Souhrnná zpráva k DC 001 Zmapování vývoje i regionálních disparit (mezi regiony NUTS 3) ve finanční dostupnosti bydlení pro jednotlivé právní typy bydlení, segmenty trhu a typy českých domácností v letech 2000 – 2006
Martin Lux Martina Mikeszová Petr Sunega Tomáš Kostelecký Milada Kadlecová Michal Hadlač Milan Polednik
1
Obsah: ÚVOD ..................................................................................................................................................... 3 METODIKA VÝPOČTU REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI BYDLENÍ............................................................................................................................................... 4 MĚŘENÍ FINANČNÍ DOSTUPNOSTI BYDLENÍ ......................................................................................... 4 ZDROJE DAT ........................................................................................................................................ 6 POSTUP VÝPOČTU INDIKÁTORŮ FINANČNÍ DOSTUPNOSTI BYDLENÍ A ZMAPOVÁNÍ DISPARIT VE FINANČNÍ DOSTUPNOSTI BYDLENÍ ....................................................................................................... 7 Vytvoření typologie domácností ..................................................................................................... 8 Výpočet čistých příjmů domácností ................................................................................................ 9 Vytvoření typologie bydlení .......................................................................................................... 10 Stanovení průměrných tržních cen a tržních nájmů...................................................................... 11 Přiřazení typu bydlení k typu domácnosti..................................................................................... 12 Výpočet indikátorů finanční dostupnosti bydlení.......................................................................... 13 Zmapování regionálních disparit ve finanční dostupnosti bydlení............................................... 13 VÝVOJ VE FINANČNÍ DOSTUPNOSTI NÁJEMNÍHO BYDLENÍ A REGIONÁLNÍ DISPARITY VE FINANČNÍ DOSTUPNOSTI NÁJEMNÍHO BYDLENÍ ................................... 13 VÝVOJ FINANČNÍ DOSTUPNOSTI „NEPRIVILEGOVANÉHO“ NÁJEMNÍHO BYDLENÍ V JEDNOTLIVÝCH KRAJÍCH ČR....................................................................................................................................... 14 VÝVOJ REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI „NEPRIVILEGOVANÉHO“ NÁJEMNÍHO BYDLENÍ ............................................................................................................................................ 21 VÝVOJ FINANČNÍ DOSTUPNOSTI „PRIVILEGOVANÉHO“ NÁJEMNÍHO BYDLENÍ V JEDNOTLIVÝCH KRAJÍCH ČR....................................................................................................................................... 31 VÝVOJ REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI „PRIVILEGOVANÉHO“ NÁJEMNÍHO BYDLENÍ ............................................................................................................................................ 36 OHROŽENÍ FINANČNÍ NEDOSTUPNOSTÍ NÁJEMNÍHO BYDLENÍ .................................... 37 VÝVOJ A REGIONÁLNÍ DISPARITY VE FINANČNÍ DOSTUPNOSTI VLASTNICKÉHO BYDLENÍ............................................................................................................................................. 41 VÝVOJ FINANČNÍ DOSTUPNOSTI VLASTNICKÉHO BYDLENÍ V JEDNOTLIVÝCH KRAJÍCH ČR ............. 42 VÝVOJ REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI VLASTNICKÉHO BYDLENÍ................. 50 OHROŽENÍ FINANČNÍ NEDOSTUPNOSTÍ VLASTNICKÉHO BYDLENÍ ............................ 60 ZÁVĚR................................................................................................................................................. 66 LITERATURA .................................................................................................................................... 69 PŘÍLOHY ............................................................................................................................................ 70
2
Úvod V rámci projektu „Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit“ byl řešen jeden z prvních dílčích cílů, kterým byla kvantifikace a deskripce vývoje finanční dostupnosti bydlení a vývoje regionálních disparit ve finanční dostupnosti bydlení pro jednotlivé kraje NUTS 3 a mezi nimi v letech 2000 – 2006. Cílem analýz bylo zmapovat vývoj finanční dostupnosti nájemního i vlastnického bydlení v jednotlivých krajích ČR v letech 2000 – 2006 pro různé typy domácností, postihnout vývoj regionálních rozdílů ve finanční dostupnosti bydlení a následně identifikovat domácnosti potencionálně ohrožené finanční nedostupností bydlení. Jelikož v České republice neexistuje takový datový soubor, který by umožnil jednoduchou analýzu regionálních disparit ve finanční dostupnosti bydlení, tj. analýzu skutečných disparit na základě znalosti konkrétních domácností s jejich konkrétními výdaji a příjmy, byl v tomto projektu použit alternativní metodický postup. V prvním kroku byly definovány typy domácností na základě složení domácnosti (počet členů, počet dětí), ekonomické aktivity jejích členů a postavení v zaměstnání (60 hlavních typů domácností); vedle toho byly definovány čtyři kategorie velikosti bytu, které byly následně přiřazeny k jednotlivým typům domácnosti podle počtu jejích členů (přiměřené bydlení). Indikátory finanční dostupnosti bydlení pro jednotlivé typy domácností byly poté vypočteny za pomocí dat o čistých průměrných příjmech domácností odhadnutých softwarovou simulací daní a dávek na datech regionální hrubé příjmové statistiky Českého statistického úřadu (hrubé mzdy zaměstnanců), datech Ministerstva práce a sociálních věcí a Ministerstva financí týkajících se státní sociální podpory, a za pomocí dat o průměrných tržních nájmech, průměrných regulovaných nájmech a průměrných cenách bytů v jednotlivých českých regionech v letech 2000 – 2006 zjištěných Institutem regionálních informací, s.r.o. Na základě vzniklé databáze mapující finanční dostupnost nájemního i vlastnického bydlení pro 60 typů domácností ve všech krajích od roku 2000 do roku 2006 byla provedena analýza vývoje regionálních rozdílů (disparit) v dostupnosti nájemního i vlastnického bydlení. Cílem této analýzy však nebylo srovnání skutečné finanční dostupnosti bydlení domácností žijících v různých regionech, jelikož to je z důvodu nedostatku kvalitních výzkumů nemožné, nýbrž vysledovat míru regionálních disparit ve finanční dostupnosti „přiměřeného“ (tj. odpovídajícího velikosti domácnosti) nájemního i vlastnického bydlení pro různě definované typy domácností. V této souhrnné zprávě jsou popsány výsledky analýz regionálních disparit ve finanční dostupnosti vlastnického i nájemního bydlení. Zpráva se skládá z pěti kapitol. V první části zprávy je vysvětlen zvolený metodický postup měření regionálních disparit; následují kapitoly analytické, z nichž dvě se zabývají nájemním bydlením a dvě bydlením vlastnickým. Druhá a třetí kapitola se věnují zmapování vývoje finanční dostupnosti nájemního bydlení v jednotlivých regionech ČR, analýze regionálních disparit ve finanční dostupnosti nájemního bydlení a identifikaci domácností potencionálně ohrožených finanční nedostupností nájemního bydlení. Ve čtvrté a páté kapitole je analogicky zmapován vývoj a regionální disparity ve finanční dostupnosti vlastnického bydlení a jsou identifikovány domácnosti, které by mohly být ohroženy potencionální nedostupností vlastnického bydlení.
3
Metodika výpočtu regionálních dostupnosti bydlení
disparit
ve
finanční
Měření finanční dostupnosti bydlení V zásadě lze odlišit tři základní přístupy k analýze finanční dostupnosti bydlení (Garnett 2000): indikátorový přístup, referenční přístup a reziduální přístup. Indikátorový přístup využívá indikátorů měřících zatížení domácností výdaji na bydlení; indikátory mají obvykle podobu podílu nákladů na bydlení k příjmům domácností. Hulchanski (1995) uvádí, že „domácnost čelí problému dostupnosti bydlení, … , když podíl jejích výdajů na zajištění adekvátního bydlení k celkovému čistému příjmu překračuje určitou procentní hranici.“ Indikátory se mohou lišit podle způsobu, jakým jsou definovány náklady na bydlení a příjem domácností. Zřejmě nejfrekventovanějším indikátorem používaným zejména při hodnocení finanční dostupnosti nájemního bydlení je indikátor podílu čistého nájemného nebo výdajů na bydlení na celkových čistých příjmech domácnosti – tento indikátor nazýváme, v souladu s Lux & Burdová (2000), míra zatížení. Referenční přístup nestanoví limitní hodnotu míry zatížení, ale odkazuje k situaci buď v jiném sektoru bydlení (např. nájemné by mělo být stanoveno na úrovni nájemného v soukromém nájemním bydlení) nebo k nutnosti zajistit bydlení určitým skupinám obyvatel (např. nájemné by mělo být stanoveno tak, aby si ho mohly dovolit rodiny domácností zaměstnanců s více dětmi a nízkou úrovní mezd). Reziduální přístup vychází z hodnocení výše tzv. reziduálního příjmu, který je roven částce celkového čistého příjmu domácnosti sníženého o výdaje na bydlení a o částku životního minima nezbytnou k úhradě ostatních základních životních potřeb jednotlivých členů domácnosti. Např. Grigsby a Rosenburg postulují, že „dostupnost by měla být definována ve vztahu k potřebě adekvátního příjmu postačujícího, po odečtení výdajů na bydlení, k zajištění ostatních základních potřeb členů domácnosti.“ (citováno v Hui 2001). Žádný z uvedených přístupů (zejména míra zatížení nebo reziduální příjem) však není zcela oproštěn od potřeby normativního stanovení určité limitní hranice, jejíž překročení indikuje skutečnost, že stávající bydlení je již pro danou domácnost finančně nedostupné – například určení maximální míry zatížení nebo minimálního reziduálního příjmu (dále hranice únosnosti). Stanovení hranice únosnosti je jen obtížně vědecky odůvodnitelné, podobně jako každý jiný normativní soud. V některých zemích nejsou hranice stanoveny explicitně, ale implicitně vyplývají z politiky státu v oblasti adresného příspěvku na bydlení. Určení hranice únosnosti je tak poznamenáno normativním, často subjektivním soudem, a jen těžko může být určeno „objektivním“ způsobem. Zvolení jakékoliv metody pro její stanovení může být snadno vědecky zpochybnitelné – proto je při analýze finanční dostupnosti bydlení nutné postupovat opatrně a kriticky. Určitým posunem v této oblasti je „kvazi-normativní“ přístup k finanční dostupnosti bydlení vyvinutý v Lux (2004, 2005, 2007); ten vychází ze stanovení limitních mezí na základě výše veřejných nákladů při alternativním nastavení veřejné podpory a z toho plynoucí výše skutečně placených výdajů na bydlení. Normativita při určení hranice únosnosti je navíc jen jedním z problémů při měření a hodnocení finanční dostupnosti bydlení. Všechny indikátory používané pro měření, jak je bydlení finančně dostupné pro různé skupiny domácností v různých částech země, se musí rovněž vyrovnávat se skutečností, že analýza prostých výdajů na bydlení nezohledňuje
4
dostatečně kvalitu samotného bydlení, velikost užívaného bydlení, ochranu nájemních práv a ostatní s bydlením související náklady (náklady dojížďky). Vysoká míra zatížení (tedy na první pohled problém s finanční dostupností bydlení) u některých domácností, bydlících například v nájemním bydlení, nemusí být způsobena jejich nízkým příjmem nebo obecnou vysokou úrovní nákladů na bydlení, ale pouze tím, že tyto domácnosti bydlí v příliš luxusních a/nebo příliš velkých bytech neodpovídajících velikosti jejich domácností (například dvoučlenná domácnost bydlí ve čtyřpokojovém bytě), u kterých je také vyžadováno vyšší nájemné. Pokud by se takové domácnosti přestěhovaly do „přiměřeného“ bydlení (což nelze než opět definovat normativně), pak by jejich míra zatížení mohla výrazněji poklesnout na hodnoty, které již nejsou hodnoceny jako neúnosné nebo problémové. Prostý „neupravený“ výpočet míry zatížení tak může podávat zkreslený obraz o tom, kolik domácností je skutečně v nouzi z pohledu finanční dostupnosti bydlení. Indikátory používané pro měření finanční dostupnosti bydlení se s tímto problémem musí nutně vypořádat, jinak odráží spíše defekty na daném trhu s bydlením než skutečné disparity ve finanční dostupnosti bydlení. Mimo to, jednotlivé právní typy bydlení se podstatně liší podle formy výdajů na bydlení. Pro účel sledování vývoje finanční dostupnosti vlastnického bydlení je proto vhodné využít i alternativních indikátorů. Je tomu proto, že míra zatížení nemusí ukázat skutečnou váhu problému finanční dostupnosti vlastnického bydlení, je-li aproximována za celek domácností zahrnující jak domácnosti, které si pořídily bydlení poměrně nedávno (za zpravidla vyšších tržních cen), tak domácnosti, které si pořídily vlastní či družstevní bydlení před mnoha lety nebo v průběhu privatizace obecních bytů (za „netržních“ cenových podmínek). Některé domácnosti si pro pořízení bydlení musely vzít úvěr, jiné nikoliv. Alternativním ukazatelem vhodnějším pro zmapování a hodnocení finanční dostupnosti vlastnického bydlení běžně používaným ve vyspělých zemích je tak například indikátor price-to-income ratio (poměřující průměrné/mediánové ceny prodávaného bydlení a průměrné/mediánové roční čisté příjmy domácností, P/I) nebo lending multiplier (ukazující poměr celkové sumy, kterou domácnost zaplatí v rámci splátek úvěrů na bydlení, k celkovým čistým ročním příjmům domácnosti, LM). Analýza vývoje finanční dostupnosti bydlení je navíc v tranzitivních zemích, či přesněji v českém prostředí, v mnoha ohledech specifická. Je tomu zejména proto, že míra ochrany před nepříznivým vývojem na trhu bydlení je mezi českými domácnostmi rozdělena nerovněji, než je tomu ve vyspělých zemích. V průběhu ekonomické transformace se z hlediska přístupu k bydlení (socio-ekonomického pohledu) u nás, stejně jako v jiných tranzitivních zemích, v zásadě vyprofilovaly dva základní segmenty trhu. „Dědictví“ důsledků bytové politiky z minulého režimu a pokračování v regulaci nájemného (resp. nedostatečná reforma v oblasti nájemního bydlení) a privatizace obecních bytů za zvýhodněných cenových podmínek po roce 1989, jsou hlavními příčinami rozdělení české společnosti z hlediska přístupu k bydlení a v posledku též finanční dostupnosti bydlení do dvou hlavních zřetelně oddělených (i když přesně jen velmi těžko definovatelných) skupin: skupiny domácností užívajících výhod „privilegovaného“ bydlení, kam náleží lidé hradící regulované nájemné, lidé, kteří si pořídili vlastní nebo družstevní bydlení ještě před rokem 1989 a lidé, kteří měli možnost koupit si vlastní bydlení při privatizaci obecních bytů, během které byly a dosud jsou byty prodávány i hluboko pod úrovní tržních cen; a segment „neprivilegovaného“ bydlení, ve kterém bydlí lidé hradící z důvodu samotné regulace nájemného zbytečně vysoké tržní nájemné (Lux, Sunega 2002) a kteří z důvodu časově omezených nájemních smluv a zcela volného způsobu stanovení nájemného (prvotního i opětovného) užívají slabší legislativní ochrany před jednáním pronajímatelů, lidé označovaní někdy jako „nebydlící“ (manželé po rozvodu nebo dospělé děti, které z důvodu nízkých příjmů a nemožnosti dědictví „privilegií“ jsou nuceni žít
5
v nechtěném soužití s jinou domácností), a lidé, kteří si pořídili vlastní či družstevní bydlení za tržních podmínek a uhradili trhem určenou cenu. Na rozdíl od jiných sociálních nerovností byla tato segmentace (a z ní plynoucí sociální nerovnost v přístupu k bydlení) vytvořena nikoliv působením tržních sil, ale realitou zásadní ekonomické transformace a aktivitou státu a obcí, centrální a lokální bytovou politikou, a to i v jiných tranzitivních zemích (Lux ed. 2003). Proto by měla být analýza vývoje finanční dostupnosti bydlení prováděna zvlášť pro „privilegovaný“ a zvlášť pro „neprivilegovaný“ sektor bydlení. Pro účel relevantního zmapování vývoje finanční dostupnosti bydlení i vývoje regionálních disparit ve finanční dostupnosti bydlení v ČR budou tak analýzy prováděny zvlášť pro jednotlivé právní typy bydlení (nájemní a vlastnické bydlení), zvlášť pro „privilegovaný“ a „neprivilegovaný“ segment trhu, zvlášť pro jednotlivé typy domácností a s využitím konceptu „přiměřeného“ bydlení (tj. bydlení odpovídajícího velikosti daného typu domácnosti). Z důvodu nedostatku informací o „privilegovaném“ sektoru vlastnického bydlení (privatizovaný bytový fond) se ovšem naše analýza omezí pouze na „privilegovaný“ a „neprivilegovaný“ sektor nájemního bydlení a „neprivilegovaný“ sektor vlastnického bydlení. Srovnání vývoje finanční dostupnosti bydlení pro různě definované typy domácností by mělo, mimo jiné, pomoci testovat hypotézu, zda-li existují a posilují se regionální disparity v počtu (podílu) domácností potenciálně ohrožených finanční nedostupností bydlení z důvodu nerovnoměrného vývoje cen bydlení a příjmů domácností.
Zdroje dat V České republice neexistuje takový datový soubor, který by umožnil jednoduchou analýzu regionálních disparit ve finanční dostupnosti bydlení, tj. analýzu skutečných disparit na základě znalosti konkrétních domácností s jejich konkrétními výdaji a příjmy. Ačkoliv pro celorepublikovou (či lépe omezenou celorepublikovou) výpověď o finanční dostupnosti bydlení je možné využít datového souboru Českého statistického úřadu (ČSÚ) Statistika rodinných účtů, vzhledem k velikosti dotázaného vzorku a kvalitě výběru (jedná se o kvótní výběr) ji není možné použít pro analýzu regionálních disparit. Tento nedostatek přitom není jediný. V České republice chybí relevantní data o příjmech domácností; Statistiku rodinných účtů nelze pro tento účel rovněž použít. Nezbývá proto, než pro účel modelace příjmu domácnosti využít jiné zdroje, zejména pak regionální mzdovou statistiku ČSÚ. Zdroje dat pro informace o úrovni hrubých mezd v jednotlivých krajích České republiky jsou dvojího druhu, podnikové výkaznictví ČSÚ a regionální statistika cen práce (RSCP). Podnikové výkaznictví ČSÚ1 poskytuje informace o průměrných mzdách v krajích ČR, jež lze od roku 1993 dále třídit podle firemních charakteristik, např. podle odvětví ekonomické činnosti (OKEČ). Do roku 2001 tyto údaje byly zjišťovány pracovištní metodou, tj. byly evidovány sídla jednotlivých organizačních jednotek podniku až na úrovni okresů, od roku 2002 do roku 2004 se pak postupuje pouze tzv. podnikovou metodou (územní třídění je provedeno podle sídla vykazujícího ekonomického subjektu včetně provozoven
1
Údaje o průměrných hrubých mzdách jsou vypočítávány jako podíl celkových mzdových prostředků bez ostatních osobních mzdových nákladů a evidenčního počtu zaměstnanců. V podnikatelské sféře jsou tyto informace zpracovány za ekonomické subjekty s 20 a více zaměstnanci, v odvětví finančního zprostředkování a v nepodnikatelské sféře pak bez ohledu na počet zaměstnanců.
6
dislokovaných na jiném území) a od roku 2005 se začíná opět se zavádění sídla jednotlivých organizačních jednotek na úrovni krajů. Dalším zdrojem dat je regionální statistika cen práce (RSCP), jejíž garantem je MPSV ČR. RSCP sbírá od roku 2001 data za jednotlivé zaměstnance na základě výběrového šetření2 a hlavním cílem zjišťování jsou mzdové úrovně zaměstnání podle klasifikaci KZAM v jednotlivých krajích. Údaje o výši průměrných příjmů podle klasifikace KZAM v jednotlivých krajích ČR za období od roku 1998 až 2000 byly zpracovávány na základě podnikového výkaznictví ČSÚ. Dřívější údaje nejsou k dispozici, neboť klasifikace KZAM byla ve mzdových statistikách poprvé zavedena v roce 1996 a to pouze na celostátní úrovni. Druhý zdroj je pro účel analýzy regionálních disparit ve finanční dostupnosti bydlení zřejmě vhodnější. Průměrné výše důchodů, podpor v nezaměstnanosti a jiných dávek v jednotlivých krajích jsou pro období od roku 1994 do roku 2006 částečně zpracovány ČSÚ na základě evidence Ministerstva práce a sociálních věcí (MPSV) a částečně samotným ministerstvem. Pro účel měření regionálních disparit ve finanční dostupnosti bydlení jsou rovněž k dispozici údaje o průměrných regionálních tržních cenách bytů a rodinných domů, a to ze zdroje ČSÚ a Institutu regionálních informací s.r.o., jež jsou transformovatelné (v případě ČSÚ již transformované) do podoby průměrných regionálních údajů. Data ČSÚ zahrnují odhadní a kupní ceny bytů a rodinných domů (a některé další relevantní charakteristiky obchodovaných bytů a rodinných domů) od roku 1998 evidovaných Ministerstvem financí (MF) na základě přiznání k platbě daně z převodu nemovitostí. Sledovány jsou odděleně údaje o bytech, rodinných domech, bytových domech, zděných garážích a stavebních pozemcích. Výše uvedené datové soubory předává MF v agregované podobě jednou za dva roky ČSÚ pro účely zpracování cenových přehledů (publikace Ceny sledovaných druhů nemovitostí). Datové soubory Institutu regionálních informací, s.r.o., jsou získávány na základě pravidelného monitoringu nabídkových cen bytů a tržního nájemného ve více než 335 českých obcích. Sběr dat je prováděn z lokálních i celostátních inzertních novin a časopisů, průzkumů v terénu a z inzertních nabídek na internetu. V letech 2000-2006 bylo do systému zapsáno více než 50.000 záznamů o cenách bytů a o nájemném. Jejich očištění od neobvyklých a náhodných vlivů je u cen starších bytů možné poměrně dobře zajistit. Na základě očištěných dat jsou publikovány výstupy v podobě průměrných cen (nájmů) a indexů cenového vývoje (vývoje nájemného) za tzv. standardní byt. ČSÚ na rozdíl od Institutu regionálních informací, s.r.o., nesleduje vývoj tržního nájemného.
Postup výpočtu indikátorů finanční dostupnosti bydlení a zmapování disparit ve finanční dostupnosti bydlení Jelikož zmapování regionálních disparit ve finanční dostupnosti bydlení není možné přímo z výběrových šetření, byl použit v tomto projektu alternativní postup, a to postup vytvoření typů domácností a typů bydlení, přičemž každému typu domácnosti byl přiřazen „přiměřený“ typ bydlení (tímto způsobem jsme se vyrovnali i s námitkou týkající se zohlednění spotřeby bydlení, tj. užívání velikosti bytu neodpovídajícího velikosti domácnosti). Pro účel měření finanční dostupnosti „privilegovaného“ i „neprivilegovaného“ nájemního bydlení byl použit indikátor míry zatížení a u "neprivilegovaného" vlastnického bydlení byly použity indikátory 2
Výběrový soubor tvoří více než 3500 ekonomických subjektů podnikatelské sféry s 10 a více zaměstnanci, které celkově zaměstnávají přibližně 1,3 milionu zaměstnanců. Nepodnikatelská sféra, která je evidována odděleně, se šetří od roku 2003 plošně. V RSCP se ekonomické subjekty člení na organizační jednotky, jestliže je možné provést vnitřní rozčlenění podle okresů, ve kterých dílčí jednotky působí.
7
price-to-income ratio a lending multiplier. Indikátory byly vypočteny za pomocí dat o čistých příjmech domácností odhadnutých pro vytvořené typy domácností (na základě dostupné regionální příjmové statistiky, zejména RSCP, data MPSV, MF a pečlivé simulace dávek a daní) a dat o cenách a nájmech ze zdrojů Institutu regionálních informací, s.r.o. Postup výpočtu indikátorů finanční dostupnosti bydlení a zmapování disparit ve finanční dostupnosti bydlení lze shrnout do sedmi bodů: 1. 2. 3. 4. 5. 6. 7.
Vytvoření typologie domácností Výpočet čistých příjmů domácností Vytvoření typologie bydlení Stanovení průměrných tržních cen a průměrných tržních nájmů Přiřazení typu bydlení k typu domácnosti Výpočet indikátorů finanční dostupnosti bydlení Zmapování regionálních disparit.
Vytvoření typologie domácností Pro účel výpočtu všech indikátorů finanční dostupnosti bydlení (míry zatížení, price-toincome ratio a lending multiplier) byly definovány typy domácností na základě následujících kriterií:
ekonomická aktivita členů domácnosti - ekonomicky aktivní, nezaměstnaný, starobní důchodce, rodič na rodičovské dovolené; kategorie zaměstnání ekonomicky aktivních členů domácnosti - členění do 10 základních skupin KZAM (klasifikace zaměstnání) u osoby v čele domácnosti;3 velikost a složení domácnosti - domácnosti jednotlivců, bezdětných manželských či partnerských svazků, manželských či partnerských svazků s jedním dítětem, manželských či partnerských svazků se dvěma dětmi, manželských či partnerských svazků s více dětmi, samoživitel s jedním dítětem , samoživitel s více dětmi.
Kombinací těchto kritérií lze vytvořit 206 typů domácností, přičemž zanedbáváme komplikované typy domácností s více než dvěma dospělými členy (členem domácnosti je kromě partnerky/manželky a partnera/manžela další dospělý člen jako dospělé již pracující dítě, babička apod.) a nerodinné vícečlenné domácnosti (tyto specifické typy domácností tvořily „jen“ 10 % všech cenzových domácností v ČR podle Sčítání lidu, domů a bytů z roku 2001). Jelikož vysoký počet typů domácností není vhodný pro následnou analýzu dat a některé takto vytvořené typy domácností mají jen velmi malé reálné zastoupení, konečná volba kritérií byla rozhodnuta na základě analýzy dat ze Sčítání lidu, domů a bytů 2001 (SLDB 2001) o skutečném zastoupení jednotlivých typů domácností v ČR v roce 2001. Mimo to byly rovněž vyřazeny typy domácností, pro něž z dostupných zdrojů není možné zjistit výši příjmů. Jedná se zejména o domácnosti podnikatelů (14,5 % všech cenzových domácností v ČR), protože regionální příjmová statistika (RSCP) zahrnuje pouze mzdy zaměstnanců.
3
Pro naši typologii je předpokládáno, že kategorie zaměstnání obou ekonomicky aktivních členů jsou zhruba stejné. Na jedné straně zpracovaná data ze SLDB 2001 evidují zaměstnání podle KZAM pouze u osoby v čele domácnosti a neumožňují tudíž zjištění zastoupení konkrétních kombinací kategorie zaměstnání manželů (partnerů), např. domácnosti zaměstnance kategorie KZAM 1 žijícím se zaměstnancem KZAM 1, na druhé straně různé kategorie zaměstnání u členu domácností by nadmíru komplikovaly typologii domácností a zvyšovali počet typů.
8
Postupně byly tedy z následných analýz vyřazeny nerodinné vícečlenné domácnosti; domácnosti podnikatelů; domácnosti, u nichž nebyla zjištěna ekonomická aktivita; domácnosti příslušníků armády; domácnosti nepracujících důchodců s dětmi; samoživitelé s více než jedním dítětem a rodiny s více než dvěma dětmi. Ze dvou dvojic příbuzných kategorií zaměstnání KZAM 5 a KZAM 6 a kategorií KZAM 7 a KZAM 8 byly vytvořeny dvě kategorie KZAM 5, 6 a KZAM 7, 8. Zároveň do typologie domácností nebyly vybrány domácnosti v ČR marginálně zastoupené (s relativní četností pod 0,10 % dle SLBD 2001). Jedná se například o domácnosti zaměstnaného člena domácnosti zařazeného do KZAM 1, 2, 3, 4, 5 a 6, 9 s nezaměstnaným nebo domácnosti zaměstnaného člena domácnosti zařazeného do KZAM 1, 2, 4, 5 a 6, 9 s osobou na rodičovské dovolené. Tabulka 1: Vyřazené typy domácností a jejich zastoupení v ČR Vyřazené typy domácností: Nerodinné vícečlenné domácnosti Domácnosti podnikatelů Nezjištěná ekonomická aktivita KZAM - 0 (příslušníci armády) Nepracující důchodci s dětmi Rodiny s více než 2 dětmi Samoživitelé s více než 1 dítětem Marginálně zastoupené typy domácností nezaměstnaných a osob na rodičovské dovolené (celkem typů 28) Celkem Zdroj: SLDB 2001, na zakázku spočítané výstupy z interní dat ČSÚ.
Zastoupení podle SLDB 2001 10,10% 14,45% 2,04% 0,35% 1,19% 1,54% 1,28% 2,57% 33,54%
Po vyřazení všech pro analýzu nevhodných nebo jen marginálně zastoupených typů domácností jsme získali 60 typů domácností, které zastupují zhruba 66 % českých domácností (viz Příloha 1). Výpočet čistých příjmů domácností K vytvořeným typům ekonomicky aktivních domácností byly přiřazeny průměrné hrubé příjmy podle regionální příjmové statistiky (RSCP, regionální průměr) a u domácností důchodců průměrné starobní důchody v kraji. U domácností, kde oba partneři (manželé) jsou zapojeni do pracovního procesu, bylo předpokládáno, že typ jejich zaměstnání patří do stejné kategorie KZAM. Jelikož je značně nepravděpodobné, že oba pracující členové domácnosti budou vydělávat úplně stejně a z daňového hlediska to může být podstatné, byl dvojnásobek průměrného příjmu v dané kategorii zaměstnání rozpočítán na jeden příjem muže a jeden příjem ženy podle podílu příjmu žen na příjmu mužů v dané kategorii a kraji. Z daňového hlediska je důležitý také věk dětí. Věkové kategorie dětí byly proto vybrány podle nejčastějšího zastoupení v ČR podle SLDB 2001.4 Pro všech 60 typů domácností ve všech krajích byl ve druhém kroku dopočítán jejich čistý příjem a případné sociální dávky. Pro účely zdanění hrubých příjmů u všech typů domácností od roku 2000 byly vytvořeny speciální přepočtové tabulky v programu Excel zohledňující daňové zákony v daných letech. 4
U rodičů s jedním dítětem je dítě ve věku 6-10 let a u domácností se dvěma dětmi ve věku 6-10 let a 10-15 let. U domácností, kde je jeden člen na rodičovské dovolené, pro domácnost s jedním dítětem byl čistý příjem spočítán s přihlédnutí k dítěti ve věku do 4 let a u domácnosti se dvěma dětmi k jednomu dítěti do 4 let a druhému dítěti ve věku od 6 do 10 let.
9
Při modelování čistých příjmů domácností bylo uvažováno výhradně o příjmech ze zaměstnání, tj. ze závislé činnosti a funkčních požitků. Předpokládali jsme, že příjmy vykazují maximálně dvě ekonomicky aktivní osoby v domácnosti, a že slevy na dani (resp. nezdanitelné částky) uplatňuje ta osoba, která má vyšší příjmy. Výše daní a dávek byla zjišťována v souladu s předpisy platnými v daném roce, neboť v průběhu sledovaného období došlo ke změnám ve způsobu výpočtu daní a některých dávek, valorizaci částek životního minima apod. Mezi hlavní změny způsobu zdaňování patří postupná transformace nezdanitelných částek na slevy na dani počínaje rokem 2005 a možnost uplatnění společného zdanění manželů počínaje rokem 2005. Tímto způsobem byly získány průměrné čisté příjmy domácností od roku 2000 do roku 2006 v jednotlivých krajích. Vytvoření typologie bydlení Pro účel výpočtu všech indikátorů finanční dostupnosti bydlení byly definovány typy bydlení: čtyři nejčastější velikosti bytů (1+1, 2+1, 3+1 a 4+1) a typ bydlení v rodinném domě. Velikost užitné (celkové podlahové) plochy v jednotlivých kategoriích bytů byla určena jako průměr v daném typu bydlení u trvale obydlených bytů v bytových domech na základě SLDB 2001. Průměrný jednopokojový byt má rozlohu 38 m2, dvoupokojový 57 m2, třípokojový 73 m2 a čtyřpokojový 88 m2. Zároveň bylo přihlédnuto k tomu, zda se průměr výrazněji neodlišuje od mediánu (tabulka 2) a tudíž průměr není vlivem extrémně malých či extrémně velkých hodnot odchýlen. Medián byl vypočítán pouze u hodnot obytné plochy bytů, neboť data pro výpočet mediánu u hodnot užitné plochy bytu nemáme k dispozici. Lze však předpokládat, že srovnání průměru a mediánu pro obytnou plochu bude velmi podobné se srovnáním průměru a mediánu pro užitnou plochu. Pro všechny kraje byly použity stejné typy bytů, neboť z dat ze SLBD 2001 vyplývá, že mezi regiony nejsou výrazné odlišnosti ve velikosti bytů (tabulka 3). Typ bydlení v rodinném domě představuje bydlení ve standardním rodinném domě o velikosti 135 m2 dle definice Institutu regionálních informací, s.r.o., který shromažďuje data o cenách právě tohoto typu rodinného domu. Tabulka 2: Užitná a obytná plocha trvale obydlených bytů v bytových domech podle počtu obytných místností Průměr - užit. plocha (m2)
Průměr - obyt. plocha (m2)
Medián - obyt. plocha (m2)
Jednopokojový byt 38 21 26 Dvoupokojový byt 57 36 41 Třípokojový byt 73 49 52 Čtyřpokojový byt 88 61 63 Zdroj: SLDB 2001 (publikace 4132-05 tabulka č. 58, publikace e-4103-02, tabulka č.359), vlastní výpočet.
10
Tabulka 3: Průměrná užitná a obytná plocha bytu v bytových domech Průměr - užit. plocha (m2) Hl. m. Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Zdroj: SLDB 2001 (publikace e-4107-03, tabulka č.118).
Průměr - obyt. plocha (m2)
66,1 64,0 62,8 62,2 65,9 63,4 62,9 61,5 61,4 62,1 64,1 62,1 61,8 63,3
39,6 39,6 40,3 40,0 38,6 39,2 39,8 40,2 39,9 39,4 39,3 40,0 38,6 38,5
Stanovení průměrných tržních cen a tržních nájmů Ke stanovení tržních cen bytů a tržního nájemného v krajích a krajských městech byl využit systém monitoringu cen bytů a nájemného (označovaný také jako KISEB – Komplexní Informační Systém Ekonomiky Bydlení), který byl založen Institutem regionálních informací, s.r.o. v roce 2000 a který od té doby prochází postupným vývojem. Základní monitoring je prováděn v rozsahu 335 vybraných obcí ČR, jejichž územní pokrytí a podíl v segmentu bydlení vytváří základní předpoklady pro monitorování trhu bydlení se staršími byty. V roce 2001 žilo ve vybraných 335 městech 6,7 mil. obyvatel, tj. cca 2/3 obyvatel ČR. V tomtéž roce se zde, podle definitivních výsledků SLDB 2001, nacházelo 89 % bytů v bytových domech. Pro zjištění průměrných tržních cen bytů, průměrných tržních cen rodinných domů, průměrných tržních nájmů a průměrných regionálních nájmů v jednotlivých krajích ČR byla vyvinuta originální metodika, která kombinuje již používané metody a speciálně vyvinuté postupy zaměřené na zjištění závislostí mezi velikostí bytu, cenou a nájemným, závislostí mezi cenami rodinných domů a bytů a na optimální stanovení hodnot krajských průměrů (viz podrobná metodika v Příloze 5). K získání přiměřeně přesné informace o výši průměrné tržní ceny bytů a průměrného tržního nájemného, které pro dané město plně vychází z údajů monitoringu, je potřeba, aby soubor vstupních údajů za šetřené město obsahoval nejméně 30 věrohodných údajů po vyloučení náhodných, extrémních či neporovnatelných cen (např. od cen nových bytů, bytů po rekonstrukci, luxusních bytů, bytů s nadstandardním vybavením, s nepřiměřeně odlišnými cenami nabídek apod.). Mezní hodnoty, kdy jsou ceny a nájemné považovány za extrémní, se postupně vyvíjejí; v letech 2001–2006 se dolní a horní hranice pohybovaly v rozmezí 50 – 150 % průměrné ceny v předchozím období. Vzhledem k značnému růstu cen starších bytů v roce 2007 byla horní hranice v některých obcích posunuta až na hodnotu 200 % průměrné hodnoty v roce 2006. V případě, že po očištění dat v daném městě (z 335 sledovaných měst) nebylo zjištěno 30 údajů o cenách bytů, byla cena odvozena pomocí tzv. mezisídelního modelu atraktivity bydlení. Model pomocí základních kritérií umožňuje hodnotit vliv polohy a dalších charakteristik obce na cenu bytu pro libovolnou obec (sídlo) ČR. V rámci regionů jsou vyhodnoceny hlavní hodnotové póly z hlediska atraktivity bydlení a síla vazeb okolních 11
měst (obcí) k těmto pólům (na základě dopravní vzdálenosti, kvality dopravního spojení, poměru velikostí obcí, rekreační atraktivity a zvyšujících či omezujících faktorů). Základním principem zpracování cenových údajů o bytech je jejich převod na standardní bytovou jednotku. Standardní jednotku představuje byt I. kategorie s opotřebením cca 40 % a o podlahové ploše 68 m2 v běžné, nikoliv okrajové poloze. Průměrná cena (nájem) standardního bytu v celém kraji (regionální průměr) pak byla vypočtena jako průměr cen (nájmů) standardních bytů za sledovaná města v daném kraji upravený koeficientem zohledňujícím ceny v nesledovaných obcích. Tento koeficient představuje korelační koeficient mezi průměrnou cenou (nájmem) ve sledovaných obcích v roce 2006 a průměrnou cenou (nájmem) ve všech obcích ČR v roce 2006, přičemž ceny (nájmy) v nesledovaných obcích byly dopočteny mezisídelním modelem atraktivity. O snížení průměrných cen (nájmů) pomocí korekčního koeficientu bylo rozhodnuto vzhledem k tomu, že mezi monitorovanými 335 městy jsou zahrnuty především větší obce. V posledním kroku byly z tržních cen (nájemného) standardních bytů za krajská města a kraje dopočteny ceny za zvolené velikostní kategorie bytů. Pro výpočet cen a nájemného u bytů různých velikostí byl použit algoritmus, který odráží závislost ceny a nájemného za 1 m2 podlahové plochy bytu na celkové podlahové ploše bytu. Velikost této korelace (míra korekce cen a nájmů) byla zjištěna na datech ze samotného monitoringu cen a nájemného. V případě monitoringu tržního nájemného byla uplatněna ještě jedna dodatečná úprava. Jelikož nabídkové tržní nájemné z běžné inzerce je často jednostranně vychýlené směrem nahoru ve srovnání s finálně dohodnutou výší nájemného, byly všechny výsledky KISEB dle výsledků dotazníkového šetření o sjednávání výše tržního nájemného redukovány o 15 %. Ve městech, za která nebyl k dispozici dostatečně velký soubor údajů pro statistický výpočet průměru tržního nájemného za sledované období, byla použita nepřímá metoda pomocí ukazatelů obvyklé výnosnosti (kapitalizace) cen bytů. Metodika pro výpočet cen rodinných domů vycházela z metodiky pro monitoring cen bytů a byla dodatečně ověřována u čtyř velkých měst (Praha, Brno, Ostrava, Plzeň) podle údajů zjištěných v polovině roku 2007. V „privilegovaném“ segmentu nájemního bydlení je nájemné určeno jako maximální regulované nájemné pro daný typ bytu v daném regionu v daném roce. Regionální údaj byl získán jako vážený průměr výše maximálního regulovaného nájemného v jednotlivých obcích regionu. Přiřazení typu bydlení k typu domácnosti K jednotlivým typům domácností byl normativně přiřazen „přiměřený“ typ bydlení na základě složení domácnosti. Jednotlivcům byly přiřazeny byty 1+1, manželským párům či nesezdaným partnerům byty 2+1, rodinám s jedním dítětem 3+1 a rodinám se dvěma dětmi 4+1. Podle údajů ze SLDB 2001 české rodiny se dvěma dětmi nebydlí příliš často v bytech 4+1, pro další analýzy je proto možné tento jednoduchý klíč přiřazení typu bydlení modifikovat. Vybraným typům domácností bylo jen pro doplnění rovněž přiřazeno bydlení v rodinném domě.
12
Tabulka 4: Cenzové domácnosti v trvale obydlených bytech podle počtu pokojů
Typ bydlení
Domácnosti jednotlivců
Bezdětné manželské (nebo nezdané) soužití
1 obytná místnost 32,70% 6,72% 2 pokoje 37,45% 32,47% 3 pokoje 20,55% 40,50% 4 pokoje 5,00% 13,07% 5+ pokojů 2,07% 6,96% Celkem 100,00% 100,00% Zdroj: SLDB 2001 (publikace 4132-05, tabulka č.48)
Samoživitel/ka s 1 dítětem 16,38% 34,84% 35,15% 8,42% 4,03% 100,00%
Manželské (nebo Manželské (nebo nesezdané) nesezdané) soužití se 2 soužití s 1 dětmi dítětem 5,53% 3,24% 25,03% 20,81% 44,96% 47,23% 15,04% 17,41% 9,04% 10,98% 100,00% 100,00%
Výpočet indikátorů finanční dostupnosti bydlení U všech typů domácností byla vypočítána míra zatížení pro formu nájemního bydlení a priceto-income ratio a lending multiplier pro formu vlastnického bydlení. Pro účel výpočtu všech indikátorů byly odhadnuty výdaje na bydlení zvlášť pro „privilegovaný“ segment bydlení a zvlášť pro „neprivilegovaný“ segment bydlení. Výdaje na bydlení mají dvě základní složky: nájemné (resp. kapitálové náklady nutné pro pořízení vlastního bydlení) a ostatní výdaje spojené s bydlení (výdaje za energie, topení, úklid a jiné). Ostatní výdaje spojené s bydlením není možné, z důvodu nedostatečné datové báze, relevantně vysledovat. Indikátor finanční dostupnosti bydlení (míra zatížení) tak je vztažena pouze k první složce výdajů na bydlení. Kapitálové náklady nutné pro pořízení vlastního bydlení jsou určeny jako výše splátky úvěru použitého pro pořízení vlastnického bydlení při dané ceně bytu či rodinného domu. Pro účel výpočtu všech indikátorů (míry zatížení, price-to-income ratio a lending multiplier) byly odhadované čisté příjmy sledovaných typů domácností srovnány s odhadovanými výdaji na „přiměřené“ bydlení. Zmapování regionálních disparit ve finanční dostupnosti bydlení Z vypočtených indikátorů finanční dostupnosti bydlení byla vytvořena databáze zahrnující data pro všech 60 typů domácností ve všech krajích od roku 2000 do roku 2006. Pro vyhodnocení regionálních disparit a vývoje disparit ve finanční dostupnosti bydlení u jednotlivých typů domácností byly použity jak standardní statistické míry variability, kterými jsou rozptyl, směrodatná odchylka a variační koeficient, tak Gini koeficient nebo ukazatel „beta-konvergence/beta–divergence“ představující Pearsonův korelační koeficient mezi ročním přírůstkem hodnoty a absolutní hodnotou v daném roce. Záporný koeficient poukazuje například na to, že se rozdíly mezi regiony snižují.
Vývoj ve finanční dostupnosti nájemního bydlení a regionální disparity ve finanční dostupnosti nájemního bydlení Měření finanční dostupnosti nájemního bydlení bylo provedeno zvlášť pro segment „privilegovaného“ a segment „neprivilegovaného“ nájemního bydlení. Pro účel měření finanční dostupnosti nájemního bydlení byl pro oba zmíněné segmenty použit indikátor míry 13
zatížení (podíl nájemného z bytu přiměřeného velikosti domácnosti na čistém příjmu domácnosti) a reziduálního příjmu (čistý příjem domácnosti po odečtení částky nájemného z bytu přiměřeného velikosti domácnosti). Tyto indikátory byly spočítány pro všech 60 typů domácností ve 14 krajích ČR v sedmiletém období od roku 2000 do roku 2006. Vzniklá databáze informací umožňuje několik dimenzí analýz. V prvé řadě jsme se zaměřili na vývoj míry zatížení v období 2000 – 2006 v jednotlivých krajích souhrnně za všechny typy domácností a za specifické shluky domácností; následně jsme se věnovali obecnému vývoji regionálních rozdílů v období od roku 2000 do roku 2006 u konkrétních typů domácností a sledovali, zda se regionální rozdíly snižují či zvětšují. Na závěr jsme analyzovali rozdíly mezi konkrétními regiony v roce 2006 a pozornost byla také věnována rozdílům ve finanční dostupnosti nájemního bydlení mezi krajskými městy.
Vývoj finanční dostupnosti „neprivilegovaného“ nájemního bydlení v jednotlivých krajích ČR Finanční dostupnost „neprivilegovaného“ nájemního bydlení byla měřena zejména pomocí míry zatížení, tedy podílu výše výdajů na tržní nájemné pro byt příslušné velikosti na čistém měsíčním příjmu příslušné domácnosti. Dalším používaným ukazatelem dostupnosti tržního nájemního bydlení je reziduální příjem. Reziduální příjem vyjadřuje rozdíl mezi příjmem domácnosti a výdaji na bydlení; ukazuje tedy objem finančních prostředků, které domácnosti zůstanou po zaplacení nájemného. Míra zatížení tržním nájemným se v letech 2000 až 2006 u 60 modelových domácností v jednotlivých krajích pohybovala v poměrně rozsáhlém intervalu od 4 % do 160 %. Průměrný vývoj míry zatížení v jednotlivých krajích souhrnně za všechny typy domácností zobrazuje souhrnný index (graf 1), který byl vypočten jako průměr míry zatížení 60 typů domácností vážený reálnou mírou zastoupení těchto domácností podle SLDB 2001. Graf 1 ukazuje, že nejvyšší míra zatížení je u pražských domácností, které pak následují domácnosti jihomoravské. Naopak nejnižší míru zatížení najdeme u domácností v Ústeckém kraji. Míra zatížení v ostatních českých regionech je zhruba uprostřed rozpětí mezi mírou zatížení v Jihomoravském kraji a v kraji ústeckém a křivky jejich souhrnných indexů téměř splývají. Z hlediska vývoje v čase míra zatížení od roku 2000 do roku 2004 rostla ve všech krajích kromě Prahy, mezi roky 2004 a 2005 spíše zůstává ve všech krajích kromě Prahy na stejné úrovni a od roku 2005 do roku 2006 míra zatížení klesala ve všech krajích kromě Moravskoslezského kraje. V Praze se míra zatížení zvyšovala pouze do roku 2003 a pak již začala klesat. Průběh křivky souhrnného indexu pro Moravskoslezský kraj se odlišuje od ostatních regionů až v roce 2005; domácnosti v tomto kraji měly do té doby jednu z nejnižších měr zatížení, avšak v roce 2006 je již průměrná míra zatížení domácností v tomto kraji pátá nejvyšší.
14
Graf 1: Souhrnný index míry zatížení v letech 2000 – 2006 (60 typů domácností) 60,0% 57,6%
55,0%
54,2%
Souhrnný index míry zatížení
50,0%
50,0%
48,7% 45,5%
45,0%
46,6% 45,2%
40,0% 38,1%
35,0%
34,4% 31,9%
30,0% 28,0%
28,0%
25,0%
25,0% 23,4% 21,3%
20,0%
20,0%
19,3% 18,8%
16,8%
16,4%
15,0% 2000
2001
18,4%
17,6%
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
2005 LI
2006
HK
PA
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Graf 1 popisuje rozdíly v míře zatížení mezi regiony v letech 2000 až 2006 souhrnně za všechny typy domácností, ovšem míra zatížení mezi jednotlivými typy domácností vykazuje značné rozdíly. Jelikož by bylo obtížné a zároveň velmi nepřehledné sledovat a porovnávat rozdíly v míře zatížení pro všech 60 typů domácností zvlášť, byly za pomocí klastrové analýzy porovnány míry zatížení všech typů domácností ve všech krajích a poté byly nalezeny čtyři shluky domácností, které se vyznačují obdobnou mírou zatížení. Domácnosti ve shluku s nejvyšší mírou zatížení mají míru zatížení pohybující se okolo 54 %, kdežto průměrná míra zatížení ve shluku domácností s nejnižší mírou zatížení dosahuje jen 14 % (tabulka 5). Tabulka 5: Shluky domácností podle míry zatížení v roce 2006 Míra zatížení (tržní nájem) v % Maximum
Průměr
Minimum
velmi vysoká 145,84 53,94 20,75 spíše vysoká 55,45 28,02 14,18 spíše nízká 39,30 20,47 9,03 velmi nízká 25,85 13,19 4,32 Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty. Shluky domácností - míra zatížení
15
Směrodatná odchylka 18,90 7,07 4,99 3,77
Počet typů 12 16 16 16
Zastoupení v ČR (%) SLDB 2001 18,54 18,14 18,18 9,12
Shluk domácností s velmi vysokou mírou zatížení zahrnuje domácnosti, které nemají vlastní příjmy a jsou závislé na sociální pomoci státu (domácnosti dlouhodobě nezaměstnaných), ale i domácnosti starobních důchodců a samoživitelů dělníků a prodavačů či provozních; podrobný seznam je možné nalézt v příloze (Příloha 2). Do shluku domácností s vyšší mírou zatížení patří domácnosti nižších kategorií zaměstnání (řemeslníci, obsluha strojů, úředníci), kde je v rodině pouze jeden příjem. Do shluku domácností s nižší mírou zatížení náleží řemeslníci se dvěma příjmy v domácnosti a rodiny techniků a odborníků s jedním příjmem. Nejnižší míru zastoupení mají domácnosti dvou zaměstnaných z řad techniků, odborníků či manažerů. Tabulka 5 popisuje míru zatížení pro jednotlivé shluky domácností v roce 2006. Nejvyšší míry zatížení výdaji na tržní nájemné by v roce 2006 dosahovaly domácnosti nezaměstnaných v Praze (145,84 %), naopak nejnižší míry zatížení bezdětné domácnosti manažerů v Ústí n. Labem (4,99 %). Směrodatná odchylka5 v tabulce 5 vyjadřuje, do jaké míry se v jednotlivých shlucích domácností odlišovala konkrétní míra zatížení jednotlivých typů domácností v různých regionech od průměrných hodnot. Vysoká hodnota směrodatné odchylky vypovídá o velkých rozdílech v míře zatížení jednotlivých typů domácností v daném shluku nebo o přítomnosti některých typů domácností, jejichž míra zatížení se značně vychyluje od průměrné hodnoty spočtené pro celý shluk domácností. Nízká hodnota směrodatné odchylky naopak poukazuje na malé rozdíly uvnitř těchto shluků. Na základě hodnot směrodatné odchylky je zřejmé, že ve shluku domácností s nejvyšší mírou zatížení variuje míra zatížení nejvíce (směrodatná odchylka je 18,90), zatímco shluk domácností s nízkou mírou zatížení je poměrně homogenní. Skutečnost, zda-li se ve shlucích nachází typy domácností, které se vyznačují extrémně nízkou či extrémně vysokou mírou zatížení, znázorňuje i graf 2, tzv. boxplot. Boxplot zobrazuje souvislost kategoriální a numerické proměnné. Každá kategorie kategoriální proměnné je znázorněna v podobě obdélníků, který představuje rozpětí mezi dolním a horním kvartilem6 numerické proměnné dané kategorie, a obdélník je protnut úsečkou zobrazující medián. Extrémní hodnoty, které jsou definované jako hodnoty, jejíž odchylka od mediánu je větší než čtyřnásobek příslušného kvartilového rozpětí v dané skupině, jsou v boxplotu vyznačeny zvlášť. Graf 2 tedy zobrazuje mediánovou a kvartilovou hodnotu míry zatížení v jednotlivých skupinách domácností a zároveň vyznačuje extrémní hodnoty, které naznačují přítomnost regionálních disparit. Typy domácností, které dosahují extrémních hodnot, jsou vypsány v grafu 2. Extrémně vysoké hodnoty míry zatížení jsou tak patrné zejména u některých typů pražských domácností, ojediněle pak u některých typů domácností jihomoravských a středočeských. Naopak v Ústeckém kraji jsou míry zatížení u některých typů domácností oproti většině krajů extrémně nízké. Nejvíce extrémních hodnot bychom sice našli ve shluku domácností se spíše nízkou mírou zatížení, avšak shluk domácností s nejvyšší mírou zatížení má jednak největší kvartilový rozptyl, ale také hodnoty míry zatížení několika typů domácností se nejvíce odchylují od mediánu. Jinými slovy, míra zatížení u domácností ze shluku domácností s nejvyšší mírou zatížení (například domácnosti dlouhodobě nezaměstnaných) v Praze, v Jihočeském, ale i Středočeském kraji je zcela odlišná od míry zatížení těchto domácností v ostatních krajích (jsou zde patrné největší regionální disparity). Pozornosti by také nemělo ujít, že valná většina domácností ze shluku domácností s nejvyšší 5
Směrodatná odchylka je odmocnina rozptylu, který se vypočte jako střední hodnota (průměr) čtverce odchylek od střední hodnoty (průměru). 6 Jestliže v dané skupině domácnosti seřadíme domácnosti podle hodnoty míry zatížení, pak míra zatížení domácnosti, která je v pořadí v jedné čtvrtině, vyjadřuje dolní kvartil, hodnota zatížení domácnosti přesně v půlce představuje medián a hodnota ve třech čtvrtinách dle hodnoty seřazené řady je horním kvartilem.
16
mírou zatížení přesahuje třicetiprocentní hranici míry zatížení a naopak valná většina domácností zbývajících shluků se nachází pod touto hranicí. Mezi domácnosti potencionálně ohrožené finanční nedostupností tedy patří téměř všichni zástupci shluku domácností s nejvyšší mírou zatížení. Graf 2: Skupiny domácností podle míry zatížení v roce 2006 PRA2
Míra zatížení (tržní nájem) v %
140 130
PRA29
120
PRA28
110
JM2 PRA11 PRA37
100
PRA38 PRA50 STC2
90 80 70 60 50 40 30 20 10 0
PRA9 PRA58 PRA7 PRA35 PRA8 PRA19 PRA46 PRA60 PRA43 JM58 PRA57 PRA17 PRA26 PRA56 PRA54 JM43 PRA53 PRA16 JM25 PRA5 PRA31 PRA23 PRA4 UL17 UL44 UL18 UL42 PRA25
velmi nízká
spíše nízká
spíše vysoká
velmi vysoká
Skupiny domácností - míra zatížení Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty. Pozn. Popisky typů domácností (PRA2, PRA9 atd.) informují o domácnostech s extrémní hodnotou míry zatížení. Popisky obsahují jak název kraje (např. PRA pro Prahu), tak číslo typů domácnosti. Velmi vysoká míra zatížení: domácnosti dlouhodobě nezaměstnaných (2, 28, 37, 38, 50) a samoživitelka na rodičovské dovolené (29) Spíše vysoká míra zatížení: pomocný dělník – jednotlivec (9), řemeslník a nezaměstnaný – 2 děti (58), pomocní dělníci – 2 děti (57), řemeslník samoživitel – 2 děti (35), řemeslník a rodičovská – 2 děti (60). Spíše nízká míra zatížení: řemeslník – jednotlivec (8), provozní a důchodce (25), pomocní dělníci bez dětí (19), provozní – 1 dítě (43), technik a rodičovská – 1 dítě (47), odborník – samoživitel (31), technik – jednotlivec (5) provozní bez dětí (17), řemeslníci – 1 dítě (44), řemeslníci bez dětí (18), úředníci -1 dítě (42) Velmi nízká míra zatížení: úředníci bez dětí (16), technici -2 děti (53), odborník – jednotlivec (4), technik a starobní důchodce (23). Podrobný klíč k číslům typů domácností je v příloze (Příloha 1).
Vývoj míry zatížení v jednotlivých krajích pro 4 shluky domácností v období 2000 – 2006 popisuje graf 3. Souhrnná míra zatížení pro shluk domácností je vypočtena jako průměrná míra zatížení u všech příslušných typů domácností vážená reálným zastoupením daných typů domácností v jednotlivých českých krajích podle SLDB 2001. Graf 3 odhaluje významné odlišnosti ve vývoji souhrnné míry zatížení pro jednotlivé shluky domácností. Míra zatížení pro shluk domácností s nejvyšší mírou zatížení rostla ve všech krajích kromě Prahy od roku 2000 až do roku 2005 a teprve od roku 2005 začíná klesat. V Praze míra zatížení od roku 2000 do roku 2003 prudce vzrostla a pak již jen klesá. Průběh míry zatížení u ostatních shluků domácností je již shodný s vývojem souhrnného indexu. Graf rovněž potvrzuje skutečnost, že u domácností s nejvyšší mírou zatížení jsou patrné největší regionální rozdíly, zatímco domácnosti s nejnižší mírou zatížení mají míru zatížení
17
v jednotlivých krajích obdobnou. Porovnáme-li míru zatížení mezi dvěma krajními shluky domácností, je zřejmé, že bychom našli mnohem větší rozdíly mezi shluky domácností než uvnitř shluků mezi regiony. Jinými slovy, rozdíl v míře zatížení mezi starobními důchodci (skupina s nejnižší mírou zatížení) v Praze a v Ústeckém kraji je nižší než rozdíl v míře zatížení mezi starobním důchodcem a manažerem v Praze. Graf 4 a graf 5 se zaměřují právě na nerovnosti mezi vybranými typy domácností uvnitř jednotlivých krajů. Graf 4 zobrazuje souhrnný index nerovnosti v míře zatížení mezi všemi 60 typy domácností (směrodatná odchylka pro míru zatížení u všech 60 typů domácností vážená zastoupením jednotlivých typů domácností v krajích podle SLDB 2001). Nerovnost mezi nejbohatší a nejchudší domácností (mezi domácností s nejvyšším příjmem a domácností s nejnižším příjmem) v grafu 5 pak představuje prostou odchylku mezi mírou zatížení domácnosti nezaměstnaného (domácnost s nejnižším příjem) a bezdětného párů manažerů (domácnost s nejvyšším příjmem). Oba grafy jsou téměř shodné a poukazují na růst nerovnosti v míře zatížení ve všech krajích kromě Prahy do roku 2005 a od roku 2005 naopak na jejich mírný pokles. V Praze nerovnost v míře zatížení mezi jednotlivými typy domácností prudce vzrostla v období mezi rokem 2000 a 2003, a od roku 2003 již mírně klesá. Moravskoslezský kraj se vyznačuje růstem nerovnosti v míře zatížení mezi typy domácností po celé sledované období, tj. od roku 2000 až do roku 2006.
18
Graf 3: Vývoj míry zatížení v letech 2000 – 2006 u různých shluků domácností 100%
100%
90%
90%
80%
80%
70%
70%
60%
60%
50%
50%
40%
40%
30%
30%
20%
20%
10%
Domácnosti s vyšší mírou zatížení
10%
Domácnosti s ne jvyšší mírou zatíž e ní 0%
0%
2000
100%
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P RA
STC
JC
PZ
KV
P RA
STC
JC
PZ
KV
UL
LI
HK
PA
VYS
UL
LI
HK
PA
VYS
JM
OL
ZL
MS
JM
OL
ZL
MS
Domácnosti s niž ší mírou z atíž e ní
100%
90%
90%
80%
80%
70%
70%
60%
60%
50%
50%
40%
40%
30%
30%
20%
20%
10%
10%
0%
Domácnosti s ne jniž ší mírou z atíž ení
0%
2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P RA
STC
JC
PZ
KV
P RA
STC
JC
PZ
KV
UL
LI
HK
PA
VYS
UL
LI
HK
PA
VYS
JM
OL
ZL
MS
JM
OL
ZL
MS
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
19
Graf 4: Souhrnný index nerovností mezi jednotlivými typy domácností v období 2000 – 2006 35% 33% 31,23%
30%
29,42% 27,99%
Směrodatná odchylka míry zatížení
28%
27,01% 25,43%
25% 22,94%
23%
21,81%
20% 18,47%
18% 15,75%
15%
14,31% 13,00%
13%
11,98%
11,36%
10% 8%
7,81%
10,00%
9,34%
9,06%
9,61%
8,20%
7,50%
7,26%
5% 2000
2001
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
2005 LI
HK
2006 PA
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Graf 5: Nerovnost mezi nejbohatší a nejchudší domácností v letech 2000 až 2006
Odchylka mezi mírou zatížení nejbohatší a nejchudší domácnosti
160% 152,21%
150%
146,38%
140%
140,16%
136,37%
130% 123,21%
120%
116,86%
110%
108,23%
100% 93,39%
90%
82,47%
80%
65,54%
70%
67,30%
60%
61,57%
57,97%
50%
47,73%
44,77%
41,54%
40% 35,84%
30%
2000
34,55%
2001
42,93%
36,59% 32,52%
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
2005 LI
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
20
HK
2006 PA
Vývoj regionálních disparit ve finanční dostupnosti „neprivilegovaného“ nájemního bydlení Regionální rozdíly a jejich vývoj lze měřit jak standardními statistickými mírami variability (rozptylem, směrodatnou odchylkou a variačním koeficientem), tak Giniho koeficientem a ukazatelem „beta-konvergence/beta–divergence“, který představuje korelační koeficient mezi ročním přírůstkem hodnoty a absolutní hodnotou v daném roce. Při mapovaní regionálních disparit ve finanční dostupnosti bydlení jsme použili všechny zmiňované ukazatele; jelikož však výsledky byly podobné, omezíme se při jejich prezentaci na použití variačního koeficientu a koeficientu konvergence. Míru rozdílů ve finanční dostupnosti tržního nájemního bydlení mezi všemi českými regiony najednou je možné kvantifikovat pomocí tzv. variačního koeficientu (podíl směrodatné odchylky na průměru), který ukazuje, jakou mírou se u daného typu domácnosti v daném roce lišila míra zatížení mezi všemi českými regiony. Čím je hodnota variačního koeficientu vyšší, tím vyšší jsou také rozdíly mezi regiony. Na základě srovnání variačního koeficientu lze pomocí klastrové analýzy opět rozdělit celkový počet 60 typů domácností do 4 základních shluků. Toto rozdělení se mírně odlišuje od rozdělení do shluků domácností podle míry zatížení. Variační koeficient je totiž ukazatelem relativním a je vyjádřen poměrem mezi směrodatnou odchylkou míry zatížení u daného typu domácnosti a průměrnou mírou zatížení. Variační koeficient proto nebere v úvahu rozdíly ve složení domácnosti a skutečnost, zda-li v domácnosti vydělává pouze jeden člen či oba, neboť nižší absolutní hodnota směrodatné odchylky u domácností se dvěma vydělávajícími členy je vztažena k nižší průměrné míře zatížení a naopak. Variační koeficient rodiny elektromechanika (KZAM 3) se dvěma dětmi bude proto obdobný jako variační koeficient samoživitelky zdravotní sestry (KZAM3) s dítětem, třebaže jejich míra zatížení je velmi rozdílná. Pro rozdělení do skupin podle variačního koeficientu je významnější kategorie zaměstnání (KZAM) než složení domácnosti (samoživitel, bezdětný pár atd.). Graf 6 srovnává čtyři shluky domácností podle míry zatížení a podle variačního koeficientu v roce 2006. Domácnosti závislé na sociální pomoci státu mají nejvyšší míru zatížení a také jsou zde, dle výše variačního koeficientu, patrné mezi kraji největší regionální rozdíly v míře zatížení. Míra zatížení domácností manažerů naopak dosahuje nejnižších hodnot a mezi jednotlivými kraji se příliš neliší. Skupina vědců, odborníků, techniků, zdravotníků a úředníků se vyznačuje spíše menšími rozdíly mezi kraji a skupina řemeslníků, provozních, zemědělců, obsluhy strojů, pomocných dělníků a důchodců rozdíly spíše většími. Ptáme-li se, proč jsou regionální rozdíly ve finanční dostupnosti nájemního bydlení mezi manažery nejnižší a u dělníků nejvyšší, je nutné se více zamyslet nad tím, co míra zatížení vyjadřuje. Míra zatížení určité domácnosti představuje podíl tržního nájemného z bytu odpovídajícímu dané domácnosti na čistém příjmu této domácnosti. Při zkoumání regionálních rozdílů míry zatížení tedy nelze opomenout jak analýzu regionálních rozdílů v nájmu, tak rozdílů v příjmech. Obecně by mělo platit, že vyšší nájem v určitém kraji by měl být v určité míře kompenzován také vyšším příjmem, resp. vyšší úroveň čistých příjmů dovoluje také vyšší úroveň nájmů. Krajní případ pak představuje situace, kdy jsou rozdíly v nájmech mezi regiony značné, ale protože v regionech s vyššími nájmy jsou i adekvátně vyšší příjmy a naopak, rozdíly ve finanční dostupnosti nájemního bydlení jsou nulové. Tímto pohledem pak lze nahlížet na vývoj regionálních disparit v míře zatížení u jednotlivých pozorovaných typů domácností.
21
Graf 6: Srovnání míry zatížení a variačního koeficientu v roce 2006 (u všech 60 typů domácností)
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty. Pozn. Číselné kódy jednotlivých domácností jsou uvedeny v příloze (Příloha 3).
Zaměříme-li se na vývoj regionálních disparit, pro všechny čtyři shluky domácností dochází od roku 2000 do roku 2003 ke zvětšování regionálních rozdílů a od roku 2003 do roku 2006 se regionální rozdíly naopak snižují. V tabulce 6 je zaznamenán variační koeficient pro čtyři shluky domácností v roce 2000, 2003 a 2006. Všech osm typů domácností v prvním shluku, které jsou závislé na sociálních dávkách (od nezaměstnaného jednotlivce po rodinu nezaměstnaných se dvěma dětmi), má shodné variační koeficienty. Je to způsobeno tím, že sociální dávky jednotlivých typů domácností se regionálně neliší, a výše variačního koeficientu je proto ovlivněna pouze regionálními rozdíly v tržním nájemném, které jsou však pro všechny typy domácností, respektive pro všechny velikostní typy bydlení, obdobné. Hodnota variačních koeficientů těchto domácností je také nejvyšší, neboť regionální rozdíly v příjmech nekompenzují regionální rozdíly v tržním nájemném; zároveň se variační koeficient mezi jednotlivými roky pro tento shluk domácností proměňuje nejvýrazněji, protože tyto domácnosti jsou nejnáchylnější k regionálním výkyvům v nájmech. Naopak domácnosti manažerů se vyznačují nejnižšími regionálními rozdíly v dostupnosti tržního nájemního bydlení a také výkyvy v čase jsou nejmenší.
22
Tabulka 6: Skupiny domácností podle hodnoty variačního koeficientu Variační koeficient (%) - míra zatížení (tržní nájem) Maximum Průměr Minimum 2000 27,75 27,75 27,75 domácnosti závislé na 2003 36,04 36,04 36,04 sociálních dávky 2006 27,84 27,84 27,84 2000 25,50 23,89 20,55 provozní, zemědělci, řemeslníci, pomocní 2003 34,18 31,64 29,36 dělníci, důchodci 2006 25,77 24,08 22,82 2000 22,07 20,67 18,87 vědci, odborníci, zdravotníci, technici, 2003 28,26 25,85 24,38 úředníci 2006 21,83 19,99 18,99 2000 21,12 20,45 20,01 manažeři 2003 23,11 21,68 21,21 2006 17,97 16,89 16,63 Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Počet typů
Zastoupení v ČR SLDB 2001 8 3,66
26
56,11
20
15,93
6
2,56
Podrobný vývoj regionálních rozdílů pro konkrétní zástupce jednotlivých shluků domácností v období od roku 2000 do roku 2006 znázorňuje graf 7. Vývoj rozdílů mezi regiony vykazuje obdobný trend u všech zkoumaných typů domácností, avšak z grafu je zřejmé, že u rodin manažerů jsou regionální rozdíly ve finanční dostupnosti tržního nájemního bydlení obecně mnohem nižší než například u rodin dělníků. Jak již bylo uvedeno, do regionálních rozdílů ve finanční dostupnosti tržního nájemního bydlení se promítají jak regionální rozdíly v příjmech, tak regionální rozdíly v nájmech. Všem sledovaným čtyřčlenným domácnostem byl přidělen byt velikosti 4+1, proto také regionální rozdíly v nájmech jsou pro všechny tyto domácnosti stejné. Referenční kategoriím (bezdětné domácnosti a samostatného rodiče s dítětem) byl přidělen byt 2+1, ale protože vyšší nájem bytu 4+1 v určitém regionu znamená také vyšší nájem bytu 2+1, relativní regionální rozdíly v nájmech jsou pro obě velikostní skupiny podobné. Do rozdílné úrovně regionálních odlišností v míře zatížení u jednotlivých typů domácností se proto promítají hlavně regionální nerovnosti v příjmech. U vyšších kategorií zaměstnání (manažeři, odborníci, vědci) jsou nerovnosti v příjmech mezi regiony významně vyšší, než je tomu u kategorií zaměstnání nižších. Jinými slovy, prodavačka v Praze nevydělá o moc více než v Ústí n. Labem, zato příjem manažerů je v Praze významně vyšší ve srovnání s Ústím n. Labem. Vysoké příjmy manažerů v Praze částečně kompenzují skutečnost, že nájmy v Praze dosahují mnohem vyšší úrovně než v jiných krajích, avšak o něco vyšší příjem prodavačky v Praze než v Ústí n. Labem toto vyšší nájemné nevyrovná. Nejnižší regionální rozdíly v míře zatížení jsou proto u domácností manažerů, nejvyšší pak u nekvalifikovaných dělníků. Regionální rozdíly mezi domácnostmi dlouhodobě nezaměstnaných, kteří dostávají v celé ČR stejné životní minimum, jsou shodné s regionálními rozdíly ve výši nájemného.
23
Graf 7: Vývoj variačních koeficientů (v %) v letech 2000 – 2006 vypočtených pro míry zatížení rodinných domácností 37,5% 36,04%
35,0% 33,01%
32,5%
29,65% 28,35%
28,46%
27,75%
27,5%
22,5%
30,79%
30,61%
30,0%
25,0%
32,56%
27,84% 27,84% 25,47%
24,83%
23,92%
23,05% 21,80%
21,41%
21,50%
20,0% 19,22%
17,5%
16,70%
15,0% 2000
2001
2002
2003
manažeři, 2 děti řemeslníci, 2 děti technici, úředníci, provozní, 2 děti technici, úředníci, provozní bez dětí nájem
2004
2005
2006
vědci a odborníci, 2 děti pomocní dělníci, 2 děti technici, úředníci, provozní - samoživitelé nezaměstnaní, 2 děti důchodce
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Vývoj regionálních rozdílů je také možné sledovat alternativním přístupem. Pro každý typ domácnosti lze vypočíst koeficient tzv. beta konvergence (resp. beta divergence). Tento koeficient beta představuje korelační koeficient mezi relativními ročními přírůstky míry zatížení a hodnotami míry zatížení ve výchozím roce. V našem případě by tedy kladný koeficient beta nabývající hodnoty např. 0,8 znamenal, že relativní přírůstek míry zatížení koreluje s mírou zatížení v daném roce, tudíž míra zatížení rostla zejména v regionech s vysokou mírou zatížení. Z toho vyplývá, že by se regionální rozdíly dále prohlubovaly, docházelo by k divergenci regionů. Naopak pokud je koeficient beta záporný, míra zatížení roste hlavně v regionech s nízkou mírou zatížení a regionální rozdíly se snižují. V grafu 8 jsou uvedeny příklady vývoje koeficientu beta pro čtyři typy domácností, které pokrývají celé spektrum hodnot koeficientu beta. Nejméně znatelná změna ve vývoji regionálních rozdílů mezi roky 2000 až 2006 je v míře zatížení domácnosti samostatně žijící prodavačky (provozní a zemědělci) a naopak prokazatelně se regionální rozdíly smazávají u domácnosti manažera. Mezi roky 2000 a 2003 se u všech typů domácností disparity zvětšují a od roku 2003 se snižují.
24
Graf 8: Příklady vývoje koeficientu beta pro různé typy domácností Provoz ní a ze mě dě lci, je dnotlivec 1 0,8
Starobní důchodce 1
2002/2003 2000/2003
0,6
0,6 2000/2001
0,4
2000/2003
0,8 0,4 0,2
2001/2002
0,2
0
0
-0,2
-0,2 2000/2006
-0,6 -0,8
2005/2006
-0,6
2003/2004
-1
Te chnici, 2 dě ti
Manaž eři, jednotlive c
1
1 0,8
2002/2003 2001/2002
2000/2003
0,6 0,2
2002/2003
0,6
0,4
0,4 2000/2001
0,2
0
0
-0,2 2000/2006
-0,2 2000/2006
2005/2006
-0,4
-0,4
-0,6 -0,8
2004/2005
2003/2006
-0,8
2003/2004 2004/2005
2003/2006
2000/2006
-0,4
2005/2006
-0,4
0,8
2000/2001 2002/2003 2001/2002
2000/2003
-0,6 2003/2006
2003/2004 2004/2005
-0,8
-1
2001/2002
2000/2001 2003/2006
2005/2006
2003/2004 2004/2005
-1
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Zatím byly vždy regionální rozdíly zkoumány celkově jako rozdíly mezi všemi regiony. Některé regiony jsou si však velmi podobné a naopak jiné se značně odlišují, proto se budeme v následující části zabývat rozdíly mezi konkrétními regiony v roce 2006. Míru zatížení vybraných typů domácností v roce 2006 mezi konkrétními regiony popisuje graf 9. U vybraných domácností, které zastupují celé spektrum domácností jak podle míry zatížení, tak podle míry regionálních rozdílů, se míra zatížení pohybovala v roce 2006 v rozmezí od 5,69 % u manažerů v Ústeckém kraji po 120 % u samoživitelek na rodičovské dovolené v Praze. Podíváme-li se na regionální rozdíly, pak největší diference mezi kraji bychom našli u domácností matek na rodičovské dovolené a starobních důchodců, z domácností ekonomicko aktivních pak u dělníků; nejnižší naopak u domácností manažerů (viz graf 9). U domácností ekonomicko aktivních míra zatížení a zároveň i rozdíly mezi kraji klesají s vyšší kategorií zaměstnání. (Výjimkou jsou pouze domácnosti řemeslníků, které mají vyšší příjmy než provozní i úředníci.) Jak již bylo řečeno, je to dáno skutečností, že v regionech s vysokou úrovní nájemného (Praha, Jihomoravský kraj) je u výše kvalifikovaných zaměstnanců také výrazně vyšší příjem než ve většině regionů, avšak příjem pracovníků s nižší kvalifikací je sice vyšší než v ostatní regionech, ale ne v takové míře. Z většinové skupiny regionů vystupují specificky tři regiony: Ústecký kraj s nízkou mírou zatížení a Jihomoravský kraj spolu s Prahou s vysokou mírou zatížení. Referenční domácnosti techniků nám zprostředkovávají pohled na domácnosti rodin s jedním rodičem na rodičovské dovolené, domácnosti samoživitelů a domácnosti bezdětné. Ač relativní regionální rozdíly v míře zatížení těchto rodin (měřené variačním koeficientem) jsou téměř shodné (graf 7), jsou zde patrné velké absolutní rozdíly v míře zatížení v rámci stejného regionu. Nejlépe si z hlediska dostupnosti bydlení logicky vedou rodiny bezdětné. Rodiny samoživitelů i rodiny 25
s matkou/otcem na rodičovské dovolené v Praze a v Jihomoravském kraji patří spolu se čtyřčlennými rodinami provozních, řemeslníků a pomocních dělníku ve stejném kraji k domácnostem nejohroženějším finanční nedostupností bydlení. Graf 9: Míra zatížení v roce 2006 u rodin zaměstnanců v jednotlivých krajích
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Hlavní město Praha představuje specifický region, ve kterém se nenalézají žádné přidružené menší ekonomicky slabší obce s nízkou úrovní cen. Lze tedy předpokládat, že míra zatížení ve velkých krajských městech (Brno, Ostrava, Plzeň) může být mnohem vyšší, než je krajský průměr, a dominance Prahy v krajském srovnání je tak způsobena specifikou tohoto kraje. Jelikož ovšem nejsou dostupná data o průměrných příjmech (mzdách) v jednotlivých krajských městech, nezbývá nám při podrobnějším srovnání situace v krajských městech než předpokládat, že je průměrný příjem v krajských městech shodný s průměrným příjmem v krajích. Skutečný průměrný příjem v krajských městech je velmi pravděpodobně vyšší než krajský průměr, ale je možné předpokládat, že tento rozdíl nebude tak výrazný, neboť největší váhu v krajském průměru mají zpravidla krajská města. Míra zatížení domácností v krajských městech byla tedy vypočítána jako poměr průměrného tržního nájemného za přiměřený byt v krajském městě k průměrnému příjmu daného typu domácnosti v kraji. Srovnání míry zatížení výdaji na tržní nájemné v krajských městech a v Praze skutečně ukazuje, že rozdíl mezi Prahou a ostatními krajskými městy není tak výrazný jako rozdíl mezi Prahou a ostatními kraji (graf 10). U domácností s nejnižší mírou zatížení stále Praha dominuje, ale u domácností zaměstnanců je již míra zatížení v Praze a v Brně obdobná a u vyšších kategorií zaměstnání dokonce stejná. Ostatní velká krajská města (Ostrava, Plzeň) mají míru zatížení shodnou s jinými krajskými městy. Výrazněji se odlišuje pouze Ústí nad Labem, kde mají domácnosti nižší míru zatížení.
26
Graf 10: Míra zatížení v roce 2006 u vybraných typů domácností v krajských městech
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Vývoj regionálních rozdílů ve finanční dostupnosti tržního nájemního bydlení mezi kraji i krajskými městy od roku 2000 do roku 2006 zobrazuje graf 11. Vývoj míry zatížení pro jednotlivé shluky domácností je sledován ve čtyřech největších městech České republiky a současně v příslušných krajích, přičemž Praha je srovnávána se Středočeským krajem rozšířeným o Prahu (tzv. centrální region). Index míry zatížení pro jednotlivá krajská města byl vypočítán jako vážený průměr míry zatížení pro jednotlivé typy domácností; vahami bylo ovšem zastoupení jednotlivých typů domácností v celém kraji (nemáme k dispozici data o zastoupení jednotlivých typů domácností v krajských městech). Z toho důvodu poskytuje graf 12 alternativní srovnání pouze pro vybrané typy domácností. Vývoj míry zatížení je v obou grafech podobný a zřetelně poukazuje na skutečnost, že zatímco pro shluk domácností s nejvyšší mírou zatížení pražské domácnosti dominují, u ostatních shluků domácností již podobné hodnoty míry zatížení najdeme jak u domácností v Praze, tak u domácností v Brně. V roce 2006 byla míra zatížení domácností zahrnutých do shluku domácností s nízkou mírou zatížení v Brně dokonce vyšší než v Praze. Z grafů je tedy zřejmé, že ačkoli na základě srovnání krajů se zřetelně odlišuje Praha od zbytku republiky, ze srovnání míry zatížení v krajských městech vyplývá, že situace v obou největších českých městech není natolik odlišná.
27
Graf 11: Srovnání míry zatížení ve vybraných krajích a příslušných krajských městech pro skupiny domácností podle míry zatížení v letech 2000 - 2006 100%
100%
90%
90%
80%
80%
70%
70%
60%
60%
50%
50%
40%
40%
30%
30%
20%
20%
10%
Domácnosti s vyšší mírou z atíže ní
10%
Domácnosti s ne jvyšší mírou zatíže ní 0%
0%
2000
100%
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P raha
Středočeský kraj a P raha
P raha
Středočeský kraj a P raha
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
P lzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
100%
Domácnosti s nižší mírou zatíže ní
90%
90%
80%
80%
70%
70%
60%
60%
50%
50%
40%
40%
30%
30%
20%
20%
10%
10%
0%
Domácnosti s ne jniž ší mírou z atíž e ní
0% 2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P raha
Středočeský kraj a P raha
P raha
Středočeský kraj a P raha
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
P lzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
28
Graf 12: Srovnání míry zatížení ve vybraných krajích a příslušných krajských městech pro vybrané typy domácností v letech 2000 – 2006 100%
Zdravotní sestra (KZAM 3) -samoživitelka s je dním dítě tem
140% 90%
130% 120%
80%
110% 70%
100% 90%
60%
80% 50%
70% 60%
40%
50% 30%
40% 30%
20%
20% 10% 10%
Rodičovská dovolená (samož ivite lka) - 1 dítě
0%
0% 2000
100%
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P raha
Středočeský kraj
P raha
Středočeský kraj
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
P lzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
Ele ktrote chnik a z dravotní se stra (KZAM 3) - 2 dě ti
100%
90%
90%
80%
80%
70%
70%
60%
60%
50%
50%
40%
40%
30%
30%
20%
20%
10%
10%
Manaže ři - 2 děti
0%
0% 2000
2001
2002
2003
2004
2005
2000
2006
2001
2002
2003
2004
2005
2006
P raha
Středočeský kraj
P raha
Středočeský kraj
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
P lzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
29
Dalším možným indikátorem pro měření finanční dostupnosti bydlení je reziduální příjem, který vyjadřuje objem prostředků, jež domácnostem zůstává po zaplacení nájemného. Regionálními rozdíly v míře zatížení a reziduálním příjmu se zabývá graf 13; z grafu výrazně vystupují tři skupiny domácností. První skupinu představují domácnosti manažerů, které mají nejnižší regionální rozdíly v míře zatížení, avšak nejvyšší v reziduálním příjmu. V této skupině Praha zcela utíká zbytku regionů, míra zatížení manažerů v Praze sice odpovídá míře zatížení techniků v jiných krajích, avšak reziduální příjem je zcela jiný. Druhou skupinu představuje většina kategorií zaměstnání reprezentovaná techniky. Regionální rozdíly ve zbytkovém příjmu zde již nejsou tak velké a naopak větší rozdíly jsou u míry zatížení. Poslední skupinu tvoří domácnosti pomocných dělníků a většiny domácností samoživitelů a rodin s členem na rodičovské dovolené (reprezentovaných typem technici a zdravotníci). V této skupině se opět Praha ještě spolu s Jihomoravský krajem odlišuje od zbytku krajů. Výše reziduálního příjmu je zde zhruba stejná jako v ostatních krajích, ovšem míra zatížení je mnohem vyšší. Graf 13: Míra zatížení a reziduální příjem v roce 2006 u rodin zaměstnanců
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty. Poznámka: Hodnoty míry zatížení jsou vyjadřují podíl nájmu na čistém příjmu v procentech. Hodnoty reziduálního příjmu jsou vyjadřují rozdíl čistého příjmu a nájmu v Kč.
V letech 2000 – 2006 velká část domácností bydlela v regulovaném („privilegovaném“) nájemním bydlení, a tak hradila mnohem nižší než tržní nájemné. Míra zatížení regulovaným nájemným je ve většině regionů třikrát až čtyřikrát nižší než míra zatížení tržním nájemným. U domácností nižších kategorií zaměstnání se pouze Praha a Jihomoravský kraj vyznačují 30
nejen velmi vysokou mírou zatížení tržním nájemným, ale i relativně vysokou mírou zatížení regulovaným nájemným. Z hlediska hodnocení regionálních rozdílů kromě Jihomoravského kraje a Prahy „vybočuje z řady“ také kraj středočeský a Ústecký kraj. Ve většině krajů je míra zatížení regulovaným nájemným obdobná, v Ústeckém kraji je však zatížení tržním nájemným výrazně nižší a ve Středočeském kraji výrazně vyšší. Podrobnou analýzu vývoje míry zatížení v „privilegovaném“ segmentu nájemního bydlení v jednotlivých krajích pak obsahuje následující kapitola. Graf 14: Srovnání míry zatížení tržním nájemným a regulovaným nájemným pro vybrané domácnosti zaměstnanců v roce 2006
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty. Pozn. Úsek vyznačený přerušovanou čárou představuje rozmezí, ve kterém je tržní nájem třikrát až čtyřikrát vyšší než regulovaný nájem.
Vývoj finanční dostupnosti v jednotlivých krajích ČR
„privilegovaného“
nájemního
bydlení
Finanční dostupnost bydlení v „privilegovaném“ segmentu nájemního bydlení byla stejně jako v „neprivilegovaném“ měřena mírou zatížení, která v tomto případě představuje podíl regulovaného nájemného na celkovém čistém příjmu domácnosti. V „privilegovaném“ segmentu nájemního bydlení bylo nájemné simulováno jako maximální regulované nájemné pro daný typ bytu v daném regionu v daném roce. Regionální údaj byl získán jako vážený průměr výše maximálního regulovaného nájemného ve vybraných největších obcích daného regionu; vahou byl pak počet bytových jednotek v těchto obcích. Míra zatížení regulovaným nájemným se pohybovala v letech 2000 až 2006 v rozmezí od 5 % do 13 % (graf 15), přičemž nejvyšší byla v Praze, nejnižší ve Středočeském kraji, a v ostatních krajích se nacházela na zhruba stejné úrovni. Z hlediska vývoje v čase, souhrnná míra zatížení od roku 2000 klesá ve
31
všech krajích, což je způsobeno neadekvátní deregulací nájemného a rostoucím příjmem domácností. Srovnáme-li finanční dostupnost „privilegovaného“ a „neprivilegovaného“ nájemního bydlení (graf 16), pak míra zatížení regulovaným nájemným je nejen výrazně nižší, ale má také na rozdíl od zatížení tržním nájemným ve sledovaném období vytrvale klesající tendenci. Graf 15: Souhrnný index míry zatížení regulovaným nájemným v letech 2000 – 2006 (60 typů domácností) 15% 14%
13,82% 13,37%
13%
12,99%
12,76%
12,49%
Souhrnný index míry zatížení
12%
11,78% 11,05%
11% 10% 9,43%
9% 8,92%
8%
7,78% 7,32%
7,18%
7%
6,76%
6,61%
6,51%
6,36%
6,40%
6,18%
6%
5,76%
5,81%
5,48%
5% 2000
2001
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
32
2005 LI
HK
2006 PA
Graf 16: Srovnání souhrnného indexu míry zatížení regulovaným nájmem a souhrnného indexu míry zatížení tržním nájmem ve vybraných krajích v letech 2000 až 2006 65% 60% 55%
Souhrnný index míry zatížení
50% 45% 40% 35% 30% 25% 20% 15% 10% 5% 2000
2001
2002
2003
2004
2005
2006
tržní nájem PRA
tržní nájem ST C
tržní nájem LI
tržní nájem UL
tržní nájem JM
tržní nájem MS
regulované nájemné PRA
regulované nájemné ST C
regulované nájemné LI
regulované nájemné UL
regulované nájemné JM
regulované nájemné MS
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Rozdělíme-li opět jednotlivé typy domácností do 4 shluků podle míry zatížení (tabulka 7 a příloha 2), pak se domácnosti z Prahy jeví jako nezařaditelné, jelikož všechny typy domácností v Praze se vyznačují vyšší mírou zatížení oproti zbytku regionů. Z tabulky také vyplývá, že většina českých domácností má potencionální míru zatížení regulovaným nájemným nižší než 10 % a pouze domácnosti nezaměstnaných a samoživitelů na rodičovské dovolené v Praze dosahují míry zatížení vyšší než 20 %. Tabulka 7: Skupiny domácností podle míry zatížení regulovaným nájmem v roce 2006 Míra zatížení (regulovaný nájem) v % Maximum Maximum - Praha bez Prahy
Průměr
Minimum
velmi vysoká 31,88 18,30 14,52 10,28 spíše vysoká 16,68 11,03 7,38 4,77 spíše nízká 10,06 6,65 4,77 2,96 velmi nízká 5,23 4,07 2,81 1,42 Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty. Skupiny domácností - míra zatížení
33
Směrodatná odchylka 4,19 1,95 1,20 0,68
Počet typů 9 18 23 10
Zastoupení v ČR (%) SLDB 2001 3,45 32,05 22,96 5,52
Vývoj míry zatížení u jednotlivých shluků domácností je obdobný; u všech skupin domácností od roku 2000 dochází k poklesu míry zatížení (graf 17). Mírně proměnlivý vývoj u skupiny domácností závislých na sociálních dávkách je způsoben nárazovými změnami životního minima. V letech, kdy nedošlo ke zvýšení životního minima, míra zatížení zůstala na stejné úrovni nebo vzrostla.
34
Graf 17: Vývoj míry zatížení v letech 2000 – 2006 u různých shluků domácností podle míry zatížení regulovaným nájemným 35,0%
35,0%
32,5%
32,5%
30,0%
30,0%
27,5%
27,5%
25,0%
25,0%
22,5%
22,5%
20,0%
20,0%
17,5%
17,5%
15,0%
15,0%
12,5%
12,5%
10,0%
10,0%
7,5%
7,5%
5,0%
5,0%
Domácnosti s nejvyšší mírou zatíže ní
2,5%
Domácnosti s vyšší mírou zatíže ní
2,5%
0,0%
0,0%
2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P RA
STC
JC
PZ
KV
P RA
STC
JC
PZ
KV
UL
LI
HK
PA
VYS
UL
LI
HK
PA
VYS
JM
OL
ZL
MS
JM
OL
ZL
MS
35,0%
35,0%
Domácnosti s nižší mírou zatíže ní
32,5%
32,5%
30,0%
30,0%
27,5%
27,5%
25,0%
25,0%
22,5%
22,5%
20,0%
20,0%
17,5%
17,5%
15,0%
15,0%
12,5%
12,5%
10,0%
10,0%
7,5%
7,5%
5,0%
5,0%
2,5%
2,5%
0,0%
Domácnosti s ne jniž ší mírou z atíž e ní
0,0% 2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P RA
STC
JC
PZ
KV
P RA
STC
JC
PZ
KV
UL
LI
HK
PA
VYS
UL
LI
HK
PA
VYS
JM
OL
ZL
MS
JM
OL
ZL
MS
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
35
Vývoj regionálních disparit ve finanční dostupnosti „privilegovaného“ nájemního bydlení Variační koeficient, který popisuje vývoj regionálních rozdílů v míře zatížení výdaji na nájemné v „privilegovaném“ segmentu nájemního bydlení, byl v období od roku 2000 do roku 2006 v zásadě na stále stejné úrovni (graf 18). Regionální rozdíly v míře zatížení se tudíž v této oblasti a ve sledovaném období obecně nezvyšovaly ani nesnižovaly. Jedinou výjimku představují domácnosti manažerů, u kterých vlivem prudkého nárůstu příjmu v Praze došlo ke snižování regionálních rozdílů. Graf 18: Vývoj variačního koeficientu u vybraných typů domácností v letech 2000 až 2006 30,0% 28,69%
28,70%
28,69%
28,70%
28,70%
28,70%
28,70%
27,5% 25,0%
25,43%
25,21%
25,02%
23,41%
22,5% 20,0% 17,5%
22,01% 21,22%
21,14%
21,08%
18,36%
17,27%
17,31%
15,0% 13,97%
13,65%
12,5% 10,0% 2000
2001
2002
2003
2004
2005
2006
manažeři, 2 děti
vědci a odborníci, 2 děti
řemeslníci, 2děti
pomocní dělníci, 2 děti
technici, úředníci, provozní, 2 děti
technici, úředníci, provozní - samoživitelé
technici, úředníci, provozní bez dětí
nájem
nezaměstnaní, 2 děti
důchodce
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Zkoumáme-li regionální rozdíly v míře zatížení mezi konkrétními kraji, pak docházíme k poznatku, že jediným krajem, který se odlišuje, je Praha, přičemž nejvýraznější regionální disparity bychom nalezli opět u domácností s nízkým příjmem.
36
Graf 19: Míra zatížení vybraných domácností v roce 2006
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Ohrožení finanční nedostupností nájemního bydlení Analýza indikátorů finanční dostupnosti nájemního bydlení pro různé skupiny domácnosti ve všech krajích ČR ukázala, že existují značné rozdíly ve finanční dostupnosti jak mezi různými typy domácností, tak mezi regiony. Předmětem této kapitoly je odpovědět na otázku, které domácnosti jsou ohrožené potencionální finanční nedostupností bydlení. V první řadě se zaměříme na identifikaci těch typů domácností, které jsou ohroženy finanční nedostupností bydlení, a poté na základě zastoupení těchto domácností v krajích podle SLBD 2001 kvantifikujeme zastoupení domácností potencionálně ohrožených finanční nedostupností nájemního bydlení v daném kraji. Analýza finanční dostupnosti nájemního bydlení v „privilegovaném“ segmentu nájemního bydlení nenaznačuje, že by domácnosti, které bydlí v bytech s regulovaným nájmem, byly ohroženy finanční nedostupností bydlení. Většina domácností ve všech krajích kromě Prahy se vyznačuje mírou zatížení nižší než 10 % (graf 20). V souvislosti s aktuální deregulací nájemného se ovšem otevírá otázka, jaká by byla finanční dostupnost nájemního bydlení pro různé typy domácností po skončení dosavadních privilegií a které typy domácnosti a ve kterých krajích jsou tudíž ohroženy finanční nedostupností tržního nájemního bydlení. Nejohroženější skupinou domácností z hlediska míry zatížení tržním nájemným jsou ve všech krajích domácnosti zcela či zčásti závislé na sociální pomoci státu a starobní důchodci (viz Příloha 4). V některých krajích jsou potencionální finanční nedostupností také ohroženy domácnosti samoživitelů a zaměstnanců v nižších kategoriích zaměstnání (pomocní dělníci,
37
provozní a zemědělci). Kraji, kde je potenciální finanční nedostupnost tržního nájemního bydlení nejvážnější, jsou jednoznačně Praha a Jihomoravský kraj. Podrobné členění typů domácností potenciálně ohrožených finanční nedostupností tržního nájemního bydlení dle indikátoru míry zatížení a jejich počtu je uvedeno v grafu 21 a příloze 4. V Praze by, například, mělo v roce 2000 více než 43 % všech domácností a v roce 2006 39 % všech domácností míru zatížení tržním nájemným vyšší než 30 %; v Jihomoravském kraji pak v roce 2000 41 % domácností a v roce 2006 rovněž 41 % domácností. Jak se ukázalo v předchozí kapitole, i přes vysokou míru zatížení domácností nejvyšších i středních kategorií zaměstnání v Praze a Jihomoravském kraji, těmto domácnostem zůstává po zaplacení nájmu více finančních prostředků než domácnostem v jiných krajích. Z toho důvodu je nutné potencionální ohrožení finanční nedostupností bydlení měřit také podle výše reziduálního příjmu (rozdíl mezi čistým příjmem domácnosti a výdaji na nájemné). Jelikož se v závislosti na složení domácnosti nutně mění i náklady na obživu a zároveň v průběhu sledovaného období vlivem inflace může větší objem peněz reálně zůstávat stejný, při srovnávání různých typů domácností a v meziregionálním srovnání byl používán relativní reziduální příjem vztažený k nákladům na obživu členů daného typu domácnosti. Podle výše relativního reziduálního příjmu, ohrožení finanční nedostupností nájemního bydlení v Praze a Jihomoravském kraji není tak rozsáhlé, ovšem zastoupení těchto domácností zůstává poměrně velké. V roce 2006 by reziduální příjem 17 % domácností v Praze a 19 % domácností v Jihomoravském kraji nedosahoval ani 1,5-násobku životních nákladů členů domácnosti (graf 22). U většiny ostatních krajů s výjimkou Ústeckého a Moravskoslezského kraje zastoupení nejohroženějších domácností nepřesahuje hranici 5 % (v Karlovarském kraji je to mírně nad 5 %). Překvapit může skutečnost, že v Ústeckém kraji, kde je nejnižší míra zatížení, je poměrně hojně zastoupena skupina domácností potencionálně ohrožených finanční nedostupností tržního nájemního bydlení. Ústecký a Moravskoslezský kraj jsou totiž kraje s nejvyšším zastoupením nezaměstnaných a právě rodiny dlouhodobě nezaměstnaných jsou nejvíce ohroženy finanční nedostupností bydlení. Z hlediska vývoje ohrožení finanční nedostupností tržního nájemního bydlení mezi roky 2000 a 2006 je jistě pozitivní, že potencionálně ohrožených typů domácností ve všech krajích ČR kromě Jihomoravského kraje ubývá.
38
Graf 20: Zastoupení zkoumaných domácností v různých kategoriích dle výše míry zatížení regulovaným nájemným (dle SLDB 2001) Zastoupení domácností podle SLDB 2001 v roce 2000 41,63
Moravskoslezský kraj
24,89 61,66
Zlínský kraj
60,45
6,070
Zlínský kraj
61,9
0 3,59
Olomoucký kraj
61,53
0 4,27
Jihomoravský kraj
61,36
0 4,13
21,23
41,08
Jihomoravský kraj
Moravskoslezský kraj
3,83
44,57
Olomoucký kraj
Zastoupení domácností podle SLDB 2001 v roce 2006
24,41
Vysočina
62,43
3,34
Vysočina
63,33
0 2,44
Pardubický kraj
62,49
3,7
Pardubický kraj
63,17
0 3,02
Královéhradecký kraj
62,97
2,57
Královéhradecký kraj
62,97
0 2,57
Liberecký kraj
59,66
3,79
Liberecký kraj
60,4
0 3,05
Ústecký kraj
58,96
7,12
Ústecký kraj
59,78
6,30
Karlovarský kraj
58,49
5,48
Karlovarský kraj
58,94
5,030
Plzeňský kraj
63,45
0 2,91
44,68
Plzeňský kraj
21,68
Jihočeský kraj
62,44
2,47
Jihočeský kraj
62,44
0 2,47
Středočeský kraj
60,73
2,73
Středočeský kraj
60,73
0 2,73
19,29
Praha 0% méně než 10 %
20%
10 % - 20 %
36,41 40%
60%
20 % - 30 %
Praha
80%
100%
více než 30 %
0% méně než 10 %
20%
10 % - 20 %
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
39
27,23
28,66 40%
60%
20 % - 30 %
80%
0,26 100%
více než 30 %
Graf 21: Počet zkoumaných domácností v různých kategoriích dle výše míry zatížení tržním nájemným a jejich zastoupení v jednotlivých krajích (dle SLDB 2001) Počet domácností v roce 2000 7
Moravskoslezský kraj
28
Zlínský kraj 2
16
Olomoucký kraj 1
19
Vysočina 0
16
Liberecký kraj
6
Ústecký kraj
8
22 23
19
Praha 0 6
Královéhradecký kraj 3
20%
10 % - 20 %
Moravskoslezský kraj
21,46
méně než 10 %
9
20
21
11
39
20%
40%
60%
20 % - 30 %
20,67
Moravskoslezský kraj
24,72
23,28
Zlínský kraj
Olomoucký kraj
16,69
27,1
21,66
Olomoucký kraj
Vysočina
12
80%
100%
více než 30 %
Zastoupení domácností v krajích podle SLDB 2001 v roce 2006
16,58
41,28
18,52
7
17
17
10 % - 20 %
Zlínský kraj
Jihomoravský kraj 5,19
27
0%
100%
5,84
6
13
Praha 1
36,1
32
22
Středočeský kraj 2
Zastoupení domácností v krajích podle SLDB 2001 v roce 2000
12
22
17
více než 30 %
18
14
23
20 % - 30 %
26
13
20
Jihočeský kraj 3
80%
20
23
18
60%
18
Plzeňský kraj 3
21
40%
15
18
4
Karlovarský kraj
43
21
15
Ústecký kraj
5
30
24
4
Liberecký kraj
23
11
0%
20
16
21
19
Středočeský kraj 1
22
22
15
Jihočeský kraj 2
Pardubický kraj 2
12
21
Plzeňský kraj 1
21
12
18
18 22
19 35
Karlovarský kraj 1
méně než 10 %
23
19
20
11
Vysočina 2
25
14
22
19
Jihomoravský kraj 1
31
21
17
Olomoucký kraj 3
17
22
22
Zlínský kraj 2
21
18
15
Královéhradecký kraj 2
Moravskoslezský kraj 3
9
23
13
Pardubický kraj 1
16 21
Jihomoravský kraj 1 10
Počet domácností v roce 2006
Jihomoravský kraj
23,07
15,11
27,34
22,13
22,6
22,65
19,41 6,2
21,73
17,86
40,93
9,78
32,54
23,45
Vysočina
Pardubický kraj
11,28
31,44
22,98
Pardubický kraj
Královéhradecký kraj
12,36
29,84
22,46
Královéhradecký kraj
22,76
22,79
18,58
Liberecký kraj
22,41
21,42
17,91
Liberecký kraj Ústecký kraj
17,91
17,7
25,53
19,64
37,79
Karlovarský kraj
18,07
Plzeňský kraj
13,4
5,17
28,52
22
21,25
19,33
22,68
18,51
24,7
20,53
Středočeský kraj
43,48 60%
5,62
22,31
17,74
40%
16,73
19,82
Středočeský kraj
20 % - 30 %
33,39
22,62
Jihočeský kraj
20%
20,54
22,54
21,07
0%
25,56
Plzeňský kraj
26,24
10 % - 20 %
18,53
23,93
16,71
méně než 10 %
19,25
Karlovarský kraj
Jihočeský kraj
Praha 3,53 11,42
24,02
Ústecký kraj 10,34
20,64
24,84
22,43
Praha
80%
100%
14,34 6,27 0%
více než 30 %
méně než 10 %
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
40
14,88
33,41
14,37 20%
10 % - 20 %
37,24 40%
60%
20 % - 30 %
80%
100%
více než 30 %
Graf 22: Zastoupení zkoumaných domácností v různých kategoriích dle výše relativního reziduálního příjmu v segmentu „neprivilegovaného“ nájemního bydlení (dle SLDB 2001) Zastoupení domácností v krajích podle SLDB 2001 v roce 2006 Moravskoslezský kraj 3,75 13,59 Zlínský kraj 7,57 11,56
Zastoupení domácností v krajích podle SLDB 2001 v roce 2006
42,8
6,38
Moravskoslezský kraj
13,63
10,79
39,97
6,39
Zlínský kraj
12,13
12,36
37,11
3,89
11,07
13,7
36,37
4,66
36,26
5,84
Olomoucký kraj 2,6411,24
45,19
6,73
Olomoucký kraj
Jihomoravský kraj 3,48 11,51
43,11
7,39
Jihomoravský kraj
48,2
6,6
Vysočina
13,62
11,11
38,25
2,79
47,85
6,21
Pardubický kraj
11,69
14,29
36,92
3,29
5,19
Královéhradecký kraj
11,85
35
2,76
4,18
Liberecký kraj
16,63
12,36
17,3
13,65
28,83
6,3
Vysočina1,229,75 Pardubický kraj 1,8510,28 Královéhradecký kraj 3,4 15,28
41,67
Liberecký kraj 4,71 15,29
39,27
11,91 11,28
23,36
18,94
15,93
31,41
3,05
38,07
6,67
Ústecký kraj
Karlovarský kraj 2,6 16,31
38,44
6,62
Karlovarský kraj
17,09
11,39
30,46
5,03
Plzeňský kraj 2,06 16,77
41,92
5,61
Plzeňský kraj
17,13
11,28
35,04
2,91
Jihočeský kraj 4,89 14,49
40,29
5,24
Jihočeský kraj
16,75
10,16
35,31
2,69
4,21
Středočeský kraj
16,68
9,13
34,68
2,97
Ústecký kraj 6,86 14,48
Středočeský kraj 6,15 Praha
13,26 0%
více než 4,5
37,59
15,51
20%
3,0 - 4,5
9,07
17,41
40% 1,5 - 3,0
60%
80%
18,31
Praha
18,69
0%
100%
více než 4,5
méně než 1,5
20%
3,0 - 4,5
9,01 40% 1,5 - 3,0
13,91 60%
17,2 80%
100%
méně než 1,5
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Vývoj a regionální disparity ve finanční dostupnosti vlastnického bydlení Finanční dostupnost vlastnického bydlení byla měřena především indikátorem price-to-income ratio (P/I) a indikátorem lending multiplier (LM). Indikátor P/I poměřuje průměrné roční čisté příjmy domácností a průměrné ceny vlastnického bydlení a indikátor LM ukazuje poměr celkové sumy, kterou domácnost zaplatí v rámci splátek úvěrů na bydlení, k celkovým čistým ročním příjmům domácnosti. Oba indikátory byly vypočítány za použití dat o cenách bytů a rodinných domů v jednotlivých krajích v letech 2000 až 2006 ze zdrojů Institutu regionálních informací, s.r.o. a stejně jako u indikátorů finanční dostupnosti nájemního bydlení za pomocí odhadů čistých příjmů pro jednotlivé typy domácností v jednotlivých krajích vycházejících z regionální příjmové statistiky a simulace daní a dávek. V této kapitole se bude zabývat analýzou vývoje těchto indikátorů v jednotlivých krajích souhrnně i pro jednotlivé shluky domácností zvlášť; poté se zaměříme i na regionální rozdíly ve finanční dostupnosti vlastnického bydlení.
41
Vývoj finanční dostupnosti vlastnického bydlení v jednotlivých krajích ČR V letech 2000 až 2006 se hodnota P/I pohybovala v jednotlivých krajích u jednotlivých typů domácností v rozmezí od 0,35 u bezdětného páru manažerů v Ústeckém kraji v roce 2002 po 25,93 u dlouhodobě nezaměstnaného jednotlivce v Praze v roce 2004. Průměrný vývoj hodnoty P/I za všechny typy domácností zachycuje souhrnný index, který byl vypočten jako průměrná hodnota P/I pro všech 60 typů domácností vážená reálným zastoupením těchto domácností podle SLDB 2001 (graf 23). Nejvyšší hodnoty P/I nalezneme přirozeně v Praze a nejnižší naopak v Ústeckém a Moravskoslezském kraji; P/I rostlo ve všech krajích kromě Prahy a Jihomoravského kraje v období od roku 2000 do roku 2004, mezi roky 2004 a 2005 ve většině krajů klesalo a od roku 2005 opět tentokrát ve všech krajích s výjimkou Karlovarského kraje rostlo. V Praze a Jihomoravském kraji P/I rostlo pouze do roku 2003; v letech 2003 až 2004 klesalo a poté opět rostlo. Graf 23: Souhrnný index hodnoty P/I v letech 2000 – 2006 (60 typů domácností) 9,00
8,91
8,76 8,37
8,00
8,00
7,23
7,00
Souhrnný index P/I
6,65
6,63
6,00 5,32
5,00
4,77 4,51
4,00
3,98 3,61
3,58
3,00
2,97 2,60
2,00
2,08
1,99
1,90
1,65
1,37
2,00
1,57
1,34
1,00 2000
2001
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
2005 LI
2006 HK
PA
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Hodnota indikátoru P/I se významně liší v závislosti na typu domácnosti, proto stejně jako při analýze finanční dostupnosti nájemního bydlení bylo všech 60 typů domácností za pomocí klastrové analýzy seskupeno do čtyř shluků na základě podobnosti v hodnotě P/I. Domácnosti s nejvyšší hodnou P/I jsou totožné s domácnostmi s nejvyšší mírou zatížení tržním nájemným jedná se zejména o domácnosti, které nemají vlastní příjmy a jsou závislé na pomoci státu (dlouhodobě nezaměstnaní, samoživitelky na rodičovské dovolené), ale i domácnosti 42
starobních důchodců a domácnosti samoživitelů z řad dělníků, provozních či zemědělců (viz Příloha 2). Hodnota indikátoru P/I se u této skupiny v roce 2006 pohybovala okolo 8 (viz tabulka 8). Tabulka 8: Shluky domácností podle hodnoty P/I v roce 2006 Price-to-Income Maximum
Průměr
Zastoupení Počet v ČR (%) Směrodatná typů SLDB Minimum odchylka 2001
velmi vysoká 25,67 7,99 2,29 Skupiny spíše vysoká 10,01 4,03 1,43 domácností spíše nízká 8,53 3,04 0,94 - P/I velmi nízká 5,73 2,06 0,48 Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
3,61 1,48 1,18 0,84
12 16 16 16
18,54 10,04 20,69 14,71
Do shluku domácností s vyšší hodnotou P/I pak patří domácnosti nižších kategorií zaměstnání (řemeslníci, obsluha strojů, úředníci), kde je v rodině pouze jeden příjem. Spíše nižší hodnoty P/I pak dosahují domácnosti řemeslníků se dvěma příjmy a rodiny techniků a odborníků s jedním příjmem. Shluk domácností s nejnižší hodnotou P/I pak tvoří domácnosti dvou zaměstnaných z řad techniků, odborníků či manažerů. Absolutně nejvyšší hodnota P/I byla v roce 2006 u domácnosti nezaměstnaného v Praze (25,67), naopak absolutně nejnižší u bezdětné domácnosti manažerů v Ústí n. Labem (0,48). Směrodatné odchylky v tabulce 8 prozrazují, že ve shluku domácností s nejvyšší hodnotou indikátoru P/I variuje hodnota P/I nejvíce (směrodatná odchylka je 3,61), zatímco shluk domácností s velmi nízkou hodnotou P/I je daleko stejnorodější. Zobrazíme-li hodnoty P/I kategorizované podle příslušnosti k jednomu ze čtyř shluků domácností pomocí tzv. boxplotu (podobně jako v kapitole 2, graf 24), pak opět nejextrémnější hodnoty nalezneme u domácností s velmi vysokou hodnotou P/I; extrémní hodnoty jsou však tentokrát téměř výhradně u domácností v Praze a v ojedinělém případě u domácností v Jihomoravském kraji. Rozdíl mezi Prahou a zbytkem krajů je ve finanční dostupnosti vlastnického bydlení tudíž výraznější než v dostupnosti tržního nájemního bydlení.
43
Graf 24: Skupiny domácností podle hodnoty P/I v roce 2006
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty. Pozn. Popisky typů domácností (PRA2, PRA9 atd.) informují o domácnostech s extrémní hodnotou míry zatížení. Popisky obsahují jak název kraje (např. PRA pro Prahu), tak číslo typů domácnosti: velmi vysoká míra zatížení: domácnosti dlouhodobě nezaměstnaných (2, 12, 28, 37, 38, 49, 50) a samoživitelka na rodičovské dovolené (29), spíše vysoká míra zatížení: řemeslník a nezaměstnaný – 1 dítě (46), provozní – jednotlivec (7), řemeslník a rodičovská – 2 děti (60), řemeslník a nezaměstnaný bez dětí (20), řemeslník – samoživitel (35), pomocní dělníci – 2 děti (45), pomocný dělník a důchodce (27), řemeslník a rodičovská – 1 dítě(48), řemeslník – jednotlivec (8), spíše nízká míra zatížení: starobní důchodci (10), provozní bez dětí (17), pomocní dělníci – 2 děti (57), řemeslníci – 2 děti (56), úředníci – 2 děti (54), úředník a starobní důchodce (24) , velmi nízká míra zatížení: řemeslníci – 2 děti (44), řemeslník a starobní důchodce (26), technik a starobní důchodce (23), řemeslníci bez dětí (18), úředníci – 1 dítě (42), úředníci bez dětí (16), technici - 2 děti (53), odborník – jednotlivec (4). Podrobný klíč k číslům typů domácností je v příloze (Příloha 1).
Vývoj indikátoru P/I v jednotlivých krajích pro jednotlivé shluky domácností v období 2000 – 2006 je zobrazen v grafu 25. Souhrnný P/I pro jednotlivé shluky domácností byl opět vypočítán jako průměrná hodnota P/I všech příslušných typů domácností vážená dle zastoupení daných domácností podle SLDB 2001. Vývoj hodnoty P/I je pro všechny čtyři shluky domácností stejný a shoduje se také s obecným souhrnným vývojem. Indikátor P/I ve všech krajích kromě Prahy a Jihomoravského kraje rostl v období od roku 2000 do roku 2004, mezi roky 2004 a 2005 ve většině krajů klesal a od roku 2005 opět rostl ve všech krajích, tentokrát s výjimkou Karlovarského kraje. V Praze a Jihomoravském kraji rostl P/I pouze do roku 2003, v letech 2003 až 2004 klesal a od roku 2004 zase rostl. Mezi jednotlivými shluky domácností jsou však zřetelné odlišnosti ve výši regionálních rozdílů; největší regionální rozdíly jsou patrné u domácností s nejvyšší hodnotou P/I, nejnižší regionální rozdíly naopak u domácností s velmi nízkou hodnotou P/I.
44
Graf 25: Vývoj hodnoty P/I u různých skupin domácností podle hodnoty P/I 16
Domácnosti s ne jvyšší hodnotou P/I
16
15
15
14
14
13
13
12
12
11
11
10
10
9
9
8
8
7
7
6
6
5
5
4
4
3
3
2
2
1
1
0
Domácnosti s vyšší hodnotou P/I
0
2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P RA
STC
JC
PZ
KV
P RA
STC
JC
PZ
KV
UL
LI
HK
PA
VYS
UL
LI
HK
PA
VYS
JM
OL
ZL
MS
JM
OL
ZL
MS
16
16
Domácnosti s niž ší hodnotou P/I
15
15
14
14
13
13
12
12
11
11
10
10
9
9
8
8
7
7
6
6
5
5
4
4
3
3
2
2
1
1
0
Domácnosti s ne jniž ší hodnotou P/I
0
2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P RA
STC
JC
PZ
KV
P RA
STC
JC
PZ
KV
UL
LI
HK
PA
VYS
UL
LI
HK
PA
VYS
JM
OL
ZL
MS
JM
OL
ZL
MS
45
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Finanční dostupnost vlastnického bydlení lze také měřit pomocí LM (lending multiplier). Lending multiplier vyjadřuje poměr celkové sumy, kterou domácnost zaplatí v rámci splátek úvěrů na bydlení, k celkovým čistým ročním příjmům domácnosti. Celková výše všech splátek úvěrů na bydlení byla vypočítána dle průměrné úrokové sazby na bydlení platné v daném roce a za předpokladů, že domácnost nepoužije vlastní úspory (úvěr tak kryje celou hodnotu pořízeného bydlení) a doba splácení úvěru činí 20 let. Do výše úvěru nejsou započítány poplatky za vedení úvěru. Srovnáme-li definici indikátoru P/I a definici indikátoru LM, je zřejmé, že LM bude vždy vyšší, neboť cena bytu je navýšena i o úroky, které domácnost v průběhu splácení úvěru zaplatí věřiteli. Budeme-li ovšem sledovat regionální rozdíly mezi kraji pomocí variačního koeficientu, pak variační koeficienty hodnot P/I i LM budou stejné, protože úroková sazba či doba splatnosti úvěru se regionálně neliší. Ze srovnání souhrnného indexu P/I a souhrnného indexu LM v grafu 26 vidíme, že LM je vždy přibližně o 48 % vyšší v každém kraji; oba indikátory mají přitom v čase téměř totožný průběh (graf 27). Z toho důvodu je tedy možné se dále zaměřit na bližší analýzu pouze jednoho indikátoru; v následující části zprávy se omezíme zejména na analýzu indikátoru P/I. Graf 26: Srovnání souhrnného indexu P/I a LM v roce 2006 14,00
12,37
12,00 10,00 7,87
7,05
8,00
6,72
8,37 5,36
6,00 4,00 2,00
5,29
5,25
5,88
6,03
6,13
5,64
LM
6,54
P/I 4,39
2,95
4,77
4,55 3,63
5,32 3,58 3,98
3,55
4,08
4,15
3,81
4,43 2,97
2,00
0,00 PRA ST C JC
PZ
KV UL
LI
HK
PA VYS JM
OL
ZL
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
46
MS
Graf 27: Srovnání vývoje souhrnného indexu P/I a LM ve vybraných krajích mezi roky 2000 až 2006 16,15
14,24
14,15
13,62
12,15
12,39
12,81
12,76
12,37 11,54
10,15
8,15
6,15
8,40 7,87 7,05
6,65
4,77
4,15
3,87 3,07
2,15
2,64
2,96
2,51
2,37
2,87
2,95
0,15 2000
2001
2002
2003
2004
2005
2006
P/I PRA
P/I ST C
P/I KV
P/I UL
P/I JM
P/I MS
LM PRA
LM ST C
LM KV
LM UL
LM JM
LM MS
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Chceme-li srovnat vývoj dostupnosti vlastnického a nájemního bydlení, nabízí se porovnání zatížení domácnosti tržním nájemným se zatížením domácnosti měsíční splátkou hypotečního úvěru na bydlení. Jelikož jsme předpokládali, že doba splatnosti hypotečního úvěru je 20 let, míra zatížení splátkou úvěru je tak 1/20 hodnoty indikátoru LM. Nelze však zapomínat, že míra zatížení splátkou úvěru nezapočítává dodatečné náklady spojené s vlastnictvím bytu (zejména příspěvky do fondu oprav domu či výdaje na nezbytné opravy v bytě samotném); skutečná míra zatížení srovnatelnými výdaji na vlastnické bydlení by tedy byla vyšší. Srovnání míry zatížení tržním nájemným a míry zatížení splátkou úvěru zachycuje graf 28; z něj je zřejmé, že vývoj míry zatížení tržním nájemným a vývoj míry zatížení splátkou hypotečního úvěru sice vykazuje určité odlišnosti, trend je ovšem podobný. Rozdílný vývoj můžeme pozorovat hlavně v posledním sledovaném období, od roku 2005 do roku 2006, kdy zatížení tržním nájemným ve většině krajů klesá, kdežto zatížení měsíční splátkou úvěru roste (důsledek nerovnoměrného vývoje cen a nájmů). V krajích, jež se vyznačují vysokou mírou zatížení tržním nájemným i splátkou úvěru (Praha a Jihomoravský kraj), je míra zatížení splátkou úvěru vyšší než míra zatížení tržním nájemným; naopak v krajích charakteristických obecněji spíše nízkou mírou zatížení (Ústecký a Moravskoslezský kraj) je tomu přesně naopak - míra zatížení tržním nájemným je vyšší než míra zatížení splátkou úvěru.
47
Graf 28: Srovnání míry zatížení tržním nájemným a míry zatížení měsíční splátkou ve vybraných krajích v letech 2000 - 2006 80%
71%
70%
60%
68% 62%
64%
64%
62% 58%
50%
40%
42%
38% 35%
34%
30%
31% 26%
20%
22%
19% 15%
13%
10% 2000
2001
15% 13%
12%
2002
2003
2004
15%
14%
2005
2006
tržní nájem PRA
tržní nájem ST C
tržní nájem KV
tržní nájem UL
tržní nájem JM
tržní nájem MS
splátka PRA
splátka ST C
splátka KV
splátka UL
splátka JM
splátka MS
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Jak ukázal graf 25, mezi jednotlivými shluky domácností existují velké rozdíly. Vývoj nerovnosti ve finanční dostupnosti vlastnického bydlení (dle indikátoru P/I) mezi jednotlivými typy domácností v jednotlivých krajích ukazují graf 29 a graf 30. Graf 29 zobrazuje vývoj souhrnného indexu nerovnosti mezi všemi typy domácností, který byl spočítán jako směrodatná odchylka hodnot P/I u všech typů domácností vážených zastoupením jednotlivých domácností v jednotlivých krajích dle SLDB 2001. Nerovnost mezi „nejbohatší“ a „nejchudší“ domácností v daném kraji v grafu 30 pak představuje prostou odchylku mezi hodnotou P/I u domácnosti nezaměstnaného (domácnost s nejnižším příjem) a hodnotou P/I u bezdětného páru manažerů (domácnost s nejvyšším příjmem). Průběhy obou křivek jsou téměř totožné; do roku 2004 nerovnosti ve všech krajích kromě Prahy a Jihomoravského kraje rostly, v letech 2004 až 2005 klesaly a od roku 2005 opět rostou.
48
Graf 29: Souhrnný index nerovnosti mezi jednotlivými typy domácností v období 2000 2006 5,0
4,92
4,85
4,75
4,5
4,42
Směrodatná odchylka hodnoty P/I
4,0
3,88
3,5
3,47 3,32
3,0
2,5
2,50 2,28
2,0 1,83
1,5
1,73 1,67
1,56
1,47
1,24
1,0
0,5
1,01
0,75
0,63
0,72
2000
0,98
0,94
0,91 0,61
2001
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
49
2005 LI
2006 HK
PA
Graf 30: Nerovnost mezi „nejbohatší“ a „nejchudší“ domácností v letech 2000 až 2006 25,0 24,17
Odchylka hodnoty P/I mezi nejbohatší a nejchudší domácností
24,02
23,93
22,5
22,10
20,0 18,80 17,75
17,5 16,49
15,0 12,67
12,5
11,97
10,0 7,5
9,51
9,33
8,59
7,88
6,72
5,0
5,58 4,20
2,5
4,37
4,21 2,93
3,30
2,75
4,52
3,34
0,0 2000
2001
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
2005 LI
2006 HK
PA
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Vývoj regionálních disparit ve finanční dostupnosti vlastnického bydlení Stejně jako u analýzy regionálních rozdílů ve finanční dostupnosti nájemního bydlení i při zmapování regionálních rozdílů ve finanční dostupnosti vlastnického bydlení jsme používali zejména variační koeficient a koeficient konvergence. Porovnáme-li hodnoty variačního koeficientu u indikátoru P/I pro jednotlivé typy domácností, pak za pomocí klastrové analýzy můžeme opět vytvořit čtyři shluky domácností. V tomto případě jsou shluky domácností shodné se shluky domácností vytvořené na základě regionálních rozdílů ve finanční dostupnosti tržního nájemního bydlení. Jestliže pro určitý typ domácností byly regionální rozdíly v dostupnosti vlastnického bydlení vysoké, pak to platilo také pro regionální rozdíly v dostupnosti tržního nájemního bydlení. Graf 31 ukazuje čtyři shluky domácností podle hodnoty P/I a podle variačního koeficientu v roce 2006. Domácnosti závislé na sociální pomoci státu mají nejvyšší hodnotu P/I a také jsou zde patrné největší rozdíly mezi kraji. Hodnota P/I pro domácnosti manažerů naopak dosahuje nejnižších hodnot a mezi jednotlivými kraji se příliš neliší. Spíše menšími rozdíly mezi kraji se vyznačuje skupina vědců, odborníků, techniků, zdravotníků a úředníků a spíše větší regionální rozdíly najdeme u skupiny řemeslníků, provozních, zemědělců, obsluhy strojů, pomocných dělníků a důchodců.
50
Graf 31: Srovnání hodnot P/I a variačního koeficientu v roce 2006 (u všech 60 typů domácností)
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Do roku 2003 můžeme pozorovat, a to pro všechny 4 shluky domácností, růst regionálních rozdílů ve finanční dostupnosti vlastnického bydlení a od roku 2003 začínají regionální rozdíly naopak klesat. Pokles po roce 2003 však není zdaleka tak razantní jako u „neprivilegovaného“ nájemního bydlení. Srovnáme-li variační koeficienty v roce 2000 a 2006, pak pouze u skupiny domácností manažerů byl variační koeficient v roce 2006 nižší než v roce 2000 (viz tabulka 9).
51
Tabulka 9: Skupiny domácností podle hodnoty variačního koeficientu v roce 2000, 2003 a 2006 Počet Zastoupení v ČR Variační koeficient (%) - P/I typů (%) - SLDB 2001 Maximum Průměr Minimum 2000 39,64 39,64 39,64 8 3,66 velmi vysoký variační 2003 48,39 48,39 48,39 koeficient 2006 41,01 41,01 41,01 2000 36,88 34,98 31,42 26 56,11 spíše vysoký variační 2003 46,32 43,28 40,32 koeficient 2006 38,42 35,81 34,14 2000 33,09 30,93 28,19 20 15,93 spíše nízký variační 2003 39,68 36,84 35,18 koeficient 2006 33,22 30,98 29,60 2000 30,16 29,36 28,87 6 2,56 velmi nízký variační 2003 33,64 31,84 31,27 koeficient 2006 27,65 25,92 25,45 Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Podrobnější poznatek přináší graf 32, který zobrazuje vývoj variačního koeficientu v jednotlivých letech v období od roku 2000 do roku 2006 pro vybrané typy domácností. Od roku 2000 rostly rozdíly v hodnotě P/I mezi regiony u všech typů domácností (nejméně však u manažerů). Od roku 2003 do roku 2004 se regionální rozdíly prudce snižují. Zdůvodnění lze odvodit přímo z grafu 23 - mezi roky 2003 a 2004 v Praze a v Jihočeském kraji totiž hodnota P/I klesá, zatímco v ostatních regionech s nízkou úrovní P/I ve stejném období stále roste. V letech 2005 až 2006 dochází naopak k mírnému nárůstu regionálních rozdílů ve finanční dostupnosti vlastnického bydlení u všech typů domácností kromě manažerů.
52
Graf 32: Vývoj variačního koeficientu pro hodnoty P/I u rodinných domácností 50,0% 48,39%
47,5% 45,63%
45,0% 42,5% 40,0%
44,73%
43,59% 41,79% 39,64%
39,82%
35,0%
34,56%
35,71%
32,5%
32,52%
41,01%
40,06%
37,5%
37,43% 34,47% 32,76%
31,52%
30,0% 27,5%
28,69% 25,64%
25,0% 2000
2001
2002
2003
2004
2005
2006
manažeři, 2 děti
vědci a odborníci, 2 děti
řemeslníci, 2 děti
pomocní dělníci, 2 děti
technici, úředníci, provozní, 2 děti
technici, úředníci, provozní - samoživitelé
technici, úředníci, provozní bez dětí
důchodce
cena bytu
nezaměstnaní, 2 děti
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Sledujeme-li vývoj regionálních disparit prostřednictvím vývoje tzv. koeficientu beta,7 který využívá graf 33, pak se ukazuje, že mezi roky 2000 až 2003 došlo ke zřetelnému nárůstu regionálních rozdílů ve finanční dostupnosti vlastnického bydlení u všech typů domácností kromě příjmově nejsilnějších (manažerů). Tento nárůst regionálních rozdílů je způsoben zejména prudkým růstem hodnoty P/I v Praze, v regionu s již nejvyšší hodnotou P/I, a naopak stagnací hodnoty P/I v Ústeckém kraji, kde byla hodnota P/I nejnižší. V období od roku 2003 do roku 2005 hodnota P/I naopak roste v Ústeckém kraji a v Praze klesá, což se také projevuje ve snižování regionálních rozdílů. Mezi roky 2005 až 2006 nedochází, dle tohoto měření, k významnému růstu ani poklesu regionálních disparit, neboť se hodnoty korelačního koeficientu pohybují v rozmezí od 0 do 0,2. Pokud se zaměříme na celkový vývoj regionálních disparit v období 2000 až 2006, pak docházíme ke zjištění, že disparity se významně snížily pouze u příjmově nejsilnějších domácností.
7
Koeficient beta (koeficient beta konvergence/ divergence) představuje korelační koeficient mezi relativními ročními přírůstky indikátoru P/I a hodnotami P/I ve výchozím roce.
53
Graf 33: Příklady vývoje koeficientu beta pro různé typy domácností Starobní důchodce
Provoz ní a ze mě dě lci, je dnotlivec 0,8
2000/2003
0,6
2000/2001
0,8
2002/2003
2000/2003
0,6
0,4
2001/2002
0,4
0,2
2001/2002
2002/2003
0,2
0
0 2005/2006
-0,2 2000/2006
-0,2 2000/2006
2005/2006
-0,4
-0,4 -0,6
2004/2005 2003/2004
-0,8
2003/2006
2004/2005
-0,6 -0,8
2003/2006
2003/2004
-1
-1
Manaž eři, je dnotlivec
Te chnici, 2 dě ti 1
1
0,8
0,8
2000/2003
0,6 0,4
2000/2001
0,6
2001/2002
2002/2003
0,4
2002/2003
0,2
0,2 0
0 -0,2 2000/2006
2005/2006
-0,2 2000/2006 -0,4
-0,4
2000/2003
2001/2002 2000/2001
-0,8 2003/2006
2004/2005 2003/2004
-0,8
2005/2006 2004/2005
-0,6
-0,6
-1
2000/2001
2003/2006
2003/2004
-1
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Rozdíly mezi konkrétními kraji pro vybrané typy domácností v roce 2006 ukazuje graf 34. V roce 2006 se hodnota P/I pohybovala v poměrně širokém intervalu od 1,98 u manažerů v Ústeckém kraji po 22,07 u samoživitelek na mateřské dovolené v Praze. U všech typů domácností se však vždy výrazně odlišují dva kraje - Praha s vysokou hodnotou P/I a Ústecký kraj naopak s nízkou hodnotou P/I. U domácností příjmově nejslabších jsou regionální rozdíly opět největší; kromě Prahy a Ústeckého kraje se výrazně odlišuje také Moravskoslezský kraj. S vyššími kategoriemi zaměstnání regionální rozdíly již nejsou tak významné a v zásadě se již od zbytku krajů odlišuje jen Praha. Pohled na referenční kategorie techniků (elektromechaniků, zdravotních sester, učitelek v mateřské školce apod.) nám zprostředkovává srovnání finanční dostupnosti bydlení pro různé domácnosti podle jejich velikosti. Nejnižší finanční dostupnost vlastnického bydlení nalézáme u domácností se dvěma dětmi, ve kterých je jeden rodič na rodičovské dovolené, a jen o něco nižší finanční dostupnost bydlení mají domácnosti zaměstnaného samoživitele s jedním dítětem; nejlépe si samozřejmě vedou domácnosti bezdětných párů, kde jsou oba členové domácnosti zaměstnaní. Třebaže v obou typech domácností mají zaměstnaní členové stejný příjem a navíc domácnosti se dvěma dětmi pobírají rodičovský příspěvek a vyšší přídavky na děti, tyto zvýšené dávky nepokrývají vyšší náklady na větší „přiměřené“ bydlení těchto rodin.
54
Graf 34: Hodnoty P/I v roce 2006 u vybraných typů domácností v jednotlivých krajích
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Stejně jako při analýze finanční dostupnosti tržního nájemního bydlení je relevantní si položit otázku, zda přílišná odlišnost Prahy vůči ostatním regionům není dána specifikou tohoto regionu, který je tvořen pouze jedním městem. Jelikož nemáme k dispozici data o příjmech domácností v krajských městech, budeme stejně jako u odhadu míry zatížení tržním nájemným předpokládat, že průměrný příjem domácností v krajských městech se shoduje s průměrným příjmem v krajích. Narozdíl od finanční dostupnosti nájemního bydlení srovnání hodnoty P/I v krajských městech a v Praze neukazuje, že by situace v Praze byla v roce 2006 srovnatelná se situací v Brně a jiných velkých krajských městech (graf 35); Praha dominuje u všech typů domácností (i když nejméně u domácností manažerů).
55
Graf 35: Hodnoty P/I v roce 2006 u vybraných typů domácností v jednotlivých krajských městech
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Graf 36 ukazuje, jak se regionální rozdíly mezi kraji a krajskými městy vyvíjely v celém sledovaném období od roku 2000 do roku 2006. Vývoj hodnoty P/I pro jednotlivé shluky domácností je sledován ve čtyřech největších městech České republiky a současně v krajích, přičemž Praha je srovnávána se Středočeským krajem rozšířeným o Prahu (tzv. centrální region). Hodnota P/I pro jednotlivá krajská města byla vypočítána jako vážený průměr hodnot P/I pro jednotlivé typy domácností; vahami bylo ovšem zastoupení jednotlivých typů domácností v celém kraji (nemáme k dispozici data o zastoupení jednotlivých typů domácností v krajských městech). Graf 37 proto poskytuje alternativní srovnání pouze pro vybrané typy domácností. Vývoj hodnot P/I je v obou grafech podobný; je zřejmé, že pro všechny shluky domácností v celém sledovaném období je nejvyšší hodnota P/I patrná v Praze a centrálním regionu (Středočeském kraji spojeném s Prahou); rozdíly ve finanční dostupnosti vlastnického bydlení mezi krajem a krajským městem jsou obecně nejvyšší pro centrální region a nejnižší naopak pro Moravskoslezský kraj.
56
Graf 36: Srovnání souhrnného P/I ve vybraných krajích a příslušných krajských městech pro shluky domácností podle výše hodnoty P/I (2000 – 2006) 16
16
Domácnosti s ne jvyšší hodnotou P/I
15
15
14
14
13
13
12
12
11
11
10
10
9
9
8
8
7
7
6
6
5
5
4
4
3
3
2
2
1
Domácnosti s vyšší hodnotou P/I
1
2000
16
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P raha
Středočeský kraj a P raha
P raha
Středočeský kraj a P raha
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
P lzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
16
Domácnosti s niž ší hodnotou P/I
15
15
14
14
13
13
12
12
11
11
10
10
9
9
8
8
7
7
6
6
5
5
4
4
3
3
2
2
1
Domácnosti s ne jniž ší hodnotou P/I
1 2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P raha
Středočeský kraj a P raha
P raha
Středočeský kraj a P raha
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
P lzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
57
Graf 37: Srovnání P/I ve vybraných krajích a příslušných krajských městech pro vybrané typy domácností (2000 – 2006) 23
16
22
Zdravotní sestra (KZAM 3) -samoživite lka s jedním dítěte m
15
21
14
20 19
13
18 17
12
16
11
15
10
14 13
9
12
8
11
7
10 9
6
8 7
5
6
4
5 4
3
3
2
2 1
Rodičovská dovolená (samoživitelka) - 1 dítě
0
1 0
2000
16
2001
2002
2003
2004
2005
2006
2001
2002
2003
2004
2005
2006
Středočeský kraj a P raha
P raha
Středočeský kraj a P raha
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
Plzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
Elektrotechnik a zdravotní sestra (KZAM 3) - 2 dě ti
15
2000
Praha
16
Manaž eři - 2 dě ti
15
14
14
13
13
12
12
11
11
10
10
9
9
8
8
7
7
6
6
5
5
4
4
3
3
2
2
1
1
0
0
2000
2001
2002
2003
2004
2005
2006
2000
2001
2002
2003
2004
2005
2006
P raha
Středočeský kraj a P raha
P raha
Středočeský kraj a P raha
Brno
Jihomoravský kraj
Brno
Jihomoravský kraj
Ostrava
Moravskoslezský kraj
Ostrava
Moravskoslezský kraj
P lzeň
P lzeňský kraj
P lzeň
P lzeňský kraj
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
58
Doposud jsme se zabývali finanční dostupností vlastnického bydlení měřenou indikátorem P/I pro jednotlivé domácnosti, jimž bylo „přiděleno“ přiměřené bydlení v bytovém domě. Jinou variantou bydlení je však bydlení v rodinném domě, kterou také nemalá část domácností preferuje. Finanční dostupnost bydlení ve vlastním rodinném domě byla měřena obdobně jako finanční dostupnost bydlení v bytě, s tím rozdílem, že všem domácnostem byl přiřazen standardní rodinný dům o velikosti 136 m2 užitkové plochy na parcele 900 m2 (viz Příloha 5). Pro domácnosti jednotlivců, důchodců a samoživitelů je toto bydlení nepřiměřeně veliké a pro nižší příjmové skupiny domácností finančně nedostupné (graf 38). V další analýze finanční dostupnosti tohoto typu bydlení jsme se tedy zaměřili především na rodinné domácnosti se dvěma dětmi. V roce 2006 byl tento typ bydlení u všech typů domácností nejdostupnější v Olomoucké kraji a naopak nejméně dostupný v Praze. Graf 38: Hodnoty P/I pro rodinné domy v roce 2006 u vybraných typů domácností v jednotlivých krajích
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Vývoj souhrnného indexu finanční dostupnosti bydlení v rodinném domě pro rodiny se dvěma dětmi v letech 2000 až 2006 byl spočítán jako průměr hodnot P/I pro jednotlivé rodinné domácnosti se dvěma dětmi (graf 29). Hodnota P/I od roku 2000 do roku 2002 spíše stagnovala nebo jen mírně rostla, v letech 2003 a 2004 rostla ve všech krajích (nejvíce však v Praze) a od konce roku 2004 naopak hodnota P/I ve většině krajů klesá či stagnuje. Vývoj souhrnného indexu P/I pro rodinné domy odhaluje několik zajímavých poznatků ve srovnání se souhrnným indexem P/I pro byty. Na rozdíl od finanční dostupnosti vlastnického bydlení v bytech je finanční dostupnost bydlení v rodinných domech největší v Olomouckém kraji; Jihomoravský kraj také již nezabírá přední místa v nízké finanční dostupnosti bydlení a Moravskoslezský kraj, který se vyznačuje relativně dobrou finanční dostupností bydlení v bytech, patří naopak k regionům se spíše nižší finanční dostupností bydlení v rodinných domech. Přiblížení se 59
hodnoty P/I ve Středočeském kraji k hodnotám P/I v Praze pravděpodobně odráží suburbanizační procesy v zázemí hlavního města. Graf 39: Souhrnná hodnota P/I pro bydlení v rodinném domě a rodiny se dvěma dětmi v letech 2000 až 2006 11,0 10,56
10,5
10,44
10,0
9,96 9,68
9,5 9,0
Souhrnný index P/I
8,5
8,88 8,64
8,63
8,0 7,5 7,0 6,5
6,47
6,0 5,59
5,72
5,5 5,0
5,38 5,18
5,10
4,81
4,77
4,5
4,52
4,74
4,73
4,65
4,47
4,0 2000
2001
2002
2003
PRA
ST C
JC
PZ
KV
VYS
JM
OL
ZL
MS
2004 UL
2005 LI
2006 HK
PA
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Ohrožení finanční nedostupností vlastnického bydlení Tato kapitola se zaměřuje otázku, zda jsou některé domácnosti potencionálně ohrožené finanční nedostupností vlastnického bydlení, o jaké domácnosti se jedná a jak jsou zastoupeny v jednotlivých krajích. V roce 2000 část domácností v Praze a Jihomoravském kraji (zejména domácnosti závislé na sociálních dávkách a domácnosti zaměstnaných z nejnižších kategorií klasifikace KZAM) dosahovala hodnot P/I nad hodnotu 7, hodnoty P/I většiny ostatních domácností se pohybovaly do hodnoty 5 (graf 40). V roce 2006 však zastoupení domácností s hodnotou P/I nad sedm prudce vrostl a týkal se poměrně vysokého počtu typů domácností nejen v Praze a Jihomoravském kraji, ale také ve Zlínském, Pardubickém, Plzeňském a Středočeském kraji. Pokud tyto typy domácností budeme kvantifikovat na základě zastoupení dané domácnosti v kraji podle SLDB 2001, pak P/I převážné části domácností se stále pohybuje pod hranicí 5 v roce 2000 i v roce 2006; v roce 2006 ovšem můžeme zaznamenat přesun velké části domácností z kategorie P/I v intervalu od tří do pěti do kategorie P/I v intervalu od pěti do sedmi. V roce 2006 převyšovala již hodnota P/I hodnotu 7 v Praze u 60
29 % domácností, v Jihomoravském kraji u 18 % domácností a ve Středočeském kraji rovněž u 18 % domácností.
61
Graf 40: Počet zkoumaných domácností v různých kategoriích podle hodnoty P/I v roce 2000 a 2006 a jejich zastoupení v jednotlivých krajích podle SLDB 2001 Počet domácností v roce 2000
Počet domácností v roce 2006
52
Moravskoslezský kraj
8
29
Zlínský kraj
22 37
Olomoucký kraj 17
Jihomoravský kraj
26
Zlínský kraj
31
Olomoucký kraj
11
27
Vysočina
8 1 19
6
25
Pardubický kraj
33
Královéhradecký kraj
31 46
Liberecký kraj
37
Karlovarský kraj
Královéhradecký kraj
25
2
Liberecký kraj
2
Ústecký kraj
31
Karlovarský kraj
24
2
Plzeňský kraj
7 1
Jihočeský kraj
3
Středočeský kraj
8
33
Jihočeský kraj
19
30
Středočeský kraj 9
Praha 0%
20
17
15
20%
méně než 3
40%
3-5
7
5-7
60%
80%
více než 7
60,93
Moravskoslezský kraj 24,19
Zlínský kraj
Jihomoravský kraj
13,39
37,66 43,17
Liberecký kraj
23,92
Plzeňský kraj
29,35
Jihočeský kraj
Praha 6,12 0% méně než 3
17,26 20% 3-5
14,66 40%
5-7
60%
27
5
17
20%
4 10
26
40%
3-5
5-7
60%
80%
100%
více než 7
18,73
42,71
15,95
23,65
22,43
18,4
17,51
18,08
11,5
16,27
27,53
18,1
14,87
24,57
24,14
20,68
26,93
15,59
Liberecký kraj Ústecký kraj
Praha 3,53 11,42
100%
0%
více než 7
méně než 3
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
62
20% 3-5
15,27
22,3
25,26 14,96
16,01
31,24
16,2
Středočeský kraj
13,29
17,43
28,96
Plzeňský kraj
20,39
6,30
59,78
Karlovarský kraj
15,43
14,57
17,61
28,67
Jihočeský kraj
80%
7
Královéhradecký kraj
16,07
19,29
19
15,39
33,14
26,54
Středočeský kraj
9
27,69
21,29 24,46
4
4
20,09
3,69 0
38,39
Karlovarský kraj
6
28
11
4
Pardubický kraj
18,19 62,39
Ústecký kraj
6
Vysočina
25,35
25,36
Královéhradecký kraj
7 6
16
18
Jihomoravský kraj
39,45
38,33
Pardubický kraj
4
9
30
Olomoucký kraj
18,07
23,95
Vysočina
9
18
19
Zlínský kraj
22,08 30,73
3
24
Moravskoslezský kraj
16,48
40,33
Olomoucký kraj
7
Zastoupení domácností v krajích podle SLDB 2001 v roce 2006 5,590
23,24
24
34
méně než 3
Zastoupení domácností v krajích podle SLDB 2001 v roce 2000
4
51
0%
100%
11
22
32
Praha
19
7
12
27
7 1
9 5
23
24
6 1
5
24
14
Jihomoravský kraj
Pardubický kraj
19
26
Plzeňský kraj
24
41
58
Ústecký kraj
26
Vysočina
12
10
20
7 1 22
21
43
Moravskoslezský kraj
17,63
28,83
29,21
14,27 40% 5-7
60% více než 7
80%
100%
Jiný pohled na potencionální ohrožení finanční nedostupností vlastnického bydlení představuje otázka, zda by domácnosti podle standardních kritérií hypotečních bank byly považovány za bonitní, tj. schopné splácet hypotéku na daný byt či rodinný dům. Za bonitní domácnosti považujeme všechny domácnosti, jejichž čistý měsíční příjem je vyšší než součet 1,5-násobku jejich životního minima a 1,25-násobku vypočtené měsíční splátky hypotéky na byt přiměřené velikosti. Domácnosti, která tyto kritéria nesplňují, považujeme za nebonitní a současně potencionálně ohrožené finanční nedostupností vlastnického bydlení. Mezi tyto domácnosti patří kromě domácností částečně či zcela závislých na sociálních dávkách a domácností starobních důchodců i domácnosti samoživitelů, domácnosti pomocných dělníků, provozních ve službách a zemědělců. Největší zastoupení těchto domácností v roce 2000 nebylo v Praze, ale v Jihomoravském kraji a na Vysočině (graf 41). V roce 2006 došlo ovšem ke snížení podílu domácností hodnocených jako „nebonitních“, a to ve všech krajích. Přestože totiž v roce 2006 oproti roku 2000 ceny bytů prudce vzrostly a zvýšila se tak i hodnota P/I téměř pro všechny typy domácnosti, hypoteční úvěry na pořízení bydlení se během tohoto období staly dostupnější; jednak došlo ke snížení průměrných úrokových sazeb úvěrů na bydlení (ze 7,01 % v roce 2000 na 4,18 % v roce 2006) a jednak zvýšení čistých příjmů domácností převýšilo růst životního minima používaného pro hodnocení bonity žadatele o úvěr - zatímco v roce 2000 čisté příjmy domácností byly v průměru 2,27-krát vyšší než životní minimum, v roce 2006 čisté příjmy již představovaly 2,75-násobku životního minima.8 Souhra zmíněných faktorů vedla k tomu, že v roce 2006 by si mnohem více domácností mohlo dovolit ze svých příjmů hradit splátky hypotečního úvěru.
8
V některých regionech (např. v Praze a ve Středočeském kraji) byl nárůst čistých příjmů domácností oproti životního minima ještě vyšší a stejně tak byl nárůst vyšší u domácností s vyššími příjmy.
63
Graf 41: Bonita domácnosti pro poskytnutí hypotečního úvěru na přiměřený byt Zastoupení domácností v krajích (podle SLDB 2001) v roce 2000 Moravskoslezský kraj
38,64
27,88
Zlínský kraj
21,72
44,08
23,9
Moravskoslezský kraj
25,63
39,86
Olomoucký kraj
Zastoupení domácností v krajích (podle SLDB 2001) v roce 2006 42,62
Zlínský kraj
37,25
28,24
Olomoucký kraj
36,64
29,16
Jihomoravský kraj
50,04
15,45
Jihomoravský kraj
37,7
27,79
Vysočina
50,94
14,83
Vysočina
35,72
30,05
Pardubický kraj
35,58
30,61
Královéhradecký kraj
34,43
31,11
Pardubický kraj
17,56
48,63
Královéhradecký kraj
23,83
41,71
Liberecký kraj
28,58
34,87
Ústecký kraj
38,36
27,72
29,83
Liberecký kraj Ústecký kraj
22,08
44
Karlovarský kraj
22,28
41,69
Karlovarský kraj
40,17
23,8
Plzeňský kraj
42,31
24,05
Plzeňský kraj
36,4
Jihočeský kraj
40,19
24,72
Jihočeský kraj
33,6
Středočeský kraj
37,56
25,9
Praha 0%
20% ne
40%
60%
80%
0%
ano
31,31 28,41
36,05
Praha
100%
29,96
35,05
Středočeský kraj
19,29
39,14
33,62
20% ne
40%
22,38 60%
80%
100%
ano
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Stejně jako jsme sledovali bonitu domácností pro poskytnutí hypotečního úvěru na byt, je možné také sledovat bonitu domácností pro poskytnutí úvěru na pořízení rodinného domu. Podíl domácností, které by banky považovaly za bonitní v případě koupě rodinného domu, je přirozeně nižší než v případě koupě bytu. Jak ovšem ukazuje graf 42, podíl těchto domácností v roce 2006 oproti roku 2000 ve všech krajích výrazně vzrostl. Zaměříme-li se pouze na rodinné domácnosti se dvěma dětmi, pro něž je typ bydlení v rodinném domě svou velikostí odpovídající, tak rovněž zjišťujeme (graf 43), že ačkoliv je pro většinu těchto domácností bydlení v rodinném domě stále finančně nedostupné, i mezi nimi v období mezi rokem 2000 a 2006 vzrostl podíl těch domácností, které by byly bankami hodnoceny jako bonitní. Důvody větší dostupnosti hypotečních úvěrů na pořízení rodinného domu v roce 2006 lze opět hledat ve snížení úrokových sazeb a razantnějším růstu mezd, který převýšil růst životního minima.
64
Graf 42: Bonita domácností pro poskytnutí hypotečního úvěru na rodinný dům Zastoupení domácností v krajích (podle SLDB 2001) v roce 2000 Moravskoslezský kraj
3,51
63,01
Zlínský kraj
Zastoupení domácností v krajích (podle SLDB 2001) v roce 2006 Moravskoslezský kraj
52,91
13,61
Zlínský kraj
50,89
14,6
49,8
16
53,36
12,13
9,8
55,69
Olomoucký kraj
61,94
3,86
Olomoucký kraj
Jihomoravský kraj
62,19
3,3
Jihomoravský kraj
Vysočina
63,87
1,9
Vysočina
50,32
Pardubický kraj
63,82
2,37
Pardubický kraj
53,9
12,29
53,17
12,37
15,45
Královéhradecký kraj
61,13
4,41
Královéhradecký kraj
Liberecký kraj
60,66
2,79
Liberecký kraj
49,38
14,07
62,3
3,78
Ústecký kraj
51,66
14,42
Karlovarský kraj
61,23
2,74
Karlovarský kraj
49,86
14,11
Plzeňský kraj
62,35
4,01
Plzeňský kraj
50,16
16,2
Jihočeský kraj
60,1
4,81
Jihočeský kraj
52,4
12,51
Středočeský kraj
59,46
4
52,13
11,33
Praha
55,95
2,48
Ústecký kraj
0%
20% ne
40%
60%
80%
Středočeský kraj Praha
100%
53,44 0%
ano
20% ne
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
65
40% ano
4,99 60%
80%
100%
Graf 43: Bonita rodinných domácností se dvěma dětmi pro poskytnutí hypotečního úvěru na rodinný dům Zastoupení domácností v krajích (podle SLDB 2001) v roce 2000 7,88
Moravskoslezský kraj Zlínský kraj
Zastoupení domácností v krajích (podle SLDB 2001) v roce 2006 0,41
6,36
Moravskoslezský kraj Zlínský kraj
1,18
2,14
6,15
2,43
5,11
Olomoucký kraj
7,7
0,45
Olomoucký kraj
Jihomoravský kraj
7,02
0,52
Jihomoravský kraj
Vysočina
9,09
0,56
Vysočina
7,04
2,61
Pardubický kraj
7,77
0,52
Pardubický kraj
5,89
2,4
Královéhradecký kraj
7,02
0,53
Královéhradecký kraj
5,17
2,38
Liberecký kraj
6,2
0,45
Liberecký kraj
4,63
2,02
6
0,34
Ústecký kraj
4,74
1,6
Karlovarský kraj
5,48
0,3
Karlovarský kraj
4,33
1,45
Plzeňský kraj
6,74
0,47
Plzeňský kraj
5,08
2,13
Ústecký kraj
2,37
5,78
2,43
5,11
Jihočeský kraj
6,92
1,07
Jihočeský kraj
5,5
2,49
Středočeský kraj
5,94
0,83
Středočeský kraj
4,8
1,97
Praha
3,46
0,38
Praha
2,76
1,08
0%
20% ne
40%
60%
80%
0%
100%
20% ne
ano
40%
60%
80%
100%
ano
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
Závěr Z analýzy vývoje regionálních rozdílů ve finanční dostupnosti nájemního bydlení vyplývá, že vývoj finanční dostupnosti pro segment „privilegovaného“ a „neprivilegovaného“ nájemního bydlení je značně odlišný. Míra zatížení regulovaným nájemným od roku 2000 ve všech krajích klesá, regionální rozdíly v míře zatížení domácností v „privilegovaném“ nájemním bydlení jsou malé (omezují se pouze na výrazně vyšší míru zatížení v Praze vzhledem k ostatním krajům) a v období let 2000 – 2006 se regionální rozdíly na základě výpočtu variačního koeficientu v podstatně vůbec nezměnily. Ohrožení potencionální finanční nedostupností tohoto typu bydlení bylo v letech 2000 až 2006 minimální a postihovalo pouze domácnosti dlouhodobě nezaměstnaných v Praze. Finanční dostupnost bydlení v segmentu „neprivilegovaného“ nájemního bydlení se jak z hlediska vývoje míry zatížení, regionálních disparit i vývoje regionálních disparit jeví jako mnohem proměnlivější. Od roku 2000 do roku 2003 dochází k nárůstu regionálních disparit ve finanční dostupnosti tržního nájemního bydlení a naopak od roku 2004 tyto regionální disparity klesají. Tento vývoj lze připodobnit k vlně. Nejdříve se nájemné zvyšuje v regionech s již vysokým nájemným a regionální nerovnosti dosahují svého vrcholu v roce 2003; následně pak dochází ke „slévání“ rozdílů, u regionů s vyšším nájemným další vývoj stagnuje a regiony s nižším nájemným je dohánějí. Podrobnější zkoumání rozdílů mezi konkrétními regiony v roce 2006 odhalilo, že ze skupiny regionů vystupují tři kraje: Ústecký kraj na straně nižší míry zatížení a Praha a Jihomoravský kraj na straně opačné. Z hlediska vývoje míry zatížení 66
samotné se významně odlišuje Moravskoslezský kraj, který byl v roce 2000 v dostupnosti bydlení na úrovni Ústeckého kraje, ovšem v roce 2006 se již přesunul do středu skupiny většiny krajů. Srovnání míry zatížení v roce 2006 v krajských městech překvapivě ukázalo, že míra zatížení domácností v Praze ve srovnání s jinými krajskými městy (zejména s Brnem) není nikterak výrazně vyšší a odlišnost Prahy v krajském srovnání je tak způsobena specifickým postavením hlavního města (jež je současné obcí i krajem). Potencionální finanční nedostupnost tržního nájemního bydlení v letech 2000 až 2006 nejvíce ohrožovala domácnosti závislé na sociálních dávkách, domácnosti starobních důchodců a také pracovníků s nižším postavením v zaměstnání a rodin, kde je pouze jeden člen zaměstnán, a to zejména v Praze a v Jihomoravském kraji. Míra zatížení tržním nájmem těchto domácností se v mnohých krajích pohybovala nad hranicí 30 %. Po kvantifikaci ohrožených typů domácností na základě zastoupení v krajích podle SLDB 2001 docházíme ke zjištění, že celkem 39 % všech domácností v Praze a 41 % domácností v Jihomoravském kraji by mělo míru zatížení tržním nájmem v roce 2006 vyšší než 30 %. Z pohledu reziduálního příjmu je podíl domácností ohrožených finanční nedostupností nájemního bydlení nižší – ve stejném roce by reziduální příjem 17 % domácností v Praze a 19 % domácností v Jihomoravském kraji nedosahoval 1,5násobku životních nákladů členů domácnosti. Skupina domácností nezaměstnaných, starobních důchodců a nižších kategorií zaměstnání (provozní, zemědělci, řemeslníci a dělníci) patří mezi nejohroženější; nerovnosti mezi regiony jsou zde největší a nejméně se také snižují v čase. Analýza vývoje míry zatížení tržním nájmem u jednotlivých typů domácností v jednotlivých regionech také odhalila, že mezi domácnostmi s vyššími příjmy (mezi domácnostmi vedoucích a řídících pracovníků i odborníků a specialistů) nejsou regionální rozdíly zdaleka tak významné jako mezi příjmově nejslabšími domácnostmi. V regionech s vysokou úrovní nájemného (Praha, Jihomoravský kraj) totiž dosahuje výše čistého příjmu kvalifikovaných zaměstnanců výrazně vyšší úrovně než ve většině ostatních regionů, kdežto příjem pracovníků s nižší kvalifikací je sice vyšší než v ostatní regionech, ale ne v takové míře. Nezávisle na tom, zda žije a pracuje rodina manažera v Praze, v Brně či v Českých Budějovicích, bude potencionální míra zatížení těchto rodin obdobná. U nižších kategorií zaměstnání se však míra zatížení mezi jednotlivými kraji začíná výrazně lišit. Jinými slovy, pro určité typy domácností by bylo velmi náročné či téměř nemožné dovolit si bydlet ve vyspělejších „dražších“ regionech. Tato potencionální bariéra v migraci mezi regiony může pak mít negativní důsledky pro trh práce, neboť například pro rodiny provozních, prodavaček a jiných zaměstnanců ve službách, ale i pro rodiny řemeslníků by bylo velmi obtížné bydlet v Praze, byť jsou tyto profese v hlavním městě velmi poptávané. Tyto domácnosti z hlediska racionálního rozhodnutí „logicky“ zůstávají v regionech s vyšší dostupností bydlení, i když s často vysokou nezaměstnaností a nízkou nabídkou pracovních příležitostí. Jiné potencionální riziko může představovat poměrně velký rozdíl ve finanční dostupnosti nájemního bydlení pro rodiny, kde je jeden člen na rodičovské dovolené - nedostupnost bydlení pro rodinné domácnosti totiž může ovlivňovat demografické chování mladých lidí. V Praze a Jihomoravském kraji dokonce většina rodinných domácností, ve kterých je pouze jeden člen výdělečně činný, spadala do skupiny domácností potencionálně ohrožených finanční nedostupností bydlení. Zejména v těchto krajích tak lze očekávat, že budou mladí lidé odkládat založení rodiny či se stěhovat do míst s vyšší dostupností bydlení. Vývoj finanční dostupnosti vlastnického bydlení v jednotlivých regionech ČR v letech 2000 až 2006 má částečně obdobný průběh jako vývoj finanční dostupnosti „neprivilegovaného“ nájemního bydlení. Hodnota indikátoru P/I roste ve většině regionů od roku 2000 do roku
67
2004, pak se růst zastavuje a pokračuje až v posledním období od roku 2005 do roku 2006. Z hlediska vývoje regionálních disparit, v období od roku 2000 do roku 2003 regionální rozdíly rostou, avšak v roce 2003 se tento trend obrací a regionální rozdíly začínají prudce klesat a pokles pokračuje i v roce 2005. Tento pokles byl zejména způsoben odlišným vývojem hodnot P/I v Praze a Jihomoravském kraji oproti zbytku krajů. Zatímco indikátor P/I pro většinu typů domácností v Praze a Jihomoravském kraji klesá, v ostatních krajích ještě v roce 2004 roste. Největší regionální rozdíly opět nalezneme u domácností dlouhodobě nezaměstnaných, starobních důchodců a nižších kategorií zaměstnání (provozní, zemědělci, řemeslníci a dělníci) a naopak minimální rozdíly jsou v dostupnosti vlastnického bydlení mezi regiony pro rodiny vedoucích a řídících pracovníků. Regionem, který se nejvíce diferencuje od většiny ostatních krajů, je Praha, a u domácností s nižšími příjmy také Ústecký a Moravskoslezský kraj. V Praze je dostupnost bydlení nejnižší, v Ústeckém a Moravskoslezském kraji naopak nejvyšší. Analýza finanční dostupnosti vlastnického bydlení v krajských městech ukazuje, že Praha, na rozdíl od situace v tržním nájemním bydlení, dominuje také mezi krajskými městy. Při analýzách jsme se také zaměřili na vývoj finanční dostupnosti bydlení ve vlastním rodinném domě, a to zejména pro rodiny se dvěma dětmi. Na rozdíl od finanční dostupnosti vlastnického bydlení v bytech je finanční dostupnost bydlení v rodinných domech nejlepší v Olomouckém kraji; Jihomoravský kraj již dle hodnoty P/I nezaujímá druhé místo za Prahou a naopak Moravskoslezský kraj, který se vyznačuje relativně dobrou finanční dostupností bydlení v bytech, patří k regionům se spíše nižší finanční dostupností bydlení v rodinných domech. Přiblížení se hodnoty P/I ve Středočeském kraji k hodnotám P/I v Praze v posledních letech zřejmě odráží suburbanizační procesy v zázemí hlavního města. I pro vlastnické bydlení platí, že potencionální finanční nedostupnost v letech 2000 až 2006 nejvíce ohrožovala domácnosti závislé na sociálních dávkách, domácnosti starobních důchodců a také pracovníků s nižším postavením v zaměstnání a rodin, kde je pouze jeden člen zaměstnán. Kvantifikujeme-li jednotlivé typy domácností podle zastoupení v kraji dle SLDB v roce 2001, pak se výše indikátoru P/I převážné části domácností pohybuje pod hodnotou 5 v roce 2000 i v roce 2006. Nejvíce potenciálně ohrožených domácností nalézáme v Praze, v Jihomoravském a Středočeském kraji; v roce 2006 dosahovalo v Praze 29 % domácností hodnoty P/I vyšší než 7, v Jihomoravském kraji pak 18 % domácností a ve Středočeském kraji rovněž 18 % domácností. Mezi domácnosti potencionálně ohrožené finanční nedostupností bydlení lze také zahrnout domácnosti, které by podle standardních kritérií hypotečních bank nebyly považovány za „bonitní“ pro poskytnutí hypotečního úvěru, tj. nebyly by považovány za schopné splácet hypotéku na daný byt. Mezi tyto domácnosti patří kromě domácností částečně či zcela závislých na sociálních dávkách, domácností starobních důchodců, domácnosti samoživitelů i domácnosti pomocných dělníků, provozních ve službách a zemědělců. Největší zastoupení „nebonitních“ domácností v roce 2000 nebylo v Praze, ale v Jihomoravském kraji (50 %) a na Vysočině (51 %); v roce 2006 pak opět v Jihomoravském kraji (38 %) a ve Zlínském kraji (37 %). Pozitivním je výrazné snížení podílu domácností hodnocených jako „nebonitních“ ve všech krajích v období mezi rokem 2000 až 2006. Jelikož ve většině regionů došlo ke zvýšení hodnoty P/I, zdá se být paradoxní, že současně dochází ke zvýšení dostupnosti hypotečních úvěrů určených na pořízení „přiměřeného“ bydlení. Tato situace má hned dva důvody. Jednak ve sledovaném období došlo ke snížení úrokových sazeb a jednak příjmy domácností rostly rychleji než životní minimum používané jako bonitní kritérium.
68
Výsledky analýz regionálních disparit ve finanční dostupnosti nájemního i vlastnického bydlení ukazují, že regionální disparity jsou patrné hlavně u nízkopříjmových domácností a největší regionální rozdíly nacházíme mezi těmito domácnostmi v Praze (v Brně) a domácnostmi v ostatních regionech. Od roku 2000 do roku 2003 se tyto rozdíly stávaly stále významnějšími, v roce 2003 se však tento trend zastavil a oproti situaci v roce 2003 se v roce 2006 regionální rozdíly v dostupnosti nájemního i vlastnického bydlení snížily. Ačkoliv podíl domácností ohrožených potencionální nedostupností nájemního bydlení se téměř ve všech regionech z hlediska reziduálního příjmu snižoval a zároveň se také snižoval počet domácností, které by si nemohly dovolit platit hypoteční úvěr na pořízení „přiměřeného“ bydlení, stále je nezanedbatelná část domácností ohrožena potencionální finanční nedostupností bydlení. Stejně jako pro regionální disparity ve finanční dostupnosti nájemního bydlení, tak také pro regionální disparity ve finanční dostupnosti vlastnického bydlení platí, že výrazné regionální rozdíly mohou mít vliv na diferenciaci struktury obyvatelstva v regionech, mohou způsobovat bariéry na trhu práce i ovlivňovat rodinné chování mladé generace. Tyto i jiné souvislosti budou podrobně zkoumány v rámci dalších dílčích cílu projektu „Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit“, které se budou hlavně zaměřovat na analýzu hlavních potenciálních důsledků vývoje finanční dostupnosti bydlení i regionálních disparit v této oblasti.
Literatura Hui, C. M. E. 2001. Measuring Affordability in Public Housing from Economic Principles: Case Study of Hong Kong. Journal of Urban Planning and Development Vol. 127, No. 1, Str. 34 - 49. Hulchanski, D. 1995. The Concept of Housing Affordability: Six Contemporary Uses of the Housing Expenditure-To-Income Ratio. Housing Studies 10: 471–492. Lux et al. 2006. Analýza opatření bytové politiky směřujících k podpoře flexibility práce v ČR. Praha: Sociologický ústav AV ČR. Lux M, P. Sunega, T. Kostelecký, D. Čermák 2003. Standardy bydlení 2002/03. Finanční dostupnost a postoje občanů. Praha: Sociologický ústav AV ČR. Lux M., P. Sunega, T. Kostelecký, D. Čermák, P. Košinár 2004. Standardy bydlení 2003/2004. Bytová politika v ČR: efektivněji a cíleněji. Praha: Sociologický ústav AV ČR. Lux, M. 2002. Finanční dostupnost bydlení v ČR a zemích EU. Praha: Národohospodářský ústav Josefa Hlávky. Lux, M. ed. 2003. Housing policy: An end or a new beginning? Budapešť: Open Society Institute. Lux, M., P. Burdová 2000. Výdaje na bydlení, sociální bydlení a napětí na trhu s bydlením (mezinárodní komparace a polistopadový vývoj v ČR). Praha: Národohospodářský ústav Josefa Hlávky. Lux, M., P. Sunega 2002. Modelování rovnovážné úrovně nájemného a důsledků aplikace vybraných nástrojů bytové politiky. Finance a úvěr 53: 31-59. Lux, M., P. Sunega 2006. Vývoj finanční dostupnosti nájemního a vlastnického bydlení v průběhu transformace českého hospodářství v České republice (1991 – 2003). Sociologický časopis/Czech Sociological Review 42 (5): 851-881. Lux, M., P. Sunega, T. Kostelecký, D. Čermák, J. Montag 2005. Standardy bydlení 2004/2005. Financování bydlení a regenerace sídlišť. Praha: Sociologický ústav AV ČR.
69
Přílohy Příloha 1 : Výčet všech typů domácností Typ Jednot. /pár Počet závislých. dětí
První dospělý člen Ekon. aktivita KZAM
Druhý dospělý člen Relat. četnost cenz. dom. v ČR Ekon. aktivita
1
1
0
starobní důchodce
2 3 4 5 6 7 8 9
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
nezaměstnaný zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec
14,37%
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
starobní důchodce nezaměstnaný starobní důchodce zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec
28 29 30 31 32 33 34 35 36
1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
nezaměstnaný rodičovská zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec
37
2
1
nezaměstnaný
nezaměstnaný
0,11%
38 39 40 41 42 43 44 45 46 47 48
2 2 2 2 2 2 2 2 2 2 2
1 1 1 1 1 1 1 1 1 1 1
nezaměstnaný zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec
KZAM 1 KZAM 2 KZAM 3 KZAM 4 KZAM 5, 6 KZAM 7, 8 KZAM 9 KZAM 7, 8 KZAM 3 KZAM 7, 8
rodičovská zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec nezaměstnaný rodičovská rodičovská
0,08% 0,36% 0,43% 1,03% 0,15% 0,41% 2,46% 0,20% 0,22% 0,19% 0,52%
49 50 51 52 53 54 55 56 57 58 59 60
2 2 2 2 2 2 2 2 2 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2
nezaměstnaný nezaměstnaný zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec
KZAM 1 KZAM 2 KZAM 3 KZAM 4 KZAM 5, 6 KZAM 7, 8 KZAM 9 KZAM 7, 8 KZAM 3 KZAM 7, 8
nezaměstnaný rodičovská zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec nezaměstnaný rodičovská rodičovská
0,11% 0,09% 0,45% 0,50% 1,20% 0,16% 0,44% 2,82% 0,19% 0,28% 0,23% 0,62%
1,67% 0,48% 1,17% 2,30% 0,61% 1,25% 3,03% 0,78%
KZAM 1 KZAM 2 KZAM 3 KZAM 4 KZAM 5, 6 KZAM 7, 8 KZAM 9
KZAM 1 KZAM 2 KZAM 3 KZAM 4 KZAM 5, 6 KZAM 7, 8 KZAM 9 KZAM 7, 8 KZAM 1 KZAM 2 KZAM 3 KZAM 4 KZAM 5, 6 KZAM 7, 8 KZAM 9
starobní důchodce nezaměstnaný nezaměstnaný zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec zaměstnanec nezaměstnaný starobní důchodce starobní důchodce starobní důchodce starobní důchodce starobní důchodce starobní důchodce starobní důchodce
0,54% 0,64% 0,12% 0,32% 0,82% 0,26% 0,47% 0,51% 0,25%
KZAM 1 KZAM 2 KZAM 3 KZAM 4 KZAM 5, 6 KZAM 7, 8 KZAM 9
70
10,96% 0,14% 0,26% 0,45% 0,56% 1,36% 0,23% 0,54% 3,74% 0,42% 0,26% 0,14% 0,23% 0,40% 0,07% 0,19% 1,12% 0,25%
Příloha 2: Zařazení typů domácností do skupin podle míry zatížení a P/I Typ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Jednot. /pár
Děti
1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
Osoba v čele domácnosti starobní důchodce nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci starobní důchodce nezaměstnaný starobní důchodce manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci nezaměstnaný rodičovská manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci nezaměstnaný nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů technici, zdrav. a pedag. prac. řemeslníci, obsluha strojů nezaměstnaný nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů technici, zdrav. a pedag. prac. řemeslníci, obsluha strojů
Partner/kaManžel/ka
starobní důch. nezaměst. nezaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch.
nezaměst. rodičovská zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. rodičovská rodičovská nezaměst. rodičovská zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. rodičovská rodičovská
Skupiny podle míry zatížení (tržní) velmi vysoká velmi vysoká velmi nízká velmi nízká spíše nízká spíše vysoká spíše vysoká spíše nízká spíše vysoká spíše vysoká velmi vysoká velmi vysoká velmi nízká velmi nízká velmi nízká velmi nízká spíše nízká spíše nízká spíše nízká spíše vysoká velmi nízká velmi nízká velmi nízká spíše nízká spíše nízká spíše nízká spíše nízká velmi vysoká velmi vysoká velmi nízká spíše nízká spíše vysoká spíše vysoká velmi vysoká spíše vysoká velmi vysoká velmi vysoká velmi vysoká velmi nízká velmi nízká velmi nízká spíše nízká spíše nízká spíše nízká spíše vysoká spíše vysoká spíše nízká spíše vysoká velmi vysoká velmi vysoká velmi nízká velmi nízká velmi nízká spíše nízká spíše vysoká spíše nízká spíše vysoká spíše vysoká spíše vysoká spíše vysoká
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
71
Skupiny podle míry zatížení (regul.) spíše vysoká velmi vysoká velmi nízká velmi nízká spíše nízká spíše nízká spíše vysoká spíše nízká spíše vysoká spíše vysoká velmi vysoká velmi vysoká velmi nízká velmi nízká velmi nízká spíše nízká spíše nízká spíše nízká spíše nízká spíše vysoká velmi nízká spíše nízká spíše nízká spíše nízká spíše nízká spíše nízká spíše vysoká velmi vysoká velmi vysoká velmi nízká spíše nízká spíše nízká spíše vysoká spíše vysoká spíše vysoká spíše vysoká velmi vysoká velmi vysoká velmi nízká velmi nízká spíše nízká spíše nízká spíše nízká spíše nízká spíše vysoká spíše vysoká spíše nízká spíše vysoká velmi vysoká velmi vysoká velmi nízká spíše nízká spíše nízká spíše nízká spíše vysoká spíše nízká spíše vysoká spíše vysoká spíše vysoká spíše vysoká
Skupiny podle P/I velmi vysoká velmi vysoká velmi nízká velmi nízká spíše nízká spíše nízká spíše vysoká spíše vysoká spíše vysoká spíše nízká velmi vysoká velmi vysoká velmi nízká velmi nízká velmi nízká velmi nízká spíše nízká velmi nízká spíše vysoká spíše vysoká velmi nízká spíše nízká velmi nízká spíše nízká spíše nízká velmi nízká spíše vysoká velmi vysoká velmi vysoká spíše nízká spíše nízká spíše vysoká spíše vysoká velmi vysoká spíše vysoká velmi vysoká velmi vysoká velmi vysoká velmi nízká velmi nízká spíše nízká velmi nízká spíše nízká velmi nízká spíše vysoká spíše vysoká spíše vysoká spíše vysoká velmi vysoká velmi vysoká velmi nízká spíše nízká velmi nízká spíše nízká spíše vysoká spíše nízká spíše nízká spíše vysoká spíše nízká spíše vysoká
Příloha 3: Zařazení typů domácností do skupin podle variačního koeficientu Typ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Kód 100 1010 101 102 103 104 1056 1078 109 200 2010 2013 201 202 203 204 2056 2078 209 20 201 202 203 204 2056 2078 209 1110 1112 111 112 113 114 1156 1178 119 2110 2112 211 212 213 214 2156 2178 219 2111 2114 2115 2210 2212 221 222 223 224 2256 2278 229 2211 2214 2215
Jednot. /pár
Děti
1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
Osoba v čele domácnosti starobní důchodce nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci starobní důchodce nezaměstnaný starobní důchodce manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci nezaměstnaný rodičovská manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci nezaměstnaný nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů technici, zdrav. a pedag. prac. řemeslníci, obsluha strojů nezaměstnaný nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů technici, zdrav. a pedag. prac. řemeslníci, obsluha strojů
Partner/kaManžel/ka
starobní důch. nezaměst. nezaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch.
nezaměst. rodičovská zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. rodičovská rodičovská nezaměst. rodičovská zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. rodičovská rodičovská
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
72
Skupiny podle variačního koeficientu spíše vysoký velmi vysoký velmi nízký spíše nízký spíše nízký spíše nízký spíše vysoký spíše vysoký spíše vysoký spíše vysoký velmi vysoký spíše vysoký velmi nízký spíše nízký spíše nízký spíše nízký spíše vysoký spíše vysoký spíše vysoký spíše vysoký velmi nízký spíše nízký spíše nízký spíše nízký spíše vysoký spíše vysoký spíše vysoký velmi vysoký velmi vysoký velmi nízký spíše nízký spíše nízký spíše nízký spíše vysoký spíše vysoký spíše vysoký velmi vysoký velmi vysoký velmi nízký spíše nízký spíše nízký spíše nízký spíše vysoký spíše vysoký spíše vysoký spíše vysoký spíše nízký spíše vysoký velmi vysoký velmi vysoký velmi nízký spíše nízký spíše nízký spíše nízký spíše vysoký spíše vysoký spíše vysoký spíše vysoký spíše nízký spíše vysoký
Příloha 4 : Potenciální ohrožení finanční nedostupností bydlení Jednot. Typ /pár 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Děti
Osoba v čele domácnosti
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
starobní důchodce nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci starobní důchodce nezaměstnaný starobní důchodce manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci nezaměstnaný rodičovská manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci nezaměstnaný nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů technici, zdrav. a pedag. prac. řemeslníci, obsluha strojů nezaměstnaný nezaměstnaný manažer odborník a vědec technici, zdrav. a pedag. prac. úředníci provozní ve služ., zemědělci řemeslníci, obsluha strojů pomocní dělníci řemeslníci, obsluha strojů technici, zdrav. a pedag. prac. řemeslníci, obsluha strojů
Partner/kaManžel/ka
starobní důch. nezaměst. nezaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch. starobní důch.
nezaměst. rodičovská zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. rodičovská rodičovská nezaměst. rodičovská zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. zaměst. nezaměst. rodičovská rodičovská
Počet krajů s potencionální finanční nedostupností v roce 2006 míra zatížení rezid. příjem bonita hodnota P/I (tržní) (tržní) hypotéka více než 30 % méně než 1,5 více než 7 ne 13 14 0 0 0 2 5 2 11 3 14 13 0 0 0 0 1 0 1 6 0 0 0 1 1 1 2 14 14 0 0 2 8 12 5 13 14 14 0 0 0 0 1 0 2 6 1 2 13 14 0 0 0 1 2 1 2 9 2 3
Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.
73
2 14 0 0 0 0 0 0 0 0 14 14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 14 14 0 0 0 0 1 0 2 14 14 0 0 0 0 0 0 0 2 0 0 14 14 0 0 0 0 0 0 0 9 0 0
3 13 0 0 0 0 1 0 1 1 12 6 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 12 12 0 0 0 1 1 1 2 9 9 0 0 0 0 0 0 1 1 0 1 6 9 0 0 0 0 1 0 1 1 0 1
14 14 0 0 0 1 5 1 11 11 14 14 0 0 0 0 0 0 1 13 0 0 0 0 1 0 2 14 14 0 0 1 13 14 10 14 14 14 0 0 0 0 3 0 8 14 1 12 14 14 0 0 0 2 12 1 13 14 12 13
Příloha 5: Metodika stanovení průměrných tržních cen starších bytů a rodinných domů a stanovení průměrného tržního nájemného starších bytů v krajích a krajských městech ČR Metodika stanovení průměrných tržních cen starších bytů a rodinných domů a stanovení průměrného tržního nájemného starších bytů v krajích a krajských městech ČR
Metodika zjištění tržních cen starších bytů a rodinných domů byla vypracována v rámci řešení projektu Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit, který je řešen v rámci výzkumného projektu WD – VÝZKUM PRO ŘEŠENÍ REGIONÁLNÍCH DISPARIT – BYDLENÍ. Cíl Cílem řešení je zjistit tržní ceny a v případě starších bytů i tržní nájemné. Údaje byly zjišťovány pro tyto jednotky: a) Starší byt Definice: Velikostní kategorie (m2): Časové rozlišení údajů: Geografické rozlišení:
Byt odpovídající dřívější I. kategorii, opotřebení cca 40% v běžné, nikoliv okrajové poloze 38, 57, 68, 73, 88 2000–2006 • •
Krajská města Kraje
• •
Tržní cena Tržní nájemné
Zjišťované hodnoty:
b) Starší rodinný dům Definice: Časové rozlišení: Geografické rozlišení:
Rodinný dům, 136 m2 užitkové plochy, plocha parcely cca 900 m2, opotřebení cca 40%, v běžné poloze. 2006 • •
Krajská města Kraje
•
Tržní cena
Zjišťované hodnoty:
1. Postup Pro splnění výše uvedeného cíle byla Institutem regionálních informací, s.r.o., zpracována originální metodika. Ta kombinuje postupy již dříve používané při pořizování a zpracování informací o tržních cenách bytů a o nájemném se speciálně vyvinutými postupy, zaměřenými na zjištění závislostí mezi velikostí bytu, cenou a nájemným, závislostí mezi cenami rodinných domů a bytů a na optimální stanovení hodnot krajských průměrů.
74
1.1. Stanovení tržní ceny a tržního nájemného staršího bytu Ke stanovení tržních cen bytů a tržního nájemného v krajích a krajských městech byl využit systém monitoringu cen bytů a nájemného (označovaný také jako KISEB – Komplexní Informační Systém Ekonomiky Bydlení), který byl založen Institutem regionálních informací, s.r.o. v roce 2000 a který od té doby prochází postupným vývojem. Rozsah vstupů, forma a přesnost výstupů odpovídaly v různých obdobích jak požadavkům uživatelů, tak i finančním možnostem Institutu. I přes věcná a ekonomická omezení lze konstatovat, že obdobný systém, pokrývající cca 90 % trhu s nájemními byty, v ČR dosud neexistuje. Výsledky jsou prezentovány v ročním intervalu vždy po uzávěrce k 15. 11. daného roku. Od 1. března 2004 jsou na stránkách nejčtenějšího internetového portálu iDNES pravidelně zveřejňovány vybrané informace o cenách bytů, především měsíční uzávěrky dat za Prahu. Od října roku 2005 zveřejňuje IRI na svých stránkách zrcadla tržního nájemného pro vybraných 335 měst. Aby mohly být výsledky monitoringu využity jako základ pro výpočet finanční dostupnosti bydlení v krajích a v krajských městech ČR, byly převzaty průměrné výsledky za jednotlivá města z monitoringu cen bytů a nájemného v letech 2000 – 2006 a byly provedeny tyto další analýzy a výpočetní operace: • • •
Stanovení způsobu výpočtu průměrných hodnot cen a nájemného za kraje a jejich výpočet Stanovení způsobu výpočtu cen a nájemného pro jednotlivé velikostní typy bytů Stanovení průměrných cen rodinných domů pro kraje a krajská města
1.2. Sběr dat Sběr dat je v rámci monitoringu prováděn z lokálních i celostátních inzertních novin a časopisů, z průzkumů v terénu a z inzertních nabídek na internetu. V jednotlivých letech se z uvedených zdrojů podařilo shromáždit databázi čítající: v roce 2001 v roce 2002 v roce 2003 v roce 2004 v roce 2005 v roce 2006
14 369 záznamů; 7 821 záznamů; 7 653 záznamů; 12 274 záznamů; 11 659 záznamů; 10 072 záznamů
o nabídkových cenách bytů a nájemném, které sloužily jako výchozí podklad pro zjištění všech cílových hodnot. Z celkově uváděných záznamů cca 1/3 tvoří údaje o nájemném, zbytek jsou údaje o cenách bytů. Při tvorbě databáze jsou vyloučeny chybné a nevěrohodné údaje, údaje duplicitní a rovněž údaje s extrémními hodnotami. Míra očištění (vyloučení) údajů s informací o nájemném je relativně vyšší než u údajů o cenách. V roce 2007 byl monitoring cen bytů a nájemného díky řešení výzkumu regionálních disparit rozsáhlejší, celkem bylo získáno celkem 25 811 údajů, z toho 5 215 se týkalo pronájmů. Tyto
75
údaje budou využity jako nezbytný podklad pro výpočet finanční dostupnosti bydlení v roce 2007, resp. regionálních disparit. Výsledky šetření regionálních rozdílů v cenách bytů a nájemného budou přesnější a budou přesněji odrážet realitu. Celkový počet monitorovaných údajů za roky 2001 až 2007 v databázi KISEB přesáhl 88 000 záznamů. 1.3. Standardizace Základním principem zpracování cenových údajů je jejich převod na standardní jednotku. Tou je: • • • •
byt I. kategorie v běžné, nikoliv okrajové poloze průměrné opotřebení bytu cca 40 % o podlahové ploše 68 m2
Pro výpočet cen a nájemného u bytů jiné velikosti se použil algoritmus, který odráží závislost ceny a nájemného za 1 m2 podlahové plochy bytu na celkové podlahové ploše bytu. Tento algoritmus byl v rámci řešení projektu Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit aktualizován a byly zjišťovány hodnoty pro 5 velikostních kategorií bytů v letech 2000–2007. 1.4. Územní pokrytí Základní monitoring je prováděn v rozsahu 335 vybraných obcí ČR, jejichž územní pokrytí a podíl v segmentu bydlení vytváří základní předpoklady pro monitorování trhu bydlení se staršími byty. V roce 2001 žilo ve vybraných 335 městech 6,7 mil. obyvatel, tj. cca 2/3 obyvatel ČR. V tomtéž roce se zde, podle definitivních výsledků sčítání lidu, domů a bytů, nacházelo 89 % bytů v bytových domech. Pokud vezmeme v úvahu, že velká, atraktivní města mají i větší pohyb na trhu bydlení, pak je možno říci, že se zde nacházelo více než 90 % reálného trhu se staršími byty. Do roku 2006 se výraznější změny z hlediska podílu vybraných 335 měst na počtu obyvatel, či podílu bytů v bytových domech ve sledovaných ukazatelích nepromítly. 1.5. Očištění dat K získání přiměřeně přesné informace o výši průměrné ceny bytů a průměrného nájemného, které pro dané město plně vychází z údajů monitoringu, je potřeba, aby soubor vstupních údajů za šetřené město obsahoval nejméně 30 věrohodných údajů po vyloučení náhodných či neporovnatelných cen (např. od cen nových bytů, bytů po rekonstrukci, luxusních bytů, bytů s nadstandardním vybavením, s nepřiměřeně odlišnými cenami nabídek apod.). Definování procesu očišťování dat v systému prošlo od r. 1999 určitými proměnami. Jeho nastavení pak do jisté míry ovlivňuje výsledné hodnoty. Především jsou vylučovány extrémní ceny. Mezní hodnoty, kdy už jsou ceny a nájemné považovány za extrémní, se postupně vyvíjejí, v letech 2001–2006 se dolní a horní hranice pohybovaly v rozmezí 50 – 150 % průměrné ceny v předchozím období. Vzhledem k značnému růstu cen starších bytů v roce 2007 byla horní hranice v některých obcích posunuta až na hodnotu 200 % průměrné hodnoty v roce 2006. 1.6. Zjištění závislosti cen bytů a tržních nájmů za m2 na velikosti bytů
76
Za účelem určení průměrné ceny a nájemného pro byty různých velikostí byla zkoumána závislost mezi výší ceny a nájemného a velikostí podlahové plochy bytu v jednotlivých územně definovaných celcích. Pro zjištění závislosti byl použit soubor z databáze KISEB obsahující údaje za celé území ČR. Z úplného, podle časového hlediska setříděného souboru byly vyloučeny údaje duplicitní a evidentně chybné. Za takové údaje byly považovány záznamy s hodnotami nacházejícími se nad horní nebo pod spodní hranicí průměrných hodnot, upravených o trojnásobek vypočtené směrodatné odchylky. Rovněž údaje za extrémně malé byty, za které byly považovány byty menší než ¼ velikosti standardního bytu, tedy byty s podlahovou plochou 17 m2 a menší, byly ze souboru vyloučeny. Dále byly vyloučeny byty s podlahovou plochou větší než dvojnásobek zvoleného standardu, tedy s podlahovou plochou 136 m2 a větší. Závislost byla zkoumána jak pro ceny bytů tak pro tržní nájemné pomocí lineární a mocninné regrese. Jako vhodnější model byla zvolena lineární závislost, pomocí níž byl proveden výsledný přepočet pro zvolené velikosti bytů. Výsledky přepočtu ukazuje následující tabulka. Relativní cenová úroveň starších bytů v ČR pro stanovené velikostní kategorie bytů, vztažená ke standardnímu bytu v letech 2000–2006 rok 2006 2005 2004 2003 2002 2001 2000
relativní cenová úroveň pro velikost bytů – lineární funkce 38 m2 57m2 68m2 73m2 88m2 1,1901 1,0465 1,0000 0,9835 0,9453 1,2159 1,0528 1,0000 0,9813 0,9379 1,2306 1,0564 1,0000 0,9800 0,9336 1,2327 1,0568 1,0000 0,9798 0,9330 1,2390 1,0583 1,0000 0,9792 0,9313 1,2444 1,0596 1,0000 0,9788 0,9298 1,2490 1,0607 1,0000 0,9784 0,9285
Zdroj: KISEB, vlastní výpočty. Pozn: údaje za roky 2003–2006 vypočteny ze skutečných dat, údaje za roky 2000 – 2002 vycházejí z odvozených údajů.
Relativní úroveň nájmů starších bytů v ČR pro stanovené velikostní kategorie bytů, vztažená ke standardnímu bytu v letech 2000–2006 rok 2006 2005 2004 2003 2002 2001 2000
relativní cenová úroveň pro velikost bytů – lineární funkce 38 m2 57m2 68m2 73m2 88m2 1,2621 1,0641 1,0000 0,9773 0,9245 1,2606 1,0637 1,0000 0,9774 0,9250 1,1677 1,0410 1,0000 0,9854 0,9517 1,1735 1,0421 1,0000 0,9850 0,9507 1,1563 1,0377 1,0000 0,9866 0,9562 1,1419 1,0339 1,0000 0,9880 0,9609 1,1295 1,0307 1,0000 0,9891 0,9650
Zdroj: KISEB, vlastní výpočty. Pozn: údaje za roky 2003–2006 vypočteny ze skutečných dat, údaje za roky 2000 – 2002 vycházejí z odvozených údajů.
V letech 2000 – 2002 byla databáze rozdílně strukturována, závislost není možné vypočíst přímo. Proto byla závislost za tyto roky odvozena pomocí spojnice trendu (mocninná funkce) na základě údajů z dat pro léta 2003–2006. Z údajů za celou ČR je možno odvodit tyto závěry.
77
Rozdíly v ceně m2 staršího bytu se mezi jednotlivými velikostními kategoriemi bytu mezi roky 2000 – 2006 zvyšovaly, zatímco u nájemného tomu bylo právě naopak. 1.7. Výpočet tržní ceny staršího bytu Výpočet tržní ceny starších bytů je prováděn primárně pro všech vybraných 335 měst v těchto krocích: •
Zpracování souboru údajů o cenách • Zjištění ceny pro standardní byt • Očištění od chybných, nevěrohodných údajů a duplicit • Postupný výpočet podle geografického modelu • Výpočet průměrné ceny u hodnotových pólů (velká města do úrovně okresních měst) • Výpočet průměrné ceny u obcí v dosahu těchto pólů (ostatní města do počtu 335)
V případě, že je pro vybrané město zapsán dostatečný počet údajů, za který je považováno 30 údajů o ceně nebo nájmu pro standardní byt po očištění, je cena bytu zjištěna statistickým výpočtem průměru ze zapsaných údajů. V případě, že je pro určitou obec nedostatek údajů o cenách či nájmech, pak je cena odvozována pomocí mezisídelního modelu atraktivity bydlení. Takto jsou odvozovány ceny a nájmy i u obcí (měst) kde zcela chybí porovnatelné údaje. S rostoucím počtem vstupních údajů v jednotlivých letech jsou výsledky postupně zpřesňovány. V roce 2003 zcela chyběly údaje o cenách bytů u 72 měst, a o nájemném pro 276 měst. V roce 2006 se počet měst, ve kterých nebyl zapsán žádný záznam o nabídkové ceně, snížil na pouhých 26 měst a pro nájemné se nepodařilo zaznamenat žádný údaj pro 151 měst. Přehled o počtu údajů využitých v jednotlivých letech ke zjištění tržních cen bytů a nájemného ve vybraných 335 městech je uveden v následující tabulce. Použité počty údajů o nabídkových cenách bytů a nájemném pro 335 měst v letech 2003 – 2006 ceny starších bytů počet obcí (měst) počet obcí (měst) počet obcí (měst) počet obcí (měst) nájmy starších bytů počet obcí (měst) počet obcí (měst) počet obcí (měst) počet obcí (měst)
Rok 2003 2004 2005 2006 2003 2004 2005 2006
Počet zjištěných údajů za poslední tři roky Více než 30 15 až 29 5 až 14 1 až 4 26 28 73 136 47 43 82 97 36 37 118 98 51 59 107 92 3 8 10 17
3 7 10 18
5 20 45 48
48 85 78 101
0 72 66 46 26 276 215 192 151
Zdroj: KISEB, vlastní výpočty.
Počet zaznamenaných údajů pro výběr 335 měst v jednotlivých letech narůstal. I přesto zůstal i v roce 2006 poměrně značná skupina obcí, pro kterou nebyly zjištěny žádné nabídkové ceny bytů a především nájmy. Zatímco získání srovnatelných cen ve velkých městech (bývalých okresních a větších městech) je poměrně snadné (často je prezentováno v běžném tisku), v menších obcích (městech) je jejich získání mnohem obtížnější. Expertní mezisídelní model atraktivity bydlení vyvinul IRI pro překlenutí nedostatku údajů v jednotlivých městech. Model pomocí základních kritérií umožňuje hodnotit vliv polohy a
78
dalších charakteristik obce na cenu bytu či zvolené standardní nemovitosti pro libovolnou obec (sídlo) ČR. V rámci regionů jsou vyhodnoceny hlavní hodnotové póly z hlediska atraktivity bydlení a síla vazeb okolních měst (obcí) k těmto pólům (na základě dopravní vzdálenosti, kvality dopravního spojení, poměru velikostí obcí, rekreační atraktivity a zvyšujících či omezujících faktorů). Pomocí tohoto modelu byly zjištěny ceny bytů při druhé variantě výpočtu průměrných hodnot za kraje. Výsledné tržní ceny bytů byly zjišťovány ve dvou kategoriích: a) Průměrné ceny bytů pro jednotlivé kraje b) Průměrné ceny bytů pro krajská města ad a) Průměrné ceny bytů pro krajská města byly přímo převzaty z výsledků monitoringu dle výše uvedeného postupu. ad b) Postup výpočtu průměrných cen za kraje byl ověřován na datech platných pro rok 2006 a to dvěma variantami postupy • •
1. varianta – výpočet váženého průměru z cen bytů za města v kraji ze souboru šetřených 335 měst; 2. varianta – výpočet váženého průměru z cen bytů za všechny obce v kraji, kdy průměrné ceny bytů za jednotlivé obce byly dopočteny pomocí expertního mezisídelního modelu atraktivity bydlení.
Hodnoty rozdílu cen bytů mezi oběma postupy výpočtu při použití váhy počet obyvatel se nacházely v rozmezí 3,6 % a 19 %. Hodnoty rozdílu cen bytů mezi oběma postupy, kdy jako váha byl použit počet bytů v bytových domech v jednotlivých městech, se pohybovaly mezi 0,5 % a 6,8 %. Pro výsledný výpočet váženého průměru byl proto jako váha použit počet bytů v bytových domech, a to i z toho důvodu, že při použití váhy počet obyvatel by se do výpočtu více promítaly nízké ceny bytů u obcí, kde je počet bytů v bytových domech zastoupen zanedbatelně nebo zcela chybí, tudíž by se výsledky více odchýlily od reality. Na základě zjištěných rozdílů v jednotlivých krajích byl vypočten korekční koeficient, tj. rozdíl mezi oběma variantami výpočtu tržní ceny bytu (tabulka).
79
Průměrná tržní cena standardního bytu za kraje v roce 2006 – výpočet korekčního koeficientu Kraj Jihočeský Jihomoravský Karlovarský Královéhradecký Liberecký Moravskoslezský Olomoucký Pardubický Plzeňský Středočeský Ústecký Vysočina Zlínský ČR bez Prahy ČR
Tržní cena standardního bytu v Kč 1. varianta výpočtu 2. varianta výpočtu 786 000 732 000 1 134 000 1 093 000 740 000 691 000 848 000 794 000 740 000 743 000 529 000 520 000 865 000 821 000 848 000 805 000 1 027 000 961 000 1 019 000 995 000 384 000 376 000 788 000 756 000 893 000 868 000 776 000 751 000 1 068 000 1018 000
Korekční koeficient 0,932 0,964 0,934 0,936 1,005 0,983 0,949 0,949 0,935 0,976 0,981 0,959 0,971 0,968 0,953
Zdroj: KISEB, vlastní výpočty.
Monitoringem zjištěné průměrné ceny bytů za kraje byly upraveny i pro roky 2000 – 2005 pomocí zjištěného korekčního koeficientu na ceny odpovídající 2. variantě výpočtu. O snížení průměrných cen pomocí korekčního koeficientu bylo rozhodnuto vzhledem k tomu, že mezi monitorovanými 335 městy jsou zahrnuty především větší obce a města, chybí v něm malé obce, kde se rovněž nachází bytový fond. Tímto přepočtem se průměrná cena bytu pro jednotlivé kraje více přibližuje reálné tržní ceně. V posledním kroku byly z tržních cen standardních bytů za krajská města a kraje dopočteny ceny za zvolené velikostní typy bytů podle zjištěné lineární závislosti (viz výše). Pro jednotlivé kraje byla vypočítána směrodatná odchylka, která ukazuje na rozptyl cen v rámci každého kraje. Největší směrodatná odchylka byla zjištěna ve Středočeském kraji, kde je vysoká územní diferenciace cen bytů, naopak nejmenší směrodatná odchylka a tedy nejmenší cenové rozdíly v jednotlivých obcích byly zjištěny v kraji Jihočeském. 1.8.
Zjištění tržního nájemného staršího bytu
Obvyklým nájemným (také označované jako tržní) je chápáno nájemné ve smyslu zákona o cenách (č.151/1997 Sb.), nikoliv nájemné „obvyklé = nejčastější“ – např. odvozované z regulovaných nebo věcně usměrňovaných cen, které nejsou uzavřeny za běžných tržních podmínek. Obvyklé ceny je možno považovat za ceny tržní. Nabídkové nájmy z běžné inzerce jsou specifickou skupinou cen v běžných tržních podmínkách, jednostranně vychýlenou směrem nahoru ve srovnání s cenami realizovanými (skutečně sjednávanými). V roce 2003 zpracovával Institut regionálních informací ve spolupráci s Občanským sdružením majitelů domů dotazníkové šetření o skutečně sjednávané výši nájemného v hlavním městě Praze. Porovnáním výsledků z dotazníkového šetření a zjištěného nájemného z nabídkové inzerce byla zjištěna skutečná výše rozdílu mezi tržním a nabídkovým nájemným pro hl. město Prahu, který v roce 2003 činil 15 % pod průměrem nabídkových cen. Tato skutečnost byla ověřena opakovanými šetřeními provedenými i v letech 2004 – 2006, kdy bylo na souborech cca 200 údajů o skutečně dosaženém tržním nájemném a jejím porovnáním s databází KISEB
80
z nabídkové inzerce ve shodném území a čase prokázáno 15% nadhodnocení nabídkových cen z realitní inzerce. Proto byly pro účely tohoto výzkumu výsledky KISEB pro všechny roky upraveny – redukovány o 15 %. Tržní nájemné bylo zjišťováno stejně jako tržní ceny bytů v prvé řadě pro standardní byt a to pro dvě kategorie: a) Průměrné tržní nájemné bytů za krajská města b) Průměrné tržní nájemné bytů za jednotlivé kraje ad a) Průměrné tržní nájemné bytů za krajská města Zjištěné průměrné tržní nájemné standardních bytů za krajská města bylo přímo zjištěno ze souboru tržních nájmů, získaných v rámci monitoringu analogicky jako u cen bytů tam, kde bylo alespoň 30 potřebných údajů o nájemném pro dané město a časové období. Ke zjištění tržního nájemného z bytu pro krajská a další monitorovaná města, za která nebyl k dispozici dostatečně velký soubor údajů pro statistický výpočet průměru za sledované období, byla použita nepřímá metoda pomocí ukazatelů obvyklé výnosnosti (kapitalizace) cen bytů. S využitím zjištěných tržních cen bytů dle výše uvedeného postupu, bylo odvozeno tržní nájemné pro standardní byt ve všech monitorovaných městech. Byla využita ověřená skutečnost, že obvyklá cena bytu a obvyklá cena nájemného jsou vzájemně silně spjaty. Tato skutečnost má odraz v občanském zákoníku (§ 671 občanského zákoníku, podle něhož výše nájemného mj. odvisí od ceny pronajaté věci). Pro roky 2003, 2004, 2005 a 2006 byly z monitoringu publikovány údaje o nabídkovém nájemném jako kombinace modelového výpočtu (zjištění cen bytů v jednotlivých městech s využitím expertního mezisídelního modelu atraktivity bydlení) a přímého odvození tržních nájmů za města, kde bylo k dispozici více než 30 údajů o nabídkovém nájemném. Porovnáním zjištěných průměrných cen bytů se zjištěnou průměrnou výší nájemného byly vypočteny aktuální hrubé míry výnosnosti (míry kapitalizace) pro dané období; v našem případě byly porovnávány průměrné hodnoty z celého souboru údajů o tržních cenách bytů se souborem údajů o nabídkovém nájemného za všechna města, kde byl dostatečný počet údajů. V letech 2003 – 2005 takto zjištěná míra hrubých ročních výnosů (míra kapitalizace) představovala 7 %, v roce 2006 se zjištěná míra kapitalizace snížila na 6 %. Pro roky 2000–2001 byla za míru kapitalizaci zvolena hodnota 9 %, která dle názoru IRI vyjadřovala v té době hrubou míru kapitalizace. Takto zjištěné míry kapitalizace byly použity pro výpočet tržního nájemného v obcích, ve kterých byl po očištění dat počet záznamů nižší než 30, a to dle následujícího vzorce: nN = nCb*kap/12 +Fn/68 (v Kč/m2/měsíc) kde kap = zjištěná průměrná míra kapitalizace; Fn = fixní složka nákladů na pronájem bytu (1000,- Kč), pro roky 2003 – 2006 upravena na 1550,- Kč; nN = nabídkové nájemné staršího bytu v Kč/m2/měsíc (standard IRI); nCb= místně obvyklá nabídková cena v Kč/m2 bytu (standard IRI). ad b) Postup výpočtu průměrných cen za kraje byl ověřován na datech platných pro rok 2006 a to dvěma variantními postupy:
81
• •
1. varianta – výpočet váženého průměru z údajů o tržním nájemném bytů za města v kraji ze souboru šetřených 335 měst; 2. varianta – výpočet váženého průměru z údajů o tržním nájemném bytů za všechny obce v kraji, kdy průměrné ceny bytů za jednotlivé obce byly dopočteny pomocí expertního mezisídelního modelu atraktivity bydlení.
Pro porovnání výpočtů průměrného tržního nájemného v jednotlivých krajích bylo postupováno analogicky jako při zjišťování tržních cen bytů. Stejně jako v případě výpočtu cen bytů byl pro rok 2006 ověřován i postup zjištění tržního nájemného za jednotlivé kraje pomocí dvou rozdílných postupů. V první variantě výpočtu bylo vypočteno průměrné tržní nájemné za jednotlivé kraje jako vážený průměr tržních nájmů standardních bytů ve sledovaných městech z celkových 335 měst v příslušném kraji, kdy jako váha byl použit počet bytů v bytových domech v jednotlivých městech. Ve druhé variantě výpočtu byl použit vážený průměr tržních nájmů bytů ve všech obcích v kraji, kdy jako váha byl použit počet bytů v bytových domech ve všech obcích. Rozdíly v průměrných nájmech bytů pomocí váženého průměru, kde jako váha byl použit počet bytů v bytových domech, se nacházely mezi 2,5 % a 9 %. Rozdíly mezi hodnotami průměrných tržních nájmů zjištěných pomocí váženého průměru, kdy jako váha byl použit počet obyvatel, se nacházely mezi 9,4 % a 23,8 %. Průměrné tržní nájemné standardního bytu v jednotlivých krajích Kraj Jihočeský Jihomoravský Karlovarský Královéhradecký Liberecký Moravskoslezský Olomoucký Pardubický Plzeňský Středočeský Ústecký Vysočina Zlínský ČR bez Prahy ČR
Tržní nájemné [Kč/m2/měs.] 1. varianta výpočtu 2. varianta výpočtu 73 67 101 95 71 64 72 67 69 64 55 53 78 72 73 69 77 71 90 83 45 44 73 69 78 75 71 67 86 81
Korekční koeficient 0,911 0,943 0,910 0,930 0,928 0,975 0,929 0,937 0,926 0,926 0,958 0,940 0,954 0,944 0,942
1.9. Výpočet hodnot dle velikostních typů bytů Průměrné hodnoty tržních cen bytů a tržního nájemného v krajských městech a v krajích byly vypočteny primárně pro standardní byt o podlahové ploše 68 m2. Pro stanovení finanční dostupnosti bydlení bylo nutné stanovit hodnoty i pro různé velikosti bytů, byly vybrány velikosti bytů: 38, 57, 68, 73 a 88 m2. Při standardizaci cen v rámci monitoringu je používán algoritmus pro přepočet ceny a nájemného dle velikosti bytu. Tento algoritmus byl v rámci řešení úkolu nově prověřen. Odlišnost cen a nájemného v závislosti na velikosti bytu má svoji základní dlouhodobou příčinu v rozdílných nákladech na pořízení m2 bytu. U menších bytů připadá na přepočtený m2
82
větší podíl dražší užitkové plochy zejména koupelen a kuchyní, jednotlivé přípojky s podobnými náklady u malých i velkých bytů se přepočítávají na rozdílnou plochu, atd. V minulosti našly tyto nákladové rozdíly odraz v různých technicko hospodářských ukazatelích bytové výstavby. Tyto objektivní nákladové rozdíly se navíc prohlubují v případě pronájmu bytů (náklady nájemní správy a rizik dvojnásobně většího bytu nejsou dvojnásobně vyšší). V běžné tržní praxi se k těmto faktorům přičítají další vlivy, tj. např. zvýšená poptávka po malých bytech od poloviny devadesátých let minulého století apod. 2. Stanovení tržní ceny staršího rodinného domu Ceny rodinných domů, neboli zjištění úrovně jejich obvyklých cen, je potřebnou součástí podkladů pro analýzu územní diferenciace ekonomických podmínek bydlení v ČR. Zjišťování obvyklých cen rodinných domů v ČR je obtížné z mnoha důvodů. Přímé šetření obvyklých cen rodinných domů dosud nebylo předmětem KISEB. Zejména s ohledem na omezené prostředky byl použit alternativní postup odvození obvyklých cen rodinných domů. 2.1. Zvolený metodický postup Z hlediska cen rodinných domů se vychází z předpokladu, že hodnoty prodejnosti všech forem bydlení jsou na místních trzích dlouhodobě velmi podobné, popř. stejné. Tj. pokud jsou v obci drahé byty, jsou zde i drahé rodinné domy. Z krátkodobého hlediska může dojít k odchylkám – např. vlivem privatizace bytového fondu pod obvyklými cenami, rychle je však obnovována dynamická rovnováha v celém propojeném systému bydlení. Základem pro zjištění vývoje obvyklých cen rodinných domů byla databáze obvyklých cen starších bytů a odvozených koeficientů prodejnosti těchto bytů ve vybraných 335 městech v ČR. Koeficienty prodejnosti bytů jsou definovány jako poměr obvyklé ceny a reprodukční ceny nemovitosti (tj. obvyklé ceny staršího bytu a jeho reprodukční ceny). Reprodukční ceny vycházejí z nákladových položek oceňovací vyhlášky MF ČR, tj. vyhlášky č. 617/2006 Sb., kterou se mění vyhláška č.540/2002 Sb., kterou se provádějí některá ustanovení zákona č. 151/1997 Sb., o oceňování majetku a o změně některých zákonů (zákon o oceňování majetku), ve znění pozdějších předpisů. Diferenciace stavebních prací za okresy ČR je stanovena odborným odhadem. Hodnoty prodejnosti jsou nejvyšší v Praze (v posledních letech větší než 2), v mnoha městech jsou však stále menší než 1. Z reprodukčních cen rodinných domů vypočtených dle vyhlášky byly tedy při znalosti koeficientů prodejnosti odvozeny obvyklé ceny rodinných domů. Výše uvedená metodika byla ověřena u čtyř velkých měst ČR (Praha, Brno, Ostrava, Plzeň) podle údajů zjištěných v polovině roku 2007. Pro uvedená města byly vyhodnoceny nabídkové ceny rodinných domů a nájmů v rodinných domech. Jako určité omezení při získávání dat se především u Plzně a Ostravy projevil reálný nedostatek údajů, mnohem častěji než u nabídek bytů se nabídky rodinných domů opakují, jsou mnohem méně porovnatelné, evidentně jsou zaměňovány užitkové, zastavěné a celkové plochy pozemku včetně dalších obdobných problémů. Počet použitelných údajů je nízký a ani u Prahy neumožňuje dostatečně přesné vyhodnocení za jednotlivé části Prahy, pokud chceme zachovat adekvátní počet výchozích údajů. Nabídky rodinných domů byly zjišťovány v realitním tisku a na internetu. Při šetření z nabídkové inzerce rodinných domů bylo nutno vzít v úvahu skutečnost, že nabízené RD se v jednotlivých městech výrazně liší z hlediska velikosti i kvality, výrazněji než je tomu v případě starších bytů. Kvalita RD byla u jednotlivých nabídek odborně odhadnuta,
83
hodnocena bodově 1–5. Následně byla provedena oprava zjištěných průměrných nabídkových cen bytů podle kvality pro jednotlivá města, přičemž průměrná kvalitativní úroveň rodinných domů v Praze je považována za 100 %. Současně byla zaznamenána skutečnost, že užitkové plochy rodinných domů v nabídkové inzerci jsou výrazně vyšší, než je obecně v ČR deklarováno (např. ze sčítání lidu domů a bytů – 96,67 m2 celkové plochy/byt v trvale obydleném RD, při 1,16 trvale obydlených bytech/RD je pak průměrná celková plocha 112m2/RD, možné je ještě dále uvažovat opravu za tzv. neobydlené byty v rodinných domech), ale i nové výstavby v posledních letech – kolem 150 m2/RD, proto byl proveden přepočet počtů pokojů RD na užitkovou plochu (počty pokojů jsou v nabídkách také častěji deklarovány na rozdíl od užitkové plochy RD). Výsledky byly následně znovu opraveny s ohledem na takto zjištěné užitkové plochy (použití průměrných ploch ze sčítání by generovalo extrémně vysoké ceny za m2 užitkové plochy RD). Problém při měření průměrných užitkových ploch rodinných domů je tak jedním ze základních poznatků; v novém sčítání lidu a domů by měl být u rodinných domů zařazen dotaz zpřesňující plochu RD). Odvozené ceny rodinných domů jsou uváděny pro zvolený standard 136 m2 užitkové plochy, plochu parcely cca 900 m2, opotřebení cca 40 %, v běžné poloze. Běžnou polohou se rozumí poloha na okraji městské zástavby a navazujících nejbližších „satelitních“ sídel, bez urbanistických závad (blízkost zatížené komunikace, omezující sousedství atd.). Z tohoto standardu je pak možno dále odvozovat expertním způsobem ceny pro jednotlivé polohy v sídelní struktuře, pro různou kvalitu rodinných domů apod. Nabídkové ceny RD přímo zjištěné šetřením jsou po úpravách obecně vyšší než ceny RD vypočtené z reprodukčních cen a koeficientů prodejnosti, a to přibližně mezi 7 % a 11 %. Zjištěný koeficient korelace v jednotlivých krocích (viz následující tabulka) dokumentuje především zpřesnění výsledků v závislosti na úpravách šetřených cen. Pokud považujeme obecně za průměrnou úroveň opotřebení RD v Praze cca 30-35 %, pak převod na srovnatelný standard IRI (opotřebení 40 %) by posunul poměr cen o několik procentních bodů výše nad ceny KISEB, tj. celkem cca o 15 %. Z vyhodnocení dat bylo potvrzeno, že rozdíl mezi skutečnými tržními a nabídkovými cenami se i u této skupiny nemovitostí nachází na úrovni 15 %. Jde o rozdíl, který je uznáván systémem KISEB jako rozdíl mezi nabídkovými a obvyklými cenami starších bytů a nájemného v ČR. V následující tabulce jsou uvedeny průměrné ceny za m2 užitkové plochy zjištěné z provedených šetření ve vybraných čtyřech městech včetně zjištěného koeficientu korelace po jednotlivých úpravách. Zároveň jsou uvedeny ceny odvozené z koeficientů prodejnosti starších bytů a jejich porovnání s cenami rodinných domů zjištěnými provedeným šetřením.
84
Porovnání výsledků šetření cen rodinných domů a odvozených cen RD s využitím KISEB rok 2007 Cena RD v Kč/m2 užitkové plochy údaje z provedeného šetření cen RD Vybrané město Ostrava Plzeň Brno Praha koeficient korelace
z výchozích údajů 18679 24710 21392 45143 0,9415
po opravě plochy RD 16410 24044 24302 45494 0,9851
po opravě kvality RD 21826 27402 31253 45494 0,9996
Údaje KISEB IRI 2007 19611 25412 28993 42066
z Porovnání průměrné ceny z šetření a ceny standardního bytu dle KISEB 1,1129 1,0783 1,0780 1,0815
Zdroj: KISEB, vlastní výpočty.
Výsledky šetření cen starších rodinných domů ve čtyřech městech potvrzují možnost použití odvozených cen rodinných domů pro přiměřeně přesné zjištění obvyklých cen rodinných domů v ČR. Výpočet tržní ceny rodinného domu byl pro každé ze 335 měst proveden na základě tohoto vztahu: cRD=rRD*kpB kde: rRD = reprodukční cena rodinného domu; kpB = koeficient prodejnosti bytu. Výsledné ceny byly stanoveny za krajská města a zpracovány jako krajské průměry s ohledem na procentní míru zastoupení bytů v rodinných domech v obcích kraje a jejich průměrnou diferenciaci ceny. 3. Závěry Uvedený metodický postup nyní umožňuje s dostatečnou přesností zjistit požadované hodnoty tržních cen bytů a RD a nájemného za zvolené územní členění a za velikostní typy bytů i v dalších letech, čímž je možné i nadále pružně reagovat na vývoj trhu s nemovitostmi. V následujícím roce bude mnohem přesněji moci být zjištěna finanční dostupnost bydlení aktuální v roce 2007 v potřebném územním členění, neboť pro uvedený rok byl již průzkum cen bytů a nájemného KISEB uzavřen, stejně tak bude postupováno i v dalších letech trvání projektu.
85