SZENT ISTVÁN EGYETEM GAZDÁLKODÁS- ÉS SZERVEZÉSTUDOMÁNYOK DOKTORI ISKOLA
DOKTORI (PhD) ÉRTEKEZÉS
Regionális gazdasági, társadalmi folyamatok ÉszakkeletMagyarországon
Készítette: Király Zsolt
Témavezetı: Dr. Takács István egyetemi docens
Gödöllı 2009
A doktori iskola
megnevezése:
Gazdálkodás- és Szervezéstudományok Doktori Iskola
tudományága:
Gazdálkodás- és Szervezéstudományok
vezetıje:
Dr. habil Szőcs István egyetemi tanár, MTA doktora (közgazdaságtudomány) Szent István Egyetem, Gazdaság- és Társadalomtudományi Kar, Gazdaságelemzési Módszertani Intézet
témavezetı:
Dr. habil Takács István egyetemi docens Szent István Egyetem, Gazdaság- és Társadalomtudományi Kar, Pénzügyi és Számviteli Intézet
........................................................... Az iskolavezetı jóváhagyása
........................................................... A témavezetı jóváhagyása
TARTALOMJEGYZÉK BEVEZETÉS ............................................................................................................................ 5 1. SZAKIRODALMI ÁTTEKINTÉS: TÉR, TÉRÜLETI KÜLÖNBSÉGEK, ÉLETMINİSÉG...................................................................................................................... 7 1.1. Tér, térbeliség és annak szerepe a gazdasági folyamatokban .................................. 7 1.1.1. A tér és térbeliség elméleti alapjai....................................................................... 7 1.1.2. Az elsı gazdaságtér elméletek ............................................................................. 9 1.1.3. A térbeliség szerepének felértékelıdése ............................................................ 12 1.1.3.1. Nemzetközi példák a gazdasági térszerkezet átrendezıdésére ...................... 12 1.1.3.2. Globalizáció, lokalizáció és azok hatásai ...................................................... 16 1.1.4. A területi különbségek fıbb tényezıi, növekedés és fejlıdés ........................... 20 1.1.4.1. Területi koncentráció, pozitív lokális externáliák, agglomerációs hatás ...... 21 1.1.4.2. Regionális versenyképesség – fejlıdés és növekedés ..................................... 22 1.1.4.3. Térségi növekedési modellek és fejlıdési elméletek....................................... 30 1.2. A magyar területi differenciálódás jellemzı elemei ................................................ 34 1.3. Területi különbségek mérésére alkalmazott mutatók............................................. 37 1.4. Életminıség, életszínvonal, élhetıség........................................................................ 42 2. ANYAG ÉS MÓDSZER .................................................................................................... 49 2.1. Hipotézisek a szakirodalmi áttekintés alapján ........................................................ 49 2.2. Pozícionálás és heterogenitás vizsgálat ..................................................................... 51 2.3. Kérdıíves megkérdezés Északkelet-Magyarországon ............................................ 53 2.3.1. Reprezentativitás................................................................................................ 53 2.3.2. Kérdıív szerkezete, alkalmazott kérdések ......................................................... 57 2.4. Fıkomponens analízis ................................................................................................ 59 3. EREDMÉNYEK................................................................................................................. 65 3.1. Pozícionálás és heterogenitás vizsgálat eredményei ................................................ 65 3.2. Kérdıíves megkérdezés eredményei ......................................................................... 77 3.2.1. A minta demográfiai jellemzıi .......................................................................... 77 3.2.2. Tárgyköri kérdések ............................................................................................ 80 3.2.3. Komplex élhetıségi és helyben tartó képességi indexek................................... 94 3.2.3.1. Komplex élhetıségi index............................................................................... 94 3.2.3.2. Helyben tartó képességi index...................................................................... 100 3.3. Fıkomponens analízis eredményei.......................................................................... 103 3.4. Hipotézisvizsgálatok eredményei ............................................................................ 110 3.5. Új tudományos eredmények .................................................................................... 110 4. KÖVETKEZTETÉSEK ÉS JAVASLATOK ................................................................ 111 5. ÖSSZEFOGLALÁS ......................................................................................................... 113
3
M1. – IRODALOMJEGYZÉK ........................................................................................... 115 M2. – ÁBRÁK JEGYZÉKE................................................................................................ 123 M3. – TÁBLÁZATOK JEGYZÉKE .................................................................................. 125 M4 - KÉRDİÍV.................................................................................................................... 127 M5. – REGIONÁLIS ÉS MEGYEI ADATOK ÖSSZEVETÉSE.................................... 131 M6. – HETEROGENITÁSI VIZSGÁLAT ALAPADATAI ÉS SZÁMÍTÁSOK .......... 143 M7. – A KAPOTT MEGÍTÉLÉSI VÁLASZOK ÁTLAGÉRTÉKE ÉS SZÓRÁSA KORCSOPORTOK SZERINT........................................................................................... 163 M8. – A FİKOMPONENS ANALÍZIS ALAPADATMÁTRIXA .................................. 165 KÖSZÖNETNYILVÁNÍTÁS ............................................................................................. 177
4
BEVEZETÉS A tér sajátosságait, összekötı és elválasztó szerepét napjainkig számos tudományterület évszázadokon keresztül vizsgálta. Elég, ha csak a csillagászatra, földrajzra, fizikára vagy az építészetre gondolunk. A térrel kapcsolatosan megfigyelhetı törvényszerőségeket az említett területeken már a XX. század elıtt is igen sokat feljegyezték, tudományos alapokon elemezték. Ezzel szemben a társadalomtudományok sokáig jelentıs lemaradást tudhattak magukénak, hiszen ha csak a gazdaságtudományokon tekintünk végig, akkor is láthatjuk, hogy a hagyományos közgazdaságtan vizsgálati területe – Walter Isard szavaival élve – még az 1900-as évek elsı felében is csak „dimenzió nélküli csodaország” (Fujita, 1999). Ezalatt azt szükséges értenünk, hogy sem a klasszikus mikro-, sem a makroökonómia nem foglalkozott a térbeli elhelyezkedéssel. Elıbbi elszigetelt vállalati modellekkel dolgozott, utóbbinál a nemzetgazdaság térbeli elhelyezkedése esetlegesen és csak a szállítási költségek formájában jelent meg, holott a közgazdasági tényezık szinte mindegyike bír térbeli jellemzıkkel is (Lengyel – Rechnitzer, 2004). Napjainkra mindez jelentısen megváltozott. A térbeliség, a térbeli koncentrálódás, a globalizáció, a regionalizáció és a lokalizáció szerepe annyira felértékelıdött, hogy ahhoz kapcsolódóan a regionális tudomány, s annak alapjait jelentı földrajz és szociológia tudományok is központi kérdésként kezelik a térbeli dimenziók hatásait, fıleg, hogy azok jelentısen befolyásolják az egyes területi egységeken élık életminıségét, életszínvonalát is. Így nem véletlen, hogy a területi egyenlıtlenség következményei nemzeti és nemzetközi politikai szintő kérdéssé léptek elı az elmúlt ötven évben. Gondoljunk csak az egyes országok területfejlesztési, vagy az Európai Unió regionális politikájára! Az említett kérdéskörök tekintetében Magyarország sem kivétel, s ez nem csak a rendszerváltás utáni idıszakra igaz, hiszen már azt megelızıen is érzékelhetıvé váltak az egyes térségek közötti fejlıdési különbségek. Igaz, akkor még fıleg ágazati sajátosságokhoz kapcsolódóan, de a késıbbiek során az 1990-es évek területi differenciálódási folyamatainak egyik meghatározó elemeivé váltak, s hozzájárultak a már klasszikusnak tekinthetı nyugat-kelet, Budapest-vidék relációkban értelmezhetı éles eltérésekhez. Ezek mellett ma már észak-dél és a további centrum-periféria különbségekkel, valamint a Gyır – Székesfehérvár – Budapest – Kecskemét – Szeged fejlıdési ív és azokon kívül esı területek elkülönülésével és a határmentiséggel is számolnunk kell. A fentieken túlmenıen számos differenciálódási dimenziót lehetne még felsorolni, de több mint valószínő, hogy mindegyik révén erıteljesen érintett lenne Északkelet-Magyarország. A személyes motivációmon – e térség a szőkebb hazám – túlmenıen éppen ezért választottam a disszertációm regionális gazdasági, társadalmi folyamatokra és életminıségi, élhetıségi kérdésekre irányuló vizsgálatának tárgyául. A téma idıszerő, aktualitását éppen maga a térbeliség adja, hiszen a tér, az abban kialakuló, társadalmi-gazdasági kapcsolatok, a lokális sajátosságok, a globálisan tapasztalható jelenségek folyamatos változása megköveteli, hogy a területfejlesztési politika mindig idıszerő válaszokat adjon a területi problémákra. Ehhez pedig nélkülözhetetlennek tartom a gazdasági, társadalmi jellemzık, életszínvonal, életminıség, az azokban bekövetkezett változások nyomon követését, a területi heterogenitás elemzését települések, kistérségek, megyék (?) és régiók szintjén egyaránt. Jelen esetben fıleg a kistérségi szintő vizsgálatokra helyezem a hangsúlyt. Ez nem véletlen, hiszen véleményem szerint – nem megfeledkezve a kistérségi programok regionális szintő összehangoltságának szükségességérıl – hosszú távon a kistérségi szintő tervezés, (köz)feladatellátás és gazdaságfejlesztés lehet a sikeres hazai területfejlesztés kulcsa. A kistérség ugyanis pont az a területi méretkategória mely már elég nagy a méretgazdaságosság elveinek érvényesüléséhez és ugyanakkor még megfelelıen kicsi a lokális sajátosságok figyelembevételének biztosításához. 5
Munkám fı célja azonban nem ezen kijelentésem bizonyítása, hanem egy olyan átfogó kép ábrázolása Északkelet-Magyarországról, melybıl kirajzolódnak a térség közelmúltjának gazdasági, társadalmi jellemzıi, kistérségei fejlettségbeli különbségeinek vélhetı okai, területi heterogenitási fokának alakulása és nem utolsó sorban, az ott élık térségi identitása, szőkebb és tágabb lakhelyükkel szembeni attitődje, annak élhetıségi, életminıségi megítélése. Utóbbiak igen fontosak, ugyanis a térség helyben tartó képességét – azon keresztül pedig a versenyképességét, fejlıdését – jelentısen befolyásolják. Ebbıl adódóan célom volt az is, hogy a KSH területi adataira épülı szekunder kutatás vizsgálatainak és a közel ezerfıs kérdıíves megkérdezés egyes eredményeit összevetve rávilágítsak arra, hogy önmagában a területi gazdaságstatisztika mutatókra alapozott területi értékelései, elemzései ugyan sokatmondók, de nem jelenthetnek kizárólagos döntési alapot térségfejlesztési kérdésekben. A területi statisztika által kevésbé, vagy egyáltalán nem mérhetı jellemzık jóval árnyaltabbá teszik az egyes problémákat, ráadásul életminıségi tényezık is. Így válik fontossá az egyén szerepe, az általa alkotott helyi közösség, a térségrıl benne kialakult kép (imázs), a területtel szembeni attitőd, identitás; összességében tehát valamennyi helyben élı szemléletének összessége, a helyi kultúra. Indokolt a szélesebb alapokon nyugvó szociológiai megközelítés is a lokális, illetve kistérségi gazdaságfejlesztésben. Erre igen jó nemzetközi és részben hazai példa a LEADER akciócsoportok tevékenysége, a vidékfejlesztés helyi kezdeményezésekre alapozott formája. A fent ismertetett célkitőzéseim mellett fogalmaztam meg elıfeltételezéseimet, melyek közül az elsı az volt, hogy az elemzett térségben a megyeszékhelyi és egyéb kistérségek közötti differenciálódás következményeként a jövedelemi különbségek jelentısek és azok fokozódnak. Úgy véltem, hogy az egyes kistérségek élhetıségi megítélése és az egyes válaszadók lakhelyének településtípusa, rangja illetve a válaszadó korcsoportok között várhatóan szoros összefüggés tapasztalható. Azt is valószínősítettem, hogy az általam képzett komplex élhetıségi (életminıségi) és a helyben tartó képességi index területi egységenként hasonló relatív értékeket fog mutatni a területi egységek összehasonlítása során. S végül, de nem utolsó sorban feltételeztem, hogy a kistérségek KSH és helyi lakosság által fejlettségi kategóriákba történı besorolása számos esetben eltérı eredményt fog mutatni, adódóan abból, hogy elıbbi statisztikai mutatókból képzett komplex fejlettségi index, míg utóbbi saját tapasztalata, elvárásai és attitőd alapján teszi ezt meg. A megfogalmazott célok elérése, a feltételezések vizsgálatának eredményessége és megalapozottsága érdekében választottam meg azon szakirodalmi források körét, melyek között fıleg a tér szerepével, a gazdaság térbeli átrendezıdésének sajátosságaival, a területi differenciálódással, annak mérésével és az életminıséget befolyásoló tényezıkkel foglalkozó irodalmak szerepelnek. Úgy vélem csak ezek segítségével értelmezhetı és érthetı igazán egy olyan elemzés, mely gazdasági és társadalmi folyamatok területi vizsgálatával foglalkozik. Hiszen a térbeliségbıl adódó háttér okok ismerete, megértése és számbavétele (tér értelmezése, regionális gazdaságtani kérdéskörök) nélkül nem valósulhatna meg a térbeli tényezık olyan irányba történı alakítása, mely gazdaságpolitikai és társadalmi érdekeket tart szem elıtt (regionális politika). S mindez nem volna igazán hatékony, ha a területi változásokat nem tudnánk nyomon követni, számszerősíteni, elemzésekkel szemléltetni (területi mutatók). E hármast a területi differenciálódási folyamatok háttér okai feltárásának, azokba történı beavatkozásnak és a beavatkozás hatékonysága indikálásának hármasaként is értelmezhetjük. Szintén a fent megjelölt irányelvnek megfelelıen kerültek a kérdıívbe közvetlen lakóhely és térségének egyéni értékítélet alapján történı minısítésére, közszolgáltatásokra, elérhetıségre, jövedelmi helyzetre stb. vonatkozó kérdések. Bízom benne, hogy mindezek segítségével ténylegesen sikerült mások számára is észrevehetı módon a téma kellı színvonalú kifejtése, melynek megválasztásában az is ösztönzött, hogy évek óta foglalkozom a területi folyamatok sajátosságaival oktatási tevékenységem és publikációim kapcsán. 6
1. SZAKIRODALMI ÁTTEKINTÉS: TÉR, TÉRÜLETI KÜLÖNBSÉGEK, ÉLETMINİSÉG A bevezetésben ismertetett célok eléréséhez igazítva végeztem el a témához köthetı szakirodalom áttekintését. Ennek megfelelıen esik szó a térrıl, térelméletekrıl, a térnek gazdaságban, társadalomban betöltött szerepérıl, az egyes gazdaságtér elméletekrıl, a tér szerepe felértékelıdésének okairól, a területi egyenlıtlenségeket eredményezı tényezıkrıl, folyamatokról, regionális növekedési és fejlıdési elméletekrıl, s nem utolsó sorban az életminıség, életszínvonal fogalmi lehatárolásáról, tényezıirıl és mérésérıl egyaránt. A felsorolt témakörök elsı ránézésre talán túl széles spektrumot ölelnek fel, ám úgy vélem ezek mindegyike hat az egyes területi egységek, így az értekezésem címében szereplı magyarországi térség és azt alkotó kistérségek gazdasági-társadalmi folyamataira, az azok között végbemenı differenciálódásra, az egyes helyek életminıségi jellemzıire. S mivel pontosan utóbbiak jelentik dolgozatom fı vizsgálati tárgyát, a fent tételesen felsorolt elméleti háttérismeretek értekezésemben való megjelenését nélkülözhetetlennek tartottam. Ezek szükségesek az általam elvégzett és késıbbiek során ismertetésre kerülı vizsgálataim aktualitásának, céljának, elvégzési módjának megértéséhez, az eredmények értelmezéséhez is, fıleg a regionális tudományterületen kevésbé jártas érdeklıdık számára. A feldolgozásra került szakirodalmak rövidebb-hosszabb ismertetésével kapcsolatosan két fı cél emelhetı ki. Egyrészt a nemzetállamon belüli területi különbségek belsı okainak számbavételezése, az ok-okozati összefüggések feltárása, a többtényezıs gazdasági, társadalmi differenciálódási folyamatok mechanizmusának ábrázolása, mely – ha nem is mindenhol közvetlenül, de közvetett módon mindenképp – segíthet megérteni az északkelet-magyarországi kistérségek közötti különbségeket, azok hátterében álló tényezıket, jelenségeket. Másrészt pedig annak megvilágítása, hogy egy adott ország – jelen esetben Magyarország – térségei közötti differenciák mögött nemzetközi okok is meghúzódnak (globalizáció, lokalizáció), hiszen bármely földrajzi pontról is legyen szó, az nem csak az adott nemzetállam határain belül, hanem globális szinten is versenyez a további földrajzi helyekkel erıforrásokért, beruházásokért stb. Ez függetlenül igaz attól, hogy azonos nemzetállam egyéb településeirıl, térségeirıl vagy eltérı országokéról legyen szó. A jelen fejezetben ismertetésre kerülı szakirodalmi háttérgondolatok, alapok között olyan is fellelhetı, mely a fenti két céllal összefüggésbe nem hozható. Ezek közé tartozik többek között a területi különbségek mérésére szolgáló mutatórendszer néhány elemének ismertetése, valamint az életminıséggel, életszínvonallal foglalkozó elméletek, nemzetközi vizsgálatokat felvonultató példák. Ugyanakkor ezek sem tekinthetık irrelevánsnak, hiszen vagy a vizsgálatom módszertani alapjait hivatottak igazolni, vagy az elıfeltételezéseim szakirodalmi megalapozottságának vizsgálatához köthetık. 1.1. Tér, térbeliség és annak szerepe a gazdasági folyamatokban 1.1.1. A tér és térbeliség elméleti alapjai Az emberi élet, a társadalmi megnyilvánulások minden egyes momentumában ott a térbeliség, hiszen a tér azon szerepe, hogy a folyamatok megvalósulásának dimenziója vitathatatlan. Éppen ezért számtalan kérdés fogalmazódik meg, mely arra irányul hogy az elhelyezkedés, a helytıl való függıség hogyan befolyásolja a társadalmi, gazdasági, politikai folyamatokat (Nemes Nagy, 2005). A térbeliség fel nem ismert folyamatokban (pszichológiai és társadalmi egyaránt), döntésekben jelentısen átszövi az egyes ember, a csoportok, a társadalom hétköznapjait. S mivel az egyes egyén a különbözı aktivitásai során szőkebb-tágabb teret ismer meg, azzal kapcsolatosan győjt 7
tapasztalatokat – úgymond befut egy „térbeli életpályát” –, a térbeli kiterjedés jelentısen kihat a történelmi fejlıdésre, annak meghatározó elemévé válik (Nemes Nagy, 1998). Így az sem meglepı, hogy nemcsak a földrajztudomány, de szinte minden más tudományterület is összefüggésbe hozható a térrel. A lényegi különbséget a térértelmezések adják, hiszen míg a filozófia számára a létezéssel, az anyaggal, idıvel összefüggı alapkategória, addig más tudományterületek a hétköznapi tapasztalatok és a saját eredmények alapján értelmezik ezt a fogalmat. A matematika területén például a térértelmezés a geometriára vezethetı vissza, mely a térbeli pontok helyzetét meghatározva írja le azok térbeli kapcsolatait. A fizika esetében a tér az anyag mozgásának eloszlására a szerkezetén keresztül ható téridı (Lengyel – Rechnitzer, 2004). Bármely értelmezési megközelítésrıl is legyen szó, azokat alapjában véve kétféle filozófia modell hatja át: az abszolutista és a relativista, mely mind a mai napig egyszerre van jelen a társadalmi folyamatok elemzésében. Az abszolutista modell szerint a tér saját struktúrával rendelkezik, „a különvalóság és a folytonosság egysége” mely magában hordozza, foglalja a dolgokat. Alapvetı jellegébıl adódóan folytonos, áthatolható, elmozdíthatatlan és hasonló. Ezen irányzatot képviselte többek között Newton és Kant, ugyanakkor napjaink térszemléletét is ez a megközelítés jellemzi. A relativista irányzat az objektív létezık közötti viszony rendjének tekinti a teret, s úgy véli, hogy bármely tér tulajdonságai csak akkor ítélhetık meg, ha az egyes szubsztanciák közötti és azok egymás utáni viszonyaira vezetjük vissza. Einstein – mint a modell követıje – úgy vélte, hogy a világ geometriai szerkezetére csak akkor következtethetünk, ha az anyag ismert állapotából indulunk ki. Ezzel függ össze, hogy olyan különbözı tértípusokról szoktak beszélni, mint a földrajzi, biológiai, társadalmi, gazdasági stb. (Korompai, 1995). A tér önmagában azonban értelmezhetetlenné válna számos tudományterület vizsgálata során, ha nem kapcsolódna hozzá az idı, éppen ezért a modern tudomány a lét elemi egységeinek tekintett eseményeket a térbeliség és idıbeliség összekapcsolt dimenziójában (téridıben) helyezi el, melyben a térbeliség lényege az egymással, az idıbeliségé az önmagával való nem azonosság. A tér és idı kapcsolatát vizsgálva négyféle tér-idı pozícióról beszélhetünk: 1. egyterő és egyidejő események egy idıben és egy helyen, 2. külön terő és egyidejő események nem egy helyen, de egy idıben, 3. egyterő és külön idejő események ugyanott, de nem egy idıben, 4. külön terő és külön idejő események nem egy helyen és nem egy idıben zajlanak. (Nemes Nagy, 1998) Bérczi (1995) szerint ez a térbeli-idıbeli kettısség a világ leírásának olyan kerete, amely azt struktúrákra és folyamatokra bontja, annak függvényében, hogy a tér vagy az idı játszik jelentısebb szerepet az adott vizsgálatban. A struktúrákra, folyamatokra történı tagozódás a tér folytonosságát és osztottságát egyaránt eredményezi. Az abszolutista térfelfogásban a tér folytonossága és az abban elhelyezkedı egyes elemek osztottsága alkotja ezt a sajátos kettısséget, míg a relativista modellben az osztott térelemek kapcsolatrendszere alakítja ki a tér folytonosságát. Mindkét szemlélet esetén a térben való létezésben egyaránt megtalálható a folytonosság és a megszakítottság is, azaz bármely elem, rendszer és annak környezete, mely térben létezik, elválik egymástól és ugyanakkor kölcsönösen hat egymásra. A társadalmi-gazdasági tér, vagyis a társadalmi és gazdasági kapcsolatok által meghatározott tér, hétköznapjaiban inkább az osztottság a jellemzıbb, többek között a hely kitüntetett szerepének köszönhetıen. Ez arra enged következtetni, hogy a tér a gyakorlati életben is többnyire a távolsággal kapcsolódik össze, igaz ez az objektív osztottság és a társadalom teremtı tevékenysége, 8
mint térfelosztó illetve térfelosztást generáló folyamat, alapvetı iránnyá teszi az összeköttetések kiépítését (Nemes Nagy, 1998). A társadalmi tér azonban „természetébıl” adódóan önmagában hordja az osztottságot anélkül, hogy azt valamilyen tudományos vagy bármely más elv alapján tagolnánk. Ez az emberi léttel, kultúrával és kommunikációval szétválaszthatatlanul együtt jár. (Hall, 1966). Az eddig ismertetettekbıl jól látható, hogy a tér folytonossága és megosztottsága számos okból adódhat, s az így kialakuló térbeli rendezettség és osztottság természetföldrajzi tényezıkbıl is eredeztethetı, de napjaink ez irányba legerısebben ható tényezıi a gazdasági-társadalmi jellemzık. Nem véletlen hát, hogy a gazdasági és társadalmi folyamatokat vizsgáló tudományágakon (pl. közgazdaságtudomány, szociológia) belül a térbeli szemlélet elıtérbe került, illetve a modern földrajztudomány jelentıs szeletévé nıtte ki magát a gazdaságföldrajz, s az sem, hogy megjelent és dinamikusan fejlıdik a regionális tudomány. A második világháborút megelızıen azonban a tér és az ahhoz köthetı térszervezés kérdéskörei nem szerepeltek a tudományok, így a közgazdaságtudomány, központi kérdései között (Benko, 2002). Igaz, egyes telephelyelméletek kapcsán – melyek közül jó pár hatott a regionális tudomány fejlıdésére – az azokat megalkotók érintették a tér, térbeliség kérdését, s mint befolyásoló tényezı számoltak azok szerepével. Annak ellenére, hogy ez a szemlélet az akkori közgazdaságtudomány terén nem volt általános érvényő és elfogadott, fontosnak tartom a térbeliség szerepének megfelelı megítéléshez, ezen telephelyelméletek közül néhány rövid ismertetését. 1.1.2. Az elsı gazdaságtér elméletek Az elsı említésre méltó telephelyelméletnek Johann von Thünen (1826) mezıgazdasági területhasználatra vonatkozó elmélete tekinthetı, melyben a mezıgazdasági termelés térbeli elhelyezkedésével, szerkezetével foglalkozott, a szállítási költségeket is figyelembe véve (Stevens, 1968). Ebben a teóriában megjelent a város, mint piac, a háztartás, mint fogyasztó továbbá a mezıgazdaság és az ipar elkülönülése is. Az elmélet megszületésének alapjának az árutermelı mezıgazdaság kereskedelem fejlıdésével párhuzamosan történı kialakulása jelentette. Hiszen amíg korábban fıleg a természeti adottságok (éghajlat, talaj) befolyásolta a termelést, addig az ipari forradalmat követı idıszakban már – az urbanizáció és ahhoz köthetı munkamegosztás révén – a piac nagysága, igényei és távolsága vált meghatározó szemponttá. Thünen igen leegyszerősített feltételek mellett elemezte a mezıgazdasági területhasználatot, térstruktúrát, ugyanis egy önálló, külpiactól elszigetelt államot vizsgált, melyben egyetlen város (piac) található. Továbbá a piac körüli földek minıségét, a termelési költségeket, a szállítási lehetıségeket (többek között a városba légvonalban vezetı utak) és azok költségeit is azonosnak tekintette. Ezen feltételek mellett és a korabeli termelési viszonyok alapján a szállítási költségek, vagyis a távolság függvényében határozta meg a termelési zónák elhelyezkedését, sorrendjét és az azokhoz kapcsolható termékek jövedelmezıségét. Ily módon a piachoz legközelebbi a tejtermékek és zöldségek (romlandók) zónája, második a szállításigényesebb faanyagot biztosító erdı, majd az egyéb növénytermesztési és állattenyésztési zónák következnek, egészen addig, amíg a szállítási költség meg nem haladja a keletkezı jövedelmet (Lengyel – Rechnitzer, 2004). Láthatjuk, hogy a fenti modell számos, a reálgazdaságban elképzelhetetlen egyszerősítı feltételt tartalmaz, így nem igazán tekinthetı igazán kiforrott elméletnek. Ennek ellenére jelentıs hatással bír napjaink gazdasági vizsgálataira is, hiszen a modell módosított változata alkalmazásának gondolatával többek között Japánban is próbálkoztak (Konagaya, 1998). Nem csak az agrárágazatok kapcsán látott napvilágot a telephely térbeli elhelyezkedésével kapcsolatos modell. 1909-ben a századforduló gazdasági fejleményeinek tükrében született meg. Alfred Weber ipari telephelyelmélete. Ez idıszakban a megszilárdult árutermelı gazdaság, a munkamegosztás, a kiépült közlekedési hálózat (vasút), a koncentrált feldolgozóipari egységek és a 9
jelentıs nyersanyagigény mind természetesnek számított. Ugyanakkor a szállítási költségek meghatározók, a térbeli, piaci terjeszkedés lehetıségei pedig korlátlanok voltak. Mindennek ismeretében tehát nem meglepı, hogy a modell egy olyan szabadversenyes kapitalizmust tartott alapfeltételnek, ahol a piacbefolyásolás a piaci szereplık részére nem lehetséges és az értékesítési lehetıségek korlátlanok, mint ahogyan a termelési tényezık, a közlekedési infrastrukturális lehetıségek is. Weber a munkaerıt településenként eltérı bérköltségekkel ugyan, de megfelelı számban és képzettségben adottnak, a piacot egyetlen pontszerőnek tekintette. A szállítás költségeit csak a távolságtól és a szállított mennyiségtıl tette függıvé. Mindezen jellemzırendszer mellett arra a következtetésre jutott, hogy a fix eladási ár mellett a nyereség növelése csak az üzemi költségek csökkentésével érhetı el, vagyis az adott egység olyan helyre kell, hogy települjön, ahol a szállítási és termelési költségek együttes összege a legkisebb (Lengyel – Rechnitzer, 1990). A modellhez két mutatószám is kialakításra került, az anyagindex és a telephelysúly. Az elıbbi azt fejezi ki, hogy egy tonna késztermék elıállításához mennyi beszállított nyersanyag szükséges, míg utóbbi a megmozgatott összes nyersanyagnak és magának a készterméknek a súlya. Ha bármelyik nyersanyag a domináns – vagyis a súlya meghaladja a telephely súlyának felét –, akkor annak forrása közelébe települ az üzemi egység. Ha a készterméké a nagyobb, ráadásul az anyagindex értéke meghaladja az egyet, akkor a piachoz illetve felhasználási helyhez közel, minden más esetben egy közbensı helyre. Utóbbi meghatározásához a szállítási költség minimalizálására irányuló optimalizálási feladatot alkalmazott. Az optimalizálással kijelölt telephely köré isodopanvonalak húzhatók, melyeknek minden egyes saját pontja azonos szállítási összköltségekkel bír. Minél távolabb kerülünk a szállítási minimumponttól, annál nagyobb költségekkel kell számolnunk. Ez a gondolat pedig azt jelentette, hogy ha kezdetlegesen is, de elıször Webernél jelent meg a költségtér. Az elmélet ennek ellenére hiányossággal bírt: a termelésen és a növekedésen kívül nem vette figyelembe a szükségletet, a fogyasztást és a versenyt, mint befolyásoló tényezıket (Káposzta, 2007). A fenti modellel ellentétben, mely – ahogy azt már láthattuk – fıleg a lokalizált nyersanyag és munkaerıforrásokat, azok költségdifferenciálását érintette, addig az 1920-30-as évekre kiélezıdı piaci problémák révén a kereslet, az árpolitika, a térbeliség jelent meg az egyensúlyelméletekkel foglalkozók körében. Így volt ez Christallernél is, aki fı mővében, az 1933-ban megjelent Die zentralen Orte in Süddeutschland címő könyvében, dolgozta ki a központi helyek elméletét. Azt írja le ezen elméletében, hogy hogyan alakulna a települések térbeli eloszlása, ha az a piaci funkciójuk alapján valósulna meg. Az így létrejövı rendszer települései a hierarchia különbözı fokán állnak, mivel különbözı szintő szolgáltatásokat nyújtanak a vonzáskörzetük számára. Azt állította, hogy minden egyes térséget központokból látnak el nagyobb értékő termékekkel és szolgáltatásokkal, s e központi helyeknek tíz szintje különböztethetı meg. Elmélete felállításához – mint ahogy minden más modell esetén is tapasztalható volt – egyszerősítéssel élt. Így feltételezte a tér homogenitását, vagyis a domborzatmentes, egységes, határtalan teret, melyben a lakosság és az erıforrások eloszlása megközelítıleg egyenletes, valamint az egyes egyének szükségletei, jövedelme és vásárlóereje megegyezı. A közlekedés feltételeit minden irányban azonosnak, költségeit pedig a távolsággal egyenes arányban állónak tekintette. Ezen kívüli egyszerősítés a modellben a termelık profitmaximalizáló és a fogyasztók egyéni hasznosság-maximalizáló mivolta, a tökéletes informáltság, továbbá az, hogy a termelık nem specializálódnak térben. Christaller két speciális távolságkategóriát alkalmazott az egyes termékekre vonatkozóan, az alsó küszöböt és a felsı határt. Az alsó küszöb a központi hely vonzáskörzetének az a minimális sugara, amely alatt a piac olyan kicsi, hogy az adott terméket nem éri meg kínálni. A felsı határ a központi hely vonzáskörzetének az a maximális sugara, amelynél többet a fogyasztók nem hajlandók utazni a termékért. A közlekedésre vonatkozóan megfogalmazott egyszerősítésekbıl adódóan az alsó küszöb és a felsı határ kör alakúak lesznek, középpontjukban a központi hellyel. Ahhoz, hogy minden terület termékellátottsága biztosított legyen, ráadásul ez minél hatékonyabban történjen, egymástól azonos
10
távolságban fekvı települések hálózatára van szükség, hatszög alakú ellátási körzetekkel hiánymentesen lefedve a teljes teret (Kolars – Nystuen, 1974). A Christaller által megfogalmazottakat fejlesztette tovább Lösch is, aki egy olyan térbeli egyensúlyelmélet kidolgozására tett kísérletet, mely a tökéletes térbeli versenyt veszi alapul. Elméletében egy azonos természeti adottságokkal bíró, egyenletes népsőrőségő síkságot feltételezett, mely minden irányú szállítási lehetıséggel rendelkezik (Smith, 1971). Lösch (1940) modelljében két új dinamikus tényezıvel találkozhatunk az árak és a kereslet-kínálat telephelyválasztásokra gyakorolt hatásának formájában. Felismerte, hogy a fizikai téren túl létezik a gazdasági tér is, mely a gazdasági, piaci kapcsolatok összességének térbeli vetületeként jelenik meg. Az ıt megelızı és kortárs szakmai szerzıktıl eltérıen, már nem csak a szállítási költségek minimalizálásához ragaszkodott, hanem figyelembe vette a mikroszintő telepítési tényezık hiányosságainak mérséklésére sok esetben képes piaci kapcsolatok hatásait is. Úgy vélte, tökéletes térbeli piaci verseny esetén az egyes kínálati szereplık piaci körzete addig terjed, amíg az elıállított és értékesíteni kívánt termék szállítási költsége meg nem haladta a vállalati jövedelmet. Azonban a jövedelmezı termékek elıállítási tevékenység esetén újabb vállalatok is elkezdik a gyártást, újabb piaci körzeteket teremtve ezzel. Ily módon hézagmentesen lefedésre kerül a földrajzi tér, s ez a folyamat mindaddig tart, míg a vállalati nyereség el nem tőnik teljesen. A piaci körzetek elıször kör alakúak, de az újabb és újabb vállalkozások megjelenésével torzulnak, összenyomódnak és végül olyan sokszögekké válnak, melyek hiánytalanul képesek a teret lefedni. A térben azonban nem csak egy, hanem több ilyen háló alakul ki, hiszen többféle termék létezik, melyek sajátosságai eltérnek, ezáltal azok vállalatonkénti piaci körzetei is eltérı nagyságúak, kiterjedésőek lesznek. Ráadásul mindezen hálók alakját és méretét jelentısen befolyásolják a magasabb hierarchiába tartozó települések funkció és vonzáshatásai (Karhusz, 2003). Ha az eddig ismertetett elméleteken végigtekintünk, láthatjuk, hogy a II. világháborút megelızı idıszakban a térgazdaságot a közgazdasági gondolkodásban fıleg a németek alkalmazták (Thünen, Weber, Christaller és Lösch), de nem kizárólagosan. A térgazdasággal foglalkozó elemzések és maga a tudományág iránti érdeklıdés révén svéd (Ohlin, Palender) és amerikai kutatók (Hoover, Hoyt) is csatlakoztak a regionális tudomány elıhírnökeinek, illetve kiterjesztıinek sorába (Benko, 2002). Ohlin 1934-ben megjelenı Interregional and International Trade címő munkájában a Heckscher– Ohlin-tételként ismertté vált elméletét fogalmazta meg (Scott, 2006). Eszerint az eltérı tényezıellátottságú országok egymás közti kereskedése esetén mindegyikük olyan termék gyártására és kivitelére törekszik, amely az adott országban viszonylag bıségesen rendelkezésre álló tényezıt igényli intenzívebben. A szabad kereskedelem ily módon a tényezıárak kiegyenlítıdéséhez vezet az adott országok között. Ez a tétel mindmáig a külkereskedelmi térbeli mechanizmusok megértésének alapvetı eszköze maradt (Leamer, 1995). Palander szintén az 1930-as években pontosította a szállítási költségek mértékét és felhívta a figyelmet a piac helymegválasztásban betöltött szerepére. Elméletében az ipari telephelyelméletek mellett – azzal összekapcsolva – helyet kapott az ármeghatározás módszereinek és a vállalatok közötti versenynek a problémája is (Lengyel – Rechnitzer, 2004). Ugyanezen idıszakra tehetı Hoover Location Theory and the Shoe and Leather Industries címő munkája (1937) melyben Weberhez hasonlóan szintén ipari telephelyelmélettel foglalkozott, érintve az urbanizációs kérdéseket, s ily módon ez a modell a klasszikus agglomerációs elméletek egyikének is tekinthetı (Bekele – Jackson, 2006). Hoyt (1939) körzeti modellje egy városi földhasználati, illetve módosított városfejlesztési koncentrikus zóna modellnek tekinthetı. Lényege, hogy magát a városi területet a központi üzleti, a 11
felsı, közép és alsó osztály által lakott és ipari területre osztotta, melyek a város növekedésével párhuzamosan a város belsı üzleti kerületébıl kiindulva, ék alakban növekednek. Ezen elméletének alapját az a feltevése jelentette, hogy a fıbb közlekedési útvonalak jelentıs vonzerıvel bírnak, így az azok által érintett földterület ára felemelkedik. Ezáltal az útvonalak „metszéspontjában” található városközpontban maradnak az üzleti, kereskedelmi egységek, míg a központtól távolodva egyre több ipari egység telepedik le. Az ipari „ékekhez” közelebbi területeken az alacsonyabb jövedelmőek élnek, azoktól távolodva pedig a közép- és felsıosztály lakóövezetei alakulnak ki. Mindezek alapján kijelenthetı Hoyt modellje egyfajta kísérlet volt a városszervezıdés alapelvének meghatározására (Capello, 2007). A sort biztosan lehetne még folytatni, mint ahogyan az is biztos, hogy Thünentıl Weberen át Löschig sokan hozzájárultak a késıbbi regionális tudomány kialakulásához, fejlıdéséhez. Munkásságuk éppen ezért a szóban forgó tudományterület evolúciójának elsı két szakaszát is jelentette (1. táblázat). 1. táblázat A regionális gazdaságtan elıfutárai és a térbeliség kiterjesztıi Meghatározó szerzı (fıbb mőveik megjelenési éve) „Szellemi elıfutárok” Von Thünen (1826) Launhardt (1882) Marshall (1890, 1900) Weber (1909) „Térbeli kiterjesztés” Predöhl (1925) Hotelling (1929) Reilly (1931) Christaller (1933) Palander (1935) Hoover (1937) Lösch (1940) Zipf (1949)
Alapvetı eredmények
A távolság közgazdaságtanba történı bevezetése, mezıgazdasági tevékenységek térbeli megoszlása Agglomerálódás gazdaságossága, fogyasztói övezetek Iparági körzet és atmoszféra, lokális externáliák Ipari telephelyelmélet, szállítási költség Határtermelékenység és telephelyelmélet Agglomerálódási hatások, konkurenciamodell Gravitációs törvény Központi helyek elmélete, városi hierarchia Ipari telephelyelmélet, általános egyensúly elmélete Ipari telephelyelmélet, idıtényezı, monopolista verseny Központi helyek elmélete, piaci övezet, gazdasági régió Rangsor-méret törvénye, városi hierarchia
Forrás: Lengyel – Rechnitzer, 2004
A „szellemi elıfutárok” korukat megelızve foglalkoztak elméleteikben a térrel, s fıleg a távolságra, a szállítási költségre helyezték a hangsúlyt. A „térbeli kiterjesztés” idıszakának szerzıi pedig arra törekedtek, hogy a neoklasszikus közgazdaságtan fıbb eredményeit kiterjesszék, azokat térben is értelmezzék (Lengyel – Rechnitzer, 2004). 1.1.3. A térbeliség szerepének felértékelıdése 1.1.3.1. Nemzetközi példák a gazdasági térszerkezet átrendezıdésére Az ismertetett és ismertetésre nem került számtalan térelmélet ellenére a tér szerepe igazán csak a II. világháborút követıen értékelıdött fel annyira, hogy a gazdasági térszemlélet általánosan elfogadottá váljon és számos kutatás, vizsgálat központi kérdésévé lépjen elı. Mindez fıleg a gazdasági térszerkezet átrendezıdésének, s azáltal az egyes nemzeti gazdaságpolitikákra gyakorolt hatásainak köszönhetı, melyeket most néhány nemzetközi példán keresztül szemléltetek.
12
A II. világháború pusztításainak helyreállítása, az újjáépítés szinte egész Európa területén jelentıs pozitív gazdasági hatással, fellendüléssel bírt. Ez természetesen az eltérı adottságú és fejlettségő területeken eltérı folyamatokban nyilvánult meg. Egyszerre volt megfigyelhetı a modernizáció, fıként a hagyományos ipari központoknak tekintett térségekben és a leszakadás, elmaradottság fokozódása (perifériák). Ez szociális problémákat, társadalmi konfliktusokat szült, melyek kezelése nélkülözhetetlenné tette a „háttérben zajló” (térbeli) folyamatokat. Az agrárnépesség erıteljesen csökkent, a Közös Piac országaiban 20 év alatt (1950-1970) mintegy 12,5 millió fıvel, s ez több mint 50%-os negatív irányú változást jelentett. Így ezzel értelemszerően a mezıgazdasági foglalkoztatottak aránya is jelentısen mérséklıdött, Olaszországban például 1950tıl 1976-ig terjedı idıszakban 4,5 millió ember vándorolt az észak-olasz iparvidékre a déli régiókból. A rurális vidékek azonban nem csak itt, hanem Franciaországban, Angliában, Portugáliában, Spanyolországban és Írországban is hanyatlásnak indultak. Ennek következményeként nagytömegő vidéki munkanélküliség jelent meg. Mindezek hátterében természetesen országonként más és más okok álltak. Az Egyesült Királyságban közvetlenül a II. világháború után a megváltozott nemzetközi politikai, társadalmi és gazdasági viszonyok eredményezték a belsı területi különbségek növekedését, a térszerkezet megváltozását. A világháborút megsínylett Brit Birodalom nem tudta megtartani gyarmatainak jelentıs részét, a megmaradt gyarmati területeken is gyengültek pozíciói. Ezáltal kereskedelmi kapcsolatai ezen területekkel drasztikusan visszaestek, így kénytelen volt az öreg kontinenssel élénkíteni gazdasági kapcsolatait. A korábbi jelentıs északi kikötı- és iparvárosok mindezek hatására hanyatlásnak indultak, míg a délkelet- és közép-angliai régió gyors növekedésnek indult, London üzleti életben betöltött központi szerepe tovább erısödött (Horváth, 2001). Olaszországban – az 1950-es években – erıteljes duális térszerkezet jelentette a fı problémát, mely többek között történelmi (észak-olasz városköztársaságok), gazdaságtörténeti okokra (Milano, Velence, Genova ipari és kereskedelmi szerepe) volt visszavezethetı. Az északi iparterületek GDP átlagának alig 33-50%-át érték el a lakosság 35%-át magáénak tudó déli térségek. Utóbbiak esetén a mezıgazdasági foglalkoztatottság elérte az 56%-ot(!). A helyzetet súlyosbította az is, hogy az infrastrukturális mutatók is messze elmaradtak az észak-olasz területi egységekétıl. Franciaországnak – szintén 1950-es években – eltérı problémával kellett szembesülnie. Ez nem volt más, mint Párizs túlsúlya, ami nem csupán népességi vonatkozásban értendı, hanem úgy is, hogy a modern iparágak és a szolgáltatás-irányítási funkciók is ide összpontosultak (Bartke, 1995). Például az autóipar 60%-a, a bankok és pénzintézetek 50%-a, K+F helyek 75%-a volt megtalálható a fıvárosban. Ez a gazdasági és társadalmi koncentráció olyan jelentıs problémákat generált, melyre mindenképpen központi beavatkozásra volt szükség. Így került áttelepítésre Párizsból vidékre közel háromezer vállalat, s így létesült több mint félmillió ipari munkahely az ország nyugati területein. Ráadásul a kitelepített munkahelyek 45%-a 50 ezer fı feletti, 35%-a pedig öt- és ötvenezer fı közötti lakosságszámmal bíró településre került (Horváth, 2001). A Német Szövetségi Köztársaság egészen sajátos problémával volt kénytelen szembesülni, köszönhetıen a nemzetközi politikai megállapodásoknak (Jaltai Szerzıdés), mely révén a korábban egységes német államot kettı, illetve Nyugat-Berlin sajátos státuszát is figyelembe véve, három részre osztották. Ennek következményeként igen gyors területi változások játszódtak le, mind a településszerkezet, mind a térségi kapcsolatok és gazdasági térszerkezet tekintetében. Az ország keleti határterületei és annak korábbi nagyvárosai (Hamburg, Lübeck, Kassel) elvesztették meghatározó szerepüket. Ezzel szemben más városok súlya jelentısen megnövekedett. Ekkor vált Frankfurt a pénzügyi, Düsseldorf a biztosítási, München pedig a multinacionális nagyvállalatok
13
központjává. Az 1970-es évek elejére – a nagyvárosi újjáépítések következményeként – az ország lakosságának fele huszonnégy nagyvárosi agglomerációban élt (Wild, 1983). Az 1960-as és 1970-es évek során azonban olyan problémával is szembesülnie kellett Európának, mely nemzethatárokon átívelt. A hagyományos ipari struktúrájú, vagyis szénbányászatra, vaskohászatra, textiliparra túlzott arányban alapuló gazdasági szerkezettel bíró területek recessziónak indultak, súlyos gazdasági válságba jutottak. Mindez elsıdlegesen az ipari foglalkoztatottság folyamatos csökkenésében, a munkanélküliség drasztikus növekedésében nyilvánult meg, melynek többek között egyik fı okaként a kutatásintenzitás alacsony fokát, innováció hiányát jelölték meg (Wadley, 1986). Ez ugyan csak néhány példa a gazdasági tér átrendezıdésére, de úgy vélem ennyi is elegendı ahhoz, hogy megértsük miért pont a XX. század második felében került középpontba a tér a gazdasági és társadalmi folyamatok vizsgálatai során. 1950-tıl a nyolcvanas évek elejéig tartó idıszakban ez fıleg a telepítési döntésekkel (optimalizálás) összefüggésben volt megfigyelhetı, ami szintén nem véletlen a fenti példák tükrében. Ráadásul a mőszaki infrastruktúra is többnyire egyenletesen kiépült volt, a felújítási hullámok révén a városok modernizálódtak, húzóágazattá pedig az elektronika vált, mely együtt járt a modern technológiai megoldásokkal. Így a telepítési tényezık köre és azok súlya jelentıs mértékben változott (Lengyel – Rechnitzer, 2004). A telephelyválasztás során szóba jöhetı lehetıségek közötti választás már nem leegyszerősített feltételrendszerek mellett, s nem csak a szállítási költségekre, vagy esetlegesen az agglomerációs hatásokra koncentrálódott. A gazdasági térbeliségre ható valamennyi tényezıt megpróbálták sorra venni. Figyelembevételre kerültek olyan szempontok, mint a szállítási költség, munkabér és egyéb juttatások, energiaköltség, adók területi eltérései, támogatások, infrastrukturális adottságok, a vállalati stratégia szempontjai, a kockázati tényezık és a telephely-módosítás költségei is. Míg az 1960-as években a termelési mérettıl és technológiától tették függıvé a telepítést, addig egy évtizeddel késıbb már a nagyvállalati stratégiától. Ennek hátterében az is szerepet játszott, hogy nem üzemi, hanem cég szinten gondolkodtak, vagyis megváltozott az alap gazdasági egység (Hayter, 1997). Többek között a korszak kiemelkedı közgazdásza, Walter Isard is, aki a telephelyelméletek fejlıdéséhez is jelentısen hozzájárult, a fent ismertetett gondolkodásmódnak megfelelıen alakította elméletét. Nem csupán a profitmaximalizálásra, vagy a költségek minimalizálására törekedett, hanem valamennyi tényezı együttes figyelembevételével történı optimalizálásra. Mindezt ráadásul úgy tette, hogy az ekkor már klasszikusnak tekintett alapvetı telephelyelméletek mindegyikére támaszkodott. Kombinálva alkalmazta Thünen központi város körül húzódó zónáit Lösch településszerkezetével és piactérségeivel, és Weberhez hasonlóan a nyersanyagforrásokra is nagy hangsúlyt fektetett. Kiemelte a nagyobb településekhez kapcsolódó funkciók, fıleg az infrastruktúra szerepét (Smith, 1971). Alapvetı felismerésként jelent meg munkásságában, hogy a telepítési tényezık köre nem állandó, folyamatosan változik azok helyettesíthetısége. Ezek kapcsán tanulmányozta a területi termelési függvényeket, s alapfeltevése az volt, hogy a termelési hely döntı módon befolyásolja a termelési tényezık árát (Káposzta, 2007). Láthatjuk tehát, hogy a telepítési tényezık megítélésnek rendszere igen komplexé vált, s napjainkhoz közeledve ez a komplexitás csak fokozódott. Idıvel a felismerést is általánosan elfogadták, hogy a telephelyválasztás döntései a gazdasági tevékenységtıl is jelentıs mértékben függnek. Például a tradicionális ipar esetén, fontos szereppel bírnak a közúti és vasúthálózatok, a piac közelsége, a központi politika hatásai és bizonyos mértékig a bérköltségek. A high-tech iparágaknál mindezeken túl számolni kell a munkaerı képzettségével, az adott hely általános vonzerejével, tudományos mőhelyek szerepével is (EC, 1990).
14
Annak ellenére, hogy Isard és társai jelentısen hozzájárultak a gazdasági térelméletek fejlıdéséhez, már az 1970-es évektıl számos kritika érte a neoklasszikus közgazdasági megközelítést, mondván, hogy az a racionális gazdasági emberbıl indul ki, vagyis azt feltételezi, hogy a döntéshozó ismeri valamennyi telepítési tényezıt. Ezen kívül nem veszi figyelembe a nem gazdasági motivációkat, s csak olyan tényezıkbıl indul ki, mely az adott pillanatban aktuálisak (például árak), ezáltal statikussá válik. Ugyanakkor a telephelyválasztás hosszú távra kell, hogy szóljon (Healy – Ilbery, 1991). Az elıbb ismertetett kritikai észrevételek mellet az 1980-as években a nemzetközi kapcsolatok élénkülése, a nemzetközi gazdasági háló kialakulása, vagyis bizonyos értelemben véve a globalizáció elsı jelei szintén az irányba hatottak, hogy a neoklasszikus közgazdaságtani szemléleten túl lépve jelenjenek meg újabb telephely választási modellek, és a térgazdaság is átértékelésre kerüljön. E folyamat egyik eredményeként látta meg 1997-ben a napvilágot Storper „szentháromságmodellje” (1. ábra) is, melynek kiindulása alapja, hogy a globalizált gazdasági világban a tevékenységek térbeli elhelyezkedése három fı tényezıtıl tehetı függıvé. A vállalati szervezetektıl, a térbeli elhelyezkedéstıl és a technológiától. Ez ugyan még önmagában hasonlít a neoklasszikus elméletekhez, de továbbfejlesztette azt, hiszen megjelent a döntéshozók szubjektuma, kapcsolatrendszere és mindezek kulturális háttere is. Összességében tehát magatartástudományi és intézményi irányzatokkal kombinálva fejlesztette tovább a neoklasszikus alapokat, s így már nem csupán üzleti elemekre helyezte a hangsúlyt (Storper, 1997).
1. ábra Storper „szentháromság-modellje” Forrás: Lengyel – Rechnitzer, 2004
A három megnevezett tényezı egymást kölcsönösen meghatározó kapcsolatait sem a neoklasszikus irányzatnál megszokott közgazdasági összefüggésrendszerben (ár-költség-mennyiség) jeleníti meg. A vállalati szervezetek esetén jegyzi meg, hogy az egy értékláncrendszerbe tartozó cégek kapcsolatai nem csupán az egymás számára biztosított termékek, szolgáltatások (inputok) jellemzıitıl függnek, de a köztük lévı nem üzleti kapcsolatoktól – például személyes kapcsolatok– is. Ezek ugyanis befolyásolják a vállalatokon belüli és azok közötti információáramlást, szakmai tudás átadását is, s ebbıl adódóan kölcsönös egymásrautaltsággal is számolniuk kell. A technológiával kapcsolatosan azt állítja, hogy az új technológiák és termékek megjelenése és elterjedése, piaci sikere elsısorban a térbeli elhelyezkedéstıl és az innovációs kapacitástól függ. Ráadásul a termelékenységet javító technológia is hat a térbeliségre azáltal, hogy meghatározza a termelés célszerő helyét is. Természetesen mindennek az alapja az adott térbeli helyre jellemzı tudástömeg, mely testet ölthet licence, know-how, vagy személyek és szervezetek formájában. 15
A lokalitás vagy térbeliség szerepe pedig abban látható, hogy a szervezetek közötti és a helyi hagyományokra épülı kapcsolatok valamennyi régióban fontosak. Ezen helyspecifikus tényezıknek köszönhetıen alakulnak ki húzóágazatok az egyes régiókban, melyek versenyelınyeinek kialakulásában az adott térbeli helyre jellemzı kapcsolati tıkének kiemelt szerepe van. Sporter részérıl a fenti gondolatok meghaladták a hagyományos feldolgozóipari dominancia mellett alkalmazott korábbi elméleteket, melyek az urbanizációs folyamatok során felértékelıdött városi szolgáltatások fontossága miatt már nem állták meg helyüket. A szolgáltatások ugyanis személyfüggık, ezáltal a csak objektív közgazdasági szemléletmódra alapozni már nem lehet, egyre fontosabbá vált az emberi szubjektum, illetve kultúra (Lengyel – Rechnitzer, 2004). Ez az egy modell is igen jól tükrözi, hogy a tevékenységek térbeli eloszlása igen változatos feltételek mellett realizálódik. Ez azonban nem jelenti azt, hogy ne lehetne megfogalmazni olyan alapvetı szempontokat, melyek a regionális vizsgálatok többségénél fı tényezıkként jelentkeznek. Ezt meg is tette Hoover (1984) az „An Introduction to Regional Economics” címő munkájában. „Három alapkövet” nevezett meg, a természeti erıforrásokból származó elınyöket, a térbeli koncentráció gazdaságosságát és a szállítási, valamint kommunikációs költségeket. E hármassal a természeti erıforrások helyhez kötöttségére, bizonyos funkciók feloszthatóságának tökéletlenségére, szolgáltatások koncentráltságára valamint a termékek és szolgáltatások tökéletlen mobilitásából adódó szállítási költségekre utalt (Hoover – Giarratani, 1999). A három tényezı eltérı fontossággal bír, s nem csak önmagukban, hanem az adott tevékenység jellegétıl függıen is. A természeti erıforrásokra épülı aktivitások helyhez kötöttek, az erıforrás lelıhelyéhez indokolt telepíteni azokat. Ráadásul az említett típusú erıforrások többsége nem bıvíthetı, s jelentıs veszélyt hordoznak magukban tekintettel arra, hogy minıségi tényezıik idıvel negatív irányba változhatnak. A térbeli koncentráció gazdaságossága (méretgazdaságosság) abból adódik, hogy a nagyobb városok nagyobb szolgáltatási piacot, végsı soron tehát nagyobb szolgáltatásméretet jelentenek. S nem csak a fogyasztók száma igen magas, de a koncentráltságból adódóan az inputok helyettesítése is könnyebben kivitelezhetı és magas fokú a specializáció, a közlekedési és egyéb infrastruktúra fejlettsége, mindebbıl adódóan pedig az intézményi szolgáltatások fajlagosan olcsóbbak. A szállítási és kommunikációs költségek jórészt azon tevékenységek telepítési döntéseit befolyásolják természetesen, melyek magas szállítási és kommunikációs költségekkel kénytelenek számolni. Ezek esetében érdemes inputok forráshelyéhez vagy a piachoz közel illetve szállítási csomópontba telepíteni (Lengyel – Rechnitzer, 2004). Többek között az utóbbi két elmélet már elırevetítette azokat a nemzetközi gazdasági folyamatokat, melyeket napjainkban globalizációként ismerve élünk meg. 1.1.3.2. Globalizáció, lokalizáció és azok hatásai A globalizáció, illetve annak folyamatai révén a térbeliség és a térgazdaságban, társadalomban betöltött szerepe vitathatatlanná vált, ezáltal a regionális tudomány elıtérbe került. A különbözı térségi szinteken (2. táblázat) történı elemzések egyre általánosabbá váltak, már nem csupán a lokális szinten történı telephelyválasztási elméletek jelentették kizárólagosan a térelemzéseket.
16
2. táblázat Térségi szintek a társadalomban Makroterek világ (Föld) országcsoport (nemzetközi integráció) Ország Regionális terek nagytérség (országrész) mezokörzet (gazdasági körzet, megye) kistérség (kistáj, városi vonzáskörzet) Lokális terek település (helyi önkormányzat) lakókörzet (településrész, kerület) szomszédság Mikroterek család (háztartás) – munkahely egyén Forrás: Nemes Nagy, 1998
Mivel jelen munkám vizsgálatának érdemi részét képezı területi elemzések idıszaka szintén napjaink globalizált korszakára esik, úgy vélem, hogy indokolt a globalizáció és a globális gazdaság fıbb jellemzıit ismertetnem, így a következıkben ezt megteszem. Mindenek elıtt tisztázandó a globalizáció fogalma, melyre azonban egységes és általánosságban elfogadott definíció nem létezik. Ez adódik abból, hogy fogalma igen összetett, hiszen használják a közgazdaságtanban, politikában, a korszerő technika világában egyaránt (Bertalan, 2004). Többek között értelmezhetı az alapvetı gazdasági funkciók nemzetközi bıvüléseként és integrációjaként, elég, ha csak a K+F-re, termelésre, értékesítésre, a különbözı hálózatokra gondolunk. De érthetjük alatta a társadalmi problémák egyetemessé válását, az egész földgolyóra való odafigyelést. A globalizáció, illetve globalitás térhez, idıhöz, személyhez és tárgyhoz egyaránt kötött. Kiterjed a társadalmi és gazdasági élet valamennyi területére, a mikro- és makrofolyamatokra egyaránt. Általánosságban fıbb jellemzıinek tekinthetjük a kölcsönös függés kérdését, a globális médiát, a nemzeti (etnikai) másságok felerısödését, az uniformizálás elleni küzdelmet (Vofkori, 2002). A globalizációt, annak elınyeibıl és hátrányaiból adódóan, egyaránt tartják hasznosnak és nemkívánatosnak. Elınyös hatásai között említik, hogy a termelés-kihelyezések révén új piacok váltak elérhetıvé, új munkahelyek teremtıdtek, ezzel számos új életlehetıség adódott (Friedman, 2006). Segítette a gazdasági növekedést, hatásaként növekedett a foglalkoztatottak száma a hightech szektorban és ezáltal a felsıfokú oktatás iránti érdeklıdés, emelkedett az általános tudásszint. Ugyancsak utóbbit generálta igényei révén a szolgáltató szektor. A munkaerıpiac nemzetközivé válásával pedig a munkaerı mobilitását is növelte. A globalizáció hátránya elsıdlegesen szociológiai oldalról közelíthetı meg. A verseny sokszor kíméletlen teljesítménykövetelménye a kevésbé fejlett gazdaságokban növekvı számban rekeszt ki tömegeket a társadalomból, csökkentve ezzel a társadalmi összetartozás érzését. Az egyén szintjén pedig a felértékelıdı versenyszellem révén az emberi szolidaritást (Vofkori, 2002). Természetesen további elınyöket és hátrányokat lehetne még sorolni, más-más szempontok alapján, s függetlenül attól, hogy a jelenséggel együtt járó pozitívumok vagy negatívumok vannak többségben, az biztos, hogy a globalizáció révén relatíve új gazdasági térszerkezetet alakult ki (2 és 3. ábra).
17
2. ábra A globális világ térszerkezete (strukturált elméleti modell) Forrás: Vofkori, 2002
3. ábra A globális világ erıvonalai és térszerkezete Forrás: Vofkori, 2002
A globalizáció egy olyan új gazdasági jelenség és cselekvéssorozat, melynek kiindulópontja a hozzáférés és hozzáférhetıség kérdése a tıkéhez, információhoz, kommunikációhoz stb. Tulajdonképpen a mőszaki és gazdasági fejlıdés mentén kialakult, sokszereplıs jelenségsorozat, mely utóbbinak a tere is egy globális (átfogó) tér.
18
Maga a globalizáció egyrészt jelenti az internacionalizálódást, másrészt a transznacionalizálódást, s ily módon áthatja a már említett világgazdaság térszerkezetét, erıviszonyait, annak hálózati jelleget adva. A transznacinonális vállalatok központjaiként számon tartott „global city”-k pedig ezen hálózat irányító szerepét látják el (Enyedi, 2004). Mindez a szabad kereskedelem, a szabad verseny, a hatékonyság jegyében zajlik, mely mögött a piac, mint fı szervezıerı áll, amelynek elsıdleges célja a termelés és fogyasztás növekedése. Vofkori (2002) Gazdasági földrajz címő munkájában egyértelmően állítja, hogy a globalizálódás hatásaként – fıként az elıbbiek miatt – szembesülnie kell a világnak azzal is, hogy a fejlett és kevésbé fejlett országok, régiók közötti szakadék növekszik. Ugyanezzel kapcsolatosan Kondor (2008) nem foglal egyértelmően állást, de szól napjaink azon vitájáról, melynek központi kérdése az, hogy vajon a globalizáció elısegíti, vagy éppenséggel csökkenti a területi különbségeket. Hasonlóan utal a vélemények megosztottságára – említve globalizáció hatásainak jellegét és mértékét – Vertova is (2006). Függetlenül attól, hogy az egyenlıtlenségekre milyen irányú és mélységő hatásokkal bír a globalizáció, a jelentkezı területi problémák mindenképp beavatkozást igényelnek, ugyanis az érintett térségek egyre kevésbé képesek önállóan olyan hatékony gazdaságpolitika kialakítására, mely fejlıdésüket felgyorsítaná. Azzal, hogy az országhatárok gazdasági szempontból egyre kisebb jelentıségőek, míg a gazdasági élet egyre fontosabb mozgatójává a transznacionális vállalati rendszer válik, a „világproblémák” kezelése igen nagy kihívás (Korten, 2002). Ahhoz globális gondolkodásmód (átfogó veszélyek ismerete) és lokális cselekvés (helyileg kell megoldani a gondokat), illetve bizonyos területeken – például a jelenlegi pénzügyi válság, vagy a számtalanszor emlegetett globális felmelegedés – globális szinten történı koordinálás szükséges. Így az új, ugyanakkor lassan már közhellyé koptatott, „jelszó” a „Gondolkodj globálisan, cselekedj lokálisan!” lett (Vofkori, 2002). A globális és lokális dimenziók nem csupán a hangzatos mottók vonatkozásában férnek meg egymás mellett, illetve erısítik egymást, de a gazdasági folyamatok tekintetében is. Ennek oka az a látszólagos kettısség, mely napjaink vállalati versenystratégiáiban visszatükrözıdik. Egyrészt a világ bármely pontját az egységes piac részének tekintik, másrészt az egyes helyek sajátos jellemzıi elıtérbe kerültek a vállalati versenyelınyök formálóiként. Leegyszerősítve a globalizációs folyamatok egyidejőleg felerısítik a lokális tényezık szerepét. Ezt nevezik globális-lokális paradoxonnak (Lengyel – Rechnitzer, 2004). Minél gyorsabb a globalizáció, annál inkább erısödik a verseny is, így nem meglepı, hogy napjainkban a vállalatok globális versenystratégiákat dolgoznak ki, melyekben sem a nemzeti, sem a regionális határokat nem veszik erıteljesen figyelembe. A nyersanyagok, termelési tényezık piaca is globalizálódott, fıleg a mobil inputok révén, hiszen azok bármelyik országból beszerezhetık. Az immobil tényezık kapcsán pedig egyszerő részlegtelepítés valósul meg. A multinacionális vállalati hálózatok révén az új technológiák viszonylag gyorsan terjednek, a tudásalapú gazdaságból származó eljárások majdhogynem egyidejőleg alakítják át az üzletágak vállalatait. Összességében tehát szinte bármit bárhol bárhonnan be lehet szerezni, és bárhová el lehet juttatni értékesítés céljából. Így a legkézenfekvıbb ezek alapján az volna, ha a költséghatékonyságot szem elıtt tartva a legalacsonyabb költségszintet jelentı helyekre – azaz kevésbé fejlett térségekbe – települnének a részlegek, elindítva ott is a fejlıdést, felzárkózást. Ez a kiegyenlítıdés azonban nem zajlik le, mert napjaink vállalati hozzáadott értéktermelési folyamatainak középpontjában a nem anyagi javak, például szabadalmak, licencek, szervezeti kultúra, kapcsolatok, állnak. S hiába kerülnek a fizikai tényezık az elmaradott térségekbe azok költségelınyei miatt, a magasabb hozzáadott értékkel bíró szellemi tevékenységek a fejlettebb régiókban maradnak.
19
A multinacionális cégek versenyelıny forrásai a vállalati székhely országában koncentrálódnak, ráadásul ezen országon belül is lehatárolható egy olyan térségi bázis, ahol a menedzsment, a stratégiai döntéshozás, a tudásbázis, a K+F tevékenységek összpontosulnak. A globális-lokális paradoxon fıbb jellemzıin (4. ábra) végigtekintve egyértelmően érzékelhetjük a „globális-lokális folyamatok egymást feltételezı és kiegészítı” jellegét, vagyis azt, hogy „miközben a gazdasági tevékenységek globalizálódnak, eközben az iparágak tartós versenyelınyeinek forrásai lokalizálódnak” (Lengyel – Rechnitzer, 2004). GLOBÁLIS LOKÁLIS A piaci verseny a legtöbb ágazatban egyre A nemzetek, régiók, városok gazdasági inkább globálissá válik: teljesítményében: o a vállalatok globális stratégiákat o fennmaradnak a jelentıs különbségek, kidolgozva versenyeznek egymással, o a globális stratégiák átlépik a nemzeti o nem a fizikai és pénztıke, hanem fıleg és regionális határokat. a nem tárgyi javak válnak döntıvé. A hagyományos termelési tényezı bármely vállalat részére elvileg korlátlanul elérhetık: o a mobil tényezık tetszés szerint helyre szállíthatók, o az immobil tényezıkhöz részlegeket telepíthetnek.
Bármelyik üzletág vezetı globális vállalatainak: o hazai bázisa egyértelmően megadható , o a tulajdonosok országa viszont nem mérvadó. Az ágazatok többségében a világ vezetı versenyzı cégeinek o kulcsrészlegei, innovációs kapcsolatai csak néhány országban, azon belül gyakran néhány centrumtérségben koncentrálódnak, o a termelı és kiszolgáló részlegek dekoncentrálódnak a perifériákon.
A tudásalapú gazdaságból származó új ismeretek és technológiák globálisan terjednek: o az új eljárások szinte mindegyik ország mindegyik ágazatát átalakítják, o a piaci szereplık közötti információk áramlása egyidejő és határtalan. ⇒ globális verseny és piac ⇒ bárhonnan-bármit-bárhol-bárhová
⇒ új regionális lokális specializáció ⇒ új tartós versenyelınyök forrásai
4. ábra Globális-lokális paradoxon fıbb jellemzıi összefoglalva Forrás: Lengyel, 2003
1.1.4. A területi különbségek fıbb tényezıi, növekedés és fejlıdés Az elızıekben ugyan röviden ismertettem, hogy a globalitás és a lokalitás milyen hatásmechanizmusokon keresztül befolyásolja a területi különbségeket, ám úgy vélem ez nem elegendı ahhoz, hogy a térségek fejlıdési folyamatát, gazdasági növekedési ütemét mozgató jelenségeket, azok tényezıit részletesebben is meg lehessen érteni. Ráadásul ezek részben magyarázzák azt, hogy a késıbbiek során ismertetésre kerülı saját vizsgálatokban, miért választottam bizonyos kérdésköröket és azok elemzéséhez miért pont a kiválasztott mutatókat alkalmaztam. Mindenekelıtt a térbeli koncentrálódásról következik néhány gondolat, hiszen annak szerepével már a XIX. század végén is foglalkoztak a közgazdászok, többek között Alfred Marshall (1890), aki az iparági lokális elınyök forrásait ismertette.
20
1.1.4.1. Területi koncentráció, pozitív lokális externáliák, agglomerációs hatás Marshall a külsı (extern) gazdasági hatások fontosságára hívta fel a figyelmet, s az ipari körzetek fejlıdését is ezekre vezette vissza. Az externáliákat szomszédsági hatásként értékelte, lokális kiterjedésőnek látta. Méretgazdaságosság elemzésekor a belsı (vállalati) mellett külsı méretgazdaságosságról is szólt, melyet a vállalat elhelyezkedésétıl, az adott térbeli hely kondícióitól is függıvé tett. Ezen vállalaton kívüli méretgazdaságossági megnyilvánulási formák az externáliák, melyeket térben koncentrálódó egy ipari ágazatba tartozó vállalkozások kapcsán elemzett. A telephelyválasztással kapcsolatosan ugyan ı is fıleg a fizikai tényezıket tekintette fontosnak, ám úgy vélte, hogy a mőködı vállalkozások erısödési folyamata a lokális externáliákra vezethetı vissza (Capello, 2007). Külön kiemelte a szakmai tudás és az iparági miliı szerepét, utalva arra, hogy a késıbb az adott körzetbe települı cégek is hozzáférnek az elıbbihez és élvezik az utóbbi pozitív hatásait (Cainelli et al., 2006). Napjainkban a lokális pozitív externáliák egy adott üzletág földrajzi koncentrálódását idézhetik elı, iparági körzetek kialakulását eredményezhetik. E koncentráció hatásaként létrejövı nagymérető piac lehetıvé teszi a helyi beszállítók, szolgáltatók specializálódását, mely végsı soron az utóbbiak termelékenységét növeli, költségeit pedig csökkenti. A specializáció – a hasonló képzettségő munkaerı iránti igény révén – „átterjed” a helyi munkaerıpiacra is, ezáltal speciális intézmények kialakulását generálva. A koncentrálódási folyamat egy bizonyos szintet elérve felgyorsul az öngerjesztıs hatások révén, s így a lokális piacra való belépési korlátok egyre alacsonyabbá válnak az adott iparágon belül, így még több cég jelenik meg, erısítve a pozitív hatásokat. Ez azonban nem csak az éppen érintett iparág vállalatait érinti pozitívan, de az adott térbeli helyen található intézményeket, illetve az adott település imázsát is. Mindezekhez a technológiai tudás, az iparági információk, innovációk gyors elterjedése és a kiépült modern infrastruktúra is hozzájárul (Lengyel, 2003). Ez a négy terület tekinthetı azon mai lokális extern hatások forrásainak, melyek a térbeli koncentrációt elısegítik. E koncentráció gyakori megnyilvánulási formái napjainkban az agglomerációk, így a pozitív externáliák elmélete gyakran azokhoz kötött (Buzás, 2000). A térségi koncentrációból származó elınyök közül Marshall belsı méretgazdaságosságának megfelelıket Hoover indirekt agglomerációs elınyöknek nevezte, melyek fıbb hatásainak az olcsóságot, rugalmasságot és változatosságot tartotta (Hoover, 1970). Az agglomerációs elınyökkel kapcsolatosan Isard három alaptípust különböztet meg (Zheng, 2007), melyek a következık: •
A nagyvállalati elınyök lényegében abból adódnak, hogy egy helyen, egy üzemben tömörül minden egyes funkció és tevékenység, ezáltal az információáramlás gyorsabb, hatékonyabb.
•
A lokalizációs elınyök az egy ipari ágazathoz tartozó vállalatok térbeli sőrősödését jelentik, melyek nem függnek a településmérettıl, s akkor keletkeznek, ha az adott ipari ágazat szereplıinek területi koncentrálódásán túlmenıen a köztük lévı kapcsolatokból mérhetı hasznaik származnak. Ezek a lokalizációs elınyök iparág-specifikusak, hiszen az iparági „egységességbıl” adódóan javul a hatékonyság – inputok alacsonyabb egységáron szerezhetık be –, speciális szolgáltatások, oktatási intézmények, infrastruktúra mind alkalmazkodik az adott ipar elvárásaihoz. Ezek által a specializált agglomerációban egyre nagyobb arányú lesz a gazdasági integráció foka (Krugman, 1991).
•
A harmadik típust jelentı urbanizációs elınyök fıleg a város méretébıl, lakosságszámából és a tevékenységek egymásra gyakorolt hatásai által eredményezett költségmegtakarításokból erednek. Ezek a nagymérető lokális piac, a közszolgáltatások méretgazdaságossága, pénzintézetek jelenléte stb. (Isard, 1975). 21
Az agglomerációs hatások önmagukban azonban nem jelentenek egyértelmő sikerességet, hiszen több nagyvárosi agglomeráció is lemaradt a globális versenyben és bizonyos urbanizációs hátrányokkal is szembesülni kell. E gondolat mentén az agglomerációs elınyök két csoportra bonthatók: statikusra és dinamikusra. •
A statikus agglomerációs elınyök – a globalizáció következtében – már nem elégséges feltételei a versenyképesség megırzésének, a sikeres fejlıdés biztosításának. Ennek oka a statikus elınyök elemeiben: fogyasztók elégséges száma, elég nagy munkaerıpiac, ipari szolgáltatások, speciális infrastruktúra keresendı. A felsorolt tényezık mindegyike költségcsökkentésre kínál lehetıséget, ezt a lehetséges elınyt azonban kiegyenlíti a technológiai váltás felgyorsulása, a termelési tényezık könnyő (olcsó, gyors, mobil) beszerezhetısége stb., így a versenyelıny hamar elolvad.
•
Ezzel szemben a dinamikus agglomerációs elınyök, vagyis a helyi felsıoktatási intézmények, kutató-fejlesztı részlegek együttmőködésébıl származó és termékdifferenciálásra módot adó innovációs elınyök, a globális gazdaság feltételei között is biztos alapokat jelentenek a versenyen belüli sikerhez. Lehetıvé teszik ugyanis, a gyorsabb piaci alkalmazkodást, a közös kutatások és fejlesztések elindítását, a tudástranszfert, a tranzakciós és szállítási költségek csökkenését, a gyorsabb információáramlást stb. (Porter, 2003).
Az agglomerációs elınyök tipizálási elméleteitıl függetlenül egy biztos: az agglomerációk napjainkban jelentıs hatással bírnak a területi gazdasági integráció fokának növekedéséhez foglalkoztatottság, az innováció, a jövedelmek stb. térbeli rendezıdése által. A versenyben jelentkezı különbségek a térszerkezeti hierarchia révén természetesen nem csak a lokális (agglomerációs), de más (például regionális) szinten is fontos kérdések. Ezek ugyanis kihatnak az egyes régiók gazdasági fejlıdésére és növekedésére (Bosker, 2007).
1.1.4.2. Regionális versenyképesség – fejlıdés és növekedés A regionális gazdasági fejlıdés alatt egy olyan, a minıségi feltételeket érintı szerkezeti változást értünk, mely során a regionális gazdaság feltételrendszere javul, annak versenyképessége növekszik. Végsı soron tehát a szerkezeti változás nem csupán magára a gazdaságra, hanem annak mőködési közegére (környezetére) is értendı. A versenyképesség pedig, az Európai Unió és az OECD definícióija alapján, egy „képesség olyan javak és szolgáltatások elıállítására, amelyek a hazai és nemzetközi piacokon is értékesíthetık, miközben az állampolgárok növekvı és hosszú távon fenntartható életszínvonalat érnek el” (OECD, 1997). Továbbá „a vállalatok, iparágak, régiók, nemzetek és nemzetek feletti régiók képessége relatíve magas jövedelem és relatíve magas foglalkoztatottsági szint tartós létrehozására, miközben a nemzetközi (globális) versenynek ki vannak téve” (CEC, 1999). Ezek alapján a regionális versenyképesség tehát nem más, mint „a régiók képessége relatíve magas jövedelem és relatíve magas foglalkoztatottsági szint tartós létrehozására, miközben a nemzetközi (globális) versenynek ki vannak téve” (Lengyel, 2000). A definícióban szereplı foglalkoztatás és jövedelem kategóriák már önmagukban is hordozzák azt, hogy versenyképességnek politikai, gazdasági, társadalmi, környezeti és infrastrukturális vetületei egyaránt léteznek (Kuttor, 2005). A fejlıdés és a regionális versenyképesség mellett tisztázni szükséges a gazdasági növekedés fogalmát is, hiszen a gazdasági fejlıdéssel együtt járó jelenség. A gazdasági növekedés mennyiségi változás, jellege és mértéke az alkotóelemek mennyiségi változásaival mérhetı. Négy alapvetı tényezıje a természeti erıforrások, a népesség, a tıkeállomány és végül, de nem utolsó sorban a technológia. A természeti erıforrások és a népesség egyszerő mérıszámokkal jellemezhetı, például 22
erdıállomány vagy természetvédelmi terület nagyságával, illetve régióban élık számával, életkor, nem, iskolai végzettség szerinti összetételével, míg a tıkeállomány a megvalósult és mőködı beruházások értékével. A technológiai színvonal értékelése azonban már nem ennyire egyszerő. A növekedés – az elıbb felsorolt meghatározó tényezıkön keresztül megjelenı – hatásai minıségi átrendezıdéseket okoz a regionális gazdaságban. Javul a versenyképesség, változik a kibocsátási szerkezet, emelkedik a jövedelemtermelı képesség, s ezek által az ott élı lakosság életkörülményei is kedvezıbb irányba változnak. A növekedéshez szükséges kellı mértékő termelési potenciált és annak változását befolyásoló tényezık lehetnek régión belüliek és kívüliek. A belsı növekedési tényezık az adott régióban és adott idıpontban rendelkezésre álló jövedelem és kereslet, illetve azokban adott idıszak alatt bekövetkezı változás mértéke határozza meg. Ezeket tovább bontva kínálati oldalról a munkának, a tıkének és a technikai haladásnak, keresleti oldalról pedig a fogyasztási és beruházási javak iránti igénynek tulajdoníthatunk fontos szerepet. Ezekkel azonban még mindig nem zárul le a sor, ugyanis mind a kínálati, mind a keresleti oldalra hatnak olyan további, nem gazdasági tényezık, mint a térszerkezet és településhálózat, az infrastrukturális ellátottság, a környezeti állapot, a gazdasági, társadalmi szerkezet stb. A belsı tényezık mellett külsı növekedési tényezıkkel is számolni kell, hiszen ha a régióra csupán zárt rendszerként tekintenénk, akkor azzal megint területi egységet emelnénk ki a valós gazdasági közegbıl, másrészt pedig a rendelkezésre álló erıforrások korlátozottakká válnának. Ilyen külsı elem az interregionális kapcsolatok összessége, a mobil termelési tényezık, valamint az áruk és szolgáltatások áramlása (Lengyel – Rechnitzer, 2004). Mivel a regionális növekedés egyik kulcskérdése az egyes térségek területi fejlıdésének, ezáltal végsı soron a területi differenciálódásnak is, így szükségesnek érzem az egyes hatótényezık és azok mobilitási jellemzıinek részletesebb kifejtését. Ahogy azt már az elızıekben is említettem a régió növekedése a teljesítményi potenciálon keresztül jelentıs mértékben függ a munkától, melynek fı jellemzıje három tényezı: a népességszám, a munkaerı-kínálat és a munkaerı mobilitása. A népességszám mindenkori alakulását a be- és kivándorlók száma közötti különbség, valamint a természetes szaporodás együttes nagysága határozza meg. A munkaerı-kínálat függ a lakosság kor, nem és iskolai végzettség szerinti megoszlásától, a gazdaságilag aktív lakosság összlakosságon belüli arányától, a munkanélküliek arányától és nem utolsó sorban a munkavállalással, nyugdíjazással kapcsolatos jogi környezettıl. A munkaerı mobilitása alatt a munka régiók közötti (térbeli) áramlását, illetve annak fokát értjük, mely megvalósulhat migrációval és ingázással. Elıbbi esetén a munkahellyel együtt változik a lakhely is, míg utóbbinál csak az elsı módosul (Armstrong – Taylor, 2000). A mobilitási hajlandóságot személyes tényezık (egyéni értékek, elvárások stb.) és a régió által biztosított feltételek együttesen határozzák meg, és igen fontos szereppel bír az informáltság. Annál nagyobb a mobilitás valószínősége, illetve foka, minél nagyobb az adott térségben a munkalehetıségekkel és életkörülményekkel szembeni elégedetlenség és a felismerhetı interregionális haszonkülönbség (Richardson, 1973). Ennek a haszonkülönbségnek a fıbb változói a jövedelmek és bérszínvonal, a létfenntartási költségek, lakáshelyzet, munkahely lehetıségek száma és minısége, urbanizációs fok, infrastruktúra, kulturális, egészségügyi és szociális szolgáltatások elérhetısége és színvonala stb. A migráció esetén a haszonkülönbség mellett még egy tényezırıl is említést kell tenni, ez pedig a távolság. Nem véletlenül, ugyanis a távolság növekedésével csökken a mobilitás, a vándorlási hajlandóság, fıleg ha annak növekedésével növekednek a költségek és az információs bizonytalanság is. 23
A régiók közötti vándorlás intenzitásának meghatározására, számszerősítésére számos kísérlet született, azonban mindegyik esetében probléma volt a távolságtényezı korrekt alkalmazása. Ennek oka részben az, hogy eltérı távolágról kell beszélnünk ugyanazon régiók között is, ha légi, közúti és vasúti közlekedésrıl van szó. Ettıl is problémásabb a távolságok hatásaival összefüggésben felmerülı olyan társadalmi tényezık köre, mint a vallási, nyelvi különbségek, az életmódok és életszemléletek közötti eltérések és a különféle kulturális elemek, melyek még kevésbé „mérhetık”, s bizonyos esetekben fontosabbak is lehetnek, mint a földrajzi vagy gazdasági távolság. A tér áthidalásának költségtényezıi sem feltétlenül segítik elı a mobilitást, gondoljunk csak a térbeli mozgás (költözés), az eltérı ingatlanárak, a megélhetés költségeire. S mivel általában a munkaerı a lehetıségek reményében a kedvezıtlenebb adottságú térségekbıl a kedvezıbbekbe próbál áramlani, ezek a faktorok a mobilitást erısen visszafogják (Armstrong – Taylor, 2000). A migráció a leírtak alapján tehát hatást gyakorol a területi fejlıdésre mind a fejlett, mind az elmaradott térségekben, igaz eltérı jelleggel és mértékkel. A depresszív régiók – vagyis ahonnan történik az elvándorlás – esetén a munkaerı többnyire munkanélküli vagy foglalkoztatottsági szintje alacsony, így annak kivándorlása után pénzügyi források szabadulhatnak fel azáltal, hogy a szociális juttatások mértéke csökken (Lengyel – Rechnitzer, 2004). Így a helyi önkormányzatoknál a felszabaduló források fejlesztési irányú hasznosítása elıtt adódik lehetıség, igaz ez nem feltétlenül jelent hatalmas összegeket. Ráadásul ez nem feltétlenül ellentételezi azt a negatív hatást, amely az élımunka elvándorlásából adódik. Egyrészt azért, mert az így felszabaduló összegek beruházási oldalról tekintve általában nem számottevık. Másrészt pedig azért, mert az élımunka helyettesítése technológiailag nem feltétlenül oldható meg. Igaz ez annak ellenére, hogy az élımunka technológiai helyettesíthetıségének azon feltétele, mely szerint a helyettesítés akkor lehetséges ha alacsony képzettségő a munkaerı, többnyire teljesül ezen térségekben. Ennek oka az, hogy az alacsonyabb fejlettségi fokkal bíró területek gazdaságában fıként az alacsony technológiai színvonalú, élımunka igényes ágazatok és tevékenységek vannak jelen. Az elvándorolt munkaerı tehát nem lesz helyettesíthetı tıkeberuházások segítségével, s végsı soron tevékenység kényszerő feladása, azzal együtt pedig termelékenység és átlagjövedelem csökkenés, valamint elbocsátások, tehát növekvı munkanélküliség fog jelentkezni. Az erre megoldást jelentı és struktúraváltást elısegítı tıkeberuházások, intézményi reformok kapcsán pedig igen komplex tényezırendszerrel kell számolnunk, mely a sikerességet bizonytalanná teszi. Összességében kijelenthetı, hogy minél magasabb az elvándorlók képzettségi szintje, és minél kisebb a lokális, regionális helyettesíthetıségük, annál nagyobb a periférikus térségekben a munkaerı munkahelyeinek veszélyeztetettségi foka (Lengyel – Rechnitzer, 2004). Egyes esetekben az elıbb ismertetettekkel ellentétes folyamat, munkaerı visszaáramlás is megvalósulhat, ugyanis bizonyos idı elteltével pontosan a munkaerıhiány és az élımunka alacsony helyettesíthetısége ez irányba ható, motiváló tényezıként lép fel. Ez a megszerzett ismeretek hordozásával innovatív módon hathat, vagyis a visszatelepülık növekvı határtermelékenységgel tudják hasznosítani az új ismereteket, s ezáltal kiegyenlítıdhetnek a korábbi veszteségek. A vándorlás kapcsán még említést kell tenni az egyes családok esetében a családtagok térbeli elkülönülésével megvalósuló pénztranszferrıl – anyagi segítség a család periférián maradó részének –, mely az elmaradott régióban a fogyasztást ösztönzik. Emellett az információs hatások is jelentıs tényezık: a kivándorlók fogyasztási tapasztalataik és a származási régióban megmaradt társadalmi kapcsolataik révén fogyasztási innovációt, értékeket, életmódbeli szemléleteket, de akár szervezeti modelleket is közvetíthetnek. 24
Ezzel egyrészt növelhetik a periféria térségben a hatékonyságot, munkatermelékenységet – csökkentve az elvándorlási „kedvet” –, másrészt viszont tovább erısíthetik a további vándorlást, hiszen az információk átadásával még inkább láthatóvá válnak a területi különbségek. A migrációs folyamat másik oldalán a célrégiók állnak, melyek általában – az ismert haszontényezık alapján érthetı módon – a nagyvárosi agglomerációk, hiszen jobb munka és jövedelem lehetıségeket kínálnak. Hazánkban például Budapest ilyen jellegő szerepe igen erıs, sıt napjainkban már túlzott dominanciáról is beszélhetünk. A vándorlási célterületek esetén is számolni kell hátrányokkal a migráció elınyös hatásai mellett. Vitathatatlanul elınyt jelent az össztermelés növekedése, abban az esetben, ha a bevándorló munkaerı által eredményezett termelés növeli a termelési potenciált. Ráadásul minél magasabb a térségbe érkezı munkaerı képzettségi szintje, annál jelentısebb a szociális nyereség, hiszen kevesebbet kell fordítania az adott önkormányzatoknak tovább- és átképzésre. Ily módon növekszik azok termelékenysége, közszolgáltatásaik körét bıvíthetik, színvonalukat emelhetik, mely az ott élık életminıségének javulásához szintén hozzájárul. A magasabb képzettségi szint ráadásul „adaptációs garanciát” jelent a magasabb technológia telepítéséhez, mely szintén növeli a teljesítményt, javítja a hatásfokot mind a vállalati, mind a közszféra tekintetében. Ugyanakkor a célrégiókba történı bevándorlás során a készségek, a teljesítmény helyettesíthetıségének foka emelkedik, s így fokozódik a munkaerı piaci verseny a munkavállalók között. Azonos termelési hozzájárulást feltételezve növekvı össztermelés esetén a munkaerı átlagjövedelme és a határtermelékenysége csökken, a tıkéé viszont növekszik. Ez pedig gazdasági és társadalmi konfliktusokhoz egyaránt vezethet (Lengyel – Rechnitzer, 2004). Az is megfigyelhetı, hogy a beáramló munkaerı többségében fiatal, vagyis a célterület fiatalítása is megvalósul – ezzel párhuzamosan a származási régiók elöregedı korstruktúrája tovább romlik –, mely azonban egyes infrastrukturális elemek, például nevelési, oktatási infrastruktúra, túlterhelését okozhatják, s növelik az önkormányzati kiadásokat. A munkaerı migrációja monetáris transzfert is eredményez, hiszen a bevándorlók fogyasztási és egyéb szokásaikat magukkal hozzák, új – a már korábban megszokott termékek és szolgáltatások iránti – igényeket támasztanak a célrégióban. A kielégítetlen igények kapcsán felmerülı árukat és szolgáltatásokat a származási régiókból szerzik, ily módon értékesítési kapcsolatokat teremtenek a két térség között, és a bevándorlók jövedelmének egy része visszaáramlik a periférikus térségekbe. A munka illetve munkaerı mellett – ahogyan azt már említettem – a regionális fejlıdést, növekedést erıteljesen meghatározó tényezı a tıke és annak áramlása is. A tıke a gazdaság motorja, mely térségi megoszlásán keresztül jelentısen befolyásolja a gazdasági térszerkezetet és az egyes területi egységek munkahelykínálatát is. A tıkeáramlás kapcsán látnunk kell azt, hogy a tıke maga nem teljesen mobil, az függ a megjelenési formájától, típusától. A földhöz kapcsolt vagy más megfogalmazásban helyhez kötött állótıke, például az infrastrukturális befektetés, immobil. A termelı kapacitások áthelyezése elviekben ugyan megoldható, ám gyakorlatban igen költséges. Központi, vagy önkormányzati letelepedési támogatás mellett, annak kompenzáló hatásának köszönhetıen ugyan elképzelhetı, de nem jellemzı. Ezzel ellentétben a pénztıke régiók közötti áramlása jóval intenzívebb, igaz ennek kapcsán is találkozhatunk tıkemobilitást akadályozó tényezıkkel. A vállalatok például elınyben részesítik a már meglévı, saját vállalkozásba történı további beruházásokat, hiszen az új tıkejavakat a termelés megfelelı méretének elérése érdekében sokszor érdemes a már meglévı telephelyre beruházni. De fékezı hatással lehet a mobilitásra a megfelelı kommunikációs és közlekedési infrastruktúra, önkormányzati kedvezmények hiányossága illetve hiánya is.
25
Ha azonban megvalósul két régió között a tıkeáramlás, akkor a célrégióban annak eredményeként növekedik a tıkeállomány és a termelési potenciál, míg a másikban mérséklıdik. Ekkor a két hatás – expanziós és visszahúzó – mértéke megegyezik, de ezzel nem teremtıdik egyensúlyi helyzet, hiszen a két ellentétes irányú folyamat révén a két régió közötti különbségek növekednek. A tıkefogadó térségben fokozódhat a térbeli koncentráció, vagyis az ott lévı gazdasági egységek agglomerációs elınyökre tehetnek szert, s végsı soron profitráta növekedésre lehet számítani. Ezáltal a térség még vonzóbbá válik, mely fokozza az adott célrégióba történı további tıkebeáramlást, azon keresztül pedig az egy fıre jutó jövedelmek és a növekedési ráták közötti különbséget. A területi differenciálódás fokozódik (Lengyel – Rechnitzer, 2004). A tıkeáramlás tehát igen soktényezıs és tovagyőrőzı hatásokkal bíró folyamat, melyet az elıbbiekben említett és gazdasági értelemben véve is számszerősíthetı „hard” tényezık mellett a „soft” tényezık is befolyásolnak. Ez utóbbiak köre napjainkban egyre inkább felértékelıdik, de nem csak a tıke, hanem a korábban kifejtett munkaerı mobilitás, gazdasági növekedés, a versenyképesség kapcsán is, fıleg az adott térség imázsán keresztül. Mivel a késıbbiekben ismertetésre kerülı kérdıíves felmérésem is számos olyan elemet tartalmaz, mely a területi imázshoz, identitáshoz, az adott területen élık attitődjéhez kapcsolható, szükségesnek látom a kérdéskör nemzetközi és érintılegesen hazai irodalmi vonatkozásait kissé részletesebben taglalni. Az imázs jelen összefüggésben értelmezve nem más, mint egy adott térséghez főzıdı benyomások, az arról tudott, vagy tudni vélt információk, továbbá kialakított, vagy átvett vélemények összessége. Egy vélemény, vagy elképzelés, ami az emberekben objektív, vagy szubjektív benyomások alapján alakul ki. Mindaz, amit az emberek gondolnak, éreznek, hisznek és érzékelnek a területi egységrıl. Mindezek a különbözı beruházási döntések alapjait képezik számos esetben, amikor is több ország, régió, település között döntenek egy nagyobb volumenő beruházás, telephelyválasztás, regionális logisztikai központ stb. megvalósítása elıtt. A multinacionális cégek által realizált, vagy általában bármely megvalósuló beruházás pedig mindenképpen befolyásolja a beruházó vállalkozás versenyképességén kívül (közvetlen hatás) – az invesztícióval felmerülı beszállítói lehetıségek kapcsán – az adott térségben már mőködı kkv-k s ily módon a térség versenyhelyzetét is (közvetett hatás) (Piskóti et. al., 2002). Például egy korábbi magyarországi felmérés szerint, melyet 106 multinacionális, többmilliárdos forgalommal bíró cég megkeresésével készítettek, a telepítési szempontok négy nagyobb csoportra oszthatók: a beruházás közvetlen költségei, a megvalósult üzem mőködtetésével, a piaccal kapcsolatos tényezık és a már említett puha tényezık. Ez nem véletlen, tekintettel arra, hogy a globalizált gazdaságnak köszönhetıen számos esetben bizonyos hard tényezık kapcsán a feltételek kiegyenlítıdése tapasztalható. Ezt támasztja alá a Dunning-Norman-féle kutatás is az 1990-es évek elejérıl (1991), amely során pont azt vizsgálták, hogy a potenciális beruházók mely tényezık alapján döntenek a megvalósítás földrajzi helyének kiválasztása során. A kutatás eredményeként a tényezık sorrendje a következıképp alakult: 1. település- illetve régióimázs 2. helyi kulturális tényezık 3. nyelvi tényezık 4. kényelmi tényezık 5. egészségügyi és oktatási intézmények 7. önkormányzati anyagi segítség 8. elérhetıség 9. helyi munkaerı.
26
A beruházási szándékkal megjelenı befektetık attitődjei és az egyes térségekkel kapcsolatos imázstényezık egyes alapmutatók alapján számszerősíthetık is, s ezáltal a települések, régiók összehasonlíthatóvá válnak:
I Ij = ∑i =1Wik × Bijk n
ahol k cég, vagy cégek összességének véleménye, attitődje, IIj adott régióról, településrıl, illetve bármely adott földrajzi egységrıl; n kritériumok száma Wik az egyes i tényezı döntésben betöltött súlya, Bijk az adott tényezı kapcsán a j térségrıl alkotott kép, vélemény (Piskóti et. al., 2002). Természetesen a beruházás csak egyike azon felmerülı gazdasági helyzeteknek, melyekben döntı hatással lehet az egyes településekrıl, régiókról kialakított képnek. Ha például a turisztikai ágazatra gondolunk, az abban tevékenykedı helyi vállalkozások versenyképessége a világ más idegenforgalmi vállalkozásaival szemben egyértelmően az imázstól függ. Más ágazatokra vonatkoztatva is találhatunk további területeket, amelyeknél fontos a térségrıl kialakított kép: piaci lehetıségek a tradíciók és helyi kultúra tükrében, szervezeti kultúra megvalósításával kapcsolatosan felmerülı nehézségek az adott településen kialakításra kerülı egységnél, üzleti kultúra stb. Mind-mind olyan tényezı, mely statisztikailag nehezen vagy egyáltalán nem mérhetı, csupán a személyes vezetıi vagy átvett tapasztalatokra, információkra épülı képre, véleményre szükséges hagyatkozni. Az elızıekben ismertetett soft tényezık felértékelıdésének ellenére hazánkban még napjainkban sokszor a különbözı helyi kedvezményekrıl – például adómentesség – és a megközelíthetıségi (infrastrukturális) problémákról hallhatunk a különbözı munkahelyteremtı, beruházás élénkítı valamint a kis- és középvállalkozásokat támogató programok kapcsán. Természetesen gazdasági szemmel nézve naivitás volna azt gondolni, hogy ezekre nincs szükség, ugyanakkor csak ezekre fókuszálni hiba és rövidtávú szakmai gondolkodásmódot tükröz. A csak közgazdasági értelemben vett és gazdasági statisztikai oldalról mérhetı tényezık önmagukban nem adhatnak pontos képet, s megfelelı alapot fejlesztési döntések meghozatalakor, illetve a versenyképesség helyes megítélésekor. Mindezen tények tükrében úgy vélem, hogy a regionális versenyképességét korábban ismertetett módon formáló területi imázs, és e kettı összefüggéseinek megvilágítása a területi kulturális értékekkel kapcsolatos nemzetközi vizsgálatok megismertetése nélkül hiányos volna. Hiszen – ismételve önmagam – nem szabad megfeledkeznünk arról, hogy egy település, illetve régió imázsát legerıteljesebben formáló, s alapjaiban meghatározó elem, a helyi kultúra. Ezt kívánja meg és jelzi az is, hogy a kultúra, illetve a kulturális értékek napjainkban újra a közgazdasági szakma középpontjába kerültek. Olyannyira, hogy amíg néhány évtizede teljesen elutasították azt a nézetet, hogy a kulturális sajátosságok is szerepet játszanak a gazdasági sikerességben, egy ország felzárkózásában, fejlıdésében, s e tekintetben elsısorban és szinte kizárólagosan olyan tradicionális tényezık a fontosak, mint például a tıkeképzıdés, a technológiai fejlıdés, makrogazdasági környezet, addig ma újra felelevenednek régi gondolkodók (Weber, Schumpeter) véleményei a kultúra fontosságáról. Így olyan tényezık kerülnek elıtérbe, mint az új gondolatok iránti nyitottság, készség azok felhasználására vagy a szociális partnerség, melyeket azonban nemhogy mérni, de sokszor meghatározni, rendszerezni is nehéz.
27
A közgazdasági Nobel-díjas Edmund Phelps (2006) például úgy gondolja, hogy az európai gazdaság lemaradása az amerikaitól alapvetıen intézményi, kulturális tényezık következménye. Állítását alátámasztva négy módon is bemutatja a kulturális tényezık lehetséges megközelítését. Az egyikben az egyén oldaláról olyan elemeket vizsgál, mint a direkt motiváció, az identitás, az elkötelezettség. A második dimenzió egyik végén a lojalitás, a kötelességtudás, a másik végén a gyakorlatiasság, az egoizmus áll. A harmadik megközelítésben vizsgálódva a kulturális értékek az individualizmustól, toleranciától a szolidaritásig, alkalmazkodásig terjednek. A negyedikben pedig a kezdeményezı- és vállalkozókészség, valamint a passzivitás, tradíció szerepelnek. A felsorolt elemek talán meglepıek, s talán az sem egyértelmő, hogy milyen összefüggésben állnak a gazdasági fejlettséggel és fejlıdéssel, de Phelps kutatási eredményei azt mutatják, hogy igenis van kapcsolat. A termelékenységnövekedést, gazdasági aktivitást, foglalkoztatottságot legalább olyan jól magyarázzák a kulturális változók, mint a tradicionális tényezık, sıt, több esetben sokkal jobban. Ráadásul a kétféle csoport (tradicionális, kulturális) kombinálásával is számos kulturális változó marad szignifikáns. Az új iránti nyitottság, a versenyzı helyzet elfogadása, a munka iránti személyes érdeklıdés szinte minden modellszerkezetnél erıs magyarázó erıvel bír. Hazánk vonatkozásában ugyan ilyen mély elemzés nem készült, de nemzetközi összevetésre van mód egy vizsgálatnak köszönhetıen. A szóban forgó elemzés sajátossága, hogy a kulturális tényezıket két nagy csoportra bontja: közösségi és egyéni kulturális értékekre. A közösség oldaláról a tekintélyelv és az engedelmesség erısségét, a családi tradíciókat, vallást, a nemzeti érzések fontosságát vették figyelembe (Inglehart – Welzel, 2002, 2006). Mindezek mögött azon tapasztalatok állnak, melyek alapján megállapítható, hogy a világi értékek (racionalitás) erısödésével a szabadság és a választás lehetıségének foka növekszik. Az egyéni értékeknél polgári és politikai szabadság, a közösségi döntésekben való részvétel gyakorlása, az önrendelkezés szabadsága, más emberekkel szembeni bizalom kifejezıdése került figyelembevételre. A racionalitás erısödéséhez hasonlóan az önkifejezési értékek erısödése is a választás lehetıségét és a szabadság növekedését jelenti (Inglehart – Baker, 2000). Ahogy az 5. ábrán látható, az eredmények azon országcsoportokat képezik le, amelyeket általában is homogénnek gondolunk. Így jól elkülönül a protestáns Európa, a konfuciánus Távol-Kelet, az angolszász és a latin világ. Ráadásul ezek a csoportok a gazdasági sikeresség szempontjából is egységesnek tekinthetık: a protestáns Európa részét képezı skandináv országok a világ legversenyképesebb gazdaságai, de sikeresnek mondhatók az angolszászok, a távol-keletiek is. Az egyes csoportokon belül természetesen fellelhetık földrajzi értelemben vett kivételek, ezek egyike hazánk is. Magyarország ugyanis nem a nyugati ex-kommunista csoportba sorolt – a visegrádi országok és a baltiaktól eltérıen –, hanem a keleti ex-kommunista balkáni régióhoz. Ez mindenképp elgondolkodtató, fıleg ha a jelenlegi gazdasági mutatóinkat és a hazai vállalkozások versenyképességét is összevetjük az említett országokéval (Inglehart – Welzel, 2002, 2006). A vizsgálatok során az elırelépés folyamatának természetességét is elemezték. Az elmúlt száz évet alapul véve inkább a szabadságfok növekedését, mintsem a csökkenését elıidézı folyamatok a jellemzık. Az utóbbi húsz évet tekintve pedig az öt nagy vezetı csoportban vizsgálva megállapítható, hogy ugyan összességében mindkét dimenzióban tapasztalható elırelépés, ám az egyéni paraméterek tekintetében jóval jelentısebb volt a fejlıdés (6. ábra). Az elmozdulás okait e téren elsısorban az anyagi és az intellektuális fejlıdésben és a közösségi kapcsolatok erısödésében látják.
28
5. ábra Kulturális értékek két dimenzióban Forrás: Inglehart – Welzel, 2006
6. ábra Elırelépés a kulturális értékek dimenzióiban Forrás: Inglehart – Welzel, 2006
A mindezidáig kifejtett tényezırendszer, az egyes tényezık régiók közötti áramlása, azok következményei láthatóan igen sokrétőek és eléggé összetett rendszert alkotnak, ráadásul megítélésük is igen változatos. Ennek megfelelıen a térségi növekedéssel és regionális fejlıdéssel kapcsolatosan is számos elmélet látott napvilágot, melyek közül most a leglényegesebbeket ismertetem röviden. 29
1.1.4.3. Térségi növekedési modellek és fejlıdési elméletek A neoklasszikus modell kidolgozása Solow nevéhez főzıdik, mely azóta számtalan módosításon esett át, ám az közös maradt, hogy valamennyi neoklasszikus modell az aggregált termelési függvényt helyezte középpontjába. A neoklasszikus alapmodell semmilyen technológiai hatással nem számol, a teljesítményt kizárólag a tıke és munkaráfordítás határozza meg. Az egy foglalkoztatottra jutó kibocsátás csak abban az esetben emelkedik, ha az egy fıre jutó tıkemennyiség is növekszik, vagyis a tıkemennyiségnek gyorsabban kell növekednie mint ahogyan a munkakínálat növekszik. Végsı soron tehát a növekvı tıkeintenzitás szükséges, de ismerve a csökkenı határhaszon elvét a növekedés csökkenı tendenciájú. Ráadásul a munka határtermelékenységének bizonyos szintre történı csökkenését követıen a nettó beruházás értéke nulla lesz, a meglévı tıkeállomány biztosításához elegendı a pótlás. Ekkor hosszú távú egyensúlyi szintet ér el tıke/munka arány, mely mellett a gazdaságban nem lesz motiváló tényezı arra, hogy további tıke/munka arány növelés realizálódjon. Ezáltal maga a gazdaság is hosszú távú egyensúlyba kerül (Jones, 2001). Az alapmodell lényegi következtetései három pontban foglalhatók össze a fentiek alapján: 1. „A kibocsátás ugyanúgy korlátok nélkül növelhetı, mint a tıke – és munkaerıkínálat.” 2. „Az egy foglalkoztatottra esı kibocsátás csak tıkeintenzitás esetén növekedhet”. 3. „Ha a tıke/munka arány eléri a hosszú távú egyensúlyi szintet, további növekedés az egy fıre jutó kibocsátással nem következi be, növekedés” (Lengyel – Rechnitzer, 2004). A technológiai fejlıdéssel kiegészített neoklasszikus modell reálisabb, hiszen figyelembe veszi annak teljesítménynövekedésre gyakorolt hatását, vagyis azt, hogy amennyiben a technológiai fejlıdés mértéke nagyobb mint nulla és a tıkeállomány valamint a munkaerı ugyanolyan mértékben növekszik, akkor az egy foglalkoztatottra jutó kibocsátás is növekedni fog. Ekkor az feltételezhetı, hogy hosszú távon a kibocsátás- és a tıkeállomány-növekedés – hosszú távon érvényesülı egyensúly mellett – egyenlı (Armstrong – Taylor, 2000). Mindezek alapján a regionális növekedések különbségének oka az, hogy a technológiai haladás, a tıkeállomány és a munkaerı növekedése eltérı lehet az egyes régiókban. Összességében az egy foglalkoztatottra jutó regionális kibocsátásnövekedések eltérései a tıke/munka arányértékek és a technológiai haladás – innovációs potenciál – területi különbségeibıl adódnak (Lengyel – Rechnitzer, 2004). A technológiai tényezı neoklasszikus modellbe való bekerülésével a területi különbségek mérséklıdésének lehetısége is felmerült, hiszen a technológiai terjedés világszerte zajló folyamat, és a szaktudás, az ismeretek áramlása is igen dinamikus a multinacionális cégek terjedése révén. Így a fejletlen régiók hasznosítva ezen ismereteket és technológiákat, utolérhetik a fejlettebb térségeket. Természetesen csak akkor, ha rendelkeznek az ehhez szükséges idıvel, infrastruktúrával, innovációt támogató gazdaságpolitikával, intézményrendszerrel. Az innovációnak ebben a folyamatban tehát kulcsszerepe van. Ahhoz azonban, hogy ez ténylegesen is így legyen nemzeti illetve regionális innovációs rendszerek kiépülése szükséges. Innovációs rendszer alatt a magánszektor és azon intézmények összessége értendı, melyek aktívan részt vállalnak az újdonságok kezdeményezésében, illetve térségbe történı importálásában, elterjesztésében (Dıry, 2005). Mindezek alapján a rendszert képezı elemek az oktatás (beleértve annak minden szintjét), az intézményesített K+F, felsıoktatási intézmények és versenyszféra közötti kapcsolatok, szervezeti kultúra és abban bekövetkezı változások, gazdasági jogrendszer (például szellemi tulajdonjog védelme), szakmai szervezetek stb. (Inzelt, 1996).
30
Az említett lehetıség azonban többnyire tényleg csak lehetıség marad, hiszen a valós gazdasági, társadalmi közegben számos tényezı akadályozza a felzárkózást. Az új technológiák megjelenésének következményeként jelentkezı gazdasági növekedés dinamikája a kevésbé fejlett térségekben többnyire nem tartható. Többek között azért nem, mert a fejlett technológia magasabb munkakultúrát, színvonalas közlekedési és kommunikációs infrastruktúrát, gazdasági és humán szolgáltatásokat követel meg (Lengyel – Rechnitzer, 2004). Ehhez pedig stabil innovációs rendszerre van szükség, melynek kiépítése, fenntartása és fejlesztése igen jelentıs tıke- és idıigénnyel jár. Ebben pedig az elmaradt térségek igencsak szőkében vannak. Mindettıl függetlenül Solow növekedési modellje bebizonyította, hogy az egy fıre jutó kibocsátásnövekedés a technológiai haladás szintjétıl függ, igaz a technológiai haladás okai már nem kerültek részletesen kifejtésre. Ezt a hiányosságot a neoklasszikus modell kiterjesztéseként számon tartott endogén növekedési elmélet pótolta, mely bebizonyította, hogy a növekedési folyamat meghatározza magát a technológiai fejlıdést is. Az 1970-es éveken jelentıs gazdasági és társadalmi átalakulások révén a korábbi növekedési források kimerültek, az igények megváltoztak, s mindezek következményeként új regionális fejlesztési stratégiák születtek, melyek középpontjában az egyes régiókon belüli potenciálok kiaknázása, a saját források megújítása és fejlesztése állt (Capello, 2007). A regionális potenciálok értelmezésével kapcsolatosan igen eltérı véleményeket alkottak, de mindegyikben közös volt annak gondolata, hogy újból elıtérbe kerültek a települési és térségi adottságok – a termelési tradíciók, a lokális képzettségi szint, a helyi kultúra és intézményrendszer stb. –, melyek komparatív elınyöket jelentenek az adott régiónak más térségekkel szemben. Az eltérı értelmezés egyébként érthetı, hiszen a regionális potenciálok, mint erıforrások igen széles skálán mozognak. Ide sorolható sok más egyéb között a tıkepotenciál, munkaerı mennyiségi és minıségi jellemzıi, infrastruktúra, földrajzi pozíció, környezeti állapot, keresleti tényezık, helyi kulturális adottságok, gazdasági-politikai intézményrendszer stb. (Armstrong – Taylor, 2000) A régiók gazdasági növekedési okaival nem csak a neoklasszikus és arra épülı modellek foglalkoztak, számos további megközelítés is ismert, melyek közül az egyik, az export-bázis elmélet. Az export-bázis elmélet kiindulási pontja az, hogy az egyes régiók gazdasága export és regionális szektorra bomlik, s a régió gazdasági növekedése döntıen az exportra termelı ágazatok eredményességétıl, fejlıdésétıl függ. Ez tehát azt jelenti, hogy az interregionális keresletnek és gazdasági kapcsolatoknak kiemelkedı szerepe van. A jövedelmi multiplikátorhatásokon keresztül ez a kereslet a régió egész gazdaságára kihat. A realizálódó bevételek infrastrukturális fejlesztésekre, termelési feltételek javítására lehet felhasználni, mely az exportbázist végsı soron bıvíti. Mindezek alapján az exporttöbblettel bíró térségek dinamikusabban növekednek, mint az import túlsúllyal jellemezhetı régiók. A modellt érı kritikák szerint az igen egyoldalúnak tekinthetı, s számos dolgot figyelmen kívül hagy. Nem számol a beruházásokkal, a helyi kereslettel, a technikai haladással, s eltekint attól, hogy az export egy halmozott mutató, s arra sem fordít figyelmet, hogy vajon milyen importnövekedés társul az exportnövekedéshez. Ennek ellenére napjainkban is kiválóan alkalmazható, fıleg, hogy az elégtelen keresletben látja a növekedési korlátot, melyet a gazdaságpolitikai eszközök befolyásolni képesek (Rechnitzer – Lados, 2004). Az imént röviden ismertetett export-bázis elmélet és a neoklasszikus modellek eltérései ellenére mindegyikben közös az, hogy hosszú távon a regionális gazdasági egyensúlyt, a kiegyenlítıdést tekintik célnak. A polarizációs elméletek éppen fordítva, a fejlıdési különbségekben látják a területi folyamatok természetes fejlıdési irányát. Ezen teóriák abból indulnak ki, hogy a belsı növekedési tényezık a régiók között eltérnek, a térségek között erıs függıség alakul ki a növekedési tényezık 31
tekintetében és végül, de nem utolsó sorban abból, hogy a regionális piacokon számos olyan monopólium és oligopólium található, melyek meghatározzák az árakat, termelési szerkezetet, gazdasági kapcsolatokat. Az ágazati polarizáció alapjait Schumpeter (1980) elméletében találhatjuk meg, aki a növekedést az innovációk gazdaságmegújító hatásaival magyarázza. Ebbıl indult ki Perroux (1972) modellje is, hiszen szerinte is azon újdonságokat megjelenítı ágazatok a növekedés motorjai, melyek az egész gazdaság számára növekedési pólusként funkcionálnak, igaz ezek az ágazatok fékezı hatást is kifejthetnek a tılük függı szektorokban. Myrdal (1957) szerint az egy fıre jutó jövedelmekben megnyilvánuló regionális különbségek a polarizáció által létrejövı központokban kétféle hatást váltanak ki: „spread” (terjedési) és „backwash” (elszívó) hatást. Az utóbbi azokat a negatív gazdasági hatásokat jelenti, melyeket a centrum képes a környezetében elıidézni. Ilyen többek között a mobil termelési tényezık elszívása vagy a periférián lévı termelı egységek lokális piacokról történı kiszorítása, a központból kiáramló termékkínálat következményeként. A spread hatás éppen ellentétes, mely abból áll, hogy a központ expanziója révén fejlıdés indul meg a környezı régiókban, hiszen a centrumhoz kapcsolódó térségek potenciálja növekedhet az innováció, információk, új fogyasztási igények terjedésével. A két ellentétes folyamat közül többnyire az elszívó hatások által generált az erısebb (Lengyel – Rechnitzer, 2004). Habár Myrdal az 1950-es években fejtette ki ezen elméletét, a mai napig hatással van a területi különbségek vizsgálatára, hiszen függetlenül attól, hogy mely földrajzi egységgel kapcsolatosan vizsgálják az egyenlıtlenséget, a lehetséges háttérokok és folyamatok között ezen gondolatot is említik. Példa erre többek között James J. Biles (2004) vagy Mark Roberts (2004) tanulmánya. Az elıbbi egy exportorientált iparosításra épülı mexikói régió fejlıdésével, utóbbi pedig az Egyesül Királyság megyéinek növekedési kilátásaival kapcsolatosan említi Myrdal gondolatait. Hasonló gondolkodással találkozhatunk Hirschmann (1958) elméletében, aki a gazdasági növekedést az ágazatok egyensúlytalanságának láncolataként határozza meg, melyben a vezetı szektorok növekedési hatásokat eredményeznek a többi gazdasági ágazatban (Pike et. al. 2006). Paelinck (1965) modelljében négy, az ágazati növekedési pólusokból kialakuló polarizációs folyamatot különböztetett meg. A technikait, vagyis azt, hogy a növekedési pólusokban, a fejlettségnek köszönhetıen, más ágazatokat serkentı sajátos technológiai kapcsolatok alakulnak ki. A jövedelmit, mint azt a multiplikátor hatást, hogy a dinamikus ágazatok gerjesztik a fogyasztásra orientált ágazatokat. A pszichológiait, vagyis a fejlıdı ágazatokba történı beruházási folyamatokat, melyek a kis- és középvállalkozások gazdasági aktivitását, tevékenységének kiterjesztését fokozzák. S végül, de nem utolsó sorban, az elızı három hatás egy adott fejlıdési centrumban történı érvényesülése esetén kialakuló földrajzi elkülönülést. Boudeville (1966) elméletében az ágazati polarizációk egyúttal regionális polarizációk, és a dinamikus ágazatokat tömörítı központok egyben fejlıdési csomópontok is. Fejlıdési pólusnak az a centrumtelepülés tekinthetı, ahol a dinamikusan fejlıdı ágazatok komplexen megtalálhatók. A növekedési hatások e központokból győrőznek tovább az agglomerációs folyamatok révén az alacsonyabb hierarchikus szinten lévı településekre. A tovagyőrőzés „hatótávolsága” a regionális adottságoktól, viszonyoktól függı. Pottier (1963) modelljében nem jelentkezik a fenti elmélet azon hiányossága, hogy a dinamikus ágazatok nemcsak a központi területek közvetlen környezetében fejthetik ki hatásukat, hanem jóval távolabb, más centrumokban is. A tapasztalatok ugyanis azt mutatták (mutatják), hogy a gazdasági fejlıdés és a centrumok hatásai a közlekedési hálózatokkal összeköthetık. Az autópályák,
32
vasútvonalak mentén fejlesztési tengelyek, zónák alakulnak ki, melyek további növekedési hatást gyakorolnak az azokhoz kapcsolódó térségekre. A legátfogóbb polarizációs elmélet Lasuén (1969) nevéhez köthetı, aki a gazdasági növekedést és az urbanizációt egy dinamikus területi rendszerben kapcsolta össze. Abból indult ki, hogy a növekedési pólusokban gazdasági egységek ágazati és regionális klasztere található, melyeket az exporttevékenységek kapcsolnak össze. A növekedési pólusok fejlıdése a nemzetgazdasági kereslet által generált, klasztereken végigvonuló és a térségi versenyképességnek megfelelıen megoszló hatásoktól függ. A növekedés a centrumterületekrıl indul ki a piaci kapcsolatokon keresztül a perifériák irányába. A modell fontos szerepet tulajdonít az innovációnak. A gazdasági növekedést technológiai változások sorozataként, a városhálózat szerkezetét pedig az innováció adaptálásának térbeli és idıbeli lenyomataként értékeli, utalva az innováció három szakaszának – invenció (találmány), diffúzió (elterjedés), adaptáció (alkalmazásba vétel) – térben és idıben egymástól történı elkülönülésére. Ezen szakaszok közötti idı egyre rövidebb, s így az ágazati növekedési pólusok száma egyre több lesz. Az ágazati klaszterek térben koncentrálódnak, nınek a megtakarítások, az egymásra épülés és kapcsolatok révén pedig bıvülnek a piaci és termelési komplementer hatások. Új piaci hálózatok, tevékenységek alakulnak ki, felgyorsul az ágazati és területi koncentráció. Az innovációk területi terjedésében a nemzetgazdaságok fejlettségi foka és a városhálózatok meghatározók. Az újdonságok a fejlett államok kisszámú centrumterületeibıl indulnak ki, majd a nemzetközi terjedés révén azokat a fejlıdı illetve átmeneti országok fejlett centrumai veszik át elsıként. A perifériáikra csak jóval késıbb jutnak el, s így a fejlıdı és átmeneti országokban két lehetıség adódik. Vagy a nemzetállamon belüli területi polarizáció erısödik, vagy a fejlett államoktól való lemaradás, az országok közötti különbség fokozódik. Elsı esetben a centrumok egybıl átveszik az új technológiát, a peremterületek pedig, jelentıs idıeltéréssel, követı magatartást folytatnak. A második esetben az innováció átvételével a növekedési központi területek addig várnak, míg a periféria területek adaptálják a korábbi innovációkat, vagyis az egész ország elavult technológiát alkalmaz. A nemzetközi tapasztalatok alapján az elsı variáció a jellemzı, melynek következményei hosszú távon éreztetik hatásukat. A gazdasági növekedés ugyanis nem eredményezi a területi különbségek csökkenését, sıt fokozza azt. A városhálózat hierarchikus jellege tovább erısödik, a technológiai újdonságok pedig a meglévı regionális szerkezeten futnak végig. Így a térszerkezet, a regionális különbségek konzerválódnak (Lengyel – Rechnitzer, 2004). Az eddig ismertetett növekedési, polarizációs elméleteket integrálja Friedmann centrum-periféria modellje (1973), mely közgazdasági szempontok mellett társadalmi, magatartásbeli és politikai összefüggéseket is figyelembe vesz. Egyértelmően megkülönbözteti egymástól a gazdasági növekedést és a fejlıdést. A növekedést szerkezetváltozás nélküli expanzióként, a fejlıdést innovációk sorozataként, átfogó rendszereként határozza meg. A modell szerint utóbbi keletkezésének és fejlıdésének, a nagy és dinamikus városi rendszerek kedveznek. Ezt a városnagyság és városiasodottság foka, illetve az innováció terjedése közötti, statisztikailag kimutatható szoros pozitív kapcsolat támasztja alá. Az innovációkat koncentráló térségeket centrumoknak, míg az összes többi területet perifériának tekinti. A két területtípust függıségi és autoritási kapcsolat jellemzi. Az autoritás a centrum lehetısége, hogy autonóm döntéssekkel befolyásolja a periféria fejlıdését, amely így függ attól. Ezt a függıséget a centrum kikényszeríti azáltal, hogy intézményei megjelennek a periféria területeken (telephelyek, infrastrukturális hálózatok). Ezt visszacsatolási hatások: hatalmi effektus, az információs, pszichológiai, modernizációs, szinergia- és termelési hatások erısítik. 33
Hatalmi effektus alatt a periféria gazdasági gyengítését, potenciálok centrumba történı átszivárogtatását értjük. Az információs hatás a centrum interakciós képességének erısítése termelési, jövedelmi és lakossági tényezık erıteljes növekedése révén. A pszichológiai tényezıknek köszönhetıen az innovációs folyamatokat elısegítı körülmények a centrumban koncentrálódnak. A modernizációs folyamatok során a centrum társadalmi rendszere átformálódik, az innováció által gerjesztett kumulatív hatások fokozottabb érvényesülésének köszönhetıen. Ez utóbbi következménye a szinergiahatás, vagyis az, hogy újabb innovációk jelennek meg a gazdaság egyre szélesebb szférájában. Ráadásul ezen innovációk költségei csökkennek a belsı és külsı megtakarítások segítségével (termelési hatás). Mindezek társadalmi-gazdasági konfliktushoz vezetnek, hiszen a periféria területeken élık elıbb-utóbb érzékelik függıségüket. A centrum kénytelen egy korlátozott decentralizációs politikába kezdeni, mellékközpontokat kialakítani. Abban az esetben, ha ez a centrum érdeke is, akkor az innovációk peremterületekre történı kiáramlása, s azok hatásai felgyorsulnak. Ezzel párhuzamosan a függıségi viszonyok fokozatosan megszőnnek, a területi különbségek enyhülnek, a fejlıdés kiegyenlítettebb lesz. Ez a gondolat a mai modern területfejlesztési politika megalapozója, hiszen egyértelmően rámutat, hogy a különbségek leküzdéséhez a perifériáknak is központosítani kell erıforrásaikat (Lengyel – Rechnitzer, 2004). A perifériák típusukat tekintve lehetnek helyzeti (alacsony színvonalú infrastrukturális ellátottság, kedvezıtlen „elérhetıség”), gazdasági (gazdasági függıség, elmaradottság, alacsony színvonalú jövedelmezıség, kedvezıtlen struktúra), illetve hatalmi (függés, kiszolgáltatottság, egyensúlytalanság, döntésképtelenség, megújuló képesség hiánya) perifériák (MTA-RKK, 2002). 1.2. A magyar területi differenciálódás jellemzı elemei A regionális növekedési és fejlıdési elméletek kapcsán már ismertetett polarizációs, centrumperiféria viszonyoknak illetve egyéb differenciálódási folyamatoknak számos formájával, területi dimenziójával találkozhatunk napjainkban Magyarországon. Beszélhetünk nyugat-kelet megosztottságról, az egy-két húzó régió és az ország további területeinek viszonyáról, régiókon belüli fejlıdési tengelyekrıl és azokon kívüli térségekrıl, vidéki városi agglomerációkról, rurális térségekrıl, határvidékekrıl stb. A legélesebben szembetőnı centrum-periféria viszony Budapest és az ország egyéb területeinek vonatkozásában figyelhetı meg (Sarudi, 2003). Mindezek hátterében számos olyan tényezı fellelhetı, amelyekkel már az 1960-as évek centrumperiféria modelljei is foglalkoztak. Budapest, mint fıváros, s mint az ország egyedüli kiemelkedı iparirányító és gazdaságirányító központja jelentıs gazdasági és innovációs potenciállal bír (Barta, 2002). Már 1995-ben itt termelıdött az ország GDP-jének egyharmada (Nemes Nagy, 1995). 2001ben ez elérte a 34,8%-ot, 2002-ben pedig a 36,1%-ot. Az egy fıre jutó GDP 1995 óta folyamatosan emelkedik az országos átlaghoz képest is, annak 182-212%-a. Ez igen nagy eltérés, fıleg ha azt is figyelembe vesszük, hogy Budapesten kívül csupán Gyır-Moson-Sopron megye haladta meg (117,6%) az egy fıre jutó átlag GDP-t (KSH, 2003). A fıváros gazdasági dominanciáját jelzi az is, hogy az egy lakosra jutó befektetés értéke 700 ezer forinttal meghaladta az e tekintetben második Gyır-Moson-Sopron mutatóját, s majd kétszer annyi beruházási összeg jutott egy lakosra, mint a harmadik Komárom-Esztergom esetében. A jövedelmi viszonyokat tekintve szintén Budapest rendelkezik kiugró értékekkel, az országos bruttó átlagkereseteket szintén csak az itteni bérek haladták meg (127%) (KSH, 2004). Az eddigieken túlmenıen, fontos megemlíteni, hogy közlekedési (légi, vízi, köz- és vasúti) hálózatunk centruma szintén Budapest. A népesség végzettségét tekintve (függetlenül a végzettség szintjétıl) meghaladja az országos mutatókat, melyek közül kiemelendı, hogy a 25 éves és annál idısebb népesség körében a felsıfokú végzettséggel rendelkezık aránya 38,4%, országosan ez az 34
érték 13,6% (KSH, 2001). Az innováció alapjának tekintendı K+F helyek 42,9%-a itt található, ráadásul a K+F ráfordítás 65,9%-a is ide összpontosul. A fejlıdés és gazdasági növekedés másik centruma a Gyır – Székesfehérvár – Budapest fejlıdési tengely. A már említett kilenc, fejlettségi átlagot meghaladó területi egység közül hat e vonal mentén található. Ezek közül Budapestrıl már szóltunk. Pest megye a fıváros agglomerációs hatásainak köszönhetıen lett részese a tengelynek. A további dunántúli területek (Közép- és Nyugat-dunántúli régió megyéi) az autópálya (M1, M7), a nyugati-határterület közelsége, és abból adódó nyugat-európai kapcsolatok és beruházások, két gazdasági potenciállal rendelkezı innovációs központ és a fıváros hatásai révén élvezik a fejlıdési tengely pozitív hatásait. A szóban forgó fejlıdési tengely valójában az utóbbi években már egy ívvé alakult, hiszen az M5ös, autópálya Kecskemétet és Szegedet is bekapcsolta a vérkeringésbe. Utóbbi esetében kiemelendı annak jelentıs gazdaságirányító és innovációs központi szerepe és hatásai. Mindezeket egy korábbi (2003) scoringra, illetve többváltozós elemzésre épülı saját, valamint egy az MTA-RKK által készített kistérségi abszorpciós képesség vizsgálat is alátámasztja. A scoring során területi egységenként – megye, régió – hat súlyozott mutató: az egy fıre jutó GDP (súlyozási pont: 6), a nettó kereset (5) és index (2), a munkanélküliségi ráta (4), az ipari (3) és az építıipari termelés (1) volumene került figyelembevételre. Az így képzett fejlettségi pontszámok (FP) alapján egyértelmően kitőnik Budapest kiugró fejlettsége a többi területi egységhez viszonyítva (7. ábra). Csupán két megye (Gyır-Moson-Sopron és Fejér) közelíti meg ezt a szintet, igaz jelentısnek mondható eltéréssel. A fejlettségi átlag feletti fıváros és egy kivételével (Csongrád) mind a nyolc megye a Dunántúlon és a Közép-magyarországi régióban található. Így nem meglepı, hogy a régiók tekintetében a Közép-magyarországi valamint a Nyugat- és Közép-dunántúli régió áll az élen (7. ábra).
0,012
0,018 0,016
0,01
0,014
0,008
0,01
1 / FP
1 / FP
0,012
0,006
0,008 0,006
0,004
0,004
0,002
0,002
Fejlettség
N B -A Z S Z -S Z -B
T BA HE SO H- B B -K BÉ J -N - S Z
Bp G y -M -S F K -E P VE VA Z CS
0
0 K-M-R NY-D-R K-D-R D-D-R É-M-R É-A-R D-A-R
Fejlettségi átlag
Fejlettség
Fejlettségi átlag
7. ábra A magyar területi egységek (megyék és régiók) fejlettsége Forrás: saját szerkesztés, 2003
A többváltozós elemzés szintén 20 megfigyelési egységet (19 megye és Budapest) vett alapul, az azokat jellemzı 5 megfigyelési változóval együtt (aktivitási arány, munkanélküliségi ráta, beruházás, mőködı gazdasági társaságok száma, GDP) és eredményei is hasonlók. Jól észrevehetı Budapest, illetve Pest megye elkülönülése, továbbá a fentiekben ismertetett fejlıdési tengely (8. ábra). 35
2,0
7
1,5
6
C17
III.
3204
1,0 0,5
8 5
18
2
II.
11 13 19 910 15 14 16
0,0 -0,5 -1,0 -1,5 -2,0 -2,5
1
I. -7
-6
-5
-4
-3
-2
-1
IV.
12 17
0
1
2
C16
1 Budapest (BP) 2 Pest (P) 3 Fejér (F) 4 Komárom-Esztergom (K-E) 5 Veszprém (VE) 6 Gyır-Moson-Sopron (GY-M-S) 7 Vas (VA) 8 Zala (Z) 9 Baranya (BA) 10 Somogy (SO) 11 Tolna (T) 12 Borsod-Abaúj-Zemplén (B-A-Z) 13 Heves (HE) 14 Nógrád (N) 15 Hajdú-Bihar (H-B) 16 Jász-Nagykun-Szolnok (J-N-K) 17 Szabolcs-Szatmár-Bereg (SZ-SZ-B) 18 Bács-Kiskun (B-K) 19 Békés (BÉ) 20 Csongrád (CS)
8. ábra A magyar megyék fejlettségi szintje, csoportosulása Forrás: saját szerkesztés, 2003
Az MTA-RKK kistérségi abszorpciós képességek vizsgálata során öt mutatócsoportban (immobil, humán és gazdasági erıforrások, életkörülmények, elérhetıség) összesen 32, KSH által győjtött és a TSTAR2001-es valamint a 2001-es népszámlálás adatbázisaiban közreadott adatokból képzett mutatót vettek figyelembe (G. Fekete, 2004). Az elemzésbıl jelen esetben kartogramok formájában megjelenı, s a lakossági vásárlóerıre, a gazdaság humánerıforrás feltételeire, az elérhetıségre és a 32 mutatóból képzett térségi tényezık komplex fejlettségi mutatóra vonatkozó eredményeket használtam fel (9. ábra). Vagyis olyanokat, melyek a jövedelmi (gazdasági növekedési), képzettségi (innováció egyik alapja), infrastrukturális (közlekedési hálózatok) és területi fejlettségre engednek következtetni. Ezek pedig a korábban ismertetett polarizációs modellek tényezıi között is szerepelnek: Paelincknél a jövedelmi polarizáció, Pottiernél a közlekedési hálózatokkal összeköthetı centrumhatás, illetve valamennyi modell esetén az innováció, területi fejlettség. Ezen eredményekbıl is jól észrevehetı a Budapest centrikusság és a fejlıdési tengely, illetve az ív, továbbá a Pottier elméletében már említett közlekedési hálózatok (autópályák) és a növekedési zónák közötti kapcsolat, fıleg az „Elérhetıséget” és a „Térségi tényezık komplex fejlettségi mutatóját” kistérségenként ábrázoló kartogramokon. Ezeket több mint valószínő, hogy a 2003 óta jelentısen és folyamatosan bıvülı autópálya hálózat átrajzolta, de a fent említett lényegi összefüggés ábrázolására alkalmas. Mindezek kapcsán említendı meg a külsı perifériák, vagyis az északi, keleti és déli határ menti területek problémája. Ezek a területek egyrészt a korábbi „keleti” piaci kapcsolatok megszőnésének, másrészt a balkáni háború hatásainak és néhol (északi területek) strukturális problémáknak köszönhetıen veszítettek súlyukból, s váltak peremterületekké (Sarudi, 2003). Nem feledkezhetünk meg a polarizációs folyamatok, a centrum-periféria viszony alacsonyabb területi szinteken, s más dimenzióban jelentkezı formáiról sem. Ilyenek például a megyéken, régiókon belüli fejlıdési tengelyek és peremterületek, a határ menti térségek, a vidéki városi agglomerációk, város-falu kapcsolatok.
36
9. ábra Az MTA-RKK kistérségi abszorpciós képességek vizsgálatának eredményei Forrás: MTA-RKK, 2003
1.3. Területi különbségek mérésére alkalmazott mutatók A dolgozatban eddig ismertetett területi egyenlıtlenségi folyamatok megismeréséhez, feltárásához, elemzéséhez és azok kezeléséhez egyaránt szükség van területi különbségek mérésére alkalmas mutatókra. Azonban nem csak emiatt érzem szükségesnek a jelenleg használatos indikátorok rendszerét röviden és a teljesség igénye nélkül ismertetni, hanem azért is, mert a vizsgálatom egy részében szintén alkalmazásra kerül az említett mutatók némelyike. Az egyszerő statisztikai jelzıszámok ugyan szorosan kapcsolódnak a vizsgálatomhoz, s ebbıl adódóan számbavételezésre kerülnek, ám általános ismertségük miatt eltekintek részletes ismertetésüktıl. Az említett mutatók a megfigyelési tárgyuk alapján csoportosíthatók leginkább, mely szerint beszélhetünk demográfiai, gazdasági, infrastrukturális, társadalmi mutatócsoportokról. A hazai területi elemzésekben többnyire alkalmazott demográfiai mérıszámok: • lakónépesség száma (fı) és az adott területi egység népességének aránya (%) • népsőrőség (fı/km2) • természetes szaporodás/fogyás • vándorlási különbözet • elöregedési mutató • korcsoportok, korösszetétel • születéskori várható élettartam • vitalitási index (18-39 és 18-59 évesek aránya) 37
Gazdasági mutatók: • GDP régiónként (E Ft) • GDP/fı (E Ft) • GDP/fı az országos átlag százalékában (%) • GDP vásárlóerı paritáson számolva hány százaléka az EU átlagnak (%) • értékesítésbıl való részesedés (%) • exportértékesítésbıl való részesedés (%) • export aránya az értékesítésen belül (%) • vállalkozó aktivitás (1000 lakosra jutó mőködı vállalkozások száma) • egyéni vállalkozások száma 1000 lakosra • jegyzett tıke régióban, megyében (millió Ft) • a jegyzett tıkén belüli külföldi tıke aránya régióban/megyében (%) • beáramlott külföldi tıke/fı (E Ft) • beruházás (millió Ft) • beruházás/fı (Ft) • az ágazat GDP • helyi adó/fı (Ft) • iparőzési adó/fı • 1 fıre jutó önkormányzati bevételek (Ft) • non-profit szervezetek száma/1000 fı (db) • kiskereskedelmi üzletek száma 1 000 lakosra (db) Infrastrukturális mutatók: • épített lakás/10000 lakos (db) • magasabb rendő utak 100 km2-re jutó sőrősége • személygépkocsik száma/1000 fı (db) • vezetékes gázfogyasztó háztartások a lakásállomány arányában (%) • közüzemi szennyvízcsatorna-hálózatba bekapcsolt lakás a lakásállomány arányában (%) • egy km közüzemi vízhálózatra jutó közüzemi szennyvízcsatorna-hálózat hossza (m) Társadalmi jelzıszámok: • aktivitási arány (%) • aktív keresıkbıl foglalkoztatottak arányának változása ágazatok szerint (%) • munkanélküliségi arány illetve nyilvántartott álláskeresık aránya a munkavállalási korú népességbıl (%) • regisztrált munkanélküliek száma (fı) • tartós munkanélküliség aránya a munkanélküliség %-ában • SZJA-alapot képezı jövedelem egy állandó lakosra/év (Ft) • SZJA/fı/év (Ft) • jövedelempótló támogatásban részesülık száma (fı) • elvégzett osztályok száma • gazdaságilag aktív népesség iskolai végzettség szerinti megoszlása (%) • egy háziorvosra és házi gyermekorvosra jutó lakos (fı) • kórházi ágyak száma 10000 lakosra (db) • gyógyszertárak száma (db) A területi differenciálódás, a regionális eltérések és azok változásának mérésére számos további egyenlıtlenségi mutatószám is alkalmazható. Ezek széles skálája arra vezethetı vissza, hogy szinte megszámlálhatatlan az eltérések, egyenlıtlenségek mérésére alkalmas indexek száma.
38
Azt, hogy az adott elemzést mely mutató segítségével érdemes elvégezni, befolyásolja a rendelkezésre álló adatbázis és maga a vizsgálati kérdés. Sokszor ajánlatos többfajta egyenlıtlenségi indexet is képezni, hiszen nem beszélhetünk egyetlen egy olyan mutatóról sem, mely a területi tagoltságot minden vizsgálati szempontból képes jellemezni, mérni (Nemes Nagy, 2005). A következıkben bemutatásra kerülı mutatószámok nem csak területi, hanem bármely más megfigyelési egységre is alkalmazhatók. Használhatóságuk ebbıl adódóan nem függ az adott jelzıszám tartalmától, lényegében bármi lehet, ugyanakkor a regionális elemzésekben többnyire a népesség és a jövedelem területi eloszlásának egyenlıtlenségeit mérik ezekkel. A területi polarizáltság mérésére matematikailag a használt adatsorok szélsıértékeire, átlagaira építı mutatók szolgálnak. Mindebbıl adódóan magukban hordozzák azt a vizsgálati mondanivalót, hogy a legfejlettebb és legelmaradottabb térségek közötti különbségekre nagy figyelem irányul. Az adatsor terjedelme, vagy más néven a range-arány a vizsgált adatsorban elıforduló legnagyobb és legkisebb ismérvérték hányadosa.
K=
x max x min
K=
y max , ahol 1 ≤ K < ∞. y min
Megmutatja, hogy hányszoros különbség van az adatsoronkénti két szélsıérték között. Általában csak akkor alkalmazható, ha a minimum érték nem nulla és az adatok elıjelében nincs különbség. Mértékegysége: dimenzió nélküli. A szóródás terjedelme hasonlóképp az a legnagyobb és legkisebb ismérvekkel dolgozik, azok különbségét jelenti. Könnyen számítható, jól értelmezhetı, mértékegysége megegyezik a vizsgált adatéval. Megjegyzendı, hogy mivel a szélsıértékekre épít, a kiugró értékek elég jelentısen befolyásolhatják értékét. P= xmax – x min
P = ymax – ymin, ahol 0 ≤ P < ∞
A relatív terjedelem az elızı két mutatóra épül, hiszen a legnagyobb és legkisebb érték közötti különbséget (szóródás) az adatsor átlagához viszonyítja, mely azért elınyös, mert így a különbözı átlagú adatsorok terjedelme is összehasonlíthatóvá válik. Mértékegysége: dimenzió nélküli. Q=
x max − x min x
Q=
y max − y min , ahol 0 ≤ Q < ∞ y
A duál-mutató a teljes megoszlás átlaga feletti értékek átlagának és a teljes megoszlás alatti értékek átlagának hányadosa (súlyozatlan): x D= m , xa ahol xm = az x -nál nagyobb xi értékek számtani átlaga xa = az x -nál kisebb xi értékek számtani átlaga, x = xi számtani átlaga. Továbbá 1 ≤ D < ∞. Mértékegysége dimenzió nélküli. A mutatónak létezik egy, a jövedelem egyenlıtlenségek vizsgálatából ismert elnevezése is, az Éltetı – Frigyes index, mely Éltetı Ödön és Frigyes Ervin magyar statisztikusok nevébıl származik, ık írták le elıször ilyen összefüggésben az index alkalmazását. Ebben az esetben az átlag fölötti és az 39
átlag alatti jövedelmek összevetésére kerül sor. Teljes egyezıség esetén az érték 1, ennél nagyobb érték esetén a mutató azt a jövedelmi ollót mutatja meg, mely az átlagosan gazdagok és átlagosan szegények jövedelme között fennáll (Nemes Nagy, 2005). A szórás-típusú mérıszámok, vagyis a szórás, relatív szórás és a súlyozott szórás alkalmazása is segíthet számos vizsgálat során. A szórás az egyes értékek számtani átlagától való négyzetes eltérés átlaga, mely egyben a varianca (szórásnégyzet) pozitív négyzetgyöke: n
σ=
∑ (x
i
− x)2
i =1
,
n
ahol xi = naturális mértékegységben megadott területi jellemzı, x = xi számtani átlaga, valamint 0 ≤ σ < ∞. Területi vizsgálatokban jellemzıen abszolút mennyiségben megadott jellemzık egyenlıtlenségeinek vizsgálatára szolgál, fajlagos mutatók esetén ritkábban használják. Mértékegysége megegyezik az alapadatokéval. A relatív szórás a szórásnak a vizsgált adatsor átlagához viszonyított mértékét fejezi ki: V = 100
2 − x) , n x
n
∑ (x i =1
i
ahol xi = naturális mértékegységben megadott területi jellemzı x = xi számtani átlaga, valamint 0 ≤ V < ∞. A relatív szórást abban az esetben alkalmazzuk, ha arra van szükségünk, hogy a különbözı mértékegységő mutatószámok szórását összehasonlítsuk. Mértékegysége: %. A súlyozott szórás az egyes értékek súlyozott átlagtól való négyzetes eltéréseinek átlagát adja. Alkalmazása csak azonos mértékegységő jellemzık esetén lehetséges, így leginkább akkor használják, ha a társadalmi-gazdasági egyenlıtlenség idıbeni változására kíváncsiak. A súlyozott szórás képlete: n
∑ f ( y − y) ∑f i
σ=
2
i
i =1
,
i
ahol
xi fajlagos (arány) mutató értéke az i területegységben és fi 0 ≤ σ < ∞. yi =
40
Az átlagos (abszolút) eltérés megmutatja, hogy az egyes ismérvek átlagosan mennyivel térnek el az átlaguktól: n
σ=
∑x
í
−x
i =1
,
n
ahol xi = naturális mértékegységben megadott területi jellemzı, x = xi számtani átlaga és 0 ≤ σ < ∞. Mértékegysége megegyezik az alapadatokéval. A területi kutatások igen gyakran alkalmazott mutatószáma a Hirschman-Herfindahl, vagy más néven koncentrációs index, amely az adott naturális jellemzı területegységek közötti koncentráltságát fejezi ki:
n x K = ∑ n i i =1 ∑ xi i =1
2
,
ahol xi = naturális mértékegységben megadott területi jellemzı az i. területegységben és 1/n ≤ K ≤ 1. A megoszlást a teljesen egyenleteshez viszonyítja, a 0,6 feletti érték már erıs koncentráltságra utal. Alkalmazásakor ügyelni kell arra, hogy mivel a mutató minimuma jelentısen függ az elemszámtól, az eltérı elemszámú vizsgálatok eredményei nem vethetık össze. Mértékegysége: dimenzió nélküli (Nemes Nagy, 2005). Az egyik legáltalánosabban használt területi egyenlıtlenségi mutató a Hoover-index, mely azt adja meg, hogy az egyik vizsgált ismérv mennyiségének hány százalékát kell a területegységek között átcsoportosítani ahhoz, hogy területi megoszlása a másik ismérv eloszlásával azonos legyen. A regionális vizsgálatokban többnyire a népesség területi eloszlásával vetik össze a társadalmigazdasági mennyiségi ismérveket. A mutató képlete: n
H=
∑x
i
i =1
2
− fi ,
ahol xi és fi két megoszlási viszonyszám, melyekre fennáll, hogy ∑ xi = 100 és ∑ f i = 100 és 0 ≤ h ≤ 100. Mértékegysége: %. Amennyiben a jövedelem és a népesség eloszlásának egyenlıtlenségeit vizsgáljuk, úgy Robin Hood-indexrıl beszélünk. A Robin Hood-index elnevezés mögött az a gondolat áll, hogy hány százalékát kell az átlag feletti jövedelemmel rendelkezıktıl elvonni, majd ezt az átlag alatti jövedelmőekhez juttatni ahhoz, hogy a jövedelmi különbségek kiegyenlítıdjenek. Minél nagyobb az eredményül kapott mutató értéke, annál nagyobbak a jövedelemben fennálló különbségek (Csizmadia, 2004). Mivel a Hoover-index csak a százalékos eltéréseket méri, és nincs figyelemmel az eltérések mellett az értékek nagyságrendjére (habár nem mindegy, hogy a 10 százalékpontos eltérést 5% és 15%, vagy pedig 30 és 40% között mérjük), ezért lehet allokációs hányadost is számítani (például GDP%/népesség%) (VÁTI, 2003). 41
1.4. Életminıség, életszínvonal, élhetıség Az eddigiek során részletezett területi jellemzık közötti különbségek, azok következményei, illetve az egyenlıtlenségeket generáló regionális fejlıdési és növekedési folyamatok nem csupán egy adott térség fejlettségi fokára, gazdasági kondícióira hatnak ki, hanem természetszerőleg az ott élık életszínvonalának, életminıségének alakulására, szőkebb-tágabb lakhelyük élhetıségére is. Éppen ezért tartom indokoltnak az életminıséget illetve életszínvonalat taglaló nemzetközi és hazai szakirodalom teljesség nélküli rövid áttekintését. Mindemellett – amint az a következı fejezetekbıl kiderül – indokolttá teszi ezt, az is, hogy a területi elemzéseim részét képezi az elıbb említett tényezık területi alakulására irányuló vizsgálat, abból a megfontolásból adódóan, hogy az életminıség területi eltérései a regionális gazdasági, társadalmi folyamatok indikátorai is. Az életszínvonal és életminıség fogalmát gyakran együtt emlegetik különbözı elemzések kapcsán, ugyanakkor a két fogalom mégsem teljesen ugyanaz. Az életszínvonal alatt a társadalom tagjainak jóléti szintjét, szükségleteinek kielégítettségi fokát érthetjük. Nehezen mérhetı, hiszen beletartoznak a személyes jövedelmen kívül az állam által nyújtott természetbeni és közszolgáltatások is, amelyek minıségében meglévı különbségeket nem lehet számszerősíteni. Az Európai Unióban az egy fıre jutó GDP alapján számítják az egyes régiók közötti fejlettségkülönbséget, amely végsı soron az életszínvonal-eltérést is jelképezi. Az életminıség ennél tágabb fogalmi kategória. Az életszínvonal összetevıin kívül magába foglalja a környezeti tényezıket is. Vagyis figyelembevételre kerül a környezet kultúráltsága, rendezettsége, környezetvédelmi szempontok, szabadidıs lehetıségek, kívánt életforma kialakításának lehetısége, közszolgáltatások minısége (ÖTM, 2008). Egy másik megfogalmazásban az „életminıségnek az objektív életfeltételi kereteken belül formálódó boldogság, elégedettség szintjét, a létfeltételek megélését, az objektív feltételek szubjektív érzékelését” tekintjük. Ezen feltételeket nagymértékben képesek pozitív vagy negatív irányban alakítani az emberi kapcsolatok és értékirányultságok (Utasi, 2007). Lennart Nordenfelt szerint pedig „az életminıség lényegében a boldogsággal azonos, s hétköznapi értelemben az élettel való elégedettség, illetve elégedetlenség mértékeként lehet leginkább definiálni” (Kovács et al., 2006). A fogalmi meghatározásoktól függetlenül egy biztos, az életminıség már igen korán foglalkoztatta a közéletben szerepet vállaló gondolkodókat, így az ókori filozófusokat, többek között Arisztotelészt is, aki Nikomakhoszi etikájában fejti ki véleményét errıl. Szerinte nem csak az egyes embereknek, de az emberi közösségeknek is az kell hogy legyen a legfıbb célja, hogy a legfıbb jót „gyakorolják”, a boldogságot megéljék. Meglátása szerint a mindenkori államnak a rendelkezésére álló eszközeivel arra kell törekednie, hogy ezen cél elérésének lehetıségét biztosítsák (Ágoston, 2007). Az újkori történelemben a XX. század második felében, az 1970-es évekre alakult ki a „jóléti állam” formája, mely bizonyos mértékig lehetıvé tette az ókori filozófia által megálmodott célok elérését. Az állandó és újabb anyagi javak szerzése mellett illetve helyett az életminıség javítása került a középpontba, vagyis a lakosság életkörülményeit érintı oktatási, egészségügyi, kulturális stb. tényezıkre fókuszáltak. Általánosságban elmondható, hogy a legfıbb politikai céllá az vált, hogy mindenki egészségesen, anyagi és szociális létbiztonságban élhessen, méltó és kielégítı munkát végezhessen, kényelmes otthonban lakhasson, s végül, de nem utolsó sorban olyan környezetben érezhesse magát, mely elısegíti az egyéni és legjobb tudás szerinti kibontakozást.
42
Az életminıség, az egyéni elégedettség, jólét, az életszínvonal vagy az Arisztotelész által említett boldogság természetesen nem tekinthetı szimplán objektív állapotnak, hiszen külsı tényezıi is az egyéni értékelésen keresztül kerülnek megítélésre. Olyannyira igaz ez, hogy az egyes társadalmak esetén eltérı normarendszerrel találkozhatunk az egyéni elégedettségre vonatkozóan. Így tehát kijelenthetı, hogy „nem csupán az egyéneknek, hanem az egyes kultúráknak is van normális jólléti szintjük, melyek nagyban befolyásolják az emberek szubjektív megítélését életminıségükre vonatkozóan”. Ugyanakkor fontos megemlíteni azt is, hogy ennek megítélését szemantikai problémák is befolyásolhatják, hiszen nem biztos, hogy minden egyes nyelvben az adott fogalomra használt szó alatt ugyanazt értik, sıt ez egyénenként is eltérhet (Inglehart – Klingemann, 2000). Diener és Suh (1997a) ugyan eltérı megközelítés során – individualista és kollektivista társadalmak sajátosságainak vizsgálata –, de azonos eredményre jutottak mint Inglehart és Klingemann. Szerintük az általuk individualistának vélt társadalmak általános gazdasági fejlettsége is magasabb, mint a kollektivistáké, vagyis a szubjektív jólétet ık azért találták magasabbnak az individualista társadalmakban, mert az ilyen országokban az egyéni motívumok játszanak nagyobb szerepet. Vizsgálataikkal kapcsolatosan fontos megemlíteni, hogy összefüggést találtak az egy fıre jutó GDP és az élettel való elégedettség között. Ehhez hasonló eredményre jutott Veenhoven (1997) is a boldogsági szint mérésével, sıt nem zárta ki a fordított reláció lehetıségét sem. Vagyis azt a feltételezést, hogy a magasabb egyéni boldogság fokozza a társadalom individualizálódását, mivel a boldog emberek magabiztosabbak és toleránsabbak, s ily módon kisebb a jövedelemkülönbségek miatti feszültég. A különbözı megközelítések, az életminıség fogalmi meghatározására való törekvések sorát természetesen még lehetne folytatni, hiszen számos további árnyalatnyi eltérést tapasztalhatnánk az életminıség, a jólét, a boldogság értelmezésében. Nem véletlen, hiszen ezek győjtıfogalomként használatosak a különbözı (egyéni) értékek, értékrendek eltérı korszakban történı kifejezésére. Veenhoven (2000) ezen fogalmak olyan speciális értelmezését tartja indokoltnak, mely egyfajta kettısségre épül: az életlehetıségek és életeredmények, illetve a belsı és külsı minıségek kettısségére. Ez magába foglalja a négy életminıséget: 1. a környezet élhetıségét, 2. az egyén életképességét, 3. az élet „külsı hasznosságát”, 4. és az élet „belsı értékét”. Bármely elméletet is nézzük az életminıség illetve az azzal együtt említésre kerülı életszínvonal, jólét, életkörülmények stb. megítélése során materiális és nem materiális elemekrıl beszélhetünk. A materiális tényezık alatt egyértelmően anyagi jellemzıket értünk, vagyis olyanokat melyek szoros kapcsolatban állnak a pénzzel: jövedelem, megtakarítás, ingatlan. Utóbbiak közül kiemelt szereppel bír az adott egyén lakásának mérete és felszereltsége, kora és állaga, közvetlen környezete, továbbá infrastrukturális és közbiztonsági szempontok, az adott település – ahol a lakás található – munkalehetıségei, egyéb kondíciói. Az említettek mellett a nem materiális tényezık közé sorolandó az egészség, a családi kapcsolatok, közbiztonság, a demokratikus intézményekkel szembeni bizalom stb. (Márfai, 2007). Az életminıségi tényezık materiális és nem materiális osztályozása szükségessé teszi az objektív és szubjektív életszínvonali kategóriák alkalmazását is. A két kategória, két fontosabb életminıségkutatási modellt is „képvisel”. 43
Az egyik a skandináv, mely az „erıforrások hozzáférhetıségébıl és azok feletti rendelkezésbıl indul ki”, vagyis az objektív tényezıkre koncentrál, míg a másik az amerikai, mely a szubjektív érzékelést és értékelést helyezi a középpontba. Ezeknek egyfajta ötvözete Erik Allardt (1993) életminıség-megközelítése, mely során Maslowhoz hasonlóan szintén egy szükségleti hierarchiát alkotott, három különbözı szintet lehatárolva: materiális-környezeti (having), a szociális (loving) és a személyes fejlıdési (being) szükségleteket. Függetlenül attól, hogy mely szintrıl is van szó, különbséget tett az objektív tényezık és az ezekhez kapcsolódó szubjektív attitőd között (3. táblázat). 3. táblázat Allardt életminıség modellje
Having Materiális szükségletek Loving Szociális szükségletek Being Személyes fejlıdési szükségletek
Objektív tényezık Életszínvonal és környezeti tényezık Másokkal emberekkel szembeni kapcsolatok Társadalomhoz és természethez való viszony
Szubjektív tényezık Életkörülményekkel szembeni elégedettség Kapcsolatokkal való elégedettség Személyes kiteljesedés szubjektív érzése
Forrás: Allardt, 1993
Az objektív életminıségre illetve életszínvonalra vonatkozó indikátorok között elsıdlegesen a munkaerıpiaci lehetıségeket és státuszt, a jövedelmi helyzetet, fogyasztási javakkal való ellátottságot stb., nemzetközi összehasonlítás tekintetében az egy fıre jutó GDP-t értjük. Mint ahogy arra már utaltam, léteznek olyan életelemek, melyek objektív módon nem, vagy igen nehezen mérhetık. Ezek képezik a szubjektív életminıség alapjait. A szubjektív életminıség kérdıívezéssel, s azon belül is leggyakrabban olyan attitődkérdésekkel mérhetı, melyek többnyire a személyes életterületekre, azokkal való elégedettségre illetve azokról alkotott véleményükre kérdeznek rá. Az ilyen kérdések során az attitőd kifejezésére egy skálaérték szolgál (skálás kérdések). Gyakran egész kérdésblokkokat szoktak használni egy-egy életminıségi részterület szubjektív mérésére (Márfai, 2007). Az ilyen attitődmérések fontos részterülete a (természetes és épített) környezettel szembeni attitődök feltérképezése. Ez nem véletlen hiszen a környezet ugyanolyan hatótényezıje az életminıségnek mint bármely más, már felsorolt elem Az elmúlt években számos nemzetközi irodalom foglalkozott ezen kérdéskörrel, melyek közül leginkább mérvadónak az ökológiai lábnyom modellt (Wackernagel – Rees, 1996) tartják. Ennek lényege, hogy az ember ökoszisztémára gyakorolt terhelése kifejezhetı egy adott területként (termıterület, lakóterület, szeméttároló, energiaforrás, vízforrás stb.), mely az adott egyén (közösség, ország stb.) ökológiai lábnyoma (Hári, 2007). Mindezeken túlmenıen a szubjektív életminıség és életkor közötti kapcsolat is a vizsgálatok fókuszába került, mellyel összefüggésben eltérı eredmények születtek. Többek között Veenhoven (1996) és Easterlin (2001) arra a megállapításra jutott, hogy az életkor és a szubjektív jóllét mértéke között nincs összefüggés. A fiatalok, a középkorúak és az idısek egyformán elégedettek, mely a kor elırehaladtával erısödı „beletörıdéssel” és „szelektív túléléssel” magyarázható. Ugyanakkor Diener és Suh ettıl részben eltérı eredményekre jutott. Szerintük az életkorban elıre haladva az életminıséggel szembeni elégedettség mértéke növekszik, mert a személyes elvárások közelítik a lehetıségeket, vagyis az emberek egyre racionálisabban gondolkodnak. (Diener – Suh 1997b)
44
Másrészt korcsoportonként eltérık a boldogságot befolyásoló tényezık. Egyes vizsgálatok eredményei alapján a társas kapcsolatokkal és az egészséggel való elégedettség idısebb korban fontosabbá válik, s az életkorral párhuzamosan a jólétet, életminıséget magyarázó tényezık száma is csökken (Lomranz et al., 1990). Az eddigiek alapján is jól látható, hogy az életminıség, életszínvonal és az életkörülmények számos tényezı alapján kerülnek megítélésre, s az ezen területen vizsgálódó szakemberek sem képviselnek egységes álláspontot az elıbb említett kifejezések tartalmi elemei kapcsán. Ebbıl adódik az, hogy a nemzetközi tapasztalatok alapján, számos megközelítési formában és igencsak eltérı tényezık figyelembevételével tettek és tesznek kísérletet az életminıség és életszínvonal mérésére. A teljesség igénye nélkül ezek közül ismertetek néhányat, hogy számba vehessük, mely konkrét indikátorokat véltek, illetve vélnek alkalmasnak ezen mérések során. Liu (1970) az Egyesült Államok 83 városi területén végzett és az életminıség mérésére irányuló vizsgálataiban két csoportba osztotta a több mint 50 figyelembe vett tényezıt: az egyéni érdekeltségi, illetve a közösségi élet tényezık körébe. Ezek között olyanok szerepeltek, mint a foglalkoztatottak aránya, a családtagonkénti átlagjövedelmek, iskolai végzettség, az ezer fıre jutó személygépkocsik száma (mint a mobilitáshoz köthetı mutatószám), a szolgáltatásokhoz való hozzáférhetıség, s végül de nem utolsó sorban közegészségügyi és oktatási index és a természetes környezet index. Witczak (1998) az egyes lengyel régiók életkörülményei különbözıségének vizsgálat során az életminıséget, illetve az életszínvonalat a gazdasági menedzsment hatékonyságának mértékeként értelmezte és ennek megfelelıen választotta meg a figyelembe vett tényezık sorát, mely a következıképpen alakult: a környezet állapota, munkanélküliség és jólét, közbiztonság, helyi költségvetési kiadások, személyi jövedelem, szociális juttatások, személyes fogyasztás, lakásellátottság jellemzıi, mőszaki infrastruktúra, oktatás és kultúra, egészségügyi ellátás és korstruktúra. Habár az eddig említett két vizsgálat idıpontjában (majd 30 év eltérés!) és a megközelítés módjában is eltér, az iskolai végzettség és az oktatás szerepe ugyanúgy szerepel. Ez nem véletlen, hiszen Grahm B. Spanier szerint is egyre nagyobb mértékben függ a hétköznapi élet minısége az oktatástól (felsıoktatástól) és az innovatív tevékenységektıl, fıleg azokban a gazdaságokban ahol a munkaerınek magasabb szintő mőszaki szakértelemre és kommunikációs készségre van szüksége, illetve a személyes jövedelmek erıteljesen függnek az iskolai végzettségtıl (Spanier, 1999). Hasonlóképp vélekedik errıl Smith kollégáival együtt, akik azt vallják, hogy az oktatás eredményeként születı hatékonyabb módszerek, technológiák, politikai és kulturális fejlıdés segítségével az életminıség is javul. Véleményük szerint az egyéni életminıség mérése nem más, mint az egyéni jóllét mérése, melyet többek között olyan tényezık befolyásolnak, mint a tudásbázis, iskolai végzettség, technológiai színvonal stb., de korábbi irodalmakra hivatkozva említik a jövedelemszintet is (Smith et al., 2004). Ezen gondolatok logikája mentén haladva megállapítható, hogy a jövedelemnek és a rendelkezésre álló vagyonnak fontos szerepe van az életszínvonal javításában, illetve a már elért életszínvonal megırzésében. Ráadásul egy adott nemzetgazdaság növekedési állapota is ezt segítheti, de a humán fejlettségi szint legalább ennyire fontos, mely magába foglalja a hosszú és egészséges életet, a jól informáltságot és az anyagi javakhoz való hozzáférést. Ennek mérésére kiválóan alkalmas a HDI (Human Development Index) vagyis az emberi fejlettségi index (Gaertner – Xu, 2008). Hasonló véleményét fejtette ki a Bronzini – Piselli páros is a regionális produktivitásra és életszínvonal különbségekre kiterjedı vizsgálatában (Bronzini – Piselli, 2009). A HDI végsı értékének meghatározásában a születéskor várható élettartam értéke (hosszú és egészséges élet), a felnıtt 45
írástudás és a kombinált alap-, közép- és felsıoktatási beiskolázási arány (informáltság, képzettség), s végül, de nem utolsó sorban a vásárlóerı-paritáson számított bruttó hazai termék (GDP) kerül figyelembevételre (Csite – Németh, 2007). . Az életszínvonal, életminıség és életkörülmények mérésére irányuló vizsgálatokra nemzetközi szervezetek, pénzintézetek és egyes nemzetállamok kormányzati hivatalai és minisztériumai is egyre nagyobb hangsúlyt fektetnek, ezt jelzi az is, hogy az 1990-es évek óta szinte évrıl évre újabb és újabb jelentések látnak napvilágot e témában. Az ENSZ például 2007-ben az életminıség területén belül a vidéki háztartások megélhetésére és jóllétére vonatkozóan készített egy átfogó tanulmányt, mely fıként az Európai Unió tagországainak NUTS 2 szintő területi egységeire, illetve még néhány, az unión kívüli OECD országra fókuszált. A vizsgálat eredményei a korábban ismertetett kutatásokhoz hasonlóan nagy hangsúlyt helyeztek a demográfiai folyamatokra (korstruktúra, vándorlás), a foglalkoztatási lehetıségekre és egyéb munkaerıpiaci folyamatokra, az egyéni és háztartás szintő jövedelmekre, az üzleti struktúrára és regionális gazdasági növekedésre, oktatásra és nem utolsó sorban a területi folyamatokra (UNECE, 2007). Szintén 2007-ben Grúziára vonatkozóan végeztetett ilyen felmérést a Világbank, mely során az életszínvonal vizsgálatában elemzett területek a háztartások gazdasági kondíciói, szociális és egészségügyi szolgáltatások, az oktatás, a foglalkoztatás, a rekreációs és szabadidıs tevékenységek, mobilitás és végül, de nem utolsó sorban a közösségi attitőd voltak (The World Bank, 2007). További példaként említhetem többek között Pakisztánt, vagy Új-Zélandot is. Talán meglepı, hogy épp Pakisztánt említem elsıként, ám nem szabad megfeledkeznünk arról, hogy a fent említett emberi fejlettségi indexet Mahbub ul Haq pakisztáni közgazdász dolgozta ki (Haq, 1990), s a mai napig irányadónak számítanak az ez irányú pakisztáni kutatások. A pakisztáni kormány legutóbb 2006 és 2007. évben végeztetett szociális és életszínvonali kérdıíves felméréseket, mely során a kérdések felölelték az oktatást, egészségügyi és szociális állapotokat, a háztartások jellemzıit és az alapvetı szolgáltatásokhoz való hozzáférés lehetıségeit (FBSP, 2007). Az új-zélandi kormány szociális tárcája által készített felmérést pedig azért emeltem ki, mert tartalmaz egy életszínvonal mérésére alkalmas, gazdasági megközelítéső mutatót, az ELSI (Economic Living Standard Index). Ezen indikátor többek között olyan elemekbıl került kialakításra, mint a háztartások kényelmi jellemzıi (pl. internet kapcsolat), társadalmi és rekreációs tevékenység (sport, szabadidı) a fontosabb szolgáltatások (mint például egészségügyi alapszolgáltatás) elérhetısége stb. (MSDNZ, 2004) Természetesen a regionális tudomány gazdasági térelméleteihez köthetı életminıségi vizsgálatokkal is találkozhatunk a nemzetközi szakirodalom áttekintése során. Ilyen többek között Wall (2001) Egyesült Királyság NUTS 2-es szintő területi egységeire fókuszáló tanulmánya, melyben kifejti, hogy a relatív életszínvonal és életminıség mérésére alkalmazható a migrációs ráta is, hiszen az életszínvonal bármely földrajzi pont esetén meghatározható az ott élık jóllétének szintjeként, mely többek között függ az egy lakosra jutó jövedelemtıl. Amennyiben az adott térségben lakók nem elégedettek ezen tényezıkkel, úgy a számukra vonzóbb régiókba költöznek, vagyis a fenti logika alapján a jobb életkörülményeket, magasabb életszínvonalat választják. Ez az alapgondolat megegyezik a regionális versenyképesség kapcsán ismertetett interregionális haszonkülönbség elméletének lényegi részével (Richardson, 1973; Armstrong-Taylor 2000). Wall abban is azonosan gondolkodik, hogy, a migrációs hajlandóságot a jövedelmen túl befolyásolják az egyéb munkaerıpiaci lehetıségek, az ingatlan árak, s az egyéni költözési költségek.
46
Hasonlóan nemzetállamon belüli területi egységek – Németország megyéi – életminıségbeli különbségeire vonatkozóan végzett vizsgálatokat Buettner és Ebertz (2009). A mobilitás, a regionális gazdasági növekedést befolyásoló tényezık, a munkaerıpiaci lehetıségek szintén szóba kerülnk ezen tanulmányon belül, igaz nem a migrációra helyezik analízisük súlypontját. Munkájuk alapját két kérdıíves felmérés – egy 2004. évben elvégzett félmillió háztartásra és egy késıbbi 10000 fı bevonásával végzett megkérdezés – jelentette. Ezt azért tartom fontosnak kihangsúlyozni, mert, amint az majd a 2. fejezetbıl részletesebben kiderül, dolgozatom primer kutatása szintén kérdıívezésre épült. Buettner és Ebertz által felhasznált kérdıívezés többek között a háztartások anyagi helyzetére, iskolai végzettségre, jövedelmi helyzetre, a helyi környezetre (gazdasági, természeti, társadalmi) és az adott megye általános (természeti, gazdasági élhetıségi) jellemzıire terjedt ki. Véleményem szerint az eddig ismertetett életminıséggel és életszínvonallal foglalkozó szakirodalmak alapján nem véletlen, hogy világszerte, így például Ditlevsen és Hansen (2008) munkájában, az International Living által országokra képzett Quality of Life Index (QLI)összehasonlításában (IL, 2009), a The Economist (2005) rövid tanulmányában, vagy a Magyar Köztársaság Pénzügyminisztériumának rövid felsorolásában is szerepel az egy fıre jutó GDP, illetve jövedelem az életszínvonal, életminıség mérésére szolgáló jellemzık illetve gazdasági mutatók között. Természetesen az említett források nem csupán ezen két tényezıvel számolnak. Az International Living immáron 30 éve hasonlítja össze a világ országait az általa képzett QLI értékek alapján, melybe a következı tényezık kerülnek figyelembevételre az említett egy fıre jutó GDP-n és jövedelmen felül (zárójelben a végsı pontszámban betöltött súly): • Megélhetési költségek (15%) •
Kultúra és szabadidı (10%): írástudók aránya, újságok példányszáma 1000 fıre, általános és középiskolába beiskolázottak aránya, egy múzeumra jutó lakosok száma, kulturális és szabadidıs lehetıségek variációjának szubjektív sorrendértéke.
•
Gazdaság (15%): kamatráta, GDP, GDP növekedési rátája, egy fıre jutó GDP, inflációs ráta, egy fıre jutó GNP.
•
Környezet (10%): népsőrőség, népszaporulat, emisszió mértéke, védett területek aránya, környezeti állapot.
•
Szabadság (politikai jogok és egyéni szabadság) (10%)
•
Egészség (10%): egy orvosra jutó ellátottak száma, 1000 fıre jutó kórházi ágyak száma, az egészséges ivóvízhez jutók aránya az összlakosságon belül, gyermekhalálozási arány, az egészségügyre fordított költségek a GDP arányában.
•
Infrastruktúra (10%) közutak, vasutak és hajózható vízi utak hossza az adott ország méretéhez és lakosságához viszonyítva, repterek száma, személygépkocsik, telefonok és mobiltelefonok egy lakosra jutó száma, internet szolgáltatók száma.
•
Biztonság és kockázat (10%)
•
Éghajlat (10%)
A The Economist életminıségi indexében összesen 9 tényezı került figyelembevételre: 1. anyagi jóllét (egy fıre jutó GDP vásárlóerı paritáson és USD-ben kifejezve) 2. egészség (születéskori várható élettartam) 47
3. 4. 5. 6. 7. 8. 9.
politikai stabilitás és biztonság családi élet (1000 fıre jutó válások száma) közösségi élet éghajlati és fölrajzi adottságok munkabiztonság (munkanélküliségi ráta) politikai szabadság nemi egyenlıség.
Hazánk Pénzügyminisztériumának rövid közleményében fıbb életszínvonali mutatók között a következıket említi: 1. foglalkoztatottak száma, 2. munkanélküliségi ráta, 3. bruttó és nettó átlagkereset, 4. egy keresıre jutó bér, 5. fogyasztói árszínvonal, 6. lakosság fogyasztása, 7. megtakarítási ráta. Az eddig ismertetett nemzetközi és hazai vizsgálatok, tanulmányok és egyes indexek alapján is jól látható, hogy habár eltérı szervezetek, személyek, eltérı országokban és eltérı szempontok alapján képeznek az életszínvonal, életminıség mérésére alkalmas mutatókat, azok meghatározó tényezıinek köre a gazdasági, társadalmi élet azonos területeirıl származnak. Eltérı súllyal ugyan, de többnyire kiemelten kezelik a személyes jövedelmi jellemzıket, a közszolgáltatások (oktatás, egészségügy, közlekedés), az infrastruktúra és a természeti, valamint épített környezet befolyásoló szerepét az egyes ember életminıségének megítélésében. Továbbá számos utalással találkozhatunk arra vonatkozóan, hogy az adott lakhely (település, térség) lokális, illetve regionális gazdasági teljesítménye (növekedés, fejlıdés) jelentıs hatással bír mind az objektív, mind a szubjektív életminıségre, életszínvonalra.
48
2. ANYAG ÉS MÓDSZER Doktori értekezésem lényegi részét jelentı területi elemzésemben – ahogyan azt már a bevezetésben is jeleztem – Északkelet-Magyarország áll. Az elemzés három egymással összefüggı, de eltérı módszereket alkalmazó részre osztható fel. Az elsı a már ismertetett egyszerő statisztikai mutatók, illetve a területi eltérések mérésére alkalmas indikátorok némelyikére épülı rövid elemzés, melynek legfıbb célja a térség és két statisztikai régiójának pozícionálása országos viszonylatban, illetve a szóban forgó országrész heterogenitásának vizsgálata. A második egy kérdıíves felmérés, mellyel azt kívántam elérni, hogy képet kapjak a helyi lakosságban kialakult területi imázsról, identitásról és a szőkebb-tágabb lakhelyükkel kapcsolatosan tapasztalható attitődrıl. S végül, de nem utolsó sorban a KSH kistérségi adataira építetve egy fıkomponens analízist alkalmaztam, hogy segítségével kiegészíthessem az elızı két elemzés eredményeit. Ezen hármas tagoltság alapján mutatom be az elemzéseimhez felhasznált alapadatok, mutatók és módszerek körét. Mindenek elıtt azonban az ezeket jelentıs mértékben meghatározó, a szakirodalmi áttekintés alapján és az elıfeltételezések további fenntartásával megfogalmazott hipotéziseimet ismertetem.
2.1. Hipotézisek a szakirodalmi áttekintés alapján Az elsı hipotézisem az elıfeltételezések alapján tehát az, hogy az elemzett térségben a megyeszékhelyi és egyéb kistérségek közötti differenciálódás következményeként a jövedelemi különbségek jelentısek és azok fokozódnak (H1). Ezt az áttekintett szakirodalom több elemére is alapozom. Többek között arra az igen korán – például Thünen, Weber telephelyelméletében is – megfogalmazott szakmai álláspontra, hogy a gazdasági szereplık telephelyválasztásakor a térségek, települések közötti döntést befolyásolja a piaci méret, a piac távolsága, a szállítási (elérhetıségi, logisztikai) lehetıségek, közlekedési infrastruktúra. Ezen keresztül pedig az adott térség, település gazdasági lehetıségeit, potenciálját is meghatározza, hiszen– autópálya vagy gyorsforgalmi út hiánya, rossz minıségő közúthálózat, vasút hiánya stb. miatt – a nehezebben megközelíthetı településekre, térségekbe kisebb eséllyel és kevesebb gazdasági szervezet települ, mint az e tekintetben jobb adottsággal bíró egyéb földrajzi helyekre. Ezáltal a kevésbé jó adottsággal bíró földrajzi pont lokális munkalehetıségei a munkahelyeket jelentı gazdasági egységek alacsonyabb számából adódóan szőkösebbek, az így helyben keletkezı jövedelmek nagysága, s így a tercier szektorral szembeni fizetıképes kereslet is kisebb, ez pedig egyfajta további jövedelmi plusz megjelenésének lehetıségét is megakadályozza. Könnyen belátható, hogy ezek alapján a megyeszékhelyi kistérségek esetében – fıként a megyeszékhelyek, azok agglomerációi és ezek kiemelt helyzete révén – nagyobb jövedelemkoncentrációval számolhatunk. Gondoljunk csak például Eger, Miskolc, Nyíregyháza, Debrecen megközelíthetıségére! Ezen túlmenıen e megyeszékhelyek, vagy akár Szolnok és Salgótarján is nagyobb lokális piaci méretet jelentenek. Az említett elıfeltételezés hipotézisként történı további fenntartása mellett szól részben Christaller központi helyek elmélete is, melyben kifejtésre került, hogy a településhierarchia eltérı szintjein lévı települések eltérı szolgáltatásokat, eltérı vonzáskörzetben biztosítanak, s az egyes központokból történik a termékekkel és szolgáltatásokkal való ellátás, mindez pedig véleményem szerint direkt és indirekt módon hat a gazdasági termelékenységre, jövedelmi viszonyokra. Ez az egyenlıtlenség ráadásul erıteljesebb is mint az elméletben, hiszen Christaller azonos domborzati, közlekedési és informáltsági feltételekkel számolt, ami a való életben elképzelhetetlen. Ez a differenciálódás a megyeszékhelyek kiemelt helyzetébıl adódóan, többnyire azok javára általánosan fennáll, vagyis további alapját jelenti a fentiekben megfogalmazott feltételezésemnek.
49
Mint ahogyan Lösch, Palender, vagy Isard elméletének egyes pontjai is. Ezek között találhatunk olyan elemeket, melyek direkt, vagy indirekt módon alátámasztják az elıbbi gondolatokat (például infrastruktúra szerepe, szállítási költségek, piaci elhelyezkedés). De mindezek kapcsán Hoover és Hoyt agglomerációs elméleteit is említhetném, ha Debrecenre, Miskolcra vagy Nyíregyházára gondolok. Hoover ráadásul felhívta a figyelmet a térbeli koncentráció gazdaságosságára is, vagyis arra – az északkelet-magyarországi területen megyeszékhelyekre és ezáltal azok kistérségeire is fokozottan igaz – jelenségre, hogy a nagyobb város nagyobb piacot, nagyobb szolgáltatásméretet jelent, mely azt megelızıen, vagy azzal párhuzamosan illetve utólagosan magasabb fokú közlekedési és egyéb fokú infrastruktúrával is jár. Ráadásul az intézményi szolgáltatások fajlagosan olcsóbbak, ami pedig már az ott élık életkörülményeit illetve gazdasági szempontból a jövedelmezıséget is érintik (közszolgáltatások árainak beépülése, helyi adók mértéke stb. révén). A térbeli koncentráció gazdaságosságát is eredményezı agglomeráció Isard által meghatározott harmadik típusa (urbanizációs) elınyei szintén a megyeszékhelyeken jelentkeznek erıteljesebben, hiszen azok a város méretétıl, lakosságszámtól a fajlagos költségmegtakarításból származó eredményektıl függnek. Ehhez társul Marshall által az externáliák kapcsán említett koncentráció is, mely az adott térségben, településen lévı gazdasági ágazati miliıt és a szakmai tudást érinti. Ennek lényege – ahogy azt már korábban is ismertettem –, hogy vonzó hatással bír a letelepedést fontolgató vállalkozások számára a már jelenlévık által teremtett gazdasági és szakmai környezet, tapasztalati bázis, illetve az, hogy a lokális piacra történı belépési korlátok csökkennek. Összességében tehát egy olyan öngerjesztı folyamat indul el, mely hosszú távon kihatással lesz a beszállítói hálózatokra, s melyben igen nagy érdekeltséggel bírnak a kis- és középvállalkozások. Ez utóbbiak pedig köztudott módon fontos szereppel bírnak a foglalkoztatásban, vagyis kihatnak a helyi lakosság és háztartások jövedelmi helyzetére, végsı soron a jövedelmi koncentrációs folyamatok irányára, mértékére is. ÉszakkeletMagyarország nagyobb városai esetében az elektronika vagy egyéb, az autóiparba beszállító ágazatok jelentik ezeket, gondoljunk csak például a Bosch, a Lear korábbi megjelenésére, beszállítói kapcsolataira, kiszervezett részlegeire több megyeszékhely (pl. Eger, Miskolc) és egyéb városok (pl. Gyöngyös) kapcsán. A megyeszékhelyi és egyéb kistérségek közötti differenciálódás hatásaként megjelenı jövedelemi különbségek fokozódására engedtek következtetni a polarizációs elméletekben (Pottier, Paelinck, Boudeville, Lasuén) megjelenı fejlıdési különbségi irányok. Az elsı hipotézisem felállításában erısítettek meg a Richardsonnál illetve az Armstrong – Taylor szerzıpárosnál is megjelenı munkaerı mobilitás kérdésköre kapcsán megfogalmazottak. Egyrészt abból a megközelítésbıl, hogy a mobilitási hajlandóságot, s ily módon a vándorlási irányokat, különbségeket befolyásoló tényezık egyike az egyes területegységek között felismerhetı haszonkülönbség, melynek tényezıi között szerepel a jövedelem és a munkahely lehetıség is. Az elmúlt évek általános és személyes tapasztalatai alapján pedig a megyeszékhelyek és vonzáskörzetük („agglomeráció”) irányába történı vándorlás a jellemzı, vagyis feltételezhetıen jobb jövedelmi lehetıségekkel is számolhatunk a megyeszékhelyi kistérségek kapcsán. Egy másik megközelítésbıl a megyeszékhelyekkel az egyéb vidéki települések nem képesek versenyezni a haszonkülönbség olyan további tényezıiben, mint az urbanizációs fok, vagy a köz- és egyéb szolgáltatások elérhetısége, minısége. Ebbıl adódóan a szakképzett minıségi munkaerı és a munkaerı mobilitási kérdések a megyeszékhelyeket pozitívan érintik, mely a gazdasági növekedésre, s ily módon a jövedelmi folyamatokra (koncentrációra) jótékonyan hathatnak.
50
Utóbbi megközelítés részben már a második hipotézisem alapjait is jelenti, hiszen az egyes lakhelyek megítélését az ott élık olyan személyes tapasztalatai, elvárásai is befolyásolják, melyek a haszonkülönbség alkotó elemei. A feltételezésem pedig az volt, hogy az egyes kistérségek élhetıségi megítélése és az egyes válaszadók lakhelyének településtípusa, rangja illetve a válaszadó korcsoportok között várhatóan szoros összefüggés tapasztalható (H2). A hipotézis településtípusra és rangra vonatkozó részének felállításában szerepet játszott még Christaller elmélete – elsıdlegesen az eltérı szolgáltatási körökre vonatkozó pontja révén –, Piskóti és kollégái által megfogalmazott települési és térségi imázs szerepe, vagy a Phelpsnél megjelenı lojalitás is, hiszen ezek a megítélésben befolyásoló erıvel bíró attitőd elemeket érintik. Ugyanígy attitőd alapokon nyugszik a korcsoportokra vonatkozó feltételezésem, melyet az 1.4 fejezetben a szubjektív életminıség és az életkor közötti kapcsolatot érintıen ismertetett szakirodalmon belül Diener, Suh és Lomranz általam is elfogadhatónak tartott elméletei alapoztak meg. A fentieken túl azt is valószínősítettem, hogy az általam képzett komplex élhetıségi (életminıségi) és a helyben tartó képességi index területi egységenként hasonló relatív értékeket fog mutatni a területi egységek összehasonlítása során (H3). Az elıfeltételezés hipotézisként történı felállításában a korábban kifejtett gondolatokon túl erısítettek meg Wall illetve Buettner – Ebertz elemzései is, hiszen az elvándorlás kapcsán kifejtették azon objektív és szubjektív életminıségi tényezıket is, melyek a jelen esetben vizsgált élhetıségi és helyben tartó képességi indexek kialakításában szerepet játszottak. S végül, de nem utolsó sorban feltételeztem, hogy a kistérségek KSH és helyi lakosság által fejlettségi kategóriákba történı besorolása számos esetben eltérı eredményt fog mutatni, adódóan abból, hogy elıbbi statisztikai mutatókból képzett komplex fejlettségi index, míg utóbbi a válaszadók saját tapasztalatai, elvárásai és attitődje alapján teszi meg (H4). Vagyis az eltérések alapjait az életminıséget, életszínvonalat tárgyaló szakirodalomban objektív (KSH kategorizálás) s szubjektív (helyi lakosság megítélése) életminıségi tényezık sajátosságai jelentik.
2.2. Pozícionálás és heterogenitás vizsgálat Értekezésem középpontjában ugyan Északkelet-Magyarország vizsgálata áll, ám az egyes területi egységek – régiók, megyék – országos szintő összehasonlítását is szükségesnek tartottam annak érdekében, hogy megfelelı módon lehessen értelmezni a térségen belüli vizsgálatok eredményeit. Hiszen egy mezo-, illetve mikroszintő térség elemzése önmagában, anélkül, hogy azt elhelyeznénk egy makro környezetben, igazából keveset mondana. Éppen ezért az 1998-2007 közötti idıszakra vonatkozóan 9 mutató területi adatait vetettem össze, fıként azok megjelenítésére kiválóan alkalmas grafikonok, illetve diagramok formájában. A szóban forgó 9 mutató az 1.4. fejezetben sorra vett nemzetközi vizsgálatokban figyelembe vett területekhez kapcsolható vagy azokban alkalmazott, életminıség és életszínvonal mérésére alkalmas jelzıszámok közül került ki, figyelembe véve a hazai statisztikákban történı használatukat és hozzáférhetıségüket: 1. 2. 3. 4. 5. 6. 7. 8. 9.
öregedési index, aktivitási arány (%), munkanélküliségi ráta (%), bruttó átlagkereset (Ft/fı/hó), egy fıre jutó GDP (ezer Ft/fı), egy fıre jutó beruházás értéke (Ft/fı), regisztrált vállalkozások száma (db/1000 fı), épített lakások száma (db/10000 fı), személygépkocsik száma (db/1000 fı). 51
Mindezeken túlmenıen a felsorolt mutatók kiválasztásában szerepet játszott az is, hogy alkalmasak a térségi gazdasági aktivitás és a jövedelmi helyzet jellemzésére. Ez pedig mindenképp hozzásegít ahhoz, hogy kiértékelésükkel az északkeleti országrészen belüli, kistérségi szintő vizsgálatokat megalapozottabb módon végezhessem el. Ugyanebbıl az okból kifolyólag alkalmaztam a már ismertetett duál-mutatót, Hoover-indexet és az allokációs hányadost a GDP és a beruházás területi megoszlása kapcsán, regionális és megyei szinten egyaránt. Az említett két gazdasági indikátor megoszlását a területi népességarányhoz viszonyítottam a Hoover-indexnél és az allokációs hányadosnál. Ezen értékeket szintén 1998-2006 (GDP), illetve 1998-2007 (beruházás) közötti idıszak adatai alapján képeztem, mutatónként másmás területi megközelítésben. A duál-mutatót regionális és megyei szinten, értelemszerően az összes területi egységre vonatkozóan számoltam, súlyozatlanul és súlyozva egyaránt. Utóbbi esetén az egyes térségek lakosságának összlakosságon belüli arányát vettem alapul a súlyozás kialakításhoz, ahol a lakosságarány reciprok értéke jelentette a súlypontokat. A súlyozás által az ismertetett súlyozatlan duál-mutató képlete és az 1 ≤ D < ∞ feltétel továbbra sem változik, az eltérés csupán az átlagok képzésében van:
D=
xm , xa
ahol xm = az x -nál nagyobb xi értékek súlyozott átlaga xa = az x -nál kisebb xi értékek súlyozott átlaga, x = xi súlyozott átlaga. A Hoover-index értékeit a duál-mutató alkalmazási dimenzióin túl, további területi relációban is kiszámoltam, melyek a következık: •
együttesen a 7 statisztikai régió,
•
Közép-magyarországi régió és további 6 statisztikai régió,
•
együttesen a 20 NUTS 2 területi egység (19 megye és Budapest),
•
Budapest és a 19 megye,
•
Északkelet-Magyarországot alkotó 2 statisztikai régió és a további 5 statisztikai régió,
•
Észak-magyarországi és az Észak-alföldi statisztikai régió,
•
Északkelet-Magyarországon belüli 6 megye együttesen.
Utóbbiak már egyértelmően a vizsgált országrész területi heterogenitás vizsgálatát szolgálták, mint ahogyan az ott található kistérségek esetében alkalmazott Robin Hood-index használata is. A területi egyenlıtlenségek elemzésekor azonban nem csak arra voltam kíváncsi, hogy az éppen vizsgált ismérv – GDP, beruházás, jövedelem – hány százalékát kellene a területi egységek között átcsoportosítani, hanem arra is, hogy feltehetıen mely térségekbıl és hová. Éppen ezért számoltam allokációs hányadost – ismételten a területi népességarány bevonásával – minden olyan esetben, ahol Hoover-indexet is. Az allokációs arányok területi összevetésének megkönnyítése érdekében területi egységenkénti idıbeli átlagot, szórást és megfelelı számú területi egység esetén (megyei, kistérségi szinten) trendet (irány, meredekség) is képeztem, továbbá a kistérségekre vonatkozóan kiszámolt allokációs átlag alapján történt kategorizálást kartogram formájában is megjelenítettem.
52
2.3. Kérdıíves megkérdezés Északkelet-Magyarországon A gazdasági, társadalmi illetve területi folyamatok összetettebb vizsgálatának érdekében végeztem el egy standardizált írásbeli kérdıívezést is. Ennek legfıbb célja az volt, hogy egy általános képet kapjak, a szóban forgó térséget alkotó megyék, kistérségek élhetıségérıl, az ottani életkörülményekrıl, s mindennek a helyi lakosság által történı megítélésérıl. Ezáltal, úgy vélem, lehetıség nyílik a gazdasági statisztikai mutatók alapján és a helyi társadalmak által alkotott helyzetkép összevetésére, az esetlegesen egymásnak ellent mondó pontok megvilágítására. A fent említett kérdıíves felmérés értelemszerően Északkelet-Magyarország területén, a 2008. év április, május és június hónapjaiban zajlott. Összesen két statisztikai régióra (Észak-magyarországi és Észak-alföldi), az azokat alkotó 6 megyére (Heves, Borsod-Abaúj-Zemplén, Nógrád, JászNagykun-Szolnok, Hajdú-Bihar és Szabolcs-Szatmár-Bereg) és az ezeken belül megtalálható 55 statisztikai kistérségre terjedt ki. Az alapsokaságot ennek megfelelıen Magyarország e térségének lakossága jelentette, a véletlenszerően kiválasztott minta elemszáma (N) pedig 989 fı volt.
2.3.1. Reprezentativitás A felmérés sem Északkelet-Magyarországra, sem annak alkotó területi egységeire vonatkozóan nem tekinthetı reprezentatívnak. A véletlenszerően kiválasztott minta 989 fıs elemszáma ugyan közel áll ahhoz az 1000 fıs mintanagysághoz, mellyel a társadalomtudományok esetén elfogadott és alkalmazott 95,5%-os megbízhatósági szint mellett országos, reprezentatívnak tekintett felmérést végeznek (Lehota, 2001), ám a kérdések jellegébıl és a területi megosztottságból adódóan igen erıteljes a rétegzettség, ezért nem áll fenn a reprezentativitás. Ez igaz annak ellenére is, hogy a szóban forgó országrészen fellelhetı 999 település közül 210-et értem el a kérdıívezés során, s ez 21,02%-os elérési arányt jelent. Ha ezt tovább bontjuk települési rang alapján, akkor a mintában mind a hat megyeszékhely, minden második város és minden hatodik nagyközség, illetve község megtalálható. Az egyes igazgatási rangok településmintán belüli arányát a 10., míg az elért települések földrajzi elhelyezkedését és településenkénti kérdıívszám kategóriákat a 11. ábra mutatja be.
2,9% 27,1%
4,3%
65,7%
megyeszékhely, megyei jogú város (%) nagyközség (%)
város (%) község (%)
10. ábra A felmérés során elért települések megoszlása igazgatási rang alapján Forrás: saját szerkesztés, 2009
53
11. ábra A kérdıíves felmérés során elért települések elhelyezkedése Forrás: saját szerkesztés, 2009
A kérdıívezés során elért településeket településkategóriák szerint is vizsgáltam. Itt fontos megjegyezni, hogy jelen esetben a kategóriák csupán lakosságszám alapján értendık, s nem oly komplex módon, mint Beluszky Pál (2003) elemzéseiben, ahol az egyes csoportok, lakosságszám (nagyság), funkcionális és település-hierarchia kategóriák. Utóbbi kettı figyelembevételétıl eltekintettem, minthogy munkám céljai között nem szerepelt település-hierarchia vizsgálat. Az általam létrehozott – összesen nyolc – településméret kategóriát több munka és csoportosítás, illetve azok együttes alkalmazása alapján képeztem, többek között a KSH népességnagyság szerinti csoportosítást, a hazai településszerkezetre jellemzı településméreteket, a településhálózat alakulásának sajátosságait (Süli-Zakar, 2003), a különbözı városkategorizálási irányokat (Pál, 2001) is áttekintve végül Kovács Zoltán csoportosítását (2002) vettem alapul. Az így kialakított településkategóriák mindegyike a 4. táblázatban, a vizsgálat során elért települések azok szerinti megoszlása pedig 12. ábrán látható. 4. táblázat A felmérés során alkalmazott településkategóriák (Kovács alapján) Településkategóriák Lakosságszám (fı) Törpefalu 0 199 Aprófalu 200 499 Kisfalu 500 1 999 Nagyfalu 2 000 4 999 Óriásfalu 5 000 9 999 Kisváros* 10 000 19 999 Középváros 20 000 99 999 Nagyváros 100 000 - 999 999 Forrás: Kovács, 2002 *Kiegészítésként megjegyzendı, hogy azon települések, melyek lakosságszáma nem éri el a 10.000 fıt, de városi ranggal rendelkezik, szintén kisvárosi besorolást kapott.
54
37,6% 27,6%
3,8%
1,0%
0,5%
törpefalu
1,4%
aprófalu
22,9%
5,2% kisfalu
nagyfalu
óriásfalu
kisváros
középváros
nagyváros
12. ábra A kérdıívezés során elért települések megoszlása településkategória alapján (%) Forrás: saját szerkesztés, 2009
Amennyiben a fent említett rétegzettségtıl és az azt eredményezı vizsgálati tényezıktıl eltekintünk, s csak a lakosságarány tekintetében vizsgáljuk az egyes megyék és kistérségek „reprezentativitását”, úgy a 5. táblázat adatai alapján, illetve a 13. ábrán jól látható, hogy felül „reprezentált” Heves, Nógrád, és Jász-Nagykun-Szolnok, míg a további három megye esetén a kérdıívek száma nem éri el a szükséges arányszintet. (A dolgozat további részeiben a reprezentativitás ezen egyszerősítı feltételezés mellett értelmezendı. Az egyszerősítés célja pedig az, hogy az egyes térségekkel kapcsolatosan kapott eredmények megfelelı súllyal kerüljenek figyelembevételre, illetve az azok alapján levont következtetéseket is megfelelı módon lehessen értelmezni.) Így nem meglepı, hogy az Észak-magyarországi és az Észak-alföldi régió ÉszakkeletMagyarországon belüli lakosságarányának megfelelı „reprezentativitását” biztosító 45,1%-54,9%os arány sem teljesül, ez jelen esetben 71,4%-28,6%-os megoszlást mutat. Ennek ellenére úgy vélem, hogy Északkelet-Magyarországra, az Észak-magyarországi és Észak-alföldi régiókra, továbbá az azokat alkotó megyékre vonatkozó eredmények, s azok alapján megfogalmazott megállapítások minden esetben iránymutatók a minta elemszámának nagyságából és annak véletlenszerő kiválasztásából adódóan. 5. táblázat A minta „reprezentativitása” megyei szinten a lakosság területi megoszlásának tükrében
Területi egység Heves megye Borsod-Abaúj-Zemplén megye Nógrád megye Hajdú-Bihar megye Jász-Nagykun-Szolnok megye Szabolcs-Szatmár-Bereg megye Északkelet-Magyarország
Lakosság Kérdıív Reprezentativitás* Fı % Db % 319 460 11,5% 397 40,1% Jelentısen felül 719 001 25,9% 214 21,6% kissé alul 213 030 7,7% 95 9,6% kissé felül 545 641 19,6% 61 6,2% jelentısen alul 404 072 14,5% 159 16,1% kissé felül 576 054 20,7% 63 6,4% jelentısen alul 2 777 258 100,0% 989 100,0% -
Forrás: KSH, 2008; saját kutatás, 2008 * Azon egyszerősítı feltétel mellett, hogy a minta rétegzettségétıl és az azt eredményezı vizsgálati tényezıktıl eltekintünk, s csak a lakosságarány tekintetében vizsgáljuk az egyes megyék és kistérségek reprezentáltságát.
55
40,1 %
45,0%
20,7%
16,1%
14,5%
6,4%
10,0%
6,2%
15,0%
7,7%
20,0%
11,5 %
25,0%
19,6 %
30,0%
9,6%
25,9 %
35,0%
21,6 %
40,0%
5,0% 0,0% Heves
BAZ
Nógrád
Elvárt reprezentativitási szint (%)
Hajdú
Jász
Szabolcs
Tényleges arány (%)
13. ábra Az elvárt reprezentativitási szint a lakosság területi megoszlása tükrében és a mintán belüli tényleges arány megyénként (%) Forrás: saját szerkesztés, 2009
A reprezentativitás elemzésében tovább haladva, a kistérségek szintjén, megállapítható, hogy a vizsgált földrajzi területen található 55 kistérségbıl, 4 egyáltalán nem, 30 alul, 21 pedig a lakosság megoszlási arányhoz közel azonos mértékben (1-2‰ eltérés) vagy ahhoz képest felül reprezentált. Ugyanakkor fontosnak tartottam, hogy az elıbbi reprezentativitási kategóriákon túlmenıen az egyes mintán belüli arányok súlyából adódóan tovább árnyaljam a kistérségek e szempont szerinti csoportosítását (6. táblázat és 14. ábra). Mindezek alapján a vizsgált északkelet-magyarországi 55 kisebb területi egység 65,5%-ában vonható le olyan következtetés, mely véleményem szerint legalább iránymutatónak tekinthetı. 6. táblázat
Képzett kistérségi kategória a mintán belüli arány és az elvárt reprezentativitási szint alapján Reprezentativitási kategória
Nem reprezentált Alul reprezentált és következtetések levonására abszolút alkalmatlan Alul reprezentált, de mintán belüli aránya alapján iránymutató lehet Alul reprezentált, de mintán belüli súlya jelentıs Reprezentált (reprezentativitási szinthez közeli arányban van jelen; 1-2 ezrelék eltérés) Felül reprezentált (a reprezentativitási szint feletti arányban van jelen) Összesen: Forrás: saját szerkesztés, 2009
56
Kistérségek (db) 4 15 9 6 5 16 55
14. ábra Kistérségek mintán belüli reprezentativitása Forrás: saját szerkesztés, 2009
2.3.2. Kérdıív szerkezete, alkalmazott kérdések A saját összeállítású standard kérdıív (M4. melléklet) 26 kérdésébıl 18 tárgyköri és 8 személyes, a kérdésfeltevés módja szerint pedig mind direkt. Nyitott, zárt és skálás kérdéseket (Lehota, 2001) egyaránt alkalmaztam. Tisztán nyitott kérdés csupán egy szerepelt, az is a lakhelyre vonatkozott, így annak kiértékelése nem jelentett gondot, hiszen ennek elsıdleges szerepe a településrang ellenırzésében, településkategória megállapításában és a kistérségi besorolásban játszott szerepet. Ez pedig a Magyar Köztársaság helységnévkönyvében (KSH, 2008a) szereplı települési adatok segítségével megoldható volt. A tárgyköri kérdések alapjában véve két csoportra oszthatók a lakhely és térségének minısítése, illetve a munkalehetıség és jövedelemszint témakörökhöz kötve. Az elsı három kérdés mindegyikének típusa az intervallumskálába tartozó, szemantikus differenciál skála, melyen 1 és 5 közötti értékkel kellett minısíteni az adott területi egységet – megyét, kistérséget, települést – a megadott szempontok szerint, többek között úgy, mint megközelíthetıség, fejlıdıképesség, környezetei állapot, jövedelemszint, szolgáltatások, infrastruktúra, munkanélküliség stb. Azért ezt a pszichológiából átvett kérdéstípust használtam ez esetben, mert kiválóan alkalmas a „fogyasztói” vélemények, magatartás vizsgálatára, a hozzáállás, attitőd mérésére (Lehota, 2001). Ráadásul a skála két végén szereplı ellentétes értelmő szavak, állítások rendelkeznek az „általános érthetıség tulajdonságával”, s ebbıl adódóan mérni lehet a hozzáállások irányát, intenzitását (Molnár, 1995). Erre tudatosan fektettem hangsúlyt, hiszen a szakirodalmi feldolgozás kapcsán említett Dunning – Normann-féle kutatás is rávilágított több más elemzéssel egyetemben, hogy a területi identitásnak, a térségi imázsnak és az ott élık attitődjének régióformáló szerepe van, gazdasági és társadalmi értelemben véve egyaránt. Szintén a skálás kérdések mellett szólt, illetve összeállításukban, s külön blokként való alkalmazásukban játszott szerepet a szubjektív életminıséggel és annak mérésével foglalkozó szakirodalom (pl. Márfai). Egyébként utóbbiak hatása jelenik meg a kérdıív további kérdéseiben is. 57
A negyedik kérdés az adott (kis)térség fejlettségi fokának, fejlıdési ütemének megítélésre irányult 5 kategóriába történı besorolás által. Az említett öt csoport elnevezése a Faluvégi Albert (2000) által képzett, s korábban a KSH által is alkalmazott kistérségi fejlettségi kategóriákkal – lemaradó, stagnáló, felzárkózó, fejlıdı, dinamikusan fejlıdı – egyezett meg, azzal a céllal, hogy a saját és a korábbi eredményt Északkelet-Magyarország vonatkozásában összevethessem. A következı két kérdés a települési élhetıség gondolatkörét érintik, hiszen a közszolgáltatások hozzáférhetıségére illetve a település elérhetıségére – gyorsforgalmi út, autópálya elérési ideje – kérdeznek rá. A települési szolgáltatások megléte, vagy éppen hiánya ugyanúgy az életminıséget befolyásoló tényezık körébe tartozik, mint az, hogy milyen (közúti) körülmények között érhetı el egy község, vagy város. Ezen túlmenıen utóbbi jelentısen befolyásolja a mobilitási hajlandóság alakítása révén – például munkahelyi ingázás – a helyben tartó képességet, és kihat a gazdasági beruházási kedvre is. A térségre jellemzınek vélt gazdasági tevékenység – 7. kérdés – a területi egységgel szemben támasztott személyes elvárásokat jelentısen befolyásolhatja, gondoljunk csak az adott gazdasági ágazat jövedelmi viszonyaira, munkakörülményeire, ráadásul sajátos attitőd kialakulásához is vezethet az eltérı miliı, a hétköznapi tapasztalatok révén. Végül, de nem utolsó sorban, bizonyos mértékig utalhat a térségi lakosság iskolázottsági jellemzıire is, hiszen eltérı arányban támaszt magasabb szintő képzettségi elvárásokat a mezıgazdaság az informatikához vagy az üzleti szolgáltatásokhoz mérten. A migráció kérdéskörét is szükségesnek tartottam érinteni a felmérés során, ezt szolgálta a 8-10. kérdés. Azon túlmenıen, hogy információhoz jutottam a lakhelyet változtatók, illetve változtatni kívánók mintán belüli arányáról, annak is fontos szerepet tulajdonítottam, hogy a további – személyes – kérdésekre adott válaszokkal együttesen képet kaphattam a lakhelyváltás okáról, dimenziójáról, az életkori és képzettségbeli jellemzıkkel együtt. Dimenzió alatt jelen esetben és a kérdésnek megfelelıen a lakhelyváltoztatás következı eshetıségeit értem: lokális (települési körzeten, kistérségen belül), mezo (megyén, régión belül), makro (régión kívülre, Budapestre), nemzetközi (külföld). Az elıbb említett tényezık mindegyike befolyásolhatja az adott település, kistérség helyben tartó képességét, s ami még fontosabb jövıbeni lehetıségeit. A 11. kérdés valamelyest elkülönül a többi ponttól, hiszen tartalmát tekintve sem a térséggel, sem annak jövedelmi és munkalehetıségbeli jellemzıivel, sem a személyes jövedelmi és képzettségi kondíciókkal nem foglalkozik. Azt sem állíthatom, hogy ezáltal a területfejlesztési pénzügyi források felhasználásával kapcsolatos informáltságukat mérhetem. Ugyanakkor a kapott válaszok tükrözik a társított gondolatokat és így az egyes területi egységek lakosságának pesszimista, vagy épp optimista mivoltát. A következı kérdéssor (12-18. kérdés) egy külön blokkot alkot az íven belül, hiszen egységesen a munkalehetıséget és a jövedelemi helyzetet érinti. Súlya – több mint a kérdések negyede – talán túlzottnak tőnhet, ám nem szabad megfeledkezni arról, hogy hétköznapi értelemben véve a munkalehetıség egyenlı munkahellyel, vagyis végsı soron jövedelemmel. Ez pedig – eltekintve a munkahelyek minıségétıl, a jövedelem színvonaltól – direkt és indirekt módon is erısíti a település, kistérség lakosságmegtartó képességét. A direkt mód bıvebb magyarázatra nem szorul, az a munkalehetıség természetébıl adódik. Az indirekt hozzájárulás alatt pedig azt értem, hogy a jövedelemmel rendelkezık és azok háztartásai fizetıképes keresletet jelentenek a termékek és szolgáltatások lokális és térségi piacán egyaránt. Így lehetıség adódik a szolgáltató szektor helyi szintő stabilitására, növekedésére, azaz további munkahelyeket generál. Ráadásul a helyi önkormányzatok költségvetésére gyakorolt hatásán –
58
adók, szociális juttatások stb. – keresztül befolyásolja a település élhetıségét, hiszen a felszabaduló összegek fejlesztésekre, szolgáltatásminıség javítására fordíthatók. A további kérdések (19-26.) a válaszadó nemére, korára, végzettségére, foglalkozására, az ıt foglalkoztató szektorra vonatkoznak, illetve segítik a földrajzi elhelyezkedés beazonosítását. A kapott válaszokból nyert eredmények bizonyos körét egyszerő arányok formájában diagramokon, másokat kartogramok segítségével jelenítek meg. Ahol lehetıség volt rá és indokoltnak láttam, ott átlagot és szórást is számoltam, illetve a hipotézisvizsgálatok eredményessége érdekében korrelációs számításokat is végeztem.
2.4. Fıkomponens analízis A kistérségi szintő elemzésekhez alkalmazott fıkomponens analízis egy többváltozós elemzési módszer, a faktoranalízis egyik típusa. Segítségével – azon túlmenıen, hogy több változó alapján nagyobb mennyiségő adat is jól elemezhetı – az információk tömöríthetık, az eredmények vizuálisan jól megjeleníthetık (Székelyi – Barna, 2002). A gazdasági és társadalmi jelenségek, illetve folyamatok elemzésékor felmerülı, a változók kapcsolatára irányuló kérdés is megválaszolható alkalmazásával, hiszen a többváltozós módszerek alapvetıen olyan elemzı módszerek, amelyek célja az eredeti jellemzık közötti lényeges kölcsönhatások feltárása, rendszerszemlélető megközelítés révén (Szőcs, 2002). A többváltozós ökonometriai elemzések alapját mindig egy n × p típusú X alapadat mátrix adja (7. táblázat) ahol M1, M2, …, Mi, …, Mn a megfigyelési egységek – más néven egyedek, míg X1, X2, …, Xj, …, Xl, …, Xp a megfigyelési (valószínőségi) változók, az xnp pedig az n-edik egyed, p-edik jellemzıje.
Mn
xn1
xn2
x2j
…
xij
…
xnj
x1l
…
x2l
…
xil
…
xnl
Xp X1p
…
X2p
…
xip
…
xnp
…
…
…
…
…
xi2
…
xi1
…
Mi
x1j
Xl
…
X22
…
…
X21
Xj
…
M2
…
X12
…
X11
…
M1
…
…
7. táblázat Alapadat mátrix X1 X2
Forrás: Szőcs, 2002
A többváltozós vizsgálatok céljai általában: •
változók összefüggéseinek feltárása,
•
összefüggések alapján változócsoportok feltárása,
•
a változók közötti kapcsolatok irányának és mértékének megállapítása,
•
az egy csoportba tartozó változók mögötti közös okának keresése,
•
az eredeti jellemzık (koordináták) számának redukálása és a megfigyelési egységek ezek alapján történı ábrázolása és
•
a megfigyelési egységek csoportosítása, hasonlóságuk feltárása. 59
A fıkomponens analízis kiindulópontja az a feltételezés, hogy a megfigyelési változók varianciáját (értékeik változékonyságát) velük megegyezı számú háttérváltozó magyarázza úgy, hogy ezek közül az elsıdlegesen meghatározó háttérváltozók kiválaszthatók, a többi változó pedig az elenyészıen kicsi hatás miatt „elhagyható”. Ezen fıbb háttérváltozók varianciáit a standardizált megfigyelési változók korrelációs mátrixának sajátértékei szolgáltatják. A sajátértékek nagyság szerint vannak rendezve, s a háttérváltozók is e sorrendnek felelnek meg (Szőcs, 2002). A módszer alkalmazása során tehát az összes megfigyelési változó közötti kapcsolatot vizsgáljuk, azzal a feltételezéssel, hogy az azonos csoporthoz tartozó változók egy-egy közös, a háttérben ható tényezıtıl függnek. A változók csoportosítása az egymás közötti korrelációjuk alapján történik oly módon, hogy az azonos háttérváltozótól erısen függı megfigyelési változók egy csoportba kerülnek. A korreláció két változó között, illetve egy jelenség ezek által reprezentált tulajdonságai közötti kapcsolatot mutatja. Az analízis során mindezt a korrelációs mátrix foglalja magába. A pozitív értékek azonos, a negatívak pedig ellentétes irányú hatásokat jelölnek. Minél nagyobb abszolút értékő számot kapunk 0 és 1 között, annál szorosabb a két változó közötti kapcsolat. Ezeket, a fent említett háttérváltozókat nevezzük fıkomponenseknek az analízis során. A fıkomponensesek megkönnyítik a megfigyelési egységek ábrázolását, ugyanis a megfigyelt egyedeknek általában háromnál több jellemzıje van, viszont a legtöbb esetben csak kettı vagy három bizonyul jelentısnek, ezáltal az egyedek fıkomponens koordinátáik segítségével két- vagy háromdimenziós térben ábrázolhatók. A pontok elhelyezkedése alapján könnyebben felismerhetjük az összetartozónak tekinthetık csoportjait, és elhatárolhatjuk ıket (Harnos, 1993). A módszer alkalmazása során számos feltételnek kell teljesülnie. Már az analízis alá bevonandó adatbázissal szemben is létezik egy általános elvárás. Nevezetesen az, hogy a megfigyelési egységek számának nagyobb vagy egyenlınek kell lennie a megfigyelési változók (valószínőségi változók) a számának háromszorosával. (A 10. táblázat esetében tehát n ≥ 3p összefüggés áll fenn.) Az alkalmazhatóság megállapítására szolgál a Bartlett próba és a Kaiser teszt. A faktoranalízisnek – s így a fıkomponens analízisnek is – csak akkor van értelme, ha a Bartlett próba alapján a szignifikancia értéke kisebb, mint 0,05, vagyis a változók összefüggnek. A Kaiser teszt során kapott Kaiser- Meyer–Olkin (KMO) mérték, a mátrixhoz egy 0 és 1 közé esı számot rendel. Maximális értéket, egyet akkor kapunk, ha a parciális együtthatók négyzetösszege zérus, vagyis ha az összefüggéseket minden változópár esetén a többi változó teljes egészében megmagyarázza. A Kaiser- Meyer–Olkin (KMO) a faktoranalízisre való alkalmasság szempontjából a 8. táblázatban megjelenített módon minısíti az adatokat (Ketskeméty – Izsó, 2005). A táblázat alapján jól látható, hogy minél magasabb (egyhez közelebbi) a KMO érték annál nagyobb a faktoranalízisre való alkalmasság. Ugyanakkor, ha ez az érték a 0,5-es határérték alatti, vagyis az elfogadhatatlan kategóriába esik, akkor nincs értelme a fıkomponens analízis elvégzésének (Sajtos – Matev, 2007). 8. táblázat A Kaiser- Meyer- Olkin mérték értékelése 0, 9≤ KMO ≤ 1, 0 0, 8≤ KMO < 0, 9 0, 7≤ KMO <0, 8 0, 6≤ KMO <0, 7 0, 5≤ KMO <0, 6 KMO < 0, 5 Forrás: Ketskeméty – Izsó, 2005 60
Csodálatos Dicséretes Közepes Mérsékelt Szánalmas Elfogadhatatlan
Még egy fontos feltételrıl kell szólni, mely a fıkomponensek kiválasztásával kapcsolatos. A vizsgálat során generált háttérváltozók (komponensek) közül csak az számít fıkomponensnek, melynek sajátértéke (varianciája) 1 fölötti, s csak annyi fıkomponenst határozunk meg, amennyi az összes variancia legalább 80%-át magyarázza. A kiválasztást segíti a „könyök-szabály” is. Ha a komponenseket a sajátérték, vagyis magyarázott variancia (y tengely) és komponensek száma (x tengely) által lehatárolt koordináta rendszerben megjelenítjük, egy görbét kapunk. Ahol ez a görbe jelentısen megtörik, ott lesz az utolsó komponens. Elıfordulhat, hogy több (2-3) helyen is megtörik a görbe, vagyis több lehetıséget kapunk a fıkomponensek számát illetıen. Ugyanakkor az alacsony magyarázott variancia érték alapján ez esetben is egyértelmően meghatározható a fıkomponensek száma. Mindezek ismeretében és a módszer alkalmazási területein is végigtekintve, a fıkomponens analízist indokoltnak láttam értekezésem területi elemzési eszközeinek körébe bevonni, hiszen én is törekedtem az eredeti területi jellemzık számának redukálására és a kistérségek ezek alapján történı ábrázolására, csoportosítására, hasonlóságuk feltárására. Az általam végzett fıkomponens vizsgálatok alapját a Központi Statisztikai Hivatal kistérségi adataira épülı alapadat mátrixok képezték. Azért a többes számot használom, mert az elemzés 10 éves idıintervallumot (1997-2006) ölelt fel, így értelemszerően tíz évenkénti alapadat mátrixszal és ugyanennyi elvégzett analízissel lehet számolni. Az alapadat mátrixokban szereplı megfigyelési egységek értelemszerően Északkelet-Magyarország kistérségei, míg a megfigyelési változók a következı mutatók: 1. Vándorlási különbözet 1000 lakosra (fı/1000 fı) 2. Vállalkozások száma 1000 lakosra (db/1000 fı)*: a. Regisztrált vállalkozások száma (1997-1998; 2004-2006) b. Mőködı vállalkozások száma (1999-2003) 3. Kiskereskedelmi üzletek száma 1000 lakosra (db/1000 fı) 4. Munkanélküliek (1997-2005) illetve nyilvántartott álláskeresık aránya a munkavállalási korú népességbıl (2006**) (%) 5. SZJA-alapot képezı jövedelem egy állandó lakosra (Ft/fı) 6. Személygépkocsik száma 1000 lakosra (db/1000 fı) 7. Elvégzett osztályok száma * Az eltérés a KSH adatgyőjtése során alkalmazott mutatókból adódik. **2006-tól a nyilvántartott álláskeresıkre vonatkozó adatokat alkalmazza a KSH.
Azért ezen tényezıket vontam be az elemzésbe, mert érintik a térségi gazdasági aktivitást, a jövedelmi viszonyokat, az azokkal kapcsolatba hozható humántényezıket. A fenti felsorolásban található mutatók körének és számának meghatározásában mindemellett – a pozícionálás során alkalmazott mutatók kiválasztásához hasonlóan – a szubjektív és objektív életminıség, életszínvonal mérésére irányuló nemzetközi vizsgálatokban alkalmazott jelzıszámok (1.4. fejezet) szolgáltak alapul, tehát azokat vagy azoknak megfelelı és a hazai statisztikai rendszerben kistérségi területi szinten is alkalmazott mutatók körét vettem figyelembe. Az elsı mutató az adott térség népességmegtartó képességének indikátoraként is felfogható, mely akár önmagában is utalhat az adott területi egység megítélésére, általános helyzetére. A 2-4. mutató az egyes kistérségek gazdasági aktivitásával kapcsolatosan adhat iránymutatást, igaz a regisztrált vállalkozások száma – a székhely és telephely, adózási hely eltérésének köszönhetıen – valamint a munkanélküliek aránya – a jogi szabályozásból adódóan – torzító hatással bír, de ez a torzítás területi egységektıl függetlenül jelen van. A jövedelmi helyzetrıl valamelyest képet adó 5-6. jelzıszám kapcsán is megfogalmazható hasonló észrevétel, hiszen a jövedelmek nominális 61
értékeinek, illetve a személygépkocsik számának területi összevetése önmagában nem jelenthet alapot teljesen reális következtetések megfogalmazására. Gondoljunk csak az egyes országrészek, sıt egyes városok kapcsán érzékelhetı, az átlagostól kiugróan eltérı megélhetési költségszintre, a lokális piacok – fıleg szolgáltatások – közötti árszínvonal különbségekre stb.! A személygépkocsik kapcsán befolyásoló tényezıként jelentkezik a gépkocsiállomány átlagkora és értékkategória szerinti összetétele, hiszen a kis- és középkategóriás gépjármővek tekintetében a 2008. ıszéig tartó hitelfinanszírozási gyakorlat által kínált lehetıségek révén bizonyos értelemben véve jövedelemérzéketlenebbé tette az autópiacot. Mivel azonban nem állt módomban ez irányú adatgyőjtés – és más lehetıségem sem volt árnyaltabb adatbázishoz történı hozzáférésre – az említtet torzító hatásoktól eltekintettem, többek között az elemzési feltételek leegyszerősítése érdekében. Az utolsóként szereplı, de nem kevésbé fontos jelzıszám a képzettségi színvonalon túl a térség gazdasági potenciáljáról is képet ad, hiszen a rendelkezésre álló tudás a technológiai adaptáció kulcstényezıje. Sıt a gazdasági kockázattal szembeni viselkedést is meghatározza és azáltal a vállalkozói kedvet is befolyásolja. Ez pedig – folytatva a gondolatmenetet – a foglalkoztatás kapcsán kiemelkedı súllyal bír, elég, ha csak a kkv-k foglalkoztatásban betöltött szerepére gondolunk. A fenti mutatók kiválasztásában szerepet játszott az is, hogy a Faluvégi (2000) féle kistérségi fejlettségi besorolásnál, és a kistérségek és települések társadalmi-gazdasági és infrastrukturális elmaradottságát/fejlettségét mérı komplex mutató kiszámításánál (67/2007. OGY határozat) egyaránt alkalmazásra kerültek. Az évenként képzett alapadat mátrix elemzése esetén is adottak voltak az alapvetı alkalmazhatósági feltételek, hiszen: • teljesült a nagyszámú megfigyelés, az évenkénti alapadat mátrix adatainak (megfigyelési értékeinek) 300 feletti számával, ráadásul a 10 éves idıintervallum tovább növelte a megfigyelések számát (összesen mintegy 4600), • fennállt a megfigyelési egységek (n) és megfigyelési változók (p) közötti n ≥ 3p reláció, ugyanis a 46 (1997-2002), 55 (2002-2006) kistérség, mint megfigyelési egység száma meghaladja a statisztikai mutatók számának (7) háromszorosát. Itt jegyzendı meg, hogy amint a kistérségek számának alakulása is mutatja, a jogi szabályozásokban bekövetkezett változás által érvénybe lépett újabb területi lehatárolások Északkelet-Magyarországot is érintették. Ez kihat a vizsgálati eredmények értékelésére is, ám úgy vélem, hogy ez a hatás mérséklıdik azáltal, hogy a 2002-es évre vonatkozóan nem csupán az akkori tényleges lehatárolásnak megfelelıen hasonlítottam össze a területi egységeket. Rendelkezésre állt ugyanis a 2004. január 1-jétıl a vizsgált idıszak végéig érvényben lévı új területi lehatárolásnak megfelelı állapotok alapján KSH által újraképzett 2002. évi kistérségi statisztika is – ezt jelzem 2002 (2004) jelöléssel –, melyet felhasználva szintén elvégeztem a többváltozós elemzést. Az így létrejövı „folytonosság” természetesen csak egyszerősítı feltételezések mellett fogadható el, de települési adatokra alapozható kistérségi adatbázis átkonvertálására lehetıségem nem volt, az elemzést pedig minél nagyobb idıintervallumra szerettem volna elvégezni. Szintén a folytonosság és az összehasonlíthatóság érvényesülését elıtérbe helyezve nem került be a vizsgálatba a 2007. év. Az újabb jogi szabályozás (2007. évi CVII. tv.) révén ugyanis már 56 kistérség volt az elemzett országrészben, valamint a KSH adatbázisában nem szerepelt a korábbi alapadatmátrixot alkotó elvégzett osztályok száma az említett évre vonatkozóan.
62
A fentiek teljesülése mellett az alkalmazást megelızıen természetesen az alapadat mátrixra vonatkozóan elvégeztem a KMO tesztet és a Bartlett-próbát is, melynek évenkénti eredményeit a 9. táblázat tartalmazza. Az eredmények alapján egyértelmően kijelenthetı, hogy a változók összefüggnek (szignifikancia szint 0,05 alatti) és a KMO érték alapján a faktoranalízis alkalmazhatósági foka az adott évi adatmátrixra vonatkozóan legalább közepes, az esetek több mint 50%-ában pedig dicséretes. Így a módszer alkalmazható, igaz a fıkomponensek teljes megmagyarázási aránya 1997-1998.ban alacsonyabb, mint az általánosan megkívánt szint. 9. táblázat A fıkomponens analízis alkalmazhatósági vizsgálatának eredményei
Vizsgálat éve
KMO
1997 1998 1999 2000 2001 2002 2002 (2004) 2003 2004 2005 2006
0,704 0,762 0,763 0,723 0,800 0,824 0,855 0,810 0,829 0,825 0,819
Szignifikancia Fıkomponensek Megmagyarázási (Bartlett) száma arány 0,000 2 60,636% 0,000 2 73,181% 0,000 2 78,792% 0,000 2 77,637% 0,000 2 78,948% 0,000 2 81,052% 0,000 2 83,200% 0,000 2 83,903% 0,000 2 82,598% 0,000 2 84,811% 0,000 2 83,607%
Forrás: saját számítás, 2009
63
64
3. EREDMÉNYEK 3.1. Pozícionálás és heterogenitás vizsgálat eredményei Északkelet-Magyarországot alkotó régiók és megyék Magyarország további területi egységeivel történt összehasonlítása során az öregedési index – a 100 fı 14 év alatti lakosra jutó 65 év feletti lakos száma – területi értékeit 1990, 2001 és 2008. évre vonatkozóan vetettem össze. Az említett három évben számított mutató a területi kiegyenlítıdés irányába halad, a 2008. évi országos átlag (107,6) alatti értékkel a Közép-dunántúli régió (104,2) mellett csupán Észak-Magyarország (103,3) és Észak-Alföld (87,9) rendelkezik (M5. melléklet). A megyei értékeket vizsgálva kijelenthetjük, hogy ezt elsıdlegesen Jász-Nagykun-Szolnok (74,1) megyének köszönheti, igaz mellette HajdúBihar (89,0) is fiatal korstruktúrával bír, míg ez az észak-magyarországi területeken csak BorsodAbaúj-Zemplénrıl (94,6) mondható el. Jász-Nagykun-Szolnok megye kapcsán megjegyzendı, hogy nem csupán a legjobb öregedési indexszel rendelkezik, de 2001. évhez képest az egész országban egyedüliként javult a korstruktúrája (M5. melléklet). Valószínőleg ennek köszönhetı, hogy aktivitási arányának 2007. évi értéke (53,4%) az északkeleti országrész legmagasabbja, igaz, így is elmarad az országos átlagtól (54,9%). Ez igaz egész ÉszakAlföldre (50,8%), annak északi szomszédrégiójára, s az azokban található további öt megyére is. Országos viszonylatban hasonlóan alacsony értékekkel csak Békés, Somogy és Baranya megye bír (M5. melléklet). A Közép-magyarországi, Közép- és Nyugat-dunántúli régiók megyei átlagától Északkelet-Magyarország megyei átlaga mintegy 5,3% ponttal (!) marad el. A munkanélküliség kapcsán sem sokkal jobb a helyzet. A munkanélküliségi ráta 2001-ig ugyan folyamatosan csökkenı tendenciát mutatott a térségben – mint ahogy az országosan is tapasztalható volt – ám azóta töretlenül emelkedik, s az utóbbi években már mindkét északkelet-magyarországi régió esetében elérte, illetve meghaladta a 10%-ot (15. ábra). Borsod-Abaúj-Zemplén és SzabolcsSzatmár-Bereg megyék tekintetében a 12-13%-os arány is megfigyelhetı, sıt mi több 2007-re Heves megye is 11%-os munkanélküliséggel volt kénytelen szembesülni. A térségben Hajdú-Bihar (7,9%) áll e tekintetben a legjobban (16. ábra). Összehasonlításképp a magasabb gazdasági teljesítıképességgel bíró térségek adatai (2007): Budapest 4,9 %, Pest megye 4%, Gyır-MosonSopron 3,7%(!), Fejér 4,8%, Veszprém 4,4%.
15. ábra A munkanélküliség (%) alakulása regionális és országos szinten (1998-2007) Forrás: KSH, 1998-2007 (saját szerkesztés)
65
16. ábra A munkanélküliség (%) alakulása megyei és országos szinten (1998-2007) Forrás: KSH, 1998-2007 (saját szerkesztés)
Az 1998-2007 közötti idıszakban a bruttó keresetek változása is az országos trend dinamikáját követve, de a magyar átlagbérszínvonaltól elmaradva alakultak az északkeleti területeken regionális és megyei szinten egyaránt (17. és 18. ábra). Igaz, az országos átlagot csupán Közép-Magyarország haladja meg, vélhetıen a fıvárosi és fıváros környéki agglomerációs jövedelemkoncentráció révén. Észak-Magyarország a negyedik, még Észak-Alföld – a Dél-alföldi régióval szinte megegyezı értékekkel – az utolsó a régiók között a havi bruttó keresetek tízéves átlaga és a 2007. év értékei alapján is. Megyei szinten folytatva az elemzést, megállapítható, hogy az északkeleti országrészben a heves megyei átlag alkalmazott örülhetett leginkább, hiszen havi bruttó keresete ötödik a megyei átlagjövedelmek mezınyében 2007-ben, s ez a tíz év átlagában is hasonlóan alakul (6.). A SzabolcsSzatmár-Bereg megyében munkát vállalók viszont annál kevésbé, hiszen a vizsgált idıszakban – a 2007. évet kivéve – országosan a legalacsonyabb bérezésben részesültek.
17. ábra Bruttó keresetek (Ft/fı/hó) alakulása regionális és országos szinten (1998-2007) Forrás: KSH, 1998-2007 (saját szerkesztés)
66
18. ábra Bruttó keresetek (Ft/fı/hó) alakulása megyei és országos szinten (1998-2007) Forrás: KSH, 1998-2007 (saját szerkesztés)
A jövedelmek területi alakulását látva nem meglepı, hogy az egy fıre jutó bruttó hazai termék és a beruházások egy lakosra jutó értéke is azon térségekben nagyobb, ahol a jövedelmi szint is kiemelkedı. Hosszú távon ugyanis csak ott lehetséges magas és növekvı jövedelem, ahol jelentıs mögöttes gazdasági teljesítmény (GDP) realizálódik, ez utóbbinak pedig feltétele többek között a beruházás is. Más megközelítésbıl az elıbbi megállapítás a területi munkanélküliségi arány esetén is megállja a helyét, igaz fordított relációban. Ahol alacsonyabb a munkanélküliségi ráta, ott magasabb beruházási és GDP értékekkel találkozhatunk, hiszen a beruházások – közvetlen munkahelyteremtı beruházások és indirekt gazdasági infrastrukturális invesztíciók – gazdasági teljesítményt generálnak, melyek többnyire munkahelyteremtéssel járnak együtt. E gondolat tükrében nem meglepı már, hogy az Alföld északi része és az északról szomszédos régió három megyéje országos viszonylatban szerény értékekkel rendelkezik az egy fıre jutó bruttó hazai termék és az egy lakosra jutó nemzetgazdasági beruházás tekintetében (19-22. ábra).
19. ábra Egy fıre jutó GDP (ezer Ft/fı) regionális és országos szinten (1998-2006) Forrás: KSH, 1998-2007 (saját szerkesztés)
67
20. ábra Egy fıre jutó GDP (ezer Ft/fı) megyei és országos szinten (1998-2006) Forrás: KSH, 1998-2007 (saját szerkesztés)
21. ábra Nemzetgazdasági beruházás (Ft/fı) regionális és országos szinten (1998-2007) Forrás: KSH, 1998-2007 (saját szerkesztés)
22. ábra Nemzetgazdasági beruházás (Ft/fı) megyei és országos szinten (1998-2006) Forrás: KSH, 1998-2007 (saját szerkesztés)
68
A beruházások, a bruttó hazai termék, a jövedelmi viszonyok, a munkanélküliség fent ismertetett kapcsolatrendszerét tovább bıvíthetjük a vállalkozási aktivitással (vállalkozások száma). Ezt természetesen nem úgy értem, hogy a GDP, vagy a beruházások értékével egyenes arányban változik a gazdasági szervezetek száma, hiszen eltérı volumennel kell számolnunk multinacionális vállalatok – a GDP-hez való hozzájárulásban vitathatatlanul ezek a meghatározók – és kkv-k esetén. Ugyanakkor azt sem lehet mondani, hogy a beruházások ne eredményeznének az üzleti egységek, vállalkozások számában növekedést, s azt sem, hogy a kis- és közepes vállalkozások ne járulnának hozzá a bruttó hazai termékhez. Ráadásul utóbbiak szerepe a foglalkoztatás tekintetében már jóval nagyobb, vagyis várhatóan a vállalkozások számának növekedésével a foglalkoztatottság is növekszik (térségi munkanélküliségi arány csökken). Természetesen ennek vizsgálatában a mőködı vállalkozások száma pontosabb képet adhatott volna, mint a regisztráltaké. Sajnálatos módon azonban a rendelkezésre álló KSH idısorban 2001-rıl 2002-re egy jelentıs törést tapasztaltam – országos szinten 150 ezres(!) különbség –, így használatát aggályosnak találtam. Ráadásul az adatgyőjtés módszertani hátterét sem tudtam összevetni a két év esetén, így a regisztrált vállalkozások számának alkalmazása mellett döntöttem. Az ezer lakosra jutó vállalkozások számában kimagasló eltérés tapasztalható a központi területi egység és a további térségek között, hiszen még Nyugat-Dunántúlhoz képest is közel másfélszer több vállalkozás jut ezer lakosra a Közép-magyarországi régióban. Az északkelet-magyarországi két régió esetén ez a különbség kétszeres, mellyel már utalok arra, hogy e térségekben a legalacsonyabb a szóban forgó mutató értéke. Ez még önmagában nem volna gond, ám ez az erıteljes lemaradás a további négy statisztikai régióval szemben is fennáll, ráadásul mindez a 6 északkeleti megyében viszonylag egységesen jelentkezik (M5 melléklet). A jövedelmi viszonyokkal kapcsolatba hozható épített lakások 10000 és személygépkocsik 1000 lakosra jutó számának alakulása is hasonló tendenciát mutat, igaz az Észak-alföldi régió az országos átlaghoz közel, Nyugat-Dunántúl után a harmadik az épített lakások számát nézve, mely Hajdú-Bihar és Szabolcs-Szatmár-Bereg megyék utóbbi években produkált kiugró értékeinek köszönhetı (M5. melléklet). A fenti kilenc mutató területi értékeinek összevetése alapján is igen jól érzékelhetı a differenciáltság, s ezt a GDP és a beruházás vonatkozásában 1998-2007 közötti idıszakra évenként számolt duál-mutató, Hoover-indexek és az allokációs arányok is megerısítik. Az átlagon felül és az alatt teljesítı térségek közötti eltérés igen jelentıs, hiszen regionális szinten a GDP tekintetében az egyedül átlag felett teljesítı Közép-magyarországi régió értéke, mely ez esetben megegyezik az átlagon felül teljesítık átlagértékével – ezért van minimális eltérés a súlyozatlan és súlyozott duál-mutató értékei között – négyszer-ötször meghaladja az alulteljesítıkét (10. táblázat). A megyei szinten meghatározott duál-mutató (D) értékek tekintetében, már erıteljesebben érzıdik a népességaránynak megfelelı súlyozás hatása, hiszen míg a súlyok alkalmazása nélkül négyszeres, hét és félszeres eltérésrıl beszélhetünk a jól és kevésbé jól teljesítık átlagértékei között, addig súlyozva már „csak” 2,351 és 2,802 közötti a D értéke. Ez azonban még mindig igen erıteljes eltérés. Az értékek mellett a súlyozás hatására az átlagon felül és alul teljesítı területi egységek köre is jelentısen változik, hiszen számításaim alapján a népességmegoszlást figyelmen kívül hagyó elsı változat esetében átlag feletti Budapest, valamint Pest és Gyır-MosonSopron megye, addig lakosságarány alapján, az említetteken kívül, már ebbe a körbe kerül Fejér, Borsod-Abaúj-Zemplén, Hajdú-Bihar, Bács-Kiskun és 2001-ig Csongrád megye is (M6. melléklet). A felsoroltak közül Borsod és Hajdú Északkelet-Magyarország részeként meglepı lehet, de ne feledkezzünk meg arról, hogy az elıbbiben található több vegyipari központ – magas hozzáadott érték ágazati szinten –, az utóbbi központja pedig Budapest egyik ellenpólusaként emlegetett Debrecen és a megye turisztikai potenciálja is jelentıs.
69
A beruházások tekintetében a régiók és megyék közötti különbség még nagyobb fokú. Súlyozás nélkül az átlagon felüli és aluli csoport átlaga közötti különbség regionális szinten a vizsgált idıszakban átlagosan több mint hatszoros (D=6,446) megyék esetében pedig még nagyobb (D=7,673). Súlyozva ezen értékek rendre: 4,358 és 3,449. Utóbbi értékhez képest a megyék saját értékei viszonylag kis eltérést mutatnak – a szórás 0,620 – és a mutató alapján a változás trendje is jól meghatározható, hiszen az R2 értéke 0,8813 (10. táblázat). Az átlag felett és alatt teljesítık köre a súlyozatlan és súlyozott variáció esetében is erıteljesen hasonlít a GDP vizsgálatnál kialakult csoportokhoz, azzal az eltéréssel, hogy regionális szinten a népességarány figyelembevételekor már nem csak a Közép-magyarországi régió emelkedik, ki, hanem az utóbbi években Közép-Dunántúl is. Így NUTS 2-es szinten is fıként e két régió megyéire igaz az „átlagon felüliség”, kiegészülve Gyır-Moson-Sopronnal, Borsod-Abaúj-Zemplénnel és Hajdú-Biharral (M6. melléklet). 10. táblázat Súlyozatlan (D) és súlyozott duál-mutató (DS) értékei a területi GDP és beruházás tekintetében, regionális és megyei szinten (1998-2007)
Forrás: saját számítás, 2009
A duál-mutató ugyan jelzi az átlag feletti és alatti teljesítmények, értékek közötti különbséget – melybıl természetesen már lehet következtetni a heterogenitás fokára – ám a súlyozási szempont kiválasztása, a súlyozás módja nem minden esetben elég objektív. Ahogy arról már szóltam, területi egyenlıtlenségek vizsgálataiban széles körben alkalmazott Hoover-index (H) a heterogenitási fokon túl arról is információt nyújt, hogy az éppen vizsgált ismérv – jelen esetben az adott területi egység összes GDP-n illetve beruházáson belüli részesedése összevetve lakosságának össznépességen belüli arányával – hány százalékát szükséges átcsoportosítani a kiegyenlítıdés érdekében. Magyarország 7 régiójára és 20 NUTS 3-as szintő területi egységére egyaránt igaz, hogy a vizsgált szők évtizedben a GDP átcsoportosítandó része növekedett és 20% körül alakul, 2006-ban 18,9% illetve 21,2% (11. táblázat). Ettıl nem nagyon tér el az index értéke Közép-Magyarország és Budapest kapcsán sem, hiszen e területi egységek bruttó hazai termékének 18,9% és 20,4%-os területi átcsoportosítására volna szükség, hogy az ország más területeivel szembeni különbség mérséklıdjön. Az adatsor alapján erre igen kevés esélyt látok, hiszen az átlagértékek a 2006. évi állapothoz közeliek és a szórás sem olyan jelentıs, tehát a különbségek konzerválódtak (12. táblázat). Természetesen Északkelet-Magyarországra és azt alkotó területi egységekre vonatkozóan is számoltam Hoover-indexet. A szóban forgó térségbe, annak népességaránya alapján, a GDP közel 10%-át kellene „áthelyezni”, valószínősíthetıen az érintett két statisztikai régió között egyenlı arányban megosztva, hiszen e relációban az index átlagértéke 0,5%. Ez alapján arra következtetek, hogy a hat északkeleti megyére kapott átlagosan 5%-os érték oka a régiókon (Észak-Magyarország, Észak-Alföld) belüli egyenlıtlenség lehet.
70
A GDP-nél minden területi dimenzióban nagyobb mértékő területi heterogenitást mutat a beruházás. Magyarországon a beruházási összegek – szintén lakosságarány alapján – átcsoportosítandó része tartósan 20% feletti, ráadásul a közép-magyarországi és budapesti koncentrálódás ez esetben is tapasztalható (13. táblázat). A beruházási összegek területi különbsége az északkeleti országrészben már regionális szinten is megmutatkoznak, átlagosan 5,9% körül mozog a Hoover-index értéke, a megyék tekintetében pedig tartósan és átlagban is meghaladja a 10%-ot (14. táblázat). 11. táblázat A GDP területi egyenlıtlensége (H értékei) a népesség megoszlása alapján Magyarország (NUTS 2) Magyarország (NUTS 3) Közép-Magyarország Budapest ÉK-Magyarország 5 régió ÉK-Magyarország (2 régió) ÉK-Magyarország (6 megye) Forrás: saját számítás, 2009
1998 14,6% 18,0% 13,5% 15,7% 9,0% 0,1% 4,5%
1999 15,9% 18,7% 14,5% 16,4% 9,7% 0,8% 4,5%
2000 16,5% 19,8% 15,1% 17,2% 9,9% 0,4% 4,3%
2001 16,6% 18,8% 16,1% 17,8% 9,6% 0,3% 4,8%
2002 17,7% 19,3% 17,3% 18,5% 9,9% 0,6% 5,2%
2003 17,2% 18,6% 16,3% 17,3% 9,6% 0,7% 5,0%
2004 16,8% 18,5% 16,3% 17,5% 9,5% 0,2% 4,6%
2005 17,9% 20,0% 17,9% 19,1% 9,9% 0,8% 5,4%
2006 2007 18,9% n.a. 21,2% n.a. 18,9% n.a. 20,4% n.a. 10,2% n.a. 0,3% n.a. 5,0% n.a.
12. táblázat A GDP területi egyenlıtlenségének átlagos mértéke (H), változásának trendje H átlag Magyarország (NUTS 2) Magyarország (NUTS 3) Közép-Magyarország Budapest ÉK-Magyarország 5 régió ÉK-Magyarország (2 régió) ÉK-Magyarország (6 megye) Forrás: saját számítás, 2009
Szórás
16,9% 19,2% 16,2% 17,8% 9,7% 0,5% 4,8%
0,0125 0,0097 0,0168 0,0142 0,0035 0,0028 0,0036
Változás trendje 0,0023 0,0045 -
R2 0,4211 0,7558 -
13. táblázat A beruházás területi egyenlıtlensége (H értékei) a népesség megoszlása alapján Magyarország (NUTS 2) Magyarország (NUTS 3) Közép-Magyarország Budapest ÉK-Magyarország 5 régió ÉK-Magyarország (2 régió) ÉK-Magyarország (6 megye) Forrás: saját számítás, 2009
1998 15,4% 17,4% 13,5% 13,2% 7,0% 8,3% 11,4%
1999 25,9% 31,7% 18,2% 27,4% 12,7% 9,7% 12,9%
2000 24,0% 26,4% 18,1% 23,5% 12,5% 7,6% 9,7%
2001 26,5% 29,6% 18,3% 27,6% 13,1% 3,7% 8,3%
2002 27,4% 29,3% 19,1% 28,3% 13,7% 2,6% 7,0%
2003 21,3% 26,6% 18,4% 23,8% 10,9% 9,0% 15,2%
2004 22,8% 27,9% 18,4% 24,5% 11,0% 8,9% 16,5%
2005 23,8% 29,5% 19,3% 27,2% 10,1% 1,4% 14,7%
2006 27,2% 32,3% 19,8% 30,8% 13,1% 5,8% 11,5%
2007 29,3% 35,0% 24,6% 29,6% 15,0% 1,5% 13,9%
14. táblázat A beruházás területi egyenlıtlenségének átlagos mértéke (H), változásának trendje H átlag Magyarország (NUTS 2) Magyarország (NUTS 3) Közép-Magyarország Budapest ÉK-Magyarország 5 régió ÉK-Magyarország (2 régió) ÉK-Magyarország (6 megye) Forrás: saját számítás, 2009
24,4% 28,6% 18,8% 25,6% 11,9% 5,9% 12,1%
Szórás 0,0396 0,0472 0,0266 0,0499 0,0226 0,0328 0,0310
Változás trendje 0,0103 0,0107 -
R2 0,4385 0,4192 -
71
Az eddigiek során a duál-mutató és a Hoover-index is elég sokat elárult a GDP és beruházások területi megoszlásáról. Értékeik bemutatták, hogy mely térségek az átlagon felül és alul teljesítık, a két csoport között mekkora az átlagos különbség és hogy a GDP illetve a beruházási összegek hány százalékát szükséges a különféle területi dimenziók esetében átcsoportosítani a heterogenitás mérséklése érdekében. Az eredményeket alátámasztja és kiegészíti az allokációs arány, melynek 1998 és 2007 közötti idıszakra számolt értékei (M6. melléklet) alapján láthatóvá válik, hogy mely területek GDP illetve beruházásérték részesedése haladja meg a lakosságarányt, vagyis leegyszerősítve melyek „erısebbek” vagy „gyengébbek” gazdasági teljesítıképességük alapján. A GDP%/népesség% allokációs hányados tekintetében újfent érzékelhetı a fıváros dominanciája, hiszen egyedüli területi egység, mely kettı feletti (2,03) átlagértékkel bír a 10 éves intervallumban. A sorban Gyır-Moson-Sopron megye követi (1,21), s az említett területi egységeken kívül csupán Fejér (1,04) és Vas (1,05) megye rendelkezik 1 feletti értékkel. Talán még Komárom-Esztergom megye helyzete elfogadható e tekintetben, hiszen közel azonos a két ismérvbeli részesedése. Mindebbıl adódóan nem meglepı, hogy a NUTS 2 területi egységek közül, Közép-Magyarország (1,58) – tehát a középrégión belül is jelentıs a különbség – és Nyugat-Dunántúl jellemezhetı 1 feletti értékkel, míg Közép-Dunántúl helyzete, a 0,94-os értékkel megfelelınek tekinthetı. Az összes többi régió jelentısen elmarad ezektıl, ráadásul az Északkelet-Magyarországot alkotó Észak-alföldi és Észak-magyarországi régió a legalacsonyabb értékekkel bír (0,65). Az értékek alapján a két húzó megye az egy-egy régión belül Heves, illetve Hajdú, a legrosszabb helyzetben lévı pedig – országos viszonylatban is – Nógrád és Szabolcs-Szatmár-Bereg megye (15. táblázat). 15. táblázat A GDP-re számolt allokációs hányados területi értékei (átlag, 1998-2006) Területi egység
Átlag Szórás
Budapest 2,03 Pest 0,85 Közép-Magyarország 1,58 Fejér 1,04 Komárom-Esztergom 0,97 Veszprém 0,79 Közép-Dunántúl 0,94 Gyır-Moson-Sopron 1,21 Vas 1,05 Zala 0,87 Nyugat-Dunántúl 1,07 Baranya 0,75 Somogy 0,68 Tolna 0,78 Dél-Dunántúl 0,73 Borsod-Abaúj-Zemplén 0,66 Heves 0,72 Nógrád 0,54 Észak-Magyarország 0,65 Hajdú-Bihar 0,74 Jász-Nagykun-Szolnok 0,67 Szabolcs-Szatmár-Bereg 0,56 Észak-Alföld 0,65 Bács-Kiskun 0,69 Békés 0,64 Csongrád 0,81 Dél-Alföld 0,71 Forrás: saját számítás, 2009 72
0,1122 0,0483 0,0608 0,1120 0,1243 0,0372 0,0293 0,0748 0,0862 0,0433 0,0565 0,0225 0,0234 0,0818 0,0344 0,0234 0,0224 0,0245 0,0134 0,0200 0,0292 0,0143 0,0160 0,0168 0,0402 0,0491 0,0314
Változás trendje 0,0382 0,0141 -0,0348 0,0400 -0,0109 -0,0198 -0,0269 -0,0054 -0,0080 -0,0053 -0,0287 -0,0012 -0,0029 -0,0073 0,0006 -0,0087 -0,0017 -0,0040 -0,0146 -0,0173 -
R2 0,8707 0,6418 0,7245 0,7758 0,6383 0,5239 0,7296 0,117 0,9437 0,3779 0,9259 0,0192 0,1226 0,6705 0,0063 0,6668 0,1032 0,4157 0,9849 0,9345 -
A beruházásra számolt allokációs hányados értékei alapján az elmúlt tíz évben a fıvároson kívüli térségek közül Gyır-Moson-Sopron, Fejér és Komárom-Esztergom megyék voltak a legkedveltebbek beruházás szempontjából, ugyanis csak ezek értéke haladja meg az egyet (16. táblázat.) A Közép-magyarországi régió és a fıváros megszokottnak nevezhetı túlsúlya ismételten érzékelhetı. Északkeletrıl e mutató alapján is elmondható, hogy sem regionális, sem megyei szinten nem rendelkezik jónak mondható értékekkel, országos viszonylatban, Borsod, Heves és Hajdú-Bihar sorolható az erıs középmezınybe, de a régiók értékeiben nem igazán mutatkozik meg, hiszen Nógrád és Szabolcs-Szatmár-Bereg megye értéke jelentısen elmarad bármely más területétıl. 16. táblázat A beruházásra számolt allokációs hányados területi értékei (átlag, 1998-2007) Változás Területi egység Átlag Szórás R2 trendje Budapest 2,48 0,3134 0,0757 0,5351 Pest 0,80 0,1448 -0,0239 0,2492 Közép-Magyarország 1,83 0,1518 Fejér 1,08 0,3114 0,0197 0,0366 Komárom-Esztergom 1,25 0,3440 0,0807 0,5050 Veszprém 0,64 0,1273 -0,0237 0,3187 Közép-Dunántúl 0,98 0,1547 Gyır-Moson-Sopron 1,29 0,2779 -0,0604 0,4326 Vas 0,89 0,1776 -0,0361 0,3782 Zala 0,53 0,1468 -0,0345 0,5062 Nyugat-Dunántúl 0,96 0,1537 Baranya 0,63 0,0974 -0,0144 0,1999 Somogy 0,56 0,0618 -0,0050 0,0597 Tolna 0,55 0,1168 -0,0328 0,7248 Dél-Dunántúl 0,59 0,0673 Borsod-Abaúj-Zemplén 0,69 0,1358 -0,0169 0,1418 Heves 0,71 0,2244 -0,0372 0,2518 Nógrád 0,39 0,0956 -0,0182 0,3338 Észak-Magyarország 0,64 0,1159 Hajdú-Bihar 0,69 0,1387 0,0145 0,0998 Jász-Nagykun-Szolnok 0,49 0,0526 -0,0084 0,2327 Szabolcs-Szatmár-Bereg 0,36 0,0778 -0,0172 0,4450 Észak-Alföld 0,51 0,0732 Bács-Kiskun 0,43 0,0486 0,0002 0,0001 Békés 0,43 0,0714 -0,0111 0,2230 Csongrád 0,61 0,0749 -0,0139 0,3175 Dél-Alföld 0,49 0,0542 Forrás: saját számítás, 2009
A területi heterogenitás vizsgálatokat Északkelet-Magyarország vonatkozásában kistérségi szinten is elvégeztem, igaz nem a GDP és nem is a beruházások kapcsán, hanem a jövedelmek eloszlása tekintetében. Ehhez ismételten a Hoover-indexet – vagyis jövedelemrıl lévén szó Robin Hoodindexet – és az allokációs hányadost alkalmaztam, melyek esetén újfent a népességarány jelentette az összevetési alapot. A Robin Hood mutató értékeit meghatároztam az egész északkeleti országrész tekintetében regionális, megyei és kistérségi szinten, továbbá minden egyes megyére kistérségi szinten (M6. melléklet). 73
Az értékek átlagait nem csak a teljes osztatlan idıszakra vizsgáltam, szükségesnek éreztem annak megosztását is, hiszen a rendelkezésre álló statisztikai adatokat eltérı területi lehatárolás mellett készítette a KSH. Ebbıl adódik a 2002 és 2002(2004) év jelölés használat is, utóbbival jelölve a 2004. évi kistérségi lehatárolásnak megfelelı 2002. évi adatokat. A 17. táblázat adatai alapján az 1996-2002 közötti idıszakban tapasztalt jövedelmi heterogenitás a megyék között mérséklıdött, míg a kistérségek szintjén valamelyest nıtt. Ezt alátámasztják az éves adatok is (M6. melléklet), így ebbıl arra lehet következtetni, hogy a jövedelmi különbségek elsıdlegesen a megyéken belül, pontosabban Hajdú-Bihar és Szabolcs-Szatmár-Bereg megyék területén fokozódtak. Ez egyébként az 1996-2006 közötti idıszakra számolt trendértékekbıl is kiderül, hiszen a két megye esetén a trendértékekhez tartozó R2 értékek is elég magasak, tehát a képzeletbeli trendvonal igen jól illeszkedne, ha grafikusan ábrázolnám az index változását. Az átcsoportosítandó jövedelemarány azonban nem az említett két megye esetén a legnagyobb, hanem Borsodban, ahol eléri a 2,65%-ot a vizsgált 11 év átlagában. 17. táblázat A Robin Hood-index átlagértéke területi egységenként
Forrás: saját számítás, 2009
A szóban forgó mutató értékét megyenként a megyeszékhelyi és adott megyén belüli összes többi kistérségek viszonylatában, valamint az északkeleti országrészre vonatkozóan a 6 megyeszékhelyi és az összes többi kistérség relációjában is meghatároztam, melyek alapján a jövedelmi különbségek érzékelhetık. Ha a térség egészét, valamint a megyeszékhelyi és egyéb kistérségeket egy-egy csoportként kezelve vizsgáljuk a kapott értékeket, akkor a különbségek alakulására a stagnálás (konzerválódás) a jellemzı (M6. melléklet). Igaz ugyan, hogy a 2002. és 2003. év között a mutató értékének jelentıs növekedésére figyelhetünk fel, ám ez nem tekinthetı trendnek, hiszen azt megelızıen a Robin Hood index 0,070, 2003-tól pedig 0,090 körül alakult. A jelentıs változás okának a 2002. évi, közszférát érintı bérnövekedést tartottam, hiszen a megyeszékhelyek a közigazgatási szerepüknél, településméretüknél és egyéb urbanizációs jellemzıiknél fogva a közszolgáltatások és általában a közszféra kapcsán nagyobb arányban foglalkoztatnak, mint az egyéb települések. Ha azonban az egyes megyéken belüli indexérték változásokat követjük nyomon, akkor ez a feltételezés nem állja meg helyét, hiszen az említett erıteljes különbség nem jelenik meg következetesen minden egyes megyén belül, a megyeszékhelyi kistérség tekintetében. Sıt a hajdúsági megyeszékhelyi és HajdúBihar megye további kistérségei közötti jövedelmi eltérések trendszerően mérséklıdni látszanak és 2002. évrıl a 2003. évre jelentıs csökkenés érzékelhetı a jelzıszám értékében.(M6. melléklet). A Robin Hood-index kiegészítéseként számoltam kistérségenként évrıl évre és a fenti idıintervallumokra egyaránt a jövedelmi allokációs hányadost, az így kapott eredményeket pedig az alábbi három kartogramban foglaltam össze (23-25. ábra).
74
A kartogramok elkészítésekor egy egyszerősítı feltételt alkalmaztam, az eltérı területi lehatárolás – a korábban nem létezı kistérségek kapcsán 2002 elıtti idıszakra vonatkozóan adathiány – kiküszöbölése érdekében. Az „anya” kistérségek – amelyekbıl többnyire leválasztással jöttek létre az új kistérségek – adatait és abból számított allokációs értékeket egységesen megkapták az új területi egységek, vagyis a korábbi kistérségi határokon belül minden egyes földrajzi pontban azonosnak (kistérség átlagával egyezınek) vettem a jövedelem%/népesség% arányt. A kartogramok mindegyikén érzékelhetı a megyeszékhelyi kistérségek esetében jövedelmi koncentráció, igaz eltérı mértékő és az idıbeni változások is különbözı tendenciát mutatnak. Amíg például a Miskolci kistérség esetén a 2002 elıtti idıszakhoz képest azt követıen a jövedelmi túlsúly csökkent, addig a Nyíregyházai és Debreceni éppen ellenkezıleg alakult. Ennek hátterében a rendszerváltással elkezdıdı gazdasági struktúra változása is állhat, illetve az alföldi megyeszékhelyek felértékelıdı szerepe és Miskolc szerepének csökkenése. A megyeszékhelyi térségeket vizsgálva a Szolnoki és Egri folyamatosan a legmagasabb allokációs értékkategóriába került besorolásra, míg a Salgótarjáni a borsodi megyeszékhelyhez hasonlóan ugyan 1 fölött értékkel bír, de nincs a legjobbak között. Itt megemlítendı még két kistérség ahol igen magas a jövedelemkoncentráció, pedig nem megyeszékhelyi térség. Az egyik a Gyöngyösi – Budapesthez közel, dinamikusan fejlıdı szolgáltató szektorral stb. –, a másik pedig a Tiszaújvárosi az ott található vegyipari központtal. A kartogramokon egyébként igen jól látszik a Hatvan – Gyöngyös – Eger – Miskolc fejlıdési és a Tiszaújváros – Miskolc – Kazincbarcika ipari tengely is, mely mentén az allokációs érték – ahogy azt már az elıbb részben említettem – mindenhol 1 feletti. A legrosszabb helyzetben lévı térségek fıleg határ mentiek, de nem kizárólagosan. A 0,65 alatti értékkel bíró és ezáltal legrosszabb helyzetben lévı térségek mindegyike kivétel nélkül Szabolcs-Szatmár-Berege megyében található. Ezek a Baktalórántházai, Nagykállói, Csengeri és Fehérgyarmati kistérségek.
23. ábra A kistérségi jövedelmi allokációs értékek Északkelet-Magyarországon (1996-2002) Forrás: saját szerkesztés, 2009
75
24. ábra A kistérségi jövedelmi allokációs értékek Északkelet-Magyarországon (2002-2006) Forrás: saját szerkesztés, 2009
25. ábra A kistérségi jövedelmi allokációs értékek Északkelet-Magyarországon (1996-2006) Forrás: saját szerkesztés, 2009
76
3.2. Kérdıíves megkérdezés eredményei 3.2.1. A minta demográfiai jellemzıi Az Északkelet-Magyarországon végzett kérdıíves felmérés 989 fıs mintájából a teljes vizsgált terület vonatkozásában a válaszadók 63,2%-a nı, mely a két statisztikai régió esetében is hasonló értéket mutatott: Észak-Alföld 63,96%, Észak Magyarország 62,89% (26. ábra). Megyei szinten már jóval változatosabb képet kapunk a 6 területi egység adatait figyelve, a szórás értéke 2,58.
26. ábra A válaszadók nem szerinti megoszlása (%) területi egységeként Forrás: saját kutatás, 2009 (N=989)
A megkérdezettek korcsoportos eloszlása tekintetében a megkérdezettek jelentıs része fiatal, 30 év alatti, mely azt jelenti, hogy a teljes mintára vonatkoztatva 45,4% a 18-30 év közötti korúak aránya. A következı két korcsoport mintán belüli aránya közel azonos 22,14% (31-40) és 20,22% (41-50), míg az 51-60 és a 61 év illetve afölöttiek aránya együttesen 12% körül mozog. Az ismertetett értékek nagyjából minden területi egység esetén fennállnak, jelentısebb eltérés Hajdú-Bihar és Borsod-Abaúj-Zemplén megye tekintetében tapasztalható köszönhetıen a 18-30 év közöttiek mintán belüli magasabb arányának (27. ábra).
27. ábra A válaszadók korcsoportos megoszlása területi egységenként (%) Forrás: saját kutatás, 2009 (N=989)
77
A legmagasabb iskolai végzettségre vonatkozó válaszok alapján a középiskolát végzettek súlya (72,7%) dominál a mintán belül, mely a statisztikai régiók és megyék szintjén is igaz. Kivétel Szabolcs-Szatmár-Bereg megye, mely esetén egyenlı arányban válaszoltak közép- (49,2%) és felsıfokú (44,4%) végzettségőek. A középfokú iskolai végzettséggel bírók 21% az alapfokúak pedig 6% körül képviseltek a mintán belül (28. ábra).
28. ábra A válaszadók iskolai végzettség szerinti megoszlása (%) Forrás: saját kutatás, 2009 (N=989)
A megkérdezettek körében (teljes minta) az alkalmazott fizikai és szellemi foglalkozásúak aránya – területi egységenként igen erısen eltérı összetételben – közel 60%, területi bontásban pedig 5465% között mozog. Jelentıs mértékben képviseltek még a tanulók (21,8%), ám a további foglalkozás csoportok többnyire 10% alatti részesedést mutatnak (29. ábra).
29. ábra A válaszadók foglalkozásuk szerinti megoszlása területi egységenként Forrás: saját kutatás, 2009 (N=989)
A mintán belül külön vizsgáltam a munkahellyel rendelkezıket a foglalkoztató szféra alapján. E szerint 38,9%-uk a köz-, 52,9%-uk a verseny és a maradék 8,2%-uk a civil szektorban dolgozik. Regionális szinten közel azonosak az értékek, ám megyénként már erıteljesebb az eltérés.
78
Példaként Szabolcs-Szatmár-Bereg megyében közel azonos a két nagyobb foglalkoztató szféra részaránya, 48,89% és 46,67% (30. ábra).
30. ábra A munkahellyel rendelkezı válaszadók foglalkoztató szektor szerinti megoszlása területi egységenként Forrás: saját kutatás, 2009 (N=989)
Miután a felmérés az egyes településen elérhetı funkciókat, illetve az adott térség élhetıségi, életminıségi kérdéseit is érintette, fontosnak tartottam a válaszadók lakhelyük településrangja és típusa szerinti megoszlásának vizsgálatát is. Ezek ugyanis az eltérı sajátosságokból – méret, infrastrukturális fejlettség, szolgáltatások stb. – adódóan jelentısen befolyásolják a települési, illetve térségi imázst, azon keresztül pedig a személyes véleményt. A kapott válaszok alapján a mintán belül a megyeszékhelyen, megyei jogú városban élık aránya 17,1%, az egyéb városban élıké pedig 44%, ami azt jelenti, hogy a megkérdezettek 61,1%-a városi, s csak 2,9%-uk él nagyközségben, illetve 36%-uk községben. A diagramon (31. ábra) jól látszik, hogy ezen értékek erıteljesen eltérnek az egyes területi egységek szintjén, mint ahogyan jelentısek a különbségek megyénként és régiónként a településtípusok szerinti válaszadói megoszlásban is (32. ábra).
31. ábra A felmérés során megkérdezettek megoszlása lakhelyük igazgatási rangja szerint Forrás: saját kutatás, 2009 (N=989) 79
32. ábra A felmérés során megkérdezettek megoszlása lakhelyük településtípusa szerint Forrás: saját kutatás, 2009 (N=989)
Az anyag és módszer fejezetben ismertetett területi eloszlásnak megfelelıen alakul a válaszadók megyénkénti megoszlása, vagyis a mintán belül nagy számban fordulnak elı heves, borsod megyeiek, s 16% azok aránya is, akik Jász-Nagykun-Szolnok megyében élnek (33. ábra).
33. ábra A válaszadók megoszlása megyék szerint Forrás: saját kutatás, 2009 (N=989)
3.2.2. Tárgyköri kérdések Az északkeleti országrészben élık közlekedési szempontból saját megyéjüket jól megközelíthetınek tartják, hiszen átlagosan 3,90-es értéket adtak ezen ismérv alapján. A legjobb elérhetıséggel Heves (4,08-as), a legrosszabbal Szabolcs-Szatmár-Bereg (3,50) megye bír a kapott pontok szerint (18. táblázat). Sikeresnek és gazdagnak azonban már egyetlen egy megyét sem tartanak saját lakói, sıt ez a legrosszabb átlagpontszámmal bíró jellemzı, hiszen legjobb – hajdúságiak által – adott átlagpont is csak 3,08, míg a legpesszimistábbak a nógrádiak (1,84).
80
Ennek ismeretében már nem meglepı, hogy a szóban forgó országrészt és annak megyéit szintén nem tartják lehetıségekkel telinek és a beruházások által kedveltnek. Sıt a megítélés még közepesnek sem tartható, igaz, egy kivételt találhatunk, ez pedig Hajdú-Bihar megye (3,14 és 3,06). A jobb megítélés valószínősíthetıen az elmúlt években tapasztalt dinamikus fejlıdés, számos turisztikai és egyéb beruházás áll, melyek közül a turizmusba vetett hit a pontszámokban is megjelenik, hiszen úgy vélik e megye lakói, hogy turisták által relatíve szívesen látogatott térségük (3,62). Itt megjegyzendı az is, hogy a hajdú-bihari halmazon belül, igen nagy a megyeszékhelyiek aránya, s ismerve Debrecen felértékelıdı szerepét, fejlıdését, ennek lehet torzító hatása. Az említett turisztikai ágazattal szembeni „bizalom” a másik két észak-alföldi megyében nem annyira jellemzı, ellentétben északi szomszédjaikkal, ahol egységesen 3 feletti értékkel bír az adott terület látogatottsági fokának megítélése. A közepes érték a területi rendezettségre és tisztaságra is igaz mindkét régióban. A kapott válaszok alapján a vállalkozói sikerességhez sem találják igen megfelelınek a térséget: Hajdú-Bihar, Jász-Nagykun-Szolnok és Heves megye valamivel közepes feletti minısítést kapott, míg a további 3 területi egység még azt sem érte el. A korábban ismertetett statisztikai mutatók (M5. melléklet) alapján történt területi összevetések eredményeivel ez összhangban áll, részben tehát a sikerben való kételkedés is oka a vállalkozások alacsony számával indikált vállalkozó készség hiányának. Ráadásul az itt élık saját megyéjük fejlıdıképességében sem hisznek igazán, nem érzik tágabb környezetükben azt a potenciált, mellyel a pozitív változás irányába indulhatna el. A fejlıdıképes jelzıre a legjobb értékeket ismételten a Heves és Hajdú-Bihar megyékben élık adták, sıt utóbbi, a kerekítés szabályai alapján – ami természetesen ez esetben nem alkalmazható – már jó „osztályzatot” kapna. 18. táblázat A saját megye értékelése során kapott pontok átlag- és szórásértékei KOME01 SIKG01 FEJL01 LEHE01 BERU01 TURL01 SIVA01 REND01 Északkelet3,9009 2,5895 3,1122 2,8301 2,7300 3,2821 2,9232 3,1375 Átlag Magyarország 0,9971 0,9129 0,9146 1,0098 0,9496 1,1348 0,9513 0,9519 Szórás 3,9547 2,5212 3,0666 2,8116 2,6884 3,3924 2,8584 3,0751 ÉszakÁtlag Magyarország 1,0359 0,9165 0,9437 1,0300 0,9494 1,1659 0,9467 0,9886 Szórás 3,7668 2,7597 3,2261 2,8763 2,8339 3,0071 3,0848 3,2933 Átlag Észak-Alöld 0,8805 0,8826 0,8284 0,9577 0,9438 1,0035 0,9452 0,8351 Szórás 4,0856 2,8388 3,2872 2,9975 2,8589 3,4484 3,0479 3,1486 Átlag Heves megye 0,9362 0,7909 0,8722 0,9911 0,9322 1,2187 0,8962 0,9538 Szórás 4,0000 2,2336 2,9252 2,6869 2,6542 3,3925 2,7290 3,0327 Borsod-AbaújÁtlag Zemplén megye 1,0790 0,9047 0,9465 1,0256 0,9305 1,0813 0,9600 1,0676 Szórás 3,3053 1,8421 2,4632 2,3158 2,0526 3,1579 2,3579 2,8632 Átlag Nógrád megye 1,1020 0,8545 0,9087 1,0028 0,7769 1,1043 0,8982 0,9180 Szórás 3,7421 2,7484 3,2013 2,8239 2,7484 2,7673 3,1195 3,4025 Jász-NagykunÁtlag Szolnok megye 0,7481 0,8111 0,7185 0,8754 0,8928 0,9359 0,9026 0,8044 Szórás 4,0984 3,0820 3,5082 3,1475 3,0656 3,6230 3,2787 3,2787 Hajdú-Bihar Átlag megye 0,8700 0,9712 0,9768 1,0776 1,0307 0,9860 1,0349 0,8969 Szórás 3,5079 2,4762 3,0159 2,7460 2,8254 3,0159 2,8095 3,0317 Szabolcs-Szatmár- Átlag Bereg megye 1,0906 0,8773 0,8705 0,9995 0,9595 0,9417 0,9133 0,8026 Szórás Forrás: saját számítás, 2009 (N=989) Magyarázat: KÖME01 – könnyen megközelíthetı; SIKG01 – sikeres és gazdag; FEJL01 – fejlıdıképes; LEHE01 – lehetıségekkel teli; BERU01 – beruházások által kedvelt; TURL01 – turisták által szívesen látogatott; SIVA01 – sikeres vállalkozói tevékenységhez megfelelı térség; REND01 – rendezett, tiszta (a szempontonként adható minimális érték 1, a maximális 5 volt)
81
A válaszadók saját lakhelyük kapcsán is elég borúlátók, fıleg a munkalehetıségekre és az átlagos jövedelemszintre adott pontokat nézve (19. táblázat). A vizsgált országrészre, annak régióira és megyéire vonatkozóan egyaránt 3 alatti átlagértékeket kaptam az elıbb említett két szempont alapján, vagyis az országos szinten elvégzett összehasonlítás eredményei megerısítést nyertek, hiszen azok is azt mutatták, hogy ez a térség komolyabb foglalkoztatási gondokkal küzd, és alacsonyabb jövedelemszintet tud biztosítani Magyarország további területeihez képest. A 19. táblázat értékeit elemezve újfent kiütközik Nógrád, Borsod-Abaúj-Zemplén és SzabolcsSzatmár-Bereg megye jelentıs lemaradása is. Nógrád esetén a „munkalehetıségek” pontszám 1,70(!) – ennél alacsonyabb értéket egyetlen egy területi egység, egyetlen egy minısítési szempont alapján nem kapott –, az „általános jövedelemszint” érték pedig éppen csak 2 feletti (2,08). Az említetteken kívüli további három megye közel azonos és az elıbbiektıl majd fél ponttal magasabb értékeket kapott. A további szempontok – melyek fıként közszolgáltatást, illetve településfunkciót érintenek – pontszámai többnyire 3,00 körül szóródnak. Természetesen ez sem ad okot bizakodásra, de amit még igazán problémásnak ítélnek a válaszadók – a területi átlagértékek alapján az egész országrészben –, az a közúthálózat állapota (2,49). 19. táblázat A saját település és közvetlen térsége értékelési pontjainak átlag- és szórásértékei
Forrás: saját számítás, 2009 (N=989) MULE02 – munkalehetıség szempontjából; AJOV02 – átlagos jövedelemszint tekintetében; KOKT02 – közoktatás színvonala alapján; EUSZ02 – egészségügyi szolgáltatások színvonala alapján; HIVU02 – hivatali, hatósági ügyintézés színvonala alapján; SPOR02 – sportolási lehetıségek tekintetében; KULT02 – kulturális lehetıségek tekintetében; ESZA02 – egyéb szabadidıs lehetıségek tekintetében; KOZB02 – közbiztonságot illetıen; HETO02 – helyi tömegközlekedés szempontjából; HKTO02 – helyközi tömegközlekedés szempontjából; KOZU02 – közutak állapota alapján; KINF02 – kommunális infrastruktúra (víz, gáz, villany, szennyvíz) tekintetében; TELK02 – településképet, köztisztaságot illetıen; TEKO02 – természetes környezet állapota alapján
A kérdıív következı pontjában, az elızı két kérdéshez hasonlóan minısítették a válaszadók lakhelyük kistérségét más térségekhez képest –tehát relatív módon –, a gazdasági, munkanélküliségi, infrastrukturális, népességi helyzet, illetve a szakképzettség, vállalkozói tevékenység, egészséges élhetı környezet tekintetében és a komplex fejlettségi helyzetét (felsoroltakat együttesen) alapul véve. E kérdés bevonásával tehát egyrészt lefedtem a NUTS 2-3 és LAU 1 területi szinten túl a LAU 2-t is, továbbá egyfajta pozícionálásra (területi összehasonlításra) kértem a megkérdezetteket (20. táblázat). Az értékekbıl jól látható, hogy például a gazdasági, munkanélküliségi helyzet és a vállalkozói tevékenység értékei az elızı két kérdés ugyanezen területeket érintı pontjainak megfelelıen alakulnak, vagyis a megkérdezettek következetes válaszokat formáltak. Mindez annak is betudható, hogy a kistérségi identitás, imázs egyaránt függ a megyei és a települési képtıl, hiszen a területi 82
hierarchia elemei nem függetleníthetık egymástól sem gazdasági, sem társadalmi folyamatok tekintetében. Jól látható, hogy a korábbi kérdések pontértékeihez hasonlóan itt is Hajdú-Bihar és Heves megye a statisztikai régiókon belül a „húzó” megye – a legmagasabb átlagértékekkel továbbra is e két térség rendelkezik –, viszont a területegységek pontjai közötti különbségek mérséklıdtek. Véleményem szerint e jelenség mögött az a pszichológiai ok áll, hogy az emberek nagy általánosságban a saját közvetlen környezetükrıl – tapasztalati környezet – több információval rendelkeznek, s így más általuk kevésbé ismert, de pozitív megítélés alá tartozó területeket saját maguk is jobb helyzetőnek látnak. Ezt erısíti maga az információs társadalom is, hiszen a telekommunikáció révén számos befolyásoló impulzus éri a tömegeket például a hírek, vagy dokumentumfilmek révén. Természetesen annak lehetıségét sem zárom ki, hogy a kérdésben szereplı „más térségekhez képest” szószerkezet eredményeként a megyeszékhelyek, a fıváros és agglomerációja, vagy a nyugat- és közép-dunántúli térségek jelentik az összehasonlítási alapot. Így az adott település, illetve térség már nem felel meg olyan szinten az elvárásoknak, igényeknek, mint amikor az önmagában – elszeparált módon – került pozitív megítélésre. 20. táblázat A saját lakhely kistérségének relatív minısítési pontátlagai és azok szórásértékei GAHE03 MUNE03 INFR03 NEPH03 SZAK03 VATE03 EEKO03 KOMF03 Északkelet – Magyarország
Átlag 2,7108 Szórás 0,8697 Észak – Átlag 2,6572 Magyarország Szórás 0,8937 Átlag 2,8445 Észak-Alföld Szórás 0,7926 Átlag 2,9320 Heves Szórás 0,8121 Borsod-AbaújÁtlag 2,4065 Zemplén Szórás 0,8924 Átlag 2,0737 Nógrád Szórás 0,7752 Jász-NagykunÁtlag 2,8616 Szolnok Szórás 0,7333 Átlag 3,0328 Hajdú-Bihar Szórás 0,8360 SzabolcsÁtlag 2,6190 Szatmár-Bereg Szórás 0,8506 Forrás: saját számítás, 2009 (N=989)
2,4894 0,9314 2,4391 0,9422 2,6148 0,8933 2,7179 0,8294 2,1355 0,9716 1,9579 0,9216 2,7170 0,8201 2,7213 0,9333 2,2540 0,9498
3,4732 0,8646 3,4618 0,9003 3,5018 0,7690 3,5164 0,8749 3,4252 0,9201 3,3158 0,9483 3,5597 0,6898 3,6885 0,7862 3,1746 0,8527
2,8665 0,9223 2,8513 0,9508 2,9046 0,8472 3,0957 0,8651 2,6075 0,9715 2,3789 0,9360 2,8428 0,7918 3,2131 0,8586 2,7619 0,9108
3,1244 0,7673 3,1020 0,7688 3,1802 0,7622 3,2141 0,7399 3,0421 0,8009 2,7684 0,7064 3,1824 0,6922 3,4098 0,8037 2,9524 0,8314
2,8584 0,8597 2,8059 0,8559 2,9894 0,8567 2,9244 0,8222 2,7383 0,8649 2,4632 0,8729 3,0440 0,8062 3,0000 0,8563 2,8413 0,9706
3,3953 0,8323 3,3555 0,8453 3,4947 0,7917 3,3627 0,8701 3,2991 0,7898 3,4526 0,8601 3,5912 0,7973 3,3934 0,7366 3,3492 0,8064
3,0091 0,7575 2,9632 0,7783 3,1237 0,6911 3,1234 0,7194 2,8084 0,8198 2,6421 0,7568 3,1635 0,6352 3,2459 0,7672 2,9048 0,7120
Magyarázat: GAHE03 – gazdasági helyzet alapján; MUNE03 – munkanélküliségi helyzet tekintetében; INFR03 – infrastrukturális helyzet (út, víz, gáz, villany, telefon stb.) alapján; NEPH03 – népességi helyzetet (elvándorlás mértéke, fiatalok aránya) illetıen; SZAK03 – szakképzettség tekintetében; VATE03 – vállalkozói tevékenység kilátásai alapján; EEKT03 – egészséges, élhetı környezet tekintetében; KOMFH03 – komplex fejlettségi helyzetét (az elıbbieket együtt véve) tekintve
A fenti kérdéskör lezárásaként arra kérdeztem rá, hogy az adott kistérség fejlettségét hogyan ítélik meg. (A végsı kategorizálás az adott pontok átlagértékének és móduszának figyelembevételével történt.) A 34. ábrán látható, hogy dinamikusan fejlıdınek egyetlen egy kistérséget nem ítélt saját lakossága, fejlıdınek is csak 6-ot az 55, illetve a reprezentativitási hiányból adódóan 51 kistérségbıl. Ezek a Jászberényi, Gyöngyösi, Egri, Hajdúszoboszlói, Debreceni és Nyíregyházai, vagyis a megyeszékhelyi kistérségek közül a Szolnoki, Salgótarjáni és Miskolci nem került be a helyi lakosság által prosperálónak tartott térségek körébe. Ez az utóbbi kettı esetében az elmúlt idıszakban lezajlott szerepvesztés indikátora is lehet, mint ahogyan az már a jövedelmi allokációs indexek 2002 elıtti és utáni értékeinek összevetésekor már látható volt. 83
34. ábra A kistérségek fejlettségi besorolása a megkérdezettek válaszai alapján Forrás: saját szerkesztés, 2009
Összehasonításként szerepeljen itt Faluvégi Albert (2004) által történt kategorizálás (35. ábra). A két kartogram számos egyezıséget mutat, annak ellenére, hogy eltérı az alkalmazott módszer: a 34. ábra kérdıíves felmérés során kapott egyéni megítélések átlagértékeit, míg a 35. ábra 9 gazdaságitársadalmi jellegő mutató felhasználásával kapott eredményeket jelenít meg.
35. ábra Az északkelet-magyarországi kistérségek fejlettsége (kartogram részlet) Forrás: Faluvégi, 2004
A 67/2007. OGY határozatban szereplı komplex mutató (32 statisztikai mutatóból képzett) alapján történt 174 kistérséges területi felosztásnak megfelelı besorolás és a saját kutatás eredményeit összevetve már jelentısebb eltérések tapasztalhatók. A különbségek mellett ugyanakkor ismételten kirajzolódik a megyeszékhelyi kistérségek fejlettségi elınye (36. ábra).
84
36. ábra Kistérségek fejlettsége Magyarországon a 67/2007. OGY határozatban rögzített komplex mutató alapján (kartogram részlet) Forrás: KSH, 2007
A települési funkciók, szolgáltatások kapcsán kapott válaszok alapján kijelenthetı, hogy az alapfokú oktatási és egészségügyi, valamint a postai szolgáltatások köre a települések igen magas, 90% feletti arányánál biztosított. Ezeket követik elérhetıségi arányban a pénzügyi szolgáltatások, majd következı csoportként a hatósági funkciók. A 37. ábrán jól látható módon az alapfunkciók (óvoda, általános iskola, háziorvos, posta) elérhetıségének fokában jelentıs területi eltérések nem tapasztalhatók, egyedül Nógrád megyében alacsonyabb a postai szolgáltatásokhoz való hozzáférési lehetıség foka. Az utóbb említetteken kívüliek kapcsán már jóval nagyobb eltérés tapasztalható az alföldi települések „javára”. Ennek oka véleményem szerint a térségekre jellemzı településszerkezetek közötti különbség, hiszen még Észak-Magyarországon aprófalvas struktúra jellemzı, addig az Alföld hagyományosan a nagytelepülések világa. A méret – s itt most a lakosság szerintire kell gondolni – pedig kihat a szolgáltatások elérhetıségére a méretgazdaságossági elvek alapján. S emellett talán még egy okot lehet említeni. Az 1970-es, 1980-as években az alföld sikeres mezıgazdasági területein a mezıgazdasághoz kapcsolódó egyes szolgáltatások is megjelentek, illetve az ágazat akkori súlyának megfelelıen a központi politika is támogatta a térségben lévı települések funkciókörének bıvítését.
37. ábra Szolgáltatásfunkciók elérhetısége a települések arányában Forrás: saját szerkesztés, 2009 (N=989) 85
Természetesen a fent említett funkciók elérhetıségének fokát elsıdlegesen nem megyei összesítésben érdemes vizsgálni, hanem települések szintjén. Ezt én magam is megtettem, méghozzá oly módon, hogy a fent említett funkciókhoz egy-egy súlypontot társítottam, s ezeket összeadva kaptam meg szolgáltatásfunkció-pontszámot településenként. Súlypontok értelemszerően csak akkor kerültek beszámításra, ha az adott településen elérhetı volt az adott szolgáltatás. Ily módon a négy csoportra osztott tényezık pontszámait összeadva egy település maximum 3,50 pontot érhetett el (21. táblázat). A súlyozásnál alapvetı szempont volt, hogy az adott pontszám kifejezze a települési hierarchiával párhuzamosan alakuló funkcióhierarchiát, illetve az adott szolgáltatásterületen belüli szinteket. Az eredményeket kartogram (38. ábra) formájában mutatom be. Igen jól kitőnik a fentiekben említett alföldi településszerkezetbıl adódó elıny, hiszen a közigazgatási határaikkal együtt megjelenített területi egységek szinte osztatlanul a legmagasabb pontszámokat kapták, Szolnoktól, Mezıtúrtól kezdve Karcagon át egészen Debrecenig, míg ugyanez északon kevésbé mondható el. 21. táblázat A települési szolgáltatásfunkciók súlyozása Szolgáltatásfunkció Oktatás, nevelés Óvoda Általános iskola Középiskola Egészségügy Háziorvosi rendelı Szakorvosi rendelı Hatósági szolgáltatás Okmányiroda Rendırség Tőzoltóság Postai és pénzügyi szolgáltatás Posta ATM Pénzintézet Összesen
Súlypont 0,9 0,2 0,3 0,4 0,5 0,2 0,3 1,2 0,4 0,4 0,4 0,9 0,2 0,3 0,4
3,5
Forrás: saját szerkesztés, 2009
38. ábra Településfunkciók koncentrációja szolgáltatásfunkció-pontszámok alapján Forrás: saját szerkesztés, 2009 86
Hasonlóképp alakul a települések gyorsforgalmi elérhetısége közötti különbség mértéke – a megkérdezettek saját tapasztalatára épülı válaszok alapján –, ám a fentiekkel ellentétben az északmagyarországi területek állnak jobban ezen ismérv tekintetében. A gyorsforgalmi elérhetıség alatt azt értem, hogy hány percen belül érhetı el többsávos autóút, autópálya az adott településrıl. Ezt a 39. ábra szemlélteti, melyen valamennyi jelentısebb fıútvonal is szerepel, a települések közúti közlekedési helyzetének megfelelı megítélése érdekében. A 40. ábrán az is látható, hogy a válaszadók milyen arányban oszlanak meg az elérhetıségi idıintervallum alapján.
39. ábra Települések a gyorsforgalmi utaktól való idıbeni távolságuk alapján Forrás: saját szerkesztés, 2009
40. ábra A válaszadók megoszlása lakhelyeik gyorsforgalmi úttól való idıben mért távolsága alapján Forrás: saját szerkesztés, 2009 (N=989)
87
A kapott válaszok alapján a vizsgált országrész gazdasági aktivitását illetıen a helyben élık még mindig a mezıgazdaságot tartják a legjellemzıbbnek, igaz az idegenforgalom és az üzleti szolgáltatások is markánsan megjelennek regionális szinten. Ugyanakkor az informatika, elektronika, a nehézipar és a vegyipar súlya az említések gyakorisága alapján jóval kisebb. Ha a tevékenységi körök egymáshoz mért viszonyát is nézzük, akkor a legdiverzifikáltabb területi egység Heves megye (41. ábra).
41. ábra Meghatározó gazdasági tevékenység térségenként az említések gyakorisága szerint Forrás: saját szerkesztés, 2009 (N=989)
A következı kérdéssel (Változtat-e a közeljövıben lakhelyet?) azt mértem, hogy mekkora a mintán belül azok aránya, akik szőkebb, vagy tágabb lakhelyüket el kívánják hagyni, érintve ezzel a vándorlás kérdéskörét. A válaszok közel egyötöde igenlı volt, Északkelet-Magyarországra – vagyis a teljes mintára – vonatkozóan 20,5%(!). Elsıdlegesen Budapest a vándorlási célterület, de jelentıs a megyeszékhely és külföld aránya is (42.ábra).
42. ábra A közeljövıben lakhelyet változtatók aránya térségenként és a lakhelyváltoztatás célterületei Forrás: saját szerkesztés, 2009 (N=989) 88
Ebbıl még nem derül ki egyértelmően, hogy milyen okból kifolyólag dönthetett a költözés mellett a válaszadó, ám a fıváros, a megyeszékhely és a külföld arányaiból már lehet arra következtetni, hogy megélhetési szempontok játszottak szerepet az elhatározásban. Ezt a 43. ábrán látható eredmények igazolják is, hiszen a családi okok és az egészségesebb környezet területi arányai eltörpülnek a munkahelyváltás, a könnyebb megélhetés és a kedvezıbb életkörülmények súlya mellett.
43. ábra A lakhelyváltoztatás okai Forrás: saját szerkesztés, 2009 (N=989)
A „kakukktojásként” valamelyest kilógó és a területfejlesztési pénzügyi források megítélésére vonatkozó kérdésre adott válaszokból egyértelmően kiderül, hogy rászorultságnak igen kis súlyt (6,7%) tulajdonítanak a térségben élık a fejlesztések financiális hátterében. Elsıdleges tényezıként ugyan a szakmaiságot említik (25,8%), de a lobbi és a politikai elhatározások az elıbbivel közel azonos súlyban szerepelnek az említések között.
44. ábra A területfejlesztési források odaítélésében szerepet játszó tényezık Forrás: saját szerkesztés, 2009 (N=989)
89
A munkalehetıségek kapcsán megállapítható, hogy a válaszadók 40%-a dolgozik helyben és közel 30%-a naponta ingázik munka- és lakhelye között. A maradék 30% nem rendelkezik állandó munkahellyel, de ez nem a munkanélküliek arányával – mintán belül 4% – egyezik meg, hiszen köztük vannak a tanulók, nyugdíjasok és a háztartásbeliek is (45. ábra).
45. ábra Az ingázók, a helyben dolgozók és az állandó munkahellyel nem rendelkezık aránya Forrás: saját szerkesztés, 2009 (N=989)
A munkanélküliek csoportján belül közel azonos a viszonylag rövid ideje és az egy éven túl munkanélküliek aránya a teljes mintára vonatkoztatva. A 46. ábra alapján Szabolcs-Szatmár-Bereg megyében a legrosszabb a helyzet, ám a mintán belül, az e megyében élı munkanélküliek száma 5 fı, ezért a százalékos arányok torzítanak.
46. ábra A munkanélküliek megoszlása munkanélkülivé válásuk óta eltelt idı alapján Forrás: saját szerkesztés, 2009 (N=40)
90
A munkanélküliségük okai között a lehetıségek hiányát jelölték meg többnyire, igaz ez ketté bontható: vagy egyáltalán nincs munkalehetıség, vagy a képzettségüknek megfelelı munkahely nincs a térségükben (47. ábra). Mindemellett erıteljesen megjelenik az életkor, mint megjelölt ok. E választ is ketté szükséges bontanunk egyes válaszadók kiegészítı megjegyzése alapján. A fiatalabb korosztály a gyakorlat hiánya révén szembesült az életkor szerepével, míg mások túl idısnek ítéltettek az álláskeresés során.
47. ábra A „Miért nem talál munkát?” kérdésre adott válaszok megoszlása Forrás: saját szerkesztés, 2009 (N=40)
Az ingázás hátterét is vizsgáltam és az adott válaszok alapján közel azonos arányban jelölhetı meg a helyi munkalehetıség hiánya, a végzettségnek nem megfelelı lehetıségek és a magasabb jövedelem, mint motiváló tényezı. Utóbbi Hajdú-Bihar és Heves megyében jellemzı inkább, ami szintén jelzi a régiónkénti húzóerı szerepet, fıleg annak tükrében, hogy szintén e kettı az a területi egység, ahol a „helyben nincs munkalehetıség” választ a legkevesebben jelölték meg az ingázók csoportjából (48. ábra).
48. ábra Az ingázás megjelölt okai Forrás: saját szerkesztés, 2009 (N=294)
91
Az ingázók többsége 11-30 km közötti távolságot tesz meg a lakhely és a munkavégzés helye között (45,9%), de szélsıséges esettel is találkoztam, fıleg Jász-Nagykun-Szolnok megye tekintetében, ahol az érintett válaszadók 17,9%-a vállalja a 100 km-nél nagyobb távolságra lévı munkahelyre történı utazást naponta (49. ábra).
49. ábra Ingázók lakhelye és munkahelye közötti távolság Forrás: saját szerkesztés, 2009 (N=294)
A jövedelmek tekintetében jövedelemkategóriákat állt módonban vizsgálni a feltett kérdés alapján, melynek eredményeit az 50. és 51. ábra mutatja be. Elıbbi az állandó munkahellyel nem rendelkezı munkanélküliek és tanulók körének bevonásával együtt, utóbbi pedig anélkül készült. E két változatot azért készítettem el, hogy a válaszadók tényleges jövedelmi helyzetét is bemutassam, ugyanakkor a tanulók mintán belüli magas arányából és a munkanélküliek sajátos helyzetébıl adódó torzításokat szőrjem. Ennek eredményeként a második említett ábrán belül a 0-50 ezer forintos kategóriába esı jövedelmőek aránya jelentısen le is csökkent. S az is megállapítható, hogy a területi jövedelmi viszonyok az általam alkalmazott kategóriák mellett viszonylag homogének.
50. ábra A válaszadók jövedelmi helyzete jövedelemkategóriák szerint (munkanélküliekkel és tanulókkal együtt) Forrás: saját szerkesztés, 2009 (N=989)
92
51. ábra A válaszadók jövedelmi helyzete jövedelemkategóriák szerint (munkanélküliek és tanulók nélkül) Forrás: saját szerkesztés, 2009 (N=733)
A válaszadók háztartásaira jellemzı, hogy igen nagy arányban rendelkeznek személygépkocsival (mobilitás) és többnyire elfogadható az internetellátottság is, igaz utóbbi csak közelíti a 60%-os arányt Jász-Nagykun-Szolnok és Szabolcs-Szatmár-Bereg megyében. Az 52. ábra alapján az is megállapítható, hogy a teljes minta tekintetébn közel minden második háztartás rendelkezik hiteltartozással, ugyanakkor csak minden harmadiknak vannak megtakarításai. A lakcímen kívüli ingatlannal pedig területileg egységesen igen kevés háztartás bír.
52. ábra A válaszadók háztartásának jellemzıi Forrás: saját szerkesztés, 2009 (N=989)
93
3.2.3. Komplex élhetıségi és helyben tartó képességi indexek 3.2.3.1. Komplex élhetıségi index A válaszként adott értékekbıl a kérdıíves megkérdezés elsı három kérdése alapján három életminıségi, azokból pedig egy komplex életminıségi indexet képeztem, az egyes tényezık szerint adott értékek átlagolt átlagai alapján. Vagyis az egyes tényezıket egységesen ugyanazon súllyal vettem számításba, tekintettel arra, hogy eltérık az egyéni értékrendek, értékítéletek, s végsı soron az életminıségi tényezık személyes preferenciája is. Továbbá az egyes térségek gazdasági szempontból történı megítélése során egyre nagyobb mértékben számítanak azok az úgynevezett puha tényezık – ezekrıl már korábban is szóltam – így azokat sem vehetem kisebb súllyal számításba. A fent említett három index a megyei élhetıségi index (MÉI), települési élhetıségi index (TÉI) és a relatív kistérségi élhetıségi index (RKÉI). Az indexek megnevezése a kérdésben megjelölt területi egységekre utal, illetve utóbbi esetében azért relatív, mert a kérdés egyértelmően az adott kistérség más kistérségekhez képest történı megítélését kérte. E három index egyszerő számtani átlaga adta az egyes területi egységek komplex élhetıségi indexét (KÉI). Mivel ebben még nem került figyelembevételre az adott térség fejlettségi fokát indikátorként jelzı és a válaszadó által jelölt kategória, illetve kategóriaérték, így egy módosított komplex élhetıségi indexet (MKÉI) is célszerőnek láttam alkalmazni: a komplex élhetıségi indexet a fejlettségi kategóriaértékkel módosítottam. Mindezek alapján a képzett indexek számítási képlete a következıképp írható fel. Megyei élhetıségi index (MÉI) n
M = ahol • • •
∑x
i
i =1
,
n
xi = az adott területegység i-edik jellemzı alapján kapott pontszáma n = térségi minta elemszáma és 1 ≤ M ≤ 5.
Települési élhetıségi index (TÉI) n
T= ahol • • •
∑y
i
i =1
,
n
yi = az adott területegység i-edik jellemzı alapján kapott pontszáma n = térségi minta elemszáma és 1 ≤ T ≤ 5.
Relatív kistérségi élhetıségi index (RKÉI) n
R= ahol • • • 94
∑z i =1
n
i
,
zi = az adott területegység i-edik jellemzı alapján kapott pontszáma u = térségi minta elemszáma és 1 ≤ R ≤ 5.
Komplex élhetıségi index (KÉI) K= ahol •
M +T + R 3
,
1 ≤ K ≤ 5.
Fejlettségi kategóriaponttal módosított komplex élhetıségi index (MKÉI)
K ahol • •
f
=
K+ f 2
f az adott területi egység fejlettségi pontszáma, 1 ≤ f ≤ 5 1 ≤ K f ≤ 5.
Az eltérı területi egységek (megye, kistérség, település) már említett életminıségi tényezınkénti minısítése során kialakított indexek alakulását nem csak az egyes kistérségek szintjén érdemes vizsgálni, hiszen a különbözı földrajzi területi szintek oda-vissza hatnak egymásra gazdasági, társadalmi folyamatok tekintetében. Ezáltal a szőkebb területi egység megítélését befolyásolja a magasabb térségi szintrıl alkotott imázs és fordítva. Ezért indokolt északkelet-magyarországi és regionális, illetve megyei szinten is vizsgálni a már ismertetett indexek értékeit, melyek az alábbi ábrákon láthatók (53-56. ábra). Az 53. ábrán észrevehetı, hogy az Északkelet-Magyarországot alkotó régiók közül az Észak-alföldi régióban élık valamivel jobban vélekednek szőkebb, illetve tágabb lakhelyükrıl, mint a szomszédos régióban. Ennek hátterében elsıdlegesen Hajdú-Bihar kiemelkedı értéke áll. A pontszámok az általánosan ismert gazdasági statisztikáknak megfelelıen azt is tükrözik, hogy Szabolcs-Szatmár-Bereg, Nógrád és Borsod megye helyzete kevésbé jó. Igaz jelen esetben Nógrád az, mely jelentıs lemaradást mutat a vizsgált térség megyéi között.
53. ábra Megyei élhetıségi index átlagértékei területi egységenként Forrás: saját számítás, 2009 (N=989)
95
54. ábra A települési élhetıségi index átlagértékei Forrás: saját szerkesztés, 2009 (N=989)
55. ábra A relatív kistérségi élhetıségi index átlagértékei Forrás: saját szerkesztés, 2009 (N=989)
56. ábra Komplex élhetıségi index átlagértékei Forrás: saját számítás, 2009 (N=989)
96
A fenti értékek elemzésekor azt is vizsgáltam, hogy hogyan alakulnak a válaszadók korától, lakhelyük településtípusától és rangjától függıen, vagyis arra kerestem a választ, hogy az életkor hogyan befolyásolja az adott válaszok alakulását. Ehhez természetesen a korrelációs vizsgálat volna a leginkább indokolt és legcélravezetıbb, ám a korcsoportok – nem a konkrét életkor – és a településtípus és rang kategóriák statisztikailag elég nehezen megfoghatók a módszer alkalmazásához. Éppen ezért az adott válaszokat együttesen kifejezı indexeket használtam fel ehhez is, hiszen azok az adott válaszok pontszámaiból képzıdtek. Úgy véltem, hogy a legfiatalabb korosztály (18-30 év) a 21. századi trendeknek megfelelıen alakuló igényei és a telekommunikációs eszközökön keresztül áramló információtömeg olyan összevetési alapot jelent számukra, mely által kritikusabbak lesznek más korcsoportokhoz képest élıhelyük megítélésében. Hasonló eltérésekre számítottam a további korcsoportok között is, hiszen a generációváltás az elmúlt évtizedekben jelentısen lecsökkent, így a korosztályok közötti értékítélet és igények jelentısen eltérnek. Ehhez képest, mint ahogyan azt az 57. ábra és az M7. melléklet által összefoglalt eredmények is mutatják eltérés többnyire csak az idısebb (61 év feletti) korosztály esetében tapasztalható, valószínősíthetıen azért, mert attitődjüket formáló tényezık alapjaikban térnek el más korcsoportokéhoz képest.
57. ábra Az élhetıségi indexek alakulása korcsoportonként Forrás: saját szerkesztés 2009 (N=989)
A korcsoportokkal szemben viszont a megkérdezettek által adott válaszok (minısítések) és választ adók lakhelyeinek a rangja és típusa közötti kapcsolat már következetesen jelent meg (58. és 59. ábra). A megyeszékhelyek, megyei jogú városok és egyéb városok lakói rendre jobban ítélték meg az adott szempontok szerint megyéjüket, településüket és annak (kis)térségét. Ez személyes hétköznapi tapasztalatok – melyek a városok és falvak között eltérık – alapján érthetı is. Ugyanakkor az már talán meglepı, hogy a nagyközségek lakói értékelték a legkritikusabban az eltérı területi egységeket a megadott gondolatkörök mentén. Markáns különbségek vehetık észre az indexek értékeiben településrangonként. Itt megjegyzendı, hogy az óriás és törpefalu kategória értékei majdhogynem figyelmen kívül hagyhatók, hiszen csak 1-1 ilyen típusú település került a mintába. Az összes többi típus esetében a mérethierarchia többnyire látszik, erıs kivételt a nagy- és középváros esetében észlelhetünk, illetve a relatív kistérségi index kapcsán.
97
58. ábra Az élhetıségi indexek (adott válaszok értékeinek átlagai) településrangonként Forrás: saját számítás, 2009 (N=989)
59. ábra Az élhetıségi indexek (adott válaszok értékeinek átlagai) településrangonként Forrás: saját számítás, 2009 (N=989)
Mindezek ismeretében érdemes a módosított élhetıségi indexek kistérségi szintő értékeit is megvizsgálni (22. táblázat), hiszen a kistérségek nem mindegyikében található megyeszékhely vagy nagyváros, de más a településszerkezet – apró és kisfalvas Észak-Magyarországon, nagyfalvak az Alföldön – is az egyes régiókat illetıen. A kistérségek közül 6 emelkedik ki a komplex élhetıségi index alapján: a Debreceni, Egri, Gyöngyösi, Hajdúszoboszlói, Jászberényi és a Nyíregyházai. Ezek közül A Hajdúszoboszlói kapcsán fontos megjegyezni, hogy alul reprezentált. A továbbiak esetén a megyeszékhelyi kistérségek érthetıen találhatók az élbolyban, de a Gyöngyösi és Jászberényi sem annyira meglepı, ha a korábban ismertetett jövedelem allokációs index értékeinek alakulása, a felsıoktatási funkció jelenéléte és ipari centrum jellege tükrében nézzük. Annak érdekében, hogy a területi egyenlıtlenséget is érzékelni lehessen, készítettem egy kartogramot, mely az egyes kistérségeket azok komplex élhetıségi mutatói alapján jeleníti meg (60. ábra). 98
22. táblázat Kistérségek élhetıségi megítélése a kérdıív eredményeibıl képzett indexek alapján Kistérség 1. Sátoraljaújhelyi* 2. Debreceni 3. Vásárosnaményi* 4. Egri 5. Gyöngyösi 6. Tiszaújvárosi 7. Mezıtúri 8. Hajdúböszörményi* 9. Hajdúszoboszlói** 10. Ibrány-Nagyhalászi* 11. Nyírbátori* 12. Szerencsi 13. Jászberényi 14. Pétervásárai 15. Hajdúhadházi** 16. Nyíregyházai 17. Balmazújvárosi** 18. Sárospataki 19. Tokaji 20. Bodrogközi* 21. Nagykállói* 22. Miskolci 23. Hatvani 24. Püspökladányi** 25. Mezıkövesdi 26. Szolnoki 27. Szikszói** 28. Tiszafüredi* 29. Füzesabonyi 30. Kisvárdai* 31. Salgótarjáni 32. Balassagyarmati** 33. Baktalórántházai** 34. Hevesi 35. Bélapátfalvai 36. Berettyóújfalui* 37. Törökszentmiklósi* 38. Ózdi 39. Kazincbarcikai 40. Karcagi 41. Pásztói 42. Abaúj-Hegyközi** 43. Szécsényi 44. Mezıcsáti 45. Encsi** 46. Edelényi 47. Bátonyterenyei 48. Mátészalkai** 49. Kunszentmártoni* 50. Rétsági* 51. Tiszavasvári* Forrás: saját számítás, 2009
K 3,6519 3,5581 3,4639 3,4182 3,3707 3,3187 3,2746 3,2236 3,2176 3,2028 3,2014 3,1797 3,1769 3,1646 3,1302 3,1298 3,1219 3,1073 3,0955 3,0417 3,0014 2,9661 2,9565 2,9413 2,9228 2,9071 2,8822 2,8694 2,8550 2,8444 2,8340 2,8106 2,8006 2,7972 2,7842 2,7204 2,7185 2,6669 2,6141 2,6081 2,6076 2,5111 2,4828 2,4772 2,4600 2,4152 2,2681 2,2079 2,1389 1,8417 1,7870
Kistérség 1. Gyöngyösi Egri Debreceni Hajdúszoboszlói** Jászberényi Nyíregyházai 2. Bélapátfalvai Hatvani Pétervásárai Abaúj-Hegyközi* Mezıkövesdi Miskolci Sátoraljaújhelyi* Szerencsi Tiszaújvárosi Tokaji Balassagyarmati** Hajdúböszörményi* Hajdúhadházi** Püspökladányi** Szolnoki Ibrány-Nagyhalászi* Kisvárdai* Nyírbátori* Vásárosnaményi* 3. Füzesabonyi Hevesi Bodrogközi* Edelényi Kazincbarcikai Mezıcsáti Ózdi Sárospataki Szikszói** Bátonyterenyei Pásztói Salgótarjáni Szécsényi Balmazújvárosi** Berettyóújfalui* Karcagi Kunszentmártoni* Mezıtúri Törökszentmiklósi* Nagykállói* 4. Encsi** Rétsági* Tiszafüredi* Baktalórántházai** Mátészalkai** Tiszavasvári*
FKP 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 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. 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.
Kistérség Debreceni Egri Gyöngyösi Hajdúszoboszlói** Jászberényi Nyíregyházai Sátoraljaújhelyi* Vásárosnaményi* Tiszaújvárosi Hajdúböszörményi* Ibrány-Nagyhalászi* Nyírbátori* Szerencsi Pétervásárai Hajdúhadházi** Tokaji Miskolci Hatvani Püspökladányi** Mezıkövesdi Szolnoki Kisvárdai* Balassagyarmati** Bélapátfalvai Abaúj-Hegyközi* Mezıtúri Balmazújvárosi** Sárospataki Bodrogközi* Nagykállói* Szikszói** Füzesabonyi Salgótarjáni Hevesi Berettyóújfalui* Törökszentmiklósi* Ózdi Kazincbarcikai Karcagi Pásztói Szécsényi Mezıcsáti Edelényi Bátonyterenyei Kunszentmártoni* Tiszafüredi* Baktalórántházai** Encsi** Mátészalkai** Rétsági* Tiszavasvári*
Kf 3,7791 3,7091 3,6854 3,6088 3,5885 3,5649 3,3259 3,2319 3,1593 3,1118 3,1014 3,1007 3,0899 3,0823 3,0651 3,0477 2,9830 2,9783 2,9706 2,9614 2,9535 2,9222 2,9053 2,8921 2,7556 2,6373 2,5609 2,5537 2,5208 2,5007 2,4411 2,4275 2,4170 2,3986 2,3602 2,3593 2,3334 2,3071 2,3041 2,3038 2,2414 2,2386 2,2076 2,1340 2,0694 1,9347 1,9003 1,7300 1,6040 1,4208 1,3935
Jelmagyarázat: * jelentıs mértékben alul reprezentált (következtetés levonására alkalmatlan) ** alulreprezentált, de iránymutató lehet
99
60. ábra A kistérségek módosított komplex élhetıségi indexe Forrás: saját szerkesztés, 2009
A gazdasági mutatókból képzett komplex mutató pontszám alapján meghatározott 5 kategóriába történı besorolás és ugyanazon kategóriák használata mellett a megkérdezettek által adott értékelés a fentiek illetve a korábbi kartogram (34. ábra) alapján hasonlóságot mutat ugyan, de számos markáns és érdekes eltérést is tapasztalhatunk. Ezek közé sorolandó például az, hogy amíg a 67./2007. OGY határozat alapján az Egri kistérség a legmagasabb fejlettségi mutató pontszámmal bír – mondhatnám azt is, hogy dinamikusan fejlıdı –, addig a válaszadók megítélése szerint a fejlıdés dinamikája nem olyan magas. Ezen túlmenıen, a KSH által fejlıdı minısítést kapott Miskolci, Tiszaújvárosi, Szolnoki, Hatvani, Gyöngyösi, Nyíregyházi, Debreceni és Hajdúszoboszlói kistérségek közül csak utóbbi öt esetében értékeltek azonosan az ott élık, míg a továbbiakat felzárkózónak tekintik. Ugyanakkor a Jászberényi térségben élık jobbnak látják helyzetüket, mint ahogyan arról a gazdasági statisztikák tanúskodnak. További külön kiemelendı eltérést nem említhetek, hiszen a lemaradó, stagnáló és felzárkózó kategóriákba sorolt térségek nagyjából megfelelnek a KSH besorolásnak.
3.2.3.2. Helyben tartó képességi index
Egy adott terület élhetıségének fogalmához kötve vizsgáltam – szintén a kérdıíves felmérés válaszai alapján – a település, illetve kistérségek helyben tartó képességet. Ehhez felhasználtam a településfunkciók kapcsán alkotott szolgáltatásfunkció-pontokat és a gyorsforgalmi elérhetıséget is. Ezek, továbbá a településtípus, a település rang és a reprezentativitási szintet kifejezı érték bevonásával szintén egy mutatót képeztem, ez a helyben tartó képességi index (HKI). A szolgáltatásfunkciókat azért alkalmaztam, mert általánosan elfogadott tényként kezelik, hogy egy adott település és térség népességmegtartó képességét befolyásolja a szolgáltatások kínálati palettája, minıségük foka. A gyorsforgalmi elérhetıség a megközelíthetıséget és a mobilitási fokot, ingázási hajlandóságot meghatározza: jobb közúti közlekedési körülmények között az emberek nyitottak a munkahelyi ingázásra nagyobb távolság esetében is.
100
A település rangja és típusa számos olyan funkciót és különbözı életminıségi, életkörülményi sajátosságokat fejez ki – természetesen a hierarchiának megfelelı súlyozás esetén –, melyre én magam a felmérés során nem kérdeztem rá. A reprezentativitási érték segítségével pedig az alulreprezentált kistérségek esetén jelentkezı kiugró értékek, vagyis egyfajta torzító hatás elkerülés érdekében került a kiszámítás metódusába. A figyelembe vett tényezık és azokon belüli kategóriák súlyait a 23. táblázat tartalmazza 23. táblázat A helyben tartó képességi index kiszámításához felhasznált tényezık és értékeik Tényezı Tényezın belüli kategória Kategória súlypontja Szolgáltatásfunkció-pont Óvoda 0,20 Általános iskola 0,30 Középiskola 0,40 Háziorvosi rendelı 0,20 Szakorvosi rendelı 0,30 Okmányiroda 0,40 Rendırség 0,40 Tőzoltóság 0,40 Posta 0,20 ATM 0,30 Pénzintézet 0,40 Gyorsforgalmi elérhetıség 0-15 perc 1,00 16-30 perc 0,90 31-60 perc 0,70 60- perc 0,50 Településrang Megyeszékhely, megyei jogú város 2,00 Város 1,50 Nagyközség 1,00 Község 1,00 Településtípus Nagyváros 2,00 Középváros 1,50 Kisváros 1,25 Óriásfalu 1,10 Nagyfalu 1,00 Kisfalu 1,00 Aprófalu 0,90 Törpefalu 0,80 Reprezentativitási szint Felül reprezentált 0,50 Reprezentált 0,40 Alul reprezentált, mintán belül jelentıs 0,30 Alul reprezentált, iránymutató lehet 0,20 Alul repr., következtetésekre nem alkalmas 0,10 Forrás: saját szerkesztés, 2009
101
A helyben tartó képességi index számítási képlete településre: n
I HK = α × β × ∑ xi i =1
ahol xi = a település i-edik jellemzıjének pontszáma, α = település településrang-súlypontja,
β = település településtípus-súlypontja
A fentiek alapján a helyben tartó képességi index számítási képlete kistérségre: n α j × β j × ∑ xi ∑ j =1 i =1 = × rk , m m
I HK ahol
xi = j-edik település i-edik jellemzıjének pontszáma, α j = j-edik település településrang-súlya,
β j = j-edik település településtípus-súlya, m = a k-adik kistérség minta elemszáma (kistérségi minta településszáma), rk = k-adik kistérség reprezentativitási súlypontja és 1 ≤ k ≤ p. Az eredményeket ismételten kartogramba foglaltam (61. ábra), mely kapcsán megjegyzendı, hogy a Mezıtúri, Karcagi és Szécsényi kistérség relatíve kedvezı helyzetét az okozza, hogy a kistérség ugyan reprezentatív az elemszám aránya és a lakosságarány viszonyában, ez a reprezentativitás azonban egy településre (kistérségi központ) koncentrálódik. Éppen ezért ezen területek inkább 1-1 kategóriával hátrébb sorolandók. Ha ezt megtesszük, akkor kijelenthetı, hogy az országrész belsı területei nagyobb eséllyel képesek megtartani lakosságukat, mint a határmenti, vagy határhoz közeli térségek. Utóbbiak alatt – ahogy az ábrán is látható fıként a keleti határvidékhez közel lévı kistérségeket értem elsıdlegesen. E térségben két szigetként emelkedik ki a Nyíregyházai és a Debreceni kistérség, mely a megyeszékhelyek funkcióját, a két város elmúlt években betöltött sajátos szerepkörét ismerve nem meglepı. Ráadásul az autópálya kiépülése is elıny, mint ahogyan ez igaz a belsı sáv (Hatvani, Gyöngyösi, Hevesi, Miskolci stb. kistérségek) esetében is. A helyben tartó képességi indexet összehasonlítva a módosított komplex élhetıségi index területi alakulásával, ahhoz képest sokkal homogénebb értékekkel bír, s így a területi egységenként kapott pontszámok között sem tapasztalható szorosabb kapcsolat, a két index értékei közötti korreláció értéke csupán 0,3599. Utólag ennek okait a két index kialakításának módszerében lévı különbségekben látom, hiszen az élhetıségi index inkább a személyes attitődre, az adott területi egységrıl kialakított imázsra hagyatkozik, míg a helyben tartó képességi index objektívebb elemekre, igaz a súlyozás maga szubjektív. 102
61. ábra Helyben tartó képességi index kistérségenként Forrás: saját szerkesztés, 2009
3.3. Fıkomponens analízis eredményei Vizsgálataim lezárásaként elvégzett fıkomponens analízis eredményeit két idıintervallumra vonatkozóan ismertetem, hiszen a rendelkezésre álló adatbázis eltérı területi bontású 2002 elıtt és azt követıen, az anyag és módszerben ismertetett okokból kifolyólag. Az elemzések minden egyes részére vonatkozó eredményeit csak az elsı idıszak kezdeti évére mutatom be, hiszen az alkalmazhatósági vizsgálat és az alkalmazott mutatók azonos köre révén a változók közötti kapcsolat igen drasztikusan nem változhat, ráadásul az anyag és módszer fejezetben ismertetett értékek alapján a korrelációs értékek csak javultak a vizsgálati idıszakban elıre haladva. Az 1998. évre vonatkozóan a változók közötti korrelációs értékeket a 24. táblázat tartalmazza. Ezen értékek alapján megállapítottam, hogy a vándorlási különbözet (VKUL) igen kismértékő, de negatív korrelációban áll a vállalkozások számával (VALL) és a munkanélküliségi rátával (MNRAT). Az alapvetı gazdasági összefüggések kapcsán ez érthetı. Hiszen ahol növekszik a vállalkozások száma, ott várhatóan több munkahely lesz, a megélhetési helyzet javul, vagyis az elvándorlás foka mérséklıdik. A munkanélküliség kapcsán pedig a negatív korreláció a két mutató változásának irányaira és nem abszolút értékeire vonatkozik. Hiszen ahol növekszik a munkanélküliség (+) ott növekszik az elvándorlás is, vagyis a térségbıl munkaerı kiáramlás (–) történik. Jelen esetben a korreláció alacsony értékébıl adódóan ez a reláció figyelmen kívül hagyható, s a késıbbi években is közepesen erısnek minısíthetı. Nem úgy, mint a vállalkozások száma és a munkanélküliségi ráta szintén negatív, de közepes mértékő korrelációja, vagy az elsınek a jövedelemmel (SZJOV), a személygépkocsik számával (SZGK) és az elvégzett osztállyal (ELVOSZT) szembeni igen erıs és pozitív irányú kapcsolata. Az elvégzett osztályok száma hasonlóan korrelál a jövedelemmel, s nem ilyen mértékben, de igen jól a személygépkocsik számával és ellentétes irányban a munkanélküliségi rátával. 103
Mindez abból adódhat, hogy a magasabb végzettségi színvonal magasabb informáltsági fokot is jelent, mely a munkaerıpiacon és a gazdasági életben egyaránt fontos. Foglalkoztatási oldalról megközelítve, a kvalifikált munkaerıt szívesebben alkalmazzák, ahol pedig nincs munka-, vagy a képzettségnek megfelelı színvonalú álláslehetıség, onnan a szakképzett munkaerı elıbb vagy utóbb, de elvándorol. A vállalkozások tekintetében pedig, a kockázatvállalási hajlandóságot fokozza a magasabb iskolai végzettség, hiszen azzal egyenes arányban növekszik a világ dolgaiban való eligazodás. A vállalkozások hétköznapjai pedig gazdasági döntések sorozataiból állnak, melyeket felvállalni csak akkor lehet, ha megfelelı információkkal bír az adott személy. Ezen összefüggések egyenes következménye a jövedelmek és a tudás (elvégzett osztályok száma) lineráis kapcsolata. A jövedelmi viszony változásával pedig együtt jár olyan tényezık változása is, mint a személygépkocsik száma. Igaz utóbbi kapcsán önmagában a darabszám nem feltétlenül elegendı, de az ár és a fenntartási költségek révén egy személygépkocsi relatíve magasabb szinten elvárt jövedelmet feltételez. Ezek alapján nem meglepı, hogy a háttérváltozóként generált fıkomponensek egyike a jövedelem, személygépkocsik, a vállalkozások és az elvégzett osztályok száma közötti kapcsolatot magyarázza erıteljesen, s kis mértékben a kiskereskedelmi üzletek száma (KISKER) és elızıek relációját, míg a másik majd kizárólagosan a vándorlási különbözetet. 24. táblázat A megfigyelési változók közötti korrelációs értékek Korreláció
VKÜL
VKÜL 1,000
VALL -,169
MNRAT -,222
SZJOV -,003
SZGK ,099
ELVOSZT -,066
KISKER -,036
VALL
-,169
1,000
-,524
,740
,664
,896
,280
MNRAT
-,222
-,524
1,000
-,678
-,661
-,610
-,262
SZJOV
-,003
,740
-,678
1,000
,669
,890
,200
SZGK
,099
,664
-,661
,669
1,000
,699
,489
ELVOSZT
-,066
,896
-,610
,890
,699
1,000
,238
KISKER
-,036
,280
-,262
,200
,489
,238
1,000
Forrás: saját számítás, 2009 Component Plot
VKÜL
1,0
Component 2
0,5
SZGK KISKER SZJOV
0,0
ELVOSZT
MNRAT
VALL
-0,5
-1,0 -1,0
-0,5
0,0
0,5
1,0
Component 1
62. ábra A megfigyelési változók és a generált háttérváltozók (fıkomponensek) közötti kapcsolat Forrás: saját szerkesztés, 2009
104
Az új komponensek az eredeti változók szórásértékeit igen nagy mértékben magyarázzák, egyedül a kiskereskedelmi egységek esetén tapasztalható alacsony érték (25. táblázat), ám ez a további vizsgálati éveken 0,800 körül mozog. A fıkomponensek (háttérváltozók) száma megfelel a sajátérték kritériumoknak is, igaz megmagyarázási arány tekintetében elmaradnak a kívánatos (80%) értéktıl (26. táblázat). A fıkomponensek számát igazolta a könyök törvény is, vagyis a komponensek száma és az ahhoz tartozó sajátértékek által lehatárolt görbében a második komponensnél volt egy erıteljesebb törés (63. ábra). 25. táblázat Kommunalitás értékek változónként Eredeti Magyarázott 1,000 ,912 1,000 ,840 1,000 ,728 1,000 ,807 1,000 ,762 1,000 ,889 1,000 ,184 Forrás: saját számítás, 2009 VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER
26. táblázat Generált komponensek sajátértékei és megmagyarázási arányuk Sajátérték Variancia % 56,706 16,476 13,686 5,691 3,718 2,979 ,745
Komponens Összesen 1 3,969 2 1,153 3 ,958 4 ,398 5 ,260 6 ,209 7 ,052 Forrás: saját számítás, 2009
Kumulált % 56,706 73,181 86,867 92,558 96,275 99,255 100,000
Összesen 3,969 1,153
Megmagyarázási arány Variancia % Kumulált % 56,706 56,706 16,476 73,181
Scree Plot
5
Eigenvalue
4
3
2
1
0 1
2
3
4
5
6
7
Component Number
63. ábra A könyökszabály alkalmazásának eredményeként kapott görbe Forrás: saját szerkesztés, 2009 105
A két fıkomponens eredeti változónkénti magyarázási értékei a levezetett összefüggéseket igazolták, hiszen az elsı a vállalkozások, a személygépkocsik és az elvégzett osztályok számát, a munkanélküliségi rátát valamint a jövedelmet erıteljesen, s a kiskereskedelmi üzletek számát kis mértékben magyarázza, míg a második igen nagy arányban a vándorlási különbözetet (27. táblázat). 27. táblázat Az eredeti változók megmagyarázási aránya komponensenként Komponens 1
2
VKÜL
,010
,955
VALL
,874
-,275
MNRAT
-,781
-,344
SZJOV
,898
-,039
SZGK
,861
,145
ELVOSZT
,930
-,154
KISKER
,428
,034
Forrás: saját számítás, 2009
A két fıkomponens által lehatárolt koordinátarendszerben ábrázolva a kistérségeket egy nagyobb, és három kisebb elemszámú csoportosulást fedeztem fel. Az egyikben a 6 megyeszékhelyi kistérség található a Gyöngyösi kistérséggel kiegészülve. A megyeszékhelyek kiemelt helyzetébıl, központi funkciójából és közigazgatásban betöltött szerepébıl adódóan nem meglepı a megyeszékhelyi kistérségek elkülönülése, hiszen mindezen tényezık jótékony hatással bírtak megítélésükre és indirekt módon pozitívan hatottak a térségi gazdasági folyamatokra. A csoporton belül elkülönülten található az Egri kistérség, mely újfent jelzi a heves megyei megyeszékhely akkori húzóerejét. A Gyöngyösi kistérség pedig a korábbi élelmiszeripari és borászati hagyományainak, a relatíve magas szintő infrastrukturális hálózatának és Budapest közelségének köszönhette igen jó helyzetét. Ehhez hozzájárult a felsıoktatási funkció jelenléte és a szolgáltatások magas szintő hozzáférhetısége is. A megyeszékhelyi csoporthoz viszonylag közel álló két csoportban olyan települések kistérségei találhatók meg, mint Jászberény, Hajdúszoboszló, Hatvan, Tiszaújváros, Mezıkövesd (64. ábra). Az akkori gazdasági helyzetük alapján ez nem is meglepı, hiszen Jászberény évek óta dinamikusan fejlıdik, és ez jótékony hatással bír közvetlen környezetére is, s nem szabad megfeledkeznünk a jelen lévı felsıoktatásról sem. A hajdúszoboszlói térség turisztikai potenciáljának, a tiszaújvárosi pedig vegyipari súlyának köszönhette relatíve jó helyzetét. A Hatvani kistérség hasonlóan a Gyöngyösihez élni tudott Budapest közelségével, vasúti csomóponti helyzetével és az 1990-es években még meghatározó élelmiszeripari szerepével. Az idıben tovább haladva és eljutva az elsı idıszak (1998-2002) végére az elıbb ismertetett kistérségi csoportok tekintetében jelentıs átrendezıdés a megjelenített pontok alapján nem látható. Továbbra is négy csoportba rendezıdve oszlanak meg a kistérségek (65. ábra). A változás a megyeszékhelyi csoport tekintetében az, hogy a 6 megyeközponti térség mellé már nem csak a Gyöngyösi, hanem a Hajdúszoboszlói is társult, illetve a 6 központi területi egység „távolodott” egymástól. Az elıbbi változás valószínősíthetıen Hajdúszoboszló és körzete idegenforgalmi eredményeinek következménye, míg utóbbi gazdasági struktúraváltás hatásainak, ágazati súlypontok változásainak tudható be. Gondoljunk csak például Eger és térsége iránti turisztikai érdeklıdés fokozódására, míg a Salgótarjáni és Miskolci kistérségek esetén az ágazati problémákra (üveggyártás, kohászat)! A két kisebb csoport közül a fent említett középvárosok kistérségei által alkotott továbbra is koherensen megmaradt, míg a 4 elembıl álló csoportosulás az Edelényi, Encsi, Szikszói és a Baktalórántházai által alkotott. Ebben jelentıs változás csak a Baktalórántházai térség közeledése, hiszen már az említett évben is egy egységet alkotott a földrajzilag is szomszédos három borsodi kistérség. Utóbbi három esetén az igen kedvezıtlen helyzetében jelentıs szereppel bír a határmentiség és a korábbi diósgyıri kohászattól való egyoldalú függıség. 106
64. ábra Kistérségek relatív helyzete (1998) Forrás: saját szerkesztés, 2009
65. ábra Kistérségek relatív helyzete (2002) Forrás: saját szerkesztés, 2009 107
Ugyanezen évre a KSH 2004. évtıl érvényes területi lehatárolásnak megfelelı adataiból készített alapadat mátrixra elvégzett analízis rávilágít arra, hogy mennyire fontos a megfelelı gazdaságitársadalmi térfelosztás, hiszen ugyanarról az évrıl, ugyanazon a kistérségekrıl és ugyanazon mutatókról van szó, ám a kistérségek relatív helyzete már ezzel sokat változott. Egyszerre tapasztalható térbeli sőrősödés és távolodás már akkor is ha csak a megyeszékhelyi kistérségeket nézzük. Relatíve jó helyzetébıl „veszített” a Szolnoki, Salgótarjáni és a Miskolci kistérség és a korábbi 4 csoportból csak 3 maradt (66. ábra).
66. ábra Kistérségek relatív helyzete (2002(2004)) (2004. évtıl érvényes területi lehatárolásnak megfelelıen) Forrás: saját szerkesztés, 2009
2006-ra az általános térbeli koncentráció fokozódott, összességében a megyék központi térségei is közeledtek egymáshoz, igaz az Eger, Debrecen, Nyíregyháza központú területi egységek esetében kisebb fokú elszeparálódás látható (67. ábra). A 2002-2006 közötti idıszakra vonatkozóan ehhez képest markáns eltérés nem érzékelhetı, az északkeleti országrész térségeinek egymáshoz mért helyzete konzerválódni látszik (68. ábra). Ez nem véletlen hiszen az elmúlt szők évtized beruházási, telephelyválasztási célterületei szinte már-már hagyományosan ugyanazon kistérségek, elsıdlegesen a kistérségi központok korábbi helyzeti elınyébıl adódóan. Gondolok itt a megyeszékhelyekre és olyan városokra, mint Hatvan, Gyöngyös, Tiszaújváros, Hajdúszoboszló, Jászberény. A felsoroltak vitathatalanul infrastrukturális ellátottság, szolgáltatás lehetıségek és gazdasági megítélés tekintetében kedvezıbb megítélésnek örvendenek Északkelet-Magyarország további területi egységeivel szemben. Igaz, néhány megyeszékhely – Salgótarján, Miskolc – olyan jelentıs problémákkal volt kénytelen szembesülni, melyek a lokálisan húzó gazdasági ágazatok nemzetközi körülményeinek változásaiból eredtek, s melyekhez hasonlókat korábban más nyugat-európai térségek is megsínylettek (Ezekrıl bıvebben az 1.1.3.1. fejezetben szóltam.). Ráadásul az 1990-es években a piaci változások – fokozatosan erısıdı piaci verseny, import termékek stb. – is mélyítették az említett problémákat.
108
67. ábra Kistérségek relatív helyzete (2006) Forrás: saját szerkesztés, 2009
68. ábra Kistérségek relatív helyzete (2002-2006) Forrás: saját szerkesztés, 2009
109
3.4. Hipotézisvizsgálatok eredményei A vizsgálati eredmények egyik konklúziójaként most összefoglalom a feltételezéseim megalapozottságát vagy éppen a megalapozatlanságát. A második (2.1.) fejezetben megjelölt hipotéziseim és azok megítélése: Hipotézis(H1): Az elsı hipotézisem az volt, hogy Északkelet-Magyarországon a megyeszékhelyi és egyéb kistérségek közötti differenciálódás következményeként a jövedelemi különbségek jelentısek és azok fokozódnak. A hipotézis részben vált vált bizonyítottá, hiszen a jelentıs jövedelmi különbségeket illetı feltételezés helyességét a Robin Hood index és a jövedelmi allokációs arány használatával kapott eredmények igazolták, ugyanakkor a fenti relációban értelmezett jövedelmi különbségek nem fokozódnak, igaz nem is csökkennek egyértelmően. Azok inkább konzerválódni látszanak, vagyis a hipotézis második fele helytelen. Hipotézis (H2): Az egyes kistérségek élhetıségi megítélése és az egyes válaszadók lakhelyének településtípusa, rangja illetve a válaszadó korcsoportok között várhatóan szoros összefüggés tapasztalható. A településtípus illetve rang valamint az élhetıségi megítélés közötti szorosabb kapcsolat tapasztalható volt, vagyis a feltételezés helyesnek bizonyult, ugyanakkor a korcsoportok és a válaszok közötti szoros kapcsolat nem nyert bizonyítást, a válaszok alakulását is kifejezı indexek értékeinek egymáshoz viszonyított arányai kérdéskörönként elég hektikusan változtak Hipotézis (H3): A komplex élhetıségi és a helyben tartó képességi index területi egységenként hasonló relatív értékeket mutat a területi egységek összehasonlítása során.A két index értékeire kiszámított korrelációs érték, illetve kartogramon történt eredménymegjelenítés is cáfolta a feltételezést. Hipotézis (H4): A kistérségek KSH és a helyi lakosság által fejlettségi kategóriákba történı besorolása számos esetben eltérı eredményt mutat adódóan abból, hogy elıbbi statisztikai mutatókból képzett komplex fejlettségi indexet alkalmaz, míg utóbbi saját tapasztalatra, elvárásokra és attitődre építve teszi ezt meg. A hipotézis megerısítést nyert, hiszen a besorolás eredményeit megjelenítı kartogram összevetésre került a 67/2007. OGY határozat alapján készített KSH tematikus térképpel, s azok között markánsan megjelenı különbségek láthatók voltak.
3.5. Új tudományos eredmények Eredmény (E1): Tudományos módszerességgel igazoltam, hogy Magyarország északkeleti térségében a területi differenciálódás eredményeként a megyeszékhelyek, megyeszékhelyi kistérségek funkciójukból, az elmúlt idıszakban felerısödött szerepkörükbıl adódóan elszívó hatást gyakorolnak környezetükre, továbbá az említett területi egységek közötti jövedelmi különbségek erıteljesen érzékelhetık, s azok konzerválódnak. Eredmény (E2): Képeztem egy, a területi egységek élhetıségének mérésére alkalmas és egy helyben tartó képességet mérı indexet, amelyeket egy közel 1000 fıs mintájú kérdıíves felmérés válaszainak feldolgozására alkalmaztam. Eredmény (E3): Az indexek alkalmazásával bizonyítottam, hogy a megyeszékhelyi kistérségek mind élhetıség, mind helyben tartási képesség alapján kiemelkednek a többi területi egység közül, illetve az északkeleti országrész belsı területeinek helyben tartó képessége a peremterületekéhez képest jobb.
110
4. KÖVETKEZTETÉSEK ÉS JAVASLATOK Az elvégzett vizsgálatok eredményei alapján arra a következtetésre jutottam, hogy az elemzésem középpontjában álló északkeleti országrész hazánk más térségeihez viszonyítva jelentıs lemaradással küzd. Mindez a térség régióira és megyéire számos mutató esetén egyaránt igaz. Ezen jellemzık közé sorolható a területi foglalkoztatás, keresetek, GDP, a beruházás stb. Szinte bármelyiket is nézzük Északkelet-Magyarország értékei relatíve alacsonyak. Mindemellett ez nem csak az Alföld és az ország északi részére igaz, hiszen az említett mutatók közül a GDP és beruházás kapcsán számolt allokációs arány és Hoover-index értékei azt is bizonyították, hogy a területi heterogenitás központi kérdését országos viszonylatban Budapest illetve a központi régió túlzott dominanciája jelenti. Igen magas az átcsoportosítandó beruházási és GDP összegek aránya, s e két ismérv tekintetében a magas szintő területi koncentráció konzerválódni, bizonyos vonatkozásban növekedni látszik. A heterogenitás azonban nem csak országos viszonylatban probléma, hiszen maga az északkeleti országrész is igen egyenlıtlen, a kistérségekre számolt Robin Hood-index és jövedelmi allokációs arány erre enged következtetni. Az értékekbıl kitőnt, hogy a megyeszékhelyi kistérségek esetében – fıleg a megyeszékhelyek szívóerejének köszönhetıen – magas a jövedelmi koncentráció, igaz található egy-két tovább középvárosi központtal bíró kistérség, például a Gyöngyösi, melynek a térségi jövedelmen belüli aránya meghaladja népességen belüli arányát. Ellenpélda is említhetı hiszen, amíg a Miskolci kistérség 2002 elıtt a legmagasabb allokációs értékek egyikév bírt, addig azt követısen már csak a második koncentrációs kategóriába esett. Ebbıl arra következtettem, hogy az 1990-es években lezajlott gazdasági struktúra változás hátrányosan érintette Miskolcot és térségét, ugyanakkor jót tett Nyíregyházának és Debrecennek. Mindezt az elvégzett kérdıíves megkérdezés során kapott válaszok, és az azok feldolgozásával kapott eredmények is alátámasztják. Ráadásul ezek alapján az is érzékelhetı, hogy a térség az ott élık megítélésére épülı értékelés alapján is igen heterogén, nem csak a gazdasági-társadalmi statisztikai mutatók és értékelések szerint. Pozitívan többnyire azon kistérségek lakói értékeltek, melyek vagy megyeszékhelyi – ahogy láttuk e tekintetben sem egységesen –, vagy turisztikai illetve relatíve Budapest közeli (Jászberényi) térségek. Ezek érthetık is, hiszen a megyeszékhelyek gazdasági húzóereje, az általuk biztosított lehetıségek, mind pozitív irányba mozdítják az adott földrajzi terület élhetıségét, az ott lakók életminıségét. Gondoljunk csak a munkalehetıségekre, bérekre, a tömegközlekedésre, szolgáltatásokra, környezetre stb. E gondolat mentén haladva már nem is annyira meglepı Miskolci, Salgótarjáni és Szolnoki kistérség többi megyeszékhelyi térségektıl eltérı megítélése, habár az elmúlt években e központokban is jelentıs változások történtek. További következtetésként fogalmazható meg, hogy amint az érzékelhetı volt a kartogramokon és képzett indexek értékei alapján, az életminıséggel és fejlettséggel kapcsolatos attitőd nem feltétlenül egyezik meg a statisztikai mutatók, gazdasági számok által alátámasztott tényekkel. Az adott térségben élıkre nem a számok világa, hanem a mindennapi személyes tapasztalatok hatnak elsıdlegesen. A gazdaság- és társadalomstatisztika által nem mérhetı személyes értékítéletnek, az életminıséget befolyásoló tényezıkkel kapcsolatos preferenciának számos kevésbé jól mérhetı, csupán fogalmi kategóriákban megadható elemével kell számolnunk. Ezekre pedig csak áttételesen, társadalmi érzékenység birtokában és a közösségi normákat tiszteletben tartva hathatunk. S valljuk be ıszintén ez a hatékonyság, a gazdasági profit, a gazdasági piac bővöletében nem egyszerő feladat, ez a térség azonban többek között erre is vár.
111
A Welzel-féle kutatás lehet az iránymutatás számunkra, hogy hol érdemes fejlıdési lehetıségeket keresnie hazánknak az egyéni és közösségi kulturális értékei tekintetében, hiszen Magyarország – s így minden részének, régiójának, településének – mindenkori megítélése (imázsa) jelentısen függ a hard, illetve tradicionális tényezıkön túlmenıen a kulturális és egyéb soft tényezıktıl is. Mindez pedig a beruházási, vállalkozási kedvet, a termelékenységet (jövedelem, tıke stb.), a hatékonyságot, vagyis a versenyképességi tényezıket generálja, fokozza, s végsı soron e képességet javítja. Vagyis a Phelps által is megjelölt, az amerikai gazdasággal szembeni Európa szerte jellemzı lemaradás kulturális és intézményi okait mérsékli, szünteti meg. A fent ismertetettekkel összefüggésben számos kérdés felmerülhet. Köztük az is, hogy egy nemzet, régió kulturális paraméterei tudatosan, „felülrıl” változtathatók-e oktatási, nevelési (szemléletformáló) illetve gazdaságpolitikai eszközök segítségével. Ha csak a feudális berendezkedésével másfél évszázada szakító Japán példájára gondolunk, akkor mindenképpen. Ebben azonban a gazdaságpolitikai, illetve az össztársadalmi felelısség igen nagy, hiszen a kevésbé népszerő illetve kevésbé „kényelmes” lépések megtétele is szükséges a hosszú távú sikerességhez, versenyképességhez és a „jó imázs” (good will) megteremtéséhez. Az azonban kérdéses, hogy az ehhez szükséges intellektuális többlet adott-e a jelenlegi magyar illetve az északkeletmagyarországi társadalomban…
112
5. ÖSSZEFOGLALÁS A tér és térbeliség folyamatos felértékelésének lehetünk tanúi világszerte. A globalizáció jegyében a tér összekötı és elválasztó szerepe a mindennapok részévé vált, gazdaságban, társadalomban stb. egyaránt. A tér kapcsán Magyarországon nemzeti keretek között elsıdlegesen a gazdaság területi különbségei jutnak az ember eszébe. A különbözı területi egyenlıtlenségi folyamatok számos dimenzióban jelennek meg, elég ha csak a Budapest–vidék, középrégió–ország további területei, nyugat-kelet relációban gondolkodunk, vagy kisebb területi egységek kapcsán fejlıdési tengelyekre. Északkelet-Magyarország esetében például Hatvan – Gyöngyös – Eger - Miskolc fejlıdési, vagy Tiszaújváros – Miskolc – Kazincbarcika ipari tengely. A területi eltérések fıként gazdasági vonatkozásúak – GDP, beruházás, munkanélküliség, kereset stb. – de magukban hordozzák a társadalmi következményeket is, melyek hosszú távon elmélyülı konfliktusokat okoznak éppen ezért a központi politika beavatkozása szükséges a területfejlesztés tudatos és programszerő megvalósítása révén. Ehhez azonban megfelelı informáltság vagyis a térségi problémák minél szélesebb körő feltárása szükséges, melyekhez a gazdasági statisztikai mutatók önmagukban nem elegendık, hiszen számos statisztikailag nem mérhetı tényezı láthatatlanul is alakítja ezeket a folyamatokat. Éppen ezért lehetnek hasznosak különbözı területi szinteken azok az eltérı módszerek – például kérdıívezés –, melyekkel a helyben élık attitődjét, területi identitását, a térséggel szembeni „lojalitást” is mérni lehet. E technikák olyan plusz információkkal láthatják el a döntéshozókat, melyek csak társadalmistatisztikai mutatókkal nem mérhetık. Hangsúlyozom, nem a statisztikai és képzett mutatórendszer alkalmatlanságára gondolok, hanem annak hiányosságaira. Hiszen én magam is alkalmaztam a térség pozícionálása és az északkeleti országrész NUTS 2 és NUTS 3 területi szintjeinek elemzése során több, a hivatalos statisztikai szerv által is használt, illetve a területi heterogenitás mérésére szolgáló mutatókat is. A vizsgálatokon keresztül – duál-mutató, Hoover-index, allokációs arány – meghatároztam a GDP és a nemzetgazdasági beruházás tekintetében mutatkozó területi lemaradás mértékét, annak közelmúltra vonatkozó jellemzıit és a várható alakulását. A jövedelmek térbeli eloszlásának – Robin Hood-index, jövedelmi allokációs arány – vizsgálata során megjelöltem azon területi egységeket amelyek húzó térségek, s azokat amelyek jövedelmi deficittel kénytelenek szembesülni. A fenti gondolat tükrében azonban kiegészítettem mindezt az általam képzett két indexszel, melyeket egy közel 1000 fıs mintájú kérdıíves felmérés során a válaszok feldolgozására alkalmaztam. A két index közül az elsı a komplex élhetıségi index, mely attitődre, területi identitásra, imázsra, és egyéni preferenciára épül. A helyben tartó képességi index az adott területi egység településeinek számát, azok egyenkénti szolgáltatásfunkció ellátottságát, gyorsforgalmi elérhetıségét, településrangját és típusát foglalja magába törekedvén a településszerkezet és hierarchia együttes figyelembevételére. A segítségükkel kapott eredmények mindenképpen elgondolkodtatók a jövıre nézve, hiszen a vidéki térségek, a kedvezményezett illetve hátrányos helyzető területek szempontjából a népességmegtartó képesség kulcskérdéssé vált, fıleg az információs társadalmak korában, ahol a területi tudásbázisnak – bele értve a szakképzett munkaerı által képviselt tudástıkét – kiemelt szerepe van.
113
SUMMARY Nowadays we can experience the appreciation of space and spatial relations. In terms of globalisation the separating and connecting function of space have become part of everyday life in economy, society etc. alike. Talking about space, it is the economic regional differences in Hungary within the international scenario that come into our mind. The different regional inequality processes come forward in several dimensions if we only think in the relations of Budapest vs. countryside, the central region vs. the other areas of the country, West vs. East or be it the axes of development when talking about smaller micro regions, in the case of North-East Hungary, e.g. the development axis of Hatvan – Gyöngyös – Eger – Miskolc or the Tiszaújváros – Miskolc – Kazincbarcika industrial axis etc. The regional differences are mainly of economic nature- GDP, investment, unemployment, earnings etc. but they also hide societal consequences as well, which can bring about aggravating conflicts in the long run so that is why the intervention of the central government is of vital importance by means of the conscious and scheduled implementation of regional development. To achieve this objective, necessary information, i.e. the widest possible exploration of regional problems is necessary to which the economic statistical indices alone are not enough as several factors that cannot be measured in statistical terms also affects these processes invisibly. That is why the diverse methods in different regional levels such as questionnaires can be useful which can measure the attitude, regional identity, loyalty to the region of the locals. These techniques can provide the decision-makers with such additional information that cannot be purely measured by societal-statistical indicators. I do not expressively mean the unsuitability of the statistical indicator system, rather I would highlight its shortcomings. I myself also employed several indices used by the official statistical bodies to measure regional heterogeneity when positioning the region and analysing the NUTS 2 and NUTS 3 regional levels of the North-East region. During the examinations- dual index, Hoover-index, rate of allocation- I defined the extent of regional backlog that prevails in the relation of GDP and national economic investment as well as its features for the recent years and its possible future value. During the examination of the spatial spread of income- Robin Hood-index, income allocation ratio-I also indicated the regional units which are pulling ones and are compelled to face income deficit. In the light of the thought above, all this was supplemented by two other indices I formulated, which were used for processing the answers to a questionnaire of an almost 1000-person sample. The first of them is the complex index of living which is built around attitude, regional identity, image and individual preferences. The index of local retaining capacity includes the number of settlements in the given region as well as their service providing functions one by one, their accessibility, ranking and type by striving to consider both settlement structure and hierarchy. The results gained with their help must be given some thoughts by all means for the future as regarding the rural regions and those of favoured or disadvantaged situation, the retaining ability of the inhabitants has become a key factor especially in the time of the information society where the role of regional knowledge basis including the intellectual capital represented by the skilled labour force is fairly stressed.
114
M1. – IRODALOMJEGYZÉK 1. Allardt, E. (1993): Having, Loving, Being: An Alternative to the Swedish Model of Welfare Research. In: Nussbaum M. – Sen, A. (eds.) (1993): Quality of Life. pp. 88-95. 2. Armstrong, H. – Taylor, J. (2000): Regional Economics and Policy. Oxford: Blackwell. pp. 64-165. 3. Ágoston L. (szer.) (2007): Az életminıség fogalmán túl. Budapest: DEMOS Magyarország Alapítvány. 74 p. 4. Barta Gy. (2002): A magyar ipar területi folyamatai 1945-2000. Budapest-Pécs: Dialóg Campus. 272 p. 5. Bartke I. (szerk.) (1995): Területfejlesztés. Budapest: Eötvös Kiadó. 276 p. 6. Beluszky P. (2003): Magyarország településföldrajza – Általános rész. Budapest-Pécs: Dialóg Campus Kiadó pp. 288-308. 7. Benko G. (2005): Regionális tudomány. Budapest-Pécs: Dialóg Campus Kiadó. 125 p. 8. Bertalan P. (2004): A globalizáció hatása Magyarországon a területfejlesztés aspektusából. In: Sarudi Cs. (szerk.): Régió- és településmarketing. Kaposvár: Agroinform Kiadó. 33. p. 9. Bérczi Sz. (1995): Szimmetria és struktúraépítés. Budapest: Nemzeti Tankönyvkiadó. 11. p. 10. Biles, J. J. (2004): Export-oriented Industrialization and Regional Development: A Case Study of Maquiladora Production in Yucatán, Mexico. Regional Studies 38 (5). pp 517-532. 11. Bosker M. (2007): Growth, Agglomeration and Convergence: a Space-time Analysis for European Regions. Spatial Economic Analysis 2 (1). pp. 91-100. 12. Bronzini, R. – Piselli, P. (2009): Determinants of long-run regional productivity with geographical spillovers: The role of R&D, human capital and public infrastructure. Regional Science and Urban Economics. 39 (2). Online: http://www.sciencedirect.com/science?_ob=MImg&_imagekey=B6V89-4TNWGR0-11&_cdi=5865&_user=642170&_orig=search&_coverDate=03%2F31%2F2009&_sk=999609997&v iew=c&wchp=dGLbVlb-zSkzV&md5=65a9ff70a9534457cb07bd92b7aca1c4&ie=/sdarticle.pdf
13. Buettner T. – Ebertz A. (2009): Quality of life in the regions: results for German Counties. The Annals of Regional Science 43 (1) pp. 89-112. Online: http://www.springerlink.com/content/6812787488211241 14. Buzás N. (2000): Klaszterek: kialakulásuk, szervezıdésük és lehetséges megjelenésük a Dél-Alföldön. Tér és Társadalom 14 (4). pp. 109-123. 15. Capello, R. (2007): Regional Economics. London: Routledge. 322 p. 16. Cainelli G. – Iacobucci D. – Morganti E. (2006): Spatial agglomeration and business groups: New evidence from Italian industrial districts. Regional Studies 40 (5). pp. 507-518. 17. Christaller, W. (1933): Die zentralen Orte in Süddeutschland. Jena. 18. Commission Of The European Communities [1999]: Sixth Periodic Report on the Social and Economic Situation and Development of Regions in the European Union. Luxembourg: CEC. 75. p. 19. Csite A. – Németh N. (2007): Az életminıség területi differenciái Magyarországon: a kistérségi szintő HDI becslési lehetıségei. Budapest: Magyar Tudományos Akadémia Közgazdaságtudományi intézet. 69 p.
115
20. Csizmadia Z. (2004): Regionális különbségek az Európai Unióban és a különbségeket meghatározó tényezık. 10 p. Online: http://rs1.szif.hu/~pmark/publikacio/Netware/csizmadiasz.doc 21. Csöndör Zs. (1998): A területfejlesztési források decentralizációja, mint az önkormányzati fejlesztések új lehetısége Baranya megye példáján 1996-1998. Polvax 2 (3). pp. 91-115. 22.
Diener, E. – Suh, E. (1997): Measuring Quality of Life: Economic, Social and Subjective Indicators. Social Indicators Research. 40 (1-2) pp. 189-216. Online: http://www.springerlink.com/content/p1j7507112p6u744/fulltext.pdf
23. Diener, E. – Suh, E. (1997b): Subjective Well-Being and Age: an International Analysis. Annual Review of Gerontology and Geriatrics 17. pp. 304-327. 24. Ditlevsen O. – Friis-Hansen P. (2008): Discussion to ‘‘The derivation and calibration of the life-quality index (LQI) from economic principles”, by M.D. Pandey, J.S. Nathwani, N.C. Lind. Structural Safety 30 (3) pp. 274-275. Online: http://www.sciencedirect.com/science?_ob=MImg&_imagekey=B6V54-4RWJVRB-11&_cdi=5776&_user=10&_orig=search&_coverDate=05%2F31%2F2008&_sk=999699996 &view=c&wchp=dGLbVlWzSkzV&md5=3aaa01a2b039c47cadbf2cc12c882e73&ie=/sdarticle.pdf 25. Dıry T. (2005): Regionális innováció-politika. Budapest-Pécs: Dialóg Campus Kiadó. pp. 71-73. 26.
Easterlin, R. A. (2001): Income and Happiness: Towards a Unified Theory. The Economic Journal. 111 (473) pp. 465-484. Online: http://www3.interscience.wiley.com/cgi-bin/fulltext/121435071/PDFSTART
27. Enyedi Gy. (2004): Regionális folyamatok a posztszocialista Magyarországon. Magyar Tudomány 109 (9) pp. 935-941. 28. European Commission [1990]: New Location Factors for Mobile Investments in Europe. Luxembourg. 29. Faluvégi A. (2000): A magyar kistérségek felettségi különbségei. Területi Statisztika, 3 (4) pp. 319-345. A. (2004): Kistérségein helyzete az EU küszöbén. 30. Faluvégi http://www.kee.hu/kertepiteszet/Kistersegek_helyzete_az%20EU_kuszoben.pdf
Online:
31. Federal Bureau of Statistics of Pakistan [2007]: Pakistan Social and Living Standards Measurement Survey (2006-07). Islamabad: FBSP. Online: http://www.statpak.gov.pk/depts/fbs/statistics/pslm2006_07/report_pslm06_07.pdf 32. Filepné N. É. (2005): A kistérség fogalma, jogi keretei. Online: http://gtfk.nyf.hu/uj/files/publikaciok/Inv2005_Nagy_eva_133-138.pdf 33. Friedman, T. L. (2006): És mégis lapos a Föld. A XXI. század rövid története. HVG Könyvek. Budapest: HVG Kiadó Zrt. 390 p. 34. Fujita, M. (1999): Location and Space-Economy at half a century: Revisiting Professor Isard's dream on the general theory. The Annals of Regional Science, 33 (4) 375. p. 35. Gaertner, W. – Xu Y. (2008): A new class of measures of the standard of living based on functionings. Economic Theory. 35 (2) pp. 201-215. Online: http://www.springerlink.com/content/q7616621216x4602/fulltext.pdf 36. Gashawbeza W. Bekele, G. W. – Jackson R. W. (2006): Theoretical Perspectives on Industry Clusters Morgentown: West Virginia University. 26 p. Online: http://www.rri.wvu.edu/pdffiles/bekelewp2006-5.pdf 116
37. G. Fekete É. (2004): Az Észak-magyarországi régió kistérségeinek abszorpciós képessége és helyzetük Magyarország más kistérségéivel összehasonlítva. Észak-magyarországi stratégiai füzetek. Miskolc: MTA-RKK ÉMO Miskolc. 2004. pp. 40-97. 38. Hall, E. T. (1966): The Hidden Dimension. Garden City, N. Y.: Doubleday. 217 p. 39. Haq, M. ul. (1990): Human Development: Old Myths and New Insights. In: Unated Nations Development Program – Developmetn Challenges for The 1990s. New York. 40. Harnos Zs. (szerk). (1993): Biometriai módszerek és alkalmazásaik MINITAB programcsomaggal. Budapest: Akaprint. 240 p. 41. Hayter, R. (1997): The Dynamics of Industrial Location: The Factory, the Firm, and the Production System. Chicester: John Wiley & Sons. 504 p. 42. Hári P. (2007): Környezet és életminıség – A magyar társadalom attitődjei a környezethez és ezek kapcsolata az emberek boldogságérzetével. In: Utasi Á. (szerk.) (2007): Az életminıség feltételei. Budapest: Magyar Tudományos Akadémia Politikai Tudományok Intézete. pp. 38-39. 43. Healy, M. J. – Ilbery, B. W. (1991): Location and Change. Perspectives an Economic Geography. New York: Oxford University Press. 400 p. 44. Horváth Gy. (2001): Európai regionális politika. Budapest-Pécs: Dialóg Campus Kiadó. 501 p. 45. Hoover, E. M. (1970): The Partial Equilibrium Approach. In: Dean, R. D. – Leahy, W. H. – McKee, D. L. (eds): Spatial Economic Theory. New York: The Free Press. pp. 4-14. 46. Hoover, E. M. (1984): An Introduction to Regional Economics. New York: McGraw-Hill Companies. 464 p. 47. Hoover, E. M. – Giarratani F. (1999): An Introduction to Regional Economics. Online: http://www.rri.wvu.edu/WebBook/Giarratani/chapterone.htm#1.2. 48. Hoyt, H. (1939): The Structure and Growth of Residential Neighbourhoods in American Cities. Washington: Federal Housing Administration 49. Inglehart, R. – Klingemann, H.-D. (2000): Genes, Culture, Democracy and Happiness. In: Diener, E. – Suh, E. M. (eds.): Subjective Well-Being across Cultures. Cambridge. pp.165183. 50. Inglehart, R. – Baker, W. E. (2000): Modernization, Cultural Change, and The Persistence of Traditional Values. American Sociological Review 65 (2). pp.19-51. 51. Inglehart R. – Welzel, C. (2002): Political Culture and Democracy. 33 p. Online: http://www.worldvaluessurvey.org/ 52. Inglehart R. – Welzel, C. (2006): Cultural Map of The World. World Values Survey. Online: http://www.worldvaluessurvey.org/ 53. Inzelt A. (1996): A ráfordítások és eredmények a hazai K+F-szférában. Külgazdaság 40 (1). pp. 58-73. 54. International Living [2009]: Quality of Life Index - 194 countries ranked and rated to reveal the world’s best places to live in 2009. Online: http://www.internationalliving.com/InternalComponents/Further-Resources/qofl2009 55. Isard, W. (1975): Introduction to Regional Science. New Jersey: Prentice Hall. 235 p. 56. Jones, C. I. (2001): Introduction to Economic Growth. London: W. W. Norton. pp. 20-32. 57. Karhusz Péter (2003): A telephelyválasztás elméleti keretrendszere. Gyır: SZE, 2003. Online: http://www.sze.hu/~grosza/telephelyvalasztas.pdf 117
58. Káposzta J. (2003b): The Inherence of The Development of The Spatial Structure in Hungary. Durban: 25th IAAE Conference. 59. Káposzta J. (2007): Regionális gazdaságtan. DE Kiadó. Debrecen. 60. Ketskeméty L.- Izsó L. (2005): Bevezetés az SPSS programrendszerbe. Budapest: Eötvös Kiadó. 459 p. 61. Király, Zs. (2006): The Dimensions of Regional Central-Periphery Relations in Hungary. In: Benet I. (ed.) (2006): Agricultural Transition and Rural Development after 1989 (Experience of Different Countries). Budapest: Institute of Economics of Hungarian Academy of Sciences. pp. 104-115. 62. Kolars; J. F. – Nystuen J. D. (1974): Human Geography. Spatial Design in World Society. McGraw-Hill Book Co. 63. Konagaya, K. (1998): Spatial Structural Modeling of Land Use by Rent Theory (GTM). 8 p. Online: http://www-cger.nies.go.jp/lugec/Proceedings/21)Konagaya.pdf 64. Kondor, A. Cs. (2008): A területi folyamatok szabályozásának nehézségei a globalizáció korában. Földrajzi közlemények. 132 (2). pp. 129-143. 65. Korompai A. (1995): Regionális stratégiák jövıkutatási megalapozása. Budapest: ELTE. 33. p. 66. Korten, D. C. (2002): Tıkés társaságok világuralma. Budapest: Kapu Kiadó. 451 p. 67. Kovács B. – Horkay N. – Michalkó G. (2006): A turizmussal összefüggı életminıség-index kidolgozásának alapjai. Online: www.mth.gov.hu/download.php?ctag=download&docID=186
68. Kovács Z. (2002): Népesség- és településföldrajz. Budapest: Eötvös Kiadó. 239 p. 69. Központi Statisztikai Hivatal [1999-2008]: Területi statisztikai évkönyv 1998-2007. Budapest: KSH. 70. Központi Statisztikai Hivatal [2003]: A leghátrányosabb helyzető kistérségek. Budapest: KSH. 53 p. 71. Központi Statisztikai Hivatal [2004]: A bruttó hazai termék (GDP) területi megoszlása 2002-ben. Budapest: KSH. 72. Központi Statisztikai Hivatal [2005]: A gazdasági fejlıdés regionális különbségei Magyarországon 2004-ben. Debrecen: KSH. 57 p. 73. Központi Statisztikai Hivatal [2007]: Területi statisztikai évkönyv 1996-2006. Budapest: KSH 74. Központi Statisztikai Hivatal [2008]: A Magyar Köztársaság helységnévkönyve 2008. január 1. Budapest: KSH. 228 p. 75. Krugman P (1991): Geography and Trade. Leuven: Leuven University Press. 76. Kuttor D. (2005): Regionalizáció és regionális versenyképesség a Kárpát-medencében. In: Glück R. – Gyimesi G. (szerk.): Évkönyv 2004-2005 II. kötet. Pécs: Pécsi Tudományegyetem Regionális Politika és Gazdaságtan Doktori Iskola. 27. p. 77. Leamer, E. E. (1995): The Heckscher-Ohlin Model in Theory and Practice. Princetone Studies in International Finance. No. 77 New Jersey: Princeton. 60 p. 78. Lehota J. (szerk.) (2001): Marketingkutatás az agrárgazdaságban. Budapest: Mezıgazda Kiadó. 233 p.
118
79. Lengyel I.(2000): A regionális versenyképesség tényezıi, különös tekintettel a Dél-Alföld re. In: Farkas B. – Lengyel I. (szerk): Versenyképesség – regionális versenyképesség. Szeged: JATEPress. pp. 39-57. 80. Lengyel I. (2003): Verseny és területi fejlıdés. Szeged: JATEPress 454 p. 81. Lengyel I. – Rechnitzer J. (2004): Regionális gazdaságtan. Budapest-Pécs: Dialóg Campus Kiadó. 391 p. 82. Liu, B-C. (1978): Variations in Social Quality of Life Indicators in Medium Metropolitan Areas.Preview By: Ben-Chieh Liu. American Journal of Economics & Sociology 37 (3). pp. 241-260. Online: http://web.ebscohost.com/ehost/pdf?vid=4&hid=4&sid=e4100db7-a3704aa4-a073-906555d955a4%40sessionmgr104 83. Lomranz, J. – Eyal, N. - Shmotkin, D. – Zemach, M. (1990): Subjctive Well-being and its Domains across Different Age Groups: an Israeli Sample. Pp.181-190. 84. Lösch, A. (1940): Die Räumlich Ordnung der Wirtschaft (The Spatial Organization of the Economy). Jena 85. Magyar Köztársaság Pénzügyminisztériuma [2006]: Fıbb életszínvonal mutatók 2004-2005. Online: http://www1.pm.gov.hu/web/home.nsf/(PortalArticles)/6B6900F83E534CD0C12571DB004 8DB1F/$File/makro_eletsz.pdf 86. Magyar Tudományos Akadémia - Regionális Kutatások Központja [2002]: Területi konfliktusok és változásaik a periférián. Kecskemét: MTA-RKK. 72 p. 87. Marczynska-Witczak E. (1998): Changes in Living Conditions in Poland Under Economic Transition. International Advances in Economic Research 4 (4). pp. 318-323. Online: http://www.springerlink.com/content/y5262r52437j7715/fulltext.pdf
88. Marshall, A. (1890): Principles of Economics: Abridged Version. New York: Cosimo. (2006) 344 p. 89. Márfai A. (2007): A szubjektív életkörülmények társadalmi-gazdasági összefüggései. In: Utasi Á. (szerk.) (2007): Az életminıség feltételei. Budapest: MTA Politikai Tudományok Intézete. pp. 7-8. 90. Ministry of Social Development of New Zealand [2006]: New Zealand Living Standards 2004. Wellington: MSD. 212 p. Online: http://www.msd.govt.nz/documents/about-msd-andour-work/publications-resources/monitoring/living-standards-report.pdf 91. Molnár L. et. al. (1995): Piacanalízis, piackutatás. Budapest: Nemzeti Tankönyvkiadó. 223 p. 92. Nemes Nagy J. (1995): A GDP regionális számbavétele. In: Probáld F.(szerk.): Pro Geographia Humana. Budapest: Eötvös Kiadó. pp. 99-118. 93. Nemes Nagy J. (1998): A tér a társadalomkutatásban. Budapest: Hilscher Rezsı Szociálpolitikai Egyesület. 195 p. 94. Nemes Nagy J. (szerk). (2005): Regionális elemzési módszerek. Budapest: ELTE-RFT. 284 p. 95. Organisation for Economic Co-operation and Competitiveness and Skills. Paris: OECD. 207. p.
Development
[1997]:
Regional
96. Önkormányzati és Területfejlesztési Minisztérium [2008]: Egységes szerkezetbe foglalt területi kohéziós útmutató. 27. p.
119
97. Pál Á. (2001): Településalkotó szférák vizsgálata a Dél-Alföld országhatár mentén fekvı kisvárosaiban a határ két oldalán. Online: http://geography.hu/mfk2001/cikkek/Pal.pdf 98. Phelps, E. S (2006): Economic Culture and Economic Performance: What Light Is Shed on the Continent’s Problem? Center on Capitalism and Society Working Paper No.17., New York: Columbia University. 99. Pike A. – Rodríguez-Pose A. – Tomaney J. (2006): Local and Regional Development. London: Routledge. 74. p. 100. Piskóti I. – Dankó L. – Schupler, H. (2002): Régió és- településmarketing. Budapest: KJKKERSZÖV Jogi és Üzleti Kiadó. 389 p. 101. Porter M. E. (2003): Location, Clusters and Company Strategy In: Clark, G. L. – Feldman, M. P. – Gertler M. S. (eds.): The Oxford Handbook of Economic Geography. New York: Oxford University Press. pp. 253-274. 102. Rechnitzer J. – Lados M. (2004): A területi stratégiáktól a monitoringig. Budapest – Pécs: Dialóg Campus Kiadó. 251. p. 103. Richardson, H. W. (1973): Regional Growth Theory. London: Macmillan 274 p. 104. Roberts M. (2004): The Growth Performances of the GB Counties: Some New Empirical Evidence for 1977-1993. Regional Studies 38 (2). pp. 149-165. 105. Sajtos L.- Mitev A.. (2007): SPSS kutatási és adatelemzési kézikönyv. Budapest: Alinea Kiadó. 402 p. 106. Sarudi Cs. (szerk.) (2003): Térség- és vidékfejlesztés. Budapest: Agroinform Kiadó. 308 p. 107. Scott, A. J. (2006): Geography and Economy. Oxford: Oxford University Press. 151. p. 108. Smith, D. M. (1971): Industrial Location: An Economic Geographical Analysis. New York: John Wiley & Sons Inc. 568 p. 109. Smith, J. H. – Briers G. E. – Smith, C. W. (2004): Correlates of Quality of Life of Agricultural Scolarship Recipients. Social Indicators Research 69 (1). pp. 51-66. Online: http://www.springerlink.com/content/w880829886826876/fulltext.pdf 110. Spanier, G. B. (1999): Enhancing the Quality of Life: A Model for the 21st-Century LandGrant University.Preview. Applied Developmental Science 3 (4) pp. 198-205. Online: http://web.ebscohost.com/ehost/pdf?vid=2&hid=16&sid=33c2161a-0f12-4920-a04ea6d2ac3121c4%40sessionmgr108 111. Stevens, B. H. (1968): Location theory and programming models: The von Thünen case. Papers in Regional Science, 21 (1) pp. 19-34. 112. Storper, M. (1997): The Regional World: Territorial Development in a Global Economy. New York: The Guilford Press. pp. 26-28. 113. Süli-Zakar I. (szerk.) (2003): A terület- és településfejlesztés alapjai. Budapest-Pécs: Dialóg Campus Kiadó. 471 p. 114. Székelyi M. – Barna I. (2002): Túlélıkészlet az SPSS-hez. Budapest: Typotex Kiadó. 453 p. 115. Szőcs I. (2002): Alkalmazott statisztika. Budapest: Agroinform Kiadó. 551 p. 116. The Economist [2005]: The Economist Intelligence Unit’s quality-of-life index. 4 p. Online: http://www.economist.com/media/pdf/QUALITY_OF_LIFE.PDF 117. The World Bank [2007]: Qualitive Survey on Disability and Living Standards in Georgia. Tbilisi: Institute for Policy Studies. 105 p. Online: http://pdc.ceu.hu/archive/00003102/01/disability_survey.pdf 120
118. United Nations Economic Comission for Europe [2007]: Rural Households’ Livelihood and Well-Being Online: http://www.fao.org/es/ess/rural/9.0%20Complete%20Publication.pdf 119. Utasi Á. (szerk.) (2007): Az életminıség feltételei. Budapest: Magyar Tudományos Akadémia Politikai Tudományok Intézete. 5. p. 120. VÁTI [2003]: A gazdasági térszerkezet vizsgálatát elısegítı új dimenziók, illetve az ezzel kapcsolatos módszerek kutatása. II. részjelentés. Budapest: VÁTI. 78. p. 121. Veenhoven, R. (1996): The Study of Life Satisfaction. In: W. E. Saris – R. Veenhoven – A. C. Scherpenzeel – B. Bunting (szerk.): A Comparative Study of Satisfaction with Life in Europe. Budapest: Eötvös University Press. pp. 11-48. Online: http://www2.eur.nl/fsw/research/veenhoven/Pub1990s/96d-full.pdf 122. Veenhoven, R. (1997): Qulity of Life in Individualistic Society. A Comparison of 43 Nations in the Early 1990’s. In: De Jong, M. J. – Zijderveld, A. C. (eds.): The Gift of Society. Nijkerk: Enzo Press. pp. 149-170. 123. Veenhoven, R. (2000): The Four Qualities of Life. Journal of Happiness Stuedies. 1 (1). pp. 1-39. Online: http://www.springerlink.com/content/g2406q8u16716q6w/fulltext.pdf 124. Vertova G. (2006): The Changing Economic Geography of Globaliztion. Reinventing Space. London: Routledge. 250 p. 125. Vofkori G. (2002): Gazdasági földrajz. Kolozsvár: Scientia Kiadó. 317 p. 126. Wackernagel, M. –Rees, W. (1996): Our Ecological Footprint: Reducing Human Impact on the Earth. Philadelphia: New Society Publishers. 127. Wadley, D. (1986): Restructuring the Regions: Analysis, Policy, Model and Prognosis. OECD. 172 p. 128. Wall, H. J. (2001): Voting with your feet in the United Kingdom: Using cross-migration rates to estimate relative living standards. Papers in Regional Science 80 (1). pp. 1-23. Online: http://www.springerlink.com/content/9ha731du6g6u9nbw/fulltext.pdf 129. Wild, T. (szerk.) (1983): Urban and rural change in West Germany. London: Barnes & Noble Books. 259 p. 130. Zheng, X.-P. (2007): Economies of Network, Urban Agglomeration, and Regional Development: A Theoretical Model and Empirical Evidence. Regional Studies. 41 (5). pp. 559-569. Jogszabályok:
131. 67/2007. OGY határozat a területfejlesztési támogatásokról és a decentralizáció elveirıl, a kedvezményezett térségek besorolásának feltételrendszerérıl 132. 2007. évi CVII. törvény a települési önkormányzatok többcélú kistérségi társulásáról szóló 2004. évi CVII. törvény módosításáról
121
122
M2. – ÁBRÁK JEGYZÉKE 1. ábra Storper „szentháromság-modellje” ....................................................................................................................... 15 2. ábra A globális világ térszerkezete (strukturált elméleti modell) ................................................................................. 18 3. ábra A globális világ erıvonalai és térszerkezete ......................................................................................................... 18 4. ábra Globális-lokális paradoxon fıbb jellemzıi összefoglalva..................................................................................... 20 5. ábra Kulturális értékek két dimenzióban ...................................................................................................................... 29 6. ábra Elırelépés a kulturális értékek dimenzióiban ....................................................................................................... 29 7. ábra A magyar területi egységek (megyék és régiók) fejlettsége.................................................................................. 35 8. ábra A magyar megyék fejlettségi szintje, csoportosulása............................................................................................ 36 9. ábra Az MTA-RKK kistérségi abszorpciós képességek vizsgálatának eredményei ..................................................... 37 10. ábra A felmérés során elért települések megoszlása igazgatási rang alapján.............................................................. 53 11. ábra A kérdıíves felmérés során elért települések elhelyezkedése............................................................................. 54 12. ábra A kérdıívezés során elért települések megoszlása településkategória alapján (%) ............................................ 55 13. ábra Az elvárt reprezentativitási szint a lakosság területi megoszlása tükrében ......................................................... 56 14. ábra Kistérségek mintán belüli reprezentativitása....................................................................................................... 57 15. ábra A munkanélküliség (%) alakulása regionális és országos szinten (1998-2007).................................................. 65 16. ábra A munkanélküliség (%) alakulása megyei és országos szinten (1998-2007)...................................................... 66 17. ábra Bruttó keresetek (Ft/fı/hó) alakulása regionális és országos szinten (1998-2007) ............................................. 66 18. ábra Bruttó keresetek (Ft/fı/hó) alakulása megyei és országos szinten (1998-2007) ................................................. 67 19. ábra Egy fıre jutó GDP (ezer Ft/fı) regionális és országos szinten (1998-2006)....................................................... 67 20. ábra Egy fıre jutó GDP (ezer Ft/fı) megyei és országos szinten (1998-2006)........................................................... 68 21. ábra Nemzetgazdasági beruházás (Ft/fı) regionális és országos szinten (1998-2007) ............................................... 68 22. ábra Nemzetgazdasági beruházás (Ft/fı) megyei és országos szinten (1998-2006) ................................................... 68 23. ábra A kistérségi jövedelmi allokációs értékek Északkelet-Magyarországon ............................................................ 75 24. ábra A kistérségi jövedelmi allokációs értékek Északkelet-Magyarországon ............................................................ 76 25. ábra A kistérségi jövedelmi allokációs értékek Északkelet-Magyarországon ............................................................ 76 26. ábra A válaszadók nem szerinti megoszlása (%) területi egységeként ....................................................................... 77 27. ábra A válaszadók korcsoportos megoszlása területi egységenként (%) ................................................................... 77 28. ábra A válaszadók iskolai végzettség szerinti megoszlása (%)................................................................................... 78 29. ábra A válaszadók foglalkozásuk szerinti megoszlása területi egységenként............................................................. 78 30. ábra A munkahellyel rendelkezı válaszadók foglalkoztató szektor szerinti megoszlása területi egységenként......... 79 31. ábra A felmérés során megkérdezettek megoszlása lakhelyük igazgatási rangja szerint............................................ 79 32. ábra A felmérés során megkérdezettek megoszlása lakhelyük településtípusa szerint ............................................... 80 33. ábra A válaszadók megoszlása megyék szerint .......................................................................................................... 80 34. ábra A kistérségek fejlettségi besorolása a megkérdezettek válaszai alapján ............................................................. 84 35. ábra Az északkelet-magyarországi kistérségek fejlettsége ......................................................................................... 84 36. ábra Kistérségek fejlettsége Magyarországon a 67/2007. OGY határozatban rögzített komplex mutató alapján (kartogram részlet)............................................................................................................................................................ 85 37. ábra Szolgáltatásfunkciók elérhetısége a települések arányában ............................................................................... 85 38. ábra Településfunkciók koncentrációja szolgáltatásfunkció-pontszámok alapján...................................................... 86 39. ábra Települések a gyorsforgalmi utaktól való idıbeni távolságuk alapján................................................................ 87 40. ábra A válaszadók megoszlása lakhelyeik gyorsforgalmi úttól való idıben mért távolsága alapján .......................... 87 41. ábra Meghatározó gazdasági tevékenység térségenként az említések gyakorisága szerint......................................... 88 42. ábra A közeljövıben lakhelyet változtatók aránya térségenként és a lakhelyváltoztatás célterületei ......................... 88 43. ábra A lakhelyváltoztatás okai .................................................................................................................................... 89 44. ábra A területfejlesztési források odaítélésében szerepet játszó tényezık .................................................................. 89 45. ábra Az ingázók, a helyben dolgozók és az állandó munkahellyel nem rendelkezık aránya ..................................... 90 46. ábra A munkanélküliek megoszlása munkanélkülivé válásuk óta eltelt idı alapján................................................... 90 47. ábra A „Miért nem talál munkát?” kérdésre adott válaszok megoszlása .................................................................... 91 48. ábra Az ingázás megjelölt okai ................................................................................................................................... 91 49. ábra Ingázók lakhelye és munkahelye közötti távolság .............................................................................................. 92 50. ábra A válaszadók jövedelmi helyzete jövedelemkategóriák szerint.......................................................................... 92 51. ábra A válaszadók jövedelmi helyzete jövedelemkategóriák szerint.......................................................................... 93 52. ábra A válaszadók háztartásának jellemzıi ................................................................................................................ 93 53. ábra Megyei élhetıségi index átlagértékei területi egységenként ............................................................................... 95 54. ábra A települési élhetıségi index átlagértékei........................................................................................................... 96 55. ábra A relatív kistérségi élhetıségi index átlagértékei................................................................................................ 96 56. ábra Komplex élhetıségi index átlagértékei ............................................................................................................... 96 57. ábra Az élhetıségi indexek alakulása korcsoportonként ............................................................................................ 97 58. ábra Az élhetıségi indexek (adott válaszok értékeinek átlagai) településrangonként................................................. 98 59. ábra Az élhetıségi indexek (adott válaszok értékeinek átlagai) településrangonként................................................. 98 123
60. ábra A kistérségek módosított komplex élhetıségi indexe ....................................................................................... 100 61. ábra Helyben tartó képességi index kistérségenként................................................................................................. 103 62. ábra A megfigyelési változók és a generált háttérváltozók (fıkomponensek) közötti kapcsolat.............................. 104 63. ábra A könyökszabály alkalmazásának eredményeként kapott görbe ...................................................................... 105 64. ábra Kistérségek relatív helyzete (1998)................................................................................................................... 107 65. ábra Kistérségek relatív helyzete (2002)................................................................................................................... 107 66. ábra Kistérségek relatív helyzete (2002(2004)) ........................................................................................................ 108 67. ábra Kistérségek relatív helyzete (2006)................................................................................................................... 109 68. ábra Kistérségek relatív helyzete (2002-2006) ......................................................................................................... 109
124
M3. – TÁBLÁZATOK JEGYZÉKE 1. táblázat: A regionális gazdaságtan elıfutárai és a térbeliség kiterjesztıi ................................................................... 12 2. táblázat: Térségi szintek a társadalomban................................................................................................................... 17 3. táblázat: Allardt életminıség modellje ..................................................................................................................... 44 4. táblázat: A felmérés során alkalmazott településkategóriák (Kovács alapján) ........................................................... 54 5. táblázat: A minta „reprezentativitása” megyei szinten a lakosság területi megoszlásának tükrében.......................... 55 6. táblázat: Képzett kistérségi kategória a mintán belüli arány és az elvárt reprezentativitási szint alapján................... 56 7. táblázat: Alapadat mátrix ............................................................................................................................................ 59 8. táblázat: A Kaiser- Meyer- Olkin mérték értékelése................................................................................................... 60 9. táblázat: A fıkomponens analízis alkalmazhatósági vizsgálatának eredményei ........................................................ 63 10. táblázat Súlyozatlan (D) és súlyozott duál-mutató (DS) értékei a területi GDP és beruházás tekintetében, regionális és megyei szinten (1998-2007) ....................................................................................................................................... 70 11. táblázat: A GDP területi egyenlıtlensége (H értékei) a népesség megoszlása alapján ............................................. 71 12. táblázat: A GDP területi egyenlıtlenségének átlagos mértéke (H), változásának trendje ........................................ 71 13. táblázat: A beruházás területi egyenlıtlensége (H értékei) a népesség megoszlása alapján ..................................... 71 14. táblázat: A beruházás területi egyenlıtlenségének átlagos mértéke (H), változásának trendje ................................ 71 15. táblázat: A GDP-re számolt allokációs hányados területi értékei (átlag, 1998-2006)............................................... 72 16. táblázat: A beruházásra számolt allokációs hányados területi értékei (átlag, 1998-2007) ........................................ 73 17. táblázat: A Robin Hood-index átlagértéke területi egységenként ............................................................................. 74 18. táblázat. A saját megye értékelése során kapott pontok átlag- és szórásértékei........................................................ 81 19. táblázat: A saját település és közvetlen térsége értékelési pontjainak átlag- és szórásértékei................................... 82 20. táblázat: A saját lakhely kistérségének relatív minısítési pontátlagai és azok szórásértékei.................................... 83 21. táblázat: A települési szolgáltatásfunkciók súlyozása............................................................................................... 86 22. táblázat: Kistérségek élhetıségi megítélése a kérdıív eredményeibıl képzett indexek alapján ............................... 99 23. táblázat: A helyben tartó képességi index kiszámításához felhasznált tényezık és értékeik .................................. 101 24. táblázat: A megfigyelési változók közötti korrelációs értékek ............................................................................... 104 25. táblázat: Kommunalitás értékek változónként ........................................................................................................ 105 26. táblázat: Generált komponensek sajátértékei és megmagyarázási arányuk ............................................................ 105 27. táblázat Az eredeti változók megmagyarázási aránya komponensenként............................................................... 106
125
126
M4 - KÉRDİÍV Tisztelt Hölgyem / Uram! Az alábbi kérdıív önkéntes és névtelen, mely csupán PhD tanulmányaim végét jelentı doktori dolgozatom sikeres elkészítéséhez szükséges. Kérem, tiszteljen meg azzal, hogy az alábbi kérdéseket megválaszolja! Türelmét és segítségét elıre is köszönöm. Tisztelettel: Király Zsolt, tanársegéd, PhD hallgató Károly Róbert Fıiskola, Gyöngyös Szent István Egyetem – GSZDI, Gödöllı
Lakhely és térségének minısítése 1. Kérem, az alábbiak szerint minısítse azt a megyét, amelyben Ön él! (Kérem, karikázza be válaszát, ahol 1= egyáltalán nem jellemzı 5 = teljes mértékben jellemzı.) Könnyen megközelíthetı 1 2 3 4 5 Sikeres és gazdag 1 2 3 4 5 Fejlıdıképes 1 2 3 4 5 Lehetıségekkel teli 1 2 3 4 5 Beruházások által kedvelt 1 2 3 4 5 Turisták által szívesen látogatott 1 2 3 4 5 A sikeres vállalkozói tevékenységhez megfelelı térség 1 2 3 4 5 Rendezett, tiszta 1 2 3 4 5 2. Minısítse lakhelyét, illetve annak közvetlen térségét az alábbi szempontok szerint! (Kérem, karikázza be válaszát, ahol 1= nagyon rossz 5 = nagyon jó.) Munkalehetıség szempontjából 1 2 3 4 Átlagos jövedelemszint tekintetében 1 2 3 4 Közoktatás színvonala alapján 1 2 3 4 Egészségügyi szolgáltatások színvonala alapján 1 2 3 4 Hivatali, hatósági ügyintézés színvonala alapján 1 2 3 4 Sportolási lehetıségek tekintetében 1 2 3 4 Kulturális lehetıségek tekintetében 1 2 3 4 Egyéb szabadidıs lehetıségek tekintetében 1 2 3 4 Közbiztonságot illetıen 1 2 3 4 Helyi tömegközlekedés szempontjából 1 2 3 4 Helyközi tömegközlekedés szempontjából 1 2 3 4 Közutak állapota alapján 1 2 3 4 Kommunális infrastruktúra (víz, gáz, villany, szennyvíz) tekintetében 1 2 3 4 Településképet, köztisztaságot illetıen 1 2 3 4 Természetes környezet állapota alapján 1 2 3 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3. Kérem, értékelje a települését, illetve (kis)térségét más térségekhez képest a következık szerint! (Kérem, karikázza be válaszát, ahol 1= igen kedvezıtlen 5 = igen kedvezı.) Gazdasági helyzet alapján 1 2 3 4 5 Munkanélküliségi helyzet tekintetében 1 2 3 4 5 Infrastrukturális helyzet (út, víz, gáz, villany, telefon, stb.) alapján 1 2 3 4 5 Népességi helyzetet (elvándorlás mértéke, fiatalok aránya) illetıen 1 2 3 4 5 Szakképzettség tekintetében 1 2 3 4 5 Vállalkozói tevékenység kilátásai alapján 1 2 3 4 5 Egészséges, élhetı környezet tekintetében 1 2 3 4 5 Komplex fejlettségi helyzetét (az elıbbieket együtt véve) tekintve 1 2 3 4 5 127
4. Véleménye szerint, az Ön települését, illetve annak (kis)térségét más térségekkel összehasonlítva, a fejlettség tekintetében melyik igaz? (Az elmúlt 8-10 év alapján!) (Csak egy válasz adható!) lemaradó stagnáló (változatlan) felzárkózó fejlıdı dinamikusan (igen gyorsan, látványosan) fejlıdı 5. Az Ön lakhelyén található (Egyszerre több válasz is adható!): óvoda általános iskola középiskola szakorvosi rendelı okmányiroda rendırség posta ATM (bankautomata) pénzintézet
háziorvosi rendelı tőzoltóság
6. Lakhelyétıl hány percen belül érhetı el gyorsforgalmi út (többsávos autóút, autópálya)? (Csak egy válasz adható!) – 15 16 – 30 30 – 59 60 – 7. Az ön lakhelyének közvetlen térségében mely gazdasági tevékenység a meghatározó? (Egyszerre több válasz is lehetséges!) mezıgazdaság és élelmiszeripar informatika, elektronika nehézipar idegenforgalom, turizmus üzleti szolgáltatások egyéb: ................... 8. Változtat-e Ön lakhelyet a közeljövıben? nem (Kérem, térjen át a 11. kérdésre!) igen 9. Ha igen, akkor hová költözik? (Csak egy válasz adható!) szomszédos kistelepülésre a legközelebbi városba megyén kívülre régión kívülre külföldre
megyeszékhelyre Budapestre, vonzáskörzetébe
10. Milyen okból kifolyólag döntött a lakhelyváltoztatás mellett? (Csak egy válasz adható!) munkahelyváltás könnyebb megélhetıség családi okok kedvezıbb életkörülmények tisztább és egészségesebb környezet 11. Véleménye szerint mi dönt leginkább a települések / térségek által kapott fejlesztési pénzösszegek megítélésében? (Csak egy válasz adható!) a település / térség által benyújtott pályázatok szakmai színvonala a rászorultság a település / térség lobbi ereje központi politikai elhatározások nem tudom megítélni
128
Munkalehetıség, jövedelemszint 12. Az Ön munkahelye a lakhelyén található, vagy minden nap ingázik? ingázom (Kérem, térjen át a 15. kérdésre!) helyben (Kérem, térjen át a 17. kérdésre!) nem rendelkezem állandó munkahellyel 13. Ha munkanélküli, mióta nincs munkahelye? (Amennyiben tanuló vagy nyugdíjas, kérem, térjen át a 17. kérdésre!) – 3 hónap 4 – 6 hónap 7 – 12 hónap több mint 12 hónap 14. Miért nem talál munkát? (Csak egy válasz adható!) a térségben nincs munkalehetıség a térségben nincs a szakmámnak, képzettségemnek megfelelı munkalehetıség munkalehetıség ugyan van, de a felkínált jövedelem számomra nem megfelelı életkoromból adódóan nem szívesen alkalmaznak egyéb: ................................................................ 15. Mi az oka annak, hogy más településen vállalt munkát? (Csak egy válasz adható!) helyben nincs munkalehetıség helyben nincs a szakmámnak és végzettségemnek megfelelı munkalehetıség magasabb jövedelem elérése érdekében egyéb: ........................................................................................... 16. Hány km-re található munkahelye lakhelyétıl (a településtıl, ahol él)? – 10 km 11 – 30 km 31 – 50-km 51 –100 km
100 – km
17. Az Ön havi nettó jövedelme: – 50.000 Ft
50.001 – 100.000 Ft
150.001 – 200.000
200.001 –
100.001 – 150.000
18. Az alábbiak közül Ön háztartása rendelkezik (Egyszerre több válasz is lehetséges!): személygépkocsival
megtakarítással
hiteltartozással
állandó lakcímén kívüli lakóingatlannal
egyéb ingatlannal
internet elıfizetéssel
Személyes kérdések 19. Az Ön neme: nı
férfi
20. Az Ön életkora: 18 – 30
31 – 40
41-50
51-60
61 év felett 129
21. Az Ön legmagasabb iskolai végzettsége: alapfokú (8 általános) középfokú (szakközép, szakiskola, gimnázium) felsıfokú (fıiskola, egyetem) 22. Az Ön foglalkozása: alkalmazott szellemi alkalmazott fizikai munkanélküli (Kérem, térjen át a 24. kérdésre!) háztartásbeli (Kérem, térjen át a 24. kérdésre!) 23. Ön melyik szférában dolgozik? közszféra (állami, önkormányzati)
vezetı mezıgazdasági dolgozó nyugdíjas (Kérem, térjen át a 24. kérdésre!) tanuló/diák (Kérem, térjen át a 24. kérdésre!)
versenyszféra
civil
24. Ön melyik megyében él? Borsod-Abaúj-Zemplén
Heves
Nógrád
Jász-Nagykun-Szolnok
Hajdú-Bihar
Szabolcs-Szatmár-Bereg
25. Ön mely településen él? ..............................................................................
26. Mi az Ön lakhelyének településtípusa? megyeszékhely, megyei jogú város Forrás: saját szerkesztés, 2008
130
város
nagyközség
község
M5. – REGIONÁLIS ÉS MEGYEI ADATOK ÖSSZEVETÉSE T1./M5. Öregedési index területi értékei (1990; 2001; 2008) Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Magyarország
1990 90,0 57,2 78,1 46,9 51,6 52,6 50,2 58,8 67,3 67,8 63,8 60,7 68,0 62,3 63,5 53,6 70,7 67,1 59,8 53,5 61,7 46,3 52,8 66,3 73,9 74,0 70,9 64,5
2001 138,3 74,1 109,0 77,7 80,7 86,0 81,3 91,2 94,4 102,1 95,3 92,2 91,6 90,4 91,5 76,0 100,8 94,7 84,7 73,4 88,1 63,1 72,9 90,3 100,3 96,8 95,1 91,3
2008 147,1 80,8 114,8 99,9 101,3 112,2 104,2 105,3 115,6 130,1 114,8 112,7 112,8 115,2 113,3 94,6 117,2 115,0 103,3 89,0 74,1 109,3 87,9 110,2 126,3 115,4 116,3 107,6
Forrás: KSH, 2008
Á1a)./M5. Öregedési index regionális értékeinek alakulása (1990; 2001; 2008) Forrás: KSH, 2008 (saját szerkesztés) 131
Á1b)./M5. Öregedési index megyei értékeinek alakulása (1990; 2001;2008) Forrás: KSH, 2008 (saját szerkesztés)
T2./M5. Aktivitási arány (%) területi értékei (1998-2007) Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Magyarország Forrás: KSH, 2008 132
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 55,2 57,0 56,8 56,4 56,9 58,3 60,8 61,0 60,0 59,9 53,2 54,9 55,5 55,8 56,0 56,1 56,3 57,5 58,1 57,7 54,5 56,3 56,4 56,2 56,6 57,5 59,0 59,6 59,2 59,0 54,8 56,4 55,0 56,0 56,9 58,9 57,0 56,6 58,0 56,9 51,7 54,4 54,2 53,2 54,8 57,7 57,8 59,0 59,4 59,2 54,5 56,4 55,4 55,6 55,9 57,1 55,9 56,5 57,1 56,9 53,8 55,9 54,9 55,1 56,0 58,0 56,9 57,2 58,1 57,6 57,7 58,1 57,6 57,3 58,7 56,7 55,2 56,9 57,3 58,1 59,6 59,8 61,0 59,8 60,8 61,2 59,7 59,4 59,9 59,7 56,9 57,1 57,0 57,7 57,2 56,2 57,8 59,4 59,7 58,9 58,0 58,2 58,3 58,1 58,8 57,7 57,2 58,3 58,7 58,8 49,7 50,0 49,7 49,3 49,4 48,7 46,9 51,4 51,8 48,7 49,4 50,0 51,1 50,1 49,2 52,6 49,8 50,2 50,0 49,6 52,0 53,4 52,3 51,6 51,0 53,8 55,7 54,0 54,3 53,2 50,2 50,8 50,9 50,2 49,7 51,3 50,1 51,6 51,8 50,1 44,9 46,7 46,8 46,0 47,2 48,2 48,8 48,0 49,1 50,3 48,5 49,8 51,4 50,5 49,4 51,8 50,7 50,3 50,3 52,3 49,0 50,0 50,6 49,7 50,7 52,3 49,3 49,1 51,1 51,2 46,6 48,1 48,6 47,8 48,3 49,8 49,3 48,8 49,8 51,0 47,5 50,4 49,2 49,7 49,4 50,5 50,3 50,4 52,2 50,1 48,8 51,0 51,2 49,5 49,2 51,2 49,2 49,9 52,5 53,4 43,6 44,5 44,7 45,2 44,9 46,6 46,3 47,4 49,7 49,7 46,4 48,4 48,0 48,0 47,7 49,3 48,5 49,1 51,4 50,8 52,8 53,6 53,0 53,1 52,8 53,2 53,5 53,1 52,8 53,2 46,7 47,5 47,4 47,8 47,6 47,3 46,8 48,1 48,4 50,5 53,6 52,9 53,0 54,1 51,8 49,2 50,0 53,0 53,6 53,7 51,3 51,6 51,4 51,8 51,0 50,3 50,5 51,6 51,8 52,6 51,7 53,1 53,0 52,8 52,9 53,8 53,8 54,5 55,0 54,9
Á2a)./M5. Aktivitási arány (%) regionális értékeinek alakulása (1998-2007) Forrás: KSH, 2008 (saját szerkesztés)
Á2b)./M5. Aktivitási arány (%) megyei értékeinek alakulása (1998-2007) Forrás: KSH, 2008 (saját szerkesztés)
133
T3./M5. Munkanélküliségi arány (%) alakulása területi egységenként (1998-2007) Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Magyarország Forrás: KSH, 2008
134
1998 5,5 5,9 5,6 7,1 6,5 6,4 6,7 5,1 5,5 7,9 6,0 8,5 10,3 9,5 9,4 13,8 9,7 10,8 12,1 9,7 11,8 11,8 11,0 7,8 8,1 5,4 7,1 7,8
1999 5,3 5,0 5,3 6,0 6,6 5,6 6,0 3,7 4,7 5,1 4,4 7,3 8,9 8,8 8,2 13,1 8,7 10,9 11,5 8,8 10,9 11,0 10,1 6,4 6,2 4,5 5,7 7,0
2000 2001 2002 2003 2004 2005 2006 2007 5,2 4,2 3,7 3,7 4,4 4,7 4,8 4,9 5,1 4,5 4,3 4,7 4,7 5,9 5,6 4,6 5,2 4,3 3,9 4,0 4,5 5,2 5,1 4,7 5,2 4,8 6,1 4,8 6,4 6,3 4,9 4,8 5,4 4,6 4,1 4,3 5,2 7,5 7,5 6,0 4,0 3,6 4,5 4,6 5,0 5,3 6,1 4,4 4,8 4,3 5,0 4,6 5,6 6,3 6,1 5,0 4,3 4,1 3,9 3,4 3,8 4,3 4,3 3,7 4,6 5,1 4,8 5,1 5,8 8,0 7,4 6,8 3,8 3,3 3,6 5,9 4,7 6,4 6,3 5,3 4,2 4,1 4,0 4,6 4,6 5,9 5,7 5,0 7,1 6,5 7,2 8,1 8,0 8,4 7,6 7,5 8,4 9,7 8,2 7,0 6,1 9,2 10,3 11,7 8,3 7,2 8,4 8,9 7,7 8,8 9,6 11,6 7,8 7,7 7,9 7,9 7,3 8,8 9,0 10,0 11,6 9,3 10,5 11,2 10,9 12,0 12,0 13,8 7,5 6,7 5,7 7,8 7,3 8,3 9,1 11,0 9,1 8,5 8,1 7,8 9,4 9,5 10,6 9,5 10,1 8,5 8,8 9,7 9,7 10,6 11,0 12,3 7,1 6,4 6,6 6,0 5,7 8,4 9,2 7,9 9,4 7,3 7,8 5,6 6,2 8,3 9,6 9,4 11,2 9,6 9,1 8,4 9,5 10,3 13,6 14,7 9,2 7,8 7,8 6,8 7,2 9,1 10,9 10,8 5,7 6,4 6,2 7,3 7,1 8,5 9,4 9,3 5,8 6,0 6,9 7,1 6,5 8,4 7,8 8,1 4,0 3,7 5,5 5,0 4,9 7,5 5,9 6,0 5,2 5,4 6,2 6,5 6,3 8,2 7,8 7,9 6,4 5,7 5,8 5,9 6,1 7,2 7,5 7,4
T4./M5. Bruttó keresetek (Ft/fı/hó) területi értékei (1998-2007) Budapest Pest KözépMagyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-AbaújZemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-NagykunSzolnok Szabolcs-SzatmárBereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Magyarország Forrás: KSH, 2008
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 91 738 103 177 118 663 138 350 164 417 183 689 193 319 211 767 205 866 238 310 67 445 71 991 83 886 101 882 116 391 130 665 137 912 149 915 144 345 164 530 87 392
97 328 111 635 130 814 154 517 172 088 180 638 197 456 191 041 223 067
71 565 63 524 60 284 65 734 65 943 60 863 59 299 62 599 60 618 54 066 60 090 58 289
77 900 70 119 66 883 72 253 74 190 68 118 65 926 70 170 66 196 60 097 67 331 64 520
91 611 104 728 121 082 133 383 142 166 153 507 156 570 79 462 93 435 111 676 126 740 135 135 147 058 151 785 76 716 89 175 103 220 117 245 122 858 134 572 136 157 83 596 96 701 112 759 126 355 134 074 145 809 149 016 86 101 100 569 117 644 131 219 139 914 152 322 152 392 76 893 91 704 105 142 119 338 126 662 138 711 142 603 74 044 87 298 102 845 116 415 122 631 132 161 133 510 80 129 94 425 109 997 123 763 131 304 142 928 144 450 74 592 87 772 104 771 121 646 127 791 143 028 140 380 67 356 79 670 95 077 109 860 114 079 127 005 126 996 74 865 90 420 106 079 121 901 128 370 142 370 135 359 72 224 85 702 101 817 117 747 123 383 137 450 134 781
59 271
66 228
73 711
86 841 103 329 119 009 123 082 137 462 140 141 154 144
60 906 53 142 58 737 57 490
66 793 60 559 65 497 64 053
76 632 66 038 73 215 73 139
89 954 106 566 120 794 80 908 97 045 114 654 86 678 103 178 118 809 85 445 101 802 116 070
56 575
62 228
69 941
84 009
97 861 113 234 116 482 131 131 132 163 142 485
52 374
58 449
66 660
79 361
95 185 110 597 114 536 127 466 126 565 146 211
55 510 55 701 55 225 60 645 57 242 68 718
61 667 60 520 59 914 66 324 62 267 76 973
70 024 82 954 98 495 113 405 68 336 82 283 97 928 111 903 67 708 80 080 96 011 111 399 74 872 87 626 104 454 121 177 70 325 83 447 99 560 114 848 87 566 103 280 122 266 138 003
127 887 119 252 123 789 121 631
117 750 117 630 114 848 126 891 119 921 145 187
141 323 131 409 137 587 134 777
131 254 129 241 127 626 138 709 131 969 159 461
141 558 134 479 139 690 134 535
131 159 127 026 128 505 140 103 131 755 158 735
170 692 172 239 152 068 166 123 173 504 155 717 145 195 161 723 160 646 148 110 160 322 156 096
165 886 146 618 156 263 153 638
148 095 144 235 143 115 156 349 148 023 185 017
135
T5./M5. Egy fıre jutó GDP (ezer Ft/fı) térségenként (1998-2006) 1998 1999 2000 2001 2002 2003 Budapest 1 858 2 159 2 615 2 977 3 536 3 791 Pest 773 911 1 010 1 213 1 493 1 678 Közép-Magyarország 1 474 1 710 2 014 2 304 2 743 2 958 Fejér 1 234 1 287 1 535 1 497 1 596 1 782 Komárom-Esztergom 838 934 1 077 1 343 1 561 1 997 Veszprém 803 910 1 086 1 218 1 343 1 483 Közép-Dunántúl 978 1 061 1 255 1 360 1 502 1 744 Gyır-Moson-Sopron 1 204 1 480 1 731 1 750 1 996 2 257 Vas 1 162 1 333 1 475 1 461 1 679 1 985 Zala 901 1 014 1 082 1 234 1 472 1 754 Nyugat-Dunántúl 1 102 1 301 1 468 1 518 1 756 2 036 Baranya 783 885 976 1 102 1 258 1 401 Somogy 686 778 866 1 000 1 158 1 301 Tolna 861 1 009 1 049 1 219 1 342 1 345 Dél-Dunántúl 770 880 957 1 097 1 245 1 353 Borsod-Abaúj-Zemplén 690 760 827 936 1 054 1 182 Heves 726 817 916 1 093 1 250 1 398 Nógrád 565 620 698 819 925 1 025 Észak-Magyarország 678 751 827 956 1 081 1 210 Hajdú-Bihar 754 810 919 1 085 1 249 1 435 Jász-Nagykun-Szolnok 720 763 855 1 012 1 152 1 239 Szabolcs-Szatmár-Bereg 567 618 690 826 934 1 069 Észak-Alföld 675 726 815 967 1 104 1 244 Bács-Kiskun 713 791 856 999 1 178 1 280 Békés 691 772 846 962 1 069 1 158 Csongrád 889 977 1 063 1 180 1 327 1 465 Dél-Alföld 761 843 918 1 045 1 193 1 302 Magyarország 997 1 132 1 290 1 458 1 691 1 870 Forrás: KSH, 2008
136
2004 4 182 1 816 3 236 2 009 2 282 1 606 1 954 2 371 2 067 1 875 2 144 1 516 1 421 1 457 1 469 1 371 1 523 1 116 1 366 1 564 1 327 1 167 1 351 1 434 1 263 1 607 1 439 2 050
2005 4 658 1 949 3 564 2 091 2 497 1 633 2 056 2 430 2 068 1 871 2 169 1 584 1 439 1 512 1 517 1 499 1 528 1 105 1 439 1 620 1 358 1 196 1 390 1 466 1 302 1 670 1 483 2 185
2006 5 229 2 018 3 921 2 292 2 426 1 713 2 139 2 719 2 332 1 878 2 370 1 702 1 469 1 593 1 596 1 563 1 626 1 169 1 512 1 698 1 542 1 257 1 490 1 567 1 359 1 744 1 564 2 363
T6./M5. Az egy fıre jutó beruházások értéke területi egységenként (1998-2007) Budapest Pest
1998 366 616 201 895
1999 611 763 138 357
2000 655 056 291 853
2001 806 266 254 907
2002 895 001 304 996
2003 879 396 279 257
2004 1 000 032 313 232
2005 1 189 989 288 328
2006 1 314 469 313 892
2007 1 309 716 325 920
Közép-Mo. Fejér K-E Veszprém Köz.-Dunántúl Gy-M-S Vas Zala Ny-Dunántúl Baranya Somogy Tolna
307 910 307 110 180 506 209 127 238 721 279 583 211 144 198 531 236 768 133 942 124 018 175 481
439 881 206 354 238 369 139 553 192 835 483 065 222 646 132 153 307 866 156 915 137 877 161 498
521 861 303 942 310 588 171 352 261 369 400 023 257 473 138 981 283 758 226 204 149 039 184 602
593 995 294 893 250 075 207 863 253 106 386 418 401 897 159 163 322 824 175 731 175 562 164 112
665 953 296 441 381 504 210 223 291 659 376 013 310 170 182 093 300 610 197 260 168 447 194 830
642 734 319 751 515 101 223 748 343 315 493 592 271 172 186 643 343 401 280 510 261 130 192 350
725 342 379 659 795 971 236 105 450 413 459 770 345 287 223 455 359 581 276 018 234 166 202 929
825 757 428 750 765 914 237 912 461 608 465 230 329 994 198 281 350 782 240 076 205 965 198 771
906 767 429 701 655 947 294 297 449 480 554 236 313 825 189 625 383 646 254 517 244 119 225 131
905 358 863 881 699 970 268 688 622 087 520 922 361 308 202 018 385 532 237 131 263 041 201 127
D.-Dunántúl B-A-Z Heves Nógrád É.-Mo. Hajdú-Bihar J-N-Sz Sz-Sz-B Észak-Alföld Bács-Kiskun Békés Csongrád
140 970 177 424 274 704 95 618 188 166 158 670 125 134 117 987 134 381 113 632 114 386 164 837
151 611 173 709 177 583 82 876 159 196 133 472 102 973 87 076 107 872 87 924 96 411 146 125
183 789 211 611 181 173 160 541 107 369 133 540 133 355 103 779 133 355 103 779 110 348 174 553
172 743 193 448 161 859 148 774 177 872 195 472 104 277 166 268 153 215 123 397 137 885 166 724
186 876 190 080 163 872 184 376 182 502 206 109 170 614 119 426 163 899 140 566 148 293 202 326
251 756 330 095 223 351 126 045 268 381 256 222 193 693 116 447 186 778 162 715 191 882 243 984
243 447 352 776 294 843 125 427 299 362 301 474 188 158 136 033 208 836 184 927 215 493 258 414
218 146 298 317 282 826 136 209 266 771 444 268 212 352 171 745 279 747 185 131 172 546 250 804
243 652 268 624 323 704 175 104 266 737 299 224 144 756 204 038 216 879 166 956 161 763 281 134
236 961 233 511 285 815 111 822 226 190 313 769 195 496 128 237 212 507 209 987 160 353 235 333
Dél-Alföld Magyarország
129 794 211 843
108 532 241 670
127 708 282 489
141 136 306 719
162 077 335 527
196 559 364 756
216 758 411 095
202 142 443 001
201 445 461 949
203 945 476 420
Forrás: KSH, 2008
137
T7./M5. Regisztrált vállalkozások számának (db/1000 fı) alakulása térségenként (1998-2007) 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Budapest 177 181 189 196 210 214 219 220 218 221 Pest 92 96 102 105 114 118 122 122 122 125 Közép-Magyarország 147 151 157 162 173 177 181 181 179 182 Fejér 89 90 95 98 108 111 112 113 111 113 Komárom-Esztergom 86 90 93 95 107 110 113 114 112 115 Veszprém 99 101 107 111 123 128 130 132 127 128 Közép-Dunántúl 91 94 99 101 113 116 118 120 116 119 Gyır-Moson-Sopron 93 97 105 107 118 121 124 127 124 127 Vas 84 87 93 96 110 114 117 119 117 121 Zala 109 113 118 119 134 135 137 139 135 137 Nyugat-Dunántúl 95 99 106 108 121 123 126 128 126 129 Baranya 98 101 106 106 119 120 123 124 121 125 Somogy 119 120 123 123 135 138 134 130 126 128 Tolna 89 92 95 94 106 108 109 110 108 112 Dél-Dunántúl 103 105 109 109 121 123 124 123 120 123 Borsod-Abaúj-Zemplén 63 64 68 68 78 81 84 85 84 87 Heves 69 73 79 81 93 97 100 101 100 105 Nógrád 60 63 67 67 80 82 84 86 83 86 Észak-Magyarország 64 66 70 71 82 85 88 89 88 91 Hajdú-Bihar 75 77 81 82 93 96 99 100 99 102 Jász-Nagykun-Szolnok 66 69 71 74 84 86 87 86 85 88 Szabolcs-Szatmár-Bereg 65 67 71 72 82 86 88 90 88 97 Észak-Alföld 69 71 75 76 86 90 92 93 91 97 Bács-Kiskun 87 89 92 91 101 103 106 108 107 120 Békés 72 73 77 76 85 87 88 98 93 104 Csongrád 101 101 106 103 112 114 116 118 115 133 Dél-Alföld 87 88 92 90 100 102 104 108 105 119 101 104 109 110 121 125 127 129 126 131 Magyarország Forrás: KSH, 2008
200 180
KözépMagyarország Közép-Dunántúl
160
Nyugat-Dunántúl
140
Dél-Dunántúl
120
ÉszakMagyarország Észak-Alföld
100 80
Dél-Alföld
60
Magyarország 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Á3a)/M5. Regisztrált vállalkozások száma (db/1000 fı) régiónként (1998-2007) Forrás: KSH, 2008 (saját szerkesztés) 138
Á3b)/M5. Regisztrált vállalkozások száma (db/1000 fı) megyénként (1998-2007) Forrás: KSH, 2008 (saját szerkesztés)
T8/M5. Épített lakások száma (db/10000 fı) területi egységenként (1998-2007) Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Magyarország
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 16 16 17 25 37 37 60 72 49 57 41 38 44 52 55 62 72 60 58 59 25 24 27 35 44 47 65 67 52 58 16 15 16 25 24 26 42 25 30 22 14 9 14 22 18 22 21 21 21 25 21 14 20 23 37 32 47 31 25 41 17 13 17 24 27 27 38 26 26 29 19 23 30 39 58 54 60 46 37 53 21 20 23 29 39 34 55 39 39 35 21 26 26 44 43 49 46 45 34 30 20 23 27 38 49 48 54 44 37 42 15 14 18 21 26 35 36 32 30 31 22 18 20 28 31 46 43 32 27 26 14 12 20 17 16 20 19 19 15 17 17 15 19 22 25 35 34 29 25 26 19 18 13 14 11 17 17 18 16 19 19 15 15 22 21 27 24 33 22 18 8 12 13 13 18 14 18 14 16 14 17 16 14 16 15 19 19 21 18 18 23 24 25 29 33 41 57 44 35 37 15 12 16 20 18 24 29 23 22 23 30 28 29 40 28 38 44 40 33 35 24 22 24 31 27 35 45 37 31 32 15 17 20 24 22 28 25 26 21 18 13 12 15 15 15 15 20 18 16 14 12 12 14 13 16 27 29 31 30 26 14 14 16 18 18 24 25 25 22 19 20 19 22 28 31 35 43 41 34 36
Forrás: KSH, 2008
139
Á4a)/M5. Épített lakások száma (db/10000 fı) régiónként (1998-2007) Forrás: KSH, 2008 (saját szerkesztés)
Á4b)/M5. Épített lakások száma (db/10000 fı) megyénként (1998-2007) Forrás: KSH, 2008 (saját szerkesztés)
140
T9./M5. Személygépkocsik számának (db/1000 fı) alakulása területi egységenként (1998-2007) Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Magyarország
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 294 296 309 333 346 355 355 351 350 351 225 238 260 270 293 314 322 331 337 348 269 275 291 309 325 338 342 343 345 350 215 221 232 242 258 273 278 288 296 305 210 218 229 239 256 273 276 285 296 305 219 225 235 244 262 274 280 288 296 303 215 221 232 242 259 273 278 287 296 304 236 239 255 261 271 287 295 303 309 316 224 231 242 249 262 278 286 294 302 310 232 240 251 256 270 285 290 295 301 307 232 237 250 256 269 284 291 298 305 312 218 221 229 235 249 264 267 275 283 288 215 220 228 232 246 261 266 275 282 290 216 220 231 234 249 265 269 278 287 295 216 221 229 233 248 263 267 276 284 290 157 160 166 169 183 199 208 217 227 233 197 205 211 220 236 254 258 267 276 283 183 188 195 203 216 232 238 245 255 263 171 176 182 187 202 219 226 235 244 251 170 176 184 190 207 226 236 245 253 260 157 164 172 177 192 208 214 224 234 240 180 180 188 192 209 226 233 241 243 250 170 174 182 187 203 221 229 238 246 251 237 241 250 254 270 287 293 299 309 315 179 185 192 195 208 222 231 242 251 258 219 219 224 226 238 250 254 260 266 270 214 218 225 228 242 257 263 271 279 285 220 225 235 244 259 275 280 287 293 300
Forrás: KSH, 2008
Á5a)/M5. Személygépkocsik száma (db/1000 fı) régiónként (1998-2007) Forrás: KSH, 2008 (saját szerkesztés) 141
Á5b)/M5. Személygépkocsik száma (db/1000 fı) megyénként (1998-2007) Forrás: KSH, 2008 (saját szerkesztés)
142
D Átlag feletti értékkel bíró régiók Forrás: saját számítás, 2009
Átlag Átlag feletti értékek átlaga Átlag alatti értékek átlaga D
Közép-Magyarország (KM) Közép-Dunántúl (KD) Nyugat-Dunántúl (NYD) Dél-Dunántúl (DD) Észak-Magyarország (ÉM) Észak-Alföld (ÉA) Dél-Alföld (DA) Magyarország Forrás: KSH, 2008
4,315 KM
1 441 062 4 220 001 977 906 4,315 4,488 KM
1 627 643 4 875 448 1 086 342 4,488 4,598 KM
1 881 756 5 715 021 1 242 879 4,598 4,696 KM
2 121 375 6 519 528 1 388 349 4,696
1998 1999 2000 2001 4 220 001 4 875 448 5 715 021 6 519 528 1 087 798 1 177 818 1 405 307 1 523 901 1 090 690 1 282 206 1 473 939 1 523 446 956 225 1 091 909 756 675 860 140 867 356 955 490 1 078 710 1 241 844 1 034 485 1 107 846 1 274 992 1 510 571 1 030 429 1 134 551 1 268 099 1 438 424 10 087 434 11 393 499 13 172 293 14 849 623
GDP (millió Ft)
4,936 KM
2 454 372 7 754 199 1 571 068 4,936
2002 7 754 199 1 675 240 1 765 715 1 234 792 1 397 713 1 718 680 1 634 265 17 180 604
4,743 KM
2 705 820 8 362 224 1 763 086 4,743
2003 8 362 224 1 941 475 2 043 167 1 334 720 1 553 834 1 929 424 1 775 898 18 940 742
4,769 KM
2 959 731 9 174 859 1 923 877 4,769
2004 9 174 859 2 172 269 2 147 573 1 440 337 1 742 925 2 086 480 1 953 677 20 718 120
5,122 KM
3 148 925 10 150 820 1 981 943 5,122
2005 10 150 820 2 280 807 2 169 967 1 477 502 1 822 401 2 137 607 2 003 372 22 042 476
5,362 KM
3 399 329 11 229 303 2 094 334 5,362
2006 11 229 303 2 369 924 2 369 120 1 546 723 1 899 259 2 278 387 2 102 590 23 795 306
T1. / M6. A területi (regionális) GDP esetén számolt súlyozatlan Duál-mutató számításhoz felhasznált adatok és számított értékek
M6. – HETEROGENITÁSI VIZSGÁLAT ALAPADATAI ÉS SZÁMÍTÁSOK
143
144
Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Súlyozott GDP érték összesen Átlag alatti értékek súlyozott értéke összesen Súlyozott átlag Súlyozott átlag feletti értékek súlyozott átlaga Súlyozott átlag alatti értékek súlyozott átlaga Súlyozott Duál-mutató DS Átlag feletti értékkel bíró régiók Forrás: saját számítás, 2009
Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Súlypontok összértéke Átlag alatti értékek súlypontjai összesen
Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Összesen
14 915 545 9 902 559 11 146 054 7 781 522 6 845 857 6 830 267 7 691 196 65 112 999 50 197 454 1 181 717 4 220 001 973 463 4,335 4,335 KM
3,5 9,1 10,2 10,3 7,9 6,6 7,5 55,1 51,6
28,3% 11,0% 9,8% 9,7% 12,7% 15,1% 13,4% 100%
Lakosságon belüli arány (%) 28,3% 28,3% 27,8% 27,8% 27,9% 28,0% 28,1% 28,3% 11,0% 11,0% 11,0% 11,0% 11,0% 11,0% 11,0% 11,0% 9,8% 9,8% 9,8% 9,9% 9,9% 9,9% 9,9% 9,9% 9,7% 9,7% 9,8% 9,8% 9,8% 9,7% 9,7% 9,6% 12,6% 12,6% 12,8% 12,7% 12,7% 12,7% 12,6% 12,5% 15,2% 15,2% 15,3% 15,3% 15,3% 15,3% 15,3% 15,2% 13,4% 13,4% 13,5% 13,5% 13,5% 13,4% 13,4% 13,4% 100% 100% 100% 100% 100% 100% 100% 100% Súlypontok (1/lakosságarány) 3,5 3,5 3,6 3,6 3,6 3,6 3,6 3,5 9,1 9,1 9,1 9,1 9,1 9,1 9,1 9,1 10,2 10,2 10,2 10,1 10,1 10,1 10,1 10,1 10,3 10,3 10,2 10,2 10,3 10,3 10,3 10,4 7,9 7,9 7,8 7,8 7,9 7,9 7,9 8,0 6,6 6,6 6,5 6,5 6,5 6,5 6,5 6,6 7,5 7,5 7,4 7,4 7,4 7,4 7,5 7,5 55,1 55,1 54,8 54,8 54,9 54,9 55,0 55,1 51,6 51,6 51,2 51,3 51,3 51,3 51,5 51,6 Súlyozott GDP érték 17 221 836 20 180 280 23 489 444 27 888 485 30 024 810 32 801 905 36 078 639 39 623 970 10 696 902 12 747 728 13 869 749 15 210 752 17 681 292 19 745 374 20 731 499 21 550 595 13 102 154 15 041 492 15 479 943 17 912 886 20 633 239 21 657 463 21 903 726 23 869 240 8 855 830 9 852 172 11 163 798 12 646 459 13 682 135 14 814 294 15 263 103 16 056 124 7 555 383 8 536 327 9 722 781 10 969 133 12 226 560 13 775 134 14 476 929 15 170 990 7 307 821 8 413 563 9 853 640 11 216 483 12 591 176 13 644 692 13 999 442 14 974 511 8 483 038 9 491 333 10 629 159 12 109 291 13 175 536 14 530 689 14 929 943 15 725 535 73 222 964 84 262 895 94 208 514 107 953 490 120 014 748 130 969 551 137 383 280 146 970 964 56 001 128 64 082 615 70 719 070 80 065 005 89 989 937 98 167 646 101 304 641 107 346 995 1 328 685 1 529 065 1 718 145 1 968 278 2 187 620 2 384 929 2 497 261 2 666 514 4 875 448 5 715 021 6 519 528 7 754 199 8 362 224 9 174 859 10 150 820 11 229 303 1 085 778 1 242 480 1 380 461 1 562 241 1 755 205 1 912 097 1 968 635 2 080 826 4,490 4,600 4,723 4,964 4,764 4,798 5,156 5,397 4,490 4,600 4,723 4,964 4,764 4,798 5,156 5,397 KM KM KM KM KM KM KM KM
T2. / M6. A területi (regionális) GDP esetén számolt súlyozott Duál-mutató számításhoz felhasznált adatok és számított értékek
Forrás: saját számítás, 2009
D Átlag feletti értékkel bíró megyék
Átlag Átlag feletti értékek átlaga Átlag alatti értékek átlaga D
Budapest (Bp) Pest (P) Fejér (F) Komárom-Esztergom (KE) Veszprém (VE) Gyır-Moson-Sopron (GYMS) Vas (VA) Zala (Z) Baranya (BA) Somogy (S) Tolna (T) Borsod-Abaúj-Zemplén (BAZ) Heves (H) Nógrád (N) Hajdú-Bihar (HB) Jász-Nagykun-Szolnok (JNSZ) Szabolcs-Szatmár-Bereg (SZSZB) Bács-Kiskun (BK) Békés (BE) Csongrád (CS) Magyarország KSH, 2008
Bp + P + F + GYMS + BAZ
4,002
504 372 1 153 056 288 144 4,002
1998 3 437 503 782 498 526 253 259 893 301 652 511 107 312 337 267 246 316 250 228 576 211 849 507 919 236 008 123 429 410 947 299 132 324 406 381 693 274 084 374 652 10 087 434
BP + P + GYMS
5,294
569 670 1 834 354 346 491 5,294
1999 3 941 370 934 078 548 113 289 548 340 247 627 614 356 095 298 497 355 467 257 712 246 781 556 651 264 286 134 553 439 800 315 117 352 929 421 387 303 703 409 461 11 393 499
BP + P + GYMS
5,464
658 615 2 155 372 394 481 5,464
2000 4 641 364 1 073 657 655 476 341 291 408 540 751 096 397 416 325 427 399 126 292 931 264 168 623 722 300 216 154 772 508 298 359 949 406 745 468 979 340 777 458 343 13 172 293
BP + P + GYMS
5,450
742 481 2 426 761 445 255 5,450
2001 5 208 704 1 310 824 641 375 425 698 456 828 760 756 392 730 369 960 448 634 337 259 306 016 703 087 357 633 181 124 599 789 424 385 486 397 546 570 385 171 506 683 14 849 623
GDP (millió Ft)
BP + P + GYMS
5,720
859 030 2 876 847 502 945 5,720
2002 6 116 136 1 638 063 684 262 493 771 497 207 876 343 450 110 439 262 510 277 389 440 335 075 786 856 407 379 203 478 689 736 480 654 548 290 641 899 425 109 567 257 17 180 604
BP + P + GYMS
5,530
947 037 3 118 118 563 905 5,530
2003 6 491 385 1 870 839 763 774 630 301 547 400 992 131 529 745 521 291 565 340 435 549 333 831 876 286 453 391 224 157 790 749 513 688 624 987 694 593 456 681 624 624 18 940 742
BP + P + GYMS
5,515
1 035 906 3 406 104 617 636 5,515
2004 7 114 974 2 059 885 861 291 720 544 590 434 1 043 453 549 292 554 828 608 360 473 131 358 846 1 008 026 492 437 242 462 859 716 546 645 680 119 776 041 494 060 683 576 20 718 120
BP + P
7,682
1 102 124 5 075 410 660 648 7,682
2005 7 908 813 2 242 007 896 329 787 052 597 426 1 070 935 547 568 551 464 632 723 475 662 369 117 1 092 574 491 617 238 210 888 460 555 452 693 695 790 196 504 834 708 342 22 042 476
T3. / M6. A területi (megyei) GDP esetén számolt súlyozatlan Duál-mutató számításhoz felhasznált adatok és számított értékek
BP + P + GYMS
145
6,199
1 189 765 4 143 787 668 467 6,199
2006 8 874 185 2 355 118 982 099 763 841 623 984 1 202 059 615 169 551 892 678 054 483 252 385 417 1 128 729 520 466 250 064 927 749 625 128 725 510 841 794 521 951 738 845 23 795 306
146
Forrás: KSH, 2008
Budapest Pest Fejér Komárom-Esztergom Veszprém Gyır-Moson-Sopron Vas Zala Baranya Somogy Tolna Borsod-Abaúj-Zemplén Heves Nógrád Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Bács-Kiskun Békés Csongrád Összesen
1998 18,4% 9,9% 4,2% 3,1% 3,7% 4,2% 2,7% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,6% 5,3% 3,9% 4,2% 100,0%
1999 18,2% 10,1% 4,2% 3,1% 3,7% 4,2% 2,7% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,7% 5,3% 3,9% 4,2% 100,0%
2000 18,0% 10,3% 4,2% 3,1% 3,7% 4,2% 2,7% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,7% 5,3% 3,9% 4,2% 100,0%
2001 17,2% 10,5% 4,2% 3,1% 3,7% 4,3% 2,6% 2,9% 4,0% 3,3% 2,5% 7,4% 3,2% 2,2% 5,4% 4,1% 5,8% 5,4% 3,9% 4,2% 100,0%
2002 17,1% 10,7% 4,2% 3,1% 3,7% 4,3% 2,6% 2,9% 4,0% 3,3% 2,5% 7,4% 3,2% 2,2% 5,4% 4,1% 5,8% 5,4% 3,9% 4,2% 100,0%
Lakosságon belüli arány (%) 2003 17,0% 10,9% 4,2% 3,1% 3,6% 4,3% 2,6% 2,9% 4,0% 3,3% 2,5% 7,3% 3,2% 2,2% 5,4% 4,1% 5,8% 5,4% 3,9% 4,2% 100,0%
2004 16,9% 11,1% 4,2% 3,1% 3,6% 4,4% 2,6% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,8% 5,4% 3,9% 4,2% 100,0%
2005 16,8% 11,3% 4,2% 3,1% 3,6% 4,4% 2,6% 2,9% 4,0% 3,3% 2,4% 7,2% 3,2% 2,1% 5,4% 4,1% 5,8% 5,4% 3,9% 4,2% 100,0%
T4. / M6. A területi (megyei) GDP esetén számolt súlyozott Duál-mutató számításhoz felhasznált adatok és számított értékek
2006 16,9% 11,5% 4,3% 3,1% 3,6% 4,4% 2,6% 2,9% 4,0% 3,3% 2,4% 7,2% 3,2% 2,1% 5,4% 4,0% 5,7% 5,3% 3,8% 4,2% 100,0%
Forrás: saját számítás, 2009
Budapest Pest Fejér Komárom-Esztergom Veszprém Gyır-Moson-Sopron Vas Zala Baranya Somogy Tolna Borsod-Abaúj-Zemplén Heves Nógrád Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Bács-Kiskun Békés Csongrád Súlypontok összértéke
5,4 10,1 23,8 32,6 26,9 23,9 37,6 34,1 25,0 30,3 41,1 13,7 31,1 46,2 18,6 24,3 17,7 18,9 25,4 24,0 510,8
5,5 9,9 23,7 32,5 26,9 23,8 37,7 34,2 25,1 30,4 41,2 13,7 31,1 46,3 18,6 24,4 17,6 18,9 25,5 24,0 511,0
5,5 9,7 23,7 32,2 27,0 23,7 37,7 34,2 25,1 30,4 41,2 13,8 31,1 46,4 18,5 24,5 17,6 18,9 25,6 24,0 510,9
5,8 9,5 23,8 32,2 27,2 23,5 37,9 33,9 25,0 30,2 40,5 13,5 31,1 46,0 18,4 24,3 17,3 18,6 25,4 23,7 507,9
Súlypontok (1/lakosságarány) 5,8 9,3 23,7 32,1 27,2 23,4 37,9 34,0 25,0 30,2 40,6 13,6 31,1 46,1 18,4 24,3 17,3 18,6 25,5 23,8 508,1
5,9 9,2 23,7 32,1 27,4 23,1 37,9 34,1 25,1 30,2 40,7 13,6 31,2 46,2 18,4 24,4 17,3 18,6 25,6 23,8 508,5
5,9 9,0 23,6 32,0 27,5 23,0 38,0 34,1 25,1 30,3 40,9 13,7 31,2 46,4 18,4 24,5 17,3 18,7 25,8 23,8 509,2
5,9 8,8 23,5 32,0 27,5 23,0 38,1 34,2 25,2 30,4 41,2 13,8 31,3 46,6 18,4 24,6 17,4 18,7 25,9 23,8 510,3
147
5,9 8,7 23,5 32,0 27,6 22,8 38,1 34,3 25,3 30,6 41,5 13,9 31,4 46,9 18,4 24,7 17,4 18,7 26,1 23,8 511,7
148
Forrás: saját számítás, 2009
Súlyozott átlag Súlyozott átlag feletti értékek súlyozott átlaga Súlyozott átlag alatti értékek súlyozott átlaga Súlyozott Duál-mutató DS Átlag feletti értékkel bíró megyék
Budapest Pest Fejér Komárom-Esztergom Veszprém Gyır-Moson-Sopron Vas Zala Baranya Somogy Tolna Borsod-Abaúj-Zemplén Heves Nógrád Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Bács-Kiskun Békés Csongrád Súlyozott GDP érték összesen
BP + P + F + GYMS + BAZ + HB + BKK + CS
778 818
443 398
866 114
499 863
1 090 509
571 162
1 207 883
637 735
1 193 567
693 944
1 275 753
720 688
1 537 492
765 143
282 137 319 463 364 693 422 759 475 781 496 310 502 202 548 716 2,372 2,438 2,375 2,580 2,539 2,405 2,540 2,802 2,372 2,438 2,375 2,580 2,539 2,405 2,540 2,802 BP + P + F BP + P + F BP + P + F BP + P + F BP + P + F BP + P + F BP + P + F BP + P + F + GYMS + + GYMS + + GYMS + + GYMS + + GYMS + + GYMS + + GYMS + + GYMS + BAZ + HB BAZ + HB BAZ + HB BAZ + HB BAZ + HB BAZ + HB BAZ + HB BAZ + HB + BKK + + BKK + + BKK + + BKK + BKK + BKK + BKK + BKK CS CS CS
669 232
593 588 252 489 2,351 2,351
386 743
21 631 766 25 731 670 30 201 263 35 773 680 38 292 542 42 209 568 47 049 787 52 659 518 9 258 013 10 441 823 12 473 944 15 298 198 17 165 298 18 533 812 19 795 559 20 501 274 12 978 509 15 543 354 15 281 446 16 232 008 18 081 955 20 331 045 21 107 202 23 104 041 9 422 526 10 994 201 13 698 025 15 843 232 20 261 290 23 076 546 25 186 016 24 451 466 9 159 565 11 033 821 12 405 673 13 505 887 15 015 481 16 208 848 16 457 389 17 225 946 14 930 866 17 769 849 17 871 435 20 486 016 22 919 129 23 984 170 24 581 218 27 428 624 13 408 438 14 981 881 14 883 812 17 051 216 20 090 811 20 864 323 20 846 494 23 448 240 10 198 041 11 145 868 12 558 245 14 942 317 17 750 776 18 917 955 18 863 453 18 904 341 8 908 115 10 001 127 11 212 138 12 777 775 14 167 916 15 300 107 15 959 890 17 151 702 7 827 766 8 908 020 10 180 044 11 765 162 13 159 018 14 328 182 14 475 562 14 783 068 10 155 409 10 886 695 12 406 712 13 618 997 13 597 840 14 680 725 15 191 266 15 985 798 7 649 858 8 581 480 9 517 884 10 687 627 11 937 946 13 815 668 15 074 481 15 671 064 8 229 409 9 345 522 11 130 900 12 683 664 14 147 832 15 387 076 15 380 432 16 343 866 6 233 985 7 178 462 8 336 990 9 385 126 10 360 048 11 245 349 11 110 051 11 729 556 8 162 968 9 426 015 11 058 060 12 702 700 14 533 390 15 806 066 16 330 043 17 079 416 7 675 010 8 802 292 10 295 493 11 683 163 12 519 638 13 384 836 13 652 361 15 468 217 6 228 639 7 170 797 8 409 300 9 487 801 10 813 579 11 790 632 12 043 229 12 635 675 7 959 252 8 845 767 10 174 535 11 962 197 12 947 264 14 496 378 14 762 364 15 770 598 7 754 879 8 737 509 9 775 251 10 838 999 11 692 657 12 723 282 13 084 489 13 631 003 9 833 921 11 021 293 12 004 993 13 480 877 14 842 808 16 241 911 16 835 436 17 576 240 197 606 935 226 547 446 253 876 141 290 206 641 324 297 219 353 326 479 367 786 722 391 549 653
344 839
18 717 439 7 882 209 12 500 205 8 484 371 8 126 692 12 193 534 11 748 901 9 104 315 7 919 814 6 932 615 8 704 678 6 967 250 7 337 659 5 705 568 7 632 992 7 271 992 5 743 431 7 202 961 6 970 535 8 992 299 176 139 462
Súlyozott GDP érték
4,195 KM
D Átlag feletti értékkel bíró régiók
Forrás: saját számítás, 2008
305 411 879 685 209 699
1998 879 685 265 265 233 833 138 177 240 147 205 588 175 184 2 137 879
Átlag Átlag feletti értékek átlaga Átlag alatti értékek átlaga
Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Ország összesen
6,383 KM
346 735 1 251 117 196 004
1999 1 251 117 213 658 302 735 147 784 202 041 164 275 145 533 2 427 143
KM
6,579
404 533 1 481 028 225 117
2000 1 481 028 289 419 278 845 179 522 229 400 202 628 170 889 2 831 730
6,978 KM
446 013 1 678 630 240 577
2001 1 678 630 283 732 323 792 171 879 230 699 239 015 194 344 3 122 091
Beruházás (millió Ft)
7,402 KM
486 927 1 882 581 254 318
2002 1 882 581 326 402 301 110 185 276 235 926 255 129 222 067 3 408 491
5,807 KM
527 831 1 817 156 312 944
2003 1 817 156 382 222 344 691 248 360 344 736 289 616 268 036 3 694 817
5,944 KM
406 847 1 417 261 238 445
2004 1 417 261 342 369 244 386 166 787 261 122 220 612 195 391 2 847 928
6,491 KM
461 980 1 680 539 258 887
2005 1 680 539 356 098 260 801 159 738 251 230 323 092 202 364 3 233 861
7,484 KM
475 210 1 846 257 246 703
2006 1 846 257 343 699 269 434 172 112 247 155 238 349 209 467 3 326 472
149
7,193 KM
684 397 2 611 957 363 137
2007 2 611 957 688 120 385 012 228 403 281 395 322 940 272 953 4 790 779
T5. / M6. A beruházás területi (regionális) értékei esetén számolt súlyozatlan Duál-mutató számításhoz felhasznált adatok és számított értékek
150
Forrás: saját számítás, 2009
Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Súlypontok összértéke Átlag alatti értékek súlypontjai összesen
Forrás: KSH, 2008
Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Összesen
3,5 9,1 10,2 10,3 7,9 6,6 7,5 55,1 41,4
42,5
28,3% 11,0% 9,8% 9,7% 12,6% 15,2% 13,4% 100%
3,5 9,1 10,2 10,3 7,9 6,6 7,5 55,1
28,3% 11,0% 9,8% 9,7% 12,7% 15,1% 13,4% 100%
27,8% 11,0% 9,8% 9,8% 12,8% 15,3% 13,5% 100%
27,8% 11,0% 9,9% 9,8% 12,7% 15,3% 13,5% 100%
51,6
3,5 9,1 10,2 10,3 7,9 6,6 7,5 55,1 51,2
3,6 9,1 10,2 10,2 7,8 6,5 7,4 54,8 51,3
3,6 9,1 10,1 10,2 7,8 6,5 7,4 54,8
Súlypontok (1/lakosságarány)
28,3% 11,0% 9,8% 9,7% 12,6% 15,2% 13,4% 100%
Lakosságon belüli arány (%)
51,3
3,6 9,1 10,1 10,3 7,9 6,5 7,4 54,9
27,9% 11,0% 9,9% 9,8% 12,7% 15,3% 13,5% 100%
42,3
3,6 9,1 10,1 10,3 7,9 6,5 7,4 54,9
28,0% 11,0% 9,9% 9,7% 12,7% 15,3% 13,4% 100%
42,4
3,6 9,1 10,1 10,3 7,9 6,5 7,5 55,0
28,1% 11,0% 9,9% 9,7% 12,6% 15,3% 13,4% 100%
51,6
3,5 9,1 10,1 10,4 8,0 6,6 7,5 55,1
28,3% 11,0% 9,9% 9,6% 12,5% 15,2% 13,4% 100%
42,6
3,5 9,1 10,1 10,4 8,0 6,6 7,5 55,2
28,5% 11,0% 9,9% 9,6% 12,4% 15,2% 13,3% 100%
T6. / M6. A beruházás területi (regionális) értékei esetén számolt súlyozott Duál-mutató számításhoz felhasznált adatok és számított értékek
DS Átlag feletti értékkel bíró régiók Forrás: saját számítás, 2009
Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Súlyozott beruházási érték összesen Átlag alatti értékek súlyozott értéke összesen Súlyozott átlag Súlyozott átlag feletti értékek súlyozott átlaga Súlyozott átlag alatti értékek súlyozott átlaga Súlyozott Duál-mutató 1 481 028
546 359 174 846 3,125
437 104
197 139 2,217 3,125 KM + NYD
11 752 135 308 158
7 231 373 267 545
8 371 018 252 177
2,217 KM + KD
16 981 785
14 744 250
13 895 043
6,500 KM
227 859 6,500
5 229 650 2 625 359 2 845 603 1 849 650 1 815 347 1 337 125 1 279 052
4 419 395 1 940 435 3 093 481 1 521 555 1 597 607 1 083 627 1 088 150
3 109 237 2 414 789 2 389 602 1 420 990 1 895 429 1 357 411 1 307 586
6,918 KM
242 662 6,918
1 678 630
12 431 218 337 018
18 479 215
6 047 997 2 582 380 3 290 095 1 757 310 1 806 214 1 559 124 1 436 095
7,378 KM
255 178 7,378
1 882 581
13 077 901 361 895
19 848 727
6 770 826 2 963 647 3 054 711 1 897 555 1 851 527 1 665 028 1 645 433
Súlyozott beruházási érték
5,787 KM
314 002 5,787
1 817 156
16 098 972 412 380
22 623 524
6 524 552 3 480 951 3 480 915 2 545 923 2 712 603 1 889 997 1 988 581
2,227 KM + KD
289 979 2,227
645 801
12 251 759 315 371
17 318 743
5 066 984 3 112 047 2 464 541 1 715 454 2 063 767 1 442 709 1 453 242
2,349 KM + KD
310 109 2,349
728 407
13 139 259 347 411
19 112 329
5 973 070 3 236 769 2 632 535 1 650 148 1 995 740 2 115 968 1 508 099
2,978 KM
619 958 2,978
1 846 257
31 982 773 349 233
19 248 759
6 514 744 3 125 382 2 714 588 1 786 649 1 974 236 1 566 529 1 566 630
151
4,107 KM + KD
297 898 4,107
1 223 419
12 695 683 509 007
28 102 890
9 152 564 6 254 642 3 878 066 2 375 938 2 263 443 2 131 205 2 047 032
152
Forrás: saját számítás, 2009
Átlag feletti értékkel bíró megyék
Átlag Átlag feletti értékek átlaga Átlag alatti értékek átlaga D
Budapest (Bp) Pest (P) Fejér (F) Komárom-Esztergom (KE) Veszprém (VE) Gyır-Moson-Sopron (GYMS) Vas (VA) Zala (Z) Baranya (BA) Somogy (S) Tolna (T) Borsod-Abaúj-Zemplén (BAZ) Heves (HE) Nógrád (N) Hajdú-Bihar (HB) Jász-Nagykun-Szolnok (JNSZ) Szabolcs-Szatmár-Bereg (SzSzB) Bács-Kiskun (BK) Békés (B) Csongrád (CS) Magyarország
Bp + P + F + GYMS + BAZ
106 894 251 893 58 561 4,301
1998 674 116 205 569 130 890 55 978 78 397 118 601 56 589 58 643 53 938 41 205 43 034 130 290 89 030 20 827 86 272 51 848 67 468 60 712 45 208 69 264 2 137 879
BP + P + GYMS
121 357 395 647 52 785 7,495
1999 1 108 241 142 876 87 813 73 835 52 010 204 667 59 316 38 752 62 892 45 535 39 357 126 802 57 293 17 946 72 286 42 385 49 605 46 736 37 764 61 032 2 427 143
BP + P + GYMS
141 585 550 254 69 467 7,921 BP + P + GYMS
156 105 615 574 75 022 8,205
BP + P + GYMS
170 425 941 291 84 773 11,104
Beruházás (millió Ft) 2000 2001 2002 1 177 281 1 401 291 1 547 865 303 747 277 339 334 716 128 987 126 509 127 074 96 831 79 274 120 675 63 601 77 949 78 653 169 735 168 092 163 630 68 461 108 110 83 129 40 649 47 590 54 352 90 429 71 523 79 993 52 859 59 164 56 640 36 234 41 192 48 643 133 744 144 893 141 950 68 187 52 928 53 408 27 439 32 879 40 567 86 843 108 096 113 805 61 076 61 419 71 210 54 709 69 500 70 114 55 185 67 498 76 616 43 052 55 154 58 961 72 652 71 692 86 491 2 831 730 3 122 091 3 408 491
BP + P + GYMS
184 709 569 516 88 508 6,435
2003 1 505 812 311 344 137 011 162 618 82 593 216 834 72 372 55 485 113 182 87 448 47 730 244 074 72 455 27 577 141 192 80 317 68 107 88 330 75 695 104 011 3 694 817
BP + P + GYMS
142 396 441 542 67 610 6,531
2004 1 177 032 240 229 112 512 170 517 59 340 139 370 64 347 40 669 79 609 52 267 34 911 178 391 64 055 18 676 111 863 55 573 53 176 62 281 56 305 76 805 2 847 928
BP + P
161 693 506 319 75 537 6,703
2005 1 424 737 255 802 132 879 157 851 65 368 151 350 65 984 43 467 70 082 51 925 37 731 161 958 66 984 22 288 182 780 66 617 73 695 73 166 49 021 80 177 3 233 861
BP + P + GYMS
166 324 671 152 77 236 8,690
2006 1 585 457 260 800 134 666 131 132 77 901 167 199 60 493 41 742 76 637 57 630 37 844 141 806 77 721 27 628 113 338 63 499 61 512 79 108 45 354 85 004 3 326 472
BP + P + GYMS
239 539 994 084 106 384 9,344
2007 2 225 486 386 471 370 296 220 381 97 443 231 043 94 866 59 103 94 242 85 951 48 210 166 796 90 937 23 662 170 917 78 474 73 549 112 343 60 842 99 768 4 790 779
T7. / M6. A beruházás területi (megyei) értékei esetén számolt súlyozatlan Duál-mutató számításhoz felhasznált adatok és számított értékek
Forrás: KSH, 2008
Budapest Pest Fejér Komárom-Esztergom Veszprém Gyır-Moson-Sopron Vas Zala Baranya Somogy Tolna Borsod-Abaúj-Zemplén Heves Nógrád Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Bács-Kiskun Békés Csongrád Összesen
18,4% 9,9% 4,2% 3,1% 3,7% 4,2% 2,7% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,6% 5,3% 3,9% 4,2% 100,0%
18,2% 10,1% 4,2% 3,1% 3,7% 4,2% 2,7% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,7% 5,3% 3,9% 4,2% 100,0%
18,0% 10,3% 4,2% 3,1% 3,7% 4,2% 2,7% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,7% 5,3% 3,9% 4,2% 100,0%
Lakosságon belüli arány (%) 17,2% 17,1% 17,0% 10,5% 10,7% 10,9% 4,2% 4,2% 4,2% 3,1% 3,1% 3,1% 3,7% 3,7% 3,6% 4,3% 4,3% 4,3% 2,6% 2,6% 2,6% 2,9% 2,9% 2,9% 4,0% 4,0% 4,0% 3,3% 3,3% 3,3% 2,5% 2,5% 2,5% 7,4% 7,4% 7,3% 3,2% 3,2% 3,2% 2,2% 2,2% 2,2% 5,4% 5,4% 5,4% 4,1% 4,1% 4,1% 5,8% 5,8% 5,8% 5,4% 5,4% 5,4% 3,9% 3,9% 3,9% 4,2% 4,2% 4,2% 100,0% 100,0% 100,0% 16,9% 11,1% 4,2% 3,1% 3,6% 4,4% 2,6% 2,9% 4,0% 3,3% 2,4% 7,3% 3,2% 2,2% 5,4% 4,1% 5,8% 5,4% 3,9% 4,2% 100,0%
16,8% 11,3% 4,2% 3,1% 3,6% 4,4% 2,6% 2,9% 4,0% 3,3% 2,4% 7,2% 3,2% 2,1% 5,4% 4,1% 5,8% 5,4% 3,9% 4,2% 100,0%
16,9% 11,5% 4,3% 3,1% 3,6% 4,4% 2,6% 2,9% 4,0% 3,3% 2,4% 7,2% 3,2% 2,1% 5,4% 4,0% 5,7% 5,3% 3,8% 4,2% 100,0%
153
16,8% 11,7% 4,3% 3,1% 3,6% 4,4% 2,6% 2,9% 4,0% 3,3% 2,4% 7,1% 3,2% 2,1% 5,4% 4,0% 5,7% 5,3% 3,8% 4,2% 100,0%
T8. / M6. A beruházás területi (megyei) értékei esetén számolt súlyozott Duál-mutató számításhoz felhasznált adatok és számított értékek
154
Forrás: saját számítás, 2009
Budapest Pest Fejér Komárom-Esztergom Veszprém Gyır-Moson-Sopron Vas Zala Baranya Somogy Tolna Borsod-Abaúj-Zemplén Heves Nógrád Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Bács-Kiskun Békés Csongrád Súlypontok összértéke
5,4 10,1 23,8 32,6 26,9 23,9 37,6 34,1 25,0 30,3 41,1 13,7 31,1 46,2 18,6 24,3 17,7 18,9 25,4 24,0 510,8
1998 5,5 9,9 23,7 32,5 26,9 23,8 37,7 34,2 25,1 30,4 41,2 13,7 31,1 46,3 18,6 24,4 17,6 18,9 25,5 24,0 511,0
1999 5,5 9,7 23,7 32,2 27,0 23,7 37,7 34,2 25,1 30,4 41,2 13,8 31,1 46,4 18,5 24,5 17,6 18,9 25,6 24,0 510,9
2000 5,8 9,5 23,8 32,2 27,2 23,5 37,9 33,9 25,0 30,2 40,5 13,5 31,1 46,0 18,4 24,3 17,3 18,6 25,4 23,7 507,9
2001 5,8 9,3 23,7 32,1 27,2 23,4 37,9 34,0 25,0 30,2 40,6 13,6 31,1 46,1 18,4 24,3 17,3 18,6 25,5 23,8 508,1
2002
Súlypontok (1/lakosságarány)
5,9 9,2 23,7 32,1 27,4 23,1 37,9 34,1 25,1 30,2 40,7 13,6 31,2 46,2 18,4 24,4 17,3 18,6 25,6 23,8 508,5
2003 5,9 9,0 23,6 32,0 27,5 23,0 38,0 34,1 25,1 30,3 40,9 13,7 31,2 46,4 18,4 24,5 17,3 18,7 25,8 23,8 509,2
2004 5,9 8,8 23,5 32,0 27,5 23,0 38,1 34,2 25,2 30,4 41,2 13,8 31,3 46,6 18,4 24,6 17,4 18,7 25,9 23,8 510,3
2005 5,9 8,7 23,5 32,0 27,6 22,8 38,1 34,3 25,3 30,6 41,5 13,9 31,4 46,9 18,4 24,7 17,4 18,7 26,1 23,8 511,7
2006
5,9 8,6 23,5 32,0 27,7 22,7 38,2 34,3 25,3 30,6 41,8 14,0 31,5 47,3 18,4 24,9 17,5 18,8 26,3 23,8 513,1
2007
Forrás: saját számítás, 2009
Súlyozott átlag Súlyozott átlag feletti értékek súlyozott átlaga Súlyozott átlag alatti értékek súlyozott átlaga Súlyozott Duál-mutató Átlag feletti értékkel bíró megyék
Budapest Pest Fejér Komárom-Esztergom Veszprém Gyır-Moson-Sopron Vas Zala Baranya Somogy Tolna Borsod-Abaúj-Zemplén Heves Nógrád Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Bács-Kiskun Békés Csongrád Súlyozott GDP érték összesen
136 718 45 331 3,016
130 006
49 528 2,625
150 065
85 975 167 612
93 548
47 512 365
70 715 3,495 BP + P +F + KE + GYMS + BAZ + HB
BP + P +F + KE + GYMS + BAZ + HB
247 145
114 430
58 189 434
2003 8 882 753 2 856 639 3 243 665 5 227 424 2 265 571 5 009 063 2 744 740 1 889 351 2 836 440 2 642 022 1 944 172 3 325 104 2 260 921 1 274 549 2 595 006 1 957 491 1 178 393 1 646 478 1 938 061 2 471 591
63 633 3,347
212 982
100 779
51 205 567
Súlyozott beruházási érték 2001 2002 8 125 007 9 053 564 2 639 188 3 125 980 3 014 212 3 014 439 2 550 863 3 872 001 2 116 792 2 136 491 3 948 763 3 825 131 4 097 189 3 149 120 1 615 436 1 848 885 1 787 483 2 003 094 1 785 844 1 711 121 1 670 035 1 977 076 1 961 457 1 928 064 1 647 321 1 662 847 1 513 394 1 871 094 1 992 921 2 095 919 1 490 012 1 730 888 1 201 583 1 213 277 1 256 492 1 427 788 1 399 753 1 503 328 1 698 620 2 055 461
43 927 604
2000 6 526 833 2 954 083 3 058 679 3 119 272 1 717 732 4 015 686 2 580 859 1 392 227 2 265 931 1 607 440 1 493 249 1 840 117 2 122 615 1 272 645 1 610 440 1 493 569 964 504 1 040 886 1 103 852 1 746 986
51 674 57 897 2,904 2,895 BP + P +F BP + P +F + BP + P +F + BP + P +F + KE + Ve + GYMS KE + + + GYMS GYMS +Ba + BAZ + H + GYMS + + Va + + BAZ + HB BAZ + HB BAZ + HB HB
73 013
37 306 284
37 647 762
73 705
1999 6 082 456 1 416 100 2 079 283 2 402 753 1 400 127 4 869 005 2 233 491 1 323 948 1 576 093 1 383 084 1 619 600 1 742 595 1 784 005 831 458 1 341 674 1 032 332 875 450 882 760 964 282 1 465 790
1998 3 670 608 2 070 725 3 109 059 1 827 437 2 112 064 2 829 477 2 128 658 1 997 801 1 350 763 1 249 730 1 768 227 1 787 220 2 768 007 962 739 1 602 429 1 260 441 1 194 484 1 145 701 1 149 735 1 662 456
BP + P +F + KE + GYMS + BAZ + HB
52 310 3,799
198 715
88 436
45 027 925
2004 6 982 740 2 161 460 2 655 881 5 461 073 1 629 027 3 203 473 2 444 158 1 386 690 2 002 147 1 582 841 1 428 242 2 444 968 2 001 513 866 190 2 056 626 1 360 729 921 866 1 163 404 1 449 995 1 824 903
BP + P +F + KE + GYMS + BAZ + HB
55 331 4,031
223 046
96 562
49 278 193
2005 8 475 807 2 258 576 3 129 101 5 051 303 1 800 703 3 473 943 2 512 081 1 486 838 1 767 758 1 580 205 1 552 845 2 234 570 2 095 621 1 039 506 3 359 527 1 637 368 1 279 418 1 366 880 1 270 546 1 905 597
BP + P +F + KE + GYMS + BAZ + HB
57 511 3,735
214 824
96 026
49 139 629
2006 9 408 121 2 270 261 3 168 040 4 197 692 2 150 565 3 815 153 2 305 796 1 429 818 1 938 570 1 762 948 1 569 642 1 968 808 2 440 624 1 295 925 2 086 498 1 571 224 1 071 309 1 482 050 1 184 442 2 022 144
BP + P +F + KE + GYMS + BAZ + HB
73 949 4,647
343 635
139 713
71 681 677
2007 13 207 785 3 306 511 8 694 568 7 041 694 2 696 898 5 253 862 3 627 490 2 027 432 2 382 261 2 633 820 2 013 932 2 335 334 2 865 415 1 118 098 3 153 128 1 957 108 1 285 220 2 108 679 1 602 459 2 369 982
155
T9. / M6. A GDP% / népesség% allokációs arány területi értékei (1998-2006) Allokációs hányados (GDP%/népesség%) Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld Forrás: saját számítás, 2009
156
1998 1999 2000 2001 2002 2003 2004 2005 2006 1,86 0,78 1,48 1,24 0,84 0,81 0,98 1,21 1,16 0,90 1,10 0,79 0,69 0,86 0,77 0,69 0,73 0,57 0,68 0,76 0,72 0,57 0,68 0,71 0,69 0,89 0,76
1,90 0,81 1,51 1,14 0,83 0,80 0,94 1,31 1,18 0,90 1,15 0,78 0,69 0,89 0,78 0,67 0,72 0,55 0,66 0,72 0,67 0,55 0,64 0,70 0,68 0,86 0,74
1,95 0,79 1,53 1,18 0,83 0,84 0,97 1,35 1,14 0,85 1,14 0,76 0,68 0,83 0,75 0,65 0,71 0,54 0,65 0,72 0,67 0,54 0,64 0,67 0,66 0,84 0,72
2,03 0,84 1,58 1,03 0,92 0,84 0,93 1,20 1,00 0,85 1,04 0,76 0,69 0,84 0,75 0,64 0,75 0,56 0,65 0,74 0,69 0,57 0,66 0,69 0,66 0,81 0,72
2,08 0,89 1,62 0,94 0,92 0,79 0,89 1,19 0,99 0,87 1,04 0,74 0,68 0,79 0,74 0,62 0,74 0,55 0,64 0,74 0,68 0,55 0,65 0,70 0,63 0,78 0,70
2,02 0,91 1,59 0,95 1,07 0,79 0,93 1,21 1,06 0,94 1,09 0,75 0,69 0,72 0,72 0,63 0,75 0,55 0,65 0,77 0,66 0,57 0,66 0,68 0,62 0,78 0,70
2,04 0,89 1,58 0,98 1,11 0,78 0,95 1,16 1,01 0,91 1,05 0,74 0,69 0,71 0,72 0,67 0,74 0,54 0,66 0,76 0,65 0,57 0,66 0,70 0,61 0,78 0,70
2,13 0,90 1,64 0,96 1,14 0,75 0,94 1,12 0,95 0,86 0,99 0,72 0,66 0,69 0,69 0,68 0,70 0,50 0,66 0,74 0,62 0,55 0,64 0,67 0,59 0,76 0,68
2,21 0,86 1,67 0,97 1,03 0,72 0,91 1,15 0,99 0,79 1,00 0,72 0,62 0,67 0,67 0,66 0,69 0,49 0,64 0,72 0,65 0,53 0,63 0,66 0,57 0,74 0,66
T10. / M6. A beruházás% / népesség% allokációs arány területi értékei (1998-2006) Allokációs hányados (beruházás%/népesség%) Budapest Pest Közép-Magyarország Fejér Komárom-Esztergom Veszprém Közép-Dunántúl Gyır-Moson-Sopron Vas Zala Nyugat-Dunántúl Baranya Somogy Tolna Dél-Dunántúl Borsod-Abaúj-Zemplén Heves Nógrád Észak-Magyarország Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Észak-Alföld Bács-Kiskun Békés Csongrád Dél-Alföld
1998 1999 2000 2001 2002 2003 2004 2005 2006 1,72 0,97 1,45 1,45 0,85 0,99 1,13 1,32 1,00 0,93 1,12 0,63 0,58 0,83 0,66 0,84 1,29 0,45 0,89 0,75 0,59 0,56 0,63 0,54 0,54 0,78 0,61
2,51 0,58 1,82 0,86 0,99 0,58 0,80 2,01 0,92 0,55 1,27 0,65 0,57 0,67 0,63 0,72 0,74 0,34 0,66 0,55 0,43 0,36 0,45 0,36 0,40 0,60 0,45
2,30 1,04 1,85 1,08 1,10 0,61 0,93 1,42 0,91 0,49 1,00 0,80 0,57 0,53 0,65 0,65 0,75 0,45 0,64 0,57 0,53 0,34 0,47 0,37 0,39 0,62 0,45
2,60 0,85 1,94 0,97 0,82 0,68 0,83 1,26 1,31 0,52 1,05 0,57 0,57 0,53 0,56 0,63 0,53 0,48 0,58 0,64 0,48 0,38 0,50 0,40 0,45 0,54 0,46
2,66 0,92 1,99 0,88 1,14 0,63 0,87 1,12 0,92 0,54 0,90 0,59 0,50 0,58 0,56 0,57 0,49 0,55 0,54 0,61 0,51 0,36 0,49 0,42 0,44 0,60 0,48
2,40 0,77 1,77 0,88 1,42 0,61 0,94 1,36 0,74 0,51 0,94 0,77 0,72 0,53 0,69 0,90 0,61 0,35 0,73 0,70 0,53 0,32 0,51 0,45 0,52 0,67 0,54
2,45 0,76 1,78 0,93 1,92 0,57 1,09 1,12 0,86 0,49 0,87 0,70 0,56 0,50 0,60 0,86 0,70 0,30 0,72 0,72 0,48 0,32 0,51 0,41 0,51 0,64 0,51
2,62 0,70 1,85 0,97 1,56 0,56 1,00 1,07 0,78 0,46 0,81 0,55 0,49 0,48 0,51 0,69 0,65 0,32 0,62 1,04 0,51 0,40 0,65 0,42 0,39 0,59 0,47
2,83 0,68 1,96 0,95 1,26 0,65 0,94 1,15 0,69 0,43 0,82 0,58 0,53 0,47 0,54 0,59 0,73 0,39 0,59 0,63 0,47 0,32 0,47 0,45 0,36 0,61 0,47
Egyéb területi osztásban Közép-Magyarország Összes régió, kivéve Közép-Mo.
1,48 0,81
0,96 0,51
0,98 0,50
1,01 0,50
1,05 0,49
1,02 0,50
1,02 0,50
1,06 0,49
1,09 0,48
Budapest 19 megye
1,72 0,84
2,51 0,66
2,30 0,71
2,60 0,67
2,66 0,66
2,40 0,71
2,45 0,71
2,62 0,67
2,83 0,63
További 5 régió együtt ÉK-Mo. (É-Mo. és É-Alföld)
1,10 0,75
1,18 0,54
1,17 0,55
1,18 0,54
1,19 0,51
1,15 0,61
1,15 0,61
1,14 0,64
1,18 0,53
ÉK-Magyarországon belül Észak-Magyarország Észak-Alföld
1,183 1,213 1,168 1,081 1,058 1,199 1,197 0,968 1,128 0,847 0,823 0,860 0,933 0,952 0,835 0,837 1,026 0,895
Borsod-Abaúj-Zemplén Heves Nógrád Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg
1,115 1,727 0,601 1,000 0,787 0,745
1,323 1,354 0,631 1,018 0,784 0,665
1,184 1,365 0,819 1,036 0,961 0,620
1,174 0,986 0,905 1,192 0,891 0,719
1,102 0,950 1,069 1,198 0,989 0,693
1,471 1,000 0,564 1,148 0,866 0,521
1,418 1,161 0,502 1,193 0,789 0,535
1,084 1,016 0,504 1,630 0,794 0,621
1,125 1,394 0,740 1,192 0,898 0,612
Forrás: saját számítás, 2009
157
158
1,61% 1,41% 1,25%
1,57% 1,53% 1,59%
1,87% 1,53% 1,59%
5,05% 4,46% 4,44%
9,52% 9,71% 9,66% 10,05% 10,10% 9,54% 9,23%
Hajdú-Bihar megye
Jász-Nagykun-Szolnok megye
Szabolcs-Szatmár-Bereg megye
Észak-Alföld
Északkelet-Magyarország
Forrás: saját számítás, 2009
4,86%
4,57% 4,89% 5,07%
Észak-Magyarország
4,90%
1,67%
1,67%
1,57%
5,15% 4,67% 4,56%
1,75% 1,53% 1,52%
1,75% 1,53% 1,52%
1,65% 1,61% 1,52%
4,85% 4,56% 4,41%
0,52% 0,36% 0,53%
1,78% 1,63% 1,55%
0,48%
1,63%
0,49% 0,45% 0,51%
2002
Nógrád megye
2001
2,55% 2,57% 2,33%
2000
1,33% 1,52% 1,73%
2,75%
1999
Heves megye
1998
2,75% 2,93% 2,84%
1997
Borsod-Abaúj-Zemplén megye
1996
T11. / M6. A Robin Hood index alakulása területi egységenként (1996-2006)
6,90%
2,76%
1,47%
2,68%
4,75%
0,50%
1,63%
2,63%
2003
6,97%
2,76%
1,50%
2,71%
4,80%
0,51%
1,67%
2,62%
2004
6,90%
2,74%
1,50%
2,66%
4,80%
0,45%
1,66%
2,69%
2005
6,64%
2,69%
1,40%
2,56%
4,57%
0,43%
1,60%
2,55%
2006
11,41% 11,65% 11,77% 11,70% 11,21%
6,72%
2,68%
1,52%
2,52%
4,69%
0,53%
1,58%
2,57%
2002 (2004)
0,100 0,080
y = 0,002x + 0,0667 R2 = 0,5447
0,060 0,040 0,020 0,000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Robin Hood-index
Trend
Á1. / M6. A Robin Hood-index értékeinek alakulása Északkelet-Magyarországon a megyeszékhelyi és egyéb kistérségek relációjában (1996-2006) Forrás: saját szerkesztés, 2009
0,090
y = -0,0007x + 0,0735 R2 = 0,2692
0,080 0,070 0,060 0,050 0,040 0,030 0,020 0,010 0,000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Robin Hood-index
Trend
Á2. / M6. A Robin Hood-index értékeinek alakulása Borsod-Abaúj-Zemplén megyében a megyeszékhelyi kistérség és a további kistérségek viszonyában (1996-2006) Forrás: saját szerkesztés, 2009
0,080 0,070 y = 0,0002x + 0,0673 R2 = 0,0231
0,060 0,050 0,040 0,030 0,020 0,010 0,000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Robin Hood-index
Trend
Á3. / M6. A Robin Hood-index értékeinek alakulása Heves megyében a megyeszékhelyi kistérség és a további kistérségek viszonyában (1996-2006) Forrás: saját szerkesztés, 2009 159
0,250 0,200 0,150 0,100
y = -0,0188x + 0,1746 2
R = 0,5396
0,050 0,000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 -0,050 Robin Hood-index
Trend
Á4. / M6. A Robin Hood-index értékeinek alakulása Nógrád megyében a megyeszékhelyi kistérség és a további kistérségek viszonyában (1996-2006) Forrás: saját szerkesztés, 2009
0,250 0,200 0,150 0,100
y = -0,0012x + 0,1192 R2 = 0,0078
0,050 0,000 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Robin Hood-index
Trend
Á5. / M6. A Robin Hood-index értékeinek alakulása Jász-Nagykun-Szolnok megyében a megyeszékhelyi kistérség és a további kistérségek viszonyában (1996-2006) Forrás: saját szerkesztés, 2009
0,300 0,250 0,200 0,150 y = -0,0208x + 0,2171 R2 = 0,7711
0,100 0,050 0,000 -0,050
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Robin Hood-index
Trend
Á6. / M6. A Robin Hood-index értékeinek alakulása Hajdú-Bihar megyében a megyeszékhelyi kistérség és a további kistérségek viszonyában (1996-2006) Forrás: saját szerkesztés, 2009 160
0,120 0,100 y = 0,0039x + 0,0676 R2 = 0,7268
0,080 0,060 0,040 0,020 0,000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Robin Hood-index
Trend
A7. / M6. A Robin Hood-index értékeinek alakulása Szabolcs-Szatmár-Bereg megyében a megyeszékhelyi kistérség és a további kistérségek viszonyában (1996-2006) Forrás: saját szerkesztés, 2009
161
T12. / M6. Allokációs arány (jövedelem% / népesség%) értékei kistérségenként Kistérség
1996
1997
1998
1999
2000
2001
2002
2002 (2004)
Abaúj–Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezıcsáti Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Derecske–Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezıtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány–Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi
0,691 0,628 1,091 0,905 1,222 0,802 0,819 0,880 0,752 0,743 1,273 1,321 0,828 1,183 1,073 0,693 0,723 1,078 0,879 0,907 1,050 1,147 0,703 0,824 0,766 1,181 0,956 1,239 0,944 0,877 0,997 0,996 0,803 1,351 0,710 0,597 0,604 0,847 0,680 0,604 0,629 0,966 0,918 0,648
0,700 0,666 1,134 0,925 1,232 0,793 0,865 0,876 0,795 0,761 1,493 1,415 0,901 1,281 1,078 0,726 0,733 1,075 0,868 0,922 1,039 1,157 0,810 0,761 0,744 1,138 0,923 1,123 1,008 0,877 0,980 0,924 0,755 1,437 0,736 0,912 0,596 0,610 0,618 0,890 0,694 0,558 0,628 0,992 0,927 0,647
0,711 0,670 1,130 0,937 1,241 0,813 0,900 0,893 0,807 0,751 1,447 1,465 0,919 1,332 1,170 0,749 0,754 1,132 0,910 0,940 1,085 1,176 0,800 0,683 0,626 1,044 0,824 1,038 0,936 0,792 1,016 0,933 0,772 1,483 0,743 0,908 0,609 0,644 0,621 0,926 0,723 0,579 0,668 1,015 0,957 0,668
0,692 0,651 1,102 0,913 1,205 0,803 0,884 0,843 0,790 0,716 1,433 1,420 0,891 1,316 1,138 0,737 0,731 1,123 0,889 0,928 1,088 1,140 0,791 0,778 0,758 1,165 0,895 1,149 0,990 0,873 1,019 0,902 0,733 1,464 0,711 0,882 0,576 0,643 0,608 0,894 0,690 0,553 0,637 0,981 0,913 0,636
0,696 0,645 1,126 0,933 1,182 0,853 0,905 0,832 0,797 0,703 1,395 1,477 0,897 1,343 1,166 0,736 0,761 1,136 0,868 0,946 1,151 1,151 0,821 0,770 0,750 1,183 0,906 1,120 0,993 0,869 0,886 0,845 0,735 1,385 0,702 0,855 0,595 0,606 0,624 0,901 0,702 0,580 0,661 1,014 0,918 0,641
0,702 0,675 1,057 0,946 1,201 0,783 0,912 0,853 0,807 0,721 1,363 1,433 0,899 1,318 1,176 0,778 0,753 1,010 0,810 0,869 1,062 1,046 0,731 0,793 0,765 1,171 0,841 1,095 0,958 0,877 1,037 0,896 0,761 1,412 0,749 0,886 0,613 0,641 0,685 0,859 0,724 0,618 0,682 1,030 0,924 0,682
0,702 0,673 1,042 0,923 1,164 0,767 0,917 0,868 0,805 0,722 1,285 1,396 0,879 1,287 1,175 0,769 0,735 1,198 0,895 0,976 1,198 1,146 0,853 0,789 0,771 1,164 0,883 1,041 0,927 0,867 1,058 0,894 0,765 1,396 0,767 0,876 0,639 0,615 0,664 0,895 0,727 0,639 0,695 1,021 0,872 0,661
0,658 0,562 0,702 0,704 1,041 0,672 0,931 1,165 0,767 0,917 1,102 0,800 0,724 1,524 0,819 0,844 1,483 0,879 1,284 1,174 0,769 0,805 1,198 0,895 0,976 1,198 1,146 0,853 0,789 0,781 1,372 0,669 0,883 0,684 1,041 0,927 0,867 1,058 0,902 0,769 1,396 0,767 0,879 0,866 0,633 0,615 0,662 0,680 0,877 0,727 0,644 0,696 1,212 0,829 0,686
Forrás: saját számítás, 2009
162
2003
2004
2005
2006
0,660 0,634 0,642 0,550 0,543 0,550 0,708 0,714 0,711 0,703 0,685 0,700 1,067 1,081 1,077 0,658 0,681 0,698 0,941 0,949 0,973 1,178 1,175 1,187 0,762 0,785 0,754 0,934 0,919 0,936 1,050 1,024 1,040 0,791 0,786 0,806 0,729 0,713 0,726 1,514 1,553 1,615 0,834 0,839 0,859 0,822 0,851 0,837 1,482 1,505 1,493 0,866 0,856 0,852 1,300 1,280 1,277 1,169 1,193 1,188 0,762 0,745 0,739 0,793 0,776 0,783 1,176 1,184 1,163 0,872 0,887 0,878 0,977 0,957 0,968 1,185 1,197 1,157 1,117 1,113 1,091 0,819 0,819 0,810 0,767 0,753 0,749 0,778 0,763 0,768 1,391 1,389 1,380 0,664 0,660 0,665 0,870 0,872 0,873 0,667 0,677 0,689 1,058 1,0686 1,081 0,932 0,947 0,992 0,844 0,830 0,832 1,030 1,042 1,033 0,891 0,870 0,859 0,778 0,783 0,774 0,875 0,879 0,874 1,389 1,388 1,383 0,771 0,767 0,768 0,868 0,856 0,852 0,629 0,634 0,641 0,605 0,605 0,613 0,658 0,658 0,669 0,674 0,683 0,676 0,877 0,883 0,880 0,728 0,712 0,720 0,659 0,660 0,673 0,699 0,682 0,686 1,240 1,237 1,230 0,810 0,819 0,811 0,700 0,694 0,672
0,658 0,551 0,712 0,692 1,081 0,740 0,984 1,188 0,765 0,943 1,022 0,819 0,732 1,484 0,874 0,821 1,446 0,848 1,270 1,201 0,752 0,798 1,159 0,898 0,975 1,151 1,086 0,803 0,757 0,773 1,367 0,688 0,889 0,705 1,066 0,969 0,836 1,044 0,883 0,790 0,886 1,362 0,796 0,867 0,645 0,613 0,661 0,690 0,874 0,727 0,689 0,702 1,219 0,789 0,685
61-
50-60
40-50
30-40
18-30
163
MULE02 AJOV02 KOKT02 EUSZ02 HIVU02 SPOR02 KULT02 ESZA02 KOZB02 HETO02 HKTO02 KOZU02 KINF02 TELK02 TEKO02 2,444 2,478 3,298 2,827 2,993 3,109 3,107 3,098 3,004 2,876 3,087 2,502 3,696 3,242 3,469 1,000 0,850 0,834 0,906 0,889 1,076 1,069 1,059 1,095 1,116 1,040 0,979 0,885 0,891 0,875 2,437 2,512 3,272 2,915 3,056 3,070 2,892 2,953 3,056 2,883 3,183 2,441 3,709 3,239 3,479 0,962 0,839 0,917 0,796 0,834 0,971 1,001 1,018 1,026 1,202 1,032 1,025 0,942 0,887 0,883 2,365 2,455 3,340 2,985 3,165 3,045 2,955 2,935 3,045 2,825 3,105 2,445 3,790 3,370 3,490 0,852 0,775 0,894 0,848 0,819 0,979 1,076 0,988 1,058 1,082 0,974 0,944 0,793 0,829 0,868 2,255 2,357 3,398 3,000 3,276 3,020 3,041 2,806 2,969 2,980 3,102 2,531 3,694 3,347 3,510 0,998 0,888 0,870 0,984 0,928 1,074 1,148 1,052 1,107 1,130 0,979 1,047 0,805 0,921 0,922 2,348 2,391 3,174 2,696 2,957 3,261 3,348 3,174 3,043 3,217 3,130 3,043 3,870 3,565 3,696 0,935 0,722 0,778 0,974 1,022 1,054 1,152 0,887 0,767 0,795 0,920 0,878 0,626 0,843 0,974
Forrás: saját számítás, 2009
Átlag Szórás Átlag Szórás Átlag Szórás Átlag Szórás Átlag Szórás
T2. / M7. A TÉI-t képezı értékek átlaga és szórása korcsoportonként
Forrás: saját számítás, 2009
18-30 Átlag Szórás 30-40 Átlag Szórás 40-50 Átlag Szórás 50-60 Átlag Szórás 61Átlag Szórás
KOME01 SIKG01 FEJL01 LEHE01 BERU01 TURL01 SIVA01 REND01 3,953 2,580 3,144 2,780 2,760 3,149 2,880 3,062 0,932 0,929 0,927 1,031 0,965 1,140 0,962 0,992 3,850 2,610 3,136 2,803 2,775 3,305 2,953 3,131 1,049 0,913 0,944 1,004 0,919 1,148 0,910 0,912 3,860 2,585 3,030 2,845 2,645 3,410 2,945 3,250 1,061 0,920 0,868 0,962 0,977 1,076 0,947 0,884 3,827 2,551 3,112 2,990 2,673 3,480 2,949 3,204 1,075 0,863 0,884 1,050 0,928 1,151 1,049 0,941 3,913 2,696 2,913 3,130 2,652 3,522 3,217 3,478 0,848 0,822 0,996 0,869 0,885 1,039 0,736 1,039
T1. / M7. Az MÉI-t képezı értékek átlaga és szórása korcsoportonként
M7. – A KAPOTT MEGÍTÉLÉSI VÁLASZOK ÁTLAGÉRTÉKE ÉS SZÓRÁSA KORCSOPORTOK SZERINT
T3. / M7. Az RKÉI-t képezı értékek átlaga és szórása korcsoportonként
18-30 30-40 40-50 50-60 61-
Átlag Szórás Átlag Szórás Átlag Szórás Átlag Szórás Átlag Szórás
GAHE03 MUNE03 INFR03 NEPH03 SZAK03 VATE03 EEKO03 KOMF03 2,711 2,513 3,400 2,829 3,084 2,867 3,382 2,973 0,888 0,928 0,865 0,955 0,765 0,880 0,837 0,798 2,746 2,512 3,423 2,920 3,117 2,878 3,437 3,047 0,907 0,984 0,942 0,900 0,734 0,832 0,831 0,745 2,680 2,510 3,610 2,875 3,195 2,795 3,375 3,025 0,768 0,885 0,788 0,885 0,748 0,822 0,811 0,712 2,653 2,286 3,612 2,888 3,214 2,918 3,398 3,031 0,954 0,963 0,808 0,940 0,840 0,916 0,882 0,752 2,783 2,391 3,565 2,826 2,870 2,826 3,391 3,087 0,671 0,722 0,896 0,778 0,920 0,887 0,839 0,515
Forrás: saját számítás, 2009
164
M8. – A FİKOMPONENS ANALÍZIS ALAPADATMÁTRIXA 1997 KISTÉRSÉG Edelényi Encsi Kazincbarcikai Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Hajdúböszörményi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi
VKÜL VALL MNRAT -3,7 9 16,5 2,0 8 17,7 -3,9 15 13,6 -0,1 11 8,7 -4,7 32 10,7 -6,7 11 15,0 2,2 15 12,6 -4,2 13 12,7 0,9 13 16,9 -2,6 9 16,8 1,4 16 10,4 -1,2 26 6,5 12,8 8 9,6 -2,8 18 7,1 1,1 12 7,3 3,3 8 13,1 -4,4 8 11,8 -1,6 16 8,9 -6,4 15 12,1 2,0 14 9,1 3,6 12 8,9 -3,2 23 12,2 -2,7 14 12,4 -2,1 11 13,1 -5,5 10 12,1 -2,7 31 9,0 0,3 12 10,8 -2,2 21 10,0 -3,2 13 13,9 -2,0 9 11,7 1,2 13 7,4 -2,3 13 11,1 6,3 9 12,3 -4,6 31 6,9 0,3 11 16,3 -0,6 11 11,5 3,2 7 15,5 -3,1 10 17,2 1,2 8 15,7 -0,5 13 9,3 -2,7 10 13,7 1,7 9 14,3 -1,4 9 14,3 -1,4 28 9,7 -1,4 7 10,1 -1,1 10 17,1
SZJOV SZGK ELVOSZT KISKER 118 373 118 7,96 10 112 617 126 8,57 11 191 882 142 8,23 13 156 574 158 8,65 12 208 500 188 8,16 9 134 084 140 7,74 9 146 354 164 9,37 11 148 205 143 8,44 11 134 549 150 8,81 10 128 809 119 8,12 10 252 566 180 9,32 11 239 398 228 8,77 15 152 489 154 7,83 13 216 651 253 8,06 12 182 436 215 8,39 13 122 818 149 8,96 11 123 974 142 8,94 10 181 828 202 8,77 12 146 924 175 8,04 11 155 988 195 7,94 12 175 839 211 8,17 9 195 690 194 8,26 13 136 989 165 7,91 12 128 707 124 8,39 11 125 866 135 8,94 12 192 506 189 8,53 10 156 081 146 9,09 12 190 027 193 9,10 14 170 498 144 8,09 14 148 430 117 8,18 11 165 738 164 8,50 12 156 399 127 7,78 12 127 685 139 8,25 12 243 156 180 7,87 13 124 536 114 8,37 12 154 363 116 8,03 11 100 901 140 9,01 10 103 229 166 8,50 14 104 510 164 8,70 14 150 540 165 9,10 12 117 403 176 10,03 13 94 465 159 8,04 12 106 226 167 7,72 12 167 768 217 7,87 15 156 851 148 7,67 12 109 464 171 7,78 13
Forrás: KSH, 1998
165
1998 KISTÉRSÉG Edelényi Encsi Kazincbarcikai Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Hajdúböszörményi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Forrás: KSH, 1999
166
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -2,2 10 14,8 139 854 117 7,90 11 -1,9 9 17,8 131 760 125 7,86 12 -6,2 17 11,3 222 049 142 8,75 14 0,6 12 8,1 184 222 160 8,30 13 -4,5 36 9,1 244 014 180 9,13 11 6,7 12 13,5 159 808 134 8,30 11 0,6 17 11,3 176 861 161 8,47 13 -8,2 14 12,9 175 567 142 8,31 12 -1,1 15 15,4 158 639 148 8,16 12 -3,0 9 15,9 147 641 116 7,96 10 -0,6 18 9,7 284 388 173 8,57 13 -0,2 30 5,9 287 946 217 9,34 17 4,7 9 8,4 180 573 145 8,18 14 -2,7 21 6,6 261 772 238 8,80 14 0,4 14 7,0 230 010 203 8,49 14 -1,8 9 12,4 147 223 140 7,74 13 -0,1 9 10,9 148 166 135 7,99 11 1,8 18 7,3 222 443 191 8,71 13 2,1 16 11,0 178 938 163 8,35 11 -0,2 16 7,6 184 827 183 8,26 14 1,4 15 6,9 213 276 201 8,43 10 -5,0 25 11,8 231 237 185 8,87 14 -6,3 16 10,8 157 287 162 8,00 13 -2,4 12 11,0 134 299 127 7,81 11 -3,1 11 10,7 123 023 137 7,99 14 -2,3 35 7,7 205 189 193 9,06 13 0,7 14 9,3 161 971 148 8,21 13 2,4 23 8,6 204 033 197 8,54 15 -1,6 14 12,4 183 910 146 7,99 15 -3,8 10 10,6 155 641 121 8,05 12 1,6 15 5,6 199 744 173 8,17 13 -4,8 15 9,2 183 365 134 8,26 13 2,4 10 9,4 151 732 145 7,91 13 -2,3 35 5,7 291 533 191 9,20 14 -1,0 12 14,2 146 158 116 7,80 13 -1,5 13 10,0 178 512 122 8,04 12 1,1 8 12,7 119 675 136 7,71 11 0,1 10 12,3 126 545 160 7,74 17 -3,1 9 14,3 122 074 162 7,88 16 -3,5 18 7,9 181 969 162 8,41 14 -1,0 11 11,5 142 119 174 8,05 15 -1,6 11 12,0 113 723 154 7,70 13 -2,3 10 11,9 131 379 164 7,79 13 -0,4 31 7,9 199 531 212 8,77 17 1,2 8 8,6 188 152 145 8,04 12 -2,8 11 14,6 131 300 170 7,94 14
1999 KISTÉRSÉG Edelényi Encsi Kazincbarcikai Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Hajdúböszörményi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi
VKÜL VALL MNRAT -4,1 31 16,1 -3,2 30 19,4 -8,0 45 12,3 -1,7 50 7,7 -1,3 72 8,8 -4,1 36 12,9 -5,2 48 13,2 -9,4 39 13,8 1,2 40 16,8 2,7 29 16,4 -2,0 50 10,3 -2,3 88 5,6 5,2 45 8,5 1,2 66 6,4 5,6 49 6,7 -0,1 39 11,8 4,4 39 12,0 2,3 53 7,5 -2,2 44 11,1 1,1 51 7,1 5,3 49 7,3 -0,3 65 11,8 -1,4 47 10,2 -1,9 46 12,2 -1,9 49 11,5 -0,6 76 8,0 -4,5 51 9,6 1,0 75 8,8 -4,1 45 13,2 -5,5 41 10,8 3,5 51 5,1 -1,1 54 9,1 0,3 42 13,4 -5,8 80 5,8 -1,2 43 13,9 -1,8 41 8,6 0,1 33 14,5 -3,6 40 13,0 -3,7 43 14,4 -4,6 49 8,7 -1,5 44 11,7 -5,3 40 12,6 -3,7 42 13,3 -1,6 79 8,0 -2,8 38 11,1 -6,8 44 17,4
SZJOV SZGK ELVOSZT KISKER 163 994 119 7,90 12 154 218 128 7,86 13 261 130 145 8,75 15 216 387 164 8,30 14 285 594 184 9,13 13 190 257 133 8,30 11 209 363 168 8,47 14 199 773 145 8,31 14 187 116 151 8,16 13 169 649 117 7,96 11 339 537 175 8,57 14 336 453 229 9,34 18 211 083 151 8,18 15 311 741 247 8,80 15 269 516 211 8,49 14 174 610 145 7,74 13 173 265 143 7,99 11 266 184 195 8,71 14 210 735 170 8,35 12 219 922 189 8,26 14 257 777 202 8,43 11 270 119 189 8,87 15 187 350 168 8,00 13 184 446 134 7,81 12 179 551 142 7,99 15 276 046 199 9,06 14 211 981 156 8,21 14 272 273 205 8,54 16 234 477 151 7,99 16 206 834 127 8,05 13 241 445 183 8,17 14 213 772 140 8,26 14 173 701 151 7,91 13 346 779 199 9,20 15 168 434 121 7,80 14 209 050 129 8,04 13 136 581 135 7,71 11 152 341 157 7,74 19 144 129 164 7,88 17 211 924 161 8,41 15 163 426 172 8,05 15 131 139 154 7,70 14 150 932 161 7,79 14 232 488 211 8,77 18 216 370 145 8,04 13 150 610 169 7,94 15
Forrás: KSH, 2000
167
2000 KISTÉRSÉG Edelényi Encsi Kazincbarcikai Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Hajdúböszörményi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Forrás: KSH, 2001
168
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -4,5 33 17,4 184 622 123 7,90 12 -6,3 31 20,7 171 222 135 7,86 13 -7,4 47 13,7 298 911 151 8,75 15 4,9 55 8,8 247 716 173 8,30 14 -4,6 76 12,1 313 760 191 9,13 13 -1,7 39 12,7 226 494 139 8,30 11 -7,0 50 14,4 240 298 175 8,47 13 -7,1 41 16,5 220 806 153 8,31 14 0,8 43 18,0 211 453 156 8,16 13 6,2 32 10,8 186 593 121 7,96 11 -1,4 55 11,9 370 257 183 8,57 14 -2,5 95 8,5 392 000 236 9,34 19 6,8 47 6,1 237 985 158 8,18 15 1,8 70 6,4 356 444 252 8,80 15 6,7 51 11,4 309 503 215 8,49 14 3,1 42 10,6 195 266 150 7,74 13 1,1 42 7,1 201 891 149 7,99 11 4,3 56 6,9 301 459 204 8,71 14 -0,5 46 11,8 230 404 177 8,35 12 0,6 55 7,0 250 973 196 8,26 14 5,2 51 6,7 305 448 216 8,43 11 -1,2 71 11,7 305 346 197 8,87 16 3,9 51 10,3 217 879 174 8,00 13 -0,9 46 11,5 204 247 139 7,81 13 -0,8 51 11,1 199 101 149 7,99 15 -1,0 81 7,5 313 885 209 9,06 15 -2,1 53 9,4 240 315 162 8,21 14 0,5 78 9,1 297 162 212 8,54 16 -3,0 46 13,7 263 635 156 7,99 17 -5,4 42 10,9 230 623 134 8,05 13 5,6 53 5,0 235 067 193 8,17 14 -1,0 57 8,2 224 120 146 8,26 14 5,2 44 11,8 194 990 155 7,91 14 -6,2 85 6,1 367 492 208 9,20 16 -3,0 45 14,5 186 294 128 7,80 15 -2,5 44 7,9 226 956 136 8,04 13 1,7 35 13,1 157 991 144 7,71 11 -5,2 44 13,7 160 872 162 7,74 20 -2,0 46 14,8 165 590 172 7,88 18 -2,6 52 8,5 239 077 169 8,41 15 -4,6 47 11,2 186 331 180 8,05 15 1,1 43 11,9 153 996 162 7,70 14 -5,8 45 13,0 175 440 170 7,79 14 -0,8 83 7,1 269 095 222 8,77 19 -2,9 39 11,4 243 751 150 8,04 12 -7,8 47 17,1 170 120 178 7,94 16
2001 KISTÉRSÉG Edelényi Encsi Kazincbarcikai Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Hajdúböszörményi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -3,3 34 16,5 222 617 123 8,19 12 2,0 33 18,6 214 138 138 8,14 12 -4,9 47 11,6 335 172 152 9,14 15 4,4 55 6,6 299 804 176 8,96 15 -6,8 73 8,0 380 826 191 9,87 13 -4,9 38 11,2 248 210 145 8,69 11 -3,7 53 11,2 289 265 178 9,04 13 -0,5 41 11,5 270 599 154 8,76 14 0,4 44 14,4 255 804 160 8,66 13 -1,2 33 16,2 228 662 124 8,27 11 0,7 55 9,5 432 219 188 9,06 14 -1,9 95 4,7 454 431 246 10,00 19 9,0 46 7,3 285 018 166 8,71 15 -0,9 68 5,3 417 822 257 9,47 15 3,1 51 4,6 372 819 226 9,18 14 0,3 42 12,0 246 632 159 8,20 14 5,3 43 9,6 238 640 156 8,45 11 0,9 58 6,2 320 116 210 9,20 15 1,5 45 11,4 256 923 182 8,81 11 0,6 53 6,3 275 701 205 8,77 13 3,3 50 6,0 336 870 224 8,95 11 -1,1 69 11,9 331 786 204 9,37 15 0,0 50 9,8 231 797 182 8,43 12 -1,8 44 11,3 251 524 147 8,35 13 -2,9 48 10,1 242 683 153 8,49 15 0,1 78 6,4 371 401 215 9,74 16 -1,4 51 8,0 266 818 166 8,83 14 -0,3 73 7,5 347 319 216 9,12 17 -1,0 43 13,1 303 892 158 8,55 16 0,2 41 10,9 278 038 140 8,48 14 4,4 49 4,5 328 676 197 8,92 14 -5,9 53 7,3 284 129 151 8,81 14 2,1 38 10,4 241 151 159 8,58 14 -2,1 78 4,3 447 791 212 9,80 16 -2,5 42 13,6 237 342 138 8,43 15 -1,7 40 7,2 281 058 141 8,64 13 -3,0 34 12,2 194 432 145 8,22 11 -2,2 40 15,7 203 169 164 8,27 19 -2,6 44 13,7 217 270 176 8,35 17 -5,7 54 9,0 272 526 175 8,76 15 -3,9 46 10,8 229 614 181 8,48 15 0,7 44 10,1 195 821 168 8,30 13 -1,9 44 14,0 216 259 175 8,23 14 -0,5 82 6,1 326 651 226 9,35 19 -2,4 39 11,2 292 914 153 8,53 12 -7,6 45 14,5 216 405 182 8,45 15
Forrás: KSH, 2002
169
2002 KISTÉRSÉG Edelényi Encsi Kazincbarcikai Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Hajdúböszörményi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Forrás: KSH, 2003
170
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -2,0 35 16,9 253 623 135 8,19 12 0,4 34 21,0 243 091 150 8,14 11 -5,3 48 12,5 376 135 165 9,14 14 2,2 56 6,6 333 296 190 8,96 15 -5,1 75 8,4 420 317 206 9,87 14 -4,4 39 13,0 276 967 157 8,69 12 -7,7 55 12,1 331 077 193 9,04 14 -6,8 42 11,9 313 304 171 8,76 14 -1,1 46 15,7 290 773 177 8,66 13 1,0 34 17,4 260 699 136 8,27 10 -1,2 58 9,5 463 893 199 9,06 14 -3,7 99 4,6 504 087 265 10,00 19 5,3 48 7,9 317 376 180 8,71 15 -0,4 70 5,4 464 603 272 9,47 15 0,2 53 4,7 424 152 244 9,18 15 -1,2 45 11,7 277 661 174 8,20 14 -2,9 43 10,9 265 545 171 8,45 11 0,5 59 5,8 432 610 222 9,20 16 -1,8 48 11,8 323 189 195 8,81 12 3,0 54 6,4 352 460 220 8,77 13 6,3 53 5,2 432 680 239 8,95 10 -5,9 70 11,5 413 825 216 9,37 16 0,5 51 9,8 307 914 197 8,43 13 -5,2 47 11,2 284 814 162 8,35 13 -3,8 51 11,2 278 457 167 8,49 15 0,2 83 6,3 420 425 234 9,74 16 2,8 55 7,1 319 046 181 8,83 14 0,0 75 7,0 375 822 231 9,12 16 6,3 46 11,2 334 829 169 8,55 16 -2,6 44 11,7 313 172 154 8,48 14 3,1 53 3,8 382 064 212 8,92 14 -5,2 58 6,6 322 869 165 8,81 14 -1,2 43 10,2 276 160 174 8,58 13 -0,6 85 4,9 504 113 228 9,80 17 -7,3 48 12,3 277 029 153 8,43 16 -4,2 45 7,4 316 400 154 8,64 13 -0,7 35 12,3 230 703 163 8,22 11 -7,9 40 15,5 222 059 175 8,27 20 -4,9 46 13,1 239 864 194 8,50 18 -7,7 60 9,0 323 304 188 8,76 15 -4,4 48 11,0 262 665 198 8,48 15 -5,2 45 9,1 230 688 189 8,30 13 -6,3 45 12,7 251 151 196 8,23 13 -1,0 85 5,7 368 706 241 9,35 19 -3,4 42 11,9 314 734 166 8,53 12 -7,1 46 14,5 238 636 197 8,45 15
2002 (2004) KISTÉRSÉG Abaúj–Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezıcsáti Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Derecske–Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezıtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány–Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -5,8 34 22,6 237 619 149 8,15 11 -4,4 25 16,1 203 120 128 7,94 9 -2,0 35 16,9 253 623 135 8,19 12 -4,6 34 19,2 254 291 155 8,23 12 -5,3 48 12,5 376 135 165 9,14 14 3,4 39 15,1 242 682 145 8,16 11 2,1 57 6,4 336 374 191 8,99 16 -5,1 75 8,3 420 802 206 9,88 14 -4,4 39 13,0 276 967 157 8,69 12 -7,7 55 12,1 331 077 193 9,04 14 -8,5 54 9,0 397 883 202 9,35 18 0,4 44 16,1 288 943 174 8,61 12 0,7 35 17,3 261 445 137 8,27 11 -2,7 64 7,5 550 304 220 9,40 15 -5,9 52 14,6 295 778 184 8,79 16 -0,6 42 7,7 304 909 165 8,50 12 -4,6 104 4,3 535 644 275 10,22 19 5,3 48 7,9 317 376 180 8,71 15 -0,3 69 5,3 463 828 272 9,46 15 0,0 53 4,7 424 003 244 9,19 15 -1,2 45 11,7 277 661 174 8,20 14 -1,8 60 9,8 290 628 198 8,67 13 0,5 59 5,8 432 610 222 9,20 16 -1,8 48 11,8 323 189 195 8,81 12 3,0 54 6,4 352 460 220 8,77 13 6,3 53 5,2 432 680 239 8,95 10 -5,9 70 11,5 413 825 216 8,37 16 0,5 51 9,8 307 914 197 8,43 13 -5,2 47 11,2 284 814 162 8,35 13 -5,0 49 11,9 282 128 168 8,47 16 -2,7 102 4,4 495 616 265 10,36 18 6,0 44 7,7 241 662 165 8,28 11 2,8 55 7,1 319 046 181 8,83 14 6,3 37 12,5 247 174 160 8,16 11 0,0 75 7,0 375 822 231 9,12 16 6,3 46 11,2 334 829 169 8,55 16 -2,6 44 11,7 313 172 154 8,48 14 3,1 53 3,8 382 064 212 8,92 14 -4,6 58 7,3 325 809 156 8,69 14 -0,6 43 10,1 277 682 173 8,59 13 -0,6 85 4,9 504 113 228 9,80 17 -7,3 48 12,3 277 029 153 8,43 16 -4,2 45 7,4 317 636 153 8,65 13 -6,4 56 5,9 312 648 182 8,97 13 -0,5 35 12,7 228 494 169 8,23 11 -7,9 40 15,5 222 059 175 8,27 20 -4,7 46 13,2 239 151 194 8,35 17 -0,1 38 9,3 245 545 157 8,20 13 -6,5 58 9,1 316 850 185 8,71 15 -4,4 48 11,0 262 665 198 8,48 15 -3,6 47 7,7 232 628 188 8,35 13 -6,3 45 12,7 251 251 196 8,23 13 -1,5 109 4,3 437 624 282 9,90 22 -4,7 44 10,8 299 299 172 8,52 12 -8,1 48 14,0 247 891 204 8,51 16
Forrás: KSH, 2006
171
2003 KISTÉRSÉG Abaúj–Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezıcsáti Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Derecske–Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezıtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány–Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Forrás: KSH, 2004
172
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -11,3 36 22,4 271 607 164 8,15 11 0,5 25 17,7 226 322 145 7,94 9 -6,9 35 18,6 291 437 148 8,19 12 4,5 34 19,3 289 270 172 8,23 12 -7,9 48 11,6 439 054 180 9,14 15 -4,3 39 16,2 270 852 164 8,16 11 -3,5 57 6,8 387 004 207 8,99 16 -5,4 77 8,2 484 461 223 9,88 14 -8,7 39 12,0 313 518 172 8,69 12 -7,7 55 13,0 384 430 210 9,04 15 -7,2 57 10,9 432 103 216 9,35 19 -5,5 45 15,9 325 614 190 8,61 12 2,7 36 18,1 299 853 155 8,27 10 -0,9 66 6,8 622 783 236 9,40 15 -6,1 54 15,2 343 001 208 8,79 16 2,9 43 8,4 338 279 180 8,50 13 2,3 109 4,2 609 803 294 10,22 19 1,5 50 7,7 356 128 195 8,71 15 1,6 72 5,2 534 976 289 9,46 15 -1,2 56 4,9 480 763 263 9,19 15 -2,4 48 11,9 313 349 191 8,20 14 1,2 63 9,9 326 415 218 8,67 13 4,7 60 6,5 483 766 235 9,20 16 -4,1 50 12,9 358 576 215 8,81 12 2,5 54 7,8 401 893 236 8,77 13 1,9 55 5,7 487 410 261 8,95 10 -6,3 71 12,3 459 640 232 9,37 15 -3,6 53 11,6 336 863 209 8,43 13 -4,1 47 11,3 315 388 178 8,35 13 -6,9 49 11,9 319 942 184 8,47 16 -5,5 105 4,1 572 343 286 10,36 19 9,6 44 8,3 273 232 180 8,28 11 1,2 56 6,4 358 148 197 8,83 14 4,9 39 12,8 274 596 181 8,16 12 1,0 76 7,0 435 373 251 9,12 16 2,6 46 10,5 383 551 187 8,55 15 -4,3 44 12,0 347 155 171 8,48 14 -1,7 55 4,5 423 731 230 8,92 14 -4,9 58 8,1 366 529 168 8,69 14 -3,3 44 10,5 320 235 186 8,59 13 -5,1 57 6,4 360 033 197 8,97 14 -1,3 87 4,7 571 620 245 9,80 17 -0,4 50 12,5 317 107 169 8,43 15 -4,8 46 7,6 356 917 166 8,65 13 -1,2 37 13,3 258 721 186 8,23 11 -13,8 43 16,3 249 076 187 8,27 20 -5,9 48 15,9 270 534 209 8,35 18 0,8 41 8,9 277 283 176 8,20 13 -5,7 62 9,8 360 813 202 8,71 15 -8,2 50 11,7 299 517 218 8,48 15 -4,3 50 7,9 270 940 208 8,35 14 -4,1 45 13,1 287 786 216 8,23 14 -2,0 115 4,4 510 195 300 9,90 23 -3,5 46 10,2 333 353 184 8,52 12 -3,5 49 14,9 288 064 216 8,51 16
2004 KISTÉRSÉG Abaúj–Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezıcsáti Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Derecske–Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezıtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány–Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -3,0 45 24,1 278 093 168 8,15 11 -5,2 31 19,5 235 987 149 7,94 9 -6,8 44 19,4 310 403 155 8,19 11 0,1 44 20,1 297 745 173 8,23 12 -6,8 61 12,4 469 928 190 9,14 15 -4,8 49 17,1 295 935 176 8,16 11 -0,5 78 7,2 412 522 217 8,99 16 -4,7 105 8,6 510 815 233 9,88 15 -9,7 51 13,5 341 087 178 8,69 12 0,3 68 14,1 399 642 217 9,04 15 -8,5 72 11,5 445 098 222 9,35 19 -5,3 56 16,1 341 729 202 8,61 12 -1,2 45 18,4 309 914 163 8,27 10 -5,0 83 7,5 675 289 246 9,40 14 -2,5 68 15,8 364 984 213 8,79 16 6,2 57 9,1 370 136 190 8,50 13 1,6 145 5,1 654 075 296 10,22 20 0,8 63 8,9 372 804 199 8,71 15 0,9 93 5,5 556 289 293 9,46 15 -1,2 69 4,9 518 525 271 9,19 16 -2,7 58 13,1 323 692 199 8,20 14 0,2 76 11,0 337 501 221 8,67 12 1,3 74 6,7 514 633 245 9,20 17 -3,5 61 13,3 385 448 224 8,81 12 -4,7 67 8,4 415 980 242 8,77 13 0,5 67 6,2 520 432 263 8,95 10 -4,1 90 13,2 483 657 236 9,37 15 -3,0 65 12,0 355 895 215 8,43 14 0,2 59 12,9 327 128 183 8,35 13 -5,5 63 12,7 331 831 193 8,47 16 -2,1 138 4,7 603 624 299 10,36 19 3,3 53 8,9 286 774 188 8,28 11 -2,0 68 7,4 379 133 206 8,83 14 4,2 48 13,5 294 452 192 8,16 12 2,2 120 7,2 464 566 254 9,12 16 2,7 59 11,1 411 668 198 8,55 14 -3,4 56 11,7 360 977 180 8,48 14 0,2 68 5,5 452 989 240 8,92 14 -4,5 71 9,9 378 103 175 8,69 14 -6,4 57 11,5 340 395 194 8,59 13 2,8 73 7,1 381 988 201 8,97 14 -1,3 115 5,1 603 433 248 9,80 17 -4,2 68 13,2 333 259 179 8,43 16 -5,0 57 8,5 372 170 170 8,65 13 -1,1 45 14,0 275 726 191 8,23 11 -5,2 53 17,2 263 334 183 8,27 20 -7,6 60 17,2 286 096 215 8,35 18 -2,4 49 10,3 296 903 186 8,20 13 -6,0 77 10,9 384 431 206 8,71 15 -3,6 61 13,6 309 676 224 8,48 16 -2,0 61 8,1 287 128 216 8,35 14 -3,0 55 14,3 296 342 219 8,23 14 -3,3 148 5,1 537 675 310 9,90 24 -3,3 58 10,3 356 025 190 8,52 13 -4,6 63 16,1 301 774 219 8,52 16
Forrás: KSH, 2005
173
2005 KISTÉRSÉG Abaúj–Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezıcsáti Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Derecske–Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezıtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány–Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Forrás: KSH, 2006
174
VKÜL VALL MNRAT SZJOV SZGK ELVOSZT KISKER -6,8 46,0 22,9 306 342 178 8,15 11 -4,5 31,0 20,8 262 460 163 7,94 9 -8,6 46,0 17,8 339 012 168 8,19 11 -3,1 45,0 19,7 333 971 181 8,23 12 -3,7 61,0 12,3 513 764 201 9,14 14 -2,3 49,0 15,5 332 732 184 8,16 11 -0,9 78,0 8,0 464 167 228 8,99 16 -2,6 107,0 8,7 565 944 241 9,88 14 -9,7 52,0 14,1 359 671 185 8,69 12 -9,0 69,0 13,0 446 178 231 9,04 15 -14,9 76,0 12,0 496 132 232 9,35 19 -2,6 57,0 14,9 384 183 212 8,61 12 -7,0 46,0 17,7 346 167 172 8,27 10 -5,0 84,0 7,4 770 186 258 9,40 14 -2,9 69,0 14,6 409 851 220 8,79 16 -5,4 59,0 10,0 398 962 200 8,50 13 3,8 146,0 5,1 711 956 304 10,22 20 -0,6 64,0 9,0 406 394 212 8,71 15 -1,7 94,0 6,4 608 815 299 9,46 16 1,4 71,0 4,8 566 613 280 9,19 16 -2,3 57,0 14,3 352 405 210 8,20 14 -7,1 75,0 11,7 373 221 229 8,67 12 1,3 77,0 8,2 554 398 252 9,20 17 -5,4 64,0 13,3 418 498 231 8,81 12 0,6 67,0 9,0 461 427 247 8,77 14 2,7 68,0 7,6 551 862 269 8,95 10 -3,1 92,0 13,4 520 373 243 9,37 15 -5,2 65,0 13,7 386 373 222 8,43 14 -9,0 60,0 13,0 357 252 192 8,35 14 -6,2 63,0 13,5 366 112 204 8,47 16 -1,5 140,0 5,0 657 897 305 10,36 19 4,9 54,0 9,9 317 098 196 8,28 11 -2,5 70,0 7,5 416 207 217 8,83 14 1,1 50,0 14,2 328 694 203 8,16 11 -4,2 120,0 7,1 515 666 265 9,12 16 -2,6 58,0 10,8 472 995 208 8,55 14 -1,4 57,0 12,1 396 854 194 8,48 14 -0,2 69,0 5,1 492 723 251 8,92 15 -8,5 71,0 10,5 409 454 188 8,69 14 -2,2 56,0 11,8 368 903 205 8,59 13 -2,8 72,0 7,9 416 874 209 8,97 14 -2,5 114,0 5,3 659 657 254 9,80 17 -7,5 66,0 12,8 366 030 191 8,43 16 -4,7 56,0 8,0 406 108 183 8,65 13 -1,3 46,0 14,7 305 744 203 8,23 11 -10,7 53,0 18,1 292 282 192 8,27 20 -8,3 61,0 16,6 319 113 223 8,35 18 -3,0 51,0 10,8 322 332 199 8,20 13 -5,2 79,0 11,9 419 757 214 8,71 15 -6,0 62,0 15,2 343 405 236 8,48 16 -0,2 61,0 8,7 321 167 226 8,35 13 -3,5 56,0 13,8 327 320 225 8,23 13 -1,5 151,0 5,1 586 441 315 9,90 24 -0,2 59,0 10,2 386 715 198 8,52 13 -8,5 64,0 16,5 320 250 230 8,51 16
2006 KISTÉRSÉG Abaúj–Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezıcsáti Mezıkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Balmazújvárosi Berettyóújfalui Debreceni Derecske–Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezıtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány–Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi
VKÜL VALL MNRAT -14,8 48 22,6 -16,7 29 21,5 -8,0 45 17,0 1,4 44 20,4 -9,3 60 11,2 -8,9 48 16,2 -4,6 76 7,6 -4,6 104 8,2 -12,6 49 14,3 -11,1 67 13,8 -12,6 74 12,8 -7,7 56 13,0 -4,4 46 18,4 -3,0 80 7,7 -7,5 67 15,5 -8,4 59 8,8 5,8 145 4,7 -2,9 64 8,5 1,1 91 5,8 -1,9 69 4,8 -6,5 56 14,8 -10,5 72 11,4 -5,0 74 8,5 -6,1 61 13,3 -1,1 65 8,4 4,8 66 7,0 -6,5 88 13,0 -3,8 64 14,5 -3,6 59 12,8 -8,7 63 14,2 -0,8 137 5,2 4,7 53 9,5 -4,5 69 7,9 0,5 48 14,2 -0,2 116 7,5 -15,4 56 12,0 -6,1 57 12,4 -1,4 67 5,0 -14,0 69 9,9 -1,2 55 10,9 -15,8 71 8,3 -4,2 112 4,8 -4,2 63 12,6 -6,6 55 6,7 -6,4 43 14,8 -15,5 51 18,5 -9,0 60 18,9 -4,1 50 11,4 -8,0 76 12,4 -5,8 59 15,5 -4,4 60 9,1 -5,8 55 12,2 1,9 147 5,1 -6,5 59 10,5 -12,5 63 17,9
SZJOV SZGK ELVOSZT KISKER 346 659 190 8,15 11 289 887 175 7,94 9 374 842 179 8,19 11 364 180 191 8,23 11 568 947 212 9,14 14 389 469 200 8,16 11 518 170 243 8,99 13 625 337 249 9,88 14 402 801 193 8,69 12 496 479 241 9,04 15 538 066 239 9,35 19 431 371 222 8,61 12 385 541 179 8,27 10 781 365 267 9,40 13 460 309 234 8,79 16 432 512 212 8,50 13 761 424 307 10,22 20 446 376 224 8,71 15 668 706 307 9,46 16 632 546 286 9,19 16 395 726 224 8,20 14 420 288 243 8,67 13 610 100 262 9,20 16 472 737 239 8,81 12 513 265 258 8,77 14 606 079 275 8,95 10 571 901 255 9,37 15 422 984 229 8,43 15 398 455 203 8,35 13 407 244 217 8,47 16 719 771 309 10,36 20 362 161 205 8,28 10 468 223 226 8,83 14 371 346 216 8,16 11 561 192 274 9,12 16 510 095 223 8,55 12 440 176 205 8,48 14 549 480 261 8,92 14 465 133 200 8,69 15 416 190 216 8,59 13 466 641 223 8,97 14 717 113 262 9,80 17 418 946 204 8,43 15 456 340 194 8,65 12 339 691 211 8,23 11 322 499 201 8,27 21 347 856 232 8,35 18 363 522 206 8,20 12 460 349 221 8,71 14 382 868 241 8,48 16 362 821 235 8,35 13 369 547 235 8,23 14 641 764 315 9,90 24 415 636 207 8,52 13 360 598 237 8,51 15
Forrás: KSH, 2007
175
Jelmagyarázat a táblázatokhoz Kód
Jelentés
Mértékegység
VKÜL
Vándorlási különbözet 1000 lakosra
VALL
Regisztrált vállalkozások száma (1996-1998; 2004-2006) illetve Mőködı vállalkozások száma (1999-2003) 1000 lakosra
db
Munkanélküliek aránya (1996-2005) illetve A nyilvántartott álláskeresık aránya a munkavállalási korú népességbıl (2006)
%
SZJOV
SZJA-alapot képezı jövedelem egy állandó lakosra (1996-2006)
Ft
SZGK
Személygépkocsik száma 1 000 lakosra
db
MNRAT
ELVOSZT Elvégzett osztályok száma KISKER
176
Kiskereskedelmi üzletek száma 1 000 lakosra
db
KÖSZÖNETNYILVÁNÍTÁS Ezúton is köszönetet mondok mindazoknak akik hozzásegítettek, hogy doktori értekezésem elkészülhessen. Elıször is szüleimnek, családtagjaimnak akik minden támogatást megadtak ahhoz, hogy tanulmányaim során eljuthassak a doktori fokozatszerzés stádiumáig és nyugodt körülmények között alkothassak. Barátaimnak, köztük Zakár Tivadar adjunktusnak, aki ötleteivel segített és a vele folytatott beszélgetésekkel motivált alkotómunkám során. Köszönet illeti volt tanáraimat, többek között Urbánné Malomsoki Mónikát, aki nélkül évekkel ezelıtt egyetemi hallgatóként bizonyosan nem kezdtem volna el tudományos jellegő tevékenységemet (TDK), s aki nélkül nem folytattam volna ezirányú terveim megvalósítását. Köszönettel tartozom munkahelyemnek, a Károly Róbert Fıiskolának és kollégáimnak, fıként Dr. Dinya László tudományos rektorhelyettes egyetemi tanárnak, Dr. Liebmann Lajos gazdálkodás kari dékán egyetemi docensnek, Dr. Reke Barnabás egyetemi tanárnak és Dr. Lıkös László fıiskolai docensnek támogatásukért, segítı javaslataikért. Köszönöm Dr. Lengyel Imre intézetvezetı egyetemi tanárnak és Dr. Tóth Tamás egyetemi docensnek az értekezésem elkészítése, javítása során adott segítséget, instrukciókat. S végül, de nem utolsó sorban külön köszönetem fejezem ki Dr. Takács István egyetemi docensnek, témavezetımnek és Dr. Takácsné Dr. György Katalin egyetemi docensnek javaslataikért, ösztönzı és ıszinte kritikájukért, áldozatos munkájukért, mentori tevékenységükért, melyet az elmúlt hat esztendıben oktatói és kutatói munkámmal szemben és az utóbbi hónapokban doktori értekezésem elkészítése során tanúsítottak.
177
