Mchakato wa ukombozi wa uchumi ulioanzishwa na India mwaka 1991 mara nyingi huelezwa kupitia viwango vya juu vya ukuaji, ongezeko la tija na kupanda kwa sekta ya huduma. Utafiti huu wa Spandan Upadhyay unasema kuwa ukuaji haupaswi kutathminiwa kwa uzalishaji wa jumla wa uchumi pekee. Utafiti unatafsiri mabadiliko ya kipindi cha 1991-2016 kwa kutumia mkabala wa Amartya Sen wa “uwezo” na “maendeleo kama uhuru”; kupitia muundo wa ajira, uzalishaji kwa mfanyakazi, uzazi, afya, kutokuwa na ufanisi wa kilimo na ukosefu wa ajira miongoni mwa walioelimika.

Utafiti unatumia uchunguzi wa miaka 26 uliotolewa kutoka seti ya data ya World Development Indicators ya Benki ya Dunia. Inaonyeshwa kwamba nchini India sehemu ya ajira ya kilimo ilishuka kutoka takriban asilimia 64 hadi asilimia 44, huku sehemu ya wafanyakazi katika huduma ikiongezeka kutoka takriban asilimia 22 hadi asilimia 33. Ajira ya viwandani pia inaongezeka; hata hivyo, sehemu kubwa ya nguvu kazi inayoondoka kilimo inaelekea moja kwa moja kwenye huduma badala ya viwanda. Mwandishi anatafsiri muundo huu kama India kuruka kwa sehemu njia ya kawaida ya maendeleo ya “kutoka kilimo kwenda viwandani, kisha kwenda huduma”.

Grafu pia zinaonyesha wazi pengo kubwa kati ya sehemu ya kilimo katika uchumi na idadi ya watu wanaofanya kazi katika kilimo. Kuelekea 2016, takriban asilimia 44 ya nguvu kazi ilikuwa katika kilimo, huku sehemu ya kilimo katika pato la taifa ikishuka hadi takriban asilimia 17. Utafiti unatathmini pengo hili kama kiashiria cha kutokuwa na ufanisi wa kilimo na ukosefu wa ajira uliojificha.

Utafiti unajenga mifano miwili ya regresheni ya mstari yenye vigezo vingi. Mfano wa kwanza unajaribu kueleza GDP kwa mfanyakazi kwa sehemu ya ajira katika sekta ya huduma na mfumuko wa bei. Mfano wa pili unahusisha kiwango cha uzazi na ajira katika huduma pamoja na GDP kwa mfanyakazi. Kisha mifano hii inatumiwa kuunda hali ya matumaini, msingi na ya tahadhari kwa kudhani kwamba ajira katika huduma itaendelea kwa mstari hadi 2030. Katika hali ya msingi, GDP kwa mfanyakazi inatabiriwa kufikia takriban dola 20.486 mwaka 2030.

Hata hivyo, utafiti una mapungufu muhimu ya kimbinu. Unatumia mfululizo wa muda wa miaka 26 pekee; majaribio ya stationarity, autocorrelation, cointegration, endogeneity na structural break hayajaripotiwa. Ingawa matokeo ya regresheni ya mstari yanawasilishwa kama ushahidi wa sababu na athari, mbinu iliyotumiwa haiwezi yenyewe kutambua athari ya kisababishi. Zaidi ya hayo, mwelekeo wa baadhi ya migawo na vipindi vya kujiamini katika Kielelezo 3 unakinzana wazi na maelezo katika maandishi. Kwa hiyo, utafiti unatoa uchambuzi wa kiuchunguzi wenye kuchochea fikra kuhusu mabadiliko ya India; lakini haupaswi kuchukuliwa kama hitimisho la kisababishi lililo thabiti au utabiri wa muda mrefu wa uchumi unaotegemewa.

Swali kuu la utafiti

Hoja ya kuanzia ya utafiti ni swali la kiwango ambacho ukuaji wa uchumi uliopatikana India baada ya 1991 ulipanua kwa kweli chaguo za maisha za watu. Utafiti haulengi tu swali la “uchumi ulikua kiasi gani?”, bali unalenga maswali yafuatayo yaliyo karibu zaidi na maisha ya watu:

• Watu walianza kupata riziki zao kutoka sekta zipi?
• Je, nguvu kazi iliyoondoka kilimo ilimezwa na viwanda au sekta ya huduma?
• Ukuaji ulihusianaje na tija ya wafanyakazi na uwezo wa kupata faida za kiuchumi?
• Je, kuongezeka kwa kiwango cha elimu kuliweza kubadilishwa kuwa ajira yenye ujuzi?
• Sababu za ugonjwa na vifo zilibadilikaje pamoja na mabadiliko ya uchumi?
• Ni makundi gani yalibaki nje ya ukuaji wa uchumi au hayakunufaika vya kutosha na mabadiliko?

Mwandishi anatumia mkabala wa Amartya Sen unaoona maendeleo si ongezeko la mapato pekee, bali upanuzi wa uwezo wa watu kuishi maisha wanayoyathamini. Kwa mtazamo huu, ajira haichukuliwi tu kama pembejeo ya uzalishaji; bali kama njia kuu ya kufikia fursa kama chakula, makazi, huduma za afya na ushiriki wa kijamii.

India kuondoka katika njia ya kawaida ya maendeleo

Mojawapo ya hoja za msingi za utafiti ni kwamba mabadiliko ya kimuundo ya India hayakufuata kikamilifu mlolongo wa kawaida wa uindustrialishaji. Katika simulizi ya jadi ya maendeleo, nguvu kazi huhama kwanza kutoka kilimo chenye tija ndogo kwenda viwandani, kisha kwenda sekta za huduma zilizoendelea zaidi. Nchini India, sehemu ya kilimo ilipungua huku sekta ya huduma ikikua kwa kasi, na ongezeko la ajira viwandani likibaki la kiasi.

Katika paneli ya kati ya Kielelezo 1, mwenendo wa takriban wa kipindi cha 1991-2016 unaonekana kama ifuatavyo:

Data hizi hazimaanishi kwamba India iliruka viwanda kabisa. Ajira viwandani huongezeka kwa takriban pointi tisa. Hata hivyo, kupungua kwa takriban pointi ishirini katika kilimo hakukufidiwa kabisa na viwanda; huduma zimekuwa nguzo ya pili yenye nguvu zaidi ya mabadiliko. Kwa hiyo, usemi wa utafiti wa “kuruka mapinduzi ya viwanda” ni tafsiri inayoeleza kuongezeka kwa huduma mapema na kwa nguvu isiyo ya kawaida, si kutokuwepo kabisa kwa viwanda kihistoria.

Dirisha la fursa ya kidemografia

Paneli ya kushoto ya Kielelezo 1 inaonyesha mabadiliko ya idadi ya watu wa India kwa makundi ya umri. Kutoka kwenye grafu inaonekana takriban kwamba:

• Idadi ya watu wenye umri wa kufanya kazi 15-64 iliongezeka kutoka takriban milioni 520 hadi karibu milioni 870,
• Kundi la umri wa 0-14 liliongezeka kutoka takriban milioni 340 hadi karibu milioni 380 kisha likatulia,
• Idadi ya watu wenye umri wa 65 na zaidi iliongezeka kutoka takriban milioni 30 hadi kati ya milioni 80-90.

Utafiti unatafsiri ukuaji wa haraka wa idadi ya watu wenye umri wa kufanya kazi kama “faida ya kidemografia”. Hata hivyo, unasistiza kwamba idadi kubwa ya watu wenye umri wa kufanya kazi haitengenezi faida ya kiuchumi yenyewe. Watu hawa wanahitaji kupata kazi zenye tija na malipo ya kutosha. Vinginevyo, fursa ya kidemografia inaweza kubadilika kuwa shinikizo la ukosefu wa ajira na ajira yenye tija ndogo.

Mabadiliko ya mzigo wa afya

Paneli ya kulia ya Kielelezo 1 inalinganisha sehemu za vifo vya jumla vinavyotokana na magonjwa ya kuambukiza na yasiyo ya kuambukiza. Grafu ina pointi za data kwa miaka michache tu; kwa hiyo paneli hii si mfululizo wa muda wa kila mwaka usiokatika.

Thamani za takriban zinazosomwa kutoka kwenye grafu ni:

Utafiti unatafsiri mabadiliko haya kama kupungua kwa uzito wa jamaa wa magonjwa ya kuambukiza yanayohusishwa na umaskini na kuongezeka kwa uzito wa magonjwa ya moyo na mishipa, kisukari, saratani na magonjwa mengine sugu. Hata hivyo, grafu iliyotumiwa haionyeshi kwamba kufanya kazi katika huduma au maisha ya kutokufanya shughuli husababisha magonjwa haya moja kwa moja. Vipengele vingi kama upatikanaji wa huduma za afya, kuongezeka kwa umri wa kuishi, kuzeeka kwa idadi ya watu, ukuaji wa miji, lishe, matumizi ya tumbaku na mifumo ya utambuzi vinaweza kuchangia mabadiliko haya.

Mtego wa kilimo: Kutengana kwa ajira na thamani ya kiuchumi

Paneli ya kushoto ya Kielelezo 2 inaonyesha pamoja sehemu ya wafanyakazi katika kilimo katika nguvu kazi yote na sehemu ya kilimo katika GDP. Ingawa viashiria vyote viwili hupungua, sehemu ya ajira hubaki juu sana kuliko sehemu ya uzalishaji wa kiuchumi.

Takriban:

• Mwaka 1991, asilimia 64 ya nguvu kazi ilifanya kazi katika kilimo huku kilimo kikizalisha takriban asilimia 30 ya GDP.
• Mwaka 2016, ajira ya kilimo ilishuka hadi takriban asilimia 44 huku sehemu ya kilimo katika GDP ikishuka hadi takriban asilimia 17.

Eneo lenye kivuli kati ya mikondo miwili katika grafu linaonyeshwa kama “pengo la kutokuwa na ufanisi”. Mwandishi anahusisha tofauti hii na ukosefu wa ajira uliojificha na uwezo wa binadamu usiotumika. Mantiki ya msingi ni kwamba watu wengi wamejilimbikiza katika sekta inayozalisha sehemu ndogo ya uzalishaji wa kiuchumi.

Hata hivyo, tofauti kati ya asilimia mbili si kipimo cha moja kwa moja na sahihi cha ukosefu wa ajira uliojificha. Tija ya kilimo hutegemea mambo kama saa za kazi, ukubwa wa ardhi, matumizi ya mtaji, muundo wa mazao, bei za kikanda, kazi ya familia isiyolipwa na msimu. Grafu inaonyesha kwa nguvu tatizo la kimuundo, lakini haikokotoi idadi ya watu walio katika ukosefu wa ajira uliojificha.

Tatizo linaloitwa udanganyifu wa elimu

Paneli ya kulia ya Kielelezo 2 inalinganisha katika miaka fulani sehemu ya watu wenye elimu ya juu katika nguvu kazi na kiwango cha ukosefu wa ajira ndani ya watu walioelimika. Miaka iliyotumiwa kwenye grafu ni 1994, 2000, 2005, 2010 na 2012.

Mwandishi anasema kwamba mfumo wa elimu huzalisha ujuzi na matarajio, lakini uchumi hautoi kazi zinazolingana na watu hawa kwa kiwango cha kutosha. Anaeleza hali hii kama “kutoweza kubadilisha uwezo kuwa haki ya kiuchumi”.

Ingawa grafu inaunga mkono kwamba ukosefu wa ajira miongoni mwa walioelimika uliendelea kuwa juu, pia inaonyesha kupungua kwa wazi baada ya 2005. Kwa hiyo, hali inapaswa kusomwa si kama kiwango kisichobadilika kabisa cha ukosefu wa ajira, bali kama tatizo ambalo bado lina kiwango kikubwa ingawa limepungua katika uchunguzi wa mwisho. Aidha, sehemu ya nguvu kazi yenye elimu ya juu na ukosefu wa ajira miongoni mwa walioelimika ni viashiria vyenye denominators tofauti; urefu wa safu hizi mbili haupaswi kutolewa moja kwa moja kutoka kwa mwingine.

Seti ya data na usafishaji wa data

Utafiti umetumia World Development Indicators za Benki ya Dunia zinazofunika kipindi cha 1991-2016. Inaelezwa kwamba seti ghafi ya data ilikuwa na:

• Uchunguzi wa miaka 26,
• Viashiria 27 vya uchumi mkuu.

Katika mchakato wa usafishaji wa data, safu zilibadilishwa kuwa aina za data za namba na seli ambazo hazikuweza kubadilishwa kuwa namba ziliwekwa alama kama thamani zinazokosekana.

Kwa thamani zinazokosekana, kujaza kwa wastani au interpolation ya mstari hakukutumiwa. Badala yake, katika kila uchambuzi, ikiwa mojawapo ya vigezo vilivyotumiwa ilikuwa na thamani inayokosekana, mwaka husika uliondolewa kabisa. Njia hii inajulikana kama “listwise deletion”.

Listwise deletion ni chaguo linaloeleweka kwa kutotengeneza data bandia; hata hivyo, hasa katika seti yenye uchunguzi 26 pekee, inaweza kupunguza kwa kiasi kikubwa ukubwa wa sampuli. Utafiti hauripoti idadi kamili ya miaka iliyobaki baada ya kufutwa katika kila moja ya mifano miwili ya regresheni. Hali hii inafanya iwe vigumu kutathmini kutokuwa na uhakika wa migawo na nguvu ya kitakwimu.

Mfano wa kwanza wa OLS: Tija kwa mfanyakazi

Kigezo lengwa cha mfano wa kwanza ni GDP kwa mfanyakazi. Vigezo vya maelezo ni:

• Sehemu ya sekta ya huduma katika ajira yote,
• Kiwango cha mfumuko wa bei.

Uhusiano wa jumla wa OLS umeelezwa katika utafiti kama ifuatavyo:

\[ Y_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + \varepsilon_i \]

Unapotumika kwa mfano wa kwanza:

\[ GDP\_PP\_EMP_t = \beta_0 + \beta_1 EMP\_SRV_t + \beta_2 INFL_t + \varepsilon_t \]

• GDP_PP_EMP: GDP kwa mtu anayefanya kazi; inaonyeshwa kwa dola kwenye grafu.
• EMP_SRV: Asilimia ya wafanyakazi katika sekta ya huduma katika ajira yote.
• INFL: Kiwango cha mfumuko wa bei.
• β₀: Thamani ya mwanzo ya kinadharia wakati vigezo vya maelezo vinadhaniwa kuwa sifuri.
• β₁: Mabadiliko katika GDP kwa mfanyakazi yanayohusishwa na mabadiliko ya pointi moja katika ajira ya huduma, mfumuko wa bei ukiwekwa thabiti.
• β₂: Mabadiliko ya GDP yanayohusishwa na mabadiliko ya pointi moja katika mfumuko wa bei, ajira ya huduma ikiwa thabiti.
• ε_t: Inawakilisha athari ambazo mfano hauwezi kueleza.

Migawo ya OLS huchaguliwa ili kupunguza jumla ya mraba wa mabaki kati ya thamani halisi na zilizotabiriwa:

\[ \min_{\beta_0,\beta_1,\beta_2} \sum_{t=1}^{n} \left(Y_t-\hat{Y}_t\right)^2 \]

Usemi huu unaeleza kwamba mfano huweka mraba na kujumlisha makosa ya utabiri ili makosa chanya na hasi yasifute kila moja.

Mfano wa pili wa OLS: Kiwango cha uzazi

Kigezo lengwa cha mfano wa pili ni kiwango cha jumla cha uzazi kinachoelezwa kama idadi ya watoto kwa mwanamke. Vigezo vya maelezo ni sehemu ya ajira katika huduma na GDP kwa mfanyakazi:

\[ FRTL_t = \alpha_0 + \alpha_1 EMP\_SRV_t + \alpha_2 GDP\_PP\_EMP_t + u_t \]

• FRTL: Kiwango cha jumla cha uzazi kama idadi ya watoto kwa mwanamke.
• EMP_SRV: Asilimia ya wafanyakazi katika sekta ya huduma katika ajira yote.
• GDP_PP_EMP: GDP kwa mfanyakazi.
• α₁: Inaonyesha uhusiano wa mabadiliko ya ajira katika huduma na uzazi, GDP kwa mfanyakazi ikiwa thabiti.
• α₂: Inaonyesha uhusiano wa mabadiliko ya GDP kwa mfanyakazi na uzazi, ajira katika huduma ikiwa thabiti.

Mwandishi anajadili kwamba mpito kwenda uchumi wa huduma unaweza kueleza kupungua kwa uzazi kupitia ukuaji wa miji, jukumu la wanawake katika maisha ya kazi na gharama ya kiuchumi ya kulea watoto. Hata hivyo, mfano haujumuishi vigezo kama ukuaji wa miji, elimu ya wanawake, ajira ya wanawake, umri wa ndoa, vifo vya watoto, ufikiaji wa uzazi wa mpango au miundombinu ya afya. Kwa hiyo, taratibu hizi hazikujaribiwa moja kwa moja.

Migawo katika Kielelezo 3 na kutokulingana na maandishi

Kielelezo 3 kinaonyesha migawo ya regresheni kwa pau za mlalo na vipindi vya kujiamini vya asilimia 95. Kulingana na maelezo ya utafiti, kipindi cha kujiamini kinakokotolewa kama:

\[ CI_{95\%} = \hat{\beta} \pm 1.96 \times SE(\hat{\beta}) \]

Hapa β̂ inaonyesha mgawo uliokadiriwa, na SE inaonyesha kosa la kawaida la mgawo.

Hata hivyo, kuna kutokulingana muhimu kati ya kielelezo na maandishi:

1. Mgawo wa mfumuko wa bei: Maandishi yanasema mfumuko wa bei una mzigo hasi au “drag” kwa GDP kwa mfanyakazi. Kwa upande mwingine, katika Kielelezo 3, pau ya mfumuko wa bei inaonekana upande wa kulia wa sifuri, yaani upande chanya. Kutoka grafu, mgawo wa takriban dola chanya 100-150 unasomeka.
2. Huduma na uzazi: Maandishi yanasema ajira katika huduma ina athari kali hasi kwa uzazi. Mgawo wa ajira katika huduma katika Kielelezo 3 unaonekana upande wa kulia wa sifuri, takriban +0,05.
3. Kipindi cha kujiamini: Maandishi yanasema hakuna pau ya kosa inayovuka sifuri. Kwa upande mwingine, kipindi cha kujiamini cha ajira katika huduma katika mfano wa uzazi kinaenea takriban kutoka -0,09 hadi +0,18 na kinavuka sifuri wazi.
4. Mgawo wa GDP kwa mfanyakazi: Mgawo huu katika mfano wa uzazi unaonekana karibu sana na sifuri katika grafu na thamani yake sahihi haiwezi kusomwa kutokana na skeli.

Kwa sababu ya kutokulingana huku, hitimisho la maandishi kwamba “mpito kwenda huduma hupunguza uzazi kwa nguvu zaidi kuliko mapato” haliwezi kuthibitishwa kupitia Kielelezo 3. Kwa kuwa jedwali la migawo, makosa ya kawaida kamili, thamani za p na matokeo ya mfano hayajatolewa, haiwezi kuamuliwa kama ishara sahihi iko kwenye grafu au katika maelezo ya maandishi.

Kwa nini regresheni pekee haiwezi kuanzisha sababu na athari?

Utafiti unasema kwamba OLS imetumiwa kwa lengo la “kutenganisha sababu na matokeo” na kwamba migawo ni “ramani za athari za kisababishi”. Hata hivyo, regresheni ya mstari yenye vigezo vingi, bila mkakati mwingine wa utambulisho, hukadiria tu uhusiano wa masharti kati ya vigezo.

Kwa tafsiri ya kisababishi, angalau inahitajika kudhani kwamba vigezo vya maelezo havihusiani na neno la kosa:

\[ E(\varepsilon_t \mid X_t) = 0 \]

Dhana hii inahitaji kwamba hakuna sababu iliyoachwa nje ya mfano inayohusiana kwa wakati mmoja na ajira katika huduma na tija au uzazi. Katika mabadiliko ya uchumi wa India, hii ni dhana yenye nguvu sana.

Kwa mfano, vigezo vifuatavyo vinaweza kuathiri kwa wakati mmoja ajira katika huduma na uzalishaji kwa mfanyakazi:

• Maendeleo ya teknolojia,
• Uwekezaji wa kigeni,
• Kiwango cha elimu,
• Uwekezaji katika miundombinu,
• Ukuaji wa miji,
• Uwazi wa biashara,
• Kiwango cha ubadilishaji fedha,
• Sera ya fedha na bajeti,
• Hali za uchumi wa dunia.

Vivyo hivyo, mabadiliko ya kiwango cha uzazi yanaweza pia kuathiri mpito kwenda sekta ya huduma. Uzazi wa chini unaweza kuongeza ushiriki wa wanawake katika nguvu kazi; kwa hiyo, sababu na athari zinaweza kwenda pande zote mbili. Hii ni tatizo la simultaneity au endogeneity.

Utafiti haujatumia jaribio la asili, kigezo cha ala, tofauti-katika-tofauti, regression discontinuity, muundo wenye ucheleweshaji au mkakati mwingine wa utambulisho wa kisababishi. Kwa hiyo, matokeo yanapaswa kusomwa kama “ongezeko la ajira katika huduma linahusishwa na GDP kwa mfanyakazi na uzazi”, si kama “ongezeko hilo lilisababisha kwa uhakika matokeo haya”.

Kulinganisha thamani halisi na zilizotabiriwa

Katika Kielelezo 4, kwa mifano yote miwili thamani halisi ziko kwenye mhimili mlalo na utabiri wa mfano kwenye mhimili wima. Mstari mwekundu wa dashed unawakilisha utabiri kamili, yaani:

\[ \hat{Y}_t = Y_t \]

.

Katika mfano wa tija kwa mfanyakazi, sehemu kubwa ya pointi inaonekana karibu na mstari wa diagonal. Hasa katika viwango vya chini na vya kati vya tija, makadirio yanafuata kwa karibu thamani halisi. Katika thamani za juu zaidi, baadhi ya makosa yanaongezeka; hata hivyo, uhusiano wa mstari kwa ujumla unaonekana kuwa wenye nguvu.

Katika mfano wa uzazi, mviringo wa kimfumo zaidi unaonekana:

• Katika thamani halisi za chini za uzazi, utabiri unabaki chini zaidi.
• Katika thamani za kati, utabiri mara nyingi uko juu ya mstari wa utabiri kamili.
• Katika thamani za juu za uzazi, utabiri unabaki chini ya mstari.

Muundo huu unaweza kuonyesha kwamba mfano wa mstari haukamati kikamilifu uhusiano usio wa mstari katika uzazi. Kwa kuwa R-square ya kila mfano, adjusted R-square, usambazaji wa mabaki au vipimo vya kosa la utabiri havijatolewa, dai kwamba grafu “zinaeleza karibu mabadiliko yote ya kihistoria” haliwezi kukaguliwa kwa namba.

Kulinganisha thamani halisi na zilizotabiriwa kwenye data ile ile iliyotumiwa kujenga mfano huonyesha ulinganifu ndani ya sampuli. Njia hii peke yake haithibitishi kutokuwepo kwa overfitting. Ili kutathmini overfitting, data tofauti za majaribio, cross-validation au majaribio ya utabiri wa nyuma yaliyopangwa kwa muda yanahitajika.

Fomula ya R-square

Uhusiano wa R-square ulioelezwa katika utafiti ni:

\[ R^2 = 1 - \frac{\sum_{t=1}^{n}(Y_t-\hat{Y}_t)^2}{\sum_{t=1}^{n}(Y_t-\bar{Y})^2} \]

• Usemi katika numerator ni jumla ya mraba wa mabaki ambayo mfano hauwezi kueleza.
• Usemi katika denominator ni mabadiliko ya jumla ya kigezo lengwa ukilinganishwa na wastani wake.
• Kadiri R-square inavyokaribia 1, ndivyo mfano unavyoeleza sehemu kubwa ya mabadiliko ndani ya sampuli.

Hata hivyo, R-square ya juu haimaanishi sababu na athari, muundo sahihi wa mfano au utabiri mzuri wa baadaye. Hasa mfululizo wa kiuchumi unaopanda au kushuka pamoja kwa muda unaweza kutoa R-square ya juu hata bila utaratibu halisi wa kiuchumi unaowaunganisha.

Matatizo yanayotokana na asili ya mfululizo wa muda

Data si uchunguzi 26 huru, bali ni miaka 26 inayofuatana. Kwa hiyo, tofauti na regresheni ya kawaida ya cross-section, matatizo ya mfululizo wa muda yanaweza kutokea:

• Kutokuwa stationary: Ajira katika huduma na GDP kwa mfanyakazi zina mwenendo kwa muda.
• Regresheni bandia: Vigezo viwili vinavyofuata mwenendo mmoja vinaweza kutoa ulinganifu wa juu hata kama havina uhusiano wa kweli.
• Autocorrelation: Kosa la mwaka mmoja linaweza kuhusiana na kosa la mwaka unaofuata.
• Structural break: Migogoro ya dunia, mabadiliko ya sera au mageuzi ya uchumi yanaweza kubadilisha uhusiano kati ya vipindi.
• Heteroskedasticity: Ukubwa wa makosa ya utabiri unaweza kuongezeka kadiri skeli ya uchumi inavyokua.

Utafiti hauripoti majaribio ya unit root, cointegration, Durbin-Watson, Breusch-Godfrey, heteroskedasticity au structural break. Upungufu huu unapunguza uaminifu wa makosa ya kawaida na tathmini ya umuhimu wa kitakwimu.

Hali za ajira katika huduma hadi 2030

Katika hatua ya kwanza ya hali ya baadaye, mteremko wa kihistoria wa ajira katika huduma unakokotolewa. Uhusiano uliotolewa katika utafiti ni:

\[ Slope = \frac{EMP\_SRV_{2016}-EMP\_SRV_{1991}}{2016-1991} \]

Kwa kutumia mteremko huu, hali ya msingi ya mstari kwa miaka 2017-2030 inatengenezwa:

\[ EMP\_SRV_t^{base} = EMP\_SRV_{2016} + Slope \times (t-2016) \]

Kisha hali tatu zinafafanuliwa:

\[ EMP\_SRV_t^{optimistic} = EMP\_SRV_t^{base} + 3 \]

\[ EMP\_SRV_t^{pessimistic} = EMP\_SRV_t^{base} - 3 \]

Katika maandishi, tofauti hii imeandikwa kama “+3%” na “-3%”. Katika grafu, hali zinaonekana takriban pointi tatu za asilimia juu na chini ya mstari wa msingi. Kwa hiyo, utekelezaji unaonekana kutumia bendi ya pointi tatu kamili za asilimia badala ya mabadiliko ya asilimia ya jamaa; hata hivyo, maandishi hayaelezi tofauti hii wazi.

Thamani za takriban za 2030 kutoka Kielelezo 5 ni:

Katika grafu, ajira ya kihistoria katika huduma inafikia takriban asilimia 33 mwaka 2016, huku hali ya msingi inaanza takriban asilimia 31 mwaka 2017. Hii inaleta pengo la kushuka kati ya mfululizo wa kihistoria na utabiri wa msingi. Ikiwa fomula ya mteremko iliyopewa ingetumika kwa usahihi kuanzia thamani ya 2016, utabiri wa msingi wa 2017 ungetarajiwa kuwa juu kidogo kuliko 2016. Haijaelezwa kama pengo hili la grafu linatokana na usindikaji wa data, kuchora grafu au ufafanuzi wa hali.

Hali ya GDP kwa mfanyakazi mwaka 2030

Thamani za baadaye za ajira katika huduma zinaingizwa kama vigezo vya nje katika mfano wa kwanza wa OLS. Inadhaniwa kwamba mfumuko wa bei utakuwa asilimia 5 katika miaka yote ya baadaye:

\[ GDP\_PP\_EMP_t^{future} = \hat{\beta}_0 + \hat{\beta}_1 EMP\_SRV_t^{scenario} + \hat{\beta}_2 \times 5 \]

Utafiti unaita mnyororo huu “athari ya domino”. Thamani ya hali ya ajira katika huduma inapobadilika, utabiri wa uzalishaji kwa mfanyakazi hubadilika kupitia mgawo wa OLS.

Katika Kielelezo 6, thamani ya hali ya msingi ya 2030 imeandikwa wazi kama:

Dola 20.486/mfanyakazi

. Kutoka grafu, hali ya matumaini ni takriban dola 24.000, na hali ya tahadhari ni takriban dola 17.000.

Katika Kielelezo 6, GDP ya kihistoria kwa mfanyakazi mwaka 2016 inaonekana juu ya takriban dola 16.000, huku hali ya msingi ya 2017 inaanza karibu dola 14.500. Pengo katika grafu ya ajira ya huduma pia linahamishiwa kwenye utabiri huu. Kwa hiyo, mstari wa utabiri wa 2017-2030 hauonekani kama mwendelezo usiokatika wa mfululizo wa kihistoria.

Dhana zinazotegemeza utabiri

Matokeo ya 2030 yanategemea dhana zifuatazo:

• Mwenendo wa ajira katika huduma wa 1991-2016 utaendelea kwa mstari hadi 2030.
• Mfumuko wa bei utakuwa asilimia 5 katika kipindi chote cha utabiri.
• Uhusiano wa kihistoria wa OLS kati ya ajira katika huduma na GDP kwa mfanyakazi utabaki bila kubadilika.
• Hakutatokea vita kubwa, janga, mgogoro wa fedha, mapinduzi ya teknolojia au mshtuko mwingine wa kipekee wa nje.
• Muundo wa ndani wa sekta ya huduma na tija ya kazi hautavuruga uhusiano thabiti.

Kwa hiyo, dola 20.486 si thamani ya baadaye yenye uhakika, bali matokeo ya hali yenye masharti kwa dhana. Kwa maneno ya utafiti wenyewe, matokeo haya si hatima bali uwezekano wenye masharti.

Nguvu za utafiti

• Kutathmini ukuaji wa uchumi si kupitia GDP ya jumla pekee bali pia pamoja na ajira, afya, elimu na chaguo za binadamu,
• Kuunganisha mkabala wa uwezo wa Amartya Sen na viashiria halisi vya kiuchumi,
• Kuonyesha kwa grafu wazi tofauti kati ya idadi ya watu wanaofanya kazi katika kilimo na sehemu ya kilimo katika uzalishaji wa uchumi,
• Kutathmini mabadiliko ya kidemografia, kisekta na kiafya katika simulizi moja,
• Kuchagua kufanya kazi na data iliyoonekana badala ya kujaza thamani zinazokosekana kwa interpolation bandia,
• Kuchagua mfano rahisi zaidi unaofaa sampuli ndogo badala ya machine learning tata,
• Kuwasilisha utabiri wa baadaye katika hali ya matumaini, msingi na ya tahadhari badala ya matokeo moja,
• Kujaribu kueleza fomula na mnyororo wa hesabu kwa msomaji.

Mapungufu makuu ya utafiti

• Sampuli ina uchunguzi wa miaka 26 pekee; idadi halisi ya uchunguzi katika kila mfano baada ya kufuta data inayokosekana haijaripotiwa.
• Majedwali kamili ya migawo, intercept, makosa ya kawaida, thamani za p, R-square na majaribio ya uchunguzi wa mifano ya OLS hayajatolewa.
• Stationarity na cointegration ya mfululizo wa muda hazijajaribiwa.
• Majaribio ya autocorrelation, heteroskedasticity na structural break hayajaripotiwa.
• Endogeneity kati ya ajira katika huduma, tija na uzazi haijatathminiwa.
• Uhusiano wa regresheni umefasiriwa kama athari ya kisababishi; lakini hakuna mkakati wa utambulisho wa kisababishi.
• Mfano wa uzazi haujumuishi vigezo muhimu vya kijamii na kidemografia.
• Data ile ile imetumiwa kujenga mfano na kuonyesha ulinganifu wake; hakuna uthibitishaji nje ya sampuli.
• Ishara za migawo na vipindi vya kujiamini katika Kielelezo 3 zinakinzana na maelezo ya maandishi.
• Thamani za mwanzo za 2017 katika Kielelezo 5 na Kielelezo 6 haziungani bila kukatika na mfululizo wa kihistoria wa 2016.
• Haijulikani kama “asilimia 3” katika hali ya matumaini na ya tahadhari inamaanisha asilimia ya jamaa au pointi za asilimia.
• Utabiri wa 2030 unategemea tu ajira katika huduma na mfumuko wa bei wa asilimia 5 ulio thabiti; vipengele vingine vya muundo wa uchumi vinachukuliwa kuwa havibadiliki.
• Utafiti haujapitia ukaguzi wa rika.

Utafiti unasema nini na hausami nini

Utafiti unaonyesha kwamba nchini India ajira ya kilimo ilipungua huku ajira katika huduma na uzalishaji kwa mfanyakazi vikipanda. Unaonyesha kwamba sehemu ya idadi ya watu wanaofanya kazi katika kilimo ilibaki juu sana kuliko sehemu ya kilimo katika uzalishaji wa kiuchumi. Pia unaonyesha kwamba sehemu ya magonjwa yasiyo ya kuambukiza katika mzigo wa vifo iliongezeka na kwamba ukosefu wa ajira miongoni mwa walioelimika ulikuwa juu katika baadhi ya miaka.

Utafiti hauonyeshi kwamba mapato au ubora wa maisha wa kila mfanyakazi aliyehama kutoka kilimo kwenda huduma uliimarika. Kazi za teknolojia ya habari zenye mishahara ya juu na kazi za huduma zenye mishahara ya chini na zisizo salama hazikutenganishwa.

Utafiti hauthibitishi kwamba sekta ya huduma ilisababisha kwa uhakika kupungua kwa uzazi. Mgawo wa uzazi na kipindi cha kujiamini katika Kielelezo 3 haviungi mkono kauli kali ya kisababishi katika maandishi.

Utafiti pia hauthibitishi kupitia kielelezo kilichopo kwamba mfumuko wa bei hupunguza tija kwa uhakika; mgawo unaonekana chanya katika grafu.

Utafiti hauonyeshi kwamba uzalishaji kwa mfanyakazi mwaka 2030 utakuwa kwa uhakika dola 20.486. Namba hii ni hali yenye masharti inayotegemea mwenendo wa mstari wa ajira katika huduma, mfumuko wa bei thabiti na migawo ya regresheni isiyobadilika.

Umuhimu kwa jana, leo na siku zijazo

Kwa mtazamo wa historia, utafiti unasistiza kwamba India baada ya 1991 haikuwa tu uchumi mkubwa zaidi; muundo wa kazi, magonjwa na idadi ya watu pia ulibadilika. Kupungua kwa kilimo, kuongezeka kwa huduma na ukuaji wa idadi ya watu wenye umri wa kufanya kazi vinaonyeshwa kama sura tofauti za mabadiliko yale yale.

Kwa leo, ujumbe muhimu zaidi ni kwamba ukuaji wa jumla wa uchumi si kipimo cha kutosha cha maendeleo bila kuzingatia mgawanyo na chaguo za maisha. Uzalishaji kwa mfanyakazi unaweza kuongezeka katika nchi huku mamilioni ya watu wakibaki katika kilimo chenye tija ndogo au kazi zisizolingana na elimu yao.

Kwa siku zijazo, utafiti unasema kwamba ili India itumie fursa yake ya kidemografia inapaswa kulenga miundombinu ya vijijini, uhamaji wa nguvu kazi, ajira yenye ujuzi katika viwanda na huduma, na ulinganifu wa elimu na mahitaji ya soko la ajira. Hata hivyo, kwa matokeo ya sera yanayoaminika zaidi, tafiti mpya zenye data za majimbo au watu binafsi, mfululizo mrefu zaidi wa muda na mbinu za kisababishi zinahitajika.

Mbinu na Matokeo ya Utafiti

Muhtasari wa kiufundi wa mbinu

Muhtasari wa kisayansi wa vielelezo

Matokeo makuu ya namba

• Ajira ya kilimo ilishuka kutoka takriban asilimia 64 hadi asilimia 44.
• Ajira katika huduma iliongezeka kutoka takriban asilimia 22 hadi asilimia 33.
• Ajira viwandani iliongezeka kutoka takriban asilimia 15 hadi asilimia 24.
• Sehemu ya kilimo katika GDP ilishuka kutoka takriban asilimia 30 hadi asilimia 17.
• Sehemu ya vifo kutokana na magonjwa yasiyo ya kuambukiza iliongezeka kutoka takriban asilimia 46 hadi asilimia 61.
• Sehemu ya vifo kutokana na magonjwa ya kuambukiza ilishuka kutoka takriban asilimia 44 hadi asilimia 28.
• Hali ya msingi ya ajira katika huduma mwaka 2030 ni takriban asilimia 35,5.
• Hali ya msingi ya GDP kwa mfanyakazi mwaka 2030 ni dola 20.486.
• Matokeo ya tija katika hali ya matumaini ya 2030 yanasomeka kutoka grafu kama takriban dola 24.000.
• Matokeo ya tija katika hali ya tahadhari ya 2030 yanasomeka kutoka grafu kama takriban dola 17.000.

Thamani zinazosomwa kutoka grafu na ambazo hazijaandikwa kwa usahihi katika maandishi ni makadirio. Kwa kuwa utafiti hauna majedwali kamili ya namba ya regresheni, thamani kamili za migawo haziwezi kuzalishwa upya kwa kutegemewa kutoka grafu.

Maelezo ya Chanzo na Mbinu

• Jina kamili la awali ndani ya PDF: The Limits of Freedom (1991-2016)
• Jina katika rekodi ya SSRN: The Limits of Freedom
• Mwandishi: Spandan Upadhyay
• Mpangilio wa mwandishi: Utafiti wa mwandishi mmoja
• Uandishi wa kwanza wa pamoja/mchango sawa: Hakuna.
• Mwandishi wa mawasiliano: Rekodi ya SSRN inamtaja Spandan Upadhyay kama mwandishi wa mawasiliano.
• Taasisi: Ramakrishna Mission Vidyamandira, Belur Math, Howrah, West Bengal, India
• Tarehe ya kuandikwa kwa utafiti: 26 Juni 2026
• Tarehe ya kupakiwa SSRN: 30 Juni 2026
• DOI: 10.2139/ssrn.7003198
• Jukwaa la uchapishaji: SSRN
• Nambari ya rekodi ya SSRN: 7003198
• Jarida lililopitiwa na rika: Toleo lililochapishwa katika jarida lililopitiwa na rika halikuweza kuthibitishwa.
• Mchapishaji asilia: Hakuna taarifa tofauti ya mchapishaji wa kitaaluma au kibiashara iliyothibitishwa.
• Hali ya ukaguzi wa rika: Utafiti ni preprint iliyoshirikiwa katika SSRN; hakuna taarifa kwamba umepitia ukaguzi wa rika.
• Aina ya chanzo: Preprint, uchambuzi wa data za sekondari, uundaji wa mfano wa uchumi na utafiti wa hali
• Kiungo rasmi cha utafiti:Ukurasa wa utafiti wa SSRN

Jina la mwandishi na taarifa ya taasisi havipo kwenye kurasa zinazoonekana za PDF. Taarifa hizi zilithibitishwa kupitia metadata ya faili ya PDF na ukurasa rasmi wa rekodi ya SSRN. Usemi “1991-2016” ulioongezwa kwenye kichwa cha ndani cha PDF haupo kwenye kichwa cha rekodi ya SSRN.

Makala hii imeandaliwa kwa kuchunguza PDF nzima iliyopakiwa; maandishi, maelezo ya mbinu, fomula na vielelezo sita. Hakuna matokeo ya kisayansi yaliyo nje ya PDF yaliyoongezwa kwenye maudhui; ukaguzi wa nje ulipunguzwa tu kwa taarifa za bibliografia kama mwandishi, taasisi, DOI, tarehe, jukwaa la uchapishaji na hali ya ukaguzi wa rika.

Onyo kuu la kisayansi: Utafiti huu ni preprint ambayo haijathibitishwa kuwa imepitiwa na rika. Matokeo ya OLS yanaonyesha uhusiano wa kihistoria kati ya vigezo na peke yake hayathibitishi sababu na athari. Majedwali kamili ya migawo ya regresheni hayajatolewa na baadhi ya matokeo katika Kielelezo 3 yanakinzana na maandishi. Namba za 2030 si utabiri wa uhakika; ni hali zinazotegemea mwenendo wa mstari wa ajira katika huduma, mfumuko wa bei wa asilimia 5 na dhana ya migawo ya kihistoria isiyobadilika.