ÉRTÉKELÉSI ÉS ÁTRUHÁZHATÓSÁGI JELENTÉS

HELYI GAZDASÁGFEJLESZTÉS REPÜLŐTEREK VONZÁSKÖRZETÉBEN STATISZTIKAI MODELL – ÉRTÉKELÉSI ÉS ÁTRUHÁZHATÓSÁGI JELENTÉS BUDAPEST XVIII. KERÜLET ÉS VECSÉS

STATISZTIKAI DÖNTÉSMEGALAPOZÁSI MODELL

ÉRTÉKELÉSI ÉS ÁTRUHÁZHATÓSÁGI JELENTÉS

BUDAPEST, XVIII. KERÜLET, VECSÉS

BUDAPEST, 2014

1


BUDAPEST XVIII. KERÜLET PESTSZENTLŐRINC-PESTSZENTIMRE ÖNKORMÁNYZATA VECSÉS VÁROS ÖNKORMÁNYZATA

STATISZTIKAI DÖNTÉSMEGALAPOZÁSI MODELL

ÉRTÉKELÉSI ÉS ÁTRUHÁZHATÓSÁGI JELENTÉS

BUDAPEST, 2014

2


“airLED Helyi gazdaságfejlesztés repülőterek vonzáskörzetében” project No.4CE485P4. CENTRAL EUROPE PROJECT.

A jelentést készítette: DR.HAJDU OTTÓ DSc. DISK-COUNTÍR BT.

3


TARTALOMJEGYZÉK I. A STATISZTIKAI MEGFIGYELÉSI EGYSÉG ÉS A STATUS QUO JELENTÉS ÖSSZEFÜGGÉSEI, AZ ADATGYŰJTÉS. ......................................................................................................................................... 5 II.

A KUTATÁS-FEJLESZTÉSI TEVÉKENYSÉG ÉRTÉKELÉSE ...................................................................... 9

III. A TRANSZNACIONÁLIS STATISZTIKAI DÖNTÉSMEGALAPOZÁSI MODELL FELÉPÍTÉSE, ALKALMAZÁSI LEHETŐSÉGEI ................................................................................................................. 10 A MAGYAR MODELL ÉS A TRANSZNACIONÁLIS STATISZTIKAI DÖNTÉSMEGALAPOZÁSI MODELL ÖSSZEFÜGGÉSEI................................................................................................................................. 10 A TRANSZNACIONÁLIS MODELL FELÉPÍTÉSE, ÉRTELMEZÉSE ............................................................. 11 A 3 MODELL KOEFFICIENSEI .............................................................................................................. 14 IV. ÖSSZEFOGLALÁS ............................................................................................................................ 17 V.

FÜGGELÉK ...................................................................................................................................... 18

4


I.

I. A STATISZTIKAI MEGFIGYELÉSI EGYSÉG ÉS A STATUS QUO JELENTÉS ÖSSZEFÜGGÉSEI, AZ ADATGYŰJTÉS. Az „airLED” projektben résztvevő 4 európai ország repülőtéri régiója - Közép-magyarországi régió (Budapest), olasz Emilia Romagna régió (Bologna), lengyel Mazovia régió (Varsó), szlovén Gorenjska régió (Kranj) - azért hozta létre a projektet, hogy egy stratégiai rendszert dolgozzon ki egy Reptéri város (Airport City) létrehozására, ami kielégíti az adott régiók szükségleteit, és alapul szolgálhat más régiók fejlesztési elképzeléseihez. A projektben résztvevő 4 régió közül két régió (magyar és lengyel) magában foglalja a fővárost is. A projekt keretében elkészült számos elemzés első mérföldköve a régiókra összeállított Status Quo riport, mely meghatározta az adott régióban működő repülőtér közvetlen és közvetett hatásterületét. Az elemzés a térképi távolságon és időbeli elérhetőségen alapul és két zónát határoz meg a 10 km-es kört illetve egy 40 km-es kört, illetve 20 perces elérhetőséget és 60 perces távolságot. Az elemzés egyben összefoglalta azokat az információkat és tényezőket is, melyek meghatározzák vagy hatással vannak a jövőbeni gazdaságfejlesztésekre. A Status Quo jelentések az adott régió egyedi adottságainak elemzése mellett azonos szerkezeti felépítésben és azonos tartalommal készültek el. Az airLED projekt keretében kidolgozandó statisztikai döntésmegalapozási modell célja az volt, hogy a Status Quo jelentésben meghatározott repülőtéri (közvetlen és közvetett) vonzáskörzet tekintetében a gazdasági környezet fejlődését befolyásoló tényezőket meghatározza, a közöttük értelmezhető ok-okozati kapcsolatok körét, irányát és intenzitását számszerűsítse. A modell elkészítése során kiválasztásra kerültek az egyes gazdasági tényezők (dimenziók) mérésére szolgáló indikátorok, melyekre vonatkozóan az adatgyűjtést el kellett végezni. A döntésmegalapozási statisztikai modell elfogadott koncepciója szerint a modell megalkotása a magyarországi adatok elemzése alapján történik meg, és ezt követően kerül sor a partnerrégióknál (lengyel, olasz, szlovén) történő transznacionális alkalmazásra. A magyar régióra elkészült Status Quo jelentés definiálta a Budapest Liszt Ferenc Nemzetközi Repülőtér vonzáskörzetét. Mint ahogy a magyar jelentésből kiderül, a repülőtér teljes (közvetlen és közvetett) hatásterülete felöleli egyrészt a főváros agglomerációjának teljes területét, illetve a Közép-magyarországi régió majd teljes területét, illetve az Észak-magyarországi régió két települését valamint az Észak-alföldi régió egy városát. A jelentés Budapest 23 kerületét és a környező 46 települést (város és községszinten) jelölte meg vonzáskörzetként. Ezen belül a repülőtéri terminál közvetlen hatásterülete – 10 km-es zóna – 6 5


budapesti kerületet és 7 környező települést, a repülőtéri terminál közvetett hatásterülete – 40 km-es zóna - 17 budapesti kerületet és 39 környező települést azonosított. A statisztikai munka megkezdésekor meg kellett határozni a statisztikai megfigyelési egységet, mely egyben az adatgyűjtés alapegysége is. Mivel a statisztikai modell célterülete a repülőtéri vonzáskörzet, így megfigyelési egységként a Status Quo jelentésben definiált vonzáskörzeti településeket jelöltük meg, így szám szerint 23 budapesti kerület és további 46 környező település indikátorait. Az adatgyűjtés szempontjából ez alapvető jelentőségű mozzanat volt, mivel valamennyi adatot település-szinten kellett összegyűjteni és a továbbiakban kezelni, elemezni. A magyarországi Nomenclature of Territorial Units for Statistics (NUTS, Statisztikai Célú Területi Egységek Nómenklatúrája) az egész Európai Uniót lefedő rendszer része, amelyet az Eurostat fejlesztett ki, és amelyet hivatalosan az 1059/2003/EK európai parlamenti és tanácsi rendelet rögzít. Az európai NUTS rendszer 5 szintet azonosít, úgymint: ♦ ♦ ♦ ♦ ♦

NUTS-1: ORSZÁGRÉSZ – Magyarországon 3, NUTS-2: TERVEZÉSI-STATISZTIKAI RÉGIÓ – Magyarországon 7, NUTS-3: MEGYE (FŐVÁROS) – Magyarországon 20, LAU-1(korábbi NUTS-4): KISTÉRSÉG – Magyarországon 175, LAU-2(korábbi NUTS-5): TELEPÜLÉS – Magyarországon 3154(2013,KSH).

Értelemszerűen az egyes országokban elérhető illetve hozzáférhető statisztikai (központi és helyi) adatgyűjtések szintjei igazodnak a fenti területi szintekhez. A Status Quo jelentés alapján tehát egyértelművé vált, hogy a projekt elvárásainak megfelelően az elemzés alapját képező adatbázist a legalacsonyabb – település - szintű adatokból kell összeállítani, az egyes vonzáskörzeti települések adatainak összesítésével. Ez egyben azt is jelentette, hogy csak olyan adatokkal lehetett dolgozni, melyek település-szinten rendelkezésre álltak. Azok az adatok, melyek pl. régiós, vagy akár kistérségi szinten voltak csak elérhetők, nem kerültek be az adatgyűjtésbe, mert keresztmetszetében nem fedték le a Status Quo jelentés által definiált repülőtéri vonzáskörzetet. Csupán elméleti megfontolásból illetve esetlegesen egy további kutatás kapcsán felmerülhet az a kérdés, hogy régiós szintű vonzáskörzet definiálása esetén mennyiben változott volna az összegyűjtésre kerülő adatbázis tartalma, mélysége, elérhetősége és eredményei, az alkalmazható statisztikai módszerek, illetve a partner-régiók esetében elérhető párhuzamos adatbázisok kínálta

6


lehetőségek. Ebben az esetben jelen kutatás megfigyelési egységeként pl. a Közép-magyarország régiós (NUTS-2) szintű adatbázisa szolgált volna, figyelembe véve azt is, hogy egyébként a magyar Status Quo által meghatározott repülőtéri vonzáskörzet kevés különbséggel a Középmagyarországi régiót fedi le. Jelen kutatás kapcsán is meggyőződhettünk róla, hogy Magyarországon európai szinten is rendkívül fejlett és színvonalas statisztikai adatgyűjtés folyik, illetve a magyar gazdaságot elemző kutatók és vállalkozások számára széleskörű adatbázis érhető el. Adatgyűjtésünk gerincét a Lechner Lajos Tudásközpont által üzemeltetett Országos Területfejlesztési és Területrendezési Információs Rendszer (TeIR) nyújtotta adatbázisok képezték. Az Országos Területfejlesztési és Területrendezési Információs Rendszer (TeIR) célja, hogy a központi, területi és helyi államigazgatási szervek, más jogi személyek, jogi személyiség nélküli gazdasági társaságok, valamint természetes személyek számára: ♦ lehetőséget biztosítson az ország népességének, gazdaságának, épített, táji és természeti környezete állapotának, területi jellemzőinek megismerésére, változásainak figyelemmel kísérésére és európai uniós összehasonlítására, ♦ információt szolgáltasson az adatok és ezek feldolgozása során nyert mutatók, elemzések megjelenítésével, valamint a területfejlesztési, területrendezési, településfejlesztési és településrendezési tervek, szöveges és térképi dokumentumok bemutatásával, ♦ segítséget nyújtson a kormányzati, regionális, térségi, megyei, kistérségi, települési fejlesztési és rendezési, egyéb térségi, valamint ágazati tervezési, fejlesztési tevékenységet végző és azt ellenőrző szervezetek számára a területfejlesztési és területrendezési döntések előkészítéséhez és meghozatalához; a társadalom, a gazdaság és a környezet területi jellemzői változásának folyamatos figyelemmel kísérésével a döntések hatásainak elemzéséhez, valamint a terület- és településfejlesztési, illetve a terület- és településrendezési tervek készítéséhez, ♦ információkat biztosítson a regionális, a térségi, a megyei és a kistérségi fejlesztési tanácsok és munkaszervezeteik, illetve a többcélú kistérségi társulások számára a tervezés, a programmenedzselés, a pályázatértékelés és a monitoring tevékenység ellátásához. A TeIR web alapú informatikai rendszer, amelynek szolgáltatásai az Interneten keresztül érhetőek el. Az országos, területi (regionális, kiemelt térségi, megyei, kistérségi) és települési szervezetek a TeIR egységes adatbázisához az alkalmazási rendszeren (felhasználói felületen) keresztül csatlakoznak. A TeIR rendszernek számos olyan alkalmazása van, amely nem regisztrációhoz kötött, így bárki számára hozzáférhető. A regisztráció nélkül elérhető alkalmazások a TÉRPORT portálon működnek.

7


A regisztráció lehet térítésmentes és térítéses, de a felhasználók azonosítása minden esetben felhasználónév és jelszó megadásával a Központi Elektronikus Szolgáltatási Rendszer Ügyfélkapu szolgáltatásán keresztül történik. A TeIR rendszerhez való hozzáférés részletes szabályozásáról Az Országos Területfejlesztési és Területrendezési Információs Rendszer (TeIR) üzemeltetési szabályzata rendelkezik. A TeIR adatbázis mellett egyedi adatgyűjtést is végeztünk, a Megbízó Budapest 18. kerületi Önkormányzat illetve a repülőteret üzemeltető Budapest Airport esetében. A TeIR rendszerben elérhető 2011.évi (az adatgyűjtés időpontjában elérhető legfrissebb, a népszámlálást is tartalmazó) adatai képezték a számítások alapjául szolgáló – közel 300 induló manifeszt indikátorból összeállított - keresztmetszeti adatbázist.

8


II.

II. A KUTATÁS-FEJLESZTÉSI TEVÉKENYSÉG ÉRTÉKELÉSE

Az airLED projekt keretében kidolgozandó statisztikai döntésmegalapozási modellt a Szellemi Tulajdon Nemzeti Hivatala a kutatás-fejlesztésről és a technológiai innovációról szóló 2004.évi CXXXIV.törvény 30/A. §.(1) bekezdésében foglaltak alapján kutatás-fejlesztési tevékenységnek minősítette. Az airLED projekt egy olyan komplex, mérhető és látens magyarázó változókból álló prediktív modell megalkotására vállalkozott, amely számos terület (pl. gazdasági, társadalmi, környezeti, közlekedési, logisztikai, stb.) tényezőinek ok-okozati összekapcsolásával segíti a repülőterek környezetének (vonzáskörzetének) stratégiai fejlesztési irányait meghatározni, definiált célváltozók értékeinek előrejelzése útján. Módszertanát tekintve a nemzetközi szakirodalomban kidolgozott SEM (Structural Equation Modeling) modellezés eszközrendszerére támaszkodik és ezen belül bevált és ismert statisztikai módszereket alkalmaz, ám a projekt eredetiségét, értékét nem a szó szoros értelmében vett módszertan adja, hanem az, hogy mely változókat – beleértve különösen a látens változókat – milyen összefüggés-rendszerben szerepelteti a modellben. A projekt végrehajtása az alábbi tartalmi elemek megvalósítását jelentette: -

-

SEM módszerének alkalmazásával az ok-okozati összefüggések feltárása, az együtthatók becslése, a keretmodell tesztelése az empirikus adatok alapján, további finomítás: döntéshozatali modellező eszköz kidolgozása transznacionális használatra területi és gazdasági tervezési szempontok alapján (becsüli az üzleti tevékenységet, a foglalkoztatást és az építési fejlesztéseket a repülőtéri területeken), értékelési és átruházhatósági jelentés készítése.

A modell valódi újdonságtartalma, hogy nem csupán a régióstatisztikában szokásos többváltozós lineáris regresszió számítással próbál oksági magyarázatokat feltárni. Ennél jóval többről van szó, hiszen a SEM alapján készült modell tipikusan magába foglal több eljárást is, mint például faktoranalízist, vagy a többváltozós regressziót. A faktoranalízis során a modellező által meghatározott induló változókból a magyarázó erő minél nagyobb mértékű megtartásával az azonos függő változókra hatást gyakorló tényezők kerülnek kiválasztásra, majd a mért és látens változók faktoraira illesztenek többváltozós regressziót. Ez lehet lineáris, vagy bármilyen nemlineáris regresszió, a paraméterek becslése is történhet akár a legkisebb négyzetek, akár a maximum likelihood módszerrel. A helyes, vagy az inkább legjobban illeszkedő modell meghatározásához vezető lépések során a kutatást végzők szakértelme kulcsfontosságú, mivel konkrét, előre rögzített szabály nem áll rendelkezésre, amely alapján az eljárást rutinszerűnek lehetne tekinteni.

9


III.

III. A TRANSZNACIONÁLIS STATISZTIKAI DÖNTÉSMEGALAPOZÁSI MODELL FELÉPÍTÉSE, ALKALMAZÁSI LEHETŐSÉGEI A MAGYAR MODELL ÉS A TRANSZNACIONÁLIS STATISZTIKAI DÖNTÉSMEGALAPOZÁSI MODELL ÖSSZEFÜGGÉSEI A „JELENTÉS AZ ELŐREJELZÉSRŐL” kimenetben a magyarországi adatbázison kifejlesztve bemutattuk a Budapest 18. kerületi Önkormányzat adatain tesztelt magyarországi statisztikai modell (továbbiakban Magyar Modell) működését, a modell alkalmazásával becslést adtunk a céltelepülés (Budapest 18.kerületi Önkormányzat) 3 célváltozójának 2014.évi értékére. A Magyar Modellben a célváltozókat magyarázó prediktor változók 2001-2013.évi idősorait egyenként, az adott magyarázó prediktor változó egyedi időbeli trendjét elemeztük, így minden egyes prediktorra a saját (lineáris vagy kvadratikus vagy log-lin) trendjét illesztettük. Egyidejűleg az AR(1) tagot is figyelembe vettük, mely azt jelenti, hogy az eggyel korábbi adatából következtetünk az időben következő adatára, mely megítélésünk szerint javította a becslés pontosságát. A Magyar Modell tehát a magyar sajátosságokat és egyedi trendeket minden esetben egyedileg figyelembe vette és ezzel „ország-specifikus” becslést tett lehetővé, mert véleményünk szerint a megfigyelt változók trendjei országonként (régiónként) eltérhetnek. A Magyar Modellt úgy tudjuk transznacionális szinten kezelni, hogy sztenderdizáljuk a statisztikai módszertani eljárásokat, kiszűrjük az egyediségeket, ezzel biztosítva, hogy ugyanazon módszerrel más ország más adatbázisára is alkalmazni lehessen. A sztenderdizálás során a célváltozókat magyarázó valamennyi prediktor változóra azonos időbeli trendet illesztettünk, mégpedig kvadratikus trendet. Ezt úgy értelmezhetjük, hogy a Magyar Modellben az egyes magyarázó prediktor változók egyedi időbeli trendjeit nem örökítettük át a Transznacionális Modellbe, hanem valamennyi prediktorra kvadratikus trendet alkalmaztunk. A kvadratikus trend és a lineáris trend között alapvetően az a különbség, hogy ha a kvadratikus tag szignifikáns, akkor megengedi, hogy a tendencia megforduljon. Az elsőrendű autoregresszív AR(1) tag alkalmazásától eltekintettünk a Transznacionális Modell alkalmazása során, a modellbecslés egyszerűsítése, standardizálása érdekében. A Transznacionális Modell tesztelését a magyar adatbázison tudjuk jelen pillanatban elvégezni, mivel csak a magyar adatbázis összegyűjtése történt meg. A „Döntéshozatali modellező eszköz kidolgozása transznacionális használatra” kimenetben, amely kimenet ezt megelőzően került leadásra, a magyar adatbázison tesztelésre került a Transznacionális Modell működése, és a céltelepülésre (Bp.18. kerületi Önkormányzat) vonatkozóan becslést adtunk a 3 célváltozó 2014.évi értékeire vonatkozóan. Ily módon a Magyar Modell és a Transznacionális Modell működése közötti különbség eredményszinten is elemezhetővé vált.

10


Értelemszerűen amennyiben a partnerországok esetében a magyar adattartalommal egyezően összegyűjtésre kerülnek a külföldi partnerrégió településeire a megadott indikátorok értékei, illetve a céltelepülésre az idősoros adatok, úgy hasonlóan a magyar adatbázison lefuttatott modellhez, a célváltozó értékére a program a becslést megadja. Tehát a partnerrégiók a saját régiós adataikat összegyűjtve a TimeSeries.csv és CrossSection.csv adatfájlokba, a programot használatba tudják venni, és a modell kínálta lehetőségeket a saját ország-specifikus adatbázisukon ki tudják használni.

A TRANSZNACIONÁLIS MODELL FELÉPÍTÉSE, ÉRTELMEZÉSE Az alábbiakban a modell-program parancssorait kommentekkel látjuk el, annak érdekében, hogy a felhasználó lépésről lépésre tudja követni a program működését. 1. A Céltelepülés idősorainak a beolvasása – TimeSeries.csv

A TimeSeries.csv fájl tartalmazza a kiválasztott Céltelepülés – esetünkben Budapest 18. kerületi önkormányzat – összes megfigyelt indikátorának (44 keresztmetszeti prediktor és 3 repülőtéri forgalmi adat) 2001-2013 időszakra vonatkozóan előállított (tényadatok és becsléssel kiegészített) idősorait. A TimeSeries.csv fájl az összes megfigyelt indikátor adatát tartalmazza, tehát azokat az indikátorokat is, amelyeket nem használtunk fel a célváltozók előrejelzési modelljénél. Erre azért van szükség, mert a későbbiekben esetlegesen más célváltozók kiválasztása esetén rendelkezésre állnak, tehát az adatbázis teljeskörűségét kívánjuk ezzel megőrizni és továbbvinni. A repülőtéri indikátorok közül is csak kettőt használunk a továbbiakban (D2_10 és D3_10), de az adatbázis tartalmazza a harmadikat is (D1_10). Amely településre kívánunk előrejelzést adni a vonzáskörzeten belül, arra a településre össze kell állítani az összes megfigyelt indikátorának 2001-2013 időszakra vonatkozóan előállított (tényadatok és becsléssel kiegészített) idősorait (TimeSeries.csv fájlt). 2. Az előrejelzési időpont (2014) proxy érték megadása a kvadratikus trendhez, a konstans taggal: 1_2014_2014^2

Ez egyszerűen annyit jelent, hogy megadjuk azt az évszámot, esetünkben 2014-et, amely évre vonatkozóan az előrejelzést meg kívánjuk adni. A program a 2014.évre vonatkozó előrejelzését kvadratikus trend segítségével fogja elvégezni. 3. Kvadratikus trend-előrejelzés a D2_10 Utasforgalom és D3_10 Cargoteljesítmény repülőtéri forgalmakra

A program a 2014 évre vonatkozó előrejelzést több lépcsőben hajtja végre. Első lépésként a repülőtéri forgalmi adatok (D2_10 és D3_10) 2014.évre vonatkozó előrejelzését adja meg. 4. A keresztmetszeti prediktorok időbeli előrejelzése a 2014. évre, alapvetően kvadratikus trend és repülőtéri forgalom alapján, ha az adatsűrűség megengedi, egyébként az előrejelzés szakértői, szubjektív

Második lépésként a keresztmetszeti (település-soros) prediktorokat jelezzük előre 2014-re a kiválasztott céltelepülésre (Budapest, 18. kerületi Önkormányzat) vonatkozóan. A prediktorok időbeli előrejelzésére kvadratikus trendet (parabolát) használunk, kiegészítve a korábbi lépésben 11


2014-re előrejelzett repülőtéri forgalmi adatokkal, tehát a keresztmetszeti prediktorok előrejelzéséhez bevonjuk a repülőtéri forgalmi adatokat is (D2_10 Utasforgalom és D3_10 Cargoteljesítmény). 5. A "pred.regressors" előrejelzései tárolva

vektorban

vannak

a

prediktorok

2014.

évi

Az előző lépésekben tehát előrejeleztük céltelepülés (Budapest 18.kerületi Önkormányzat) összes megfigyelt prediktorának 2014.évi értékeit, tehát tulajdonképpen az első pontban megjelölt TimeSeries.csv fájl 2001-2013.évre vonatkozó valamennyi változójára megadtuk az adott változó kvadratikus trenddel és repülőtéri forgalmi adatokkal előrejelzett 2014.évi értékét, ezzel végeredményben kiegészítettük az adattáblát a 2014.évi adatsorral. A 2014.évre vonatkozó előrejelzéseket a program a „pred.regressors” vektorban eltárolja és a továbbiakban a három célváltozó előrejelzéséhez felhasználja őket. 6. A három célváltozó előrejelzése a 2014. évre, a 2011. évi település soros (keresztmetszeti) adatokon úgy, hogy a Céltelepülés (Bp. 18. Kerületi Önkormányzat) prediktor változó adatait az adatállományban helyettesítjük azok 2014. évi előrejelzett értékeivel, amely előrejelzés egyfelől időbeli trendeken, másfelől a Repülőtér utas és Cargo forgalmának időbeli alakulásán is alapul. 6.1. A településsoros adatok beolvasása – CrossSection.csv

A program beolvassa a CrossSection.csv fájlt, mely a Budapest Liszt Ferenc Nemzetközi Repülőtér Status Quo jelentésben definiált vonzáskörzetének település-soros(23 budapesti kerület és 46 környező település ,mindösszesen 69 település) adattábláját tartalmazza azon prediktorok 2011.évi adataira vonatkozóan, melyeket a három célváltozót előrejelző 3 modell használ. Természetesen rendelkezésre áll a korábbiakban kiválasztott 58 releváns indikátort tartalmazó teljes adattábla is, de esetünkben a 3 előrejelző modell által nem használt változókat a könnyebb kezelhetőség céljából a táblából kihagytuk. 6.2. A Budapest előrejelzésével

18.

Kerület

adatainak

felülírása

a

2014.

évi

A következő lépésben a település-soros CrossSection.csv fájl azon sorát, mely a céltelepülés (Bp.18. kerületi Önkormányzat) 2011.évi adatait tartalmazza, lecseréljük a korábbiakban előrejelzett 2014. évi értékekre. Ezzel a modell-alkotás szempontjából jelentős lépéssel módszertanilag három fontos tényezőt vontunk be a modellbe: ♦ a vonzáskörzeti településekre (69) összegyűjtött teljeskörű 2011.évi keresztmetszeti adatállomány tartalmazza a korábbi statisztikai szelekcióval feltárt globális oksági kapcsolatokat, ♦ a céltelepülés adatsorában az előrejelzett 2014.évi adatokat tartalmazzák a repülőtéri forgalmak hatását is, hiszen a D2_10 Utasforgalom és D3_10 Cargoteljesítmény prediktorokat felhasználtuk a céltelepülés 2014.évi adatainak az előrejelzésekor, ♦ a céltelepülés 2011.évi adatainak 2014. évi adatokkal történő lecserélésével a keresztmetszeti (2011 évi) CrossSection.csv adattáblában megjelent az időbeni változás 12


hatása, mellyel panel-adatállományt hoztunk létre, azaz a keresztmetszeti és időbeni hatást egyszerre jelenítettük meg. A korábbiak szerint előállított panel-jellegű CrossSection.csv adatfájl tehát tartalmazza 68 vonzáskörzeti település 2011.évi manifeszt változó tényadatait és 1 vonzáskörzeti céltelepülés (Bp.18. kerületi Önkormányzat) 2014.évi előrejelzett adatait. A 3 célváltozóra (D1_2 Foglalkoztatottak száma a céltelepülésen, D2_3 Önkormányzat saját folyó bevételei a céltelepülésen, D3_3 Önkormányzat helyi adó bevételei a céltelepülésen) vonatkozóan korábbi kimenetekben definiált három lineáris modell a CrossSection.csv adatfájl panel-jellegű adatállománya alapján megadja azon regressziós koefficienseket, melyek alapján a CrossSection.csv adatfájlban tárolt manifeszt változókból a regressziós koefficiensek segítségével a 3 célváltozó 2014.évi értékeire előrejelzést adunk. A regressziós koefficiensek tehát két kérdésre adnak választ: ♦ egyrészt döntéselőkészítési céllal megadja, hogy várhatóan az adott manifeszt változó egy egységnyi változása (változtatása) az adott célváltozó hány egységnyi változását eredményezi marginálisan, ♦ másrészt előrejelzési céllal megadja, hogy várhatóan az adott manifeszt változó súlyozásával az adott célváltozó milyen értéket vesz fel. 6.3. A D2_3 prediktorok 2014. adatainak listába foglalása

A Függelékben az M2_3C oszlopban jelöltük azokat a manifeszt változókat, amelyeknek a 2014. évre előrejelzett értékeit a statisztikai szelekció során a D2_3 célváltozó előrejelzésénél megtartottunk. 6.4. A D2_3 lineáris modell

A D2_3 célváltozóra vonatkozóan meghatározásra kerülnek a célváltozót magyarázó regresszorok koefficiensei (estimates). 6.5. D2_3 előrejelzés a 18. Kerületre, 2014-re

A D2_3 modell „estimates” koefficienseivel súlyozzuk (szorozzuk) a céltelepülés (Bp.18.kerület) 2014. évre becsült prediktor adatait, amiket a fenti blokkban állítottunk elő és megtartottunk. 6.6. A D3_3 prediktorok 2014. adatainak listába foglalása

A Függelékben az M3_3C oszlopban jelöltük azokat a manifeszt változókat, amelyeknek a 2014. évre előrejelzett értékeit a statisztikai szelekció során a D3_3 célváltozó előrejelzésénél megtartottunk. 6.7. A D3_3 lineáris model


13


A D3_3 modell „estimates” koefficienseivel súlyozzuk (szorozzuk) a céltelepülés (Bp.18. kerület) 2014. évre becsült prediktor adatait, amiket a fenti blokkban állítottunk elő és megtartottunk. 6.9. A D1_2 prediktorok 2014. adatainak listába foglalása

A Függelékben az M1_2C oszlopban jelöltük azokat a manifeszt változókat, amelyeknek a 2014. évre előrejelzett értékeit a statisztikai szelekció során a D1_2 célváltozó előrejelzésénél megtartottunk. 6.10. A D1_2 lineáris model


A D1_2 modell „estimates” koefficienseivel súlyozzuk (szorozzuk) a céltelepülés (Bp.18. kerület) 2014. évre becsült prediktor adatait, amiket a fenti blokkban állítottunk elő és megtartottunk.

A 3 MODELL KOEFFICIENSEI Az alábbiakban a három célváltozó előrejelző modelljének outputjából az adott modellhez tartozó regressziós koefficienseket külön is közöljük. A koefficiens táblában a szignifikancia value (P-value) értéke azt mutatja meg, hogy az adott prediktor (indikátor) releváns vagy sem. 10%-nál kisebb (szigorúbb esetben 5%-nál kisebb) Pértékkel bíró prediktor a preferált. Szemben a constans – lévén a modell hiányos specifikálásából eredő torzítást mutatja - esetében az inszignifikáns érték a preferált.

14


A D2_3 Önkormányzat koefficiensei Coefficients: D2_3 Önkormányzat saját folyó bevételei manifeszt indikátorok (Intercept) Constans D4_1 D1_2 D1_4 D2_4 D1_5 D3_5 D2_6 D4_6 D5_6 D9_6 D2_7 D3_7 D1_8 D6_8 D7_8 D1_9 D4_9 D5_9

Estimate Regressziós koefficiens 7.404e+04 -3.372e+02 2.249e+02 -7.548e+02 5.728e+03 2.018e+01 -1.196e+04 9.248e+03 7.923e+03 -1.799e+02 -1.323e+04 2.834e-04 4.166e+02 7.186e+03 -4.427e+02 2.982e+04 -4.375e+02 2.845e-01 -1.822e-03

A D3_3 Önkormányzat koefficiensei Coefficients: D3_3 Önkormányzat helyi adó bevételei manifeszt indikátorok (Intercept) Constans D4_1 D1_2 D1_4 D2_4 D3_5 D4_5 D8_5 D2_6 D9_6 D10_6 D3_7 D4_7 D1_8 D4_8 D6_8 D7_8 D1_9 D4_9 D5_9 D6_9

Estimate Regressziós koefficiens -3.685e+04 -6.218e+02 -5.689e+02 -2.362e+02 1.102e+04 -2.743e+04 1.429e+02 3.651e+02 1.805e+04 -1.128e+05 1.523e+01 1.162e+03 1.389e-04 1.658e+03 7.000e+00 -2.599e+03 5.623e+04 -7.570e+02 6.258e-01 -7.213e-04 -3.085e-03

saját

folyó

bevételei

regressziós

Probability Szignifikancia P-value

0.783627 0.225818 0.241853 0.522807 0.001206 0.000299 0.000711 0.096954 0.000969 0.852664 0.627732 0.116566 0.232089 0.065046 0.292057 0.010922 0.035993 0.040902 0.002174

helyi

** *** *** ***

* * * **

adó

bevételei

regressziós

Probability Szignifikancia value 0.860035 0.005077 0.031589 0.788055 1.01e-09 2.07e-05 0.054967 0.004066 0.000287 0.000229 0.000112 0.000754 0.003751 0.629911 0.031192 8.49e-05 4.19e-06 3.88e-06 7.65e-05 0.355226 0.151361

** * *** *** ** *** *** *** *** ** * *** *** *** ***

15


A D1_2 Foglalkoztatottak száma regressziós koefficiensei Coefficients: D1_2 Foglalkoztatottak manifeszt indikátorok (Intercept) Constans D2_4 D1_5 D4_5 D8_5 D2_6 D3_6 D4_6 D5_6 D6_6 D9_6 D10_6 D2_7 D3_7 D4_7 D4_8 D5_8 D6_8 D7_8 D4_9 D5_9

Estimate Regressziós koefficiens 3.748e+01 1.545e+00 -4.296e-03 -2.977e-03 2.919e-01 5.216e-01 6.587e-01 -4.373e+00 1.055e+00 -2.136e-01 -6.117e+01 6.255e-03 -6.630e-08 7.513e-01 3.414e-08 1.411e-02 -1.158e-02 -8.424e-01 7.393e+00 1.161e-04 -8.107e-07

Probability Szignifikancia value 0.738128 0.000179 0.057490 0.855028 1.46e-14 0.845013 6.23e-05 0.003032 0.022981 0.004774 1.66e-05 1.26e-05 0.465187 < 2e-16 0.374104 0.002720 0.008790 0.003241 0.051958 0.038628 0.000219

***

*** *** ** * ** *** *** *** ** ** ** * ***

16


IV.

IV.

ÖSSZEFOGLALÁS

Az airLED statisztikai modell alapvető célja a Repülőtér vonzáskörzetéhez tartozó települések (önkormányzatok) gazdasági-társadalmi fejlődése szempontjából egymást meghatározó jelenségek közötti ok-okozati kapcsolatokat találni és e kapcsolati hatásokat koefficiensek formájában számszerűsíteni. A statisztikai adatokon számított koefficiensek jelen modellben a prediktor változók értékeit szorozva súlyozzák azokat, kettős alkalmazási céllal: 1. Döntésmegalapozási oldalról a marginális hatás vizsgálata a feladat, hogy például eggyel több vállalkozás adott településen várhatóan hány MFt önkormányzati többletbevételt indukál, vagy például 1% nettó árbevétel növekmény hány MFt többletet eredményez az önkormányzati bevételekben egyéb feltételek változatlansága esetén. E kérdésre a koefficiensek értékének az értelmezése ad választ. 2. Prediktív céllal, a koefficiens becsült értékének ismeretében becslést (előrejelzést) végezhetünk egy kiragadott célváltozó várható értékére egy adott településen, adott időpontra. Például hány MFt lesz a várható önkormányzati bevétel jövőre Budapest 18.kerületében, ha ismerjük a regisztrált vállalkozások számát. Az egyes modellek koefficienseit illetően csak azok a prediktorok relevánsak, amelyek koefficiensei mellett a „Probability” szigifikancia érték kisebb mint 10% (szigorúbb esetben 5%). Tehát a három modellből az inszignifikáns prediktorok országspecifikusan elhagyhatók. Ezzel némileg romlik az előrejelzés pontossága, cserében egyszerűbb modellt kapunk értelmezhetőbb koefficiens (estimates) értékekkel. Mindazonáltal csak szignifikáns koefficiensek elemzésének van módszertani értelme.

17


VI.

V.

FÜGGELÉK 1. tábla Kódok és megnevezések

Kód

Megnevezés

M2_3C

M3_3C

x x

x x

x x x

x x

x

x x

x

x

x

x

x x x x x

x x

x x

x x

x x x

D1_1 D2_1

Lakónépesség száma az év végén (a népszámlálás végleges adataiból továbbvezetett adat) (fő) Száz aktív korúra jutó időskorúak száma

D3_1

Vándorlási különbözet

D4_1

18-64 éves aktív korúak száma

D1_2

Foglalkoztatottak összesen (fő)

D2_2 D1_3

Nyilvántartott álláskeresők száma összesen (fő) Összes évi bérbevétel az önkormányzatnál

D2_3

A helyi önkormányzatok saját folyó bevételei (1000 Ft)

D3_3

A helyi önkormányzatok helyi adó bevételei (1000 Ft)

D4_3

A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft)

D5_3 D6_3

A helyi önkormányzatok tárgyévi bevételei (1000 Ft) A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft)

D7_3

A helyi önkormányzatok helyi adó bevételeiből az idegenforgalmi adó (1000 Ft)

D1_4

Kiskereskedelmi üzletek száma (db)

D2_4 D1_5

Nagykereskedelmi raktárak száma összesen (db) Az összes szolgáltatott vezetékes gáz mennyisége (átszámítás nélkül) (1000 m3)

D2_5

Szolgáltatott összes villamosenergia mennyisége (1000 kWh)

D3_5

Épített lakások száma (db)

D4_5

Az év folyamán épített lakások összes alapterülete (m2)

D5_5 D6_5

Egy lakásra jutó alapterület Összkomfortos lakások aránya

D7_5

Száz lakott lakásra és lakott üdülőre jutó lakók száma

D8_5

Lakásállomány (db)

D1_6

Önkormányzati kiépítetlen út és köztér hossza (km)

D2_6 D3_6

Önkormányzati kiépített út és köztér hossza (km) Áruszállító tehergépkocsik száma (db)

x

D4_6

Magyarországon első alkalommal forgalomba helyezett áruszállító tehergépkocsik száma (db)

D5_6

Magyarországon első alkalommal forgalomba helyezett személyszállító gépjárművek száma (db)

D6_6

Személyszállító gépjárművek száma összesen (db)

x x

D7_6 D8_6

Belterületi kiépítettség Kerékpárút

D9_6

Közúti kapcsolatok száma

D10_6 Személygépkocsi-forgalom(3,5 t alatti ktk-val együtt)

x

D11_6 Közúti közlekedési baleset során meghalt, megsérült személy összesen (fő)

M1_2C

x x

D12_6 Összes személyi sérüléssel járó közúti közlekedési baleset (eset) D1_7 Rendszeres szociális segélyben részesítettek 1000 főre jutó átlagos száma D2_7

Összes adó (Ft)

D3_7

Összes adófizető darabszáma (fő)

D4_7

Összes belföldi jövedelem (Ft)

D5_7 D1_8

Regisztrált bűncselekmények száma 1000 lakosra vetítve Vendéglátóhelyek száma (db)

D2_8

Vendégek száma össz.kereskedelmi, falusi és egyéb szálláshelyeken

D3_8

Külföldi vendégek száma összesen kereskedelmi, falusi és egyéb szálláshelyeken

D4_8 D5_8

Vendégéjszakák száma összesen kereskedelmi, falusi és egyéb szálláshelyeken

D6_8

Külföldi vendégéjszakák száma összesen kereskedelmi, falusi és egyéb szálláshelyeken Szállásférőhelyek száma összesen kereskedelmi, falusi és egyéb szálláshelyeken

D7_8

Szálláshelyek száma összesen kereskedelmi, falusi és egyéb szálláshelyeken

D1_9

Regisztrált vállalkozások száma

D2_9 D3_9

Az adóévben megszerzett EVA bevétel EVA összege

D4_9

Fizetendő adó (1000 Ft)

D5_9

(Bruttó termelési érték)Kibocsátás összesen (1000 Ft)

D6_9

Bruttó hozzáadott érték (1000 Ft)

D7_9 D8_9

Likviditási mutató: Forgóeszközök/Rövid lejáratú kötelezettségek Befekt.eszk.fedezettségi mutatója: Saját tőke/Befektetett eszközök

D9_9

Tőkearányos adózott eredmény(ROE): Adózott eredmény/Saját tőke

x x x

x x

x x x

x x x

x x

x x x

x x x x

x x

D10_9 Eszközhatékonyság(ROI): Adózott eredmény/Teljes eszközállomány D11_9 Eszközjövedelmezőség(ROA): Adózás előtti eredmény/Teljes eszközállomány D1_10 Érkező és induló járatszám összesen D2_10 Érkező és induló utasszám összesen D3_10 Érkező és induló cargo(árutonna) összesen

18

ÉRTÉKELÉSI ÉS ÁTRUHÁZHATÓSÁGI JELENTÉS

Recommend Documents