MENDELOVA UNIVERZITA V BRNĚ Fakulta regionálního rozvoje a mezinárodních studií
Tvorba kompozitního indikátoru a jeho interpretace pro státy regionu jižní Ameriky Diplomová práce
Autor: Tomáš DOLÁK Vedoucí práce: Ing. Zbyšek Korecki, Ph.D. Brno 2014
Abstrakt DOLÁK, T. Tvorba kompozitního indikátoru a jeho interpretace pro státy regionu jižní Ameriky. Diplomová práce. Brno, 2014. Předmětem této diplomové práce je analýza regionu jižní Ameriky. Tato analýza je kombinací tří oblastí rozvoje regionu: ekonomická, sociální a environmentální. Základní pojmy problematiky, charakterizující rozvoj regionu, jsou popsány v literární rešerši. Výstupy vlastní analýzy jsou sestrojení kompozitního indikátoru, který porovnává podmínky k životu ve vybraných zemích a shlukové analýzy, která zobrazuje nejpodobnější shluky vybraných zemí. Klíčová slova: jižní Amerika, ekonomický, sociální, environmentální, kompozitní indikátor, korelace, shluková analýza
Abstract DOLÁK, T. The Formation a Composite Indicator and its Interpretation for the States of South American Region. Diploma thesis. Brno, 2014. The aim of the Diploma thesis is the analysis of the region of South America. This analysis is a combination of three areas of regional development: economic, social and environmental. Basic concepts of the problems characterizing the development of the region are described in the literature research part. Outputs of own analysis are the construction of a composite indicator which compares living conditions among selected countries and a cluster analysis, which shows the most similar clusters of the selected countries. Keywords: South America, economic, social, environmental, composite indicator, correlation, cluster analysis
1
Na tomto místě bych chtěl poděkovat vedoucímu diplomové práce Ing. Zbyšku Koreckému, Ph.D. za odborné vedení práce a za podporu a trpělivost při jejím vytváření. Poděkování patří i všem vyučujícím během studia, kteří mi předávali cenné znalosti a zkušenosti. Rád bych zde poděkoval také své rodině, všem blízkým a přátelům, kteří mě při vytváření této práce podpořili, a bez jejichž pomoci by nebylo možné práci dokončit.
2
Čestné prohlášení
Prohlašuji, že jsem práci: vypracoval 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 vědom, 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: 26. 5. 2014
…………………………………………………….. podpis
3
Obsah 1
Úvod a cíl práce .................................................................................................... 7 TEORETICKÁ ČÁST .............................................................................................. 8
I. 2
Vymezení základních pojmů ................................................................................ 8 2.1 Region ................................................................................................................. 8 2.2 Rozvojová země.................................................................................................. 8 2.3 Ekonomické ukazatele ........................................................................................ 9 2.3.1 HDP na obyvatele ........................................................................................ 9 2.3.2 Míra růstu HDP ............................................................................................ 9 2.3.3 Míra nezaměstnanosti .................................................................................. 9 2.3.4 Státní dluh .................................................................................................. 10 2.3.5 Čistý export ................................................................................................ 10 2.3.6 Index lidského rozvoje (HDI) .................................................................... 10 2.4 Sociodemografické ukazatele ........................................................................... 11 2.4.1 Míra porodnosti.......................................................................................... 11 2.4.2 Naděje dožití při narození (střední délka života) ....................................... 11 2.4.3 Index stáří .................................................................................................. 12 2.4.4 Index ekonomického zatížení .................................................................... 13 2.4.5 Míra gramotnosti u dospělých ................................................................... 14 2.4.6 GER (Gross Enrollment ratio) ................................................................... 14 2.4.7 Míra migrace obyvatel ............................................................................... 14 2.4.8 Míra urbanizace obyvatelstva .................................................................... 15 2.5 Environmentální ukazatele ............................................................................... 15 2.5.1 CO2 tun na obyvatele ................................................................................. 15 2.5.2 Podíl spotřeby fosilních paliv .................................................................... 15 2.5.3 Podíl zalesněných oblastí ........................................................................... 16 2.5.4 Zlepšení přístupu k pitné vodě – venkovské oblasti .................................. 16 2.6 Rozvojové problémy ......................................................................................... 16
3
Charakteristika sektorů hospodářství v rozvojových zemích ............................. 17
4
Vymezení základních nástrojů a postupů ........................................................... 18
4
4.1 Kompozitní indikátor ........................................................................................ 18 4.1.2 Konstrukce kompozitního indikátoru ........................................................ 19 4.2 Shluková analýza .............................................................................................. 24 4.2.1 Metoda hierarchického aglomerativního shlukování ................................. 25 4.3 Korelace ............................................................................................................ 25 PRAKTICKÁ ČÁST .......................................................................................... 28
II. 5
Pilíře regionálního rozvoje.................................................................................. 28 5.1 Ekonomický pilíř .............................................................................................. 29 5.2 Sociální pilíř...................................................................................................... 34 5.3 Environmentální pilíř ........................................................................................ 39
6
Nástroje analýzy ................................................................................................. 44 6.1 Korelační matice ............................................................................................... 44 6.2 Kompozitní indikátor ........................................................................................ 46
7
Analýza „problémové“ skupiny regionů............................................................. 51 7.1 Analýza problematiky – Guyana ...................................................................... 52 7.2 Analýza problematiky – Kolumbie ................................................................... 53 7.3 Analýza problematiky – Uruguay ..................................................................... 54
8
Korelace HDI a kompozitního indikátoru .......................................................... 55
9
Tvorba shlukové analýzy – kompozitní indikátor a HDI ................................... 56
III.
NÁVRHOVÁ ČÁST – DISKUZE ..................................................................... 58
10
Návrh řešení ..................................................................................................... 58 10.1 Návrh řešení – Guyana ................................................................................... 59 10.2 Návrh řešení – Kolumbie ................................................................................ 60 10.3 Návrh řešení – Uruguay .................................................................................. 62
11
Závěr ................................................................................................................ 63
12
Seznam použité literatury a elektronických zdrojů .......................................... 65 12.1 Literatura ......................................................................................................... 65 2.2 Elektronické zdroje ........................................................................................... 66
13
Seznam obrázků ............................................................................................... 69
14
Seznam tabulek ................................................................................................ 70
15
Seznam příloh................................................................................................... 70
5
16
Přílohy .............................................................................................................. 71
6
1
Úvod a cíl práce
Země Latinské Ameriky oplývají množstvím nerostného bohatství a jejich poloha je z hlediska podnebí ideální. Navíc je kromě společného trhu spojuje také většinou společný jazyk, společná kultura i společná historie. Proto nám vyvstává otázka: Proč se většina z těchto zemí považuje za rozvojový svět tzv. "Třetí svět"? V této práci analyzuji státy vyskytující se na regionu jižní Ameriky. V rámci regionální analýzy se budu zabývat třemi pilíři: ekonomickým, sociálním a environmentálním. V každém pilíři si zvolím deset kompozitních indikátorů. Vyhodnocením těchto indikátorů zjistím rozdíly v jednotlivých regionech. Zaměřím se na konkrétní rozdíly a pokusím se určit jejich příčinu. Zhodnotím také časový vývoj, díky kterému bude možno analyzovat, jakým směrem se daná země ubírá. Cílem této práce není vytvoření indikátoru k posouzení kvality života v jednotlivých státech. Takový indikátor již existuje, je jím index lidského rozvoje (HDI), o kterém se v práci také zmíním. Nicméně hlavním cílem je navrhnout kompozitní indikátor k posouzení rozvoje regionu. Dle mého názoru je rozdíl mezi lidským rozvojem a rozvojem regionu. Zatímco lidský rozvoj se zabývá kvalitou života v jednotlivých zemích, mnou navržený indikátor se bude zabývat kvalitou podmínek vhodných k životu. Na rozdíl od HDI zde totiž ještě zakomponuji environmentální rozměr. Prostředí jako takové má totiž na lidský život zásadní vliv. Výstupem této analýzy bude návrh, doporučení, po jehož aplikaci, by se zaostalejší státy mohly přiblížit ke standardům vyspělejších zemí.
7
I.
TEORETICKÁ ČÁST
Teoretická část je tvořena literární rešerší. Zde jsou osvětleny základní pojmy a metodika, užitá v praktické a analytické části této práce.
2
Vymezení základních pojmů
2.1 Region Dočkal uvádí definici regionu dle všeobecné encyklopedie Diderot: je to „část zemského povrchu s určitými typickými znaky. Existují dva základní druhy regionů: a) fyzickogeografický, vymezený na základě fyzickogeografických znaků (reliéfu, klimatu, půd, vodstva apod.); vyznačuje se vysokou mírou homogenity, b) sociálněgeografický (nodální), vymezený na základě relativně uzavřených prostorových vztahů, zejména dojížďky; vyznačuje se určujícím vztahem středisko – zázemí.“ 1
2.2 Rozvojová země Pojem „rozvojové země“ se začal používat teprve od 60. let minulého století. Jestliže se daná země řadí mezi rozvojové, patří do geografické sféry označované jako „Třetí svět“. Vymezení rozvojových zemí se zakládá na několika indexech, významné jsou zejména indexy Světové banky. Jedním z těchto indexů je i hrubý domácí produkt na osobu nebo i hrubý národní produkt na osobu. Nejdůležitějším ukazatelem bývá ovšem Index lidského rozvoje (HDI). Na základě tohoto indexu zpracovává Světová banka „Zprávu o lidském rozvoji“. Při použití této klasifikace vymezila Světová banka na celém světě celkem 137 rozvojových zemí. Z toho se v Latinské Americe nachází 33 zemí. Za jednoznačně rozvojové země – tedy země, u nichž index vykazuje nejnižší hodnotu, považujeme pouze 34 zemí na světě. Jedná se především o země v oblasti Subsaharské Afriky, dále poté Haiti, Nepál, Pákistán a Jemen.2
1
DOČKAL, Vít. Ústřední pojmy regionální politiky EU. Příspěvek ke studiu euroregionalismu. In St_edoevropské politické studie [online]. Brno: Mezinárodní politologický ústav Masarykovy univerzity, 2004 [cit. 2013-10-27]. Dostupné z: http://www.cepsr.com/clanek.php?ID=192. 2 MACHÁČEK, Jaroslav. Problémy rozvojových zemí, jejich příčiny a cesty k řešení: výstup z projektu Grantové agentury ČR 402/03/1336. Praha: Oeconomica, 2006, s. 14-17. ISBN 80-245-1060-x.
8
Podle hrubého národního produktu (HNP) na osobu můžeme rozdělit rozvojové země celkem do čtyř skupin: země s vysokým příjmem, země s nižším středním příjmem, země s vyšším středním příjmem a země s vysokým příjmem. Klasifikace podle hrubého domácího produktu (HDP) na osobu je velmi podobná.3
2.3 Ekonomické ukazatele 2.3.1 HDP na obyvatele Hrubý domácí produkt můžeme definovat jako celkovou hodnotu statků a služeb, které byly vyprodukovány na určitém území, domácími i zahraničními firmami za určité období (jednoho roku). Hrubý domácí produkt na obyvatele je pak poměrná část HDP připadající na jednoho obyvatele dané země.4
2.3.2 Míra růstu HDP Tento ukazatel vyjadřuje procentuálně růst či pokles HDP k předchozímu období (předchozímu roku). Není zde zahrnuta inflace.5
2.3.3 Míra nezaměstnanosti Podle Mezinárodní organizace práce se za nezaměstnané považují všechny osoby starší patnáct let, které nebyly v daném období zaměstnané, byly připraveny k nástupu do práce nejpozději do čtrnácti dnů a v posledních čtyřech týdnech aktivně hledaly práci. Takto vykazovaná míra nezaměstnanosti se nazývá obecná míra nezaměstnanosti. 6
3
ADAMCOVÁ, Lenka. Rozvojová ekonomika. Vyd. 1. Praha: Oeconomica, 2009, s. 93-94. ISBN 97880-245-1515-1. 4 FINANCE.CZ HDP a HNP. In: [online]. [cit. 2013-10-28]. Dostupné z: http://www.finance.cz/makrodata-eu/hdp/informace/ 5 GDP Real Growth Rate. [online]. [cit. 2014-02-03]. Dostupné z: https://www.cia.gov/library/publications/the-worldfactbook/docs/notesanddefs.html?fieldkey=2003&alphaletter=G&term=GDP%20%20real%20growth%20rate 6 PENÍZE.CZ: Co je nezaměstnanost?. In: [online]. [cit. 2013-10-28]. Dostupné z: http://www.penize.cz/80354-co-je-nezamestnanost
9
2.3.4 Státní dluh Pojem státní dluh zahrnuje celkový součet všech půjček centrální vlády a skládá se z interních věřitelů (státních věřitelů) a externích věřitelů (zahraniční subjekty). Tento dluh většinou slouží k pokrytí státních výdajů.7 Celková zadluženost zemí se vyjadřuje procentuálně vzhledem k HDP daných zemí.8 2.3.5 Čistý export Čistý export je hodnota, která vznikne výpočtem, když od exportu dané země odečteme import. Může být kladný i záporný. Ideální je, když je kladný (hodnota exportu přesahuje hodnotu importu) a jeho hodnota je co nejvyšší.9 Pro zemi je ekonomicky tedy lepší, pokud více vyváží, než dováží a její příjmy jsou tudíž větší než výdaje za zboží. 2.3.6 Index lidského rozvoje (HDI) První zpráva o lidském rozvoji nám představila nový způsob měření rozvoje. HDI byl utvářen kombinací očekávané délky života, úrovně dosaženého vzdělání a příjmu. Průlomem pak bylo vytvoření jednotné statistické veličiny odrážející stav sociálního a ekonomického rozvoje. Vztah mezi těmito dimenzemi je definován v intervalu <0;1>, kdy 0 je minimum a 1 maximum.10 HDI se opírá o tři základní dimenze: dlouhý a zdravý život, znalostní a slušný standardní život. Cílem tohoto ukazatele je tedy srovnání kvality života v jednotlivých zemích.11
7
Investopedia. [online]. [cit. 2013-10-28]. Dostupné z: http://www.investopedia.com/terms/s/sovereigndebt.asp 8 National debt. [online]. [cit. 2013-10-28]. Dostupné z: http://countryeconomy.com/national-debt 9 KADEŘÁBKOVÁ, Anna a Václav ŽĎÁREK. Makroekonomická analýza. Vyd. 1. Praha: Vysoká škola ekonomie a managementu, 2006, s. 14. Edice učebních textů. Ekonomie. ISBN 8086730050. 10 Human Development Index (HDI). [online]. [cit. 2014-02-03]. Dostupné z: http://hdr.undp.org/en/statistics/hdi 11 ADAMCOVÁ, Lenka. Rozvojová ekonomika. Vyd. 1. Praha: Oeconomica, 2009, s. 140. ISBN 978-80245-1515-1.
10
Tabulka č. 1: Minimální a maximální hodnoty ukazatelů HDI (zdroj: ADAMCOVÁ, 2009). Ukazatel
Minimální hodnota
Maximální hodnota
Naděje dožití při narození
25 let
85 let
Míra gramotnosti dospělých
0%
100 %
GER
0%
100 %
HDP na obyvatele
100 USD
40 000 USD
2.4 Sociodemografické ukazatele 2.4.1 Míra porodnosti Jedná se hodnotu vyjadřující průměrný počet narozených na určitém území, za období jednoho roku, připadající na 1 000 obyvatel. Tento ukazatel bývá stěžejním faktorem pro určení populačního růstu.12 Od něj se totiž odvíjí, s jak velkou skupinou obyvatel je možné do budoucna počítat. 2.4.2 Naděje dožití při narození (střední délka života) Český statistický úřad definuje naději dožití jako „hypotetický údaj, který říká, kolika let by se člověk určitého věku dožil, pokud by úroveň a struktura úmrtnosti zůstala stejná jako v daném roce“.13 Reálně se tedy lidé určitého věku dožít nemusí, nicméně pravděpodobně se ho dožijí (pokud se nestane něco neočekávaného např. nehoda, která život ukončí předčasně).
12
CIA. Birth rate. [online]. [cit. 2014-02-03]. Dostupné z: https://www.cia.gov/library/publications/theworld-factbook/docs/notesanddefs.html?fieldkey=2054&alphaletter=B&term=Birth%20rate 13 CZSO. Naděje dožití a průměrný věk - Metodika. [online]. [cit. 2014-02-03]. Dostupné z: http://www.czso.cz/csu/redakce.nsf/i/nadeje_doziti_a_prumerny_vek
11
2.4.3 Index stáří Podle demografického portálu nám index stáří značí, kolik obyvatel v poproduktivním věku připadá na 100 obyvatel v předproduktivním věku (vyjádřeno v procentech).14 Pro všechny indexy tyto věkové skupiny: •
I. generační skupina (předproduktivní) – věk: 0 – 14 let
•
II. generační skupina (produktivní) – věk: 15 – 64 let
•
III. generační skupina (poproduktivní) – věk: 65 a více let
Index stáří nám udává kolik obyvatel z III. generační skupiny připadá na 100 obyvatel I. generační skupiny. Je žádoucí, aby hodnota indexu byla co nejnižší. áří =
č č
ě 65 í ě 0 − 14
100
Index stáří vyplývá ze Sunbärgovy kvalifikace: relace III. a I. biologické generace.15 Z něj je možno vyvodit, jak je populace stará. Posoudíme-li změny ve věkové struktuře současných populací, tak je zřejmé, že tyto změny vedou k přechodu od progresivního typu přes stacionární typ až k regresivnímu typu. Tento proces – označovaný jako stárnutí obyvatelstva – vyvolává řadu nepříznivých sociálních a ekonomických důsledků (snižuje se podíl potenciálních pracovních sil, zvyšuje se podíl stařeckých ročníků, a tím i tlak na sociální zabezpečení, zdravotní péči apod.). Proto se uvedené typy někdy též nazývají: populace mladá (progresivní typ), stárnoucí (stacionární typ) a stará (regresivní typ). Stárnutí obyvatelstva je proces změn v jeho věkové struktuře, při kterém roste podíl starého obyvatelstva v celé populaci. Jedná se tedy o růst podílu, nikoliv o růst počtu starých osob. Pokud růst počtu mladých osob je rychlejší než růst počtu starých osob, neznamená takový růst skutečné stárnutí. Stejně tak i pokles počtu starých lidí může znamenat stárnutí obyvatelstva, pokud počet mladých klesá rychleji než starých. Stárnutí je vždy změna relativní věkové struktury a nikoliv změna absolutní relativní struktura.“16 Proto není tolik podstatné to, kolik je dětí v předproduktivní
14
Demografický portál [online]. [cit. 2013-10-01]. Dostupné z: http://www.demografie.info/?cz_demstarnutivyvoj 15 KOSCHIN, Felix. Demografie poprvé. V Praze: Oeconomica, 2005, 122 s. ISBN 80-245-0859-1. 16 ROUBÍČEK, Vladimír. 1. vyd. Praha: CODEX Bohemia, 1997, 348 s. ISBN 80-859-6343-4.
12
generaci v absolutním počtu, ale kolik jich je relativně vzhledem ke generaci poproduktivní.
2.4.4 Index ekonomického zatížení Charakteristika ekonomické struktury může být zkonstruována jako podíl III. (poproduktivní nebo postproduktivní) a I. (předproduktivní nebo preproduktivní) ekonomické generace. Nazývá se indexem stáří (viz výše), i když spíše než charakteristika stáří populace je to charakteristika ekonomická – je to podíl počtu důchodců (65letých a starších) a počtu dětí a mládeže (0-14letých) a dává přibližnou informaci o tom, jaké relativní zatížení budou lidé představovat v poproduktivním věku. Je to však interpretace mírně neprůhledná, proto je vhodnější konstruovat ukazatele ekonomické struktury jako relativní zatížení, které představují neproduktivní, tedy předproduktivní a poproduktivní generace. Takových ukazatelů je možno konstruovat celou řadu. Jednoduchou interpretaci má index hospodářského zatížení konstruovaný jako relace všech členů populace a generace produktivních: ℎ
ář
éℎ ! íž
í =
. $+
. $+ . $
. $
Eg je zkratka pro ekonomickou generaci. Index hospodářského zatížení pak můžeme interpretovat jako počet osob, které musí svou prací živit jeden produktivní člověk (včetně sebe). Jedná se o zjednodušení – aby index přesně vystihoval realitu, museli by všichni produktivní pracovat a naopak žádný neproduktivní by pracovat nemohl.17 Realita je ovšem jiná, nemálo příslušníků poproduktivní generace stále pracuje a naopak mnoho z generace produktivní práci nemá (ať už dobrovolně nebo nedobrovolně). Je žádoucí, aby hodnota indexu byla co možná nejnižší, přesahující hodnotu 1 co nejméně, tedy aby produktivní generace živila kromě sebe co nejmenší množství dalších lidí.
17
KOSCHIN, Felix. Demografie poprvé. V Praze: Oeconomica, 2005, 122 s. ISBN 80-245-0859-1.
13
2.4.5 Míra gramotnosti u dospělých Jedná se o procentuální podíl obyvatel v daném státě starších 15let věku, kteří mají schopnost číst a napsat alespoň nějaký krátký text. Obecně platí, že se do gramotnosti řadí i schopnost provádět jednoduché aritmetické operace.18 2.4.6 GER (Gross Enrollment ratio) Je to poměr počtu zapsaných studentů v určitém stupni vzdělávání (např. střední školy) k celkovému počtu obyvatel státu v této věkové kategorii. Může přesáhnout i hodnotu 100 %, pokud se do studia zapíší mladší nebo starší studenti, než je připadající věková kategorie.19 2.4.7 Míra migrace obyvatel Migrace je obecné označení pro pohyb obyvatelstva. Obvykle máme na mysli stěhování, které souvisí s vybudováním nového života. Rozlišujeme migraci vnitřní (v rámci jednoho státu např. urbanizace) a vnější (jedná se o přesun obyvatelstva přes politicky stanovené hranice státu). Migrace se dělí na emigraci (vycestování obyvatel daného státu do zahraničí) a imigraci (nastěhování obyvatel ze zahraničních států na území jednoho státu). Pokud známe počet emigrantů a imigrantů, můžeme vypočítat migrační saldo, které může být buď kladné (více imigrantů) nebo záporné (více emigrantů).20 Jelikož většinou migrují lidé v produktivním věku, má údaj o migraci velký ekonomický rozsah. Ze zemí tzv. Třetího světa emigrují často mladí lidé, aby si v zahraničí vydělali kapitál, který z velké části posílají do své původní země. Po několika letech se mohou vrátit, ale většinou si v nové zemi vytvoří také nové zázemí, sociální vazby a rozhodnou se v ní i zůstat.
18
Literacy rate, adult total (% of people ages 15 and above). [online]. [cit. 2014-02-03]. Dostupné z: http://data.worldbank.org/indicator/SE.ADT.LITR.ZS 19 Beyond Economic Growth Student Book: Glossary. [online]. [cit. 2014-02-03]. Dostupné z: http://www.worldbank.org/depweb/english/beyond/global/glossary.html 20 KOSCHIN, Felix. Demografie poprvé. Vyd. 2. přeprac. V Praze: Oeconomica, 2005, s. 89-92. ISBN 8024508591.
14
2.4.8 Míra urbanizace obyvatelstva Urbanizace velmi úzce souvisí s vnitřní migrací. Lidé se stěhují do měst, kde mají lepší životní podmínky.21 Jinými slovy, jedná se o část populace žijící ve městech a příměstských oblastech. Tento procentuální podíl se vypočítává na základě odhadů Světové banky a podkladů OSN ke světové urbanizaci.22 Přesto neznamená vnitřní migrace nutně zaručení určité kvality života. Jižní Amerika je známá svými slumy, kde žije koncentrovaná skupina chudých lidí v často velmi nevyhovujících podmínkách.
2.5 Environmentální ukazatele 2.5.1 CO2 tun na obyvatele Emise oxidu uhličitého jsou ty, které vyplývají ze spalování fosilních paliv a výroby cementu. Patří mezi ně oxid uhličitý produkovaný při spotřebě tuhých, kapalných a plynných paliv a zemního plynu hoření.23 Velikost této emise je důležitým ekonomickým ukazatelem, protože je vzhledem k celkové udržitelnosti rozvoje žádoucí, aby byla co nejnižší, ale zároveň je ekonomicky nákladnější volit pro spalování šetrnější alternativy. Důsledkem toho je, že „dovolit“ si jednat relativně ekologicky mohou spíše země vyspělejší. Realita je taková, že na ekologii myslí teprve země, které dosáhly určitého stupně ekonomického vývoje. 2.5.2 Podíl spotřeby fosilních paliv Touto spotřebou je myšlena spotřeba uhlí, ropy a zemního plynu. Tato hodnota je vyjádřena procentuálně k celkové spotřebě přírodních zdrojů.24
21
JENÍČEK, Vladimír a Jaroslav FOLTÝN. Globální problémy světa: v ekonomických souvislostech. Vyd. 1. V Praze: C.H. Beck, 2010, s. 128-129. Beckovy ekonomické učebnice. ISBN 978-80-7400-326-4. 22 Urban population (% of total). [online]. [cit. 2014-02-03]. Dostupné z: http://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS 23 CO2 emissions (metric tons per capita). [online]. [cit. 2014-02-09]. Dostupné z: http://data.worldbank.org/indicator/EN.ATM.CO2E.PC 24 Fossil fuel energy consumption (% of total). [online]. [cit. 2014-02-09]. Dostupné z: http://data.worldbank.org/indicator/EG.USE.COMM.FO.ZS
15
2.5.3 Podíl zalesněných oblastí Do tohoto ukazatele řadíme veškerý dřevinový porost vyšší než 5 metrů. Kromě lesního porostu se sem řadí i pěstitelsky využívané dřeviny či výsadby v urbanizovaných oblastech. Aby tato hodnota byla mezinárodně srovnatelnou, je vyjádřena procentuálně k celkové rozloze státu.25 2.5.4 Zlepšení přístupu k pitné vodě – venkovské oblasti Zlepšením přístupu k pitné vodě se rozumí vybudování vodovodních sítí, ať už v obydlích, či na veřejném prostranství. Dále vybudování hydrantů, veřejných studní a využití dešťové vody. Je vyjádřeno procentem populace, které tyto zdroje využívají.26 Jelikož voda je absolutně nezbytnou tekutinou pro veškerý život, oblasti se špatným přístupem k ní jsou ekonomicky velmi nevyspělé. 2.6 Rozvojové problémy Vlivem urbanizace se i rozvojové problémy globalizují. Můžeme je proto zařadit do tří základních typů: •
Inter-sociální – tyto problémy vycházejí ze vztahu mezi lidmi. Jedná se především o konflikty: války, násilí a důležitost boje proti terorismu. Další skupiny těchto problémů jsou také ekonomické: zadluženost zemí, ekonomická (ne)stabilita a problematika mezinárodní spolupráce.
•
Přírodně-sociální – toto jsou problémy vycházející ze vztahu člověka a přírody. Zde je důležité brát v úvahu omezenost přírodních zdrojů a jejich správné ekonomické využití. Do další skupiny těchto problémů patří dopady nakládání se zdroji, z čehož vznikají především environmentální problémy, materiálové a energetické problémy a problémy se znečištěním zdrojů nezbytných k životu.
•
Anthropo-sociální problémy – u těchto problémů se řeší vztah člověk a budoucnost. Tyto problémy se zabývají lidským řádem ve společnosti, řeší se
25
Forest area (% of land area). [online]. [cit. 2014-02-09]. Dostupné z: http://data.worldbank.org/indicator/AG.LND.FRST.ZS 26 Improved water source, rural (% of rural population with access). [online]. [cit. 2014-02-09]. Dostupné z: http://data.worldbank.org/indicator/SH.H2O.SAFE.RU.ZS
16
zde otázky etnik, náboženství, kultur, lidských práv a možného narušení bezpečného vývoje.27
3
Charakteristika sektorů hospodářství v rozvojových zemích
V sektorovém hospodářství mezi rozvinutým a rozvíjejícími se zeměmi existují určité odlišnosti. Zde je základní rozdělení: •
Sektor zemědělství – v rozvíjejících se zemích žije asi 75% obyvatel ve venkovských oblastech. V mnoha těchto regionech se na zemědělství podílí 50% obyvatelstva. V současné době patří mnoho rozvojových zemí mezi čisté dovozce potravin. Důvodem je rychlý nárůst populace, naproti nízkému nárůstu zemědělské produkce v daných regionech. Zemědělská produkce v rozvojových zemích se většinou opírá o tradiční zemědělské systémy, které nejsou tak efektivní jako moderní zemědělské systémy ve vyspělých zemích. Proto tato zemědělská produkce není pro rychle rostoucí obyvatelstvo dostatečně efektivní. S moderními technologiemi by zemědělství těchto zemí dosahovalo mnohem větších výstupů, ale zatím pro ně tyto technologie nejsou dostupné.
•
Sektor průmyslu - více než jednu třetinu HDP rozvojových zemí Latinské Ameriky tvoří průmysl. Rozvoj zpracovatelského průmyslu tvoří však pouze 19%. Důležitou roli hraje především těžební průmysl, protože tyto země mají poměrně bohaté zdroje nerostných surovin.
•
Sektor služeb – za posledních dvacet let se sektor služeb v rozvojových zemích velmi rozvinul. Nejedná se pouze o komerční služby, ale také služby státní, tento rozvoj se týká i např. kvality vzdělání a kvality zdravotní péče. Dále došlo k rozvoji obchodní služby, IT služby apod.28 Tento rozvoj je z velké části způsoben postupnou globalizací, kdy do všech zemí pronikají zahraniční vlivy.
27
JENÍČEK, Vladimír a Karel SRNEC. Fundamentals problems of developing countries. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk, 2012, s. 11-13. ISBN 9788073803759. 28 ADAMCOVÁ, Lenka. Rozvojová ekonomika. Vyd. 1. Praha: Oeconomica, 2009, s. 164-178. ISBN 978-80-245-1515-1.
17
4
Vymezení základních nástrojů a postupů
4.1 Kompozitní indikátor „Jednoduchý indikátor představuje jednorozměrnou veličinu, jejímž smyslem je srozumitelným způsobem předat informaci o jediném jevu v určitých souvislostech. Kompozitní indikátory naproti tomu kombinují různé aspekty určitého jevu do jednoho číselného vyjádření. Výsledkem je obvykle číslo se společnou jednotkou, jako například počet roků nebo hypotetických hektarů, což jsou jednotky indikátoru očekávaná délka života, respektive ekologické stopy.“29 Zjednodušeně tedy můžeme říci, že kompozitním indikátorem se rozumí ukazatel, který se skládá ze sub-ukazatelů, neboli z několika dílčích indikátorů, a tak v sobě zahrnuje více informací, než jednotliví ukazatelé.30 Je to tedy komplexní ukazatel, který bere v potaz více prvků reality. Jednotky sub-indikátorů, které jsou často nesouměřitelné a mají různou úroveň či variabilitu, vykazují ve dvojicích různý stupeň vzájemné závislosti. Není možné vždy považovat všechny vstupující sub-indikátory za stejně závažné, proto je tedy zřejmé, že při sestrojování kompozitního indikátoru, je třeba se držet určitých postupů.31 Postup sestrojení kompozitního indikátoru bude popsán níže. Nejdříve je nutné vybrat subindikátory.
Výběr sub–indikátorů V první řadě je třeba rozlišit indikátory: u nichž je žádoucí dosažení co nejvyšší hodnoty (indikátory typu max — např. růst HDP, zaměstnanosti apod.) u nichž je naopak žádoucí dosažení co nejnižší hodnoty (indikátory typu min — např. kriminalita, množství emisí, dětská úmrtnost, apod.)
29
Indikátory blahobytu [online]. [cit. 2013-10-27]. ISBN 978-80-87417-02-7. Dostupné z: http://www.zelenykruh.cz/dokumenty/indikatory-blahobytu-2010.pdf 30
JAROSLAV JÍLEK: Nástin sociálně hospodářské statistiky, Vysoká škola ekonomická v Praze, nakladatelství Oeconomica, 2005, str. 6 31 MINAŘÍK, Bohumil, Jana BORŮVKOVÁ a Miloš VYSTRČIL. Analýzy v regionálním rozvoji. 1. vyd. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1.
18
indikátory u nichž je žádoucí dosažení určité „optimální“ hodnoty (indikátory typu opt - např. fertilita, věkový medián, apod.). Kritéria typu opt netvoří však samostatnou kategorii, protože se jednoduchým způsobem dají převést na kritéria typu min: kritérium se konstruuje např. jako absolutní hodnota rozdílu (tj. vzdálenost) skutečné hodnoty v příslušném regionu a hodnoty „optimální“.32
4.1.2 Konstrukce kompozitního indikátoru Je zapotřebí si nejprve předdefinovat zmíněnou problematiku. Poté vyhledat ukazatele této problematiky. Tyto ukazatelé bývají většinou v různých jednotkách, proto je nezbytné jejich hodnoty převést na společnou jednotku tzv. normalizaci dat. Dále si musíme určit váhu jednotlivých ukazatelů. Jestliže máme určenou škálu (nejlépe bodovou), může započít proces agregace. Výsledky můžeme prezentovat v rámci clustrové analýzy.33
Konstrukce kompozitního indikátoru: •
Teoretická matice – jednotlivé dílčí indikátory by měly být vhodně zvoleny, tak, aby tato matice splňovala stanovený účel indikátoru (je zde zapotřebí vzít i vhodnost kombinace těchto indikátorů).
•
Vícerozměrná analýza – cílem této výzkumné analýzy by mělo být prozkoumání celkové struktury ukazatele, posouzení vhodnosti datového výběru.
•
Chybějících hodnoty – zde je třeba správně zvolit metodiku doplňování chybějících údajů. Extrémní hodnoty by měly být přezkoumány.
•
Stanovení vah a agregace – ukazatelé by měly být sečteny a váhy stanoveny podle teoretické matice
32
MINAŘÍK, Bohumil, Jana BORŮVKOVÁ a Miloš VYSTRČIL. Analýzy v regionálním rozvoji. 1. vyd. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1. 33
NARDO, SAISANA, SALTELLI, TARANTOLA. Tools for Composite Indicators Building [online].
European Communities, 2005 [cit. 2013-10-29]. Dostupné z: http://ipsc.jrc.ec.europa.eu/fileadmin/repository/eas/compositeindicators/Documents/EUR_21682_EN_Tools_for_Composite_Indicator_Building.pdf
19
•
Normalizace – aby bylo možné srovnávat ukazatele, je zapotřebí jejich normalizace (hodnoty mají rozdílné jednotky)
•
Robustnost a citlivost - tato analýza by také měla posuzovat časový úsek jednotlivých ukazatelů. Dle stanoveného mechanismu se některé ukazatelé zahrnou a jiné vyloučí.
•
Závislost mezi sub-indikátory – s užitím korelace je třeba posoudit vztah mezi jednotlivými sub-indikátory. Není žádoucí extrémní závislost.
•
Zobrazení – kompozitní indikátory mohou být prezentovány několika různými způsoby, které ale potom ovlivní i jejich interpretaci.
•
Návratnost do původních hodnot – cílem je transparentnost kompozitních indikátorů, na druhou stranu zde musí být možnost rozložení do základních indikátorů.34
Chybějící hodnoty Sekundárně dostupná data nejsou u některých zemí dostupná (buď je daná země vůbec neposkytuje, anebo pro daný ukazatel nejsou zjišťována. Toto je u některých rozvojových zemí velmi častý jev. Podíl chybějících hodnot v datech by měl být obecně nízký (orientačně do 5 %).
Problém chybějících hodnot je možno řešit dvěma způsoby: •
Chybějící hodnoty (bez jejich doplnění) je možno ošetřit v rámci vhodně zvolené metody agregace. Toto je především případ, kdy za chybějícími daty stojí nějaká náhodná příčina.35
•
„Chybějící hodnoty je také možno se pokusit doplnit pomocí nějakého algoritmu v rámci příslušného indikátoru (např. je nahradit jeho nejčastěji se vyskytující hodnotou — modem) nebo se pokusit chybějící hodnotu dopočítat např. na základě silné korelace daného indikátoru s nějakou další proměnnou. Lze použít
34
CENTRE, Joint Research. Handbook on constructing composite indicators methodology and user guide. Paris: OECD, 2008. ISBN 978-926-4043-466.
20
také hodnotu blízkou v čase, pokud je známa a nepředpokládáme, že mohlo dojít ke skokové změně. Pokud ovšem nelze chybějící hodnotu považovat za důsledek náhodné příčiny (jako příklad uvedeme, že některé země určité údaje prostě nezveřejňují z ideologických, náboženských nebo strategických důvodů), je těžké najít rozumné řešení.“36
Stanovení vah indikátorů U většiny kompozitních indikátorů se používá stejná hodnota vah. Ačkoliv to v podstatě znamená, že proměnné mají stejnou hodnotící sílu, výhoda spočívá v možnosti vykrytí chybějících dat. Znamená to tedy, že pokud jsou váhy w
j
> 0; = 1,2,… konstantní,
vydělíme-li jejich součet Σwj počtem indikátorů n, dostaneme hodnotu 1. Na každý indikátor tím pádem připadá váha 1.37
Mezi jednoduché metody stanovení vah patří: Použití hodnotících škál s lichým počtem stupňů (příkladem by mohla být devítibodová škála hodnotící závažnost každého indikátoru izolovaně na stupnici 1, 3, 5, 7, 9 - může být slovně vyjádřena jako nízká, podprůměrná, průměrná, nadprůměrná, vysoká závažnost indikátoru). Standardizace vah se provede takovým způsobem, že počet dosažených bodů u daného kritéria se vydělí součtem dosažených bodů u všech kritérií. Součet vah je v tomto případě roven jedné. Alternativou je vydělit počet dosažených bodů průměrným počtem bodů připadajících na jedno kritérium. V tom případě je součet vah roven počtu indikátorů. Užití matice párových porovnání. Jedná se o čtvercovou tabulku rozměru počtu indikátorů (např. pokud máme 3 indikátory, tak 3 x 3), která se vyplňuje po řádcích tak, že pokud se indikátor v řádku považuje za závažnější, napíšeme do
35,
MINAŘÍK, Bohumil, Jana BORŮVKOVÁ a Miloš VYSTRČIL. Analýzy v regionálním rozvoji. 1. vyd. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1 36 MINAŘÍK, Bohumil, Jana BORŮVKOVÁ a Miloš VYSTRČIL. Analýzy v regionálním rozvoji. 1. vyd. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1. 37 CENTRE, Joint Research. Handbook on constructing composite indicators methodology and user guide. Paris: OECD, 2008. ISBN 978-926-4043-466.
21
příslušného políčka „1“, pokud je považován za méně závažný než sloupcový, napíšeme „0“ a pokud řádkový i sloupcový indikátor je považován za stejně závažný, napíšeme „0,5“. Do pole symetrického podle hlavní diagonály napíšeme pak postupně „0“, „1“ a opět „0,5“. Diagonální pole zůstávají prázdná (porovnává-li bychom indikátor se sebou samým). Řádkové součty matice vydělíme
&(&()) +
, čímž získáme váhy indikátorů, jejichž součet opět
standardizujeme na hodnotu 1. Pokud řádkové součty vydělíme
, získáme
(&()) +
váhy, jejichž součet je roven počtu indikátorů. Výhodou je, že v každém
okamžiku porovnáváme jen dvojici indikátorů a neztrácíme tudíž přehled ani při velkém počtu indikátorů. Variantou je matice preferencí, do které zapisujeme, kolikrát považujeme řádkový indikátor za závažnější než sloupcový (pokud například řádkový indikátor považujeme např. za třikrát závažnější než
sloupcový, píšeme „3“ a do symetricky položeného pole „ , “). Výhodou matice )
preferencí je to, že na rozdíl od matice párových porovnání nelze dospět u
žádného kritéria k nulové váze. 38
Vybrané metody standardizace dat Účelem standardizace je původní hodnoty indikátorů transformovat do podoby bezrozměrných a tudíž snadno agregovatelných veličin.
Metody standardizace Metoda pořadových čísel (angl. ranking) spočívá v nahrazení hodnot měřitelné proměnné j X jejich pořadím, tj. vytvoření ordinální proměnné j P. U indikátorů typu max provádíme přiřazení pořadových čísel sestupně (nejvyšší hodnota má nejnižší pořadí), u indikátorů typu min je tomu naopak (nejnižší pořadí má nejnižší hodnota). Pokud dojde ke shodě pořadí, přiřadí se všem jednotkám průměr z pořadí, které by jim náleželo, pokud by hodnoty nebyly stejné.
38
MINAŘÍK, Bohumil, Jana BORŮVKOVÁ a Miloš VYSTRČIL. Analýzy v regionálním rozvoji. 1. vyd. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1.
22
Zatímco původní kritéria jsou zpravidla vyjádřena v různých (a vzájemně nepřevoditelných) měrných jednotkách, pořadová čísla jsou bezrozměrná a nic nebrání jejich agregaci. Je třeba si uvědomit, že dochází ke ztrátě části informace obsažené v datech — původně různé rozdíly mezi jednotkami nahrazujeme konstantními rozdíly mezi jim náležejícími pořadovými čísly. Nahrazení hodnot jejich pořadím rovněž eliminuje odlehlé hodnoty. Korelace pořadových čísel se často liší od korelace původních indikátorů. Metoda normované proměnné (v angl. z–scores) nahrazuje rozměrný indikátor j X typu max bezrozměrným Uj =
-. ( /.
0123 /.
s nulovým průměrem ( 54 = 0 ) a
jednotkovým rozptylem i směrodatnou odchylkou (var uj =0 indikátorů typu min provedeme transformaci Uj =
999(/8 .
0123 /.
6 7 ). U
Rovněž normované
hodnoty lze bez potíží agregovat, absolutní hodnota korelačních koeficientů se normováním nezmění, odlehlé hodnoty nejsou eliminovány. Metoda min–max (angl. re–rescaling) transformuje původní stupnici na stobodovou škálu <0; 100>. Pro indikátory typu max vypočteme - (&:;<-. =
. bezrozměrnou bodovou hodnotu jako Bj = &2/<-
. =(&:;<-. =
100
&2/<-. =(-.
Pro indikátory typu min použijeme vztah Bj = &2/<-
. =(&:;<-. =
100
Přitom min {Xj }, max {Xj } reprezentují nejmenší a největší v souboru jednotek zjištěnou hodnotu j–tého indikátoru. Bodové hodnoty lze agregovat, korelační koeficienty se touto transformací v absolutní hodnotě nezmění a odlehlé hodnoty nejsou eliminovány. Metoda vzdálenosti od referenční jednotky (angl. distance to a reference) zavádí do souboru jednotek fiktivní (neexistující) referenční jednotku, která u všech indikátorů nabývá nejlepší hodnotu (buď v souboru nebo mimo něj skutečně existující nebo i jen potenciálně možnou). K určení vzdálenosti každé reálné jednotky od jednotky referenční se použije nějaká metrika (např. euklidovská vzdálenost, její čtverec nebo Hammingova vzdálenost). Nejlépe hodnocená
23
jednotka vykazuje nejnižší, nejhůře hodnocená naopak nejvyšší vzdálenost od referenční jednotky.39
Agregace Obvykle se užívají 2 metody: přiřazovací metoda – v součtu indikátorů, přiřadíme každé zemi pořadové číslo. Je to vcelku jednoduchá metoda nezávislá na vyčnívajících hodnotách, avšak absolutní hodnota informace je ztracena. metoda založená na počtu indikátorů – zde sledujeme, které indikátory jsou nad a pod určitým měřítkem.40
4.2 Shluková analýza Jedná se o soubor matematických metod, jejichž cílem je najít nejpodobnější objekty. Tyto objekty jsou pak rozděleny do shluků (klastrů). Objekty uvnitř těchto shluků jsou v rámci shluku homogenní (stejnorodí), naopak v rámci různých shluků heterogenní (různorodí). Každý objekt by měl patřit do jednoho shluku.41 Mírou podobnosti jednotek shlukové analýzy bývá často korelace, popř. euklidovská distance D. Euklidovskou distanci můžeme definovat jako vzdálenost dvou bodů (A,B), v n-dimenzionálním prostoru. Pakliže bod A má stanoveny souřadnice a1, a2, ..., an a bod B souřadnice b1, b2, ..., bn, je jejich vzdálenost určena vztahem42: > = 0(
)
−
)
)+
+(
+
−
+
)+
+(
;
−
;
)+
;
= ?@( :A)
)
−
))
+
39
MINAŘÍK, Bohumil, Jana BORŮVKOVÁ a Miloš VYSTRČIL. Analýzy v regionálním rozvoji. 1. vyd. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1. 40 CENTRE, Joint Research. Handbook on constructing composite indicators methodology and user guide. Paris: OECD, 2008. ISBN 978-926-4043-466. 41 BRIAN S. EVERITT, Brian S.Sabine Landau. Cluster analysis. 4th ed. Chichester, West Sussex, U.K: John Wiley, 2001. ISBN 978-047-0689-356. 42 CHRÁSKA, Miroslav. Metody pedagogického výzkumu: základy kvantitativního výzkumu. Vydání 1. Praha: Grada Publishing, 2007, 265 s. ISBN 978-80-247-1369-4.
24
4.2.1 Metoda hierarchického aglomerativního shlukování Při této metodě dochází v jednotlivých fázích postupně ke spojení dvou objektů, nebo z nich vytvořených shluků. Počet těchto fází je roven n-1; kde n je počet shlukovaných objektů. Počet shluků se v každé fázi sníží o jeden. Výsledkem fáze n-1, je proto jediný shluk o n prvcích. V procesu shlukování však obvykle k této fázi nedochází, ale na základě kritérií je možné rozpoznat adekvátní počet shluků a proces v této fázi ukončit.43
4.3 Korelace Každá statistická závislost má dvě základní statistické vlastnosti, kterými jsou její průběh a intenzita. průběh závislosti – máme několik typů: přímočarý nebo křivočarý, rostoucí, klesající popř. (u křivočaré závislosti) střídavý intenzita (síla, těsnost) závislosti – čím větší je, tím větší má korelační pole protáhlejší, štíhlejší tvar. Intenzitu (sílu, těsnost) závislosti měříme pomocí bezrozměrné charakteristiky – korelačního koeficientu. Tento koeficient můžeme ovšem vyjádřit též matematickým vztahem44:
6 =
; ∑ /C DC ( ∑ /C ∑ DC
EF; ∑ /CG ( (∑ /C )G H; ∑ DCG ( (∑ DC )G IJ
∑(DC ( D9)(/C ( /̅ )
0∑(/C ( /̅ )G ∑(DC ( D9)G
=
∑ /C DC (;/D 9999
EH∑ /CG ( ;/̅ G IH∑ DCG (;D9 G I
=
Zjednodušeně tedy můžeme říci, že cílem korelační metody je prokázat na základě dostupných hodnot vztah mezi dvěma proměnnými. Může se jednat o pozitivní vztah nebo negativní vztah.45
43
MINAŘÍK, Bohumil, Jana BORŮVKOVÁ a Miloš VYSTRČIL. Analýzy v regionálním rozvoji. 1. vyd. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1. 44 MINAŘÍK, Bohumil. Statistika I: Popisná statistika (II. část). Měření závislostí. Statistické srovnávání. Popis časových řad. 1.vyd. Brno: Mendelova zemědělská a lesnická univ., 2000, s.105-207. ISBN 80715-7427-9. 45 KRÄMER, Walter. Statistika do vesty. Vyd. 1. Praha: Baronet, 2005, 124 s. ISBN 80-721-4848-6.
25
Korelační koeficient Korelační koeficient je bezrozměrné číslo, které měří intenzitu a směr závislosti, pohybuje se v intervalu: <-1; +1>.
Jeho druhou mocninou je možné vypočítat
koeficient determinace. Koeficient determinace nám určuje míru toho, jak dalece lze předvídat pomocí jedné hodnoty, hodnotu druhou. 46 Koeficient determinace r2 vyjadřuje závislost mezi dvěma proměnnými v procentech a udává jaká část variability jedné proměnné je podmíněna proměnlivostí druhé proměnné.47 Absolutní hodnota korelačního koeficientu by měla být větší než nula. Pakliže je nule rovna, není mezi dvěma proměnnými žádný vztah. Čím je hodnota korelačního koeficientu bližší hodnotám 1 nebo -1, tím těsnější vztah se mezi dvěma proměnnými vyskytuje. Důležitou roli ovšem hraje znaménko před výsledným číslem. To nám určuje, zda je jedná o pozitivní vztah – znaménko je kladné, anebo negativní vztah, jestliže je znaménko záporné. Pozitivní vztah (r > 0) nám říká, že jestliže se zvýší proměnná X, musí se zákonitě i zvýšit proměnná Y. Negativní vztah (r < 0) nám ukazuje pravý opak. Jestliže se nám sníží proměnná X, musí se snížit i proměnná Y.48
46
WALKER, Ian. Výzkumné metody a statistika. Vyd. 1. Praha: Grada, 2013, 218 s. Z pohledu psychologie. ISBN 978-80-247-3920-5. 47 MINAŘÍK, Bohumil. Statistika I: Popisná statistika (II. část). Měření závislostí. Statistické srovnávání. Popis časových řad. 1.vyd. Brno: Mendelova zemědělská a lesnická univ., 2000, s.105-207. ISBN 80715-7427-9. 48 BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. 1. vyd. Praha: Grada, 2010, 272 s. ISBN 978-80-247-3243-5.
26
Tabulka č. 2: Intenzita závislosti (zdroj: Minařík, 2000) R
Síla závislosti
0,0
nulová, žádná
0,0-0,3
slabá
0,3-0,5
střední
0,5-0,7
významná
0,7-0,9
vysoká
0,9-0,99
extrémně vysoká
1,0
Pevná
Korelační Matice Při sledování více proměnných současně, je vhodné užití korelační matice, kde máme přehledně zobrazeny korelační koeficienty. Každé buňce pak odpovídá jeden korelační vztah, tzn. koeficient pro každé dvě proměnné.49
Pearsonův koeficient Pearsonův koeficient je klasickým koeficientem korelace, který nám vyjadřuje míru vztahu mezi dvěma proměnnými, a to opět v intervalu <-1; +1>. Nulová hodnota koeficientu znamená, že mezi proměnnými existuje nezávislost. Čím více se však hodnota blíží k absolutní hodnotě jedné, tím je mezi proměnnými těsnější vztah.50
Spearmanův koeficient Tento koeficient je na rozdíl od Pearsonova koeficientu založen na srovnávání pořadí hodnot, nikoliv hodnot samotných. Jedná se o robustní koeficient. Výhoda Spearmanova koeficientu spočívá v tom, že není ovlivněn vlivnými body. Hodnoty tohoto koeficientu by se neměly příliš lišit od klasického korelačního koeficientu.
49
KOZEL, Roman, Lenka MYNÁŘOVÁ a Hana SVOBODOVÁ. Moderní metody a techniky marketingového výzkumu. 1. vyd. Praha: Grada, 2011, 304 s. Expert (Grada). ISBN 978-80-247-3527-6. 50 PRŮCHA, Jan a Jaroslav VETEŠKA. Andragogický slovník. Vyd. 1. Praha: Grada, 2012, 294 s. ISBN 978-802-4739-601.
27
Pokud se tyto hodnoty výrazně liší, znamená to, že v datech se vyskytuje nějaká chyba.51
II.
PRAKTICKÁ ČÁST
5
Pilíře regionálního rozvoje
V této části analyzuji 3 pilíře regionálního rozvoje: ekonomický, sociální a environmentální. Tato analýza je prováděna na datovém souboru o 12 regionech, a to dle metodiky popsané v Teoretické části. Na následujícím schématu (obr. 1), můžeme vidět rozdělení jednotlivých sub-indikátorů do pilířů regionálního rozvoje. Na základě další metodiky budou z každého pilíře vybráni 2 ukazatele, ze kterých bude sestrojen kompozitní indikátor. Podstatný je především vývoj v jednotlivých státech. Ten je vyobrazen v časovém úseku 10 let. V některých případech se ovšem liší léta záznamu, v závislosti na sčítání lidu atd. Takto jsou data zaznamenána i v dostupných ročenkách Factbooku popř. v databázi Worldbank (Světové banky). Interval 10 let byl však dodržen.
51
KUPKA, Karel. Statistické řízení jakosti. Pardubice: TriloByte, 1997, 191 s. ISBN 80-238-1818-X.
28
Obr. 1: Rozdělení sub-indikátorů (zpracování: vlastní návrh)
5.1 Ekonomický pilíř Tento pilíř je charakterizován vybranými indikátory, které nám vykreslují ekonomické prostředí ve státech regionu jižní Ameriky. Hodnoty zmíněných indikátorů, jsou velmi sledovanými atributy, které mohou mít zásadní dopad na další ekonomický vývoj regionu.
Míra růstu HDP Na obrázku 2 vidíme Míru růstu HDP v zemích regionu jižní Ameriky. V roce 2003 je vyčnívajícím prvkem Venezuela, kdy meziroční pokles HDP činil 7,8%. Můžeme se domnívat, že vliv na tento nepříznivý výsledek měla Chavezova politika. Další zemí,
29
která dosáhla poklesu HDP je Guyana. Jedná se však o zanedbatelnou hodnotu 0,6%. U Argentiny došlo k nárůstu HDP o 8,8%. Po bankrotu v roce 2002, kdy země byla v nejhlubší krizi, je tento vývoj celkem očekávaný. V roce 2013, je vývoj v růstu HDP zcela rozdílný. Ani jedna ze zemí jižní Ameriky nedosahovala záporného salda HDP. Příčinnou může být zvyšující se poptávka po nerostných surovinách, kterými tyto země značně oplývají. Nejrychlejší růst dosahuje Paraguay, a to 12%. Kromě zvyšující se poptávky po nerostných surovinách si tento výsledek můžeme vysvětlovat i jako důsledek zvýšené poptávky po hovězím mase, jehož je země významným exportérem. Růst HDP nad 5% zaznamenaly také země jako Bolívie, Guayana či Peru.
Obr. 2: Míra růstu HDP v letech 2003 a 2013 (zdroj: ročenky Factbook 2004 a 2014) Míra nezaměstnanosti V roce 2003 byla míra nezaměstnanost v zemích jižní Ameriky na vysoké úrovni, žádná země nebyla pod hranicí 8 %. Hodnota pro rok 2003 není pro Guayanu dostupná, proto v celkovém součtu není. V tomto roce dosáhla nejvyšší míry nezaměstnanost Paraguay s 18,5%. Následuje Venezuela s 18% a Argentina s 17,3%. Naopak nejnižší míry nezaměstnanosti dosáhlo s 8,5% Chile. Relativně nízkou míru nezaměstnanosti dosahovalo také Peru s 9,7% a Ekvádor s 9,8%. Oproti roku 2003, došlo v roce 2013 u všech zemí jižní Ameriky k poklesu nezaměstnanosti. Přesto v roce 2013 dosahovala míra nezaměstnanosti u Guyany 11% a Kolumbie 9,7%. Naopak nejnižší míry dosahovalo s 3,6% Peru. V časovém úseku 10 let pak k nejvyššímu poklesu došlo u Paraguaye, a to o 11,9%. Významný pokles zaznamenala s 10,1% také Venezuela. U
30
těchto zemí patřila míra nezaměstnanosti v letech 2003 k nejvyšším, proto je zajímavé, že během 10 let u nich došlo k nejvyššímu poklesu. Jednou z možných příčin by mohla být restrukturalizace hospodářství, nebo také investice do rozvoje regionu a vzdělání obyvatel.
Obr. 3: Míra nezaměstnanosti v letech 2003 a 2013 (zdroj: ročenky Factbook 2004 a 2014) Míra státního dluhu k HDP Zadluženost zemí jižní Ameriky se v roce 2013 oproti roku 2003 značně snížila. Roli přitom hraje vývoz nerostných surovin a zemědělských produktů do Evropy a USA. V roce 2003 byl také vlivem bankrotu dluh Argentiny 127% HDP, to je nejvyšší zadlužení z námi zkoumaných zemí. Vysokou zadluženost vykazovala se 118,2% také Guyana a s 90,1% Uruguay. Naopak vůbec nejnižší zadluženosti v rámci regionu jižní Ameriky, dosahovalo s hodnotou 10,2% Chile. V roce 2013 se pořadí nejzadluženějších zemí změnilo. Nejvíce zadluženou zemí byla s 62,8% Uruguay, následována Guyanou s 59,9% a Brazílií s 59,2%. Na pozici s nejnižším zadlužením zůstává s 13,9% Chile. Z obrázku 4 nám nejvíce vyčnívá Argentina, jejíž dluh oproti původním 127%, dosahoval v roce 2013 pouze 45,8%.
31
Obr. 4: Míra zadluženosti v letech 2003 a 2013 (zdroj: ročenky Factbook 2004 a 2014) Čistý export na obyvatele Na obrázku 5 vidíme, k jakému došlo v roce 2013 vývoji čistého exportu na obyvatele oproti roku 2003. Je zajímavé, že graf na obrázku 5 poměrově neodpovídá grafu na obrázku 4. Je to důkaz toho, že na zadluženost země nemá vliv pouze export a import. K nevětší změně čistého exportu na obyvatele došlo u zemí, jako je Suriname a Guyana. Vysvětlení můžeme nalézt v přepočtu na obyvatele. Surinam, s pouhými 436 935 obyvateli, je země s nejnižším počtem obyvatel v jižní Americe. Podobně je na tom Guyana se 705 803 obyvateli. U těchto zemí můžeme proto říci, že jsou daleko flexibilnější, co se týká čistého exportu. U Venezuely je nárůst kladné bilance čistého exportu, patrně způsoben vývozem ropy.
32
Obr. 5: Hodnota čistého exportu na obyvatele v letech 2003 a 2013 (zdroj: ročenky Factbook 2004 a 2014)
Index ekonomického zatížení Index ekonomického zatížení velmi úzce souvisí s demografickou situací v dané zemi. Je to důkaz propojenosti ekonomického a sociálního pilíře. Díky poměrně vysoké porodnosti, země jižní Ameriky udržují stacionární vývoj populace. V roce 2004 Paraguay díky vysokému počtu dětí do 15let věku dosahovala 175,4% indexu ekonomického zatížení. Což znamená, že 100 obyvatel v produktivním věku, kromě sebe živí zároveň 175 (zaokrouhlení nahoru) obyvatel, kteří v produktivním věku nejsou. Ekonomické zatížení díky skupině v předproduktivním věku, je ovšem dobrý předpoklad pro budoucí vývoj. Což se ukazuje o 10 let později, kdy se hodnota indexu ekonomického zatížení vyrovnává s ostatními zeměmi. Podobná situace je i v Bolívii, která dlouhodobě vykazuje vysokou míru porodnosti, což se následně projevuje i na
33
struktuře obyvatelstva a ekonomickém zatížení. Do budoucna však lze předpokládat, že s rozvojem regionu rychlost růstu obyvatelstva zpomalí. V tom případě klesne i míra ekonomického zatížení. Na obrázku 6 vidíme zobrazený index ekonomického zatížení k jednotlivým zemím jižní Ameriky. Na první pohled je zřejmé, že se nejedná o markantní rozdíly.
Obr. 6: Index ekonomického zatížení v letech 2004 a 2014 (zdroj: ročenky Factbook 2004 a 2014)
5.2 Sociální pilíř Tento pilíř je zaměřen na vývoj společnosti. Ten tož odráží aktuální podmínky v daném regionu. Je logické, že některé indexy navazují na indexy již zmíněné k ekonomickému pilíři. Obecně vzato můžeme konstatovat, že ekonomická situace v dané zemi, odráží i její sociální vývoj.
Míra porodnosti na 1 000 obyvatel Z obrázku 7 vyplývají závěry zmíněné již v předchozím textu u indikátoru ekonomického zatížení. Potvrzuje se zde, že v roce 2004 měla Paraguay nejvyšší míru porodnosti v jižní Americe, téměř 30 dětí na 1 000 obyvatel. Dále také Bolívie vykazuje v obou letech vysokou míru porodnosti. Naopak nejnižší míru porodnosti vykazuje Uruguay, v roce 2014 je to dokonce pouze 14 dětí na 1 000 obyvatel. Podobně je na tom
34
i Chile. Tento trend se také začíná projevovat i u Brazílie a Guyany, kde vidíme v roce 2014 rovněž pokles porodnosti.
Obr. 7: Míra porodnosti na 1 000 obyvatel v letech 2004 a 2014 (zdroj: ročenky Factbook 2004 a 2014)
Míra migrace obyvatel na 1 000 obyvatel Na obrázku 8 je vyobrazena vnější migrace obyvatel. Záporné hodnoty znamenají, že byl v dané zemi odliv obyvatel – emigrace. Naopak kladné hodnoty znamenají imigraci obyvatel do určité země. V roce 2004 je největší odliv obyvatelstva, s téměř 9 emigranty na 1 000 obyvatel, zaznamenán u Ekvádoru a Surinamu. Z obrázku můžeme dále vypozorovat, že se nejedná o migraci v rámci jižní Ameriky (to by jinde musel být příbytek). Mezi nejčastější destinace těchto emigrantů patří kromě USA, také Itálie či Španělsko. V témže roce Argentina jako jediná země jižní Ameriky zaznamenala imigraci obyvatel, „necelého“ 1 člověka na 1 000 obyvatel. Chile v tomto roce mělo neutrální bilanci 0. V roce 2014 je situace poněkud jiná. Nejvíce emigrantů, zaznamenala Guyana – téměř 10 emigrantů na 1 000 obyvatel. Chile spolu se Surinamem zaznamenali migraci „necelého“ 1 člověka na 1 000 obyvatel. U Surinamu je možné, že došlo částečnému návratu původně emigrujícího obyvatelstva. Argentina i Venezuela mají v tomto roce 0, neutrální migraci. U Venezuely je možnou příčinnou diktátorský režim v zemi, který tuto migraci značně omezuje.
35
Obr. 8: Míra migrace na 1 000 obyvatel v letech 2004 a 2014 (zdroj: ročenky Factbook 2004 a 2014)
Index stáří obyvatel Jak již bylo vysvětleno v Teoretické části této práce, index stáří nám vyobrazuje stáří populace. Proto je logické, že kromě naděje dožití, zde významný vliv zastává i míra porodnosti. To ostatně potvrzuje i obrázek 9. Na příkladu Bolívie, která, jak již bylo zmíněno v předchozím textu, se vyznačuje vysokou porodností, patří hodnota tohoto indexu k nejnižším v regionu jižní Ameriky. V roce 2014 připadalo v Bolívii na 100 obyvatel v předproduktivním věku 14 obyvatel v poproduktivním věku. Jedná se tedy o velmi mladou populaci. Naopak nejvyšší hodnotu v obou letech vykazovala Uruguay, což ji řadí do role nejstarší populace jižní Ameriky. V roce 2014 připadalo v Uruguayi na 100 obyvatel v předproduktivním věku 67 obyvatel v poproduktivním věku. Příčinnou by kromě relativně nízké porodnosti, mohl být i prodlužující se věk dožití obyvatel.
36
Obr. 9: Index stáří obyvatel v letech 2004 a 2014 (zdroj: ročenky Factbook 2004 a 2014) Míra gramotnosti U tohoto indexu je nevýhodou, že jakmile dosáhnete maximální hodnoty např. 99,9%, vývoj se na této hodnotě ustálí. Nebývá totiž zvykem, že by u zemí s vysokou mírou gramotnosti, tato míra klesala. Podařilo se mi ovšem nalézt v regionu jižní Ameriky 2 výjimky: Paraguay a Peru. U Paraguaye došlo během 10 let k poklesu o 0,1% a u Peru dokonce o 1,3%. Příčinu tohoto poklesu můžeme nalézt v zalesněných oblastech. S úbytkem pralesu jsou objevováni noví domorodci, kteří jsou postupně civilizování a socializováni. Na západní poměry jsou ovšem považováni za negramotné. Obecně lze říci, že míra gramotnosti u zemí jižní Ameriky dosahuje vysokých hodnot, téměř srovnatelnými s evropskými standardy, viz obrázek 10. Otázkou ovšem zůstává, nakolik poskytnuté hodnoty odpovídají realitě v daných zemích.
37
Obr. 10: Míra gramotnosti v letech 2001 a 2011 (zdroj: ročenky Factbook 2004 a 2014) Naděje dožití Na obrázku 11 máme vyobrazenu naději dožití k zemím jižní Ameriky. Na první pohled je patrné, že k nejdéle žijícím patří obyvatelé Argentiny, Chile a Uruguay. V roce 2012 dosahovala u Chile naděje dožití 80 let. Tyto míry jsou však úzce spojeny i se stárnutím populace. Vrátíme-li se k obrázku 9, je to právě Argentina, Chile a Uruguay s nejstarší populací v regionu jižní Ameriky. Naopak Bolívie a Guyana patří k zemím s nejnižší nadějí dožití. V roce 2002 byla naděje dožití v Bolívii a Guyaně 64 let. V roce 2012 se situace zlepšila, naděje dožití v Guyaně je 66 let a Bolívii 67 let. Tento vývoj nám říká, že v Bolívii a Guyaně došlo za časový úsek 10 let ke značnému rozvoji zdravotnické péče a zlepšení podmínek k životu. Určitou roli zde hraje také urbanizace a dostupnost služeb.
38
Obr. 11: Naděje dožití v letech 2002 a 2012 (zdroj: ročenky Factbook 2004 a 2014) 5.3 Environmentální pilíř Tento pilíř se zabývá prostředím v daných zemí. Především pak vliv rozvoje lidské společnosti na životní prostředí a jeho strukturu. Environmentální pilíř je úzce propojen s pilířem ekonomickým a sociálním. Emise CO2 tun na obyvatele Tento index nám ukazuje množství CO2 znečišťující ovzduší. Jak vidíme na obrázku 12, nejvyšších emisí CO2 dosahovala Venezuela. V roce 2010 připadalo na 1 obyvatele téměř 7 tun emisí CO2. Příčinou bude patrně rozvinutý petrochemický průmysl, díky významným zásobám ropy. Za Venezuelou následuje, Suriname, Argentina a Chile. V případě Surinamu má vliv na tento výsledek vypalování deštného pralesa a těžební průmysl. Rozvinutý průmysl se nachází také v Argentině a Chile. Naopak nejméně tun emisí CO2 obyvatele připadá v Paraguayi. V roce 2010 to bylo pouze 0,8 tun na obyvatele. Zde můžeme vidět příčinu v orientaci ekonomiky na sektor zemědělství.
39
Obr. 12: Emise CO2 v tunách na obyvatele v letech 2000 a 2010 (zdroj: ročenky Factbook 2004 a 2014)
Podíl zalesněných oblastí Nejvyšší podíl zalesněných oblastí má Suriname. V roce 2001 to bylo 94,7% a v roce 2011 celých 94,6%. Suriname je země s nízkým počtem obyvatel, kterou tvoří především tropický deštný les. Tento výsledek je proto logickým odrazem země. Obdobně bychom mohli definovat i situaci v Guyaně. Z obrázku 13 je patrné, že u zemí jižní Ameriky dochází spíše k poklesu zalesněných oblastí. Výjimku tvoří Chile a Uruguay. Chile v roce 2001 mělo 21,4% zalesněných oblastí; v roce 2011 to už však bylo 21,9%. Tato země nemá přístup k deštnému lesu. Vzhledem k tomu, že dřevo je nepostradatelnou surovinou na celém světě, je na místě, že se Chile snaží zalesněné oblasti rozšiřovat. V případě Uruguaye je situace obdobná a nárůst během 10 letého období jsou dokonce 2%.
40
Obr. 13: Podíl zalesněných oblastí v letech 2001 a 2011 (zdroj: ročenky Factbook 2004 a 2014)
Podíl spotřeby fosilních paliv Na obrázku 14 je vyobrazen podíl spotřeby fosilních paliv. Guyana a Surinam neposkytují k tomuto ukazateli data. Podílově největší spotřebu fosilních paliv má Argentina a Venezuela. U Venezuely je tento výsledek očekávaný vzhledem k rozšířenému petrochemickému průmyslu. Argentina zase doplácí na ekonomický rozvoj regionu, který je s průmyslem úzce spojen. U některých zemí však pozorujeme klesající tendenci. Neznamená to však, že by faktická spotřeba fosilních paliv klesala, pouze se více využívají jiné zdroje energie. Tato spotřeba je pochopitelně také propojena se strukturou hospodářství daných zemí.
41
Obr. 14: Podíl spotřeby fosilních paliv v letech 2001 a 2011 (zdroj: Worldbank) Využití zlepšené dostupnosti k pitné vodě Tento indikátor je zaměřen především na venkovské oblasti. Dobrá dostupnost k pitné vodě, je ve velkých městech samozřejmostí. Na venkově tomu ovšem tak mnohdy není. V období 10let (2001-2011) největšího rozvoje v oblasti dostupnosti zdroje pitné vody, dosáhla Argentina a Guyana. V roce 2010 tyto zdroje v Guyaně využívalo 97% venkovské populace. Podíváme-li se na Bolívii a Peru, kdy téměř 70% venkovské populace v roce 2010 využívalo inovované vodní zdroje, relativně malý pokrok. Vzhledem k tomu, že velká část těchto venkovských oblastí se nachází ve špatně dostupných Andách, jedná se o přijatelný poměr. Vývoj celého regionu jižní Ameriky je vyobrazen na obrázku 15. Pouze Venezuela neposkytla data k roku 2010.
42
Obr. 15: Využití zlepšené dostupnosti k pitné vodě v letech 2000 a 2010 (zdroj: Worldbank) Míra urbanizace Tento indikátor je úzce propojen se sociálním pilířem, nicméně v rámci rozvoje hospodářství a chování lidské společnosti má vliv na životní prostředí. Na obrázku 16 můžeme pozorovat vývoj urbanizace v regionu jižní Ameriky. Nejvyšší míry urbanizace dosahuje Argentina, Uruguay a Venezuela. Obecně můžeme říci, že urbanizace se v jižní Americe zvyšuje. Výjimkou je Guyana, kdy míra urbanizace během 10let (20012011) poklesla o 1%. Příčina tohoto poklesu může být v pronikání obyvatel hlouběji do pralesa a vznik vesniček, které zásobující dělníky pracující v dřevařském těžebním průmyslu.
43
Obr. 16: Míra urbanizace v letech 2002 a 2012 (zdroj: ročenky Factbook 2004 a 2014)
6
Nástroje analýzy
6.1 Korelační matice K sestrojení kompozitního indikátoru, potřebuji nejprve ověřit závislost sub-indikátorů. Matice byla sestrojena v programu STATISTICA 12 podle nejaktuálnějších dostupných dat. Z Pearsonova koeficientu můžeme vyčíst mnoho užitečných informací jako například, že je vysoká závislost mezi mírou urbanizace a mírou HDP. Zajímavá je závislost mezi indexem stáří a využití zlepšené dostupnosti ke zdroji pitné vody ve venkovských oblastech, dále je zde souvislost s urbanizací. Příčinou těchto výsledků by mohla být skutečnost, že mladí lidé opouštějí venkov a stěhují se do měst za prací.
44
Obr. 17: Pearsonův koeficient (zdroj: ročenky Factbook 2004 a 2014 a Worldbank)
6.2 Kompozitní indikátor Podíváme-li se na obrázek 17, je nám jasné, že vysoká závislost (nad 0,7) nevyhovuje naší metodice k sestrojení kompozitního indikátoru. Na základě těchto závislostí, byly zvoleny z každého pilíře 2 sub-indikátory, ze kterých byl sestrojen kompozitní indikátor. Tento výběr je vyobrazen na obrázku 18.
Obr. 18: Zvolené sub-indikátory k sestrojení kompozitního indikátoru (zdroj: vlastní návrh) Tímto krokem byl vytvořen zcela nový datový soubor. Sub-indikátory mezi sebou proto vytváří rozdílné závislosti oproti původní závislosti. Bylo tedy třeba sestrojit opět novou matici, abychom si ověřili závislost mezi zvolenými indikátory. K sestrojení této matice byl rovněž využit program STATISTICA 12. Výsledky vzájemné závislosti mezi zvolenými indikátory jsou vyobrazeny na obrázku 19. Zde můžeme pozorovat, že nikde nedochází k vysoké závislosti. Tyto subindikátory, je proto možné využít při tvorbě kompozitního indikátoru bez agregace dat.
Obr. 19: Korelační matice ke zvoleným indikátorům (zdroj: vlastní zpracování) Na obrázku 20 pozorujeme tabulku s rozdělením sub-indikátorů do skupin Min a Max. Při rozdělení záleželo především, zda se jedná o indikátor, u kterého je pozitivní co nejvyšší hodnota, anebo o indikátor, u kterého je naopak žádoucí hodnota co nejnižší. Jako příklad indikátoru Max mohu uvést růst HDP. Zde je pochopitelně žádoucí, aby byl růst co možná nejvyšší. Příklad indikátoru Min je poté míra nezaměstnanosti. Vysoká míra nezaměstnanosti totiž není pozitivním faktorem regionu. Podobně jsou určeny i ostatní indikátory. Na obrázku 20 můžeme dále pozorovat, že 1 hodnota nám chybí. Jedná se o využitelnost inovovaného zdroje pitné vody u Venezuely. Tento indikátor úzce souvisí s rozvojem venkova. Z nějakého důvodu ho zde však aktuálně Venezuela neuvádí. Dle mého názoru by bylo ne příliš efektivní srovnávat aktuální údaje s údajem, který je zastaralý. Proto byl zde tento údaj vynechán. Doporučuje se maximálně 5% chybějících dat k vytváření indikátoru. Přepočítáme-li si to na mnou navržený datový soubor, s 1,4% chybějících dat, je tato podmínka splněna. Na obrázku 20 jsou červenou barvou označeny nejvyšší a nejnižší hodnoty k jednotlivým indikátorům.
47
Obr 20: Rozdělení sub-indikátorů (zdroj: ročenky Factbook a Worldbank)
Na obrázku 21 je sestrojen samotný kompozitní indikátor. Zde byla při standardizaci dat přiřazena ke všem indikátorům stejná váha, takže postačovalo užití metody min-max. Ačkoliv by se tyto hodnoty daly vyjádřit v procentech, vzhledem k tomu, že s indikátorem budeme nadále pracovat, byl ponechán jako bezrozměrná veličina. Pořadí nám to pochopitelně neovlivní. Výsledky mnou navrženého indikátoru jsou poměrně překvapivé. Na prvním místě se vyskytuje Paraguay, následována Surinamem a Bolívií. Z hlediska všeobecného vnímání by se dalo na prvních místech očekávat spíše Argentina nebo Chile. Vzhledem k tomu, že však tento kompozitní indikátor není pouze zaměřen na ekonomický rozvoj daného regionu, ale také na sociální a environmentální, jsou tyto výsledky pouze logickým shrnutím předchozích analýz. Vrátíme-li se k obrázku 20, můžeme o Paraguayi říci, že je to země s nejvyšším růstem HDP, ne až tak vysokou nezaměstnaností, s relativně vysokou porodností, velmi nízkou migrací a s průměrným zalesněním a využitím inovovaného zdroje vody. Podíl zalesnění byl ostatně problém Argentiny a Uruguay. Na obrázku 21 dále pozorujeme, že úplně nejhůře se v kompozitním indikátoru zařadila Kolumbie. Spolu s Guyanou a Uruguayí obsazují poslední tři příčky indikátoru. Problematiku Uruguaye jsme si již zhodnotili.
48
Co se týká Guyany, je zde kromě nejvyšší nezaměstnanosti, také nejvyšší migrace obyvatel. V ekonomických otázkách je na tom Kolumbie jen o něco málo lépe.
Obr 21: Výsledná tabulka kompozitního indikátoru (zdroj: vlastní zpracování)
Na obrázku 22 pozorujeme konečné zobrazení výsledků kompozitního indikátoru na mapě. Vidíme, že se nám soubor 12 pozorovaných objektů, rozdělil do 4 shluků. Pro lepší přehlednost dat, byl kompozitní indikátor vynásoben stem (aby hodnoty nebyly vyjádřeny pouze v celých číslech). Je zde velmi zajímavé geografické rozložení v regionu. Vytvořené shluky nejsou orientovány pouze na určitá místa. Takto to pozorujeme například u „problémových“ regionů: Guayana, Kolumbie a Uruguay. Možnému řešení této problematiky se věnuji v Návrhové části této práce. Z geografického pohledu ovšem můžeme říci, že nejkvalitnější podmínky k životu (z hlediska kompozitního indikátoru), jsou uprostřed regionu jižní Ameriky. Zde je třeba podotknout, že se region jižní Ameriky vyvíjí, proto je pravděpodobné, že za několik málo let by tento kompozitní indikátor mohl vypadat úplně jinak. Přesto zde však existují dlouhodobé faktory, které člověk nedokáže během pár let zlepšit. Mezi takové faktory patří například podíl zalesněných ploch v daných zemích. Zde k pozitivnímu zlepšení může docházet jen velmi pomalu.
49
Obr 22: Zobrazení výsledků kompozitního indikátoru na mapě (zdroj: vlastní zpracování)
50
7
Analýza „problémové“ skupiny regionů
Dle výsledků sestrojeného kompozitního indikátoru, pozorujeme, že země s nejhorší kvalitou podmínek k životu jsou: Guyana, Kolumbie a Uruguay. Otázkou ovšem zůstává, co tyto 3 země spojuje? Vrátíme-li se k obrázku 22, na mapové vyobrazení těchto zemí, pozorujeme, že tyto 3 země spolu nesousedí, takže jejich „neúspěch“ nemůžeme přisuzovat geografické poloze. Ba právě naopak, každá z těchto zemí se rozkládá na jiném konci regionu jižní Ameriky. Kdo by předpokládal, že důvodem zhoršené kvality podmínek v těchto 3 zemí je kulturně-historický rozvoj regionu, který tyto 3 země spojuje, nemá úplně pravdu. Už fakt, že se v Guyaně hovoří anglicky, na místo rozšířené španělštiny a portugalštiny, hovoří o tom, že konkrétní problematika těchto 3 zemí bude poněkud odlišná. Sestrojený kompozitní indikátor se skládá ze tří pilířů a celkově z 6 sub-indikátorů. Vzhledem k tomu, že všem sub-indikátorům byla přiřazena stejná důležitost, může nám tento fakt naznačit, že se problematika těchto 3 zemí nemusí pohybovat ve stejných sférách prostředí. Tato kapitola se zaměří na analýzu problematiky v těchto 3 zemích. Aby mohla být navržena určitá opatření, popřípadě aby mohla být tato problematika vůbec řešena, je třeba si poukázat na několik možných příčin. Tyto příčiny budou chápány jako orientační body, díky kterým bude možné si představit problematické prostředí v každé zemi. Rád bych zde upozornil, že při této analýze budu vycházet ze znalostí nabytých studiem. Jedná se zde ovšem také o možné příčiny problematiky v jednotlivých zemích. V některých případech se ovšem budu odkazovat na grafické analýzy zobrazené v předešlých kapitolách. Právě z těchto grafických analýz jsem při sestrojování kompozitního indikátoru vycházel. Vrátíme-li se k obrázku 20, byly při sestrojení kompozitního indikátoru jako hlavní subindikátory užity: míra růstu HDP – zde dosahovala nejvyšších hodnot Paraguay (12%), naopak nejnižších Venezuela (1,6%); míra nezaměstnanosti – nejvyšších hodnot dosahovala Guyana (11%) a nejnižších Peru (3,6%); míra porodnosti na 1 000 obyvatel – nejvyšší hodnotu zde dosahoval Bolívie (23,3%) a nejnižší Uruguay (13,2%); míra migrace obyvatel – nejvyšší hodnotu dosáhla Guyana (9,67‰), nejnižší poté Argentina a Venezuela (0‰); podíl zalesněných oblastí – Surinam (94,6%) zde
51
dosáhl nejvyšší hodnotu, naopak Uruguay (10,2%) nejnižší; využití inovovaného zdroje pitné vody – Guyana dosáhla nejvyšší hodnoty (97%) a Peru (69%) nejnižší.
7.1 Analýza problematiky – Guyana Na poměry regionu jižní Ameriky, můžeme Guyanu charakterizovat jako zemi s nadprůměrným
růstem
HDP,
nejvyšší
mírou
nezaměstnanosti
v regionu,
podprůměrnou mírou porodnosti, relativně vysokým podílem zalesněných oblastí a nejvyšším podílem využitelnosti inovovaného zdroje pitné vody ve venkovských oblastech. V rámci předchozích analýz je Guyana zemí s nejnižší urbanizací v regionu jižní Ameriky. Nejnižším ukazatelem je také očekávaná délka života, a to na pouhých 66 let. Země má zřejmé ekonomické problémy, které se však projevují i v sociálních a environmentálních oblastech. Ekonomické prostředí v zemi je opravdu velmi špatné. Orientace ekonomiky se projevuje i na způsobu života obyvatel, kde se většina z nich věnuje těžařské činnosti a zemědělství. Právě tyto faktory se promítají k nízké urbanizaci. Negativní důsledky těchto činností spatřuji v přístupu k přírodě. Vlivem právě zemědělství a těžařské činnosti dochází k úbytku tropického deštného pralesa, jenž zemi pokrývá 77,2%. V této oblasti to však není podíl příliš vysoký, jestliže sousední Surinam je zalesněn podílem 94,6% území. Uvědomíme-li si, že Guyana je země s velmi nízkým počtem obyvatel, je tento stav značně znepokojující. Veškeré tyto problémy ovšem pramení z již zmíněného, korupcí prorostlého ekonomického prostředí. Guyana by potřebovala přilákat investory, aby poskytli práci nezaměstnanému obyvatelstvu. Jednou z hlavních překážek bránící ekonomickému rozvoji země, je špatná infrastruktura v zemi. Země nemá vybudované řádné technické zázemí pro případné investory, dopravní cesty v zemi jsou ve velmi špatném stavu. Vybudování dopravní sítě je v této oblasti značně obtížné. Pokud si uvědomíme, kde se Guyana nachází, je nám jasné, že tato země trpí každoročním záplavami, které dokáží sebelepší silniční síť poškodit natolik, že po odpadu vody, není použitelná. V případě vybudování stabilní silnice napříč pralesem, je tento úkol poté zcela nemožný. Tyto faktory pochopitelně brání k utváření kvalitních produkčních sítí, které by mohly napomoci k ekonomickému
52
rozvoji země. Na základě těchto skutečností je možné hlavní příčiny rozvojových problémů v Guyaně zařadit do skupiny inter-sociálních. Je zde totiž evidentní rozpor mezi člověkem a přírodou. V konečném důsledku člověk přetváří přírodu negativním způsobem a tím si zhoršuje kvalitu podmínek k životu. Zde je velmi pravděpodobné, že do budoucna se situace ještě zhorší.
7.2 Analýza problematiky – Kolumbie Vzhledem k analýzám provedeným v předchozích částech této práce, můžeme Kolumbii charakterizovat v rámci regionu jižní Ameriky, z ekonomického pohledu, jako zemi s průměrným růstem HDP a nadprůměrnou mírou nezaměstnanosti. V otázkách sociálních a environmentálních Kolumbie dosahuje rovněž slabšího průměru, ovšem není zde žádná oblast, ve které by pozitivně vynikala. Kolumbie by měla snížit vysokou nezaměstnanost v zemi, takže by pro ni bylo opět výhodné přilákat nějaké investory. Bariéry pro ekonomický rozvoj jsou ovšem ještě vážnější než v Guyaně. Kolumbie je známa svou drogovou minulostí, násilím v zemi a působícími teroristickými organizacemi. Z tohoto důvodu je pravděpodobné, že zdejší destabilizovaný systém není schopen zajistit bezpečnost v této zemi. To může být pro řadu investorů demotivujícím faktorem. Zde jako hlavní příčinu celé této problematiky může být spatřována ve vysoké míře korupce v zemi. Ta ovšem pramení ze špatné ekonomické situace země. Proto se země nachází v jakémsi „začarovaném“ kruhu, ze kterého neví, jakým způsobem se vyprostit. Přesto se je nejdůležitější, že klíčovým bodem této problematiky je již zmíněná korupce. Právě korupce podporuje nelegální formy obchodu, navíc je to hlavním opodstatněním teroristických organizací FARC, ELN a AUC. Ty zde figurují jako odpůrci režimu. Jejich hlavní argumentací je to, že celý vládní režim je zkorumpovaný. Tyto organizace se považují za osvoboditeli Kolumbie. Během své činnosti, jsou financováni ovšem díky četným únosům a jiné škodě, která se projevuje nejen na
53
běžném obyvatelstvu země, ale také na vládních institucích. Z mého pohledu není schopna kolumbijská vláda tuto situaci adekvátně řešit.52 Z výše zmíněné problematiky, zařazuji příčinu rozvojových problémů v Kolumbii do inter-sociální kategorie. Tato příčina se totiž evidentně nachází ve vztahu mezi lidmi.
7.3 Analýza problematiky – Uruguay Na základě předchozích analýz, můžeme o Uruguayi prohlásit, že z ekonomického pohledu, je to v rámci regionu jižní Ameriky země, jejichž míra nezaměstnanosti je podprůměrná. Podprůměrný je ovšem také růst HDP. Ze sociálního pohledu zde máme nejnižší porodnost v regionu jižní Ameriky, a to 13,18 osob na 1 000 obyvatel. Je zde rovněž i vysoká míra migrace, kdy na 1 000 obyvatel připadá 1,08 emigrantů. Z environmentálního pohledu je na tom země ještě mnohem hůře. Ačkoliv ve venkovských oblastech, je využití inovovaného zdroje pitné vody 93%, podíl zalesněných oblastí dosahuje pouze 10,2% území, což je nejméně v celém regionu jižní Ameriky. Dle těchto aspektů je možné usuzovat, že kvalita podmínek k životu není v zemi příliš velká. Příčinu nízkého podílu zalesnění můžeme spatřovat v klimatických podmínkách. Uruguay se totiž nenachází v oblasti tropického deštného pralesa. Další z možných příčin je orientace ekonomiky k zemědělskému sektoru – převládající pastevectví. Ve vyspělých zemích je nízká porodnost někdy spojována především s ekonomickým a sociálním rozvojem společnosti. Pokud se podíváme na Uruguay, míra gramotnosti zde dosahuje 98,1%, což je na poměry regionu jižní Ameriky velmi vysoké číslo. Je možné, že mladí lidé si před zakládáním rodin, lépe promyslí, v jakých podmínkách budou žít, a proto se zaměřují na zajištění obživy. V problematice této země se nám proto projevují sféry ekonomické, sociální a environmentální. Příčiny této problematiky je proto možné v Uruguayi zařadit do kategorií přírodně-sociální, kdy člověk preferuje ekonomický užitek před pozitivním environmentálním rozvojem regionu a inter-sociální, kde se také vlivem globalizace mění vztah mezi lidmi a jejich způsob života.
52
CALVO OSPINA, Hernando. Colombia, laboratorio de embrujos: democracia y terrorismo de Estado. Tres Cantos [Spain]: Foca, 2008, 371 p. ISBN 978-849-6797-086.
54
8
Korelace HDI a kompozitního indikátoru
V práci byla provedena korelace mezi sestrojeným kompozitním indikátorem a HDI. Vzhledem k tomu, že HDI je také kompozitním indikátorem, který je ponechán v základním stavu, v necelých číslech, byl tento tvar užit i u mnou sestrojeného kompozitního indikátoru. Použita byla nejaktuálnější data HDI z roku 2012. Korelace byla provedena v programu STATISTICA 12. Na obrázku 23 je vyobrazena korelace mezi sestrojeným kompozitním indikátorem a HDI. Již z tohoto grafu je zřejmá slabá závislost. Korelační koeficient r= -0,1937, to nám říká, že se jedná o slabou negativní závislost. Ačkoliv byla data zlogaritmována, aby se objekty graficky přiblížily, výsledek je jednoznačný. Je to pochopitelně logický závěr, když uvážíme, že HDI je založeno na zcela jiných ukazatelích.
Scatterplot of log_HDI against log_kompozitní indikátor log_HDI = -0,1718-0,1094*x -0,08
C h ile
A rg e n tín a
Uru g u a y
-0,10
log_HDI
-0,12
-0,14
V e n e zu e la P e ru B ra zílie E k v ád o r
K o lu m b ie
-0,16
S u rin a m e B o lív ie P a ra g u a y
-0,18
G uya na -0,20
-0,22 -0,42
-0,40
-0,38
-0,36
-0,34
-0,32
-0,30
-0,28
-0,26
-0,24
-0,22
-0,20
log_kompozitní indikátor log_kompozitní indikátor:log_HDI: r = -0,1937; p = 0,5463; r2 = 0,0375
Obr 23: Korelace mezi kompozitním indikátorem a HDI (zdroj: vlastní zpracování)
55
9
Tvorba shlukové analýzy – kompozitní indikátor a HDI
Ke tvorbě shlukové analýzy byl opět použit program STATISTICA 12. Na obrázku 24 bylo vyznačeno rozdělení do shluků. Je to rozdělení do nejpodobnějších regionů z hlediska mnou sestrojeného indikátoru a HDI. Shluky byly označeny podle geografického pořádku. Je zajímavé, že shluk číslo 2 zůstal zachován.
Tree Diagram for 12 Cases Ward`s method Euclidean distances 0,5
Linkage Distance
0,4
0,3
0,2
0,1
2
4
0,0
3
1
Paraguay Bolívie Kolumbie Peru Brazílie Chile Suriname Guyana Venezuela Ekvádor Uruguay Argentína
Obr 24: Shluková analýza kompozitního indikátoru a HDI (zdroj: vlastní zpracování) Konečný geografický pohled je vyobrazen na obrázku 25. Jak můžeme pozorovat, až na 2. Shluk, do kterého je zařazen Surinam, jsou ve všech shlucích sousedící státy. Z toho tedy vyplývá, že i podobnost regionů z našeho kompozitního indikátoru a HDI, má i geografické opodstatnění. Poloha státu je tedy významným faktorem ovlivňující lidský rozvoj a kvalitu životních podmínek.
56
Obr 25: Zobrazení shlukové analýzy na mapě (zdroj: vlastní zpracování)
57
III. NÁVRHOVÁ ČÁST – DISKUZE 10
Návrh řešení
V této části budou diskutovány možné způsoby řešení problémů vyplývajících z ekonomického, sociálního a environmentálního pohledu. Diskuse bude zaměřena na 3 země regionu jižní Ameriky: Guyanu, Kolumbii a Uruguay. Z analytické části je zřejmé, že právě tyto 3 země se vyčleňují z mnou sestrojeného kompozitního indikátoru. Tato část práce se již nezaměřuje tolik na analýzu dané problematiky, ale spíše na způsoby možného řešení. Při těchto návrzích řešení budu vycházet z teoretických poznatků nabytých studiem problematiky v rozvojových zemích. Ačkoliv z kulturně-historického pohledu, je zde možné najít mnoho specifik, která tyto 3 země spojují, návrhy řešení se v některých ohledech budou u jednotlivých zemí lišit. Jak již bylo zmíněno hned v úvodu této práce, cílem této práce je především posoudit kvalitu podmínek k životu, a to nejenom z pohledu ekonomického, tak, jak se tomu věnují ukazatelé, na základě kterých těmto zemím přiřazujeme označení: „rozvojové“, ale také z pohledu sociálního a environmentálního. Na první pohled se může zdát, že mnou navržená opatření, jsou neefektivní nebo dokonce zbytečná. Já však musím vycházet ze širšího pohledu a mít na paměti, že jednotlivé pilíře (ekonomický, sociální a environmentální), jsou vzájemně propojeny, proto jakékoliv implementované opatření se projeví na všech. Otázka právě implementace těchto opatření je sice dost zásadní, ale účelem této práce není ji posuzovat. Tím je myšleno, že ačkoliv jsou v některých zemích zřejmé bariéry k implementaci jednotlivých opatření, není účelem této práce posuzovat jejich aplikovatelnost v praxi. K jednotlivým opatřením by musely být vypracovány samostatné případové studie, abychom viděli jejich přesný dopad na jednotlivé státy. Co se týká politických bariér, například, že v některé zemi není možné zavést určité opatření z důvodu politické situace v zemi, toto rovněž není předmětem této práce. Jsem si vědom toho, že pouze přednesu několik možných návrhů, ale rozhodnutí o možném zřízení a aplikovatelnosti, bude přenecháno politicky mocným aktérům a dalším hlubším případovým studiím.
58
Při tvorbě těchto opatření k zlepšení životních podmínek v jednotlivých zemích beru v úvahu základní ekonomické, sociální a environmentální aspekty, především potom geografickou polohu a ekonomickou návaznost daných zemí. Tyto aspekty jsou poté do jednotlivých opatření promítnuty, tak, aby byla přínosem k řešení problematiky.
10.1 Návrh řešení – Guyana Dle mého názoru by Guyana měla především zlepšit ekonomické prostření v zemi. Je zapotřebí přilákat investory do země. S přilákáním investorů by se mohla zlepšit situace na trhu práce, což by nejspíše vedlo k úbytku emigrantů ze země. V této souvislosti je zapotřebí vybudovat efektivní infrastrukturu. Neboť vhodná infrastruktura je základem rozvoje lidské společnosti. Zde si povšimněte, že uvádím obrat „vhodná infrastruktura“. Není totiž lehké vybudovat infrastrukturu v zemi, jejíž většinu pokrývá tropický deštný prales. Jsou zde totiž každoroční záplavy, které dokáží zničit cesty, mosty atd., z jakéhokoliv materiálu. Proto za vhodné opatření považuji zřízení státní služby, která by tato dopravní spojení neustále obnovovala. K obnově doporučuji užití materiálů šetrných k životnímu prostředí. Kromě přilákání investorů dále doporučuji také utužení ekonomické návaznosti mezi Guyanou a Brazílií. Opět se zde vracíme k otázce infrastruktury. Kromě lodní dopravy, která mezi těmito zeměmi zaručuje značnou míru obchodu, doporučuji zlepšení letecké obsluhy. Guyana potřebuje vybudovat moderní letiště, které bude sloužit jak k přepravě materiálů a produktů, tak k osobní přepravě. Poté bych Guyaně doporučil, až bude mít to nové letiště, větší orientaci ekonomiky na turistický ruch. Země má určitý potenciál v rozvoji turistického ruchu. Kromě četných pláží se zde nachází i přívětivý tropický deštný prales, čehož by měla tato země ekonomicky využít. Ne tak, jak se tomu děje nyní, kdy ekonomické využití tropického deštného pralesa, je především v prodeji dřeva a následnému užití úrodné půdy k zemědělským aktivitám. Větší orientace ekonomiky k turismu, je daleko lepším řešením. Jako příklad mohu uvést Dominikánskou republiku, která je i díky svému chráněnému přírodnímu bohatství, velmi oblíbeným turistickým letoviskem. V případě Guyany by pro investory mohlo být velmi lákavé vybudování sítě luxusních hotelů podél pláží. Ke snížení
59
nezaměstnanosti by měla země přispět lepším způsobem vzdělávání, čímž by vytvořila lepší podnikatelské zázemí. Dále je potřeba také zajisti bezpečnost v zemi, boj s organizovaným zločinem a korupcí je také nutný. Implementace těchto opatření by mohla vést ke zlepšení ekonomického prostředí a následné i sociálních podmínek. Co se týká environmentálního hlediska, měla by Guyana přistupovat k tropickému deštnému pralesu, jako ke svému národnímu bohatství. Současné vypalování tropického deštného pralesa je nepřijatelné a dle mého názoru tuto zemi vážně postihuje.
10.2 Návrh řešení – Kolumbie Ačkoliv je problematika Kolumbie v některých aspektech podobná Guyaně, implementace opatření musí mít jinou formu. Vzhledem k tomu, že Kolumbie je známa svou vysokou kriminalitou a navíc má tato země problémy s produkcí drog a výskytem terorismu, je zde zapotřebí zajistit v první řadě bezpečnost státu. Toto by mohlo přilákat nové investory, kteří svými podnikatelskými aktivitami mohou této zemi napomoci ke snížení vysoké nezaměstnanosti. To by patrně vedlo i k poklesu emigrace z této země. Pochopitelně, že terorismus, korupce a boj s drogami, jsou globální problémy, které se snaží řešit celý svět. Tak by k tomu měla ovšem Kolumbie také přistupovat. Měla by tyto problémy řešit na globální úrovni. Samozřejmě, že vláda v boji s drogami, již nějaké výsledky přinesla, ale z pohledu jiných států je Kolumbie stále vnímána, jako nestabilní země. Proto investor nemá, žádné garance, že jeho investice bude ochráněna. Z toho můžeme odvodit, že řešení této problematiky, bude více méně spíše politická otázka, než vědecká. Je zapotřebí, aby se politici sami angažovali v řešení této problematiky. Někdo by ovšem mohl namítnout, že i řada významných politiků, může být sama zkorumpována. Určitě se toto tvrzení bude z velké míry zakládat na pravdě. Proto, v první řadě, je zapotřebí vytvořit antikorupční orgán, který by byl nezávislý na politické moci. Členové tohoto orgánu musí být bezúhonní občané, nejlépe alespoň se středoškolským vzděláním, kteří projdou bezpečnostní prověrkou. Tento orgán bude shánět důkazy o korupci v zemi. Nebude přitom zaměřen pouze na politiky, ale na všechny klíčové oblasti v zemi: armáda, policie, soudnický systém apod. Zároveň by
60
měl tento protikorupční orgán spolupracovat s institucemi jiných států, které se touto problematikou rovněž zabývají. Zde by se dalo namítnout, že antikorupční orgán, tak, jako v mnoha jiných zemích, existuje i v Kolumbii. Ovšem tento orgán spadá pod ministerstvo vnitra, což již vede k určitým omezením nezávislosti na politické moci. Bylo by také vhodné, aby členové tohoto orgánu měli pracovat v utajení. Jinak není možné zaručit spolehlivost tohoto orgánu. Vzhledem k argumentaci teroristických skupin: FAR, ELN a AUC, že členové vlády jsou zkorumpováni, měla by kolumbijská vláda dokázat svým občanům, že boj s korupcí myslí vážně. Jedině takovýmto způsobem může v Kolumbii dojít ke zklidnění násilí a stabilizaci země. Je pravděpodobné, že kdyby tento návrh opatření četl občan Kolumbie, patrně by mi oponoval s tím, že v Kolumbii není nikdy možné, aby toto řešení fungovalo. Oponovat by bylo možné dvěma argumenty: první z nich je ten, jak jsem již na začátku návrhové části podotkl, tato práce nezkoumá aplikovatelnost návrhů opatření v jednotlivých zemích. K tomu by byla zapotřebí nová studie, zabývající se dílčí problematikou. Druhý argument spočívá v dopadení nejmocnějšího gangstera Kolumbie - Escobara. Kolumbie již zde dokázala, že je možné bojovat s korupcí, v tomto případě bych zde zahrnul i boj s drogami a terorismem. Samozřejmě, že dopadení Escobara byla mezinárodní záležitostí, kdy Kolumbie spolupracovala s USA. Jak již bylo předesláno na začátku této kapitoly, je třeba, aby Kolumbie přistupovala k této problematice v globálním měřítku. To znamená, aby na řešení především korupce, od které se dle mého názoru odvíjí veškerá problematika v zemi, přizvala také ostatní státy a společně pracovali dle již dříve úspěšných postupů. Mělo by zde docházet k předávání zkušeností. Například bych doporučil, aby USA zde poskytlo pracovníky zabývající se touto problematikou. Tito pracovníci by jen monitorovali situaci v zemi a poskytovali školení právě antikorupčnímu orgánu Kolumbie. Ačkoliv by experti z USA nebyli úplně obeznámeni s místními korupčními podmínkami, mohli by s sebou přinést řadu postupů a zkušeností. Jakmile budou ustanoveny postupy antikorupčního orgánu, jehož úkolem bude pouze skrytě shánět důkazy, které bude následně předávat do rukou policie, a budou zatčeni zkorumpovaní představitelé kolumbijské společnosti, měly by být výsledky práce antikorupčního orgánu medializovány, aby i prostí občané Kolumbie začali důvěřovat
61
své zemi. Jakmile se podaří korupci odstranit, nebo alespoň snížit natolik, aby i vrcholní představitelé země, měli obavy korupčním tlakům podlehnout, jsem přesvědčen o tom, že to povede ke stabilizaci systému. Země poté bude moci lépe bojovat s produkcí a šíření drog, a také s terorismem. Jakmile dojde k zajištění bezpečnosti v této zemi, povede to k přílivu investic do veřejného i soukromého sektoru. Díky tomu se ekonomické prostředí Kolumbie zlepší. Při zlepšení systému vzdělávání pak navíc získá Kolumbie i kvalifikované pracovní síly, které povedou k pozitivnímu rozvoji celé země. Následné možnosti Kolumbie by se daly rozvést ve využití geografické polohy v ekonomické návaznosti na střední a jižní Ameriky. Dále je zde rovněž možnost rozšíření turistického ruchu, neboť v Kolumbii se kromě rozsáhlých pláží nachází také několik národních parků, které by pro turisty byli jistě velmi lákavou destinací.
10.3 Návrh řešení – Uruguay Díky odlišné problematice Uruguaye oproti Guyaně a Kolumbii, budou odlišná i navržená opatření. Opět zde předložím návrhy řešení problematiky, která by se měla stát politickým předmětem. První návrh se týká sociální podpory mladých rodin. Je zde potřeba zvýšit porodnost v zemi. Proto se domnívám, že by Uruguay měla podporovat mladé rodiny, a to v rámci balíčku výhod. Balíček výhod by měl zvýhodnit rodiny s dětmi. V rámci tohoto balíčku, by děti do 10let měly mít na ně orientované služby zcela zdarma. Děti by nemusely platit například za zoo, muzea či jízdné. Uruguay by poté mohla zahájit propagační kampaň s názvem např. „Mít rodinu se vyplatí“. Jak již jsem předeslal, cílem balíčku výhod spolu s propagací by bylo motivovat mladé lidi k zakládání rodin. Další návrh by měl vést k navýšení podílu zalesněnosti území. Uruguay by se měla snažit zvýšit podíl zalesněnosti území. Vzhledem k tomu, že se do tohoto indikátoru kromě lesů počítají veškeré stromy, bylo by vhodné rozšiřování parků. Uruguay by mohla začít ve svém hlavním městě Montevideu, kde žije necelá polovina populace. Místo výstavby nových budov, doporučuji zakládání nových parků. Těmto parkům je potřeba vynaložení odborné péče, která zajistí jejich rozvoj.
62
Aplikace těchto opatření by mohla Uruguayi zajistit kvalitnější podmínky k životu. Navíc se aplikace balíčku výhod dá skloubit dohromady s rozšiřováním parků. V parcích je možné zřízení venkovních aktivit pro děti, kde by si děti mohly nejen zasportovat, ale také se něco o přírodě dovědět. K tomu by sloužily především naučné stezky a naučné kempy. To povede i ke zdravému vývoji dětí a utužení sociálních vztahů v rodinách. Šťastné rodinné aktivity také poslouží jako pozitivní reklama, kde mladí lidé uvidí na vlastní oči, že: „mít rodinu se vyplatí“. Propagace rodiny jako základu státu by rovněž mohla být zařazena do školní výuky, kde již malé děti by se učily mít vztah k rodině. Domnívám se totiž, že motivace k zakládání rodin a rozšiřování parků je o přístupu celé společnosti. Proto by si v první řadě sama společnost měla uvědomit tuto problematiku, aby se stala celospolečenskými tématy.
11
Závěr
Tato práce je zaměřena na problematiku států regionu jižní Ameriky. Datový soubor práce se skládal z 12objektů, které byly analyzovány z ekonomických, sociálních a environmentálních hledisek. Ke každému aspektu (pilíři), bylo si zvoleno 5 indikátorů. Hodnoty těchto indikátorů byly zkoumány s 10letým odstupem. Během analýzy každého pilíře, byla zjištěna určitá specifika charakterizující danou zemi. Následně byla vypočítána korelační matice mezi jednotlivými indikátory. Vzhledem ke zjištěné závislosti mezi některými z nich, byla k sestrojení kompozitního indikátoru nutná selekce. Proto byly ke každému pilíři reprezentující rozvoj regionu (ekonomický, sociální, environmentální) vyselektovány 2 indikátory. Celkem tedy z 6 sub-indikátorů byl sestrojen kompozitní indikátor, posuzující kvalitu životních podmínek. Výsledky tohoto indikátoru byly zobrazeny na mapě regionu jižní Ameriky a následně byly identifikovány 3 země, které dopadly v hodnocení kompozitním indikátorem zcela nejhůře. Jednalo se o Guyanu, Kolumbii a Uruguay. Během analýzy byly hledány podobnosti mezi těmito zeměmi. Následně bylo zjištěno, že problematika v těchto zemích je vysoce diverzifikovaná. Proto byly výsledky sestrojeného kompozitního indikátoru porovnány s HDI, neboli indikátorem lidského rozvoje. Byla provedena korelační analýza, aby se zjistila
63
společná závislost mezi těmito 2 indikátory. Výsledkem byla slabá negativní závislost. Tento výsledek se dal očekávat, vzhledem k tomu, že HDI je sestrojen z jiných subindikátorů, s větší orientací k ekonomickým faktorům. Následně byla sestrojena shluková analýza, kde byly jako proměnné užity právě HDI a navržený kompozitní indikátor. Výsledky zobrazené na mapě, deklarovaly jednu zásadní věc: Nejpodobnější si totiž byly přímo sousedící země. Z toho tedy můžeme usuzovat, že geografická poloha země je velmi důležitým faktorem předurčujícím rozvoj země. Kromě společných klimatických podmínek, mají totiž sousedící země i společné obchodní sítě (odběratelé, dodavatelé) působící na rozvoj regionu. Při analýze regionu jižní Ameriky jsem užil metodik, jejichž postupy jsem si osvojil během studia. Na základě výsledků analytické části byla navrhnuta opatření specializovaná na problematiku v daných zemí. V případě Guyany, je hlavním paradigmatem vybudování řádné infrastruktury, díky kteréž by země mohla rozvinout turistický ruch. Kolumbie by se zase měla zaměřit na problematiku bezpečnosti v zemi. Jen poté se jí podaří vytvoření stabilního ekonomického prostředí, díky němuž by mohla přilákat nové investory do veřejného a soukromého sektoru. V případě Uruguay, bylo vzhledem k nízkému podílu zalesněných oblastí navrhnuto rozšiřování rekreačních a vzdělávacích parků, které by utvářely lepší vztah člověka k přírodě. Veškeré tyto výstupy práce jsou rozebrány v jednotlivých kapitolách. Jsem přesvědčen o tom, že jsem touto prací splnil požadované cíle (celkové i dílčí) v zadání.
64
12
Seznam použité literatury a elektronických zdrojů
12.1 Literatura ADAMCOVÁ, L. Rozvojová ekonomika. Praha: Oeconomica, 2009, ISBN 978-80-2451515-1. BRIAN S. EVERITT, Brian S.Sabine Landau. Cluster analysis. Sussex, U.K: John Wiley, 2001. ISBN 978-047-0689-356.
Chichester, West
BUDÍKOVÁ, M., KRÁLOVÁ M. a MAROŠ B. Průvodce základními statistickými metodami. Praha: Grada, 2010, 272 s. ISBN 978-80-247-3243-5. CALVO OSPINA, H. Colombia, laboratorio de embrujos: democracia y terrorismo de Estado. Tres Cantos [Spain]: Foca, 2008, 371 p. ISBN 978-849-6797-086 CENTRE, Joint Research. Handbook on constructing composite indicators methodology and user guide. Paris: OECD, 2008. ISBN 978-926-4043-466. CHRÁSKA, M. Metody pedagogického výzkumu: základy kvantitativního výzkumu. Praha: Grada Publishing, 2007, 265 s. ISBN 978-80-247-1369-4. KADEŘÁBKOVÁ, A. a ŽĎÁREK V. Makroekonomická analýza. Praha: Vysoká škola ekonomie a managementu, 2006,. Edice učebních textů. Ekonomie. ISBN 8086730050. JENÍČEK, V. a FOLTÝN J. Globální problémy světa: v ekonomických souvislostech. Praha: C.H. Beck, 2010, s. 129. Beckovy ekonomické učebnice. ISBN 978-80-7400326-4. JENÍČEK, V. a SRNEC K. Fundamentals problems of developing countries. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk, 2012, s. 266. ISBN 9788073803759. JÍLEK, J. Nástin sociálněhospodářské statistiky. Praha: Vysoká škola ekonomická v Praze, 2005, 265 s. ISBN 80-245-0840-0. KOSCHIN, F. Demografie poprvé. Praha: Oeconomica, 2005, 122 s. ISBN 80-2450859-1. KOZEL, R., MYNÁŘOVÁ L. a SVOBODOVÁ, H. Moderní metody a techniky marketingového výzkumu. Praha: Grada, 2011, 304 s. ISBN 978-80-247-3527-6. KRÄMER, W. Statistika do vesty. Praha: Baronet, 2005, 124 s. ISBN 80-721-4848-6. KUPKA, K. Statistické řízení jakosti. Pardubice: TriloByte, 1997, 191 s. ISBN 80-2381818-X.
65
MACHÁČEK, J. Problémy rozvojových zemí, jejich příčiny a cesty k řešení: výstup z projektu Grantové agentury ČR 402/03/1336. Praha: Oeconomica, 2006, 447 s. ISBN 80-245-1060-X. MINAŘÍK, B., BORŮVKOVÁ J. a VYSTRČIL M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013, 234 s., [8] s. obr. příl. ISBN 978-80-7431-129-1. MINAŘÍK, B. Statistika I: Popisná statistika (II. část). Měření závislostí. Statistické srovnávání. Popis časových řad. Brno: Mendelova zemědělská a lesnická univ., 2000, s. 105-207. ISBN 80-715-7427-9. PRŮCHA, J., a VETEŠKA J. Andragogický slovník. Praha: Grada, 2012, 294 s. ISBN 978-802-4739-601. ROUBÍČEK, V. Úvod do demografie. Praha: CODEX Bohemia, 1997, 348 s. ISBN 80859-6343-4. WALKER, I. Výzkumné metody a statistika. Praha: Grada, 2013, 218 s. Z pohledu psychologie. ISBN 978-80-247-3920-5.
2.2 Elektronické zdroje Beyond Economic Growth Student Book: Glossary. [online]. [cit. 2014-02-03]. Dostupné z: http://www.worldbank.org/depweb/english/beyond/global/glossary.html Birth rate. [online]. [cit. 2014-02-03]. Dostupné z: https://www.cia.gov/library/publications/the-worldfactbook/docs/notesanddefs.html?fieldkey=2054&alphaletter=B&term=Birth%20rate CO2 emissions (metric tons per capita). [online]. [cit. 2014-02-09]. Dostupné z: http://data.worldbank.org/indicator/EN.ATM.CO2E.PC CIA World Factbook 2004 [online]. [cit. 2014-03-06]. Dostupné z: https://www.cia.gov/news-information/press-releases-statements/press-release-archive2004/pr06162004.html CIA World Factbook 2014 [online]. [cit. 2014-03-06]. https://www.cia.gov/library/publications/the-world-factbook/
Dostupné
z:
CZSO. Naděje dožití a průměrný věk - Metodika. [online]. [cit. 2014-02-03]. Dostupné z: http://www.czso.cz/csu/redakce.nsf/i/nadeje_doziti_a_prumerny_vek Demografický portál [online]. [cit. http://www.demografie.info/?cz_demstarnutivyvoj
2013-10-01].
Dostupné
z:
66
DOČKAL, Vít. Ústřední pojmy regionální politiky EU. Příspěvek ke studiu euroregionalismu. In St_edoevropské politické studie [online]. Brno: Mezinárodní politologický ústav Masarykovy univerzity, 2004 [cit. 2013-10-27]. Dostupné z http://www.cepsr.com/clanek.php?ID=192 FINANCE.CZ HDP a HNP. In: [online]. [cit. 2013-10-28]. Dostupné z: http://www.finance.cz/makrodata-eu/hdp/informace/ Fossil fuel energy consumption (% of total). [online]. [cit. 2014-02-09]. Dostupné z: http://data.worldbank.org/indicator/EG.USE.COMM.FO.ZS Forest area (% of land area). [online]. [cit. http://data.worldbank.org/indicator/AG.LND.FRST.ZS
2014-02-09]. Dostupné z:
GDP - real growth rate. [online]. [cit. 2014-02-03]. Dostupné https://www.cia.gov/library/publications/the-worldfactbook/docs/notesanddefs.html?fieldkey=2003&alphaletter=G&term=GDP%20%20real%20growth%20rate
z:
Human Development Index (HDI). [online]. [cit. 2014-02-03]. Dostupné z: http://hdr.undp.org/en/statistics/hdi Improved water source, rural (% of rural population with access). [online]. [cit. 201402-09]. Dostupné z: http://data.worldbank.org/indicator/SH.H2O.SAFE.RU.ZS Indikátory blahobytu [online]. [cit. 2013-10-27]. ISBN 978-80-87417-02-7. Dostupné z: http://www.zelenykruh.cz/dokumenty/indikatory-blahobytu-2010.pdf INVESTOPEDIA. Sovereign Debt [online]. [cit. 2013-10-28]. http://www.investopedia.com/terms/s/sovereign-debt.asp
Dostupné
z:
Literacy rate, adult total (% of people ages 15 and above). [online]. [cit. 2014-02-03]. Dostupné z: http://data.worldbank.org/indicator/SE.ADT.LITR.ZS NARDO, SAISANA, SALTELLI, TARANTOLA. Tools for Composite Indicators Building [online]. European Communities, 2005 [cit. 2013-10-29]. Dostupné z: http://ipsc.jrc.ec.europa.eu/fileadmin/repository/eas/compositeindicators/Documents/EUR_21682_EN_Tools_for_Composite_Indicator_Building.pdf National debt. [online]. [cit. http://countryeconomy.com/national-debt
2013-10-28].
Dostupné
z:
PENIZE.CZ Co je nezaměstnanost?. In: [online]. [cit. 2013-10-28]. Dostupné z: http://www.penize.cz/80354-co-je-nezamestnanost
67
South America Maps [online]. [cit. 2014-03-02]. Dostupné z: http://www.atozmaplibrary.com.proxy.mzk.cz/continents_display_1.asp?s=SOAM&n= South%20America Urban population (% of total). [online]. [cit. 2014-02-03]. http://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS World Bank Open Data http://data.worldbank.org/
[online].
[cit.
2014-03-06].
Dostupné
Dostupné
z:
z:
68
13
Seznam obrázků
Obr. 1: Rozdělení sub-indikátorů Obr. 2: Míra růstu HDP v letech 2003 a 2013 Obr. 3: Míra nezaměstnanosti v letech 2003 a 2013 Obr. 4: Míra zadluženosti v letech 2003 a 2013 Obr. 5: Hodnota čistého exportu na obyvatele v letech 2003 a 2013 Obr. 6: Index ekonomického zatížení v letech 2004 a 2014 Obr. 7: Míra porodnosti na 1 000 obyvatel v letech 2004 a 2014 Obr. 8: Míra migrace na 1 000 obyvatel v letech 2004 a 2014 Obr. 9: Index stáří obyvatel v letech 2004 a 2014 Obr. 10: Míra gramotnosti v letech 2001 a 2011 Obr. 11: Naděje dožití v letech 2002 a 2012 Obr. 12: Emise CO2 v tunách na obyvatele v letech 2000 a 2010 Obr. 13: Podíl zalesněných oblastí v letech 2001 a 2011 Obr. 14: Podíl spotřeby fosilních paliv v letech 2001 a 2011 Obr. 15: Využití zlepšené dostupnosti k pitné vodě v letech 2000 a 2010 Obr. 16: Míra urbanizace v letech 2002 a 2012 Obr. 17: Pearsonův koeficient Obr. 18: Zvolené sub-indikátory k sestrojení kompozitního indikátoru Obr. 19: Korelační matice ke zvoleným indikátorům Obr 20: Rozdělení sub-indikátorů
69
Obr 21: Výsledná tabulka kompozitního indikátoru Obr 22: Zobrazení výsledků kompozitního indikátoru na mapě Obr 23: Korelace mezi kompozitním indikátorem a HDI Obr 24: Shluková analýza kompozitního indikátoru a HDI Obr 25: Zobrazení shlukové analýzy na mapě
14
Seznam tabulek
Tabulka č. 1: Minimální a maximální hodnoty ukazatelů HDI Tabulka č. 2: Intenzita závislosti
15
Seznam příloh
Příloha č. 1: Tabulková dokumentace
70
16
Přílohy
Příloha č. 1: Tabulková dokumentace Všechny tabulky jsou založeny na datech, které byly čerpány z oficiálních stránek CIA a Worldbank (Světové banky). Data byla poté zpracována v programu STATISTICA 12. Tabulka 3: Výchozí data k ekonomické analýze (zdroj: CIA Factbook 2004 a 2014, Worldbank)
71
Tabulka 4: Výchozí data k sociální analýze (zdroj: CIA Factbook 2004 a 2014, Worldbank)
72
Tabulka 5: Výchozí data k environmentální analýze (zdroj: CIA Factbook 2004 a 2014, Worldbank)
73
