T E R Ü L E T I S T A T I S Z T I K A

TERÜLETI STATISZTIKA

A KÖZPONTI STATISZTIKAI HIVATAL FOLYÓIRATA

SZERKESZTŐBIZOTTSÁG DR. BALOGH MIKLÓS (főszerkesztő), DR. HORVÁTH GYULA, DR. HORVÁTH JÓZSEF, DR. KAPROS TIBORNÉ, KOVÁCS FLÓRIÁN LÁSZLÓ, DR. KULCSÁR LÁSZLÓ, DR. MAROSI LAJOS (felelős szerkesztő), DR. NOVÁK ZOLTÁN, NYITRAI JÓZSEF, SÁNDOR ISTVÁN, SZABÓ ISTVÁN, DR. SZALÓ PÉTER, DR. SZEGVÁRI PÉTER, SZEKERES JÁNOSNÉ, SZEMES MÁRIA, VÉGH ZOLTÁN, VIDA JUDIT, WAFFENSCHMIDT JÁNOSNÉ, DR. ZONGOR GÁBOR

11. (48.) ÉVFOLYAM 3. SZÁM

2008. MÁJUS

E SZÁM SZERZŐI: Dr. Ács Pongrác PhD, adjunktus, Pécsi Tudományegyetem Természettudományi Kar, Pécs; Dr. Bottlik Zsolt PhD, adjunktus, Eötvös Loránd Tudományegyetem (ELTE) Regionális Tudományi Tanszék, Budapest; Czirfusz Márton PhD-hallgató, ELTE Regionális Tudományi Tanszék, Budapest; Dr. Dusek Tamás PhD, adjunktus, Széchenyi István Egyetem, Győr; Dr. Jakobi Ákos PhD, adjunktus, ELTE Regionális Tudományi Tanszék, Budapest; Jeney László PhD-hallgató, ELTE Regionális Tudományi Tanszék, Budapest; Dr. Kiss János Péter Phd, tanársegéd, ELTE Regionális Tudományi Tanszék, Budapest; Kovács András főiskolai tanársegéd, Modern Üzleti Tudományok Főiskolája, Tatabánya; Kovács Péter doktorjelölt, adjunktus, Szegedi Tudományegyetem Gazdaságtudományi Kar; Laczkó Tamás tanársegéd, Pécsi Tudományegyetem Egészségtudományi Kar, Pécs; Lőcsei Hajnalka tanársegéd, ELTE Regionális Tudományi Tanszék, Budapest; Dr. Lukovics Miklós PhD, adjunktus, Szegedi Tudományegyetem Gazdaságtudományi Kar; Dr. Marosi Lajos kandidátus, vezető-főtanácsos, Központi Statisztikai Hivatal, Budapest; Dr. Szabó Pál PhD, adjunktus, ELTE Regionális Tudományi Tanszék, Budapest; Szalkai Gábor PhD-hallgató, ELTE Regionális Tudományi Tanszék, Budapest; Tagai Gergely PhD-hallgató, ELTE Regionális Tudományi Tanszék, Budapest; Telbisz Erzsébet PhD-hallgató, ELTE Regionális Tudományi Tanszék, Budapest; Dr. Tóth Géza PhD, tanácsos, Központi Statisztikai Hivatal, Budapest; Prof. Dr. Tóth József egyetemi tanár, rector emeritus, a PTE TTK Földtudományok Doktori Iskola vezetője, Pécs; Uzzoli Annamária tudományos munkatárs, ELTE Regionális Tudományi Tanszék, Budapest. ISSN 0018-7828 Szerkesztőség: 1024 Budapest, Keleti Károly u. 5–7. Előfizetési ügyek: Gaál Istvánné szerkesztőségi titkár, tel.: 345-6658, fax: 345-6998 E-mail: [email protected] Főszerkesztő: dr. Balogh Miklós, tel.: 345-6483 E-mail: [email protected] Felelős szerkesztő: dr. Marosi Lajos, tel.: 345-6547 E-mail: [email protected] Gazdaságstatisztikai szerkesztő: Kormos Zoltán, tel.: 345-1205 E-mail: [email protected] Számítógépes tördelőszerkesztő: Bada Ilona Csilla, tel.: 345-6581 E-mail: [email protected] Kiadja a Központi Statisztikai Hivatal (1525 Budapest, Pf. 51.) Megjelenik: kéthavonta, minden páratlan hónap végén. Előfizetési díj: fél évre 900, egész évre 1620 Ft. A Területi Statisztika cikkei megtalálhatók a KSH honlapján: www.ksh.hu Előfizethető: a szerkesztőségnek küldött megrendelés útján. Az írásban le nem mondott tavalyi megrendelések érvényesek. Megvásárolható: a Statisztikai Szakkönyvesboltban (1024 Budapest, Fényes Elek u. 14–18.). Készült: Xerox Magyarország Kft. – 2008.089

TARTALOM

ELMÉLET–MÓDSZERTAN Meditáció a városokról és a várossá nyilvánítás hazai gyakorlatáról. Vitairat – dr. Tóth József .......................237 Eljárás a területi versenyképesség mérésére – dr. Lukovics Miklós – Kovács Péter ..........................................245 A regionális GDP értelmezésének és használatának problémái – dr. Dusek Tamás – dr. Kiss János Péter .....264 A legközelebbi szomszéd analízis és alkalmazási lehetőségei – Czirfusz Márton – dr. Szabó Pál ....................281 ELEMZÉSEK A szomszédsági mátrix problematikájának megoldási lehetőségei – elmélet és gyakorlat – dr. Jakobi Ákos – Jeney László ..................................................................................................295 Helyzeti és fejlettségi centrum–periféria relációk a hazai kistérségekben – Lőcsei Hajnalka – Szalkai Gábor ..............................................................................................305 A szürkeállomány területi különbségei – katedrán innen és túl – dr. Kiss János Péter – Tagai Gergely – Telbisz Erzsébet .........................................................315 A regionális és etnikai különbségek összefüggései Bulgáriában az ezredfordulón – dr. Bottlik Zsolt ..............334 KÖZLEMÉNYEK Területi különbségek a hazai egészségturizmus kínálatában – dr. Ács Pongrác – Laczkó Tamás .....................344 Az egészségi állapot különbségei a közép-magyarországi régióban – Uzzoli Annamária .................................357 Kinek emlékeztetőül, kinek újdonságként. Szempontok a kéziratok elkészítéséhez – dr. Marosi Lajos ..........367 KÖNYVISMERTETÉS Fejlődés és hanyatlás kombinációja Észak-Alföldön – dr. Tóth Géza ................................................................370 Kalandos kirándulás változó falvainkban – Kovács András ...............................................................................372 HAZAI STATISZTIKAI FOLYÓIRATOK TARTALMA ................................................................................374

A Területi Statisztikában megjelenő tanulmányok kutatói véleményeket tükröznek, amelyek nem esnek szükségképpen egybe a KSH vagy a szerzők által képviselt intézmények hivatalos álláspontjával.

Utánnyomás csak a forrás megjelölésével!

ELMÉLET–MÓDSZERTAN DR. TÓTH JÓZSEF

Meditáció a városokról és a várossá nyilvánítás hazai gyakorlatáról Vitairat∗ Kevés a szakmai vita Magyarországon. Talán a politikusok mintájára egyre ritkább az érvek egymásnak feszülése, az őszinte nézeteltérések konszenzussá munkálása. Elbeszélünk – írunk – egymás mellett. Sok egyéb mellett így van ez a várossá nyilvánítások ügyében is. A nézetek között alapvető, koncepcionális szakmai differenciák vannak, melyeket a politikai szempontok rendre fölülírnak. Az eredmény meglehetősen kaotikus. Ideje lenne valamelyes, legalább a szakma portáját érintő rendteremtésnek. Ez az írás – esetenként egyéni hangvételű felvetéseivel – azt a célt szolgálja, hogy vitát provokálva megszólítsa a hozzáértőket, írják le véleményüket. Reményeink szerint kellő alap teremthető az álláspontok közelítéséhez, esetleg közös javaslat megfogalmazásához a döntési szféra számára. A világon mindenütt, így Magyarországon is örökzöld téma a város léte, lényege, településrendszeren belüli szerepe. A problémakörben számos diszciplína érdekelt, képviselőik vitáiból egyre valószínűbb az a teoretikusan eleve sejtett következtetés, hogy általánosan elfogadható megfontolások és főleg definíciók a várossal kapcsolatban aligha várhatók. Az egész kérdéskört tovább bonyolítja, hogy a jogi megközelítés is államonként differenciált, a mindenkori hatalom térben és időben eltérő kritériumok alapján minősít egyes településeket várossá, érzékenyen befolyásolva ezzel a helyi társadalom aspirációit éppúgy, mint az urbanizációs folyamat városodási (mennyiségi) aspektusának nemzetközi összevetésre is széles körben használt mutatóit. A magyar urbanizációs folyamat sajátosságainak vizsgálata régóta tart, és kiterjedt szakirodalmat eredményezett. A legfontosabbak (Teleki 1936, Prinz 1942, Fodor 1944, Mendöl 1944, Bulla – Mendöl 1947, Erdei é. n., 1971, Frisnyák 1990) és az általános összefüggésekre koncentráló művek áttekintése nyomán arra a meggyőződésre juthatunk, hogy a magyar sajátosságok szignifikánsak, és lényegében három tényezőt érintenek, három kérdés formájában fogalmazhatók meg. Ezek: – Jelent-e a magyar város az európaihoz hasonló minőséget? – Mit kezdhetünk az esetenként számottevő arányú külterületi népességgel? – Mekkora és milyen irányú az eltérés a földrajzi városok és a közigazgatási-jogi értelemben azoknak elismert települések között? Amint látható, a kérdések az urbanizációs folyamat mindkét aspektusát, a minőségi és a mennyiségi oldalt, a városiasodást és a városodást egyaránt érintik. Az urbanizáció ∗ A Területi Statisztika szerkesztősége azzal a szándékkal kérte fel dr. Tóth József professzort, hogy vitát nyisson a témáról. Várjuk tehát olvasóink írásait, amelyek lehetnek elemzések vagy akár rövid hozzászólások.

238

DR. TÓTH JÓZSEF

sokoldalú kapcsolatrendszere, a folyamat időbeli, térbeli differenciáltsága és a feltárását kikényszerítő társadalmi igény egyaránt indokolja, hogy sokan és több diszciplína oldaláról kutatják. Magam lassan fél évszázada foglalkozom az urbanizáció különböző kérdésköreivel (Tóth 1966, 1975, 1977, 1988, 1996, 2001–2002, 2004, Bánlaky – Bokor – Tóth 1999, Blahó – Tóth 2006.) Elsősorban az Alföld településrendszere, az alföldi város funkcionális sajátosságai, a városodás ütemdifferenciái, a minőségi és mennyiségi aspektus kölcsönhatásai érdekelnek, de néhány további elméleti problémával is szembe találkoztam. Ennek alapján nem meglepő, hogy az urbanizáció nemzetközi és hazai irodalmát figyelemmel kísérem, örömmel regisztrálva, hogy az utóbbi évtized érezhető élénkülést hozott. Ebbe a folyamatba illeszkedik a szombathelyi konferenciasorozat is (Csapó – Kocsis – Lenner 2004, Csapó – Kocsis 2006, 2007, 2008). Ha jól utánagondolunk, egyáltalán nem meglepő, hogy az urbanizációkutatás mai kérdőjelei lényegében ugyanott vannak, ahol évtizedekkel ezelőtt. Ez a tény némi rosszmájúsággal úgy is interpretálható, hogy a kutatások nem voltak igazán eredményesek, de ténylegesen arról van szó, hogy új és új problémák merülnek fel a régiek bázisán, új megközelítéseket, esetleg vizsgálati metodikát igényelve. Az urbanizáció tartalma, jellege is módosul a termelőerők fejlődésének újabb szakaszában. Ennek egyik legfőbb és számos következménnyel járó megnyilvánulása a városképző szerepkörök (non-basic functions) átalakulása és a településhierarchia fokozatain való lefelé csúszása, vagyis a városi minőség degradálódása, a mennyiség–minőség dichotómia más szinten való újratermelődése. Néhány évtizede magam is joggal kerestem az óriásfalvak és a kisvárosok közötti különbséget, és azt az esetleg teljesen azonos „bruttó” mennyiségi mutatók mellett a minőségi, a funkcionális–strukturális eltérésekben láttam megfoghatónak. Ma ez már nem ilyen egyszerű. A városi funkciók fokozatosan kiépültek az óriásfalvakban is, a településrendszer elemei közötti vertikális és horizontális kapcsolatok erősödtek, egyre több település nyert városi jogállást, alig maradt „óriásfalu”. Napjainkra az urbanizációval foglalkozók városokra koncentráló része egyre inkább a várossá válás körülményeivel, a kisvárosok problémakörével összefüggő kutatásokat végez, és igen gyakran nem, vagy nem egyértelműen különíti el a munkamegosztás termékeként objektíve kialakuló, településföldrajzi értelemben vett várost a városként közigazgatási-jogi értelemben elismert, tehát szubjektív kritériumok alapján a társadalmi megítélés révén azzá nyilvánított településtől. Az utóbbi évek e témakörben publikált kutatási eredményei (Szigeti 1997, Csapó T. – Kocsis 1997, Beluszky 1999, Győri 2006, 2008, Dövényi 2006, 2008, Csapó O. 2008, Lenner 2008, Pirisi – Szabó – Trócsányi 2008, Szebényi 2008) egyértelműen arról győznek meg, hogy a fő kérdés ma is a mennyiség és minőség problémája, a városodás és városiasodás ellentmondásrendszere. Az is a szombathelyiek érdeme, hogy a korábbi (Becsei 1983) településmorfológiai kutatások nyomán a kisvárosok ilyen aspektusú elemzésére is sor került (Csapó T. 2008), és a várossá nyilvánítás gyakorlatának egyik külföldi példája is bemutattatott a konferencián (Zsilincsar 2008). Áttekintve a mai helyzet kialakulásának előzményeit, már a II. világháború utáni szakaszt véve alapul, óriási különbség van a két végpont között: 1945-ben kereken félszáz volt, napjainkban pedig mintegy háromszáz jogi értelemben vett város regisztrálható Magyarországon. A városi népesség aránya az össznépesség egyharmadáról annak két-

MEDITÁCIÓ A VÁROSOKRÓL ÉS A VÁROSSÁ NYILVÁNÍTÁS HAZAI GYAKORLATÁRÓL

239

harmadára növekedett. Ebben a több mint hat évtizedes időszakban jellegzetes időbeli hullámok és térbeli differenciák alakultak ki, melyek rövid áttekintését a szakirodalomból ismert (Tóth 1988) tetraédermodell szférái szerint végezzük el. A természeti szféra eltérései a településrendszer egészét, így természetesen a városokat is befolyásolják. Elsősorban a természeti tér differenciál: a tagoltabb geomorfológiai formációk a sűrűbb, de kisebb elemekből álló, míg a kevéssé tagolt térformák a ritkább, de nagyobb elemeket tartalmazó településrendszer kialakulásának kedveznek. Az első variáns elősegíti a településhierarchia érvényesülését azáltal, hogy bizonyos elemek funkciókat koncentrálnak, melyek tekintetében vonzáskörzetek alakulnak ki – tehát kedvez a település-földrajzi értelemben vett városok megjelenésének, míg a második típus gyengén hierarchizált rendszerhez vezet, melynek népes elemei mindaddig laza, mellérendelt kapcsolatrendszerben, többé-kevésbé zárt entitásként élnek, amíg a társadalmi-gazdasági-infrastrukturális fejlődés olyan funkcionális ellátottsági paramétereket nem hoz létre bennük, melyek révén várossá nyilvánításuk szinte természetessé válik. A természeti szférából tehát a tagoltság az a fő tényező, melynek révén hazánkban a pannóniai és hunniai várossá fejlődés, illetve várossá minősítés leginkább eltér, bár a folyóknak, a talajminőség differenciáinak is gyakran fontos szerepük van. A gazdasági szféra elsősorban az erőforrás-hasznosítás térségi-települési allokációja révén, valamint a munkahelyek sokfélesége, a választék bővítése útján, a markánsabb, gazdasági erő létrehozásával befolyásolhatja a várossá alakulást. Egyes beruházási döntések, az azokhoz kapcsolódó járulékos fejlesztések különösen erős városfejlesztő energiákká válhatnak, mint ahogy azt az államszocialista időszak erőltetett iparosítása, a „szocialista városok” rendszerének kiépítése alatt tapasztalhattuk. Az Alföld iparosítása, az ipari funkció megjelenése az alföldi településrendszer óriásfalvainak alapvetően agrár jellegű gazdasági szférájában hozzájárult ezek városiasodásához, későbbi tömeges várossá nyilvánításuk megalapozásához. A magyar településrendszer elemeinek differenciálódásában valamikor óriási szerepet játszott az infrastrukturális szféra egy-egy szállítási útvonal, átkelőhely-funkció révén. A folyamat a vasútépítések és az azokhoz kötődött fejlesztések időszakában volt a legkifejezettebb. A közúti közlekedés vonalainak kiépítése már nem hozott ekkora városképző energiát, legfeljebb az autópályák létesítése eredményez – még a településhierarchia magasabb szintjein is – eltérő esélyeket. A vizsgált időszak várossá nyilvánításaiban szerepet játszott néhány település határátkelőhely-jellege is. A vasúti szárnyvonalak megszüntetése a folyamatot kísérő társadalmi felzúdulás ellenére sem befolyásolja lényegesen a városi lét lehetőségeit: a vasútnak a közlekedésben betöltött korábbi szerepe mellett elképzelhetetlen volt a vasútvonal nélküli város, ma már számos ilyen van. A kommunális ellátottság szintje eltérő ugyan, de a falu–város dichotómia ma már nem éles, a városias életmód és körülmények a városokon kívül is biztosíthatók. Megnőtt ugyanakkor az infrastrukturális szféra jelentősége a szuburbanizációs folyamat időszakában, az agglomerációs gyűrűk települései gyors népességnövekedésében, városiasodásában, egyre gyakoribb várossá nyilvánításában, tehát városodásában is. A társadalmi szférában lezajlott változások gyakorolják természetesen a legnagyobb hatást a településrendszer egészének és egyes elemeinek az átalakulására. Ezek a hatások egyrészt közvetlenek, másrészt (a többi szféra változásait indukálva) közvetettek voltak a vizsgált időszakban is. A folyamat általános volta és sodró ereje miatt ki kell emelnünk a

240

DR. TÓTH JÓZSEF

társadalmi szerkezetváltást, a mobilitás megerősödését, a foglalkozási struktúra átformálódását, a migráció eltérő intenzitású, sőt irányú folyamatát, a településrendszer öntörvényű és a társadalmi átalakulás leképezéseként megmutatkozó átalakulását. A társadalom a jogrendszer változtatásával, az állami tervezési és forráselosztási szisztéma alakításával formálta a legerőteljesebben az urbanizáció folyamatát. Az 1971-es Országos településhálózat-fejlesztési koncepció közel másfél évtizedes, változó súlyponti célkitűzésű és sikerű érvénye alatt a hierarchizált redisztribúció eszközrendszerével létrejött egy teljesítőképes középvárosrendszer, felgyorsult kisvárosaink városiasodása és városodása, bár a minden szinten érvényesült centralizációnak vesztesei is voltak. A rendszerváltozás után a városok népességkoncentráló szerepe a megváltozott migrációs viszonyok és irányok miatt érzékenyen csökkent, ugyanakkor a politikai lobbytevékenység révén gyorsabb ütemben folytatódtak a várossá nyilvánítások. Az időbeli alakulást tekintve a II. világháború utáni időszak szignifikáns gyorsulást mutat. A hazai városi jogállású települések száma 1945–1970 között másfélszeresére, 1970 és 1990 között kétszeresére, 1990-től napjainkig – a jóval nagyobb bázison! – ismét kétszeresére nőtt, és 2008. január 1-re (nem számítva ide természetesen a pályázataikkal versenyben álló több mint másfél tucatnyi új aspiránst) elérte a 298-at. Az időnként megerősödő óvatoskodó és szkeptikus vélemények ellenére a várossá nyilvánítások folytatódása prognosztizálható. A tetraédermodell által megjelenített lényegre koncentrálva arra kell súlyt helyeznünk, hogy ne csak az egyes szférák fejlődését segítsük, hanem e szféráknak az élek mentén megvalósuló kooperációját, kölcsönhatásrendszerét is. Így lenne megvalósítható a kiegyenlített városfejlesztés, az egyes szférák harmonikus fejlettsége révén azok harmóniája, és jöhetne létre az úgynevezett élhető város (tehát egyáltalán nem a várossá nyilvánítás jogi aktusa nyomán, melyhez az illúziók sora tapad). A folyamattal kapcsolatban azonban számos kérdés vetődik fel. A legfontosabb az, hogy kell-e több város, nem elég-e már, nem sok-e már. Számos szakember ítéli meg úgy, hogy a magyar városrendszer az újabb és újabb várossá nyilvánításokkal mesterségesen felduzzasztott. A felduzzasztás a felfogásuk szerint felhígítás, az új városok már nem vethetők össze fejlettségben, funkcionális sokrétűségben, településmorfológiai sajátosságok tekintetében a tradicionális elődökkel. Az ő véleményük szerint máris sok a városi jogú elem a magyar településrendszerben, az utóbbi évtizedekben várossá nyilvánítottakat csak különböző elnevezésekkel illetett kvázi-városokként fogadják el. Álláspontjuk logikai alapja az, hogy ezek a települések már nem felelnek meg a „klasszikus” városi kritériumoknak. Ez az érvelés az ebben a kérdéskörben különösen aktív településföldrajzosok oldaláról a leggyakoribb és alapvetően igaz is: Pálháza nem Sátoraljaújhely, Kozármisleny nem Mohács, Érd nem Székesfehérvár (hogy a magasabb hierarchiaszintről is hozzunk példát). Az igazság mellett azonban ott marad a kérdés: a településsel foglalkozó tucatnyi tudományág definíciója közül miért pont a településföldrajzét kellene elfogadnia a közigazgatás-tudománynak, valamint a terület- és településfejlesztési gyakorlatnak? Másképpen fogalmazva: nem élhet meg egymás mellett, a maga adekvát fogalmi rendszerére korlátozott érvényességgel a két, esetleg (és valószínűleg) több városfogalom? Megfejelve egy kiegészítő kérdéssel: ha a világon sehol sem sikerült ezt a tartalmi megegyezést létrehozni, és mindenütt megtanulták kezelni az ennek nyomán meg-


241

maradt eltéréseket, mi miért erőlködünk? (Szinte idekívánkozik a mindenféle bajunk által motivált és sugallt kérdés: nincs semmi más problémánk?) Már e kérdések felvetéséből következik ugyan az álláspontom, mely vitatható, és egy méltányos konszenzus reményében talán vitatandó is, de a félreértések elkerülése érdekében az alábbiakban röviden összegzem azt. A közigazgatási-jogi-politikai városfogalom mindenkor és mindenhol eltér a különböző diszciplínák, így a településföldrajz definíciójától. Ez nem baj. Különösen olyan sokszorosan összetett, bonyolult működésű entitás esetén, mint a város, természetesnek tekinthető, hogy más-más megközelítések eltérő összetevőket hangsúlyoznak. Ez igaz az időben egy-egy ország esetében, és nem vitatható a szigorú tények ellenében a térben sem egy-egy időpont vagy intervallum esetében. Ennek az álláspontnak az értelmében természetes, hogy egy időpontban más és más arányú és irányú az eltérés például a település-földrajzi és a jogi értelemben vett városok között országonként, és egy országban különböző időpontokban ugyancsak léteznek ezek a differenciák. Magyarországon például a kiegyezés után a település-földrajzi értelemben városként funkcionáló települések száma lényegesen meghaladta a megszigorított jogi szabályozás miatt lecsökkent számú közigazgatási városokét – szemben a rendezés előtti állapotokkal, amikor mindez fordítva volt. A magyar helyzetet azután egészen a XX. század utolsó évtizedéig az jellemezte, hogy kevesebb volt a jogi város a földrajzi értelemben vettnél, majd fordulat következett be, melynek nyomán ma a jogi városok száma haladja meg a településföldrajz által központi szerepkörűnek elismert településekét. (Az eltérés mértéke ugyan nem ismert, mert a különböző szerzők vizsgálatai, illetve becslései korántsem megegyezők.) Magam úgy vélem, hogy egy „megközelítő” konszenzus ugyan a szakmánknak is jót tenne, és az esetleg arra odafigyelő fejlesztési gyakorlatban is hasznosítható lenne, de nem tekintem azt feltétlenül szükségesnek. Ugyanakkor egy, a Megyei Jogú Városok Szövetsége megbízásából az 1990-es évek első felében végzett, a magyar közigazgatási rendszer városokra és vonzáskörzeteikre építésének lehetőségét vizsgáló kutatásban arra a következtetésre jutottam, hogy a várossá nyilvánításokat folytatni kell, majd ezt egyetemi tankönyvben is leírtam (Tóth 1996). Úgy véltem, hogy a magyar településrendszerben 2010-re mintegy 300–310 városi jogállású település lesz, ami akkor is figyelemre méltó pontosság, ha néhány általam város-gyanúsnak minősített települést mások (gyorsabban fejlődők? erősebb lobbycsoportot maguk mellé állítók?) megelőztek. Továbbra is az a véleményem, hogy – bár szükségképpen lelassul – a folyamat folytatódni fog. Ebbe az irányba mutat a politikai lobbycsoportok lankadatlan működése mellett néhány olyan előny is, amelynek fontossága nem vitatható. Ilyen a városi cím rangként megélt volta, az összefogás, a lokálpatriotizmus erősödése a lakosság körében, a presztízsnövekedés, a tőke – főleg a külföldi tőke – invesztíciójának kedvezőbb (akár szubjektív) feltételrendszere. Kétségtelen ugyanakkor, hogy széles körű szakmai és politikai konszenzussal meg kellene alkotni egy kritériumrendszert, mely a folyamatot mederben tartaná, az esetlegességektől megóvná, az erőfölény esetenként ormótlan alkalmazását visszaszorítaná. Tisztázni kellene a kiüresedett nagyközség-kategória lényegét és jövőjét, a várossá nyilvánításokkal összefüggő szerepét. Nem lebecsülendő érv az sem, hogy nemzetközi összevetésben a városok száma ma is kicsi Magyarországon. A nemzetközi statisztikákban a jogi értelemben vett városokra épülő városodottsági mutatók jelennek meg, amelyek körében a magyar 68%-os városi-

242

DR. TÓTH JÓZSEF

népesség-arány szerényebb, mint fejlettségünkből, sok más szempontból mért szintünkből következne. Külön – és az előbbinél fontosabb – szempont, hogy a várossá nyilvánítás az esetek döntő hányadában segíti a település-földrajzi értelemben vett várossá válás folyamatát is. Ez pedig azt jelenti, hogy a centrum–vonzáskörzet relációk intenzívebbé válásával a város hatása erősödik a hozzá kötődő vonzáskörzet településeire is, vagyis a város fejlesztésével, fejlődésének kedvezőbb feltételek közé helyezésével a környékét is fejlesztjük. A dolgok logikájához persze az is hozzá tartozna, hogy a mai, mesterséges kistérségeink formációi igazíttassanak a tényleges, objektíve létező vonzáskörzetekhez. Ettől azonban a mai, kistérségeket csináló, megszüntető, átformáló, a térrel egyelőre büntetlenül játszadozó korunkban még messze vagyunk. (Szakmánk kínálata ebből a szempontból is vegyes ugyan, de kellően gazdag ahhoz, hogy konszenzusos javaslatban testet ölthessen. Mikor ébred rá a politikai szféra, hogy a döntések felelős meghozatalához szüksége van a tudomány eredményeire?) Végül még egy kérdést érintek, amely ugyan nem alapvető fontosságú, de állandóan felszínen van, és sokakat érint. Ez a nevezéktan ügye, a taxonómia kérdése. Természetes ugyanis, hogy a várossá nyilvánítások növekvő mértékével párhuzamosan egyre kisebb lélekszámú települések minősíttetnek várossá, így a városállományon belül egyre inkább növekszik a kisvárosok száma és aránya. Ezzel összefüggésben az az első kérdés, hogy – népességszám oldaláról – mi a kisvároshatár. A válasz első része kétségkívül az, hogy a kategória településrendszer-függő, hiszen Kína és Magyarország e szempontból is nehezen összevethető. A válasz második része valószínűleg az kell legyen, hogy egy növekvő elemszámú és strukturálisan átalakuló sokaság részeit elválasztó ugróértékek nem maradhatnak változatlanok, így a kisvároshatár ma nem ugyanaz Magyarországon sem, mint volt ötven vagy száz évvel ezelőtt. (E határ elmozdulása valószínűleg a városok általános nagyságnövekedése, valamint a nem helyi funkciók településhierarchiában való lefelé menetelése mint ellentétes tendenciák térspecifikus eredője lesz.) Egyébként a kisvároshatár kérdésére a szakma többféle választ ad: van, aki a tíz-, van, aki a húsz, vagy éppen harmincezres lélekszámnál húzza meg a határt, sőt ötvenezer fős határt is említ a szakirodalom. A városállomány kisvárosi minősítésű részének növekedésével felmerül a teljes nevezéktan kérdése is. Konszenzus kellene ebből a szempontból is, mert elburjánzanak a nem mindig szellemtelen elnevezések (mint faluváros, címzetes város, törpeváros, virtuális város, álváros stb.), amelyek ugyanakkor nem elfogadhatóak az érintett kisvárosok vezetése és – főleg – lakossága számára. Ezt a hatást kiküszöbölendő teszek az alábbiakban egy nevezéktani javaslatot megvitatás és a javítási szándék provokálása céljából. Íme: Kisváros Kisközépváros Középváros

< 5 ezer fő 5–10 ezer fő 10–25 ezer fő

Nagyközépváros Megyei város Regionális város

25– 50 ezer fő 50–100 ezer fő >100 ezer fő

„Végezetül: egy konferencia első előadójaként nem tekinthettem mást feladatomnak, mint hogy a kérdéskörrel, a kisváros-problematikával összefüggésben olyan aspektusokra koncentráljak, melyek vitapontok lehetnek. Előadásom tehát vitaindító, az egyes megállapítások vitathatók és vitatandók.” – mondtam a 2007-es szombathelyi konferencián


243

(Tóth 2008). Mostani írásom végén ugyanezt hangsúlyozom, remélve, hogy sokan vesznek erőt magukon és kapcsolódnak be a vitába. Reményemet az is erősíti, hogy „zörög a haraszt” – ahogy Beluszky Pál, a kérdéskör egyik legjobb szakértője írja a Tér és Társadalom legutóbbi számában megjelent esszéjében (Beluszky 2008), amelyben már számos javaslatot is megfogalmaz. A biztató tényezők közé sorolható az is, hogy az eddigiekhez képest más műhelyekben is napirendre látszik kerülni a téma (Szepesi 2007). Az eredmény szempontjából kedvező, hogy a közigazgatás szakemberei is keresik a megfelelő megoldásokat (Csefkó 2008). Van lehetőség a konszenzusra. Keressük és találjuk meg! IRODALOM Bánlaky Pál – Bokor Béla – Tóth József (1999): A terület- és településfejlesztés társadalmi összefüggésrendszere. JPTE, Pécs Becsei József (1983): Békéscsaba, Békés, Gyula és tanyavilágának településmorfológiája. Akadémiai Kiadó, Budapest Beluszky Pál (1999): Magyarország településföldrajza. Dialóg Campus Kiadó, Budapest–Pécs Beluszky Pál – Győri Róbert (2006): Ez a falu város! (Avagy a városi rang adományozásának gyakorlata és következményei 1990 után.) Tér és Társadalom 2. Beluszky Pál – Győri Róbert (2008): Legyen rangja város! In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008): A 2007-es szombathelyi konferencia anyaga. Kézirat Beluszky Pál (2008): Maradékok boltja. In: Tér és Társadalom, XXII. évf. 1. Blahó János – Tóth József (szerk.) (2006): Tanulmányok Mendöl Tibor születésének 100. évfordulójára. Orosháza–Pécs Bulla Béla – Mendöl Tibor (1947): A Kárpát-medence földrajza. Egyetemi Nyomda, Budapest Csapó Olga (2008): Őriszentpéter, a Dunántúl legkisebb városa. In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008): A 2007-es szombathelyi konferencia anyaga. Kézirat Csapó Tamás (2008): Kisvárosaink településmorfológiája. In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008): A 2007-es szombathelyi konferencia anyaga. Kézirat Csapó Tamás – Kocsis Zsolt (1997): A várossá nyilvánítás elvi kérdései és a potenciális városok az ÉszakDunántúlon. Tér és Társadalom 1. Csapó Tamás – Kocsis Zsolt – Lenner Tibor (szerk.) (2004): A településföldrajz helyzete és főbb kutatási irányai az ezredforduló után. Szombathely Csapó Tamás – Kocsis Zsolt (szerk.) (2006): Agglomerációk és szuburbanizálódás Magyarországon. Szombathely Csapó Tamás – Kocsis Zsolt (szerk.) (2007): A kistelepülések helyzete és településföldrajza Magyarországon. Szombathely Csefkó Ferenc (2008): A város (közösségi) önkormányzás kialakításának elvi alapjai. In: Tér és Társadalom, XXII. évf. 1. Dövényi Zoltán (2006): „Ez a falu város”. Tűnődések a hazai várossá nyilvánítások kapcsán. In: Blahó János – Tóth József (szerk.): Tanulmányok Mendöl Tibor születésének 100. évfordulójára. Orosháza– Pécs Dövényi Zoltán (2008): A törpevárosról. In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008): A 2007-es szombathelyi konferencia anyaga. Kézirat Erdei Ferenc: Magyar város. Athenaeum, Budapest Erdei Ferenc (1971): Város és vidéke. Szépirodalmi Kiadó, Budapest Fodor F. (1944): Magyar föld – magyar élet. Szent István Társulat, Budapest Frisnyák Sándor (1990): Magyarország történeti földrajza. Tankönyvkiadó, Budapest Lenner Tibor (2008): A nyugat-dunántúli kisvárosok történeti földrajza. In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008) A 2007-es szombathelyi konferencia anyaga. Kézirat

244

DR. TÓTH JÓZSEF

Mendöl Tibor (1944): Die Stadt im Karpatenbecken. Sonderabdruck aus der „Földrajzi Közlemények”, 1943. 1–2. Budapest Pirisi Gábor – Szabó András – Trócsányi András (2008): The Transformation of Villages into Towns. – A Quantitive Way of Hungarian Urbanisation. In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008): A 2007-es szombathelyi konferencia anyaga. Kézirat Prinz Gyula (1942): Magyarország földrajza. Renaissance Könyvkiadó, Budapest Szebényi Anita (2008): Kozármisleny – egy sikeres kisváros Baranya megyében. In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008): A 2007-es szombathelyi konferencia anyaga. Kézirat Szepesi Gábor (2007): Várossá nyilvánítások Magyarországon. In: Becsei József: Átalakuló alföldi városok. Szeged Szigeti Ernő (1997): Urbanizáció, városhálózat, várossá nyilvánítás. In: Területi Statisztika 1. Teleki Pál (1936): A gazdasági élet földrajzi alapjai I–II. Centrum Kiadó, Budapest Tóth József (1966): Die Arbeitskräftteanziehung der Städte im südlichen Teil der Grossen Tiefebene (SüdAlföld). Acta Geographica VI., Szeged Tóth József (1975): Az alföldi városok szerepéről, népességföldrajzi megközelítésben. Városépítés 5. Tóth József (1977): Az urbanizáció népességföldrajzi vonatkozásai a Dél-Alföldön. Akadémiai Kiadó, Budapest Tóth József (1988): Urbanizáció az Alföldön. Akadémiai Kiadó, Budapest Tóth József (1996): A településrendszer. In: Perczel György (szerk.): Magyarország társadalmi-gazdasági földrajza. ELTE Eötvös Kiadó, Budapest Tóth József (szerk.) (2001–2002): Általános társadalomföldrajz I–II. Dialóg–Campus Kiadó, Budapest–Pécs Tóth József (2004): Tanulmányok a településföldrajz témaköréből. PTE, Pécs Tóth József (2008): Óriásfalvak és/vagy kisvárosok – ma. In: Csapó Tamás – Kocsis Zsolt (szerk.): A IV. Településföldrajzi konferencia. Kézirat Zsilincsar, W. (2008): A várossá nyilvánítás problematikája Ausztriában. In: Csapó Tamás – Kocsis Zsolt (szerk.) (2008): A 2007-es szombathelyi konferencia anyaga. Kézirat Kulcsszavak: várossá nyilvánítás, városodás, városiasodás, földrajzi város, közigazgatási-jogi város, urbanizáció. Resume Hungary is lacking professional debates these days. The same is the case with confernment of town title. There are basic professional controversies among opininons, which are regularly supervised by political aspects. The result is quite chaotic. It is high time to make order on the platform of this profession. This paper aims to serve as a keynote lecture for professionals to create a common ground, and for the decision makers to formulate a common proposal.

DR. LUKOVICS MIKLÓS – KOVÁCS PÉTER

Eljárás a területi versenyképesség mérésére Bevezetés Napjainkban a területi tervezés egyre inkább előtérbe kerül, hiszen a különféle aggregációs szintű területi egységeknek juttatott európai uniós források alapját a területi dokumentumok jelentik. A 2007–2013-as programozási időszakban Magyarországon is fókuszba került a kistérségi, megyei, regionális területi dokumentumok készítése. A területfejlesztés sikeréhez elengedhetetlen, hogy az összetett területi folyamatokat a lehető legpontosabban fel tudjuk tárni, amire lehetőséget kínál a regionális versenyképesség fogalma. „A globalizáció korában a térségek versenyképességének kérdése egyre inkább a regionális gazdaságfejlesztési politikák központi kérdésévé válik” (Camagni 2002). Napjaink uralkodó folyamata, a globalizáció a térszerkezetet is erőteljesen befolyásolja. „Az egyes régiók közötti fejlettségi különbség mint közgazdasági kategória és annak statisztikai adatokkal való mérhetősége a szó szoros értelmében fontos „anyagi erővé” vált az Európai Unió területfejlesztési politikája következtében” (Pukli 2000). A térszerkezet minél kifinomultabb módszertanon alapuló vizsgálata kiemelt fontosságú. A traded szektorban a piaci verseny egyre inkább világméretűvé válik, a nemzeti piac összezsugorodik, és talán már csak a non-traded szektorban értelmezhető. A legtöbb szektorban a kisvállalatok hazai piacán is egyre inkább versenyezniük kell külföldi vetélytársaikkal is (Lengyel–Rechnitzer 2004). A pontos, fejlesztési célú helyzetelemzés kitüntetett szerepe a területi tervezésben vitathatatlan, hiszen a kiinduló feltételek különbözősége térségenként másfajta gazdaságfejlesztési beavatkozást, azaz versenyképességet javító stratégiát kell, hogy maga után vonjon. Az eltérő feltételekkel leírható térségeknek különféle utakat kell bejárniuk a versenyképességük javítása, s így a globális versenyben való hosszú távú sikeres helytállás eléréséhez. A fejlettségi fázisokon túl – a nemzetközi gyakorlatnak megfelelően – figyelembe kell venni a vizsgált térség urbánus–rurális dimenzió szerinti elhelyezkedését is, hiszen a globális versenyben elsősorban a nagyvárosok vesznek részt vonzáskörzetükkel együtt. A hazai területi dokumentumokhoz készült gazdasági helyzetelemzések többsége nem versenyképességi szempontú, így a térség valós, komplex helyzetének feltárására korlátozottan alkalmas. Magyarországon a területi dokumentumokban igen sok esetben a területfejlesztés „szentháromságának” második eleme, a méltányosság felülreprezentált a hatékonysággal, azaz a versenyképességi dimenzióval szemben. Ebből az következik, hogy a térség sajátosságaihoz kevéssé illeszkedő gazdaságfejlesztési stratégiákat fogalmaznak meg, amelyek többségében a tudásalapú gazdaságfejlesztést csodaszerként emlegetik.

246


A következőkben arra teszünk kísérletet, hogy bemutassunk egy lehetséges, zárt logikai rendszerre épülő módszert a különböző aggregációs szintű térségek versenyképességének vizsgálatára, fejlesztési célú helyzetelemzésének kidolgozására. Először azon elméleti háttér bemutatására térünk ki, amelyre építve valóban zárt logikai rendszerben valósulhat meg a modellépítés. Ezt követően 13 nemzetközi és 17 hazai módszertani elemzés és indikátorkészlet tapasztalataira építve megfogalmazzuk az eljárásunkkal szemben támasztott követelményeinket. A következő lépésben kerül sor az eljárás általános ismertetésére, amely bármilyen aggregációs szintű területi egység versenyképességének mérésére alkalmas. A módszer lehetséges empirikus alkalmazásának keretén belül bemutatjuk a magyar kistérségek versenyképességének egy lehetséges tipizálását. Az alkalmazott módszer elméleti háttere Az egyik legfontosabb kérdés, hogy a magyar területi egységek versenyképessége hogyan mérhető az EU mércéjével (Katona 2000). Nyilvánvalóan úgy, ha olyan mérési módszert alkalmazunk, amely a versenyképességet az EU által kidolgozott és alkalmazott definíció szerint értelmezi, és amely a mérést is olyan modellre építi, amelynek elemei a szakirodalom szerint komoly versenyképességi relevanciával bírnak. Előzetesen 13 olyan – széles körben elfogadott – nemzetközi elemzést vizsgáltunk részletesen, amelyek a térségek versenyképességének vagy fejlettségének kvantifikálására indikátorkészletet használnak, ebből négy esetben az elemzés alapjául szolgáló területi egység ország, négy további esetben régió, egy esetben megye, öt esetben pedig (nagy)város és vonzáskörzete vagy kistérség (1. táblázat). A versenyképességi vizsgálatok áttekintése után nyilvánvalóvá vált, hogy az elemzés végső eredménye akkor válik a legkevésbé támadhatóvá, ha a kiválasztott definíció széles szakmai körökben elfogadott, továbbá az elemzésen végigvezethető a következetes fogalomhasználat. Az elemzés elméleti megalapozottsága nagymértékben növelhető akkor, ha az alkalmazott fogalom és a végső indikátorok közé sikerül egy olyan szilárd pontként szolgáló, szintén széles szakmai körökben elfogadott elméleti modellt találni, ami a kiválasztott fogalomra épül, s ezáltal az indikátorképzést zárt logikai rendszerben koordinálja. Erre a célra szolgálhat – a választott fogalomtól és az elemzés céljától függően – a rombuszmodell, a piramismodell, a versenyképességi cilinder (Lengyel 2003, Martin 2005). Mindez eljárásunkban úgy teljesül, hogy elemzésünk alapját az Európai Unió hatodik periodikus jelentésében publikált egységes (standard) versenyképességi definíció alkotja: „a vállalatok, iparágak, régiók, nemzetek és nemzetek feletti régiók képessége relatíve magas jövedelem és relatíve magas foglalkoztatottsági szint tartós létrehozására, miközben a nemzetközi (globális) versenynek ki vannak téve” (EC 1999, Lengyel 2000). Az Európai Unió bizottsági anyagai, valamint a szakértők többsége is erre a fogalomra támaszkodik, amikor regionális versenyképességről beszél. Az Európai Unió jogszabályalkotásába és a gazdaságpolitikai szemléletébe egyaránt beépült, egyre inkább felhasználják a területfejlesztési és regionális politika során (Lengyel–Rechnitzer 2000, EC 2004). Ennek elsődleges oka az, hogy a közgazdászok által elvárt termelékenység mellett az Európai Unióban a foglalkoztatottság növelése is kiemelt cél (Lengyel 2000), s az egységes definíció mindkettőt magában foglalja.

ELJÁRÁS A TERÜLETI VERSENYKÉPESSÉG MÉRÉSÉRE

247 1. táblázat

Indikátorkészlettel dolgozó fontosabb országos, regionális és kistérségi elemzések Cím és évszám

Publikálja

Regional Competitiveness & State of the Regions, 2006 Puget Sound Regional Competitiveness Indicators, 2006–2007 Metro Area and State Competitiveness Report, 2005

International Institute for Management and Development: IMD (McCauley 2006) World Economic Forum: WEF (WEF 2006) Department of Trade and Industry: DTI (DTI 2006b) Forfás – National Competitiveness Council: NCC (Forfás 2006) Department of Trade and Industry: DTI (DTI 2006a) Puget Sound Regional Council: PSRC (PSRC 2006) The Beacon Hell Institute at Suffolk University (BHI 2006)

Európai versenyképességi jelentés, 2003

Európai Bizottság (EC 2003)

ESPON 2.2.3: Territorial Effects of the Structural Funds in Urban Areas, 2005

European Spatial Planning Observation Network: ESPON (ESPON 2004) Office of the Deputy Prime Minister, London (Parkinson 2006)

World Competitiveness Yearbook, 2006 The Global Competitiveness Report, 2006– 2007 UK Productivity and Competitiveness Indicators, 2006 Annual Competitivess Report, 2006

State of the Cities Report, 2006

Developing Indicators to Inform Local EconoWong, C. (Wong 2002) mic Development in England, 2002 Constructing an index Huovari, J. – Kangasfor regional competitiharju, A. – Alanen, A veness, 2002 (Huovari et al. 2002) South West Regional The State of the Key Development Agency Factors, 2004 (SWRDA 2004)

Az elemzés alapjául szolgáló területi egység

A vizsgálat célja

Statisztikai módszertan

ország

komplex versenyképességi rangsor

többváltozós elemzés, információsűrítés

ország



ország

versenyképességi összehasonlítás

egyszerű adatelemzési módszerek

ország



régió



régió



régió1



régió

mutatónkénti versenyképességi rangsorok, összehasonlítások

egyszerű adatelemzési módszerek, bizonyos esetekben regresszióelemzés

megye

városi területek gazdasági teljesítményének mérése


nagyvárosi vonzáskörzet

versenyképességi és teljesítménybeli összehasonlítás


kistérségek

helyi gazdaságfejlesztési szempontú differenciálás


kistérségek



kistérségek

iparági helyzetelemzés


Megjegyzés: saját szerkesztés.

Az alkalmazott módszer zárt logikai rendszerét biztosítja az, hogy az indikátorok kiválasztását az egységes versenyképességi definíciót kibontó modell, a piramismodell koordinálja (Lengyel 2000, Lukovics 2006). Az elemzés alapjául szolgáló piramismodell alapkategóriái az Európai Unió standard versenyképességi definíciójából következő mérhető közgazdasági kategóriák. Az EU hatodik periodikus jelentésében faktoranalízissel határozták meg a piramismodellben is felhasznált azon alaptényezőket, amelyek a régiók fejlettsége közötti szóródás szignifikáns hányadát magyarázzák, így a régiók versenyképességét meghatározzák (EC 1999). A piramismodell nemzetközi elismertsége egyre ki1 A jelentésben az elemzés alapjául szolgáló területi egység egészen pontosan: ‘metropolitan’ régió (BHI 2006).

248


terjedtebb: az Egyesült Királyságtól Ausztráliáig felhasználják különféle versenyképességi jelentések, területi dokumentumok, döntéselőkészítő tanulmányok elméleti megalapozására (Gadiner – Martin – Tyler 2004, Garlick 2003, GHK 2005, Pike et al. 2006). A piramismodell a versenyképesség egységes fogalmára támaszkodva egyaránt törekszik az ex post2, valamint az ex ante3 tényezők figyelembevételére (Lengyel 2003). A piramismodell ex post tényezői az alapkategóriák, az ex ante tényezői pedig az alaptényezők és a sikerességi faktorok. A versenyképességre ható tényezőket ugyanis általában két csoportra osztjuk aszerint, hogy a gazdaságfejlesztéssel milyen kapcsolatba hozhatók. Az egyik csoportot a versenyképességre rövidebb időtávon ható, a regionális gazdaságfejlesztési programokkal megerősíthető, elsősorban gazdasági tényezők, az úgynevezett alaptényezők alkotják, amelyek fejlesztése közvetlenül javíthatja a régióban működő vállalatok versenyképességét is. A tényezők másik csoportját elsősorban olyan gazdaságon kívüli tényezők, az úgynevezett sikerességi faktorok alkotják, amelyek hosszabb távon alapvetően megmagyarázzák a régió versenyképességét, de gazdaságfejlesztési programokkal alig lehet hatni rájuk (Lengyel 2003). A piramismodell tehát az egységes versenyképesség fogalmából kiindulva összegzi a regionális versenyképesség mérésének mutatóit és javításának tényezőit. A modell szerint a jólétet a magas foglalkoztatottságból és magas munkatermelékenységből származó magas jövedelem biztosítja. A termelékenység növelése elsősorban a vállalkozások versenyelőnyeit erősíti, ezzel szemben a foglalkoztatottság magas szinten tartása, a munkából kikerülők részére perspektivikus iparágakban (főleg üzleti szolgáltatásokban) történő munkahelyteremtés társadalmi célokat jelenít meg (Lengyel – Lukovics 2006). A zárt logikai rendszer szerint összeállított piramismodell a maga komplexitásában a régiók, kistérségek fenntartható fejlődésének megítéléséhez nyújt támaszt a sikeres régiók tapasztalatait felhasználva. A versenyképesség egységes felfogásából kiindulva megpróbálja mind a megvalósult és így mérhető (revealed competitiveness), mind a jövőben várható fejlődés (a „képesség”) összhangját megteremteni. A mérhető alapkategóriák (jövedelem, munkatermelékenység, foglalkoztatottsági ráta) a versenyképesség méréséhez, megítéléséhez nyújtanak támpontokat, az alaptényezők a versenyképesség javításának prioritásait tartalmazzák, míg a sikerességi faktorok a hosszú távú, általában gazdaságon kívüli fejlődési feltételeket rendszerezik. Az eljárással szemben támasztott elvárások A vizsgált versenyképességi elemzések tapasztalataira építve meg tudjuk fogalmazni a saját eljárásunkkal szemben támasztott elvárásokat. Arra törekedtünk, hogy egyesítsük mindazon előnyöket, amelyekkel a hazai és nemzetközi szakirodalomban alkalmazott módszerek rendelkeznek, ugyanakkor kiküszöböljük azokat az – általunk hátrányként definiált – elemeket, amelyek a területi egységekről alkotott megbízható és valós összkép megállapítását nem kellő mértékben mozdították elő. Ennek megfelelően a regionális versenyképesség kvantifikálására kidolgozott eljárástól elvárható, hogy (1. ábra): 2 Realizált versenyképességet leíró tényezők a gazdaság múltbeli teljesítményéből indulnak ki, főként output jellegű adatokat használnak (Lengyel 2003). 3 Feltételes versenyképességet leíró tényezők, a gazdasági teljesítmény jövőbeli növelésének képességét, a vállalatok jövőbeli sikerességének helyi szintű háttérfeltételeit fejezik ki (Lengyel 2003).


249

1. Legyen alkalmazható a területi tervezésben. A módszer nem elszigetelten vizsgálódik, hanem az összes többi, azonos aggregációs szinten levő területi egységhez viszonyít. A piramismodell logikájából adódóan az eredmények az elgondolt fejlettségi elképzelések realitásának tesztelésére is alkalmasak. 2. Bármikor reprodukálható legyen. A kidolgozandó módszertan a frissen publikált statisztikai adatokkal feltöltve bármikor friss helyzetértékelést ad. 3. Széles körben alkalmazható legyen. A mutatószámrendszer kizárólag közvetlenül elérhető adatokat tartalmaz. 4. Egymás közötti viszonylatban értékeljen. Az elemzésbe vont területi egység nem elszigetelten jelenik meg az eljárásban: relatív pozícióját elemezzük. 5. Pontosan definiált fogalmi háttere legyen. Az eljárás az EU-ban elfogadott egységes versenyképesség-fogalomra, valamint az azt kibontó piramismodellre támaszkodik. 6. Zárt logikai rendszer4 legyen. A piramismodellt zárt rendszernek tekintjük, amelyben az alapkategóriák, alaptényezők és sikerességi faktorok önmagukban is és szerepük szerint is pontosan definiáltak. 7. Fajlagos, illetve aránymutatókat alkalmazzon. A kistérségek szignifikánsan eltérő méretűek és lélekszámúak, ennek következtében az egyes mutatók abszolút számértékei jelentősen torzíthatják a valós helyzet feltárására irányuló törekvéseinket. A fajlagos mutatók lehetővé teszik, hogy összehasonlítható adatokat kapjunk. 8. Nagyszámú mutatót elemezzen. A versenyképesség fogalmának összetettsége megköveteli, hogy relatíve nagyszámú magyarázóváltozóval dolgozzunk. 9. Az elemzés outputjaként térségi tipizálás jöjjön létre. A kistérségek versenyképességi típusokba sorolása szemléletesen érzékelteti a vizsgált térség relatív versenyképességét. 10. Az urbánus–rurális dimenziót különítse el. Az elemzés markáns részét képezi a fejlesztésekhez szükséges kritikus tömeg vizsgálata. 11. Szűrje ki a redundanciát. Az adatállományban szükségszerűen fellépő multikollinearitás nem zavarja az elemzést, hiszen a változókat nem elkülönülten, hanem együttesen használjuk fel a versenyképesség kvantifikálására, azonban a változók közötti redundancia kiszűrése fontos feladatnak tekinthető. 12. Matematikai-statisztikai módszereket alkalmazzon. A versenyképesség fogalmának, elméleti hátterének komplexitása már túlnyúlik az egyszerű elemzési módszereken. Ahhoz, hogy kifinomult és árnyalt képet kaphassunk, elengedhetetlen a többváltozós adatelemzési technikák alkalmazása. 13. Minimalizálja az elemzésből fakadó szubjektív elemeket. A változók szelektálásával és súlyozásával elkerülhető az a gyakori hiba, hogy az elemző prekoncepciójához igazodó mutatóállományt választ ki. 14. A mutatókat több lépcsőben válassza ki. A mutatók kiválasztása közgazdasági megfontolások, a versenyképesség fogalmának mélyebb átgondolása, valamint a mutatószámrendszerek áttekintése alapján történt.

4 A versenyképességi vizsgálatok áttekintésekor nyilvánvalóvá vált bizonyos modellekre (például Porter-rombusz a WEF és a BHI jelentése esetén) épülő vizsgálatok áttekinthetősége, egyszerű követhetősége, kifinomultsága.

250


15. A mutatókat szelektálja objektív módon. A piramismodell alapján elvégzett főkomponens-analízis által kimutatott relevancia alapján történhet. A főkomponensektől reálisan elvárható, hogy az ilyen elemzéseknél szokásos, legalább 70%-os információtartalmat őrizzenek meg, így magas magyarázóerővel rendelkezzenek. 16. A változókat súlyozza objektíven. Adjon lehetőséget a változók fontosságának modellen belüli differenciálására, amely vizsgálatunk egyik markáns eleme. A változók súlyozása a piramismodellen belül objektív módon, a kommunalitások gyöke mint kanonikus korrelációs együttható segítségével történhet. 17. Biztosítson időbeli összehasonlíthatóságot. A kidolgozandó módszernek lehetőséget kell biztosítania, hogy az egyes évek eredményei módszertani értelemben öszszehasonlíthatók legyenek. 18. Legyen regionális monitoringrendszer alapja, így ugyanazon módszertannal, egyszerű adatbázis-frissítéssel az évente bekövetkezett változások azonnal kirajzolódjanak. 1. ábra

A regionális versenyképesség mérésének követelményei Területi tervezésben való alkalmazhatóság

Reprodukálhatóság

Széles körben való alkalmazhatóság

Egymás közötti viszonylatban való értékelés

Időbeli összehasonlíthatóság

Pontosan definiált fogalmi háttér

Zárt logikai rendszer

Nagyszámú mutató elemzése

Output: tipizálás

AZ ELJÁRÁS

Mutatók elérhetősége

Urbánus–rurális dimenzió kiemelt fontossága

Fajlagos, ill. aránymutatók alkalmazása

Redundancia kiszűrése

Mutatók objektív szelektálása

Mutatók többlépcsős kiválasztása

A változók objektív súlyozása

Szubjektív elemek minimalizálása

Matematikai-statisztikai módszerek alkalmazása

Forrás: Lukovics (2007).

Az indikátorkészlet előállásának folyamata A következőkben áttekintjük, hogy mely lépéseken keresztül állítható elő olyan indikátorkészlet, amely egy zárt logikai rendszerre épülő, fejlesztési célú versenyképességi elemzés alapjául szolgálhat. Az adatállományt az egységes versenyképességi definícióra, valamint az azt kibontó piramismodellre támaszkodva állítottuk össze. Lényeges, hogy a végső adatbázis – mely a többváltozós adatelemzési módszerek alapjául szolgál – többlépcsős folyamat eredményeképpen alakul ki. Első lépésben azon alapadatokat határozzuk meg, amelyek a kistérségi szintű versenyképességi vizsgálat esetén egyáltalán szóba jöhetnek. Ezen nagyszámú adat tényleges alapadatként való szerepeltetését korlátozza, hogy bizonyos kívánt adatok – főleg kistérségi szinten – nem állnak rendelkezésre, így a tényleges alapadatokat az elérhető, rendelkezésre álló alapadatok je-


251

lentik. Ezen alapadatok még nyers adatoknak tekinthetők, amelyekből egyszerű matematikai műveletekkel potenciális indikátorokat tudunk képezni. A potenciális indikátorokat főkomponens-analízis segítségével szelektálva juthatunk el a tényleges, releváns indikátorokhoz, amelyek végül az elemzés alapját képezik. Az adatbázis a releváns indikátorok standardizálása, majd súlyozása után nyeri el végső formáját (2. ábra). Lényeges, hogy a mutatók kiválasztásánál figyelembe vettük az áttekintett nemzetközi versenyképességi vizsgálatok indikátorkészletének, valamint a magyar fejlettségi és versenyképességi vizsgálatok mutatószámrendszerének legfontosabb tanulságait (Lukovics 2007). A megvizsgált elemzések előnyös tulajdonságait igyekeztünk megtartani, az általunk hátrányosnak vélt tulajdonságokat pedig megvizsgáltuk aszerint, hogy a hiányosságokat ki lehet-e küszöbölni a létrehozandó saját eljárásban. Amennyiben ezen kérdésre igenlő válasz született, úgy a kérdéses hátrányos tulajdonságot is figyelembe vettük, ellenkező esetben elvetettük. A regionális versenyképesség méréséhez leginkább elfogadott, szakmai körökben felhasznált mutatószámokat első körben szerepeltetni – majd relevanciájukat tesztelni – kívántuk a modellben. Ezeket a törekvéseket az adatok elérhetősége bizonyos mértékben korlátozta, a regionális különbségeket meghatározó tényezők statisztikai mérhetősége ugyanis meglehetősen eltérő (Pukli 2000). 2. ábra

Az indikátorkészlet kialakításának folyamatábrája A versenyképesség fogalmának átgondolása, közgazdasági megfontolások

A hazai és nemzetközi indikátorkészletek Előnyös tulajdonságai

Hátrányos tulajdonságai Tanulságok

Szóba jöhető alapadatok Az adatok elérhetősége, rendelkezésre állása Alapadatok Fajlagos illetve aránymutatók képzése Potenciális indikátorok Standardizálás, szelektálás Releváns indikátorok

Súlyozás Súlyozott, standardizált indikátorok Megjegyzés: Lukovics (2007).

252


Az adatbázis összeállításánál fontos szempont kell legyen a várható felhasználók széles körű igénye, a több célra történő felhasználhatóság, valamint az adatbázis évente ismétlődő feltölthetősége. Emiatt főleg települési, azaz a TeIR-ben levő, vagy a KSH központi adatbázisából kigyűjtethető adatokat célszerű figyelembe venni. Emiatt bárhogyan alakul később a kistérségek, városi vonzáskörzetek határa, a települési adatokból az aktuális térségi lehatárolás szerinti, avagy egyedi igény (például megyehatáron átnyúló térségi együttműködésekhez mutatók megadása) kielégíthető. Mivel a gazdasági hatások többsége munkaerő-vonzáskörzetben, azaz nagyjából kistérségben figyelhető meg az ingázás, a vásárlási szokások stb. miatt, ezért a települési adatokból aggregálással kistérségi mutatókat képzünk. A területi versenyképesség mérésére kidolgozott, az elemzői szubjektivitás minimalizálását megcélzó eljárásunk talán két legsarkalatosabb pontja a változók szelektálása és súlyozása. Mindezt azért jelenthetjük ki, mert az áttekintett, indikátorkészleteket alkalmazó elemzések közül csak igen kevés szentelt figyelmet a változók szelektálására (a szelektálást általában kizárólag az adatok elérhetősége vezérli), súlyozásra pedig még kevesebb kísérletet láttunk. Ebből kifolyólag kutatásunkban igen lényeges a modellbe első körben bekerült potenciális indikátorok vizsgálata aszerint, hogy a versenyképességet leíró zárt eljárásunkban valóban helyük van-e. Valamennyi mutatószám információtartalmát meg kell vizsgálni annak érdekében, hogy el lehessen dönteni, a mutatószám mennyire illik az adott alapkategória, alaptényező, sikerességi faktor leírására. A kiválasztott változók által meghatározott adatbázis javarészt különböző mértékegységű változókból áll. Ez a későbbiekben zavaró lehet, így a változók különböző mértékegységéből adódó esetleges problémák a standardizálás segítségével oldhatók fel. A standardizálás után a különböző mértékegységek eltűntek, ráadásul a változók várható értéke 0, szórása pedig 1 lett (Hunyadi – Mundruczó – Vita 1999). Főkomponens-analízis segítségével alapkategóriánként, alaptényezőnként, majd sikerességi faktoronként szelektálhatóak azon standardizált változók, amelyek nem illeszkedtek megfelelően az egyes alapkategóriát, alaptényezőt, illetve sikerességi faktort jellemző főkomponensre. Közgazdasági elemzéseknél igen ritkán használt eszköz a főkomponensanalízis, inkább egyszerű adatelemzési módszerekkel, illetve egy másik adatredukciós modellel, a faktoranalízissel találkozhatunk. A faktoranalízis arra használható eredményesen, hogy nagyszámú korrelált változót kevesebb, korreláltalan látens faktorral magyarázzunk meg. A faktoranalízis alkalmazása azért nem indokolt a vizsgálatban, mert nem az a cél, hogy a kiválasztott változók mögötti struktúrát keressük (az a modell validitásának igazolása lenne), hanem az, hogy a piramismodell alapkategóriái, alaptényezői, sikerességi faktorai alapján egy háttérstruktúrát feltételezve vizsgáljuk meg a versenyképességet. A főkomponens-analízist arra használhatjuk, hogy a változókban felhalmozódott információmennyiséget jelentős veszteség nélkül, kevesebb korrelálatlan változóban, főkomponensben őrizzük meg (Kovács – Lukovics 2006). A főkomponensekről általánosan elmondható, hogy mindig információtartam szerint csökkenő sorrendben rendezettek. Tehát az elemző megpróbálja különkülön a piramismodell alapkategóriáit, alaptényezőit, a sikerességi faktorait leíró mutatókat kevesebb főkomponenssel helyettesíteni. Ehhez minden alapkategóriát, alaptényezőt és sikerességi faktort legalább egy mesterséges „mutatóval”, azaz főkomponenssel helyettesíthetünk. Így minden megfigyeléshez egy mesterséges koordinátát rendelhetünk.


253

Ezt a szerepet töltik be a factor score-ok (Hajdu 2003). A fentiekből következően vizsgálataink során főkomponens-analízist kell használnunk. A változók szelektálásakor a fő szempont, hogy minden alapkategóriát, alaptényezőt, sikerességi faktort lehetőleg egy, azonban legfeljebb két főkomponens írjon le úgy, hogy ezek információtartalma legalább 70%-os maradjon. A főkomponensek számát első lépésben az adott alapkategória, alaptényező, sikerességi faktor változóit tartalmazó korrelációs mátrix sajátértékeinek nagysága alapján határozhatjuk meg. A főkomponensek száma megegyezik az egynél nagyobb sajátértékek számával. Ha az eljárás egy főkomponens alkalmazását javasolja, akkor az adott főkomponens információtartalmát úgy javíthatjuk, hogy szelektáljuk azokat a változókat, ahol a változóhoz tartozó kommunalitás értéke alacsony. Ugyanis az alacsony kommunalitás azt jelentené, hogy az adott főkomponens nagyon kis mértékben magyarázná meg az adott változó szórásnégyzetét, azaz az adott főkomponens kismértékben őrzi meg a változó információtartalmát. Természetesen vannak olyan heterogén alaptényezők, illetve sikerességi faktorok – ilyen például az infrastruktúra és a humán tőke – amelyeket nem lehet megfelelő információtartalommal jellemezni egyetlen főkomponens segítségével. Ekkor a loading változók5 alapján megvizsgálható, hogy melyik változó melyik főkomponensre illeszkedik. Mivel a főkomponensek alkalmazásának csak akkor van értelme, ha az elemző meg tudja mondani az egyes főkomponensek (mesterséges változók) jelentését, ezért ha lehetséges, akkor a változók szétválasztásával adhatunk értelmet az egyes főkomponenseknek. Ez alapján a vizsgált összetett alaptényezőt, illetve sikerességi faktort jelentéstartalmának megfelelően tagolhatjuk. Ha valamelyik főkomponensnek első megközelítésben nem lehet értelmet adni, akkor a változók szelektálásával próbálkozhatunk. Ezáltal minden egyes alaptényezőt, illetve sikerességi faktort összetett tartalmának megfelelően jellemezhetünk megfelelő számú főkomponenssel. Annak vizsgálata érdekében, hogy a szelektálás után a modellben megmaradt változók által meghatározott adatállomány mennyi hasznos információt hordoz, kiszámíthatjuk a Petres-féle Red-mutató értékét is. Nagy mennyiségű adatot tartalmazó adatállományok esetén ugyanis gyakran fennáll a veszélye annak, hogy az adatállomány változói – a köztük fennálló kapcsolat miatt – kevés információt hordoznak (Kovács – Petres – Tóth 2004). Az adatállományban fellépő multikollinearitás vizsgálatára kifejlesztett Redmutató nem az egyes változók parciális hatásait, hanem a változók teljes rendszerében megbúvó redundanciát próbálja meg számszerűsíteni. Ez a mutató a korrelációs mátrix sajátértékei alapján számítja ki egy adott méretű adatállományban a hasznos tartalmat hordozó információk arányát. m

m

∑ ∑ rij2 i =1 j =1

Red =

j ≠i

m(m − 1)

(1)

Kovács és szerzőtársai bizonyították, hogy a mutató értéke (1) szerint kiszámítható a korrelációs mátrix főátlón kívüli elemeinek négyzetes átlagával is (Kovács – Petres – Tóth 2005). Ezért a mutató megadja egy adatállományban a változók közötti átlagos 5 A loadingváltozók az adott magyarázóváltozók és az adott főkomponensek közötti korrelációs együtthatók.

254


együttmozgás mértékét. A Red-mutató értéke a redundancia hiánya esetén nulla, maximális redundancia esetén pedig egy (Kovács – Petres – Tóth 2004). A mutató alapján megállapítható, hogy mennyire volt sikeres az indikátorok szelekciója. Területi elemzéseknél az egyik legkomolyabb statisztikai nehézség az adatok súlyozása. „A közgazdászok számára készült könyvekben (…) talán a súlyozással (…) kapcsolatos kérdések mellőzése említendő hiányosságként…” (Dusek 2006). Modellünkben a változókat a szelektálást jelentő főkomponens-analízis elvégzése előtt standardizáltuk annak érdekében, hogy az adatbázist alkotó változók különböző mértékegységéből adódó esetleges problémákat megelőzzük. A standardizálás után a változók szórása 1 lett, ami gyakorlatilag azt jelenti, hogy minden változó azonos, egységnyi súllyal szerepel a modellben. Az elméleti háttér, vagyis az egységes versenyképességi definíció és a piramismodell viszont hallgatólagosan megköveteli, hogy a térség versenyképességére különböző relevanciával és módon ható változókat különböző súllyal szerepeltessük a modellben. Éppen ezért a következő lépés a szelektált változók súlyának a meghatározása. A súlyozási módszerünk logikája a versenyképességi rangsorokat évente közlő egyik legjelentősebb kiadványban, a The Global Competitiveness Reportban alkalmazott súlyozási módszerre támaszkodik, azonban komplexitásában talán meghaladja azt. Porter (2003) a változókból két mesterséges indexet6, főkomponenst definiált, majd a GDP értékét magyarázta ezen két főkomponenst felhasználva egy lineáris regressziós modellben. A két mutató súlyát a regressziós együtthatók segítségével határozta meg. Ezzel szemben jelen esetben a versenyképesség elemzése egy összetettebb modell segítségével történik. Mint láttuk, a piramismodellben a versenyképesség és a jólét nem néhány kiemelt mutatóval, hanem mutatószámrendszerrel van leírva. Ezért mi is mesterséges változókat definiáltunk, és ezek súlyát próbáljuk objektív módon meghatározni (Kovács – Lukovics 2006). Az alkalmazott modell sajátossága miatt nincs konkrét, metrikus eredményváltozó (mint Porternél a GDP/fő), éppen ezért nem ok-okozati viszony vizsgálatára kell, hogy sor kerüljön, hanem állapotfelmérés elvégzésére. Ezáltal a bemutatásra kerülő súlyozás és vizsgálat előrelépést jelenthet a versenyképesség mérhetővé tételére tett erőfeszítésekben. Összhangban a változók szelektálásának módszerével, a súlyok meghatározásához is főkomponens-analízist használhatunk. A súlyok meghatározása az alábbi gondolatmeneten alapszik. Ha egy elemzés során a standardizált változóinkat főkomponensekkel helyettesítjük, akkor a főkomponensek a vizsgált szituáció alacsonyabb dimenziójú leírását, reprezentációját adják meg. A főkomponens-analízis minden egyes változóhoz kiszámítja a kommunalitások értékét is. Mivel az így nyert kommunalitások gyakorlatilag többszörös determinációs együtthatók – egy olyan lineáris regressziós modellben, ahol a főkomponensek a magyarázóváltozók, míg az eredeti változók az eredményváltozók –, ezért ezek gyökei megadják a többszörös korrelációs együtthatókat. A többszörös korrelációs együttható általánosságban azt fejezi ki, hogy az eredményváltozó tényleges és becsült értéke között milyen erősségű kapcsolat áll fent, azaz az eredményváltozó és a magyarázóváltozók egésze között mekkora az együttmozgás mértéke. Speciálisan a többszörös korrelációs együtthatók megadják az egyes standardizált változóknak az egész modellt 6 Az üzleti környezet (national business environment), valamint a vállalati működés és stratégia (company operations & strategy) indexeit definiálta Porter tizenhat, illetve harmincegy magyarázóváltozóból.


255

reprezentáló főkomponensek egészével, vagyis magával a versenyképességgel vett együttmozgásának mértékét, és így az egyes változóknak a modellben betöltött súlyát is! Először arra tettünk kísérletet, hogy a piramismodell három szintjéhez szintsúlyokat rendeljünk hozzá, utalva arra, hogy a versenyképesség meghatározásában eltérő szerepet játszanak. Ehhez szintenként definiáltunk egy-egy főkomponenst. A három szint egy-egy főkomponensét egyetlen főkomponenssel lehetett volna helyettesíteni. Az ekkor kapott három kommunalitás gyöke adta volna meg az egyes szintek súlyát. Ezek az értékek lényegesen nem különböztek egymástól, ami azt jelenti, hogy a piramis mindhárom szintje azonos súllyal szerepel a modell alapján végzett állapotfelmérésben. Egy későbbi vizsgálat lehetne az ok-okozati összefüggések feltárása, és annak vizsgálata, hogy a különböző szinten szereplő tényezők milyen késleltetéssel hatnak a versenyképességre, illetve ennek változására, valamint annak vizsgálata, hogy az egyes szinteknek mekkora a súlya a különböző időtávlatokban mért változásokban. Felmerülhet a kérdés, hogy az egyes súlyok mennyire tekinthetők objektíveknek? Egyáltalán „szubjektív” kategóriákat mérhetünk-e objektív módon? Nyilvánvalóan az egyes változók és az egyes kategóriák súlya az adott modellen belül tekinthető objektívnak, abban az értelemben, hogy ezek meghatározása – korábbi vizsgálatokkal ellentétben – nem tartalmaz szubjektív elemet. A kidolgozott eljárás empirikus alkalmazása A következőkben bemutatjuk az ismertetett módszer egyik empirikus alkalmazását. Ennek keretén belül a versenyképesség egységes definíciójára, valamint piramismodelljére épülő eljárást annak bemutatására használjuk, hogy a 168 magyar kistérség kiválasztott versenyképességi mutatóiból hogyan áll elő a szelektált, súlyozott, standardizált végső indikátorkészlet, amely további elemzések alapjául szolgálhat. A piramismodell alapján kiválasztott indikátorkészlet kizárólag kemény, szekunder forrásból származó – az elemző által külön nem ellenőrzött7 – adatokból áll annak ellenére, hogy elismerjük a nemzetközi versenyképességi vizsgálatok során felhasznált puha adatok fontosságát és lényeges információtartalmát. A kistérségenkénti kérdőíves, illetve interjúk útján történő adatgyűjtésre jelen kutatás alkalmával nem volt lehetőség, azonban a módszertan továbbfejlesztésében kétségkívül fontos szerepet játszhatnak a szubjektív adatok is. Hangsúlyozni kell néhány olyan jellegzetességet, amelyek az adatokkal kapcsolatban általánosságban felmerültek, és amelyeket az adatbázis összeállításánál már figyelembe vettünk: 1. A regionális versenyképesség egyik alapmutatója, az egy főre jutó GDP kistérségi szinten nem érhető el. Ebből kifolyólag kistérségi szinten a bruttó hazai terméket egy ahhoz tartalmilag hasonló mutatóval, az egy főre jutó bruttó hozzáadott értékkel (GVA) helyettesítjük8. 7 Meg kell jegyezni, hogy az adatbázis megbízhatósága jelentősen befolyásolhatja a tipizálás végeredményét, azonban magát a módszertant nem. 8 A gazdasági egységek által létrehozott bruttó hozzáadott érték összegéhez hozzáadva a termékadók és támogatások egyenlegét, valamint figyelembe véve a pénzközvetítés le nem vonható díját jutunk el a bruttó hozzáadott érték piaci áron számított értékéhez, a bruttó hazai termék (GDP) mutatójához.

256


2. A területi GDP-adatokhoz hasonlóan a kistérségi GVA-adatok is kétéves csúszással állnak rendelkezésre. 2007 közepén a 2004. évi GVA-adatok elérhetők, így minden további, az adatbázisba kerülő adatot az elérhető legfrissebb területi GVAadatok évéből, vagyis jelenleg 2004-ből veszünk. Az adatbázist alkotó kemény statisztikai adatok 90%-a az országos területfejlesztési és területrendezési információs rendszerből, a TeIR-ből származik (a maradék kb. 10% adat a KSH központi adatbázisából, a Magyar Szabadalmi Hivatal honlapjáról, valamint az MTA honlapjáról kigyűjthető). Módszerünk következő lépése a kiválasztott indikátorok szelektálása. Az általunk kitűzött elvárásoknak megfelelően sikerült minden egyes alapkategóriát, alaptényezőt és sikerességi faktort legfeljebb két főkomponenssel leírni úgy, hogy az esetek 65%-ában egyetlen, 70%-nál nagyobb információtartalmat megőrző főkomponens elegendőnek bizonyult. Az adatredukció során azonban két-két főkomponensre volt szükség az alapkategóriák közül a globális integráltság, az alaptényezők közül a kis- és középvállalkozások, valamint az intézmények és a társadalmi tőke, a sikerességi faktorok közül a társadalmi szerkezet, a környezet minősége és a régió társadalmi kohéziója 70%-nál nagyobb információtartalmának megőrzéséhez. Így összesen 22 főkomponens jött létre a változók szelektálása során. Lényegesnek tartjuk kiemelni, hogy az egyes alapkategóriákat, alaptényezőket, valamint sikerességi faktorokat leíró főkomponensek átlagosan 80,26%-ban megőrizték a főkomponenseket alkotó magyarázóváltozók információtartalmát. Ennek alapján levonható az a következtetés, hogy a változók szelektálása után a modellt alkotó 78 tényleges standardizált változó valóban relevánsnak tekinthető vizsgálatunk szempontjából, így az elemzés alapjául szolgálhat. Az elvégzett főkomponens-analízis eredményei alapján a következő mutatók maradtak bent a modellünkben, figyelembe véve a kiválasztási szempontokat: I. Alapkategóriák Jövedelmek 1. Az egy adózóra jutó adóköteles jövedelmek 2. Az egy lakosra jutó személyijövedelemadó-alapot képező jövedelem 3. Az egy adófizetőre jutó, munkaviszonyból származó jövedelem 4. Az egy adófizetőre jutó, társas vállalkozásból származó jövedelem 5. Egy lakosra jutó bruttó hozzáadott érték Munkatermelékenység 6. Az egy foglalkoztatottra jutó adózás előtti eredmény 7. Az egy foglalkoztatottra jutó bruttó hozzáadott érték 8. Az egy adózóra jutó személyijövedelemadó-alap Foglalkoztatottság 9. A foglalkoztatottsági ráta 10. A munkanélküliségi ráta 11. A személyi jövedelemadót fizetők 1000 lakosra jutó száma Globális integráltság (nyitottság) 12. Az egy lakosra jutó exportértékesítés nettó árbevétele 13. Az export aránya a bruttó hozzáadott értékből 14. A külföldiek által produkált vendégéjszakák 1000 lakosra jutó száma a kereskedelmi szálláshelyeken 15. A belföldiek által produkált vendégéjszakák 1000 lakosra jutó száma a kereskedelmi szálláshelyeken


257

II. Alaptényezők Kutatás-fejlesztés, technológia, innovációs kapacitás 16. A 10 000 lakosra jutó szabadalmak évi átlagos száma, 2000–2004 17. A 10 000 lakosra jutó MTA-köztestületi tagok száma 18. A 100 000 lakosra jutó K+F-helyek száma 19. Az 1000 lakosra jutó K+F-helyek tudományos kutatóinak tényleges létszáma 20. Az 1000 lakosra jutó K+F-költségek 21. Az 1000 lakosra jutó K+F-ráfordítások 22. Az 1000 lakosra jutó K+F-beruházások értéke Kis- és középvállalkozások, vállalati szektor 23. A működő társas vállalkozások 1000 lakosra jutó száma 24. A működő társas kisvállalkozások (10–49 alkalmazott) 1000 lakosra jutó száma 25. A működő, jogi személyiségű vállalkozások 1000 lakosra jutó száma 26. A működő, jogi személyiségű kisvállalkozások (10–49 alkalmazott) 1000 lakosra jutó száma 27. A működő, jogi személyiségű vállalkozások aránya a működő gazdasági szervezetekből 28. A kistérség vállalkozásainak 1000 lakosra jutó sajáttőkeösszege 29. A kistérség vállalkozásainak 1000 lakosra jutó mérlegfőösszege 30. A kistérség vállalkozásainak 1000 lakosra jutó jegyzett-tőkeösszege Külföldi működő tőke 31. A külföldi érdekeltségű vállalkozások statisztikai létszámának 1000 lakosra jutó értéke 32. A külföldi érdekeltségű vállalkozások saját tőkéjének egy lakosra jutó értéke 33. Az egy lakosra jutó külföldi tőke összege a külföldi érdekeltségű vállalkozásokban 34. A külföldi érdekeltségű vállalkozások nettó árbevételének egy lakosra jutó értéke Humán tőke és infrastruktúra 35. Az egyetemet, főiskolát végzett foglalkoztatottak aránya az összes foglalkoztatotton belül 36. A vezető, értelmiségi foglalkozású foglalkoztatottak aránya az összes foglalkoztatotton belül 37. A 25 évnél idősebb főiskolai, egyetemi diplomával rendelkező népesség aránya a megfelelő korúak %-ában 38. A 18 évnél idősebb középfokú végzettséggel rendelkező népesség aránya a megfelelő korúak %-ában 39. A távbeszélő-fővonalak 1000 lakosra jutó száma 40. Az ISDN-vonalak 1000 lakosra jutó száma 41. Az év folyamán épített lakások teljes alapterülete 42. Az év folyamán kiadott lakásépítési engedélyek 1000 lakosra jutó száma Intézmények és társadalmi tőke 43. A korhatár alatti rokkantsági nyugdíjasok aránya a 40–59 éves korosztályhoz viszonyítva 44. Az 1000 lakosra jutó belföldi vándorlási különbözet évi átlaga (2000–2004) 45. A nyugdíjban, nyugdíjszerű ellátásban részesülők 1000 lakosra jutó száma 46. A működő nonprofit szervezetek 1000 lakosra jutó száma 47. A felsőfokú intézményekben nappali tagozatos hallgatók 1000 lakosra jutó száma III. Sikerességi faktorok Gazdasági szerkezet 48. Az ingatlanügyletek, gazdasági szolgáltatás nemzetgazdasági ágban működő társas vállalkozások aránya az összes működő társas vállalkozáson belül (%) 49. A mezőgazdaság, vadgazdálkodás, erdőgazdálkodás és halászat nemzetgazdasági ágban foglalkoztatottak aránya az összes foglalkoztatotton belül 50. A szolgáltatás jellegű ágazatokban foglalkoztatottak aránya az összes foglalkoztatotton belül 51. A szellemi foglalkozásúak összes foglalkoztatotthoz viszonyított aránya

258


Innovációs kultúra és kapacitás 52. A munkahelyi, felsőoktatási és egyéb könyvtárak beiratkozott olvasóinak 1000 lakosra jutó száma 53. Az felsőoktatási intézményekben dolgozó oktatók 1000 lakosra jutó száma (az intézmény székhelye szerint) 54. Az felsőoktatási intézményekben dolgozó oktatók 1000 lakosra jutó száma (kihelyezett tagozatok szerint) Regionális elérhetőség 55. Terra Stúdió hétköznapi elérési mutató 56. Terra Stúdiú hazai beszállítói elérési mutató 57. Terra Stúdió multi elérési mutató A munkaerő felkészültsége 58. A legalább középiskolai érettségivel rendelkező, helyben dolgozó lakónépesség 1000 lakosra jutó száma 59. A főiskolai, egyetemi végzettséggel rendelkező helyben foglalkoztatottak 1000 lakosra jutó száma 60. Elvégzett átlagos osztály- (évfolyam-) szám Társadalmi szerkezet 61. A 60 éves és idősebb népesség aránya az állandó népességből 62. A 0–18 éves népesség aránya az állandó népességből 63. Az élve születések száma/halálozások száma 64. Vitalitási index 65. Az egyszemélyes háztartások 1000 lakosra jutó száma 66. A 120 fő/km2 feletti népsűrűségű településeken lakók aránya 67. A térségközpont lakosságának aránya a kistérség lakosságából Döntési központok 68. A kistérség részesedése a 250 és több főt foglalkoztató, működő, jogi személyiségű vállalkozások országos számából 69. A kistérség részesedése az 50–249 főt foglalkoztató, működő, jogi személyiségű vállalkozások országos számából A környezet minősége 70. Az ismertté vált közvádas bűncselekmények 1000 lakosra jutó száma az elkövetés helye szerint 71. Az ismertté vált gazdasági bűncselekmények 1000 lakosra jutó száma az elkövetés helye szerint 72. A nappali ellátást nyújtó idősek klubjai működő férőhelyeinek száma 1000 hatvan évnél idősebb lakosra 73. A közcsatorna-hálózatba bekapcsolt lakások 1000 lakosra jutó száma A régió társadalmi kohéziója 74. Az 1000 lakosra jutó elvándorlások száma 75. Az 1000 lakosra jutó odavándorlások száma 76. A helyben dolgozó foglalkoztatottak aránya a más megyébe eljáró foglalkoztatottakhoz 77. Helyben dolgozó értelmiségi foglalkozású foglalkoztatottak/más településre eljáró értelmiségi foglalkozású foglalkoztatottak 78. A naponta bejáró foglalkoztatottak aránya a más megyébe naponta eljáró népességben

A vizsgálatunk alapját képező 78 változót tartalmazó adatállományra vonatkozóan a Red-mutató értéke 0,42. Ez azt jelenti, hogy az adott méretű és minimális redundanciájú adatállományhoz képest a hasznos tartalmat hordozó adatok aránya 58%, az adatok átlagos együttmozgásának a maximálishoz viszonyított mértéke 42%. Ebből következően az


259

eljárás során fellépő információveszteség nem jelentős. A mutató egyfajta kiterjesztése lehet a loadingváltozókra történő változónkénti alkalmazása. Ebben az esetben a mutató értéke megegyezik a redundanciaindex értékével. Ezek a mutatók megadják, hogy az egyes főkomponenseknek mekkora az átlagos együttmozgása az egyes változókkal. Ezt követően a változószelekció után megmaradt 78 standardizált változó piramismodellben betöltött súlyát határoztuk meg. Ennek során újabb főkomponens-analízist végeztünk, amelyben a modellt alkotó 78 standardizált változó egyszerre szerepelt. A 168 magyar kistérség versenyképességének elemzésére létrehozott 78 változó alkotta rendszert megfelelő információtartalommal9 12 főkomponens reprezentálja. A 12 főkomponenst létrehozó főkomponens-analízis mind a 78 változóhoz kiszámította az egyes változókhoz tartozó kommunalitások értékét, melyből gyököt vonva megkapjuk, hogy az egyes változók milyen mértékben állnak kapcsolatban a versenyképességet leíró teljes rendszerrel. Ezen értékeket súlyként használva juthatunk el a 78 változót tartalmazó standardizált, súlyozott adatállományhoz. A szelektálás és a súlyozás sikeres lefolytatása után az egységes versenyképességi definíciót kibontó piramismodell logikájának megfelelő szerkezetű, 78 szelektált (tehát versenyképességi szempontból valóban releváns), standardizált, súlyozott változóból álló adatbázis állt elő. A kidolgozott eljárás empirikus alkalmazásának keretén belül a 168 magyar kistérség komplex versenyképességi tipizálására is sor került, melynek kizárólag módszertani aspektusaira koncentrálunk jelen tanulmányunk során. A kistérségek versenyképességének komplex elemzésére alapvetően kétféle, egymástól jelentősen eltérő logikájú többváltozós adatelemzési technikát, a klaszteranalízist, valamint a többdimenziós skálázást használtuk annak érdekében, hogy az egyik módszerrel megszülető eredmények a másik módszer eredményeivel összehasonlíthatóvá, ezáltal kontrollálhatóvá váljanak. Az erős belső kontroll az elemzés szerves részét képezi, hiszen törekedtünk arra, hogy egy-egy eredményt többféleképpen is kiszámoljunk, ezáltal minimalizálva az elemzés során elkövethető számítási hibákat. Így például a klaszteranalízist a 78 szelektált, súlyozott változó és a változószelekció során létrejött 22 főkomponens alapján is elvégeztük. De a többdimenziós skálázás során is törekedtünk a legkomplexebb versenyképességi kép kialakítása érdekében az egydimenziós és a kétdimenziós elemzések eredményeinek lehetőség szerinti minél szélesebb körű kombinálására. A kétdimenziós skálázás által létrehozott geometriai reprezentáció magában hordozhatja annak lehetőségét, hogy a térképen szabad szemmel is jól látható csoportosulásokat, klasztereket sejtessen. Amennyiben megpróbáljuk összevetni az összes változót dimenziószám-csökkentés nélkül csoportokba rendező klaszteranalízis eredményét a mindössze két dimenzióra lecsökkentett térben dolgozó MDS-ével, igen hasonló megállapításra jutunk. A kétdimenziós térképen körülhatárolható klaszterek ugyanazon elemeket tartalmazzák, mint a klaszteranalízis eredményeként létrejött klaszterek. Ez a megállapítás a K-means eljárással lehatárolt klaszterek számától – három, négy, illetve öt klaszter lehatárolására vállalkoztunk10 – függetlenül érvényes volt (Lukovics 2007). 9 A 78 változóra illeszkedő 12 főkomponens az eredeti változók információtartalmának 85,1%-át őrizte meg. 10 Azt, hogy van-e értelme tovább növelni a lehatárolt klaszterek számát, a hierarchikus felépítő klaszterezéssel vizsgáltuk meg. Esetünkben a felépítési táblázat szerint az összevonandó klaszterek közötti távolság relatíve egyenletesen nőtt a 163. lépésig, majd hirtelen szignifikánsan megnőtt a távolság, így a 164. lépést már nem célszerű figyelembe venni, vagyis 5 klaszternél többet jelen esetben nem volt célszerű lehatárolni (Lukovics 2007).

260


A nemzetközi szakirodalom rávilágított arra, hogy a térségek versenyképességének vizsgálatánál kiemelt figyelmet kell szentelni a térségben jelen levő „kritikus tömegre”, vagyis a térség urbánus avagy rurális jellegére. Az urbánus térségek jellemzően nagyvárosi térségek, amelyekben jelentős népességkoncentráció figyelhető meg (ESPON 2005). Ebből kiindulva hagyományos megközelítésben elvárható az urbánusnak nevezett kistérségektől az, hogy az ott élő népesség elérjen egy kritikus tömeget. Ezt nemzetközi ajánlások alapján három mutatóval közelíthetjük meg: 1. a kistérségközpont lakosságának száma a vizsgált év végén az ESPON, a 2007 és 2013 közötti közösségi stratégiai iránymutatások11, valamint az OMB ajánlásai alapján érje el az 50 000 főt12; 2. a 120 fő/km2 feletti13 népsűrűségű településeken lakók aránya a vizsgált kistérségben legyen legalább 75%14; 3. a térségközpont lakosságának aránya a kistérség lakosságában ne legyen kisebb, mint 75%. Ha a három feltételből legalább az egyik teljesül, akkor a magyar kistérségek viszonylatában urbánus térségről beszélünk. Nem szabad azonban megfeledkeznünk napjaink egyik uralkodó tendenciájáról, a tudásalapú gazdaság által támasztott kihívásokról sem. Egy térségben ugyanis nemcsak a klasszikus értelemben vett népességkoncentráció jelentheti az urbánus térségek számára szükséges kritikus tömeget, hanem az adott kistérségben létrejövő tudás is. Az új tudás létrehozásának első számú letéteményesei a felsőoktatási intézmények, melyek jelenléte egy-egy kistérségben szintén kritikus tömegként fogható fel. Mindez összhangban van Malecki azon felfogásával, hogy a versenyképességet alapvetően meghatározza bizonyos intézmények kritikus tömegének jelenléte (Malecki 2002). 4. Mindezek alapján a fentebb definiált három mutató egyikének teljesülésén túlmenően a tudásalapú gazdaság által támasztott hallgatólagos követelményeknek megfelelően azon kistérségeket is urbánusnak tekintjük, amelyekben felsőoktatási intézmény működik. A versenyképesség és az urbanizáltság térbeli koncentrációjáról elmondható, hogy az egyetlen relatíve erős versenyképességű, urbanizált kistérséget, a fővárost gyűrűszerűen körülölelik a közepes versenyképességű kistérségek, melyeknek 90%-a urbánus. A közepes versenyképességű, urbánus térségek ezen felül egyrészt maguk a megyeszékhelyek kistérségei (Salgótarján kivételével), illetve nagyvárosok kistérségei. A közepes versenyképességű kistérségek (urbánusak és rurálisak egyaránt) koncentrálódnak a fejlett nyugati centrumok, valamint az autópályák közelében. Ezen felül elmondható, hogy a közepes versenyképességű térségek döntően az északnyugati és a középső országrészben találha11 A bizottsági közlemény szerint Európát kis-, közepes- és nagyvárosok többközpontú szerkezete jellemzi (EC 2006b), viszont egyedül az 50 000 lakos feletti kritériumot számszerűsítették (EC 2006a). 12 Megjegyezzük, hogy nemzetközi mércével mérve egy nagyságrenddel nagyobb lakosságszám-kritériumai is ismertek az urbánus térségeknek. Regionális szinten az OECD olyan régiókat tekint urbánusnak, ahol a régióközpont lakossága meghaladja az 500 000 főt, míg a közbenső típus esetén 200 000 fő az elvárt lakosságszám (OECD 2001). Florida (2004) munkájában 700 000 főt meghaladó lélekszámú térségeket tekint urbánusnak, azonban ezen értékek nem kistérségi, hanem ‘metropolitan’ régiókra vonatkoznak. 13 Az OECD ajánlásában 150 fő/km2 szerepel, a magyar statisztikai hivatal a 120 főt tekinti határértéknek. 14 Csatári (1999) és az Eurostat (2005) Magyarországra vonatkozó kritériumai alapján 50%-os küszöbértékkel kellene számolni, de a magasabb küszöbértékkel az OECD 150 fő/km2-es küszöbértékre vonatkozó ajánlása felé kívánunk közeledni.


261

tók, míg a relatíve gyenge versenyképességű kistérségek az északi és keleti határ menti zónában (3. ábra). 3. ábra

Az elméleti kistérségtípusok elhelyezkedése a térben Edelényi Encsi Abaúj– Hegyközi Kazincbarcikai

Balassagyarmati

Szobi

Rétsági Pásztói

Mosonmagyaróvári

Váci Gyöngyösi Szentendrei VeresHatvani Duna- egyházi Aszódi keszi

Esztergomi Komáromi

Győri Kapuvári Csornai Sopron– Fertődi

Dorogi

Celldömölki

Pápai

Móri

Ajkai Körmendi Vasvári

Veszprémi

Sümegi

Szentgotthárdi Őriszentpéteri

Apolcai

Balatonfüredi Balatonföldvári

Keszthely– Hévízi Fonyódi

Lenti

Letenyei Nagykanizsai

Lengyeltóti

Siófoki

Debreceni

Karcagi

Dabasi

Berettyóújfalui Szeghalomi

Dunaújvárosi

Enyingi

Kunszentmiklósi

Kunszentmártoni

Kecskeméti

Paksi

Kiskőrösi

CsongKiskunfélegyházai rádi

Békéscsabai

Szentesi Orosházai

Kisteleki

Kiskunhalasi Jánoshalmai

Komlói Pécsváradi

Szigetvári

Bajai

Bácsalmási

Sarkadi

Békési

Szarvasi

Gyulai Kiskunmajsai

Szekszárdi

Sellyei

Derecske–Létavértesi

Püspökladányi

Törökszentmiklósi

Ceglédi

Kalocsai

Szentlőrinci

Hajdúszoboszlói

Szolnoki

Hódmezővásárhelyi

Mezőkovácsházai

Rel. erős versenyképességű urbánus Közepes versenyképességű urbánus Közepes versenyképességű rurális

Bonyhádi

Barcsi

Nyírbátori

Meztúri

Tamási

Sásdi

Nagykállói

Mezőcsáti HajdúböPolgári szörményi

Hajdúhadházi

Monori

Gyáli

Ráckevei

Marcali

Nagyatádi

Csengeri

Tiszafüredi

Dombóvári

Csurgói

Mátészalkai

Balmazújvárosi

Abai

Kaposvári

Fehérgyarmati

Baktalórántházai

Nagykátai

Sárbogárdi

Tabi

Mezkövesdi

Nyíregyházai

Hevesi

Adonyi

Balatonalmádi

Zalaszentgróti

Zalaegerszegi

Várpalotai Székes- Gárdonyi fehérvári

Tiszaújvárosi

Jászberényi

Budaörsi Ercsi

Zirci

Sárvári

Tiszavasvári Egri

Vásárosnaményi

Ibrány–Nagyhalászi

Tokaji

Miskolci

Füzesabonyi

Gödöllői Budapest

Bicskei

Kőszegi Csepregi

Szombathelyi

Pilisvörösvári

Tatabányai Oroszlányi

Pannonhalmai Kisbéri

Téti

Tatai

Szerencsi

Bélapátfalvai

Bátonyterenyei Pétervásárai

Kisvárdai

Szikszói

Ózdi Salgótarjáni Szécsényi

Sátoraljaújhelyi

Sárospataki Bodrogközi

Mórahalomi

Szegedi

Makói

Rel. gyenge versenyképességű urbánus Rel. gyenge versenyképességű rurális

Pécsi Mohácsi

Siklósi

Forrás: saját szerkesztés.

Összegzés Mivel többféle, egymástól eltérő logikájú módszerrel sikerült ugyanarra az eredményre jutni, így valószínű, hogy a magyar kistérségek és a főváros versenyképességét sikerült valósághűen leképezni. Mindezek alapján joggal feltételezhető, hogy az alkalmazott elméleti modell és a rá épülő módszertan alkalmas arra, hogy a regionális versenyképességet mérhetővé tegye. A dolgozat arra az alapvető kérdésre kereste a választ, hogy miként lehetne térségek versenyképességét az elemzői szubjektivitást minimalizáló módon mérhetővé tenni, tipizálni, ezáltal fejlesztési célú területi helyzetelemzések kidolgozását elősegíteni. A kérdés megválaszolása során bemutattunk egy olyan lehetséges módszert, amely az egyes területi egységek komplex versenyképességét zárt logikai rendszerben elemzi. A dolgozat empirikus alkalmazása kifejezetten a lokális térségek versenyképességének vizsgálatára koncentrált, hangsúlyozzuk azonban, hogy a kidolgozott módszer alkalmas megyék, régiók, országok versenyképességének elemzésére is. Lényeges azonban, hogy a magasabb aggregációs szintek területi egységei bármilyen vizsgált mutató szerint igen heterogének, ebből kifolyólag minél alacsonyabb aggregációs szintet választunk elemzésünk tárgyául, annál pontosabb képet kapunk a térség valós állapotáról. Megítélésünk szerint az eljárás egyik lehetséges erőssége az, hogy a versenyképességi vizsgálat alapját képező indikátorok szelektálását és súlyozását, valamint a térségek versenyképességi tipizálását kemény statisztikai módszerek eredményei alapján végzi el, így

262


a rendszerben sikerült minimalizálni az elemzői szubjektivitás torzító hatását. A modellezés körülményeire felállított 18 kritérium teljesítése miatt a kidolgozott módszer lehetséges gyakorlati alkalmazási lehetősége az, hogy a regionális monitoringrendszer alapjául szolgáljon, s segítségével a területi folyamatok változása nyomon követhető legyen. IRODALOM BHI (2006): Metro Area and State Competitiveness Report 2005. The Beacon Hell Institute at Suffolk University, Boston Camagni, R. (2002): On the Concept of Territorial Competitiveness: Sound or Misleading? Urban Studies, 13. Csatári Bálint (1999): A kedvezményezett kistérségek besorolásának felülvizsgálata. MTA RKK Alföldi Tudományos Intézete, Kecskemét DTI (2006a): Regional Competitiveness and State of the Regions. Department of Trade and Industry, London DTI (2006b): UK Productivity and Competitiveness Indicators 2006. DTI Economics Paper, No. 17. Dusek Tamás (2006): Területi statisztika, valószínűségszámítás és statisztikai következtetéselmélet. Területi Statisztika, 3. EC (1999): Sixth Periodic Report on the Social and Economic Situation and Development of Regions in the European Union. European Commission, Luxembourg EC (2003): European Competitiveness Report 2003. European Commission, Brussels EC (2004): A new partnership for cohesion – Third Report on Economic and Social Cohesion. European Commission, Brussels EC (2006a): A Tanács határozata (2006. október 6.) a kohézióra vonatkozó közösségi stratégiai iránymutatásokról (2006/702/EK). Official Journal, L 291/11, Luxembourg EC (2006b): Kohéziós politika és a városok: a városok és az agglomerációk hozzájárulása a régiók növekedéséhez és foglalkoztatottságához. European Commission, Brussels ESPON (2004): Territorial Effects of the Structural Funds in Urban Areas. European Spatial Planning Observation Network, Luxembourg ESPON (2005): Urban–rural relations in Europe. European Spatial Planning Observation Network, Luxembourg Forfás (2006): Annual Competitiveness Report 2006. Forfás National Competitiveness Council, Dublin Gardiner, B., – Martin, R., – Tyler, P. (2004): Competitiveness, Productivity and Economic Growth across the European Regions. Regional Studies, 9. Garlick, S. (2003): Growth and Competitiveness in the Gippsland Region: Performance and Determinants 1984 – 2000. Regional Knowledge Works, Sydney GHK (2005): Long-Term Economic and Employment Strategy for the Black Country. West Midlands Regional Assembly, Birmingham Hajdu Ottó (2003): Többváltozós statisztikai számítások. Statisztikai módszerek a társadalmi és gazdasági elemzésekben. KSH, Budapest Hunyadi László – Mundruczó György – Vita László (1999): Statisztika. Aula, Budapest Huovari, J. – Kangasharju, A. – Alanen, A. (2002): Constructing an index for regional competitiveness. In: Acs, Z. – de Groot, H. L. F. – Nijkamp, P. (ed.): The Emergence of the Knowledge Economy: a Regional Perspective. Springer, London Katona Tamás (2000): Mérési és megbízhatósági problémák a területi statisztikában. In: Farkas Beáta – Lengyel Imre (szerk.): Versenyképesség – regionális versenyképesség. JATEPress, Szeged Kovács, Péter – Lukovics, Miklós (2006): Classifying Hungarian Sub-regions by their Competitiveness. “Globalization Impact on Regional and Urban Statistics” SCORUS 25th Conference on Urban and Regional Statistics and Research, Wroclaw Kovács Péter – Petres Tibor – Tóth L. (2004): Adatállományok redundanciájának mérése. Statisztikai Szemle, 6–7. Lengyel Imre (2000): A regionális versenyképességről. Közgazdasági Szemle, 12. Lengyel Imre (2003): Verseny és területi fejlődés: térségek versenyképessége Magyarországon. JATEPress, Szeged


263

Lengyel, Imre – Lukovics, Miklós (2006): An Attempt for the Measurement of Regional Competitiveness in Hungary. “Enlargement, Southern Europe and the Mediterranean” 46th Congress of the European Regional Science Association, Volos, Letölthető: http://www.ersa.org/ersaconfs/ ersa06/papers/ 350.pdf Lengyel Imre – Rechnitzer János (2000): A városok versenyképessége. In: Horváth Gyula – Rechnitzer János (szerk.): Magyarország területi szerkezete és folyamatai az ezredfordulón. MTA RKK, Pécs Lengyel Imre – Rechnitzer János (2004): Regionális gazdaságtan. Dialóg Campus, Budapest–Pécs Lukovics Miklós (2006): A magyar megyék és a főváros versenyképességének empirikus vizsgálata. Területi Statisztika, 2. Lukovics Miklós (2007): Lokális térségek versenyképességének elemzése. Doktori értekezés. Szegedi Tudományegyetem Gazdaságtudományi Kar, Szeged Malecki, E. J. (2002): Hard and Soft Networks for Urban Competitiveness. Urban Studies, 5–6. Martin, R. L. et al. (2005): A Study on the Factors of Regional Competitiveness. A final report for The European Commission DG Regional Policy. University of Cambridge McCauley S. R. (2006): Methodology and Principles of Analysis. http://www02.imd.ch/documents/wcy/ content/methodology.pdf (letöltve: 2006. december 2.) OECD (2001): Rural regions in EU – exploring differnces in economic development. Organisation for Economic Co-operation and Development, Paris OMB (2000): Standards for Defining Metropolitan and Micropolitan Statistical Areas. Federal Register, Office of Management and Budget, No. 249. Parkinson, M. et al. (2006): State of the English Cities. Office of the Deputy Prime Minister, London Pike, A. et al. (2006): New horizons programme, The economic viability and self-containment of geographical economies: A framework for analysis. Office of the Deputy Prime Minister, London 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 PSRC (2006): 2006 Puget Sound Regional Competitiveness Indicators. Puget Sound Regional Council, Washington Pukli Péter (2000): A gazdaságstatisztika regionális mutatószámai. In: Farkas Beáta – Lengyel Imre (szerk.): Versenyképesség – regionális versenyképesség. JATEPress, Szeged SWRDA (2004): The State of the Key Factors. South West Regional Development Agency, Cambridge WEF (2006): Global Competitiveness Report 2006–2007. World Economic Forum, Geneva Wong, C. (2002): Developing Indicators to Inform Local Economic Development in England. Urban Studies, 39. Kulcsszavak: versenyképességi elemzés, versenyképességi rangsor, Európai Unió, főkomponens-analízis, kistérségek. Resume Our paper aims to describe a method based on a possible, closed logical system to evaluate regional competitiveness. At selection and weighting of indicators the logic of properly chosen theoretical models not yet used for this purpose have been employed by the authors, the mathematical-statistical background of which insures the minimisation of the analyst subjectivity. In the frame of empirical employment of the elaborated method 168 subregions were listed to competitiveness types by cluster analysis and multidimensional scaling.

DR. DUSEK TAMÁS – DR. KISS JÁNOS PÉTER

A regionális GDP értelmezésének és használatának problémái∗ Egy ország gazdasági teljesítményének regionális szintű nyomon követése a gazdaságpolitikai döntéshozók, a közgazdászok és a széles közvélemény érdeklődésére is számot tarthat. Az országos szinten leggyakrabban használt és egyik legátfogóbb mutató, a bruttó hazai termék (GDP) megyei eloszlására vonatkozóan a Központi Statisztikai Hivatal jóvoltából 1994-től kezdődően állnak rendelkezésre hivatalos adatok. A fejlett országokban már régóta alkalmazott, és az utóbbi két évtizedben egyebek mellett az Európai Unió regionális politikájában igen fontos gyakorlati szerepre is szert tett regionális GDPszámítás hazai statisztikai gyakorlatban történő meghonosításának egyik legelső és leghangosabb szorgalmazója Nemes Nagy József volt. A KSH számításait megelőzően az 1980-as években és a kilencvenes évek elején több ízben is kutatói becslésekkel kísérelte meg pótolni a hiányzó hivatalos számításokat (Nemes Nagy 1985, 1995). A hazai regionális GDP-becslések 1994 előtti kísérleteit, illetve a kérdés módszertani problémáit 1995ös tanulmánya foglalta össze legrészletesebben (Nemes Nagy 1995), ám munkáiban a GDP témaköre az utóbbi időben is rendre fontos szerepet kap. Sőt, széles körű, mintegy száz ország regionális GDP-adatain alapuló nemzetközi elemzésével térben, 1975-re vonatkozó hazai GDP-becslésének közzétételével pedig időben is nagymértékben kiterjesztette a hazai területi különbségek értelmezésének lehetőségeit (Nemes Nagy 2005, 2006). Az egy lakosra jutó GDP hivatalos mutatója első közreadásától kezdve regionális szinten is a legnépszerűbb, leggyakrabban hivatkozott gazdasági jelzőszámok közé került Magyarországon. Mindeközben elemzési és regionális politikai célú felhasználása során egyaránt sajnálatosan kevés figyelmet kaptak a helyes értelmezéséhez elengedhetetlenül szükséges módszertani háttérismeretek és a fajlagos megyei GDP-adatok eltérései mögött meghúzódó különböző, nem kizárólag a reálgazdaság különbségeire visszavezethető magyarázótényezők. Ezek egy része számbavételi, technikai jellegű, más része a regionalizálás nehézségeiből ered. Jelen tanulmányunkban azonban elsősorban azon kérdések áttekintése a célunk, amelyek túlmutatnak a pusztán az adatgyűjtés – más szempontból fontos – technikai részével és a regionalizációval kapcsolatos kérdések leírásán. Ezekről ugyanis részletesen tájékoztatnak az Eurostat vonatkozó módszertani kiadványai, illetve egyes hazai publikációk (Gábriel–Hüttl 1996, Getherné szerk. 2003, Nemes Nagy 1995, Kiss 2003), de rövidebb összefoglalókat a GDP-számítás eredményeit bemutató KSH-kiadványok függelékeiben is találhatunk. Sajnálatos módon kevesebb tanulmány foglalkozik azonban a területi GDP meghatározását végigkísérő módszertani ∗ Dusek Tamás munkáját a Bolyai János Kutatási Ösztöndíj támogatta.

A REGIONÁLIS GDP ÉRTELMEZÉSÉNEK ÉS HASZNÁLATÁNAK PROBLÉMÁI

265

döntések tényleges hatásaival. Sajnos nem eléggé közismert az sem, hogy a regionális GDP legtöbb összetevőjét becslési eljárások segítségével határozza meg a KSH is. Így az ilyen irányú vizsgálatok azért lennének fontosak, mert ezekből nyerhetnénk képet arról, hogy egy-egy módszertani döntés csupán statisztikai érdekességet jelent-e, vagy az eredményéül kapott GDP-értékek nagyságára is tényleges, érzékelhető befolyást gyakorol. Ebből a szempontból szerencsésnek mondható, hogy a hazai regionális GDPszámítás módszertana – az EU ajánlásait követve – többször is módosult az utóbbi években, mert így egyes évekre a korábbi és az új módszer szerint kiszámított adatsorral is rendelkezünk.1 Az országos GDP-adat meghatározásának problémái A GDP egy területi egység ott működő – statisztikai szóhasználattal: „rezidens” – gazdálkodói által egy adott időszakban előállított végtermékek együttes piaci értéke, ami egy zárt gazdaságban elvileg háromféleképpen határozható meg. Termelési oldalról nézve a GDP a termelés különböző szintjein működő termelők hozzáadott értékeinek, vagyis kibocsátásuk és termelő felhasználásuk különbségének összege. Jövedelmi oldalról közelítve a GDP az előbbi termelők által elért jövedelmek összege, felhasználási oldalról pedig az újonnan előállított végső javak vásárlásainak összege. Nyitott gazdaságban azonban a három módszer csak akkor alkalmazható, ha a gazdaság területi határvonalát átlépő tranzakciók megfigyelhetők, és statisztikák állnak róluk rendelkezésre. Így például országos szinten a gazdasági szereplők által elért jövedelmeket korrigálni kell a külföldről kapott és a külföldre átutalt jövedelmek egyenlegével, vagy a gazdasági szereplők végső javakra irányuló vásárlásainak összegét módosítani a külkereskedelmi forgalom egyenlegével. A GDP három mérési módszere eredményének elvileg meg kell egyeznie egymással, ezért kölcsönös kiszámításuk egymás ellenőrzésére is alkalmazható. Ez a lehetőség csak országos szinten áll rendelkezésre, ám igen hasznos, hiszen az országos szintű nyomon követhetőség sem mentes a sokféle, egymástól független adatforrás összehangolásával kapcsolatos gyakorlati nehézségektől. Erről árulkodik például a fizetési mérlegek tévedések és kihagyások (net errors and omissions) tételének mértéke, amely Magyarország nagyságrendű országokban az egymilliárd dollárt is meghaladó lehet (2006-ban három és fél milliárd dollár, a GDP mintegy 3%-a volt Magyarországon), az Amerikai Egyesült Államoknál a 100 milliárd dollárt is túllépheti.2 A regionális GDP számítása – ami a gyakorlatban az országos GDP-adat kisebb területi egységekre való bontását jelenti – a három lehetséges elv közül legpontosabban a termelési oldal adataiból kiindulva történhet meg (így itt eltekintenek a másik két elven történő számítástól), ráadásul az országnál kisebb területegységek közötti áruforgalom és jövedelemáramlás a gyakorlati adatgyűjtés számára egyáltalán nem nyomon követhető. A számítás elveit tekintve azonban nincs 1 Az adatok gyakori módosítása azonban minden más szempontból nehézségeket okoz, és a visszamenőleges átszámításokra kényszerülő statisztikusok dolgát nagyon megnehezíti, csakúgy, mint az egységes módszertanon alapuló idősorokkal dolgozni kívánó felhasználókét. Az azóta bekövetkezett módszertani változásoknak és a felülvizsgálatoknak köszönhetően a szerzők birtokában a 2000. évre vonatkozóan például ötféle hivatalos, beszerzési áras megyei GDP-adatsor van, noha az első területi GDP-adatot is másfél évvel a tárgyév lezárulta után közli a KSH. 2 A fizetési mérleg tévedések és kihagyások tétele adatainak forrása az ENSZ Statisztikai Bizottságának honlapja, http://unstats.un.org/, Common database megfelelő tétele.

266


különbség a regionális és az országos szint között: mindkét esetben gazdasági szereplők területi szempontú aggregálásáról van szó, csak a lehatárolás gyakorlati szempontjai különböznek lényegesen. Döntően területi szempontú különbségtétel húzódik meg a GDP mint termelési mutató, és a bruttó nemzeti jövedelem – GNI, a korábbi, de néha még mindig használt terminológia szerint GNP, vagyis bruttó nemzeti termék – mint jövedelmi mutató fogalmai között is (ezek viszonyára később térünk vissza). A két gazdasági jellemző eltérésének lehetősége a regionális GDP helyes értelmezése miatt fontos. Mint már említettük, a GDP kimutatott nagyságát számos gazdaságelméleti megfontolás, és az ezekből következő vagy praktikus indokokat figyelembe vevő módszertani választások sora befolyásolja. Így többek között kérdéses lehet a termelő és a nem termelő (szabadidős) tevékenységek közötti határvonal meghúzása, a fekete/szürke gazdaság kezelése, egy termék vagy szolgáltatás közbenső (tehát költségként elszámolható, és így a GDP-t nem növelő) vagy végső voltának meghatározása, illetve a nem piacosult tevékenységek egy részének GDP-be történő beszámítása. Ha ezek bármelyikét megváltoztatják, akkor a GDP országos összege is más lesz, s a korábbi évekkel való közvetlen összevetés is aggályossá válik. Például 2005 előtt a KSH GDP-számításában (összhangban a nemzetközi gyakorlattal) a kamatrés (FISIM) teljes összegében termelőfelhasználásként került elszámolásra, ám azóta csak a vállalati szektorra jutó kamatrést tekintik termelőfelhasználásnak, a háztartásokra és államra jutó részt viszont végső fogyasztási kiadásnak. Ez a módosítás a hitelállománnyal és a kamatréssel arányosan növelte a GDP-t, Magyarországon például 2000 és 2002 között nagyjából 1, 2003-ban pedig 1,3%-kal. 2006-tól pedig egyéb változások mellett a számba vett tevékenységek köre bővült a GDP meghatározásánál: a feketegazdaság két elemének, a drogtermelésnek és -kereskedelemnek, illetve a prostitúciónak hozzáadott értékét is felbecsülik. Ez kb. 1%kal nagyobb adatot eredményez a korábbi módszertan szerintinél, a többi változással együtt pedig +1,55% volt az eltérés a 2005. évi módszerhez képest. Ezek a döntések nemcsak a GDP abszolút mértékét változtathatják meg (miközben a tevékenységek, amelyre vonatkoznak, objektív értelemben változatlanok), hanem a GDP területi arányait is befolyásolhatják kisebb-nagyobb mértékben. A 2003. évi GDP-t alapul véve a 2005-ös változások országos átlagban +1,3%-os hatása megyei szinten –0,04% (Budapest) és +3,62% (Komárom-Esztergom) közötti módosulást eredményezett az először közzétett értékhez képest, míg 2006-ban további változás következett: +0,40% (Budapest) és +4,61% (Bács-Kiskun). Összességében azonban Szabolcs-Szatmár-Bereg kimutatott helyzete, s így a többi megyéhez mért pozíciója „javult” leginkább a két év módszertani módosulásainak eredményeként (+6,14% az átlagos +2,89%-kal, illetve Budapest +0,36%-ával szemben).3 Közismert példaként megemlíthető az is, hogy a GDP-ben csak részben megjelenő háztartási munkának, saját használatra történő termelésnek, kalákának (társasmunkának) a településhierarchia alacsonyabb szintjein, illetve az elmaradott térségekben egyre nagyobb a jelentősége. Így rendre a gazdagabb, fejlettebb megyék kimutatott GDP-jét növelik jobban azok a tevékenységek, amelyeket csak „piacosult” formájukban vesz figye3 Az alapadatok a KSH honlapjáról (STADAT adatbázis 2005, 2006, illetve 2007 júliusa), az idézett módszertani változásokra vonatkozó információk pedig a „Magyarország Nemzeti Számlái 2003–2004” c. kiadványból (KSH, Bp. 2006), továbbá a Napi Gazdaság online-kiadásának 2006. szeptember 29-i számából származnak.


267

lembe a GDP-számítás. Ilyen tevékenység például a gyereknevelés, amely csak akkor járul hozzá a GDP-hez, ha bejárónőnek, bébiszitternek fizetnek érte, háztartási munkaként nem; de hasonló megkülönböztetés érvényesül a saját kezű mosás és a mosodai szolgáltatás igénybevétele, a saját autó, illetve a bérautó- vagy taxiszolgáltatás használata között is. Az egyedüli kivételt a lakásszektor jelenti, amelynek esetében nemcsak a bérlakáskiadás hozzáadott értékét veszik számba, hanem a saját lakás használatának becsült piaci értékét is „imputálják” a GDP-be: ez a tétel a magyar GDP 5-6%-át, ezen belül az (egyéni vállalkozások teljesítményét is magában foglaló) háztartási szektor teljesítményének bő negyedét adja. Lokalizációs nehézségek A GDP egyes tételeinek helyhez (területi egységhez) kötése a regionális GDPszámítások talán legjelentősebb sajátságos módszertani problémája. A gazdasági tevékenységek4 alább tárgyalandó, a könnyebb követhetőség érdekében öt típusba sorolt lokalizációs nehézségeinek egy része ugyanis országos szinten egyáltalán nem fordul elő, más részük pedig lényegesen kisebb vagy elhanyagolható jelentőségű: 1. az országos szint alatt elvi okok miatt oszthatatlan tevékenységek, 2. a régióközi mozgásokkal összefüggő tevékenységek, 3. a többtelephelyes (multiregionális) szervezetek értéktöbbletének területhez rendelése, 4. a telephelyen kívül végzett tevékenységek figyelembevétele, 5. a statisztikai adatszolgáltatás területi szempontú pontossága, valóságnak való megfelelése. Ha a gazdaságstatisztikai alapadatok teljes körét a termékek vagy szolgáltatások keletkezésének pontos helyéhez rendelve is számba vennék, akkor e telephelyi szintű alapadatok aggregálása révén a GDP tetszőleges területi szinten és határvonalakkal, a jelenleginél lényegesen kevesebb módszertani döntést igényelve lenne megállapítható. Azoknál a tevékenységeknél, amelyeknél ilyen adatok rendelkezésre állnak, a tárgyalandó lokalizációs nehézségek a tevékenységek jellegétől függően nem feltétlenül lépnének fel, illetve jelentkezésükkor pontosabb és megbízhatóbb lokalizációs eljárást lehetne alkalmazni. Telephelyszintű adatok azonban számos esetben nem állnak rendelkezésre, ezért leggyakrabban országos szintű adatokat vagy vállalati székhelyekhez rendelten számba vett aggregátumokat kell dezaggregálni valamilyen becslési eljárás segítségével. 1. Az oszthatatlan tevékenységek három típusát célszerű megkülönböztetni. Egyrészt idetartozik például a külügyek intézése, külföldi követségek fenntartása, a honvédelem, de egyes megközelítések szerint további, az állam központi irányításával, adminisztrációjával összefüggő feladatokat is ide lehet sorolni. Ám bármilyen szélesen határozzuk is meg e tevékenységek körét, összgazdasági súlyuk mindenképpen csekély lesz. A KSH a honvédelmet a többi szektorra kapott arányokkal osztja fel (ez az eljárás változatlanul hagyja a területi arányokat), de megtehetné ezt a lakosságszám arányában (ami a honvédelem súlyának megfelelően kiegyenlítettebbé tenné a területi arányokat), vagy akár különböző szolgálati helyekhez rendelt hivatásos állomány létszáma, bére stb. alapján is. 4 A „gazdasági tevékenység” kifejezésen e helyen a GDP-be beleszámított tevékenységeket, ezek összességét értjük.

268


A területre feloszthatatlan adminisztratív jellegű tevékenységeknél jóval nagyobb súlyt képviselhetnek tengerparti országoknál az egyébként állandó lakossággal nem rendelkező tengereken, a kontinentális talapzaton és a nemzetközi vizeken folyó gazdasági tevékenységek. Ezek lokalizálhatók ugyan, de a GDP-nek ezt a részét többnyire egy „extra”, azaz területen kívüli, lakosság nélküli, képzetes régióhoz rendelik hozzá. Norvégiában a tengeri kőolaj- és földgázkitermelés az összes ipari termelés 30–50%-át, a szolgáltatások nagyjából 2%-át, a teljes norvég GDP-nek pedig jó ötödét adta az elmúlt években (az arány nagyban függ a világpiaci olajártól), de Nagy-Britanniában is extra régióban tartják nyilván a skót partokhoz közeli olaj- és földgázkitermelésből származó GDP-t. Ez az eljárás a tőkejövedelmekre vonatkozóan indokolt, a munkajövedelmekkel kapcsolatban azonban nem feltétlenül. Utóbbiakat a munkavállalók állandó lakóhelyének régiójában is el lehetne számolni, hiszen a munkaerő valószínűleg ott hasznosulna az extra régió hiánya esetén. Extra régiót a tengeri halászat esetén is alkalmazhatnak, de ennek felosztása történhet a hajók eredete vagy a zsákmány kirakodása alapján is. Norvégiában – ahol az északi megyék GDP-jének 2–4%-át teszi ki a halászatból származó GDP – a kétféle módszer közötti eltérés három megye esetében csaknem eléri a teljes GDP egy százalékát, a halászatra vonatkozó relatív eltérés egy esetben meghaladja a 300%-ot (Edvardsen–Monnesland, 1997). Az országos szint alatt oszthatatlan tevékenységek harmadik típusába tartozik a termékadók és terméktámogatások egyenlege, valamint 2005 előtt egészében ilyennek tekintették a kamatrést (FISIM) is. A GDP ezen két összetevője közül az első növeli, a kamatrés (illetve 2005 óta már csak egy része) termelőfelhasználásként csökkenti a GDP-t. Korábban egyiket sem osztották fel ágazatok és intézményi szektorok között, regionális felosztásuk pedig a már kialakult területi arányok szerint történt, vagyis a termék termelésének, és nem vásárlásának a helye alapján. Ma már ez csak a termékadók és támogatások esetében történik így, a FISIM-et azonban 2005 óta – hitel- és betétállományaik arányát alapul véve – régiók, ágazatok, szektorok szerint is felosztják. 2. Azok a tevékenységek, amelyeknél a térbeli pozícióváltás, területközi mozgás elválaszthatatlanul kötődik az értékteremtéshez, és/vagy térbeli hálózatban működtethetők, már lényeges gazdasági súllyal szerepelnek hazánkban is. A szállítás és a hálózatokban szerveződő szolgáltatások tartoznak ide, mint a posta és távközlés, az energiaipar elosztási része, amelyek együttesen hozzávetőleg 13–15%-kal részesednek a magyar GDP-ből. Térbeli hálózatban, országosan vagy több megyét átfogva működik a GDP-n belül lényegesen kisebb súlyú nonprofit szféra egy része (a pártok, szakszervezetek, egyházak) is. A szervezetek székhelye szerinti felosztás nyilvánvalóan nem a tényleges gazdasági tevékenység, hanem a gazdasági döntéshozatal térbeli eloszlását tükrözné vissza. A régiók közötti felosztásnak számos lehetősége létezik azonban. A lokalizáció alapjai lehetnek valamely, az adott tevékenységgel kapcsolatba hozható naturális vagy értékbeli mutatók, az egyes régiók foglalkoztatottsági adatai (létszám, ledolgozott óraszám, bérköltség), tőkeállományuk (eszközérték, amortizáció, ingatlanterület nagysága, gépek teljesítménye), termelési és értékesítési (felhasználtenergia-, nyersanyag-, árbevétel-) adataik, a közlekedési teljesítmény különböző mutatói (szállított utasok száma, szállított áruk tömege, értéke, árbevétel), a szállítóeszközök nyilvántartott telephelye stb. Az adatok gyakorlati elérhetőségének hiánya azonban korlátozza e lehetőségeket, így gyakran praktikus


269

szempontok, a szóba jöhető vetítési alapok elérhetősége szabja meg a köztük való választást. Az eltérő módszerek azonban többé-kevésbé eltérő eredményekhez vezetnek, amelyek esetleg az összképet is megváltoztathatják, vagy még gyakrabban egy-egy speciálisabb helyzetű régió szintjét emelik vagy csökkentik jelentősebb mértékben. Ez volt megfigyelhető például a légi közlekedés értéktöbblete felosztási módjának változtatásakor Norvégiában. 1992 előtt az ágazat GDP-jét a bérek alapján rendelték megyékhez, míg ezt követően a vállalati működési eredményt, vagyis a tőkehozadékot közlekedési indikátorok szerint, a munkahozadékot továbbra is a bérek szerint osztották fel. A változtatás Oslot és a környező Akershus megyét – ahol a munkaintenzív adminisztratív tevékenységek java része koncentrálódik, míg a tőkeintenzív szállítási tevékenység egyenletesebben oszlik el a régiók között – érintette leginkább „hátrányosan”, vagyis jelentősen csökkentette részesedésüket az ágazat GDP-jéből. A többi érintett megye többségében növelte, kisebb részében változatlanul hagyta a GDP-t (Edvardsen–Monnesland, 1997). 3. A harmadik nehézség annak megállapítása, hogy a többtelephelyes vállalkozások és egyéb szervezetek egyes telephelyei milyen mértékben járulnak hozzá a vállalat teljes hozzáadott értékéhez. Ezek a vállalkozások rendszerint a legnagyobbak közé tartoznak, vagyis a kérdés kezelésének módja erőteljesen befolyásolhatja a területi arányokat. Ennek a nehézségnek az előző problémától való különbsége abban rejlik, hogy míg a területközi mozgással és a hálózatok működtetésével kapcsolatos GDP-felosztási dilemmák a mozgást és a hálózat kiterjedését meghaladó méretű területegységek esetén elvileg sem küszöbölhetők ki, addig a többtelephelyes vállalkozások a tulajdonviszonyok megváltozásával elvileg egytelephelyessé lennének tehetők, így hozzáadott értékük egyértelműen lokalizálhatóvá válna. A telephelyek közötti felosztás fontos problémája, hogy a különböző telephelyek nem egyszerűen egymás másolatai, megsokszorozódásai. A különböző tényezők szerinti felosztások – a lehetőségeket az előző pontban soroltuk fel – kisebb vagy nagyobb mértékben el fognak térni egymástól. Egy építőanyag gyártásával foglalkozó vállalkozásnak még a különböző gyártótelephelyein is eltérő tőkeintenzivitású gyártás folyhat, az adminisztratív és a kereskedelmi jellegű telephelyek pedig teljesen eltérő jellegűek. A különféle teljesítménymutatókon alapuló felosztások eltérésére példát szolgáltathat a norvég vízienergia-ipar GDP-je regionalizálásának változtatása. Az iparágban hálózatos és pontszerű, önállóan is működőképes telephelyek is találhatók. GDP-n belüli részesedése megyénként többnyire a 2–7%-os sávban található, maximális értéke 11%. Amikor 1986-ban áttértek az erőművek elhelyezkedése szerinti felosztásról a foglalkoztatottság szerinti felosztásra, akkor a változtatás okozta eltérés a teljes GDP-ben a megyék többségében elérte az egy százalékpontot, a maximális eltérés 4,5 százalékpontos volt. 1992ben újabb változtatás történt, a szektort termelési és elosztási részre bontották, a termelési részt az energiatermelés helye, az elosztásit a foglalkoztatottak szerint lokalizálták. Ez a harmadik módszer nagyjából az előző kettő átlaga körüli eredményeket adott (Edvardsen–Monnesland, 1997). Magyarországon a vállalati szektorban hozzávetőlegesen 1100 nagyobb (50 főnél többet foglalkoztató) cégnek van több megyében telephelye (KSH 2006), ezenkívül pedig a nemzeti számlák statisztikáiban külön kezelt pénzügyi szektorra (bankokra, biztosítókra) is jellemző ez a probléma. A KSH e vállalati körben a keresetek (az államháztartási

270


szektor többmegyés szervezetei esetében pedig a létszám) arányában végzi a hozzáadott érték telephelyek szerinti megosztását. E korrekció fontosságát jól mutatja, hogy a székhely szerinti adatokat alapul véve a vállalati központok hazai hierarchiájának megfelelően Budapest GDP-je több mint harmadával nagyobbnak, míg a vidéki megyéké rendre kisebbnek mutatkozna; ugyanakkor egyes esetekben a megyék között is jelentős átrendeződés történne. Ugyanakkor az 50 fő alatti vállalkozásoknál (valamint a mezőgazdasági cégek teljes köre esetében) azzal a feltételezéssel él a KSH, hogy azok teljes egészükben székhelyük megyéjében működnek (KSH 2006). Mivel a kis cégek körében ritkább a többtelephelyes működés, emellett a GDP előállításában is lényegesen kisebb a súlyuk, mint az 50 fő fölötti cégeké, e megoldás – bár torzító hatásának becslésére nincsenek adataink – ésszerű kompromisszumnak tűnik. 4. A lokalizációs probléma negyedik típusa, amikor a vállalkozás – a telephelyek számától függetlenül – tevékenységének egy részét telephelyen kívül végzi. Számos példát találunk erre az építőipartól kezdve a legkülönfélébb szolgáltatásokig, mint a javításkarbantartás, betegszállítás, utazóügynökösködés, állategészségügy, versenysport, filmgyártás, a hírügynökségek munkája stb. A telephelyen kívüli tevékenység lokalizálása komoly elméleti és gyakorlati problémákba ütközik, ezért a GDP regionális számbavétele során e tevékenységeket nem veszik figyelembe. Ez pedig lényegében azt jelenti, hogy a közzétett regionális GDP a gazdasági tevékenységet végző szervezet telephelye és nem a gazdasági tevékenység tényleges helye szerinti mutató (mivel a telephely nem mindig egyezik a tevékenység helyével). Ez tendenciaszerűen megint a településhierarchiában magasabb szinten elhelyezkedő települések esetében eredményez magasabb, a kisebb településeken pedig alacsonyabb kimutatott GDP-értéket a valóságoshoz képest, hiszen a nagyobb körzet számára térbelileg mobil szolgáltatást nyújtó vállalkozások központjai inkább a nagyobb városokba települnek. Ezt az adatok értelmezésénél érdemes figyelembe venni. 5. Az adatszolgáltatás pontossága kapcsán kizárólag a területi elhelyezkedésre vonatkozó résszel foglalkozunk. A vállalkozások formális-hivatalos (nyilvántartott) és tényleges telephelyei elkülönülhetnek egymástól. Ennek oka kereshető a szabályozási, adózási, illetékfizetési, engedélyezési díjak különbözőségében, illetve olyan tényezőkben, hogy egy nagyvárosban kevesebb a lehetőség a cégek különféle ellenőrzésére, mint egy néhány vállalkozással rendelkező településen. Másrészt egyszerű adminisztrációs tévedések, a címváltozások lassú átvezetése is okozhat eltéréseket. Szubjektív elemek, kényelmi szempontok is befolyásolhatnak egy vállalkozót formális és tényleges telephelye elkülönítésében. A jelenség gyakorlati jelentősége időtől és tértől függően változik, mértékéről a vállalkozások tényleges telephelyeit összeírni hivatott felméréssel, cégszámlálással lehetne képet alkotni. Megjegyzendő, hogy a felsorolt lokalizációs nehézségek a nemzeti számlarendszerben megkülönböztetett öt szektor (vállalati, pénzügyi vállalati, államháztartási, háztartási, nonprofit) közül a kétféle vállalati szektort érintik legerőteljesebben, míg a háztartások és egyéni vállalkozások GDP-jét érdemben nem befolyásolják. Mivel azonban a megyék GDP-jében igen eltérő ezek súlya – a kétféle vállalati szektor például 2004-ben Komárom-Esztergom hivatalos GDP-jében 72, Budapestében 68%-ot, míg Szabolcs-SzatmárBereg, Nógrád és Somogy megyékben csupán 43–44%-ot jelentett – a GDP szintjének és


271

növekedési ütemének becslése térségenként valamelyest különböző mértékben terhelt e bizonytalansági tényezőkkel. A termelési tényezők területi eloszlásának hatása A bemutatott főbb lokalizációs nehézségek következményeként már a regionális GDP kimutatott eloszlása is részben módszertani sajátosságokat tükröz. Ám a legfontosabb származtatott adat, az egy lakosra jutó GDP eltéréseiben további, a térségek tényleges gazdasági teljesítményétől, „fejlettségétől” független hatások is összegződnek, amelyeket nem árt figyelembe venni a fajlagos GDP-adatok értelmezése során. A természeti kincsek koncentrált elhelyezkedése miatt azokban a régiókban, ahol a természetierőforrás-igényes ágazatoknak nagyobb a súlya, nagyobb a lakosságarányos GDP is. Ez a hatás egyes kis népességű (tízezres vagy százezres nagyságrendű) régióknál kiugróan magas egy lakosra jutó GDP-t eredményezhet. Mindez legszemléletesebben talán a kőolaj- és földgázkitermeléssel illusztrálható. Országos szinten közismert példák a kis népességű olajtermelő országok, mint Brunei, Kuvait, Dubai, de még Norvégia, sőt Oroszország GDP-jére is befolyást gyakorol az olajár alakulása. Regionális szinten Magyarországon Csongrád megye említhető meg, amelynek nemzeti jövedelme olajkútjainak köszönhetően – az „anyagi ágakat” alapul véve – az országos átlag 167%-ára volt becsülhető 1980-ban (Nemes Nagy 1985). Az Angolához tartozó Cabinda tartomány (exklávé) döntően olajtermelésből származó egy lakosra jutó 100 ezer dollár körüli GDPje vagy az oroszországi Hanti-Manysi Autonóm Terület adata is irigylésre méltóan kedvező pozíciót sejtet (Nemes Nagy 2006). Ez azonban a „lényeget” illetően megtévesztő: a kitermelőipar jövedelmének nagy része ugyanis a kitermelés állami monopóliuma, vagy a bányajáradék és a kitermelő vállalkozás tipikusan multiregionális volta miatt országos szinten vagy külföldön érezteti hatását. Hasznából a munkajövedelmeken kívül alig jelentkezik valami az adott régióban, sőt olykor környezetrombolással járva kifejezetten káros az érintett térségre. A tőkeintenzivitás területi eltérései kapcsán kétféle különbséget célszerű megkülönböztetni. Egyrészt a gazdaság egészére jellemző tőkeintenzivitás különbségeit, amikor az ugyanazon ágazatba tartozó vállalkozások esetében is eltérő a tőkésítettség mértéke. Ez elsősorban nagyobb területi léptékben, országos szinten vezet az egy lakosra jutó GDP különbségeihez. Másrészt azonban egy adott ország különböző régióiban az egyes ágazatok aránya nem azonos, így a nagyobb tőkeintenzivitású ágazatokkal rendelkező régiók egy főre jutó GDP-je (egyéb tényezők változatlansága mellett) várhatóan nagyobb lesz. Ez utóbbi különbség tehát elsősorban kisebb területi léptékben figyelhető meg. Így például, amíg Ausztria és Magyarország eltérő egy lakosra jutó GDP-jéért nagyrészt a gazdaság általános tőkésítettségének eltérő szintje felelős – és ilyen módon valódi fejlettségi különbségeket fejez ki –, addig a paksi és a kiskunmajsai kistérség esetében az ágazati különbség tekinthető dominánsnak az eltérés magyarázatában, némiképp felnagyítva a térségi gazdaságok közötti színvonalkülönbségeket. A Paksi Atomerőmű hatása annyira jelentős, hogy az egy lakosra jutó megyei szintű GDP-ben is jól érzékelhető jelenléte. 2002-ben az erőmű 2-es blokkjának balesetét követő leállítás (bár csak az év áprilisában történt) 2002-ről 2003-ra 5%-os GDP-csökkenést okozott Tolna megyében. A megyei szintű GDP-k időbeli alakulásában a megyék több-

272


ségében találunk hasonló, az országos átlagtól jelentősen eltérő mértékű változásokat, amelyek mögött olykor egyetlen nagyvállalat hatása dominál. Ebből a szempontból a negatív rekordot Fejér megye fajlagos GDP-jének 2000-ről 2001-re történő, döntően az IBM kivonulása miatt bekövetkezett 8,6%-os visszaesése jelenti, a pozitív rekord pedig a több zöldmezős beruházással megerősödő Komárom-Esztergom megye 2003-as 21,1%-os növekedése.5 Kistérségi, különösen pedig települési szinten még extrémebb különbségekkel találkozhatunk. Kékkút 2000-es egy lakosra jutó GDP-je a faluban működő ásványvízpalackozó üzemnek köszönhetően – amely a kisközség állandó lakosságának nagyjából dupláját foglalkoztatja – 13 millió forintra volt becsülhető, ami az országos átlagnak nagyjából a tízszerese (Lőcsei – Nemes Nagy 2003). Még ennél is lényegesen nagyobb eltérést kaphatnánk, ha például a Paksi Atomerőmű egy százfős faluban lenne található. Ez a jelenség azt is jól mutatja – az iparűzési adó településszinthez rendelésének indokolatlanságán kívül –, hogy minél részletesebb a térfelosztás, a GDP annál kevésbé tekinthető a jövedelmi adatok helyettesítőjének, még kevésbé a társadalmi jólét indikátorának, miközben a termelés, a gazdaság területi eloszlását változatlanul jól becsülheti (az előzőekben említett lokalizációs problémák hatványozódásától eltekintve). A munkaerő oldaláról több tényező vezethet a GDP eltéréseihez: a képzettségi differenciák, a helyi lakosság aktivitási rátáinak különbségei és a munkaerő régióközi ingázása. Az első tényező hasonló módon generál területi különbségeket, mint az eltérő tőkeintenzivitású tevékenységek. Az aktivitási ráta eltérésének azonban eltérő okai lehetnek. Például egy olyan térségben, amely kedveltté válik a tehetős nyugdíjas betelepülők számára, az aktivitási ráta és az egy lakosra jutó GDP a kormegoszlás miatt csekély lehet, a helyi jövedelmek azonban kiugróan magas szintet is elérhetnek. Ez egészen más értelmezést igényel, mint az „általános” eset, az aktivitási rátának a munkahelyek megszűnése/hiánya miatti alacsony értéke. Részletesebben tárgyaljuk az ingázás szerepét, mert ez Magyarországon is jól kimutathatóan, egyértelmű területi szerkezetben befolyásolja a megyei GDP adatainak alakulását. Külön figyelmet érdemel azért is, mert az eddig tárgyalt tényezőktől eltérően nem az általánosan használt fajlagos GDP-adat számlálója (a GDP értéke), hanem nevezője, vetítési alapja (a lakosságszám) oldaláról támaszt problémákat6, elvi jelentőségű dilemmákat is felvetve egyúttal. Így talán nem véletlen, hogy a területi GDP sokféle értelmezési problémája közül a nemzetközi irodalom is épp az ingázás hatását emeli ki leggyakrabban.

5 Az idézett adatok a változatlan áras, tényleges volumenváltozást mutatják. 6 A vetítési alapul szolgáló lakosságszámadat, a lakónépesség még egy szempontból okoz problémákat. Ezt ugyanis a legutóbbi népszámlálási adatából vezeti tovább a KSH. Tekintettel azonban a 2001-es cenzus során számolt, az 1990-es számlálásból továbbvezetett értékektől nagymértékben eltérő lakónépességszámokra – országosan 200 ezer fős, 2%-os eltérés –, a GDP/fő idősor folyamatosságának biztosítása érdekében 2002-ben a GDP-számítás során használt megyei lakosságszámadatokat is visszamenőleg módosította a hivatal az 1994 és 2000 közötti időszak éveire vonatkozóan. Minthogy a változtatás megyénként eltérő mértékű volt, a fajlagos GDP rangsorában, megyék közötti arányaiban ez is kisebb módosulásokat okozott a korábbi adatokhoz képest.


273

Az ingázás torzító hatása és korrigálásának lehetősége A dilemma lényege, hogy a GDP-t, lévén az a termelés mutatója, a Magyarországon is alkalmazott EU-s ajánlásnak (ESA-95) megfelelően a termelés helye szerint veszik számba, ám ezt a lakóhelyek térbeli eloszlását mutató lakosságszámmal osztják el. Az ingázó dolgozók munkája révén előállított hozzáadott érték tehát munkahelyük térségének GDP-jét növeli, és nem lakóhelyük térségéét – ellentétben a legtöbb más területi fejlettségi mutatóval: az egy lakosra jutó adóköteles jövedelem például az adott településen lakó emberek jövedelme. Hogy ez a gyakorlat célszerű-e, az a GDP-adatok felhasználási céljától függ. Amenynyiben a fajlagos GDP-t tisztán gazdasági mutatóként, egy adott terület gazdasági potenciáljának mérőszámaként tekintjük, s egy adott térség relatív gazdasági súlyát szeretnénk vele érzékeltetni, ez az értelmezés a hasznos, hiszen a GDP nevében is szereplő „hazai” jelző által támasztott kritériumnak egyértelműen ez felel meg. Amennyiben azonban társadalmi jelzőszámként, az értéket termelő emberek közötti területi egyenlőtlenségek mértékét szeretnénk jellemezni vele – márpedig a területi kutatásban és a területfejlesztésben túlnyomórészt ez a helyzet –, akkor ez az értelmezés egyértelműen torzítást jelent. Hiszen ahol nagy a „beingázási” többlet, ott (a térség lakosai gazdagságának mérése szempontjából legalábbis) irreálisan magasabb GDP mutatkozik – mert a bejárók csak a GDP/fő érték számlálójához járulnak hozzá, a nevezőbe viszont nem számítódnak be –, a negatív ingázási mérlegű térségekben pedig a valóságosnál kisebb GDP adódik. Ez az eljárás egy további módszertani hatással is erősíti a nagyvárosi régiók – számos tekintetben reálgazdasági alapokon nyugvó, ám az imént említett módszertani tényezők által a ténylegesnél is nagyobbnak kimutatott – előnyét. Döntően a városok, különösen a nagyvárosi régiók és szomszédaik ugyanis azok a térségek, ahol a vizsgált területegységek határát átlépő ingázásban jelentős számú dolgozó érintett, és az ellentétes irányú ingavándor-forgalom mértéke nagymértékben eltér egymástól. A hivatalos GDP/fő adat így szükségképpen polarizáltabb térszerkezetet mutat, mint azt akár csak a gazdasági természetű egyenlőtlenségeket tekintve is indokoltnak vélhetjük. Az „ingázási hatás” jelentős volumenére utal egyes speciális helyzetű, kisebb országokban az országos szintű GDP és GNI nagymértékű különbsége. Luxemburg egy lakosra jutó GDP-je például nagyjából 15%-kal haladja meg az egy lakosra jutó GNI-t, az országhatárt naponta átlépő nagyjából 90 ezer ingázónak köszönhetően. Az ingázás nagyban hozzájárul ahhoz is, hogy a lényegében egyetlen nagyvárosból álló NUTS 2 régiók állnak az EU fajlagos GDPrangsorának elején (2003-ban a tíz legmagasabb GDP/fő értékű régióból legalább hat volt ilyen). Az EU 2007 májusában megjelent 4. kohéziós jelentése ezért az EU NUTS 2-es régióinak GDP/fő adatait bemutató térkép mellett külön szövegrészben tartja fontosnak ismertetni a problémát, és az értelmezés megkönnyítése érdekében a következő térképen bemutatja a régióhatárokon átingázók által termelt GDP arányát (European Commission, 2007). Magyarországon megyei szinten elsősorban a Budapest és Pest megye közötti ingázás mértéke kimagaslóan nagy, jelentős mértékben hozzájárulva Budapest kiugróan nagy fajlagos GDP-értékéhez, és csökkentve a Pest megyei adatot. Kistérségi szinten pedig már olyan gyakran előforduló eset a nagy volumenű, térséghatárokat átlépő ingázás, ami önmagában is (eltekintve a természeti tényezők és a tőke eloszlása kapcsán említettektől)

274


komoly kételyeket támaszt az ilyen alacsony területi szintű GDP-számítás célszerűségével kapcsolatban. Az ilyen méretű egységeknél már nagyon nehezen kezelhető lokalizációs problémák mellett ez az egyik fő oka annak, hogy nemzetközi viszonylatban is csak ritkán (például Nagy-Britanniában vagy Bajorországban) számítanak GDP-t a NUTS 3 szintnél kisebb területi egységekre. Magyarországon – az ECOSTAT (2002) csupán a vállalatok hozzáadott értékére kiterjedő kistérségi számításaitól, valamint a különböző „helyettesítő” mutatók alapján történő térségi szintű GDP-számításoktól (Lőcsei – Nemes Nagy 2003) eltekintve – csak egy teljes körű, az ország egészére kiterjedő analitikus kistérségi GDP-becslés készült (Kiss 2003). A probléma nemcsak a keresztmetszeti vizsgálatokban, hanem az idősoros elemzéseknél is jelentkezik. Budapestről például 1994 és 2005 között több mint 200 ezer, nagyobbrészt közepes vagy magas jövedelmű ember költözött Pest megyébe (az ellenkező irányú vándorlás ennek kevesebb mint harmadát tette ki). A főváros agglomerációs gyűrűjébe kiköltözők többsége ugyanakkor megtartotta budapesti munkahelyét – így munkájával továbbra is Budapest GDP-jéhez járul hozzá. Budapestnek a hivatalos GDPadatokon nyugvó növekedési indexe tehát valójában kissé erőteljesebbnek láttatja a fővárosi társadalom helyzetének javulását a ténylegesnél, míg Pest megye esetében – társadalmi értelemben – mindenképp erősebb dinamikával kell számolnunk. E hatások mértékének pontosabb megállapításához, számszerűsítéséhez részletes, az ingavándor-forgalom irányaira is kiterjedő adatokra van szükség, ám ilyenek csak tízévenként egyszer, a népszámlálásokból nyerhetők. Minthogy azonban okkal feltételezhetjük, hogy az ingázás mértékének és irányainak évenkénti változása megyei szinten meglehetősen csekély, ezért a legközelebbi cenzus adatait több évre visszamenőleg is elégséges pontosságúnak tekinthetjük. A számítás kiindulópontja a megyei szintű (20*20-as) ingázási mátrix előállítása, amelynek celláiban az egyes megyékből más megyékbe (például Fejérből Budapestre, Fejérből Baranyába) ingázók abszolút száma szerepel.7 Sajnos az ingázás irányára vonatkozóan ilyen részletességű adatokat nem közölnek a 2001-es népszámlálás kiadványai. Az egyetlen lehetőséget egy, az Eurostat számára készített, kizárólag a 2001-es népszámlálás honlapján publikált adattábla jelenti: ez ugyanis minden településre vonatkozóan közli az onnan eljárók 30 leggyakoribb célpontját (a célpontonkénti létszámokkal együtt). E 3135*30-as táblázat celláit 20*20-as megyei mátrixszá összegezve a konkrét településre8 eljáró 914 ezer munkavállaló 97,6%-ának (ezen belül a 279 ezer, megyehatárt átlépő ingázó 96%-ának) célpontjait sikerült azonosítani. A „hiányok” szétosztását a megyei mátrix cellái között becsléssel végeztük, úgy, hogy végeredményben minden megyében megegyezzen a KSH által összesítve közölt, illetve a 20-20 részre bontott „más megyéből bejárók” száma. Az eredményül kapott mátrix az 1. táblázatban látható.

7 Sajnos a KSH csak a napi ingázókat méri fel a népszámlálás során, pedig a hosszabb periódusú ingázás sem számolódott fel teljesen Magyarországon – az új nyugat-dunántúli gépipari üzemek némelyikében például az 1/3-os arányt is eléri a Dunától keletre lakó dolgozók száma –, de ennek kihatása összességében nem jelentős. 8 A 2001-es népszámlálásban a korábbiakhoz képest új kategóriaként szerepelt a (például sofőrként, ügynökként) „változó településre”, illetve a „külföldre” ingázás lehetősége is – az előbbi csoportokba tartozó 182 ezer embert lakóhelyén dolgozóként vettük számításba.


275 1. táblázat

A megyék közötti ingázás mértéke a 2001-es népszámlálás alapján

A fővárosból és a megyéből ingázók

Budapest

Budapest 0 Baranya 341 Bács-Kiskun 2 122 Békés 397 Borsod-Abaúj-Zemplén 1 572 Csongrád 343 Fejér 9 288 Győr-Moson-Sopron 545 Hajdú-Bihar 785 Heves 4 039 Komárom-Esztergom 4 820 Nógrád 3 070 Pest 142 834 Somogy 570 Szabolcs-Szatmár-Bereg 408 Jász-Nagykun-Szolnok 2 601 Tolna 435 Vas 176 Veszprém 627 Zala 178 Együtt 175 151

Baranya 330 0 119 10 0 4 15 8 0 6 1 2 36 250 0 7 741 6 2 16 1 553

(fő) A fővárosba és a megyébe ingázók BorsodGyőrBácsHajdúAbaúj- CsongBékés Fejér MosonHeves Kiskun Zemp- rád Bihar Sopron lén 170 80 270 182 632 300 200 238 69 2 0 2 82 25 0 0 0 12 6 656 548 21 4 8 52 0 5 1 221 75 20 150 6 10 12 0 6 125 0 317 1 623 516 654 1 0 28 0 4 1 49 2 3 5 0 39 3 4 4 0 0 0 22 0 0 10 11 404 1 628 19 41 0 0 38 14 10 563 14 26 13 43 0 1 0 2 2 5 543 2 679 3 1 7 1 8 5 14 7 5 863 2 130 5 26 46 483 111 38 281 7 0 0 2 172 36 0 0 9 4 281 6 0 0 1 724 23 566 263 45 350 55 13 281 755 385 0 0 4 2 070 9 3 2 0 0 0 0 12 649 0 0 16 0 0 0 4 090 2 158 0 3 2 0 0 0 7 21 0 0 4 018 1 449 2 838 2 520 14 025 6 101 2 775 3 856

KomáSzaJászSorombolcs- NagyNógrád Pest Tolna Esztermogy Szatmár kungom -Bereg Szolnok Budapest 648 300 23 802 483 142 225 40 Baranya 8 1 27 404 0 2 1 474 Bács-Kiskun 12 0 760 13 4 147 259 Békés 28 1 46 12 8 400 3 Borsod-Abaúj-Zemplén 63 19 147 0 370 22 0 Csongrád 5 0 39 6 10 62 0 Fejér 514 4 5 235 386 0 3 418 Győr-Moson-Sopron 677 1 35 4 0 0 2 Hajdú-Bihar 12 1 85 0 820 378 1 Heves 17 466 2 000 14 8 1 182 7 Komárom-Esztergom 0 2 2 936 10 0 0 2 Nógrád 10 0 3 953 5 1 64 0 Pest 306 387 0 100 70 2 115 4 Somogy 13 2 34 0 0 2 241 Szabolcs-Szatmár-Bereg 0 4 124 0 0 21 0 Jász-Nagykun-Szolnok 30 12 882 6 26 0 3 Tolna 11 4 76 960 0 1 0 Vas 8 0 7 1 0 0 0 Veszprém 59 0 99 112 0 1 3 Zala 2 0 17 327 0 0 2 Együtt 2 423 1 204 40 304 2 843 1 459 4 625 2 459 A fővárosból és a megyéből ingázók

Vas 100 17 9 0 0 0 8 853 0 5 5 0 16 11 0 0 11 0 1 660 772 3 467

Veszprém 475 18 21 5 0 0 1 252 411 0 15 23 1 139 111 0 19 31 486 0 505 3 512

Zala 164 19 14 0 0 0 8 74 0 3 4 0 34 1 216 0 15 9 706 471 0 2 737

Forrás: saját számítás a www.nepszamlalas2001.hu/hun/egyeb/eurostat/tables/tabhun/load3_10_1.html oldal adatai alapján

276


Ezután következett a 2004-es hivatalos GDP-adatok korrigálása az ingázók által előállított GDP értékével. Itt tekintettel kellett lenni arra, hogy az ingázási hatás csak a munkahelyeken előállított GDP számbavételi helyét befolyásolja. Így az A megyében dolgozó, de B-ből bejáró ember a lakóhelyén, azaz háztartásában is értéket termelhet (például a munkaidő utáni mezőgazdasági kistermelés révén): az ilyen ember munkájának egyik része A, másik része B megye GDP-jét gyarapítja a hivatalos GDP-kimutatásokban. Így tehát csak a „nem háztartási” szektorok – a vállalatok, az államháztartás és a nonprofit szféra – GDP-jét kellett módosítani.9 Ennek során előbb az egy, az adott megyében dolgozó munkavállalóra jutó nem háztartási GDP összege került meghatározásra, azaz tulajdonképpen az élőmunka termelékenységének a mutatója.10 Majd minden megye GDPjéből levontuk az oda más megyéből bejáró dolgozókra jutó nem háztartási GDP összegét, és szétosztottuk e dolgozók lakóhelyének megyéi között, természetesen a dolgozói létszámból következő arányoknak megfelelőem. A számítás sajnos nem lehet teljesen egzakt: nem tudhatjuk ugyanis, hogy vajon a megyehatárt átlépő dolgozók munkatermelékenysége lakóhelyük vagy munkahelyük megyéjének átlagértékére hasonlít-e inkább (avagy netán egyikre sem): márpedig nagyon nem mindegy, hogy például a Nógrádból Budapestre bejárók esetében Budapest vagy Nógrád átlagos termelékenységével számítjuk-e ki az ingázók miatt Budapesttől Nógrád megyéhez átcsoportosítandó GDP-tömeget. Az ebből eredő bizonytalanságot csökkentendő mindkét módon kiszámítottuk az új, ingázással korrigált GDP-értékeket, és a két adat átlagát fogadtuk el végeredményként. Ezeket a lakosságszámokkal elosztva kaptuk meg az egy lakosra jutó megyei GDP korrigált (országos összesítésben azonban a hivatalossal természetesen megegyező) adatát (2. táblázat). Az eredmények szerint a korrekció a fajlagos GDP térszerkezetének legalapvetőbb vonásait nem változtatja meg, a különbségek mértékét viszont jelentősen befolyásolja. A korrekciónak köszönhetően több mint tizedével csökkent a 20 megye közötti szóródás, s érzékelhetően jobb az igazodás a személyi jövedelmek eloszlásához is. A kapott értékek az ország centrumában térnek el lényegesen a hivatalos adatoktól. Ez nem is meglepő, hiszen a 279 ezer, megyehatárt átlépő ingázó közül 175 ezer Budapestre járt dolgozni 2001-ben: a fővárosban dolgozóknak tehát 20%-a volt nem budapesti (ezen belül 16% Pest megyei) lakos. Budapest ingázási többlete (a Budapestre ingázók és a Budapestről elingázók különbsége) 146 ezer fő (+20% a fővárosban lakó foglalkoztatottakhoz képest), míg Pest megye ingázási hiánya 109 ezer fő (–26%) volt. A megye ingázási mérlege még Komárom-Esztergom és Nógrád esetében haladta meg az 5%-os mértéket (–11%, illetve –9%). Az ingázási korrekció legnagyobb „nyertese” Pest megye, amely a hivatalos GDPrangsor 7. pozíciójából a második helyre ugrik, s foglal el ezáltal még a személyi jövedelmek által kijelölt helyénél is kedvezőbb pozíciót. A Budapestre ingázás figyelembevétele azonban nemcsak Pest, hanem Nógrád és Komárom-Esztergom fajlagos GDP-értékét 9 Erre az ad lehetőséget, hogy a hivatalos megyei GDP-adatokat nemcsak összességükben, illetve főbb nemzetgazdasági áganként, hanem a szektorok szerinti bontásban is közzéteszi a KSH. 10 A megyékben élő foglalkoztatottak létszámadataiként pontosabb lett volna – az ingázási adatokhoz hasonlóan – itt is a 2001-es népszámlálás adatait alapul venni, ám az e tekintetben már jelentősnek mondható időkülönbségre tekintettel inkább a KSH 2004-es munkaerő-felméréséből származó, megyei szinten reprezentatív adatokat használtuk a 2004-es GDP-adat korrekciójához, és az így kapott eredményeket közöljük a táblázatban is.


277

is érzékelhetően javította. Míg azonban utóbbi esetében csak a meglevő, a vidéki mezőnyben kedvező pozíciót erősíti tovább, Nógrád elkerül a rangsor utolsó helyéről, és átadja azt az erre minden más fejlettségi mutató szerint nálánál jobban „rászolgáló” Szabolcs-Szatmár-Beregnek. 2. táblázat

A hivatalos és a korrigált, egy lakosra jutó GDP megyei értékei az országos átlag százalékában (2004) Főváros, megye

Hivatalos GDP/fő

Korrigált GDP/fő

Bruttó személyi jövedelem/fő

A korrigált GDP/fő a hivatalos érték %-ában

Budapest Pest Komárom-Esztergom Győr-Moson-Sopron Fejér Vas Zala Veszprém Heves Csongrád Hajdú-Bihar Baranya Tolna Bács-Kiskun Somogy Borsod-Abaúj-Zemplén Jász-Nagykun-Szolnok Nógrád Békés Szabolcs-Szatmár-Bereg

205,3 89,0 112,3 115,6 98,1 100,9 91,0 78,4 73,3 77,3 76,1 74,2 70,5 68,3 68,5 67,1 64,7 54,1 61,1 56,0

173,6 124,7 123,2 113,9 103,2 100,0 90,5 82,3 78,4 77,2 76,7 74,7 72,7 69,5 69,0 67,7 66,7 63,7 61,8 56,6

151,8 105,6 107,1 110,0 110,9 109,4 96,9 100,0 90,0 87,9 79,8 85,8 86,9 77,0 78,0 77,8 81,3 82,6 76,5 66,4

84,6 140,1 109,7 98,5 105,2 99,1 99,5 105,0 107,0 99,9 100,8 100,7 103,1 101,8 100,7 100,9 103,1 117,7 101,1 101,1

Ország összesen Budapest nélkül

100,0 78,7

100,0 85,1

100,0 89,7

100,0 108,1

A regionális GDP és a lakossági jövedelem, valamint a reáljövedelem közötti kapcsolat A GDP – az általánosan elterjedt szóhasználattal ellentétben – nem azonos a lakosság rendelkezésre álló jövedelmével vagy fogyasztásával sem.11 A GDP és a társadalmi jövedelmek közötti különbségeket alapvetően a természeti tényezők egyenetlen eloszlása, a tőke tulajdonosainak lakóhelye és a termelés helyének különbözősége, valamint a munkaerő ingázása okozza. Ehhez járul még az állami redisztribúció különböző csatornáin keresztül megvalósuló jövedelemtranszferek (nyugdíjak, segélyek, illetve adók, járulékok) nem lakosságarányos területi eloszlása12, illetve a térségenként többé-kevésbé eltérő arányokban jellemző jövedelemszerzési, megélhetési stratégiák létezése. 11 Elterjedt hiba a GDP-mutatót használva egyének vagy társadalmi csoportok jövedelméről beszélni. 12 Újabban a szintén a nemzeti számlák rendszerébe tartozó „rendelkezésre álló jövedelmek” (ez gyakorlatilag a teljes lakossági jövedelem) regionális értékeit is kiszámítja a KSH az európai uniós adatszolgáltatás keretében, ez azonban csak az Eurostat honlapján és kiadványaiban hozzáférhető.

278


Az alapvetően a gazdaság működésére utaló, termelési mutatóként számba vett GDP csak nagyobb aggregációs szinteken tekinthető a jövedelmek jó közelítésének. Országos szinten a GDP és a GNI értékeinek néhány százalékpontos eltérése jelentéktelennek tűnik a településszinten ezer százalékos nagyságrendű differenciákhoz képest. De még országos szinten is érdemes vizsgálni a két mutató különbségét, amely az országok közötti ingázásból és a tőkeáramlásból fakad. A két mutató ingázásból eredő nagymértékű eltérésére korábban már említettük Luxemburg példáját, a nemzetközi tőkeáramlásból fakadó nagyobb különbségekre példaként lehet hivatkozni Írországra, amelynél jelentős nettó tőkeimportőrként a GNI értéke nagyjából 16%-kal kisebb a GDP-nél. Magyarországon időnként azt az érvet fogalmazzák meg – a GDP kitüntetett használatával szemben a GNI-t ajánlva –, hogy a külföldi vállalkozások tőkejövedelmei miatt a GDP-növekedés helyett a GNI-növekedés mutatója jobban leírja a magyar emberek jövedelmi helyzetének változását. Az érvelést el lehet fogadni általánosságban: a GNI mértéke és növekedési üteme valóban kisebb a GDP mértékénél és növekedési üteménél. A két adat (a GDP és GNI szintje) közötti különbség 7% körüli, amely drámainak azért nem mondható, de már a ténylegesen érzékelhető tartományban található.13 A GDP mint termelési mutató, valamint a GNI mint jövedelmi mutató eltérése mellett egy további szempontot is szükséges figyelembe venni a GDP-adatok értelmezésekor: nevezetesen a nominális és reális értékek közötti különbséget. Sajnálatos módon a területi kutatásokban a mai napig csak országok közötti összehasonlításokban terjedt el a különféle mutatók reálértékben történő kifejezése („vásárlóerő-paritáson” számolt GDP), országon belüli adatoknál kizárólag a nominális eredmények közlése a szokásos. Elméletileg is levezethető szabályszerűség és a nemzetközi szintű tapasztalati adatokból is közismert azonban, hogy a reálértéken kifejezett különbségek (legyen szó akár termelésről, jövedelmekről vagy fogyasztásról) kisebbek a nominális különbségeknél. Ennek oka a lokális termékek árszintjének nagymértékű eltérése: a lokális termékek árát a helyi keresleti-kínálati viszonyok alakítják, az alacsonyabb jövedelmű régiókban általában alacsonyabb ezek árszínvonala. Így például az idénygyümölcsök és -zöldségek, a hajvágás, az utcaseprés vagy egy ugyanolyan méretű és minőségű lakás bérleti díja kisebb mértékben járul hozzá a GDP-hez egy alacsonyabb jövedelmi szintű, mint egy magasabb jövedelmi szintű régióban/országban (Magyarországon különösen a vidékről a fővárosba kerülők, vagy épp ellentétes utat bejárók számára válik gyakorta nyilvánvalóvá ezen összefüggés léte.) Az interregionális forgalomba kerülő termékek (jellegzetesen a feldolgozóipari termékek tartoznak ide) ára területileg sokkal kiegyenlítettebb. A területi árszínvonalak abszolút szintje nemcsak országok között, hanem országon belül, régiók között is eltér egymástól, még ha ennek kimutatására az országos szintű árszínvonalak méréséhez hasonlatos részletezettséggel adatok hiányában nincs is mód (Dusek 2004, pp. 164–175.)14.

13 Forrás az ENSZ Statisztikai Bizottságának honlapja, http://unstats.un.org/. 14 Az árszínvonal országon belüli területi különbségeire vonatkozó kísérletek – legújabban lásd például Reiff–Zsibók (2008) tanulmányát – az árszínvonal időbeli változásának, és nem abszolút szintjének eltéréseire vonatkoznak. Amíg azonban a területi árszínvonalak abszolút szintje nem ismert, addig a területi árszínvonalak időbeli változásának különbségei is korlátozottabban értelmezhetők.


279

Következtetések Tapasztalataink szerint a hazai területi kutatói szakma, különösen pedig a politikusi, területfejlesztői „közvélemény” jelentős része hajlamos a területi GDP-t egyfajta minden tekintetben a legjobb, abszolút érvényű és általánosan használható mutatóként, a területi fejlettség kérdésében szinte „szentírásként” tekinteni. A tanulmányunkban áttekintett legfontosabb elvi és módszertani jellegű problémák, a becslés és az értelmezés nehézségei azonban óvatosságra, de legalábbis kellő körültekintésre és az alaposabb szakmai felkészülés szükségességére intenek a regionális, megyei GDP-adatok alkalmazásával kapcsolatban. Az áttekintett tényezők alapján világosan látható, hogy a területi szint csökkenésével, vagyis a térfelosztás részletesebbé válásával a GDP egyre kevésbé alkalmas arra, hogy a jövedelmek és a gazdasági fejlettség szintjének általános érvényű mérőszáma legyen. Úgy tűnik ráadásul, hogy a sorra vett problémák jelentős része nem egymás ellenében hat, hanem egy irányban torzítja a GDP-adatokat: tendenciaszerűen a nagyobb településekből álló, urbanizáltabb, gazdagabb térségek előnyét, illetve a kis települések, elmaradott térségek hátrányát egyaránt inkább felülbecsli. Mindezekre tekintettel véleményünk szerint az országosnál alacsonyabb területi szinteken a GDP-t a jelenlegi gyakorlatnál szűkebb körre kiterjedően, s összességében is kisebb jelentőségű mutatóként kellene kezelni: elsősorban tehát a gazdaság területi egyenlőtlenségeinek átfogó mérésére. (Az Európai Unió, illetve Magyarország regionális politikájának egyik alapcélkitűzése, a regionális GDP-szintek közelítése is annál kevésbé látszik követhetőnek és követendőnek, minél részletesebb térfelosztásra kívánják alkalmazni.) Viszont a társadalmi természetű különbségekre, a térbeli társadalmi egyenlőtlenségekre – még a társadalom gazdasági-anyagi jellegű különbségeire vonatkozóan is – elméleti és gyakorlati szempontból egyaránt célszerűbb lehet más indikátorokból kiindulni. Ilyen, a társadalmi természetű területi egyenlőtlenségek „általános” mérőszámaként elsősorban a területi-társadalmi különbségek legáltalánosabb, egyszersmind leghétköznapibb értelmezésének megfeleltethető lakossági jövedelem használható (például a településekre is rendelkezésre álló személyijövedelem-adatok), illetve az elemzések többsége szerint a társadalmi érvényesülést napjainkban is leginkább meghatározó iskolázottság indikátorai, de konkrét esetekben, a vizsgált problémától függően, egyéb egydimenziós mérőszámok is szóba jöhetnek (például munkanélküliség stb.) Ugyanakkor a területi GDP ilyen értelemben vett „trónfosztásával” – a vele szemben támasztott elvárások korlátozásával és értelmezésének finomításával – egyidejűleg legalább ennyire indokolt és szükséges lenne a KSH részletes (ágazati, szektorális bontású) területi GDP-adatsoraiban rejlő információkat jobban hasznosító, differenciált elemzések készítése is. IRODALOM Dusek Tamás (2004): A területi elemzések alapjai. (Regionális Tudományi Tanulmányok 10.) ELTE Regionális Földrajzi Tanszék – MTA–ELTE Regionális Tudományi Kutatócsoport, Budapest ECOSTAT (2003): A regionális fejlődés Magyarországon (régiók, megyék, kistérségek). ECOSTAT Mikroszkóp, különszám, 2003. február 27. Edvardsen, Hege Marie – Monnesland, Jan (1997): Regional distribution of value added. ERSA 37th European Congress, Rome, 1997. augusztus 26–29.

280


Az ENSZ honlapja, http://unstats.un.org/ European Communities (2007): Growing Regions, Growing Europe. Fourth report on economic and social cohesion. Office for Official Publications of the European Communities, Luxembourg Gábriel Katalin – Hüttl Antónia (1996): Regionális számlák az Európai Unióban. Statisztikai Szemle 4. Gether Istvánné (szerk.) (2003): Módszertan a területi számlákhoz. (Nemzetközi Statisztikai Dokumentumok 10.) KSH, Budapest Kiss János Péter (2003): A kistérségek 2000. évi GDP-jének becslése. In: Nemes Nagy József (szerk.): Kistérségi mozaik. (Regionális tudományi tanulmányok 8.) ELTE Regionális Földrajzi Tanszék – MTA–ELTE Regionális Tudományi Kutatócsoport, Budapest KSH (2006): Magyarország Nemzeti Számlái 2003–2004. Budapest Lőcsei Hajnalka – Nemes Nagy József (2003): A Balaton Régió gazdasági súlya és belső térszerkezete. In: Nemes Nagy József (szerk.): Kistérségi Mozaik. (Regionális Tudományi Tanulmányok 8.) ELTE Regionális Földrajzi Tanszék – MTA– ELTE Regionális Tudományi Kutatócsoport, Budapest Nemes Nagy József (1985): A nettó termelés megoszlásának becslése az anyagi ágakban. Közgazdasági Szemle 11. Nemes Nagy József (1995): A GDP regionális számbavétele. In: Probáld Ferenc (szerk): Pro Geographia Humana. ELTE Eötvös Kiadó, Budapest Nemes Nagy József (2005): Fordulatra várva – a regionális egyenlőtlenségek hullámai. In: Dövényi Zoltán – Schweitzer Ferenc (szerk.): A földrajz dimenziói. MTA Földrajztudományi Kutatóintézet, Budapest Nemes Nagy József (2006): A regionális fejlettségi tagoltság keresztmetszeti összehasonlítása. In: Győri Róbert–Hajdú Zoltán (szerk.): Kárpát-medence: Települések, tájak, régiók, térstruktúrák. MTA Regionális Kutatások Központja–Dialóg Campus Kiadó, Pécs–Budapest Reiff Ádám – Zsibók Zsuzsanna (2008): Az infláció és az árazási magatartás regionális jellemzői Magyarországon, mikroszintű adatok alapján. PTE Közgazdaságtudományi Kar Közgazdasági és Regionális Tudományok Intézete, Pécs Kulcsszavak: regionális GDP-számítás, lokalizáció, területi különbségek, termelés és jövedelem kapcsolata. Resume The aim of the paper is to give a general outline about those questions which play an important role in the interpretation of regional GDP data. These problems cover the various types of localization issues, the differences between the place of production and the place of the income owners. Our conclusion is that the central role of regional GDP data should be reduced in analysing the spatial differences of social welfare, and other indicators have to be used more intensively.

CZIRFUSZ MÁRTON – DR. SZABÓ PÁL

A legközelebbi szomszéd analízis és alkalmazási lehetőségei Bevezetés Az elmúlt években publikált területi kutatásokban egyre újabb és újabb összetett kvantitatív módszerekkel találkozunk, köszönhetően a „számmisztika” iránti ellenérzések leküzdésének, a külföldi módszertani szakirodalom egyre szélesebb körű megismerésének és annak az egy-két hazai munkának, amely ilyen eljárásokat ír le. Ezek közül az egyik alapműnek Nemes Nagy József 1998-ban megjelent „A tér a társadalomkutatásban” című munkáját tekinti a szakma. A kötetben több olyan „nyugaton” használt módszer lelhető fel – olvasmányos és közérthető módon leírva, gyakorlati példákkal kísérve –, amelyek „kipróbálásra” várnak. Munkánk célja, hogy egy ilyen eljárást, a legközelebbi szomszéd analízist – a kötetben leírtaknál alaposabban – körbejárjuk (korlátai, alkalmazási lehetőségei stb.), mivel a módszer nagyon csábító, ám ésszerű alkalmazásához nem árt ismerni egy-két tulajdonságát. A modell lényege, hogy egy adott területen pontszerűen értelmezhető és számszerűsített pozíciókkal ellátható jelenségek (például települések koordinátákkal) eloszlásáról (koncentrált, szabályos, véletlenszerű) ad számszerűsített információt. A könyvben egy mintapélda is fellelhető (számítási eredményekkel), amelyet mi újabb adatokkal továbbvezettünk, a számítások lehetőségeit pedig különböző szempontok szerint tovább bővítettük, ezzel újabb elgondolkodtató eredményeket produkálva. A legközelebbi szomszéd analízis helye a területi kutatásokban A társadalmi, gazdasági jelenségek területi egyenlőtlenségeinek vizsgálata során egyrészt a területi kép megállapítására törekedünk, például tematikus térképeket készítünk, másrészt megpróbáljuk leírni az egyenlőtlenségek nagyságát, például területi egyenlőtlenségi mutatók számításával. A kutatás és az elemzés természetesen nem áll meg itt, hiszen munkánk során a kialakult egyenlőtlenség okait kívánjuk feltárni – arra keressük a választ, hogy milyen ágazati (társadalmi, gazdasági stb.) és milyen területi (fekvés, elérhetőség stb.) tényezők okozzák az egyenlőtlenséget. Emellett egy másfajta – az elmúlt években hazánkban is egyre nagyobb teret nyerő – törekvés olyan eljárások alkalmazása, amelyek révén számszerűsíteni próbáljuk az egyenlőtlenség területi képét is, legfőképpen annak időbeli változását. (Gondoljunk bele: több térkép egymás mellé helyezésével még elég nehezen tudjuk objektíven megállapítani egy jelenség területi mintázatának időbeli átalakulását.) Több ilyen módszer is létezik, ezek közé tartozik a továbbiakban tárgyalásra kerülő legközelebbi szomszéd analízis (vagy modell). (Egy másik példa a hazai körökben is egyre használatosabbá váló területi autokorreláció.) Lényeges kiemelni azonban,

282


hogy ezen eljárások nem a területi elhelyezkedés okait tárják fel, hanem a területi képről, a mintázatról, s annak módosulásairól adnak információt. Első lépésben célszerű elhelyezni a módszert a kvantitatív eszköztárunkban. A területi kutatások módszertani szempontból három csoportba oszthatók. Egyes módszerek kizárólag térparamétereket nem tartalmazó adatokkal dolgoznak, elsősorban az általános (leíró) statisztika által is ismert eljárásokkal. A második csoportba a megfigyelési egységek (pontok, vonalak, objektumok, térségek stb.) területi eloszlását számszerűsítő, térparaméteres elemzési eszközök tartoznak. A harmadik lehetőség, hogy a vizsgált objektumok területi eloszlásának jellemzése mellett térparamétereket nem tartalmazó adatokat is figyelembe veszünk (Dusek 2004). A legközelebbi szomszéd analízis a második csoportba tartozik, mivel kizárólag az elemzési egységek elhelyezkedéséből indul ki, azok minőségi különbségeire nincs tekintettel. (A minőségi jegyek érvényesítése az elemzés legelső szakaszában jelenik meg, amikor a vizsgálat tárgyát képező egységeket kiválasztjuk.) Másik irányból közelítve a rendszerhez: a társadalom-földrajzi és regionális tudományi módszerek egy része különböző természettudományokból származik, használatukat pedig az a közelítésmód indokolja, hogy a társadalmi-gazdasági jelenségek bizonyos esetekben elég jól leírhatók a természettudományok törvényeivel (fizikai analógián alapuló eszközeink a súlypontmódszer, a gravitációs és a potenciálmodell). Ilyen eredetű a legközelebbi szomszéd modell is, amely azonban többlépcsős utat járt be, mivel közvetlenül az ökológia (élő természettudomány) területéről érkezett a társadalomföldrajzba (Harvey 1967), ám lényegét tekintve tisztán matematikai-geometriai (élettelen természettudományi) eljárásról van szó (a „geometriai bázis” indokolja, hogy az előbbiekben a módszert a kizárólag térjellemzőket alkalmazó metódusok közé soroltuk). A fenti két szempont mellett egy továbbit is vehetünk: a legközelebbi szomszéd analízist a pontrendszereket-ponteloszlásokat vizsgáló modellek közé is besorolhatjuk, amelyeknek szintén nagy hagyománya van a regionális gazdaságtanban és a társadalomföldrajzi kutatásokban. Ezen eljárások egy részében a pontok eloszlásán túl a minőségi jellemzőik kapnak értelmet (például a Christaller-féle hatszöges rendszer révén a pontokkal reprezentált települések között hierarchiaszintekre való besorolásuk alapján teszünk különbséget), vagy mennyiségi jellemzők is bevonásra kerülnek (például a súlypontszámítás, a gravitációs és potenciálmodellek használatakor a pontokhoz rendelt tulajdonsággal [volumenadattal] is számolunk a pontok elhelyezkedése mellett). A legközelebbi szomszéd modell alkalmazása abból a szempontból egyszerűbb, hogy a pontokhoz nem rendelünk sem minőségi, sem mennyiségi jellemzőket, pusztán elhelyezkedésüket vizsgáljuk. Abból a szempontból is egyszerű a módszer, hogy bár a pontrendszerek mintázatának elemzésekor célunk lehet, hogy a mintázatot létrehozó tényezőkről, folyamatokról információkat nyerjünk (Buyong 2007), ám erre a legközelebbi szomszéd analízis nem megfelelő. Ilyenkor a területi mintázatok összefüggéseinek és jellemzőinek elemzésére alkalmas más módszerekhez fordulhatunk (Davis–Howe–Davis 2000), ez akár jelentheti a pontoknak a földrajzi tér más jellemzőivel való „összekapcsolását”. (Ilyen, ha egy térképre – a pontokon túl – a jelenséget esetleg befolyásoló elemeket viszünk rá, mint például ipari üzemek esetében a telephelyválasztást befolyásoló potenciális tényezőket [nyersanyag, munkaerő, fogyasztópiac stb.]).

A LEGKÖZELEBBI SZOMSZÉD ANALÍZIS ÉS ALKALMAZÁSI LEHETŐSÉGEI

283

A módszer leírása, jellemzői A legközelebbi szomszéd analízis legelső alkalmazását a szakirodalom Clark és Evans 1954-es tanulmányához köti. E munkából kiindulva először a módszert, majd korlátjait mutatjuk be, ezen túl néhány elméleti megfontolást vázolunk fel.1 Kiindulási állapotként adott egy térrész és benne pontszerűen felfogható, számszerűsíthető pozíciójú „objektumok”. A vizsgálat tárgyától függetlenül bármely, ily módon modellezhető jelenség kapcsán felmerülő kérdés, hogy a pontrendszer koncentrált, szabályos, vagy véletlen eloszlású. Ha az előzményekre gondolunk, a regionális gazdaságtanban, a társadalomföldrajzban és a „klasszikus” telephelyelméletekben a geometriai szabályszerűségek keresése, modellekben való összefoglalása volt az uralkodó; a véletlenszerűség vizsgálata az angolszász iskola térelméleti modelljeihez köthető (Nemes Nagy 1998). Az ökológiában a növénypopulációk véletlen eloszlásának feltételezése megelőzte a szabályosság kutatására vonatkozó kísérleteket (Clark–Evans 1954). A módszer alapgondolata, hogy egy vizsgált pontrendszert vet össze a véletlen eloszlással. Ám nemcsak arra ad választ, hogy egy pontalakzat koncentrált, véletlen vagy szabályos elrendeződésű-e, hanem arra is, hogy milyen mértékben, vagyis az adott pontalakzat melyik konfigurációhoz áll közelebb. Ehhez a pontrendszer egyik alaptulajdonságát, a legközelebbi pontszomszéd átlagos távolságát használja. Matematikailag bizonyítható (lásd Clark és Evans 1954-es tanulmányának függelékét), hogy a véletlen eloszlású pontalakzatban a legközelebbi szomszéd átlagos távolsága (D) a következő: 1 , ahol m a pontsűrűség (a pontok számának és a vizsgálat terület nagyságáD= 2 m nak hányadosa). D Ez az elméleti érték vethető azután össze az empirikusan tapasztalt L= x (kiszámolt) Dx értékkel, mégpedig egy egyszerű osztás formájában: D Az L hányados a dimenziótlan2, úgynevezett legközelebbi szomszéd index. Értékkészlete 0 és 2,149 közötti. A nullához közeli értékek koncentrált elrendeződésre utalnak (ahol a mért legközelebbi szomszéd távolsága és így a hányados is nullához közeli), a véletlenszerű elrendeződés esetében pedig 1 körüli értéket kapunk. Az 1 feletti értékek már a szabályos elrendeződés irányába mutatnak, szabályos négyzetrácsnál L=2, szabályos háromszögrácsnál pedig L=2,149 (Nemes Nagy 1996, 1998). 1. ábra

A legközelebbi szomszéd index (L) különböző értékeihez tartozó jellegzetes pontalakzatok

L=0

0
L=1

1
L=2

L=2,149

1 A módszer első magyar nyelvű leírását egy rovarökológiai módszertani könyvben (Southwood 1985) lelhetjük fel; társadalom-földrajzi vonatkozású értelmezését pedig Nemes Nagynál (1996, 1998) és Haggettnél (2006). 2 A számítás során a dimenzióra annyiban kell figyelni, hogy a vizsgálati terület és a mért távolságok mértékegységei azonos „rendűek” legyenek (azaz például km2 és km).

284


Módszertanilag az eljárás talán legkritikusabb része a pontsűrűség meghatározása, amely a területi kutatások örök korlátjához, a módosítható területi egység problémájához, mégpedig annak a vizsgált térrész elhatárolását jelentő mozzanatához kapcsolódik (Dusek 2004). Földrajzi vizsgálatokban egy adott területi keretet veszünk alapul (megye, régió, ország stb.), ám előfordulhat e módszer alkalmazása esetében, hogy egy határon kívül levő pont közelebb esik egy vizsgált belső ponthoz, mint egy belső, így a számított távolság s a következtetés bizonyos értelemben korlátozott. Milyen megoldások léteznek a probléma kezelésére? Egy lehetőséget jelent (ha a vizsgálat tárgya indokolja és az adatok lehetővé teszik), hogy a határhoz közeli pontoknál a külső pontoktól való távolságot is figyelembe vesszük. Ezzel azonban a kijelölt területi keret veszti valamilyen szinten értelmét. Más megoldást javasol Ebdon (1985) azzal, hogy a vizsgált pontokat magába záró legkisebb téglalap területét veszi alapul. Így viszont ezen téglalap és a tényleges vizsgálati terület között jelentős méretbeli eltérés is lehet. Továbbgondolva az eljárást, elképzelhető egy olyan megoldás is, amely azt a legnagyobb téglalapot veszi figyelembe, amely teljes területével a vizsgált terület határain belül helyezkedik el. Egyes esetekben viszont így nagymértékű pontveszteség lépne fel, ami az eredmények interpretálásában nehézségeket okozhat.3 A határhatás problémájának kezelésére harmadik utat jelenthet, amikor egy belső pontot a számítás során csak akkor veszünk figyelembe, ha legközelebbi szomszédjának távolsága kisebb, mint a vizsgált pont távolsága a határtól (Dacey 1963). E két utóbbi eljárás révén tehát megakadályozzuk, hogy a figyelmen kívül hagyott külső pontok miatt a végeredmény „torzuljon”, ám egy másik problémát okozunk vele: az egységek száma nem lesz teljes. A tapasztalatok azt mutatják, hogy a leggyakoribb eljárás a teljes ponthalmaz vétele, s a határhatás figyelmen kívül hagyása, ám ez persze függ a vizsgált jelenségtől. E kérdéskörhöz tartozik még, hogy az általános statisztikai eljárásoknál megszokott az eredmények szignifikanciatesztnek való alávetése. Igaz ez a legközelebbi szomszéd indexre is: rendelkezésre állnak egyszerűbb és összetettebb, a határhatásra, így a vizsgált terület geometriai jellemzőire is tekintettel levő teszteljárások, amelyeket azonban itt nem részletezünk (ezekről lásd például Sinclair 1985). Azonban fontos kiemelni, hogy a módszer értékelhető eredményt csak viszonylag nagy elemszám esetében ad: Getis–Boots (1977) szerint legalább 50 pont az, amikor a kapott L érték megbízhatóan interpretálható (Nemes Nagy 1996, 1998). A módszer korlátai után kiterjeszthetőségének három útját mutatjuk be, amelyek mind egy-egy speciális problémára kínálnak megoldást. Tételezzük fel, hogy a vizsgált pontok több helyen sűrűsödnek! Ekkor a legközelebbi szomszéd index értéke ugyanúgy nullához közeli, mintha kizárólag egyetlen sűrűsödési hely lenne, holott a két térbeli mintázat alapvetően eltérő. Ilyen esetekben a második, harmadik, n-edik legközelebbi szomszéd távolságának kiszámításával ezen sűrűsödési gócok szabályos, véletlenszerű vagy koncentrált elrendeződéséről kaphatunk számszerűsített információkat (Nemes Nagy 1998).

3 Képzeljük el, hogy a legközelebbi szomszéd modellt a horvátországi városállományra kívánjuk alkalmazni! Ekkor a legnagyobb, teljes mértékben a horvát határokon belül levő téglalapnál a városok nagyobb része ezen kívül esne, így az ország egészére ésszerű L-értéket nem tudnánk számítani.


285

A kiterjeszthetőség második esete azon alapul, hogy bizonyos pontrendszereknél erőteljes korlátot jelenthet, hogy a modell a legközelebbi szomszéd átlagos távolságát veszi figyelembe, így elfedve a legközelebbi szomszédok távolságértékeiben (Dx) meglevő különbségeket. Emiatt érdemes a legközelebbi szomszéd távolságok más jellegadó értékeit is kiszámítani és a vizsgálatban figyelembe venni. Fotheringham, Brunsdon és Charlton (2000) öt jellegadó érték (minimum, alsó kvartilis, medián, felső kvartilis, maximum) részletes elemzését javasolja. Mivel a hazai szakirodalomban kizárólag az átlagtávolságok használatára találtunk példát, saját, Magyarországra készített empirikus vizsgálatainkban az öt jellegadó érték által nyújtott információtöbblet értelmezésére is kísérletet teszünk. A harmadik jellegzetesség, hogy két pont helyzetét egymáshoz képest a köztük levő iránnyal és távolsággal határozhatjuk meg, de a legközelebbi szomszéd modell e két jellemző közül pusztán a távolsággal foglalkozik, a legközelebbi szomszéd irányáról nem ad információt. Az irányok közvetlen beépítése a módszerbe (például adott térirányokban, térnegyedekben mért legközelebbi szomszéd távolság) lehetséges, ám inkább bonyolítja a végeredmények értelmezhetőségét, mintsem határozott többletet adna. Az irányfaktor jelentősége viszont több vizsgálat esetében nem lebecsülendő, a településhálózati modellek közül több ezt a tényezőt is figyelembe veszi. A Christaller-féle szimmetrikus, hatszöges alapséma alapvetően jó kiindulóhelyzetet nyújt a legközelebbi szomszéd analízis lefuttatására, viszont a Christaller-modell előzményei (Lösch sűrűbb és ritkább várossűrűségű szektorai) és továbbgondolásai (Isard modellje, amelyben a christalleri hatszögek a felsőbbrendű központokhoz közelebb kisebbek, távolabb pedig nagyobbak) mind rámutatnak az irány fontosságára (Richardson 1978), így a legközelebbi szomszéd modell alkalmazási korlátjaira is. Végezetül a legközelebbi szomszéd vizsgálat több dimenzióra való kiterjeszthetősége emelhető ki, hiszen a távolság nem pusztán kétdimenziós térben számítható (Dacey 1963). Esetünkben ez úgy jelenik meg, hogy a felszínen x és y koordináta-párokkal jellemzett pontokhoz magassági értékeket is rendelhetünk, és így a legközelebbi szomszéd távolságokat három dimenzióban is kiszámolhatjuk. Ez egy változatos domborzatú terepre készített vizsgálat eredményeit érdemileg módosíthatja (például alpesi szórványtelepülések elhelyezkedése). A legközelebbi szomszéd analízis alkalmazási lehetőségei A legközelebbi szomszéd analízis alapvető alkalmazási lehetősége egy pontalakzat jellegének meghatározása az L-skálán való helyének pozicionálásával. A módszer első publikálása – mint írtuk – Clark és Evans nevéhez fűződik, akik az ökológia terén alkalmazták az eljárást; emellett orvostudományi, régészeti, ásványtani, geológiai, geomorfológiai alkalmazása is megfigyelhető (Nemes Nagy 1996, 1998). A társadalomtudományi kutatások területén is sokféle hasznosítási lehetősége van, ezekből adunk itt ízelítőt. A lokálistól indulva: bevethető a módszer egy-egy településen belül (a pontrendszerként modellezhető) funkciók, intézmények, gazdasági egységek, épületek stb. területi eloszlásának kvantitatív jellemzésére (koncentrálódás–szóródás). Az ilyen jellegű vizsgálatok révén közvetve információt kapunk arról, hogy egyes „objektumok” létrejötte milyen tényezőknek engedelmeskedett, engedelmeskedik, illetve a telepítéskor esetleg mi-

286


lyen területi szempontokat vettek figyelembe. Az idősoros vizsgálatok segítségével pedig a mintázat változásáról kapunk információt (például, hogy a centripetális vagy a centrifugális erők az erősebbek). Budapestre ilyen jellegű vizsgálati eredményeket ad Béres munkája (2001), amelyből több szolgáltatási intézmény területi eloszlásáról kapunk információt. A koncentráció oldódásának sorrendjében így követik egymást az elemzésbe bevont jelenségek: antikváriumok L=0,09, bankszékházak L=0,12, gyógyszertárak L=0,42, posták L=0,48. Szintén Budapestre készült vizsgálatot találunk Balogh (2006) munkájában. A szerző a pénzügyi szolgáltató objektumokat analizálta, külön tekintettel a cégekre; ez utóbbi alapján a legkiterjedtebb hálózatokkal rendelkezők L-sorrendje (a csökkenő koncentrációt nézve): Unicredit 0,736, Erste 0,783, OTP 0,804, K&H 0,832, Raiffesen 0,832, CIB 0,834. Az ilyen összevetéseknél figyelembe kell venni azonban, hogy eltérő elemszámokkal készültek a számítások, így csak az egységszám és az átlagtávolságok figyelembevételével szabad következtetéseket levonni a szolgáltatások elérhetőségéről. Más jellegű objektumok és más célzattal is elemezhetők lokálisan: Oláh (2003) arra hívja fel a figyelmet, hogy a falusi házak térbeli eloszlási mintázata (koncentrált, szórt) jelenti a vidéki települési szerkezet legfontosabb paraméterét, s ez a legközelebbi szomszéd modell révén mérhető. Kiemeli emellett, hogy az eloszlás különböző igényeket és követelményeket eredményez a helyi társadalom és az állam számára a közlekedésben és szolgáltatásokban. A városok beépítettségének jellegét (lakóházak, kereskedelmi épületek stb.) szintén lehet e módszerrel vizsgálni, erre Mesev munkája (2005) mutat szép példát. A legközelebbi szomszéd analízis esetében azonban a legkiterjedtebb tématerület a módszer település-(város-)földrajzi alkalmazása. Ennek alapját az jelenti, hogy településföldrajzi kutatásoknál gyakran felmerülő kérdés, hogy a településhálózat, városhálózat területi képe mutat-e valamiféle szabályosságot, vagy az elrendeződés teljesen véletlenszerű, esetleg koncentrált. Különösen izgalmas a vizsgálat akkor, ha az időbeli változást is elemezzük: hogyan alakította át a hálózatot a spontán fejlődés, esetleg a központi tervezés-beavatkozás (Beluszky–Győri 2004). Számos külhoni vizsgálat gyűjthető össze (például a Szovjetunió egyes körzeteinek városaira: Barr–Lindsay–Reinelt 1971, az USA-ra: King 1961, USA-mintaterületekre: Haggett 2001), s pár éve a magyar kutatók is elkezdték alkalmazni a módszert hazánk település- és városhálózati viszonyainak vizsgálatához (Nemes Nagy 1998, Beluszky–Győri 2004; részletesebben lásd a következő fejezetben). Az ilyen szomszédsági vizsgálatokban problémát okoz egyrészt, hogy egy települést csak egy ponttal reprezentálhatunk, így eltekintünk annak – esetleg jelentős – területi kiterjedésétől (a mért távolság egy-egy település egy-egy kitüntetett pontja közötti). Ezért csekély kiterjedésű mintaterületekre nem érdemes ilyen vizsgálatot készíteni. Másrészt – mint már utaltunk rá –, ha szárazföldi közigazgatási határok zárják le vizsgált térségünket, akkor a kutatótól függ, hogy a határon kívüli pontok belekerülnek-e a számításba. Például az EU egyre szélesebb körű kiterjesztése az egyes szomszédos országok városainál a szomszédság kapcsolatának átértékelésével járhat, s így a vizsgálati egységek számának módosítása is felmerülhet. Azonban az is ismert, hogy egy-egy ország városainak nemcsak esetlegesen határokon átnyúló vonzáskörzettel bíró funkciói vannak, ahol valóban célszerű lehet a külhont is számításba venni, hanem olyan „központi” funkciói is, amelyek csak a vizsgált térrészben (az országban, a megyében) relevánsak, ezek


287

viszont továbbra is igénylik a korlátozott területű vizsgálatokat, s az erre épülő átgondolt hazai városhálózat-fejlesztést. A települések nemcsak közigazgatási jogállásuk szerint különböztethetők meg, hanem különböző intézmények, funkciók, objektumok léte is differenciálja a településeket; s ez a módszerünkkel vizsgálható. Ilyenkor az előző két területi kutatás „összevonásáról” is lehet szó: adott egy térség mint területi keret, amelyben különböző (általában településekhez kötődő, azok koordinátájával ellátott) „dolgok” területi mintázatát vizsgáljuk. Persze lehet szó nem (vagy nem csak) „belterületi dolgok” eloszlásáról is (milyen a benzinkutak, turistaházak, horgásztavak stb. területi eloszlása az országban). A példákat, a hasznosíthatósági lehetőségeket még hosszasan lehetne sorolni, de a terjedelmi korlát itt közbeszól, így az olvasó fantáziájára bízzuk a többit, de ne feledjük: a tudományos kérdésfelvetésnek is megvannak a maga ésszerű korlátai. Végezetül egy módszertani elemet kell még kiemelnünk: a legközelebbi szomszéd analízis lehetőséget ad a területi mintavétel véletlenszerűségének tesztelésére is. A magyar városhálózat jellemzői a legközelebbi szomszéd analízis tükrében A legközelebbi szomszéd analízis legelterjedtebb alkalmazási területe a városállományok területi mintázatának vizsgálata. Erre a hazai szakirodalomban is több példa akad, amelyek legfontosabb megállapításait foglaljuk össze a következőkben; emellett frissebb adatokkal egészítjük ki a legfontosabb számításokat, és újabb szempontokat vetünk fel a módszer használatával kapcsolatban. Vizsgálati lehetőséget jelent egyrészt a magyarországi városállomány rendezettsége alakulásának időbeli összehasonlítása, másrészt a városállomány valamilyen szempont alapján történt leszűkítése révén előállt részhalmazok elemzése; ez utóbbi például egy kisebb terület (régió, táj stb.) városait jelentheti, vagy akár a területi keret (ország) megmaradása mellett valamilyen minőségi jegy alapján kiválogatott városok állományát (például megyeszékhelyeket). Elsőként a mindenkori városi rangú településekre számolt legközelebbi szomszéd távolságokat vesszük (1. táblázat). 1. táblázat

A városállomány területi mintázatának jellemzői Magyarországon Év 1910* 1945 1960 1980 1990 1995 2001 2008

A városok száma (elemszám) 42 51 66 96 166 200 252 298

A legközelebbi szomszéd átlagos távolsága, km 28,2 26,2 23,7 20,1 16,6 14,6 13,0 11,5

A legközelebbi szomszéd index 1,20 1,22 1,23 1,29 1,41 1,35 1,35 1,30

* A mai országterületre számolva. Forrás: Nemes Nagy 1998. 197. o., Beluszky–Győri 2004. 35. o., saját számítások.

A városok száma évtizedeken át lassan emelkedett, és az indexértékek a városhálózat konfigurációjának a véletlenszerűtől a szabályos elrendeződés irányába való nagyon lassú, fokozatos elmozdulását mutatják az 1980-as évek elejéig (Nemes Nagy 1998,

288


Beluszky–Győri 2004). Az ezt követő időszakra a robbanásszerű várossá nyilvánítás volt a jellemző, amelyben jelentős szerepe volt a szakpolitika azon törekvésének, hogy a városhiányos térségekben is városi rangú központokat hozzon létre (Nemes Nagy 1998, Beluszky–Győri 2006). Az eloszlási érték jelentős megváltozása ennek a célnak a megvalósítását tükrözi: még inkább a szabályos elrendeződés irányába tolódott el a konfiguráció. A rendszerváltozást követően a városok gyarapodásának folyamata folytatódott, ám az eloszlás változásában idővel fordulat történt: Nemes Nagy József az 1995-ös Lértékben tapasztalta a városhálózat konfigurációjának alakulásában beállt „visszafordulást”, azaz a városok elhelyezkedésében a véletlenszerű jellemző erősödését. Ezt legújabb számításainkkal immár trendszerűnek minősíthetjük (1. táblázat). A legszabályosabb mintázatot adó városszám a 170 körüli tartományba esett. Ez a mai kistérségek számának megfelelő, így megkockáztatható az a kijelentés, hogy tervezési-területfejlesztési szempontból ez az a szint, ahol – leginkább szabályos mivolta miatt – ésszerűen, az elérhetőséget is optimalizálva tervezhetők bizonyos ellátási feladatok.4 A kisebb területre elvégzett analízis példája Győri Róbert elemzése: a Kisalföld területére két időpontra számította ki a városi jogállású településekre a legközelebbi szomszéd értékeket, és tett kísérletet magyarázatukra. A XVIII. század végén a térségben a teljes véletlenszerűségre (így a szerves fejlődésre) utaló L=0,99-es értéket kapta. A dualizmus korában lejátszódó folyamatok révén viszont 1910-re a legközelebbi szomszéd index értéke 1,4 körüli értékre emelkedett, ami a szabályos elrendeződés irányába történő határozott elmozdulást jelzi (Győri 2005). A városok egy más szempontú részhalmazának elemzésére példa Bajmócy Péter és Kiss János munkája: ők a 19 megyeszékhelyre számolták ki az L-értéket. Ez 1,42 lett, így a megyeszékhelyek elrendeződése inkább véletlenszerűnek, mint szabályosnak tekinthető (Bajmócy–Kiss 1999). Az eredményeket ugyanakkor bizonyos óvatossággal érdemes ezekben az esetekben kezelni, hiszen alacsony elemszámnál egy új pont belépése a pontrendszerbe jelentősen módosíthatja a legközelebbi szomszéd indexeket. Egy másfajta értelmezésű városállomány konfigurációjának vizsgálatára példa Beluszky Pál és Győri Róbert munkája, akik tanulmányukban a közigazgatási mellett az úgynevezett funkcionális városállományra is elvégezték a számításokat, 1910 és 2001 közötti három időpontra. Eredményeikkel a funkcionális városállomány szabályosabb területi mintázatát mutatták ki, szemben a városi jogú településekkel. Emellett igazolást nyert, hogy a funkcionális városállomány gyakorlatilag állandó (és állandó elemszámú) (Beluszky–Győri 2004). A teljes hazai városállomány egy más szempontú feldolgozását végezte el 1990-re Nemes Nagy József: a városokat népességszámuk szerint csökkenő sorrendben léptette be a modellbe (Nemes Nagy 1998). Az L-érték minimumát (L=1,18–1,20), a véletlenszerűséghez való legközelebbi állást 50 város körül tapasztalta; innentől az index értéke végig monoton nő 1,41-ig (az akkori 166 városig). Ezt a „beléptetős vizsgálatot” felfrissítettük: a 2008-as városállományra (298 város) vonatkozó eredményeinket az 1. ábra mutatja. A legközelebbi szomszéd modell megbízható eredményeket legalább 50 pont 4 A szabályos elrendeződésnél egy-egy városhoz azonos nagyságú körzet, illetve vonzáskörzet tartozhat, így egy-egy településnek hasonló számú vidéki lakost szükséges ellátnia – legalábbis egyenrangú központokban gondolkodva. Az eltérő városnagyság eltérő méretű vonzáskörzetekkel járhat, és persze a városok hierarchiájáról sem feledkezhetünk meg, ezekről ld. a központi helyek elméletét.


289

esetén ad, ám megfigyelhető, hogy a magyarországi városoknál körülbelül 30 egység felett nagyjából megszűnnek a nagy ingadozások két egymás utáni lépés között. Megállapítható az is, hogy bár egy 50 város körüli helyi minimumot mi is ki tudtunk mutatni, a 2008-as állapot szerint a legvéletlenszerűbbnek a 111 városból álló hálózat bizonyult (L=1,13)5, onnantól kezdve a görbe az 1,3-as értékhez közeledik (nő a szabályszerűség). Ha a városi népességszámokat is hozzárendeljük az egyes számítási szakaszokhoz, megállapítható, hogy a legközelebbi szomszéd index legalacsonyabb értékét a 12 ezer főnél népesebb városok körében tapasztaljuk. 2. ábra

A legközelebbi szomszéd index

A legközelebbi szomszéd index értékei a magyarországi városokra – növekvő városszám esetén 2,0 1,9 1,8 1,7 1,6 1,5 1,4 1,3 1,2 1,1 1,0 21

1

41

61

81

101

121

141

161

181

201

221

241

261

281

A vizsgálatba bevont városok száma (db)

Forrás: saját számítások és szerkesztés.

Amint az elméleti bevezetőben említettük, a legközelebbi szomszéd modell alapesetben az átlagtávolságokkal számol, de kiterjeszthető a vizsgálat azzal, hogy a legközelebbi szomszédok távolságának egyéb jellegadó értékeit is figyelembe vesszük. Ekkor értelemszerűen elmarad az utolsó lépés, az L-index kiszámítása. A magyarországi városok vizsgálatánál utolsóként ezt néztük meg (3. ábra). 3. ábra

A legközelebbi szomszéd távolságok jellegadó értékei a magyarországi városokra – növekvő városszám esetén 200

Maximum Felső kvartilis Átlag Medián Alsó kvartilis Minimum

180 160

Távolság (km)

140 120 100 80 60 40 20 0 1

21

41

61

81

101

121

141

161

181

201

221

241

261

281

A vizsgálatba bevont városok száma (db)

Forrás: saját számítások és szerkesztés. 5 A teljes skálán a minimumot 3 városnál éri el az index, ám ezt az esetet – az elemszám miatt – nem vettük figyelembe.

290


Az értékeknek nem szükséges feltétlenül monoton csökkenőeknek lenniük, amire több példát is láthatunk; a maximumérték például kismértékben emelkedik a 119. város, Barcs beemelésekor. Ez a jelenség akkor figyelhető meg, ha az újonnan belépő pont esetében a legközelebbi pont távolsága nagyobb, mint az addig a modellben szereplő városok bármelyikénél; Barcs pedig egy olyan térségben található, ahol nála nagyobb város 50 km-en belül nincs. A maximumértékek kapcsán az adatokat böngészve azonosíthatóvá válnak az egymástól legtávolabb fekvő legközelebbi szomszédok, így például a 31.-től 127.-ig ezt a pozíciót (a fenti esetet kivéve) a Sopron–Szombathely páros birtokolja, majd innen a 225. pozícióig a Nagykanizsa–Marcali kettős veszi át ezt a szerepet. Ezzel – bizonyos értelemben – városhiányos térségek jelölhetők ki. A minimumértékeket elemezve viszont jellegzetes várostömörülések (várospárok, várossorok, városgócok) emelhetők ki. Ezek egyrészt szervesen kialakult városegyüttesek (Gyula–Békéscsaba–Békés), másrészt a fővárosi agglomeráció új városformációi (például Dunakeszi–Fót, Gyál–Vecsés, Szigetszentmiklós–Szigethalom–Tököl), harmadrészt a várossá nyilvánítás abszurd jellegét hangsúlyozó kettősök (Alsózsolca–Felsőzsolca, Nagymaros–Visegrád). A medián és az átlag szinte párhuzamos futása az eloszlásgörbe kiegyenlítettségére utal; a felső kvartilis és a maximum közötti nagy távolságkülönbség pedig az egymástól távoli legközelebbi szomszédok viszonylagos hiányát, azaz a periferikus fekvésű (a pontrendszer többi tagjától távol levő) városok csekély számát jelzi. A magyar, szlovák, román és cseh városállomány területi jellemzőinek összehasonlítása Kérdés, hogy a hazai állapotokhoz mennyiben hasonlítanak a környező volt szocialista országok városainak területi jellemzői. Nem véletlenül esett a választás ezekre az országokra: a XX. század második felében nagyrészt hasonló politikai, társadalmigazdasági pályát jártak be az egykori szocialista blokk tagjai (Probáld 2007). A vizsgálatba három országot vontunk be; az országok főbb, városokhoz köthető paramétereit a 2. táblázat tartalmazza. Megállapítható, hogy Csehország várossűrűsége a legnagyobb – nem véletlenül, több mint ötszáz városi jogállású települése van az országnak. Az ettől elmaradó Szlovákia és Magyarország hasonlóságot mutat, mindkettőnél kb. 3 város jut 1000 km2-re. Velük szemben Románia várossűrűsége viszont alacsony. A legközelebbi szomszéd analízis eredménye nem okozott nagy meglepetést: a véletlenszerű eloszláshoz áll közel mind a négy ország városállományának mintázata. Az indexértékek szerint Szlovákia és Románia városai állnak legközelebb a véletlenszerű ponteloszláshoz, Csehország mintázata ezeknél valamivel szabályszerűbb, s Magyarország városainak eloszlása a négy közül a legszabályosabb. (Mindez ráadásul úgy, hogy nálunk az elmúlt években e kép jelentősen romlott.)


291 2. táblázat

Magyarország, Szlovákia, Románia és Csehország városállományának néhány jellemzője Megnevezés Terület, km2 Népesség, fő Települések száma [elnevezés]

Városok száma [elnevezés] Várossűrűség, db/10 000 km2 Legközelebbi szomszéd index A városi népesség aránya, %

Magyarország (2007. 01. 01.*)

Szlovákia (2006. 12. 31.)

Románia (2005. 12. 31.)

Csehország (2007. 01. 01.)

93 030 10 162 610 3152

49 034 5 393 637 2891 [obce]

78 867 10 287 189 6249 [obce]

298

138 [mesto]

238 391 21 623 849 12 946 [satul] ezek „összevonásából” 2851 [comuna] 319 [orasul] ezekből 103 [municipiul]

32

28

13

71

1,297

1,169

1,196**

1,242

67

55

56

70

559 [SO ORP6]

* Magyarországnál a 2007. január elseji népességszámadatokkal dolgoztunk, de a 2007. július 1-jével várossá nyilvánított településeket is a városok között szerepeltettük. ** Romániában 314 egységre (2005. 07. 01-jén városi jogállású település) készítettük el a számításokat. Forrás: http://portal.ksh.hu; http://portal.statistics.sk; http://www.insse.ro; http://www.czso.cz; valamint saját számítások.

A beléptetési módszert itt is bevetve (4. ábra) kiderül, hogy a kezdeti jelentős „kilengések” a 10–11. várostól valamelyest csillapodnak, majd a 20–25. várostól az értékugrások egyre szerényebb mértékűvé válnak. Fontos kiemelni, hogy a 43. várostól az indexértékek már csak 1,3 és 1,1 között mozognak, s a görbék futása egyre inkább szakaszos tendenciákat mutat. Az egyes beléptetéseket külön elemezve megállapítható, hogy Szlovákia ponthálózata a 8 városnál elért minimumérték (0,86) után fokozatosan elmozdul a véletlenszerűtől a szabályos irányába, s a 43. városnál (a városok kb. 30%-ánál) eléri – a csekély elemszámú formációnál mérttől eltekintve – maximumát (1,31). Innentől hullámozva stagnál az érték, majd nagyjából a 85. várostól (a városok körülbelül 60%-ától) fokozatosan a véletlenszerűség kezd ismét meghatározó jegy lenni. Más lefutás figyelhető meg a másik két országnál: Románia és Csehország görbéje is mutat egy-egy komolyabb hullámot – igaz fordítva. Az előbbi esetében a 14 városnál elért lokális minimum (1,16) után gyorsan (persze „ugrálva”) nő az érték a 36 városnál (városok 11%-a) elért legszabályosabb képig (lokális maximum: 1,415), ami után ismét a véletlenszerű eloszlás irányába változik a mintázat, előbb gyorsan, majd fokozatosan. A 98. városnál (városok kb. 30%-a) elért abszolút minimum (1,11) után kisebb-nagyobb hullámzásokkal megint – ám rendkívül lassan – megindul a szabályosabb kép felé a ponteloszlás. Csehország esetében a hullám pont fordított: a 7. várostól a 27.-ig (a városok kb. 5%-a) gyorsan romlik a szabályosság (az érték a végén abszolút minimum: 0,96), majd innentől az előbb gyors, később lassú értéknövekedés a véletlen eloszlástól való távolodást tükrözi; az index a 6 Správní obvody obcí s rozšířenou působností.

292


lokális maximumát a 176. egységnél (a városok kb. 30%-a) éri el. A görbe ezután ismét lassú süllyedésbe, majd lassú emelkedésbe kezd. Ezekben az esetekben sem szabad azonban arról megfeledkezni, hogy a csekély elemszám esetén a mért indexérték megbízhatósága is csekély. Ezen túl a görbék összevetésekor nem szabad figyelmen kívül hagyni, hogy a sorrendben 20., 50. stb. városok az egyes országokban akár nagyon eltérő népességszám-tartományba esnek; így a párhuzamok és különbségek részletesebb vizsgálatra szorulhatnak. 4. ábra

A legközelebbi szomszéd index értékei a magyarországi, szlovákiai, romániai és csehországi városokra – növekvő városszám esetén 1,6

A legközelebbi szomszéd index

1,5 1,4 Magyarország

Szlovákia

1,3

Románia

1,2

Csehország

1,1 1,0 0,9

11

36

61

86

111

136

161

186

211

236

261

286

311

336

361

A vizsgálatba bevont városok száma ( db)

Lényeges kiemelni ennél az összehasonlításnál, hogy négy külön esettel (négy különböző görbével) állunk szemben, azaz az országok nagy- és középváros-hálózati képeinek esetében elsősorban a földrajzi egyediség a meghatározó. (Ha belegondolunk, a városhálózati politika természetesen csak a kisebb települések városokká nyilvánításával próbálhat a városok eloszlásának képén valamelyest változtatni.) A földrajzi egyediséget támasztja alá az is, ha nem a városok száma, hanem az indexértékek szerint képezünk növekvő számsort, a hozzájuk tartozó városszámokkal (3. táblázat). Például, míg Magyarországon a legvéletlenszerűbb eloszlás (az index értéke 1-hez legközelebbi) 111 város esetén figyelhető meg, addig ez Szlovákiában 12, Romániában 98, Csehországban 26 városnál valósul meg. Azt is érdemes megfigyelni, hogy ezen országokban hol találhatók a legnagyobb „városszám-ugrások”, azaz melyik a legnagyobb differencia két városszám (városmennyiség) között, amelyekhez nagyon közeli indexértékek tartoznak. Magyarország esetében ez például 296 és 16 várost jelent, tehát ez az a két eloszlás, amelyhez a legnagyobb városkülönbség, ám rendkívül hasonló konfiguráció tartozik. A nagyvárosok egy országban általában nem csoportosulnak, hanem viszonylag egyenletesen, némileg szabályosan „töltik ki” a teret, így a legszabályosabb kép (legmagasabb L-érték) a kis elemszám esetén jön ki; de ezt a csekély elemszám miatt nem interpretálható indexértékekről nem állíthatjuk – egyszerűbb ilyenkor már a térképet „vizuálisan” vizsgálni.


293 3. táblázat

A legközelebbi-szomszéd indexértékek növekedő sora Magyarország, Szlovákia, Románia és Csehország esetében (10 város felett)a) Megnevezés

A három legalacsonyabb és a három legmagasabb indexérték és a hozzájuk tartozó városszám, valamint a legnagyobb „városszám-ugrás” és az 1-hez legközelebbi indexérték (ezt * jelöli)

Indexérték Városszám

1,126* 111

1,130 110

1,137 112

... ...

1,298 1,300 296 16 Szlovákia

... ...

1,418 14

1,431 12

1,503 11


1,088* 12

1,089 13

1,112 17

... ...

1,167 1,169 18 138 Románia

... ...

1,299 45

1,302 78

1,306 43


1,109* 98

1,110 99

1,113 97

... ...

1,1845 1,1847 295 18 Csehország

... ...

1,413 38

1,414 36

1,456 11


0,961 27

0,967 25

0,978 28

... ...

0,997* 26

... ...

1,251 549

1,284 11

1,317 12

Magyarország

... ...

a) A minimum 11 egység kiválasztását indokolta az indexértékek kilengéseinek csillapodása, valamint a nagyjából már elfogadható elemszám.

Ezek alapján – bár csekély a mintavétel, így némi bátorsággal – megkockáztathatjuk azt az állítást, hogy ha további országokat is megvizsgálnánk, feltehetőleg egyébfajta eloszlásokat, görbéket is kapnánk, azaz a különböző országokra egy egyszerű (általános) modellel nem tudjuk megadni, hogy a városhálózat csökkenő népességszám szerinti bővítésekor hogyan módosul az alakzat területi jellemzője, nincs rá szabályszerűség; sok országot megvizsgálva esetleg csoportok képezhetők. Ennek az induló hipotézisnek a bizonyítása a jövő feladata. IRODALOM Bajmócy Péter – Kiss János (1999): Megyék, régiók és központjaik – modellek tükrében. Tér és Társadalom, 1–2. Balogh Nóra (2007): A bankszektor területi képe Magyarországon és Budapest bankhálózatának terület szempontú értékelése. Diplomamunka. Eötvös Loránd Tudományegyetem Regionális Földrajzi Tanszék, Budapest Barr, Brenton – Lindsay, Ian – Reinelt, Erhard (1971): Patterns of Urban Spacing int he USSR: Analysis of Order Neighbor Statistics in Two-dimensional Space. Journal of Regional Science. Vol. 11/2. Beluszky Pál – Győri Róbert (2004): Fel is út, le is út… (Városaink településhierarchiában elfoglalt pozícióinak változásai a 20. században). Tér és Társadalom, 1. Beluszky Pál – Győri Róbert (2006): Ez a falu város! (Avagy a városi rang adományozásának gyakorlata s következményei 1990 után). Tér és Társadalom, 2. Béres Judit (2001): Funkciók térbeli elhelyezkedése Budapesten. Szemináriumi dolgozat. Eötvös Loránd Tudományegyetem Regionális Földrajzi Tanszék, Budapest Buyong, Taher (2007): Spatial Data Analysis for Geographic Information Science. Penerbit Universiti Teknologi Malaysia Clark, Philip J. – Evans, Francis C. (1954): Distance to Nearest Neighbor as a Measure of Spatial Relationships in Populations. Ecology, 4.

294


Dacey, Michael F. (1963): Order Neighbor Statistics for a Class of Random Patterns in Multidimensional Space. Annals of the Association of American Geographers, 4. Davis, Jennifer H. – Howe, Robert W. – Davis, Gregory J. (2000): A multi-scale spatial analysis method for point data. Landscape Ecology, 15. Dusek Tamás (2004): A területi elemzések alapjai. Regionális Tudományi Tanulmányok 10. ELTE Regionális Földrajzi Tanszék – MTA–ELTE Regionális Tudományi Kutatócsoport, Budapest Ebdon, David (1985): Statistics in Geography. Second Edition. Blackwell Publishing Fotheringham, A. Stewart – Brunsdon, Chris – Charlton, Martin (2000): Quantitative Geography. Perspectives on Spatial Data Analysis. Sage Publications Getis, Arthur – Boots, Barry (1977): Models of Spatial Processes. Cambridge University Press, Cambridge Győri Róbert (2005): A térszerkezet átalakulásának elemei a Kisalföld déli részén (a XVIII. század végétől a XX. század elejéig). Doktori értekezés. ELTE TTK Földtudományi Doktori Iskola, Budapest Haggett, Peter (2006): Geográfia. Globális szintézis. Typotex, Budapest Harvey, David (1967): Models of the Evolution of Spatial Patterns in Human Geography. In: Chorley, Richard J. – Haggett, Peter (eds.): Models in Geography. Methuen: London King, Leslie (1961): A Multivariate Analysis of the Spacing of Urban Settlements in the United States. Annals of the Association of American Geographers. Vol. 51. Issue 2. Mesev, Victor (2005): Identification and characterisation of urban building patterns using IKONOS imagery and point-based postal data. Computers, Environment and Urban Systems, 29. Nemes Nagy József (1996): Térbeli pontalakzatok vizsgálata. In: Szónokyné Ancsin Gabriella – Herendi István (szerk.): Társadalomföldrajzi elemzések számítógépen. JATEPress, Szeged Nemes Nagy József (1998): A tér a társadalomkutatásban. Hilscher Rezső Szociálpolitikai Egyesület, Budapest Oláh János (2003): Vidékgazdaság diverzifikálás és multiplikálás. Magyar Tudomány 2003/7. Probáld Ferenc (2007): Kelet-Közép Európa és Délkelet-Európa. In: Probáld Ferenc – Szabó Pál (szerk.) Európa regionális földrajza. Társadalomföldrajz. ELTE Eötvös Kiadó, Budapest Richardson, Harry W. (1978): Regional Economics. University of Illinois Press, Urbana–Chicago–London Sinclair, Dennis F. (1985): On Tests of Spatial Randomness Using Mean Nearest Neighbor Distance. Ecology, 3. Southwood, T. R. E. (1985): Ökológiai módszerek. Mezőgazdasági Kiadó, Budapest Kulcsszavak: ponteloszlás, legközelebbi szomszéd analízis, magyarországi városhálózat, Csehország, Szlovákia, Románia. Resume The nearest neighbour analysis is one of the most common methods in human geography and spatial analysis which measures the spatial randomness of point patterns. In this paper the authors give a concise summary of the method, its role and place in the geographical analysis, and also its application possibilities and constraints. Based on the Hungarian literature, some of the former calculations for the Hungarian settlement network have been redone. It is shown that in the past decade (as a result of city status granting) the city network is becoming spatially more random. In the last chapter nearest neighbour analyses for the Czech Republic, Slovakia and Romania are presented. The spatial randomness of the city-locations in these countries can also be observed, with geographical uniqueness playing an important role in the differences.

ELEMZÉSEK DR. JAKOBI ÁKOS – JENEY LÁSZLÓ

A szomszédsági mátrix problematikájának megoldási lehetőségei – elmélet és gyakorlat A modern területi kutatói eszköztárban számos olyan módszer ismert, amely integráltan vagy szükséges előfeltételként alkalmazza a megfigyelési egységek szomszédsági viszonyrendszerének valamilyen módú ismeretét. Amióta a szakma (újra) felismerte a szomszédság, a közelség és ezekkel kapcsolatban a hasonlóság fogalmát, illetve amióta nyilvánvalóvá vált, hogy Waldo Toblernek a földrajz első „törvénye” (sejtése) kapcsán igaza volt, azóta – főként napjainkban – egyre nagyobb számban találkozhatunk szomszédsági modelleket alkalmazó vizsgálatokkal. Tobler sejtése szerint „minden mindennel összefügg, de a közelebbi dolgok erősebben hatnak egymásra” (Tobler 1970), s ez igaz lehet a különböző kontextusokban értelmezett térbeli társadalmi létezők vizsgálatakor is. A szomszédsági relációk ismerete azonban nemcsak a fent jelzett állítást tesztelő területi autokorreláció módszere kapcsán, hanem az azzal többé-kevésbé rokon területi mozgóátlag, területi autoregresszív modellek vagy a térinformatikában is alkalmazott kernelek, területi szűrők használatakor is lényeges. Nem mindegy azonban, hogy a térbeli egymásra hatás vagy egymásmellettiség vizsgálatában mit és miként tekintünk szomszédosnak. Ugyanazon kiindulási adatok mellett lényegi eltéréseket tapasztalhatunk a különböző módokon definiált szomszédsági relációk függvényében, továbbá aszerint is, hogy milyen formában rögzítettük vagy kódoltuk a szomszédsági viszonyokat, azaz miként hoztuk létre a szomszédsági mátrixunkat. Jelen tanulmányunkban ezért arra teszünk kísérletet, hogy röviden összefoglaljuk és néhány gyakorlati példával bemutassuk a szomszédsági mátrixok kialakításakor felmerülő problémákat, ezenfelül megpróbáljuk áttekinteni a szerteágazó megoldási lehetőségek lényegi sajátosságait is. A probléma lényege, a szomszédsági reláció meghatározása A szomszédsági mátrix problematikájának sarkalatos kérdése, hogy egy-egy vizsgált területi adathalmaz önálló létezői között mely elemek (térségek, pontok stb.) számítanak szomszédosaknak és melyek nem, s mindezen állításainkat milyen algoritmus alapján fogalmazzuk meg. A szomszédság értelmezésében tapasztalható eltérések lényegileg módosíthatják a kialakuló szomszédsági mátrixok értékeit, s ezáltal közvetlenül az erre épülő számítási modellek végeredményeit is. Körültekintően és előrelátóan kell tehát kiválasztanunk azt az értelmezési rendszert, amelyben a szomszédsági relációkat meghatározzuk. A hazai szakirodalom több műve is foglalkozik a szomszédság és a területi elemzések kapcsolatával, melyek közül kiemelendő Nemes Nagy József néhány alkotása (1998,

296

DR. JAKOBI ÁKOS – JENEY LÁSZLÓ

2005), illetve Dusek Tamás (2004) elméleti monográfiája. A téma nemzetközi szakirodalma ezzel párhuzamban igen sokrétű az ökonometriai közelítésektől (például Anselin et al. 2004) a térinformatikai megoldásokig (például Goodchild 1987). Ezen munkák nyomdokain haladva először lássuk, miként és milyen problémákkal szembesülve határozhatjuk meg a vizsgált térbeli elemek szomszédsági viszonyait! Egyértelmű, hogy a szomszédsági kapcsolatrendszerek változatosságából fakadóan nem fogalmazható meg egy mindenek felett álló megoldás a szomszédsági relációk definiálására. Kiindulásként már akkor válaszút elé kerülünk, amikor el kell döntenünk, hogy pontalakzatok, területalakzatok, esetleg vonalas hálózatok elemei között vizsgálódunk. A szomszédsági reláció meghatározása talán a területalakzatoknál (megyéknél, régióknál, országoknál stb.) tűnik a legegyszerűbbnek, amikor a közvetlen határvonallal érintkező területi elemeket tekinthetjük szomszédosaknak (amelyeknek van egy nem zérus hosszúságú közös határszakasza). Ritka problémát csak az okozhat (főként szabályos vagy szabályosnak tűnő területalakzatok esetében), ha két területegység nem egy jól definiált határvonallal, hanem csak egyetlen pontban (csúcspontban) érintkezik egymással. Efféle relációkkal találkozhatunk a sakktáblaszerű területalakzatoknál (lásd például az Egyesült Államok némely tagállamát, vagy egyes megyei szintű körzeteit, vagy például Namíbia, Botswana, Zimbabwe és Zambia közös határát), s a probléma megoldásához is a sakkból átvett vezérszomszédság vagy bástyaszomszédság (esetleg futószomszédság) módszerét kölcsönözhetjük. Pontalakzatok esetében nem beszélhetünk a szomszédok közvetlen érintkezéséről. A térben elkülönülő pontok (például városok, mérőállomások stb.) szomszédsági relációit leggyakoribb esetben a távolság fogalmára vezetjük vissza, és szomszédosaknak azokat a párokat tekintjük, amelyek adott ponttól a legkisebb távolságra (legközelebbi szomszéd) vagy egy adott értéknél kisebb távolságra találhatók (környezeti szomszéd), esetleg azokat a legközelebbi pontokat, amelyeknek összlétszáma kisebb, mint K (K legközelebbi szomszéd, azaz például a három legközelebbi szomszéd). 1. ábra

A szomszédsági relációk különböző értelmezései ugyanazon pontalakzat esetében

A SZOMSZÉDSÁGI MÁTRIX PROBLEMATIKÁJÁNAK MEGOLDÁSI LEHETŐSÉGEI

297

a) Dirichlet- [Thiessen-, Voronoi-] poligonok; b) r sugarú távolsággal meghatározott környezeti szomszéd; c) legközelebbi szomszéd; d) relatív szomszéd; e) kölcsönös legközelebbi szomszéd; f) Gabriel-szomszéd; g) minimális elágazású fa; h) hatókör-szomszéd. Megjegyzés: a mátrixok értelmezését lásd lejjebb!

Az 1. ábra a pontalakzatok szomszédsági vizsgálata kapcsán előforduló megoldások közül mutat be néhányat, továbbá egyértelműen szemlélteti, hogy milyen eltéréseket tapasztalhatunk a különbözőképpen definiált szomszédsági relációkat rögzítő mátrixokban. A példákban alkalmazott algoritmusok a következők: a) Dirichlet- [Thiessen-, Voronoi-] poligonok: azon térrész, melynek összes pontja közelebb esik adott referenciaponthoz, mint bármely más referenciaponthoz; b) r sugarú távolsággal meghatározott környezeti szomszéd: szomszédos az a pont, amely adott referenciaponttól kisebb mint r távolságra található; i és j szomszédos, ha dij kisebb, mint r; c) legközelebbi szomszéd: szomszédos az a pont, amely adott referenciaponttól a legkisebb távolságra található; i és j szomszédos, ha dij kisebb, mint bármely dik; d) relatív szomszéd: i és j szomszédos, ha az i és a j köré írt dij sugarú mindkét kör üres; e) kölcsönös legközelebbi szomszéd: i és j szomszédos, ha dij kisebb, mint bármely dik és kisebb, mint bármely djk; f) Gabriel-szomszéd: i és j szomszédos, ha az i-re és j-re írt (i-t és j-t érintő) dij átmérőjű kör üres; g) minimális elágazású fa alapján meghatározott szomszéd: i és j szomszédos, ha a minimális teljes élhosszú hurokmentes gráfban közvetlen éllel összekötött; h) hatókör-szomszéd: i és j szomszédos, ha a legközelebbi szomszédnyi sugarú köreik minimum 2 pontban metszik egymást. A pontalakzatok szomszédsági viszonyrendszeréből továbbvezethető a gráfok és hálózati alakzatok szomszédsági kapcsolatainak meghatározása. A hálózati szomszédság, amely talán a legegyszerűbben belátható szomszédsági reláció, akkor áll fenn, ha két csomópont között közvetlen összeköttetés (él) található. Különleges, úgynevezett irányí-

298


tott hálózatokban a szomszédsági reláció nem minden esetben szimmetrikus, amíg i-ből él vezet j-be, addig nem biztos, hogy j-ből is él mutat i-be. Újabb és érdekes megoldást kínálnak azok a módszerek, amelyek az egyes alakzattípusok szomszédsági relációkat meghatározó eljárásait egymással kombinálva, esetleg egyidejűleg kiegészítve vagy továbbfejlesztve alkalmazzák. Tipikus és gyakori módszernek számít például a területalakzatok pontalakzattá történő átalakítása, majd ezt követően a ponthalmazon belül a fent említett módszerek valamelyike szerint a szomszédsági viszonyok meghatározása. Módszertani problémát, illetve eltéréseket itt talán nem is a szomszédsági kapcsolatok, mint inkább a területi elemek pontként való értelmezése szülhet, hiszen nem mindegy, hogy mely (milyen helyzetű) pontokkal helyettesítjük az eredeti területi objektumokat. Leggyakrabban valamilyen reprezentatív ponttal, pontosabban annak helyzeti koordinátáival jellemezhetünk egy területet (például a megyeszékhely vagy a térségi székhely koordinátáival), más esetben például az adott terület mint poligon centroidját1 tekinthetjük helyettesítő pontnak. Ez utóbbi megoldás azonban sajátos gondot okozhat a nem konvex rajzolatú területi elemek esetében, ahol a számított centroid néha az adott poligonon kívülre eshet. Gyakori az is, amikor pontalakzatokat területalakzatokká alakítunk át a szomszédsági relációk meghatározásához. Ilyenkor a pontszerűen mért adatok területekre való kiterjesztésének módszertanából, illetőleg a térinformatikából már jól ismert Thiessen- vagy más néven Voronoi- vagy Dirichlet-poligonok kialakításával hozhatunk létre területalakzatokat (1. ábra), ezeket aztán a hagyományos szomszédsági kapcsolatokat meghatározó elvek alapján értékelhetjük. Szomszédsági mátrixalkotási módszerek Azzal, hogy képesek vagyunk meghatározni a szomszédsági relációkat bármely térbeli alakzat esetében, még korántsem értünk a megválaszolandó kérdések végére. A szomszédsági kapcsolatokat számszerűleg rögzítő szomszédsági mátrix ugyanazon szomszédsági relációk mellett eltérő módokon, más és más eredménnyel is kialakítható. A megfelelő mátrix kiválasztása döntés kérdése, mindazonáltal nem mindig található meg a szomszédsági viszonyrendszert legjobban leíró változat. „A szomszédsági mátrix N sorból és N oszlopból áll, i-edik sora j-edik elemének értéke az i-edik és j-edik területegység szomszédságának hiányában 0, szomszédságuk esetén 0-tól különböző” (Dusek 2004, p. 204). Konvenció szerint egy területegység nem szomszédja önmagának, ezért a mátrix főátlójának elemei 0 értékűek. A legegyszerűbb megoldások szimpla bináris mátrixokkal operálnak, amelyekben a szomszédos térelemek cellaértéke 1, a nem szomszédosaké 0. Itt jegyezzük meg, hogy míg a hagyományos elsőfokú szomszédsági mátrixok esetében a közvetlen szomszédok kapcsolatait regisztráljuk 1-es értékkel, addig a másodfokú (vagy többedfokú) mátrixoknál a szomszédok szomszédait (stb.) kódoljuk ilyen módon, lehetőséget biztosítva ezzel például a térbeli oszcilláció kimutatására vagy tesztelésére. A nem bináris mátrixok esetében a 0 értékek mellett nem 0 értékek szerepelnek a cellákban. A sor-normalizált mátrixokban a szomszédsági kapcsolatokat jelző cellákban 1/N értékek találhatók, ahol N az adott téregység1 A centroid vagy középpont meghatározásakor két eljárás közül választhatunk. Az egyszerűbb (középponti) módszer az érintett poligon x és y koordinátáinak egyszerű átlagát használja, míg a másik a poligont határoló vertex-koordináták alapján számított súlypontok koordinátáit alkalmazza (Worboys – Duckham 2004).


299

gel szomszédos elemek számát jelöli, és ahol a sorokban szereplő értékek összege 1 (példaként lásd: Nemes Nagy 1998, p. 219), a teljes normalizált mátrixokban a 0 értékek melletti 1/N értékeknél N az összes megfigyelési egység számát jelöli (és nem csak a szomszédosakét), így az eredmény sorösszege változó. Fontos kitérnünk arra, hogy habár rendszerint szimmetrikusnak véljük a szomszédsági mátrixokat, az esetek egy jelentős részében (amint az például a sor-normalizált mátrixnál is tapasztalható) az eredmények nem mindig formálnak szimmetrikus képet. Nem kapunk szimmetrikus eredményt akkor sem, ha a legközelebbi szomszéd vagy a K legközelebbi szomszéd algoritmusát használjuk. Abban is különbség mutatkozik, hogy ezeket a szomszédsági mátrixokat valódi matematikai mátrixokként kezeljük, vagy szimplán szomszédságokat kódoló táblázatokként használjuk. Javarészt a szomszédsági mátrixra épülő számítási módszer, tehát a konkrét eljárás igénye dönti el, hogy milyen típusú mátrixszal, szimmetrikus vagy nem szimmetrikus, matematikai vagy nem matematikai változattal dolgozunk-e. A szomszédság meghatározására legmegfelelőbb módszer esetenként épp az elkészült szomszédsági mátrix ellenőrzésekor válik nyilvánvalóvá. Általános szokás (vagy szabály) ugyanis a szomszédok nélküli térelemek, úgynevezett szigetek kialakulását előidéző megoldások kerülése. Ilyen esetekben az érintett megfigyelési egység adatértéke végül is kimarad a területi adatsorból, ami a térstatisztikai számítások eredményeinek lényeges torzulásához vezethet. A probléma nem minden szomszédsági algoritmusnál jelentkezik, egyeseknél nagyobb gyakorisággal fordulhat elő (lásd például a kölcsönös legközelebbi szomszéd módszerét), másoknál pedig kellő körültekintéssel kiküszöbölhető (például a környezetiszomszéd-módszer esetében, ahol r sugár értéke a legközelebbi szomszéd távolságok legnagyobbikánál nagyobb kell legyen). Mindezek eredményeként a szomszédsági mátrixokban nem lesznek olyan sorok, amelyekben kizárólag 0 értékek szerepelnek. A bináris mátrixokkal ellentétben a valamilyen paraméter alapján súlyozott szomszédsági mátrixok változékony belső cellaértékeket tartalmazhatnak. Az sem véletlen, hogy a szomszédsági mátrixokat gyakorta nevezi a szakirodalom területi súlymátrixoknak (spatial weight matrix), hiszen a területi adatok eleve súlyozottak a szomszédsági reláció meglétével vagy hiányával, a szomszédsági mátrixok esetében a súlyozás kérdése azonban más összefüggésben is felmerülhet. Ha a szomszédos téregységek kapcsolatának vizsgálatakor a kapcsolat intenzitása alapján különbéget szeretnénk tenni a szomszédok között, akkor a szomszédsági reláció „erősségét” különböző súlyokkal differenciálhatjuk. Területalakzatok esetében – főleg a topológiai változatosságra visszavezethető okok miatt – a súlyozás alapja lehet például a közös határszakasz hosszúsága (határhosszsúlyozásos szomszédsági mátrix), vagy a tényleges összeköttetést biztosító átmenő kapcsolatok (például összekötő utak, határállomások) száma, vagy a térségközpontok távolsága, esetleg ezek kombinációi (Cliff – Ord 1981). Más, komplexebb modellek bizonyos attribútumsúlyokat is bevonnak a szomszédsági mátrixokba (például Ferrándiz et al. 1995, akik a gravitációs modellekhez hasonlóan a helyi Pi és a távoli Pj népességgel és a dij távolsággal súlyozták az értékeket a wij=[PiPj]0,5/dij formula szerint). Bár a súlyozás eredeti célja a valóságoshoz jobban hasonlító szomszédsági viszonyrendszer modellezése, ám kritikusai szerint a valódi szomszédsági összefüggéseket ezek a módszerek csak kis sikerrel tudják becsülni.

300


A szomszédság értelmezése a gyakorlatban: az EU nagyvároshálózatának példája A következőkben a szomszédsági mátrix gyakorlati alkalmazását az Európai Unió nagyvárosaira számított területi autokorreláció példáján mutatjuk be. Jelen elemzés egy, a Területi Statisztikában megjelent hasonló témájú vizsgálat (Jeney 2008) alapadatait és eredményeit vezeti tovább. Ennek értelmében jelen számítások is az Európai Unió 59 nagyvárosának2 1995 és 2004 közötti egy főre jutó GDP3-adataira támaszkodnak. A korábbi vizsgálat megállapítja, hogy a nagyvárosok gazdasági fejlettsége összefügg szomszédságukéval. Az inkább statikus szemléletű elemzés helyett jelen esetben a fejlődési dinamikára összpontosítunk. Az Európai Unió nagyvároshálózata szabálytalan pontalakzatra hasonlít, amelyről nagy vonásokban megállapítható, hogy egy Angliától Lengyelországig húzódó széles sávban sűrűsödik, a perifériákon pedig ritkább. Ez a fajta földrajzi elhelyezkedés jelentősen megnehezíti a földrajzi szomszédság fogalmának értelmezését. Valamennyi, korábbiakban felvázolt szomszédságfogalom esetében előfordulnak zavaró tényezők. A területalakzatoknál a szomszédság meghatározásakor általánosan alkalmazott közvetlen területi szomszédság a nagyvárosok mint pontalakzatok esetében nem jöhet szóba. A nagyvárosi szomszédság meghatározásának három főbb alapesete: 1. ha egy (vagy meghatározott számú) nagyvárost tekintünk szomszédnak, 2. ha meghatározott távolságon belül az összes nagyvárost szomszédnak tekintjük, 3. ha a teljes nagyvárosok közötti terület (Dirichlet-féle) felosztása után a szomszédos régiók nagyvárosait tekintjük szomszédosaknak. 1. táblázat

A háromféle szomszédságlehatárolás előnyei és hátrányai az EU nagyvároshálózata esetében A szomszédság meghatározása

A szomszédság azonos távolságot jelent

A szomszédsági viszony kölcsönös

Egy, vagy meghatározott legközelebbi szomszéd: számú legközelebbi nagy- Duisburg: 18 km Essen város Athén: 525 km Szófia

hányadik legközelebbi: Bukarest: Budapest 2. Budapest: Bukarest 11.

Meghatározott távolságon teljesül belüli nagyvárosok

teljesül

Nagyvárosokhoz rendelt régióval határos régiók nagyvárosai

teljesül

határos régiók: Budapest–Szófia: igen Duisburg–Köln: nem

A szomszédok száma azonos teljesül a szomszédok száma: Athén, Bukarest 1 db Stuttgart: 24 db a szomszédok száma: Athén: 1 db Dortmund: 8 db

Forrás: Eurostat adatai alapján saját számítások.

A három különböző elv szerint meghatározott szomszédságértelmezések előnyeit és hátrányait az 1. táblázat foglalja össze. A táblázat összeállításakor – igazodva egyben a már említett korábbi vizsgálathoz – a szomszédság kritériumául egy meghatározott föld2 A számításokba a 27 tagú Európai Unió azon 59 nagyvárosát vontunk be, amelyek elővárosok nélküli népességszáma a történelem során valaha meghaladta a félmillió főt. Az adatok valójában nem magukra a nagyvárosokra, hanem az azokat magukban foglaló NUTS 3-as régiókra vonatkoznak, e régiók többé-kevésbé megegyeznek a nagyvárosokkal. 3 A piaci, folyóáron, euróban mért egy főre jutó GDP adatai az Európai Unió statisztikai hivatalának honlapjáról származnak (http://epp.eurostat.ec.europa.eu).


301

rajzi távolságot, nevezetesen 550 km-t választottunk. E küszöbérték meghatározásánál arra kellett törekedni, hogy minden nagyvárosnak legyen szomszédja (lásd „legnagyobb legközelebbi szomszéd” kritérium), a legközelebbi szomszédok átlagos távolsága egyébként 170 km. Markáns szomszédsági együttmozgás a gazdasági dinamikában Az 1995 és 2004 közötti időszakban az Európai Unió 59 nagyvárosának egy főre jutó GDP-je átlagosan másfélszeresére növekedett. Ez az átlagérték azonban jelentős különbségeket takar el: a leggyorsabban és a leglassabban fejlődő nagyvárosok között meglehetősen nagy a differencia. A közel egy évtized alatt, miközben Vilnius egy főre jutó GDPje 4,7-szeresére nőtt, Berlin gyakorlatilag stagnált. A szélső értékek is igazolják, hogy a leggyorsabb növekedés elsősorban a volt szocialista országokhoz tartozó nagyvárosokat, míg a leglassabb főleg Nyugat-Közép-Európa nagyvárosait jellemzi. A nagyvárosok gazdasági fejlődésében első ránézésre is látható, hogy az Európai Unió egymáshoz közel fekvő nagyvárosai általában hasonló mértékben fejlődtek. A nagyvárosok négy főbb kategóriára különíthetők el aszerint, hogy saját, illetve szomszédságuk gazdasági fejlődése átlag feletti vagy az alatti-e. Az egyes kategóriákat két betűvel jelölve az első betű a nagyváros saját, a második pedig a szomszédos nagyvárosok átlagos fejlődésére utal. Az angol terminológiát alapul véve az átlag feletti jelleget „H” (high), az átlag alattit „L” betű (low) jelöli. A 2. ábrán látható az egyes kategóriákhoz tartozó nagyvárosok területi elrendeződése. 2. ábra

Az egy főre jutó GDP 1995 és 2004 közötti növekedésének szomszédsági hasonlósága

Forrás: az Eurostat adatai alapján saját számítások.

302


A nagyvárosok kategóriák szerinti megoszlása, illetve a csoportok földrajzi elhelyezkedése alapján két fontos tanulság állapítható meg. A nagyvárosok többsége vagy a „HH” vagy az „LL” csoporthoz tartozik, a vegyes csoportok kisebb elemszámúak. Eszerint a gyorsabban fejlődő nagyvárosok szomszédsága is dinamikusabb gazdasági növekedésű, és ugyanez igaz a lassabban fejlődő vagy gazdaságilag stagnáló nagyvárosokra is. Az 59 nagyvárosból 48 (!) esetében a saját és a szomszédos városok gazdasági fejlődése az átlaghoz viszonyítva hasonló irányú. Ebből 25 nagyvárosnál találunk „HH” minősítést, és 23 tartozik az „LL” kategóriához. Mindössze 11 esetben találhatunk a nagyváros és szomszédsága esetében az átlaghoz viszonyítva eltérő képet. Ez utóbbiak zöménél (10 nagyvárosnál) az átlagnál gyorsabb gazdasági fejlődés párosul a szomszédság átlagnál lassabb dinamikájával. Csupán Marseille esetében találunk példát arra, hogy a szomszédság átlagosnál gyorsabb ütemű fejlődése ellenére a nagyváros átlag alatti fejlődésű. Ez a megoszlás arra enged következtetni, hogy az Európai Unió nagyvárosainak gazdasági fejlődése többnyire hasonló a szomszédos nagyvárosokéhoz. Habár tényleges szomszédsági egymásrahatásról nem beszélhetünk, de a szomszédsági együttmozgás mindenképpen megállapítható. Az egyes kategóriák földrajzi elrendeződése is rendkívül tanulságos. A „HH” kategória elsősorban a perifériákat jellemzi. A korábban már említett Kelet-Közép-Európa mellé sorolhatók a Brit-szigetek és a Mediterráneum nagyvárosai is. Az „LL” kategória elsősorban a fejlett európai magterületen („kék banán”) és Nyugat-Közép-Európa egyéb részein jellemző. A „HL” kategóriához az úgynevezett „kontaktzóna” nagyvárosai tartoznak, amelyek a két előző csoport közötti átmeneti zónában helyezkednek el. A cseh és lengyel nagyvárosok, London, illetve az észak-olasz nagyvárosok szomszédságához már bekerültek a lassabban fejlődő nyugat-közép-európai (főleg német) nagyvárosok is. Nyugat-Közép-Európából egyedül Amszterdam ért el az átlagnál gyorsabb gazdasági növekedést. Az „LH” kategóriához egyedüliként tartozó Marseille estében pedig épp fordított a helyzet. A dinamikusan fejlődő déli tengelyen (sunbelt) elhelyezkedő Marseille nem annyira a szomszédsága, mint inkább a másik két francia nagyváros (Lyon és Párizs) vontatott gazdasági fejlődésében osztozik. Figyelembe véve a nagyvárosok statikus gazdasági fejlettségi szintjét, láthatjuk, hogy az elmaradottabb nagyvárosok fejlődnek gyorsabban. Ez alapján tehát egy markáns közösségi szintű kiegyenlítődési folyamatnak lehetünk tanúi. A nagyvárosok és a nagyvárosszomszédaik fejlődése közötti sztochasztikus kapcsolatok A nagyvárosok saját, illetve a szomszédos nagyvárosok átlagos gazdasági fejlődése közötti összefüggés korrelációs vizsgálattal empirikusan is igazolható. (Az itt alkalmazott módszerek részletesebb bemutatását lásd Dusek 2004 és Nemes Nagy 2005.) Ehhez először a Pearson-féle lineáris korrelációt, majd pedig a Moran-féle területi autokorreláció számítását alkalmazzuk az alábbi képletek alapján: n

rpearson =

∑ (x i =1

n

∑ (x i =1

i

i

− x )( y i − y )

− x ) 2 ∑ ( yi − y ) 2 i =1

,


303

ahol xi az i-edik nagyváros gazdasági fejlődése, yi az i-edik nagyváros szomszédságának gazdasági fejlődése, x a nagyvárosok gazdasági fejlődésének átlaga, y a szomszédos nagyvárosok gazdasági fejlődésének átlaga. Az egy főre jutó GDP 1995 és 2004 közötti növekedésére kiszámított, a nagyvárosok és szomszédságuk átlaga közötti Pearson-féle korrelációs együttható értéke 0,66, amely erős összefüggésről árulkodik. A két adatsor közötti lineáris regresszió esetében a determinációs együttható (R2) értéke 0,43, az egyenlet képlete y = 0,3092x + 1,0162. A területi autokorreláció mérésére a leggyakrabban a Moran-féle I-t alkalmazzák, amelynek képlete a következő: N

I=

N N

N

∑∑ ( x

N

∑∑ D

*

i =1 j =1

i

− x)( x j − x) * Dij

N

,

∑ ( x − x) ahol xi az i-edik nagyváros gazdasági fejlődése, x a nagyvárosok gazdasági fejlődésének i =1 j =1

ij

2

i =1

i

átlaga, Dij a szomszédos nagyvárosok egymástól való távolságának reciproka, a nem szomszédos (azaz egymástól 550 km-nél távolabb fekvő) nagyvárosok esetében ez az érték 0, N a nagyvárosok száma (jelen esetben 59). Az egy főre jutó GDP 1995 és 2004 közötti növekedésére számított Moran I értéke 0,45. E mutató értékének értelmezésénél I értékét az aktuális elemszámból következő véletlen területi eloszláshoz, –1/(N–1)-hez kell viszonyítani (ami –0,02 az 59 nagyváros esetében). Mivel a Moran I értéke meghaladja ezt az értéket, egyértelműen pozitív területi autokorreláltságról beszélhetünk. Az egy főre jutó GDP növekedése tekintetében tehát megfigyelhető a szomszédsági együttmozgás, a statikus vizsgálatok esetében azonban egész más tendencia tárul elénk. Az évenként statikusan kiszámított korrelációs értékek idősora fokozatosan romló összefüggésről árulkodik, akár a Pearson-féle lineáris korrelációt (r), akár a Moran I értékét vesszük alapul (2. táblázat). 2. táblázat

Az egy főre jutó GDP-re évenként kiszámított korrelációs együtthatók idősorai Együttható

1995

1996

1997

1998

1999

2000

2001

2002

2003

Pearson-féle r

0,69

0,68

0,68

0,68

0,67

0,66

0,65

0,64

0,64

2004 0,63

Moran-féle I

0,62

0,52

0,45

0,45

0,40

0,34

0,33

0,31

0,33

0,30

Forrás: Az Eurostat adatai alapján saját számítások.

A fenti táblázat adatait a korábban leírtakkal összevetve megállapítható hogy a nagyvárosok gazdasági fejlődésében mért szomszédsági együttmozgás ellenére a szomszédsági hasonlóság fokozatosan halványodik. Ez azzal magyarázható, hogy a vizsgált időszak elején az Európai Unió nagyvároshálózatának térszerkezetét nagy regionális különbségek jellemezték, ami felértékelte a nagyvárosok nagytérségi hovatartozását a gazdasági fejlettségi különbségeikben. A legfejlettebb (nyugat-közép-európai) nagyvárosok egységes tömbként emelkedtek ki a szegényebb perifériákhoz képest. Időközben, a közösség nagyvároshálózatán belül közel egy évtized alatt végbement igen határozott kiegyenlítődési folyamat eredményeként némileg oldódtak a korábban markánsabban létező tömbök

304


közötti vetővonalak, különösen az északnyugati perifériának (a Brit-szigeteknek) a centrumtérséghez történő felzárkózása nyomán. Összefoglalva, az Európai Unió nagyvároshálózata esetében a nagytérségi szomszédság értelmezésének talán legalkalmasabb módja, ha egy előre meghatározott távolságon (jelen esetben 550 km-en) belüli nagyvárosokat tekintjük szomszédosaknak. A nagyvárosok ezredfordulón tapasztalt fejlődési dinamikája esetében makroszinten kimutatható valamiféle szomszédsági együttmozgás, ugyanakkor ezzel párhuzamosan a nagyvárosok közötti szomszédsági hasonlóság fokozatosan halványodik. IRODALOM Anselin, Luc – Florax, Raymond J. G. M. – Rey, Sergio J. (eds.) (2004): Advances in Spatial Econometrics: Methodology, Tools, and Applications. Springer–Verlag, Berlin Cliff, Andrew D. – Ord, J. Keith (1981): Spatial Processes, Models and Applications. Pion, London Dusek Tamás (2004): A területi elemzések alapjai. Regionális Tudományi Tanulmányok, 10., ELTE Regionális Földrajzi Tanszék – MTA–ELTE Regionális Tudományi Kutatócsoport, Budapest Ferrándiz, Juan – López, Antonio – Llopis, Agustín – Morales, María – Tejerizo, María Luisa (1995): Spatial interaction between neighbouring counties: Cancer mortality data in Valencia (Spain). Biometrics, 51. Goodchild, Michael F. (1987): A spatial analytical perspective on geographical information systems. International Journal of Geographical Information Systems, 1. Jeney László (2008): A szomszédsági hasonlóság szerepe az Európai Unió nagyvárosai közötti fejlettségi különbségekben. Területi Statisztika, 1. Nemes Nagy József (1998): A tér a társadalomkutatásban. Hilscher Rezső Szociálpolitikai Egyesület, Budapest Nemes Nagy József (szerk.) (2005): Regionális elemzési módszerek. Regionális Tudományi Tanulmányok, 11., ELTE Regionális Földrajzi Tanszék – MTA–ELTE Regionális Tudományi Kutatócsoport, Budapest Tobler, Waldo R. (1970): Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 46, 2. Worboys, Michael F. –Duckham, Matt (2004): GIS: A Computing Perspective. 2nd Edition. Taylor and Francis Kulcsszavak: szomszédság, szomszédsági mátrix, alakzat, nagyváros, Európai Unió, területi autokorreláció. Resume This paper summarizes theoretical aspects of determining neighbourhood relations and aims to reveal difficulties of creating spatial weight matrices. The study also presents some practical solutions to overcome methodological problems and to illustrate neighbourhood models in the context of large cities of the EU. Summing up what has been written, the best way to define neighbourhood on the macro-level city network of the European Union is to consider those cities as neighbours, which are located within a predetermined distance (550 km) from each other. Similar movement among neighbours can be observed in case of economic development of cities at the turn of the millennium, however meanwhile the economic similarity among cities located close to each other is turning pale.

LŐCSEI HAJNALKA – SZALKAI GÁBOR

Helyzeti és fejlettségi centrum–periféria relációk a hazai kistérségekben A centrum–periféria modell a társadalomtudományokban elterjedt paradigma. Tartalmának, értelmezési lehetőségeinek legáltalánosabban megfogalmazott, a térbeliséggel kapcsolatos munkákban sokat hivatkozott leírását megtaláljuk Nemes Nagy József 1998ban megjelent könyvében. Lényegében a modell egy tetszőleges méretű térbeli rendszer egyenlőtlenségeit fejezi ki. Két szélső kategóriája a centrum és a periféria, amelyek a térelemek egymáshoz viszonyított, relatív központi, illetve peremi helyzetét tükrözik. E fogalmakat a hasonló jelentéstartalmú középpont–határ fogalompártól egyértelműen megkülönbözteti, hogy a centrumhoz pozitív, a perifériához pedig negatív értékítélet is tartozik. A centrum az a pont, amely az adott halmaz többi pontjához a legközelebb van, míg a periféria a centrumtól mért legtávolabbi, peremi (határ menti) pontok halmaza. A fentebb említett munka a centrum–periféria modellek három alapvető jelentését különbözteti meg1: a helyzeti (földrajzi) centrum–periféria kettősség a matematika középpont– határ fogalompárjával analóg. A helyzeti centrumok és perifériák lehatárolásának központi fogalma a távolság. A fejlettségi (gazdasági) centrum és periféria hatékonysági és jövedelmezőségi viszonyok alapján határolható le. A földrajzi térre vetítve a centrumok a fejlett, a perifériák pedig az elmaradott térségekkel, településekkel azonosíthatók. E viszonyrendszer központi fogalma az értékegyenlőség. A hatalmi (társadalmi) centrumok és perifériák között függőségi viszony áll fenn; a hatalmi elit a centrumot, a kiszolgáltatott tömeg pedig a perifériát képviseli. A földrajzi térre vetítve a centrumhoz társadalmi intézmények köthetők (például parlament, bíróság, királyi székhely). Az egymástól elkülönülő jelentéstartalmak önmagukban is megjelennek a regionális kutatásokban, de a legérdekesebb az egymáshoz való viszonyuk vizsgálata. A geográfia leggyakrabban a helyzet és a fejlettség viszonyát vizsgálja, az eszerint lehatárolható régiótípusokat az 1. táblázat mutatja. 1. táblázat

Régiótípusok a helyzeti és fejlettségi centrum–periféria viszonyrendszerben Fejlettségi

Helyzeti

centrum

periféria

centrum

központi mag

belső periféria

periféria

dinamikus perem

külső periféria

Forrás: Nemes Nagy 1998, 163. o.

1 E három fő értelmezési területen kívül természetesen találhatunk más rendszereket is, ilyen például a kultúra.

306


Viszonylag kevés hazai írás foglalkozik direkt módon e két viszonyrendszer elkülönülésének és egybeesésének empirikus vizsgálatával (például Nemes Nagy 1996, Kanalas – Kiss 2006), ugyanakkor indirekt módon, az ország fejlettségi térszerkezetének vizsgálatakor rendszerint előfordulnak a fenti kategóriákat tartalmazó megállapítások. Lényegében a besorolások nem térnek el egymástól: a központi magot Budapest és környéke képviseli, perifériának számítanak Dél-Dunántúl, Észak-Borsod és Kelet-Magyarország határ menti térségei, míg belső perifériaként a Közép-Tisza-vidéket említik. Jelen tanulmány a szűk témával foglalkozó munkák sorát kívánja bővíteni: egyrészt a helyzeti centrumok és perifériák nem szokványos lehatárolásával, másrészt a legújabb adatok felhasználásával. Helyzeti centrumok és perifériák A helyzeti centrumok és perifériák lehatárolását az eddigi munkákban a lehető legegyszerűbb módszerrel végezték el: általában a határ menti térségeket tekintették perifériának, centrumnak pedig az ország geometriai középpontjához, Pusztavacshoz, esetleg a két pont relatív közelségéből fakadóan a fővároshoz közelieket. Egy nemrégiben megjelent cikk (Horváth 2007) foglalkozott bővebben a lehatárolás elvi és gyakorlati lehetőségeivel, hiszen az alapkategóriák közül a periféria a definícióiból adódóan nemcsak a határ, hanem a centrum felől is megközelíthető. Mi a ritkábban használatos, centrum felőli megközelítést választottuk; a centrumtól mért távolságot pedig szintén nem a szokványos légvonalbeli távolság, hanem az időtávolság segítségével határoztuk meg, beemelve az elérhetőségi viszonyokat a vizsgálatba. Az elérhetőség tárgyalása során már maga a téma definiálása is nehézségekbe ütközik, amit korszaktól, tudományágtól és a szerzők szemléletétől függően számos különböző módon értelmeztek (Fleischer 2007). Gyakori az elérhetőségnek statisztikai indikátorként való kezelése, amely pusztán az adott térségbe való eljutási lehetőséget kvantifikálja. A modernebb definíciók azonban ennél bővebben értelmezik a fogalmat, e szemléletben már nem csupán helyek, hanem bármilyen szolgáltatás igénybevételi lehetőségeit is jelenti az elérhetőség, amelynek javítása nem kizárólag a közlekedéssel, de az elérendő célpontok térbeli optimalizálásával egyaránt lehetséges és szükséges. Annak ellenére, hogy magunk is osztjuk az elérhetőség komplex társadalmi kérdésként való kezelésének szükségességét, vizsgálataink mégis a legegyszerűbb értelmezésen, az egyes települések elérhetőségi paramétereinek vizsgálatán alapulnak. E mutatókat ugyanis megfelelőnek tartottuk a vizsgálat fő célja szempontjából, hogy az elérhetőséget a helyzeti centrum–periféria relációk értelmezésére használjuk. A helyzeti centrum és periféria lehatárolása tulajdonképpen a választott tértípustól függően változhat (2. táblázat). 2. táblázat

Az egyes tértípusokhoz kapcsolódó relációk Tértípus Földrajzi Hálózati Időbeli Költségbeli

Centrum Központi helyzet Könnyen megközelíthető helyek Gyorsan elérhető helyek Kis költséggel elérhető helyek

Periféria Határ menti helyzet Nehezen megközelíthető helyek Nagy idő alatt elérhető helyek Nagy költséggel elérhető helyek

Mértékegység km km perc pénzegység

HELYZETI ÉS FEJLETTSÉGI CENTRUM–PERIFÉRIA RELÁCIÓK A HAZAI KISTÉRSÉGEKBEN

307

E tértípusok összetettsége tovább növelhető az elérés eszközének, illetve számos egyszerűbb vagy komplexebb elérhetőségi mutatónak a bevezetésével, amelyek közül azt kerestük, amelyek legjobban magyarázzák, befolyásolják egy térség, település „fejlettségét”. A közlekedési módok közötti választás részben kényszerű, részben logikus volt, mivel a vasútvonalak – amellett, hogy jelenleg már nem tekinthetők dinamikus tengelynek – nem érintenek minden települést. Elemzésünk viszont településsoros adatok aggregálásával készült, így az elérhetőséget minden esetben a közúti elérhetőséggel azonosítottuk. A tértípusok közül nem foglalkoztunk a költségterek vizsgálatával, míg a légvonaltávolságokon alapuló földrajzi tér és a hálózati távolságokon alapuló hálózati tér részletesebb elemzését az első eredmények ismeretében vetettük el. A fejlettségi mutatókkal képzett korrelációs mátrix alapján ugyanis – igaz, minimális különbséggel – bebizonyosodott azon korábbi sejtésünk, hogy a posztmodern kor társadalmi-gazdasági térszerkezetét nemcsak a földrajzi vagy hálózati távolságok határozzák meg, hanem az idő és a költségek is (Dusek–Szalkai 2006). Az időtérben létező „távolságok” mérése számos mutató alapján megvalósítható, azonban valamennyi számításának közös alapja az a gráfként felfogott úthálózat, amelynek éleit az útkategóriákba sorolt útszakaszok képzik. A megtételükhöz szükséges idő számítása az útkategóriákhoz rendelt sebességértékek alapján történt, majd egy erre a célra írott programmal meghatároztuk a települések közti legrövidebb elérési időket. Ezt követően ezen értékek alapján képeztünk különböző elérési mutatókat, amelyek hipotézisünk szerint kisebb-nagyobb mértékben magyarázhatják egy-egy térség „fejlettségét”. Így került sor az átlagos elérési idő, a fővárostól, a nyugati határtól (Hegyeshalom), a legközelebbi várostól, a legközelebbi 20 ezer főt meghaladó népességű várostól és a legközelebbi megye- vagy kistérségközponttól való elérési idők meghatározására. A számított értékeket ezután a KSH 168-as kistérségi beosztása alapján aggregáltuk. Elvégeztük a települési elérhetőségi értékek népességsúlyos aggregálását is, ez az eredményeket a megyeközpontok kiemelését leszámítva lényegileg nem módosította. A kiszámított elérhetőségi mutatók és a még ismertetendő komplex fejlettségi faktor közötti összefüggés-vizsgálat következett, amely a következő eredményt hozta (3. táblázat). 3. táblázat

Az elérhetőségi mutatók és a komplex fejlettségi faktor közötti összefüggés kistérségi szinten A mutató típusa

Korreláció

A mutató típusa

Korreláció

Légvonaltávolság

–0,53

Átlagos idő

–0,56

Átlagos távolság

–0,56

Budapest (perc)

–0,49

0,05

Hegyeshalom (perc)

–0,63

–0,01

Legközelebbi város (perc)

–0,27

Hálózati hányados Időhányados

A mutató típusa Legközelebbi 20 ezres város (perc) Legközelebbi kistérségközpont (KSH 168, perc) Legközelebbi kistérségközpont (KSH 150, perc) Legközelebbi megyeszékhely (perc) Komplex elérhetőség

Korreláció –0,59 –0,29

–0,38 –0,54 –0,70

308


A gazdasági fejlettség mérőszámaként létrehozott komplex mutatónkkal legszorosabb kapcsolatban lévő elérhetőségi paraméternek a 20 ezer fős városoktól és a nyugati határtól mért eljutási idő bizonyult, de a további elemzések tárgyaként a leginkább értéksemleges, harmadik legerősebben korreláló, a települések egymástól mért átlagos elérési idejét kifejező mutatót választottuk. Megjegyzendő, hogy a többi elérhetőségi változóval való kapcsolat szorossága sem sokkal maradt el az előzőektől, kivétel azonban ez alól az úgynevezett időhányados mutatója (Szalkai 2006), amely speciális tulajdonságai révén kifejezetten az előnyös hálózati fekvésű (gyorsforgalmi utak menti), illetve a centrumtól legtávolabbi települések esetében vesz fel „jó” értékeket. Kísérletképpen létrehoztunk egy komplex elérhetőségi mutatót is, amelyben 25%-os súllyal szerepelt a négy legjobban korreláló egyedi mutató (a megyeközpontok, a 20 ezres városok, Hegyeshalom és Budapest elérhetősége). A komplex mutató minden más mutatónál szorosabb összefüggésben áll a komplex fejlettségi faktorral, a súlyok és a szerepeltetett paraméterek kiválasztása azonban meglehetősen szubjektív, viszont továbbgondolásra érdemes. Az átlagos elérési idő meghatározása nagy számításigényű feladat. Értéke valamennyi település valamennyi településtől mért elérési idejeként adódik, nagyságát így nemcsak a hálózati fekvés, de a földrajzi fekvés és a településhálózat szerkezete is befolyásolja (1. ábra). 1. ábra

Az átlagos elérési idő, 2007

Perc 199 – 249 183 – 199 169 – 183 154 – 169 140 – 154 118 – 140

A komplex társadalmi-gazdasági fejlettséggel szorosabb összefüggésben álló átlagos elérési idő területi képe a központi térségek és a gyorsforgalmi hálózat előnyös helyzetét tükrözi. Ezek kombinációjaként a legkisebb értékekkel a fővárostól közvetlenül nyugatra


309

fekvő települések (Diósd, Törökbálint, Budaörs) rendelkeznek, de a Dunántúl aprófalvas településhálózat-szerkezete következtében az ország geometriai súlypontjához viszonyított további nyugatra tolódást jelzi, hogy ezen agglomerációs településeket az M7-es autópálya környezetében fekvő Fejér megyei falvak és kisvárosok követik. Az átlagos elérhetőségi súlypont is itt, a Velencei-tótól délre helyezkedik el. Szintén a dunántúli aprófalvas hatás következménye, hogy a gyorsforgalmi utak mentén, a központi területektől távolodva az M7 tengelyének kedvező elérhetősége terjed ki leginkább, ezzel szemben a központibb helyzetű, de az Alföldön futó M5 mentén kisebb mértékben figyelhető csak meg az előnyös helyzetű zóna kiterjedése. Legmagasabb értékekkel a periferikus, a nyugatra tolódott súlyponthoz képest legtávolabbi, kelet-magyarországi kistérségek, a legkeletebbi települések (Garbolc, Nagyhódos, Kishódos) rendelkeznek. A földrajzi fekvés tehát továbbra is alapvető eleme az időtérben elfoglalt pozíciónak, de éppen az M3–M30 meghosszabbítása mutat rá arra, hogy a gyorsforgalmi hálózat fejlesztése rendkívüli mértékben képes a periferikus helyzet oldására. Több határ menti, a földrajzi térben periferikus térség ugyanakkor centrummá vált (például az M1 mente), miközben a Balaton a leglátványosabb belső tagoló térelem lett: mind a közlekedés, mind a településhálózati hatás következtében északi és déli partjának elérhetősége közt nagy különbség alakult ki, amely az északi partot – a déli part centrumhelyzetével szemben – elérhetőségi perifériává tette. Szintén tagoló elemként jelenik meg a Duna és a Tisza vonala, ami összességében továbbra is a természeti akadályok meghatározó, elérhetőséget rontó szerepére mutat rá. Ez még közvetlenül a főváros közelében is érvényesül (például a Szentendrei kistérség, a Dunakanyar térsége), azonban ez utóbbi terület esetében a schengeni egyezmény életbelépése, de már a Mária Valéria híd átadása is jelentősen javította a Dunán átívelő elérési viszonyokat. Megfigyelhető a nyugati és a keleti határ menti térségek eltérő pozíciója is. Míg az osztrák határon egyedül a Szentgotthárdi kistérség került a legrosszabb kategóriába, addig a keleti határ mentén nemcsak egy sávban, de a határral közvetlenül nem szomszédos második sávban is magas elérési idejű kistérségek sorakoznak. Centrumok és perifériák a gazdasági térben A fejlettség nehezen definiálható, összetett – többdimenziós és többváltozós – fogalom (Nemes Nagy 1998). Több, egymástól jól elkülöníthető, esetenként eltérő területi mintázattal leírható elemre, dimenzióra bontható (mint például a műszaki infrastruktúra állapota, a gazdaság teljesítménye, a humán tőke, illetve a társadalmi tőke minősége, az életszínvonal, a környezeti állapot), amelyek önmagukban is összetett fogalmakat jelentenek, többféle mutatószámmal jellemezhetők. Ráadásul az egyes dimenziókat felépítő elemek nem mindig mérhetők, vagy nem állnak rendelkezésre megfelelő minőségben. Tanulmányunkban nem törekedtünk a fejlettség egyébként is sok vonatkozásban szubjektív, teljes meghatározása felé, hanem egyetlen dimenzió, a gazdasági fejlettség megragadását kíséreltük meg a 4. táblázatban felsorolt 10 olyan változó felhasználásával, amelyek véleményünk szerint azt a lehető legjobban tükrözik. A választott kistérségi szint korlátozza a bevonható jelzőszámok körét, ugyanis a gazdasági értéktermelőképességet leíró jelzőszámok egy jelentős része (GDP, beruházások, külföldi tőke) csak

310


megyei szinten állnak rendelkezésre, egy másik részük pedig (például a vállalkozások nyeresége) a székhely szerinti bontás miatt nem tükrözi megfelelően a kistérségek helyzetét. Ezért csupán a gazdasági szervezetek számával, a helyi adóval, valamint a lakosság anyagi helyzetét tükröző jelzőszámokkal gazdálkodhattunk. Figyelembe vettük még a munkanélküliséget, illetve tesztjelleggel használtunk a humán tőke minőségére utaló jelzőszámokat is. Az összevonás módszeréül a faktoranalízist választottuk2. 4. táblázat

Az analízis során felhasznált változók A változók megnevezése A regisztrált, jogi személyiségű vállalkozások 1000 lakosra jutó száma (db), 2006

Faktorsúly 0,84

A regisztrált egyéni vállalkozások 1000 lakosra jutó száma (db), 2007

0,66

Az önkormányzatok helyi adóbevételeinek 1000 lakosra jutó összege (Ft), 2005

0,67

Egy állandó lakosra jutó jövedelem (ezer Ft), 2006

0,93

A személygépkocsik 1000 lakosra jutó száma (db), 2006

0,83

A távbeszélő-fővonalak 1000 lakosra jutó száma (ISDN-vonalakkal együtt), 2006

0,76

A nyilvántartott álláskeresők 100 aktív korúra jutó száma (fő), 2006

–0,81

Az adózók 100 lakosra jutó száma, 2006

0,86

Az aktív korúak 100 lakosra jutó száma, 2006

0,72

Az elvégzett osztályok átlagos száma, 2001*

0,94

Az adatok forrása: KSH T-STAR, kivétel: * Népszámlálás 2001.

A számítás egyetlen faktort adott eredményül. Az új változó sajátértéke 6,86, a magyarázott szórásnégyzet 68,6% (azaz az eljárás az összes kiinduló információ több mint kétharmadát megőrizte). Az új változó az alapváltozók mindegyikével szoros korrelációban van, amit a faktorsúlyok jeleznek. A fentebb már idézett munka (Nemes Nagy 1996) 1993-ra vonatkozó, 182 városkörzetre elvégzett számításaival ellentétben, ahol három különálló faktorra („térre”) lehetett bontani a gazdasági fejlettséget, ebben a 2006-ra vonatkozó vizsgálatban már nem különült el egymástól a vállalkozói tér és a munkavállalói tér, azaz a munkavállalói tér egyes elemei idomultak a gazdasági szereplők igényeihez. A foglalkoztatás regionális különbségeiben markáns szerepet játszó iskolázottsági mutató és a gazdasági fejlettség az 1990-es évek közepén már sejtett (Enyedi 1996), de még ki nem mutatható (Nemes Nagy 1996) kapcsolata az ezredforduló után egyértelműen bizonyítást nyert, hiszen az elvégzett osztályok átlagos száma belekerülhetett (méghozzá igen nagy súllyal) a komplex gazdasági fejlettséget mérő faktorba, illetve a másik 9 változóval egyenként is szoros kapcsolatban áll. A komplex gazdasági fejlettséget mérő faktor alapján kirajzolódó területi kép (2. ábra) nem okoz meglepetést, a hazai térszerkezet lényegi elemei az utóbbi bő fél évtizedben már alig változtak. 2 A városodottság és a vonalas infrastruktúra jelzőszámait az analízis futtatása során ki kellett emelnünk a változók közül, ami utal a rurális terek nem feltétlen gazdasági hátrányára, illetve az ellátóhálózatoknak (víz-, gáz-, csatornahálózat) a gazdaságétól eltérő, ugyanakkor összefüggést egymással sem mutató (azaz önálló faktort nem képző) területi különbségeire. Az elérhetőséget, amely többek között a szállítási költségek révén, illetve a telephelyválasztáson keresztül minden bizonnyal kihatással van nemcsak az életminőségre, hanem a gazdaság teljesítőképességére is, a vizsgálati céloknak megfelelően szintén kihagytuk az analízisből.


311 2. ábra

A komplex gazdasági fejlettség faktora

Faktorsúlyok 1,08 – 3,03 0,35 – 1,08 –0,08 – 0,35 –0,52 – –0,08 –1,03 – –0,52 –2,17 – –1,03

A kistérségeket az elérhetőségi vizsgálatokhoz hasonlóan 6 egyenlő elemszámú osztályközre bontva a legfejlettebb, a térképen legsötétebb színnel jelölt kistérségek bizonyulnak gazdasági centrumnak: ezek a főváros körül, az M1 és M7 autópályák mentén, illetve a Balaton környékén, valamint a nyugati határvidék (Sopron–Fertődi, Szombathelyi, Zalaegerszegi kistérségek) által bezárt háromszög mentén csoportosulnak. (Az M3 autópálya mentén halványabban ugyan, de szintén kirajzolódni látszik egy kedvezőbb helyzetű térségcsoport.) Ezen a térségen kívül kiemelkednek környezetükből a regionális központtal rendelkező kistérségek (Debrecen, a Pécsi, a Szegedi kistérség), a Nyíregyházai és az Egri kistérség, valamint a stratégiai fontosságú ipari üzemekkel rendelkező dunaújvárosi körzet. A legfejlettebb csoportba már nem fért bele a megyeszékhelyek közül Békéscsaba, Szolnok, Kecskemét, a többi nagyvároshoz képest nagyobb és elmaradottabb hátországgal rendelkező Miskolc, illetve Szekszárd és Kaposvár körzete, valamint a 2. kategóriába csúszott a szintén jelentős ipari központnak számító Tiszaújvárosi és Paksi kistérség is. A megyeszékhelyek körül szerveződő kistérségek közül a Salgótarjáni – egyetlen kivételként – nem fért bele még a másodlagos centrumtérségek közé sem: a 82. helyen végzett, még éppen beférve a 3. kategóriába. A térképen legvilágosabb tónussal jelölt perifériák térbeli elhelyezkedése is sok szabályos elemet mutat: szinte kizárólag az úgynevezett BB-tengelytől3 keletre helyezked3 Balassagyarmatot Békéscsabával összekötő vonal.

312


nek el, jellemzően az ország keleti határa mentén, Borsod-Abaúj-Zemplén megye peremi helyzetű térségeiben és a Közép-Tisza vidékén. A Romániával érintkező kistérségek közül csupán a Gyulai tartozik a kedvező helyzetű térségek közé, valamint a Makói nem tartozik az utolsó hatodba. Sivár a kép Szabolcs-Szatmár-Bereg megyében, amelynek 11 kistérsége közül 9 tartozik a legrosszabb kategóriába, a centrumnak minősülő Nyíregyházán kívül Kisvárda körzete került mindössze egy kategóriával feljebb. Ugyanakkor a 10 legrosszabb helyzetű kistérség közül a legtöbb (összesen 6) mégsem Szabolcs-SzatmárBeregben, hanem a megyei rangsorokban nem feltétlenül a legrosszabb mutatókkal bíró Borsod-Abaúj-Zemplén megyében található (5. táblázat). Mindez a megye rendkívüli mértékű, nem csak a gazdaságot érintő széttagoltságára utal, ami az újabban dinamizálódni látszó nagyobb városait is hátrányosan érintheti. Az említett BB-tengelytől keletre fekvő térségen kívül 5 kistérség található a legutolsó osztályközben. Az egyik a Békéscsabától ugyan délre, de szintén a román határ mentén elhelyezkedő – azaz lényegében a fentebb bemutatott térséghez szervesen kapcsolódó – Mezőkovácsházai kistérség. Idetartoznak még a Bács-Kiskun megye délkeleti határán, forgalmi árnyékhelyzetben található Jánoshalmai és Bácsalmási kistérségek, a Balatontól délre, de a partot már nem érintő, azaz az idegenforgalom jótékony befolyását már nem élvező, kisvárosi központtal rendelkező Lengyeltóti körzet, valamint a szociális feszültségekkel is terhes Ormánságot magába foglaló Sellyei kistérség. Ha vizsgálódásunkat kiterjesztjük a kistérségek 5. hatodára is, akkor a térben jól elkülönülő újabb csoporttal bővül a perifériák köre. Nem csupán a BB-tengelytől keletre fekvő, az utolsó hatodban még nem szereplő térségeket találunk ebben a csoportban, hanem Dél-Dunántúl horvát határ menti (Szigetvári, Nagyatádi, Barcsi, Csurgói), illetve a Balaton partját nem érintő, nagyobb városi maggal nem rendelkező kistérségei (Sásdi, Tabi, Tamási) alkotnak térben is összefüggő egységet. Fejér megye két kistérsége, az Enyingi és az Abai is inkább ehhez a térséghez tartozik, hiszen a megye többi része inkább a gazdasági centrumhoz sorolható. 5. táblázat

A 10 legfejlettebb és legelmaradottabb kistérség a komplex gazdasági fejlettség alapján Legfejlettebb rang

kistérség

1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

Budapest Budaörsi Szentendrei Székesfehérvári Dunakeszi Pilisvörösvári Győri Veszprémi Szombathelyi Balatonfüredi

Legelmaradottabb megye

Pest Pest Fejér Pest Pest Győr-Moson-Sopron Veszprém Vas Veszprém

rang

kistérség

159. 160. 161. 162. 163. 164. 165. 166. 167. 168.

Hajdúhadházi Baktalórántházai Sarkadi Mezőcsáti Csengeri Szikszói Edelényi Encsi Abaúj–Hegyközi Bodrogközi

megye Hajdú-Bihar Szabolcs-Szatmár-Bereg Békés Borsod-Abaúj-Zemplén Szabolcs-Szatmár-Bereg Borsod-Abaúj-Zemplén Borsod-Abaúj-Zemplén Borsod-Abaúj-Zemplén Borsod-Abaúj-Zemplén Borsod-Abaúj-Zemplén

A centrum–periféria reláció értelmezése a gazdaság és az elérhetőség metszetében Az elérhetőségi és a fejlettségi vizsgálatok elvégzése után került sor a két mutató által alkotott térszerkezet különbségeinek és hasonlóságainak értelmezésére.


313

Az elemszámok csökkentése és az értelmezhetőség javítása érdekében a 6-6 kategóriába sorolt mutatókat két kategóriánként összevontuk, és az így létrejövő 3-3 (centrum, átmeneti és periféria) kategória alapján kereszttáblát képeztünk. A létrejövő kilenc csoportból a végső analízis számára azt az 1. táblázatba foglalt négyet emeltük ki, amelyek a centrum–periféria reláció szempontjából a legfontosabb eredményeket tükrözik (3. ábra). 3. ábra

Az elérhetőség és a komplex faktor által meghatározott centrum–periféria relációk

Térségtípusok külső periféria belső periféria dinamikus perem központi mag

Mind elérhetőségi, mind gazdasági szempontból centrumként jelenik meg, így központi magnak bizonyult az ország középső, a fővárossal határos térsége, amely az M1-es és M7-es autópálya mentén egészen a Győri, illetve a Keszthely–Hévízi kistérségig kiterjed. Kiemelhető a Balaton északi partján fekvő Balatonfüredi kistérség, amely a gazdasági fejlettségét illetően az első 10 között szerepel, de rosszabb elérhetősége miatt már nem tartozik e kategóriába. Szintén idesorolódtak a Duna mentén, Paksig húzódó területek, valamint a szigetszerűen elhelyezkedő Kecskeméti és Gyöngyösi kistérség. E centrumtérségek mellett már csak gazdasági szempontból dinamikusak azok a peremterületek, melyek szakadozott gyűrűjének tagjai (Nyíregyházától Debrecenen, Békéscsabán és Pécsen át a térben szomszédos Kőszegi, Szentgotthárdi, Szombathelyi és Körmendi kistérségekig) jelölik ki azokat a többnyire nagyvárosi foltokat, melyek bár a centrumtól messze, de önmagukban is jelentős gazdasági erőt képviselve az országhatárhoz közel helyezkednek el. Miskolc térsége az M3-as autópálya megépülésével kikerült az elérhetőségi perifériák köréből, így ebben a csoportban nem szerepel. Az ellentétes póluson belső perifériaként jelennek meg a kedvező(bb) elérhetőségű, de gazdaságilag ennek ellenére, vagy ehhez képest elmaradottabb térségek, melyek közvetlenül a központi maghoz csatlakoznak. Ilyen az M3 által egyelőre „csak” elérhetőségében dinamizált Füzesabonyi és Hevesi kistérség, amelyeknek a Közép-Tisza-vidéki negatív gazdasági pólushoz tartozó délkeleti részei kifejezetten válságos helyzetben van-

314


nak, ahol hosszabb távon sem várható érdemi javulás a humán tőke erodáltságából kifolyólag. Sokkal markánsabb azonban a Dunántúlon a Balaton déli partjához második vonalként kapcsolódó kistérségek köre (Enyingi, Abai, Tabi, Tamási, Lengyeltóti és Marcali kistérségek), amelyek az M7 jótékony hatását még élvezik, a Balaton kisugárzása azonban már nem lendíti fel helyzetüket, gazdasági hátrányuk gyökerei nem is a rossz elérhetőségükből fakadnak. Végül minden szempontból hátrányos helyzetűek a külső periféria tagjai, amelyek összefüggő zónát alkotnak az ózdi körzettől kezdődően a kelet-szlovák, ukrán és román határ mentén a Makói kistérségig bezárólag, helyenként nem csak a határral közvetlenül érintkezve, jelentős részükben magas arányú cigány népességgel, aprófalvas településhálózattal. Érdemes azonban megemlíteni a sötét gyűrűből kiemelkedő Sárospataki és Sátoraljaújhelyi, illetve Kazincbarcikai és Gyulai kistérséget, amelyeket belső eredetű adottságaik, ha nem is tesznek dinamikus peremmé, de legalább külső perifériába süllyedésüket megakadályozzák. E zónán kívül két térségben találunk a külső periféria kategóriájába tartozó kistérségeket: az egyiket a Jánoshalmai és Bácsalmási páros alkotja, a másik pedig a gazdasági perifériáknál már szintén említett, az Ormánságot lefedő Sellyei, valamint a vele szomszédos Szigetvári és Barcsi kistérséghez köthető. Az ismertetett eredmények nem hoztak ugyan meglepő eredményt, de rávilágítottak arra a tényre, hogy keleti határaink mentén igen széles az a határzóna, amely hátrányos helyzetű mind gazdasági fejlettségét, mind elérhetőségi viszonyait tekintve, illetve hogy az M1 autópálya mentén elhelyezkedő térségeknek nem feltétlenül a peremi, határ menti helyzete a hangsúlyos, sokkal inkább tekinthetők a magterület részének. IRODALOM Dusek Tamás–Szalkai Gábor (2006): Az időtér és a földrajzi tér összehasonlítása, Tér és Társadalom, 2006/2 Enyedi György (1996): Regionális folyamatok Magyarországon az átmenet időszakában. Hilscher Rezső Szociálpolitikai Egyesület, Budapest Fleischer Tamás (2007): Az elérhetőségről: eljutni a tiszta lapig – avagy miről is beszélünk?, www.vki.hu/~tfleisch/PDF/pdf07/vki-VERKLI-ELER_07aug26.pdf Horváth Eszter (2007): A földrajzi centrum és periféria lehetséges lehatárolásai. Tér és Társadalom, XXI. évf. 1. sz. Kanalas Imre – Kiss Attila (szerk.) 2006: A periféraképződés típusai és megjelenési formái Magyarországon. MTA RKK Alföldi Tudományos Intézete, Kecskemét Nemes Nagy József (1996): Centrumok és perifériák a piacgazdasági átmenetben. Földrajzi Közlemények, CXX. (XLIV.) évf. 1. sz. Nemes Nagy József (1998): A tér a társadalomkutatásban. Hilscher Rezső Szociálpolitikai Egyesület, Budapest Szalkai Gábor (2006): Elérhetőségi és forgalmi változások az elmúlt évek gyorsforgalmi úthálózat fejlesztéseinek következtében, Közúti és Mélyépítési Szemle, 2006/11–12. Kulcsszavak: centrum, periféria, fejlettség, időtávolság, elérhetőség. Resume The aim of the study was to give new perspectives on the explanation of centre-periphery relations. We analysed not only traditional economic space patterns but also the structure of time-space, which was characterized by the average travel time among all settlements in Hungary. According to the results favourable timespace position was experienced in the neighbourhood of the core region and also along the axes of motorways. The accessibility that is also originated from the settlement structure of Hungary is especially good in CentralTransdanubia. The patterns of the economic space seem to be stable for years, and compared with time-space four typical types of micro-regions can be formed. The capital and its surroundings, the subregions along M1 and M7 motorways and by Lake Balaton belong to the central core. Subregions in other parts of Hungary with more populated urban core, and some area along the western border form the “dynamic edge”. The peripheries are located first of all close to the eastern border, while there are some also inside the country.

DR. KISS JÁNOS PÉTER – TAGAI GERGELY – TELBISZ ERZSÉBET

A szürkeállomány területi különbségei – katedrán innen és túl A társadalmi-területi egyenlőtlenség-rendszer különböző dimenziói Magyarországon hosszú idő óta meglehetősen konzisztens képet mutatnak: az egyes térségekben egymás hatását erősítik a különféle vonatkozásokban kimutatható társadalmi előnyök, illetve hátrányok. Mégis, e különböző tényezők közül a legtöbb kutató kiemelkedő hatást tulajdonít a kulturális természetű különbségeknek, ezeken belül a tudást és az ennek hátterében álló iskolázottságot emelve ki mint a társadalmi, illetve területi differenciálódást magyarázó legfontosabb tényezőt (Bourdieu 1972, Enyedi 1996 stb.). Különböző tudományterületek kutatóitól származó empirikus bizonyítékok sora is utal arra, hogy az iskolázottság mind az egyének, mind a térségek általános helyzetének, „státusának” – egyebek mellett a gazdasági természetű, anyagi jellegű egyenlőtlenségeknek is – legalább három évtizede a legfontosabb mérhető meghatározója Magyarországon (Kolosi 1987, Rechnitzer–Smahó 2005 stb.).1 Jelentősége, úgy tűnik, 1989 után is csak fokozódott: a magasabb iskolázottság egyre növekvő bérelőnyt is jelent (Kézdi 2004), nem beszélve az elhelyezkedési esélyekben – térségi értelemben pedig az adaptivitásban, versenyképességben – mutatkozó különbségekről. Különösen a felsőfokú végzettség hozadéka mutatkozik egyre nagyobbnak (Varga 2004, Kézdi 2004), igazolva a gazdaság szerkezetének 1990 utáni megváltozását, a felsőoktatásra, illetve a diplomásokra vonatkozó vizsgálatok szükségességét. Ehhez képest az iskolázottság, illetve az oktatás kérdéseinek elemzése sokáig meglehetősen kevés figyelmet kapott a területi kutatók körében. A témakör regionális vonatkozásairól inkább az oktatáskutatók tettek közzé tanulmányokat (például Forray–Kozma 1999), ám elemzéseik a területi kutatások kifinomultabb módszertani eszközei híján jobbára felszínesek maradtak. Az utóbbi években változni látszik a helyzet: a földrajzosok, regionalisták, területi statisztikusok munkáiban is felbukkant a téma (Trócsányi 2002, Rechnitzer–Smahó 2005, Kramaricsné–Szekeresné 2007 stb.). Ám e tanulmányok jelentős része sem használja ki a téma adatforrásaiban rejlő lehetőségeket, s mélységük vagy területi részletezettségük sem mindig megfelelő.2 Így számos lényeges kérdésfeltevés Nemes Nagy József 1980-as években közzétett – ám sajnálatosan kevés figyelmet kapott – munkáinak (Nemes Nagy 1980, 1988; Dériné 1980 stb.) megjelenése óta lényegében hiányzik a témakör irodalmából.

1 Egyes vizsgálatok szerint kb. az 1970-es évek közepéig a foglalkozási szerkezet – elsődlegesen az iparosodás folyamatába való bekapcsolódás mértéke – volt a térségek helyzetének legfontosabb közvetlen meghatározója. 2 Sajnos több esetben találkoztunk hibás adatértelmezésekből, gondatlan adatkezelésből és pontatlan vagy téves számításokból származó eredményekkel, illetve az ezekből levont hamis következtetésekkel is.

316


E „hiányzó” témák közé tartoznak az iskolázottság és a képzés regionális sajátosságainak időbeli változásaival foglalkozó vizsgálatok, a hosszabb távú trendek elemzései (két népszámlálás közti intervallumnál hosszabb időtávot elemző utolsó tanulmány Nemes Nagy 1988-as – területi vonatkozások nélkül pedig Szukitsné 1993-as – munkája). Pedig e témában különös jelentősége van a hosszú távú vizsgálatoknak, hiszen a népesség iskolázottsági viszonyai lassan változnak, mivel az idősebb korosztályok révén az oktatási rendszer évtizedekkel korábbi viszonyai is tükröződnek a jelenlegi térbeli különbségekben (Illés 2003), tartósan meghatározva ezzel a térségek fejlődési esélyeit. Az oktatás rövidebb távú folyamatainak elemzése ugyanakkor az egyenlőtlenségek jövőbeli alakulására vonatkozó előrejelzéseket tesz lehetővé. Tanulmányunkkal e hiányok részleges pótlására teszünk kísérletet. Elsőként az iskolázottságban mutatkozó területi egyenlőtlenségek fél évszázados trendjeit mutatjuk be átfogó jelleggel – különös tekintettel az 1990 utáni változásokra –, majd az oktatási rendszer növekvő fontosságú elemének, a felsőoktatásnak néhány kevésbé közismert területi jellegzetességét elemezzük. 1. táblázat

Az iskolai végzettség területi különbségeinek alakulása a Hoover-index értékei alapján különböző területi szinteken négyféle indikátor szerint, 1931–2005

Időpont

1931. jan. 1. 1941. febr. 1. 1949. jan. 1. 1960. jan. 1. 1970. jan. 1. 1980. jan. 1. 1984. okt. 1. 1990. jan. 1. 1996. ápr. 1. 2001. febr. 1. 2005. ápr. 1. 1960. jan. 1. 1970. jan. 1. 1980. jan. 1. 1990. jan. 1. 2001. febr. 1. 1960. jan. 1. 1970. jan. 1. 1980. jan. 1. 1990. jan. 1. 2001. febr. 1.

(Százalék) Egyenlőtlenségek a 15–X a 18–X a 25–X a 7–X éves a 15–X a 18–X a 25–X a 7–X éves népesség népesség éves népesség és a közülük éves népesség és a közülük és az általa és az általa befejezett befejezett elvégzett legalább legalább elvégzett legalább legalább felsőfokú felsőfokú iskolai iskolai 8 általánost érettségi8 általánost érettségivégzettsévégzettséosztályok végzettek osztályok végzettek zettek zettek gűek gűek számának számának megoszlása között – ORSZÁG (Budapesttel) megoszlása között – VIDÉK (Budapest nélkül) Megyei szint (20 egység) 29,4 30,9 29,9 .. .. .. .. .. 29,9 30,9 32,0 .. .. .. .. .. 21,6 28,5 31,9 .. .. .. .. .. 12,7 24,1 30,7 6,3 8,8 10,3 .. .. 6,9 17,3 24,7 4,0 3,8 6,8 8,0 1,8 4,0 13,5 21,2 3,0 2,5 4,9 5,8 1,4 3,4 12,2 18,8 .. 2,1 4,6 5,9 .. 2,6 11,2 18,0 2,7 1,6 3,9 4,4 1,0 1,9 11,1 17,4 .. 1,3 3,7 4,7 .. 1,5 9,9 16,3 2,5 1,2 3,9 5,5 1,2 1,2 9,1 16,2 .. 1,0 3,8 5,3 .. Kistérségi szint (168-as beosztás) 16,1 29,6 35,2 11,4 20,9 23,1 .. .. 9,6 22,9 27,5 5,0 7,3 17,8 19,3 3,5 6,3 18,9 24,8 4,2 5,5 15,8 19,0 3,2 4,0 16,2 23,1 3,7 3,6 13,7 18,6 2,8 2,2 15,0 22,9 3,7 2,0 12,5 19,3 2,8 Települési szint (3048–3135 település) 19,2 34,2 39,2 16,5 30,9 33,6 .. .. 11,6 27,8 32,6 5,9 10,4 26,3 29,6 4,5 8,0 23,6 29,8 5,1 7,9 23,0 28,0 4,3 5,2 20,4 28,1 4,5 5,2 20,1 27,0 3,9 2,8 17,9 27,0 4,4 2,8 17,0 25,9 3,8

Forrás: 1931–1949 között Nemes Nagy (1988) számításai; 1960 és 2005 között a népszámlálások, illetve a mikrocenzus (1984, 1996, 2005) kiadványai, és a VÁTI adatbázisa (TEIR) felhasználásával saját számítások.

A SZÜRKEÁLLOMÁNY TERÜLETI KÜLÖNBSÉGEI – KATEDRÁN INNEN ÉS TÚL

317

Egyenlőtlenségek az iskolázottságban: egy félévszázados nivellálódási folyamat megtorpanása Az iskolázottságra vonatkozó – de annak inkább a mennyiségét mérő – adatokról az 1920-as népszámlálástól áll rendelkezésre idősor Magyarországon, az iskolarendszer változásainak megfelelő fő kategóriák (legalább 8 osztályt végzettek, legalább érettségizettek, diplomások aránya, illetve a lakosság elvégzett iskolai osztályainak száma) pedig 1960 óta változatlanok, és a népszámlálási kiadványokban településsorosan is rendelkezésre állnak.3 Így minden évre többféle területi szinten, a mai területi beosztásoknak megfelelően is lehetséges a területi differenciák mértékének – azaz a különböző iskolai végzettségi fokozatokkal rendelkező csoportok térbeli koncentráltságának – pontos mérése. A különféle, többé-kevésbé eltérő egyenlőtlenségi koncepciót kifejező koncentrációs mutatók közül egyszerű számítási módja, súlyozott jellege s könnyű interpretálhatósága miatt a Hoover-indexet választottuk. Ez azt fejezi ki, hogy a vizsgált abszolút mérőszám – például a 25 éven felüli diplomások – hány százalékát kellene átcsoportosítani az átlagon felüli „diplomás-ellátottságú” térségekből az átlag alattiakba ahhoz, hogy eloszlásuk az adott területi szinten megegyezzen a viszonyítási alapként választott adat – példánkban a 25 éven felüli össznépesség – eloszlásával. A számításokat kétféleképpen – az országos átlagokhoz és a Budapest nélküli vidéki átlagokhoz viszonyítva – is elvégeztük (1. táblázat), aminek oka az iskolázottság jellegzetes térbeli tagoltsága. Az iskolázottsági különbségek legfontosabb térbeli megjelenési módja ugyanis a helyek tagozódása, a településhierarchia; ehhez képest a térségek közötti, regionális különbségek mértéke mindig kisebb (Illés 2003). A településhierarchia menti különbség a magasabb iskolai végzettségi típusok felé, illetve időben visszafelé haladva törvényszerűen nő. A települési különbségek – ellentétben a regionális differenciákkal – bizonyos határig természetesnek mondhatók, hiszen a magasabb képzettséget igénylő munkahelyek, valamint a magasabb fokú képzés helyei is a nagyobb városokban koncentrálódnak, innen terjednek szét a térben. Mindez azonban a Budapest versenytársnélküliségével jellemezhető Magyarországon oda vezet, hogy – különösen a korábbi időpontokban és a megyei-regionális szinteken – a Budapesttel számított országos átlagokat gyakran csak maga a főváros éri el: az országos átlaghoz viszonyító Hoover-index változásai tehát csupán a Budapest–vidék különbség alakulásáról tájékoztatnak. (Megyei szinten még 2001-ben is ez volt a jellemző nemcsak a diplomával rendelkezők, hanem a legalább érettségizettek arányát tekintve is!) A vidéki térségeken belül zajló differenciálódási folyamatokról tehát a vidéki átlaghoz viszonyított Hoover-indexek adnak csak eligazítást. A számítások eredményei egyértelműen jelzik, hogy az 1940-es évektől 1990-ig folyamatos regionális kiegyenlítődés következett be az iskolázottságban. Ebben a különböző területi szinteken és a Budapest–vidék közötti, illetve a vidéken belüli folyamatokat tekintve sincs különbség. Azonban az egyes iskolázottsági fokozatokat tekintve annál 3 Sajnos az egyébként azonos módon felvett adatok közzététele népszámlálásonként némileg eltérő struktúrában történt. Ezért a bemutatott számításaink alapjául szolgáló megye-, illetve településsoros iskolai végzettségi alapadatsorok összeállítása és homogenizálása a több mint tízféle adatforrás használata ellenére egyes esetekben nem volt 100%-ig lehetséges. Az ebből adódó bizonytalanság mértéke azonban egyik esetben sem akkora, hogy a bemutatott eredményeket érdemben befolyásolná, netán a következtetések érvényességét megkérdőjelezné.

318


inkább van: a kiegyenlítődés ugyanis területi értelemben is az alsóbb fokozatokban indult meg. A legalább 8 osztály elvégzése, majd általánossá válása már az 1940-es évektől jelentős kiegyenlítődést, s a ´60–´70-es évekre alapvetően nivellált térszerkezetet eredményezett, ami mára szinte abszolút érvényűvé vált. A kiegyenlítődés matematikai szükségszerűség is volt, hiszen 2005-ben a 14 évnél idősebb magyar lakosság 92%-a rendelkezett már 8 osztályos vagy azt meghaladó végzettséggel. Mivel pedig a 8 általánosnál kevesebbet végzettek fele 75 évnél idősebb volt 2005-ben, e mutatóban a területi különbségek már szinte kizárólag demográfiai, korszerkezeti okokra vezethetők vissza (például az elöregedő aprófalvak esetében). S mivel a 20–75 éves korosztály 98%-a rendelkezik legalább 8 osztállyal, a különbségek néhány éven belül teljesen el fognak tűnni e mutató terén. Ám ennek nem lesz jelentősége: a „telítődés” ugyanis azzal jár, hogy a jelenség differenciáltsága mellett jelentőségét is elveszíti a társadalomban. (A 8 osztályos végzettség lényegében ugyanúgy értékesíthetetlen a munkaerőpiacon, mint a 0–7 osztály.) A területi-társadalmi egyenlőtlenségek legfőbb választóvonala napjainkban az iskolázottság tekintetében leginkább a középfokú végzettséggel való rendelkezés vagy nem rendelkezés között húzódik. Az érettségi terjedése, területi differenciáinak gyors csökkenése az ´50-es években kezdődött, ám 1980-at követően lefékeződött. S bár a Budapest– vidék közötti, illetve a településhierarchián belüli különbségek csökkenése a rendszerváltást követően is fennmaradt, a nagytérségi közeledés 1990-ben gyakorlatilag leállt. Történt ez annak ellenére, hogy a középiskolai képzés és az érettségi terjedése 1990 után újra felgyorsult – a 18 évnél idősebb népességnek az 1990-es 29%-kal szemben már 43%-a rendelkezett vele 2005-ben – vagyis a szóródás lehetősége jelentősen csökkent. A felsőfokú végzettség területi kiegyenlítődése inkább csak a ´60-as évektől vált érzékelhetővé, elsősorban a vidéki főiskolák tömeges megnyílásának köszönhetően. Ám már a következő évtizedben a legtöbb térségi szintet tekintve jelentősen lelassult e folyamat. S bár Budapest előnyének mérséklődése, valamint a települési szintű különbségek lassú csökkenése a rendszerváltás után is folytatódott, a megyék és kistérségek között a kiegyenlítődés megállt, sőt az indexek értékei kisebb differenciálódásról tanúskodnak. Mindezek eredőjeként az iskolázottsági viszonyokat legkomplexebben jelző „átlagos elvégzett osztályszám” valamennyi területi szinten a negyvenes évektől 1990-ig tartó kiegyenlítődés leállását, s a rendszerváltáskori egyenlőtlenségi mértékek stabilizálódását mutatja (az alacsonyabb képzési szinteken folytatódó kiegyenlítődést kivéve, ami azonban természetes demográfiai tényezők eredménye). Ez részben a rendszerváltással, a piaci viszonyok hatásával is magyarázható. Ám egy olyan szférában, mint az oktatásügy, amely ma is döntően állami szabályozás alatt áll, és egy olyan időszakban, amikor a magasabb képzési szintre jutás a korábbinál jóval tömegesebbé vált – az érettségit adó középiskolákba járók aránya ma másfélszerese, a felsőoktatási hallgatók száma pedig négyszerese az 1990-esnek! – s a tudás társadalmi differenciáló szerepe folyamatosan nő, ez a trendtörés, a további kiegyenlítődés esélyének elmulasztása az egymást váltó kormányzatok oktatás- és területpolitikájának súlyos kritikájára ad okot. Nem változott viszont az 1990 előtti folyamatok iránya a tekintetben, hogy a Budapest és a vidék között tapasztalható – korábban kiugró mértékű – egyenlőtlenségek szerepe fokozatosan csökken (bár így is ez a legmarkánsabb differencia), és a vidéken belüli, elsősorban makrotérségi különbségek súlya növekszik az iskolai végzettség területi egyenlőtlenség-rendszerében.


319 1. ábra

A kistérségek relatív iskolai végzettségi szintje a 7–X éves népesség által átlagosan elvégzett osztályszám alapján 1970-ben (fent), illetve 2001-ben (lent)

Az osztályok száma a vidéki átlag %-ában

Vidéki átlag: 6,74

Vidéki átlag: 9,31

125,9 (Budapest) 100,0 – 115,6 (61) 96,0 – 99,9 (33) 92,0 – 95,9 (37) 82,4 – 91,9 (36)

Az osztályok száma a vidéki átlag %-ában 117,0 (Budapest) 100,0 – 111,2 (50) 96,0 – 99,9 (41) 92,0 – 95,9 (39) 85,3 – 91,9 (37)

Forrás: 1970-re a VÁTI adatbázisa (TEIR), 2001-re a Területi statisztikai évkönyv 2004 alapján saját szerkesztés.

320


A – sajnos csak 1970-től – rendelkezésre álló osztályszámmutató lehetőséget nyújt az iskolázottsági egyenlőtlenségek, illetve változásuk térbeli mintázatának átfogó értékelésére is. A kistérségi szintű térképeken (1. ábra) jól látható, hogy Budapest és környéke után Észak-Dunántúl volt az a területe az országnak, amely tradicionálisan (még 1970ben is) kitűnt magasabb iskolázottságával; hozzájuk csatlakozott a szocialista időszak első évtizedeiben az ipari tengely néhány észak-magyarországi térsége. A rangsor másik végén pedig az Alföld, különösen a Tiszántúl gyengén iskolázott térségei álltak ekkoriban: itt kizárólag a megyeszékhelyek s néhány iskolaváros térsége (Szarvas, Gyula, Hódmezővásárhely) rendelkezett kedvezőbb pozícióval. A kép alapvonásaiban az ezredfordulóra sem változott, bár a kiegyenlítődési trendre utal a markáns regionalizáltság oldódása: Észak-Dunántúl belső térségeinek romló, és Kelet-Magyarország néhány körzetének javuló helyezése a kistérségi rangsorban. Sokkal árulkodóbb, de talán meglepő az iskolázottság változását bemutató két térkép (2. ábra). Az átlagos osztályszámadatnak a vidéki átlaghoz való közeledésével, illetve az attól való távolodásával jellemezhető térségek köre ugyanis 1970 és 1990 között, de kisebb mértékben 1990 és 2001 között is szokatlanul nagy regionális csoportosulást mutat. A térképek tanúsága szerint a szocializmus utolsó két évtizedében ha nem is túl nagyfokú, de egyértelmű volt a kiegyenlítődés trendje. A „nyertes” térségek majdnem hiánytalanul adják ki az addig legalacsonyabb képzettségi szintű Alföld területét – kivételt csak a korábban is jó pozíciójú egyes megyeszékhelyek jelentenek –, míg Budapest és környéke, illetve a második legkedvezőbb helyzetű Észak-Dunántúl térségei szinte kivétel nélkül veszítettek iskolázottsági előnyükből. A kiegyenlítődési trendet mutatja a térségek iskolázottsági szintje és a következő időszakban bekövetkezett képzettségnövekedés mértéke közötti közepes–erős negatív korrelációs kapcsolat is. A 168 kistérség szintjén az elvégzett iskolai osztályszám 1970-es értéke és 1970–1990 közötti változása között például –0,71 volt az együttható értéke, vagyis zömmel az alacsony iskolázottságú térségekben nőtt jobban, a magas iskolázottságúakban pedig kevésbé a képzettségi szint. 1990-től alapvető változás történt: a kezdeti szint, illetve az 1990–2001 közötti változás mértéke között ugyanis lényegében nincs korreláció (r=–0,05), ami – megerősítve a Hoover-indexek elemzésének tanulságait – arra utal, hogy bár differenciálódás nem következett be a területi iskolázottsági viszonyokban, a korábbi kiegyenlítődés megállt. A „szürkeállomány” térbeli eloszlásában bekövetkezett változások ezzel együtt ismét csak nagytérségi mintázatot mutatnak: a folyamatok legnagyobb nyertese 1990 után a budapesti agglomeráció volt. A szuburbanizáció felgyorsulásának köszönhetően az agglomerációs gyűrű kistérségeiben elő népesség átlagos képzettségi szintje kiugró mértékben nőtt, miközben Budapest előnye formálisan is csak kismértékben, a dolog lényegét tekintve pedig egyáltalán nem csökkent. Az iskolázottsági változások alapján a másik nagy nyertes térségnek a Budapest–Kecskemét–Szeged tengely menti, mintegy száz km széles sáv mutatkozik – ennek közvetlen magyarázata döntően Budapest és Szeged felsőoktatási szerepkörének kiterjedésében keresendő –, illetve a Balaton térségének pozíciói javultak. A többi körzet többségének relatív helyzete valamelyest romlott a rendszerváltáskori állapothoz képest; komolyabb mértékű pozícióvesztés azonban csak ritkán, elsősorban az egykori szocialista nehézipar térségeiben – Borsod-Abaúj-Zemplén megye egészében, Kelet-Nógrádban, Komárom-Esztergom és Baranya egykori bányavidékeiben – következett be.


321 2. ábra

A kistérségek relatív iskolai végzettségi szintjének változása a 7–X éves népesség által átlagosan elvégzett osztályszám alapján 1970 és 1990 (fent), illetve 1990 és 2001 (lent) között

Változás a vidéki átlaghoz képest 1970–1990 (%pont) 2,0 – 5,2 (25) 0,0 – 1,9 (37) –2,0 – –0,1 (48) –8,7 – –2,1 (58)

Változás a vidéki átlaghoz képest 1990–2001 (%pont) 1,0 – 5,6 (20) 0,0 – 0,9 (46) –1,0 – –0,1 (64) –3,4 – –1,1 (38)

Forrás: 1970-re a VÁTI adatbázisa (TEIR), 1990-re saját számítások, 2001-re a Területi statisztikai évkönyv 2004 alapján saját szerkesztés.

322


Igazán lényeges változásnak azonban csak a budapesti agglomeráción belüli folyamatok hatása mondható. A Hoover-indexek számításának közbülső eredményeit elemezve egyértelműen megállapítható volt ugyanis, hogy a területi egyenlőtlenségi mutatók változási irányát minden végzettségi és térségi szintet tekintve a Budapestről kiköltöző (ám zömmel továbbra is a fővárosban dolgozó, annak gazdasági erejét növelő), igen magas arányban egyetemi diplomával rendelkező népesség határozta meg 1990 után, országos összesítésben és csak a „vidéket” tekintve egyaránt. A szuburbanizációs folyamatok hatása úgy summázható, hogy Budapest kiugró képzettségi előnye rohamos ütemben terjeszkedik ki a környezetére is – a 2005-ös mikrocenzus megyei adatai alapján Pest megye megelőzte Csongrádot a rangsorban –, s alakul át egyre inkább a budapesti agglomeráció egészének előnyévé (ennek reális megítéléséhez figyelembe kell venni, hogy a kiköltöző magasan képzett emberek nagy része továbbra is a fővárosban dolgozik, munkájával a fővárosi gazdaság erejét növeli). Az országban évtizedek (évszázadok?) óta fennálló iskolázottsági differenciák azonban (a diplomások arányát tekintve) lényegében továbbra is „megszokott” képüket mutatják. Igaz, egy évtized alatt nem is következhet be nagyon jelentős változás a földrajzilag is immobil magyar társadalomban. Látható ugyanakkor az is, hogy az iskolázottsági viszonyok változásai alig mutatnak összefüggést a gazdasági sikerességgel. Erre utal, hogy a kilencvenes évek második felében gyors növekedést mutató dunántúli térségek zömének többé-kevésbé romlott a pozíciója az iskolázottsági rangsorokban, s az annak változásait leginkább meghatározó „diplomás-ellátottságban”. Csongrád ugyanakkor érettségizettjeinek és diplomásainak növekvő arányát továbbra sem volt képes gazdasági eredményekre konvertálni.4 Az iskolázottság ismertetett területi különbségeit két, egymástól jól elkülöníthető tényezőcsoport alakítja: az oktatási rendszer teljesítményeinek területi különbségei, illetve a legalább ilyen súlyú demográfiai – döntően korösszetételi és vándorlási – hatások. Egy térség iskolázottsági viszonyainak átalakulása az elmúlt évszázadban általában két irányból történt. Az oktatási rendszer különböző szintjeinek expanziója előbb a fiatalabb korcsoportok magasabb képzettségén keresztül javította az iskolázottsági mutatókat, ám legalább ilyen fontos a sok évtizedes késleltetéssel bekövetkező változás, az alacsonyabban iskolázott idős korosztályok „elfogyásának” szerepe is. Ezeket az alapvető hatásokat módosította – egyes térségekben, például Budapest környékén gyorsan és/vagy nagymértékben, más esetekben lényegesen lassabban és kevésbé – a különböző iskolai végzettségű társadalmi csoportok eltérő mértékű és irányú migrációja. A felsőoktatásba jutás területi egyenlőtlenségei az ezredforduló után A népszámlálási adatokból csak 2001-ig követhető az iskolázottság területi egyenlőtlenségeinek változása, számos fontos – a képzettség szakmajellegére, „minőségi” értékére vonatkozó – információ pedig nem is deríthető ki belőle. Más adatforrásokból azonban – bár sajnos csak az oktatási rendszer területi hatásaira kiterjedően – részletes informáci4 Mindez arra is utal, hogy Magyarország ma még nem tekinthető posztmodern „tudástársadalomnak”. Az iskolázottság elemei közül egyelőre nem a diplomás népesség nagy aránya, hanem a legfeljebb 8 osztályt végzettek kis súlya fontosabb a területi fejlődés szempontjából.


323

ók nyerhetők, amelyekkel az eddig bemutatott összefüggések kiegészíthetők, sőt korlátozott érvénnyel ugyan, de a képzettségi egyenlőtlenségek jövőbeli változásának esélyeire vonatkozó előrejelzések is tehetők. Különösen indokolt a növekvő jelentőségű, az elmúlt két évtizedben hatalmas mennyiségi növekedést mutató, ugyanakkor jelentős belső átalakuláson is átmenő felsőoktatás részletesebb vizsgálata. Az egyenlőtlenségek mértékének és területi mintázatának változása (2001–2007) A felsőoktatás területi egyenlőtlenségeit mutató adatok részletesen a felvételekkel kapcsolatosan állnak rendelkezésre. Ezeket az Educatio Kht-től kaptuk, és az elmúlt 7 évre vonatkozóan (2001–2007) vizsgáltuk. Az itt közölt adatok az alapképzésre, a mesterképzésre és az osztatlan képzésre (a korábbi években az egyetemi és a főiskolai képzésre) terjednek ki, és a felvételek számát tükrözik5. Országosan a felvételek száma a 2. táblázat szerint alakult. 2. táblázat

A felsőoktatásba történt felvételek száma 2001 és 2007 között Év Felvételek száma

2001

2002

2003

2004

2005

2006

2007

104 831

116 084

115 189

116 387

110 349

100 514

87 135

A változás egyenlőtlenül oszlott el a különböző tudományterületek között. Az abszolút számok tekintetében a legjelentékenyebb veszteség a gazdaságtudományokat érte (12 722 fő, ami 39%-os visszaesés). A legnagyobb arányú csökkenés viszont az agrártudományok területén volt tapasztalható, ahol 57%-kal kevesebben jelentkeztek 2007-ben a maximális létszámhoz képest6. Az egyes szakterületekre felvettek területi koncentráltsága, illetve a változások mértéke is jelentősen eltért egymástól. Ezek mérésére most a súlyozott relatív szórás mutatóját használtuk: az egyes térségekből felvett hallgatók számát a 18–29 éves állandó népességhez viszonyítottuk, mivel ez a korosztály adja a felvettek kb. 85%-át (3. ábra).

5 A korábbi években előfordulhatott, hogy egy hallgató több képzésre is felvételt nyert. Az adatok a felsőfokú szakképzést nem tartalmazzák, s nem vettük figyelembe a külföldi vagy ismeretlen belföldi lakóhelyű hallgatókat sem. 6 A szakok képzési területekbe történő besorolása a több tudományterületet is magába foglaló szakok esetén (például földrajz–magyar szak) úgy történt, hogy a hallgatót fele-fele arányban számították be mind a két helyen.

324

DR. KISS JÁNOS PÉTER – TAGAI GERGELY – TELBISZ ERZSÉBET 3. ábra

A felsőoktatásba felvett hallgatók kistérségi egyenlőtlenségei képzési területek szerint (2001–2007)

Megjegyzés: felsőfokú szakképzés nélkül. Az Educatio Kht. adatai alapján saját számítás.

A legalacsonyabb szórásértékeket az összes tudományterületet magába foglaló adatsornál találtuk, hiszen az egyes tudományterületek közötti gyakran igen jelentős térségi különbségek kiegyenlítődnek. A legnagyobb értékeket azon képzési területeknél kaptuk, amelyekre kevés hallgató jelentkezett, és így a területi egyenlőtlenségek viszonylag magasnak adódtak. Ilyen a sporttudomány, illetve a művészet és művészetközvetítés képzési terület, ahol a felvettek száma nem éri el az évi 2500 főt. Ugyanakkor figyelemre méltóak az agrártudomány, gazdaságtudomány, természettudományok és a pedagógusképzés magas szórásértékei, hiszen ezeken a területeken viszonylag magas a hallgatói létszám. Felvetődik a kérdés, hogy szükséges-e a felvételek számának a népességeloszlást tükröznie? „Ha a felsőoktatás egésze szempontjából ez a kritérium irreális és elvi-logikai alap nélküli is, néhány olyan képzési ág esetében, amely közvetlenül a lakosság «ellátását» végző szakembereket képez, feltétlenül ésszerű követelmény. Ilyen «népességorientált» ágazatai a felsőoktatásnak az orvos-, illetve a pedagógusképzés” (Dériné 1980). Eszerint meglepő, hogy a pedagógus- és az orvosképzés esetén is viszonylag magas szórásértékeket kaptunk. A kistérségi szinten számított értékek azonban nem feltétlenül jelentenek súlyos nagytérségi aránytalanságokat, hiszen lehetséges olyan területi szerkezet, ahol minden megyében van kedvező és kedvezőtlen adottságú kistérség. Ezek a sajátosságok a területi autokorreláció módszere segítségével kutathatók, ami választ ad arra a kérdésre, hogy a hasonló adottságú kistérségek egymás közelében helyezkednek-e el. A számítás során az egyes kistérségek, illetve szomszédaik „hasonlóságát” vizsgáltuk, vagyis a kistérségek


325

népességarányos felvett hallgatói létszámait vetettük össze szomszédaik ugyanezen átlagértékével.7 A területi autokorreláció tudományterületenkénti értékeit a 4. ábra mutatja. 4. ábra

Kistérségi szintű autokorreláció a felsőoktatásba felvett hallgatókra, képzési területek szerint (2001–2007)

Megjegyzés: felsőfokú szakképzés nélkül. A képzési területek jelölése a 3. ábránál megtalálható. Az Educatio Kht. adatai alapján saját számítás.

Az eredmények szerint a területi autokorreláció minden évben az agrárképzésben volt a legmagasabb, bár csökkenő tendenciát mutatva: 0,75 és 0,51 közötti értékeket vett fel, ami erős–közepes kapcsolatnak felel meg. Közepes korrelációt mutatott a vizsgált 7 év mindegyikében a pedagógusképzés, a műszaki és a természettudományi képzési terület. A legkisebb értékeket többnyire a tudományterületek összesített adatsora mutatta, ami arra utal, hogy szerencsére csak ritkán fordulnak elő homogén magas, illetve alacsony felvételi arányszámú kistérségekből álló nagyobb területek. Az egyes képzési területek különböző területi koncentráltsága mögött tehát eltérő tényezők állhatnak. A következőkben két, sajátos „térszerkezetű” tudományterületet elemzünk részletesebben. Az egyik az agrárképzés, ahol a drasztikusan csökkenő hallgatói létszámok mellett tartósan erős területi meghatározottság mutatkozik a területi autokorreláció értékei alapján, különösen a csak közvetlen környékükön népszerű agrárfőiskolák esetében. A másik a pedagógusképzés, ahol – bár ésszerű lenne a felvettek népességarányos eloszlása – a területi autokorreláció értékei mégis viszonylag magas térbeli koncentrációra utalnak. A magas koncentráltság ráadásul már három évtizeddel ezelőtt is fennállt (Dériné 1980), sőt a pedagógusképzés esetében a mainál is koncentráltabbak voltak a jelentkezések, illetve a felvételek.

7 Szomszédnak a 32 km-es körön belül elhelyezkedő kistérségeket tekintettük. Ezen belül már minden kistérségnek van szomszédja, mégpedig átlagosan öt másik kistérség.

326

DR. KISS JÁNOS PÉTER – TAGAI GERGELY – TELBISZ ERZSÉBET 5. ábra

Az agrárképzésre felvettek aránya a 18–29 éves lakossághoz képest, az országos átlag százalékában, az agrárképzés telephelyeinek feltüntetésével, 2002

A grárképzés (felvett hallgatók, f ő, 2002 ) 100 0 500 100 3 éves képzés 5 éves képzés A grárképzés (ors zágo s átlag= 100%, 2002) 200 – 284 (7) 175 – 200 (4) 150 – 175 (11) 125 – 150 (15) 80 – 125 (52) 60 – 80 (33) 40 – 60 (29) 20 – 40 (17)

Forrás: az Educatio Kht. adatai alapján saját számítás.

Az ezredfordulót követően az agrárképzésben – noha a felvételi létszám kevesebb mint felére csökkent – a területi arányok csak kisebb mértékben módosultak (5–6. ábra). A 2002-es adatokat ábrázoló térképen összefüggő térségek rajzolódnak ki. Az agrárképzésre felvettek aránya igen magas volt az ország DK-i részében – helyenként az országos átlag 2-szeresét is meghaladta –, míg a nyugati országrészben nem akadt olyan kistérség, amely az országos átlagot 25%-nál nagyobb mértékben felülmúlta volna. A térképen feltüntettük az agrárképzést folytató intézmények hallgatói létszámadatait is, amiből jól érzékelhető, hogy ez az eloszlás követte az agrárfelsőoktatás területi szerkezetét, amely szintén az ország DK-i részére összpontosul. Bizonyos mértékig logikus ez, ám mégsem tekinthető szerencsésnek, hogy 2002-ben az agrár-felsőoktatási hallgatók 73%-át képezték a Dunától keletre, s mindössze 13-13%-át Budapesten, illetve a nyugati országrészben. Ezt az aránytalanságot részben enyhítette, hogy a keleti országrészben a hároméves képzést folytató intézmények vannak túlsúlyban, míg Budapesttől nyugatra az egyetemek dominanciája figyelhető meg. 2007-re érzékelhetően csökkent az agrárképzésbe felvettek térbeli koncentráltsága (6. ábra). Ebben az évben már a nyugati országrészben is felbukkannak olyan térségek, ahonnan népességarányuknál magasabb százalékban kerülnek be hallgatók az agrárfelsőoktatásba. Az ötéves képzést folytató, Budapesttől nyugatra fekvő intézmények relatív súlya nőtt: ezek környezetéből – legalábbis az országos arányokhoz képest – többen jelentkeznek agrárképzésre. Jelzi ezt az is, hogy a döntően egyetemi képzettséget nyújtó nyugati országrész az agrárképzés teljesítményének már 21%-át adta 2007-ben, míg a keleti országrész súlya 73%-ról 57%-ra csökkent. Ez az arányváltozás tehát – melyet elsődlegesen a gyöngyösi főiskola kapacitásainak drasztikus csökkentése okozott – a területi szempontból célszerűnek, a gazdasági adottságokhoz igazodónak látszik.


327 6. ábra

Az agrárképzésre felvettek aránya a 18–29 éves lakossághoz képest, az országos átlag százalékában, az agrárképzés telephelyeinek feltüntetésével, 2007

A grárképzés (felv ett hallgatók, f ő, 2007 ) 100 0 500 100 A grárképzés (ors zágo s átlag= 100%, 2007) 200 – 230 (4) 175 – 200 (9) 150 – 175 (8) 125 – 150 (23) 80 – 125 (62) 60 – 80 (39) 40 – 60 (16) 20 – 40 (7)


A pedagógusképzésbe felvettek8 esetében a területi koncentráció ugyan csökkent az elmúlt években, ugyanakkor a területi autokorreláció nem mutatott jelentős változást (értéke 0,37 és 0,52 között ingadozott az elmúlt években), ezért csak a legmagasabb, 0,52-es területi autokorrelációval jellemezhető, 2005-ös évre vonatkozó térképet mutatjuk be (7. ábra). Jól látható, hogy a 18–29 éves népességhez viszonyítva a legnagyobb arányban itt is a vidéki főiskolák környékéről kerültek ki a felvett hallgatók. Különösen igaz ez azokban az esetekben, amikor az adott kistérségben a pedagógusképzés az egyetlen lehetőség arra, hogy közeli felsőoktatási intézménybe kerüljenek a helybéliek. Megfigyelhető továbbá egy markáns É–D ellentét. Az északi országrészből csak két felsőoktatási intézmény gyakorolt akkora vonzóerőt a környezetére, hogy onnan az átlag felett kerültek be hallgatók a pedagógusképzésre. Ez a váci székhelyű Apor Vilmos Katolikus Főiskola, illetve a Miskolci Egyetem sárospataki Comenius Tanítóképző Főiskolai Kara. Mindez a pedagógusképzés alacsony rangjára is utal: az ebben való részvételért a legtöbb felvételiző nem hajlandó nagyobb távolságokat megtenni. A két példa megerősíti azt az összefüggést is, hogy az egyes felsőoktatási szakterületekre bekerülők térbeli koncentráltságának mértékét ma sem csak a gazdasági igények vagy a régió munkaerőpiacának elvárásai határozzák meg, hanem a képzőhelyek földrajzi elhelyezkedése és a bennük folyó oktatás szakterületének sajátosságai. Utóbbi szempont alapján pedig a vidéki főiskolák többsége – az agrár- és a pedagógusképzést is ideértve – a legerőteljesebben „távolságfüggő” intézmények közé tartozik (Telbisz 2006): elsődlegesen csak a képzőhely közelében élők számára „érdekes”, ugyanakkor ezen keresztül 8 A pedagógusképzésbe (a pedagógusképzés alapszaknak megfelelően) a gyógypedagógus, az óvodapedagógus és a tanító képzési ágakat sorolják, az általános és középiskolai tanárképzés más szakterületen szerepel.

328


egyszersmind „értelmiségmegtartó” szerepe van. Így a felsőfokú végzettségben mutatkozó területi egyenlőtlenségek csökkentésében igen fontos, pozitív hatású intézményekről van szó. 7. ábra

A pedagógusképzésre felvettek aránya a 18–29 éves lakossághoz képest, az országos átlag százalékában, a pedagógusképzési helyek feltüntetésével, 2005

P eadagó gusk ép zés (f elvett hallgatók, fő, 2005) 170 0 850 170

200 – 316 (6 ) 175 – 200 (5 ) 150 – 175 (14 ) 125 – 150 (23 ) 80 – 125 (70 ) 60 – 80 (30 ) 40 – 60 (14 ) 0 – 40 (6 )


A felvételi arányszámok területi különbségeinek tényezői A felsőoktatásba történő felvétel területi egyenlőtlenségei nemcsak „minőségi” értelemben, a képzési területek közötti megoszlást tekintve, hanem az összes felvételre vonatkozóan, a legegyszerűbb mennyiségi mutatókat tekintve is meglepően nagyok (3. ábra, 3. táblázat): a felsőfokú végzettségben mutatkozó területi egyenlőtlenségek újratermelődése vagy megváltozása tehát jelentős részben már a felsőoktatásba való bejutásnál eldől.9 A továbbiakban e nagyfokú területi differenciák magyarázatát kíséreljük meg. 3. táblázat

A felsőoktatásba történő felvételek területi különbségei Magyarországon (2002–2006 átlaga) (Százalék) Megnevezés Felvételek a 18–29 éves népességhez képest A térség neve

Országos átlag

Főváros

Legjobb megye

Legjobb kistérség

6,7

8,8

7,3

9,1

Budapest

Csongrád Nyíregyházai

Legrosszabb Legrosszabb megye kistérség 5,8

3,2

Somogy

Enyingi

9 Az eddigiekhez hasonlóan most sem térünk ki arra, hogy a felvételek terén mutatkozó egyenlőtlenségek mennyiben származnak a jelentkezések eltérő arányaiból, s mennyiben a felvételin való szereplés esetleges térségi különbségeiből. Minthogy azonban a megyei adatok szerint a felvételi teljesítményekben viszonylag kicsi az eltérés, a nagyobb szerepet minden bizonnyal a jelentkezések különbségei játsszák.


329

„A területi elszigeteltség és a családok aktuális jövedelmi helyzete közvetlenül is korlátozza a továbbtanulási esélyeket” (Kertesi – Kézdi 2005). További korlátozó tényező az iskolázatlanság, a munkanélküliség és a társadalmi kirekesztettség is. Az idézett szerzők szavai ugyan a középiskolai továbbtanulással kapcsolatban fogalmazódtak meg, ezek érvényesek a felsőoktatásra is. Bár a felsőoktatásba belépők köre jóval szelektáltabb a középiskolásokénál, a kulturális és anyagi pozíció, a munkaerő-piaci háttér az ő lehetőségeikre is hatással van (Lannert 2003). A felsőoktatási intézménybe felvett hallgatók 18– 29 éves népességhez viszonyított arányának10 kistérségenkénti különbségeit ezért elsődlegesen a térségi képzettségi viszonyokat legteljesebben reprezentáló átlagos elvégzett osztályszám (2001), a gazdasági, anyagi helyzetet szemléltető egy főre jutó jövedelem (2006) és a munkanélküliségi ráta (2006. december) adataival kíséreltük meg magyarázni. Ezeken túl egy, a felsőoktatási intézmények elhelyezkedésének hatását reprezentáló, egyszerű térparaméteres adatot is kiválasztottunk:11 a legközelebbi felsőoktatási intézménynek otthont adó település légvonaltávolságát a kistérség 18–29 éves népességének súlypontjától (2006). Hiszen az intézményválasztást – csakúgy, mint azt, hogy mely településeken helyezkednek el a végzett diplomás szakemberek – befolyásolja a felsőoktatási intézmény földrajzi helye is. A figyelembe vett tényezők közül az iskolázottság mutatója áll a legszorosabb kapcsolatban a felsőoktatásba felvett hallgatók arányával: a lineáris korrelációs együttható értéke a vizsgált kistérségi szinten 0,8 fölötti. Az iskolázottsági szint vezető szerepe, sőt még hatásának erőssége sem meglepő. A térségi képzettségi viszonyok, amelyek burkoltan magukban foglalják a kulturális háttér jellemzőjét is, más vizsgálatok szerint is a leginkább szignifikáns hatású tényezői a továbbtanulásnak (például Varga 2004). Voltaképpen annak a társadalmi ténynek a területi vetületével állunk itt szemben, amit mások mellett P. Bourdieu (1978), a hazai szociológusok közül pedig Ferge Zsuzsa (1972) már a ’70-es években megfogalmazott és elemzett: hogy az iskola, és ezen belül a továbbtanulás a társadalmi, különösen pedig a kulturális egyenlőtlenségek újratermelődésének központi fontosságú csatornája. Mindez esetünkben azt jelenti, hogy a magasabban iskolázott szülők gyermekei nagyobb eséllyel jutnak a felsőoktatásba: ebből pedig egyenesen következik az is, hogy a magasabb iskolázottsági szintű, több képzett ember lakóhelyeként szolgáló térségekben kerülnek többen a felsőoktatásba. Mégis, érdemes felhívni a figyelmet, hogy az adatok szerint ez az összefüggés az elmúlt években – a felsőoktatásban részt vevők számának többszörösére bővülése ellenére – sem veszített erejéből: a felsőoktatás expanziója egyes várakozások ellenére sajnos nem járt a területi esélykülönbségek csökkenésével. Ez pedig a területi előnyök és hátrányok „megszokott”, alapjában évtizedek óta alig változó rendjének, a hazai területi egyenlőtlenségi mintázatnak a további fennmaradását vetíti előre a következő évtizedekre is. Erős–közepes együttmozgás (0,61) figyelhető meg a kistérségek felvételi arányszámai és jövedelmi helyzete között is, ami elsődlegesen a területi-társadalmi egyenlőtlenségrendszer legfontosabb dimenzióinak – az anyagi-jövedelmi és a kulturális-iskolázottsági tényezőknek a bevezetőben már említett konzisztenciájára, a különböző típusú területi 10 Az egyes évek közötti véletlen ingadozások hatását kiszűrendő a 2002–2006. évek átlagával számoltunk. 11 A felsőoktatási intézmények körét nem székhely szerint, hanem a kihelyezett karok, tagozatok figyelembevételével állapítottuk meg, ha az adott településben minimum 500 hallgató képzése folyt.

330


előnyök és hátrányok egymást erősítő hatására vezethető vissza. Nincs ilyen szoros öszszefüggés a felvett hallgatók aránya és a munkanélküliségi ráta között, de a gyenge– közepes erősségű negatív előjelű együttmozgás (–0,42) így is utal a hátrányos helyzetű térségben élők felsőoktatásba való belépésének nehézségeire. Hasonló erősségű (–0,48) kapcsolat mutatkozik a legközelebbi felsőoktatási intézmény távolsága és a felvételi arányszám között, igazolva az egyetemek, főiskolák elérhetőségének szerepét a felsőoktatásba kerülés esélyeiben. Ez megint csak egy társadalmi természetű összefüggés területi kifejeződéseként értékelhető, hiszen a szóba jöhető intézmények elhelyezkedése, lakóhelytől való távolsága az egyéni motivációk között is előkelő helyen szerepel (Polónyi 2004). Ugyanakkor figyelmeztető jel is: a felsőoktatási intézmények sokak által szorgalmazott integrációja, térbeli koncentrálódása, vagy akár a felvételi rendszer 2007-es, a nagy egyetemi központokat preferáló és vidéki főiskolák többségét hátrányosan érintő változásai a területi esélyegyenlőtlenségek további növekedését is eredményezik. A figyelembe vett magyarázóváltozók egymás között is erős, szignifikáns együttmozgást mutatnak, közvetlenül is jelezve a tényezők kölcsönös meghatározottságát, a különböző jellegű társadalmi-gazdasági jelenségek területi különbségeinek egymást erősítő karakterét (Nemes Nagy 2003, Telbisz 2006) (4. táblázat). 4. táblázat

Korrelációs kapcsolatok a felvételi arányszám és a magyarázótényezők között A felvett hallgatók aránya Átlagos elvégzett osztályszám Egy főre jutó jövedelem Munkanélküliségi ráta A felsőoktatási intézmény távolsága

1,00 0,80 0,61 –0,42 –0,48 A felvett hallgatók aránya

1,00 0,89 1,00 –0,72 –0,79 –0,63 –0,55 Átlagos Egy főre jutó elvégzett jövedelem osztályszám

1,00 0,52 1,00 Munka- A felsőoktatánélküliségi si intézmény ráta távolsága

A magyarázótényezők együttes hatását lineáris regressziós modellben is vizsgálhatjuk. A vizsgálatba bevont független változók összesített magyarázóereje csak kevéssel magasabb (R2=0,73), mint az átlagos elvégzett osztályszámé önmagában (R2=0,64). Az, hogy az iskolázottság mutatója szinte egymaga „uralja” a modellt, a kulturális tényező már említett meghatározó erejére utal, amely közvetett módon más társadalmigazdasági jelenségeket is alakít. Az ebből következő összefüggő változórendszer viszont magas torzítóhatással (multikollinearitással) jellemezhető, így a modell érvényessége megkérdőjelezhető. Emellett az is kiderül, hogy – gyenge láncszemként – a legközelebbi egyetem, főiskola távolsága nem járul hozzá szignifikánsan a felsőoktatásba belépők arányszámának magyarázatához. E két változó adatainak szórásdiagramja azt jelzi, hogy nem lineáris kapcsolattal van dolgunk – ezért sem illeszkedik a távolságtényező az előbbi regressziós modellbe. Egy logaritmikus trendvonal megfelelőbben írja le az összefüggést, de egyben azt is sugallja, hogy a képzőhely léte vagy nemléte önmagában is magyarázza a felvételi arányszámokat. Ezt a képet árnyalja tovább az intézménytől való távolság. A szórásdiagram lehetőséget ad egy kereszttábla felállítására is. A kereszttábla osztótengelyét mind a legközelebb fekvő felsőoktatási intézmény távolsága, mind a felvett hallgatók 18–29 éves korosztályra vetített aránya esetében az adatsorok átlagánál vettük


331

fel (20 kilométer, illetve 6,7%).12 A legközelebbi egyetemtől, főiskolától mért távolságátlagot egyszerű számtani átlagként számítottuk. A legtöbb kistérség legalább másodfokú szomszédsági kapcsolatban van valamely felsőoktatási központnak otthont adó térséggel – azaz, ha a kistérségben és szomszédos kistérségeiben nincs is, legalább ezek szomszédjaiban működik minimum 500 főt képző felsőoktatási intézmény. Kivételt csak a más tekintetben is leginkább periferikus helyzetű Csenger és Fehérgyarmat térségei jelentenek, s az ő esetükben a legmagasabb a minimális intézményi távolság is: 68,5, illetve 69 kilométer. A felvételi arányszámokat tekintve nincsenek ilyen szélsőséges esetek. 8. ábra

A legközelebbi felsőoktatási intézmény távolsága és a 18–29 éves korosztályból felvett hallgatók (2002–2006 átlaga) száma közötti összefüggés kistérségi jellemzői Felvételek (100%=országos átlag)

160 140

Képzettség alapján

első 15 utolsó 15

kistérség

120 100 80 60 Y = –9,1419Ln(x) + 123,98 R2 = 0,3644

40 20 0

0

50

100 300 150 200 250 Felsőoktatási intézmény távolsága (100%=országos átlag)

350

400

A kereszttáblát tekintve (8. ábra) legkedvezőbbnek azon kistérségek helyzete nevezhető, amelyek közel fekszenek valamely felsőoktatási központhoz – legtöbb esetben maguk is otthont adnak ilyennek –, és magas a felvételt nyert hallgatók lakosságszámhoz viszonyított aránya is. Idetartozik Budapest, valamint a legjelentősebb vidéki felsőoktatási központok térsége, Győrtől kezdve Pécsen és Szegeden keresztül Miskolcig. Ebbe a csoportba tartoznak azon térségek is (elsősorban a budapesti agglomeráció északi része), ahol a kedvező humánerőforrás-adottságok mellett kiemelkedően nagy a felsőoktatási potenciál, azaz több, nagyobb vonzerőt kifejteni képes egyetem és főiskola közelségében fekszenek (Telbisz 2007). A kistérségek relatív többsége átlag alatti felvételi arányszámokkal rendelkezik, és a legközelebbi felsőoktatási intézmény is viszonylag távol esik tőle. A minden szempontból legkedvezőtlenebb helyzetű térségek – a hazai területi folyamatok tartós vesztesei, lemaradó területei – alkotják ezt a csoportot (nagyrészt Északkelet- és Dél-Magyarországon, valamint a dunántúli belső perifériákon), alátámasztva az összefüggést, a térségek társadalmi-gazdasági helyzetének, „státusának” a lakosság továbbtanulási lehetőségeit is döntően meghatározó szerepét. Minimális ugyanakkor azon kistérségek száma, amelyek távolabb helyezkednek el a felsőoktatási intézményektől, mégis magas felvételi arányszámokat mutatnak. Mindössze öt térség, a Balassagyarmati, a Csongrádi, a Dombóvári, a Fonyódi és a Tiszaújvárosi 12 Az összehasonlíthatóság érdekében a szórásdiagramon a változók értékeit az országos átlag százalékában adtuk meg.

332


kistérség alkotja ezt a kört. Közös jellemzőjük kevés akad: egyik részük számára azonban egy adott (nagyobb) távolságon belül több, változatos profilú intézmény nyújt viszonylag kedvező továbbtanulási kínálatot – például Csongrád a kiemelkedő délkelet-magyarországi, Tiszaújváros pedig a legnagyobb északkelet-magyarországi felsőoktatási központok metszéspontjában terül el – máskor azonban inkább a társadalmi tradíciók (például Balassagyarmat) vagy a jó jövedelmi helyzetű, iskolázott népesség (például Fonyód, Tiszaújváros) magyarázhatja a kivételes viselkedést. Sajátos helyzetben vannak azok a kistérségek is, ahol vagy amelyek közelében van felsőoktatási intézmény, mégis alacsony az innen felvett hallgatók aránya. Ebbe a viszonylag nagyobb esetszámú csoportba tartoznak egyrészt azok a kisebb jelentőségű vidéki felsőoktatási központok (például Mosonmagyaróvár, Kaposvár, Baja vagy Mezőtúr), amelyek képzési profilja specializáltabb, illetve képzési kapacitása kisebb ahhoz, hogy a továbbtanulás megfelelő kínálatát jelentse. Hasonló árnyékterület rajzolódik ki Budapest és a nagyobb vidéki egyetemek környezetében is (például Miskolc, Debrecen vagy Pécs körül), ahol a képzési helyek kedvező elérhetősége hátrányos társadalmi helyzetű lakossággal párosul, amely nem tudja kihasználni a képzőhelyek közelségéből adódó lehetőségeket. Az iskolázottság adatsorának első tizenöt és utolsó tizenöt helyezettjét kiemelve, az előbbiek során felvázolt jellegzetességek tovább árnyalhatók (8. ábra). Az átlagos elvégzett osztályszám a legnagyobb felsőoktatási központokban (Budapest és a nagy vidéki egyetemek köre), illetve azok kedvező adottságú környezetében (például Szentendre és Dunakeszi térsége) mutatkozik a legmagasabbnak, és a felvett hallgatók aránya is szinte ugyanezen térségekben a legmagasabb. A rangsorok másik végén azonban már nem ilyen egyértelmű a képzettség, elérhetőség és a felvételi arányszám kapcsolata: a felsőoktatásba való bejutás nem ott a legalacsonyabb, ahol a legrosszabbak a lakosság iskolázottsági viszonyai. Sőt, az Abaúj–Hegyközi és a Csengeri kistérségben annak ellenére viszonylag magas a felsőoktatásba jutók aránya, hogy az átlagos elvégzett osztályszám országosan az egyik legalacsonyabb. Mindez jól szemlélteti a jelenség összetettségét, elvben arra is utalva, hogy az általunk figyelembe vett társadalmi és intézményelérhetőségi tényezők ereje talán mégsem teljesen determinisztikus a felsőoktatásba való bejutás szempontjából, s hogy a felsőoktatási rendszer talán mégsem minden esetben a területi egyenlőtlenségek fennmaradásához–növekedéséhez járul hozzá. Ahhoz azonban, hogy ezt biztosan kijelenthessük, további információkat is ismernünk kellene. Azt például, hogy a képzés minőségi oldalát – tudományterületi összetételét, főiskola és egyetem közötti arányait stb. – tekintve is kedvező-e az említett néhány elmaradott kistérség helyzete, s hogy nemcsak a felvettek, hanem a végzettek között is magas arányokkal szerepelnek-e; főleg pedig azt, hogy a végzettek milyen arányban térnek vissza a diploma megszerzése után az elmaradott térségekbe. Félő, hogy ezekben a vonatkozásokban már nem állnak ilyen jól e „kivételes” kistérségek sem. Ezért a felsorolt szempontok, s további társadalmi jellemzők, kulturális hatások, egyéni motivációk figyelembevétele vezethet csak a (felső)oktatás és a területi egyenlőtlenségek kapcsolatrendszerét alakító mechanizmusok biztosabb értelmezéséhez.


333

IRODALOM Bourdieu, Pierre (1978): Az értelmiségi hagyomány és a társadalmi rend megőrzése, In: Bourdieu, Pierre: A társadalmi egyenlőtlenségek újratermelődése, Gondolat Kiadó, Budapest Déri Miklósné (szerk.) (1980): A magyar felsőoktatás területi struktúrája. Felsőoktatási Ped. Kutatók., Bp. Enyedi György (1996): Regionális folyamatok Magyarországon az átmenet időszakában. Hilscher Rezső Szociálpolitikai Egyesület, Budapest Ferge Zsuzsa (1972): A társadalmi struktúra és az iskolarendszer közötti néhány összefüggés. Szociológia, 1. Forray R. Katalin – Kozma Tamás (1999): Regionális folyamatok és térségi oktatáspolitika. (Kutatás Közben 225.) Oktatáskutató Intézet, Budapest Illés Iván (2003): Oktatási rendszer. In: Perczel György (szerk.): Magyarország társadalmi-gazdasági földrajza. ELTE Eötvös Kiadó, Budapest Kertesi Gábor – Kézdi Gábor (2005): A foglalkoztatási válság gyermekei. Roma fiatalok középiskolai továbbtanulása az elhúzódó foglalkoztatási válság idején. Budapesti Munkagazdaságtani Füzetek. MTA KKI, BWP, 2005/5. Kézdi Gábor (2004): Iskolázottság és foglalkoztatottság. In: Fazekas Károly – Varga Júlia (szerk.): Munkaerőpiaci Tükör 2004. MTA Közgazdaságtudományi Intézet, Budapest Kolosi Tamás (1987): Tagolt társadalom. Gondolat Kiadó, Budapest Kramarics Tiborné – Szekeres Jánosné (2007): Az iskolázottság területi különbségei Magyarországon. Területi Statisztika, 4. Lannert Judit (2003): A továbbtanulási aspirációk társadalmi meghatározottsága. In: Lannert Judit (szerk.): Hogyan tovább? Pályaválasztási elképzelések Magyarországon. Országos Közoktatási Intézet, www.oki.hu Nemes Nagy József (1980): A felsőfokú továbbtanulás területi és településtípusok közötti esélykülönbségei. Területi Statisztika, 2. Nemes Nagy József (1988): A szellemi élet térszerkezete. Tervgazdasági Fórum, 1. Nemes Nagy József (2003): A fekvés és az iskolázottság hatása a területi egyenlőtlenségekre Magyarországon. In: Fazekas Károly (szerk.): Munkaerő-piaci Tükör 2003. MTA Közgazdaságtudományi Intézet Polónyi István (2004): A hazai felsőoktatás demográfiai összefüggései a 21. század elején. Kutatás Közben. Felsőoktatási Kutatóintézet, No. 255. Rechnitzer János – Smahó Melinda (2005): A humán erőforrások regionális sajátosságai az átmenetben (KTI Könyvek 5.) MTA Közgazdaságtudományi Intézet, Budapest Szukicsné Serfőző Klára (1993): Iskolázottságunk alakulása a népszámlálási adatok tükrében. (KSH Népességtudományi Kutató Intézet Kutatási Jelentései, 48.) KSH NKI, Budapest Telbisz Erzsébet (2006): A képzés és képzettség magyarországi térszerkezetének jellemzése számítástechnikai módszerekkel. Diplomamunka, ELTE TTK Regionális Földrajzi Tanszék Telbisz Erzsébet (2007): Az egyetemi felsőoktatás térszerkezetének modellezése. In: Bakonyi István, Rechnitzer János, Solt Katalin, Losoncz Miklós (szerk.): Tudásmenedzsment és a hálózatok regionalitása. SZIE, Multidiszciplináris Társadalomtudományi Doktori Iskola Trócsányi András (2002): Magyarország iskolázottsági térképe. In: Trócsányi András – Tóth József: A magyarság kulturális földrajza II. Pro Pannónia Kiadó, Pécs Varga Júlia (2004): A munkaerő-piaci ismeretek és várakozások hatása a felsőfokú továbbtanulási döntésekre. In: Fazekas Károly – Varga Júlia (szerk.): Munkaerő-piaci Tükör 2004, MTA Közgazd. Intézet Kulcsszavak: képzettség, kiegyenlítődés, felsőoktatás, területi egyenlőtlenségek, képzési területek, társadalmigazdasági hatótényezők. Resume Education is one of the most important elements of social development and the way of regional disparities of opportunities. Inequalities in erudition have decreased a lot in the last decades in Hungary, as we consider the lower levels of education, while regional disparities of higher education remained significant. As a whole, they mirror disparities of social and economic framework, while these inequalities are much higher among branches of higher education, which, in general all have their proper spatial characteristics. Enrolment ratio to universities and colleges from a given area is determined by various factors of social life, among others the level of qualification as such, income position, unemployment status or accessibility. These elements are strongly interconnected and constitute a complex system, whose investigation helps to understand the role of culture in forming spatial frameworks.

DR. BOTTLIK ZSOLT

A regionális és etnikai különbségek összefüggései Bulgáriában az ezredfordulón Bevezetés Bulgária és Románia 2007. január 1-jei EU-csatlakozásával 10-re nőtt az egykori keleti blokkhoz tartozó országok száma az ezzel együtt 27 tagállamot számláló integrációban. Az EU-bővítés e mozzanatával az egykori Szovjetunió erőterében levő országok csaknem mindegyikét sikerült politikailag a fejlett nyugati világhoz kapcsolni. Ugyanakkor a Balkán-félsziget keleti térségében fekvő Bulgáriában is számtalan problémát hoztak felszínre a transzformációval járó folyamatok. Gondoljunk csak az ország legjelentősebb kisebbségét képező törököknek az 1989-es tömeges kivándorlására, vagy a kilencvenes évek közepén az ország gazdaságának szinte teljes csődjére, vagy éppen a jelen nehézségeire, egy reformok előtt álló közösséghez való csatlakozás számtalan problémájára (Carter 1990, Nutz 2004, Ermann–Ilieva 2007b). Jelen tanulmányban kísérletet teszünk az ország ezredfordulós gazdasági térszerkezetének NUTS 3-as szintű bemutatására, amennyire a rendelkezésre álló adatokból ez lehetséges. Ezután megpróbáljuk igazolni azt a sejtésünket, hogy az ország hátrányos gazdasági helyzetű térségeiben koncentrálódnak az ország arányaikat és lélekszámukat tekintve legnagyobb nemzeti kisebbségei (törökök, pomákok1, romák). A gazdasági feszültségek pedig újabb etnikai villongások csíráját hordják magukban. A tanulmány térinformatikai adatbázisa így kiindulópontja lehet a további regionális (NUTS 4)2 szintű gazdasági és etnikai célzatú munkáknak. Adatbázis, módszerek A Bolgár Statisztikai Hivatal általános összefoglaló munkáiból leginkább a demográfiai adatokat használtuk, amelyek az összlakosságra, valamint etnikumra, vallásra, anyanyelvre vonatkoznak. Ugyanakkor Bulgária gazdaságára, illetve az 1990-es évekre vonatkozó adatsorok többsége az ELTE Regionális Tudományi Tanszékének adatbázisából, a 2001-es népszámlálás legújabb, a NUTS 3-as területegységre vonatkozó adatokat közlő köteteiből, valamint az EUROSTAT honlapjáról származnak. Főként ez utóbbiak segítségével próbáltuk az ezredforduló Bulgáriája gazdasági helyzetének területiségét fölvázolni.

1 Pomákok: etnikai-vallási csoport a Balkánon. Egy részük töröknek, más részük bolgárnak vallja magát, a legnagyobb rész pedig nem rendelkezik etnikai tudattal, hanem muzulmánnak tartja magát. 2 Újabb elnevezése szerint: LAU 1 – local adminisztrative unit.

A REGIONÁLIS ÉS ETNIKAI KÜLÖNBSÉGEK ÖSSZEFÜGGÉSEI BULGÁRIÁBAN

335

Kutatásunk e szakaszában az adatok összegyűjtésének és standardizálásának nehézségei miatt a vizsgálatokat NUTS 3-as szinten végeztük el, amely egységek területük és lakosságszámuk alapján kisebbek a magyarországi megyéknél (Nikolov 2003). A felvetésben megfogalmazottak és a rendelkezésre álló adatok alapján a cél az ország 28 kerületének (okrăg) valamely szempont szerinti sorrendbe állítása, amely lehetőség szerint jól tükrözi a NUTS 3-as területegységek fejlettségi különbségeit az átmenet éveiben. E jelenség azonban a mai világban egyre bonyolultabb, sokrétűbb, és ebből kifolyólag csak több mutatóval fogható meg. Így ezen mutatók kezelését, a közöttük levő összefüggéseket faktoranalízis segítségével igyekeztünk föltárni, és a hátrányos helyzetben fekvő régiók területi elhelyezkedését egybevetni az etnikai térszerkezet aktuális állapotával. Az ország gazdasági térstruktúrája az átmenet éveiben (1992–2001) A szakirodalmi áttekintésből kiolvasható, hogy a török–bolgár etnikai ellentétek véres összecsapásoktól sem mentes időszaka az országban lezajló rendszerváltást követő demokratikus intézményrendszer kialakulásával párhuzamosan vélhetően lezárult (például Lee 1985, Mariušiakova 1990, Crampton 1990, Kertikow 1991, Härtel 1993, Krasteva 1995). Ugyanakkor a diszkriminációból és erőszakos asszimilációból fakadó problémák helyett az ország jelenlegi gazdasági helyzetéből fakadó sajátosságok más jellegű etnikai feszültségek forrásaivá válhatnak (Gjuzelev 1994). Ezért a továbbiakban az ország gazdasági térstruktúrájának jellegzetességeit tárgyaljuk, illetve annak hatásait az etnikai térszerkezetre (Grosser 1996). Az egykori keleti blokkban lezajlott 1989-es eseményekkel megváltozott politikai szituációban a volt európai szocialista országok közül a Szovjetuniónak talán leginkább kiszolgáltatott Bulgária gazdaságának irányát 180°-kal meg kellett változtatni (Genov 2001). Ez az impulzus azonban a gazdaság oly mértékű strukturális változását igényelte, amely különösen nehéz és fájdalmas éveket hozott az 1990-es években a bolgár gazdaságba és társadalomba. A rendszerváltás előtt erősen centralizált ország gazdasági stratégiája leginkább két pilléren nyugodott. Ez az állami nagyberuházások mellett (például a Kremikovci Fémművek, a Burgaszi Olajfinomító, Sztara Zagora gépipara) a fejletlen városi és a rurális térségekben működő több ezer kisüzem támogatását jelentette, amelyek gazdaságilag nem voltak hatékonyak, ugyanakkor jelentős szociális funkciót töltöttek be. Ez nyilvánvalóan csak a világgazdaság árnyékában működő protekcionista KGST piacain volt tartható. (Erre jó példa az ország délnyugati részében fekvő Blagojevgrádi kerület, amelynek iparosítására az 1970-es években döntően a KGST által meghatározott „igények” következtében került sor.) A szocialista blokk összeomlásával a gazdasági térszerkezet is átrendeződött, amelyet leginkább a nagyobb városok (Szófia, Plovdiv, Sztara Zagora, Burgasz, Várna) jelentősebb gazdasági aktivitása, így környezetükből való kiemelkedése jellemzett. Bár a szovjet nyersanyagimportot fogadó fekete-tengeri kikötőkben (Burgasz, Várna) lévő ipari üzemek a rendszerváltás után veszítettek jelentőségükből, az ország gazdaságának nyugati orientációját nem segítette a délszláv háború, amelynek következtében az egykori Jugoszlávián átvezető, Bulgária nyugati irányú külkereskedelmében igen fontos közlekedési folyosók az 1990-es években nehezen voltak járhatóak. Ugyancsak nehéz

336

DR. BOTTLIK ZSOLT

volt a gazdaság szovjet orientációjának időszakában elhanyagolt, a politikai okokból amúgy sem preferált gazdasági kapcsolatokat szélesíteni a már 1981-től EU-tag Görögországgal, illetve Romániával és Törökországgal. Bulgária regionális gazdasági különbségei az ezredfordulón A gazdaság e folyamatait vizsgálva felsejlik, hogy a bemutatott etnikai térszerkezeti különbségek mögött esetenként gazdasági különbségek húzódnak, amelyek az átmeneti válságban lévő bolgár társadalom további, etnikai differenciáit erősíthetik. Így a továbbiakban a gazdaságilag periférián lévő területeket vetjük össze a döntően nem bolgár nemzetiségű népesség által lakott területekkel. A faktoranalízis matematikai modelljét számos helyen publikálták már. Ennek ismertetésénél fontosabbak azok a szempontok, amelyek alapján a mutatókat (alapadatokat, input-változókat) kiválasztottuk. A legfőbb szempont az volt, hogy az adatok alkalmasake a vizsgálni kívánt jelenség mérésére, vagyis jelen esetben valóban meghatározzák-e a fejlettségi különbségeket. Bár a faktoranalízis nagy mennyiségű információ kezelésére alkalmas, mégis meg kell jegyezni, hogy se túl sok, se túl kevés változóval nem célszerű a vizsgálat elvégzése. Az eddigi vizsgálatok empirikus tapasztalata szerint megbízható, jól interpretálható eredmények elérésének az a feltétele, hogy a megfigyelési egységek (28 egységről van szó) száma legalább kétszerese legyen a változók számának. Ugyanakkor nem biztos, hogy az a jó, ha „leltározunk”, hiszen a cél a „sok” változóból „kevesebb”, jobban elemezhető faktorok létrehozása, amelyek száma az alapadatok számának növekedésével értelemszerűen növekedhet, ugyanis egy mutató sokkal több mögöttes tartalommal rendelkezik, mint a közvetlenül mért részjelenség. Fontos a változók közötti korrelációs kapcsolat is, mert ha például teljesen egyértelmű a kapcsolat az adatsorok között, akkor csupán egy faktor lesz, ha pedig semmilyen kapcsolat nincs, akkor hibás következtetésre juthatunk a vizsgálat során. Az önmagában nem baj, ha egy-egy adatsorpár nem felel meg az előbbieknek. A módszer ugyanis az elvben nehezen vagy egyáltalán nem összevethető adatok tartalmát próbálja „közös nevezőre” hozni az információveszteség minimalizálásával (Sikos 1984, Nemes Nagy 1998). Mint láttuk, az adatsorok kiválasztásánál ésszerű kompromisszumra van szükség, nemcsak a változók számát, hanem egymás közötti kapcsolatrendszerüket illetően is. Nem véletlen, hogy a módszert a legtöbb támadás a változók kiválasztása miatt éri. A fentieket figyelembe véve Bulgária 28 kerületének fejlettségi színvonalát kilenc adatsor segítségével vizsgáltuk. Mivel a vizsgált területen levő területegységek lakosságszáma különböző, ezért az abszolút adatok 1000 lakosra vetítésével fajlagos mutatókat állítottunk elő. A adatsorok, amelyek leginkább az ezredforduló környékéről származnak, a következők (forrás: PHARE ACE P98-1117-R Projekt, ELTE Regionális Tudományi Tanszék, és a 2001-es népszámlálás legújabb, a NUTS 3-as területegységre vonatkozó kötetei): − a mezőgazdasági keresők aránya, − a működő vállalkozások aránya, − a külföldi vegyes vállalatok aránya, − a kutatás-fejlesztésben dolgozók 1000 főre jutó száma, − a 100 km2-re jutó portalanított utak hossza 2001-ben,


337

− a munkanélküliségi ráta 2001-ben, − az átlagbér 1999-ben, − az 1000 főre jutó gépkocsik száma, − az 1000 főre jutó telefonfővonalak száma. A módszer első értékelhető eredményét a háromszögmátrix adja, amely tulajdonképpen az adatsorok páronkénti korreláltságát jelzi. Ennek alapján megállapítható, hogy e tíz mutatóval végzett faktoranalízis esetében a mutatórendszer korreláltsága viszonylag laza, hiszen a 45 lehetséges páronkénti korrelációból csak 10-nek szorosabb (0,7-nél nagyobb) a kapcsolata. A számítás eredményeként a matematikailag lehetséges tíz faktor közül csupán kettőnek a sajátértéke haladja meg az 1,00-es értéket, amelyek magyarázott szórásnégyzete az összes információ 72,2%-át tartalmazza. E két faktorral érdemes foglalkozni a továbbiakban. Ez az eredmény a társadalomföldrajzi tapasztalatok szerint kedvezőnek mondható. A két faktor tartalmának meghatározására a rotált faktormátrixot használhatjuk. Az első faktor, amely egyébként az összes információ több mint 40%-át tömöríti, a gazdasági környezetet jellemzi, mert kialakításában a hazai vállalatok száma, valamint a gépkocsik és telefonfővonalak száma szerepel jelentős változóként, ezek rendelkeznek 0,70 pont fölötti értékekkel. Emellett a nem mezőgazdaságban dolgozók alacsony aránya jellemzi ezeket a térségeket. A második faktor leginkább az innovációs környezetet jellemzi, mert esetében a 100 km-re jutó portalanított utak hossza, a K+F-szektorban dolgozók aránya, valamint a külföldi vegyes vállalatok rendelkeznek meghatározó értékekkel. E faktor az összes információ majd 30%-át tömöríti. A megfigyelési egységek egyes faktorokhoz tartozó pontértékeit, illetve azok szóródását vizsgálva azt állapíthatjuk meg, hogy a két faktor pontértékei a még elfogadható értékek, az egyes faktor –1,18 és +2,72, míg a kettes –1,83 és +3,50 között mozog. A két faktor pontértékeit koordinátarendszerben ábrázoltuk, ahol az x tengelyen az első, míg az y tengelyen a második faktor értékei láthatók. A pontok elhelyezkedése a NUTS 3-as területegységek helyét mutatja a két faktor terében. Meg kell jegyezni, hogy Szófia értékei mind a két faktor esetében jelentősen kiugranak a többi régió értékei közül, ami adott esetben felboríthatja az általános képet, ezért a város jelét nem tartalmazzák az ábrák (1. és 2. ábra).

338

DR. BOTTLIK ZSOLT 1. ábra

A faktortér és a lakosság nemzetiségi összetételének összefüggései

Így az x tengely fölött, valamint az y tengelytől jobbra elhelyezkedő pontok azok, amelyek pozitív értékekkel rendelkeznek (első negyed). Azok a NUTS 3-as területegységek tekinthetők tehát a legfejlettebbeknek, amelyekre ez a két feltétel egyidejűleg áll fönn, vagyis a hozzájuk tartozó faktorérték mindkét esetben pozitív. A koordinátarendszer ezzel ellentétes negyedében (harmadik negyed) pedig azok a régiók találhatók, amelyekhez mindkét faktor esetében negatív értékek tartoznak, ezek lényegében a legkevésbé fejlett településcsoportot alkotják. A koordinátarendszer másik két negyedében található NUTS 3-as területegységek között a fejlettségi sorrendet az első faktor pontértéke határozza meg, mivel ez az adat tartalmazza több változó információtartalmát. Ezért a negyedik negyedben levő NUTS 3-as területegységek magasabb fejlettségi szinten állnak, mint a megfigyelési egységek második negyedbe került csoportja. A faktortér képét kiegészíti még a városi lakosság, valamint a nem bolgár népesség száma az adott régión belül. Emellett a különböző nemzetiségi csoportok megoszlása is látható (1–2. ábra). Ez utóbbi kiegészítő információk alapján lettek megszerkesztve azok az „ál-izovonalak”, amelyek a faktortérben jelölik ki az ország fenti szempontok szerinti törésvonalait.


339 2. ábra

A faktortér és a városi lakosság arányának összefüggései

A tapasztalatok szerint jelentős törésvonalakat sejthetünk Bulgáriában a falusi és városi terek között. Ha a városi lakosság elhelyezkedését szemléljük, látható, hogy egyértelműen a nagyobb népességkoncentrációjú térségek (Szófia, Plovdiv, Burgasz) találhatók a legfejlettebb térségek között, míg a bolgár viszonylatban közepes, illetve kisvárosi régiók a gazdasági vagy az innovációs környezetük miatt nem kerültek az ország legfejlettebb régiói közé (1. ábra). Ezekben az esetekben helyi sajátosságok, esetleg egy kisebb régió pozitív vagy negatív hatásai játszhatnak szerepet. A leggyengébb helyzetben lévő régiók városi lakossága nem jelentős, döntően elmaradott agrárvidékekről van szó (Vidin, Tărgoviste, Razgrad, Szmoljan, Kărdzsali) (Dimitrov 1995) (2. ábra). A másik jelentős különbség, amelyet láthatunk, a bolgár és nem bolgár nemzetiségű lakosság között húzódik. A kördiagramokon az is látszik, hogy mely nemzetiségi csopor-

340

DR. BOTTLIK ZSOLT

tok határozzák meg a képet leginkább: törökök, romák, pomákok. (Ez utóbbiakat bizonytalan identitásuk miatt a bolgár hivatalos álláspont nem is kezeli külön kategóriának, így hozzávetőleges számukat csak indirekt módon, a vallási és anyanyelvi adatokból számíthatjuk ki (Telbizova-Sack 1999, Poulton 2001, Brunnbauer 2002). Alapvetően a leggyengébb helyzetben a török és a bolgár nyelvű, muszlim vallású pomákok által lakott térségek vannak, ugyanakkor jelentős a nemzetiségi csoportok koncentrációja a nagyobb városokban (Szófia, Plovdiv, Burgasz) is. Ezekben a városokban a kisebbségi lakosság erős koncentrációja, szegregációja, illetve társadalmi marginalizációja figyelhető meg, ami különösen igaz a plovdivi Stolipinovo és a szófiai Fakulteta negyedben sokszor informális gazdasági, társadalmi helyzetben levő roma lakosságra (Schüler 2005). Az említett slumok3 kialakulásában több tényező játszott szerepet. Az 1950-es évek gyors szocialista iparosítása következtében tömegével költöztek be az emberek a mezőgazdasági térségekből, akik az idők során nem veszítették el falusi gyökereiket. Ezért az átmenet gazdasági nehézségei miatt szinte egyik napról a másikra visszavándoroltak a vidéki közegbe, ezzel gyorsítva föl a lakótelepek társadalmi erózióját. Ha a régiókat a faktortér különböző negyedei szerint térképen ábrázoljuk (3. ábra), a fenti folyamatok térbeli konzekvenciáit vizsgálhatjuk. Látható, hogy jelentős regionális különbségek rajzolódnak ki az ország területén. A két faktor értékei alapján 4 kitüntetett forgalmi helyzetben lévő, elsősorban országos jelentőségű városokkal rendelkező régió került az elfogadható kategóriába. Közülük magasan kiemelkedik a többi régióhoz képest jelentős lakossággal rendelkező főváros, Szófia. Mindkét faktor esetében pozitív értékekkel rendelkezik ezenkívül még a második legjelentősebb bolgár nagyvárossal bíró Plovdiv, valamint a bolgár–román Duna-szakasz egyetlen hídjával rendelkező Rusze, illetve az ország egyik jelentős tengeri kikötőjének, Burgasznak a régiója. Ígéretes helyzetben van még három Szófia környéki régió (Pernik, Kjusztendil és a főváros környéke), valamint az ország másik jelentős kikötője, Várna környéke. Ezek egy része olyan vidék, amelyek az egykori szocialista nehézipar fellegvárai voltak, a kilencvenes években azonban válságövezetekké váltak, ugyanakkor – elsősorban a bolgár vasés acélipar átalakításának köszönhetően – az ezredfordulóhoz közeledve sikereket könyvelhettek el (Köhli 2001). Emellett viszonylagos jó helyzetüket a főváros kisugárzásának, másrészt kedvező közlekedés-földrajzi fekvésüknek is köszönhetik. A gyenge helyzetű régiók a periférián lévő északnyugati (Vidin, Vraca, Pleven), északkeleti (Szilisztra és Dobrics) térségeken kívül, a déli hegyvidéki és határ menti régiók (Haszkovó, Jambol), valamint a jelentős roma lakossággal bíró Szliven. Ezek a régiók egyebek mellett jelentős migrációs veszteségeket szenvedtek el az 1990-es években (Geschev–Kaltschev–Donev 1997, Iliev 2003). Már a grafikon adatainak elemzéséből is kitűnik, amit a térkép is nyilvánvalóvá tesz, hogy azok az északkeleti régiók vannak a leghátrányosabb helyzetben, amelyek lakosságának jelentős része török nemzetiségű (Sumen, Tărgoviste, Razgrad) (3. ábra). Ugyanebbe a kategóriába került ezek mellett két, a szocialista érában nem preferált, görög határ menti, hegyvidéki régió: a jelentős pomák lakossággal rendelkező Szmoljan, a legnagyobb török közösségnek otthont adó Kărdzsali, illetve a totális forgalmi árnyékban fekvő Montana régió (3. ábra) is. 3 Slum (angol) = nyomornegyed.


341 3. ábra

Bulgária regionális különbségei a két faktor alapján

A vázolt regionális különbségek alakulását megerősíti a legfrissebb (2005-ből való) GDP-adatok alapján készült térkép is (4. ábra). A térkép a nemzeti össztermék nagyságát (abszolút értékben, illetve vásárlóerő-paritáson), az egy főre jutó GDP-t, valamint a bolgár NUTS 2-es régiók helyzetét mutatja az EU-27-tel való összehasonlításban. Ennek alapján is megállapítható, hogy a legjobb helyzetben lévő nagyvárosokkal rendelkező régiók (Szófia és környéke, Burgasz és Várna) mellett az ország középső részén lévő Lovecs, Gabrovó is kiemelkedő értékekkel bír. Alacsony a GDP-je a törökök és romák által leginkább lakott régióknak (Kărdzsali, Razgrad, Tărgoviste, Montana, Szliven), a depressziós térségeknek (Kjusztendil), valamint a forgalmi árnyékban lévő (például Vidin, Szilisztra) területeknek. Összehasonlítva az EU-27 GDP-átlagával, elmondható, hogy jelenleg a bolgár megyék többsége az EU-átlag 25 és 35%-a között van. Ezt csupán a legnagyobb egy főre jutó értékkel rendelkező régiók múlják fölül, ezek közül is kiemelkedik Szófia. Összefoglalás A vizsgálatunk során kialakított két mutató, a bolgár Területfejlesztési Minisztérium által készített fejlettségi térkép (Ermann–Ilieva 2007a), valamint a GDP térbeli konzekvenciái megerősíteni látszanak azt a feltevésünket, hogy Bulgária regionális különbségei mögött a lakosság etnikai megoszlása is jelentős szerepet játszik, ugyanakkor további vizsgálatoknak kell megerősíteni ennek mértékét. Ezt leginkább a fenti vizsgálat finomí-

342

DR. BOTTLIK ZSOLT

tása, árnyalása segítheti elő, lehetőség szerint további gazdasági adatsorok bevonásával, illetve a vizsgálat NUTS 4-es szintre való kiterjesztésével, és a gazdasági helyzet, illetve különbségek mögött lévő helyi sajátosságok jobb megismerésével. 4. ábra

Bulgária regionális különbségei a GDP alapján

IRODALOM Naszelenyije i demografszki proceszi (2000) Nacionalen Sztatiszticseszki insztiut Szófija; Sztatisztyicseszki godiscsik – Statistical Yearbook (2001) Nacionalen Sztatiszticseszki insztiut – National Statistical Institute Szofija – Sofia Naszelenyije i demografszki proceszi – Population and Demographic Processes (2004) Nacionalen Sztatiszticseszki insztiut – National Statistical Institute Szofija – Sofia Преброяване на населението, жилищия фонд и земеделските стопанства през 2001 – ОБЛАСТИ том 4. книга 1–28. Национален Статистически Институт – СОФИЯ PHARE ACE P98-1117-R Projekt, ELTE Regionális Földrajzi tanszék EUROSTAT honlapja (www.epp.eurostat.ec.europa.eu) Armstrong, John A. (1997): Minorities and Conflict Areas in Southeast Europe. In: Hansjörg Brey – Günther Wagenleher (Hrsg.): Migration und sozioökonomische Transformation in Südosteuropa, Südosteuropa Studien 60., München Brunnbauer, Ulf (2002): An den Grenzen von Staat und Nation. Identitätsprobleme der Pomaken Bulgariens. In: Brunnbauer, Ulf (Hrsg.): Umstrittene Identitäten: Ethnizität und Nationalität in Südosteuropa Lang Verlag, Frankfurt/M – Berlin – Bern – Bruxelles – New York – Oxford – Wien Carter, Franc (1990): Bulgaria: geographical prognosis for a political eclipse. In: Geography, Vol. 75. Crampton, R. J. (1990): The Turks in Bulgaria, 1787–1944. In: Kemal, H. Karpat (Hrsg): The Turks of Bulgaria. The History, Culture and Political Fate of a Minority


343

Dimitrov, Rumen (1995): Türken, Tabak, Politik Zur ökonomisierung ethnischer Konflikte in Bulgarien. In: Hatschikjan, A. Magarditsch – Weilemann, Peter: Nationalismen in Umbruch, Köln Ermann, Ulrich – Ilieva, Margareta (2007a): Geschichte Bulgariens – Zwischen Fremdherrschaft und nationaler Identität. In: Ulrich Ermann – Margareta Ilieva (Hrsg.): Bulgarien – Aktuelle Entwicklungen und Probleme Leibnitzinstitut für Länderkunde, Leipzig Ermann, Ulrich – Ilieva, Margareta (2007b): EU–Mitglied Bulgarien – Ein Ausblick. In: Ulrich Ermann – Margareta Ilieva (Hrsg.): Bulgarien – Aktuelle Entwicklungen und Probleme Leibnitzinstitut für Länderkunde, Leipzig Fóti K. (2003): A szegénység enyhítéséért – helyzetkép és javaslatok. MTA Világgazdasági Kutatóintézet, Budapest Geschev, Gescho – Kaltschev, Jordan – Donev, Donio (1997): Binnenmigration und Bevölkerungsprozesse in Bulgarien. In: Heller, Wilfried (Hrsg): Migration und sozioökonomische Transformation in Südosteuropa, Südosteuropa Studien 59., München Genov, Nikolai (2001): Wirtschafträumliche Entwicklungen in Bulgarien. In: Lienau, Cay (Hrsg.): Raumstrukturen und Grenzen in Südosteuropa Gesellschaft, München Gjuzelev, Bojan (1994): Die Minderheiten in Bulgarien unter Berücksichtigung der letzten Volkszählung vom Dezember 1992 Sudosteuropa, München Grosser Ilse (1996): Bulgariens Wirtschaft im Übergang. In: Höpken, Wolfgang (Hrsg.) Revolution auf Raten Bulgariens Weg zur Demokratie Südost–Institut Oldenburg, München Härtel, Hans-Joachim (1993): Die muslimische Minorität in Bulgarien. In: Weithmann, Michael: Der ruhelose Balkan – die Konfliktregionen Südosteuropas DTV Iliev, Iliya (2003): Die Migrationsentwicklung in Bulgarien in der Übergangsperiode. In: Hallesches Jahrbuch für Geowissenschaften Bd. 25. Halle (Saale) Köhli, Jörg (2001): Stahlindustrie in Bulgarien: Umstellung vor dem EU-Beitritt. In: Geographische Rundschau Jg. 53. Heft 11 Kertikow, Kiril (1991): Die ethnonationale Problem in Bulgarien (1944–1991) Bulgarian Quarterly 1/3. Krasteva, Anna (1995): Ethnocultural panorama of Bulgaria. In: Balkan Forum 3. No. 3. Lee, Michelle (1985): Die Verfolgung der Türken. In: Gegenstimmen, Wien Jg. 6. Heft 21 Mariušiakova, Elena (1990): Etničeski procesi pri malkite etničeski grupi izostanali v istoričeskoto si razvitie. In: Bălgarski Etnograf N. F. 1/4. Nikolov, Bogdan (2003): Die regionale Gliederung in Bulgarien. In: Der Donauraum Jg. 43. Heft 1–2 Nemes Nagy József (1998): A tér a társadalomkutatásban. Hilscher Rezső Szociálpolitikai Egyesület, Ember– Település–Régió sorozat, Budapest Nutz, Manfred (2004): Bulgarien auf dem Weg in die EU. In: Geographische Rundschau Jg. 56, Heft 6 Poulton, Hugh (2001): Changing Notions of National Identity among Muslims in Thrace and Macedonia: Turks, Pomaks and Roma. In: Poulton, Hugh – Taji-Farouki, Suha (ed.) Muslim Identity and the Balkan State, Hurst & Company, London (in association with the Islamic Council) Schüler, Sonja (2005): Roma in Bulgarien seit 1989/90 – Lebensbedingungen, Handlungsansätze, Entwicklungsperspektiven. In: Südosteuropa Mitteilungen H. 6 Sikos T. Tamás (1984): Matematikai és statisztikai módszerek alkalmazási lehetőségei a területi kutatásokban. Akadémiai Kiadó, Budapest Telbizova-Sack, Jordanka (1999): Identitätsmuster der Pomaken Bulgariens: Ein Beitrag zur Minoritätenforschung Marburg Biblion-Verlag Kulcsszavak: Bulgária, etnikai térszerkezet, regionális különbségek, egy főre jutó GDP. Resume With the accession of Bulgaria and Romania to the EU on 1 January 2007 the number of EU countries formerly members of the Eastern Block reached 10 within the integration of altogether 27 Member States. With this phase of EU enlargement nearly all the countries earlier within the field of force of the former Soviet Union got politically connected to the developed western world. In the present study we attempt to present the NUTS-3 level economic spatial structure of the country at the turn of the millennium as accurately as it is possible based on the data available. In the second part we provide evidence to prove our suspicion that the largest national minorities of the country (the Turks, Pomaks and Gypsies) both in terms of their proportion within the country and the number of people involved are concentrated in the economically backward regions of the country and this might spark subsequent economic tension and ethnic riots. The database of the study could serve as a starting point for further economic and ethnic research at regional (NUTS-4) level.

KÖZLEMÉNYEK DR. ÁCS PONGRÁC – LACZKÓ TAMÁS

Területi különbségek a hazai egészségturizmus kínálatában Bevezetés Napjainkban az egészségturizmus különböző formái egyre jelentősebb szerepet játszanak a világ turizmusában, illetve számos ország gazdasági teljesítményében. Az elmúlt évtizedben töretlenül fejlődő egészségturizmuson belül mind világ-, mind hazai viszonylatban a wellness-turizmus területén figyelhető meg az egyik legdinamikusabb bővülés. Az olyan általános trendek, mint az individualizáció erősödése, a demográfiai átalakulás, a nők társadalmi szerepeinek megváltozása, a spiritualizálódás, vagy a civilizációs betegségek egyre szélesebb körű elterjedése, illetve az egészséges életmód felértékelődése megteremtette a wellness-szolgáltatások és -termékek iránti igény társadalmi hátterét (Friedl 2007, Zsigmond 2007). A különböző tudományterületek szakemberei szerint a társadalomban tapasztalható átalakulásoknak, illetve az ágazat kedvező gazdasági teljesítményének köszönhetően a wellness-piac a jövőben is az egyik leggyorsabban fejlődő turisztikai és gazdasági ágazat lesz. Az 1990-es évek derekától jelentős átrendeződési folyamat indult az egészségturizmus világpiacán, aminek köszönhetően a wellness-turizmus keresleti volumene napjainkra csaknem kétszerese a hagyományosnak tekintett gyógy- és termálturizmus forgalmának. Az elmúlt tizenöt évben jellemző „wellness boom” eredményeként a világ számos országában (Németország, Ausztria, USA) megtízszereződött a megváltozott elvárásoknak megfelelni tudó, az új típusú szolgáltatásokat, termékeket és komplex wellness-turisztikai csomagokat nyújtani képes szolgáltatók száma. Napjainkban a legjelentősebb wellness-kínálattal és forgalommal rendelkező országok elsősorban Európában, Észak-Amerikában, illetve Délkelet-Ázsiában találhatók, ahol a szolgáltatások jellegében, az igénybevétel társadalmi bázisában és alapeszméiben még számottevő különbségek tapasztalhatók. Ezek alól a turisztikai piacokon zajló folyamatok alól hazánk sem vonhatja ki magát, egyrészt mert a felsorolt országok lakossága jelenti a hazai egészségturisztikai szolgáltatók számára a legfontosabb külföldi vendégkört, másrészt pedig Magyarország hagyományosan az egyik fontos szereplője volt és kíván maradni a nemzetközi egészségturisztikai piacnak. Ehhez rendelkezik nemzetközileg egyedi arculatot és piaci előnyt biztosító erőforrásokkal, amelyek szélesebb körű és hatékonyabb kihasználása a fokozódó belföldi érdeklődés és a versenytársnak tekinthető európai országok nagyon dinamikus egészségturisztikai bővülése és fejlesztései miatt rendkívül fontossá vált. Az egészségturizmus helyzete Magyarországon Hazánkban több mint 200 olyan település van, amelynek turisztikai kínálatában meghatározó súllyal jelennek meg a gyógy- és wellness-szolgáltatások, illetve termékek. Vendégkörük nagysága és kiterjedtsége alapján vannak közöttük nemzetközi, regionális és helyi egészségturisztikai vonzerővel jellemezhető települések. A nemzetközi jelentőségű gyógy- és wellness-szolgáltatókkal rendelkező települések turisztikai jelentőségét mutatja a leglátogatottabb magyar városok rangsorában betöltött helyük. A belföldiek által leggyakrabban látogatott városok rangsorában előkelő helyen találhatók leghíresebb fürdővárosaink: Hajdúszoboszló, Hévíz, Zalakaros és Bük. Vendég-

TERÜLETI KÜLÖNBSÉGEK A HAZAI EGÉSZSÉGTURIZMUS KÍNÁLATÁBAN

345

forgalmuk jelentős növekedésének köszönhetően ezek a települések az előző évekhez képest javítottak pozíciójukon (2005-ben Hajdúszoboszló 3., Zalakaros 10. volt a hasonló rangsorban). Az előző évhez képest számottevő belföldi forgalombővüléssel jellemezhető városok közül Siófok (+42 ezer vendégéjszaka), Sopron (+53 ezer), Debrecen (+90 ezer) és Eger (+17 ezer vendégéjszaka) egyéb vonzótényezőik mellett jelentős, napjainkban is bővülő egészségturisztikai kínálattal rendelkeznek. 1. táblázat

A külföldi és belföldi turisták által leglátogatottabb magyar városok sorrendje 2006-ban (vendégéjszakák száma, ezer) Sorszám 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

Belföldi Budapest (877) Hajdúszoboszló (531) Siófok (345) Sopron (338) Hévíz (332) Debrecen (284) Zalakaros (258) Eger (226) Szeged (213) Bük (194)

Külföldi Budapest (5235) Hévíz (595) Bük (339) Hajdúszoboszló (324) Siófok (291) Zalakaros (282) Balatonfüred (138) Debrecen (115) Győr (112) Harkány (91)

Összesen Budapest (6112) Hévíz (927) Hajdúszoboszló (823) Siófok (669) Bük (533) Balatonfüred (431) Sopron (409) Debrecen (399) Zalakaros (396) Eger (307)

Forrás: KSH 2006.

A külföldieknek a magyar gyógyhelyek és -szolgáltatók iránti fokozott érdeklődését mutatja, hogy öt, híres gyógyfürdővel rendelkező vidéki város (Hévíz, Bük, Hajdúszoboszló, Zalakaros, Harkány) is a leglátogatottabb tíz település között volt 2006-ban. A hazai kereskedelmi szálláshelyeken regisztrált összes vendégforgalmat vizsgálva elmondható, hogy a vendégek által legkedveltebb tíz magyar város szinte mindegyike rendelkezik számottevő gyógy- és wellnessszolgáltatásokat kínáló fürdővel vagy szállodával. A hazai egészségturizmus volumenének alakulásában – akár a legjelentősebb vidéki fürdőhelyek, akár a wellness- és gyógyszállodák vendégforgalmának vizsgálata alapján – számottevő bővülés volt megfigyelhető az elmúlt időszakban (1. ábra). 1. ábra

Magyarország legjelentősebb vidéki fürdőhelyeinek vendégforgalma 1996–2005 között (vendégek száma) 200000

Bük Hévíz

150000

Kehidakustány 100000

Sárvár Zalakaros

50000

Hajdúszoboszló Gyula

0 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005

Harkány

Forrás: Idegenforgalmi statisztikai évkönyv 1996–2003, Turisztikai statisztikai évkönyv 2004, 2005.

A vizsgált időszak elejére jellemző lassú növekedés (bizonyos esetekben csökkenés vagy stagnálás, például Gyula, Sárvár, Harkány esetében) után, 2001-től a nagy állami támogatásoknak és a hozzájuk kapcsolódó egyéb beruházásoknak, valamint az egészségturizmus szerepét erősítő ténye-

346

DR. ÁCS PONGRÁC – LACZKÓ TAMÁS

zőknek köszönhetően a vendégek száma gyors ütemben növekedett, aminek eredményeként a három legnagyobb vendégforgalommal rendelkező településen – Hévízen, Hajdúszoboszlón, Bükön – 1996-hoz képest megduplázódott a vendégek száma. Emellett nagyon jelentős, évről évre követhető vendégszám-növekedés jellemezte Zalakarost és Kehidakustányt. A bemutatott vendégszám-növekedés nem jellemző az ország teljes területén. Az olyan nemzetközi hírnévvel rendelkező fürdőtelepülés, mint Harkány, jelentős beruházások mellett is csak minimálisan tudta vendégszámát növelni, Gyula pedig vesztett a tíz évvel ezelőtti vendégköréből. Mindkét város esetében kedvező folyamatként értékelhető a forgalmi mutatóknak az elmúlt néhány évben látható növekedése. A KSH adatai szerint 2007-ben a hazai kereskedelmi szálláshelyeken regisztrált minden ötödik (20,7%), a szállodákban csaknem minden harmadik (29,5%) éjszakát gyógy- és wellnessszállodákban töltötték a vendégek. Miközben a kereskedelmi szálláshelyeken országos átlagban 1,1%-os növekedést regisztráltak a megelőző időszakhoz képest, a wellness-szállodákban a 82 ezerrel több vendég 13,6%-kal több éjszakát töltött el, mint 2006-ban. Ez a korábbi évek trendjéhez viszonyítva csökkenő ütem, de a kereskedelmi szálláshelytípusok közül még mindig a legdinamikusabb bővülést mutatja. 2. táblázat

A hazai wellness-szállodák vendégforgalmának alakulása, 2004–2007 Év 2004 2005 2006 2007 Dinamika 2007/2004, %

A külföldi

A belföldi

Az összes

A külföldi-

vendégek száma

A belföldi-

Az összes

vendégéjszakák száma

39 450 52 300 108 600 131 000

115 900 230 700 399 500 459 000

155 400 283 000 508 100 590 000

171 500 211 300 372 500 396 000

241 300 490 300 882 300 1 029 000

413 000 701 700 1 254 800 1 425 000

332,1

396,0

379,6

230,9

426,4

302,6

Forrás: KSH.

Az 2. táblázat adataiból látszik, hogy mind a vendégek száma, mind az általuk termelt vendégéjszakák száma évről évre emelkedett, aminek következtében a forgalmi mutatók több mint háromszorosukra növekedtek a három évvel korábbi időponthoz képest. A külföldi és belföldi vendégek arányát vizsgálva elmondható, hogy a wellness-szállodákban a hazai vendégkör a meghatározó, hiszen a vendégek több mint háromnegyede belföldi volt, a vendégéjszakák kétharmada belföldi vendégek által realizálódott 2007-ben, és ezek az arányok a korábbi években is hasonlóan alakultak. Biztató tendenciának tűnik a hazai vendégkör alakulása mellett a tendenciózus vendégszám- és vendég-éjszakaszám-növekedés a külföldiek esetében. A turizmus és egyben az egész magyar gazdaság egyik dinamikus fejlődést és eredményt felmutató ágazata az egészségturizmus, amely további jelentős tartalékokkal és fejlődési potenciállal rendelkezik. A gyógy- és wellness-turizmus makrogazdasági jelentőségét és hatékonyságát mutatja, hogy a vendégek által elköltött minden 100 Ft 167 Ft pótlólagos termelést indukál, illetve minden, az adott ágazatban létrejött 100 munkahely további 214 új munkahelyet teremt. 2001–2006 között az országos egészségturisztikai beruházások multiplikátorhatásának értéke a tovagyűrűző hatásokat is figyelembe véve 270 milliárd forint volt (Kocziszky 2004). Az ágazatnak 2001–2003 között, a Széchenyi-terv keretében juttatott 30,9 milliárd forint állami támogatás 2006-ig 17 milliárd forinttal növelte a fejlesztett helyszínek éves árbevételét, 5267 új munkahelyet teremtett, illetve 176,6 milliárd forinttal járult hozzá a GDP növekedéséhez (Mundruczó 2005). 2003-ban a hazai GDP 10,5%-át a turizmus, ennek 20%-át pedig a gyógyturizmus termelte meg. 2004 végére ez az arány tovább növekedett a statisztikai rendszerben bekövetkezett változások miatt. (2004-től a Központi


347

Statisztikai Hivatal nyilvántartásában a wellness-turizmus önálló kategóriaként jelenik meg.) 2006ban az egészségturizmus így hozzávetőlegesen 30%-kal részesedett idegenforgalmunkból, az öszszes megtermelt GDP-hez pedig kb. 3%-kal járult hozzá. Gazdasági és turisztikai szakemberek szerint a következő évtizedek hazai gazdaságában a jelenleginél hangsúlyosabb szerepet kell betöltenie a termál- és gyógyvízre alapozott egészségturizmusnak. A különböző országos, regionális és helyi stratégiákban, illetve fejlesztési programokban kiemelten fontos prioritásként megfogalmazott gyógy- és wellness-turizmus fejlesztését számos tényező, nemzetközi és hazai trend, valamint rendelkezésre álló – természeti és társadalmi – adottság támasztja alá: 1. A gyógy-, termál- és wellness-turizmus számos egyedi előnnyel rendelkezik a turizmus egyéb ágaival összehasonlítva (a KSH adatai szerint): – a szezonalitás negatív hatása sokkal kevésbé érvényesül (amíg 2006-ban a kereskedelmi szálláshelyek januári és augusztusi átlagos vendégforgalma között több mint négyszeres arány volt, addig a wellness-hotelek esetében ez két és félszeres, a gyógyhotelek esetében pedig alig több mint kétszeresnek adódott), – az átlagos tartózkodási idő hosszabb (2007-ben az átlagos 2,7-del szemben a gyógyszállodákban 3,6 éjszakát regisztráltak), – a kapacitáskihasználtság jobb (2007-ben a gyógyszállodák átlagosan 63,9%-os szobakapacitás-kihasználtsággal, a wellness-szállodák 51%-os kihasználtsággal működtek, amely meghaladja a szállodák 49,8%-os átlagértékét), – a fajlagos költés 30–35%-kal magasabb, mint a turizmus más területein. 2. Hazánk természeti adottságai turisztikai szempontból kiválóak, hasznosításuk a jövőben még jelentős mértékben bővíthető. Japán, Izland, Olasz- és Franciaország után Magyarország a világ ötödik legjelentősebb gyógy- és termálvízkészletekkel rendelkező országa (Gellai 2004). Területének 80%-a alatt jelentős mennyiségben található 30 Co-nál magasabb hőfokú víz. Ez közel 1300 termálforrást táplál, amelyekből a minősített gyógyforrások száma 147 (Gellai 2004), amelyeket 56 gyógyszálló és 70 minősített gyógyfürdő hasznosít (OGYFI 2008). A termál- és gyógyvíz mellett hazánk rendelkezik olyan, az egészségturizmusban már jelenleg is kihasznált gyógytényezőkkel, mint gyógybarlang, mikroklíma, gyógyiszap és gyógygáz. 3. A magyar egészségturizmus nagy előnye a több száz éves múltra visszatekintő fürdőkultúránk, illetve gyógyfürdőink nemzetközi ismertsége, híre (KPMG 2002). Fürdőkultúránk része, hogy a magyar lakosság szabadidejében szívesen látogat gyógy- és termálfürdőket, amit jól mutat az a KSH-statisztika, mely szerint 2006-ban a belföldi vendégek által az öt leglátogatottabb vidéki városból négy egyértelműen fürdővárosnak minősíthető (Hajdúszoboszló, Siófok, Hévíz, Zalakaros). Emellett a fővárosról is elmondható, hogy gyógy- és termálfürdői, a gyógy- és wellnessszállodái jelentős vendégforgalmat bonyolítanak le. 4. A nemzetközi viszonyokhoz hasonlóan, hazánkban is erősödni látszik az egészséges életvitel, az egészség megőrzése iránti igény, illetve növekszik a prevenciós tevékenységek és szolgáltatások iránti kereslet (OLEF 2000, 2003, Hungarostudy 2002, 2005). 5. A fejlett világ nagy részére jellemző demográfiai átalakulások a hazai társadalmat és a magyar turizmus számára legfontosabb küldőországokat nagymértékben érintik. (Például Németországban az előrejelzések szerint 2050-ben minden második állampolgár 55 évesnél idősebb lesz.) Ezek az átalakulások valószínűleg jelentősen növelni fogják a különböző preventív, gyógyító, illetve utógondozáshoz kapcsolódó turisztikai szolgáltatások iránti igényt (ESPA 2006). 6. A nemzetközi színvonalú szolgáltatásokat nyújtó hazai egészségturisztikai szereplők versenyképességét növeli az európai viszonyokkal szemben valószínűleg sokáig megmaradó árelőnyünk (Strompf 2006). 7. Kedvező helyzetet teremthet a hazai gyógyszolgáltatók számára az európai uniós betegbiztosítókat érintő szabályozás megváltozása, amely szerint az unión belüli külföldi kezelések megtérít-

348


hetők. Fontos változás, hogy az orvosválasztás szabaddá vált a tagországokon belül (ami nemcsak szükséghelyzetben, hanem ambuláns kezelések esetében is érvényes), valamint, hogy a választás esetében irányelvként már nem a jobb, hanem a legalább azonos színvonal a követelmény (Strompf 2006). 8. További lendületet adhat a wellness- és gyógyturizmusnak a nemzetközi utazások terén látható trend, amely a költségek csökkenése irányába hat (a fapados légitársaságok tömeges megjelenése), így a rövidebb tartózkodások is kifizetődőek és vonzóak lehetnek (Strompf 2006). 9. Mind a hazai, mind a nemzetközi viszonyok között megfigyelhető változás, hogy egyre kedveltebbé válnak a magas színvonalú szolgáltatásokat nyújtó három-, négy- és ötcsillagos szálláshelyek. A hazai szállodák elmúlt hatévi forgalmának vizsgálata alapján egyértelműen látszik a négyés ötcsillagos hotelek forgalmának növekedése, szemben az alacsonyabb besorolású egy- és kétcsillagos egységekkel, amelyekben évről évre kevesebb éjszakát töltenek el a vendégek. 2007-ben az ötcsillagos hotelek 2,2-szer, a négycsillagosok több mint három és félszer, a legnagyobb forgalmat lebonyolító háromcsillagos szállodák pedig 50%-kal több vendégéjszakát könyvelhettek el, mint 2001-ben (a kereskedelmi szálláshelyeken összességében 6,5%-kal, a szállodákban 20%-kal nőtt a vendégéjszakák száma a vizsgált időszakban). 2. ábra

millió vendégéjszaka

A belföldi vendégforgalom alakulása a hazai szállodákban 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0 2001 2002 5 csillagos

2003 4 csillagos

2004 3 csillagos

2005

2006 2 csillagos

2007 1 csillagos

Forrás: KSH.

10. Az egészségturisztikai termékek iránti belföldi kereslet növekedését segítette az 1998-ban bevezetett üdülésicsekk-rendszer. A bevezetése óta – forgalmát tekintve – több mint nyolcszorosára bővített rendszert a belföldi turizmus serkentésére hozták létre, mivel a tapasztalatok azt mutatják, hogy a nemzetközi idegenforgalomban csak az az ország lehet versenyképes, amelynek belső utazási piaca is erős. 2006-ban 825 ezer ember utazását támogatták 23,5 milliárd forint értékben, amelynek 48%-át a hazai kereskedelmi szálláshelyeknél költötték el. A kereskedelmi szálláshelyek közül a legnépszerűbb beváltóhelyek a háromcsillagos szállodák voltak, ahol 2004-ben a csekkforgalom közel egyharmada bonyolódott le. 3. táblázat

Az üdülési csekk rendszerének néhány adata Megnevezés Csekkértékesítés, millió forint Támogatottak száma, fő

1998 1 656,9

1999

2000

2001

2 078 2 050,8 1 803,1

2002 2 313

2003 4 850

2004

2005

2006

Dinamika: 2006/1998

7 465 10 200 23 500 14-szeres

98 277 130 342 119 973 90 275 115 000 174 000 291 831 493 025 825 649

Forrás: Turisztikai statisztikai évkönyv 2005, Turizmus Magyarországon 2006, előzetes adatokkal.

8-szoros


349

11. A munkahelyi egészségmegőrző programokba fektetett összegek megtérülésével kapcsolatos külföldi kutatási tapasztalatoknak köszönhetően a hazai közép- és nagyvállalkozások is egyre gyakrabban ismerik és fogadják el a wellness- és egyéb prevenciós programoknak a munkaerő újratermelésében játszott fontos szerepét. Az eredmények alapján látható, hogy a munkahelyi wellness-programok hatására nemcsak az egészségügyi kiadások (befektetett eurónként 3,48–5,42 euróval) és a dolgozók hiányzásai csökkennek, hanem kedvezően változik a dolgozók produktivitása és vállalat iránti lojalitása is (Zopcsák 2007). Wellness-kínálat Magyarországon A nemzetközi trendekhez hasonlóan hazánkban is egyre nagyobb számú, és egyre összetettebb a wellness-szolgáltatásokat nyújtó vállalkozások köre. Napjainkban Magyarországon wellnessszolgáltatások igénybevételére leggyakrabban az alábbi típusú helyszíneken van lehetőség: – a wellness-szállodákban, vagy a különböző minősítésű kereskedelmi szálláshelyeken (például a gyógyszállókban) kialakított wellness-részlegekben, – a gyógy-, termál- és élményfürdők erre kialakított egységeiben, – egészségcentrumokban, – napi wellness-szolgáltatóknál: idetartoznak a wellness-centrumok; ezek olyan létesítmények, amelyek széles körű wellness-, fürdő-, szauna-, relaxációs, fitnesz-, sport- és szépségszolgáltatásokat nyújtanak, vagy olyan elsődlegesen fitnesz- (wellness-klubok, és sportközpontok), vagy beauty- (szépségszalon) profilú helyszínek, amelyek néhány wellnessszolgáltatást is nyújtanak. Közös jellemzőjük, hogy nem rendelkeznek szállással, a programok, kezelések és a szolgáltatások igénybevétele néhány órától egy napig terjed. A szolgáltatók körének gyors bővülése, a terminológiai és osztályozási problémák (például a szállodák önbesorolás alapján történő minősítése, vagy az egységes minőségbiztosítás hiánya), illetve az ilyen szolgáltatásokat nyújtók regisztrálásának elégtelenségei miatt nehéz naprakész, pontos adatokkal meghatározni a hazai wellness-piac méretét. A wellness-turizmus leglátványosabb, és statisztikailag is a legjobban követhető és mérhető része a wellness-szállodákban lebonyolódó forgalom. A keresleti és kínálati viszonyok objektív vizsgálatát az 54/2003 (VIII. 29.) GKM-rendeletben meghatározott minimum-kritériumrendszer megfogalmazása tette lehetségessé. A rendelet 6. §/ C pontja szerint: a wellness-szálloda megfelel a minimum három csillagos szállodákban előírt követelményeknek, továbbá az egészséges életvitelhez szükséges fürdő-, szauna-, gasztronómiai, sport-, relaxációs, közösségi programlehetőségeket és wellness-szolgáltatásokat nyújt. 2008. januárban a Magyar Szállodaszövetség 29, a KSH pedig 63 minősítéssel rendelkező wellness-szállodát tartott nyilván, amelyek összesen 9855 férőhellyel rendelkeztek. Ezek mellett ma már sok olyan szálloda létezik, amelynek nevében szerepel a wellness kifejezés, vendégeinek széles körű, magas színvonalú wellness-kínálatot nyújt, és amely az utazási irodák és egyéb utazásszervezők tevékenységének, valamint saját promóciójának köszönhetően markánsan megjelenik a hazai wellness-piac kínálatában. Ezeknek a szállodáknak köszönhetően 2007 nyarán több mint 150, összesen több mint 27 000 férőhellyel rendelkező, wellness-szolgáltatásokat széles körben nyújtó szállodát tartottak nyilván Magyarországon (Laczkó – Rébék 2008). Ez dinamikusan növekvő kör, mivel 2007 második felében is több ilyen profilú szállodát kívántak átadni a beruházók. Gyógyturisztikai kínálat Magyarországon Hazánk széles kínálatot nyújt a jellemzően természeti gyógytényezőre (elsősorban gyógyvízre, gyógybarlangra, mikroklímára, gyógyiszapra) épülő turisztikai szolgáltatásokból. Ezeknél a szolgáltatóknál a fő hangsúly a gyógyításon van, amit inkább csak kiegészítenek az általános turisztikai

350


szolgáltatások és vonzerők (Gellai 2004). A gyógyszállodák esetében azonban új jelenségként közeledés, és ma már átfedés tapasztalható az egészségturizmus (motivációiban egymástól eltérő) két ágazata: a gyógyászati és a prevenciós (wellness) profilú szolgáltatások keresleti és kínálati viszonyaiban. Napjainkban a hazai gyógyszállodák jelentős része a hagyományos gyógyászati szolgáltatások mellett széles körben kínál wellness-szolgáltatásokat is, melyeket a vendégek nagyszámban igénybe is vesznek. 2008-ban 5 hazai gyógyszálloda rendelkezik a német wellnessszövetség által nyújtott „medical wellness” minősítéssel. 2008. januárban az OGYFI 30, a KSH 56 gyógyszállodát tartott nyilván, 13 928 férőhellyel. Ezek mellett 13 gyógyhely, 70 gyógyfürdő, 6 szanatórium, 4 gyógybarlang és egy széndioxidgyógygázfürdő található az országban (OGYFI). A fürdők adatszolgáltatási hiányosságai miatt a gyógyturisztikai piac méretének változása a gyógyszállodákban realizálódott vendégéjszakák számának vizsgálatával mérhető statisztikailag a legkönnyebben. Az összesített vendégforgalmat vizsgálva, az utolsó év szerény 1,8%-os emelkedése ellenére jelentős vendégkörbővülésről lehet beszélni az elmúlt hat év hazai gyógyturizmusában. 2007-ben 29%-kal több vendégéjszakát regisztráltak gyógyszállodákban, mint 2002-ben. Ez a növekedés elsősorban a szállodaszám emelkedésének és kapacitásnövekedésének, az állami beruházások (például a Széchenyi-terv beruházásai, a fővárosi műemlékfürdő- és hotelfelújítások) kedvező hatásainak és a hazai kereslet élénkülésének köszönhető. 4. táblázat

A hazai gyógyszállodák vendégforgalmának alakulása, 2002–2007 Év 2002 2003 2004 2005 2006 2007 Dinamika 2007/2002, %

A külföldi 278 000 283 000 318 000 347 000 320 000 314 000 113

A belföldi vendégek száma 219 000 250 000 336 000 380 000 403 000 440 000 201

Az összes 496 000 533 000 655 000 727 000 723 000 754 000 152

A külföldiA belföldiAz összes vendégéjszakák száma, millió 1,380 0,706 2,086 1,365 0,772 2,136 1,486 1,011 2,497 1,573 1,148 2,721 1,398 1,236 2,635 1,380 1,321 2,701 100

187

129

Forrás: KSH.

A wellness- és gyógyszállodák területi koncentrációja A területi egyenlőtlenségek elemzésekor gyakran találkozunk a koncentráció fogalmával, mely a jelenségek tömörülését, összpontosulását jelenti. A koncentráció jelenségét a mennyiségi ismérv szerint elemezhetjük úgy, hogy a vizsgált mennyiségi ismérv gyakorisági és értékösszeg-eloszlását hasonlítjuk össze, vagyis azt, hogy az értékösszeg mennyire koncentrálódik a sokaság bizonyos egységeire. Az értékösszegnek kevés számú egységre való összpontosulását koncentrációnak nevezzük (Köves–Párniczky 1981). A területi koncentráció elemzésekor az egyik leggyakrabban használt eljárás a Lorenz-görbe ábrázolása, ami tulajdonképpen a koncentrációs tábla grafikus megjelenítését jelenti. Ez egy egységnyi oldalú négyzetben elhelyezett ábra, mely a kumulált relatív gyakoriságok (gi’) függvényében ábrázolja a kumulált relatív értékösszegeket (zi’). A Lorenz-görbe a területi koncentráció grafikus megjelenítésére és összehasonlítására használt módszer, mely során csak a koncentráció tényét tudjuk megjeleníteni. Arra nem alkalmas, hogy megállapítsuk, a vizsgált jelenség területi egyenlőtlenség milyen mértékű. Az eljárást gyakran alkalmazzák, mivel, ha több időpontban ábrázoljuk ugyanazt a jelenséget, könnyen információhoz juthatunk a területi egyenlőtlenség (koncentráció) változásáról.


351

A Lorenz-görbe elkészítése előtt egy adott relatív mutató szerint csökkenő vagy növekvő sorrendbe kell állítani a vizsgált adatokat, jelen esetben a térségeinket (megyéket). Ha az adatokat növekvő sorrendbe rendezzük, akkor a görbe az átlónk alá kerül, csökkenő sorrend esetén az átló fölé (Ács 2007). A vizsgálat alapjául a KSH nyilvántartásában szereplő egységek szolgáltak, mivel jelenleg ez az egyetlen rendszeresen aktualizált, forgalmi adatokra is kiterjedő adatbázis a felhasznált szállodatípusokról. 3. ábra

A különböző szálláshelytípusok területi koncentrációjának grafikus megjelenítése

Részesedés a szállókból

0,8

0,6 Összes kereskedelmi szálláshely Összes wellness-szálloda

0,4

Összes gyógyszálloda 0,2

0,0

0,0

0,1

0,2

0,3 0,4 0,5 0,6 0,7 Részesedés a népességből

0,8

0,9

1,0

Megjegyzés: saját számítás.

A görbe értelmezése: ha létezne egy olyan területegység, amelyik a vizsgált ismérv értékösszegének nagy hányadát lekötné, vagyis a relatív gyakoriságok és a relatív értékösszegek igen nagy mértékben eltérnének egymástól, akkor a görbe az átlótól távol esne, illetve a teljes koncentráció esetén a görbe az egységnyi oldalú négyzet oldalaival esne egybe (Hajdu 1997). Amennyiben az egységeknek az értékösszegből való részesedése azonos, a kumulált relatív gyakoriságok és a kumulált relatív értékösszegek megegyeznek (gi’=zi’), ilyenkor a görbe egybeesik az átlóval, ami a koncentráció hiányát, vagyis az abszolút egyenlőséget, koncentrálatlanságot jelzi. A 3. ábráról leolvasható, hogy nincs területi egyenlőség egyik szállótípus területi megjelenésében sem, de teljes koncentrációról sem beszélhetünk. Az ábra azt is szemlélteti, hogy a legkisebb területi egyenlőtlenség a kereskedelmi szálláshelyek, a legnagyobb koncentráció pedig a gyógyszállodák elhelyezkedésében tapasztalható. A görbe jól mutatja ugyan a területi koncentrációt, de számadattal nem szolgál a koncentráció nagyságáról. A következőkben ezt a koncentrációt kívánjuk kvantitatív módon mérni, két koncentrációs mutató (Hirschmann–Herfindahl, Hoover) segítségével. A Hirschmann–Herfindahl koncentrációs index sajátossága, hogy a megoszlást nem a teljesen egyenleteshez viszonyítja. A mutató 0,6 feletti értéke már erős koncentráltságra, monopolhelyzetre utal1. Értelmezése: minimális értékét, – ami az elemszám függvénye – akkor veszi fel, ha a vizsgált ismérv a területi egységek között egyenletesen oszlik el, maximális értékét pedig akkor, ha a vizsgált jelenség egy területen, egy kézben összpontosul, vagyis monopolhelyzet van. (A mutató használatakor vigyázni kell arra, hogy egyforma elemszámú vizsgálatokat hasonlítsunk össze.)

1 A koncentrációs index értékkészlete: 1/n≤K≤1.

352


2 ⎛ ⎞ ⎜ ⎟ n ⎜ x ⎟ i K well . = ∑ ⎜ ⎟ = 0,086 n i = 1⎜ ∑ x ⎟ ⎜ i⎟ ⎝i =1 ⎠ 2 ⎛ ⎞ ⎜ ⎟ n ⎜ y ⎟ i K keresk. = ∑ ⎜ ⎟ = 0,064 n i = 1⎜ ∑ y ⎟ ⎜ i⎟ ⎝i =1 ⎠ 2 ⎛ ⎞ ⎜ ⎟ n ⎜ x ⎟ i K gyógy. = ∑ ⎜ ⎟ = 0,161 n i = 1⎜ ∑ x ⎟ ⎜ i⎟ ⎝i =1 ⎠

xi= a naturális mértékegységben megadott területi jellemző az i területegységben. yi= a naturális mértékegységben megadott területi jellemző az i területegységben.

A mutató értelmezése során láthatóvá válik kvantitatív módon is, amit a Lorenz-görbe grafikusan már mutatott, hogy a gyógyszállodák területi elhelyezkedésében található a legnagyobb területi koncentráció, de egyik terület sincs monopolhelyzetben. A következő (Hoover-)mutató gyakorlati alkalmazásával a területi egyenlőtlenségek, koncentrációk vizsgálata során szinte minden alkalommal találkozunk, gyakran használják a településszociológiában is, amikor a társadalmi csoportok területi koncentrációját, illetve a lakóhelyi elkülönüléseket elemzik. Az index azt mutatja meg, hogy az egyik ismérv hány százalékát kell a területegységek között átcsoportosítani, hogy a területi megoszlása a másik jellemzőével azonos legyen.2 A regionális és területi kutatások során legtöbbször a lakónépesség területi eloszlásával vetik össze a vizsgálatok szempontjából fontosnak ítélt ismérvek területi eloszlását. n

H well . =

∑x i =2

− fi

i

2 n

H ker esk . =

∑y i =2

H gyógy . =

− fi

i

2 n

∑x i=2

i

2

= 37%

− fi

= 26%

Itt xi , yi és fi megoszlási viszonyszámot jelöl.

= 52%

Az eredmény: a wellness-szállodák 37%-át, a kereskedelmi szálláshelyek 26%-át, míg a gyógyszállodák 52%-át kellene átcsoportosítani, hogy a lakónépesség területi eloszlásával azonos legyen, vagyis itt is láthatjuk, hogy a gyógyszállodák területi megjelenésében tapasztalhatjuk a legnagyobb egyenlőtlenséget, koncentrációt. A wellness- és gyógyszállodák területi elhelyezkedése A fent vizsgált grafikus ábrázolás és a mutatók által is bizonyítottuk, hogy a hazai szálláshelyek területi megjelenésében koncentrációt tapasztalhatunk, leginkább a gyógyszállodák és a wellnessszállodák tekintetében. A vizsgálataink statikus helyzetképet mutatnak, nem dinamikus változást. Bár a wellness-szolgáltatásokat nyújtó szállodák építése az egész ország területére jellemző, mégis jelentős területi különbségek figyelhetők meg mind a KSH által minősített, mind az egyéb wellness-profilú szállodák esetében. Hotelek legnagyobb számban, illetve befogadóképességben Nyugat-Dunántúlon és Budapesten épültek, de az ország csaknem minden régiójában található 2 A Hoover-index értékkészlete: 0≤H≤100.


353

(Észak-Alföld kivételével) legalább négyszáz vendég fogadására alkalmas wellness-szálloda. A nyugat-dunántúli régió és Budapest együtt csaknem a felét adja a hazai wellness-szállodáknak (a legalább 500 férőhellyel rendelkező házak 87%-át), emellett jelentős kínálattal rendelkezik a déldunántúli (főként az elmúlt évek balatoni wellness-hotelépítési hullámnak köszönhetően) és az észak-magyarországi régió is. 4. ábra

A wellness-szolgáltatásokat nyújtó szállodák száma régiónként Magyarországon, 2007 Észak-Magyarország Észak-Alföld Dél-Alföld Közép-Dunántúl

10

5 5

3

9

5

Dél-Dunántúl

12

9

Nyugat-Dunántúl Közép-Magyarország

10

13

39

13 7

16

0 10 20 KSH által nyilvántartott wellness-szállodák

30 40 50 60 Wellness-szolgáltatásokat nyújtó szállodák

Forrás: a KSH alapján saját számítás.

A gyógyszállodák elhelyezkedésében is jelentős területi egyenlőtlenség látható. 2007 nyarán a hazai kínálatból messze kiemelkedik Nyugat-Dunántúl, hiszen csaknem minden második gyógyszálloda itt található (27 ház). A Nyugat-Dunántúl mellett nagyobb számú hotellel rendelkezik még az észak-alföldi (10) és a közép-magyarországi (7) régió is. Ezeknek a szállodáknak a nagy része néhány, jelentős gyógyturisztikai vonzótényezővel rendelkező településhez kötődik. Ilyenek Nyugat-Dunántúlon Hévíz (14 gyógyszállodával) és Zalakaros (5), Észak-Alföldön Hajdúszoboszló (6), a közép-magyarországi régióban Budapest (5), a dél-dunántúliban pedig Harkány (3). A területi koncentrációt befolyásoló tényezők A wellness- és gyógyszállodák területi struktúráját befolyásoló tényezőket korrelációs mátrix segítségével vizsgáltuk (5. táblázat). Az elemzésbe magyarázótényezőként bevontuk az egészségturizmus alapját képező természetes gyógytényezők mutatóit, a hazai turisztikai ágazat kapacitási és forgalmi jelzőszámait, a területi gazdaság fejlettségét jelző, illetve a gazdaságpolitikai támogatások mértékét jelző mutatókat. E tényezők hatásainak elemzésekor figyelembe kell venni, hogy a felhasznált módszer a kauzális viszonyokról nem minden esetben ad egyértelmű képet, valamint csak mennyiségi viszonyok vizsgálatára alkalmas. Az itt bemutatott tényezők csak egy részét jelentik a szállodák területi elhelyezkedését befolyásoló tényezőknek. Jelen vizsgálat következő szakaszában az elemzést ki kívánjuk bővíteni a különböző turisztikai vonzerők (természeti, kulturális és speciális), a közlekedés-földrajzi helyzet, az alap- és turisztikai infrastruktúra, valamint a pályázati aktivitást mutató jelzőszámok vizsgálatára. A wellness-szállodák területi eloszlásával a vizsgált tényezők közül legszorosabb kapcsolatban a nem gyógyvíz alapú természetes gyógytényezők (ezek közül elsősorban a klimatikus gyógyhelyek) térbeli előfordulása, valamint a legalább országos vonzerejű, a hazai turizmus által már kihasznált gyógytényezők állnak.

,258

,466* ,372 ,189 ,515* ,780* ,303 ,548* ,386 ,243 ,271 ,137 ,230

3. Az összes kereskedelmi szálláshely 2006-ban

4. A gyógyfürdők száma1

5. Minősített gyógyvíz2

6. Egyéb gyógytényezők3

7. A gyógyhelyek száma4

8. A gyógytényezők száma összesen

9. A turizmusban hasznosított összes gyógytényező5

10. A szállodai férőhelyek száma 2005-ben

11. A szállodai vendégek száma

12. A szállodában regisztrált vendégéjszakák száma

13. GDP, 2005

14. Az ágazatnak nyújtott állami támogatások nagysága, 2001–20056

1

,216

–,125

,027

–,013

,261

,250

,310

,307

,667

,335

,319

,693**

**

,268

,683**

,418

,655**

,970**

,225

,178

1

,419

,042

,872**

,430

,115

,173

,419

1

,257

,394

,189

5.

–,004

–,060

,123

,063

,129

,633**

,414

,796*

1

,178

,173

,354

,379

–,292

,312

,319

,113

,771*

,419

1

,796*

,225

,115

–,516

,269

,621

,780*

**

7.

,515*

6.

Megjegyzés: helytakarékosság végett a tizedesvessző előtti 0-át nem tüntettük fel. * A korreláció 0,05 szint mellett szignifikáns, **a korreláció 0,01 szint mellett szignifikáns. A vastag vonallal kiemelt értékek szignifikáns összefüggést jeleznek. 1 Az Országos Gyógyhelyi és Gyógyfürdőügyi Főigazgatóság (OGYFI) nyilvántartásában szereplő gyógyfürdők. 2 Az OGYFI nyilvántartásában szereplő gyógyvizek. 3 Az OGYFI nyilvántartásában szereplő egyéb gyógytényezők: gyógybarlangok, gyógyiszap, gyógyklíma, gyógygáz. 4 Az OGYFI nyilvántartásában szereplő gyógyhelyek. 5 Az OGYFI nyilvántartásában szereplő gyógyfürdők és egyéb gyógytényezők. 6 Forrás: GKM.

,472*

,122

,336

,243

,327

,378

,127

,518* ,463*

–,516

,354

,042

,257

,196

,372

,466* ,258

4.

3.

,269

,621**

,394

,196

1

,317

,317

1

1. A wellness-szállodák száma

2.

2. A gyógyszállodák száma

1.

Tényezők

,381

,269

,340

,311

,280

,544*

1

,419

,414

,970**

,430

,127

,518

*

,303

8.

,385

,495

*

,598**

,576**

,579**

1

,544*

,771*

,633**

,418

,872**

,378

,463*

,548*

9.

,096

,815

**

,943**

,922**

1

,579**

,280

,113

,129

,268

,655**

,261

,327

,386

10.

A wellness- és gyógyszállodák területi koncentrációját befolyásoló tényezők összefüggése Pearsons-féle korrelációs mátrix

,041

,960

**

,992**

1

,922**

,576**

,311

,319

,063

,319

,693**

–,013

,243

,243

11.

**

,110

,928

1

,992**

,943**

,598**

,340

,312

,123

,335

,683**

,027

,336

,271

12.

–,035

1

,928**

,960**

,815**

,495*

,269

–,292

–,060

,307

,667**

–,125

,122

,137

13.

1

–,035

,110

,041

,096

,385

,381

–,004

,379

,310

,250

,216

,472*

,230

14.

5. táblázat

354 DR. ÁCS PONGRÁC – LACZKÓ TAMÁS


355

A hazai egészségturizmus alapját képező természetes gyógytényezők mellett közepes erősségű, szignifikáns kapcsolatot mutató tényező még a kereskedelmi szálláshelyek területi megoszlása. Fontos megemlíteni, hogy sem a hazai turizmus forgalmában és fogadóképességében, sem a megyék közötti fejlettségben látható különbségek nem befolyásolják szignifikánsan a wellnessszállodák területi koncentrációját. A kiinduló feltételezésünkkel ellentétben: az ezredforduló után a hazai egészségturizmusba kínálatbővítési szándékkal eljuttatott állami támogatások jelentős területi koncentrációja sem befolyásolja számottevően a wellness-szállodák térbeli struktúráját. A gyógyszállodák területi koncentrációját befolyásolják a hazai gyógytényezők előfordulásai, amelyek közül kiemelten fontos a gyógyvíz melletti egyéb tényezők jelenléte (gyógyiszap, gyógybarlangok vagy gyógygáz). E tényezőkön túl alapvetően befolyásolta a gyógyszállodák területi strutktúráját a 2001–2005 között az ágazatba eljuttatott állami beruházások térbeli elosztása. A wellness-szállodákhoz hasonlóan a gyógyszállodák esetében sincs szignifikáns szerepe az idegenforgalmi teljesítménynek és kapacitásnak, illetve az általános fejlettségi tényezőknek. A hazai egészségturisztikai kínálat fontos elemét képező gyógyfürdők térbeli struktúrája szoros összefüggést mutat az idegenforgalmi fogadóképesség és forgalom eloszlásával, valamint a GDP területi különbségeivel. A gyógyfürdők ebben a kauzális viszonyrendszerben inkább mint magyarázótényezők jelennek meg, de nem zárhatók ki az ellenkező irányú tényező és harmadik tényező hatásai sem. Összegzés Az egészségturisztikai forgalmi statisztikák kedvező alakulása az elmúlt évek fejlesztési irányainak helyességét mutatják, amelyeknek köszönhetően a következő tervezési időszakokra szóló fejlesztési tervdokumentációkban egyre hangsúlyosabb szerepet tölt be az ágazat. Az egészségturisztikai beruházások területfejlesztésben betöltött fontos szerepét igazolja az elmúlt évtizedben realizálódott beruházások gazdasági és társadalmi hatásainak vizsgálata. Ezen időszak szálloda- és fürdőépítési vagy -felújítási tevékenységének következtében az érintett településeken növekedtek az idegenforgalmi bevételek, javult a munkaerő-piaci helyzet, sok esetben jelentősen fejlődött az alap- és turisztikai infrastruktúra (Mundruczó 2005). A tanulmányban bemutatott vizsgálatban jól látható, hogy ezek a beruházások jelentős területi különbségek mellett mentek végbe az elmúlt években. Így kialakultak egészségturisztikai lehetőségeiket jól kihasználó, jelentős forgalommal jellemezhető régiók (Nyugat-Dunántúl, Budapest), valamint adottságaikat és erőforrásaikat kevésbé sikeresen kiaknázó területek (Dél-Dunántúl, Dél-Alföld). Mivel hazánk csaknem mindegyik megyéje rendelkezik kihasználható természetes gyógytényezővel (Gellai 2004), illetve sajátos természeti, kulturális és egyéb vonzerővel, a kevésbé fejlett régiók területfejlesztési tevékenységének – a nyugat-európai példákhoz hasonlóan – fontos és sikeres területe lehet az egészségturizmus fejlesztése. Ehhez nélkülözhetetlen lenne a klaszterorientált gondolkodás gyakorlati megvalósítása, egy újragondolt piaci szegmentáció kialakítása (a wellness célcsoportjait is figyelembe véve), valamint a fejlesztésekre szánt források igazságosabb és hatékonyabb elosztása a szolgáltatók érdekeinek figyelembevétele mellett. IRODALOM Ács Pongrác (2007): A területi egyenlőtlenségek feltérképezése során leggyakrabban alkalmazott mérőszámok bemutatása, a sporttehetségek területi elhelyezkedésének példáján. Egy életpálya három dimenziója – Tanulmánykötet Pintér József emlékére. PTE Közgazdaságtudományi Kar, Pécs Aubert Antal (szerk.) (2006): Magyarország idegenforgalmi atlasza. Szakkönyv és atlasz. Carthographia, Bp. Aubert Antal – Berki Mónika (2007): A nemzetközi és a hazai turizmus területi folyamatai, piaci tendenciái a globalizáció korában. In: Földrajzi Közlemények, 2007/3.

356


Aubert Antal – Miszler Miklós (2004): A regionális szintű termékfejlesztés és -menedzselés elméleti keretei a gyógy- és termálturizmusban. In: Aubert Antal – Csapó János (szerk.) Egészségturizmus. Bornus Nyomda, Pécs Falussy Béla – Harcsa István (2000): Időfelhasználás 1986 és 1999 őszén, KSH, Budapest Friedl Harald (2007): Wer braucht Wellness – und warum gerade jetzt? Zeitschrift für integrativen Tourismus und Entwicklung 4.06.S. 6-10, Wien Gellai Imre (2004): Az egészségturizmus szerepe – nagyságrendje Magyarország turizmusában. Budapest, kézirat Hajdu Ottó (1997): A szegénység mérőszámai. KSH Könyvtár és Dokumentációs Szolgálat, Budapest Hegedüs Veronika (2006): Az egészségturizmus keresletének és fogalmi rendszerének változásai Magyarországon. Földrajzi Értesítő 2006. IV. évf. 3–4. füzet Hungarostudy Egészség Panel 2005 http:// www.magtud.sote.hu/hungarostudy-egeszseg-panelgyorsjelentes.htm – 149k Hungarostudy 2002 http://www.behsci.sote.hu/hungarostudy2002/ – 6k – Itthon.hu http:// www.itthon.hu/main.php?folderID=1166&objectID=5195689 Kiss Kornélia – Török Péter (2001): Az egészségturizmus nemzetközi keresleti és kínálati trendjei. In: Turizmus Bulletin (2001/3) Kocziszky György (2004): Egészségügyi klaszter(ek) kialakításának lehetőségei az Észak-Magyarországi Régióban. Észak-magyarországi Stratégiai Füzetek, 1. évfolyam 2. szám Köves Pál – Párniczky Gábor (1981): Általános Statisztika I, Közgazdasági és Jogi Könyvkiadó, Budapest KPMG Consulting 2002: Az egészségturizmus marketingkoncepciója. In: Turizmus Bulletin 2002/2. szám KSH 2005: Turisztikai statisztikai évkönyv KSH 1990–2004: Idegenforgalmi statisztikai évkönyvek Laczkó Tamás – Rébék Nagy Ágnes (2008): A wellness régióspecifikus jellemzői, PTE Egészségtudományi Kar, Bocz Nyomdaipari Kft., Pécs Lengyel Imre – Rechnitzer János (2004): Regionális Gazdaságtan, Dialóg Campus Kiadó, Budapest Mundruczó Györgyné 2005: A Széchenyi-terv egészségturisztikai beruházásainak gazdasági hatásai. In: Turizmus Bulletin (2005/3) Nemes Nagy József (2005): Regionális elemzési módszerek, Regionális Tudományi Tanulmányok 11, MTA– ELTE Regionális Tudományi Kutatócsoport kiadványsorozata, Budapest Országos Gyógyhelyi és Gyógyfürdőügyi Főigazgatóság http://efrira1.antsz.hu/portal/page? _pageid=240,47301&_dad=portal&_schema=PORTAL Országos Lakossági Egészségfelmérés 2000 http:// www.oek.hu/oek.web? nid=204&pid=1 – 21k Országos Lakossági Egészségfelmérés 2003 http://www.oek.hu/oek.web?to=8,722,711,979&nid =393&pid=1&lang=hun –18k Rátz Tamara (2004): Zennis és Lomi Lomi, avagy új trendek az egészségturizmusban. In: Aubert Antal–Csapó János (szerk.) Egészségturizmus. Bornus nyomda, Pécs Strompf Klára (2006): A magyar egészségturizmus új lehetőségei V. Spa & Wellness Egészségturisztikai Szakkiállítás és Konferencia, előadás, Budapest ESPA (2006): Resort Development tendencies in Europe Zopcsák László (2007): Worksite wellness. I. Országos Pécsi Wellness Konferencia, előadás, Pécs Zsigmond Edit (2007): A wellness-koncepció története. Pécs, kézirat Kulcsszavak: wellness-turizmus, gyógyturizmus, vendégforgalom, területi koncentráció, telepítési tényezők. Resume In the past decade domestic wellness tourism can be characterized by unbroken development as a successful period. In these years significant expansion was typical of both the offer and the demand side. Several spontaneous international and domestic economic-, social- and demographic factors laid basis to and promoted the growth in domestic wellness and spa tourism, backed by continuous state subsidization in this touristic segment. Although building of wellness- and spa-hotels and baths was widespread in all regions of the country, still significant regional concentration can be seen in the total scale of domestic wellness tourism. Regional disparities are also influenced by factors typical of this touristic segment, only, therefore such regional structure evolved, that does not necessarily follow the general economic development.

UZZOLI ANNAMÁRIA

Az egészségi állapot területi különbségei a közép-magyarországi régióban* Népegészségügyi és demográfiai viszonyai alapján hazánk igen hátrányos helyzetű ország Európában. Az életkilátások átlagosan 5–7 évvel rosszabbak, mint Nyugat-Európában; a legtöbb daganatos halálozást pedig éppen hazánkban regisztrálják. Ráadásul a kedvezőtlen egészségi állapot jelentős területi különbségekkel párosul. Napjainkban egy budapesti férfi átlagosan 4,5 évvel, egy fővárosi nő pedig 2,3 évvel hosszabb életre számíthat, mint azok, akik az ország keleti felében születtek és élnek. A főbb mortalitási és morbiditási mutatók alapján általánosságban megállapítható, hogy a főváros egészségi állapota jobb az országosnál. A születéskor várható átlagos élettartam meghaladja az országos átlagot, kevesebb a balesetek áldozatainak száma, bizonyos betegségekből – kivéve a rosszindulatú daganatokat – évről évre többen gyógyulnak meg. Azonban egyes kerületekben igen rossz a népegészségügyi helyzet, aminek okai leginkább a helyi társadalmi környezetből (alacsony jövedelemszint, munkanélküliség, halmozottan hátrányos szociális helyzet, hajléktalanság stb.) adódnak. Összességében Pest megye lakosságának egészségi állapota az országos szint körüli, a fővároshoz képest részben kedvezőtlenebb, bár bizonyos egészségmutatók – például az alacsonyabb csecsemőhalandóság – alapján a budapesti agglomeráció településeinek jobb helyzete körvonalazódik. Mindezek mellett az egészség megőrzésére, a betegségek megelőzésére, az egészségi állapot javítására és az életveszély elhárítására szolgáló egészségügyi ellátórendszer optimális feltételei éppen a közép-magyarországi régióban alakultak ki az országban. A magyar egészségügyi rendszer egész spektruma, azaz minden egymásra épülő alap-, szak- és speciális ellátásfajta megtalálható itt. Budapest orvosellátottsága közel duplája a vidéki átlagnak, az orvoslétszám itt növekedett leggyorsabban az elmúlt harminc évben, számos országos intézet található meg, és a főváros tekinthető az ország legnagyobb kórházközpontjának. A tanulmány elsődleges célja egyrészt a régió egészségi állapotának bemutatása országos öszszehasonlításban, másrészt a régión belül az egészségi állapotban tapasztalható különbségek értelmezése. Véleményem szerint Közép-Magyarország helyzete kettős: míg rendkívül kedvező adatok tapasztalhatók a fővárosi életesélyek vagy a Pest megyei ritkább csecsemőhalálozások tekintetében, addig országosan is egyike a legkedvezőtlenebbeknek a budapesti daganatos halálozások, a fővároson belüli életesélybeli különbségek vagy a kistérségi szintű területi különbségek alapján. Az életesélyek területi jellemzői Az életesélyek területi jellemzőinek vizsgálatában főként az egyes életkorokban várható átlagos élettartam mutatóját és a csecsemőhalálozási arányszámot alkalmazom, ugyanis az életesélyek alakulását alapvetően a halálozási viszonyok határozzák meg. A különböző kormegoszlású népesség mortalitásának összehasonlítását a várható átlagos élettartam kiszámítása teszi lehetővé. Minél jobbak a halálozási viszonyok, annál magasabb a születéskor várható átlagos élettartam. Ugyanakkor a magas csecsemőhalálozási arányszám befolyásolja az ország reprodukciós folyamatait, halálozási viszonyait, s így a születéskor várható átlagos élettartam alakulását. * A tanulmány az OTKA PF63859 számú pályázat támogatásával készült.

358

UZZOLI ANNAMÁRIA

A születéskor várható átlagos élettartam és a gazdasági fejlettség közötti összefüggések befolyásolják az életesélyek területi különbségeit: minél magasabb a gazdasági fejlettség, annál magasabb a mutató értéke. Ez az oka annak, hogy 1990 után minden régióban rosszabbodtak az életkilátások Magyarországon, azonban a legkisebb mértékben éppen Közép-Magyarországon, s így napjainkban Nyugat-Dunántúlhoz hasonlóan az itt élők számíthatnak a leghosszabb élettartamra az országban: a férfiak születéskor várható átlagos élettartama 69,9 év, a nőké 77,5 év (országos átlagok 68,6 és 76,9 év, 2005). A régión belül egyértelműen Budapest teszi hangsúlyossá az eredményeket, ahol a kilencvenes években a születéskor várható átlagos élettartam közel egy évvel haladta meg az országos szintet. A nyolcvanas évek elejéhez képest a budapesti férfiak életesélyei több mint két évvel, a nőké négy évvel javultak. Jelenleg a fővárosi férfiak születéskor várható átlagos élettartama 70,5 év, a nőké 77,7 év. Ezzel szemben Pest megyében rosszabbak az életkilátások Budapesthez, sőt részben az országos értékekhez képest is (1–2. ábra). Jelenleg a megye férfi lakosságának születéskor várható átlagos élettartama 69 év, a nőké 77,1 év. Míg országosan a Pest megyében élő férfiak születéskor várható átlagos élettartamánál – ami egyébként megfelel a csongrádi férfiakénak – csupán három megyében jobbak az életkilátások (Győr-Moson-Sopronban, Veszprémben, Zalában), addig a nőkét a Dunántúlon kettő kivételével (Komárom-Esztergom, Somogy) mindegyik megye meghaladja. 1. ábra

Születéskor várható átlagos élettartam, férfiak 72

év 70,5

70

68,6 69,0

67,9

68

66,5

66

66,3

65,9

66,3 65,9 65,1

64,5

63,6

64 62 60 1980

1990 Budapest

2000 Magyarország

2005

Pest megye

Forrás: Demográfiai évkönyv, 2005.

2. ábra

Születéskor várható átlagos élettartam, nők 79 78 77 76 75 74 73 72 71 70 69

év 77,7 75,5

72,8

73,2

73,8 73,7

75,1

76,9 77,1

74,6

73,3

72,4

1980


1990 Budapest

Magyarország

2000 Pest megye

2005

AZ EGÉSZSÉGI ÁLLAPOT KÜLÖNBSÉGEI A KÖZÉP-MAGYARORSZÁGI RÉGIÓBAN

359

A férfiak életesélyei a 40 és 60 éves korban még várható átlagos élettartam alapján a régió, a főváros és a megye viszonylatában is meghaladják az országos átlagot, legkisebb mértékben éppen a megyei férfi lakosságára vonatkozik ez. A többi megyéhez viszonyítva a Pest megyei férfiak életesélyei országosan még kedvezőnek mondhatók 40 éves korban: jobb értékek csak GyőrMoson-Sopron, Veszprém és Zala megyében regisztrálhatók. Ez az előny azonban 60 éves korra jelentős hátránnyá változik, és a megyék sorrendjében országos összehasonlításban csak a 8. legmagasabb várható átlagos élettartam tapasztalható Pest megyében. A Pest megyében élő nők 40 és 60 éves korban várható átlagos élettartama országos összehasonlításban csak az északkeletmagyarországi és észak-alföldi megyék adatánál jobb. Míg országosan a legjobb és a legrosszabb helyzetű megye születéskor várható átlagos élettartamában 2,5 év a különbség, addig a fővárosban a II. és a VIII. kerület között tíz év. A legmagasabb halandóság, ezzel összefüggésben pedig a legalacsonyabb várható élettartam a VIII. kerületben regisztrálható, ahol a standardizált halandóság 25%-kal haladja meg a budapesti átlagot (Klinger 2003b). Már a nyolcvanas években Budapesten végzett halandósági vizsgálatok felhívták a figyelmet a fővároson belül tapasztalható életesélybeli különbségekre (Józan 1986). Ezek a kutatási eredmények bizonyították, hogy például Európához képest is egyedülállóan magas a belső pesti kerületekben az életkilátások romlása 30 éves kortól kezdődően a férfi populáció körében, s így a középkorú férfiak halálozási valószínűsége egyike a legrosszabbaknak a világon. Az elmúlt 25 évben az országos átlag körüliek voltak a Váci és Szentendrei kistérségben élő férfiak, valamint az Aszódi, a Ceglédi, a Gödöllői, a Ráckevei, a Váci és a Szentendrei kistérségben élő nők életesélyei. 1980-hoz képest a születéskor várható átlagos élettartam több mint ötéves javulása férfiak esetében a Pilisvörösvári, a nők esetében pedig a Budaörsi kistérségben volt tapasztalható a kilencvenes évek végén. Az életesélyek nemek szerinti bontásában a Dabasi kistérség a legrosszabb helyzetű. A csecsemőhalálozási arányszám, vagyis az egy éven belül meghalt csecsemők aránya érzékeny mutatója egy terület társadalmi-gazdasági fejlettségének, a lakosság szociális viszonyainak és a helyi egészségügyi ellátás színvonalának. A csecsemőhalálozások hazánkban a XX. század folyamán folyamatosan és igen nagy mértékben csökkentek, a területi különbségeik mérséklődtek, ami elsősorban az egészségügyi ellátás javulásával, az anya- és csecsemővédelem, a terhesgondozás kiépülésével magyarázható. Az utóbbi huszonöt évben a legnagyobb mértékű javulás Budapesten és Pest megyében ment végbe, értéke az elmúlt tíz év alatt több mint 19 százalékpont volt. A mutató alapján Pest megye (4,4‰) nemcsak a többi megyéhez, hanem Budapesthez (4,5‰) és az országos átlaghoz (6,2‰, 2005) képest is rendkívül jó helyzetben van. A megyék között Pest megye mutatójánál alacsonyabb csak Nógrádban regisztrálható (4,2‰). A csecsemőhalálozások közel héttizede a szülést követő 28 napon belül következik be, oka több mint 80%-ban veleszületett betegség, rendellenesség (Szauer 2000). Pest megyében ugyan a legalacsonyabb a csecsemőhalandóság az országban, de a kistérségek között országos léptékben is nagy eltérések vannak: a Szobi kistérségben 13,4‰ a mutató értéke, a Veresegyházi kistérségben pedig 5,1‰ (2001–2004 átlaga alapján). A megye átlaga alatti a csecsemőhalálozás az Aszódi, a Dunakeszi, a Gyáli, a Monori, a Pilisvörösvári, a Ráckevei és a Szentendrei kistérségekben. Budapesten a mutató 10‰ fölötti értéke – amely az uniós átlag több mint kétszerese – a VI., VII., VIII. és XI. kerületben regisztrálható (3. ábra), de ahol alacsony a csecsemőhalálozás, például az I. és az V. kerületben, ott magasabb az időskorú népesség, és alacsonyabb a szülőképes korú nők aránya. A mutatószám alakulását tekintve területileg jól elkülöníthető Buda kedvező és Pest kedvezőtlen helyzete.

360

UZZOLI ANNAMÁRIA 3. ábra

A csecsemőhalálozási arányszám Budapesten, 2005

IV. III. XV. II.

XIII.

XII.

I.

XI.

VI. V. VII.

XIV.

VIII.

XVI.

X. XVII.

IX. XIX. XX.

XVIII.

XXI. XXII.

Ezrelék – 4,0 4,1 – 4,9

XXIII.

5,0 – 5,9 6,0 – 7,5 7,6 – 10,3

Forrás: www.ksh.hu

A halálozások nemek és korcsoportok szerinti alakulása A halálozások gyakorisága, valamint kor- és okspecifikus megoszlása hűen tükrözi a demográfiai és népmozgalmi helyzetet, amelyet a régióra jellemző, a főváros és vonzáskörzete kapcsolatát alapvetően meghatározó migráció szintén befolyásol. A fiatal felnőtt népesség jelentős arányú kiköltözése az agglomerációs gyűrűbe javította a népesség korösszetételét és népmozgalmi folyamatait (termékenység, természetes szaporodás), mérsékelte a halálozások arányát, és részben növelte a várható élettartamot, így kedvezőleg hatott a helyi lakosság egészségi állapotának jelzőszámaira. A korösszetétel eredményezi, hogy a nyers halálozási arányszám Budapesten (13,8‰) mind a régió (13,0‰), mind pedig az ország (13,5‰) átlagát meghaladja, míg Pest megyében (11,9‰), kiváltképp az agglomerációs gyűrűben jóval kedvezőbb a halálozások alakulása (Balogh – Bezerédj 2000). A halálozások nemek szerinti megoszlása alapján mind a nyers, mind a korspecifikus halálozási arányszám magasabb a férfiak esetében, bár a fővárosi nők halálozási gyakorisága meghaladja az országos átlagot. Országosan a halálozások aránya a kilencvenes évek második felétől mérséklődött, ami a régióban a férfiakat nagyobb mértékben érintette. A jelentős mértékű javulás – főleg Pest megyében – elsősorban a 2000. évtől tapasztalható. A standardizált halálozási arányszám – amely a népesség korösszetételéből eredő különbségeket szűri – vizsgálata során némileg módosulnak az előbbi eredmények: ha a régióban az országossal megegyező koröszszetételt vesszük alapul, akkor Budapesten és Pest megyében is alacsonyabb a halálozások valószínűsége. A két nem együttes standardizált halálozási hányadosa alapján Budapest előnye vitathatatlan a legkedvezőbb értékű vidéki kistérségekhez képest is.


361

A nyers halálozási arányszám legalacsonyabb (10‰ körüli) a Budaörsi, a Dunakeszi, a Pilisvörösvári és a Szentendrei, legmagasabb (14‰ feletti) pedig az Aszódi, a Monori, a Nagykátai és a Szobi kistérségben. Ez utóbbiak esetében a halálozások szempontjából meghatározó időskorú népesség aránya magas: az öregedési index meghaladja Pest megye kedvező mutatóját (77,9%), a szobi kistérségben ez például 112,6%. Azokban a kistérségekben, ahol alacsonyabb a halálozások aránya, ott egyrészt pozitív a természetes szaporodás egyenlege, másrészt a természetes népmozgalmi folyamatokból eredő népességfogyást ellensúlyozza, sőt meghaladja a vándorlási nyereségből adódó népességnövekedés. Az elmúlt években a legjelentősebb vándorlási nyereség a Ráckevei, a Budaörsi és a Pilisvörösvári kistérségben következett be, ami elsősorban a termékenység szempontjából kedvező korösszetételű népesség letelepedésével járt együtt. Az alacsony halandóság tekintetében a Szentendrei és a Pilisvörösvári kistérség nemcsak a régióban kedvező adottságú, hanem országosan is (Klinger 2006a). Budapesten a legtöbb haláleset (16‰-nél több) az I., V., VI., VII. kerületekben, míg a legkevesebb (11‰ körül) a III., IV., XVI., XIX. és XXII. kerületekben regisztrálható. Egyébként Budapest halandósága 86%-a a vidéki átlagnak, de a fővároson belül nagyobbak a különbségek, mint a vidéki kistérségekben (Klinger 2006b). Néhány esetben megfigyelhető, hogy kistérségi szinten a legmagasabb és a legalacsonyabb halálozási értékeket képviselő kistérségek nem esnek egybe a két nem esetében: például az ajak, a szájüreg és a garat rosszindulatú daganatából eredő halálozás alapján a Szobi kistérség a férfiaknál a legrosszabb, míg a nőknél a legjobb helyzetű. A két nem együttes standardizált halálozási hányadosa alapján legjobb helyzetű a Szentendrei kistérség. 4. ábra

A nyers halálozási arányszám a kistérségekben, 2005 Ezrelék 9,5 – 10,5

Szobi

10,6 – 11,6 Váci

Pilisvörösvári

SzentVeresendrei egyházi DunaAszódi keszi

11,7 – 12,7 12,8 – 13,9

Gödöllői 14,0 – 19,0

Budapest

Budaörsi

Nagykátai Gyáli

Ráckevei

Monori

Dabasi

Ceglédi

Forrás: Pest megye statisztikai évkönyve, 2005.

A halálozási arányszám korcsoportonkénti alakulása leginkább a felnőtt népesség halálozása miatt lényeges, ugyanis a 45–54 év közötti férfiak halálozási valószínűsége alapján hazánk egyike a legrosszabb egészségi állapotú országoknak a világon (Józan 1994). A Magyarországot a kilencvenes évek eleje óta sújtó epidemiológiai válság eredményezte (Józan 2002a), hogy a kor szerinti halálozási arány minden korcsoportban rosszabbodott. Ebből a szempontból kedvezőtlenül alakult Közép-Magyarország lakosságának korösszetétele, hisz az elmúlt évtizedben növekedett a magasabb mortalitású 60 év felettiek, és csökkent az alacsonyabb mortalitású 15 év alattiak aránya. Ez

362

UZZOLI ANNAMÁRIA

lassította a halálozási szint javulását a régióban. Különösen a 40 és 59 év között volt jelentős a rosszabbodás 1980-tól kezdődően. Összességében a népesség halálozási arányszámának alakulását korcsoportonként vizsgálva jelentős változások voltak észlelhetők a kilencvenes években is. A két nem korspecifikus halálozási arányszámai között is általában igen jelentős különbségek vannak korcsoportok szerint. Közép-Magyarországon a középkorú népesség halálozási arányszáma a nyolcvanas években mindkét nem esetében kedvezőtlenül alakult, az emelkedés mértéke azonban a férfiak körében lényegesen nagyobb arányú volt, mint a nők esetében. A kilencvenes években a növekvő tendencia már nem folytatódott, sőt az ezekbe a korosztályokba tartozó népesség halandósága némileg csökkent is. Bár a javulás a térségen belül Pest megyében volt nagyobb arányú, a középkorú férfi népesség halandósági gyakorisága a megyében változatlanul magasabb, mint a fővárosban. A férfi népesség halandósága szinte minden korcsoportban – a magasabb korcsoportok felé haladva egyre nagyobb arányban – felülmúlja a nőkét. A férfiak és a nők halandósági gyakorisága között legnagyobb különbség az 50–59 évesek korosztályában mutatkozik (ÁNTSz 2005). A halálok-specifikus halálozások jellemzői A halálok-specifikus halálozási arányszám alakulása Közép-Magyarországon megfelel az ország haláloki struktúrájának, így a halálozások legalább felét minden évben a keringési rendszer betegségei, legalább negyedét pedig a különböző daganatok okozzák, amelyek elsősorban a civilizációs ártalmakból (életmód, szenvedélybetegségek, környezeti ártalmak, stresszhatás stb.) következnek. A keringési rendszer betegségei közül leggyakoribbak a magasvérnyomás-betegség, az idült reumás szívbetegségek, az ischémiás (szívkoszorúér-betegség, szívizom-elhalás, infarktus) szívbetegség, valamint a különböző agyérbetegségek; növekvő részarányuk egyik fő oka a népesség elöregedése. A régióban a többi régióhoz képest 10–15%-kal alacsonyabb a keringési rendszer betegségeiből adódó standardizált halálozási hányados (Klinger 2003a), aminek az a magyarázata, hogy itt viszont országosan kiugró a daganatos halálozások gyakorisága. A régión belül Budapesten az országos szint alatti, Pest megyében országos szint körüli ennek a betegségcsoportnak az aránya. A fővárosi férfiakat leginkább a szívkoszorúér-betegségek, a fővárosi nőket pedig inkább az agyérbetegségek sújtják. A keringési rendszeri haláloki főcsoport főleg az időskorra jellemző, s mivel magasabb a 60 év feletti nők részaránya, ezért a nők gyakrabban halnak meg a keringési rendszer betegségeiben. Budapesten az utóbbi években a keringési rendszeri halálozások aránya fokozatosan csökkent, és 2001 volt az első év, hogy ez az arány 50% alá csökkent (Csaba 2002). Sajnos, fővárosi szinten tovább növekedett a daganatos, és a férfiak esetében az alkoholos eredetű májbetegségekre visszavezethető emésztőrendszeri halálozások száma. A keringési rendszer betegségei okozta halálozások alapján a leghátrányosabbak a pesti kerületek (IV., VI., VII., VIII., IX., XVII.), a legkedvezőbbek többsége ellenben budai (I., II., III., XI., XIV., XX.). A X. és XVIII. kerületben élő férfiakat a budapesti átlagnál csaknem 50%-kal nagyobb arányban veszélyezteti a szívinfarktus-halál. A koszorúér-halálozások alapján a legjobb a XV., a legrosszabb helyzetű pedig a IV. kerület; ebben a halálokban a két kerület halálozási valószínűsége között két és félszeres a különbség. Ugyanezen két kerület között az agyi érbetegségek okozta halálozási valószínűség között pedig közel háromszoros az eltérés (Csaba 1998). A keringési rendszer betegségei miatti halálozás országos szinthez mért magasabb aránya a férfiak esetében a Monori, a Nagykátai, a Szobi, a nők esetében pedig a Váci, a Veresegyházi, a Ráckevei, a Monori és a Nagykátai kistérségben tapasztalható. A rosszindulatú daganatos halálozás aránya a fővárosban 358,6 fő 100 000 lakosra (2005) (1. táblázat). Országosan is különösen kimagasló a bélrendszer, a hasnyálmirigy és az emlő daganata miatti halálozás.


363 1. táblázat

A halálozások 100 000 lakosra jutó száma, 2005 A kerinFertőzés és Az emészA légzőEgyéb gési tőélősdiek Daganatok Külső ok halálokok okozta rendszer betegségei betegségek Közép-Magyarország 6,2 330,6 665,7 55,5 87,9 66,2 91,5 Ezen belül: Budapest 7,1 358,6 708,4 59,6 91,9 66,4 88,8 Pest 4,9 289,2 602,6 49,5 82,0 65,9 95,4 Közép-Dunántúl 3,9 297,4 647,5 48,5 83,6 73,2 92,9 Nyugat-Dunántúl 3,9 306,8 697,9 50,3 82,0 69,6 97,1 Dél-Dunántúl 3,3 327,6 709,2 87,5 79,4 81,7 87,7 Észak-Magyarország 5,7 317,8 774,5 82,8 94,1 83,9 94,1 Észak-Alföld 4,0 307,5 693,4 63,2 78,0 81,3 77,9 Dél-Alföld 4,9 314,7 752,2 72,3 77,0 93,8 99,4 Magyarország 5,0 317,8 703,3 64,5 84,3 79,2 91,6 Területi egység


Budapesten közel egynegyedével több halálesetet regisztrálnak ebben a betegségcsoportban, mint Pest megyében. A magyarországi daganathalálozási sorrend azt mutatja, hogy legtöbben légcső-, hörgő- és tüdődaganatban halnak meg (Ottó – Kásler 2002). A kilencvenes években a halálozási gyakoriság a közép-magyarországi, az észak-magyarországi és az észak-alföldi régióban az említett daganattípusok mindegyikénél meghaladta az országos szintet. Napjainkban éppen a nők körében növekszik a tüdődaganat-halálozások száma, amelynek legalább 85%-a a dohányzás következménye (Józan 2002b): ez a halálok a harmadik leggyakoribb a női nem körében. A dohányzás miatt folyamatosan növekszik hazánkban az ajak, a szájüreg, a garat és a nyelőcső rosszindulatú daganata miatti halálozás, bár ebből a szempontból Közép-Magyarország Nyugat-Dunántúl után a második legjobb helyzetű. (Ez a halálok közel négyszer gyakoribb a férfiak körében.) A női népességben az emlődaganat okozza a legtöbb halálozást, és az országban a legrosszabb helyzetű a közép-magyarországi régió. Ennek oka, hogy az emlődaganat gyakorisága akkor nő, ha a termékenység alacsony, illetve ha a nők idősebb korukban szülnek, és a szülések között hosszabb idő telik el. A méhnyak rosszindulatú daganata alapján szintén az egyik legkedvezőtlenebb hely a közép-magyarországi régió. A női nemet érintő mindkét daganatos halálok kiemelkedően magas gyakorisága tapasztalható Budapesten. A rosszindulatú daganatok közül mindkét nem esetében második helyen legtöbben a vastagbél és végbél betegségeibe halnak bele: ennek a haláloknak a gyakorisága az elmúlt harminc évben több mint 70%-kal emelkedett hazánkban. Közép-Magyarországon ugyan az országos átlagot meghaladó e halálok gyakorisága, mégis jelentős javulás következett be a többi régióhoz képest a kilencvenes évek második felétől. Mivel a betegség korai felismerés esetén igen nagy százalékban gyógyítható, rendkívül fontos a megelőzés mellett a szűréseken való részvétel, valamint a betegek részéről a panaszok, tünetek azonnali észlelése és egyúttal az orvoshoz fordulás. A férfiak között a harmadik leggyakoribb daganatos halálok a prosztata rosszindulatú betegsége: a régió helyzete az országos átlag körüli, bár magas halálozási arány figyelhető meg Pest megyében. Az emésztőszervi daganatok közül elsősorban a gyomor rosszindulatú betegsége okozza a legtöbb halálozást: gyakorisága különösen alacsony a közép-magyarországi régióban. Ez leginkább a főváros szerepével, valamint az átalakult táplálkozási szokásokkal magyarázható (például pácok visszaszorulása a mélyhűtés elterjedésével). A daganatos halálozások alapján legkedvezőbb kerületek a XV., XVI., XVIII.; XXIII., legkedvezőtlenebbek pedig a IV., VII., VIII., IX, VIII. Az összes daganatos halálozás legmagasabb aránya az Aszódi kistérségben figyelhető meg. A férfiak rosszindulatú daganatos halálozása alapján körvonalazódik egy délkeleti terület (Monori, Gyáli, Dabasi,

364

UZZOLI ANNAMÁRIA

Nagykátai, Ceglédi kistérség), ahol az országos szintnél másfélszer gyakoribb ez a halálok. A nők ugyanezen haláloki főcsoport szerinti legmagasabb arányú halálozása a Monori és a Váci kistérségben regisztrálható. Az emlő és méhnyak daganata miatti halálozás a Veresegyházi és a Ceglédi kistérségben országos összehasonlításban is igen magas. Az emésztőrendszeri haláloki főcsoport alapján Budapest, valamint a Szentendrei és a Budaörsi kivételével a régió minden kistérségében kétszer magasabb volt a halálozás gyakorisága az országos átlagnál 1994–2003 között (KSH 2005). Elsősorban a férfiak légzőrendszeri daganatos halálozásai alapján kedvezőtlen a régió délkeleti része. A fejlett országokban a keringési rendszeri és a daganatos halálozások mellett az emésztő- és légzőrendszeri halálozások okozzák a halálesetek legalább 90%-át. Az emésztőrendszer betegségei közül főleg az alkoholos eredetű májbetegségek, a légzőrendszer betegségei közül pedig az idült alsó légúti tüdőbetegségek a gyakoriak. Mindkét haláloki főcsoport elsősorban a Pest megyében élő férfiakat érinti. Az emésztőrendszer betegsége a régióban az összes elhunyt 7,7%-ának esetében jelent halálokot. A halálozásokon belül meglehetősen magas a viszonylag fiatal korú, alkoholos eredetű májbetegségben elhunytak aránya. Az alkoholos májbetegség következtében meghaltak mintegy kétharmada a 60 éves, 7%-uk még a 40 éves kort sem érte meg. Az ilyen okokra visszavezethető halálesetek a férfiak körében gyakoribbak: közel 2,7-szer annyi férfi hal meg, mint nő. Az alkoholizmus okozta halálozások száma az elmúlt két évtizedben közel másfélszeresére növekedett hazánkban (Józan 2003). Tetőzése a kilencvenes évek elején következett be, ami egybeesett a hazai halálozások legrosszabb időszakával. A légzőszervi betegségek Közép-Magyarországon az összes halálozás kb. 3,8%-át teszik ki. Az általuk előidézett halálozások a férfiak körében az átlagosnál gyakrabban fordulnak elő. Ebben a főcsoportban a legtöbb halálozást – az összes légzőszervi betegségből eredő halálesetek közel háromnegyedét – az idült alsó légúti betegségek idézik elő, az elhunytak további közel egyötödének tüdőgyulladása volt. A morbiditás és mortalitás külső okai (BNO X. revíziója, XX. haláloki főcsoport) között a közép-magyarországi régióban meghaltaknak a 6,3%-a az erőszakosnak minősülő halálokok következtében vesztette életét. Ezeknek a halálozásoknak a kétötödét a balesetszerű esések, közel háromtizedét az öngyilkosságok idézték elő, az érintettek további egyhatoda közlekedési baleset következtében halt meg. Az öngyilkosság mint nem természetes halálok csökkenő tendenciája tapasztalható Magyarországon a nyolcvanas évek közepe óta, és a dunántúli térség után KözépMagyarország a legjobb helyzetű a százezer megfelelő nemű lakosra jutó öngyilkosságok alapján, aminek okai a gazdasági fejlettségben és a kulturális hatásokban keresendők. Gyakorisága a férfiak körében magasabb, százezer férfira 34,5, százezer nőre 12,3 eset jut a régióban (2005). Korosztályok szerint az összes eset 20,5%-át a 15–39 év közöttiek, 44,3%-át a 40–59 év közöttiek követik el, míg 34,8% időskorban elkövetett öngyilkosság. Az öngyilkosságból eredő és a közlekedési balesetek miatti halálozások aránya a férfiaknál, a balesetszerű esések által előidézett halálozásoké a nők körében magasabb. A régióban a közlekedési balesetekkel, valamint az öngyilkossággal kapcsolatos halálozások Pest megyében, a balesetszerű esések miatt bekövetkezett halálozások a fővárosban fordultak elő nagyobb gyakorisággal az elmúlt években. A XX. század közepe óta a fejlett országokban az összhalálozások kevesebb mint 1%-a adódik fertőző betegségekből, mégis Közép- és Kelet-Európában a nyolcvanas évek végétől újból megjelent a morbus hungaricus-ként is emlegetett tbc (tuberkulózis, tüdőgümőkór), amelynek elterjedése főleg a szociális helyzettől függ. A kór mindig is elsősorban a szegényeket érintette, a hajléktalanok közötti előfordulása többszörösen megemelkedik a legyengült immunrendszer, az alkoholizmus, a nem megfelelő táplálkozás és a rendezetlen életfeltételek következtében. A gümőkór okozta mortalitás regionális különbségei 1990 után váltak jelentőssé, s legfőképpen Budapest és Pest megye hajléktalanpopulációja miatt Közép-Magyarország igen rossz helyzete tapasztalható, Észak-


365

Alföldhöz és Szabolcs-Szatmár-Bereg megyéhez hasonlóan. A Budapesten élő hajléktalanok között például a tbc előfordulása tizenötszörös, az öngyilkossági kísérletek száma tízszeres, az esély az élősködők megjelenésére közel hússzoros (Dávid – Oross – Vecsei 1998). A fővárosi hajléktalanok gondozásával egyébként már 1989-től foglalkoznak a régióban, kifejezetten Budapesten 4 centrum rendezkedett be egészségügyi ellátásukra. Az első fekvőbeteg-ellátó intézményük 1995-ben alakult meg orvosi rendelővel és szociális mentővel kiegészítve. Összegzés Az egészségi állapot hazai romlása és rossz helyzete ellenére Közép-Magyarország halálozási és megbetegedési mutatószámai viszonylag kedvezően alakulnak az országos átlagokhoz képest. A régió népességének halandósági szintje nem tér el lényegesen az országostól, bár a halálozások száma 1990 és 2000 között az országos tendenciáktól eltérően mérséklődött. Pest megyében az átlagosnál nagyobb arányú volt ez a csökkenés, a halandóság szintjében a megye javára már korábban fennálló különbség fokozódott. A halálozások okok szerinti összetétele az elmúlt években módosult, a változás egyes esetekben meglehetősen jelentős volt. A halálozások okai között változatlanul a keringési rendszer betegségei miatt bekövetkezett, valamint a daganatos eredetű halálesetek állnak az első két helyen. Az 1990. évihez képest legszámottevőbben (3,2 százalékponttal) a daganatos betegségek által előidézett halálozások aránya emelkedett, legjobban (2,4 százalékponttal) pedig a keringési rendszer betegségei miatt bekövetkezett halálozásoké csökkent. Jelentősen mérséklődött a morbiditás és a mortalitás külső okaira visszavezethető halálozások aránya is a régióban. A halálozások okok szerinti struktúrája a régió két térségében némileg eltér: Budapesten a keringési rendszer betegségeiből és a daganatos betegségekből eredő halálozások valamivel nagyobb, a légzőrendszer, az emésztési rendszer betegségei miatti, valamint az erőszakos eredetű halálozások pedig kisebb arányban fordultak elő az elmúlt tíz évben, mint Pest megyében. A közép-magyarországi régióban kistérségi szinten egy északi (Szentendrei és Dunakeszi) és egy nyugati (Pilisvörösvári és Budaörsi) kedvezőbb helyzetű övezet rajzolódik ki a helyi lakosság egészségi állapota nyomán (főként a mortalitás alapján). A régió délkeleti részén, a Nagykátai, a Monori és a Dabasi kistérségekben az országoshoz képest is kedvezőtlen a halálozások alakulása (5. ábra). 5. ábra

Pest megye kistérségeinek helyzete az egészségi állapot és a mortalitás alapján Országos szint feletti

Szobi

Országos szint körüli Váci

S zentVeresendrei egyházi DunaAszódi keszi PilisGödöllői vörösvári Budapest Budaörsi

Nagykátai Gyáli

Ráckevei

Országos szint alatti

Monori

Dabasi

Ceglédi

366

UZZOLI ANNAMÁRIA IRODALOM

A kistérségek társadalmi, gazdasági helyzete – Közép-Magyarország. KSH, Budapest, 2006 Balogh Károly – Bezerédj Béláné (2000): A budapesti agglomeráció lakosságának egészségi állapota és egészségügyi ellátása. Területi Statisztika 2000/3. Budapest statisztikai évkönyve, 2004. KSH, Budapest, 2005 Csaba Károly (1998): A főváros lakosságának egészségi állapota, 1998. Budapesti Közegészségügy 1998/3. Csaba Károly (2002): A fővárosi lakosság egészségi állapotának néhány összefüggése, 2001. Budapesti Népegészségügy 2002/4. Dávid Bea – Oross Jolán – Vecsei Miklós (1998): A hajléktalanság és a TBC. Soros Alapítvány, Budapest Demográfiai évkönyv, 2005. KSH, Budapest, 2006 Egészségügyi statisztikai évkönyv, 2004. KSH, Budapest, 2005 Fővárosi Önkormányzat (2000): A lakosság egészségi állapota a közép-magyarországi régióban. (www.kozpontiregio.hu/17_doc/euhelyzet.doc) Helyzetkép Pest megyéről. KSH, Budapest, 2005 Józan Péter (1986): A budapesti halandósági különbségek ökológiai vizsgálata, 1980–1983. Demográfia, 1986/2–3. Józan Péter (1994): Epidemiológiai válság Magyarországon a kilencvenes években I. Statisztikai Szemle, 1994/1–2. Józan Péter (2002a): A halandóság alapirányzata a 20. században, és az ezredforduló halálozási viszonyai Magyarországon. Magyar Tudomány, 2002/4. Józan Péter (2002b): A dohányzás hatása a halandóságra Magyarországon 1970–1999. Nemzeti népesedési program. KSH, Budapest Józan Péter (2003): Az alkohol hatása a halandóságra Magyarországon, 1970–1999. Nemzeti népesedési program. KSH, Budapest Klinger András (2003a): A kistérségek halandósági különbségei. Demográfia, 2003/1. Klinger András (2003b): A budapesti kerületek halandósági különbségei. Demográfia, 2003/3. Klinger András (2006a): Újabb adatok a vidéki kistérségek és a budapesti kerületek halandósági különbségeiről I. Demográfia, 2006/2–3. Klinger András (2006b): Újabb adatok a vidéki kistérségek és a budapesti kerületek halandósági különbségeiről II. Demográfia, 2006/4. Közép-Magyarországi régió demográfiai atlasza. Népesség és népesedés az ezredfordulón és a 21. század első éveiben. KSH, Budapest, 2007 Közép-Magyarországi regionális népegészségügyi jelentés 2005. ÁNTSz Budapesti Intézete – ÁNTSz Pest Megyei Intézete, Budapest, 2005 Ottó Szabolcs – Kásler Miklós (2002): Rákmortalitás és -incidencia hazánkban, az európai adatok tükrében. Magyar Onkológia, 2002/2. (www.webio.hu/huon) Pest megye statisztikai évkönyve, 2005. KSH, Budapest, 2006 Szauer Erzsébet (2000): A csecsemőhalandóság és a terhesgondozás területi alakulása a ’90-es években. Demográfia, 2000/4. Területi statisztikai évkönyv, 2005. KSH, Budapest, 2006 Tervezési-statisztikai kistérségek Pest megyében. KSH, Budapest, 2004 Internetes források: www.antsz.hu; www.budapest.hu; www.eski.hu; www.eum.hu; www.kozpontiregio.hu; www.oep.hu; www.pestmegye.hu; www.proregio.hu. Kulcsszavak: Közép-Magyarország, egészségi állapot, mortalitás, egészségügyi egyenlőtlenségek, területi különbségek. Resume The empirical study is based on mortality statistical data analysis (for example life expectancy at certain ages by sex, or mortality rates by causes etc.). The aim is to present health inequalities and its spatial aspects in the Central Hungary region, among subregions and the districts of Budapest. The primary objective of the research is to compare the health state of the Central Hungary region with other regions and is to put this health state in a national context. The results show duality of this region in the Hungarian health condition, because the most advantaged position can be experienced by the average life expectancy at birth of the capital, or the lowest infant mortality of Pest county. On the other hand, one of the most disadvantaged position can also be detected by the spatial inequalities of health state in the Central Hungary region. The outcome of this research project can be used in practical planning tasks as background material.

Kinek emlékeztetőül, kinek újdonságként Szempontok a kéziratok elkészítéséhez Három éve annak, hogy közreadtuk a Területi Statisztikába szánt kéziratok tartalmi és formai követelményeit (2005. január, 92. oldal). Szerzőink köre azóta örvendetesen bővült, már csak ezért is érdemes visszatérni a témára. (Hogy még miért, azt bizonyára értik, akik a sorok között is olvasnak.) Érvényesnek tartva az akkor leírtakat, s aktualizálva néhány dolgot, a Területi Statisztika (pontosabban a KSH) honlapján megjelentetjük a követelményrendszert. Nyomtatásban most csak kiegészítéseket gyűjtöttünk csokorba. Elő kell állnunk egy új kéréssel, ami – bármennyire mennyiségi és „harmadrendű” – mégis jól látható helyre, ide kívánkozik: az Elmélet–módszertan és az Elemzések rovat nem megrendelt cikkeinek terjedelmét szűkíteni kell maximum 16 oldalra, a Közleményekét 10-re. Mindez irodalomjegyzékkel, rezümével, esetleges függelékkel együtt értendő. A cikkek jellege Attól függően, hogy a szerző melyik rovatba szánja írását, különböző lehet a jelenségek leírásának, magyarázatának, okok és okozatok összekapcsolásának, adaptált vagy eredeti számítások, elemzési módszerek alkalmazásának aránya. Közlemények rovatunkat tipikusan a statisztikai helyzetleírások jellemzik. Egyszerűségük mellett e cikkek nagy értéke a „vitathatatlan” tényszerűség. A sokszorosan kipróbált, közérthető módszereken alapuló információk a társadalmi gyakorlat és a jövőbeli kutatások számára szilárd támpontot jelentenek. Rövidebbek is lévén, egyszerűbb követelmények vonatkoznak rájuk. Az Elemzések rovat tanulmányai sokoldalúbban, összetettebb, esetenként speciális módszerekkel írják le tárgyukat, ami az elé a feladat elé állítja a szerzőket, hogy vázolják fel a szakirodalom főbb megállapításait, témájukat helyezzék el a gazdasági-társadalmi (kulturális) környezetben, s ugyanakkor oldják meg, hogy az elmélyültebb tárgyalás is jól követhető legyen az olvasók számára. Az Elmélet–módszertan rovat igényli leginkább a szakirodalmi hátteret, beleértve a külföldi eredmények figyelembevételét is. A szerkesztőség az elméleti vagy módszertani cikkek esetében elfogadja, hogy ezek a folyóirat olvasóinak egy kisebb köréhez szólnak, s nem kívánja meg a köznyelvihez hasonló tálalást, amely itt a szakmaiság rovására menne. Azt azonban elvárja, hogy a problémafelvetés és az eredmények összegzése ezekben a cikkekben is közérthető legyen. Társfolyóiratunk, a Statisztikai Szemle szerkesztőbizottságának 2008. márciusi értekezletén a KSH elnöke, dr. Pukli Péter fontos feladatnak jelölte a szakzsargonnak a hivatal tájékoztatási tevékenységéből való kiszűrését, a közérthető magyar nyelven írást. Bármelyik csoportba tartozik egy folyóiratcikk, elvárható, hogy a téma fontosságának jelzésével, a vállalt feladat perspektívájával és előre belátható korlátaival kezdődjön, továbbá, hogy legyen gondolati íve, s legyen mentes a nélkülözhető töltelékektől, sallangoktól. Befejezése, ha az összegzés alcímet viseli is (nem sok fantáziára valló szó), ne egyszerű tömörítése legyen a cikk tartalmának, hanem inkább szintézise. Ha ilyen új minőség nem produkálható, akkor jobb a szűkszavú befejezés az adatok egy részének ismétlése helyett. A Területi Statisztika arra törekszik, hogy nemzetközi viszonylatban is számon tartott folyóirat legyen, ehhez pedig (ha máshoz nem, akkor legalább ehhez) erőteljesebb külföldi szakirodalmi kitekintés volna kívánatos. De ha már a szerzőinket erre ösztönözzük, akkor a szerkesztőség magára is érvényesnek tekinti ezt a célkitűzést, és bővíti – nem kampányszerűen, de kitartóan – az idegen nyelvű adatközlések és szakmai eredmények bemutatását. Az utóbbi tíz és fél évben a direkt

368

DR. MAROSI LAJOS

szemlézés főleg az Eurostat közleményeinek rövidített átvételét jelentette (örömteli kivétel volt a francia Fabienne Boudier-Bensebaa magyar vonatkozású, angol nyelvű cikkének ismertetése). Szívesen vennénk további nem magyar nyelvű könyvek és szakcikkek ismertetését (akár bíráló jelleggel) is. Két gyakorlati probléma – találomra Az időutazás Ugyanarra a tárgyidőszakra nézve a nyelvtani jelen idő és múlt idő váltogatása nehézkessé teszi a szöveget. Statisztikai leírásban „időt váltani” csak indokolt esetben kellene. A bemutatott adatok a legkülönbözőbb dátumokra vonatkozhatnak a téma jellege és a szerző gondolatmenete szerint, de éppen ezért legalább a fogalmazásnak precízen alkalmazkodnia szükséges az adatok keletkezésének idejéhez. Célszerű előre meghatározni, de legalább következetesen érzékeltetni, hogy a dolgozat keretein belül mit tekintünk jelennek. Ha a legfrissebb számokkal dolgozunk, ha azok a legutóbbi adatgyűjtésből származnak, különösen, ha ideiek, akkor nyugodtan használhatjuk a jelen időt. A korábbi állapotokról viszont írjunk múlt időben! Érthető a szerzői szándék: a létige múlt idejű alakját, a volt-ot akarja elkerülni, hogy ne legyen szóismétlés. Használjunk más igéket is, váltogassuk azok múlt idejű alakjával a volt-ot! A jelen idő használata még akkor helyénvaló, ha olyan, a közelmúltban regisztrált állapotot írunk le, amely fennáll a cikk írásakor is, s ez elfogadható adatok nélkül is. A jelen idő egyértelmű meghatározására látunk példát egy 2005-ös cikkünkben: „A vizsgálat további részében a TEKI és a CÉDA 2002-es és 2003-as felhasználásával foglalkozunk.” Itt tehát a jelen: a vizsgálat ideje. Ha a cikk megírásáig el is telt 2-3 év, a vizsgálat tárgyáról újabb mérések nincsenek, így a jelen idő használata egyszerű és egyértelmű. A szerzőnek mégis problémát okozott a nyelvtani idő, mert a kiválasztott jelennél régebbi állapotra is utalnia kellett: „A településeken az állagmegőrzésre fordított összegek teszik ki a legnagyobb hányadot. A települések 64%-a a 2002ben és 2003-ban elnyert források több mint 75%-át állagmegőrzésre fordította. Aminek az elemzése több szempontból is lehetséges: egyrészt léteznek (léteztek) még olyan területek, amelyek nem rendelkeztek szilárd útburkolattal.” Az ideális olvasó Ő olyan ember, aki ugyanabban a körben forog, amelyben a szerző, ugyanazok a problémák foglalkoztatják, ugyanazt a szaknyelvet ismeri, pont azt az idegen nyelvet (az angolt) beszéli, ugyanúgy rövidíti a hosszú kifejezéseket, és hosszítja azokat, amelyeket a laikusok röviden mondanak – csak épp a szerző adataira vár. De a folyóiratot nem csupán az ideális olvasó forgatja. Ezért tehát szerkesztőként arra törekszünk, hogy az ideális olvasó helyett a reálishoz címezzük és mérjük szövegünket. Nagyon jó, ha ezt nem a szerző helyett és nem utólag kell megtennünk. Az alábbi egyszerű példa olyan helyzetet mutat be, amikor a cikk magját képező fogalom mást jelent a szakmában, és mást a köznyelvben. Ez az a tipikus eset, amikor a szerzőnek különbséget kell tennie a két jelentés között. Legyen szó egy agglomerációról! Egyértelművé kell tenni, hogy az a nagyvárosból és a környező települések meghatározott gyűrűjéből áll. A reális olvasó eredetileg nem biztos, hogy így gondolja, és biztos, hogy nem így szokta mondani. Ehelyett azt mondja, hogy „a fővárosból sokan kiköltöztek az agglomerációba”. A köznapi szemlélet szerint ugyanis az agglomeráció az, ami a központvárost körülveszi. A szakszerű megvilágításhoz nem elegendő, ha a szerző rámutat: az agglomeráció népessége X fő, ezen belül a nagyvárosé pedig Y fő. Azért nem elegendő, mert a központ lakossága akkor is a gyűrűn belül él, ha történetesen a központ nem része az agglomerációnak. (De hát része! Csak ennyiből nem derül ki.)

KINEK EMLÉKEZTETŐÜL, KINEK ÚJDONSÁGKÉNT

369

Érdemes precízen használni a régió fogalmát is, amely jelző alkalmazása nélkül eleve pontatlan egy olyan szakmai közegben, ahol léteznek NUTS 1 és NUTS 2 szintű területegységek, valamint idegenforgalmi régiók, hogy az egyéb fejlesztési vagy a szerző által kialakított régiókról ne is beszéljünk. Ha pedig – a régiók Európájára tekintettel – a fordításokra is gondolunk, megfigyelhető, hogy a tagországok nyelvein a legkülönbözőbb szinteken bukkan fel a régió szó, még a kistérségekre vonatkozóan is (finnül: ekonomiska regioner). Könyvismertetés, cikkismertetés Új címadás Nem saját találmányunk, hanem az egyik lehetséges címadási mód, amit 2008 elejétől a Területi Statisztikában is alkalmazunk: a recenziók címe nem azonos a bemutatott mű (szerzőnévvel nehezített) címével, hanem a recenzens meglátására és fantáziájára van bízva. A haszon többszörös: jobban felkelti az érdeklődést, ráirányítja a figyelmet a mű valamely sajátosságára, s ráadásul jobban mutat a recenzens publikációs jegyzékében. Az egyedüli hátrány, hogy a bemutatott mű címét és megjelenési adatait az ismertetés legvégén lehet megtalálni (zárójelben, dőlt betűkkel). De ez csak szokás kérdése, és remélhetőleg olvasóink könnyedén alkalmazkodnak majd e változáshoz. Az a kérésünk, hogy szerzőink adjanak ilyen címet könyv- és cikkismertetőiknek! Idegen nyelvű művek bemutatása Idegen nyelvű könyv bemutatása esetén a recenzens feladata egyrészt ugyanaz, mint a magyar nyelvű mű bemutatójáé, másrészt persze több, mert az olvasottakat lefordítva, magyarul kell interpretálnia. A cikkismertetés más műfaj, itt lehetőség van teljesebb bemutatásra, kisebb arányú tömörítésre. Tömörítés persze így is szükséges, hiszen a recenzió nem azonos a mű fordításban való megjelentetésével. Tehát a szó szerinti, apró részletekbe belemenő fordítást el kell kerülni. Az alábbi táblázattal szeretnénk segíteni szerzőinket néhány, a fordítással, idegenszó-használattal kapcsolatos probléma megoldásában, s e megoldások egységesítésében. Az eredeti nyelve

Jelenség

magyar

idegen

Szó szerinti idézés

idézőjelben

nem feltétlenül idézőjelben

Idegen kifejezés megadása zárójelben

ritkábban, mint a műben (végső eset)

A cím közlése

magyarul, az ismertetés végén

a recenzió elején magyarul, a végén (zárójelben) az eredeti nyelven

A magyarra nem fordítható kifejezések (nevek, tájegységek, közigazgatási egységek) használata

ahogy a bemutatott mű szerzője megoldotta, vagy további magyarázattal, például lábjegyzettel ellátva

ha a tükörfordítás félrevezető lehet, meg kell adni az eredeti kifejezést is, ha pedig nincs magyar megoldás, akkor indokolt az eredetit használni

Földrajzi nevek, helységnevek

ahogy a bemutatandó mű szerzője használja (bírálat esetén lehet más javaslatot tenni)

ha van magyar földrajzi név, akkor célszerű azt használni

bemutatott

ha az azonosítást, visszakeresést segíti, akkor bátran (akár angolul is, ha az eredeti nyelv nem angol)

Dr. Marosi Lajos

DR. TÓTH GÉZA

Fejlődés és hanyatlás kombinációja Észak-Alföldön Új, figyelmet érdemlő kiadvány jelent meg a közelmúltban az MTA Regionális Kutatások Központja (RKK) és a Debreceni Egyetem (DE) Agrárés Műszaki Tudományok Centruma közötti együttműködés keretében, a „Magyar tudomány ünnepe, 2007” alkalmából. Az Észak-Alföld területfejlesztéséről, modernizációjáról szóló kötet három markánsan elkülönülő részre tagolódik. A „Területpolitika – regionalizmus – gazdaság” című rész első tanulmányában Horváth Gyula, az RKK főigazgatója Magyarország modernizációja és a regionális átalakulás összefüggéseinek kérdését boncolgatja. Rámutat arra, hogy a területpolitikában paradigmaváltásra van szükség. Megállapítja ugyanis, hogy a „régió a gazdaság fenntartható növekedését és a térszerkezet korszerűsítését szolgáló, önálló finanszírozási forrásokkal rendelkező, autonóm fejlesztéspolitikát megvalósító, önkormányzati jogosítványokkal felruházott területi egység.” Ebben az értelemben hazánkban még nem működnek régiók, s a szerző ebben a vonatkozásban vázolja fel a paradigmaváltás elméleti és gyakorlati kereteit. Rechnitzer János, az RKK Nyugat-magyarországi Tudományos Intézetének igazgatója cikkében a tudást mutatja be a regionális fejlődés új erőforrásaként. Fontos megállapításának tekinthető, hogy a humán erőforrást hatásmechanizmusaival együtt célszerű vizsgálni. Négy blokkot különböztet meg: az emberi tényezőket, az életminőséget, az életkörülményeket, végül a tudás és ismeretközlés hálózatát. Kiemeli, hogy a tudás új összefüggéseket ad a regionális folyamatoknak, s így új fejlesztési irányok dolgozhatók ki a területi egységekre, amihez új elemzési módok és vizsgálati szempontok szükségesek. Baranyi Béla, az RKK Alföldi Tudományos Intézetének osztályvezetője tanulmányában az északalföldi régió helyzetét vizsgálja a régiók Európájához viszonyítva. Megállapítja: „ma még úgy tűnik, hogy a régióban hosszú ideig a fenntartható fejlődés és a hanyatlás kombinációja fog érvényesülni”. Nyitott kérdésként említi továbbá a modern és a hanyatló szerkezetű térségek egymáshoz mért arányát és jövőbeli folyamatait. A regionális identitás,

illetve a regionális funkciók várhatóan egyre erősebbé válnak az észak-alföldi régióban a kutatások szerint. Kovács János, a DE docense a terület- és településpolitika hazai változásait elemzi. Cikke talán legérdekesebb részében a régió–megye–kistérség fejlődési dilemmájáról ír. Rámutat arra, hogy miközben az EU a regionális fejlesztésekre helyezi a gazdaság- és társadalomfejlesztésben a hangsúlyt, Magyarországon nem tudunk megszabadulni sem a Budapest-központúságtól, sem a megyerendszer elsőbbségi gyakorlatától. Kiemeli továbbá az állandóan változásban lévő településszerkezet területi fejlődésben megnyilvánuló szerepét, a települési önkormányzati rendszer problémáit. Nagy János, a DE intézetigazgatója kutatásában a régió bruttó hazai termékének alakulását boncolgatja. Megállapítja, hogy Észak-Alföld GDP-je közép-európai összevetésben meglehetősen alacsony, s a növekedés üteme nem elég ahhoz, hogy a régió érdemben felzárkózzon az Európai Unióhoz. Ágazatokat külön vizsgálva a régió részesedése különösen a mezőgazdaságot tekintve jelentős, közel 20%-os, míg az ipar és építőipar ágazat 10%-kal, a szolgáltatások ágazat 9,4%-al részesedik. A régióban nem történt meg a szerkezetváltás, az itt működő vállalatok versenyképessége korlátozott. Kulcskérdés ezért a regionális versenyképesség erősítése, s ennek érdekében következetes fejlesztéspolitikára van szükség. Ványiné Széles Adrienn, Vincze Szilvia, Harsányi Gergely, Harsányi Endre, Nagy János, a DE munkatársai írásukban a régió vállalkozási környezetét és abban a külföldi tőke szerepét elemzik. Arra hivatkoznak, hogy egyrészt a hátrányos helyzetből fakadóan, másrészt viszont tudatos vagy rosszul meghozott döntések következtében meglehetősen kevés külföldi működő tőke érkezett Észak-Alföldre, illetve az itteni vállalkozások alig jelennek meg az exportpiacon. Számos kutatás viszont azt mutatta ki, hogy azon régiók tudnak komoly fejlődési pályát bejárni, amelyek erős exportpotenciállal rendelkeznek. Így a beavatkozás Észak-Alföldön kiemelten fontos lenne.

KÖNYVISMERTETÉS Andrew Fieldsend és Csapóné Riskó Tünde (ugyanazon egyetem részéről) egy magyar–román határ menti vidékfejlesztési tanácsadóközpont létesítésének és működésének tapasztalatairól számolnak be. Harsányi Endre, Vincze Szilvia, Harsányi Gergely és Ványiné Széles Adrienn közös tanulmányukban az Észak-alföldi beruházásokkal, illetve infrastrukturális jellemzőkkel foglalkoznak. Rámutatnak arra, hogy a régióban meg kell teremteni a versenyképes gazdaság alapjait, ehhez létre kell hozni a szükséges infrastrukturális hátteret. Kulcsár Balázs, a DE PhD-hallgatója az agrárrozsdaövezetek hasznosítási lehetőségeit elemzi cikkében. Az első fejezetet lezárva Kormos Zoltán, a KSH tanácsosa, debreceni PhD-hallgató az élelmiszeriparnak a régióban betöltött helyét és szerepét szemrevételezi. Tanulmánya talán legfontosabb megállapítása szerint a régió adottságaihoz igazodó élelmiszeripar a mezőgazdaságon keresztül nagyban hozzájárul a megfelelő környezeti állapot kialakításához és fenntartásához, mely a társadalom létalapját képezi. Éppen ezért fontosnak tartja, hogy az operatív programok keretében csak olyan fejlesztések legyenek támogatandók, amelyek nem haladják meg a természeti környezet eltartóképességét és terhelhetőségét, valamint nem okoznak visszafordíthatatlan károsodást a természetben. A kötet második része „A régiófejlesztés társadalmi alapjai – humánerőforrások” címet viseli. Az első tanulmányt Balcsók István, az RKK Alföldi Tudományos Intézetének munkatársa jegyzi. Megállapítja, hogy a régió munkaerőpiacát az országos átlagnál sokkal rosszabb foglalkoztatási, munkanélküliségi és inaktivitási mutatók, illetve a régión belül is igen jelentős területi-települési különbségek jellemzik. Az utóbbi évek kedvezőtlen folyamatai következtében Észak-Alföld lemaradása tovább romlott mind országos, mind európai uniós összehasonlításban. Vincze Szilvia, Harsányi Gergely, Ványiné Széles Adrienn és Nagy János az egyetem részéről a régió foglalkoztatási és munkatermelékenységi helyzetét elemzik. Felhívják a figyelmet arra, hogy szükség van a régióban a foglalkoztatás ösztönzésére. A térségnek alkalmazkodnia kell az EU gazdasági munkamegosztásához, és ehhez kell rendelnie a szerkezetváltást követően kialakuló stratégiai ágazatait és a humán erőforrás fejlesztését. Hajdú Zita, a DE tudományos segédmunkatársa az idegen nyelvi munkaerő-piaci igényeket meghatározó tényezőket vizsgálja az Észak-Alföldön. Tanulmányának egyik legérdekesebb része annak az

371 empirikus kutatásnak a bemutatása, mely a régió 112 foglalkoztatója körében készült, s az idegen nyelvek iránti igényükkel kapcsolatos. Harsányi Gergely, Vincze Szilvia, Ványiné Széles Adrienn és Harsányi Endre a régió humán erőforrásaival és kutatás-fejlesztési helyzetével foglalkoznak munkájukban. Kiemelik, hogy Közép-Magyarország után Észak-Alföld kutatás-fejlesztési intézményi hálózata a második legjelentősebb az országban, bár ezt (összetevői, jellege miatt) eddig nem sikerült a mindennapokban kamatoztatni. Ezért a jövőben a régió felzárkózása szempontjából kulcsfontosságú a K+F-tevékenységre alapozva az innováció betelepülésének és fejlődésének elősegítése. Mohácsi Márta, az egyetem PhD-hallgatója az Agrártudományi Centrum vállalati kapcsolatainak szerepéről írt rövid bemutatót, illetve elemzést. Rőfi Mónika és Vincze Szilvia, az egyetem munkatársai a Debreceni Egyetemen végzettek körében készített karrierkövetési vizsgálat eredményeit mutatja be. Nagyné Demeter Dóra PhD-hallgató a régióban levő családi gazdaságok működési feltételeit kutatta. A régió jövőképét felvázolva kimutatta, hogy olyan komplex ágazati fejlesztési koncepciót kell kimunkálni, mely felvállalja az agroökonómiai potenciál megőrzését, az élelmiszer-biztonság növelését, a járványvédelmi feladatok javuló ellátását, a versenyképesség erősítését stb. Ezeken a területeken a családi gazdaságok hangsúlyos szerepet kaphatnak. Móré Mariann, a DE főiskolai adjunktusa a magyar agrárgazdaságnak a régióban való társadalmi megítélését vizsgálta sajtó-tartalomelemzés módszerével. Kutatása alapján megállapítja, hogy a mezőgazdaság társadalmi megítélésével kapcsolatban a többségében kedvezőtlen jelenségeket hangsúlyozó tömegkommunikációs összkép szerepet játszhat a negatív benyomás hosszú távú fennmaradásában. A kötet záró, harmadik fejezete „A régiófejlesztés természeti alapjai” címet viseli. A rész első tanulmányát Sinóros-Szabó Botond, a DE tanára és Dinya László, a Károly Róbert Főiskola tanszékvezetője jegyzi. A szerzőpáros a fenntartható regionális értékhálózatnak nagy sűrűségű energiaterekben való kialakításával és működtetésével foglalkozik tanulmányában. Elméleti és szakmai ismeretek, valamint tapasztalatok alapján részletesen bemutatja, hogy milyen megközelítésben célszerű foglalkozni az energetikai nagyberuházás térségi rendszerbe illesztésével, végül bemutatja a tényleges megvalósításig elvégzendő feladatokat. Huzsvai László docens és Dobos Attila tudományos munkatárs (DE) a napenergia, a kukorica, illetve a bioetanol problematikáját boncolgatják.

372

KÖNYVISMERTETÉS

Koncz Gábor, az MTA RKK Alföldi Tudományos Intézet tudományos segédmunkatársa és Mező Barna, a Hajdúböszörményi Önkormányzat osztályvezetője a megújuló energiaforrások régióbeli területfejlesztési szerepét vizsgálják. Tanulmányukban ismertetik a régió potenciálját a megújuló energiaforrások hasznosítására, illetve a hasznosítás jelenlegi szintjét. Végül, de nem utolsósorban elemzik a régió e területen ismertté vált fejlesztési elképzeléseit. Solyok Dénes, Megyes Attila és Rátonyi Tamás (DE) a biodízel-alapanyag előállításának jelentőségét mutatják be az észak-alföldi és az északmagyarországi régióban. Részletes cikkükben szemléltetik az olajos növények világpiaci jelentőségét, a biodízel gazdasági és környezetvédelmi megítélését. Bemutatják a Magyarországon jelenleg létező és tervezett biodízel-előállító kapacitást, valamint a melléktermék kezelésének kérdését és a beszállítói kapcsolatok jelentőségét is. Érdekes cikket olvashatunk Dövényi-Nagy Tamás, az egyetem ügyvivő szakértője tollából az agrometeorológiai adatok webes megjelenítésének kérdéséről. Nyizsalovszki Rita, az egyetem tudományos munkatársa a régió természeti potenciáljának a talajhasználatra és a mezőgazdasági termelésre gyakorolt hatását vizsgálta. Tanulmányában rámutat, hogy a termőhelyi adottságokat tekintve a régió az országos átlaghoz viszonyítva kedvezőtlen helyzetben van, míg bizonyos földhasználati ágakban jelentős potenciállal bír. E tényezők kihasználása kiemelkedő lehetőséget teremt a régió agrártermelé-

sének fokozására, és a mezőgazdasági munkahelyek számának növelésére. Csatári Bálint, az RKK intézetigazgatója a hazai kistérségek területhasználatának változásairól mutat be néhány összetevőt. Megállapításai közül kiemelendőnek tartjuk, hogy az Alföld, a Mezőföld és a Kisalföld térségeiben a természetközelibb területhasználat felé való elmozdulást tekinti kívánatosnak, amihez tudatos, távlatos programokat tart szükségesnek. Víg Róbert, Dobos Attila és Pongrácz Zoltán a DE és a Syngenta Seeds Kft. részéről a hajdúsági csernozjom- és réti talajok tápanyag-ellátottságának statisztikai értékelését végezték el. Vizsgálatuk jelentőségét az adja, hogy az egyoldalú földhasználat eredményeként romlott talajaink termékenysége, ami szükségessé teszi a helyspecifikus tápanyagutánpótlás alkalmazását. A kötetet Ványiné Széles Adriennek, az egyetem tudományos segédmunkatársának a szántóföldi klorofillmérésekről szóló tanulmánya zárja. A szerző vizsgálatát a kukoricahibridek nitrogénellátottsága meghatározásának területén mutatja be. A kötet 33 szerző 380 oldalas, színvonalas munkája. Jó szívvel ajánlható mind a területfejlesztés, regionális folyamatok új összefüggései iránt, mind pedig az agrár- és vidékfejlesztés specifikus kérdései iránt érdeklődőknek. (Baranyi Béla – Nagy János (szerk.): Regionalitás, területfejlesztés és modernizáció az észak-alföldi régióban. MTA RKK és a Debreceni Egyetem Agrár- és Műszaki Tudományok Centruma, Debrecen, 2008)

KOVÁCS ANDRÁS Kalandos kirándulás változó falvainkban Negyedszázaddal ezelőtt publikálta a hazai regionális kutatás két jelentős személyisége, Beluszky Pál és Sikos T. Tamás első átfogó falukutatásának eredményeit „Magyarország falutípusai” címmel. Az 1982-ben megjelent, azóta számtalanszor idézett alapmű céljában és alkalmazott módszereiben egyedülállónak számított (és számít napjainkban is), hiszen képes volt integrálni a leíró jellegű történetiföldrajzi megközelítést a modern, többváltozós matematikai-statisztikai módszerekkel, átfogó és egyben tiszta képet nyújtva a teljes magyarországi faluállomány térfolyamatairól, az egyes falutípusok fejlődési irányairól.

25 évvel az első „falutipológia” megjelenése után a szerzőpáros nem kevesebbre vállalkozott, mint a korábbi falukutatás megismétlésére napjaink dinamikusan változó társadalmi-gazdasági környezetében. A 2007-ben megjelent „Változó falvaink” című kötet azonban mégsem pusztán a korábbi vizsgálat „frissített változata”, hanem a magyar falufejlődés történetének áttekintése, a jelenkori faluhelyzet átfogó bemutatása, valamint a hazai falukutatás módszertanának és eredményeinek értékelése. A kötet első két fejezete a magyarországi falufejlődés történetét írja le a XIX. századtól napjain-

KÖNYVISMERTETÉS kig. A szerzők tömören, mégis informatívan, a laikus olvasó számára is érthetően vázolják fel a magyar falutörténet fő folyamatait, állomásait és a fejlődést befolyásoló legfontosabb tényezőket. A fejezetek legfőbb erénye, hogy érthetővé teszik a magyar településfejlődés útját, rávilágítanak a város– falu kapcsolatrendszer komplexitására és olyan specifikumokra, mint a tanyakérdés, a falvak és lakóik helyzete a szocializmusban, a falu és a mezőgazdaság változó viszonya stb. A szerzők külön fejezetet (3. fejezet) szentelnek a hazai falukutatás történetiségének, ezzel egyrészt beágyazzák saját kutatásukat a hazai falukutatások rendszerébe, másrészt rávilágítanak a regionális kutatások (és más társadalomkutatások) feladatainak, céljainak és módszereinek időben változó jellegére. A fejezetből különösen a fiatalabb kutatógeneráció tanulhat sokat a helyes kutatási problémafelvetés, célmeghatározás és módszeralkalmazásról. A kötet fő fejezetei (4–6.) a falutipizálás módszertani kérdéseit, vizsgálatba bevont változóit és eredményeit tárgyalják. Az alkalmazott matematikai-statisztikai eljárások (faktor- és klaszteranalízis) elméleti rendszerének áttekintése után a szerzők bemutatják azokat a változókat, melyek segítségével jellemezték és csoportokba sorolták Magyarország 2875 önálló településből álló faluállományát. Az egyes változók (földérték, népességszám, aktív keresők aránya, munkanélküliségi ráta, intézményi ellátottság stb. – összesen 27 változó) bemutatásánál részletesen elemzik ezek térségi jellegzetességeit, és magyarázzák az egyes leíróismérvek térbeli jellegzetességét befolyásoló okokat (földosztás, körzetesítés, szuburbanizáció, szocialista településrendezés és számtalan más tényező). A faktorelemzésben a fenti 27 változót 8 faktorba rendezik (redukálják), majd a kialakított faktorok településenkénti faktorértékei alapján jellemzik Magyarország faluhálózatát. Az elemzés során a 8 kialakított és elnevezett faktorban (munkaerő-piaci helyzet, településszerkezet, demográfiai helyzet stb. faktorai) 70%-ban őrizték meg az eredeti 27változós rendszer magyarázó erejét, jelentősen leegyszerűsítve viszont a falvak csoportosításához szükséges klaszteranalízist.

373 A klaszterelemzés során, hasonlóan az 1982-es vizsgálathoz, 25 klasztert határoltak le, melyeket a szerzők 7 fő és 13 alcsoportba soroltak, meghatározva így a magyar faluállomány teljes tipológiáját. A kötet már korábban is említett legfőbb jellegzetessége a matematikai módszertan és az értékelőelemző (szöveges) részek egysége, ami különösen fontos a faktor- és a klaszterelemzés eredményeinek bemutatásánál. A szerzők messzemenően törekedtek arra, hogy az elméleti kategóriákat „tartalommal ruházzák fel”, és a kapott eredményeket magyarázzák. Ennek a törekvésnek az eredménye egy részletes, a kivételekre és speciális esetekre is kiterjedő értékelő munka lett, amelyből az olvasó tovább mélyítheti a magyar faluhálózatról szerzett ismereteit. A „Változó falvaink” egésze kiváló falucsoportosítás és -jellemzés, de ahogy azt a szerzők is megjegyzik, „csak a falvak legfőbb koordinátáit” jelöli ki a magyar településhálózat tengerében. A magyarországi falutájakat bemutató zárófejezet végén Beluszky Pál és Sikos T. Tamás deklarálják, hogy vizsgálatuk „nem lezáródása a hazai faluvizsgálatok egy etapjának, hanem a vizsgálatok megalapozása, orientálása…”, mely további, részletesebb elemzések, empirikus kutatások stabil alapját képzi. A kötet címe napjaink faluvilágát bemutató műre engedi következtetni a potenciális olvasót, azonban a „Változó falvaink” sokkal több ennél. A mű olvasása egy kalandos kirándulás a hazai regionális kutatás két jeles képviselőjének idegenvezetésével, melyben minden résztvevő megtalálja a számára fontos részeket a falufejlődés történetiségétől, napjaink térformáló folyamatait bemutató elemzésen keresztül a matematikai módszertan gyakorlati alkalmazásáig. Biztos vagyok benne, hogy a kötet nemcsak a regionális kutatás hazai képviselőinek kihagyhatatlan olvasmány, de haszonnal forgathatják a téma iránt érdeklődő egyetemi hallgatók, lokálpatrióták és laikusok is. (Beluszky Pál – Sikos T. Tamás: Változó falvaink. Magyarország az ezredfordulón, Stratégiai tanulmányok a Magyar Tudományos Akadémián sorozat. MTA Társadalomkutató Központ, Budapest, 2007)

HAZAI STATISZTIKAI FOLYÓIRATOK TARTALMA

Statisztikai Szemle

2008. április Tanulmányok Statisztikai módszerek alkalmazása a fejkvóta számítására a magyar egészségügyben – Nagy Balázs – Rakonczai Pál – Dr. Gulácsi László Esettanulmány egy nyugdíjas házaspár anyagi helyzetének alakulásáról 1990-től 2007-ig – Dr. Csepely-Knorr András Hiányzó adatok és kezelésük a statisztikai elemzésekben – Oravecz Beatrix Műhely Mutatók és jobb politikaalkotás: a fenntartható fejlődés kérdésköre – Inna Šteinbuka – Pascal Wolff Könyvszemle Dr. Nemes Erzsébet (szerk.): Fényes Elek breviárium – Marton Ádám

2008. május Tanulmányok Az

Európai

Unió iparának jellemzői és az ágazat várható fejlődése Magyarországon – Belyó Pál – Nyers József – Szabó László A hosszú távú párkapcsolatok sikerességének mérése – Szél Bernadett A munkaerő-piaci pozíció és a háztartás-összetétel változásának vizsgálata dinamikus jelzőszámokkal – Harcsa István Műhely Mutatószámok: szakpolitikák közelítő mérőszámai? – Michael Ward Könyvszemle Pintér J. – Rappai G. (szerk.): Statisztika – Hunyadi László Eurostat – Statistical books sorozat – Herzog Tamás

T E R Ü L E T I S T A T I S Z T I K A

Recommend Documents