3. FEJEZET Lehmann Kristóf: Módszertani és gyakorlati tanácsok nemzetközi statisztikák használatához szakdolgozat-készítéskor 1. Módszertani bevezető1 Nemzetközi elemzések vagy akár a diploma dolgozat készítése során is gyakran kerülhetünk olyan helyzetbe, hogy a statisztika eszköztárához kell nyúlnunk. Könnyen találkozhat a hallgató nehezen megfogható statisztikai adatokkal, problémákkal, amelyek elemzése nélkül nem tud boldogulni. Ebben a tanulmányban a statisztika hatékonyabb felhasználásához kívánunk segítséget nyújtani. A statisztika tudománya emberek vagy tárgyak csoportjait vizsgálja. Ehhez adatokra van szükség, amelyeket különböző módszerekkel gyűjtenek össze. Ahhoz, hogy egy gazdasági eseményt, egy országot vagy egy társadalmat pontosan bemutassunk, elemezzünk, szükségünk van a statisztika eszközeire. A statisztika segítséget nyújthat egyes folyamatok részletesebb megismerésében, vizsgálatában és ezáltal segítheti a döntéshozók munkáját. A statisztika alapja, hogy a vizsgált jelenségről legyenek adataink. Az adatok gyűjtésével, becslésével, korrigálásával a nemzeti statisztikai hivatalok foglalkoznak. Az általános és publikus társadalmi és gazdasági adatokon felül a közvéleménykutatók, piackutatók megkérdezések segítségével mintavétel útján szereznek kis mintás adatokat, amelyeket becslési eljárások segítségével a teljes sokaságra arányosítani tudnak. Ezáltal például néhány ezer ember megkérdezésével a teljes magyar lakosságot le tudják fedni. Ha kutatásunk során egy csoport véleményére vagyunk kíváncsiak, akkor a lekérdezések során fontos, hogy a sokaságra nézve reprezentatív legyen a mintánk. A reprezentatív minta azt jelenti, hogy a teljes populációt vagy a teljes vizsgált csoportot jól tükrözi a minta, tehát a mintába a teljes populáció (vagy a teljes csoport) bármely tagja azonos valószínűséggel kerülhet be. Ez azt jelenti, hogy ha a magyar állampolgárok véleményét szeretném megtudni arról, hogy mikorra várják a közös valuta bevezetését hazánkban, akkor statisztikai szempontból csalunk, ha mindössze 1000 ÁVF-es hallgatót kérdezünk meg. Az 1000 hallgató ugyanis nem fedi le a magyar lakosságot sem kor megoszlásban, sem regionális megoszlásában, sem iskolai végzettségében stb. (Például az ÁVF-en nem tanulhat olyan személy, aki csak 8 év általános iskolai képzésben vett részt.) Az azonos esélyeket biztosíthatja a véletlenszerű mintavételezés. Ha az adatok rendelkezésünkre állnak, a legkönnyebben mindössze egy idősor bemutatásával tudjuk alátámasztani mondanivalónkat. Például meg akarjuk vizsgálni, hogy élénkült-e a külkereskedelem két ország között egy kereskedelmi megállapodás (ahol kölcsönös vámcsökkentésben állapodtak meg) következtében. Ebben az esetben megkeressük a két ország közötti kereskedelmi forgalmat a számunkra érdekes időszakra (a megegyezése előtti pár év és az azt követő évekre) és megvizsgáljuk, hogy észlelhető-e jelentős növekedés a kereskedelmi forgalomban. Ebben az esetben a statisztikai adatokat könnyen bemutathatjuk 1
E fejezet nagyban támaszkodik a UNDP és a Világgazdaságkutató Intézet által publikált Human Development Report 2000-2002 című kiadványra.
70
egy táblázatban vagy egy sima vonal diagramon, ahol a vízszintes tengelyen az éveket, a függőlegesen a kereskedelmi forgalmat ábrázoljuk. Bizonyos esetekben szükségünk lehet arra, hogy a statisztikai adatokat további számításokhoz használjuk fel. Abban az esetben, ha például az egyes országokban az informatika fejlettségét akarjuk megvizsgálni és mindössze a szélessávú internet előfizetések országos száma van megadva, a számok összehasonlításával nem tudjuk összevetni az országokat. Ekkor megkeressük az összehasonlítandó országok népességét és ezzel elosztjuk az előfizetők számát. Ezzel az egyszerű művelettel egy főre jutó adatokat kapunk, ami már nemzetközi összehasonlításra is alkalmas. Az így kapott eredményekkel sikerült eltüntetnünk az országok közötti méretből adódó különbségeket. A statisztika segítségével megvizsgálhatjuk különböző adatsorok kapcsolatát is. Amennyiben feltételezzük, hogy két változó vagy adatsor között összefüggés van, a statisztika lehetőséget nyújt a kapcsolat vizsgálatára. Meghatározhatjuk a kapcsolat irányát és erősségét. Abban az esetben, ha a kapcsolat erősnek mondható, trendet illeszthetünk az adatsorokra. Ilyenkor az egyik adat ismeretében becsülni tudjuk a másik adatot is. A statisztika rengeteg lehetőséget ad az elemzésre, az alkalmazás határát kreativitásunk húzhatja meg. Figyelnünk kell azonban a hibalehetőségekre is. A statisztikai adatok jellemzően kisszámú minta alapján becsült adatok. A becslés mindig magában hordozza a hiba lehetőségét. A becslési hiba mellett előfordulhat az is, hogy két változó közötti kapcsolat statisztikailag fennáll, de elméletileg vagy gyakorlatilag teljesen értelmezhetetlen. Alaposan gondoljuk végig, hogy milyen jelegű kapcsolatokat szeretnénk kimutatni és hogy van-e gyakorlati jelentőségük. A felvezető után nézzünk néhány konkrét statisztikai alkalmazást!
2. Alkalmazások Tegyük fel, hogy hosszas tanulmányozás után egy nyers statisztikai idősort sikerül találni, amit elemezni kell. Évek 2000 2001 2002 2003 2004 2005 2006 2007 2008
Tuvalura exportált fröccsöntött játékok száma 4016 4374 4340 4290 4220 4340 3980 4200 4670
Ebben az esetben az idősor egyszerű statisztikai elemzését a legfontosabb mutatók számításával könnyű elvégezni.
71
a) Elsőként számítsuk ki a számtani átlagot! Mennyi 2000 óta az átlagosan exportált fröccsöntött játékok száma? A megfigyelések száma, n= 9. Ezért összegezzük az éves értékeket, majd elosztjuk őket 9-cel. Az Excelben a „=ÁTLAG(cella1:cella2)” függvénnyel tudjuk kiszámítani. Jelen esetben 4270 az exportált játékok éves átlaga. b) Értelmezzük a móduszt és a mediánt! A módusz egy sorozat (általában egy statisztikai minta értékei) leggyakrabban előforduló eleme. Az Excelben a „=MÓDUSZ(cella1:cella2)” függvénnyel számítjuk. A módusz általában különbözik az átlagtól és a mediántól, továbbá lényegesen eltérhet azoktól erősen aszimmetrikus eloszlások esetén. A módusz nem feltétlenül egyértelmű, mivel ugyanazt a maximum gyakoriságot több különböző érték is elérheti. A legszélsőségesebb esetek az úgynevezett egyenletes eloszlások, ahol minden érték egyformán valószínű. Az idősorunk módusza a 4340, mert ez fordul elő a legtöbbször, kétszer. A medián a matematikai statisztika egy nevezetes középértéke. A medián a kvantilisek közül a legegyszerűbb, vagyis statisztikai sokaságot kétfelé vágó érték. Véges számú elem mediánján a következőt értjük: Ha páratlan elemszámú a sokaság, akkor a medián az értékek rendezett sokaságában a középső elem. Ha páros, akkor a rendezett minta két középső elemének számtani közepe. Excelben a „=MEDIÁN(cella1:cella2)” függvénnyel számítjuk. Jelen esetben értéke 4290, aminél 4 nagyobb és 4 kisebb található az idősorban. c) Értelmezzük és számítsuk ki az idősorra a szórást! Az átlagtól való eltérések négyzetének átlaga a variancia, s az ebből vont négyzetgyök után kapjuk a szórást. (Ne felejtsük el, hogy adatainknak mértékegysége miatt jelentéstartalma van. A kg2nek viszont például nincs.) Ezért kell gyököt vonni és ezért használjuk inkább a szórást. A szórás statisztikai képlete:
∑ (x − x )
2
σ =
i
n −1 Excelben a „=SZÓRÁSP(cella1:cella2)” függvénnyel számítjuk. Értéke az idősorunkra 193,515 lett. A szórásra több idősor elemző összehasonlításakor van szükségünk. A szórás mutatja meg, hogy az egyes mintaelemek a teljes idősorra nézve milyen távol esnek az átlagtól.
2000 2001 2002 2003 2004 2005 2006
Tuvalura exportált fröccsöntött játékok száma (db) 4016 4374 4340 4290 4220 4340 3980
Tuvalura exportált papírzsebkendő mennyisége (ezer db) 70000 12300 56707 33300 97350 14889 75420
72
2007 2008 szórás
4200 4670 193,5148573
56707 88830 28822,46581
Ebben az esetben látható, hogy mivel nagyobbak a második idősor adatain belül az átlagtól vett eltérések, jóval nagyobb lesz a szórás. Mindez kéttengelyes diagramon a következőképpen szemléltethető:
Látható, hogy a bal tengelyen mért papírzsebkendő mennyiségének alakulásában jóval nagyobbak az ugrálások, ezért a szórás lényegesen nagyobb. d) Szintén lényeges, hogy az idősor kapcsán növekedési-indexeket tudjunk számítani. Ez annyit jelent, hogy az aktuális értéket elosztjuk a bázis értékkel (amihez viszonyítunk). Röviden: I = új érték / régi érték. Ha például megvizsgáljuk a fröccsöntött játékok számának változását 2000-ről 2001re, akkor eredményként 1,089-et kapunk. Ez azt jelenti, hogy 2000-ről 2001-re 8,9 százalékkal nőtt az exportált fröccsöntött játékok száma. Az indexszámításnál arra kell vigyázni, hogy ha negyedéves vagy évközi adatokkal számolunk, akkor jellemző lehet az adatsorra a szezonalitás. Például a kiskereskedelmi értékesítés decemberben megnő az ünnepek hatására. Ezért az előző hónaphoz viszonyított növekedés félrevezető lehet, hiszen januárban nincsenek ünnepek. Éppen ezért akár havi, akár negyedéves adataink vannak, az előző év azonos időszakához viszonyítva szoktunk indexeket számítani. Ezzel a szezonalitás problematikáját kiiktattuk a számításaink során. Abban az esetben, ha egy hosszabb időszak átlagos növekedési rátájára vagyunk kíváncsiak, akkor szemben a korábban bemutatott számtani átlaggal, a növekedési indexek mértani átlagát kell vennünk. Tehát kiszámoljuk az összes évre (másodiktól kezdve) az indexeket, majd kiszámítjuk az összes index mértani átlagát. Ezt az Excelben a =MÉRTANI.KÖZÉP(cella1:cella2) függvénnyel számíthatjuk ki. Példánkban a megoldás 1,019, vagyis az átlagos növekedési ráta 1,9 százalék lett.
73
A legegyszerűbb eljárások után készítsünk egy kicsit összetettebb elemzést. Tegyük fel, hogy meghatározott országokra két idősor áll rendelkezésünkre. Egyrészt az adott országok egy főre jutó GDP-je, másrészt az Eurobarometer megkérdezései alapján „az életükkel elégedettek” választ adók teljes társadalmon belüli aránya. EU27 Belgium Bulgária Cseh Köztársaság Dánia Németország Észtország Írország Görögország Spanyolország Franciaország Olaszország Ciprus Lettország Litvánia Luxemburg Magyarország Málta Hollandia Ausztria Lengyelország Portugália Románia Szlovénia Szlovákia Finnország Svédország Egyesült Királyság Horvátország Macedónia Törökország
Egy főre jutó GDP 100,0 118,0 38,1 81,5 122,8 113,1 72,1 146,3 97,8 106,9 111,2 101,4 93,1 58,0 60,3 276,3 63,5 77,3 132,6 127,3 53,8 74,6 40,7 88,7 68,5 116,8 126,1 115,8 55,9 29,4 42,3
Elégedettek aránya 77% 87% 40% 82% 96% 82% 76% 88% 65% 85% 78% 64% 90% 60% 63% 95% 47% 85% 96% 82% 75% 52% 53% 89% 69% 94% 95% 87% 69% 64% 59%
Feladatunk, hogy vizsgáljuk meg, van-e összefüggés a két adatsor között és állapítsuk meg ennek erősségét. Ennek az eljárásnak akkor van értelme, ha feltételezzük, hogy két tényező között statisztikai összefüggés van. A feladat elvégzéséhez újra az Exceltől kérünk segítséget. Első lépésben pontdiagramot készítünk, ahol az egyik tengelyen az egyik változót, a másik tengelyen a másik változót tűntetjük fel.
74
Abban az esetben, ha van nagyon kiugró érték – mint jelen esetben Luxemburgé – ennek pontos leírásával és indoklásával az adatelemzésben ebben a kísérletben az adatot elhagyhatjuk, hiszen rontani fogja a statisztikai kapcsolatot. Ez általában azért lehet indokolt, mert a kiugró értékek valamilyen kivételnek tekinthetők, jelen esetben Luxemburg a kisszámú lakossága miatt amúgy sem ront sokat az európai eredményeken. Az ábra már segítséget nyújthat számunkra. Itt kirajzolódik, hogy van-e értelme további összefüggést keresni. Ha semmilyen „alakzat” nem rajzolódik ki, akkor vagy nincs vagy nagyon gyenge a kapcsolat. Ha egy csekély esélyt is látunk arra, hogy lesz statisztikai összefüggés akkor érdemes lehet továbblépni. Az Excel a digramon a pontokra kattintva felajánlja a „trendvonal felvétele” lehetőséget. Ezzel lineáris, exponenciális, logaritmikus, polinomiális, hatványos és mozgóátlagos trendeket vehetünk fel. A trendek segítségével előrejelzést is készíthetünk. Az adatsortól (annak alakjától) függően válasszuk ki a megfelelő trend-típust. A polinomiális esetében, ha az adatsorunk többször hullámzik (növekszik, csökken, újra növekszik, majd csökken), akkor növeljük a fokszámot. Mostani adatsorunk esetében a mozgóátlagos, az exponenciális és a hatványos trend használata nem szerncsés, mert nem lesz jó a trend magyarázóereje és a trendvonal láthatóan nem idomul az idősor alakjához sem.
75
Ezzel szemben a polinomiális másodfokú trend kifejezetten szépen illeszkedik a ponthalmazra. A kapcsolat erősségének meghatározásához és az előrejelzéshez az Excel további lehetőségeket kínál fel. Ezek az „egyenlet látszik a diagramon” és az „R-négyzet látszik a diagramon” feliratok. Ezekre kattintva az alábbi polinomiális trend rajzolódik ki.
A trendvonal megbízhatóságát (illetve a statisztikai kapcsolat erősségét) az R-négyzet értékével vizsgálhatjuk. Az R-négyzet értéke: 0 és 1 közötti szám, amely azt mutatja meg, hogy a trendvonal becsült értékei milyen közel állnak a valós adatokhoz. A trendvonal akkor a legmegbízhatóbb, amikor a hozzá tartozó R-négyzet értéke 1 vagy ahhoz nagyon közeli érték. 76
Determinációs együtthatónak is nevezik. Amennyiben az R-négyzet 0,3 vagy annél kisebb akkor nem érdemes statisztikai kapcsolatról beszélni. A 0,3 és 0,5 közötti R-négyzet gyenge kapcsolatra, 0,5 és 0,7 között közepes erősségű kapcsolatra utal. A 0,7 feletti R-négyzet érték erős statisztikai kapcsolatot mutat a két változó között.
3. Adatok a világhálón Az adatelemzés mellet a számszerű adatok felkutatása sem egyszerű sok esetben. Rengeteg statisztikai adatbázis található az Interneten. Mivel a szakdolgozatok esetében a legtöbb témában elkerülhetetlen a statisztika alkalmazása és ehhez adatok kellenek, szubjektív módon feltűntettünk néhány fontosnak ítélt honlapot. Elsőként a Freestatistics nevű weboldalt emeljük ki: http://freestatistics.altervista.org/en/index.php Ezt azért ajánljuk, mert a statisztikai adatbázisok linkjei mellett ingyenesen letölthető statisztikai programokat is tartalmaz, másrészt online statisztikai számítások is végezhetők a java statistics fülre kattintva. Az adatkeresés szempontjából azonban a statistical data fülre kattintva az összes ország statisztikai hivatalának weboldala elérhetővé válik. Az Európai Unió statisztikai szolgálata, az Eurostat honlapja is rengeteg statisztikai adatot rejt. http://epp.eurostat.ec.europa.eu/portal/page?_pageid=1090,30070682,1090_33076576&_dad= portal&_schema=PORTAL A portálon mozogva a bal oldalon választhatunk a felkínált témák közül. Az adatok témakörönkét csoportosítva találhatók meg (gazdasági és pénzügyi, társadalmi, innováció és technilógiai stb). Az Eurostat honlapján a leggyakrabban használt, ún. strukturális indikátorok esetében nem csak az adatok letöltésére és böngészésére van lehetőség, hanem a portál felkínálja a táblázatok és a grafikonok elkészítését is. (Ezek azonban nem formázhatók és alakíthatók kedvünkre, ezért továbbra is ajánlatos saját ábrákat szerkeszteni, de arra jól használható, hogy alapösszefüggéseket már rögtön elemzések elvégzése nélkül meglássunk.) Emellett javasolt különösen a nemzetközi elemzések elvégzése érdekésben kitekinteni az adot szakterült szempontjából fontos nemzetközi szervezet honlapjára, ahol vagy ingyenesen vagy regisztráció után hozzáférhetünk egy jelentős adatbázishoz. Erősen javasolt az ENSZ szervezetek honlapjainak felkeresése. http://www.un.org/esa/progareas/stats.html Ez utóbbiak az Eurostat-tal szemben azért is hasznosabbak, mert lényegesen részletesebb módszertani magyarázatot és útmutatót tartalmaznak. Ezen a holnapon rengeteg társdalami és gazdasági adatot találhatunk, amelyek bármely ország elemzésében segíthetnek. Mivel hosszabb idősorok is hozzáférhetők, ezért akár nemzetközi folyamatok elemzésére is van lehetőségünk az itt található adatokat felhasználva. A KSH honlapját is érdemes megemlíteni. Itt szintén csoportosítva és rendszerezve rengeteg információhoz és adathoz lehet jutni, amelyek az elemzéseket szolgálják. www.ksh.hu
77
A gazdasági és társadalmi adatok a Stadat táblák között rendszerezve időrendben és akár területi csoportosításban is megtalálhatók. A gyorsjelentésekben elsősorban a legfontosabb gazdasági mutatók legfrissebb adatai lelhetők fel, rövid elemzésekkel kiegészítve. Végül érdemes lehet néhány kutató intézet holnapjára ellátogatni, ahol témakörönként csoportosítva hatalmas, ingyenesen hozzáférhető nemzetközi statisztikai adatbázis található. Így például a legfontosabb társadalmi és gazdasági mutatók idősorai. http://www.ecostat.hu/idosorok/indikator_rendszerek.html Továbbá lényeges hazai gazdasági idősorok 1960-tól: http://www.ecostat.hu/idosorok/hosszu_idosorok.html Elsősorban nemzetközi gazdasági elemzések és kuatások terén, az EU-s, a közép-európai és a kelet-európai régiókra vonatkozóan magas színvonalú munkákat tartalmaz az ICEG kutatóintézet honlapja: http://www.icegec.hu/hun/index_hun.htm A nemzetközi gazdasági témakörök elemzésére remek publikációs bázisa van a hazai Világgazdasági Kutatóintézetnek. amely számos nemzetközi témában (EU, regionális integrációk, gazdasági kapcsolatok stb) nyújthat segítséget. http://www.vki.hu/muhelytanulmany.shtml A nemzetközi kutatások területén ingyenesen nagy mennyiségben találhatunk tanulmányokat az IPPR (Institute for Public Policy Research) honlapján. Ezek közpolitikai kutatási anyagok, így a nemzetközi kapcsolatok legtöbb témakörét (demokrácia, hatalom, gazdaság, családok helyzete, lakáshelyzet, migráció, igazságügy, globális klímaváltozás, közlekedés stb.), aktuális problémáját vizsgálják. http://www.ippr.org.uk/publicationsandreports/publication.asp?id=603 Az egyes kutatási intézetek kapcsolódhatnak külföldi egyetemek tevékenységéhez is. Így érdemes lehet vizsgálni az egyetemi holapokat is, mert ha kutatási intézet is kapcsolódik a munkájukhoz, remek vitaanyagokat és tanulmányokat találhatunk az egyes portálokon. Erre is mutatunk egy példát: http://www.eipa.eu/en/publications/workingpapers/
4. Néhány fontos mutató a nemzetközi gazdasági és társadalmi elemzésekhez A nemzetközi társadalmi gazdasági folyamatok elemzéséhez sokáig a gazdasági növekedés koncepcióját és ennél fogva az egy főre jutó GDP és GNI mutatókat alkalmazták elsődlegesen alapmutatóként. Ezek azonban rengeteg belső ellentmondást eltakarhatnak és emiatt nem minden esetben alkalmasak, illetve elegendőek az elemzésre. Ma jóval szélesebb statisztikai mutatórendszerrel dolgoznak az elemzők legyen szó bármely jelenség, folyamat megragadásáról. Arra, hogy a GDP vagy GNI nem mutat meg mindent, jó példa az ír folyamat, amelynek két oldala van: az ír gazdasági csoda és az ír társadalmi problémák felerősödése (öngyilkosságok számának növekedése, alkoholizmus növekedése, lakáshelyzet romlása stb.). De jól bizonyítja ezt Cantril2 nemzetközi kutatása, amely átfogóan vizsgálta a 2
CANTRIL, H. 1965. The Pattern of Human Concerns.New Brunswick: Rutgers University Press
78
jólét forrásait 12 fejlett és fejlődő országban. Meglepő módon, az első helyezett és így a megkérdezettek szerinti a legfontosabb jövedelem után szorosan következett a család/családi boldogság és az egészség (szinte hasonlóan fontosnak ítélve ez utóbbiakat). Ezek után az egyéni értékek, érzelmi stabilitás következnek, majd a szociális kapcsolatok és a munkaerőpiaci helyzet és csak ezeket követve jönnek a nemzetközi és politikai kérdések. Ezek alapján az emberi életszínvonal megközelítőleg sem csak az anyagi jóléttől függ. Ezért is tartottuk fontosnak, hogy néhány egyéb mutatóval is foglalkozzunk a fejezetben, amelyek saját példájukon keresztül más témakörökben is segíthetik a munkát. A nemzetközi elemzésekhez tehát sok mutató használata elengedhetetlen, mivel egyértelmű, hogy a legalapvetőbb adatokon túl, jóval részletesebb információkra van szükségünk a pontos elemzésekhez. Az ilyen használható mutatók közül kiemelésszerűen most néhányat részletesen is bemutatunk. Mivel nemzetközi elemzésekre számos mutató, mutatórendszer, composite index létezik, ezért csak példaként választottunk ki néhányat és nem a teljességre törekedtünk. A legtöbb elemző szakdolgozattémához találhatunk számszerűsített adatokat, még ha minőségi tényezők méréséről van is szó, például: demokrácia erőssége, versenyképesség, állam stabilitása, stb. Az interneten számos világszervezet publikál különböző méréseket és statisztikai elemzéseket. A hallgatók feladata, hogy ezek közül megtalálják a számukra megfelelőt, ez is a kutatás része a szakdolgozat megírása előtt. Az alábbi mutatók, adatsorok rengeteg dolgozatban nélkülözhetetlenek lennének, de mivel a hallgató az adott nemzetközi elemzésekben mindennap használt mutatókat nem ismeri, ezért nem használja fel az ilyen és hasonló mutatókat. Az életszínvonal a gazdaságtan és a társadalomkutatás egyik legnehezebben megfogható, mérhető, elemezhető fogalma. Ennek oka, hogy rendkívül komplex kérdéskörről van szó. Nem csupán jövedelmi kategória, de egyéb tényezők is közvetlenül köthetők ide, például: munka, bérek, betegségek, szakképzettség, elégedettség, életminőség, környezet. Mivel ezek vizsgálata nehézkes lenne, egyszerűbb fordítva megközelíteni a társadalmak alapvető tulajdonságát, mégpedig a szegénység oldaláról. A szegénység a legtöbb esetben az életszínvonal és a társadalmi mutatók egyik legfőbb csökkentő tagja. A szegénység a társadalom alsóbb rétegeinek problémája. Szegénységről akkor beszélhetünk, ha egyes társadalmi csoportok esetében bizonyos javakról az egyéneknek vagy a háztartásoknak le kell mondaniuk. A szegénység közvetlen következménye az életszínvonal alacsony szintje. A szegénység egy meglehetősen sok dimenzióból megragadható fogalom. A szegénység értelmezésének két alapvető módja az abszolút és a relatív szegénység megkülönböztetése. Az abszolút szegénység elképzelése abból indul ki, amit minimális követelménynek tekintünk a túléléshez. A definíció szerint alapfeltételként elfogadjuk, hogy léteznek olyan minimális kívánalmak, amelyek alatt az emberek a szegény kategóriába esnek. A leggyakrabban használt mérték a jövedelemszint: ahol egy személy vagy család jövedelme olyan szint alá esik, amely minimális követelménynek számítana egy elfogadható életszínvonal fenntartásához, akkor ez a személy vagy család szegénynek tekintendő.3 A relatív szegénység esetében valamely csoport helyzetét az ugyanabban a környezetben, közösségben vagy országban élők helyzetéhez viszonyítva határozzák meg vagy mérik le. Következésképpen előfordulhat, hogy a fejlett világban szegénynek tekintett személy 3
Worldbank, Poverty Overview
79
valójában magasabb jövedelemmel rendelkezik, mint a kevésbé fejlett országban a tehetősebbek. A szegénység jelentése függ a világ országaiban és tájain elfogadott szokásoktól, kívánalmaktól és értékrendtől. Ilyen módon tehát annak észlelésében, hogy mi képez szegénységet, kulturális dimenziók is szerepet játszanak.4 A szegénység nemzetközi összehasonlítását az abszolút szegénységi mutatók segítségével tehetjük meg. A Világbank évente publikálja a szegénységi jelentéseit (Global Poverty Report), ahol három kategóriát különböztet meg. Mindhárom kategóriát az egy napi jövedelem határa alapján húzzák meg. Egészen pontosan a szélsőséges szegénység (extreme poverty) a napi 1,08 USA dollárból vagy annál kevesebből élők arányát vizsgálja az adott országban. A Világbank nemzetközi szegénységi küszöbe a napi 2,15 USA dollár. Aki ennél kevesebből él naponta, az szegény a besorolás alapján. A harmadik kategória már nem szegénységi, hanem ettől kis mértékben eltérő kategória. A napi 4,3 USA dollárból vagy annál kisebb jövedelemből élők aránya megmutatja a Világbank módszertana szerint a gazdaságilag érzékeny populációt a társadalmon belül. Ebbe a kategóriába azok tartoznak, akik a szegénység által veszélyeztetettek. A Világbank 1993-as vásárlóerő-paritás alapján számítja az egy főre jutó jövedelmet minden ország esetében. A szegénységgel kapcsolatos legösszetettebb és nemzetközileg legátfogóbb adatbázisok: http://web.worldbank.org/WBSITE/EXTERNAL/TOPICS/EXTPOVERTY/0,,menuPK:3369 98~pagePK:149018~piPK:149093~theSitePK:336992,00.html http://web.worldbank.org/WBSITE/EXTERNAL/EXTDEC/EXTGLOBALMONITOR/EXT GLOBALMONITOR2006/0,,menuPK:2186472~pagePK:64218926~piPK:64218953~theSite PK:2186432,00.html Az életszínvonal nemzetközi összehasonlításhoz több mutatót is alkalmaznak a társadalmi fejlődés változásának mérésére. Az egyik legelfogadottabb társadalmi mutató a HDI. A humán fejlettségi mutatót (Human Development Index, HDI) az ENSZ immár több mint két és fél évtizede publikálja5. A komplex mutató számításának alapkoncepciója a kezdetek óta változatlan (lényege, hogy számításakor az egy főre jutó GDP-n túlmenően a humán fejlettség mutatóit is figyelembe veszik). Jelen számítások a Human Development Report 2000-ben közölt alábbi metodikája szerint történtek. A HDI három összetevőn alapul, melyek a következők: (1) Az élethossz, amit a születéskor várható élettartam mutatójával mérnek. (2) Az oktatásban megszerzett tudás, amit két jelzőszám kombinációjával mérnek: a felnőttek (15 éven felüliek) írni-olvasni tudásának, azaz az analfabetizmus arányának inverz mutatójával (kétharmad részben), illetve az alap-, közép- és felsőfokú iskolázottság összevont mutatójával (egyharmad részben). Ez utóbbiban a megfelelő korosztály teljes létszámához viszonyítja az oktatásban részesülők számát a három szinten. (3) Az életszínvonal, amit a vásárlóerő-paritásos (PPP) módszerrel számított, dollárban mért egy főre jutó GDP értékével mérnek. A nemzetközi statisztikákban alkalmazott HDIszámítások rögzített minimum- és maximumértékekkel dolgoznak. Az index kiszámításához használt küszöbértékek (elméleti minimum-, illetve maximum): - a születéskor várható élettartam: 25-től 85 évig; - az írni-olvasni tudás: 0-tól 100%-ig; - az összevont iskolázottsági arány: 0-tól 100%-ig; - az egy főre jutó GDP: 100 USD-tól 40.000 USD-ig (PPP). 4 5
Worldbank, Poverty Overview Pontosabban az ENSZ Fejlesztési Program nevezetű szerve publikálja.
80
A HDI eredmények egy 0–1 intervallumú skálán oszlanak meg, ahol az 1 közeli értékek a fejlettebb, a 0 közeliek pedig a fejletlenebb területegységekre utalnak. Magyarország 1990ben az ENSZ adatai szerint 0,807-es, az európaiak közül a szlovákhoz, illetve a lengyelhez közeli HDI-értékkel rendelkezett. A 2007-es Human Development Report alapján a hazánk HDI-értéke 0,874 volt, amely alapján hazánk a világon a 36. helyen áll6. A HDI és egyéb társadalmi mutatószámok globális összefoglalása az ENSZ Fejlesztési Programjának honlapján található: http://hdr.undp.org/en/statistics/ Human Development Index
A 2007-2008-as HDIrangsor 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 36.
Izland Norvégia Ausztrália Kanada Írország Svédország Svájc Japán Hollandia Franciaország Magyarország
A HDI index értéke, 20072008 0,968 0,968 0,962 0,961 0,959 0,956 0,955 0,953 0,953 0,952 0,874
Születéskor GDP/fő, A várható A várható vásárlóerő- élettartam beiskolázottság élettartam paritáson indexe, aránya, 2005 (év), 2005 (USD), 2005 2007-2008 81,5 79,8 80,9 80,3 78,4 80,5 81,3 82,3 79,2 80,2 72,9
95,4 99,2 113,0 99,2 99,9 95,3 85,7 85,9 98,4 96,5 89,3
36 510 41 420 31 794 33 375 38 505 32 525 35 633 31 267 32 684 30 386 17 887
0,941 0,913 0,931 0,921 0,890 0,925 0,938 0,954 0,904 0,919 0,799
Az oktatás indexe, 20072008
Az egy főre jutó GDP indexe, 2007-2008
0,978 0,991 0,993 0,991 0,993 0,978 0,946 0,946 0,988 0,982 0,958
0,985 1,000 0,962 0,970 0,994 0,965 0,981 0,959 0,966 0,954 0,866
Forrás: UNDP, Human Development Report 2007, 229. o.
Az üzleti versenyképesség mérésére a Világbank „Doing Business” felmérése szolgál. Ennek segítségével információt kaphatunk arról, hogy melyik országban milyen üzleti környezet, milyen nehézségek, milyen költségek fogadják a befektetőket. Módszertanát illetően egy egyszerű átlagot számítanak a tíz komponensből. Célja, hogy a kormányzati hatékonyságot és annak hatásait mérje a vállalkozások szempontjából, főként a kis-és középvállalkozások tekintetében. A 10 alindex a következő: 1. Cégalapítás, vállalkozás indítása 2. Engedélyezési eljárások, licencek megszerzése 3. Munkaerő felvétele és elbocsátása 4. Tulajdon bejegyzése, nyilvántartása 5. Hitelhez jutás 6. Befektetők védelme 7. Adózás 8. Nemzetközi kereskedelem 9. Szerződések kikényszeríthetősége 10. Vállalkozás megszüntetése 6
UNDP: Human Development Report 2007.
81
Az adatokat felmérés útján gyűjtik össze. Több mint 5000 helyi szakértőt, (ügyvéd, üzleti tanácsadó, könyvelő, kormányzati alkalmazott) kérdeznek meg a vállalatok méretét, elhelyezkedését és tevékenységi körét illetően. 2008-ban 71 országban fordultak meg a Doing Business 2008 csapat tagjai. A DB2008 transzparens és megbízható információkat használ. A felmérés jellemzően adott ország legnépesebb városára vonatkozik és komponensenként külön meghatározzák pl. a társasági formákat, az üzleti tevékenység jellegét stb. A módszertan felteszi, hogy a vállalkozás tökéletes információkkal rendelkezik. Magyarország a Világbank üzleti környezetet vizsgáló Doing Business 2008-as rangsorában a 45. helyet foglalja el, ami az előző évekhez képest pozíciónk javulását jelenti. A Doing Business rangsort hagyományosan a távol-keleti, angolszász és skandináv országok vezetik. A 2008-as Doing Business rangsor első 10 helyezettje Helyezés 1 2 3 4 5 6 7 8 9 10
Ország Szingapúr Új-Zéland USA Hong Kong Dánia Egyesült Királyság Kanada Írország Ausztrália Izland
Forrás: Világbank
A nemzetközi tőkeáramlás, gazdasági versenyképesség, az európai vállalkozások lehetőségei és rengeteg egyéb témához elengedhetetlen adatbázis a Világbank honlapján: http://www.doingbusiness.org/ http://www.doingbusiness.org/economyrankings/ A Transparency International nemzetközi civil szervezet, amelynek vállalt célja a korrupció elleni küzdelem, és az állami pénzek tiszta és átlátható felhasználásáért folytatott harc. A korrupció mérésére legelterjedtebben használt, nemzetközi összevetésre alkalmas mutató a Transparency International korrupció érzékelési indexe (Corruption Perceptions Index - CPI), amit 1995 óta publikál éves rendszerességgel. Az indikátor különböző felmérések összesítésével készülő mutatószám, azt vizsgálja, hogy nemzetközi és helyi elemzők valamint üzletemberek milyen „súlyosnak” látják a korrupció problémáját az egyes országokban. A szervezet a korrupció jelenlétét elsősorban az állami szektorban vizsgálja, az intézet definíciója szerint az a közhivatallal személyes haszonszerzés céljából való visszaélést jelenti. A felmérésben olyan kérdésekre adott válaszokat dolgoznak fel, amelyek a köztisztviselők megvesztegethetőségére, a közbeszerzési eljárások lefolytatása során csúsztatott kenőpénzekre, az állami források hűtlen kezelésére vonatkoznak. A felmérésben vizsgált országok köre évről-évre bővül, a 2007-es kutatásban már 180 ország szerepelt. Egyes évek kutatásaiban nem feltétlenül ugyanazok az országok vesznek részt. Egyes államok bekerültek, mások kimaradhattak az adott évben, ezért az országok rangsorát nem érdemes összehasonlítani, sokkal inkább az indexek éves változása a figyelemre méltó. 82
Az index és a rangsor 12 másik független szervezet és kutatóintézet 14 kérdőíves felmérésének felhasználásával és összegzésével készül. Kizárólag olyan országok kerülhetnek a listára, amelyekről legalább három forrásból (a 14-ből) a szervezet rendelkezésére áll adatsor. A mutató értéke egy 1-től 10-ig terjedő skálán mozoghat, ahol 10 = korrupciómentes (tiszta), 1 = erősen korrupt. A CPI lista élén rendszeresen a skandináv államok, valamint Új-Zéland szerepelnek. A Transparency International korrupciós rangsora és a korrupciót mérő indexe a régió egyes országaiban, 2003-20077 Magyarország Csehország 2003 2007
40 (4,8) 39 (5,3)
54 (3,9) 41 (5,2)
Észtország Lengyelország Szlovákia Szlovénia 33 (5,5) 28 (6,5)
64 (3,6) 61 (4,2)
59 (3,7) 49 (4,9)
29 (5,9) 27 (6,6)
Forrás: Annual Report Transparency International, 2003, 2007
Az adatsorok és a ranglisták, valamit a részletesebb módszertani leírások az alábbi linken találhatóak: http://www.transparency.org/policy_research/surveys_indices/cpi A demokrácia erőssége, a demokratikus rendszer működőképessége és a politikai rendszer stabilitása szintén gyakori probléma lehet. Ebben a témában a Freedom House honlapján találhatunk megfelelő adatok, elemzéseket. Minden évben globális demokrácia riportot publikálnak, amely egyrészt részletezi az adott időszakban jellemző konfliktusokat és veszélyhelyzeteket, másrészt módszertani segítséget nyújt a demokrácia működőképességének méréséhez. http://www.freedomhouse.org/template.cfm?page=290
7
Az index értéke 0 (erősen korrupt) és 10 (tiszta) közé esik.
83
