110 | Értékelje 0-tól 10-ig a következőket! > Ön szerint mennyire lehet megbízni az emberekben általában? |
| s111 | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a politikai rendszerben? |
| s112 | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a jogrendszerben? |
| s113 | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a rendőrségben? |
| s114 | Értékelje 0-tól 10-ig a következőket! > Mennyire bízik meg Ön személy szerint a honvédségben? |