Mendelova univerzita v Brně Provozně ekonomická fakulta
Dopady ekonomické krize v sektoru stavebnictví ČR Diplomová práce
Vedoucí práce:
Autorka:
doc. Ing. Václav Adamec, Ph.D.
Brno 2014
Bc. Zuzana Dvořáková
Chtěla bych touto cestou poděkovat doc. Ing. Václavu Adamcovi, Ph.D. za odborné vedení, cenné rady a připomínky, které mi ochotně v průběhu zpracování této diplomové práce poskytl.
Prohlašuji, že jsem práci: Dopady ekonomické krize v sektoru stavebnictví ČR vypracovala samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědoma, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše. V Brně dne 15. května 2014
__________________
Abstract Dvořáková, Z. The impact of the economic crisis in the construction sector in the Czech Republic. Diploma thesis. Brno, 2014. This diploma thesis deals with the effects of the economic crisis in the construction industry in the Czech Republic during the years from 2002 to 2012. The aim is to verify the impact of the economic crisis on selected indicators in construction sector. The analysis is focused on the number of construction contracts, the number of building permits, the number of approved housing constructions , but also on employment and average wages in the construction industry. For selected models, the predictions of future observations in the years 2013 and 2014 are made. In conclusion, the recommendations for the development of this sector is formulated. Keywords Economic crisis, construction contracts, building permit, employment, average wage in the construction industry and the number of launched housing constructions.
Abstrakt Dvořáková, Z. Dopady ekonomické krize v sektoru stavebnictví ČR. Diplomová práce. Brno, 2014 Tato diplomová práce se zabývá dopady ekonomické krize v sektoru stavebnictví v České republice v letech 2002 až 2012. Cílem práce je ověření vlivu ekonomické krize na vybrané ukazatele ve stavebnictví. Analýza je zaměřena zejména na počty stavebních zakázek, počty vydaných stavebních povolení, počty zahájených bytů, ale také na zaměstnanost a průměrnou mzdu v sektoru. U vybraných modelů jsou provedeny predikce budoucího vývoje na roky 2013 a 2014 a v závěru práce jsou formulovány doporučení pro rozvoj tohoto sektoru. Klíčová slova Ekonomická krize, stavební zakázky, stavební povolení, zaměstnanost, průměrná mzda ve stavebnictví, počty zahájených bytů.
Obsah
6
Obsah 1
2
Úvod a cíl práce 1.1
Úvod .........................................................................................................10
1.2
Cíl práce ................................................................................................... 12
Literární přehled 2.1
13
Ekonomická krize .................................................................................... 13
2.1.1
Příčiny vzniku ekonomické krize ..................................................... 13
2.1.2
Fáze ekonomické krize ve vyspělých ekonomikách......................... 14
2.1.3
Dopady krize na situaci v České republice ...................................... 14
2.2
Stavebnictví .............................................................................................. 15
2.2.1
Zvláštnosti stavebního podniku....................................................... 16
2.2.2
Klíčový rok 2006 .............................................................................. 16
2.2.3
Základní pojmy a ukazatelé ve stavebnictví .................................... 17
2.2.4
Index udržitelnosti ...........................................................................18
2.3
Ukazatelé výkonnosti stavebnictví .......................................................... 19
2.3.1
Index stavební produkce.................................................................. 19
2.3.2
Cenové indexy stavebnictví.............................................................. 21
2.3.3
Počty stavebních povolení a stavebních zakázek............................. 21
2.3.4
Zaměstnanost a mzdy ..................................................................... 24
2.4 3
10
Zhodnocení současné situace ................................................................. 25
Materiál a metodika
27
3.1
Materiál ................................................................................................... 27
3.2
Metodika ................................................................................................. 28
3.2.1
Regresní analýza ............................................................................. 29
3.2.2
Testování hypotéz ........................................................................... 29
3.2.3
Klasické předpoklady lineárního regresního modelu ..................... 31
3.2.4
Analýza časových řad ...................................................................... 35
3.2.5
Kointegrace časových řad ................................................................37
3.2.6
Vyrovnání časových řad ...................................................................37
Obsah
7
3.2.7 4
Sezónnost časových řad .................................................................. 38
Výsledky a diskuse 4.1
40
Stavební povolení a stavební zakázky..................................................... 40
4.1.1
Stavební povolení ............................................................................ 40
4.1.2
Stavební zakázky ............................................................................. 45
4.2
Průměrná mzda ve stavebnictví ............................................................. 49
4.3
Počet zaměstnaných ve stavebnictví ...................................................... 55
4.4
Počet zahájených bytů ............................................................................ 60
5
Závěr
64
6
Literatura
68
A
Použitá data – závisle proměnná
72
B
Použitá data – nezávisle proměnná
74
Seznam obrázků
8
Seznam obrázků Obr. 1
Bytová výstavba v ČR – byty zahájené a byty dokončené
18
Obr. 2
Nové pojetí stavebního procesu
19
Obr. 3
Počty vydaných stavebních povolení – nová výstavba, změny dokončených staveb
23
Ukázky korelace: a) pozitivní sériová korelace, b) negativní sériová korelace, c) sériová korelace není přítomna
33
Obr. 5
Normální a asymetrické rozdělení chybového členu
35
Obr. 6
Graf časové řady počty vydaných stavebních povolení
40
Obr. 7
Výstup QRL testu pro model počty vydaných stavebních povolení
42
Obr. 4
Obr. 8
Graf predikce časové řady počty vydaných stavebních povolení 44
Obr. 9
Graf časové řady počet stavebních zakázek
46
Obr. 10
Výstup QRL testu pro model počty stavebních zakázek
47
Obr. 11
Graf predikce časové řady počet stavebních zakázek
48
Obr. 12
Graf časové řady průměrná mzda ve stavebnictví
50
Obr. 13
Výstup QRL testu pro průměrnou mzdu ve stavebnictví
51
Obr. 14
Graf predikce časové řady průměrné mzdy ve stavebnictví
54
Obr. 15
Graf časové řady počet zaměstnaných ve stavebnictví
55
Obr. 16
Výstup QRL testu pro počty zaměstnaných ve stavebnictví
56
Obr. 17
Graf predikce časové řady počtu zaměstnaných ve stavebnictví 59
Obr. 18
Graf časové řady počet zahájených bytů
60
Seznam tabulek
9
Seznam tabulek Tab. 1
Index stavební produkce
20
Tab. 2
Stavební povolení a stavební zakázky
22
Tab. 3
Zaměstnanost a mzdy ve stavebnictví
25
Tab. 4
Srovnání vybraných ukazatelů stavebnictví v podobě indexů
26
Tab. 5
Kritéria rozhodování pro t-test
30
Tab. 6
Tabulka ANOVA pro model se dvěma koeficienty
31
Tab. 7
Modely lineární v parametrech
32
Tab. 8
Odhadnuté parametry modelu pro počet vydaných stavebních povolení 41
Tab. 9
Parametry modelu pro počty vydaných stavebních povolení
Tab. 10
Srovnání koeficientů trendu a sezónnosti v období před zlomem a po zlomu 44
Tab. 11
Predikce časové řady počtu vydaných stavebních povolení
45
Tab. 12
Odhadnuté parametry modelu pro počet stavebních zakázek
46
Tab. 13
Výsledky vybraných testů modelu počtu stavebních zakázek
48
Tab. 14
Predikce časové řady počtu stavebních zakázek
49
Tab. 15
Odhadnuté parametry modelu pro průměrnou mzdu ve stavebnictví
50
Tab. 16
Parametry modelu časové řady průměrné mzdy
52
Tab. 17
Srovnání koeficientů trendu a sezónnosti v období před zlomem a po zlomu 53
Tab. 18
Predikce časové řady průměrné mzdy ve stavebnictví
54
Tab. 19
Odhadnuté parametry modelu pro počty zaměstnaných ve stavebnictví
56
Tab. 20
Parametry modelu pro počty zaměstnaných ve stavebnictví
57
Tab. 21
Srovnání koeficientů trendu a sezónnosti v období před zlomem a po zlomu 58
Tab. 22
Predikce časové řady počtu zaměstnaných ve stavebnictví
59
Tab. 23
Výsledky testu kointegrace
61
Tab. 24
Korelační matice
62
Tab. 25
Parametry výsledného modelu pro počty zahájených bytů
63
43
Úvod a cíl práce
10
1 Úvod a cíl práce 1.1
Úvod
Ekonomická krize je závažným problémem, který se dotýká jak života jednotlivců a firem, tak i státu jako celku. Tato diplomová práce má ukázat jakým způsobem se ekonomická krize dotkla sektoru stavebnictví v České republice a jak ovlivnila jeho dosahované výsledky. Poukazuje také na příčiny, které celou krizi vyvolaly a způsobily. Značná pozornost je věnována zaměstnanosti, mzdové oblasti a také počtu staveb a stavebních zakázek v sektoru stavebnictví. Počátky světové ekonomické krize můžeme sledovat již od roku 2007. Příčinou celé krize byla zejména americká hypoteční krize, která vypukla ve Spojených státech amerických v červenci roku 2007, kdy došlo ke krachu několika amerických bank vlivem zmiňované hypoteční krize a postupnému šíření krize do dalších zemí. Během roku 2008 se přehoupla ve finanční krizi a postihla celý svět. Nízké úrokové sazby a snadnost získání hypotéky vyvolaly v USA boom ve stavění nových domů. Rychle rostoucí trh s sebou logicky vytáhl ceny nemovitostí nad jejich reálné hodnoty. Došlo k výraznému toku investic do Spojených států z celého světa, hlavně však z rozvíjejících se asijských ekonomik a ropných velmocí. Americká centrální banka zasáhla zvýšením úrokových sazeb. Finanční instituce do takových nemovitostí investovaly nemalé prostředky. Tyto vysoké investice zvyšovaly cenu ropy spolu se slabým dolarem a zvýšenou poptávkou po této komoditě před olympiádou. V okamžiku splasknutí bubliny utržily velké ztráty a cena ropy klesla ze 147 USD za barel na 40 USD za barel. Celosvětové ztráty jsou odhadovány na bilion USD. Příčinou prohlubování krize je, že i přes velký rozsah politických rozhodnutí a akcí zůstávají finanční toky nadále pod tlakem, a táhnou reálnou ekonomiku dolů. Stále nedošlo k obnovení důvěry investorů a spotřebitelů v řešení podnikaných na záchranu ekonomik. Nadále klesají ceny aktiv, ubývá bohatství domácností a tím pádem klesá spotřebitelská poptávka. Platební neschopnost těchto organizací se promítly i do ostatních odvětví, stavebnictví nevyjímaje. Ačkoli ekonomická krize vypukla již během roku 2007, s jejími dopady se česká ekonomika potýká doposud. Dopady krize jsou patrné a můžeme je pozorovat především ve snížení tempa růstu české ekonomiky, stagnaci reálných mezd, růstu nezaměstnanosti a snížené ochotě obyvatelstva nakupovat. V důsledku snížené poptávky dochází také ke snížení výroby a v důsledku nedostatku peněžních prostředků investorů klesá ochota investovat. Dalším problémem, který má dopad na podnikatelskou sféru, je nestabilní politická situace a také oslabení kurzu české koruny, o kterém rozhodla Česká národní banka v listopadu roku 2013. Rizika pro hospodářský růst a finanční stabilitu země nadále trvají. Stavebnictví, které je součástí sekundárního sektoru ekonomiky, je velmi významným odvětvím, neboť má značný dopad na veřejné zájmy a jeho výsledky se výrazně uplatňují ve veřejném prostoru. Je to odvětví, které je závislé na se-
Úvod a cíl práce
11
zónnosti a na zahraniční a tuzemské pracovní síle. Ke tvorbě HDP stavebnictví přispívá přibližně 6-7 %. Sektor stavebnictví je velmi důležitý pro zaměstnanost, neboť vytváří mnoho pracovních míst, v současnosti se podílí přibližně 9 % na celkové zaměstnanosti. Důležitý je také tzv. multiplikační efekt na zaměstnanost, který se ve stavebnictví pohybuje v rozmezí 3,2 - 3,5. Jinými slovy investice ve výši 1 mil. Kč vyprodukuje potřebu 3,2 - 3,5 pracovních míst ve stavebnictví nebo ve vázaných oborech. Dle analýzy svazu podnikatelů ve stavebnictví v ČR každých 100 mil. Kč vložených do stavebnictví ve formě investice, generuje téměř 73 mil. Kč daňových a ostatních přínosů do veřejných rozpočtů. Z toho vyplývá, že stát může vhodnými investicemi touto cestou stimulovat českou ekonomiku. Opačný trend, tedy snižování investic, s sebou nese velmi negativní dopady do zaměstnanosti. České stavebnictví se bohužel již pět let ocitá v krizi. Nedostatek peněz v tomto odvětví má za následek krach některých firem a v důsledku snížení počtu ekonomicky aktivních podniků ve stavebnictví dochází k propouštění zaměstnanců v této oblasti. Klíčovým problémem je také nevypisování veřejných zakázek, což nutí některé firmy ke snižování stavů svých zaměstnanců nebo omezování výše vyplacených mezd. Podle studie Českého statistického úřadu ze září 2013 došlo k meziročnímu poklesu ve stavební produkci o 8,3 %. V roce 2008, tedy v době vypuknutí krize v České republice, ještě stavebnictví vykazovalo objem stavební produkce 547,6 mld. Kč. V roce 2013 se podle odhadů svazu podnikatelů ve stavebnictví v ČR tento objem pohyboval okolo 390 mld. Kč. V roce 2011 mohlo dojít ještě k masivnějšímu poklesu, ale investice do kontroverzních fotovoltaických elektráren v ČR a Německu tento propad zpomalila. Důvod nižší produkce je snížení investic státního, ale také privátního sektoru. Tím se vyvíjí silný tlak na cenu díla. Na českém stavebním trhu je tedy přebytek nabídky nad poptávkou. Slabá vymahatelnost práva, zpomalení investic státu, nedostatečná projektová příprava stavby a nekompetentnost úředníků vybrat kvalitní firmu u veřejných zakázek vede k degradaci stavebního trhu. Jediné kritérium nejnižší ceny s sebou přineslo nový jev, tj. realizování zakázek s negativní marží. Nereálně nízké ceny díla vedou ke snižování kvality, obcházení bezpečnosti práce, redukci vývoje a vzdělávání se v nových technologiích. V extrémním případě dochází k úpadku vybrané firmy, která není schopna dokončit započatou stavbu a tím připraví zadavatele o další finance, který musí stavbu zadat novému zhotoviteli. Ve stavebnictví i nadále působí firmy, které mají dostatek práce, musí však řešit jiné problémy. Převládajícími problémy u těchto firem jsou silná konkurence, která souvisí s poklesem stavebních zakázek, dlouhodobá splatnost faktur nebo platební neschopnost odběratelů. Všechny tyto problémy a také mnohé další způsobují omezení, kterým musí stavební firmy čelit. Stavebnictví odráží a sleduje ekonomické a investiční nálady ve společnosti a z hlediska dlouhodobého má dobré perspektivy. Pozitivními dopady tohoto sektoru jsou výstavby energeticky úsporných staveb s cílem zlepšit životní prostředí, rozvoj, modernizace a výstavby s cílem pokrýt potřeby zvyšující se životní úrovně.
Úvod a cíl práce
12
1.2 Cíl práce Hlavním cílem diplomové práce je popsat a kvantitativně vyjádřit dopady ekonomické krize v oblasti stavebnictví v České republice a na základě získaných informací zhodnotit současnou situaci v této oblasti. Tento hlavní cíl bude rozpracován pomocí 4 hypotéz, které budou ověřovány pomocí aplikace statistických a ekonometrických metod. Vlastní práce je zaměřena na využití a zpracování dat za časové období od začátku roku 2002 do konce roku 2012. Diplomová práce se zabývá zjišťováním počtu stavebních zakázek, počtu vydaných stavebních povolení, počtu zaměstnaných v sektoru stavebnictví, počtu zahájených bytů a průměrnou mzdou v sektoru stavebnictví. Po získání všech těchto proměnných, následuje popis použitých ekonometrických metod, po zpracování všech dostupných dat a sestavení, odhadnutí, testování a ověřování vhodných modelů, také vyhodnocení dosažených výsledků. Výsledkem práce bude určení, zda dané proměnné jsou ekonomickou krizí ovlivněny či nikoli. U vybraných modelů budou provedeny predikce jejich vývoje na roky 2013 a 2014. V závěru práce je na základě získaných výsledků uvedeno doporučení pro rozvoj sektoru stavebnictví. Pro naplnění hlavního cíle diplomové práce byly stanoveny následující hypotézy: Hypotéza 1: Počet stavebních zakázek a počet vydaných stavebních povolení je ovlivněn začátkem a průběhem ekonomické krize. Hypotéza 2: Průměrná mzda v sektoru stavebnictví je ovlivněna začátkem a průběhem ekonomické krize. Hypotéza 3: Počty zaměstnaných v sektoru stavebnictví jsou ovlivněny začátkem a průběhem ekonomické krize. Hypotéza 4: Počet zahájených staveb (bytů) závisí na objemu poskytnutých hypotečních úvěrů, na úrokové sazbě hypoték a na dalších makroekonomických ukazatelích. V práci budou použity čtvrtletní časové řady následujících proměnných: • počet stavebních zakázek [ks], • počet stavebních povolení [ks], • průměrná mzda ve stavebnictví [Kč], • počet zaměstnaných osob v sektoru stavebnictví [osob], • počet zahájených bytů [ks], • objem hypotečních úvěrů [mil Kč], • úroková sazba hypotečních úvěrů [%], • HDP [mil Kč], • míra nezaměstnanosti [%], • průměrná mzda [Kč].
Literární přehled
13
2 Literární přehled 2.1 Ekonomická krize Krize obecně znamená selhání nějakého systému nebo zhroucení něčeho, co doposud fungovalo. Nikdy není způsobena pouze jednou chybou, ale velkým množstvím problémů, které se hromadí a po dlouhá časová období nejsou řešeny. Ke krizím často nemusí vůbec docházet, je nutné přijmout vhodná opatření již od počátku a tím předcházet jejich vzniku. V případě, že krize skutečně vypukne, musíme se zaměřit na její příčiny a snažit se je odstranit. Jedině tak je možné tuto situaci překonat a vyřešit vzniklé problémy. Knauer (2010, s. 8-23) ve své knize upozorňuje, že současná krize, která probíhá ve vyspělých zemích světa, je nejen krizí bankovní a finanční, ale také krizí společenskou. Nesprávný odhad jejích příčin vede především k zadlužování států a k sociálním problémům. Těmito problémy je třeba se zabývat a hledat vhodná východiska. Závažnost ekonomické krize je značná a její dopady jsou obrovské. Ačkoli ekonomická krize vypukla již během roku 2007 a postupným šířením se v roce 2008 projevila také v ČR, s jejími dopady se česká ekonomika potýká doposud.
2.1.1
Příčiny vzniku ekonomické krize
Mezi příčiny hospodářské krize, jak uvádí Miroslav Singer (2010, online) z České národní banky, patří především uvolněná měnová politika, příliš nízké úrokové sazby, nedostatečný dohled nad finančními trhy, podcenění rizik, ovlivňování dohledových institucí a mnohé další. Je nutné upozornit na fakt, že krizi nezpůsobují pouze makroekonomické či politické faktory, jak by se mnozí mohli mylně domnívat. Důležitou roli hrají také psychologické faktory, do kterých se řadí povahové rysy člověka – např. neznalost, chamtivost, arogance a lhostejnost. Hlavní příčinou vzniku ekonomické krize byla americká hypoteční krize, která propukla v červenci roku 2007. Vše ale začalo mnohem dříve. Již během let 2001-2003, kdy se americký Federální rezervní systém snažil udržovat krátkodobé sazby na velmi nízké úrovni a to především proto, aby zamezil vzniku hospodářské recese. Jeho snaha byla úspěšná a to zejména díky konjunktuře ve stavebnictví, neboť hypoteční úvěry v té době byly velmi lákavé, byly poskytovány levně a to i lidem s nízkými a nestabilními příjmy. V USA je totiž možné si sjednat hypotéku bez jakéhokoli dokladu o výši příjmů. Tyto hypotéky ovšem nebyly tak výhodné, jak se na první pohled zdálo. Bohužel lidé, kteří o ně žádali, nebyli příliš vzdělaní a neuměli si pročíst a správně pochopit detaily smlouvy, ve kterých byly mnohdy zahrnuty podmínky ohledně nízké úrokové sazby pouze zpočátku hypotéky a možnost jejich budoucího navýšení. Dalším problémem byla také neznalost angličtiny v případě imigrantů a přesvědčovací taktiky realitních agentů, kteří se snažili lidem namluvit, že hypotéka je velmi dobrým obchodem. Vývoj celé situace bohužel během několika let dospěl k tomu, že lidé se
Literární přehled
14
dostávají do platební neschopnosti, v některých případech také do exekuce, po které následuje nucené stěhování. (Kohout, 2010, s. 12) Krize se nedotkala pouze Spojených států amerických, ale postupně se projevuje i v ostatních zemích světa (Španělsko, Anglie, Německo, Řecko, Česká republika…) Stejně tak se netýká pouze finančního trhu, ale postupně se dostává do reálné ekonomiky a nepříznivě ovlivňuje její vývoj. Je spojena také s hospodářskou recesí, které státy musí čelit. Dochází k vzájemné nedůvěře mezi bankami, úvěrové inflaci a následnému poklesu poptávky, která se stala bariérou růstu. Zvláštností této krize je, že vypukla v nejvyspělejších ekonomikách.
2.1.2
Fáze ekonomické krize ve vyspělých ekonomikách
Ještě před samotným začátkem krize, tedy před rokem 2007, se objevují nerovnováhy a bubliny v ekonomice, které se postupně hromadí. Spouštěčem krize byla již zmíněná hypoteční krize v USA, která propukla na přelomu července a srpna roku 2007 a postupně se šířila do dalších zemí světa. Existuje několik fází krize, které byly zaznamenány Miroslavem Singerem (2010, online) guvernérem ČNB: • Latentní fáze finanční krize (rok 2007), • Akutní fáze finanční krize (rok 2008), • Krize reálné ekonomiky (rok 2009), • Problémy veřejných financí (rok 2009 a dále), • Krize dluhová (květen 2010). Podzim roku 2008 se vyznačuje nižšími rizikovými přirážkami než v předchozím roce, ale jejich hodnota je stále nepříznivá, roste úvěrové riziko, přetrvává nejistota ohledně ozdravení bankovních bilancí, celkově je situace stabilní, ale je třeba zabránit případným šokům, které by ji mohly nepříznivě ovlivnit. Během následujících let dochází k mírnému oživení, neboť se zastavil pád ekonomik u většiny zemí. Trh práce se však vyvíjí se zpožděním. Ekonomiky se postupně dostávají ven z nejhorší situace, ale čeká je dlouhé období, ve kterém se budou snažit odrazit ode dna a zlepšit svoji stávající situaci.
2.1.3
Dopady krize na situaci v České republice
České republiky se krize zpočátku dotkla pouze nepatrně. Objevuje se sice vyšší proměnlivost kurzů na pražské burze, ale hypoteční trh je silný, z pohledu zahraničí byla situace v České republice chápána jako stabilní, dokonce posílila koruna vůči euru. (Kohout, 2010, s. 23) Na začátku krize měl český finanční sektor přebytek likvidity, banky nebyly závislé na fungování trhu a úvěry v cizích měnách poskytovaly pouze v menších objemech. Bankovní sektor byl poměrně izolovaný a množství nesplácených úvěrů bylo malé. Možná rizika souvisí především s vývojem v zahraničí. Tyto rizika jsou spojená s nejistotou ohledně vývoje cen aktiv a produkce, úrokových sazeb a také ekonomické aktivity, ztíženým
Literární přehled
15
přístupem k úvěrům u firem a obtížným získáním zdrojů k financování aktiv u bank. (Singer, 2010, online) Během krize došlo k poklesu stavební produkce, poklesu poptávky po úvěrech a zpřísnění úvěrových podmínek, roste podíl úvěrů v selhání a také klesá HDP. Klesá podíl volných pracovních míst, s čímž souvisí rostoucí nezaměstnanost, zejména v oblasti průmyslu. Krize bohužel způsobila zhoršení salda státního rozpočtu. Co se týče obchodní bilance, tak import zpomaluje rychleji než export, což má za následek vyšší kumulativní přebytek než v letech předcházejících krizi. (Singer, 2010, online) Dopady krize jsou patrné a můžeme je pozorovat především ve snížení tempa růstu české ekonomiky, stagnaci reálných mezd, růstu nezaměstnanosti a snížené ochotě obyvatelstva nakupovat. V důsledku snížené poptávky dochází také ke snížení výroby a v důsledku nedostatku peněžních prostředků investorů klesá ochota investovat. Dalším problémem, který má dopad na podnikatelskou sféru, je nestabilní politická situace a také oslabení kurzu české koruny, o kterém rozhodla Česká národní banka v listopadu roku 2013. Rizika pro hospodářský růst a finanční stabilitu země nadále trvají. Vliv krize pocítily v České republice zejména domácnosti s nižšími příjmy, neboť nejsou schopny si pro nedostatek finančních prostředků udržet svoji životní úroveň. Nejvíce problémovými oblastmi jsou nezaměstnanost, která se zvyšuje, dochází k propuštění zaměstnanců případně i rušení podniků, ale také zdražování, které vede k vysokým životním nákladům.
2.2 Stavebnictví Stavebnictví je součástí národního hospodářství a je odvětvím, které vyžaduje velké objemy finančních prostředků, zejména v případě stavebních zakázek financovaných z veřejných zdrojů, které pro stavebnictví mají největší význam. Pokud by nebyl k dispozici dostatek finančních zdrojů, docházelo by k útlumu stavební výroby. Stavebnictví je v rámci odvětvové klasifikace ekonomických činností (OKEČ) vymezeno v kategorii F a oddíle 45. Jeho hlavní úlohou je uspokojovat poptávku po stavebních investicích a na stavebním trhu plní jak funkci dodavatelskou, tak odběratelskou. (Marková, 2009, s. 5-10) Klasifikace ekonomických činností CZ-NACE řadí stavebnictví taktéž do sekce F, je však novější klasifikací, která zohledňuje strukturální změny v hospodářství za posledních 15 let a také technologický rozvoj. Byla zavedena sdělením Českého statistického úřadu s účinností od 1. ledna 2008 a nahrazuje OKEČ. Všechny členské státy Evropské Unie mají povinnost klasifikaci NACE používat. Sekce stavebnictví v rámci CZ-NACE zahrnuje tři větší oddíly, kterými jsou výstavba budov (oddíl 41), inženýrské stavitelství (oddíl 42) a specializované stavební činnosti (oddíl 43). Veškeré stavební práce provedené v oddíle 41 a 42 mohou být prováděny na základě smlouvy či dohody nebo na vlastní účet, kdy vykonávaní či provedení některých prací může být zadáno subdodavatelům. (ČSÚ, 2013, online)
Literární přehled
16
Stavební objekty podle jednotné klasifikace stavebních objektů (JKSO) je možné rozdělit do 4 skupin: • Pozemní stavitelství, do kterého patří mimo jiné budovy pro bydlení. • Průmyslové stavitelství, kam se řadí například věže, stožáry, komíny, čistírny odpadních vod a pozemní halové objekty. • Inženýrské stavitelství – mosty, železnice, pozemní komunikace a letiště, nadzemní vedení, podzemní objekty a jiné. • Vodní stavitelství, které v sobě zahrnuje hydromelioraci, úpravy zdrží, toků a kanálů, hráze a objekty na tocích. (Stavební komunita, 2012, online)
2.2.1
Zvláštnosti stavebního podniku
Stavební podnik je možné charakterizovat na základě určitých specifik, kterými se liší od ostatních podniků. První z nich se týká charakteru výroby, která zakázková, má individuální povahu a vychází z předem zpracované dokumentace na základě určité objednávky. Organizace procesu výroby je obtížnější, vystupuje v ní větší počet subjektů na straně odběratele, ale také na straně dodavatele. Další zvláštností je dlouhý výrobní cyklus, nižší využití výrobních kapacit a také odlišná sazba daně z přidané hodnoty na vstupu a na výstupu. V druhém případě je sazba nižší. (Marková a kol., 2002, s. 25-27)
2.2.2
Klíčový rok 2006
Pro stavebnictví byl v právní úpravě klíčovým právě rok 2006, ve kterém byl vydán nový Stavební zákon č. 183/2006 Sb. platný dodnes. Tento zákon vznikl v souvislosti se vstupem České republiky do EU, neboť bylo nutné zapracovat vznik nových institutů do legislativního rámce. Mezi nově vzniklé instituty patří autorizovaný inspektor (AI), koordinátor bezpečnosti (KB) a manažer kvality (QM) podle metodiky ISO 9001. Tyto instituty v členských zemích EU fungují a jsou s nimi dobré zkušenosti. Každý z nich je zaměřený na jinou část stavební výroby a na stavebním trhu v České republice působí rozdílnou dobu. Nejstarším institutem je manažer kvality, který se objevuje v rámci uplatňování norem ISO, a na českém trhu je využívám dlouhodobě. Pokud se chce podnik řídit tímto institutem, musí neustále zlepšovat kvalitu svých služeb a produktů, chovat se šetrně k životnímu prostředí, rozvíjet podnikovou kulturu a zdokonalovat všechny své činnosti. Koordinátor bezpečnosti je na poměrně vysoké úrovni co se týká tvorby a uplatňování zákonů a také certifikace odborníků, avšak objevují se rezervy v uplatňování systému ve vlastní stavební výrobě. Jelikož je stavebnictví z dlouhodobého pohledu nejrizikovějším odvětvím, tento proces nikdy nekončí. Nejmladším institutem je autorizovaný inspektor, který se zaměřuje na změny podstaty stavební činnosti a to jak od začátku, tak během průběhu výstavby až do předání stavby do užívání. Jde o nejkomplexnější činnost, kterou je schopen vykonávat jen poměrně malý okruh těch nejlepších odborníků. (Březina, 2009, s. 15-18)
Literární přehled
2.2.3
17
Základní pojmy a ukazatelé ve stavebnictví
Podle přehledu Českého statistického úřadu (2013, online) patří mezi základní pojmy ve stavebnictví stavební podnik (podnikatelský subjekt v oblasti stavební činnosti), stavební produkce a především stavební práce. Tyto práce v sobě zahrnují práce na výstavbě, přestavbě, rozšíření, obnově, opravách a údržbách stálých i dočasných budov a staveb. Do této kategorie spadají i montážní práce stavebních konstrukcí a hodnota zabudovaného materiálu a konstrukcí. Podle směru výstavby je možné rozlišovat následující kategorie staveb: • bytové budovy – patří sem převážně domy určené k bydlení, • nebytové budovy nevýrobní – budovy administrativní, školské, léčebné, kulturní, ale také hotely, • nebytové budovy výrobní – výrobní budovy pro průmysl, dopravu, obchod a spoje, • inženýrské stavby – pozemní stavby, mosty, dráhy, komunikace a jiné, • vodohospodářské stavby – do kterých řadíme hydromeliorace, hráze a nádrže na tocích, úpravy toků a kanály. Mezi další důležité pojmy ve stavebnictví patří stavební zakázky a stavební povolení, ale také byty a to jak zahájené, tak dokončené. Těmito pojmy se bude diplomová práce více zabývat a zkoumat je v souvislosti s ekonomickou krizí, proto je nutné objasnit si jejich význam. Stavební zakázkou se rozumí objem prací, které musí být vykonány na základě dodavatelských smluv. Stavební zakázky určují poptávku po pracovní síle a po stavebních materiálech v následujících měsících, někdy dokonce i v průběhu několika let. Stavební povolení je povolení ve smyslu § 115 se závaznými podmínkami pro provedení a užívání stavby ve smyslu stavebního zákona, ve znění pozdějších předpisů. Bytem se rozumí místnost nebo soubor místností, které jsou na základě rozhodnutí stavebního úřadu určeny k bydlení a k tomuto účelu mohou sloužit jako samostatné bytové jednotky. Byty zahájené jsou byty v těch domech, jejichž výstavba byla ve sledovaném období povolena na základě vydaného stavebního povolení. Toto tvrzení platí od roku 2006. Avšak od roku 2007 platí, že byty zahájené jsou byty v těch domech, jejichž výstavba byla povolena na základě vydaného stavebního povolení nebo stavebního ohlášení, a to bez ohledu na to, zda tyto byty byly ve sledovaném období dokončeny či nikoliv. Byty dokončené jsou takové byty, na které byl v souladu se stavebním zákonem vydán kolaudační souhlas. (ČSÚ, 2013, online) Obrázek 1 na další straně zachycuje bytovou výstavbu v ČR. Z grafu na obrázku je možné vidět, že až do roku 2008 převažuje počet zahájených bytů nad počtem bytů dokončených. V následujících letech je tomu naopak. Zejména v letech 2000-2006 je vidět značný nepoměr mezi těmito dvěma ukazateli. I zde je možné vysledovat vliv ekonomické krize, která způsobila pokles zájmu o výstavbu nových bytů. Naopak se objevuje snaha o dokončení bytů, jejichž výstavba byla zahájena již v minulých letech.
Literární přehled
18
Obr. 1 Bytová výstavba v ČR – byty zahájené a byty dokončené Zdroj: ČSÚ, zpracování: vlastní.
2.2.4
Index udržitelnosti
Index udržitelnosti se ve stavebnictví využívá k hodnocení staveb, které jsou navrhovány na dlouhý životní cyklus. Právě proto vede sebemenší zlepšení v metodách jejich hodnocení ke snížení dopadů na životní prostředí a posouvá je směrem k udržitelnému rozvoji. Tradiční přístup k hodnocení staveb je založen na výpočtu ekonomické návratnosti, reprezentuje tedy pouze ekonomický pohled na stavbu. Avšak při hodnocení staveb nelze použít pouze kritérium finanční návratnosti, ale je nutné se zaměřit také na otázky ohledně životního prostředí, spotřeby energie, sociálních aspektů a to po dobu celého životního cyklu. Proces rozšiřování tradičního pojetí stavebního procesu primárně zaměřeného na náklady, čas a kvalitu, zachycuje obrázek na další straně, který uvažuje také dopady na životní prostředí a globální kontext. (Schneiderová Heralová, 2008, s. 90-92) Schneiderová Heralová (2008, s. 92-93) ve svém příspěvku uvádí, že důležitou roli při rozvoji udržitelného rozvoje hrají investoři, neboť zastupují poptávku. Pokud budou investoři poptávat stavby, které vyhovují požadavkům udržitelného rozvoje, donutí stavební firmy takové stavby realizovat. Pokud investoři tuto roli hrát nebudou, je nutné, aby do hry vstoupila jiná autorita (stát), která zajistí uplatňování požadavku udržitelnosti při výstavbě.
Literární přehled
19
Obr. 2 Nové pojetí stavebního procesu Zdroj: Management stavebnictví 2008, Schneiderová Heralová, str. 91
Při hodnocení staveb z hlediska udržitelnosti je nutné splňovat tři kritéria udržitelného rozvoje a to ekologické, ekonomické a sociální faktory, které je nutné uvažovat a hodnotit současně. Váha jednotlivých kritérií závisí na požadavcích společnosti, zájmových skupinách, ale také zájmu investorů, kterým jde především o ekonomické užitky v podobě příjmů plynoucích z nemovitostí. Uživatelé staveb se zaměřují na užitky plynoucí z provozních nákladů a úřady se zabývají všemi náležitostmi, které musí být splněny z hlediska životního prostředí a sladěny s platnými zákony a opatřeními. Takové hodnocení může být použito například v jednotlivých fázích životního cyklu stavby.
2.3 Ukazatelé výkonnosti stavebnictví Existuje několik ukazatelů, pomocí kterých lze hodnotit výkonnost stavebnictví. Významnou pozici v této oblasti zaujímá statistika, která se zabývá analýzou současného stavu a příčin, které k tomuto stavu vedly, a také má možnost předpovědět další možný vývoj do budoucna. Statistika se využívá jak na národohospodářské úrovni, tak na úrovni jednotlivých podniků a institucí. Statistika v oblasti průmyslu, jehož součástí je také stavebnictví, využívá metody, které umožňují popsat zkoumané ekonomické jevy a procesy, ale také analyzovat příčiny dosažení výsledků. Poznávají a kvantifikují činitele, které daný zkoumaný jev či proces ovlivňují a tím umožňují provést zásahy do hospodářského procesu tak, aby bylo dosaženo požadovaných výsledků. (Nový, 2009, s. 135) V České republice se státní statistikou zabývá Český statistický úřad, který získává, zpracovává a poskytuje informace o různých hospodářských, ale také společenských a ekologických jevech. 2.3.1
Index stavební produkce
Z definice ČSÚ vyplývá, že index stavební produkce je základním ukazatelem statistiky stavebnictví. Při jeho výpočtu je nutné vycházet z vývoje stavebních prací základní stavební výroby přeceněných do cen stálých. Index se počítá jako
Literární přehled
20
měsíční bazický index, v současnosti k průměrnému měsíci roku 2010. Dříve se výpočet u bazických indexů prováděl vzhledem k průměru roku 2005, ale od roku 2013 došlo ke změně. Existují také indexy meziroční, které jsou odvozeny od bazických indexů, a také případné kumulace v čase – čtvrtletní, pololetní a roční. Rozlišujeme také index stavební produkce pro pozemní a inženýrské stavitelství. Při jejich výpočtu se vychází z vývoje stavebních prací základní stavební výroby provedených na pozemních či inženýrských stavbách. (Statistický metainformací systém, 2013, online) Tab. 1
Index stavební produkce
index stavební produkce rok
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
meziroční index
110,4 103,0 109,3 108,8 105,2 106,0 107,1 100,0 99,1 92,6 96,4 92,4
pozemní stavitelství
inženýrské stavitelství
průměr průměr průměr meziroční meziroční roku roku roku index index 2010=100 2010=100 2010=100 67,5 74,5 76,8 84,0 91,4 96,1 101,9 109,1 109,1 108,0 100,0 96,4 89,1
76,9 110,5 102,7 105,5 107,4 104,9 105,0 110,7 96,5 93,1 92,4 99,6 93,5
85,0 87,2 92,0 98,8 103,7 108,8 120,5 116,2 108,2 100,0 99,6 93,1
48,4 110,0 104,3 121,6 112,9 105,8 108,8 97,9 109,9 114,1 92,8 90,3 90,0
53,2 55,5 67,5 76,2 80,6 87,8 85,9 94,4 107,7 100,0 90,3 81,3
Zdroj: ČSÚ, zpracování: vlastní.
Jak je možné vyčíst z předcházející tabulky, tak index stavební produkce, který je důležitým ukazatelem výkonnosti stavebnictví, v porovnání s průměrem roku 2010 byl nejvyšší v letech 2007 a 2008. V následujících letech se postupně snižoval. Z toho je možné usoudit, že první etapy ekonomické krize se v České republice v sektoru stavebnictví neprojevily, první pokles byl zaznamenán až v roce 2009. V rámci meziročního srovnání byla stavební produkce nejvyšší mezi léty 2000 a 2001. V pozemním stavitelství se krize projevila o rok dříve, již v roce 2008 došlo k poklesu. Naopak pro inženýrské stavitelství byl nejlepší rok 2009.
Literární přehled
2.3.2
21
Cenové indexy stavebnictví
Cenová statistika stavebnictví patří do skupiny indexů cen výrobců. Hlavním úkolem cenové statistiky je zjišťování a sledování vývoje cen a cenových hladin v dané oblasti. V České republice se pro výpočet cenových indexů používá výpočetní vzorec typu Laspeyres (v modifikované podobě). Využívá se tvar váženého aritmetického průměru, ve kterém jsou individuální indexy váženy dílčími obraty, nebo je zastupujícími vahami ze základního období. V současnosti se pro výpočet využívají stálé váhy z roku 2005, které jsou zjištěné odpovídající statistikou produkce. Jednotlivé cenové indexy je možné spočítat pomocí zjištěných cen sledovaných služeb nebo výrobků ve srovnávacím a běžném období. Z těchto indexů následně cenová statistika určuje indexy vyšších agregací sledovaného období jako vážené průměry. Z indexů se poté sestavují řady, které popisují cenový vývoj v čase neboli inflaci. Cenové indexy výrobců se dělí do dvou skupin na indexy vstupů (input indexy) a indexy výstupů (output indexy). Výpočet obou typů indexů se ve stavebnictví objevuje již dlouhou dobu a výsledky se publikují ve třech řadách: • indexy cen stavebních prací a stavebních děl (output), • indexy nákladů stavební výroby (input), • indexy cen materiálových stavebních děl (input). Základním časovým obdobím je čtvrtletí, neboť ceny stavebních prací se zjišťují ve čtvrtletních intervalech. Pouze šetření některých celkových indexů ve stavebnictví se provádí měsíčně, proto se jejich hodnoty po zpracování daného čtvrtletí zpětně upřesňují. Výsledky zpracování všech cenových statistik ve stavebnictví, které uvádím výše, jsou od roku 2004 zveřejňovány v jediné čtvrtletní publikaci Českého statistického úřadu, které se nazývá Indexy cen stavebních prací, stavebních děl a nákladů stavební výroby. Výpočet indexů cen stavebních prací a stavebních děl se provádí pomocí matematického modelu, který obsahuje souhrn montážních a stavebních prací. Tento soupis prací označujeme jako reprezentanta, jehož cenový index, který se vyjadřuje v procentech, se vypočítá jako aritmetický průměr individuálních cenových indexů zjištěných u respondentů. Indexy cen stavebních prací se běžně používají ve smlouvách o dílo jako koeficient, který upravuje fakturované ceny za prováděné práce oproti rozpočtovaným cenám. Indexy je také možné využít u dříve sestavených komplexních rozpočtů pro jejich jednorázovou aktualizaci. Mohou je využívat taktéž soukromí investoři a to zejména při sledování vývoje cenové hladiny nemovitostí. Celkově jsou cenové indexy ve stavebnictví velmi důležité, využívají se k jednoduchým a výstižných aktualizacím cenových údajů. (Nový, 2009, s. 135-138) 2.3.3
Počty stavebních povolení a stavebních zakázek
Stavební povolení je povolení pro provedení a užívání stavby v souladu se stavebním zákonem. Je nutné ho mít vyřízené před zahájením stavby a to v případě, kdy subjekt, který chce stavět dům, nesplňuje požadavky ohlášení
Literární přehled
22
stavby. To je postačující, pokud chceme postavit dům se zastavěnou plochou do 150 m2, maximálně dvěma nadzemními podlažími a jedním podzemním podlažími hloubky 3 m. (Stavební povolení, 2012, online) Do orientační hodnoty staveb se počítají veškeré náklady, které byly vynaloženy na přípravu, realizaci a uvedení stavby do provozu, včetně technologie. Stavební zakázky jsou definované jako objem stavebních prací nutných k provedení na základě dodavatelských smluv. Jejich hodnota se určuje v cenách bez DPH, které jsou platné při převzetí zakázky. (ČSÚ, 2013, online) Počet vydaných stavebních povolení, ale také objem stavebních zakázek jsou důležité proměnné, které jsou v práci použity při ověřování stanovených hypotéz v souvislosti s ekonomickou krizí. Na základě vývoje těchto proměnných je možné také určit růst či pokles v oblasti stavebnictví. Tab. 2
Stavební povolení a stavební zakázky
rok 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
vydaná stavební povolení 169 574 149 244 140 822 149 339 153 622 142 941 135 391 117 384 122 242 112 674 105 743 107 231 97 764
orientační nové hodnota stavební staveb * zakázky * 229 955 236 375 242 212 286 228 315 072 325 824 360 945 357 708 390 836 407 611 398 839 339 937 318 497
127 565 154 307 160 894 178 733 222 903 195 022 244 266 205 094 249 616 184 298 197 109 179 107 149 157
* Údaje jsou uvedeny v mil. Kč Zdroj: ČSÚ, zpracování: vlastní.
V tabulce výše je uveden vývoj počtu vydaných stavebních povolení a orientační hodnota staveb na tato vydaná stavební povolení. V posledním sloupci tabulky jsou zaznamenány údaje o vývoji nových stavebních zakázek v tuzemsku u stavebních podniků s více než 50 zaměstnanci. V tabulce jsou zvýrazněny dva roky a to rok 2004, ve kterém Česká republika vstoupila do EU a rok 2007, kdy propukla krize na světových trzích, která se s určitým zpožděním dotkla také České republiky. Po vstupu ČR do EU došlo k poklesu počtu vydaných stavebních povolení, avšak hodnota staveb na tato vydaná povolení roste. Co se týká nových staveb-
Literární přehled
23
ních zakázek, tak u tohoto ukazatele můžeme od roku 2004 pozorovat zajímavý průběh, který se opakuje v průběhu šesti let. Jeden rok dojde k poklesu, avšak následující rok tato hodnota opět vzroste. Ke zlomu dochází v roce 2010, neboť od tohoto roku je hodnota nových stavebních zakázek pouze snižuje. I v případě posuzování ukazatelů uvedených v předcházející tabulce je možné konstatovat, že ekonomická krize se v ČR projevuje později než ve světových ekonomikách. Počet vydaných stavebních povolení se postupně snižuje stejně jako orientační hodnota staveb, která je však ve srovnání s rokem 2004 značně vyšší. Což v praxi znamená, že se staví méně a stavby jsou dražší. Počet vydaných stavebních povolení zahrnuje počet povolení, které byly vydány stavebním úřadem. Toto povolení, které obsahuje podmínky pro provádění stavby, je možné získat na základě stavebního řízení. Lhůta pro vyřízení je 60 dnů. (Stavební povolení, 2011, online) V počtu vydaných stavebních povolení evidovaných Českým statistickým úřadem ČR jsou zahrnuty dvě položky a to nová výstavba a změny dokončených staveb.
Obr. 3 Počty vydaných stavebních povolení – nová výstavba, změny dokončených staveb Zdroj: ČSÚ, zpracování: vlastní.
Z obrázku 3 výše můžeme vidět, že až do roku 2004, tedy do vstupu ČR do EU, převažuje počet vydaných stavebních povolení na změny dokončených staveb. Od roku 2005 dochází ke změně, lidé více staví nové stavby a provádí méně změn na již dokončených stavbách. Od roku 2007, kdy se začala projevovat ekonomická krize, se rozdíl v počtu vydaných stavebních povolení na nové stavby a na změny dokončených staveb značně zvyšuje. Největší rozdíl byl evidován v roce 2008 a činil téměř 19 000 vydaných stavebních povolení. Tento fakt je překvapující a svědčí o tom, že i v době ekonomické krize byl stále zájem o nové výstavby a také o tom, že vliv ekonomické krize na vydaná stavební povolení se projevil až později. V dalších letech se vývoj obou složek počtu vydaných staveb-
Literární přehled
24
ních povolení příliš neměnil, nejsou zaznamenané žádné extrémní výkyvy, tudíž i rozdíl mezi nimi je téměř konstantní. 2.3.4
Zaměstnanost a mzdy
U zaměstnanosti, ať už ve stavebnictví či jiných oblastech, je důležité rozlišovat tři pojmy. Tím nejdůležitějším, od kterého se vše odvíjí, je evidenční počet zaměstnanců, který zahrnuje osoby v pracovním, členském či služebním poměru vzhledem k zaměstnavateli. Nezahrnuje však osoby, které vykonávají veřejné funkce, ženy na mateřské dovolené nebo osoby na rodičovské dovolené, také soudce, učně, osoby, které pracují v dané firmě na základě dohod o pracích a statisticky nesledované zaměstnance ekonomických subjektů. Zbývajícími pojmy jsou průměrný evidenční počet zaměstnanců ve fyzických osobách a průměrný evidenční počet zaměstnanců přepočtený. Ve své práci budu využívat poslední pojem, který přepočítává zaměstnance podle délky jejich pracovních úvazků na stanovenou pracovní dobu zaměstnavatelem. (ČSÚ, online, 2013) Při určování mezd v oblasti stavebnictví se využívá průměrná hrubá měsíční mzda, která představuje podíl mezd bez ostatních osobních nákladů připadajících na jednoho zaměstnance evidenčního počtu za měsíc. Do těchto mezd zahrnujeme nejen základní mzdy a platy, ale také příplatky a doplatky, odměny, náhrady mezd a platů, odměny za pracovní pohotovost a další složky platu nebo mzdy, které byly zaměstnancům zúčtovány k výplatě za dané období. Nezapočítávají se tam náhrady platu nebo mzdy po dobu dočasné pracovní neschopnosti zaměstnance a také karantény, který vyplácí zaměstnavatel. Jelikož se jedná o hrubé mzdy, nejsou sníženy o pojistné na všeobecné zdravotní pojištění a sociální zabezpečení, ani o zálohové platby daní a další jiné srážky. (ČSÚ, online, 2013) „Údaje v tabulce 3 uvedené na další straně jsou čerpány z výsledků zpracování čtvrtletních statistických výkazů vč. odhadů za nešetřenou část populace, které vycházejí z administrativních zdrojů dat.“ (ČSÚ, online, 2013) Průměrný počet zaměstnanců v sektoru stavebnictví nejprve klesal a poté od roku 2003 začíná růst. Tento rostoucí trend vydržel až do roku 2008. Od následujícího roku počty zaměstnaných opět klesají, tento pokles je však možné přisuzovat probíhající ekonomické krize. Naopak průměrná hrubá měsíční mzda v odvětví stavebnictví se od roku 2000 postupně zvyšuje, i když poslední roky je růst pouze nepatrný. Po očištění průměrné hrubé měsíční mzdy o průměrnou míru inflace dostáváme průměrnou reálnou mzdu. Pokud porovnáme její vývoj v jednotlivých letech, tak docházíme téměř ke stejnému závěru. Tato mzda v průběhu jednotlivých let rostla, výjimkou je pouze rok 2012, ve kterém došlo k malému poklesu.
Literární přehled Tab. 3
25
Zaměstnanost a mzdy ve stavebnictví
rok 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
průměrný počet zaměstnanců
průměrná hrubá měsíční mzda
průměrná roční míra inflace
reálná mzda (po očištění od inflace)
272 700 267 100 248 900 250 600 255 600 262 700 262 800 266 600 267 400 261 600 254 800 239 600 231 100
12 623 Kč 13 537 Kč 14 213 Kč 15 203 Kč 16 279 Kč 16 808 Kč 17 885 Kč 19 036 Kč 20 948 Kč 22 022 Kč 22 284 Kč 22 797 Kč 22 862 Kč
3,9 % 4,7 % 1,8 % 0,1 % 2,8 % 1,9 % 2,5 % 2,8 % 6,3 % 1,0 % 1,5 % 1,9 % 3,3 %
12 130,7 Kč 12 900,8 Kč 13 957,2 Kč 15 187,8 Kč 15 823,2 Kč 16 488,6 Kč 17 437,9 Kč 18 503,0 Kč 19 628,3 Kč 21 801,8 Kč 21 949,7 Kč 22 363,9 Kč 22 107,6 Kč
Zdroj: ČSÚ, zpracování: vlastní.
2.4 Zhodnocení současné situace Současná situace ve stavebnictví není příliš příznivá. Statistické údaje zachycují nepříznivý vývoj ve stavebnictví v posledních letech a dle predikce by se situace v následujícím období, tedy v roce 2014, neměla zásadním způsobem měnit. Prognózy odborníků však předpovídají zlepšení stávající situace, neboť ekonomika by měla začít růst. Tento fakt potvrzují také zveřejněné statistické údaje ze začátku roku 2014. Avšak podle nejnovějších údajů Českého statistického úřadu za rok 2013 došlo v tomto roce k poklesu všech sledovaných ukazatelů. Evidovaný pokles stavební produkce je způsoben zejména zastavením investic do této oblasti. Také počty zaměstnaných pracovníků se značně snížily, s čímž souvisí i úbytek podniků v této oblasti, neboť některé stavební firmy donutila současná situace ukončit svoji činnost. Taktéž průměrná mzda zaměstnaných pracovníků v tomto sektoru klesla, meziročně to bylo o 3,2 %. Co se týká bytové výstavby, tak ani v této oblasti nejsou výsledky příznivé, neboť se snižuje jak počet zahájených bytů, tak počet dokončených bytů. Perspektivu růstu bohužel nelze hledat ani u počtu vydaných stavebních povolení. Pro srovnání vývoje jednotlivých ukazatelů ve stavebnictví jsem vytvořila tabulku, která zachycuje vybrané ukazatele v podobě indexů a to v roce 2008, v době vypuknutí ekonomické krize a v roce 2013, aby bylo možné tyto údaje srovnat se současným stavem. Z tabulky je zřetelně vidět, že u všech ukazatelů
Literární přehled
26
došlo k poklesu, u některých dokonce ke značnému. Z uvedených výsledků lze usoudit závěr, že situace ve stavebnictví není stále úplně ideální, spíše zaznamenává klesající trend. Tab. 4
Srovnání vybraných ukazatelů stavebnictví v podobě indexů
ukazatel
2008
2013
index stavební produkce nové stavební zakázky v tuzemsku počty vydaných stavebních povolení orientační hodnota staveb zahájené byty dokončené byty
100,0 121,7 104,1 109,3 99,4 92,2
91,7 97,4 86,8 80,9 92,7 85,7
Zdroj: ČSÚ, zpracování: vlastní.
Materiál a metodika
27
3 Materiál a metodika V této části diplomové práce budou blíže popsána data nutná ke zpracování teoretické části diplomové práce, také statistické metody jejich zpracování a metodologie jejich vzniku. Data uvedená v práci byla analyzována pomocí ekonometrického programu Gretl a tabulkového procesoru MS Excel, který byl rovněž použit pro vytvoření tabulek a grafů (obrázků).
3.1 Materiál Údaje potřebné pro zpracování analýzy časových řad a pro ostatní nezbytné výpočty v práci jsou sekundárního charakteru. V práci byly použity údaje z veřejně přístupných databází a to z České národní banky a Českého statistického úřadu. Data použitá ve vlastní práci jsou čtvrtletního charakteru s délkou 44 pozorování a týkají se časového období od začátku roku 2002 do konce roku 2012. Počáteční rok 2002 byl zvolen proto, že v práci se objevuje proměnná úroková sazba hypotečních úvěrů, která je evidovaná právě od tohoto roku. Bylo nutné k tomuto kroku přistoupit, aby všechna data byla časově srovnatelná a zkoumána za stejné období. Data ohledně úrokových sazeb hypoték byla převzata z databáze časových řad ARAD sestavované Českou národní bankou. Tato databáze poskytuje ucelený přehled aktuálních statistických dat ze tří tematických celků, které se dělí podle zdroje dat a také podle věcného obsahu. Základem databáze jsou zdrojové tabulky, kterých je více než 100 a obsahují okolo 1000 sestav časových řad. (ČNB, 2013, online) Údaje týkající se hypotečních úvěrů byla převzata z evidence Ministerstva pro místní rozvoj ČR, jedná se o nově poskytnuté hypoteční úvěry občanům. Velká část použitých dat byla získána z Českého statistického úřadu. Jedná se zejména o data z oblasti stavebnictví, ale také o některé makroekonomické údaje. V práci jsou testovány a ověřovány 4 hypotézy. V jednotlivých ekonometrických modelech vystupují následující závisle proměnné, které jsou blíže popsány již v literárním přehledu: • počet stavebních zakázek [ks], • počet vydaných stavebních povolení [ks], • průměrné mzda v sektoru stavebnictví [Kč], • počet zaměstnaných osob v sektoru stavebnictví [osob], • počet zahájených staveb (bytů) [ks], V popisovaných ekonometrických modelech se vyskytuje také několik nezávisle proměnných, které jsou popsány níže: • Míra nezaměstnanosti [%] – udává podíl počtu nezaměstnaných osob na celkové pracovní síle a to v procentech. V práci bude použita sezónně ne-
Materiál a metodika
•
•
• • •
28
očištěná časová řada míry nezaměstnanosti převzata z ČSÚ, která zachycuje údaje o osobách ve věku 15 let a starších. HDP [mil Kč] – podle metodiky ČSÚ se jedná o souhrn hodnot přidaných zpracováním ve všech odvětvích činností považovaných v systému národního účetnictví za produktivní. Je to propočet v cenách kupních, za které jsou realizovány tržní výkony, přičemž prvotní propočet je realizován v cenách běžných. Hodnoty HDP ve stálých cenách jsou v souladu s požadavkem Eurostatu z cenové úrovně bazického roku 2005 a jsou vypočteny na základě meziročně řetězovaných indexů údajů vyjádřených v cenách předchozího roku. V práci bude použita časová řada HDP ve stálých cenách stejného období předchozího roku v absolutní výši v mil. Kč. Objem hypotečních úvěrů [mil Kč] – celkové množství úvěrů poskytnutých domácnostem na bydlení. Jde o nejstarší typ úvěru, jehož splácení je zajištěno zástavním právem k nemovitosti. Může být poskytnut jak fyzickým, tak právnickým osobám a v minimální výši 100 000 Kč. Úroková sazba u hypotečních úvěrů [%] – podle metodiky ČNB je to sjednaná úroková sazba přepočtená na roční základ, která pokrývá všechny úrokové platby a uvádí se v procentech za rok. Počet vydaných stavebních povolení [ks] – v práci bude použita časová řada počtu vydaných stavebních povolení evidovaných Českým statistickým úřadem ČR. Průměrná mzda [Kč] – dle metodiky ČSÚ se jedná o hrubou měsíční mzdu, tedy o mzdu před snížením o pojistné na sociální zabezpečení a všeobecné zdravotní pojištění, zálohové splátky daně z příjmů fyzických osob a další zákonné srážky. Do této mzdy nejsou započítány osoby vykonávající veřejné funkce a jedná se o mzdu zúčtovanou k výplatě.
3.2 Metodika Pro ekonomickou analýzu je důležité využití ekonomické teorie, také převedení ekonomických modelů na ekonometrické, aby bylo možné do chování ekonomických subjektů zahrnout také neurčitost a nemodelovat je pouze deterministicky. Ekonometrii je možné interpretovat jako „ekonomické měření“, ačkoliv je měření důležitou součástí ekonometrie, její rozsah je mnohem širší. (Gujarati, 2003, s. 1) Tato oblast ekonomie se zabývá vztahy mezi ekonomickými veličinami a také aplikací matematických, ekonomických a statistických metod na ekonomická data. Jedním z nejužitečnějších nástrojů využívaných v ekonometrii je lineární regresní model, který je v současné literatuře ve zvýšené míře jen výchozím bodem pro úplnou analýzu, avšak stále zůstává nástrojem k zahájení téměř všech empirických výzkumů. (Greene, 2003, s. 7) Východiskem empirické analýzy je ekonomické modelování, ať už formální či méně formální, ale někdy může být vhodnější se zcela spolehnout na intuici. (Wooldridge, 2008, s. 2)
Materiál a metodika
3.2.1
29
Regresní analýza
Pojem regrese, který v překladu znamená „krok zpět“, poprvé použil anglický biolog Francis Galton, který je považován za jeho zakladatele. Tento termín použil při snaze najít závislost mezi výškou dětí a výškou rodičů. (Hindls, 2004, s. 178) Regresní analýza se zabývá jednostrannými závislostmi mezi ekonomickými veličinami. Jedná se o situaci, ve které proti sobě stojí vysvětlující proměnná v úloze „příčin“ a vysvětlovaná proměnná v úloze „následku“. Zkoumají se tendence ve změnách vysvětlovaných proměnných vzhledem ke změnám vysvětlujících proměnných. (Klímek, 2010, s. 21) Proměnná, jejíž pohyby se snaží regrese vysvětlit, se označuje y a proměnné, které se využívají pro vysvětlení těchto změn, se označují x1, x2,…,xk. (Brooks, 2008, s. 27) Cílem regresní analýzy je najít vhodnou matematickou funkci, která bude vyjadřovat charakter závislosti a zobrazovat průběh změn podmíněných průměrů vysvětlované proměnné. Taková funkce se nazývá regresní funkce. (Klímek, 2010, s. 22)
3.2.2
Testování hypotéz
Statistická hypotéza je chápána jako určitý předpoklad o parametrech nebo tvaru rozdělení zkoumaného znaku. Testování hypotéz je proces ověřování správnosti či nesprávnosti stanovené hypotézy pomocí výsledků získaných náhodným výběrem. Nulovou hypotézou (testovanou) nazýváme předpoklad, který byl vysloven o určité charakteristice či tvaru rozdělení v základním souboru. Tato hypotéza má označení H0. Proti ní se staví alternativní hypotéza H1, která určitým způsobem nulovou hypotézu popírá. (Hindls, Hronová, Seger, 2004, s. 133-134) Rozhodnutí o tom, zda přijmeme nulovou nebo alternativní hypotézu, provádíme na základě testového kritéria. To může nabývat množiny hodnot rozdělené na dva podobory: • podobor V, který obsahuje hodnoty svědčící ve prospěch H0 je obor přijetí, • podobor W obsahující hodnoty svědčící ve prospěch H1 je kritický obor. Hodnoty testového kritéria, které oddělují kritický obor a obor přijetí, se nazývají kritické hodnoty. Při testování hypotéz je nutné také zvolit přijatelnou výši hladiny významnosti α, která spolu se způsobem formulování H1 ovlivní vymezení kritického oboru. Nejčastěji se volí hladina významnosti ve výši 5 %. (Marek, 207, s. 132-133) Na základě vypočtených hodnot testového kritéria formulujeme závěry testu. t-test Tento test se většinou využívá k testování hypotéz o každém jednotlivém parametru regresní funkce. Je označován jako t-test statistické průkaznosti jednotlivých parametrů a lze ho aplikovat na jednostranné, ale také oboustranné alternativní hypotézy. Obecná forma t-statistiky (Gujarati, 2003, s. 129) je:
Materiál a metodika
30
- OLS odhad j-tého parametru - konstanta, která vyplývá z nulové hypotézy, kterou chceme ověřit - odhad střední chyby j-tého parametru regrese Tab. 5
Kritéria rozhodování pro t-test
test pravostranný levostranný oboustranný
hypotézy
obor zamítnutí H0
H0: βj ≤ 0; H1: βj > 0 H0: βj ≥ 0; H1: βj < 0 H0: βj = 0; H1: βj ≠0
(-∞; tα/2;n-p>ᴜ
Zdroj: Wooldridge (2008), zpracování: vlastní.
Vyhodnocení t-testu se provádí podle zjištěné hodnoty t-statistiky nebo podle vypočtené p-hodnoty, která se zjistí z testovací statistiky s ohledem na alternativní hypotézu (oboustrannou nebo jednostrannou) a porovnává se se zvolenou hladinou významnosti α. (Wooldridge, 2008, s. 133) F-test F-test je statistický test, který se nejčastěji využívá pro testování celkové průkaznosti regresního modelu. Výpočet testovací statistiky vychází z rozkladu celkového součtu čtverců (TSS) na dvě komponenty: vysvětlovaný součet čtverců (ESS) a reziduální (zbytkový) součet čtverců (RSS). Zkoumání těchto složek TSS je známé jako analýza rozptylu (ANOVA). Testovací F statistika se vypočítá podle následujícího vzorce:
Budeme-li předpokládat model se dvěma proměnnými a také to, že chybový člen má normální rozdělení a H0: βk = 0, pak lze ukázat, že proměnná v čitateli má 1 stupeň volnosti a ta ve jmenovateli (n-2) stupňů volnosti. (Gujarati, 2004, s. 140) Vyhodnocení F testu se provádí stejně jako u t-testu podle zjištěné Fstatistiky nebo pomocí vypočtené p-hodnoty.
Materiál a metodika Tab. 6
31
Tabulka ANOVA pro model se dvěma koeficienty
zdroj variability regrese chyba celkem
sumy čtverců ESS RSS TSS
stupně volnosti 1 n-2 n-1
střední čtverce * ESS RSS/(n-2)
Zdroj: Gujarati (2003), zpracování: vlastní. * Získáme je dělením sumy čtverců se stupni volnosti.
3.2.3
Klasické předpoklady lineárního regresního modelu
Klasický lineární regresní model se skládá z množiny předpokladů, jak soubor dat bude ovlivněn základním údaje generujícím procesem. Teorie určí deterministický vztah mezi závislou proměnnou a nezávislými proměnnými. Předpoklady, které popisují podobu modelu, vztahy mezi jeho částmi, vyjadřují vhodný odhad a závěry, jsou uvedeny níže. (Greene, 2003, s. 10) 1. Regresní model je lineární v parametrech, je správně specifikován a má aditivně připojen chybový člen. Správná specifikace modelu znamená, že model má vhodně zvolené vysvětlující proměnné a správnou funkční formu. Pokud by v modelu nějaká proměnná chyběla nebo tam byla nějaká navíc, značí to problém, který je třeba řešit, proto je nutné této problematice věnovat značnou pozornost. Správná specifikace modelu se ověřuje například pomocí následujících testů: • LM test, • RESET test, • pomocí informačních kritérií. Pomocí grafu reziduí. Jak již bylo uvedeno, model musí být také lineární v parametrech. Aby tento požadavek byl splněn, může model nabývat určitých funkčních forem, které jsou uvedeny v tabulce 7 na další straně. V práci bude použita nejen lineární funkční forma, ale také logaritmická funkční forma.
Materiál a metodika Tab. 7
32
Modely lineární v parametrech
rovnice
funkční forma lineární polynomická
inverzní logaritmická semilogaritmická: -logaritmicko-lineární
-lineárně-logaritmická Zdroj: Gujarati (2003), zpracování: vlastní.
2. Chybový člen má nulovou střední hodnotu. (E(εt) = 0) Tento předpoklad vyžaduje, aby střední hodnota chyb byla nulová. Platí, že pokud je konstanta obsažena v regresní rovnici, tak tento předpoklad nebude nikdy porušen. (Brooks, 2008, s. 131) 3. Všechny vysvětlující proměnné jsou nekorelované s chybovým členem. Kdyby tento předpoklad nebyl splněn, vysvětlujícím proměnným by byla chybně přisouzena část variability, která pochází z chybového členu. (Gujarati, 2003, s. 71) 4. Pozorování chybového členu jsou nekorelována se sebou samými = NENÍ sériová korelace. (cov(εi,εj) = 0 pro i≠j) Předpokládáme, že pozorování chybového členu jsou nekorelována se sebou samými. Pokud by tomu tak nebylo, tak to signalizuje problém sériové korelace neboli autokorelace. Testování tohoto předpokladu je tedy nutné. Nejčastěji se objevuje sériová korelace 1. řádu, ve které ověřujeme vztah mezi chybovým členem v čase t a jeho bezprostředně předcházející hodnotou. Sériovou korelaci 1. řádu můžeme testovat pomocí Durbin-Watsonova (DW) testu. V tomto testu se stanoví nulová hypotéza (H0: ρ=0 -> sériová korelace neexistuje), alternativní hypotéza (H1: ρ≠0 -> sériová korelace existuje) a pro výpočet se využívá Durbin-Watsonova d statistika.
Materiál a metodika
33
Hodnota DW statistiky se pohybuje v intervalu <0,4>. Ideální hodnota je z intervalu <1,4; 2,6>, ale můžeme se také setkat s třemi extrémními případy: 1. ρˆ=0, DW=2, nulová hypotéza se nezamítá, sériová korelace není přítomna, 2. ρˆ=1, DW=0, v tomto případě se vyskytuje extrémně pozitivní sériová korelace, 3. ρˆ=-1, DW=4, což odpovídá případu, kde je extrémně negativní sériová korelace. Tento test však nemusí vždy podat jednoznačný výsledek, neboť má dvě kritické hodnoty – vyšší a nižší a pak také obsahuje střední oblast, ve které nulovou hypotézu ani nezamítáme, ani nepřijímáme. (Brooks, 2008, s. 139-147)
Obr. 4 Ukázky korelace: a) pozitivní sériová korelace, b) negativní sériová korelace, c) sériová korelace není přítomna Zdroj: Gujarati (2003)
Pro testování sériové korelace je také určen Ljung-Boxův test a BreuschGofreyho test, které se zaměřují na sériovou korelaci vyšších řádů a dále je možné využít také autokorelační a parciální autokorelační funkce, které snadno vytvoříme v softwaru Gretl. V případě, že se sériová korelace prokáže, je vhodné k její detekci použít zobecněnou metodu nejmenších čtverců (GLS). (Brooks, 2008, s. 150)
Materiál a metodika
34
5. Chybový člen má konstantní varianci = NENÍ heteroskedasticita. (var (ε) = σ2) Tento předpoklad říká, že chybový člen je homoskedastický, jeho rozptyl se nemění. (Wooldridge, 2008, s. 53) Pro detekci heteroskedasticity se využívá Parkův test a Whiteův test. Oba testy jsou založeny na následujících hypotézách: H0: homoskedasticita a H1: heteroskedasticita. V případě, že se heteroskedasticita v modelu objevuje, pak rozlišujeme heteroskedasticitu čistou, která je důsledkem rozdělení správně specifikovaného modelu a nečistou, kterou způsobuje chyba specifikace modelu. Pro odstranění heteroskedasticity se doporučuje využít jednu z následujících možností: • zobecněnou metodu nejmenších čtverců (GLS), • předefinování proměnných, • metodu opravené heteroskedasticity. (Brooks, 2008, s. 136-138) 6. Žádná vysvětlující proměnná není perfektní lineární kombinací jiné vysvětlující proměnné = NENÍ perfektní multikolinearita. V podstatě v každém praktickém kontextu existuje určitý vztah mezi vysvětlujícími proměnnými. Pokud se však vyskytuje pouze malá míra asociace mezi těmito proměnnými, nezpůsobuje to příliš velké ztráty přesnosti. Problém však nastává v okamžiku, kdy jsou vysvětlující proměnné na sobě silně závislé. Tento problém se nazývá multikolinearita a vyskytuje se ve dvou podobách, jako perfektní a neperfektní multikolinearita. Perfektní multikolinearita nastává, pokud se objevuje závislost mezi dvěma nebo více proměnnými. V tomto případě není možné odhadnout všechny koeficienty v modelu. Perfektní multikolinearita se obvykle vyskytuje v situacích, kdy stejné vysvětlující proměnná byla v regresi neúmyslně použita dvakrát. Neperfektní multikolinearita se vyskytuje častěji. Vzniká, jestliže je silný vztah mezi proměnnými, ale ne tolik silný, aby jedna proměnná byla vysvětlena variabilitou jiné proměnné. (Brooks, 2008, s. 170-171) Multikolinearitu můžeme detekovat pomocí párových korelačních koeficientů, koeficientů VIF nebo koeficientů vícenásobné determinace. V případě výskytu multikolinerity v modelu je možné zvolit jedno z následujících 4 řešení této situace: 1. nedělat nic – k tomu kroku přistoupíme, je-li model správně specifikován a má-li statisticky věrohodné odhady, 2. vynechat jednu korelovanou proměnnou, 3. transformovat vysoce korelované proměnné, 4. zvýšit velikost zkoumaného vzorku (neboli rozsah souboru dat). (Brooks, 2008, s. 173) 7. Chybový člen vykazuje normální rozdělení. (ε ~ N (0, σ2)) Předpoklad normality je volitelný, ale je důležitý při testování hypotéz. Normalita je často viděna jako zbytečný a nevhodný dodatek regresního modelu, kromě případů, které alternativní rozdělení předpokládají. (Greene, 2003, s. 17)
Materiál a metodika
35
Obr. 5 Normální a asymetrické rozdělení chybového členu Zdroj: Brooks (2008)
Je-li splněno všech 7 předpokladů, pak platí, že OLS odhad parametru je nejlepší nevychýlený odhad parametrů ze všech možných odhadů, nejen z těch lineárních, je tzv. BUE (Best Unbiased Estimator). Pokud jsou splněny pouze klasické předpoklady 1-6, pak platí Gauss-Markov teorém, který říká že OLS odhad parametru je nejlepší lineární nestranný odhad, tzv. BLUE (Best Linear Unbiased Estimator). (Gujarati, 2003, s. 79-81) 3.2.4
Analýza časových řad
Analýzou případně prognózou časových řad se označuje soubor metod, které jsou využívány k popisu těchto řad a v případě nutnosti k předpovědi jejich budoucího chování. Časové řady se člení do skupin podle různých kritérií. Nejznámější jsou časové řady členěné podle periodicity na krátkodobé (z nichž se nejčastěji využívají měsíční časové řady) a dlouhodobé (označované jako roční). Vyskytnout se však můžou i časové řady intervalové či okamžikové, časové řady naturálních či peněžních ukazatelů a jiné. (Hindls, Hronová, Seger, 2004, s. 246) Ekonomické časové řady jsou charakteristické sezónností, která se vyskytuje zejména u krátkodobých časových řad. Pod tímto pojmem se skrývá periodické kolísání systematického charakteru, které se opakuje během kalendářního roku ve stejné nebo modifikované podobě. Jelikož stavebnictví je sezónním odvětvím, bude nutné se touto problematikou v práci zabývat a řešit ji. Dalšími charakteristikami jsou nelinearita, trend, který zachycuje dlouhodobé změny v chování časové řady a podmíněná heteroskedasticita. Ta se naopak objevuje u časových řad vysokofrekvenčních, nejčastěji ve finančních časových řadách, kde se střídají období s vysokou a také nízkou volatilitou. (Artl, Artlová, 2009, s. 12-20) V rámci analýzy časových řad je také nutné rozlišovat mezi skutečnou a zdánlivou (nepravou) závislostí mezi dvěma a více časovými řadami či proměnnými, které mohou vykazovat podobný trend (kladný nebo záporný), sezónnost či volatilitu. V případě nepravé regrese jsou výsledky testů znehodnocené a nespolehlivé, neboť společný trend přehlušuje skutečné kauzální závislosti. Granger a Newbolt při zkoumání důsledků zdánlivých regresí nezávisle pro-
Materiál a metodika
36
měnných shodně se vyvíjejících v čase dospěli k závěrům, že ani vysoké hodnoty koeficientů determinace, které jsou však spojené se značnou autokorelací, nejsou zárukou skutečné regresní závislosti mezi proměnnými. (Hušek, 1998, s. 226-227) Poslední důležitou charakteristikou časových řad, kterou je nutné ověřovat, je stacionarita. Ta představuje ustálené chování časové řady. V případě, že daný proces má v čase stejné střední hodnoty a rozptyly, korelační a kovarianční funkce závislé pouze na časové vzdálenosti náhodných veličin, je prokázána existence stacionarity. (Artl, Artlová, 2009, s. 25) V praxi se však často setkáváme s nestacionárními časovými řadami charakteristickými přítomností trendu. Příčinnou nestacionarity může být v čase se měnící rozptyl nebo střední hodnota. Příkladem nestacionární časové řady je proces náhodné procházky. (Artl, Artlová, 2003, s. 57) Přítomnost (ne)stacionarity je možné ověřovat pomocí testů jednotkového kořene, které nabízí program Gretl. Asi nejdůležitějším testem jednotkového kořene je rozšířený Dickey-Fullerův test (ADF), který nabízí tři základní verze testování: 1. test bez konstanty 2. test s konstantou 3. test s konstantou a trendem Pro všechny tři uvedené případy platí: Nulová hypotéza H0: nestacionarita , Alternativní hypotéza H1: stacionarita . Dalším využívaným testem stacionarity je KPSS test, který má hypotézy stanovené naopak oproti ADF testu, staví do pozice nulové hypotézy stacionaritu a v rámci alternativní hypotézy je ověřována nestacionarita. (Brooks, 2008, s. 318-331) V ekonometrické analýze se můžeme setkat s tím, že některé proměnné obsažené v modelu mají diskrétní nebo kvantitativní charakter, proto je není možné přímo měřit či kvantifikovat. Takové proměnné se mohou vyskytovat jak v pozici vysvětlujících, tak v pozici vysvětlovaných proměnných. Měření kvantitativních či diskrétních proměnných se provádí pomocí techniky umělých proměnných. Tyto proměnné kompenzují empirická data, připisujeme jim takové hodnoty, které co nejlépe aproximují změny či intenzitu působení činitelů, které zamýšlíme měřit případně kvantifikovat. Při vytváření těchto proměnných je nutné zvolit klasifikační škálu. Často se aplikují umělé proměnné dichotomické nebo binární, které nabývají pouze dvou hodnot, nula a jedna. Jednotka většinou určuje výskyt nebo přítomnost sledovaného atributu. Nula naopak značí, že dané charakteristiky se nevyskytují. (Hušek, 2007, s. 50-51) Řada údajů časových řad může také někdy obsahovat strukturální zlom, který se objeví například v důsledku změn v politice nebo náhlého šoku v eko-
Materiál a metodika
37
nomice. Pro testování přítomnosti strukturálního zlomu se často používá Chowův test nebo QLR test, který je modifikací Chowova testu. QLR test se využívá v případě, kdy nevíme, v jakém bodě se strukturální zlom časové řady nachází. Je založen na výpočtech F-statistiky Chowova testu, přičemž nejvyšší hodnota F-statistiky určuje strukturální zlom. (Brooks, 2008) 3.2.5
Kointegrace časových řad
Kointegrace, která se využívá k řešení nestacionarity časových řad, je dalším závažným problémem, který se u časových může vyskytnout a je třeba ho řešit. Je založena na použití prvních diferencí a jejich zařazení do regrese. Nestacionární časové řady jsou kointegrované, pokud existuje nějaká stacionární lineární kombinace těchto časových řad. Kointegrace mezi dvěma či více časovými řadami naznačuje jejich dlouhodobý rovnovážný vztah. (Gujarati, 2004, s. 853) Při testování kointegrace se většinou používají testy kointegrace založené na testování jednotkových kořenů. Autory těchto testů jsou, Engle a Granger. Stanovili nulovou hypotézu, v níž proměnné nejsou kointegrované a proti ní postavili alternativní hypotézu kointegrace proměnných. Často využívaným testem kointegrace je pro svoji jednoduchost Engleův-Grangeův test označovaný jako EG test kointegrace. Hušek uvádí, že roku 1996 bylo provedeno porovnání kointegračních testů, postavených na nulové hypotéze nekointegrace a že se dospělo k závěru, že síla tohoto testu se mění od 90 % do 100 %, bohužel však často zamítá pravdivou nulovou hypotézu o neexistující kointegraci. (Hušek, 2007, s. 136-137)
3.2.6
Vyrovnání časových řad
Časové řady je možné vyrovnat dvěma způsoby. Rozlišuje se vyrovnání mechanické, které se provádí pomocí klouzavých průměrů, a vyrovnání analytické za pomocí trendové funkce, která představuje spojitou funkci času. Vyrovnání trendovou funkcí je oproti použití klouzavých průměrů výhodnější, neboť pomocí trendové funkce lze určit předpovědi do budoucna. Samotné vyrovnání časové řady je řešeno jako regresní úloha, kde za závisle proměnnou je považována zkoumaná proměnná a nezávisle proměnná je vyjádřena pomocí času (časové proměnné, trendu). Trend představuje hlavní tendenci dlouhodobého vývoje hodnot analyzovaného ukazatele v čase a rozlišujeme trend rostoucí, klesající a konstantní. (Hindls, Hronová, Seger, 2004, s. 254) Pro popis trendové složky je možné využít několika trendových funkcí, v práci však bude použit pouze lineární a parabolický (kvadratický) trend, které řadíme do skupiny jednoduchých trendových funkcí, protože zpravidla nemají asymptotu, proto nedochází k omezení jejich růstu. Pro odhad parametrů trendových funkcí se nejčastěji používá metoda nejmenších čtverců, kterou však lze použít pouze, když je trendová funkce lineární v parametrech. Tato metoda je jednoduchá, numericky snadná a minimalizuje rozptyl reziduální složky, navíc
Materiál a metodika
38
pomocí ní lze u lineární a parabolické trendové funkce dosáhnout přímo odhadu parametrů. (Hindls, Hronová, Seger, 2004, s. 256-262) Lineární trend je velmi často používaným typem trendové funkce. Je možné ho použít pokaždé, když máme v úmyslu určit směr vývoje analyzované časové řady. Má následující tvar: β0, β1 – neznámé parametry t – časová proměnná (t=1, 2, …, n)
K odhadu neznámých parametrů se vzhledem k lineárnímu tvaru funkce používá metoda nejmenších čtverců, která poskytuje nejlepší nevychýlené odhady. Parabolický trend, který bývá také označován jako kvadratický trend, se vyznačuje následujícím tvarem: β0, β1, β2 – neznámé parametry t – časová proměnná (t=1, 2, …, n)
Stejně jako u lineárního trendu se také u parabolického trendu vyskytuje trendová funkce, která je lineární v parametrech, proto i v tomto případě se pro odhad parametrů použije metoda nejmenších čtverců.
3.2.7
Sezónnost časových řad
Jelikož stavebnictví je vysoce sezónní odvětví, je zřejmé, že i časové řady týkající se oblasti stavebnictví budou tímto problémem zasaženy. Sezónnost je způsobena zejména střídáním ročního období a dalšími doprovázející jevy. Ve stavebnictví jsou silnější jarní, letní a podzimní měsíce, naopak v období od prosince do února (někdy i do března či dubna, podle toho, jak dlouhá a mrazivá je zima), kdy počasí bývá většinou nepříznivé a vyskytuje se velké množství srážek, není ve stavebnictví odpovídající množství práce. Stavebnictví je tedy závislé na charakteru počasí, zvláště pak na délce a intenzitě zimy. Kromě klimatických vlivů na sezónnost působí také vlivy zprostředkované, které spočívají ve zvyklostech a stereotypech chování lidí, dále pak ekonomicko-hospodářské vlivy a další. Důsledkem působení sezónních vlivů na zkoumanou časovou řadu jsou pravidelné výkyvy směrem nahoru a dolů v průběhu sledovaného období, tzv. sezónní výkyvy. Zjišťuje se, zda jsou tyto výkyvy statisticky významné, aby bylo možné s řadou dále pracovat. (Hindls, Hronová, Seger, 2004, s. 302) V případě potvrzení výskytu sezónnosti se nabízí dva možné další postupy. Prvním z nich je modelování sezónnosti a druhý spočívá v sezónním očišťování, pomocí kterého odstraníme sezónní složku z časové řady. Každý z uvedených postupů má své výhody a nevýhody. V případě modelování sezónní složky se využívají modely konstantní či proporcionální sezónnosti. • Model konstantní sezónnosti – vychází z pojetí, že rozsah sezónních oscilací ve vývoji ukazatele se během daného období nemění
Materiál a metodika
39
a že absolutní výše výkyvů se pravidelně opakuje v každém dílčím období roku (např. v každém čtvrtletí). Nezbytnou podmínkou je také stabilní charakter sezónnosti uvnitř roku. Rozlišujeme tři typy modelů konstantní sezónnosti, kterými jsou: 1) model konstantní sezónnosti se schodovitým trendem, 2) model konstantní sezónnosti s lineárním trendem, 3) model konstantní sezónnosti s ročním lineárním trendem. • Model proporcionální sezónnosti – je charakteristický tím, že sezónní výkyvy souvisí s dosaženou úrovní trendové složky. (Kozák, Hindls, Artl, 1994, s. 115-121) Základní myšlenkou tohoto modelu je změna sezónních výkyvů, která je přímo úměrná dosažené úrovni trendové složky. Z toho plyne, že sezónní složka je přímo úměrná složce trendové. (Hindls, Hronová, Seger, 2004, s. 308) Existuje také velké množství metod sezónního očišťování. Některé jsou jednoduché, jiné složité, v praxi je však obtížné rozhodnout, kterou metodu použít. Princip je však u všech metod stejný. Jde o vyloučení sezónní složky z časové řady při zachování složky trendové či cyklické. Týká se to sezónní periodicity s délkou vlny kratší nebo rovnou jeden rok. V dnešní době se však využívají různé počítačové programy, které si s tímto problémem dokážou snadno poradit. Ekonometrický program Gretl nabízí dvě metody sezónního očišťování a to TRAMO analýzu nebo X12-ARIMA analýzu, ale je možné také vycházet klouzavých průměrů různých typů. Dále se používají metody regresní či adaptivní, ale je možné také využít exponenciálního vyrovnávání. (Hindls, Hronová, Seger, 2004, s. 312-313)
Výsledky a diskuse
40
4 Výsledky a diskuse Vlastní práce je rozdělena do několika podkapitol podle jednotlivých hypotéz stanovených v cílech práce. U každé hypotézy je sestaven model, který je odhadován, testován a ověřován. V rámci diskuze jsou modely vyhodnoceny, okomentovány a u některých z nich jsou stanoveny předpovědi na budoucí období.
4.1 Stavební povolení a stavební zakázky První stanovená hypotéza je následující: „Počty vydaných stavebních povolení a stavebních zakázek jsou ovlivněny začátkem a průběhem ekonomické krize.“ Aby bylo možné tuto hypotézu potvrdit či vyvrátit, je nutné sestavit vhodný ekonometrický model, otestovat ho, ověřit ho a vyvodit z něj závěry. Jelikož uvedená hypotéza obsahuje dvě závisle proměnné, bude rozdělena na dvě části, které budou ověřovány samostatně. Stavební povolení
4.1.1
Pro ověřování závislosti proměnné počet vydaných stavebních povolení (stav_povol) na začátku a průběhu ekonomické krize bylo nutné vycházet z grafu časové řady, který je zachycen na obrázku 6. Z časové řady je možné vidět sezónnost a také klesající trend, patrně parabolický, což usuzujeme z průběhu časové řady. Pravděpodobně se v časové řadě bude vyskytovat nějaký zlom, neboť od roku 2007 dochází ke změně v průběhu této řady. 50000
45000
stav_povoleni
40000
35000
30000
25000
20000 2002
2004
2006
2008
Obr. 6 Graf časové řady počty vydaných stavebních povolení Zdroj: výpočty autorky.
2010
2012
Výsledky a diskuse
41
Při sestavování tohoto modelu budeme vycházet z jednoduchého trendového modelu, do kterého je nutné zahrnout sezónnost a také časový trend. Jelikož se jedná o čtvrtletní časovou řadu, je nutné zařadit čtyři sezónní proměnné. Sezónnost v prvním čtvrtletí však byla vynechána z důvodu přesné kolinearity. Podoba odhadovaného modelu je následující:
V tabulce 8 jsou uvedeny odhadnuté parametru modelu a jeho popisné charakteristiky. Tento model má poměrně vysoký adjustovaný koeficient determinace, statisticky významné proměnné s výjimkou časových proměnných, ale stále ještě nebyl verifikován. Tab. 8
Odhadnuté parametry modelu pro počet vydaných stavebních povolení
const. dq2 dq3 dq4 time sq_time
koeficient
t-statistika
p-hodnota
30 622,10 8 458,85 10 793,70 8 254,69 -124,25 -4,83
21,250 7,321 9,331 7,122 -0,945 -1,704
p < 0,001
Koeficient determinace Adjustovaný koeficient determinace
p < 0,001 p < 0,001 p < 0,001 0,3508 0,0966 0,842 0,821
Zdroj: výpočty autorky.
Při pohledu na vykreslenou časovou řadu počtu vydaných stavebních povolení je možné usuzovat, že se v této řadě vyskytuje nějaký strukturální zlom. Pro určení období, ve kterém lze zlom identifikovat, se využívá QLR testu. Tento test lze snadno provést v ekonometrickém programu Gretl a jeho výsledný graf je zaznamenám na obrázku 7. Z grafu uvedeného na obrázku 7 je možné vidět strukturální zlom, ke kterému dochází v prvním čtvrtletí roku 2007. Tento zlom zřejmě signalizoval blížící se potíže, neboť zanedlouho téhož roku vypukla ve světě již zmiňovaná ekonomická krize. V tomto období nabývá F-statistika svého maxima 17,161 a pětiprocentní kritický kvantil dosahuje úrovně 2,399. P-hodnota je 0,0000, což svědčí o tom, že strukturální zlom je průkazný.
Výsledky a diskuse
42
18 Chowův F-test pro zlom
16
14
12
10
8
6
4
2
0 2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Obr. 7 Výstup QRL testu pro model počty vydaných stavebních povolení Zdroj: Výpočty autorky.
Dále je možné pomocí Chowova testu provedeného v programu Gretl časovou řadu rozdělit na dvě části právě v místě zlomu, tedy v prvním čtvrtletí roku 2007. Tím získáme jakoby dva modely, které proložíme kvadratickým trendem, který se jeví v tomto případě jako nejvhodnější. První z nich zachycuje etapu od počátku roku 2002 do konce roku 2006. Druhá část časové řady v sobě zahrnuje zbývající období, tedy od bodu zlomu do konce roku 2012. Pro posouzení modelu jako celku slouží tabulka 9, ve které jsou zachyceny jednak parametry tohoto modelu, a také výsledky některých testů. Jelikož byla konstanta ve druhém segmentu nevýznamná, musela být odstraněna. Všechny navrhované proměnné jsou statisticky významné, model má vysoký adjustovaný koeficient determinace (95 %), vyšší než v případě prvotního odhadovaného modelu, což svědčí o tom, že tento model je kvalitnější a pro použití vhodnější. Model počtu vydaných stavebních povolení byl také podroben řadě dalších testů, ve kterých se prokázala správná specifikace modelu, homoskedasticita a normálně rozdělený chybový člen. V modelu se bohužel u některých proměnných vyskytuje problém kolinearity, ale jelikož specifikace modelu je v pořádku a odhady parametrů jsou věrohodné, nebudeme k tomu přihlížet. Podle výsledku LM testu autokorelace se tento problém v modelu nevyskytuje, z korelogramu reziduí je však patrné, že mírná autokorelace prvního řádu je v modelu přítomna. Dostáváme model, u kterého dochází jak ke změně v trendu, tak ke změně sezónnosti. Z tohoto tvrzení vyplývá, že zkoumaná proměnná počet vydaných stavebních povolení je ovlivněna počátkem a průběhem ekonomické krize, závislost se tedy prokázala.
Výsledky a diskuse Tab. 9
43
Parametry modelu pro počty vydaných stavebních povolení
const. dq2 dq3 dq4 time sq_time dt2 dt3 dt4 dtime dsq_time
koeficient
t-statistika
p-hodnota
23 973,90 11 641,20 15 396,50 11 983,10 850,38 -45,65 -6 177,85 -9 050,63 -7 641,41 -582,71 37,42
21,190 12,990 17,080 13,170 3,707 -4,299 -5,097 -7,426 -6,221 -3,117 3,747
p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 0,0038 p < 0,001
test
testová statistika
p-hodnota
0,545 15,513 1,353 1,378 0,230
0,586 0,215 0,008 0,266 0,891
Koeficient determinace Adjustovaný koeficient determinace
0,963 0,951
RESET test Whiteův test Durbin-Watsonův test LM test autokorelace Test normality reziduí
Zdroj: výpočty autorky.
Následuje srovnání obou částí časové řady počty vydaných povolení z hlediska trendu a sezónnosti. Segment I představuje období do bodu zlomu (do konce roku 2006) a segment II období od bodu zlomu dále, tedy od začátku roku 2007 do konce roku 2012. Koeficienty trendu a sezónnosti jsou zobrazeny v tabulce 10 na další straně. Z tabulky 10 vyplývá, že během prvního období dochází mezičtvrtletně k poklesu počtu vydaných stavebních povolení, zaznamenáváme tedy klesající trend. V druhém období po vypuknutí ekonomické krize se počet vydaných stavebních povolení i nadále snižuje, ale zde už je pokles mírnější. Během zkoumaného období tedy dochází ke změně v trendu. Koeficienty sezónnosti udávají, o kolik se vývoj časové řady v jednotlivých čtvrtletích liší od hodnot trendu. Sezónnost v prvním čtvrtletí byla opět vynechána z důvodu přesné kolinearity. Při porovnání období před zlomem a po zlomu je vidět, že v průběhu času došlo ke změně v koeficientech sezónnosti, neboť se výrazně snížily. Nejvíce vydaných stavebních povolení je v uvedených letech vždy ve třetím čtvrtletí.
Výsledky a diskuse Tab. 10
44
Srovnání koeficientů trendu a sezónnosti v období před zlomem a po zlomu
parametr β0 β1 β2 dq2 dq3 dq4
segment I
segment II
23 973,90 850,38 -45,65 11 641,20 15 396,50 11 983,10
23 973,90 267,67 -8,23 5 463,35 6 345,87 4 341,69
Zdroj: výpočty autorky.
Nyní bude proveden odhad vývoje časové řady počty vydaných stavebních povolení v následujících dvou letech, tedy na období let 2013-2014. Předpověď do budoucna má však určité omezení, kterým je princip ceteris paribus, neboť model, který generoval data v minulosti, je bude generovat i nadále. Na obrázku 8 je zachyceno grafické znázornění, které je číselně rozebráno v tabulce 11 pod obrázkem. 50000 95 procentní interval stav_povoleni předpověď 45000
40000
35000
30000
25000
20000
15000
10000
5000 2002
2004
2006
2008
2010
2012
Obr. 8 Graf predikce časové řady počty vydaných stavebních povolení Zdroj: výpočty autorky.
2014
Výsledky a diskuse Tab. 11
45
Predikce časové řady počtu vydaných stavebních povolení
období
předpověď
95% konfidenční interval
I. 2013 II. 2013 III. 2013 IV. 2013 I. 2014 II. 2014 III. 2014
15 255 23 150 24 911 21 790 12 942 20 799 22 522
8 997,35 - 21 511,78 16 800,41 - 29 499,25 18 459,40 - 31 363,52 15 224,89 - 28 354,20 6 179,04 - 19 705,58 13 882,67 - 27 715,23 15 441,39 - 29 602,52
IV. 2014
19 361
12 106,05 - 26 616,78
Zdroj: výpočty autorky.
Na základě předpovídaných hodnot můžeme usuzovat, že počty vydaných stavebních povolení se budou snižovat. Ke značnému poklesu dojde na počátku roku 2013, kdy se počet vydaných stavebních povolení bude pohybovat pouze mírně nad 15 000. Největší nárůst vydaných stavebních povolení přinese podzim roku 2013. Následuje období poklesu, které se během prvních tří měsíců roku 2014, dostane na své dno. Tento pokles je logický a dá se očekávat, neboť zimní měsíce odvětví stavebnictví nepřejí, počasí je nepříznivé a stavební práce jsou mnohdy úplně přerušeny. Rostoucí tendenci zaznamenáváme od března roku 2014 do září roku 2014, kdy se bude počet vydaných stavebních povolení pohybovat v intervalu od 13 883 do 29 603 povolení. Konec roku 2014 bude opět ve znamení poklesu. 4.1.2
Stavební zakázky
Také v případě stavebních zakázek je stanovena hypotéza, ve které je nutné ověřit závislost počtu stavebních zakázek (stav_zak) na počátku a průběhu ekonomické krize. I v tomto případě budeme vycházet z grafu časové řady, který je uveden na obrázku 9. Z grafu časové řady lze odvodit, že se jedná o sezónní časovou řadu, předpokládáme, že se jedná o proporcionální sezónnost. Také lze usuzovat, že se v časové řadě objevuje trend, který je prvně rostoucí, ale později začíná klesat, pravděpodobně se tedy bude jednat o parabolický trend.
Výsledky a diskuse
46
75000
70000
65000
60000
stav_zak
55000
50000
45000
40000
35000
30000
25000 2002
2004
2006
2008
2010
2012
Obr. 9 Graf časové řady počet stavebních zakázek Zdroj: výpočty autorky.
Při sestavování modelu pro počet stavebních zakázek použijeme trendový model, do kterého zahrneme polynomický trend a sezónnost. Hodnota sezónnosti pro první čtvrtletí není obsažena z důvodu přesné kolinearity. Symbolické vyjádření odhadovaného modelu je:
Odhadnuté parametry tohoto modelu jsou zaznamenány v tabulce 12. Tento model má všechny proměnné statisticky významné na hladině významnosti 95 % a jeho adjustovaný koeficient determinace je vyšší než 57 %. Pro posouzení vhodnosti použití tohoto modelu je však nutné model verifikovat. Tab. 12
Odhadnuté parametry modelu pro počet stavebních zakázek
const. dq2 dq3 dq4 time sqtime
koeficient
t-statistika
p-hodnota
25 211,80 11 945,30 14 776,30 15 025,90 1 937,34 -44,95
6,329 3,740 4,621 4,690 5,328 -5,739
p < 0,001
Koeficient determinace Adjustovaný koeficient determinace Zdroj: výpočty autorky.
p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 0,623 0,574
Výsledky a diskuse
47
Při testování modelu na výskyt proporcionální sezónnosti se původní odhad nepotvrdil, neboť tato sezónnost nebyla prokázána. Dále je vhodné zjistit, zda se v časové řadě nenachází nějaký zlom. To ověříme pomocí QLR testu. Z výsledku testu, který je graficky zachycen na obrázku 10, plyne, že v průběhu časové řady se objevují tři zlomy, bohužel však žádný z nich není průkazný. Poslední a také největší zlom, který se objevuje ve druhém čtvrtletí roku 2010, nastává v okamžiku dosažení maxima F-statistiky 1,421 s p-hodnotou 0,237. 1,6 Chowův F-test pro zlom
1,4
1,2
1
0,8
0,6
0,4
0,2
0 2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Obr. 10 Výstup QRL testu pro model počty stavebních zakázek Zdroj: výpočty autorky.
Ačkoliv se zlom v časové řadě neprokázal, je velice pravděpodobné, že se v ní vyskytuje, bohužel však není možné ho pomocí statistických testů prokázat a zachytit, neboť QRL test je založen na usekání časové řady o 15 %. Zlom se tedy patrně nachází mimo testovanou oblast. Tento zlom souvisí s omezením výdajů státního fondu dopravní infrastruktury, ke kterému došlo v roce 2011, kdy byl rozpočet snížen přibližně o 35 miliard Kč. Toto opatření vedlo k poklesu stavebních zakázek v následujících letech (2012 a 2013), nové stavby se v tomto období v podstatě nezahajují, pouze se dokončují ty stávající. Lze tedy předpokládat, že se situace v této oblasti nezlepší, neboť s poklesem stavebních zakázek je rozvoj stavebnictví v dalším období ohrožen. To potvrzuje také skutečnost, že došlo ke krátkodobému propadu ve výstavbě dopravní infrastruktury, neboť nedošlo pouze ke snížení rozpočtu, ale také k redukci zdrojů z EU. Zmíněná redukce výdajů přinesla nejen propad stavebních zakázek, ale také pokles zaměstnanosti a nestabilitu prostředí, ve kterém se stavební firmy pohybují. Tento fakt dokládá, že stavební zakázky byly krizí ovlivněny, ale projevilo se to se zpožděním.
Výsledky a diskuse
48
Model byl také podroben řadě dalších testů, aby mohla být prokázána jeho správná specifikace, potvrzena homoskedasticita, normální rozdělení chybového členu a vyvrácena hypotéza o autokorelaci chybového členu. Vybrané výsledky testů jsou uvedeny v tabulce 13. Tab. 13
Výsledky vybraných testů modelu počtu stavebních zakázek
test RESET test Whiteův test Durbin-Watsonův test LM test autokorelace Test normality reziduí
testová statistika
p-hodnota
0,329 13,639 1,983 1,468 1,913
0,722 0,340 0,407 0,233 0,384
Zdroj: výpočty autorky.
Po otestování modelu a vyhodnocení výsledků je možné říci, že tento model je průkazný a je možné s ním dále pracovat. Všechny provedené testy vedly k výborným výsledkům, neboť byla prokázána správná specifikace modelu, homoskedasticita, normální rozdělení chybového členu. V modelu nebyl prokázán výskyt autokorelace a jediným problémem je opět kolinearita, kterou není nutné se zabývat, neboť specifikace modelu je v pořádku a odhady parametrů jsou statisticky věrohodné. Nyní přistoupíme k odhadu budoucího vývoje testované časové řady na roky 2013 a 2014. Grafické řešení je zobrazeno na následujícím obrázku 11. 80000 95 procentní interval stav_zak předpověď 70000
60000
50000
40000
30000
20000
10000
0
-10000 2002
2004
2006
2008
2010
Obr. 11 Graf predikce časové řady počet stavebních zakázek Zdroj: výpočty autorky.
2012
2014
Výsledky a diskuse
49
Můžeme si všimnout, že interval predikce, který znárodňuje zelená plocha, je poměrně široký a má klesající tendenci. Nejspíše tedy budou počty stavebních zakázek i nadále klesat. V tabulce 14 je průběh časové řady počet stavebních zakázek v následujících dvou letech vyjádřen číselně. Tab. 14
Predikce časové řady počtu stavebních zakázek
období
předpověď
95% konfidenční interval
I. 2013 II. 2013 III. 2013 IV. 2013 I. 2014 II. 2014 III. 2014 IV. 2014
21 359 31 151 31 739 29 655 12 206 21 638 21 866 19 423
4 061,68 - 38 657,30 13 598,61 - 48704,02 13 902,41 - 49 575,33 11 507,43 - 47 802,88 6 490,78 - 30 902,80 2 518,42 - 40 757,98 2 292,18 - 41 440,06 634,39 - 39479,93
Zdroj: výpočty autorky.
Z tabulky predikce časové řady počet stavebních zakázek, můžeme vyčíst, že v následujících dvou letech bude nejvíce stavebních zakázek zadáno ve třetím čtvrtletí daného roku, tedy v období od července do září. Naopak nejméně zakázek se bude realizovat během prvního čtvrtletí daného roku, neboť v zimních měsících většinou nebývají realizovány. Průběh počtu stavebních zakázek v obou předpovídaných letech se v porovnání se zkoumanou časovou řadou snížil. Značný propad je předpovídán zejména na rok 2014.
4.2 Průměrná mzda ve stavebnictví Další ověřovaná hypotéza se týká průměrné mzdy (prum_mzda_st), opět je ověřována v závislosti na ekonomické krizi a její celé znění je následující: „Průměrná mzda v sektoru stavebnictví je ovlivněna začátkem a průběhem ekonomické krize.“ Pro ověření této hypotézy je opět potřeba vycházet z grafu časové řady, který je znázorněn na obrázku 12. Můžeme si všimnout, že se jedná o sezónní časovou řadu s rostoucím trendem. Jelikož je na první pohled vidět změna ve vývoji časové řady, bude se v ní pravděpodobně vyskytovat zlom, který by se podle prvních odhadů měl objevovat někde během let 2008-2009.
Výsledky a diskuse
50
26000
24000
prum_mzda
22000
20000
18000
16000
14000
12000 2002
2004
2006
2008
2010
2012
Obr. 12 Graf časové řady průměrná mzda ve stavebnictví Zdroj: výpočty autorky.
Pro sestavení a odhadování modelu průměrné mzdy ve stavebnictví použijeme trendový model, který v sobě bude zahrnovat sezónnost a polynomický trend. Průběh časové řady by mohl svádět k použití lineárního trendu, ale v tomto případě bude lepší využít polynomický trend, neboť se domníváme, že časovou řadu popíše lépe. Jelikož pracujeme se čtvrtletními daty, musíme použít čtyři koeficienty sezónnosti, přičemž sezónnost v prvním čtvrtletí byla vynechána z důvodu přesné kolinearity. Symbolické vyjádření modelu vypadá takto:
Tab. 15
Odhadnuté parametry modelu pro průměrnou mzdu ve stavebnictví
const. dq2 dq3 dq4 time sq_time
koeficient
t-statistika
11 334,60 1 404,38 1 647,14 3 280,99 324,98 -2,07
35,340 5,461 6,398 12,720 11,100 -3,287
Koeficient determinace Adjustovaný koeficient determinace Zdroj: výpočty autorky.
p-hodnota p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 0,0022 0,971 0,968
Výsledky a diskuse
51
V tabulce 15 jsou uvedeny odhadnuté parametry modelu průměrné mzdy. Model má všechny proměnné statisticky významné a jeho adjustovaný koeficient je vysoký, přesahuje 96 %. Naše očekávání se potvrdilo, polynomický trend je na hladině významnosti 95 % průkazný, proto s ním budeme dále pracovat. Tento model je však nutné před použitím verifikovat. Jelikož nás zajímá závislost na ekonomické krizi, zkusíme zjistit, zda časová řadu obsahuje nějaký strukturální zlom, který by potvrzoval, že se průběh časové řady ve sledovaném období bude lišit. Po otestování časové řady na přítomnost strukturálních zlomů QRL testem, dostáváme výsledek, který je zachycen na obrázku 13. 22 Chowův F-test pro zlom 20
18
16
14
12
10
8
6
4
2
0 2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Obr. 13 Výstup QRL testu pro průměrnou mzdu ve stavebnictví Zdroj: výpočty autorky.
Z výsledku QRL testu vyplývá, že ve třetím čtvrtletí roku 2009 dochází ke strukturálnímu zlomu při maximální hodnotě F-statistiky 20,199 s p-hodnotou nižší než 0,0001. Tento zlom je tedy průkazný. Můžeme si všimnout, že zlom je patrný také na počátku roku 2008. V tomto případě je způsoben změnami, které ve společnosti nastaly. Došlo k meziročnímu růstu inflace o 3,5 %, také ke zvýšení snížené sazby DPH z 5 % na 9 % a měnily se již zavedená pravidla, která ve státě do té doby fungovala. Jelikož se tento zlom objevuje na počátku ekonomické krize, tak do určité míry může být ovlivněn také jí. Svou pozornost však zaměříme na druhý zlom, který nám dělí časovou řadu na dvě nestejně dlouhá období. První z nich trvá od roku 2002 až do poloviny roku 2009 a druhé od bodu zlomu do konce roku 2012. Pro posouzení modelu je nutné se dívat na časovou řadu jako na celek, i když v sobě zahrnuje dva segmenty a vytvořený model verifikovat. Jelikož jsou všechny hodnoty proměnných statisticky významné a model má velmi vysoký adjustovaný koeficient determinace, je tento model průkazný a budeme z něj
Výsledky a diskuse
52
dále vycházet. Další provedené testy toto tvrzení potvrdily, neboť specifikace modelu je správná, chybový člen vykazuje normální rozdělení, v modelu se nevyskytuje problém heteroskedasticity ani autokorelace. Jediné úskalí spočívá v kolinearitě, která je v modelu obsažena. Druhý segment časové řady neobsahuje konstantu, neboť nebyla statisticky významná, proto byla z modelu odstraněna. Odhadnuté parametry modelu a výsledky některých testů jsou zobrazeny v tabulce 16. Tab. 16
Parametry modelu časové řady průměrné mzdy
const. dq2 dq3 dq4 time sq_time dt2 dt3 dt4 dttime dtsq_time
koeficient
t-statistika
p-hodnota
12 342,30 1 295,51 1 572,83 2 886,00 146,77 3,88 489,09 589,77 1 576,25 213,45 -7,96
65,060 8,744 10,210 18,710 5,626 4,744 1,753 2,163 5,755 7,371 -8,759
p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 0,089 0,0379 p < 0,001 p < 0,001 p < 0,001
test
testová statistika
p-hodnota
1,542 11,753 1,708 0,211 5,613
0,230 0,466 0,104 0,930 0,060
Koeficient determinace Adjustovaný koeficient determinace
0,994 0,992
RESET test Whiteův test Durbin-Watsonův test LM test autokorelace Test normality reziduí
Zdroj: výpočty autorky.
Dále přistoupíme k analýze trendové a sezónní složky a to jak v období před zlomem (od začátku roku 2002 do poloviny roku 2009), tak v období po zlomu časové řady (od třetího čtvrtletí roku 2009 do konce roku 2012). Získané výsledky (uvedené v tabulce 17) mezi sebou porovnáme.
Výsledky a diskuse Tab. 17
53
Srovnání koeficientů trendu a sezónnosti v období před zlomem a po zlomu
parametr β0 β1 β2 dq2 dq3 dq4
segment I
segment II
12 342,30 146,77 3,88 1 295,51 1 572,83 2 886,00
12 342,30 360,22 -4,08 1 784,60 2 162,60 4 462,25
Zdroj: výpočty autorky.
Podle koeficientů trendu můžeme vidět, že v průběhu celého sledovaného období zaznamenáváme rostoucí trend. V první části časové řady, tedy do bodu zlomu, roste trend rychleji, avšak od třetího čtvrtletí roku 2009 je nárůst mzdy pomalejší. Je tedy zřejmé, že v průběhu sledovaného období se trend mění, není konstantní. Koeficienty sezónnosti zaznamenané v tabulce 17 níže určují odchylku od kvadratického trendu. Hodnota sezónnosti pro první čtvrtletí není uvedena z důvodu přesné kolinearity. Z tabulky vyplývá, že v obou částech časové řady se objevuje konstantní sezónnost. V druhé části časové řady jsou však větší výkyvy v sezónnosti a to zejména ve čtvrtém čtvrtletí. Vliv počátku a průběhu ekonomické krize je značný, neboť dochází k výrazným rozdílům mezi jednotlivými čtvrtletími a také k pomalejšímu nárůstu průměrných mezd v sektoru stavebnictví. Po otestování a ověření výsledného modelu je třeba přistoupit k predikci na další období, aby bylo možné si udělat představu o vývoji časové řady průměrné mzdy ve stavebnictví do budoucna, na následující dva roky. Predikce je provedena a zaznamenána jak graficky (na obrázku 14), tak číselně (v tabulce 18).
Výsledky a diskuse
54
28000 95 procentní interval prum_mzda předpověď 26000
24000
22000
20000
18000
16000
14000
12000
10000 2002
2004
2006
2008
2010
2012
2014
Obr. 14 Graf predikce časové řady průměrné mzdy ve stavebnictví Zdroj: výpočty autorky. Tab. 18
Predikce časové řady průměrné mzdy ve stavebnictví
období
předpověď
95% konfidenční interval
I. 2013 II. 2013 III. 2013 IV. 2013 I. 2014 II. 2014 III. 2014 IV. 2014
21 761 23 301 23 676 25 438 22 281 23 805 24 164 25 909
20 368,09 - 23 153,47 21 888,27 - 24 714,70 22 240,37 - 25 112,49 23 977,20 - 26 899,44 20 775,90 - 23 786,55 22 265,96 - 25 344,73 22 587,76 - 25 739,66 24 294,15 - 27 523,86
Zdroj: výpočty autorky.
Z výsledků vyplývá, že bude docházet k mírnému nárůstu mzdy. Nejvyšší úrovně by mzda měla dosahovat vždy ve čtvrtém čtvrtletí obou předpovídaných let, naopak nejnižší by měla být během ledna-března roku 2013, kdy se její úroveň bude pohybovat v rozmezí 20 368 Kč až 23 153 Kč. Přesně podle očekávání je úroveň průměrné mzdy ve stavebnictví v obou předpovídaných letech na nejnižší úrovni na počátku roku. Opět je to dané tím, že v zimních měsících, do kterých spadá také leden a únor, je v tomto sektoru méně práce, tudíž i mzdy setrvávají na nižší úrovni než po zbytek roku.
Výsledky a diskuse
55
4.3 Počet zaměstnaných ve stavebnictví Třetí stanovená hypotéza se týká zaměstnanosti (počet_zam). V souvislosti s touto problematikou bylo třeba ověřit následující tvrzení: „Počty zaměstnaných v sektoru stavebnictví jsou ovlivněny začátkem a průběhem ekonomické krize.“ Východiskem pro ověření stanovené hypotézy byl graf časové řady. Jeho podoba je zakreslena na obrázku 15. Z grafu časové řady plyne, že se jedná o sezónní časovou řadu, neboť zaznamenáváme konstantní sezónnost. Časová řada obsahuje také trend, který je zpočátku rostoucí, někdy během roku 2009 se patrně bude měnit na klesající. Průběh této řady naznačuje, že se v časové řadě bude nejspíše vyskytovat strukturální zlom. Toto tvrzení je však nutné podložit průkaznými výsledky testu. 420000
415000
410000
405000
pocet_zam
400000
395000
390000
385000
380000
375000
370000
365000 2002
2004
2006
2008
2010
2012
Obr. 15 Graf časové řady počet zaměstnaných ve stavebnictví Zdroj: výpočty autorky.
Nejprve bylo nutné odhadnout model, pomocí kterého by se stanovená hypotéza dala ověřit. Při sestavování odhadovaného modelu byl použit model s trendem a sezónností. Podle průběhu grafu časové řady se jako nejvhodnější jevil kvadratický trend, proto byl také použit. Symbolické vyjádření odhadnutého modelu má následující podobu:
Odhadnuté parametry vytvořeného modelu jsou zaznamenány v tabulce 19. Odhadnutý model má všechny proměnné statisticky významné a také adjustovaný koeficient determinace je poměrně vysoký.
Výsledky a diskuse Tab. 19
56
Odhadnuté parametry modelu pro počty zaměstnaných ve stavebnictví
const. dq2 dq3 dq4 time sq_time
koeficient
t-statistika
p-hodnota
357 937,00 13 428,60 18 236,50 13 839,10 3 028,07 -62,53
149,600 7,002 9,498 7,194 13,870 -13,300
p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001
Koeficient determinace Adjustovaný koeficient determinace
0,888 0,873
Zdroj: výpočty autorky.
Tento model se jeví jako vyhovující pro použití, neboť prokázal vliv sezónnosti a trendu na počty zaměstnaných v odvětví stavebnictví, ale ještě nebyl verifikován. Sezónnost v prvním čtvrtletí byla opět vynechána z důvodu přesně kolinearity. Jelikož nás ale zajímá vliv ekonomické krize na tuto proměnnou, otestujeme časovou řadu na přítomnost strukturálních zlomů QLR testem. 8 Chowův F-test pro zlom
7
6
5
4
3
2 2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Obr. 16 Výstup QRL testu pro počty zaměstnaných ve stavebnictví Zdroj: výpočty autorky.
Výsledky QLR testu potvrdily strukturální zlom ve druhém čtvrtletí roku 2009, tento zlom nastává při hodnotě F-statistiky 7,9076 a při 5% kritickém kvantilu 2,399. Z výstupu QRL testu zachyceného na obrázku 16 však můžeme vidět ještě dva zlomy, které se v průběhu časové řady objevují. První z nich byl nalezen
Výsledky a diskuse
57
v průběhu roku 2004 a pravděpodobně zachycuje vstup ČR do Evropské unie. Druhý a zároveň poslední zlom byl odhalen v roce 2011. Příčinnou tohoto zlomu bylo omezení přísunu peněz a zpomalení investic do stavebnictví, zejména na výstavbu silnic a dálnic. Důvodem je „Plán úspor v jednotlivých etapách investičního procesu“, který byl připraven Ředitelstvím silnic a dálnic ČR spolu s Ministerstvem dopravy ČR. V rámci tohoto plánu byla přijata série úsporných opatření a nastavena nová pravidla v oblasti výstavby, která je mnohdy neefektivní a zbytečně se prodražuje. Toto opatření bylo doprovázeno poklesem zaměstnanosti v sektoru stavebnictví. Existence strukturálního zlomu rozdělila časovou řadu na dva segmenty. První segment zachycuje období do bodu zlomu, tedy do prvního čtvrtletí roku 2009 a druhý segment tvoří úsek od druhého čtvrtletí roku 2009 do konce roku 2012. Ačkoliv strukturální zlom dělí časovou řadu na dva segmenty, je nutné se na ni podívat jako na celek a verifikovat ji. Po všech potřebných úpravách a vyloučení statisticky nevýznamných proměnných jsme dospěli k výslednému modelu, který je uveden v tabulce 20. Tab. 20
Parametry modelu pro počty zaměstnaných ve stavebnictví
koeficient
t-statistika
p-hodnota
366 615,00 13 575,50 17 687,60 13 778,70 1 235,96 -196 232,00 4 030,05 6 071,86 4 926,69 12 161,90 -206,86
240,700 8,369 10,910 8,495 17,720 -2,858 1,370 2,075 1,675 3,266 -4,117
p < 0,001 p < 0,001 p < 0,001 p < 0,001 p < 0,001 0,0073 0,1800 0,0459 0,1035 0,0025 p < 0,001
testová statistika
p-hodnota
RESET test
0,281
0,757
Whiteův test
26,178
0,010
Durbin-Watsonův test
1,355
0,009
LM test autokorelace
3,502
0,019
Test normality reziduí
0,556
0,757
const. dq2 dq3 dq4 time dummy dt2 dt3 dt4 dttime dtsq_time test
Koeficient determinace
0,953
Adjustovaný koeficient determinace
0,938
Zdroj: výpočty autorky.
Výsledky a diskuse
58
Výsledný model s vyjádřeným strukturálním zlomem zachycuje statisticky významné proměnné a dosahuje vyššího adjustovaného koeficientu determinace než model výchozí, proto je tento model vhodnější, neboť zkoumanou časovou řadu popisuje lépe. Při verifikaci modelu byla zjištěna jeho správná specifikace a normální rozdělení chybového členu. Bohužel však byla prokázána kolinearita, heteroskedasticita a autokorelace. Tento model není ideální, má jisté chyby, ale jelikož je tato práce zaměřena na skupinu interpretovatelných modelů, model byl ponechán v této podobě, aby se s ním mohlo dále pracovat. Tab. 21
Srovnání koeficientů trendu a sezónnosti v období před zlomem a po zlomu
parametr β0 β1 β2 dq2 dq3 dq4
segment I
segment II
366 615,00 1 235,96 0,00 13 575,50 17 687,60 13 778,70
170 383,00 13 397,86 -206,86 17 605,55 23 759,46 18 705,39
Zdroj: výpočty autorky.
Z analýzy trendu vyplývá, že v prvním segmentu (do prvního čtvrtletí roku 2009) se objevují lineární rostoucí trend. Ve druhém segmentu časové řady počtu zaměstnaných ve stavebnictví se projevil kvadratický trend, který je klesající. V rámci sezónnosti můžeme vidět, o kolik se hodnoty liší od trendu. Výsledky jsou opět zaznamenány pro jednotlivá čtvrtletí, přičemž hodnota v prvním čtvrtletí (dq1) byla vynechána z důvodu přesné kolinearity. Uvedené hodnoty signalizují, že nejvíce lidí v sektoru stavebnictví je zaměstnáváno vždy ve třetím čtvrtletí, nejméně naopak v druhém kvartálu. Při porovnání období před zlomem a po zlomu je patrné, že došlo k nárůstu sezónnosti. Závěrem analýzy trendové a sezónní složky lze tvrdit, že počty zaměstnaných v sektoru stavebnictví jsou ovlivněny počátkem a průběhem ekonomické krize. Následně bude provedena predikce vývoje časové řady počtu zaměstnaných ve stavebnictví. Předpověď bude opět stanovena na dva roky dopředu, tedy na období let 2013-2014. Ještě před provedením predikce byl učiněn odhad, který počítá se snižováním počtu zaměstnaných v následujících letech. Předpovídané počty zaměstnaných osob jsou zachyceny v grafickém znázornění (obr. 17), které je v tabulce 22 níže doplněno o číselné vyjádření.
Výsledky a diskuse
59
420000 95 procentní interval pocet_zam předpověď 410000
400000
390000
380000
370000
360000
350000
340000 2002
2004
2006
2008
2010
2012
2014
Obr. 17 Graf predikce časové řady počtu zaměstnaných ve stavebnictví Zdroj: výpočty autorky. Tab. 22
Predikce časové řady počtu zaměstnaných ve stavebnictví
období
předpověď
95% konfidenční interval
I. 2013 II. 2013 III. 2013 IV. 2013 I. 2014 II. 2014 III. 2014 IV. 2014
367 567 378 333 380 353 373 043 356 166 366 432 367 952 360 141
357 180,93 - 377 952,85 367 793,84 - 388 871,85 369 643,73 - 391 062,48 362 146,68 - 383 939,21 344 940,14 - 367 392,01 354 915,84 - 377911,65 356 199,13 -379 704,32 348 098,56 - 372 184,02
Zdroj: výpočty autorky.
Výsledky predikce potvrdily náš odhad, neboť bude skutečně docházet k poklesu v oblasti zaměstnanosti. Na počátku roku 2013 se počet zaměstnaných ve stavebnictví bude pohybovat v rozmezí od 357 181 do 377 953 zaměstnanců. V následujících dvou čtvrtletích dojde k mírnému nárůstu zaměstnaných osob, který svého maxima dosáhne právě ve třetí čtvrtletí roku 2013 a to 380 353 zaměstnaných. Poté nastává období poklesu, které se na počátku roku 2014 zastaví na nejnižší hodnotě, v rámci sledovaného období. S příchodem roku 2014 se počet zaměstnaných osob sníží na úroveň 356 166 osob. Po období mírného růstu zaznamenáme opět pokles a na konci roku 2014 by se počet zaměstnaných v sektoru stavebnictví měl zastavit na hodnotě 360 141 osob.
Výsledky a diskuse
60
4.4 Počet zahájených bytů Poslední čtvrtou hypotézou stanovenou v cíli práce, kterou je třeba ověřit a následně potvrdit či zamítnout její platnost, je hypotéza týkající se počtu zahájených staveb. Její formulace je: „Počet zahájených staveb závisí na objemu poskytnutých hypotečních úvěrů, na úrokové sazbě hypoték a dalších makroekonomických ukazatelích.“ Tato hypotéza byla zúžena na počet zahájených bytů, neboť se nepodařilo dohledat údaje ohledně počtů všech zahájených staveb. ČSÚ v této souvislosti eviduje pouze počty zahájených bytů, se kterými budeme v této části práce dále pracovat. Graf časové řady počet zahájených bytů je uveden na obrázku 18. 13000
12000
pocet_zahajenych_bytu
11000
10000
9000
8000
7000
6000
5000 2002
2004
2006
2008
2010
2012
Obr. 18 Graf časové řady počet zahájených bytů Zdroj: výpočty autorky.
Pro ověření této hypotézy byla do pozice závisle proměnné dosazena proměnná počet zahájených bytů (pocet_ZB) a jako nezávisle proměnné byly testovány následující proměnné: • počet nově poskytnutých hypotečních úvěrů (objem_hyp), • úroková sazba hypotečních úvěrů (us_hyp), • HDP (HDP), • míra nezaměstnanosti (mira_nez), • průměrná mzda (prum_mzda) • počet vydaných stavebních povolení (stav_pov). Očekáván je pozitivní vztah u hypotečních úvěrů, HDP, průměrné mzdy a počtu vydaných stavebních povolení. Všechny tyto proměnné by se podle odhadů s nárůstem počtu zahájených bytů měly zvyšovat. Naopak záporný vztah je
Výsledky a diskuse
61
předpokládán u úrokových sazeb hypotečních úvěrů a míry nezaměstnanosti, neboť předpokládáme, že s růstem počtu zahájených bytů se míra nezaměstnanosti bude snižovat, neboť čím více bude práce, tím méně lidí bude nezaměstnaných. Nejprve bylo nutné ověřit, zda jsou všechny výše uvedené časové řady nestacionární a kointegrované, tedy zda s nimi můžeme pracovat tak jak jsou nebo je třeba je upravit. K testování nestacionarity byl použit Dickey-Fullerův test, který u všech testovaných časových řad nestacionaritu prokázal (viz tabulka 23). Ovšem při ověřování kointegrace časových řad, ke kterému byl využit EngleGrangerův test, bylo zjištěno, že v časových řadách se objevuje problém kointegrace a je třeba ho řešit. Proto bylo nutné u časových řad použít první diference. Výsledek testu kointegrace je zachycen v tabulce 23. Pro vyhodnocení testu kointegrace byl rozhodující poslední řádek tabulky, tedy rezidua kointegrační regrese. Vysoká p-hodnota (vyšší než 0,05) signalizuje již zmíněný problém kointegrace. Tab. 23
Výsledky testu kointegrace
časová řada pocet_ZB objem_hyp us_hyp HDP mira_nez prum_mzda stav_pov rezidua
test s konstantou test bez konstanty p-hodnota p-hodnota 0,975 0,281 0,077 0,242 0,052 0,565 0,924 0,959
0,373 0,685 0,406 0,732 0,587 0,991 0,245 0,994
Zdroj: výpočty autorky.
Některé časové řady vykazují sezónní charakter, jiné ne, proto byly všechny časové řady sezónně očištěny ARIMA analýzou, aby bylo možné s nimi dále pracovat. Pro posouzení závislosti mezi jednotlivými testovanými proměnnými byla sestavena korelační matice, kterou tvoří korelační koeficienty. Ze sestavené matice uvedené v tabulce 24 níže vyplývá, že závislost mezi ověřovanými proměnnými se prokázala pouze u těch proměnných, u kterých je korelační koeficient vyšší než vypočtená 5% kritická hodnota, která je 0,3008. Tato situace nastala pouze u jediné proměnné a to u počtu vydaných stavebních povolení.
Výsledky a diskuse Tab. 24
62
Korelační matice
časová řada
d_pocet_ZB d_objem_hyp 1,0000
d_pocet_ZB d_objem_hyp d_us_hyp d_HDP časová řada
-0,0420 1,0000
d_us_hyp -0,1526 -0,2215 1,0000
d_HDP 0,1404 0,2443 -0,1099 1,0000
d_mira_nez d_prum_mzda d_stav_pov
d_pocet_ZB d_objem_hyp d_us_hyp d_HDP d_mira_nez d_prum_mzda d_stav_pov
-0,0227 -0,3601 -0,1084 -0,4265 1,0000
-0,0545 -0,6050 0,0165 0,0699 -0,2230 1,0000
0,3066 -0,3062 -0,1952 0,2190 0,1314 0,1150 1,0000
Zdroj: výpočty autorky.
Závislost mezi počty zahájených bytů a počty vydaných stavebních povolení je tedy zřejmá a dala se očekávat. Je však nutné si uvědomit, že mezi vydáním stavebního povolení a zahájením stavby je určitá prodleva, která je u každé stavby individuální a může být libovolně dlouhá. Někdy se může jednat o lhůtu až třičtvrtě roku. Navíc platnost vydaného stavebního povolení je omezena, a to na dobu 2 let, pokud do té doby není stavba zahájena, stavební povolení pozbývá platnosti. Právě v rámci zmíněné prodlevy může nastat mnoho skutečností, které můžeme jen těžko odhadovat a už vůbec je nemůžeme ovlivnit. Proto ač by se závislost počtu zahájených staveb (bytů) na objemu poskytnutých hypotečních úvěrů dala očekávat, neboť většina staveb je v dnešní době úvěrem financována, bohužel nebyla prokázána. Důležitou roli zde hraje také financování bank a podmínky bank pro poskytnutí úvěrů, které klienti musí splnit, pokud o úvěr žádají. V případě, že si člověk vyřizuje stavební povolení a hypoteční úvěr současně, může se stát, že úvěr bude mít schválený a bude ho muset platit. Pokud však nezíská stavební povolení, neboť se stavební řízení protáhne, nemůže začít stavět. I z tohoto tvrzení plyne, že závislost stavebního povolení je silnější a patrná. To stejné platí i pro ostatní zkoumané proměnné. To, co potvrdila korelační matice, se ukázalo také při modelování proměnných, neboť výsledný model taktéž poukazuje pouze na závislost počtu zahájených bytů a počtu vydaných stavebních povolení.
Výsledky a diskuse Tab. 25
63
Parametry výsledného modelu pro počty zahájených bytů
d_stav_pov
koeficient
t-statistika
p-hodnota
0,22
2,130
0,0391
test
testová statistika
p-hodnota
1,511 1,747 2,832 3,564 3,253
0,233 0,186 0,999 0,015 0,197
Koeficient determinace Adjustovaný koeficient determinace
0,098 0,098
RESET test Whiteův test Durbin-Watsonův test LM test autokorelace Test normality reziduí
Zdroj: výpočty autorky.
Tento výsledný model není bohužel ideální, ale v rámci interpretovatelných modelů je nutné ho použít. Z modelu vyplývá, že pokud dojde k růstu přírůstku vydaných stavebních povolení o jedno, dojde k růstu přírůstků zahájených bytů o 0,22. Závislost na objemu hypotečních úvěrů, úrokové sazbě hypotečních úvěrů a ostatních testovaných makroekonomických ukazatelích se neprokázala. Při testování se prokázala správná specifikace modelu, normální rozdělení chybového členu a také homoskedasticita. Bohužel se v modelu vyskytuje mírná autokorelace. Co se týká kolinearity, tak ta je v pořádku. Adjustovaný koeficient determinace je nízký, modelem bylo vysvětleno 9,8 % závisle proměnné. Při zkoumání vlivu ekonomické krize na proměnnou počty zahájených bytů, je možné vycházet z grafu časové řady, jejíž průběh zachycuje výrazný pokles zahájených bytů po roce 2009, tedy poté, co se naplno projevila krize v České republice. Snižování počtu zahájených bytů se dalo očekávat, neboť v období ekonomické krize lidé mají méně peněz, jsou opatrnější, a buď se sami bojí zadlužit, neboť mají strach, že nebudou moci splácet nebo vůbec nesplní podmínky pro poskytnutí úvěru, tudíž nemají z čeho svůj dům nebo byt koupit či postavit. Lidé spíše kupují starší byty, případně bydlí v pronájmu či s rodiči, neboť si vlastní bydlení nemohou dovolit.
Závěr
64
5 Závěr Stavebnictví, které řadíme mezi hospodářská odvětví, je významné odvětví, které si klade za cíl zajistit potřeby člověka a také společnosti. Jeho závislost na spoustě průmyslových odvětví je zřejmá, velký důraz se však klade na dopravu, která je pro toto odvětví důležitá. Stavebnictví se řadí mezi odvětví s vysokou sezónností a závislostí nejen na počasí a klimatických podmínkách, ale také na hospodaření státu a financování bank a vývoji ekonomiky, což se při zpracování této práce potvrdilo. Ekonomika má hlavní vliv na soukromé investice domácností. Česká ekonomika se pomalu vrací k růstu a lze předpokládat, že se tímto směrem vydá i stavebnictví. Otázkou je s jakým odstupem. Cílem práce bylo zhodnocení dopadů ekonomické krize v sektoru stavebnictví České republiky za použití statistických metod a ekonometrických modelů. Mezi ukazatele stavebnictví, které byly testovány a ověřovány, byly zařazeny stavební zakázky, stavební povolení, počty zaměstnaných osob, průměrná mzda a počty zahájených bytů. V práci byla také zkoumána závislost těchto proměnných na ekonomické krizi, která propukla v letech 2007 až 2008. Zmíněné proměnné byly testovány jako závisle proměnné. Do pozice nezávisle proměnných se dostaly zejména makroekonomické ukazatele a také proměnné týkající se hypotečních úvěrů a čas. Základním předpokladem při zpracování práce bylo, že ekonomická krize ovlivnila situaci v sektoru stavebnictví v České republice. Toto tvrzení bylo ověřováno v dalších částech práce. Diplomová práce se také zabývá prognózou budoucího vývoje vybraných ukazatelů tohoto sektoru, ze které vyplývá předpokládaný vývoj těchto ukazatelů v následujících dvou letech, pro které byla predikce zpracována. Ekonomická krize v České republice propukla během roku 2008 a její příčinou byla především uvolněná měnová politika, podcenění rizik a nedostatečný dohled nad finančními trhy. Ačkoliv se prvotní příčiny objevují ve finančním sektoru, krize se poměrně rychle rozšířila i do reálné ekonomiky a promítla se i do ostatních sektorů národního hospodářství, stavebnictví nevyjímaje. V tomto sektoru se krize projevila poklesem stavební produkce a snížením poptávky po úvěrech, neboť došlo ke změně úvěrových podmínek, byly zpřísněny. Také dochází k růstu nezaměstnanosti, která je způsobena zejména klesajícím počtem volných pracovních míst. Celkově se situace české ekonomiky zhoršila, neboť dochází ke snížení tempa růstu, poklesu zaměstnanosti, stagnaci mezd, snížení výroby a také poklesu HDP. To, že dopad krize na českou ekonomiku byl značný, dokládají výsledky této práce, neboť došlo k poklesu všech zkoumaných proměnných. Při zpracování práce byla nejprve provedena analýza časové řady počty vydaných stavebních povolení, u které byl vytvořen trendový model, který v sobě zahrnuje kvadratický trend a sezónnost. V časové řadě byl v prvním čtvrtletí roku 2007 detekován strukturální zlom, který předpověděl blížící se problémy, neboť zanedlouho poté vypukla ve světě ekonomická krize a počty vydaných sta-
Závěr
65
vebních povolení klesly. Toto tvrzení se prokázalo v rámci trendové analýzy, kdy byla časová řada rozdělena na dva segmenty, v rámci kterých byl identifikován klesající trend. Sestavený a ověřovaný model potvrdil testovanou hypotézu, tedy že počty vydaných stavebních povolení jsou ovlivněny začátkem a průběhem ekonomické krize. Vlivem krize došlo k poklesu počtu vydaných stavebních povolení. Z vytvořené predikce vyplývá, že počty vydaných stavebních povolení by i v dalších dvou letech měly klesat, přičemž svého minima by měly dosahovat v zimních měsících roku, kdy je v tomto odvětví méně práce, neboť se zhoršují klimatické podmínky. Další zkoumanou proměnnou byly počty stavebních zakázek. Při odhadování modelu pro počty stavebních zakázek byl také prokázán strukturální zlom a to ve druhém čtvrtletí roku 2010 jako následek probíhající ekonomické krize. Tento zlom byl spojen zejména s omezením výdajů do státního fondu dopravní infrastruktury. Toto rozhodnutí se projevilo ve stavebních zakázkách až v průběhu roku 2011, kdy dochází ke snižování jejich počtu. Vliv ekonomické krize na zkoumanou proměnnou byl prokázán, ale objevuje se až s určitým zpožděním. Predikce budoucího vývoje časové řady stanovila poměrně široký interval pro počty stavebních zakázek. V jednotlivých čtvrtletích následujících dvou let by měly počty stavebních zakázek i nadále klesat. Tento průběh lze přisuzovat doznívajícím úsporným opatřením. V souvislosti s další stanovenou hypotézou byla testována časová řada průměrných mezd ve stavebnictví. Závislost na ekonomické krizi a jejím průběhu se prokázala na základě strukturálního zlomu, který se v časové řadě objevuje ve třetím čtvrtletí roku 2009. Tento zlom potvrdil, že v období před jeho výskytem byly hodnoty trendu a sezónnosti odlišné než v období po jeho výskytu. Ekonomická krize tedy má jistý vliv na průběh této časové řady, což také dokládá fakt, že v době trvání ekonomické krize je nárůst mezd mnohem mírnější než v období před jejím začátkem. Na závěr testování tohoto modelu byla opět provedena predikce na budoucí období, která naznačuje i nadále mírný nárůst průměrné hrubé měsíční mzdy v tomto sektoru. Posledním sestaveným a zkoumaným trendovým modelem byl model týkající se zaměstnanosti ve stavebnictví. Opět se prokázal jako nejvhodnější parabolický trend, který byl modelován společně se sezónností. Také u tohoto modelu byl odhalen strukturální zlom, který časovou řadu rozdělil na dva segmenty, do bodu zlomu (do prvního čtvrtletí roku 2009) a od bodu zlomu dále. Při dalších analýzách bylo prokázáno, že dochází ke změně v trendu, avšak co se týká sezónnosti, můžeme u ní vidět mírný nárůst. Dopady ekonomické krize na tuto časovou řadu jsou zřejmé, od počátku ekonomické krize se počty zaměstnaných v tomto sektoru snížily, neboť podniky kvůli nepříznivému vývoji situace musely snižovat své stavy. Předpověď budoucího vývoje této časové řady potvrdila, že počty zaměstnaných by se v dalších dvou letech měly snižovat, časová řada by měla vykazovat klesající trend. Dále byl zkoumán model vztahující se k poslední stanovené hypotéze. Tento model postavil do pozice závisle proměnné počty zahájených bytů a v rámci nezávisle proměnných byly testovány počty poskytnutých hypotečních úvěrů, úro-
Závěr
66
kové sazby hypotečních úvěrů, počty vydaných stavebních povolení a některé makroekonomické ukazatele (HDP, míra nezaměstnanosti, průměrná mzda). Ačkoliv byla očekávána závislost těchto proměnných na vysvětlované proměnné, výsledky testování prokázaly opak. Z korelační matice byla stanovena pouze závislost počtu vydaných stavebních povolení na počtu zahájených bytů. Tyto výsledky byly potvrzeny i v rámci modelování a verifikace modelu. Toto chování je přisuzováno zejména určité prodlevě, která se objevuje mezi vydání stavebního povolení a zahájením stavby. Během této doby se může uskutečnit plno událostí a zvratů, které mohou ovlivnit závislost zkoumaných proměnných a lze je jen těžko předpovídat. Bohužel se tedy nepotvrdil vliv hypotečních úvěrů, úrokové sazby hypotečních úvěrů ani jiných makroekonomických ukazatelů na počty zahájených staveb. Hypotéza o takovém tvrzení je tedy zamítnuta. Vliv probíhající ekonomické krize na zkoumanou proměnnou je však zřejmý, neboť po roce 2009 dochází k prudkému poklesu počtů zahájených bytů. Lidé nemají peníze na výstavbu či koupi bytů, projevují se u nich obavy z platební neschopnosti, proto se nechtějí zadlužovat, raději bydlí v podnájmu nebo u rodičů. Vliv ekonomické krize na oblast stavebnictví je značný a postihuje jak oblast bytové výstavby, tak zaměstnanost a mzdovou oblast. Pro tento vědní obor to není pozitivní zpráva a je třeba učinit kroky ke změně stávající situace. Je nutné, aby byla obnovena bytová výstavba a také přijata vhodná opatření, která by vedla k růstu zaměstnanosti v této oblasti. Důležitá je také podpora státu, která by dopady v tomto sektoru mohla zmírnit a tím zajistit rozvoj stavebnictví a přispět k následnému růstu ekonomiky. Podle mého názoru by současnou situaci ve stavebnictví mohl zlepšit vstup českých firem na zahraniční trhy a také sjednání lepších podmínek pro export. V rámci rozvoje tohoto odvětví by bylo vhodné zlepšit přístup státu k investicím do bydlení a dopravy (infrastruktury), které by měly pozitivní dopad na zaměstnanost. Růst počtu zaměstnaných osob s sebou přináší vyšší příjmy domácností, což povede k nárůstu výdajů na spotřebu, což může být impulsem pro oživení ekonomiky. Důležité je také analyzovat současný stav a nechat se inspirovat zeměmi, které již krizi překonaly a nemusíme chodit daleko. Mezi tyto země patří Norsko, Švýcarsko, Polsko a především Německo, konkrétně jeho spolková země Bavorsko. Spolkové i zemské předpisy umožnily obcím investovat do infrastruktury a výstavbu bytů i navzdory krizi. Růst podpořil i vládní program zaměstnávání na zkrácený úvazek, jež měl za důsledek udržení zaměstnanosti. Díky tomu byla zachována i poptávka. Pochopitelně tyto pobídky jsou limitovány schopností českých úředníků vyčerpat maximum financí z evropských fondů. Důležité je dočerpat vše z právě končícího rozpočtového období a pak připravit nový plán čerpání dotací ruku v ruce s novým zákonem o veřejných zakázkách. Dalším podpůrným prostředkem je zjednodušení legislativních procesů. Proces povolení stavby se počítá na měsíce nezřídka roky. Legislativa by neměla být brzdou investičního procesu. Je nutné zkrátit dobu mezi přípravou staveb a jejich realizací. S tím ovšem souvisí zvýšení kvalifikovanosti českých úředníků, kteří budou schopni rozhodnout i na základě „selského rozumu“.
Závěr
67
Z důvodu úspor bylo ve spoustě stavebních firem zrušeno oddělení přípravy staveb. Tato nešťastné rozhodnutí má zcela zásadní význam při přípravě staveb a vytváří velký tlak na projektanty. Ti jsou na jedné straně tlačení do zcela nereálně nízkých cen a na straně druhé jsou nuceni na danou situaci reagovat zvýšenými investicemi do IT. Především do nových komplexních projekčních systémů. Stavební sektor se shoduje na potřebě posunout stavebnictví do 21. století. Jedním z možných směrů je tvorba tzv. informačního modelu budovy BIM se zapracováním celého životního cyklu stavby. Stavební firmy jistě brzy pochopí, že zvýšená péče při přípravě stavby ušetří mnoho financí při vlastní realizaci i užívání a zamezí neoprávněným vícenákladům. V rámci dalšího výzkumu by bylo vhodné se zaměřit na zkoumání veřejných zakázek v této oblasti, neboť ty jsou pro oblast stavebnictví podstatné a v roce 2012 v této oblasti došlo ke změně související s požadavkem ISO u veřejných zakázek. Dále by určitě bylo zajímavé sledovat vývoj hypotečních úvěrů, jak u občanů, tak u firem, neboť větší objem poskytovaných hypotečních úvěrů povede k vyšším investicím do nemovitostí, čímž může dojít k oživení ekonomiky.
Literatura a elektronické zdroje
68
6 Literatura a elektronické zdroje ARLT, J., ARLTOVÁ, M. Ekonomické časové řady. 1. vyd. Praha: PROFESSIONAL PUBLISHING, 2009. 290 s. ISBN 978-80-86946-85-6. ARLT, J., ARLTOVÁ, M. Finanční časové řady. 1. vyd. Praha: GRADA, 2003. 220 s. ISBN 80-247-0330-0. BROOKS, Ch. Introductory econometrics for finance. 2nd ed. Cambridge: CAMBRIDGE UNIVERSITY PRESS, 2008. 648 s. ISBN 978052164681. BŘEZINA, J. Vliv nového stavebního zákona (183/2006 Sb.) a vstup ČR do EU na způsob řízení stavebního podniku. In: Management stavebnictví 2008: sborník příspěvků ze semináře s mezinárodní účastí. 1.vyd. Brno: AKADEMICKÉ NAKLADATELSTVÍ CERM, 2009, s. 15-19. ISBN 978-80-7204-646-1. Česká národní banka [online]. Základní popis systému. [cit. 2. 11. 2013]. Dostupné z . Český statistický úřad [online]. Časové řady základních ukazatelů statistiky práce 2. pololetí 2013. [cit. 2. 11. 2013]. Dostupné z . Český statistický úřad [online]. Klasifikace ekonomických činností (CZ-NACE). [cit. 2. 11. 2013]. Dostupné z . Český statistický úřad [online]. Stavebnictví – Metodika. [cit. 2. 11. 2013]. Dostupné z . GREENE, W. H. Econometric analysis. 6th ed. Upper Saddle River, N.J.: PEARSON PRENTICE HALL, 2008, 1178 s. ISBN 978-0-13-5137-40-6. GUJARATI, D. N. Basic econometrics. 4. vyd. Boston: MCGRAW HILL, 2003. 1002 s. ISBN 0-07-112342-3. HINDLS, R., HRONOVÁ, S., SEGER, J. Statistika pro ekonomy. 5. vyd. Praha: PROFESSIONAL PUBLISHING, 2004. 415 s. ISBN 80-86419-59-2.
Literatura a elektronické zdroje
69
HUŠEK, R. Ekonometrická analýza. 1. vyd. Praha: OECONOMICA, 2007. 368 s. ISBN 978-80-245-1300-3. HUŠEK, R. Základy ekonometrické analýzy II: speciální postupy a techniky. 1. vyd. Praha: VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE, 1998. 265 s. ISBN 807079-441-0. KLÍMEK, P. Ekonometrie: studijní pomůcka pro distanční studium. 3. upr. vyd. Zlín: UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ, 2010. 158 s. ISBN 978-80-7318942-6. KNAUER, J. Příčiny krize. V Tribunu EU vyd. 1. Brno: TRIBUN EU, 2010, 51 s. ISBN 978-80-7399-925-4. KOHOUT, P. Finance po krizi: důsledky hospodářské recese a co bude dál. 2. vyd. Praha: GRADA, 2010, 266 s. Finanční trhy a instituce. ISBN 978-80247-3583-2. KOZÁK, J., HINDLS, R., ARTL, J. Úvod do analýzy ekonomických časových řad. 1. vyd. Praha: VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE, 1994. 208 s. ISBN 80-7079-760-6. Management stavebnictví. 1. vyd. Brno: AKADEMICKÉ NAKLADATELSTVÍ CERM, s.r.o. Brno, 2009. 194 s. ISBN 978-80-7204-629-4. MAREK, L. Statistika pro ekonomy: aplikace. 2. vyd. Praha: PROFESSIONAL PUBLISHING, 2007. 485 s. ISBN 978-80-86946-40-5. MARKOVÁ, L. Základy ekonomiky stavebnictví. 1. vyd. Brno: AKADEMICKÉ NAKLADATELSTVÍ CERM, s.r.o. Brno, 2009. 110 s. ISBN 978-80-7204-623-2. MARKOVÁ, L., HRAZDILOVÁ BOČKOVÁ, K., HEJDUKOVÁ, A. Základy ekonomiky stavebního podniku. 1. vyd. Brno: AKADEMICKÉ NAKLADATELSTVÍ CERM, s.r.o. Brno, 2002. 202 s. ISBN 80-214-2179-7. Ministerstvo pro místní rozvoj ČR [online]. Hypoteční úvěry. [cit. 29. 1. 2014]. Dostupné z .
Literatura a elektronické zdroje
70
NOVÝ, M. Cenová statistika stavebnictví a využití jejích výsledků. In: Management stavebnictví 2008: sborník příspěvků ze semináře s mezinárodní účastí. 1.vyd. Brno: AKADEMICKÉ NAKLADATELSTVÍ CERM, 2009, s. 135-138. ISBN 978-80-7204-646-1. SCHNEIDEROVÁ HERALOVÁ, R. Hodnocení staveb pomocí indexu udržitelnosti. In: Management stavebnictví 2008: sborník příspěvků ze semináře s mezinárodní účastí. 1.vyd. Brno: AKADEMICKÉ NAKLADATELSTVÍ CERM, 2008, s. 90-94. ISBN 978-80-7204-580-8. SINGER, M. [online]. Česká ekonomika na cestě z hospodářské krize. [cit. 2. 11. 2013]. Dostupné z . SINGER, M. [online]. Česká ekonomika a krize. [cit. 2. 11. 2013]. Dostupné z . Statistický metainformací systém [online]. Index stavební produkce. [cit. 2. 11. 2013]. Dostupné z. Státní fond dopravní infrastruktury [online]. Aktuality pro veřejnost a média. [cit. 2. 1. 2014]. Dostupné z . Stavební komunita. [online]. Úkoly a rozdělení stavebnictví. [cit. 2. 11. 2013]. Dostupné z . Stavební povolení. [online]. Stavební povolení, základní informace [cit. 2. 11. 2013]. Dostupné z . Svaz podnikatelů ve stavebnictví v ČR [online]. Byty a bydlení [cit. 2. 1. 2014]. Dostupné z . WOOLDRIDGE, J. M. Introductory econometrics: a modern approach. 4. vyd. Mason, Ohio: SOUTH-WESTERN, 2008. 865 s. ISBN 978-0-324-66054-8.
Přílohy
71
Přílohy
Použitá data – závisle proměnná
72
A Použitá data – závisle proměnná
1. Q 2002 2. Q 2002 3. Q 2002 4. Q 2002 1. Q 2003 2. Q 2003 3. Q 2003 4. Q 2003 1. Q 2004 2. Q 2004 3. Q 2004 4. Q 2004 1. Q 2005 2. Q 2005 3. Q 2005 4. Q 2005 1. Q 2006 2. Q 2006 3. Q 2006 4. Q 2006 1. Q 2007 2. Q 2007 3. Q 2007 4. Q 2007 1. Q 2008 2. Q 2008 3. Q 2008 4. Q 2008 1. Q 2009 2. Q 2009 3. Q 2009 4. Q 2009 1. Q 2010 2. Q 2010 3. Q 2010 4. Q 2010
stav_pov [ks] 25 480 38 067 41 265 36 010 24 954 38 631 45 020 40 734 29 258 41 817 42 602 39 945 27 274 37 590 41 086 36 991 25 349 34 360 38 727 36 955 26 020 28 682 32 486 30 196 26 329 32 824 33 820 29 269 24 972 29 638 30 557 27 507 23 220 28 232 27 820 26 471
stav_zak [ks] 26 591 40 901 39 447 53 955 34 552 40 613 49 224 54 344 39 914 63 902 67 701 51 386 36 881 47 513 61 504 49 124 47 976 57 173 65 604 73 513 39 301 53 041 48 433 64 319 53 250 61 803 60 711 73 852 36 009 53 394 46 406 48 489 36 306 58 076 60 743 41 984
prum_mzda_st pocet_zam pocet_ZB [Kč] [osob] [ks] 12 253 370 030 7 822 13 765 381 138 8 127 14 352 387 310 8 842 15 796 385 490 8 815 12 938 371 778 8 275 14 865 384 673 8 617 15 295 391 449 10 307 16 980 390 089 9 297 14 359 377 308 8 145 15 801 396 060 11 219 16 331 400 904 9 725 17 742 394 653 9 948 14 630 380 475 8 645 16 450 396 003 9 042 16 983 401 132 12 280 18 296 399 006 10 414 15 445 387 656 9 117 17 396 403 978 11 089 18 042 410 445 11 699 19 664 407 620 11 842 17 257 396 792 9 165 18 517 407 107 10 073 18 929 412 514 12 580 20 606 411 575 11 978 19 301 401 311 9 570 20 117 413 501 12 361 20 724 416 142 11 914 22 635 412 752 9 686 19 747 395 887 8 721 21 520 403 150 9 736 21 651 408 785 11 234 24 360 400 180 7 628 19 665 393 800 6 272 21 906 407 212 8 024 22 102 413 707 7 671 24 235 407 613 6 168
Použitá data – závisle proměnná
1. Q 2011 2. Q 2011 3. Q 2011 4. Q 2011 1. Q 2012 2. Q 2012 3. Q 2012 4. Q 2012
73
stav_pov [ks]
stav_zak [ks]
22 039 29 925 28 396 26 871 21 330 25 856 25 770 24 808
50 028 44 390 46 553 38 136 26 854 38 302 42 981 41 020
prum_mzda_st pocet_zam pocet_ZB [Kč] [osob] [ks] 19 936 22 100 22 396 24 566 20 516 21 650 22 499 24 903
Seznam použitých veličin: • stavební povolení (stav_pov), • stavební zakázky (stav_zak), • průměrná mzda ve stavebnictví (prum_mzda_st), • počet zaměstnaných ve stavebnictví (pocet_zam), • počet zahájených bytů (počet_ZB).
378 716 396 063 399 088 393 099 369 618 385 931 388 579 380 586
6 719 7 593 7 104 6 119 6 545 6 002 5 710 5 596
Použitá data – nezávisle proměnná
74
B Použitá data – nezávisle proměnná
1. Q 2002 2. Q 2002 3. Q 2002 4. Q 2002 1. Q 2003 2. Q 2003 3. Q 2003 4. Q 2003 1. Q 2004 2. Q 2004 3. Q 2004 4. Q 2004 1. Q 2005 2. Q 2005 3. Q 2005 4. Q 2005 1. Q 2006 2. Q 2006 3. Q 2006 4. Q 2006 1. Q 2007 2. Q 2007 3. Q 2007 4. Q 2007 1. Q 2008 2. Q 2008 3. Q 2008 4. Q 2008 1. Q 2009 2. Q 2009 3. Q 2009 4. Q 2009 1. Q 2010 2. Q 2010 3. Q 2010 4. Q 2010
objem_hyp [mil Kč] 4 431,033 5 579,267 5 755,842 6 766,168 6 990,597 8 519,330 10 289,368 10 413,099 10 779,150 14 846,447 13 448,964 12 884,920 13 121,774 18 207,914 18 681,768 22 057,356 18 888,007 27 029,796 26 267,786 28 654,098 28 166,360 46 353,271 32 230,088 35 539,202 25 760,544 33 786,621 30 809,037 29 734,028 17 808,246 21 844,146 16 807,470 17 391,616 15 969,441 22 620,839 21 071,944 25 110,631
us_hyp [%] 9,05 8,72 8,43 8,18 7,84 7,42 6,90 6,54 6,41 6,16 5,95 5,79 5,65 5,45 5,22 5,00 4,90 4,79 4,72 4,68 4,64 4,62 4,68 4,75 4,85 5,00 5,12 5,18 5,14 5,18 5,20 5,22 5,24 5,25 5,22 5,17
HDP [mil Kč] 581 927 626 624 639 061 653 572 617 617 665 852 684 076 696 682 648 952 704 108 715 602 746 931 715 163 787 457 796 117 828 226 771 862 832 389 848 250 882 314 827 748 880 860 897 659 938 608 882 818 957 576 971 543 964 139 866 458 919 834 932 089 956 577 894 232 971 383 977 239 1 008 946
mira_nez prum_mzda [%] [Kč] 7,7 14 083 7,0 15 599 7,2 15 268 7,3 17 133 7,6 14 986 7,5 16 529 8,0 16 088 8,1 18 096 8,7 16 231 8,2 17 223 8,2 17 190 8,2 19 183 8,4 17 067 7,8 18 112 7,8 18 203 7,8 19 963 8,0 18 270 7,1 19 300 7,0 19 305 6,5 21 269 6,0 19 687 5,3 20 740 5,1 20 721 4,8 22 641 4,7 21 632 4,2 22 246 4,3 22 181 4,4 24 309 5,8 22 108 6,3 22 796 7,3 23 091 7,2 25 418 8,0 22 738 7,1 23 504 7,1 23 600 6,9 25 591
Použitá data – nezávisle proměnná
1. Q 2011 2. Q 2011 3. Q 2011 4. Q 2011 1. Q 2012 2. Q 2012 3. Q 2012 4. Q 2012
objem_hyp [mil Kč] 23 369,989 33 019,562 28 477,238 34 210,351 28 552,416 31 375,483 27 659,658 34 010,629
75
us_hyp [%] 5,11 5,04 4,98 4,87 4,79 4,70 4,59 4,46
HDP [mil Kč] 909 157 976 177 976 710 997 777 901 084 952 667 952 936 977 673
mira_nez prum_mzda [%] [Kč] 7,2 23 372 6,7 24 116 6,5 24 107 6,4 26 211 7,1 24 146 6,7 24 656 7,0 24 121 7,2 27 121
Seznam použitých veličin: • objem nově poskytnutých hypotečních úvěrů (objem_hyp), • úroková sazba hypotečních úvěrů (us_hyp), • HDP (HDP), • míra nezaměstnanosti (mira_nez), • průměrná mzda (prum_mzda).