Munkaerőmigráció – trendek, mítoszok és mérési lehetőségek

Hárs Ágnes

Gáspár Pál emlékkonferencia, 2013. november 21.

Vázlat



Közgazdasági háttér: a migráció oka, ösztönző és visszafogó tényezők Az emigrációt korlátozó és ösztönző tényezők Magyarországon Adatforrások és a migráció mérhetősége Trendek, statisztikák, nemzetközi összehasonlítások A magyar migráció változása, trendek, fordulópontok A magyar munkaerő emigráció karaktere, magyarázata modellszámítások Következtetések

Közgazdasági háttér: a migráció oka, ösztönző és visszafogó tényezők

    Klasszikus migrációt magyarázó modellek (Harris-Todero 1970): migrációt a remélt bérek és/vagy a jobb munkalehetőségek várakozása ösztönzi Mindenekelőtt a tökéletes átláthatóság feltételét kellett elvetni migráció bizonytalan és költségekkel jár (anyagi, pszichés, kulturális stb.) A munkaerő-áramlás a tőkeáramlással ellentétes irányú folyamat.

Ebben a megközelítésben a migráció elméletben része a tényezőárak kiegyenlítődésének (Hekscher-Ohlin-Samuelson tétel) Az Európai Unió esetében, ahol az áruk, a tőke és a szolgáltatások szabadsága lényegében korlátlanul érvényesül az országok között, ezek hosszabb távon a migrációt motiváló jövedelemkülönbségek csökkentését is segítik. (Borjas 1999)

Közgazdasági háttér: a migráció oka, ösztönző és visszafogó tényezők

  A tényezőár kiegyenlítődés nem teljesül. Rappaport (2000) hosszú idősorokat felhasználva igazolja, hogy a jövedelmek kiegyenlítésében a tőkeáramlás hatása a meghatározó. Integrálódó világgazdaságban, mobil munkaerő mellett sem valószínű, hogy a mobilitás ily módon hatna a munkabérek kiegyenlítődésére. Valójában nem is önmagában a bérkülönbségek, inkább az életminőség, vagy a relatív gazdagság befolyásolja a mobilitást. (non tradable goods, vásárlóerőparitás) Stark- Bloom (1985) a migráció új közgazdaságtanát megfogalmazva megkérdőjelezi a remélt bér és munkalehetőségek alapján leírható modellt.

    a relatív depriváció vagy relatív elégedettség határozza meg a migrációt.

migrációs döntés alanya nem az egyén, hanem a család hálózatok szerepe aszimmetrikus információ a bérkiegyenlítődés ellen hat

Az emigrációt visszafogó és ösztönző tényezők Magyarországon

Migrációt korlátozó tényezők (2000-es évek közepéig)

A magyar migráció sokáig alacsony volt és maradt. Kérdés, mi volt ennek az oka - és mi változott később?    Viszonylag magas életszínvonal a rendszerváltó KKEu-i régióban (GDP/fő,PPS) + kedvező gazdasági (GDP konvergencia) kilátások és várakozások Munkaerőpiaci sajátosságok - munkaerő-tartalákok terelése:  Munkaerő-felesleg korengedményes/rokkant nyugdíjba terelése  Nagyvonalú gyermekgondozás lehetősége Csökkentette a munkavállalási és a migrációs hajlandóságot  alacsony foglalkoztatottság , alacsony munkanélküliség és alacsony migráció Viszonylag nagyvonalú munkanélküli és szociális segélyezési rendszer  a migránsok rezervációs bérét (azt a bért, amiért hajlandóak külföldön munkát vállalni) felfelé tolja

Az emigrációt visszafogó és ösztönző tényezők Magyarországon

Migrációt ösztönző tényezők (2007 óta)

A 2000-s évekre Magyarország kedvező gazdasági kilátásai és a konvergencia előny megszűnt – a munkaerőpiacon és a reál bérekben a hatás késleltetve érezhető

Főbb gazdasági mutatók változása, 2000-2012

Gazdasági megszorítások  egyensúlyjavítás (megszorító Gyurcsány program 2007-)  majd pénzügyi válság hatása  2010 egykulcsos adó majd 2011-től súlyos megszigorítások a munkanélküli segély és jóléti rendszerekben Forrás: KSH

Az emigrációt visszafogó és ösztönző tényezők Magyarországon

A migrációt korábbi korlátozó tényezők eltűntek, az ösztönzők tényezők fokozatosan, több lépésben erősödtek Migráció változásai: 2007 volt a fordulópont, de erősödés és visszhang 2010 óta    Migrációs potenciál adatok:

gyorsan magasra szöktek a várakozások

Sajtó- és politika:

visszatükrözik a gyorsan növekvő várakozásokat

Hé

tköznapi tapasztalatok: magántörténetek (sokkoló és szorongató)

  Forrásokat sokáig a migrációs potenciál adatok helyettesítették Szerény migráció – nincs megbízható standard migrációs statisztika – adathiány – bizonytalanság: a sokféle lehetséges adatforrás mind gyorsan növekvő migrációt mutat – „számháború”

Adatforrások és a migráció mérhetősége

Az emigrációt vizsgáló kutatások az adatok konzisztenciájának és minőségének a hiányától szenvednek. Bloom-Stark (1985)

a migrációkutatás kiterjesztésének korlátját az adatminőségben látják

Két alapvető adatforrásra építünk:   Tükörstatisztika: a fogadó országokban adminisztratív nyilvántartások/regiszterek alapján a tartózkodó külföldi állampolgárokról készült statisztikák - a fő trendek és nagyságrendek leírására alkalmas Munkaerőfelmérés (HU LFS): részletes elemzés a migráció struktúrájának az elemzésére – az egyedi adatok alkalmasak a munkaerőmigráció leírására – bárha komoly hiányosságokkal (az LFS kérdés a külföldön munkahellyel és otthon háztartási kötődéssel rendelkezőket tartalmazza – alulreprezentáltság és torzítások) (+más regiszter v. survey alapú források, teljes körű népszámlálás 10 évente )

Trendek, statisztikák – nemzetközi összehasonlítások

Nagyon eltérő az országok méretéhez képest vizsgálva a migráció intenzitása az EU 8+2 országokban – az arányok mérhetőek és összehasonlíthatóak

Emigránsok aránya a kibocsájtó ország népességében, 2001-2010%

 Románia kiemelkedő, magas litván és bolgár arány  Alacsony 2010-ben is a magyar, szlovén és cseh migránsok aránya az EU 15 országokban  A magyar migráció növekedése látszik – az alacsony migráción belül 2007óta (!) folyamatos  de 2010-ben még alacsony az arány Forrás: Tükörstatisztikák (Eurostat külföldi népesség NIESR adatokkal korrigálva és kiegészítve)

Trendek, statisztikák – nemzetközi összehasonlítások

Tipizálás: a migráció az EU8+2 országában eltér a munkaerő szabad áramlás lehetőségének kihasználása (2004 vs. 2007 után növekedés), és a válságra adott válasz (megtorpanás vagy további kiáramlás) alapján

A migráns népesség a kibocsátó ország népességének arányában, % A munkaerő szabad áramlás hatása a migráció alakulására



Válság és további

növekedés : Románia, Bulgária (magas arány). 

Válság és további

növekedés : Észtország, Litvánia (alacsonyabb arány)  Válság és megtorpanás: Lettország, Lengyelo, Szlovákia 

Alacsony migráció

maradt: Csehország, Magyaro. , Szlovénia)  Magyarország: válság alatt a migráció növekedés beindulása – azóta folyamatos Forrás: Tükörstatisztika (Eurostat külföldi népesség NIESR adatokkal korrigálva és kiegészítve)

A magyar migráció változása – trendek, fordulópontok

Alacsony szintről indult a növekedés. A két adatforrás szerint a változások: Külföldön élők állománya: 2004 után hirtelen érdeklődés (2005-2006), majd új növekedés 2011-re Munkaerő-migráció (LFS): 2007 után hirtelen megugró érdeklődés, közel állandó marad. 2011-től gyorsul a munkaerő-migráció

Külföldön élő migráns népesség változása, és a népességen belüli aránya, 2001-2011 Külföldön dolgozó munkaerőmigránsok létszámváltozása, és a foglalkoztatottakhoz viszonyított arány, 2001-2012

Forrás: Eurostat tükörstatisztika , korrigálva (bal o. ábra) és HU LFS (jobb o. ábra) alapján saját számítás

A magyar migráció előreszámítása – mi lehetséges?

Óvatos előreszámítás lehetséges a korábbi évek adatai és a gyorsuló időszak adatai alapján Feltétel: a migráció irányába ható tényezők nem változnak sokkszerűen

Migránsok aránya a hazai ill. foglalkoztatott népességben, %

•

Mi lehet migrációt erősítő tényező?

bérelőny : reálkereset csökken/stagnál • • munkapiac: munkanélküliség nő/stagnál szociális rsz.: megszorítások és ellátatlanság • gazdasági növekedés: gazdasági adatok • gazdasági várakozások alakulása: bizonytalanság • nem gazdasági várakozások: FONTOS (isk. rendszer, egyetemi reform, eü. reform, stb.)

Mi lehet migrációt visszatartó tényező?

• gazdasági helyzet változása • gazdasági várakozások változása • nem gazdasági várakozások változása Forrás: Eurostat tükörstatisztika , korrigálva és HU LFS alapján saját számítás

Az emigráció nagysága, dinamikája és orientációja

Migránsok aránya fő célországok szerint Külföldön élő magyarok LFS munkaerőmigránsok

Tükörstatisztika: Németországban minden más célországnál nagyobb a migránsok aránya felgyorsult 2010 óta; Ausztriában folyamatos a növekedés (osztrák munkaerőpiac szelektív folyamatos megnyitása) és Egyesült Királyságba migráció 2006-2007 óta LFS munkaerő migráció: Ausztriában a legmagasabb, 2011 után gyors növekedés Ausztriában & Németországban, stabil, nincs növekedés az Egyesült Királyságban Forrás: Eurostat tükörstatisztika , korrigálva (bal o. ábra) és HU LFS (jobb o. ábra) alapján saját számítás

Mi történt 2010 után?

A migráció növekedése 2007 óta folyamatos – de jelentős visszaáramlás is van. A magyar migráció fő iránya három ország irányába Részarány növekvő – ez új és fontos jelzés  Németország: 12% 2011-ben, 14% 2012-ben (átmeneti intézkedések után)   Ausztria: 18% 2008, 20% 2009-2010, 22% 2011-ben (átmeneti intézkedések utáni hatása kicsit) UK: 4% 2007, 7% 2008, 10% 2011Q4, 11% 2012 Q1 De a migránsok jelentős része visszatér(csökken, de jelentős az éven belüli visszaáramlás), cirkuláris migráció  Németország: 51%-a maradt 2011-ben, 64% 2012-ben Ausztria: 36 ill. 45% 2010 és 2011-ben  UK: nincs visszaáramlás adat (visszaáramlás van)

A magyar munkaerő emigráció karaktere, magyarázata - modellszámítások

Munkaerő-felmérés - egyedi adatok alapján végzett számítások: néhány eredmény  Azokra vonatkozik, akinek munkahelye külföldön van, illetve legutolsó munkahelye külföldön volt (LFS standard kérdés alapján)  Adatok negyedévenként, 2012 Q1-ig (célországra specifikálva csak 2010-ig, később EU/nem EU ) A migráció aránya kicsi az adatbázisban. Ezért összevont időszakokra panelt képeztünk., az előző trendek alapján lehatárolt homogén időszakokra    EU csatakozás előtt - 2004 május 1-ig.

EU csatlakozás után 2004 május 1- 2007 december 31.

Válság (hazai megszorítás + pü.i válság) 2008-2010 Gazdasági bizonytalanság (megszigorítások és bizonytalanságok) 2011- 2012 Q1 (egybeesik az EU szabad munkaerő áramlás kiteljesedésével - Ausztria, Németország) Számolásokat az összevont panelek elemeivel végeztük.

A magyar munkaerő emigráció karaktere szelektivitás

Migránsok szerkezete: a hazai népességhez képest kik vannak túlreprezentálva a migránsok között?

(migráció szelektivitás index: migráns versus foglalkoztatott

népesség arányának az eltérése az egyes indikátorok szerint a hazai népességben mért arányhoz képest +1 és -1 közötti érték)   Férfiak aránya: 0,5 stabilan férfi többségű migráció, kivéve Egyesült Királyság, nagyjából kiegyensúlyozott arány (0,15) Fiatal felnőttek 25-34 évesek aránya magas (0,4 with some increase) Fiatalok (25 év alatt) irányába a szelektivitás gyorsan nőtt, amikor a migráció gyorsult (0,0-ról 0,6-ra emelkedett az index a csatlakozást követő válság és gazdasági bizonytalanság időszakban).

* +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció

A magyar munkaerő emigráció karaktere szelektivitás

férfiak nők

Férfiak: - szakmunkás (~0,5 index) - középiskolások gyorsan nő (-ból átfordul ~+0,3 - semmi más végzettség nem jell.

Nők: felsőfok magas (~0,5) középiskolások növekvőek szakmunkások lecsökkentek többi végzettség nem jellemző * +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció

A magyar munkaerő emigráció karaktere szelektivitás

A migrációs szelektivitás index régiók szerint Régiós munkanélküliség eltérése az országostól, %-pont Emigráció regionális szelektivitási indexe

EU csatakozás előtt EU csatlakozás után Válság Gazdasági bizonytalans ág fejlett alacsony munkanélküliségű régiók 2007 2012 Nyugat-Dunántúl Közép-Dunántúl

3,10 0,52 2,49

0,09

1,81

-0,19

1,45

0,10 -2,4 -2,4 -3,5 -1,1 Közép-Magyarország -0,71 -0,49 -0,64 -0,60 -2,7 -1,7 kevésbé fejlett magas munkanélküliségű régiók Észak-Magyarország 0,02

0,55

Észak-Alföld -0,61 -0,78 Dél-Dunántúl -0,29 -0,03 0,28 0,06 0,27 -0,10 4,9 3,4 5,7 3,0

0,41 0,61

2,6 1,1 közepes régió alacsony munkanélküliséggel Dél-Alföld -0,63 -0,51 -0,36 -0,39 -2,4 -3,5 Regionális koncentráció – nyugati határon jó régiókban kezdetben, kiugró jelentőség csökkent Magas munkanélküliség – kevés régióban (É-Mo, D-D), lassan terjed * +1: nagyon erősen szelektív a migráció, 0: közömbös, -1: nagyon nem jellemző a migráció

Az emigráció esélye

Logisztikus regressziót számoltunk (a kialakított panelek szerint) Azt vizsgáltuk, mekkora a külföldön (az EU-ban, illetve Ausztriában, Németországban, Egyesült Királyságban) dolgozás esélye   Migráció esélye az EU csatakozás előtti időszakhoz képest EU csatlakozás után: 1,9-szeres,   Válság időszakra: Gazdasági bizonytalanság időszakára: 3,54-szeres 6,86-szoros     Migráció esélye az EU csatakozás előtti időszakhoz képest Célország Németország Ausztria EU csatlakozás után: Válság időszakra: 1,32-szeres 1,97-szeres 1,27-szeres 1,97-szeres Egyesült Királyság 4,06-szoros 12,81-szeres

Az emigráció esélye

Iskolázottság és foglalkozás esélye az EU migráció során Migráció az EU-ba

EU csatlakozás után Válság Gazdasági bizonytalanság

Iskolai végzettség

(.000) (.000) (.000) szakmunkásképző 5.047 (.000) 3.139 (.000) 2.577 (.000) középfokú szakközépiskola főiskola 1.734 (.175) 3.921 (.000) 6.669 (.000) 2.377 (.001) 2.842 (.000) 4.040 (.000) 2.528 (.003) 2.655 (.000) 4.085 (.000) egyetem

Foglalkozás

szolgáltatás mezőgazdaság ipar és építőipar gépkezelő 10.234 (.000) (.000) 4.487 (.000) 2.934 (.015) 6.510 (.000) 4.533 (.000) (.000) 3.121 (.000) 3.089 (.000) 5.402 (.000) 4.741 (.000) (.000) 4.163 (.000) 4.393 (.001) 8.750 (.000) 2.641 (.000) 1.960 (.001) 2.780 (.000) szakképzetlen 5.023 (.000) viszonyítás: nem fizikai foglalkozás, alapfok 2.993 (.000) 5.049 (.000) Felsőfokúak esélye a legnagyobb a külföldi munkához (az alapfokú végzettséghez képest) Nem fizikai foglalkozáshoz képest minden más foglalkozás végzésének nagyobb az esélye

   

Tanulságok

Növekvő migráció – még korlátozott mértékű és nem körvonalazódott a formája. Emigráció gyorsan növekszik, 2007 óta és gyorsuló az egymást követő megszorítások és egyéb intézkedések következtében 2011 óta.

A migráció egy része hagyományos és számottevő, részben regionális Ny-Magyarországon Ausztriába, emellett Németországba. Egy sokkal színesebb szegmens a főként az Egyesült Királyságba tartóké. A csatlakozáskor kis mértékű migráció, Egyesült Királyságba a hagyományos szerkezettől eltérő, kisebb mértékű migráció. Az átmeneti intézkedések lejártával re orientáció Németországba.

    

Tanulságok

A munkaerőmigránsok nagyrészt foglalkoztatottak voltak mielőtt külföldön kerestek munkát. . A migráció növekvő mértékben szelektív a középfokú végzettségűek irányába, jelentős arányban szakképzett és nagyon kevéssé jellemző a szakképzetlenek részvétele, magas munkanélküliségük ellenére sem. A migrációnak ez a szerkezete kedvezőtlen otthoni munkapiaci struktúrához vezethet. A gazdasági, szociális és politikai fejlemények tartósan felerősíthetik és megváltoztathatják a magyar migráció mintáját. Migrációt ösztönző tényezők erősödnek, a visszatartó erők eltűntek. Nem világos, hogy mindezek hatása rövid vagy hosszú távú-e? Más új EU országok mintái ebben eltérőek – és erősen függnek a hazai gazdasági, foglalkoztatási és szociális, jóléti helyzettől.



Köszönöm a figyelmet!

Education

vocational secondary secondary vocational college university

Age group

25-34 years 35-44 years 45-54 years 55 years or more

Family status

wife partner one parent with child child other single

1. a: Outmigration models (Odds ratios) - Emigration to EU Dependent variable: ‘Emigrants in the EU’ post-enlargement phase

(.000) 5.047 (.000) 1.734 (.175) 3.921 (.000) 6.669 (.000) 10.234 (.000) (.000) 1.891 (.001) 1.614 (.032) 1.043 (.860) .955 (.876) (.000) .059 (.000) .931 (.693) .377 (.003) 1.244 (.156) .395 (.007) .448 (.002)

Migrants to the EU crisis phase

(.000) 3.139 (.000) 2.377 (.001) 2.842 (.000) 4.040 (.000) 4.533 (.000) (.000) 1.721 (.001) 1.508 (.021) 1.144 (.489) .702 (.167) (.000) .146 (.000) .582 (.001) .178 (.000) 1.114 (.408) .571 (.022) .620 (.012)

downturn phase

(.000) 2.577 (.000) 2.528 (.003) 2.655 (.000) 4.085 (.000) 4.741 (.000) (.000) 1.702 (.010) 1.836 (.008) 1.028 (.914) .538 (.061) (.000) .153 (.000) .629 (.011) .382 (.003) 1.183 (.313) 1.295 (.427) .532 (.010)

Dependent variable: ‘Emigrants in the EU’ (cont) Region Northern Great Plain

Southern Great Plain Central Hungary Central Transdanubia Western Transdanubia Southern Transdanubia

Employment

services agriculture industry &construction machine operator unskilled (.000)

.183 (.000)

.541 (.001) .261 (.000) .775 (.165) 1.827 (.000) .991 (.961) (.000) 4.487 (.000) 2.934 (.015) 6.510 (.000) 2.641 (.000) 5.023 (.000) (.000)

.605 (.002)

.582 (.001) .372 (.000) .950 (.759) 2.644 (.000) 1.114 (.496) (.000) 3.121 (.000) 3.089 (.000) 5.402 (.000) 1.960 (.001) 2.993 (.000) (.000)

.918 (.664)

.702 (.087) .251 (.000) 1.056 (.788) 1.787 (.003) .996 (.985) (.000) 4.163 (.000) 4.393 (.001) 8.750 (.000) 2.780 (.000) 5.049 (.000)

Non-Hungarian citizen Temporary job

3.796 (.007) 3.267 (.000) 5.612 (.000) 4.151 (.000) 1.016 (.985) 2.148 (.000) migrants in weighted cases 524 848 604 Nagelkerke R Square 0.330 0.335 0.358 Excluded variables: basic education, less than 25 years, husband, Northern Hungary, non-manual employment Note: Log regression Chi-square 0.000 each case, currently employed migrants and employed population due to the noisy data of previously employed returnees.

1 b: Outmigration models (Odds ratios) Dependent variables ‘Emigrant to Germany’, ‘Emigrant to Austria’ ‘ ’Emigrant to UK’ Migrants in Germany Migrants in Austria Migrants in UK post enlargement crisis post enlargement crisis crisis Education

vocational (.006) 3.520 (.003) (.111) 1.435 (.184) (.002) 6.013 (.000) (.000) 5.323 (.000) (.000) 2.258 (.082) secondary .630 (.599) .854 (.742) 3.183 (.086) 2.448 (.092) 6.195 (.000) secondary vocational college university

Age group

25-34 years 35-44 years 45-54 years 55 years or more

Family status

wife partner one parent with child child other single 1.897 (.179) 2.201 (.233) 2.580 (.204) (.014) 2.523 (.008) 1.492 (.321) 1.396 (.432) 1.537 (.403) (.023) .040 (.003) 1.375 (.269) .737 (.565) 1.552 (.085) .861 (.773) .781 (.564) .900 (.741) .761 (.594) 1.850 (.277) (.304) .760 (.276) .637 (.115) .668 (.183) .393 (.037) (.005) .255 (.000) .703 (.169) .279 (.034) .780 (.265) .475 (.091) .667 (.237) 4.161 (.003) 7.451 (.003) .000 (.993) (.234) 1.953 (.083) 1.763 (.180) 1.771 (.183) 1.048 (.928) (.000) .112 (.000) 1.099 (.742) .658 (.349) .698 (.169) .550 (.259) .524 (.108) 5.518 (.000) 4.345 (.002) 9.258 (.000) (.092) 2.026 (.013) 1.916 (.039) 1.726 (.099) 1.371 (.423) (.000) .172 (.000) .665 (.081) .213 (.001) .727 (.116) .600 (.171) .824 (.487) 4.081 (.003) 9.947 (.000) 6.114 (.003) (.000) 2.119 (.008) 1.684 (.142) .106 (.022) .299 (.185) (.000) .277 (.012) .886 (.772) .547 (.410) 2.750 (.001) 2.128 (.126) .620 (.419)

Dependent variables ‘Emigrant to Germany’, ‘Emigrant to Austria’ ‘ ’Emigrant to UK’ (cont) Region

Northern Great Plain Southern Great Plain Central Hungary Central Transdanubia Western Transdanubia Southern Transdanubia

Employment

services agriculture industry &construction machine operator unskilled (.000) .351 (.002) .695 (.191) .229 (.000) .266 (.001) .382 (.001) 1.008 (.975) (.000) 1.587 (.310) 1.164 (.859) 4.346 (.000) 1.268 (.626) 2.255 (.105) (.000) .666 (.083) .453 (.004) .320 (.000) .648 (.105) .230 (.000) 1.222 (.364) (.000) 2.701 (.011) 2.938 (.083) 8.052 (.000) 2.075 (.092) 1.404 (.469) (.000) .156 (.023) .412 (.101) .395 (.056) 3.137 (.001) 11.791 (.000) 2.035 (.052) (.000) 7.148 (.000) 11.102 (.000) 8.917 (.000) 2.983 (.025) 4.929 (.003) (.000) .350 (.006) .736 (.341) .303 (.003) 2.068 (.008) 12.70

5 (.000) 2.041 (.007) (.000) 4.877 (.000) 5.945 (.000) 6.005 (.000) 2.482 (.003) 3.778 (.000) (.015) 1.091 (.790) 1.220 (.553) .389 (.013) .826 (.611) .757 (.430) .427 (.045) (.000) 2.741 (.000) .000 (.997) .855 (.695) 1.522 (.327) 5.186 (.000)

Non-Hungarian citizen

3.349 (.099) 1.696 (.568) 2.126 (.477) .632 (.751) 5.459 (.021)

Temporary job

migrants in weighted cases Nagelkerke R Square 3.111 (.000) 146 0.234 3.785 (.000) 218 0.239 1.263 (.359) 194 0.362 2.462 (.000) 338 0.379 2.539 (.000) 128 0.275 Excluded variables: basic education, less than 25 years, husband, Northern Hungary, non-manual employment Note: Log regression Chi-square 0.000 each case, currently employed migrants and employed population due to the noisy data of previously employed returnees.

Women Age group

25-34 years 35-44 years 45-54 years 55 years or more

Region

Northern Great Plain Southern Great Plain Central Hungary Central Transdanubia Western Transdanubia Southern Transdanubia

Education

vocational secondary secondary vocational college university

2: Return migration models (Odds ratios) Dependent variable: ‘Return migrants’ post-enlargement phase

.669 (.038) (.003) 1.919 (.003) 1.806 (.019) 1.334 (.280) 1.138 (.695) (.000) .195 (.000) .460 (.000) .181 (.000) .713 (.086) 1.596 (.005) 1.058 (.769) (.000) 5.751 (.000) 1.165 (.726) 2.960 (.000) 2.246 (.017) 2.554 (.011)

Return migrants crisis phase

.585 (.000) .(000) 1.763 (.001) 1.930 (.001) 1.444 (.078) .902 (.713) (.000) .677 (.018) .542 (.000) .252 (.000) .736 (.091) 2.587 (.000) 1.148 (.406) (.000) 3.131 (.000) 1.592 (.088) 2.066 (.000) 1.242 (.371) 1.702 (.045)

downturn phase

.542 (.001) (.000) 1.621 (.039) 2.118 (.004) 1.253 (.436) .651 (.268) (.000) .910 (.659) .762 (.227) .096 (.000) .709 (.137) 1.899 (.002) 1.041 (.861) (.000) 2.964 (.000) 1.985 (.039) 2.172 (.004) 1.726 (.077) 1.470 (.287)