SZENT ISTVÁN EGYETEM GÖDÖLLŐ. DOKTORI (PhD) ÉRTEKEZÉS. A társadalmi és gazdasági fejlettség térbeli folyamatvizsgálata Magyarországon

SZENT ISTVÁN EGYETEM GÖDÖLLŐ

DOKTORI (PhD) ÉRTEKEZÉS

A társadalmi és gazdasági fejlettség térbeli folyamatvizsgálata Magyarországon

Készítette: Tánczos Tamás Gödöllő 2011

A doktori iskola

megnevezése:

Gazdálkodás és Szervezéstudományok Doktori Iskola

tudományága:

gazdálkodás- és szervezéstudományok

vezetője:

Dr. Szűcs István egyetemi tanár, MTA doktora SZIE, Gazdaság- és Társadalomtudományi Kar, Közgazdaságtudományi és Módszertani Intézet

Témavezető:

Dr. Káposzta József egyetemi docens, közgazdaságtudomány kandidátusa SZIE, Gazdaság- és Társadalomtudományi Kar, Regionális Gazdaságtani és Vidékfejlesztési Intézet

................................................... Az iskolavezető jóváhagyása

................................................. A témavezető jóváhagyása

TARTALOMJEGYZÉK

BEVEZETÉS.........................................................................................................5 1. A FEJLETTSÉG TÉRBELI MEGKÖZELÍTÉSEI NAPJAINKBAN..............9 1.1. A területi fejlettség versenyképesség alapú megközelítése........................9 1.2. A területi fejlettség humán és ökológiai alapú megközelítése.................16 2. HAZÁNK TÁRSADALMI ÉS GAZDASÁGI FEJLETTSÉGÉNEK TERÜLETI VONATKOZÁSAI A RENDSZERVÁLTÁST KÖVETŐ SZAKIRODALOMBAN................................................................................25 2.1. Állapotvizsgálatok eredményei................................................................26 2.1.1. Pontozásos eljárásra épülő eredmények.......................................26 2.1.2. Főkomponens-analízisre épülő eredmények.................................32 2.2. Folyamatvizsgálatok eredményei............................................................42 3. A KUTATÓMUNKA SORÁN MEGOLDANDÓ FELADATOK.................49 4. ANYAG ÉS MÓDSZER.................................................................................53 4.1. A vizsgálat időbeli lehatárolása..............................................................54 4.2. A vizsgálat információbázisának összeállítása........................................55 4.3. A vizsgálat térbeli lehatárolása...............................................................60 4.4. A társadalmi és gazdasági fejlettség mérésének módszerei....................61 4.5. A tendencia- és összefüggésvizsgálat módszerei.....................................65 4.6. A vizsgált területegységek csoportosítását célzó eljárások.....................69 5. VIZSGÁLATI EREDMÉNYEK.....................................................................73 5.1. A társadalmi és gazdasági fejlettség indikátorainak meghatározása.....73 5.2. A társadalmi és gazdasági fejlettség mértékének meghatározása...........81 5.3. A fejlődési ütem meghatározása..............................................................84 5.4. A kistérségek fejlettségi különbségének vizsgálata..................................86 5.5. A kistérségi szintű belső fejlettségi különbségek elemzése......................96 5.6. A kistérségek csoportosítása fejlettség és fejlődési ütem alapján.........103 5.7. A fejlettség és fejlődési ütem alapján kialakított kistérségi csoportok jellemzése...............................................................................................110 5.8. A hátrányos helyzetű kistérségek elemzése............................................118 5.9. Az egy főre jutó GDP-re épülő vizsgálatok...........................................125 6. ÚJ TUDOMÁNYOS EREDMÉNYEK.........................................................129 7. KÖVETKEZTETÉSEK ÉS JAVASLATOK................................................131

ÖSSZEFOGLALÁS..........................................................................................135 SUMMARY.......................................................................................................143 MELLÉKLETEK..............................................................................................150

BEVEZETÉS A térszerkezet nem egyenletes, abban centrumok és perifériák váltják egymást. A térszerkezetbe való beavatkozással az abban lévő eltéréseket (egyenlőtlenségeket) igyekszünk korrigálni. A korrekcióra szükség van, mert bizonyos termelési tényezők, javak, illetve szolgáltatások mobilitása korlátozott, valamint az agglomerációs előnyök kihasználására törekvő vállalati szektor gazdasági koncentrációt idéz elő a térben, ami fokozza a területi egyenlőtlenségeket. A térszerkezetbe való beavatkozást a gazdasági tényezőkön túl társadalmi egyenlőtlenségek is indokolják, amely az eltérő közbiztonságban, humán fejlettségben, a humán infrastruktúra nyújtotta szolgáltatásokhoz történő eltérő hozzáférésben nyilvánul meg. (Rechnitzer és Smahó 2006) Az Európai Unió regionális politikájának cél- és eszközrendszere a társadalmi és gazdasági fejlettség térbeli egyenlőtlenségeinek mérséklésére koncentrál, ahogyan ez a Strukturális Alapok1 és a Kohéziós Alap létrehozásában és célkitűzéseiben is tetten érhető. (Forman 2001, Káposzta 2007, Nagy 2009) Hazánkban az Európai Uniós csatlakozásra történő felkészülés jegyében az 1996. évi XXI. törvény teszi le az új magyar területpolitika alapjait, melynek kiemelt célkitűzése a társadalmi és gazdasági értelemben hátrányos helyzetű területek felzárkóztatása, és a harmonikus térbeli fejlődés biztosítása. Az itt megfogalmazottak szem előtt tartásával került megalkotásra az az Országos Területfejlesztési Koncepció (OTK), melyet az Országgyűlés a 35/1998. számú határozatában fogadott el. Az említett két dokumentum kapcsán megfogalmazott feladatok végrehajtásához szükséges forrásokat egyrészt a központi költségvetés2, másrészt hazánk 2004-es Európai Uniós csatlakozásáig az előcsatlakozási alapok3, majd a csatlakozást követően a Nemzeti Fejlesztési Terv (NFT) alapján a Strukturális Alapok és a Kohéziós Alap anyagi bázisa biztosította. A Nemzeti Fejlesztési Terv, hazánk 1990 és 2001 közötti társadalmi és gazdasági állapotának részletes elemzésére alapozva, az életminőség javításában meghatározta a fejlesztés hosszú távú célját, az egy főre jutó jövedelem növelést mint általános célt, valamint azt a három specifikus célt, (1. versenyképes gazdaság; 2. a humánerőforrások jobb kihasználása; 3. a jobb minőségű környezet elérése és a kiegyensúlyozottabb regionális fejlődés elősegítése), melyeken keresztül elérhetővé válik a kitűzött általános és a hosszú távú cél is. A specifikus célok megvalósítását az NFT négy prioritáson keresztül 1

Európai Regionális Fejlesztési Alap (ERFA); Európai Szociális Alap (ESZA); Európai Mezőgazdasági Orientációs és Garancia Alap (EMOGA); Halászati Orientációs Pénzügyi Eszközök (HOPE). Az EMOGA és a HOPE a 2007-től életre hívott Európai Mezőgazdasági és Vidékfejlesztési Alapban (EMVA) összeolvadt. 2 2001 és 2002 között a központi költségvetésből pályázati úton elnyerhető forrásokat rendelte egy meghatározott fejlesztési irány mellé a Széchenyi terv, mely hét fő programterület mentén (autópálya fejlesztés; kutatás-fejlesztés és innováció; lakásprogram; turizmusfejlesztés; beszállítói program; a kis- és középvállalkozások fejlesztése; regionális gazdaságépítés) célozta meg elsősorban a gazdasági fejlődés beindítását. 3 PHARE, ISPA, SAPARD

5

(1. a termelőszektor versenyképességének javítása; 2. a foglalkoztatás növelése és az emberi erőforrások fejlesztése; 3. jobb infrastruktúra, tisztább környezet biztosítása; 4. a regionális és helyi potenciál erősítése) kívánta elérni. A Nemzeti Fejlesztési Tervvel, és azon belül az Agrár és Vidékfejlesztési Operatív Programmal szoros összefüggésben került megalkotásra és 2004-ben elfogadásra a Nemzeti Vidékfejlesztési Terv (NVT). Az NFT és az NVT egymással szorosan összefügg, mely összefüggésben az NVT értelemszerűen a vidék, és ennek kapcsán a mezőgazdaság, valamint a természeti környezet problémáira fókuszál. Célja, hogy egységes keretbe foglalja az Európai Mezőgazdasági Orientációs és Garancia Alapból finanszírozandó vidékfejlesztési intézkedések hazai végrehajtásának rendszerét. A vidék fejlesztése kapcsán célként jelöli meg az ott élő lakosság foglalkoztatásának és jövedelemszerzési lehetőségeinek bővítését; a termelők piaci pozícióinak javítását; a gazdaságok életképességének és gazdasági hatékonyságának javítását; a termőhelyi adottságoknak megfelelő termelési szerkezet, környezettudatos gazdálkodás, és a fenntartható tájhasználat kialakítását; valamint az erre a célra leginkább alkalmas területeken az erdősültség fokozását. A magyarországi társadalmi és gazdasági fejlődést célzó tervezési folyamat részeként fogadta el az Országgyűlés (96/2005. számú OGY határozat) azt az Országos Fejlesztéspolitikai Koncepciót (OFK), amely hazánk hosszú távú (15 éves) fejlődési pályáját hivatott kijelölni. A dokumentum célul tűzi ki a magyar gazdaság versenyképességének tartós növekedését; a foglalkoztatás bővítését; a versenyképes tudás és műveltség színvonalának emelését; a népesség egészségi állapotának javítását; a társadalmi összetartozás, szolidaritás és aktív állampolgári magatartás erősítését; a fizikai elérhetőség javítását; az információs társadalom kiszélesítését; a természeti értékek megőrzését; valamint a kiegyensúlyozott területi fejlődés biztosítását. Az 1998 óta eltelt időszakban megváltozott körülmények okán szükségessé vált a korábbi koncepcióra támaszkodva egy megújított Országos Területfejlesztési Koncepció (OTK) megalkotása, melyet az Országgyűlés a 97/2005. számú határozatában fogadott el. A fejlesztési dokumentum megújítását a fentieken túl az is indokolta, hogy a korábban kitűzött célok csak mérsékelten teljesültek, a legelmaradottabb térségek többsége még inkább leszakadt, a környezetkárosítás fokozódott, és a főváros dominanciája tovább erősödött (Salamin et al. 2005). Az új koncepció célja, hogy az OFK-val összhangban megteremtse a területi szempontok következetes érvényesítésének lehetőségét mind az ágazati szakpolitikák, mind az országos és területi programok kidolgozásában. Ennek kapcsán fő célkitűzés az ország területileg harmonikus és hatékony működésének, valamint kiegyensúlyozott, fenntartható területi fejlődésének megteremtése, és a területi leszakadás mérséklése. Az Európai Unió 2007-2013 közötti költségvetési időszakára nézve hazánk társadalmi és gazdasági fejlesztésének közösségi forrásai az Új Magyarország Fejlesztési Terv (ÚMFT) alapján nyerhetők el. A terv legfőbb célja a

6

foglalkoztatás bővítése és a tartós gazdasági növekedés feltételeinek megteremtése. A fentebb említett Nemzeti Vidékfejlesztési Terv folytatásaként került megalkotásra és elfogadásra a 2007 és 2013 közötti költségvetési időszak vidékfejlesztését egységes keretbe foglaló Új Magyarország Vidékfejlesztési Program (ÚMVP). A program a mezőgazdasági és erdészeti ágazat versenyképességének növelését, a környezet és vidékfejlesztést, a vidéki élet minőségének javítását, a vidéki gazdaság diverzifikálást, valamint a helyi közösségek erősítését tűzi ki célul. Ezzel elő kívánja segíteni a szakképzett mezőgazdasági termelők által korszerű technológiák mentén előállított minőségi élelmiszertermelést, a környezettudatos tájgazdálkodást, a vidéki élet feltételeinek javítását, és a vidék népességmegtartó képességének erősödését. Az Új Magyarország Fejlesztési Tervet a 2011. és 2013. közötti időszakra vonatkozóan az Új Széchenyi Terv váltja, mely hét kitörési pont mentén (egészségipar, zöldgazdaság-fejlesztés, otthonteremtés, vállalkozásfejlesztés, közlekedésfejlesztés, tudomány-innováció és foglalkoztatás) az Uniós forrásokra alapozva jelöli ki hazánk társadalmi és gazdasági fejlődésének fő irányait. A fentiek alapján megállapítható, hogy a regionális politika legfőbb célja a társadalmi és gazdasági fejlettség terén elmaradott területek felzárkóztatása, és ezzel együtt úgy hazánk, mint egész Európa lakosságának az egyre jobb minőségű élet biztosítása4. Az egyre jobb életkörülmények minél szélesebb körű biztosítása magában hordozza az anyagi jólét mellett a magasabb szintű iskolázottságot, az egészséges élet feltételeit, valamint a fenntartható fejlődés alapját jelentő környezettudatos gazdálkodást és életvitelt. Tekintettel arra, hogy a rendszerváltást követő időszakban a hazai regionális politika az Uniós elvekkel és célokkal összhangban fokozottan törekszik a társadalmi és gazdasági fejlettség térbeli egyenlőtlenségeinek csökkentésére, ezért relevánsnak és időszerűnek érzem egy olyan kutatás lefolytatását, mely ezen törekvések eredményességét a lehető leghosszabb időtávon hivatott vizsgálni. A kutatás célja annak feltárása, hogy milyen folyamatok zajlottak le a társadalmi és gazdasági fejlettség terén a magyarországi kistérségek egymáshoz való viszonyában a rendszerváltást követő időszakban. A megfogalmazott célkitűzésnek megfelelően a kutatómunka során az alábbi kérdésekre keresem a választ: Milyen irányú összefüggés mutatható ki: 1) a hazai kistérségek kiinduló fejlettségi állapota, és az azóta eltelt időben bejárt fejlődési pályája között? 2) a vizsgált területegységek fejlődési üteme, és fejlettségük belső differenciálódása között? 4 A fejezetben vázolt regionális politika célkitűzései mentén kialakul az a komplex rendszer, mely feltételezi az átfogó fejlődést elősegítő hosszú távú szempontok érvényesülését, az elmaradott térségek felzárkóztatásához kötődő prioritásokat, valamint az alulról építkező fejlesztéshez nélkülözhetetlen helyi közösségek kialakulását. (Tóth 2005)

7

3) A kiinduló fejlettségi állapot és a vizsgált időszakra jellemző fejlődési ütem alapján léteznek-e olyan csoportok, melyek az említett két csoportosító tényező mellett másban is egymáshoz hasonló kistérségeket tartalmaznak5? 4) Lehatárolható-e a vizsgált területegységeknek egy olyan csoportja, mely a kiinduló fejlettség, és a fejlődési ütem alapján is átlag alattinak tekinthető? 5) Ha létezik a hazai kistérségeknek a fent említett mindkét tényező szerint átlag alatti halmaza, akkor az milyen jellemvonásokkal rendelkezik, és ez alapján milyen lehetőségek kínálkoznak az ide tartozó területegységek felzárkóztatására? 6) A vizsgált időszak alatt változik-e a társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP által jellemzett gazdasági fejlettség közötti kapcsolat iránya és erőssége? A felvetetett kutatási kérdésekhez az alábbi hipotéziseket fogalmazom meg6: H1: A kiinduló helyzetben fejlettebb kistérségeknek a vizsgált időszakban tendenciaszerűen nagyobb fejlődési ütemmel rendelkeznek. H2: A vizsgált időszak alatt nagyobb fejlődési ütemű kistérségek belső differenciálódása kisebb, és az utolsó vizsgált évben a fejlettebb kistérségek belső differenciáltsága is kisebb a fejletlenebb kistérségek belső differenciáltságánál. H3: A kedvező fejlettségi és fejlődési pozícióban lévő kistérségek többnyire megyeszékhelyű központokkal rendelkeznek, vagy Pest megyében helyezkednek el. Ezzel szemben a fejlettségi és fejlődési vonatkozásban is hátrányos helyzetű kistérségek elsősorban az ország keleti és déli részére koncentrálódó, főként az országhatárhoz közeli területek. H4: Lennie kell olyan kistérségi csoportnak, amely a kiinduló fejlettségi állapotát és a vizsgált időszakban produkált fejlődési ütemét tekintve is átlag alatt van. H5: Az alacsony fejlettségű és fejlődési ütemű kistérségek főként mezőgazdasági orientációjúak, és az itt élő népesség iskolázottsága alacsony. H6: A társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP-vel jellemzett gazdasági fejlettség között pozitív irányú, és tendenciaszerűen erősödő kapcsolatot tételezek fel.

5

A kistérségek említett két tényező szerinti területi konfigurációja mindenképpen feltételezhető, ugyanis „a társadalmi térszerveződésben a világméretű térsémáktól a mikroviszonylatokig jellemzően ott van a térben egymáshoz közeli csoportok, települések, térségek hasonlósága” (Nemes Nagy és Tagai 2009, 152. o.). 6 A szakirodalmi feldolgozás során rá fogok mutatni, hogy a rendszerváltást követő időszakban a kistérségek közötti fejlettségi különbségek nőttek, és a jövedelmi folyamatok összhangban állnak a társadalmi és gazdasági fejlettség terén tapasztalható folyamatokkal, mely megállapítások alátámasztják a megfogalmazott hipotéziseimet.

8

1. A FEJLETTSÉG TÉRBELI MEGKÖZELÍTÉSEI NAPJAINKBAN A fejezet célja a területi fejlettség és fejlődés napjainkban uralkodó főbb koncepcióinak rövid ismertetése. A témakör kidolgozása során a különböző szempontú megközelítésekre építve kijelölöm saját kutatásom módszertani irányát, és állást foglalok abban a kérdésben, hogy az általam megalkotásra kerülő modellben mit értek a társadalmi és gazdasági fejlettség, illetve annak térbeli megközelítése alatt. 1.1. A területi fejlettség versenyképesség alapú megközelítése A versenyképesség fogalma a legtöbb esetben a vállalatoknál az üzleti sikeresség, az országok esetében a gazdasági növekedés szinonimájaként fordul elő. (Lengyel 2000) Krugman megközelítésében egy ország (régió) fejlődése a reáljövedelem és az életszínvonal növekedésében nyilvánul meg, melyet az adott térségben működő vállalatok termelékenysége determinál. Ebből az következik, hogy a versenyképesség területi szinten nem létező kategória, hiszen az nem a területiségből, hanem a vállalati teljesítményből fakad (Krugman 1997). Ezzel együtt nem tagadja – sőt maga hirdeti – a mobilizálható gazdasági tevékenységek térbeli koncentrációjából adódó gazdasági előnyöket, ezen előnyöket azonban az említett koncentrációnak köszönhető növekvő skálahozadékra, és az ebből fakadó vállalati termelékenységnövekedésre vezeti vissza. A növekvő skálahozadék forrásai a méretgazdaságosságból, valamint az urbanizációs előnyökből (nagytömegű munkaerő, gyors információáramlás, speciális erőforrások megléte, stb.), mint pozitív externhatásokból erednek. (Krugman 1995, 1999, Lengyel 2000) Krugman a területegységek (országok) közötti verseny létét az alábbiakra támaszkodva kérdőjelezi meg (Krugman 1994, Lengyel 2003): – A nemzetgazdaságok nem hasonlítanak a vállalatokhoz: a sikertelen országokat nem lehet megszüntetni, mint a tönkrement vállalatokat. – Az országok közötti kereskedelem nem zérusösszegű: miközben egy vállalat sikeressége esetén a versenytársai tönkremehetnek és megszűnhetnek, addig az országok úgy versengenek egymással, hogy komparatív előnyeik alapján specializálódnak és kicserélik (vásárolják) egymás termékeit. Ha egy ország prosperál, akkor általában a vele kereskedelmi kapcsolatban álló, vele „versenyző” országok is jobban járnak, nekik is javul gazdasági teljesítményük. – Országok esetében versenyről nem, hanem csak bizonyos rivalizálásról beszélhetünk: gazdasági teljesítményüket, fejlettségüket és fejlődésüket össze lehet hasonlítani, de ezt nem célszerű a vállalati verseny szempontjai szerint elemezni. Az országok, nemzetek jóléte hosszabb távon

9

termelékenységüktől függ, ezért ezt a mutatót kellene alapul venni a gazdasági rivalizálásban való helytállás mérésekor. Porter ugyan elfogadja a területi versenyképesség létét, de azon belül maga is a termelékenységre helyezi a hangsúlyt. Szerinte az életszínvonalat a termelékenység határozza meg, ezért egy területegység versenyképességének a magas termelékenységi szintet és a termelékenység magas növekedési ütemét tartja. Az így definiált versenyképességet a mikroökonómiai környezet minősége határozza meg, a kifinomult vállalati működéssel és hatékony versenystratégiákkal együtt. Egy régió akkor versenyképes, ha a helyi üzleti környezet az ott működő domináns üzletágak, illetve klaszterek számára tartós versenyelőnyöket nyújt. (Porter 1999, Lengyel 2000). Porter és Krugman véleményét összegezve az a megállapítás tehető, hogy bár az életszínvonal növekedésének alapját mindketten a termelékenység növelésében látják, míg azonban Porter a vállalatok javuló termelékenységét a régiók nyújtotta környezeti feltételek által is determináltnak tekinti, addig Krugman azt kizárólag a vállalatokhoz, és nem az adott régióhoz köti. Lukovics (2007) a fentiek kapcsán arra az álláspontra helyezkedik, hogy a területek közötti verseny fogalma nem a vállalati verseny alapján értelmezhető. Véleménye szerint a térségek versenye leginkább egy egyéni sportversenyhez hasonlítható, ahol a legjobban teljesítő versenyzők győznek, de a többi versenyzőt semmilyen helyrehozhatatlan hátrány nem éri, újra indulhatnak a következő versenyben. Ez alapján elfogadja a területi verseny létét azzal a kitétellel, hogy annak jellemzői alapvetően eltérnek a vállalatok közötti piaci versenytől. A területegységek közötti verseny létét azon gyakorlati tapasztalás alapján is indokoltnak látja, mely szerint a régiók, de főleg nagyvárosok közül csak azok képesek a gyors fejlődésre, amelyek versenystratégiát dolgoznak ki és hajtanak végre. Ennek kapcsán azt is megjegyzi, hogy az említett versenystratégiák végrehajtása során fellépő rivalizálást a regionális tudomány több neves képviselője (pl. Begg, Camagni, Malecki, Polenske) már a területi verseny fogalomkörébe sorolja. Az eddigiekben leírtakból kitűnik, hogy bár a területi verseny és versenyképesség létét tekintve nincsen teljes konszenzus, ennek ellenére az említett kategóriák mára már elfogadottá váltak, amit az is bizonyít, hogy az Európai Unió dokumentumaiban főként a regionális fejlesztéshez kötötten rendre megjelennek. (EC 1999, EC 2006, EC 2007) A területi verseny olyan folyamat, amely területi egységek között zajlik, és melynek célja az adott területen élők jólétének növelése, a regionális és a helyi gazdaság fejlődésének elősegítésével. A fejlődést bizonyos csoportok a helyi politikákon keresztül más térségekkel versengve próbálják befolyásolni explicit

10

vagy gyakran implicit módon. (Chesire és Gordon 1998, Chesire 2003, Lengyel és Rechnitzer 2000) A területi verseny döntően gazdasági szempontok alapján zajlik. A versenyben résztvevők fő célja a térségi jövedelem hosszú távú és stabil növelése, azaz lényegében a sikeres gazdasági fejlődés. A területi verseny a nagyvállalati központokért, a munkahelyteremtő beruházásokért, a képzett munkaerő odaköltözéséért, az országos közintézmények és kutatóintézetek, egyetemek odatelepítéséért, a közszolgáltatások forrásaiért, az infrastruktúra fejlesztéséért és számos egyéb részcélért folyik. A területfejlesztés három hagyományos célját (hatékonyság, méltányosság és fenntartható környezeti fejlődés) tekintve, a területi verseny főleg a hatékonysághoz kapcsolódik. Emiatt a területi verseny élénkítése és a versenyképesség javítása nem a széles értelemben vett területfejlesztéshez, hanem annak egy részéhez, a regionális gazdaságfejlesztéshez sorolható. (Lever 1999, Lengyel 2003) Azzal, hogy a területi verseny mint fogalom bekerült az elfogadott versenykategóriák közé, az unióban a versenyképesség kifejezésnek háromféle alkalmazása terjedt el: egyrészt az úgynevezett hétköznapi, amikor a piaci versenyben való helytállás, a sikeresség szinonimájaként fordult elő mind a vállalatok, mind pedig az országok és régiók esetében. Másrészt az iparpolitikával kapcsolatos, melyen ipari versenyképességi politika értendő. Harmadrészt a közgazdasági, amikor a versenyképesség a globális verseny feltételei között fenntartható, belülről fakadó gazdasági növekedést, és az azt meghatározó tényezőket jelenti. A három megközelítést főként közgazdasági súlyponttal igyekszik integrálni a versenyképesség egységes fogalma, amely: a vállalatok, iparágak, régiók, nemzetek és nemzetek feletti régiók képessége relatíve magas jövedelem és relatíve magas foglalkoztatottsági szint tartós létrehozására, miközben a külgazdasági (globális) versenynek ki vannak téve (EC 1999, Lengyel 2006) A versenyképesség fogalma általános felfogásban kétféle szemléletet ötvöz. Egyrészt a megvalósult (ex post) gazdasági teljesítményt, azaz a versenyben eddig elért eredményeket, másrészt a versenyben való jövőbeni szereplés várható esélyét (ex ante), a sikeres helytállásra való képességet jelenti. Azaz a versenyképesség fogalmában a múlt- és a jelenbeli sikeresség értelmezése mellett megjelennek a sikerek tartósságára, kedvező jövőbeli alakulására vonatkozó várakozások is. (Lengyel 2003) A versenyképesség egységes fogalmából került levezetésre a regionális versenyképesség mai elfogadott definíciója, mely szerint a regionális versenyképesség az életszínvonal tartós javulását szolgáló olyan fenntartható gazdasági növekedés, amely magas foglalkoztatottsági szint mellett valósul meg. (EC 2004, Lengyel 2006) Napjainkban a regionális versenyképesség fogalma magában foglalja a gazdasági növekedés szükségessége mellett a társadalmi jólét és az életszínvonal

11

növekedését is, ezáltal biztosítva az adott területi egységnek a globális versenyben való helytállását. (Barna et al. 2005) Az egységes versenyképesség fogalmában egyértelműen, a regionális versenyképesség meghatározásában pedig – mint a jólét alapja – implicite van jelen az a jövedelem, melyet a versenyképesség mérése során az egy főre eső GDP-vel7 jellemzünk. GDP GDP F M = * * N F M N

(1)

Ahol: – N: lakónépesség – F: foglalkoztatottak – M: munkaképes korúak Az egy főre jutó GDP és a foglakoztatás külön-külön is mérhető, ugyanakkor a közöttük lévő összefüggés az (1) képlet szerint is megadható. A szorzat első tagja megközelítőleg egyenlő a munkatermelékenységgel. A második tag a foglalkoztatottsági ráta, mellyel azt mérjük, hogy kielégítő mennyiségű munkalehetőség áll-e a régió munkaképes korú lakosságának a rendelkezésére. A foglalkoztatottsági rátát a regionális vizsgálatokban általában a munkanélküliségi ráta komplementere8 alapján becslik. A szorzat harmadik tényezője a régió munkaképes korú lakosságának az arányát mutatja a lakónépességen belül, melynek értéke csak lassan változik. Ez a komponens a GDP regionális különbségeit kevésbé módosítja, és a regionális politika által alig befolyásolható, ezért az elemzések során általában eltekintenek vizsgálatától. (Lengyel 2000) A fentiek alapján a regionális versenyképesség a régióban megtermelt egy lakosra jutó jövedelem nagyságával és növekedési ütemével jellemezhető, amely egyaránt adódik a munkatermelékenység és a foglalkoztatottság magas szintjéből. Másképpen megfogalmazva a versenyképesség olyan fenntartható gazdasági növekedés, amely a magas foglalkoztatottsági ráta melletti magas termelékenységből származik, és az alábbi összefüggéssel írható le9: (Lengyel 2003) 7

A regionális GDP a bruttó hazai termék adott régióban keletkezett része. Az egy év alatt előállított összes elsődleges jövedelem (munkabérek, tőkekamatok, osztalékok, földek bérleti díja, vállalatok nyeresége, amortizáció), amelyet a régióban székhellyel vagy telephellyel rendelkező cégek, és az ott élő állandó lakosok realizálnak (Szabó 1998). 8 A munkanélküliségi rátát 100%-ból kivonva. 9 Az itt megfogalmazottakból kitűnik, hogy a regionális versenyképességet csak precízen körülhatárolható, politikai (közigazgatási-statisztikai) vagy homogén régióknál lehet kiszámítani. Mivel a csomóponti régiók a gazdasági tevékenységek térbeli sűrűsödéséből indulnak ki, és ezen

12

Jövedelem / fő ≈ Munkatermelékenység * Foglalkoztatottsági ráta

(2)

A magas szintű foglalkoztatottság nem pusztán a jövedelemtermelés szempontjából fontos eleme a regionális versenyképességnek, hanem társadalmi szempontból is. Az alacsony foglalkoztatottsággal rendelkező régiókban nagyobbak a jövedelemegyenlőtlenségek, ami társadalmi feszültségekhez, és ezen keresztül romló regionális versenyképességhez vezet (Farkas és Lengyel 2001). A munkanélküliségből fakadó mentális nehézségek okozta egészségügyi problémák negatívan hatnak az életminőségre, ami szintén kedvezőtlen irányba tereli az adott területegység versenyképességét. A regionális versenyképességet befolyásoló tényezők rendszerezése, a közöttük lévő összefüggések feltárása, és a versenyképességet javító cselekvési programok kidolgozásának elősegítése érdekében került megalkotásra a regionális versenyképesség piramismodellje. Lengyel (2000) a regionális versenyképességet befolyásoló tényezőket közvetlen, illetve közvetetett hatásuk alapján osztotta két részre. A versenyképességet közvetlenül és általában rövid időtávon belül befolyásoló elemeket alaptényezőknek, a közvetett módon és ebből adódóan hosszabb távon ható elemeket pedig sikerességi faktoroknak nevezte el. Egy régió versenyképességét meghatározó jellemzőknek és tényezőknek három egymásra épülő szintje adható meg: 1) az alapkategóriák: jövedelem, munkatermelékenység és foglalkoztatottság, mint a versenyképesség kiemelt (alap) mutatói; 2) az alaptényezők: az alapkategóriákat közvetlenül meghatározó tényezők; 3) a sikeresség faktorai: az alapkategóriákat és alaptényezőket közvetetten befolyásoló tényezők. Az alapkategóriák a megvalósult (ex post) versenyképességet fejezik ki, míg az alaptényezők és a sikerességi faktorok együttesen a jövőbeni (ex ante) versenyképességet, azaz a jövőbeni versenyben történő sikeres helytállás esélyét jelenítik meg. A versenyképességet meghatározó jellemzők és tényezők szintjeit az 1. ábra és az alábbi rövid ismertetés részletezi10.

Alaptényezők: –

Kutatás és technológiai fejlesztés: innováció érkezhet régión kívülről (például technológiai transzfer) is, de a régió versenyképességét döntően a régióbeli K+F tevékenység eredményeként megszülető innovációk széles

gazdasági tevékenységek térbeli kihatásai nem pontosan mérhetők, ezért a csomóponti régiók esetében a regionális versenyképesség pontosan nem meghatározható. 10 Tekintettel arra, hogy az alapkategóriákra fentebb már kitértem, jelen helyen nem részletezem.

13

–

–

– –

körű és gyors elterjedése segíti elő. A versenyképesség javításához alapvető a kutatás, innováció, oktatás és szakképzés egyidejű fejlesztése, a tudományos és technológiai tudás megjelenése és elterjedése a régióban működő vállalkozások között. Infrastruktúra és humán tőke: mind a műszaki infrastruktúra, mind az oktatási, szakképzési, egészségügyi, szociális intézmények léte és színvonalas működése alapfeltétele annak, hogy egy régió versenyképes legyen. Főleg a fejlett közlekedési és telekommunikációs, informatikai hálózatok lényegesek, valamint az oktatási és képzési rendszerek hatékony kihasználása. Közvetlen külföldi befektetések: a külföldi működőtőke általában új ágazatokat, piacokat, új technológiát, új munkahelyeket hoz létre, javítja a munkatermelékenységet és elősegíti a technológiai transzfert is. A külföldi befektetések generálják a helyi beszállítói, illetve a félkésztermékek esetleges hazai feldolgozására épülő hálózatok kialakítását, és ezzel is hozzájárulnak a vállalkozási aktivitás fokozódásához. Kis- és középvállalkozások: rugalmasak és gyorsan alkalmazkodnak a piaci változásokhoz, főleg tőlük függ a régióban a foglalkoztatottság javítása. Intézmények és társadalmi tőke: a gazdaság eredményes működéséhez a meglevő intézmények közötti hatékony együttműködés is szükséges. Az intézmények, de a vállalatok közötti együttműködéshez, a klaszterek létrejöttéhez is különösen fontos a társadalmi tőke, a megbízhatóság, az együttműködési készség stb.

1. ábra: A regionális versenyképesség piramismodellje Forrás: Lengyel 2006

14

Sikerességi faktorok11: –

–

– –

–

–

–

–

Gazdasági szerkezet: a sikeres régiókban a foglalkoztatottak a gazdasági szolgáltatásokban és/vagy a feldolgozóiparban koncentrálódnak. Az alapellátást biztosító szolgáltatásokon túl jelen vannak azok a pénzügyi, jogi, biztosítási, tanácsadási, stb. tevékenységek is, melyek magasabb hozzáadott értéket produkálva eredményezik a régió fejlődését. Innovációs kultúra és kapacitás: a sikeres régiókban sok szabadalom születik, kiterjedt innovációs tevékenységek folynak, és hatékony az innovációk terjedése. Regionális elérhetőség: a sikeres régiók megközelíthetősége, közlekedési kapcsolatai, földrajzi fekvése előnyösebb, mint a többieké. A munkaerő felkészültsége: a sikeres régiókban relatíve magas a kvalifikált munkaerő aránya a munkaképes korú lakosság körében. Emellett nemcsak a tudásbázis magas szintű, hanem a munkakultúra, a munkafegyelem is. Társadalmi szerkezet: a sikeres régiókban az új gazdasági szerkezet, a tudásigényes gazdasági tevékenységek, a gazdasági szolgáltatások fellendülése erősíti a középosztályt. Döntési központok: fontos az önálló, döntési kompetenciával rendelkező vállalatok jelenléte, azaz a régió legyen bizonyos iparágak térségi bázisa, ott működjenek a lényegi tevékenységeket folytató egységek. A helyi döntési központok a sikerességet nem csak elősegítik, hanem azt tartósabbá, stabilabbá is teszik. A nagyvállalati és pénzintézeti központok a profitból előnyösen részesülnek, alkalmazottaik magasan kvalifikáltak és magas jövedelműek, ami a régió számára egyértelműen versenyképesség növelő. A környezet minősége: a sikeres régiókban a képzett és kulturális igényekkel is fellépő gyarapodó középosztály mind a települési környezet (közbiztonság, minőségi közszolgáltatások, esztétikus városépítészet, színvonalas megjelenésű lakások, jó helyi közlekedés stb.), mind az egészséges, biztonságos természeti környezet iránt fogékony. A régió társadalmi kohéziója: minden régióban, térségben és városban állandóan fellépnek konfliktusok. A sikeres régiók képesek kezelni a gazdasági szerkezetváltás (esetleges elbocsátások), a gyors növekedés (és ezáltal a beköltözők tömegei), a régión belüli területi és települési egyenlőtlenségek (gyors városi fejlődés és elmaradott rurális térségek) miatt fellépő gondokat. A sikeres régiókban az egyes települési önkormányzatok konszenzusra, együttműködésre törekszenek, kölcsönösen informálják és segítik egymást. A régióval való azonosulás, a regionális identitás, a lokálpatriotizmus erősödik, ezáltal a lakosság és a nonprofit szervezetek is aktivizálhatók.

11

A sikerességi faktorok jellemzése során – összhangban Lengyel (2000) álláspontjával – figyelembe vettem Enyedi (1997) sikeres városokra vonatkozó megállapításainak regionális szintre adaptálható elemeit is.

15

Mint ahogyan az előzőekben leírtakból kitűnik, a versenyképesség alapú fejlettségi koncepció képviselői a térségi fejlettséget és fejlődést az egy főre eső GDP-ben, illetve annak gyarapodásában látják megtestesülni. Bár a befolyásoló tényezők között humán és ökológiai elemek is jelen vannak, ezzel együtt azonban ebben a megközelítésben az egyes területegységek fejlettségét és fejlődését – bizonyos humán és ökológiai tényezőket is kívánatosnak tartva, de az indikátorban meg nem jelenítve – kiemelt kulcsmutatóként a GDP-vel jellemzik12. Ebből az következik, hogy ebben a koncepcióban az a területegység a versenyképesebb és ezzel együtt a fejlettebb, amelyik nagyobb jövedelmet realizál. Ezzel a szemlélettel vitatkoznak a fejlettség humán és ökológiai megközelítését vallók.

1.2. A területi fejlettség humán és ökológiai alapú megközelítése A társadalmi és gazdasági fejlettség humán és ökológiai megközelítése a GDPnek, mint a „fejlettség” egyetlen és kizárólagos mutatójának a megkérdőjelezésére épül. A témakörrel foglalkozó kutatók (Gunnar Myrdal, Albert Hirschman, Paul Streeten, Amartya Sen, és mások) fölvetik a kérdést, hogy: vajon valóban a különféle árujavak és a pénzjövedelem birtoklása, vagyis az egy főre jutó GDPben mért gazdasági növekedés a fejlődés végső célja, értéke? A fejlődés tehát nem lenne más, mint a reáljövedelem és a gazdagság növekedése? A választ ezzel kapcsolatban akként fogalmazzák meg, hogy az anyagi gyarapodás útján megszerzett áruk és szolgáltatások csak annyiban bírnak értékkel, amennyiben használatukkal életünk minőségét javíthatjuk. „A fejlődés értelmét tehát önmagában a bővülő áru- és szolgáltatásválasztékban, önmagában a növekvő termelésben és fogyasztásban, önmagában az emelkedő reáljövedelemben meghatározni és mérni nem más, mint az eszköz és a cél összekeverése.” (Pataki 1998; 8. o.) A GDP-t érő legtöbb kritika egybehangzó abban a tekintetben, hogy egy nyilvánvaló gazdasági mutatót a jólét mutatójaként használni téves eredményre vezet. (Heltai 1998) A mutató fontosabb hiányosságait Dabóczi (1998) a következők szerint foglalja össze13: 12 Az itt említett mérési problémát némiképp enyhíti a Világgazdasági Fórum (World Economic Forum: WEF) által rendszeresen publikált versenyképességi jelentés (Global Competitiveness Report), melyben a világ 133 országára közlik azt a Globális Versenyképességi Indexet (Global Competitiveness Index: GCI), mely 110 indikátorból áll össze. Ugyanakkor az indikátorokat áttekintve és a WEF versenyképességi definícióját alapul véve, mely szerint: „Versenyképesség alatt azon tényezők, politikák és intézmények összességét értjük, amelyek egy ország termelékenységének a szintjét meghatározzák.” (4. o.) megállapítható, hogy ebben az esetben is az ökológiai szempontokat háttérbe szorítva, a termelékenység és ezzel összefüggésben a jövedelmezőség a legfőbb célkitűzés. (WEF 2009) 13 A GDP itt megfogalmazásra kerülő hiányosságait már többen jelezték, pl.: Mishan (1993), Henderson (1996), Cobb et al. (1997), Heltai (1998), Ayres (1998), Daly (2001), és mások.

16

–

–

–

–

–

–

–

A GDP -ben csak a piacon realizálódó ügyleteket vesszük számításba, ugyanis csak ezek megragadására képes. Ha valaki saját kezűleg festi ki lakását, akkor a végtermék – a kifestett lakás – csak a felhasznált anyag értékével járul hozzá a GDP-hez, míg ha vállalkozó végzi a munkát, akkor az érte kapott jövedelem is növeli a mutató értékét, feltéve, hogy az megjelenik az adóbevallásban. A szürke és feketegazdaságban realizálódott jövedelem a GDP-ben nem kerül számbavételre, hiszen ezen tevékenységek olyan jövedelmeket eredményeznek, melyek jellegüknél fogva nem jutnak azon állami szervek tudomására, melyek a bruttó hazai termék kiszámításához adatokat szolgáltatnak. A GDP csak a pénzmozgással járó teljesítményt méri. A háztartások között kölcsönösségi elven nyújtott szolgáltatás és ajándék, valamint a családon belül végzett tevékenység vagy teljesen kimarad a számbavételből, vagy csak pontatlan becslés útján képezi annak részét. Ha az édesanya a csecsemőt saját anyatejével táplálja, és nem tápszerrel eteti, akkor semmivel sem járul hozzá a GDP-hez. Ha a nagyobbik testvér vigyáz a kisebbekre otthon, azzal indirekt gazdasági kárt okoz, mert a tevékenység pénzben kifejezett értéke nem jelenik meg a gazdaságban. Az itt megfogalmazottak kapcsán Dabóczi egy, a mai korunkra nagyon jellemző megjegyzést tesz amikor azt írja, hogy: „Nem a vállalatok és a közgazdaságtan szolgálják a családok jólétét, hanem a családokat próbálják egy mutató érdekeinek megfelelően alakítani.” (42. o.) A GDP-ben a természeti erőforrásokat nem tekintjük tőkének, így azok amortizációja nem kerül kimutatásra.14 Ennek alapján minél gyorsabban meríti ki valamely ország a természeti erőforrásait, annál nagyobb lehet a GDP-je, így annak értéke a természet kifosztására is utalhat. A GDP-ben minden ügyletet pozitív előjellel kell elkönyvelni. A katasztrófák okozta kár helyreállítása, a bűnözés (a biztonsági-, és riasztórendszerekre kiadott összegek révén), a válások (az ingatlanpiacra gyakorolt pozitív hatás által) a GDP-ben többletként jelentkeznek. A gazdasági szereplők által végzett túlóra a bruttó hazai terméket szintén növeli, ugyanakkor a családi kapcsolatok kárára van, és az elhanyagolt gyereknevelés (nem beszélve a meg sem született gyerekekről) később pénzben is jelentkező társadalmi károkat okoz. Az állam által nyújtott teljesítmények hozzáadott értéke nem jelenik meg a GDP-ben. Egy tanár „gazdasági haszna” a GDP szerint attól függően változhat, hogy milyen jogállású iskolában tanít. Ha ugyanazt az osztályt állami iskolában oktatja, akkor kevesebbel növeli a GDP-t, mint magán vagy alapítványi intézményben. A GDP nem fejezi ki a jövedelemegyenlőtlenségeket. Az egy főre vetített értéke abban az esetben lehet irányadó a társadalmi jólétre nézve, ha a

14

Ennek veszélyeire már Ernst F. Schumacher is figyelmeztetett „A kicsi szép” című könyvében (Schumacher 1991).

17

–

megtermelt jövedelem egyenletesen oszlik el a társadalom tagjai között. Ha azonban a jövedelem jelentős részét a társadalom egy szűk rétege birtokolja, akkor az össztársadalmi jólét magas GDP mellet sem tekinthető színvonalasnak. A GDP növekedésében nem tükröződik annak forrása abban a tekintetben sem, hogy az mennyiben származik külföldi hitelfelvételből, és ezzel milyen mértékben növeli a külfölddel szemben fennálló adósságállományt15.

A GDP mellett szólva fölvethető, hogy a fenti hiányosságai ellenére alkalmas lehet arra, hogy ha nem is pontos, de jó közelítését adja a fejlődésnek, azaz az emberi élet minőségi javulásának. Ha a társadalom jobb életminősége szorosan összefügg a rendelkezésére álló javakkal és szolgáltatásokkal, akkor enyhe torzítással a fejlődést a megtermelt áruk és nyújtott szolgáltatások pénzben kifejezett értékével is mérhetjük. Sen elemzései rámutatnak, hogy nem szükségképpen jár együtt a nagyobb egy főre jutó GDP és az emberi élet minőségének magasabb foka16. A két tényező közötti pozitív kapcsolat csak akkor áll fenn, ha a gazdasági növekedés a lakosság széleskörű foglalkoztatása mellett valósul meg, és közszolgáltatás formájában az egészségügy valamint az oktatás mindenki számára elérhető. Az empirikus vizsgálatok tehát cáfolják a neoklasszikus közgazdászok és a korlátlan növekedéspártiak azon állítását, hogy a gazdagság magától (állami beavatkozás nélkül) leszivárog a szegény és hátrányos helyzetben levő rétegekhez is. (Pataki 1998) Az itt megfogalmazottakkal nem áll ellentétben Csite és Németh (2007) magyarországi kistérségekre végzett vizsgálatainak azon eredménye, mely szerint a piaci szereplők által előidézett (nem csak területi) egyenlőtlenségeket az állami újraelosztás nagy rendszerei (oktatás, egészségügy) nagyban enyhítik. Ebből az következik, hogy egy olyan országban, ahol az állami újraelosztás működik, a megtermelt jövedelem kapcsán tapasztalható egyenlőtlenségeket a társadalmi és gazdasági fejlettség más tényezői képesek kompenzálni, tehát a társadalmi és gazdasági fejlettségben tapasztalható különbségek a jövedelmi különbségeknél kisebbek lesznek. A két megközelítés között az az alapvető különbség, hogy míg Sen egy ország fejlettségét viszonyította egy másikhoz, illetve időben saját magához, addig Csite és Németh egy országon belül vizsgálódott. Országos viszonylatban az állami újraelosztás a jövedelem növekedésének és a társadalmi életszínvonal emelkedésének az egyirányú együttmozgását eredményezi, mert a többletjövedelem hasznából a társadalom széles rétegei részesülnek. Országon belül azonban az újraelosztás 15

Ezen a ponton megjegyzem, hogy természetesen a nemzetközi fizetési mérlegben és annak egyenlegében a külfölddel szemben fennálló kötelezettségek megjelennek, de ez nem menti a GDP jelzett hiányosságát. 16 Sen az évszázad első hat évtizedét vizsgálva kimutatta, hogy az Egyesült Királyságban a várható élettartam alakulása majdnem teljesen ellentétesen mozog az egy főre jutó GDP növekedésével (Sen 1998). Ezen a ponton megjegyzem, hogy az Egri et al. (2009) által keresztmetszetben elvégzett fejlettségi vizsgálatok a közép-kelet-európai régiókra nézve is azt mutatják, hogy a gazdasági- és a humánfejlettség között nincs szoros összefüggés.

18

eredményeként az említett két tényező együttmozgása kevésbé lesz erőteljes, mert az adott kistérségben vagy társadalmi csoportban jelentkező többletjövedelem hasznainak egy része átkerül más kistérségekbe vagy társadalmi csoportokba. Véleményem szerint az itt megfogalmazottak is igazolják a komplex fejlettségi vizsgálatok létjogosultságát az egydimenziós elemzésekkel szemben, mert a komplex vizsgálatokban az állami újraelosztás eredményessége is megjelenik. A GDP-vel mért gazdasági növekedés mellett további érvként fogalmazódott meg, hogy a környezet szennyezése és terhelése a gazdasági növekedéssel egyre kisebb lesz, mert egyre több közpénzt lehet a környezet védelmére fordítani, és a piaci mechanizmusok az erőforrások kimerülésével kapcsolatos problémákat is kezelni tudják, ugyanis a mennyiségi csökkenés eredményeként azok ára egyre magasabb lesz, ez használatukat visszaszorítja, és ezzel más – adott esetben környezetkímélőbb – megoldások kidolgozását kényszeríti ki. (Heltai 1998) A fentiekben megfogalmazott vitában akkor következett be némi enyhülés, amikor a fenntartható fejlődés célkitűzése előtérbe került (Heltai 1998). A fenntartható fejlődés fogalma, koncepciója a hetvenes évektől datálható, de használata a nyolcvanas évektől vált egyre gyakoribbá, amikor az ENSZ közgyűlése 1983-ban megalakította a Környezet és Fejlesztés Világbizottságot17. A fogalom fejlődését Szörényiné (2005) a következő főbb állomások mentén foglalja össze18. A Világbizottság által megalkotott „Közös Jövőnk”19 dokumentum az ENSZ Közgyűlése által 1987-ben került elfogadásra, melyet a bizottság elnöke után Brundtland jelentésnek is szokás hívni. A jelentés a fenntartható fejlődést a következők szerint definiálja: „a fenntartható fejlődés a fejlődés olyan formája, amely a jelen igényeinek kielégítése mellett nem fosztja meg a jövő generációit saját szükségleteik kielégítésétől” (Persányi 1988, 68. o.). A definíció 1994-ben20 tovább bővült, a következők szerint: „A fenntartható termelés és fogyasztás a javak és szolgáltatások olyan felhasználása, amely lehetővé teszi az alapvető szükségletek kielégítését, az életminőség javítását, a természeti erőforrások felhasználásának, a mérgező anyagok, hulladékok és egyéb szennyezők kibocsátásának minimalizálásával az adott életciklusban oly módon, hogy nem veszélyezteti a jövő nemzedékek szükségleteinek kielégítését” (Simai 2001; 111-112. o.). 2002-ben a Johannesburgban rendezett „ENSZ Világcsúcs a Fenntartható Fejlődésről” a fogalom további bővülését eredményezte azzal, hogy a szociálpolitikát is beleintegrálta. Eredményül a következő meghatározás 17

World Commission on Environment and Development (WCED) „A fenntartható fejlődés és a környezetvédelem közötti legfontosabb különbség, hogy míg a környezetvédelem általában a társadalom és a gazdaság működésének következtében létrejött károsodások elhárításával foglalkozik, addig a fenntartható fejlődés megvalósításához mindig az okok felkutatására és megválaszolására van szükség.” (Gyulai 2000, 22. o.) 19 Our Common Future 20 Osló: Symposium on Sustainable Consumption 18

19

született: „az emberiség közös jövőjéről, annak a földi életközösségben való fenntarthatóságáról, olyan bolygóméretű tanulási- fejlődési folyamatról beszélünk, amelynek eredményeképpen az emberi társadalom a Föld bolygón fenntarthatóvá válhat” (Láng 2002). A fenntartható fejlődés meghatározása bár átment a fentiekben vázolt fejlődési folyamaton, a gyakorlati alkalmazhatóság szempontjából azonban a meghatározottsága vitatható. Ezzel kapcsolatban Bartus (2006) az alábbi kritikai megjegyzéseket teszi: – A definíció szerint a fenntartható fejlődés alapvető célja a nemzedékek közötti igazságosság megteremtése a természeti erőforrásokhoz való hozzájutás tekintetében. Ehhez az szükséges, hogy bármelyik következő generáció számára a saját szükségleteik kielégítéséhez nélkülözhetetlen erőforrások rendelkezésre álljanak. Az itt megfogalmazott kitétel betartása feltételül szabja azt, hogy tudatában legyünk az évszázadokkal később élők szükségleteinek. A problémát ebben az esetben a nem megújuló erőforrások elosztása jelenti, ugyanis ebben az esetben egy véges mennyiségű anyaghalmazról van szó, melyet úgy kellene igazságosan elosztani a jelen és a jövő generációi között, hogy a jövőre nézve jó néhány lényeges tényező ismeretlen. Nem ismerjük az időtartamot, amíg az erőforrásnak rendelkezésre kell állnia, sok esetben nem ismerjük az erőforrás teljes elérhető mennyiségét, nem ismerjük az adott erőforrások segítségével kielégíthető igények intenzitását és sokaságát a különböző korszakokban, és nem ismerjük az adott korra jellemző technológiák sajátosságait a vizsgált erőforrás felhasználásának hatékonyságára nézve. – A fenntarthatóság mérésére ma legtöbbször a HDI21, a GPI22, az ESI23 és az EF24 mutatókat használják. Ezen mutatókkal kapcsolatban jelentős probléma, hogy nehezen lehet összegyűjteni az előállításukhoz szükséges és kellően megbízható adatokat25, mindemellett a mutatók képzése kapcsán alkalmazott módszer is több esetben viták tárgyát képezi. A fenntarthatóság koncepcióját összefoglalva Bartus (2006) bár elismeri és értékeli a környezettudatos szemlélet megjelenését és elterjedését úgy a hétköznapokban, mint a politikai nyilatkozatokban és fejlesztési dokumentumokban, ugyanakkor a gyakorlati alkalmazást úgy egyéni, mint közösségi szinten elégtelennek tartja. Ezzel kapcsolatban megjegyzi, hogy a fenntartható fejlődés elve – úgy, ahogyan arról ma gondolkoznak, és ahogyan azt 21

Human Development Index: emberi fejődés index Genuine Progress Index: valódi fejlődés index 23 Environmental Sustainability Index: fenntartható környezet index 24 Ecological Footprint: ökológiai lábnyom 25 A HDI-hez szükséges adatok gyűjthetők össze a legkönnyebben, az oktatási teljesítmény indexének előállításához szükséges információk azonban hazánkban is csak a tízévenként elvégzett népszámlálások kapcsán állnak rendelkezésre, és a települési szintű indexalkotást további adathiány is nehezíti. 22

20

megpróbálják gyakorlati intézkedésekké alakítani – nem alkalmas a környezeti problémák gyakorlati kezelésére. Véleménye szerint alapvető értékrend váltásra van szükség úgy egyéni, mint intézményi szinten, mert csak így lehet gátat szabni a pazarló fogyasztásnak és a mindent elnyomó profitszemléletnek. Szlávik (2006) arra az álláspontra helyezkedik, hogy a természet, a gazdaság és a társadalom által alkotott rendszerben „a fenntartható fejlődés a természeti tőkekorlátok tiszteltben tartásával valósítható meg. A gazdasági tőke csak ezen korlátok között és e korlátoknak megfelelő minőségben fejlődhet.” (87. o.) Ahogyan az a fentiekben megfogalmazottakból kitűnik, a GDP-orientált fejlődési koncepció alternatívájaként megjelenő irányzat középpontjában az emberi élet minősége áll. Erre a megközelítésre épül a humán fejlettség koncepciója, mely az ENSZ Fejlesztési Programjának (UNDP26) keretében került kidolgozásra Amartya Sen aktív közreműködésével. A koncepció szerint bár a gazdasági növekedés szükséges a fejlődéshez, ez önmagában azonban nem elegendő. A fejlődés értelme az emberek életének jobbra fordulásában testesül meg. Ehhez többek között szükség van tisztességes jövedelemre, az egészségben megélt hosszú életre, és a tanulást elősegítő feltételekre. Az itt megfogalmazottakkal összhangban került megalkotásra a humán fejlettség mértékének meghatározását célzó emberi fejlettségi index (HDI), melynek értéke az UNDP által 1990 óta folyamatosan meghatározásra és publikálásra kerül. (Draper 2008, Józan 2008) Az emberi fejlődést három dimenzió: a gazdasági teljesítmény (a), az élettartam (b) és az oktatási teljesítmény (c) alapján mérik. Az első komponens indikátora az egy főre eső reál GDP vásárlóerő-paritáson vett értékének logaritmusa27, a másodiké a születéskor várható átlagos élettartam, míg a harmadik dimenziót az írni és olvasni tudók népességen belüli arányának, valamint a bruttó beiskolázási aránynak28 a súlyozott számtani átlaga adja, melyben az írni és olvasni tudás kétszeres, a bruttó beiskolázási arány pedig egyszeres súllyal szerepel. Az index meghatározása előtt mindegyik indikátort az összevonhatóság érdekében a (3) képlet alapján normalizálják29, majd a HDI a három dimenzió egyszerű számtani átlagaként ((4) képlet) kerül meghatározásra. (Nemes Nagy és Jakobi 2003)

26

United Nations Development Programme A logaritmizálásra azért kerül sor, mert egy elfogadható fejlettségi szint eléréséhez nincs szükség végtelenül nagy jövedelemre (UNDP 1990). Ezen a ponton megjegyzem, hogy kistérségi szintű vizsgálataik során Obádovics és Kulcsár (2003) a személyi jövedelemadó nagyságát, Józan (2008) a GDP-vel erőteljesen korreláló személyi jövedelemadó-alapot, míg Csite és Németh (2007) a személyi jövedelemadó-alap, a helyi adó, valamint a vállalkozások száma alapján becsült bruttó hozzáadott érték (térségi gazdasági erő) nagyságát használta a GDP helyettesítésére, és logaritmus transzformáció nem történt. 28 Az összes általános, közép-, és felsőfokú iskolába járók aránya a megfelelő korú (6-23 éves) népesség százalékában. 29 Az egy főre jutó GDP esetén annak tízes alapú logaritmusa kerül a (3) képletbe. 27

21

Nj =

I j − I min I max − I min

(3)

HDI j =

a+b+c 3

(4)

Ahol: – Ij az adott indikátor értéke a j-edik területegység esetén – Imin és Imax az adott indikátor minimuma és maximuma – Nj az adott indikátor normalizált értéke a j-edik területegység esetén – HDIj a j-edik területegység humán fejlettségi indexe – „a”; „b” és „c” az emberi fejlődés három dimenziója A HDI legfőbb előnye abban rejlik, hogy összetett jellegéből adódóan a valóságot az egydimenziós megközelítéshez képest átfogóbb módon képes megragadni úgy, hogy viszonylag kis adatigényének köszönhetően könnyen kiszámítható, és az eredmények a laikusok számára is könnyen értelmezhetők. (Berger-Schmitt és Noll 2000, Husz 2001). Az indexhez kapcsolódó szakmai kritikákat Husz (2001) az alábbiakban foglalja össze30: – A születéskor várható élettartam kapcsán Lind (1993) felvetette, hogy az élettartam helyett célszerűbb lenne az egészségben eltöltött élettartam mutatóját használni, ezzel ugyanis nem pusztán az élethosszt, hanem a minőségi életnek a hosszát lehetne mérni. – Az írni és olvasni tudás kapcsán Lind (1992) megjegyzi, hogy az egyes országok esetében lényegesen különböző felkészültséget igényel31, másrészt pedig az is problematikus, hogy az értéke maximálisan 100% lehet, tehát azzal szemben, hogy a fejlődés elvileg felülről korlátlan, ebben a vonatkozásban mégis korlátossá válik. Ráadásul ezt a korlátot a fejlett országok szintem már teljes egészében elérték, így esetükben ezen a téren további fejlődés már nem lehetséges, és közöttük a mutató szinte egyáltalán nem differenciál. – A szabadságot, a biztonságot és az egyenlőséget jellemző indikátorok szintén részét képezhetnék az indexet alkotó mutatóhalmaznak (Lind 1992, 1993). Meg kell azonban jegyezni, hogy ezen tényezők mérése nem egyszerű, másrészt pedig jó néhány – elsősorban kevésbé fejlett – országban a méréshez potenciálisan felhasználható információk nem állnak rendelkezésre. A fenti kritikai megjegyzések bár kétség kívül jogosak, nem látszanak azonban olyan súlyúnak, hogy a HDI alkalmazásának megszűnését eredményezzék.

30

A normalizálás módszertanát illető kritikai megjegyzésekre és azok kezelésére a saját vizsgálataimhoz kapcsolódó modellalkotás során térek ki. 31 Kínaiul lényegesen nehezebb megtanulni írni és olvasni, mint angolul.

22

Nemcsak az UNDP publikálja rendszeresen az ország-rangsorokat32, hanem hazánkban is rendre készülnek megyei és kistérségi HDI számítások33. Az index a mögötte lévő húsz éves múlt alapján vélhetően a jövőben is a humán fejlettség elfogadott és a kutatók által figyelemmel kísért indikátora marad. A területi fejlettség és fejlődés kapcsán a jelen fejezetben leírtakból az a következtetés szűrhető le, hogy ez egy olyan több dimenziós, és ezáltal egy sok mutatóval jellemezhető összetett jelenség, mely éppen összetettségénél fogva nehezen definiálható. Mindemellett a számszerűsített formában történő pontos meghatározását megnehezíti az a tény is, hogy jellemzően nem egy könnyen mérhető mennyiségi, hanem egy soktényezős minőségi fogalomról van szó (Nemes Nagy 1998).

2. ábra: Összetett fogalmak és jelenségek mérésének logikai váza és példái Forrás: Nemes Nagy 2005a

32

A 2009-ben kiadott rangsorban hazánk 182 országból a 43. (UNDP 2009) A fentiekben már hivatkozott tanulmányok mellett lásd még Rechnitzer és Smahó (2005) munkáját. 33

23

A fentiekre tekintettel vizsgálataim során a 2. ábrán feltüntetett komplex mutatóra épülő mérési módszerek közül a főkomponens-analízist és a HDI mutató módszertanát fogom egymásra építve alkalmazni. A társadalmi és gazdasági fejlettség többdimenziós jellegét az elérhető adatok teremtette korlátok között egy matematikai és szakmai alapon jól körülhatárolt széles mutatóstruktúrával kívánom megragadni, melyben a minőségi jellemzőket, illetve az azokra ható mennyiségi tényezőket igyekszem figyelembe venni. A mutatóstruktúrába a jövedelmi viszonyokat jellemző indikátorokat is bevonom, ugyanis a fentebb megfogalmazottakból kitűnik, hogy a fejlődést humán és ökológiai oldalról megközelítő kutatók sem azt képviselik, hogy a jövedelemnek ne lenne pozitív hatása a fejlődésre, hanem „csak” annyit állítanak, hogy a fejlődés nem azonosítható kizárólagosan az anyagi gyarapodással. A nagyobb jövedelem pusztán eszköze – abból sem az egyetlen – , és nem célja a fejlődésnek. Mint ahogyan arról Nemes Nagy (1998) kapcsán fentebb már szóltam, a fejlettség és a fejlődés fogalmának meghatározása nem egyszerű feladat. Mindazonáltal úgy gondolom, hogy egy kutatómunkában feltétlenül tisztázni szükséges a vizsgált jelenség mibenlétét. Ennek megfelelően – összhangban Németh (2008) fejlettségi megközelítésével – vizsgálataim során társadalmi és gazdasági értelemben fejlettebbnek tekintem azt a területegységet, amely a vizsgálatban szereplő mutatók által kijelölt dimenziók mentén kedvezőbb pozícióban van a többi területegységhez képest a térben, vagy önmagához képest az időben.

24

2. HAZÁNK TÁRSADALMI ÉS GAZDASÁGI FEJLETTSÉGÉNEK TERÜLETI VONATKOZÁSAI A RENDSZERVÁLTÁST KÖVETŐ SZAKIRODALOMBAN A fejezet célja annak feltárása, hogy a vizsgált jelenség elemzésében a szakirodalom pillanatnyilag hol tart, azaz a kutatók vizsgálataikhoz milyen módszereket és mutatókat használnak, milyen kutatási eredményeket mutattak föl, és melyek azok a kutatási területek, amelyek eddig nem, vagy csak kismértékben kerültek feltárásra. Az itt megfogalmazottak ismeretében a fejezet célja továbbá a saját munkám releváns kutatási kérdéseinek és hipotéziseinek megalapozása, és ezzel annak megteremtése, hogy dolgozatom végeredményeként hozzáadott kutatási érték születhessen. A rendszerváltást követő területi fejlődés azon új, kiemelt tényezőit, melyekre a szakirodalom általam is feldolgozásra kerülő több tanulmánya rámutat, Enyedi (2000) az alábbiakban foglalja össze: – A nemzetközi hatások globális szinten elsősorban a gazdasági és társadalmi értelemben fejlett területeken jelentkeznek. Ide települnek azok a multinacionális nagyvállalatok, melyek kiterjedt nemzetközi kapcsolataik révén egyrészt élvezik a globalizáció nyújtotta előnyöket, másrészt viszont nagyobb mértékben ki vannak téve a világgazdaságban bekövetkező kedvezőtlen fordulatoknak is34. A fejlődés nemzetközi hatásaként jelentkezik az Európai Unió területfejlesztési politikájának hazánkat is érintő része, melynek alapvető célja az elmaradott területek felzárkóztatása35. Tekintettel arra, hogy valamennyi magyar régió, és a tizenkilenc megyéből tizennégy országhatárral rendelkezik, továbbá nem megfeledkezve arról sem – ezt a bemutatásra kerülő szakirodalom és saját vizsgálataim is alátámasztják –, hogy a határ menti területek a legfejletlenebb térségek közé tartoznak, a fejlődés nemzetközi hatásai között jelentkeznek a határon átnyúló kapcsolatok, illetve azok hiánya is. – A távolság úgy térben, mint időben veszít a jelentőségéből. Ez nemzetközi vonatkozásban a tőke, az alapanyag, a késztermék, valamint az információ gyors és nagyléptékű mozgásában mindenképpen megnyilvánul. A húsz évvel ezelőtti időszakhoz képest az országon belül is kisebb a jelentősége a távolságnak, de mint ahogyan arra a továbbiakban feldolgozásra kerülő tanulmányok és a saját vizsgálataim is rámutatnak, az országon belüli fejlettséget az elérhetőség még ma is jelentős mértékben befolyásolja. 34

Ilyen térség hazánkban az Észak-Dunántúlon Székesfehérvár, Veszprém, Szombathely, Győr és Tatabánya által határolt terület. (Diczházi 1997) 35 Toroczkai és Hahn (2006) ötven darab 2004-es fejlettségi mutatóra épülő kistérségi szintű korrelációs elemzései alapján a vizsgált öt operatív programból hármat (AVOP, KIOP, ROP) felzárkózást elősegítőnek, míg kettőt (GVOP, HEFOP) inkább a fejlettebb kistérségek további fejlődési előnyét generálónak ítélt. Lóránd (2009) tizennégy 2005-ös fejlettségi indikátor segítségével elvégzett, klaszteranalízisre épülő kistérségi szintű vizsgálatai két operatív programot (AVOP, ROP) mutattak felzárkóztatónak.

25

–

–

A humántőke minősége válik a területei fejlődés kiemelt elemévé. Ez abból adódik, hogy a tőke nemzetközi viszonylatban rugalmas helyváltoztatásra képes, és a világ nagyon sok pontján vagy hasonló környezeti feltételeket talál, vagy azt viszonylag gyorsan képes megteremteni, így – mint a térben leginkább változó és csak hosszú idő alatt javítható tényező – a humántőke minősége válik kiemelt prioritássá. A ritka, másutt nehezen utánozható helyi adottságok a fejlődés szempontjából felértékelődnek. Ide sorolhatók például azok az ökológiai tényezők, gasztronómiai, kézműves és agrár hagyományok, melyekre építve a továbbiakban lehatárolásra kerülő fejletlen térségek felzárkóztatása elindítható lenne.

A továbbiakban a feldolgozott szakirodalmat idődimenzió alapján csoportosítom. Az egyik kategóriába kerülnek azok a dolgozatok, melyekben egy, vagy maximum két évre vonatkozó állapotvizsgálatokra kerül sor, a másikba pedig azok, ahol folyamatvizsgálatokra alapozott eredmények születnek. Folyamatvizsgálatnak tekintem azt az elemzést, ahol minden mutatóra vonatkozóan legalább ötéves időintervallumban, ezen belül legalább három – lehetőség szerint egyenletesen elosztott, de feltétlenül minden mutatóra nézve azonos – időpontban történik az adatfelvétel és az elemzés, és az egyes időpontok eredményeiben bekövetkezett változások is kiértékelésre kerülnek. A szakirodalom feldolgozása során, a szükséges területi részletezettség érdekében, két települési szintű elemzés bemutatása mellet főként kistérségi szintre fókuszálok, az ettől nagyobb aggregáltságú elemzéseket csak lábjegyzetben, a bemutatott eredmények kiegészítése okán említem meg. Térbeli kiterjedés vonatkozásában a szakirodalmi áttekintés középpontjában az ország egésze áll, ettől szűkebb elemzések szintén csak lábjegyzetelve, az eredmények kiegészítése érdekében kerülnek megemlítésre.

2.1. Állapotvizsgálatok eredményei A szakirodalmat áttanulmányozva azt tapasztaltam, hogy a társadalmi és gazdasági fejlettséget komplex jellegénél megragadó állapotvizsgálatok központi módszerként vagy a pontozásos eljárást, vagy a főkomponens-analízist alkalmazzák. Erre való tekintettel a feldolgozott tanulmányokat ezen az alapon csoportosítom.

2.1.1. Pontozásos eljárásra épülő eredmények Ahogyan arra fentebb már utaltam, a hazai kistérségek és települések társadalmi és gazdasági fejlettségének mérésére elterjedt a pontozásos eljárások alkalmazása. Ezt a módszertant használja Csatári (1996) is, a hátrányos helyzetű kistérségek lehatárolása és tipizálása érdekében. A szerző hat csoport (demográfia, foglakozási szerkezet, munkanélküliség, gazdaság, infrastruktúra,

26

egyéb speciális mutatók) harminckét indikátorát figyelembe véve értékeli százharminchét kistérség (Budapesti kizárva) 1994-re jellemző társadalmi és gazdasági fejlettségét. Az eljárás során az egyes mutatók szórásának terjedelemét öt egyenlő részre osztva, a kistérségek az összes jellemző vonatkozásában az alapján kaptak 1-5-ig terjedő pontszámot, hogy az adott mutató szerinti skálán az öt tartományból melyikbe kerültek. Az értékelés során az egyes pontszám jelentette az adott mutató kapcsán mért legkedvezőtlenebb, míg az ötös a legkedvezőbb pozíciót. Az így nyert pontszámok mutatócsoporton belüli átlaga adta az adott kistérség adott mutatócsoportra jellemző fejlettségi állapotát. A komplex fejlettség meghatározása a fent említett mutatókészletből kiemelt huszonnégy indikátor alapján történt, a mutatócsoportok esetében jelzett módszertant követve. A vizsgálat eredményeként megállapítást nyert, hogy az elmaradott hatvanhat kistérség36 (az öt osztatú besorolás alsó két kategóriája) az Alföld és a Dél-Dunántúl térségében agrár, a középhegységek vonalában ipari válság sújtotta terület, ezzel együtt általános jellemzőjük a magas munkanélküliség és a fejletlen infrastruktúra. Ennek kapcsán Nagy (2007) megjegyzi, hogy a rendszerváltást követően a korábban nagy alapanyag és energiaigénnyel rendelkező nehéziparra, és a nagyüzemi agrártermeléssel összekapcsolódó feldolgozóiparra alapozott térségi gazdasági modell válságba került, melyből a rendszerváltást követően sem a privatizáció, sem pedig a szigetszerűen megjelenő zöldmezős beruházások nem tudták kimozdítani az említett területek gazdaságát. A fent említett módszertannal megegyező eljárás keretében, az 1997-es év száznegyvenkilenc kistérségére vonatkozóan (Budapest kizárva) ismételt vizsgálatok lefolytatására került sor, Csatári (1999) által. A mutatócsoportok száma és jellege azonos a korábbi elemzés kapcsán közöltekkel, ugyanakkor a vizsgálatba vont indikátorkészlet a társadalmi és gazdasági változásokat követve húsz százalékban módosult, számosságát tekintve harminchét darabra bővült, melyből a komplex fejlettség meghatározásához huszonnyolc mutató került felhasználásra. Az eredményeket illetően 1994 és 1997 között lényeges változás nem következett be, ami nyilvánvalóan következik a rendkívül rövid időszak mellett abból is, hogy a hátrányos helyzetű kistérségeket érintő válságjelenségek a rendszerváltást követően tartósnak bizonyultak. Szintén pontozásos eljárást alkalmaz Faluvégi (2000), a 150 hazai kistérség 1998-ra jellemező fejlettségi különbségeinek vizsgálata során. Az elemzésben kilenc mutató segítségével értékeli a vizsgált területegységek munkaerő-piaci, jövedelmi, valamint tőkevonzó és megtartó képességét, figyelembe véve a népességmozgást és az infrastruktúrát érintő tényezőket is. A kistérségeket az

36

Az itt említett vizsgálatokra alapozva a 106/1997. számú kormányrendelet többszöri módosítás után végül nyolcvannyolc kedvezményezett kistérséget jelölt ki.

27

egyes mutatók Budapest nélküli átlagához viszonyítva osztja öt kategóriába37, mely szerint dinamikusan fejlődő, fejlődő, felzárkózó, stagnáló és lemaradó kistérségi csoportokat különít el38. Bár a kategóriák a fejlettség terén tapasztalható folyamatok megjelenítését sugallják, az indikátoroknak csupán az egyharmada tekinthető egy korábbi időponthoz viszonyított dinamikát is tükröző mutatónak. Ezért véleményem szerint a jelen kutatás inkább egy 1998-ra jellemző fejlettségi állapotot kifejező helyzetképről – a szerző dolgozatában maga is a „helyzet” kifejezést használja –, és kevésbé a fejlődésről mint folyamatról informál.

3. ábra: Kistérségi szintű fejlettségi különbségek Magyarországon (1998) Forrás: Faluvégi 2000 A vizsgálatokból kiderül, hogy az átlag fölötti fejlettségi szinten lévő kistérségek a Közép-magyarországi, valamint a Közép- és Nyugat-dunántúli területekre, míg az átlag alattiak az észak-magyarországi és a dél-dunántúli térségekbe koncentrálódnak. A vizsgált területegységek által alkotott térszerkezetben kirajzolódik a középhegységekbe települt északkelet-délnyugati nehézipari tengely összeomlása, az északkeleti fejletlen területeket lehatároló Balassagyarmat-Békéscsaba vonal, valamint az autópályák fejlettséget 37

Az átlaghoz viszonyított pontozást követ Kovacsicsné (2006) is, a borsodi kistérségek húsz mutató alapján történő 2003-as komplex fejlettségi elemzése során. A tanulmányt főként saját vizsgálatom minél szélesebb körű alapmutató-bázisának összeállítása érdekében veszem figyelembe. 38 Dinamikusan fejlődő térségek esetén a mutatók zöme több mint tíz százalékkal meghaladja a vidéki átlagot, a fejlődő területeken az érték átlagfölötti de nem haladja meg a tíz százalékos pluszt, az átlag alatti tíz százalékos határ jelöli a felzárkózók és a stagnálók közötti különbséget, míg az átlag alatti tizenöt százalék határolja el a lemaradó területeket.

28

kedvezően befolyásoló hatása is39 (3. ábra). A szerző a fejlett és az elmaradott térségek nyugat-kelet irányú megosztottsága kapcsán korábbi elemzésekre is alapozva rámutat, hogy a nyugati területek intenzívebb fejlődése a kedvezőbb földrajzi fekvésnek, a rugalmasabb gazdasági szerkezetnek, és a magasabb iskolázottságnak köszönhető. Ugyanakkor a keleti országrészre jellemző elhúzódó válság a keleti piacokra épülő mezőgazdasági és nehézipai tömegtermelés megszűnésére, a fővárosi anyavállalatok vidéki telepeinek a bezárására, valamint a kiépítetlen – elsősorban közlekedési – infrastruktúrára vezethető vissza. Hahn (2004) a 168 hazai kistérség 1995 és 2001 közötti komplex fejlettségében bekövetkezett változást méri, a vizsgálatba vont tíz mutató40 két időpont közötti viszonyszámai alapján41. Az indikátorokat szórásterjedelmük alapján öt egyenlő részre osztja, a kistérségeket minden mutató mentén ez alapján 1-5-ig pontozza42, és az így nyert pontszámok számtani átlagával jellemzi a vizsgált területegységek fejlettségében bekövetkezett változást. A kistérségek által alkotott térbeli kép ebben az esetben is a fentiekben már jelzettek szerint alakul, megállapítható azonban, hogy a Balaton környékén és az M7-es autópálya mentén fekvő kistérségek nem rajzolnak ki egy határozott dinamikusan fejlődő térséget, közöttük jó néhány az ötfokozatú skálának a második leggyengébb (lassú fejlődésű) kategóriájában helyezkedik el. Faluvégi és Tipold (2007) a 174 hazai kistérség komplex fejlettségének pontozásos értékelését a kedvezményezett kistérségek lehatárolását célzó 67/2007. országgyűlési határozatban foglalt mutatók alapján végzi el. Az elemzés során felhasznált öt csoportot (gazdasági, infrastrukturális, társadalmi, szociális, foglalkoztatási) képező harmincegy indikátor szórásterjedelme jelen esetben is öt egyenlő részre bontva adja az egyes kistérségek mutatónkénti pontértékét43. A pontértékek csoportonkénti átlaga képezi az egyes fejlettségi dimenziók kistérségenkénti jelzőszámát, és a csoportátlagok átlagaként kerül 39 Faluvégi (2004) az említett mutatóstruktúrát és módszertani eljárást alkalmazva a 2002. év 168 kistérségére is elvégzi a vizsgálatokat, melyek 1998-hoz képest lényeges változást nem mutatnak ki. 40 A mutatók a 24/2001. (IV. 20.) országgyűlési határozatban közölt – a kedvezményezett térségek lehatárolása során alkalmazandó – 19 mutatóból kerültek kiválasztásra szakmai megfontolások alapján. 41 Bár ebben az esetben a szerző fejlettségi változást, azaz a két jelzett időpont közötti fejlődést mér, ezzel együtt a tanulmányt az állapotvizsgálatok közé sorolom, mert a vizsgált jelenség csak az időszak elején és végén kerül felmérésre, a köztes időszakról azonban nem szolgáltat információkat. 42 Az egyes a legkedvezőtlenebb, az ötös a legkedvezőbb pozíciót jelzi. 43 A fentiekben ismertetett tanulmányokon túl, szintén ötfokozatú skála mentén pontozza az Európai Unió régióit Nagy (2006) arra a hat indikátorra nézve, melyek összevonásából nyert komplex mutató alapján értékeli a vizsgált területegységek társadalmi és gazdasági fejlettségét. A 2004-ben csatlakozó országok régiói közül a 2002-es adatok alapján hazánkból csak a KözépMagyarországi került a tíz legfejlettebb közé.

29

meghatározásra a vizsgált területegységeket jellemző komplex fejlettségi mutató. A kiugró értékek okozta torzulások kiküszöbölése érdekében a mutatók pontozásos skálára történő transzformálása során a legmagasabb és a legalacsonyabb értékek kimaradnak az elemzésből. Ugyanezt a célt szolgálja az is, hogy a megyei jogú városi ranggal rendelkező kistérségi központok esetén a számítások a kistérségi központtal együtt és anélkül is végrehajtásra kerülnek, majd a kapott két érték átlaga adja a végső jellemzést szolgáló indikátort. A vizsgálat eredményeként megállapítást nyert, hogy 2005-ben a hátrányos helyzetű kistérségek44 az ország keleti részén helyezkednek el, a keleti, északkeleti határ felé haladva folyamatosan koncentrálódnak, és a helyzetük is súlyosbodik45. Válságövezetnek tekinthető emellett még a baranyai és a Somogy megyei kistérségek jelentős része által alkotott Dél-dunántúli terület. A fenti szerzőpáros két évvel később publikált dolgozatában (Faluvégi és Tipold 2009) 2005-ös adatok alapján hazánk 3152 településére is elvégezte a komplex fejlettségi index fenti módszertan szerinti kiszámítását46. Bár a vizsgálat – szemben az eddig tárgyaltakkal – nem kistérségi szintű, azért tartom mégis érdemesnek a feldolgozásra, mert magam is tervezek települési szintű vizsgálatokat is végezni, és ezen a területi szinten részletesebben is áttekinthetők hazánk térbeli fejlettségi viszonyai. A vizsgálatból kiderült, hogy a kedvezményezett települések47 közel hetvenöt százaléka a Dél-Dunántúli, az Észak-Magyarországi és az Észak-Alföldi régióba koncentrálódik, melyek az adott régió településeinek hetvenegy, hetven és hetvenkilenc százalékát teszik ki. Fontos megjegyezni továbbá, hogy a magas munkanélküliséggel sújtott települések nyolcvanöt százaléka található ebben a három régióban. Megyei szinten értékelve a településeket megállapítást nyert, hogy Tolnában és BácsKiskunban ötven, Baranyában és Nógrádban hatvan, míg Szabolcsban és HajdúBiharban nyolcvan százalékot meghaladó a kedvezményezett települések aránya. Az ország térbeli képét komplex fejlettség alapján elemezve, a fentieken túl megállapítható (4. ábra), hogy a legfejletlenebb települések főként az északkeleti, keleti határvidékre koncentrálódnak, de a déli határvidék is jelentős számban tartalmaz ebbe a kategóriába tartozó településeket.

44

Komplex fejlettségi mutatója az országos átlag alatti. A hátrányos helyzetű kistérségeken belül leghátrányosabb helyzetűnek kell tekinteni azokat, ahol az ország lakosságának 15, vagy az alatti százaléka él. Ezen belül kiemelten támogatandó kistérségnek kell tekinteni azokat, ahol az ország lakosságának 10, vagy az alatti százaléka él. 46 Az eltérés a két vizsgálat módszertanában annyi, hogy mutatók száma jelen esetben 30, melyek szórásterjedelme 10 egyenlő részre kerül felosztásra. Ezen a ponton megjegyzem, hogy a 2007-es adatok alapján lehatárolt kiemelten támogatandó kistérségek mintegy 50%-a Borsod-AbaújZemplén és Szabolcs-Szatmár-Bereg megyében található (Káposzta et al. 2010). 47 Kedvezményezettek a hátrányos és a leghátrányosabb helyzetű települések. Hátrányos helyzetű az a település, melynek a komplex fejlettségi mutatója az országos átlag alatt van, vagy a munkanélküliségi mutatója meghaladja az országos átlag 1,75-szorosát. Leghátrányosabb helyzetű az a település, ahol az említett két tényező egyszerre érvényesül. 45

30

4. ábra: Települési szintű fejlettségi különbségek Magyarországon (2005) Forrás: Faluvégi és Tipold 2009 A legfejlettebb térség jól láthatóan és nem meglepő módon Budapest és Pest megye területe, mindemellett a térképen jól kirajzolódnak az autópályák és a hozzájuk kapcsolódó főközlekedési utak, mint a fejlett térségek gerincvonalai48. Ezzel együtt az osztrák határ térségének kiemelkedő fejlettsége is szembetűnő. Bár az Obádovics és Kulcsár (2003) által alkalmazott módszer a pontozásos eljárásnál többet nyújt, ugyanis az általuk képzett normalizált skála mérési szintje a pontozásos skála mérési szintjénél magasabb, ennek ellenére a tanulmányt ebbe a kategóriába sorolom, mert a két csoport közül inkább ebbe illeszkedik, és tekintettel arra, hogy az általam fellelt két kistérségi szintű HDI vizsgálat közül ez az egyik, ezért a feldolgozását mindenképpen szükségesnek érzem. A páros a főváros kizárása mellett négy mutató felhasználásával49 elemezte hazánk 149 kistérségének humán fejlettségét. A szerzők a vizsgálat alapját képező HDI mutató mentén három csoportra (magas, közepes és alacsony fejlettségű) osztva értékelték a vizsgált területegységeket. A legmagasabb fejlettséggel rendelkező Győri (HDI = 0,812), és a legrosszabb pozícióban lévő Nyírbátori (HDI = 0,133) kistérség közötti nyolcszoros különbség jelzi hazánk humánfejlettségének nagymértékű differenciáltságát. A vizsgálatokból az is kiderült, hogy a városias jelleg erősödésével a fejlettség javul, és a magasabb 48

A közlekedés (nem csak közúti) társadalmi és gazdasági fejlődésre gyakorolt pozitív hatását hangsúlyozza Erdősi Ferenc több munkájában (1996, 2002, 2004) is. 49 Az írástudók és az elvégzett átlagos osztályszám a hatévesnél idősebb népességen belül 1990ben, egy lakosra jutó SZJA 1999-ben, és a születéskor várható élettartam ötéves átlaga 1996 és 2000 között.

31

fejlettségű területek vándorlási nyereséget mutatnak, szemben az alacsonyabb fejlettségű és egyben vidékiesebb jellegű térségekkel50. A vizsgált területegységek térbeli elhelyezkedését vizsgálva a szokásos kép rajzolódik ki, az ország középső és a Dunántúl északi része lényegesen fejlettebb, míg a déli és az észak-keleti területek elmaradottak51.

2.1.2. Főkomponens-analízisre épülő eredmények A társadalmi és gazdasági fejlettség térbeli alakulásának feltérképezésére elterjedten használatosak azok a többváltozós statisztikai módszerek, melyek a fejlettséget többdimenziós jellegénél fogva igyekeznek megragadni. Ezen eljárások közül hazánkban az utóbbi években alkalmazási gyakoriságát tekintve a főkomponens-analízis emelkedik ki. A módszer a vizsgálatba vont nagy számú mutatóhalmazt egy lényegesen kisebb számú indikátorkészletté (ezek a főkomponensek) redukálja úgy, hogy a létrehozott főkomponensek az eredeti mutatóhalmaz információtartalmának jelentős részét megőrzik, így a vizsgált területegységek az eredeti mutatók által nyújtott információk alapján lényegesen egyszerűbben válnak jellemezhetővé. A főkomponensek fontos tulajdonsága még, hogy egymástól függetlenek, így alkalmasak olyan további vizsgálatok lefolytatására (például többváltozós regresszió), melyek megkívánják a vizsgálatba vont mutatók egymáshoz viszonyított függetlenségét52. A főkomponens-analízis fentiekben említett előnyeit használja ki Fazekas (1997), a munkanélküliség térbeli tagoltságát befolyásoló tényezők elemzésekor. A módszert többváltozós regresszióval kombinálva kimutatja, hogy a periférikus fekvésű, fejletlen infrastruktúrával, alacsony egy főre jutó jövedelemmel, aluliskolázott népességgel, alacsony vállalkozási sűrűséggel, fejletlen szolgáltató szektorral53, ugyanakkor a mezőgazdaságban foglalkoztatottak magas arányával és jelentős mértékű elvándorlással rendelkező foglalkoztatatási körzetekben a munkanélküliség az 1995-ös és 1996-os év mindegyik negyedévében tendenciaszerűen magasabb. Az itt feltárt eredményeket összevetve saját korábbi kutatási eredményeivel (Fazekas 1993) megállapítja, hogy a rendszerváltozást követő időszakban a munkanélküliség térbeli tagoltságát jellemző változók 50

2003-as adatok alapján a vándorlás fő iránya az ország központi területe, valamint a Dunántúl északi és nyugati térségei (Kása 2006). 51 Az 1999-re (Nemes Nagy és Jakobi 2003), illetve 2001-re (Rechnitzer és Smahó 2005, Husz 2002) által végzett megyei szintű HDI számítások megerősítik a fentiekben már vázolt térszerkezetet, emellett a vizsgálati eredmények kapcsán meg kel jegyezni azt is, hogy az index értékét leginkább a GDP determinálja. 52 Az eljárás részletesebb ismertetésére kutatásom módszertani fejezetében térek ki. 53 A fejlett üzleti szolgáltatásokat nyújtó szektor az elmaradott vidékies térségekkel szemben szívesebben települ a nagyvárosi környezetbe, ahol ki tudja használni az agglomerációs előnyöket (Senn 1993). Ahhoz, hogy a szolgáltató szektor ne konzerválja, illetve ne növelje a társadalmi és gazdasági fejlettség térbeli különbségeit, a hátrányos helyzetű területek infrastrukturális fejlesztése nélkülözhetetlen (Raffay 1996).

32

magyarázó ereje alig csökkent. Már az 1993-as vizsgálatból is kitűnt az iskolázottság, az infrastruktúra és a vállalkozási sűrűség munkanélküliséget jelentős mértékben befolyásoló hatása. A főkomponens-analízis módszerét alkalmazza Faluvégi (2003) is a 2001-es évre vonatkozó elemzésében, ahol a társadalmi és gazdasági jellemzők térbeli alakulásának vizsgálatát tűzi ki célul. Elemzésében hatvan indikátorból leszűrt negyven mutató segítségével az érvényben lévő 150 hazai kistérség általános, demográfiai, foglalkoztatási, gazdasági, és infrastrukturális helyzetének az értékelését, valamint a népesség iskolázottsági szintjének a felmérését végezte el. Az általános fejlettség meghatározásához felhasznált 21 indikátor közül 18 korrelált erőteljesen az első főkomponenssel, amely a mutatók információtartalmának közel 52%-át megőrizte, ezért a szerző ezt a főkomponenst tekintette az általános fejlettség komplex mutatójának. Ezen komplex mutató mentén a kistérségeket öt csoportra bontva (dinamikusan fejlődő, fejlődő, felzárkózó, stagnáló, lemaradó) értékelte54. Megállapította, hogy a dinamikusan fejlődő és a fejlődő kistérségek zömében Közép-Magyarországon valamint Közép- és Nyugat-Dunántúlon helyezkednek el, míg a fennmaradó területeken főként stagnáló és lemaradó kistérségek találhatók. A felzárkózó területek régiónként 7-8 kistérséggel többé-kevésbé egyenletesen oszlanak el az országban, melytől a maga négy, illetve három kistérségével lefelé tér el a Közép-Magyarországi és a Dél-Alföldi régió. A vizsgált területegységek által alkotott térszerkezet nagyban hasonlít a szerző által 1998-ra elvégzett pontozásos vizsgálatában feltárt rajzolatra, így jelen vizsgálati módszer alapján is megállapítható a középhegységekbe települt északkelet-délnyugati nehézipari tengely összeomlása, valamint az autópályák fejlettséget kedvezően befolyásoló hatása. A különböző fejlettségi szinten álló kistérségek térbeli elhelyezkedésén túl, a kialakult főkomponensek nem meglepő módon mutatnak rá arra, hogy a fejlettebb területekre a városias jelleg, a nagyobb vándorlási nyereség, a fiatalabb korstruktúra, a kedvezőbb életkilátások, a jobb foglalkoztatási, gazdasági és infrastrukturális helyzet, a szolgáltató és az ipari szektor dominanciája a mezőgazdasággal szemben, valamint a népesség magasabb iskolázottsága jellemző. Faluvégi (2003) tanulmányában foglaltakkal megegyező módszertani eljárást követ Dobosi (2003), amikor 1999-re vonatkozóan elemzi hazánk 150 kistérségének komplex fejlettségét55. A vizsgálatba vont 36 mutatóból az első főkomponensen csoportosul 21, mely főkomponens a mutatók összes 54

Itt ismételten utalok arra, hogy a kialakított kistérségi kategóriák megnevezésük alapján a fejlődés különböző szintjeit, azaz a fejlődést mint folyamatot lennének hivatva kifejezni. Ugyanakkor a méréshez használt indikátorok között csupán egyetlen dinamikus viszonyszám található. Ez alapján véleményem szerint jelen esetben inkább beszélhetünk az ezredforduló időszakára jellemző fejlettségi állapotról, mintsem fejlődésről. 55 A szerző a vizsgálatokat 2001-re vonatkozóan is elvégzi, a két időpont eredményei között jelentős különbségek nem tapasztalhatók.

33

információtartalmának 33,5%-át megőrizve lett a komplex fejlettség indikátora. A vizsgálati eredmények összhangban állnak Faluvégi fentebb hivatkozott tanulmányában foglaltakkal, ezért jelen helyen részletes értékelés nélkül csak a kistérségek fejlettségi rangsorának első és utolsó tíz helyezettjét foglalom össze. Mint ahogyan az az 1. táblázatból kitűnik, a legelőnyösebb pozícióban lévő kistérségek a Balatonfüredi kivételével vagy Pest megyében helyezkednek el, vagy megyeszékhely rangú központtal rendelkeznek56. A vizsgálat megállapításai szerint, a megyeszékhelyű központtal rendelkező kistérségek Veszprém megye kivételével minden megyében az első helyen szerepelnek. Az utolsó tíz helyezett kapcsán nem meglepő az Észak-Magyarországi és az ÉszakAlföldi régió dominanciája.

1. táblázat: A komplex fejlettségi rangsor első és utolsó tíz kistérsége (1999) Első Budapesti Budaörsi Győri Szegedi Balatonfüredi Dunakeszi Szentendrei Pilisvörösvári Veszprémi Székesfehérvári Forrás: Dobosi 2003

Utolsó Sellyei Encsi Edelényi Baktalórántházai Sásdi Sarkadi Pétervásárai Tiszafüredi Vásárosnaményi Szikszói

A szerző az egyes kistérségek komplex fejlettségi rangszámának megyén belüli átlagával meghatározta a megyék fejlettségi rangsorát is, mely rangsort az egy főre jutó GDP alapján képzett rangsorral összevetve megállapítja, hogy a két eljárás alapján nyert eredmények 0,83-os korrelációban állnak egymással. Ebből arra következtethetünk, hogy jelen vizsgálatban az egyes kistérségek komplex fejlettségét jelentős mértékben determinálja a gazdasági fejlettség. Ezt a kistérségi szinten végzett vizsgálatok is beigazolták, ahol a kilenc gazdasági mutató főkomponens-analízise alapján képzett indikátor mentén rangsorolt kistérségek 0,94-os korrelációban álltak a kistérségek komplex fejlettségi rangsorával.

56

Bajmócy és Kiss (1999) is arra az álláspontra helyezkedik, hogy a hálózati csomópontok szerepét betöltő megyeszékhelyek és néhány speciális helyzetben lévő nagyváros szerepe felértékelődött a területi fejlődés szempontjából. Ugyanakkor a szerzők több különböző modell mentén végzett számítás alapján is arra a megállapításra jutnak, hogy a megyeszékhelyek által vonzott területek eltérése a megyék területétől jelentős.

34

Cserháti et al. (2005) a fenti vizsgálatot kiegészítve, a kistérségek, a megyék, és a régiók tőkevonzó képességét elemezi, 10 mutatóra épülő főkomponens-analízis segítségével. A vizsgálat alapján megállapítást nyer, hogy a kistérségek komplex fejlettsége és azok tőkevonzó képessége rendkívül szoros kapcsolatban áll egymással, a közöttük mérhető rangkorrelációs együttható értéke 0,96. Az eredmény annak fényében, hogy a 2003-ban publikált kutatás rávilágított a komplex és a gazdasági fejlettség közötti szoros kapcsolatra, nem meglepő. A szerzők ugyanakkor fölhívják a figyelmet arra a gyakorlati tapasztalatra, mely szerint az egyes területegységek magas szintű tőkevonzó képessége nem feltétlenül jár együtt a tőke nagy mennyiségben történő tényleges megjelenésével, mert az egyes kistérségek főként adókedvezményekkel csábítják a tőkét, így az nem feltétlenül a tőkevonzás szempontjából legideálisabb területekre áramlik, hanem oda, ahol a legnagyobb kedvezményeket kapja. Ennek kapcsán Enyedi (1997) megjegyzi, hogy manapság a külföldi működőtőke rendkívül könnyen és gyorsan mobilizálható, ezért az adókedvezményekre és az olcsó munkaerőre alapozott tőkevonzás csak rövid távú felemelkedést eredményez. Az itt megfogalmazottakra tekintettel, ha az elérhető adatok erre lehetőséget biztosítanak, akkor saját vizsgálatom alapmutatói között meg kívánom jeleníteni a vállalatoknak nyújtott adókedvezmények nagyságát. Enyedi véleményére alapozva megfontolás tárgyává teszem, hogy a vizsgálatok során a mutató értékének reciprokát vegyem figyelembe. A főkomponens-analízis módszerét alkalmazza Bíró et al. (2004) is, a hazai kistérségek 1997-re és 2001-re vonatkozó relatív fejlettségének a meghatározásához. A vizsgálatba 99 települési szintű változót bevonva futtatják le az elemzést, majd az így nyert tizenhárom főkomponens értékeinek magyarázó erejükkel súlyozott lineáris kombinációjaként határozzák meg a települési szintű komplex relatív fejlettséget57. A kistérségek komplex relatív fejlettségét az adott kistérségen belüli települések komplex fejlettségi mutatóinak népességgel súlyozott számtani átlaga adja58. A szerzők megállapítják, hogy a vizsgált két időpont között a legintenzívebb előrelépés a közép-magyarországi és az észak-dunántúli térségben, valamint az M1-es és M7-es autópálya mentén tapasztalható. Ugyanakkor rámutatnak arra is, hogy a fejlett és az elmaradott kistérségek közötti különbségek a vizsgált időszakban

57

Nemes Nagy (2005b) az egymástól független főkomponensek összevonását matematikai alapon súlyos hibának ítéli, ezért saját kutatásomban ezt nem alkalmazom. 58 Nemes Nagy (2009) felhívja a figyelmet arra, hogy az egyes területi szintek között nem pusztán mennyiségi, méretbeli különbségek vannak, hanem tartalmi, minőségi eltérések is. Ez nem jelenti azt, hogy az egyes területi szintek között ne lennének összefüggések, de azt mindenképpen jelenti, hogy egy magasabb területi szintet tartalmában és minőségében nem lehet egyszerűen csak az alatta lévő szint aggregátumának tekinteni. Erre való tekintettel saját vizsgálataimat települési és kistérségi szintre is lefuttatom, a települési eredményeket kistérségi szintre nem aggregálom.

35

tovább nőttek59. Az itt megfogalmazott vizsgálati eredmények összhangban állnak a részben azonos kutatói csapat által 2002-ben publikált települési szintű komplex fejlettségi állapotot feltérképező tanulmányban foglaltakkal (Molnár et al. 2002). A vizsgálat lényegében a fentiekben vázolt módszertan szerint került lefolytatásra, ebben az esetben azonban Budapest nem képezi részét az elemzésnek. A szerzők ehelyütt hangsúlyozzák a megyeszékhelyű városok kiemelkedő fejlettségét, Közép-Magyarország, illetve Észak- és NyugatDunántúl dominanciáját, valamint az észak-keleti térség fejletlenségét.60 Csatári és Farkas (2006) a kistérségek 2004-re jellemző komplex fejlettségét a lefuttatott főkomponens-analízis első főkomponensével jellemezve61 megállapítja, hogy a legrosszabb pozícióban lévő kistérségek mindegyike vidékies jellegű, azaz a lakosságnak több mint fele él 120 fő/km2-nél alacsonyabb népsűrűségű településen. Ezekre a területekre jellemző az összes foglalkoztatotton belül az agráriumban foglalkoztatottak magas aránya, a magas munkanélküliség, az alacsony útsűrűség, és a gyenge elérhetőség62. A vizsgálatok rámutatnak arra is, hogy a vidékies területeken – éppen jellegükből adódóan – a városiasodással együtt járó negatív hatások is lényegesen kevésbé jelentkeznek. A szerzők erre való tekintettel kívánatosnak tartják a vidékies térségek természet közeli területhasznosítását, és az ebben rejlő – manapság egyre inkább piacképes – gazdasági előnyökre épülő társadalmi és gazdasági fejlesztést. Erre utal Enyedi (1997) is, amikor megjegyzi, hogy egy térség tartós felemelkedése csak olyan helyspecifikus tényezőktől várható, melyek nem vagy csak rendkívül lassan módosulnak, és nem vagy csak hosszú idő alatt állíthatók elő más térségekben. Buday-Sántha (2003) megjegyzi, hogy „az agrártérség hagyományos funkciója a társadalom élelmiszer és mezőgazdasági (erdészeti) nyersanyag-ellátása, de az urbánus és ipari területek súlyos szennyezettsége 59

Mint ahogyan arra már korábban is utaltam, a fejlett és az elmaradott térségek közötti különbségek növekedése nem új keletű. Ezt igazolja Dőry et al. (1998) tanulmánya is, amely a megyék és a főváros 1991-ben és 1995-ben tíz mutató alapján tapasztalható komplex fejlettségét összevetve ugyanerre a megállapításra jut. A szerzők kimutatják a főváros behozhatatlan dominanciáját, melynek kapcsán kívánatosnak tartják az ott megvalósuló fejlődés minél intenzívebb térbeli kiterjesztését. 60 Az itt megfogalmazott eredményekkel összhangban állnak a városhálózatok fejlettségét, illetve két időpont közötti fejlődését elemző vizsgálatok is (Beluszky és Győri 1999, Rechnitzer 2002), melyeknek közös jellemzője, hogy főkomponens- és klaszteranalízisre épülnek. 61 A fentiekben említett tanulmányokon túl, szintén az első főkomponenssel jellemzi Bálint (2004) a Dél-Dunántúli régió kistérségeinek és településeinek komplex fejlettségét 2002-es adatok alapján. A kistérségi szintű fejlettségi rangsor nem meglepő, az első öt helyen a három megyeszékhelyű központtal rendelkező, valamint a Siófoki és a Fonyódi, az utolsó helyen pedig a határ menti fekvésű Sellyei kistérség áll. A települési szintű vizsgálati eredményekből kiemelendő a magasabb rendű úthálózat fejlettséget determináló hatásának markáns megjelenése, valamint az elsősorban megyei jogú városi ranggal rendelkező kistérségi központok fejlettségi centrum jellege. 62 Bartke (2006) 2003-ra vonatkozó regionális és megyei szintű korrelációs vizsgálatai alapján a fentiekkel egybehangzóan megállapítja, hogy azokon a területeken, ahol a mezőgazdaságban foglalkoztatottak aránya magas, ott a lakásállomány nagysága, a népesség szám, a foglalkoztatottak száma és a GDP értéke kisebb.

36

miatt ezek a területek biztosítják a természeti elemek fennmaradásának, megújulásának, valamint az urbánus hatások által túlterhelt emberek rekreációjának feltételeit is.” (185. o.) Elemi érdekünk tehát, hogy a vidéki területek tudatos, átgondolt és korszerű hasznosításával megőrizzük a természeti környezet azon adottságait, melyek biztosítják számunkra a fent említett, és a minőségi életünkhöz nélkülözhetetlen tényezőket. Obádovics (2004) doktori értekezésben Magyarország 149 kistérségének (Budapest kizárva) társadalmi és gazdasági helyzetét a munkanélküliségre fókuszálva elemezi. Vizsgálatait három többváltozós statisztikai eljárás egymásra épülő alkalmazásával hajtja végre. Elemzésébe a 2001-es év népszámlálási adataiból, valamint a 2003-ra vonatozó KSH adatbázisokból huszonhat változót von be. Ezekből főkomponens-analízis segítségével tizennégy indikátort leszűrve állítja össze azt a három főkomponensre épülő modellt, melynek segítségével a vizsgált területegységeket jellemezi. Az első főkomponens a mutatók információtartalmának közel harminc százalékát megőrizve iskolázottság alapján, a második közel huszonkilenc százalékos információtartalommal életkor alapján, míg a harmadik több mint tizenkét százaléknyi információ megtartásával az elbocsátó szektor alapján jellemezi a kistérségek munkaerő-piacát. A főkomponensek alapján klaszteranalízis segítségével kialakított tíz kistérségi klasztert demográfiai, vállalakozási, és segélyezési mutatók mentén diszkriminálva kerül sor a vizsgált területegységek értékelésére. Megállapítást nyer, hogy a gazdaságilag fejlett területek (31 kistérség) nagy, vagy közepes méretű városok környezetében helyezkednek el, hatvanöt százalékuk a Dunántúlon található, és a fennmaradó harmincöt százalék is a Tiszától nyugatra fekszik. Az elmaradott harminckét kistérség nyolcvanegy százalékban Észak-Magyarországra63 és Dél-Dunántúlra koncentrálódik. A gazdaságilag fejletlen, de elvándorlás és szociális hátrányok tekintetében átlagosnak minősíthető térségek (76 kistérség) a kisvárosok környezetében csoportosulva a Dunántúlon és az Alföldön szóródnak. Külön kategóriát képez Szabolcs-Szatmár-Bereg megye azzal a tíz kistérségével, ahol a központi városokban mutatkozik némi gazdasági aktivitás, de összességében az emberi erőforrások színvonala rendkívül alacsony. A kutatásból mindezek mellett kiderül, hogy a munkanélküliség kapcsán úgy mértékében mint összetételében leginkább negatív képet mutató területek alapvetően vidékiek, azaz ebben a kilencvenkét kistérségben a népességnek több mint fele 120 fő/km2-nél alacsonyabb népsűrűségű településen él.

63

G. Fekete (2004) a régió 2001-re jellemző humánerőforrás-állományát a Miskolci és az Egri kistérség kivételével katasztrofálisnak ítéli. Véleménye szerint „a munkaerő-állomány gyengeségén nem javít, sőt a helyzetet súlyosbítja az országosan kimagasló népességdinamika. A magas természetes szaporodás, fiatalosabb korszerkezet az Edelényi, az Encsi, a Szikszói és az Ózdi kistérségekben a problémák bővített újratermelését jelzi.” (52. o.)

37

A fenti módszertannal megegyező eljárást követ Ritter (2008) doktori értekezésben, ahol az 1990-es és a 2001-es népszámlálási, valamint a 2003-ra vonatkozó egyéb adatok felhasználásával negyvenöt mutatót előállítva értékeli hazánk 149 kistérségének (Budapest kizárva) társadalmi és gazdasági helyzetét, különös tekintettel az agrárfoglalkoztatási válsággal sújtott tizennyolc kistérséget felölelő területekre, melyeket főkomponens-analízis segítségével is lehatárol. Megállapítja, hogy az említett térségek elsősorban az országhatárhoz közel, hazánk észak-keleti és keleti, valamint a délnyugati és déli megyéiben jelennek meg. Jellemzőjük a rossz szociális, gazdasági, és iskolázottsági helyzet, elérhetőségük kedvezőtlen, és a népsűrűségük is jelentősen alacsonyabb az agrárfoglalkoztatási válság által nem érintett területekhez képest. A vizsgált térségek fejlesztési lehetőségei kapcsán hangsúlyozza az agrárhagyományok, valamint a mezőgazdaság szociális funkciójának kiaknázását, a térségi összefogás jelentőségét, és az iskolázottsági helyzet javítását. Az imént említett többváltozós statisztikai módszereket többdimenziós skálázással kiegészítve értékeli Lukovics (2007) hazánk 168 kistérségének versenyképességét64. Elemzéseit hetvennyolc mutató bevonásával 1998-ra és 2004-re vonatkozóan végezi el, felhasználva a 2001-es népszámlálás nyújtotta információkat is. 2004-es eredményei alapján megállapítja, hogy a vizsgált területegységek megvalósult versenyképessége és a jövőbeni fejlesztésük lehetőségei szoros korrelációban állnak egymással (R = 0,76), tehát az adott időpontban versenyképes térségek jövőbeni fejlesztési lehetőségei is általában jobbak. A komplex versenyképesség szempontjából három klasztert alkotó kistérségek közül a kedvező helyzetben lévők térbeni elhelyezkedése a fentiekben már többször említettek szerint alakul, közöttük a megyeszékhelyi és nagyvárosi központtal rendelkező kistérségek dominanciája figyelhető meg, mellyel összhangban a relatíve gyenge versenyképességű területekhez képest szignifikánsan magasabb urbanizáltság tapasztalható. Mindezek mellet a vizsgálati eredményekből megállapítható, hogy a relatíve gyenge versenyképességgel rendelkező kistérségek száma (119) igen magas. Az 1998-ra lefolytatott elemzésről elmondható, hogy az egyes kistérségek klasztertagsága szignifikánsan nem tér el a 2004-estől, így a klaszterek jellemzői is nagyban hasonlóak. Mindössze tíz olyan kistérség található, melynek klasztertagsága a vizsgált időszak alatt változott. Ebből ötnek a helyzete javult65, míg a másik öté

64

Lukovics (2006) a versenyképesség alapkategóriáira (13 mutató) és alaptényezőire (35 mutató) épített klaszteranalízissel és többdimenziós skálázással értékeli hazánk húsz területi egységének (tizenkilenc megye és a főváros) 2003-ra vonatkozó versenyképességét. Megállapítja, hogy a relatíve fejletlen térségek az ország keleti és déli részén koncentrálódnak, míg az észak-nyugati térség relatív fejlettsége figyelhető meg. Az itt említett módszertant alkalmazza Lengyel (1999) is, hazánk 22 megyei jogú városának ötven társadalmi és gazdasági mutató alapján történő elemzésére, 1990-es és ’96-os adatok alapján. A kapott eredmények a fentiekben vázolt kistérségi és települési szintű vizsgálatok megállapításaival összhangban állnak. 65 Bicskei, Dabasi, Ercsi, Monori, Szarvasi

38

romlott66. A vizsgált területegységek komplex fejlettség alapján mért ranghely változása kapcsán elmondható, hogy a főváros környéki területek versenyképessége javult, a Balatoni térségé romlott, míg a nagyvárosi és központtal rendelkező kistérségek megőrizték megyeszékhelyű67 versenyképességi pozíciójukat. A klaszterközéppontok távolság változása alapján a szerző megállapítja, hogy a két időpont között a kistérségek komplex versenyképességére jellemző területi egyenlőtlenségek nőttek.68 Beluszky és Sikos (2007) a magyarországi falvak tipizálását végezi el főkomponens- és klaszteranalízis segítségével69. Vizsgálatukba huszonhét – zömében 2001-re vonatkozó – indikátort bevonva egy nyolc főkomponensből álló modellt hoznak létre, mely alapján a vizsgált 2875 községet hét főtípusba, és ezen belül tizenkét altípusba különítik el. A lehatárolt falutípusok egyes területekre jellemző összetétele kilenc falutáj feltérképezését teszi lehetővé, melyek mentén hazánk egész területe az ott lévő falvak tulajdonságai alapján válik jellemezhetővé. A vizsgált területegységek fejlettségét leginkább az első főkomponens jellemzi, amely kilenc mutatóval szorosan korrelálva a mutatóstruktúra információtartalmának 16,5%-át őrizi meg70. Az említett főkomponens mentén a fejlett települések a Dunántúlon a Balatontól északra és nyugatra, míg a fejletlenek a keleti országrészben főként a határ mentén helyezkednek el, de jelentős számban találhatók ilyen területek a DélDunántúlon is. A centrum-periféria viszonyrendszer tesztelése érdekében végzett tíz – főként gazdasági – mutatóra épülő főkomponens-analízist a 2006. évre vonatkozóan Lőcsei és Szalkai (2008), hazánk százhatvannyolc kistérségére nézve. A 66

Balatonföldvári, Csepregi, Fonyódi, Hajdúszoboszlói, Kőszegi Beluszky (2003) 1996-ra vonatkozó vizsgálatai alapján az említett kistérségi központok közül Debrecent, Pécset és Szegedet a városi funkciók súlya okán teljes értékű regionális központnak értékeli, és ugyanerre az eredményre jut Csomós (2009) is, 2006-ra vonatkozó elemzéseire támaszkodva. 68 Lukovics és Kovács (2011) a fenti módszertannal hazánk 174 kistérségének 2008-ra vonatkozó versenyképességi elemzését elvégezve, a 2004-re jellemző eredményekkel egybehangzó megállapításokra jut. A szerzők az autópályák területi versenyképességre gyakorolt pozitív hatását látják kirajzolódni, mellyel párhuzamosan a közlekedési infrastruktúra vonatkozásában is periférikus területek gyenge versenyképessége tapasztalható. 69 Szintén a tipizálás elsődleges célkitűzésével alkalmazza az említett módszereket Szörényiné (1997) négy dunántúli megye (Győr-Moson-Sopron, Veszprém, Vas, Zala) 48 kistérségének elemzése során. Vizsgálatait 1994-re vonatkozóan hét dimenzió mentén (demográfia, munkaerőpiaci jellemzők, infrastruktúra, gazdasági aktivitás, ipar, mezőgazdaság, turizmus) lefolytatva lehatárol hét fő- és négy altípust, melyek típusonként és altípusonként azonos térségi programok mentén fejleszthetők. 70 A nyolc főkomponens összesen több mint 70%-nyi információt sűrít. A szerzők által korábban végzett ilyen irányú elemzésben (Beluszky és Sikos 1982) a létrejött tizenhárom főkomponens ugyan a mutatók információtartalmának több mint hetvennyolc százalékát megőrizte, ha azonban csak a nyolc legerősebb által sűrített összes információt vesszük figyelembe, akkor az érték nem éri el a hatvanhárom százalékot. 67

39

vizsgálatba vont indikátorok egy főkomponensbe tömörültek, mely az összes információtartalom több mint kétharmadát megőrizve alkalmasnak bizonyult a vizsgált területegységek gazdasági súlyának jellemzésére. A főkomponens koordináták alapján nyert fejlettségi térkép a fentiekben már vázolt, és a települési szintű vizsgálatokra épülő 4. ábrán is jól nyomon követhető rajzolatot adott. A fejlett térségek a főváros, az M1-es, M7-es autópálya és a Balaton környéke, valamint az osztrák-magyar határvidék által körülhatárolt háromszögben, míg az elmaradott területek a Balassagyarmat-Békéscsaba vonaltól északkeletre, főként a határhoz közeli területeken, valamint a DélDunántúlon szintén a határmenti térségekben helyezkednek el. A szerzők a vizsgált területegységek centrum-periféria helyzetét a gazdasági súlyuk mellett a percben mért átlagos közúti elérhetőségük alapján is jellemezték. Ehhez megmérték az összes település összes településtől számított lehető legrövidebb közúti elérési idejét, majd az így nyert települési szintű adatokat kistérségi szintre aggregálva határozták meg azok átlagos elérési idejét. A gazdasági fejlettség és a közúti elérhetőség között -0,56-os szignifikáns korrelációt állapítottak meg, ami azt jelzi, hogy a fejlettebb térségek elérhetősége jobb71. A vizsgált területegységeket az említett mindkét dimenzióban három csoportra osztva (centrum, átmeneti és periféria), az 5. ábrán föltüntetett kategorizálás mentén került értékelésre hazánk kistérségi szintű centrum-periféria viszonyrendszere. Mindkét dimenzióban centrum területnek minősíthető központi mag az ország középső, fővárossal határos térsége, amely az M1-es és M7-es autópálya mentén egészen a Győri, illetve a Keszthely–Hévízi kistérségig kiterjed. Szintén idetartoznak a Duna mentén Paksig húzódó területek, valamint a szigetszerűen elhelyezkedő Kecskeméti és Gyöngyösi kistérség. A csak gazdasági szempontból centrumnak tekinthető dinamikus peremterületek szakadozott félkörívet alkotva terjednek Nyíregyházától Debrecenen, Békéscsabán és Pécsen át a Kőszegi, Szentgotthárdi, Szombathelyi és Körmendi kistérségek által alkotott egymással szomszédos területekig. Csak elérhetőség vonatkozásában centrum szerepű belső perifériaként jelenik meg az M3-as mellet a Füzesabonyi és a Hevesi kistérség, valamint a Balaton déli partjával közvetlenül nem érintkező kistérségek csoportja, melyekhez kapcsolódik az Abai kistérség is.

71

Tóth (2006) centrális index alapján végzett centrum-periféria vizsgálatai azonos irányú és közel azonos erősségű összefüggést mutattak az elérhetőség és a személyi jövedelemadó alapot képező jövedelemmel mért gazdasági fejlettség között. A szerző 2004-ben publikált tanulmányában rámutat az autópályák gazdasági szempontú kulcsszerepére, mely főként a logisztikai és bevásárlóközpontok, valamint az ipari parkok megjelenésében nyilvánul meg. Az itt felvázolt folyamatok nem új keletűek, erre már Kőszegfalvi 1997-ben publikált tanulmányában is fölhívja a figyelmet. Németh (2008) doktori értekezésében 2001-es adatokra támaszkodva kimutatja, hogy – úgy a személyijövedelemadó-alapot képező jövedelem 2001 és 2004 közötti átlagos értéke, mint a munkanélküliségi ráta vonatkozásában – az autópálya-hálózaton keresztül a főváros elérhetőségének differenciáló hatása érvényesül.

40

5. ábra: Az elérhetőség és a komplex gazdasági fejlettség által meghatározott centrum-periféria viszony Magyarországon (2006) Forrás: Lőcsei és Szalkai 2008 A mindkét dimenzióban periférikus területek által alkotott külső periféria kistérségei helyenként nem csak a határral közvetlenül érintkezve képeznek szinte teljesen összefüggő zónát az ózdi kistérségtől kezdődően a kelet-szlovák, ukrán és román határ mentén a Makói kistérséggel bezárólag. Ebbe a kategóriába tartozik még a Dél-Alföldi régióban a Jánoshalmi és a Bácsalmási, valamint a Dél-Dunántúlon a Sellyei, a Szigetvári és a Barcsi kistérség72. Az itt felvázolt külső periféria kapcsán Kőszegfalvi (2009) rámutat az infrastruktúra fejletlenségére, mely a közlekedési hálózat elmaradottságán túl, főként az aprófalvas területekre jellemző lerobbant, komfort nélküli lakásállományban, a megoldatlan szennyvízelvezetésben, az átlag alatti színvonalú elektromos hálózatban, és a közintézmények hiányában nyilvánul meg.

72

A tanulmányban megjelölt periférikus helyzetű területeket más kutatók is (Rechnitzer 1999, Hardi 2000, Baranyi 1999, 2004) perifériaként azonosítják. Bihari és Kovács (2006) hazánk 168 kistérségét tipizálva majdnem tökéletesen ugyanebben a sávban határolja le azokat a szegregálódó kistérségeket, melyek a 2001-re jellemző állapotuk, és az 1991 és 2001 közötti állapotváltozásuk alapján a gettósodás tüneteit (magas és növekvő munkanélküliség, alacsony iskolázottság, az országos átlaghoz képest alacsony és csökkenő jövedelem, csökkenő népesség) mutatják. A szerzők G. Fekete (2004)-hez hasonlóan, az említett területek országoshoz viszonyítottnál fiatalabb korszerkezetét állapítják meg.

41

2.2. Folyamatvizsgálatok eredményei A társadalmi és gazdasági fejlettség egy időpontra vonatkozó állapotvizsgálatai mellett, fontos kérdésekre adhat választ a területi egyenlőtlenségek változásának elemzése. A témakör módszertana alapvetően két irányra bontható. A szórástípusú, vagy más egyenlőtlenségi indexekre alapozott úgynevezett szigma konvergencia esetén közeledésről – azaz az egyenlőtlenségek csökkenéséről – akkor beszélünk, ha az egyenlőtlenségi mutató értékében csökkenés következik be. A béta konvergencia néven ismert másik megközelítés esetén, az egyes területegységek vizsgált időszakra jellemző fejlődési ütemét (ez a lineáris trendfüggvény meredekségével jellemezhető) a kezdeti időpontban mért fejlettségi állapotukkal vetjük össze. Ebben az esetben közeledésről – azaz a fejlettségi különbségek csökkenéséről – akkor beszélünk, ha kezdeti fejlettségi állapot és a fejlődési ütem között negatív irányú összefüggés van, tehát a nagyobb kezdeti fejlettségi szinten lévő területegységek vizsgált időszakban produkált fejlődési üteme kisebb. A két vizsgálati módszer eredményeinek összevetése kapcsán meg kell jegyezni, hogy azok csak részben feleltethetők meg egymásnak. Ha a béta konvergencia alapján a vizsgált területegységek közeledését állapítjuk meg, ez nem jelenti feltétlenül azt, hogy a szigma konvergencia mentén folytatott vizsgálataink is ezt fogják eredményezni. Ha ugyanis az általunk vizsgált időszakban a trendvonalak metszik egymást, akkor valójában arról van szó, hogy a metszéspont előtti időszakban a vizsgált területegységek (az egyszerűség kedvéért ez most legyen két területegység) közeledtek egymáshoz, a metszéspont után viszont távolodtak. Ez a folyamat szigma konvergenciával kimutatható, bétával viszont nem, és ami a nagyobb probléma, hogy míg a szigma konvergencia alapján az időszak egészére nézve megállapítható a vizsgált területegységek távolodása (ez ebben az esetben akkor következik be, ha az időszakban mért közeledés kisebb mértékű volt mint a távolodás), addig a béta konvergencia az időszak egészére nézve minden körülmények között közeledést fog mutatni. (Nemes Nagy 2007) Könnyedén belátható, hogy az itt megfogalmazott probléma abban az esetben nem áll fenn, ha a béta konvergencia a fejlettségi különbségek növekedését mutatja. Ezek után fölvetődik a kérdés: mennyiben nyújt többet a béta konvergencia a szigmához képest? Mivel a béta konvergencia esetén trendfüggvényekkel dolgozunk, az eljárás a kiugró értékekre kevésbé érzékeny. A szigma konvergenciával azt meg tudjuk mutatni, hogy a sokaság egészében nőttek vagy csökkentek a fejlettségi különbségek, azt viszont lényegesen nehezebb – nagy elemszámú és hosszú időtávú vizsgálatok esetén egészen pontosan szinte lehetetlen – kimutatni, hogy a sokaság egészében ez mennyire volt egyenletes, mely területegységek esetében volt intenzívebb és melyek esetében volt kevésbé intenzív. A béta konvergencia – ahogyan erre saját kutatásomban példát is szolgáltatok – ezt szemléletesen megmutatja. Nemes Nagy (2007) azt is megjegyzi, hogy míg a szigma konvergencia esetében a különböző típusú egyenlőtlenségi mutatók nehezítik az eredmények értelmezését és összehasonlítását – hozzáteszem: az adott

42

problémához illeszkedő megfelelő mutató kiválasztását is –, addig a béta konvergencia esetében ez nem áll fenn. Hazánk rendszerváltozás utáni időszakának területi egyenlőtlenségeiben bekövetkezett változást elemző kevés számú tanulmány73 egyike Csite és Németh (2007) dolgozata, melyben a szerzők négy indikátor74 felhasználásával határozzák meg hazánk százhatvannyolc kistérségének humán fejlettségi indexét 1994-re, 2001-re és 2005-re vonatkozóan. A kapott eredményeket elemezve megállapítják, hogy míg 1994-ben a fejlettségi skála legalsó hatodába tartózó kistérségek főként a Miskolc-Debrecen vonaltól észak-keletre helyezkednek el, addig az említett határvonal 2001-re - de még inkább 2005-re - néhány nagyvárosi centrum (Debrecen, Tiszaújváros, Nyíregyháza, Eger) kivételével némileg nyugatabbra tolódva Balassagyarmatot Gyulával köti össze. Ugyanakkor egyre markánsabban elkülönül az ország déli, délnyugati határvidékét magába foglaló válságövezet is. Meg kell jegyezni, hogy szemben az eddig ismertetett vizsgálatok eredményeivel, jelen tanulmány szerzői a kistérségi HDI mutató országon belüli relatív szórása alapján a vizsgált időszakban a kistérségek közötti fejlettségi különbségek csökkenését állapítják meg, melynek mértéke ’94 és 2001 között jelentősebb, míg a 2001 és 2005 között tapasztalható enyhe csökkenés inkább stagnálásnak tekinthető75. A szerzők az elemzést béta konvergencia alapján is lefolytatták, és a fentiekkel azonos eredményre jutottak. A fejlettség térbeli különbségeiben lezajló változások feltárása mellett, kézenfekvő kutatási feladatként fogalmazódik meg a fejlettség és a differenciáltság térbeli és időbeli kapcsolatának elemzése. Ezen a téren a pillanatnyilag legfrissebb és legátfogóbb hazai tanulmányok egyike Németh és Kiss (2007) munkája, melyben a szerzők a Williamson hipotézis tesztelésének igényével, a személyi jövedelemadó-alapot képező jövedelem segítségével elemezik a magyarországi megyék és kistérségek belső jövedelmi tagoltságát, valamint az azt determináló tényezőket. A hipotézis szerint76 a területegységek (Williamson esetében országok) fejlettsége és belső differenciáltsága közötti kapcsolat egy fordított „U” alakú görbével írható le. Ez alapján az alacsony fejlettségi tartományban a fejlettebb 73 Erre hívja fel a figyelmet Nemes Nagy (2005b) is, amikor úgy fogalmaz, hogy „a hazai kutatás megmarad a statikus térszerkezeti állapotfelmérésnél” (12. o.) 74 Bruttó hozzáadott érték vásárlóerő-paritáson egy lakosra; születéskor várható élettartam; a felnőtt írni-olvasni tudás felnőtt népességen belüli aránya; bruttó beiskolázási arány. 75 Megyei szinten ugyanakkor a fejlettségi különbségek növekedése mérhető, ami arra utal, hogy a kistérségek közötti változást jellemző folyamatok nem voltak egyenletesek. Nagy (2007) a HDI módszertanát követve tizennégy indikátorból 1990-re, ’96-ra, 2000-re és 2004-re megyei szintű komplex indexet képzett, mely alapján szintén differenciálódást mutatott ki. 76 Williamson (1965) 30 ország belső területi egyenlőtlenségeit vizsgálta idősoros és keresztmetszeti adatok alapján, ahol a fejlettséget az egy főre eső jövedelemmel, a differenciáltságot pedig a jövedelem súlyozott relatív szórásával jellemezte.

43

területegységek belső differenciáltsága tendenciaszerűen nagyobb, míg a magasabb fejlettségi tartományban a fejlettebb területegységek belső differenciáltsága tendenciaszerűen kisebb. A folyamatot idődimenzióban vizsgálva ugyanez a fordított „U” alakú összefüggés állapítható meg, tehát a fejlődés kezdeti szakaszában a belső tagoltság növekedése, majd egy bizonyos fejlettségi szint után, a fejlődéssel párhuzamosan a belső tagoltság csökkenése tapasztalható. (Nemes Nagy 2005a) A volt szocialista országok fejlődési pályája sajátosan viszonyul a Williamson hipotézis fentiekben vázolt összefüggésrendszeréhez (6. ábra).

6. ábra: A Williamson hipotézis és a rendszerváltás kapcsolata Forrás: Nemes Nagy 2009 alapján saját szerkesztés Ezek az országok a rendszerváltás előtt nem illeszkedtek a klasszikus modellbe, ugyanis egy erőteljesen lefelé nivellált állapot jellemezte őket77, mely a modell által kirajzolt trendről történő letérést eredményezte. A rendszerváltozás következtében a volt szocialista országok áttértek a piacgazdaságra, és ezzel a fejlettségük és a belső differenciáltságuk kapcsolata átlépett a Williamson hipotézis által meghatározott trendre. Mivel az említett országokat a rendszerváltozást megelőző időszakban a fentebb már említett lefelé nivelláltságban megtestesülő viszonylagos kiegyenlítettség jellemezte, ezért ez a folyamat egyet jelentett a fejlettségi különbségek növekedésével. (Nemes Nagy 2009) Németh és Kiss, fent említett dolgozatában szórás és eloszlás típusú mutatóra alapozva, az 1990 és 2004 közötti időszakot idősorosan elemezve megállapítja, hogy a települések országon belüli differenciálódása a Wiamson hipotézis által meghatározott összefüggést követi. A rendszerváltás utáni években a települések közötti jövedelemkülönbségek gyors és jelentős mértékű növekedése, majd egy több éven át tartó stagnálás, és az ezredfordulót követően enyhe de egyértelmű 77

Ez az erőteljesen központosított politikai és gazdasági irányítás újraelosztásából, valamint a külföldi eladósodás árán is fenntartott veszteséges ágazatok állami támogatásából eredő, viszonylagosan kiegyenlített fejletlenséget jelenti.

44

kiegyenlítődés tapasztalható. Mivel a kiegyenlítődés mértéke lényegesen alacsonyabb az időszak elején bekövetkezett differenciálódáshoz képeset, ezért az 1990 és 2004 közötti időszakban a hazai települések közötti jövedelmi különbségek összességében nőttek. A szerzők kistérségi szinten lineáris trendillesztés segítségével rámutatnak, hogy a vizsgált időszak egészében a 150 kistérség78 többségében belső jövedelmi differenciálódás ment végbe, ami főként az eleve fejletlen Észak-Magyarországot, Észak-Alföldet és a Dél-Dunántúlt érintette. A belső jövedelemegyenlőtlenségek csökkenését mutató kistérségek zömében a fejlettebb Nyugat- és Közép-Dunántúlon jelennek meg, de tapasztalhatók ilyen területek a Dél-Alföld középső részén is (7. ábra).

7. ábra: A kistérségek belső jövedelemegyenlőtlenségváltozásának időbeli trendje a térben (1990-2004) Forrás: Németh és Kiss 2007 A fentiekkel egybehangzó megállapítások olvashatók ki Nemes Nagy és Németh (2005) dolgozatából, melyben a szerzők az 1988 és 2003 között végzett idősoros vizsgálataik alapján többek között arra is rámutatnak, hogy a kistérségek országon belüli jövedelmi differenciálódása a rendszerváltást követően hirtelen felfutást, a kilencvenes évek közepétől magas szintű stagnálást, majd az 78

A szerzők nem a tanulmány elkészítésekor aktuális 168 kistérséget, hanem az 1997 és 2003 között érvényben lévő 150 területegységből álló kistérségi felosztást vették alapul. Ebben a felosztásban ugyanis Budapest már külön egység – így problémamentesen kizárható az elemzésből – ugyanakkor más egytelepüléses kistérség nincs a rendszerben, szemben a 168 felosztással, ahol a Debreceni kistérség ilyen. Megjegyzem, hogy a pillanatnyilag érvényben lévő 174 kistérségre épülő rendszer is rendelkezik mindazokkal az itt említett előnyökkel, melyekkel a 150 elemű felosztás rendelkezett.

45

ezredforduló után lassú enyhülést mutatat. Az időszak végén megfigyelhető enyhe jövedelmi konvergenciát a szerzők néhány exportvezérelt térség jövedelemtermelő képességének a csökkenésével, valamint a jelentős, és területileg viszonylagosan eloszló közalkalmazotti béremeléssel magyarázzák. Az itt megfogalmazottakból az általam végrehajtandó több tényezős komplex mutatóra épülő vizsgálatokra nézve az következik, hogy esetemben a nivellálódási szakasz vagy egyáltalán nem, vagy nem az itt jelzett időintervallumban lesz kimutatható, hiszen egy komplex vizsgálatban a folyamatokat a jövedelem mellett egyéb tényezők is befolyásolják. Az említett tanulmány kapcsán is megjegyzendő, hogy az időszak végét jellemző nivellálódás nem volt képes kompenzálni a kezdeti intenzív differenciálódást, így a vizsgált időtartam egészében a kistérségek közötti jövedelemkülönbségek növekedése állapítható meg. A szerzők a munkanélküliségre és a személyi jövedelemadó alapot képező jövedelemre – mint a fejlődés két kiemelt mutatójára – ható tényezőket többváltozós regressziós modellben elemezve megállapítják, hogy a munkaerő-piaci kondíciókat és az elérhető jövedelem nagyságát a népesség iskolázottsági szintje a vizsgált időszak egészében alapvetően befolyásolta79. Szintén jelentős szerepe van mindkét említett tényező térbeli alakulásában a főváros, valamint az osztrák-magyar határ elérhetőségének is. A páros korábbi, kizárólagosan a munkanélküliség hatótényezőit elemző tanulmánya (Nemes Nagy és Németh 2003) egyrészt előrevetíti a munkanélküliség kapcsán fentebb megfogalmazottakat, másrészt rámutat a vándorlási egyenleg tendenciaszerűen növekvő magyarázó erejére. Mindezek mellett a települési, városi és kistérségi szinten lefolytatott vizsgálatokból kiderül, hogy a munkanélküliség térbeli tagoltsága az elemzésbe vont független változók segítségével legjobban kistérségi szinten magyarázható. Ez alapján célszerűnek látom a saját kutatásom súlypontját a kistérségi szintre helyezni.

A társadalmi és gazdasági fejlettség hazánkban tapasztalható térbeli differenciáltságát az általam kijelölt területei szinten elemző tanulmányokat összefoglalóan értékelve, az állapotvizsgálatok jelentős túlsúlya állapítható meg. Az állapotvizsgálatokhoz képest lényegesen kisebb számban megjelenő folyamatvizsgálatok vagy a társadalmi és gazdasági fejlettség kiemelt mutatójára fókuszálva – tapasztalataim szerint ez a jövedelem, illetve a munkanélküliség – a fejlettségi különbségek változását szigma konvergencia alapján mérik, vagy ha a fejlettséget komplex jellegénél igyekeznek megragadni, akkor az elemzésben a komplexitás csekély számú indikátoron keresztül jelenik meg, a vizsgálat rövid időszakot ölel fel, és ezen időszakon belül is csak néhány – és nem az összes 79

A diplomások népességen belüli aránya természetesen pozitívan, míg az iskolázatlanok negatívan hatnak. Ezen a ponton megjegyzem, hogy a munkanélküliség és az iskolázottság kapcsán fent megfogalmazott eredményekre jutott Ábrahám és Kertesi (1996) is, az 1990 és 1995 között végzett vizsgálatában. Az említett szerzők az iskolázottság szintje mellett a cigány lakosság népességen belüli arányát is jelentős magyarázó tényezőnek találták.

46

lehetséges – időpontban történik az adatfelvétel. Az itt megfogalmazottak alapján dolgozatomban egy olyan sok mutatóra épülő komplex fejlettségi vizsgálat lefolytatására vállalakozom, amely a rendelkezésre álló adatbázis nyújtotta keretek között a lehető leghosszabb időintervallumot felöleli, a vizsgált időszak összes lehetséges időpontjában mér, a társadalmi és gazdasági fejlettség területi folyamataira fókuszál, a fejlettségi különbségeket béta konvergencia alapján is méri, központi területi szintként a kistérségekre összpontosít, de a fölépítésre kerülő modell a teljesség igényével minden területi szintet magába integrálva, azokat egymással is összevethetővé teszi.

47

48

3. A KUTATÓMUNKA SORÁN MEGOLDANDÓ FELADATOK Hazánk társadalmi és gazdasági fejlettségének komplex szemléletű folyamatvizsgálata érdekében az alábbi feladatok megoldására van szükség: 1) Tekintettel a társadalmi és gazdasági fejlettség komplex jellegére, első lépésben azoknak az alapadatoknak a meghatározása szükséges, amelyek a fejlettséggel, mint összetett jelenséggel kapcsolatba hozhatók. Az alapadatok szakmai megfontolásokra épülő összeválogatása mellett azt is szem előtt kell tartani, hogy csak olyanok kerüljenek a vizsgálatba, melyek az elemzett időszakban időben és térben a legkevésbé hiányosak. Ha a hiányzó adatok száma alacsony a meglévőkhöz képest, akkor lehetőség van a hiányzó értékek becslés útján történő pótlására. 2) Az egyes területegységek méretének és népességszámának különbözőségéből adódó hatások kiküszöbölése érdekében, az alapadatokból intenzitási viszonyszámok előállítása szükséges. Mivel bizonyos esetekben (például munkanélküliségi mutatók) az egyes adatok százalékos megoszlása is fontos információt jelenthet, ezért ha az szakmailag indokolt, megoszlási viszonyszámokat is elő kell állítani. Tekintettel a vizsgálni kívánt jelenség összetett jellegére, az elemzés során többváltozós statisztikai módszerek alkalmazására lesz szükség. Ezek az eljárások megkívánják, hogy az adatbázisban ne keveredjenek az abszolút és a fajlagos mutatók (Jakobi 2005, Nemes Nagy 2005a), ami az imént már említett hatásokkal együtt, szintén indokolja a vizsgálatba vont alapadatokból történő viszonyszámok előállítását. 3) A többváltozós elemzések megkezdése előtt dönteni kell abban a kérdésben, hogy Budapest a vizsgálatok részét képezze-e. A hazai területi kutatásokkal foglalkozó szerzők közül többen80, Budapestet az egész országra kiterjedő domináns jellege, és így az eredményekre gyakorolt torzító hatása miatt a vizsgálatból kizárják. Ugyanakkor találkozhatunk olyan tanulmányokkal is81, ahol a főváros is részét képezi az elemzésnek. 4) A hazai területi kutatásokkal foglalkozók számára az 1997-ben kialakított, és azóta is folyamatosan üzemeltetett „Területfejlesztési és Területrendezési 80 Csatári (1996, 1999), Lengyel (1999), Faluvégi (2000, 2004), Molnár et al. (2002), Rechnitzer (2002), Lőkös és Lőkös (2003), Nemes Nagy és Németh (2003), Obádovics és Kulcsár (2003), Obádovics (2004), Csatári és Farkas (2006), Németh és Kiss (2007), Faluvégi és Tipold (2007, 2009), Ritter (2008) 81 Fazekas (1993, 1997), Beluszky és Győri (1999), Dőry et al. (1998), Bajmócy és Kiss (1999), Husz (2002), Rechnitzer (2002), Beluszky (2003), Dobosi (2003), Faluvégi (2003), Nemes Nagy és Jakobi (2003), Bíró et al. (2004), Hahn (2004), Nemes Nagy és Németh (2005), Rechnitzer és Smahó (2005), Cserháti et al. (2005), Bartke (2006), Bihari és Kovács (2006), Lukovics (2006, 2007), Csite és Németh (2007), Nagy (2007), Lőcsei és Szalkai (2008), Csomós (2009)

49

Információs Rendszer” (TeIR) lehetőséget teremt arra, hogy vizsgálataikat széleskörű adatbázisra építsék. A kezdetben összeállított nagyméretű adathalmazt azonban a kutatási folyamat áttekinthetősége, valamint a hasonló tartalmú, egymásból számítható és ezáltal azonos tulajdonságokat jellemző mutatók kiszűrése érdekében szűkíteni kell. A mutatók szelektálása során a szakmai és a matematikai (statisztikai) szempontok együttes figyelembevétele szükséges. 5) Mivel dolgozatomban a hazai kistérségek fejlettségi különbségeinek időbeni változását kívánom vizsgálni, ezért az elemzésbe vont mutatók tartalmának a vizsgált időszakban bekövetkezett esetleges módosulását is ellenőrizni kell. Ezt a jogszabályi keretek változása, valamint hazánk Európai Uniós csatlakozása kapcsán a területi információs rendszer közösségi normákhoz igazítása is indokolja. 6) Tekintettel a vizsgált jelenség összetett jellegére, biztosítani kell az elemzésbe vont különböző mértékegységű és nagyságrendű mutatók összevonhatóságát, mely azok transzformációja útján valósítható meg. Mivel az elemzés térben és időben zajlik, ezért a mutatók transzformálását úgy kell végrehajtani, hogy azok mindkét említett dimenzióban értékelhetők legyenek, és az általuk képzett skálák mérési szintje a lehető legkisebb mértékben csökkenjen. 7) A vizsgálatba vont mutatók a társadalmi és gazdasági fejlettség területi különbségeire nem azonos hatást gyakorolnak. Erre való tekintettel az egyes indikátorokat különböző súllyal szükséges szerepeltetni az elemzésben. A súlyozás problémájának kezelésére általánosan elfogadott eljárás pillanatnyilag nincs (Nemes Nagy 2005a), ismertek azonban olyan tanulmányok (Veres 2001, Molnár et al. 2002, Porter 2003, Bíró et al. 2004, Lukovics 2006, 2007), melyekben a szerzők statisztikai alapon álló súlyok segítségével juttatták érvényre a vizsgálatukban alkalmazott indikátorok hatásának eltérő nagyságát. 8) A vizsgálat mutatóinak transzformálása és súlyozása után lehetőség nyílik azok összevonására, és így egy térben és időben koherens modell segítségével létrehozott komplex mutató biztosíthatja az elemzett területi egységek társadalmi és gazdasági fejlettségének számszerű kifejezését. A kapott komplex index az egyes területi egységek és területi szintek összehasonlíthatósága mellett lehetőséget teremt az időbeli változások értékelésére is. 9) Az elemzés tárgyát képező területi egységek fejlődési ütemének meghatározása trendfüggvények segítségével valósítható meg. A feladat nehézségét a vizsgálati sokaság rendkívül magas elemszáma adja. Mivel a

50

kutatás célja nem pusztán a magyarországi kistérségek fejlettségi különbségeiben bekövetkezett változások feltárása, hanem egy olyan modell megalkotása, melyben az összes hazai területi szint elemezhetővé és összehasonlíthatóvá válik, ezért a trendfüggvényeket települési, megyei, regionális és országos szinten is elő kell állítani. 10) A trendparaméterek elemzésével az első két kutatási kérdés megválaszolható, a hozzájuk fűzött hipotézisek értékelhetők. A következő három kérdés és hipotézis tisztázása érdekében a kistérségeket csoportosítani kell. Az általam alkalmazni kívánt csoportosítás célja, hogy a fejlettség és a fejlődési ütem alapján egymáshoz leginkább hasonló területegységek képezzenek egy csoportot úgy, hogy minden kistérség az említett két dimenzióban egyértelműen és következetesen kategorizálásra kerüljön. Fontos továbbá, hogy a kialakított csoportok egymástól a lehető legnagyobb mértékben különbözzenek, és elnevezhetők legyenek. 11) Az általam megyei szinten is megalkotott komplex mutató lehetőséget teremt arra, hogy feltárjam a társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP által jellemzett gazdasági fejlettség közötti kapcsolat irányát és erősségét. Az így nyert adatok időbeli változásának vizsgálatával az utolsó kutatási kérdési is megválaszolható, és a hozzá kapcsolódó hipotézis értékelhető. A fenti kutatási feladatok megoldása során, a felvetett kérdések megválaszolását elősegítendő, egy olyan modell megalkotására kerül sor, amely: – matematikai és statisztikai alapokon állva, a lehető legkevesebb kutatói szubjektivitást tartalmaz; – térben és időben koherens módon képes jellemezni a vizsgált területegységek társadalmi és gazdasági fejlettségét, illetve annak változását; – a vizsgált jelenség lehető legtöbb olyan jellemzőjét képes megragadni, melyekben az egyes területegységek különböznek egymástól; – képes figyelembe venni az egyes jellemzők komplex jelenségre gyakorolt hatásának eltérő nagyságát; – minden vizsgált területegységhez olyan mutatószámot rendel, mellyel a vizsgált jelenség kifejezhető, és melynek segítségével az egyes területegységek egymáshoz viszonyított helyzete, valamint annak időbeli változása értékelhető; – számítógépes technika segítségével programozott módon működtethető; – térben és időben bővíthető.

51

52

4. ANYAG ÉS MÓDSZER A fejezet célja a kutatás időbeli és térbeli lehatárolása, a vizsgálatok lefolytatásához szükséges információbázis összeállítása, valamint az elemzések során alkalmazandó módszerek rövid ismertetése. Kutatásom időbeli és térbeli kereteit, valamint a társadalmi és gazdasági fejlettség jellemezhető dimenzióit a rendelkezésemre álló adatok tartalma, illetve azok időbeli és térbeli kiterjedése határozza meg. Vizsgálataimhoz a korábban már említett TeIR elektronikus adatbázis-gyűjtemény interaktív elemző modulját használom, mely a hazánkban pillanatnyilag ismert összes térfelosztásban képes szolgáltatni az alábbi szervezetek által gyűjtött alapadatok zömét: – Adó és Pénzügyi Ellenőrzési Hivatal (APEH) – Magyar Közút Kht. – Központi Statisztikai Hivatal (KSH) – Kulturális Örökségvédelmi Hivatal (KÖH) – Magyar Államkincstár (MÁK) – Foglalkoztatási Hivatal (FH) – Nemzeti Hírközlési Hatóság (NHH) – Magyar Orvosi Kamara (MOK) – Egészségügyi Engedélyezési és Közigazgatási Hivatal (EEKH) – Területi Államháztartási és Közigazgatási Információs Szolgálat (TÁKISZ) – VÁTI Kht. által készített mutatók és vidékfejlesztési adatok A Foglalkoztatási Hivatal és a KSH által gyűjtött munkanélküliségi adatok kapcsán megjegyzem, hogy a két szervezet módszertana eltér egymástól. Míg az FH a regisztrált munkanélkülieket82 tekinti munkanélkülinek, addig a KSH számbavétele szerint munkanélküli az, „aki az adott héten nem dolgozott, és nincs olyan munkája, amelytől átmenetileg távol volt; aktívan keresett munkát a kikérdezést megelőző négy hét folyamán, és két héten belül munkába tudna állni, ha találna megfelelő állást” (Laky 2003, 159. o.). Az eltérő módszertanból adódóan, a két szervezet által szolgáltatott adatok az elemzés során egymással nem helyettesíthetők. Arra való tekintettel, hogy a Foglakoztatási Hivatal adatai idősorosan kevésbé hiányosak, és szemben a KSH kérdőíves megkérdezésre épülő becslésével, teljes körűek, a vizsgálataim során a Foglalkoztatási Hivatal adataival dolgozom.

82

„Az állami munkaközvetítő irodában nyilvántartásba vett személy, aki munkaviszonnyal nem rendelkezik, nem tanuló, nyugdíjjal nem rendelkezik, foglalkoztatást elősegítő támogatásban nem részesül, munkát vagy önálló foglalkoztatást keres, és ennek érdekében munkavégzésre rendelkezésre áll” (Laky 2003, 162. o.).

53

4.1. A vizsgálat időbeli lehatárolása A TeIR információs rendszer adatbázisait áttekintve megállapítható, hogy az információk települési és kistérségi szinten 1990-től állnak rendelkezésre. A vállalkozási, a munkanélküliségi és a jövedelmi adatok azonban 1990-ben és 1991-ben szinte teljes egészében hiányoznak, és a rendelkezésre álló összes releváns információ is kevesebb mint fele az azt követő időszakban elérhetőnek. Mivel a vállalkozási, a munkanélküliségi és a jövedelmi tényezők a társadalmi és gazdasági fejlettség rendkívül fontos jellemzőinek tekinthetők, ezért az említett két évet a szükséges adatok hiánya miatt kizártam a vizsgálatból. A Központi Statisztikai Hivatal az adatgyűjtés időszakában a vállalkozásokkal kapcsolatban ágazati bontásban 1992-1994-ig regisztrált gazdasági szervezetekre és egyéni vállalkozásokra, 1995-ben regisztrált vállalkozásokra, 1996-2004-ig működő vállalkozásokra, 2005-2007-ig működő és regisztrált vállalkozásokra vonatkozóan közöl adatokat. A fentiekben leírtakból kitűnik, hogy a vállalkozások kapcsán ágazati szinten a leghosszabb időtávon összevethető adatok a működő vállalkozásokra nézve állnak rendelkezésre, 1996-2007-ig. A kereskedelmi vendéglátó üzletek száma – mellyel nem pusztán turisztikai potenciált, hanem a kikapcsolódással egybekötött közösségi élet színtereinek meglétét is kívántam mérni – 1992-1996-ig érhető el. Ezek az adatok a célnak leginkább megfelelő módon 1997-től 2007-ig az éttermek, cukrászdák, bárok, borozók darabszámával helyettesíthetők, mely adatok azonban az 1997 előtti időszakra nem állnak rendelkezésre. Mivel az említett két adatsor eltérő tartalmánál fogva közvetlenül nem összevethető, ezért az általuk kifejezett jellemző 1992 és 1997 között pontosan nem mérhető. Hasonló probléma áll fenn a kereskedelmi boltok kapcsán is, melyek 1992-1996-ig érhetők el, míg a kereskedelmi hálózati egységek száma csak 1997-2007-ig áll rendelkezésre. Mivel a fentebb említett alapadatok – ahogyan az a további elemzésekből is kiderül – a vizsgált jelenség releváns tényezőinek tekinthetők, ezért az elemzésből történő kizárásuk a vizsgálati eredményekre nézve több hátránnyal járna, mint előnnyel. Erre való tekintettel az adatok időbeli összevethetősége a vizsgálati időszak módosítása útján érhető el. Tekintettel arra, hogy 1996-ban csupán két releváns adat hiányzik, melyek a következő tizenegy év adatai alapján nagy pontossággal becsülhetők, ezért az 1996-os év kizárása nem indokolt. A fentiek alapján a vizsgálatot az 1996 és 2007 közötti időszakra vonatkoztatva folytatom le.

54

4.2. A vizsgálat információbázisának összeállítása Ahogyan arra korábban már utaltam, a társadalmi és gazdasági fejlettség vizsgálható jellemzőit a rendelkezésre álló alapadatok köre határozza meg. A TeIR információs rendszer adatbázisaiból a fentebb kijelölt időszakban az általam vizsgált jelenség lényeges jellemzői közül a 2. táblázatban megjelöltekre vonatkozóan érhetőek el olyan adatok, melyekből előállítható az az alapadatbázis, ami a vizsgált területi szinteken a lehető legkevesebb hiányzó adattal rendelkezik. Ezek alapján a vizsgált időszakra a 2. táblázatban felsorolt jellemzők szerinti eloszlásban gyűjtöttem alapadatokat.

2. táblázat: A területegységenként összegyűjtött alapadatok darabszáma a vizsgált jellemzők és évek szerint Vizsgált időszak 1996-2007 Demográfia 19 Vállalkozási potenciál 12 Jövedelem 13 Tőkebefektetés 3 Munkanélküliség és humántőke 13 Turizmus, kereskedelem 18 Infrastruktúra 12 Humáninfrastruktúra és humántőke 35 Önkormányzati költségvetés 7 Környezeti terhelés 7 Összesen 139 Forrás: Saját gyűjtés és szerkesztés 2011 Vizsgált jellemzők

Mivel az idő előrehaladtával a rendelkezésre álló adatbázisok számukban és tartalmukban is folyamatosan bővülnek, ezért az alapadatokat a legfrissebbekkel kezdve, időben visszafelé haladva gyűjtöttem, és a megszűnőket letisztítottam az elemzésem alapját képező adathalmazról. A folyamat végeredményeképpen, a területegységek méretét négyzetkilométerben kifejező adattal együtt, az 1996 és 2007 közötti időszakra évenként és területegységenként 140 alapadatot gyűjtöttem össze. Bár az összeállított alapadatbázis szinte teljes egészében hiánytalan, néhány esetben azonban becslés útján történő adatpótlásra volt szükség. Az 1996-ban hiányzó két, valamint a 2007-ben hiányzó öt alapadatot minden területi szinten lineáris extrapoláció segítségével pótoltam. Az időszakon belül a legnagyobb

55

hiány 2000-ben mutatkozott, ahol 15 alapadat pótlására volt szükség83. Látható, hogy a legrosszabb esetben sem érte el az éven belül pótlandó alapadatok aránya a 11%-ot, és azt is meg kell jegyezni, hogy a végső mutatóstruktúrában a pótolt alapadatok közül ebben az esetben is csak 5 maradt benne. Az időszakon belüli adatok pótlására a szomszédos adatok átlagolásával, illetve ahol erre lehetőség volt, analógiára épülő regressziós becsléssel került sor. Alapadatonként vizsgálva a hiányzó értékeket az tapasztalható, hogy egy alapadatnak a vizsgált tizenkét évből maximum négy évben hiányzik értéke, viszont ez az adat a KSH hasonló tartalmú adatbázisa alapján analógiára épülő regressziós becsléssel rendkívül jól közelíthető84. A leírtak alapján látható, hogy a becslés útján pótolt adatoknak a végső mutatóstruktúrára és így a vizsgálat eredményeire gyakorolt torzító hatása elenyésző. A 140 alapadatból álló adatbázis mellett, a 2001-es népszámlálásra alapozva legyűjtöttem az iskolázottságra vonatkozó információkat is, melyeket azonban a társadalmi és gazdasági fejlettség időbeli folyamatainak elemzésébe értelemszerűen nem vontam be, azokat a vizsgálati eredményeim értékelésére használom. Itt jegyzem meg azt is, hogy az általam vizsgált jelenség szempontjából a bűnözés is egy igen lényeges jellemző, tekintettel azonban arra, hogy az erre vonatkozó alapadatok csak 2002-től állnak rendelkezésre települési és kistérségi szinten, ezért a kijelölt időszak folyamatainak elemzésébe nem vonhatók be. A rendelkezésre álló alapadatok lehetőséget teremtenek azoknak a viszonyszámoknak (alapmutatók) az előállítására, melyek segítségével az egyes területegységek szakmailag értékelhető módon összehasonlíthatók. Vizsgálataim alapmutatóinak az előállítását a 2. táblázatban közölt jellemzők szerinti eloszlásban összegyűjtött 139 alapadat segítségével végeztem el, felhasználva a területegységek térbeli kiterjedését jellemző alapadatot is. A rendelkezésemre álló alapadatbázis segítségével 220 alapmutatót állítottam elő a 3. táblázatban közölt vizsgálati jellemzők szerinti megoszlásban, a vizsgált időszak minden egyes évére, és minden vizsgált területegységre. A mutatók pontos megnevezését a 3. mellékletben közlöm. Az alapmutatók előállítása során törekedtem arra, hogy minden olyan esetben, ahol az szakmailag értelmezhető, az adott alapadatot a területnagyság és a népesség viszonyában is kifejezzem, illetve a megoszlását is meghatározzam. A célom ezzel az volt, hogy a vizsgált 83

1997-ben és 2005-ben nem volt hiányzó alapadat. 2001-ben, 2002-ben, és 2004-ben egy alapadat hiányzott. 2003-ban kettő, 1999-ben három, 1998-ban öt, 2006-ban pedig hat hiányzó alapadat volt. 84 Négy érték hiányzik egy alapadat esetén, melyek – mint ahogyan arra fentebb már utaltam – évenként a KSH hasonló tartalmú adatbázisa alapján regressziós becsléssel rendkívül jó közelítéssel kerültek pótlásra. Három érték hiányzik két alapadat esetében, két érték hiányzik négy alapadat esetében, melyek közül egy sem szerepel a végső mutatóstruktúrában, és egy érték hiányzik huszonhárom alapadat esetében, melyből a végső mutatóstruktúrában csak nyolc szerepel.

56

jelenség egyes jellemzőinek az értékeléshez széles mutatóhalmazt állítsak elő, mely lehetőséget teremt számomra ahhoz, hogy ebből a halmazból egy olyan végső mutatóstruktúrát válogassak össze, amely mögött mérhető módon meghúzódik az a látens rendszer, ami a társadalmi és gazdasági fejlettségre, mint nehezen megragadható kategóriára mutat.

3. táblázat: A területegységenként előállított alapmutatók darabszáma a vizsgált jellemzők és évek szerint Vizsgált időszak 1996-2007 Demográfia 15 Vállalkozási potenciál 38 Jövedelem 23 Tőkebefektetés 6 Munkanélküliség és humántőke 14 Turizmus, kereskedelem 48 Infrastruktúra 16 Humáninfrastruktúra és humántőke 35 Önkormányzati költségvetés 11 Környezeti terhelés 14 Összesen 220 Forrás: Saját gyűjtés és szerkesztés 2011 Vizsgált jellemzők

A demográfiai tényezőket jellemző indikátorok előállítása során figyelembe vettem a lakosság korösszetétele mellett az egyes területegységek népességmegtartó képességét, valamint az életminőséget is jellemző csecsemőhalálozási és párkapcsolati adatokat. A vállalakozási potenciált az elérhető alapadatok figyelembevételével a működő vállalkozások darabszámával jellemeztem. Csoportosító tényezőként elsősorban a gazdasági ágakat vettem figyelembe, törekedve ezzel arra, hogy vizsgálatomban az egyes területegységekben mérhető ágazati differenciáltság is felszínre kerüljön. A turizmus területén működő vállalkozásokat85 külön is mértem azzal a céllal, hogy ha ezek az indikátorok a végső mutatóstruktúra összeállítása során jól illeszkednek a vizsgált jelenség jellemzésére leginkább alkalmas mutatók rendszerébe, akkor a turizmus, mint a szolgáltató szektor jelentős ágazata, a vállalkozási potenciálon belül külön is értékelhetővé váljon. A vizsgálat minél szélesebb körű kiterjesztését, és ezzel az elemzéshez legjobban illeszkedő mutatóstruktúra kialakíthatóságát igyekeztem biztosítani azzal, hogy a vállalkozásokat szervezeti forma szerinti bontásban is viszonyítottam. 85

Turizmus alatt jelen helyen a szálláshely szolgáltatást és vendéglátást értem.

57

A jövedelmi kategóriát tágan értelmezve, ebben a körben nem csak a háztartások jövedelmi helyzetét kívántam mérni, hanem a vállalatok jövedelmezőségére közvetlenül ható tényezők mellett, az államháztartás bevételi oldalán jelentkező azon tételeket is, melyekre vonatkozóan adatok álltak rendelkezésemre. A jövedelmi tételek között megjelenő export teljesítmény az adott térségben működő vállalkozások által generált nyitottságot, illetve az ott gyártott termékek minőségét is jellemzi. A tőkebefektetések csoportjába tartozó mutatókkal az egyes területegységek tőkevonzó képességét kívántam mérni, ami pozitív hatást gyakorol a foglalkoztatásra, és ezen keresztül a lakosság jövedelmi helyzetére. A tőkeerős vállalkozásoktól származó helyi adóbevételek az önkormányzatok anyagi kondícióit javíthatják, utalva azonban Cserháti et al. (2005) és Enyedi (1997) korábban már hivatkozott megállapítására, a multinacionális nagyvállalatoknak nyújtott adókedvezmények némiképp árnyalják a tőkebefektetések nagysága és a helyi adóbevételek közötti kedvező összefüggést. A munkanélküliségi mutatók a fejlettségi és versenyképességi vizsgálatok nélkülözhetetlen részét képezik. A munkanélküli státusznak nem pusztán az egyénre és a társadalom egészére ható gazdasági következményei vannak, hanem mentális nehézségeket is okozhat az aktív lakosság körében, amely egészségügyi problémákhoz is vezethet. Itt kell megjegyeznem, hogy a munkanélküliek számát a 15-74 éves munkavállalási korú lakossághoz szokás viszonyítani, tekintettel azonban arra, hogy a TeIR adatbázisaiban ez a korosztály az elemzett területi szinteken nem behatárolható, ezért vizsgálataim során viszonyítási alapként az általam vizsgált időszakra elérhető 15-60 éves korú lakosságot használom. Mivel a viszonyítási alap minden területegység és vizsgált év esetén azonos, ezért ez a módosítás az elemzett területegységek egymáshoz való viszonyát és annak időbeli változását jelentősen nem befolyásolja. Az adatok iskolázottság szerinti bontásával a munkanélküliek saját humántőkéjükre alapozott elhelyezkedési esélyeit igyekeztem mérni. Ezzel nem csak a munkanélküliek vizsgált időszakban feltárt helyzetéből adódó jellemzők, hanem jövőbeli kilátásaik is megjelennek a modellben, ami az eredmények ismertében lehetőséget teremt arra, hogy megfogalmazhatók legyenek azok a feladatok, melyek végrehajtásával a munkanélküliek helyzete javítható. A turizmus és kereskedelem kapcsán előállított alapmutatók segítségével az ágazat társadalmi és gazdasági fejlettségre gyakorolt hatása kerül a modellbe, ami a – fejlett térségekre jellemző – szolgáltató szektor GDP-hez való hozzájárulása alapján nélkülözhetetlen része kell, hogy legyen az ilyen típusú elemzéseknek. A külföldi és a hazai vendégek által eltöltött vendégéjszakák szétválasztásával ebben az esetben is az egyes területegységek külföld felé történő nyitottságát igyekeztem jellemezni. A panziók és szállodák elkülönítésére azért került sor, hogy amennyiben ezek az indikátorok a végső

58

mutatóstruktúrába statisztikailag és szakmailag is beilleszthetők, akkor az egyes szálláshelyek közötti minőségi különbség is megjeleníthető legyen a modellben. Az infrastruktúra jellemzése kapcsán a vizsgált időszakra és területi szintekre elérhető alapadatok nyújtotta lehetőségek között előállítottam az összes olyan alapmutatót, ami az általam vizsgált jelenséggel kapcsolatba hozható, és a szakirodalomban is rendszeresen megjelenik. A mutatócsoportot áttekintve látható, hogy azok, a lakosság életkörülményeihez kötődnek, ezáltal a fogyasztói infrastruktúra jellemzésére alkalmasak (Kőszegfalvi 1995). Ugyanakkor az is megállapítható, hogy a vonalas infrastruktúra részét képező közlekedési hálózatra nézve, az elérhető adatbázisok települési és kistérségi szinten a vizsgált időszakban nem tartalmaznak információkat, így ez a terület jelen vizsgálatban közvetlenül nem elemezhető. Megjegyzem azonban, hogy ha elfogadjuk Cserháti et al. (2005) azon utalását, mely szerint az adott területen megjelenő vállalkozások jellege és száma alapján megállapítható az adott terület infrastrukturális ellátottsága, akkor a vállalkozási potenciált jellemző mutatók alapján következtethetünk a közlekedési infrastruktúra színvonalára is. A fizikai infrastruktúra, valamint a gazdaság és a társadalom működtetéséhez egészséges, jól képzett, intelligens emberekből álló helyi közösségekre van szükség, melynek feltétele a színvonalas humáninfrastruktúra és humántőke. Ezek a tényezők gazdasági kihatásuk mellett, elsősorban a lakosság életminőségét befolyásolják, legyen szó akár egészségi állapotról, képzettségről, műveltségről, illetve a csecsemő és időskorúak gondozásáról. Az ehhez kapcsolódó feltételrendszer területi különbségeit kívánom mérni a humáninfrastruktúra és humántőke kapcsán előállított alapmutatókkal. A helyi önkormányzatokról szóló 1990. évi LXV. törvény 8. §-ának 4. bekezdésében kötelezően ellátandó feladatként előírtak mellett, számos egyéb önkormányzati feladat is megfogalmazásra kerül. Ezen egyéb feladatok körében „a települési önkormányzat maga határozza meg – a lakosság igényei alapján, anyagi lehetőségeitől függően –, hogy mely feladatokat, milyen mértékben és módon lát el.” (8. § 2. bekezdés) Ahogyan az a fenti megfogalmazásból is kitűnik, az ellátható egyéb feladatok mennyiségét és a végrehajtás színvonalát az önkormányzatok anyagi lehetőségei határozzák meg. Az e témában összegyűjtött mutatókkal annak a lehetőségét teremtettem meg, hogy amennyiben az itt előállított indikátorok többletinformációt hordozva jól illeszkednek a végső mutatóstruktúrába, akkor az önkormányzatok anyagi kondíciói is megjelenjenek az elemzésre használt modellben. Ahogyan arra a fejlettség humán és ökológiai megközelítése kapcsán már utaltam, a környezettudatos magatartás a gazdasági és szociális tényezők mellett úgy a jelen, mint a jövő emberiségének életminőségét jelentősen befolyásolja. Erre való tekintettel törekedtem arra, hogy vizsgálatom alapmutatói között

59

megjelenjenek azok a környezeti terhelést mérő indikátorok, melyek a rendelkezésemre álló alapadatok segítségével előállíthatók. Ezen a ponton megjegyzem, hogy kísérletet tettem a légszennyezettségi adatok összegyűjtésére is, ezek az információk azonban térben és időben rendkívül hiányosak, így ezt a jellemzőt nem tudtam bevonni az elemzésbe.

4.3. A vizsgálat térbeli lehatárolása Ahogyan arra korábban már utaltam, vizsgálatom központi területi szintjét a magyarországi kistérségek képezik. Tekintettel arra, hogy az elemzés során nem csak az említett területegységek fejlettségi különbségeiben bekövetkezett változásokat kívánom feltárni, hanem azok belső differenciálódásában lezajlott változásokat is, ezért a települési szintű adatfeldolgozás és értékelés is részét képezi a kutatómunkámnak. A vizsgált időszakban hazánk területén 3125 olyan település volt, melyekre a szükséges alapadatok elérhetők, illetve a korábban már jelzett időpontokra becslés útján meghatározhatók. Ennek megfelelően települési szinten az alapadatgyűjtést és az alapmutató gyártást 3125 területegység esetében végzem el. A 2007. évi CVII. törvény alapján hazánk területe 174 területfejlesztésistatisztikai kistérségre oszlik. Mivel a TeIR információs rendszer az elérhető települési szintű alapadatokat a korábbi időszakra vonatkoztatva is képes az új felosztásnak megfelelően aggregálni, ezért az alapadatokat 174 kistérségre gyűjtöm, és az alapmutatókat is ezekre állítom elő. Bár vizsgálatom központi területi szintjét a kistérségek képezik, a teljesség kedvéért az alapadatgyűjtésbe, az alapmutató gyártásba, valamint a kutatási kérdések megválaszolását elősegítő modell megalkotásába a megyei, a regionális és az országos szintet is bevontam. Ezzel lehetőséget kívánok teremteni olyan vizsgálatok lefolytatására is, melyekhez a szükséges alapadatok csak magasabb területi szinteken állnak rendelkezésre. Mindezek mellett, a teljes körűen megalkotott modell segítségével utat kívánok nyitni olyan további vizsgálatok számára, melyek jelen disszertációnak nem képezik tárgyát, de a jövőben indokoltnak látom azok lefolytatását. Fentebb már mások kutatásaira hivatkozva jeleztem, hogy a főváros vizsgálatba történő bevonása vagy abból való kizárása megfontolást igényel. Ennek érdekében minden területi szinten és azok összességében is megvizsgáltam Budapest pozícióját a 220 alapmutató kapcsán86, a vizsgált időszak minden egyes évére. Az eredményeket a 4. táblázatban közlöm. A táblázat első oszlopának adatai azt fejezik ki, hogy a főváros az adott területi szinten a 220 alapmutató kapcsán elérhető első helyezések hány százalékában áll az első 86

Az olyan mutatók esetén, ahol a nagyobb érték jelenti a kedvezőtlenebb pozíciót (Pl.: halálozás, válás, tisztítatlan szennyvíz, stb.) az egyes területegységeket fordítva rangsoroltam.

60

helyen a vizsgált tizenkét éves időszakban87. A második oszlop ugyanezt fejezi ki az első három helyezés kapcsán.

4. táblázat: Budapest elért helyezése a vizsgált időszak alapmutatóinak százalékában Területi szintek Település Kistérség Megye Régió Ország Összesen

1. Helyezés (%) 9,2 23,9 52,6 59,2 69,3 42,8

1-3. Helyezés (%) 11,7 37,0 60,0 68,0 69,3* 49,2

*

Ebben az esetben az első helyezések arányát vettem figyelembe, mert itt értelemszerűen csak két helyezés lehetséges, így az első három pozíció valamelyike nem megkülönböztető tényező, az első helyezés viszont igen.

Forrás: Saját számítás és szerkesztés 2011 Az adatok megítélése akkor lehetséges, ha megvizsgáljuk, hogy Budapest az egyes területi szinteken a mutatók hány százalékában állna az első helyen, illetve az első három hely valamelyikén abban az esetben, ha az eloszlás egyenletes lenne. Ez települési szinten88 0,032; kistérségi szinten 0,57; megyei szinten 5; regionális szinten 12,5; országos szinten pedig 50 százalékot jelentene. Az adatokból kitűnik a főváros minden területi szinten jelentkező domináns jellege, és különösen nagymértékű ez a dominancia az elemzés középpontjában lévő kistérségi és települési szinten. Az eredmények alapján Budapestet a további komplex elemzésből minden területi szinten kizárom.

4.4. A társadalmi és gazdasági fejlettség mérésének módszerei A vizsgált jelenség mérése céljából előállított 220 alapmutató teljes körű elemzése egyrészt technikailag rendkívüli módon megnehezítené a vizsgálatok lefolytatását, másrészt – tekintettel a mutatók által jellemzett tulajdonságok közötti átfedésekre – szükségtelen, sőt bizonyos esetekben szakmailag káros. Tekintettel az itt megfogalmazottakra, a kutatási célkitűzéshez leginkább illeszkedő végső indikátorkészlet a 220 alapmutató szűrésével állítható elő. Mivel a vizsgált jelenség mérése céljából egy összevont index előállítására kerül sor, ezért a végső mutatóstruktúra összeállításához egy olyan módszer kiválasztása szükséges, amely: 87 Példaként a települési szintet véve alapul, Budapest (12 * 220) 2640 mutató kapcsán kerülhet az első helyre. Ebből 243 mutató esetében valóban az első helyen áll, tehát az arány 9,2%. 88 Az első hely esetén: 12 * 220 / (3125 * 12 * 220) * 100 = 0,032%. Az első három hely valamelyike estén: 3 * 12 * 220 / (3125 * 3 * 12 * 220) * 100 = 0,032%.

61

–

– –

felismeri azt a mutatók mögött meghúzódó látens rendszert, ami a társadalmi és gazdasági fejlettségre mutatva, megteremti az alapját az összevont index képzésének; lehetőséget biztosít az egyes mutatók vizsgált jelenség jellemzésében betöltött súlyának meghatározására; olyan mutatókat eredményez, melyek információtartalmának a lehető legnagyobb hányada megjeleníthető az összevont indexben, így az összevonás eredményeként bekövetkező információveszteség minimalizálható.

A fenti szempontoknak leginkább megfelelő módszer a főkomponens-analízis, ezért a végső mutatóstruktúra összeállításához ezt az eljárást alkalmazom89. „A főkomponens-elemzés egy olyan statisztikai eljárás, amely egy változóhalmazt alakít át egy, az eredetinél kisebb számú, új változóhalmazzá. Az átalakítás után létrejött új változók a főkomponensek, amelyek korrelálatlanok egymással, és a kiinduló változók által megtestesített információ tömeg lehető legnagyobb részét megőrzik” (Székelyi és Barna 2005, 18.o.). A módszer saját vizsgálatom szempontjából lényeges jellemzői a következők: – Az eljárás során a mutatók információtartalmát azok varianciája fejezi ki, és mivel az adatok standardizáltak, ezért a vizsgálatban lévő mutatók információtartalma darabonként eggyel egyenlő, a mutatók által megtestesített összes információtartalom pedig a mutatók számával azonos. – Az egyes főkomponensek a velük korreláló mutatók információtartalmát sűrítik, és mivel egy mutató több főkomponenssel is korrelálhat, ezért az adott mutató információtartalma a vele korreláló főkomponensek között megoszlik. Az adott mutató információtartalmának főkomponensek által megőrzött hányadát a mutató kommunalitása fejezi ki90, ami az adott mutató és a főkomponensek közötti korrelációs együtthatók négyzetének az összege. – Az egyes főkomponensek által a mutatóstruktúra információtartalmából megőrzött információmennyiséget a főkomponensek sajátértéke fejezi ki, ami az adott főkomponenssel korreláló mutatók korrelációs együtthatóinak a négyzetösszege, és az adott főkomponens varianciájával azonos. – A főkomponensek által a mutatóstruktúra információtartalmából megőrzött összes információ mennyiség a főkomponensek sajátértékeinek az összege. Ezt viszonyítva a mutatóstruktúra összes információtartalmához, a főkomponensek által megőrzött összes információhányad (összes megőrzött varianciahányad) adható meg, melyet százalékos formában szokás kifejezni. 89 A módszer jellemzőinek ismertetése során Szelényi (2004), Ketskeméty és Izsó (2005), Székelyi és Barna (2005), valamint Sajtos és Mitev (2007) műveire támaszkodom. 90 Mivel egy mutató maximális információtartalma egy, ezért a kommunalitás értéke 0 és 1 között mozog.

62

–

Szerencsés esetben a főkomponensek a velük szorosan korreláló mutatók alapján elnevezhetők, és így a mutatók mögött meghúzódó látens rendszer egyes dimenziói megragadhatók. Természetesen a mutatóstruktúra mögötti látens rendszer dimenzióinak a nevesítésére csak abban az esetben van reális esély, ha a mutatók említett rendszere valóban létezik. A vizsgálat mutatóinak rendszerszerű összefüggését illetve annak erősségét teszteli a Kiser - Meyer - Oklin (KMO) mutató91.

A főkomponens-analízis fenti jellemzőiből az alábbi következtetések vonhatók le: – A magasabb kommunalitási értékekkel rendelkező mutatókat kell a vizsgálatban megtartani, mert ezzel az általam alkotott komplex indexben a vizsgált jelenséget jellemző információk nagyobb hányada jeleníthető meg92. – Az a mutató, melynek az információ tartalmából a vizsgált eseményt jellemző modell többet tartalmaz – azaz a kommunalitása nagyobb -, a vizsgált esemény szempontjából fajsúlyosabb, tehát a mutatók súlyozására saját kommunalitásuk felhasználható93. – Az elemzés során az egynél nagyobb sajátértékkel rendelkező főkomponenseket célszerű figyelembe venni, mert ellenkező esetben érdemesebb lenne az adott főkomponens helyett egy vele szorosan korreláló eredeti mutatót a vizsgálatban tartani, ezzel ugyanis a vizsgálatban szerepeltetett indikátorok száma nem nőne, a modell által megőrzött információtartalom viszont igen. – A végső mutatóstruktúra összeállítása során arra kell törekedni, hogy a főkomponensek által a mutatók információtartalmából megőrzött hányad a lehető legnagyobb legyen94. A főkomponensek a mutatóstruktúra információtartalmának minél nagyobb hányadát képesek kinyerni, annál nagyobb információ mennyiség jeleníthető meg az általam alkotott összevont indexben is. – A végső mutatóstruktúra összeállítása során a lehető legnagyobb KMO érték elérésére kell törekedni, mert az indikátorok minél erősebb rendszerszerű 91

Mivel a KMO érték egyszerűen szólva azt fejezi ki, hogy a mutatók Person-féle lineáris korrelációján belül a parciális korreláció mekkora részt képvisel, és mivel a korrelációs együttható abszolút értékének minimuma nulla, maximuma pedig egy, ezért a KMO teszt értéke 0 és 1 közé esik, és minél magasabb, a mutatók rendszerszerű összefüggése annál erősebb, mert a parciális korreláció a teljes korreláción belül annál alacsonyabb. 92 Ha az elemzések során a főkomponenseket fel szeretnénk használni, akkor a szakirodalom a 0,25-nél magasabb kommunalitási értékkel rendelkező mutatók vizsgálatban tartását javasolja. 93 Lukovics (2007) a hazai kistérségek versenyképességi vizsgálata során a kommunalitások gyökét használja súlyozásra, és Veres (2001) doktori értekezésében a főkomponens – analízissel rokon faktoranalízist alkalmazza a közlekedési rendszerek komplex elemzése során felhasznált mutatók súlyozására. 94 Székelyi és Barna (2005) küszöbértékként 33%-ot határoz meg. Sajtos és Mitev (2007) hüvelykujj szabályként ugyan 60%-ot közöl, de az általa bemutatott példában elfogadja az 50%-ot is, míg Szelényi (2004) 80%-ban jelöli meg az elfogadható alsó határt, de a példájában elfogadja a 74,7%-ot is.

63

összefüggése teremti meg az alapját annak, hogy belőlük egy, a társadalmi és gazdasági fejlettséget jól jellemző, összevont indexet képezhessek95. A mutatók szelektálása során az alacsony MSA96 értékkel rendelkezőket kell kizárni a vizsgálatból. Az alacsony MSA értékkel rendelkező mutatók kiszűrésével a KMO érték javítható. Mivel a mutatók kommunalitása a KMO értékhez hasonlóan korreláción alapszik, ezért az alacsony MSA-val rendelkező indikátorok vizsgálatból történő kiszűrésével a kommunalitási értékek is javulnak, és ezzel az összevont mutatóban megjelenő információhányad is nő. Természetesen az összefüggés a kommunalitási értékek felől megközelítve is működik, ezért a mutatóstruktúra az alacsony kommonalitású indikátorok kizárásával is javítható. A fentiek alapján a mutatók szűrése során az MSA értékek mellett a mutatók kommunalitást is figyelembe veszem. A társadalmi és gazdasági fejlettség mérését szolgáló összevont index előállítása érdekében lehatárolt különböző mértékegységű mutatókat az index megalkotása előtt összevonhatóvá kell tenni. Ugyanakkor ügyelni kell arra is, hogy vannak olyan indikátorok (Pl.: munkanélküliségi mutatók, szociálisan segélyezettek, stb.), melyek esetében a nagyobb érték kedvezőtlenebb pozíciót jelent, ezért ezeket még az összevonás előtt össze kell hangolni azokkal a mutatókkal, melyeknek a növekedése az adott területegységek fejlődését fejezik ki. Ez utóbbi problémát úgy oldom fel, hogy az említett indikátorokat százalékos formában megadva, és az értéküket százból levonva veszem figyelembe (Nemes Nagy 2005a). A vizsgálatba vont indikátorok mértékegységbéli különbözőségének a kiküszöbölésére a HDI mutató előállítása során is alkalmazott normalizálást használom, melyet a vizsgált területegységek összehasonlíthatósága érdekében térben és időben kiterjesztek. A normalizálás útján nyert transzformált skálák az alábbi tulajdonságokkal rendelkeznek (Nemes Nagy 2005a): – A területegységek adott mutató szerinti sorrendje a transzformáció során nem változik. – Azonos eredeti adatokhoz azonos transzformáltadat tartozik. – Az átlagok és a szélsőértékek nagysága ugyan változik, viszont nem változik azok helyzete. – Ha két eredeti adat különbsége azonos, akkor a hozzájuk tartozó transzformált adatok különbsége is azonos lesz. – Az eredeti adatsorhoz képest változik a transzformált adatsor szórása, relatív szórása és a szórás terjedelme. Erre való tekintettel a vizsgálatok során a szórás-típusú mutatókat nagy körültekintéssel kell használni – gondolok itt elsősorban az eredmények értékelésére –, azok alkalmazásától azonban nem 95

A szakirodalom ajánlása szerint a KMO értéke a 0,5-öt minimálisan haladja meg, de a nagyon jó szint eléréséhez nagyobb kell, hogy legyen 0,8-nál. 96 MSA (Measure of Sampling Adequacy): minta-alkalmassági mérték.

64

kell eltekinteni. Erre utal az is, hogy Lengyel és Hegedűs (2002), Obádovics (2004), valamint Csite és Németh (2007)97 a HDI mutató szórásával is dolgozik, és releváns eredményeket kap. A fentiek alapján a normalizált skálákról elmondható, hogy intervallum mérési szintűek, így széleskörű statisztikai vizsgálatokra alkalmasak – szemben a rangsorokkal –, az egyes skálák átlag és szórás alapján összehasonlíthatók – ellentétben a standardizálással –, és rögzített szélsőértékekkel az általam megalkotásra kerülő modellt egy olyan kertbe foglalják – ellentétben a jellegadó értékhez történő viszonyítással –, melyben koherens zárt rendszer formájában lesz képes jellemezni a vizsgált területegységeket. Az egyes területegységek társadalmi és gazdasági fejlettségét jellemző összevont indexet az egyes mutatók adott területegységhez tartozó normalizált értékeinek súlyozott számtani átlagaként határozom meg.

4.5. A tendencia- és összefüggésvizsgálat módszerei Ahogyan az a felvetett kutatási kérdések alapján látható, az általam megtervezett kutatási program a hazai kistérségek fejlődésének elemzésére épül. Mivel a fejlődés egy olyan, időben zajló folyamat, melynek iránya és üteme van, ezért az tendenciájában ragadható meg. Tekintettel arra, hogy vizsgálataim során összefüggések feltárására is törekszem, ezért jelen helyen azok az összefüggésvizsgálatok is röviden bemutatásra kerülnek, melyeket a továbbiakban alkalmazok. A fentiekben felvázolt problémakör tisztázása korreláció- és regresszió98-, valamint trendszámítás segítségével valósítható meg99. Mivel vizsgálataim során minimálisan intervallum mérési szintű skálákkal dolgozom, ezért a korrelációszámítások végrehajtáshoz a Pearson-féle lineáris korrelációszámítást alkalmazom. Ebben az esetben arra keressük a választ, hogy a két vizsgált változó között mennyire szoros lineáris kapcsolat van. A kapcsolat szorosságát és irányát a korrelációs együttható (R) mutatja, melynek értéke -1 és 1 között mozog. Az együttható előjele a kapcsolat irányára, abszolút értékben vett nagysága pedig annak szorosságára utal. A pozitív előjelű korrelációs együttható értéke minél közelebb van az egyhez, annál biztosabbak lehetünk 97

A szerzők az egy főre jutó GDP esetében az eredeti és a normalizált mutató szórását is kiszámítják, és az időben mindkettőnek azonos irányú változását állapítják meg. Ez az összefüggés a HDI normalizált indikátorai és a HDI között is fennáll. 98 A módszer rövid ismertetése kapcsán csak a kétváltozós (egy független változóval rendelkező) regressziószámítsra térek ki, mert a vizsgálataim során csak ezt használom. 99 A módszerek ismertetése során Kerékgyártó et al. (2001), Ertsey (2004), Szűcs és Törcsvári (2004), Ketskeméty és Izsó (2005), Nemes Nagy (2005a), Székelyi és Barna (2005), valamint Sajtos és Mitev (2007) műveire támaszkodom.

65

abban, hogy az egyik változó értékének a növekedése, a másik változó értékének egy egyenes mentén történő növekedését vonja maga után. Ha az együttható értéke pontosan egy, akkor a két változó közötti kapcsolat függvényszerű, tehát teljesen biztosak lehetünk abban, hogy az egyik változó értékének a növekedése, a másik változó értékének egy egyenes mentén történő növekedésével jár együtt. Negatív előjelű korrelációs együttható esetén a fentebb vázolt összefüggés fordított irányú, a kapcsolat szorosságát pedig az együttható mínusz egytől való eltérése határozza meg. A lineáris regressziószámítás a fentiekben ismertetett korrelációszámítástól többet nyújt. A korrelációszámításnál nem tudjuk, hogy melyik változó a független és melyik a függő, azaz, hogy melyik változó testesíti meg az okot, és melyik az okozatot. Mindezek mellett arról az egyenesről sem tudunk semmit, amely mentén a két változó értéke változik. A lineáris regresszió ezekre a kérdésekre is választ ad100. A regressziós függvényt – több minden más mellet – a két vizsgált változó közötti kapcsolat jellegének, illetve az előre kijelölt ok és okozati összefüggés erősségének föltárására szokás használni. A kapcsolat jellege a két vizsgált változó által alkotott pontdiagramra illesztett regressziós függvény alakjával és irányával, valamint a fentebb már említett korrelációs együtthatóval101 jellemezhető. A változók közötti ok okozati összefüggés erősségét a determinációs együttható (DE) mutatja, mely a korrelációs együttható négyzete, és amit százzal történő szorzás után %-os formában szokás értékelni. Ez azt fejezi ki, hogy a független változó varianciája a függő változó varianciájának hány %-át magyarázza. Más megközelítésben azt is mondhatjuk, hogy a determinációs együttható arról informál, hogy a független változó értékének a változása, hány %-ban okozója a függő változó értékében bekövetkezett változásnak. Természetesen ebben az esetben is a lehető legnagyobb értékre törekszünk, mert az a célunk, hogy minél nagyobb mértékben föltárjuk a vizsgált jelenségben bekövetkezett változásnak az okát. Arra a kérdésre, hogy a két vizsgált változó között föltárt összefüggés mennyire stabil – azaz, hogy mennyiben általános érvényű vagy mennyiben csak a vizsgált sokaságra jellemző –, a korrelációs együtthatóhoz kapcsolódó F-próba szignifikanciaszintje adja meg a választ. A 0,05 alatti szignifikancia érték azt jelzi, hogy a föltárt összefüggés iránya 95%-nál nagyobb valószínűséggel 100

Megjegyzem, hogy a regresszószámítás esetén ugyan van függő és független változó, de arról, hogy melyik változót tekintjük függőnek és melyiket függetlennek, szakmai megfontolásaink alapján magunk döntünk. A két változó ismeretében a módszer meghatározza a regressziós függvény együtthatóit (lineáris esetben együtthatóból csak egy van, ami a függvény meredeksége), és a függőleges tengellyel képzett metszetét. 101 Regressziós modellekben a korrelációs együttható abszolút értékben kerül feltüntetésre, mert a kapcsolat irányát a regressziós függvény együtthatóinak (lineáris esetben ebből csak egy van) előjele mutatja.

66

helytálló, tehát nem csak a vizsgált sokaságra jellemző, hanem általánosságban is megfogalmazható. Az említett sziginifikanciaszint, bár elsősorban a föltárt összefüggés irányának a helytállóságára utal, áttételesen azonban a két változó közötti kapcsolat erősségének a megalapozottságát is kifejezi. A regressziós függvény egyenletének, valamint a független változó értékeinek az ismeretében a függő változó hiányzó értékei becsülhetők. A minél nagyobb becslési pontossághoz szükséges, hogy: – a korrelációs együttható értéke abszolút értékben minél nagyobb legyen; – az F-próba signifikanciaszintje ne haladja meg a 0,05-öt; – a regressziós függvény paraméterei (együttható, tengelymetszet) stabilak legyenek; A regressziós függvény paramétereinek a stabilitását t-próbával teszteljük. Ha a t-próba szignifikancia szintje nem haladja meg a 0,05-öt, akkor a függvény paraméterei szignifikánsak, azaz stabilnak tekinthetők102. A paraméterek stabilitását jelzi még a hozzájuk tartozó standard hiba (SE) is, mely azt mutatja meg, hogy az adott paraméter értékében plusz mínusz mekkora eltérés lehetséges. Nyilvánvalóan a minél alacsonyabb érték a kedvezőbb. – a becslés standard hibája (SEE) minél kisebb legyen103; – a relatív reziduális szórás (Vσe) 15% alatt legyen104; – a hibatagok (reziduumok105) varianciája a független változó mentén állandó legyen, azaz a hibatagok homoszkedasztikusak legyenek; A homoszkedaszticitást a reziduumok független változó mentén történő ábrázolásával tesztelhetjük. Ha a független változó mentén ábrázolt reziduumok tendenciájukban két vízszintes egyenes között helyezkednek el, akkor homoszkedasztikusnak tekinthetők. Heteroszkedasztikus hibatagok esetén a regressziós függvény becslési pontossága a függvény mentén eltérő lesz; – a hibatagok normális eloszlást kövessenek; Ha a hibatagok nem a normális eloszlást követik, akkor az F- és a t-próba meghatározott szignifikanciaszintje bizonytalan, tehát előfordulhat, hogy egy szignifikánsként meghatározott adat nem szignifikáns. A hibatagok normális eloszlását a Kolmogorov - Smirnov teszt szignifikanciaszintjével ellenőrizhetjük. Mivel a teszt a nullhipotézis bekövetkezési valószínűségét teszteli, mely szerint a hibatagok eloszlása normális, ezért jelen esetben 102 Ezen a ponton megjegyzem, hogy ha a lineáris regresszióban egyetlen független változó van, akkor a függvény meredekségére meghatározott t-próba szignifikanciaszintje megegyezik a korábban említett F-próba szignifikanciaszintjével. 103 A becslés standard hibája a valódi érték szórását mutatja a regressziós függvény által becsült érték körül. 104 A relatív reziduális szórás a becslés standard hibájának, és az eredeti (valós) függő változó értékeiből képzett átlagnak a hányadosa, százalékban kifejezve. 105 A reziduum az eredeti és a becsült függőváltozó értékének a különbsége, a független változó mentén.

67

magas szignifikanciaszintre törekszünk. A hibatagokat normális eloszlásúnak tekintjük, ha a Kolmogorov - Smirnov teszt szignifikanciaszintje meghaladja a 0,05-öt. A fenti kritériumok kapcsán megjegyzem, hogy azok nem teljesülése esetén a regressziós függvény arra minimálisan is alkalmas, hogy a tényként megjelenő (a mért adatok által mutatott) összefüggések tendenciáját megmutassa. A becslési pontosságnak, valamint az ehhez kapcsolódó megbízhatóságnak akkor van jelentősége, ha a sokaságból vett mintát vizsgáljuk, és ezen vizsgálat eredményeit szeretnénk általánosítani a sokaság egészére. Ha az értékelni kívánt sokaság egésze részét képezi a vizsgálatnak, akkor értelemszerűen a becslési pontosságnak nincs jelentősége, hiszen nem történik becslés106. (Dusek 2006) Bár saját vizsgálataim Magyarországra vonatkoznak, és az országot teljes egészében elemzem, ennek ellenére a statisztikai vizsgálatok eredményeit minden esetben tesztelem azzal a céllal, hogy ha az eredményeket a jövőben bárki fel kívánja használni, egyértelmű legyen számára, hogy azok becslésre mikor és mennyiben használhatók. Ahogyan arra fentebb már tettem utalást, a regressziószámítás során nem csak lineáris regressziós modellt alkalmazhatunk. Ha két vizsgált adatsor által alkotott pontdiagramra nem egyenest illesztünk (mert nem az illeszkedik rá a legjobban), akkor nem lineáris regresszióval dolgozunk. A regressziós függvény tesztelésére fentebb felvázolt eljárások ebben az esetben is alkalmazhatók és alkalmazandók. Tekintettel azonban arra, hogy az említett függvény egyenlete ebben az esetben több együtthatót tartalmaz, ezért a t-próbát és a standard hiba meghatározását minden együtthatóra el kell végezni. „A trendszámítás lényegét tekintve a regressziószámítás speciális esete, ahol független változóként az időtényező szerepel” (Kerékgyártó et al. 2001, 458. o.). Ennek megfelelően a regressziós függvények értékelésére használt eljárásokat alkalmazzuk a trendfüggvények értékelésére is azzal a kiegészítéssel, hogy ebben az esetben a becslési pontosság feltétele az is, hogy a reziduumok az idő függvényében korrelálatlanok legyenek, amit Pearson-féle korrelációszámítással ellenőrizhetünk. Mindezek mellett meg kell jegyezni azt is, hogy bár a modellben az időtényező mint független változó szerepel, ezzel együtt azonban a vizsgált két változó közötti ok-okozati összefüggés még rendkívül stabil modell mellett sem feltétlenül áll fenn.

106

Erre utal Nemes Nagy (2005a) azon megállapítása is, mely szerint: „Az erős szignifikanciájú, megbízható összefüggés – leegyszerűsítve – azt jelenti, hogy a megfigyelési egységek körét véletlenszerűen újabbakkal bővítve, nagy valószínűséggel nem változik az összefüggés iránya és szorossága.” (1. o.)

68

4.6. A vizsgált területegységek csoportosítását célzó eljárások A felvetett kutatási kérdések közül három az elemzésre kerülő területegységek kiinduló fejlettsége és a vizsgált időszakban produkált fejlődési üteme alapján történő csoportosítását teszi szükségessé, ezért a továbbiakban a kutatási folyamat során alkalmazandó csoportosítási eljárások rövid ismertetésére térek ki107. Mivel a csoportképzés két dimenzióban történik, ezért alkalmazható az osztályozás hagyományos módszere, melyben a két dimenzió kategóriáit szakmai megfontolásaink alapján kijelölve, a csoportosítandó elemeket mechanikusan soroljuk az egyes kategóriákba. Ezzel az eljárással elérhető, hogy a vizsgált területegységek mindkét csoportosító tényező alapján egyértelmű kategorizálásra kerüljenek, és így az egyes csoportok következetesen elnevezhetőkké váljanak. Ugyanakkor ezzel az eljárással nem feltétlenül kapjuk a lehető leghomogénebb, és az egymástól leginkább elkülönülő csoportokat. A korszerű (komplex) osztályozási eljárások (hierarchikus és nem hierarchikus klaszterezés) több csoportképző ismérv alapján is lehetőséget teremtenek olyan csoportok kialakítására, melyek a vizsgálat keretei között a lehető leghomogénebbek, ugyanakkor egymástól a lehető leginkább különböznek. Ezeknél a módszereknél azonban az egyes csoportosító ismérvek mentén a kialakult halmazok között átfedések lehetnek, így a csoportok egyértelmű és következetes elnevezése sok esetben nehézségekbe ütközik. Mivel a vizsgálataim során a fent említett hagyományos és korszerű osztályozás előnyeit úgy szeretném kihasználni, hogy eközben azok hátrányai a lehető legkevésbé jelentkezzenek, ezért a vizsgált területegységek csoportosítása során a két módszertani megközelítést együttesen alkalmazom. Mivel Sajtos és Mitev (2007), valamint Székelyi és Barna (2005) magas elemszámmal rendelkező vizsgálati halmaz esetén a nem hierarchikus klaszterezésen belül a K-középpontú eljárást javasolja, ezért a felvetett kutatási kérdések megválaszolásához fő módszerként ezt alkalmazom. Ezt indokolja az is, hogy Obádovics (2004) megállapítása szerint, a K-középpontú eljárás eredményeként létrejött csoportok homogenitása jobb, mint a hierachikus eljárással kapott klasztereké. Szem előtt tartva, hogy a K-középpontú eljárás alkalmazása megkívánja a klaszterek darabszámának ismeretét, ezért a Kközéppontú módszer alkalmazása előtt a vizsgált sokaságra hierarchikus klaszterezést végzek, melynek célja az optimális klaszterszám meghatározása108. 107 A módszerek ismertetése során Vizdák (2004), Székelyi és Barna (2005), valamint Sajtos és Mitev (2007) műveire támaszkodom. 108 Optimálisnak tekintem azt a klaszterstruktúrát, melyben a klaszterek száma még kezelhető, és a struktúrában nincsenek túlzottan nagy elemszámú, és ebből adódóan heterogén klaszterek.

69

Mivel a hierarchikus eljárás során kialakított klaszterstruktúra függ az alkalmazott módszertől, ezért az optimális klaszterszám meghatározása érdekében, a hierarchikus eljárást több módszerrel is elvégzem. Tekintettel arra, hogy a klaszterezési eljárások az egyes elemeket a közöttük lévő távolságok alapján csoportosítják, ezért a vizsgált két dimenzióhoz tartozó értékeket annak érdekében, hogy a távolságmérés kapcsán azonos súllyal szerepeljenek, standardizálom. A vizsgálatok során figyelemmel kell lenni az elemzésbe vont változók közötti korrelációra is. Ennek kapcsán Sajtos és Mitev (2007) a 0,9 fölötti lineáris korrelációval rendelkező változók egyikének az elemzésből történő kizárását javasolja109. Kutatómunkám során a csoportosítási eljárások speciális módszerét, a diszkriminanciaanalízist is használom110. A módszer abban az értelemben speciális, hogy az alkalmazásához a vizsgált területegységeknek a megadott ismérvek szerint már csoportosítottnak kell lennie, ugyanakkor az eljárás teszteli a megadott ismérvek szerinti csoportosítás helyességét, és javaslatot tesz a homogénebb, de egymástól jobban elkülönülő csoportok kialakítására. Ha az eredeti és a diszkriminaciaanalízis által javasolt csoportosítás eredménye jelentősen nem különbözik egymástól111, akkor az eredeti csoportosítás a csoportok homogenitását és elkülönülését tekintve eredményesnek tekinthető. A módszer a fentiek mellett arra is alkalmas, hogy az eljárásba lépésenként bevont mutatók közül lehatárolja azokat, amelyek a kialakított csoportokat a lehető leginkább elkülönítik egymástól112. Ezzel megteremti a lehetőségét annak, hogy a létrehozott csoportok a diszkrimináló mutatók alapján jellemezhetőkké váljanak. A diszkriminanciaanalízis során a vizsgálatba vont mutatók segítségével diszkrimináló függvény (ez lehet több is) jön létre. Mivel a diszkrimináló függvény értékei a vizsgálatba vont mutatók – mint független változók – segítségével létrehozott többváltozós regressziós függvényhez hasonló összefüggésrendszer eredményeként jönnek létre, ezért a többváltozós függvény 109

Ezt azzal indokolja, hogy ha a változók korrelációjuk alapján csoportosulnak, akkor egy csoporton belül csak egy hatást jellemzenek, azt az egy hatást viszont annyi szoros súllyal, ahány mutató van a csoportban. Ennek eredményeként bizonyos hatások túldimenzionálttá válnak az elemzésben. 110 A vizsgálatba vont indikátorok korrelációját ebben az esetben is figyelembe kel venni. Erre való tekintettel vizsgálataimat Mahalanobis távolságmetodika alapján is elvégzem, mely az indikátorok közötti korrelációt is bevonja az elemzésbe (Afifi és Azen 1979). Ezt alkalmazza Obádovics (2004) is, saját vizsgálatai során. 111 A szakirodalom meghatározott küszöbértéket erre vonatkozóan nem közöl. Vizsgálataim során csoportonként a 75% fölötti egyezést fogadom el, ez ugyanis minden általam vizsgált esetben a véletlen besoroláshoz képest minimálisan közel 15 százalékpontnyi többletet jelent. 112 A minél nagyobb „F”, és a minél kisebb Wilks' lambda érték az adott mutató jobb diszkrimináló képességét jelzi. Az F-próba 0,05 vagy az alatti szignifikancia értéke esetén az adott mutató diszkrimináló képessége jelentősnek tekinthető, így a csoportok megkülönbözetésére alkalmas, ezért érdemes a vizsgálatban tartani.

70

egyes mutatókhoz rendelt együtthatói alapján megállapítható, hogy a vizsgálatba vont mutatók mekkora, és milyen irányú hatást fejtenek ki a diszkrimináló függvényre, azaz mekkora mértékben, és a diszkrimináló függvény mentén milyen irányba diszkriminálják a kialakított csoportokat. Az említett együtthatókat testesítik meg a standardizált diszkriminancia-együtthatók (SDC)113. A diszkrimináló függvény csoportokat elkülönítő képességét a függvényhez kötődő Wilks' lambda érték, valamint a khí-négyzet próba szignifikanciaértéke határozza meg114. Ahogyan arra korábban már utaltam, a vizsgálatba vont mutatókhoz tartozó standardizált diszkriminancia-együtthatók és a korrelációs együtthatók előjele megmutatja, hogy milyen tulajdonságokkal rendelkező kistérségi csoportok helyezkednek el a diszkriminancia függvény pozitív, és melyek a negatív tartományában. Arra is utaltam már, hogy az eredendően meglévő kistérségi csoportok mellett, a diszkriminanciaanalízis is kialakítja a saját csoportjait, és ha a két csoportosítás eredménye nagy százalékban azonos, akkor a diszkriminanciaanalízis eredményei ráilleszthetők az eredeti csoportokra. Az itt megfogalmazottak alapján, a diszkriminanciaanalízis segítségével létrehozott csoportok középpontjainak diszkrimináló függvényen elhelyezkedő koordinátái lehetőséget teremtenek arra, hogy az eredetileg kialakított kistérségi csoportokat a diszkrimináló mutatók (diszkrimináló tényezők) alapján jellemezzük.

A jelen fejezetben megfogalmazottak alapján, a hazai vizsgálataimhoz szükséges modellt az 1996 és 2007 között eltelt időszakra, 3124 település, 173 kistérség, 19 megye, 7 régió és az ország egészének jellemzése céljából alkotom meg úgy, hogy a fővárost minden területi szinten kizárom a modellalkotásból. A társadalmi és gazdasági fejlettség jellemzésének alapját egy 140 alapadatból képzett 220 alapmutatót tartalmazó információbázis jelenti, melynek szűrése, a leszűrt indikátorok összevonása, valamint az összevont mutatók eredményezte komplex index elemzése összetett statisztikai módszerek segítségével történik.

113 A standardizál diszkriminancia-együtthatókból levonható következtetéseket kell, hogy megerősítsék a vizsgálatba vont mutatók és a diszkrimináló függvény közötti kapcsolat erősségét és irányát kifejező korrelációs együtthatók is. 114 A 0,05-os, vagy az alatti szignifikanciaszint azt jelzi, hogy a diszkrimináló függvény csoportokat elkülönítő képessége jelentős, így az elemzés lefolytatására alkalmas. Ha az említett szignifikanciához alacsony Wilks' lambda érték tartozik, akkor a diszkriminancia függvény diszkrimináló képessége erős. A szakirodalom meghatározott küszöbértéket erre vonatkozóan nem közöl. Mivel a Wilks' lambda értéke 0 és 1 között mozog, ezért alacsonynak tekintem a 0,5 alatti értéket.

71

72

5. VIZSGÁLATI EREDMÉNYEK A fejezet célja a társadalmi és gazdasági fejlettség, illetve fejlődés – mint összetett jelenség – mérhetővé tétele, valamint a hazai kistérségek külső és belső differenciálódásának összefüggésekre épülő elemzése. Az eredmények ismeretében megtörténik a vizsgált területegységek fejlettség és fejlődés alapján történő csoportosítása oly módon, hogy a kialakított csoportok a lehető leghomogénebbek legyenek, ugyanakkor egymástól a lehető leginkább különüljenek el, és az említett két dimenzióban egyértelműen és következetesen elnevezhetők legyenek. A létrehozott csoportok jellemzése mellett sor kerül az ország területén kialakult fejlődési erővonalak feltárására, valamint a hátrányos helyzetű kistérségek helyi adottságokra épülő felzárkóztatására alkalmas megoldások meghatározására. A fejlettség és a fejlődés mértékének meghatározása céljából létrehozott indikátor a fentiek mellett lehetőséget teremt arra is, hogy az egy főre jutó GDP által leírható területi különbségeket összevessük a jelen kutatás eredményeivel, és ennek nyomán további összefüggésekre is rávilágítsunk.

5.1. A társadalmi és gazdasági fejlettség indikátorainak meghatározása A térben és időben előállított 220 alapmutató széles típusválasztéka megteremti az alapját egy olyan végső mutatóhalmaz összeállításának, melyből létrehozható az az összevont jelzőszám, amely a vizsgált jelenség lehető legtöbb dimenzióját képes megragadni úgy, hogy általa az egyes területegységek a lehető legprecízebben jellemezhetővé váljanak. Az említett komplex jelzőszám létrehozásához szükséges indikátorok lehatárolását matematikai és szakmai szempontok alapján végzem el. A mutatók matematikai szempontú lehatárolásához a főkomponens-analízis paramétereit vettem figyelembe. A módszer lehetőséget teremt egy olyan mutatóstruktúra összeállításra, mely mögött mérhető módon meghúzódik az a látens rendszer, ami a társadalmi és gazdasági fejlettségre, mint nehezen megragadható jellemzőre mutat. Az itt megfogalmazottakat szem előtt tartva, a mutatók lehatárolása során az alábbi matematikai küszöbértékeket tekintettem irányadónak: – A mutatók kommunalitásai a lehető legnagyobbak legyenek, de minimálisan haladják meg a 0,25-os értéket. Ezzel azt kívántam elérni, hogy főként azok a mutatók maradjanak a vizsgálatban, melyek információtartalmának a legnagyobb hányada megjeleníthető az általam megalkotásra kerülő összevont indexben. Ezzel az eljárással azok az indikátorok kerülnek az elemzésbe, melyek fajsúlyos részét képezik a mutatók által alkotott rendszernek, tehát a leginkább alkalmasak a vizsgált jelenség jellemzésére. – A vizsgálatban tartott mutatóstruktúra KMO értéke a lehető legnagyobb legyen, de minimálisan haladja meg a 0,5-öt. Mivel a KMO érték azt méri,

73

–

–

hogy a vizsgálatba vont indikátorok mögött mennyire erős látens struktúra húzódik meg, ezért a magas KMO érték azt jelzi, hogy a mutatók egy erőteljesen összefüggő rendszert alkotnak. A mutatók rendszerszerű összefüggése lehetőséget teremt arra, hogy belőlük a vizsgálat későbbi szakaszában egy összevont jelzőszámot képezhessek. Az itt megfogalmazottak alapján annak tesztelésére, hogy a vizsgálat mutatói a közöttük lévő rendszerszerű összefüggés alapján alkalmasak-e arra, hogy belőlük a vizsgált jelenséget jól jellemző összevont indexet képezzek, a KMO értéket kiemelt jelzőszámnak tekintem. Az egynél nagyobb sajátértékkel rendelkező főkomponensek a mutatók összes információ tartalmának a lehető legnagyobb hányadát, de minimálisan 60%-át őrizzék meg. A főkomponensek a mutatók információtartalmának minél nagyobb hányadát képesek megőrizni, annál biztosabbak lehetünk abban, hogy a mutatóhalmaz egy összefüggő rendszert alkotva informatív, tehát képes a vizsgált jelenséget egy összevont index formájában jellemezni. A főkomponens-analízisbe bevont területegységek száma minimálisan ötszöröse legyen a végső mutatóstruktúrát alkotó mutatók számának (Sajtos és Mitev 2007). A vizsgált területegységek száma minél inkább meghaladja az elemzéshez használt indikátorok számát, a kapott eredmények annál biztosabbnak tekinthetők, így a kutatómunka végső következtetései is sokkal helytállóbbak lesznek.

A vizsgálat mutatóinak szakmai szempontú lehatárolása során fontosnak tartottam, hogy: – az elemzés indikátorai a társadalmi és gazdasági fejlettség egyes dimenzióit a lehető legszélesebb körben, a lehető legrészletesebben, de még átlátható módon fedjék le. Ezzel arra törekedtem, hogy az általam készített modell a lehető legalaposabban, de még kezelhető formában legyen képes jellemezni a vizsgált jelenséget, és ezzel lehetőséget teremtsen a megalapozott kutatási eredmények feltárására, valamint az eredményekre épülő helytálló következtetések levonására. – a mutatók ugyanazt a hatást a modellben csak egyszer mérjék. Ennek kapcsán arra törekedtem, hogy ne szerepeljenek a vizsgálatban egymásból számítható, valamint egymástól alig különböző, és ebből adódóan nagyon szorosan korreláló indikátorok (Jakobi 2005). Ellenkező esetben túldimenzionálttá válnak azok a tényezők, melyek több mutató által is megjelennek a vizsgálatban, eltorzítva ezzel az egyes területegységek közötti valós fejlettségi különbségeket. – azokban az esetekben, ahol az egyes dimenziók részletezve kerülnek jellemzésre, ott az egésznek egy részterülete se maradjon ki. Ezzel elkerülhetővé válik az információ veszteség, és az adott dimenzió adatkezelésből származó vizsgálaton belüli torzulása is.

74

–

egy-egy dimenzió közel azonos számú mutatóval legyen jellemezve, biztosítva ezzel azt, hogy a modellben egyik dimenzió se legyen szélsőségesen túl-, illetve alulreprezentált. Ezzel a vizsgált jelenség egyes dimenzióinak az elemzésben történő kiegyensúlyozott megjelenítése valósítható meg.

A fenti nyolc szempont együttes figyelembevétele érdekében a 220 alapmutatót többszöri ismételt szelektálás alá vetettem. Az alapmutatókat áttekintve látható, hogy jó néhány vizsgálati dimenzióban (pl.: vállalkozási potenciál; turizmus, kereskedelem) ugyanaz a mutató népességre és területre vetítve is előállításra került. Ugyanakkor az is megfigyelhető, hogy az egyes dimenziók bizonyos esetekben (pl.: munkanélküliség és humántőke; humáninfrastruktúra és humántőke; turizmus, kereskedelem) részletezetten és összevontabb formában is jellemzésre kerültek. Mindezek mellett több indikátor megoszlási viszonyszám formájában is rendelkezésre áll. A mutatók széles típusválasztéka megteremtette annak a lehetőségét, hogy az indikátorok szelektálását különböző típusú, de információtartalmában hasonló kiinduló mutatóhalmazra, illetve azok kombinációjára építsem, és ezzel a kitűzött szempontrendszernek leginkább megfelelő struktúrát állítsak össze. A kiinduló mutatóhalmazokat először minden esetben a matematikai szempontok szem előtt tartásával szűrtem. A szelektálást a vizsgált időszak első és utolsó évére kistérségi szinten végeztem el úgy, hogy a kiinduló mutatóhalmazt főkomponens-analízisen végig futtattam, majd a legalacsonyabb kommunalitású és MSA értékű mutatót kizárva a vizsgálatból, újabb futtatást végeztem. Ezt az eljárást addig ismételtem, amíg matematikai szempontból a legtökéletesebb struktúrát nem kaptam. A vizsgálatokat minden fent említett különböző típusú, de hasonló tartalmú mutatóból álló kiinduló mutatóhalmazra elvégeztem, majd a kialakított mutatóstruktúrákat szakmai szempontból értékeltem, és a szükséges korrekciókat végrehajtottam. Ezzel kistérségi szinten a vizsgált időszak első és utolsó évére előállítottam azt a mutatóstruktúrát, amely matematikai és szakmai szempontból is a legjobbnak tekinthető. Ezek után a főkomponens-analízist a kialakított mutatóstruktúrával a vizsgálat minden egyes évére kistérségi és települési szinten is lefuttattam, és a már teljesült szakmai szempontok szigorú szem előtt tartása mellett, a mutatók cseréjével végrehajtottam azokat a feltétlenül szükséges minimális korrekciókat, melyek a matematikai szempontoknak való megfelelést úgy javították, hogy közben a szakmai szempontok nem sérültek. A fenti eljárás eredményeként a vizsgált időszak minden egyes évére és az összes elemzett területegységre az alábbi 34 mutatót határoltam le115:

115

Viszonyítási alapként szerepeltetett lakos alatt állandó lakost értek.

75

Demográfia Népsűrűség (fő / km2) A 15 évesnél fiatalabbak száma egy 60-x éves lakosra Vándorlási egyenleg 1000 lakosra Természetes szaporodás 1000 lakosra

1. 2. 3. 4.

Vállalkozási potenciál116 5. Vállalkozások száma az építőipar nemzetgazdasági ágban 1000 lakosra 6. Vállalkozások száma a bányászat, a feldolgozóipar, a villamos energia-, gáz, hő- és vízellátás nemzetgazdasági ágakban 1000 lakosra 7. Vállalkozások száma a mezőgazdaság, vadgazdálkodás és erdőgazdálkodás, halászat nemzetgazdasági ágakban 1000 lakosra 8. Vállalkozások száma a szolgáltatás nemzetgazdasági ágban összesen 1000 lakosra

Jövedelem, segélyezés 9. 10. 11. 12.

Fizetendő társasági nyereségadó egy lakosra Export értékesítés nettó árbevétele egy lakosra Összes belföldi jövedelem egy lakosra Az önkormányzat által rendszeres szociális segélyben részesítettek évi átlagos száma a népesség %-ában

Munkanélküliség és humántőke 13. 8 általánosnál alacsonyabb végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség %-ában 14. Általános iskolát végzett regisztrált munkanélküliek száma a munkavállalási korú népesség %-ában 15. Középiskolai végzettségű regisztrált munkanélküliek száma összesen a munkavállalási korú népesség %-ában 16. Felsőfokú végzettséggel rendelkező regisztrált munkanélküliek száma összesen a munkavállalási korú népesség %-ában 17. 180 napnál hosszabb ideje regisztrált munkanélküliek száma a regisztrált munkanélküliek %-ában

116

Vállalkozások alatt működő vállalkozásokat értek.

76

Turizmus, kereskedelem 18. Éttermek, cukrászdák, bárok, borozók száma 1000 lakosra 19. Kiskereskedelmi hálózati egységek száma (gyógyszertárak nélkül) 1000 lakosra 20. Külföldiek által eltöltött vendégéjszakák a kereskedelmi szálláshelyeken 1000 lakosra 21. Hazai vendégek vendégéjszakái kereskedelmi szálláshelyeken 1000 lakosra

Infrastruktúra 22. Az év folyamán épített lakások száma (üdülők nélkül) a lakásállomány %ában 23. Lakásállomány 1000 lakosra 24. Az 1 km vízvezeték-hálózatra jutó csatornahálózat hossza 25. Háztartási gázfogyasztók száma a lakásállomány %-ában 26. Személygépkocsik száma az év végén 1000 lakosra 27. Távbeszélő fővonalak száma 1000 lakosra

Humáninfrastruktúra és humántőke 28. Szakképzett bölcsődei gondozónők száma 1000 bölcsődés korú lakosra 29. Óvodai pedagógusok száma 1000 óvodás korú lakosra 30. Általános iskolai főállású pedagógusok száma 1000 általános iskolai korú lakosra 31. Főállású pedagógusok száma a középiskolákban 1000 középiskolai korú lakosra 32. Háziorvosok száma 1000 lakosra 33. Anya- és csecsemővédőnők száma 1000 bölcsődés korú lakosra 34. Mozilátogatások száma 1000 lakosra Olyan mutatóstruktúra természetesen nem állítható elő, amely a fentiekben megfogalmazott nyolc szempont mindegyikének tökéletesen megfelel, ezért a lehető legjobb kompromisszumos megoldás megtalálása volt a cél. Az összeállított 34 indikátort áttekintve megállapítható, hogy a kitűzött szakmai szempontoknak jelentős mértékben megfelelnek. A vizsgálható fejlettségi dimenziók közül a környezeti terhelés, a tőkebefektetés, és az önkormányzati költségvetés a kitűzött matematikai szempontok alapján kiszorult a vizsgálatból, így ugyanis egy koherensebb mutatóstruktúra előállítására nyílt lehetőség. Ez arra utal, hogy az említett csoportokba tartozó mutatók nem képezték szerves részét a mutatóstruktúrának, tehát az elemzésben maradt indikátorokhoz képest a vizsgált területegységek megkülönböztetésére alkalmas jelentős többletinformációt nem hordoznak, vagy ez a többletinformáció jelen vizsgálat

77

kereti között egy összevont indexben nem jeleníthető meg. A környezeti terhelést jellemző indikátorokat megvizsgálva látható, hogy kizárólag víz és szennyvíz szolgáltatásra, illetve kezelésre vonatkoznak, ezek az információk azonban az 1 km vízvezeték-hálózatra jutó csatornahálózat hosszán keresztül áttételesen megjelennek a vizsgálatban. A tőkebefektetést jellemző mutatók kapcsán megjegyzem, hogy bár a végső mutatóstruktúrában nem szerepelnek, viszont a foglalkoztatásra és a jövedelmi helyzetre gyakorolt hatásuk a munkanélküliségi és a jövedelmi mutatókon keresztül megjelenik az elemzésben. Az önkormányzati költségvetést jellemző indikátorok közül csak a szociálisan segélyezettek népességen belüli aránya maradt a vizsgálatban. Ezt a mutatót a jövedelmi indikátorokhoz csoportosítottam, ugyanis a 4. mellékletben közölt korrelációs együtthatók alapján megállapítható, hogy az említett mutató szoros összefüggést mutat az ezer lakosra vetített szociális segély összegével, ami a segélyezettek szempontjából jövedelmi tétel. A két említett mutató közötti nyilvánvaló és szoros összefüggés azok vizsgálatban történő együttes szerepeltetését kizárja, ugyanis az általuk mért hatás – éppen a nyilvánvaló és erős korrelációból adódóan – jelentős mértékben átfedi egymást. Az itt leírtakra tekintettel megfontolás tárgyává tettem a segélyezettek számát jellemző indikátor helyett a segélyre felhasznált összeget kifejező mutató vizsgálatban történő szerepeltetését, ettől azonban azért tekintettem el, mert az 1993. évi III. törvény 26. §-a úgy fogalmaz, hogy „a települési önkormányzat képviselőtestülete a hatáskörébe tartozó pénzbeli ellátásokat kiegészítheti, és a szociálisan rászorultak részére – a rendeletében meghatározott módon és feltételek szerint – más pénzbeli támogatásokat is megállapíthat”. Ebből az következik, hogy egy területegységen a segélyre felhasznált összeg maximumát nem kizárólag a segélyezettek száma határozza meg, hanem az önkormányzat anyagi lehetőségei is. Ez alapján a szociális segélyre felhasznált összeg kapcsán nem lehet tökéletes pontossággal azt állítani, hogy az a területegység van jobb helyzetben a többihez képest, ahol a kimutatott érték alacsonyabb. Mivel a szociálisan segélyezettek számát kifejező mutató kapcsán az említett probléma nem áll fenn, ezért helyesebbnek láttam ezt az indikátort szerepeltetni a vizsgálatban. Mindezekkel együtt azonban, a pontosság érdekében az említett mutatócsoport megnevezését a bővítésnek megfelelően a fentiek szerint kiegészítettem. A vizsgálat mutatóinak szakmai szempontú lehatárolása során célként fogalmaztam meg, hogy az egyes dimenziók közel azonos mutatószámmal legyenek jellemezve. Ennek kapcsán a mutatóstruktúrát megvizsgálva a humán terület kissé túlhangsúlyozottnak tűnhet, ha viszont hozzá tesszük, hogy a vállalkozási potenciál, a jövedelem, valamint a turizmus és kereskedelem egyértelműen gazdasági terület, a munkanélküliség még ebben a bontásban is legalábbis részben tekinthető gazdaságinak, és az infrastruktúra sem független a gazdaságtól, akkor ez a túlhangsúlyozottság már nem áll fenn.

78

Az összeállított mutatóstruktúra matematikai szempontú értékelését az 5. táblázatban és az 5. mellékletben foglalom össze.

5. táblázat: paraméterek Év 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 1

A

lehatárolt

mutatóstruktúrát

jellemző

matematikai

KMO érték1 Megőrzött varianciahányad % Település Kistérség Település Kistérség 0,844 0,869 55,093 74,300 0,831 0,888 56,375 73,536 0,844 0,873 60,587 73,999 0,854 0,873 56,399 75,004 0,863 0,879 57,229 72,724 0,863 0,871 56,276 74,474 0,856 0,875 57,252 74,703 0,847 0,884 57,853 75,130 0,841 0,882 61,391 74,856 0,832 0,886 61,823 71,938 0,829 0,885 61,265 74,132 0,855 0,879 58,018 74,612

A Bartlett-teszt szignifikancia értéke minden esetben 0,000.

Forrás: Saját számítás és szerkesztés 2011 A vizsgálathoz összeállított mutatóhalmaz kapcsán kapott matematikai paraméterek kistérségi szinten 100%-ban megfelelnek a meghatározott feltételeknek. A kapott eredmények nem pusztán elérik a kitűzött küszöbértékeket, hanem azokat minden tekintetben jelentősen meghaladják. Ezek alapján azt mondhatjuk, hogy az összeállított mutatóstruktúra a kistérségek jellemzésére matematikai szempontból tökéletesen alkalmas117. Települési szinten vizsgálva az adatokat az tapasztalható, hogy a mutatók, a kommunalitások vonatkozásában (5. melléklet) közel 98%-ban megfelelnek a kitűzött küszöbértéknek. Tekintettel arra, hogy a vizsgált területegységek jellemzése céljából megalkotásra kerülő komplex indexben az egyes mutatók a kommunalitásaikkal kerülnek súlyozásra ((6) képlet), ezért a küszöbérték alatti kommunalitással rendelkező indikátorok a modellben képviselt alacsonyabb súlyuk miatt kisebb szerepet játszanak az egyes területegységek jellemzésében. Ebből az következik, hogy az említett mutatók – ha azt az egyéb szempontok 117 Ezen a ponton megjegyzem, hogy a kistérségi szintű mutatók a vizsgált tizenkét évből tízben hat, a fennmaradó két esetben öt (2005-ben), illetve hét (1996-ban) főkomponensbe tömörültek. Ebből az következik, hogy a megalkotásra kerülő komplex index kistérségi szinten a társadalmi és gazdasági fejlettségnek legalább öt dimenzióját képes megragadni. Mivel vizsgálataimnak nem célja a társadalmi és gazdasági fejlettség tényezőinek a meghatározása és elemzése, ezért a főkomponenseket nem nevesítem.

79

indokolttá teszik – nem csak azért maradhatnak a mutatóstruktúrában, mert a küszöbérték alatti kommunalitási értékük sokaságon belüli aránya elenyésző, hanem azért is, mert a vizsgálati eredményekre gyakorolt hatásuk a kommunalitással egyenes arányban változik, azaz jelen esetben kisebb lesz. A települési szintű mutatók kommunalitási értékei alapján megfontolás tárgyává tettem az 1 km vízvezeték-hálózatra jutó csatornahálózat hosszát jellemző mutató vizsgálatból történő kizárását, tekintettel azonban arra, hogy az említett indikátor 2003-tól jelen paraméter szerint is megfelelő, és kistérségi szinten minden vizsgált évben jelentősen meghaladja a minimálisan elvárt értéket, ezért az elemzésből történő kizárásától eltekintettem. Az említett mutató vizsgálatban tartását indokolja az a szakmai szempont is, hogy a mutatóstruktúrában ez az egyetlen olyan, amely a környezeti terhelést legalább víz és szennyvíz vonatkozásában jellemezni képes. A települési szintű mutatók a megőrzött varianciahányad kapcsán kitűzött küszöbértéknek 33%-ban felelnek meg. Tekintettel arra, hogy Székelyi és Barna (2005) szerint már a 33%-os megőrzött varianciahányad is elfogadható – amit a mutatóstruktúra minden évben települési szinten is messze meghalad –, továbbá figyelemmel arra is, hogy az általam meghatározott küszöbértéktől való elmaradás egy esetben sem éri el az öt százalékpontot, a mutatóhalmazt a megőrzött varianciahányad alapján a települési szintű elemzés lefolytatására alkalmasnak ítélem. Ezt erősíti az is, hogy a módszertani fejezetben hivatkozott szerzők a fentebb jelzettől nagyobb eltérést is elfogadhatónak tartanak. Megjegyzem továbbá, hogy Molnár et al. (2002) a hazai települések komplex fejlettségének mérésére olyan főkomponensek lineáris kombinációjából állítja elő összevont mutatóját, melyek összes megőrzött információ tartalma 48,7%. Az indexalkotás szempontjából kiemelt jelzőszámként kezelt KMO érték a meghatározott küszöböt nem csak, hogy a vizsgált évek 100%-ában eléri, hanem azt minden esetben jelentősen meg is haladja. Ez alapján a mutatóhalmazt egy összevont index megalkotására települési szinten is alkalmasnak tekintem118. A fentiek alapján a lehatárolt 34 elemű mutatóstruktúrát a vizsgált területegységek összevont index formájában történő jellemzésre szakmai és matematikai szempontból is elfogadhatónak tartom. Ahogyan arra korábban már utaltam, az elemzés megkezdése előtt ellenőrizni kell a felhasználásra kerülő mutatók tartalmának vizsgált időszakban bekövetkezett esetleges változását, biztosítva ezzel az adatok időbeli 118

A települési szintű mutatók a vizsgált tizenkét évből hétben nyolc, a fennmaradó öt esetben pedig kilenc főkomponensbe tömörültek. Ebből az következik, hogy a megalkotásra kerülő komplex index települési szinten a társadalmi és gazdasági fejlettségnek legalább hét dimenzióját képes megragadni. Mivel vizsgálataimnak ez esetben sem célja a társadalmi és gazdasági fejlettség tényezőinek a meghatározása és elemzése, ezért a főkomponenseket nem nevesítem.

80

összevethetőségét. Ennek érdekében megyei szinten előállítottam a lehatárolt 34 mutató idősorait. Az adatsorokat megvizsgálva azt tapasztaltam, hogy 2007-ben a mezőgazdasági vállalkozások számát jellemző mutató minden megye esetében kiugróan nagy értéket vesz fel az előző évhez, és az idősor egészéhez képest is. Az említett mutató idősorait kistérségi szinten is megvizsgálva, szinte minden kistérség esetében a megyei szintű tapasztalatokkal megegyező eredményt kaptam. A problémával fölkerestem a Központi Statisztikai Hivatalt, ahonnan azt az információt kaptam (6. melléklet), hogy az említett mutató ugrásszerű növekedése adminisztratív tényezőre vezethető vissza, ugyanis a 2008. évben hatályba lépő új ÁFA törvény értelmében az őstermelőknek is regisztráltatniuk kell magukat az APEH-nél, és ezzel, mint adószámmal rendelkező vállalkozók, az őstermelők is a mezőgazdasági vállalkozások közé tartoznak. Mivel a törvény 2007. november közepén jelent meg, ezért az adószámok kiváltása már 2007 végén megkezdődött, így a törvényi módosulás már a 2007. évben is éreztette a hatását. A fentiekre tekintettel a mezőgazdasági vállalkozások 2007. évi darabszámát lineáris extrapoláció segítségével megbecsültem, majd azt ezer lakosra vetítve előállítottam azt a viszonyszámot, mely a korábbi évek adataival összevethető. Ezek után a 2007. évi 34 mutatót ismételt főkomponens-analízis alá vetettem. Az 5. táblázatban és az 5. mellékletben már a mezőgazdasági vállalkozásokat jellemző korrigált mutató alapján elért matematikai paramétereket tüntettem fel.

5.2. A társadalmi és gazdasági fejlettség mértékének meghatározása Tekintettel a társadalmi és gazdasági fejlettség komplex jellegére, az leginkább egy – jelen vizsgálatban a fentebb említett 34 mutatóból képzett – összevont index segítségével jellemezhető. Mivel az összevonásra kerülő indikátorok mértékegysége egymástól eltér, ezért a vizsgált területegységek jellemzésére szolgáló komplex index megalkotása előtt, az egyes mutatókat úgy kell transzformálni, hogy a közöttük lévő mértékegységbeli különbségek megszűnjenek, ugyanakkor az adott mutatóval jellemzett területegységek közötti különbségek ne változzanak. A transzformálásra a módszertani fejezetben megfogalmazott indokok alapján a HDI mutató előállítása során is alkalmazott normalizálási eljárást használtam. A HDI alapképletének kritikája kapcsán Trabold - Nübler (1991) megjegyzi, hogy egy területegység adott mutatójának normalizált értéke egyik évről a másikra abban az esetben is változik, ha a mutató értéke valójában nem változik, csak a szélsőértéke módosul119. Ebből az következik, hogy a normalizált értékek idősorosan nem összevethetők. Természetesen abban az esetben is hasonló nehézségekbe ütközünk, ha nem egy bizonyos területegységet szeretnénk idődimenzióban elemezni, hanem két 119

Adott területegység adott mutatójának normalizált értéke növekszik például abban az esetben, ha minden egyéb tényező változatlansága mellett az adott mutató eredeti értékének sokaságon belüli maximuma csökken.

81

térségcsoportot vagy területi szintet kívánunk összevetni úgy, hogy azok normalizált mutatóit egymástól elkülönülten – tehát nem egy modellen belül – határoztuk meg. A fentiekben jelzett probléma úgy orvosolható, hogy az egyes mutatók normalizálása során a mutatók szélsőértékeit a modell egészén belül rögzítjük. Ebben az esetben ugyanis a normalizált mutató értéke csak abban az esetben változik, ha az adott területegység az adott mutató kapcsán valóban változást produkál. Erre való tekintettel 1994-től a HDI mutató kiszámítása kapcsán alkalmazott indikátorok szélsőértékeit rögzítették120. Tekintettel azonban arra, hogy a szélsőértékek meghatározása önkényesen történt, ezért például Ruanda esetében 1994-ben a születéskor várható élettartam a minimálisam meghatározott huszonöt évet nem érte el, így az ország helyzetének objektív értékelése az adott évben nem valósult meg (Sagar és Najam 1998). Az általam alkotott modellben a fentebb tárgyalt nehézségeket úgy küszöböltem ki, hogy az adott mutató szélsőértékeit a térben és időben mért legnagyobb illetve legkisebb értékével azonosítottam121. Ennek eredményeként minden normalizált mutató térben és időben 0 és 1 közötti értéket vett fel. Az adott normalizált mutató vonatkozásában az a területegység és abban az évben kapja a 0 értéket, amelyik az adott mutató kapcsán térben és időben a legrosszabb pozícióban van. A fentebb vázolt logika alapján 1-es értéket az adott mutató vonatkozásában térben és időben legjobb pozícióban lévő területegység kap. A leírtakból kitűnik, hogy az (5) képlet szerint normalizált mutató értéke az adott területegység adott mutató szerinti relatív helyzetét mutatja önmagához képest időben, a többi területegységhez képest pedig időben és térben úgy, hogy az egyes területegységek helyzetének időbeli és térbeli változására a mutató szélsőértékei nem gyakorolnak hatást. Ezt a megoldást egy olyan módszertani előrelépésnek ítélem, amely az egyes mutatók estén térben és időben az ország egészét felölelő koherens és zárt rendszerben pozícionálja az egyes területegységeket úgy, hogy azok az egyes mutatók alapján egy 0-tól 1-ig terjedő skálán térben és időben is összehasonlíthatók maradnak. Ezen a ponton – utalva a módszertani fejezetben leírtakra – megjegyzem, hogy a normalizálás során a munkanélküliségi mutatókat, valamint a rendszeres szociális segélyben részesítettek népességen belüli arányát százból levonva 120

A születéskor várható élettartam szélsőértékeit 25 és 85 évben, a GDP-jét 100 és 40.000 USDben, a két képzettségi mutató minimumát és maximumát pedig 0 és 100%-ban határozták meg (Husz 2001) 121 Példaként tekintve a népsűrűség mutatóját, évenként meghatároztam az összes területegység (i = 3324) közül a legalacsonyabb népsűrűségi értékkel rendelkezőt. Ez a népsűrűségi érték jelentette az adott évben mérhető legalacsonyabb népsűrűséget. Az így kapott 12 – éves szinten legalacsonyabb – népsűrűségi érték közül kiválasztottam a legkisebbet, és ez az érték adata a népsűrűségi mutató normalizálása során alkalmazott minimum értéket. Ugyanezt megcsináltam a maximum értékre is, és ezek után végrehajtottam a népsűrűségi mutató (5) képlet szerinti normalizálását.

82

vettem figyelembe, ezzel biztosítva azt, hogy ezen mutatók esetében is a nagyobb érték jelentse a kedvezőbb pozíciót.

N ijk =

X ijk − X jmin X jmax − X jmin

(5)

Ahol: – Nijk az i-edik területegység j-edik mutatójának normalizált értéke a k-adik évben – Xijk az i-edik területegység j-edik mutatójának értéke a k-adik évben – Xjmin és Xjmax a j-edik mutató minimuma és maximuma térben és időben – 1 ≤ i ≤ 3324122 1 ≤ j ≤ 34 1 ≤ k ≤ 12 A normalizálás a fentebb megfogalmazott előnyök mellett megteremti az alapját annak is, hogy a vizsgálat 34 mutatójából egy olyan összevont indexet képezzek, mellyel az egyes területegységek társadalmi és gazdasági fejlettsége jellemezhető. Ahogyan az a feldolgozott szakirodalomból kiderült, a magyarországi kistérségek fejlettségi különbségeinek felmérésére összevont mutatókat mások is használtak már a hazai gyakorlatban, és a területfejlesztési támogatásokra jogosult térségek lehatárolása is egy pontozásos eljáráson alapuló komplex mutatóra épül (30/1997. (IV. 18), 24/2001 (IV. 20.), 67/2007. (VI. 28.)). A mutatók kiválasztása azonban az esetek jelentős részében nem matematikai alapokon áll, ezért szubjektívnek tekinthető, és a kiválasztott indikátorok súlyozására sem kerül sor. Dolgozatomban a súlyozás problémájának a feloldására a főkomponens-analízis végrehajtása során meghatározásra kerülő kommunalitásokat használom. Mivel a mutató kommunalitása egyszerűen szólva azt fejezi ki, hogy az adott mutató mennyire szorosan kapcsolódik a mutatóstruktúrához, ezért ha a mutatókat saját kommunalitásukkal súlyozzuk, akkor az a mutató kap nagyobb súlyt, amely szervesebb részét képezi a mutatóstruktúrának, és így saját információ tartalmából nagyobb hányadot juttat a mutatók által alkotott rendszerbe. Más megközelítésben azt is mondhatjuk, hogy a nagyobb súllyal rendelkező mutató jobban képes jellemezni (magyarázni) a vizsgált területegységek fejlettség terén meglévő változékonyságát. Hasonló megfontolások alapján Lukovics Miklós (2007) a kommunalitások gyökét használja súlyozásra doktori értekezésében. Jelen vizsgálat során azért nem vontam gyököt a kommunalitásokból, mert így a súlyok értéke szélesebb skálán mozog, és ezzel a mutatók súlyozása valamelyest differenciáltabb. Megjegyezem, hogy Veres Lajos (2001) doktori értekezésében szintén főkomponens-analízist alkalmaz a TRANS mutató megalkotásához

122

3324 területegység: 3124 település, plusz 173 kistérség, plusz 19 megye, plusz 7 régió és plusz az ország.

83

használt indikátorok súlyozására, a disszertáció birtokomban lévő változatából azonban nem derül ki, hogy a súlyok előállítása pontosan hogyan történik123. A fentiek alapján a (6) képletnek megfelelően minden vizsgált területegység mindegyik évére kiszámítottam az (5) képlet szerint normalizált mutatók súlyozott számtani átlagát, és az így nyert összevont mutatót komplex relatív fejlettségi indexnek neveztem el. Az indexek értékét kistérségi, megyei, regionális és országos szinten a 7. mellékletben közlöm.124 34

∑ c jkm * N ijk FI ik =

j=1

34

(6)

∑ c jkm j=1

Ahol: – FIik az i-edik területegység komplex relatív fejlettségi indexe a k-adik évben – cjkm a j-edik mutató kommunalitása a k-adik évben az m-edik területi szinten – Nijk az i-edik területegység j-edik mutatójának normalizált értéke a k-adik évben – 1 ≤ i ≤ 3324125 1 ≤ j ≤ 34 1 ≤ k ≤ 12 m: települési vagy kistérségi szint

5.3. A fejlődési ütem meghatározása Mivel dolgozatom elsődleges célja a társadalmi és gazdasági fejlettség terén lezajlott időbeli folyamatok vizsgálata, ezért a komplex relatív fejlettségi indexek által alkotott idősorokra minden vizsgált területegység esetén lineáris trendfüggvényt illesztettem. A kistérségi szintre jellemző trendfüggvények meredekségét és fontosabb statisztikáit a 8. mellékletben közlöm. A korrelációs együtthatókat áttekintve megállapítható, hogy a trendvonalak minden kistérség esetén szorosan illeszkednek az idősor adataihoz. Még a leggyengébb értékkel rendelkező Bodrogközi kistérség is a maga 0,679-es együtthatójával a közepes erősségű tartomány felső szélén helyezkedik el126. 123

Ahogyan azt a szakirodalom feldolgozása során már jeleztem, Molnár et al. (2002) és Bíró et al. (2004) települési és kistérségi szintű vizsgálataik során a főkomponenseket súlyozták azok magyarázó erejével. 124 Az indexek települési szintre is meghatározásra kerültek, tekintettel azonban a táblázat rendkívül nagy terjedelmére, nyomtatatásban nem közölhető, elektronikus formában azonban rendelkezésre áll. 125 3324 területegység: 3124 település, plusz 173 kistérség, plusz 19 megye, plusz 7 régió és plusz az ország. 126 Nemes Nagy (2005a) felosztása alapján, ha a korrelációs együttható abszolút értéke 0,3 és 0,7 között van, akkor a változók közötti kapcsolat erőssége közepes.

84

Szintén a trendfüggvények szoros illeszkedését mutatja az is, hogy a relatív reziduális szórás maximális értéke 2,59% (Selyei kistérség). A meghatározott trendek stabilitását igazolja, hogy az F-próba szignifikancia szintje alapján 172 kistérség esetében a komplex relatív fejlettség kapcsán föltárt időbeli tendencia több mint 99%-on szignifikáns, és a leggyengébb értékkel rendelkező Bodrogközi kistérség esetében is több mint 98%-os szignifikancia szint tapasztalható127. Az F-próba szignifikancia szintje kapcsán megjegyzem, hogy a lefuttatott Kolmogorov - Smirnov teszt szignifikancia szintje128 (8. melléklet) az összes kistérség esetén azt igazolja, hogy a reziduumok normális eloszlást követnek, így az F-próba szignifikancia szintje érvényesnek fogadható el. Az eredmények alapján azt mondhatjuk, hogy a kistérségi trendfüggvények minden tekintetben rendkívül stabilak, így a társadalmi és gazdasági fejlettség vonatkozásában nem pusztán a vizsgált tizenkét éves időszakban lezajlott folyamatok feltárására alkalmasak, hanem akár rövid távú előrejelzésre is lehetőséget teremtenek129. Tekintettel azonban arra, hogy jelen kutatás az 1996 és 2007 közötti időszak folyamataiban fellelhető tendenciák feltárását tűzte ki célul, ezért a trendfüggvényeket előrejelzésre nem használom. A települési szintű trendfüggvények130 fontosabb statisztikáit áttekintve (9. melléklet) megállapítható, hogy a kistérségi szinten tapasztaltakhoz képest kevésbé szorosan illeszkednek az idősorok adataihoz, ugyanakkor azonban a települések több mint 86%-ában a trendek 95% fölött szignifikánsak131, és még ettől is kedvezőbb arányok tapasztalhatók a korrelációs együttható értékére nézve. Megfontolás tárgyává tehetnénk azoknak a településeknek a vizsgálatból történő kizárását, melyeknek a trendfüggvényei kedvezőtlen statisztikai értékekkel rendelkeznek. Ezt azonban az objektív elemzés szempontjából kedvezőtlen lépésnek ítélem, ugyanis a nullához közeli, illetve a negatív meredekséggel rendelkező trendfüggvények statisztikai paraméterei a kedvezőtlenebbek, így egyoldalúan a fejlődés szempontjából kedvezőtlenebb helyzetben lévő települések kerülnének kizárásra a vizsgálatból, ami torzítaná az elemzést. Az eredmények alapján a települési szintű trendfüggvényeket a vizsgált időszak folyamatainak feltárására alkalmasnak ítélem azzal a megjegyzéssel, hogy települési szintű adatokra támaszkodva nagy biztonsággal csak a vizsgált 127 A módszertani fejezetben leírtak alapján jelen esetben az F-próba szignifikancia szintje megegyezik a trendfüggvény meredekségét tesztelő t-próba szignifikancia szintjével. 128 Utalva a mnódszertani fejezetre jelzem, hogy jelen esetben a magas szignifikancia érték a kedvező, amely 0,05 fölött fogadható el. 129 Az itt megfogalmazottakat látszik igazolni az is, hogy a reziduumok minden kistérség esetén az idő függvényében korrelálatlanok, és homoszkedasztikusak. 130 A települési szintű trendfüggvények meredekségét a táblázat rendkívül nagy terjedelmére való tekintettel nyomtatásban nem közölöm, de elektronikus formában rendelkezésre állnak. 131 A Kolmogorov - Smirnov teszt alapján az F-próba ebben az esetben is érvényesnek tekinthető.

85

időszakra jellemző megállapítások tehetők, az általános érvényű következtetések megfogalmazása nagy körültekintést igényel132. Az itt leírtakat támasztja alá az is, hogy a relatív reziduális szórás csupán két település esetén haladja meg minimálisan a 15%-ot, tehát a vizsgált időszak folyamatai ezen paraméter alapján is jól jellemezhetők a trendfüggvények segítségével. A megyei, regionális és országos trendparaméterek (10. melléklet) alapján azt mondhatjuk, hogy a trendfüggvények minden említett területi szinten rendkívül stabilak, így nem csak a vizsgált időszak folyamatainak a feltárására alkalmasak, hanem rövid távú előrejelzésre is lehetőséget teremtenek. Ezt támasztja alá az is, hogy a legkedvezőtlenebb 2%-os relatív reziduális szórás értékkel rendelkező Borsod-Abaúj-Zemplén megye is messze a 15%-os kritikus érték alatt marad. A trendfüggvény becslésre való alkalmasságát igazolja továbbá, hogy minden említett területegység esetén a reziduumok az idő függvényében korrelálatlanok, és homoszkedasztikusnak tekinthetők. Bár a trendfüggvények megyei, regionális és országos szinten rövid távú előrejelzések alapját is megteremtik, mint ahogyan azonban azt a kistérségi trendek kapcsán már említettem, vizsgálataim során csak az elemzett időszak folyamatainak feltárására törekszem.

5.4. A kistérségek fejlettségi különbségének vizsgálata Mivel a vizsgálat egyik célkitűzése a hazai kistérségek kiinduló fejlettségi állapota és a vizsgált időszakban bejárt fejlődési pályája közötti összefüggés feltárása, ezért az 1996-ra jellemző komplex relatív fejlettségi indexek, és a komplex indexek idősorára illesztett trendfüggvények meredeksége közötti kapcsolatot regressziós modellben vizsgálom. Ahogyan arra korábban már utaltam, a trendfüggvények meredekségével az egyes területegységek fejlődési ütemét kívánom jellemezni, míg a kiinduló fejlettségi állapot illusztrálására az 1996-ra jellemző komplex fejlettségi indexet használom. A kiinduló fejlettségi állapot jellemzése kapcsán megfontolás tárgyává tettem a trendfüggvények függőleges tengelymetszetének felhasználását, ettől azonban azért tekintettem el, mert a trendfüggvények függőleges tengelymetszete jelen modellben az 1995-ös fejlettségi állapotot jellemzi becsült formában, míg az 1996-ra vonatkozó komplex relatív fejlettségi index számított érték, ezért nyilvánvalóan pontosabb egy becsült értéknél. Az elemzésbe bevont adatok a 7.; 8. mellékletben olvashatók. A fent említett két tényező közötti kapcsolat feltárása érdekében, az adatok által meghatározott ponthalmazra lineáris regressziós függvényt illesztettem (8/a. ábra). 132

Az itt megfogalmazottakkal áll összhangban, hogy a reziduumok korrelálatlanságára és homoszkedaszticitására végzett szúrópróbaszerű vizsgálatok abszolút korrelálatlanságot mutattak, azonban a homoszkedaszticitás nem minden esetben állt fenn.

86

A regressziós modell kapcsán közölt statisztikai eredménytábla adatiból kitűnik (11. melléklet), hogy szignifikáns összefüggés van az egyes kistérségek 1996-ra jellemző fejlettségi állapota, és a vizsgált időszakban produkált átlagos fejlődési üteme között. Az is nyilvánvaló, hogy a regressziós egyenes meredeksége szignifikánsan különbözik a nullától, tehát a függvény által jelzett növekvő tendencia stabilan fennáll. Stabilitását tekintve a meredekség kapcsán megfogalmazott megállapítások tehetők a regressziós egyenes konstans tagjára is. Mivel a Kolmogorov - Smirnov teszt szignifikanciája alapján azok az adatok, melyekből a fenti megállapításokat tettem érvényesnek fogadhatók el, ezért a megfogalmazott megállapítások statisztikailag igazoltnak tekinthetők. Az eredménytáblába foglalt információk alapján a fentiek mellett az is megállapítható, hogy a kiinduló fejlettségi állapot kevesebb, mint 29%-ban magyarázza a fejlődési ütemet, így ennek megfelelően a két tényező közötti összefüggés ugyan szignifikáns, az erőssége viszont csak közepes. A regressziós modell ábráján látható, hogy az adatpontok széles sávban szóródnak a regressziós egyenes körül, és ezzel összhangban a relatív reziduális szórás kismértékben ugyan, de meghaladja a 15%-ot. Mindezek mellett az is megállapítható, hogy a reziduumok nem homoszkedasztikusak (11. melléklet).

0,0050 0,0045 Fejlődési ütem

0,0040 0,0035 0,0030 0,0025 0,0020 y = 0,0463x - 0,0071

0,0015 0,0010 0,20

2

R = 0,2882 0,21

0,22

0,23

0,24

0,25

Fejlettségi index 1996

8/a. ábra: Összefüggés a kistérségek kiinduló fejlettségi állapota és a 2007-ig bekövetkezett átlagos fejlődési üteme között Forrás: Saját számítás és szerkesztés 2011 A fentiekben megfogalmazottak alapján összességében arra az álláspontra helyezkedek, hogy a 8/a. ábrán szemléltetetett regressziós egyenes becslésre

87

nem alkalmas, viszont a kistérségi szintű fejlettség és fejlődési ütem kapcsolatára jellemző tendencia feltárására 1996 és 2007 között felhasználható. A lineáris regressziós függvény pozitív meredeksége azt jelzi (8/a. ábra), hogy a nagyobb kezdeti fejlettségi szinten lévő kistérségek tendenciaszerűen nagyobb fejlődési ütemmel rendelkeznek. Ez az eredmény arra utal, hogy a vizsgált időszakban az eleve fejlettebb kistérségek tendenciaszerűen még inkább eltávolodtak a fejletlenebbektől, tehát az elemzett területegységek közötti fejlettségi különbségek – szemben az 1996. évi XXI. törvény célkitűzéseivel – nőttek. Az itt felvázolt folyamatok természetesen átlagosan értendők, tehát a hazai kistérségek a vizsgált időszakban átlagosan távolodtak egymástól, azaz a közöttük lévő fejlettségi különbségek átlagosan nőttek. Az adatpontok elhelyezkedését vizsgálva látható, hogy a regressziós egyeneshez képest egy csökkenő ütemben növekvő függvény pontosabban illeszthető a ponthalmazra, így egy ilyen típusú görbével a vizsgált területegységek viselkedése precízebben írható le. Erre utal a lineáris regressziós modell reziduumainak heteroszkedaszticitása is (11. melléklet).

0,0050 0,0045 Fejlődési ütem

0,0040 0,0035 0,0030 0,0025 0,0020

2

y = -3,5826x + 1,648x - 0,1858 0,0015 0,0010 0,20

2

R = 0,4565 0,21

0,22

0,23

0,24

0,25

Fejlettségi index 1996

8/b. ábra: Összefüggés a kistérségek kiinduló fejlettségi állapota és a 2007-ig bekövetkezett átlagos fejlődési üteme között Forrás: Saját számítás és szerkesztés 2011 Az 8/b. ábrán szemléltetett másodfokú polinom statisztikai eredménytáblájából megállapítható (11. melléklet), hogy a fejlettség és a fejlődési ütem kapcsolata, valamint a függvény minden egyes paramétere szignifikáns, és a szignifikancia

88

értékek érvényesnek tekinthetők. Az adatokból az is kitűnik, hogy a kiinduló fejlettségi index mint független változó, a fejlődési ütem varianciájából a lineáris modellhez képest lényegesen nagyobb hányadot magyaráz, hiszen a determinációs együttható értéke több mint 45%. Az eredmények alapján azt mondhatjuk, hogy a regressziós függvény illeszkedése jobb, és ezáltal pontosabban jellemzi a vizsgált területegységek kiinduló fejlettségi állapotának és fejlődési ütemének kapcsolatát az elemzés tárgyát képező tizenkét éves időszakban. Ezt igazolja az is, hogy a reziduumok relatív szórása minimálisan ugyan meghaladja a 15%-ot, de az értéke kedvezőbb, és a homoszkedaszticitásuk is lényegesen jobb a lineáris modellhez képest (11. melléklet). A másodfokú polinom formájában megadott regressziós függvény alapján látható (8/b. ábra), hogy bár a kistérségek fejlettség vonatkozásában átlagosan távolodtak egymástól, az egymáshoz való viszonyukban bekövetkezett változás azonban nem egyenletes. A fejlettségi különbségek változásában bekövetkező fordulópontot a regressziós függvény elsőrendű deriváltjának ((7) függvény) zérushelye mutatja, ami 0,23. Y ' = −7,165 * X + 1,648 (7) Ez alapján azt mondhatjuk, hogy a 0,23-as indexértékkel jellemezhető kiinduló fejlettségi szintig az elemzett területegységek tendenciózus távolodása, majd az ettől fejlettebb kistérségek egymáshoz való közeledése figyelhető meg. Egészen pontosan az állapítható meg, hogy a kiinduló fejlettségi állapot növekedésével párhuzamosan a vizsgált időszakban a hazai kistérségek tendenciaszerűen egyre kisebb mértékben de távolodnak egymástól, majd ez a folyamat az említett 0,23as fejlettségi szint fölött közeledésre vált. Ez a legalacsonyabb kiinduló fejlettségi szinttel rendelkező kistérségek legintenzívebb leszakadását jelenti, amely leszakadási folyamat a kiinduló fejlettségi állapot növekedésével párhuzamosan csökken, és a legnagyobb kezdeti fejlettségi szinttel rendelkező kistérségek esetén felzárkózásba megy át.133 Az 8/b. ábra kapcsán feltárt eredmények fölvetik a kérdést, hogy a nagyobb kezdeti fejlettségi szinttel rendelkező kistérségek fejlettségi különbségeinek vizsgált időszakban tapasztalható kisebb mértékű növekedése – illetve az említett 0,23-as fejlettségi szint fölötti csökkenése – jelenti-e egyben azt is, hogy 2007-ben a legfejlettebb kistérségek közötti fejlettségi különbségek a legkisebbek, vagy egyszerűen csak arról van szó, hogy az 1996 és 2007 között 133

A pontosság kedvéért a felvázolt folyamatok mellett megjegyzem, hogy mivel a leszakadás és a felzárkózás relatív kategória, ezért a regressziós függvény növekvő szakaszával jellemzett kistérségek a tőlük nagyobb fejfejlődési ütemmel rendelkező kistérségekhez képest leszakadók, ugyanakkor a regressziós függvény csökkenő szakaszával jellemzett és tőlük kisebb fejlődési ütemmel rendelkezőkhöz képest felzárkózók.

89

eltelt időben a kistérségek említett csoportjában a differenciálódás ugyan kisebb, de a fejlettségben mérhető különbség még így sem ebben a csoportban a legkisebb. A kérdésfölvetést az is indokolja, hogy az 1996-os és a 2007-es komplex indexek között 0,89-os és egyben szignifikáns korreláció mérhető, továbbá a huszonöt legfejlettebb kistérség (1996-ban a 0,23-os szint fölötti) a vizsgálat első és utolsó évében 72%-ban azonos. A következő lépésben tehát az eddigi folyamat szemléletű vizsgálatokkal szemben, az elemzett időszak minden egyes évére állapotvizsgálatot végzek, és az állapotvizsgálatok eredményeiből vonok le következtetéseket, illetve az egyes évekre jellemző állapotok időbeni sorozatából rajzolom fel a vizsgált időszak egészét jellemző folyamatot, és ezt vetem össze az eddigi vizsgálati eredményeimmel. A fentiekben vázolt vizsgálatok lefolytatása érdekében a kistérségeket minden egyes vizsgált évben fejlettségük alapján rangsoroltam134, majd a komplex fejlettségi indexeket a rangszámok függvényében ábrázoltam, és az így nyert pontdiagramra regressziós függvényt illesztettem. A tizenkét regressziós függvényből az 1996-ra és a 2007-re jellemző függvényeket a 9. ábrán közlöm. 2007

0,28

-8 3

y = 10 x - 3*10 x + 0,0005x + 0,2269

0,27

2

R = 0,9957

0,26 Fejlettségi index

-6 2

0,25 0,24 0,23 0,22

1996 -8 3

-6 2

0,21

y = 10 x - 3*10 x + 0,0003x + 0,2072

0,20

R = 0,9936

2

0,19 1

51

101

151

201

Rangszám

9. ábra: Összefüggés a kistérségek fejlettség szerinti rangszáma és fejlettségi állapota között 1996-ban és 2007-ben Forrás: Saját számítás és szerkesztés 2011

134

A legkisebb fejlettségű kistérség kapta az 1-es, a legfejlettebb pedig a 173-as rangszámot.

90

A 9. ábrán jól látható, hogy mindkét kiemelt évben a rangszámok és a fejlettségi indexek között szinte tökéletes függvényszerű kapcsolat van135, amit a determinációs együttható rendkívül magas értéke is jelez. A szinte tökéletes függvényszerű kapcsolat a két változó között, szükségtelenné teszi a regressziós függvény illeszkedését tesztelő statisztikai vizsgálatok lefuttatását, hiszen a majdnem száz százalékos illeszkedés szemmel látható, és ezt a determinációs együttható is kifejezi. A két változó közötti szoros összefüggés nem meglepő, hiszen a vizsgált területegységek a fejlettségi index növekvő sorrendjében lettek sorba rendezve, és ennek megfelelően kaptak növekvő rangszámokat. A regressziós vizsgálat célja az itt megfogalmazottak alapján nem is a növekvő tendencia bizonyítása és szemléltetése – hiszen az természetes –, hanem a növekedési ütem elemzése. A növekedési ütem ugyanis ebben az esetben kifejezi a fejlettségi rangsorban egymást követő kistérségek közötti fejlettségi különbség nagyságát. A regressziós függvény növekedési ütemét annak elsőrendű deriváltja jeleníti meg, amit a 10. ábrán szemléltetek. A derivált függvényeket vizsgálva megállapítható, hogy mindkét évben a fejlettség növekedésével párhuzamosan a fejlettségi rangsorban egymást követő kistérségek közötti fejlettségi különbség egy darabig csökken, majd növekszik. A függvények minimumhelye azok elsőrendű deriváltjának ((8); (9) függvény) zérushelyeként adható meg, ami 1996-ban 69,43; 2007-ben pedig 83,47. 1996:

Y' ' = 8,39 *10 −8 * X − 5,82 *10 −6

(8)

2007:

Y' ' = 7,66 *10 −8 * X − 6,39 *10 −6

(9)

A fentebb közölt eredményekből két dolog következik. Egyrészt látható, hogy mindkét évben a közepes fejlettségi szinten lévő – attól némiképp lefelé eltolódott – kistérségek között legkisebbek a fejlettségi különbségek, tehát 2007ben sem igaz az, hogy a legfejlettebb kistérségek a legkevésbé differenciáltak. Másrészt az is megállapítható, hogy a két év viszonyában a legkisebb fejlettségi különbségekkel rendelkező területegységek a fejlettségi skálán fölfelé tolódtak el, ami azt látszik igazolni, hogy a fejlettebb kistérségek a vizsgált időszakban kevésbé differenciálódtak. Ezt támasztja alá az is, hogy bár a 2007-re jellemző fejlettségi különbségeket reprezentáló függvény 1996-hoz képest nagyobb értékekkel rendelkezik – ami szintén nem meglepő, hiszen korábban már bizonyítást nyert, hogy a vizsgált területegységek az elemzett időszakban átlagosan differenciálódtak –, a fejlettség növekedésével párhuzamosan azonban a két függvény összetart, tehát a fejlettebb kistérségek differenciálódása kisebb mértékű, ami a görbék metszéspontja után nivellálódásba megy át.

135

A függvényillesztést a 9. ábrán látható kiugró értékek kizárásával is elvégeztem, a függvények együtthatói ebben az esetben sem változtak.

91

A 10. ábra kapcsán érdemes megfigyelni azt is, hogy 1996-ban a legkisebb rangszámhoz tartozó függvényérték lényegesen alacsonyabb, mint a legnagyobb rangszámhoz tartozó. Ebből az következik, hogy 1996-ban a legfejletlenebb kistérségek közötti fejlettségi különbségek alacsonyabbak voltak, mint a legfejlettebb kistérségek közötti különbségek. Ez 2007-re majdnem teljesen kiegyenlítődött, ami szintén a nagyobb fejlettségi szinttel rendelkező kistérségek vizsgált időszakban bekövetkezett kisebb mértékű differenciálódására – illetve nivellálódására – utal.

A fejlettségi index különbségei

0,0006 2007 -8 2

-6

y' = 4*10 x - 6*10 x + 0,0005

0,0005 0,0004 0,0003 0,0002

1996

0,0001

-8 2

-6

y' = 4*10 x - 6*10 x + 0,0003 0,0000 1

16

31

46

61

76

91

106 121 136 151 166

Rangszám

10. ábra: A fejlettségi rangsorban egymást követő kistérségek fejlettségi különbségei a fejlettség szerinti rangszámuk függvényében 1996-ban és 2007-ben Forrás: Saját számítás és szerkesztés 2011 Annak tisztázása érdekében, hogy a fentebb feltárt vizsgálati eredmények nem egyediek, hanem az elemzett időszakra jellemző folyamat részeként alakultak ki, a fejlettségi rangsorban egymást követő kistérségek közötti fejlettségi különbségeket jellemző függvények releváns értékeit minden vizsgált évre meghatároztam, és ezeket a 6. táblázatban közlöm. A táblázat adatainak meghatározásához szükséges függvények paramétereit a 12. melléklet tartalmazza. A 6. táblázatba foglalt információkat az értékelés megkönnyítése érdekében a 13-15. mellékletben ábrázoltam. A minimumhely időbeli alakulását vizsgálva megállapítható, hogy a legkisebb fejlettségi különbségekkel rendelkező kistérségek a vizsgált időszakban tendenciaszerűen a fejlettebb területegységek felé tolódtak el. A legintenzívebb

92

elmozdulás 1999 és 2002 között tapasztalható, tehát az ezredforduló táján gyorsult föl a magyarországi kistérségek fejlettségi különbségek alapján történő átrendeződése. Ezt igazolja a fejlettségi különbségeket leíró függvények minimális és maximális ranghelyein kialakult értékek különbségének időbeli alakulása is. A kistérségek minimális fejlettségi különbségének tendenciaszerű növekedése a vizsgált területegységek korábban már tárgyalt differenciálódását támasztja alá.

6. táblázat: A fejlettség szerint rangsorolt különbségeit leíró függvények releváns értékei Év Min. hely Min. érték 1996 69,42628 0,000077 1997 70,09227 0,000081 1998 69,79140 0,000074 1999 70,94967 0,000096 2000 75,17182 0,000112 2001 78,90576 0,000141 2002 82,31675 0,000145 2003 82,34221 0,000152 2004 81,59432 0,000156 2005 83,92870 0,000169 2006 81,45495 0,000183 2007 83,46780 0,000209 *

a* 0,000273 0,000310 0,000305 0,000335 0,000398 0,000454 0,000534 0,000533 0,000521 0,000529 0,000446 0,000470

kistérségek

b** 0,000527 0,000589 0,000593 0,000605 0,000610 0,000598 0,000628 0,000625 0,000626 0,000584 0,000524 0,000516

fejlettségi

a-b -0,000254 -0,000279 -0,000288 -0,000270 -0,000212 -0,000144 -0,000094 -0,000092 -0,000105 -0,000055 -0,000078 -0,000046

a: A függvény értéke a minimális ranghelyen b: a függvény értéke a maximális ranghelyen

**

Forrás: Saját számítás és szerkesztés 2011 A kiinduló fejlettség és a fejlődési ütem kapcsolata, valamint a fejlettség szerint rangsorolt kistérségek fejlettségi különbségei alapján az megállapítható, hogy a vizsgált időszak egészében hogyan változott az elemzett területegységek egymáshoz viszonyított helyzete, az azonban az említett módszerek segítségével nem határozható meg, hogy ez a változás a sokaság egészére nézve egyik évről a másikra hogyan alakult. A felvetett kérdésre szórás-típusú mutatók segítségével adhatunk választ. Ahogyan arra a módszertani fejezetben már utaltam, a mutatók normalizálása után módosul azok szórása és relatív szórása, ezért a komplex relatív fejlettségi index szórás-típusú mutatóinak a meghatározása előtt megvizsgáltam az eredeti és a normalizált mutatók szórása és relatív szórása közötti idősoros korrelációt. Eredményül azt kaptam, hogy az eredeti és a normalizált mutató szórása között minden mutató esetében pozitív irányú függvényszerű kapcsolat van, ami azt jelenti, hogy minden mutató esetében az eredeti mutató szórásának a növekedése a normalizált mutató szórásának a lineáris növekedésével jár együtt. A relatív

93

szórásra vonatkozó vizsgálatok kapcsán huszonnyolc mutató esetén függvényszerű a kapcsolat az eredeti és a normalizált mutató között, négy mutató kapcsán 0,99 fölötti a korreláció, és két olyan mutató van136, ahol a korreláció gyenge, illetve közepes. Vizsgálati eredményeim azt mutatják, hogy elvégezhetők a szórási-típusú mutatókra épülő elemzések, annak szem előtt tartása azonban fontos, hogy a mutatók egyedi értékeiből következtetések nem vonhatók le – hiszen azok a normalizálás hatására módosultak –, azoknak csak az időbeli változása értékelhető. Tekintettel arra, hogy a relatív szórás kapcsán, bár rendkívül nagy arányban, de mégse minden mutató esetében volt erős a korreláció az eredeti és a normalizált mutatók között, ezért vizsgálati eredményeim biztosabb megalapozása érdekében, a kistérségi szintű komplex relatív fejlettségi indexnek négyféle szórás-típusú mutatóját is meghatároztam minden évre, és a kapott eredményeket lineárisan korreláltattam egymással. A korrelációs értékeket a 16. mellékletben közölöm. Az adatókból kitűnik, hogy a négy szórás-típusú mutató rendkívül szorosan összefügg egymással, tehát bármelyiket is alkalmazzuk, azonos eredményre jutunk. A fentiekre tekintettel a széles körű elterjedtsége és az eredmények könnyebb értelmezhetősége okán a komplex index relatív szórását alkalmazom a kistérségek egymáshoz viszonyított fejlettségében bekövetkezett változás mérésére. A komplex relatív fejlettségi index relatív szórásának137 időbeli változását a 11. ábrán szemléltetem.138 Az adatokat vizsgálva megállapítható, hogy az elemzett időszakban a kistérségek fejlettségi különbségei fokozódtak. Ez egyrészt a 11. ábra alapján is belátható, másrészt a komplex relatív fejlettségi index relatív szórása által alkotott pontdiagramra illesztett, és a 18. mellékletben közölt lineáris trendfüggvény segítségével statisztikailag megalapozott módon is igazolt. Ez a megállapítás az eddigi vizsgálati eredményekhez képest többletinformációt ugyan nem hordoz, de azokat mindenféleképpen megerősíti, és egyben igazolja a lefolytatott vizsgálat koherenciáját. A 11. ábrán feltüntetett regressziós függvény alapján az is látszik, hogy az időszak egészében a kistérségek differenciálódása csökkenő ütemű, tehát a fejlettségi különbségek az időszak átlagában ugyan nőnek, a növekedés üteme azonban egyre kisebb. A differenciálódás csökkenő üteme kapcsán meg kell azonban jegyezni, hogy ennek a mértéke rendkívül csekély, ami a regressziós függvény másodrendű deriváltja alapján 0,027 százalékpont évente.

136

Vándorlási egyenleg / 1000 lakos; Természetes szaporodás / 1000 lakos A relatív szórás értéke %-ban értendő. 138 A trendfüggvény statisztikai értékelését a 17. melléklet tartalmazza. Egyben jelzem, hogy a reziduumok homoszkedaszticitásának vizsgálata is rámutat (17; 18. melléklet), hogy a másodfokú polinommal közelített trend jobban illeszkedik a pontdiagramra, mint a kistérségek vizsgált időszakban bekövetkezett átlagos differenciálódását jellemző lineáris trendfüggvény. A reziduumok ábrájából ugyanakkor az is kiderül, hogy az idő függvényében mindkét esetben korrelálatlanok. 137

94

A fejlettségi index relatív szórása.

5,5 5,3 5,1 4,9 4,7 4,5 4,3 4,1 2

3,9

y = -0,0135x + 0,3268x + 3,198

3,7

R = 0,913

3,5 1996

2

1998

2000

2002

2004

2006

Év

11. ábra: Magyarország kistérségi szintű differenciálódásának folyamata komplex fejlettség alapján Forrás: Saját számítás és szerkesztés 2011 Összevetve az eredményeket Nemes Nagy és Németh (2005) megállapításaival az tapasztalható, hogy a komplex fejlettség alapján mért differenciálódási folyamat időben eltolódik a jövedelmi alapon mért differenciálódási folyamathoz képest. Míg a jövedelmi folyamatok esetén a kilencvenes évek közepétől az ezredfordulóig egy magas differenciáltsági szinten mért stagnálás tapasztalható, addig a komplex fejlettség vonatkozásában a stagnálás tendenciájában is csak 2003 után látszik megvalósulni. A jövedelmi folyamatok kapcsán a kétezres évek elején megállapított enyhe nivellálódás a komplex fejlettségi különbségek tendenciájában nem érhető tetten. Az ezredfordulót követő változás – összhangban a jövedelmi folyamatokban megállapítottakkal – a komplex fejlettségi különbségben úgy jelentkezik, hogy 2001-től a differenciálódás üteme folyamatosan és határozottan lassul, 2003-tól 2005-ig nivellálódás tapasztalható, ez azonban csak átmeneti, így a tendenciában a nivellálódás nem jelenik meg. A jövedelmi és a komplex fejlettségi differenciálódás kapcsán tapasztalható időbeli eltolódás vélhetően abból adódik, hogy a jövedelmi viszonyokban bekövetkezett változások rövidebb idő alatt jelentkeznek a differenciálódási folyamatokban, másrészt pedig a komplex fejlettséget nyilvánvalóan több tényező befolyásolja, és a differenciálódás irányába ható tényezők a rendszerváltást követő időszakban túlsúlyban voltak, valamint a hatásuk is erőteljesebb volt, mint a nivellálódás irányába ható tényezőké. A 11. ábra kapcsán az is megállapítható, hogy a Williamson

95

hipotézis idődimenzióban hazánk kistérségi szintű komplex fejlettsége esetén is érvényesülni látszik.

5.5. A kistérségi szintű belső fejlettségi különbségek elemzése A kistérségek belső differenciálódási folyamatának feltárása érdekében minden vizsgált évre meghatároztam a települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórását (19. melléklet). Mivel dolgozatom második kutatási kérdésében arra keresem a választ, hogy milyen irányú összefüggés mutatható ki a hazai kistérségek fejlődési üteme, és fejlettségük belső differenciálódása között, ezért a települési szintű komplex relatív fejlettségi indexek kistérségen belüli relatív szórásértékeinek idősorára minden kistérség esetén lineáris trendfüggvényt illesztettem, mely trendfüggvények meredekségével jellemzem az egyes kistérségek belső differenciálódásának ütemét. A trendfüggvények statisztikai értékelését a 20. mellékletben közlöm139. A vizsgált területegységek belső differenciálódásának ütemét elemezve az tapasztalható, hogy hét kistérség esetében a trendfüggvények meredeksége szignifikánsan140 negatív, tehát ezen területegységek esetén a vizsgált időszakban a települések komplex fejlettség terén bekövetkezett nivellálódása figyelhető meg141. Hetvennyolc kistérség kapcsán szignifikáns belső differenciálódás tapasztalható, és nyolcvannyolc olyan kistérség van, melyek esetében a komplex relatív fejlettségi index kistérségen belüli relatív szórásának idősorára illesztett lineáris trendfüggvény meredeksége szignifikánsan nem tér el a nullától, tehát ezekben az esetekben statisztikai értelemben jelentősnek nevezhető változás a vizsgált időszakban a települések kistérségen belüli egymáshoz viszonyított fejlettségében nem állapítható meg. A fentebb felvetett kutatási kérdés megválaszolása érdekében a 12. ábrán szemléltetem a hazai kistérségek fejlődési ütemének és belső differenciálódásának kapcsolatát142. A pontdiagram, valamint a 22. mellékletben a teljes sokaságra végzet lineáris regressziós modell eredményei alapján megállapítható, hogy a vizsgált időszakban a kistérségek fejlődési ütemének növekedésével párhuzamosan a belső differenciálódásuk üteme tendenciaszerűen csökkent, tehát a nagyobb fejlődést produkáló kistérségek tendenciaszerűen kevésbé differenciálódtak143. A 12. ábrán feltüntetett regressziós függvényről az is leolvasható, hogy a fejlődési ütem növekedése 139

A trendfüggvények kapcsán megjegyzem, hogy a reziduumok az idő függvényében minden esetben korrelálatlanok, és szúrópróbaszerű vizsgálataim alapján homoszkedasztikusak. 140 Az F-próba szignifikancia szintje megegyezik a meredekséget tesztelő t-próba szignifikancia szintjével. 141 Ezen a ponton, utalva a módszertani fejezetre megjegyzem, hogy trendszámítás esetén a korrelációs együtthatót abszolút értékben értelmezzük. 142 A modell statisztikai értékelését a 21. mellékletben közlöm. 143 Regressziós modellben a korrelációs együtthatót abszolút értékben értelmezzük.

96

2

1,2

y = 88414x - 641,26x + 1,1991

1,0

R = 0,262

2

.

A belső differenciálódás üteme.

mellett a vizsgált területegységek belső differenciálódási üteme lassulva csökken, és a 0,0036-os fejlődési ütem fölött enyhe növekedésbe megy át.

0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 0,0010 0,0015 0,0020 0,0025 0,0030 0,0035 0,0040 0,0045 0,0050 Fejlődési ütem

12. ábra: A kistérségi szintű fejlődés és a belső differenciálódás kapcsolata Forrás: Saját számítás és szerkesztés 2011 Tekintettel arra, hogy az elemzésben szereplő százhetvenhárom kistérségből nyolcvannyolc estén a belső differenciálódás kapcsán a vizsgált időszakban szignifikáns változás nem állapítható meg, ezért a vizsgálati eredményeim megerősítése érdekében a fejlődési ütem és a differenciálódási ütem regressziós modellben történő összevetését úgy is elvégeztem, hogy az említett nyolcvannyolc kistérséget kizártam az elemzésből. A 22. mellékletben közölt eredmények alapján látható, hogy a fentebb említett tendenciák ebben az esetben is fennállnak, ami a megfogalmazott megállapításokat megerősíti. Az említett nyolcvannyolc kistérség kapcsán megjegyezem, hogy több mint hetven százalékuk az átlagos fejlődési ütem144 fölött helyezkedik el, és csupán nyolc olyan kistérség van, melynél a belső differenciálódás üteme meghaladja az abszolút érték nulla egész egyet. Ez alapján azt mondhatjuk, hogy az említett területegységek zömében a nagyobb fejlődési ütemmel és a kisebb belső differenciálódási ütemmel rendelkező kistérségek közé tartoznak. Ennek megfelelően, ha ezen kistérségek differenciálódási ütemét nullának tekintjük – lévén, hogy a differenciálódás üteme a nullától szignifikánsan nem tér el –, a fejlődési ütem és a differenciálódási ütem közötti negatív irányú összefüggés akkor is fennmarad, és a 12. ábrán közölt regressziós függvény alakja sem 144

A 173 kistérség átlagos fejlődési üteme 0,00316

97

változik jelentősen. Az itt megfogalmazottak szintén a vizsgált összefüggésekből fentebb levont következtetések megalapozottságát támasztják alá. A kistérségek fejlődésének és belső differenciálódási ütemének összevetésére megalkotott regressziós modellek statisztikai értékelését áttekintve azt mondhatjuk, hogy a vizsgált időszakban lezajlott folyamatok tendenciáinak a feltárására alkalmasnak látszanak, általános érvényű következtetések levonására, és a kistérségek fejlődési üteme alapján belső differenciálódási ütemük becslésére azonban nem használhatók. Bár a vizsgált területegységek fejlődése és belső differenciálódása kapcsán fentebb megalkotott regressziós modellek az elemzett időszakban lezajlott folyamatok feltárására alkalmasnak látszanak, meg kell azonban jegyeznem, hogy a Kolmogorov - Smirnov teszt alacsony szignifikancia szintje145 kétségeket ébreszt a t- és az F-próba szignifikancia szintjének érvényessége kapcsán, ami a feltárt tendenciák bizonytalanságát növeli. Ez a megállapítás szükségessé teszi, hogy az említett problémakört más módszer segítségével is vizsgálat alá vessem. Ennek érdekében a kistérségek komplex fejlettségi indexe, és a települési szintű komplex fejlettségi indexek kistérségen belüli relatív szórása által alkotott pontdiagramra minden vizsgált év esetében lineáris regressziós függvényt illesztettem, mely függvények fontosabb paramétereit a 23. mellékletben közlöm. A regressziós egyenesek meredeksége megmutatja, hogy milyen irányú és mekkora intenzitású összefüggés van a kistérségek adott évre jellemző fejlettsége és belső differenciáltsága között. Az említett függvények évenkénti meredekségét az idő függvényében ábrázolva feltárható, hogy a vizsgált időszakban milyen irányú folyamatok zajlottak le a magyarországi kistérségek fejlettsége és belső differenciáltsága terén. A 13. ábrán feltüntetett koordinátarendszer függőleges tengelyén a kistérségek komplex fejlettségi indexe és a települési szintű komplex fejlettségi indexek kistérségen belüli relatív szórása által alkotott pontdiagramra illesztett lineáris regressziós függvények meredeksége van felvéve, mellyel a kistérségek fejlettsége és belső differenciáltsága közötti kapcsolat iránya és intenzitása jellemezhető. Az ábrán látható diagramból és trendfüggvényből megállapítható146, hogy 1996-tól 2001-ig a fejlettebb kistérségek belső differenciáltsága tendenciaszerűen nagyobb volt, azonban az említett területegységek belső differenciáltsága terén meglévő különbségek tendenciaszerűen kiegyenlítődtek. 2002-től a belső differenciáltság terén meglévő különbségek az előző időszakhoz képest megfordultak, és a fejletlenebb kistérségek váltak differenciáltabbá. Ez a folyamat a vizsgált időszak végéig folytatódott, tehát a fejletlenebb kistérségek belső differenciáltsága a fejlettebbekhez képest tendenciaszerűen fokozódott. Az itt 145 146

A teszt a 0,05-ot meghaladó szignifikancia érték esetén tekinthető szignifikánsnak. A trendfüggvény statisztikai értékelését a 24. mellékletben közlöm.

98

A differenciáltság mértéke a fejlettség függvényében

megfogalmazottak alapján a vizsgált időszak egészére nézve azt mondhatjuk, hogy a fejlettebb kistérségek tendencia szerűen kevésbé differenciálódtak147. Mivel a fejlettebb kistérségek nyilvánvalóan azért lettek fejlettebbek, mert a többihez képest jobban fejlődtek, ezért az iménti megállapítás megerősíti a 12. ábra kapcsán megfogalmazott eredményeket.

120

y = -11,866x + 97,287

100

R = 0,8187

2

80 60 40 20 0 -20 -40 -60 1996

1998

2000

2002

2004

2006

Év

13. ábra: A kistérségek fejlettségének és belső differenciáltságának összefüggése az idő függvényében Forrás: Saját számítás és szerkesztés 2011 A fentiek alapján a kistérségek fejlődési és belső differenciálódási ütemének a kapcsolatára vonatkozóan arra az álláspontra helyezkedem, hogy a vizsgált időszakban a nagyobb fejlődési ütemet produkáló kistérségek tendenciaszerűen kisebb differenciálódási ütemet mutatnak, tehát a nagyobb fejlődést produkáló kistérségek tendenciaszerűen kevésbé differenciálódtak. Az itt megfogalmazott megállapítások a lefolytatott vizsgálatok statisztikai paraméteri alapján is elfogadható biztonsággal kijelenthetők, annál is inkább, mert a 13. ábrán bemutatott elemzést úgy is elvégeztem, hogy azon évek esetében, ahol a regressziós függvények meredeksége szignifikánsan nem tért el a nullától148 ott azt nullának tekintettem, és a vizsgálati eredmények így sem módosultak (25. melléklet).

147

Ezen a ponton megjegyzem, hogy a fejlettebb kistérségek kisebb mértékű differenciálódása 1999 és 2005 között jól láthatóan csökkenő ütemű, és ez a folyamat tendenciáját tekintve kiterjeszthető az 1998 és 2007 közötti időszakra is. 148 2001; 2002; 2003; 2006; lásd a 23. mellékletben.

99

A 13. ábra kapcsán feltárt folyamatok iránya megegyezik a Williamson hipotézis kapcsán várt iránnyal, az összefüggések ugyanis arra utalnak, hogy a 2002-t megelőző időszakban a kistérségek zömében a fordított "U" alak növekvő ágán, míg az azt követő években zömében a csökkenő ágon helyezkedtek el, tehát a vizsgált időszakban fokozatosan „átcsúsztak” a növekvő ágról a csökkenőre. Összevetve az eredményeket Németh és Kiss (2007) megállapításaival, hasonlóan az idődimenzióban végzett elemzésekhez, jelen esetben is a komplex fejlettség alapján mért differenciálódási folyamat eltolódása (késése) tapasztalható, a jövedelmi alapon mért differenciálódási folyamathoz képest. Míg a jövedelmi folyamatok esetén a kistérségek zöme már 1990-től a fordított „U” alakú görbe leszálló ágán helyezkedik el, azaz a fejlettebb területegységek tendenciaszerűen kevésbé differenciáltak, addig a komplex fejlettség alapján mért differenciálódási folyamatban a vizsgált területegységek zöme csak 2001 után kerül át a fordított „U” alak leszálló ágára, tehát csak ebben az időszakban következik be a fejlettebb kistérségek kisebb mértékű differenciáltsága a fejletlenebbekhez képest. A két folyamat közötti időbeli eltérés vélhetően ebben az esetben is az idődimenzióban végzett vizsgálatok kapcsán leírtakra vezethető vissza. Az, hogy a feltárt folyamatok irányukat tekintve megfelelnek a Williamson hipotézis kapcsán megfogalmazott elvárásoknak, még nem jelenti azt, hogy a hipotézis keresztmetszeti vizsgálatok esetén is teljes egészében érvényesül. Az irány ugyanis semmit nem mond a folyamatok alakjára nézve. A következő lépésben tehát arra igyekszem választ találni, hogy a hazai kistérségek komplex relatív fejlettsége és belső differenciáltsága valóban egy fordított „U” alakú összefüggéssel irható-e le. A felvetett kérdés megválaszolása érdekében, a kistérségek komplex fejlettségi indexe, és a települési szintű komplex fejlettségi indexek kistérségen belüli relatív szórása által alkotott pontdiagramra minden vizsgált évben másodfokú polinom formájú regressziós függvényt illesztettem. Abból indultam ki, hogy ha az említett összefüggésrendszerben a fordított „U” alak valóban létezik, akkor a másodfokú polinomként megadott regressziós függvénynek a 2001-2002-es év valamelyikében (de legalább az egyikben) negatív parabolának kell lennie. Azért ezen két év valamelyikében várom a negatív parabola megjelenését, mert a 13. ábrán jól látható, hogy ebben az időszakban fordul meg a regressziós egyenes meredeksége pozitívról negatívra, tehát ebben az időszakban kell „átlépnie” a kistérségek zömének a fordított „U” alak növekvő ágáról a csökkenőre. Az előállított regressziós függvények paramétereit áttekintve (7. táblázat) megállapítható, hogy a vizsgált időszak minden egyes évében konvex görbét kapunk149, tehát a fordított „U” alak keresztmetszeti vizsgálatban egyetlen egy elemzett évben sem fordul elő.

149

Ezen a ponton megjegyezem, hogy a Németh és Kiss (2007) által 2004-re meghatározott regressziós függvény alakja és iránya is megegyezik az általam kapott függvény alakjával és irányával.

100

7. táblázat: Másodfokú regressziós kapcsolat fontosabb paraméterei a magyarországi kistérségek komplex fejlettsége és belső differenciáltsága esetén150 Év 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

a* 4108,42 4791,92 6486,64 4658,80 4129,52 4222,51 4953,00 4190,17 3385,26 3293,35 3828,46 2594,93

b** -1764,48 -2099,19 -2861,86 -2007,18 -1934,14 -2004,62 -2380,30 -2004,31 -1640,85 -1705,76 -1926,86 -1349,16

c*** 192,72 232,51 319,10 219,72 229,70 241,40 289,75 243,62 202,60 224,58 246,26 179,21

min. hely 0,215 0,219 0,221 0,215 0,234 0,237 0,240 0,239 0,242 0,259 0,252 0,260

R2 0,230 0,303 0,356 0,309 0,253 0,210 0,253 0,214 0,171 0,157 0,097 0,143

*

a: másodfokú tag determinánsa b: elsőfokú tag determinánsa *** c: konstans **

Forrás: Saját számítás és szerkesztés 2011 A szemléltetés érdekében a 14. ábrán feltüntettem az 1996-ra, a 2007-re és a 2002-re meghatározott regressziós függvény képét151. A 2001 és 2002 közötti időszakból azért választottam a 2002-es évet, mert mint ahogyan az a 13. ábrán és a 23. mellékletben is jól látható, ebben az esetben van a regressziós egyenes meredeksége legközelebb a nullához, tehát ez az az év, amely legközelebb esik a fordított „U” alak csúcsához. A 13. és a 14. ábra, valamint a 7. táblázat alapján jól látható, hogy a hazai kistérségek komplex fejlettségének és belső differenciáltságának az összefüggése teljes egészében nem rajzolja ki a Williemson hipotézis szerint várt fordított „U” alakot, annak csak a növekvő és a csökkenő ága fedezhető fel, a kettő közötti átmenetben várt konkáv szakasz nem jelenik meg. Egészen pontosan az a megállapítás tehető, hogy a legkevésbé differenciált kistérségek csoportja (a függvények minimum érteke körüli tartomány) a vizsgált időszakban folyamatosan tolódik a legfejletlenebb kistérségektől a legfejlettebbek felé, ahogyan az a függvények minimumhelyének (7. táblázat) tendenciózus növekedéséből is kitűnik.

150

A függvények statisztikai értékelését a 26. mellékletben közlöm. Az ábrán a könnyebb áttekinthetőség érdekében csak a regressziós függvényeket jelenítettem meg, a kistérségeket jellemző adatpontokat nem.

151

101

A fejlettségi index relatív szórása.

2002 8

1996

7 6 2007

5 4 3 0,20

0,22

0,24

0,26

0,28

Komplex relatív fejlettségi index

14. ábra: A kistérségi szintű komplex relatív fejlettség és a belső differenciáltság kapcsolata a megjelölt években Forrás: Saját számítás és szerkesztés 2011 Az említett eltolódási folyamat valószínűsíthetően még nem ért véget, ugyanis a 2007-es regressziós függvényből megállapítható, hogy a legkisebb belső differenciáltsággal rendelkező kistérségek csoportja még nem tolódott ki teljes egészében a fejlettségi skála maximumáig. Érdekes megfigyelni, hogy 1996-ban a legfejlettebb kistérségek belső differenciáltsága közel azonos a 2007-ben legfejletlenebb kistérségek belső differenciáltságával152, mely differenciáltsági szint mindkét évben egyben a maximális belső differenciáltságot is jelenti. A minimális belső differenciáltság kapcsán is hasonló összefüggés figyelhető meg a fejlettségi skálák ellentétes tartományában azzal a különbséggel, hogy ebben az esetben a relatív szórások értéke valamelyest nagyobb mértékben különbözik egymástól153, és a minimális belső tagoltság 1996-ban nem pontosan a legfejletlenebb kistérségek esetén jelentkezik, mint ahogyan 2007-ben sem a legfejlettebbeknél alakul ki.

152

1996-ban a regressziós függvény legnagyobb fejlettségi szintjén leolvasható relatív szórás értéke 7,718; 2007-ben pedig a legkisebb fejlettségi szinten leolvasható relatív szórás érték 7,905. 153 1996-ban a minimális relatív szórás 3,270; 2007-ben pedig 3,847.

102

5.6. A kistérségek csoportosítása fejlettség és fejlődési ütem alapján Mivel a kutatási folyamat kezdetén fölvetett harmadik kutatási kérdés megválaszolása a magyarországi kistérségek kiinduló fejlettségi állapota és a vizsgált időszakban produkált fejlődési üteme alapján történő kategorizálását teszi szükségessé, ezért a továbbiakban a vizsgált területegységek említett két tényező szerinti csoportosítását végzem el, majd választ keresek a fölvetett kérdésre. Ahogyan arra a módszertani fejezetben már utaltam, egy sokaság elemeinek a csoportosítása történhet hagyományos módon, vagy korszerű módszerek alkalmazásával. A hagyományos csoportosítás egy vagy legfeljebb két ismérv kategóriáinak a kijelölését, és a sokaságelemek mechanikus besorolását jelenti, míg a korszerű eljárások esetén (hierarchikus és nem hierarchikus klaszterezés) az egyes objektumokat a közöttük lévő legkisebb távolság alapján soroljuk egy csoportba. A hagyományos eljárás előnye, hogy a sokaság elemi a csoportosító tényezők mentén egyértelműen és következetesen kategorizálhatók, így a kialakított csoportok az őket alkotó elemek alapján egyértelműen elnevezhetők. Hátránya azonban, hogy kialakulhatnak olyan csoportok, melyekben egymástól jelentősen különböző elemek helyezkednek el, és ugyanakkor egymáshoz nagyon hasonló objektumok kerülhetnek különböző csoportokba. A korszerű eljárások lehetőséget teremtenek több csoportképző ismérv alapján is a lehető leghomogénebb csoportok kialakítására olymódon, hogy az egyes csoportok egymástól minél inkább különbözzenek. Ezen módszerek hátránya azonban, hogy előállhat olyan eset, amikor valamely osztályozó változó mentén az osztályok átmérője nagyobb mint az osztályok közötti távolság. Ebben az esetben a csoportok egyértelmű szétválasztása nem lehetséges, mert kialakulhatnak átfedések az osztályok között.154 (Nemes Nagy 2005a) Ilyenkor a kialakult csoportok elnevezése az átfedésből adódóan rendkívül nehéz. A kistérségek csoportosítása során a fenti két eljárás együttes alkalmazását tűztem ki célul oly módon, hogy az általam kialakított csoportok az említett két eljárás által elérhető előnyökkel a lehető legnagyobb mértékben rendelkezzenek. Egyrészt arra törekedtem, hogy a lehető leghomogénebb, de ugyanakkor egymástól a leginkább elkülönülő csoportokat hozzam létre, másrészt arra, hogy az egyes területegységek a fejlettség és a fejlődési ütem dimenziójában is egyértelműen és következetesen kategorizálásra kerüljenek, és az így kialakult csoportok elnevezhetők legyenek.

154

Két halmaz között valamely csoportosító tényező mentén átfedés, míg valamely másik csoportosító tényező mentén elkülönülés áll fenn.

103

Utalva a módszertani fejezetben leírtakra, első lépésben a kistérségeken hierarchikus klaszterezést hajtottam végre négyféle módszer szerint, melyhez a fejlettség és a fejlődési ütem indikátorait standardizáltam. Mind a négy módszer esetén a dendogramok segítségével meghatároztam azt a klaszterszámot, amely még kezelhető, és amely mellett az egyes klaszterek mérete nem túl nagy ahhoz, hogy azok túlzottan heterogének legyenek155. A megfogalmazott heterogenitási feltételnek megfelelő klaszterszám meghatározásánál azt a módszertani javaslatot vettem figyelembe, mely szerint az agglomeráció során annál a lépésnél célszerű megállni, ahol a soron következő csoportok távolsága lényegesen nagyobb az azt megelőzőknél. (Obádovics 2004, Sajtos és Mitev 2007)

8. táblázat: A kistérségek klaszterenkénti darabszáma a K-középpontú eljárás tíz klaszteres megoldása esetén A klaszterek sorszáma A kistérségek darabszáma 4 1 18 2 18 3 20 4 7 5 13 6 24 7 14 8 31 9 24 10 173 Összesen Forrás: Saját számítás és szerkesztés 2011 Miután a hierarchikus eljárás eredményeként ismerté vált a lehetséges klaszterstruktúrákon belüli klaszterek száma, lehetőségem nyílt a K-középpontú klaszterezési eljárás lefolytatására156. A módszer alkalmazását egyrészt a vizsgált sokaság magas elemszáma, másrészt Obádovics (2004) által megfogalmazott azon tapasztalás is indokolja, mely szerint a K-középpontú eljárás eredményeként létrejött csoportok homogenitása jobb, mint a hierachikus eljárással kapott klasztereké. A K-középpontú eljárással az előállított hierarchikus klaszterstruktúrák mindegyikét lefuttattam157, és végül a 10 elemű struktúrát fogadtam el. Ebben a struktúrában szélsőséges elemszámú klaszterek 155

A „Ward” módszerrel 7 klasztert, az „Average Linkage (Betwen groups)” módszerrel 14 illetve 8 klasztert, a „Average Linkage (Widhin groups)” módszerrel 12 illetve 10 klasztert, a „Centroid” módszerrel pedig 11 klasztert választottam le a dendogramról. 156 A csoportosító tényezőket ebben az esetben is standardizált formában vettem figyelembe. 157 A teljesség kedvéért a 9 és a 13 klaszterből álló struktúrát is elkészítettem és megvizsgáltam.

104

nincsenek (8. táblázat), és ez teremti meg leginkább a lehetőségét annak, hogy a kistérségi csoportokat a fejlettség és a fejlődési ütem dimenziójában úgy tudjam pontosan kategorizálni, hogy a kialakult klaszterek – tehát az egymáshoz leginkább hasonlító kistérségek csoportjai – a lehető legkevésbé sérüljenek (15. ábra).

1. k.

0,0050

2. k.

0,0045

3. k.

Fejlődési ütem

0,0040

4. k.

0,0035

5. k.

0,0030

6. k.

0,0025

7. k. 8. k.

0,0020

9. k. 0,0015 0,0010 0,20

10. k. 0,21

0,22

0,23

0,24

0,25

Fejlettségi index 1996

15. ábra: A kiinduló fejlettség és a fejlődési ütem alapján kialakult kistérségi klaszterek a K-középpontú eljárás tíz klaszteres megoldása esetén Forrás: Saját számítás és szerkesztés 2011 Mivel a vizsgálat tárgyát képező területegységek lehatárolása során a célom nem csak a lehető leghomogénebb de, ugyanakkor egymástól a leginkább elkülönülő csoportok létrehozása volt, hanem azok fejlettség és fejlődési ütem alapján történő pontos kategorizálása is, ezért a kistérségeket az említett két dimenzióban egyértelmű kategóriákba soroltam. A kategorizálás során a célom az volt, hogy a K-középpontú eljárás során kialakult klaszterek a lehető legkevésbé sérüljenek, a kistérségek mindkét dimenzióban a lehető leginkább különüljenek el átlag alatti és átlag fölötti kategóriákra, és szélsőségesen alacsony elemszámú csoportok ne jöjjenek létre158. A kategorizálás során a kialakult klaszterek megőrzése a csoportok relatíve homogén jellegének a fenntartását, az átlag alatti és az átlag fölötti kategóriák elkülönítése a hátrányos helyzetű területegységek lehatárolását, az alacsony elemszámú csoportok kialakításának elkerülése pedig a csoportosítás relevanciáját szolgálta.

158

Obádovics (2004) alapján szélsőségesen alacsony elemszámú csoportnak tekintem az 1-2 kistérséget tartalmazó csoportot.

105

A fentiekben vázolt csoportosítás kialakításával elérhető, hogy a hazai kistérségek a kiinduló fejlettségi állapot és a fejlődési ütem változásával párhuzamosan, egyéb tényezők alapján is jellemezhetőkké váljanak, minek eredményeként a kedvező pozícióban lévő területegységek tulajdonságai éppúgy meghatározhatók, mint a kisebb kiinduló fejlettséggel és fejlődési ütemmel rendelkezőké. A hátrányos helyzetű kistérségek beazonosítása és jellemzése alapvető feltétele annak, hogy olyan javaslatokat fogalmazhassak meg, melyek az említett területegységek adottságaihoz illeszkedve eredményezhetik azok felzárkóztatását. A K középpontú eljárással meghatározott 10 kistérségi klasztert a fejlettség és a fejlődési ütem által behatárolt síkban ábrázolva megállapítható (15. ábra), hogy a fentebb megfogalmazott feltételeknek megfelelő kategorizálás leginkább úgy valósítható meg, ha a vizsgált területegységeket a fejlettségi ütem dimenziójában négy, míg a kiinduló fejlettség dimenziójában három csoportra osztom159.

9. táblázat: A kiinduló fejlettség és a fejlődési ütem alapján kialakított kistérségi csoportok elnevezés és jelzőszáma

4

3

Gyengén fejlett Dinamikusan fejlődő Gyengén fejlett Erőteljesen fejlődő

2

Gyengén fejlett Gyengén fejlődő

1

Gyengén fejlett Rendkívül gyengén fejlődő

7

Fejlett Dinamikusan fejlődő

10

6

Fejlett Erőteljesen fejlődő

9

5

Fejlett Gyengén fejlődő

8

Igen fejlett Dinamikusan fejlődő Igen fejlett Erőteljesen fejlődő Igen fejlett Gyengén fejlődő

Forrás: Saját szerkesztés 2011 A fentiek alapján a kistérségek a 9. táblázatnak megfelelő 4 x 3-as mátrixban kerültek csoportosításra, a 16. ábrán látható elhelyezkedés szerint.

159 A 15. ábrán szemléltetett K-középpontú klaszterezési eljárás kapcsán visszautalok arra korábban jelzett problémára, hogy ebben az esetben az egyes klaszterek az egyes dimenziókban bekövetkezett átfedések miatt egyértelműen nem nevezhetők el. Példaként szolgál erre a 7-es klaszter, amely a fejlődési ütem dimenziójában átfed a 4-es és a 9-es klasztererrel, míg a fejlettségi állapot dimenziójában hasonló átfedést mutat a 4-es és a 10-es klaszterrel. Hasonló problémák tapasztalhatók a 4-es és a 9-es klaszter esetén is.

106

1. cs.

0,0050

2. cs.

Fejlődési ütem

0,0045

3. cs.

0,0040

4. cs.

0,0035

5. cs.

0,0030

6. cs.

0,0025

7. cs.

0,0020

8. cs. 9. cs.

0,0015 0,0010 0,20

10. cs. 0,21

0,22

0,23

0,24

0,25

Fejlettségi index 1996

16. ábra: A kistérségek csoportosítása fejlettség és fejlődési ütem alapján Forrás: Saját számítás és szerkesztés 2011 Az alkalmazott két csoportosítási eljárás eredményét összehasonlítva megállapítható (17. ábra), hogy a K-középpontú eljárás segítségével feltárt tíz klaszterből a hagyományos csoportosítási eljárás során hat szinte teljes egészében sértetlen maradt160. Az 5-ös klaszter a fejlődési ütem mentén két részre bomlott, az említett dimenzióban azonban az elkülönült elemek és a klaszter többi eleme közötti távolság szemmel is jól látható, így a klaszter kettéosztása az elemek közötti távolság alapján elfogadható. Ezt támasztja alá az is, hogy a korábban lefuttatott klaszterstruktúrák közül a tizenkét klaszteres megoldást megvizsgálva (28. melléklet) látható, hogy az 5-ös klasztertől elkülönített három kistérség leválik a klaszterről. A 17. ábrán a fentiek mellett az is látszik, hogy a 7-es klasztert a fejlődési ütem szerinti felosztás kettévágja. Az osztópont helyes kijelölését támasztja alá a tizennégy klaszteres megoldás (28. melléklet), melyen látható, hogy a hagyományos csoportosítás során a 7-es klaszterről leválasztott elemek a tizennégy klaszteres megoldásban két elem kivételével a kijelölt osztópont fölé kerültek161. Látható tehát, hogy a leválasztott elemek jelentős része a közöttük 160

A két csoportosítási eljárás által alkotott klaszterek és csoportok összetételét a 27. mellékletben közlöm. 161 A jobb illeszkedés érdekében megfontolás tárgyává tettem az osztópont lefelé történő elmozdítását, ettől azonban azért tekintettem el, mert ebben az esetben a határvonal oly mértékben a fejlődési ütem átlaga alá került volna, hogy ezzel az a fentebb megfogalmazott azon célkitűzés jelentősen sérült volna, mely szerint a kistérségek mindkét dimenzióban a lehető leginkább különüljenek el átlag alatti és átlag fölötti kategóriákra.

107

lévő távolság alapján összetartozik, és egy részletesebb csoportosítás eredményeként a 7-es klaszterről leválasztható. A fennmaradó két klaszter (6-os és 9-es) a hagyományos csoportosítási eljárás során szintén megbomlik, olyan felosztást azonban nem találtam, amely az itt bemutatottnál jobban meg tudná őrizni a kialakult klaszterek egységét olymódon, hogy a csoportosítás kapcsán fentebb megfogalmazott célkitűzéseknek is legalább ennyire megfeleljen.

0,0050

1. k.

Fejlődési ütem

0,0040 0,0035

2. k.

7.

0,0045 4.

10.

4. k. 6.

3.

9.

0,0030 0,0025

0,0010 0,20

5. k. 6. k. 7. k.

2.

8.

5.

0,0020 0,0015

3. k.

8. k. 9. k.

1.

10. k. 0,21

0,22

0,23

0,24

0,25

Fejlettségi index 1996

17. ábra: A K-középpontú klaszterezésre és a hagyományos csoportosításra épülő eljárás eredményének összehasonlítása a hazai kistérségek esetén Forrás: Saját számítás és szerkesztés 2011 Mivel a vizsgált területegységek kétdimenziós kategorizálása során a K középpontú eljárással létrehozott relatíve homogén klaszterek részben megbomlottak, ezért szükséges annak tesztelése, hogy a kétdimenziós kategorizálás során kialakított csoportok homogenitása mennyire változott a klaszteranalízis során létrehozott klaszterek homogenitásához képest. A felvetett kérdés megválaszolására a diszkrimanancia-analízis módszere használható162. Ennek megfelelően a vizsgálat tárgyát képező 173 hazai kistérséget a kiinduló fejlettség és a fejlődési ütem alapján diszkrimináltam. A kétdimenziós kategorizálás során kialakított 10 csoportos megoldásra lefuttatott diszkriminanciaanalízis eredményei alapján látható (29. melléklet),

162

Jelen esetben a diszkriminanciaanalízis alkalmazhatóságának azon részére támaszkodom, mely szerint a módszerrel ellenőrizhető a megfigyelési egységek eredeti besorolásának helyessége. (Vizdák 2004, Obádovics 2004)

108

hogy a besorolás 88,4%-ban helyes163. Nem meglepő, hogy a legjelentősebb eltérés a 2-es számú csoport esetében tapasztalható, hiszen a legnagyobb elemszámából adódóan a heterogenitás ennél a csoportnál nagyobb mértékben jelentkezhet. A csoportosítás azon célkitűzésére való tekintettel azonban, hogy a kistérségek mindkét dimenzióban a lehető leginkább különüljenek el átlag alatti és átlag fölötti kategóriákra, az említett csoport elemszáma a homogenitás javítása érdekében sem csökkenthető. A kistérségek besorolása kapcsán kapott 88,4%-os eredmény164 egyben azt is jelenti, hogy a csoportok egymástól való elkülönülését, és ezzel párhuzamosan azok belső homogenitását csupán 11,6%kal lehetne javítani, ami viszont a kistérségek fejlettség és fejlődési ütem alapján történő egyértelmű kategorizálását, és így a csoportok pontos elnevezhetőségét tenné lehetetlenné. A diszkriminanciaanalízis eredményei alapján látható, hogy a kistérségek két dimenzióba történő egyértelmű csoportos besorolása a csoportok enyhe heterogenizálódásával járt együtt. Az eredmény nem meglepő, hiszen az adott klaszterszám mellett elérhető leghomogénebb klaszterek kialakítására törekvő klaszteranalízis által létrehozott klaszterek a kétdimenziós felosztás során részben megbomlottak, másrészt a csoportosítás kapcsán célként kitűzött két fő szempont165 együttesen történő tökéletes megvalósítása lehetetlen feladat, így tehát a megoldás csak kompromisszumok útján jöhet létre. Erre utal Dusek (2005) is, amikor úgy fogalmaz, hogy: „Minden szempontból homogén régiók kialakítása nem lehetséges, sőt, már két szempontot is csak azok tökéletes térbeli együttmozgásakor lehet konfliktusmentesen összeegyeztetni.” (38. o.) Véleményem szerint az említett kompromisszum a célként kitűzött két fő szempont vizsgálatban történő együttes megjelenítése érdekében nem túlzott, így a kialakított csoportosítást elfogadhatónak tekintem. A fentiek alapján a kistérségek osztályozása kapcsán összességében elmondható, hogy sikerült azoknak az elérhető leghomogénebb csoportoknak a kialakítása, melyek a fejlettség és a fejlődési ütem által meghatározott skálán egyértelműen elkülönülnek166, és így az említett két dimenzióban elnevezhetők. 163

A vizsgálatot a fejlettség és a fejlődési ütem korrelációjára való tekintettel lépésenkénti módszer szerint Mahalanobis távolság alapján is lefuttattam, és az eredmények tökéletes egyezését tapasztaltam. Ez azt igazolja, hogy a fejlettség és a fejlődési ütem között mérhető közepes erősségű lineáris korreláció a csoportosítási eljárások eredményére nem gyakorol hatást. 164 A felső táblázat átlójában szereplő – tehát helyesen besorolt – elemeket összeadva, majd az eredményt osztva az összes elemszámmal (173), megkapjuk a 88,4%-ot (29. melléklet). 165 A lehető leghomogénebb, de ugyanakkor egymástól a lehető leginkább elkülönülő csoportok létrehozása, valamint a csoportok fejlettség és fejlődési ütem alapján történő egyértelmű és következetes kategorizálása. 166 Ezt igazolja az is, hogy a Wilks' lambda értéke alacsony (a fejlődési ütem esetén 0,130; a fejlettség esetén 0,127), tehát mindkét változónak jelentős hatása van az elemek csoportba tartozására, azaz mindkét változó erőteljesen diszkriminál. Ezek alapján nem meglepő az sem, hogy az F-próba értéke szignifikáns (mindkét esetben 0,000), ami szintén arra utal, hogy mindkét változó diszkrimináló hatása jelentős (29. melléklet).

109

5.7. A fejlettség és fejlődési ütem alapján kialakított kistérségi csoportok jellemzése Az előző fejezetben tárgyalt két csoportosítási eljárás kombinációjának eredményeként kialakított kistérségi csoportok lehetőséget teremtenek arra, hogy a fejlettség és a fejlődési ütem – mint csoportosító tényezők – mellett, a kialakított csoportokat alkotó elemek esetében más közös tulajdonságokat is feltárjak. Ahogyan az a 27. mellékletben és a 18. ábrán is látható167, a gyengén fejlett és rendkívül gyengén fejlődő 4 kistérség (1-es csoport) mindegyike Borsod-AbaújZemplén megyében található. Az eredmény nem meglepő, hiszen a rendszerváltás után megszűnő bányászat és nehézipar helyére új iparágak nem települtek, ami kedvezőtlenül hatott a foglalkoztatásra és ezen keresztül a fizetőképes keresletre, ami szükségszerűen fogta vissza a térség társadalmi és gazdasági fejlődését. A gyengén fejlett és gyengén fejlődő 62 kistérség (2-es csoport) közül 43 az ország keleti felében helyezkedik el. Ez a három keleti régió kistérségeinek több mint 53%-a, melyben egy megyeszékhelyű központtal rendelkező (Salgótarjáni) is van. Az említett 43 kistérségből 33 az Észak-Magyarországi és az ÉszakAlföldi régióból kerül ki, ami a két régió kistérségeinek közel 59%-a. A Dél-Alföldi régióra ebben a vonatkozásban nem csak az a jellemző, hogy a gyengén fejlett és gyengén fejlődő kistérségek közül mindössze 10-et tartalmaz ami a régió kistérségeinek 40%-a - hanem az is, hogy a vizsgált kistérségi csoportban, a 10-es klaszter által tömörített legkedvezőtlenebb helyzetben lévő területegységek közül, az említett régióba csak három tartozik (17. ábra, 27. melléklet). Ezzel a Dél-Alföldi régió az ország keleti részén a gyengén fejlett és gyengén fejlődő kistérségek vonatkozásában a legkedvezőbb helyzetben van. A 2-es csoport további 19 kistérségből 14 a Dél-Dunántúli régióban található, ami az összes itt elhelyezkedő kistérség 56%-ának felel meg. A 14 gyengén fejlett és gyengén fejlődő kistérség több mint 42,8%-a tartozik az adott csoporton belül legkedvezőtlenebb helyzetben lévő kistérségeket tömörítő 10-es klaszterbe (17. ábra, 27. melléklet). Az elemzés alatt álló csoportban a Közép-Magyarországi régióból egy kistérség sem, és a Közép,- valamint a Nyugat-Dunántúli régióból is csak 2 illetve 3 kistérség található. Az itt megfogalmazottakból és a 18. ábrán feltüntetet térképből is kitűnik, hogy a gyengén fejlett és gyengén fejlődő kistérségek főként az ország északkeleti és a dél-dunántúli területeire koncentrálódnak.

167

Az egyes kistérségek pontos térbeli azonosítását megkönnyíti a következő címen elérhető térkép: http://portal.ksh.hu/portal/page?_pageid=37,411890&_dad=portal&_schema=PORTAL

110

Az általam alkotott modellben hátrányos helyzetűnek tekinthető 66 kistérséget (1-es és 2-es csoport) megyei szinten vizsgálva megállapítható, hogy ebben a csoportban a megye kistérségeinek 80%-át kitevő 12 kistérséggel Borsod-AbaújZemplén megye domináns. Szintén jelentős arányt képvisel a halmazon belül Szabolcs-Szatmár-Bereg megye azzal a 10 kistérséggel, mely a megye kistérségeinek több mint 83%-át teszi ki. Kiemelendő még ebben a tekintetben Baranya és Somogy megye 7-7 kistérséggel, melyeknek megyén belüli aránya megközelítőleg 78, illetve 64%. Bár Nógrád megyéből ebbe a kategóriába csak négy kistérség tartozik, ezek megyén belüli arány azonban több mint 66%. Meg kell jegyezni, hogy a Dél-Dunántúli régióból Tolna megye egyetlen egy kistérsége sem tartozik az említett két csoportba, ugyanakkor körülötte megjelennek a gyengén fejlett és gyengén fejlődő kistérségek. Az sem hagyható azonban figyelmen kívül, hogy ebben a megyében van a legkevesebb kistérség – míg a megye, területe alapján csak az ötödik legkisebb – így a települési szinten meglévő különbségek a nagyobb méretű aggregálásnak köszönhetően kistérségi szinten kevésbé jelentkeznek. A fentieken túl a 18. ábrán az is látható, hogy hazánk északnyugati határát kivéve, a határ menti kistérségek szinte teljes egészében a hátrányos helyzetű területegységek közé tartoznak. A déli határvidéken a Bajai és a Kiskunhalasi kistérség az 5-ös csoportba tartozásával bár kedvezőbb helyzetben van a környező határvidéki kistérségeknél, ez azonban csak a kiinduló fejlettségi állapotban jelentkezik, így ezekről a területegységekről is elmondható, hogy a vizsgált időszakban a versenyhelyzetük romlott. Az említett területen kiugró pozícióban van a Szegedi kistérség, és a tárgyalt két csoport térbeli elhelyezkedését tekintve szigetszerűen kiemelkedik a környezetéből a Pécsi, a Debreceni, a Nyíregyházai és az Egri kistérség is. A gyengén fejlett és erőteljesen fejlődő kistérségek (3-as csoport) az érintett régiók és megyék között többé-kevésbé egyenletesen oszlanak el (27. melléklet). Az egyenletes eloszlásból enyhén kiemelkedik a Közép-Dunántúli régió a maga 6 kistérségével. Megyei szinten lényegesen az egyenletes eloszlás alatt marad Borsod, Hajdú-Bihar, Békés és Baranya egy-egy kistérséggel. A jelen értékelés tárgyát képező kistérségek által kedvezőbb pozíciójánál fogva nem érintett Heves, Csongrád, Pest, Komárom-Esztergom és Győr-Moson-Sopron megye, kedvezőtlenebb pozíciójánál fogva pedig érintetlen Szabolcs-Szatmár-Bereg és Somogy megye. A 18. ábrán látható, hogy a 3-as csoportból nagyobb kiterjedésű összefüggő teret alkot a Kiskunmajsai, a Kiskőrösi, a Kunszentmiklósi, az Adonyi, az Ercsi és az Abai kistérség, valamint az Ajkai, a Sümegi és a Celldömölki kistérség. Szintén összefüggő teret alkotva jelenik meg a Pécsváradi, a Bonyhádi, a Tamási és a Dombóvári kistérség. A gyengén fejlett és dinamikusan fejlődő 17 kistérség (4-es csoport) között a Közép-Magyarországi, a Nyugat-Dunántúli és a Közép-Dunántúli

111

területegységek dominálnak 5 illetve 4-4 kistérséggel, míg ebben a csoportban Észak-Magyarországi és Dél-Dunántúli kistérség nem található. Megyei szinten Pest megye mellett Győr-Moson-Sopron 3 kistérséggel, és Komárom-Esztergom megye 2 kistérséggel játszik jelentősebb szerepet. A jelen értékelés tárgyát képező területegységek jellemzően egy délkelet északnyugat irányú, lefelé hajló ív mentén húzódnak végig az országon, melyen kívül esik a Hajdúböszörményi, a Nagykállói valamint az Őrisztenpéteri kistérség, és a perifériára szorul az északi határ mentén elhelyezkedő Szobi kistérség. A 4-es csoportba tartozó Pest megyei kistérségekre jellemző, hogy mindegyikük a keleti és déli megyehatáron helyezkedik el, és egyikük sem határos Budapesttel. A fővárossal határos területegységek fejlődési üteme megegyezik a 4-es csoport fejlődési ütemével, kiinduló fejlettségi állapotuk azonban kedvezőbb. Az eredmények arra engednek következtetni, hogy Pest megye kistérségeinek Budapesttől mért távolsága a vizsgált időszakban a fejlődésre jelentős hatást nem gyakorolt, az említett területegységek közötti fejlettségi különbségek már az időszak kezdetén is fennálltak, és azok a vizsgált időszakban jelentősen nem változtak168. Az elemzés alatt álló kistérségi csoport elemeiről a fentiek mellett megállapítható, hogy nagyobb méretű egybefüggő teret alkotnak a Pápai kistérség északi és keleti határán, amihez csatlakozik a Győri kistérséggel határos Kisbéri kistérség is. Az említett kistérségek fejlődésére vélhetően a legkedvezőbb pozícióban lévő területegységek közé tartozó Győri és Veszprémi kistérség gyakorol jelentős hatást. A fejlett és gyengén fejlődő 4 kistérségből (5-ös csoport) kettő az ország déli határán elhelyezkedve beleillik a fentebb már említett, határ mentén végig húzódó gyenge és rendkívül gyenge fejlődési ütemet mutató területegységek halmazába. A Kaposvári kistérség szintén az elemzés alatt álló csoport részét képezve, a Salgótarjáni kistérség után a második legrosszabb pozícióban lévő megyeszékhelyű központtal rendelkező kistérség. Tekintettel a környező területegységek helyzetére, és az évtizedek óta a térségben működő Tiszai Vegyi Kombinát jövedelemtermelésre gyakorolt kedvező hatására, a Tiszaújvárosi kistérség 5-ös csoportba tartozása reálisnak tekinthető.

168

A 16. ábrán feltüntetett 4-es és 7-es csoportot összehasonlítva a tárgyalt kistérségekről egészen pontosan azt mondhatjuk, hogy a Budapesttel határos, és a megyehatáron elhelyezkedő területegységek a vizsgált időszakban egymáshoz nem közeledtek.

112

18. ábra: A fejlettség és fejlődési ütem alapján kialakított kistérségi csoportok térbeli elhelyezkedése Forrás: Saját szerkesztés 2011 A fejlett és erőteljesen fejlődő kistérségek (6-os csoport) térbeli elhelyezkedése kapcsán megállapítható, hogy az ország középső és északnyugati részén az említett csoportba tartozó területegységek nem találhatók. Ebben a tekintetben négy kistérséggel a Nyugat-Dunántúli régió enyhe dominanciája figyelhető meg, melyen belül három kistérség Vas megyében helyezkedik el. A csoport területegységei közül megyeszékhelyű központtal rendelkezik a Szekszárdi és a Miskolci kistérség. A fejlett és dinamikusan fejlődő kistérségek 22 elemű csoportjában (7-es csoport) hét kistérséggel Pest megye, illetve öt kistérséggel KomáromEsztergom megye dominál. Regionális szinten a Közép-Magyarországi régiót követve a Közép-Dunántúli és a Nyugat-Dunántúli régió túlsúlya tapasztalható hat illetve négy kistérséggel. Ebben a csoportban az Északalföldi régióból egy kistérség sem, az Észak-Magyarországi és a Dél-Dunántúli régióból egy-egy, míg a Dél-Alföldi régióból három kistérség jelenik meg. Megyeszékhelyű központtal rendelkezik a csoport területegységei közül kettő, a Tatabányai és a Kecskeméti kistérség.

113

Az igen fejlett és gyengén fejlődő kistérségek csoportjáról (8-as csoport) elmondható, hogy a Balaton környékén elhelyezkedve húzóágazatként a turizmus jellemezi őket. Szintén ilyen tulajdonságokkal rendelkezik az igen fejlett és erőteljesen fejlődő kistérségek 4 elemű csoportjából (9-es csoport) három. Az eredmények arra utalnak, hogy a Balaton környéki kistérségek a vizsgált 12 évben mérhető megújulásra nem voltak képesek, így a többi kistérséghez mért versenyelőnyük csökkent. Ezt az is alátámasztja, hogy míg 1996-ban az említett hét Balaton környéki kistérségből hat a 10 legfejlettebb között szerepelt, addig 2007-ben közülük már csak egy tartozik ebbe a csoportba169 (30. melléklet). A legkedvezőbb helyzetben lévő tizennyolc kistérségből (10-es csoport) tizenkettő megyeszékhelyű központtal rendelkezik, ami egyben azt is jelenti, hogy hat olyan kistérség van, melynek központja egyben megyeszékhely is, de nem a legelőnyösebb területegységek csoportjában helyezkedik el. Ezek közül különösen kedvezőtlen pozícióban van a Salgótarjáni (2-es csoport) és a Kaposvári (5-ös csoport) kistérség. Az elemzés tárgyát képező csoport fönnmaradó 6 kistérsége közül 4 Pest megyei, így az eredmények alapján azt mondhatjuk, hogy a vizsgált időszakban a legkedvezőbb pozícióból induló, és ugyanakkor a legintenzívebb fejlődést produkáló kistérségek több mint 88%-ban vagy megyeszékhelyű központtal rendelkeznek, vagy Pest megyében helyezkednek el. A leírtakból az is következik, hogy az említett területegységek dominanciája a vizsgált időszakban erősödött. A fennmaradó két kistérség közül az egyik Fejér megyében (Gárdonyi kistérség), míg a másik Győr-MosonSopron megyében (Sopron-Fertődi kistérség) terül el. A vizsgált területegységek kategorizálása alapján összességében elmondható, hogy az elemzett időszakban a Pest megyei kistérségek a többihez képest fejlettségi pozíciójukon javítottak, ami abból következik, hogy a fejlődési ütem vonatkozásában mindegyikük a legjobb kategóriában van. Ugyanakkor ebben a megyében négy olyan kistérség található, amely a legfejlettebb kategóriában megerősítette helyzetét. A megyeszékhelyű központtal rendelkező kistérségek dominanciája megerősödött illetve fokozódott, mely alól kivételt képez a Salgótarjáni és a Kaposvári kistérség. A hátrányos helyzetű területek az ország keleti és déli részére koncentrálódnak, melyen belül Borsod és Szabolcs-Szatmár-Bereg megye helyzete különösen súlyosnak tekinthető. A Balaton környéki kistérségek többi kistérséghez mért versenyelőnye a vizsgált időszakban csökkent.

169

Az itt megfogalmazottakkal megegyező megállapításra jut Buday-Sántha (2008) a Balaton régió turisztikai adatainak 1990-re, 2000-re és 2005-re vonatkozó elemzése alapján.

114

A 18. ábrát megvizsgálva látható, hogy a hazai kistérségek fejlődési ütemük alapján az ország területén behatárolható motívumokat (fejlődési erővonalakat) rajzolnak ki, melyeket a 19. ábra szemléltet170. A dinamikusan fejlődő kistérségek (A - fejlődési erővonal) az M5-ös és M1-es autópálya mentén húzódnak végig a Kiskunfélegyházai, a Kecskeméti, a Győri, és a Mosonmagyaróvári kistérségek, valamint a főváros vonalában. Az erővonal részét képezi a Győri kistérségtől nyugatra, a 85-ös főút mentén a Csornai, a Kapuvári és a Sopron-Fertődi kistérség is.

19. ábra: A magyarországi kistérségek fejlődési erővonalai Forrás: Saját szerkesztés 2011 A dinamikusan fejlődő kistérségi erővonal déli perifériáján húzódik az erőteljesen fejlődő területegységek által kirajzolt fejlődési sáv (B - fejlődési erővonal), melyet két megyeszékhelyű központtal rendelkező dinamikusan fejlődő kistérség171 szakít meg. Az itt felvázolt fejlődési erővonalat a Székesfehérvári kistérségnél keresztezi az M7-es autópálya, melynek a fejlődési 170

A fejlődési zónák könnyebb behatárolása érdekében, a 31. melléletben közlök egy olyan térképet is, melyen a magyarországi kistérségeket csak a vizsgált időszakban produkált fejlődésük alapján kategorizálom, tehát ebben az esetben a kiinduló fejlettségi állapot nem zavarja az értelmezést. 171 A Székesfehérvári és a Veszprémi kistérség.

115

erővonalakra gyakorolt hatása nem jelentkezik olyan markánsan, mint ahogyan az az M5-ös és az M1-es esetén tapasztalható. Ennek vélhetően az lehet az oka, hogy az M7-es autópálya elsősorban a Velencei - tó és a Balaton turistaforgalmát hivatott kiszolgálni, és mivel a Balaton fejlődésre gyakorolt pozitív hatása már a vizsgált időszak kezdetén is nagymértékben jelentkezett, így erről a magas fejlettségi szintről a térség további növekedést nem tudott produkálni, sőt, mint ahogyan arról fentebb már szóltam, a Balaton környéki kistérségek versenyelőnye a vizsgált időszakban csökkent. Ugyanakkor látható, hogy a Gárdonyi és a Székesfehérvári kistérség a dinamikusan fejlődő kategóriába tartozik, amiben nyilvánvalóan jelentős szerepe van az említett autópályának éppen úgy, mint ahogyan az a Balaton környéki kistérségek fejlettségi szintjének a fenntartásához is nélkülözhetetlen. A dinamikusan fejlődő zóna keleti permén húzódnak a dinamikusan és erőteljesen fejlődő kistérségek (D - fejlődési erővonal), melyek közé délen a gyengén fejlődő Kunszentmártoni, északon pedig a C - fejlődési erővonal részét képező Pásztói kistérség ékelődik be. A Kunszentmártoni kistérség bár szigetszerűen elkülönül a környező területektől, meg kell azonban jegyezni, hogy a gyengén fejlett és gyengén fejlődő kistérségek csoportján belül, a 7-es klaszterbe tartozásával fejlődési ütem vonatkozásában a kedvezőbb helyzetű kistérségek közé sorolódik (17. ábra, 27. melléklet). A környezetéhez képest kedvezőtlenebb pozícióját vélhetően az is indokolja, hogy az M5-ös autópálya elérése ebből a kistérségből valamivel nehezebb, mint a kedvezőbb fejlődési (és fejlettségi) pozícióban lévő Szentesi kistérségből172. A dinamikusan fejlődő zóna keleti peremén végig húzódó D - fejlődési erővonal a Szolnoki kistérségnél elágazik a Gyulai kistérség irányába, kiszélesítve ezzel a dinamikusan fejlődő sáv keleti perifériáján végighúzódó dinamikusan és erőteljesen fejlődő kistérségi erővonalat. D - fejlődési erővonalat alkotnak az M3-as autópálya Heves megyei szakaszán elhelyezkedő kistérségek is, meg kell azonban jegyezni, hogy az említett autópálya Füzesabonyig terjedő szakasza ugyan már 1998-ban átadásra került, ennek ellenére a Füzesabonyi kistérség a gyengén fejlődő kategóriába tartozik. Ahogyan arról korábban már szóltam, a fejlődési szempontból legkedvezőtlenebb helyzetben lévő kistérségek az északnyugati határvidéket kivéve, az országhatár mentén szinte egybefüggő sávban alkotják a gyengén és rendkívül gyengén fejlődő területegységekből álló C - fejlődési erővonalat. Ez a zóna kiszélesedik a Dél-Dunántúli régióban Baranya és Somogy megye területén, illetve a keleti határvidék középső szakaszán, valamint széles sávban vonul végig hazánk északi határának keleti felén.

172

Az M5-ös autópálya távolsága Kunszentmártonból 56,2 km; Szentesről pedig 42,7 km.

116

Fentebb már utaltan rá, és a 19. ábrán is jól látható, hogy a legintenzívebben fejlődő kistérségek kapcsolatba hozhatók a közúti közlekedési infrastruktúra fejlettségével, azon belül is autópálya-hálózattal. Mivel hazánk autópályái a fővárosban futnak össze, ezért azok fejlődésre gyakorolt hatása jelen vizsgálatban leginkább úgy értékelhető, hogy összevetjük az egyes kistérségek vizsgált időszakra jellemző fejlődési ütemét, a főváros közúton történő elérhetőségével. Ennek érdekében az említett két tényező között korrelációs vizsgálatot végeztem, melynek eredményeként a főváros egyes kistérségi központokból percben mért 2007-re jellemző közúti elérhetősége173, és a kistérségek vizsgált időszakra jellemző fejlődési üteme között -0,589-es korrelációs együtthatót állapítottam meg174. Az eredményből az következik, hogy a nagyobb fejlődési ütemet mutató kistérségek központjából 2007-ben Budapest rövidebb idő alatt volt elérhető, mint a kisebb fejlődési ütemmel rendelkező kistérségek központjából. A kapott érték természetesen nem csak a közúti közlekedési infrastruktúra minősége és az egyes kistérségek fejlődési üteme közötti kapcsolatot tükrözi, hanem az ország főváros centrikusságára is utal, ugyanis az eredményt nyilvánvalóan befolyásolja az egyes kistérségek Budapesttől mért távolsága is. Az itt megfogalmazottakra tekintettel, a kapott eredményt csak tájékoztató jellegűnek szánom, mélyebb következtetések levonásába nem bocsátkozom. Mindezek mellett megjegyzem azt is, hogy a közúti közlekedési infrastruktúra színvonala, és az egyes kistérségek fejlődési üteme közötti kapcsolat precízebben lenne mérhető abban az esetben, ha a főváros elérhetőségére nézve a vizsgált időszak minden egyes évére rendelkezésemre állnának az adatok, mert ebben az esetben az elérhetőségben mért tendenciákat lehetne összevetni a fejlődéssel, és így nem egy év adatát kellene párhuzamba állítani egy idősor adataival175. Egy ilyen modellben az imént megfogalmazottak mellett, a Budapesttől mért távolság is automatikusan kiszűrésre kerülne az elemzésből, hiszen ez a vizsgált időszak alatt nem változik176.

173

Az adatok az MTA Közgazdaságtudományi Intézetéből származnak. Az összefüggés több mint 99%-on szignifikáns. 175 Az itt megfogalmazottakra tekintettel a korrelációs vizsgálatot úgy is elvégeztem, hogy a 2007re jellemző komplex relatív fejlettségi index értékét vetettem össze a 2007-es elérhetőségi adatokkal kistérségi szinten, és eredményül -0,529-es korrelációs együtthatót kaptam, amely több mint 99%-on szignifikáns. Az eredményből az következik, hogy 2007-ben a fejlettebb kistérségek központjából Budapest rövidebb idő alatt volt elérhető, mint a fejletlenebb kistérségek központjából, ami összhangban áll az e-tárgyban korábban megfogalmazottakkal. 176 Dusek és Szalkai (2006) 1990 és 2006 között az ország Budapesttől mért települési szintű időterének zsugorodását állapítja meg, melyet a gyorsforgalmi-úthálózat, és ezen belül az autópálya-hálózat fejlesztésére vezet vissza. 174

117

5.8. A hátrányos helyzetű kistérségek elemzése A vizsgált területegységek fejlettség és fejlődési ütem alapján történő csoportosítása és jellemzése után arra a kérdésre keresem a választ, hogy az elemzésbe vont 34 mutató közül melyek azok, amelyek a hátrányos helyzetű kistérségeket leginkább elkülönítik a többitől. A célom ezzel az, hogy meghatározzam azokat a tényezőket, amelyek alapján az említett területegységek leginkább hátrányos helyzetűnek ítélhetők, és ezzel rámutassak azokra a pontokra, ahol a hátrányos helyzetű kistérségek pozíciójának a javítására leginkább szükség van. Jelen modellben hátrányos helyzetűnek tekintem a lehatárolt tíz csoport közül az 1-es és a 2-es csoport kistérségeit, mert mindkét vizsgált dimenzió mentén a legrosszabb pozícióban vannak, több mint 95%-uk kiinduló fejlettségi állapota és fejlődési üteme is átlag alatti.

10. táblázat: A vizsgálat mutatóira elvégzett lépésenkénti diszkriminanciaanalízis fontosabb eredményei1 (2007) Mutatók Általános iskolát végzett regisztrált munkanélküliek száma a munkavállalási korú népesség %-ában 180 napnál hosszabb ideje regisztrált munkanélküliek száma a regisztrált munkanélküliek %-ában Főállású pedagógusok száma a középiskolákban 1000 középiskolai korú lakosra Középiskolai végzettségű regisztrált munkanélküliek száma összesen a munkavállalási korú népesség %-ában Hazai vendégek vendégéjszakái kereskedelmi szálláshelyeken 1000 lakosra 1

F ért.

F sig.

290,7

0,000

163,7

0,000

116,9

0,000

90,7

0,000

75,6

0,000

Wilks' lambda és Mahalanobis távolságmetodika alapján.

Forrás: Saját számítás és szerkesztés 2011 A fentiekben megfogalmazott célkitűzés eléréséhez szükséges vizsgálat lefolytatásához a 173 kistérséget úgy osztottam két csoportra, hogy az egyikbe a hátrányos helyzetű hatvanhat, míg a másikba az összes többi kistérség került. Az így kialakított két csoportot a vizsgálat 34 mutatójával a 2007-re jellemző értékek alapján diszkrimináltam. A diszkrimináció során lépesenkénti eljárást alkalmaztam177, Wilks' lambda és Mahalanobis távolságmetodika alapján. Mindkét távolságmetodikai eljárás öt lépésben ugyanazt az öt legjobban 177 „Ha a csoportokat szétválasztó lényeges változókra vagyunk kíváncsiak, akkor a lépésenkénti eljárás alkalmazása szükséges. A változóknak a csoportátlagok eltérésében játszott szerepét a szóráselemzéssel kiszámított F érték jellemzi. Lépésről-lépésre mindig a legnagyobb F értékkel rendelkező változó kerül bevonásra az elemzésbe” (Obádovics 2004). (72. o.)

118

diszkrimináló mutatót határolta le, azonos statisztikai értékekkel. (10. táblázat). A lehatárolt diszkrimináló tényezők között jól láthatóan a munkanélküliség dominál, mely alapján azt mondhatjuk, hogy a hátrányos helyzetű kistérségek pozícióját főként munkanélküliségi helyzetük határozza meg. Tekintettel a fentiekben megfogalmazottakra, a következő lépésben már csak a lehatárolt munkanélküliségi mutatókat vontam be egy ismételt diszriminanciaanalízisbe azzal a céllal, hogy kizárólag ezen tényezők hatását elemezhessem.

11. táblázat: A hátrányos helyzetű kistérségek elemzésére lehatárolt munkanélküliségi mutatók diszkrimináló hatásának értékelése (2007) Mutatók

Wilks' lambda

F sig.

SDC*

R**

0,370

0,000

0,616

0,936

0,426

0,000

0,383

0,834

0,437

0,000

0,127

0,814

Általános iskolát végzett regisztrált munkanélküliek száma a munkavállalási korú népesség %-ában 180 napnál hosszabb ideje regisztrált munkanélküliek száma a regisztrált munkanélküliek %-ában Középiskolai végzettségű regisztrált munkanélküliek száma összesen a munkavállalási korú népesség %-ában *

SDC: standardizált diszkriminancia-együttható R: Korreláció a vizsgálatba vont mutatók és a diszkrimináló függvény között.

**

Forrás: Saját számítás és szerkesztés 2011 Az egyes mutatók kapcsán az F-próbára kapott szignifikancia értékek alapján megállapítható (11. táblázat), hogy mindegyik jelentősen diszkriminálja a csoportokat, ami nem meglepő, hiszen éppen ezzel a céllal lettek lehatárolva. Ugyanakkor a Wilks' lambda értékek alapján az is látható, hogy a legnagyobb diszkrimináló hatást az általános iskolát végzett munkanélküliek aránya fejti ki, melyet a tartós, majd a középiskolát végzett munkanélküliek aránya követ. Ugyanerre utal a standardizált diszkriminancia-együtthatók értéke is, melyek az egyes mutatók diszkrimnáló függvényre gyakorolt hatása mellett azt is megmutatják, hogy milyen tulajdonságokkal rendelkező elemek (jelen esetben kistérségek) veszik föl a diszkrimináló függvény nagyobb, és melyek a kisebb értékét. Mivel a diszkriminancia-együtthatók mindegyike pozitív előjelű, ezért a diszkrimináló függvény nagyobb értékeit azok a kistérségek veszik föl, melyek a munkanélküliségi mutatók kapcsán kedvezőbb helyzetben vannak, míg az alacsonyabb értéket képviselő tartományban a munkanélküliséggel inkább sújtott

119

kistérségek csoportosulnak178. Ugyanezt az összefüggést támasztják alá a vizsgálatba vont mutatók és a diszkriminancia függvény közötti korrelációs értékek is. A diszkriminanciaanalízis által létrehozott egy darab diszkrimináló függvényről a 12. táblázatba foglalt adatok alapján elmondható, hogy alkalmas a csoportok elkülönítésére és jellemzésére179. A kanonikus korreláció négyzete jelzi, hogy a diszkrimináló függvény a vizsgálatba vont három munkanélküliségi mutató információtartalmának közel 66%-át képes megőrizni180, ezáltal a munkanélküliség vonatkozásában rendkívül jól jellemzi a vizsgált sokaságot. Ezt támasztja alá a diszkrimináló függvény által magyarázott és magyarázatlanul hagyott variancia hányadosaként létrejövő sajátérték is. A khí-négyzet próba szignifikáns volta rámutat, hogy a diszkriminancia függvény diszkrimináló képessége jelentős, és mivel a Wilks' lambda értéke alacsony, ezért ez a jelentős diszkrimináló képesség erősnek tekinthető.

12. táblázat: A hátrányos helyzetű kistérségeket munkanélküliségi mutatók alapján diszkrimináló függvény értékelése (2007) Sajátérték Kanonikus korreláció Wilks' lambda 1,939 0,812 0,3402 Forrás: Saját számítás és szerkesztés 2011

Khí-négyzet 182,7587

Khí sig. 0,000

Az analízis során a diszkrimináló függvény értékei alapján kialakított csoportok középpontjait megvizsgálva megállapítható (13. táblázat), hogy a hátrányos helyzetű kistérségek csoportja a diszkrimináló függvény negatív tartományában, míg az összes többi kistérséget magába foglaló csoport a pozitív tartományban helyezkedik el181. Mivel a fejlettség és a fejlődési ütem alapján általam létrehozott csoportok több mint 92%-ban megegyeznek a diszkriminanciaanalízis eredményezte csoportokkal (32. melléklet), ezért a diszkriminanciaanalízis által létrehozott csoportok középpontértékei elfogadhatók az általam alkotott két csoport jellemzésére. Ennek fényében a csoportközéppontok alapján az a megállapítás tehető, hogy a hátrányos helyzetű kistérségek főként az alacsonyabb iskolázottságú, valamint a tartós 178 Itt ismét utalok arra, hogy a munkavállalási korú népesség százalékában kifejezett munkanélküliségi értékeket 100-ból levonva vettem figyelembe, így a nagyobb érték jelzi a kedvezőbb, azaz az alacsonyabb munkanélküliséget. 179 Ritter (2008) dolgozatának 95. oldalán, Székelyi és Barna (2005) a 333 - 334. oldalon, valamint Sajtos és Mitev (2007) a 351. oldalon lényegesen kedvezőtlenebb értékeket is elfogad. 180 A leírtakból az következik, hogy mivel a vizsgálatba vont három mutató összes varianciája három (a mutatók az elemzés során standardizáltak, így a varianciájuk darabonként egy), ezért a diszkrimináló függvény által megmagyarázott variancia közel 1,98; a magyarázatlanul hagyott pedig 1,02. 181 A negatív előjel az elemzésbe vont mutatók standardizálásából adódik, ebben az esetben ugyanis a mutató átlaga nulla, az átlag fölötti érték pozitív, míg az átlag alatt negatív előjelű.

120

munkanélküliek terén mutatnak jelentős lemaradást az ország többi kistérségéhez képest, ezért elsősorban ezen a területen kell megoldást találni az említett területegységek felzárkóztatására.

13. táblázat: A hátrányos helyzetű kistérségeket munkanélküliségi mutatók alapján diszkrimináló függvény értéke a csoportok középpontjában (2007) Kistérségi csoport Középpont Hátrányos helyzetű -1,763 Nem hátrányos helyzetű 1,087 Forrás: Saját számítás és szerkesztés 2011 A fenti megállapítást erősíti az is, hogy a munkanélküliek iskolázottság szerinti összetételét vizsgálva az tapasztalható (14. táblázat), hogy a hátrányos helyzetű kistérségek csoportjában a munkanélkülieknek több mint fele nem rendelkezik sem szakmával, sem érettségivel, és közel 10%-uk nem végezte el a nyolc osztályt. Ezzel összhangban a nyolc osztályt vagy annál kevesebbet végzett munkanélküliek aránya a hátrányos helyzetű kistérségek csoportjában lényegesen magasabb - a nyolc osztálynál kevesebbet végzettek esetén több mint kétszeres - a többi kistérséget magába foglaló csoporthoz képest.

14. táblázat: A regisztrált munkanélküliek iskolázottság szerinti megoszlása a munkanélküliek százalékában (2007) Kistérségi csoport

Nyolc osztályt sem végzett

Általános iskolát végzett

Hátrányos 9,9 42,1 helyzetű Nem hátrányos 4,9 31,4 helyzetű Különbség 5 10,7 Forrás: Saját számítás és szerkesztés 2011

Középiskolát végzett

Felsőfokú végzettségű

45,9

2,1

57,8

5,9

-11,9

-3,8

Mivel a munkanélküliség problémájára a vállalkozások által generált foglalkoztatás jelenti az elsődleges megoldást, ezért a következő lépésben arra keresem a választ, hogy melyik az az ágazat, melyben a vállalkozási aktivitásra nézve a hátrányos helyzetű kistérségeknek a legkisebb a hátránya, vagy esetleg előnye van a többihez képest. Az elemzés során meghatároztam a vállalkozások ezer lakosra jutó darabszámának csoport átlagát ágazatonként, mely értékekt a 15. táblázatban közlöm. Az adatokból kitűnik, hogy a hátrányos helyzetű kistérségek csoportátlaga egy kivételével minden ágazatban lényegesen

121

alacsonyabb az összes többi területegységet magába foglaló csoport átlagánál. A kivételt képező ágazat a mezőgazdaság, ahol az ezer lakosra jutó vállalkozások átlagos darabszáma a hátrányos helyzetű területegységek csoportjában több mint 27%-kal magasabb a másik csoporthoz képest. Az eredményekből az következik, hogy a hátrányos helyzetű kistérségek a vállalkozási aktivitás vonatkozásában a mezőgazdaság terén rendelkeznek kihasználható adottságokkal, miközben minden más ágazatban jelentős hátrányuk van.

15. táblázat: A vállalkozások ezer lakosra jutó darabszámának csoport átlaga ágazatonként (2007) Kistérségi csoport Ipar Építőipar Mezőgazdaság Szolgáltatás Hátrányos helyzetű 3,84 5,18 5,84 25,20 Nem hátrányos 6,29 8,39 4,59 42,47 helyzetű Különbség -2,45 -3,21 1,25 -17,27 Forrás: Saját számítás és szerkesztés 2011 A fenti vizsgálataimat diszkriminanciaanalízissel is elvégeztem182, melynek eredményeit a 33. mellékletben közlöm. Az egyes mutatók Wilks' lambda értékei alapján megállapítható, hogy bár legkevésbé a mezőgazdasági vállalkozások száma diszkriminálja a csoportokat, az eredmény ugyanakkor szignifikáns, így a mezőgazdasági vállalkozások diszkrimináló hatása is jelentősnek tekinthető. Az eredmény egybevág az előzetes várakozásaimmal, hiszen a csoportátlagok különbsége is a mezőgazdasági vállalkozások esetén mutatta a legkisebb értéket183. A diszkriminanciaanalízis által létrehozott diszkrimináló függvényről a fentiekben már említett paraméterek alapján elmondható, hogy alkalmas a csoportok elkülönítésére. A diszkriminancia-együtthatók és a korrelációs értékek alapján látható, hogy a diszkrimináló függvény nagyobb értékeit azok a kistérségek veszik föl, melyek a vállalkozási potenciál vonatkozásában nem 182

A vizsgálatot az indokolja, hogy a diszkriminanciaanalízis a diszkrimináló tényezők (mutatók) súlyának a meghatározása során nem csak a csoportátlagokat veszi figyelembe, hanem a teljes sokaság átlaga mellett, az egyes területi egységek adott mutató kapcsán meglévő, csoportátlagtól és a teljes sokaság átlagától mért négyzetes eltéréseit is, ami a Wilks' lambda képletéből következik (Székelyi és Barna 2005). Ezzel az eljárás a csoportátlagok mellett a csoportok homogenitását is bevonja az elemzésbe. 183 Ezen a ponton megjegyzem, hogy a 15. táblázatban a szolgáltatás területén működő vállalkozások csoportátlaga mutatja a legnagyobb különbséget, ugyanakkor viszont ezen mutató diszkrimináló hatása csak a harmadik legjobb. Az eltérés abból adódik, hogy az elemzés során az egyes mutatók nagyságrendjében meglévő különbségek kiküszöbölése, és ezáltal minden mutató diszkrimináló hatásának azonos súllyal történő érvényre juttatása érdekében standardizált adatokkal dolgozunk. A standardizált értékek csoportátlagát megvizsgálva látható (33. melléklet), hogy az említett mutató már nem az első, sőt éppen a harmadik helyen áll. Természetesen – mint ahogy arról fentebb már szóltam – egy mutató diszkrimináló hatásának a csoportátlagok különbsége csak az egyik, és nem az egyetlen tényezője.

122

mezőgazdasági orientáltságúak, míg az alacsonyabb értéket képviselő tartományban azok a kistérségek csoportosulnak, ahol a mezőgazdasági vállalkozások túlsúlya figyelhető meg. Az analízis során kialakított csoportok középpontértékeit megvizsgálva megállapítható, hogy a hátrányos helyzetű kistérségek csoportja a diszkrimináló függvény negatív tartományában, míg az összes többi kistérséget magába foglaló csoport a pozitív tartományban található. Mivel a fejlettség és a fejlődési ütem alapján általam létrehozott csoportok több, mint 83%-ban megegyeznek a diszkriminanciaanalízis eredményezte csoportokkal, és mivel ráadásul a hátrányos helyzetű kistérségeket tartalmazó csoport esetén ez az egyezés 89% fölötti, ezért a diszkriminanciaanalízis által létrehozott csoportok középpontértékei elfogadhatók az általam alkotott két csoport jellemzésére. A fentiek alapján a diszkriminanciaanalízis eredményeire alapozva is kimondható, hogy a hátrányos helyzetben lévő kistérségek kizárólag a mezőgazdasági vállalkozások vonatkozásában rendelkeznek előnyökkel, míg az összes többi ágazatban jelentős hátrányuk van a többi kistérséghez képest. A munkanélküliség kapcsán folytatott vizsgálataim arra engednek következtetni, hogy a hátrányos helyzetű kistérségek csoportjában az alacsony iskolázottság vélhetően nem csak a munkanélküliek körében jellemző, hanem az itt élő népesség egészére nézve fennáll. Ez a vélekedésem a 14. táblázatban feltüntetett közép- és felsőfokú végzettséggel rendelkező munkanélküliek arányára támaszkodik. Jól látható, hogy a hátrányos helyzetű kistérségek ebben a vonatkozásban lényegesen jobb pozícióban vannak, mint az amúgy kedvezőbb helyzetben lévő kistérségek. Ez vélhetően nem pusztán abból adódik, hogy a közép- és felsőfokú végzettséggel rendelkezőkre a hátrányos helyzetű kistérségek munkaerőpiacán nagyobb kereslet – és a munkavállalók részéről egy kevésbé színvonalas munkahely betöltésére irányuló nagyobb kényszer – mutatkozik mint, a fejlettebb kistérségek esetén, hanem abból is, hogy a hátrányos helyzetű kistérségekben eleve kevesebb az általános iskolai szintnél magasabban képzett munkavállaló. Feltevésem ellenőrzése érdekében a 2001-es népszámlálás iskolázottsági adataira építve, a TeIR adatbázis segítségével a 34. mellékletben közölt mutatókat állítottam elő, melyeknek első lépésben kiszámítottam a két vizsgált csoportra jellemző csoportátlagát (16. táblázat). Az eredmények igazolni látszanak a feltételezésemet, hiszen az adatokból jól látható, hogy a hátrányos helyzetű kistérségekben a közép- és felsőfokú végzettségű népesség aránya alacsonyabb, mint a fejlettebb kistérségeket tömörítő csoportban, és ez egybevág a 14. táblázat kapcsán e tárgyban megfogalmazottakkal.

123

16. táblázat: Az iskolázottsági mutatók1 csoportátlaga (2001) Kistérségi csoport Hátrányos helyzetű Nem hátrányos helyzetű Különbség 1

Nulla osztályt végzett

Általános iskolát végzett

Középiskolát végzett

Felsőfokú végzettségű

2,39

34,66

37,13

6,42

1,69

30,99

43,39

11,27

0,70

3,67

-6,26

-4,85

A mutatók pontos meghatározása a 34. mellékletben.

Forrás: Saját számítás és szerkesztés 2011 Vizsgálataimat az alaposabb elemzés igényével diszkriminanciaanalízis segítségével is elvégeztem, melynek kertében az előállított összes iskolázottsági mutatót együttesen vontam be a vizsgálatba. Az így lefolytatott elemzés ellentmondásos eredményeket szült184, mellyel kapcsolatban Székelyi és Barna (2005) megjegyzi, hogy ez a probléma gyakran előfordul, és ebben az estben a modell újragondolását javasolja. Megfogadva a tanácsot, a diszkriminanciaanalízist lépésenkénti eljárás formájában ismételten lefolytattam, Wilks' lambda és Mahalanobis távolságmetodika alapján is. A két távolságmetodikai megközelítés minden tekintetben azonos eredményeket hozott, melyeket a 34. mellékletben közlöm185. Az eredmények alapján kimondható, hogy a vizsgált két csoportot leginkább a nulla osztályt végzettek és a középiskolát végzettek száma különbözteti meg egymástól oly módon, hogy a hátrányos helyzetű kistérségekben a nulla osztályt végzettek magasabb, míg a középiskolai végzettségűek alacsonyabb számban vannak jelen, a fejlettebb kistérségeket magába foglaló csoporthoz képest. Ha a lépésenkénti eljárás során a diszkrimináló függvény megalkotását célzó mutatók közül kizárt indikátorok diszkrimináló függvénnyel fennálló korrelációját megvizsgáljuk, akkor azt tapasztalhatjuk, hogy a felsőfokú végzettségűek – összhangban a középiskolát végzettekkel – pozitív, míg az általános iskolát végzettek – összhangban a nulla osztályt végzettekkel – negatív értékkel rendelkeznek. Az itt megfogalmazottak alapján összességében azt mondhatjuk, hogy a hátrányos helyzetű kistérségek 184 Az ellentmondás abban nyilvánult meg, hogy az általános iskolát végzettek esetében a standardizált diszkriminancia-együttható pozitív előjelű volt, ugyanakkor a diszkriminancia függvénnyel mutatott korreláció negatív. Az eljárás során gyakorta előforduló ezen nyilvánvaló ellentmondásra Székelyi és Barna (2005) is kitér, a probléma okát azonban sem ők, sem pedig a témával foglalkozó más szerzők nem tárgyalják. 185 Az eredmények kapcsán ismét utalok arra, hogy bár a 16. táblázatban közölt csoportátlagok alapján az általános iskolát végzettek a nulla osztályt végzettekhez képest jobban diszkriminálnak, tekintettel azonban arra, hogy a két mutató között nagyságrendnyi különbségek vannak, ezért az ebből fakadó problémák kiküszöbölését szolgáló standardizált értékek esetén, a két mutató csoportátlaga a Wilks' lambda és a korrelációs értékek által jelzett diszkrimináló képességgel összhangban alakul (34. melléklet).

124

lakosságára a középfokú szintnél alacsonyabb iskolázottság jellemző, míg a fejlettebb területeken élők esetében a közép- és felsőfokú végzettséggel rendelkezők nagyobb aránya tapasztalható186. A hátrányos helyzetű kistérségek elemzése kapcsán összességében az a megállapítás tehető, hogy az említett területegységeket főként az alacsony iskolázottság, és ezzel összhangban az aluliskolázott, valamint a tartós munkanélküliek magas aránya jellemzi. A vizsgált két térségcsoport ágazati szerkezetét összehasonlítva az tapasztalható, hogy a hátrányos helyzetű területegységek kizárólag a mezőgazdaság terén rendelkeznek kihasználható adottságokkal a fejlettség és a fejlődési ütem szempontjából kedvezőbb helyzetben lévő kistérségekhez képest. Mindezek mellett az is látható, hogy a hátrányos helyzetű területek ágazati szerkezetében az ipari tevékenységet felölelő szektor hátránya hangsúlyos. Jelen esetben ez azért is különösen problematikus, mert az ipari tevékenység háttérbe szorulása utalhat a feldolgozóipar fejletlenségére is, ami fokozottabb jelenlét esetén a mezőgazdasági termékek hozzáadott értékét növelve, javítaná a térség jövedelemtermelő képességét, és a foglalkoztatásra is kedvező hatást gyakorolna. Mindezek a tényezők multiplikatív módon eredményezhetnék a hátrányos helyzetű kistérségek jelentős részének felzárkóztatását.

5.9. Az egy főre jutó GDP-re épülő vizsgálatok A társadalmi és gazdasági fejlettséggel foglalkozó elemzések központi mutatója az egy főre jutó GDP. Mivel jelen vizsgálat keretei között ez a mutató legkisebb területi bontásban megyei szinten áll rendelkezésre, ezért vizsgálataimat erről a területi szintről indítom. Az általam alkotott komplex relatív fejlettségi index és az egy főre jutó GDP összefüggését vizsgálva megállapítható (20. ábra, 35. melléklet), hogy a két mutató minden vizsgált évben pozitív korrelációban áll egymással, és ez az összefüggés a vizsgált időszakban csökkenő ütemben ugyan, de tendencia szerűen erősödik. Az adatokból az következik, hogy hazánkban a vizsgált időszakban a társadalmi és gazdasági fejlettséget egyre inkább az egy főre jutó GDP által jellemzett gazdasági fejlettség determinálta, azaz a társadalmi és a gazdasági fejlettség egyre szorosabb összefüggést mutatott egymással. Az itt megfogalmazottakkal összhangban azt is mondhatjuk, hogy a vizsgált időszakban a GDP nagyobb hányada a társadalmi és gazdasági értelemben fejlettebb területeken képződött. Ahogyan arra a szakirodalmi feldolgozás rámutatott, az itt feltárt eredmények arra engednek következtetni, hogy a vizsgált időszakban a központi újraelosztás hazánkban egyre kisebb eredményességgel működött. Ha ugyanis az állam ilyen irányú tevékenysége céljának megfelelően 186

Kiss et al. (2008) vizsgálatai rámutatnak, hogy az iskolázottság kapcsán az elemzett időszakra jellemző területi különbségek a 90-es évek elején konzerválódott viszonyokat tükrözik.

125

Az egy főre jutó GDP és a fejlettségi index. korrelációja

képes lenne kompenzálni a térbeli jövedelemegyenlőtlenségeket, akkor a komplex társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP-vel mért gazdasági fejlettség között gyengébb összefüggésnek kellene lennie, vagy legalábbis az egyre hatékonyabb állami szerepvállalást tükrözve, a kapcsolat erősségének csökkenő tendenciáját kellene mutatnia. A pontdiagramra illesztett trend függvény statisztikai értékelését megvizsgálva (35. melléklet)187 az is kijelenthető, hogy a megállapított összefüggések nagy valószínűséggel a vizsgált időszakot követően is fennállnak.

0,95 0,90 0,85 0,80 0,75

2

y = -0,0023x + 0,0461x + 0,6504 2

R = 0,8165 0,70 1996

1998

2000

2002

2004

2006

Év

20. ábra: Az egy főre jutó GDP és a komplex relatív fejlettségi index összefüggésének időbeli változása megyei szinten Forrás: Saját számítás és szerkesztés 2011 Az egy főre jutó GDP háromtényezős felbontása alapján (Lengyel 2000) belátható ((1) egyenlet), hogy azokon a területeken, ahol az egy főre jutó GDP magasabb, kedvezőbb a foglalkoztatás. Ez a megállapítás azzal együtt is elfogadható, hogy az egy főre jutó GDP nagyságát a foglalkoztatás mellett a munkatermelékenység is befolyásolja. Ez alapján fölvethető a kérdés, hogy az egy főre jutó GDP növekedésével együtt járó nagyobb társadalmi és gazdasági fejlettség, illetve a kedvezőbb foglalkoztatás milyen irányú, és főként mekkora erősségű hatást gyakorol a népesség mozgására. Megvizsgálva az egy főre jutó GDP és a vándorlási egyenleg kapcsolatát megállapítható (21. ábra, 36. melléklet), hogy a vándorlás a nagyobb egy főre 187

A reziduumok az idő függvényében korrelálatlanok.

126

jutó GDP-vel rendelkező megyék felé irányul188, és ez az összefüggés a vizsgált időszakban egyre erősebb. A 21. ábrán feltüntetett trend függvény statisztikai értékelése alapján (36. melléklet)189 az valószínűsíthető, hogy az említett folyamat a vizsgált időszakot követően is tovább tart.

Az egy fő re jutó GDP és a vándorlási.. egyenleg korrelációja

Tekintettel a 20. ábra kapcsán megfogalmazottakra, a komplex relatív fejlettségi index és a vándorlási egyenleg összefüggései arra engednek következtetni, hogy a fentiekben vázolt vándorlási folyamat kistérségi (38. melléklet) és települési (39. melléklet) szinten is fennáll.

0,80 0,70 0,60 0,50 0,40 0,30 0,20 y = 0,0498x + 0,0771

0,10 0,00 1996

2

R = 0,9347 1998

2000

2002

2004

2006

Év

21. ábra: Az egy főre jutó GDP és a vándorlási egyenleg összefüggésének időbeli változása megyei szinten Forrás: Saját számítás és szerkesztés 2011 A fentiek alapján összességében azt mondhatjuk, hogy a vizsgált időszakban a népesség a foglalkoztatatás szempontjából kedvezőbb feltételeket biztosító, nagyobb egy főre jutó GDP-vel rendelkező, és ezzel együtt összességében fejlettebb területek felé vándorolt, mely folyamat a vizsgált időszak alatt egyre markánsabban rajzolódott ki, és nagy valószínűéggel a vizsgált időszakot követően is folytatódik.

188

A 20. ábra kapcsán megfogalmazottakkal összefüggésben ezt támasztják alá a megyei szintű komplex relatív fejlettségi index és a vándorlási egyenleg korrelációs értékei is (37. Melléklet). 189 A reziduumok az idő függvényében korrelálatlanok.

127

128

6. ÚJ TUDOMÁNYOS EREDMÉNYEK 1. Matematikai és szakmai szempontok szem előtt tartásával egy rendkívül széles mutatóbázisból lehatárolt harmincnégy indikátor súlyozott összevonásával megalkottam egy olyan komplex relatív fejlettségi indexet, melynek segítségével a hazai települések, kistérségek, megyék, és régiók térben illetve időben is összehasonlíthatóvá válnak, és így lehetőség nyílik a társadalmi és gazdasági fejlettség állapotvizsgálatokra épülő elemzése mellett, folyamatszemléletű összehasonlító vizsgálatokra is. Mivel a komplex relatív fejlettségi index országos szinten is meghatározásra került, ezért az említett jelenség változásának időbeli vizsgálata országos szinten is elvégezhető. 2. A hazai kistérségek kiinduló fejlettségi állapotát és fejlődési ütemét regressziós modellben összevetve megállapítottam, hogy az említett területegységek közötti fejlettségi különbségek a vizsgált tizenkét éves időszakban átlagosan nőttek, ez a folyamat azonban nem volt egyenletes. Az alacsonyabb kezdeti fejlettségi szinten lévő kistérségek esetében a fejlettségi különbségek növekedése, míg a fejlettebbek esetén – fokozatos átmenettel – annak csökkenése tapasztalható. Ezzel együtt az is megállapítást nyert, hogy a legkisebb fejlettségi különbség a vizsgálat minden egyes évében a közepes fejlettségi szinten lévő kistérségek között mérhető. Szórás típusú mutatóval végzett vizsgálataim arra is rámutattak, hogy a fejlettségi különbségek növekedése idődimenzióban sem egyenletesen, hanem enyhén csökkenő ütemben következett be. A feltárt differenciálódási folyamatok kapcsán megállapítást nyert, hogy a Williamson hipotézis idődimenzióban komplex fejlettség esetén is érvényesül, ugyanakkor a jövedelmi folyamatok mentén tapasztalható tendenciához képest némi időbeli eltolódás (késés) tapasztalható. 3. A kistérségek fejlődési ütemét összevetve azok belső differenciálódási ütemével megállapítást nyert, hogy a nagyobb fejlődési ütemet produkáló területegységek tendenciózusan kevésbé differenciálódtak. Ezzel összhangban vizsgálatim azt is kimutatták, hogy az elemzett időszak kezdetén a fejlettebb kistérségek tendenciaszerűen nagyobb belső differenciáltságot mutattak, majd ez fokozatosan módosult, és az időszak végére éppen ellentétes összefüggés volt tapasztalható. A feltárt folyamatok a Williamson hipotézis keresztmetszetben történő érvényesülését sejtetik, a részletesebb vizsgálatok azonban rámutattak, hogy a hipotézis ebben az aspektusban nem érvényesül, a fordított „U” alakkal szemben egy normál „U” alak figyelhető meg, melynek a vizsgált időszak első felében a növekvő, a második felében pedig a csökkenő ága dominál. Vizsgálati eredményeimet összevetve a jövedelmi folyamatok kapcsán tapasztalt eredményekkel az

129

tapasztalható, hogy az idődimenzióban végzett elemzés estén már jelzett „késés” itt is jelentkezik. 4. Két osztályozási eljárás kombinációjaként a kiinduló fejlettség és a fejlődési ütem dimenziójában olyan kistérségi csoportokat sikerült létrehoznom, melyek mindkét csoportosító tényező kapcsán a lehető leghomogénebbek, egymástól a lehető leginkább elkülönülnek, ugyanakkor egyértelműen és következetesen elnevezhetők. A két csoportosítási eljárás kombinációjával – a feltétlenül szükséges kompromisszumok mellett – sikerült egyesítenem azok előnyös tulajdonságait, a hátrányaik kiküszöbölésével együtt. 5. Meghatároztam az ország területén kirajzolódó fejlődési erővonalakat és zónákat. Ennek kapcsán megállapítottam, hogy a dinamikusan fejlődő kistérségek által alkotott erővonal az M5-ös és M1-es autópálya mentén húzódik, melynek a kétoldali perifériáján elhelyezkedő területegységek dinamikusan és erőtelesen fejlődő erővonalat rajzolnak ki. Szintén az imént említett kategóriába tartozó kistérségek helyezkednek el az M3-as autópálya Heves megyei szakaszán is. A fejlődési szempontból legkedvezőtlenebb helyzetben lévő kistérségek az északnyugati határvidéket kivéve, az országhatár mentén szinte egybefüggő sávban alkotják a gyengén és rendkívül gyengén fejlődő területegységekből álló fejlődési erővonalat. Ez a zóna kiszélesedik a Dél-Dunántúli régióban Baranya és Somogy megye területén, illetve a keleti határvidék középső szakaszán, valamint széles sávban vonul végig hazánk északi határának keleti felén. 6. A komplex relatív fejlettségi index és az egy főre jutó GDP kapcsolatának trendelemzése rámutatott, hogy hazánkban a vizsgált időszakban a társadalmi és gazdasági fejlettséget egyre inkább az egy főre jutó GDP által jellemzett gazdasági fejlettség determinálta, azaz a társadalmi és a gazdasági fejlettség egyre szorosabb összefüggést mutatott egymással. Ezzel párhuzamosan vizsgálataim arra is rámutattak, hogy a vándorlási egyenleg, illetve a társadalmi és gazdasági fejlettség közötti pozitív irányú kapcsolat az elemzett időszakban tendenciaszerűen erősödött, tehát a lakosság fejlettebb területek felé történő vándorlása egyre markánsabban rajzolódik ki.

130

7. KÖVETKEZTETÉSEK ÉS JAVASLATOK 1. A komplex relatív fejlettségi index formájában megalkotott mutatószám lehetőséget teremt arra, hogy az egyes területegységek gazdasági és társadalmi életét irányító, szervező és fejlesztő önkormányzatok illetve egyéb szervezetek saját munkájuk eredményességét értékeljék, valamint a jövőbeli fejlesztési stratégiák irányát és tartalmát kidolgozzák. 2. A matematikai és statisztikai szempontok alapján lehatárolt mutatóstruktúra eredményesen alkalmazható későbbi két- és többváltozós statisztikai módszerekre épülő területalapú fejlettségi vizsgálatok lefolytatása során. Elemzés tárgyává tehető például a társadalmi és gazdasági fejlettség egyes dimenzióinak részletes vizsgálata, az egyes dimenziók közötti összefüggések feltárása, valamint azok fejlettségre gyakorolt hatásának értékelése. A komplex relatív fejlettségi index alapot teremt más kutatások megállapításainak jelen vizsgálat eredményeivel történő egyszerű összehasonlítására, valamint jövőbeni vizsgálatok változójaként szerepeltetve egyszerűsítheti azok végrehajtását. 3. A hazai kistérségek kiinduló fejlettségi állapota és fejlődési üteme által kirajzolt tendenciából nem csak az következik, hogy a legelmaradottabb területek felzárkóztatására tett kísérletek eredménytelenek maradtak, hanem az is, hogy a vizsgált időszakban az említett térségeknek nem pusztán egy enyhe lemaradása, mintsem inkább egy erőteljes leszakadása tapasztalható. A kistérségek belső tagoltságának elemzéséből ugyanakkor az a következtetés is levonható, hogy a vizsgált időszak alatt a legelmaradottabb területek nem csak hogy leszakadtak az ország fejlettebb területeitől, hanem az itt lévő települések közötti fejlettségi különbségek is intenzívebben növekedtek. 4. A fentiek alapján javaslom az egyes kistérségek és települések közötti együttműködések kialakítását és fejlesztését, úgy egyéni, mint szervezeti szinten. A szervezeti szinten jól működő területi kapcsolatok javíthatják a fejlesztési források elnyerésének esélyét és azok költséghatékony felhasználást, továbbá segíthetik a fejlődésre kedvezően ható helyi kezdeményezések elterjedését. Az egyéni kapcsolatok a gazdasági hasznokon túl kedvezően befolyásolhatják az adott területen élő lakosság humánfejlődését, javítva ezzel az élet minőségét. Az elmaradott területek közötti együttműködés megvalósítása mellett fontos, hogy a helyi fejlesztésekért felelős szervezetek képviselői folyamatos és aktív lobbi tevékenységet végezzenek, melynek során a kormányzati döntéshozók, a sajtó, és ezen keresztül az egész társadalom figyelmét tartósan a hátrányos helyzetű területekre irányíthatják, ezzel is elősegítve a fejlesztési források megszerzését. Véleményem szerint a fentiekben megfogalmazott javaslataim

131

hozzájárulhatnak a kistérségek belső és egymás közötti differenciáltságának csökkentéséhez, valamint a differenciálódási folyamat kapcsán föltárt kutatási eredményeimből következő leszakadás mérsékléséhez. 5. A komplex relatív fejlettség és a jövedelem kapcsán mért differenciálódási folyamatok időbeli eltolódásából az a következtetés vonható le, hogy a jövedelmek terén bekövetkező változások a differenciálódási folyamatokban előbb jelentkeznek, a komplex fejlettség vonatkozásában ezek a hatások a jövedelmi folyamatokat követve alakulnak ki. A jövedelmi folyamatok kapcsán feltárt változások tehát előre jelzik a társadalmi és gazdasági fejlettség kapcsán várható folyamatokat. 6. Mivel az elmaradott területeken a helyi adottságokat kihasználva főként a mezőgazdasági vállalkozások dominálnak, ezért véleményem szerint rövidtávon a felzárkóztatást a mezőgazdasági potenciálra építve lehetne megvalósítani. A fogyasztók által egyre inkább igényelt, az egészséges táplálkozás alapját képező minőségi mezőgazdasági termékek előállításával, és az erre épülő feldolgozóipar újraélesztésével egy olyan életképes ágazat kibontakozását lehetne megteremteni, mely jól képzett szakemberek irányításával a kevésbé iskolázott munkavállalók számára is munkát és megélhetést tudna biztosítani. A mezőgazdasági területek művelésben tartása nem pusztán a megtermelt termékek révén eredményezne gazdasági hasznot, hanem a rendezett táj, az esztétikus természeti környezet a turizmusban rejlő gazdasági előnyök jobb kihasználását is elősegítené. Mindezek mellett a mezőgazdasági termelésben rejlő lehetőségek kiaknázását jelentheti a bioenergia előállítása is, mely a fosszilis készletek kimerülésével, az egyre növekvő energiaigénnyel, és a környezettudatosság egyre intenzívebb megjelenésével egyre nagyobb hangsúlyt kap napjaink gazdaságában. 7. Nem csak gazdasági, hanem kulturális értelemben is pozitív eredménnyel járna, az elmaradott térségekben élők által még művelt ősi kézműves mesterségek életben tartása, a fiatalabb népesség körében történő elterjesztése, valamint az így elkészült termékek és nyújtott szolgáltatások számára piaci lehetőségek biztosítása. Napjainkban a hagyományos építkezési formák, használati tárgyak, ételek és italok egyre inkább előtérbe kerülnek, így ezen a téren piaci kereslet már napjainkban is jelentkezik, ami a jövőben vélhetően fokozódni fog, megteremtve ezzel az alapját az ilyen jellegű tevékenységeket végző családok megélhetésének. Az utóbbi két pontban megfogalmazottakkal nem pusztán az elmaradott területeken élők anyagi biztonsága lenne a saját maguk által végzett termelőtevékenység eredményeként megteremthető, hanem a felnövekvő nemzedék elé állított minta útján a munkára nevelés is előtérbe kerülne.

132

8. Véleményem szerint az elmaradott kistérségek hosszú távú felemelkedésének alapját az oktatás fejlesztése jelentheti. A magasabban képzett munkavállaló nagyobb hozzáadott érték előállítására képes, mely mellett a társadalomra is kevesebb terhet róva, maga is teljesebb és jobb minőségű élet él. A humántőke fejlesztése bár kétség kívül sok időt és nem kevesebb pénzt fölemésztő folyamat, ugyanakkor az is belátható, hogy az elmaradott kistérségeket jellemző probléma alapjaiban a humántőke fejlesztése útján kezelhető. Az itt megfogalmazottak elérése érdekében törekedni kell a fiatalkorú lakosság iskolarendszerbe történő beintegrálására, a minél magasabb iskolai végzettség eléréséhez szükséges feltételek megteremtésére, valamint az idősebbek számára szakmát adó tanfolyami lehetőségek biztosítására. 9. A komplex relatív fejlettségi index és az egy főre jutó GDP kapcsolatának trendelemzése arra engednek következtetni, hogy a vizsgált időszakban a központi újraelosztás hazánkban egyre kisebb eredményességgel működött. Jól működő újraelosztási rendszer esetén, a komplex társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP-vel mért gazdasági fejlettség között gyengébb összefüggésnek kellene lennie, vagy legalábbis az egyre hatékonyabb állami szerepvállalást tükrözve, a kapcsolat erősségének csökkenő tendenciáját kellene mutatnia. A társadalmi és gazdasági fejlesztéseket érintő nem kielégítő újraelosztásban vélhetően a korrupció is szerepet játszik, ez a jelenség ugyanis a fejlődés jelentős visszafogó tényezője. Az állami beruházások költségei a korrupció miatt több mint ötven százalékkal is növekedhetnek (Papanek 2005).

10. A vándorlási egyenleg, az egy főre jutó GDP, és a komplex relatív fejlettségi index kapcsolatrendszerének elemzése alapján arra lehet következtetni, hogy a vizsgált időszakban a népesség mozgását a jobb foglalkoztatás, valamint az ezzel együtt járó magasabb társadalmi és gazdasági fejlettség befolyásolta. Megítélésem szerint az elmaradott térségek közlekedési infrastruktúrájának fejlesztésével megállítható lenne az említett területek elnéptelenedése. Ezzel nem csak a munkahelyteremtő beruházások növekedését lehetne elérni a hátrányos helyzetű térségekben, hanem a gyors, megfizethető, kényelmes és egyben környezetkímélő vasúti közlekedés segítségével az is megoldhatóvá válna, hogy az ott élő munkavállalók rövid idő alatt jussanak el a tőlük távolabb lévő munkahelyekre. A közlekedési infrastruktúra fejlesztése és fenntartása a központi költségvetésre kétségkívül anyagi terheket ró, véleményem szerint azonban ez egyrészt a feladatai közé tartozik, másrészt más területeken megtakarításokat jelent. A fenti fejlesztések eredményeként a népesség helybenntartásával megőrzött fizetőképes kereslet alapját jelenthetné a további fejlődésnek, másrészt a jelenleg fejlett területek túlzsúfoltsága is mérsékelhető lenne, ami az ott élő lakosság életminőségét javítaná.

133

134

ÖSSZEFOGLALÁS A regionális politika cél- és eszközrendszerét áttekintve arra jutottam, hogy időszerűnek tekinthető egy olyan kutatás lefolytatása, mely a társadalmi és gazdasági fejlettség terén elmaradott területek felzárkóztatására tett erőfeszítések eredményességét hivatott vizsgálni a rendszerváltást követő időszak Magyarországán. A társadalmi és gazdasági fejlettség fogalmi körüljárása során azt tapasztaltam, hogy ezen a téren alapvetően két szemlélet áll egymással szemben. Az Európai Unió és a tagországok gazdaságpolitikájában a fejlettség és a fejlődés alapvető célja a megtermelt jövedelem növelése. Ebben a szemléletben a nagyobb jövedelem egyenlő a magasabb életszínvonallal, a jobb életminőséggel. Az ellentábor véleménye ezzel szemben úgy foglalható össze, hogy a jövedelem eszköze és nem célja a fejlődésnek, így a jövedelem a fejlettséget és a fejlődést determináló számos tényezőnek csupán az egyike, és nem maga a fejlettség illetve a fejlődés megjelenítője. A társadalmi és gazdasági fejlettség tehát egy olyan komplex jelenség, mely több tényező együttes hatásaként alakul ki, és ennek megfelelően több mutató segítségével válik mérhetővé. Az itt megfogalmazottak alapján dolgozatomban egy területegység társadalmi és gazdasági fejlettségén illetve fejlődésén a vizsgálatban szereplő mutatók által kijelölt dimenziók mentén mérhető pozíciót, illetve előrelépést értek. A társadalmi és gazdasági fejlettség terén a rendszerváltást követő időszakban folytatott hazai kutatásokat áttekintve, az állapotvizsgálatok jelentős túlsúlyát tapasztaltam. Az állapotvizsgálatokhoz képest lényegesen kisebb számban megjelenő folyamatvizsgálatok vagy a jövedelemre és a munkanélküliségre – mint a társadalmi és gazdasági fejlettség kiemelt mutatóira – fókuszálva a fejlettségi különbségek változását szórás-típusú mutatók (szigma konvergencia) alapján mérik, vagy ha a fejlettséget komplex jellegénél igyekeznek megragadni, akkor az elemzésben a komplexitás csekély számú indikátoron keresztül jelenik meg, a vizsgálat rövid időszakot ölel fel, és ezen időszakon belül is csak néhány időpontban történik az adatfelvétel. Az itt megfogalmazottak alapján dolgozatomban egy olyan sok mutatóra épülő komplex fejlettségi vizsgálatot hajtottam végre, amely a rendelkezésre álló adatbázis nyújtotta keretek között a lehető leghosszabb időintervallumot felöleli, a vizsgált időszak összes lehetséges időpontjában mér, a társadalmi és gazdasági fejlettség területi folyamataira fókuszál, a fejlettségi különbségeket a kiinduló fejlettségi állapot és a fejlődési ütem összefüggése (béta konvergencia) alapján is méri, központi területi szintként a kistérségekre összpontosít, de a fölépítésre kerülő modell a teljesség igényével minden területi szintet magába integrálva, azokat egymással is összevethetővé teszi. Kutatómunkám során a fentiekkel összhangban célként tűztem ki annak feltárását, hogy milyen folyamatok zajlottak le a társadalmi és gazdasági

135

fejlettség terén a magyarországi kistérségek egymáshoz való viszonyában a rendszerváltást követő időszakban. Ahogyan a megfogalmazott célkitűzésből is látható, kutatásom a társadalmi és gazdasági fejlettség komplex szemléletű elemzése kapcsán – az állapotvizsgálatokra koncentráló eddigi kutatásokkal szemben – a folyamatok feltárására fókuszál, és énnek keretében az alábbi kérdésekre keresi a választ: Milyen irányú összefüggés mutatható ki: 1) a hazai kistérségek kiinduló fejlettségi állapota és az azóta eltelt időben bejárt fejlődési pályája között? 2) a vizsgált területegységek fejlődési üteme és fejlettségük belső differenciálódása között? 3) A kiinduló fejlettségi állapot és a vizsgált időszakra jellemző fejlődési ütem alapján léteznek-e olyan csoportok, melyek az említett két csoportosító tényező mellett másban is egymáshoz hasonló kistérségeket tartalmaznak? 4) Lehatárolható-e a vizsgált területegységeknek egy olyan csoportja, mely a kiinduló fejlettség és a fejlődési ütem alapján is átlag alattinak tekinthető? 5) Ha létezik a hazai kistérségeknek a fent említett mindkét tényező szerint átlag alatti halmaza, akkor az milyen jellemvonásokkal rendelkezik, és ez alapján milyen lehetőségek kínálkoznak az idetartozó területegységek felzárkóztatására? 6) A vizsgált időszak alatt változik-e a társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP által jellemzett gazdasági fejlettség közötti kapcsolat iránya és erőssége? A felvetett kutatási kérdésekhez az alábbi hipotéziseket fogalmaztam meg: H1: A kiinduló helyzetben fejlettebb kistérségek a vizsgált időszakban tendenciaszerűen nagyobb fejlődési ütemmel rendelkeznek. H2: A vizsgált időszak alatt nagyobb fejlődési ütemű kistérségek belső differenciálódása kisebb, és az utolsó vizsgált évben a fejlettebb kistérségek belső differenciáltsága is kisebb a fejletlenebb kistérségek belső differenciáltságánál. H3: A kedvező fejlettségi és fejlődési pozícióban lévő kistérségek főként megyeszékhelyű központokkal rendelkeznek, vagy Pest megyében helyezkednek el. Ezzel szemben a fejlettségi és fejlődési vonatkozásban is hátrányos helyzetű kistérségek elsősorban az ország keleti és déli részére koncentrálódó, főként az országhatárhoz közeli területek. H4: Lennie kell olyan kistérségi csoportnak, amely a kiinduló fejlettségi állapotát és a vizsgált időszakban produkált fejlődési ütemét tekintve is átlag alatt van.

136

Az alacsony fejlettségű és fejlődési ütemű kistérségek főként mezőgazdasági orientációjúak, és az itt élő népesség iskolázottsága alacsony. H6: A társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP-vel jellemzett gazdasági fejlettség között pozitív irányú, és tendenciaszerűen erősödő kapcsolatot tételezek fel.

H5:

A vizsgálataimhoz az 1996 és 2007 között eltelt időszakra, 3124 település, 173 kistérség, 19 megye, 7 régió és az ország egészének jellemzése céljából, egy matematikai és statisztikai alapokon álló koherens modellt alkottam úgy, hogy a fővárost túlzott dominanciája miatt minden területi szinten kizártam a modellalkotásból. A társadalmi és gazdasági fejlettséget – elsősorban kistérségi szinten – hét kijelölt fejlettségi dimenzió mentén vizsgáltam, 34, szakmai és matematikai szempontok alapján relevánsnak ítélt indikátor segítségével, melyeket 220 alapmutatóból szűrtem le. A vizsgált jelenség mérhetővé tétele, és ezáltal az elemezni kívánt területegységek jellemzése céljából a fentebb említett modellt úgy alkottam meg, hogy a társadalmi és gazdasági fejlettség jelen körülmények között mérhető dimenziói a modell eredményeként egy összevont indexben jelenjenek meg, mely index térben és időben összehasonlítható módon képes jellemezni a vizsgált területegységek társadalmi és gazdasági fejlettségét. A modellalkotás során a Humán Fejlettség Indexének módszertanát vettem figyelembe, melyet az egyes alkotóelemek súlyozása, és az index értékeinek időbeli, valamint az egyes területi szinteket is magába foglaló térbeli összehasonlíthatósága kapcsán egészítettem ki. A fentebb már említett folyamatelemzés érdekében a komplex index által alkotott idősorokra minden említett területegység kapcsán lineáris trendfüggvényt illesztettem, mely függvény meredekségével jellemeztem az egyes területegységek vizsgált időszakra vonatkozó fejlődési ütemét. Az első kutatási kérdést az 1996-ra jellemző komplex fejlettségi index, valamint a fent említett trendfüggvények meredeksége által megjelenített fejlődési ütem összevetésével válaszoltam meg. Eredményül azt kaptam, hogy a nagyobb kezdeti fejlettségi szinten lévő kistérségek a vizsgált időszakban tendenciaszerűen nagyobb fejlődési ütemet produkáltak, tehát az elemzett területegységek közötti fejlettségi különbségek 1996 és 2007 között átlagosan nőttek. Bár a kistérségek komplex fejlettségük kapcsán a jelzett időszakban átlagosan differenciálódtak, ez a folyamat a kiinduló fejlettségi állapot mentén nem volt egyenletes. A kezdeti fejlettségi szint növekedésével párhuzamosan a hazai kistérségek tendenciaszerűen egyre kisebb mértékben de távolodtak egymástól, majd ez a folyamat közeledésbe ment át. Az itt megfogalmazottak a legalacsonyabb kiinduló fejlettségi szinttel rendelkező kistérségek

137

legintenzívebb leszakadását jelentik, amely leszakadási folyamat a kiinduló fejlettségi állapot növekedésével párhuzamosan csökken, és a legnagyobb kezdeti fejlettséggel rendelkező kistérségek esetén felzárkózásra vált. A fenti kutatási kérdés kapcsán megfogalmazott hipotézis csak az átlagot figyelembe véve igazolható, hiszen a tendenciák alaposabb vizsgálata rámutatott, hogy a magasabb kezdeti fejlettséggel rendelkező tartományban az említett összefüggésnek a fordítottja áll fenn. Az első kutatási kérdés kapcsán arra is fény derült, hogy az elemzés tárgyát képező időszakban a legfejlettebb kistérségek közötti fejlettségi különbségek ugyan csökkentek, ennek ellenére a vizsgált időszak utolsó évében sem a legfejlettebb területegységek között mérhető a legkisebb fejlettségi különbség. Fejlettség vonatkozásában a vizsgálat minden egyes évében a közepes fejlettségi szinten lévő kistérségek térnek el egymástól a legkevésbé. Szintén az első kutatási kérdés mutatott rá arra is, hogy az idő előrehaladtával a kistérségek közötti fejlettségi különbségek csökkenő ütemben nőnek, ezzel kapcsolatban meg kell azonban jegyezni, hogy a növekedési ütem csökkenésének a mértéke rendkívül csekély. Az itt felvázolt tendencia azt jelzi, hogy a Williamson hipotézis idődimenzióban komplex fejlettség vonatkozásában is igazolható, vizsgálataim ugyanakkor arra is rámutattak, hogy a jövedelmi folyamatokhoz képes a komplex fejlettség kapcsán némi időbeli eltolódás (késés) tapasztalható. A területi szintű fejlődés és a belső differenciálódás kapcsolatára irányuló vizsgálatok eredményeként kiderült, hogy a vizsgált időszakban a nagyobb fejlődési ütemet produkáló kistérségek belső differenciálódási üteme tendenciaszerűen kisebb volt, tehát a nagyobb fejlődést produkáló kistérségek tendenciaszerűen kevésbé differenciálódtak. Az itt megfogalmazottakat igazolja az is, hogy 1996-tól 2001-ig a fejlettebb kistérségek belső differenciáltsága tendenciaszerűen nagyobb volt, azonban az említett területegységek belső differenciáltsága terén meglévő különbségek tendenciaszerűen kiegyenlítődtek. 2002-től az említett összefüggés az előző időszakhoz képest megfordult, és a fejletlenebb kistérségek váltak differenciáltabbá. Ez a folyamat a vizsgált időszak végéig folytatódott, tehát a fejletlenebb kistérségek differenciáltsága a fejlettebbekhez képest tendenciaszerűen fokozódott. A kistérségi szintű fejlődés és belső differenciálódás kapcsán fölvetett hipotézis a fentiek alapján beigazolódott. A kistérségek fejlettsége és a belső differenciáltsága közötti kapcsolat elemzése rávilágított arra is, hogy a Williamson hipotézis keresztmetszetben nem érvényesül, a két tényező közötti a kapcsolat várt fordított „U” alakhoz képest egy normál „U” alakot mutat, melynek az időszak első felében a növekvő, a második felében pedig – fokozatos átmenettel – a csökkenő ága dominál.

138

A harmadik kutatási kérdés megválaszolása érdekében a hazai kistérségeket a kiinduló fejlettségi állapotuk és a vizsgált időszakra jellemző fejlődési ütemük alapján kategorizáltam. A csoportosítás során fő célkitűzésként fogalmaztam meg, hogy a lehető leghomogénebb és egymástól a lehető leginkább elkülönülő csoportok alakuljanak ki oly módon, hogy azok az említett két dimenzió mentén egyértelműen és következetesen elnevezhetők legyenek. A megfogalmazott célkitűzés elérése érdekében a két ismérv kategóriáinak a kijelölésére, majd a kistérségek mechanikus besorolásra épülő hagyományos módszert kombináltam a klaszteranalízissel. A klaszteranalízis a lehető leghomogénebb és egymástól a lehető leginkább elkülönülő csoportok kialakítását, a hagyományos módszer pedig a csoportok egyértelmű és következetes elnevezhetőségét segítette. Az említett két eljárás együttes alkalmazásával a célkitűzésnek leginkább megfelelő tíz kistérségi csoportot különítettem el, melyek közül hátrányos helyzetűnek tekintem a mindkét dimenzióban szignifikánsan átlag alatt elhelyezkedőket. A harmadik kutatási kérdés kapcsán bizonyítást nyert, hogy: (1) Az elemzett időszakban a Pest megyei kistérségek a többihez képest fejlettségi pozíciójukon javítottak, és ebben a megyében négy olyan kistérség található, amely a legfejlettebb kategóriában megerősítette helyzetét. (2) Az imént említett területegységek Budapesttől mért távolsága fejlődési ütemüket nem befolyásolta, kiinduló fejlettségi állapotuk vonatkozásában azonban meghatározó volt. (3) A megyeszékhelyű központtal rendelkező kistérségek dominanciája megerősödött illetve fokozódott, mely alól kivételt képez a Salgótarjáni és a Kaposvári kistérség. (4) A hátrányos helyzetű területek az ország keleti és déli részére koncentrálódnak, melyen belül Borsod és Szabolcs-Szatmár-Bereg megye helyzete különösen súlyosnak tekinthető. (5) A Balaton környéki kistérségek többi kistérséghez mért versenyelőnye a vizsgált időszakban csökkent. (6) Hazánk északnyugati határát kivéve, a határ menti kistérségek szinte teljes egészében a hátrányos helyzetű területegységek közé tartoznak. A fentiek alapján a harmadik hipotézis beigazolódott. A harmadik kutatási kérdés világított rá az ország területén kirajzolódó fejlődési erővonalakra is. A dinamikusan fejlődő kistérségek által alkotott erővonal az M5-ös és M1-es autópálya mentén, a legjobban fejlődő kistérségeket foglalja magába. A dinamikusan fejlődő zóna kétoldali perifériáján húzódnak végig a dinamikusan és erőtelesen fejlődő területegységek, ezzel is jelezve a legkedvezőbb fejlődési zónától történő távolodás fejlődési ütemre gyakorolt kedvezőtlen hatását. Dinamikusan és erőteljesen fejlődő kistérségeket magába foglaló erővonal húzódik végig az M3-as autópálya Heves megyei szakaszán is, meg kell azonban jegyezni, hogy a Füzesabonyi kistérség fejlődési ütemét tekintve nem illeszkedik a többi kistérség közé. Ahogyan arról fentebb már szóltam, a fejlődési szempontból legkedvezőtlenebb helyzetben lévő kistérségek az északnyugati határvidéket kivéve, az országhatár mentén szinte egybefüggő sávban alkotják a gyengén és rendkívül gyengén fejlődő területegységekből álló

139

fejlődési erővonalat. Ez a zóna kiszélesedik a Dél-Dunántúli régióban Baranya és Somogy megye területén, illetve a keleti határvidék középső szakaszán, valamint széles sávban vonul végig hazánk északi határának keleti felén. A fejlődési erővonalak autópálya-hálózattal való összefüggése ráirányította a figyelmet a főváros elérhetősége és az egyes kistérségek fejlődési üteme közötti összefüggés feltárására. Ennek kapcsán a két említett tényező között 2007-re vonatkozóan közepes erősségű negatív irányú korrelációt állapítottam meg. Az eredményből az következik, hogy a nagyobb fejlődési ütemet mutató kistérségek központjából 2007-ben Budapest rövidebb idő alatt volt elérhető, mint a kisebb fejlődési ütemmel rendelkező kistérségek központjából. A kapott érték természetesen nem csak a közúti közlekedési infrastruktúra minősége és az egyes kistérségek fejlődési üteme közötti kapcsolatot tükrözi, hanem az ország főváros centrikusságára is utal, ugyanis az eredményt nyilvánvalóan befolyásolja az egyes kistérségek Budapesttől mért távolsága is. A fejlettség és a fejlődési ütem vonatkozásában is átlag alatti kistérségek kapcsán fölállított hipotézis már a kiinduló fejlettségi állapot és a fejlődési ütem kapcsolatának feltárásával igazolást nyert, és ezzel párhuzamosan az ide kapcsolódó kutatási kérdés is megválaszolásra került. Az ugyanis, hogy az említett két tényező között pozitív irányú kapcsolat van, nyilvánvalóvá teszi, hogy lenniük kell olyan kistérségeknek, melyek mindkét dimenzióban átlag alatt helyezkednek el. Ezt a megállapítást az említett területegységek fentiekben már tárgyalt csoportosítása is megerősítette. A hátrányos helyzetű kistérségek vizsgálata kapcsán megállapítható, hogy az említett területegységeket főként az alacsony iskolázottság, ezzel összhangban az aluliskolázott és ugyanakkor tartós munkanélküliek magas aránya jellemzi. Az ágazati szerkezetet vizsgálva az tapasztalható, hogy a hátrányos helyzetű területegységek kizárólag a mezőgazdaság terén rendelkeznek kihasználható adottságokkal a fejlettség és a fejlődési ütem szempontjából kedvezőbb helyzetben lévő kistérségekhez képest. Mindezek mellett az is látható, hogy a hátrányos helyzetű területek ágazati szerkezetében az ipari tevékenységet felölelő szektor hátránya hangsúlyos. Jelen esetben ez azért is különösen problematikus, mert az egyéb ipari tevékenység háttérbe szorulása utalhat a feldolgozóipar fejletlenségére is, ami fokozottabb jelenlét esetén a mezőgazdasági termékek hozzáadott értékét növelve, javítaná a térség jövedelemtermelő képességét, és a foglalkoztatásra is kedvező hatást gyakorolna. Mindezek a tényezők multiplikatív módon eredményezhetnék a hátrányos helyzetű kistérségek jelentős részének felzárkóztatását. A fentiek alapján az ötödik hipotézis is igazolást nyert. Az általam alkotott komplex index-el mérhető társadalmi és gazdasági fejlettség, valamint az egy főre jutó GDP által jellemzett gazdasági fejlettség közötti kapcsolat elemzése a hatodik hipotézist is beigazolta, és ennek megfelelően az

140

ide kapcsolódó kutatási kérdés is megválaszolásra került. Az említett két tényező közötti kapcsolat erőssége arra utal, hogy hazánkban a vizsgált időszakban a központi újraelosztás egyre kisebb eredményességgel működött, ami összhangban áll azzal a korábbi megállapítással, mely szerint a vizsgált időszakban a fejletlen területek felzárkóztatására tett kísérletek kevés eredménnyel jártak. Ezen vizsgálat rámutatott arra is, hogy a vizsgált időszakban a népesség a foglalkoztatatás szempontjából kedvezőbb feltételeket biztosító, nagyobb egy főre jutó GDP-vel rendelkező, és ezzel együtt összességében fejlettebb területek felé vándorolt, mely folyamat a vizsgált időszak alatt egyre markánsabban rajzolódott ki, és nagy valószínűéggel a vizsgált időszakot követően is folytatódik. A fentiek alapján az elmaradott területek helyzetének javítása érdekében célszerűnek látom az egyes területegységek közötti együttműködések kialakítását és fejlesztését, a mezőgazdasági potenciálban és a természeti adottságokban rejlő lehetőségek kihasználást, a közlekedési infrastruktúra javítását, az oktatás és képzés lehetőségeinek kiszélesítését, valamint a társadalmi és gazdasági fejlesztést célzó központi újraelosztás hatékonyságának javítását, például a korrupció visszaszorításán keresztül. Véleményem szerint az itt megfogalmazottak eredményeként javulna a hátrányos helyzetű területek népesség megtartó és népesség eltartó képessége, mely egyben azok hosszú távú társadalmi és gazdasági fejlődését is jelentené. Az elmaradott területek felzárkózatására tett lépések eredményességének értékelésére alkalmasnak ítélem azt a komplex relatív fejlettségi indexet, melyet kutatómunkám során a társadalmi és gazdasági fejlettség illetve fejlődés mérésére alkottam meg.

141

142

SUMMARY In view of the targets and tools of regional policy, I have come to the conclusion that it is time to conduct a study in order to assess the efficiency of the measures taken with the aim of helping the catch-up of socially and economically backward regions in Hungary during a certain period after the change of the political system. As to the meaning of social and economic development, there are two opposing notions. According to the economic policy of the European Union and the Member States, the main purpose of the state and pace of development is to increase the generated income. Along the lines of this notion higher income equals a higher standard of living and better quality of life. However, according to the advocates of the other notion, income is only a tool and not the purpose of development; in other words, instead of being the manifest of the state and pace of development, income is only one of many factors that determine the state and pace of development. As a matter of fact, the state of social and economic development is a complex phenomenon shaped by the joint forces of several factors and can therefore be measured only with several indicators. In view of the foregoing, the state and pace of social and economic development of an area unit means, for the purposes of this study, the position or progress that can be measured against the dimensions determined by the study indicators. The review of domestic studies conducted with regard to the state of social and economic development after the change of the political system shows a significant majority of status studies. Having a much smaller number than that of status studies, the process studies either measure – by focusing on income and unemployment i.e. the two major indicators of social and economic development – the change of development differences on the basis of deviation-type indicators (sigma convergence), or try to capture the complex nature of development but in this case the studies deal with complexity only through a small number of indicators, the study period is short and, even during such short period, data are acquired only on a few occasions. In view of the foregoing, I have conducted such a complex development study on the basis of multiple indicators which covers – within the framework of the available database – the longest possible period, makes measurements on every possible date of the study period, focuses on the regional processes of social and economic development, measures the development differences also on the basis of the relationship between the initial state of development and the pace of development (beta convergence) and focuses on microregions, although the new model integrates all area levels and makes their comparison possible. In accordance with the foregoing, I have decided to examine the processes of social and economic development among the microregions of Hungary during the period after the change of the political system.

143

As it is clear from the defined purpose, unlike the former status studies, my study – coupled with a complex analysis of social and economic development – focuses on processes and wishes to answer the following questions: What kind of correlation can be seen between: 7) the initial state of development and the progress made since that initial stage in Hungarian microregions? 8) the pace of development of the studied area units and the internal differentiation of their state of development? 9) Based on the initial state of development and the study period’s pace of development, are there such groups that include microregions that show similarities in terms of the two grouping factors as well as other aspects? 10) Is it possible to separate a group from the studied area units that is considered below the average as to both the initial state of development and the pace of development? 11) If the Hungarian microregions have a below-the-average set in terms of both of the above factors, what are the properties of such set and what possibilities are available for the catch-up of the affected area units? 12) Is there any change in the direction and strength of the relationship between the social and economic development and the per capita GDP-based development during the study period? The following hypotheses have been worked out for the above questions: H1: The initially more developed microregions tend to show a higher pace of development during the study period. H2: During the study period the microregions with a higher pace of development show a smaller internal differentiation, while in the last study year the internal differentiation of the more developed microregions is smaller than that of the less developed microregions. H3: The microregions with a promising state and pace of development mostly have county-seat centers or are located in Pest county. At the same time, the microregions with an adverse state and pace of development are mostly located in the eastern and southern part of the country, mainly close to the border. H4: There must be a group of microregions where both the initial state of development and the pace of development are below the average. H5: The microregions with a poor state and pace of development are mostly agriculturally oriented and their inhabitants are poorly qualified. H6: It is assumed that there is a positive and gradually strengthening relationship between the level of social and economic development and the level of economic development based on per capita GDP.

144

For the purpose of the study of the period between 1996 and 2007 and the description of 3124 settlements, 173 microregions, 19 counties, 7 regions and the country as a whole, I have designed a coherent model on mathematical and statistical bases from where, due to its excessive dominance, the capital (Budapest) was left out entirely. I have studied the state of social and economic development – mostly at the level of microregions – against seven development dimensions with the use of 34 indicators – thought to be relevant on the basis of technical and mathematical criteria – obtained from 220 basic indicators. In order to quantify the relevant phenomenon and to describe the area units in question, I have designed the above model so that the currently measurable dimensions of the state of social and economic development will appear, as a result of the model, in a consolidated index suitable for the description and comparison (both in time and space) of the state of social and economic development of the area units in question. For the design of my model I have used the Human Development Index method but completed it so that the components can be weighed and that the index values can be compared in time and space (including the individual area levels). In order to achieve the abovementioned process analysis, for each relevant area unit a linear trend function was assigned to the time series of the complex index; the steepness of the functions was used to describe the pace of development of each relevant area unit during the study period. The first study question was answered through a comparison between the complex development index of 1996 and the pace of development expressed as the steepness of such trend functions. As evidenced by the results, the initially more developed microregions tended to produce a higher pace of development during the study period i.e. there was an average increase in the development differences between the relevant area units during the period from 1996 to 2007. Although in terms of their complex development the microregions showed, on average, a differentiation during the study period, but the same process was not so uninterrupted with regard to the initial state of development. As the initial state of development increased, the domestic microregions tended to become, although to an always decreasing extent, more distant from each other until they finally started getting nearer again. It led to the strongest breakaway for microregions with the lowest initial state of development; however, this breakaway process gradually decreased as the initial state of development improved and, actually, turned into a catch-up phase in the case of microregions with the highest initial state of development. As a matter of fact, the hypothesis linked to this study question can be verified only in terms of the average as, according to a more thorough evaluation of the trends, just the opposite of the above finding is true in the group of microregions with a higher initial state of development.

145

The first study question highlighted the fact that although there was a decrease in the development differences between the most developed microregions during the study period, yet it was not the most developed microregions that showed the smallest development differences in the last year of the study period. In terms of development, the averagely developed microregions showed the smallest differences in each year of the study period. Again, the first study question highlighted the fact that with the passing of time the development differences between the microregions increased at a reduced pace, although it should be noted that the extent of such reduction is very little. This trend means that Williamson’s hypothesis can be confirmed in time dimension with regard to complex development; however, my study demonstrates that complex development shows some time lag (delay) in comparison with the income processes. As to the relationship between area-level development and internal differentiation, it became evident that the microregions showing a higher pace of development during the study period tended to show a lower rate of internal differentiation, which means that in the case of microregions producing a higher pace of development there was a tendency for smaller differentiation. It is supported also by the finding that the more developed microregions tended to show higher internal differentiation from 1996 to 2001 but the differences in the internal differentiation of such area units tended to level out. From 2002 the correlation reversed and resulted in a higher differentiation of the less developed microregions. This process went on until the end of the study period i.e. the differentiation of the less developed micoregions tended to increase in comparison with the more developed ones. Thus the above findings clearly prove the validity of the hypothesis regarding microregion development and internal differences. The evaluation of the relationship between microregion development and inner differentiation also shows that Williamson’s hypothesis is not valid in cross section, given that instead of the expected inverse U-shape curve, the relationship of the two factors gives a normal U-shape curve where during the first part of the study period the uphill section is stronger but in the second part – after a gradual transition – the downhill section dominates. In order to answer the third study question the domestic microregions were categorized on the basis of their initial state of development and their pace of development during the study period. In doing so the main objective was to create homogeneous and well-separated groups so that they could be named in a consequent and straightforward manner along the said two dimensions. In order to achieve the main objective, the traditional method – based on the designation of the relevant categories and on the mechanical grouping of the microregions – was combined with cluster analysis. The cluster analysis allowed the creation of homogeneous and well-separated groups, while the traditional method permitted

146

the consequent and straightforward designation of the groups. Ten microregion groups – best fitting the objective – were separated through the joint application of the two methods, and those significantly below the average in both dimensions were considered as disadvantaged groups. As to the third study question, the following was proved: (1) During the study period the microregions in Pest county improved their development status in comparison with the others and there are four microregions in Pest county that were even able to reinforce their position in the best group. (2) Although the distance of the said microregions from Budapest did not influence their pace of development, it played a major role in terms of their initial state of development. (3) Except for the microregions of Salgótarján and Kaposvár, the dominance of microregions with county-seat centers strengthened or increased. (4) The backward areas are concentrated in the eastern and southern part of Hungary; the situation of Borsod-Abaúj-Zemplén county and Szabolcs-Szatmár-Bereg county is particularly alarming. (5) As to the microregions around Lake Balaton, their competitive edge deteriorated in the study period. (6) Except for the northwestern border of Hungary, almost all microregions along the borders belong to the group of disadvantaged area units. The foregoing is a clear proof for the third hypothesis. The third study question highlighted also the issue of development force lines emerging all over Hungary. The force line made up of dynamically developing microregions includes the best developing microregions along motorways M5 and M1. The dynamically and strongly developing area units are located on the two peripheries of the dynamic zone, clearly showing the adverse impact of the increasing distance from the best zone on the pace of development. There is a force line including dynamically and strongly developing microregions also along the Heves county section of motorway M3, although in terms of its pace of development the Füzesabony microregion stands out from the other microregions. As it was stated above, the most disadvantaged microregions make up a force line consisting of poorly and extremely poorly developing area units in an almost continuous belt along the entire country border, except for the north-western border region. This zone becomes wider in the Southern Transdanubia and in Baranya and Somogy counties as well as in the central section of the eastern country border, plus it runs in the form of a wide belt along the eastern side of the northern country border. The correlation of the development force lines with the motorway network highlighted the need to examine the link between the easy access to Budapest with the pace of development of certain microregions. In this regard a negative correlation of medium strength was determined between these two factors for 2007. It is clear from the result that in 2007 the time to reach Budapest was shorter from the center of the microregions with a higher pace of development than from the center of those with a lower pace of development. Naturally, the

147

result reflects not only a correlation between the quality of road traffic infrastructure and the pace of development of the microregions but also shows the Budapest-centered attitude of Hungary, given that the result is obviously influenced by the distance of the various microregions from the capital. The hypothesis regarding microregions where both the initial state of development and the pace of development are below the average has already been proved through the verification of a link between the initial state of development and the pace of development, and thus the related study question has also been answered. In fact, the positive correlation between the two factors makes it evident that there must be such microregions that are below the average in terms of both dimensions. This statement has also been confirmed by the abovementioned grouping of the said area units. As to the disadvantaged microregions it can be stated that these area units are characterized mainly by a low level of general education and, therefore, a high ratio of undereducated people living on long-term unemployment. The assessment of the structure of economic sectors indicates that, in comparison with the microregions that are better positioned in terms of their state and pace of development, the disadvantaged area units can offer free capacities only in the field of agriculture. It is also clear that the sector structure of the disadvantaged areas markedly and painfully lacks an industrial sector. In this case it represents a particular problem because the low level of other industrial activities may be a sign of an underdeveloped processing industry; actually, a stronger industrial presence could increase the added value of agricultural produce, improve the income generating capacity of the region and create employment opportunities. All these factors could lead, in a multiplicative manner, to the catch-up of most disadvantaged microregions. The foregoing is a clear proof for the fifth hypothesis. The assessment of the relationship between the social and economic development measurable with my complex index and the per capita GDP-based economic development has proved the sixth hypothesis, and thus the related study question has also been answered. The strength of the correlation between the said two factors is an indication of the weakening efficiency of central redistribution in Hungary during the study period; it is actually in line with a former statement, according to which the efforts made during the study period to facilitate the catch-up of backward areas brought little success. This study has also revealed that people keep moving towards more developed areas offering better employment conditions and having a higher per capita GDP; this process was clearly evident during the study period and will, most probably, continue in the future.

148

In view of the foregoing, in order to improve the position of the backward regions, it would be advisable to establish and build up a cooperation between the individual area units, utilize the agricultural potentials and the natural endowments, improve the transport infrastructure, step up the training and education efforts and enhance the efficiency of central redistribution – e.g. through a strict control of corruption practices – aimed at social and economic development. The result of the foregoing would be, in my opinion, an improvement of the population retention capabilities and livelihood opportunities of the disadvantaged areas and would thus secure the social and economic development of such areas in the long run. I think that my complex relative development index – created during my work for the measurement of the state and pace of social and economic development – is suitable for use as a tool for the efficiency assessment of the measures taken to help the disadvantaged areas catch up with the others.

149

MELLÉKLETEK

1. Melléklet: Ábrák, táblázatok, mellékletek jegyzéke Ábrajegyzék 1. ábra: A regionális versenyképesség piramismodellje......................................14 2. ábra: Összetett fogalmak és jelenségek mérésének logikai váza és példái......23 3. ábra: Kistérségi szintű fejlettségi különbségek Magyarországon (1998)........28 4. ábra: Települési szintű fejlettségi különbségek Magyarországon (2005)........31 5. ábra: Az elérhetőség és a komplex gazdasági fejlettség által meghatározott centrum-periféria viszony Magyarországon (2006)................................41 6. ábra: A Williamson hipotézis és a rendszerváltás kapcsolata..........................44 7. ábra: A kistérségek belső jövedelemegyenlőtlenség-változásának időbeli trendje a térben (1990-2004)...................................................................45 8/a. ábra: Összefüggés a kistérségek kiinduló fejlettségi állapota és a 2007-ig bekövetkezett átlagos fejlődési üteme között......................................87 8/b. ábra: Összefüggés a kistérségek kiinduló fejlettségi állapota és a 2007-ig bekövetkezett átlagos fejlődési üteme között......................................88 9. ábra: Összefüggés a kistérségek fejlettség szerinti rangszáma és fejlettségi állapota között 1996-ban és 2007-ben....................................................90 10. ábra: A fejlettségi rangsorban egymást követő kistérségek fejlettségi különbségei a fejlettség szerinti rangszámuk függvényében 1996-ban és 2007-ben..........................................................................92 11. ábra: Magyarország kistérségi szintű differenciálódásának folyamata komplex fejlettség alapján....................................................................95 12. ábra: A kistérségi szintű fejlődés és a belső differenciálódás kapcsolata......97 13. ábra: A kistérségek fejlettségének és belső differenciáltságának összefüggése az idő függvényében......................................................99 14. ábra: A kistérségi szintű komplex relatív fejlettség és a belső differenciáltság kapcsolata a megjelölt években................................102 15. ábra: A kiinduló fejlettség és a fejlődési ütem alapján kialakult kistérségi klaszterek a K-középpontú eljárás tíz klaszteres megoldása esetén...105 16. ábra: A kistérségek csoportosítása fejlettség és fejlődési ütem alapján.......107 17. ábra: A K-középpontú klaszterezésre és a hagyományos csoportosításra épülő eljárás eredményének összehasonlítása a hazai kistérségek esetén..................................................................................................108 18. ábra: A fejlettség és fejlődési ütem alapján kialakított kistérségi csoportok térbeli elhelyezkedése........................................................113 19. ábra: A magyarországi kistérségek fejlődési erővonalai.............................115 20. ábra: Az egy főre jutó GDP és a komplex relatív fejlettségi index összefüggésének időbeli változása megyei szinten............................126 21. ábra: Az egy főre jutó GDP és a vándorlási egyenleg összefüggésének időbeli változása megyei szinten........................................................127

I

1. Melléklet (folytatás): Ábrák, táblázatok, mellékletek jegyzéke Táblázatok jegyzéke 1. táblázat: A komplex fejlettségi rangsor első és utolsó tíz kistérsége (1999)...34 2. táblázat: A területegységenként összegyűjtött alapadatok darabszáma a vizsgált jellemzők és évek szerint.....................................................55 3. táblázat: A területegységenként előállított alapmutatók darabszáma a vizsgált jellemzők és évek szerint.....................................................57 4. táblázat: Budapest elért helyezése a vizsgált időszak alapmutatóinak százalékában......................................................................................61 5. táblázat: A lehatárol mutatóstruktúrát jellemző matematikai paraméterek.......................................................................................79 6. táblázat: A fejlettség szerint rangsorolt kistérségek fejlettségi különbségeit leíró függvények releváns értékei................................93 7. táblázat: Másodfokú regressziós kapcsolat fontosabb paraméterei a magyarországi kistérségek komplex fejlettsége és belő differenciáltsága esetén...................................................................101 8. táblázat: A kistérségek klaszterenkénti darabszáma a K-középpontú eljárás tíz klaszteres megoldása esetén............................................104 9. táblázat: A kiinduló fejlettség és a fejlődési ütem alapján kialakított kistérségi csoportok elnevezés és jelzőszáma.................................106 10. táblázat: A vizsgálat mutatóira elvégzett lépésenkénti diszkriminancia analízis fontosabb eredményei (2007)..........................................118 11. táblázat: A hátrányos helyzetű kistérségek elemzésére lehatárolt munkanélküliségi mutatók diszkrimináló hatásának értékelése (2007)............................................................................................119 12. táblázat: A hátrányos helyzetű kistérségeket munkanélküliségi mutatók alapján diszkrimináló függvény értékelése (2007).......................120 13. táblázat: A hátrányos helyzetű kistérségeket munkanélküliségi mutatók alapján diszkrimináló függvény értéke a csoportok középpontjában (2007)..................................................................121 14. táblázat: A regisztrált munkanélküliek iskolázottság szerinti megoszlása a munkanélküliek százalékában (2007).....................121 15. táblázat: A vállalkozások ezer lakosra jutó darabszámának csoport átlaga ágazatonként (2007)...........................................................122 16. táblázat: Az iskolázottsági mutatók csoportátlaga (2001)...........................124

II

1. Melléklet (folytatás): Ábrák, táblázatok, mellékletek jegyzéke

Mellékletek jegyzéke 1. Melléklet: Ábrák, táblázatok, mellékletek jegyzéke..........................................I 2. Melléklet: Felhasznált irodalom.......................................................................V 3. Melléklet: A vizsgálat alapmutatói...............................................................XVI 4. Melléklet: Összefüggés az 1000 lakosra vetített szociális segélyre felhasznált összeg és a szociálisan segélyezettek népességen belüli aránya között.....................................................................XXI 5. Melléklet: A lehatárolt mutatók kommunalitásai........................................XXII 6. Melléklet: A mezőgazdasági vállalkozások számbavételének változása..XXIV 7. Melléklet: Komplex relatív fejlettségi indexek...........................................XXV 8. Melléklet: A kistérségi trendfüggvények meredeksége és statisztikai értékelése komplex relatív fejlettségi index esetén...............XXXIII 9. Melléklet: A települési trendfüggvények statisztikai értékelése komplex relatív fejlettségi index esetén................................XXXIX 10. Melléklet: Megyei, regionális és országos trendparaméterek komplex relatív fejlettségi index esetén..............................XXXIX 11. Melléklet: A kiinduló fejlettség és a fejlődési ütem regressziós modelljének statisztikai értékelése............................................XLI 12. Melléklet: A fejlettség szerint rangsorolt kistérségek regressziós modellezése............................................................................XLIII 13. Mellékelt: A kistérségek minimális fejlettségi különbségéhez tartozó rangszám időbeli változásának ábrázolása és statisztikai értékelése................................................................................XLIV 14. Mellékelt: A kistérségek közötti minimális fejlettségi különbség időbeli változásának ábrázolása és statisztikai értékelése......XLVI 15. Melléklet: A kistérségek minimális és maximális ranghely közötti fejlettségi különbségének időbeli ábrázolása és statisztikai értékelése.............................................................................XLVIII 16. Melléklet: Lineáris korreláció a kistérségi komplex relatív fejlettségi index szórástípusú mutatói között..........................................XLIX 17. Melléklet: Magyarország kistérségi szintű differenciálódási folyamatának statisztikai értékelése nem lineáris trend esetén.....L 18. Melléklet: Magyarország kistérségi szintű differenciálódásának folyamata komplex fejlettség alapján lineáris trenddel közelítve.................LI 19. Melléklet: A települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórása...............................................LIII 20. Melléklet: A kistérségek belső differenciálódásának statisztikai értékelése...................................................................................LIX 21. Melléklet: A kistérségi szintű fejlődés és a belső differenciálódás nem lineáris regressziós modelljének statisztikai értékelése..........LXIII

III

1. Melléklet (folytatás): Ábrák, táblázatok, mellékletek jegyzéke Mellékletek jegyzéke (folytatás) 22. Melléklet: A kistérségi szintű fejlődés és a belső differenciálódás kapcsolatának vizsgálata különböző megközelítésekben.......LXIV 23. Melléklet: A kistérségi szintű fejlettség és a belső differenciáltság kapcsolata a vizsgált időszakban.............................................LXV 24. Melléklet: A kistérségi szintű fejlettség és a belső differenciáltság kapcsolatának időbeli változását reprezentáló modell statisztikai értékelése..............................................................LXVI 25. Melléklet: A kistérségek fejlettségének és belső differenciáltságának összefüggése az idő függvényében.......................................LXVII 26. Melléklet: A kistérségi szintű fejlettség és a belső differenciáltság kapcsolata a vizsgált időszakban.........................................LXVIII 27. Melléklet: A K-középpontú klaszterezésre és a hagyományos csoportosításra épülő eljárás eredményének összehasonlítása a hazai kistérségek esetén...........................LXIX 28. Melléklet: A K-középpontú klaszterezésre és a hagyományos csoportosításra épülő eljárás eredményének összehasonlítása a hazai kistérségek esetén..........................LXXI 29. Melléklet: A kistérségek fejlettség és fejlődési ütem alapján történő csoportosításának ellenőrzése diszkriminanciaanalízissel....LXXII 30. Melléklet: Az első 10 legfejlettebb kistérség a vizsgált időszak első és utolsó évében, komplex relatív fejlettségi index alapján.....LXXIII 31. Melléklet: A magyarországi kistérségek által alkotott fejlődési zónák az 1996 és 2007 közötti időszakra vonatkozóan..................LXXIII 32. Melléklet: A fejlettség és a fejlődési ütem alapján kialakított saját, valamint a munkanélküliség alapján diszkriminált kistérségi csoportok összevetése.........................................LXXIV 33. Melléklet: A hátrányos helyzetű kistérségek diszkriminanciaanalízise vállalkozási potenciált jellemző mutatókkal.........................LXXV 34. Melléklet: A hátrányos helyzetű kistérségek diszkriminanciaanalízise iskolázottságot jellemző mutatókkal..................................LXXVII 35. Melléklet: Az egy főre jutó GDP és a komplex relatív fejlettségi index megyei szintű összefüggéseinek statisztikai értékelése........LXXX 36. Melléklet: Az egy főre jutó GDP és a vándorlási egyenleg megyei szintű összefüggéseinek statisztikai értékelése..................LXXXII 37. Melléklet: A megyei szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata.............LXXXIV 38. Melléklet: A kistérségi szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata......LXXXVI 39. Melléklet: A települési szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata.....LXXXVII

IV

2. Melléklet: Felhasznált irodalom 1. 2. 3.

4. 5. 6.

7.

8.

9. 10. 11. 12. 13. 14. 15.

16.

17.

Afifi, A.A. – Azen, S.P. (1979): Statistical Analysis: A Computer Oriented Approach. New York: Academic Press. 442 p. Ayres, R. U. (1998): A növekedésparadigma határai. Kovász, II (1) 37–60. pp. Ábrahám Á. – Kertesi G. (1996): A munkanélküliség regionális egyenlőtlenségei Magyarországon 1990 és 1995 között. – A foglalkoztatási diszkrimináció és az emberi tőke változó szerepe. Közgazdasági Szemle, XLIII (12) 653-681. pp. Bajmócy P. – Kiss J. (1999): Megyék, régiók és központjaik – modellek tükrében. Tér és Társadalom, XIII. (1-2) 31-51 pp. Bálint L. (2004): Kistérségek egyenlőtlensége a Dél-Dunántúlon. Területi Statisztika, 44 (5) 477-494. pp. Baranyi B. (1999): A „periféria perifériáján” – A határmentiség kérdőjelei egy vizsgálat tükrében az északkelet alföldön. Tér és Társadalom, XIII. (4) 17-44 pp. Baranyi B. (2004): Gondolatok a perifériaképződés történeti előzményeiről és következményeiről. Tér és Társadalom, XVIII. (2) 1-21 pp. Barna K. – Molnár T. – Juhász R. T. (2005): Megújuló területpolitika: előtérben a területi versenyképesség. Területi Statisztika, 45 (6) 542-555. pp. Bartke I. (2006): A területi egyensúlyok változása 1997 és 2002 között. Tér és Társadalom, XX. (2) 23-45 pp. Bartus Gábor (2006): A fenntartható fejlődés rejtélyes fogalmáról. Kommentár, I. (1) 55-63. pp. Beluszky P. (2003): Magyarország településföldrajza – Általános rész. Budapest–Pécs: Dialóg Campus Kiadó. 568 p. Beluszky P. – Győri R. (1999): A magyarországi városhálózat és az EUcsatlakozás Tér és Társadalom, XIII. (1-2) 1-30. pp. Beluszky P. – Sikos T. T. (1982): Magyarország falutípusai. Budapest: MTA Társadalomkutató Központ, 167 p. Beluszky P. – Sikos T. T. (2007): Változó falvaink a magyarországi falvak típusai a harmadik évezred kezdetén. Tér és Társadalom, XXI. (3) 1-29 pp. Berger-Schmitt, R. – Noll, H. H. (2000): Conceptual framework and structure of a European system of social indicators. EUreporting Working Paper, No. 9. Mannheim: ZUMA, Social Indicators Department. 73 p. Bihari Zs. – Kovács K. (2006): Lejtők és csúszdák, avagy a foglalkoztatási esélyek térbeli egyenlőtlensége az ezredfordulón. Tér és Társadalom, XX. (4) 49-66 pp. Bíró P. – Molnár L. – Adler J. – Barta J. – Müller E. – Pichovszky K. – Skultéty L. (2004): A kistérségi szintű relatív fejlettség meghatározása. Területi Statisztika, 44 (6) 564-585. pp.

V

2. Melléklet (folytatás): Felhasznált irodalom 18. 19. 20.

21. 22. 23. 24.

25.

26. 27.

28.

29. 30.

31. 32.

33.

VI

Buday-Sántha A. (2003): Agrártérségek komplex fejlesztése. Tér és Társadalom, XVII. (1) 185-190 pp. Buday-Sántha A. (2008): Balaton régió. Tér és Társadalom, XXII. (4) 4362 pp. Chesire, P. C. (2003): Territorial Competition: Lessons for (Innovation) Policy. 331–346. pp In: Bröcker, J. – Dohse, D. – Soltwedel, R. (Eds): Innovation Clusters and Interregional Competition. Berlin: Springer 409 p. Chesire, P. C. – Gordon, I. R. (1998): Territorial Competition: Some lessons for policy. The Annals of Regional Science, 32 (3) 321–346. pp. Cobb, C. – Halstead, T. – Rowe, J. (1997): Ha a GDP felmegy, miért megy Amerika lefelé? Kovász, I (1) 30–47. pp. Csatári B. (1996): A magyarországi kistérségek néhány jellegzetessége. Kecskemét: MTA RKK Alföldi Tudományos Intézet 25 p. Csatári B. (1999): A kedvezményezett kistérségek besorolásának felülvizsgálata (összefoglaló zárójelentés). Kecskemét: MTA RKK Alföldi Tudományos Intézete, 25 p. Csatári B. – Farkas J. (2006): A magyar vidékies kistérségek új kategorizálása, különös tekintettel a városi hatásokra és a földhasznosítás változásaira. Tér és Társadalom, XX. (4) 97-110 pp. Cserháti I. – Dobosi E. – Molnár Zs. (2005): Regionális fejlettség és tőkevonzási képesség. Területi Statisztika, 45 (1) 15-32. pp. Csite A. – Németh N. (2007): Az életminőség területi differenciái Magyarországon: a kistérségi szintű HDI becslési lehetőségei. Budapest: MTA Közgazdaságtudományi Intézet; BCE, Emberi erőforrások tanszék (Budapesti munkagazdaságtani füzetek 2007/3) 69 p. Csomós Gy. (2009): A regionális centrumok súlyának meghatározása Magyarország településhálózatában. Területi Statisztika, 49 (2) 186-198. pp. Dabóczi K. (1998): A mérhető balgaság, avagy miért nincs olaj a közgazdaságtan lámpásában? Kovász, II (2) 32–57. pp. Daly, H. E. (2001): A gazdaságtalan növekedés elmélete, gyakorlata, története és kapcsolata a globalizációval. Kovász, V (1-2) 5–22. pp. Diczházi B. (1997): Külföldi tőkebefektetések hatása a regionális gazdaságra. Tér és Társadalom, XI. (2) 67-79. pp. Dobosi E. (2003): A regionális elemzések módszertani kérdései Esettanulmány: Magyarország kistérségi fejlettségének elemzése. - A gazdaságelemzés módszerei. 2003/1 Budapest: KSH Gazdaságelemző és Informatikai Intézet (ECOSTAT). 107 p. Dőry T. – Mészáros R. – Rechnitzer J. (1998): Tudomány és regionalitás Magyarországon a 90-es években. Tér és Társadalom, XII. (3) 105-151. pp.

2. Melléklet (folytatás): Felhasznált irodalom 34.

35.

36. 37. 38.

39.

40.

41.

42.

43. 44. 45. 46.

47. 48. 49.

Draper, W. H. (2008): Foreword. In: Burd-Sharps, S. – Lewis, K. – Martins, E. B. (Eds.): The Measure of America, American Human Development Report 2008–2009. Social Science Research Council – Columbia University Press. 242 p. Dusek T. (2005): Térfelosztás és klasszifikáció. 5. fejezet; 35-39. pp. In: Nemes Nagy J. (Szerk.): Regionális elemzési módszerek. Budapest: ELTE TTK Regionális Földrajz Tanszék (Regionális Tudományi Tanulmányok, 11.). 284 p. Dusek T.: (2006): Területi statisztika, valószínűségszámítás és statisztikai következtetéselmélet. Területi Statisztika, 46 (3) 223-239. pp. Dusek T. – Szalkai G. (2006): Az időtér és a földrajzi tér összehasonlítása. Tér és Társadalom, XX. (2) 47-63 pp. EC (1999): Sixth Periodic Report on the Social and Economic Situation and Development of Regions in the European Union. Luxembourg: European Communities, 242 p. EC (2004): A new partnership for cohesion convergence competitiveness cooperation. Third report on economic and social cohesion. Luxemburg: European Communities 248 p. EC (2006): Kohéziós politika és a városok – A városok és az agglomerációk hozzájárulása a régiók növekedéséhez és foglalkoztatottságához. Luxembourg: European Communities, 16 p. EC (2007): Gyarapodó régiók növekvő Európa. Negyedik jelentés a gazdasági és társadalmi kohézióról. Luxembourg: European Communities, 222 p. Egri Z. – Ménes A. – Tánczos T. – Törőcsik V. (2009): A fejlődés humán és gazdasági vonatkozásai a regionális Közép-Kelet-Európában. Valóság, LII. (12) 59-74 pp. Enyedi Gy. (1997): A sikeres város. Tér és Társadalom, XI. (4) 1-7. pp. Enyedi Gy. (2000): Globalizáció és a magyar területi fejlődés. Tér és Társadalom, XIV. (1) 1-10 pp. Erdősi F. (1996): Magyarország kommunikációs tengelyeinek alakulása. Tér és Társadalom, X. (1) 53-70. pp. Erdősi F. (2002): Gondolatok a közlekedés szerepéről a régiók/városok versenyképességének alakulásában. Tér és Társadalom, XVI. (1) 137-161 pp. Erdősi F. (2004): Európa közlekedése és a regionális fejlődés. Budapest Pécs: Dialóg Campus 640 p. Ertsey I. (2004): Idősorok elemzése. 345-403. pp. In: Szűcs I. (Szerk.): Alkalmazott statisztika. Budapest: Agroinform Kiadó. 551 p. Faluvégi A. (2000): A magyar kistérségek fejlettségi különbségei. Területi Statisztika, 40 (4) 319–346. pp.

VII

2. Melléklet (folytatás): Felhasznált irodalom 50.

51. 52. 53.

54. 55. 56.

57. 58.

59.

60. 61.

62. 63. 64.

VIII

Faluvégi A. (2003): A társadalmi-gazdasági jellemzők területi alakulása az átmenet időszakában és várható hatásai. Tudás alapú gazdaság és munkaerőpiac Magyarországon a XXI. században című, 5/180 nyilvántartási számú, 2001. évi NKFP pályázat, 3.4. részfeladat, 32 p. Faluvégi A. (2004): Kistérségeink helyzete az eu küszöbén. Területi statisztika, 44 (5) 434-458. pp. Faluvégi A. - Tipold F. (2007): A területfejlesztés kedvezményezett térségeinek 2007. évi besorolása. Területi statisztika, 47 (6) 523-540. pp. Faluvégi A. – Tipold F. (2009): Kedvezményezett települések az új országgyűlési határozat mutatói alapján – próbaszámítás. Területi Statisztika, 49 (3) 264-279. pp. Farkas B. - Lengyel I. (2001): Regionális versenyképesség és kohézió az európai unióban. Tér és Társadalom, XV. (3-4) 231-252 pp. Fazekas K. (1993): A munkanélküliség regionális különbségeinek okairól. Közgazdasági Szemle, XL (7-8) 694-712. pp. Fazekas K. (1997): Válság és prosperitás a munkaerőpiacon - A munkanélküliség regionális sajátosságai Magyarországon 1990-1996 között. Tér és Társadalom, XI. (4) 9-24. pp. Forman B. (2001): Az Európai Unió Strukturális előcsatlakozási alapjai. Budapest: Európa Tájékoztatási Központ 392 p. G. Fekete É. (2004): Az Észak-magyarországi régió kistérségeinek abszorpciós képessége és helyzetük Magyarország más kistérségeivel összehasonlítva. Észak-Magyarországi Stratégiai füzetek, I (1) 40–97. pp. Gyulai I. (2000): Elmélkedések a fenntartható fejlődésről – A fejlődés lakmuszpapírjai. Miskolc: Ökológiai Intézet a Fenntartható Fejlődésért Alapítvány, 27 p. Hahn Cs. (2004): A térségi fejlődést befolyásoló tényezők Magyarországon. Területi Statisztika, 44 (6) 544-563. pp. Hardi T. (2000) Államhatárok és regionális együttműködések. 595–615. pp. In: Horváth Gy.–Rechnitzer J. (Szerk.): Magyarország területi szerkezete és folyamatai az ezredfordulón. Pécs: MTA Regionális Kutatások Központja. 615 p. Heltai L. (1998): A GDP és az öko-logika hiánya. Eszmélet 10 (39) 111125 pp. Henderson, H. (1996): What is next in the great debate about measuring wealth and progress?; Challange 39 (6) 50-56. pp. Husz I. (2001): Az emberi fejlődés indexe. Szociológiai Szemle, (2) 72-83. pp.

2. Melléklet (folytatás): Felhasznált irodalom 65.

66.

67.

68.

69.

70. 71.

72. 73.

74.

75.

76. 77. 78. 79.

Husz I. (2002): Regionális különbségek Magyarországon, kísérlet a területi különbségek bemutatására az emberi fejlődés indexe alapján. 7785. pp. In: Lengyel Gy. (Szerk.): Indikátorok és elemzések. Műhelytanulmányok a társadalmi jelzőszámok témaköréből. Budapest: BKÁE. 127 p. Jakobi Á. (2005): A faktoranalízis az SPSS programban. 5. fejezet; 21-24. pp. In: Nemes Nagy J. (Szerk.): Regionális elemzési módszerek. Budapest: ELTE TTK Regionális Földrajz Tanszék (Regionális Tudományi Tanulmányok, 11.). 284 p. Józan P. (2008): A módosított humán fejlettségi mutató (MHFM) és alkalmazhatósága az életminőség mérésében. Statisztikai szemle, 86 (1011) 949-969. pp. Káposzta J. (2007): Regionális gazdaságtan. Gödöllő: Szent István Egyetem, Gazdaság- és Társadalomtudományi Kar 122 p. Káposzta J. – Nagy H. – Kollár K. (2010): Borsod-Abaúj-Zemplén és Szabolcs-Szatmár-Bereg megye leghátrányosabb helyzetű kistérségeinek településszerkezeti, foglalkoztatási jellemzői az EU-csatlakozás óta eltelt időszakban. Területi statisztika, 50 (6) 641-658. pp. Kása K. (2006): A gazdasági versenyképesség területi különbségei Magyarországon. Területi Statisztika, 46 (4) 428-434. pp. Kerékgyártó Gy.-né – Mudruczó Gy. – Sugár A. (2001): Statisztikai módszerek és alkalmazásuk a gazdasági és üzleti elemzésekben. Budapest: Aula Kiadó, 573 p. Ketskeméty L. – Izsó L. (2005): Bevezetés az SPSS programrendszerbe. Budapest: ELTE Eötvös Kiadó, 459 p. Kiss J. P. – Tagai G. – Telbisz E. (2008): A szürkeállomány területi különbségei - katedrán innen és túl. Területi Statisztika, 48 (3) 315-333. pp. Kovacsicsné Nagy K. (2006): Borsod - Abaúj - Zemplén megye statisztikai kistérségeinek összehasonlítása komplex mutató útján. Területi statisztika, 46 (6) 569-577. pp. Kőszegfalvi Gy. (1995): A települési infrastruktúra geográfiája. Pécs: JPTE TTK Általános Társadalomföldrajzi és Urbanisztikai Tanszék, 193 p. Kőszegfalvi Gy. (1997): Településrendszerünk fejlődésének tendenciái. Tér és Társadalom, XI. (4) 118-131. pp. Kőszegfalvi Gy. (2009): Infrastruktúra, életkörülmények. Területi Statisztika, 49 (1) 47-65. pp. Krugman, P. (1994): Competitiveness: A dangerous obsession. Foreign Affairs, 73 (2) 28-44. pp. Krugman, P. (1995): Development, Geography, and Economic Theory. Cambridge MA: MIT Press, 117 p.

IX

2. Melléklet (folytatás): Felhasznált irodalom 80. 81. 82. 83.

84.

85.

86. 87. 88. 89.

90. 91. 92. 93. 94. 95.

96.

X

Krugman, P. (1997): The Age of Diminished Expectation. Cambridge MA: MIT Press, 244 p. Krugman, P. (1999): The role of geography in development. International Regional Science Review, 22 (2) 142–161. pp Laky T. (2003): Magyarországi munkaerőpiac 2003. Budapest: Foglalkoztatási Hivatal OFK, 166 p. Láng I. (2002) Környezetvédelem – fenntartható fejlődés. Mindentudás Egyeteme. (http://www.mindentudas.hu/lang/20040806lang1.html) letöltve: 2010.08.04. Lengyel Gy. – Hegedűs R. (2002): A szubjektív jólét objektív tényezői nemzetközi összehasonlításban. 87-103. pp. In: Lengyel Gy. (szerk.): Indikátorok és elemzések. Műhelytanulmányok a társadalmi jelzőszámok témaköréből. Budapest: BKÁE. 127 p. Lengyel I. (1999): Mérni a mérhetetlent? – A megyei jogú városok vizsgálata többdimenziós skálázással. Tér és Társadalom, XIII. (1-2) 5373. pp. Lengyel I. (2000): A regionális versenyképességről. Közgazdasági Szemle, XLVII (12) 962-987. pp. Lengyel I. (2003): Verseny és területi fejlődés: térségek versenyképessége Magyarországon. Szeged: JATEPress, 454 p. Lengyel I. (2006): A regionális versenyképesség értelmezése és piramismodellje. Területi Statisztika, 46 (2) 131-147. pp. Lengyel I. – Rechnitzer J. (2000): A városok versenyképességéről. In: Horváth Gy. – Rechnitzer J. (Szerk.): Magyarország területi szerkezete és folyamatai az ezredfordulón. Pécs: MTA RKK 130–152. pp. Lever, W. F. (1999): Competitive Cities in Europe. Urban Studies, 36 (5– 6) 1029–1044. pp. Lind, N. C. (1992): Some thoughts on the Human Development Index. Social Indicators Research, 27 (1), 89-101. pp. Lind, N. C. (1993): A compound index of national development. Social Indicators Research, 28 (3), 267-284. pp. Lóránd B. (2009): Területi kohéziót támogató operatív programok az I. Nemzeti fejlesztési terv esetében. Területi Statisztika, 49 (5) 508-519. pp. Lőcsei H. – Szalkai G. (2008): Helyzeti és fejlettségi centrum–periféria relációk a hazai kistérségekben. Területi Statisztika, 48 (3) 305-314. pp. ifj. Lőkös L. – Lőkös K. (2003): Magyarország megyéinek differenciálódása gazdasági fejlettségi mutatók alapján. Gazdálkodás, XLVII. (7) 1-25. pp. Lukovics M. (2006): A magyar megyék és a főváros versenyképességének empirikus vizsgálata. Területi statisztika, 46 (2) 148-166. pp.

2. Melléklet (folytatás): Felhasznált irodalom 97.

Lukovics M. (2007): A lokális térségek versenyképességének elemzése. Doktori értekezés, Szegedi Tudományegyetem, Gazdaságtudományi Kar, Közgazdaság-tudományi Doktori Iskola 243 p.

98.

Lukovics M. – Kovács P. (2011): A magyar kistérségek versenyképessége. Területi Statisztika, 51 (1) 52-71. pp. Magyar Köztársaság Földművelésügyi és Vidékfejlesztési Minisztériuma (2004): Nemzeti Vidékfejlesztési Terv az EMOGA Garanciarészleg Intézkedéseire 224 p. Magyar Köztársaság Földművelésügyi és Vidékfejlesztési Minisztériuma (2007): Új Magyarország Vidékfejlesztési Program 312 p. Magyar Köztársaság Gazdasági Minisztériuma (2000): Széchenyi Terv. Letöltve 2010. 09. 10. (http://www.hungamosz.hu/szechenyi.html) Magyar Köztársaság Kormánya (1997): Országos Területfejlesztési Koncepció 188 p. Magyar Köztársaság Kormánya (2003): Nemzeti Fejlesztési Terv 236 p.; Operatív Programok 751 p. Magyar Köztársaság Kormánya (2005): Országos Fejlesztéspolitikai Koncepció 158 p. Magyar Köztársaság Kormánya (2006): Új Magyarország Fejlesztési Terv 168 p.; Operatív Programok 1050 p. Magyar Köztársaság Nemzeti Fejlesztési Minisztériuma (2010): Új Széchenyi Terv. Letöltve 2011. 02. 12. (http://www.nfu.hu/uj_szechenyi_terv) Mishan, E. J. (1993): The Cost of Economic Growth. London: Oxford University Press Molnár L. – Ádler J. – Barta J. – Benyó B. – Bíró P. – Skultéty L. (2002): A települési szintű relatív fejlettség meghatározása. Közgazdasági szemle, XLIX (1) 74-90. pp. Nagy G. (2007): Divergencia vagy konvergencia – az átmenet gazdasági térfolyamatainak mérlege földrajzos szemmel. Tér és Társadalom, XXI. (1) 35-51 pp. Nagy H. (2006): A gazdaságfejlesztési stratégiák hatásainak vizsgálata és alkalmazásuk lehetőségei a regionális fejlesztésekben. Doktori értekezés, Szent István Egyetem, Gazdálkodás és Szervezéstudományok Doktori Iskola 115 p. Nagy H. (2009). Regionális politika. Gödöllő: Szent István Egyetem, Gazdaság- és Társadalomtudományi Kar, Regionális Gazdaságtani és Vidékfejlesztési Intézet 129 p. Nemes Nagy J. (1998): Tér a társadalomtudományban. Budapest: Hilscher Rezső Szociálpolitikai Egyesület, Budapest 195 p.

99.

100. 101. 102. 103. 104. 105. 106.

107. 108.

109.

110.

111.

112.

XI

2. Melléklet (folytatás): Felhasznált irodalom 113. Nemes Nagy J. (2005)a: Regionális elemzési módszerek. Budapest: ELTE TTK Regionális Földrajz Tanszék (Regionális Tudományi Tanulmányok, 11.) 284 p. 114. Nemes Nagy J. (2005)b Nemzetközi és hazai tendenciák a területi elemzésben. Területi Statisztika, 45 (1) 3-14. pp. 115. Nemes Nagy J. (2007): Kvantitatív társadalmi térelemzési eszközök a mai regionális tudományban. Tér és Társadalom, XXI. (1) 1-19 pp. 116. Nemes Nagy J. (2009): Terek, helyek, régiók. – A regionális tudomány alapjai. Budapest: Akadémia Kiadó 350 p. 117. Nemes Nagy J. – Jakobi Á. (2003). A humán fejlettségi mutató (index) megyék közötti differenciáltsága 1999-ben. 24-29. pp. In: Fóti K. (Szerk.): A szegénység enyhítéséért - helyzetkép és javaslatok 2000-2002 . A Human Development Report, Hungary 2000-2002 magyar nyelvű változata. Budapest: MTA Világgazdasági Kutatóintézet. 95 p. 118. Nemes Nagy J. – Németh N. (2003): A hely és a fej. A regionális tagoltság tényezői az ezredforduló Magyarországán. Budapest: MTA KTK Munkaerőpiaci Kutatások Műhelye, BKÁE (Budapesti Munkagazdaságtani Füzetek, 2003/7) 55 p. 119. Nemes Nagy J. – Németh N. (2005): Az átmeneti és az új térszerkezet tagoló tényezői. 75-138. pp. In: Fazekas K. (Szerk.): A hely és a fej – Munkapiac és regionalitás Magyarországon. Budapest: MTA Közgazdaságtudományi Intézet (KTI Könyvek 6.) 179 p. 120. Nemes Nagy J. – Tagai G. (2009): Területi egyenlőtlenségek, térszerkezeti determinációk. Területi Statisztika, 49 (2) 152-169. pp. 121. Németh N. – Kiss J. P. (2007): Megyéink és kistérségeink belső jövedelmi tagoltsága. Területi Statisztika, 47 (1) 20-45. pp. 122. Németh N. (2008): Fejlődési tengelyek az új hazai térszerkezetben - Az autópálya-hálózat szerepe a regionális tagoltságban. Doktori értekezés. Eötvös Loránd Tudományegyetem, Földtudományi Doktori Iskola 150 p. 123. Németh N. – Kiss J. P. (2007): Megyéink és kistérségeink belső jövedelmi tagoltsága. Területi Statisztika, 47 (1) 20-45. pp. 124. Obádovics Cs. (2004): A vidéki munkanélküliség térségi eloszlásának elemzése. Doktori értekezés, Szent István Egyetem, Gazdálkodás és Szervezéstudományok Doktori Iskola 156 p. 125. Obádovics Cs. – Kulcsár L. (2003): A vidéki népesség humánindexének alakulása Magyarországon. Területi Statisztika, 43 (4) 303-322. pp. 126. Országos Területfejlesztési Hivatal (2005): Országos Területfejlesztési Koncepció 140 p. 127. Papanek G. (2005): A korrupció Magyarországon. Polgári Szemle, 1 (8) 15-25. pp. 128. Pataki Gy. (1998): A fejlődés gazdaságtana és etikája – Tiszteletadás Amartya Sen munkásságának. Kovász, II (4) 6–17. pp.

XII

2. Melléklet (folytatás): Felhasznált irodalom 129. Persányi M. (Szerk.) (1988): Közös Jövőnk: a Környezet és Fejlesztés Világbizottság jelentése. Budapest: Mezőgazdasági Kiadó 130. Porter, M. E. (1999): Microeconomics competitiveness: Findings from the 1999. Executive survey. Davos: World Economic Forum, The Global Competitiveness Report. 30–53. pp. 131. Porter, M. E. (2003): Building the Microeconomic Foundations of Prosperity: Findings from the Microeconomic Competitiveness Index. In: The Global Competitiveness Report 2002-2003. World Economic Forum, Geneva, 23-45. pp. 132. Raffay Z. (1996): A szolgáltatások osztályozása és szerepük a regionális fejlődésben. Tér és Társadalom, X. (2-3) 167-178. pp. 133. Rechnitzer J. (1999) Határ menti együttműködések Európában és Magyarországon. 9–72. pp. In: Nárai M.– Rechnitzer J. (Szerk.): Elválaszt és összeköt – a határ. – Társadalmi-gazdasági változások az osztrák– magyar határ menti térségekben. Pécs–Győr: MTA Regionális Kutatások Központja. 307 p. 134. Rechnitzer J. (2002): A városhálózat az átmenetben, a kilencvenes évek változási irányai. Vidékfejlesztés a fejlődéselméletek és a fejlesztési koncepciók tükrében. Tér és Társadalom, XVI. (3) 169-188 pp. 135. Rechnitzer J. – Smahó M. (2005): A humán erőforrások regionális sajátosságai az átmenetben. Budapest: MTA Közgazdaságtudományi Intézet. (KTI Könyvek, 5.) 83 p. 136. Rechnitzer J. – Smahó M. (2006): Regionális politika. Győr: Széchenyi István Egyetem 306 p. 137. Ritter K. (2008): Agrárfoglalkoztatási válság és a területei egyenlőtlenségek. Doktori értekezés, Szent István Egyetem, Gazdálkodás és Szervezéstudományok Doktori Iskola 161 p. 138. Sagar, A. D. – Najam, A. (1998): The human development index: a critical review. Ecological Economics No.25. 249-264. pp. 139. Sajtos L. – Mitev, A. (2007): SPSS kutatási és adatelemzési kézikönyv. Budapest: Alinea Kiadó, 402 p. 140. Salamin G. – Péti M. – Czira T. (2005): Paradigmaváltás küszöbén - Az új Országos területfejlesztési koncepció és a területi tervezés. Területi Statisztika, 45 (5) 423-439. pp. 141. Schumacher, E. F. (1991): A kicsi szép – Tanulmányok egy emberközpontú közgazdaságtanról. Budapest: Közgazdasági és Jogi Könyvkiadó 142. Sen, A. (1998): Mortality as an Indicator of Economic Success and Failure. Economic Journal, 108 (446) 1–25. pp. 143. Senn, L. (1993) Service Activities, Urban Hierarchy and Cumulative Growth. The Service Industries Journal, 13 (2) 11-22. pp.

XIII

2. Melléklet (folytatás): Felhasznált irodalom 144. Simai M. (2001) Zöldebb lesz-e a világ? A fenntartható fejlődés szerkezeti problémái a XXI. század elején. Budapest: Akadémiai Kiadó, 165 p. 145. Szabó L. (1998): A gazdasági növekedés elemzési tapasztalatai. A gazdaságelemzés módszerei. 1998/1 Budapest: KSH Gazdaságelemző és Informatikai Intézet (ECOSTAT). 84 p. 146. Szelényi L. (2004): Főkomponens analízis. 409-447. pp. In: Szűcs I. (Szerk.): Alkalmazott statisztika. Budapest: Agroinform Kiadó. 551 p. 147. Székelyi M. – Barna I. (2005): Túlélőkészlet az SPSS-hez. Budapest: Typotex, 453 p. 148. Szlávik J. (2006): A környezet gazdasági értékelése. Magyar Tudomány, 166 (1) 78-87. pp. 149. Szörényiné K. I. (1997): A kistérségek gazdasági és társadalmi jellemzői és trendjei Észak-Dunántúlon. Tér és Társadalom, XI. (1) 147-181. pp. 150. Szörényiné K. I. (2005): A fenntartható fejlődés stratégiai elemei a rurális térségekben. Tér és Társadalom, XIX. (3-4) 117-137 pp. 151. Szűcs I. – Törcsvári Zs. (2004): Kétváltozós sztochasztikus kapcsolatok. 275-344. pp. In: Szűcs I. (Szerk.): Alkalmazott statisztika. Budapest: Agroinform Kiadó. 551 p. 152. Toroczkai A. – Hahn Cs. (2006) Európai uniós támogatási adatok területi értékelése. Területi Statisztika, 46 (5) 459-475. pp. 153. Tóth G. (2004): Autópályák és a városi fejlődés. Tér és Társadalom, XVIII. (2) 37-50 pp. 154. Tóth G. (2006): Centrum–periféria viszonyok vizsgálata a hazai közúthálózaton. Területi Statisztika, 46 (5) 476-493. pp. 155. Tóth T. (2005): A területi tervezés és programozás főbb módszerei és a fejlesztés lehetőségei. Doktori értekezés, Szent István Egyetem, Gazdálkodás és Szervezéstudományok Doktori Iskola 150 p. 156. Trabold-Nübler, H. (1991): The Human Development Index - A New Development Indicator? Intereconomics No. 15. Sept/Oct. 236-243. pp. 157. UNDP (1990): Larson, B. R. – Hanlon, E. (Eds.) Human Development Report 1990. New York: United Nations Development Programme, Oxford Oxford University Press. 189 p. 158. UNDP (2009): Palgrave M. (Ed.) Human Development Report 1990. New York: United Nations Development Programme. 217 p. 159. Veres L. (2001): Közlekedési rendszerek a regionális fejlesztési stratégiában. Doktori értekezés. Pécsi Tudományegyetem, Közgazdaságtudományi Kar, Regionális politika- és gazdaságtan Doktori Iskola 93 p. 160. Vizdák K. (2004): Diszkriminancia-analízis. 477-495. pp. In: Szűcs I. (Szerk.): Alkalmazott statisztika. Budapest: Agroinform Kiadó. 551 p.

XIV

2. Melléklet (folytatás): Felhasznált irodalom 161. WEF (2009): The Global Competitiveness Report 2009–2010. Geneva: World Economic Forum, 479 p. 162. Williamson, J. G. (1965): Regional inequality and the process of national development: a description of the patterns. Economic Development and Cultural Change 13 (4) 3-84. pp. 163. 1990. évi LXV. törvény a helyi önkormányzatokról 164. 1993. évi III. törvény a szociális igazgatásról és szociális ellátásokról 165. 1996. évi XXI. törvény a területfejlesztésről és területrendezésről. 166. 2007. évi CVII. törvény a települési önkormányzatok többcélú kistérségi társulásáról szóló 2004. évi CVII. törvény módosításáról 167. 30/1997. (IV. 18.) országgyűlési határozat a területfejlesztési támogatások és a decentralizáció elveiről, a kedvezményezett területek besorolásának feltételrendszeréről 168. 106/1997. (VI. 18.) kormányrendelet a területfejlesztés kedvezményezett területeinek jegyzékéről 169. 35/1998. (III. 20.) országgyűlési határozat az Országos Területfejlesztési Koncepcióról 170. 24/2001. (IV. 20.) országgyűlési határozat a területfejlesztési támogatások és a decentralizáció elveiről, a kedvezményezett térségek besorolásának feltételrendszeréről 171. 96/2005. (XII. 25.) országgyűlési határozat az Országos Fejlesztéspolitikai Koncepcióról 172. 97/2005. (XII. 25.) országgyűlési határozat az Országos Területfejlesztési Koncepcióról 173. 67/2007. (VI. 28.) országgyűlési határozat a területfejlesztési támogatásokról és a decentralizáció elveiről, a kedvezményezett térségek besorolásának feltételrendszeréről

XV

3. Melléklet: A vizsgálat alapmutatói Népsűrűség fő/km2 Urbanitás-ruralitás index A 15 évesnél fiatalabbak aránya az állandó népességen belül % A 15 évesnél fiatalabbak/ a 60-x éves állandó népesség (fiatalodási index) A 60-x évesnél fiatalabbak aránya az állandó népességen belül % Vándorlási egyenleg Vándorlási egyenleg 1000 lakosra Élveszületések száma 1000 lakosra Halálozások száma 1000 lakosra Természetes szaporodás (élveszületés - halálozás) 1000 lakosra Csecsemőhalálozás (1 éven alul meghaltak száma) 1000 lakosra Az élveszületés és a csecsemőhalálozás különbsége 1000 lakosra Házasságkötések száma 1000 lakosra Válások száma 1000 lakosra A házasságkötések és a válások számának különbsége 1000 lakosra Vállalkozások száma az építőipar nemzetgazdasági ágban 1000 lakosra Vállalkozások száma az építőipar nemzetgazdasági ágban egy km2-re Vállalkozások az építőipar nemzetgazdasági ágban a vállalkozások %-ában Vállalkozások száma a bányászat, a feldolgozóipar, a villamos energia-, gáz-, hő- és vízellátás nemzetgazdasági ágakban 1000 lakosra Vállalkozások száma a bányászat, a feldolgozóipar, a villamos energia-, gáz-, hő- és vízellátás nemzetgazdasági ágakban egy km2-re Vállalkozások a bányászat, a feldolgozóipar, a villamos energia-, gáz-, hő- és vízellátás nemzetgazdasági ágakban a vállalkozások %-ában Vállalkozások száma az ipar (építőipar, bányászat és más iparágak) nemzetgazdasági ágban 1000 lakosra Vállalkozások száma az ipar (építőipar, bányászat és más iparágak) nemzetgazdasági ágban egy km2-re Vállalkozások az ipar (építőipar, bányászat és más iparágak) nemzetgazdasági ágban a vállalkozások %-ában Vállalkozások száma a mezőgazdaság, vadgazdálkodás és erdőgazdálkodás, a halászat nemzetgazdasági ágakban 1000 lakosra Vállalkozások száma a mezőgazdaság, vadgazdálkodás és erdőgazdálkodás, a halászat nemzetgazdasági ágakban egy km2-re Vállalkozások a mezőgazdaság, vadgazdálkodás és erdőgazdálkodás, a halászat nemzetgazdasági ágakban a vállalkozások %-ában Vállalkozások száma a kereskedelem, közúti jármű és közszükségleti cikk javítása, karbantartása nemzetgazdasági ágban 1000 lakosra Vállalkozások száma a kereskedelem, közúti jármű és közszükségleti cikk javítása, karbantartása nemzetgazdasági ágban egy km2-re Vállalkozások a kereskedelem, közúti jármű és közszükségleti cikk javítása, karbantartása nemzetgazdasági ágban a vállalkozások %-ában Vállalkozások száma a szálláshely szolgáltatás és vendéglátás nemzetgazdasági ágban 1000 lakosra Vállalkozások száma a szálláshely szolgáltatás és vendéglátás nemzetgazdasági ágban egy km2-re Vállalkozások a szálláshely szolgáltatás és vendéglátás nemzetgazdasági ágban a vállalkozások %-ában Vállalkozások száma a szállítás, raktározás, posta és távközlés nemzetgazdasági ágban 1000 lakosra Vállalkozások száma a szállítás, raktározás, posta és távközlés nemzetgazdasági ágban egy km2-re Vállalkozások a szállítás, raktározás, posta és távközlés nemzetgazdasági ágban a vállalkozások %-ában Vállalkozások száma az ingatlanügyletek, bérbeadás és gazdasági tevékenységet segítő szolgáltatás nemzetgazdasági ágban 1000 lakosra Vállalkozások száma az ingatlanügyletek, bérbeadás és gazdasági tevékenységet segítő szolgáltatás nemzetgazdasági ágban egy km2-re Vállalkozások az ingatlanügyletek, bérbeadás és gazdasági tevékenységet segítő szolgáltatás nemzetgazdasági ágban a vállalkozások %-ában Vállalkozások száma a szolgáltatás nemzetgazdasági ágban TURIZMUS NÉLKÜL 1000 lakosra Vállalkozások száma a szolgáltatás nemzetgazdasági ágban TURIZMUS NÉLKÜL egy km2-re

XVI

3. Melléklet (folytatás): A vizsgálat alapmutatói Vállalkozások a szolgáltatás nemzetgazdasági ágban TURIZMUS NÉLKÜL a vállalkozások %-ában Vállalkozások száma a szolgáltatás nemzetgazdasági ágban összesen 1000 lakosra Vállalkozások száma a szolgáltatás nemzetgazdasági ágban összesen egy km2-re Vállalkozások a szolgáltatás nemzetgazdasági ágban összesen a vállalkozások %-ában Egyéni vállalkozások száma 1000 lakosra Egyéni vállalkozások száma egy km2-re Egyéni vállalkozások a vállalkozások %-ában Társas vállalkozások száma 1000 lakosra Társas vállalkozások száma egy km2-re Társas vállalkozások aránya a vállalkozások %-ában Vállalkozások száma összesen 1000 lakosra Vállalkozások száma összesen km2-re Adózás előtti eredmény (társasági) egy lakosra Adózás előtti eredmény (társasági) egy vállalakozásra Adózott eredmény (társasági) egy lakosra Adózott eredmény (társasági) egy vállalakozásra Fizetendő adó (TÁNYA) egy lakosra Fizetendő adó (TÁNYA) egy vállalakozásra Adókedvezmények összesen (társasági) egy lakosra Adókedvezmények összesen (társasági) egy vállalakozásra Értékesítés nettó árbevétele egy lakosra Értékesítés nettó árbevétele egy vállalakozásra Export értékesítés nettó árbevétele egy lakosra Export értékesítés nettó árbevétele egy vállalkozásra Bruttó hozzáadott ért. (alapáron, közelítő) egy lakosra Bruttó hozzáadott ért. (alapáron, közelítő) egy vállalkozásra Export arány a bruttó hozzáadott értékből (exportértékesítés nettó árbevétele/ bruttó hozzáadott érték) % Összes adófizető (SZJA) darabszáma 1000 lakosra Összes adó (SZJA) egy lakosra Összes adó (SZJA) egy SZJA fizetőre Összes belföldi jövedelem egy állandó lakosra Összes belföldi jövedelem egy SZJA fizetőre Adóalapot képező összes jövedelem (Összes belföldi jövedelem + Adózás előtti eredmény + EVA alapot képező bevétel) egy adózóra (Összes vállalkozás + Összes (SZJA) adófizető) Összes adó (SZJA + TÁNYA + EVA) egy lakosra Összes adó (SZJA + TÁNYA + EVA) egy adózóra (Összes vállalkozás + Összes (SZJA) adófizető) Jegyzett tőke összege egy lakosra Jegyzett tőke összege egy vállalkozásra Külföldi tulajdonú jegyzett tőke értéke egy lakosra (1000 Ft) Külföldi tulajdoni hányad a jegyzett tőke %-ában Saját tőke összege egy lakosra Saját tőke összege egy vállalakozásra 8 általánosnál alacsonyabb végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva Általános iskolát végzett regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva Szakmunkásképzőt végzett regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva Szakiskolai végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %ában 100-ból levonva Szakközépiskolai végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva Technikumi végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva

XVII

3. Melléklet (folytatás): A vizsgálat alapmutatói Gimnáziumi végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva Középiskolai végzettségű regisztrált munkanélküliek száma összesen a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva Főiskolai végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %ában 100-ból levonva Egyetemi végzettségű regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %ában 100-ból levonva Felsőfokú végzettséggel rendelkező regisztrált munkanélküliek száma összesen a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva 180 napnál hosszabb ideje regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva 180 napnál hosszabb ideje regisztrált munkanélküliek száma a regisztrált munkanélküliek %-ában 100-ból levonva Regisztrált munkanélküliek száma a munkavállalási korú népesség (15-60 évesek) %-ában 100-ból levonva Éttermek, cukrászdák, bárok, borozók száma 1000 lakosra Éttermek, cukrászdák, bárok, borozók száma egy km2-re Kiskereskedelmi hálózati egységek száma (gyógyszertárak nélkül) 1000 lakosra Kiskereskedelmi hálózati egységek száma (gyógyszertárak nélkül) km2-re Panziók szállásférőhelyeinek száma 1000 lakosra Panziók szállásférőhelyeinek száma km2-re Szállodák szállásférőhelyei 1000 lakosra Szállodák szállásférőhelyei km2-re Összes kereskedelmi szálláshelyek szállásférőhelyeinek száma PANZIÓK ÉS SZÁLLODÁK NÉLKÜL 1000 lakosra Összes kereskedelmi szálláshelyek szállásférőhelyeinek száma PANZIÓK ÉS SZÁLLODÁK NÉLKÜL egy km2-re Összes kereskedelmi szálláshely szállásférőhelyeinek száma 1000 lakosra Összes kereskedelmi szálláshely szállásférőhelyeinek száma egy km2-re Vendégéjszakák száma a panziókban 1000 lakosra Vendégéjszakák száma a panziókban km2-re Vendégéjszakák száma a panziókban egy panzió szintű szállásférőhelyre Vendégéjszakák száma szállodákban 1000 lakosra Vendégéjszakák száma szállodákban egy km2-re Vendégéjszakák száma szállodákban egy szállodai szállásférőhelyre Vendégéjszakák száma a ker. szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL 1000 lakosra Vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL egy km2-re Vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL egy PANZIÓK ÉS SZÁLLODÁK NÉLKÜLI szállásférőhelyre Vendégéjszakák száma a kereskedelmi szálláshelyeken 1000 lakosra Vendégéjszakák száma a kereskedelmi szálláshelyeken egy km2-re Vendégéjszakák száma a kereskedelmi szálláshelyeken egy kereskedelmi szállásférőhelyre Külföldiek által eltöltött vendégéjszakák száma a panziókban 1000 lakosra Külföldiek által eltöltött vendégéjszakák száma a panziókban egy km2-re Külföldiek által eltöltött vendégéjszakák száma a panziókban egy panzió szintű szállásférőhelyre Külföldiek által eltöltött vendégéjszakák száma szállodákban 1000 lakosra Külföldiek által eltöltött vendégéjszakák száma szállodákban egy km2-re Külföldiek által eltöltött vendégéjszakák száma szállodákban egy szállodai szállásférőhelyre Külföldiek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL 1000 lakosra Külföldiek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL egy km2-re Külföldiek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL egy PANZIÓK ÉS SZÁLLODÁK NÉLKÜLI szállásférőhelyre Külföldiek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken 1000 lakosra Külföldiek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken egy km2-re

XVIII

3. Melléklet (folytatás): A vizsgálat alapmutatói Külföldiek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken egy kereskedelmi szállásférőhelyre Hazai vendégek által eltöltött vendégéjszakák száma a panziókban 1000 lakosra Hazai vendégek által eltöltött vendégéjszakák száma a panziókban egy km2-re Hazai vendégek által eltöltött vendégéjszakák száma a panziókban egy panzió szintű szállásférőhelyre Hazai vendégek által eltöltött vendégéjszakák száma a szállodákban 1000 lakosra Hazai vendégek által eltöltött vendégéjszakák száma szállodákban egy km2-re Hazai vendégek által eltöltött vendégéjszakák száma szállodákban szállodai szállásférőhelyre Hazai vendégek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL 1000 lakosra Hazai vendégek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL egy km2-re Hazai vendégek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken PANZIÓK ÉS SZÁLLODÁK NÉLKÜL egy PANZIÓK ÉS SZÁLLODÁK NÉLKÜLI szállásférőhelyre Hazai vendégek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken 1000 lakosra Hazai vendégek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken egy km2-re Hazai vendégek által eltöltött vendégéjszakák száma a kereskedelmi szálláshelyeken egy kereskedelmi szállásférőhelyre Az év folyamán épített egy szobás lakások száma (üdülők nélkül) 1000 lakosra Az év folyamán épített egy szobás lakások száma (üdülők nélkül) a lakásállomány %-ában Az év folyamán épített két szobás lakások száma (a másfél szobásokkal együtt, üdülők nélkül) 1000 lakosra Az év folyamán épített két szobás lakások száma (a másfél szobásokkal együtt, üdülők nélkül) a lakásállomány %-ában Az év folyamán épített három szobás lakások száma (a két és fél szobásokkal együtt, üdülők nélkül) 1000 lakosra Az év folyamán épített három szobás lakások száma (a két és fél szobásokkal együtt, üdülők nélkül) a lakásállomány %-ában Az év folyamán épített négy és több szobás lakások száma (a három és fél szobásokkal együtt, üdülők nélkül) 1000 lakosra Az év folyamán épített négy és több szobás lakások száma (a három és fél szobásokkal együtt, üdülők nélkül) a lakásállomány %-ában Az év folyamán épített lakások száma (üdülők nélkül) 1000 lakosra Az év folyamán épített lakások száma (üdülők nélkül) a lakásállomány %-ában Lakásállomány (az éves lakásépítési és megszűnési stat. alapján, 80-tól a 84. évi mikrocenzus, 90-től népszámlálás alapján becsült adat) 1000 lakosra Az 1 km vízvezeték-hálózatra jutó csatornahálózat hossza Közcsatorna-hálózatba bekapcsolt lakások aránya a lakásállomány %-ában Háztartási gázfogyasztók száma a lakásállomány %-ában Személygépkocsik száma az év végén 1000 lakosra Távbeszélő fővonalak száma 1000 lakosra Szakképzett bölcsődei gondozónők száma 1000 bölcsődés korú (0-2 éves) lakosra Összes bölcsődék száma (önkormányzati, üzemi, magán stb.) 1000 bölcsődés korú (0-2 éves) lakosra Működő összes bölcsődei férőhelyek száma (önkormányzati, üzemi, magán stb.) 1000 bölcsődés korú (0-2 éves) lakosra Bölcsödébe beirt gyermekek száma 1000 bölcsődés korú (0-2 éves) lakosra Óvodai pedagógusok száma 1000 óvodás korú (3-5 éves) lakosra Óvodai férőhelyek száma 1000 óvodás korú (3-5 éves) lakosra Az óvodai gyermekcsoportok száma 1000 óvodás korú (3-5 éves) lakosra Óvodába beirt gyermekek száma 1000 óvodás korú (3-5 éves) lakosra Általános iskolai főállású pedagógusok száma 1000 általános iskolai korú (6-13 éves) lakosra Általános iskolai osztálytermek száma (osztálytermi célra használt helyiségek száma) 1000 általános iskolai korú (6-13 éves) lakosra Az általános iskolai osztályok száma 1000 általános iskolai korú (6-13 éves) lakosra Általános iskolai tanulók száma 1000 általános iskolai korú (6-13 éves) lakosra Főállású pedagógusok száma a középiskolákban 1000 középiskolai korú (14-17 éves) lakosra

XIX

3. Melléklet (folytatás): A vizsgálat alapmutatói Általános- és középiskolai főállású pedagógusok száma összesen 1000 általános- és középiskolai korú (6-17 éves) lakosra Óvodai, általános iskolai és középiskolai pedagógusok száma összesen 1000 óvodai, általános- és középiskolai korú (3-17) lakosra Középiskolai osztálytermek száma (osztálytermi célra használt helyiségek száma) 1000 középiskolai korú (14-17 éves) lakosra Általános- és középiskolai osztálytermek száma összesen 1000 általános- és középiskolai korú (6-17 éves) lakosra Nappali tagozatos középiskolai tanulók száma (gimnáziumi és szakközépiskolai) 1000 középiskolai korú (1417 éves) lakosra Általános- és középiskolába járó gyerekek száma nappali tagozaton összesen 1000 általános- és középiskolai korú (6-17 éves) lakosra Óvodába, általános iskolába és középiskolába járó gyerekek száma nappali tagozaton összesen 1000 óvodai, általános- és középiskolai korú (3-17) lakosra Háziorvosok száma 1000 lakosra A háziorvosi ellátásban a megjelentek és a meglátogatottak száma összesen 1000 lakosra Anya- és csecsemővédőnők száma (körzeti védőnők, vezetővel együtt) 1000 bölcsődés korú (0-2 éves) lakosra Összes működő kórházi ágyak száma (szülőotthonnal együtt) 1000 lakosra Gyógyszertárak száma 1000 lakosra Tartós bentlakásos és átmeneti elhelyezést nyújtó otthonok működő férőhelyeinek száma 1000 60-x éves lakosra Tartós bentlakásos és átmeneti elhelyezést nyújtó otthonokban foglalkoztatottak közül ápolók, gondozók száma 1000 60-x éves lakosra Tartós bentlakásos és átmeneti elhelyezést nyújtó otthonokban foglalkoztatottak közül nem szakszemélyzet (nem ápolók, gondozók) száma 1000 60-x éves lakosra Tartós bentlakásos és átmeneti elhelyezést nyújtó otthonokban foglalkoztatottak száma összesen 1000 60-x éves lakosra Mozi férőhelyek száma 1000 lakosra Mozielőadások száma 1000 lakosra Mozilátogatások száma 1000 lakosra Az önkormányzati közművelődési könyvtárak száma 1000 lakosra Az önkormányzati közművelődési könyvtárak egységeinek száma (helyben lévő állomány) 1000 lakosra Az önkormányzati közművelődési könyvtárak beiratkozott olvasóinak aránya a lakosság %-ában Önkormányzati bevételek hitelek nélkül 1000 lakosra Önkormányzatok működési célú hitel (kötvény) bevétele 1000 lakosra Önkormányzatok működési célú hitel (kötvény) bevétele az önkormányzati bevételek (hitelekkel együtt) %ában 100-ból levonva Önkormányzati bevételek összesen (hitelekkel együtt) 1000 lakosra Önkormányzatok pénzkészlete a tárgyidőszak elején 1000 lakosra Önkormányzatok pénzkészlete a tárgyidőszak végén 1000 lakosra Az önkormányzat által rendszeres szociális segélyben részesítettek évi átlagos száma a népesség %-ában 100ból levonva Az önkormányzat által rendszeres szociális segélyre felhasznált összeg 1000 lakosra Az önkormányzat által rendszeres szociális segélyre felhasznált összeg egy segélyben részesítettre Az önkormányzat által rendszeres szociális segélyre felhasznált összeg az önkormányzati bevételek (hitelek nélkül) %-ában 100-ból levonva Az önkormányzat által rendszeres szociális segélyre felhasznált összeg az önkormányzati bevételek (hitelekkel együtt) %-ában 100 ból levonva Összes szolgáltatott víz mennyisége egy lakosra Összes szolgáltatott víz mennyisége egy km2-re Háztartásoknak szolgáltatott víz mennyisége egy lakosra Háztartásoknak szolgáltatott víz mennyisége egy km2-re Közcsatornában elvezetett összes szennyvíz mennyisége egy lakosra Közcsatornában elvezetett összes szennyvíz mennyisége az összes szolgáltatott vízmennyiség %-ában Közcsatornában elvezetett összes szennyvíz mennyisége a háztartásoknak szolgáltatott vízmennyiség %-ában

XX

3. Melléklet (folytatás): A vizsgálat alapmutatói Közcsatornában tisztítottan elvezetett összes szennyvíz mennyisége az összes szolgáltatott vízmennyiség %ában Közcsatornában tisztítottan elvezetett összes szennyvíz mennyisége a háztartásoknak szolgáltatott vízmennyiség %-ában Közcsatornában tisztítottan elvezetett összes szennyvíz mennyisége a közcsatornában elvezetett összes szennyvízmennyiség %-ában Közcsatornán tisztítás nélkül elvezetett szennyvíz mennyisége az összes szolgáltatott vízmennyiség %-ában Közcsatornán tisztítás nélkül elvezetett szennyvíz mennyisége a háztartásoknak szolgáltatott vízmennyiség %-ában Közcsatornán tisztítás nélkül elvezetett szennyvíz mennyisége a közcsatornában elvezetett összes szennyvízmennyiség %-ában Közcsatornán tisztítás nélkül elvezetett szennyvíz mennyisége egy km2-re

Forrás: Saját gyűjtés és szerkesztés 2011

4. Melléklet: Összefüggés az 1000 lakosra vetített szociális segélyre felhasznált összeg és a szociálisan segélyezettek népességen belüli aránya között Év 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Korrelációs együttható Település Kistérség 0,866 0,935 0,811 0,942 0,960 0,986 0,886 0,988 0,982 0,997 0,991 0,998 0,989 0,996 0,995 0,999 0,986 0,999 0,996 0,999 0,978 0,996 0,975 0,994

Az eredmények minden esetben több mint 99%-on szignifikánsak.

Forrás: Saját számítás és szerkesztés 2011

XXI

5. Melléklet: A lehatárolt mutatók kommunalitásai Települési szintű mutatók kommunalitásai Mut ssz. 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.

1996 0,536 0,741 0,647 0,593 0,497 0,492 0,672 0,649 0,372 0,458 0,732 0,423 0,564 0,698 0,518 0,410 0,342 0,631 0,503 0,671 0,523 0,541 0,673 0,188 0,442 0,700 0,523 0,633 0,455 0,577 0,583 0,698 0,594 0,453

1997 0,537 0,730 0,664 0,556 0,396 0,467 0,335 0,686 0,302 0,269 0,692 0,429 0,805 0,784 0,655 0,843 0,318 0,649 0,507 0,688 0,556 0,554 0,689 0,209 0,442 0,727 0,720 0,651 0,507 0,623 0,578 0,608 0,530 0,460

1998 0,553 0,699 0,408 0,615 0,500 0,468 0,508 0,721 0,492 0,412 0,697 0,526 0,526 0,737 0,608 0,470 0,628 0,775 0,767 0,807 0,578 0,818 0,736 0,219 0,691 0,716 0,717 0,648 0,503 0,613 0,592 0,657 0,582 0,613

1999 0,547 0,696 0,556 0,495 0,437 0,477 0,462 0,698 0,552 0,565 0,724 0,315 0,500 0,711 0,535 0,419 0,358 0,762 0,611 0,724 0,606 0,634 0,665 0,214 0,478 0,732 0,609 0,620 0,514 0,626 0,594 0,679 0,550 0,511

2000 0,552 0,679 0,502 0,551 0,423 0,471 0,488 0,710 0,652 0,502 0,710 0,759 0,546 0,796 0,622 0,365 0,290 0,745 0,628 0,711 0,607 0,427 0,673 0,245 0,507 0,717 0,632 0,613 0,482 0,593 0,582 0,643 0,552 0,484

Vizsgált évek 2001 2002 0,546 0,541 0,642 0,683 0,310 0,464 0,574 0,558 0,421 0,363 0,479 0,441 0,554 0,560 0,720 0,758 0,601 0,565 0,282 0,373 0,717 0,748 0,851 0,863 0,623 0,659 0,786 0,777 0,560 0,527 0,405 0,283 0,410 0,418 0,743 0,714 0,609 0,590 0,680 0,664 0,608 0,601 0,300 0,445 0,683 0,672 0,222 0,196 0,537 0,524 0,690 0,636 0,646 0,631 0,630 0,641 0,432 0,515 0,536 0,616 0,598 0,632 0,645 0,672 0,578 0,607 0,515 0,528

Forrás: Saját számítás és szerkesztés 2011

XXII

2003 0,563 0,683 0,316 0,547 0,402 0,466 0,472 0,708 0,675 0,636 0,734 0,894 0,652 0,805 0,615 0,226 0,353 0,678 0,553 0,555 0,585 0,558 0,655 0,381 0,522 0,523 0,699 0,630 0,533 0,607 0,622 0,656 0,655 0,511

2004 0,558 0,702 0,723 0,567 0,455 0,507 0,485 0,708 0,814 0,813 0,739 0,890 0,664 0,810 0,604 0,312 0,359 0,674 0,553 0,531 0,614 0,625 0,687 0,474 0,572 0,480 0,711 0,581 0,497 0,631 0,615 0,707 0,674 0,537

2005 0,549 0,740 0,532 0,572 0,471 0,482 0,521 0,679 0,687 0,871 0,736 0,888 0,665 0,819 0,558 0,465 0,453 0,666 0,561 0,569 0,618 0,531 0,672 0,571 0,545 0,870 0,719 0,522 0,457 0,637 0,602 0,677 0,615 0,499

2006 0,549 0,705 0,604 0,620 0,526 0,540 0,421 0,738 0,816 0,897 0,764 0,870 0,659 0,822 0,629 0,329 0,336 0,669 0,571 0,575 0,670 0,457 0,675 0,497 0,565 0,866 0,382 0,566 0,460 0,623 0,591 0,687 0,606 0,544

2007 0,570 0,714 0,245 0,501 0,370 0,342 0,472 0,667 0,726 0,831 0,770 0,883 0,649 0,824 0,617 0,531 0,499 0,649 0,537 0,554 0,566 0,410 0,645 0,468 0,581 0,822 0,398 0,547 0,424 0,566 0,608 0,663 0,560 0,520

5. Melléklet (folytatás): A lehatárolt mutatók kommunalitásai Kistérségi szintű mutatók kommunalitásai Mut ssz. 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.

1996 0,684 0,858 0,713 0,831 0,817 0,761 0,578 0,904 0,424 0,715 0,874 0,759 0,715 0,871 0,832 0,750 0,637 0,869 0,745 0,848 0,810 0,802 0,735 0,582 0,670 0,859 0,675 0,737 0,684 0,698 0,736 0,711 0,632 0,745

1997 0,702 0,855 0,697 0,828 0,779 0,772 0,440 0,901 0,517 0,495 0,872 0,709 0,688 0,861 0,828 0,779 0,715 0,852 0,801 0,831 0,826 0,756 0,746 0,525 0,501 0,836 0,844 0,741 0,711 0,722 0,774 0,713 0,653 0,733

1998 0,715 0,824 0,749 0,805 0,772 0,764 0,525 0,907 0,561 0,446 0,867 0,686 0,765 0,900 0,871 0,746 0,574 0,867 0,845 0,818 0,856 0,708 0,784 0,509 0,557 0,822 0,864 0,720 0,732 0,652 0,782 0,771 0,682 0,714

1999 0,688 0,832 0,797 0,825 0,780 0,749 0,551 0,899 0,586 0,490 0,871 0,635 0,738 0,889 0,841 0,738 0,776 0,849 0,840 0,819 0,887 0,809 0,792 0,576 0,600 0,853 0,835 0,723 0,759 0,671 0,795 0,586 0,703 0,720

2000 0,623 0,841 0,641 0,829 0,768 0,727 0,527 0,916 0,487 0,442 0,864 0,894 0,757 0,911 0,877 0,730 0,726 0,824 0,809 0,807 0,853 0,700 0,734 0,462 0,653 0,830 0,836 0,683 0,738 0,635 0,791 0,529 0,654 0,626

Vizsgált évek 2001 2002 0,644 0,668 0,843 0,838 0,694 0,693 0,814 0,779 0,781 0,792 0,746 0,750 0,552 0,551 0,919 0,934 0,497 0,490 0,589 0,481 0,864 0,869 0,912 0,923 0,769 0,792 0,918 0,928 0,869 0,873 0,686 0,709 0,749 0,739 0,831 0,835 0,817 0,820 0,816 0,784 0,868 0,888 0,544 0,746 0,776 0,785 0,572 0,576 0,714 0,718 0,848 0,844 0,830 0,791 0,678 0,670 0,722 0,709 0,604 0,621 0,805 0,797 0,652 0,649 0,737 0,692 0,663 0,662

2003 0,651 0,810 0,755 0,748 0,800 0,760 0,599 0,930 0,557 0,582 0,878 0,931 0,803 0,924 0,869 0,687 0,716 0,820 0,820 0,745 0,853 0,733 0,723 0,660 0,711 0,834 0,818 0,695 0,698 0,604 0,811 0,678 0,653 0,689

2004 0,639 0,827 0,738 0,757 0,796 0,755 0,534 0,930 0,575 0,583 0,867 0,931 0,798 0,925 0,861 0,740 0,717 0,818 0,800 0,759 0,884 0,682 0,741 0,644 0,670 0,832 0,814 0,694 0,675 0,674 0,823 0,676 0,610 0,681

2005 0,621 0,849 0,740 0,795 0,780 0,739 0,555 0,920 0,606 0,335 0,859 0,942 0,798 0,923 0,858 0,699 0,764 0,815 0,789 0,715 0,870 0,675 0,704 0,304 0,655 0,836 0,785 0,686 0,601 0,584 0,811 0,599 0,584 0,661

2006 0,686 0,848 0,776 0,811 0,761 0,731 0,568 0,919 0,636 0,470 0,873 0,925 0,791 0,934 0,866 0,696 0,776 0,826 0,783 0,710 0,852 0,709 0,791 0,604 0,642 0,847 0,719 0,664 0,628 0,588 0,833 0,681 0,590 0,671

2007 0,717 0,866 0,817 0,805 0,759 0,730 0,621 0,928 0,648 0,396 0,874 0,948 0,807 0,942 0,900 0,744 0,819 0,822 0,762 0,687 0,864 0,678 0,760 0,528 0,682 0,866 0,758 0,642 0,636 0,573 0,826 0,713 0,610 0,640

Forrás: Saját számítás és szerkesztés 2011

XXIII

6. Melléklet: A mezőgazdasági vállalkozások számbavételének változása

feladó címzett

Szűcsné Bakonyi Piroska Tamás Tánczos

dátum tárgy küldő

2009. június 5. 12:17 RE: FW: Posta ksh.hu

Kedves Tamás! A 2008 évben hatályba lépő új áfa törvény miatt azoknak az őstermelőknek is regisztráltatniuk kellett magukat az Apehnél, akik addig még nem rendelkeztek adószámmal. Az új áfa törvény kimondja, hogy adóköteles tevékenységet csak adószámmal rendelkező adóalany folytathat. A törvény november közepén jelent meg. Ezután indult meg az őstermelők adószám kiváltása, amely már decemberben is jelentkezett, de 2008 I. negyedévében nőtt meg ugrásszerűen az adószámos egyéniek száma. A legnagyobb mértékű változás leginkább az alföldi régiókban figyelhető meg. Üdvözlettel: Szűcsné Bakonyi Piroska Központi Statisztikai Hivatal Vállalkozás-statisztikai főosztály Regiszter osztály E-mail: [email protected] Tel: 345-6211

XXIV

7. Melléklet: Komplex relatív fejlettségi indexek Kistérségi szintű komplex relatív fejlettségi indexek Kistérség Bácsalmási Bajai Jánoshalmai Kalocsai Kecskeméti Kiskőrösi Kiskunfélegyházai Kiskunhalasi Kiskunmajsai Kunszentmiklósi Békéscsabai Békési Gyulai Mezőkovácsházai Orosházai Sarkadi Szarvasi Szeghalomi Csongrádi Hódmezővásárhelyi Kisteleki Makói Mórahalomi Szegedi Szentesi Komlói Mohácsi Pécsi Pécsváradi

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,214 0,224 0,215 0,219 0,227 0,221 0,223 0,224 0,218 0,217 0,233 0,217 0,225 0,209 0,220 0,211 0,220 0,212 0,221 0,227 0,216 0,221 0,215 0,236 0,223 0,218 0,221 0,237 0,218

0,212 0,224 0,216 0,221 0,229 0,222 0,225 0,223 0,218 0,220 0,234 0,220 0,229 0,214 0,221 0,214 0,224 0,216 0,224 0,229 0,216 0,221 0,217 0,238 0,225 0,218 0,221 0,239 0,219

0,216 0,227 0,220 0,222 0,232 0,223 0,230 0,226 0,222 0,220 0,237 0,223 0,229 0,216 0,223 0,215 0,225 0,216 0,226 0,230 0,221 0,224 0,221 0,241 0,225 0,219 0,222 0,241 0,221

0,213 0,223 0,214 0,218 0,228 0,220 0,226 0,222 0,219 0,215 0,234 0,217 0,227 0,211 0,220 0,212 0,224 0,212 0,220 0,227 0,218 0,221 0,214 0,237 0,221 0,216 0,219 0,239 0,220

0,228 0,239 0,230 0,235 0,245 0,236 0,241 0,239 0,236 0,231 0,251 0,234 0,243 0,225 0,237 0,227 0,241 0,228 0,236 0,243 0,234 0,237 0,230 0,253 0,238 0,232 0,234 0,256 0,237

0,225 0,239 0,229 0,235 0,246 0,236 0,240 0,237 0,235 0,233 0,253 0,236 0,243 0,225 0,238 0,225 0,242 0,226 0,241 0,246 0,233 0,238 0,229 0,255 0,240 0,233 0,235 0,258 0,237

0,223 0,240 0,229 0,237 0,250 0,238 0,246 0,237 0,239 0,234 0,256 0,236 0,244 0,223 0,240 0,225 0,243 0,228 0,242 0,245 0,234 0,236 0,232 0,257 0,238 0,234 0,235 0,260 0,237

0,239 0,257 0,246 0,253 0,267 0,255 0,264 0,254 0,254 0,251 0,272 0,252 0,261 0,240 0,255 0,239 0,260 0,246 0,260 0,261 0,249 0,253 0,247 0,273 0,256 0,249 0,251 0,276 0,258

0,234 0,250 0,239 0,246 0,260 0,248 0,258 0,249 0,249 0,245 0,265 0,245 0,256 0,234 0,249 0,234 0,254 0,239 0,253 0,255 0,244 0,248 0,242 0,269 0,252 0,244 0,245 0,271 0,250

0,237 0,254 0,240 0,249 0,264 0,252 0,262 0,254 0,255 0,249 0,268 0,247 0,258 0,238 0,253 0,235 0,258 0,240 0,256 0,259 0,247 0,252 0,246 0,273 0,256 0,246 0,247 0,276 0,253

0,230 0,243 0,233 0,237 0,248 0,237 0,244 0,239 0,239 0,235 0,255 0,237 0,243 0,226 0,240 0,227 0,245 0,225 0,241 0,246 0,232 0,239 0,233 0,256 0,242 0,231 0,237 0,260 0,237

0,225 0,238 0,230 0,233 0,247 0,235 0,242 0,236 0,236 0,231 0,255 0,235 0,240 0,223 0,239 0,223 0,241 0,225 0,242 0,243 0,231 0,235 0,229 0,254 0,239 0,229 0,233 0,257 0,235

XXV

7. Melléklet (folytatás): Komplex relatív fejlettségi indexek Kistérségi szintű komplex relatív fejlettségi indexek (folytatás) Kistérség Sásdi Sellyei Siklósi Szentlőrinci Szigetvári Balatonföldvári Barcsi Csurgói Fonyódi Kadarkúti Kaposvári Lengyeltóti Marcali Nagyatádi Siófoki Tabi Bonyhádi Dombóvári Paksi Szekszárdi Tamási Balmazújvárosi Berettyóújfalui Debreceni Derecske-Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári

XXVI

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,214 0,208 0,219 0,215 0,214 0,238 0,214 0,215 0,238 0,214 0,229 0,218 0,218 0,214 0,239 0,219 0,221 0,219 0,223 0,225 0,212 0,212 0,214 0,235 0,213 0,217 0,210 0,222 0,214

0,213 0,205 0,217 0,216 0,213 0,242 0,216 0,215 0,241 0,213 0,230 0,220 0,219 0,216 0,241 0,216 0,223 0,217 0,223 0,227 0,215 0,215 0,214 0,236 0,214 0,217 0,209 0,225 0,215

0,216 0,209 0,220 0,217 0,217 0,245 0,220 0,218 0,245 0,218 0,231 0,223 0,223 0,220 0,242 0,220 0,224 0,221 0,228 0,227 0,218 0,217 0,219 0,239 0,216 0,220 0,212 0,227 0,216

0,210 0,204 0,217 0,215 0,212 0,243 0,214 0,213 0,241 0,212 0,227 0,216 0,218 0,214 0,240 0,217 0,222 0,221 0,223 0,225 0,214 0,213 0,212 0,237 0,213 0,215 0,206 0,224 0,210

0,225 0,215 0,233 0,229 0,227 0,257 0,229 0,229 0,256 0,227 0,243 0,232 0,234 0,229 0,256 0,233 0,239 0,238 0,239 0,241 0,230 0,229 0,227 0,253 0,228 0,231 0,221 0,240 0,225

0,221 0,212 0,232 0,227 0,225 0,257 0,229 0,226 0,256 0,226 0,246 0,230 0,234 0,226 0,254 0,231 0,237 0,236 0,241 0,243 0,231 0,226 0,225 0,256 0,227 0,231 0,219 0,238 0,227

0,222 0,212 0,229 0,227 0,225 0,255 0,228 0,228 0,254 0,222 0,244 0,229 0,232 0,225 0,254 0,229 0,239 0,238 0,244 0,244 0,231 0,226 0,224 0,259 0,226 0,238 0,220 0,242 0,232

0,237 0,228 0,245 0,244 0,239 0,268 0,242 0,244 0,269 0,238 0,260 0,245 0,248 0,241 0,270 0,245 0,257 0,254 0,261 0,259 0,247 0,243 0,240 0,276 0,243 0,255 0,236 0,257 0,248

0,233 0,226 0,238 0,238 0,235 0,262 0,240 0,234 0,263 0,232 0,254 0,240 0,243 0,235 0,263 0,241 0,252 0,248 0,255 0,254 0,243 0,239 0,238 0,270 0,237 0,250 0,232 0,254 0,241

0,237 0,231 0,243 0,242 0,236 0,266 0,243 0,236 0,264 0,233 0,256 0,240 0,245 0,236 0,267 0,245 0,255 0,249 0,259 0,257 0,246 0,241 0,238 0,274 0,239 0,253 0,234 0,258 0,245

0,220 0,212 0,232 0,227 0,222 0,258 0,227 0,228 0,255 0,227 0,247 0,228 0,233 0,227 0,256 0,231 0,238 0,239 0,243 0,243 0,233 0,228 0,224 0,259 0,227 0,235 0,220 0,240 0,228

0,218 0,209 0,227 0,225 0,220 0,254 0,227 0,226 0,252 0,225 0,246 0,225 0,230 0,224 0,253 0,231 0,235 0,235 0,242 0,242 0,230 0,225 0,224 0,257 0,225 0,235 0,218 0,239 0,231

7. Melléklet (folytatás): Komplex relatív fejlettségi indexek Kistérségi szintű komplex relatív fejlettségi indexek (folytatás) Kistérség Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezőtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány-Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Záhonyi Abaúj-Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezőcsáti Mezőkövesdi Miskolci Ózdi

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,216 0,219 0,214 0,212 0,218 0,231 0,210 0,211 0,209 0,211 0,213 0,214 0,216 0,214 0,212 0,211 0,231 0,217 0,214 0,214 0,207 0,208 0,208 0,209 0,218 0,207 0,220 0,225 0,213

0,216 0,220 0,217 0,214 0,217 0,230 0,212 0,214 0,211 0,212 0,214 0,213 0,219 0,213 0,211 0,213 0,232 0,217 0,213 0,217 0,207 0,207 0,206 0,210 0,216 0,208 0,220 0,224 0,210

0,218 0,224 0,220 0,219 0,218 0,234 0,216 0,216 0,215 0,216 0,216 0,215 0,220 0,217 0,214 0,216 0,235 0,218 0,215 0,218 0,211 0,210 0,211 0,212 0,220 0,213 0,222 0,227 0,212

0,214 0,220 0,216 0,213 0,216 0,230 0,210 0,212 0,210 0,209 0,211 0,212 0,215 0,212 0,210 0,208 0,232 0,213 0,209 0,213 0,204 0,205 0,205 0,206 0,215 0,207 0,218 0,222 0,209

0,228 0,236 0,232 0,229 0,233 0,246 0,225 0,228 0,226 0,223 0,225 0,227 0,229 0,227 0,226 0,223 0,250 0,227 0,223 0,228 0,216 0,219 0,218 0,219 0,229 0,222 0,235 0,238 0,224

0,225 0,239 0,231 0,227 0,236 0,248 0,224 0,230 0,224 0,222 0,225 0,226 0,228 0,226 0,226 0,221 0,252 0,227 0,228 0,226 0,212 0,217 0,216 0,217 0,229 0,220 0,237 0,243 0,223

0,226 0,239 0,231 0,228 0,239 0,253 0,228 0,230 0,224 0,219 0,223 0,227 0,229 0,225 0,233 0,224 0,259 0,229 0,223 0,224 0,210 0,212 0,214 0,214 0,229 0,218 0,236 0,242 0,222

0,240 0,255 0,247 0,243 0,257 0,267 0,244 0,247 0,239 0,236 0,239 0,243 0,245 0,240 0,251 0,241 0,275 0,245 0,238 0,241 0,225 0,227 0,230 0,230 0,244 0,234 0,254 0,257 0,236

0,237 0,251 0,240 0,240 0,250 0,264 0,241 0,245 0,235 0,230 0,233 0,239 0,239 0,234 0,245 0,237 0,268 0,242 0,232 0,234 0,223 0,221 0,228 0,226 0,241 0,230 0,248 0,252 0,230

0,240 0,256 0,244 0,241 0,250 0,267 0,241 0,249 0,236 0,232 0,232 0,238 0,242 0,235 0,247 0,240 0,272 0,244 0,232 0,236 0,226 0,220 0,230 0,225 0,244 0,232 0,252 0,255 0,231

0,225 0,242 0,233 0,229 0,240 0,252 0,226 0,231 0,226 0,224 0,229 0,230 0,229 0,227 0,229 0,225 0,255 0,229 0,225 0,226 0,209 0,213 0,216 0,213 0,227 0,220 0,236 0,240 0,222

0,223 0,240 0,231 0,227 0,235 0,251 0,226 0,230 0,222 0,219 0,222 0,226 0,227 0,225 0,228 0,221 0,255 0,227 0,221 0,222 0,206 0,207 0,212 0,211 0,226 0,219 0,235 0,238 0,218

XXVII

7. Melléklet (folytatás): Komplex relatív fejlettségi indexek Kistérségi szintű komplex relatív fejlettségi indexek (folytatás) Kistérség Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Abai Adonyi Bicskei Dunaújvárosi Enyingi Ercsi Gárdonyi Móri Sárbogárdi Székesfehérvári

XXVIII

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,218 0,218 0,210 0,209 0,225 0,215 0,211 0,232 0,217 0,223 0,222 0,214 0,216 0,219 0,213 0,215 0,217 0,221 0,217 0,214 0,216 0,218 0,231 0,215 0,220 0,230 0,223 0,213 0,234

0,216 0,218 0,210 0,208 0,227 0,214 0,214 0,235 0,218 0,224 0,222 0,214 0,217 0,222 0,215 0,216 0,218 0,220 0,214 0,215 0,217 0,221 0,234 0,217 0,219 0,231 0,223 0,215 0,236

0,220 0,222 0,213 0,211 0,228 0,219 0,217 0,237 0,219 0,227 0,224 0,213 0,220 0,225 0,217 0,220 0,220 0,224 0,215 0,217 0,219 0,221 0,236 0,219 0,220 0,232 0,226 0,219 0,237

0,213 0,217 0,208 0,207 0,224 0,213 0,214 0,235 0,216 0,223 0,221 0,210 0,215 0,222 0,215 0,219 0,216 0,217 0,214 0,213 0,217 0,222 0,233 0,215 0,218 0,229 0,224 0,214 0,236

0,228 0,232 0,222 0,221 0,239 0,228 0,230 0,251 0,231 0,239 0,238 0,225 0,231 0,238 0,229 0,235 0,232 0,233 0,230 0,230 0,233 0,240 0,250 0,232 0,234 0,246 0,241 0,229 0,255

0,229 0,232 0,219 0,215 0,240 0,230 0,229 0,254 0,231 0,240 0,238 0,225 0,230 0,238 0,230 0,233 0,234 0,232 0,229 0,233 0,233 0,239 0,251 0,232 0,235 0,248 0,242 0,230 0,260

0,228 0,232 0,219 0,215 0,239 0,227 0,229 0,256 0,232 0,243 0,241 0,223 0,231 0,241 0,226 0,233 0,238 0,230 0,230 0,234 0,235 0,243 0,248 0,230 0,236 0,249 0,243 0,229 0,263

0,243 0,245 0,234 0,229 0,256 0,242 0,247 0,274 0,248 0,259 0,259 0,239 0,247 0,257 0,242 0,250 0,254 0,245 0,244 0,250 0,252 0,260 0,265 0,246 0,252 0,266 0,261 0,245 0,278

0,240 0,242 0,233 0,224 0,251 0,236 0,240 0,269 0,241 0,254 0,255 0,232 0,240 0,250 0,238 0,244 0,247 0,242 0,237 0,244 0,247 0,255 0,261 0,242 0,250 0,261 0,256 0,241 0,272

0,242 0,242 0,236 0,226 0,252 0,239 0,243 0,272 0,244 0,260 0,259 0,235 0,241 0,251 0,240 0,248 0,249 0,243 0,238 0,249 0,252 0,260 0,266 0,246 0,253 0,267 0,262 0,245 0,277

0,227 0,232 0,217 0,213 0,237 0,228 0,229 0,255 0,232 0,241 0,241 0,224 0,229 0,241 0,227 0,235 0,238 0,232 0,230 0,235 0,236 0,243 0,252 0,233 0,236 0,251 0,245 0,229 0,262

0,225 0,229 0,214 0,212 0,235 0,224 0,228 0,255 0,231 0,240 0,239 0,224 0,230 0,239 0,225 0,232 0,234 0,229 0,229 0,232 0,232 0,241 0,246 0,229 0,232 0,248 0,242 0,226 0,260

7. Melléklet (folytatás): Komplex relatív fejlettségi indexek Kistérségi szintű komplex relatív fejlettségi indexek (folytatás) Kistérség Dorogi Esztergomi Kisbéri Komáromi Oroszlányi Tatabányai Tatai Ajkai Balatonalmádi Balatonfüredi Pápai Sümegi Tapolcai Várpalotai Veszprémi Zirci Aszódi Budaörsi Ceglédi Dabasi Dunakeszi Érdi Gödöllői Gyáli Monori Nagykátai Pilisvörösvári Ráckevei Szentendrei

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,219 0,229 0,217 0,224 0,222 0,226 0,228 0,217 0,235 0,248 0,223 0,215 0,225 0,218 0,238 0,218 0,221 0,236 0,221 0,221 0,233 0,237 0,227 0,222 0,223 0,217 0,229 0,228 0,232

0,224 0,233 0,217 0,230 0,224 0,230 0,230 0,220 0,238 0,252 0,224 0,217 0,226 0,222 0,240 0,219 0,223 0,239 0,221 0,224 0,236 0,239 0,229 0,222 0,222 0,217 0,231 0,229 0,234

0,225 0,234 0,220 0,230 0,226 0,234 0,232 0,221 0,239 0,255 0,226 0,221 0,229 0,224 0,242 0,224 0,225 0,241 0,223 0,225 0,236 0,242 0,231 0,224 0,226 0,218 0,232 0,231 0,236

0,222 0,230 0,216 0,228 0,222 0,230 0,229 0,217 0,236 0,253 0,223 0,218 0,228 0,222 0,240 0,222 0,223 0,241 0,221 0,223 0,235 0,239 0,229 0,221 0,223 0,217 0,230 0,227 0,234

0,239 0,248 0,232 0,245 0,239 0,247 0,247 0,234 0,252 0,270 0,240 0,234 0,245 0,239 0,258 0,238 0,241 0,258 0,237 0,241 0,252 0,256 0,246 0,239 0,241 0,233 0,248 0,244 0,251

0,239 0,250 0,237 0,248 0,242 0,252 0,251 0,236 0,255 0,270 0,241 0,233 0,246 0,239 0,261 0,238 0,244 0,258 0,238 0,244 0,252 0,255 0,250 0,244 0,245 0,235 0,250 0,248 0,252

0,241 0,251 0,237 0,252 0,249 0,256 0,254 0,238 0,253 0,266 0,241 0,236 0,247 0,238 0,263 0,238 0,246 0,263 0,242 0,245 0,259 0,260 0,252 0,247 0,247 0,237 0,254 0,251 0,253

0,260 0,268 0,254 0,270 0,264 0,270 0,270 0,254 0,269 0,280 0,258 0,252 0,261 0,255 0,280 0,256 0,262 0,281 0,257 0,263 0,277 0,278 0,268 0,264 0,263 0,255 0,272 0,268 0,273

0,256 0,266 0,249 0,265 0,260 0,266 0,265 0,249 0,264 0,274 0,254 0,245 0,257 0,252 0,274 0,252 0,258 0,275 0,252 0,259 0,274 0,273 0,263 0,260 0,259 0,249 0,267 0,262 0,268

0,261 0,272 0,253 0,270 0,266 0,272 0,273 0,252 0,269 0,278 0,258 0,250 0,260 0,256 0,278 0,257 0,262 0,281 0,256 0,264 0,279 0,278 0,267 0,265 0,264 0,253 0,272 0,268 0,272

0,242 0,251 0,237 0,251 0,242 0,251 0,253 0,238 0,256 0,270 0,242 0,233 0,246 0,241 0,262 0,240 0,245 0,262 0,242 0,245 0,257 0,258 0,252 0,244 0,245 0,238 0,251 0,250 0,253

0,240 0,250 0,235 0,252 0,243 0,253 0,252 0,236 0,254 0,265 0,239 0,235 0,245 0,237 0,260 0,237 0,242 0,261 0,240 0,243 0,256 0,257 0,248 0,244 0,243 0,236 0,251 0,248 0,253

XXIX

7. Melléklet (folytatás): Komplex relatív fejlettségi indexek Kistérségi szintű komplex relatív fejlettségi indexek (folytatás) Kistérség Szobi Váci Veresegyházi Csornai Győri Kapuvár-Beledi Mosonmagyaróvári Pannonhalmai Sopron-Fertődi Téti Celldömölki Csepregi Körmendi Kőszegi Őriszentpéteri Sárvári Szentgotthárdi Szombathelyi Vasvári Hévízi Keszthelyi Lenti Letenyei Nagykanizsai Pacsai Zalaegerszegi Zalakarosi Zalaszentgróti

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,217 0,229 0,223 0,220 0,234 0,223 0,225 0,218 0,231 0,214 0,220 0,227 0,224 0,225 0,219 0,222 0,224 0,232 0,213 0,240 0,237 0,220 0,216 0,228 0,217 0,234 0,214 0,220

0,219 0,230 0,227 0,223 0,237 0,224 0,226 0,220 0,234 0,214 0,223 0,231 0,225 0,223 0,218 0,225 0,227 0,234 0,216 0,247 0,241 0,223 0,215 0,228 0,217 0,233 0,214 0,220

0,222 0,232 0,226 0,226 0,243 0,228 0,230 0,224 0,236 0,220 0,225 0,234 0,230 0,227 0,221 0,227 0,228 0,237 0,218 0,246 0,244 0,226 0,219 0,231 0,217 0,235 0,220 0,226

0,219 0,230 0,228 0,225 0,242 0,224 0,228 0,222 0,236 0,217 0,222 0,235 0,227 0,226 0,213 0,225 0,225 0,235 0,216 0,245 0,241 0,224 0,216 0,227 0,214 0,233 0,216 0,221

0,236 0,247 0,244 0,241 0,259 0,241 0,245 0,239 0,253 0,235 0,238 0,252 0,245 0,244 0,230 0,242 0,241 0,252 0,233 0,261 0,257 0,240 0,231 0,244 0,231 0,250 0,232 0,237

0,233 0,247 0,243 0,242 0,262 0,243 0,245 0,240 0,256 0,238 0,240 0,251 0,246 0,246 0,232 0,243 0,242 0,256 0,237 0,263 0,258 0,241 0,230 0,247 0,232 0,254 0,236 0,240

0,242 0,253 0,250 0,243 0,264 0,242 0,248 0,243 0,256 0,240 0,240 0,251 0,244 0,244 0,238 0,242 0,240 0,259 0,235 0,267 0,260 0,239 0,231 0,248 0,232 0,254 0,237 0,239

0,256 0,271 0,269 0,260 0,280 0,260 0,265 0,260 0,273 0,255 0,256 0,268 0,264 0,262 0,254 0,259 0,258 0,274 0,252 0,279 0,274 0,256 0,248 0,264 0,251 0,272 0,250 0,253

0,254 0,268 0,265 0,258 0,275 0,257 0,261 0,253 0,268 0,250 0,252 0,264 0,257 0,255 0,249 0,254 0,253 0,268 0,245 0,271 0,267 0,253 0,239 0,256 0,242 0,264 0,244 0,247

0,257 0,271 0,270 0,264 0,281 0,262 0,266 0,260 ,275 0,257 0,256 0,267 0,263 0,260 0,256 0,260 0,259 0,273 0,250 0,273 0,269 0,255 0,242 0,260 0,246 0,269 0,246 0,250

Forrás: Saját számítás és szerkesztés 2011

XXX

0,236 0,250 0,249 0,243 0,264 0,242 0,246 0,243 0,257 0,240 0,240 0,253 0,248 0,243 0,235 0,243 0,243 0,258 0,237 0,266 0,259 0,245 0,233 0,248 0,233 0,255 0,237 0,242

0,237 0,249 0,248 0,241 0,262 0,242 0,245 0,240 0,253 0,238 0,237 0,250 0,248 0,242 0,233 0,239 0,240 0,256 0,233 0,264 0,256 0,238 0,229 0,246 0,230 0,252 0,233 0,237

7. Melléklet (folytatás): Komplex relatív fejlettségi indexek Megyei szintű komplex relatív fejlettségi indexek Megye Bács-Kiskun Békés Csongrád Baranya Somogy Tolna Hajdú-Bihar Jász-Nagykun-Szolnok Szabolcs-Szatmár-Bereg Borsod-Abaúj-Zemplén Heves Nógrád Fejér Komárom-Esztergom Veszprém Pest Győr-Moson-Sopron Vas Zala

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,222 0,220 0,228 0,225 0,224 0,221 0,221 0,219 0,217 0,217 0,222 0,218 0,225 0,224 0,226 0,226 0,228 0,226 0,228

0,224 0,223 0,229 0,225 0,225 0,222 0,222 0,220 0,218 0,216 0,224 0,218 0,227 0,228 0,229 0,227 0,230 0,228 0,229

0,226 0,224 0,232 0,227 0,228 0,225 0,224 0,223 0,220 0,220 0,226 0,221 0,229 0,230 0,231 0,229 0,235 0,230 0,232

0,222 0,221 0,228 0,224 0,224 0,222 0,220 0,219 0,216 0,215 0,222 0,217 0,226 0,227 0,229 0,227 0,233 0,228 0,228

0,239 0,237 0,244 0,240 0,239 0,238 0,236 0,235 0,231 0,229 0,238 0,233 0,244 0,244 0,245 0,244 0,251 0,245 0,245

0,239 0,237 0,246 0,240 0,239 0,239 0,235 0,236 0,231 0,231 0,239 0,233 0,246 0,247 0,247 0,246 0,253 0,248 0,248

0,241 0,239 0,246 0,241 0,238 0,240 0,238 0,238 0,233 0,230 0,240 0,232 0,247 0,250 0,247 0,250 0,254 0,248 0,248

0,258 0,255 0,263 0,257 0,254 0,256 0,254 0,254 0,249 0,245 0,257 0,248 0,263 0,266 0,264 0,267 0,271 0,265 0,265

0,252 0,249 0,258 0,252 0,248 0,251 0,249 0,250 0,244 0,241 0,251 0,243 0,258 0,262 0,259 0,262 0,266 0,259 0,257

0,255 0,251 0,262 0,256 0,250 0,254 0,252 0,253 0,245 0,243 0,255 0,245 0,263 0,268 0,263 0,267 0,272 0,264 0,260

0,242 0,238 0,247 0,241 0,240 0,240 0,237 0,239 0,234 0,229 0,239 0,233 0,247 0,248 0,248 0,248 0,254 0,249 0,249

0,239 0,237 0,244 0,238 0,238 0,238 0,236 0,237 0,231 0,226 0,239 0,231 0,244 0,248 0,246 0,247 0,252 0,246 0,246

Forrás: Saját számítás és szerkesztés 2011

XXXI

7. Melléklet (folytatás): Komplex relatív fejlettségi indexek Regionális szintű komplex relatív fejlettségi indexek Régió Dél-Alföld Dél-Dunántúl Észak-Alföld Észak-Magyarország Közép-Dunántúl Közép-Magyarország Nyugat-Dunántúl

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,223 0,223 0,219 0,218 0,225 0,226 0,227

0,225 0,224 0,220 0,218 0,228 0,227 0,229

0,227 0,227 0,223 0,221 0,230 0,229 0,232

0,224 0,223 0,218 0,217 0,227 0,227 0,230

0,240 0,239 0,234 0,232 0,244 0,244 0,247

0,241 0,239 0,234 0,233 0,246 0,246 0,250

0,242 0,240 0,236 0,233 0,248 0,250 0,251

0,259 0,256 0,252 0,248 0,264 0,267 0,267

0,253 0,250 0,247 0,243 0,259 0,262 0,261

0,256 0,253 0,250 0,246 0,264 0,267 0,266

0,242 0,240 0,236 0,232 0,248 0,248 0,251

0,240 0,238 0,234 0,230 0,245 0,247 0,248

Forrás: Saját számítás és szerkesztés 2011

Országos szintű komplex relatív fejlettségi indexek Ország Magyarország

1996

1997

1998

1999

2000

Vizsgált évek 2001 2002 2003

2004

2005

2006

2007

0,222

0,224

0,226

0,223

0,239

0,240

0,241

0,258

0,252

0,256

Forrás: Saját számítás és szerkesztés 2011

XXXII

0,241

0,239

8. Melléklet: A kistérségi trendfüggvények meredeksége és statisztikai értékelése komplex relatív fejlettségi index esetén A kistérségi trendfüggvények meredeksége (fejlődési ütem) Bácsalmási Bajai Jánoshalmai Kalocsai Kecskeméti Kiskőrösi Kiskunfélegyházai Kiskunhalasi Kiskunmajsai Kunszentmiklósi Békéscsabai Békési Gyulai Mezőkovácsházai Orosházai Sarkadi Szarvasi Szeghalomi Csongrádi Hódmezővásárhelyi Kisteleki Makói Mórahalomi Szegedi Szentesi

0,00226 0,00298 0,00259 0,00302 0,00367 0,00313 0,00372 0,00290 0,00353 0,00314 0,00362 0,00297 0,00315 0,00250 0,00329 0,00235 0,00358 0,00285 0,00358 0,00312 0,00300 0,00301 0,00293 0,00357 0,00319

Komlói Mohácsi Pécsi Pécsváradi Sásdi Sellyei Siklósi Szentlőrinci Szigetvári Balatonföldvári Barcsi Csurgói Fonyódi Kadarkúti Kaposvári Lengyeltóti Marcali Nagyatádi Siófoki Tabi Bonyhádi Dombóvári Paksi Szekszárdi Tamási

0,00292 0,00272 0,00375 0,00351 0,00214 0,00210 0,00234 0,00255 0,00221 0,00244 0,00267 0,00233 0,00248 0,00197 0,00285 0,00221 0,00258 0,00211 0,00270 0,00258 0,00333 0,00319 0,00363 0,00320 0,00323

Balmazújvárosi Berettyóújfalui Debreceni Derecske-Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezőtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány-Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai

0,00268 0,00237 0,00391 0,00261 0,00372 0,00247 0,00339 0,00324 0,00227 0,00352 0,00284 0,00277 0,00368 0,00373 0,00315 0,00349 0,00255 0,00201 0,00205 0,00270 0,00247 0,00223 0,00374 0,00273 0,00418

Tiszavasvári Vásárosnaményi Záhonyi Abaúj-Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezőcsáti Mezőkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai

0,00279 0,00209 0,00208 0,00158 0,00129 0,00209 0,00161 0,00263 0,00230 0,00320 0,00313 0,00205 0,00248 0,00248 0,00233 0,00163 0,00269 0,00239 0,00301 0,00390 0,00275 0,00351 0,00371 0,00224 0,00261

XXXIII

8. Melléklet (folytatás): A kistérségi trendfüggvények meredeksége és statisztikai értékelése komplex relatív fejlettségi index esetén A kistérségi trendfüggvények meredeksége (fejlődési ütem) (folytatás) Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Abai Adonyi Bicskei Dunaújvárosi Enyingi Ercsi Gárdonyi Móri Sárbogárdi Székesfehérvári Dorogi Esztergomi Kisbéri

0,00327 0,00252 0,00308 0,00342 0,00221 0,00255 0,00345 0,00344 0,00401 0,00315 0,00286 0,00336 0,00362 0,00373 0,00290 0,00433 0,00382 0,00390 0,00364

Komáromi Oroszlányi Tatabányai Tatai Ajkai Balatonalmádi Balatonfüredi Pápai Sümegi Tapolcai Várpalotai Veszprémi Zirci Aszódi Budaörsi Ceglédi Dabasi

0,00438 0,00428 0,00426 0,00428 0,00347 0,00317 0,00267 0,00339 0,00330 0,00341 0,00340 0,00395 0,00362 0,00407 0,00428 0,00357 0,00407

Érdi Gödöllői Gyáli Monori Nagykátai Pilisvörösvári Ráckevei Szentendrei Szobi Váci Veresegyházi Csornai Győri Kapuvár-Beledi Mosonmagyaróvári Pannonhalmai Sopron-Fertődi

0,00392 0,00400 0,00436 0,00412 0,00368 0,00424 0,00393 0,00386 0,00390 0,00418 0,00452 0,00396 0,00430 0,00365 0,00394 0,00393 0,00400

Celldömölki Csepregi Körmendi Kőszegi Őriszentpéteri Sárvári Szentgotthárdi Szombathelyi Vasvári Hévízi Keszthelyi Lenti Letenyei Nagykanizsai Pacsai Zalaegerszegi Zalakarosi

0,00336 0,00364 0,00372 0,00351 0,00368 0,00344 0,00310 0,00401 0,00346 0,00326 0,00311 0,00328 0,00273 0,00327 0,00307 0,00361 0,00327

Dunakeszi

0,00444

Téti

0,00407

Zalaszentgróti

0,00299

Forrás: Saját számítás és szerkesztés 2011

XXXIV

8. Melléklet (folytatás): A kistérségi trendfüggvények meredeksége és statisztikai értékelése komplex relatív fejlettségi index esetén A kistérségi trendfüggvények korrelációs értékei és az F-próba sziginifiancia szintje Kistérség Bácsalmási Bajai Jánoshalmai Kalocsai Kecskeméti Kiskőrösi Kiskunfélegyházai Kiskunhalasi Kiskunmajsai Kunszentmiklósi Békéscsabai Békési Gyulai Mezőkovácsházai Orosházai Sarkadi Szarvasi Szeghalomi Csongrádi Hódmezővásárhelyi Kisteleki Makói Mórahalomi Szegedi Szentesi

R 0,875 0,915 0,904 0,922 0,948 0,927 0,950 0,916 0,947 0,917 0,944 0,921 0,927 0,898 0,941 0,901 0,943 0,902 0,937 0,926 0,929 0,920 0,926 0,947 0,920

F sig. 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

Kistérség Komlói Mohácsi Pécsi Pécsváradi Sásdi Sellyei Siklósi Szentlőrinci Szigetvári Balatonföldvári Barcsi Csurgói Fonyódi Kadarkúti Kaposvári Lengyeltóti Marcali Nagyatádi Siófoki Tabi Bonyhádi Dombóvári Paksi Szekszárdi Tamási

R 0,917 0,906 0,952 0,925 0,849 0,820 0,874 0,899 0,873 0,909 0,926 0,883 0,904 0,849 0,915 0,850 0,901 0,873 0,913 0,907 0,927 0,928 0,950 0,936 0,938

F sig. 0,000 0,000 0,000 0,000 0,000 0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

Kistérség Balmazújvárosi Berettyóújfalui Debreceni Derecske-Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezőtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány-Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai

R 0,910 0,888 0,955 0,904 0,948 0,898 0,948 0,928 0,887 0,946 0,920 0,920 0,929 0,960 0,939 0,943 0,908 0,855 0,850 0,913 0,894 0,888 0,942 0,901 0,957

F sig. 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

XXXV

8. Melléklet (folytatás): A kistérségi trendfüggvények meredeksége és statisztikai értékelése komplex relatív fejlettségi index esetén A kistérségi trendfüggvények korrelációs értékei és az F-próba sziginifiancia szintje (folytatás) Kistérség

R

F sig.

Kistérség

R

F sig.

Kistérség

R

F sig.

Tiszavasvári Vásárosnaményi Záhonyi Abaúj-Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezőcsáti Mezőkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai

0,911 0,841 0,849 0,740 0,679 0,851 0,762 0,903 0,887 0,923 0,926 0,852 0,893 0,905 0,856 0,802 0,896 0,883 0,925 0,955 0,919 0,948 0,945 0,873 0,904

0,000 0,001 0,000 0,006 0,015 0,000 0,004 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Abai Adonyi Bicskei Dunaújvárosi Enyingi Ercsi Gárdonyi Móri Sárbogárdi Székesfehérvári Dorogi Esztergomi Kisbéri Komáromi Oroszlányi Tatabányai Tatai Ajkai Balatonalmádi

0,936 0,900 0,928 0,937 0,872 0,896 0,938 0,939 0,957 0,921 0,917 0,931 0,941 0,942 0,920 0,951 0,951 0,950 0,939 0,966 0,962 0,967 0,961 0,941 0,931

0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

Balatonfüredi Pápai Sümegi Tapolcai Várpalotai Veszprémi Zirci Aszódi Budaörsi Ceglédi Dabasi Dunakeszi Érdi Gödöllői Gyáli Monori Nagykátai Pilisvörösvári Ráckevei Szentendrei Szobi Váci Veresegyházi

0,890 0,934 0,946 0,947 0,939 0,949 0,946 0,954 0,963 0,952 0,948 0,963 0,955 0,951 0,957 0,955 0,941 0,957 0,949 0,949 0,960 0,957 0,965

0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

Csornai

0,955

0,000

Forrás: Saját számítás és szerkesztés 2011

XXXVI

R

F sig.

Győri

Kistérség

0,959

0,000

Kapuvár-Beledi

0,944

0,000

Mosonmagyaróvári Pannonhalmai Sopron-Fertődi Téti Celldömölki Csepregi Körmendi Kőszegi Őriszentpéteri Sárvári Szentgotthárdi Szombathelyi Vasvári Hévízi Keszthelyi Lenti Letenyei Nagykanizsai Pacsai Zalaegerszegi Zalakarosi

0,955 0,956 0,947 0,955 0,940 0,945 0,938 0,924 0,934 0,932 0,920 0,954 0,930 0,930 0,927 0,923 0,905 0,931 0,911 0,932 0,933

0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

Zalaszentgróti

0,917

0,000

8. Melléklet (folytatás): A kistérségi trendfüggvények meredeksége és statisztikai értékelése komplex relatív fejlettségi index esetén A Kolmogorov - Smirnov teszt szignifikancia szintje kistérségi trendek esetén Bácsalmási Bajai Jánoshalmai Kalocsai Kecskeméti Kiskőrösi Kiskunfélegyházai Kiskunhalasi Kiskunmajsai Kunszentmiklósi Békéscsabai Békési Gyulai Mezőkovácsházai Orosházai Sarkadi Szarvasi Szeghalomi Csongrádi Hódmezővásárhelyi Kisteleki Makói

0,994 0,995 0,992 0,996 1,000 0,994 0,773 0,673 0,997 0,849 0,923 0,995 0,984 0,963 0,990 0,972 0,988 0,972 0,823 0,998 0,967 0,878

Mórahalomi Szegedi Szentesi Komlói Mohácsi Pécsi Pécsváradi Sásdi Sellyei Siklósi Szentlőrinci Szigetvári Balatonföldvári Barcsi Csurgói Fonyódi Kadarkúti Kaposvári Lengyeltóti Marcali Nagyatádi Siófoki

0,809 0,775 0,839 0,976 0,998 1,000 0,916 0,888 0,842 0,968 0,918 0,996 0,957 0,808 0,714 0,875 0,936 0,946 0,965 0,941 0,732 0,996

Tabi Bonyhádi Dombóvári Paksi Szekszárdi Tamási Balmazújvárosi Berettyóújfalui Debreceni Derecske-Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezőtúri Szolnoki Tiszafüredi Törökszentmiklósi

1,000 0,889 0,774 0,993 1,000 0,792 0,320 0,986 0,976 0,692 0,779 0,738 0,594 0,731 0,822 0,927 0,971 0,842 0,880 0,969 0,833 0,534

Baktalórántházai Csengeri Fehérgyarmati Ibrány-Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Záhonyi Abaúj-Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezőcsáti Mezőkövesdi Miskolci Ózdi Sárospataki

0,930 0,423 0,983 1,000 0,550 0,999 0,700 0,764 0,892 0,547 0,982 0,615 0,830 0,971 0,763 0,706 0,907 0,894 0,799 0,715 0,868 0,851

XXXVII

8. Melléklet (folytatás): A kistérségi trendfüggvények meredeksége és statisztikai értékelése komplex relatív fejlettségi index esetén A Kolmogorov - Smirnov teszt szignifikancia szintje kistérségi trendek esetén (folytatás) Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Abai Adonyi Bicskei Dunaújvárosi

0,995 0,684 0,953 0,996 0,982 0,570 0,995 0,977 0,941 0,780 0,988 0,898 0,950 0,585 0,986 0,997 0,877 0,533 1,000 0,973 0,999 0,855

Enyingi Ercsi Gárdonyi Móri Sárbogárdi Székesfehérvári Dorogi Esztergomi Kisbéri Komáromi Oroszlányi Tatabányai Tatai Ajkai Balatonalmádi Balatonfüredi Pápai Sümegi Tapolcai Várpalotai

0,941 0,544 0,997 0,999 0,619 0,854 0,733 0,748 0,991 0,828 0,993 0,853 0,975 0,973 0,996 0,441 0,984 0,854 0,715 0,818

Zirci Aszódi Budaörsi Ceglédi Dabasi Dunakeszi Érdi Gödöllői Gyáli Monori Nagykátai Pilisvörösvári Ráckevei Szentendrei Szobi Váci Veresegyházi Csornai Győri Kapuvár-Beledi

0,907 0,999 0,979 0,998 1,000 0,948 0,775 0,999 0,995 0,997 1,000 0,999 0,997 0,923 0,990 0,958 0,991 0,763 0,696 0,762

Pannonhalmai Sopron-Fertődi Téti Celldömölki Csepregi Körmendi Kőszegi Őriszentpéteri Sárvári Szentgotthárdi Szombathelyi Vasvári Hévízi Keszthelyi Lenti Letenyei Nagykanizsai Pacsai Zalaegerszegi Zalakarosi

0,998 0,966 0,990 0,847 0,373 0,986 0,705 0,633 0,956 0,895 0,908 0,970 0,681 0,886 0,833 0,922 0,899 1,000 0,987 0,703

Veszprémi

0,903

Mosonmagyaróvári

0,872

Zalaszentgróti

0,717

Forrás: Saját számítás és szerkesztés 2011

XXXVIII

9. Melléklet: A települési trendfüggvények statisztikai értékelése komplex relatív fejlettségi index esetén Korrelációs együttható Települések Tartomány megoszlása (%) R < 0,3 3,3

Az F-próba szignifikancia szintje Települések Tartomány megoszlása (%) sig. > 0,1 9,3 0,05 < sig. ≤ 0,1 4,5

0,3 ≤ R < 0,5

5

0,5 ≤ R < 0,7

17,3

0,01 < sig. ≤ 0,05

19,8

0,7 ≤ R

74,4

sig. ≤ 0,01

66,4

Forrás: Saját számítás és szerkesztés 2011

10. Melléklet: Megyei, regionális és országos trendparaméterek komplex relatív fejlettségi index esetén Megyei szintű trendfüggvények fontosabb paraméterei Megye Fejlődési ütem Bács-Kiskun 0,003270 Békés 0,003097 Csongrád 0,003330 Baranya 0,003028 Somogy 0,002583 Tolna 0,003315 Hajdú-Bihar 0,003136 Jász-Nagykun-Szolnok 0,003379 Szabolcs-Szatmár-Bereg 0,002905 Borsod-Abaúj-Zemplén 0,002586 Heves 0,003231 Nógrád 0,002734 Fejér 0,003623 Komárom-Esztergom 0,004114 Veszprém 0,003494 Pest 0,004030 Győr-Moson-Sopron 0,004101 Vas 0,003709 Zala 0,003326 Forrás: Saját számítás és szerkesztés 2011

R 0,934 0,931 0,937 0,927 0,911 0,940 0,936 0,947 0,923 0,902 0,937 0,915 0,942 0,961 0,944 0,956 0,957 0,946 0,932

F sig. K-S sig. 0,000 0,973 0,000 0,945 0,000 0,877 0,000 0,877 0,000 0,970 0,000 0,940 0,000 0,611 0,000 0,925 0,000 0,961 0,000 0,954 0,000 0,897 0,000 0,991 0,000 1,000 0,000 0,992 0,000 0,983 0,000 1,000 0,000 0,996 0,000 0,995 0,000 0,917

XXXIX

10. Melléklet (folytatás): Megyei, regionális és országos trendparaméterek komplex relatív fejlettségi index esetén Régió szintű trendfüggvények fontosabb paraméterei Régió Fejlődési ütem R Dél-Alföld 0,003243 0,935 Dél-Dunántúl 0,002945 0,927 Észak-Alföld 0,003104 0,935 Észak-Magyarország 0,002756 0,915 Közép-Dunántúl 0,003705 0,949 Közép-Magyarország 0,004030 0,956 Nyugat-Dunántúl 0,003712 0,946 Forrás: Saját számítás és szerkesztés 2011

F sig. K-S sig. 0,000 0,950 0,000 0,880 0,000 0,912 0,000 0,744 0,000 0,997 0,000 1,000 0,000 0,878

Országos szintű trendfüggvény fontosabb paraméterei Ország Fejlődési ütem R F sig. K-S sig. Magyarország 0,003273 0,938 0,000 0,849 Forrás: Saját számítás és szerkesztés 2011

XL

11. Melléklet: A kiinduló fejlettség és a fejlődési ütem regressziós modelljének statisztikai értékelése Reziduumok a kiinduló fejlettség függvényében lineáris regresszió esetén

0,0015 0,0010

Reziduum

0,0005 0,0000 -0,0005 -0,0010 -0,0015 -0,0020 0,20

0,21

0,22

0,23

0,24

0,25

Fejlettségi index 1996

Forrás: Saját számítás és szerkesztés 2011 Statisztikai eredménytábla lineáris regresszió esetén190 0,536803 0,046344 R β1 0,288157 0,005570 DE SEβ1 0,000582 0,000000 SEE T sig.β1 0,184132 -0,007057 Vσe c 0,000000 0,001229 F sig. SEc 0,628763 0,000000 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

190

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

XLI

11. Melléklet (folytatás): A kiinduló fejlettség és a fejlődési ütem regressziós modelljének statisztikai értékelése Reziduumok a kiinduló fejlettség függvényében nem lineáris regresszió esetén

0,0015

Reziduum

0,0010 0,0005 0,0000 -0,0005 -0,0010 -0,0015 0,20

0,21

0,22

0,23

0,24

0,25

Fejlettségi index 1996

Forrás: Saját számítás és szerkesztés 2011 Statisztikai eredménytábla nem lineáris regresszió esetén191 0,675615 0,000000 R T sig.β2 0,456456 1,648016 DE β1 0,000510 0,220817 SEE SEβ1 0,161372 0,000000 Vσe T sig.β1 0,000000 -0,185814 F sig. c 0,538987 0,024662 K-S sig. SEc -3,582555 β2 0,000000 T sig.c 0,493793 SEβ2 Forrás: Saját számítás és szerkesztés 2011 191

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

XLII

12. Melléklet: A fejlettség szerint rangsorolt kistérségek regressziós modellezése

A fejlettség szerinti rangszám és a fejlettségi állapot regressziós függvényének (Y) paraméterei Év 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

X3 determinánsa 1,4*10-8 1,6*10-8 1,62*10-8 1,63*10-8 1,74*10-8 1,72*10-8 1,96*10-8 1,92*10-8 1,88*10-8 1,74*10-8 1,36*10-8 1,28*10-8

X2 determinánsa -2,91*10-6 -3,36*10-6 -3,4*10-6 -3,46*10-6 -3,91*10-6 -4,07*10-6 -4,84*10-6 -4,74*10-6 -4,59*10-6 -4,39*10-6 -3,31*10-6 -3,2*10-6

X determinánsa 0,000279 0,000317 0,000311 0,000342 0,000406 0,000462 0,000543 0,000542 0,000530 0,000538 0,000453 0,000476

Konstans 0,207187 0,207097 0,210163 0,204607 0,218201 0,215629 0,214307 0,211678 0,213803 0,229177 0,225591 0,226896

R2 0,994 0,988 0,991 0,990 0,990 0,991 0,989 0,989 0,994 0,994 0,995 0,996

Forrás: Saját számítás és szerkesztés 2011

A fejlettség szerinti rangszám és a fejlettségi különbségek összefüggést leíró függvény (Y'), valamint az elsőrendű deriváltjának (Y'') paraméterei Év 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Elsőrendű derivált (Y') X2 determinánsa X determinánsa 4,19*10-8 -5,82*10-6 4,80*10-8 -6,73*10-6 -8 4,87*10 -6,80*10-6 -8 4,88*10 -6,93*10-6 5,21*10-8 -7,83*10-6 -8 5,15*10 -8,13*10-6 -8 5,88*10 -9,69*10-6 -8 5,75*10 -9,48*10-6 5,63*10-8 -9,19*10-6 -8 5,23*10 -8,78*10-6 -8 4,07*10 -6,63*10-6 3,83*10-8 -6,39*10-6

Konstans 0,000279 0,000317 0,000311 0,000342 0,000406 0,000462 0,000543 0,000542 0,000530 0,000538 0,000453 0,000476

Másodrendű derivált (Y'') X determinánsa Konstans 8,39*10-8 -5,82*10-6 9,60*10-8 -6,73*10-6 -8 9,74*10 -6,80*10-6 -8 9,76*10 -6,93*10-6 1,04*10-7 -7,83*10-6 -7 1,03*10 -8,13*10-6 -7 1,18*10 -9,69*10-6 -7 1,15*10 -9,48*10-6 1,13*10-7 -9,19*10-6 -7 1,05*10 -8,78*10-6 -8 8,14*10 -6,63*10-6 7,66*10-8 -6,39*10-6

Forrás: Saját számítás és szerkesztés 2011

XLIII

13. Mellékelt: A kistérségek minimális fejlettségi különbségéhez tartozó rangszám időbeli változásának ábrázolása és statisztikai értékelése

87 85 Minimumhely.

83 81 79 77 75 73

y = 1,5169x + 67,594

71

2

R = 0,853

69 1996

1998

2000

2002

2004

2006

Év

A kistérségek minimális fejlettségi különbségéhez tartozó rangszám az idő függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla192 0,923555 1,516878 R β1 0,852954 0,199165 DE SEβ1 2,381672 0,000018 SEE T sig.β1 0,030750 67,593785 Vσe c 0,000018 1,465818 F sig. SEc 0,827917 0,000000 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

192

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

XLIV

13. Mellékelt (folytatás): A kistérségek minimális fejlettségi különbségéhez tartozó rangszám időbeli változásának ábrázolása és statisztikai értékelése

5 4

Reziduum

3 2 1 0 -1 -2 -3 -4 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

XLV

14. Mellékelt: A kistérségek közötti minimális fejlettségi különbség időbeli változásának ábrázolása és statisztikai értékelése

0,00023 0,00021 Minimumérték

0,00019 0,00017 0,00015 0,00013 0,00011

-5

2

0,00009 0,00007 1996

-5

y = 10 x + 5*10 R = 0,9593 1998

2000

2002

2004

2006

Év

A kistérségek közötti minimális fejlettségi különbség alakulása az idő függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla193 0,979432 0,000012 R β1 0,959288 0,000001 DE SEβ1 0,000009 0,000000 SEE T sig.β1 0,070886 0,000054 Vσe c 0,000000 0,000006 F sig. SEc 0,983980 0,000003 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

193

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

XLVI

14. Mellékelt (folytatás): A kistérségek közötti minimális fejlettségi különbség időbeli változásának ábrázolása és statisztikai értékelése

0,000020 0,000015

Reziduum

0,000010 0,000005 0,000000 -0,000005 -0,000010 -0,000015 -0,000020 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

XLVII

15. Melléklet: A kistérségek minimális és maximális ranghely közötti fejlettségi különbségének időbeli ábrázolása és statisztikai értékelése

0,00000

"a" és "b" különbsége

-0,00005 -0,00010 -0,00015 -0,00020 -0,00025

-5

y = 2*10 x - 0,0003 -0,00030

2

R = 0,8723

-0,00035 1996

1998

2000

2002

2004

2006

Év a: A függvény értéke a minimális ranghelyen b: a függvény értéke a maximális ranghelyen

A kistérségek fejlettségi különbségének változása a minimális és a maximális ranghely között az idő függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla194 0,933986 0,000024 R β1 0,872329 0,000003 DE SEβ1 0,000035 0,000009 SEE T sig.β1 0,220213 -0,000318 Vσe c 0,000009 0,000022 F sig. SEc 0,946996 0,000000 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011 194

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

XLVIII

15. Melléklet (folytatás): A kistérségek minimális és maximális ranghely közötti fejlettségi különbségének időbeli ábrázolása és statisztikai értékelése

0,00006

Reziduum

0,00004 0,00002 0,00000 -0,00002 -0,00004 -0,00006 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

16. Melléklet: Lineáris korreláció a kistérségi komplex relatív fejlettségi index szórástípusú mutatói között1 Komplex index szórása

Komplex index relatív szórása

Logaritmizált komplex index szórása

Logaritmizált komplex index relatív szórása*

Komplex index 1 0,983 0,985 0,999 szórása Komplex index 0,983 1 1,000 0,990 relatív szórása Logaritmizált 0,985 1,000 1 0,991 komplex index szórása Logaritmizált 0,999 0,990 0,991 1 komplex index relatív szórása* 1 Az eredmények minden esetben több mint 99%-on szignifikánsak. * Mivel a komplex index minden esetben egynél kisebb és így a logaritmizált értéke negatív előjelű, ezért a korrelációszámításnál a relatív szórás abszolút értékét vettem figyelembe.

Forrás: Saját számítás és szerkesztés 2011

XLIX

17. Melléklet: Magyarország kistérségi szintű differenciálódási folyamatának statisztikai értékelése nem lineáris trend esetén

0,3 0,2

Reziduum

0,1 0,0 -0,1 -0,2 -0,3 -0,4 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla195 0,955520 0,031153 R T sig.β2 0,913019 0,326765 DE β1 0,193124 0,070594 SEE SEβ1 0,042061 0,001239 Vσe T sig.β1 0,000017 3,197951 F sig. c 0,352719 0,199600 K-S sig. SEc -0,013484 β2 0,000000 T sig.c 0,005286 SEβ2 Forrás: Saját számítás és szerkesztés 2011 195

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

L

18. Melléklet: Magyarország kistérségi szintű differenciálódásának folyamata komplex fejlettség alapján lineáris trenddel közelítve

A fejlettségi index relatív szórása.

5,5 5,3 5,1 4,9 4,7 4,5 4,3 4,1 3,9

y = 0,1515x + 3,607

3,7

R = 0,8501

2

3,5 1996

1998

2000

2002

2004

2006

Év

Trendfüggvény Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla196 0,922028 0,151469 R β1 0,850136 0,020111 DE SEβ1 0,240490 0,000020 SEE T sig.β1 0,052377 3,606977 Vσe c 0,000020 0,148011 F sig. SEc 0,946126 0,000000 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

196

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LI

18. Melléklet (folytatás): Magyarország kistérségi szintű differenciálódásának folyamata komplex fejlettség alapján lineáris trenddel közelítve

0,4 0,3

Reziduum

0,2 0,1 0,0 -0,1 -0,2 -0,3 -0,4 1996

1998

2000

2002

2004

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

LII

2006

2008

19. Melléklet: A települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórása Kistérség Bácsalmási Bajai Jánoshalmai Kalocsai Kecskeméti Kiskőrösi Kiskunfélegyházai Kiskunhalasi Kiskunmajsai Kunszentmiklósi Békéscsabai Békési Gyulai Mezőkovácsházai Orosházai Sarkadi Szarvasi Szeghalomi Csongrádi Hódmezővásárhelyi Kisteleki Makói Mórahalomi Szegedi Szentesi Komlói Mohácsi Pécsi Pécsváradi Sásdi Sellyei

1996 2,641 3,849 1,889 2,978 2,936 1,850 3,176 2,269 3,473 3,147 4,345 1,893 3,575 2,088 2,694 2,746 3,323 2,348 2,108 2,173 1,483 3,810 1,747 3,516 2,513 3,760 4,612 5,880 4,002 4,479 4,813

1997 1,657 3,070 1,768 2,238 2,051 1,541 2,368 1,537 1,981 2,328 3,528 1,514 3,154 1,718 2,165 1,540 2,912 1,882 1,739 1,989 0,795 3,028 1,696 2,893 2,104 3,868 3,523 5,065 3,133 3,385 3,795

1998 2,339 4,138 2,234 3,046 3,135 2,023 3,714 2,250 1,754 3,280 4,296 2,135 4,296 2,111 2,367 1,957 3,451 2,824 2,301 2,496 1,144 4,300 2,665 4,104 2,591 4,293 4,355 6,789 3,957 5,677 5,348

1999 1,901 3,805 0,487 3,101 3,159 2,345 3,329 1,905 2,944 2,699 4,650 1,606 4,461 2,622 2,492 3,371 3,161 1,954 2,975 2,524 1,247 4,073 3,188 4,389 2,930 4,487 4,925 6,642 5,126 5,194 6,127

2000 1,491 3,103 0,380 2,802 2,795 2,114 2,832 1,825 2,348 2,168 4,222 1,369 3,575 2,030 2,400 3,470 2,962 2,649 2,714 2,039 1,203 3,403 2,876 3,845 2,857 4,153 4,537 5,906 4,199 6,012 5,994

Vizsgált évek 2001 2002 2,174 2,610 3,891 4,029 1,678 1,413 2,972 2,876 2,694 3,260 2,138 1,801 3,536 3,741 1,392 2,691 1,520 1,845 2,448 2,745 3,777 4,686 1,807 1,836 4,164 4,054 2,867 4,263 2,545 3,070 3,887 4,857 2,761 3,082 4,133 3,830 3,110 3,930 2,381 2,345 1,203 1,300 3,364 3,713 2,865 3,012 4,036 3,763 3,035 2,525 5,810 5,619 4,956 6,067 6,597 12,674 4,434 4,889 7,688 8,554 7,243 8,842

2003 3,377 3,910 1,616 3,233 3,336 2,426 3,670 2,365 1,327 3,279 4,576 1,745 4,090 3,853 2,648 5,092 2,454 4,519 3,389 2,201 1,595 3,576 2,583 3,962 2,946 4,713 6,040 7,287 4,887 9,090 9,852

2004 2,935 3,488 1,189 2,804 3,099 2,629 2,996 1,847 2,195 2,619 4,135 1,976 4,157 3,656 2,756 4,099 2,076 5,066 3,298 1,992 1,381 3,604 2,500 3,477 2,424 5,302 5,629 7,100 5,111 8,230 8,537

2005 3,103 3,651 1,063 3,204 2,620 2,482 3,171 1,660 1,844 2,342 3,631 2,373 4,825 3,698 2,328 4,616 2,439 4,729 3,252 1,703 1,188 4,478 2,258 3,440 2,726 5,077 5,411 7,021 4,457 8,383 8,248

2006 2,249 3,086 1,734 3,002 2,754 2,493 3,453 2,038 2,085 2,347 4,837 2,332 4,331 4,444 2,465 3,647 2,733 4,053 3,133 2,119 1,128 4,761 2,345 3,593 2,563 4,266 5,170 6,784 4,324 8,347 7,359

2007 3,313 3,212 0,242 3,349 2,938 2,450 3,368 1,611 1,408 2,374 4,354 2,266 4,914 4,659 2,445 5,030 3,631 4,654 3,100 1,543 1,391 4,499 2,593 3,515 2,417 3,943 5,684 6,819 4,326 7,874 7,832

LIII

19. Melléklet (folytatás): A települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórása Kistérség Siklósi Szentlőrinci Szigetvári Balatonföldvári Barcsi Csurgói Fonyódi Kadarkúti Kaposvári Lengyeltóti Marcali Nagyatádi Siófoki Tabi Bonyhádi Dombóvári Paksi Szekszárdi Tamási Balmazújvárosi Berettyóújfalui Debreceni Derecske-Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni

LIV

1996 5,215 4,422 5,061 7,179 4,437 4,274 6,389 4,036 5,291 4,615 6,487 4,209 6,831 4,739 4,829 4,681 4,131 4,127 4,056 2,814 3,153 4,937 2,213 1,609 2,000 2,960 2,565 2,448 2,254 4,156 2,629

1997 4,305 3,402 3,919 6,301 3,805 2,972 5,392 3,326 4,153 3,932 5,589 3,466 5,987 3,462 3,646 3,223 3,133 3,467 2,919 1,924 2,336 4,905 1,687 0,941 1,650 2,243 1,518 1,978 1,883 3,701 2,328

1998 5,979 4,826 5,495 9,462 5,090 4,251 7,683 4,368 5,397 4,112 8,935 4,519 8,957 4,120 4,541 4,077 3,574 4,457 3,805 2,573 3,516 6,398 2,022 1,092 1,855 2,390 2,388 2,301 2,190 5,434 3,286

1999 6,192 4,763 6,024 8,683 5,504 4,383 8,196 4,709 5,494 4,420 8,217 4,482 7,867 5,062 4,366 4,187 4,544 4,361 4,175 2,923 3,482 7,050 1,560 1,161 2,221 3,526 2,753 2,312 2,810 6,556 2,317

2000 5,437 4,433 5,630 7,209 4,617 4,400 6,902 4,455 4,843 4,340 6,571 4,791 6,288 4,762 4,080 3,712 3,878 4,048 3,507 2,374 3,431 6,197 1,543 1,026 1,983 3,809 3,003 2,346 2,357 5,459 2,584

Vizsgált évek 2001 2002 6,198 7,412 5,076 6,143 6,502 8,303 7,517 7,476 5,268 7,184 5,167 5,328 7,179 8,083 4,892 5,011 5,455 5,904 4,914 5,449 7,170 7,843 5,370 6,079 6,080 6,139 4,836 6,118 4,884 5,235 4,182 5,123 4,116 4,188 4,441 4,730 3,487 4,291 2,067 2,899 3,847 5,161 5,596 6,021 2,102 2,497 0,300 0,737 2,966 3,896 4,629 5,478 4,361 3,323 3,599 4,713 2,767 2,782 6,444 6,700 3,242 3,861

2003 8,406 6,263 8,825 7,015 6,384 5,029 8,249 5,109 6,276 4,772 7,563 6,552 6,568 5,992 5,151 5,646 4,636 4,845 4,585 3,167 4,602 5,555 2,738 0,722 3,375 6,373 3,516 3,516 2,673 6,153 3,895

2004 8,169 5,468 8,198 6,397 5,742 4,526 7,756 5,156 6,109 5,774 7,870 5,899 6,188 6,400 5,134 5,793 4,757 4,825 4,565 2,443 4,945 5,340 2,339 0,442 3,338 6,005 3,761 3,624 2,762 6,875 3,862

2005 8,352 6,033 7,902 6,528 6,116 4,591 7,092 5,978 6,355 4,621 7,475 6,227 5,792 5,252 4,881 5,661 4,606 4,812 4,345 2,462 5,404 5,903 2,871 0,175 3,760 6,148 2,556 3,984 3,138 6,711 3,661

2006 8,154 6,228 7,218 6,480 6,482 5,175 7,372 6,244 6,124 4,486 7,736 7,374 5,743 5,534 4,633 6,044 4,182 4,992 4,023 2,285 5,024 5,441 3,103 0,094 3,335 6,083 2,202 4,126 3,247 6,451 3,973

2007 7,393 6,076 7,496 6,387 6,167 5,058 6,881 7,850 6,903 5,118 7,799 7,341 5,242 5,962 4,968 6,033 4,762 4,726 4,564 2,573 5,526 5,544 3,375 0,300 3,429 6,796 2,672 4,546 3,882 7,136 4,346

19. Melléklet (folytatás): A települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórása Kistérség Mezőtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány-Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai Tiszavasvári Vásárosnaményi Záhonyi Abaúj-Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezőcsáti Mezőkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji

1996 2,741 3,895 2,741 2,176 2,621 3,461 3,796 1,857 2,915 3,779 2,283 2,536 3,658 2,498 3,151 4,792 4,850 2,236 3,916 4,308 4,030 2,355 3,555 3,092 2,890 2,933 6,115 2,781 3,743 4,769 4,505

1997 1,773 3,645 2,146 1,570 1,688 2,594 2,917 1,522 2,329 2,775 1,808 1,773 3,188 1,842 2,849 3,646 4,008 2,377 8,953 3,320 2,789 2,096 3,348 2,689 2,353 2,395 4,774 2,536 3,029 3,769 3,699

1998 3,325 3,852 3,258 2,125 2,960 5,368 4,691 2,057 3,102 3,560 2,637 3,083 4,065 2,196 3,880 4,508 5,353 3,171 5,280 5,319 4,029 2,665 4,375 3,244 2,955 3,118 5,959 3,349 4,934 4,616 3,275

1999 2,701 4,051 2,583 1,984 3,033 4,492 4,401 2,177 3,349 3,938 2,679 3,316 4,534 2,824 4,008 5,284 4,791 2,854 4,504 5,107 4,225 2,145 5,032 3,606 3,159 3,541 6,641 2,875 3,880 4,999 4,797

2000 2,112 3,477 2,637 1,957 3,123 4,162 4,067 2,135 2,932 3,790 2,737 3,304 4,326 2,578 3,715 4,437 4,792 2,852 4,707 5,953 3,719 3,063 4,002 3,497 3,141 4,714 5,983 3,126 3,819 4,305 4,676

Vizsgált évek 2001 2002 2,549 2,480 3,811 3,975 3,613 3,983 2,806 3,870 3,537 4,153 5,439 5,794 4,419 5,503 2,011 2,757 3,346 3,604 4,295 4,577 3,039 4,012 4,007 4,375 4,919 5,303 3,082 3,982 4,024 5,632 4,755 5,906 6,189 7,932 3,780 4,285 5,953 7,026 6,148 8,379 3,923 4,714 3,436 5,275 3,955 4,528 4,016 4,194 3,595 4,271 5,414 5,527 6,641 7,619 5,029 5,843 4,902 5,669 5,188 6,407 5,211 6,571

2003 3,314 4,031 4,760 3,288 3,981 6,661 6,440 3,190 4,079 4,801 3,933 4,619 5,700 4,007 5,291 6,293 7,123 4,432 8,626 7,222 4,518 4,570 4,558 4,276 5,248 6,907 9,107 6,352 6,800 6,788 6,765

2004 3,630 4,284 4,390 4,604 3,623 4,929 5,961 3,270 4,148 4,724 3,022 4,983 5,353 4,261 5,545 5,697 6,977 3,970 8,408 6,639 4,322 5,357 4,483 4,010 4,500 5,538 7,878 5,976 5,349 6,691 5,118

2005 3,433 4,575 4,686 4,652 3,867 5,509 5,823 2,866 4,240 5,121 3,291 4,615 5,043 4,447 5,331 6,001 7,176 4,433 7,105 6,846 4,274 4,907 4,140 3,884 4,935 6,356 7,748 6,788 5,681 6,409 5,200

2006 3,596 4,563 4,475 2,727 3,682 6,441 5,743 2,508 4,056 4,737 3,404 4,297 5,108 4,422 5,481 5,433 8,739 4,266 6,821 7,177 4,479 4,790 3,573 3,726 4,625 5,931 8,022 5,794 5,473 6,383 8,130

2007 2,878 4,761 5,038 3,057 3,445 5,446 6,656 3,438 4,677 5,363 3,521 5,622 5,370 4,831 5,662 6,167 8,890 3,375 7,410 6,799 4,069 6,243 4,000 4,066 5,008 7,233 8,449 6,498 5,746 6,986 5,474

LV

19. Melléklet (folytatás): A települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórása Kistérség Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Abai Adonyi Bicskei Dunaújvárosi Enyingi Ercsi Gárdonyi Móri Sárbogárdi Székesfehérvári Dorogi Esztergomi Kisbéri Komáromi Oroszlányi Tatabányai Tatai Ajkai

LVI

1996 3,510 3,931 2,428 3,389 4,492 2,705 5,330 4,194 2,942 4,696 4,422 3,321 3,172 1,605 1,049 1,768 5,121 0,944 1,072 4,562 2,101 2,713 3,580 2,795 2,565 2,763 4,349 2,438 2,749 2,743 4,541

1997 2,615 3,595 2,516 3,502 3,685 2,028 4,639 3,560 2,003 4,571 2,863 2,673 2,915 1,751 1,346 1,224 4,322 0,982 1,315 3,496 1,400 1,805 2,979 2,347 2,707 2,565 3,636 1,449 2,589 2,394 3,707

1998 4,074 4,213 2,686 3,716 5,091 2,858 5,171 4,475 2,866 4,109 4,611 3,493 3,944 1,134 1,334 2,960 5,188 1,278 2,136 5,146 1,888 2,941 4,564 2,780 3,476 3,631 3,907 2,228 4,378 3,264 4,804

1999 3,878 4,833 2,478 4,672 5,158 3,125 6,791 4,163 3,140 6,639 4,052 3,514 3,891 1,557 2,014 2,652 5,584 1,279 1,060 4,264 2,401 2,813 4,197 3,146 3,598 2,984 4,094 2,143 3,529 3,100 4,883

2000 3,824 4,353 2,484 4,298 4,393 3,049 6,044 4,044 2,831 6,006 4,452 3,072 4,245 1,503 1,106 2,336 4,964 1,378 1,560 3,727 2,027 2,042 3,877 2,667 2,888 2,536 3,739 1,768 3,780 2,608 4,205

Vizsgált évek 2001 2002 3,942 4,363 4,770 5,367 3,679 4,561 4,767 4,306 4,529 4,838 3,899 5,231 6,332 7,277 4,239 4,153 2,806 4,150 5,865 7,610 4,032 4,212 3,473 4,841 3,681 4,740 1,972 2,643 1,412 1,745 1,972 2,147 5,037 5,139 1,031 1,226 2,410 2,557 3,409 3,757 1,732 2,230 2,800 2,757 3,830 4,023 2,734 2,970 2,485 2,756 3,021 2,865 4,377 4,569 1,723 1,378 4,117 3,089 2,980 3,310 4,752 5,186

2003 5,443 5,487 3,478 4,508 4,595 4,789 7,790 4,432 3,844 8,892 4,120 5,382 5,446 2,432 1,813 5,380 5,195 0,988 2,857 3,691 2,461 2,773 4,457 2,604 3,242 3,241 5,304 1,741 4,983 3,009 5,075

2004 5,777 5,263 2,960 5,053 4,401 4,437 6,594 4,092 3,650 7,743 3,516 4,818 5,741 2,309 1,660 5,093 4,804 1,642 2,028 3,253 2,468 4,087 4,067 2,621 2,297 3,112 4,453 2,163 3,157 2,818 4,945

2005 5,205 5,454 3,354 4,940 4,260 4,685 5,684 4,270 3,573 4,719 3,570 4,601 6,291 2,286 1,862 1,264 4,490 1,608 2,160 3,207 2,248 4,306 3,682 2,616 2,359 3,202 4,746 2,056 4,433 2,772 4,829

2006 4,378 4,647 2,961 4,752 4,375 5,088 5,927 4,137 3,419 4,638 3,407 4,691 6,796 2,806 1,699 1,522 4,584 1,741 1,689 3,140 2,294 3,139 3,608 2,846 2,980 3,376 4,754 2,121 20,051 4,096 4,548

2007 5,098 5,108 3,757 5,078 3,156 6,821 6,168 4,833 3,755 5,066 3,838 4,281 6,738 3,754 1,783 1,609 4,485 2,476 2,570 2,588 3,050 2,893 3,545 3,075 2,871 3,203 4,613 1,637 2,477 3,416 5,034

19. Melléklet (folytatás): A települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórása Kistérség Balatonalmádi Balatonfüredi Pápai Sümegi Tapolcai Várpalotai Veszprémi Zirci Aszódi Budaörsi Ceglédi Dabasi Dunakeszi Érdi Gödöllői Gyáli Monori Nagykátai Pilisvörösvári Ráckevei Szentendrei Szobi Váci Veresegyházi Csornai Győri Kapuvár-Beledi Mosonmagyaróvári Pannonhalmai Sopron-Fertődi Téti

1996 5,231 7,891 3,370 4,637 5,016 1,754 3,986 3,494 3,428 4,444 2,377 1,397 2,904 3,216 3,729 2,680 2,562 1,519 2,987 3,350 3,737 3,266 3,082 4,334 3,542 3,543 3,056 2,661 3,607 4,064 3,234

1997 4,821 7,233 2,650 3,319 4,586 1,671 4,324 2,550 2,765 3,763 1,829 1,029 1,525 2,922 3,207 2,424 2,193 1,217 2,752 3,086 2,767 1,903 2,616 3,259 2,610 2,989 2,699 2,437 2,906 3,847 2,250

1998 6,597 11,602 3,636 4,833 6,783 1,983 5,362 3,042 3,111 4,407 2,377 1,943 1,684 3,373 3,965 2,419 2,375 1,804 4,182 3,946 4,136 3,548 3,509 3,866 4,486 3,590 4,055 3,726 3,906 5,919 3,746

1999 6,111 9,871 3,439 5,248 6,608 1,939 5,773 3,086 3,682 4,714 2,682 1,849 2,600 4,425 4,321 2,719 2,885 1,874 3,574 4,182 4,236 3,347 3,528 3,855 4,036 4,117 3,377 3,355 5,151 4,643 2,218

2000 5,464 7,723 2,921 5,287 5,241 1,752 5,093 2,722 3,502 4,260 2,543 2,712 2,802 3,683 3,824 2,377 2,622 1,608 3,242 3,296 3,625 3,103 3,074 3,035 3,262 3,596 2,843 2,924 4,234 3,996 2,144

Vizsgált évek 2001 2002 5,844 6,679 7,921 8,139 3,240 3,671 4,705 4,718 5,302 5,107 1,444 1,612 4,555 5,133 3,373 3,408 3,764 3,458 4,471 4,235 2,615 2,861 2,286 2,620 1,997 2,855 3,461 3,365 4,263 4,607 2,006 1,346 2,501 2,729 1,528 1,986 2,947 3,198 3,338 2,855 3,414 3,323 2,855 3,442 3,481 3,086 3,536 4,163 3,436 4,018 3,941 4,077 3,689 2,874 2,478 2,614 4,933 4,524 4,758 4,659 2,830 2,711

2003 6,478 7,718 3,830 5,237 5,829 1,984 4,725 3,381 3,706 5,032 2,581 2,775 2,664 3,827 4,569 2,200 2,891 1,772 2,767 3,075 3,367 3,804 3,244 5,219 3,245 3,753 3,268 2,982 3,770 4,477 3,191

2004 5,518 7,262 3,633 3,742 4,936 2,069 4,638 3,568 3,668 4,128 2,464 2,597 2,061 3,460 3,791 1,567 2,972 1,588 2,972 3,397 3,184 3,696 3,107 5,686 3,852 3,270 3,155 2,847 4,087 4,311 3,294

2005 4,731 6,039 3,818 3,954 4,983 1,742 4,389 3,032 3,488 3,929 2,240 2,052 2,251 3,414 3,808 1,596 2,661 1,545 2,679 3,510 2,972 2,499 2,780 13,752 3,327 3,143 2,969 2,837 3,279 3,919 3,240

2006 4,570 6,098 3,407 4,387 4,872 2,224 4,506 3,304 3,348 4,479 2,283 2,972 2,355 3,909 4,132 1,686 2,841 1,608 2,642 3,218 3,329 3,504 2,873 14,547 3,586 3,414 3,057 2,900 2,705 4,351 3,268

2007 3,985 6,295 4,015 4,369 4,247 2,639 5,027 3,195 3,676 4,345 2,422 3,293 2,435 3,450 3,851 1,603 2,837 2,044 2,902 3,177 3,009 2,301 2,722 13,782 4,004 3,476 2,594 2,626 3,625 5,056 2,772

LVII

19. Melléklet (folytatás): A települési szintű komplex relatív fejlettségi index kistérségen belüli relatív szórása Kistérség Celldömölki Csepregi Körmendi Kőszegi Őriszentpéteri Sárvári Szentgotthárdi Szombathelyi Vasvári Hévízi Keszthelyi Lenti Letenyei Nagykanizsai Pacsai Zalaegerszegi Zalakarosi Zalaszentgróti

1996 4,369 5,488 8,001 4,407 4,647 4,644 4,559 4,392 4,583 8,087 7,669 5,572 4,256 6,379 4,927 4,993 6,429 4,702

1997 3,610 4,347 4,775 3,375 3,881 3,499 4,753 3,035 3,014 7,194 6,575 4,207 3,505 4,305 3,550 4,027 5,377 4,017

1998 4,795 5,761 6,537 5,627 6,001 5,176 5,129 4,507 4,605 9,309 9,493 6,536 4,221 4,508 4,637 5,170 6,749 4,214

1999 5,056 6,501 6,214 5,188 5,771 4,792 6,288 4,404 4,861 10,686 9,326 5,851 4,102 5,339 4,660 5,248 6,640 4,588

2000 4,285 5,901 5,058 3,894 4,738 3,898 5,008 3,804 3,927 8,673 7,619 4,802 3,949 4,703 3,908 4,403 5,619 3,660

Forrás: Saját számítás és szerkesztés 2011

LVIII

Vizsgált évek 2001 2002 4,262 4,521 5,160 5,752 5,072 5,191 2,915 4,329 4,777 5,366 4,087 3,546 5,585 5,599 3,940 4,601 3,910 4,256 9,164 9,971 8,012 8,092 5,150 6,085 4,870 5,073 4,932 4,310 4,707 4,784 4,649 5,246 5,929 6,354 4,153 3,554

2003 4,254 6,746 4,939 4,242 4,709 3,569 5,129 4,665 4,464 8,866 7,797 5,782 6,138 5,314 4,633 4,727 5,983 3,727

2004 4,240 5,227 4,237 3,456 4,358 3,377 4,212 4,288 4,383 7,840 6,821 5,254 5,253 4,223 4,253 4,986 5,970 4,212

2005 3,865 5,630 4,613 3,575 4,384 3,574 4,037 4,012 3,793 7,691 7,486 5,200 5,617 4,220 4,158 4,517 6,198 4,665

2006 4,428 5,221 5,438 3,478 4,068 3,603 5,577 3,585 4,040 8,244 7,343 5,259 5,846 4,214 4,453 4,837 6,240 3,657

2007 4,045 4,783 5,040 2,957 4,907 3,336 5,391 3,105 3,878 8,660 6,957 5,274 6,784 4,537 4,583 4,758 6,283 4,579

20. Melléklet: A kistérségek belső differenciálódásának statisztikai értékelése A kistérségek belső differenciálódási üteme (β), és a korrelációs együttható értéke Kistérség Bácsalmási Bajai Jánoshalmai Kalocsai Kecskeméti Kiskőrösi Kiskunfélegyházai Kiskunhalasi Kiskunmajsai Kunszentmiklósi Békéscsabai Békési Gyulai Mezőkovácsházai Orosházai Sarkadi Szarvasi Szeghalomi Csongrádi Hódmezővásárhelyi Kisteleki Makói Mórahalomi Szegedi Szentesi

β 0,103 -0,033 -0,069 0,041 0,016 0,071 0,032 -0,015 -0,097 -0,041 0,023 0,056 0,101 0,266 0,008 0,252 -0,042 0,277 0,121 -0,047 0,015 0,080 0,028 -0,010 0,004

R 0,592 0,297 0,384 0,521 0,166 0,765 0,285 0,138 0,556 0,375 0,197 0,626 0,716 0,913 0,122 0,783 0,332 0,865 0,715 0,571 0,263 0,541 0,222 0,091 0,058

Kistérség Komlói Mohácsi Pécsi Pécsváradi Sásdi Sellyei Siklósi Szentlőrinci Szigetvári Balatonföldvári Barcsi Csurgói Fonyódi Kadarkúti Kaposvári Lengyeltóti Marcali Nagyatádi Siófoki Tabi Bonyhádi Dombóvári Paksi Szekszárdi Tamási

β 0,058 0,151 0,140 0,071 0,441 0,387 0,333 0,217 0,334 -0,139 0,205 0,117 0,076 0,293 0,175 0,079 0,089 0,331 -0,172 0,181 0,071 0,231 0,095 0,097 0,088

R 0,302 0,726 0,268 0,451 0,850 0,773 0,860 0,851 0,796 0,510 0,761 0,659 0,333 0,902 0,848 0,535 0,363 0,950 0,611 0,748 0,538 0,852 0,682 0,802 0,619

Kistérség Balmazújvárosi Berettyóújfalui Debreceni Derecske-Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezőtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány-Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai

β 0,002 0,264 -0,007 0,138 -0,114 0,192 0,434 0,049 0,229 0,131 0,246 0,170 0,094 0,090 0,252 0,196 0,138 0,236 0,283 0,144 0,177 0,186 0,136 0,280 0,180

R 0,021 0,921 0,041 0,827 0,880 0,849 0,945 0,232 0,852 0,884 0,814 0,864 0,568 0,826 0,909 0,682 0,730 0,720 0,883 0,844 0,928 0,906 0,754 0,918 0,845

LIX

20. Melléklet (folytatás): A kistérségek belső differenciálódásának statisztikai értékelése A kistérségek belső differenciálódási üteme (β), és a korrelációs együttható értéke (folytatás) Kistérség Tiszavasvári Vásárosnaményi Záhonyi Abaúj-Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezőcsáti Mezőkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai

β 0,269 0,264 0,176 0,418 0,172 0,225 0,302 0,073 0,368 0,017 0,102 0,249 0,414 0,294 0,421 0,232 0,271 0,256 0,196 0,130 0,103 0,142 -0,060 0,345 0,103

R 0,952 0,912 0,776 0,913 0,774 0,480 0,780 0,535 0,918 0,122 0,755 0,913 0,922 0,843 0,910 0,766 0,878 0,688 0,782 0,753 0,560 0,864 0,391 0,913 0,417

Kistérség Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Abai Adonyi Bicskei Dunaújvárosi Enyingi Ercsi Gárdonyi Móri Sárbogárdi Székesfehérvári Dorogi Esztergomi Kisbéri Komáromi Oroszlányi Tatabányai Tatai Ajkai Balatonalmádi

Forrás: Saját számítás és szerkesztés 2011

LX

β 0,040 0,117 0,087 -0,043 0,179 0,365 0,169 0,055 0,037 -0,044 0,094 0,101 -0,151 0,081 0,112 0,001 0,013 -0,025 0,041 0,089 -0,015 0,543 0,068 0,058 -0,098

R 0,485 0,711 0,204 0,305 0,756 0,963 0,851 0,635 0,096 0,424 0,771 0,599 0,789 0,700 0,574 0,011 0,218 0,217 0,457 0,676 0,163 0,406 0,547 0,502 0,407

Kistérség Balatonfüredi Pápai Sümegi Tapolcai Várpalotai Veszprémi Zirci Aszódi Budaörsi Ceglédi Dabasi Dunakeszi Érdi Gödöllői Gyáli Monori Nagykátai Pilisvörösvári Ráckevei Szentendrei Szobi Váci Veresegyházi

β -0,278 0,068 -0,025 -0,088 0,051 0,000 0,027 0,038 0,004 0,010 0,152 0,014 0,025 0,030 -0,109 0,043 0,024 -0,058 -0,031 -0,060 0,003 -0,031 1,018

R 0,631 0,622 0,145 0,419 0,578 0,002 0,320 0,475 0,044 0,141 0,824 0,112 0,239 0,271 0,822 0,663 0,381 0,477 0,301 0,486 0,019 0,356 0,806

Kistérség Győri Kapuvár-Beledi Mosonmagyaróvári Pannonhalmai Sopron-Fertődi Téti Celldömölki Csepregi Körmendi Kőszegi Őriszentpéteri Sárvári Szentgotthárdi Szombathelyi Vasvári Hévízi Keszthelyi Lenti Letenyei Nagykanizsai Pacsai Zalaegerszegi Zalakarosi

β -0,013 -0,035 -0,016 -0,046 0,004 0,031 -0,023 -0,014 -0,175 -0,124 -0,047 -0,116 -0,004 -0,035 -0,016 -0,029 -0,094 -0,008 0,249 -0,096 0,004 0,001 0,002

R 0,131 0,306 0,160 0,221 0,024 0,222 0,218 0,076 0,614 0,533 0,263 0,680 0,021 0,227 0,119 0,107 0,378 0,047 0,899 0,530 0,038 0,014 0,015

Csornai

0,019

0,136

Zalaszentgróti

-0,013

0,110

20. Melléklet (folytatás): A kistérségek belső differenciálódásának statisztikai értékelése Az F-próba és a Kolmogorov - Smirnov teszt szignifikancia szintje a kistérségek belső differenciálódásának időbeli trendje esetén Kistérség Bácsalmási Bajai Jánoshalmai Kalocsai Kecskeméti Kiskőrösi Kiskunfélegyházai Kiskunhalasi Kiskunmajsai Kunszentmiklósi Békéscsabai Békési Gyulai Mezőkovácsházai Orosházai Sarkadi Szarvasi Szeghalomi Csongrádi Hódmezővásárhelyi Kisteleki Makói Mórahalomi Szegedi Szentesi

F sig. 0,043 0,349 0,217 0,082 0,606 0,004 0,369 0,668 0,061 0,230 0,539 0,029 0,009 0,000 0,706 0,003 0,291 0,000 0,009 0,052 0,408 0,070 0,488 0,777 0,859

K-S sig. 0,945 0,937 0,455 0,902 0,966 0,632 0,998 0,946 0,873 0,977 0,970 0,773 0,968 0,971 0,886 0,975 0,905 0,817 0,996 0,578 0,927 0,695 0,996 0,842 0,983

Kistérség Komlói Mohácsi Pécsi Pécsváradi Sásdi Sellyei Siklósi Szentlőrinci Szigetvári Balatonföldvári Barcsi Csurgói Fonyódi Kadarkúti Kaposvári Lengyeltóti Marcali Nagyatádi Siófoki Tabi Bonyhádi Dombóvári Paksi Szekszárdi Tamási

F sig. 0,341 0,008 0,400 0,141 0,000 0,003 0,000 0,000 0,002 0,091 0,004 0,020 0,290 0,000 0,000 0,073 0,246 0,000 0,035 0,005 0,071 0,000 0,015 0,002 0,032

K-S sig. 0,945 0,962 0,080 0,997 0,991 0,967 0,583 0,988 0,879 0,815 0,892 0,950 0,965 0,663 0,959 0,756 0,876 0,939 0,840 0,789 0,988 0,873 0,997 0,560 0,853

Kistérség Balmazújvárosi Berettyóújfalui Debreceni Derecske-Létavértesi Hajdúböszörményi Hajdúhadházi Hajdúszoboszlói Polgári Püspökladányi Jászberényi Karcagi Kunszentmártoni Mezőtúri Szolnoki Tiszafüredi Törökszentmiklósi Baktalórántházai Csengeri Fehérgyarmati Ibrány-Nagyhalászi Kisvárdai Mátészalkai Nagykállói Nyírbátori Nyíregyházai

F sig. 0,947 0,000 0,898 0,001 0,000 0,000 0,000 0,468 0,000 0,000 0,001 0,000 0,054 0,001 0,000 0,014 0,007 0,008 0,000 0,001 0,000 0,000 0,005 0,000 0,001

K-S sig. 0,992 1,000 0,838 0,965 0,946 0,827 0,978 1,000 0,432 0,794 0,895 1,000 0,841 0,973 0,982 0,986 0,589 0,990 0,968 0,951 0,686 0,942 0,404 0,263 1,000

LXI

20. Melléklet (folytatás): A kistérségek belső differenciálódásának statisztikai értékelése Az F-próba és a Kolmogorov - Smirnov teszt szignifikancia szintje a kistérségek belső differenciálódásának időbeli trendje esetén (folytatás) Kistérség Tiszavasvári Vásárosnaményi Záhonyi Abaúj-Hegyközi Bodrogközi Edelényi Encsi Kazincbarcikai Mezőcsáti Mezőkövesdi Miskolci Ózdi Sárospataki Sátoraljaújhelyi Szerencsi Szikszói Tiszaújvárosi Tokaji Bélapátfalvai Egri Füzesabonyi Gyöngyösi Hatvani Hevesi Pétervásárai

F sig. 0,000 0,000 0,003 0,000 0,003 0,114 0,003 0,073 0,000 0,705 0,005 0,000 0,000 0,001 0,000 0,004 0,000 0,013 0,003 0,005 0,058 0,000 0,209 0,000 0,177

K-S sig. 0,938 0,973 0,928 0,861 0,979 0,541 0,740 0,989 0,978 0,949 0,982 0,831 0,951 0,971 0,985 0,759 0,975 0,987 0,996 1,000 0,648 0,526 0,665 0,599 0,895

Kistérség Balassagyarmati Bátonyterenyei Pásztói Rétsági Salgótarjáni Szécsényi Abai Adonyi Bicskei Dunaújvárosi Enyingi Ercsi Gárdonyi Móri Sárbogárdi Székesfehérvári Dorogi Esztergomi Kisbéri Komáromi Oroszlányi Tatabányai Tatai Ajkai Balatonalmádi

Forrás: Saját számítás és szerkesztés 2011

LXII

F sig. 0,110 0,009 0,525 0,335 0,004 0,000 0,000 0,027 0,766 0,169 0,003 0,039 0,002 0,011 0,051 0,973 0,496 0,498 0,135 0,016 0,613 0,191 0,066 0,096 0,189

K-S sig. 0,992 1,000 0,829 0,815 0,994 0,866 0,846 0,895 0,745 0,982 0,964 0,724 0,664 0,983 0,952 0,971 0,989 0,926 0,622 0,793 0,549 0,238 0,960 0,859 0,989

Kistérség Balatonfüredi Pápai Sümegi Tapolcai Várpalotai Veszprémi Zirci Aszódi Budaörsi Ceglédi Dabasi Dunakeszi Érdi Gödöllői Gyáli Monori Nagykátai Pilisvörösvári Ráckevei Szentendrei Szobi Váci Veresegyházi

F sig. 0,028 0,031 0,652 0,175 0,049 0,995 0,311 0,119 0,893 0,663 0,001 0,729 0,454 0,394 0,001 0,019 0,221 0,117 0,342 0,109 0,954 0,255 0,002

K-S sig. 0,795 0,566 0,573 0,441 0,899 0,978 0,993 0,967 0,778 0,976 0,425 0,929 0,495 0,996 0,902 0,986 0,850 0,853 0,829 0,485 0,723 0,933 0,777

Csornai

0,673

0,993

Kistérség Győri Kapuvár-Beledi Mosonmagyaróvári Pannonhalmai Sopron-Fertődi Téti Celldömölki Csepregi Körmendi Kőszegi Őriszentpéteri Sárvári Szentgotthárdi Szombathelyi Vasvári Hévízi Keszthelyi Lenti Letenyei Nagykanizsai Pacsai Zalaegerszegi Zalakarosi

F sig. 0,685 0,334 0,619 0,490 0,940 0,488 0,497 0,814 0,034 0,074 0,409 0,015 0,947 0,478 0,714 0,740 0,226 0,884 0,000 0,076 0,907 0,967 0,962

K-S sig. 0,897 0,940 0,819 1,000 0,917 0,873 0,782 0,971 0,935 0,905 0,829 0,912 0,978 0,915 0,773 0,979 0,919 0,908 0,757 0,930 0,703 0,999 0,989

Zalaszentgróti

0,733

0,887

21. Melléklet: A kistérségi szintű fejlődés és a belső differenciálódás nem lineáris regressziós modelljének statisztikai értékelése

1,0 0,8

Reziduum

0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 0,0010 0,0015 0,0020 0,0025 0,0030 0,0035 0,0040 0,0045 0,0050 Fejlődési ütem

Reziduumok a fejlődési ütem függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla197 0,511873 0,000009 R T sig.β2 0,262014 -641,256 DE β1 0,136363 120,0246 SEE SEβ1 1,052087 0,000000 Vσe T sig.β1 0,000000 1,199146 F sig. c 0,046584 0,181549 K-S sig. SEc 88413,79 β2 0,000000 T sig.c 19262,94 SEβ2 Forrás: Saját számítás és szerkesztés 2011 197

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXIII

22. Melléklet: A kistérségi szintű fejlődés és a belső differenciálódás kapcsolatának vizsgálata különböző megközelítésekben198 Összefüggés vizsgálat lineáris regresszióban a teljes sokaságra (statisztikai eredménytábla) 0,412991 R β1 0,170562 DE SEβ1 0,144142 SEE T sig.β1 1,112106 Vσe c 0,000000 F sig. SEc 0,055516 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

-94,74828 15,97808 0,000000 0,396651 0,051683 0,000000

Összefüggés vizsgálat lineáris regresszióban azon kistérségek kizárása mellett, melyek esetén a vizsgált időszakban a belső differenciálódás terén szignifikáns változás nem mérhető (statisztikai eredménytábla) 0,300340 R β1 0,090204 DE SEβ1 0,161818 SEE T sig.β1 0,764397 Vσe c 0,005226 F sig. SEc 0,049280 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

-72,22057 25,17569 0,005226 0,391444 0,073933 0,000001

Összefüggés vizsgálat nem lineáris regresszióban azon kistérségek kizárása mellett, melyek esetén a vizsgált időszakban a belső differenciálódás terén szignifikáns változás nem mérhető (statisztikai eredménytábla) 0,386132 R T sig.β2 0,149098 DE β1 0,157444 SEE SEβ1 0,743736 Vσe T sig.β1 0,001334 F sig. c 0,066206 K-S sig. SEc 69710,32 β2 T sig.c 29261,30 SEβ2 Forrás: Saját számítás és szerkesztés 2011 198

0,019517 -485,4649 175,1827 0,006909 0,969129 0,252932 0,000248

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXIV

23. Melléklet: A kistérségi szintű fejlettség és a belső differenciáltság kapcsolata a vizsgált időszakban A regressziós függvények fontosabb paraméteri lineáris modellben199 Év Meredekség R 72,290 0,418 1996 58,846 0,403 1997 95,280 0,476 1998 81,766 0,457 1999 43,346 0,313 2000 13,435 0,100 2001 -9,602 0,063 2002 -19,265 0,131 2003 -20,879 0,157 2004 -26,089 0,184 2005 -12,149 0,069 2006 -35,074 0,254 2007 Forrás: Saját számítás és szerkesztés 2011

F sig. 0,000 0,000 0,000 0,000 0,000 0,191 0,414 0,085 0,039 0,015 0,367 0,001

K-S sig. 0,232 0,351 0,458 0,094 0,536 0,578 0,297 0,542 0,845 0,188 0,021 0,587

199

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXV

24. Melléklet: A kistérségi szintű fejlettség és a belső differenciáltság kapcsolatának időbeli változását reprezentáló modell statisztikai értékelése

40 30

Reziduum

20 10 0 -10 -20 -30 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében lineáris modellben Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla200 0,904815 -11,86587 R β1 0,818691 1,765834 DE SEβ1 21,11630 0,000052 SEE T sig.β1 0,519230 97,28681 Vσe c 0,000052 12,99618 F sig. SEc 0,642222 0,000021 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

200

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXVI

25. Melléklet: A kistérségek fejlettségének és belső differenciáltságának összefüggése az idő függvényében

Összefüggés vizsgálat lineáris regresszióban, ha a fejlettség és a belső differenciáltság közötti nem szignifikáns kapcsolatot nullának tekintjük (statisztikai eredménytábla)201 0,890460 R β1 0,792918 DE SEβ1 21,64605 SEE T sig.β1 0,599101 Vσe c 0,000103 F sig. SEc 0,772095 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

-11,20093 1,810133 0,000103 95,26307 13,32222 0,000031

201

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXVII

26. Melléklet: A kistérségi szintű fejlettség és a belső differenciáltság kapcsolata a vizsgált időszakban A regressziós függvények statisztikai értékelése nem lineáris modellben202 SEβ2 T sig.β2 Év R SEE Vσe F sig. K-S sig. 0,264 1177,967 0,001 1996 0,479 1,217 0,332 0,000 0,447 817,923 0,000 1997 0,551 1,070 0,356 0,000 0,651 1112,491 0,000 1998 0,596 1,372 0,343 0,000 0,210 936,750 0,000 1999 0,556 1,417 0,347 0,000 0,149 695,157 0,000 2000 0,503 1,225 0,333 0,000 0,751 643,514 0,000 2001 0,458 1,362 0,339 0,000 0,802 657,497 0,000 2002 0,503 1,596 0,355 0,000 0,572 643,321 0,000 2003 0,462 1,596 0,348 0,000 0,877 618,795 0,000 2004 0,413 1,498 0,346 0,000 0,682 662,146 0,000 2005 0,396 1,648 0,384 0,000 0,012 917,683 0,000 2006 0,312 2,084 0,472 0,000 0,663 658,563 0,000 2007 0,378 1,733 0,390 0,000 Forrás: Saját számítás és szerkesztés 2011

202

SEβ1 T sig.β1 526,769 0,001 368,470 0,000 507,314 0,000 420,182 0,000 333,014 0,000 307,689 0,000 314,867 0,000 304,930 0,000 296,262 0,000 337,853 0,000 459,135 0,000 333,645 0,000

SEc T sig.c 58,833 0,001 41,452 0,000 57,774 0,000 47,057 0,000 39,836 0,000 36,728 0,000 37,642 0,000 36,077 0,000 35,402 0,000 43,030 0,000 57,333 0,000 42,176 0,000

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov - Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXVIII

27. Melléklet: A K-középpontú klaszterezésre és a hagyományos csoportosításra épülő eljárás eredményének összehasonlítása a hazai kistérségek esetén Kistérség Abaúj-Hegyközi Bodrogközi Encsi Szikszói Jánoshalmai Mohácsi Siklósi Szentlőrinci Barcsi Lengyeltóti Marcali Tabi Püspökladányi Kisvárdai Tiszavasvári Kazincbarcikai Sárospataki Sátoraljaújhelyi Tokaji Füzesabonyi Pétervásárai Salgótarjáni

K. 1. 1. 1. 1. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4.

Cs. 1. 1. 1. 1. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.

Kistérség Szécsényi Letenyei Békési Szeghalomi Kisteleki Mórahalomi Komlói Balmazújvárosi Karcagi Kunszentmártoni Ibrány-Nagyhalászi Nyírbátori Bélapátfalvai Pásztói Enyingi Sárbogárdi Pacsai Kalocsai Makói Zalaszentgróti Bácsalmási Mezőkovácsházai

K. 4. 4. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 9. 9. 9. 10. 10.

Cs. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.

Kistérség Sarkadi Sásdi Sellyei Szigetvári Csurgói Kadarkúti Nagyatádi Berettyóújfalui Derecske-Létavértesi Hajdúhadházi Baktalórántházai Csengeri Fehérgyarmati Mátészalkai Vásárosnaményi Záhonyi Edelényi Mezőcsáti Ózdi Szerencsi Hevesi Bátonyterenyei

K. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10.

Cs. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.

Kistérség Kunszentmiklósi Tamási Polgári Tiszafüredi Törökszentmiklósi Abai Sümegi Vasvári Zalakarosi Kiskőrösi Kiskunmajsai Orosházai Pécsváradi Bonyhádi Dombóvári Jászberényi Mezőkövesdi Balassagyarmati Rétsági Adonyi Ercsi Ajkai

K. 7. 7. 7. 7. 7. 7. 7. 7. 7. 9. 9. 9. 9. 9. 9. 9. 9. 9. 9. 9. 9. 9.

Cs. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.

LXIX

27. Melléklet (folytatás): A K-középpontú klaszterezésre és a hagyományos csoportosításra épülő eljárás eredményének összehasonlítása a hazai kistérségek esetén Kistérség Várpalotai Celldömölki Lenti Dabasi Hajdúböszörményi Mezőtúri Nagykállói Bicskei Dorogi Kisbéri Zirci Aszódi Nagykátai Szobi Csornai Pannonhalmai Téti Őriszentpéteri Szarvasi Ceglédi Bajai Kiskunhalasi

K. 9. 9. 9. 3. 8. 8. 8. 8. 8. 8. 8. 8. 8. 8. 8. 8. 8. 8. 9. 9. 6. 6.

Cs. 3. 3. 3. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 5. 5.

Kistérség Kaposvári Tiszaújvárosi Gyulai Hódmezővásárhelyi Szentesi Szekszárdi Miskolci Tapolcai Szentgotthárdi Nagykanizsai Hajdúszoboszlói Gyöngyösi Pápai Kőszegi Sárvári Kecskeméti Móri Esztergomi Komáromi Oroszlányi

K. 6. 6. 6. 6. 6. 6. 6. 6. 6. 6. 9. 9. 9. 9. 9. 3. 3. 3. 3. 3.

Cs. 5. 5. 6. 6. 6. 6. 6. 6. 6. 6. 6. 6. 6. 6. 6. 7. 7. 7. 7. 7.

Tatabányai

3.

7.

Forrás: Saját számítás és szerkesztés 2011

LXX

Kistérség Tatai Gödöllői Gyáli Monori Pilisvörösvári Ráckevei Váci Veresegyházi Mosonmagyaróvári Csepregi Körmendi Kiskunfélegyházai Csongrádi Paksi Hatvani Kapuvár-Beledi Balatonföldvári Fonyódi Siófoki Balatonfüredi

K. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 9. 9. 9. 9. 9. 5. 5. 5. 5.

Cs. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 7. 8. 8. 8. 8.

Balatonalmádi

5.

9.

Kistérség Hévízi Keszthelyi Dunaújvárosi Békéscsabai Szegedi Pécsi Debreceni Szolnoki Nyíregyházai Egri Gárdonyi Székesfehérvári Veszprémi Budaörsi Dunakeszi Érdi Szentendrei Győri Sopron-Fertődi Szombathelyi

K. 5. 5. 6. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.

Cs. 9. 9. 9. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10.

Zalaegerszegi

2.

10.

28. Melléklet: A K-középpontú klaszterezésre és a hagyományos csoportosításra épülő eljárás eredményének összehasonlítása a hazai kistérségek esetén

1. k.

0,0050 Fejlődési ütem

0,0040 0,0035

2. k.

7.

0,0045 4.

10.

4. k.

6.

3.

9.

0,0030 0,0025

5. k. 6. k.

2.

5.

0,0020 0,0015

3. k.

8.

7. k. 8. k.

1.

9. k.

0,0010 0,20

0,21

0,22

0,23

0,24

0,25

10. k. 11. k.

Fejlettségi index 1996

12. k.

Tizenkét klaszteres megoldás Forrás: Saját számítás és szerkesztés 2011

1. k.

0,0050

2. k. 7.

0,0045 Fejlő dési ütem

0,0040 0,0035

3. k. 10.

4. 6.

3.

9.

0,0030 0,0025

0,0010 0,20

5. k. 6. k. 7. k.

2.

5.

8.

0,0020 0,0015

4. k.

8. k. 9. k. 10. k.

1.

11. k. 0,21

0,22

0,23

0,24

Fejlettségi index 1996

0,25

12. k. 13. k. 14. k.

Tizennégy klaszteres megoldás Forrás: Saját számítás és szerkesztés 2011

LXXI

29. Melléklet: A kistérségek fejlettség és fejlődési ütem alapján történő csoportosításának ellenőrzése diszkriminanciaanalízissel203

A csoportosítás ellenőrzése1

Az elemek megoszlása (db.) Az elemek megoszlása (%)

Saját csoportosítás

A diszkriminanciaanalízis által javasolt csoportosítás Cso1 2 3 4 5 6 7 8 9 port 4 0 0 0 0 0 0 0 0 1 3 49 6 0 2 2 0 0 0 2 0 0 23 0 0 2 0 0 0 3 0 0 1 16 0 0 0 0 0 4 0 0 0 0 4 0 0 0 0 5 0 0 0 0 1 12 0 0 0 6 0 0 0 1 0 1 20 0 0 7 0 0 0 0 0 0 0 4 0 8 0 0 0 0 0 0 0 0 4 9 0 0 0 0 0 0 0 0 1 10 100 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 1 4,8 79,0 9,7 0,0 3,2 3,2 0,0 0,0 0,0 2 0,0 0,0 92,0 0,0 0,0 8,0 0,0 0,0 0,0 3 0,0 0,0 5,9 94,1 0,0 0,0 0,0 0,0 0,0 4 0,0 0,0 0,0 0,0 100 0,0 0,0 0,0 0,0 5 0,0 0,0 0,0 0,0 7,7 92,3 0,0 0,0 0,0 6 0,0 0,0 0,0 4,5 0,0 4,5 90,9 0,0 0,0 7 0,0 0,0 0,0 0,0 0,0 0,0 0,0 100 0,0 8 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 100 9 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 5,6 10 1 A kistérségek csoportosítása 88,4%-ban helyes.

10

Összesen

0 0 0 0 0 0 0 0 0 17 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 94,4

4 62 25 17 4 13 22 4 4 18 100 100 100 100 100 100 100 100 100 100

Forrás: Saját számítás és szerkesztés 2011

A csoportátlagok egyezőségének tesztelése Változók Fejlődési ütem Fejlettségi index (1996)

Wilks' lambda 0,130 0,127

F érték 121,053 124,749

F sig. 0,000 0,000

Forrás: Saját számítás és szerkesztés 2011

203

Ezen a ponton ismételten megjegyzem, hogy a vizsgálatot a fejlettség és a fejlődési ütem korrelációjára való tekintettel lépésenkénti módszer szerint Mahalanobis távolság alapján is lefuttattam, és az eredmények tökéletes egyezését tapasztaltam.

LXXII

30. Melléklet: Az első 10 legfejlettebb kistérség a vizsgált időszak első és utolsó évében, komplex relatív fejlettségi index alapján 1996 2007 Kistérség Kistérség Balatonfüredi Budaörsi 1. Hévízi Győri 2. Siófoki Dunakeszi 3. Balatonföldvári Balatonfüredi 4. Veszprémi Érdi 5. Fonyódi Veszprémi 6. Pécsi Székesfehérvári 7. Keszthelyi Pécsi 8. Érdi Sopron - Fertődi 9. Debreceni 10. Budaörsi Forrás: Saját számítás és szerkesztés 2011 Ssz.

31. Melléklet: A magyarországi kistérségek által alkotott fejlődési zónák az 1996 és 2007 közötti időszakra vonatkozóan

Forrás: Saját szerkesztés 2011

LXXIII

32. Melléklet: A fejlettség és a fejlődési ütem alapján kialakított saját, valamint a munkanélküliség alapján diszkriminált kistérségi csoportok összevetése1

1

60

6

66

2

7

100

107

1

90,9

9,1

100

2

6,5

93,5

100

1

Az 1-es a hátrányos helyzetű kistérségek csoportja, a 2-es a nem hátrányos helyzetű kistérségek csoportja A kistérségek csoportosítása 92,5%-ban helyes.

Forrás: Saját számítás és szerkesztés 2011

LXXIV

Összesen

Kistérségek (db.)

Diszkriminált csoportok 1 2

Kistérségek (%)

Saját csoportok

Csoport

33. Melléklet: A hátrányos helyzetű kistérségek diszkriminanciaanalízise vállalkozási potenciált jellemző mutatókkal

A mutatók diszkrimináló hatásának értékelése Mutatók

Wilks' lambda

F sig.

SDC*

R**

0,598

0,000

0,553

0,886

0,623

0,000

0,411

0,842

0,668

0,000

0,197

0,762

0,933

0,001

-0,048

-0,291

Vállalkozások száma az építőipar nemzetgazdasági ágban 1000 lakosra Vállalkozások száma a bányászat, a feldolg.-ip., a villamos e.-, gáz-, hő- és vízellát. nemzetgazd. ágakban 1000 lakosra Vállalkozások száma a szolgáltatás nemzetgazdasági ágban összesen 1000 lakosra Vállalkozások száma a mezőgazd., vadgazd. és erdőgazd., halászat nemzetgazdasági ágakban 1000 lakosra *

SDC: standardizált diszkriminancia-együttható R: Korreláció a vizsgálatba vont mutatók és a diszkrimináló függvény között.

**

Forrás: Saját számítás és szerkesztés 2011

A vállalkozások ezer lakosra jutó darabszámának standardizált értékéből számított csoport átlaga ágazatonként (2007) Kistérségi csoport Hátrányos helyzetű Nem hátrányos helyzetű Különbség

Építőipar

Ipar

Szolgáltatás

Mezőgazdaság

-0,805

-0,780

-0,732

0,330

0,496

0,481

0,451

-0,203

-1,301

-1,261

-1,183

0,533

Forrás: Saját számítás és szerkesztés 2011

A diszkriminancia függvény értékelése Sajátérték 0,855

Kanonikus korreláció 0,679

Wilks' lambda 0,539

Khí-négyzet 104,465

Khí sig. 0,000

Forrás: Saját számítás és szerkesztés 2011

LXXV

33. Melléklet (folytatás): A hátrányos helyzetű kistérségek diszkriminanciaanalízise vállalkozási potenciált jellemző mutatókkal

A diszkriminancia függvény értéke a csoportok középpontjában Kistérségi csoport Hátrányos helyzetű Nem hátrányos helyzetű

Középpont -1,171 0,722

Forrás: Saját számítás és szerkesztés 2011

A fejlettség és a fejlődési ütem alapján kialakított saját, valamint a diszkriminált kistérségi csoportok összevetése1

1

59

7

66

2

22

85

107

1

89,4

10,6

100

2

20,6

79,4

100

1 Az 1-es a hátrányos helyzetű kistérségek csoportja, a 2-es a nem hátrányos helyzetű kistérségek csoportja. A kistérségek csoportosítása 83,2%-ban helyes.

Forrás: Saját számítás és szerkesztés 2011

LXXVI

Összesen

Kistérségek (db.)

Diszkriminált csoportok 1 2

Kistérségek (%)

Saját csoportok

Csoport

34. Melléklet: A hátrányos helyzetű kistérségek diszkriminanciaanalízise iskolázottságot jellemző mutatókkal

A vizsgálat alapmutatói A 7 éves és idősebb népességből 0 osztályt végzettek száma a 7 éves és idősebb népesség %-ában A 7 éves és idősebb népességből általános iskolát végzettek száma a 15 éves és idősebb népesség %-ában A 7 éves és idősebb népességből középiskolai végzettségű összesen a 18 éves és idősebb népesség %-ában A 7 éves és idősebb népességből felsőfokú végzettségű összesen a 29 éves és idősebb népesség %-ában

Forrás: Saját szerkesztés 2011

Az alapmutatók standardizált értékének csoportátlaga Kistérségi csoport Hátrányos helyzetű Nem hátrányos helyzetű Különbség

Középiskolát végzett

Nulla osztályt végzett

Felsőfokú végzettségű

Általános iskolát végzett

-0,851

0,744

-0,650

0,582

0,525

-0,459

0,401

-0,359

-1,376

1,203

-1,051

0,941

Forrás: Saját számítás és szerkesztés 2011

A lépésenkénti eljárás eredményeként vizsgálatban maradt mutatók diszkrimináló hatásának értékelése Mutatók A 7 éves és idősebb népességből középiskolai végzettségű összesen a 18 éves és idősebb népesség %-ában A 7 éves és idősebb népességből 0 osztályt végzettek száma a 7 éves és idősebb népesség %-ában *

Wilks' lambda

F sig.

SDC*

R**

0,550

0,000

0,742

0,917

0,657

0,000

-0,435

-0,734

SDC: standardizált diszkriminancia-együttható R: Korreláció a vizsgálatba vont mutatók és a diszkrimináló függvény között.

**

Forrás: Saját számítás és szerkesztés 2011

LXXVII

34. Melléklet (folytatás): A hátrányos helyzetű kistérségek diszkriminanciaanalízise iskolázottságot jellemző mutatókkal

A lépésenkénti eljárás eredményeként a vizsgálatból kizárt mutatók korrelációja a diszkrimináló függvénnyel Mutatók A 7 éves és idősebb népességből felsőfokú végzettségű összesen a 29 éves és idősebb népesség %-ában A 7 éves és idősebb népességből általános iskolát végzettek száma a 15 éves és idősebb népesség %-ában

R 0,517 -0,563

Forrás: Saját számítás és szerkesztés 2011

A diszkriminancia függvény értékelése Sajátérték 0,972

Kanonikus korreláció 0,702

Wilks' lambda 0,507

Khí-négyzet 115,439

Forrás: Saját számítás és szerkesztés 2011

A diszkriminancia függvény értéke a csoportok középpontjában Kistérségi csoport Hátrányos helyzetű Nem hátrányos helyzetű

Középpont -1,248 0,770

Forrás: Saját számítás és szerkesztés 2011

LXXVIII

Khí sig. 0,000

34. Melléklet (folytatás): A hátrányos helyzetű kistérségek diszkriminanciaanalízise iskolázottságot jellemző mutatókkal

A fejlettség és a fejlődési ütem alapján kialakított saját, valamint a diszkriminált kistérségi csoportok összevetése1 Összesen

Kistérségek (db.)

Diszkriminált csoportok 1 2

1

56

10

66

2

16

91

107

Kistérségek (%)

Saját csoportok

Csoport

1

84,8

15,2

100

2

15,0

85,0

100

1 Az 1-es a hátrányos helyzetű kistérségek csoportja, a 2-es a nem hátrányos helyzetű kistérségek csoportja A kistérségek csoportosítása 85%-ban helyes.

Forrás: Saját számítás és szerkesztés 2011

LXXIX

35. Melléklet: Az egy főre jutó GDP és a komplex relatív fejlettségi index megyei szintű összefüggéseinek statisztikai értékelése

Korreláció az egy főre jutó GDP és a komplex relatív fejlettségi index között megyei szinten 1996 1997 1998 1999 2000 2001 0,722 0,726 0,714 0,798 0,813 0,898 R 0,000 0,000 0,001 0,000 0,000 0,000 Sig. 2002 2003 2004 2005 2006 2007 0,885 0,880 0,881 0,838 0,869 0,906 R 0,000 0,000 0,000 0,000 0,000 0,000 Sig. Forrás: Saját számítás és szerkesztés 2011

0,06

Reziduum

0,04 0,02 0,00 -0,02 -0,04 -0,06 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében a megyei GDP és a komplex relatív fejlettségi index korrelációjának trendje esetén Forrás: Saját számítás és szerkesztés 2011

LXXX

35. Melléklet (folytatás): Az egy főre jutó GDP és a komplex relatív fejlettségi index megyei szintű összefüggéseinek statisztikai értékelése

Statisztikai eredménytábla a megyei GDP és a komplex relatív fejlettségi index korrelációjának trendje esetén 204 0,903593 0,038461 R T sig.β2 0,816480 0,046115 DE β1 0,034138 0,012479 SEE SEβ1 0,041254 0,004955 Vσe T sig.β1 0,000486 0,650378 F sig. c 0,962199 0,035283 K-S sig. SEc -0,002264 β2 0,000000 T sig.c 0,000934 SEβ2 Forrás: Saját számítás és szerkesztés 2011

204

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXXXI

36. Melléklet: Az egy főre jutó GDP és a vándorlási egyenleg megyei szintű összefüggéseinek statisztikai értékelése

Korreláció az egy főre jutó GDP és a vándorlási egyenleg között megyei szinten 1996 1997 1998 1999 2000 2001 0,122 0,249 0,227 0,188 0,262 0,427 R 0,618 0,303 0,351 0,441 0,279 0,068 Sig. 2002 2003 2004 2005 2006 2007 0,465 0,450 0,564 0,573 0,593 0,690 R 0,045 0,053 0,012 0,010 0,008 0,001 Sig. Forrás: Saját számítás és szerkesztés 2011

0,10 0,08 0,06 Reziduum

0,04 0,02 0,00 -0,02 -0,04 -0,06 -0,08 -0,10 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében a megyei GDP és a vándorlási egyenleg korrelációjának trendje esetén Forrás: Saját számítás és szerkesztés 2011

LXXXII

36. Melléklet (folytatás): Az egy főre jutó GDP és a vándorlási egyenleg megyei szintű összefüggéseinek statisztikai értékelése

Statisztikai eredménytábla a megyei GDP és a vándorlási egyenleg korrelációjának trendje esetén 205 0,966774 0,049782 R β1 0,934653 0,004163 DE SEβ1 0,049778 0,000000 SEE T sig.β1 0,124227 0,077112 Vσe c 0,000000 0,030636 F sig. SEc 0,990185 0,030542 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

205

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXXXIII

A fejlettségi index és a vándorlási. egyenleg korrelációja

37. Melléklet: A megyei szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata

0,9 0,8 0,7 0,6 0,5 0,4

y = 0,0397x + 0,2807 2

R = 0,9337 0,3 1996

1998

2000

2002

2004

2006

Év

A komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének időbeli változása megyei szinten Forrás: Saját számítás és szerkesztés 2011

Korreláció a komplex relatív fejlettségi index és a vándorlási egyenleg között megyei szinten 1996 1997 1998 1999 2000 2001 0,373 0,414 0,404 0,376 0,423 0,485 0,116 0,078 0,087 0,113 0,071 0,035 2002 2003 2004 2005 2006 2007 0,544 0,590 0,655 0,677 0,730 0,793 R 0,016 0,008 0,002 0,001 0,000 0,000 Sig. Forrás: Saját számítás és szerkesztés 2011 R Sig.

LXXXIV

37. Melléklet (folytatás): A megyei szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata

0,06 0,04

Reziduum

0,02 0,00 -0,02 -0,04 -0,06 -0,08 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla a megyei szintű komplex relatív fejlettségi index és a vándorlási egyenleg korrelációjának trendje esetén 206 0,966305 0,039675 R β1 0,933745 0,003342 DE SEβ1 0,039965 0,000000 SEE T sig.β1 0,074196 0,280749 Vσe c 0,000000 0,024597 F sig. SEc 0,999529 0,000000 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

206

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXXXV

A fejlettségi index és a vándorlási. egyenleg korrelációja

38. Melléklet: A kistérségi szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata

0,8 0,7 0,6 0,5 0,4 0,3

y = 0,0431x + 0,1407 2

R = 0,8984 0,2 1996

1998

2000

2002

2004

2006

Év

A komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének időbeli változása kistérségi szinten Forrás: Saját számítás és szerkesztés 2011

Korreláció a komplex relatív fejlettségi index és a vándorlási egyenleg között kistérségi szinten 1996 1997 1998 1999 2000 2001 0,263 0,274 0,260 0,302 0,264 0,362 0,000 0,000 0,001 0,000 0,000 0,000 2002 2003 2004 2005 2006 2007 0,373 0,474 0,505 0,632 0,655 0,685 R 0,000 0,000 0,000 0,000 0,000 0,000 Sig. Forrás: Saját számítás és szerkesztés 2011 R Sig.

LXXXVI

38. Melléklet (folytatás): A kistérségi szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata

Reziduum

0,10 0,08 0,06 0,04 0,02 0,00 -0,02 -0,04 -0,06 -0,08 -0,10 -0,12 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla a kistérségi szintű komplex relatív fejlettségi index és a vándorlási egyenleg korrelációjának trendje esetén 207 0,947829 0,043089 R β1 0,898381 0,004583 DE SEβ1 0,054802 0,000003 SEE T sig.β1 0,130235 0,140710 Vσe c 0,000003 0,033728 F sig. SEc 0,926545 0,001912 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

207

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXXXVII

A fejlettségi index és a vándorlási. egyenleg korrelációja

39. Melléklet: A települési szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata

0,28 0,26 0,24 0,22 0,20 0,18 y = 0,0074x + 0,1513

0,16

2

R = 0,6409 0,14 1996

1998

2000

2002

2004

2006

Év

A komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének időbeli változása települési szinten Forrás: Saját számítás és szerkesztés 2011

Korreláció a komplex relatív fejlettségi index és a vándorlási egyenleg között települési szinten 1996 1997 1998 1999 2000 2001 0,179 0,168 0,146 0,191 0,199 0,172 0,000 0,000 0,000 0,000 0,000 0,000 2002 2003 2004 2005 2006 2007 0,181 0,210 0,224 0,258 0,248 0,217 R 0,000 0,000 0,000 0,000 0,000 0,000 Sig. Forrás: Saját számítás és szerkesztés 2011 R Sig.

LXXXVIII

39. Melléklet (folytatás): A települési szintű komplex relatív fejlettségi index és a vándorlási egyenleg összefüggésének vizsgálata

0,04 0,03

Reziduum

0,02 0,01 0,00 -0,01 -0,02 -0,03 1996

1998

2000

2002

2004

2006

2008

Év

Reziduumok az idő függvényében Forrás: Saját számítás és szerkesztés 2011

Statisztikai eredménytábla a települési szintű komplex relatív fejlettségi index és a vándorlási egyenleg korrelációjának trendje esetén 208 0,800590 0,007402 R β1 0,640945 0,001752 DE SEβ1 0,020951 0,001758 SEE T sig.β1 0,105046 0,151330 Vσe c 0,001758 0,012894 F sig. SEc 0,710667 0,000000 K-S sig. T sig.c Forrás: Saját számítás és szerkesztés 2011

208

Ahol: R: korrelációs együttható; DE: determinációs együttható; SEE: a becslés standard hibája; Vσe: relatív reziduális szórás; F sig.: az F-próba szignifikanciája; K-S sig.: a Kolmogorov Smirnov teszt szignifikanciája; β: regressziós együttható; SEβ: a regressziós együttható standard hibája; T sig.β: a t-próba szignifikanciája a regressziós együtthatóra; c: a regressziós függvény konstans tagja; SEc: a konstans standard hibája; T sig.c: a t-próba szignifikanciája a konstansra.

LXXXIX

KÖSZÖNETNYILVÁNÍTÁS

Köszönöm a családomnak, hogy doktori értekezésem elkészítéséhez mindentekintetben biztosították az optimális feltételeket, lehetőséget teremtve ezzel arra, hogy szabadidőmet és energiáimat teljes egészében a kutatómunkára összpontosíthassam. Köszönettel tartozom főnökömnek és barátomnak Dr. Kádek Istvánnak, aki az Eszterházy Károly Főiskolán eddig bejárt pályám során, azon túl, hogy példaértékű emberi, pedagógiai és szakmai magatartásával követésre méltó mintát állított elém, az elvárhatót messze meghaladó mértékben segítette mindennapi munkámat és fejlődésemet is. Köszönöm Egri Zoltán PhD-s évfolyamtársam és barátom rengeteg hasznos szakmai észrevételét, megjegyzését, véleményét és tanácsát, melyeken keresztül őszinte jó szándékkal segítette munkámat. Köszönettel tartozom Dr. Pesti Csabának és Dr. Tóth Tamásnak a doktori értekezésem tervezetéhez fűzött – minden részletre kiterjedő – építő jellegű észrevételeikért, melyekkel tartalmi és formai vonatkozásban is hozzájárultak a lehető legszínvonalasabb végeredményhez. Végül, de messze nem utolsó sorban köszönöm témavezetőm Dr. Káposzta József segítségét, aki az elmúlt hat évben a kutatási terv elkészítésétől a nyilvános vita lebonyolításáig folyamatosan és nagymértékben segítette munkámat nem csak szakmailag, hanem emberileg is. Segítsége nélkül értekezésem elkészítése lényegesen hosszabb időt vett volna igénybe – ha egyáltalán elkészült volna valaha is –, és színvonalát tekintve is alacsonyabb értéket képviselne.

Eger, 2011. március 9.