MENDELOVA UNIVERZITA V BRNĚ Fakulta regionálního rozvoje a mezinárodních studií. Analýza konvergence vybraných států EU

MENDELOVA UNIVERZITA V BRNĚ Fakulta regionálního rozvoje a mezinárodních studií

Analýza konvergence vybraných států EU

Bakalářská práce Autor: Tereza Dvořáková Vedoucí práce: prof. Dr. Ing. Libor Grega Brno 2012

Na tomto místě bych chtěla poděkovat vedoucímu bakalářské práce prof. Dr. Ing. Liboru Gregovi za odborné vedení práce. Dále bych chtěla poděkovat Bc. Janě Opletalové za možnost konzultace praktické části práce. Ráda bych poděkovala také své rodině, která mě při vytváření této práce podporovala.

Prohlašuji, že jsem bakalářskou práci vypracovala samostatně na základě literatury a pramenů, které uvádím v seznamu.

V Brně, dne………….

Podpis……………………...

Abstrakt Tereza Dvořáková Bakalářská práce Analýza konvergence vybraných států EU Bakalářská práce se zabývá konvergencí regionálního rozvoje v České republice a sousedních státech v období let 1997 - 2008. K hodnocení procesu konvergence je použita koncepce beta a sigma konvergence, úroveň rozvoje jednotlivých NUTS regionů je identifikována pomocí ukazatele HDP na obyvatele v paritě kupní síly. I přes to, že všechny zájmové státy jsou členem EU, která má vypracovánu regionální politiku zaměřenou na snižování meziregionálních disparit, byla převážně zjištěna tendence k divergenčním procesům. V Polsku a na Slovensku probíhá v celém období divergence, v České republice se od roku 2002 začala projevovat tendence ke konvergenci. V Rakousku vypadá situace opačně, jelikož od roku 2004 se zde překlopily konvergenční procesy v divergenční. Jedinou zemí, u které můžeme v celém období konstatovat snižování meziregionálních rozdílů a probíhající konvergenci tak zůstává Německo.

Klíčová slova regionální rozvoj, regionální politika, NUTS, konvergence, HDP

Abstract Tereza Dvořáková Bakalářská práce Regional convergence of EU states The Bachelor thesis deals with the convergence of regional development in the Czech Republic and surrounding countries between 1997 and 2008. There is used Beta and Sigma convergence concept to assess the process of convergention. The level of development for each NUTS region is identified through GDP index per capita based on purchasing power parity. Although all considered states are EU members, which have already conducted the regional policy that focuses on a decrease in interregional disparity, the drift towards divergention processes was discovered. In Poland and Slovakia, the divergention process has been occurring for the whole period of time. Since 2002 the Czech Republic has had a tendency towards convergention. As for Austria, the situation is reverse to others, where the convergention has switched to divergention processes since 2004. Germany is the only country where we can conclude a decrease in interregional differences and undergoing convergention for the whole period.

Key words regional development, regional policy, NUTS, convergention, GDP

OBSAH Abstrakt a klíčová slova 1. ÚVOD

8

2. CÍL

9

3. REŠERŠE

10

3.1 Regionální politika

10

3.1.1 Regionální rozvoj

10

3.1.2 Disparity

11

3.1.3 Regionální politika

12

3.1.4 Regionální politika EU

13

3.1.5 Strukturální fondy

13

3.1.6 Cíle RP EU

15

3.2 Konvergence 3.2.1 Studie konvergence

17 18

3.3 NUTS

21

3.4 Charakteristika území

22

3.4.1 Česká republika

24

3.4.2 Slovensko

26

3.4.3 Polsko

28

3.4.4 Rakousko

30

3.4.5 Německo

32

4. ZDROJE A METODIKA

34

4.1 Zdroj dat

34

4.2 HDP

35

4.3 Beta konvergence

36

4.4 Sigma konvergence

37

5. VÝSLEDKY

37

5.1 Česká republika

38

5.2 Slovensko

45

5.3 Polsko

49

5.4 Rakousko

55

5.5 Německo

62

6. ZÁVĚR

70

Přílohy Zdroje informací

Seznam příloh Příloha 1: Regiony NUTS II – Česká republika Příloha 2: Regiony NUTS II – Slovenská republika Příloha 3: Regiony NUTS II – Polsko Příloha 4: Regiony NUTS II – Rakousko Příloha 5: Regiony NUTS II – Německo Příloha 6: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, ČR, 1997 – 2002 Příloha 7: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, ČR, 2003 – 2008 Příloha 8: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, SR, 1997 – 2002 Příloha 9: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, SR, 2003 – 2008 Příloha 10: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, PL, 1997 – 2002 Příloha 11: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, PL, 2003 – 2008 Příloha 12: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, AT, 1997 – 2002 Příloha 13: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, AT, 2003 – 2008 Příloha 14: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, DE, 1997 – 2002 Příloha 15: HDP/obyv. v paritě kupní síly [EUR] dle NUTS II, DE, 2003 – 2008

1. ÚVOD Tato bakalářská práce pojednává o dnes velice aktuálním tématu, kterým je vyvážený regionální rozvoj a řešení meziregionálních disparit. Jedná se o problematiku, která má své opodstatnění na globální, národní i místní úrovni, jelikož pomyslné nůžky mezi chudými a bohatými oblastmi se dnes v celém světě stále více rozevírají. Práce se zabývá situací v České republice a sousedních státech – v Polsku, Rakousku, Německu a na Slovensku a to na úrovni NUTS II regionů. Na úrovni NUTS II řeší problematiku regionálního rozvoje Evropská unie. Má vypracovanou regionální politiku a založeny strukturální a jiné fondy, prostřednictvím kterých by měla proudit pomoc do chudších a problematičtějších regionů a řešit tak problémy plynoucí z narůstání meziregionálních disparit. Cílem EU je smazávat velké rozdíly mezi jednotlivými regiony a nastartovat proces konvergence, přičemž by měl být ve všech regionech zahájen udržitelný růst.

8

2. CÍL Cílem této bakalářské práce je provést analýzu konvergence vybraných států Evropské unie. Vybranými státy jsou Česká republika a její sousedé, tedy, Slovenská republika, Polsko, Rakousko a Německo a zvoleným hodnotícím ukazatelem je HDP/obyvatele v paritě kupní síly. Pro naplnění tohoto cíle bylo postupováno následovně: V první části práce byly popsány základní pojmy, souvislosti a důležité informace, které jsou nezbytné k pochopení studované problematiky. Dále bylo definováno a popsáno území, na které bude analýza aplikována a v další části práce pak byly vysvětleny koncepty sigma a beta konvergence a způsob jejich výpočtu. Analýza konvergence je pak konkrétně provedena na příkladu pěti zemí Evropské unie a výsledky jsou popsány a také znázorněny v grafické podobě. V závěrečné kapitole jsou poté naše výsledky shrnuty.

9

3. REŠERŠE 3.1 Regionální politika Regionální politika (RP) vznikla jako nástroj pro řešení regionálních problémů a meziregionálních disparit. Regionální problémy existují a byly vnímány odjakživa, avšak vlastní regionální politika je poměrně mladá záležitost. Až do velké hospodářské krize se totiž mělo za to, že rozdíly v úrovni ekonomického rozvoje jednotlivých regionů jsou determinovány podmínkami národní ekonomiky a je zbytečné se pokoušet do situace zasahovat. Na počátku 30. let však byly jednotlivé státy postaveny před problém, jak dopady krize řešit a jak dosáhnout vyrovnaného regionálního rozvoje. V tomto období pak můžeme najít počátky regionální politiky. Motivy pro její vznik byly ekonomické, sociální, ekologické i politické [14].

3.1.1 Regionální rozvoj Regionálním rozvojem (RR) je myšleno vyšší využívání a zvyšování potenciálu určitého

území,

ke

kterému

dochází

v důsledku

prostorové

optimalizace

socioekonomických aktivit a efektivnějšímu využívání přírodních zdrojů. Tím dochází ke zvýšení konkurenceschopnosti daného regionu, zlepšení životní úrovně obyvatel, stavu ŽP atd. [14]. Regionální rozvoj stojí na propojování poznatků z více vědních disciplín, na jejichž rozhraní se nachází – geografie, ekonomie, územní plánování, demografie, či sociologie. Z toho vyplývá, že při řešení otázek RR je zapotřebí komplexního, multidisciplinárního přístupu. Aplikační rovinou (nástrojem) regionálního rozvoje je regionální politika [5]. V současné době se zájem o problematiku regionálního rozvoje zvyšuje, za což mohou výrazné meziregionální rozdíly (např. v míře nezaměstnanosti či výši mezd) a také politika EU, která se na ně snaží reagovat. K zajištění harmonického rozvoje regionů je třeba vytváření takových podmínek, aby byly disparity mezi jednotlivými regiony smazávány a mohl být využit jejich vnitřní potenciál. Tyto procesy by přitom měly probíhat při respektování principů udržitelného rozvoje [14].

10

3.1.2 Disparity Regionální disparity jsou do určité míry prospěšné a představují důležitý stimul pro rozvoj společnosti. Jejich existence je tedy žádoucí, ale jen pokud nepřekročí určitou hranici. Poté přestávají mít stimulační efekt a mohou mít celou řadu negativních důsledků. Regionální nerovnosti a problémy může způsobovat celá řada ekonomických či neekonomických faktorů. Mezi ty ekonomické můžeme zařadit například nízkou mobilitu pracovní síly a kapitálu, geografickou odlehlost regionu, nedostatečné přírodní zdroje a nevhodnou ekonomickou strukturu. Důležitým neekonomickým faktorem je pak demografická situace nebo stav životního prostředí v [14]. Regiony, ve kterých jsou situovány nepříznivé faktory z hlediska regionálního rozvoje, nazýváme tzv. problémovými regiony a můžeme je rozdělit do několika základních kategorií: •

Regiony s upadajícími či stagnujícími základními odvětvími

•

Regiony s nedostatečným využitím vlastních zdrojů

•

Regiony nedostatečně vybavené přírodními zdroji

•

Regiony hospodářsky slabé

V těchto oblastech se pak vyskytuje vysoká nezaměstnanost, nízká ekonomická výkonnost, špatné životní prostředí a další (ekonomické, sociální a politické) problémy [14]. Je však nutné si uvědomit, že pojem problémový region je relativní, jelikož většinou dochází ke srovnání situací na úrovni jednoho státu. Jen zřídka se vyskytují případy komparace v rámci větších nadnárodních celků (např. EU). Příklad relativity vymezení problémového regionu můžeme vidět dále, v kapitole stručně charakterizující území vybrané k analýze konvergence. Z Tabulky 2 vyplývá, že nejvyspělejší region Polska vykazuje téměř stejnou hodnotu HDP, jako nejzaostalejší region Rakouska. Z uvedeného tady plyne, že co je pro jeden stát znakem vyspělosti a rozvoje, může pro druhý představovat problém, který je nutno v rámci regionální politiky řešit [14].

11

3.1.3 Regionální politika Přílišné socioekonomické rozdíly mezi regiony negativně ovlivňují rozvoj celého státu a mohou vést až k sociálním a politickým nepokojům. Proto ve 30. letech 20. století začala vznikat regionální politika (tehdy ve Velké Británii), která měla tyto problémy odstranit. Cílem regionální politiky je tedy snížení nerovností a diferencí na regionální úrovni a posílení konkurenceschopnosti jednak regionu, ale hlavně celé národní ekonomiky [14]. Jednu z mnoha definic regionální politiky uvádí například Novotná (2007): „Regionální politika je součást státní politiky ovlivňující rozmístění hlavních ekonomických nástrojů a aktivit na celé území nebo v jeho části. Zahrnuje opatření pomáhající jednak růstu stupně ekonomické aktivity v území s velkou nezaměstnaností a s malými nadějemi na přirozený ekonomický růst, a na druhé straně opatření sloužící ke kontrole ekonomických aktivit v územích s nadměrným růstem.“ Motivy pro realizaci regionální politiky (RP) jsou jednak politické (jelikož i v problémových regionech žijí voliči, které si chce vláda naklonit), ale také ekonomické, sociální a ekologické, přičemž poslední trojice motivů vychází z principů udržitelného rozvoje. •

Ekonomické pohnutky RP vychází ze snahy o zajištění ekonomického růstu, efektivní využití všech výrobních faktorů, optimální rozmístění firem a řešení regionálních disparit.

•

Sociální motivy plynou zejména ze zájmu na zajištění růstu životní úrovně obyvatel. Jedná se o řešení problematiky zaměstnanosti, regionálního rozdělování příjmů a dosažení obecného blahobytu a kvality života.

•

Ze zajištění trvale udržitelného rozvoje pak vycházejí i motivy ekologické a v této oblasti jde zejména o snahu o přiměřenost a vyváženost zatížení životního prostředí [7]. K dosažení svých cílů, využívá RP tři skupiny nástrojů – makroekonomické, mikroekonomické a ostatní. Přitom většina z nich je zaměřena na stimulaci vnitřního potenciálu regionu, přilákání kapitálu a podnikatelských aktivit a stabilizaci obyvatelstva v regionu. Mezi makroekonomické nástroje řadíme fiskální a monetární politiku a protekcionismus, základními mikroekonomickými nástroji jsou nástroje realokace pracovních sil a nástroje realokace kapitálu a jako ostatní využíváme administrativní a institucionální (např. regionální rozvojové agentury) nástroje [7].

12

3.1.4 Regionální politika EU Již v roce 1957 při vzniku EHS byla v zakládající listině definována snaha o snižování hospodářských rozdílů mezi regiony. Jelikož se však všechny zakládající státy Evropského hospodářského společenství nacházely na podobné ekonomické a sociální úrovni, nevěnovala se regionálním problémům taková pozornost. S rozšiřováním EU však regionální disparity a problémy začaly narůstat a bylo nutné na ně odpovídajícím způsobem zareagovat. Proto začal pomalu narůstat význam regionální politiky [14]. Regionální politika EU nepatří do skupiny společných politik, které jsou prováděny institucemi Společenství (jako např. společná obchodní či měnová politika), nýbrž spadá do kompetence jednotlivých členských zemí a instituce EU provádějí jen její koordinaci a harmonizaci [7]. Za prvořadý úkol RP EU je považováno „snižování rozdílů mezi regiony a postupné vyrovnávání odlišné sociálně ekonomické úrovně zemí při současném zachování jejich historických a kulturních hodnot“ [12]. Mělo by tak docházet ke sbližování životní úrovně veškerého obyvatelstva a ke snižování rozdílů v hospodářské úrovni regionů, ovšem s ohledem na jejich historickou, kulturní a geografickou rozmanitost, která má být zachována [7].

3.1.5 Strukturální fondy Pro potřeby politiky hospodářské a sociální soudržnosti (jak je také RP EU nazývána) byly postupně vytvořeny strukturální fondy, s pomocí kterých by prostřednictvím rozvojových projektů a programů mělo docházet ke snižování zaostalosti problémových regionů a postupnému zajištění udržitelného a vyrovnaného růstu. Na rozdíl od například společné zemědělské politiky, kde jsou nastavena striktní pravidla, strukturální fondy nabízejí značný prostor pro vlastní iniciativu a čerpání peněz na konkrétní projekty [7]. Strukturální fondy jsou dva – Evropský fond pro regionální rozvoj a Evropský sociální fond: Evropský fond pro regionální rozvoj (European Regional Development Fund – ERDF) byl založen roku 1975 a dle Svatošové se prostředky z něj využívají zejména na:

13

• investice do výroby určené k vytváření nových pracovních míst, • investice do infrastruktury včetně transevropských sítí pro regiony zařazené do Cíle 1, • rozvoj místního potenciálu (místní rozvoj a malé a střední podnikání v problémových, regionech) • výzkum a vývoj, • investice zaměřené na péči a ochranu životního prostředí a další. Základním posláním ERDF je pomoc při odstraňování regionálních disparit a finanční prostředky z něj jsou čerpány zejména na plnění Cílů 1 a 2 regionální politiky EU a na inovační opatření [14]. Evropský sociální fond (European Social Fund – ESF) byl založen v roce 1965 a jsou z něj dle Svatošové (2005) financovány následující projekty: • integrace nezaměstnaných, zejména osob postižených dlouhodobou nezaměstnaností, • integrace mladých lidí do pracovního procesu, • integrace osob vyloučených z trhu práce, • podpora stejných příležitostí na trhu práce • stabilizace a růst zaměstnanosti, • posílení systému vzdělávání a další kvalifikace a další. ESF podporuje aktivity směřující ke zlepšení perspektivy lidí při hledání práce a dále při zvyšování úrovně svého vzdělání a získávání kvalifikace. Obecně lze říci, že ESF bojuje proti nezaměstnanosti. Mohou z něj být financovány všechny tři cíle RP EU [14]. Vedle strukturálních fondů existuje ještě Fond soudržnosti (FS), který je z pohledu RP neméně důležitý. Vznikl roku 1993 jako zvláštní fond solidarity, z něhož má plynout finanční pomoc do nejméně rozvinutých států EU. Pomoc zde (na rozdíl od strukturálních fondů) nečerpají jednotlivé regiony NUTS 2, ale celé země, konkrétně ty, jejichž HDP/obyvatele nedosahuje úrovně 90 % průměru Evropské unie. Z FS jsou dotovány projekty z oblasti životního prostředí a budování transevropských dopravních sítí [12].

14

3.1.6 Cíle RP EU V současné době, tedy pro programovací období 2007 – 2013 jsou stanoveny 3 cíle regionální politiky EU: •

Cíl 1 – Konvergence

•

Cíl 2 – Regionální konkurenceschopnost a zaměstnanost

•

Cíl 3 – Evropská územní spolupráce

Cíl 1 - Konvergence je orientovaný na podporu zaostávajících regionů, jejichž HDP/obyv. je nižší než 75 % průměru HDP/obyv. celé EU 27. Důraz při poskytování podpory regionům spadajícím pod cíl konvergence je kladen zejména na budování základní infrastruktury a podporu investic do podnikatelských a jiných ekonomických aktivit. Jelikož problematika konvergence je tématem této bakalářské práce, bude tomuto cíli věnována větší pozornost ještě v následující kapitole [12]. Klíčovým úkolem cíle „Konvergence“ je podpořit vytvoření optimálních podmínek a faktorů pro zvýšení růstu, který povede k procesu konvergence. Má být nastartován ekonomický růst, zvýšena zaměstnanost a tím urychlena konvergence nejzaostalejších regionů. Toho má být dosaženo prostřednictvím investic do hmotného a lidského kapitálu, rozvoje inovací a znalostní ekonomiky, zlepšení schopnosti přizpůsobovat se neustálým hospodářským a sociálním změnám, zlepšování stavu životního prostředí a jeho ochrany a v neposlední řadě prostřednictvím zvýšení výkonnosti a efektivnosti veřejné správy [14]. Projekty vycházející z tohoto cíle mohou být financovány jak z ERDF či ESF, tak také z FS. Příkladem činností financovaných z ERDF mohou být například projekty zaměřené na modernizaci a diverzifikaci ekonomické struktury regionů, rozšíření a zlepšení základní infrastruktury či projekty s tematikou ochrany životního prostředí. Z ESF jsou pak financovány projekty řešící zlepšení kvality vzdělávacích systémů a sociálních služeb, zvýšení investic do lidského kapitálu, či programy adaptace veřejné správy a posílení administrativní kapacity národních a regionálních správ. Kohezní fond je pak využíván členskými státy (ne jednotlivými regiony jako u ERDF či ESF) a prostředky z něj jdou především na dobudování transevropské dopravní sítě a environmentální infrastrukturu. Dále může být fond koheze využíván pro financování projektů z oblasti železniční či lodní dopravy, udržitelné městské dopravy či pro investice do oblasti životního prostředí a obnovitelných zdrojů energie [14].

15

Cíl 2 – Regionální konkurenceschopnost a zaměstnanost je zaměřen na podporu regionů, které nesplňují kritéria cíle 1. Může jít o regiony průmyslové, městské i venkovské, které přesahují hranici 75 % HDP/obyv. EU 27. Podporované programy se orientují zejména na inovace a znalostní ekonomiku a také na ochranu životního prostředí a předcházení rizikům [14]. Cíl 3 – Evropská územní spolupráce zahrnuje regiony v blízkosti pozemních nebo přímořských hranic a podporuje příhraniční, mezinárodní a meziregionální spolupráci. Tím přispívá k harmonickému a vyváženému rozvoji na území EU [14].

16

3.2 Konvergence Dle slovníku cizích slov znamená konvergence sbíhání či sbližování. V jazyce ekonomů má pak konvergence specifický význam – značí „zmenšující se rozdíly v životní úrovni a zprostředkovaně i v ekonomické úrovni a hospodářské výkonnosti jednotlivých států, zemí, případně jejich regionů“. Pokud dochází k opačnému fenoménu – rozdíly v životní úrovni narůstají – hovoříme o divergenci [6]. Otázkami konvergence se zabývá Nová teorie růstu. Jedná se o teorii regionálního rozvoje, která zastává názor, že vývoj přirozeně směřuje ke konvergenci - rozdíly mezi regiony se snižují, dokud nebude dosaženo stavu rovnováhy. Tato teorie přitom rozlišuje několik typů konvergence: • Absolutní beta-konvergence nastává v okamžiku, kdy chudší regiony rostou rychleji než bohatší. Chudší regiony startují z nižší úrovně rozvoje, ale v dlouhodobém horizontu by mělo dojít k vyrovnání ekonomické úrovně jednotlivých regionů. • Absolutní sigma-konvergence (dle Wokouna delta-konvergence) měří variabilitu určitého ekonomického ukazatele, jako příklad můžeme uvést výši příjmů. Pak tato konvergence nastává, když se rozptyl příjmů mezi jednotlivými regiony snižuje. • Dle teorie podmíněné konvergence sice jednotlivé regiony směřují ke stavu rovnováhy, avšak tato se bude lišit region od regionu. Že má každý region jiný stav rovnováhy, ke kterému směřuje, je ovlivněno rozdíly v technologiích, a behaviorálních a institucionálních charakteristikách. Ve výsledku proto nebude stejné ekonomické úrovně jednotlivých regionů dosaženo (proto podmíněná konvergence) a ke konvergenci dochází tehdy, jestliže regiony, nalézající se dále od stavu rovnováhy, rostou rychleji, než regiony poblíž rovnovážného stavu [5, 14].

Vztah sigma a beta konvergence „Beta konvergence je nutnou, ale nikoliv postačující podmínkou sigma konvergence, neboli sigma konvergence implikuje beta konvergenci, ale beta konvergence neimplikuje sigma konvergenci.“

17

Uvedené tvrzení si vysvětlíme například na ukazateli HDP. Jestliže pro sigma konvergenci platí, že k ní dochází, jestliže se snižuje variabilita HDP, pak dojdeme k závěru, že chudší země musí růst (absolutně) rychleji, než země bohatší [10]. Naproti tomu v případě beta konvergence může nastat několik situací: •

Chudší země roste sice v procentuálním vyjádření rychleji než země bohatší, ale v absolutním vyjádření se rozdíl mezi úrovní HDP zvyšuje a dochází tedy k sigma divergenci – variabilita HDP se nesnižuje. (Po určité časové prodlevě se nakonec vyšší růst prosadí a dojde k sigma konvergenci.)

•

Chudší země roste rychleji než země bohatší a to v relativním i absolutním vyjádření. Původně chudší země však zemi bohatší nepředstihne a dochází tak k sigma konvergenci.

•

Chudší země roste v relativním i absolutním měřítku rychleji než země původně bohatší a úrovní HDP ji předstihne tak, že absolutní rozdíl ve velikosti HDP je větší než na počátku období. Z toho plyne, že dochází opět k sigma divergenci [10].

3.2.1 Studie konvergence Problematikou konvergence, dle HDP/obyv. v paritě kupní síly, se zbývá například Výzkumná studie Ministerstva financí (Smrčková, 2008). Ve studii bylo použito analýz sigma a beta konvergence a na jejich základě bylo konstatováno, že v rámci evropských zemí dochází od roku 1995 ke snižování rozdílů v ekonomických úrovních. Nejvýraznější úspěchy v procesu konvergence zaznamenaly především nové členské země – například všechny regiony v ČR, na Slovensku a v Maďarsku. Studie se kromě mezinárodních rozdílů zabývala i meziregionálními rozdíly na vnitrostátní úrovni. Největší meziregionální vnitrostátní rozdíly jsou v zemích, kde hlavní město a jeho blízké okolí tvoří centrum ekonomické aktivity, jehož ekonomická úroveň je zhruba dvojnásobná ve srovnání s celkovým průměrem dané země. Do hlavního města se koncentruje produkce a zaměstnanost především v nových členských státech, typickým příkladem jsou například ČR, Slovensko, či Maďarsko. Ke

18

konvergenci regionů v rámci jednotlivých zemí dochází jen minimálně (př. Itálie), v nových členských zemích dokonce nastává spíše divergence. Ke konvergenci dochází pouze efektem přelévání u regionů geograficky blízkých hlavnímu centru ekonomiky (př. Praha – Středočeský kraj). Studie došla k závěru, že proces konvergence mezi evropskými ekonomikami úspěšně probíhá, i když se vyskytují také země (např. Portugalsko), které ve srovnání s EU spíše divergují. Naproti tomu na vnitrostátní úrovni není tendence ke konvergenci přesvědčivá a v některých regionech dochází dokonce k výrazné divergenci [11]. Tyto výsledky potvrdila i naše práce. Ještě před započetím analýz jsme museli ze souborů dat odstranit regiony okolo hlavních měst, jelikož vykazovaly výrazně odlišné hodnoty a způsobily by tak zkreslení výsledků. Do hlavních měst se zde koncentruje průmysl a zaměstnanost a jejich ekonomická úroveň je zhruba dvojnásobná oproti ostatním regionům. Také závěry, že na vnitrostátní úrovni se projevují tendence spíše k divergenci, byly našimi výsledky potvrzeny. Jedinou výjimku z analyzovaných zemí tvoří Německo, kde chudé regiony rostou rychleji než regiony bohatší a dochází tak ke snižování disparit. Další prací, která se zabývá analýzou ekonomické konvergence je diplomová práce na téma Konvergence České republiky k EU

(v porovnání s dalšími

kandidátskými státy). Výsledky analýz ukazují, že podle konceptu beta konvergence od roku 1992 dochází v reálném důchodu na hlavu ke konvergenci kandidátských zemí (ČR, Maďarsko, Polsko, Slovensko, Slovinsko) k EU [10]. Práce se také zabývala konvergencí podle Maastrichtských kritérií a v posledních deseti letech byl konstatován pozitivní posun ve všech kandidátských zemích. V ČR je z tohoto pohledu špatná situace v oblasti deficitu veřejných rozpočtů, neboť stále překračujeme povolenou hranici 3 % HDP [10]. Analýza dále prokázala, že dochází také ke konvergenci inflace, a to jak mezi státy Evropské unie, tak mezi kandidátskými státy. V letech 1994 – 2002 však došlo ve srovnání s předchozím obdobím 1991 – 1998 ke zpomalení tohoto procesu. Za významný faktor probíhající konvergence je označeno sbližování monetární politiky a pravidel pro její tvorbu v jednotlivých zemích EU [10].

19

Poslední prací, kterou v krátkosti zmíníme, je diplomová práce na téma Analýza konvergence vybraných finančních ukazatelů ČR a EU. Práce se mimo jiné zabývá problematikou konvergence pomocí ukazatele HDP na hlavu v paritě kupní síly, za využití VECM(2) modelu. Výsledky ukazují, že ČR do roku 2008, či 2009 konvergovala směrem k EU, poté však nastalo období stagnace a mírné divergence [13]. Zajímavé je, že se nedal z výsledků vyvodit jednoznačný závěr, zda Česká republika reálně konverguje k EU dle HDP v PPS či nikoli. Z analýz vyplynulo, že v době ekonomické recese ČR konverguje k EU, a to tím, že HDP ČR klesá pomaleji než HDP EU. Naopak v době ekonomického růstu však HDP České republiky roste pomaleji, než HDP EU [13].

20

3.3 NUTS NUTS (z fr.), neboli nomenklatura územních statistických jednotek, byla zavedena jednak pro statistické potřeby EU (Eurostat) a jednak pro zařazení regionů různé úrovně pod jednotlivé cíle regionální politiky EU [7]. Klasifikace NUTS je hierarchická, což znamená, že každá územní jednotka NUTS 1 se rozděluje na územní jednotky úrovně NUTS 2 a ty se dále rozdělují na územní jednotky úrovně NUTS 3. O dalším, podrobnějším hierarchickém členění území si pak mohou rozhodnout jednotlivé státy (NUTS 4, NUTS 5) [7]. Při vymezování NUTS se vychází z existence územně správních jednotek členských států a ze zásady komplementarity, což znamená, že řádově vyšší jednotky jsou vždy tvořeny určitým počtem celých jednotek nižších. Je nutno posuzovat i velikost NUTS ve vztahu k jejich praktickému využití. V Nařízení EP a Rady EU je stanovena minimální a maximální doporučená hodnota počtu obyvatel pro první tři úrovně regionů NUTS (viz Tab. 1) [7].

Tab. 1: Hodnoty počtu obyvatel pro tři základní úrovně NUTS regionů Úroveň

Minimum

Maximum

NUTS 1

3 miliony

7 milionů

NUTS 2

800 000

3 miliony

NUTS 3

150 000

800 000

Zdroj: [14]

Přímou vazbu na strukturální fondy a RP mají územně statistické jednotky úrovně NUTS 2, podle nichž jsou regiony zařazovány pod jednotlivé cíle regionální politiky. Také v této bakalářské práci budou ke statistickým analýzám využívána data týkající se regionů NUTS 2 [7]. Rozdělení jednotlivých států, kterými se BP zabývá, na regiony NUTS 2 je vidět na mapách v příloze č. 1 – 5.

21

3.4 Charakteristika zájmového území Za zájmovou oblast naší bakalářské práce jsme si vymezili území České republiky a sousedních států, tedy Slovenska, Polska, Německa a Rakouska (viz Obr. 1). Jedná se o státy střední a východní a Evropy a budou stručně popsány v následujících kapitolách.

Obr. 1: Vymezení zájmového území Zdroj: vlastní úprava z www.mapy.cz

V Tabulce 2 můžeme vidět rozdíly v HDP/obyv. (pro rok 2008) mezi charakterizovanými zeměmi, ale hlavně diference mezi jednotlivými regiony v rámci států. Tabulka vždy uvádí průměrnou hodnotu HDP/obyv. a hodnotu pro nejrozvinutější a nejzaostalejší region v zemi (vše v % EU 27).

22

Tab. 2: Regionální disparity HDP/obyv.

nejvyspělejší

HDP/obyv. v nejzaostalejší

HDP/obyv.

v PPS [%]

region

PPS [%]

region

v PPS [%]

EU 27

100

-

-

-

-

CZ

84

Praha

172

Severozápad

62

SK

72

Bratislavský kraj 167

Východné Slovensko

51

PL

56

Mazowieckie

89

Lubelskie/Podkarpackie

39

AT

124

Wien

163

Burgenland

81

DE

115

Hamburg

188

Brandenburg - Nordost

75

Zdroj: vlastní na základě dat z http://epp.eurostat.ec.europa.eu/portal/page/portal/product_details/dataset?p_product_co de=TGS00006

23

3.4.1 Česká republika EKONOMIKA Za socialismu byly v České republice veškeré průmyslové podniky zestátněny a hospodářství bylo řízeno centrálně. Orientovalo se zejména na těžký průmysl, náročný na suroviny a energii. Následkem toho jsou jednak velké ekologické škody (Mostecko, Ostravsko) a také byl utlumen vývoj nových technologií, čímž došlo k poklesu konkurenceschopnosti země. Proto muselo naše hospodářství po roce 89 „začít znovu“ a čelit tvrdé konkurenci za západu. V současné době však patří ekonomika ČR k nejrychleji se rozvíjejícím ekonomikám ve střední Evropě [17]. Ve struktuře hospodářství ČR hrají největší roli služby, které vytváří necelých 60 % HDP. Průmysl se podílí přibližně ze 35 %, přičemž nejvýznamnějšími obory jsou energetika, výroba železa a oceli a strojírenství. Podíl zemědělství na HDP od roku 1989 dlouhodobě klesá a tvoří zhruba 5 %. Pěstuje se hlavně obilí, brambory, cukrová řepa a chmel [21].

DISPARITY Ekonomika České republiky vykazuje významné rozdíly mezi situací v Praze, která patří mezi nejvyspělejší regiony v EU 27, a situací ve zbytku republiky. Hlavní město Praha se u řady indikátorů rozvoje výrazně odlišuje od ostatních krajů. Zatímco v Praze se HDP/obyv. pohybuje nad 170 % průměru EU, v ostatních částech republiky je to jen 62 – 74 % (Tzn. Praha má více než 2x větší HDP/obyv. než ostatní kraje ČR). Také z hlediska nezaměstnanosti (kolem 4 %) je na tom Praha nejlépe [2, 9]. Z pohledu zaměstnanosti (66,6 %) se ČR jako celek pohybuje nad průměrem EU a míra nezaměstnanosti v letech 2005 – 2008 trvale klesala. Tato tendence byla narušena až hospodářskou krizí. Důležité však je, že ještě předtím, než krize zasáhla, bylo dosaženo významného poklesu nezaměstnanosti i u průmyslových regionů postižených restrukturalizací (regiony NUTS 2 Moravskoslezsko a Severozápad) [9]. Obecně můžeme za problémové oblasti ČR označit regiony soudržnosti

24

Severozápad a Moravskoslezsko. Ty vykazují nadprůměrnou míru nezaměstnanosti (kolem 11 – 12 %), a to nejen v národním měřítku, ale i z pohledu EU. Navíc jsou tyto regiony

nejvíce

postiženy

strukturální

nezaměstnaností

a

podíl

dlouhodobě

nezaměstnaných se blíží 50 % z celkového počtu nezaměstnaných [3]. Jak bylo zmíněno již výše, české hospodářství jako celek prodělalo po revoluci výrazné strukturální změny. Podíl zemědělství a průmyslu na celkovém HDP země klesal ve prospěch podílu sektoru služeb. Tento proces probíhal na úrovni všech regionů soudržnosti, ale jeho intenzita se v konkrétních případech lišila [3]. Strukturální

změny

v jednotlivých

regionech

byly

ovlivněny

zejména

následujícími faktory: •

útlum těžby uhlí a útlum hornictví a hutnictví a v regionech Severozápad a Moravskoslezsko (Nicméně výše uvedená průmyslová odvětví zaujímají v těchto oblastech stále dominantní postavení z pohledu hospodářské činnosti a zaměstnanosti)

•

proces restrukturalizace těžkého průmyslu v regionu Jihozápad

•

vysoký podíl textilního a potravinářského průmyslu v regionech Severovýchod, Jihovýchod a Střední Morava

•

klesající podíl zemědělství na ekonomické aktivitě v regionu Jihovýchod (horské a podhorské oblasti) [3].

25

3.4.2 Slovenská republika EKONOMIKA Slovensko můžeme řadit mezi relativně vyspělé země, avšak co se týče úrovně ekonomiky, patří mezi nejslabší státy střední Evropy. Již od roku 1918, tzn. od vzniku ČSR, zaostávalo Slovensko ekonomicky za Českými zeměmi a po přechodu na tržní hospodářství v roce 1989 se objevily další problémy, způsobené zejména narušením ekonomických vazeb s ČR, ztrátou východních trhů a zánikem neefektivních podniků. V letech 1989

- 1993 se výroba snížila přibližně o třetinu. Po tomto propadu a

následující stagnaci zaznamenala konečně na přelomu tisíciletí slovenská ekonomika růst, který byl přerušen až současnou hospodářskou krizí [1]. Po přechodu na tržní hospodářství se začal prosazovat trend snižování podílu průmyslu ve struktuře ekonomiky a dnes vytváří necelých 40 % HDP. Dominujícím průmyslovým odvětvím je strojírenství. Také zemědělská produkce zaznamenala po roce 1989 pokles, avšak i přesto je Slovensko, co se týče základních potravin, soběstačné. Zemědělská plocha zabírá asi polovinu území republiky a zemědělství produkuje kolem 7 % HDP. V souvislosti s transformací ekonomiky zaznamenal výrazný nárůst sektor služeb, který se dnes podílí na HDP více než 50 % [1, 22].

DISPARITY V průběhu transformace z centrálně plánovaného hospodářství na tržní ekonomiku

se prohloubila územní

nerovnováha mezi

jednotlivými

regiony.

Nejmarkantnější rozdíly jsou zejména v: • podílu jednotlivých regionů na tvorbě HDP • míře nezaměstnanosti • výši zahraničního kapitálu v jednotlivých regionech • úrovni příjmů atd.

26

Při hodnocení úrovně regionálního rozvoje se výrazně odlišuje pouze region Bratislava, který má zvláštní postavení ve srovnání s EU – dosahuje 167 % HDP/obyv. průměru EU (2008) a může tak být zahrnován mezi nejrozvinutější regiony střední a východní Evropy. Naproti tomu ostatní regiony dosahují pouze 36 – 44 % průměru EU [3].

27

3.4.3 Polská republika EKONOMIKA V ekonomice Polska je stále ještě charakteristický velký podíl státního sektoru a náchylnost k regulování hospodářství vládou. Z tohoto pohledu je tedy míra ekonomické svobody z pohledu ostatních států EU relativně nízká. Určitě však není bez zajímavosti, že Polsko, jako jediná země EU, zvládla projít globální hospodářskou krizí bez poklesu hospodářské výkonnosti [19]. Problémem socialistického Polska byla nevhodná struktura ekonomiky, kdy největší důraz byl kladen na sektory průmyslu a zemědělství. V posledních 15 letech však došlo k významné transformaci a podíl průmyslu i zemědělství na celkovém výkonu ekonomiky se významně snížil. Transformace však byla doprovázena poměrně výrazným nárůstem nezaměstnanosti, která se dosud v Polsku pohybuje nad 10 % [15, 19]. V současné době vytváří průmysl okolo 25 % HDP, přičemž nejvýznamnější roli hraje zpracovatelský průmysl. Podíl zemědělství klesl na cca 5 % a naopak sektor služeb zaznamenal výrazný nárůst, až téměř k 70 % [15].

DISPARITY V souvislosti se vstupem Polska do EU se jako hlavní problém ukázaly nikoli disparity mezi jednotlivými regiony, ale nízký ekonomický potenciál všech regionů. Ani ty nejrozvitější z nich nedosahují 60 % HDP/obyv. průměru EU 15. Diference ekonomického potenciálu mezi jednotlivými regiony jsou podobné těm, ke kterým dochází ve většině států EU [3]. Hlavním důvodem meziregionálních disparit je rozdílná úroveň produktivity práce, kterou ovlivňuje zejména odvětvová struktura ekonomiky v daném regionu. Produktivita práce na jednoho zaměstnance je v oblasti průmyslu a služeb 6–7krát vyšší než v zemědělství. Nejlepšího postavení tak v tomto ohledu zaujímají „nezemědělská“ vojvodství – Mazowieckie, Slaskie, Wielkopolskie, Dolnoslaskie a Pomorskie – a

28

naopak nejhůře dopadají oblasti, kde zemědělství hraje dominantní roli (50 % pracovních sil v zemědělství) – Podlaskie, Podkarpackie, Warminsko-Mazurskie a Swietokrzyskie. Také z pohledu míry nezaměstnanosti je situace nejlepší ve vojvodství Malopolskie a naopak nejvyšší míru nezaměstnanosti vykazuje Warminsko-Mazurskie vojvodství [3]. Za regiony s nejvyšší konkurenceschopností a úrovní rozvoje můžeme označit následující vojvodství: Malopolskie, Mazowieckie, Slaskie, Wielkopolskie, a Pomorskie. Jejich konkurenčními výhodami jsou vysoká produktivita výrobního sektoru, velký potenciál lidských zdrojů (včetně výzkumných středisek) a relativně dobře rozvinutá infrastruktura. Významnou roli hrají hlavní města těchto vojvodství – velké aglomerace s diverzifikovanou ekonomickou strukturou a vysokou podílem služeb na úseku zaměstnanosti [3]. Celkově nejlepší situace je ve vojvodství Mazowieckie – má největší rozlohu, největší populaci a koncentruje se zde téměř třetina firem se zahraničním kapitálem, které jsou v Polsku registrované. Je zde nejnižší míra nezaměstnanosti, nejvyšší platy v zemi a kladné saldo migrace. Díky tomuto všemu generuje toto vojvodství nejvyšší HDP, a to jak v absolutní výši, tak také v přepočtu na obyvatele [3]. Regiony, které čelí závažným obtížím, leží ve východní části Polska – jsou to vojvodstí Lubelskie, Podlaskie, Podkarpackie, Swietokrzyskie a WarminskoMazurskie. Faktory, které omezují jejich rozvoj jsou: neefektivní struktura zaměstnanosti, nízká produktivita zemědělství, nízká úroveň rozvoje průmyslu a služeb a nízká účast zahraničního kapitálu [3].

29

3.4.4 Rakouská republika EKONOMIKA Rakousko patří mezi nejvyspělejší a nejbohatší státy světa. Jeho ekonomika je postavena zejména na sektoru služeb, ale ani podíl sekundárního sektoru není zanedbatelný. Služby hrají se svým podílem 69,3 % HDP v rakouském hospodářství významnou roli. Důležitou položku HDP představuje zejména cestovní ruch (8 %), který zaměstnává přes 5 % veškeré pracovní síly a má významný vliv také na regionální rozvoj. Průmysl vytváří nezanedbatelných 29,2 % HDP a působí v něm cca 20 % všech rakouských podniků. Mezi nejdůležitější odvětví z hlediska obratu můžeme zařadit strojírenský, elektrotechnický, chemický a automobilový průmysl. Rakouský průmysl je významnou měrou závislý na exportu, zejména do Německa (30 %). Podíl zemědělství a lesního hospodářství na tvorbě HDP představuje přibližně 1,5 %. Převažují malé rodinné farmy, důraz je kladen na ekologické hospodaření a propagaci domácích regionálních produktů [20].

DISPARITY Také mezi jednotlivými rakouskými spolkovými republikami existují disparity. Nejvyspělejším regionem je hlavní město Vídeň, kde se HDP/obyv. pohybuje kolem dvojnásobku HDP/obyv. nejzaostalejšího regionu Burgenland. Na rozdíl od situace v ČR, SR a Polsku však hlavní město Vídeň nemá příliš výrazné postavení a zajímavostí je, že je zde nejvyšší míra nezaměstnanosti – přibližně dvojnásobná oproti ostatním regionům [9]. Hlavní město Vídeň je významné hospodářské a kulturní centrum země, kde je produkována asi 1/3 HDP Rakouska a soustřeďována ¼ obyvatel. Dolní Rakousy, jako největší spolková země, jsou známy především rostlinnou produkcí (pšenice, ovoce, víno, cukrovka). Linec, hlavní město Horních Rakous je významným centrem hutnictví

30

a Štýrsko hraje dominantní roli v oblasti dřevozpracujícího průmyslu. Hornaté Tyrolsko je pak častým cílem turistů – z této oblasti plyne do státní kasy 40 % zisku z cestovního ruchu [1].

31

3.4.5 Spolková republika Německo (SRN) EKONOMIKA Nejvýznamnější sektor spolkového hospodářství bezesporu představují služby, které tvoří přes 70 % HDP. Také na zaměstnanosti se podílejí významnou měrou a počet obyvatel pracujících ve službách trvale stoupá. V roce 2010 zaměstnával terciární sektor 73,1 % všech pracujících [18]. Průmysl se na ekonomické výkonnosti země podílí z 16 %. Pozitivním jevem přitom je, že německá ekonomika zajišťuje i doprovodné služby (př. servis), což přináší vyšší příjmy a smazává rozdíly mezi průmyslem a službami. Průmyslová odvětví jsou založena na inovacích a vysoké produktivitě. Za nejperspektivnější je považováno strojírenství a elektrotechnika. Podíl zemědělství, lesnictví a rybářství na tvorbě HDP je pouze 0,9 % a zaměstnanost v tomto odvětví dlouhodobě klesá. Přesto bychom však tuto oblast ekonomiky neměli podceňovat. V sektoru jsou zaměstnána asi 2 % obyvatelstva, avšak v souvisejícím agrobyznysu (zemědělské stroje, hnojiva, potravinářský obchod) je to dalších cca 10 % všech pracovních sil [18].

DISPARITY Regionální disparity existují zejména mezi východní a západní části země a jsou důsledkem čtyřicetiletého rozdělení Německa v období po druhé světové válce. Západoněmecké regiony řadíme mezi nejvyspělejší státy Evropy, zatímco ty východoněmecké patří k méně vyspělým - jejich ekonomická úroveň se pohybuje kolem 80 % průměru EU. Regionem s nejvyšším HDP je spolková země Hamburk (přímořská poloha, elektrotechnický průmysl). I přes pomoc federální vlády – transferu až 5 % HDP na podporu východoněmeckých zemí – probíhá přizpůsobení východního hospodářství na podmínky tržní ekonomiky velmi pomalu a je doprovázeno poklesem produkce a vyšší nezaměstnaností [8]. Významným z hlediska ekonomiky je Rýnsko-Vestfálský region, který zabezpečuje cca 23 % HDP celé země.

Region odjakživa těžil ze své výhodné

geografické polohy – je zde křižovatka obchodních cest (vedoucích po Rýnu) a také se

32

nachází v sousedství ekonomicky vyspělých zemí. V současné době se region významně podílí na zásobování celého hospodářství státu energií a konstrukčními materiály pro výrobu. Zároveň je zde situována výroba strojů a zařízení pro těžební průmysl, metalurgii, energetiku, těžké strojírenství, chemický průmysl a další odvětví [1]. Dalším významným regionem je oblast Bavorska, kdy je produkováno asi 17 % HDP Německa. Bavorský průmysl významně rostl v 50. – 80. letech, kdy se zaměřil na výrobu náročnou na vědu – elektrotechnický, radioelektronický a vojenský průmysl a na výrobu letadel, raket a motorů. Důležitou roli zde hraje také výroba automobilů – BMW, Audi [1]. Naproti tomu východní část Německa, která zabírá 30 % plochy státu, se podílí na HDP jen asi 9 %. Problémem je, že v průběhu procesu privatizace v 90. letech, se hlavními kupci staly západoněmecké podniky a dodnes dochází velice často k tomu, že v západní části země jsou koncentrována ústředí jednotlivých firem a bank a na východě jsou poté lokalizovány závody „filiálkového“ typu. Východní část země, je málo industrializovaným územím [1]. Berlín, jako hlavní město a největší sídlo Německa, má zvláštní postavení, které plyne z jeho dlouhodobého rozdělen. Současný vliv Berlína ve správní i hospodářské oblasti je menší, než vliv většiny hlavních měst v západní Evropě a například z 500 velkých německých firem jich zde má sídlo pouze osm. Jako významné centrum bankovnictví či pojišťovnictví funguje spíše Frankfurt či Duselldorf.

V posledních

letech však přece jen narůstá význam Berlína jako centra služeb a státní správy [1].

33

4. ZDROJE DAT A METODIKA 4.1 Zdroje dat V dnešní době můžeme poměrně snadno získat potřebné statistické informace, buď ze statistických ročenek či národohospodářských přehledů, ale stále častěji také z přístupnějších zdrojů – sdělovacích prostředků, denního tisku a v neposlední řadě také z Internetu. Ekonomická data potřená pro tuto bakalářskou práci byla stažena z portálu Eurostatu. Jedná se o statistický úřad Evropského společenství, jehož úkolem je poskytování statistik na evropské úrovni. Tyto statistiky přinášejí přehled o stavu a vývoji společnosti (nejen) v členských zemích Evropské unie a umožňují tak srovnávání mezi jednotlivými státy a regiony. Databáze Eurostatu tak zdarma poskytuje veřejnosti řadu významných a zajímavých statistických údajů [16].

34

4.2 HDP Ekonomický výkon jednotlivých zemí měříme pomocí tzv. makroekonomických agregátů, neboli souhrnných národohospodářských veličin. Asi nejčastěji se setkáváme s údaji o hrubém domácím produktu a agregát HDP bude využit i pro analýzy prováděné v této bakalářské práci [4]. HDP (angl. GDP) „je součtem peněžních hodnot finálních výrobků a služeb, vyprodukovaných během jednoho roku výrobními faktory alokovanými v dané zemi (bez ohledu na to, kdo tyto faktory vlastní)“[4]. Jelikož budou v práci porovnávány různě velké územní jednotky (regiony), s rozdílným počtem obyvatel, budeme využívat HDP přepočtené ve vztahu na jednoho obyvatele (HDP/obyv.). Hodnoty tak bude možno porovnávat mezi sebou bez zkreslení vlivem odlišného počtu obyvatel, kteří daný produkt vytvořili [7]. HDP/obyv. bude vyjádřeno v paritě kupní síly, aby byly zohledněny rozdíly v cenách zboží a služeb v jednotlivých ekonomikách. Za jednotku HDP si totiž můžeme koupit v různých ekonomikách různé množství statků. Po přepočtu je však HDP očištěn od rozdílů v cenových hladinách [7].

35

4.3 Beta konvergence Pojetí beta konvergence říká, že jednotlivé regiony v určitém časovém období konvergují, pokud nižší počáteční hodnota y0 na j-tém regionu, kde j = 1,2, …, m, koresponduje s vyšší hodnotou průměrného koeficientu růstu

tohoto regionu a

naopak. Stejně jako poté u výpočtu sigma konvergence budeme využívat logaritmickou transformaci proměnných – log y0 a

[2].

První z obou veličin vyneseme na vodorovnou osu, druhou na osu svislou a poté jejich vztah vyjádříme přímkou: log k = c0 + c1 log y0. Informaci o tom, zda ke konvergenci dochází či nikoli nám pak podává směrnice této přímky. Záporná hodnota (c1 < 0) poukazuje na převažující tendenci ke konvergenci a kladná hodnota (c1 > 0) pak odpovídá tendenci divergence. Případná nulová hodnoty (c1 = 0) nám pak říká, že vzdálenost mezi regiony je konstantní [2]. Pokud se v grafu některý region zobrazí mimo hlavní tendenci a průběh proložené přímky je závislý na jeho pozici, jedná se o disparitu [2]. Statistická významnost konvergence se hodnotí pomocí koeficientu determinace, který udává, jaká část variability průměrných koeficientů růstu v regionech je objasněna jejich různou výchozí úrovní [2].

36

4.4 Sigma konvergence K sigma konvergenci dochází, pokud se v čase snižuje variabilita sledovaného ukazatele měřená směrodatnou odchylkou. Vzhledem k požadavku na přiblížení hodnot normálnímu rozdělení, se místo s hodnotami ukazatele pracuje s jejich přirozenými logaritmy (u původních hodnot se tedy předpokládá rozdělení logaritmicko normální) [2]. Ukazatelem sigma konvergence je tedy směrodatná odchylka:

pro t = 1, 2, …, T; j = 1,2, …, m.

Hodnoty sigma se po výpočtu pro větší přehlednost shromáždí do tabulky či vynesou do grafu. Pokud hodnoty

klesají, dochází ke konvergenci. Je však důležité,

aby před začátkem výpočtu bylo ověřeno, zda některé hodnoty nejsou odlehlé – jednalo by se o disparity. Zahrnutí disparit do analyzovaných dat by mohlo výpočet významně zkreslit [2].

37

5. VÝSLEDKY 5.1 Česká republika Ještě před provedením vlastní analýzy konvergence, bylo nutno vzájemně porovnat vstupní data – HDP/obyv. v paritě kupní síly (viz Příloha č.6 a 7) – a vyčlenit ty z nich, která se výrazně odlišují. Na území ČR se významně liší region soudržnosti Praha (viz graf č. 1), který dosahuje v současné době kolem 170 % průměru EU. Zbylých sedm regionů se pak pohybuje na úrovni pouze cca 60 – 75 % průměru EU. Aby nedošlo ke zkreslení údajů, bude území NUTS II Praha z analýzy vyloučeno.

Graf 1: HDP/obyv. v paritě kupní síly v jednotlivých regionech NUTS II, ČR Zdroj: vlastní

38

V Tabulce 3 a 4 je vypočítám přirozený logaritmus hodnot HDP/obyv. v paritě kupní síly pro jednotlivé NUTS II regiony České republiky. Počítáme s přirozenými logaritmy,

protože

předpokládáme

rozložení

hodnot

logaritmicko-normální.

V posledním řádku tabulek je pak vypočítána směrodatná odchylka.

Tab. 3: Přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, ČR, 1997 – 2002

1997

1998

1999

2000

2001

2002

Praha

9,9570283 10,025705 10,094108 10,165852 10,264652 10,315597

Střední Cechy

9,2398992 9,2873014 9,3587604 9,4173545 9,4649826 9,5251511

Jihozápad

9,3325580 9,3236691 9,3501023 9,4009607 9,4572004 9,4803675

Severozápad

9,2591305 9,2398992 9,2495611 9,2779990 9,3056506 9,3501023

Severovýchod

9,2873014 9,2873014 9,3147004 9,3673441 9,4173545 9,4414521

Jihovýchod

9,2779990 9,2873014 9,3147004 9,3673441 9,4493573 9,4727046

Střední Morava

9,2301430 9,2103404 9,2301430 9,2779990 9,3236691 9,3501023

Moravskoslezsko

9,2301430 9,2002900 9,2002900 9,2301430 9,2873014 9,3147004

Směrodatná odchylka

0,0372475 0,0459859 0,0616534 0,0715468 0,0778736 0,0804095

Zdroj: vlastní

Tab. 4: Přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, ČR, 2003 – 2008

2003

2004

2005

2006

2007

2008

Praha

10,370361 10,416311 10,480101 10,553205 10,664293 10,673596

Střední Čechy

9,5749835 9,6421228 9,6614160 9,7526647 9,8362788 9,8309169

39

Jihozápad

9,5396441 9,6224500 9,6614160 9,7231640 9,7813199 9,7468337

Severozápad

9,4254518 9,4879721 9,5178251 9,5680148 9,6421228 9,6550262

Severovýchod

9,4727046 9,5324239 9,5819039 9,6290507 9,7050366 9,6927665

Jihovýchod

9,5324239 9,5887768 9,6290507 9,6989204 9,7925560 9,8201059

Střední Morava

9,4009607 9,4649826 9,4955193 9,5539301 9,6485953 9,6865746

Moravskoslezsko

9,3758548 9,4955193 9,5749835 9,6290507 9,7291342 9,7642255

Směrodatná odchylka 0,0766417 0,0701858 0,0660094 0,0764980 0,0738530 0,0678031

Zdroj: vlastní

Sigma konvergence V Grafu 2, pro jehož sestavení byly použity standardní odchylky z Tabulky 3 a 4, můžeme pozorovat, že v průběhu let 1997 – 2008 docházelo k nárůstu disparit mezi jednotlivými regiony. Bylo tedy zjištěno, že v těchto letech došlo k sigma divergenci. Z dlouhodobého pohledu se zdá, že docházelo k sigma divergenci, tedy že se rozptyl ekonomické úrovně mezi jednotlivými regiony zvyšoval. Pokud se však podíváme na graf blíže, můžeme zpozorovat, že v rozvoji regionů docházelo k určitým změnám a střídaly se tak kratší období sigma divergence a sigma konvergence. Zlomové body, ve kterých došlo k těmto změnám, jsou roky 2002, 2005 a 2006. K nejvýznamnějšímu obratu ve vývoji došlo v roce 2002, a proto rozdělíme graf na dvě části – do roku 2002 a po roce 2002.

40

Graf 2: σ-konvergence, NUTS II ČR, 1997 – 2008 Zdroj: vlastní

V Grafu 3 můžeme vidět, že v letech 1997 – 2002 docházelo k odlišnému ekonomickému vývoji v jednotlivých regionech a zvětšovaly se disparity mezi nimi. V tomto období tak nastala výrazná sigma divergence.


41

Naproti tomu v Grafu 4 můžeme vidět opačný trend – pravděpodobně v důsledku přístupu ČR k Evropské unii v roce 2004 - začalo docházet ke snižování ekonomických disparit mezi regiony a nastává tak již od roku 2002 (důsledek přípravného období) sigma konvergence.


Beta konvergence V Tabulce 5 jsou zaznamenány přirozené logaritmy hodnot HDP/obyv. v paritě kupní síly z roku 1997, tedy prvního roku našeho pozorování. V druhém sloupci tabulky jsou pak průměrné koeficienty růstu pro jednotlivé regiony v průběhu sledovaného období.

42

Tab. 5: Průměrný koeficient růstu (období 1997 – 2008), NUTS II ČR ln y0

Průměrný koeficient růstu

Praha

9,9570283 0,059713955

Střední Čechy

9,2398992 0,049251474

Jihozápad

9,3325580 0,034522978

Severozápad

9,2591305 0,032991305

Severovýchod

9,2873014 0,033788759

Jihovýchod

9,2779990 0,045175577

Střední Morava

9,2301430 0,038035963

Moravskoslezsko

9,2301430 0,044506874

Zdroj: vlastní

Během let 1997 – 2008 docházelo ke snižování ekonomických rozdílů mezi regiony, a jak můžeme vidět v Grafu 5 – docházelo tak k beta konvergenci. Tento závěr potvrzuje fakt, že regresní přímka je klesající a hodnota c1 je menší než 0. Regiony, které byly v počátečním období nejchudší, jsou v grafu zobrazeny na levé straně a regiony, u kterých došlo k nejvýraznějšímu růstu jsou znázorněny v grafu nahoře. Z uvedeného můžeme dojít k závěru, že ve zkoumaném období chudé regiony rostly rychleji, než regiony bohatší. Jelikož koeficient determinace je roven 0,2457, můžeme považovat vztah mezi regiony za statisticky významný.

43

Graf 5: ß-konvergence, NUTS II ČR, 1997 – 2008 Zdroj: vlastní

44

5.2 Slovensko Pro provádění analýzy konvergence na území Slovenské republiky vyloučíme Bratislavský kraj, jelikož by způsobil velké zkreslení výsledků (jak je možné vidět v Grafu 6). Zatímco v roce 1997 bylo HDP/obyv. v paritě kupní síly Bratislavského kraje na úrovni 110 % průměru EU, v ostatních regionech to bylo pouze 39 – 48 %. V roce 2008 pak Bratislavský kraj dosáhl úrovně 167 % průměru EU a zbylé tři regiony jen 51 – 69 %. Z uvedeného je vidět, že Bratislavský kraj je nejen nejbohatší, ale také dosáhl ve sledovaném období největšího rozvoje.

Graf 6: HDP/obyv. v paritě kupní síly v jednotlivých regionech NUTS II, SR Zdroj: vlastní

V Tabulce 6 a 7 jsou uvedeny přirozené logaritmy hodnot HDP/obyv. v paritě kupní

síly,

jelikož

předpokládáme

rozložení

hodnot

logaritmicko-normální.

V posledním řádku tabulek jsou pak vypočítány směrodatné odchylky.

45

Tab. 6: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, SR, 1997 – 2002 1997

1998

1999

2000

2001

2002

Bratislavský kraj

9,792556 9,852194 9,862666 9,937889 10,03889 10,12663

Západní Slovensko

8,961879 9,024011 9,059517 9,10498

Střední Slovensko

8,839277 8,89563

Východní Slovensko

8,748305 8,824678 8,824678 8,881836 8,974618 9,035987


0,107177 0,101036 0,118943 0,112098 0,097452 0,092319

9,169518 9,220291

8,909235 8,974618 9,071078 9,13777

Zdroj: vlastní

Tab. 7: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, SR, 2002 – 2008 2003

2004

2005

2006

2007

2008

Bratislavský kraj

10,162

10,23638 10,40426 10,4631

Západní Slovensko

9,287301 9,367344 9,4572

Střední Slovensko

9,159047 9,220291 9,259131 9,35876


9,059517 9,11603


0,114193 0,126263 0,142839 0,180628 0,177139 0,157455

10,60162 10,64065

9,602382 9,711116 9,764225 9,50301

9,602382

9,179881 9,249561 9,35876

9,449357

Zdroj: vlastní

Sigma konvergence K sestavení grafu sigma konvergence byly použity směrodatné odchylky z Tabulek 6 a 7. Z Grafu 7 lze vyčíst, že v průběhu let 1997 – 2008 se zvětšovaly disparity mezi jednotlivými regiony a docházelo tak z dlouhodobého hlediska k sigma

46

divergenci. V letech 1999 se však rozdíly v ekonomické úrovni mezi jednotlivými regiony snižovaly, v rozmezí let 2002 – 2006 docházelo k divergenci a od roku 2007 nastává opět konvergence, tzn. snižování regionálních disparit.

Graf 7: σ-konvergence, NUTS II SR, 1997 – 2008 Zdroj: vlastní

V Tabulce 8 jsou v prvním sloupci uvedeny přirozené logaritmy hodnot HDP/obyv. v paritě kupní síly prvního sledovaného období (rok 1997). V druhém sloupci tabulky je pak vypočítán průměrný koeficient růstu pro jednotlivé regiony v průběhu let 1997 – 2008.

47

Tab. 8: Průměrný koeficient růstu (období 1997 – 2008), NUTS II SR ln y0


Bratislavský kraj

9,792556 0,070674636

Západní Slovensko

8,961879 0,066862206

Střední Slovensko

8,839277 0,063592147


8,748305 0,05842103

Zdroj: vlastní

Z Grafu 8 můžeme rozpoznat, že v průběhu sledovaného období docházelo k výrazné beta divergenci. Nejchudší region (Východní Slovensko) rostl nejpomaleji a nejbohatší region (Západní Slovensko) naopak nejrychleji. Regresní přímka má stoupající charakter a hodnota c1 je větší než 0. Jelikož koeficient determinace dosahuje hodnoty 0,9546, je závislost mezi regiony statisticky významná.

Graf 8: ß-konvergence, NUTS II SR, 1997 – 2008 Zdroj: vlastní

48

5.3 Polsko Jak můžeme vidět v Grafu 9, je úroveň ekonomické vyspělosti regionu Mazowieckie výrazně vyšší než ostatních regionů. Aby nedošlo ke zkreslení výsledků, nebude tento region do následujících analýz zahrnut.

Graf 9: HDP/obyv. v paritě kupní síly v jednotlivých regionech NUTS II, PL Zdroj: vlastní

V Tabulce 9 a 10 jsou vypočítány přirozené logaritmy hodnot HDP/obyv. v paritě kupní síly, jelikož rozložení hodnot odpovídá rozložení normálnímu. V posledním řádku tabulek je pak uvedena směrodatná odchylka.

49

Tab. 9: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, PL, 1997 – 2002 1997

1998

1999

2000

2001

2002

Lódzkie

8,80986

8,86785

8,96188

9,02401

9,04782

9,10498

Mazowieckie

9,28730

9,40096

9,48797

9,53964

9,59560

9,63561

Malopolskie

8,80986

8,89563

8,92266

8,98720

8,97462

9,04782

Slaskie

9,05952

9,08251

9,13777

9,20029

9,22029

9,28730

Lubelskie

8,66561

8,69951

8,71604

8,76405

8,80986

8,85367

Podkarpackie

8,64822

8,69951

8,73230

8,76405

8,79482

8,83928

Swietokrzyskie

8,64822

8,73230

8,80986

8,86785

8,88184

8,93590

Podlaskie

8,71604

8,74830

8,76405

8,83928

8,89563

8,93590

Wielkopolskie

8,97462

9,04782

9,10498

9,19014

9,21034

9,23014

Zachodniopomorskie

8,93590

8,98720

9,07108

9,14846

9,14846

9,17988

Lubuskie

8,85367

8,90924

8,96188

9,02401

9,02401

9,07108

Dolnoslaskie

8,97462

9,01189

9,10498

9,16952

9,15905

9,23014

Opolskie

8,83928

8,88184

8,88184

8,96188

8,94898

8,98720

Kujawsko-Pomorskie

8,82468

8,92266

8,93590

9,03599

9,05952

9,10498

Warminsko-Mazurskie

8,69951

8,74830

8,82468

8,88184

8,86785

8,92266

Pomorskie

8,92266

8,98720

9,08251

9,11603

9,12696

9,20029


0,13055

0,12935

0,14384

0,14955

0,14256

0,14494

Zdroj: vlastní

50

Tab. 10: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, PL, 2003 – 2008 2003

2004

2005

2006

2007

2008

Lódzkie

9,13777

9,22029

9,26861

9,33256

9,43348

9,48037

Mazowieckie

9,66777

9,72316

9,81466

9,88328

9,98967

10,00785

Malopolskie

9,07108

9,14846

9,20029

9,26861

9,36734

9,40919

Slaskie

9,30565

9,41735

9,43348

9,47270

9,57498

9,62905

Lubelskie

8,88184

8,93590

8,97462

9,02401

9,12696

9,19014

Podkarpackie

8,88184

8,93590

8,98720

9,03599

9,12696

9,17988

Swietokrzyskie

8,97462

9,04782

9,05952

9,13777

9,25913

9,33256

Podlaskie

8,94898

9,01189

9,04782

9,10498

9,22029

9,23990

Wielkopolskie

9,26861

9,37585

9,41735

9,46498

9,56100

9,59560

Zachodniopomorskie

9,16952

9,23014

9,27800

9,32367

9,40919

9,45720

Lubuskie

9,08251

9,19014

9,24956

9,29652

9,39266

9,40096

Dolnoslaskie

9,24956

9,32367

9,38429

9,48037

9,60238

9,62905

Opolskie

8,98720

9,14846

9,16952

9,20029

9,33256

9,39266

Kujawsko-Pomorskie

9,11603

9,19014

9,22029

9,27800

9,37585

9,40919

Warminsko-Mazurskie

8,98720

9,04782

9,08251

9,13777

9,22029

9,25913

Pomorskie

9,21034

9,27800

9,33256

9,40096

9,50301

9,50301


0,13853

0,14905

0,15117

0,15350

0,15419

0,14772

Zdroj: vlastní

51

Sigma konvergence V Grafu 9 můžeme vidět, že v letech 1997 – 2008 docházelo k nárůstu disparit mezi jednotlivými regiony a tedy k sigma divergenci. Výjimky tvoří pouze roky 1998, 2001 a 2003, ve kterých došlo k sigma konvergenci. Pro vytvoření grafu byly použity směrodatné odchylky z Tabulek 9 a 10.

Graf 9: σ-konvergence, NUTS II PL, 1997 – 2008 Zdroj: vlastní

V následující tabulce (Tab. 11) jsou v prvním sloupci uvedeny přirozené logaritmy HDP/obyv. v paritě kupní síly pro jednotlivé regiony v roce 1997, tedy v prvním roce vyhodnocovaného období. Dále je v tabulce vypočítán průměrný koeficient růstu pro jednotlivé regiony za celé období (1997 – 2008).

52

Tab. 11: Průměrný koeficient růstu (období 1997 – 2008), NUTS II PL ln y0


Lódzkie

8,809862805 0,055875392

Mazowieckie

9,287301413 0,060045513

Malopolskie

8,809862805 0,049944035

Slaskie

9,059517482 0,047461102

Lubelskie

8,665613197 0,043710372

Podkarpackie

8,648221454 0,044304976

Swietokrzyskie

8,648221454 0,057028046

Podlaskie

8,71604405

Wielkopolskie

8,974618038 0,051748728

Zachodniopomorskie

8,935903526 0,04344141

Lubuskie

8,853665428 0,045607942

Dolnoslaskie

8,974618038 0,054536056

Opolskie

8,839276691 0,046115437

Kujawsko-Pomorskie

8,824677891 0,048709445

Warminsko-Mazurskie

8,699514748 0,046634649

Pomorskie

8,9226583

0,043654594

0,048362641

Zdroj: vlastní

53

Beta konvergence Jak vidíme v Grafu 10, docházelo ve sledovaném období k mírné beta divergenci a disparity mezi jednotlivými regiony se lehce zvětšovaly. Regresní přímka je stoupající a hodnota c1 je větší než 0. Jelikož koeficient determinace má hodnotu 0,0172, je statistická významnost závislosti mezi regiony poměrně nízká. V grafu můžeme pozorovat, že ekonomická situace jednotlivých regionů se opravdu výrazně liší. Nacházíme zde regiony, které byly na počátku období relativně bohaté (Dolnoslaskie, Wielkopolskie) a jejich ekonomický růst byl poměrně výrazný, ale také regiony, které byly v roce 1997 chudé (Lubelskie) a ekonomický růst byl pomalý. Dále je zde zajímavý také region Swietokrzyskie – na počátku období velice chudý region, který dosáhl výrazného ekonomického růstu.

Graf 10: ß-konvergence, NUTS II PL, 1997 – 2008 Zdroj: vlastní

54

5.4 Rakousko Graf 11 znázorňuje vývoj HDP/obyv. v paritě kupní síly v jednotlivých regionech ve sledovaném období. Z grafu je patrné, že region Wien se od ostatních regionů výrazněji odlišuje a proto bude z analýzy vyloučen, aby nedošlo ke zkreslení.

Graf 11: HDP/obyv. v paritě kupní síly v jednotlivých regionech NUTS II, AT Zdroj: vlastní

V Tabulce 12 a 13 jsou uvedeny přirozené logaritmy hodnot HDP/obyv. v paritě kupní síly. Další výpočty jsou prováděny s přirozenými logaritmy, jelikož se jedná o normální rozložení hodnot.

55

Tab. 12: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, AT, 1997 – 2002 1997

1998

1999

2000

2001

Burgenland

9,510444964

9,568014816

9,615805

9,686575

9,686575 9,764225

Niederösterreich

9,752664663

9,803667217

9,841612

9,92329

9,893437 9,933046

Wien

10,31890299

10,37036129

10,41331

10,47164

10,4631

10,51053

Kärnten

9,781319919

9,820105944

9,873028

9,92818

9,92818

9,975808

Steiermark

9,798127037

9,846917201

9,893437

9,961756

9,957028 9,980449

Oberösterreich

9,918376165

9,961756461

10,01234

10,08163

10,069

Salzburg

10,09823163

10,13855967

10,1849

10,24708

10,22194 10,26116

Tirol

9,975808214

10,02570519

10,069

10,14643

10,13856 10,1849

Vorarlberg

9,994241916

10,0301202

10,08997

10,162

10,15813 10,20729

0,178144937

0,179414

0,178803

0,175039 0,167896

Směrodatná odchylka 0,183225287

2002

10,11456

Zdroj: vlastní

Tab. 13: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, AT, 2003 – 2008 2003

2004

2005

2006

2007

2008

Burgenland

9,786954

9,846917

9,841612

9,87817

9,913438 9,913438

Niederösterreich

9,957028

10,01682

10,02127

10,07744

10,12663 10,15035

Wien

10,51053

10,5321

10,54006

10,58658

10,61398 10,61889

Kärnten

9,989665

10,04759

10,069

10,1346

10,16585 10,16969

Steiermark

10,01234

10,06476

10,08997

10,14643

10,18867 10,19988

Oberösterreich

10,1346

10,18112

10,21464

10,26813

10,30561 10,33202

56

Salzburg

10,28192

10,33851

10,35137

10,4193

10,4688

Tirol

10,20359

10,24708

10,28192

10,33851

10,36722 10,37972

Vorarlberg

10,21097

10,25766

10,27849

10,33527

10,37661 10,39818

Směrodatná odchylka 0,164501

0,160309

0,169094

0,175646

0,176928 0,180984

10,47729

Zdroj: vlastní

Sigma konvergence Pro sestavení Grafu 12 byly využity směrodatné odchylky z Tabulek 12 a 13. Z Grafu lze vyčíst, že z dlouhodobého hlediska docházelo v letech 1997 – 2002 k sigma konvergenci. Při bližším prozkoumání grafu však vidíme, že vývoj nebyl rovnoměrný – v roce 2004 dochází k významnému zlomu. Proto dále vytvoříme dva grafy – jeden pro období 1997 – 2004 a druhý pro léta 2004 – 2008.

Graf 12: σ-konvergence, NUTS II AT, 1997 – 2008 Zdroj: vlastní

57

Jak můžeme vidět níže, na Grafu 13, docházelo v letech 1997 – 2004 opravdu ke konvergenci. Avšak od roku 2004 (Graf 14) se disparity mezi jednotlivými regiony začínají zvětšovat a dochází k sigma divergenci.


58


V Tabulce 14 jsou uvedeny hodnoty přirozeného logaritmu HDP/obyv. v paritě kupní síly z roku 1997, tedy prvního sledovaného období a dále jsou v tabulce vypočítány průměrné koeficienty růstu pro jednotlivé regiony za období let 1997 – 2004.

59

Tab. 14: Průměrný koeficient růstu (období 1997 – 2008), NUTS II AT ln y0


Burgenland

9,510444964 0,033582743

Niederösterreich

9,752664663 0,033140247

Wien

10,31890299 0,024998529

Kärnten

9,781319919 0,032364223

Steiermark

9,798127037 0,033479544

Oberösterreich

9,918376165 0,034470147

Salzburg

10,09823163 0,031588029

Tirol

9,975808214 0,03365946

Vorarlberg

9,994241916 0,033661823

Zdroj: vlastní

Beta konvergence Dle Grafu 15 docházíme k závěru, že ve sledovaném období dochází mezi jednotlivými regiony Rakouska ke snižování disparit a tedy k beta konvergenci. Hodnota c1 je negativní a regresní přímka je klesající. Koeficient determinace je poměrně nízký (0,0565), tzn., že statistická významnost závislosti není příliš vysoká.

60

Graf 15: ß-konvergence, NUTS II AT, 1997 – 2008 Zdroj: vlastní

61

5.5 Německo V Tabulce 15 a 16 jsou vypočítány přirozené logaritmy HDP/obyv. v paritě kupní síly. Budeme počítat s přirozenými logaritmy, jelikož předpokládáme rozložení hodnot je logaritmicko-normální. V posledním řádku tabulek jsou pak vypočítány směrodatné odchylky. Protože má Německo velké množství regionů NUTS II a zobrazení dat v grafu i s názvy jednotlivých regionů bylo poměrně nepřehledné, bylo každému regionu přiřazeno identifikační číslo – jak můžeme vidět ve výše zmíněných Tabulkách. Při zanášení dat do grafu jsou pak místo názvů NUTS II použity jen identifikační čísla.

Tab. 15: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, DE, 1997 – 2002 identifikátor

region NUTS II

1997

1998

1999

2000

2001

2002

1

Stuttgart

10,11456 10,1425

2

Karlsruhe

10,04759 10,07744 10,13062 10,162

3

Freiburg

9,888374 9,92818

4

Tübingen

9,942708 9,980449 10,03452 10,07323 10,10234 10,1186

5

Oberbayern

10,22919 10,27849 10,33851 10,40426 10,4193

6

Niederbayern

9,852194 9,888374 9,918376 9,975808 10,01682 10,04325

7

Oberpfalz

9,903488 9,942708 10,01234 10,05191 10,05191 10,09411

8

Oberfranken

9,898475 9,933046 9,971146 10,00333 10,03452 10,04759

9

Mittelfranken

10,03012 10,069

10,12663 10,18112 10,17351 10,21464

10

Unterfranken

9,883285 9,92329

9,971146 10,01234 10,04759 10,07323

11

Schwaben

9,933046 9,980449 10,03012 10,05191 10,07744 10,12262

12

Berlin

9,87817

13


9,464983 9,487972 9,539644 9,581904 9,629051 9,648595

10,18867 10,22194 10,26116 10,26465 10,19242 10,21097

9,980449 10,03452 10,05621 10,069

9,888374 9,92329

10,43998

9,942708 9,947504 9,957028

62

14

Brandenburg - Südwest

9,588777 9,602382 9,661416 9,705037 9,711116 9,740969

15

Bremen

10,19616 10,22194 10,25766 10,30895 10,33851 10,37349

16

Hamburg

10,45161 10,4801

17

Darmstadt

10,22919 10,24352 10,3156

10,34174 10,37349 10,38282

18

Gießen

9,814656 9,836279 9,87817

9,92818

19

Kassel

9,873028 9,908475 9,952278 9,985068 10,01234 10,04325

20

Mecklenburg-Vorpommern

9,532424 9,539644 9,595603 9,629051 9,655026 9,680344

21

Braunschweig

9,825526 9,908475 9,980449 9,989665 10,02127 10,00333

22

Hannover

9,918376 9,947504 9,975808 10,00785 9,998798 10,01682

23

Lüneburg

9,674074 9,674074 9,717158 9,752665 9,746834 9,758462

24

Weser-Ems

9,792556 9,825526 9,841612 9,913438 9,92818

25

Düsseldorf

10,02127 10,05621 10,09411 10,12663 10,15425 10,17732

26

Köln

10,02127 10,04325 10,06476 10,08581 10,08997 10,12262

27

Münster

9,746834 9,758462 9,803667 9,841612 9,862666 9,87817

28

Detmold

9,913438 9,937889 9,975808 10,00785 10,01234 10,02571

29

Arnsberg

9,846917 9,87817

9,913438 9,947504 9,957028 9,975808

30

Koblenz

9,758462 9,78132

9,830917 9,862666 9,862666 9,898475

31

Trier

9,740969 9,746834 9,798127 9,825526 9,836279 9,87817

32

Rheinhessen-Pfalz

9,87817

33

Saarland

9,825526 9,857444 9,898475 9,942708 9,961756 9,975808

34

Chemnitz

9,464983 9,510445 9,560997 9,588777 9,62245

9,680344

35

Dresden

9,546813 9,560997 9,62245

9,769956

36

Leipzig

9,629051 9,629051 9,674074 9,680344 9,717158 9,764225

37

Sachsen-Anhalt

9,487972 9,517825 9,560997 9,602382 9,629051 9,692767

10,51325 10,55059 10,59413 10,61644

9,947504 9,971146

9,92818

9,893437 9,942708 9,980449 9,975808 9,998798

9,648595 9,69892

63

38

Schleswig-Holstein

9,86786

39

Thüringen

9,480368 9,517825 9,574983 9,615805 9,648595 9,680344

X


0,226266 0,230019 0,228817 0,230984 0,23079

9,883285 9,918376 9,952278 9,971146 9,961756

0,225266

Zdroj: vlastní

Tab. 16: přirozený logaritmus HDP/obyv. v paritě kupní síly dle NUTS II, DE, 2003 – 2008 identifikátor region NUTS II

2003

2004

2005

2006

2007

2008

1

Stuttgart

10,29553 10,3189

2

Karlsruhe

10,22919 10,25766 10,30226 10,35456 10,39513 10,39513

3

Freiburg

10,08163 10,1186

4

Tübingen

10,1346

5

Oberbayern

10,46024 10,50232 10,54534 10,58152 10,62862 10,60906

6

Niederbayern

10,06049 10,12262 10,15813 10,20729 10,26813 10,26465

7

Oberpfalz

10,1186

8

Oberfranken

10,05621 10,10234 10,13856 10,20359 10,24708 10,25062

9

Mittelfranken

10,23279 10,29215 10,3156

10

Unterfranken

10,09823 10,13856 10,19242 10,23638 10,28534 10,27849

11

Schwaben

10,13062 10,16969 10,2183

12

Berlin

9,961756 9,975808 10,02571 10,069

13


9,674074 9,69892

14


9,769956 9,836279 9,893437 9,937889 9,985068 9,994242

15

Bremen

10,40729 10,44581 10,49681 10,54271 10,58406 10,58406

16

Hamburg

10,63345 10,66663 10,70996 10,72547 10,74721 10,76003

17

Darmstadt

10,42228 10,45737 10,49957 10,5321

10,33851 10,41331 10,47164 10,45449

10,15425 10,21097 10,25766 10,26465

10,18867 10,23279 10,28875 10,35137 10,35456

10,15813 10,21464 10,25766 10,32876 10,35456

10,35456 10,39818 10,4193

10,27505 10,30895 10,3189 10,11456 10,11456

9,740969 9,798127 9,841612 9,841612

10,57132 10,57388

64

18

Gießen

9,994242 10,05191 10,10234 10,13856 10,19242 10,21097

19

Kassel

10,08997 10,12262 10,16585 10,21097 10,25766 10,25062

20


9,711116 9,758462 9,809177 9,846917 9,913438 9,92329

21

Braunschweig

10,03452 10,08163 10,13062 10,16969 10,23279 10,2183

22

Hannover

10,04759 10,07744 10,162

23

Lüneburg

9,78132

24

Weser-Ems

9,942708 9,989665 10,03012 10,07744 10,13062 10,1425

25

Düsseldorf

10,19988 10,24708 10,28192 10,3156

26

Köln

10,1346

27

Münster

9,903488 9,961756 10,00333 10,04759 10,10643 10,11456

28

Detmold

10,03889 10,07323 10,12262 10,15813 10,22919 10,23279

29

Arnsberg

10,00333 10,05191 10,10234 10,13856 10,19242 10,21097

30

Koblenz

9,918376 9,966462 9,998798 10,04759 10,08581 10,08997

31

Trier

9,913438 9,961756 9,989665 10,02127 10,06476 10,069

32

Rheinhessen-Pfalz

10,01682 10,069

33

Saarland

10,00333 10,07323 10,15035 10,19988 10,25062 10,26465

34

Chemnitz

9,717158 9,769956 9,809177 9,87817

35

Dresden

9,820106 9,883285 9,908475 9,947504 10,00333 9,989665

36

Leipzig

9,803667 9,846917 9,888374 9,957028 10,00333 10,01234

37

Sachsen-Anhalt

9,723164 9,78132

38

Schleswig-Holstein

9,985068 10,02127 10,05191 10,08581 10,1186

39

Thüringen

9,729134 9,786954 9,825526 9,883285 9,947504 9,957028

X


0,222014 0,218693 0,218474 0,214634 0,210941 0,208833

10,20729 10,22919 10,23638

9,803667 9,846917 9,888374 9,937889 9,957028

10,38591 10,40729

10,17351 10,19616 10,23996 10,29215 10,27849

10,08997 10,1346

9,825526 9,87817

10,1849

10,17732

9,937889 9,942708

9,942708 9,971146 10,12262

Zdroj: vlastní

65

Sigma konvergence Jak můžeme vidět na Grafu 16, v letech 1997 – 2008 docházelo mezi jednotlivými regiony NUTS II ke smazávání disparit a lze tedy konstatovat, že nastala sigma konvergence. Pouze v letech 1998 a 2000 došlo k nepatrnému zvětšení disparit a tím pádem zde mluvíme o sigma divergenci. K sestrojení Grafu byly použity směrodatné odchylky z Tabulek 15 a 16.

Graf 16: σ-konvergence, NUTS II DE, 1997 – 2008 Zdroj: vlastní

Beta konvergence V Tabulce 17 jsou hodnoty přirozeného logaritmu HDP/obyv. v paritě kupní síly za první rok našeho zájmového období a dále jsou v Tabulce uvedeny hodnoty průměrného koeficientu růstu za celý časový úsek pro jednotlivé regiony. V Grafu 17 pak můžeme vidět, že v letech 1997 – 2008 došlo ke snižování disparit mezi regiony a mluvíme tak o beta konvergenci. Na počátku nejchudší regiony rostly v tomto období rychleji, než regiony bohatší. Rozdíly mezi regiony se snižovaly, regresní linie je

66

klesající a hodnota c1 je menší než 0. Koeficient determinace má hodnotu 0,1716, takže statistická významnost závislosti mezi jednotkami není příliš vysoká. Tab. 17: Průměrný koeficient růstu (období 1997 – 2008), NUTS II DE identifikátor

NUTS II

ln y0


1

Stuttgart

10,11456 0,028328037

2

Karlsruhe

10,04759 0,028961872

3

Freiburg

9,888374 0,031356541

4

Tübingen

9,942708 0,034321242

5

Oberbayern

10,22919 0,031655797

6

Niederbayern

9,852194 0,034371512

7

Oberpfalz

9,903488 0,037589635

8

Oberfranken

9,898475 0,029345173

9

Mittelfranken

10,03012 0,03243171

10

Unterfranken

9,883285 0,032934051

11

Schwaben

9,933046 0,03215472

12

Berlin

9,87817

13


9,464983 0,031385797

14


9,588777 0,033788759

15

Bremen

10,19616 0,032324899

16

Hamburg

10,45161 0,02570161

17

Darmstadt

10,22919 0,028724171

18

Gießen

9,814656 0,033026326

19

Kassel

9,873028 0,031465728

20


9,532424 0,032572192

0,019699065

67

21

Braunschweig

9,825526 0,032731023

22

Hannover

9,918376 0,026500484

23

Lüneburg

9,674074 0,023579494

24

Weser-Ems

9,792556 0,029162372

25

Düsseldorf

10,02127 0,032168164

26

Köln

10,02127 0,021435239

27

Münster

9,746834 0,030643732

28

Detmold

9,913438 0,026612785

29

Arnsberg

9,846917 0,030337921

30

Koblenz

9,758462 0,027625445

31

Trier

9,740969 0,027336114

32

Rheinhessen-Pfalz

9,87817

33

Saarland

9,825526 0,036593866

34

Chemnitz

9,464983 0,039810473

35

Dresden

9,546813 0,036904387

36

Leipzig

9,629051 0,031940938

37

Sachsen-Anhalt

9,487972 0,040264508

38

Schleswig-Holstein

9,86786

39

Thüringen

9,480368 0,039721734

0,024929539

0,021230226

Zdroj: vlastní

68

Graf 17: ß-konvergence, NUTS II DE, 1997 – 2008 Zdroj: vlastní

69

6. ZÁVĚR V bakalářské práci byl hodnocen regionální rozvoj pěti států Evropské Unie – České republiky a sousedních zemí, tedy Slovenské republiky, Polska, Rakouska a Německa. Hodnocení probíhalo podle konceptu sigma konvergence a beta konvergence a za zvolený ukazatel bylo vybráno HDP/obyv. v paritě kupní síly v období let 1997 2008. Analýza byla provedena na úrovni regionů NUTS II. Již ze vstupních dat bylo na první pohled zřejmé, že se v jednotlivých zemích objevují regiony, které jsou na výrazně odlišném stupni rozvoje – jednalo se o regiony okolo hlavních měst, které jsou výrazně ekonomicky vyspělejší než ostatní území. Vzhledem k tomu, že by mohlo dojít ke zkreslení výsledků a nesprávné interpretaci, byly z prováděných analýz tyto vyspělejší regiony vyřazeny. Problematická však byla situace u Německa – tento stát se skládá z velkého množství NUTS II regionů (konkrétně 39) a rozptyl mezi jednotlivými regiony byl obrovský (cca od 80 – 200 % průměru EU). Zde byly, jako u jediného státu, do analýzy zařazeny všechny regiony, protože vyčlenění těch nejvíce disparitních by bylo velice relativní. I přes to, že všechny zkoumané státy jsou členy EU, která má politiku zaměřenou na snižování regionálních disparit, byla poměrně často konstatována tendence k divergenci, tedy zvyšování rozdílů mezi jednotlivými regiony. V Polsku a na Slovensku nastává z dlouhodobého hlediska sigma divergence i beta divergence – z pohledu obou konceptů se pomyslné nůžky mezi ekonomicky vyspělými a slabšími regiony rozevírají. V České republice byla zjištěna sigma divergence a beta konvergence. Pokud se však na výsledky za ČR podíváme podrobněji, můžeme spatřit, že se od roku 2002 začala projevovat tendence také k sigma konvergenci - chudé regiony začaly růst rychleji než regiony bohatší. Dokonce i na Slovensku a v Polsku byla v roce 2007, tedy v posledním sledovaném roce, zjištěn pozitivní vývoj ve vyrovnávání ekonomické úrovně mezi jednotlivými regiony (sigma konvergence). Ovšem odpověď na otázku, zda tato tendence bude pokračovat i v následujících letech, by nám přinesla pouze analýza situace v dalších letech.

70

Odlišná situace byla zjištěna na území Rakouska a Německa – tedy dvou vyspělejších států. V obou zemích probíhala z dlouhodobého pohledu v letech 1997 – 2008 sigma konvergence i beta konvergence, chudší regiony rostly rychleji než regiony bohatší. Zajímavé ovšem je, že při detailnějším pohledu se nám v Rakousku ukazuje od roku 2004 nárůst regionálních disparit a začíná zde sigma divergence. Jedinou zemí, kde opravdu dlouhodobě dochází ke snižování meziregionálních disparit (sigma i beta konvergence), tak zůstává Německo. Z těchto výsledků tedy vyplývá, že ačkoli se EU snaží o vyvážený regionální rozvoj a vyrovnávání disparit mezi jednotlivými regiony a má k tomu poměrně propracovanou regionální politiku a systém k tomu určených strukturálních a jiných fondů, její cíl se jí příliš nedaří naplnit. Na druhou stranu pomoc a podpora, která plyne do chudších a problémových regionů není rozhodně zanedbatelná a má velký přínos pro ekonomický rozvoj těchto oblastí, i když vždy nevede přímo ke konvergenci. Navíc v našich analýzách nebyly (s výjimkou Německa) zahrnuta hlavní města jednotlivých států, která jsou výrazně rozvinutější než ostatní části území. Při jejich zahrnutí do výpočtů by byla vykazována ještě větší tendence k divergenci. Tyto velké rozdíly jsou způsobeny zejména tím, že hlavní města jsou centrem cestovního ruchu a služeb a v jejich větší či menší vzdálenosti se pak nachází chudší a problémové regiony. Mohou to být například regiony zemědělské, regiony s upadajícím průmyslovým odvětvím, či regiony podhorské či příhraniční, které se často potýkají s problémy jako nedostatek pracovních příležitostí atd. (i přesto, že přímo na tento problém je zaměřen jeden cíl evropské regionální politiky - Evropská územní spolupráce). Například konkrétně v České republice je propastný rozdíl mezi regionem Praha a ostatními NUTS II regiony. Problematickými jsou zejména upadající průmyslové oblasti. Také na Slovensku se výrazně odlišuje ekonomicky vyspělý Bratislavský kraj a obecně lze říci, že čím více postupujeme na východ Slovenska, tím chudší a problémovější regiony se zde nachází. V Polsku je opět nejrozvinutějším regionem region okolo hlavního města Varšavy, Mazowieckie, a když se podíváme do mapy, vidíme, že problémové regiony jsou rozprostřeny v příhraničních oblastech. V Rakousku má ekonomicky dominantní postavení region hlavního města Wien a chudé

71

regiony se koncentrují na východním území státu. Nejbohatším regionem Německa je Hamburg. Z celkového pohledu je však významné hlavně rozdělení území na bývalou NDR a SRN, kdy území NDR stále ekonomicky zaostává za západní částí země. Aby byla regionální politika Evropské unie účinnější a efektivnější, bylo by vhodné zacílit pomoc do konkrétně definovaných problémových regionů se specifickými problémy (nedefinovat je například pouze úrovní HDP) a zaměřit se na dlouhodobý rozvoj těchto regionů. Je potřeba zde vybudovat kvalitní infrastrukturu, podpořit vytváření nových pracovních míst, zaměřit se na rozvoj a kvalifikaci lidských zdrojů a v neposlední řadě nezapomínat na projekty zaměřené na životní prostředí, aby byla tato území přitažlivá a lákavá pro místní obyvatelstvo, ale i případné investory. Jde o to, vytvořit podmínky, aby byly i v současné době chudší regiony lákavým a atraktivním místem jak pro bydlení, tak také pro podnikání či turismus a byl tak nastartován trvalý a udržitelný rozvoj těchto oblastí.

72

Zdroje: [1] ANDĚL J. a SKOKAN L. Střední Evropa a Evropská unie, transformační ekonomiky východní Evropy (geografický přehled) 1. vyd. Ústí nad Labem: Univerzita J. E. Purkyně v Ústí nad Labem, 2003. ISBN 80-7044-471-1 (130 s.) [2] DUFEK J. a MINAŘÍK B. Hodnocení rozvojového potenciálu krajů České republiky z hlediska lidských zdrojů 1. vyd. Brno: Mendelova univerzita v Brně, 2010. ISBN 978-80-7375-424-2 (142 s.) [3] HORVÁTH G. The competitivness of regions and localities in central and eastern Europe [online] Hungarian Academy of Sciences, Paper prepared for the Seventh Spring Seminar of the Economic Commission for Europe, United Nations, 2004 [cit. 2.11.2011] (53 s.) Dostupný z: http://www.unece.org/fileadmin/DAM/ead/sem/sem2004/papers/Horvath.pdf [4] JUREČKA, V. a kol. Makroekonomie 1. vyd. Praha: Grada Publishing, 2010. ISBN 978-80-247-3258-9 (332 s.) [5] KREJČÍ T. a kol. Regionální rozvoj – teorie, aplikace, regionalizace 1. vyd. Brno: Mendelova univerzita v Brně, 2010. ISBN 978-80-7375-414-3 (155 s.) [6] NACHTIGAL V. a TOMŠÍK V. Konvergence zemí střední a východní Evropy k Evropské unii 1. vyd. Praha: Linde Praha, a. s., 2002. ISBN 80-7201-361-0 [7] NOVOTNÁ M. Regionální politika EU 1. vyd. Ostrava: Vysoká škola báňská – Technická univerzita v Ostravě, 2007. ISBN 978-80-248-1413-1 (205 s.) [8] SKOKAN, K. Disparity a regionální rozvoj v zemích střední Evropy [on-line]. Šilheřovice, 2008 [cit. 30.10.2011] Dostupný z: http://disparity.vsb.cz/regdis_2008/pdf/03%20regdis_2008.pdf [9] SKOKAN, K. Regionální disparity v územním rozvoji ČR – jejich vznik, identifikace a Eliminace [on-line]. Ostrava: Technická univerzita Ostrava, 2009 [cit. 20.10.2011], 97 s. Dostupný z: http://disparity.vsb.cz/vysledky/13_PS1_Komparace%20disparit_V4.pdf)

[10] SLAVÍK, C. Konvergence České republiky k EU (v porovnání s dalšími kandidátskými státy), diplomová práce [on-line] Univerzita Karlova v Praze, Fakulta sociálních věd, Institut ekonomických studií, 2003 [cit. 12.3.2012] Dostupný z: ies.fsv.cuni.cz/default/file/download/id/615 [11] SMRČKOVÁ, G. A kol. Výzkumná studie REÁLNÍ KONVERGENCE – SOUVISLOSTI A PŘÍČINY [on-line]. Praha: Ministerstvo financí ČR, 2008 [cit. 12.3.2012] Dostupný

z:

http://www.mfcr.cz/cps/rde/xbcr/mfcr/Proces_realne_konvergence_MF_2008_pdf.pdf [12] SVATOŠOVÁ L. a kol. Regionální rozvoj z pozice strukturální politiky 1. vyd. České Budějovice: Jihočeská univerzity v Českých Budějovicích, 2005. ISBN 80-7040-749-2 (173 s.) [13] VERNER, J. Analýza konvergence vybraných finančních ukazatelů ČR a EU [online]. Vysoká škola ekonomická v Praze, Fakulta informatiky a statistiky, 2012 [cit. 12.3.2012] Dostupný z: https://www.vse.cz/vskp/show_evskp.php?evskp_id=29537 [14] WOKOUN R. a kol. Regionální rozvoj (Východiska regionálního rozvoje, regionální politika, teorie, strategie a programování) 1. vyd. Praha: Linde Praha, a. s., 2008. ISBN 978-80-7201-699-0 (474 s.)

Internetové zdroje: [15] CZECHTOURISM Polsko [on-line]. Praha, 2010 [cit. 22.10.2011] Dostupný z: http://www.czechtourism.cz/files/statistiky/statistiky_zemi/polsko.pdf [16] ČSÚ Obecná databáze Eurostatu (česká verze) [on-line]. [cit. 30.10.2011] Dostupný z: http://apl.czso.cz/ode/index.htm [17] HAJDUCH, O. Vývoj a stav hospodářství ČR [on-line]. 2010 [cit. 20.10.2011] Dostupný z: http://www.hajduch.net/cesko/vyvoj-a-stav-hospodarstvi

[18] MINISTERSTVO ZAHRANIČNÍCH VĚCÍ Německo: Ekonomická charakteristika země

[on-line].

2011

[cit.

30.10.2011]

Dostupný

z:

http://www.businessinfo.cz/cz/sti/nemecko-ekonomicka-charakteristika-zeme/4/1000636/ [19] MINISTERSTVO ZAHRANIČNÍCH VĚCÍ Polsko: Ekonomická charakteristika země

[on-line].

2011

[cit.

20.10.2011]

Dostupný

z:

http://www.businessinfo.cz/cz/sti/polsko-ekonomicka-charakteristika-zeme/4/1000792/ [20] MINISTERSTVO ZAHRANIČNÍCH VĚCÍ Rakousko: Ekonomická charakteristika země [on-line]. [cit. 22.10.2011] Dostupný z: http://www.businessinfo.cz/cz/sti/rakouskoekonomicka-charakteristika-zeme/4/1000794/ [21] Charakteristika České republiky a jejích regionů [on-line]. [cit. 20.10.2011] Dostupný z:

http://www.dhv.cz/regstrat/SRR/Svazek%201/Svazek%201-

2.htm#_2.1.3_Ekonomika [22] Slovensko – informace o státě [on-line]. [cit. 20.10.2011] Dostupný z: http://www.zemepis.net/zeme-slovensko

MENDELOVA UNIVERZITA V BRNĚ Fakulta regionálního rozvoje a mezinárodních studií. Analýza konvergence vybraných států EU

Recommend Documents